美國20年公債即時走勢的問題，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

新興市場債券與美國公債資產相關性分析

為了解決美國20年公債即時走勢的問題，作者侯允中 這樣論述：

自金融海嘯以降，國際金融市場維持多頭趨勢，近期經濟指標波動震盪加劇，本研究利用新興市場債券與美國公債關聯性分析，以提供獲利穩定度與分散風險(避險)並重之投資選擇參考依據；即利用新興市場債券基金與美國政府基金兩者之相關係數（本文後續簡稱相關係數），檢視S&P500股價指數、VIX恐慌指數波動率、MSCI新興市場指數、J. P. Morgan EMBI新興市場債券指數、美元指數、美國公債殖利率利差、新興市場債券基金(前一期)與美國政府基金(前一期)等金融重要變數，藉由數量分析判別何者為關鍵影響因子。在方法上首先計算出敘述統計量，並運用Student-t 檢定、成對檢定、相關係數分析等，再利用迴歸

模型綜合考量各變數因子，找出顯著影響新興市場債券與美國公債關聯性之變數因子。更進一步，分別將美國公債殖利率利差、VIX波動率與美元指數作為門檻變數，根據門檻迴歸模型評估不同門檻與區間值下，顯著影響因子相關性之差異，當投資持有新興市場債券與美國公債時，探討其避險時機是否合宜，意即運用新興市場債與政府公債的相關係數變化情形，即時調整投資超前部署。 實證結果顯示，對於新興市場債券與美國公債之相關係數分析，當資料走勢起伏有著分歧的變化時，兩者並非呈現絕對正相關或負相關。於最小平方法迴歸模型分析下，美國政府基金前一期對於相關係數呈現負向影響，表示前一期美國政府基金價格上升時，此時美國公債具有降低相

關係數之避險效果。如採行門檻迴歸模型分析，以20年與3個月期美國公債殖利率利差為門檻變數下，當利差低於2.81時，前一期美國政府基金對於相關係數呈現正向影響，表示前一期美國政府基金價格上升時，此時增加美國公債並不具避險功能，MSCI新興市場指數對相關係數亦為正向影響；而當利差高於2.81時，則MSCI新興市場指數對相關係數轉為負向影響。以美元指數為門檻變數下，當美元指數低於93.72時，前一期美國政府基金對於相關係數呈現負向影響，表示前一期美國政府基金價格上升時，此時買進美國公債具有避險效果；而當美元指數低於81.12時，S&P500股價指數則對相關係數為正向影響。經檢視不同門檻變數，則以20

年與3個月期美國公債殖利率利差作為門檻時最具分散風險參考價值。

資料採礦在股票市場之預測-以先進國家為例

為了解決美國20年公債即時走勢的問題，作者黃珮瑜 這樣論述：

一個國家的證券市場表現是評估經濟狀況相當重要的參考指標，它不但會對產業、企業或廣大的投資者發生影響，其盛衰更是牽涉到整個國家的經濟發展。然而由於證券市場瞬息萬變，影響股價的因素既多且複雜，因此要如何準確預測出股價走勢一直是學者或投資者極欲研究的課題。我們經常在報章、雜誌或電視中看到許多投資者都是利用技術指標作為買賣股票的依據，因此本文也試圖利用此傳統的方法去做投資分析，發現預測準確率僅達到50%左右，其表現不甚想。另一方面，近年來電腦的發展日新月異，其快速運算能力也不斷地提升，使得資訊的取得與分析變得更為容易。隨著科技的發達與進步，也帶動人工智慧方法快速發展，並且拓展出許多分枝領域，使得原本

所強調的電腦智慧的理論探討，現在已遍及到所有機器學習的領域裡，例如資料探勘、人機界面等。由於人工智慧的興起，讓人們可以跳脫一般傳統統計分析的限制，利用技術指標建構投資策略，配合著電腦的分析，得予更多元化之預測方法。本研究主要目標是探討先進國家股市漲跌的預測，其研究資料期間為1990年1月1日至2017年12月31日，採取R軟體程式來完成本論文。主要內容是利用技術指標建立累積報酬率指標，以決策樹(隨機森林法)來選取重要的技術指標，並配合支援向量機利用各國樣本資料進行訓練與測試，以實證結果判斷這些方法是否有助於提升預測股市漲跌的準確性。經本文實證結果發現資料採礦的投資策略其準確率都高達八成以上，顯

然比傳統的技術指標策略績效為佳。關鍵字：支援向量機(SVM)、決策樹(隨機森林)、技術指標、投資策略