本文研究目的是在動態隨機一般均衡模型當中，加入銀行體系，並以台灣的參數值加以模擬，進一步討論台灣的最適貨幣政策。首先以均衡解進行分析，討論銀行體系如何影響台灣的經濟體，另外，本文探討四種貨幣政策，包含貨幣總數法則，利率法則，其中利率法則包含三種目標：CPI膨脹率目標、國內商品物價膨脹目標及名目匯率目標，模擬結果發現央行使用貨幣總數法則對經濟體的福利大於其他法則，且有助於穩定產出、物價、匯率的波動，另外，提高資本的移動程度以及提高貿易開放程度並不會改變政策福利排序的結果。 / The objective of this paper is to investigate the optimal monetary policy of Taiwan by using a micro-based dynamic stochastic general equilibrium (DSGE) model with the banking sector. The results of steady state show that how the banking sector affects the Taiwanese economy. Furthermore, comparing the performance of alternative monetary policies, the monetary aggregate growth rate rule leads to the highest welfare and lowest volatility of output, inflation rates and exchange rate. It may be the optimal monetary policy of Taiwan. Also, with high degree of capital market friction and highly open market, the rank of these rules is the same.

本文利用內生經濟成長模型來探討在一存在有逃漏稅行為的經濟體系下，政府採取租稅融通政策以及貨幣融通政策對於經濟成長與社會福利可能產生的影響。當政府提高稅率時，納稅人會有誘因減少申報所得的比例，藉此提高其可支配所得，故本文將納稅人是否誠實申報所得的比例視為逃漏稅的行為，且政府可藉由逃漏稅稽查政策以及所得稅率來影響代表性個人誠實申報所得的比例，而代表性個人誠實申報所得的比例亦會影響政府最適所得稅稅率。另外，政府在融通其公共資本支出時，除了可採取租稅融通外，亦可採行調整貨幣成長率的貨幣政策，即貨幣融通政策。透過本研究的數值模擬分析，我們發現到在逃漏稅的經濟體系中，當消費與投資在一特定交易付現限制的設定下，且政府公共資本支出不具有生產性功能時，若政府同時採取租稅融通和貨幣融通，其最適稅率應為負，亦即此時須採取補貼政策，表示政府應全部採取鑄幣稅收入來融通其支出並搭配補貼政策，當稅率越低，代表性個人會誠實申報的比例會越高，藉此獲取更多補助稅額，且租稅融通對經濟成長造成的負向效果大於貨幣融通對經濟成長造成的負向效果。

St.Louis model 於1970年由Andersen與Carlson提出，該模型由八條方程式構成。其中四條估計式分別為：總支出方程式(Andersen-Jordan equation)、物價方程式、長期利率方程式、及失業方程式；其他四條為定義式。該模型以一簡單縮減式(reduced-form)估計財政政策與貨幣政策對名目產出的影響，透過係數的比較、估計係數t值的大小、以及落後期結構的差異，發現貨幣政策較財政政策有較大、較快、較易預測的效果。在原始的St. Louis model中，並未考慮共整合(cointegration) 與誤差調整模型(error-correction model)的概念，變數間若能通過共整合檢定則隱含存在一長期均衡關係。過去St. Louis model採用backward-looking的方式，以前期物價變動來估計本期的物價成長率；而貨幣政策變數僅以準備貨幣、M2成長率直接對產出估計，並未考慮貨幣政策回饋法則。在財政政策變數的選擇上，本文嘗試以不同潛在產出估計法計算充分就業下的政府支出；貨幣政策變數方面，仍選擇準備貨幣作為政策工具，並以貨幣數量回饋法則的方式內生化於模型中。 原始的St. Louis model以最小平方法(ordinary least square，OLS)對個別方程式估計，為避免對單一方程式估計而忽略其他變數間的交互影響，本文將三條估計式視為一整個系統(system)，對模型作完全資訊最大概似法(full information maximum likelihood, FIML)聯立估計，藉此比較單一方程式與模型聯立估計的結果，以判定模型是否產生誤置。總體經濟計量模型除了說明總體經濟現象外，尚能透過模擬分析得出各種政策效果。本文在估計出實證結果後，將配合Gauss-Seidel方法逐步收斂求解，比較開放性經濟下財政政策與貨幣政策的相對有效性。 無論是在共整合分析或是完全資訊最大概似估計法下，利用台灣資料估計皆顯示貨幣政策與經濟活動關係密切，貨幣政策確實較財政政策在穩定經濟過程中扮演重要角色，結果均支持St. Louis model的結論；而經由Gauss-Seidel收斂法求解發現，靜態模擬較動態模擬準確。主要是因為靜態模擬是以前期的實際值代入，故預測誤差較小；而聯立模型的模擬誤差大於單一方程式的模擬誤差是因前者包括聯立估計時產生的結構誤差，以及單一方程式本身的個別誤差。除了物價方程式的Theil係數偏高外，經濟成長率與準備貨幣成長率的趨勢皆能準確被預測。 本研究同時驗證了Mundell- Flemming之命題，在國際資本不完全移動的浮動匯率制度下，貨幣政策較財政政策有效影響國民所得。由於本文容許中央銀行在外匯市場干預匯率，因此是在管理式浮動匯率制度下考慮政策有效性；且依台灣現況，國際資本並未全部管制，亦未完全開放自由移動，因此財政政策對國民所得仍有正面的影響效果。

中國在近年來經濟實力漸增，國際上貿易出超，國內股市多頭，房地產市場景氣過熱，中共有穩定經濟局勢的巨大壓力存在。因此中國宏觀調控政策的成效與否，一直是大陸學界探討與爭論的一個主題，因此本文之研究目的是希望瞭解究竟什麼是宏觀調控？宏觀調控任務為何？在2006年與2007年新一波的宏觀調控政策的執行是否有效？藉由中國宏觀調控政策對股票市場之影響來探索宏觀調控政策之有效性，希望對宏觀調控政策之研究有一新視野之探索。本文預期對宏觀調控政策對股價研究之影響進行研究，並假設宏觀調控對股價指數有漲跌之影響。並希望搜集研究宏觀調控之文獻，進而對宏觀調控之定義有一更深入之確定，以期對宏觀調控有更明確之了解。 一般來說總體股票市場會受到整個總體經濟形勢（如經濟成長好壞、國家是否有戰爭，即系統風險）、投資者對未來前景的展望（投資者的預期心理）與政府的干預政策（如證券交易稅或資本利得稅的公布）等因素所影響。假如要研究個別股票的狀況，以分析程度上來說，會更加的複雜，本文排除非系統風險的問題，單純探討股票市場的總體層面，從國家干預的角度來切入分析宏觀調控對股票市場的影響狀態。宏觀調控政策可以從短期與長期來觀察，而本文希望從短期的貨幣政策與財政政策對中國股票價格的變化來探究其政策的效果。首先，從貨幣政策開始，瞭解中國人民銀行調整存款準備率對股票市場漲跌之狀況；再分析調整利率的影響情況。第二，從財政政策來探討中國政府課徵印花稅對股價指數的變化程度瞭解政策的成效。 關鍵詞：宏觀調控、中國股市、股市泡沫、貨幣政策、政策有效性

歷經二次大戰洗禮後，日本迅速重建，之後歷經幾次景氣擴張，而躍升為經濟大國，在1986~1991年更是達到高峰。然而，日本政府欲以調升利率緩和經濟過熱，日本金融體系的呆帳問題漸漸浮現，形成多重性景氣衰退，長期以來奉行凱因斯思想的日本政府，在經濟泡沫化後仍如同以往利用財政或貨幣政策來擴張景氣，但整個1990年代似未使日本經濟真正地回到正常軌道，被稱為「失去的十年」。因此本文介紹1990年代以來日本各項財政政策之實施背景、目的、措施與特色、結果，並佐以實證文獻回顧探討財政政策的有效性，發現大多數學者認為財政政策在短期確實發揮功能，但長期效果則不足。 本文實證是以Andersen and Carlson (1970) 建立之St. Louis Model為基礎，驗證日本1990年代以來財政政策有效性。原始的St. Louis equation僅是一條縮減式 (reduced form)，透過係數大小比較，發現貨幣政策比財政政策有效且快速。本文除檢驗財政政策與貨幣政策的相對有效性外，亦同時加入貿易政策。方法上，財政政策採政府總支出，貨幣政策採M2+CDs，貿易政策採出口為解釋變數，對各變數取一階差分、選取最適落後期，再以最小平方法進行迴歸。 本文實證結果發現，無論是當期效果或長期效果，財政政策有效性最佳，貿易政策次之，貨幣政策效果最小。因此，財政政策似是日本在1990年代以來擴張景氣時最有力的工具。

本研究第一部份在探討實際、非預期與非預期的緊縮與寬鬆的貨幣政策對期貨報酬的影響，是否具有不對稱效果，而第二部分將進一步分析在不同類型投資人處於高情緒的情況下，貨幣政策對於報酬的影響。 研究發現，實際或非預期的貨幣政策對於期貨報酬影響性低，然而非預期寬鬆M2貨幣政策對於報酬有顯著正向影響；此外，當區分於不同景氣狀態時，在牛市中，實際與非預期的重貼現率對於報酬皆有顯著正向關聯，而非預期緊縮與寬鬆重貼現率則在熊市影響較顯著，具有不對稱效果。 此外，我們更進一步研究當各類型投資人在高情緒的情況下，貨幣政策對於報酬的影響。發現於實際、非預期與非預期的緊縮或寬鬆的貨幣政策中，幾乎在各類型投資人在高情緒的情況下，貨幣政策會顯著影響期貨報酬，且以隔夜拆款利率影響為最。區分景氣狀態後發現在實際、非預期與非預期的緊縮或寬鬆貨幣政策中，不同投資人處於高情緒時，在不同景氣狀態下貨幣政策對於報酬呈現顯著性。 / In this paper, we try to analyze the relationship between actual, unexpected and unexpected tight and easy monetary policy and TAIEX futures index returns at first and attempt to know whether there are asymmetric reactions. Moreover, we make a further effort to examine the relationship between monetary policy decisions and the returns when different types of investors sentiments are high. The results show that the coefficients of actual or unexpected monetary policies aren’t statistically significant. However, the unexpected easy M2 monetary policy has significant and positive influence on the returns. Besides, when we divide the data into different regimes, we can discover the asymmetric reactions that actual and unexpected rediscount rate has significant and positive influence in bull market, and unexpected tight and easy monetary policy rediscount rate have more effective in bear market, which means that there are asymmetric reactions in different regimes. Moreover, we make further efforts to examine that whether there are different influences of the monetary policy decisions for each of the investors in high sentiment. We find that actual, unexpected and unexpected tight and easy monetary policy decisions have large effect on the returns when investors sentiment are high, and the change of overnight rate has the most influence. Furthermore, when we divide the data into different regimes, we can examine that in actual, unexpected and unexpected tight and easy monetary policy, the relationship between monetary policies and rate of return are significant when each of the investors in high sentiment in different regimes.

第一篇：貨幣政策對企業資金成本的影響：我國上市公司個體資料的實證分析 文獻上有關衡量貨幣政策效果的實證研究中，大部份均簡化地利用單一利率水準，如銀行放款利率等，來代表企業的資金成本，而忽略了企業因融資型態、產業別等的不同，所造成的外部融資貼水 (external finance premium) 的差異。這種簡化的作法，將無法反映貨幣政策效果的全貌。因此，本文特別考慮貨幣政策變動對於外部融資貼水的影響納入考慮，亦即利用我國上市公司的財務資料，將企業的融資組合、以及各種組合下的外部融資貼水納入貨幣政策效果的分析，以進行貨幣政策傳遞效果的研究。也就是說，在研究方法上，我們採取一個與傳統研究貨幣政策效果截然不同的研究方法，此法最主要的特色就是利用個體資料進行分析，亦即利用個別企業的資產負債表等財務資料，計算各企業的加權平均資金成本 (weighted average cost of capital, WACC) 來進行分析。在建立我國442家上市公司的資金成本資料庫，包括加權平均資金成本，以及個別資金成本(如銀行借款、普通股權益資金、以及公司債發行成本等)的資料，以及應用panel資料的估計法(包含固定效果法及隨機效果法等)進行分析後，我們的主要實證發現有：(1)貨幣政策仍能有效影響企業的資金成本；(2)貨幣政策對於企業資金成本的影響因景氣狀況而不同；(3)貨幣政策對於各種不同資金成本的影響程度不同；(4)傳統產業與高科技電子業的加權平均資金成本高低存在顯著差異；(5)個別資金成本的高低亦受到產業別的影響；(6)貨幣政策對於企業資金成本的影響效果，將因產業別的不同而有所差異。 第二篇：權衡性貨幣回饋法則：以台灣為例 文獻上常見的貨幣政策回饋法則多假設為線性，亦即假設法則中的權數為固定常數，這種假設可能因為過度簡化，而無法捕捉貨幣當局在面臨經濟情況發生重大改變時的權衡性反應模式。因此，本文建立一個允許權數變動的非線性貨幣回饋法則，在這個法則中，貨幣政策目標的權數由一個狀態變數 (state variable) 所主導而呈現隨機變動，此一狀態變數的設定與Hamilton (1989) 的設定相同，亦即狀態間的轉換遵循一階馬可夫鏈 (Markov chain)。利用此一Markov switching貨幣回饋法則，來估計台灣的中央銀行在1986年至1999年間的行為後發現，央行的決策行為的確曾經出現過非線性的情況， Bernanke and Mishkin (1992) 稱這種情況為，貨幣當局具有「危機意識」 (crisis mentality)─當某一貨幣目標有危機時，貨幣當局將提高該目標的重要性，亦即提高回饋法則中的權數。本文得到的兩個估計結果證實了這種現象：第一、物價回饋權數在「低物價」狀態(狀態一)絕對值較小，只有0.12，而在「高物價」狀態(狀態二)絕對值比較大，達15.52。由兩個狀態下物價回饋權數的差異可以得知，在沒有通貨膨脹壓力時，央行對於物價偏離目標時所採取的因應措施比較溫和；反之，當面臨通貨膨脹壓力時，央行會採取比較強烈的緊縮措施。第二、在某些樣本期間，特別是1986年2月至1986年10月、以及1991年8月至1992年5月，當新台幣對美元持續大幅升值期間，央行對於匯率的重視程度明顯提高，回饋法則中的匯率回饋權數絕對值由狀態一的0.07，上升為狀態二的36.95。 第三篇：台灣地區貨幣總計數之預測 貨幣總計數在我國中央銀行政策制定的過程中，扮演相當重要的角色，因此，在貨幣政策效果有時間落後的情況下，如何準確掌握未來的貨幣總計數走勢，並適時採取必要的措施，以達成貨幣成長目標，對於中央銀行而言是一項相當重要的工作。本文的主要目的即是建立三種貨幣總計數預測模型，即結構模型、季節性ARIMA模型、以及誤差修正模型，並利用1987年1月至1999年12月的月資料進行模型的參數估計與樣本外預測，而後並以 mean absolute percentage error (MAE%)， root mean squared percentage error (RMSE%) 、以及Theil 等三種指標，來評估各個模型預測能力的良窳。研究結果顯示，本文所建立的三種模型中，在預測 M2 方面，以季節性 ARIMA 的預測誤差最小；而在預測 M1B 方面，則以及誤差修正模型的預測績效最好；至於結構模型，雖然預測誤差為三種模型中最大者，但亦在可以接受的範圍之內。因此，本文所建立的三種模型，對於預測我國貨幣總計數的未來走勢，在實務上應具有若干參考價值。 第一篇：貨幣政策對企業資金成本的影響：我國上市公司個體資料的實證分析 摘 要 ………………………….............……….......... 1 1 前 言 …………………........................ ……… 2 2 我國企業融資型態的演變 …………………………........ 5 3 加權平均資金成本計算方式說明 ..................... 7 3.1 長期債務成本....................................... 8 3.2 普通股成本 ..................................... 9 3.2.1 固定成長率估價模式 ........................... 10 3.2.2 資本資產訂價模式 .............................. 11 3.2.3 計算權益成本時產生的問題 ..................... 13 3.2.4 另一種普通股權益成本的估算：本息比倒數或本益比倒數 14 3.3 保留盈餘成本 ................................... 15 3.4 加權平均資金成本的計算 ......................... 15 4 我國上市公司WACC之求算 ........................... 16 4.1 銀行借款成本的衡量 .............................. 17 4.2 發行公司債成本 .................................. 18 4.3 普通股權益成本的估計方法 ........................ 18 4.4 保留盈餘(或自有資金)成本 ........................ 19 4.5 WACC中權數的計算 ............................... 19 4.6 WACC的計算 ..................................... 20 5 實證模型的建立與估計 ............................. 21 5.1 模型建立 ........................................ 21 5.2 估計方法 ....................................... 25 5.3 Hausman檢定 .................................... 26 5.4 全部樣本的估計 ................................. 27 5.5 貨幣政策對不同資金成本的影響 ................... 31 5.6 產業別估計結果 ................................. 32 6 結 語 ........................................... 32 附 錄：資料來源說明 ................................ 36 參考文獻 ............................................ 38 第二篇：權衡性貨幣回饋法則：以台灣為例 摘 要 …………………………………….................... 69 1 前 言 .................................... ……….. 70 2 央行的貨幣政策操作工具與目標 …………………………... 74 3 Markov Switching 回饋法則的實證模型……………………. 77 3.1 Markov Switching 模型 ........................... 77 3.2 央行的貨幣回饋法則 .............................. 80 3.3 貨幣政策短期目標的設定........................... 83 3.4 央行的「危機意識」 .............................. 84 4 模型估計 ........................................... 85 5 結 論 ............................................ 92 附 錄：模型估計法 (estimation algorithm) ............. 94 參考文獻 ............................................. 96 第三篇：台灣地區貨幣總計數之預測 摘 要 ……………………........………..........…....... 98 1 前 言 ………………………………...................... 99 2 結構模型的建立與估計 ………………………….......... 101 2.1 貨幣數量的決定 ................................. 101 2.2 模型建立 ....................................... 102 2.3 模型估計........................................ 103 3 季節性ARIMA模型之估計……..…….................... 105 4 共整合與誤差修正模型之建立與估計 ................. 109 4.1 模型建立及單根檢定 ............................. 109 4.2 模型設定(錯誤)檢定 ............................. 110 4.2.1 落後期數的選擇 ............................. 111 4.2.2 ARCH檢定 .................................... 111 4.2.3 常態分配檢定 ............................... 111 4.3 共整合向量的檢定與估計 ........................ 113 4.4 誤差修正模型之估計 ............................ 114 5 模型預測績效之比較 ............................... 116 6 結 論 ........................................... 122 附 錄：資料說明 .................................... 124 參考文獻 ............................................ 125

美元在世界上具有獨特的地位，大部份在國際上貿易的商品都以美元做為訂價，Devereux, Shi and Xu (2007)依此情況而把美元稱為國際上的參考貨幣(reference currency)。本文即以美元為參考貨幣的情況，建立一兩國動態隨機一般均衡(Dynamic Stochastic General Equilibrium)模型來探討在世界經濟體系中，有參考貨幣時，貨幣衝擊對兩國經濟體系的影響，以及當面對外在環境衝擊時，兩國政府應該如何選擇適當的貨幣政策。結果發現，擁有參考貨幣的國家發生貨幣衝擊時，對兩國的產出都有正面的影響，然而非參考貨幣國家發生貨幣衝擊時，反而有以鄰為壑(beggar-thy-neighbor)的效果。而在面臨外在環境衝擊時，選擇穩定通貨膨脹的利率法則對兩國而言都會帶來較好的福利效果。 / The U.S. dollars in the world possess a unique position; the majority of the international tradable goods are priced in the U.S. dollars. This paper sets up a two-country DSGE model where the U.S. dollar serves as the reference currency to quantitatively examine the impacts caused by the monetary shocks, as well as how both governments should adopt their monetary policies when facing external shocks. The results show that there are positive impacts on both countries' outputs when a monetary shock occurs in the reference-currency-holding country; Conversely, there is a beggar-thy-neighbor effect when the shock takes place in the other country. In general, the inflation-targeting interest rate rule leads to greater welfare in both countries.

在金融市場及經濟環境多變的情況下，貨幣政策之操作亦日漸重要。台灣央行自2000年起，為了刺激經濟發展不斷調降利率，實行寬鬆的貨幣政策；同期間台灣都會區之房地產價格亦開始不斷持續上漲。由於低利率即表房地產投資的低資金成本，也提供了有利的房地產投資環境，因此台灣寬鬆貨幣政策是否導致房價的高漲值得探討。文獻中關於利率與房價的相關研究甚多，然對於利率所隱含的政策意義及功能仍少有著墨，因此本研究利用共整合分析及因果關係檢定，並以Taylor’s Rule作為貨幣政策指標，檢視台灣1991-2010年間的貨幣政策與房價所存在之關係以及其鬆緊程度，俾了解貨幣政策在房地產價格中所扮演的角色。實證結果發現貨幣政策與房價間存在長期均衡之關係，且兩者會相互影響。接著利用Taylor’s Rule為指標發現台灣在2001-2005年之貨幣政策過度寬鬆，雖使得台灣房地產景氣自2003年開始復甦，但持續的低利率政策，則為導致台灣房價不斷攀升之原因。 / Taiwan’s Central Bank implemented loose monetary policy through reducing interest rate since 2000 to stimulate economy growth. In the mean time, housing prices rose rapidly since low interest rates encourage housing investment. We therefore hypothesize that the loose monetary policy caused the surge of housing prices. Previous studies have discussed the relationship between interest rates and housing prices, they usually ignored the rationale behind the interest rate. This paper employs the Johnson cointegration test, Granger causality test and Taylor’s Rule as a benchmark to examine the monetary policy from 1991 to 2010 in Taiwan. We found the existence of two-way, long-term relationship between the monetary policy and the housing price. Results also show that there exists excessively loose monetary policy from 2001 to 2005 using Taylor’s Rule as the benchmark. The loose monetary policy caused the housing price to rise from 2003, and the persisting lower interest rates led the surge of housing prices.

本篇文章的目的為，在一個含有銀行信用管道以及兩種家計單位設定的動態隨機一般均衡模型的架構之中，探討中央銀行實施貨幣政策以及技術面衝擊對於貧富不均度的影響。本篇文章主要依據Kumhof, Rancière and Winant (2015)對於兩種家計單位之設定，參考Benigo and Eggertsson (2016)加入銀行信用管道，並參考Lansing and Markiewicz (2016)將勞動內生化以及刻劃收入來源之不同，因而建構出一個封閉經濟體系，內含兩種不同的家計單位、商品生產部門、銀行信用管道、政府之課稅政策以及中央銀行之貨幣政策。本文發現，貧富不均度在面對中央銀行實施緊縮性貨幣政策以及技術面正向衝擊時會暫時性地擴大，在長期時會回到初始的靜態均衡值。 / The main purpose of this paper is to discuss the effect of monetary policy on income inequality using a micro-based dynamic stochastic general equilibrium model with credit channel and two groups of households. Following Kumhof, Rancière and Winant (2015), households can be divided into two groups; moreover, we follow Benigo and Eggertsson (2016) to add the credit channel, and follow Lansing and Markiewicz (2016) to make households supply labor endogenously and characterize the difference of income source. Therefore, we build up a closed economy model with two groups of households, goods firms, credit channel, the taxation policy implemented by government and monetary policy implemented by central bank. We find that contractionary monetary policy and positive technology shock will temporarily generate a worse income inequality. In the long term, the economy will be back to the initial steady state.