台灣證券市場自民國51年2月9日成立以來，股市中參與買賣多為一般投資人（即散戶），在從事買賣股票時，往往受到市場面的影響而無所適從。因此，本研究的目的是希望能夠以技術指標找出交易的買賣時點，並觀察是否能獲得超額報酬，提高交易的決策能力。最後並驗證台灣市場是否符合弱式效率市場假說。
本文以台灣五十指數成分股為研究標的，從作多角度進行移動平均線（MA）策略之回測。研究期間設定為2000/01/18至2016/12/30，資料頻率以日為單位，藉子期間的選擇去除趨勢後，探討下列策略於台灣五十指數成分股之績效。
一、當日K收盤價由下往上突破60日MA產生進場訊號。
當日K收盤價由上往下突破60日MA產生出場訊號。
二、當20日MA由下往上突破60日MA產生進場訊號。
當20日MA由上往下突破60日MA產生出場訊號。
上述二種策略進行敏感度分析挑出最佳策略，並觀察最佳策略下之報酬率，是否顯著異於台股加權指數同期間報酬率及無風險利率。附錄揭露最佳策略下，報酬率最佳五檔個股及報酬率最差五檔個股之報酬結構與股價走勢。本研究得到以下結論：
一、 原雙線MA交叉策略績效較原單線MA策略佳，經過參數調整後，本文定義的雙線MA交叉策略對台灣五十指數成分股回測能獲得良好的績效，且具備統計上顯著。而原單線MA策略表現不佳，負報酬家數為25檔，自策略一敏感度分析中發現，若使用較長天期之MA為計算基準，則績效略為提升。
二、 自策略一、策略二敏感度分析中，可發現使用較長天期之MA與配合交叉策略使平均年化報酬表現更佳，亦可有效減少負報酬家數。此結果顯示長期移動平均線較短期移動平均線之安定性高。最佳策略為MA15- MA90策略二：
當15日MA由下往上突破90日MA產生進場訊號。
當15日MA由上往下突破90日MA產生出場訊號。
三、 在最佳策略下，此投資組合的績效正向顯著異於台股加權指數同期間之年化報酬率，驗證台灣股市不符合弱式效率市場假說。

Today, the stock market becomes a major investment tool. Due to the requirements of professional knowledge and large amount information, neither fundamental research nor technical analysis is familiar to investors. This study aims to find out the adequate timing of buying and selling stock through technical analysis to observe whether the investors can get premium. Then , investors can get the fluctuation of stock price so as to improve the ability of decision making about transaction.

This study backtest trading strategies about Moving Average （MA） for constituent stocks of TWSE Taiwan 50 Index. The data period is from 2000/01/18 to 2016/12/30 with date frequency. We detrend the data by way of selecting sub period. We define two strategies with different structure and execute sensitivity analysis to find the best strategy.

1. Buy signal occurs when daily close price breakout sixty-day MA from downside.
Sell signal occurs when daily close price breakout sixty-day MA from upside.
2. Buy signal occurs when twenty-day MA breakout sixty-day MA from downside.
Sell signal occurs when twenty-day MA breakout sixty-day MA from upside.

We use sensitivity analysis on the two above strategies and thus we can get the optimal strategy. Then we compare the return of optimal strategy with the return of TAIEX and risk free rate to observe whether significantly different exists. The appendix shows return patterns for five stocks with the highest total return and five stocks with the lowest total return. The empirical findings are summarized as follows：

1. Original double MA crossover strategy performed better than original sixty-day MA strategy. After adjusting parameters , double MA crossover strategy on constituent stocks of TWSE Taiwan 50 Index has a good performance and statistically significant. Otherwise, single MA has a poor performance. It shows negative return of 25 companies. From sensitivity analysis on strategy one, we find that the performance raises when using MA with longer days.
2. From sensitivity analysis on strategy one and two, we get better average annualized return and the number of negative return companies effectively decreases when using MA with longer days and crossover strategy.The total return would usually be higher if the term of buy signal or sell signal was stricter.
The best strategy we found is MA15- MA90 double MA crossover strategy：
Buy signal occurs when fifteen-day MA breakout ninety-day MA from downside.
Sell signal occurs when fifteen-day MA breakout ninety -day MA from upside.

3. Under the optimal strategy, the portfolio performance is better than keeping TAIEX. This proves Taiwan stock market does not conform to weak form efficiency.

一、 中文部分
1. 方國榮（1991），「證券投資最適指標之研究：技術面分析」，國立台灣大學商學研究所碩士論文。
2. 江孟育（2015），「通道突破系統之探討-以台灣五十成分股為例」，國立臺灣科技大學財務金融研究所碩士論文。
3. 江俊良（2011），「移動平均法和相對強弱指標在台灣股市之投資績效」，明志科技大學工業工程與管理研究所碩士論文。
4. 安芷誼（2006），「技術分析對台灣股票市場投資績效之探討－移動平均線法」，銘傳大學國際企業學系碩士在職專班碩士論文。
5. 杜金龍（2008），最新技術指標在台灣股市應用的訣竅，財訊出版。
6. 林才熙（1990），「以技術分析方法之獲利性檢定台灣股市之弱式效率－CRISMA交易系統之研究」，國立台灣大學商學研究所碩士論文。
7. 林宗永（1989），「技術分析指標獲利性之實證研究」，國立政治大學企業管理研究所碩士論文。
8. 汪映廷（2012），「價量雙指標交易策略之績效研究」，朝陽科技大學財務金融研究所碩士論文。
9. 施岳宏（2013），「移動平均線結合箱型策略之運用-以台灣50ETF成分股為例」，國立屏東商業技術學院財務金融研究所碩士論文。
10. 洪美慧（1997），「技術分析應用於台灣股市之研究－移動平均線、乖離率指標與相對強弱指標之評估」，東海大學管理研究所碩士論文。
11. 徐偉倫（2015），「相對強弱指標（RSI）之探討-以台灣50成分股為例」，國立臺灣科技大學財務金融研究所碩士論文。
12. 徐瑞隆（1989），「技術分析之收益性與市場之有效性之研究」，國立成功大學工業管理研究所碩士論文。
13. 高梓森（1994），「台灣股市技術分析之實證研究」，國立台灣大學財務金融研究所碩士論文。
14. 黃彥聖（1995），「移動平均法的投資績效」，管理評論， 47-68. （TSSCI）。
15. 黃億華（2009），「台股應用移動平均線的投資策略」，國立中正大學財務金融研究所碩士論文。
16. 葉日武（1987），「以技術分析研判股票市場進出時機之效果」，國立政治大學企業管理研究所碩士論文。
17. 楊基鴻（2013），股票操作大全，楊基鴻出版。
18. 劉海清 傅英芬 陳美錞（2011），「紀律投資應用於期貨操作之損益與風險管控分析」，東吳經濟商學學報第七十四期， 1-26.
19. 謝政遠（2004），「以移動平均線、相對強弱指標與成交量檢驗台灣股票市場的效率性」，逢甲大學財務金融學系碩士班碩士論文。
20. 蘇明南 （2000），「移動平均線法則應用於台灣股市之實證研究」，淡江大學財務金融學系碩士論文。

二、 英文部分
1. Alexander, S.S.（1961）, “Price Movements in Speculative Markets： Trends or Random Walks.” Industrial Management Review, vol.2, 7-26.
2. Alexander, S.S.（1964）. “Price Movements in Speculative Markets： Trends or Random Walks,” Industrial Management Review, vol.2, 25-46.
3. Aronson, D.（2007）, Evidence-Based Technical Analysis： Applying the Scientific Method and Statistical Inference to Trading Signals, Wiley Trading.
4. Bohan, J.（1981）, “Relative strength： further positive evidence.” Journal of Portfolio Management , Vol.7, 36-39
5. Brock, W., Lakonishok, J. and Blake, L.（1992）, “Simple Technical Trading Rules and Stochastic Properties of Stock Returns,” Journal of Finance, Vol.47, 1731-1764.
6. Chong,T.T.L., Li, E.H.T. and Kong,K.T.K.（2011）, “Are Trading Rules Profitable in Exchange-Traded Funds?” Technology and Investment, Vol.2, 129-133.
7. Coonter, P. H. （1964）. “Stock Market Price： Random vs System Change,” Industrial Management Review, vol.3, 24-25.
8. Coutts J. A. and Cheung K.C.（2000）. “Trading Rules and Stock Returns： Some Preliminary Short Run Evidence from the Hang Seng 1985-1997,” Applied Financial Economics, 579-586.
9. Fama, E. F.（1970） , ”Efficient Capital Markets： A Review of Theory and Empirical Work.” The Journal of Finance, Vol.25, 383-417.
10. Gunasekarage, A. and Power, D. M.（2001）, “The Profitability of Moving Average Trading Rules in South Asian Stock Markets”,Emerging Markets Review, Vol.2, 17-33.
11. James, F. E.（1968）. “Monthly Moving Averages-An Efficient Investment Tool,” Journal of Financial and Quantitative Analysis, vol.3, 315-326.
12. Jensen, M. C. and Benington, G. A.（1970）, “Random Walks and Technical Theories： Some Additional Evidence.” Journal of Finance ,Vol. 25, 469-482.
13. Kahneman, D. and Tversky A.（1979）, “Prospect theory： An analysis of decision under risk,” Econometrica, Vol. 47, 263-292.
14. Lento, C. (2014), Handbook of Asian Finance: REITs, Trading, and Fund Performance, 255-265.
15. Pruitt, S. W. and White, R. E.（1988）, “The CRISMA Trading System： Who Says Technical Analysis can not Beat the Market?” Journal of Portfolio Management, Vol.14, 55-58.
16. Reilly, F. K. and Brown, K. C.（2005）, Investment Analysis and Portfolio Management, SouthWesternCollege; 8th edition.
17. Roberto, C.R. and Francisco, G. and Karolina, M. （2015）, “Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data” Expert Systems with Applications, Vol.42, 5963–5975.
18. Van Horne, J. C. and Parker, G. G. C.（1967）. “Technical Trading Rules： A Comment,” Finanal Analysts Journal, vol.35, 128-132.