走在汽車革命的路上論文書籍站
中原大學 工業與系統工程研究所 陳平舜所指導 謝佳芸的 應用類神經網路於股災期間之股價預測—以台灣成分證券ETF為例 （2020），提出莊松榮股票代號關鍵因素是什麼，來自於倒傳遞類神經網路、多層感知器、價格預測、指數股票型基金、平均絕對百分比誤差。
而第二篇論文國立宜蘭大學 多媒體網路通訊數位學習碩士在職專班 黃朝曦所指導 王世驤的 運用資料探勘的技術預測員工離職機率及影響變因 （2017），提出因為有 離職、資料探勘、決策樹、分類迴歸樹、離職預測的重點而找出了 莊松榮股票代號的解答。
應用類神經網路於股災期間之股價預測—以台灣成分證券ETF為例
為了解決莊松榮股票代號 的問題，作者謝佳芸 這樣論述：
台灣股票市場容易受國際股市影響，股市甚麼時候會崩盤則是各位投資者在意的事情，期望藉由觀察歷史上四次代表性股災，結合類神經網路的運算，預測往後股價的走勢。選取的四次股災分別是：2008年的金融海嘯、2011年的美債危機導致全球股市重挫、2018年的美中貿易最高峰和2020年的新冠肺炎疫情爆發帶來全球經濟衰退疑慮。在這些事件中，一國股價之漲跌容易對其他國家有連鎖效應，特別是股價突然暴跌時連動性相當明顯。因此，本研究將各國主要股市指數、代表原物料物價的期貨、消息面指標和總體經濟分析指標納入變數中，並加以預測指數股票型基金(Exchange Traded Fund, ETF)之價格。本研究應用倒傳遞
類神經網路整合台灣發行量加權股價指數、美國紐約道瓊工業平均數、美國紐約史坦普爾500股價指數、香港恆生指數、中國上海綜合股價指數、德國DAX指數、韓國綜合指數、日本日經指數、法國CAC指數、英國FTSE100指數、加拿大多倫多綜合指數、新加坡富時海峽指數、泰國曼谷SET指數、CRB指數、恐慌指數、台灣領先指標綜合指數、景氣對策訊號、海關出口值、機械及電機設備進口值預測近十年殖利率排行前十名的國內成分證券指數股票型基金。本研究採用皮爾森相關係數分析四次代表性股災台灣股市收盤價與各國指標的相關性，數據結果顯示國際之間股價的相關性高。本研究數據結果平均絕對百分比誤差(Mean Absolute Pe
rcentage Error, MAPE)皆小於10%，所以，本研究確認在四次代表性股災時間，倒傳遞類神經網路學習國際股價趨勢來預測台灣股票市場是有效的。關鍵詞：倒傳遞類神經網路、多層感知器、價格預測、指數股票型基金、平均絕對百分比誤差
運用資料探勘的技術預測員工離職機率及影響變因
為了解決莊松榮股票代號 的問題，作者王世驤 這樣論述：
在知識經濟的時代，「人」已被視為企業重要資產，員工自願性離職，會對企業會帶來一些不可避免的成本與支出。本研究的目的是藉由資料探勘的技術找出預測員工離職機率較佳的模型以及影響員工離職的變因。讓部門主管可以在人才流失前，透過公司獎勵制度及溝通管道慰留員工，避免重要員工離開公司帶來的種種弊端。本研究收集H公司12年的人事資料，將其分為訓練資料集，產生員工離職預測，與測試資料集中員工實際在職離職現況做比較，判斷模型預測的準確度。本研究依欄位選取不同建立了四種CART分類回歸樹的模型：模型一為基本鑒別資料（29欄位）、模型二為公司內行政文書常用欄位資料（12欄位）、模型三為模型一加年資（30欄位）和模
型四為模型二加年資（13欄位）。其中模型一，預測準確度達96.14%為最高；模型三，預測準確度則略為下降至94.76%；模型二，預測準確度最低，僅有69.78%；模型四，預測準確度則提升至82%。模型一分析出14項職變因，在部門組織類別輸入的8個欄位中出現了7個影響變因，說明了員工的離職和部門的組織架構、領導風格、廠區文化等有密切的關係；人力資源類別輸入了2個欄位未出現影響；在銓敘資料類別欄位的6個字欄位，出現了2個影響變因；人員金額相關類別的12個欄位中，則有5個是影響變因，當中的社會保險津貼是第一位，底薪則是第二位。在四種模型都包含的欄位有9項，其中有3項在四種模型中都是影響離職的變因：入
廠所屬廠區、目前所在廠區、底薪，前兩項是的員工所屬部門組織的資訊，而資位代號則出現在三個模型中，它是員工在廠年資及工作考核成績。