由於國際間在近年來，不斷地發生金融危機及商業銀行倒閉的事件，促使金融監理單位、銀行業者與學者不得不對現行的會計制度，進行通盤的檢討。因此，本文的前半部份即詳細說明如何採行新的會計制度－「市價重估法」，來修正現行「歷史成本法」的缺失，並也針對如何應用「市價重估法」來評價資產負債表上的各個項目，做一詳細的說明。 金融機構是一種資金借貸的中介機構，銀行獲利的主要來源是從中賺取利息的差價，由此可知，銀行利潤的高低則主要取決於利率的變動。因此，在本文的後半階段，乃針對「非預期利率變動」與「利率變異程度」對於股價報酬所產生的影響，進行理論及實證上的研究，茲將本文實證研究結果，整理歸納成以下幾點： 1.就全體金融機構而言，發現非預期利率變動的敏感性係數，除第二段期間國內股市崩盤時期，係數為正值外，普遍呈現顯著的負值。此外，就「利率變異程度」與股價報酬的關係而言，利率變異程度敏感性係數呈現顯著的負值。 2.就分組金融機構而言，非預期利率變動的敏感性係數，除票券公司外，結論與全體金融機構實證結果一致；就「利率變異程度」分析來說，係數有正亦有負，且正負值個數相近。因此，就分組金融機構而言，「利率變異程度」與股價報酬間並無一明顯的關係。 3.就個別金融機構而言，除了少數機構出現不顯著的正值外，利率非預期的變動與股價報酬間，大都呈現顯著的負向關係，研究結果與全體及分組機構一致。但就「利率變異程度」分析來說，實證結果與分組機構研究一致，利率變異程度敏感性係數出現正負值個數相近的現象，顯示「利率變異程度」與股價報酬間看不出有明顯的關係。 4.統計市場價值會計模型(SMVAM)實證結果顯示，未記載權益及市場調整因子的利率敏感性係數，均呈現不顯著的負值；因此，兩者之淨效果導致利率風險係數亦不具顯著性。可知以實際利率值充當利率因子，將造成利率風險出現不顯著的現象，與前述之實證結果不一致。

本文共分六章。 第一章緒論，說明研究動機、目的。主要研究觀測變數之間常發生共線性現象，希望 藉著因子模型的建立，以少數的幾個共同因子，描述問題的主要特徵。 第二章因子軸的旋轉程序。因子軸經過適當的旋轉使研究者更有意義的解釋原觀測變 數和共同因子之間的關係。在本章中主要介紹轉軸的原則－『簡單結構』，簡單結構 的意義，以及幾種常見的因子軸轉軸方法。 第三章因子化過程停止的判斷過程。在此主要介紹因子分析模式建立程序中，決定因 子數的幾種常見標準。 第四章群體相似性的比較。為了增加所果的可靠度，研究者可將被調查樣本群體，取 出部分再進行因子分析，所得結果如果和原先所得結果相似性很高，則我們就可以認 為所得結果是很穩定的，可接受性更高。 在本章中，主要介紹相似性的比較方法。 第五章實例。以福樂速食餐飲系統問卷中之問題：『一個良好餐廳應具備條件﹖』實 際進行因子模型的建立，轉軸分析結果以及結果穩定性的驗證。 第六章結論。

本研究主要在探討財務報表重編事件是否導致要求之資金成本提高。探究重編事件之經濟後果，除了彌補此議題之實證證據外，研究結果亦能提供警訊給予企業之管理當局，以抑減財務報表舞弊之發生，同時提供投資人投資決策參考。 本研究以民國86年7月至96年6月間曾重編財務報表之國內上市公司為重編研究樣本建構財務報表重編投資組合，與同期間之其他對應之上市公司投資組合，運用Fama-French三因子模型，加入財務報表重編因子，建構四因子模型，進行最小平方法(OLS)迴歸分析檢測假說。實證結果顯示，在控制市場、規模、淨值市價比因子之後，財務報表重編因子為風險因子，顯示財務報表重編，導致投資者要求之資金成本提高。此外，投資者對於財務報表重編次數之反應並無明顯的不同，而對重編變動之金額程度之反應則有顯著之差異。同時，投資者對於小規模公司發生財務報表重編之反應較大規模公司來的劇烈。最後，在事件影響存續期間研究結果顯示，財務報表重編事件對於公司之資金成本長期而言有明顯的影響，顯見財務報表重編對公司之價值影響重大。

各項信用衍生性商品中，最廣為人知的商品即為違約風險交換(credit default swap; CDS)，但由於金融市場與商品的擴張，標的資產不再侷限單一資產而是增加至數家或數百家，而多個標的資產的違約風險交換稱為一籃子違約風險交換(basket default swap; BDS)。 根據Chiang et al. ((2007), Journal of Derivatives, 8-19.)，在單因子模型中應用importance sampling (IS) 來估計違約給付金額，不僅可以確保違約事件的發生，還可以提高估計的效率，因此本文延伸此一概念，將此方法拓展至多因子模型。本文分為三種方法：一為將多個獨立因子合併為一邊際因子，並針對此邊際因子做importance sampling；二為找出其最具影響性的因子應用importance sampling；最後，我們針對portfolio C 於Glasserman ((2004), Journal of Derivatives, 24-42.) 將標的資產分為獨立兩群，我們將分段利用exponential twist及Chiang et al. (2007)所提出的單因子方法，提升違約事件發生的機率。 借由數值模擬結果，發現將多個獨立因子合併為一邊際因子的方法應用於標的資產為同質模型(homogeneous model)，會有較佳的結果；對具影響性的因子應用importance sampling的方法於各種模型之下的估計結果都頗為優秀，但其variance reduction較差且流程較不符合現實財務狀況，方法三則為特殊模型的應用，其只適用於能將標的資產獨立分群的模型，並且估計準確與否和選取exponential twist的位置有重要關係，第四節我們將同時呈現兩個不同位置的估計值與variance reduction. / Credit default swap (CDS) is the most popular in many kinds of credit derivatives, but number of obligor couldn’t be one always because of the expansions of financial market and contracts. CDS which has been contained more than one obligor is called basket default swap (BDS). According to Chiang et al. ((2007), Journal of Derivatives, 8-19.), applying importance sampling to estimate the default payment in one factor model could not only guarantee the default event occurs but also improve the efficiency of estimation. So this paper extends this concept for expanding this method to multiple factors model. There are three methods for expanding: First, merge multiple factors into a marginal factor and apply importance sampling to this marginal factor; second, apply importance sampling to the factor which has higher factor loading and third, we consider portfolio C in Glasserman ((2004), Journal of Derivatives, 24-42.) and divide total obligors into two independent groups. We would use the ways of exponential twist and the method in one factor model of Chiang et al. (2007) considered in two parts to raise the probability of default event occur. Borrow by the result of numerical simulation, method 1 has better results when obligors are homogeneous model; the results of method 2 are outstanding in each model, but its efficiency is worse and the procedure doesn’t fit with the realistic financial situation; the third method is the application of the special model, it could only apply to the model which could separate obligors independently, and the accuracy of estimates is strongly correlated to the position of exponential twist. In section 4, we would display the estimator and variance reduction in two different positions.

本文建構兩種評價模型：蒙地卡羅模型及樹狀圖模型描述在隨機利率及信用風險下評估可轉換公司債的價值並比較市場狀況以及各種因子的敏感性

股票市場不但是一國經濟的櫥窗同時在各國金融市場中也大多扮演著舉足輕重的角色，因此我們希望藉由一個新的計量模型分析台灣股票市場的變動。 本文以　Moench and Ng (2011) 所提出的「動態階層式因子模型」為基礎，並以紀卜斯抽樣法做為參數估計的方式，將此應用於探討在2007年8月至2016年2月這段期間的台灣股票市場中的大盤指數(台灣加權股價指數)與8大類股變化態勢。 我們將資料期間以兩年為一基礎，區分成5個時期，並就不同時期下的時空背景進行大盤因子與類股因子的比較。 我們發現不同時期下大盤因子與類股因子的「無條件變異數」均有不一樣程度上的波動，同時也以兩個事件(劣質油事件、央行降息)為例，進行類股因子與該類股前五大市值成分股報酬率分析。 實證結果顯示，每個時期不同時空背景下除造紙工業因子與紡織纖維業因子的波動較大無法由大盤因子解釋外，其餘類股均可由大盤因子所解釋。 另外，特定事件下對於事件本身相關公司股價影響較顯著，且同時對於該類股亦有所影響。

2001年美國發生了恩龍案，是美國史上最大的企業詐欺案，超過六百億美金的市值在短期內蒸發，接連著又有世界通訊等等企業弊案發生。而國內在2004年中旬博達案發生之後也接連發生一連串企業弊案。顯示出不論國內或國外，公司治理的重要性。本研究利用 La Porta ,Lopez–de- Silanes and Shleifer(1999)以及Claessens，Djankov，and Lang (1999) 的方式探討公司治理的核心問題，也就是最終控制股東其控制權與現金流量權的偏離程度。並以Fama and French (1995)提出的的三因子模型來驗證現金流量權偏離率是否是一個能夠解釋股票報酬的風險因子。 本研究以台灣上市公司為樣本，並剔除金融保險類股，研究期間為1999年至2006年。透過複迴歸分析，本研究的發現與結論如下： 1.台灣的上市公司之中，大部分公司都有使用金字塔結構以及交叉持股的方式增加控制股東對於公司的控制能力。而最終控制權股東的型態則是以家族或是個人最多。 2.Fama and French (1995)的三因子模型中，在本研究的期間，市場因素(Beta)、公司規模(Size)、淨值市價比(B/M)是解釋台灣股票報酬良好的顯著因子。 3.利用La Porta， Lopez-de-Silanes and Shleifer(1999)方法，追蹤所得到的現金流量權偏離率，是個解釋台灣上市公司的股票報酬率顯著的風險因子，並且使整體模型的配適程度提高。 4.把研究的樣本分成兩個階段，一個是公司治理弊端頻傳的期間，另一個是較少公司治理弊端的期間。從實證結果發現，現金流量權偏離率對於股票報酬率的解釋能力會更加的顯著，相較於較少公司治理弊端的期間。

權益成本估計的不確定性將嚴重影響企業價值評估的準確性，因此本文檢視CAPM單一因子模型及Fama and French三因子模型，依1982年7月至2007年12月之台灣二十八類產業為研究樣本，以傳統的所有樣本期間迴歸（Full-period Regression）與滾動式迴歸（Rolling Regression）兩種不同估計方式，發現CAPM及Fama and French三因子模型之風險係數隨著時間改變的平均真實隱含標準差均高達0.18以上。比較兩模型在產業權益成本預測能力的比較上，Fama and French三因子模型不論預測近期或遠期的表現均優於CAPM外，預測的期間越久，兩模型預測能力差距將越小，其預測能力也越接近。在我們進一步利用兩種定價模式估計產業權益成本發現，Fama and French三因子模型明顯降低了產業權益成本的波動狀況，並且CAPM與Fama and French三因子模型使用五年滾動式迴歸模型估計的差異大於使用完整樣本期間估計的方式。有鑑於此，當我們選擇資產定價模型做為資產評價上之權益成本應用時，在預測短期間的權益成本估計上，Fama and French三因子模型以長期間的完整歷史時間估計仍為有較佳方式。然而在預測遠期的權益成本估計時，CAPM仍為不錯的估算方式。

本研究的目的為建立一套適用於台灣股市的主動式量化投資策略。本研究利用多因子 Alpha 模型為分析架構，試圖掌握多維度的股價影響因子，以資訊係數（Information Coefficient）、T-test of ICs、成功率（Success rate）以及 Quintile 累積報酬做因子有效性的檢定，篩選出穩定且有效解釋股價報酬的月頻率因子，再組合因子形成Alpha 股票評分，Alpha 可拆解成三部分，包括市場波動度、因子預測下一期報酬的能力以及因子的獲利能力。本論文以此評分做為股票投資權重的依據，建構一個以台灣中型 100 指數為標竿指數的投資組合。實證結果發現，此主動式量化投資策略能夠有效擊敗標竿指數，獲得平均每個月 3.7%的超額報酬。 　　本研究並嘗試以設定原始權重保留率的方法，控制追蹤誤差以降低週轉率與交易成本，實證結果發現，此方法可有效降低追蹤誤差，但隨著保留率提升，資訊比率（Information Ratio）與投資組合的超額報酬將降低。 / The objective of this study is to build an investment process of active quantitative stock selection model. In this study, we use the Alpha Multi-factor model to find a multitude of factors which are significantly relative to the stock return. The tests we conduct to select the factors that end up in the final multi-factor model are monthly Information Coefficient, T-test of ICs, success rate and quintile cumulative return. Then we examine how to optimally combine correlated factors and calculate the Alpha score for each stock for each period. Alpha is Volatility times IC times Score. Volatility is the cross-sectional volatility of the residual return. IC is the predictive power of the model. And Score are the cross-sectional scores for each stock. We utilize a simple method to construct the portfolio that uses the Alpha score to adjust the weight of component stocks in the benchmark. The empirical result reveals that this investment process successfully outperform the Taiwan Mid-Cap 100 Index benchmark. Moreover, this study tries to decrease the turnover rate and transaction costs by controlling the tracking error. We set the original weight retention rate of the benchmark to control the tracking error. The empirical result reveals that the method works. But as the retention rate rises, the Information ratio and the excess return drops.

研究使用2000~2016年台灣證券交易所1887家公司，包含所有上下市櫃分析師預測公司，分析師預測資料除研究常用之盈餘預測外，亦將營收、毛利與毛利率等預測項目納入研究，此外加入額外因子，如:規模因子、淨值市價比因子、系統性風險因子、非流動性因子等進行多因子研究，使用Fama and French(1992)之Fama Macbeth迴歸模型，進行時間序列與橫斷面迴歸測驗，檢驗各因子之有效性，最終依據各績效評估因子決定出最適之投資組合，並附上各因子組合之權益曲線與績效。 實證結果發現，在台灣分析師樣本公司中，分析師歧異度、短期動能與長期動能三因子的影響較為顯著，分析師預期歧異度較高的公司未來預期報酬相對低於分析師預期歧異度較低的公司，而短期動能與長期動能較強的公司相較於短期動能與長期動能較弱的公司，擁有較高之未來預期報酬，以此三因子構建之投資組合，在2000~2016年間夏普值達0.78；而Fama and French使用的三因子在此樣本空間解釋力並不顯著，非流動性因子亦不顯著。 / This paper used the 1887 companies in Taiwan from 2000 to 2016, including all the analysts forecasting listed and delisted companies in either exchange market or over-the-counter market. The data of analyst’s prediction not only used the earnings forecast, but also revenue, gross profit and gross profit forecast in this research. In addition, other factors such as size factor, B/M factor, systemic risk factor, non-liquidity factor were used in this study. This paper used the Fama Macbeth regression model, which contains both time series and cross section Regression test, test the effectiveness of each factor, and ultimately based on the performance factor to determine the optimal portfolio, and finally obtain the equity curve and performance of the combination with various factors. The empirical results show that the analyst's earning dispersion, short-term momentum and long-term momentum three factors are more significant in the analyst forecasting companies in Taiwan. Companies with higher degree of earning prediction dispersion have relatively lower return in the future, and companies with higher short-term momentum and long-term momentum have a higher expected return. Build a portfolio with the three factor in 2000~2016 could obtain 0.88 Sharpe ratio! Neither Fama and French three factors nor non-liquidity factor in this sample space is significant.