本文的目的在探討政府部門的支出行為對經濟社會長期成長的影響效果，並且輔以實證分析。 本文的特色乃著重於政府部門支出行為與經濟社會長期成長之間的關係，並且以宏觀的角度出發，介絕相關文獻對此一問題的看法。因此在本文的第二章中，將依年代順序列舉具布代表性的文獻逐一地加以討論，在第三章中，探討政府部門各種類型的支出行為，對長期經濟成長的影響。 本文的另一特色，乃理論與實證並重，以理論的探討為基礎，利用適當的計量方法進行實證分析。 本文的結論證明了理論基礎的成立，以亞洲四個高成長國家：臺灣、日本、南韓、新加坡，進行實證分析的結果發現，各國的時間序列資料頗能符合理論模型中所導求的結果。政府部門效用類型的支出(utility-type government expenditure) 增加，將對經濟成長造成不利的影響；而政府部門生產類型的支出(productive-type gover nment expenditure)對經濟成長的影響效果，端視政府規模是否達到最市水準而定。

景象循環是指總合經濟活動盛衰升降交替的變動形式，代表了諸如產出、就業、物價 、消費投資等經濟變數的時間序列行為。實證的發掘引導了理論發展，在景氣循環分 析中，它所表現的並非問題的改變，而是我們看它的方式改變了。本文的主要目的是 嘗試由時間序列晚近提出的一些方法來了解台灣景氣循環的特性。 傳統分解非平穩（NON-STATIOHARY）之時間序列，認為循環部分係沿著確定趨勢而波 動。自BEVERIDGE 及NELSON（１９８１）發現經濟序列的長期特性可以隨機趨勢而描 述，即恆常和臨時成分均是隨機（STOCHASTIC）。所以本文首先以UC和ARIMA 做單根 檢定及以COCHRANE之無母數法估計對各序列改變其相對貢獻。 總體計量分析常假設時序變數由一線性固定係數的過程所獲得，但其描述所用的時間 常是固定的日曆時距，它模型化經濟時距雖然方便，但可能未掌握重要的非線性情況 。在景氣循環的分析□，個別的循環被視為經濟時間的區分單位，即經濟變數被視為 與由一循環階段至下一階段的規律型式有關。所以本文第二部分以時間變形法重新審 視總體變數牽涉到循環時距的可能性。 在前面單變數方法排除了潛在有用的訊息，額外的序列可能擁有共同隨機趨勢，能較 清楚地解釋趨勢和循環成分。在本文最後部分以失累積理論處理多變數過程。並在最 後一章作結論。

台灣在世界上已是資訊電子工業產品的主要生產國家，且民國89年資訊電子工業產值占我國全體製造業產值的百分之三十四，資訊電子工業的榮枯對台灣經濟的影響相當大，故對資訊電子產品市場需求狀況的掌握，對任一相關機構均是非常重要的。本研究之目的在運用時間序列分析中的單變量時間序列模式及轉移函數模式、類神經網路中的倒傳遞類神經網路，及整合預測模式建立台灣地區主要資訊電子產品銷售量之預測模式，並加以分析比較，決定最適之模式，並據以預測未來需求；提供未來政府相關單位之參考。 由於倒傳遞類神經網路有應用最普遍、成功案例最多、學習速度快、回想速度快、理論較簡單與適合解決預測問題等優點，所以本研究採用類神經網路中的倒傳遞類神經網路模式。實證結果顯示，時間序列分析法與倒傳遞類神經網路，兩者的預測能力不相上下，對於擁有非常短的生命週期以及快速變動之資訊電子產品皆有不錯的預測能力。此外將各模式進行整合的整合預測模式，其預測能力是所有方法中表現最平穩的，因整合預測模式除具有整合資訊的能力。

自1991年Stern Stewart &Co提出以EVA作為衡量公司創造股東財富與管理者努力的指標，EVA一時間成為顯學。 由於目前國內大部分投資機構或分析師在從事公司評價或是證券分析時，所依賴的分析工具不是缺乏預測能力並且忽略基本面的技術分析，便是使用由財務報表所衍生出的各項比率分析或財務指標，但是仍然忽略股東或投資人所在意的：即使稅後盈餘增加，若不能滿足資金成本，便不滿足創造股東財富的目標；此外，傳統的會計報表中許多科目並不滿足經濟價值的定義，因此採用EVA作為證券分析的指標不僅可以解決忽略股東權益資金成本的盲點，避免會計科目的扭曲，更重要的是以EVA評價法透過證券市場的監督機制，促使台灣公司管理者正視股東的權益。 由本研究的實證結果可發現，台灣的上市公司，EVA對MVA的解釋能力並不如預期的高；而使用相對指標來看的話，EVA/Cap對MVA/Cap卻有相當高的解釋能力。此外從時間序列的角度來看，EVA與MVA之間並不存在相互領先或落後的關係。而進行選股績效的分析時，投資人確實可以透過EVA選股指標，獲取擊敗大盤的超額報酬，且持有期間較長的投資策略下，超額報酬越高。

時間序列在過去二十年當中，受到熱列地討論，而絕大多數的文獻都是研 究線性時間序列模式。但在現實生活中，很多時間序列並不符合線性的假 設，因此近十年來很多學者致力研究非線性時間序列模式。其中有一種雙 線性模式，因其性質與線性模式類似，故引起了廣泛注意。在本篇文章中 我們是採用Subba Rao 和Gabr(1984)提出的迭代等式以及高斯－賽德迭代 法估計參數，再配合 Subba Rao(1981)提出的巢狀搜尋程序，來選取雙線 性模式的階數。將其選模結果與AIC、BIC以及修正後的 PKK 選模法比較 。

以往建立銷售預測模式，是以銷售資料本身過去之變化情形為主，即只考慮外生變數 之綜合性影響，往往忽略了外生變數之重要性。然隨著社會結構的日趨複雜，外生變 數對銷售預測常有著牽一髮而動全身之影響力，因此在今日多元化的社會中，欲精準 地達成銷售預測目的。則需依賴外生變數之掌握，所以外生變數預測在銷售預測目外 可或缺的一環。本研究主要發展實務導向之外生變數預測，俾使企業電腦化之實際應 用。 方法上乃運用貝氏時間序列分解成長期趨勢，季節變動，循環變動及不規則變動後， 再融入專家之先驗知識，採用乘法模式進行外生變數預測，其中在估計長期趨勢時， 更運用了BOX-COX 轉換函數，移動平均法及加權最小平方法等；在融入專家之先驗知 識時，運用貝氏理論，計算樣本預測之間之關係篤差異，以求得更精準之預測。 為探討上述方法之可行性，實證方面以一個案公司之實際資料，假定各種特例情況， 逐一測定每一步驟之正確性及穩定性。 此結構乃一實務導向之外生變數預測，企業可將之電腦化，經由先驗訊息的融入，探 討廣告，促銷，相對價格籌之預測與規化；而且，本研究所獲之外生變數預測可輸入 內生變數預測系統，求得精確之銷售預測。

台灣存託憑證(TDRs)從2009年起在台盛行，至今有三十五檔TDRs在台灣證劵交易所掛牌，各檔TDRs交易期間至今約半年至三年不等，目前TDRs檔數和交易時間已足以做比較和計量檢定，因此本文以在台灣證劵交易所掛牌之TDRs為對象，選取13檔TDRs做實證研究，資料期間為各檔TDRs上市日至2012年2月17日的日資料。研究內容包含兩部分：1.透過單根檢定、共整合檢定、VAR模型、Granger關係檢定和誤差修正模型等實證分析，觀察兩地股價是否具有長期的穩定關係和價格發現功能，以及股價波動是否具有因果關係；2.近年來台灣的相關法規是否對TDRs交易機制有正向幫助。實證結果主要如下：1.大部分TDRs結果顯示股價、匯率和大盤指數間具有長期的穩定關係，即是有共整合現象；誤差修正模型(VECM)中各變數的係數大多不顯著，也就是說各變數在短期並無法透過此模型來預測股價；2.在因果檢定方面，樣本中有5檔TDRs的原股股價對TDRs股價有領先效果，另外8檔TDRs的原股股價和TDRs股價間並沒有顯著的領先或落後效果；3.台灣近年陸續發布的相關法規確實改善市場的供需問題 和價格偏離現象，對投資人有正面幫助。

於現今經濟情勢混沌不明，令人想起價值投資的投資策略方法，期望 在任何環境下，只要篩選出的股票是具有獲益潛力，則可趁勢進場，獲取 超額收益。本論文嘗試以基本面分析為主體建構三步驟的資產配置流程。 第一步驟使用比例交集法進行資產選擇，而多因子方法通常比單因子所篩 選的報酬率更優異，且加上月營收成長率作為篩選條件其報酬率更是亮眼。 再者，第二步驟透過風控管指標選股發現，當採用 GSR 做為資產選擇的條件時，可達到最佳的表現。最後於最適權重的配置之中，資產模型及目標函數會因為不同的資產組合而有不同的效果，其中，當 FCFY(0.1) & ROA(0.2)加上月營收成長率20%做為篩選條件並使用GSR進行二次篩選後，使用 ARMA(1,1)-GARCH(1,1)且目標函數為最大化夏普指標時可達最大報酬。

一. 研究動機與目的： 近年來國內股市蓬勃發展，尤其自民國76年起，股價指數與成交量大幅攀升；從最初 的800 至 900點與 100至 200億的成交規模，到近來屢破紀錄，曾達12，000 多點與 1，900多億高指數與高成交量的空前盛況；依目前情景，台灣股市之再創新猷應是指 日可待的。 這三年多來，國內股市也曾呈現空頭現象，但其間指數回檔、幅度之大與速度之快， 均非事先所能料及。亦即這數次回跌，並非總體經濟因素之基本分析所能解釋，亦非 技術指標分析所能捉摸。最明顯的是，這幾次股價下跌，均有理論上非影響股價之外 生因素摻雜其間，造成突發性的利空，促使股價回軟甚至鉅幅下跌。事實上，影響股 價之因素錯綜複雜；國內相關之研究與文獻極多；歸納言之，其特色為：雖均嚐試尋 找可解釋之原因及其間的函數關係，唯大多只考慮單解釋變數或僅探討經濟因素對股 價的影響。而影響台灣股市相當重要的非經濟因素，如制度和政策之施行與變革等突 發性外生變數對股市衝擊之研究卻付諸闕如。 本文之目的，卻在探討一突發事件；如證所稅，對特定現象，如台灣股價指數，干預 後所產生之影響，並開列其一般性的理論架權，俾能推廣於各類政策、制度施行後之 檢討與評估。 論文提要內容： 二. 研究方法： 本文所採方法論為時間序列 ARIMA干預分析模式；在函數型式方面運用BOX-COX 轉換 將 性及對數 性型式一般化，干擾項方面則採用 ARIMA模式將普通最小平方法及一 階自我迥歸的Cochrane-Orcutt 法一般化；且運用轉移函數原理將靜態迥歸及幾何落 差迥歸擴展為一般化的動態轉移函數關係。而其最大特點為除透過多解釋變數對因變 態變數之影響外，並融入虛擬變數，俾能更精確地解釋其間的動態關係。 資料方面，以民國73年1.月起至78年2.月止之台灣股價指數、貨幣供給量、匯率、躉 售物價指數與領先指標等時間序列資料，經由「內差法」(interpolation) 轉成週平 均指數來處理。 本文之研究流程如圖一所示。 三.章節結構： 本文第一章為緒論，概述研究動機與目的，並對研究方法予以簡介。第二章由理論與 實證文獻中探討干預分析模式與台灣股價之有關文獻。第三章將建立完整之理論架構 與基礎。第四章為實證分析，擬舉「證所稅」之課徵為外生干預變數，運用所建立之 理論基礎，說明實證分析步驟，並深入分析估計結果，第五章為本文結語，評估本文 所發展之一般化動態股價模式，並檢討政策或制度施行後對股市之衝擊，且由研究限 制中提出後績研究方向與建議。 四. 預期成果： 本研究預計將索性的發展一模式，此模式如果成功可有效地檢討與評估證券市場各類 政策，制度施行後之影響與衝擊。 本文所發展之一般化動態股價模式在理論上有所突破，可為爾後研究開闢另一方向。 而且以往屬質性之政策問題均乏人探討，本文預計可探討屬質性之衝擊並收拋磚引玉 之功。

由於開放總體經濟理論，在在著許多爭論，往往因其所強調重點不同而有不同的結論 。這些爭論最後須藉助實證之證據來支持某種理論，以了解經濟變數間可能的影響途 徑。 然由迴歸所觀察到兩變數間有強烈相關，並不能代表此二變數間存在有因果關係。故 本文乃擬利用Granger 因果關係的概念與時間序列之統計方法，在儘可能避免作太多 先驗理論之限制下，使觀察值之統計資料能充分表現其一般之情況，來探討台灣重要 經濟變數間可能的影響途徑與因果關係。 本文共分五章： 第一章「緒論」：就有關國際金融理論作一概要性探討。 第二章「因果關係檢定」：介紹因果關係之概念、基本假設檢定方法與檢定結果之解 釋。 第三章「模型選擇之方法」：介紹ＶＡＲ模型的區塊排除性檢定，客觀貝氏ＶＡＲ模 型，Hsiao 之ＶＡＲ模型認定，與多元時間序列ＶＡＲＭＡ模型。 第四章「台灣之實證分析」：乃就第三章所論之模型，以台灣有關重要變數作實證上 之分析。 第五章「結論與建議」：對全文作綜合性總結與建議。