隨著關聯結構方法在1999年開始被應用在財務資料上，對金融市場風險的衡量，可說是一大改革。Dobric & Schmid (2005) Communications in Statistics: Simulation and Computation, 34,pp.1053-1068，提出利用卡方檢定來檢驗二維資料間關聯結構，本文延伸其方法探討卡方檢定應用於三維關聯結構之表現。 　首先本文在模擬研究部份，考慮邊際分配未知的情況下，用卡方適合度檢定來檢驗以蒙地卡羅模擬方法模擬Normal關聯結構、t關聯結構、Clayton關聯結構、Frank關聯結構以及Gumbel關聯結構等五種關聯結構。得知隨著切割數的增加，參數估計越來越不精確；而在理論上檢定統計量當樣本夠大時會近似卡方分配，故檢定統計量平均數(變異數)應近似其卡方分配自由度(2*自由度)，但隨著切割數增加，表現越不理想；至於檢定力部份，在討論不同情形之下都有不錯的表現。 　再之採用台灣股票集中市場中水泥類、食品類、造紙類、橡膠類、運輸類五類股族群，對其日內時間四種頻率：1/9天、1/6天、1/3天、1天的股價報酬率，進行五種關聯結構配適，找出最能夠描述股價日內資料分佈的關聯結構，實證得知上述四種頻率的股價報酬率，皆呈現t關聯結構其自由度為4之配置為最合適。

隨著全球金融市場的整體化，配適財務資料的模型是依個相當有價值的研究。因此當關連結構方法應用在財務資料上，對金融市場風險的衡量，可說是一大改革。Dobric & Schmid (2005) Communications in Statistics: Simulation and Computation, 34,pp.1053-1068，提出利用卡方檢定來檢驗二維資料間關聯結構，本文延伸其方法探討卡方檢定應用於三維關聯結構之表現。 首先本文在模擬研究部份，考慮邊際分配未知的情況下，用卡方適合度檢定來檢驗以蒙地卡羅模擬方法模擬Normal關聯結構、t關聯結構、Clayton關聯結構、Frank關聯結構以及Gumbel關聯結構等五種關聯結構。得知隨著切割數的增加，參數估計越來越不精確；而樣本大小的設定也影響著切割數，隨著樣本數的減少會使得參數估計和檢定力較不能掌握。 實證方面採用台灣股票集中市場中五大類股：電機(機械)類、電器(電纜)類、鋼鐵類、汽車類、電子類，對其日內時間四種頻率：1/9天、1/6天、1/3天、的股價報酬率，配適五種不同的關聯結構，找出最能夠描述股價日內資料分佈的關聯結構，實證得知上述四種頻率的股價報酬率，皆呈現t關聯結構其自由度為4之配置為最合適。

不確定的時代VS不動產開發抽資決策 1.影響不動產投資之各種因素均具有不確定性： (1) 收益因素：售價、租金等。 (2) 成本因素：土地市價、建築材料、工資、利率等。 2.傳統確定性決策模式已不適用於不確定的時代。 如果在不確定情形下正確地作不動產開發投資決策? 蒙地卡羅模擬模型正符合需要。 貳、研究目的 1.修正蒙地卡羅模擬模型，使其適用於台北市不動產開發投資。 2.在考慮風險情況之下，如何運用機率性模型之模擬結果作出投資決策? 3.考慮風險情況與不考慮風險情況所作決策之間是否不同? 亦即以蒙地卡羅作出之決 策與以確定性模型作出之決策是否有所不同? 參、研究方法 先修正蒙地卡羅模擬方法運用之理論基礎，再以修正過之方法作個案研究，最後再以 個案研究之結果，作一般化之建議。 本篇論文所用到之研究工具為蒙地卡羅模擬模型。並以專家意見調查法及效用理論作 修正。 肆、研究範圍 1.針對台北市不動產開發的投資決策作研究，亦即模擬測試之外在環境為台北市。 2.就同一塊基地之開發，評估其不同的開發策略，並作決策。 3.以開發者之立場為本篇論文研究之立場。 伍、研究假設 1.對任何不確定之變數，其變數值均可以機率分配型態表示。 2.每位專家對變數的真正機率分配並非完全知道，但亦並非完全不知道。 3.每位專家受其經驗及接觸環境限制，個別很難估計出正確的變數機率分配。結合多 數專家之意見而產生之機率分配，可縮小誤差範圍。 4.不確定變數的變數值，乃依其機率分配型態隨機產生。 陸、研究步驟 一、擬定開發策略 作成決策的第一個階段為擬定經營策略。擬定策略受經營者的企業目標和外在環境影 響。 二、選擇評估標準 在考慮時間因素，並且考慮投資報酬之絕對量和相對量之影響之下，同時採用凈現值 ( NPV)和內部報酬率 (IRR)為評估標準。 三、擬定確定性模型 以現金流量模型為理論基礎，將各種收益和費用變數，結合成會計方程式。再利用各 變數之間的關係，擬出關係方程式，將模式加以簡化。 四、專家意見調查及整理 由不動產專家估計每一變數之變數值，並對各可能之狀態變數，估計其機率分配。 故為了簡化對專家解釋機率意義的過程，在意見調查中，每個專家僅估計每個變數之 最低–最可能–最高三個估計值，並且指定三個估計值的發生機率為 10%，80%，10. % 。所諮詢的專家樣本數為 30.位。 五、區分狀態變數和控制變數 以敏感性分析加以區分。假設變數為 X，評估標準為 NPV，則 X變化 1.%，NPV 變化 大於或等於 1.%時，X 對NPV 的影響較大，即視為狀態變數。反之，X 變化 1.%，NP V 變化小於 1.%時，X 即視為控制變數。 六、結合狀態變數之機率分配 經專家對每個變數估計出三個變數值後，必須考慮如何結合多位專家的意見。結合專 家意見的方法有三種：加權法、交感法、測度法。本篇論文採用加權法作為結合各專 家意見的理論基礎。 七、蒙地卡羅模擬 首先將狀態變數的機率分配函數結合確定性模型的架構設計出可執行的電腦程式，作 為模擬工具。為求操作簡便起見，本篇論文採用具有亂數函數的LOTUS 1-2-3 套裝軟 體作為模擬工具。 八、比較分析 1.NPV 和 IRR之期望值和變異數比較。 2.NPV 和 IRR之期望值和損失機率比較。 九、投資決策 1.以期望值較高，變異數及損失機率較低為較優策略。 2.找出期望值╱變異數和期望值╱損失機率之無異曲線，以效用較高者為較優策略。 3.以無法量化之因素，如開發者之企業目標，開發者之個人喜好等，衡量難以取捨之 策略。

關聯結構(Copula)這個字最早由Sklar(1959)以法文所提出，在邊際分配未知的假設下，透過關聯結構的特性，可以容易的建立聯合機率分配，所以關聯結構的觀念廣泛應用在財務領域中。對於資料在配適關聯結構的同時，要如何知道哪種關聯結構函數是最符合資料型態的分配呢?為解決這個問題，本文中參考Dobric and Schmid (2005)所提出的方法--卡方適合度檢定，來看資料配適關聯結構函數是否配適的恰當。所以本文的研究重點就是在利用卡方適合度檢定來探討各類股間日報酬率資料配適關聯結構的情形。在5種不同關聯結構(Normal關聯結構、t關聯結構、Clayton 關聯結構、Frank關聯結構、Gumbel關聯結構)，利用蒙地卡羅模擬方法，來做關聯結構在卡方適合度檢定之模擬，以及檢定力曲線。在檢定統計量、參數估計、顯著水準的估計都還不錯，只有當切割數越大時參數估計會和設定值差異較大。從檢定力曲線可看出這些檢定的檢定力都很好，代表有足夠能力能去辨別出分配的差異性。實證的部份，從台灣上市公司選取4個內需概念股報酬率的日內資料。結果可看出在Normal、Clayton、Frank、Gumbel這4個關聯結構，是不適合用來描述實際報酬的日資料。而當t關聯結構自由度較小時來描述資料型態是表現的不錯。