日月光股價預測的問題，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

六爻神卦推運法

為了解決日月光股價預測的問題，作者文衡富 這樣論述：

　　基礎入門明卦理，卦技靈活細至分，學習卦爻生剋路，豐富解析易領悟， 　　財運、婚姻、股票、事業運數百例，循序漸進淺入深，簡潔思維條理明， 　　六爻預測窺天機，幸福生活卦中詢。 　　六爻卦的玄妙，沒有真正深入探究，無法領會，生活點滴都可經由占卦，預先洞悉過程與結果，是一門實用的工具書。 　　卦可依占卜者的需求，分門別類提供有用的資訊，對單一事件，給予相當準確的建議，能夠精確解卦，可為生活帶來許多前瞻性的作為，筆者以八字能細看到分的研究精神，同樣在占卦上下功夫，發現卦爻之間的生剋，有著多層次的訊息，只要有豐富的想像力解卦，就能為生活的決策加分。 　　本書以作者自身學習六爻卦的經驗，引領

讀者入門，站在學習者的立場，分析卦理，不只是三言兩語告知結果，而是將解卦要領無私分享，有興趣學習者，短期即可領悟奧妙，增強卦技，增添生活色彩，知命掌運！  

日月光股價預測進入發燒排行的影片

重大疫情下股價預測之研究

為了解決日月光股價預測的問題，作者楊治鎧 這樣論述：

本文旨在對重大疫情下的股價預測進行探討。研究期間為2003年1月至2020年8月。本研究先使用ARMA與GJR模型對2003年1月至2019年12月的大盤指數報酬率進行估計，然後再進行2020年1月至8月的預測，並與實際結果做比較。實證結果顯示，大盤指數報酬率的變異數確實存在不對稱的槓桿效應，即壞消息相較好消息對波動性所造成的影響為大。此外，大盤指數月報酬率的動態預測，確有預測到3月股市跳水的現象，惟靜態預測卻偏離了2個月的時間；而大盤指數日報酬率的靜態預測，亦有預測到3月股市跳水的現象，僅落差1天，惟動態預測則偏離了近1個月的時間。

透視電子股奇蹟

為了解決日月光股價預測的問題，作者連乾文 這樣論述：

　　字一九九四年起連續四年，台股漲幅排行榜皆由電子股奪魁。一九九七年台股飆上萬點，電子股功不可沒。電子股究竟有何魅力？產品功能為何？上、下游廠商及國外大廠間有何關係？各上市上櫃公司未來展望如何？《透視電子股奇蹟》為投資人解構這群台股金雞母，幫助投資人在茫茫電子股中擦亮眼睛、汰弱擇強。

應用機器學習方法於股價預測之研究

為了解決日月光股價預測的問題，作者陳怡諭 這樣論述：

股價預測是一種時間序列 (time series) 問題。為了有效地建立股價預測模型，本研究使用ML 「機器學習」(machine learning) 方法，包括了BPNN 「倒傳遞神經網路」(back-propagation neural network) 與SVR「支持向量迴歸」(support vector machine) 等方法。BPNN「倒傳遞神經網路」使用兩種學習演算法，分別是SCGA「尺度化共軛梯度算法」 (scaled conjugate gradient algorithm) 與 GDA 「梯度遞降算法」(gradient descent algorithm)。SVR 「

支持向量迴歸」方法使用三種核函數，分別是高斯、多項式與線性。本研究收集了三個股價資料集，用以建立預測模型。實驗結果指出BPNN-SCGA 「倒傳遞神經網路—尺度化共軛梯度算法」可以具有良好的學習與測試結果。此外，BPNN-SCGA 「倒傳遞神經網路—尺度化共軛梯度算法」與SVR 「支持向量迴歸」方法的性能優於BPNN-GDA 「倒傳遞神經網路—梯度遞降算法」。因此，BPNN-SCGA 「倒傳遞神經網路—尺度化共軛梯度算法」與SVR 「支持向量迴歸」等方法可以是有效的股價預測工具。此外，本研究提出兩項管理意涵，分別善用ML「機器學習」方法有效塑模與解析應用有價值資訊以輔助決策。