公司面臨資金需求而選擇由發行新股的方式辦理增資後，投資人將以低於市價的價格申購，本文旨在探討現金增資股票折價的影響因子，使用最小平方法及一般動差法評估，以季資料做為實證分析，樣本期間為2001年1月1日起2009年12月31日止，共688個樣本點，本研究結果如下：(一)平均折價幅度為1.21美元，股價在宣告日當天，宣告價格和當日股價的報酬率約為5.6%，從文獻資料顯示1977年開始，現金增資的折價幅度與時俱增。(二)宣告日前一天的股價、保留盈餘、每股報酬、每股資本報酬、折舊以及發行六項變數具有統計上的顯著效果。 / When a company has money deficit, it may raises capital by issuing stocks. Investors buy those stocks with lower price. This paper investigates NYSE and Nasdaq stocks’ quarterly data from Jan.1, 2001 to Dec. 31, 2009. We use general moment method (GMM) to estimate the equation. The empirical results suggest: (1) The stock discount rate is increasing over time compared to prior researches. The average discount rate is 5.6%. (2) The stock price prior to claim day, earnings retention rate, return on average assets, return on average equity, depreciation and issue amount have statistically significant influences.

本文研究 1996 至2001 年間，894 家美國上市公司之現金增資活動及現金增資執行率之影響因子。除了重要財務會計指標，如：每股盈餘、本益比與市值之外，本研究也將增資期間的股價波動程度納入迴歸模型中。又，考量到變數間的同質性與內生性問題，本研究採用一般動差估計法估計模型參數。結果顯示，增資規模、流通在外股數的變化與公司市值對於現金增資執行率具有統計上顯著的影響力。 / This paper investigates the 894 seasoned equity offerings filed by American listed corporations from 1996 to 2001 in an attempt to identify the key determinants that may affect the execution rate of seasoned equity offerings. The impacts of share price fluctuations during offering periods and other accounting characters are also taken into consideration. Apart from the ordinary least square method, the general method of moments is applied in order to account for heteroskedasticity and endogeneity problems. The results show that total offer amount, changes in shares outstanding and market capitalization have a significant impact on determining the execution rates of seasoned equity offering.

本文採用1980-2005年共94國的縱橫資料(Panel data)，探討金融發展與經濟成長的關係。有別於一般傳統採用單一迴歸模型的架構，本文改採聯立迴歸模型探討兩者之因果關係。 本研究分別採用四個「金融發展指標」及三個「股市發展指標」，輔以與金融發展和經濟成長密切相關的外生控制變數，再分別與經濟成長指標建構聯立迴歸模型。此外，有關參數之估計與認定，以Lewbel (2007)的計量方法為立論依據，在殘差項具有異質共變異現象的限制條件下，利用一般化動差法(GMM)，同時估計聯立方程式的結構式參數。是故，本文根據不同之金融發展與股市發展變數的設定，總共建立七個聯立方程式模型，分別探討金融發展、股市發展與經濟成長之交互影響效果。實證結果彙整成以下兩點說明： 一、 有關金融發展指標對經濟成長之綜合影響的實證結果顯示，惟有「存款貨幣機構在本國資產總額/(存款貨幣機構在本國資產總額＋央行本國資產總額)」對經濟成長具有正向的綜合影響，其他三項金融發展指標對經濟成長皆無顯著影響；另一方面，除了以「銀行部門對其本國之總放款額/GDP」做為金融發展指標的模型4為不顯著外，模型1至模型3皆顯示經濟成長分別對「存款貨幣機構在本國資產總額/(存款貨幣機構在本國資產總額＋央行本國資產總額)」、「全體金融機構流動負債/GDP」以及「全體金融機構對私部門放款總額/GDP」等三項金融發展指標存在正向綜合影響。 二、 有關本研究股市發展指標對經濟成長之綜合影響效果的實證結果分歧。其中，「股市總成交金額/股市總市值 (股市週轉率)」對經濟成長有正向綜合影響；「上市公司股票總市值/GDP (股市資本率)」對經濟成長有負向綜合影響；而「股市總成交金額/GDP (股市總成交值比)」對經濟成長則無顯著之綜合影響；另一方面，考量經濟成長之當期項與落後期的綜合效果對股市發展的影響，本研究發現「經濟成長變數」的當期項與落後期對三個股市發展指標均無顯著的綜合影響。

這篇論文主要探討的是現任央行總裁彭淮南上任後，央行對於匯率管理上的政策行為。 我們觀察從19991年到2009年這段期間的名目有效匯率發現，雖然匯率波動於一個區間之內， 但名目有效匯率在大部份的期間都是被低估的，尤其是近幾年來更是相當的偏低。 所以我們懷疑臺灣央行所管制的匯率目標區他們較希望能維持新臺幣在被低估的水準，當新臺幣匯率受到高估時，央行則希望能將其下修。 為了探討這個情況，我們透過Krugman(1991)所發表的匯率目標區模型來試著得到新臺幣的最適匯率行為。又因為臺灣的特殊經濟背景， 我們融合了Chen，Funke和Glanemann(2009)的寬鬆邊界匯率目標區模型和Torres(2000)的隨機邊界內的央行干預模式來修正傳統的Krugman模型。 然而，傳統的Krugman模型我們得到最重要的結論是，當匯率越接近上下邊界時會有越強烈的蜜月效果，也就是說匯率的波動越平緩。 但是當我們融入上面兩種修正在配合新臺幣的名目有效匯率實際資料時，我們發現蜜月效果僅僅存在於下界，就算是央行所保護的區間有變動時， 在下界還是相對於上界穩定相當多。這就是因為在下界存在著強烈的蜜月效果，所以匯率在越接近下界時會越穩定，甚至有很大機率維持在下界附近。 這個結論跟我們觀察實際資料所發現的現象是相當符合的，所以能夠解釋為什麼新臺幣的名目有效匯率會總是被低估。 / This paper discusses the policy rule used by Central Bank of the Republic of China(Taiwan) with target zone to the exchange rate dynamics. We focus on the recent phenomena on the exchange rate of NTD, and try to figure why the NEER of NTD is always underestimated. Due to the regime of Central Bank of the Republic of China(Taiwan), we combine two extensions into the basic Krugman(1991) target zone model which are Chen, Funke and Glanemann's soft edge target zone model(2009) and Torres's stochastic intra-marginal intervention pattern. And we estimate the parameters with simulated method of moments(SMM). By this two extensions, we conclude that there is strong honeymoon eect to the exchange rates at the lower bound, but the honeymoon eect is very weak at the upper bound. This conclusion is matched with the empirical data, and explains why the NEER of NTD is always underestimated.

混合模式(mixture model) 參數的估計問題, 研究迄今已近一世紀, 自Pearson 提出 動差法來估計兩個混合常態模式的參數以來, 有許多學者繼續這個範疇的研究, 且相 繼提出他們的看法。而近半世紀以來, 混合常態分配被廣泛應用在許多其他學科的進 一步研究分析上, 因此, 它的參數估計式的意義就更顯得重要。 本文研究的重點在於兩個混合常態分配參數的估計, 試著應用Li(1988)所提出的一些 結果, 我們將原參數空間透過適當的轉換, 使之成為新參數空間。因為原參數空間有 識別性問題, 而我們希望能從參數估計值, 直接判斷其模式。經過適當轉換后的新參 數空間, 則無識別性的問題, 而且此新參數空間具B-可識別性, 則可避免Li(1988)文 章中指出Chiang等人的研究結果的現象。 本文將於第一章中介紹混合模式的定義以及使用的符號。於第二章中將許多前人精心 研究關於混合模式參數估計的方法, 作一簡要的回顧。第三章中介紹最近被提出的用 以改進MLE 法的金蟬法, 與有系統地改進原始估計值及改進估計式的變異數的一種關 於精深的再抽樣的技巧--拋磚引玉法。於第四章中對參數的可識別性下定義并介紹其 重要性及一些重要的定理。在第五章中將提出新參數空間法并導出此適當的轉換函數 。第六章中我們在眾多的參數估計法中, 挑出找MLE 之EM演算法, 最小CVM 法, 最小 Hellinger 距離估計法及金蟬法與拋磚引玉法, 分別依原參數空間與新參數空間作模 擬, 并比較其結果, 作一簡要的模擬分析。而本文的研究結果將在第七章, 中作詳細 的探討。

本文從translog生產函數的角度出發，藉由三項金融發展指標分析金融發展對各項生產力指標的影響，而金融發展指標分別為商業銀行對中央銀行資產比、流動性負債除以國民所得與金融機構對私部門放款除以國民所得。使用Hansen (1999)與Caner and Hansen (2004)兩種門檻迴歸模型，前者與固定效果模型搭配估計世界生產函數，後者則動態縱橫資料模型搭配，用以彌補使用固定效果模型假設各國在樣本期間技術效率值不變之缺失。 由固定效果模型迴歸結果可知，除了流動性負債除以國民所得的門檻估計值不呈統計顯著外，其他金融發展指標門檻值皆顯著，代表金融發展對經濟成長確有其影響存在。而金融發展程度高的樣本國家，技術效率值、資本產量彈性以及資本邊際產量皆較高，顯示金融發展使得各國能充分運用資本存量要素投入。然而，「所得水準高且金融發展程度高」的樣本國家，雖然資本產量彈性亦較高，但是技術效率值與技術進步率則較其比較組為低，因此金融發展對高所得國家可能較無影響。而就動態縱橫資料模型而言，雖然模型配適結果較前者為佳，但是僅流動性負債除以國民所得達到統計顯著。而該項金融發展程度愈高，技術效率、資本產量彈性、資本邊際產出以及調整速度亦較高，與固定效果模型的結果一致。

隨著金融市場的開放，越來越多的金融商品被開發出來以迎合市場參予者的需求，利率衍生性金融商品是一種以利率為標的的一種新金融商品，而這種新金融商品的交易量也是相當的可觀。我們在設計金融商品的第一步就是要去定價，在現實社會中利率是隨機波動的而不是像在B-S的選擇權公式中是固定的。隨機利率模型的用途就是在描述利率隨機波動的行為，進而對利率衍生性金融商品定價。本文嘗試以隨機利率模型估計台灣公債市場的殖利率曲線，而殖利率曲線的建立對於固定收益證券及其衍生性金融商品的定價是很重要的。在台灣大部分的利率模型的研究都是利用模擬的方式做比較，這也許是因為資料取得上的問題，本文利用CKLS(1992)所提出的方式以GMM(Generalized Method of Moment)的估計方法，利用隨機利率模型估計出台灣公債市場的殖利率曲線。本文中將三種隨機利率模型做比較他們分別為: Vasicek model (Vasicek 1977),、隨機均數的Vasicek 模型 (BDFS 1998) ，以及隨機均數與隨機波動度的Vasicek 模型 (Chen,Lin 1996). 後面兩個模型是首次出現在台灣的研究文獻中。在本文的附錄中將提出如何利用偏微分方程式(PDE)的方法求解出這三個模型的零息債券價格的封閉解(Closed-Form Solution)。文中利用台灣商業本票的價格當作零息債券價格的近似值，再以RMSE (Root mean squared Price Prediction Error)作為利率模型配適公債市場價格能力的指標。本文的主要貢獻在於嘗試以隨機利率模型估計出台灣公債市場的殖利率曲線，以及介紹了兩種首次在台灣研究文獻出現的利率模型，並且詳細推導其債券價格的封閉解，這對於想要建構一個新的隨機利率模型的研究人員而言，這是一個相當好的一個練習。 / With the growth in the area of financial engineering, more and more financial products are designed to meet demands of the market participants. Interest rate derivatives are those instruments whose values depend on interest rate changes. These derivatives form a huge market worth several trillions of dollars. The first step to design or develop a new financial product is pricing. In the real world interest rate is not a constant as in the B-S option instead it changes over time. Stochastic interest rate models are used for capturing the volatile behavior of interest rate and valuing interest rate derivatives. Appropriate models are necessary to value these instruments. Here we want to use stochastic interest rate models to construct the yield curve of Taiwan Government Bond (TGB) market. It is important to construct yield curve for pricing some financial instruments such as interest rate derivatives and fixed income securities. 　In Taiwan Although most of the research surrounding interest rate models is intended towards studying their usefulness in valuing and hedging complex interest rate derivatives by simulation. But just a few papers focus on empirical study. Maybe this is due to the problems for data collection. In this paper we want to use stochastic interest models to construct the yield curve of Taiwan’s Government Bond market. The estimation method that we use in this paper is GMM (Generalized Method of Moment) followed CKLS (1992). I introduce three different interest rate model, Vasicek model (Vasicek 1977), Vasicek with stochastic mean model (BDFS 1998) and Vasicek with stochastic mean and stochastic volatility model (Chen,Lin 1996). The last two models first appear in Taiwan’s research. In the Chapter 3, I will introduce these models in detail and in the appendix of my thesis I will show how to use PDE approach to derive each model’s zero coupon bond price close-form solution. In this paper we regard Taiwan CP (cmmercial Paper) rates as a proxy of short rate to estimate the parameters of each model. Finally we use these models to construct the yield curve of Taiwan Government Bonds market and to tell which model has the best fitting bond prices performance. Our metric of performance for these models is RMSE (Root mean squared Price Prediction Error). The main contribution of this study is to construct the yield curve of TGB market and it is useful to price derivatives and fixed income securities and I introduce two stochastic interest rates models, which first appear in Taiwan’s research. I also show how to solve the PDE for a bond price and it is a useful practice for someone who wants to construct his/her own model.

在總體經濟學中，跨期替代分析方法佔有相當重要的地位。其中跨期替代彈性(the elasticity of intertemporal substitution, EIS)的大小，間接或者直接影響總體經濟中的許多層面，直覺上，例如跨期替代彈性越大，對個人而言，是對當期消費的機會成本提升，使延後消費的意願上升，同時增加個人儲蓄，在正常金融市場情況之下，個人儲蓄金額的增加，將使市場資金的供給量增多，使得企業或個人的投資機會成本降低，經由總體經濟中間接或直接的影響下，則總體經濟成長率應會上升。其中，當消費者效用函數為固定風險趨避係數(constant coefficient of relative risk aversion, CRRA)且具有跨期分割與可加性的特性，加上在傳統經濟學中，假設每個人皆為完全理性的前提下，經由跨期替代分析方法推導後，可以得到相對風險趨避係數(the coefficient of relative risk aversion, RRA)與跨期替代彈性(the elasticity of intertemporal substitution, EIS)恰好是倒數關係。 / 在過去相關研究中，Hansen and Singleton (1983)推估出跨期替代彈性值較大且顯著，但Hall (1988)強調，若考慮資料的時間加總問題(time aggregation problem)， 則前者估計出跨期替代彈性在統計上則不再是顯著；Hall亦於結論提出跨期替代彈性為小於或等於0.1，甚至比0小。在經濟意義上，代表股票市場中投資人的相對風險趨避程度(RRA)極大，直覺上，是不合理的現象，這也是著名的彈性迷思(elasticity puzzle)。於是Epstein and Zin (1991)嘗試建議並修正效用函數為不具時間分割性(non-time separable utility)的效用函數，並得到跨期替代彈性(EIS)與相對風險趨避係數(RRA)互為倒數關係，不復存在的結論。這也說明影響彈性迷思(elasticity puzzle)的原因有許多，其中之一，可能為設定不同形式效用函數所造成。 / 在傳統經濟模型中，假設完全理性的個人決策行為之下，利用跨期替代方法，可以得到跨期替代彈性(EIS)與相對風險趨避程度(RRA)互為倒數關係後，又得到隱含風險趨避程度為無窮大的推估結論。這也是本研究想要來探究的問題，即是彈性迷思(elasticity puzzle)究竟是假設所造成，或者是因為由個體資料加總成總體資料，所產生的謬誤。 / 因此，本研究與其他研究不同之處，在於利用建構時間可分離形式的效用函數(time-separable utility)模型基礎，以遺傳演算(Genetic Algorithms)方法，建構有限理性的人工股票市場進行模擬，其中，模擬方式為設定不同代理人(agent)有不同程度的預測能力，代表其理性程度的差異的表現。 / 本研究發現在有限理性異質性個人的人工股票市場下，相對風險趨避程度係數(RRA)與跨期替代彈性(EIS)不為倒數關係，且設定不同代理人不同的預測能力，亦會影響跨期替代彈性(EIS)的推估數值大小。

本論文的研究主軸圍繞於自我迴歸模型的估計與推論上。文獻上自我迴歸模型的估計多直接採用最小平方法, 但此估計方式卻有兩個缺點:(一)當序列具單根時,最小平方估計式的漸近分配為非正規型態,因此檢定時需透過電腦模擬得到臨界值;(二)最小平方估計式雖具一致性,但卻有嚴重的有限樣本偏誤問題。有鑑於此,我們提出一種「二階差分轉換估計式」,並證明該估計式的偏誤遠低於前述最小平方估計式,且在序列為粧定與具單根的環境下具有相同的漸近常態分配。此外,二階差分轉換估計式相當適合應用於固定效果追蹤資料模型,而據以形成的追蹤資料單根檢定在序列較短的情況下仍有不錯的檢定力。 本論文共分四章,茲分別簡單說明如下: 第1章為緒論,回顧文獻上估計與推論自我回歸模型時的問題,並說明本論文的研究目標。估計自我迴歸模型的傳統方式是直接採取最小平方法,但在序列具單根的情況下由於訊息不隨時間消逝而快速累積,使估計式的收斂速度高於序列為恒定的情況。不過,這也導致最小平方估計式的漸近分配為非標準型態,並使得進行假設檢定前必須先透過電腦模擬來獲得臨界值。其次,最小平方估計式雖具一致性,但在有限樣本下卻是偏誤的。實證上, 樣本點不多是研究者時常面臨的窘境,並使得小樣本偏誤程度格外嚴重。本章中透過對前述問題形成因素的瞭解,說明解決與改善的方法,亦即我們提出的「二階差分轉換估計式」。 第2章主要目的在於推導二階差分轉換估計式之有限樣本偏誤。我們亦推導了多階差分自我迴歸模型下二階段最小平方估計式(two stage least squares, 2SLS)與 Phillips andHan (2008)採用的一階差分轉換估計式之偏誤,以同時進行比較。本章理論與模擬結果皆顯示,一階與二階差分轉換估許式與2SLS之 $T^{−1}$ 階偏誤程度皆低於以最小平方法估計原始準模型(level model)的偏誤,其中 T 為時間序列長度。另外,一階差分轉換估計式與二階差分轉換估計式在 $T^{−1}$ 階偏誤上,分別與一階和二階差分模型下2SLS相同,但兩估計式的相對偏誤程度則因自我相關係數的大小而互有優劣。同時,我們發現估計高於二階的差分模型對小樣本偏誤並無法有更進一步的改善。最後,即使在樣本點不多的情況下,本章所推導的偏誤理論對於實際偏誤仍有良好的近似能力。 第3章主要目的在於發展二階差分轉換估計式之漸近理論。與 Phillips and Han (2008) 採用之一階差分轉換估計式相似的是,該估計式在序列為恒定與具單根的情況下收斂速度相同,並有漸近常態分配的優點。值得注意的是, 二階差分轉換估計式的漸近分配為 N(0,2),不受任何未知參數的影響。另外,當序列呈現正自我相關時,二階差分轉換估計式相較於一階差分轉換估計式具有較小的漸近變異數,進而使得據以形成的檢定統計量有較佳的對立假設偵測能力。最後, 誠如 Phillips and Han (2008) 所述,由於差分過程消除了模型中的截距項,使得此類估計方法在固定效果的動態追蹤資料模型(dynamic panel data model with fixed effect) 具相當的發展與應用價值。 本論文第4 章進一步將二階差分轉換估計式推展至固定效果的動態追蹤資料模型。文獻上估計此種模型通常利用差分來消除固定效果後,再以一般動差法 (generalized method of moments, GMM) 進行估計。然而,這樣的估計方式在序列為近單根或具單根時卻面臨了弱工具變數(weak instrument)的問題,並導致嚴重的估計偏誤。相反的,差分轉換估計式所利用的動差條件在近單根與單根的情況下仍然穩固,因此在小樣本下的估計偏誤相當輕微(甚至無偏誤)。另外,我們證明了不論序列長度(T )或橫斷面規模(n)趨近無窮大,差分轉換估計式皆有漸近常態分配的性質。與單一序列時相同的是,我們提出的二階差分轉換估計式在序列具正自我相關性時的漸近變異數較一階差分轉換估計式小;受惠於此,利用二階差分轉換估計式所建構的檢定具有較佳的檢力。值得注意的是,由於二階差分轉換估計式在單根的情況下仍有漸近常態分配的性質,我們得以直接利用該漸近理論建構追蹤資料單根檢定。電腦模擬結果發現,在小 T 大 n 的情況下,其檢力優於文獻上常用的 IPS 檢定(Im et al., 1997, 2003)。 / This thesis deals with estimation and inference in autoregressive models. Conventionally, the autoregressive models estimated by the least squares (LS) procedure may be subject to two shortcomings. First, the asymptotic distribution of the LS estimates for autoregressive coefficient is discontinuous at unity. Test statistics based on the LS estimates thus follow nonstandard distributions, and the critical values obtained need to rely on Monte Carlo techniques. Secondly, as is well known, the LS estimates of autoregressive models are biased in finite samples. This bias could be substantial and leads to serious size distortion for the test statistics built on the estimates and forecast errors. In this thesis,we consider a simple newmethod ofmoments estimator, termed the “transformed second-difference” (hereafter TSD) estimator, that is without the aforementioned problems, and has many useful applications. Notably, when applied to dynamic panel models, the associated panel unit root tests shares a great power advantage over the existing ones, for the cases with very short time span. The thesis consists of 4 chapters, which are briefly described as follows. 1. Introduction: Overview and Purpose This chapter first reviews the literature and states the purpose of this dissertation. We discuss the sources of problems in estimating autoregressive models with the conventional method. The motivation to estimate the autoregressive series with multiple-difference models, instead of the conventional level model, is provided. We then propose a new estimator, the TSD estimator, which can avoid (fully or partly) the drawbacks of the LS method, and highlight its finite-sample and asymptotic properties. 2. The Bias of 2SLSs and transformed difference estimators in Multiple-Difference AR(1) Models In this chapter, we derive approximate bias for the TSD estimator. For comparisons, the corresponding bias of the two stage least squares estimators (2SLS) in multiple-difference AR(1) models and the transformed first-difference (TFD) estimator proposed by Chowdhurry (1987) are also given as by-products. We find that: (i) All the estimators considered are much less biased than the LS ones with the level regression; (ii)The difference method can be exploited to reduce the bias only up to the order of difference 2; and (iii) The bias of the TFD and TSD estimators share the same order at $O(T^{-1})$ as that of 2SLSs. However, to the extent of bias reductions, neither the 2 considered transformed difference estimators shows a uniform dominance over the entire parameter space. Our simulation evidence lends credible supports to our bias approximation theory. 3. Gaussian Inference in AR(1) Time Series with or without a Unit Root The goal of the chapter is to develop an asymptotic theory of the TSD estimator. Similar to that of the TFD estimator shown by Phillips and Han (2008), the TSDestimator is found to have Gaussian asymptotics for all values of ρ ∈ (−1, 1] with $\sqrt{T}$ rate of convergence, where ρ is the autoregressive coefficient of interest and T is the time span. Specifically, the limit distribution of the TSD estimator is N(0,2) for all possible values of ρ. In addition, the asymptotic variance of the TSD estimator is smaller than that of the TFD estimator for the cases with ρ > 0, and the corresponding t -test thus exhibits superior power to the TFD-based one. 4. Estimation and Inference with Moment Methods for Dynamic Panels with Fixed Effects This chapter demonstrates the usefulness of the TSD estimator when applying to to dynamic panel datamodels. We find again that the TSD estimator displays a standard Gaussian limit, with a convergence rate of $\sqrt{nT}$ for all values of ρ, including unity, irrespective of how n or T approaches infinity. Particularly, the TSD estimator makes use of moment conditions that are strong for all values of ρ, and therefore can completely avoid the weak instrument problem for ρ in the vicinity of unity, and has virtually no finite sample bias. As in the time series case, the asymptotic variance of the TSD estimator is smaller than that of the TFD estimator of Han and Phillips (2009) when ρ > 0 and T > 3, and the corresponding t -ratio test is thus more capable of unveiling the true data generating process. Furthermore, the asymptotic theory can be applied directly to panel unit root test. Our simulation results reveal that the TSD-based unit root test is more powerful than the widely used IPS test (Im et al, 1997, 2003) when n is large and T is small.

利率是影響金融市場中金融工具的主要因素，對經濟體系而言，是貨幣面與實質面的橋樑，代表使用負債資金所需支付的成本；對法人機構、投資個人而言，利率是進行任何融資、投資活動的重要參考指標。近年來，利用一般均衡、無套利評價理論來研究利率期限結構和利率或有請求權(Contingent Claims)訂價的文獻有如雨後春筍一般；另一方面，由於時間序列(Time Series)於1980年代的快速發展，諸如：ARCH家族、GARCH家族、隨機變異性(Stochastic Volatility)，兩套方法互相結合運用，有愈來愈多文獻顯示，其對現實的利率期限結構具有一定水準的解釋能力。 　　隨著國際金融市場的多元化、自由化與無國界化，金融創新與金融商品的大量問世，如何合理估計利率期限結構，以運用於投資決策、或預測未來利率走勢，及對利率風險的管理，這都隱含利率期限結構的重要性。本文擬針對著一般均衡利率期限結構模型加以分析，並驗證在我國公債市場應用的可行性。 　　一般均衡利率期限結構模型，由Cox、Ingersoll and Ross(1985a、b)正式提出，其為單因子一般均衡利率期限結構模型；Longstaff and Schwartz(1992)提出二因子一般均衡利率期限結構模型，因其利率期限結構隱含一個限制式，故LS兩因子實證模型以差分形式進行，故將損失兩個參數(gamma、eta)；基於此點，本文試圖採用Gibbons and Ramaswamy(1993)的實質報酬率觀念，希望經由調整物價因素後的殖利率樣本資料，可消除時間趨勢不穩定的因子，藉以判斷包含(gamma、eta)的完整兩因子一般均衡模型是否能更充分解釋利率期限結構；另一方面，亦可透過Gibbons and Ramaswamy(1993)的實質報酬率觀念，觀察二因子一般均衡利率期限結構模型所獲得的名目利率期限結構與實質利率期限結構的差異。 　　本文實證結果並不令人滿意，調整物價因素後的殖利率樣本資料，仍存在不穩定的情況；本文以差分與模擬的方式，建構出台灣公債市場利率期限結構。另一方面，亦發現本文調整物價因素的方法，在較長的樣本期間下並不適宜。