廖翊宏_HTML_CSS_Javascript_Java_Python

廖翊宏德明科大財金系衍生性金融商品銷售人員 答 1 2 3 4 銀行辦理衍生性金融商品業務，應檢具金管會規定之申請書件，向金管會申請核准，並符合哪些規定？ 申請日上一季底逾放比率為3%以下 EPS達3元以上 ROE達5% 市值達新臺幣100億 答 1 2 3 4 向專業機構投資人及高淨值投資法人以外客戶宣讀或以電子設備說明客戶須知之重要內容，其內容應載事項有結構商品之名稱及警語及連結標的類別或資產外，包括下列何者？甲.未來的績效；乙.市場的走勢及經濟的看法；丙.投資風險之說明 僅甲. 僅乙. 僅丙. 甲.乙.丙. 答 1 2 3 4 銀行辦理衍生性金融商品業務之交易、交割、推介、風險管理之經辦及相關管理人員，每年應參加國內金融訓練機構所舉辦或銀行自行舉辦之衍生性金融商品教育訓練課程時數至少達多少小時以上？ 6小時 12小時 20小時 16小時 答 1 2 3 4 依「銀行辦理衍生性金融商品自律規範」規定，銀行應於結構型商品交易文件中提醒客戶承作本商品之重要注意事項，下列敘述何者錯誤？ 商品設計或條件不同客戶所暴露之風險程度可能不同 現金交割可能發生部分或全部利息、本金減損之風險 非現金交割可能發生本金將依約定轉換成標的資產之情事 現金交割可能必須承擔再投資風險 答 1 2 3 4 依銀行辦理衍生性金融商品業務內部作業控制及程序管理辦法規定，下列敘述何者錯誤？甲.應至少區分二個等級，評估非專業客戶商品風險承受程度；乙.對於交易條件標準化且存續期限超過6個月之商品，若為專業客戶，除客戶明確表示已充分審閱並簽名者外，審閱期間不得低於七日；丙.結構型商品限於專業客戶交易者，不得為一般性廣告 甲.乙. 甲.丙. 乙.丙. 甲.乙.丙. 答 1 2 3 4 依「銀行辦理衍生性金融商品業務內部作業制度及程序管理辦法」規定，銀行向客戶提供結構型商品交易服務時，不得以下列何者名義為之？ 附條件美元優利投資組合 黃金外幣組合 雙元貨幣組合 結構型優利存款 答 1 2 3 4 銀行向專業機構投資人及高淨值投資法人以外之客戶，辦理商品期限超過一年且隱含賣出選擇權之匯率類衍生性金融商品，徵提期初保證金之最低標準，不得低於契約總名目本金之多少百分比？ 2% 3% 5% 8% 答 1 2 3 4...

 

  GOOGLE AI模式在撰寫模式貼上 Pandas DataFrame 是 Python 中最核心的雙維度表格型資料結構 ，類似於 Excel 試算表或 SQL 資料表 。它包含有序的欄位（Columns）與橫列（Rows），且每欄可以儲存不同的資料型態（如整數、字串、浮點數）。 [ 1 , 2 , 3 ] 1. 建立 DataFrame [ 1 , 2 ] 開發者通常透過 W3Schools Pandas 課程 學習基礎建置，最常見的方法是傳入 Python 字典或讀取外部檔案： [ 1 , 2 , 3 , 4 ] python import pandas as pd # 方法 A：使用字典建立（Key 為欄位名，Value 為資料列表） data = { " Name " : [ " Mike " , " Sherry " , " Cindy " ], " Age " : [ 20 , 21 , 19 ] } df = pd.DataFrame(data) # 方法 B：讀取 CSV 檔案 # df = pd.read_csv('data.csv') 請謹慎使用程式碼。 2. 核心屬性與檢視方法 建立物件後，可利用 Pandas 官方 API 說明 提供的屬性快速掌握資料輪廓： [ 1 , 2 , 3 , 4 ] df.shape ：傳回資料列數與欄數的元組（Tuple）。 df.columns ：列出所有欄位名稱。 df.index ：列出列索引標籤。 df.info() ：顯示資料型態、記憶體用量與非空值計數。 df.head(n) ：預覽前 n 筆資料（預設為 5 筆）。 df.describe() ：輸出數值欄位的統計資訊（如平均值、標準差）。 [ 1 , 2 , 3 , 4 , 5 ] 3. 資料篩選與選取 根據 Pandas 索引指南 ，主要選取方式分為標籤定位與位置定位： [ 1 , 2 , 3 ] 選取特定欄位 ： df['Name'] （傳回單維度的 Pandas Series ）。 標籤選取（.loc） ： df.loc[0] 根據行或列的名稱/標籤提取資料。 座...

# 1. 讀入 CSV 檔案 (假設 CSV 有 'Date' 和 'Close' 欄位) df = pd.read_csv('stock_data.csv') df['Date'] = pd.to_datetime(df['Date']) df.set_index('Date', inplace=True) # 2. 計算移動平均線 (例如 5日短均線 與 20日長均線) df['SMA5'] = df['Close'].rolling(window=5).mean() df['SMA20'] = df['Close'].rolling(window=20).mean() # 3. 判斷交叉信號 # 前一天的狀態 df['prev_SMA5'] = df['SMA5'].shift(1) df['prev_SMA20'] = df['SMA20'].shift(1) # 黃金交叉：昨日短<長 且 今日短>長 df['Golden_Cross'] = (df['prev_SMA5'] < df['prev_SMA20']) & (df['SMA5'] > df['SMA20']) # 死亡交叉：昨日短>長 且 今日短<長 df['Death_Cross'] = (df['prev_SMA5'] > df['prev_SMA20']) & (df['SMA5'] < df['SMA20']) # 4. 輸出結果 (過濾出有信號的日期) signals = df[df['Golden_Cross'] | df['Death_Cross']]  print(signals[['Close', 'SMA5', 'SMA20', 'Gold...