1.4 預期研究貢獻

本研究預期在方法論、實證分析與實務應用三個層面做出貢獻。以下分別說明各層面的預期貢獻內容及其相對於現有文獻的創新之處。

現有逆向投資策略研究在設定跌幅門檻參數時，多採用主觀判斷或業界慣例。本研究預期提出一套基於 Walk-Forward 最佳化的參數選擇框架，其特點包括：

第一，系統性搜尋取代主觀假設。透過遍歷 P = 1 至 100 的完整百分位數空間，以數據驅動的方式識別最佳門檻，避免研究者先入為主的參數假設。

第二，滾動式驗證避免過度擬合。採用 Walk-Forward 方法，在每個測試年度以前期數據進行參數最佳化，再以當期數據進行樣本外測試，有效降低過度擬合風險。

第三，多維度參數整合。本研究同時考量視窗長度（L）、百分位數門檻（P）與回看天數（N）三個維度，共 3,500 種參數組合，是目前已知文獻中最完整的動態跌幅門檻參數搜尋。

除了識別最佳參數外，本研究亦預期發展一套評估參數時間穩定性的量化方法。具體而言，透過計算 Walk-Forward 驗證中各年度最佳參數 P* 的變異係數（CV），可客觀判斷策略的穩健程度。此方法可推廣應用於其他需要參數最佳化的投資策略研究。

現有文獻對動態跌幅門檻的研究，多侷限於少數幾個預設的百分位數值。本研究預期透過 P = 1 至 100 的完整搜尋，提供以下實證發現：

本研究預期提供動態跌幅門檻策略與多種基準策略的系統性比較，涵蓋：定期定額策略（DCA）、一次性投入策略（Lump Sum）、RSI 超賣策略、固定跌幅門檻策略（Fixed 20%）。透過統一的績效指標、統計檢定方法與時間範圍，本研究預期能夠為投資者提供各策略優劣的客觀比較依據。

相較於美國市場，台灣市場的逆向投資策略研究相對較少。本研究預期補充此一研究缺口，提供台灣市場近期（2015-2024）的逆向投資策略實證證據，並比較台股與美股市場的策略表現差異。

本研究預期透過交易成本敏感度分析，提供以下實務建議：

本研究預期將學術發現轉化為可操作的投資決策規則，包括：進場訊號的明確定義、資金配置的建議、參數更新的建議頻率等。