學術產出-Theses
Article View/Open
Publication Export
-
題名 加權範數懲罰函數之實證應用：以中美貿易戰前後期間之台灣5G供應鏈產業為例
The Empirical Study of Weighted Norm Penalty Function: The Case of 5G Technology Industry in Taiwan during the US-China Trade War作者 陳睦宜
Chen, Mu-Yi貢獻者 顏佑銘
Yen, Yu-Min
陳睦宜
Chen, Mu-Yi關鍵詞 5G供應鏈
加權範數懲罰函數
最小變異數投資組合
擴張視窗法日期 2021 上傳時間 4-Aug-2021 14:25:42 (UTC+8) 摘要 近年來全球金融市場紊亂，導因於美國與中國兩大經濟體的全球競爭策略，雙方衝突以2018年貿易戰拉開序幕，並隨著新型冠狀病毒全球肆虐而深化對立局面，在此變化莫測的時代，投資人若採取被動式投資策略，恐將承受巨大壓力，而以追求最小風險為目標的最小變異數投資組合，或將成為此非常時期的最佳投資策略。 本研究比較加權範數最小變異數投資組合與三個基準投資策略之績效表現，探討當投資人面對特殊時期時，加權範數最小變異數投資組合是否可作為更適當的投資策略。本研究採用中美貿易戰前後期間的台灣5G供應鏈產業成分股為樣本資料，以擴張視窗法進行資料分析，並應用加權範數最小變異數方法建構投資組合，除比較投資組合的財務績效及管理效率外，本研究亦探討加入目標報酬限制條件對投資組合績效之影響；最後運用替代懲罰參數建構投資組合，評估使用台灣5G供應鏈產業成分股，替代範數懲罰的表現是否仍能與加權範數懲罰相抗衡。 本次實證結果指出，就不同投資組合比較層面，尋求最適懲罰參數權重α值有助於建構最佳加權範數投資組合；加權範數最小變異數投資組合(WMVP)的財務績效僅次於均等權重投資組合(1/N)，惟綜合考量風險及報酬，加權範數最小變異數投資組合則表現最優異。就加入目標報酬限制層面，加入目標報酬限制條件未必能改善投資組合績效表現，但會增加投資風險及交易成本，唯獨中美貿易戰後2020上半年度期間之表現與前人研究成果不盡相同。就驗證替代範數懲罰，三個替代範數懲罰之投資組合績效皆不亞於加權範數投資組合，於中美貿易戰後2020上半年度，其表現更是略勝一籌。 參考文獻 李振婷(2015)。最小變異數投資組合在台灣股市之運用。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。莊丹華(2017)。加權範數最小變異數投資組合之實證應用：以台灣股市為例。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。林怡君(2017)。運用範數懲罰函數來建構資產組合：以國際股票市場為例。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。Bloomfield, T., R. Leftwich, and J. Long, (1977). Portfolio Strategies and Performance, Journal of Financial Economics 5, 201–18.Caporin, Pelizzon, (2012). Market volatility, optimal portfolios and naïve asset allocations, Ca Foscari University of Venice Working Paper, no. 08/WP/2012, 411-426.Clarke, R., de Silva, H., and Thorley, S., (2013). Risk Parity, Maximum Diversification, and Minimum Variance: An Analytic Perspective, Journal of Portfolio Management, 39-53,11-12.DeMiguel, V., Garlappi, L., and Uppal, R., (2009). Optimal versus naive diversification: how inefficient is the 1/N portfolio strategy?, Review of Financial Studies 22, 1915–1953.DeMiguel, V., Garlappi, L., Nogales, F. J., and Uppal, R., (2009). A generalized approach to portfolio optimization: improving performance by constraining portfolio norms, Management Science 55, 798–812.DeMiguel, V., Nogales, F. J., and Uppal, R., (2014). Stock return serial dependence and OOS portfolio performance, Review of Financial Studies 27, 1031–1073.Frahm, G. and Christoph, M., (2010). Dominating estimators for minimum-variance portfolios, Journal of Econometrics 159, 289–302.Frost, P. A., J. E. Savarino., (1988). For better performance constrain portfolio weights, Journal of Portfolio Management 15, 29–34.Green, R., and B. Hollifield., (1992). When Will Mean-Variance Efficient Portfolios Be Well Diversified?, Journal of Finance 47, 1785–809.Haugen, Robert A; Baker, Nardin L., (1991). The Efficient Market Inefficiency of Capitalization-Weighted Stock Portfolio, Journal of Portfolio Management, 35-40.Jagannathan, R. and Ma, T., (2003). Risk reduction in large portfolios: why imposing the wrong constraints helps, Journal of Finance 58, 1651–1684.Ledoit, O., M. Wolf., (2003). Improved estimation of the covariance matrix of stock returns with an application to portfolio selection, J. Empirical Finance 10, 603–621.Maillet, Tokpavi, Vaucher, (2015). Global minimum variance portfolio optimization under some model risk: A robust regression-based approach, European Journal of Operational Research, 289-299.Markowitz, H. M., (1952). Portfolio Selection, Journal of Finance 7, 77–91.Merton, R. C., (1980). On estimating the expected return on the market: An exploratory investigation, Journal of Financial Economics 8, 323–361.Yen, Y. –M. and Yen, T. J., (2014). Solving norm constrained portfolio optimization via coordinate-wise descent algorithms, Computational Statistics and Data Analysis 76, 737–759.Yen, Y. –M., (2015). Sparse Weighted-Norm Minimum Variance Portfolios, Review of Finance 20, 1259–1287. 描述 碩士
國立政治大學
國際經營與貿易學系
108351008資料來源 http://thesis.lib.nccu.edu.tw/record/#G0108351008 資料類型 thesis dc.contributor.advisor 顏佑銘 zh_TW dc.contributor.advisor Yen, Yu-Min en_US dc.contributor.author (Authors) 陳睦宜 zh_TW dc.contributor.author (Authors) Chen, Mu-Yi en_US dc.creator (作者) 陳睦宜 zh_TW dc.creator (作者) Chen, Mu-Yi en_US dc.date (日期) 2021 en_US dc.date.accessioned 4-Aug-2021 14:25:42 (UTC+8) - dc.date.available 4-Aug-2021 14:25:42 (UTC+8) - dc.date.issued (上傳時間) 4-Aug-2021 14:25:42 (UTC+8) - dc.identifier (Other Identifiers) G0108351008 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/136273 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 國際經營與貿易學系 zh_TW dc.description (描述) 108351008 zh_TW dc.description.abstract (摘要) 近年來全球金融市場紊亂，導因於美國與中國兩大經濟體的全球競爭策略，雙方衝突以2018年貿易戰拉開序幕，並隨著新型冠狀病毒全球肆虐而深化對立局面，在此變化莫測的時代，投資人若採取被動式投資策略，恐將承受巨大壓力，而以追求最小風險為目標的最小變異數投資組合，或將成為此非常時期的最佳投資策略。 本研究比較加權範數最小變異數投資組合與三個基準投資策略之績效表現，探討當投資人面對特殊時期時，加權範數最小變異數投資組合是否可作為更適當的投資策略。本研究採用中美貿易戰前後期間的台灣5G供應鏈產業成分股為樣本資料，以擴張視窗法進行資料分析，並應用加權範數最小變異數方法建構投資組合，除比較投資組合的財務績效及管理效率外，本研究亦探討加入目標報酬限制條件對投資組合績效之影響；最後運用替代懲罰參數建構投資組合，評估使用台灣5G供應鏈產業成分股，替代範數懲罰的表現是否仍能與加權範數懲罰相抗衡。 本次實證結果指出，就不同投資組合比較層面，尋求最適懲罰參數權重α值有助於建構最佳加權範數投資組合；加權範數最小變異數投資組合(WMVP)的財務績效僅次於均等權重投資組合(1/N)，惟綜合考量風險及報酬，加權範數最小變異數投資組合則表現最優異。就加入目標報酬限制層面，加入目標報酬限制條件未必能改善投資組合績效表現，但會增加投資風險及交易成本，唯獨中美貿易戰後2020上半年度期間之表現與前人研究成果不盡相同。就驗證替代範數懲罰，三個替代範數懲罰之投資組合績效皆不亞於加權範數投資組合，於中美貿易戰後2020上半年度，其表現更是略勝一籌。 zh_TW dc.description.tableofcontents 表次 I圖次 II第一章 緒論 1第一節 研究動機 1第二節 研究目的 2第三節 研究架構 4第二章 文獻探討 5第一節 早期投資組合理論回顧 5第二節 異同理論之文獻探討 6第三章 研究方法 11第一節 基準投資組合 11第二節 加權範數最小變異數投資組合(WNMVP) 13第三節 投資績效衡量指標 16第四章 實證分析 21第一節 樣本資料敘述 21第二節 敘述統計分析 25第三節 實證結果分析 27第五章 結論與建議 38參考文獻 41 zh_TW dc.format.extent 2578608 bytes - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0108351008 en_US dc.subject (關鍵詞) 5G供應鏈 zh_TW dc.subject (關鍵詞) 加權範數懲罰函數 zh_TW dc.subject (關鍵詞) 最小變異數投資組合 zh_TW dc.subject (關鍵詞) 擴張視窗法 zh_TW dc.title (題名) 加權範數懲罰函數之實證應用：以中美貿易戰前後期間之台灣5G供應鏈產業為例 zh_TW dc.title (題名) The Empirical Study of Weighted Norm Penalty Function: The Case of 5G Technology Industry in Taiwan during the US-China Trade War en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) 李振婷(2015)。最小變異數投資組合在台灣股市之運用。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。莊丹華(2017)。加權範數最小變異數投資組合之實證應用：以台灣股市為例。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。林怡君(2017)。運用範數懲罰函數來建構資產組合：以國際股票市場為例。未出版之碩士論文，國立政治大學，國際經營與貿易學系，台北。Bloomfield, T., R. Leftwich, and J. Long, (1977). Portfolio Strategies and Performance, Journal of Financial Economics 5, 201–18.Caporin, Pelizzon, (2012). Market volatility, optimal portfolios and naïve asset allocations, Ca Foscari University of Venice Working Paper, no. 08/WP/2012, 411-426.Clarke, R., de Silva, H., and Thorley, S., (2013). Risk Parity, Maximum Diversification, and Minimum Variance: An Analytic Perspective, Journal of Portfolio Management, 39-53,11-12.DeMiguel, V., Garlappi, L., and Uppal, R., (2009). Optimal versus naive diversification: how inefficient is the 1/N portfolio strategy?, Review of Financial Studies 22, 1915–1953.DeMiguel, V., Garlappi, L., Nogales, F. J., and Uppal, R., (2009). A generalized approach to portfolio optimization: improving performance by constraining portfolio norms, Management Science 55, 798–812.DeMiguel, V., Nogales, F. J., and Uppal, R., (2014). Stock return serial dependence and OOS portfolio performance, Review of Financial Studies 27, 1031–1073.Frahm, G. and Christoph, M., (2010). Dominating estimators for minimum-variance portfolios, Journal of Econometrics 159, 289–302.Frost, P. A., J. E. Savarino., (1988). For better performance constrain portfolio weights, Journal of Portfolio Management 15, 29–34.Green, R., and B. Hollifield., (1992). When Will Mean-Variance Efficient Portfolios Be Well Diversified?, Journal of Finance 47, 1785–809.Haugen, Robert A; Baker, Nardin L., (1991). The Efficient Market Inefficiency of Capitalization-Weighted Stock Portfolio, Journal of Portfolio Management, 35-40.Jagannathan, R. and Ma, T., (2003). Risk reduction in large portfolios: why imposing the wrong constraints helps, Journal of Finance 58, 1651–1684.Ledoit, O., M. Wolf., (2003). Improved estimation of the covariance matrix of stock returns with an application to portfolio selection, J. Empirical Finance 10, 603–621.Maillet, Tokpavi, Vaucher, (2015). Global minimum variance portfolio optimization under some model risk: A robust regression-based approach, European Journal of Operational Research, 289-299.Markowitz, H. M., (1952). Portfolio Selection, Journal of Finance 7, 77–91.Merton, R. C., (1980). On estimating the expected return on the market: An exploratory investigation, Journal of Financial Economics 8, 323–361.Yen, Y. –M. and Yen, T. J., (2014). Solving norm constrained portfolio optimization via coordinate-wise descent algorithms, Computational Statistics and Data Analysis 76, 737–759.Yen, Y. –M., (2015). Sparse Weighted-Norm Minimum Variance Portfolios, Review of Finance 20, 1259–1287. zh_TW dc.identifier.doi (DOI) 10.6814/NCCU202100662 en_US
