O stock Dividend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

一個植基於特徵選取與樣本選取技術的自動選股模型

為了解決O stock Dividend的問題，作者洪郁翔 這樣論述：

本論文研究台灣上市上櫃公司之財務指標相關資料，提出以分群演算法（Cluster）區分財務體質良好與不佳的分群結果，搭配特徵選取方法（Feature Selection, FS）或是樣本選取方法（Instance Selection, IS）結合隨機森林（Random Forest）機器學習方法探討股票預測之成效，本研究選取訓練資料為2001年至2018年在台灣加權指數有多頭和空頭股市經歷兩個大週期循環分別為2007年金融海嘯以及2018年中美貿易大戰，並以預測之日為建構日以相同金額買入並且以2018年3月至2022年3月之資料進行投資策略回溯測試。其實驗結果顯示Cascade Simple

K-Means加上樣本選擇（Instance Selection）的遺傳基因演算法（Genetic Algorithm, GA）結合隨機森林（Random Forest）預測結果其報酬率為79%為最優，其次，自我組織設映圖SOM（Self-Organizing Map）加上過採樣方法(Synthesized Minority Oversampling Technique ,SMOTE)其報酬率為75%。本實驗結果在於Cascade Simple K-Means和SOM兩種分群演算法搭配任何一個特徵選取或是樣本選取並結合隨機森林演算法結果都有72%以上報酬率，均優於大盤指數的62%，甚至在EM（

Expectation-Maximization algorithm）演算法也有三種方法（IB3、IS-GA、PCA）可以超過大盤報酬率。

政府政策對企業股利政策之衝擊

為了解決O stock Dividend的問題，作者黃耀立 這樣論述：

本篇論文主要是研究在2000年執行的「平衡股利政策」的因果效應。我們利用台灣股市所有上市公司在1995-2005年間的追蹤資料為分析對象，並以連續型的倍差法來估計並檢驗不同假說。實證結果顯示，在「平衡股利政策」執行之後，平均而言，公司會減少股票股利的發放金額，但卻以增加現金股利的發放金額來作為替代。但整體而言，總股利 (股票股利加上現金股利) 的發放金額還是下降。此外，我們也發現，在「平衡股利政策」實施後，公司發放股票股利的傾向或意願會下降，而發放現金股利的傾向或意願會增加。最後，在經過一連串的的穩健性測試後，上述結果依然保持一致。