本文主要是利用時間數列中的轉換函數模式對國內的成交量與成交價、美國道瓊工業平均指數與台灣發行量加權股價指數及NASDAQ 指數與台灣電子類股進行研究與預測，除了找出適當的預測模式外，同時可以看出世界的經貿大國－美國對台灣所造成的影響，也可以針對"量是否先價而行"的說法加以應証。 在研究期間裡，分析的結果顯示大盤的成交量平均領先成交價兩期，電子類股與熱門股則呈現價量同期的現象，而美國股價與NASDAQ股價分別平均領先台灣股價與電子類股一期，除了從大盤的資料來分析外，也可經由重要的類股來分析股價可能的走勢，另外短期預測也有不錯的結果，這說明了美國仍 然具有其影響力，也同時應証了"量是價的先行指標"的說法，另外此三種現象，都可做為預測台灣股價指數的參考指標。 / The article utilizes the transfer function model in time series to make prediction on closing volume with closing value of the stock market, the American Dow Jones average index with the index of Taiwan stock market index, NASDAQ index with Taiwan electronic stock. In additional to discovering the appropriate prediction model, we can simultaneously see the influence of America with great economic power on Taiwan and how the concept that the volume determines the value is verified. During the process of this research, the outcome of the analysis indicates the closing volume is two times ahead of the closing value while the volume and value of the electronic and glamour stocks are changing in the same time and the American stock value and NASDAQ index are one time ahead of Taiwan electronic stock value. Besides the analysis based on the whole data, we can predict the possible futuristic stock trend. On the other hand, we can get pretty good result based on this theory, which accounts for the fact that America has some influence on Taiwan stock market and verifies the concept that the volume determines the value.. In addition, these three phenomenon can serve as the references for the prediction on the Taiwan stock index.

自民國69年政府開放國人出國觀光之後，由於國民所得的提高、台幣的升 值及其它種種社經有利因素的影響，使得每年出國觀光人數穩定的成長， 而在民國76年開放國人赴大陸探親之後，出國觀光人數更呈直線上升，這 對於提高國家知名度以及展示國家整體經濟實力有極為明顯的助益。出國 觀光旅客人數的多寡直接或間接影響本地觀光業者及政府相關單位對觀光 業軟、硬體設施的投資以及整體策略的規劃，舉凡國際航線的開拓、航空 公司航線的增減、導遊人員的培訓以及政府駐外單位的配合措施，在在都 有賴於對未來需求的精確預測，過於粗略或不當的預測，不僅將造成大量 觀光資源的閒置與浪費，也將使得政府與觀光業者在這場日趨激烈的觀光 事業競爭中處於極不利的地位。本研究搜集並參考近十年來國內外學者在 觀光旅遊預測模式方面的研究，針對出國觀光旅客整體及各主要市場需求 ，尋找並建立適當之長短期預測模式。我們考慮下列六種模式：簡算法、 單變量時間序列模式、轉移函數模式、時間趨勢模式、指數平滑法以及計 量經濟模式，同時利用各類模式選取準則如AIC、SBC等來選取最佳模式， 或以平均絕對百分誤差(MA PE)、根均方百分誤差(RMSPE)、方向變化誤 差(Direction of Change Erro r)以及趨勢變化誤差(Trend Change Error)來評估各模式預測能力，從中選出最佳模式並進行預測整合分析。

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.