元大s&p500成分股的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

增強型臺灣50 ETF之建構

為了解決元大s&p500成分股的問題，作者何孟娟 這樣論述：

本研究旨在構建一個以追蹤臺灣50 ETF為目標的投資組合，探討臺灣50 ETF成分股票，經過精緻化的萃取精華過程，是否能夠達到超越本體的優化效果。首先透過2012年到2021年十年期的歷史資料，做為策略投資的樣本，進行測試分析，將每季臺灣50成份股的表現，依據不同選股策略的條件下做排序，以篩選出表現出色的個股，組成新的投資組合。 根據實證結果顯示，成份股數量縮減時報酬的表現，在股市呈現上漲走勢時表現更佳。如預期臺灣的證券市場長期走勢呈上漲趨勢，利用市值加權的權重比例，無論在哪一種投資組合策略的情況下，都能擁有穩定的超額收益，長期持有能提供投資人高於臺灣50 ETF的投資報酬。對

於主要操作價差波動獲利的投機者，也有比臺灣50 ETF更大的空間。

運用類神經網路建立與比較指數股票型基金之買賣決策模型-以0050.TW、EWT、SPY為例

為了解決元大s&p500成分股的問題，作者鄭馥嫻 這樣論述：

本研究以元大台灣 50 ETF(0050.TW)、iShares MSCI台灣ETF(EWT)以及SPDR S&P 500 ETF(SPY)為標的，應用技術指標結合倒傳遞類神經網路建立買賣決策模型。資料來源為Yahoo Finance資料庫，選取期間自2008年1月2號至2017年12月29日。本研究比較倒傳遞類神經網路與專家策略之買賣決策差異，採取混淆矩陣與報酬率做為績效評估的依據。本研究使用R-Studio軟體建立買賣決策模型，模型的輸入變數包括成交量(Volume)、風險值(VaR)、隨機指標(KD)、移動平均線(MA)、相對強弱指標(RSI)、指數平滑異同平均線（MACD）。透過靈

敏度分析求出買賣決策模型最佳參數。混淆矩陣結果顯示，0050.TW、EWT與SPY的模型準確率(Accuracy)都高於95%。靈敏度分析結果顯示，模型參數設定對報酬率影響很大，0050.TW、EWT與SPY最佳報酬率分別為561%、711%、675%。EWT相較於另外兩個標的，減少輸入項變數後，模型報酬率與專家買賣策略相近，當EWT刪除對模型有負面影響的RSI變數，報酬率為684%，與專家買賣決策(689%)相差5%。實證結果顯示，三個研究對象之模型報酬率皆遠高於買進持有策略，模擬報酬率最高的指數為 EWT，其報酬率遠高於專家買賣策略 22%，而 0050.TW、SPY 之最佳報酬率稍低於專

家買賣策略，報酬率差異分別為12%與4%。實證結果發現，運用倒傳遞類神經網路建立的買賣決策模型皆有良好的預測能力，且模型預測之最佳報酬率與專家買賣決策報酬率相近。