問題的答案無所不包論文書籍站
國立高雄海洋科技大學 電訊工程研究所 莊尚仁所指導 李中永的 使用類神經網路結合模糊理論預測標準普爾500指數 （2013），提出SPDR 金融類股關鍵因素是什麼，來自於股票預測、基金預測、倒傳遞類神經網路、模糊類神經網路、時間序列預測、自我迴歸整合移動平均。
SPDR 金融類股進入發燒排行的影片
國際ETF資金流入 Top10 2016/11/14~2016/11/18
1.iShares羅素2000 ETF 〈IWM〉流入19.71億美金
2.SPDR金融類股ETF〈XLF〉流入13.88億美金
3.PowerShares納斯達克100指數ETF〈QQQ〉流入13.63億美金
4.SPDR道瓊工業平均指數ETF〈DIA〉流入9.06億美金
5.Vanguard整體股市ETF〈VTI〉流入7.32億美金
6.iShares核心標普500指數ETF〈IVV〉流入7.30億美金
7.iShares核心標普小型股指數ETF〈IJR〉流入5.85億美金
8.iShares MSCI核心歐澳遠東ETF〈IEFA〉流入5.36億美金
9.SPDR必需性消費類股ETF〈XLP〉流入5.29億美金
10.iShares美國房地產指數ETF〈IYR〉流入5.09億美金
國際ETF資金流出 Top10 2016/11/14~2016/11/18
1.SPDR標普500指數ETF〈SPY〉流出-11.70億美金
2.iShares MSCI新興市場ETF〈EEM〉流出-9.49億美金
3.SPDR黃金ETF〈GLD〉流出-7.61億美金
4.iShares 1-3年期美國公債ETF〈SHY〉流出-5.92億美金
5.iShares Edge MSCI歐澳遠東最小波動率ETF〈EFAV〉流出-5.25億美金
6.iShares J.P. Morgan新興市場美元債券ETF〈EMB〉流出-4.58億美金
7.iShares黃金信託ETF〈IAU〉流出-4.37億美金
8.SPDR彭博巴克萊高收益債ETF〈JNK〉流出-4.08億美金
9.Vanguard不動產投資信託ETF〈VNQ〉流出-3.61億美金
10.First Trust非必需消費AlphaDEX指數ETF〈FXD〉流出-3.16億美金
使用類神經網路結合模糊理論預測標準普爾500指數
為了解決SPDR 金融類股 的問題，作者李中永 這樣論述：
股票預測並不是一件容易的工作，因為它受到各種因素的影響。自1980年以來，許多研究人員利用倒傳遞類神經網絡(back propagation neural network)來預測股價的波動。不過，倒傳遞類神經網絡也是有一些局限性。倒傳遞類神經網路在學習速率上收斂速度慢，學習效率低，除此之外，也容易進入局部最小值，離較完美的預測結果相對較遠。本論文是利用倒傳遞類神經網路與模糊控制(fuzzy controller)兩種演算法進行結合來建立模糊類神經網路對股票市場進行預測的方式，並使用此方式預測標準普爾500指數(S&P500)當日最高價、最低價及收盤價，並與倒傳遞類神經網路比較預測優劣。在
指數股票型基金(ETF)預測方面，則用SPDR(Standard & Poor’s Depositary Receipts) 金融類股的 ETF作為研究對象，運用類神經網路中的倒傳遞類神經網路與模糊類神經網路(Fuzzy Neural Network)及時間序列(Time series)中的自我迴歸整合移動平均(Autoregressive Integrated Moving Average model，ARIMA)方式預測其當日最高價、最低價與收盤價，並比較預測優劣，並透過平均絕對百分比誤差(MAPE)作為目標輸出值與推論輸出值之間容許誤差的檢驗。