歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立中正大學 會計與資訊科技碩士在職專班 許育峯所指導 洪郁翔的 一個植基於特徵選取與樣本選取技術的自動選股模型 （2021），提出成長型股票2022關鍵因素是什麼，來自於自動選股模型、投資策略、分群演算法、特徵選取、樣本選取。
而第二篇論文健行科技大學 財務金融系碩士班 葉寶文所指導 鍾政穎的 收益率和本益比對股價預測之實證 （2021），提出因為有 收益率、本益比、股價報酬率、多元迴歸模型、兩階段樣本選擇模型的重點而找出了 成長型股票2022的解答。
一個植基於特徵選取與樣本選取技術的自動選股模型
為了解決成長型股票2022 的問題，作者洪郁翔 這樣論述：
本論文研究台灣上市上櫃公司之財務指標相關資料，提出以分群演算法（Cluster）區分財務體質良好與不佳的分群結果，搭配特徵選取方法（Feature Selection, FS）或是樣本選取方法（Instance Selection, IS）結合隨機森林（Random Forest）機器學習方法探討股票預測之成效，本研究選取訓練資料為2001年至2018年在台灣加權指數有多頭和空頭股市經歷兩個大週期循環分別為2007年金融海嘯以及2018年中美貿易大戰，並以預測之日為建構日以相同金額買入並且以2018年3月至2022年3月之資料進行投資策略回溯測試。其實驗結果顯示Cascade Simple
K-Means加上樣本選擇（Instance Selection）的遺傳基因演算法（Genetic Algorithm, GA）結合隨機森林（Random Forest）預測結果其報酬率為79%為最優，其次，自我組織設映圖SOM（Self-Organizing Map）加上過採樣方法(Synthesized Minority Oversampling Technique ,SMOTE)其報酬率為75%。本實驗結果在於Cascade Simple K-Means和SOM兩種分群演算法搭配任何一個特徵選取或是樣本選取並結合隨機森林演算法結果都有72%以上報酬率，均優於大盤指數的62%，甚至在EM（
Expectation-Maximization algorithm）演算法也有三種方法（IB3、IS-GA、PCA）可以超過大盤報酬率。
收益率和本益比對股價預測之實證
為了解決成長型股票2022 的問題，作者鍾政穎 這樣論述：
本研究想了解本益比與收益率對於股票收盤價及股價報酬率是否具有顯著的預測能力，故選取元大高股息ETF（0056）中的傳產類股、科技類股或金融類股共計30檔股票之股價報酬率作為主要的研究標的，選取個股之單月營收成長率、每股淨值、單月營收成長率大於0、符合本益小於15等指標作為解釋變數。資料來源為經濟新報資料庫，資料樣本之期間為2015年11月至2020年11月，共計5年，資料型態為月資料，共計1830筆。研究方法則採用相關係數法、多元迴歸模型及兩階段樣本選擇模型分析股價報酬率與本益比和收益率之間的關係，並以配適度檢定證明本研究所採用的方法具有解釋上的有效性與一致性。實證結果證明本益比對股價於落後
三期時具有顯著的解釋效果，而單月營收成長率對股價在當期即有顯著的解釋效果。