走在汽車革命的路上論文書籍站
國立交通大學 資訊科學與工程研究所 孫春在所指導 盧奕叡的 深度學習與情感分析應用於股價預測 （2018），提出隨機漫步理論 PTT關鍵因素是什麼，來自於深度學習、情感分析、股價預測、批踢踢。
而第二篇論文國立勤益科技大學 資訊管理系研發科技與資訊管理碩士在職專班 黃嘉彥所指導 王婉菁的 運用社群網站探勘修正台股預測模型準確度之研究 （2018），提出因為有 股價漲跌預測、籌碼面指標、文字探勘、網路聲浪的重點而找出了 隨機漫步理論 PTT的解答。
深度學習與情感分析應用於股價預測
為了解決隨機漫步理論 PTT 的問題，作者盧奕叡 這樣論述：
多年來股價預測不管在學術界或是業界都是十分重要的議題，過去已有許多研究利用歷史交易資料以及各種技術指標搭配深度學習的技術來提高股價預測的準確率，而近年來有一些研究發現，利用自然語言處理的方法來分析網路上大量的文字資料(財經新聞、網路社群等等)後作為輸入特徵加以預測能夠讓預測的準確率更加提升。在台灣最大的網路論壇PTT上的Stock版，討論版上除了相關的新聞和股市資訊之外，也會有網友在板上尋求意見或參考他人看法。其中還有特殊的「標的」類文章，網友會針對個股提出自己的分析讓其他網友參考，當中不乏有勝率不錯的網友，其言論甚至比電視上的投顧老師或是證券分析師更加具有影響力，在這些網友發表文章後，對於
成交量較低或是價格較低的個股(小型股)其股價可能會被影響，這個現象不禁令人好奇，若是利用這些文章來預測股市是否會有更好的成效。結果發現，相較於只使用歷史交易資料來預測，加入文章後確實可以使得預測的結果更好，但是股本較小的個股相較於股本較大的個股，其預測結果的提升並沒有顯著的差異。
運用社群網站探勘修正台股預測模型準確度之研究
為了解決隨機漫步理論 PTT 的問題，作者王婉菁 這樣論述：
一直以來，股票價格的趨勢預測是個令人感興趣的議題，若投資人能夠事先得知股票價格的漲跌趨勢，那麼他們較有機會從股票市場獲利。傳統的股票投資決策方式係關注與金融及資本動向相關之指數，隨著社群網路的發達，不少投資者也開始將社群網路的聲浪納入投資的參考。究竟股價波動幅度較大的期間，社群網站聲浪是否與預測準確度有顯著關係？這是本研究所關心的議題。本研究從「臺灣證券交易所」擷取2018年台積電(2330)每日三大法人買賣超資料，共計244日的參考數據，透過主成分分析(Principal Component Analysis，PCA)取得變數，再使用支援向量機(Support Vector Machine
，SVM)建立預測模型來預測股價隔日漲跌準確度。至於聲浪的部分，本研究運用中研院開發之中文斷詞系統(Chinese Knowledge Information Processing Group，CKIP)處理文件進行斷詞，並建立社群網站詞組規則以萃取文章之情緒詞與程度詞，將社群網站評論文章量化為聲浪分數。據此以探討具社群網站聲浪分數修正後之模型是否比原預測模型有較佳的準確度表現。研究結果顯示，在股價波動幅度較大的期間，具聲浪分數修正之模型有較好的預測準確度。