iVOD / 161755

Field Value
IVOD_ID 161755
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/161755
日期 2025-05-21
會議資料.會議代碼 委員會-11-3-20-13
會議資料.會議代碼:str 第11屆第3會期財政委員會第13次全體委員會議
會議資料.屆 11
會議資料.會期 3
會議資料.會次 13
會議資料.種類 委員會
會議資料.委員會代碼[0] 20
會議資料.委員會代碼:str[0] 財政委員會
會議資料.標題 第11屆第3會期財政委員會第13次全體委員會議
影片種類 Clip
開始時間 2025-05-21T12:52:19+08:00
結束時間 2025-05-21T12:58:08+08:00
影片長度 00:05:49
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/e381da0d479eb7db324de3452fbaaf0fda433bb611ec39b925d7a793ed122532ebd3dc688115573a5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 廖先翔
委員發言時間 12:52:19 - 12:58:08
會議時間 2025-05-21T09:00:00+08:00
會議名稱 立法院第11屆第3會期財政委員會第13次全體委員會議(事由:一、邀請財政部、金融監督管理委員會、中央銀行就「房屋稅2.0課徵亂象與金融機構對不動產融資緊縮及中央銀行信用管制措施對房地產交易之影響」進行專題報告,並備質詢。 二、處理中華民國114年度中央政府總預算決議有關金融監督管理委員會主管預算凍結書面報告案39案。【報告事項】 三、處理中華民國114年度中央政府總預算決議有關金融監督管理委員會主管預算凍結專案報告案9案。【討論事項】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 0.03096875
transcript.pyannote[0].end 0.18284375
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 1.14471875
transcript.pyannote[1].end 4.63784375
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 4.97534375
transcript.pyannote[2].end 8.38409375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 8.46846875
transcript.pyannote[3].end 11.84346875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 12.11346875
transcript.pyannote[4].end 33.78096875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 34.38846875
transcript.pyannote[5].end 37.37534375
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 37.78034375
transcript.pyannote[6].end 41.15534375
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 41.32409375
transcript.pyannote[7].end 44.47971875
transcript.pyannote[8].speaker SPEAKER_02
transcript.pyannote[8].start 45.28971875
transcript.pyannote[8].end 45.61034375
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 45.61034375
transcript.pyannote[9].end 46.97721875
transcript.pyannote[10].speaker SPEAKER_02
transcript.pyannote[10].start 45.66096875
transcript.pyannote[10].end 46.01534375
transcript.pyannote[11].speaker SPEAKER_02
transcript.pyannote[11].start 47.51721875
transcript.pyannote[11].end 49.12034375
transcript.pyannote[12].speaker SPEAKER_02
transcript.pyannote[12].start 49.71096875
transcript.pyannote[12].end 50.60534375
transcript.pyannote[13].speaker SPEAKER_02
transcript.pyannote[13].start 50.63909375
transcript.pyannote[13].end 58.85721875
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 58.94159375
transcript.pyannote[14].end 61.45596875
transcript.pyannote[15].speaker SPEAKER_02
transcript.pyannote[15].start 62.08034375
transcript.pyannote[15].end 65.43846875
transcript.pyannote[16].speaker SPEAKER_02
transcript.pyannote[16].start 65.89409375
transcript.pyannote[16].end 70.39971875
transcript.pyannote[17].speaker SPEAKER_02
transcript.pyannote[17].start 70.77096875
transcript.pyannote[17].end 73.70721875
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 73.75784375
transcript.pyannote[18].end 87.73034375
transcript.pyannote[19].speaker SPEAKER_01
transcript.pyannote[19].start 88.18596875
transcript.pyannote[19].end 90.49784375
transcript.pyannote[20].speaker SPEAKER_01
transcript.pyannote[20].start 90.86909375
transcript.pyannote[20].end 91.12221875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 91.62846875
transcript.pyannote[21].end 94.48034375
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 95.27346875
transcript.pyannote[22].end 95.54346875
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 95.76284375
transcript.pyannote[23].end 96.53909375
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 97.45034375
transcript.pyannote[24].end 111.59159375
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 112.48596875
transcript.pyannote[25].end 119.82659375
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 120.16409375
transcript.pyannote[26].end 120.68721875
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 121.17659375
transcript.pyannote[27].end 132.12846875
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 132.49971875
transcript.pyannote[28].end 136.41471875
transcript.pyannote[29].speaker SPEAKER_01
transcript.pyannote[29].start 136.58346875
transcript.pyannote[29].end 137.14034375
transcript.pyannote[30].speaker SPEAKER_01
transcript.pyannote[30].start 138.43971875
transcript.pyannote[30].end 153.03659375
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 153.61034375
transcript.pyannote[31].end 155.63534375
transcript.pyannote[32].speaker SPEAKER_01
transcript.pyannote[32].start 155.88846875
transcript.pyannote[32].end 167.97096875
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 168.19034375
transcript.pyannote[33].end 168.86534375
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 170.08034375
transcript.pyannote[34].end 171.56534375
transcript.pyannote[35].speaker SPEAKER_02
transcript.pyannote[35].start 175.96971875
transcript.pyannote[35].end 178.61909375
transcript.pyannote[36].speaker SPEAKER_02
transcript.pyannote[36].start 178.87221875
transcript.pyannote[36].end 183.41159375
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 183.41159375
transcript.pyannote[37].end 183.49596875
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 183.49596875
transcript.pyannote[38].end 184.94721875
transcript.pyannote[39].speaker SPEAKER_02
transcript.pyannote[39].start 185.06534375
transcript.pyannote[39].end 187.39409375
transcript.pyannote[40].speaker SPEAKER_01
transcript.pyannote[40].start 187.39409375
transcript.pyannote[40].end 207.67784375
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 208.58909375
transcript.pyannote[41].end 210.96846875
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 210.96846875
transcript.pyannote[42].end 211.49159375
transcript.pyannote[43].speaker SPEAKER_02
transcript.pyannote[43].start 211.99784375
transcript.pyannote[43].end 215.84534375
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 216.25034375
transcript.pyannote[44].end 222.81471875
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 221.86971875
transcript.pyannote[45].end 223.69221875
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 223.69221875
transcript.pyannote[46].end 223.72596875
transcript.pyannote[47].speaker SPEAKER_01
transcript.pyannote[47].start 223.75971875
transcript.pyannote[47].end 223.81034375
transcript.pyannote[48].speaker SPEAKER_02
transcript.pyannote[48].start 223.81034375
transcript.pyannote[48].end 224.02971875
transcript.pyannote[49].speaker SPEAKER_01
transcript.pyannote[49].start 224.02971875
transcript.pyannote[49].end 232.43346875
transcript.pyannote[50].speaker SPEAKER_02
transcript.pyannote[50].start 232.80471875
transcript.pyannote[50].end 236.46659375
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 236.58471875
transcript.pyannote[51].end 239.31846875
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 240.14534375
transcript.pyannote[52].end 245.52846875
transcript.pyannote[53].speaker SPEAKER_01
transcript.pyannote[53].start 243.87471875
transcript.pyannote[53].end 247.30034375
transcript.pyannote[54].speaker SPEAKER_02
transcript.pyannote[54].start 249.20721875
transcript.pyannote[54].end 249.59534375
transcript.pyannote[55].speaker SPEAKER_02
transcript.pyannote[55].start 249.88221875
transcript.pyannote[55].end 254.23596875
transcript.pyannote[56].speaker SPEAKER_01
transcript.pyannote[56].start 253.76346875
transcript.pyannote[56].end 257.84721875
transcript.pyannote[57].speaker SPEAKER_02
transcript.pyannote[57].start 258.80909375
transcript.pyannote[57].end 268.69784375
transcript.pyannote[58].speaker SPEAKER_01
transcript.pyannote[58].start 259.18034375
transcript.pyannote[58].end 260.44596875
transcript.pyannote[59].speaker SPEAKER_01
transcript.pyannote[59].start 268.69784375
transcript.pyannote[59].end 269.03534375
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 269.81159375
transcript.pyannote[60].end 289.96034375
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 290.43284375
transcript.pyannote[61].end 291.46221875
transcript.pyannote[62].speaker SPEAKER_01
transcript.pyannote[62].start 292.32284375
transcript.pyannote[62].end 298.33034375
transcript.pyannote[63].speaker SPEAKER_01
transcript.pyannote[63].start 298.53284375
transcript.pyannote[63].end 332.75534375
transcript.pyannote[64].speaker SPEAKER_00
transcript.pyannote[64].start 332.18159375
transcript.pyannote[64].end 332.33346875
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 332.75534375
transcript.pyannote[65].end 332.77221875
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 332.77221875
transcript.pyannote[66].end 332.80596875
transcript.pyannote[67].speaker SPEAKER_00
transcript.pyannote[67].start 332.80596875
transcript.pyannote[67].end 333.05909375
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 333.05909375
transcript.pyannote[68].end 333.24471875
transcript.pyannote[69].speaker SPEAKER_00
transcript.pyannote[69].start 333.24471875
transcript.pyannote[69].end 333.29534375
transcript.pyannote[70].speaker SPEAKER_00
transcript.pyannote[70].start 334.18971875
transcript.pyannote[70].end 338.56034375
transcript.pyannote[71].speaker SPEAKER_00
transcript.pyannote[71].start 338.74596875
transcript.pyannote[71].end 341.24346875
transcript.pyannote[72].speaker SPEAKER_00
transcript.pyannote[72].start 341.56409375
transcript.pyannote[72].end 342.93096875
transcript.pyannote[73].speaker SPEAKER_00
transcript.pyannote[73].start 343.08284375
transcript.pyannote[73].end 344.88846875
transcript.whisperx[0].start 1.235
transcript.whisperx[0].end 19.765
transcript.whisperx[0].text 副總來好,因為央行這個持了非常多的一個外匯存底對我們國家來說是一筆非常大的一筆財產財富所以說它的價值我想也是大家非常注重的那先前也在茶友會有質詢過我們的總裁因為川普就任之後那有些人懷疑美元霸權是否會
transcript.whisperx[1].start 21.566
transcript.whisperx[1].end 44.357
transcript.whisperx[1].text 動搖美元的價值等等的包括殖利率等等的那時候的總裁跟我說他並不會目前並沒有要調整一攬子貨幣的一個比例那我可不可以請總裁這個第一點我先跟副總裁確認一下我們目前央行持有的美元就川普就任以來持有的美國的債券是增加還減少的這個方向你應該會有清楚吧
transcript.whisperx[2].start 49.762
transcript.whisperx[2].end 73.46
transcript.whisperx[2].text 我們持有美債的都是到期以後轉換所以在每一個時間點他都有到期的也有我們要新買的那你們的方向是持續購入還是減碼所以我的了解就是目前因為我們每年的外匯存都在增加所以我們在持有美債我印象中今年還是有一點增加
transcript.whisperx[3].start 73.84
transcript.whisperx[3].end 96.365
transcript.whisperx[3].text 所以就是過往的政策一樣因為基數變大所以是增加那第二點麻煩業務單位先幫我查一下這個看能不能在質詢結束前幫我計算一下就我國的外匯以台幣計價的損益川普總統就任到今天為止好不好那我想先跟總裁確認一下我們央行一再的對外宣稱我們並沒有操控匯率嘛對不對對好那下一頁
transcript.whisperx[4].start 98.053
transcript.whisperx[4].end 107.448
transcript.whisperx[4].text 這個美元指數這個副總裁應該非常了解從川普總統就任以後美元指數跌了8.6%就是對伊蘭茲的貨幣它跌了8.6%那我們來看一下一些其他的貨幣
transcript.whisperx[5].start 112.68
transcript.whisperx[5].end 136.886
transcript.whisperx[5].text 那美元兌換日元喔美元兌換日元的部分也跌了7點多趴蠻接近剛才的一個數字喔接下來歐元兌換美元喔這應該反過來看啦那歐元兌換美元也漲了這個8點多趴那其實也符合美元指數的一個波動大家都是大概這個區間調整然後都是有這個線型啦這個叫做K線嘛K線的線型大概都是差不多的下一張
transcript.whisperx[6].start 138.493
transcript.whisperx[6].end 152.841
transcript.whisperx[6].text 然後我們的美元兌換新台幣的指數卻跟別人長得很不一樣我們最終的結果到目前為止也是跌就是我們美元兌台幣是跌了7%就我們大概漲了7、8%左右
transcript.whisperx[7].start 153.641
transcript.whisperx[7].end 168.841
transcript.whisperx[7].text 但是我們的現行跟別的很不一樣反而是在這個之前兩三個禮拜之前一次性的把美元對應一攬子貨幣的漲幅跌幅美元對其他貨幣的跌幅我們台幣一次把它漲回來了副總裁你覺得要怎麼解釋這樣子
transcript.whisperx[8].start 175.984
transcript.whisperx[8].end 199.999
transcript.whisperx[8].text 我們在面臨匯率波動比較大的時候央行的每天的操作策略當然會有所調整是那這個也是我們過去一直在做的一個別人在穩定波動的時候對美元穩定的在漲的時候我們卻可以看到前一段時間都是穩定的持平的也就是我們跟美元幾乎是完全掛鉤的別人對美元漲我們卻沒有
transcript.whisperx[9].start 201.36
transcript.whisperx[9].end 223.419
transcript.whisperx[9].text 然後大概在關稅談判的時候卻一次把別人的漲幅一次漲回來副總裁你要說你們沒有操控匯率嗎那個報告委員因為我們的基本的論點是當這個外匯市場有出現這種比較不正常的交易我們認為是有一點問題目前看起來就是台幣不正常啊
transcript.whisperx[10].start 224.54
transcript.whisperx[10].end 247.146
transcript.whisperx[10].text 其他貨幣看起來都一致啊 美元指數 日元 歐元都一致只有新台幣不正常 然後一次就把這個數字把它補回來了那個報告委員 如果你去看一下其他的經濟資料我們的第一季經濟成長率是比亞洲各國都高很多第二個我們的外資在4月5日都大幅度那最後我們的漲幅也跟別人是幾乎差不多的啊
transcript.whisperx[11].start 249.229
transcript.whisperx[11].end 277.708
transcript.whisperx[11].text 是啦不 匯率它反映很多的經濟面的一個程度那副總你說這樣子的一個線圖跟別人比較起來這樣算正常嗎正常還不正常我們認為我們透過這樣子的操作策略讓我們的新台幣甚至預期有一點點把它降低很多好不好我想在這段時間匯率漲或跌都有好處跟壞處這個不討論但是就是要穩定不能有巨大的波動
transcript.whisperx[12].start 278.228
transcript.whisperx[12].end 291.211
transcript.whisperx[12].text 但是我們的央行很明顯的在川普就任之後為了跟美元掛鉤到最後的一個結果造了許多廠商的一個損失或是銀行的一個損失我認為這是央行必須要好好檢討的好不好 下一張下一張
transcript.whisperx[13].start 292.366
transcript.whisperx[13].end 318.722
transcript.whisperx[13].text 好那接下來就是一樣這個美元霸權的一個問題啦對美元一攬子貨幣我們的外匯存底到底要不要估註在美元身上那先前標準普爾跟匯域都已經調降了穆迪也在上禮拜五調降了我想還是要繼續請我們央行要思考一下在全球這個美元貶值的情況下然後信用平等的都持續調降之下我們是不是要來調整一下我們的外匯存底的一個
transcript.whisperx[14].start 319.362
transcript.whisperx[14].end 343.833
transcript.whisperx[14].text 配置的比例我覺得真的要請央行我們好好思考一下然後剛剛第一頁的第二題目會後再給我資料這一點我覺得就是牽涉我們國人財產的問題那我後續會再持續追蹤好不好謝謝謝謝現在有蘇清泉蘇清泉蘇清泉我們不在何欣淳何欣淳何欣淳我們不在邱志偉委員請質詢