「房地產」與「股票」一向是投資者的兩大投資工具，而營建類股票上市公司因為不僅擁有大量的房地產亦有股票在股市流通而成為投資大眾關心的焦點。因此，營建類股票上市公司的股價一方面受房地產市場景氣影響，一方面也和股市有互動性的關係，受總體經濟因素的影響。 本研究藉由單根檢定(Unit Root Test)與共積檢定(Cointegration)、誤差修正模型(Error-correction-model;ECM)以及Granger之因果關係檢定(Causality Test)，探討營建類股價波動（營建類個股、整類股與加權總股價指數間）的時間關係以及營建類股價總體影響因素（市場因素及產業因素）之間的長期均衡以及短期動態關係，並進一步了解在時間上是領先、同時還是落後關係。 第一部份，營建類股價時間關係之研究上，選取國建、國揚、太設、太子、營建類股價、加權股價指數等六對象，時間分期上則分為l981年1月至1996年5月及1991年4月（太子上市後）兩部份進行探討。研究發現﹕營建類個股股價、整類股價間與加權股價指數間在兩段分期中皆具有長期穩定的關係，並分別以不同的調整速率以消彌股價間的均衡誤差﹔而低價的股票較高價的股票調整速率來得快。在因果關係上，觀察時間較長時，營建類總股價隨著加權股價指數變動，營建類的個股股價隨著營建類總股價而變動，呈現出「齊漲齊跌」的情形﹔觀察時間較短時，則為營建類股價領先加權股價指數。 第二部份，營建類股價影響因素上，分別選取貨幣供給額、利率、國內生產毛額、物價指數、加權股價指數為市場因素﹔預售屋房價、空屋數、建造執照、純土地買賣移轉件數、房屋建築人數為產業因素，以1981年1月至1995年12月為研究期間範圍。實證後發現﹕營建類總股價與市場因素、產業因素間皆具有長期穩定的關係。在誤差修正模型中，市場因素部份，營建類總股價較其他變數的調整速率高很多，以每月-14.5%的速率來調整變數間的均衡誤差，顯示出營建類股價相較其他變數對於市場的變化來得敏感。產業因素部份，營建類股價及預售屋房價分別以每月-3.7%與-1.8%的速度以調整變數間的均衡誤差，顯示出股票市場比房地產市場來得有效率。在因果關係檢定上，有關市場因素部份，股價變動領先貨幣供給額、民間利率，顯示出股價對於市場變動的反應較其他變數來的快﹔而在產業因素部份，則為營建類股價領先其他變數，但落後預售屋房價變動，顯示出營建類股價確實有帶動房地產景氣之情形。

本文主旨是在使用有限元素法（包括第一、第二、第三限元素法）對一個燃燒熱能模型之邊界值微分方程式，求其數值近似。 　　首先，由這些方法可到一些聯立方程式。其次，對各種有限元素法分別去分析它們解的存在性和誤差估計。最後，舉一個實例來討論其解的變化情形並圖示它們。 　　換句話說，從本文所得到的方程組或圖形，將可求得此微分方程式的解與個數。 / The main topic of this paper is to usee the finite element methods (contain F.E.1, F.E.2, and F.E.3) to find the numerical approximation of a model for thermal ignition. First, we obtain a system of equations for those methods. And then, we analyse the existence and the error estimate of solutions with each method. At last, we give an example to discuss those results and graph them. In a word, from those equations or graphs which are given in this paper, we will get the numerical solution and the number of solutions.

總體經濟或財務理論之所以發生爭端，主要癥結不在理論之優劣，而是 實 (Empirical Issues)。為解決此種爭議，惟一方法，是藉助於實證的 支持 前為止，總體或財務理論的模型，大部分屬於隨機動態模型；因此 ，傳統計量方法，不足適用。為處理縱斷面資料，Box & $ Jenkins (1976)提出時間數列模型，以適用動態計量理論。但傳統的 Box & Jenkins動態模於單變數分析；並且，是在數列□定的假設下，作模型之 認定、估計、檢此，遭遇許多批評 (註一)。事實上，大部分的時間數列 變數，皆具有非□者在面臨非□定模型時，應先對各別變數作單根檢定 (Unit Roots 單根時，應該對各別變數直接取差分，使非□定模型變 成□定模型。可是非□定經濟變數間，經常具有某種程度的關聯，此種關 聯，即所謂的「共egration) 關係。共積關係之所以產生，明白的說：可 能是各別變數的非生，主要是因為數列中含有隨機趨勢 (Stochastic Trend) 項。一旦數列同的走勢，使得各變數間，在長期下，有一定的均 衡關係。例如，所得消下，所得 (Y) 和 消費 (C) 的關係式為C = c Y (1.1)和 Y 本身為非□定數列，其將隨時間經過而呈 趨勢成長。一旦此兩個變數同走勢，長期下，所得與消費間將有一定的均 衡關係，即 (1.1) 式。而基(1.1) 式中，非□定 I(1) 之 C 和 Y 數列 ，經線性組合後為 I(0) 數列稱 C和 Y_t 變數具有共積關係。，共積計 量理論的發展，首先由 Engle & Granger (1987) 所提出的兩階檢定( Two Step Cointegration Regression Test) 為發端。主要的檢定方積迴 歸的殘差項是否為□定的隨機過程。另外，Stock & Watson (1988)(1988,1990,1991) 分別自數列非□定角度和充分訊息概念，去驗 證多變數具有 (N-r) 個共同隨機趨勢，或存在 r 個共積向量。鑒於共積 計量理論進分配的性質，而且各種方法的探討架構亦不相同。所以，很難 在方法和統的比較分析。綜觀國外有關共積的研究，很少有比較不同的檢 定和估計梁志民 (1990)、蔡麗茹 (1992) 雖然也有提及，但仍屬部分。 故本文擬論，依共積體系之表現式、估計方法和檢定步驟，作更深入的比 較探討。臺灣總體經濟數列作實證研究，以探討其間可能存在的共積關係 。

本研究依據國內、外學者對指數股票型基金(ETF)所做之相關研究架構，探討寶滬深300(0061)、恆中國(0080)以及恆香港(0081)分別自2009年8月17日及2009年8月14日上市以來之交易表現，主要實證結果為：一、在追蹤誤差方面，香港聯交所的標智滬深300(2827)和台灣證交所的寶滬深300(0061)、恆中國(0080)及恆香港(0081)之淨資產日報酬平均低於其標的指數日報酬，但均顯著不為零；除寶滬深300(0061)外，其餘3檔ETF追蹤誤差均不大，寶滬深300(0061)在層層之商品關聯架構下，無法有效複製滬深300指數之表現，產生極大的追蹤誤差。二、在折溢價方面，寶滬深300(0061)折價溢價出現比例無顯著不同，就資產淨值減去市價之衡量方式而言，大部分交易情形為-0.3元(溢價)至0.2元(折價)進行交易；恆中國(0080)與恆香港(0081)樣本期間多以折價情形交易，恆中國(0080)折溢價幅度為-5元(溢價)至15元(折價)，恆香港(0081)則以-5元(溢價)至20元(折價)間進行交易，3檔ETF仍存在套利空間。三、在折溢價持續性方面，寶滬深300(0061)、恆中國(0080)以及恆香港(0081)之折溢價情形均持續存在，存續時間為兩日。四、在成交量方面，寶滬深300(0061)平均每日交易量為6,131張，成交量顯著受標的指數市場波動度與淨值市價差額影響；恆中國(0080)與恆香港(0081)日均成交量分別只有154張及21張。此外，迴歸檢定後發現，市場波動度與套利價差會顯著影響恆中國(0080)成交量，恆香港(0081)之成交量則只受套利價差影響。

量測誤差是工業製程中影響產品值常見的因素。大的量測誤差會使得產品的量測值偏離實際值，並引導監控者至錯誤的結論。本文提出一種新的捲積管制圖。提出指數分配形式的時間間隔型資料，並加上量測誤差的考量，應用在指數加權移動平均管制圖上。此外，假設量測誤差為常態或是指數分配。研究顯示出，在兩種不同分配的量測誤差之下，管制圖的表現都會顯著的受到影響。 / Measurement error is an important factor in industry that influences the outcome of a process. Large measurement error would cause the observation measure deviate from the true value and consequently lead to a wrong decision. In this project, we propose a convolution control chart. We then design the EWMA ‘time between events’ (TBE) control chart with the measurement error, with the assumption that the observations are exponentially distributed. In addition, we assumed the measurement error follows a normal distribution or an exponential distribution. We showed that, in two cases of the measurement error, the performance of the proposed chart monitoring the process mean is greatly affected.

本文探討匯率不確定性與台灣對中國大陸出口之關係，模型中參考Cushman (1986) 觀點加入第三國變數之效果。研究期間以1997年至2010年之季資料，同時考慮總合資料以及部門別資料，並以GARCH估計實質匯率波動性。第三國則利用出口近似度的計算選擇了前四大競爭國，分別為南韓，日本，馬來西亞及新加坡。此外，部門則以HS二碼分類選擇出口至中國大陸前四大之部門，包括機械與電子、精密儀器、橡膠與塑膠類產品及化學品。 本文檢定變數是否有單根。若有單根則進一步檢定這些變數是否存在共整合關係。在確定存在共整合關係後，利用完全修正最小平方法及誤差修正模型進行估計。本文實證結果顯示：匯率不確定性對出口量有負向之影響關係。就部門而言，本文探討的四個部門之結果也反映匯率不確定性對出口具有負向影響，但是以電子產品及塑膠橡膠類之影響最為顯著。 / This paper investigates the relationship between exchange rate volatility and Taiwan’s exports to Mainland China. In the empirical model, the third country effects suggested by Cushman (1986) are considered. GARCH model is employed to estimate real exchange rate volatility. Both aggregate and sectoral quarterly data covering 1997 to 2010 are used in our sample. The third countries are determined by export similarity. The top 4 countries with the highest degree of export similarity are chosen, including South Korea, Japan, Malaysia and Singapore. In addition, the top 4 Taiwan’s exporting sectors are examined respectively, including machinery and electronic equipment, precision equipment, rubber and plastics, chemicals industries. We first test for unit root of the variables used in the study, and then check the existence of co-integration between the variables with unit root. After confirming the existence of co-integration relationship, we use FMOLS (Fully Modified OLS) and VECM (Vector Error Correction Model) to estimate the coefficients. Our empirical results suggest that there is a significantly negative effect of exchange rate volatility on Taiwan’s total exports. They also indicate that there is a negative relationship between exchange rate volatility and Taiwan’s sectoral exports. Among the top 4 exporting sectors, exchange rate volatility tends to have higher impacts on the machinery and electronic industry as well as chemical industry.

臺灣房市此波景氣繁榮時間之久，超越過去臺灣房市的歷史紀錄，在此期間，被視為象徵房市上、下游的建築貸款與購屋貸款餘額也多次創新高，近來中央銀行定期公布的購屋貸款、建築貸款餘額，常成為媒體財經新聞的焦點，一般大眾已習慣將房價高漲與購屋、建築貸款餘額創新高之訊息相互聯結。 本研究係探討房價與購屋貸款、建築貸款之關聯性，以臺灣2000年第一季至 2013年第四季之相關變數，共計56筆季資料，運用單根檢定、共整合檢定、誤差修正模型及Granger 因果關係檢定等實證方法，探討房價與購屋貸款、建築貸款之間的關聯性。共整合檢定結果發現，購屋貸款、房價、利率與國內生產毛額間存在二個共整合向量，變數之間具有長期均衡關係；另建築貸款、房價、利率以及國內生產毛額間存在一個共整合向量，變數之間亦具有長期均衡關係。由因果關係檢定得知，購屋貸款會Granger影響房價，房價與建築貸款之間的因果關係檢定結果並不顯著。 臺灣住宅政策長期以輔助人民購屋為主，政府常透過購屋貸款來達成政策目標，基於研究結果顯示購屋貸款與房價為正向關係，購屋貸款會Granger影響房價，故近來政府為抑制高房價實施打房措施時，可能要同時考慮到長期不斷地推出各種低利優惠貸款，對購屋貸款的推升作用，以及對房價的影響。另研究結果顯示建築貸款與房價的關係為負向，因果關係的檢定並不顯著，推測臺灣政府為防止建商囤地炒房，長期對建築貸款施以嚴格的管控措施具有一定的效果。

本研究以新台幣兌美元之匯率日資料作為主要研究標的，同時加入台灣加權股價指數及金融業隔夜拆借利率之日資料作為股價與利率之代理變數，利用Beveridge-Nelson分解趨勢的方法將變數資料拆解成趨勢項與循環項之時間序列資料，藉此捕捉匯率資料具有景氣循環的特性。在循環項的序列資料，以向量自我迴歸模型來分析並予以估計，趨勢項的部分，利用共整合檢定來探討趨勢項變數間長期的均衡關係，再以向量誤差修正模型予以估計，得到未來30天期之匯率走勢。接著，再以RMSE與MAE指標來衡量不同模型之匯率預測績效，以期能找出最適之匯率預測模型。 實證研究結果發現，將匯率資料先透過Beveridge-Nelson分解趨勢的方法予以拆解後，再利用時間序列模型進行分析及預測，時間序列模型的預測能力都比原始匯率利用時間序列模型進行預測或透過ARIMA模型進行預測還要來的好。因此，根據實證研究的結果，若企業與政府在進行匯率預測的分析時，能夠考慮先將匯率資料透過Beveridge-Nelson分解方法予以處理，便能更有效提升模型的預測能力，除了企業能夠降低避險成本來提高公司整體績效，對於國家而言，有效的掌握匯率的趨勢便能夠迅速且正確的制定政策，提升國家的經濟發展。

過去文獻研究對於各國的指數衍生性商品與現貨市場間之關係，多數專注在其交易成本、放空限制等因素對資訊傳遞與價格發現功能的影響；本研究以台指期貨與現貨價格間的共整合關係與領先落後關係為出發，加入以台指選擇權波動率指數的變動為投資人情緒指標，檢視在投資人情緒為恐慌及樂觀兩種極端情緒情形下，是否因情緒波動影響投資策略、進而對台指期貨與現貨的關係造成影響，並且在兩種極端的情緒下受到的影響是否對稱、與一般情形時的台指期貨與現貨間關係又是否一致。 研究方法以誤差修正模型為基礎，探討台指期貨與現貨價格間的共整合與價格發現功能，並且應用Tsay(1998)提出的非線性多變量門檻模型，以台指選擇權波動率指數的變動為門檻變數，依模型設定選擇最適的門檻值，將兩市場的價格資料依投資人情緒為恐慌、樂觀或無明顯差異作分類，在各個狀態下以誤差修正模型作迴歸，檢視投資人情緒對台指期貨與現貨價格間關係的影響。 實證結果顯示台指期貨與現貨價格間存在共整合關係，並且主要由台指現貨往長期均衡價格修正，台指期貨平均約領先現貨反應資訊達15~20分鐘，而現貨則無明顯領先期貨的情形；另一方面，在投資人情緒為恐慌或樂觀的極端情緒下，台指期貨與現貨間關係存在對稱性，台指期貨與現貨均會往長期均衡價格修正，當投資人有恐慌情緒，價格將往負向修正，當投資人有樂觀情緒時則往正向修正，若投資人在普通情緒下則不存在一致性的修正趨勢，由此可知市場對未來股市的預期影響投資人情緒，進而其投資操作策略發生變化，對台指期貨與現貨市場間的關係有顯著的影響。

本文主要是為了瞭解統計套利中的配對交易策略是否可運用於台灣股票市場，並驗證此策略在台灣股市之獲利性及可行性，統計套利的優點很多，可以降低投資風險及提高投資交易獲利的機會，是一個能獲取超額絕對報酬率的交易策略。本研究並不考慮兩檔配對股票的任何基本因素變化或事件因素導向所產生的套利機會，只使用統計模型且考慮如股票間投資報酬率之相關性係數等研究方法，並扣除交易成本。 在實證部份，台灣五十成分股之金融產業表現都能達到不錯的結果。電子產業部分，其長期來看是會回到均衡的，所以績效表現也都能如預期般有良好的表現。電信業三雄不管任兩組配對也都能獲得穩定之報酬。最後，傳產業中部分表現差強人意，未來或許可利用其他模型來找尋其適合配對之模型。