工業和商業黃頁資訊網論文書籍站
健行科技大學 財務金融系碩士班 王忠建所指導 吳靜咪的 「元大台灣 50」ETF存股策略之研究 （2021），提出goodinfo篩選關鍵因素是什麼，來自於價值投資策略、本益比、殖利率。
而第二篇論文國立交通大學 工業工程與管理系所 巫木誠、洪暉智所指導 江佳磬的 應用資料探勘技術於股票投資 － 以遠東新為例 （2019），提出因為有 資料探勘、股市預測、交易訊號、領先指標、投資報酬率的重點而找出了 goodinfo篩選的解答。
「元大台灣 50」ETF存股策略之研究
為了解決goodinfo篩選 的問題，作者吳靜咪 這樣論述：
在資金有限的投資規劃中，如何運用投資人都知曉的基本面，篩選出「殖利率」佳、「本益比」低之價值股組合，是研究的最終目的。本研究藉由2016年~2019年間，占「元大台灣 50」超過60%權重之前15 大成分股公司為研究對象，並從這4年間入選前15大公司次數最多之公司，依據「殖利率」、「本益比」篩選出四類投資組合並還原其報酬率，探討是否能勝出投資「元大台灣 50」ETF。此四類投資組合再與「元大台灣 50」ETF及銀行定存進行一年模擬存股，於2020年2 月 3 日開盤價存入該公司股票，並於 2021年 2 月 1 日收盤價賣出並還原權值，分析報酬率之優劣，做為日後買入持有之參考依據。驗證結果顯
示，2016年~2019年間第一類至第四類投資組合之報酬率，均劣於「元大台灣50」ETF報酬率25.6%。但投資組合中兆豐金及中信金兩家公司，與「元大台灣50」ETF報酬率相距不遠甚至超越。在一年期模擬存股中，第一類至第四類投資組合之報酬率均劣於「元大台灣50」ETF報酬率51 %。第四類投資組合優於「2020年定存」1.065%，實證結果顯示「元大台灣50」ETF享有更好的報酬率。
應用資料探勘技術於股票投資 － 以遠東新為例
為了解決goodinfo篩選 的問題，作者江佳磬 這樣論述：
股票投資一直以來是個艱深的問題，而近年來資料探勘技術也越來越發達，運用資料探勘於各個領域已蔚為風潮，而將資料探勘應用於股票投資也是其中一環。本論文將資料探勘應用於股票買點預測，以遠東新為標的，主要探討兩件事，一為投入變數組合，二為投入變數的方式及架構流程的調整。前者主要希望能找到遠東新的關鍵變數，且因遠東新為具集團特色之母公司，因此也希望藉此探討具集團特色的標的其關鍵變數為何；而後者，則是希望透過投入變數方法或者架構流程上的調整，有助於模型效能的提升。在研究架構上投入的變數組合分為兩組，變數組合一為未增加集團相關變數的組合；而變數組合二為增加集團相關變數的組合。整體實驗有兩組實驗情境，在變數
投入的方式，即資料正規化方式統一使用條件正規化，並且統一在驗證階段做出架構上的調整，即加入委員會及定義賣點參數r值的概念。而其他如比較基準的計算、加入期貨指數的概念、買點定義、買點二元分類器的建立、架構上時間落差的設計、交易行為的產生及最後績效表現ROI的計算等在後續章節都有介紹。最終實驗結果為加入集團相關變數的變數組合二表現比變數組合一好，但兩個變數組合在六個比較基準中都只贏過了五個。表現最好的為變數組二，ROI結果為29.28%，贏過使用buffet法的19.12%，也贏過變數組合一的ROI (25.77%)。