問題的答案無所不包論文書籍站
國立臺北大學 國際企業研究所 林靖所指導 曾翊程的 跨市場航運運價指數對跨國航運公司股價波動外溢效果之研究 （2021），提出蘇伊士運河堵塞關鍵因素是什麼，來自於跨市場航運運價、跨國航運公司、航運股票市場、波動外溢、GARCH-MIDAS、蘇伊士運河堵塞。
而第二篇論文國立高雄科技大學 電子工程系 楊正宏所指導 李子昂的 基於CNN-BiLSTM-Attention網路模型預測貨櫃吞吐量 （2021），提出因為有 貨櫃吞吐量、時間序列預測、深度學習、注意力機制的重點而找出了 蘇伊士運河堵塞的解答。
蘇伊士運河堵塞進入發燒排行的影片
✔︎ 成為七七會員（幫助我們繼續日更，並享有會員專屬福利）：http://bit.ly/shasha77_member
✔︎ 體驗志祺七七文章版：https://blog.simpleinfo.cc/shasha77
✔︎ 購買黃臭泥周邊商品： https://reurl.cc/Ezkbma 💛
✔︎ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺IG ：https://www.instagram.com/shasha77.daily
✔︎ 來看志祺七七粉專 ：http://bit.ly/shasha77_fb
✔︎ 如果不便加入會員，也可從這裡贊助我們：https://bit.ly/support-shasha77
（請記得在贊助頁面留下您的email，以便我們寄送發票。若遇到金流問題，麻煩請聯繫：[email protected]）
＃長賜號 ＃蘇伊士運河
【 製作團隊 】
｜企劃：歡歡
｜腳本：歡歡
｜編輯：土龍
｜剪輯後製：憨吉
｜剪輯助理：憨吉
｜演出：志祺
——
【 本集參考資料 】
→ 蘇伊士運河：「長賜號」脫困三個多月後達成賠償協議將被放行：https://bbc.in/3xAbvTC
→ 「長賜號」脫困 蘇伊士運河堵塞的經濟損失和關鍵看點：https://bbc.in/3AG60ol
→ 長賜號啟航！於眾人見證下駛離蘇伊士運河：https://bit.ly/2TQTp0R
→ 快訊／長賜號終於動了！ 卡運河後「滯留埃及3個月」重新啟航：https://bit.ly/3hsEmDJ
＼每週７天，每天７點，每次７分鐘，和我們一起了解更多有趣的生活議題吧！／
🥁七七仔們如果想寄東西關懷七七團隊與志祺，傳送門如下：
106台北市大安區羅斯福路二段111號8樓
🟢如有引用本頻道影片與相關品牌識別素材，請遵循此規範：http://bit.ly/shasha77_authorization
🟡如有業務需求，請洽：[email protected]
🔴如果影片內容有誤，歡迎來信勘誤：[email protected]
跨市場航運運價指數對跨國航運公司股價波動外溢效果之研究
為了解決蘇伊士運河堵塞 的問題，作者曾翊程 這樣論述：
隨著國際突發事件頻繁，導致航運運價及股價的波動持續性加劇，使航運金融市場之間的聯繫變得更加緊密。時至今日，航運金融市場之間溢出效應的影響日益備受重視。本研究以蘇伊士運河塞港日期為研究斷點，藉由GARCH-MIDAS模型中使用混合頻率數據的優勢，實證分析跨市場航運運價指數的日波動率與國際航運公司的每小時股票收益率之外溢效果。 本研究試圖彌補過去文獻較少去考慮到國際航運公司股價和跨市場航運運價之間影響的研究缺口。實證顯示，波羅的海貨櫃運價指數(FBX)相較於中國出口集裝箱運價指數(CCFI)以及上海出口集裝箱運價指數(SCFI)於此次塞港事件中與各國際航運公司股價關係更為密切。此外
，塞港後期發現，散裝子運價的波動與部分航運公司股價存在間接效應。本研究利用航運公司股價與航運運費的時變波動性之間的影響對航運領域的研究做出貢獻，並為航運投資實務提供投資啟示。
基於CNN-BiLSTM-Attention網路模型預測貨櫃吞吐量
為了解決蘇伊士運河堵塞 的問題，作者李子昂 這樣論述：
國際海洋貨物運輸，又稱為海洋運輸，是國際物流中最主要的運輸方式，而貨櫃運輸則是海洋運輸中最為廣泛的運輸方式，隨著貨櫃吞吐量成長，港口將面臨防波堤、航道及港區道路等基礎設施規劃、港埠碼頭擴增等問題，為將資源精準的投資在有用的港口上，港口貨櫃吞吐量預測是必要的。本研究提出了CNN -BiLSTM-Attention網路模型，透過結合卷積神經網路（Convolutional neural network，CNN）、雙向長短期記憶（Bidirectional long short-term memory，BiLSTM）和注意力機制（Attention mechanism），進行國際港口貨櫃吞吐量預測
分析。資料來自中國（上海港、寧波舟山港、天津港、青島港、香港港、深圳港、廣州港）、臺灣（基隆港、臺中港、高雄港）、韓國（釜山港）、新加坡（新加坡港）等亞洲十二國際港口，2004年1月至2021年12月之貨櫃吞吐量。與ETS（Exponential smoothing）、ARIMA（Autoregressive integrated moving average）、SVR（Support vector regression） DNN（Deep neural network）和RNN（Recurrent neural network）等五種模型比較， CNN-BiLSTM-Attention之預測
結果顯示平均絕對百分比誤差（Mean Absolute Percentage Error，MAPE）、均方根誤差（Root Mean Square Error，RMSE）和皮爾森積動差相關係數（Pearson product-moment correlation coefficient，PPMCC）皆為最優值，為一高準確度之預測模型，對未來海洋運輸預測成長趨勢、監測未來貨運量走向、港埠當局進行規劃、貨櫃運量預測及港埠裝卸能量時之評估依據，並作為政策訂定之考量因素。