2021台幣兌美元走勢預測的問題,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

另外網站新台幣續漲,外幣投資人怎麼辦?外匯達人教你操作美元、日圓也說明:去年以來新台幣兌美元走勢圖。資料來源:彭博資訊,統計至2021/3/2;圖片來源/ 張舒婷). 除了美元之外,國人最喜愛的外幣還包括日圓與人民幣,但今年 ...

南華大學 資訊管理學系 王佳文所指導 丁麗文的 特徵縮放於深度學習股市價格預測之影響 (2021),提出2021台幣兌美元走勢預測關鍵因素是什麼,來自於特徵縮放、深度學習、股市價格、技術指標。

而第二篇論文國立政治大學 金融學系 林建秀所指導 黃莉婷的 基於 LSTM 之外匯預測模型 (2021),提出因為有 未拋補利率平價、購買力平價、貨幣學派、泰勒法則、長短期記憶模型的重點而找出了 2021台幣兌美元走勢預測的解答。

最後網站台股vs.台幣| 台灣-股市| 圖組 - 財經M平方則補充:台股與台幣通常呈同向走勢,主因是台灣屬於淺碟型市場(shallow),台幣的升貶值容易受到國際資本流入流出的影響,且外資的匯入多半也會將資金運用於投資台股,持有股票 ...

接下來讓我們看這些論文和書籍都說些什麼吧:

除了2021台幣兌美元走勢預測,大家也想知道這些:

特徵縮放於深度學習股市價格預測之影響

為了解決2021台幣兌美元走勢預測的問題,作者丁麗文 這樣論述:

  近年來機器學習與深度學習模型在巨量資料分析和科技金融方面取得了顯著的成效。時間序列分析主要是利用歷史資料預測未來走勢,然而過去時間序列相關研究較少探討特徵縮放的影響性。本研究利用常見的技術指標,並結合不同特徵縮放及深度學習演算法進行股市價格預測分析。在實證方面利用台灣證券交易所(TWSE)的Α公司2015年到2019年實際股票資料進行驗證,並進行比較分析。綜合上述,本研究目的如下:(1)探討使用不同特徵縮放對於遞迴歸神經網路準確度影響(2)探討加入常見技術指標是否可提高遞迴歸神經網路準確度(3)驗證傳統 ΑRIMΑ 模型與遞迴歸神經網路預測準確度之比較(4)探討不同神經元數及層數對於預測

準確度之影響(5)實際採用2015-2019年Α公司實際股票資料來進行實例驗證

基於 LSTM 之外匯預測模型

為了解決2021台幣兌美元走勢預測的問題,作者黃莉婷 這樣論述:

本研究探討深度學習 LSTM 模型與線性迴歸 OLS 模型對於新台幣兌美元匯 率走勢預測表現,根據未拋補利率平價模型(UIRP)、購買力平價模型(PPP)、 貨幣模型(MF)以及泰勒模型(Taylor)選擇總體經濟變數,並且將總體經濟變 數區分為 Decouple 與 Couple 型態納入 LSTM 模型與 OLS 模型進行預測,最後 以 R square、Theil 比率作為衡量預測能力標準,除此之外,本研究進一步比較各 模型的方向預測表現與交易策略表現,分別利用方向準確率與夏普比率作為衡量 準則。實證結果顯示,LSTM 模型在匯率預測能力、方向準確率以及交易策略表現 皆優於 OLS 模

型,其中以 Recursive LSTM 模型表現最佳。在總體經濟變數方面, MF 整體表現較 UIRP、PPP 以及 Taylor 差,UIRP、PPP 以及 Taylor 表現依據總 經變數 Couple 型態與 Decouple 型態而有些微不同,Couple 型態下 3 種經濟變數 整體表現不相上下,而 Decouple 型態下 UIRP 整體表現優於其他 3 種經濟變數 組合。