hmm出口船期的問題,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

國立臺灣大學 國際企業管理組 郭佳瑋、陳聿宏所指導 吳建豐的 貨櫃海洋運輸業在中國大陸經營策略之探討:以W公司經營中國大陸市場個案為例 (2020),提出hmm出口船期關鍵因素是什麼,來自於貨櫃海運業者、五力分析、SWOT分析模型、經營策略、後新冠疫情時代。

而第二篇論文東吳大學 企業管理學系 王超弘、陳國樑所指導 蕭玟玲的 經驗模態分解法於台灣資通訊產業出口預測之研究 (2012),提出因為有 時間序列、資通訊產業預測、經驗模態分解法(EMD)、GM(1、1)、隱藏式馬可夫模型(HMM)的重點而找出了 hmm出口船期的解答。

接下來讓我們看這些論文和書籍都說些什麼吧:

除了hmm出口船期,大家也想知道這些:

貨櫃海洋運輸業在中國大陸經營策略之探討:以W公司經營中國大陸市場個案為例

為了解決hmm出口船期的問題,作者吳建豐 這樣論述:

在中國大陸佈局與發展,是台灣許多產業面對的重大課題,即便是全球頂尖的貨櫃海運業者,也無不投入許多資源,在中國大陸市場搶得一席之地。中國大陸這幾十年來,歷經改革開放,走自己中國特色的社會主義路線,內需、外貿各方面都有突飛猛進的成果,進出口貨量每年不斷增長,至今全球前五大貨櫃港口中,佔有四席,上海港更是自2010年超越新加坡位居世界第一大貨櫃港,蟬連冠軍至今有10年之久;然而,中國大陸這幾年也面臨許多發展的瓶頸,像是環保議題、中美關稅貿易問題、新冠肺炎疫情……等,以往的「世界工廠」或許不在,但是未來成為另一個全球主要消費市場的「世界市場」,卻是不無可能!對於海運業者來說,進出口貿易對貨櫃運輸的需

求是剛需的,任何市場(包括中國大陸)的轉變,一直是業者關心的議題,影響著船舶航線、網路佈局……等資源的投入。但是,屬於寡占市場的貨櫃海運業者,過去10多年來整體產業的平均獲利卻幾乎在水線以下,究竟是同業競爭的問題?還是供應商/購買者議價能力強勢的問題?亦或是因為有潛在競爭者或是替代品的出現造成?本研究以Michael E. Porter教授的五力分析,以及Heinz Weihrich教授的SWOT分析模型來探討整體貨櫃海運產業的競爭狀態,以及在中國大陸的經營環境、競爭態勢、市場情境分析……等,探討貨櫃海運業者在中國大陸發展所面臨的產業處境變化以及問題點;另外,也分析個案W公司的優劣勢,其在中國

大陸市場發展的挑戰與機會;同時,以C-SOP的架構, 為W公司在中國大陸的經營策略與佈局做個案探討和驗證。本研究以學術理論配合實務驗證,呈現出貨櫃海運業者在產業自身以及大陸市場所面臨的巨大挑戰,在研究過程中,也因應個案公司在大陸發展的現況以及後新冠疫情時代衍生的一些市場變化,提供了對個案公司未來發展的建議,期望這些研究成果可以提供貨櫃海運業者或是個案公司未來持續發展的參考。

經驗模態分解法於台灣資通訊產業出口預測之研究

為了解決hmm出口船期的問題,作者蕭玟玲 這樣論述:

台灣資通訊產業(ICT)被譽為高科技產業的象徵,產業出口競爭力的強弱更是攸關國家競爭力。2012年,台灣資通訊產業(ICT)面對歐債危機持續的延燒,使得歐洲市場需求大幅縮減。讓原本亟思突破的PC產業又再次受到打擊,且造成台灣產業發展受到衝擊。經濟環境瞬息萬變,面臨著多重的嚴峻考驗;ICT不僅為我國經濟的主要動能,更是現行的外銷主力。2010年的外銷訂單年增率高達26.81%,總金額為1,005.89億百萬美元,占我國外銷訂單總金額24.73%;但2011年後呈現逐漸衰退趨勢,2012年總金額雖增加至1,105.63億美元,年增率卻僅達1.4%,占我國外銷訂單總金額25.07%,超越我國電子產

業成為第一位。由於台灣資通訊產業(ICT)特性,其出口值依據統計資料顯示資料具有非線性、非穩態訊號等性質,使得在半導體領域中,預測出口值向來被認為具有相當重要的課題。本研究提出一結合希爾伯特-黃轉換(Hilbert-Huang Transform, HHT)的經驗模態分解法(Empirical Mode Decomposition, EMD)之拆解模態的功能,能將混合訊號分離出多個本質模態函數(Intrinsic Mode Function, IMF),呈現在時間域上,處理具有非線性(Non-linear)或非穩態(Non-stationary)特性之時間序列,消除非線性或非穩態特性後再使用灰

色系統模型GM(1,1)與隱藏式馬可夫模型(Hidden Markov model, HMM)以濾除雜訊後建構預測模型。期望可以讓GM(1,1)與HMM在建構模型時不受非穩態訊號影響,進而提升預測結果的精準度。實證結果顯示,所提之方法不論是在預測誤差或是預測精準度的表現上均較單一使用GM(1,1)及單一使用隱藏式馬可夫模型(HMM)及傳統預測方法ARIMA模式為佳。