| dc.contributor | 金融系 | |
| dc.creator (作者) | 林建秀 | |
| dc.date (日期) | 2023-09 | |
| dc.date.accessioned | 7-Apr-2026 13:17:12 (UTC+8) | - |
| dc.date.available | 7-Apr-2026 13:17:12 (UTC+8) | - |
| dc.date.issued (上傳時間) | 7-Apr-2026 13:17:12 (UTC+8) | - |
| dc.identifier.uri (URI) | https://ah.lib.nccu.edu.tw/item?item_id=181918 | - |
| dc.description.abstract (摘要) | 本研究有以下兩項貢獻：首先，我們結合機器學習於外匯資產訂價上。基於機器學習具有更富變化的方程式之彈性，我們相信將可解決傳統資產訂價的風險溢酬衡量問題。其次，在考量放寛模型的方程式彈性之外，我們還持續於尋找其他未包含於傳統外匯訂價模型的國家特徵及總體變數對外匯訂價的支持。機器學習幫助我們找出在外匯訂價及投資上具有決定性的變數。透過比較傳統及機器學習法的樣本外解釋力及投組績效，我們將可決定在外匯市場上具有決定性的預測變數。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 科技部, MOST110-2635-H004-001, 110.08-111.07 | |
| dc.subject (關鍵詞) | 外匯訂價模型; 機器學習; 極端梯度提升加強樹; 隨機森林; 神經網路; 長短期記憶模型 | |
| dc.subject (關鍵詞) | Currency asset pricing; Machine learning; XGBOOST; Random forests; Neural networks; LSTM | |
| dc.title (題名) | 以深度學習提升外匯資產訂價及交易策略之績效研究 | |
| dc.title (題名) | Deep Learning in Enhancing the Performance of Pricing and Trading Strategies in Fx Markets | |
| dc.type (資料類型) | report | |
