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 會計與資訊科技研究所 許育峯所指導 曾立崴的 一個結合特徵選取與機器學習演算法的匯率預測模型 （2021），提出Forex Forest關鍵因素是什麼，來自於匯率、機器學習、特徵選取、模糊認知圖、小波轉換、總體經濟。
而第二篇論文國立中正大學 資訊管理系研究所 李珮如所指導 陳冠宇的 結合社群評論預測股價漲跌趨勢：以S&P500成份股為例 （2021），提出因為有 股價趨勢預測、文字探勘、資料探勘、機器學習、深度學習、消息面分析的重點而找出了 Forex Forest的解答。
Forex Forest進入發燒排行的影片
PAYPAL直播彈字贊助
https://streamlabs.com/hongkong6429hongkong6429
香港贊助 使用以下圖片到便利店說 i tunes pass 增值
https://scontent.fhkg1-1.fna.fbcdn.net/v/t1.0-9/19437309_456983178008419_6452537168900830196_n.jpg?oh=8c6fb5ee6a3b09fc1228ec16f2fa1eb9&oe=59EE2713
喵喵俠專頁
https://www.facebook.com/catcatcatman/
喵喵俠玩魔靈召喚群組
https://www.facebook.com/groups/664214333715607/
一個結合特徵選取與機器學習演算法的匯率預測模型
為了解決Forex Forest 的問題，作者曾立崴 這樣論述：
過往外匯預測研究中，多僅以匯率的價格資料進行實驗，然而經濟指標對匯率走勢具有相當大的影響，因此本研究將總體經濟指標也加入資料集中，幫助模型提升學習能力。本研究利用特徵選取與機器學習的技術，探討何種混合模型的組合具有較佳的類別預測能力，及模糊認知圖作為特徵選取工具的預測能力，再進行時間序列的數值預測，以小波轉換結合模糊認知圖與七種傳統時間序列方法比較，探討何種模型具有較佳的數值預測能力。本研究透過TEJ & Capital IQ…等資料庫收集2001年7月31日至2021年12月31日之台灣匯率、總體經濟資料。透過兩階段的實驗，探討模糊認知圖在類別與數值預測方面的表現如何，能否打敗傳統的模型與
方法。
結合社群評論預測股價漲跌趨勢：以S&P500成份股為例
為了解決Forex Forest 的問題，作者陳冠宇 這樣論述：
近年來社群論壇的蓬勃發展，許多人可以在網路上輕易的接收到其他民眾發表的訊息言論，而投資者受到社群資訊影響其投資決策的情形也日益普遍，這些社群資訊可能來自社群媒體、線上新聞、論壇討論區，也包含特定族群如員工論壇討論區等，其中有些投資者可能也想參考該公司員工之工作感想，許多人也可能因為接收到這些來自資訊而被吸引進入投資市場以及影響其投資決策。過去研究顯示，股價預測已經包含了相當多不同面向的分析，可以概括成基本面分析、技術面分析、籌碼面分析，以及以新聞、社群為主軸的消息面分析等，而本研究選擇著重於消息面分析，原因在於對許多投資者而言，基本面、技術面、籌碼面均須要一些專業知識上的了解，而消息面的資訊
取得容易也較容易理解，但也可能因為不同人發表的言論其主觀不同，造成投資者無法快速的做出投資決策，因此本研究希望能藉由股價走勢預測模型，輔助投資者在接收到社群之消息面資訊時，更有效的進行投資決策。由於社群消息面資訊來源相當廣泛，加上每個投資者習慣瀏覽的社群網站皆不盡相同，以員工評論來說，本研究採用較廣為人知的Glassdoor作為文本資料來源，並且蒐集Yahoo Finance!的各公司股票、技術面相關數據，以及Macro Trends之各公司基本面數據，並使用隨機森林(Random Forest)、極限梯度提升(Extreme Gradient Boosting)、循環神經網路(Recurre
nt Neural Network)、長短期記憶(Long Short-Term Memory)建立股價走勢預測模型，希望在未來能提供投資者進行投資決策時的參考。