兩岸經濟合作架構協議(ECFA)是近來市場極度關注的焦點，也替兩岸勾勒出經濟新貌，簽訂ECFA後也牽動許多產業互助合作的關係，為了讓投資人更容易了解兩岸ECFA的簽訂對於股市所造成的影響，寶來投信發表國內唯一並具有客觀標準的「寶來ECFA指數」主題風格指數，提供投資人一個具前瞻性與高價值的參考標準。
本研究使用人工智慧方法中的支撐向量迴歸(Smooth Support Vector Regression，SSVR)，在每月月底預測出漲幅較佳的五檔股票，並於次月第一個交易日進行投資。研究方法上，利用技術指標配合SSVR之預測分類能力進行選股，藉由觀察寶來ECFA指數所選出的各檔股票2006至2009年歷史股價資料的漲跌趨勢，組成2010年各月份的投資組合；在資金配置上，應用Markowitz 的投資組合選擇模式，取得風險值與期望報酬所組成的效率投資組合。經實證結果發現：
1.經由SSVR預測出的股票價格準確度，平均有73.50%，表示利用技術指標配合SSVR選股能力的模型能有效提升投資人選股能力。
2.利用效率前緣進行二次規劃來分配投資組合中各檔股票的投資金額，著實有助於降低投資風險並增加投資績效。

Cross-strait Economic Cooperation Framework Agreement (ECFA) is extremely concerned by the market, also brings new business oppotunities for the cross-strait economic.After the signing of ECFA, mutual cooperation between the two sides affects numbers of industries. In order to make it easier for investors to understand the impact of the ECFA to the stock market, Polaris Investment Trust published the" Polaris ECFA Index ",offering investors a forward-looking and a high-value reference.
We employ training data from 2006 to 2009 and testing data in 2010 using Artificial Intelligence tools: Smooth Support Vector Regression (SSVR) y, predict the best-five stocks to invest in the end of each month. In the research methods, we use technical indicators as input varibles to construct SSVR model for stock selection.
In the capital allocation, efficiency of the portfolio was composed of value at risk and expected return by the application of Markowitz's portfolio model.The major empirical results are as following:
1.The accuracy of stock prices predicted by SSVR has an average of 73.50%.With the use of technical indicators that SSVR model could effectively enhance investors stock picking ability.
2.Using the efficient frontier for the quadratic programming to allocate portfolio
investments, could help reduce investment risk and increase investment performance.

中文部份
[1] 王瑋鈴(2003)，「相關資產與投資組合效率前緣的估計」，崑山科技大學企業管理研究所碩士論文。
[2] 邱韻蓉(2009)，「應用平滑支撐向量迴歸與灰預測於台灣加權股價指數真實波動率之研究」，國立台灣科技大學資訊管理研究所碩士論文。
[3] 呂盈錄(2004)，「依平均數-變異數準則構建ETF－以台灣50 指數基金為例」，國立成功大學財務金融研究所碩士論文。
[4] 周倖如(2007)，「如何規劃退休金- 投資組合理論之應用」，朝陽科技大學財務金融系碩士論文。
[5] 林宜賢(2007)，「應用平滑支撐向量迴歸與類神經網路於共同基金績效之預測」，國立台灣科技大學資訊管理研究所碩士論文。
[6] 於貽彰 ( 2007 )，股票分析與投資：Stock Analysis & Investment，二版，雙葉書廊有限公司，台北市
[7] 洪幸資(2003)，「控制風險値下的最適投資組合」，國立政治大學金融研究所碩士論文。
[8] 洪雅雯(2008)，「台灣上市化學生技醫療類股價指數預測之研究」，國立成功大學財務金融研究所博士論文。
[9] 徐松奕(2003)，「以技術指標對台灣加權股價期貨指數報酬之研究」，國立東華大學企業管理系碩士論文。
[10] 陳俊宇(2008)，「建立一個具效率前緣的投資組合應用於國際主要股票市場」，國立成功大學財務金融研究所碩士論文。
[11] 陳泰安(2009)，「上海綜合指數隔日收盤價預測之研究」，國立屏東教育大學應用數學所碩士論文。
[12] 郭逸奇(2005)，「基於支向量機在實際場警影像定位文字」，國立台灣科技大學資訊工程研究所碩士論文。
[13] 陳富敬(2007)，「以平均變異數方法對美國風險性資產作投資組合分析」，中央大學統計研究所碩士論文。
[14] 張嘉豪（2006），「應用平滑支撐向量分類於台灣股票市場選股之研究」，國立台灣科技大學資訊管理系碩士論文。
[15] 黃奎傑(2006)，「應用SSVM與灰色預測於投資策略之研究-以台灣股票市場電子類股為實證」，國立台灣科技大學資訊管理研究所碩士論文。
[16] 黃建銘(2005)，「支撐向量機的自動參數選擇」，國立台灣科技大學資訊工程系碩士論文。
[17] 蔡至泓(2005)，「利用平滑支撐向量法架構階層式文件分類器」，國立台灣科技大學資訊工程研究所碩士論文。
[18] 歐陽剛(2005)，「類神經網路與蟻元合作系統於投資組合管理之應用」，國立台灣科技大學資訊管理研究所碩士論文。
[19] 賴佳君（2005），「應用平滑支撐向量機於台指期貨套利之研究」，國立台灣科技大學資訊管理系碩士論文
[20] 謝劍平(2007)，現代投資學：分析與管理，四版，智勝文化事業有限公司，台北市

英文部分
[1] Fan, A. and Palaniswami, M. (2001), “Stock Selection using Support Vector Machines.”, IEEE.
[2] Chopra, V.K., Hensel, C.R., Turner, A.L. (1993). “MassagingMean-Variance Inputs: Returns from Alternative Global Investment Strategies in the 1980s”, Management Science, 39, 845-855.
[3] Elton, E. J. and Gruber, M. J. (1995), “Modern Portfolio Theory and Investment Analysis (5th ed.)”, New York: John Wiley and Sons.
[4] Geoffrey Brianton (1998), Portfolio Optimization, Risk Management and Financial Derivatives: A Guide to the Mathematics, Macmillan Business,London.
[5] Grubel, H. G. (1968), “Internationally diversified portfolios: welfare gains and capital flows”, American Economic Review, 58, 1299-1314.
[6] Kallberg, J.G.and Ziemba, W.T.（1984）, “MIS-Specification in Portfolio Seliction Problem”, Economics and Mathematical System, 227, 74-87.
[7] Kroll, Y., Levy, H., Markowitz, H.M. (1984), “Mean-variance versus direct utility maximization”, The Journal of Finance, 39, 47-61.
[8] Lee. Y.J., Hsieh W.F., Huang, C.M. (2005),”ε-SSVR: A Smooth Support Vector Machine for ε-insensitive Regression”, IEEE Transactions on Knowledge and Data Engineering , Vol .17, pp.678-685.
[9] Levy, H. and Sarnat, M. (1970) “International diversification of investment portfolios”, American Economic Review, 60, 668-675.
[10] Markowitz, H. M. (1991), “Foundations of Portfolio Theory”, Journal of Finance, Vol. 46, No.832 (January), 469-477.
[11] Markowitz, H. M. (1987), “Mean-Variance analysis in portfolio choice and capital markets,” 1stEdit.Basil Blackwell Ltd New York.
[12] Markowitz, H. M.(1959) , “Portfolio selection：efficient diversification of investment”, Wiley , NewYork.
[13] Markowitz, H. M. (1952), “Portfolio Selection”, Journal of Finance, Vol. 7, No. 1 (March), 77-91.
[14] Pang, J. S. (1980), “A New and Efficient Algorithm for a Class of Portfolio Selection Problem”, Operating Research, Vol. 8, No. 4 (September), 754-767.
[15] Rudd, A. (1980), "Optimal Selection of Passive Portfolio,” Financial Management, Spring, 57-66.
[16] Smith, K.V., Tito, D.A (1969), “Risk-return measures of expost portfolio performance,” Journal of Financial and Quantitative Analysis, Vol.4, 449-471.
[17] Smola, A., Scholkopf, B., Muller, K.R., (1998),”General cost function for support vector regression.” In T. Downs, M. Frrean, and M. Gallagher, editors, Proc. of the Ninth Australian Conf. on Nerual Networks, 79-83.
[18] Stone, B. K. (1973), “A Linear Programming Formulation of the General Portfolio Selection Problem”, The Journal of Financial and Quantitative Analysis, Vol. 8, No. 4 (September), 621-636.
[19] Tobin, J. (1958). “Liquidity Preference as Behavior Toward Risk,＂The Review of Economic Studies, 25, 65-86.
[20] Trafalis, T.B. and Ince, H. (2000),”Support Vector Machine for Regression and Applications to Financial Forecasting”, IEEE Computer Society, Vol.6, pp.348-353.