當產險公司需要同時兼顧競爭力並免於破產時，適當的資產配置就是一項相當重要的決策。然而採用均數-變異數分析(mean‐variance analysis)將受到許多限制，而動態控制理論則是難以實作，因此，我們提出一個新的解決方法。這個方法主要係應用模擬最佳化的演算法，例如基礎的基因演算法(basic genetic algorithm, GA)，多階層演化策略(multi-phase evolutionary strategies, MPES)及多階層基因演算法(multi-phase genetic algorithm, MPGA)等並結合模擬模型，來求解保險公司之資產配置的問題。首先我們建立投資市場及保險業務市場的模擬模型，之後再利用本研究所發展出新的最佳化演算法來搜尋最佳的資產配置。在實務上無法實現的多期投資策略，在我們的研究架構下得以被採用，並且在比較求解結果下，多期投資策略(reallocation strategies)較定額投資策略(re‐balancing strategies)有顯著較佳的績效。在兼顧保險公司投資收益並避免破產的目標函數下，我們所提出的研究方法已證明可以用來協助保險公司建立較佳的資產配置。 / Proper asset allocations are vital for property‐casualty insurers to be competitive and remain solvent. However, popular mean‐variance analysis is limited while dynamic control theory is difficult to implement. We thus propose to apply simulation optimizations such as basic genetic algorithm (GA), multi‐phase evolutionary strategies (MPES) and multi‐phase genetic algorithm (MPGA) to the asset allocation problems of the insurers. We first construct a simulation model of the property‐casualty insurer and then develop simulation optimization techniques to search optimal investment strategies upon the simulation results. The resulted reallocation strategies perform better than re‐balancing strategies used in practice with significant margins. Therefore, our proposal researches can be used to assist insurers to construct better asset allocations.

由於扶養比降低與平均餘命增加，退休理財規劃已被國人所重視。本研究首先介紹退休規劃的流程，依照世界銀行1994年所提出之退休所得三層架構，第一層為強制性社會安全制度的保障，第二層為退休金制度，以及第三層為自願性商業保險儲蓄制度。當退休前的自願儲蓄不足時，即可能產生退休不足度的問題，解決方式為設法提高退休所得；而影響退休所得有三個主要因素，其一為金額之多寡，其二為累積時間之長短，而最為個人能掌握的第三個重要因素為「投資報酬率」之高低，因此如何利用較佳的投資策略與報酬，減少退休所得不足的問題即為一種大課題。本研究主要的目的為考量風險因素後，分析各種投資策略的績效與檢視交易成本對其之影響，並且設法在有無限制風險程度下，找出最大報酬率的策略。分析結果發現固定比例混合法投資策略在各績效衡量指標下與加入交易成本考量皆有較佳的表現，且在限制風險找尋最大報酬的情形下也是如此；但如果是在沒有限制風險找尋最大報酬的情形，固定比例混合法投資策略在以尾端風險為考量之決策目標時，即非最好的策略。 關鍵字：退休規劃、資產配置、投資策略

動態規劃是一種專門用來解決最適化的數學方法，其觀念源自於Bellman (1962)，他提出了動態規劃的最佳原則，然而動態規劃問題不見得有封閉解(closed form solution)，即使其存在，求解過程往往也相當困難且複雜。Vigna & Haberman (2001)用動態規劃方式找出最佳的投資策略並分析確定提撥制(defined contribution)下的財務風險；本研究擬以Vigna & Haberman (2001)的模型為基礎，提出解決動態規劃問題的數值方法。 Vigna & Haberman (2001)推導出確定提撥退休金制度下離散時間的最適投資策略封閉解，透過該模型，我們可以比較本研究所建議的方法與真正封閉解的差異，證實本研究所建議的方法的確可以提供動態規劃問題一個接近且有效率的數值解法。接著根據Yvonne C.(2002、2003)的抽樣方法，希望在進行模擬時，能找出模擬情境的特性並對這些情境進行抽樣，藉此減少情境數以增加電腦運算的效率。最後應用在Vigna & Haberman (2001)的修正模型以及Haberman & Vigna (2002)的模型上，說明了本研究所建議的數值方法也適用在各類型的動態規劃上，包含理論封閉解不存在以及求解非常複雜的問題。

資產配置策略會影響公司資產負債管理，觀察國內各壽險業者，其資產配置策略大不相同。因此，本研究欲深入分析各保險公司之資產配置策略對公司之影響，並探討保險公司資產配置決策之影響因素，並透過國內外現況加以比較分析。 資產配置策略由公司相關部門依照風險偏好、負債面考量等各項因素訂定投資決策以及目標報酬率並交由經理人執行。而欲瞭解資產配置策略是否完善，本研究採用追蹤資料模型(Panel data model)，以財務績效作為反應變數，並驗證財務績效受到哪些因素影響；此外並以總資產作為分群變數，以集群分析將各公司分群，探討各群內之狀況。 本研究結果發現，公司規模對於稅前股東權益以及稅前每股盈餘有顯著的正向關係，大規模之公司能藉由保險業務之經營創造更高的利潤。人壽保險保費收入比率項對各財務績效指標均無顯著影響；資產風險對投資績效以及稅前每股盈餘有顯著正向影響，此結果顯示提高資產風險能增加投資收益及稅前盈餘；各資產類別對各財務績效指標均有顯著正向影響；不同公司型態間的投資績效以及稅前股東權益報酬率有明顯差異，上市公司之投資績效顯著高於非上市公司；在控制其他變數下，外商公司與本土公司之投資績效無顯著差異，而稅前股東權益報酬率外商公司顯著高於本土公司。稅前每股盈餘資料無法比較不同公司型態間的差異。

許多研究發現投資人在面對不同情況時，會表現出過度自信之現象，其中最甚者為過度自信現象(overconfidence)，亦有研究探討如何解決過度自信，使得投資人之資產配置更加效率。結果發現雖然無利益衝突之財務建議，的確能夠解決資產配置缺乏效率的問題，然而，採納者少之又少，而採納建議者仍會依照自己想法配置資產，使得財務建議效果下降，故本研究便發想，既然投資人普遍已有成見，何不從最根本的學校教育做起，使情況有所改善。 本研究利用實驗之方式，以政大學生作為研究對象，將樣本分為未修過財管大學生、修過財管大學生以及財管所學生三個子族群，首先以問卷調查其客觀及主觀特性，再進行財務投資遊戲以得出實驗結果，並加以迴歸分析。 實證結果發現，樣本整體呈現男性、年齡越小者容易發生過度自信現象，由於本樣本之年齡可代表財務教育程度之高低，可推論教育程度較高者可降低過度自信；在子族群中，過度自信之情形尤以修過財管之大學生為嚴重，在未修過財管之大學生及財管所研究生中則不顯著，有”半瓶水響叮噹”之可能，而過度自信現象在財管所研究生族群中不顯著，代表財務教育程度的確能夠有效消除過度自信之現象；風險分散程度方面，樣本整體呈現男性、風險態度較高者之多角化程度較低。研究過程中發現，財務教育程度高之族群，較為了解自己之風險態度，會依照其風險承受度來作資產配置，且未修過財管大學生及修過財管大學生中，男性多角化程度顯著較低；在財管所碩士班學生之樣本，此現象則不顯著。若將多角化程度較低，視為過度自信之指標，亦代表財管所碩士班男性較不容易發生過度自信現象。由以上結果作出財務教育程度越高，的確能夠消除行為偏誤之結論，且財務教育程度越高者，更能夠了解自身之風險態度，並作出相應之資產配置。

本篇論文主要探討不同風險因子對於壽險業安定基金保費之影響。首先建立一個評價安定基金保費之機制，此模型考慮壽險公司投資決策、負債組合、監理寬容以及市場不確定性。接著使用蒙地卡羅模擬不同風險因子變動之下的公平保費。其數值分析顯示壽險公司之權益組合占資產比例、槓桿、監理寬容期間以及監理標準皆對公平保費有正向之影響。 / In this study, a valuation model is derived to price the fair premium in the insurance guarantee fund incorporating investment selection, liability portfolio, regulatory forbearance and market uncertainty. Then, Monte Carlo method is employed to measure the fair premium based on various important pricing factors. Finally, the numerical experiments and sensitivity analysis are conducted to investigate their impacts on the premiums. The results of our study indicate that the equity shares in the asset portfolio, the leverage ratio of the firm, the grace period and the tolerance of the capital threshold have the positive impacts on the risk-based premiums in the proposed ex-ante insurance guarantee fund scheme.

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.

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。

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.