台積電 成交 明細的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

臺灣股票市場反轉波段操作方法及其效益評估之研究

為了解決台積電 成交 明細的問題，作者許正賢 這樣論述：

近年來國人薪資一直停滯於二十年前的水準，物價房價卻持續屢創新高，銀行定存趕不上通膨，而市井小民投資於股市，多數憑藉著電視分析師解盤，或參加投顧老師會員，看報紙，聽名嘴，財經新聞，小道消息。一般而言，證券交易市場多數投資者對比專業經理人及公司核心大股東來說，取得資訊來源管道與時效，有相當大的落差。在資訊不對稱的狀況下，絕大多數股民投資股市操作都處於資產減損負績效，原想藉著股市投資謀取些額外收入，反倒搞得虧損累累。本研究以台灣50指數所有成分股做為測試標的，探討台灣股市投資是否能夠遵循一個固定的循環操作模式。使用K線圖所定義的開盤、收盤、最高、最低等四個價位，明確定義出底部轉折買入點，頭部翻轉賣

出點，另外在整個波段操作中搭配停損機制，以降低誤判造成的虧損。經由這些事先定義好的規則，很明確的標示出買、賣、停損(利)時機點，透過系統化規律操作，有效的避開人性的情緒干擾，能用最簡單的方式很快來決定當下買或賣的操作方向。本研究測試區間為各個標的股票從2011年除權周至2014年除權周連續取樣三年。經由自行撰寫的C++程式，透過讀取歷史K線圖資料，做回朔驗證，得到五十檔股票平均，三年總收益為11.58%，而具有正報酬的個股占64%，證實反轉波段操作方法是有效益的。期望透過本研究定義的規律操作，能讓股市投資者有效運用閒置資金，創造優於銀行定存，打敗通膨，輕鬆不費力的投資模式。關鍵字：K線圖，技術

分析，投資，規律操作

基因演算法在股市預測與交易策略之研究

為了解決台積電 成交 明細的問題，作者吳健良 這樣論述：

中文摘要股市莫名的波動、崩盤，長久以來是財務研究者最有興趣的課題。而近年來，不論國內外，都有實證證明許多金融資產的走勢具有非線性或近似渾沌(chaos)的特質，而且在某段期間內呈現某種趨勢性。由於以往以預測為主題的研究慣常使用類神經網路做為核心技術，本研究特別利用R/S分析判別趨勢性，選擇股票做為研究標的，純粹利用價的技術指標，結合基因演算法建立預測模型，並與傳統的時間序列預測方法ARIMA分析做比較，希望找出價格波動下的隱藏型態，藉以協助投資人更客觀的研判股市，降低股市投資的風險性。本研究的對象為台積電(2330)1994/09/05~1999/12/28的未調整股價日資料，共1490個交

易日，資料來源為臺灣經濟新報資料庫(TEJ)，依其走勢分為空頭、多頭、先多後空三種型態，進行基因預測模型與ARIMA預測模式的比較，所得結論如下：1. 在1994至1999這段觀察期而言，經過R/S分析得到台積電的Hurst指數為0.849855，其趨勢周期約為940日，證實市場具有趨勢性，也間接指出臺灣股市不具效率性。2. 就方向準確性而言，本研究的預測模型以明顯的優勢在這三段走勢勝過ARIMA，究其原因，主要是本模型相較於ARIMA掌握較多的資訊。而就計算時間而言，由於ARIMA分析的過程需要人力介入，頗為費時且易有人為疏失，在電腦速度日益快速的今日，基因預測模型是較好的選擇。3.

純就輸入端與輸出端觀之，本研究所設計的預測模型似乎可以做為相同輸入輸出變數的類神經網路預測模型，解釋變數關係的參考。4. 股市「價」的技術指標和收盤價可以找出其隱含的關係型態，亦即，可以從技術指標推測出未來短期內股價的走勢與落點。5. 學習區間呈現何種走勢，基因模型就會偵測主導的走勢。也就是說，在空頭的走勢中，在上漲、持平、下跌三種型態中，命中下跌方向的次數相對於命中上漲方向為高。6. 學習期間越短，基因模型的預測績效愈好，然而就整體而言，就固定的演化代數與母群體大小之下，各種走勢之下，最保守的觀察，可以獲得７０%的方向準確性。7. 基因預測模型配合適當的交易策略，在引入交易成本後，仍

然顯著可以獲得比買入持有策略為佳的報酬，也較具操作彈性。8. 本基因模型經檢定後，在多頭市場顯著超過0.5的機率，而空頭市場則需顯著水準大於0.25以上才顯著，亦即預測模型似乎具有事前性預測的潛力，但穩定程度與適用性則未有定論。綜合上述，可以發現本研究提出了股價事後學習模式與事前性預測的可行方向，並能利用預測模型掌握趨勢的彈性，避免使用過於複雜與僵固性的交易策略。