The task of this paper is to employ the global asset pricing theory suggested by Ferson and Harvey (1995) to study the stock markets in the devoloping countries. Ferson and Harvey (1998) clarified the relationship in the developed countries under the global asset pricing model between mispricing and risks to cross-sectional explanatory power of conditional beta constructed by predetermined lagged variable such as book-to-market-value, cash-flow, P/E ratios and other determinants. There is also significant evidence of conditional betas in the three-factor model by Fama and French (1993), and the four-factor model by Elton, Gruber, and Blake (1995), and in the following research by Ferson and Harvey (1999). This paper focuses on the recently fast growing emerging markets to provide analysis of the debate on explanatory power coming from risk exposure or mispricing, and also tries to provide evidence for the global conditional asset pricing model, identifying other patterns of conditional asset pricing model for emerging markets.

為順利解決金融體系不良債權、擴大金融機構經濟規模及營運範疇，並提升經營效率，以維護適當競爭環境，政府自民國89年12月13日制定「金融機構合併法」以來，已陸續制定、修正並頒布諸多法令，在金融體系之各業務單位配合遵循及戮力執行下，確已達到降低逾期放款之政策目標。 惟在政府要求快速打消呆帳之政策指引下，現行租稅法令之適用性、合理性、公平性及可行性，與實務運作相異，甚或有矛盾、不明確之處，致納稅義務人無所適從，錯估交易事實所產生之租稅負擔，進而衍生不必要之爭議與訟源。 經由文獻探討及個案討論之分析，本研究擬就政策制定面、租稅法令面及實務運作面，研擬改進建議，供金融機構主管機關及賦稅主管機關作為修法之參考。 一、政策制定面 （一）目前資產管理公司採開放登記之方式，建議比照國際作法，改採由金融主管機關特許設立，並予以高門檻管理為宜。 （二）建議政府應善用其公權力，以勸導、獎勵、糾正或採行強制命令等措施，促使金融機構加速釋出不良債權。 （三）建議政府應詳實分析檢討現行課稅規定，適當地給予必要之租稅優惠，以增加資產管理公司處分不良債權之誘因。 二、租稅法令面 （一）專案立法或在特別法中專章規範資產管理公司不良債權之處理原則。 （二）建請賦稅單位修法並增修解釋函令，明確規範，俾利徵納雙方遵循。 1.專營不良債權買賣之資產管理公司有關交際費限額之計算，建議其因購買不良債權所支付之成本與出售不良債權所回收之收入，分別按進貨淨額與銷貨淨額計算交際費限額。 2.資產管理公司就不良債權之轉售差價或收回與買價差額計徵營業稅，其個別債權成本或售價之認定，建議依序按買賣合約書所議訂之個別債權實際交易成本或價格、按公正第三人對個別債權出具之評定價值或按該不良債權之帳面價值作為分攤基礎，予以分攤計算個別債權成本或債權售價。 （三）建請賦稅單位積極檢討並修正現行不合時宜及與實務不符之法令。 1.被投資公司因經營發生虧損，日後為彌補累積虧損所產生之減資損失，建議列為不計入所得額項目之調整。 2.資產管理公司專營及兼營之認定標準，建議當經營不良債權買賣業務所產生之收入，遠大於經營非屬不良債權買賣業務所產生之收入時，仍屬營業稅法所規範之專營營業人。 3.資產管理公司取自金融機構之不良債權，建議仍有提列備抵呆帳之適用。 三、實務運作面 資產管理公司應積極地向社會民眾宣達其使命、任務及所提供之專業服務內容，善盡快速去化不良債權之社會責任與使命，避免採行低價策略而引發社會道德危機，降低因處分不良債權所帶來之社會無謂損失，並針對特定或可能之買主及其所需之不良債權，建置完整之買方資料庫，藉此提高承受抵押品前先找到買主之成交機率，善用現行租稅優惠，減輕租稅負擔。

本研究摒棄傳統上假設金融資產的報酬率呈現常態分配或t分配，而以定態拔靴法的方式來模擬真實報酬率的分配，配合最小要求報酬限制模型，在既定風險下追求校務基金的報酬極大。本研究使用由下而上的資產配置方式，透過某些篩選機制挑選出優異的十檔股票、四檔債券型基金、三檔公債和定存形成投資組合，並以1998年3月到2006年2月共96筆月資料進行分析，決定最適資產配置。此外為檢驗最適資產配置的結果和績效，分別以不同的最小要求報酬 （0、-5％、-10％）、不同的時間長度（月、季、半年、一年）為調整期間以及考慮實際交易費用與否來進行樣本外測試，做法為從1998年3月開始，每次皆以五年共60個月的資料來對下一年（12個月）資產配置的報酬進行測試，以rolling的方式每次去掉第一個月（一季、半年、一年），再補上新一個月（一季、半年、一年）來測試最佳的資產配置方式。實證結果顯示在考慮交易成本之後，最小要求報酬為0（即不損失）的投資組合其Sharpe ratio皆為負數，代表投資組合的績效不如定存，還不如將錢都放在定存。因此本文將建議使用 為-5％或-10％資產配置方式，同時一個月調整一次投資組合，將可獲得較佳的投資績效。 / In this study, we implement the simulation of the real distributions of financial assets by means of the stationary bootstrap method instead of assuming normal distribution or t distribution. With the assistance of minimum required return model, we pursue the maximum profit under finite risk. We use the bottom-up asset allocation and select excellent investments by some criteria to form the portfolio, including four bond funds, ten stocks, three bonds and a time deposit. We use 96 monthly data from March 1998 to February 2006 to decide the best way for asset allocation . Besides, to make sure the asset allocation is practical, we also take transaction costs into account and conduct an out-of-sample test with different minimum required returns (0, -5%, -10%) and different holding periods (a month, a quarter, half a year, a year) to decide the best way for asset allocation. Starting from March 1998, we conduct an out-of-sample test with a solid 60-month data each time to test the return of the following year under specified asset allocation decisions. This is then done repeatedly by using the method of rolling, replacing the 1st-month data (1st-quarter data, 1st-half year data, 1st-year data) with new monthly data (quarterly data, semi-annual data, annual data) to find the best asset allocation. The Empirical result shows that after transaction costs are taken into account, the Sharpe ratios of the portfolio with the equal to zero are negative and the return are worse than the interest rate of the time deposit. Therefore, the asset allocation with equal to -5％ or -10％ will be recommended. Besides, monthly portfolio adjustment is better.

由於資產的減損會大幅影響會計盈餘與資產價值，且一般公認會計原則給予公司管理階層在資產減損的處理上有很大的彈性，因此長久以來，長期性資產減損的議題都吸引著經理人、會計資訊使用者、媒體、政府規範單位以及學術界的注意。美國財務會計準則委員會在2001年10月發佈了財務會計準則第142號與第144號公報來修正原本規範長期性資產減損的第121號公報，其中第144號公報主要規範的資產類別為非商譽類的長期性資產減損會計處理。雖然144號公報施行至今已有數年的時間，但與144號公報相關的實證研究極少，因此本文將時序拉回公司採用144號公報的首年度，分析公司認列長期性資產減損的決定性因素以及股票市場對公司資產減損宣告的反應。 在公司認列長期性資產減損的決定性因素方面，實證分析結果顯示公司長期性資產減損之金額會受到公司之經濟因素（股票報酬、資產報酬率成長率）以及報導動機（總資產、盈餘平穩化、經理人變動）影響，由此可知公司認列資產減損的行為與動機除了包含144號公報內所規範的經濟因素外，尚包括傳統盈餘管理理論中所提出的報導動機。 而在分析股票市場對公司資產減損宣告反應的研究中，先前的研究均是假設市場上對於資產減損的認列為非預期的，然而市場上對於資產減損損失的認列並非全然皆為非預期的，投資人亦有可能透過公開資訊的蒐集以及理性分析後會將預期資產減損損失考慮在投資策略中；因此本文利用迴歸模型預測，將長期性資產減損分為投資人預期與非預期兩種類型進行分析，以分別探討投資人對預期與非預期的資產減損宣告有何不同的反應。實證結果顯示，不論資產減損是否被投資人預期，股票市場對於資產減損的消息並沒有顯著反應。

本研究以2006年至2015年4月30日台灣股票市場所有上市櫃股票為樣本，首先利用每季公布之財務報表，以市值、股票月週轉率、每股盈餘、股東權益報酬率、本益比等六項指標作為第一階段篩選股票之準則。接著進行第二階段之股票篩選，先透過ASKSR篩選出現最好之兩倍投資組合數的股票後，再透過計算其技術指標總分篩選出符合投資組合數的股票。選好股票後再由多元Gaussian Copula-GARCH(1,1)-t與元Gaussian Copula-GJR(1,1)-t模型進行估計並以蒙地卡羅法模擬，藉由CRRA效用函數、mean-variance效用函數、Sharpe ratio、CARA效用函數最適化權重來投資。樣本期間內採Rolling window方式不斷調整投資組合直到結束。 　　本論文欲探討結合財務資訊指標、股票評分指標與技術指標去選股，並嘗試比較以多元Gaussian-Copula-GARCH(1,1)-t資產模型與多元Gaussian-Copula-GJR(1,1)-t資產模型進行資產配置之效果，希望達到穩健獲利的效果。

專屬資產是交易成本理論中最具有預測力的構念，過去專屬資產構念主要是應用在B2B交易情境，本研究欲將專屬資產所衍伸的概念應用在廠商與消費者間的交換關係，並修正目前專屬資產相關量表的一些問題，包括了對專屬資產的衡量並沒有一致性的作法、衡量方式沒有回歸到專屬資產最原始的定義，以及有些研究用單一題項或是代理變數來衡量會產生效度上的問題，因此研究一依循Churchill（1979）及Hinkin（1998）建議的量表發展程序而發展出能應用到B2C情境的消費者專屬資產量表，本研究以兩階段問卷共計1453位受訪者為施測對象，透過探索性及驗證性因素分析發展出六個構面-「特有使用知識專屬資產」、「特有實體設備/軟體或服務專屬資產」、「忠誠客戶優惠專屬資產」、「特有人際關係及溝通效率專屬資產」、「心理層面認同專屬資產」、「特有無形社會壓力專屬資產」共計19題之消費者專屬資產量表，資料顯示量表具有良好的信、效度及因素結構。 研究二為整體模型架構實證，透過文獻整理釐清專屬資產及移轉成本的相同點、相異點及兩者間的關係，並將專屬資產與移轉成本放入消費者信任-滿意-忠誠回應架構中，結果發現專屬資產為移轉成本的前置變數，且專屬資產及移轉成本皆為消費者滿意與忠誠回應間之重要中介變數。 研究三為比較本研究發展的專屬資產量表（AS量表）與傳統專屬資產量表（TAS量表）在構念預測力上是否有顯著差異，結果發現五個產業中有兩產業（專櫃化妝品業與進口車業）AS量表預測力顯著高於TAS量表，三產業（銀行業、美髮業、精品業）無顯著差異。 / Specific asset is the most predictable construct in transaction cost theory. The construct of specific asset has been most commonly used in B2B context in the past. This research aims to extend the application of specific asset to B2C context, and also solve the following 3 issues regarding the present specific asset scales. First, there is no consent about the measurement of specific asset. Second, the definition of specific asset is misunderstood. Third, some researches use single item or proxy variables to measure specific asset, which leads to potential construct validity problems. Therefore, study 1 follows Churchill (1979) and Hinkin (1998) to develop the consumer-specific-asset scale. This study uses two stages of empirical data and collects 1453 valid samples. Through exploratory and confirmatory factor analysis, this study develops a 19-item instrument, including six types of consumer-specific-asset: 1) specific knowledge, 2) specific equipment/software or service, 3) loyalty program, 4) specific relationship and communication, 5) identification, 6) invisible social pressure. The analyzed data shows that this scale has reliability, validity and good factor structure. Study 2 seeks to provide an empirical test of the structural model. The author identifies the similarities, differences and the relationship between specific asset and switching cost first, then put the specific asset and switching cost into the trust-satisfaction-loyalty response model. The results show that specific asset is the antecedent of switching cost, and both specific asset and switching cost are the important mediators between consumer satisfaction and loyalty response. Study 3 focuses on comparing the predictability between the new specific asset scale (developed from study 1) and traditional specific asset scale. The results suggest that among the 5 industries this study chose, the new specific asset scale predicts better in the 2 industries (cosmetic and car) and no significant difference in the 3 industries(bank, hair stylist and luxury goods).

資產證券化一詞源自1970年代，而第一筆資產基礎證券的發行則始於1986 年。由於其具有自資本市場直接融資、降低籌資成本、分散籌資來源、提高資本適足率等誘因之下，逐漸受到銀行以及其他企業的重視，並發展成為固定收益證券市場中比重相當大的一環。擔保債權證券交易自1988年出現在美國，然後在歐美迅速發展，目前已成為重要債券市場之一。台灣金融產業發展正值轉型期，銀行除面對低利率帶來經營壓力之外，同時亦需規避評等較差之企業貸款的信用風險，而保險業者在低利率時代來臨卻無良好報酬之投資標的可供投資。因此，此環境乃為推動證券化之良好契機。自1997年發生東南亞金融危機，乃至1998年韓國的亞洲金融危機，造成許多跨國企業紛紛裁員、關廠、甚至倒閉，造成一連串的金融危機連鎖效應。因此，公司間或產業間之榮枯是相互關聯的，且均會受總體經濟因素所影響。是以，近年來信用風險亦成為近年來財務領域上重要議題。理論或實證上，當多個標的資產之信用衍生性商品被加以開發，並用來管理信用風險的時候，需考慮多個標的資產間的違約相關性，方能準確地衡量信用風險。故在信用風險管理與信用衍生性商品的評價中，違約相關性的估計與考量顯得格外重要。結構式或縮減式模型在發展違約相關性的多變數模型中是困難的，因為其衍生性商品價值的理論推導繁複或其數值計算是相當費時。本研究是假設隨機違約強度模式下，並在多標的資產之信用風險評價模型中，透過適當個別資產之邊際違約機率與Copula函數之選擇，及其相關參數之估算，即可快速求算具違約相關性之多變數聯合機率函數，以利擔保債權證券(CDO)之評價，並模擬出未來可能損失分配，進行主次順位架構下不同分券比例的敏感度分析，以瞭解不同的次順位劃分比例對於各順位分券風險值的影響程度為何。另外，隨著國內目前證券化腳步的發展，在未來證券化商品勢必成為市場上的主流商品之一，將來可供證券化的資產種類勢必也會增加。因此，為了提高投資人對於不同資產種類的投資信心，以方便發行人對於證券化商品的銷售，信用增強機制在證券化中所佔的地位也將更形重要。在這樣的情況下，評估標的資產可能的違約損失，以決定信用增強的比例該為多少，對於發行人而言也將會是一項重要的課題。因此本文針對Copula方法與分析架構做一剖析，再以國內第一檔公募之擔保債權證券－法國里昂信貸銀行企業貸款為例，進行模擬實證並分析結果。 本研究結論如下：在信用風險管理與信用衍生性商品評價中，違約相關性是ㄧ個重要的因子。此外，本研究發現違約回收率、標的資產間的相關係數以及違約機率等三者均會影響分券信用價差的評價：就權益分券而言，信用價差與相關係數是呈反比的，而次償分券表現出來也與權益分券大致相同，相對於權益分券與次償分券，先償分券之信用價差則與債權群組內標的資產間的相關係數則是呈正比的。實證結果亦顯示，承購風險性較高的分券其估算出的合理的風險溢酬也較高，此外，當違約回收率愈高時，債務人違約後的損失愈低，因此發行者需給予證券投資人的合理風險溢酬也愈低。另外，債務人的信用評等高低影響違約機率的大小，其亦是影響CDO商品合理溢酬高低的主要關鍵。再者，假使忽略債務人之間的違約相關性時，則各分券所估算出來的合理溢酬均會有所偏誤。因此，此結果隱含，評價CDO商品之合理溢酬時，需考慮債權群組內資產間的違約相關性，亦即投資人所面對風險除分券本身的信用風險外，還需考慮到債權人違約相關之風險，違約相關性愈高則投資者所面對的風險也較高。另外，介於先償分券與權益分券之間的次償債之信用價差，其信用價差大小大致上約介於先償分券與權益分券之間，而預期損失金額則是受到各順位分券比例大小不同，而有所差異。因此，將再進行主次順位架構下不同分券比例的敏感度分析，結果顯示若次順位債權分券（即權益分券）比例愈高，愈有信用增強之作用。 最後，若將本研究所估算出來分券的合理溢酬與實際CDO契約所載明計算出的結果相比較，其間差異並不大。因此本研究所建構的評價模型應能提供發行者與市場投資人一個評價基礎，不失為一種可行方法。

本研究以實證檢驗了「營業虧損扣抵遞延所得稅資產」之評價，以及其對股價之價值攸關性。本研究除了發現「營業虧損扣抵遞延所得稅資產」與股價顯著正相關，具有「資產」的性質外，另外觀察在加入「營業虧損扣抵遞延所得稅資產」相關變數後，即「當期營業虧損扣抵變動數」（增加數），或「當期發生營業虧損扣抵虛擬變數」，發現當期發生的「營業虧損扣抵」與股價呈現顯著的負相關，可以推論當期發生的「營業虧損扣抵」對股價係負面消息，且本身使得帳上原有的「營業虧損扣抵遞延所得稅資產」及「所得稅抵減遞延所得稅資產」因本期所得額為負而價值降低；另一個虛擬變數「營業虧損扣抵有效年數虛擬變數」對股價為反向但結果不顯著，可能的原因係樣本公司帳上平均只有一年左右的「營業虧損扣抵遞延所得稅資產」，另外也暗示了「營業虧損扣抵遞延所得稅資產」和「所得稅抵減遞延所得稅資產」未來可實現性，有足夠的課稅所得可供抵減。 / The paper uses the empirical method to examine the value relevance of a company’s deferred tax assets from tax loss carryforwards which respond to the stock price. In addition to the positive effect of deferred tax assets from cumulative tax loss carryforwards, representing the “asset” valuation to save the future tax, the paper finds the negative effect of deferred tax assets from the contemporary tax loss carryforward, which respond to the stock price. The paper uses the incremental value of deferred tax assets from the contemporary tax loss carryforward as a specific variable and two dummy variables, whether the operating loss happens this year and the number of effective periods of unused tax loss carryforwards, to examine the effect of deferred tax assets from the contemporary tax loss carryforward. The empirical result finds that the variable, the incremental value of deferred tax assets from the contemporary tax loss carryforward, and the dummy variable, whether the operating loss happens this year, are significantly negatively related to the stock price in statistics, but the negative effect of the dummy variable, the number of effective periods of unused tax loss carryforwards, is not attested in statistics, with a possible reason of more or less than one effective period of unused tax loss carryforwards.

本研究主要探討台灣地區壽險公司資產配置以及風險管理策略之情形，首先針對資產配置中可能投資之七項新興資產市場概況做介紹，包括金融資產證券化受益證券、結構式債券、創投、國內可轉換公司債、不動產與不動產證券化受益證券、避險基金以及衍生性金融商品。藉由這些資產的風險報酬情形以及市場流動性等資訊，可協助壽險公司資產配置之決策。 本研究採取個案訪談之方式，對台灣地區主要16家壽險公司進行直接訪談。文中將壽險公司區分成本國大型、中型與小型壽險公司以及外商大型、中型與小型壽險公司。透過16家壽險公司之訪談結果，歸結整理出不同類型之壽險公司，在資產配置策略決策的形成、各資產之投資策略以及風險管理策略上有何異同。本國大型壽險公司由於資源較為充裕，多藉由建構模型，以數量分析方式來決定公司之資產配置，而資產配置之決策流程也較符合理論作法。本國中小型壽險公司則較偏向人為之決策。而外商壽險公司之資產配置決策則主要視母公司之政策而定。此外，根據本次訪談，有多家壽險公司已開始著手進行較為完善之整體資產配置規劃，若能確實執行，相信對公司之整體經營績效有極大幫助。而國內中小型壽險公司則需多加強數量分析模型之建置，避免額外遭受所謂的人員操作風險。

本文結合動態財務分析（Dynamic Financial Analysis, DFA）與演化策略演算法(Evolution Strategy, ES)找尋產險公司最佳的投資比率。本文模擬產險公司的25年的營運情形，將各資產價格變化以隨機模型建構的概念帶入，加入損失分配並考慮多重期間的資產配置比率重分配(re-allocation)等條件，在建立目標方程式後，運用演化策略演算法求得最佳的資產配置比率。 / In the research, the tools we take are the dynamic financial analysis( DFA ) system and the evolution strategy algorithm( ES ), which can be used to find the best investment ratio for insurance companies. The whole content of this article demonstrates the condition of property-casualty insurance companies in the 25 years. It takes place of the change of prices in every item of the asset by some kind of stochastic models, then, takes notice of the distribution of loss and re-allocation, sets a objective function for the goal to find the best ratio of the asset allocation by ES.