AI Trader Dcard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

單層學習神經網路配合多輸出節點應用於期貨預測

為了解決AI Trader Dcard的問題，作者鄭玉婕 這樣論述：

　　蔡，許和賴（1998）提出了一種混合人工智能（AI）方法，該方法集成了基於規則的系統和人工神經網絡（ANN）技術，用以預測標準普爾500指數期貨未來價格變化的方向。他們聲稱混合方法可以促進更可靠的智能係統的開發，以模擬專家思維和支持決策過程。　　這項研究在兩個方面與蔡，許和賴（1998）提出的混合人工智能（AI）有所不同。首先，本研究有兩個新增的狀態變量用於描述市場狀態。其次，我們使用單層前饋式神經網絡（SLFN）和強記、軟化和整合（CSI）學習算法代替推理神經網絡（RN）和反向傳播學習算法。　　實驗結果表明，所提出的具有CSI學習算法的決策支持系統可有效預測2007年至2013年7年測

試期間的Non-obvious和Unobserved的資料。決策支持系統為使用者在做決策時提供建議。

交割選擇權對期貨市場效率性分析：以CBOT玉米期貨為例

為了解決AI Trader Dcard的問題，作者楊馥榮 這樣論述：

摘 要 論文名稱：交割選擇權對期貨市場效率性分析：以CBOT玉米期貨為例 學校名稱：國立東華大學 系（所）別：企業管理系碩士班 研究生：楊馥榮　　　　　　　　　　　指導教授：　洪　坤　博士 總頁數：68頁 論文摘要內容： 農產品期貨契約為規避特定現貨價格遭受大宗買方操弄，往往在契約設計中加入交割選擇權（Delivery Option），允許賣方在到期日交割不同等級現貨、或在不同的交割地點或是擁有交割時間的彈性等等。然而這種契約設計是否會提供賣方過大權利進而影響期貨市場效率性。由於台灣玉米自給率不到5％，仰仗國外進口部分又98％以美國為主，當台灣廠

商透過CBOT玉米期貨契約規避玉米價格波動風險時，是否會因為CBOT玉米期貨契約設計的交割選擇權而面臨過高的風險貼水，以及而CBOT的期貨市場是否有效率，進而提供未來現貨價格資訊給予避險廠商規劃最適資源配置，實屬重要議題 因此本研究旨在探討，期貨契約中若存在之交割選擇權（Delivery Option）對於期貨市場效率性檢定扮演的影響，以及當期貨契約存在交割選擇權時，期貨價格與現貨價格是否存在交割風險與該風險貼水價值占期貨契約比重。 本研究使用Kamara（1990）推導之跨方程式模型檢定CBOT期貨市場效率性以及衡量交割選擇權對期貨契約價格影響程度，以交割月份前一個月的第一營業日為抽樣時

點，擷取1992年∼2003年共64筆CBOT玉米期貨契約，實證結論如下： 1.期貨價格均衡式與現貨價格均衡式不論是否導入交割選擇權所帶來之不確定性風險貼水，均證實在距離交割月份前一個月期貨市場不具效率性，期貨價格不具未來現貨價格的預測能力。 2.交割選擇權存在所帶來之不確定性，在期貨價格與現貨價格均顯著存在風險貼水。 3.距交割月份一個月之玉米期貨契約價格存在平均8.9％風險貼水，若能降低對美國玉米的依賴程度，將可使台灣大宗玉米進口廠商減少規避風險成本。 關鍵字：交割選擇權、期貨市場效率、交割風險貼水、SUR迴歸估計、沃爾德檢定