msci金龍指數成分股的問題，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

運用類神經網路建立與比較指數股票型基金之買賣決策模型-以0050.TW、EWT、SPY為例

為了解決msci金龍指數成分股的問題，作者鄭馥嫻 這樣論述：

本研究以元大台灣 50 ETF(0050.TW)、iShares MSCI台灣ETF(EWT)以及SPDR S&P 500 ETF(SPY)為標的，應用技術指標結合倒傳遞類神經網路建立買賣決策模型。資料來源為Yahoo Finance資料庫，選取期間自2008年1月2號至2017年12月29日。本研究比較倒傳遞類神經網路與專家策略之買賣決策差異，採取混淆矩陣與報酬率做為績效評估的依據。本研究使用R-Studio軟體建立買賣決策模型，模型的輸入變數包括成交量(Volume)、風險值(VaR)、隨機指標(KD)、移動平均線(MA)、相對強弱指標(RSI)、指數平滑異同平均線（MACD）。透過靈

敏度分析求出買賣決策模型最佳參數。混淆矩陣結果顯示，0050.TW、EWT與SPY的模型準確率(Accuracy)都高於95%。靈敏度分析結果顯示，模型參數設定對報酬率影響很大，0050.TW、EWT與SPY最佳報酬率分別為561%、711%、675%。EWT相較於另外兩個標的，減少輸入項變數後，模型報酬率與專家買賣策略相近，當EWT刪除對模型有負面影響的RSI變數，報酬率為684%，與專家買賣決策(689%)相差5%。實證結果顯示，三個研究對象之模型報酬率皆遠高於買進持有策略，模擬報酬率最高的指數為 EWT，其報酬率遠高於專家買賣策略 22%，而 0050.TW、SPY 之最佳報酬率稍低於專

家買賣策略，報酬率差異分別為12%與4%。實證結果發現，運用倒傳遞類神經網路建立的買賣決策模型皆有良好的預測能力，且模型預測之最佳報酬率與專家買賣決策報酬率相近。

退休理財規劃的資產配置：多元資產策略之分析

為了解決msci金龍指數成分股的問題，作者莊雅芸 這樣論述：

本研究探討針對退休族群的財富管理與理財投資需求，在投資股市的決策上提供穩健且適合長期的方法。選股方法主要是以企業財務報表中的獲利能力的主要財務指標，用以衡量公司價值成長性，輔以本益比指標判斷股價是否被低估。本研究建構一套安全的價值成長選股策略，以各金融危機與非金融危機的各區間做回測，發現透過本策略的選股模式，對於長期投資可以改善的理財績效，讓退休理財更安全，並可提供投資者更具參考價值的方向。