在以往文獻中，學者多集中於從研究SAR指標參數值之最佳化調整來提升獲利能力，鮮少加入其他指標作為投資策略組合來研判該投資組合對大盤之擇時能力為何，故本研究以SAR指標為基礎，搭配MA指標、MACD指標、KD指標、OBV指標及日K值<70進行交易組合之交差模擬配對，並以台灣加權股價指數2000年至2009年之日收盤資料為樣本進行模擬操作測試。經實證結果發現，以同時搭配具有濾網功能及判斷量能潮的(SAR+KD+OBV)、(SAR+OBV+日K值<70)及(SAR+KD+OBV+日K值<70)之操作組合不管在整體獲利上或是多頭、空頭市場中皆能獲得不錯的成績，是所有研究組中表現相對穩健之組合。
此外，於本研究中亦有四項發現，其一為擺盪指標中的(9日K>9日D)較趨勢指標中的(MA6日>MA24日)及(MACD12日>MACD24日)在搭配SAR指標後能獲得較佳之投資報酬。其二為量能指標中之OBV可協助SAR單一指標於長空格局中過濾錯誤的進場雜訊，但若遇到經歷過一長波段的回跌後出現的短波段反彈，OBV指標無法對此現象立即反應，因而喪失搶短線反彈的機會。其三為K值<70搭配SAR指標作為進場訊號為最優，此外日K值<70並無法協助SAR指標於盤整時期之擇時能力，但若以其為濾網指標則效果優於以9日KD指標。其四為雙重指標之組合判斷較單一指標穩健，獲利能力亦可能超過單一指標；功能性不同之指標組合較同性質之指標組合為佳；超過三種以上之指標組合則須看其指標組合特質是否有互補性而定。

In the past literatures, scholars focused on researching the optimal parameters of SAR index to improve profitability by accompanying with other indexes as investment strategy. This research is based on the SAR index combined with MA, MACD, KD, OBV and daily K value<70 indexes separately and jointly. The data for this study is Taiwan's weighted stock from 2000 to 2009, and the empirical results show that the investment strategy such as SAR + KD + OBV, SAR + OBV + daily K value <70 and SAR + KD + OBV + daily K value <70 can effectively improve the performance no matter in bull market or bear market.
Furthermore, the study has several important findings as shown below. First of all, the investment strategy of the SAR index combined with daily K9>daily D9 could have better performance than that combined with daily MA6> daily MA24 or combined with daily MACD12> daily MACD24.Secondly,  The OBV index could improve SAR to filter noise information, but this index might not improve performance during a short bounce after a long bear market, OBV index can’t immediately respond to this phenomenon, thus it might lose the chance grab short-term rebound. Thirdly, K <70 with SAR index is the optimal singal to approach the market, even though K <70 could’t help SAR targets during  the consolidation period for timing ability, but this indicators are better than 9 KD as filter indicators. Finally, two indicators combinded perform more stable than only one index, and have better profitbilty ability, too. Different kind of indicators combined could have better performance than similar kind of indicators combinid. Howver, while more than three or more indicators combined are required to check whether the portfolio characteristics of these indicators have complement characteristics.

目 錄
目錄	IV
表目錄	V
圖目錄	VI
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	4
第四節  研究架構	5
第二章 文獻探討	6
第一節  相關學術理論之簡介	6
第二節  國內外相關文獻探討	14
第三章 研究設計與方法	20
第一節  研究對象、資料期間及採用之模擬操作程式	20
第二節  本研究使用之技術指標說明	20
第三節 研究方法之設計	29
第四章 實證結果	32
第一節  SAR單一指標之實證結果	32
第二節 第一階段:趨勢指標中的MA、MACD及擺盪指標中KD指標，是否能有效       過濾SAR單一指標之交易雜訊	35
第三節 第二階段:量能指標中之OBV是否能有效過濾SAR單一指標之交易雜訊	39
第四節 第三階段:擺盪指標中的日K值進行判斷是否能提升SAR  於盤整期無法有    效判斷買賣點之劣勢	43
第五節 第四階段:量能指標OBV與擺盪指標中設日K值<70共同進行判斷是否能      提升SAR之績效	47
第六節 第五階段：經由第一階段的測試選定最佳的濾網指標KD指標，再與量能        指標OBV及日K值<70進行組合，以驗證在多重指標考量下是否能有效        提升SAR之獲利能力	50
第七節 綜合比較	54
第五章	結論	57
第一節  研究結論	57
第二節  研究限制與建議	59
參考文獻	61

表目錄
表2-1   順勢系統與擺盪系統之比較	13
表3-1   SAR計算原則	21
表3-2   SAR應用原則	22
表3-3   SAR指標之優缺點	22
表3-4   MA指標之應用原則及注意事項	24
表3-5   MACD指標之應用原則及注意事項	26
表3-6   KD值計算步驟	27
表3-7   KD指標之應用原則及注意事項	27
表3-8   OBV計算表	28
表3-9   OBV應用原則	28
表3-10  技術分析之買賣決策法則及相關操作策略設定	29
表4-1   SAR單一指標模擬操作績效	32
表4-2   SAR單一指標年度別之模擬操作績效	34
表4-3   第一階段模擬操作績效彙總	36
表4-4   第一階段年度別模擬操作績效彙總	37
表4-5   SAR+OBV參數值(1-50)之獲利表現	39
表4-6   第二階段模擬操作績效彙總	40
表4-7   第二階段年度別模擬操作績效彙總	41
表4-8   (SAR+日K值)在不同參數下之績效表現	43
表4-9   第三階段模擬操作績效彙總	44
表4-10  第三階段年度別模擬操作績效彙總	44
表4-11  截取SAR與(SAR+日K值)交易策略具明顯差異之交易記錄	46
表4-12  第四階段模擬操作績效彙總	47
表4-13  第四階段年度別模擬操作績效彙總	48
表4-14  第五階段模擬操作績效彙總	50
表4-15  第五階段年度模擬操作績效彙總	52
表4-16  2008年及2009年各實驗組之模擬績效	55
表4-17  各實驗組對SAR單一指標之效益評估	56

圖目錄
圖1-1   2000年~2009年大盤走勢概況	1
圖1-2   研究流程圖	4
圖4-1   SAR單一指標交易模擬截圖	33
圖4-2   SAR單一指標買賣進出績效圖	33
圖4-3   年度別之模擬操作績效	35
圖4-4   第一階段已實現淨損益及勝率	36
圖4-5   第一階段年度別模擬操作績效彙總	38
圖4-6   第二階段年度別模擬操作績效彙總	41
圖4-7   第三階段年度別模擬操作績效彙總	45
圖4-8   第四階段年度別模擬操作績效彙總	49
圖4-9   第五階段已實現淨損益及勝率彙總	51
圖4-10  第五階段年度別模擬操作績效彙總	53
圖4-11  第一~五階段已實現淨損益及勝率彙總	54
圖4-12  第一~五階段 2008年及2009年各實驗組之模擬績效	55

參考文獻

一、	中文部份
1.	方國榮(1990)，「證券投資最適決策指標之研究－技術分析」，國立台灣大學商學研究所未出版碩士論文。
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未出版之碩士論文。
3.	王毓敏(2002)，「交易量及波動性之關聯性-台股認購權證與標的股票之探討」，管理評論，第21卷，第一期，頁115~136。 
4.	安芷誼(2005)，「技術分析對台灣股票市場投資績效之探討－移動平均線法」，銘傳大學國際企業研究所未出版碩士論文。
5.	周怡芳(1994)，「以 KD 線投資策略分析臺灣股市」，國立成功大學統計研究所未出版碩士論文.
6.	林天運(2007)，「大盤未來走勢預測-KD指標的實證分析」，國立成功大學國際企業研究所未出版之碩士論文。
7.	林國偉(2006)，「台灣股票與期貨市場的效率性研究－應用技術分析與White’s reality cehck」，國立中正大學國際經濟研究所未出版碩士論文。
8.	林麗娜(2005），「停損點反向操作(SAR)指標在台灣期貨市場實證」，國立中央大學財務金融研究所未出版之碩士論文。
9.	林良炤(1997)，「KD技術指標應用在臺灣股市之實證研究」，國立台灣大學商學研究所未出版之碩士論文。
10.	林鈺純(2009)，「技術分析在共同基金交易擇時能力實證~以停損點反向操作指標(SAR)為例」，國立中央大學財務金融研究所未出版之碩士論文。
11.	金鐵英(2003)，「台股短期走勢可被準確的預測並且從中獲利：說市場是有效率的」，朝陽學報，第八期，頁237-262。
12.	施惠萍(1999)，「結構性變化的偵測與其在技術分析中的應用」，台灣大學經濟學研究所未出版之碩士論文。
13.	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研究所未出版之碩士論文。
14.	洪俊瑋(2003)，「以建諸於移動平均法之類神經模糊系統預測股價指數之變動」，靜宜大學企業管理研究所未出版之碩士論文。
15.	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」，東海大學管理研究所未出版碩士論文。
16.	徐正錦(2002)，「技術分析應用於台灣股市之實證研究」，國立中正大學國際經濟研究所未出版之碩士論文。
17.	徐坤豪(2005)，「運用K線、KD指標於台股指數期貨效果之研究」，東吳大學會計學研究所未出版之碩士論文。
18.	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未出版之碩士論文。
19.	高梓森(1994)，「臺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未出版之碩士論文。
20.	張清良(2006)，「股票市場買賣研判指標的應用」，國立中正大學財務金融所未出版之碩士論文。
21.	陳劭儀(2000)，「技術指標與法人買賣超資訊配合運用之可行性實證研究」，實踐大學企業管理研究所未出版之碩士論文。
22.	陳松男(1995），全球化投資動態分析，台北金融研究發展基金會。 
23.	陳建全(1998)，「臺灣股市技術分析之實證研究」，國立台灣大學商學研究所未出版之碩士論文。
24.	陳政元(2009)，「停損點反向操作指標在台灣債券市場實證」，永續發展與管理策略，第1卷，第2期，頁33-52。
25.	黃旭鋒(2003)，「技術分析無用論？」，東海大學管理研究所未出版之碩士論文。
26.	黃怡中(2002)，「在不同技術指標交易策略下停損機制設置與否之績效分析」，銘傳大學金融研究所未出版之碩士論文。
27.	黃信維(2007)，「股順勢操作程式交易系統應用於台灣股票市場之實證研究」，國立中山大學資訊管理學系研究所未出版之碩士論文。
28.	黃彥聖(1995)，「移動平均法的投資績效」，管理評論，第14卷，第1期，頁 47-68。
29.	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」，國立台北大學經濟研究所未出版之碩士論文。
30.	董茲莉(1995)，「由技術分析效果驗證我國股市效率性」，國立中山大學企業管理研究所未出版之碩士論文。
31.	廖家宏(2006)，「技術分析之移動平均價與量雙指標策略投資績效之實證研究－台灣與日本股票市場比較」，國立高雄應用科技大學工業工程與管理研究所未出版碩士論文。
32.	趙永昱(2002)，「技術分析交易法則在股市擇時之實證研究」，國立中山大學財務管理研究所未出版碩士論文。
33.	劉泓欣(2004)，「以行為財務理論建構投資組合及其投資績效評估－以台灣上市公司股票為例」，義守大學財務金融研究所未出版之碩士論文。
34.	劉時楨(2003)，「技術分析在台灣股市運用之實證研究─與停損點反向操作指標(SAR)為例」，國立台北大學企業管理研究所未出版之碩士論文。
35.	樓禎祺、何培基 (2003)，「股價移動平均線之理論與實證-以台灣股市模擬投資操作為例」，育達研究叢刊，第 5、6 期合刊，頁 27~52。 
36.	潘效黎(1995)，「國立中山大學企業管理研究所碩士論文」，國立成功大學統計研究所未出版之碩士論文。
37.	蔡宜龍(1990)，「台灣股票市場技術分析指標有效性之衡量」，國立成功大學工業管理研究所未出版之碩士論文。
38.	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未出版碩士論文。
39.	鄭家豪(2006)，「灰關聯雙移動平均線之應用研究以股票市場及金屬期貨為例」，國立成功大學資源工程研究所未出版之碩士論文。 
40.	鄧俊偉(2008)，「技術指標於台股期貨操作績效之研究－以SAR與TRIX組合為例」，中國文化大學資訊管理研究所未出版之碩士論文。
41.	賴宏祺(1997)，「技術分析有效性之研究」，國立台北大學企業管理所未出版之碩士論文。
42.	賴宗裕(2005)，「技術分析在台灣股市擇時能力實證 -以停損點反向操作指標(SAR)為例」，國立中央大學財務金融研究所未出版之碩士論文。
43.	賴勝章(1990)，「台灣股票市場弱式效率性實證研究：以技術分析檢驗」，國立台灣大學商學研究所未出版之碩士論文。
44.	謝政遠(2004)，「以移動平均線、相對強弱指標與成交量檢驗台灣股票市場的效率性」，逢甲大學財務金融研究所未出版之碩士論文。
45.	龔怡霖(2001)，「行為財務學－文獻回顧與未來發展」，中央大學財務管理研究所未出版碩士論文。
46.	鄧運隆 (2009)，TradeStation2000I程式交易全攻略，寰宇出版。
47.	CMoney法人投資決策支援系統
48.	期貨策略、選擇權交易、投資分析教學網
http://investment4fun.com/default.aspx
49.	DJ財經知識庫http://km.funddj.com/KMDJ/wiki/wikiViewer.aspx?keyid=f3aa847e-50ec-44d4-b675-6587a066ba9e
50.	MBA智庫百科
http://wiki.mbalib.com/wiki/%E9%A6%96%E9%A1%B5
51.	創世技資訊股份有限公司-股票、期貨、選擇權程式交易 
http://www.gim.com.tw/www/index.htm
52.	TWSE 臺灣證券交易所:
http://www.twse.com.tw/ch/statistics/statistics_list.php?tm=07&stm=001

二、	英文部份  
1.	Appel, G. and W. F. Hitschler,(1979), “Stock Market Trading System,” South Carolina: Traders. Press,
2.	Bessembinder, H. and K. Chan (1995), “The Profitability of Technical Trading Rules in the Asian Stock Markets,”Pacific-Basin Finance Journa, 3, 257-284.
3.	Brailsford, T. J. and Faff, R. W. (1996),“An Evaluation of Volatility Forecasting Techniques,”Journal of Banking and Finance, 20, 419-438.
4.	Brock, W., J. Lakonishok , and B. LeBaron (1992), “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns,” Journal of Finance, 47, 1731-1764.
5.	Clark, P.K. (1973), “A Subordinated Stochastic Process Model with Finite Variance for Speculative Price,” Econometrica, 41, 135-159. 
6.	Edward, R.D. and J. Magee (1996),“Technical Analysis of Stock Trends,”15th ed., Boston.
7.	Fama, E. F. (1970), “Efficient Capital Markets: A Review of Theory and Empirical Work,” Journal of Finance, 25, 383-417.
8.	Fama, E. F. (1991),“ Efficient capital markets: A review of theory and empirical work II,” Journal of Finance, 46, 1575-1617. 
9.	Granville, E. Joseph (1976), “Granville's New Strategy of Daily Stock Market Timing for Maximum Profit,” USA : Prentice-Hall, Inc.
10.	Granville, J, (1963), Granville's New Key to Stock Market Profits, NJ: Prentice Hall Publishing.
11.	Gunasekarage, A. and D. M. Power (2001),“The Profitability of Moving Average Trading Rules in South Asian Stock Markets,” Emerging Markets Review, 2,17-33.
12.	Hinich,M.L.,and Patterson,D. M.(1985),“Evidence of Nonlinearity in Daily Stock Returns,” Journal of Business and Economic Statistics, 3, 69-77.
13.	Jocobs, B., & Levy, K.(1989),“The Complexity of the Stock Market,”The Journal of Portfolio Management, 16, 69-76.
14.	Kahneman, D., & Tversky, A.(1979),“ Prospect theory: An Analysis of Decision under Risk,”Econometrica, 47, 263–292.
15.	Kahneman, D., & Riepe, M.W. (1998),“ Aspects of investor psychology,”Journal of Portfolio Management, 24, 52-65.
16.	Kahneman , D., &Tversky,A.（1973）,“Availability: A Heuristic for Judging Frequency and Probability,” Cognitive Psychology ,5, 207-232.
17.	Kahneman , D., &Tversky,A. (1979),“Prospect Theory: An Analysis of Decision Under Risk,” Econometrica, 47, 263-291
18.	Lamoureux, C.G. and Lastrapes, W.D. (1990), “Heteroskedasticity in Stock Return Data: Volume versus GARCH Effects,” Journal of Finance, 45, 221-229. 
19.	Levy, R.A.(1996),“Conceptual foundations of technical analysis,”Financial Analysis Journa ,22, 84-85.
20.	Mckenzie, M.D. (2007),“Technical Trading Rules in Emerging Markets and the 1997 Asian Currency Crises,” Emerging Markets Finance and Trade, 43, 46-73
21.	Mullainathan, S., & Thaler, R. H. (2000),“ Behavioral Economics,”NBER Working Paper, No. 7948.
22.	Murphy, John J.(1986),“Technical Analysis of Futures Markets,”New York Institute of Finance. 
23.	Nunez-Letamendia, L. (2002), “Trading Systems Designed by Genetic Algorithms”, Managerial Finance ,28, 87-106.
24.	Olsen, R. A. (1998),“Behavioral Finance and its Implications for Stock Price Volatility,” Financial Analysts Journa, 54, 10-18. 
25.	Omran, M. F. and McKenzie, E.(2000), “Heteroscedasticity in Stock Returns Data Revisited: Volume Versus GARCH Effects,”Applied Financial Economics,10, 553-560. 
26.	Pruitt, S.W. and R.E White (1988),“The CRISMA Trading System: Who Says Technical Analysis can’t Beat the Market?” Journal of Portfolio Management ,14, 55-58.
27.	Ratner, M. & Leal, R. P. C. (1999),“Test of Technical Trading Strategies in the Emerging Equity Markets of Latin America and Asia,”Journal of Banking and Finance, ,23, 1887-1905.
28.	Shiller, R. J. (1984), “Stock Prices and Social Dynamics,”Brookings Papers on Economic Activity, 2, 457-98.
29.	Shleifer, A. and R. Vishny,(1997), “The Limits to Arbitrage,” Journal of Finance ,52, 35-55.
30.	Soros, G. (1994), The Alchemy of Finance :reading the mind of the market. NY:
Linking Publishing Company.
31.	Statman, M (1999), “Behaviorial Finance: Past Battles and Future Engagements,” Financial Analysts Journal, 55, 18-27.
32.	Thaler, R. H., (1999), “Mental Accounting Matters,” Journal of Behavioral Decision Making, 12,183-206.
33.	Thomas, A.,(1988)“ MACD momentum Part 1 ,”Technical Analysis of Stocks & Commodities, 6,294-297.
34.	Wilder, J. Welles, (1978), “New Concepts in Technical Trading Systems,” Trend Research.