從過去的研究顯示，預測市場(prediction market)已有良好預測準確率，但該準確率是事後、總體的機率概念，而非更有實際參考價值：事前、個別合約之鑑別預測。故本文先以建構4個選舉預測市場準確度的鑑別模型，在選前針對每一個選舉合約的交易價格進行鑑別，模型的鑑別資訊來自於，預測市場在選前一天提供選舉合約的40個原始自變數。我們的研究顯示：Logit鑑別模型最能在「選前」精準判斷，並可分辨哪些選舉合約的價格，在未來將符合「最高價」準則。本文前半部先以：2008年總統選舉、2009年縣市長選舉及2010年五都市長選舉，做為樣本外測試的樣本，使用原始自變數的Logit模型，其預測力均高於其他3個鑑別模型。Logit模型樣本外的鑑別正確準確率為100％，但是，Logit模型對於鑑別未正確預測組的預測能力仍須改善。最後，本文再使用全部「非選舉」和選舉類別的合約，成功建構預測市場的最適價格門檻，作為判定預測事件是否發生的標準，可將事件發生的機率預測（probabilistic forecasting），轉換成事件發生與否的類別預測（categorical forecasting），作為公共政策與企業決策的重要依據。

本研究提出UIP、PPP、 MF、TR及TRa五種匯率預測模型，以新台幣兌美元即期匯率、遠期匯率進行避險準確率及避險成效的實證分析。資料期間為1996年12月到2012年10月的新台幣兌美元即期匯率月資料，資料來源為資料庫Datastream。 實證結果發現UIP、PPP、 MF、TR及TRa五種匯率預測模型比較分析中，若以相對購買力平價模型(PPP)進行選擇性避險，再搭配適當避險比率，其報酬率可能由負報酬轉為正報酬；避險績效衡量方面，以相對購買力平價模型搭配完全避險的績效最好。若以不對稱泰勒模型(TRa)進行選擇性避險，再搭配適當避險比率，報酬率明顯由負轉為正；衡量避險績效衡量方面，完全避險在風險降幅及下方動差避險績效衡量下，以不對稱泰勒模型搭配完全避險的績效最好。 / This study provides five exchange rate models to predict future exchange rate (UIP,PPP,MF,Taylor rule and asymmetric Taylor rule). We illustrate these methods by assessing the forecasting performance of five exchange rate models using monthly returns on TWD/US dollar exchange rate. The data are monthly exchange rates ranging from December 1996 to October 2012, using spot and one-month forward exchange rates form Datastream. We find that empirical models based on purchase power parity (PPP) and the asymmetric Taylor rule(TRa) outperform the other models in out-of-sample forecasting using the appropriate hedging ratio. Comparing the hedging performance between PPP and models, we find that the hedging performance by the PPP will get the higher return. However, the hedging performance by the will get the lower volatility.