集合競價範例的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

應用於證券交易中低延遲金融風險管理系統之FPGA實現

為了解決集合競價範例的問題，作者莊承翰 這樣論述：

隨著臺灣證券交易所新制——逐筆交易實施後，有別於以往的「集合競價」每五秒鐘撮合一次，「逐筆交易」隨到隨撮，以微秒為單位為交易者進行撮合，高頻交易的可行性更加提高。基於軟體的風險管理解決方案的高可擴展性可以很好的適應高變動設計需求，不過處理延遲也相對高，同時導致交易風險增高，無法滿足高頻交易的要求；特殊應用積體電路(Application Specific Integrated Circuit, ASIC)的效能雖高且延遲低，但低可擴展性不適合應用在高變動的金融領域；現場可程式邏輯閘陣列(Field Programmable Gate Array,FPGA)同時兼具軟體的高可擴展性，以及特殊應

用積體電路的高效能與低延遲，在能夠快速變更系統設計下同時保持優越的性能與極低的延遲，是實現風險管理系統理想選擇。本論文提出一架構基於現場可程式邏輯閘陣列的高頻交易風險管理系統，以硬體加速處理金融封包，並且提供部分TCP/IP協定堆疊功能，如封包解析、TCP亂序重組與重送標示等功能，且可以依據需求增減風險管理功能並支援多組FIX session檢核，滿足低延遲精確管控金融交易風險。本論文提出之系統實現在NetFPGA-SUME-10G上，原生網路卡專案系統處理300位元組之FIX封包必須花費1.5微秒，本論文之TCP重組模組與風險管理模組處理300位元組之FIX封包合計延遲時間約為783奈秒，因

此本論文提出之風險管理系統處理300位元組之FIX封包可以達到2.3微秒的延遲時間，滿足高頻交易的低延遲需求。

一個高速交易的自動演化預測系統的研究

為了解決集合競價範例的問題，作者陳柏均 這樣論述：

本論文提出一個運用遺傳演算法來演化最佳的預測模型組合而建構一個高速股價預測系統。透過台灣股市盤中即時揭露的資訊，並挑選了10間證交所當月交易量排名前20的公司為標的，組合出了多種高頻交易環境中量價關係之法則以預測股價的變化，其中還包含了Huang及Li以及Huang及Lin於其研究中提出的三種法則，本研究同時藉由中間價的觀察提出了另外兩種法則，最後的實驗結果顯示我們提出的方法在自動組合這五種法則後所建構出的自動演化模型能夠有效改良之前Huang及Li以及Huang及Lin的運用遺傳演算法所建構的預測模型。因此希望這些研究結果能擴展機器學習運用於預測高頻交易領域的相關股市投資的研究。