VGT 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

FinTech ETF波動性不對稱之實證探討

為了解決VGT stock的問題，作者董佳珊 這樣論述：

在2015年全球最熱門的議題「金融科技，FinTech」，顛覆性新型的產業受到各國政府、法人和投資人等關注，而後續金融科技新創公司也發展出新型產業相關金融商品，短短成立不到2年的FinTech ETF，在2018一年內獲利18.86%，因而受到投資人關注，期盼跟上潮流，掌握有利可圖的機會。 本研究針對金融科技ETF、金融ETF與科技ETF數據進行價格不對稱探討，以2016年9月16日至2019年1月17日為日資料頻率。使用不對稱模型是由Nelson (1991) 提出的EGARCH、Glosten, Jagannathan and Runkle (1993) 提出的GJR-GARCH以

及Barndorff-Nielsen and Shephard (2004)提出的Jump模型進行實證探討。本文先確認ARMA-GARCH的組合，運用ARCH效應將殘差消除，接著實證結果指出，在EGARCH模型中，發現每組ETF都有價格波動不對稱性，且具有槓桿效應，也表明壞消息大於好消息之情況；而GJR-GARCH模型中，確認金融ETF有價格波動不對稱性，再針對不同的波動性證實的壞消息會大於好消息之影響；最後，在Jump模型，發現科技ETF最具有離散效應，但透過Ljung-Box Q 統計量得知這個離散效應不會持續很久。 本研究發現，在金融科技ETF、金融ETF與科技ETF價格波動不對稱

相比之下，金融ETF與科技ETF使用EGARCH、GJR-GARCH和Jump模型精準測量後，有價格波動不對稱的優勢。由於金融科技ETF因2015年才開始受到全球矚目，發展還需要一段時間醞釀，未來前景可期，可進一步觀察與研究。

以衛星影像評估不同林相碳儲量之研究—以新竹林區南庄事業區為例

為了解決VGT stock的問題，作者王瑞源 這樣論述：

因全球暖化現象日益嚴重，引起全球各國正視二氣化碳的遽增問題，並於1997年在日本京都簽約國會議中達成「京都議定書」簽署共識，以共同推動全球節能減碳任務。協約中明訂造林及森林採伐之二氧化碳吸收或排放之淨值，可併入排放減量值計算，並列為該國之抵減量，所以森林擔任二氧化碳儲存和吸收的重要角色，對減緩溫室效應有相當大的貢獻。據研究顯示，森林調查資料與遙測技術的結合，成為碳儲量、碳庫及碳吸存量的主要方法，尤其依據聯合國跨政府組織間氣候變遷專門委員會良好做法指南（Intergovernmental Panel on Climate Change Good Practice Guidance, I

PCC GPG）（2003）指出，遙測技術特別適用於國家土地使用、土地使用變遷的實證及林業碳庫的評估（the national Land Use, Land-Use Change, and Forestry Carbon pool, LULUCF），特別是地上部生物量的估算。因此，IPCC提出建議可整合遙測資源及生態模式（ecological models），用以提供「聯合國氣候變遷綱要」之評估需求。 職是之故，本研究即採用地面調查資料與遙測影像結合之方式，來估測森林的碳儲量之變化情況。實驗中，選用福衛2號及IKONOS-2衛星影像為研究素材，並採用統計「複迴歸（MRA）」與「倒傳遞類神

經網路（BPN）」、CBMRA及CBBPN等模式作為分析之技術，主要之探討重點為，不同解析度影像的碳儲存預測能力、MRA 、BPN 、CBMRA及CBBPN的預測精度差異。地面調查之林木資料係由林務局提供，共複查了55個永久樣區，推估之樣區材積總量為868.37 m3。另外，從福衛2號及IKONOS-2衛星影像中，則萃取了NDVI、TNDVI、RVI、DVI等植被指標，並與地面調查資料作MRA、BPN、CBMRA及CBBPN分析比較。依實驗RMSE的比較結果顯示，高解析度影像之判釋預測力優於低解析度影像，GBISC法對於資料的預測精度有提升效果，顯示遙測技術對於地方性尺度的森林監測，可以達到有

效的監測效益，建議應予充分利用及推廣。