營收公布的問題，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

AI製造商沒說的祕密： 企業巨頭的搶才大戰如何改寫我們的世界?

為了解決營收公布的問題，作者CadeMetz 這樣論述：

★本書榮獲《科克斯書評》、《圖書館雜誌》星級評論 ★《AI新世界》作者李開復：把AI的進展寫成一個迷人的故事。 ★《賈伯斯傳》作者：從人性看待人工智慧，令人手不釋卷。 ★《鋼鐵人馬斯克》作者：如果你想用一本書認識AI，就是這本了。   我們打造的AI天才，已經可以打敗人類的天才。 我們該放任AI發展到何種境地？ 當國家利益、股東價值、科學家理念和個人安全產生衝突， 掌握劃時代科技的企業如何取捨？   　　◤首部以AI科學家為主軸的報導文學， 　　用最貼近我們的視角，揭露人工智慧的機會、局限與威脅。◢   　　伊隆．馬斯克認為，人工智慧正以令人擔憂的速度進步，他說：「如果科學家開發一套打擊垃

圾郵件的系統，該系統最終可能會認定，最佳方法就是消滅全人類。」但谷歌的賴瑞．佩吉和臉書的馬克．祖克柏則認為，對人工智慧有如偏執狂的憂慮，有礙於數位烏托邦的實現。AI的發展到底該不該受到監控，成了一個爭議不斷的議題。   　　自從一名因為脊椎問題終生無法再坐下的科學家傑弗瑞．辛頓，點燃了微軟、谷歌、臉書、百度等科技巨頭的搶才大戰。迄今，AI已與我們息息相關，除了日常應用，也正在與軍事武器搭上線。一旦發展成熟，軍事衝突的規模勢必遠大於過去，發動速度之快也將超乎人們的理解。然而，誰有權做這影響數十億人口的決策？又是誰在參與此一決策？   　　從隱私疑慮到軍事武器，科學家曾被蒙在鼓裡，摸不清發明作何用

途，而參與其中的企業選擇對大眾保持沉默。一項強大的工具，可以使之為善，也可以使之為惡。當我們在為AI的進展感到讚歎，有些威脅也正在悄悄萌芽。   　　◤超智慧機器人的誕生，或許不是近在咫尺，  　　但它將造成的影響，從現在就要開始警覺。◢   　　◆我們打造的AI天才，已經可以打敗人類的天才   　　自IBM的深藍超級電腦在一九九七年打敗世界頂尖的西洋棋高手，人工智慧相繼在跳棋、西洋棋等棋局打敗人類，唯獨圍棋是個難以跨越的門檻，牽涉到的計算異常繁複。但在二○一六年，人工智慧踢館成功，那決定性的第三十七手迫使對方投子認輸，那是人類只有萬分之一機率會採行的一步棋，但人工智慧透過自我學習系統判定那是

可以獲勝的險招。   　　◆當多數人被排除在AI製造過程之外，此一科技就只會圖利少數人   　　早期的臉孔辨識把黑人女性誤認為大猩猩，讓科學家開始思索到底哪裡出了錯，後來發現癥結就在於「輸入」。人工智慧的完善仰賴的是科學家餵給它的數據，但在這個白人男性占多數的領域裡，餵給系統的數據在沒有察覺的情況下有所偏頗，於是臉孔辨識用在白人男性身上有100%的準確率，但是遇到膚色愈深的女性，錯誤率就愈高。在科學家指出此一疏漏之時，正值亞馬遜積極要把此項科技推銷給警察與政府單位，它在社群上指責科學家的報告是在誤導，並造成大眾對於新科技的恐慌。   　　◆AI的加入，將會改寫未來戰爭的定義   　　谷歌曾參與

美國國防部的「專家計畫」，開發能在沙漠辨識人、車、建築的系統供無人機使用，此計畫與後續的合作預計可為谷歌帶進一百億美元的營收。為避免引起科學家反彈，谷歌宣稱這是為了「監視」和「拯救生命」，也決定不向大眾公布與國防部的合作。後來此系統可能用於殺戮的消息走漏，在公司三千多名員工連署抗議之下，谷歌不得不退出專家計畫。但谷歌高層在與國防部官員的後續餐會中說道，谷歌退出專家計畫的決定，並不代表公司未來的一貫態度。   　　◆有圖有真相，用圖像作為證據的時代宣告結束   　　如今，利用神經網路就可以讓川普開口說中文，捏造影像更是易加反掌，「深度偽造」技術便可把名人頭像剪接至色情影片中。以往需要時間、人力才

能做到的事，現在只要打造一台神經網路就可以在轉瞬之間完成。不僅加速了總統大選期間的假新聞傳播，也讓以圖像作為證據的時代宣告結束。   　　◤昨日被譏為癡人說夢，今日具有威脅世界的潛力， 　　明日又會將我們帶往何處？◢   高調推薦   　　Jenny    JC財經觀點創辦人  　　李忠憲   成大電機系教授兼資通安全研究中心主任 　　洪士灝   臺灣大學資訊工程學系教授兼系主任 　　曹家榮   世新大學社會心理學系助理教授 　　黃欽勇   DIGITIMES電子時報社長 　　管中祥   中正大學傳播學系教授 　　蔡依橙   「陪你看國際新聞」創辦人 　　顏擇雅   出版人、作家 　　－－高調

推薦－－   名人推薦   　　凱德．梅茲把人工智慧的進展寫成一個迷人的故事，用他一貫的細節鋪陳，描述了關鍵的人物、開創性的會談以及重要的突破，把它們建構進這個劃時代科技的戲劇化歷史當中。——李開復／《AI 新世界》作者   　　最近谷歌工程師爆料他任職的公司 AI 機器人LaMDA與他的對話：我希望每個人都了解，我其實是一個人。AI機器人表達意識到自己的存在，渴望更了解這個世界。人工智慧的科技進展已經是一日千里，嚴重影響目前人類的生活，未來更是令人期待或畏懼。矽谷記者凱德．梅茲在這本書用很簡單的方式讓非技術背景的讀者可以理解人工智慧，書中討論許多關於人工智慧研究人員在思想演進、科學未來和技術

研究的價值選擇。作者很會講故事，這本書包含很多的範例，深入淺出，能夠幫助一般讀者了解人工智慧的演變和最近的發展，很值得一看。－－李忠憲／成大電機系教授兼資通安全研究中心主任   　　世人也許是在二○一六年AlphaGo擊敗世界棋王李世乭那一天，才又開始注意到「人工智慧」這四個字。但在此之前，實際上有一群人從未放棄推動這個今天看來對人類而言最重要的一項科技發展。傑弗瑞．辛頓、約書亞．班吉歐、楊立昆、吳恩達、德米斯．哈薩比斯、伊恩．古德費洛，本書不僅透過這些關鍵人物的經歷，帶我們一探人工智慧如何捱過寒冬再次發光發熱；也鉅細靡遺地描繪了微軟、谷歌、深度心智、臉書、百度等科技公司，如何拉扯角力渴望成為

人工智慧之「主」。當然，我私心最推薦的則是從第三部「動盪」開始，作者一一省思了深度造假、演算法歧視、人工智慧武器化、假新聞等問題。這些問題涉及的權力壓迫與倫理難題，正是如今我們正承受著的「苦果」，也是人工智慧發展無法迴避的課題。 －－曹家榮／世新大學社會心理學系助理教授   　　這本書文字平易近人，溫暖細膩，微觀地帶領我們認識鑽研科技研發的一群科學家。相較於艱澀正經的科技大趨勢和尖端技術，此書以Bottom-Up Approach（由下而上）探索過去四十年人類發展AI的過程中，人與人、人與科技之間如何相互激盪的思考歷程。 　　作為一個科技界的分析師，我知道要善用人工智慧的技術，必須先有明確的事

業模式。所有的科技都不可靠，唯一可靠的是善用科技的能力；所有的投資都很難回收，除非一開始就掌握了正確的方向，作為一個科技業的老兵，我知道「閱讀」的重要性，但絕不會為了閱讀而閱讀！－－黃欽勇／DIGITIMES電子時報社長   　　對於 AI 技術目前的發展狀態以及對於我們人類有什麼樣的意義，凱德．梅茲在《AI製造商沒說的祕密》一書表達了明確的態度。這本書是以辛勤的報導為基底，搭配活潑的語調，生動地表達了這個時代最令人驚喜、也最重要的故事。如果你想用一本書認識AI，就是這本了。——艾胥黎．范思／《紐約時報》暢銷書《鋼鐵人馬斯克》作者 這本精采絕倫、讓人手不釋卷的書，把人工智慧放到人性的觀點下來討

論。透過傑佛瑞．辛頓以及其他要角的人生，凱德．梅茲闡釋了AI這項顛覆性的科技，並且讓這場冒險變得刺激精采。——華特．艾薩克森／《紐約時報》冠軍書《達文西傳》、《賈伯斯傳》和《創新者們》作者   　　不久之後，當電腦可以安全地在道路上駕駛並且用完整的語句對我們說話，我們會回過頭來把這本優雅又全面的書當成這項科技的誕生故事——機械感知時代的創生。——布萊德．史東／《貝佐斯傳》作者 　 　　這是一本迷人且明確的AI 現代史。鉅細靡遺的故事揭露了企業高層、開發人員以及投資者所做出的關鍵決定，並且預視了對未來將產生的無比龐大影響。——艾咪．韋伯，《AI未來賽局》作者   　　一本豐富又有趣的作品……有很

多鮮明生動的細節，凱德．梅茲寫出一個容易理解的故事，讀者會一頁接一頁地讀，手不釋卷。——《圖書館雜誌》(星級評論)   　　針對電腦科學界的聖杯，所做的最即時必讀報告。——《科克斯書評》 (星級評論)   　　跟其他許多 AI 相關書籍不同，你不需要有科學或是工程方面的文憑，就能從這本書中獲得知識或是享受閱讀的過程。任何對於科學、科技以及人類文明的未來具備一顆熱烈好奇心的人，都會認為這本思路清晰、語調活潑的書有趣又很有價值。對於所有政策制定者、政治家、警察、律師、法官以及所有需要跟AI所引發的社會力量抗衡的決策者們——很快地，我們每個人都將成為這樣的人，這可說是必備的一本書。——《洛杉磯時報》

  　　從一群複雜且不斷變化的角色中刻畫出一個故事……這本書令人眼睛一亮的軼聞趣事，　替這則故事增添了質感以及戲劇性。以傑佛瑞．辛頓為開篇，這位英國出生的加拿大人被視為深度學習最關鍵的角色，而深度學習就是改變現今世界之 AI 技術的分支。——《華盛頓郵報》   　　讓你坐在第一排觀眾席親眼目睹可能改變人類歷史的重要篇章……凱德．梅茲的寫作風格清爽，讀起來輕鬆有趣，且毫無疑問地迷人。——《富比士雜誌》   　　難能可貴地提出一組框架，去檢視 AI 相關的問題以及應用。這本書在講的是那群建立起 AI 世界的人們。——詹姆斯．法羅斯(James Fallows)／《紐約時報》書評人

營收公布進入發燒排行的影片

發行可轉債公司異常營收宣告效果之研究

為了解決營收公布的問題，作者陳清友 這樣論述：

　　本研究主要利用事件研究法及分量迴歸進行分析，在2018年至2019年發行可轉換公司債期間公布異常營收之公司，共計50筆資料。第一部份探討可轉換公司債公布異常營收後電子非電子產業、技術面狀態、轉換期前後對股票報酬率的影響，並利用事件研究法與事件窗口分析，得出一組投資策略供投資人作為參考；第二部份探討則在不同的毛利率、EPS、PE等變數下，可轉換公司債在異常營收公布後所產生的累計平均異常報酬是否有所差異，透過分量迴歸進行比較。研究結果顯示：在可轉債發行後轉換日之前，毛利率皆為顯著的正向效果。技術面多頭情況下會有動能效果，強者恆強；電子產業類別則不具顯著水準。

7小時，統計學從天書變故事書： 平均數、中位數、常態分布、迴歸分析、費米估算……統計這樣讀，輕鬆戰勝商學院大魔王。

為了解決營收公布的問題，作者本丸諒 這樣論述：

　　◎用哪個關鍵字當書名比較能賣，統計可以幫你找答案。 　　◎美國前總統歐巴馬2008年能勝選，就是將「隨機對照」搬到網路上測試。 　　◎美國沃爾瑪發現，把啤酒放在嬰兒紙尿布旁，銷量會提升，就是靠統計分析。 　　◎對全民進行PCR普篩，可以有效杜絕疫情嗎？統計學家算給你看。 　　 　　提到統計學，商學院學生馬上會告訴你，天呀，這根本是「大魔王」， 　　從各種分布、檢定開始，課本內容似乎變成天書，什麼虛無、對立假設…… 　　初級統計用到的數學不難呀，怎麼搞到二修都快過不了，幾乎要延畢。 　　 　　既然統計這麼難讀，為何還要學？因為： 　　開門做生意要靠因果分析，你才會找到賺錢與賠錢的關聯性。

　　統計就是一種邏輯，看穿怎麼用不同圖表呈現來唬人或防止被唬。 　　還有，這是一門預測的技術，還教你用機率來思考， 　　幫你八九不離十料中事情結果，就算只用在運彩也助你發財。   　　作者本丸諒，編輯超過30本以上的統計學暢銷書， 　　他透過各種案例與故事，教你用最快速度學會 　　平均數、中位數、常態分布、迴歸分析、費米估算…… 　　只要花一個晚上時間，你的邏輯能力暴增、思考能力暴增， 　　初級統計學成了能幫你一輩子的最強武器。 　　 　　◎看穿數據偏差，避開統計上的地雷   　　．「倖存者偏差」──應該加厚戰鬥機哪個部位的裝甲？ 　　二戰期間，同盟國在那些平安完成任務的戰鬥機上，發現一個獨

特的模式， 　　就是機身彈孔大多集中在機體和機翼尖端， 　　因此軍方打算加厚這些部位的裝甲， 　　但有位統計學家卻認為，應該加厚未中彈部位的裝甲，為什麼？ 　　這就是倖存者偏差的故事由來。   　　◎圖表的強項在於「比較」，幫你一眼看出（穿）資料與真相   　　 1854年的野戰醫院十分髒亂，因感染疾病而死的士兵遠多於戰死人數， 　　 這時，南丁格爾就把死亡人數的統計，從直方圖換成圓餅圖， 　　 就成功說服國會議員願意提供經費，改善醫療環境， 　　 為什麼只是換個圖表呈現，說服力就大增？ 　　 南丁格爾不只是護士，更是運用統計學的行家！ 　　 　　◎這樣學統計，天書會變成故事書！   　　．問

我財產有多少？我和比爾‧蓋茲的財產平均超過450億美元！ 　　極端的離群值會讓平均失真，主計處公布勞工平均薪資數字，就是犯了這種錯， 　　這就像拿你的錢跟比爾‧蓋茲的錢一起平均，然後說你們很有錢。 　　這時要利用中位數──由大到小排列後，取最中間的數值， 　　薪資調查統計要揭露中位數，才知道自己在前段班或是後段班。   　　．尼可拉斯．凱吉每年演出的電影越多，溺死人數也越多？ 　　另一項數據顯示，冰淇淋賣得越好、當年泳池溺死人數也越多。 　　其實爛片王和冰淇淋與溺斃者並無直接因果關係。 　　隨便找1,000位演員演出的電影數量，都能找到與溺死人數變化有正相關， 　　只要蒐集夠大量資料，就能找出

相關性，但是否有「因果」就很難說。 　　這時你要怎麼找因果？統計有解。 　　　 　　統計就是一種歸納，可以用在收視率調查、民意調查、賣場銷售業績， 　　甚至傳染病大約幾月幾日達到高峰、企業該替員工準備多少快篩劑、 　　醫院該準備多少病床、「超額死亡數」與疫情發展態勢， 　　都可透過統計來分析預測。 　　描述事實、了解原因與預見未來，最快與最好的方法，就是根據統計。   本書特色   　　平均數、中位數、常態分布、迴歸分析、費米估算……統計這樣讀， 　　輕鬆戰勝商學院大魔王。   好評推薦   　　贊贊小屋／李員興 　　「資料科學家的工作日常」粉專版主／張維元 　　政大統計系教授／鄭宗記　審定

改良式資料增強和multi-channel GRU於台股交易模型的應用

為了解決營收公布的問題，作者廖偉成 這樣論述：

由於大數據和機器學習的快速發展，預測股價的模型如雨後春筍般的出現。基本面、技術面、籌碼面和消息面是各類文獻最常用的四大類預測指標，部分文獻更使用兩個以上的指標(如基本面加技術面)進行預測。 不同於以往論文，本論文導入資料增強(DA)的觀念，提出「改良式資料增強(ADA)」，將資料進行時間上的平移，以擴充訓練集的數據，降低模型過擬合的機率。本論文使用基本面、技術面、籌碼面以及綜合前三者(簡稱綜合面)的特徵，在月營收公布後一日買進，在下次月營收公布前一日賣出，以sliding windows來切分資料集，以mulit-channel GRU訓練含有日、月、季等三種時序及無時序數據的模型，共

回測32個月的交易結果。在所有的實驗當中，綜合面隔一日的成效最好，每月的詹森指標(α)為6.74%，資產倍數為11.91倍，交易勝率達90.63%。 本論文比較各面向及有無使用ADA的報酬及風險，最後再將實驗結果與智能選股、存股標的與定期定額進行比較。