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
國立臺北大學 會計學系 蔡元棠所指導 李幸容的 海外來臺上市櫃企業與財務報表可比較性之探討：考量董事連結、法規修正及新冠疫情之影響 （2021），提出2021瑞儀股利關鍵因素是什麼，來自於財務報表可比較性、KY公司、董事連結、康友案、新冠肺炎。
而第二篇論文國立中正大學 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），提出因為有 自動選股模型、投資策略、分群演算法、特徵選取、樣本選取的重點而找出了 2021瑞儀股利的解答。
海外來臺上市櫃企業與財務報表可比較性之探討：考量董事連結、法規修正及新冠疫情之影響
為了解決2021瑞儀股利 的問題，作者李幸容 這樣論述：
2020年發生的康友-KY案震盪了整個股市，驚傳該公司董事、高層全數逃跑，在發布重訊後短短幾天內被證交所打入全額交割股隨後並遭停止交易處分，最終康友公司於2021年4月下市。金管會在康友案後也做出了制裁手段，分別懲處會計師以及要求KY公司必須出具經會計師查核簽證之第二季財務報告，希望藉此防範KY公司再度發生類似康友掏空案事件。本研究檢驗KY公司與非KY公司在康友案前後財務報表可比較性的變化。本研究發現，整體而言，KY公司的財務報表可比較性較非KY公司為差，而與KY公司有董事連結之非KY公司的財務報表可比較性又較無連結之非KY公司為差。在康友案過後，整體而言，公司的財務報表可比較性有獲得改善。
但受限於疫情，查核人員無法對KY公司實地查核，導致其財務報表可比較性，相較於非KY公司並無改善，甚至有惡化的跡象。本研究發現財務報表可比較性是否改善之影響因素為公司是否為KY公司，表示在疫情影響下公司營運地點對於財報可比性影響程度大於有無董事連結。換言之，對查核人員而言，若受查公司主要營運地在臺灣，則較容易在短期內進行查核流程的改善；但受查者若是屬於KY公司，則較難以在短期內對其改善查核流程以提高查核品質。本研究主要貢獻為：(1)補足先前文獻的不足，先前少有使用臺灣的資料研究KY公司之財報可比性的文獻；(2) 考量與KY公司間的董事連結對非KY公司財報可比性的影響；(3)藉由康友案及新冠疫情因
素的影響，發現公司特性（能否實地查核）是影響查核品質的關鍵因素，期望能替查核人員們帶來警戒，使其在承接或續任KY公司之客戶時，能對其保持更多專業上應有之注意。
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2021瑞儀股利 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。