摘要 自從1989年到1991年台灣房屋價格大幅攀升之後，台灣的房地產價格就一直維持在較高的水準；以往的研究當中，大多從泡沫現象、收入成長率以及貨幣供給的角度來探討與解釋台灣房價過高的現象。本文的觀點乃參考Gollier(2001)對於資產定價研究所提出的看法與結論，利用台灣與美國的家戶收入與房地產價格的實際資料作實證分析，希望能對此問題提出另一個解釋。 從實證結果中發現台灣家庭對於房地產投資的金額是隨財富增加而增加，但是其增加的速度是遞減的，且台灣家戶房屋支出與收入不均有很高的相關性；表示家戶收入不均確實是台灣房價過高的原因之一。這個結果相當符合Gollier研究中的結論：當絕對風險忍受是凹向原點時，財富不均會增加資產風險溢酬。而美國的實證結果則不符合此項結論。另外，Gollier也證實了收入不確定性會使財富不均對資產溢酬的影響更大，實證也發現台灣收入不確定性的情況比美國嚴重，此結果也進一步支持之前的結論，證實台灣收入不均對於房價的影響確實比美國顯著。

No description available.

權益成本估計的不確定性將嚴重影響企業價值評估的準確性，因此本文檢視CAPM單一因子模型及Fama and French三因子模型，依1982年7月至2007年12月之台灣二十八類產業為研究樣本，以傳統的所有樣本期間迴歸（Full-period Regression）與滾動式迴歸（Rolling Regression）兩種不同估計方式，發現CAPM及Fama and French三因子模型之風險係數隨著時間改變的平均真實隱含標準差均高達0.18以上。比較兩模型在產業權益成本預測能力的比較上，Fama and French三因子模型不論預測近期或遠期的表現均優於CAPM外，預測的期間越久，兩模型預測能力差距將越小，其預測能力也越接近。在我們進一步利用兩種定價模式估計產業權益成本發現，Fama and French三因子模型明顯降低了產業權益成本的波動狀況，並且CAPM與Fama and French三因子模型使用五年滾動式迴歸模型估計的差異大於使用完整樣本期間估計的方式。有鑑於此，當我們選擇資產定價模型做為資產評價上之權益成本應用時，在預測短期間的權益成本估計上，Fama and French三因子模型以長期間的完整歷史時間估計仍為有較佳方式。然而在預測遠期的權益成本估計時，CAPM仍為不錯的估算方式。

本文主要針對台幣兌換美元的匯價，採用移動平均法則給定的交易訊號模擬交易，透過模擬交易得到顯著異於零的超額報酬，試著利用條件資本資產定價模型解釋超額報酬與風險之間的關係。實證結果顯示：在傳統資本資產定價模型下，超額報酬無法透過承擔風險所獲得風險貼水來解釋，但加入金融危機事件的影響後，發現在金融危機期間，市場風險係數下降，異常報酬增加，表示在此期間，即使市場大盤表現不佳，技術分析仍能成功捕捉台幣兌換美元的匯價變動趨勢，使金融危機期間的技術交易報酬平均高於金融危機前後。

未拋補利率平價說的不成立，衍伸出平均報酬大於零的利差交易(carry trades)。 過去基於風險解釋的文獻，提出各種風險因子欲歸因此套利策略的不尋常超額報酬，實為承擔不同風險的額外補償，亦即風險溢酬(risk premium)。 不同的風險因子可略分為兩派：一為有經濟理論根據，卻在實證上未獲支持的「消費成長因子」；二為在實證上具顯著解釋力的「外匯相關因子」， 卻無理論依據而難以賦予利差交易報酬經濟意義。 本文主張以無風險實質利率作為風險因子。此想法源於隨機貼現因子(stochastic discount factor)之定義式以及現實環境中的觀察。 我們的實證發現，實質化的美國公債利率對於利差交易的報酬有顯著的定價能力。 本文更進一步驗證，本因子甚至比起文獻上的外匯波動度因子，更具顯著的定價能力。另外，本因子亦能解釋動能利差交易之報酬，此為高減低因子所不能定價的報酬。

以往財務理論在討論財務市場行為時，均是在完全市場( e market)的假 設上做分析。但是從現實的角度來看，由於時間 (time)與不確定(uncertainty) 等因素，導致市場往往是不完全的(incomplete)；亦即資產或證券的數目往往小 於未來各種可能發生的不確定狀態的數目。當各種不同狀態事件發生時,如果沒有足夠的 資產或證券工具來涵括(span)所有投資人所欲達成的跨時所得移轉，則有某些風 險因子不能以既有的財務工具來複製，此時投資人將無法完全地規避該項風險。 本文的分析方法屬於微分拓樸數學工具的應用。從基本可微分流行(differentiable manifold) 性質，我們可得到整體性的觀點，優於以往在歐氏空間，Hilbert 空 間等拓樸空間只考慮在局部的性質.首先由最基本平滑流形(smooth manifo-[念 切入，介紹平滑流形與歐氏空間的關係。再由市場均衡的定義找出均衡流形( equilibrium manifold)。結合Debreu(1970)與Balasko(1976,1988) 建立的正 規經濟，探討其性質.加入財務市場時，透過正規經濟的理論，證明不完全財物 市場均衡generic 存在性。最後，利用不完全財務市場均衡generic的存在性，證明單 一商品及多商品的資本資產定價(CAPM)；並且建立一以消費為基礎的資本資 產定價模式。

異質信念(Heterogeneous beliefs)修正傳統資產定價理論中同質信念(Homogeneous beliefs)的基本假設，探討投資者間所持有的不同資訊，以及對於資訊的不同參考程度，如何影響資產定價。 本文試圖以Banerjee(2008)的模型，估計出臺灣投資者對於台灣各家公司股票的價格參考密度；並且透過外部研究者的預測作為市場不同信念的代理變數，探討異質信念對於臺灣股市交易的價量影響。 經由實證結果發現，在台灣的股市交易市場上，當市場的資訊流通速度愈快，投資者對公開資訊的參考密度愈低，投資者愈易依賴自己所持有的私人資訊。當投資者的行為決策將愈顯紛歧時，對交易量和報酬率的影響皆為正。 / Heterogeneous beliefs, which revise the basic assumption of traditional asset pricing theory- Homogeneous beliefs, study the impact on asset pricing by different information owned and referred by investors. I use the model derived from Banerjee(2008)to estimate the degree how Taiwan investors will take into account stock prices when they make investment decisions. Also, I study how heterogeneous beliefs of investors influence stock prices and trading volume in Taiwan stock market, using predictions of external researchers as a proxy variable of dispersion in beliefs. The empirical results show that the degree which investors take into account prices will be lower when a faster information flowing speed exists in Taiwan stock market. When investors rely more on their private information, their investment decision will become much diversified. Dispersion in beliefs has a positive influence on stock trading volume and return.

本文旨在探討台灣流動性交易需求對於股票報酬之波動性（變異數）與共移性（共變異數）的解釋能力。我們仿照Greenwood and Thesmar (2011) 的作法，完全利用共同基金的資料來近似股票的流動性交易需求（共同基金增加或減少其持有某支股票的部位）以及股權分佈，並據以推導出股票的脆弱性以及共脆弱性來預測股票報酬的變異數以及股票間的股票報酬共變異數。根據這個理論模型，當股票投資者面臨流動性衝擊，如果股權高度集中，或是散戶投資者間的流動性交易需求具有高度相關（即同時買進或同時賣出）時，流動性交易需求對股票報酬變異數以及股票間的股票報酬共變異數會產生顯著的影響。本文利用台灣2002年至2011年50家共同基金的資料，得到以下的結果：一、由股票流動性交易需求所推導出來的股票報酬波動（即股票之脆弱性）與利用股價所計算出的股票報酬變異數有明顯的正相關。二、股票的共脆弱性以及股票之間的共移性呈明顯正相關。三、小公司股、成長股、歷史表現好的股票均具有高脆弱性。以上實證結果指出，流動性交易需求對股票報酬有顯著的影響力，因此可利用股票之脆弱性預測股票報酬之波動。

長期性資料(longitudinal data)的最主要特徵是為對多個被觀測個體在不同的時間點上重複測量一個或多個反應變數。而在分析長期性資料的方法中，Laird & Ware(1982)建議以線性混合效果模型(linear mixed effects model，LME)來進行估計分析，此模型方法中，資料可以允許遺失值，並可將受測個體間與個體內的變異分開說明。 另在配適最小平方法(OLS)的迴歸模型中，係數估計經常會受到異常值的影響，而Rousseeuw & Leroy(1987)提出最小消去平方法(least trimmed squares，LTS)的穩健迴歸模型，即是解決最小平方法中對於異常值敏感的問題。 本研究主要針對台灣股票預期報酬之三種模型：資本資產定價模型、特徵模型、因子模型分別以OLS、LTS、LME三種估計方法做配適，並比較配適模型之適當與否，樣本資料為民國七十年七月至九十年六月共252個月516家上市公司股票報酬。實證結果顯示，不論是採用OLS、LTS、LME的估計方法，股票報酬解釋變數：系統風險、公司規模、帳面權益對市值比、SMB、HML皆為股票報酬的顯著解釋因子；而在模型比較方面，不論是配適資本資產定價模型、特徵模型或因子模型，LME都較OLS為較適當配適模型。這顯示了在分析長期性資料時，LME的確是一個較佳的統計分析模型。

資本資產定價模型 (CAPM) 由Sharp (1964)、Lintner (1965)及Black (1972)發展出後，近年來已被廣泛的應用於衡量證券之預期報酬率與風險間之關係。一般而言，衡量結果之估計有兩個階段，首先由時間序列分析估計出貝它(beta)係數，然後再檢定廠商或投資組合之平均報酬率與貝它係數之關係。 Fama與MacBeth (1973)利用最小平方法估計貝它係數，再將由橫斷面迴歸方法所得出之斜率係數加以平均後，以統計t-test檢定之。然而以最小平方法估計係數，其估計值很容易受離群值之影響，因此本研究考慮以穩健估計 (robust estimator)來避免此一問題。另外，本研究亦將長期資料分析 (longitudinal data analysis) 引入CAPM裡，期望能檢定貝它係數是否能確實有效地衡量出系統性風險。 論文中以台灣股票市場電子業之實證分析來比較上述不同方法對CAPM的結果，資料蒐集期間為1998年9月至2001年12月之月資料。研究結果顯示出，穩健估計相對於最小平方法就CAPM有較佳的解釋力。而長期資料分析模型更用來衡量債券之超額報酬部分，是否會依上、中、下游或公司之不同而不同。 / The Capital Asset Pricing Model (CAPM) of Sharp (1964), Lintner (1965) and Black (1972) has been widely used in measuring the relationship between the expected return on a security and its risk in the recent years. It consists of two stages to estimate the relationship between risk and expected return. The first one is that betas are estimated from time series regressions, and the second is that the relationship between mean returns and betas is tested across firms or portfolios. Fama and MacBeth (1973) first used ordinary least squares (OLS) to estimate beta and took time series averages of the slope coefficients from monthly cross-sectional regressions in such studies. However it is well known that OLS is sensitive to outliers. Therefore, robust estimators are employed to avoid the problems. Furthermore, the longitudinal data analysis is applied to examine whether betas over time and securities are the valid measure of risk in the CAPM. An empirical study is carried out to present the different approaches. We use the data about the Information and Electronic industry in Taiwan stock market during the period from September 1998 to December 2001. For the time series regression analysis, the robust methods lead to more explanatory power than the OLS results. The linear mixed-effect model is used to examine the effects of different streams and companies for the security excess returns in these data.