市面上有許多軟體可以進行財務分析，多數為商業軟體，如SAS、SPSS，對使用者來說過於昂貴，因此，本文獻著重在R軟體財務套件的使用，介紹處理時間序列性質的資料套件，以及利用套件PerformanceAnalytics針對從台灣經濟新報(TEJ)下載的台灣股票型基金進行績效分析、風險分析，我們使用國內基金評比權威台大財務金融所教授邱顯比、李存修提出的四四三三法則，選出2012年較適合投資的股票型基金。最後，則是使用馬可維茲建立的投資組合理論來最佳化股票型基金投資組合；分別使用平均數-變異數與平均數-預期短缺的模型搭配穩健式估計(Robust)改善估計共變異數矩陣選出較適宜的投資組合。
結果發現，多數股票型基金的績效不如台灣加權指數，即使採用投資組合最佳化的理論調整權重，可以選出報酬率較佳的投資組合雖然最大損失以及報酬率均優於台灣加權指數，但是若是扣掉模型中未加入基金的保管費，其整體仍然不如台灣加權指數。有必要選擇其他資產或者是將資金直接存放於銀行。

It is many software of financial analysis on the market. More those of commercial are expensive for users, such as SAS and SPSS. Therefore, the thesis focuses the operation of the "R" financial suite, introducing the time series packages and performance analytics with the suit.

The Stock Funds of Taiwan, downing from Taiwan Economic Journal (TEJ), execute performance and risk analysis. We use the rule called Four-four-three-three, brought from Shean-Bii Chiu and Lee Tsun-siou--the professor of Dept. of Finance, NTC and the authority of Domestic Fund Ratings. We optimize the Portfolio of Stock Fund finally through the theory of Portfolio Found by Markowitz and improve the Estimate Covariance Matrix and choose the correct Portfolio by using the Mean, Mean-Variance and Mean-CvaR. individually.

We use the portfolio theory that establish by MarkoWitz to optimize portfolio of stock funds using the model of mean variance-CVaR and combine Robust estimate to improve the estimate of covariance matrix, then we can choice the better portfolio.

Thus, we note that many stock funds are less than TAIEX. Even if we can choice the better portfolio by using change the weight of portfolio optimization although max drawdown and return are better than TAIEX. But if we reduce the fee of funds in the model, it’s less than TAIEX. It’s necessary to select other assets or put funds into the bank.

目錄
第一章 緒論	 1
第二章 時間性質的物件處理	3 
   2.1 主要的時間序列物件類別	 3
   2.2 日期與時間處理	 12
      2.3 時間序列資料處理方式	 18
      2.4 從財務網站取得具備時間性的資料	 25
第三章 績效分析	 34
   3.1 套件PerformanceAnalytics的介紹	 34
   3.2 績效分析	 35
   3.3 風險分析	 53
   3.4 風險值與共同動差的計算	 70
   3.5 績效圖型與表格	 80
第四章 投資組合建構	 105
   4.1 投資組合理論	 105
   4.2 平均數-變異數模型	 108
   4.3 平均數-預期短缺模型	 113
第五章 績效測量國內股票型基金的結果與最佳化	 115
   5.1 資料來源及處理	 115
   5.2 績效測量的結果	 115
   5.3 建立最佳化的台灣股票型基金的投資組合	 126
   5.4 投資組合的回顧測試	 145
第六章 結論以及建議	 139
   6.1 結論	 139
附錄1	140
參考文獻 	141
 
表目錄
表5.2.1上櫃股市型基金的績效測量結果	 116
表5.2.2 開放式一般型基金的績效測量結果	 117~118
表5.2.3開放中小型基金的績效測量結果	 119
表5.2.4開放式中概型基金的績效測量結果	 120
表5.2.5開放式科技基金型的績效測量結果	 121
表5.2.6開放式特殊型基金的績效測量結果	 122
表5.2.7上櫃股市型的績效測量結果	 122
表5.2.8 四四三三原則適合的基金	 125
 
圖目錄
圖2.1.1 ts類別	 3
圖2.1.2 查詢索引時間	 3
圖2.1.3 windows指令	 5
圖2.1.4 zoo類別	 5
圖2.1.5 index指令	 5
圖2.1.6 zoo類別的索引設定	 6
圖2.1.7 不規則時間索引的zoo類別	 6
圖2.1.8 zooreg指令	 6
圖2.1.9 xts類別	 7
圖2.1.10類別timeSeries	 7
圖2.1.11 類別irts	 8
圖2.1.12 zoo類別轉換成ts類別	 9
圖2.1.13轉換為xts類別	 10
圖2.1.14 轉換成timeSeries類別	 10
圖2.1.15 轉換成類別irts	 11
圖2.1.16不同的類別的繪圖方式	 11
圖2.2.1 指令ISOdate	 12
圖2.2.2 物件TIME的類別	 13
圖2.2.3  format指令	 13
圖2.2.4 文字向量	14
圖2.2.5 不同建立日期物件的方式	 14
圖2.2.6 時間差異	 14
圖2.2.7 指令strptime	 15 
圖2.2.8 區域設定	 15
圖2.2.9 經歷的時間	 15
圖2.2.10 經歷的時間	 15
圖2.2.11 假日設定	 16
圖2.2.12 歐洲的金融中心	 17
圖2.2.13 對應的時間	 18
圖2.3.1 不重複索引的類別合併	 19
圖2.3.2 重複時間索引的zoo類別合併	 20
圖2.3.3 類別xts的重複索引	 20
圖2.3.4 類別timeSeries的重複索引	 21
圖2.3.5 類別zoo, xts的兩物件混合	 21
圖2.3.6 類別timeSeries混合兩物件	 22
圖2.3.7 不同時間單位的兩物件混合	 22
圖2.3.8 排序與反轉	 23
圖2.3.9 套件timeSeries的資料集MSFT	 23
圖2.3.10 使用索引切割資料集MSFT	 24
圖2.3.11 使用名稱切割資料集MSFT	 24
圖2.3.12 使用$切割資料集MSFT	 24
圖2.3.13 套件PerformanceAnalytics的資料集prices	 25
圖2.3.14 時間索引切割	 25
圖2.4.1 指令getSymbols	 27
圖2.4.2 從google網站下載	 28
圖2.4.3 從OANDA網站下載匯率資料	 29
圖2.4.4 指令yahooSeries	 30
圖2.4.5 更換時間參數	 31
圖2.4.6 顯示yahooImport下載數據的方式	 32
圖2.4.7 指令get,hist.quote	 33
圖2.4.8 設定時間參數	 33
圖2.4.9 重新定義物件類別	 33
圖3.2.1 連續報酬率	 43
圖3.2.2 簡單報酬率	 43
圖3.2.3 投資組合報酬	 44
圖3.2.4 不同時期的權重的投資組合報酬	 45
圖3.2.5 超額報酬	 45
圖3.2.6 年化報酬	 46
圖3.2.7 年化標準差	 46
圖3.2.8 年化夏普比率	 47
圖3.2.9 風險溢酬	 47
圖3.2.10 alpha值	 48
圖3.2.11 β係數	 48
圖3.2.12 資本市場線	 49
圖3.2.13 資本市場線的斜率	 49
圖3.2.14 證劵市場線的斜率	 49
圖3.2.15 多頭β	 50
圖3.2.16 空頭β	 50
圖3.2.17 β值時機比	 51
圖3.2.18 主動溢酬	 51
圖3.2.19 跟蹤誤差	 52
圖3.2.20 資訊比率	 52
圖3.2.21 凱莉比率	 52
圖3.2.22 資本資產定價模型	 53
圖3.3.1 標準差年化	 60
圖3.3.2 半變異數	 61
圖3.3.3 下部差	 61
圖3.3.4 最大虧損	 62
圖3.3.5 虧損情形	 63
圖3.3.6 指令sortDrawDowns	 64
圖3.3.7 Calmar Ratio	 65
圖3.3.8 上下震盪比率	 65
圖3.3.9 夏普指數	 66
圖3.3.10 史達林比率	 67
圖3.3.11 索丁諾指數	 67
圖3.3.12 升值淺力報酬	 67
圖3.3.13 指令SharpeRatio.modified	 68
圖3.3.14 催納比率	 69
圖3.3.15 Omega比率	 69
圖3.4.1 參數VaR	 73
圖3.4.2 修正風險值	 73
圖3.4.3 非參數風險值	 74
圖3.4.4 增額風險值	 74
圖3.4.5 成分風險值	 75
圖3.4.6 非參數方式的預期短缺	 75
圖3.4.7 參數法的預期短缺	 76
圖3.4.8 修正預期短缺	 77
圖3.4.9 共變異數矩陣	 78
圖3.4.10 條件偏度	 78
圖3.4.11 條件峰度	 78
圖3.4.12 BetaCovariance	 79
圖3.4.13 BetaCoskewness	 79
圖3.4.14 BetaCoKurtosis	 80
圖3.5.1 摘要績效圖	 82
圖3.5.2 每月報酬表	 84
圖3.5.3 盒鬚圖	 86
圖3.5.4 QQ圖	 88
圖3.5.5 直方圖	 90
圖3.5.6 相對風險與報酬	 92
圖3.5.7 滾輪績效圖	 94
圖3.5.8 相對績效圖	 96
圖3.5.9 與指數的相對績效 	97
圖3.5.10 與指數的相對績效	 98
圖3.5.11 滾輪迴圈圖	 100
圖3.5.12 滾輪相關係數圖	 101
圖3.5.13 相關係數圖	 102
圖3.5.14 下部風險圖	 103
圖3.5.15 跌幅分析圖	 104
圖4.1.1資產A、B、C的可行性投資組合	 106
圖4.1.2 可行的投資組合與效率前緣	 107
圖4.1.3 最佳的投資組合	 108
圖5.4.1 相切策略的投資組合與2012年台灣加權指數的比較	127
圖5.4.2 相切策略的投資組合的滾輪測試	128
圖5.4.3 最大化比率的投資組合與2012年台灣加權指數	129
圖5.4.4 最大化策略的投資組合的滾輪測試	130
圖5.4.5 相切策略的投資組合的滾輪測試	131
圖5.4.6 相切策略的投資組合的滾輪測試	132
圖5.4.7 最大化策略的投資組合的滾輪測試	133
圖5.4.8 最大化策略的投資組合的滾輪測試	134
圖5.4.9 相切策略的投資組合的滾輪測試	135
圖5.4.10 相切策略的投資組合的滾輪測試	136
圖5.4.11 最大化策略的投資組合的滾輪測試	137
圖5.4.12 最大化策略的投資組合的滾輪測試	138

一、中文部分:
[1] 葉日武，2002，現代投資學 : 原理. 技巧與應用 = Modern investment 
    theory skills and application，前程企業管理公司。
[2] 邱顯比，2006，基金理財的六堂課，天下遠見出版公司
[3] 凱文‧登(Kevin Dowd)、林劭杰，2008，市場風險-現代風險衡量方法，財
    團法人金融研訓社。
二、英文部分:
[4] Diethelm Wurtz, Yohan Chalabi, William Chen, Andrew Ellis, 2009,
    Portfolio Optimization with R/Rmetrics.
[5] Iacus, Stefano M. (Stefano Maria), 2011, Option Pricing and 
    Estimation of Financial Models with R, pp.423-445, Hoboken, N.J. : 
    Wiley. 
[6] Peter Carl & Brian G. Peterson, 2012, Package
 “PerformanceAnalytics”.
[7] Carl R. Bacon, 2008 2td, Practical Portfolio Performance 
Measurement and Attribution, Chichester : Wiley.
[8] Jeffrey A. Ryan, Josh M. Ulrich, 2012 ,Package “xts”.
[9] Diethelm, Andrew Ellis,Yohan Chalabi, 2009, Discussion of Time 
Series Objects for R in Finance. Rmetrics.
[10] Jean-Luc Prigent, 2007, Portfolio Optimization and Performance 
Analysis, CRC.
[11] Rousseeuw, P. & Van Driessen, K., 1999. A fast algorithm for the
      minimum covariance determinant estimator. Technometrics, 41,
      212–223. 55, 279.
[12] Maronna, R. & Zamar, R. 2002. Robust estimates of location and 
      dispersionof high-dimensional datasets. Technometrics, 44(4), 
      307–317. 59, 288.
[13] Schafer, J. & Strimmer, K., 2005, A shrinkage approach to
large-scale covariance matrix estimation and implications for 
      functional genomics.Statistical Applications in Genetics and
      Molecular Biology, 4(1). 176, 292.
[14] Kurt Hornilk, 2012, Package “tseries”.
[15] Achim Zeileis, Gabor Grothendieck, Jeffrey A. Ryan, Felix Andrews,
 2012, Package “zoo”.
[16] Diethelm Wuertz, Yohan Chalabi, 2012, Package “timeSeries”.
[17] Diethelm Wuertz, 2012, Package “fImport”.
[18] Jeffrey A. Ryan, 2011, Package “quantmod”.
[19] Noel Amenc and Veronique Le Sourd, 2003, Portfolio Theory and 
Performance Analysis, Chichester, England : Wiley.