股票這個價位要不要買論文書籍站
國立嘉義大學 園藝學系研究所 沈榮壽所指導 康芳瑜的 蝴蝶蘭莖頂分生組織與擬原球體培養去病毒及以短暫浸漬系統進行快速繁殖 （2011），提出TMV stock關鍵因素是什麼，來自於蕙蘭嵌紋病毒、齒舌蘭輪斑病毒、生物晶片、短暫浸漬系統。
而第二篇論文淡江大學 統計學系 溫博仕所指導 楊雅淇的 臺灣金融類股價指數預測模式之實證比較研究 （1999），提出因為有 股價指數、預測、單根、移動平均整合模式、誤差修正模式、向量自我迴歸模式、倒傳遞類神經網路的重點而找出了 TMV stock的解答。
蝴蝶蘭莖頂分生組織與擬原球體培養去病毒及以短暫浸漬系統進行快速繁殖
為了解決TMV stock 的問題，作者康芳瑜 這樣論述：
本研究旨在探討蝴蝶蘭分生組織培養去病毒技術及無病毒植株之快速繁殖。利用不同來源及大小之莖頂分生組織培養，顯示商業子瓶苗莖頂分生組織培植體，存活率以圓錐體帶1片葉原體之分生組織培養較高，在Phalaenopsis Sogo Yukidian ‘V3得61.1%及Doritaenopsis Queen Beer得3.7%較高；而去病毒率則在Phal. Sogo Yukidian ‘V3’圓錐體帶1片葉原體得21.7%及Dtps. Queen Beer圓錐體帶2片葉原體得14.6%較高。商業大苗花梗頂芽分生組織培養顯示，存活率在Phal. Sogo Yukidian ‘V3’以10、20及30 c
m花梗長之莖頂培植體為圓錐體帶3片葉原體得63.3%-66.7%及Dtps. Queen Beer 50 cm花梗長之莖頂培植體為圓錐體帶5片葉原體得46.4%較佳；而去病毒率則在Phal. Sogo Yukidian ‘V3’以 50 cm花梗莖頂培植體為圓錐體帶有1-2片葉原體得100%及Dtps. Queen Beer以 40 cm 花梗莖頂培植體為圓錐體帶有1片葉原體得100%最佳。商業大苗短縮莖頂分生組織培養顯示，存活率在Phal. Sogo Yukidian ‘V3’以圓錐體帶2片葉原體得50.0%及Dtps. Queen Beer以圓錐體帶4片葉原體得43.3%較高；去病毒率以圓
錐體帶1片葉原體之分生組織培養較高，Phal. Sogo Yukidian ‘V3’為71.1%及Dtps. Queen Beer為50.0%。綜上結果，挑取較大培植體有較高的存活率，而較小的分生組織培養有較高的去病毒效率。前述結果與技術應用於七個商業品種大苗 (Dtps. Join Angel、Dtps. Tinny Honey ‘F985’、Dtps. Jiuhbao Red Rose、Phal. Luchia Pink、Phal. Brother Girl、Phal. I-Hsin Sunflower及Phal. I-Hsin Amy)可得50%以上之去病毒效率。另利用Ribavirin
處理擬原球體(protocorm-like body；PLB)之試驗結果顯示，胚苗轉化率在Phal. Sogo Yukidian ‘V3’ PLB大小為2.0-3.0 mm得50.4%-67.2%；PLB大小為3.1-5.0 mm得40.8%-63.4%，PLB大小與濃度處理間，其胚苗轉化無顯著差異；Dtps. Queen Beer PLB大小為2.0-3.0 mm得33.0%-46.2%，PLB大小為3.1-5.0 mm得24.5%-46.6%。利用Ribavirin處理擬原球體在去病毒率結果顯示，Phal. Sogo Yukidian ‘V3’ 為3.1-5.0 mm 大小之PLB得46.
7%-61.5%較高，但各濃度處理間無顯著差異；Dtps. Queen Beer 則在3.1-5.0 mm 大小之PLB得26.7%-35.7%較高。此外，經由生物晶片檢測之無病毒植株短縮莖培植體進行營養系快速繁殖之結果，短暫浸漬系統(temporary immersion system；TIS)之效率優於半固體培養。Phal. Sogo Yukidian ‘V3’於浸漬頻率為每4小時1次，每次10分鐘循環動作之相同培養容器中，由1個無病毒短縮莖為起始，經120天培養獲得154個再生芽體。Dtps. Queen Beer則可獲得42.8個再生芽體。短暫浸漬系統應可作為無病毒健康蝴蝶蘭種苗之快速
生產之用。
臺灣金融類股價指數預測模式之實證比較研究
為了解決TMV stock 的問題，作者楊雅淇 這樣論述：
金融類股價指數早在電子類股價指數受青睞前，曾是投資者的主要投資對象，但現在卻一厥不振；本研究嘗試以不同的預測模式來建構臺灣地區金融類股價指數之預測模式，主要目的乃是希望藉由本研究之結果，給予投資者一個參考的方針，讓投資者能提早預測未來，並做出適當的決策。 本研究所採用之四個預測模式分別為單變量Box-Jenkins時間序列模式(Box-Jenkins ARIMA model)、向量自我迴歸模式(vector autoregressive model)、誤差修正模式(error correction model)以及倒傳遞類神經網路模式(back-propagation n
etwork)，在不考慮非經濟因素之影響下，以準備貨幣、股票市場-總市值及躉售物價指數等三變數對金融類股價指數建構預測模式；爾後，並利用平均誤差平方根與平均絕對離差兩種方式計算各模式之值，並比較上述四個模式之預測績效，結果顯示誤差修正模式的預測能力為最佳，其次為單變量Box-Jenkins ARIMA時間序列模式，最差的則是倒傳遞類神經網路。其主要原因可能是因為誤差修正模式為一聯立的等式，同時考慮變數間長短期交互關係影響，且加入了誤差項的調整與修正，因此，使得預測能力較其他模式來得好；單變量Box-Jenkins ARIMA時間序列模式因考慮較多的落差期數，故也有不錯的預測能力；而倒傳遞類神經
網路模式預測能力較差的原因可能是因為資料的筆數太少且選取的變數也不多，故有較差的結果。