平時照顧好健康 病了就要好好看醫生吃藥論文書籍站
加權平均怎麼算的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和懶人包總整理
加權平均怎麼算的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦朱利安．柏金紹,肯．馬克,詹姆斯．麥格拉斯,荒木博行寫的 最昂貴的企業經營管理課(3冊套書)：MBA最菁華的課程X管理大師的實戰指引X避開經營管理風險 和劉承彥,郭永舜的 Python：量化交易Ta-Lib技術指標139個活用技巧都 可以從中找到所需的評價。
另外網站「分點公式」和「加權平均」是一體兩面- 有熊老師陪你教數學也說明：「分點公式」和「 加權平均 」是一體兩面； 在應用型的問題裡是算 加權平均 ，可以用數線輔助圖解速算。 在求數線上某點時，則是分點公式，可以把線段比反 ...
這兩本書分別來自真文化 和博碩所出版 。
國立臺北科技大學 土木工程系土木與防災碩士班 林鎮洋所指導 林佑亭的 透水鋪面表面溫度降溫成效及預測模型 （2021），提出加權平均怎麼算關鍵因素是什麼，來自於都市熱島效應、低衝擊開發、透水鋪面、隨機森林、機器學習模型。
而第二篇論文國立臺北科技大學 資訊與財金管理系 王貞淑所指導 王怡芬的 結合技術指標與官網新聞之情感分析預測股價趨勢-以半導體產業為例 （2021），提出因為有 LSTM(長短期記憶模型)、多元迴歸、技術指標、官方網站新聞、情感分析的重點而找出了 加權平均怎麼算的解答。
最後網站加權平均怎麼算– 何謂加權 - Renates則補充：加权平均 _百度百科 ... 加權平均法公式是什麼？怎麼計算存貨成本？ 或許你會常常聽到這段敘述,「今日集中市場加權指數收在9266 點，下跌49 ...
最昂貴的企業經營管理課(3冊套書)：MBA最菁華的課程X管理大師的實戰指引X避開經營管理風險
為了解決加權平均怎麼算 的問題，作者朱利安．柏金紹,肯．馬克,詹姆斯．麥格拉斯,荒木博行 這樣論述：
《倫敦商學院教授的25堂MBA課》 ◎沒有長篇的理論，只有實用的實戰知識 ◎收錄各種管理、決策工具 無論你是準商學院學生或資深主管，這本都是MBA模式不可或缺的參考指南。多希望在我讀MBA時就有這本書了！一本滿滿實用訣竅、實務建議的終極MBA模式參考指南，總算讓我等到了。——史蒂芬·馬丁 英國企業董事協會會長 這是當今管理者應人手一本的工具書。以清楚明瞭的口吻，解說時下廣為使用的重要管理模式及技巧，也讓想有所突破的管理部門，知道下一步該怎麼走。——戶田真輔 瑞穗銀行歐洲總部總裁暨常務董事 此書簡單易讀，精準抓住企業關鍵的思考及行動模式。附上實用訣竅及指南，再複
雜的商業架構，也變得輕鬆易懂。——麥特卡特博士 訊息屋公司創辦人 我才在全世界最棒的學院完成EMBA課程，並看到柏金紹教授和馬克教授的這本書。我要說，這本書很簡要地包含了許多我們在二十個月的課程中所學過的管理模式。——英國Amazon讀者 Maksim G. 本書從全球重要商學院的MBA課程中，挑選出最實用的25種管理、行銷、決策、創業、財務等模式和工具，以濃縮且好讀的方式，搭配實戰指引，讓你隨時針對企業問題找到新的解決方案。 每一種工具，都包含概念、概念緣起、定義、應用時機、應用指引、注意事項，以及延伸閱讀書目，無論有沒有上過MBA課程，只要是企業主管、公司創辦人，這本書即
時提供你各種思考和決策的方式；對於準備上MBA課程的學生，這本書更是窺見MBA殿堂的實用入門書。 《90堂成功領導和有效管理大師班》 ◎史上最有智慧的90則管理短篇 ◎Amazon讀者★★★★★智慧推薦 這本書結合了管理大師、成功經營者的思想菁華，以及如何將理論與觀念具體落實的方法，對於想要精進經營管理、領導帶人知識與技能的讀者，是一本非常實用的工具書，可以放在手邊隨時翻閱，隨時給自己學習的養分和思考的靈感。——齊立文 《經理人月刊》總編輯 此書所遴選之格言句句令人震撼，不說教，加上滿滿的行動方案，是一本相當實用的書！——愛瑞克 《內在原力》作者／TMBA共同創辦人
這是一本幫你快速複習近幾個世紀最重要的經營管理價值觀的好書。——許繼元 Mr.Market市場先生／財經作家 管理無處不在，不論是個人、主管或公司經營者，都可以透過這本《90堂成功領導和有效管理大師班》找到你的答案。——蘇書平 為你而讀／先行智庫執行長 一本書如果有一句話能影響你的想法就太值得了，何況這本書能觸發的絕對不只一個觀點！——艾薇蕭 葳逸行銷有限公司總經理 ㄧ句格言，ㄧ段經歷；ㄧ個觀念，ㄧ種轉變。我們何其幸運，透過這本書能在短短時間內學習跨國界、跨領域、跨時代的管理實踐！——蔡怡穎 零碳美妝—歐萊德總經理 將管理的熱情提煉升華成純粹的甘露。不只是針對管理
階層而寫，任何主管都應該讀讀這本書。——Dr Paul Mycock Ampercom Ltd首席顧問 領導和管理不是一成不變的法則，而是開啟你洞察人性和組織的智慧。 這本書沒有艱澀的領導和管理理論，而是集結了成功企業家（包括亨利·福特、巴菲特、比爾·蓋茲、傑夫·貝佐斯等）和著名管理學大師（如彼得·杜拉克、馬克斯·巴金漢、華倫·班尼斯、肯尼斯·布蘭查德等）的90則格言，句句切中領導和管理的真諦。 每一則格言，以精簡的方式解說，再搭配各種具體的行動方案，無論你是剛創業、小公司的新進主管，或大企業的經理人，這本書都能啟發你職涯上每一階段所要具備的領導和管理智慧，協助你做出最適當又
不失人心的決斷。 全書包含領導和管理最核心的各大面向： ◎管理和發展你的事業 ◎自我和職涯規畫 ◎領導並激勵員工 ◎更有效率地管理專案 ◎領導權力的擴展和應用 ◎組織變革的溫和方式 ◎將客戶變成你的夥伴 《圖鑑／大企業為什麼倒閉？》 ◎一看就懂！學習珍貴的經營智慧和管理陷阱！ 許多企業管理書籍只分享成功的案例，然而本書中那些蓬勃發展、最後卻走向倒閉的企業，更是蘊藏許多經營企業珍貴的智慧和經驗。 評估一家公司，往往太過依賴其業績及經營指標，然而，在這裡看得見的數據背後，可能正潛伏著帶往企業走向倒閉的危險因子。在企業快速成長的過程中，管理制度
是否跟得上？大環境變動時，企業會不會做了一項錯誤的決策？ 本書作者澈底檢視了全球二十五家大企業，分別介紹公司的起源、公司為何倒閉、檢討管理及決策上出了什麼問題，以及最重要的，我們可以從這些企業的倒閉過程中學到什麼。作者將經營企業這門龐雜的學問，整理出成功及失敗的核心概念，深入淺出，並搭配圖表，讓讀者更容易掌握到經營的智慧和陷阱。 套書特色 ★從管理的知識，到管理的具體指引和經驗，都可隨翻隨查，提供經營上所需的啟發。 ★不只教你如何管理好企業和帶領員工，更借鏡各大企業極為寶貴的失敗經驗，讓我們避開風險和危機。 ★所有內容淺顯好懂，都是菁華中的菁華。
加權平均怎麼算進入發燒排行的影片
歡迎收看范琪斐的寰宇漫遊，今天的琪斐大放送我們要來談談，2020美國總統大選民調一面倒的說拜登贏川普一大截，川貴人，這次別選了吧?乖～我待會給你買個....樓?大家好，我是范琪斐。中間偏右的《華爾街日報》（Wall Street Journal）聯手中間偏左的《國家廣播公司》（NBC），在「川拜」首場辯論後，到川普確診前這段時間，所做的民調顯示，拜登的支持率高達53%，足足領先川普14個百分點（53%：39%）。真的假的啦～這個幅度也太誇張，我們再參考一下別的。
（10/11公布）美國ABC News和《華盛頓郵報》（The Washington Post），在川普出院後做的最新民調，有54%的選民說會把票投給拜登，大幅領先川普12個百分點（54%：42%）。專門統計各家民調數據的Five Thirty Eight指出，拜登的平均支持率勝過川普10.4個百分點（52.2%：41.9%， 10/10數據）。另一個民調數據集合網站「真清晰政治」（Real Clear Politics）的網站顯示，從10月以來每一家主要民調公司統計出的結果，都是拜登遙遙領先川普，差距在5到16個百分點不等，其中不乏立場較為中間的The Hill和經濟學人。所以平均下來拜登的支持率領先9.8個百分點。（10/9公布）美國權威智庫與民調機構「皮尤研究中心」（Pew Research Center）做出來的結果是，52%的選民打算把票投給拜登，領先川普10個百分點（52%：42%）。
我們找了很多民調,可是只有很少數的說，川普領先拜登， 說很少數，是怕我們川貴人傷心，其實找來找去只有一個。 （10/5公布）英國《每日快報》聯手英美智庫Democracy Institute做的民調顯示，川普支持率在46%，小勝拜登1個百分點（46%：45%）。不過我還是註明一下，這個《每日快報》是英國的右翼八卦報，民主研究所的民調，也沒有被民調界公信力很高的538列入參考的近500家民調就是了， 所以現在大多數民調都顯示，拜登會獲得壓倒性勝利，但川貴人當然不認為他會選輸啊，最近又在那邊「Fake news」、「Fake polls」喊來喊去，民調統統都是假的！這都是幻覺～嚇不倒我的！
先不要笑，川貴人說的是真的，4年前一直到投票日當天早上，民調都還顯示希拉蕊一定會凍蒜，《紐約時報》做了大半年的民調，到選舉當天早上，還在說希拉蕊有80%以上的勝選機會，結果最後被「逆轉」，搖擺州統統被川貴人拿下！2016年的民調，被很多人認為是「壞掉了」、「走鐘了」，完全無法反映出真實民意，今年隨著大選日逼近，也有越來越多人開始質疑，真的假的啊?這幾年來專家們一直試圖釐清，當年的「希拉蕊慘案」到底是怎麼出現的，總之過去四年民調專家就很努力的要找出，民調為什麼會跟開出來的票差那麼多，但真的非常困難，因為變數實在太多了，我們今天就幫大家整理出幾個專家們認為可能的原因。
（一）手機的普及
還記得去年台灣不是在吵「手機民調要不要納入總統初選民調」嗎？美國其實也有類似的問題。美國現在就跟台灣「人手一機」一樣，有時候還兩三機，越來越少人使用家用電話了，而且年輕人、低收入者以及少數族群，都只用手機而已；反觀年長者和白人族群，就會比較依賴室內電話。大數據分析網站《Datanami》就指出，25歲左右的年輕人看到不認識的電話，幾乎都會pass不接；但70歲的長輩們則是每通必接，因此這樣進行的電話民調就很容易往某一族群傾斜。
那用手機民調不行嗎？根據1991年的《電話消費者保護法》（Telephone Consumer Protection Act of 1991；TCPA），美國是禁止「自動撥號系統」打電話給手機用戶的，所以如果要打手機做民調，就必須派出「真人」撥號，這有多麻煩呢？數據顯示，你想獲得1,000個回答，就至少得隨機撥號2萬次，其中大部分是空號，因為手機號碼是私人的，根本不會刊登在電話簿上，這實在太勞民傷財了，很想幫做民調的人馬殺雞一下耶，你們辛苦了。
（二）沉默的多數
每次選舉我都很期待接到民調電話，但大多數美國人可不是這麼想的，可能是因為擔憂個資和隱私外洩，導致選民接電話不敢說出真實意見，或者是覺得，蛤～民調很久欸，老娘才沒空理你。1970年代左右，美國「民調回應率」（Polls response rate）高達80%，你只要打過去人家多半都會回答你，但是根據「皮尤研究中心」最新報告，2018年美國「民調回應率」已經暴跌到6%，等於你打100通電話就只有6個人不掛你電話、願意花時間跟你聊兩句，但你也不知道他是不是講真話。
像2016年的大選，支持川普的選民中，就有一群選前不願意表態的，或者在接受民調時故意說謊的，有些甚至不告訴鄰居他們其實支持川普。《Datanami》表示，這些選民會讓調查的結果失準2%到6%，6%很多欸，根本就是超出誤差範圍了。
（三）網路民調難
啊現在網路那麼發達，用網路做民調不就統統搞定了嗎？事實上恐怕剛好相反。數據顯示美國18-29歲的年輕人，有98%都使用網路，但偏偏這個年齡層的人最不愛投票，拿美國總統大選風向球：2018年美國期中選舉為例，雖然這群年輕人投票率比前一次大幅提高15.7個百分點，但仍是所有年齡層中最低的（35.6%），也就是說，每個人都是「鍵盤投手」，大家網路上搖旗吶喊超熱情，結果投票日當天大家都覺得不差我這一票。另一方面，你在網路上想填幾歲就幾歲，想變性就變性，別國網軍想來帶風向，也不是那麼困難，因此網路民調也非常容易失準。
（四）早期民調誇大
另一個大變數是「早期民調」的準確度很低，因為選民還沒有足夠時間去瞭解候選人到底在幹嘛，但早期民調卻是媒體報導所仰賴的主要資訊來源，結果就是候選人拿來造勢、媒體見獵心喜誇大報導，進而影響到後續選民對候選人表示支持的聲量。例如看到拜登領先，那支持拜登的人講話就會比較大聲，因為他們是「主流」，反之支持川普的人，可能就會比較不敢表達意見，形成「沉默螺旋」。
「皮尤研究中心」也加碼解釋，事實上2016年的全國民調還算準確，（預測希贏3.3%最後贏2.1%），但美國總統大選是以選舉人票為單位，希拉蕊全國總票數高於川普也沒屁用，最後川普拿下所有的搖擺州，入主白宮。而選前的州民調也無法反映出搖擺州的真實民意，地方往往沒有全國性民調那種資源，四年前他們就忽略了在最後關頭，投給川普的搖擺選民數量，也沒有準確掌握未受過大學教育的白人選民，他們到底支持誰，種種因素導致了中西部上演「大驚奇」。還有就是民調公司往往有特定的政黨傾向，最後很可能導向「護主」的結果，讓民調不盡然客觀。
那這些問題2020年還會再重演嗎？老實說，有些變數還是很難避免，《紐約時報》就整理了，和四年前相比，哪些因素可能讓美國民調更精準或更失準。
更精準的第一點就是，搖擺選民減少了。
四年前民調失準的一大因素就是搖擺選民，但今年跟民調人員說：嗯～我還沒想好，的搖擺選民數量變少了，四年前的這個時候，大概還有20%的選民說他們還沒決定要投誰，或是打算投給小黨候選人，但今年這群人的數量只剩一半，而且其中支持川普的人也老早就表態，尤其是搖擺州的白人工人階級選民。
更精準的第二點是，選民教育程度的加權。
大家要有個概念，民調準不準確，完全取決於你抽樣有沒有做到「隨機」，也就是每個族群的意見都要被採納進來，但這真的非常難做到，最後很容易讓民調結果出現偏差。例如在美國，如果你跑去郊區教堂裡做民調，那幾乎可以篤定會獲得一個偏共和黨的結果；但如果你對大學生進行抽樣，最後很可能獲得一個偏民主黨的結果。另外的數據又顯示，受過高等教育的選民，比較願意接受民調訪問，每個都是選我選我～而那些較保守、教育程度較低的選民，他們的聲音就很難反映在民調上，所以如果你沒有按照「教育程度」來做加權，民調就會充斥太多年輕大學生的意見，導致結果偏向民主黨。先前民調機構都不怎麼重視教育程度對選情的影響，結果導致2016「爆冷門」。
有鑑於4年前的「教訓」，今年有越來越多民調機構，把選民教育程度的權重提高了，簡單來說就是把教育程度較高的受訪者音量降低一點，把教育程度較低的受訪者音量調高一點，讓他們各自符合在總人口中所佔的比例。今年從3月以來，美國各家民調機構做的幾十個調查中，已經有半數增加教育程度的權重，是先前的兩倍多（約20%）。
可能比2016年更糟糕的是，網路民調的增加。我們剛剛已經提過網路民調的準確度有待商榷，但過去幾個月來，越來越多機構採用網路民調的方式，比例佔地方民調總數的一半。他們採用的方法可能太過簡單，就是直接抓一群網路群組成員，然後再根據受訪者的人口統計資料進行分類加權，這樣的作法成本很低又很方便，但非常容易有樣本代表性不足的結果，而且最後民調可能左傾。 （最好的方式是結合電話民調和網路民調，例如AP/NORC/VoteCast的民調，電訪4萬人外加隨機抽樣11萬網友，結果可能較為客觀。
另一個可能不太客觀的做法是：請選民「回想投票」。
目前有越來越多投票機構採取這個方式，也就是要求受訪者回想2016年他把票投給誰，是希拉蕊還是川普呢？然後再依據他們的回答去做選舉意向的加權。這樣做可以讓民調數字看起來比較漂亮，也可以減少錯誤，但卻很難避免系統偏差，導致結果傾向某一政黨。再加上通常大家都會傾向回答，自己是投給獲勝的那一方，沒有人會想承認自己投給輸家嘛！再說這四年來誕生不少首投族，又有不少人往生，像是疫情導致那麼多人死亡，也有很多人搬到別的地方去，硬把2016年的投票意向套用到今年，恐怕不太合適。
所以這個民調到底是能不能看啊?你要是問我,我覺得就別看了 ,這是我們媒體想要預測選舉的結果, 或研究單位拿來做選民行為分析. 但一般選民還是把政策看清楚點比較要緊,你管別人怎麼投
今天琪斐大放送的關鍵字是：
#美民調失準
#選情霧茫茫
--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！
透水鋪面表面溫度降溫成效及預測模型
為了解決加權平均怎麼算 的問題，作者林佑亭 這樣論述：
隨著都市化（Urbanization）的速度加快，大量的開發導致不透水面積大大增加，大量工業氣體排放造成溫室氣體增加，且密集的建築物採用不透水且吸熱表面積大的材料，對環境生態產生負面的影響，迫使都市地區有水患之問題，環境溫度也大大提升，導致都市熱島效應加劇。而近年來，低衝擊開發（Low Impact Development, LID）已被證明為有效減緩都市熱島效應的方法之一。本研究目的以實際監測數據探討鋪面表面溫度對都市熱島效應之影響，並運用隨機森林（Random Forest, RF）演算法預測鋪面表面溫度。將以忠孝東路及新生南路交叉路口作為研究基地，於三種不同鋪面裝設溫度監測計，分別為透
水鋪面、瀝青鋪面以及不透水鋪面。透過實際量測蒐集大量數據，得知透水鋪面全年平均溫度可與瀝青鋪面相差約4°C，與不透水鋪面相差3°C；於降雨時雖氣溫會溼度增加而下降造成鋪面溫度隨之下降，但監測結果顯示鋪面溫度下降幅度大於氣溫降溫幅度，可得證水分增加會使鋪面表面溫度降低；在長時間無降雨情況下，降溫效果雖較不明顯，但透水鋪面仍為最低溫之鋪面並低於瀝青及不透水鋪面0.5-2°C。最後期望運用建置之機器學習模型進行不同情境下之模擬，並可將模型有效運用在其他地方。
Python：量化交易Ta-Lib技術指標139個活用技巧
為了解決加權平均怎麼算 的問題，作者劉承彥,郭永舜 這樣論述：
無論是牛市還是熊市，「維持紀律」才是股市求財的不二法門，但維持紀律又是非常難做到的事，結果就是多數人最終無法在股票市場上賺到錢。 什麼時候該買，什麼時候該賣，道理很多人都懂，但往往下單時又摻雜了太多當時的心理因素，要怎麼克服這個心理因素呢？就讓自動化交易來幫助會寫程式的你。 技術分析的本質是將市場的走勢進行分類，而量化交易的強大之處，就是能在短短的時間內，進行大量的數據統計，創造更多的收益與機會。 很多人對於交易有一種迷思，期望能找到一個永遠不變的通用獲利策略，然而事實上一個完整的交易系統牽扯到交易策略、資金控管、交易心態，這三個部分缺一不可，每個環節
息息相關。 要創造好的交易策略，並不是參考別人的想法，就能產生適合自己的交易策略，而是要充分了解交易策略的脈絡，才能在投資時有良好的交易心態。每個人要依據自己的條件、狀態及環境，來找尋合適的投資方式與適合自己的策略邏輯。 有鑑於此，本書使用Python作為程式開發的語言，其本身語法友善、操作簡單，是切入量化分析的方便工具。本書中的內容包含指標公式說明、圖片解說、範例程式碼及實際操作結果，讀者可執行本書提供的範例程式檔案，也可自行彈性修改。 【精采內容】 ✪金融資料的取得 ✪技術指標的介紹及計算 ✪K線型態的圖片說明 ✪金融圖表的繪製 ✪交易績效的介紹及計算
✪交易訊號漲跌的統計模組 【目標讀者】 ✪想要學習Python來進行程式交易者 ✪想要客觀且嚴守紀律來投資者 ✪沒時間盯盤但想要自動化投資者 ✪想要了解交易規則並學習正確的程式交易者 本書特色 使用Python實作100多種技術分析，掌握量化分析市場趨勢 靈活運用Ta-Lib套件計算技術指標，大幅降低自行開發指標模組的時間成本 ✪使用靈活彈性的Python，搭配循序漸進的範例教學 ✪收錄Ta-Lib套件的上百種技術指標函數用法，是量化交易者的最佳工具書 ✪串接公開金融資料API，透過圖表繪製K線圖，並找出合適的交易時機
結合技術指標與官網新聞之情感分析預測股價趨勢-以半導體產業為例
為了解決加權平均怎麼算 的問題，作者王怡芬 這樣論述：
2020年COVID-19爆發，伴隨全球經濟下滑，在不景氣情況下，縱身投入股市的投資者卻不在少數，根據證交所(2021)統計近半年內新開戶人數就有近四十一萬人。近年來，半導體產業進步快速，在股市交易中也受到高度關注，行政院更將半導體發展納入未來國家政策發展考量之一，可見半導體產業對我國股市經濟與政策發展的重要性。本研究透過相關股價資訊與統整過往文獻中多數研究使用的技術指標，以上市半導體類股為標的，建立多元迴歸分析與LSTM股價漲跌預測模型。然而，不論是網絡謠言、公司澄清公告或新聞不實報導，任何消息面資訊皆可能影響股價漲跌，即財經新聞等文本信息可通過影響投資者情緒而導致投資者行為和決策，最終對
股市波動產生影響。據此，本研究以公司官網發佈具可信度與真實性之新聞，進行文字探勘與情感分析，探討僅參考技術指標與加入官網新聞情感分數為特徵值後，對於股價漲跌趨勢預測的影響。整體而言，不論是在整體平均彙整結果，或針對上中下游產業分析結果，LSTM模型皆較多元迴歸更有效地預測股價漲跌趨勢，且不論加入技術指標或官網新聞情感分數作為特徵值，皆有助於提升模型正確率。在結合官網新聞情感分數後，模型的RMSE與MAE大幅降低，而判定係數(R²)與正確率(Accuracy)也明顯提升，其中正確率最高的是長週期(24日)技術指標結合官網新聞情感分數之LSTM模型，正確率最高為80.21%，相較僅以技術指標為特徵
值，增加近10%準確率，而加入官網新聞情感分數為特徵值，增加近6%準確率。上中下游分析結果中，長週期(24日)技術指標結合官網新聞情感分數之上游與中游LSTM，正確率為80.39%、81.18%最高。而在三個實驗中，長週期(24日)皆較短週期(6日)正確率來得高，代表天數區間拉得愈長，愈能夠精準預測股價漲跌趨勢。由實驗結果顯示，本研究所提出的技術指標對半導體類股股價漲跌的確具有預測能力；而將官網新聞情感分數結合上述指標，可有效提升股價漲跌預測準確率，尤其對於預測長週期(24日)半導體上游與中游產業的預測效果最佳。故參考官方網站新聞資訊確實有助於投資者在投資股市時，揭露更多股價資訊。