不動產價格泡沫影響因素之研究─台北及上海之比較
全文
(2) The Factors of Property Price Bubbles in Taipei and Shanghai : A Compartive Study Advisor᧶Dr. Po-Wen Cheng Dr. Chung-Hsien Yang By᧶Mei-Hui Tsai. A Thesis Submitted to the Graduate Program of Real Estate Management In Partial Fulfillment of the Requirements For the Degree of Master of Business Administrator National Pingtung Institute of Commerce. Pingtung, Taiwan, R.O.C. June, 2010.
(3)
(4) 國家圖書館博碩士論文電子檔案上網授權書 本授權書所授權之論文為授權人在國立屏東商業技術學院 不動產經營 研究所 九十八 學年度第 二 學期取得碩士學位之論文。 論文名稱:不動產價格泡沫影響因素之研究─台北及上海之比較 指導教授:鄭博文、楊宗憲 茲同意將授權人擁有著作權之上列論文全文電子檔(含摘要),依下述授權範圍,以 非專屬,無償授權國家圖書館,不限地域,時間與次數,以微縮,光碟或其他各種數位 化方式將上列論文重製,並得將數位化之上列論文及論文電子檔以上載網路方式, 提供讀者基於個人非營利性質之線上檢索,閱覽,下載或列印.. □上列論文為授權人向經濟部智慧財產局申請專利之附件或相關文件之一(申 請專案號:. ),請於. 年. 月. 日後再將上列論文公開或上載網路.. ■因上列論文尚未正式對外發表,請於 100 年 8 月 1 日後再將上列論文公開或上 載網路.. 授權人: 蔡美惠 身分證字號:. 電話:. 聯絡地址: E-mail: 親筆簽名及蓋章:蔡美惠. http://ethesy.lib.nsysu.edu.tw/doc-authority.html. 民國 99 年 7 月 22 日. 2004/2/18.
(5)
(6) ᄔ!!ा! !. ၸѐԖᜢόౢሽزࣴݣݰӭࡰрሽޑݣݰวғᆶᕴᡏᔮᡂኧӸ ӧଯࡋ࣬ᜢǴӵჾٮ๏ၸӭ܈ၗߎԋҁၸե֡ёૈЇวၗౢሽᑩǴ рሽޑݣݰຝǶவӚ୯ᡍᡉҢǴሽޑݣݰቚ෧൯ࡋӭό࣬ӕǴ ӧ࣬ӕޑਔයԖ٤Ӧሽݣݰቚу൯ࡋၨεǴԖ٤ӦΞ࣬ჹၨϿǹՠЎ ࠅϿԖόӕӦሽݣݰቹៜӢનϐৡ౦Ǵаठܭѱӧ࣮ࡑሽ ݣݰϐᡂਔǴӭഐΕᆶځд୯ৎʏӦѱКၨϐࡘǴԶቹៜჹሽ ᖿ༈ϐ҅ዴղᘐǶ! ! ҁࣴ׆زఈவѠчϷੇሽݣݰᡂቹៜӢનϐৡ౦Ǵှ᠐ሽ ޑݣݰελᆶӦᕴᡏᔮచҹޑᜢ߯ࣁՖǻҁЎ௦Ҕރᄊޜ໔ኳࠠՉ ჴϩǴ่݀ᡉҢคፕѠч܈ੇϐόౢѱࣣӸӧݣݰϯຝǴаѠ чԶقǴݣݰሽ ܭ2000 ԃಃ 2 ۑၲډനεϯǹԶੇϐݣݰሽ߾ ܭ2008 ԃ 4 Дၲډനଯঢ়ǶԜѦǴҁࣴزჴ่݀ᡉҢǴ೯ᑩϷჾٮ๏ᚐቹ ៜѠчϐόౢݣݰሽၨࣁᡉǴԶੇϐόౢݣݰሽ߾ڙჾٮ๏ ᚐϷය܊ሽԋߏϐቹៜၨࣁᡉǶ! ! ! ! ᜢᗖຒǺόౢሽݣݰǵᕴᡏᔮᡂኧǵቹៜӢન. I.
(7) ᖴ!ᇞ! ਔӀबǴྃДӵఖǴಖܭዖډΑቪᖴᇞޑਔংΑǼӣགྷଆ೭ٿ ԃȻъπъ᠐ȹޑВηǴᗋࢂᐕΑίٌधګǼӵϞૈճाགᖴ මᔅշၸޑךঁΓǴԖգॺڐޑշᆶႴᓰωૈ൩ϞϺךޑǶ! ! २ӃǴाགᖴࡰޑךᏤ௲ᎄറЎԴৣϷླྀےᏦԴৣǶךགྷךКޑ ӕᏢٰள۩ᅽǴӢࣁךԖٿՏࡰᏤ௲ǴգॺόᜏٌമӦ௲ᏤǴᡣךճ ֹޑԋΑݣݰޑךǼЀځǴჹླྀԴৣགډόӳཀࡘǴᡣգӧଽฅޑᐒጔύᏺ ډΑ೭ঁᐭЋξؾǴவԜߡᘍᷨόΑࢃයឺޟޑݣݰǼӧޑգᔈ၀ࡐቼ ۩ಖܭှಥΑǼόၸךϝ૱ЈයࣰஒٰԖᐒёаȻѤѤрȻ Ǵಡ᠋գॺٿ Տৣߏޑፌፌ௲ᇧǴᖴᖴாॺǼ! ! ӆޣǴӧϦ୍ғఱύૈډᏢਠ᠐ࣴ܌زǴճڗளᅺγᏢՏǴाགᖴך ݅۔ߏޑ፣ፐߏޑႴᓰᆶڐշǶாόՠᡣךᏼҺፄቩǴߡܭճҔϦᎩਔ໔ ࣴޑךزፐǴ׳ӧךፎϦଷډᏢਠፐਔǴᔅךቩਢҹǴᖴᖴգޑх ᆶڐշǴӵϞךΑǴ׆ఈૈӧπբԋࣁգளΚޑշЋǴаൔเாޑග ܘϐৱǼԜѦǴΨाགᖴךπբޑӳұՔॺǴЀࢂځᒃངޱߓޑǴךࢂیғ ڮύޑΓǴவډऍᐚӦࡹޑಃϺଆǴیࡐޔЈޑᔅշךǴຎך ࣁᒃۂۊǴคፕπբǵғࢲԖҺՖ֚ޑᜤǴیᕴࢂကόᜏޑᔅךགྷᒤ ݤှ،ǴᖴᖴیǴᇡیӳǼᗋԖలసǴᖴᖴךॷیႝߡܭीໆፐ٬ҔǴ Ψததᔅךှ،ႝတୢᚒǴᖴᖴǼჹځܭдӳӕ٣գॺޑᜢЈᆶхǴΨठ ޑךᖴཀǼ! ! ԜѦǴाགᖴഋܴӓԴৣձᙚՏளཀߐғˇඵϡᏢߏǴգࢂঁ εӳΓǴգόՠவ SSM ޑᏤࣗԿ Eviews ޑᏹբόჇޑྠځ௲ᏤךǴऩ ؒԖգࡰޑᏤǴݣݰޑךεཷ൩ݣݰࢂޑΑǼᖴᖴգǼќѦǴॴችǵࡘᆺ ᏢۆǴᖴᖴޑॺیӭᔅշǼЎᏢߏǴᖴᖴգගٮӭᝊޑਜᝤϷၗǼ ᗋԖޑךӳӕᏢλҏǴᖴᖴޑیᜢЈᆶڐշǼ ӧ೭ٿԃ܌زࣴޑғࢲύǴᗋाགᖴךᒃངޑӕᏢॺǴͶӵǴࠖࠖǴך ಃঁࢂۓቪیǼёངۂۂޑᔅך೭ঁεۊۊӭԆࠜǴόၸ٣ᙬᕷ ӭǴόϷഢၩǴᕴϐǴགᐟόᅰ៷ǼځԛǴߡࢂॺךޑεӳΓǴሎྑǴ ךགྷؒᡣգᔅԆޑΓεཷ൩όΑΑ(ࠖǼᏵᇥҁ܌ԖΓࣣճ Ǽ)ǴίقᇟΨѝૈϯࣁѡˇᖴᖴգǼٌधգΑǼᗋԖϘঅǴգࢂ ॺךന؇ᛙޑঁǴӭࢲޑᕴࢂाഞྠգωёаճޑՉǴᖴᖴ գǼࡹǵжᓪǵऍᨈǵ൛ǵችǵλΒǵε໋ǵᅼ౺ǵεΟǵד፣Ǵᖴ ᖴգॺޑᔅշǼ നࡕǴགᖴךᒃངޑৎΓǴᖴᖴգॺޑЍǵႴᓰᆶхǴԖգॺޑഉ ՔךωૈճوӛΓғਓޑઠǼךӆуݨǼΠઠǴ۩ᅽǼ. ऍඁᙣᇞܭ 99.7.22 ঐః ऍᐚ!. II.
(8) Ҟ!ᒵ! ಃക. ᆣፕ .........................................................................................................1. ಃ! ಃΒ ಃΟ! ಃѤ ಃΒക. ࣴزᐒ ..............................................................................................1 ࣴزୢᚒᆶҞ ޑ.................................................................................4 ࣴزБ ݤ..............................................................................................5 ࣴࢬزำ .............................................................................................7. Ўӣ៝ .................................................................................................8. ಃ ܊ሽ࣬ݣݰᜢЎӣ៝ .....................................................................8 ಃΒ όౢሽݣݰቹៜӢનϐ......................................................14 ಃΟ ᑽໆόౢሽݣݰϐࣴزБݤ......................................................16 ಃΟക. ჴፕᆶኳࠠࡌҥ ...........................................................................19. ಃ ୷ाሽॶፕኳࠠ ...........................................................................19 ಃΒ ރᄊޜ໔ኳࠠᆶьߐᘠ ݤݢ...........................................................22 ಃΟ ܊ሽݣݰϯϐރᄊޜ໔ኳࠠࡌҥ ....................................................28 ಃѤ ᘜϩБ ݤ...................................................................................29 ಃѤക! ჴ่݀ᆶϩ ...................................................................................31 ಃ ಃΒ ಃΟ ಃѤ. ၗᇥܴᆶೀ .................................................................................31 ၗीໆᆶൂਥᔠۓ......................................................................32 ݣݰჴϩ......................................................................................35 όౢሽݣݰቹៜӢનϩ .........................................................40. ಃϖക! ่ፕᆶࡕុࣴ ز...................................................................................45 ಃ ่ፕ......................................................................................................45 ಃΒ ࡕុࣴز..............................................................................................48 ୖԵЎ ...............................................................................................................49. III.
(9) ߄Ҟᒵ ߄ 2-4-1! ߄ 4-1-1! ߄ 4-2-1! ߄ 4-3-1 ߄ 4-3-2 ߄ 4-4-1 ߄ 4-4-2 ߄ 4-4-3 ߄ 4-4-4 ߄ 4-4-5 ߄ 4-4-6 ߄ 4-4-7. ݣݰϯϐᑽໆБݤ..............................................................................19 ၗᇥܴ..............................................................................................31 ၗϐᙁൂीໆᆶൂਥᔠۓ..........................................................32 നεཷ՟ीݤϐރᄊޜ໔ኳࠠϩ..............................................35 ݣݰሽϐीໆ..............................................................................39 Ѡчݣݰሽᆶᕴᡏᔮᡂኧচॶۈϐ࣬ᜢϩ..........................41 ੇݣݰሽᆶᕴᡏᔮᡂኧচॶۈϐ࣬ᜢϩ..........................41 Ѡчᕴᡏᔮၗᡂϐൂਥᔠۓ..............................................42 ੇᕴᡏᔮၗᡂϐൂਥᔠۓ..............................................42 Ѡчݣݰሽᆶᕴᡏᔮᡂኧৡϩॶϐ࣬ᜢϩ ..........................42 ੇݣݰሽᆶᕴᡏᔮᡂኧৡϩॶϐ࣬ᜢϩ ..........................43 ݣݰሽᆶᕴᡏᔮᡂኧৡϩॶϐᘜϩ..................................44. ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! IV.
(10) ! ! კҞᒵ!. კ 1-4-1! კ 4-2-1! კ 4-2-2! კ 4-3-1! კ 4-3-2! კ 4-3-3! კ 4-3-4! კ 4-3-5! კ 4-3-6!. ࣴࢬزำ................................................................................................7 ᡂኧϐਔ໔ׇӈკ..............................................................................33 ܌ளԋߏᡂკ..............................................................................34 Ѡчѱ܌ளीϐݣݰሽკ..........................................................36 Ѡчѱ܊ሽᆶ܌ளीϐݣݰሽკ..............................................36 Ѡч܌ளϐݣݰሽ՞܊ሽКٯკ..........................................37 ੇ܌ளीϐݣݰሽკ..............................................................37 ੇѱ܊ሽᆶ܌ளीϐݣݰሽკ..............................................38 ੇѱ܌ளϐݣݰሽ՞܊ሽКٯკ......................................38. V.
(11) ಃകʳ ᆣፕ ಃ! ࣴزᐒ όౢሽݢޑόቹៜࡹݩރаϷӭҾکৎǴԶЪӧᕴᡏ ᔮቫय़Ψתᄽख़ाفޑՅǶόౢሽޑᡂϯЇว܈ቚமᕴᡏᔮޑ ݢǶӢԜǴߥόౢሽᆶᔮϐ໔ޑᛙۓᜢ߯ࢂߚதख़ाޑǶԶݣݰ ᔮޑౢғٰԾܭᔮᐒࢲԶᏤठѱሽεଆεပǴёᒏѱᔮѨ ᑽޑᅿຝǶόౢԾޑي܄ϷځᆶሌՉޑஏϪᜢ߯ǴΞуు Αߎᑼسૄޑ১܄Ǵ׳ԖࣗޣஒᏤठሌՉၗߎచँޑฅᘐǴЇวߎᑼ س܄ӒᐒǴӒ্ߎᑼӼӄǶόౢሽِޑೲϲکǴόЇᛈό ౢሽݣݰǴᗋჹۚ҇ޑᆶౢғख़εޑόճቹៜǴԋޗᡏᅽ ճޑΠफ़ǶӢԜǴࣴزόౢሽݣݰୢᚒڀԖߚதख़ाޑཀကǶ. Ծ 1990 ԃࡕǴݣݰᔮ܌ԋ৮ཉڗжΑ҇܌ᏼኁޑඳ૰ଏǴ ԶȨӦ܊ሽၸଯȩࣁ׳ՉࡹଣϦѲϐΜε҇ϐǴӧ܊ሽჺബཥଯ ޑӕਔ1ǴѠчѱৎЊ܌ளԋߏࠅѝԖ 2%ѰѓǴزഖӧৎЊ܌ளԖλ൯ ԋߏޑݩΠǴࢂٗ٤ӢનᄬԋӵԜଯ܊ޑሽǻԜࢂցж߄ځόౢѱӸ ӧݣݰϯຝǻऩ݀ӸӧόౢሽݣݰǴΞ၀ӵՖᑽໆǻ ӧќБय़Ǵύ୯Ծׯॠ໒ܫаٰǴᔮזೲԋߏǴԋࣁӄౚനڙᢋҞ ޑӦǶਥᏵύ୯୯ৎीֽϦթޑᔮኧᏵᡉҢǴ1999 ԃਔύ୯ޑᔮೕ ኳӧӄౚᗋ௨ӜಃΎǴԜࡕၡຬຫကεճǵݤ୯کम୯ǴԿ 2006 ԃۭਔǴ ςࢂӄౚಃѤεᔮᡏǶᒿᔮଯࡋޑԋߏǴੇ܊ӦౢวғΑѮεޑ ᡂϯǴԾ 2000 ԃ໒ۈǴੇ܊Ӧౢᐕཥ፺ޑᕷᄪǴ܊Ӧౢቚуॶ. 1. ٩Ᏽ 3121 ԃಃߞޑۑက܊ሽࡰኧǴӄԃ܊ሽࡰኧࣁ 263/77Ǵၨۑԋߏ 1/7&Ǵᆶѐԃ ӕය࣬ၨǴ߾ԋߏ 31&ǴځύѠчѱՐӻࡰኧࣁ 33:/46Ǵၨۑඦ 5/3&Ǵၨѐԃӕයԋ ߏ 37/:&Ǵ܊ሽុബᐕўཥଯǴӕਔΨࢂӄѠ܊ሽനଯޑӦǶ. 1.
(12) ՞ GDP ޑКख़வ 5.5%ϲ ډ2004 ԃ 8.4%(ഋඩԓǴ2006)ǶᆶԜӕਔ܊Ӧౢ ሽόᘐඦǵၗ܄ᖼ܊εໆቚуǴ܊ӦౢѱࢂցрݣݰϯຝЇଆ ΑቶޑݱᜢՐǶ. ݣݰᔮ҇ࢂޔࣙ܌ឨޑຝǴԶҗӭ୯ϣѦࣴزளޕ୯ሞ ӭ୯ৎࣣӸӧ܊ሽݣݰຝǴӵફՋើЬाࠤѱ܊ޑሽݣݰϯ(Bourassa, Hendershott, and MurphyǴ2000)ǵ३ෝ 1990 Կ 2003 ԃ໔ԖݣݰӸӧ (Hui and YueǴ2006ǹXiao and TanǴ2007)ǵम୯ՐӻѱԖݣݰሽр (Black,Fraster and HoesliǴ2006)ǵHui and Yue(2006)வ܊ሽᆶᕴᡏᔮᡂኧϐᜢ߯Ǵځჴ ่݀߄ҢੇҭԖ܊ѱݣݰϯޑၞຝǵቶԀ ܭ2007 ԃ 10 Дډၲ܊ሽݣݰଯ ঢ়(Chi Man Hui and Qi GuǴ2009)ǴаϷڬШ፣(1994)ǹ݅ǵ݅ન(1996)ǹ ߎ㏥ǵഋܴӓǵᎅ☰ᆺǵླྀඵϡ(2009)ࣣࡰр୯ϣՐӻѱӸӧݣݰϯ ຝǶ. ќБय़ǴݣݰሽࣁόёᢀჸϐᡂኧǴԐය٬Ҕൂਥᔠ܊زࣴۓሽࢂ ցೀܭᛙރۓᄊȐ݅ǵ݅નǴ1996ǹBlack,Fraster!ȿ HoesliǴ2006)Ǵ ࢂ܈ஒ܊ሽᆶѱ୷ाӢનՉӅᑈᔠۓǴၸᡂኧ໔ϐᛙۓᜢ߯ᆶցٰ ჴݣݰϯޑӸӧǶԶॊБݤЗܭՉᔠۓǴ٠҂ჴሞᆉр܊ሽݣݰ НྗǶᏃᆅࡕុ࣬ޑᜢࣴزၸᘜБԄϩჴሞሽᆶ୷ाሽॶϐৡ౦Ǵ ٠ीᆉрݣݰሽНྗ(Hui!ȿ YueǴ2006)Ǵՠჹܭѱ୷ाӢનଷޑό ӕǴ٬ᘜූৡрኳࠠۓၸܭᙁϯǴܰԋၗޑᑽໆᒱᇤ(Xiao!ȿ TanǴ2007)Ƕ. ᆕᢀॊق܌Ǵሽޑݣݰቚ෧൯ࡋӭό࣬ӕǴӧ࣬ӕޑਔයԖ٤Ӧ ሽݣݰቚу൯ࡋၨεǴԖ٤ӦΞ࣬ჹၨϿǹՠЎࠅϿԖόӕӦ. 2.
(13) ሽݣݰቹៜӢનϐৡ౦Ǵаठܭѱӧ࣮ࡑሽݣݰϐᡂਔǴӭഐ Εᆶځд୯ৎʏӦѱКၨϐࡘǴԶቹៜჹሽᖿ༈ϐ҅ዴղᘐǶѠ чѱϷੇѱϩձࣁѠϷύ୯εഌЬाࠤѱǴԶڀځԖόӕޑᔮᡏسǴ ҁࣴ׆زᏇٿӦόౢሽݣݰϐᕴᡏቹៜӢનࣁՖǻ٠ᙖҗቹៜӢન ኳࠠϷԖݣݰచҹբ॥ᓀ܄ຑǶԜѦǴҁࣴز٩Ᏽၗౢॶፕբࣁ୷ ाሽॶϐ୷ۓᘵǴаफ़եவᕴᡏय़Ӣ୷ाӢનଷϐόӕ܌ԋ܊ሽݰ ݣᑽໆᒱᇤϐᐒǶ. ҁࣴزӅϩࣁϖകǴନಃകࣁᆣፕѦǴಃΒകࣁόౢѱሽ ݣݰϯϐ࣬ᜢЎӣ៝ǴಃΟകࣁीໆБݤϐϟಏǴಃѤകࣁѠчᆶੇ܊ ሽݣݰϐቹៜӢનϩǴಃϖകࣁҁࣴزϐ่ፕᆶࡌǶ. 3.
(14) ಃΒ ࣴزୢᚒᆶҞޑ ǵࣴزୢᚒ ݣݰሽࣁόёᢀჸϐᡂኧǴҁЎЬाࢂаߎ㏥ǵഋܴӓǵᎅ☰ᆺǵ ླྀඵϡȐ2009ȑ୷ࣁزࣴޑᘵǴ٬Ҕރᄊޜ໔ኳࠠȐSTATE-SPACE MODELȑ ፕǴၸьߐᘠݢȐkalman FilterȑޑሀȐRecursiveȑၮᆉБԄǴᙖҗё ᢀჸᡂኧٰᑽໆόёᢀჸᡂኧޑᓬᗺǴࣴزѠчϷੇόౢሽࢂցԖݰ ݣϯຝǴԶКၨϩٿӦόౢሽݣݰቹៜӢનϷځ۶ԜёૈӸӧޑ ᜢ߯ǶஒҁЎϐࣴزୢᚒᙁॊӵΠ:. ()ѠчѱϷੇѱϐόౢѱࢂցӸӧݣݰຝǻݣݰೕኳελࣁՖǻ (Β)ቹៜѠчѱϷੇѱόౢሽᕴᡏӢનࣁՖǻ (Ο)ቹៜѠчѱϷੇѱόౢሽݣݰϐᕴᡏӢનԖՖ౦ӕǻ. ΒǵࣴزҞޑ ҁࣴزϐҞޑӧܭவѠчᆶੇϐ܊ሽᆶ܌ளϐ࣬ϕᜢ߯ϩձࡌҥ୷ा ሽॶǴၸރᄊޜ໔ኳࠠϐᔈҔǴᑽໆόౢሽݣݰϯϐୢᚒǶයఈୖԵ ୯ϣѦЎǴҗჴϩޑᔠຎǴჹѠчѱϷੇѱόౢሽଯᅍຝ ࢂցࣁݣݰϯǴԶᑽໆݣݰϯϐೕኳ٠ቹៜٿӦ܊ሽݣݰϐӢનϐ౦ ӕǶҁЎϐࣴزҞޑӵΠ܌ॊǺ ()ᔠຎѠчѱϷੇѱϐόౢѱࢂցӸӧݣݰຝǴ٠ीᆉݣݰೕኳ ελǶ (Β)ቹៜѠчѱϷੇѱόౢሽᕴᡏӢનǶ (Ο)КၨϩቹៜѠчѱϷੇѱόౢሽݣݰϐᕴᡏӢનϐ౦ӕǶ. 4.
(15) ಃΟ! ࣴزБݤ. ࣁၲԋࣴزҞޑǴҁЎஒၸΠӈࣴزБݤՉǺ ǵ୷ाሽॶኳࠠϐࡌҥ ਥᏵ Blanchard!ȿ Fisher(1989)ۓޑကǴၗౢሽ(Asset Price)ёϩࣁ୷ ाሽॶϷၗౢٿݣݰҽǴၸၗౢሽୃᚆ୷ाሽॶޑৡ౦ǴߡёޕၰҞ ၗౢޑݣݰೕኳελǶԶҁЎୖԵ Black,Frastesȿ Hoesli(2006)ჹ҂ٰႣය ёЍଛ܌ளՉשǴவ܊ሽ܌ளК܊ሽ୷ाሽॶኳࠠǶ. Β ǵीໆϩݤ ()ൂਥᔠۓ ӧவ٣ݣݰຝᔠۓਔǴࣁΑዴ܌ॺךۓᒧޑڗਔ໔ׇӈၗࢂցࣁۓ ᄊǴځ२ाπբջ௦ൂڗਥᔠۓǴѿዴۓᒧڗၗۓڀᄊ܄፦ࡕǴωё ՉΠ厲Ƕ. ޑीໆБࣣݤӧଷᡂኧࣁۓᄊ(stationary)ݩރΠவीፕǶฅ ԶǴਔ໔ׇӈߚڀᄊ܄ਔǴ٬ҔीໆБݤஒ٬ीԄวғୃᇤϷό ठ܄ǴԶ่݀ΨзΓౢғࡐεޑ፦ᅪǶNelson!ȿ Plosser(1982)ΨࡰрǴ εϩޑᕴᡏᔮᡂኧӸӧൂਥ(unit root)ຝǴӢԜ௦ڗൂޑਥᔠۓ ٰڐշࣴޣزೀၗǴᡂԋࣁჴϩਔ܌Ѹ௦ޑڗᡯǶൂਥᔠۓԖ ӭᅿБԄǴӵ ADF(Augmented Dickey-Fuller)ᔠݤۓǵPP(Phillips-Peron)ᔠۓ ݤ...ǶԶҁЎ௦Ҕ PP ᔠݤۓჹӚᡂኧуаᔠۓǶ. 5.
(16) (Β)ޜ໔ރᄊኳࠠ ҁЎၸ Eviews ीး೬ᡏǴаރᄊޜ໔ኳࠠ(state-Space Model)ࣁ୷ ᘵǴၸьߐᘠ(ݢKalman Filter)ޑሀȐRecursiveȑၮᆉБԄǴᙖҗёᢀჸ ᡂኧٰᑽໆόёᢀჸᡂኧޑᓬᗺǴࣴزѠчѱᆶੇѱ܊ሽࢂցԖݣݰϯ ຝǶҗރܭᄊޜ໔ኳࠠϐीхࡴ ARIMA ёीጄൎǴࣗԿຬၸ ARIMA ڙޑज़ጄൎϣǴӢԜځႣෳਏ݀٫Ƕ. (Ο)ᘜϩݤ ӧीᆉрѠчѱϷੇѱϐݣݰሽࡕǴࣁϩځόౢሽݰ ݣϐቹៜӢનࣁՖǻԶځቹៜำࡋΞࣁՖǻҁЎᒧڗᆶݣݰሽ࣬ᜢ߯ኧၨ ଯϐᡂኧჹݣݰሽՉጕ܄ᘜϩǶ. 6.
(17) ಃѤ!ࣴࢬزำ!. ҁࣴزϐࣴࢬزำკӵკ 1-4-1 ܌ҢǺ. ࣴزᐒ!. ࣴزୢᚒᆶҞ!ޑ. ࣴزБ!ݤ. ܊ሽ࣬ݣݰᜢЎӣ. ܊ሽ୷ॶኳࠠϐࡌҥ!. ރᄊޜ໔ኳࠠϐᔈҔ!. Ѡч܌ள! ϐݣݰϩ!. ੇ܌ள! ϐݣݰϩ!. ቹៜٿӦόౢሽ! ݣݰӢનϐКၨϩ!. ่ፕᆶࡌ! კ 1-4-1! ࣴࢬزำ. 7.
(18) ಃΒക Ўӣ៝ ಃʳ ܊ሽ࣬ݣݰᜢЎӣ៝ ǵሽݣݰϐ ᐕ ў ම ว ғ ӭ Ӝ ݣ ݰ ޑǴ வ 17 Ш इ ើ ޑᢠ ߎ ३ ئ ȐTulipmaniaȑ ǵ18 Шइݤ୯ஏՋՋКϦљݣݰǵम୯ިੇࠄޑ౻ݣݰǵ1987 ԃऍ୯วғިѱՅࢃයϷ 1990 ԃӧВҁϷѠިޑѱዬǴᡣΓӑ ຝుڅǶՠԖᜢݣݰፕޑวǴ߾ډΑ 1980 ԃж߃යωԖֹޑඔॊǴ٠ ஒሽޑݣݰຝуаኳԄϯӕਔՉჴǶ. ᜢۓޑݣݰܭကǴHirshleifer(1975) کFeiger(1976)ᇡࣁǴЬᢀߞޑۺό ӕᇨวᐒՉࣁǶѱύޑ٤ၗࢌޕܴޣ٤ၗౢሽଯܭჴሞሽሽ ॶǴՠдॺዴߞஒٰԖ׳ӭޑΓᜫཀа׳ଯޑሽᖼວǴӢԜϝόᘐᖼ ԜᅿၗౢǶ೭ᅿҗܭЬᢀߞۺόӕԶᏤठޑᐒՉࣁǴததᏤठၗౢሽ рسୃ܄ৡǴനಖԋၗౢݣݰǶKindleberger(1987)߄ҢǴݣݰԋϩ ٬ሽॶቚߏޑೲࡋଯܭҗѱ୷ॶှញૈޑΚǶStiglitz(1990)߄ҢၗޣႣ ෳ҂ٰёҔ׳ଯޑሽр୧ၗౢਔǴ٬ၗౢޑሽቚуǹଷ٬પᆐӢၗ ܴߞ࣬ޣϺёр୧ޑሽၨଯԶ٬ளϞϺሽϲǴҭջ୷ाӢન ȐFundamental Factorsȑό಄ӝॶਔǴ߾ӸӧݣݰϯǶඤقϐǴၗౢሽ ଯ୷ܭाሽॶ(Fundamental Value)ౢғݣݰϯຝǶԶਥᏵ Blanchard!ȿ Fisher(1989)ۓޑကǴၗౢሽ(Asset Price)ёϩࣁ୷ॶϷၗౢٿݣݰҽǴ ၸၗౢሽୃᚆ୷ॶޑৡ౦ǴߡёޕၰҞၗౢޑݣݰೕኳελǶҗԜёـǴ ޑݣݰፕЬाӧزࣴܭၗౢሽޑᡂݩǴటࣴݣݰزୢᚒ२ाჹ୷ा ሽॶԖܴዴޑᇡۓǶ. 8.
(19) ԜѦǴਥᏵόӕᏢޣϐࣴ׳زஒݣݰϩࣁόӕᅿᜪǴ२Ӄҗ Blanchard!ȿ Watson(1982) ஒݣݰϩࣁዴҥࠠ( ݣݰDeterministic Bubble) ᆶᒿᐒࠠݣݰ (Stochastic Bubble)Ƕዴҥࠠ߄ࢂݣݰҢݣݰᒿਔ໔ቚуԶ҉όઇԋߏǴ ฅԜᅿຝόёૈวғӧჴғࢲύǹԶᒿᐒࠠݣݰж߄ޑݣݰӸុය໔ аϷୃᚆሽำࡋϐೕኳελόۓයޑፓǴЪݣݰઇϐёૈ܄Ψคݤ ႣයǴόႽዴҥࠠ҉ݣݰคЗᅰޑԋߏǶԶ Blanchard!ȿ Fisher(1989)ஒݳݰ ϐวၸำϩࣁ҉ࡡᘉࠠ(Ever-Expanding Bubble)ᛈࣆࠠ (Bursting Bubble) ᆶྐࠠ(Eliminating Bubble)ΟᅿࠠᄊǶ. ӧќБय़Ǵ݅Ȑ2007ȑගϷݣݰԋϐाҹࣁᔮᡏسӃԖࢤ ය໔ϐᕷᄪǴ٠ाԖкϩࢬޑౢ܄ၗౢЍǴႽࢂჾኧໆǵѦ༊Ӹۭǹ ќѦǴӧѱၗૻόкϩޑݩΠǴεӭኧޑཛྷၗޓܰޣҞӦՉᐒՉࣁǴ ӧ೭٤చҹϐΠߦ٬ၗౢሽόᘐ۳ϲǶԶݣݰຝ൩ࢂԾךჴႣය ޑಕᑈ่݀Ƕ. ᙁقϐǴᏃᆅ߄ޑݣݰቻࣁሽଯᅍǴՠሽଯᅍόж߄ݣݰϯޑౢғǶ җܭᏢޣჹ୷ܭाሽॶۓޑကόӕǴЪᜤаϩᒣځሽॶޑቚߏࢂྍԾॶ୷ܭ ׯᡂࢂ܈όӝޑᔮՉࣁǴӢԜ٬ளሽ׳زࣴޑݣݰуόܰǶ. Βǵ୷ाሽॶϐ ࣬ᜢЎ߄Ңݣݰϯࢂεჹ܊ܭሽ҂ٰቚॶޑၸࡋႣයΠǴ܌ԋ ሽอයϲଯୃᚆ୷ॶޑຝǴӢԜǴటϩѱၗౢሽݣݰϯຝǴ२ ाۓကՖᒏ୷ाሽॶǴԶࡕፕᔠᡍݣݰϐБݤǶԶᜢۓޑॶ୷ܭကёϩࣁ ΒᜪᇥݤǴࢂၗౢॶኳࠠ (HamiltonǴ 1985ǹBjorklund!ȿ SoderbergǴ 1999)ǶಃΒࢂৎЊёЍଛ܌ளࣁ୷ᘵॶ୷ޑኳࠠ(Black, Fraster!ȿ HoesliǴ 2006)Ƕ. 9.
(20) ()ၗౢॶኳࠠ ᔮᏢύჹၗౢሽॶޑᑽໆǴࢂޔঁख़ाޑፐᚒ Ǵόౢޑຑ БԄԖӭόӕբݤǴӧᏢೌᔈҔၨӭࣁޑၗҁϯݤǴΨ൩ࢂᇡࣁ όౢሽ௷ޑຑЬाࢂҗ၀όౢޑԏ܌،ۓǴᙖҗႣය҂ٰԏᗋচ ԋॶǴஒளډ၀όౢႣයၗҁϯሽǶځԄӵΠǺ. F. ªf § j · º E «¦ ¨ Dt i ¸r j » ¹ ¼ ¬ j 1©i 1. ځύ F ࣁၗҁϯሽǵr ࣁԏǵD ࣁשӢη. ୯ Ѧ Ꮲ ޣӭ ᇡ ࣁ ୷ ा ሽ ॶ ಄ ӝ ॶ ኳ ࠠ ۚ ޣӭ Ƕ ӵ Bjorklund ک Soderberg(1999)аృॶ(ݤNPV)ࣁ୷ᘵǴຎ܊ሽ୷ॶࣁႣයԏΕᆶ܊ሽᡂ ϐуᕴӆନаၗൔၿǴаԜՉޑݣݰᔠۓǶChan, Lee کWoo(2001)ஒ ၗౢຎࣁၗǴᇡࣁၗౢሽҗ୷ाሽॶǵݣݰ܄Ϸ ଛᒱᇤ (Misspecification. Error)܌ಔԋǴ٠ۓက୷ाሽॶࣁႣය҂ٰચߎԏΕשࡕ. ϐॶǴ٬Ҕ GMM ीᘜኳࠠǴ่ࣴ݀زᡉҢ३ෝ܊ѱ 1990 Կ 1992 Ϸ 1995 Կ 1997 ԃ໔ԖݣݰӸӧǶ. ୯ϣόౢݣݰϯ࣬ޑᜢࣴزԐයԖڬШ፣(1994)ଷόౢѱࣁਏ ѱǴ٬Ҕᆶިሽ࣬ӕޑճᜢ߯Ϸ ARIMA ኳࠠࡌҥόౢ҂ٰԏኳ ࠠी܊ሽ୷ॶǴ٠வጕ܄ᘜኳࠠύၸ RESET Test Ϸ Difference Test ᔠۓрѠчѱޑႣ୧ࡂѱӧ 1990 ԃԿ 1994 ԃ໔ёૈӸӧݣݰϯຝǶ ݅ǵ݅ન (1995)ճҔ܊ሽᆶચߎޑॶኳࠠǴӧᒿᐒשӢηޑଷ ΠǴࡌҥ܊ሽ୷ॶǴ٠ଞჹ܊ሽɡࡕයચߎК(܊ሽચߎК)ՉൂਥᔠۓǴ аԜБݤᔠᡍѠӦՐӻሽݣݰޑຝǴჴ่݀߄ҢѠчѱԋࡂѱ. 10.
(21) ӧ 1987 Կ 1993 ԃᔈӸӧݣݰຝǶฅൂਥᔠۓѝૈෳ၂рሽޑᛙ܄ۓ ᆶցǴคݤႣෳݣݰሽୃᚆ୷ॶޑೕኳελǶќѦǴXiao and TanȐ2007ȑ ஒၗౢॶኳࠠᔈҔރܭᄊޜ໔ኳࠠύǴၸьߐᘠݤݢᔠෳݣݰຝǴჴ ว३ෝ܊ѱ ܭ1980 Կ 1990 ӸӧӝޑᐒݣݰǶځၗౢॶኳࠠࣁǺ. Pt. Et Pt 1 Dt
(22) 1 Rt. ځύ Pt ߄Ңಃ t ය܊ޑሽǴ Dt ߄Ң t යޑᕴચߎǴ Rt ߾ࣁჴ፦שǶ. ӧ܄Ⴃයፕ୷ޑᘵΠǴၸચߎԏᗋচשޑБԄीᆉ୷ाሽ ॶǴࢂനத٬Ҕ܊ޑሽीݤǶฅԶѠޑચၛѱวၨόֹ๓ǴٯӵǴ ચऊයज़ԋચߎሼ܄ڰୢᚒǴ٬ચߎပࡕ܊ܭሽǹрચՐӻሡޣᐒൂ પǴચߎϸᔈԾฅၨό௵གǶԜѦǴΞԖࡐӭܿ܊ᗦચߎԏΕ҂ൔǴ ӢԜࡹ۬܌Ϧϐચߎࡰኧࢂցૈаၗౢॶኳࠠϸࢀ܊ሽ୷ाሽॶǴॶ ளᚶᅪǶඤقϐǴаચߎԏᗋচीᆉ୷ाሽॶϐБݤၨόҔܭѠό ౢѱǶ. (Β)ৎЊ܌ளࣁ୷ᘵॶ୷ޑኳࠠ. Ferna´ndez-Kranz !ȿ. HonȐ2006ȑаՐӻሡቸࣁ܄ЬाჹຝǴीᆉ. ܌ளቸ܄Ǵځଷόౢѱݣݰϯޑౢғࢂ܊ډڙѱอයၗሡᡂ܌ ቹៜǴࡺҗ܊ሽ܌ளК܊ሽߏය֡ޑᑽ୷ྗǴฅ่ࣴ݀زว܌ளᆶ ၗሡ٠คᡉ࣬ᜢǶќѦǴբޣவՐӻޣሡኳࠠǴஒځႣෳॶᆶѱ ሽКၨৡ౦Ъ၂ᆉݣݰሽКٯǶჴ่݀วՋУ ܭ1998 Կ 2003 ԃޑ ܊ሽЍрଯߏܭය֡ᑽНྗǴ߄ҢځӸӧ܊ѱݣݰǶ. 11.
(23) ՐӻჹᖼࡂޣԶقεϩࢂࣁۚՐ٬ҔޑǴԶ܌ளࢂԵໆᖼࡂ ޑӃ،చҹǴࡺፕᇡࣁӧߏය֡ᑽΠǴ܊ሽᆶ܌ளϐቚߏೲࡋᔈࣁ ठǴӢԜǴ܌ளගଯё܊ሽϲǴ Ȩ܊ሽ܌ளКȩᔈࣁᛙޑۓኧॶǶ ܊ሽଯᅍԋԜКॶ࡚ޑೲᚹϲǴջᗦ֖ޣሡाޑߏ׳ਔ໔ಕ ᑈၗҁᖼࡂǴޑޣᖼࡂૈΚΠफ़ǶӢԜǴ܊ሽ܌ளКϐᡂࢂᑽໆݰ ݣᔮޑঁख़ाࡰǶ܊ሽᅍ൯ၨ܌ளזǴаߏයٰ࣮Ǵࢂ܊Ӧౢѱ рၴङதೕޑၮǶࣁԜǴBlack, Frastesȿ HoesliȐ2006ȑаёЍଛ܌ள ࣁ୷ᘵࡌᄬਔᡂॶȐTime-Varying. Present. ValueȑኳࠠǴՉ୷ाሽॶ. ޑǴ٠җ୷ाሽॶᆶѱሽޑৡ౦Ǵीᆉम୯ՐӻѱݣݰሽޑК ٯǶ୷ځाሽॶኳࠠӵΠǺ. ª º « » f 1 « »Qt i P t =E t ¦ i « » i 1 « 1 U t j
(24) » ¬ j1 ¼. (3-1-1). ځύ Pt ߄Ңಃ t ය܊ޑሽǴ Qt 1 ߾ࣁ t+1 යϐৎЊࡡத܌܄ளǴ U ߄ Ңჴ፦ճȐჴ፦שȑǹӧۓှࣁ 1 U t 1. ( Pt 1 Qt 1 ) / Pt Ƕ. ԜѦǴவӭ࣬ᜢࣴزள܌ޕளᆶՐӻሽև҅ӛᜢ߯ǴЪΒޣϐᜢ ᖄࣁ܄ᡉ(ᖙҥ௵Ǵ1990ǵഋܴӓǴ1990ǵֆහҖǴ1994ǵ݅ࣿዠǴ1996)Ǵ Ъ ว Ր ӻ ሽ ᆶ ܌ள Ӹ ӧ ߏ ය ֡ ᑽ ຝ (Milne Ǵ 1991 ǵ Giussani! ȿ. HadjimatheouǴ1991ǵCheoȿ PatelǴ1998)ǶӢԜҁЎᇡࣁৎЊ܌ள׳ёϸ ࢀр܊ሽ୷ॶǴటࣴزόౢሽݣݰϯϐຝᔈவ܊ሽϷ܌ளϐ࣬ϕᜢ߯ рวǶ. 12.
(25) ќБय़ǴҭԖᏢޣᇡࣁ܊ሽ୷ޑाӢનࢂҗቹៜՐӻሽޑᕴᡏӢન ܌ಔԋǴٯӵǴBourassa, Hendershott,!ȿ Murphy(2001)ᇡࣁ܊ሽቚॶډڙ ่ᄬԋҁǵ൩ǵᖒၗǵΓαϷิࡕճᔮᡂኧ܌ቹៜǴЪ܊ሽቚॶ ҭڙҁޑيပࡕයኧ܌ቹៜǴԶբޣஒပࡕ܊ሽቚॶຎࣁޑݣݰଆӢǴ аᜪ՟ᇤৡঅ҅ኳࠠ(Error Eorrection Model)ჴрફՋើӚЬाࠤѱݰޑ ݣሽКٯǶCasfȿ Shiller(2003)ஒऍ୯܊ሽ܌ளКᡂ౦നεޑኧঁӦϩ ձჹ܊ሽǵ܊ሽᡂϷ܊ሽ܌ளКՉጕ܄ᘜϷჹኧጕ܄ᘜǴΑှঁ ձ୷ޑाӢનჹځቹៜำࡋελǴჴ่݀ᡉҢ೭٤Ӧ܌ޑளჹ܊ܭሽှ ញڀԖ҅य़ቹៜǶԜѦǴHui!ȿ Yue(2006)٬ҔӅᑈᔠۓෳ၂ᕴᡏᔮᡂኧ ᆶ܊ሽࢂցӸӧߏයᛙۓᜢ߯Ǵ٠ၸӢ݀ᜢ߯ (Granger causality)ᔠۓϷፂ ᔐϸᔈڄኧ (Impulse. Response. Function) ϩБٰݤᔠᡍ܊ሽࢂցԖୃᚆ. ୷ाሽॶޑᖿ༈Ǵനࡕவѱٮሡय़ࡌҥ܊ሽᆶᕴᡏӢન࣬ᜢޑᔮኳࠠǴ ीᆉр३ෝ ܭ1990 ԃԿ 2003 ԃޑՐӻሽݣݰᡂǶ. ӧ୯ϣǴߎ㏥ǵླྀےᏦ(1999)ҭᇡࣁ܊ሽ୷ॶڙᕴᡏӢનቹៜǴӢԶ ࡌҥᕴᡏՐӻѱሽᡂޑፕጕ܄ᘜኳࠠǴ٬ҔѠчѱԋࡂޑՐӻሽ ी୷ॶϷሽݣݰǴჴ่݀ᡉҢѠчԋࡂѱӧ҇୯ 76 ԃаόӸ ӧሽݣݰǴԶӧඳൺผࡕ҇ޑ୯ 78 ԃሽݣݰၲനଯঢ়Ƕ. ᆕ܌ॊǴ୷ाሽॶϐຑБԄԖӭόӕޑբݤǴ൩ѠՐӻѱԶ قǴځԾԖК࣬ٯଯǴҭջ҇܌ޑளࣣىаЍб܊ሽǴᏃᆅࢂճҔສී ᖼࡂǴ҇ҭவ܌ځளЍбສීǴӢԜፕǴ܌ளޑԋߏᆶՐӻሽ ϐԋߏᔈڀԖठ܄ǶᏵԜǴҁЎᇡࣁ܌ளᔈࢂࣴزόౢሽޑݣݰख़ ाࡰǴၸȨ܊ሽ܌ளКȩϐᡂёᢀჸόౢሽݣݰϯǶ. 13.
(26) ಃΒ όౢሽݣݰቹៜӢનϐ. όౢޑݣݰౢғᕴᚆό໒ޑۓᕴᡏᔮङඳǶВҁ 20 Шइ 90 ԃж ߃วғݣݰޑᔮ൩ᆶВϡε൯ϲॶǵౢፓǵᔮޑԾҗϯ୯ሞϯǵ ᔮቚߏҗଯೲᙯࣁեೲᕴᡏᕉნᆙஏ࣬ᜢǶܿࠄ٥ߎᑼӒᐒύӚ୯ݣݰ ᔮޑౢғǴӕኬᆶߎᑼԾҗϯаϷЬाၸᙁൂޑၗҁಕᑈٰߦᔮቚߏ Ƕ ᕴᡏᔮӢન࣬ᜢȐ৪ྏቼǴ2006ǹΪےӃǵЦߎճǴ1999ȑ. ӣ៝୯ϣόౢሽӧ 1973 ԃǵ1978 ԃϷ 1988 ԃΟԛޑᅍࣣڙᕴᡏ ᔮ܌ቹៜǶֆහҖ(1994)ǵChen and Patel(2002)߄ҢǴ1972 ԃϷ 1978 ԃޑ όౢሽᅍࢂډڙᔮԋߏԶЇଆၗሡǹԶӧٮ๏߾ࢂӢࣁҡݨ ၮԋࡌচނᅍ܌ठǶԶ 1988 ԃޑόౢሽ߾ࢂӢࣁѠჾϲ ॶǵѦ༊ᆅڋаϷჾࡹቨǴЇଆεໆޑၗሡԶߦ٬ሽᅍ. (݅ࣿዠǴ1996ǹ൹ࡌЎǴ2000)ǶԜѦǴ(࣓ٵ1994)ࣴ܊زሽᆶᕴᡏᔮᡂ ኧϐᜢ߯วǴՐӻሽԾޑيቹៜำࡋэΟϩϐǴќΟϩϐΒځд ޑᕴᡏᔮᡂኧ܌ቹៜǴᡉҢՐӻሽڙᕴᡏᔮᡂኧޑቹៜ࣬εǴ೭٤ ᕴᡏᔮᡂኧх֖πၗǵނሽǵ܌ளǵჾٮ๏ᚐǵިሽǵ༊ϷճǶ ќѦ৪ྏቼ(2006)ǴΪےӃǵЦߎճ(1999)ࣣ߄ҢݣݰᔮЬाวғӧ܊Ӧౢ ѱϷި౻ѱǹޣٿϐ໔࣬ϕቹៜǴҺБޑᡂӕቹៜќБǶ. ԜѦǴӭ࣬ᜢЎࣣ߄ҢǴݣݰᔮޑӢનډڙѱճ܌ቹៜ. (TuccilloǴ2003ǹJoynerǴ2005ǹRatajczakǴ2006ǹMintsǴ 2007)ǹ Clayton(1996) ߾ᇡࣁǴ൩ঁΓႣය҂ٰቚॶԶقǴၗޣவၸѐޑόౢሽၗૻٰႣ ෳ҂ٰόౢሽᖿ༈ǴҭջёҗၸѐόౢሽቚॶݩރႣෳ҂ٰቚॶ ǹЪ Hamilton!ȿ Schwab(1985)߄Ң܊ሽϐݢӧอයϐϣԖ҅࣬ᜢቹៜǴ. 14.
(27) Case ȿ Shiller(1989) ׳ගϷۯයޑቚॶ(The Lagged Appreciation Rate) ࢂനܴᡉᄬԋޑݣݰӢનǶ. Զவߎ㏥ǵഋܴӓǵᎅ☰ᆺǵླྀඵϡ(2009)زࣴޑว೯ᑩǵສ ීճǵ܊ሽᅍǵިሽࡰኧǵճаϷჾٮ๏ᚐዴჴϩձჹ܌ளᆶ ચߎᆉϐݣݰሽԖᡉቹៜǶќБय़ǴੇόౢሽޑݣݰౢғΨ ࢂԖځᕴᡏᔮङඳǴځᔮԋߏЬा٩ၗǵ೯ᆙᕭǵё҇ٮ໔ၗ ҁၗޑᆅၰߚதઞǵՐׯࡋڋ܊ॠᐟวΑόౢ჻ཥޑᕷᄪֽय़ǵੇ ШࣚભࠤѱۓޑՏԋфӦࣁόౢѱගٮΑᙦޑΚ ( ଯԟᐫǵֺ۸ ௵Ǵ2005)ǶԶ HuiȿYue(2006)வόౢሽᆶᕴᡏᔮᡂኧϐᜢ߯Ǵჴ่ ݀߄ҢੇԖόౢሽݣݰϯຝǶ. ќБय़Ǵҗܭόౢѱٮ๏ቸ࣬܄ჹၨλǴԶሡቸ࣬߾܄ჹၨεǴ ӢԜอය໔ϣሽϲޑӢનЬाڙሡय़܌ቹៜǴҭջزόౢሽݰ ݣёவอයቹៜሡय़ޑӢનЋǶKrainer(2003)߄Ңёவ٬Ҕޣԋҁ(User. Cost of Housing Capital)ࡋفޑѐϩόౢѱޑሡໆǶ٬Ҕޣԋҁ ёှញࣁၗԋҁǴҭջӧӕය໔ϣӆӭၗ໔܊ηޑԋҁǶჹܭ ၗޣԶقǴቹៜӢનࣁิࡕສීᚐϷঁځΓႣය҂ٰޑቚॶϐགྷݤǶҗܭճ ϲቚуၗԋҁߦ٬ሡໆΠफ़ǹϸϐǴճΠफ़෧Ͽၗԋҁ٬ሡ ໆϲǹќБय़Ⴃය҂ٰቚॶǴ߾෧ϿځၗԋҁӢԶቚуሡ ໆǴϸϐ߾ցǶҗԜёـճҭࣁόౢሽቹៜӢનϐǶ. ᆕԶقϐǴόౢሽޑݣݰԋЬाڙჾٮ๏ᚐǵނሽᅍǵިሽǵ ճϷ܊ሽԋߏӢન܌ቹៜǶၸ೭٤ᔮय़ૻ৲ޑၲǴջёᑍـό ౢሽޑݣݰᡂǶ. 15.
(28) ಃΟ ᑽໆόౢሽݣݰϐࣴزБݤ. ൩ࣴزБݤԶقȐ ߄ـ2-4-1ȑ Ǵӣ៝а۳܊ѱݣݰϯࣴزǴനԐԖᡂ౦ ኧϩᔠ(ۓVolatility Bound Test)ǵค҆ኧᔠۓǴՠ่݀زࣴځ٠όठǶࡕ ԖᏢޣჹᇤৡՉൂਥᔠ܈ۓаႣෳॶᆶჴሞॶޑৡ౦ीᆉݣݰሽ(ڬ Ш፣Ǵ1994ǹ݅ǵ݅નǴ1996ǹߎ㏥ǵླྀےᏦ 1999)Ƕฅᘜᇤৡ х֖ኳࠠᒱᇤޑёૈ܄ӸӧǴ٬ݣݰሽޑᑽໆ่݀ԖᇤǶԶ Bourassa,. Hendershott, and Murphy(2001) ᇡࣁ୷ाሽॶڙᕴᡏӢનቹៜǴځ௦Ҕ ECM ኳࠠीᆉ܊ሽᆶ୷ॶϐৡǶ. ԶӢࣁݣݰόёᢀჸᡂኧǴӢԜёၸीόёᢀჸᡂኧރޑᄊޜ໔ኳ ࠠࣴزϐǶWu(1995)ջࢂ٬Ҕރᄊޜ໔ኳࠠࣴݣݰزຝޣǴځ٬Ҕჾኳ ࠠஒ༊ϩࣁٿϩǴࢂёᢀෳޑѱ୷ॶǴࢂόёᢀෳޑᒿᐒݣݰǴ ၸьߐᘠݤݢᆉݣݰǴᔠᡍࢂځցᡉ౦ ܭ0Ƕځჴ่݀ᡉҢ 1974 Կ. 1988 ԃ໔ǴऍϡᆶमǵВ༝ǵଭլ໔٠คӸӧᡉݣݰޑຝǶ. Lau,. Tan,. and. Rahman(2005)߾ᇡࣁ٬Ҕރᄊޜ໔ኳࠠёլܺ Froot. and Obstfeld(1991)ࣴزϣݣݰਔ܌Ӹӧޑज़ڋǴӢԜӕኬࡌҥᑽໆӝݰ ރޑݣᄊޜ໔ኳࠠǴ٬Ҕьߐᘠݤݢᔠෳ٥ࢪᔮݣݰϯຝǶAlessandri Ȑ2006ȑҭ߄Ңၸރᄊޜ໔ኳࠠёΑှਔᡂשޑӢηჹިሽ܌ౢғϐቹ ៜǴ٠ёᙖҗьߐᘠݤݢᑽໆคݤᢀჸރݣݰޑᄊǶ่ࣴ݀زวճჹܭ ѱި౻ሽॶڀԖॄ࣬ᜢǴЪѱԖᡉޑݣݰ܄ӸӧǴᒿᐒשӢηᆶ ࢂݣݰ܄ӅӸޑǶ. 16.
(29) ᆕӝॊǴҗރܭᄊޜ໔ኳࠠޑᓬᗺࢂ٬ҔڀԖሀਏ݀ޑьߐᘠݢ ݤǴаനεཷ՟ी(ݤMaximum Likelihood Estimation)ၸёᢀჸᡂኧ܌ᄬ ԋޑኳࠠрރᄊᡂኧ܌ಔԋኳࠠୖޑኧǶӢԜჹܭόёᢀჸݣݰޑຝё ٬Ҕރᄊޜ໔ኳࠠޑ܄ՉࣴزǶฅӣ៝࣬ᜢЎวϿԖ܊Ӧౢݣݰϯ аԜБزࣴݤϐǴѝԖ Xiao and Tan(2007)௦ҔԜБࠄزࣴݤᗬ२ᅟϐ܊ሽݰ ݣຝǶԶ୯ϣ࣬ᜢЎନߎ㏥ǵഋܴӓǵᎅ☰ᆺǵླྀඵϡ(2009)ճҔԜ БزࣴݤѠчѱ܊ሽݣݰѦǴۘ҂௦Ҕރᄊޜ໔ኳࠠࣴ܊زӦౢݣݰϯ ຝǴӢԜҁЎࡌҥ܊ሽ୷ाሽॶኳࠠǴஒѠчϷੇٿӦ܊ሽϩձᔈҔރܭ ᄊޜ໔ኳࠠϣǴКၨޣٿϐݣݰೕኳǴ٠ቹៜ܊ځሽݣݰϐ ӢનࣁՖǶ. 17.
(30) ߄ 2-4-1 ! ݣݰϯϐᑽໆБݤ բޣ ୷ाሽॶ ݣݰᑽໆБݤ Bourassa, ڙᕴᡏ ௦ҔECMኳ Hendershott, ᔮӢ ࠠǴीᆉ܊ሽ and નቹៜ ᆶ୷ॶϐৡ Murphy(2000) Black,Fraster аёЍ ൂਥᔠۓ and ଛ܌ள ࣁ୷ᘵ Hoesli(2006) ࡌᄬਔ ᡂॶ ڙᕴᡏ Hui and ճҔᘜԄी ᔮӢ Yue(2006) ᆉ܊ሽᆶ୷ॶ નቹៜ ϐৡ. Xiao and Tan(2007). ၗౢ ॶኳࠠ. ރᄊޜ໔ኳࠠ. Chi Man Hui and Qi Gu(2009). ၗౢ ॶኳࠠ. ރᄊޜ໔ኳࠠ. ڬШ፣(1994). ၗౢ ॶኳࠠ. Differencing Test Reset Test. ݅ǵ݅ન (1996) ߎ㏥ǵླྀے Ꮶ(1999). ߎ㏥ǵഋܴ ӓǵᎅ☰ᆺǵ ླྀඵϡ(2009). ၗౢ ॶᒿᐒ שኳ ࠠ ڙᕴᡏ ᔮӢ નቹៜ. ၗౢ ॶᒿᐒ שኳ ࠠ (ၗٰྍǺҁࣴز). ൂਥᔠۓ. ϸᙟᘜीᆉ ܊ሽᆶ୷ॶϐ ৡ. ރᄊޜ໔ኳࠠ. 18. ᔠۓϣ. ჴ่݀. ݣݰሽӢ. ीᆉрફՋើ. ηϐӸӧ. Ьाࠤѱݰޑ. ݣݰᘜԄ ޑᇤৡᛙ ۓ. ݣݰሽӢ ηϐӸӧ. ݣݰሽӢ ηϐӸӧࢂ ցᡉ౦ܭ 0 ݣݰሽӢ ηϐӸӧࢂ ցᡉ౦ܭ 0 ٿಔᘜ ी߯ኧϐৡ ౦ υᘋѳ֡ ॶࢂցࣁ0. ݣሽКٯǶ म୯Րӻѱ Ӹӧݣݰሽ. ३ෝܭ1990ԃ Կ2003ԃՐӻ ሽޑݣݰᡂ ३ෝܭ1980Կ 1990Ӹӧӝ ޑᐒݣݰ ቶԀܭ2007ԃ 10Дډၲ܊ሽ ݣݰଯঢ় ѠчѱޑႣ୧ ࡂѱܭ 1990~1994ԃӸ ӧݣݰϯຝ. ܊ሽˇࡕය Ѡчѱԋࡂѱ ચߎК(܊ሽ ܭ1987ɴ ચߎК) 1993ԃӸӧݰ ݣຝ ݣݰሽӢ Ѡчѱԋࡂᆶ ηϐӸӧ Ⴃ୧ࡂѱܭ ҇୯70ɴ85ԃ ёૈӸӧݣݰ ຝ ݣݰሽӢ Ѡчѱ܊ѱሽ ηϐӸӧࢂ ܭݣݰ1990 ցᡉ౦ ܭԃၲനଯঢ় 0.
(31) ಃΟക. ჴፕᆶኳࠠࡌҥ. ҁЎࢂаόౢሽᆶચߎϷόౢሽᆶ܌ளϐ࣬ϕᜢ߯ࡌҥ୷ाሽ ॶኳࠠ ( ߎ㏥ǵഋܴӓǵᎅ☰ᆺǵླྀඵϡǴ 2008) Ǵҗރᄊޜ໔ኳࠠ. (State-Space Model)ᆶьߐᘠ(ݢKalman Filter)ीໆኳࠠ࣬ᇶǴीрόёᢀჸ ݣݰޑǴ٠аᘜϩزࣴݤቹៜݣݰሽϐख़ाӢનǶஒ୷ाሽ ॶኳࠠǵރᄊޜ໔ኳࠠǵьߐᘠݤݢϷᘜϩݤᇥܴӵӟǺ. ಃ ୷ाሽॶፕኳࠠ ଷόౢሽёϩࣁٿϩǴࢂ୷ाሽॶǴډڙѱ୷ाӢન܌ ቹៜǴΒࢂ٬όౢሽୃᚆѱሽޑӢનǴᆀϐࣁߚ୷ाሽॶǴԶߚ୷ ाሽॶதᇡࣁࢂݣݰԋϩǶඤقϐǴၸӚᅿόӕزࣴޑБݤीᆉ୷ाሽ ॶࡕǴऩѱሽε୷ܭाሽॶջ߄ҢԖݣݰຝౢғǶӢԜǴ୷ाሽॶޑ ᇡۓჹܭόౢሽݣݰϯࣁཱུزࣴޑख़ाǴԶҁЎҗ܊ሽᆶ܌ளϐᜢ߯ࡌ ҥ܊ሽ୷ॶኳࠠǶ. ҁࣴୖزԵ Black,Fraster!ȿ Hoesli(2006) ჹ҂ٰႣයёЍଛ܌ளՉ שǴճҔ VAR Չ܊ሽॶኳࠠϐᔠۓǴவ܊ሽ܌ளКр܊ሽ୷ॶǴ ٠ஒځᙯඤࣁރᄊޜ໔ኳٰࠠीݣݰຝǴځኳࠠ2ᙁॊӵΠǺ. ª º « » 1 « »Qt i P t =E t ¦ i « » i 1 « 1 U t j
(32) » ¬j1 ¼ f. 2. ၁ಒᏤၸำፎୖ᎙ Cmbdl-Gsbtufs!ȿ!Ipftmj)3117*ǴQQ26482652Ƕ. 19. (3-1-1).
(33) ځύ Pt ߄Ңಃ t ය܊ޑሽǴ Qt 1 ߾ࣁ t+1 යϐৎЊࡡத܌܄ளǴ U ߄ Ңჴ፦ճȐჴ፦שȑ ǹ(3-1-1)Ӹӧۓှࣁ 1 U t 1. ( pt 1 Qt 1 ) / Pt Ƕ. ҁЎஒڗჹኧࡕϐኧॶҔλቪ಄ဦٰ߄ҢǴ߾(3-1-1)Ԅϐۓှڗჹኧࡕࣁ. J t 1 { ln(1 U t 1 ) ln(1 exp(qt 1 pt 1 )) pt 1 pt Ƕၸੀ໘໒ԄǴёளǺ J t 1 ( pt qt ) P ( pt 1 qt 1 ) 'qt 1 k. (3-1-2). ځύkᆶ P ࣁதኧǴЪ0< P <1Ȑჴ୍Ǵ P ॶ೯தᖿ߈ܭ1ȑ Ǵkᆶ P ޑ ीᆉӵΠǺ k=ln P -(1- P ) q p
(34). P =1/(1+/exp q p
(35) ). (3-1-3). ځύ q p
(36) ࣁ ( pt qt ) ޑѳ֡ኧǶ ࣁБߡϦԄᏤǴаΠஒ pt qt а qpt ߄ҢϐǴԶڗჹኧࡕϐ܊ሽ܌ளК. ( pt qt )ҭа pqt ߄ҢϐǶ߾ёஒȐ3-1-2ȑׯቪࣁǺ pqt. k Ppqt 1 'qt 1 J t 1. (3-1-4). ၸ᠄жीᆉǴtʈɬਔڗයఈॶǴёள. pqt. f f k ¦ P j 1 Et 'qt j 1 ¦ P j 1 Et J t j 1 (1 P ) j 0 j 0. (3-1-5). ځύ Et J t j 1 ж߄ၗΓाޑѸाൔၿǶԶᙖҗ(3-1-5)ԄǴёள܊ډ ሽ܌ளКޑीॶ pqt* Ǵځύջᗦ֖܊ሽ୷ॶ p Ƕ. Black, Fraster!ȿ Hoesli(2006) ࣁΑᆉр܊ሽ୷ॶǴஒ܊ሽ܌ளК pqt ǵ܌ளԋߏ 'qt аϷ܊ሽൔၿϐᡂ౦ኧ EtV t2 ܫΕΟᡂኧϐ VAR ኳࠠǴ. 20.
(37) ՉၗౢॶኳࠠϐᔠۓǶനࡕǴஒႣෳϐ܊ሽ܌ளК௦ڗჹኧኳԄǴीᆉ р܊ሽ୷ॶ p t. pqt qt Ƕ. Ӣࣁ܊ሽ୷ॶኳࠠ٠คݤ௨ନሽޑݣݰӸӧǴԶЪ܊ሽݣݰϐελ٠ คݤ٣ӃᢀჸǶ܌аҁЎଷሽࣁݣݰᒿᐒݣݰǴ٠ճҔރᄊޜ໔ኳٰࠠ ଞჹ܊ሽՉჴޑଛǴځኳࠠ߄ҢӵΠǺ. pt bt. c1 pqt c2 qt bt Xt. (3-1-6). \ bt 1 Zt. ځύ E Xt Zt
(38) 0. (3-1-7). , E >Zt @ 0 , Var>Zt @ V Z2. 21.
(39) ಃΒ ރᄊޜ໔ኳࠠᆶьߐᘠݤݢ ǵރᄊޜ໔ኳࠠ ރᄊޜ໔ӧسϩύǴࣁߚதჴҔޑπڀǶӭޑਔ໔ׇӈኳࠠǴ хࡴΑђڂጕ܄ᘜኳࠠϷ ARIMA ኳࠠǴࣣёаރᄊޜ໔БԄ߄ၲ٠уа ीǶԶރᄊޜ໔ኳࠠЬाᇥܴΑҞރޑᄊޜ໔җၸѐރᄊޜ໔ϐ౽Ϸ Ҟسϐፂᔐ่݀ޑǴᙁൂޑᇥǴΨ൩ଷسރޑᄊࢂҗၸѐᆶӧޑ ၗ܌ᄬԋޑനλᡂኧӝǴԶԜسޑ҂ٰՉࣁஒֹӄډڙԜӝᆶ҂ٰ ཥᒡΕޑᡂӢ܌ቹៜǶރᄊޜ໔ኳࠠޑᓬᗺԖΒǴࢂёஒόёᢀჸᡂኧٳ ΕёᢀෳኳࠠύӅӕी่݀ǹΒࢂ٬ҔமԶԖΚޑሀ㥲ɡьߐᘠٰݤݢ ीǴьߐᘠݢёҔٰीൂᡂໆࢂ܈ӭᡂໆ ޑARMA ኳࠠǵਔᡂୖኧኳࠠ. (Time-Varying-Parameter Model)Ϸଭёϻᙯඤኳࠠ(Markov Switching)Ƕ. ԶقǴރᄊޜ໔ኳࠠࢂҗٿచБำԄ܌ᄬԋǺࢂໆෳБำǴև ёᢀෳᡂኧᆶόёᢀෳᡂኧϐ໔ޑᜢ߯ǴҁЎ୷ाሽॶᆶޑݣݰᜢ߯ёҗԜ Ԅ߄ҢǹΒࢂᙯඤБำǴЬाӧඔॊόёᢀෳᡂኧޑᄊ༈ǴӵҁЎ܌ᆀϐݰ ݣຝǶރᄊޜ໔ኳࠠҗΠӈΒԄ܌ᄬԋǺ ໆෳБำǺ!! yt Acxt H c[ twt. wt ~ i.i.d.N(0, R). ރᄊБำǺ! ! [ F[ t -1 vtʳ. vt ~ i.i.d.N(0, Q). (3-2-1). E(wtvt) . . (3-2-2). ! ځύ yt ࢂӧ t ਔ໔ϣёᢀჸ(!ޑn u1) ӛໆᡂኧǹ[ t ࣁӧ t ਔ໔ϣόё ᢀჸ( ޑr u1) ӛໆᡂኧǹ Hcࣁ (n ur) ߯ኧંତǴ߄Ң yt ᆶ [ t !ϕᜢ߯ǹ xt ࣁ (k u1) Ѧғࢂ܈٣،ޑۓёᢀჸޑӛໆᡂኧǹځύ Acᆶ F ϩձࣁ (n uk) Ǵ (r ur) ંޑତǴᆶໆෳᡂ౦ኧ!R!Ϸރᄊᡂ౦ኧ!Q!ᆀࣁسંତǴ. 22.
(40) คਸଷۓΠǴࣣຎࣁߚᒿᐒǴ (n u1) ӛໆ ޑwt !ࣁᆶ!(r u1)!ӛໆ ޑvt ϕࣁ ᐱҥқᏓॣၸำǶ!. Βǵьߐᘠ!ݤݢ ଞჹރᄊᡂኧޑीǴࢂၸьߐᘠ(ݢKlman filter)ޑሀीᆉளޕǶ ѬޑЬाҞޑջӧճҔᢀჸॶٰीрᡏسύ҂ୖޑޕኧǶьߐᘠࢂݢᅿ ᙖҗၸѐၗૻόᘐ׳ཥޑሀޑᄽᆉݤǶѬࢂճҔ໔ௗᑽໆރޑᄊᡂኧॶϷ ځᆶᢀჸᡂኧޑޣٿӅᡂ౦ૻ৲ٰሀ׳ཥسӃޑीǴ٠ჹسރᄊ բයঅ҅Ǵ٬Ⴃෳ่݀ྗࣁ׳ዴǶ! ! ьߐᘠݢЬाࢂճҔރᄊޜ໔ύޑёᢀჸॶीسύ҂ୖޑޕኧǶь ߐᘠݢሀЬाࢂଞჹ yt ϐႣෳǵ [t ׳ཥᘐϷ [ t 1 ϐႣෳǶଷΠॊރ ᄊޜ໔ኳࠠύ ޑy1, y2 ,, yT , x1, x2 ,, xT Ϸ࣬ᜢୖኧ F,Q, A, H, R ࣁዴۓ ςޕݩΠǴރᄊޜ໔ԄȐ4.3.2ȑϷȐ4.3.3ȑёаΠӈБԄ߄ၲǺ!. [t 1 F
(41) [t Q t 1 !
(42)
(43)
(44). !. rur. ru1. ru1. !. !. !. !. yt Ac xt H c [ wt
(45)
(46)
(47). nu1
(48). !. !! !. nur. k u1
(49). c E §¨Q tQ W ·¸ © ¹. !. !. nuk. (3-2-3). ru1. ru1. (3-2-4). nu1
(50). Q !!gps!u>W !. !. !. !. (3-2-5). !. !. !. (3-2-6). rur
(51). !!!>1!!!!oterwise. c E §¨ wt wW ·¸ © ¹. !!. R !!gps!u> W !. r ur
(52). !!!>1!!!!oterwise. y { ( ytc, ytc1 ,......, yTc , xc, xtc1 ,.....xtc )c : ! t. . [. . t 1Ѩt. { E ([ t Ѩ 1 yt ) !!!!!!!!!!!!!!!!!(3-2-7). 23.
(53) . Զ[. . t 1Ѩt. { E ([ t Ѩ 1 yt ) Ϸ߄Ң [ t 1 ࣁ zu کதኧϐጕ܄ቹǴၸሀБ . Ԅёԋфीᆉр [. . 1Ѩ0. ,[. . 2Ѩ1. ,......,[. TѨT 1. ǶԶᆶ೭٤Ⴃෳ࣬ᜢᖄރࢂޑᄊᡂኧޑ. Ӆᡂ౦ኧંତ(Mean Square Error, MSE)ǴёҗΠԄ߄ၲ: ª º Pt 1Ѩt { E «([ t 1 [ t 1Ѩt )([ t 1 [ t 1Ѩt )c» ¬ ¼. (3-2-8) . ӧؒԖ y ࢂ܈x ᢀჸॶΠჹ [1 ޑႣෳॶࢂவ [ 1Ѩ0 ໒ۈǴҭջ [1 ҂ڙज़ޑ ѳ֡ኧǴ߾ ځMSE ࣁǺ. P1Ѩ0 { E {[[1 E ([1 )][[1 E ([1 )]c} Ȑȑ y t ϐႣෳ ӧ๏[ ۓ1Ѩ0 ᆶ p1Ѩ0 ޑଆࡕॶۈǴΠջࣁीᆉΠය [ ޑ2Ѩ1 کp2Ѩ1ǶӕǴ а࣬ӕޑБݤᆉϐࡕ ޑt යǴt=2,3,……,TǶӢԶॺךёаΠӈБԄ߄Ң t . යޑԄࣁǺӧ๏ۓ. [ tѨt 1. . ᆶ ptѨt 1 ޑ ݩΠ = Κ ߾ ё ी ᆉ р [ t 1Ѩt ᆶ. pt 1Ѩt Ƕҗॺךܭଷ ޑxt ٠όх֖ҺՖӧ Yt 1 ӝϐѦҺՖᆶ [ t ࣬ᜢૻޑ . . . E [Ѩ ৲ Ƕ Ӣ Ԝ E [Ѩ t xt , Yt 1
(54) t Yt 1
(55) [ tѨt 1 Δ Զ yt ޑႣ ෳ ॶ ࣁ . . . y tѨt 1 { E yѨ Acxt H c[ t Ǵҗख़ t x t , Yt 1
(56) ǶҗԄ(3-2-4)ёள ޕE yѨ t xt , [ t
(57). ፄᆉёளΠԄǺ. . y tѨt 1. . . Acxt H c E [Ѩ Acxt H c [ tѨt 1 t xt , Yt 1
(58). (3-2-9). җԄ(3-2-4)ᆶԄ(3-2-9)ǴёளႣෳᇤৡࣁǺ § · Ј H c¨ [ t [ tѨt 1 ¸ w © ¹. (3-2-10). 24.
(59) ځMSE ࣁǺ . . E[( yt y tѨt 1 )( y y tѨr 1 )c]. = E[ H c([ t [ tѨt 1 )([ t [ t 1 )c H ] E[ wt wtc ]. (3-2-11). җ ܭwt ᆶ [ t คᜢǴջ . E[ wt ([ t [ tѨt 1 )] 0. (3-2-12). җԄ(3-2-6)ǵ(3-2-8)Ϸ(3-2-11)ёׯቪࣁǺ . . E[( yt y tѨt 1 )( yt y tѨt 1 )c] H cPtѨt 1 H R. (3-2-13). ȐΒȑ [ t ׳ཥϐᘐ ௗ Ǵ [ t ޑ ॶ а yt ޑᢀ ჸ ॶ բ ࣁ ୷ ᘵ ׳ཥ Ǵ ౢ ғ Α . . [ tѨt 1. . E ([Ѩ t yt , xt , Yt 1 ). E ([Ѩ t Yt ) ǴԜёаਠ҅ጕ܄ቹϐϦԄǴளΠӈጕ. ܄БำԄǺ! . . . . . . . [ tѨt 1 [ tѨt 1 {E[([ t [ tѨt 1 )( yt y tѨt 1 )c]} u {E[( yt y tѨt 1 )( yt y tѨt 1 )c]}1 u ( yt y tѨt 1 ) (3-2-14). ՠҗܭ . . . . E[([ t [ tѨt 1 )( yt y tѨt 1 )c] E{[[ t [ tѨt 1 ][ H c([ t [ tѨt 1 ) wt ]c} . . E[([ t [ tѨt 1 )([ t [ tѨt 1 )c H ]. (3-2-15). PtѨt 1 H. ࡺஒԄ)4.3.24*ǵ)4.3.26*Ϸ)4.3.:*жΕ)4.3.25*ύǴёᕇளǺ! . [ tѨt. . . [ tѨt 1 PtѨt 1 H ( H cPtѨt 1 H R) 1 ( yt Acxt H c [ tѨt 1 ) !. 25. !. !!(3-2-16)!.
(60) Զ׳ཥၸำ࣬䏆 ޑMSE ё߄ҢࣁǺ . . PtѨt 1 { E[([ t [ tѨt )([ t [ tѨt )c] . . . . E[([ t [ tѨt 1 )([ t [ tѨt 1 )c] {E[([ t [ tѨt 1 )( yt y tѨt 1 )c]} . . . . u {E[( yt y tѨt 1 )( yt y tѨt 1 )c]} u {E[( yt y tѨt 1 )([ t [ tѨt 1 )c]}. (3-2-17). PtѨt 1 PtѨt 1 H ( H cPtѨt 1 H R) 1 H cPtѨt 1. ȐΟȑ [ t 1 Ⴃෳϐౢғ ٬ҔރᄊБำ(3-2-3)ٰႣෳ [ t 1 . [ t 1. . . E ([ t Ѩ 1 Yt ). . F u E ([Ѩ 1 Yt ) t Yt ) E (Q t Ѩ. . F [ tѨt 0. (3-2-18). ஒ(3-2-16)жΕ(3-2-18)ύǺ . [ t 1Ѩt. . F [ tѨt 1 FPtѨt 1 H ( H cPtѨt 1 H R) 1 ( yt Acxt H c[ tѨt 1 ). (3-2-19). (3-2-19)߯ޑኧંତа K ߄ҢϐǺ FPtѨt 1 H ( H cPtѨt 1 H R ) 1. Kt. (3-2-20). Զ(3-2-19)ёቪԋΠԄǺ . [ t 1Ѩt. . . F [ tѨt 1 K t ( yt Acxt H c [ tѨt 1 ). (3-2-21). җ(3-2-18)ϷރᄊБำ(3-2-3)ǴёวႣ߾ϐ MSE ࣁ . Pt 1Ѩt. . E[([ t 1 [ t 1Ѩt )([ t 1 [ t 1Ѩt )c] . . E[( F[ t Q t 1 F [ tѨt )( F[ t Q t 1 F [ tѨt )c . . F u E[([ t [ tѨt )([ t [ tѨt )c] u F c E[Q t 1Q tc1 ]. FPtѨt F c Q. 26. (3-2-22).
(61) аޑҬΰࣁ 0Ǵஒ(3-2-17)жΕ(3-2-22)ёளǺ P1tѨt. F [ PtѨt 1 PtѨt 1 H ( H cPtѨt 1 H R) 1 H cPtѨt 1 ]F c Q. 27. (3-2-23).
(62) ಃΟ. ܊ሽݣݰϯϐރᄊޜ໔ኳࠠࡌҥ. ҁЎୖԵBlack,Fraster-ȿ Hoesli(2006*ࡌҥҗ܌ளשࣁ୷ॶϐኳࠠǴ ၸ܌ளᗋচࣁ܊ሽ୷ॶޑፕᔈҔރܭᄊޜ໔ύǴᡂኧࣣڗჹኧᇥܴӵ ΠǴp t ࣁ܊ሽǴ pq *t ࣁीϐ܊ሽ܌ளКǴq t ࣁத܄ԏΕǴb t ж߄ݣݰǴ ԶXt ᆶYt ϩձж߄ᇤৡǶኳࠠϐᔈҔ߄ҢӵΠǺ! ! !. ໆෳБำǺ! !. Acxt H c[ t wt. yt. ….……..….Pt. c1 pq *t c2 q t b t Xt. ރᄊБำΚ. [ t F[ t-1vt yt. [t. pt Ǵ Ac >c1. …………………bt. \ * bt 1 Yt . ªpq *t º c2@ Ǵ xt « » ǴHc Ǵwt q ¬ t ¼. bt Ǵ F \Ǵ vt YtǴR V X2 Ǵ Q V Y2 . 28. Xt.
(63) ಃѤ!ᘜϩБݤ. ᘜϩࢂीႣෳޑЬाБݤϐǴѬੋϷঁٿ܈ঁٿаޑᡂኧǴ ਥᏵςޕЪڋϐԖᜢᡂኧ)ᆀϐࣁԾᡂኧ*ٰी܈ႣෳࢌќᡂኧȐᆀ ϐࣁᔈᡂኧȑϐБݤǴԜᅿी܈ႣෳၸำᆀࣁᘜϩǶ! ! ଷԖᔈᡂኧ Yt ڙkঁԾᡂኧ X 1t , X 2t ,...., X kt ϐቹៜǴӢԜǴޔௗаX ᡂኧۓကڀதᄊᇤৡޑጕ܄ᘜኳࣁǺ. Yt. E 0 E1 X 1t E 2 X 2t ..... E k X kt H t. (3-4-1). ځύ E 0 , E1 ,..., E k ࣁୖኧǴ X 1t , X 2t ,...., X kt ࣁςޕதኧǴ H t (t = 1,2,….,n*ᐱ ҥܺவN(0, V 2 )Ζ(3-3-1)ԄᆀࣁӭϡᘜኳԄǴࣁᙁϯᇥܴ၀ԄǴኳԄԵቾ ֖ঁԾᡂኧϐݩǶ! ! ᘜϩനᙁൂޑኳԄࢂঁٿᡂኧϐጕ܄ᘜᜢ߯ԄǴଷటਥᏵѳ֡ Њ܌ள)ᆀࣁԾᡂኧǴࣁXᆶYԖޔጕᜢ߯ԄࣁǺ. Yt. E 0 E1 X t H t. t =1,2,…,n. (3-4-2). Ԅύ E 0 ࣁYޑᄒຯǴ E1 ࣁ၀ޔጕޑ௹Ǵ H t ࣁᇤৡ߄Ңಃtঁਔᗺ Ȑ X t , Yt ȑჹޔጕ E (Y ) t. E 0 E1 X t ޑᚆৡǴH t ࢂᒿᐒᡂኧ٠ᅈىΠॊ܄ޑ፦Ǻ. 1. H t ޑයॶࣁ0ǴջE( H t )=0Ƕ 2. H t ޑᡂ౦ኧࢂۓڰதኧॶǴջV( H t )= V 2 Ƕ 3.Ӛᒿᐒᡂኧ H t ϐ໔ؒԖीᜢᖄ܄ǴջE( H iH j )=0, i z j Ƕ. 29.
(64) 4. H t ࣁܺவதᄊϩଛǶ ॊଷచҹᄬԋΑޑጕ܄ᘜኳԄǶ. !. ҁЎஒ܌ᇆϐѠчϷੇ܊ሽϷ܌ளၗǴၸ܌ளᗋচࣁ܊ሽ୷ॶ. ޑፕᔈҔރܭᄊޜ໔ኳࠠύарٿӦϐ܊ሽݣݰሽࡕǴӆа ᘜϩزࣴݤቹៜݣݰሽϐख़ाӢનǶ!!. 30.
(65) ಃѤക! ჴ่݀ᆶϩ ҁക൩ჴБय़уаᇥܴǴ२ӃಃࣁၗᇥܴᆶೀǴௗՉਔ ໔ׇӈၗᛙ܄ۓϐൂਥᔠۓǴฅࡕၸރᄊޜ໔ኳࠠϐϩѠчѱϷੇ ѱ܊ሽࢂցԖݣݰϯϐӸӧǻݣݰځሽϐو༈ࣁՖǻനࡕՉቹៜݣݰሽ ϐӢનϩǶ! !. ಃʳၗᇥܴᆶೀ! ҁЎၸၗౢॶБԄࡌҥ܊ሽ୷ॶኳࠠǴ௦ҔၗࣁǺ܊ሽǵ܌ளǵ ܊ሽ܌ளКǶၗය໔Ϸೀᇥܴӵ߄ 5.2.2 ܌ҢǶҁࣴ܌ز٬Ҕϐᡂኧࣁ চۈϐਔ໔ׇӈᡂኧǴѠчϐၗය໔Ծ 2:84 ԃಃ 3 ۑԿ 3119 ԃಃ 2 ۑǴ ࣁۑၗǹԶੇϐၗࠞܭၗࡌҥϐਔ໔ၨఁǴऩᙯඤࣁۑၗ৮ ኧϼϿǴаठҁЎૈа 3112 ԃ 2 ДԿ 311: ԃ 21 ДϐДၗՉࣴزϩǶ! ! ߄ 4-1-1! ၗᇥܴ Ѡчѱ! ᡂኧ! ၗය໔! ܊ሽ! 2:84R33119R2! ܌ள! 2:84R33119R2!. ܊ሽ 2:84R33119R2! ܌ள К! ੇѱ! ܊ሽ! 3112N2311:N21! ܌ள! 3112N2311:N21! ܊ሽ 3112N2311:N21! ܌ள К! 3. ၗ ၗٰྍ! ᜪࠠ !ۑ௦ҔᔼࡌϦթϐѠчѱႣ୧Րӻሽۑ ࡰኧǴᏵаᆉрѠчѱႣ୧܊ሽ! !ۑஒѠчѱৎԏЍፓൔД܌Ϧ թϐѠчѱৎЊத܄ԏΕᙯࣁࡡத܌܄ ள! !ۑҁࣴزၗϐѠчѱႣ୧܊ሽᆶࡡத܌܄ ளϐКॶ!. Д! ௦Ҕੇ܊Ӧౢሽৣڐϐύ܊ੇࡰ ኧǴᏵаᆉрੇѱ܊ሽ! Д! ੇीᆛ܌ϦթϐੇѱৎёЍଛ܌ ள4! Д! ҁࣴزၗϐੇ܊ሽᆶ܌ளϐКॶ!. ੇѱৎёЍଛ܌ள>ࠤѱۚ҇ৎΓ֡ёЍଛԏΕ+ৎѳ֡Γαኧ. 31.
(66) ಃΒ!ၗीໆᆶൂਥᔠ!ۓ. ҁЎ௦Ҕ Phillips-Perron(PP)ൂਥᔠۓᔠᡍᡂኧࢂցБᛙׇۓӈǴ٠ஒၗ ϐᙁൂीໆϷൂਥᔠ่݀ۓӈӧ߄ 4-2-1ǶԜѦǴҁࣴزҭஒӚኧӈޑਔ ໔ׇӈᛤܭკ 4-2-1Ǵ܌ளԋߏᡂᛤܭკ 4-2-2 аୖٮԵǶҗ߄ 4-2-1 ё ޕҁࣴ܌ز௦ҔϐᡂኧǴନΑੇϐ܊ሽ܌ளКࣁ I(0)ѦǴځᎩࣣࣁ I(1)ϐኧ ӈǴҭջၗҁيচۈኧӈࣣค๊ܔݤӸӧൂਥϐคଷǴԶҗ໘ৡ ϩࡕǴ๊ࣣܔӸӧൂਥϐคଷǴ܌Ԗޑਔ໔ׇӈᡂኧςԋᛙۓǶ ! ߄ 4-2-1! ၗϐᙁൂीໆᆶൂਥᔠۓ !. Ѡчၗ! ᡂኧ!!. ܊ሽ!! (ϡ/)ڳ 22.05 ѳ֡ኧ! 15.01 ྗৡ! -0.03 ୃᄊسኧ! 1.52 ঢ়ᄊ߯ኧ! PP test. 0.15. PP test. -9.64. ੇၗ! ৎЊࡡத ܊ሽ! ܊ሽ!! ܌܄ள! ܌ளК! (ϡ/)ڳ 6.33 7.67 5.27 3.65 2.95 1.81 -0.09 0.40 0.38 1.39 2.33 2.14 ൂਥᔠۓीໆ! -1.23 -1.19 0.217 ᡂኧৡϩࡕϐൂਥᔠۓीໆ! -18.14 -12.64 -5.397. ৎёЍ ଛ܌ள!! 2.3 0.71 0.45 2.03. ܊ሽ!! ܌ளК! 5.72 0.86 -0.39 2.45. -1.50. -4.51. -24.02. -17.31. ຏ1Ǻᔠۓϐคଷࣁਔ໔ׇӈڀԖൂਥǹჹҥଷࣁਔ໔ׇӈόڀԖൂਥǶ! ຏ2ǺᡉНྗࣁ1%ǵ5%ǵ10%ޑᖏࣚॶϩձࣁǺ-3.48ǵ-2.88ǵ-2.58Ƕ!. ! ! ! ! !. 32.
(67) !. 0!!ڳ. 0!ڳ ˄˃. ˉ˃. ࢪקᏝ. Ղ௧ࢪᏝ. ˌ. ˈ˃. ˋ ˊ. ˇ˃. ˉ ˈ. ˆ˃. ˇ. ˅˃. ˆ ˅. ˄˃. ˄. !. ˠ ˃˄. ˠ ˃˄. ˃ˌ. ˠ ˃˄. ˃ˋ. ˠ ˃˄. ˃ˊ. ˠ ˃˄. ˃ˉ. ˠ ˃˄. ˃ˈ. ˃ˇ. ˠ ˃˄. ˃ˆ. ˠ ˃˄ ˃˄. ˃˅. ˊˆ ˊˈ ˄ˌ ˊˋ ˄ˌ ˋ˃ ˄ˌ ˋˆ ˄ˌ ˋˈ ˄ˌ ˋˋ ˄ˌ ˌ˃ ˄ˌ ˌˆ ˄ˌ ˌˈ ˄ˌ ˌˋ ˅˃ ˃˃ ˅˃ ˃ˆ ˅˃ ˃ˈ ˄ˌ. ˄ˌ. ! !. ˠ ˃˄. ˃. ˃. ! ˇ. ˄˅. Ղ௧ࢬ. ࢬק ˄˃. ˆ ˋ. ˅. ˉ. ˇ. ˄ ˅. ˠ ˃˄. ˠ ˃˄ ˃ˌ. ˃ˋ. ˠ ˃˄. ˠ ˃˄. ˃ˊ. ˠ ˃˄. ˃ˉ. ˃ˈ. ˠ ˃˄. ˠ ˃˄. ˃ˇ. ˃ˆ. ˃˄. ˃˅. ˠ ˃˄. ˊˋ ˋ˃ ˄ˌ ˋˆ ˄ˌ ˋˈ ˄ˌ ˋˋ ˄ˌ ˌ˃ ˄ˌ ˌˆ ˄ˌ ˌˈ ˄ˌ ˌˋ ˅˃ ˃˃ ˅˃ ˃ˆ ˅˃ ˃ˈ ˄ˌ. ˄ˌ. ˊˆ ˊˈ ˄ˌ. ˄ˌ. ˄ˉ. ˠ ˃˄. ˃. ˃. ˋ. ࢪקᏝࢬֺ. ˄ˇ. ˊ. ˄˅. ˉ. ˄˃. ˈ. ˋ. ˇ. ˉ. ˆ. Ղ௧ࢪᏝࢬֺ. ˅. ˇ. ˄. ˅. ˃. ˀ ˊˆ ˊˈ ˊˋ ˋ˃ ˋˆ ˋˈ ˋˋ ˌ˃ ˌˆ ˌˈ ˌˋ ˃˃ ˃ˆ ˃ˈ ˄ ˌ ˄ ˌ ˄ ˌ ˄ ˌ ˄ ˌ ˄ ˌ ˄ˌ ˄ ˌ ˄ ˌ ˄ ˌ ˄ ˌ ˅ ˃ ˅ ˃ ˅ ˃. ˃˄. ˃˄ ˃˄ ˃˄ ˃˄ ˃˄ ˃˄ ˃˄ ˃˄ ˃˄ ˠ ˠ ˠ ˠ ˠ ˠ ˠ ˠ ˠ ˃ˋ ˃ˌ ˃˅ ˃ˊ ˃ˉ ˃ˇ ˃ˆ ˃ˈ. ! ! ! კ 4-2-1! ᡂኧϐਔ໔ׇӈკ !. 33.
(68) ! ! ! ࢬקګ९᧢೯ ˃ˁ ˄˅ ˃ˁ ˄ ˃ˁ ˃ˋ ˃ˁ ˃ˉ ˃ˁ ˃ˇ ˃ˁ ˃˅ ˃ ˀ˃ˁ ˃˅ ˀ˃ˁ ˃ˇ ˀ˃ˁ ˃ˉ ˄ˌˊˆ. ˄ˌˊˋ. ˄ˌˋˆ. ˄ˌˋˋ. ˄ˌˌˆ. ˄ˌˌˋ. ˅˃˃ˆ. !. ! Ղ௧ࢬګ९᧢೯ ˃ˁ ˆ˃ ˃ˁ ˅ˈ ˃ˁ ˅˃ ˃ˁ ˄ˈ ˃ˁ ˄˃ ˃ˁ ˃ˈ ˃ˁ ˃˃ ˀ˃ˁ ˃ˈ ˀ˃ˁ ˄˃. ˃ˌ. ˠ. ˃ˊ. ˃˄. ˃ˊ. ˠ ˃ˌ. ˃ˋ. ˠ. ˃˄. ˃ˊ. ˠ ˃ˋ. ˃ˊ. ˠ. ˃˄. ˃ˊ. ˠ ˃ˊ. ˃˄. ˠ ˃ˉ. ˃ˉ. ˠ. ˃ˊ. ˃˄ ˃ˈ. ˠ. ˠ ˃ˈ. ˃ˇ. ˠ. ˃ˊ. ˃˄. ˃ˊ. ˠ ˃ˇ. ˃ˆ. ˠ. ˃˄. ˃ˊ. ˠ ˃ˆ. ˃˄. ˠ ˃˅. ˃ˊ. ˠ ˃˅. ˠ ˃˄. ˃˄. ˠ. ˃˄. ˀ˃ˁ ˄ˈ. !. ! კ 4-2-2! ܌ளԋߏᡂკ. 34.
(69) ಃΟ!ݣݰჴϩ. !. ҁࣴزаၗౢॶኳࠠࣁගΠவ܌ளࡌҥ୷ाሽॶኳࠠǴ٠ஒځᔈҔ ރܭᄊޜ໔ኳࠠीᆉݣݰሽǴჴ่݀ϩӵΠǺ! ! ǵόౢሽݣݰϯϐӸӧ! ߄ 5.4.2 ࣁҗ܌ளࡌҥϐ܊ሽ୷ॶᔈҔރܭᄊޜ໔ኳࠠϐ่݀Ǵჴว คፕѠч܈ੇǴ܊ځሽᆶ܌ளࣣԖᡉϐ҅ӛᜢ߯Ǵ಄ӝፕႣයৎЊ ܌ளቹៜ܊ሽϐᅍ൯Ƕ\ ॶ҅ޑᡉж߄ҁයډڙݣݰය҅ޑݣݰӛቹ ៜǴԶኳࠠύ V Z Ϸ V Y ࣣᡉ౦ ܭ1Ǵၲ ډ2&ीᡉНྗǴΨ߄Ңݣݰሽ ݢޑำࡋߚதᡉǴ܊ሽԖݣݰሽຝǶ! ! ߄ 4-3-1 നεཷ՟ीݤϐރᄊޜ໔ኳࠠϩ ѠчৎЊ܌ளᗋচ୷ॶ!. Ptt. c0 നεཷ՟ !ݤ0.587*** 0.037 ྗৡ ੇৎЊ܌ளᗋচ୷ॶ. c0 c1 pqtt btt Xt c1 0.717*** 0.100. Pst. !. \ t 0.999*** 0.001. c2 c3 pqst bst wt. C2 C3 1.009*** നεཷ՟ !ݤ0.435*** 0.028 0.006 ྗৡ ! ! Βǵόౢݣݰሽೕኳϐᆉ! ! )*аѠч܌ளᆉݣݰሽو༈!. btt. bst. \ s 0.847*** 0.062. \ t btt 1 Zt VZ 0.986*** 0.104. \ s bst 1 Y t VY 0.801*** 0.134. வ܊ሽᆶ܌ளޑჴ่݀วѠчѱ܊ሽӸӧݣݰϯຝǴკ5.4.2. ࣁݣݰሽϐو༈Ƕკ5.4.3ࣁ܊ሽᆶݣݰሽو༈Ǵკ5.4.4ࣁݣݰሽэ ܊ሽКٯǶԾ2:982::1ԃࣁ܊ሽᅍ໘ࢤǴҗჴ่݀ᡉҢрݣݰሽҭӧ ѱזೲԋߏǴݣݰሽܭ3111ԃಃ3ۑၲډനεϯǴਔ܊ޑሽڳऊ 47/42ǴԶݣݰሽڳऊ8/:Ǵݣݰሽ՞܊ሽऊ33&ǹԾ3111ԃࡕǴ܊ ሽᕏଆҷǴԶݣݰሽҭᆢӧڳ8ϡѰѓǶ!. 35.
(70) ˊˆ ˤ ˅ ˊˈ ˤ ˅ ˊˊ ˤ ˅ ˊˌ ˤ ˅ ˋ˄ ˤ ˅ ˋˆ ˤ ˅ ˋˈ ˤ ˅ ˋˊ ˤ ˅ ˋˌ ˤ ˅ ˌ˄ ˤ ˅ ˌˆ ˤ ˅ ˌˈ ˤ ˅ ˌˊ ˤ ˅ ˌˌ ˤ ˅ ˃˄ ˤ ˅ ˃ˆ ˤ ˅ ˃ˈ ˤ ˅ ˃ˊ ˤ ˅. ˊˆ ˤ ˅ ˊˈ ˤ ˅ ˊˊ ˤ ˅ ˊˌ ˤ ˅ ˋ˄ ˤ ˅ ˋˆ ˤ ˅ ˋˈ ˤ ˅ ˋˊ ˤ ˅ ˋˌ ˤ ˅ ˌ˄ ˤ ˅ ˌˆ ˤ ˅ ˌˈ ˤ ˅ ˌˊ ˤ ˅ ˌˌ ˤ ˅ ˃˄ ˤ ˅ ˃ˆ ˤ ˅ ˃ˈ ˤ ˅ ˃ˊ ˤ ˅. ! ϡʏ!!ڳ ˌ. ˋ. 7.9. ˊ. ˉ. ˈ. ˇ. ˆ. ˅. ˄. ˃. !. კ 4-3-1! Ѡчѱ܌ளीϐݣݰሽკ. ϡʏ!!ڳ. ˊ˃. ˉ˃. ࢪᏝ. ऐःᏝ. ˈ˃. 36.31. ˇ˃. ˆ˃. ˅˃. ˄˃. 7.9. ˃. კ 5.4.3! Ѡчѱ܊ሽᆶ܌ளीϐݣݰሽკ!. 36.
(71) % ˆ˃ ˅ˈ. 22% ˅˃ ˄ˈ ˄˃. ˈ ˃ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˤ˅ ˊˆ ˊˈ ˊˊ ˊˌ ˋ˄ ˋˆ ˋˈ ˋˊ ˋˌ ˌ˄ ˌˆ ˌˈ ˌˊ ˌˌ ˃˄ ˃ˆ ˃ˈ ˃ˊ. კ 5.4.4! Ѡч܌ளϐݣݰሽ՞܊ሽКٯკ. )Β*аੇ܌ளᆉݣݰሽو༈! !. வ܊ሽᆶ܌ளޑჴ่݀วੇѱ܊ሽҭӸӧݣݰϯຝǴკ. 5.4.5ࣁݣݰሽϐو༈Ƕკ4-3-5ࣁ܊ሽᆶݣݰሽو༈Ǵკ5.4.7ࣁݣݰሽ э܊ሽКٯǶੇ܊ሽԾ2000ԃڳ3/7:ᅍԿ3119ԃڳ:/44ǴԶ ݣݰሽҭԾڳ1.33ᅍԿ3.3ǹځ໔ݣݰሽܭ3119ԃ4Дၲനଯঢ়Ǵ Ԝਔ܊ሽڳ8.17Ǵݣݰ՞܊ሽऊ51&Ƕ! ᆄց/ࡓ. ˇ. 3.3 ˆ. ˅. ˄. ˃˄ ˠ ˃˄ ˃˄ ˠ ˃ˊ ˃˅ ˠ ˃˄ ˃˅ ˠ ˃ˊ ˃ˆ ˠ ˃˄ ˃ˆ ˠ ˃ˊ ˃ˇ ˠ ˃˄ ˃ˇ ˠ ˃ˊ ˃ˈ ˠ ˃˄ ˃ˈ ˠ ˃ˊ ˃ˉ ˠ ˃˄ ˃ˉ ˠ ˃ˊ ˃ˊ ˠ ˃˄ ˃ˊ ˠ ˃ˊ ˃ˋ ˠ ˃˄ ˃ˋ ˠ ˃ˊ ˃ˌ ˠ ˃˄ ˃ˌ ˠ ˃ˊ. ˃. კ 5.4.5! ੇ܌ளीϐݣݰሽკ!. 37.
(72) ˃˄ ˠ ˃ ˃˄ ˄ ˠ ˃ ˃˅ ˊ ˠ ˃ ˃˅ ˄ ˠ ˃ ˃ˆ ˊ ˠ ˃ ˃ˆ ˄ ˠ ˃ ˃ˇ ˊ ˠ ˃ ˃ˇ ˄ ˠ ˃ ˃ˈ ˊ ˠ ˃ ˃ˈ ˄ ˠ ˃ ˃ˉ ˊ ˠ ˃ ˃ˉ ˄ ˠ ˃ ˃ˊ ˊ ˠ ˃ ˃ˊ ˄ ˠ ˃ ˃ˋ ˊ ˠ ˃ ˃ˋ ˄ ˠ ˃ ˃ˌ ˊ ˠ ˃ ˃ˌ ˄ ˠ ˃ˊ ˃˄ ˠ ˃ ˃˄ ˄ ˠ ˃ ˃˅ ˊ ˠ ˃ ˃˅ ˄ ˠ ˃ ˃ˆ ˊ ˠ ˃ ˃ˆ ˄ ˠ ˃ ˃ˇ ˊ ˠ ˃ ˃ˇ ˄ ˠ ˃ ˃ˈ ˊ ˠ ˃ ˃ˈ ˄ ˠ ˃ ˃ˉ ˊ ˠ ˃ ˃ˉ ˄ ˠ ˃ ˃ˊ ˊ ˠ ˃ ˃ˊ ˄ ˠ ˃ ˃ˋ ˊ ˠ ˃ ˃ˋ ˄ ˠ ˃ ˃ˌ ˊ ˠ ˃ ˃ˌ ˄ ˠ ˃ˊ. ! ϡ0!ڳ ˄ˇ. ˄˅. ࢪᏝ. ऐःᏝ. % 8.17. ˄˃. ˋ. ˉ. ˇ. 3.3. ˅. ˃. ! კ 5.4.6! ੇѱ܊ሽᆶ܌ளीϐݣݰሽკ! ! !. ! კ 5.4.7! ੇѱ܌ளϐݣݰሽ՞܊ሽКٯკ! !. 38. !. ˊ˃. ˉ˃. Ղ௧ऐःࢪ۾Ꮭۍ։ֺ. ˈ˃. 40%. ˇ˃. ˆ˃. ˅˃. ˄˃. ˃. !.
(73) )Ο*ݣݰሽϐКၨϩ! җॊჴ่݀ᡉҢǴคፕவѠч܊ሽᆶ܌ளϐᜢ߯܈ੇ܊ሽᆶ܌ள ϐᜢ߯ǴޣٿϸࢀрόౢѱрݣݰϯϐǶԜѦǴҗ߄5.4.3 ёКၨݣݰޣٿϐीໆǶ२ӃǴவѠчޑीໆளޕǴ܌ځளᆉϐݣݰ ޑঢ়ᄊ߯ኧࣁ2/49Ǵж߄ݣݰሽၨᛙۓǴᗦ֖Ѡч܌ளᡂኧၨό௵གǹ Զҗੇޑঢ়ᄊ߯ኧࣁ3/13Ǵж߄ݣݰሽݢ൯ࡋၨεǶ! ! ߄ 4-3-2 ݣݰሽϐीໆ ᡂኧ!. ѳ֡ኧ! )ϡ0!*ڳ. ྗৡ!. ୃᄊ߯ኧ!. ঢ়ᄊ߯ኧ!. Ѡчݣݰሽ!. 5/58!. 3/73!. .1/199!. 2/49!. ੇݣݰሽ!. 3/38!. 1/774!. 1/521!. 3/13!. 39.
(74) ಃѤ!όౢሽݣݰቹៜӢનϩ!. !. җॊϐЎӣ៝ёޕǴሽݣݰϐԋନΑډڙၗΓϐႣයЈቹ. ៜϐѦǴሽϐୃᚆҭډڙᕴᡏᔮӢન܌ቹៜǴӵჾٮ๏ᚐǵނሽᅍǵ ިሽǵճǵѦ༊ӸۭϷ܊ሽԋߏ֡ᆶ܊ሽݣݰԖᜢǴӢԜҁЎа೭٤ᡂ ኧᆶ܌ள܌ϐݣݰሽǴϩձ٬Ҕচॶۈᆶৡϩၸࡕϐਔ໔ׇӈϩǴ زࣴቹៜݣݰሽϐӢનǶ! ! !. җܭѦ༊ӸۭࢂჾྗޑഢϐǴѦ༊Ӹۭቚу٬ჾٮ๏ᚐቚуǴ. ӢԜόౢሽᆶჾٮ๏ᚐǵѦ༊Ӹۭԋ҅࣬ᜢǴᆶճࣁॄ࣬ᜢǶԜѦǴ வჾࡹޑᜢ߯ύёวǴଷ٬ሌՉ௦ڗၨࣁቨޑჾࡹǴόၗߎ ܰڗளǴሌՉΨܫቨສීޑᑼၗచҹǴ٬҇Εόౢѱߐޑᘖᡂ եǴԶ֎Ї׳ӭޑၗΓΕѱǴቚу܊ѱޑሡໆǴܰԋݣݰϯຝǹ ϸϐǴऩѧՉჾᆙᕭǴሌՉᓸᕭສීೕኳǴ܊ѱၨόܰрݣݰϯຝǶ ќѦǴόౢሽ۳۳ՔᒿިሽǵނሽᅍǴӢԜ܊ሽᆶިሽϷނሽᔈև ӕӛᡂǶҗ߄5.5.2Ϸ5.5.3ѠчϷੇݣݰሽᆶނޣሽࡰኧǵѦ༊ Ӹۭǵճǵჾٮ๏)N3*ǵය܊ሽᅍǵިሽࡰኧϐচ࣬ॶۈᜢϩ ่݀ёวǴӚᡂኧᆶ܊ሽݣݰሽϐ໔࣬ޑᜢ߯ኧଯǴж߄Ӛᡂኧࣣቹៜ ݣݰሽϐӸӧǴЪځႣය಄ဦεठᆶፕ࣬ӕǶ!. 40.
(75) ߄ 4-4-1 Ѡчݣݰሽᆶᕴᡏᔮᡂኧচॶۈϐ࣬ᜢϩ ! !. ނሽࡰኧ! Ѧ༊Ӹۭ. ճ ჾٮ๏. ය܊ሽ ިሽࡰኧ! ݣݰሽ! ᅍ!. ނሽࡰኧ!. 2/11!. 1/95!. .1/97!. 1/:3!. .1/19!. 1/92!. 1/:9!. Ѧ༊Ӹۭ!. 1/95!. 2/11!. .1/93!. 1/:5!. 1/14!. 1/83!. 1/91!. ճ!. .1/97!. .1/93!. 2/11! .1/95!. .1/18!. .1/7:!. .1/95!. ჾٮ๏!. 1/:3!. 1/:5!. .1/95!. 2/11!. .1/17!. 1/88!. 1/:3!. ය܊ሽᅍ!. .1/19!. 1/14!. .1/18! .1/17!. 2/11!. 1/14!. .1/21!. ިሽࡰኧ!. 1/92!. 1/83!. .1/7:!. 1/88!. 1/14!. 2/11!. 1/95!. ݣݰሽ!. 1/:9!. 1/91!. .1/95!. 1/:3!. .1/21!. 1/95!. 2/11!. ! ! ߄ 4-4-2 ੇݣݰሽᆶᕴᡏᔮᡂኧচॶۈϐ࣬ᜢϩ. ʳ ʳ. ݣݰሽ!ިሽࡰኧ ჾٮ๏. ճ!. ය܊ሽ Ѧ༊Ӹۭ!ނሽࡰኧ! ᅍ!. ݣݰሽ!. 2/11!!. 1/67!. 1/:4!. 1/12!. .1/12!. 1/:4!!. 1/52!!. ިሽࡰኧ!. 1/67!!. 2/11!. 1/64!. 1/53!. 1/49!. 1/68!!. 1/51!!. ჾٮ๏!. 1/:4!!. 1/64!. 2/11!. .1/23!. 1/13!. 1/::!!. 1/42!!. ճ!. 1/12!!. 1/53!. .1/23!. 2/11!. 1/22!. .1/16!!. 1/75!!. ය܊ሽᅍ! .1/12!!. 1/49!. 1/13!. 1/22!. 2/11!. 1/13!!. 1/12!!. Ѧ༊Ӹۭ!. 1/:4!!. 1/68!. 1/::!. .1/16!. 1/13!. 2/11!!. 1/49!!. ނሽࡰኧ!. 1/52!!. 1/51!. 1/42!. 1/75!. 1/12!. 1/49!!. 2/11!!. ! ௗǴࣁ׳Αှᡂኧᆶݣݰሽϐᡂᜢ߯ǴӃஒ܌Ԗޑᡂኧڗৡϩࡕ ٬ځԋࣁᛙۓϐਔ໔ׇӈ)߄ـ5.5.4ǵ5.5.5*ǴԶࡕՉ࣬ᜢ߯ኧϩǶ ၸৡϩࡕǴԖ٤ᡂኧᆶݣݰሽ࣬ޑᜢ߯ࡐեЪ಄ဦό಄ӝፕႣයǴӢԜ ෳ၂ӚᡂኧပࡕයԿΟයᆶݣݰሽϐᜢ߯Ǵаᢀჸ೭٤ᡂኧޑပ ࡕයჹݣݰሽϐቹៜǶҭջᔠෳࢂց಄ӝၗΓϐႣයፕǴаӧቹៜ ӢનޑᡂݩރѐႣෳ҂ٰ܊ሽុϲଯǴӢԶ٬ݣݰሽᘉεǶ! ! வ߄5.5.6ύளޕǴаѠч܌ளݣݰޑሽǴᆶය೯ᑩǵပ ࡕٿය೯ᑩǵပࡕΟයޑ೯ᑩǵයޑჾٮ๏ᡂǵပࡕ යޑჾٮ๏ᡂǵပࡕΒයޑჾٮ๏ᡂϷပࡕΟයޑჾٮ๏. 41.
(76) ᡂԖၨଯ࣬ޑᜢ߯ኧᆶ಄ӝႣයޑ಄ဦǶ! ! !. ќБय़Ǵவ߄5.5.7ளޕளǴаੇ܌ளݣݰޑሽǴᆶပࡕය. ޑ೯ᑩǵပࡕයޑჾٮ๏ᡂǵပࡕΒයޑჾٮ๏ᡂǵ ပࡕΒයޑສීճᡂǵပࡕΟයޑສීճᡂϷပࡕයޑය ܊ሽԋߏԖၨଯ࣬ޑᜢ߯ኧǴฅځႣය಄ဦᆶፕ٠҂ֹӄठǶ! ! ! ߄ 4-4-3 Ѡчᕴᡏᔮၗᡂϐൂਥᔠۓ ᡂኧ!. ೯ᑩ!. ! !. ჾٮ๏! ިሽࡰኧ! ສීճ! ය܊ሽ! Ѧ༊ ᚐᡂ! ᡂ! ᡂ! ᅍ! Ӹۭ!. !. QQ!uftu!. .7/41!. ൂਥᔠۓीໆ! .7/71!. .9/87!. !. .6/95!. !. .21/25!. .7/:1!. !. ߄ 4-4-4 ੇᕴᡏᔮၗᡂϐൂਥᔠۓ ᡂኧ!. ೯ᑩ!. ! !. ! !. QQ!uftu!. .8/84!. ჾٮ๏! ިሽࡰኧ! ສීճ! ය܊ሽ! Ѧ༊ ᚐᡂ! ᡂ! ᡂ! ᅍ! Ӹۭ! ൂਥᔠۓीໆ! .22/22!. .:/::!. .:/57!. ! !. ! !. .9/26!. .8/::!. ຏ 1Ǻᔠۓϐคଷࣁਔ໔ׇӈڀԖൂਥǹჹҥଷࣁਔ໔ׇӈόڀԖൂਥǶ! ຏ 2ǺᡉНྗࣁ 1%ǵ5%ǵ10%ޑᖏࣚॶϩձࣁǺ-3.48ǵ-2.88ǵ-2.58Ƕ! ! !. ߄ 4-4-5 Ѡчݣݰሽᆶᕴᡏᔮᡂኧৡϩॶϐ࣬ᜢϩ ܌(ݣݰள)ᡂ ቹៜӢન. ය. ပࡕය. ೯ᑩ. 0.228. 0.174. 0.329. 0.389. ჾٮ๏ᚐᡂ. 0.323. 0.383. 0.352. -0.055. ިሽࡰኧᡂ. 0.209. -0.020. -0.175. -0.023. ສීճᡂ. 0.140. 0.048. 0.095. 0.143. ය܊ሽᅍ. 0.010. 0.129. 0.043. 0.046. Ѧ༊Ӹۭᡂ. 0.001. -0.006. 0.083. 0.023. ! ! !. 42. ပࡕΒය. ပࡕΟය.
相關文件
It analyzes the pricing differences between pure-play retailers e-retailers and hybrid retailers click-and-mortar retailers or multichannel retailers for three categories of
The market with the greater permanent price effect and smaller temporary price effect should contain more information and less noise than other markets The weighted average price
All the related markets are likely to contribute differently to the price discovery process because of their distinct liquidity, transaction costs, leverage effects,
客觀標準化不動產估價之可行性分析 ─市場比較法應用於大量估價 The Feasibility Analysis of the Objective Standardized Real Estate Appraisal ─The Market
區域金融中心— 新加坡、香港、上海、台北及首爾之評比研究 Regional Financial Center— The Comparative Study of Singapore, Hong Kong, Shanghai, Taipei
Government’s Personnel Flexibilization under Managerialism: A Comparative Study of Contract Personnel System in Taiwan and Kong Hong Bennis Wai Yip So* Abstract
In this connection, the government should undertake the policy of enforcing real price registration in housing transactions and restrict mortgage loan in buying houses in order
The metabolic syndrome, type 2 diabetes, and cardiovascular disease: Understanding the role of insulin resistance. High prevalence of metabolic syndrome in Hong