本論文研究目的為從樣本中選擇股票建立投資組合，測試績效，將可行的方法導入機器人理財，提供日後不同樣本中建立投資組合並導入機器人理財的方法參考。實證中將資料使用移動式窗法切割為訓練樣本與測試樣本，在訓練樣本中透過馬可維茲的平均數-變異數模型進行選股後，計算風險值，在測試樣本查看投資組合績效與風險值的穿透率，並將以上方式導入機器人理財，提供機器人理財有模型依據的投資方式參考。實證結果顯示，1.利用M-V模型代入樣本內資料求出各投資組合最適個股權重，結果顯示在本研究的樣本資料下使用M-V模型的最適投資組合權重集中某幾家公司。2.利用VaR法進行風險控管，在測試樣本中的VaR穿透率在控制範圍內。3.將本論文的投資組合選擇方式導入理財機器人，在簡單的投資選擇介面與投資人風險容忍度調查完成後，套入M-V模型，使機器人理財建立在有統計依據與績效數據佐證。

The purpose of this study is to select the stocks from the sample to establish the investment portfolio, test the performance, import the feasible method into the robot advisor, and provide the method reference for establishing the investment portfolio into robot advisor management in different samples in the future. In the empirical study, the data is cutting into training sample and test sample by using the moving window method. After selecting stocks through the Markoviz's mean-variance model in the training samples ,the study calculating the risk values by VaR and the portfolio performance by ratio in the test samples.Import 
the above methods into the robot advisor, providing a reference for the investment model of the robot advisor management model. The empirical results show that: 1. Using the M-V model to find the optimal portfolio, the results show that under the sample data of this study, the optimal portfolio weights concentrate on a certain number of companies. 2. VaR method is used for risk control. The VaR penetration rate in the test sample is within the control range. 3. Introduce the investment portfolio selection method of this thesis into the robot advisor. After the simple investment selection interface and investor risk tolerance survey are completed, insert the M-V model, so that the financial management of the robot advisor is established based on statistics and performance data.

目　錄
目　錄	VI
表　目　錄	VIII
圖　目　錄	IX
第一章　緒論	1
第一節 研究背景與動機	1
第二節 研究目的	5
第三節 研究架構與流程	6
第二章　理論與相關文獻	7
第一節　投資組合理論及相關文獻	7
第二節　全球理財機器人發展及相關文獻	9
第三章　研究方法	14
第一節　研究資料定義與來源	14
第二節　M-V模型與績效評估	16
第三節　VaR模型與回朔測試	20
第四節　實證步驟	22
第四章　實證結果與分析	24
第一節　報酬率敘述統計量分析	24
第二節　實證模型分析	27
第五章　結論與建議	41
第一節　結論	41
第二節　建議	43
參考文獻	44

 
表　目　錄
表1：台灣50指數成分股權重前十大之公司	15
表2：十家公司報酬率基本統計量	24
表3：M-V模型最適權重	28
表4：三種信心水準下的VaR值	29

 
圖　目　錄
圖1：研究結構圖	6
圖2：研究步驟說明	23
圖3：報酬率時間序列圖	25
圖4：報酬率QQ圖	25
圖5：報酬率PP圖	26
圖6：報酬率箱型圖	26
圖7：三種切割資料於M-V模型下效率前緣	28
圖8：測試樣本y部分每日報酬率與訓練樣本x部分VaR值	30
圖9：y1報酬率時間序列圖	31
圖10：y2報酬率時間序列圖	32
圖11：y3報酬率時間序列圖	32
圖12：測試樣本y1夏普比率	33
圖13：測試樣本y2夏普比率	34
圖14：測試樣本y3夏普比率	34
圖15：測試樣本y1崔納比率	35
圖16：測試樣本y2崔納比率	36
圖17：測試樣本y3崔納比率	36
圖18：測試樣本y1 詹森指標	37
圖19：測試樣本y2 詹森指標	37
圖20：測試樣本y3 詹森指標	38
圖21：測試樣本y1 訊息比率	39
圖22：測試樣本y2 訊息比率	39
圖23：測試樣本y3 訊息比率	40

一、	中文文獻
1.	王紹宇(2016) ，智能理財技術崛起對美國及台灣財富管理業的衝擊，台灣大學管理學院碩士在職專班財務金融組碩士論文
2.	李沃牆(2017)，台灣發展機器人理財的機會與挑戰，今日合庫月刊， 2017年10月，第514期，頁.39-50
3.	吳雅萍（2004），在VaR風險指標下之最適投資組合─以亞洲股價指數為例，南台科技大學企業管理系碩士論文。
4.	許江河、許淑斐(2012)，「投資組合持股調整與績效之實証研究－以台灣50成分股為例」，國立虎尾科技大學學報，第30卷第4期，頁27 – 38
5.	賴財慶、李詩政（2004），「台灣金融控股公司市場風險資本配置之研究─條件風險值法」，證券市場發展季刊，第16卷第4期，頁145-174。
6.	盧嘉梧，林志軒(2016) ，類神經網路投資組合策略績效之實證研究：以台灣中型100電子股為例，輔仁管理評論，第23卷第3期 ，頁29 - 50
二、	英文文獻
1.	AÏT-SAHALI, B.（2001）“Variable Selection for Portfolio Choice,”  The Journal of Finance, Vol 56, No. 4, pp 1297–1351
2.	Brinson, G. P., B. D. Singer, and G. L. Beebower（1991）, “Determinants of Portfolio Performance II: An Update,” Financial Analysts Journal, Vol. 47, pp. 40-48.
3.	Jensen, M. C. (1968) , The Performance of Mutual Funds in the Period 1945–1964” , The Journal of Finance , Vol 23, Issue 2 , pp. 389–416
4.	Jorion, P. (2002) , “How Informative Are Value-at-Risk Disclosures?” , The Accounting Review , Vol. 77, No. 4, pp. 911-931
5.	Liu , J. (2007) , “Portfolio Selection in Stochastic Environments” , The Review of Financial Studies, Vol. 20, Issue 1, pp.1-39,
6.	Lopez ,J C ,S. Babcic ,S , and D. L. Ossa 2017）“Advice Goes Virtual: How New Digital Investment Services are Changing the Wealth Management Landscape,” Journal of Financial Perspectives, Vol. 3, No. 3, pp.1-17
7.	Markowitz, H.,（1952）, “Portfolio Selection,” The Journal of Finance, Vol.7, No. 1, pp.77-91. 
8.	Park, J. Y. , J.P. .Ryu and H. J. Shin (2017) , “How to Manage Portfolio by Robo-Advisor” , International Information Institute (Tokyo) , Vol. 20, Iss. 5B , pp.3463-3470
9.	Pástor, Ľuboš（2000）, “Portfolio Selection and Asset Pricing Models,” The Journal of Finance, Vol. 55, No. 1, pp.179-223
10.	Sharpe ,W. F. ( 1966 ) , “Mutual Fund Performance,” The Journal of Business , Vol.39 , No.1, pp.119-138
三、其他文獻
1.	EY Global Financial Services Institute(2015),Advice Goes Virtual ,How New Digital Investment Services Are Changing the Wealth Anagement Landscape , Journal of Financial Perspectives , winter.
2.	2016 資誠全球金融科技調查報告－銀行業。
3.	2017 資誠全球金融科技調查報告－銀行業。