三竹股市客服的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

使用STL分解法和類神經網路進行長期股價預測

為了解決三竹股市客服的問題，作者鍾久祿 這樣論述：

股票價格的預測長期以來一直是學者們專注的熱門議題，因為把股價預測出來可以帶給民眾極大的利益，但是我們發現在過往的研究有兩個缺點，其一是大部分都是使用原始數據進行分析，但一般來說這些原始數具包含了股票的長期變動、週期性變動、突發事件造成的變動，所以我們認為直接將這三種因素丟入模型預測，很可能會對後續股票預測造成不良影響，其二是大部分都是使用短期數據預測，因此我們提出使用STL分解法來結合類神經網路進行股票預測的想法，其中STL分解法可以在類神經模型預測前將股價分成長、中、短期，再分別把這三個變項分別丟入模型內進行分析為了驗證本方法的有效性，我們設計了兩種方法，第一個是以自身過去歷史的股價結合S

TL分解的演算法，來進行自身股價的預測，並驗證此方法可能會比過往的方法來的好，第二個是以各種相關股市的股價個別拆解成長中短的變化，分別將這些長中短期的變化與欲預測的股票長、中、短期的變化進行相關性分析，且只挑出統計相關性檢定顯著相關的股票進行預測，最後實驗結果證實使用STL分解法結合類神經演算的確能進行股價的長期預測。

利用LSTM模型和外資買賣超進行短期股價預測

為了解決三竹股市客服的問題，作者陳軾杰 這樣論述：

深度學習的應用層面已經愈來愈廣，不再僅限於傳統的資訊科技領域；在金融領域，亦有愈來愈多學者嘗試結合深度學習來進行金融上的預測。本文將重點放在「股價漲跌預測」及「股票隔日出現紅K黑預測」上，並佐以較少有研究使用的外資買賣超資料，探討利用深度學習方法能否有效進行短期股價漲跌預測。深度學習的工具將採用適合預測時間序列資料的LSTM，而預測的股票會使用最受外資青睞的中型100成分股，挑選其中幾檔作為研究對象。研究結果顯示預測隔日出現紅K或黑K的結果較佳，預測隔日股價漲跌時股本較低且外資持股比重偏高的類股有較好的預測結果；同時也發現在預測時有偏移現象發生，預測數據會比實際數據還要晚個幾天。