上櫃轉上市ptt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

應用機器學習預測目標客戶–以E公司為例

為了解決上櫃轉上市ptt的問題，作者彭季堯 這樣論述：

經理人如果能夠精準預測潛在目標客戶，代表企業可以快速並正確安排為了成交客戶的各項資源投入。但傳統透過業務人員判斷是否為目標客戶之銷售方式，因為不容易有共同的認定標準而無法在組織間推廣，也因為業務人員個性、背景、喜好不同，無從談起預測的一致性和準確性。本研究藉由E公司客戶關係管理系統中所記錄的近2年內商機資料，使用機器學習的方法進行資料分析，希望能夠在E公司B2B的商業模式下，建置高品質的潛在成交客戶預測模型。藉由適當的模型推薦潛在成交客戶來取代人為判斷，可幫助經理人對企業資源以及行銷活動加以合理運用及分配，能夠降低營運成本並增加企業獲利。本研究將E公司提供之商機樣本資料，經過資料前處理後，使

用隨機森林、羅吉斯迴歸、套索迴歸以及支援向量機等機器學習方法，以Python 程式語言建置機器學習模型並比較精確率、召回率、F1-分數等模型績效指標。本研究發現若E公司追求精確率以隨機森林模型績效較佳，若追求召回率則以支援向量機模型績效較佳。由套索迴歸係數顯示影響成交勝算的變數有「所在區域」、「上市櫃資訊」、「員工人數分箱」，所在區域結果顯示客戶為高雄市成交的勝算大於台北市、台北市成交的勝算大於台中市。上市櫃資訊結果顯示客戶為興櫃成交的勝算大於上櫃、上櫃成交的勝算大於一般企業。員工人數分箱結果顯示客戶公司是「員工人數2級」成交的勝算大於「員工人數1級」，「員工人數2級」和「員工人數3級」的客戶

成交勝算相近。 本研究成果顯示，E公司可以採用適當的機器學習模型，在新商機進入E公司客戶關係管理系統中時，第一時間識別潛在成交客戶，除幫助經理人優先投入銷售資源外，E公司更能以此成果為基礎，持續推動數位優化達成數位轉型，建立競爭對手難以模仿的數位優勢。

生技產業研發與新聞情緒對公司績效之影響

為了解決上櫃轉上市ptt的問題，作者侯學宏 這樣論述：

生技產業為民生必需產業，2020年受到冠狀病毒疫情影響，媒體及人民開始積極關注相關疫苗之發展，生技產業因此受到注目。而臺灣對於生物技術研發經費的投入早有逐年增加之趨勢，加上生技公司當研發有所進度時，往往需要在公開資訊觀測站與記者會公告相關消息，因此相關研發投入與消息之研判極為重要，其對公司績效之影響亦為重要議題。 本研究使用臺灣上市、櫃生技產業公司之財務面資料與訊息相關資料對公司績效進行因果關係及影響效果分析。在財務面實證結果發現:營收並非僅單方面受到研發費用之影響，而是與其有雙向因果關係，兩者會互相影響。然而，ROA則僅僅是單方面受到研發費用之影響，此外研發對公司績效之影響不

僅僅侷限於一期，而是具有遞延效果，並具有研發費用門檻。在文本情緒分數方面，「重大訊息」僅單方面影響股價報酬率，而「公司新聞」則是與股價報酬率相互影響，此說明「重大訊息」為領先訊息，而「公司新聞」則可能為落後訊息。此外，本研究發現於不同情緒字典分析出之影響差異巨大，因此選擇適當情緒字典極為重要，並發現新聞情緒對公司股價報酬率之影響亦具有遞延效果及存在「重大訊息」門檻等現象。