基於機器學習的投資優化調整

羅懷均

本研究聚焦於人工智慧與機器學習技術，在金融市場股票報酬預測與漲跌機率預測的應用。採用機器學習演算法如隨機森林迴歸、隨機森林分類、XGBoost迴歸、PLS和SVM等方法，對臺灣上市前150大市值公司股價報酬率和漲跌機率進行預測。每月選取25支股票，並建構十種策略的投資組合，如均等權重投資組合和最小變異數投資組合。實證結果顯示，隨機森林演算法在篩選投資標的與計算效率上表現最佳，而其他機器學習演算法在預測股票報酬率方面也表現出色。所構建的投資組合報酬率普遍優於市場投資組合和元大臺灣50 ETF，並具有較好的夏普指數。在三因數和四因數模型檢定中，多數策略獲得正顯著的超額報酬。

整體而言，機器學習演算法在投資組合建構上提供重大幫助。研究結果對愈來愈多投入自動交易和機器學習投資技術研發的機構和專業投資者具有重要意義，爲臺灣金融和投資市場提供了寶貴見解，幫助投資者做出更明智的決策。

作者：元智大學管理學院博士生 何建中、元智大學管理學院碩士畢業生 陳亭安、*元智大學管理學院財金學羣教授暨EMBA主任 羅懷均

*通訊作者E-mail:[email protected]