INTC stock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

結合資料探勘技術與基因演算法預測股票市場買賣信號以提升投資效益-以道瓊指數成分股為例

為了解決INTC stock的問題，作者林奇亨 這樣論述：

摘要 IIIABSTRACT V目錄 VI圖目錄 VIII表目錄 IX1. 緒論 11.1 研究動機與目的 11.2 研究架構與流程 22. 文獻探討 32.1 技術指標 32.1.1 技術指標相關文獻 42.2 資料探勘 42.3 決策樹 52.4 隨機森林 52.4.1 隨機森林相關文獻 52.5 支援向量機 82.5.1 支援向量機相關文獻 82.6 基因演算法(GA) 92.6.1 基因演算法相關文獻 103. 研究方法 123.1 研究設計 123.1.1 個股數據蒐集 123.1.2 統計數據分析 133.1.3 技術指標 133.

1.4 隨機森林 143.1.5 支援向量機(SVM)與建構模型 143.1.6 利用基因演算法(GA)進行參數最佳化 143.2 個股操作策略-KD 超買超賣操作策略 153.2.1 KD指標公式 153.2.2 KD指標運用方式 163.3 績效比較 163.3.1 績效比較基準 164. 研究結果分析 184.1 道瓊成分股實驗分析 184.2 道瓊成分股實驗結果彙總 215. 結論 25參考文獻 27附錄-道瓊成分股詳細實驗結果 3001. 微軟MSFT 3002. 蘋果AAPL 3003. 摩根大通JPM 3104. 嬌生JNJ 3205. 沃爾瑪

WMT 3306. VISA V 3407. 寳鹼PG 3408. 埃克森美孚XOM 3509. 迪士尼DIS 3610. 家得寶HD 3711. 威訊VZ 3712. 可口可樂KO 3813. 雪佛龍CVX 3914. 聯合健康保險UNH 4015. 默克藥廠MRK 4016. 波音BA 4117. 思科CSCO 4218. 英代爾INTC 4319. 輝瑞製藥PFE 4320. 麥當勞MCD 4421. 國際商用機器IBM 4522. 聯合技術UTX 4623. 耐吉NKE 4624. 美國運通AXP 4725. 3M MMM 4826. 高盛GS

4927. 開拓重工CAT 4928. 沃爾格林WBA 5029. 旅行家集團TRV 51

應用多類別支持向量機做限價委託簿之價格趨勢預測

為了解決INTC stock的問題，作者宋晉德 這樣論述：

我們的論文主要有兩個主題：機器學習和限價單（LOB）。在第一個主題中，我們專注於機器學習，尤其是支持向量機（SVM）。在第二個主題中，LOB 數據集來自 Lobster學術研究數據集。該數據集在 2012 年 6 月 21 日包含納斯達克股票市場數據，包括AAPL、GOOG、AMZN、INTC和MSFT。順便說一下，我們的研究使用AAPL、GOOG和AMZN股票。LOB數據集是免費和公開。 我們改善了A.N. Kercheval和Y. Zhang的方法，其用於在LOB數據中捕獲特徵。我們在bid-ask spread crossing趨勢預測方面的表現，優於A.N. Kerch

eval和Y.Zhang的方法。此外，我們的研究，還與J.Han等人的方法進行比較，我們建立了C和Sigma的準確度地圖，並提出一個開放的想法，即AAPL和GOOG的特徵，具有相同的複雜性。