本研究採用統計分析與資料採礦的方法搭配企業生命週期理論與企業財務資訊做為股票投資決策的準則。其步驟順序為先將公司分群，並且按照生命週期理論命名各群為成長、成熟、老年期；再對各群分別使用決策樹與區別分析找出優秀股票的特徵；最後，按照特徵挑選出未來的報酬率有機會表現優秀的股票。期望在此方法下取得比台灣加權指數更高的報酬率。 / This paper adopted multivariate analysis and data mining to choose stock as a member of portfolio with financial indicators. The first, the public companies are divided into three periods according to life cycle by clustering; then, the rules are founded by decision tree and discriminant analysis; and the stocks are chosen as a member of portfolio. The result is that we can get higher return than TSEC weighted non-financial index.

本論文是研究在台灣開放型的股票型共同基金，並且利用資料採掘的技術加以分析並分類所謂優異績效及劣質績效的共同基金。我們使用分類決策樹(Classification and regression trees, CART)的方法來進行共同基金績效的分析及預測。本篇論文，我們採用了13種重要的變數來建構樹並找出優質基金，此外更驗證CART對於我們進行台灣共同基金績效的分析是穩定且有效的。最後，我們利用cross-validation test進行兩個月的基金的選取及持有，並各透過一個月的持有來視其績效。我們特別發現利用此方法選取出來的基金，其平均績效將優於所有共同基金的績效，並且其中有一個月的平均報酬率高於僅投資於高科技股的共同基金平均報酬率。 / We study the performance of open-end mutual funds in Taiwan, and use the technology of data mining to classify the outperforming and underperforming mutual funds. Classification and regression tree (CART) is the method to evaluate and predict the performance of mutual funds. In this paper, we utilize thirteen crucial factors to build trees and pick mutual funds by its classification rules. Moreover, we will verify precision of each tree. We find that the CART is a good tool to evaluate the performance of mutual funds in Taiwan because of its stability in outperforming - underperforming spreads. Moreover, we use two kinds of learning sample to build two trees and pick mutual funds to compose of them into the fund of funds. The results are better than the total average returns monthly, and one of them is better than the mutual funds that its investing target is high-tech stocks.

自1980年代後期Hull & White、Wiggins、Johnson & Shanno等人相繼發表關於隨機波動度模型的文獻後，就有諸多的文獻對於在選擇權定價中考慮隨機波動度作更深入的分析與模型探討，然而關於隨機波動度的研究，在早期大多採用蒙地卡羅模擬法來分析選擇權的價格行為，但蒙地卡羅模擬法受限於運算效率不高與缺乏彈性，故在評價新奇選擇權，如美式選擇權、障礙選擇權時，並無法應用。故本文以Leisen（2000）的二元樹狀模型出發，探討在不同相關係數及參數設定下之各類選擇權的定價、避險參數及隱含波動度曲面模擬計算等主題。 最後我們得到下面幾點結論： 1.在收斂速度與運算效率方面，我們可以發現二元樹狀模型在分割期數n大於20時，計算價格與收斂價格的差距就非常微小，而若我們計算不同切割期數的最大價格差異也會發現其實都不到百分之一，因此整體而言，收斂速度是令人非常滿意的。 2.當期初波動度提高時，會縮小價外選擇權與B-S價格之間的價格誤差。當到期期限增加時，隱含波動度曲線會有整體提高的趨勢。 3.若提高波動係數σ為2.5時，則不論相關係數的正負情形，價內外的程度，皆會大幅提高選擇權的隱含波動度。而在相關係數為-0.5的時候，可以發現實證中常觀察到的隱含波動度微笑曲線，這可能代表著市場上的波動係數比我們預期中的都還來的高。 4.在進行不同相關係數及不同價內外程度下二元樹狀與單元樹狀模型的美式選擇權價格比較時，我們可以發現，若以二元樹狀模型為正確價格，當相關係數為負的時候，在價外的時候，單元樹狀模型有價格低估的現象，在價內的時候，則有價格高估的現象，而在相關係數為正的時候，則反之。 5.Leisen二元樹狀與封閉解的歐式向上出局賣權價格比較，在特定的參數設定之下，Leisen二元樹狀模型在評價歐式向上出局賣權的時候，當相關係數為負的時候，在價外的時候，模型價格會高於封閉解，在價內的時候，模型價格則會低於封閉解，而在相關係數為正的時候，則反之。

這一篇論文是說明矩陣中的元素如果滿足熱帶格雷斯曼就可以將它用樹型圖表示。第二章簡述熱帶數學的基本運算和介紹超曲面，作為熱帶格雷斯曼的先備知識。第三章介紹演化樹，在第二節中用兩種方法重建演化樹，第一種方法UPGMA是要在特定的條件下所建造的演化樹才會正確，第二種方法是利用矩陣中兩個物種間的距離假設的樹型配置圖，解聯立方程組得到各段距離，第三節中先介紹代數幾何中的格雷斯曼再聯結到熱帶幾何中的格雷斯曼。第四章是將第二種方法寫成Python程式，輸入矩陣中的元素，如果滿足熱帶格雷斯曼，就可以顯示它可能的樹型圖以及算出距離。

農林水産研究情報センターで作成したPDFファイルを使用している。

Black and Scholes評價模型假設標的資產價格變動行為為服從常態分配的一連續擴散過程(Continuous Diffusion Process)。然而，許多實證研究結果指出相較於常態分配，市場上資產報酬形態多具有厚尾（Fatter Tails）、偏態、高峰態與價格不連續之現象。Merton(1976)提出跳躍擴散模型，在標的資產價格行為服從跳躍擴散程序的假設下，求算選擇權理論價格，有效地解釋市場資產報酬分配型態呈現偏態、高峰態及價格不連續等現象。本文在標的資產價格行為服從Merton（1976）跳躍擴散程序（Jump-Diffusion Process）的假設下，利用Broadie and Glasserman（1997a）所提出之隨機樹狀模型（Random Tree Model）來評價具有提前履約性質的美式選擇權，利用一信賴區間來解決一般美式選擇權模擬估計所產生之偏誤問題。

無畏百家爭鳴，台灣購物中心市場再添新兵，目前全台共有約23個購物中心，業者坦言台灣百貨公司市場太飽和，且把持住所有一線品牌，自1999年台茂搶先跨入購物中心市場以來，台灣購物中心「成功者少，失敗者多」， 至今不少購物中心仍處於虧損狀態。近年來由於台灣產業結構快速變遷、產品的推陳出新、國民所得提高以及通貨膨脹等因素，使得消費者的消費習慣隨著這些大環境的變化而做出相對應的調整。在此嚴峻的競爭環境下，提供消費者所需要且滿意的商品及服務，進而有效提升顧客對於公司之滿意度，並刺激其消費能力，進而增加公司營利，為現今購物中心關切的課題之一。 本研究擬透過T購物中心之顧客滿意度調查問卷，瞭解顧客之消費行為及能力、不同構面下之滿意度概況、影響滿意度之重要因素，以對於該公司之整體現況作深入研究及探討，研究結果如下： 一、 顧客前往T購物中心之目的主要為購物及用餐。 二、 顧客於T購物中心消費之品項以餐飲及超市食(用)品所占比例最高。 三、 大部分顧客之消費頻率為一個月1~2次，且平均每次消費金額以1,000元~4,999元的比例最高。 四、 顧客之性別會影響其對於T購物中心之整體滿意度。 五、 當顧客前往T購物中心有固定的消費頻率時，有較高之「整體滿意度」。 六、 當消費者之職業為學生、專業工作、家庭主婦或退休，且教育程度為專科大學及以下時，對於「商品價值」有較高之滿意度。 七、 消費者的平均月收入落在30,000元至150,000元之間時，對於「服務品質」有較高之滿意度。 八、 中低消費金額之女性顧客對於「環境設施」之滿意度較高。

隨著科技進步、經濟演進，現代人生活日趨緊湊，為因應快速之生活步調，網路購物行為孕育而生，其伴隨而來的廣大商機已成近年熱門議題，中央通訊社更曾報導資策會預估2015年台灣網購市場產值可達7,645億元。因此本研究將利用行政院國家科學委員會之傳播調查資料庫，第一期第二次「網路行為調查與偵測」資料，探討網路消費者的個人特質與購買習性、消費力及資訊搜尋習性之關連，並分別建構預測模型。建構模型所採用之技術為羅吉斯迴歸、C&R Tree、Quest、C5.0和CHAID，再經由準確預測率（Overall Accuracy）從中挑選出最適模型。 　　依據研究結果可知，現實環境人際互動較差之消費者，網購購買習性佳；沒有小孩且平均每月收入6萬元以上至10萬元的消費者，網購消費力大；且網路資訊擷取頻率與網購吸引力對於網購資訊搜尋習性有顯著影響。最後，藉由前述結果建議，販售社交商品，藉以提昇現實環境人際互動較佳之消費者網購購買習性；搶攻高價位單品市場，吸引無經濟負擔者目光；針對潛在客戶，利用論壇網站進行廣告宣傳。

就當前電影市場的現況來看，電影發行成本的節節升高，顧客需求的複雜多變，再加上電影消費集中化趨勢越趨明顯的事實，不論是從電影發行公司或是電影映演事業的角度來看，如何透過對於市場顧客需求、行為的解讀，清楚分隔市場，並為不同市場區隔設計不同的產品及行銷組合已經成了電影工業刻不容緩的課題。 有鑑於此，本研究透過應用資料採礦之技術，選用四個決策樹（C&RT、QUEST、CHAID、C5.0）、邏輯斯迴歸以及類神經網路等方式進行模型建置，由於決策樹CHAID對於「是否去電影院看外片或國片」及「是否去電影院看電影」兩種不同的目標變數，其不論是在整體預測正確率、準確度、反查率，皆是高於其他模型，故最後兩個目標變數皆選擇CHAID此一模型，而目標變數為「是否去電影院看電影」之CHAID模型表現也較好，故主要以其結果為主。 透過目標變數為「是否去電影院看電影」之CHAID模型，共獲得十三項影響「是否去電影院看電影」之相關變數，並根據分析結果，將電影市場顧客區分為最高貢獻顧客、一般貢獻顧客及低度貢獻顧客三類，將其歸納出並找出三種不同貢獻程度的顧客族群特性，而三種不同貢獻族群在「年齡」、「教育程度」、「娛樂文化支出」、「居住地區」、「是否上網瀏覽資訊網頁」、「是否上網蒐集資訊」、「是否會收看電視外片」、「是否看電視歐美影集」、「是否會說英文」、「是否上網線上觀賞影片」、「經濟富裕」、「即時行樂」均呈現顯著的差異，故本研究以不同貢獻程度族群特性為主，以看外片或國片之族群特性為輔，作為行銷策略建議之依據。 / Considering the current film market, the publication cost of a film is steadily increased. Meanwhile, customers have complicated requirements, and the trend of concentrated film consumption is gradually clear. For the perspective of both film companies and film broadcasting business, clear market segmentation after understanding customers’ needs and interpretation of customer behaviors to design different products and marketing combination for different markets are of great urgency for the general film industry. In view of this, the study aims to using four Decision Trees(C&RT, QUEST, CHAID, C5.0), Logistic Regression, and Artificial Neural Network to construct the model by applying Data Mining technology. Since Decision Tree-CHAID is excellent in the forecast accuracy, precision, and recall rate as compared to other models for response variables of going to the movies and going to foreign movies or Taiwan movies, the CHAID is adopted in this research for both response variables. The CHAID is more excellent for the response variable of going to the movies than the other, so use it as the main result. Through using Decision Tree-CHAID, this study identified thirteen factors that have greater impact on going to the movies. Based on the analysis results, this study induced the characteristics of three customer groups-the highest contribution customers, regular contribution customers and low contribution customers. Three different contribution groups shows significant differences at age, education, entertainment expenditure, living area, internet surfing, collecting information from internet, watch foreign movies, watch foreign drama, speak English, watch on-lines movies, affluent, and seize the day. This study mainly based on the characteristics of the three different groups, and group characteristic of going to foreign movies or Taiwan movies as auxiliary, to provide the marketing portfolio strategy recommendations.

數位化科技帶給人們生活莫大的便利，科技的日新月異，現代人已經很少再像過去一樣靠著寫日記描繪出生活的點點滴滴，而是利用「拍照」來留下想要回憶的時刻，而數位相機正是現代人記錄生活的道具。根據產業情報研究所預估，2009年全球數位相機出貨量約為1.2億台，而過了2010年後，數位相機將會有穩定上升的成長率，本研究找出購買數位相機的消費者個人特色，深信藉此對於行銷上會有很大幫助。 本研究使用使用4種模型建置方式，分別為C5.0、CART、類神經網路和K-means模型，從模型結果中找出數位相機在市場上消費者的共通特性，並依照這些特性擬訂不同的行銷手法。 經由分類矩陣比較3種模型之優劣，最後建模結果顯示C5.0模型為三者模型中的最佳，所以本研究選定C5.0為最後的解釋模型。C5.0選出前10項影響「是否購買數位相機」的重要變數，分別為「搜尋資訊」、「樂活自足」、「網路購物」、「初戀」、「出國旅行」、「年齡」、「家庭月總收入」、「收聽網路電台或音樂」、「個人月可支配所得」、「實用特性」，本研究依據數位相機的產品、價格、通路、推廣等項目提供行銷組合分析。另外，將K-means模型分成三群後，樂活務實群和資訊達人群中，受訪者購買數位相機比例分別為48.17%和49.11%，因此參考此兩群的受訪者特性和C5.0的結果，找出會購買數位相機者的特質，針對這些特質制訂一些行銷策略，希望可以提供給數位相機廠商或其他研究者參考。