本論文旨在於調查近年政府對於太陽能光電產業所施行之相關政策，對於產業價值的影響，並進一步控制油價干擾因素後，針對政府2009年4月所推動之綠色能源產業旭昇方案，設立虛擬變數進行檢測。模型中亦引入美國三個月期國庫券利率與十年期公債殖利率進行估計。樣本資料取自於臺灣經濟新報資料庫系統（Taiwan Economic Journal, TEJ）與Datastream資料庫系統，並以臺灣證券交易所（Taiwan Stock Exchange, TSE）所編製之光電產業指數作為代理變數，研究樣本期間則涵蓋2007年7月2日至2014年5月7日。
    實證模型採用GARCH模型、GARCH-Dummy模型、GARCH-Jump-Dummy模型與GARCH-Jump-Dummy-ICSS模型，此外，為有效捕捉報酬序列可能存在多重結構改變點的問題，本論文採用ICSS方法進行結構點的檢測。結果顯示有10個結構性改變時點，且油價成長具有正向影響，本論文推論在油價成本高漲驅動下，帶動了市場尋求節能商品與新興能源的需求，進而推升光電產業的股價表現，再者，國內光電產業多為出口導向，故當美國公債利率上升時，將會推升美元升值壓力，如此將有利率出口成長。最後，當投資人進行投資決策時，客觀選定結構改變點將可有效提升模型配適能力。

This study aims to investigate the influence of government’s relevant policies on solar photovoltaic industry value in recent years and to set up a virtual variable to detect “Green New Deal” promoted by the government on Apr. 2009 after controlling interference factors of oil price. The interest rate of three months and ten years are also considered in empirical model. Sample data taken from Taiwan Economic Journal (TEJ) and Datastream database system and photovoltaic industry index compiled by Taiwan Stock Exchange (TSE) to be used as proxy variables. The period for sample was from July 2, 2007 to May 7, 2014.
  This study adopts the different models as GARCH model, GARCH-Dummy model, GARCH-Jump-Dummy model and GARCH-Jump-Dummy-ICSS model. In addition, to effectively capture the problem of change point in multiple-structure that may be existed in sequence of returns, this study uses ICSS method to examine break points. The results indicate ten structural change points and the growth of oil price has positive influence. It states that the increase in oil price will drive the market to seek for energy saving products and the demand of emerging energy. This pushes the performance of share price in photovoltaic industry. Furthermore, because domestic photovoltaic industry is mostly export orientation, the pressure of US dollar appreciation will be risen when U.S. government bond yield increases, and promote export growth in solar photovoltaic industry. Consequently, investors conducting investment decision-making should consider the influence of structural changes on model fitting.

目 錄
第一章	緒  論	                            1
 第一節	研究背景                             1
 第二節	研究動機	                            6
 第三節	研究目的	                            8
 第四節	研究流程	                           10
 第五節  研究架構	                           11
第二章	文獻回顧	                           12
 第一節	油價與太陽能光電產業股價之關聯性	12
 第二節	政策施行對太陽能光電產業之影響	17
 第三節  太陽能光電產業股價波動叢聚特性	19
第三章	研究方法與實證模型      	         23
 第一節  單根檢定	                           23
 第二節  ARCH效果檢定	                  26
    一、 Q檢定                       	27
    二、 LM檢定                      	28
 第三節  實證模型                    	29
    一、GARCH模型	                           29
    二、固定跳躍GARCH模型	                  31
第四章  資料來源、處理與分析	         34
 第一節 樣本資料來源	                  34
 第二節 樣本資料的基本統計量	         35
第五章	實證結果與分析	                  38
 第一節	單根檢定	                           38
 第二節	實證模型之結果分析	                  40
第六章	結論	                           44
參考文獻	                                    46

圖表目錄
【圖1】本論文研究架構流程圖	                  11
【表4-2-1】變數基本敘述統計量	         36
【圖4-2】臺灣地區光電產業指數與日成交量走勢圖	37
【表5-1-1】ADF單根檢定法	                  39
【表5-1-2】PP單根檢定法	                  39
【表5-2-1】ICSS多個結構改變時點檢定結構彙整	40
【表5-2-2】臺灣地區光電產業指數報酬不同模型設定平均數方程式 估計結果	42
【表5-2-3】臺灣地區光電產業指數報酬不同模型設定變異數方程式估計結果	43

1.王冠閔、吳書慧，（2006），「台灣股、匯市與美國股市傳導機制之實證分析」，運籌研究集刊，第10期，頁1~15。
2.王啟秀，孔祥科，左玉婷，(2008)，「全球能源產業趨勢研究－以台灣太陽能光電產業為例」，中華管理評論國際學報，第11卷3期，頁1-47。
3.田峻吉，(2001)，美國、日本、香港股市對台灣電子股指數的影－GARCH模型之用應，台灣大學農業經濟學研究所碩士論文。
4.吳嘉豐，(1998)，匯率與股價指數報酬率及其波動性之關係－GARCH模型之應用，淡江大學財務金融研究所碩士論文。
5.吳書華，(2008)，高油價時代對於產業股價的影響－以太陽能產業為例，國立成功大學碩士論文。
6.江智德，(1998)，國際資本市場互動關係之研究－GARCH模型之應用，台灣大學商學研究所碩士論文。
7.李權欣，(2000)，跨國股市現貨與期貨市場間之傳導效果－多變量三元GARCH模型之應用，淡江大學國際貿易學系國際企業學碩士班論文。
8.林建甫，(1996)，「ARCH族模型估計與檢定的問題」，經濟論文叢刊，第24卷第3期，339-355頁。
9.林建智，(1998)，原油價格與股價關係之探討－以美國及台灣為例，世新大學管理學院財務金融學系碩士論文。
10.周盈秀，(2004)，「高油價時代對全球經濟及產業衝擊」，台灣經濟月刊，第27卷，第11 期，頁96-106。
11.洪國琮，(2005)，「太陽光電系統之電力轉換技術簡述及我國太陽光電技術發展趨勢」，工研院經資中心IEK。
12.孫一菱，(2004)，不同政策工具對再生能源發展潛力之經濟分析，國立台北大學自然資源與環境管理研究所碩士論文。
13.梁啟源，民國93年3月，「矯正外部性及市場扭曲之能源價格政策對經濟影響之評估」，行政院國家科學委員會/經濟部能源委員會「92 年度能源科技學術合作研究計劃」，編號：NSC 92-2623-7-001-003-ET。
14.梁啟源、吳再益、郭博堯、劉致峻，民國93年11月，「再生能源發展方案之社會成本效益分析」，經建會，臺灣經濟論衡（原自由中國之工業）。
15.梁啟源，(2009)，「我國再生能源發展方案之評估」，臺灣銀行季刊，第60卷第4期，頁116~167。
16.黃朝暐，(2007)，台灣主要外幣匯率報酬率的波動結構性改變與波動持續性之研究-DSFM模型與ICSS演算法之應用，國立中興大學企業管理研究所碩士論文。
17.黃正忠，(2009)，「臺灣太陽光電產業永續發展方向」，再生能源/能源管理專輯，頁48-55。
18.邱榮輝，(2012)，因應全球競爭環境下提升我國太陽光電產業優勢策略之研究，行政院經濟建設委員會。
19.彭智煒，(2008)，使用同時考慮狀態轉換及正負不對稱基差效果之時變相關係數GARCH模型進行能源期貨避險，暨南國際大學財務金融研究所碩士論文。
20.楊奕農，時間序列分析-經濟與財務之應用，二版，雙頁書廊，台北市，西元2009年8月。
21.連育民，(2004)，美國、日本、台灣、南韓股價報酬率波動持續性中結構性改變、成交量與GARCH效果比較及該四國股票市場動態關聯性之研究—ICSS運算法與多變量VEC-GJR GARCH-M模型之應用，台北大學合作經濟研究所碩士論文。
22.葉啟文，(2010)，國際原油投資報酬與資金行情之探討-GARCH模型，國立中央大學產業經濟研究所碩士在職專班。
23.陳如珍，(1996)，能源市場整合性與效率性之探討－根據原油、熱油與無鉛汽油每小時期貨價格，成功大學會計學研究所碩士論文。
24.陳心一，(1997)，短期匯率預測：ARIMA與GARCH模型之比較研究，中山大學財務管理研究所碩士論文。
25.陳怡憓，(2006)，原油價格與能源期貨、股票指數期貨及股票市場報酬率之關聯性，彰化師範大學企業管理研究所碩士論文。
26.民國98年10月，「綠色能源產業旭升方案」行動計畫(核定本)，經濟部。
27.Agnolucci Paolo (2009), “Volatility in Crude Oil Futures: A Comparison of the Predictive Ability of GARCH and Implied Volatility Models,” Energy Economics, Vol. 31 (2), pp. 316-321.
28.Baillie, R., and Myers, R. J. (1991), “Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge,”Journal of Applied Econometrics,6, pp. 109-124.
29.Bernanke, B. S., M. Gertler, and M. Watson. (1997), “Systematic Monetary Policy and the Effects of Oil Price Shocks,” Broolings Papers on Economic Activity 1; pp. 92-157.
30.Granger, C. W. J. (1981), “Some Properties of Time Series Data and Their Use in Econometric Model Specification” , Journal of Econometrics , 16 , pp. 121-130.
31.Hillebrand, Eric (2005). Neglecting parameter changes in GARCH models. Journal of Econometrics 129: pp. 121-138.
32.Inclan, C. and Tiao, G. C., (1994), “Use of Cumulative Sums of Squares for Retrospective Detection of Changes of Variance”, Journal of the American Statistical Association, Vol.89,  pp. 913-923.
33.Kung Ling-Ming and Shang-Wu Yu (2008), “Prediction of Index Futures Returns and the Analysis of Financial Spillovers—A Comparison between GARCH and the Grey Theorem,” European Journal of Operational Research, Vol. 186 (3), pp. 1184-1200.
34.Lamoureux, Christopher G. and William D. Lastrapes (1990). Persistence in variance, structural change and the GARCH model. Journal of Business and Economic Statistics 8: pp. 225-234.
35.Liu Hung-Chun and Jui-Cheng Hung (2010), “Forecasting S&P-100 Stock Index Volatility：The Role of Volatility Asymmetry and Distributional Assumption in GARCH Models,” Expert Systems with Applications, Vol. 37 (7), pp. 4928-4934.
36.Rapach, David E. and Jack K. Strauss (2008). Structural breaks and GARCH models of exchange rate volatility. Journal of Applied Econometrics 23: pp. 65-90.
37.Reikard Gordon (2009), “Predicting Solar Radiation at High Resolutions: A Comparison of Time Series Forecasts,” Solar Energy, Vol. 83 (3), pp. 342-349.
38.Sadorsky Perry (2006), “Modeling and Forecasting Petroleum Futures Volatility,” Energy Economics, Vol. 28, pp. 467-488.