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。

本研究探討長期投資人之最適資產配置問題，並著重於通貨膨脹風險之分析。第一部份討論確定提撥退休金制度下，機構投資人或高所得自然人如何擬定投資策略規避通貨膨脹風險，達到極大化期末財富效用期望值。此研究擴展Battocchio與Menoncin (2004)所建構資產模型，不僅探討市場風險，亦考量通貨膨脹不確定性與基金費用誘因、下方風險保護兩機制，研究對資產配置行為之影響，並依動態規劃方法求得投資策略公式解。第二部份則強調下方風險之重要性，檢視在最低保證收益下，長期投資人跨期資產配置之財富管理議題，並回顧Deelstra et al.(2003)之模型架構，依平賭方法求得投資策略公式解，研究結果顯示基金投資策略可表示為最適CRRA(γ,T)型態共同基金與最低收益避險之組合。另一方面，如何估計通貨膨脹風險亦為本文強調之重點。Campbell和Viceira (2001)首次納入通貨膨脹風險並探討跨期投資議題，結論市場缺乏通貨膨脹連動投資標的時，投資人將減碼長期債持有比例。Brennan和Xia (2002)假設通貨膨脹率服從Ornstein-Uhlenbeck過程，結論投資人之避險需求隨持有債券到期日與投資期限改變。但以上結論未將通貨膨脹學習機制納入模型，因此，在第三部份提出依學習機制修正之投資策略可顯著增加財富效用，並分析在不同參數設定下，學習機制對於期末財富效用之影響。 / In this study, we study three essays of asset allocation problem for long term investors, which means that in this discourse we emphasis the importance of inflation risk. In the first topic, we derive the dynamic optimal investment strategy of the defined contribution pension schemes which include two mechanisms of partial floor protection and incentive fees and their benchmarks. We find investors should hold high proportion of stock index fund to hedge the inflation risk; moreover, the ratio of incentive fees to the setting of benchmark will change the optimal investment trend of underlying assets. In the second topic, we introduce the optimal investment portfolio with minimum guarantees and show that the fund manager should adjust the optimal weights of underlying assets with the ratio of the guarantee fund's value to the value of fund. Finally, this work focuses on how to precisely predict the dynamics of inflation rate. We apply learning method to adjust the prediction of inflation process and we use numerical analysis to study the effect of learning mechanism under different parameter setting.