在產品開發階段中, 決策者經常面臨的問題: 如何在幾個設計母群體中, 選擇最佳之 設計, 而評估設計之優劣常用“可靠度”( 或平均壽命 )作為衡量標準。 本文考慮k(k≧ 2)個Increasing Failure Rate(IFR)的母群體, 其分配為F(x;θ ), 其中θ 是尺度參數(Scale Parameter)。 我們常見之IFR 分配有Gamma、Exponenti -al、Weibull等等。而對上述K 個母群體, 我們感興趣的是挑選具有最大尺度參數母 群體。假設θ '……'θ 為(θ '……'θ )經過排序后之有序參數, 我們定 義最佳母群體為具有θ 之母群體。 由於完整資料不易取得( 成本高且實驗時間頗長),因此, 我們經常采用二種截略資料 來縮短時間, 分別是型Ⅰ截略抽樣計劃(type-Ⅰcensoring plan) 及型Ⅱ截略抽樣計 劃(type-Ⅱ censoring plan)。而上述兩種抽樣方法中, 對決策者而言, 究竟以那一 種方法較適合采用? 也就是說, 在決策者給定的要求水準, 那一種方法比較節省時間 ? 一般而言, 正確選擇之機率(Probability of correct selection)是評估挑選法則效 率之常用方法, 本論文在決策者事先給定正確機率P 及錯誤機率α 下, 分別探討Ty -peⅠ,TypeⅡ所需之截略時間、樣本數、截略數, 并比較TypeⅠ,TypeⅡ 所需之截略 時間、樣本數、截略數, 并比較TypeⅠ之截略時間與TypeⅡ之期望截略時間。以期能 提供決策者在實驗當中, 選擇一個較適當的實驗方法。

台灣證券集中市場自民國92年1月2日開始實施最佳五檔買賣價量資訊的揭露，提高了市場的透明度，而盤中五檔資訊的揭露，投資人得以從中觀察到委託單的分布狀態，降低了資訊不對稱的情形；倘能藉由分析流動性投資人在每盤撮合後，觀察行情揭示的最高五檔買進與最低五檔賣出價量資訊，並將決策行為反映於市場時，其投資行為是否具有預測未來價格的功能，並探討流動性投資人是否存在一窩蜂行為，以及某一支股票的行為是否會受到對其他股票感染，期能藉由五檔資訊的分析與驗證，以供投資大眾之參考。 本文利用台灣證券集中市場上市公司進行實證研究，結果發現，經由五檔資訊所獲得之市價買單、市價賣單及前一盤報酬資訊，對於未來報酬具有預測能力，且流動性投資人具有一窩蜂出現的情形；此外，市價買、賣單會受到前一盤市價買、賣單影響，因而具有持續性現象；股票間的流動性買壓是否互具感染性則未獲有力支持；最後發現，揭露最佳五檔政策實施後，使股票市場的波動性減小，顯示由於資訊透明化，有助市場的交易效率的提升與減少資訊不對稱現象，該政策的實施有正面的意義。 / Since January 2nd, 2003, the Taiwan Stock Exchange Corporation (TSEC) started to disclose the information of the best five bids/asks and volumes. The disclosure of the best five bids/asks and volumes enhances the pre-trade transparency. With the disclosure , investors will get more information to help the decision making. This paper employs the intraday five asks/bids and volumes of the Taiwan stock exchange to analysis the liquidity traders’ investments. According to the experiments, we first find the predictive power of the market orders and lag return. However, we don’t demonstrate that the liquidity buying pressure can predict the future return. Besides, we also find that liquidity traders are likely to arrive at the market together (commonality) .

當產險公司需要同時兼顧競爭力並免於破產時，適當的資產配置就是一項相當重要的決策。然而採用均數-變異數分析(mean‐variance analysis)將受到許多限制，而動態控制理論則是難以實作，因此，我們提出一個新的解決方法。這個方法主要係應用模擬最佳化的演算法，例如基礎的基因演算法(basic genetic algorithm, GA)，多階層演化策略(multi-phase evolutionary strategies, MPES)及多階層基因演算法(multi-phase genetic algorithm, MPGA)等並結合模擬模型，來求解保險公司之資產配置的問題。首先我們建立投資市場及保險業務市場的模擬模型，之後再利用本研究所發展出新的最佳化演算法來搜尋最佳的資產配置。在實務上無法實現的多期投資策略，在我們的研究架構下得以被採用，並且在比較求解結果下，多期投資策略(reallocation strategies)較定額投資策略(re‐balancing strategies)有顯著較佳的績效。在兼顧保險公司投資收益並避免破產的目標函數下，我們所提出的研究方法已證明可以用來協助保險公司建立較佳的資產配置。 / Proper asset allocations are vital for property‐casualty insurers to be competitive and remain solvent. However, popular mean‐variance analysis is limited while dynamic control theory is difficult to implement. We thus propose to apply simulation optimizations such as basic genetic algorithm (GA), multi‐phase evolutionary strategies (MPES) and multi‐phase genetic algorithm (MPGA) to the asset allocation problems of the insurers. We first construct a simulation model of the property‐casualty insurer and then develop simulation optimization techniques to search optimal investment strategies upon the simulation results. The resulted reallocation strategies perform better than re‐balancing strategies used in practice with significant margins. Therefore, our proposal researches can be used to assist insurers to construct better asset allocations.

近年來因國內利率持續走低，壽險公司紛紛至海外尋找收益更佳的投資機會與標的，其中大部份以固定利率的海外資產為主。這些海外的投資部位，雖然讓壽險公司享受到較國內金融資產高的投資名目收益，但在投資期間結束後，壽險公司仍面臨必需以新台幣結算投資損益的不確定性。因此，壽險公司進行匯率避險成為海外投資組合中最關鍵的一環。為達到規避匯率風險以及降低避險成本這兩個目的，一籃子貨幣組合避險策略(A BASKET OF MONEY HEDGE STRATEGE)因此被發展出來。 1. 希望能夠提供海外投資者另一種規避新台幣匯率風險的方法。 2. 瞭解各種不同的貨幣篩選方法可能存在何種差異性。 3. 根據實證結果提出適當建議，以供後續研究者參考。 本研究首先選取一些目標貨幣當作一籃子貨幣的基準貨幣，為使整個避險投資組合的效果提升，必需考慮各種幣別與台幣的替代性是否夠高，所以利用以下各項因子來作為貨幣篩選的標準，如：各幣別與台幣之相關性、各幣別與美元的利差、替代貨幣本身的波動性、各替代貨幣間之相關性等因素進行替代貨幣的篩選機制。 / 利用以上要點篩選出基準貨幣後，再利用Markowitz所提出之效率前緣分析方式來選擇最適合的貨幣配置。就是在給定投資組合部位限制下，給定期望報酬使總風險為最小之配置比重，即為最佳化投資組合。利用Matlab之指令portopt給定歷史報酬及共變異數矩陣，即可輕易求出效率前緣曲線，以及最佳化貨幣配置比率，再與傳統之避險方式做比較，以求取更佳的一籃子避險策略。

數學模型可被用於癌症之化療研究。一個著名的例子為學者Goldie和Coldman在1979年發表了第一個描述癌症化療中，腫瘤細胞突變率及其與治療藥物反應關聯性之數學模型。此一模型因對此問題之描述簡潔與優雅，廣為其他學者引用。Goldie和Coldman(經與Guaduskas合作)隨後於1982年利用此模型配合模擬方法說明在沒有交互抗藥性的治療中，就避免腫瘤細胞發生多重抗藥性突變而言，為何交替使用治療藥物為最佳治療方式。其後更在1983年，於考慮隨機特性下，推廣原有模型，並考慮此推廣模型之近似表示時，以嚴格數學方法證明其於1982年以模擬方法所得之結論。 然而，Goldie和Coldman之理論分析工作多集中於模型參數具有對稱結構之情形，而關於模型參數不具對稱結構時，文獻中少有理論分析之探討。於此一論文中，我們重新以多階段最佳化問題表達此一問題，並考慮模型參數不完全對稱下，最佳治療方式所應滿足之條件。根據我們提出的架構，可求得不完全對稱下最佳治療方式之解析解。此外，Goldie和Coldman關於模型參數具對稱結構之工作可視為我們架構下之一特例。因此，我們的架構提供Goldie和Coldman理論分析工作一個新的數學證明方法。本文除理論推導外，並以數值方法進行案例分析，以驗證我們工作之正確性。 / Mathematical models can be applied to study the chemotherapies on tumor cells. Espeically, in 1979, Goldie and Coldman proposed the first mathematical model to relate the drug sensitivity of tumors to their mutation rates. This pioneering work is subsequently referred by many scientists due to its simplicity and elegancy. The authors (jointly with Guaduskas) later used their model to explain why alternating non-crossresistant chemotherapy is optimal with simulation approach. Subsequently in 1983, they proposed an extended stochastic based model and provided a rigorous mathematical proof to their earlier simulation work when the extended model is approximated by its quasi-approximation. However, Goldie and Coldman’s analytic work on optimal treatments majorly focuses on process with symmetrical parameter settings. Little theoretical results on asymmetrical settings are discussed. In this thesis, we recast and restate Goldie, Coldman and Guaduskas’ model as a multi-stage optimization problem. Under an asymmetrical assumption, conditions under which a treatment policy can be optimal are derived. This framework enables us to consider some optimal policies on the model analytically. In addition, Goldie, Coldman and Guaduskas’ work with symmetrical settings can be treated as a special case of our framework. Base on the derived conditions, an alternative proof to Goldie and Coldman’s work is provided. In addition to the theoretical derivation, numerical results are included to justify the correctness of our work.

本文結合動態財務分析（Dynamic Financial Analysis, DFA）與演化策略演算法(Evolution Strategy, ES)找尋產險公司最佳的投資比率。本文模擬產險公司的25年的營運情形，將各資產價格變化以隨機模型建構的概念帶入，加入損失分配並考慮多重期間的資產配置比率重分配(re-allocation)等條件，在建立目標方程式後，運用演化策略演算法求得最佳的資產配置比率。 / In the research, the tools we take are the dynamic financial analysis( DFA ) system and the evolution strategy algorithm( ES ), which can be used to find the best investment ratio for insurance companies. The whole content of this article demonstrates the condition of property-casualty insurance companies in the 25 years. It takes place of the change of prices in every item of the asset by some kind of stochastic models, then, takes notice of the distribution of loss and re-allocation, sets a objective function for the goal to find the best ratio of the asset allocation by ES.

本論文說明金融檢查與調查之法律依據，特別是依照金融監督管理委員會組織法第5條，金融監督管理委員會得辦理金融檢查，且擁有準調查權。本論文分析金融監理機關於刑事訴訟之角色與現況，分別就金檢報告與調查結果作為犯罪證據、臺灣證券交易所股份有限公司與財團法人中華民國證券櫃檯買賣中心之交易分析意見書作為犯罪證據；金融監理機關人員為一般證人及金融監理機關就一般業務資料、法規及作業方式疑義函覆等類型，蒐集司法判決實務資料。 本論文說明不自證己罪原則的適用範圍，應視類型提前至金融檢查程序的取證時點，對於人民權益的保障方屬適當，故為保障當事人程序權，可比照期貨交易法第99條第2項之立法，當人民被主管機關要求親自說明時，得選任律師、會計師或其他依法得為辯護之人到場，以落實程序正義。 本論文亦討論專家證人，在我國司法實務，目前並未明確禁止專家證人，但實務判決認為我國鑑定人即等於專家證人，故並無引進之必要。然而，目前鑑定制度並未同意由當事人私請鑑定，且鑑定人之品質仍有落差，因此專家證人之概念仍有引進之必要，由於金融案件的專業性，可比照性侵害犯罪防治法第16條之1明確立法，引進專家證人制度。 本論文認為於我國司法實務可以採納美國法上驗真法則之標準，先由檢察官與自訴代理人證明證據係真實；再引進最佳證據法則，要求當事人就物證或書證提出原本，而非一昧採納金融監理機關所作成之報告或書函資料，而應盡可能調取報告或書函作成之依據及原始資料內容，以落實直接審理原則，並透過證據的提出，使被告及其辯護人可以對之詰問。 我國可參考德國「不得拒絕行政程序之陳述，但禁止運用於刑事追訴」之立法方式，其所得之證據原則上僅限於原行政目的使用，若需運用於刑事程序上之證據，可以參採英國立法例需由當事人或其代表提出方得於刑事庭使用，以確保人民不自證己罪權利之保障。

由於我國在技術上仰賴外國者居多，故技術報酬金之支付仍是我國廠商在開發新技術 上之一大負擔。本文便在研究影響我國技術購買者所欲支伏價格之因素，並試圖建立 一個決策模式，以便未來國內廠商在洽談技術時，判斷報酬金是否過高的指標。 本文資料除由中央銀行、投審會所得來之統計數據外，尚由問卷調查國內電子資訊業 、化工業、汽車及其零件業三種廠商類別，由這些廠商中獲得實際經驗之量化數字， 來做複迴歸分析、判斷各個因素的影響高低。模式如下： C=F(U，G，E，R，S，N，Z) C ：移轉成本，在此即為報酬金 U ：授方移轉技術次數 G ：技術年齡 E ：技術經驗 R ：技術接受之R&D/Sa1es 比例 S ：技術接受者之銷售額 N ：被授方認為是科技相似或競爭者之數目 Z ：誤差項 預期未來結果為各項變數均與移轉成本為負相關。 至於影響的顯著程度，則以行業別與引進國家別來畫分比較，一般預期由歐洲引進的 報酬金高，而日本較低。 除此之外，再由廠商的購買行為，與其心目中認為價格合理之因素，來合併探討技術 報酬金之模式，希望能夠建立一個完整而合理之決策模式，以供國內廠商分析使用。

在許多實際情錶里, 例如工業、農業及生物實驗等, 想要在控制一個處理情況下, 同 時比較好幾個試驗處理, 比方說有p 個試驗處理。( 這也是所謂的在控制下, 多重比 較問題。 ) 已從事的研究包括二方向異質性的行列設計(row-column design) 及一個方向上差異 的集區設計(block design)。此篇論文為考慮在集區設計內置行與列(block designs with nested rows and columns)的模型下求得同時以p 組試驗組與一組對照組比較 之A 式最佳設計。所謂A 式最佳設計, 就是在所有設計里, 找出tr(M (d))為最小的 , 因tr(M (d))與 var( )成比例, 所以A 式最佳設計。所謂A 式最佳設 計在統計上之直覺解釋為使α - α 之最佳線性不偏估計式 之變方和為最小 的設計。 A 式最佳設計當p=7,...,25, 集區數b=1,...,50時之表錄詳列於后, 某些特殊形式的 設計亦將在例題中列舉。 本篇論文之目錄如下: 一、摘要 二、文獻回顧 三、引介 四、符號注釋及A 式最佳內置行與列集區設計之條件 五、求最佳內置行與列集區設計之方法 六、特例探討 七、最佳A 式內置行與列集區設計表 八、參考文獻

本論文所探討之主題乃是針對一般所利用之集群方法，試著以整數規劃的方法來探討 集群分析的問題。 整數規劃之特性在於其所得之分組結果為真正的最佳解，而一般集群方法（如連鎖法 ，k 一平均數法）所得之結果僅是局部最佳解。 本文共分五章，第一章為緒論；第二章簡介一般集群方法；第三章建立四個整數規劃 的模型，俾用以解決不同需求之集群分析的問題；第四章實例探討，以某國中學生之 學科成績做為集群分析之變數，將每個學生依其成績高低而予以分組，並就一般集群 方法及整數規劃方法各作分析，並予比較；第五章為結論。全文共計一冊，約一萬五 仟字。