In this paper, we find evidence that the mutual fund flows could be a good measure of investor sentiment, and inventors in Taiwan have independent sentiments about domestic and foreign markets. We further construct a sentiment index by principle component analysis, and show that investor sentiment measured by fund flows has no significant impact, although the sign is positive as expected, on concurrent market return. The results also suggest different sentiments embedded in mutual fund flows and stock market in Taiwan.

對於人口數不多的國家及地區，因為樣本數較少，死亡率的震盪較大，導致死亡率的估計值較不穩定。為解決此種問題，本研究以其他國家的死亡率資料輔助台灣，建構死亡率模型。首先，以群集分析方式選擇適合輔助台灣的國家，也就是死亡率性質相近之國家，本研究建議以死亡改善率做為主要的考量；其次，以主成分分析的方式分解多個國家死亡率，以負荷做為多個國家的共有係數，分數則是隨著資料和時間改變的變數，在研究結果中，5~6個成分個數即會有不錯的配適和預測效果，以五齡組死亡率配適模型為例，成分個數為6時，男性配適Lee-Carter模型全部國家的平均MAPE為5.40%，主成分分析則為4.13%，下降幅度將近24%，而Lee-Carter模型預測的整體MAPE為14.72%，主成分分析為12.22%，下降幅度約17%，因此主成分分析模型確實有明顯改善Lee-Carter模型。 而和台灣死亡率性質相近的國家，主要選入歐洲國家，像是奧地利、法國、愛爾蘭、挪威和西班牙，除了法國和西班牙人口數分別為六千多萬和四千多萬的國家外，其餘三個國家人口數皆不超過一千萬，這說明人口數多寡或許不是輔助小地區建構死亡率模型的唯一重點，應選取適合的國家作為輔助用途。

本研究以近15年台灣股票市場所有上市、上櫃、下市、下櫃股票為樣本，利用每季公布之財務報表的資料，市值、現金流量與股價比率、本益比、資產報酬率、負債比率、報酬率之標準差等指標作為篩選股票依據。 首先，先用財務報表的資料建構出Smart Beta Factor，結合主成分分析將各股評分，作為股票篩選之指標。第一步驟先把市值較低、成交金額過低的股票刪除，並依照不同指標篩選出五倍符合投資組合之股票數，接著運用主成分分析評分後的指標將各公司排序，選出分數高的作為投資組合，以達到分散風險的目標。 本文所討論之Smart Beta Factors有Size、Quality、Value、Momentum、Volatility，並將各Smart beta factor結合主成分分析，計算分數以選出優良股票，並以等權重方式進行資產配置，希望能建構出最有利的投資組合，使得獲利穩定成長。 / In this study, using nearly 15 years quarterly financial statement of stock market in Taiwan as samples. Not only use the financial statement to construct the smart beta factor, also use the principle components analysis to calculate the scores of all the stocks, then choose the stock by the scores. First, delete the stocks of low market value and the stocks of low turnover rate. Second, selected five times the number of the investment portfolio by different indicators, then elect the number of investment portfolio stocks by the highest scores calculated by principal component analysis. To achieve the goal of risk diversification. The smart beta factors discussed in the paper are Size, Quality, Value, Momentum, Volatility, also the multiple factor. To combine the method of principal component analysis, calculate the score to select the stocks, in order to contract the portfolio which has the best performance, and can make stable growth of profits.

自中國大陸經貿改革開放後，外國對中國大陸的直接投資漸為風潮，除中國在策略上積極擴大對外貿易以及引進外資，並採行各種租稅優惠等措施外，其本身也具備勞動力充沛、工資便宜、土地廣大、取得成本低廉以及內銷市場廣大的優勢，因而對台商產生了莫大的吸引力。1980年代後，因台灣島內工資上升、土地昂貴以及環保意識抬頭等，台商需積極另覓生產基地，由於兩岸文化同文同種，中國大陸遂成為台商在海外投資的首選。隨其經濟快速成長，大陸內銷市場已成為全球企業兵家必爭之地，台商對大陸投資更無減退的跡象，本論文重點在於探討母公司財務特性，希冀透過對這些財務因素的分析，瞭解其對大陸投資的影響。是故，本論文以此為動機，旨在檢視過去幾年來台商母公司之財務特性對大陸投資之影響。 本論文以2000年 ~ 2004年6月赴大陸投資的台灣上市、櫃公司為研究樣本，假設大陸投資為應變數，獲利能力、穩定性、成長性、活動性等財務指標為自變數，應用敘述性統計的方法，就現金流量、財務比率進行分析。為探討影響大陸投資的主因，採用「因素分析」中的「主成分分析法」（principal component analysis），並藉由迴歸分析來檢定母公司財務特性對大陸投資的影響 。 研究結果發現，電子產業營收較多，但有關營運部分的現金流量卻不及傳統產業，導致現金化比率不高，其原因可能為該產業普遍進行再投資所致。其次，在財務槓桿比率、長期負債比率、資金運用率上，兩種產業的實證結果相反；在獲利能力方面則呈現同樣的結果，顯見不論何種產業，獲利愈多愈增強企業赴大陸投資的意願。

本論文探討利用總體因子預測台灣股市的月成交量，並討論其預測準確度。總體因子主要利用主成分分析法從大量的總體資料中抽出，台灣股市月成交量資料主要來自TEJ資料庫，並將其分為九類：水泥窯業、食品業、塑膠化工業、紡織業、機電業、造紙業、營建業、金融業和加權指數。 結果發現三個月後的預測值比一個月後的預測值準確，而從RMSE跟MAE的結果，發現食品業、塑膠化工業、紡織業、機電業、造紙業預測的準確度較高。 / This paper discusses forecasting monthly turnover by static principle components method, and testing accuracy of forecasting. The monthly turnover is from Taiwan stock market as nine turnover classification, Cement & Kiln industry, Food industry, Plastic & Chemical industry, Textile industry, Mechanical & Electrical industry, Paper-making industry, Construction industry, Financial industry and Value-Weighted Index. The principle components extracted from large macroeconomic datasets have the explanatory power to monthly turnover. In addition, for basic forecasting, the accuracy of three-month prediction is better than one-month prediction in both subsamples. To test accuracy, RMSE (PC) and MAE (PC) are outperformed the same in Food industry, Textile& Fibers industry. However, MAE (PC) in Plastic & Chemical industry, RMSE (PC) in Mechanical & Electrical industry and Paper-making industry still show the good prediction as well.

近年來，很多要求高安全性的網站都使用扭曲變形的英文或數字字串作為辨識碼，以避免網站或系統受到大量暴力的攻擊。微軟公司則於2007年提出以貓狗影像的新辨識碼系統—Asirra。對於電腦而言，貓狗影像辨識較字串更為困難。本研究主要針對Asirra的影像資料試圖建構出貓狗影像自動辨識法，藉此來了解此辨識碼系統的有效性。已知影像包含大量雜訊，若使用原始資料則計算困難而且辨識效果差，所以萃取關鍵特徵為重要的研究課題。本文考慮方向梯度直方圖法 (Histograms of Oriented Gradients, HOG) 以及主成分分析 (Principal Components Analysis, PCA) 來篩選重要變數。我們將運用挑選出的特徵建立支持向量機 (Support Vector Machine, SVM) 分類器。在實證分析中，我們發現結合此兩種特徵萃取法，除了能夠大幅降低運算時間，也能得到良好的預測正確率。 / In recent years, many websites, which requires a high standard of security, use CAPTCHA to avoid mass and brutal attacks from hackers. The CAPTCHA considers the use of strings of twisted and deformed English letters or numbers as an identification code. In 2007, the company Microsoft proposed a new image-based recognition system-Assira, which uses dogs and cats images as an identification code. Dogs and cats image recognition is not more difficult than strings of letters or numbers recognition for human, but is more challenging for computers. In this paper, we aim to develop a classification method for images from Asirra. An image is represented by an enormous number of pixels. Only few pixels carry important feature information, most pixels are noise. The abundance of noise leads to computational inefficiency, and even worse, may results in inaccurate recognition. Therefore, in this problem feature extraction is an essential step before a classifier construction. We consider HOG (Histograms of Oriented Gradients) and PCA (Principal Components Analysis) to select important features, and use the features to construct a SVM (Support Vector Machine) classifier. In the real example, we find that combining the two feature detection methods can dramatically reduce computational time and have satisfactory predictive accuracy.

有鑑於美國次貸危機引發的金融風暴席捲全球，造成了大型金融機構倒閉、全球經濟衰退以及投資人的鉅額虧損，政府與投資人開始重視風險的控管，學術界及實務界也建構出各種能夠衡量金融風險的指標，期能達到防患未然的功效。本研究將Billio, Getmansky, Lo, and Pelizzon (2011)使用的主成分分析(Principal Components Analysis)與Granger因果關係檢定(Granger Causality Test)兩種統計方法應用至臺灣股市，證實臺灣各產業指數的連動性高，尤其在金融不穩定的情況下共動性會大增，使危機容易在體系內擴散。而在金融危機時期，食品工業和紡織纖維產業是其他產業最主要的影響者，金融保險業、觀光產業及貿易百貨業則最容易受到其他產業的影響。

由於金融事件層出不窮，控管風險已成為銀行、證券、保險各種金融產業的重要課題。其中Value-at-Risk(VaR)模型為銀行與證券業最常用來衡量其市場風險的模型。VaR模型中的蒙地卡羅模擬法是將投資組合持有部位以適當的市場風險因子來表示，接著產生市場風險因子的各種情境，再結合評價公式以求得投資組合在某一段持有期間內、某一信心水準之下的最低價值，再將最低價值減去原來之價值，便為可能的最大損失(Jorion, 2007)。 / 使用蒙地卡羅模擬法產生市場風險因子的各種情境，必須先估計市場風險因子的共變異數矩陣，再藉此模擬出數千種市場風險因子情境。本研究便是將蒙地卡羅模擬法加入隨著時間改變之共變異數矩陣(time-varying covariance matrix)的概念並減少市場風險因子個數，利用蒙地卡羅模擬法配合Constant模型、UWMA模型、EWMA模型、Orthogonal EWMA模型、Orthogonal GARCH模型、PCA EWMA模型、PCA GARCH模型來產生市場風險因子未來的情境並比較各方法對長天期與短天期風險衡量之優劣。結果顯示PCA EWMA模型的效果最好，因此建議各大金融機構可採用PCA EWMA模型來控管其投資組合短天期與長天期的市場風險。

金融情況指數(FCI)是欲融合影響實質經濟活動過程不同貨幣傳遞管道，描述實際金融市場情形，被定義為金融變數與經濟活動之間的關係，主要是描述一些金融變數如何影響經濟現有以及未來的經濟情況，觀察執政者是否能透過執行政策使經濟活動獲得改變，甚或是推斷未來經濟情勢的特性。 在之前國內建立的金融情況指數研究文章僅包括了利率、匯率與資產價格的貨幣傳遞過程，但信用傳遞過程對於現今總體經濟影響的重要性也不容小覷。本文即嘗試加入信用傳遞管道相關變數，依據Jan Hatzius et al.(2010)針對美國所建構的金融情況指數所選取的變數，依照台灣目前現有金融市場的變數或是具有相同概念之變數作為選取，透過主成分分析法挑選並建立五個小指標，再將小指標簡單平均，經過三次平滑樣條消除雜訊後建構出金融情況指數。 研究結果顯示，於2003年2月至2010年12月期間，金融情況指數確實對於景氣情況之預測具有一定的實質幫助。以同時指標綜合指數當作台灣當前景氣狀況，金融情況指數的預測能力平均為55.3%。使用向量自我迴歸模型可發現金融情況指數在5%顯著水準下，前8期大都對於當期同時指標綜合指數具有影響力，而應用Granger因果關係檢定結果，在5%顯著水準下，金融情況指數具有領先同時指標綜合指數之關係。

在台灣餐飲市場極力發展之下，各餐飲業無不無所不用其極，希望能讓自己在這有限的市場上奪得一席之地，本研究即以此為研究動機，期望能充分利用王品集團旗下四大品牌(西堤、品田牧場、舒果及陶板屋)之用餐意見卡，使用資料採礦方法探討在不同之品牌及顧客基本資料下滿意度（包括主餐滿意度、服務滿意度及整潔滿意度）之差異，以及影響介紹率之因素，並針對研究結果提出建議，作為餐飲業者在未來行銷策略上之參考。本研究採用描述性統計、獨立樣本t檢定、單因子變異數分析、Scheffe事後比較、主成分分析及決策樹等方法檢定後，研究結果發現： 1. 顧客性別以女性較多，滿意度以女性較不滿意。 2. 四大品牌之三大滿意度皆以主餐滿意度略微較差。 3. 新舊顧客對於三大滿意度有顯著差異。 4. 不同品牌對於三大滿意度有顯著差異。 5. 三大品牌下，不同年齡顧客在三大滿意度上有顯著差異。 6. 四大品牌下，顧客在不同店齡之分店的三大滿意度有顯著差異。 7. 影響介紹率最重要之變數依序為主餐滿意度、前菜滿意度及服務滿 意度。