新聞頭條的問題，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

【從賽局思考到趨勢預測，全方位實戰課套書】(勝算：賭的科學與決策智慧+傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長)

為了解決新聞頭條的問題，作者AdamKucharski 這樣論述：

《數學大觀念》作者亞瑟‧班傑明與 《數學教你不犯錯》作者喬丹・艾倫伯格，專業力挺！ 　　▎《勝算：賭的科學與決策智慧》 　　從「賽局理論」約翰・馮紐曼到《他是賭神，更是股神》愛德華．索普， 　　博奕的魔力吸引了古往今來各領域的頂尖腦袋， 　　他們的研究成果，對於理解運氣和決策有何啟發？ 　　又點出我們解讀事物的哪些常見盲點？ 　　長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。 　　我們常用「運氣」和「技巧」截然劃分事情的成

因，問題是兩者的界線沒有那麼分明。了解賭的科學，你將學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。 　　●懂博奕，你會更洞察盲點 　　○輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展…… 　　○賭場改用多達六副牌擾亂算牌客，為何效果適得其反？ 　　○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干？ 　　○為何有些投注公司反其道而行，樂於吸引精明賭客來投注？ 　　○投注業者改變賠率不是為了符合結果的真實機率，那是為啥？ 　　●懂博奕，你會更了解投資 　　○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？ 　　○交易機器人崛起後

，金融市場的哪些現象你尤其該審慎解讀？ 　　○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？ 　　○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？ 　　○投資領域的「基本分析法」，要注意什麼盲點？ 　　○購買擔保債券憑證時，要避免什麼錯誤假設？ 　　●懂博奕，你會更善於決策 　　○機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？ 　　○撲克牌是許多生活實際狀況的完美縮影，因為它試圖處理缺漏的資訊。 　　○賽局未達到最佳結果時，參與者的決定不會趨向平衡，而會大幅震盪。 　　○參與者易失誤或得在賽局中學習時，賽局理論不是找出最佳策略的好方法…… 　　●懂博奕，你會更過

好人生 　　○為什麼選擇最簡單的解釋，往往反而明智？ 　　○為何最快的解決方法，有時像在走回頭路？ 　　○人性偏誤會導致我們誤判賽事的哪些方面？ 　　○優秀的機器人程式不能只有蠻力，還要懂心理學才行。 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　最符合現今時局需求的著作，讀者異口同聲：「好看到讓你想『傳』給別人」！ 　　一種致命病毒蟄伏多年，於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開，隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」，致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來，自此改變世界的樣貌…… 　　說到「傳染力」，我們往往聯

想到疾病傳播，然而本書並非僅僅探討疾病擴散的生物學，更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究，他擅長從統計、模型、演算法、因果論乃至大數據等角度著手，探究疾病於何時發源於何處、散播開來的熱點又是什麼（哪個人或事件、地點），從而預測事態的後續發展，並且建議妥適的因應之道。 　　由於流行病學探究傳染力所得的成果，已廣泛應用至諸多領域，因此本書內容雖以疾病傳播起頭，以疫情控制做結，然而書中頭尾之間的篇幅，則切入相當廣泛的領域，像是： 　　●金融界普遍相信分散投資能降低風險，然而已有多項研究發現，隨著「金融傳染途徑」形成，分散投資可能會破壞大型金融網絡的穩定性。 　

　●從健康、生活風格，一路到政治觀點等，我們與熟人往往具備共同特徵，科學家如何釐清這是基於同質性或共有環境？還是社會傳染所致？ 　　●從疾病流行到恐怖主義與暴力犯罪，科學家發展出預測模型，除了能協助機構擬定防治對策並妥善分配資源，亦可說服民眾配合甚至協力。 　　●網際網路創造了新形態的互動，本書探究網紅崛起、情緒感染與輿情操縱等現象，也探討網路如何成為我們研究事物傳播方式的新方法。 　　●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備，乃至程式碼共享難溯源等情形，一旦出現「疫情」可能會怎麼樣發展？ 　　……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察，乃至暴力事件等等，

作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣，許多現象牽一髮動全身，「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭，想要解讀眾多現象與趨勢，擬出因應之道，你不能不知道！ 各界推薦 　　▎《勝算：賭的科學與決策智慧》 　　●庫查斯基以風趣的寫作，介紹必勝投注法的歷史和最新進展，讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明 　　●這本書闡述博奕、科學與數學間的交互作用，寫得趣味橫生……記敘輕鬆連貫，而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌 　　●賭客和數

學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》 　　●作者將博奕如何影響科學、科學又如何影響博奕的故事，寫得相當成功。本書淺顯易讀，但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬 　　●這本書用許許多多的故事，敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後，我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　►自古至今，從聖經中的瘟疫，到當前攻占新聞頭條的新冠病毒：疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事，探索「傳染」這一門學問。讀了之後，保

證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格（Jordan Ellenberg） 　　►本書充分展現科普魅力：筆法趣味橫生、清楚明確；主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家，涉獵心理學、醫學、網路理論以及數學，以精采權威的論據，帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒，了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力，所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯‧貝洛斯（Alex Bellos） 　　►例證豐富，以務實角度切入，說明如何以數學幫助了解傳染，進而以更好的方式應對千變萬化的傳染形式。作者處

理議題廣泛，既談疾病大流行，亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機，本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得‧皮奥特（Peter Piot） 　　►以數學角度切入，精采探討有些事物何以會快速傳播，而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說，他帶領讀者了解公衛模型於疾病傳播上的應用，檢視都市槍枝暴力的人際關係網絡，並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》 讀者評語 　　如果想多了解「傳染」擴散背後的數學邏輯，這真的是一本好書。這本書不只探討流

行病學，也以更寬廣的格局談論股市、社群媒體……等，探討有些事物能快速「瘋傳」，有些卻欲振乏力，背後機制為何？作者是數學家，所以這本書不是生物學著作，但也非數學專書。這本書最精采的地方，在於呈現各統計模型中有多少未知因子，以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷，這也增加了論點的說服力。整體而言，讀起來讓人大呼過癮。  

新聞頭條進入發燒排行的影片

家族辦公室發展及其監管制度

為了解決新聞頭條的問題，作者李惠娟 這樣論述：

「富過三代、百年傳承」是所有家族企業的夢想。臺灣部分的家族企業由於事先未做好傳承規劃，並無接班人才帶領家族企業成長，導致後續家族內部紛爭、進而危害家族財富與公司治理。隨著台灣財富逐年增長，家族企業也開始意識到傳承規劃的重要，紛紛尋求專家為其設立家族辦公室，或針對某些需求諮詢專家意見，導致了家族辦公室服務的需求日益增加。 「家族辦公室（Family Office，FO）」在歐美行之有年，專為富裕家族提供投資、稅務及法律等服務，管理並分配其家族資產，使其資產能有效利用，家族事業能永續傳承，維持家族成員既有利益，進而創造財富分享成員，更甚者亦能善盡社會責任義務，回饋大眾。 家族辦公

室是否要監管，又該如何進行監管？目前在各先進國家與地區各有不同的做法。本研究計劃即就幾個華人家族辦公室設立最多的國家和地區，例如：美國、新加坡、香港等地，同時也是全球家族辦公室的匯集地，來探討各地區的監管政策及其採取鼓勵發展的措施；並拜訪相關業界的專家們進行深度訪談，以了解台灣目前家族辦公室的運作情形，及對產業監管的意見。進而從現有的法律規定來檢視目前家族辦公室的運作模式，以期能提出符合一般台灣民眾期待、維護公眾利益，且未來在監管上可行的方式，能作為台灣家族辦公室在其設立及運作上監管的具體建議。

從鬱金香到比特幣的泡沫狂歡：大宗商品市場400年投機史

為了解決新聞頭條的問題，作者托爾斯登．丹寧 這樣論述：

速讀橫跨四世紀的投機和商品期貨市場！ 鉅虧與暴富的循環，比股票市場更古老的交易領域！ 凡是能貨幣化的東西，就會有對賭漲跌的投機神話── 大通膨週期裡，人們必須溫習的一本金融史書。 　　收錄原油、貴金屬、農作物、加密貨幣的交易常識， 　　一窺商品炒家與大型機構交易員的預期與意料之外…… 　　從「荷蘭鬱金香狂熱」到今天的比特幣等重大財經市場商品的迷人觀察。本書涵蓋了如「白銀星期四」和亨特兄弟及許多投資機構的厄運；見證銅、黃金、稀土、能源金屬和比特幣，在一年內上百倍的漲跌幅。 　　商品市場的定價往往處於歷史與地緣等大趨勢的十字路口上，緊急的事件與人為的炒作往往使其高度偏離實際交易的價格。本

書通過研究和學習這個市場的災難及狂歡，了解一個比股票市場更為驚人的投機場域，也從中見證了政治、經濟與天候對重要資源世界的金融化效應。 本書特色 　　★從17世紀的鬱金香瘋狂到今天的比特幣，本書涵蓋了商品市場（commodities market）歷史上最大型、最多錢、最有趣的時間。作者結合了真實市場事件以及知名商人的私人經歷，不論是獲得還是失去了一大財富，都在這本書中呈現給讀者。   　　★從「銀色星期四」（1980年代美國白銀市場的重要事件）以及亨氏兄弟的操作、到大型機構交易員的慘烈厄運、剛果以及銅的市場、黃金、能源金屬到比特幣（從1000美元的價值一路升到2萬美元的價格），這一切都將在

本書中一一敘述。商品市場所投資的是大潮流，比如人口統計、氣候變化、電子化及數位化。所以商品市場作為投資未來，一定持續會是熱門的話題；而大好機會背後的大風險也是本書各個狂歡故事的背後教誨，在這個高度炒作的市場中，人類不斷地重複貪婪與破產的循環規律。儘管有這麼多的泡沫歷史──然而，總有新的商品成為投資新聞中的新寵，這慘烈的軌跡也是現代金融值得紀錄的瘋狂一頁。 　　★了解龐大的大宗商品交易市場的交易規格及歷史，重要的交易標的物包括： 　　鬱金香狂熱──史上最大泡沫 　　鑽石──全世界最硬貨幣的崩盤 　　天然氣、可可──驚人的交易幕後 　　黃金與白銀──金本位制的終結之後 　　原油──地緣大事件的投

機 　　糖、小麥與稻米──與天對賭的農產品 　　棉花──「白色的金子」 　　釹、鏑和鑭──稀土狂潮 　　加密貨幣──橫空出世 好評推薦 　　如同犯罪小說一樣的洞察力，本書引導我們經歷大宗商品和加密貨幣市場的興衰。──法蘭克．梅爾，德國電視新聞n-tv記者 　　身為歷史學家，我很愛托爾斯登對於形塑大宗商品產業一些為人所知（還有較不知名）事件的洞察。我非常推薦本書給想要更瞭解大宗商品市場的人。──安德魯．瑟克，網站《礦與金錢》內容主管 　　對商品市場感興趣的私人和機構投資人，都可以透過本書獲得豐富的知識。托爾斯登．丹寧介紹歷史上出現的模式，值得仔細閱讀。──尤申．斯特傑，瑞士資源資本執行長

　　我很期待這本書！這些歷史事件很有趣，而且全都集中在本書中了，真是太好了！──湯瑪士．雷梅特，投資公司布洛索利德營運長暨創辦合夥人 　　不論是人為錯誤、戰爭或是天然災害，從石油、花朵、食品和金屬市場的經濟起落，本書帶領讀者經歷過去400年來的金融風暴。儘管波動劇烈，還是有人想要在危機最嚴重時把握機會。有些人成功，有些人當然會失敗。本書絕對是必讀佳作。──亞歷山大．亞庫布曲克，歐爾蘇金屬公司營運長暨探勘部主任 　　托爾斯登是商品市場真正的學生，他詳述長期以來市場的重大興衰，提醒了我們，所有人都仍在學習。──丹尼爾．布利茲，加拿大蒙特屢銀行資本市場公司董事經理暨地區主管 　　「興衰」一

詞通常是指帳面上的獲利與損失，但是托爾斯登的書破解這個迷思。他引導讀者經歷一段刺激的歷程，解釋興衰究竟是什麼，並指出興衰所呈現的機會。──葛瑞格．哈里斯，CIBC世界市場執行董事

應用混和水母與粒子群最佳化演算法為基礎之支援向量機於股票市場趨勢之預測

為了解決新聞頭條的問題，作者邱子軒 這樣論述：

對於各個國家的經濟來說，金融市場一直扮演著十分重要的角色。而市場預測更是研究者與投資者們重視的研究領域。除了傳統的預測模型外，機器學習的方法也被廣泛的應用在這個領域上。然而，隨著現代網路與通訊科技的進步，資料的數量愈來愈多，形式也變得更加多樣。除了最常被使用到的股票價格、成交量以及相關技術指標外，新聞以及社群軟體中文字的資料也被應用在這個領域。在這些數量多且類型不同的資料中找到有用的資訊也成為市場預測必須解決的問題。為了解決這個問題，本研究提出了應用混和萬用演算法(Hybrid of Jellyfish and Particle Swarm Optimization, HJPSO)來同時處理

資料量過多與調整預測模型參數的支持向量機(Support Vector Machine, SVM)，並且在預測完成後進一步結合規則萃取的方法來解釋分類的原則。本研究同時考慮股價資料中的技術指標以及財金新聞中的文本資訊，使用標準普爾500指數(S&P 500)以及三家報社的財經新聞頭條來驗證所提出的模型，並運用準確度與實際回測的方法來衡量此方法的有效性。根據實驗結果證實，相較於基本的SVM以及基於基本萬用演算法的SVM(GA-SVM, PSO-SVM, JS-SVM)，本研究提出的基於混合萬用演算法之支持向量機HJPSO-SVM能獲得較優異的表現。