本文主要是研究浮動匯率期間匯率波動對出口產業的影響。一般認為，匯率波動匯會使出口廠商的利潤風險增加，所以波動對於出口量的影響是為負的效果。不過，由於許多國外的研究的結果並不一定支持這種看法。本文針對台灣1984到1995年的資料進行實證研究，並且分別就不同出口產業對匯率波動的反應程度做討論，包括紡織類，塑膠化學類，電子類，機械類及基本金屬類五種產業，主要分為兩個架構分析： 　　（一）衡量匯率波動因子：對於匯率波動的衡量分成兩種方法：一種是以過去匯率變動的方式來衡量，另一種是以本期匯率預測的誤差來衡量，大部份的文獻都是採用前者。在此，為了將廠商事先避險的行為引入，所以採用後者的方法，將預測到的波動與未預測到的波動分離開來。 　　（二）匯率波動對各產業出口量的影響：將所有符合I(1)性質的變數用Johansen的方法做長期共整合關析的估計，再利用Granger Representation Theorem導出短期誤差修正模型，並將符合I(0)性質的波動因子引入模型當中，以便觀察匯率波動對出口量的影響。結果發現，各產業的出口量皆與匯率波動間存在明顯的負相關，其中以電子產業的影響最顯著，紡織類次之，基本金屬類影響最小，根據產品的特性分析可發現：當出口競爭愈激烈者，或是出口彈性愈大者，相對來講，會對匯率波動的反應較敏感。

自1997年以降，受到亞洲金融風暴的衝擊，亞洲各國匯率巨幅波動，於是如何增進匯率預測的準確度已成為重要的研究課題。而自1973年布列敦森林體制崩潰，各工業國家改採浮動匯率以來，匯率巨幅波動致使國際收支理論不再能解釋匯率如何決定，於是1970年代，學者們紛紛提出各種匯率決定理論，其中以貨幣學派模型與資產組合平衡模型最受到重視。然而，自1978年始，這些結構模型的解釋能力逐漸受到質疑，在1983年Meese and Rogoff甚至提出結構模型的樣本外預測能力不如隨機漫步模型的樣本外預測表現，引起學者們的討論到底何者的樣本外預測表現較佳。而隨著計量方法的演進實證研究已由恆定的計量方法演進至非恆定的計量方法，在非恆定的計量方法方面，MacDonald and Taylor(1993、1994)、吳宜璋(1996)等人的研究皆採誤差修正模型來做預測。 本研究亦採誤差修正模型來做預測，但對其他學者的研究稍作改良：1.加入結構變動虛擬變數2.以向量誤差修正模型而非一條誤差修正的式子來做預測，在此以整個體系的觀點來做預測3.以背氏方法加入相驗情報來改善預測。 結論為在金融風暴發生期間，匯率受非基本面因素影響較大時，貝氏向量自迴歸模型預測表現較佳。而在金融風暴發生之前，匯率受基本面影響較小時，以貝氏向量誤差修正模型為良好的預測模型。 / This study improves other scholars' empirical studies by testing structure changes and by using Vector Error Correction Model to forecast N.T. Dollars. Futhermore,use Bayesian Method to improve predition .The conclusion is Bayesian VAR Model perform better when forecasting period include Asian finanl crisis . And Bayesian VECM Model is better model when forecasting period don't include Asian financial crisis.And the out of sample prediction performance of structure model is better than Random Walk Model.

本篇論文擴充Ang et al. (2007)之基本架構,分別建構台灣各式月資料與季資料的物價指數預測模型,並進行預測以及實證分析。我們用以衡量通貨膨脹率的指標為 CPI 年增率與核心CPI 年增率。我們比較貨幣模型、成本加成模型、6 種不同設定的菲力浦曲線模型、3 種期限結構模型、隨機漫步模型、 AO 模型、ARIMA 模型、VAR 模型、主計處(DGBAS)、中經院(CIER) 及台經院(TIER) 之預測。藉由此研究,我們可以完整評估出文獻上常用之各式月資料及季資料預測模型的優劣。 我們實證結果顯示,在月資料預測模型樣本外預測績效表現方面, ARIMA 模 型對 2 種通貨膨脹率指標的樣本外預測能力表現最好。至於季資料預測模型樣本外預測績效表現, ARIMA 模型對未來核心 CPI 年增率的樣本外預測能力表現最好; 然而,對於 CPI 年增率為預測目標的預測模型則不存在最佳的模型。此外,實證分析中我們也發現本研究所建構的模型預測表現仍遜於主計處的預測,但部份模型的樣本外預測能力表現則比中經院與台經院的預測為佳。 / This paper compares the forecasting performance of inflation in Taiwan. We conduct various inflation forecasting methods (models) for two inflation measures(CPI growth rate and core-CPI growth rate) by using monthly and quarterly data. Besides the models of Ang et al. (2007), we also consider some macroeconomic models for comparison. We compare some Monetary models, Mark-up models, six variants of Phillips curve models, three variants of term structure models, a Random walk model, an AO model, an ARIMA model, and a VAR model. We also compare the forecast ability of these model with three different survey forecasts (the DGBAS, CIER, and TIER surveys). We summarized our findings as follows. The best monthly forecasting model for both inflation measures is ARIMA model. For quarterly core-CPI inflation, ARIMA model is also the best model; however, when comparing the quarterly forecasts for CPI inflation, there does not exist the best one. Besides, we also found that the DGBAS survey outperforms all of our forecasting methods/models, but some of our forecasting models are better than the CIER and TIER surveys in terms of MAE.