在一般投資人開始尋求多樣化理財管道下，定存、股票已不能滿足需求，長期而言，共同基金以其風險較股票小、獲利率較定存高的優點，成為忙碌的現代人不可或缺的理財工具。然而面對為數眾多的基金，評估基金績效是個重要的課題。目前對於共同基金績效的研究，多由財務模型、一般統計方法或是風險值來衡量。過去許多研究未有使用資料探勘的方法，所以本研究著重在以資料探勘來研究是否股票型基金不同風險類別間具有連動性。若具有連動性，則是屬於正向或反向連動性。本研究為所有投資者提供有別於過去既有的方法，另一種新的思考及研究方式。最後，本研究再將資料探勘的技術應用於挑選股票型基金，利用資料探勘中的關聯法則發現隱藏的規則，並藉此針對投資大眾做出實際投資組合，然後透過報酬風險分析來證明其績效表現是優於市場的。此外，也站在法人的立場，設計一支傘型基金，並針對不同屬性的投資者，給予不同的投資比例建議。

It has not satisfied general investors’ needs by simply saving their money into account or investing their money in stock market, when they have begun to search many distinct ways to manage their money. In the long-term, depending on its major advantages which risk is smaller than stock market and rate of return is higher than the money that save into account, the mutual funds have become an indispensable tool of managing money these days. However, evaluating their performance is an important issue while facing numerous mutual funds. As to the research on the performance of the mutual funds so far, it mostly has been measured with financial model、general statistical techniques and value at risk. Many of previous researches haven’t used data mining as research ways, so this study puts emphasis on whether it has co-movement among the stock funds of different risk type through data mining. Furthermore, it belongs to positive or negative comovement if it has co-movement. This study would provide investors with a new thought and research technique which is totally different from previous ways. Finally, the technique of data mining would be used to select stock funds in this study, taking advantage of association rule to find some hidden rules and making a realistic portfolio for general investors; moreover, the realistic portfolio would be proved that its performance is superior to the market through the analysis of return and risk. In addition, this study would also stand from a corporation’s angle, devising an umbrella funds and advising different percentage of investment for diverse attribute of investors.

目錄
表目錄 v
圖目錄 vii
第一章  緒論 1
1.1  研究動機 1
1.2  研究目的 4
1.3  研究流程 5
第二章  文獻探討 7
2.1  資本市場 7
2.1.1  資本市場之定義 7
2.1.2  資本市場之類別 8
2.1.3  資本市場之相關文獻 10
2.1.4  本節結語 11
2.2  共同基金 11
2.2.1  共同基金之介紹 12
2.2.2  共同基金之相關文獻 19
2.2.3  本節結語 25
2.3  共同基金間之連動性 26
2.3.1  連動性的定義 26
2.3.2  共同基金連動性之相關文獻 28
2.3.3  本節結語 31
2.4  資料探勘 32
2.4.1  資料探勘之定義 32
2.4.2  資料探勘之技術 33
2.4.3  資料探勘運用在共同基金分析上之相關文獻	37
2.4.4  本節結語 40
2.5  投資組合 41
2.5.1  投資組合理論之介紹 41
2.5.2  投資組合之相關文獻 43
2.5.3  投資組合運用於共同基金之相關文獻 43
2.5.4  本節結語 47
2.6  本章小結 47
第三章  台灣共同基金市場之概況 48
3.1  台灣共同基金的世界排名	48
3.2  台灣共同基金現況 49
3.2.1  基金之種類(境內基金部分) 49
3.2.2  台灣共同基金近年來的成長概況 51
3.2.3  台灣共同基金之週轉率	53
第四章  研究方法 55
4.1  研究架構 55
4.2  資料來源 56
4.2.1  研究對象 56
4.2.2  資料期間 59
4.2.3  資料形式 59
4.3  資料庫設計 60
4.4  關聯法則 64
4.4.1  關聯法則概述 65
4.4.2  Apriori演算法 70
4.4.3  資料分析軟體 72
第五章    資料探勘與實證分析 77
5.1  股票型基金樣本之介紹與風險類別之區分標準 77
5.2  低風險股票型基金類別之探勘 79
5.3  中風險股票型基金類別之探勘 87
5.4  高風險股票型基金類別之探勘 95
5.5  低中高風險有關聯的股票型基金之同異比較 102
5.6  混合探勘(高中低風險三類別中有關聯的混合探勘) 109
第六章  研究結論與研究建議 115
6.1  研究結論 115
6.2  管理意涵與對投資者之建議 117
6.3  研究限制 131
6.4  對後續研究之建議 133
參考文獻 135
中文文獻 135
英文文獻 137

表目錄
表1-1 國內基金市場概況 2
表2-1 資本市場之定義 8
表2-2  資本市場之分類 10
表2-3  絕對報酬型與相對報酬型基金屬性比較 13
表2-4  共同基金相關文獻 23
表2-5  連動性定義的相關文獻	28
表2-6  共同基金連動性之相關文獻 31
表2-7  資料探勘運用於共同基金之相關文獻 40
表2-8  投資組合運用於共同基金之相關文獻 46
表3-1  台灣共同基金規模及發行數量(2008年8月底) 49
表3-2  2001-2006年台灣共同基金(境內基金)發展概況 50
表3-3  2007年1-12月台灣共同基金之週轉率 54
表4-1  各類型基金所佔比例及預估挑選數 56
表4-2 本研究之研究對象 57
表4-3 資料形式舉例 60
表4-4  範例交易資料庫 67
表4-5  範例之高頻項目集 67
表4-6  範例資料庫中挖掘之所有關聯規則及信心度 68
表4-7  經常使用的資料探勘軟體 73
表5-1 依風險分類後之股票型基金 78
表5-2 低風險股票型基金之關聯規則集 79
表5-3  低風險有關聯基金之相關資料表 85
表5-4 中風險股票型基金之關聯規則集 87
表5-5  中風險有關聯基金之相關資料表 93
表5-6  高風險股票型基金之關聯規則集 95
表5-7  高風險有關聯基金之相關資料表 100
表5-8 高風險股票型基金2006年~2007年Q2之關聯規則集 102
表5-9 各風險有關聯之基金所屬類型 103
表5-10混合風險股票型基金(min sup=40%；min conf=90%) 109
表6-1 低風險股票型基金年報酬與年化夏普值前1/4者 121
表6-2 低風險股票型基金投資組合之比較	122
表6-3 中風險股票型基金年報酬與年化夏普值前1/4者 123
表6-4 中風險股票型基金投資組合之比較	124
表6-5 高風險股票型基金年報酬與年化夏普值前1/4者 125
表6-6 高風險股票型基金投資組合之比較	126
表6-7 混合風險股票型基金年報酬與年化夏普值前1/4者 127
表6-8 混合風險股票型基金投資組合之比較 129
表6-9 不同投資族群投資於實際傘型基金之投資比例與預期報酬率	131 　

圖目錄
圖1-1  研究流程圖 6
圖3-1  台灣共同基金資產淨值全球佔有率趨勢圖 48
圖3-2A  台灣共同基金結構變動變化圖(2001-2006) 52
圖3-2B  台灣共同基金結構變動變化圖(2003) 52
圖3-2C  台灣共同基金結構變動變化圖(2006) 53
圖4-1  研究架構圖	55
圖4-2  星狀綱要圖	64
圖4-3  Apriori演算法產生高頻項目集的過程 72
圖5-1 各檔基金資料處理串流	77
圖5-2  低風險股票型基金蛛網關聯圖 81
圖5-3  低風險股票型基金關聯地圖 86
圖5-4  中風險股票型基金蛛網關聯圖 88
圖5-5  中風險股票型基金關聯地圖 94
圖5-6  高風險股票型基金蛛網關聯圖 96
圖5-7  高風險股票型基金關聯地圖 101
圖5-8  低中高風險有關聯基金之α係數比較圖 106
圖5-9  低中高風險有關聯基金之β係數比較圖 106
圖5-10  低中高風險有關聯基金之Sharpe值比較圖 107
圖5-11  混合風險股票型基金蛛網關聯圖	110
圖5-12  混合風險股票型基金關聯地圖 113
圖6-1  低風險股票型基金投資組合建議示意圖 121
圖6-2  中風險股票型基金投資組合建議示意圖 123
圖6-3  高風險股票型基金投資組合建議示意圖 125
圖6-4  混合風險股票型基金投資組合建議示意圖 128

中文文獻
于政長（1995）。國際匯兌。台北市：三民書局。
尹相志（2004）。資料採礦－網際網路應用與顧客價值管理，台北市：維科。
吳旭志(2001)。資料探勘理論與實務。維科圖書有限公司。
呂中元(2001)。海外共同基金績效評估-投顧公司推薦資訊有效性之研究。國立台灣大學財務金融學系研究所碩士論文。
李秀娟(2002)。生態基金之篩選準則與最適投資組合研究─以台灣上市上櫃公司為例─。私立中原大學國際貿易研究所碩士論文。
李明仁(1996)。台灣開放式債券型基金之績效研究。國立政治大學企業管理學研究所碩士論文。
沈樺岳(2001)。基金績效評估與罪是投資組合分析-風險值之應用。私立長庚大學企業管理研究所碩士論文。
林文宏(1998)。全球股票型基金績效及持續性之研究。國立東華大學國際企業管理研究所碩士論文。
林美菁(2000)。利用融入參考點之資料包絡分析模式評估共同基金之相對投資績效。國立中央大學企業管理研究所碩士論文。
林惠雯(2006)。台灣股票市場與國際股票市場及匯率關聯性探勘之研究。私立淡江大學管理科學研究所碩士論文。
林煜宗（2000）。投資學。財團法人證券暨期貨市場發展基金會出版。
林碧惠(2004)。景氣循環與共同基金投資組合之研究。私立佛光人文社會學院經濟學研究所碩士論文。
邱德生（2003）。建構設備管理資訊系統資料倉儲之研究。台北科技大學生產系統工程與管理研究所碩士論文。
邱顯比(1994)。基金績效評估之模擬研究。台大管理論叢。
范揚洲(1999)。共同基金擇股偏好與從眾行為之研究。國立中央大學財務管理研究所碩士論文。
張雅惠(2000)。應用風險值評估共同基金之績效。國立政治大學金融學研究所碩士論文。
張瑞芬(1999)。國內債券型共同基金報酬之影響因素。國立臺灣大學財務金融學研究所碩士論文。
陳登源等人(2007)。基金管理。台北市:雙葉書廊。 
曾少芳(1997)。國內股票型基金風格與績效持續性之研究。國立台灣大學財務金融研究所碩士論文。
閔志清 (1998)。台灣基金資產配置之研究。國立台灣大學財務金融學系研究所碩士論文。
黃俊欽（1996）。臺灣、香港、新加坡三地金融市場之比較分析-兼論臺灣發展為亞太區域籌款中心之競爭力研究。東華大學國際經濟研究所碩士論文。
黃淑美(1999)。國內債券型基金績效之研究。國立交通大學經營管理研究所碩士論文。
楊晉昌(1995)。共同基金型態與操作績效之研究。國立政治大學企業管理研究所碩士論文。
楊朝舜(1993)。台灣共同基金選股能力與時機掌握能力之研究。國立台灣大學財務金融研究所碩士論文。
葉怡成(1993)。類神經網路模式應用與製作。台北，儒林出版社。
詹振旻(2005)。以資料探勘技術探討景氣循環下影響共同基金績效之關鍵因素。私立銘傳大學資訊管理研究所碩士論文。
鍾俊仁、劉漢山譯（2004）。資料庫系統設計實務與管理。台北市：學貫行銷股份有限公司。（原著出版年：2004年）
林慶德譯（2003）資料庫管理與應用。台北市：培生教育出版集團。（原著出版年：2002年）。
劉濠葦(2000)。運用類神經網路於共同基金績效之研究。國立東華大學企業管理學系碩士論文。
蔣璧謙(2006)。債券型基金績效評估。國立中山大學財務管理研究所碩士論文。
蔡貴琴（2001）。資本結構與獲利能力、資金成本關係之實證研究─以台灣股票上市公司為研究對象。國立成功大學企業管理研究所碩士論文。
盧銘森(2001)。應用風險值及左偏動差模式評估共同基金績效。銘傳大學金融研究所碩士在職專班碩士論文。
蕭榮烈（1998）。金融市場理論與實務。台北市：新陸書局。
藍中賢（2000）。結合模糊集合理論與貝氏分類法之資料探勘技術--應用於健保局醫療費用審查作業。元智大學資訊管理研究所碩士論文。
藍惠玲(2004)。共同基金投資組合風險與報酬衡量。私立佛光人文社會學院經濟學研究所碩士論文。

英文文獻
Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rule. Proceedings of the 20th International Conference on Very Large Databases, 487-499.
Bae, K.H., Bailey, W., & Mao, C.X. (2006). Stock market liberalization & the information environment. Journal of International Money & Finance, 25(3), 404-428.
Barberis, N., Shleifer, A., & Wurgler, J.(2005). Comovement. Journal of Financial Economics, 75(2), 283–317.
Beaver, W.H. (1968). The Information Content of Annual Earnings Announcement. Journal of Accounting Research, 6, 67-92.
Berry, A.J., & Linoff, G. (1997). Data Mining Techniques for Marketing, Sales, & Customer Support. John Wiley & sons, Inc.
Berson, A., Smith, S., & Thearling, K. (2000). Building data mining application for CRM. McGraw-Hill.
Blake, C.R., Elton, J. E. & Gruber, M. J. (1993). The Performance of Bond Mutual Funds. Journal of Business, 66(3), 371-404.
Chay, J.B., & Eleswarapu, V.R. (2001). Deregulation & capital market integration: A study of the New Zeal& stock market. Pacific-Basin Finance Journal, 9(1), 29-46.
Chow, G., & Mark, K. (2001). Risk Budgets. Journal of Portfolio Management, 27(2), 56-60.
Conlon, T., Ruskin, H.J., & Crane, M. (2007). R&om matrix theory & fund of funds portfolio optimization. Physica A. 382(2), 565–576.
Curt, H. (1999). Data Mining Tools，Techniques，& Services, 56,North America.
Dirk, B. (2003). What is Co-movement? EUR Working Paper No. 20759 EN.
Emily, D., & Elaine, H. (2006). The performance & diversification benefits of funds of hedge funds. Int. Fin. Markets, Inst. & Money. 16, 4–22.
Fabozzi, F.J., Fabozzi, M., & Michael, G. F. (1998). Foundations of Financial Markets & Institutions, 2nd Edition, Prentice Hall.
Fama, E. F.(1970). Efficient Capital Markets: A Review of Theory & Empirical Work. Journal of Finance, 25, 383-417.
Ferson, W. E. & Harvey, C. R. (1991). Sources of Predictability in Portfolio Returns. Financial Analysts Journal, 47(3), 49-56.
Firth, M. (1976). The Impact of Earnings Announcements on the Price Behavior of Similar Type Firms. Economic Journal, 86(342), 296-306.
Frawley, W. J., Shapiro, G. P., & Matheus, J. (1991). Knowledge Discovery in Databases: an Overview. MA: AAAI/ MIT, Cambridge, 13(3), 1-30.
Giorgio, D.S., & Selahattin, I. (1997). Stock returns & volatility in emerging financial markets. Journal of International Money & Finance, 16(4), 561-579.
Hambaba, M.L. (1996). Intelligent Hybrid System for Data Mining. IEEE/IAFE 1996 Conference on Computational Intelligence for Financial Engineering (CIFEr),111.
Han, J. (1999). Data Mining, in Urban, J. & Dasgupta, P.（Editors）, Encyclopedia of Distributed Computing, Kluwer Academic Publishers, 1-7.
Jensen, M.C. (1968). The Performance of Mutual Funds in the Period 1945-64. Journal of Finance, 23(2), 389-416.
Keim, D.A., Pansea, C., Sipsa, M., & Northb, S. C. (2004). Pixel based visual data mining of geo-spatial data. Computers & Graphics, 28, 327-344.
Kleissner, C. (1998). Data Mining for the Enterprise. Thirty-First Annual Hawaii International Conference on System Sciences, 7, 295-304.
Kosala, R., & Blockeel, H. (2000). Web Mining Research：A Survey. Proc. of the ACM SIGMOD Conf. on Management of Data, 2(1), 1-15.
Levy, H., & Sarant, M.(1970). International Diversification of Investment Portfolios. American Economic Review, 17(4), 668-675.
Markowitz, H.M. (1952). Portfolio selection. Journal of Finance, 7(1), 77-91.
Mila, G., &rew, W., & Igor, M. (2004). An econometric model of serial correlation & illiquidity in hedge fund returns. Journal of Financial Economics 74(3), 529–609.
Morse, D., & Ushman, N. (1993). The Effect of Information Announcements on the Market Microstructure. Accounting Review,  58(2), 247-258.
Ng, R., Lakshmanan, L.V.S., Han, J., & Pang, A. (1998). Exploratory mining & pruning optimizations of constrained association rules. Proc. of ACM SIGMOD Conf. on Management of Data, 13-24.
Nicholson, S. (2006). The basis for bibliomining: Frameworks for bringing together usage-based data mining & bibliometrics through data warehousing in digital library services. Information Processing & Management, 42(3), 785-804.
Parvez, A. (2000). Forecasting correlation among equity mutual funds. Journal of Banking & Finance. 25, 1187-1108.
Robert, R. J., Gerald, W. B., & Gerald, R. J. (1999). International mutual fund returns & Federal Reserve policy. Financial Services Review. 8, 199–210.
Serra, A.P. (2000). Country & industry factors in returns: evidence from emerging markets’ stocks. Emerging Markets Review, 1(2), 127-151.
Sharpe, W. F. (1966). Mutual Fund Performance. The Journal of Business, 39(1), 119-138.
Siegel, J. (1991). Does it pay stock investors to forecast the business cysle？ Joural of Portfolio Management 18, 27-31.
Viet, D., Robert, F., & Wickramanayake, J. (2005). An empirical analysis of hedge fund performance:The case of Australian hedge funds industry. J. of Multi. Fin. Manag. 15(4-5), 377–393.
Williamson, O.E. (1975). Markets & Hierarchies: Analysis & Antitrust Implications. New York: Free Press.
Zhao, X.J., & Wang, S.Y. (2007). Empirical Study on Chinese Mutual Funds’ Performance. Systems Engineering - Theory & Practice . 27(3), 1–11.