台灣股市屬於淺碟型的市場，加上政治因素的不確定性與散戶的高參與率，股市的急漲急跌與高波動性已成為台灣股市的特色，國人投資理財的風氣日漸興盛，但多數卻過度熱衷於股票市場中之投機行為，而缺少了管理投資風險的避險概念。因此，投資組合保險之策略可作為投資人的重要參考與應用。投資組合保險的目的是將投資組合所面臨的風險控制在一固定的範圍內，保護整個投資組合淨值下跌時造成的損失，而另一方面又可以參與市場上漲時的獲利。操作方式是在期初付出一筆特定保費，藉由犧牲少許價格上漲之上方利益，保護投資組合因價格下跌造成的風險，保障資產總值不會低於投資前所設定的最低水準。本研究將以投資組合保險策略中的固定比例投資組合保險策略( CPPI: Constant Proportion Portfolio Insurance )為研究標的。
本研究嘗試引入綜合型態之CRISMA（Cumulative Volume, Relative Strength,Moving Average）交易系統與其他投資者常用之技術指標：指數平滑異同移動平均線(MACD)、隨機指標(KD)、移動平均線(MA)、威廉指標(WMS%R)等，利用長、中、短不同天期之價量資訊，作為固定比例投資組合保險策略中風險係數調整參考及績效比較。許多投資人在面對不同市況而必須調整其風險態度時，如選擇固定的風險係數M值，表示風險係數M值無法適時配合調整，以致發生無法貼近投資者的投資行為。技術指標分析在台灣的股票市場上已盛行多時，其在買賣時點的掌握上確實有其參考價值，同時技術指標是依據不同時期投資標的的價量資訊，其分析結果更能適時的反應出不同市況中投資者的風險態度及投資行為。本研究利用技術指標來調整固定比例投資組合保險策略( CPPI )中風險係數M值，使其貼近投資者行為及市場多空趨勢判斷之種種特性，同時投資者可依本身的風險態度選擇適當的技術指標應用於投資組合保險策略。
因技術指標所得之買賣點指標訊息，能夠反應大部份投資者投資行為的表現，同時也具有描述當時市場風險感受度的訊息能力，以及衡量市場情緒程度與不同投資者風險取向，反應出各種價量的訊息。故本研究利用不同天期之價量資訊計算出買進及賣出時點之基準點，再利用每日收盤價與基準點價格比較計算後之價格變動
比率，動態調整在CPPI中風險係數M值，可在上漲階段增加風險乘數以提高投資報酬，並在下跌階段時降低其風險乘數，減少投資風險，其結果優於傳統在風險乘數M值固定下之投資組合報酬率與波動度。另對於適合短天期資訊(10天、20天)之投資人可選擇隨機指標(KD)為指標。對於適合長天期資訊(60天、120天、240天)之投資
人可選擇指數平滑異同平均線(MACD)為指標。對於無法承受投資期間投資組合大幅下跌之投資人，可選擇CRISMA交易系統為指標。因此運用技術指標分析動態調整CPPI中風險係數M值，對於無法承受巨大損失風險或是對於市場趨勢不明的投資人而言，既可以保障原始投入入的資金，同時更能貼近市場實際情況，又可以參與上方的獲利，此方式可作為投資人對於投資組合策略之的重要參考與應用。

There are some characteristics in Taiwan stock market, such as higher volatility、political uncertain factor、local investors with high participation rate、rapid rise and rapid drop price。Domestic investment activity has been growing fast day after day; most of investors
excessively participates in the stock market, and has lacked the concept of investment risk management. Therefore, investors may take the strategy of the investment portfolio Insurance which is for reference. The
purpose of portfolio insurance is to control the risk in a fixed scope, which protect from loss of the entire investment portfolio when net worth falls, on the other hand participate in the market rise making a profit. The
mode is paying a specific insurance premium in the opening, the sacrificing little benefit of a rise in price, it may reduce the risk of a drop in price, and safeguards the asset not be lower than the lowest standard
which establishes before the investment. CPPI (Constant Proportion Portfolio Insurance), one of the Portfolio Insurance model is my research sign.
This research intend to introduce general technical analysis CRISMA (Cumulative Volume, Relative Strength, Moving Average) transaction system and other commonly technical analysis : MACD,Moving Average Convergence and Divergence、KD, Stochastic Index、MA, Moving Average、WMS%R, Williams Overbought / Oversold Index，and use different stage information of price and quantity, adjust the CPPI
risk M value and performance compare. Many investors face the different stock market situation must adjust their attitude toward risk, if chooses the fixed risk M value, it is not close to investor's real investment behavior. The technical analysis is in vogue in Taiwan stock market
already, it has reference value to control business point in time. At the same time, the result of the technical analysis is the basis of different stage information about price and quantity, display the investor's risk condition and the investment behavior in face the different stock market situation at the right moment. This research using the technical analysis to adjust the CPPI risk M value, because of closing to the investor's investment behavior and make a decision of the bull or bear market situation. At the same time, the investor apply that may depend on itself risk attitude to choice technical analysis in CPPI.
Throygh the technical analysis obtained the reference value to buy or sell in time, and show the investor's real investment behavior, its information discovery capability can measure stock market situation. Therefore, using different stage information about price and quantity in
this research to calculates buy or sell reference point in time, and get the change ratio between the reference point and daily closing price, the purpose of the dynamic adjusting the CPPI risk M value is that we can increase the risk multiplier M value to achieve higher investment return in a bull market and reduce the risk multiplier M value in bear market to reduce downside risk. Regarding the short-term information in addition (10 days, 20 days), the investor may choose the Stochastic Index (KD) be the target. Regarding the long-term information in addition (60
days,120 days, 240 days), the investor may choose the Moving Average Convergence and Divergence(MACD) be the target. If the investor is unable to withstand the investment portfolio large risk in investment period, the CRISMA transaction system would be the target. Therefore, if using technical analysis to dynamic adjust the CPPI risk M value, can control the risk in a fixed scope, which protect from loss of the entire investment portfolio when net worth falls, on the other hand participate in the market rise making a profit. It¡s a good investment strategy to use.

目錄
第壹章 緒論
第一節 研究背景、動機 1
第二節 研究方法、目的 3
第三節 研究架構 3
第貳章 文獻回顧
第一節 投資組合保險理論介紹 5
第二節 利用選擇權為基礎的投資組合保險策略 6
第三節 投資組合保險的相關文獻 13
第四節 臺灣50指數 16
第五節 臺灣50指數相關研究 23
第六節 技術指標分析簡介 25
第七節 技術指標分析相關文獻 36
第叁章 研究方法
第一節 研究假設 41
第二節 資料來源 41
第三節 技術指標交易法則 42
第四節 風險係數M值評估 44
第五節 實證結果比較方法 45
第肆章 實證結果與分析
第一節 CPPI風險係數M值調整與買進持有分析 46
第二節 CPPI風險係數M值調整與固定M值於不同階段之分析 51
第三節 CPPI風險係數M值調整與買進持有在下跌階段之比較 60
第四節 CPPI風險係數M值調整各技術指標不同天期比較 66
第伍章 結論與建議
第一節 結論 74
第二節 後續研究之建議 76
參考文獻 77
表目錄
表2-1 臺灣50商品規格介紹 16
表2-2 臺灣50指數公眾流通量級距 18
表2-3 臺灣50之投資組合 20
表4-1 CPPI風險係數M值調整後與買進持有期末資產比較 49
表4-2 CPPI風險係數M值調整後與買進持有最低資產比較 49
表4-3 CPPI風險係數M值調整後與買進持有波動率比較 50
表4-4 CPPI風險係數M值調整後與固定長期趨勢期末資產比較 52
表4-5 CPPI風險係數M值調整後與固定長期趨勢最低資產比較 53
表4-6 CPPI風險係數M值調整與固定長期趨勢波動率比較 53
表4-7 CPPI風險係數M值調整後與固定上漲階段期末資產比較 55
表4-8 CPPI風險係數M值調整後與固定上漲階段最低資產比較 55
表4-9 CPPI風險係數M值調整與固定上漲階段波動率比較 56
表4-10 CPPI風險係數M值調整後與固定下跌階段期末資產比較 57
表4-11 CPPI風險係數M值調整後與固定下跌階段最低資產比較 58
表4-12 CPPI風險係數M值調整與固定下跌階段波動率比較 58
表4-13 次級房貸影響CPPI風險係數M值調整與買進持有期末資產比較 63
表4-14 次級房貸影響CPPI風險係數M值調整與買進持有最低資產比較 64
表4-15 次級房貸影響CPPI風險係數M值調整與買進持有波動率比較 65
表4-16 CPPI風險係數M值調整後MACD不同天期比較 67
表4-17 CPPI風險係數M值調整後KD不同天期比較 68
表4-18 CPPI風險係數M值調整後MA不同天期比較 69
表4-19 CPPI風險係數M值調整後WMS%R不同天期比較 70
表4-20 CPPI風險係數M值調整後CRISMA不同天期比較 71
圖目錄
圖1-1 研究架構圖 4
圖2-1 保護性賣權到期報酬 7
圖2-2 利用保險性賣權原理，產生的投資組合保險報酬 7
圖4-1 CPPI MACD M值調整與買進持有報酬績效圖 46
圖4-2 CPPI KD M值調整與買進持報酬績效圖 47
圖4-3 CPPI MA M值調整與買進持有報酬績效圖 47
圖4-4 CPPI WMS%R M值調整與買進持有報酬績效圖 48
圖4-5 CPPI CRISMA M值調整與買進持有報酬績效圖 48
圖4-6 次級房貸影響CPPI MACD M值調整後與買進持有報酬績效圖 61
圖4-7 次級房貸影響CPPI KD M值調整後與買進持有報酬績效圖 61
圖4-8 次級房貸影響CPPI MA M值調整後與買進持有報酬績效圖 62
圖4-9 次級房貸影響CPPI WMS%R M值調整後與買進持有報酬績效圖 62
圖4-10次級房貸影響CPPI CRISMA M值調整後與買進持有報酬績效圖 63

一、中文部分
1. 方國榮（1991），「證券投資最適指標之研究：技術面分析」，國立台灣大學商學研究所碩士論文。
2. 王邵佑(2000)，「隨機指標（KD 值）投資績效之實證研究」，國立台北大學企業管理研究所碩士論文。
3. 杜金龍(1998)，「技術指標－在台灣股市應用的訣竅」，金錢文化企業股份有限公司二版八刷。
4. 吳宗正(1998)，「技資技術分析」，華泰文化事業股份有限公司。
5. 葉日武（1987），「以技術分析研判股票市場進出時機之效果」，國立政治大學企業管理研究所碩士論文。
6. 林宗永（1989），「證券投資技術分析指標獲利性之實證研究」，國立政治大學企業管理研究所碩士論文。
7. 林才熙（1990），「以技術分析方法之獲利性檢定台灣股市之弱勢效率－CRISMA交易系統之研究」，國立台灣大學商學研究所碩士論文。
8. 林良炤(1997)，「KD 技術指標應用在台灣股市之實證研究」，國立台灣大學商學研究所碩士論文。
9. 林金賢、李淑惠(2006)技術指標與股價漲跌幅非線性關係之獲利能力之探討國立中興大學企業管理學系教授、靜宜大學企業管理研究所研究生。
10. 洪美慧(1997)，「技術分析應用於台灣股市之研究－移動平均線、乖離率指標與相對強弱指標之評估」，私立東海大學管理研究所碩士論文。
11. 洪志豪（1999），「技術指標KD、MACD、RSI 與WMS%R 之操作績效實證」，國立台灣大學國際企業學研究所碩士論文。
12. 吳奇哲(2000)，「指數平滑異同平均線(MACD)技術指標在台灣股市之實證研究」，私立淡江大學財務金融研究所碩士論文。
13. 高秀斌(1998)，「技術分析下股票買賣獲利能力之實證研究」，國立中央大學企業管理研究所碩士論文。
14. 高梓森（1994），「台灣股市技術分析之實證研究」，國立台灣大學財務金融研究所碩士論文。
15. 徐俊明(1999)，「投資學¡ 理論與實務」，新陸書局股份有限公司二版。
16. 黃國哲(1999)，「考慮趨勢之短天期買賣指標」，國立台灣大學國際企業學研究所碩士論文。
17. 黃嘉斌譯(1999)，「市場技術指標¡ 分析與績效」，寰宇出版股份有限公司初版。
18. 陳建全（1998），「台灣股市技術分析實證研究」，國立台灣大學商學研究所碩士論文。
19. 陳正榮（2001），「以濾嘴法則檢驗台灣股票市場弱勢效率性之研究」，國立高雄第一科技大學財務管理研究所碩士論文。
20. 辜麗娟(1994)，「台灣股市技術分析之實證研究」，私立淡江大學財務金融研究所碩士論文。
21. 楊基鴻(1997)，「股票操作大全」，產經實業股份有限公司修訂再版。
22. 楊家維(2000)，「技術分析用於當沖之有效性研究¡ 台灣股市之實證分析」，國立台北大學經濟學研究所碩士論文。
23. 廖清達(1998)，「綜合性技術指標的有效性驗證-兼論台灣股票市場的弱勢效率性假說」，國立東華大學國際經濟研究所碩士論文。
24. 賴宏祺(1997)，「技術分析有效性之研究」，國立中興大學企業管理研究所碩士論文。
25. 蔡尚儒(2000)，「台灣店頭市場技術分析的實證研究」，國立中正大學財務金融研究所碩士論文。
26. 盧廷當（1996），「以參考成交量之濾嘴法則檢定資本市場之弱勢效率性－台灣股票市場之實證研究」，國立交通大學管理科學研究所碩士論文。
二、英文部分
1. Alexander, Sindey S. (1961).『Price Movements in Speculative Markets:Trends or Random Walks』 Industrial Management Review, 2: 7-26.
2. Alexander, Sindey S. (1964).『Price Movements in Speculative Markets:Trends or Random Walks』 Industrial Management Review, 2: 25-46.
3. Brock, William, Lakonishok, Josef and LeBaron Blake, (1992).『Simple Technical Trading Rules and Stochastic Properties of Stock Returns,』Journal of Finance, 47:1731-1764.
4. Coonter, Paul H. (1964).『Stock Market Price: Random vs System Change,Industrial Management Review,』 3: 24-25.
5. Coutts J. Andrew and Cheung Kwong-C. (2000). 『Trading Rules and Stock Returns: Some Preliminary Short Run Evidence from the Hang Seng 1985-1997,』Applied Financial Economics, 579-586.
6. Fama, Eugene F. and Blume Marshall E. (1966).『Filter Rules and Stock-Market Trading Profits,』Journal of Business, 39: 226-241.
7. James Jr. F. E. (1968). 『Monthly Moving Averages-An Efficient Investment Tool,』Journal of Financial and Quantitative Analysis, 3: 315-326.
8. Jensen, M. C.and Benington, G. A. (1970).『Random Walks and Technical Theories: SomeAdditional Evidence,』Journal of Finance, 22: 77-85.
9. Levy, R. A. (1967).『Random Walks: Reality of Myth,』Financial Analysts Journal, 23:69-77.
10. Jarrod W Wilcox,『Better risk management』, The Journal of Portfolio Management, Summer 2000.
11. Khaneman, D. and A. Tversky, 1979,『Prospect Theory: An analysis of decision under risk』, Econometrica, vol. 47, 263-291
12. Low, Cheekiat, 2000,『The fear and Exuberance from implied volatility of S&P100 Index Options』, working paper.
13. Michael J. Brennan and Eduardo S. Schwartz ,『Time invariant portfolio insurance strategies』,The Journal of Finance, June 1988. 
14. Pruitt, S. W. and White, R. E. (1988).『The CRISMA Trading System: Who 80 Says Technical Analysis can not Beat the Market?』Journal of Portfolio Management, 55-58.
15. Roger G. Clarke, and Robert D. Arnott ,『The Cost of Portfolio Insurance: Tradeoffs and Choices』,Financial Analysts Journal, Nov/Dec 1987.
16. Rubinstein Mark and Hayne E. Leland,『Replicating Options with Positions in Stock and Cash』, Financial Analysts Journal, July/August 1981,pp.63-71.
17. Robert E. Whaley，2000，The Investor fear gauge。
18. Sweeney, Richard J. (1988).『Some New Filter Rule Tests: Methods and Results』Journal of Financial and Quantitative Analysis, 23: 285-300.
19. Van Horne, Jams C. and Parker, George G.. C. (1967).『Technical Trading Rules: A Comment』Finanal Analysts Journal, 35: 28-132.
20. Whaley, Robert E., 1993,『Derivatives on Market Volatility: Hedging Tools Long Dus』The Journal of Derivatives, 71-84.
21. Whaley, Robert E., 2000,『 The Investor Fear Gauge』, The Journal of Portfolio Management, 12-17.