在股票市場當中，技術面指標、基本面指標，及影響大盤績效的總體經濟指標經常為投資人決定投資標的的參考數據，本研究同時參考以上三類指標期望在台灣股市中建構績效佳的投資組合。在技術分析中本研究以短期及長期的移動平均線建構出趨勢因子，以其預測的股票報酬來做多最好的前20%、放空最差的20%股票。實證結果發現，扣除交易成本後趨勢因子同時做多及放空的投組無法獲利，而放空虧損大，做多僅微幅獲利，也發現趨勢因子較能準確預測挑選出報酬佳的股票。本研究接著納入隱藏馬可夫狀態轉換模型，以總經變數預測大盤漲跌，最後搭配基本面的獲利因子建構出七個投資策略，並以十一種方法決定馬可夫狀態轉換模型預測結果。
實證結果顯示，以趨勢因子挑選預期報酬高的前20%股票再以獲利因子挑出獲利分數高的20檔股票建構投組，並在大盤預期漲時買此投組，預期跌時放空大盤，可以獲得最佳績效。馬可夫狀態轉換模型的預測決定方法以十個起始值的菁英投票法表現最佳，不僅準確率最高，也在七種投資策略下均得到最高的夏普比率。本研究結果發現，基本面、技術面及總經面三個因子皆考慮所建構的投組可以獲得最佳績效。

In the financial markets, investors often use technical, fundamental and macroeconomic factors to choose profitable stocks. This paper tries to use the above three factors to construct an outperforming portfolio. First, in the technical analysis, we construct the trend factor with short-term and long-term moving averages to forecast stock returns. Second, we use the hidden Markov regime switch model to forecast market return with macroeconomic factors. Finally, we construct seven investment strategies by using trend factor, profit factor and macroeconomic factor. We also decide the forecasted results of hidden Markov regime switch model in eleven ways.
The empirical results show that the best performing investment strategy is to long the portfolio with 20 stocks selected by both the trend factor and the profit factor when market return is expected to rise and to short TAIEX when market return is expected to fall. This paper found that the portfolio constructed by considering the technical, fundamental and macroeconomic factors together can outperform other six portfolios.

第一章、 緒論 1
第一節、 研究背景與動機 1
第二節、 研究目的 2
第三節、 研究流程 3
第二章、 文獻探討 4
第一節、 移動平均線(MA)預測股價能力 4
第二節、 趨勢因子模型 5
第三節、 隱藏馬可夫狀態轉換模型 5
第四節、 基本面選股因子模型 6
第三章、 研究方法 8
第一節、 變數介紹 8
第二節、 趨勢因子建構方法 10
第三節、 隱藏馬可夫模型建構方法 12
第四節、 smart beta獲利性特徵指標建構方法 19
第五節、 投資策略 20
第四章、 實證結果 26
第一節、 趨勢因子投資績效 26
第二節、 加入隱藏馬可夫模型預測大盤漲跌投資績效 31
第三節、 趨勢因子搭配獲利因子選股及大盤預測策略之績效 44
第五章、 結論與建議 49
第一節、 結論 49
第二節、 後續研究建議 50
參考文獻 51
附錄 53

蔡翔岱(2009)，“馬可夫狀態轉換模型對資產配置之應用-以台灣50指數 ETF成份股為例”，國立虎尾科技大學經營管理研究所論文。
楊宗諺(2013)，“外匯風險值之估算 - 馬可夫狀態轉換模型之應用”，國立高雄第一科技大學財務管理研究所論文。
簡育昰(2015)，“CBOE SKEW指數資訊內涵研究-應用馬可夫狀態轉換模型建構交易策略“，國立政治大學金融研究所論文。
蔡欣穎(2015)，“運用經濟金融指標之馬可夫轉換模型預測台灣加權股價指數”，國立中山大學財務管理研究所論文。
廖志鴻(2016)，“馬爾可夫狀態轉換模型對 Smart Beta 之應用 —以台灣股票市場之交易策略研究”，國立中山大學財務管理研究所論文。
盧泰源(2016)，”最適化 Smart Beta 策略組合型基金之應用 —以台灣股票市場之交易策略研究”，國立中山大學財務管理研究所論文。
蕭志永(2016)，“以獲利指標配合移動平均線之程式交易投資績效實證研究-上市公司為例“，國立交通大學管理學院財務金融學程論文。

Asness, C. S., Frazzini, A., & Pedersen, L. H. , 2014. Quality minus junk. Available at SSRN 2312432.
Brock, W., Lakonishok, J., LeBaron, B., 1992. Simple technical trading rules and the tochastic properties of stock returns. Journal of Finance 47, 1731–1764.

Barroso, P., Santa-Clara, P., 2015. Momentum has its moments. Journal of Financial Economics 116, 111–120.

Cespa, G., Vives, X., 2012. Dynamic trading and asset prices: Keynes vs. Hayek. Review of Economic Studies 79, 539–580.
Daniel, K., Jagannathan, R., Kim, S., 2012. Tail risk in momentum strategy returns. Columbia University and Northwestern University. Un- published working paper
Daniel, K., Moskowitz, T., 2014. Momentum crashes. Columbia University and University of Chicago. Unpublished working paper
Edmans, A., Goldstein, I., Jiang, W., 2012. Feedback effects and the limits to arbitrage. University of Pennsylvania and Columbia University. Unpublished working paper
Han, Y., Yang, K., Zhou, G., 2013. A new anomaly: the cross-sectional prof- itability of technical analysis. Journal of Financial and Quantitative Analysis 48, 1433–1461.
Han, Y., Zhou, G., Zhu, Y., 2016. A trend factor: Any economic gains from using information over investment horizons. Journal of Financial Economics122, 352-375.
Hamilton, J. D. , 1994. Time series analysis (Vol. 2): Princeton university press Princeton.
Kim, C. J., & Nelson, C. R. , 1998. Business cycle turning points, a new coincident index, and tests of duration dependence based on a dynamic factor model with regime switching. Review of Economics and Statistics, 80(2), 188-201.
Lo, A.W., Hasanhodzic, J., 2009. The Heretics of Finance: Conversations with Leading Practitioners of Technical Analysis. Bloomberg Press.
Lo, A.W., Mamaysky, H., Wang, J., 2000. Foundations of technical analysis: computational algorithms, statistical inference, and empirical implementation. Journal of Finance 55, 1705–1770.

Narang, R.K., 2013. Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading. John Wiley & Sons, Hoboken, New Jersey.

Schwager, J.D., 1989. Market Wizards. John Wiley & Sons, Hoboken, New Jersey.
Treynor, J.L., Ferguson, R., 1985. In defense of technical analysis. Journal of Finance 40, 757–773.