Page 5 - 論文-黃毓婷V3 MFB

資組合，其年化報酬率達 20.89%、夏普比率為 0.7491、最大回撤為

17.80%；相較之下，元大 0050 的年化報酬率為 10.4%、夏普比率

為 0.6155、最大回撤則為 30.3%。在上述三項績效指標中，世芯-KY

與鴻海組合皆明顯優於市場基準。相對而言，由四檔 AI 概念股共同

組成之投資組合，其年化報酬率僅為 10.43%，略高於元大 0050，顯

示納入較多資產並未帶來績效提升，反而可能因資產分散而稀釋報

酬。整體而言，本研究驗證，相較於僅依賴歷史資料與傳統計量模型

之資產配置方式，整合市場情緒資訊能提供額外價值，有助於提升投

資組合即時應對市場變化的能力。透過結合財經新聞情緒與

Black-Litterman 模型，本文提出一套創新的 AI 概念股投資組合策

略，期待能為投資人提供更具市場敏感度與反應效率的投資方法，以

提升整體績效表現。

本文內容安排如下：第二節為文獻回顧，第三節介紹研究資料與

模型，第四節呈現實證結果，最後一節為結論。

2. 文獻回顧

本節將回顧兩大類相關文獻，首先探討 Black-Litterman 模型之

理論發展與實務應用，其次則針對文字探勘 (text mining) 與財金字

典於金融市場分析中的應用進行探討。

2.1 Black-Litterman 模型之應用

Black-Litterman 模型由 Black and Litterman (1992) 提出，結合傳

統均值-變異數資產配置與市場均衡理論 (如 CAPM)，以解決投資人

因主觀報酬預期不穩定所導致的投資組合極端配置問題。該模型以市

場均衡報酬為基礎，反推出隱含報酬，再以貝氏定理整合投資人觀點

與其不確定性，產生新的預期報酬率，進而導出更穩健的資產配置。

3