本研究首先觀察過去台灣加權股價指數與景氣循環之間的關係之後，嘗試找出一些可以判斷股價指數高峰、谷底轉折點的總體經濟變數，作為擇時策略依據的準則。由於股價指數本身即含有對未來的預期，同時也是景氣動向領先指標的構成項目之一，因此所選取的總體經濟變數，除了景氣對策信號的構成項目之外，還包括了廠商預期及營業氣候測驗點兩項預期性指標。在實證之後，得到下面的結論。 1. 兩項預期性指標與股價指數的高峰、谷底有相當的一致性。以股價指數高峰、谷底整體而論，廠商預期平均領先0.5個月(中位數)，營業氣候測驗點平均領先2個月(中位數)。 2. 透過股價指數與景氣對策信號燈號的對照可知，波段操作較好的買點都是落在較低的燈號(10%的機率在綠燈，36.67%在黃藍燈，53.33%的機率在藍燈)，波段操作較好的賣點都是落在較高的燈號(10%的機率在紅燈，23.33%的機率在黃紅燈，56.67%在綠燈，10%的機率在黃藍燈)。 3. 實質面指標(包括海關出口值變動率、製造業新接訂單指數變動率、工業生產指數變動率以及製造業成品存貨率)雖然與股價指數的變動有一定的關聯性，但其時間通常都較股價指數的高峰、谷底為晚(1990年2月及1990年10月兩次例外)，只能做為再確認股價指數高峰、谷底的落後指標。 4. 金融面指標方面，以股價指數高峰、谷底整體而論，M1B年成長率平均領先1個月(中位數)。 5. 利用這三項指標建立投資準則進行樣本內的模擬，得出的結果通常都較買進持有以及定期定額兩種方式為佳。

本研究的研究目的為驗證三種長短期利差模型：當地長短期利差、美國長短期利差及同時考量兩者，預測股票市場空頭發生之有效性；以及依這些模型進行擇時投資策略模擬，看是否能為投資人帶來比買入持有策略更好的報酬率，以下即為本研究實證結果所獲之結論： 1.當地長短期利差對於當地股票市場空頭發生多不具顯著的預測能力。 除了在已開發國家中的加拿大，樣本點內實證、樣本點外模與 Hendriksson-Merton擇時有效性檢定的結果都一致說明該國當地長短期 利差對於股市空頭發生具有顯著的預測能力外，其他國家皆不能顯示當 地長短期利差具有有用的擇時資訊。這個現象不論對當地投資人或是台 灣投資人而言，結論沒有不同。 2.美國長短期利差對於當地股票市場空頭發生多具顯著的預測能力。 以當地投資人的觀點，美國長短期利差作為擇時指標之模擬，除了在剛 剛提到已開發國家的加拿大、開發中國家的馬來西亞以外，在其他研究 標的的國家中表現往往超越其他兩種利差擇時策略並打敗買入持有策略 ，且在大多數國家也具統計上之擇時有效性。這些結果和過去學者所作 的實證顯示美國股票市場領先其他國外股票市場相符合。然而以台灣投 資人的角度而言，美國長短期利差對於預測開發中國家股市空頭的成效 則不甚理想。 3.同時考量當地及美國的利差資訊，並不能有效增進對股市空頭之預測。 這個結果不論是依當地投資人角度或是台灣投資人角度結論皆相同，在 樣本點外的模擬中，同時考慮兩種利差資訊，在大多數的國家往往僅能 比單獨使用美國長短期差指標多增加一些報酬，這個現象隱含了當地長 短期利差鮮少具有比美國長短期利差更多的資訊。

本文以2000年11月至2011年4月，台灣公開發行公司的普通公司債發行個體資料為研究樣本，共485筆，探討企業是否會選擇在市場利率低落的時候，發行更多的公司債。在迴歸模型的架構下，以公司債十年殖利率、長短期利率差及信用價差，做為市場擇時的指標變數，以市價淨值比、本益比、景氣循環指標，做為控制變數，此外，進一步觀察產業類別及還債年限是否會影響市場擇時行為的程度及結果。實證結果顯示：總體而言，信用價差最能當作市場擇時穩健的指標；相對於全樣本的結果，分產業類別跑迴歸，因為考慮了產業間的差異，迴歸解釋力提升，其中以交通航運產業最符合市場擇時行為，交通航運產業在公司債市場發債行為相對穩定，此產業易受景氣影響，且投資金額龐大，若在市場利率相對低點時發債，對公司尤其有利；至於還債年限跑迴歸，五年和十年的還債年限公司債擇時不明顯，因為較短期間內，利率不一定會來到相對低點，相對低點不易觀察；而十年的長期還債年限公司債，公司無法有準確的預期能力；而是中長期的還債年限公司債，最能看出市場擇時行為的效果。就投資意涵來說，公司發債擇時行為，可以視為一個市場訊號，公司在殖利率相對低的地方發債，表示債券價格是在相對高點部位，此後債券價格上升機率較小。市場擇時－結合新古典投資理論和財務行為學兩個概念，此篇市場擇時的實證研究，提供了解釋台灣公司發債財務決策行為的方向。

本篇研究主要在於運用追蹤各國指數的指數股票型基金（ETF）來形成國際性投資組合，以長期持有為主搭配市場擇時策略以改進投資績效並比較各種策略下的投資組合表現。就投資組合組成方面：1.效率前緣投資組合是能有效的分散風險的，但實際操作的結果發現其投資組合權重比例很容易受樣本以及取樣期間所影響。2.基本面投資組合由於各國的經濟基礎不同，所以只用一般總體經濟通則來預測各國股市未來的表現其實很容易產生盲點。就擇時策略來說：1.長短利差擇時策略的優點在於買入或賣出的判斷，決策時點明確且交易次數較少。缺點在於容易產生錯誤訊號且錯誤訊號易連續產生。2.移動平均擇時策略的優點在於買賣的上下限明確，能有效的利用報酬的波動性而提升績效。缺點在於：買賣決策需具有即時性，決策延遲則投資績效將會被嚴重影響。 國際性投資組合與擇時策略結合後可發現基本面分析投資組合的績效表現最較佳，可獲得較高之報酬。但其所承受之風險也較其他投資組合來的高，屬於高風險高報酬的投資方式；效率前緣投資組合則為一種對風險較為趨避的投資方式；等比例投資組合若能與擇時策略搭配，從投資績效表現來看不失為一較適合一般投資大眾之投資策略。將風險分散（投資於追蹤大盤的ETF）再分散（組成國際性的投資組合），以長期持有的方式且運用擇時策略避開空頭市場的損失（化被動為主動），確實是能為投資者帶來不錯的投資績效的。

本研究以台灣企業為研究對象，探討公司融資決策與市場時機之關係。以樣本研究期間內每月份辦理初次公開發行（IPO）家數相對多寡為衡量股市冷熱性之指標，藉由觀察於冷、熱市辦理IPO公司的融資決策差異來分析國內企業是否存在市場擇時行為以及其對資本結構的長短期影響。 實證結果顯示，熱市IPO公司於IPO當年之權益融資幅度明顯多於冷市IPO公司，使其負債比率顯著低於冷市IPO公司，然自IPO後二年起，擇時效果便逐年遞減，顯示擇時行為對資本結構的影響相當短暫，由於不論冷、熱市IPO公司，於IPO後均仍傾向依國內企業偏好之融資順位即先權益後舉債之方式籌資，且IPO後負債比率有逐年回升並趨近於IPO前水平之趨勢，顯示長期而言，國內公司資本結構相當穩定，因此推測國內企業資本結構之決定方式可能為動態抵換理論與融資順位理論之結合，即公司會在可接受之負債比率波動範圍內依照偏好之融資順位進行籌資。由於市場擇時並非調整資本結構時之主要考量，故其對資本結構的影響也相對有限，因此隨時間經過，之前的擇時行為便無法解釋公司後來資本結構之變動。 之前相關實證研究均採用市值對帳面價值比為擇時行為代理變數，本研究於比較不同方法之實證結果後發現，在台灣，市值對帳面價值比除了可作為衡量股市錯價之指標外亦可衡量公司未來成長機會，故若單使用市值對帳面價值比為代理變數將使得實證結果對於市場擇時的解釋力較為薄弱。 / This paper examines the capital structure implications of market timing. I use initial public offering as a single timing event of financing. Market timers would be those firms that go public in hot issue markets. I find that hot-market IPO firms issue more equity and hence their debt ratios decline more than cold-market ones at the end of IPO year. However, the timing effect diminishes with time and in two years after IPO, there is no significant difference between hot and cold-market firms’ debt ratios anymore. After the initial public offering, both firms’ tend to raise capital needs based on their preference financing order, which means retained earnings first, then equity issuance and finally raising debts in Taiwan. In addition, the debt ratios seem to steadily approach to their pre-IPO levels. These all might reveal that, the dynamic trade-off theory and pecking order theory would be better than the market timing theory to explain firms’ capital structures in Taiwan. Some related studies followed Baker and Wurgler（2002）’s approach, using market to book ratio as firms’ market timing proxy. I compare the results of different proxies and find that in Taiwan, market to book ratio could not only be a timing proxy but referring to a firm’s growth opportunity as well. Hence, it should be avoided using market to book ratio as a single proxy of firms’ market timing behavior when studying firms’ capital structures in Taiwan.

有越來越多的文獻研究提出「聰明錢」存在的證據，證明基金投資人有能力預測未來會賺錢的贏家基金。在這個議題之下，本研究主要探討台灣債券型基金市場裡是否存在「聰明錢」現象。藉由Friesen and Sapp (2007)以及Keswani and Stolin (2008)所使用的研究方法，本研究得以發掘投資人擇時能力在。我們的實證結果發現，基金投資人整體而言沒有呈現顯著擇時能力，因此沒有明確證據支持的「聰明錢」效果的存在。投資人的基金投資績效反而往往受到不佳的擇時決策所影響。此外，即便投資人展現選擇贏家基金的能力，其獲利也往往被不良的賣出決定所侵蝕。而且，挑選贏家基金的能力也似乎是短暫的。另外，研究結果亦指出機構投資人的績效穩定優於散戶投資人，其部分原因是散戶投資人在面對較高的搜尋成本時，傾向於選擇規模較大但費用較高的基金，因此降低其投資報酬率。整體而言，本研究的建議是，在台灣債券型基金市場裡宜採取買進持有的投資策略。

本研究以修改傳統 模型為出發點，探討基金經理人所具備的動態行為特質。傳統模型重點主要放在經理人對於市場報酬率走勢的預期，並未考慮到其對市場未來波動性走勢的預期能力。因此本文認為有失偏頗。故研究方法即加入波動擇時能力特質進入模型，希望能強化傳統模型的擇時能力表現，以更完整地建立有關經理人擇時能力的資訊。 本研究採用三十支國內股票型共同基金為研究樣本。研究期間為2001//7/1~2005/6/30四年。利用日資料方法來補捉基金經理人每日動態特質，並且建立了隨機投資組合作為比較基準點，期望能更客觀的分析經理人是否具備優良從事交易策略的能力。 研究結果發現，研究樣本的基金經理人，以三因子或單因子模型分析，多數經理人具備波動擇時能力，但是報酬擇時能力並不顯著。這說明國內共同基金經理人在面對股市的未來報酬高度不確定性，會重視高波動所帶來的高風險。故會在未來走勢高波動時，適時的減少市場風險曝露及投資部位。 另外，研究結果也發現，當模型中異常報酬考慮到市場上波動時，基金經理人波動選股能力係數並不顯著，故無法說明其會隨著市場波動性改變，而運用選股能力強化績效，創造基金異常報酬。

無 / This paper investigates the long term performance of Taiwan stock market from 1967 to 2008. We obtain the total return of Taiwan Stock Exchange Capitalization Weighted Stock Index (“TAIEX”) by adjusting cash dividends. Prior to Dec 31st, 2008, the adjusted TAIEX (AdTAIEX) become 16,088.49 is 3.5 times than 4591.23, the TAIEX it reach. Based on annualized rate of return, AdTAIEX has 13.069% greater than 9.743% of TAIEX. Investors not only care about the rate of return of their portfolio, but the real purchasing power they have. Based on correction of inflation, AdTAIEX only has 8.25% annually, with 4.819% erosion by inflation. TAIEX only has 5.07% annually, with 4.673% erosion by inflation. Also, we create a timing strategy according to the varying of past variance that may help “buy and hold”strategy.

我國股票市場，向以規模太小（截至７７年四月底上市公司僅１４０餘家）而為人詬 病，如：太容易經由大戶的抄作，使散戶套牢而遭受損失，故擴大股票市場規模及增 加機構投資者比重，向為政府努力的目標。 ７２年財政部證卷管理委員會先後制定發佈了「證卷投資信託事業管理規則」及「證 卷投資信託基金管理辦法」期能以增加機構投資方式，避免股市過於投機，又使社會 游資有良孚出路，至７６年底國內共有四家證卷投資信託公司：國際、光華、建弘及 中華。每家公司分別掌管了兩個基金（國內及國外各一）。 本論文以此八個基金為研究對象，研究期間從７２．１０．２９∼７６．１２．２９ ．，以各基金與市場股票指數的週報酬率為比較基礎，先計算各基金的sharpe（１９ ６６），Treynor （１９６５），Jensen（１９６８）的指數，以排名先後，再以 Henriksson（１９８４）及Moses （１９８７）的迴歸模式來探討各基金的擇時效果 （selection and Timing）。 擇時效果乃Fama（１９７２）提出，利用資本市場線（ＳＭＬ）模式來惟算，簡而言 之，選擇效果乃評估基金選股的優勢，而時間效果則衡量基金報酬是否優於市場報酬 。 研究結果sharpe，Treynor 及Jensen指數，各國基金互有優劣，但以光華國外基金略 佳，至於選擇效果各基金皆無明顯表現，而時間效果則僅有光華國外基金略佳，其餘 基金時間效果皆低於市場報酬。 本研究因受限於各基金成立時間不一，且在研究期間並不長久下，所得出的績效排名 ，難免有失偏頗。唯提出基金績效的評估模式，以給欲購買「受益憑證」的投資大眾 ，有個參考！

This research employs five predicting variables to implementing the market timing strategy. These five variables are E/P1, E/P2, B/M, CP and GM. The investment performances of market timing under a variety of investment horizons are examined. There are four different forecasting horizons, which are one-month, three-month, six-month, and twelve-month investment horizons. Both the linear approach and artificial neural networks are employed to forecasting the market. The artificial neural network is employed with a view to capture the non-linearity property embedded in the market. The results are summarized as follows. (1) Both the linearity and nonlinear approaches are able to outperform the market. According to the results of Cumby-Modest test, they do have the market timing ability. (2) In the simple regression models, the performance of CP is relatively well compared to those of other variables. (3) The correct prediction rate increases as the investment horizon increases. (4) The performance of the expanding window approach is on average inferior to that of the moving window approach. (5) In the simulations of timing abilities over the period of May, 1991 to December, 1997. The multiple regression models has the best performance for the cases of one-month, three-month, and six-month investment horizons. On the other hand, BP(1) has the best performance for the case of one-year investment horizon. Contents Chapter 1 Introduction ……………………………………… 1 1.1 Background……………………………………………………………. 1 1.2 Motivations and objectives…………………………………………….3 1.3 Thesis organization ………………………………………………….. 4 Chapter 2 Literature Review…………………………………6 2.1 Previous studies on market timing……………………………………. 6 2.2 Predicting variables…………………………………………………… 8 2.3 Artificial Neural Networks……………………………………………10 2.4 Back Propagation Neural Networks…………………………………..11 2.5 Applications of ANNs to financial fields………………….………….12 Chapter 3 Data and Methodology……………………….….15 3.1 Data………………………………………………………………..….15 3.2 Linear approaches to implementing market timing strategy……….…18 3.3 ANNs to implementing market timing strategy…………..…………..23 Chapter 4 Results on Timing Performance……………..…26 4.1 Performance of linear approach………………………………………26 4.2 Performance of ANNs………………………………………………...38 4.3 Performance evaluation……………………………………………….39 Chapter 5 Summary…………………………………………54 5.1 Conclusions……………………………………………………….….54 5.2 Future works…………………………………………………………55 Appendix……………………………………………………..56 References……………………………………………………57 / This research employs five predicting variables to implementing the market timing strategy. These five variables are E/P1, E/P2, B/M, CP and GM. The investment performances of market timing under a variety of investment horizons are examined. There are four different forecasting horizons, which are one-month, three-month, six-month, and twelve-month investment horizons. Both the linear approach and artificial neural networks are employed to forecasting the market. The artificial neural network is employed with a view to capture the non-linearity property embedded in the market. The results are summarized as follows. (1) Both the linearity and nonlinear approaches are able to outperform the market. According to the results of Cumby-Modest test, they do have the market timing ability. (2) In the simple regression models, the performance of CP is relatively well compared to those of other variables. (3) The correct prediction rate increases as the investment horizon increases. (4) The performance of the expanding window approach is on average inferior to that of the moving window approach. (5) In the simulations of timing abilities over the period of May, 1991 to December, 1997. The multiple regression models has the best performance for the cases of one-month, three-month, and six-month investment horizons. On the other hand, BP(1) has the best performance for the case of one-year investment horizon.