利率是影響金融市場中金融工具的主要因素，對經濟體系而言，是貨幣面與實質面的橋樑，代表使用負債資金所需支付的成本；對法人機構、投資個人而言，利率是進行任何融資、投資活動的重要參考指標。近年來，利用一般均衡、無套利評價理論來研究利率期限結構和利率或有請求權(Contingent Claims)訂價的文獻有如雨後春筍一般；另一方面，由於時間序列(Time Series)於1980年代的快速發展，諸如：ARCH家族、GARCH家族、隨機變異性(Stochastic Volatility)，兩套方法互相結合運用，有愈來愈多文獻顯示，其對現實的利率期限結構具有一定水準的解釋能力。 　　隨著國際金融市場的多元化、自由化與無國界化，金融創新與金融商品的大量問世，如何合理估計利率期限結構，以運用於投資決策、或預測未來利率走勢，及對利率風險的管理，這都隱含利率期限結構的重要性。本文擬針對著一般均衡利率期限結構模型加以分析，並驗證在我國公債市場應用的可行性。 　　一般均衡利率期限結構模型，由Cox、Ingersoll and Ross(1985a、b)正式提出，其為單因子一般均衡利率期限結構模型；Longstaff and Schwartz(1992)提出二因子一般均衡利率期限結構模型，因其利率期限結構隱含一個限制式，故LS兩因子實證模型以差分形式進行，故將損失兩個參數(gamma、eta)；基於此點，本文試圖採用Gibbons and Ramaswamy(1993)的實質報酬率觀念，希望經由調整物價因素後的殖利率樣本資料，可消除時間趨勢不穩定的因子，藉以判斷包含(gamma、eta)的完整兩因子一般均衡模型是否能更充分解釋利率期限結構；另一方面，亦可透過Gibbons and Ramaswamy(1993)的實質報酬率觀念，觀察二因子一般均衡利率期限結構模型所獲得的名目利率期限結構與實質利率期限結構的差異。 　　本文實證結果並不令人滿意，調整物價因素後的殖利率樣本資料，仍存在不穩定的情況；本文以差分與模擬的方式，建構出台灣公債市場利率期限結構。另一方面，亦發現本文調整物價因素的方法，在較長的樣本期間下並不適宜。

本篇研究主要目的在於檢驗一般化一因子及二因子利率隨機過程模型何者對於臺灣貨幣市場利率 變動行為模式最具解釋能力。再運用模型所求得之 利率變動估計值及當期市場遠期利率，求解二項分 配未來短期利率之各結點估計值，形成二項分配利 率期限結構。由於二項分配利率期限結構為一任意 形態之樹狀結構，且同時考量過去利率波動程度及 市場對於未來之預期，故此一模型將可運用於對未 來利率水準之預測或作為存續期間模型之折現率以 改善利率風險衡量之理論限制。 本研究運用GARCH模型作為估計參數之計量模型。經由實證結果分析，可規納以下幾點結論： 一、一般化一因子模型較考量波動性之二因子模型對於臺灣貨幣市場利率變動行為模式更具解釋能力。二、利率隨機過程模型對真實市場利率變動之解釋能力，隨資料來源天期增加逐步降低。（30天期優於180天期）三、欲以利率隨機過程模型估計利率波動動變異數參數，應避免建構太長天期之二項分配利率期限結構樹狀估計值。四、二項分配利率期限結構模型上之結點估計值，可視為符合過去波動程度及市場預期之未來利率水準上下限可能值，作為投資決策準則。 五、二項分配利率期限模型結點估計值，不僅決定於變動率，同時受模型估計期數個數影響。當個數越多時，上下限偏離程度越大。

過去有相當多的文獻針對解約率建立模型，但由於資料取得之困難，鮮少文獻針對不同保單年度之解約率進行分析，本研究將以台灣壽險業資料分析不同保單年度之解約率行為，期望能找出解約率之期限結構，提供壽險業者訂價或風險管理之參考依據。 　　本研究使用台灣壽險業1987年至2011年間之生死合險及終身壽險資料，透過資料分析顯示兩險種之解約率關聯性不大，且應將繳別分為三類進行分析，分別為不分繳別、月繳及年繳和半年繳及季繳三類，針對各保單年度進行主成分分析，結果顯示皆需6至8個主成分方可達到90%之解釋力，並透過ARMA模型檢驗選定之主成分與總體經濟變數間之關聯性，進而觀察是否符合利率假說及緊急資金假說，最後透過VAR模型或ARMA模型模擬總體經濟變數和各主成分之分數，並利用主成分分析之結果將主成分分數轉換回保單年度變數，完成各保單年度解約率之模擬，建構出台灣壽險業解約率之期限結構。

本篇論文擴充Ang et al. (2007)之基本架構,分別建構台灣各式月資料與季資料的物價指數預測模型,並進行預測以及實證分析。我們用以衡量通貨膨脹率的指標為 CPI 年增率與核心CPI 年增率。我們比較貨幣模型、成本加成模型、6 種不同設定的菲力浦曲線模型、3 種期限結構模型、隨機漫步模型、 AO 模型、ARIMA 模型、VAR 模型、主計處(DGBAS)、中經院(CIER) 及台經院(TIER) 之預測。藉由此研究,我們可以完整評估出文獻上常用之各式月資料及季資料預測模型的優劣。 我們實證結果顯示,在月資料預測模型樣本外預測績效表現方面, ARIMA 模 型對 2 種通貨膨脹率指標的樣本外預測能力表現最好。至於季資料預測模型樣本外預測績效表現, ARIMA 模型對未來核心 CPI 年增率的樣本外預測能力表現最好; 然而,對於 CPI 年增率為預測目標的預測模型則不存在最佳的模型。此外,實證分析中我們也發現本研究所建構的模型預測表現仍遜於主計處的預測,但部份模型的樣本外預測能力表現則比中經院與台經院的預測為佳。 / This paper compares the forecasting performance of inflation in Taiwan. We conduct various inflation forecasting methods (models) for two inflation measures(CPI growth rate and core-CPI growth rate) by using monthly and quarterly data. Besides the models of Ang et al. (2007), we also consider some macroeconomic models for comparison. We compare some Monetary models, Mark-up models, six variants of Phillips curve models, three variants of term structure models, a Random walk model, an AO model, an ARIMA model, and a VAR model. We also compare the forecast ability of these model with three different survey forecasts (the DGBAS, CIER, and TIER surveys). We summarized our findings as follows. The best monthly forecasting model for both inflation measures is ARIMA model. For quarterly core-CPI inflation, ARIMA model is also the best model; however, when comparing the quarterly forecasts for CPI inflation, there does not exist the best one. Besides, we also found that the DGBAS survey outperforms all of our forecasting methods/models, but some of our forecasting models are better than the CIER and TIER surveys in terms of MAE.