EXCEL函數LEN產生Power Query效果認識漢字20950個

-

插入換列Feed Line字元碼10

使用EXCEL 2016資料Data,讀取外部資料External Data,從Web,以第一筆資料「蘋果 Apple Inc」為例,

  • EXCEL 2016將他當作二列
  • EXCEL 2019將他當作一列,中間插入換列控制碼char(10)
  • EXCEL 365的做法和EXCEL 2019相同

資料,從表格,排序,刪除多餘紀錄,Find

漢字20950個的UNICODE

一19968
龎40846
龏40847
龐40848
龑40849
龒40850
龓40851
龔40852
龕40853
龖40854
龗40855
龘40856
龙40857
龚40858
龛40859
龜40860
龝40861
龞40862
龟40863
龠40864
龡40865
龢40866
龣40867
龤40868
龥40869
龦40870
龧40871
龨40872
龩40873
龪40874
龫40875
龬40876
龭40877
龮40878
龯40879
龰40880
龱40881
龲40882
龳40883
龴40884
龵40885
龶40886
龷40887
龸40888
龹40889
龺40890
龻40891
龼40892
龽40893
龾40894
龿40895
鿀40896
鿁40897
鿂40898
鿃40899
鿄40900
鿅40901
鿆40902
鿇40903
鿈40904
鿉40905
鿊40906
鿋40907
鿌40908
鿍40909
鿎40910
鿏40911
鿐40912
鿑40913
鿒40914
鿓40915
鿔40916
鿕40917

留言

張貼留言

這個網誌中的熱門文章

劉任昌因子ETF, Factors ETF

-
圖片
永豐金網頁介紹 https://www.sinotrade.com.tw/richclub/oversea/ 1960年代，經濟學家威廉夏普提出了財務分析上最重要的理論基礎—資本資產定價模型(簡稱CAPM模型)，用來衡量投資組合承擔市場風險後，可以帶來的預期報酬率。然而從70年代開始，有不少學者發現某些特性的股票，其獲得的實際報酬率相比CAPM模型計算出的預期報酬率還高，這多出來的超額報酬無法被傳統模型解釋，於是學者們針對CAPM模型做出修正，試圖加入更多影響報酬的因素，才導致後續多因子模型的誕生，進而找出有機會打敗大盤的投資組合。 因此以白話文來說，因子投資就是：「 找到某些影響股票報酬的因素，利用這些因素為投資創造超額報酬 」。 比較三支Factors ETF與傳統ETF績效 iShares MSCI USA Size Factor ETF (SIZE), 規模因子 iShares MSCI USA Momentum Factor ETF (MTUM), 動能因子 iShares MSCI USA Value Factor ETF (VLUE), 價值因子 投資學的動能momentum策略，相反是反轉contrarian策略，前者「追高殺低」，後者「買低賣高」。 STYLE指令 <style>h1{background-color:purple;color:white;border:20px solid red; border-radius: 30px; text-align:center;}</style> 投資學單因子模型 CAPM唯一的因子市場報酬率： 證券i的預期報酬率=Rf + Beta x (市場風險溢酬) 提出者Mossin, Lintner, Sharpe夏普 投資學三因子模型 CAPM因子是市場報酬率, 規模效應, 淨值市價比： 證券i的預期報酬率=Rf + Beta x (市場風險溢酬)+Beta2(規模效應)+Beta3(淨值市價比) 其他多因子模型
閱讀完整內容

2015年一月投資學期末考

-
劉任昌蒙地卡羅模擬資產價格 切割期數 0 1 2 3 4 5 6 7 8 9 10 20 30 40 50 100 2015年一月投資學期末考 在老師發放的紙張寫上班級、學號、姓名，記得也在在點名單上簽名，要確認老師看過你的電腦螢幕才可以離開教室。 [70分]寫出這一題作業放置的網址，一定要改自己的名字，改下拉選單最大值 [10分]寫出上次作業的網址(因子ETF) [10分]寫出再上次作業的網址(移動平均線) [10分]寫出其他作業的網址 簡略心得 以上程式碼 <STYLE>H1{BACKGROUND-COLOR:GREEN;COLOR:WHITE;TEXT-ALIGN:CENTER;PADDING:1PX;BORDER:SOLID BLUE 10PX;} SELECT{FONT-SIZE: 1.5EM; BACKGROUND-COLOR: LIGHTGREEN;LINE-HEIGHT:1;} BUTTON{FONT-SIZE: 1.5EM; BACKGROUND-COLOR: YELLOW; WIDTH: 100PX;} P{FONT-SIZE: 1.5EM; BACKGROUND-COLOR: LIGHTGREEN;} </STYLE> <SCRIPT> function MY(n){ const step = 600.0 / n; const stdev = 100.0 / Math.sqrt(n); let x = 0; let y = 200; const canvas = document.getElementById("Canvas"); const Brownian = canvas.getContext("2d"); Brownian.beginPath(); Brownian.moveTo(x, y); for (let i=0; i<n ; i++){ x += step; y += stdev * Gaussian(); Brownian.lineTo(x, y);} Brownian.strokeStyle = ...
閱讀完整內容

劉任昌:行為財務,BRK波克夏海瑟威公司股價

-
圖片
認知過程 代表性啟發（representativeness heuristic）。其缺陷在於過分強調將事物劃分的典型類別，而不關注潛在的其它可能證據。Tversky,Slovic and Kahneman（1982）舉的「飛行訓練」一例形象解釋了這一現象。Debondt and Thaler（1983）進一步解釋了「贏者輸者效果」（winner lose effect），認為由於「代表性啟發」的存在使投資者對過去的輸者組合表現出過度悲觀，而對贏者組合過度樂觀。 可得性啟發（availability heuristic）認為容易令人聯想到的事件會讓人誤以為這個事件常常發生。如Shiller（2000）指出，網絡使用者會傾向將1990年代後期的股市繁榮歸功於Internet的發展。Kahneman and Tversky（1973）認為存在可得性啟發是由於個人不能完全從記憶中獲得所有相關的訊息。Fischhoff,Slovic and Lichtenstein（1977）認為個人對於自己不太能想像的事件，會低估其發生的可能性。 錨定與調整（anchoring and adjustment）啟發。人們最初得到的資訊可能制約對事件的估計，產生定錨效應，而以最初的資訊為參照來調整對事件的估計通常不充分。開始的參考點不同會產生不同的估計。Shefrin（2000）認為股票分析師對於新訊息的反應定位的太保守，並且調整的不夠快，Shafir，Diamond and Tversky（1997）通過實驗表明錨定會導致「貨幣幻覺」（money illusion），從而影響人們在認知、情緒上處理通膨的方法。實驗人員在對聯合與分離事件評估時，錨定會低估複雜系統出現問題的機率。 框定依賴（framing dependence）認為人們面對的問題本質相同而形式不同會導致人們做出不同決策。Kahneman and Tversky通過實驗發現頭腦在衡量各種複雜的可能時常走捷徑（shortcut）。 波克夏海瑟威公司 CSS=CASCADING STYLE SHEETS網網頁的風格控制   <iframe WIDTH="100%" HEIGHT="400" src=" https://www.moneyweekly.com.tw/A...
閱讀完整內容