轉換公司債係指在一定條件下，能將該公司所發行的公司債，轉換為該公 司股票的金融債券，亦即轉換公司債兼具公司債和股票的雙重特性，因此 有必要對此一金融工具的評價方式進行了解。本研究之目的在於探討轉換 公司債之溢價理論，以及影響轉換公司債溢價之因素，並將其應用於臺灣 之轉換公司債，來分析其溢價行為，再建立轉換函數模型來估計與預測溢 價。本研究主要在於探討各個影響溢價因素對於溢價之影響，藉由整理 Brigham，Poensgen，Walter & Que，Weil、Segall & Green，Cretien ， Duvel，Mumey，West & Largay 等學者之溢價理論，再衡量臺灣之轉 換公司債市場，而選取股價變動性變數、轉換權利期間變數、未來所得差 異變數、價格底限變數以及交易成本差異變數五個變數，為迴歸模式中的 自變數，而溢價則為因變數。本研究之資料分析程序為：一、對於所選取 的五個自變數和一個因變數，分別建立單元迴歸，且進行逐步迴歸。二、 對於自變數和因變數建立複迴歸模型，利用刪除變數方法來解決線性重合 。三、將所得到無線性重合的自變數群和因變數，建立複迴歸模型，對其 進行t 檢定、 F檢定、自我相關檢定及殘差常態性檢定，若誤差項存在自 我相關，則建立時間數列方法中之轉換函數模型。四、利用轉換函數模型 將投入變數與產出變數，以一個動態體系相連結，經由轉換函數模型之認 定、估計、診斷性檢查之後，建立出一個最適模型，來對於溢價進行估計 與預測。本研究之研究對象為聲寶一及歌林一兩家轉換公司債，研究期間 為民國八十一年二月二十四日至民國八十三年五月一日，共114 週，而研 究結論為：一、聲寶一轉換公司債在對於溢價之單元迴歸中，轉換期間、 未來所得差異及價格底限三個變數，對溢價有顯著影響。通過線性重合檢 定的複迴歸模型中，只有股價變動性及未來所得差異，對於溢價的係數顯 著，且係數符號為正值。在轉換函數模型方面，投入變數（未來所得差異 變數）是以(1,0,0) 的形式影響溢價，且證明出轉換函數模型的預測力較 單變量模型佳。二、歌林一轉換公司債在對於溢價之單元迴歸中，股價變 動性、轉換期間、未來所得差異、價格底限及交易成本差異，這五個變數 ，對溢價均有顯著影響。通過線性重合檢定的複迴歸模型中，只有價格底 限變數，對於溢價的係數顯著，且係數符號為負值。。在轉換函數模型方 面，投入變數（價格底限變數）是以(0,2,0) 的形式影響溢價，且證明出 轉換函數模型的預測力較單變量模型佳。

在充滿不確定性之交易市場中，每位交易者會盡量利用所擁有之資訊，在 市場有干擾（如，風險性資產供給之不確定性、個人偏好不同、個人面對 之稅負環境不同等）之情形下，市場會顯露出部份私人訊息，故交易者亦 會經由對價格和交易量之觀察習得訊息；擁有私人訊息之交易者稱為消息 靈通者(Informed)，未擁有私人訊息而只能經由觀察價格而習(learn )得 訊息之交易者稱為消息不靈通者(Uninformed)，他們二者之差異在於他們 是否願花成本或資源以購買訊息。本文係在干擾理性預期模型下，利用所 設定之特殊效用函數--絕對風險規避效用函數及假設隨機變數為多元常態 分配，探討市場有干擾情形下，在第一期有私人訊息而在第二期有公開訊 息揭露之不對稱訊息模型中價格之資訊性，分別分析了公告訊息和私人訊 息之干擾程度、風險性資產供給之不確定及購買訊息人數對二期價格資訊 性之影響。在所設定的模型有解下，本文利用這些影響因素對公告訊息和 私人訊息在總合需求計劃部位 (Position)的彈性說明二期價格資訊性。 同時文中亦探討購買訊息人數之內生決定，顯示了公告訊息之揭露會修正 交易者之看法而減少私人蒐集訊息之誘因。

本文採用Box and Jenkins（1976）所提出的ARIMA模型來進行時間序列資料的配適，並引入轉換函數模型，以政府高教支出、就業人數與固定資本形成毛額為輸入變數，國民生產毛額為輸出變數。 實證結果發現，政府高等教育支出在落後5至6期之後，對於經濟成長會有比較顯著的正面效果。可以解釋為目前一般大專院校畢業生需要一至兩年的時間，以適應職場環境，因此以一般大學的4年修業期間來看，再加上社會新鮮人的適應期，則為6年後，政府對高等教育的投資始會對經濟產生助益。而除了政府高等教育支出可作為經濟成長的領先指標外，當期的經濟表現亦受到前一期經濟表現的影響，有顯著正相關。並且在檢視過轉換函數模型的正確性之後，預測未來5期的國民生產毛額仍是呈現一個上升的趨勢。因此，為促進經濟成長，政府對於高等教育的投資是可以思考的方向之一。然而，必須注意的是高等教育體系的投資，會有一段的時間落後。因此，如要提升國家競爭力，對於高等教育的投資，不但不能荒廢，更應該有長久的規劃。

近年來由於亞洲金融風暴的肆虐，產生經濟不景氣，使得失業的問題逐漸受到社會所關注，本論文企圖以三個時間序列方法：1.單變量ARIMA模型；2.轉換函數(TF)模型；3.向量自迴歸(VAR)模型來建立台灣地區的失業率時間序列預測模型。資料則是利用台灣地區民國75年1月至民國87年12月的失業率月資料作實證預測分析，為了知道資料是否來自時間趨勢模型，測試是否經過差分消掉一部份的記憶會發生預測的誤差，所以先以多步(multi-step)預測和一步(one-step)預測的方法計算出民國88年1月至88年12月預測值，而預測評估準則則採用(1)MAPE、RMSPE、MPE及泰爾不等係數(THEIL)；(2)變化方向誤差與趨勢變化誤差兩大方向來做預測比較。最後將算出的12期預測值與行政院主計處整體統計資料庫中所得到的失業率實際值利用預測評估準則做比較，結果發現一步預測法較多步預測法準確；而向量自迴歸模型(VAR)在大部份的預測期數上有較小的MAPE、RMSPE、MPE及THEIL值，因為此VAR模型考慮了在變數之間的共整合現象，有助於模型的預測，所以有較好預測的能力；反而是較複雜的ARIMA模型及轉換模型預測能力稍差一點。 / In this thesis, we plan to construct three time series models to forecast the Taiwan unemployment Rate. These time series models are ARIMA model、transfer function (TF) model and Vector Autoregressive (VAR) model. The data set consists of monthly observations for the period 75:1-87:12 for unemployment rate. We want to know if the data came from time trend model. First, we use multi-step forecasting and one-step forecasting to calculate 12 forecasted values from 88:01-88:12. Then We compare the prediction performance of these two methods by using：(1) MAPE、RMSPE、MPE and Theil’s Inequality Coefficient (THEIL)；(2) Direction of Change Error and trend Change Error etc. It is found that one-step forecasting is more correct than multi-step forecasting and the forecasting performance of VAR model is improved by explicitly taking account of cointegration between the variables in the model，so VAR model has lower MAPE、RMSPE、MPE and THEIL for most horizons. However，the more parsimonious ARIMA and transfer function models have higher MAPE、RMSPE、MPE for most horizons.