股票這個價位要不要買論文書籍站
國立臺灣大學 法律學研究所 楊岳平所指導 廖文煜的 論台灣法下穩定幣之監理模式 （2021），提出MCD investing關鍵因素是什麼，來自於穩定幣、金融監理、金融穩定、儲備不實、金融消費者保護、電子支付、密碼資產。
而第二篇論文國立暨南國際大學 資訊工程學系 周耀新所指導 徐逸睿的 使用自適應量子啟發式禁忌搜尋演算法解決具權重之投資組合最佳化問題並使用趨勢值及考量投資者心情波動之新穎指標 （2020），提出因為有 人工智慧、計算智能、演化計算、元啟發式演算法、量子啟發式禁忌搜尋演算法、投資組合最佳化、選股問題、股票資金分配問題、趨勢值、心情波動指數、滑動視窗的重點而找出了 MCD investing的解答。
論台灣法下穩定幣之監理模式
為了解決MCD investing 的問題，作者廖文煜 這樣論述：
自2014年以來穩定幣出現後，穩定幣此一產品即呈現穩定成長之狀況，並逐漸在密碼資產世界成為最為重要的金融工具之一。但或許係因2020年疫情爆發前穩定幣皆未在主流金融圈中佔據重要地位，因此各國對穩定幣監管皆採取較為放任之態度，亦尚未對其有明確之監管架構，也變相造成穩定幣對金融穩定、金融消費者保護等產生了一定程度之風險，如過去曾發生之USDT與USDC儲備不實案件等，即為此類風險之體現。台灣與其他國家相似，現階段針對密碼資產之監管討論僅停留在證券性質密碼資產（STO）監管的階段，而尚未對包含穩定幣之其他密碼資產有更進一步之監管策略或發想。有鑒於此，本文希望於穩定幣對台灣金融穩定產生巨大風險前，藉
由比較法研究之方式，分析各國目前規劃中之監理思考、手段及策略，並分析台灣現行法制下，包括銀行法、證券交易法、證券投資信託與投顧法以及電子支付機構管理條例等法律，是否可能成為台灣監管穩定幣之法制基礎，並探討相對應的合適修正方向，以因應穩定幣此一有別於其他金融工具的特殊金融產品。本文研究發現，除美國因有聯邦與州之間的監管權限分配問題，導致聯邦因而傾向採用銀行之監管模式外，英國與歐盟目前之監管方向皆採用類似台灣電子支付機構之監管架構，並針對穩定幣之去中心化特性做出對應之法規調整。是以本文建議台灣或可考慮使用現行之電子支付機構管理條例作為基礎，並於資本額、資產隔離、責任分配等層面做出相對應之調整，以作
為台灣穩定幣監管之手段。
使用自適應量子啟發式禁忌搜尋演算法解決具權重之投資組合最佳化問題並使用趨勢值及考量投資者心情波動之新穎指標
為了解決MCD investing 的問題，作者徐逸睿 這樣論述：
不論是為了對抗通貨膨脹，或是為了退休生活準備，好的理財規劃是都是必要的。由於股票資訊公開透明且入手門檻低，許多人藉由投資股票來理財，俗話說，雞蛋不要放在同一個籃子，投資者通常會選擇多檔股票組成投資組合來分散投資風險。具權重之投資組合最佳化問題就是從眾多股票中選出多檔股票，並且找出資金分配的最佳比例。本研究選擇美國股票市場作為投資標的，並提出基於趨勢值、心情指數、自適應量子啟發式禁忌搜尋演算法、滑動視窗，且具權重之投資組合最佳化模型。趨勢值是在訓練期評估投資組合表現的新穎指標，相較於知名的指標──夏普值，兩者的核心概念皆是每單位風險下的報酬，但是夏普值的風險定義會導致穩定上漲的投資組合被視為高
風險，而穩定上漲的投資組合對於趨勢值來說是低風險的。心情指數是在測試期評估投資組合表現的指標，其概念為承擔每單位心情波動下所獲得的實際收益。要在有限時間內從複雜的解空間中找出最佳解是非常困難的，元啟發式演算法能夠在有限的時間內找出近似最佳解，因此常被應用於解決各種複雜的最佳化問題，自適應量子啟發式演算法便是其中之一，該演算法利用量子反閘、自適應、以歷史已知最佳解導引等機制改善了演算法的廣度及深度搜尋能力。透過滑動視窗選擇適當的訓練期及測試期，能夠避免過度擬合、擬合不足的問題。實驗結果指出，本研究提出的模型在測試期表現優於道瓊工業指數。