T dividend yield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T dividend yield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。

臺灣股票市場自然人定期定額交易策略之研究

為了解決T dividend yield的問題，作者高霈蓉 這樣論述：

本研究擬以基本分析、技術分析及市場組合為基礎，找尋自然人股票投資較優質的定期定額投資交易策略。因此我們先建構「高殖利率投資組合」、「KD黃金投資組合」，「元大台灣卓越50 ETF (0050)」以及「元大台灣高股息ETF (0056)」等四種投資組合，分別估算之報酬率及其波動性，最後應用 Sharpe Ratio指標評估其投資績效。實證結果顯示，每月固定投資金額2萬元之定期定額投資，就長期投資而言，總投資報酬率排序為：基本分析>技術分析>0050>0056，考慮投資風險之後則技術分析表現較佳。就中期投資而言，總投資報酬率排序為：技術分析>基本分析>0050>0056，考慮投資風險之後技術分析

的夏普指標仍然較高。就短期投資而言，總投資報酬率排序為：技術分析>基本分析>0050>0056，考慮投資風險之後基本分析則較具優勢。整體而言，不論長期、中期或短期投資，基本分析與技術分析所建構的投資組合均可超越市場整體績效表現，考慮投資風險之後，技術分析似乎較適合1年以上的中長期投資，基本分析反而較適合1年以內的短期投資。因此，本文所建構的「KD黃金投資組合」及「高殖利率投資組合」，既簡單容易執行、投資績效又能媲美大盤，值得定期定額投資人進行短中長期投資時之參考及應用。