股價預測模型的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

綜合收益會計研究

為了解決股價預測模型的問題，作者鄒燕 這樣論述：

　　本書對國內外學者的相關研究進行了評價與總結，並基於中國的資本市場進行分析。通過梳理綜合收益信息的基本理論和信息載體，瞭解到已實現收益與未實現收益的內涵及其列示平臺的設計對使用者進行直觀認識和決策分析的重要性。同時，選擇會計信息質量特徵中的相關性作為研究的數據基礎，通過搜尋上市公司個案，對其他綜合收益的列示問題進行了整理與總結，又通過非參數統計、事件研究法和股價預測模型對收益等信息的及時性和預測能力進行了實證研究，並定性分析了綜合收益的列示內容，設計了其呈報模式，以期為中國收益報告的改革和國際趨同提供參考和建議。

股價預測模型進入發燒排行的影片

運用類神經網路模型建立與比較新興市場ETF的買賣決策

為了解決股價預測模型的問題，作者尤茜 這樣論述：

在投資國際化的環境下，有許多商品可供選擇，新興國家的逐漸發展以及ETF分散投資標的之特性，新興市場ETF為有潛力的市場。本文以Vanguard VWO、SPDR EWX 及 iShare FM之前一日收盤價為研究對象，研究期間為2012年10月1日至2021年10月1日，資料來源為 Yahoo Finance 資料庫，運用類神經網路搭配技術指標與專家訊號進行對比，應用R-Studio軟體進行分析，使用技術指標包含移動平均線(MA)、隨機指標(KD)、相對強弱指標(RSI)、趨向指標(DMI)、風險值(VaR)等不同短中長期之技術指標以建立買賣策略。為求模型適合之參數而進行靈敏度分析，其神經元

與隱藏層數以一個隱藏層6個神經元有較高準確度與較低總誤差、學習速率增加其準確度有下降的趨勢、賣點的誤差值不適合設為0.005且以logistic為適合的活化函數 ; 實驗結果為其三檔新興市場ETF的VWO以及FM有模擬出較適合之倒傳遞類神經模型，其預測報酬分別為309%及229%，有超過專家報酬402%與418%的一半 ; 在17項變數重要度的分析結果中，以過程中皆呈現正面影響為重要之指標，其買賣點共同顯示成交量為重要的指標，而個別適合的技術指標以買點為RSI6、RSI24、DMI14，賣點為MA60、KD是重要的技術指標參數。