1 |
人口結構改變對物業管理服務策略之影響 以齊家物業管理公司為例 / The impacts of low birth rate and aging population on property management - a case study of Homestart co.ltd高敏瀞 Unknown Date (has links)
近年來台灣人口結構發生改變,人口高齡化及少子化的現象日趨嚴重,對物業管理未來服務策略之影響及發展影響甚鉅;因此因應環境的變動、制訂企業的發展策略、以謀取企業生存和發展,已成為物業管理公司關注的焦點。本研究將以台灣人口結構的改變對台灣物業管理產業之衝擊為前提,探討物業管理業者與個案公司服務策略之變動。
本研究從企業策略管理的基本理論著手,並探討個案公司的基本狀況和發展歷程、對個案公司目前的經營管理狀況給予分析。接著利用SWOT策略管理分析個案公司的優劣勢、機會、威脅。除了採用SWOT分析之外,本研究也使用波特五力分析台灣物業管理產業,並進而參考了日本物業管理之產業現況、日本物業管理加值服務市場現況、日本物業管理未來之發展趨勢與日本高齡化人口的演變,列於附錄之中,以對台灣目前產業環境以及所面臨的人口高齡化議題做相關之印證。經過以上研究步驟,本研究確立了個案公司的市場定位,從而設計出齊家物業個案公司針對人口高齡化之服務策略以及未來展望。
本研究運用了目前企業策略管理的主流理論及分析工具,對個案公司的發展策略做了較為完整的論述,既分析了現狀,確認其發展策略,又為其策略執行提出了有效及可行的方案。本研究希冀為個案公司提供更好在激烈的市場競爭之中正確發展的企業策略,讓個案公司不斷地保持其競爭優勢,並具有重大的市場不可取代定位,以及對從事物業管理產業的相關企業有相當程度的參考價值。
|
2 |
貨幣需求結構改變與金融變數轉折區間:變數模糊時間序列模型 / Testing for the Financial variable's Interval of Structure Change of Money Demand : Fuzzy Time Series in Variable李建興, Lee, Jen-Sin Unknown Date (has links)
本文研究台灣貨幣需求結構改變,我們研究「變數」值(Piecewise in Variable)的結構轉折而非「時間」值(Piecewise in Time),因為轉折點只是轉折區間的特例,所以本文建立一「變數模糊時間序列」(Fuzzy Time Series in Variable)模型來探討「變數的轉折區間」,相較於傳統時間序列研究方法如:時間序列模型、門檻轉折點模型與模糊時間序列模型等,本文所建立的變數模糊時間序列模型,所求取的股價轉折區間,不僅可改善對稱模型殘差項的非隨機現象,同時也改善了門檻轉折模型之轉折點股價指數太低的現象,並且有效地將轉折點變更為較一般化的轉折區間,足見本文所提出變數模糊時間序列模型在結構轉折的偵測上具有相對優勢,詳述如下:
(一)、相較於對稱模型方面:變數模糊時間序列模型可避免對稱模型估計貨幣需求函數所產生的偏差,並且有效改善其殘差項具有非白噪音現象。
(二)、相較於門檻轉折模型方面:1.變數模糊時間序列模型較能有效驗證以下假說:貨幣需求的股價指數彈性在高股價區時較大,以及貨幣需求的所得彈性在高股價區時較小。2.變數模糊時間序列模型所求出的股價指數轉折區間水準值,對央行目前及未來貨幣政策較具實用性,3. 變數模糊時間序列模型再預測貨幣需求時,未如門檻轉折模型產生高估的偏誤。
(三)、相較於傳統模糊時間序列模型方面:變數模糊時間序列模型已改善傳統模糊時間序列模型的結構轉折區間太長之不合理現象。
(四)、相較於以「時間」為轉折的傳統時間序列模型方面:當貨幣需求函數的重要解釋變數在短時間持續發生較大幅度變化時,傳統時間序列模型可能無法診斷出結構轉變的缺失,本文的變數模糊時間序列模型可避免此一缺失。
(五)、在政策的應用上:
1. 中央銀行若未將資料,區分高低股價指數來分段估計貨幣需求函數,將使貨幣需求的所得彈性抑或是狹義貨幣需求的股價指數彈性的估計,產生頗大的偏誤。
2. 經建會在計算台灣地區的景氣對策信號中,其金融面指標同時包括有M1B貨幣供給的增加率與股價指數變動率,如此將造成在高股價指數下,股價指數上揚時高估了台灣地區的景氣狀況,而在股價指數下降時,則反之。
另外,由於台灣欠缺貨幣需求函數的重要解釋變數「所得」的月資料,以往文獻以工業生產指數等為替代變數以估計月貨幣需求函數,本文不僅證明這些方法的缺失,並提出「模糊距離權數法」來估計出月國內生產毛額資料,此一資料不僅可避免月工業生產指數等方法的三項缺失,而且在貨幣需求的估計上與預測上均有較佳的表現。 / Whether the ”money demand function” makes “structural change” happened or not ,that is crucial research for the monetary theory field. Therefore, many foreign and domestic papers have ever made studies on this. There have two major methods of study structural change. The first method is piecewise in time that is so popular and so many lecture study by it e.g. Juda and Scadding(1982), Shen(1999) ,Lin and Huang(1999),etc . Tsay(1989) had proposed a new methoed that is piecewise in variable . Distinct situation is suitable in using the two methods .We have two reasons to use the new method to study the structural change of Taiwan’s money demand function. First one is that Friedman(1988,Paul(1992),Wu and Shea(1993)and Shen(1996) find the trade-volume of stock market or stock price are the important factors of money demand function. TSE is 12495 in February of 1990 and 2573 in October of 1990. TSE is changing so huge but all the Papers of piecewise in time can’t detect the structural change of Taiwan money demand. The second reason is that to detect the ” interval of financial variable” of structural change of Taiwan money demand is more benefit to the Central Bank than to detect the ” past time point” of structural change. To detect the ” interval of financial variable” of structural change of Taiwan money demand is much convenient matters for monetary policy of Center Bank from now and future.
Our research propose “fuzzy time series in variable” try to find the ” smoothing interval of financial variable” of structural change of money demand . Our method has two major benefits as follow:
1. Difference to TAR model: The TAR model find out the ” point of financial variable” of structural change. It seems metaphorically money demand function’s structural change suddenly. Our method find out the ” interval of financial variable” of structural change .It’s more reasonable that structural change of money demand function is gradually.
2. Difference to STAR model: So many STAR(Smooth Transition Autoregressive )papers also find out the Gradual Transition Interval .For example: Terasvirta and Anderson(1992), Sarantis(1999) etc. But those lectures have the following point on why our method can improve it (a).STAR is piecewise in time. (b). STAR investigate structural change by just one variable AR process. But economists concern the structural change of variables. (c). The power of STAR to detect structural change is too weak.
3. We propose new summation average entropy formula that can improve the interval of structural change too longer.
|
Page generated in 0.0175 seconds