週轉率代號的問題，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

應用類神經網路於股災期間之股價預測—以台灣成分證券ETF為例

為了解決週轉率代號的問題，作者謝佳芸 這樣論述：

台灣股票市場容易受國際股市影響，股市甚麼時候會崩盤則是各位投資者在意的事情，期望藉由觀察歷史上四次代表性股災，結合類神經網路的運算，預測往後股價的走勢。選取的四次股災分別是：2008年的金融海嘯、2011年的美債危機導致全球股市重挫、2018年的美中貿易最高峰和2020年的新冠肺炎疫情爆發帶來全球經濟衰退疑慮。在這些事件中，一國股價之漲跌容易對其他國家有連鎖效應，特別是股價突然暴跌時連動性相當明顯。因此，本研究將各國主要股市指數、代表原物料物價的期貨、消息面指標和總體經濟分析指標納入變數中，並加以預測指數股票型基金(Exchange Traded Fund, ETF)之價格。本研究應用倒傳遞

類神經網路整合台灣發行量加權股價指數、美國紐約道瓊工業平均數、美國紐約史坦普爾500股價指數、香港恆生指數、中國上海綜合股價指數、德國DAX指數、韓國綜合指數、日本日經指數、法國CAC指數、英國FTSE100指數、加拿大多倫多綜合指數、新加坡富時海峽指數、泰國曼谷SET指數、CRB指數、恐慌指數、台灣領先指標綜合指數、景氣對策訊號、海關出口值、機械及電機設備進口值預測近十年殖利率排行前十名的國內成分證券指數股票型基金。本研究採用皮爾森相關係數分析四次代表性股災台灣股市收盤價與各國指標的相關性，數據結果顯示國際之間股價的相關性高。本研究數據結果平均絕對百分比誤差(Mean Absolute Pe

rcentage Error, MAPE)皆小於10%，所以，本研究確認在四次代表性股災時間，倒傳遞類神經網路學習國際股價趨勢來預測台灣股票市場是有效的。關鍵詞：倒傳遞類神經網路、多層感知器、價格預測、指數股票型基金、平均絕對百分比誤差

集保戶股權分散資訊投資策略之研究

為了解決週轉率代號的問題，作者林文亦 這樣論述：

本研究旨在探討人們在投資股票市場上，如何藉由網路次級資訊與相關的趨勢來建立股票的投資策略，投資散戶最容易的操作方式為短線操作，非常容易從股票節目、群組、論壇中以及受到周圍親友的影響而盲目從眾進行投資。股海高深莫測，是否可從網路資訊中找到一些投資利多的蛛絲馬跡 ? 資料探勘與大數據分析的工具越來越多，如何擷取符合需求的資訊轉換成簡單又有意義的視覺圖型架構，供投資者有效又精準的判斷 ? 本研究主要探討以Python當成網路爬蟲工具取得所需的網路次級資料，嘗試根據大股東的股權分散資訊，建構出適用於一般投資人的投資選股策略，並以Power BI視覺化工具，呈現選股標的與持股大戶的指標變化趨勢，提供投

資人當作短期投資股票標的之參考。本研究蒐集2018年~2020年間，每日個股開盤、收盤價與每週個股大股東持有比例資訊，透過比較近期大股東持有比例的變化，擬定本研究的選股與交易策略，經數據受測訓練後發現以本研究的選股指標加上MODEL 2的選股策略，再配合本週一收盤買下週一收盤賣的買賣交易策略，其績效最佳，每週模擬投入100萬元，短期的6天操作週期，3年總獲利約為493.74萬元，投資報酬率遠遠優於定存與股票代號0050台灣50基金型股票。除此之外，本研究進一步採用此投資策略，回測2021年第一季的資料，結果顯示可以獲利約63.65萬元，證實此研究可輔助投資人當成短期投資的選股交易策略。