隨著全球對能源轉型的重視，液化天然氣相較於其他化石燃料具有減少二氧化碳排放和提高能源使用效率的優勢。而臺灣為了因應能源轉型，計劃於2025年調整電力結構，使天然氣發電占比達到50%，煤炭發電占比降至30%，再生能源發電占比增為20%。基於液化天然氣在能源市場日趨重要，並且其價格波動對電價成本造成了重大影響，因此本研究旨在深入分析與預測其價格波動，以便更好地理解市場趨勢。
本研究以日本、韓國天然氣價格指標（JKM）及日本原油清關價格（JCC）作為研究對象，涵蓋期間為2014年08月01日至2023年06月30日，並且透過GARCH與EGARCH模型對近一年內的價格波動進行預測分析。研究結果顯示，對於JKM日價格資料，GARCH模型預測未來價格波動趨於穩定，而EGARCH模型則預測未來價格將有上升波動，最後根據AIC和BIC準則，GARCH模型在進行液化天然氣價格波動分析時表現更佳。對於JKM月平均價格而言，與日價格模型分析結果相似，在AIC及BIC準則上，GARCH模型同樣優於EGARCH模型。另外，在JCC月價格資料中，GARCH和EGARCH模型預測價格波動均呈現穩定，但GARCH模型的AIC和BIC值略低，顯示其更適合於進行價格波動預測分析。

With the increasing global emphasis on energy transition, liquefied natural gas (LNG) has advantages over other fossil fuels due to its ability to reduce carbon dioxide emissions and improve energy efficiency. In response to the energy transition, Taiwan plans to adjust its power structure, aiming for natural gas to account for 50% of electricity generation, while reducing coal-based power generation to 30% and increasing renewable energy generation to 20% in 2025. Given the growing importance of LNG in the energy market, this study aims to conduct an in-depth analysis and prediction of its price volatility to better understand market trends.
This study focuses on the Japan Korea Marker (JKM) and Japan Crude Cocktail (JCC) price, covering the period from August 1, 2014, to June 30, 2023. GARCH and EGARCH models are employed to forecast price volatility over the past years. The results indicate that for JKM daily price data, the GARCH model predicts future prices trend to be stable, while the EGARCH model forecasts future prices to exhibit upward volatility.Furthermore, based on the AIC and BIC criteria, the GARCH model performs better when analyzing price volatility in the LNG market. Similar results are observed for JKM monthly average prices, with the GARCH model outperforming the EGARCH model in terms of AIC and BIC criteria. Additionally, in the case of JCC monthly price data, both GARCH and EGARCH models predict price volatility to be stable, but the GARCH model exhibits slightly lower AIC and BIC values, indicating its suitability for price volatility prediction analysis.

一、中文文獻
1. 工業技術研究院(2022)，2022日本能源白皮書研析。
2. 中技社 (2016)，提升臺灣液化天然氣冷能利用之研析。
3. 中技社 (2023)，俄烏衝突對天然氣市場之影響。
4. 台綜院(2017)，美國液化天然氣政策與市場前景。
5. 呂嘉容(2020)，亞洲液化天然氣市場動態與發展趨勢。臺灣經濟研究月刊，43(6)，頁 76-83。
DOI : 10.29656/TERM.202006_43(6).0010
6. 林茂文(2006)，時間數列分析與預測：管理與財經之應用。華泰文化有限公司。
7. 國家發展委員會(2022)，「俄烏戰爭影響全球能源與原物料供需，對我國之衝擊與政府因應之道」專案報告。
8. 張庭瑋(2010)，考慮狀態轉換下的GARCH模型配適程度與預測能力之驗證-以道瓊歐洲石油天然氣指數期貨為例。國立政治大學財務管理研究所碩士論文。
9. 許博涵(2007)，天然氣價格風險值衡量。國立交通大學財務金融研究所碩士論文。
10. 陳雨彤(2021)，天然氣價格預測模型之比較分析。國立臺北大學統計學系研究所碩士論文。
11. 新湖期貨(2022)，202211美國LNG概況。
12. 楊奕農(2017)，時間序列分析：經濟與財務上之應用。雙葉書廊有限公司。
13. 經濟部(2022)，我國天然氣供需情形。
14. 臺灣中油(2015)，LNG船的領航之道。
15. 臺灣經濟研究院(2014)，全球LNG市場近期發展。
16. 謝明軒(2009)，ARMA-GARCH模型之貝氏分析。國立中原大學應用數學研究所碩士論文。
17. 謝沛珊(2018)，原油價格波動的模式化與預測-時間序列模型之應用。國立臺北大學統計學系研究所碩士論文。
二、英文文獻
1. Bollerslev, T.(1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, Volume 31, Pages 307-327.
2. Efimova, O.& Serletis, A. (2014). Energy markets volatility modelling using GARCH. Energy Economics, Volume 43, Pages 264-273.
3. Energy Institute. (2023). Statistical Review of World Energy 2023.
4. Gao, S., Hou, C. & Nguyen, B. H. (2021). Forecasting natural gas prices using highly flexible time-varying parameter models. Economic Modelling, Volume 105,105652.
5. Hosseinipoor, S. (2016). Application of ARIMA and GARCH Models in Forecasting the Natural Gas Prices. ResearchGate.
DOI: 10.13140/RG.2.1.1925.5447
6. Hosseinipoor, S. (2016). Forecasting Natural Gas Prices in the United States Using Artificial Neural Networks. ResearchGate.
DOI: 10.13140/RG.2.1.1284.8248
7. Hulshof, D., van der Maat, J.-P. & Mulder, M. (2016). Market fundamentals, competition and natural-gas prices. Energy Policy, Volume 94, Pages 480-491.
8. IEA. (2022). World Energy Outlook 2022
9. IEA. (2023). World Energy Outlook 2023
10. IEEFA. (2023). Global LNG Outlook 2023-27
11. Japanese Customs Cleared crude oil (JCC) price. (2023). Energy Commission.
12. Jiménez-Rodríguez, R. (2022). Oil shocks and global economy. Energy Economics, Volume 115, 106373.
13. Kalashnikov, V. V., Matis, T. I. & Pérez-Valdés, G. A. (2010). Time series analysis applied to construct US natural gas price functions for groups of states. Energy Economics, Volume 32, Pages 887-900.
14. Kilian, L. & Zhou, X. (2022). The impact of rising oil prices on U.S. inflation and inflation expectations in 2020–23. Energy Economics, Volume 113,106228.
15. Liu, F., Shao, S., Li, X., Pan, N. & Qi, Y. (2023). Economic policy uncertainty, jump dynamics, and oil price volatility. Energy Economics, Volume 120, 106635.
16. Lv, X. & Shan, X. (2013). Modeling natural gas market volatility using GARCH with different distributions. Physica A: Statistical Mechanics and its Applications, Volume 392, Pages 5685-5699.
17. Saltik, O., Degirmen, S. & Ural, M. (2016). Volatility Modelling in Crude Oil and Natural Gas Prices. Procedia Economics and Finance, Volume 38, Pages 476-491.
18. Xu, Y. & Lien, D. (2021). Forecasting volatilities of oil and gas assets: A comparison of GAS, GARCH, and EGARCH models. Journal of Forecasting, Volume41, Pages 259-278.
三、網路資料
1. 天下雜誌 (2020)，台灣中油配合政府實踐2025能源轉型目標：天然氣發電占比達50%，網址：https://reurl.cc/o7Ox3Q
2. 今周刊 (2021)，邁向2050能源轉型，天然氣對台灣愈來愈重要。網址：https://reurl.cc/97RGvv
3. 今日新聞 (2023)，俄烏周年／經貿迎寒冬 台灣也受害。網址：https://reurl.cc/65Rrld
4. 台灣中油股份有限公司官網。網址：https://www.cpc.com.tw/Default.aspx
5. 能源知識庫 (2019)，LNG來自四方，細說台灣天然氣進口供應安全。網址：https://reurl.cc/mDQVmV
6. 楊皓荃 (2017)，國際天然氣市場現況與趨勢。網址：https://reurl.cc/kra1Xq
7. 經濟部能源局 (2022)，確保天然氣供應穩定。網址：https://reurl.cc/v7xlM1
8. 維基百科(2023)，2021年-2022年全球能源危機。網址：https://reurl.cc/eLd3kj
9. 關鍵評論 (2022)，俄烏戰火後的危機！台灣天然氣10%缺口，中油準備好應戰了嗎？網址：https://reurl.cc/x7zEkN
10. BBC NEWS (2022)，俄烏戰爭與能源危機 液化天然氣為什麼變得如此重要？網址：https://reurl.cc/97RG0n
11. Daltorio,T. (2014). LNG Stock Prices: Three Reasons 2014 Will Bring the Biggest Gains Yet. URL: https://reurl.cc/bDl2Gd
12. Investing.com. (2023). LNG Japan/Korea Marker PLATTS Future Historical Prices .URL：https://reurl.cc/QeZLL5