走在汽車革命的路上論文書籍站
華梵大學 智慧生活科技學系碩士班 張志平所指導 洪御仁的 應用機器學習於台灣50股價預測分析之研究 （2021），提出AI 人工智慧ETF關鍵因素是什麼，來自於機器學習。
而第二篇論文國立高雄科技大學 電子工程系 洪盟峰、謝欽旭所指導 王威翔的 基於產業相關股票表現分析之推薦技術研究 （2020），提出因為有 投資組合推薦、供應鏈、產業相關性、資料分析、股票市場的重點而找出了 AI 人工智慧ETF的解答。
AI 人工智慧ETF進入發燒排行的影片
上集 #我要做訪問 Dave 和 Greg 跟大家分享了 AI Robot 投資的基本概念，今集 Dave 再深入一點講解了 AI 如在投資上跑贏指數，今年引入 AI 的公司更大量增加。AI 並不是離我們很遠，更重要的是人工智能不再是大戶、大公司的專利，小投資者一樣可以透過 AI 獲利。
#AI #人工智能 #投資 #大數據 #AITrading #DeepLearning #Big Data #人工智慧 #AI 101 #Deepmind
======================
1) AI投資分享會：Robot Advisory (普通話)：
https://edu.money-tab.com/activity-reg-c
2) 我要做股神APP下載：http://onelink.to/mtapp
3) 緊貼我們社交平台，不錯過任何免費分析/教學：
訂閱YouTube頻道： https://youtube.com/channel/UCdWNwPuaS1o2dIzugNMXWtw?sub_confirmation=1
讚好Facebook專頁：https://facebook.com/203349819681082
應用機器學習於台灣50股價預測分析之研究
為了解決AI 人工智慧ETF 的問題，作者洪御仁 這樣論述：
本研究為參考台灣證券交易所公開資訊觀測站、各部會官網及資料開放平臺刊載的統計報表，取用公開歷年來的證券交易資料。因為目前人工智慧（AI）在金融投資中的應用是自1990年代個人電腦技術飛速發展和大眾化以後引起廣泛研究關注的研究領域。第一款人工智慧ETF「AI Powered Equity ETF」，於西元2017年10月橫空出世，為當時全球第一使用AI選股的基金，年化報酬率多達11.81%。經過研究，股票市場的特點是極端波動、非線性以及內部和外部環境變量的變化，而AI中的機器學習技術可以檢測這種非線性，從而大幅改善預測結果。本研究蒐集股價影響因素與預測分析文獻，藉由機器學習技術包含類神經網路、
支援向量回歸、隨機森林、決策樹等演算法，進行預測驗證，並提高預測準確度。研究結果顯示使用隨機森林預測股價，準確率高於類神經網路與支援向量迴歸，後續會提出股市預測分析的結論與建議提供給未來投資理財與研究者參考。關鍵詞：類神經網路、支援向量迴歸、隨機森林、機器學習、決策樹
基於產業相關股票表現分析之推薦技術研究
為了解決AI 人工智慧ETF 的問題，作者王威翔 這樣論述：
摘要..............................................vAbstract..........................................vi誌謝..............................................viii表目錄............................................xiii圖目錄............................................xiv第一章 緒論......................................
11.1. 背景......................................11.2. 動機......................................21.3. 研究目的..................................3第二章 投資組合推薦技術分析......................42.1. 古典技術分析基礎..........................42.1.1. 隨機指標..................................42.1.2. 相對強弱指標....................
..........62.1.3. 指數平滑異同移動平均指標..................72.2. 基於大師與AI選股的投資推薦技術............92.2.1. 葛拉漢選股法..............................102.2.2. 巴菲特選股法..............................112.2.3. 菲利普．費雪選股法........................112.2.4. AI選股投資推薦............................132.2.5. AI Powered Equity ETF(AIEQ
)...............132.2.6. 元大全球AI................................142.3. 基於供應鏈關係的投資策略探討..............162.3.1. 供應鏈對股價的影響........................162.3.2. 供應鏈中斷對股價影響......................172.3.3. 供應鏈投資策略相關研究....................18第三章 基於供應鏈的股票推薦技術..................193.1. SCSRS應用情境與架構.................
......193.1.1. SCSRS情境.................................213.2. SCSRS系統.................................213.2.1. SCSRS運作流程.............................223.2.2. 資料輸入模組..............................233.2.3. 歷史資料分析模組..........................243.2.4. 股價報酬率回測模組........................243.2.5. 股價變動分
析模組..........................253.2.6. 股價相關性比較模組........................263.2.7. 推薦排行模組..............................283.2.8. APEX Robot Trader(ART)程式交易平臺........293.3. SCSRS資料流程.............................32第四章 推薦策略評估與回測成效分析................384.1. 評估目的..................................384.2.
實驗環境..................................394.2.1. 主選股票與上下游股票內容..................404.2.2. 台積電實驗內容............................414.2.3. 聯電實驗內容..............................474.3. 高相關性選股結果..........................504.3.1. 高相關性選股產業類別統計結果..............514.3.2. 高相關性選股產業選股內容..................524.3.3. 台
積電高相關性選股內容....................524.3.4. 台積電高相關性選股績效....................554.3.5. 聯電高相關性選股內容......................564.3.6. 聯電高相關性選股績效......................584.4. 上市櫃股票高相關選股策略評估與探討........594.4.1. 台積電上市櫃股票高相關選股策略............594.4.2. 聯電上市櫃股票高相關選股策略..............634.5. 上下游股票對高相關性選股策略之影響........674.
5.1. 台積電上下游股票對高相關性選股策略........674.5.2. 聯電上下游股票對高相關性選股策略..........684.5.3. 高相關性選股與上市低價選股比較............694.5.4. 台積電與聯電上市低價選股內容..............704.5.5. 高相關性選股與上市低價選股平均相關性比較..714.5.6. 高相關性選股與上市低價選股季報酬率比較....734.6. 高相關性選股近期績效......................78第五章 結論與未來展望............................805.1. 結論.
.....................................805.2. 未來展望..................................81參考文獻..........................................82附件一 個人經歷與著作.............................85附件二 論文比對結果...............................86附件三 論文審查意見...............................89