事件研究法

本研究使用事件研究法（Event Study），作為研究結果之驗證方法。事件 研究法源起於1960 年代 Ball and Brown，及 Fama, Fisher, Jensen and Roll（沈中 華、李建然，2000），為近代會計及財務領域實證研究所廣泛運用之研究設計 之一。其方法主要目的，在於探討當某一資訊或事件於一時間點發生時，是否 引起證券價格（以下均以股價泛稱證券價格）的異常變動。大體而言，事件研 究法探討主題可以涵括四類（沈中華、李建然，2000）：

(1) 市場效率性研究（market efficiency studies）：探討證券市場是否快 速、不偏地反應某項新資訊或新事件。

(2) 資訊內涵之研究（information content studies）：探討資訊有用性之 研究，其目的在評估股價對於某一資訊揭露的反應程度。

(3) 解釋異常報酬率研究（metric explanation studies）：主要目的在於 進一步瞭解影響異常報酬率之因素。

(4) 方法論之研究（methodology studies）：主要目的在於探討事件研 究法的改進，並多以模擬（simulation）方式進行。

上述主題並非為互斥，許多探討資訊內涵之研究，亦同時進行解釋異常報 酬之分析。

事件研究法於技術上雖然尚有許多分歧，但其基本邏輯為一致。一般而言，

本章節將說明事件日及異常報酬率估計方法，並介紹異常報酬率之檢定方 法，與樣本之選擇。詳細之檢定結果及分析，將於後續章節詳述。

由於事件研究法在於調查股價之異常變動，因此便需假設當股價未受到事 件影響之預期股價報酬率，再利用實際事件發生後股價之報酬率減去預期股價 報酬率，以得到異常報酬率。因此，為建立估計之模式，需要建立各種期間定 義，及估計模型建立。其中期間定義之時間軸線，表示如下圖3。

估計期 事件期

事 件日 t3

t1 t2 t4

圖3 事件研究法時間線

資料來源：沈中華、李建然 (2000)

3.1.1 事件事件事件事件日日日日選擇選擇選擇選擇

本研究之事件日，即為iPad 新產品相關之宣告事件。其事件日定義，係先 依據公開資訊搜尋確認，資訊來源包含：The Wall Street Journal 網站、聯合知 識庫，及維基百科相關條目，交叉比對確認iPad 相關宣告事件時間之正確性。

經確認後列示iPad 相關新產品宣告日期如下表 3。

表3 iPad 相關新產品宣告日期

Apple 網站開放 iPad 預購。據 Fortune 雜誌報導，iPad 當日預購即銷售達 資料來源：The Wall Street Journal(WSJ)網站、維基百科、聯合知識庫

上述事件均為對相同產品、相同性質（新產品上市）之不同宣告事件。若

告效果之研究，亦使用相同之估計期及事件期設定（林哲鵬、郭怡萍，2007；

晏以明，2009），故本研究之研究結果亦應具有客觀之比較基準。

同樣以時間線說明本研究之估計期與事件期於下圖4。

圖4 本研究事件與估計期間設定

3.1.3 樣本篩選樣本篩選樣本篩選樣本篩選

由於供應鏈廠商難以由現有財報資訊完整揭露，且當協力廠商獲得新產品 宣告廠商認證並下單時，亦可能因為保密協議、業務機密、或其他公司因素而 並未公告；故實務上利用公開資訊建構供應鏈體系資料甚為困難。

本研究改採用分析師報告，作為供應鏈協力廠商認定的來源。分析師由於 長期專精追蹤特定之產業，對於產業結構有專業之認知。且分析師報告為機構 投資人主要參考之依據，故其報告為有效資訊揭露之管道；若供應鏈廠商獲得 分析師追蹤報告，則其訊息將得以迅速反應。但由於供應鏈廠商可能橫跨不同 產業，在分析師分工專精於特定產業的情況下，可能散見於不同時間及不同分 析師之報告中。

全球知名金融投資機構高盛公司（Goldman Sachs Group, Inc.）於 2010 年集 合集團內全球22 位各產業之頂尖分析師，針對 iPad 引起之產業變動，發表投 資報告；報告中特別整理出台灣主要的iPad 電子產業供應鏈廠商。鑑於高盛於 金融投資領域之專業，應當足以證明該協力廠商於供應鏈之重要程度。故本研 究以該報告列示之廠商為主，並佐以其他報導，加以驗證比對其列示廠商之正 確性。其詳細廠商，見附錄之附表1 所示。

3.1.4 異常報酬之估計異常報酬之估計異常報酬之估計異常報酬之估計

事件研究相關文獻中，市場模式（market model）為最為廣泛被應用之估計 模式，且根據相關研究指出，市場模式與其他較複雜之風險調整法模式一樣好

（沈中華、李建然，2000）。過去新產品宣告效果之研究，主要亦使用市場模 式作為一般預期報酬率之預估。本研究亦使用市場模型估計預期報酬率，並以 之計算各樣本之AR 與統計量。

市場模型係以估計期之資料，以普通最小平方法（OLS）建立下列迴歸模 型：

= + +

其中，

為i 公司於估計期第 t 日之報酬率；

為第t 日市場加權指數報酬率；

、 為估計參數；

為i 公司於第 t 日之誤差項，假設為獨立隨機，且符合常態分配，具有 期望值為零及變異數為常數之特性。

故估計之參數預估正常報酬率為：

= +

誤差項 為實際報酬與預期報酬之差額，若 ≠ 0，則表示股票有異常報 酬率AR 產生。其計算方式為實際之股票報酬率減去預估正常報酬率：

= = − = − −

= ∑ ，N 為樣本數；

將事件期間內平均異常報酬累加起來，以作為該事件期間內事件對股價整 體影響，即為累積異常報酬率（Cumulative abnormal return；CAR）：

( , ) = ∑

：為i 公司估計期估計期估計期估計期市場報酬率之平均，

：為估計期估計期估計期估計期t 期之市場報酬率，

：為在事件事件事件事件期期期期E 期市場報酬率。