受2008年金融海嘯影響，人壽保險業因資本及信用市場之系統性風險而導致帳列資產價值大幅減損，進一步影響壽險公司清償能力，而主管機關為兼顧審慎監理與市場穩定原則，而採行資本監理寬容措施，卻使得資本不足之保險公司缺口擴大。另外，保險安定基金以保費為基礎徵收單一費率，加劇保險公司間交叉補貼之情形。因此，如何透過以責任準備金為基礎，計算公平合理之風險差別費率，以避免產生影響其他保險公司正常經營之系統性風險，抑或引發保險公司道德風險，為本文研究之主要議題。 本文與過去文獻主要之差異為：(1) 資產模型依資產配置方式，使用蒙地卡羅模擬詳盡現金流路徑，著重於描述壽險業之情境；(2) 股票型風險性資產加入跳躍過程 (Jump) 與隨機波動兩種情境，以表達壽險業資產端承受資本市場變動加劇之風險；(3) 考慮政府監理寬容措施，以描述主管機關對於壽險業監理態度。 依蒙地卡羅模擬法試算保險安定基金公平費率，研究結果發現：(1)監理寬容期限增加時，安定基金公平費率增加；(2)監理標準提高，安定基金公平費率有先降後升之效果；(3)保險公司財務槓桿比例增加時，安定基金公平費率上升。 / Due to the global financial crisis in 2008 that resulted in systematic risks in the equity and credit market, it creates significant deprecation in the life insurers’ balance sheet which affect insurers’ solvency. In order to retain prudent supervision and market stability, the authority has announced capital temporal relief plan that may make insolvency insurer worse. Recent occurrences of financial distress to some insurers have raised questions about whether the current guaranty system that charge a flat levy rate in premium-based is adequate to protect policyholders. A risk-weighted levy rate in reserve-based has been proposed to establish reasonable contribution method which can avoid high risk insurers’ moral hazard and protect the other insurers from further systematic risks. A brief summary of the advantages of this paper is listed below：(1) By Monte Carol simulation method, detailed cash flow of insurer’s asset allocation can be used to describe the risk preference of life insurer. (2) Our stock model incorporates jump diffusion and stochastic volatility in order to reflect that life insurers face increasing volatility in capital market. (3) Consider regulatory forbearance to represent government’s attitude to life insurers. We calculate fair guaranty premium through Monte Carol simulation method. We find that： (1) Fair premium increases as extending the period of regulatory forbearance. (2) As regulatory criterion raises fair premium decreases at first, but increases if regulatory criterion reaches certain level. (3) Increasing leverage ratio of the insurer results in increasing fair premium.

Greene (2005) 在縱橫資料型態下提出真實固定效果隨機邊界模型 (true fixed effect stochastic frontier analysis, TFESFA)，該模型保留了傳統隨機邊界法之架構並考量到廠商間之異質性問題，同時設定廠商之無效率項可隨時間改變。但此模型假定不同廠商皆有特定之固定效果參數，當廠商家數多而資料觀察期間較少時，會因待估參數過多而導致模型存在擾攘參數問題，產生估計偏誤 。 本研究利用Tsay et al. (2009) 提出之方法，以錯誤函數 (error function) 之非線性近似函數以及關聯結構函數 (copula function) 推導得到TFESFA模型經一階差分轉換後組合誤差項之近似概似函數，成為本研究提出之差分隨機邊界模型(difference stochastic frontier model, DSFA) 模型，透過模擬過程生成平衡縱橫樣本及不平衡縱橫樣本，發現本研究提出之DSFA模型的確能在觀察期間較少時消除擾攘參數問題之影響。最後，本研究使用TFESFA模型及DSFA模型，配合投入面距離函數來衡量俄羅斯銀行之技術效率，而DSFA模型亦能達到更良好之估計效果。

推薦系統的出現是為了解決訊息過載的問題，其需求隨著科技的進步、網路的普及而增加，相關技術也越發多樣且成熟。廣泛應用於各領域的統計模型也在技術的行列中。 推薦系統的運作仰賴使用者偏好訊息，而使用者對項目所組成的偏好空間往往十分巨大且不平衡，統計上需要相對複雜的隨機效應模型或混合效應模型來描繪這樣的變數結構，且通常需要計算效率相對低的反覆疊代過程來估計模型參數。因此Perry（2014）、Gao & Owen（2016）先後提出以動差法處理階層線性模型與兩因子隨機效應模型，是一種犧牲統計效率換取計算效率的做法。 本研究便是採用統計模型中的隨機效應模型法，分別以最大概似法和動差法估計參數，與同為協同過濾技術觀點的矩陣分解法進行分析比較。透過預測準確度和運算效率兩個層面，來評估各演算法在MoiveLens這筆資料上的推薦表現。 根據試驗結果歸納出隨機效應模型法無論以什麼樣的參數估計方式，在預測準確度的表現上都不如矩陣分解法來得好；但以動差法估計參數在穩定度上與矩陣分解法的表現差不多，且在運算效率上好很多。 / The recommender system (RS) appeared to solve the problem of information overload. The demand of the RS has increased with the advancement of technology and the popularity of the Internet, and related techniques have become more diverse and mature. The statistical models widely used in various fields are also in the list of techniques. The operation of the RS relies on user preference information, and the space of users’ preference to items is often large and unbalanced. Statistically, relatively complex random effects models or mixed effects models are needed to describe such variable structures, and often require a large number of iterations to estimate model parameters. Perry (2014), Gao & Owen (2016) proposed using the moment-based method to deal with hierarchical linear models and two-factor random effects models, respectively, expressing an idea of sacrificing statistical efficiency in exchange for computational efficiency. In this study, we analyze and compare the random effects model, using the maximum likelihood method and the moment-based method to estimate the parameters with the matrix factorization. Through the prediction accuracy and computational efficiency to evaluate the performance of each algorithm on the MoiveLens data. According to the experiment results, the random effects model is not as good as the matrix factorization in terms of the prediction accuracy no matter what kind of parameter estimation method is used; however, the performance of the moment-based parameter estimation is consistent with the matrix factorization in terms of the prediction stability, and much better in terms of the efficiency.

本篇文章的目的為，在一個含有銀行信用管道以及兩種家計單位設定的動態隨機一般均衡模型的架構之中，探討中央銀行實施貨幣政策以及技術面衝擊對於貧富不均度的影響。本篇文章主要依據Kumhof, Rancière and Winant (2015)對於兩種家計單位之設定，參考Benigo and Eggertsson (2016)加入銀行信用管道，並參考Lansing and Markiewicz (2016)將勞動內生化以及刻劃收入來源之不同，因而建構出一個封閉經濟體系，內含兩種不同的家計單位、商品生產部門、銀行信用管道、政府之課稅政策以及中央銀行之貨幣政策。本文發現，貧富不均度在面對中央銀行實施緊縮性貨幣政策以及技術面正向衝擊時會暫時性地擴大，在長期時會回到初始的靜態均衡值。 / The main purpose of this paper is to discuss the effect of monetary policy on income inequality using a micro-based dynamic stochastic general equilibrium model with credit channel and two groups of households. Following Kumhof, Rancière and Winant (2015), households can be divided into two groups; moreover, we follow Benigo and Eggertsson (2016) to add the credit channel, and follow Lansing and Markiewicz (2016) to make households supply labor endogenously and characterize the difference of income source. Therefore, we build up a closed economy model with two groups of households, goods firms, credit channel, the taxation policy implemented by government and monetary policy implemented by central bank. We find that contractionary monetary policy and positive technology shock will temporarily generate a worse income inequality. In the long term, the economy will be back to the initial steady state.

廠商成長為產業經濟學的重要一環，廠商成長型式以隨機成長模型最常應用。Gibra- t (1931)更認為廠商成長與原來規模間毫無關係。過去在國外已有許多的文獻進行驗 證；然而國內只有陳肇男(1985)研究台灣地區電子業的成長狀況一篇，其研究結果並 不符合Gibrat法則的分配。 本研究係分別以國內僑外資廠商於民國64年、71年及75年的資料，以及國內500 大廠 商在67年和76年的資料，估計其成長型態。分別比較在不同的廠商規模衡量標準下， 就傳統的廠商成長模型、修正的Kumar 成長模型及Evans 成長模型的所得結果並檢定 其是否符合Gibrat法則，以往的國外實證研究大都忽略了 (1)退出廠商所造成樣本選 擇性問題，(2) 廠商成長本身存在序列相關的情況；(3) 廠商成長的函數型態問題。 針對樣本選擇性問題在迴歸項中加入前期項的規模變數來驗證，另外以 White(1980) 的方法來檢定廠商成長函數型態所造成殘差項變異數不均齊一問題。 實證結果可歸納以下三點： (1) 要修正后的 Wumar成長模型估計結果中，國內500 大廠商較能符合Gibrat法則分 配，而僑外資廠商則有大廠規模愈大成長愈高之趨勢；Evans 的成長模型估計結果則 是多數均能符合Gibrat法則分配，兩種模型估計結果不全相同。 (2) 國內僑外資廠商在三種不同廠商規模的估計結果符合Gibrat法則的比例占 2/3， 不一致者占 1/3；而 500大廠商的估計結果符合Gibrat法則的比例為 5/9，不符合者 占 4/9。 (3) 在Evans 成長模型中，只有 1/6符合Jovanovic (1982)的學習理論，其餘的 5/6 均不符合。可知在國內廠商樣本中，Jovanovic 的學習理論並不符合。

「不要將所有的雞蛋放在同一籃子□」的多角化分散投資理論已廣為學者所接受，然 而，在投機性濃厚的台灣證券市場中，這一理論的適用價值有多大，則為本文所欲探 討的。 本文首先探討影響國內投票報酬變化因素有那些，股票間的共同性及共移性程度，建 立一指標模式以討論在多角化投資下，非系統風險可降低的程度。全文共一冊，約四 萬餘字，共分四章，其內容如下： 第一章介紹研究背景及研究架構，第二章探討相關理論，包括市場共同性及共移性； 投資組合理論，區別分析多變量統計方法及檢定市場為隨機漫步的理論和方法。第三 章作證券市場的實證分析，第四章分析、建議，第五章結語。

本文旨在探討隨機模型（stochastic model）下，最適干預政策的選擇問題。此一問題最旱由Poole在一有七Ｏ年的文章中 提出，但他所考慮的僅是封閉經濟下，最適貨幣政策工具的選擇。其後學者們乃陸續 以其文為藍本，君入供給面，考慮理性預期與資本移動等因素，並將模型擴充為開放 經濟模型。 因此本文擬分三大部分，第一部份是文獻的探討，將介紹隨機模型下有關理論的演進 。 第二部分， 較具代表性的模型，比較在不同的干預政策下，其結困的差異。 第三部分，分析不同目標函數下，最適干預政策間的衝突性，並兼論單一目標與多目 標函數對模型結論的影響。 最後一章則是結論。

本研究以大台北地區所屬的五十個加油站為研究母體，利用簡單隨機抽樣，抽取其中 的二十五個站為觀測紀錄之樣本站，紀錄其車次到達，加油方式、加油量、付款方式 等資料，並以卡方及克斯檢定決定各變數之機率分配型態，作為等候線模擬之投入變 數。而後就模擬結果做迴歸及變異數分析，以決定在各種不同的人力配置，設備布置 ，車次，加油方式、油量、付款方式下的加油效率。據此求得加油站人力配置之一般 化模式，以作為加油站人力配置之參考。

一、研究動機：設備更新是經常面臨的問題。設備更新分析已發展出多種模式，可是 廠商未能充分使用，乃引發本研究對其中問題再做探討。 二、研究架構：(一)列舉設備更新面臨的問題。(二)探討各種模式是否解決前項問題 并做小幅度修正。(三)比較與選用模式。 三、研究重點：(一)綜合整理各種更新模式并比較應用。(二)時間幅度及不確定性對 各種模式及決策的影響。(三)設備更新計劃之擬定。(四)實證研究。 四、研究方法：(一)由文獻收集各種更新模式。(二)應用動態規劃法、隨機法、模擬 法等新式方法。(三)各種模式做敏感度分析,以供決策參考。

內容如后： 第一章：導論，說明本論文之研究目的、研究方法、研究限制及全篇論文之結構。 第二章：敘述傳統情況下損益平衡分析之假設限制條件及應用上之限制。 第三章：損益平衡分析法之最新發展。 第四章：不確定情況下之損益平衡分析、說明線性、非線性分析、討論單一產品及多 產品的常態分配模式、對數常態分配模式。 第五章：建立不確立情況下損益平衡分析之一般決策模式，將需求及利潤視為隨機變 數，以修正傳統模式，並研究兩平點之隨機分析，即假設固定成本與邊際貢獻為互變 數對數常態分配時之兩平點機率探討。 第六章：實例研究。 第七章：學習曲線在損益平衡分析上之應用。 第八章：結論。