台指vix代號的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

應用類神經網路於股災期間之股價預測—以台灣成分證券ETF為例

為了解決台指vix代號的問題，作者謝佳芸 這樣論述：

台灣股票市場容易受國際股市影響，股市甚麼時候會崩盤則是各位投資者在意的事情，期望藉由觀察歷史上四次代表性股災，結合類神經網路的運算，預測往後股價的走勢。選取的四次股災分別是：2008年的金融海嘯、2011年的美債危機導致全球股市重挫、2018年的美中貿易最高峰和2020年的新冠肺炎疫情爆發帶來全球經濟衰退疑慮。在這些事件中，一國股價之漲跌容易對其他國家有連鎖效應，特別是股價突然暴跌時連動性相當明顯。因此，本研究將各國主要股市指數、代表原物料物價的期貨、消息面指標和總體經濟分析指標納入變數中，並加以預測指數股票型基金(Exchange Traded Fund, ETF)之價格。本研究應用倒傳遞

類神經網路整合台灣發行量加權股價指數、美國紐約道瓊工業平均數、美國紐約史坦普爾500股價指數、香港恆生指數、中國上海綜合股價指數、德國DAX指數、韓國綜合指數、日本日經指數、法國CAC指數、英國FTSE100指數、加拿大多倫多綜合指數、新加坡富時海峽指數、泰國曼谷SET指數、CRB指數、恐慌指數、台灣領先指標綜合指數、景氣對策訊號、海關出口值、機械及電機設備進口值預測近十年殖利率排行前十名的國內成分證券指數股票型基金。本研究採用皮爾森相關係數分析四次代表性股災台灣股市收盤價與各國指標的相關性，數據結果顯示國際之間股價的相關性高。本研究數據結果平均絕對百分比誤差(Mean Absolute Pe

rcentage Error, MAPE)皆小於10%，所以，本研究確認在四次代表性股災時間，倒傳遞類神經網路學習國際股價趨勢來預測台灣股票市場是有效的。關鍵詞：倒傳遞類神經網路、多層感知器、價格預測、指數股票型基金、平均絕對百分比誤差

結算日漲跌預測之研究-- 以台灣加權指數期貨及選擇權為例

為了解決台指vix代號的問題，作者黃昱騰 這樣論述：

本文數據收集期間採自2009年1月至2018年4月，以2009年1月至2014年12月做為樣本內數據，2015年1月至2018年4月做樣本外數據，利用現貨、期貨與選擇權、國際股市、匯率等4大類別變數，合計共14個變數，置入羅吉斯迴歸模型進行樣本內數據對於預測台指期權結算日漲跌幅的正確率分析，設計三個不同期別的變數模型再評定樣本外數據預測台指期權結算日漲跌的效果，實證結果顯示在三個模型當中，僅有落後一期的建模樣本的分類正確率為81.63%，套用至樣本外整體分類的正確率為60.00%；顯著變數為台灣加權指數股價淨值比（PB）、台指選擇權波動率指數（VIX）、美國標準普爾500指數報酬率（SP50

0）、iShares MSCI China Large-Cap ETF報酬率（FXI）與外資期貨未平倉比率（FFBS）。其中正向影響關係的變數為PB、VIX、SP500與FFBS；負向影響關係的變數為FXI。變數SP500對預測台股期權結算日之漲跌與過去文獻研究現貨指數報酬會隨美國市場變動而改變之結果相同。