公務人員的人事陞遷是一個複雜性極高，其中隱藏著許多不變的定律及過程，長官與部屬、各公務人員人之間的關係，更是如同蜘蛛網狀般的錯綜複雜，而各公務人員的陞遷狀況，更是隱藏著許多派系之間的鬥爭拉扯連動，或是提攜後進的過程，目前透過政府公開的總統府公報－總統令，可以清楚得知所有公務人員的任職相關資料，其中包含各職務之間的陞遷、任命、派免等相關資訊，而每筆資料亦包含機關、單位、職稱及職等資料，可以提供各種研究使用。 本篇係整理出一種陞遷序列的資料模型來進行研究，透過資料探勘的相關演算法－支撐向量機(Support Vector Machine，簡稱SVM)及決策樹(Decision Tree)的方式，並透過人事的領域知識加以找出較具影響力的屬性，來設計實驗的模型，並使用多組模型及多重資料進行實驗，透過整體平均預測結果及圖表方式來呈現各類別的預測狀況，再以不同的屬性資料來運算產生其相對結果，來分析其合理性，最後再依相關數據來評估此一方法的合理及可行性。 透過資料探勘設計的分類預測模型，其支撐向量機與決策樹都具有訓練量越大，展現之預測結果也愈佳之現象，這跟一般模型是相同的，而挖掘的主管職務屬性參數及關鍵屬性構想都跟人事陞遷的邏輯不謀而合，而預測結果雖各有所長，但整體來看則為支撐向量機略勝一籌，惟支撐向量機有一狀況，必須先行排除較不具影響力之屬性參數資料，否則其產生超平面的邏輯運算過程將產生拉扯作用，導致影響其預測結果；而決策樹則無是類狀況，且其應用較為廣泛，可以透過宣告各屬性值的類型，來進行不同屬性資料類型的分類實驗。 而透過支撐向量機與決策樹的產生的預測結果，其正確率為百分之77至82左右，如此顯示出國內中高階文官的陞遷制度是有脈絡可循的，其具有一定的制度規範及穩定性，而非隨意的任免陞遷；如此透過以上資料探勘的應用，藉著此特徵研究提供公務部門在進行人力資源管理、組織發展、陞遷發展以及組織部門精簡規劃上，作為調整設計參考的一些相關資訊；另透過一些相關屬性的輸入，可提供尚在服務的公務人員協助其預估陞遷發展的狀況，以提供其進行相關生涯規劃。 / The employee promotion is a highly complexity task in Government office, it include many invariable laws and the process, between the senior officer and the subordinate, various relationships with other government employees, It’s the similar complex with the spider lattice, and it hides many clique's struggles in Government official’s promotion, and help to process the promote for the junior generation, through the government public presidential palace - presidential order, it‘s able to get clearly information about all government employees’ correlation data, include various related information like promotion, recruitment , and each data also contains the instruction, like the job unit, job title and job rank for all research reference. It organizes a promoted material model to conduct the research, by the material exploration's related calculating method – Support Vector Machine (SVM) and the decision tree, and through by knowledge of human resource to discover the influence to design the experiment's model, and uses the multi-group models and materials to process, and by this way , it can get various categories result by overall average forecasting and the graph, then operates by different attribute material to get relative result and analyzes its rationality, finally it depends on the correlation data to re-evaluate its method reasonable and feasibility. To this classification forecast model design, the SVM and the decision tree got better performance together with the good training quality, it’s the same with the general model, and it’s the same view to find the details job description for senior management and employee promotion, however the forecasting result has their own strong points, but for the totally, the SVM is slightly better, only if any accidents occurred, it needs to elimination the attribute parameter material which is not have the big influence, otherwise it will have the planoid logic operation process to produce resist status, and will affect its forecasting result, but the decision tree does not have this problem, and its application is more widespread, it can through by different type to make the different experiment. The forecasting result through by SVM and decision tree, its correction percentage can be achieved around 77% - 82% , so it indicated the high position level promotion policy should be have its own rules to follow, it has certain system standard and the stability, but non-optional promoted, so trough by the above data mining, follow by this characteristic to provide Government office to do the Human resource management, organization development, employee promotion and simplify planning to the organization, takes the re-design information for reference, In addition through by some related attribute input, it may provide the government employee who is still on duty and assist them to evaluate promotion development for future career plan.

經濟體的產出缺口一直是政策執行者的觀察重點，當一國出現產出缺口時，代表資源配置並不均衡，將發生通貨膨脹或是失業的現象，如能提早預期到未來是否會出現產出缺口，將可讓政策執行者即早進行政策實施，且有文獻指出，殖利率曲線資料中具有隱含未來經濟狀況之資訊。 本研究以美國財政部與聯準會之公開資料，將以殖利率曲線之斜率進行預測產出缺口；本文研究美國1977年至2016年之國民生產毛額成分與殖利率之資料，目標為建立對於未來一季將出現正向或負向缺口現象之模型，本研究建立三種預測模型進行比較，分別為線性迴歸模型、羅吉斯迴歸模型與機器學習中的支持向量機，以實質GDP的缺口預測而言，研究結果顯示，三者預測準確度均達到65%以上，支持向量機的準確度更達到80.85%。 得出以下結論，第一，殖利率曲線對於未來總體經濟產出缺口具有一定之解釋力；第二，對於高維度之預測模型在機器學習中的支持向量機表現會較一般常用之迴歸模型佳；第三，進出口的預測力在三個模型下均表現較差，可能為殖利率曲線對於進出口並不具有完整有效的資訊，可能有其餘的經濟指標或金融市場資訊可以解釋；第四，對於實質消費與投資等民間部門經濟行為有超過80%的預測力。 / The output gap of the economy has always been the objectives of policy practitioners. When a country appear the output gap, it means that the allocation of resources is not equilibrium and the inflation or unemployment will occur. The output gap will allow policymakers to implement the policy as early as possible, and the literature notes that the information of the yield curve has information about the future economic situation. In this paper, we using the data from the U.S. Department of Treasury and the Federal Reserve to predict the output gap by the slopes of the yield curve. Our goal is to construct the prediction model for the next quarter. To forecast the real GDP gap, three prediction models were compared, linear regression model, logistic regression model and support vector machine. The results show that the accuracy of the three predictions are more than 65%, support vector machine accuracy to reach 80.85%. We can have conclusions showing below: First, the yield curve has significant explanatory power for the overall economic output gap in the future. Second, the support vector machine perform better than the commonly used regression model. Third, the predictive power of real import and export in the three models are poor performance, there may be the rest of the economic indicators or financial market information can be explained. Fourth, the real consumption and investment has the predictive power more than 80% of the forecast.

本研究的目的在於試圖瞭解台灣產業間共移現象的產生以及利用計量分析方法（自我相關矩陣模型，VAR）檢視類股間股價變動與各相關產業景氣指標是否存在明顯的領先落後關係，並配合因果檢定(casuality test)以便瞭解類股間因果關係的原因。當市場內類股指數存在著波段現象以及各類股間有某種輪漲或是統計上領先落後關係時，本研究即針對此市場的波動現象，比較不同投資策略（追漲殺跌策略、等比重持有策略及市值比重持有策略）下的報酬，並從中提供機構投資者在市場波段行情中最佳的系統化制式投資策略。全篇的實證結果摘要於下： 　　1.由股市中類股股價指數與該產業指標之間的領先落後關係實證結果裡，本研究發現兩者之間的月資料變動率並無顯著的互動關係，除了少數產業配對檢定外，包括電線電纜業工業生產指數變動率為電線電纜業股價指數變動率的領先指標，而營建業指標（房屋申請執照面積）變動率為該產業股價指數變動率的落後指標等，其他產業配對檢定裡，均不能顯著地存在互動關係。因此投資人除了考慮基本面的產業因素外，市場訊息更是左右股價變動的原因。 　　2.類股股價指數與大盤指數趨勢的關係密切。實證結果發現研究中的十七種產業股價指數有十個與發行量加權股價指數變動率之間有互動關係存在：其中大宗物資業、電線電纜業以及營建業的產業股價指數變動率的過去資料與大盤指數變動率之間具有回饋關係，即具為同時指標；另一方面，落後大盤指數變動率表現的類股計有綜合食品業、棉紡業、毛紡業、陶瓷業、鋼鐵業、電子系統業以及運輸業等產業股價指數變動率。對投資人而言，這些結果有助於對未來股市的預期。 　　3.在關聯產業的VAR模型中，經由其誤差變異數分解後，我們發現各產業群間均有一產業股價指數為群內其他股價指數的龍頭指標類股，例如綜合食品業即為食品產業群的帶動類股。而在經過產業配對的Granger因果檢定後，則只有食品產業群內產業股價指數有彼此的互動關係外，其他產業群大多是間接影響群內其他產業股價指數變動率。 　　4.在研究期間，執行波段操作策略的結果以類股市值比重持有並配合不同程度存入借出現金的投資策略比類股等比重持有策略或積極型投資策略（追漲殺跌）的結果均佳。另一方面，透過不同的績效衡量指標結果，研究期間內以電子類股表現最好，同時三種波段操作策略的績效指標值與選時能力指標值均隨著槓桿程度的擴大而變差。

實務界多將監視制度之實施效果定義為防止操縱市場。的確，國內股市一向投機氣氛濃厚、短線交易盛行，惟異常交易未必全導因於投機炒作，事實上，股市交易者交易目的有四種：一是風險分攤(risk sharing)，二是變現性交易(liquidity tradings)，三是具有訊息基礎的交易(information-based tradings)，四是炒作(manipulation)。異常交易宣告訊息在實證上，可以同時作為最可能發生市場訊息不對稱的樣本組，異常交易之肇致，究竟是否純係炒作造成，抑或具有訊息基礎的交易亦佔若干比重，應是一有趣之研究課題。 　　以下研究主題為本研究之重心： 　　1.在公告警示股票的漲跌方向，分為合併與漲幅、跌幅三類宣告來計算其累積異常報酬。 　　2.檢視股價之超額報酬與警示之宣告有無干預之效果。 　　3.檢視警示股票在警示前後其對訊息之衝擊反應有無差異，並探討警示宣告對股票之價格資訊性之影響。 　　4.檢視警示股票與非警示股票在對訊息之衝擊有無反應上的差異。 　　5.檢視警示股票對不同的交易量造成股票買賣價差的衝擊。 　　6.檢視前後期價格變動與前後期交易量之因果關係。 　　本研究有以下結論： 　　結論1.畢竟警示門檻為公開資訊，一異常交易投在警示宣告前，市場應可預期，而不應在警示後存在任何方向之顯著異常報酬；國內股票市場仍不能稱具有半強式效率。 　　結論2.股票受警示後具負異常報酬，顯示警示制度對飆漲股票確有干預作用。 　　結論3.警示前後一張一千股買單，所呈現之訊息大小好壞沒有差異。 　　結論4.在警示股與非警示股間一張一千股買單，對警示般的衝擊較大，顯示警示股對訊息反應較敏感。 　　結論5.警示股的報價修正與價差之影響都和買單大小成正比，股票普遍存在當期價量有回饋關係，前一期是當期價量關係之前因。顯示Information-based確為肇致異常交易之主因。 　　結論6.警示宣告後，訊息不對稱仍然存在，且不見有效降低。 　　結論7.警示後交易者對股價認知變異增加，由投資者對價差之調整過程可看出警示後投資者之過度反應的行為。有此現象可能因為有投資者認為是明牌股而購買，也有投資者怕因高風險而導致損失，故及早出脫，因此對股價有兩極化的看法。 　　結論8.警示宣告後，買單追隨買單情形降低，可能是風險增加導致原追買追賣交易者轉趨保守。

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。

利用系統性風險之系列商品來擴大投資組合之投資集合與避險為近來非常熱門的議題，本文除了將波動率指數納入投資組合之外，並額外加入信用風險指數，藉由各種績效指標來衡量系統性風險指數能為投資組合所帶來的綜合效益。根據效率前緣與績效指標的結果顯示，投資級信用風險指數可以有效提升投資組合的夏普值，但卻不會使投資組合之風險值提升太多。 本文利用向量自我迴歸模型分析信用風險指數與大盤之間的動態關係，同時還利用分量迴歸進一步分析在不同報酬率之下，信用風險指數與大盤之間的關聯性。發現當市場狀況越差時，波動率指數與投資級信用風險指數間的相互影響幅度會越大，且分量迴歸其估計係數在中高分量時，明顯高於最小平方回歸模型。 　　綜合來說，根據本文的實證結果與過去眾多學者所做之研究，系統性風險指數確實可增進投資組合的投資效率，擴大投資組合的夏普值。更重要的是，研究信用風險指數的論文相當稀少，本文可增加此系列商品的文獻。同時也可當作台灣推出信用風險指數來促進市場效率以及作為風險管理之工具時的參考。

本研究所利用的資料是來自美國東維吉尼亞醫學院所提供的攝護腺癌蛋白質質譜資料，其資料有原始資料和另一筆經過事前處理過的資料，而本研究是利用事前處理過的資料來作實証分析。由於此種資料通常都是屬於高維度資料，故變數間具有高度相關的現象也很常見，因此從大量的特徵變數中選取到重要的特徵變數來準確的判斷攝護腺的病變程度成為一個非常普遍且重要的課題。那麼本研究的目的是欲探討各(具有懲罰項)迴歸模型對於分類蛋白質質譜資料之變數選取結果，藉由LARS、Stagewise、LASSO、Group LASSO和Elastic Net各(具有懲罰項)迴歸模型將變數選入的先後順序當作其排序所產生的判別結果與利用「統計量排序」(t檢定、ANOVA F檢定以及Kruskal-Wallis檢定)以及SVM「分錯率排序」的判別結果相比較。而分析的結果顯示，Group LASSO對於六種兩兩分類的分錯率，其分錯率趨勢的表現都較其他方法穩定，並不會有大起大落的現象發生，且最小分錯率也幾乎較其他方法理想。此外Group LASSO在四分類的判別結果在與其他方法相較下也顯出此法可得出最低的分錯率，亦表示若須同時判別四種類別時，相較於其他方法之下Group LASSO的判別準確度最優。 / Our research uses the prostate proteomic spectra data which is offered by Eastern Virginia Medical School. The materials have raw data and preprocessed data. Our research uses the preprocessed data to do the analysis of real example. Because this kind of materials usually have high dimension, so it maybe has highly correlation between variables very common, therefore choose from a large number of characteristic variables to accurately determine the pathological change degree of the Prostate is become a very general and important subject. Then the purpose of our research wants to discuss every (penalized) regression model in variable selection results for classifying the proteomic spectra data. With LARS, Stagewise, LASSO, Group LASSO and Elastic Net, each variable is chosen successively by each (penalized) regression model, and it is regarded as each variable’s order then produce discrimination results. After that, we use their results to compare with using statistic order (t-test, ANOVA F-test and Kruskal-Wallis test) and SVM fault rate order. And the result of analyzing reveals Group LASSO to two by two of six kinds of rate by mistake that classify, the mistake rate behavior of trend is more stable than other ways, it doesn’t appear big rise or big fall phenomenon. Furthermore, this way’s mistake rate is almostly more ideal than other ways. Moreover, using Group LASSO to get the discrimination result of four classifications has the lowest mistake rate under comparing with other methods. In other words, when must distinguish four classifications in the same time, Group LASSO’s discrimination accuracy is optimum.

本研究利用479個全球指標對台指期建立預測模型。該模型可以預測台指期在未來K天的漲跌走勢。我們使用了兩種演算法（支持向量機和決策樹）以及兩種取樣方式（交叉驗證和移動視窗）進行預測。在交叉驗證的建模過程中，決策樹展現了較高的預測力，最高準確度達到了93.4%。在移動視窗的建模過程中，支持向量機表現較好，達到了79.97%的預測准確度。於此同時，不管是哪一種條件設定都表明當我們預測的週期拉長時，預測的效果相對較好。這說明全球市場對台灣市場的影響很大，但是需要一定的市場反應時間。該研究結果對投資人有一定的參考作用。在未來方向裡，可以嘗試使用改進的決策樹演算法，也可以結合回歸預測進行深入研究。 / In this research, we build a stock price direction forecasting model with Taiwan Stock Index Future (TXF). The input data we used is 479 global indices. The classification algorithms we used are SVM and Decision Tree. This model can predict the up and down trend in the next k days. In the model building process, both cross validation and moving window are taking into account. As for the time period, both short term prediction (i.e. 1 day) and long term prediction (i.e. 100 days) are tested for comparison. The results showed that cross validation performs best with 93.4% in precision, and moving window reached 79.97% in precision when we use the last 60 days historical data to predict the up and down trend in the next 20 days. The results imply Taiwan stock market is significantly influenced by the global market in the long run. This finding could be further used by investors and also be studied with regression algorithms as a combination model to enhance its performance.

由於過往文獻在討論國際貿易時多討論匯率波動與外國產出變動對我國出口量的影響，但生產成本對國際貿易的影響也很重要，故本文選擇將國內與外國生產成本納入模型當中，建構一個包含匯率、國內生產成本、貿易條件、出口量、外國產出以及外國生產成本共六個變數的SVAR模型，並分別就我國主要貿易對象、美國以及歐元區三組資料進行分析，討論不同的外國變數是否將對我國出口量與貿易條件產生不同影響。 在國內變數之間的交互影響上，不同的資料實證結果差異並不大。實證結果顯示匯率上升將造成我國出口量短期減少，長期增加，且匯率和貿易條件長期呈現負相關；國內生產成本上升在長期將造成出口量減少，貿易條件改善；貿易條件和出口量兩者之間則呈現反向關係。 不論是在我國主要貿易對象、美國或是歐元區的實證結果都指出，外國產出上升將造成我國出口量在短期上升，長期下降；而當我國主要貿易對象產出上升時，我國貿易條件短期惡化，長期將改善；美國與歐元區的產出上升，則將造成我國貿易條件在短期和長期都惡化。 外國生產成本變動對我國出口量與貿易條件的影響在不同對象中存在不同效果。當美國生產成本上升，在長期將使我國出口量減少、貿易條件改善，但當歐元區生產成本增加時，長期則將造成我國出口量增加、貿易條件惡化。造成結果不同的可能原因為，我國自歐元區進口的商品中包含較多最終商品，因此歐元區生產成本變動對我國生產成本與出口價格影響較小。 實證結果顯示，在長期我國出口量上升往往伴隨著貿易條件的惡化，表示我國在國際貿易發展上可能具有貧困化成長的問題。

本研究以新台幣兌美元之匯率日資料作為主要研究標的，同時加入台灣加權股價指數及金融業隔夜拆借利率之日資料作為股價與利率之代理變數，利用Beveridge-Nelson分解趨勢的方法將變數資料拆解成趨勢項與循環項之時間序列資料，藉此捕捉匯率資料具有景氣循環的特性。在循環項的序列資料，以向量自我迴歸模型來分析並予以估計，趨勢項的部分，利用共整合檢定來探討趨勢項變數間長期的均衡關係，再以向量誤差修正模型予以估計，得到未來30天期之匯率走勢。接著，再以RMSE與MAE指標來衡量不同模型之匯率預測績效，以期能找出最適之匯率預測模型。 實證研究結果發現，將匯率資料先透過Beveridge-Nelson分解趨勢的方法予以拆解後，再利用時間序列模型進行分析及預測，時間序列模型的預測能力都比原始匯率利用時間序列模型進行預測或透過ARIMA模型進行預測還要來的好。因此，根據實證研究的結果，若企業與政府在進行匯率預測的分析時，能夠考慮先將匯率資料透過Beveridge-Nelson分解方法予以處理，便能更有效提升模型的預測能力，除了企業能夠降低避險成本來提高公司整體績效，對於國家而言，有效的掌握匯率的趨勢便能夠迅速且正確的制定政策，提升國家的經濟發展。