股票價格預測
李O漢、陳O融、林O淵、林O祥、陳O安、廖O哲
本專題聚焦於台灣科技類股之股價預測問題。台灣科技產業在全球供應鏈中扮演關鍵角色，其股價受國內外經濟情勢影響劇烈，波動性高，傳統分析方法難以掌握其非線性特徵。為此，我們結合資料科學與機器學習技術，建構一套基於長短期記憶網路（LSTM）的股價預測模型。研究以網路爬蟲技術蒐集近五年台灣科技股歷史資料，包含收盤價、成交量與多種技術指標，進行前處理與特徵工程。接著利用LSTM模型進行時間序列建模與訓練，並透過交叉驗證與評估指標比較模型效能。實驗結果顯示，本模型能有效捕捉時間依賴與趨勢變化，預測準確性與穩定性均優於傳統方法。未來將擴充外部資料如國際指數與新聞情緒，並導入更先進的模型如Transformer，以提升預測能力與應用價值。
