在收入越來越跟不上物價上漲的近代，投資金融商品以獲取豐厚報酬一直被重視，從許多金融商品中，選擇投資股票的投資人不斷增加。一般而言股票的獲利模式可分為以下兩種：
1.	低價買進高價賣出賺取差額報酬的策略
2.	以及長遠投資賺取股利的買進持有策略
　　本研究將探討如何運用技術指標之組合來賺取差額報酬獲利模式。股市投資人最大的決策難題在於決定何時買進與何時賣出，本研究將提出一個易於操作之決策方法，在過去股市投資相關研究中已有許多運用技術指標之分析，但是大部分相關研究僅以技術指標作為參考屬性，鮮少加入成交量與價格之變動。本研究探討如何檢視前一年交易資料，搭配量價關係、KD隨機、RSI相對強弱以及SMA簡單移動平均法4種技術指標之組合建立決策樹決定交易日盤後應買進、賣出或不操作。下一年的交易資料再依此決策樹進行每日交易決策並計算年度投資報酬率，最後我們會與買進持有策略的投資報酬率作為比較。研究結果顯示使用本研究操作策略，針對台灣50這檔基金從2008年至2017年之投資報酬率，比買進持有策略具有穩定獲利的優點。並在十年交易資料的結果中可以看出，本研究操作策略之投資報酬率勝過買進持有策略。

In modern times, people’s income is increasingly unable to keep up with rising prices. Investing in financial products to receive monetary profits has always been valued by ordinary investors. From many financial commodities, the number of investors choosing to invest in stocks has been increasing. In fact, stocks have the following two. 
1. Buying at low prices and sell at high prices to earn a return on investment strategy. 
2. Long-term investment to earn a return on investment buy-and-hold strategy.
This study will explore how to use a combination of technical indicators to earn a return on investment profit model. The biggest decision-making difficulty for stock investors is to decide when to buy and when to sell.  This study will present an easy to use decision making method for investors. In the past, many analyses need technical indicators in the relevant research of stock investment. However, technical indicators are used merely as reference attributes in most relevant studies. Few people use volume and price fluctuation. 

This study explores how to use transaction data from the previous year, combination of volume and price fluctuation, KD stochastic oscillator index, RSI relative strength index and SMA simple moving average method index. Whether to buy, sell or no operations after daily trading have to build a decision about the next year’s daily trading data will then applied on this decision tree. We will calculate the annual return on investment based on this strategy. Finally, we will compare its return on investment with that of the buy-and-hold strategy. For the Taiwan 50 found from 2008 to 2017. The trading strategy of this study has more stable profitability over the buy-and-hold strategy. And investment return rate of our strategy is better than that of the buy-and-hold strategy.

第一章 緒論	1
1.1	研究背景與動機	1
1.2	研究目的	3
第二章 文獻探討	4
2.1	效率市場假說	4
2.2	利用量價關係之股市投資研究	6
2.3	利用技術指標之股市投資研究	7
2.4	資料探勘於股市投資運用	9
第三章 研究架構	12
3.1	原始資料	13
3.2	量價關係相關設定	15
3.3	KD隨機指標相關設定	18
3.4	RSI相對強弱指標相關設定	20
3.5	SMA簡單移動平均法相關設定	22
3.6	資料前處理	25
3.7	決策樹	26
3.8	報酬率的計算方式	30
3.9	使用訓練資料建立決策樹分類原則	34
第四章 研究結果	38
4.1	以2016年訓練資料所產生之決策樹	38
4.2	以2017年測試資料研究結果為例	40
4.3	各年度決策樹與其相關資訊	40
4.4	各年度投資報酬率與買進持有比較	52
4.5	與相關研究比較	53
第五章 結論	54
第六章 參考文獻	55

圖 1. 研究架構圖	12
圖 2. 原始資料示意圖	13
圖 3. SMA簡單移動平均法範例資料之折線圖	24
圖 4. 資料前處理示意圖	25
圖 5. 投資決策樹的運作方式圖	29
圖 6. 投資決策樹範例圖	37
圖 7. 2016年訓練資料決策樹圖	39
圖 8. 2008年投資決策樹圖	42
圖 9. 2009年投資決策樹圖	43
圖 10. 2010年投資決策樹圖	44
圖 11. 2011年投資決策樹圖	45
圖 12. 2012年投資決策樹圖	46
圖 13. 2013年投資決策樹圖	47
圖 14. 2014年投資決策樹圖	48
圖 15. 2015年投資決策樹圖	49
圖 16. 2016年投資決策樹圖	50
圖 17. 2017年投資決策樹圖	51

表 1. 股利政策資料表	14
表 2. 收盤價與成交量範例表	16
表 3. KD隨機指標範例表	19
表 4. RSI相對強弱指標範例表	21
表 5. SMA簡單移動平均法之範例資料表	23
表 6. 各技術指標2007年度報酬率表	27
表 7. 2008年買進持有平均年報酬率	31
表 8. 交易範例表	33
表 9. 2008年本研究操作策略平均報酬率表	34
表 10. 與綜合指標合併後的訓練資料範例表	35
表 11. 2016年訓練資料各指標年度報酬率表	38
表 12. 2017年本研究操作策略平均報酬率	40
表 13. 各年度決策樹相關資訊表	41
表14.各年度測試資料投資報酬率表	52

[1]	Ball, R., and Brown, P. 1968. "An empirical evaluation of accounting in come numbers", Journal of accounting research, pp159-178.
[2]	Beaver, W. H., and McAnally, M. L., and Stinson, C. H. 1997. "The information content of earnings and prices: A simultaneous equations approach", Journal of accounting and Economics, 23(1), pp53-81.
[3]	Brock, W., and Lakonishok, J. and LeBaron, B. 1992. "Simple technical trading rules and the stochastic properties of stock returns", The Journal of Finance,47(5), pp1731-1764.
[4]	Ehsan, H. and Jamal, S. and Hamed, D. A. 2010. "Application of data mining techniques in stock markets: A survey", Journal of Economics and International Finance, Vol. 2(7), pp109-118.
[5]	Fama, E. 1970. "Efficient Capital Markets: A Review of Theory and Empirical Work", Journal of Finance, 25 (2), pp383–417.
[6]	Hsieh, C-Y. 2016. "Actionable Stock Portfolio Mining by Using Genetic Algorithms", Journal of Information science and Engineering 32, pp1657-1678.
[7]	Pradipta, K. 2016. "A hybrid stock trading framework integrating technical analysis with machine learning techniques", Journal of Finance and Data Science 2, pp42-57.
[8]	Sidney, S. 1961. "Price Movements in Speculative Markets: Trends or Random Walks", Industrial Management Review, Vol. 2, Iss. 2, pp7-26
[9]	Ying, C-C. 1966. "Stock Market Prices and Volumes of Sales", Econometrica 34, pp676-685.
[10]	方永盈，“台股波峰波谷的資料探勘與預測”，2016淡江大學資訊管理學研究所碩士論文。
[11]	江俊良，“移動平均法和相對強弱指標在台灣股市之投資績效”，2011明志科技大學工業工程與管理研究所碩士論文。
[12]	牟聖遠，“台灣股市技術分析實證-以KD指標、RSI指標、MACD指標、DMI指標為例”，2013義守大學資訊管理學研究所碩士論文。
[13]	汪映廷，“價量雙指標交易策略之績效研究”，2012朝陽科技大學財務金融學研究所碩士論文。
[14]	周俊福，“技術分析應用於台灣50指數成分股－KD指標之實證研究”，2012靜宜大學管理碩士在職專班碩士論文。
[15]	邱碧玲，“移動平均線技術分析策略之有效性分析：台灣股市的機構投資人角色”，2015國立高雄科技大學財務管理所碩士論文。
[16]	孫苙達，“機器學習決策樹應用於股價漲跌與總體經濟分析-以航運類股為例”，2018國立中山大學財務管理學系研究所碩士論文。
[17]	張利平，“台股量價關係之研究”，2001朝陽科技大學財務金融系碩士論文。
[18]	許溪南、何怡滿、張瓊如，“KD與MA技術指標在避險時機之應用：以台指選擇權為例”，2012輔仁管理評論，第19卷第1期，27-46頁。
[19]	許詠鈞，“台灣股市技術分析實證研究之文獻回顧─以MA、KD、RSI、MACD指標為例”，2015亞洲大學財務金融學碩士在職專班碩士論文。
[20]	林文修、陳仕哲，“遺傳演算法在台灣股價趨勢轉折點與波動訊號捕捉之應用”，2014輔仁管理評論，第22卷第3期，1-34頁。
[21]	陳彥瑾，“台灣股市量價關係與趨勢轉折之實證研究”，2015淡江大學財務金融學學研究所碩士論文。
[22]	陳淑玲、吳安琪、費業勳，“臺灣股票市場技術指標之研究─不同頻率資料績效比較”，2011東海管理評論，第12卷第1期，187-225頁。
[23]	游緯鴻，“基於決策樹之股價趨勢預測研究—以台股為例”，2010國防大學資源管理及決策研究所碩士論文。
[24]	童昭儒，“成交量在台灣股票市場是否有參考價值：效率市場假說之驗證”，2010國立高雄第一科技大學財務管理所碩士論文。
[25]	黃怡芬，“道氏理論、濾嘴法則與買入持有策略在台灣股市投資績效之比較”，2001國立成功大學企業管理學研究所碩士論文。
[26]	黃昭誠，“技術分析獲利能力之研究－以量價關係為基礎”，2008朝陽科技大學財務金融系碩士論文。
[27]	趙永昱，“技術分析交易法則在股市擇時之實證研究”，2002國立中山大學財務管理學研究所碩士論文。
[28]	鄭雅仁，“臺灣股市弱式效率市場之再驗證”，1994國立台灣大學財務金融學研究所碩士論文。
[29]	蕭竣隆，“以多重技術指標預測台灣股價漲跌之研究”，2014中國文化大學資訊管理學研究所碩士論文。
[30]	戴柏儀，“台灣股市效率市場之研究－以42日移動平均線為例”，2012淡江大學財務金融學碩士在職專班碩士論文。