從投資組合理論與效率市場假說來看，影響投資績效之主要因素為資產配置而非選股或擇時能力，相關之實証亦發現主動式投資策略並無法獲得持續優於大盤的報酬，因此被動式投資策略將是一較佳的選擇。自先鋒集團在1976年率先推出指數基金之後，此類指數化投資商品即呈現指數化成長。而我國亦在2003年6月30日正式推出第一檔指數股票型基金「臺灣50指數股票型基金，簡稱TTT」。 本論文以投資人的角度來分析TTT之報酬率及成交量，從追蹤誤差及溢折價來觀察基金之報酬率，研究造成追蹤誤差之主要影響因子為何與實物創造或贖回機制是否能有效發揮功用，使TTT之市價可貼進基金淨值，以免如同封閉型基金大都折價交易，而影響投資人之獲利率。此外，更進一步比較TTT與其他指數化商品之差異性以供投資人選擇投資標的時參考。 本研究發現影響追蹤誤差之因素主要為指數成份股之增刪、公眾流通係數之調整與現金股利的發放。雖然在短期下上述因素會影響基金報酬，但長期而言基金報酬與指數相當，甚或更為略高，故在衡量長期績效時臺灣50指數可做為一良好的報酬指標。而從溢折價來分析時，由於市場交易機制，使得TTT自上市以來之流動性不足，市場效率性不高，溢折價幅度較大。此點與成交量之分析結果一致，研究發現TTT之成交量並未因出現套利機會而顯著增加，投資人買賣TTT主要在於避險或投機需求。 雖然現階段我國尚未出現指數基金，但若未來有出現類似之商品時，在目前我國停徵證券交易所得稅的環境下，投資金額的大小將非決定選擇指數基金或TTT之關鍵因素，投資期間與「質」的因素才是主要關鍵。當投資期間愈長，TTT之高交易成本的影響程度將降低，其可在盤中隨時買賣及低追蹤誤差等「質」方面的優勢將提高，TTT將相對較具吸引力。而臺灣50指數期貨由於交易成本及流動性風險較高，因而投資人較不偏好操作臺灣50指數期貨。

本文的主要目的在於探討亞洲國家央行外匯存底的需求，研究的國家包括韓國、大陸、印度、新加坡、台灣與日本。透過使用1987年Engle-Granger的共整合分析法，我們發現這六國的外匯存底需求與其解釋變數具有共整合的現象。共整合現象的存在反映了這些國家的外匯存底需求存在長期的均衡關係。此外，為了進一步了解短期經濟的干擾如何影響外匯存底的需求，本文採用誤差修正模型做為分析工具，與過去文獻不同的是，本文的實證結果顯示本文所研究的六個國家之外匯存底顯著的受到貨幣成長率的影響，依據誤差修正模型的調整項亦可發現當外匯存底需求偏離長期均衡值時，此六國的調整速度相當慢，絕對值都在0.5以下，由於當一個經濟體系允許以緩慢的修正速度調整至長期均衡，必須擁有大量的外匯存底，由於本文所挑選的國家為全球著名的外匯存底持有國，其央行皆持有巨額的外匯存底，故本文的實證結果與理論假設一致。 / The primary purpose of this paper is to explore the demand characteristics for international reserves in some Asian countries including Korea, China, India, Singapore, Taiwan, and Japan. After applying the cointegration test of Engle-Granger (1987), we discover that the non-stationary macro time series of the group of the countries under study are cointegrated. Hence, international reserves in these Asian countries have displayed a long-run relationship with some determinants for the past several decades. Besides, we adopt an error correcting mechanism specification to investigate the short-run dynamic process of reserve holdings. Based on the error correction model (ECM), the rate of monetary growth is found to have a significant effect on reserve holdings in all of the six countries. In the end, the properties of the error correction terms among these countries are examined. We find that the absolute value of the error correction term is less than 0.5 in these economies. It implies that all of these six countries have very low adjustment speed of the demand for reserves. Owing to the huge stock of reserve holdings in this area, the results appear to be sensible.

自動化三維建模需要準確的三維點座標，而三維點的位置則依賴高精度的對應點，因此對應點的尋找一直是此領域的研究議題，而使用稀疏光束調整法(SBA：Sparse Bundle Adjustment)來優化相機參數也是常用的作法，然而若三維點當中有少數幾個誤差較大的點，則稀疏光束調整法會受到很大的影響。我們採用多視角影像做依據，找出對應點座標及幾何關係，在改善對應點位置的步驟中，我們藉由位移三維點法向量來取得各種不同位置的三維補綴面(3D patch)，並根據投影到影像上之補綴面的正規化相關匹配法(NCC：Normalized Cross Correlation)來改善對應點位置。利用這些改善過的點資訊，我們使用稀疏光束調整法來針對相機校正做進一步的優化，為了避免誤差較大的三維點影響到稀疏光束調整法的結果，我們使用穩健的計算方法來過濾這些三維點，藉由此方法來減少再投影誤差(reprojection error)，最後產生較精準的相機參數，使用此參數我們可以自動化建出外型架構較接近真實物體的模型。 / Automated 3D modeling of the need for accurate 3D points, and location of the 3D points depends on the accuracy of corresponding points, so the search for corresponding points in this area has been a research topic, and the use of SBA(Sparse Bundle Adjustment) to optimize the camera parameters is also a common practice, however, if there are a few more error 3D points, the SBA will be greatly affected. In this paper, we establish the corresponding points and their geometry relationship from multi-view images. And the 3D patches are used to refine point positions. We translate the normal to get many patches, and project them into visible images. The NCC(Normalized Cross Correlation) values between patches in reference image and patches in visible image are used to estimate the best correspondence points. And they are used to get better camera parameters by SBA(sparse bundle adjustment). Furthermore, it is because that it usually exist outliers in the data observed, and they will influence the results by using SBA. So, we use our robust estimation method to resist the outliers. In our experiment, SBA is used to filter some outliers to reduce the reprojection error. After getting more precise camera parameters, we use them to reconstruct the 3D model more realistic.

本研究以雷射掃描儀作為掃描建築物之工具，採用三維球型覘標作為相鄰測站間之共軛覘標，探討雷射掃描儀對於不同尺寸之共軛覘標在不同掃描距離條件下之球心坐標精度；及利用檢校場之固定樁位，求得雷射掃描儀與各覘標之距離誤差量，並建立距離誤差量改正模式；最後，提出最佳之掃描方式。 本研究分別選定三個場地作為不同實驗區，先選定一處室內場，以三種尺寸之三維共軛球型覘標，規劃距離儀器原點5公尺至40公尺，以每5公尺之等距離方式分布，並依序掃描，以求得球心坐標精度；再選定台中國土測繪中心之距離標準基線場，以雷射掃描儀直接掃描三段距離，分別為5公尺、23公尺及31公尺，以求得掃描儀之距離誤差；最後選定一建物，以一般掃描及較佳掃描之方式各別進行建築物掃描，以分析兩者間之效益。 依成果顯示，於相同掃描距離下，三維共軛球型覘標尺寸越小，其球心坐標精度越差；相同三維共軛球型覘標之尺寸，其球心坐標精度將隨著掃描距離增加而越差。另外，透過距離檢校場，可得知該儀器之系統性誤差，並建立其距離誤差改正模式，用以改正所獲取之點雲之系統性誤差，以提升三維點雲模型之精度。 最後將較佳掃描之方式與一般掃描情況下，進行實際掃描並比較分析兩者之數據，依成果顯示，於一般掃描作業及較佳掃描作業情況下，直徑14.5公分之三維共軛球型覘標較直徑12公分之三維共軛球型覘標，皆節省25％之掃描時間。而兩者之點雲模型精度相仿，且皆符合建築掃描精度要求於1 cm內之精度，可以得知最佳掃描效益能夠縮短掃描作業時間，並提升點雲模型之精度。 / This research uses laser scanner as the scanning tool, and 3D sphere marker as the conjugated marker between neighborhood stations, to investigate the accuracy of sphere center coordinates of different-sized 3D sphere markers at different scanning distances; calculate the distance errors between laser scanner and every marker with the fixed survey stations in the calibration field and establish distance error correction formula. At last, propose the best way to scan buildings according to the experiment results. Three different fields are selected as experiment areas. First, choose an indoor field, and scan three different-sized conjugated 3D sphere markers. Every conjugated marker is scanned at distances of 5 to 40 m at an interval of 5 m. Second, choose the standard baseline field of National Land Surveying and Mapping Center in Taichung as the experiment area, and use laser scanner to measure the distances of 5, 23 and 31 m to calculate scanning distance errors. At last, choose a building as scanning target, scan it in general way and efficient way respectively, and analyze the differences between the two methods. According to experiment results, the smaller the conjugated 3D sphere marker is, the worse the accuracy of sphere center coordinate will be at the same scanning distance; as the scanning distance gets longer, the accuracy of sphere center coordinate will decrease with the same size conjugated 3D sphere marker. On the other hand, the systematic error of the instrument can be known through the distance calibration field. With a known systematic error, a distance correction formula is established to correct the systematic error of the point cloud, and hence improve the accuracy of 3D point cloud model. Eventually, compare and analyze the differences of the results getting by the most efficient way and the general way of scanning. The results show that both scanning methods save 25% scanning time using 14.5-cm-diameter conjugated 3D sphere marker compare to using 12-cm-diameter conjugated 3D sphere marker. And the data represent that the point cloud models in the two situations have similar accuracy, and the accuracy of each model is better than 1 cm, which means they both meet the precision requirement of building scanning. Consequently, the most efficient way of scanning mentioned in this research can shorten the time of scanning work and improve the accuracy of point cloud model.

股票市場乃屬長期資本市場，企業家透過「資本證券化」的方式向投資人募集資金，做為公司營運及擴充規模之用。是故股票市場繫乎一國的經濟發展，乃經濟發展之櫥窗。無論基於何種因素，股價確實會有漲跌互異的現象，但消息面、心理面或其他非經濟因素並不能完全的支配股價走勢，從長期而論，股價終究會回歸基本面，所謂基本面，就是經濟之榮枯，常以景氣的好壞來表現，景氣循環即為一種經濟波動的現象。是故，雖致使股價波動的因素繁多，然而由長期基本面的觀點來看，景氣循環是否為解釋台灣股價指數長期走勢的主要力量呢？此乃本文所欲探尋的答案。本文以經建會所公佈之景氣領先指標綜合指數及其組成要素分別代表景氣狀況，從理論與文獻上整理說明股價變動與景氣循環的關係，並陳述1990年代的台灣股價指數與景氣循環走勢之關係，最後利用由Johansen所發展非常適於經濟模型的估計與檢定的計量工具---共整合分析與向量誤差修正模型，企圖以變數間所具有的整合線性關係作為衡量長期的均衡關係，並以均方誤差(RMSE)與絕對平均百分比誤差(MAPE)評量預測績效。 本文最終實證所得之各項重要結論如下： 一、股價與領先指標綜合指數 短期上落後一期和落後四期的領先指標綜合指數變動率與股價報酬率具有顯著的正向關係，此外股價與領先指標綜合指數長期存在正向共整合方程式。 二、股價與貨幣供給M1b具正向關係 長期而言依據共整合檢定，兩者具有長期均衡關係，並在同期時具顯著正向關係；在短期方面，依誤差修正模型之t檢定當期股價報酬率與落後一期之貨幣供給變動率呈現顯著正相關。 三、股價與海關出口值、新接訂單指數 股價分別在長期與兩者具均衡關係，並在同期時具顯著正向關係，但在短期上並無明顯關係。 四、股價與躉售物價、製造業平均每人每月工時、台灣地區房屋建築申請面積並無明顯關係。 五、所有五個共整合模型之預期值，均顯示出在上升波段預期值低於股價實際值，而在下跌波段預期值高於股價，此明顯反應了台灣股市投資人較不重視基本面分析，而以短線操作為主，心理因素、炒作因素影響重大，所以經濟景氣時常一窩峰買進而高估股價，反之，則大量殺出而低估股價。 六、五項共整合模型預期績效之良劣順序為：1.領先指標綜合指數與股價之ECM；2.三領先變數綜合與股價之ECM；3.M1b與股價之ECM；4.製造業新接訂單與股價之ECM；5.海關出口值之ECM由上面之順序顯示考量較多經濟變數較能涵蓋實質經濟，也能獲致較佳之預期。 總合而言，本研究各項模型雖不盡如人意，但對於大盤走勢之預期有不錯之效果，若再加入國人之心理因素，於牛市中將預期值往上修正，而於熊市將預期值往下修正，本模型應可更貼近實際股市情況。

國內第一個期貨商品臺灣股價指數期貨已於87年7月21日正式交易，金融商品的價格合理與否決定套利機會的存在。本文利用成本攜帶模型加入各項交易成本包括期貨、現貨衝擊成本、模擬誤差及建立套利部位手續費及稅負以建立期貨無套利區間，發掘套利機會進而執行套利策略。指數現貨需要有一個穩定的模擬組合（mimic portfolio）加以替代，本文利用Rudd（1980）的方法建構成分股為20支股票的模擬組合，其二次規劃法使組合的殘差報酬率變異數最小，且維持組合的系統風險與市場組合的系統風險相同（β值為1）。估計模擬誤差的預測期間共75天，分第一個、第二個及第三個25天。從78年至87年底共10年每季建構一個組合，模擬誤差多位於0.3%至0.65%之間。相同方法也用來建立近3年共12個電子類股指數模擬組合作為未來電子類股指數期貨的現貨部位。模擬組合另一用途為使共同基金獲取與大盤指數相近的報酬，經理人選股時有一個立於不敗的投資參考，而具優異選時能力的經理者則可在預測多頭即將來臨前購入組合，以獲取多頭時指數的報酬。在87年11月初以前有反向套利機會，之後全為正向套利機會，主要原因為逆價差的出現。以模擬組合實際進行套利在絕大多數的套利機會中都能夠獲利，在反向套利方面，不考慮融券限制下共有20次反向套利機會，平均持有天數為24天，持有期間平均報酬率為1.22%，在融券的限制下，反向套利機會幾乎消失僅剩下2次；正向套利機會則有40次，平均持有天數為19天，持有期間平均報酬率為1.64%。 目 錄 第一章 緒論………………………………………………………………1 第一節、 研究背景………………………………………….1 第二節、 研究動機……………………………….……………3 第三節、 研究目的……………………………….……………5 第四節、 研究架構………………………………………….5 第二章 股價指數期貨套利相關議題與文獻探討……………………….8 第一節、 股價指數期貨理論價格…………………………….8 第二節、 現貨模擬組合的探討……………………………..23 第三章 研究方法…………………………………………………………28 第一節、 股價指數期貨合理價格的決定…………………..28 第二節、 股價指數期貨無套利區間之建立…………………28 第三節、 估計無套利區間的各項參數………………………32 第四節、 股價指數期貨現貨替代組合的建立………………39 第四章、實證結果與分析………………………………………………..42 第一節、 模擬組合實證結果…………………………………42 第二節、 無套利區間參數估計結果…………………………61 第三節、 臺灣股價指數期貨理論價格實證分析……………66 第四節、 無套利區間的建立與套利機會分析 ……………72 第五章、結論與建議………………………………………………………83 參考文獻…………………………………………………….…………85 附錄A…………………………………………………………………..A-1 附錄B…………………………………………………………………..B-1

本研究分別利用傳統 OLS、誤差修正模型以及 Bivariate GARCH 模型研究以摩根台股指數期貨規避台灣股價指數的避險效果，現貨部分除了摩根台股指數現貨之外，亦考慮了台灣加權股價指數，目的在於瞭解摩根指數期貨的避險效果，並提出未來台灣加權股價指數上市後一套研究指數期約避險績效的研究架構。 本研究實證結果發現： (1)將台灣加權股價指數、摩根台股指數現貨以及摩根台股指數期貨的每日收盤價取對數值，並且依照避險期間分為三種情況，利用 ADF(Augmented Dicky and Fuller)進行單根檢定，結果顯示三個時間數列皆非定態(stationary)。 (2)時間數列取一階差分之後，視為指數的報酬率，同樣利用 ADF 進行單根檢定，結果顯示三個時間數列呈現定態(stationary)，亦即時間列服從 I (1)。此時，報酬的迴歸式存在具有實質意義。進行供整合檢定之結果顯示，無論是台灣加權指數與摩根台股指數期貨市場間，或是摩根台股指數之現貨與期貨市場間存在長期穩定之均衡關係。因此欲研究現貨與期貨市場的避險比率，應考慮誤差修正項。 (3)在加權股價指數與摩根指數期貨間避險效果方面： 1.在樣本內實證中，傳統 OLS 除了在避險期間為每日的情況之外，所造成投資組合變異數降低幅度較大，有較好的樣本內避險效果表現。 2.在樣本外實證中，傳統 OLS 無論在何避險期間，所造成投資組合變異數降低幅度較小，其避險效果皆較差。 3.避險誤差均方根比較方面，傳統 OLS 表現較差。 (4)在摩根台股指數現貨與摩根指數期貨間避險效果方面 1.在樣本內實證中，傳統 OLS 在各避險期間，所造成投資組合變異數降低幅度較大，有較好的樣本內避險效果表現。 2.在樣本內實證中，傳統 OLS 無論在何避險期間，其避險效果差皆較差。 3.避險誤差均方根比較方面，同樣以傳統 OLS 表現較差。 / Investors of Taiwan Stock Market have been long lack of hedging tools. SIMEX has provided a new merchant, MSCI Taiwan Index Future on January 9,1997. In addition, Taiwan Futures Exchange is going to run on July, 1998. Though investors are still not familiar with the new derivatives. Futures will be the new markets in Taiwan and it is the right time for us to analyze it. This research use different econometrics methods to check if it is a good hedge tool for the investors. The results are as followed. 1.The time series of MSCI Taiwan Index futures, MSCI Index Spots and Taiwan Weighted Index are not stationary. They are integrated of order 1. 2.There exist cointegrations between MSCI Taiwan Index futures and MSCI Index Spots, in addition to MSCI Taiwan Index futures and Taiwan Weighted Index. 3.OLS Regression, Error Correction Model and Bivariate GARCH Model are applied to find the optimal hedge retio. Among them, the hedge ratios of Bivariate GARCH Model are dynamic while the other two are constant. 4.According to the in-sample hedging effects results, the OLS are outstanding. The low variance of hedging portfolios and the reduction percentage compared to the no-hedged portfolios prove that. 5.Investors may care more about the out-sample results. From the table we know that Error Correction Model and Bivariate GARCH Model perform better than OLS, especially when the time period is longer. 6.When we check the RMSE, we get the same conclusion that OLS is the worst one among the three methods.

本文利用Hendry's ECM Methodology的內容，建立台灣貨幣需求模形，並計算其彈性以與國內相關貨幣需求文獻比較。

本研究計畫探討以RN神經網路模型預測國內債券價格的效度。目前一般用於財務預測的神經網路論著主要為BPN模型，惟BPN模型有其限制，所以本研究計畫將（1）分析比較統計計量模型，BPN神經網路，RN神經網路系統對國內公債價格之預測績效。（2）分析不同時期的預測能力，找出景氣和預測變數的關係，同時將比較各個時期統計計量模型和神經網路模型是否同時有效， 抑或有些有效， 有些無效，以探討各工具是否具有互補性或替代性。並探討預測績效是否受到背後經濟環境的影響。 我們研究對象為國內公債，其每日交易資料取樣時間自民國八十一年開始。影響債券價格的因素可拆解成實質利率，預期通貨膨脹率和風險貼水三層面，本研究總體變數之選取，亦循此三項範疇以求周延。 本研究之研究成果對理論及實務應用將有下列三項預期貢獻：（1）比較不同其常的債券在不同景氣狀況下，各不同預測模型的預測效度差異，探討各時期各工具之預測能力，可提供投資實務界對預測工具之選擇，應用與搭配。（2）對債券報酬率預測研究，分析總體變數，利率風險等變數對債券報酬率的影響，可進一步暸解影響債券價格的相關因素及程度。（3）以往神經網路應用在財務預測領域上， 皆以BPN 神經網路為主，此處引進RN神經網路，比較兩者的表現，可提供學術理論界之驗證。 / This research project empirically investigates the accuracy of Reasoning Neural Networks (RN) in forecasting Taiwan's bond prices. We explore (1) the relative predictive abilities of Vector Error Correction Model (VECM), which serve as a representative econometric model, Back Propagation Neural Networks (BPN), which is adopted by most current studies in the application of neural networks in finance, and RN, and (2) th3 potential variations in the three models' predictive power in different phases of economic cycle. Specifically, we aim to study if the three models substitute or complementone another. In addition, we explore the extent to which the relativepredictive abilities of the three models varies with underlying macroecomonic factors. The explanatory variables adopted in this study include all potential drives to (real) risk-free rate, expected inflation rate, and riskspremiums. In this study, we examine the government bond terms to maturity,coupon rate, and prices of government bonds during 1992-1995. This project would contribute to both academic and application researchin the following three aspects : (1) Few, if any , prior study explores whether and how various neuralnetworks and/or eco- nomic models perform under different macro-economicvariables. Our empirical results may indicate an appropriate model ( ormodels ) to improve forecasting of bond prices. (2) This study shows how RN, BPN, and VECM models perform in forecastinggovernment bonds yields to maturity. (3) The BPN model prevails in financial forecasting. Nevertheless, BPNis subject to a few short comings and may thus be a sub-optimal model. This study analyzes if RN is more cost-effective in forecasting bond prices than BPN.

本文利用晚近發展出來的單根檢定法以及共積檢定法，實証分析美、日兩國二次大戰以後企業購併與總體經濟變數間之關係。其實証方法與實証結果如下：運用ADF 檢定方法對購併、股價、國民生產毛額、利率，作單根檢定，發現美日兩國之購併、股價與國民生產毛額呈一階差分恆定狀態。 此外，本文應用Engle and Granger(1987) 的共積模型分析，將同樣為一 階差分恆定的變數做共積檢定，發現美日兩國之購併與股價、國民生產之間，皆具有長期共同移動的趨勢，因此可以建立一包含長、短期關係之誤差修正模型。本文之實証結果顯示：美國的企業購併與股價水準有正向且顯著之長期穩定關係，而與國民生產毛額則有負向且顯著的長期穩定關係；日本的企業購併與股價及國民生產毛額也有長期穩定之關係，惟影響方向與美國相反。另外，因果關係檢定結果顯示，美國之股價與利率對購併呈單向因果關係，而日本之股價與購併則呈雙向因果關係。由這些實証結果可知，購併風潮之形成，實肇因於總體經濟之波動，而不同國家之企業，由於法令規章、經濟結構、社會制度之不同，因而會有不同之反應。