Using Counter Data Analysis and Random Forest To Construct The Optimal Asset Allocation Process

近期年金改革鬧得沸沸揚揚，散戶若能自行投資，達到良好的投資績效，不妨能為退休提早做準備，而目前處於競争激烈且低利率的環境下，想在股票市場獲得穩定的超額報酬，就必須善用資訊，將其轉化成提升報酬的訊息，這也是目前金融科技其中的一個面向。本論文以基本面分析搭配比例交集法為出發，再以籌碼面因子搭配隨機森林之模型預測個股漲跌，建構資產配置的流程。 第一步驟為利用基本面因子的比例交集法做第一次篩選，篩選資產的時間以季為單位，第二步驟為利用三大法人中外資與投信買超等等籌碼面因子進入隨機森林模型，用來預測個股之漲跌，重新篩選資產的時間以5天或10天為單位，並藉著混淆矩陣之機率控制篩選出來的股票數，並配適相等之權重。在一定的混淆矩陣機率控制下，第二步驟皆能使年化收益率比起第一步驟再度上升，最佳回測結果之年化收益率為26.62%