本研究主要是想要基於協作雲概念下實作一個系統，並且有離線儲存、同步 技術、版本控制等功能，因為 CouchDB 的特性有自動同步與離線儲存技術，符合 協同合作的要求，因此選用 CouchDB 當作系統實作資料庫的選擇，另外也針對 CouchDB 的同步與轉換機制做了詳細的討論。而在系統程式語言方面，為了達到離 線儲存的需求，簡單前後端語言溝通的負擔，選用了 JavaScript Application Framework，採用的是純粹的 JavaScript 語言，客戶端用了 jQuery、YUI3 等JavaScript，伺服器端使用的是 Node.js，達成了一種程式語言，兩個執行時間的條件。確定系統框架與資料庫之後，最後使用盈餘預測系統來做為此實作之範例。

由於1980年代開始，期間利差(term spread)被發現對於預測未來經濟狀況，存在良好的預測能力，也奠定了期間利差在對於預測未來經濟研究中的地位。因此，本文主要著重於檢視利用台灣利率資料所建構出的期間利差對於預測台灣實質經濟產出，是否也扮演著如此重要的角色。 我們利用台灣過往的利率資料，從2002年第一季開始到2013年第四季，台灣十年期中央政府公債殖利率與31-90天期國庫券次級市場利率所建構之期間利差，除了使用樣本內(in-sample)結果的分析與樣本外(out-of-sample)的預測結果，搭配Haubrich and Dombrosky (1996)的預測方程式與均方根誤差RMSE(Root Mean Square Error)來檢視期間利差的預測實質經濟狀況的能力是否良好。 實證結果發現，樣本內的結果顯示，期間利差的解釋能力大約延續的三個季度；而樣本外的預測結果雖不理想，但期間利差在預測方程式中仍可扮演良好的預測變數之一。 本文發現，雖然在2007第三季發生結構性的轉變，但期間利差對於實質經濟成長率仍有良好的解釋能力，這並不影響預測的結果。而造成預測能力不佳的因素可能有幾點：第一，由Smets and Tsatsaronis(1997)所稱的總和供給面與總和需求面的衝擊導致期間利率的預測能力下降相同；第二，Wright(2006)所稱期間溢酬(term premium)在相對較低情況下，導致預測能力下降；第三，美國的貨幣政策與台灣的貨幣政策執行上有所不同。

摘要 研究動機與目的:在大數據的時代，為NBA籃球運彩迷們提供一些籃球數據的分析與模型，使其在購買台灣運彩時，能多些中獎的機率與樂趣。 研究方法:透過相關係數、迴歸來進行NBA籃球數據分析。 創新與推廣:相關係數與迴歸分析出來後，與NBA運彩應用結合，產生策略。 結論:預測數據部分最為困難，必須找出策略搭配預測數據之方法。 關鍵字: NBA運彩策略、迴歸、預測 / Abstract Motivation and purpose of this study: In the era of big data, provide NBA basketball fans with some analysis and models of basketball data, so that they can win more chances and fun when purchasing Taiwan NBA lottery. Method: NBA basketball data analysis is performed through correlation coefficient and regression. Innovation and promotion: After the correlation coefficient and regression analysis come out, it is combined with NBA lottery application to generate strategies. Conclusion: The prediction data part is the most difficult and it is necessary to find out the method of strategy matching the prediction data. Keywords: NBA lottery strategy, Regression, Predicting

自人體基因組計畫與次世代定序的完成後，生物資料呈現爆炸性的成長，其中蛋白質序列也是大量發現的基因產物之一，然而蛋白質的功能檢測與標記極其耗時，因此存在大量已知序列卻不知其功能的蛋白質，在實驗前透過電腦先預測可能之功能，能夠幫助生物學家排定不同的蛋白質功能實驗順序，因而加快蛋白質功能標注的速度。基因本體論（GO）是一個被廣泛使用描述基因產物功能與性質的分類方法，分為生物途徑、細胞組件、分子功能三個分支，每個分支皆為一個由多個GO組成的階層樹。蛋白質功能預測為透過蛋白質序列預測該蛋白質所擁有的GO，因此可以視為一個多標籤的分類機器學習問題。我們提出一個基於序列同源性的機器學習預測框架，同時能夠結合蛋白質家族的資訊，並設計多種不同的投票方法解決多標籤的預測問題。 / Biological data has grown explosively with the accomplishment of Human Genome Project and Next-generation sequencing. Annotating protein function with wet lab experiment is time-consuming, so many proteins’ functions are still unknown. Fortunately, computational function prediction can help wet lab formulate biological hypotheses and prioritize experiments. Gene Ontology (GO) is the framework for unifying the representation of gene function and classifying these functions into three domains namely, Biological Process Ontology, Cellular Component Ontology, and Molecular Function Ontology. Each domain is a hierarchical tree composed of labels known as GO terms. Protein function prediction can be considered as a multiple label classification problem, i.e., given a protein sequence, predict its GO terms. We proposed a machine learning framework to predict protein function based on its homology sequence structure, which is believed to contain protein family information and designed various voting mechanisms to resolve the multiple label prediction problem.

大多數國家的中央銀行均以「穩定物價，控制通貨膨脹」視為貨幣政策的主要目標，因此本研究以 Stock and Watson (1999) 為基本架構，運用2000年1月至2015年12月台灣失業率與其他經濟指標之 Phillips 曲線模型，以遞迴迴歸 (recursive regression) 的方式進行模擬樣本外預測1個月與12個月核心消費者物價指數通貨膨脹率及消費者物價指數通貨膨脹率，及檢驗模型結構穩定性，並利用組合預測方式，進行模型預測績效比較。 其實證結果顯示：核心消費者物價指數年增率模型的預測績效優於消費者物價指數模型的預測績效，而比較失業率及其他經濟指標之 Phillips 曲線各個單一模型，在模擬樣本外預測1個月核心消費者物價指數年增率之預測績效，為營造工程物價指數 (cci) 表現最好，再者發現預測12個月核心消費者物價指數之 Rel. RMSFE 比預測1個月核心消費者物價指數之 Rel. RMSFE 來的小，另外Diebold-Mariano 檢定對於核心消費者物價指數 (cpix) 和消費者物價指數 (cpix) 做為通貨膨脹率之組合預測模型樣本外預測1個月通貨膨脹率之預測績效皆沒有改善效果，反而是部分組合預測模型在樣本外預測12個月通貨膨脹率之預測績效具有改善效果，皆顯示長期預測12個月比短期預測1個月之各個經濟變數的組合預測模型預測績效有明顯的改善，可能係在檢定預測12個月核心消費者物價指數 (cpix) 之 Phillips 曲線模型具有結構性改變影響所致。

就財政的觀點而言，所得稅稅收是國家收入的主要來源，因此，基於「量入為出」的 理財原則，所得稅稅收的預估究研甚具價值；然而，所得稅的稅收額受經濟因素與非 經濟因素的影響頗大，例如稅源的變化、稅基的轉變、稅制的改革等困素，均會使稅 收產生各種不同型態的變動；而本文的目的即在透由各種預測方法的運用、比較，嚐 試建立一個轉準確的預估模式，以作為今後所得稅稅收預估的參考模式。 本文的研究範圍係分別以營利事業所得稅、個人綜合所得稅，觀察其自民國四十八年 至七十七年止，每年的稅收情況，運用計量經濟模型、指數平滑模型、隨機時間數列 模型及混合預估模型，分別建立一個較適當、準確的所得稅稅收預測模式，並對各種 預測模型的結果加以比較、評估。全文計分五章，玆將各章內容提要如下： 第一章為緒論；首揭本文研究之動機、目的、研究圍範及架構。 第二章為文獻探討及我國所得稅稅收結構變數分析；簡要介紹過去有關之文獻並作一 評述，此外分別分析我國營利事業所得稅及個人綜合所得稅的稅收結構變數，以作建 立預測模型與選擇模型之參數的參考。 第三章為預測理論的介紹；本章及第四章為本文的重心所在；各種預測理論、方法將 作一詳述並比較其差異，期能正確的運用各種預測理論、方法，並對預測效果作有效 監控。 第四章為實證結果分析與評估；配合稅收結構變數分析與預測理論、方法的運用，分 別預測營利事業所得稅與個人綜合所得稅的稅收，並對各種方法的預測結果作一比較 、評估。 第五章為結論；說明本文的究研成果與心得，並得出建議，期能使所得稅的稅收預估 臻至完備與正確。

本論文以公司規模大小、公司成長率、盈餘變異程度、盈餘持續率、負債比率、系統風險、以及產業別為控制變數，探討管理當局持股比率與管理當局自願性（強制性）盈餘預測準確度、盈餘管理程度之關係。並進一步探討管理當局持股比率與七個控制變數之交互作用對管理當局自願性（強制性）盈餘預測準礁度及盈餘管理程度之影響。 　　本實證研究結果發現： 　　1、自願性盈餘預測方面： 　　(1)管理當局持股比率越高且盈餘變異程度越大之公司，盈餘預測誤差越高，盈餘預測準確度越低。 　　(2)管理當局持股比率越高且負債比率越高之公司，盈餘預測誤差越高，盈餘預測準確度越低。 　　(3)產業別會影響其預測準確度，而產業中以鋼鐵業之盈餘預測準確度，顯著較高。 　　(4)公司成長率越高、盈餘持續率越高，其盈餘管理程度越高。 　　(5)產業中以電子業有顯著較高之盈餘管理程度。 　　2、強制性盈餘預測力面： 　　(1)管理當局持股比率與盈餘預測準確度成正相關。 　　(2)公司規模與盈餘預測準確度成負相關。 　　(3)盈餘持續率與盈餘預測準確度成負相關。 　　(4)產業別確實與強制性盈餘預測準確度有關，其中以電子業之盈餘預測準確度顯著較低。 　　(5)管理當局持股比率越高之紡織業其盈餘預測準確度顯著較低。 　　(6)強制性盈餘預測並無顯著的盈餘管理情況產生。 　　3、綜合結論： 　　(1)自願性之盈餘預測準確度高於強制性之盈餘預測準確度。 　　(2)自願性之盈餘管理程度高於強制性之盈餘管理程度。 / This research hypothesizes that the level of managerial ownership that controlling for earnings growth、earnings variability、earnings persistence、company risk、 debt、industry、and size has effect on both the magnitude of forecast precise of voluntary(compelling) forecast and the magnitude of discretionary accounting accrual adjustment. 　　In addition，this study examines that there are interaction of ownership effects on both the magnitude of forecast precise of voluntary (compelling) forecast and the magnitude of discretionary accounting accrual adjustment. 　　The empirical results show as follow: 　　1、Voluntary forecast aspect: 　　(1) Managerial ownership is negatively associated with the magnitude of forecast precise. 　　(2) Managerial ownership of is positively associated with the magnitude of discretionary accounting accrual adjustment. 　　2、Compelling forecast aspect: 　　(1) Managerial ownership is positively associated with the magnitude of forecast precise. 　　(2) Managerial ownership is not associated with the magnitude of discretionary accounting accrual adjustment. 　　3、Conclusion explication: 　　(1) The magnitude of forecast precise of voluntary forecast is more than that of compelling forecast. 　　(2) The magnitude of discretionary accounting accrual adjustment of voluntary forecast is more than that of compelling forecast. 　　(3) Industry variable indeed affects both the magnitude of forecast precise and the magnitude of discretionary accounting accrual adjustment.

「強制性財務預測」不但規範在何種情況下須發布財務預測，同時也規範在何種狀況下須作財務預測更新。不論第一次預測或更新均需經會計師核閱。因此，「強制性財務預測」比自願性揭露要審慎得多，但其資訊成本也高。盈餘預測的準確性為其是否有用的先決條件。一個高成本的規範，如其所產生資訊的準確性不高，則其必要性便存疑。本研究首先對此一問題加以探討。實證結果顯示， 「強制性財務預測」規範下的第一次盈餘預測和 「天真模型」(Naive Model)下的盈餘預測比較，其準確性較高。由此可推論「強制性財務預測規範」對盈餘預測資訊約有用性應有助益。 　　「財務預測更新」會增加資訊成本，而「財務預測更新與否」係依據「預測盈餘」與將來「公告盈餘」的差距來決定。「財務第一次預測準確性」影響「預測盈餘」，而「盈餘操縱」則影響「公告盈餘」。因此，「財務第一次預測準確性」、「盈餘操縱」均與 「財務預測更新與否」有關，而且「盈餘操縱」的需要性亦受「財務第一次預測準確性」的影響。本研究以單因子多變量變異數分析對此一問題加以實證。結果顯示，「財務預測未更新組」的「財務第一次預測準確性」較高，但其「盈餘操縱」情形亦較嚴重。 　　受規範公司的「盈餘操縱」會影響「預測更新」成本，因而其經濟實質。投資人投資這類股票，其投資報酬的影響因素為何？本研究以「行業別股價指數變動」代表總體面及行業面因素，以「當期盈餘」代表個別公司面因素，以「盈餘操縱」代表「財務預測成本」，並以迴歸分析探討各因素對股票投資報酬的影響。實證結果顯示，「行業別股價指數變動」、「當期盈餘」、「盈餘操縱」與「股票投資報酬」均呈正相關。 　　「盈餘操縱」除與「財務預測更新」的資訊成本有關外，尚可能影響其他契約成本。本研究懷疑「盈餘操縱」會因「財務預測曾否更新」而有不同的目的。本研究以虛擬變數迴歸分析為工具，探討「盈餘操縱」對股價變動的影響力是否會因「財務預測更新與否」而不同？實證結果顯示，「盈餘操縱」對股價變動的影響力並不因「財務預測更新與否」而不同。 　　此外，「使用一般公認會計原則的經驗」應有助於相對準確性的提升。本研究實證「盈餘第一次預測準確性」的同時，額外針對這個問題加以實證，結果顯示「非新上市年度樣本」的盈餘第一次預測準確性優於「新上市年度樣本」。此一結論應能給證管會若干鼓舞，只要持續推動「強制性財務預測規範」，「盈餘預測準確性」將因受規範公司經驗的累積而提升，預測資訊約有用性會因而加強。

本研究旨在探討管理當局自願性盈餘預測與權益資金成本之關聯性，檢視管理當局發布盈餘預測頻率之影響是否反應於權益資金成本上，並進一步檢視管理當局之聲譽是否為影響權益資金成本的因素之一。 在本研究的實證分析結果中，發現管理當局發布自願性盈餘預測之頻率與權益資金成本呈顯著負相關，表示管理當局發布盈餘預測的次數越多時，權益資金成本越低。 在管理當局聲譽對於權益資金成本的影響，本研究實證分析結果發現，管理當局之聲譽與權益資金成本亦呈顯著負相關，管理當局聲譽以管理當局預測誤差和分析師預測誤差來衡量，當管理當局的盈餘預測誤差小於分析師盈餘預測誤差時，投資人認為管理當局對盈餘的預測有效且值得信賴，此時管理當局聲譽提高，投資人認為取得有用的資訊，進而降低企業權益資金成本。 / The primary objective of this thesis is to explore whether the frequency of management forecasts is related to the cost of equity capital. In addition, I further examine whether the association is stronger when management has better reputation. Basing on a sample of S&P 500 listed firms during 2000-2009, I find that, consistent with my prediction, cost of firm’s equity capital decreases with the frequency of management earning forecasts after controlling for other determinants well-documented to be related to cost of equity capital. Second, I find that cost of equity capital is negatively related to the reputation of management; however, I do not find that the association between cost of equity capital and the frequency of management systematically vary with the reputation of management.

本文主要以時間序列為基礎，透過一般化自我相關條件異質變異模型、介入分析、誤差修正、多元轉換函數及組合預測等方法，來建立台灣加權股價指數的預測模型。 從預測精確度之結果顯示，多元轉換函數納入介入分析模型為單一預測模式的最佳預測模型，且其預測績效具有穩定性，而透過最小誤差迴歸組合預測模型可以再改善預測模型在MSPE、RMSPE、MAPE及Theil’s U等量的預測績效。 從多元轉換函數納入介入分析模型中發現，台灣加權股價指數會受到美國道瓊工業指數、台幣兌美元之匯率及消費者物價指數等經濟變數所影響。由於股票市場是重要景氣領先指標，因而當台灣或美國股票市場發生重大事件時，將會對台灣經濟發展產生衝擊，而從本文研究發現，政府可藉由短期政策的施行，產生另一股力量來平衡股市的波動，進而穩定台灣整體經濟發展。 / This research introduces GARCH, ECM, transfer function, and combined forecasting model to predict the changes of TAIEX, and to evaluate the forecasting performance of different models. The results show that the intervention analysis integrated into transfer function yields an accurate prediction model, and the forecasting performance is stable. According to the weighted average of forecasts by minimizing regression error, the resulting forecasting performance such as MSPE, RMSPE, MAPE and Theil’s U will be improved. The intervention analysis integrated into transfer function model shows that the TAIEX is affected by external factors, INDU, exchange rate, and consumer price index. The stock market is one of the major leading indictor, when the Taiwan or U.S. stock market had been impacted, and then Taiwan’s economic development will also be fluctuated. This paper shows that short-term implementation of policies could result in another force to balance the fluctuations in the stock market, and to stabilize the economic development in Taiwan.