三竹籌碼集中度的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

利用Google Trends建構臺灣股市投資策略

為了解決三竹籌碼集中度的問題，作者黃昱維 這樣論述：

由於網路資訊的豐富性，當投資人對某檔股票具有投資的動機時，投資人能以股票名稱作為關鍵字搜尋股票各種面向的資訊，透過相關資訊增加投資策略的正確性。根據Visual Capitalist的統計，在2019年全球Google搜尋引擎每個月的搜尋量就高達604.9億次，為全球使用量最高的搜尋引擎。Google所開發的Google Trends能提供關鍵字的搜尋量紀錄，黃子倫等(2014)發現SVI對散戶投資人的股票成交量有正向影響；而Conrad, Hameed, and Niden (1994）指出高成交量容易產生過度反應，進而造成股價反轉。因此， SVI可能成為一個可信又具即時性的股價反向指標。

據此，本研究使用2004年至2020年台灣50成分股中的41檔股票作為研究對象，以各成分股名稱作為關鍵字蒐集Google Trends每週熱度值，進而建構兩種投資策略。第一種策略為加減碼策略，即當SVI上升(下降)時，則進行減碼(加碼)該股票。實證結果發現，以夏普比率進行績效衡量下，本策略在未將交易成本納入之前，在41檔股票中，有90.2%優於長期持有；若納入成本，則仍然有70.7%的樣本股票優於長期持有，且在金融產業具有良好的表現。接下來，由於夏普比率屬於長期的指標，故我們將策略前兩年的操作績效作為第一筆累積夏普比率，並在往後將每一週的策略報酬率納入計算，作為當週的累積夏普比率，並以策略與長

期持有的累積夏普比率進行成對T檢定。第一種策略在未將交易成本納入之前，有92.6%(=38/41)的股票顯著優於長期持有。在納入之後，則有80.9%(=34/41)顯著優於長期持有。表示策略的累積夏普比率在多數期間中皆優於長期持有。最後，我們將整個策略的年化報酬率平均值以及夏普比率與長期持有進行成對T檢定，結果達顯著，代表以SVI來進行投資操作所建構的投資組合，會顯著的高於買進持有的夏普比率。第二種策略則是在41檔股票中買進每週的SVI下降最多的兩檔股票，形成投資組合。在以買進持有台灣50作為績效比較基準下，若未考量交易成本，本策略建構之投資組合淨值提高86%，夏普比率提高17.8%，成對T檢

定也達顯著。而納入成本後，則因頻繁交易與現貨交易成本過高，最後產生虧損。因此，我們進一步採用交易成本較低的股票期貨進行同樣操作策略，實證結果發現投資組合淨值提高了69%，夏普比率則提高14%，成對T檢定也達顯著。綜合以上，SVI的確是一個市場過熱的指標，對股票報酬有負向的影響，投資人可以透過SVI判別市場是否過熱，進而持股進行調整或調整操作的對象。

台股投資更聰穎：從機器學習到區塊鏈結合遊戲化應用

為了解決三竹籌碼集中度的問題，作者郭哲偉 這樣論述：

本研究旨於實現新型區塊鏈投資平台的概念性驗證 (Proof-of-Concept)，並結合智能投資及遊戲化概念。雖然目前證券或軟體應用市場上存在著相關的產品和研究，但很少有研究致力於這三個概念的結合與應用。本研究由兩部分實驗組成：(1) 透過機器學習方法實作一套量化交易策略，找出一籃未來最具漲勢的股票並做多進行買入，持有N天後賣出，此階段的實驗結果會作為下一部分區塊鏈應用中的一項重要元素；(2) 建構基於區塊鏈的遊戲平台原型，並結合上一部分的量化投資策略，實現新穎的智能投資服務。在第一部分中，預測模型的表現穩健，相較於大盤指數皆能在不同的市場狀況之下獲得超額報酬；在第二部分的實驗中提出並實現

了區塊鏈平台原型，透過遊戲化的概念包裝能為參與者提供更多的誘因參與此區塊鏈生態系統，而建構基於區塊鏈與智能合約的去中心化基礎之上，安全性、公平性與可靠性也能被充分實現。