交易策略績效

雖然用 Grinblatt-Titman (GT) 方法無法檢測出台灣基金投資人具有聰明錢 效應，但是 Grinblatt-Titman (GT) 方法在實際上無法被應用，因為大多數基金不 能被放空，因此所觀察到的數據亦不具實踐性，可信度也較低。因此本研究進一 步依循 Zheng (1999) 的方法建構八個投資組合，以未預期的淨現金流量與基金 淨流量做權重(Coval and Stafford, 2007)，且採用 Carhart (1997) 四因子模型來驗 證基金投資人是否有選擇基金的能力，並藉此獲得異常報酬。

表 3 為在 Carhart 模型的績效衡量下，以總淨資產 (TNA) 大小來分群的八 個投資組合其績效顯著性之正負號。所有的投資組合以標準化的未預期淨現金流 量作加權。我們以全部的樣本做檢測，並未發現有顯著的異常報酬，這與 Zheng (1999) 研究結果不同。結果顯示以總淨資產 (TNA) 分群的群組並無顯著正的異 常報酬，表示聰明錢效應不存在於任何以總淨資產 (TNA) 分群的群組中。

表3 投資組合績效顯著性之正負號：以總淨資產分群

為了證實聰明投資人會集中於績效表現較好之基金的說法，本研究亦以超額 報酬 (Excess Return) 排序並分群探討聰明錢效應的存在。表 4 為在 Carhart 模型 的績效衡量下，以超額報酬 (Excess Return) 大小來分群的八個投資組合其績效 顯著性之正負號。所有的投資組合以標準化的未預期淨現金流量作加權。結果顯 示在 Carhart 四因子模型下，即使考慮了動能因子 (Momentum)，超額報酬

(Excess Return) 最高的一組在 P2、P5、P7 均有 10%顯著的正向報酬，加入了動 能因子 (Momentum) 之後亦無法解釋此異常報酬。當把所有樣本納入做檢測，

也就是不依據超額報酬 (Excess Return) 做分組，則 P2、P5、P7 的異常報酬不再 顯著，表示當納入所有樣本做檢測，在 P2、P5、P7 所發現的正向異常報酬會被 稀釋，也就是說納入所有樣本並不會發現有異常報酬，這與 Zheng (1999) 研究 結果不同，卻和 Yu (2010) 使用美國基金樣本所得到的結果相似。

總言之，研究結果顯示，標準化的未預期淨現金流量在超額報酬 (Excess

Return) 最好的一組有預測未來績效的能力，亦即在超額報酬 (Excess Return) 最 好的一組有聰明錢效應。如果該組的投資人只是單純追求過去的贏家基金，則它 們的異常報酬可以被動能因子 (Momentum) 解釋，但此組中的異常報酬卻無法 被動能因子 (Momentum) 解釋，也就是說該組投資人具有未被發現的投資能力。

表4 投資組合之績效顯著性：以超額報酬分組

表 4 只呈現 Carhart 模型的績效衡量下其顯著性的正負號，表 5 則為在 Carhart 模型的績效衡量下異常報酬的實際數值，所有的投資組合以標準化的未預期淨現 金流量 (flowi,t) 作加權。結果顯示在 Carhart 四因子模型下，即使考慮了動能因 子 (Momentum) ，超額報酬 (Excess Return) 為最高的一組其在 P2、P5、P7 均 有 10%顯著正的報酬，其月報酬分別為 0.53%、0.61%、0.65%，年報酬則為 6.55%、

7.57%、8.08%，結果如同表 5 所述，在超額報酬 (Excess Return) 最好的一組有 聰明錢效應，且此聰明錢效應無法被動能因子 (Momentum) 所解釋。而考慮到 交易所發生的費用成本 ―月費用率 0.08% ― P2、P5、P7 的月報酬扣除費用之 後的月報酬為 0.45%、0.53%、0.57%，其年報酬分別為 5.54%、6.55%、7.06%³， 顯示說在考量交易費用的情況下，投資人即使投資在超額報酬 (Excess Return) 為最高的一組還是有顯著正的異常報酬。

3年報酬分別為(10.45%)¹²,(10.53%)¹²,(10.57%)^12。

表5 投資組合之績效：以超額報酬分組