MamiBuy 永豐期貨台指選擇權盤後-摩台結算 台指震盪失守9200

鉅亨台北資料中心

◆盤勢分析

MamiBuy期貨走勢

台指期週二下跌 20 點至 9203 點。價差方面,台指期正價差擴至 10.62 點,電子期轉為逆價差 – 0.92 點,金融期轉為逆價差 – 2.76 點。現貨部分,三大法人買超 13.23 億元;而在台指期淨部位方面,三大法人多單減碼 2996 口,淨多單降至 30655 口,其中外資多單減碼 2962 口,淨多單降至 78237 口;另外十大交易人中的特定法人,全月份台指期多單減碼 1022 口,淨多單降至 25627 口。台指籌碼面顯示目前法人對指數持中性偏多預期。

期貨行情走勢方面,全球政治不確定性增溫導至歐美股市漲多拉回,帶動台指期以下跌 1 點開出,而現貨開盤小幅開低隨即一路震盪走高,早盤一度回測 9200 點大關有守後,隨著台幣早盤強升一度升破 31.8 大關,資金快速回補電子權值股,也帶動指數盤中在創本波反彈新高,但 1 點過後隨著摩台結算,大盤期現貨同步賣壓湧現,終場開低走低以下跌 20 點作收。技術面觀察,週二大盤開低走低以帶上影線小黑 K 失守 9200 點大關,而成交量能放大至 748 億水準,短線量價結構仍為區間震盪偏多。以日線型態來看,目前指數日 K 終結連二紅但仍守穩 5 日線支撐,月線下彎而季線轉為上彎,加上多項技術指標依舊黃金交叉向上,技術面仍為區間震盪偏多格局。操作上建議可於季線與前波高點間偏多操作,並請嚴設停損。

選擇權分析

選擇權從成交量來觀察,買權集中在 9300 點,賣權集中在 9000 點。選擇權未平倉量部分,買權未平倉最大量集中在 9400 點,賣權未平倉最大量集中在 8900 點。全月份未平倉量 put/call ratio 值由 1.42 降至 1.39,大於中性值 1,反應籌碼面為偏多架構。買權平均隱含波動率由 11.19% 升至 11.3%,賣權平均隱含波動率由 16.03% 升至 16.19%,買賣權皆升。選擇權部位顯示偏多。

本投資研究報告由永豐期貨股份有限公司版權所有,未經授權,禁止轉載節錄。本資料內容僅供參考,客戶應審慎考量本身之需求與投資風險,本公司恕不負任何法律責任,亦不作任何保證。

mamibuy華人第一嬰兒用品推薦網站

0E8EAB0B64036C62

MamiBuy 車禍膽汁外漏 恐致腹膜炎!

車禍膽汁外漏恐致腹膜炎!(優活健康網記者徐平/綜合報導)一位79歲男性因出現腹脹及黃疸症狀,經醫院電腦斷層掃描結果,發現腹腔內有大量積水,因為病人並沒有心臟衰竭、腎臟衰竭及肝硬化等疾病,於是轉診至台北內湖總院接受進一步的檢查與治療。

腹水呈墨綠色發現膽汁滲漏到腹腔mamibuy華人第一嬰兒用品推薦網站

抽出腹水後,顏色呈現墨綠色,與一般的黃色腹水大不相同,化驗之後發現膽紅素高達16.8mg/dl,意味著膽汁漏出到腹腔內,內視鏡逆行性膽胰管攝影的檢查並沒有發現膽管有破損,最後藉由核醫肝膽道掃描(99mTc-DISIDA cholescintigraphy)發現膽汁從膽囊外漏到腹腔內,因此診斷為創傷後延遲性膽囊破裂。

外力撞擊致膽囊受傷發生率為2.1%

病人於2個月前因車禍撞傷右上腹送醫,當時接受電腦斷層掃描,發現膽囊內出現血塊,肝臟等其他臟器並無受傷,三軍總醫院澎湖分院肝膽腸胃科主治醫師林榮鈞表示,如果腹部受到外力撞擊,膽囊受傷的機會並不常見,因為在肋骨及其他臟器當作緩衝的保護之下,在臨床研究中其發生率約2.1%,常見原因就是車禍。

血塊在壓迫膽囊後會造成局部缺血

膽囊受傷的類型可分為破裂(包括撕裂傷或穿孔)、挫傷、創傷性膽囊炎、非穿孔性的創傷性膽汁性腹膜炎、膽囊皮膚廔管及膽囊十二指腸廔管,因為挫傷造成的血塊在壓迫膽囊後,會造成局部缺血,接著壞死而破裂,因為時間距離起初創傷約為數天或數週之後,所以形成所謂的延遲性破裂。

當膽囊破裂時,膽汁外漏造成膽汁性腹膜炎,剛開始的時候膽汁無菌,不會立即造成腹膜炎,病人可以維持36小時至數週無明顯症狀,直到後來膽汁的鹼性化學成分持續刺激或腸道菌種造成感染,才會續發成腹膜炎。

MamiBuy

0E8EAB0B64036C62

MamiBuy 籃網第3節又「憂鬱」 教頭直言造成傷害

布魯克林籃網隊的第3節斷電問題又在今天與國王之戰發作,讓對手在下半場一口氣拉大差距,最終吞下了7連敗。對於從本季開季就不斷爆發的下半場慢熱狀況,籃網教頭亞特金森(Kenny Atkinson)今天賽後以「憂鬱」來形容球隊第3節斷電的表現,並直言這樣的狀況已對球隊造成傷害。

mamibuy華人第一嬰兒用品推薦網站籃網本季在亞特金森的動態進攻體系下,上半場往往還能與對手打出精彩的進攻大戰,不過在中場休息過後,球員的表現卻時常與上半場出現落MamiBuy差,讓對手在第3節發動反擊或是拉大差距,讓中鋒洛培茲(Brook Lopez)日前就直言,必須盡快解決第3節慢熱與進攻當機的問題。

在今天與國王之戰老毛病再犯,導致球隊吞下7連敗後,籃網教頭亞特金森也直言,這樣的狀況已對球隊造成傷害:「我們必須盡快修正第3節憂鬱的問題,因為一些原因,我們無法帶著球隊必要的能量上場,這讓我們必須動用暫停來解決這個問題,我們必須想辦法解決這個問題,因為他已經對我們造成傷害。」

對於籃網今年開季一度打出4勝5敗的成績,讓不少季前看衰他們的人改觀,但近期卻又陷入一勝難求的狀況,今天拿下全隊最高22分的後衛基爾派崔克(Sean Kilpatrick)賽後表示,全隊都必須要改變想法:「最重要的部分是,我們應該清醒了,我的心態已經完全改變。」

不過基爾派崔克對於球隊的未來仍是充滿期待,尤其是林書豪等傷兵的歸隊:「我們現在要團結起來,一旦我們的陣容完全回歸,那我們將會成為這個聯盟各隊眼中的一個麻煩。」

0E8EAB0B64036C62

MamiBuy 男子持開山刀劃傷友人 傷害罪嫌送辦

(中央社記者游凱翔台北28日電)台北市陳男今天下午在永吉路麵攤用餐後,在巷內與友人潘女爭MamiBuy吵遭對方抓傷,因酒後不滿,便回家拿開山刀理論,雙方爭執中潘女雙手遭劃傷,所幸無礙,警方訊後將陳男移送法辦。

台北市警察局信義分局五分埔派出所長陳怡凱表示,57歲陳男下午3時許在永吉路上一處麵攤與潘女前男友用餐後,準備去巷內「小解」時,恰巧撞見潘女與她的母親在吵架,上前勸架後卻遭潘女以指甲抓傷臉部。

陳男當下並未被激怒,沒想到回家後「越想越不對」,晚上6時許憤怒之下,從自家拿開山刀回到潘女住處理論,雙方爭執後潘女欲奪刀,卻不慎遭劃傷,所幸緊急送醫後並無大礙。

警方事後透過地緣關係找到陳男,並將他帶回警局偵訊。初步了解,陳男有槍砲及恐嚇前科,訊後依傷害罪嫌移送台北地檢署偵辦。1051128

mamibuy華人第一嬰兒用品推薦網站

0E8EAB0B64036C62

MamiBuy 「跳格子 2016藝術銀行接力展」臺中接棒

【記者郭襄陽台北報導】「跳格子-2016藝術銀行接力展」繼臺南正興街揬街路之後,11月18日接力到臺中,臺中展覽以「策格子:城市填空」為題,從藝術銀行總部出發,走跳到劇院、藝文街區MamiBuy及商業空間,以藝術填空城市!藝術銀行是一個承載藝術能量的百寶盒,充滿著繽紛和驚喜,邀請喜好藝術的朋友一同打開盒子,釋放藝術能量,以藝術填空城市,在城市開放藝術!

「策格子:城市填空」以展覽格(box)的概念延伸,規劃策展格(Curator’s box)、展示格(Display box)及禮物格(Gift box)三種型態的合作展出。藝術銀行總部的策展格(Curator’s box)由藝術銀行策展人蘇承璞與合作夥伴半畝塘環境整合股份有限公司、紅點文旅及范特喜文創共同以本年度購入的新品策展,共展出36位藝術家的作品(包含現地創作),強調生活空間如同一格格的方塊,這些方塊組成了城市,匯集了人群,承載著居住者(使用者)的情感,以人、生活與空間探討設計與美學的意義。此外,展示格(Display box)和禮物格(Gift box)則邀請黃蘭雅、許馨文、廖堉安、黃建樺、張育嘉等5位藝術家特別創作,將作品以公共藝術的形式在社區的夥伴空間展出,像是城市中的藝術衛星,與生活在城市中的人們相互繞行運轉。

國立臺灣美術館館長蕭宗煌表示:「藝術銀行成立三年來不斷的將自身收藏的作品透過租賃業務推廣到臺灣各地展出,同時也舉辦不同形式的主題展覽開放大眾參觀,過程中更認識了許多愛好藝術的夥伴,做為城市中藝術能量的發射站,藝術銀行不僅將藝術推廣出去,更跨領域把愛好藝術的朋友帶進來。本次臺中區的主題展覽『城市填空』正是以藝術銀行總部為基地,鏈結合作過的企業空間、在地社區的空間共同展出,也特別感謝大家的支持與參與,一同讓藝術走出白盒子,走入城市、走入生活。」

「策格子:城市填空」已於本月18日開展,並於11月25日舉辦開幕記者會及貴賓之夜活動。藝術銀行邀請曾獲選愛丁堡藝穗節演出的許程崴製作舞團,結合展出作品編演開場舞蹈,舞者身著藝術家李政勳與青年設計師孫嘉恩(PB SUN)聯手設計的表演服飾,藝術、設計與表演跨界合作精彩演出。貴賓之夜特邀在地的獨立樂團「氧樂團」(O2 Sun Shine)擔任DJ現場演出將藝術銀行化身為一場藝術、舞蹈與音樂交織的派對,讓藝術家與長期支持藝術銀行、喜愛藝文活動的朋友相聚同樂,暢聊對生活與藝術的熱愛。

「策格子:城市填空」展覽自本月18日至明年2月3日止。展覽期間規劃許多推廣活動,例如工作坊等,另有線上任務活動,只要執行任務就有機會獲得展覽限量公仔,詳情請上活動網站 ( ) 2016/11/26

mamibuy華人第一嬰兒用品推薦網站

0E8EAB0B64036C62

7net購物網 東京11月積雪 141年來首見

(中央社記者楊明珠東京24日專電)日本多家媒體報導,今天日本上空有寒流來襲,東日本到北日本嚴寒。關東甲信地區下雪,東京的市中心睽違54年觀測到11月雪。積雪是開始有統計的1875年以來首見。

東京消防廳表示,受到東京市中心下雪的影響,截至今天晚間9時止,已有14人因跌倒受傷送醫治療。

日本氣象廳表示,今天上午6時15分(台灣時間5時15分)東京的市中心觀測到初雪,比往年早40天觀測到初雪,比去年則早49天。水戶、宇都宮、前橋、埼玉縣熊谷、橫濱、甲府各市比往年早20至40天降初雪。

多處地區刷新11月的最低氣溫紀錄,包括北海道的中標津町觀測到零下17.4度、東京都的江戶川區觀測到0.8度、靜岡縣東伊豆町觀測到2.8度等。

日本氣象廳表示,今天上空1500公尺處,流入7net購物網7net零下3度以下的寒流,關東甲信各地下雪,以山區為主的地區下大雪,平地也積雪。到了中午,長野縣輕井澤町積雪23公分、山梨縣富士河口湖町積雪21公分、櫪木縣奧日光積雪18公分、群馬縣草津町積雪12公分。

東京八王子市與清瀨市積雪6公分、宇都宮市與前橋市、茨城縣筑波市、埼玉縣熊谷市積雪4公分、千葉縣積雪2公分、東京的江東區積雪1公分。

東京市中心上午11時左右,觀測到薄薄積雪的情況,11月觀測到積雪,是開始實施積雪統計的1875年以來首見。

有多條鐵路交通受到影響,多處傳出有人在雪地不慎滑倒受傷的消息。關東甲信地區幾乎雪已停,但到明天清晨為止,氣溫可能下降,地方氣象台呼籲民眾要注意路面凍結的情況。

氣象人員預測,25日的最低氣溫,在飯田、河口湖是零下5度、大田原、秩負、松本是零下4度、水上、長野零下3度、宇都宮零下2度、水戶、前橋將觀測到零下1度。東京、橫濱、館山2度、千葉3度。1051124

146F60A11D0D2160

7net購物網 練功一甲子,關鍵技術大突破 人工智慧商業化的革命時刻

人工智慧(Artificial Intelligence)的研究,過去60多年來從未停歇,而今總算有了不凡的突破,從AlphaGo到智慧語音助理、自動駕駛技術等,無疑捕捉了無數人們的注意力,宣告著劃時代的科技盛世已經到來。

1950年,圖靈在他名為〈運算機器與智慧(Computing Machinery and Intelligence)〉的論文裡提問:「機器能思考嗎?(Can Machine Think?)」,挑戰了人類對計算機智慧的想像。圖靈認為人們會首先流於爭執機器與思考的定義,卻沒有辦法很精確地討論問題核心:「機器會有智慧嗎?」

由於機器智能難以確切定義,圖靈在該論文首次對如何判定機器具有智慧,提出了著名的「圖靈測試」:如果機器與人類進行非面對面(例如在中間以布幕隔離)對話(例如使用文字訊息),人類卻無法辨認出對方是機器,那麼這台機器就具有智慧。圖靈測試無論在當時或現代,對於人工智慧研究而言都是重要且相對嚴謹的研究提案,後續許多業界與學界的研究都企圖挑戰圖靈測試:如1966年麻省理工學院人工智慧研究室的約瑟夫.維森鮑姆(Joseph Weizenbaum),以字串比對自動回覆的方式所開發出的聊天機器人ELIZA;或到2014年,英國雷丁大學(University of Reading)重磅宣布其所開發出的Eugene,已經通過測試,但後來被質疑標準有誤。

其實,人工智慧一詞直到1956年,才在美國新罕布夏州一場為期兩個月的研究工作坊「達特茅斯暑期人工智慧研究計畫(The Dartmouth Summer Research Project on Artificial Intelligence)」上,由負責組織會議的電腦高階語言LISP之父約翰?麥卡錫(John McCarthy)正式定名。這場工作坊所討論的問題:「計算機、自然語言處理、神經網絡、計算理論、抽象化與隨機創造」後來都成為人工智慧研究發展的重要領域,而達特茅斯會議也因此成為人工智慧領域的經典起源。

歷經了60年的發展,人工智慧的研究領域因種種困難而起起落落,經歷了無數個轉角。起初仿造動物神經元,希望打造強人工智慧的人工神經網絡(Artificial Neuron Network),先是經歷了機器無法應付計算複雜度的困境,無法取得研究經費而停滯;同一時期另一脈絡的弱人工智慧,則發展出博聞強記、分辨率隨資料質與量逐步提升而快速進展的機器學習。如今,人與機器的對話,已因商業應用的普及而不再困難。這一甲子,到底電腦科學家解決了些什麼問題呢?從人工智慧三大關鍵技術突破或可窺探未來。

關鍵技術一 文藝復興後的人工神經網絡

對於人工智慧,電腦科學家當然希望可以直接模仿生物的神經元運作,因此設計數學模型來模擬動物神經網絡的結構與功能。所謂人工神經網絡是一種仿造神經元運作的函數演算,能接受外界資訊輸入的刺激,且根據不同刺激影響的權重轉換成輸出的反應,或用以改變內部函數的權重結構,以適應不同環境的數學模型。

1951年,科學家馬文.閔斯基(Marvin Minsky)第一次嘗試建造了世上第一個神經元模擬器:Snarc(Stochastic Neural Analog Reinforcement Calculator),它能夠在其40個「代理人」和一個獎勵系統的幫助下穿越迷宮。六年後,康乃爾航空工程實驗室的法蘭克.羅森布拉特(Frank Rosenblatt)設計、發表神經網絡的感知器(Perceptron)實作後,人工神經網絡(或稱類神經網絡)學者曾經一度振7net購物網奮,認為這個突破終將帶領人工智慧邁向新的發展階段。

但,人工智慧領域的研究在1970年代因為缺乏大規模數據資料、計算複雜度無法提升,無法把小範圍的問題成功拓展為大範圍問題,導致計算機領域無法取得更多科學研究預算的投入而沉寂。到了1980年代,科學家首先透過思考上的突破,設計出新的演算方法來模擬人類神經元,迎來神經網絡發展的文藝復興時期。物理學家約翰.霍普費爾德(John Hopfield)在1982率先發表Hopfield神經網絡,開啟了神經網絡可以遞迴設計的思考。四年後,加州大學聖地牙哥分校教授大衛.魯梅爾哈特(David Rumelhart)提出了反向傳播法(Back Propagation),透過每次資料輸入(刺激)的變化,計算出需要修正的權重回饋給原有函數,進一步刷新了機器「學習」的意義。科學家更進一步把神經元延伸成為神經網,透過多層次的神經元締結而成的人工神經網絡,在函數表現上可以保有更多「被刺激」的「記憶」。

目前多層次的人工神經網絡模型,主要包含輸入層(input layer)、隱層(hidden layer)與輸出層(output layer),另外根據資料輸入的流動方向,又分為單向流動或可以往回更新前一層權值的反向傳播法。由於神經網絡模型非常仰賴計算規模能力,為了增加高度抽象資料層次的彈性,電腦科學家將之複合為更複雜、多層結構的模型,並佐以多重的非線性轉換,將其稱之為深度學習(Deep Learning)。

關鍵技術二 靠巨量數據運作的機器學習

科學家發現,要讓機器有智慧,並不一定要真正賦予它思辯能力,可以大量閱讀、儲存資料並具有分辨的能力,就足以幫助人類工作。1970年代,人工智慧學者從前一時期的研究發展,開始思辯在機器上顯現出人工智慧時,是否一定要讓機器真正具有思考能力?因此,人工智慧有了另一種劃分法:弱人工智慧(Weak AI)與強人工智慧(Strong AI)。弱人工智慧意指如果一台機器具有博聞、強記(可以快速掃描、儲存大量資料)與分辨的能力,它就具有表現出人工智慧的能力。強人工智慧則是希望建構出的系統架構可媲美人類,可以思考並做出適當反應,真正具有人工智慧。

機器學習(Machine Learning)可以視為弱人工智慧的代表,只要定義出問題,蒐集了適當的資料(資料中通常需要包含原始數據與標準答案,例如人像圖片與該圖片內人像的性別、年齡),再將資料分做兩堆:訓練用與驗證用,以訓練用資料進行學習,透過特定的分類演算法抽取特徵值,建構出資料的數學模型,以該數學模型輸入驗證用資料,比對演算的分類結果是否與真實答案一樣,如果該數學模型能夠達到一定比例的答對率,則我們認為這個機器學習模型是有效的。這種7net具有標準答案,並以計算出的預期結果進行驗證的機器學習,通常被稱為監督式學習。 相對於監督式學習,非監督式學習則強調不知道資料該如何分類的機器學習,換句話說,我們提供電腦大量資料,但不告訴它(或許我們也真的不知道)這些資料該用什麼方式進行分類,然後電腦透過演算法將資料分類,人類只針對最終資料分類進行判別,在數據尋找規律就是機器學習的基礎。

機器學習的發展方向,是在設計、分析一些讓電腦可以自動「學習」的演算法,讓機器得以從自動分析資料的過程中建立規則,並利用這些規則對還沒有進行分析的未知資料進行預測。過程中,時常運用統計學技巧,並轉化成電腦程式,進而計算出資料??的分界條件來做預測。 弱人工智慧作為人工智慧領域的發展途徑,無論是監督式學習或非監督式學習,隨著資料被大規模蒐集、經由網際網路被傳遞、輔以雲端架構支援的運算,用機器學習來解決人類基礎的問題變成一種可能。目前機器學習也是人工智慧商業應用最廣泛的一種技術。舉凡搜尋引擎、圖像辨識、生物特徵識別、語音與手寫識別與自然語言處理、甚至是檢測金融詐欺等等,都是常見的應用。

關鍵技術三 人工智慧的重要應用:自然語言處理

對人類來說,如何讓這些現代自己製造出來的機器們,可以聽懂人話,並與人類「合作」,絕對是可以推動我們面對未知宇宙的重要助手。

自然語言處理(Natural Language Processing, NLP)的研究,是要讓機器「理解」人類的語言,是人工智慧領域裡的其中一項重要分支。英國雷丁大學的演化生物學家馬克.佩葛(Mark Pagel)認為,最早的一種「社會科技」是人類的「語言」,語言的發明讓早期人類部落透過新工具:「合作」在演化上占有優勢。自然語言處理可先簡單理解分為進、出計算機等兩種:其一是從人類到電腦──讓電腦把人類的語言轉換成程式可以處理的型式,其二是從電腦回饋到人──把電腦所演算的成果轉換成人類可以理解的語言表達出來。

無論是從人類到電腦,或從電腦到人類,語言處理通常都使用到我們一般學習外語所要具備的聽、說、讀、寫等技能。其中:聽與說主要使用到聽覺與發音,對電腦而言就是能夠透過麥克風「聽」到人類說話,把聽到的聲音轉成文字(這是語音辨識),或把電腦想要表達的意思轉成人類可以理解的詞句(這是自然語言生成),再用耳機或喇叭「唸」給人類聽(這是語音合成,功能通常稱作文本朗讀:text to speech)。科學家與工程師們也致力於影像文字辨識,影像來源可以是掃描完成的文件影像檔案、也可以是手機鏡頭的即時影像,目標的文字體則可以是一般鉛字印刷品或列印的文件,也可以是手寫文字(手寫文字辨識)。

當計算機透過「聽」或「讀」,將人類的話語或文章轉成文字、語句進到處理層,還需要能夠自動分詞(word segmentation),也就是電腦必須拆解人類的語句來理解語意,才可以進而給出相應的答案。例如一般人對手機說:「今天香港會不會下雨」,手機必須錄下聲音、並且濾掉雜音、將這句話的聲音轉化為文字、將這句文字拆解成不同詞句,並標注上不同詞性(speech tagging)。

「瞭解」使用者想要知道氣象資訊的命令後,手機必須對能提供「天氣」資訊的伺服器發出相應的(告訴伺服器要的地理資料是香港、並把今天轉換為實際的日期時間)資訊請求,包含未來數小時區間氣溫、氣象(是多雲、雨或晴天等)、風速、降雨機率、濕度、氣壓、空氣品質或紫外線指數等。

當伺服器回應了前述的相應數據後,手機可以選擇用螢幕畫面來回應,但更貼心的作法是把這些資訊翻譯成「人話」,然後用聲音唸出來。這時的處理可以把「香港接下來八小時會是晴天,氣溫攝氏25度,降雨機率是10%,空氣品質良好」這個句子,透過合成不同語詞聲音後說出來。但是,使用者問的其實是「會不會」下雨,所以必須進一步把降雨機率10%、晴天等等資訊轉換成「會不會」的尺度,例如10%可以轉化為「不太會」或是「只有很小的機率」一詞。

人類互動最重要的工具就是語言,無論是文字或語音,語音智慧助理讓人能和機器說話,無非是近年行動裝置普及後,最令人興奮的進展之一。

146F60A11D0D2160