指數報酬率的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

財經時間序列預測：使用R的計量與機器學習方法

為了解決指數報酬率的問題，作者何宗武 這樣論述：

　　本書為進階的教材，需要經濟計量方法和矩陣代數的基礎。時間序列預測是統計學裡非常實用的工具，不論是分析投資組合的數據、全球總經和金融市場，以及預測景氣循環變動等等，可以用過去的數據資料，預測未來趨勢，是可以符合實際決策需要的實用能力。   　　書中並介紹機器學習方法，機器學習不是指特定估計方法，學習指的是如何在資料結構中運算，以追蹤最小預測誤差的方法獲得最佳預測(tuning)。我們應用機器學習演算法訓練歷史資料，執行特徵萃取(features extraction)，再測試預測表現。依此建立一個可預測未來的模型，作為決策之用。   　　使用R語言進行時間序列預測是本書的一大特點，R語言

是統計學中普及且容易上手的分析工具，書中針對一個個資料分析步驟進行深度解說，教給讀者進行預測與評估的最實用方法。

指數報酬率進入發燒排行的影片

台灣不同產業實施庫藏股買回之宣告效果

為了解決指數報酬率的問題，作者黃彥禎 這樣論述：

本文利用事件研究法探討上市公司實施買回庫藏股策略，是否因產業特性差異而有不同的影響，以台灣上市之被動元件、光電、紡織、金融、水泥股等五項產業為實證標的。結果顯示僅金融業符合訊號發射假說，被動元件業、光電業、紡織與水泥業皆未符合訊號發射假說。就實務意涵而言，散戶投資人本屬於訊息弱勢族群，當公司宣告買回實施庫藏股時，或有可能傳達當前股價已遭市場低估之資訊內涵，但需特別留意宣告實施買回庫藏股時之公司股價處於相對高檔者，投資人應當審慎評估該公司之營運基本面以及觀察當下籌碼變化。

證券投資分析實務：個股基本面分析(二版)

為了解決指數報酬率的問題，作者曾凱逸 這樣論述：

　　由職場回至校園，一方面抱著重新學習，汲取學術的養分，一方面則懷著傳承，分享經驗予學子。筆者博士班三年級時，即開始教授投資相關課程，講授時，發現教科書和實務上的差異，雖教科書有深厚的理論論述，但學生在學校學了投資知識，真的投入職場從事投資時，卻仍多面臨所學不知如何使用，這是筆者看到業界及學校之間的斷層，因此授課時，筆者常自編教材，不但加入大量案例，也闡述實務上的分析重點，以期能拉近學校和實務的距離。在多年的教授後， 筆者逐漸累積所教授的內容，逐步整理，寫成本書，希望幫助教授投資相關領域的教授及老師們，可以有更貼近的實例、更合於實務的方法和更切合的內容來教導證券投資分析，也

提供實務界及對投資有興趣的人們一本分析的專書。 本書大部分心得來自多年的投資經歷，股票市場涉入的變因眾多，但個股的分析永遠是最基本、最需紮馬步的功夫，彼得林區（Peter Lynch）這位投資大師，在他「征服股海」（Beating the Street）的書中曾很生動的描述他努力尋求個股的過程，他說他就如被訓練偵察味道的警犬一樣，由一家公司「嗅」到另一家公司，不斷品聞著每家公司本質，尋找著公司特有的細節。投信的研究生涯便是如此，對一家家公司的基本面深入探究，挖掘著投資機會，在浩瀚股海尋到好的標的，除了投資報酬的回報外，更有著滿滿的成就感。不過，要能有洞見看出別人所忽略或未覺察的潛質，所要投入的

努力 也要比他人為多，個股研究無他，唯「辛勤」二字而已，需如海綿般 的吸取著訊息，又需不斷反芻思考，批判檢核，要追索細節，又不忘綜觀全局，永遠有滿滿的功課要做。本書的完成，希望對投資有興趣者，培養出犀利的分析及研究的嗅覺，能找到那長期持有的標的。

上櫃公司的元月效應之研究

為了解決指數報酬率的問題，作者王文佐 這樣論述：

在股市中所謂的「元月效應」或是我們稱股市的「一月效應」這件事情在近幾十多年來一直是屬一個很有話聊的議題，不管有無學者是否能對這個議題其形成原因提出一個較好之解釋但這個話題已經擴散到盡所皆知。因為所謂的元月效應發生之時間點是在每年的元月份也就是一月份，剛好在一個新的年度的開始而已，而從另一個角度而言「一個好的開始」也是深植在我們心中的傳統觀念，所以無論是從公司的角度來想或對投資者的角度而言，均是在形成當年度預期且驗收去年度成果的主要時機點，而到底有沒有。據此本論文以上櫃公司各股類指數為研究對象，包括化學工業、生技醫療、半導體業、電腦及周邊設備業、光電業、通信網路業、電子零件組、電子通路業、資訊

服務業、紡織業、電機業、鋼鐵業、電子類、營造業、運輸類、觀光類以及上櫃股價指數進行符號檢定分析並將「元月效應」獲利成果進行有關的探討。實證結果發現，經分析台灣上櫃股票市場在2008年至2020年，台灣上櫃各類股指數均無元月效應。因此，以後投資人，若再看到股市即將開啟元月行情的相關報導時，或許不應再一窩蜂的一廂情願了。