四間公司資料之漲跌與累積報酬率

2.報導日期:98/10/20

3.報導內容:中華電土地開發，全方位發展。

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

表 4-14 的數據顯示出當中華電信發布重大訊息後，屬於上漲類別者，其發 布後兩日之累積報酬率將有 0.565 的機率呈現正向累積報酬，即表示若於發布後 即進場買進，可以獲得五成五以上機率之超額報酬；另外屬於下跌類別者，其訊 息發布後兩日之累積報酬率有 0.613 的機率呈現負向累積報酬，這也表示若於發 布此訊息後進場放空，將有超過六成之機率獲得超額報酬。

從數據裡可看出下跌類別之投資準確率較高，不過總體而言，中華電信所發 布的重大訊息與其後兩日之累積報酬呈現同向趨勢的機率為 0.593，若能順應漲 跌趨勢正確投資，將有近六成的機率贏得超額報酬。

3、長榮航空股份有限公司（長榮航空）

下表 4-15 為長榮航空於訊息發布後兩日之累積報酬率結果，共計 64 篇重大 訊息，其中屬於上漲類別者 41 篇，擁有正向累積報酬率者計 22 篇；屬於下跌類 別者 23 篇，擁有負向累積報酬率者共 16 篇。

表 4-15 長榮航空訊息發布之後兩日累積報酬結果 漲跌類別

累積報酬率 上漲 下跌 投資正確率 整體正確率 正向累積報酬率

22

7 0.537

0.594 負向累積報酬率 19

16

0.696

資料來源：本研究整理

如表 4-15 的數據顯示，當長榮航空發布重大訊息後，屬於上漲類別者，其 發布後兩日之累積報酬率將有 0.537 的機率呈現正向累積報酬，這表示若於發布 後即進場買多，可以獲得五成以上機率之超額報酬；而屬於下跌類別者，其訊息 發布後兩日之累積報酬率有 0.696 的機率呈現負向累積報酬，這也表示若於發布 此訊息後進場放空，將有近七成之機率獲得超額報酬。

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

酬率為負向者，皆較上漲類別之投資正確率為高。若以本研究之結果欲於此四間 公司進行短期投資，上漲類別依舊可以進場買進，不過就本研究結果顯示出其獲 得超額報酬機率低於下跌類別；因此將會建議以下跌類別為主要投資策略，其有 較大之機率可以獲得超額報酬。

圖 4-4 四間公司之漲跌類別與累積報酬率 資料來源：本研究整理

統一 中華電信 長榮航空 臺灣企銀

0.667

0.565

0.537

0.706 0.778

0.613

0.696 0.722 0.683

0.593 0.594

0.714 上漲-正向報酬率 下跌-負向報酬率 整體正確率

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y 第五章、 結論與建議

第一節 研究結論與貢獻

實驗一結果顯示出，當研究中的四間公司發布重大訊息時，其前後各兩日共 計五日的交易量確實有明顯的異常，可以顯示出重大訊息對於其公司之股價有相 當程度的影響；實驗二中本研究以股價變動量為依據將分群資料分成上漲、下跌 以及持帄三類，分別得到四間不同產業公司對於重大訊息發布時，其股價將會產 生之影響，藉以瞭解各重大訊息之漲跌類別；實驗三之結果顯示出實驗二中上漲、

下跌兩類別之重大訊息於發布日後兩日之累積報酬率情形：於上漲類別之訊息其 後兩日的累積報酬率有六成以上之機率為正向報酬；而下跌類別之訊息其後兩日 的累積報酬率更有超過六成五以上之機率為負向報酬。

當相同類別的重大訊息發布時，可以預測出此篇重大訊息對於發布公司之股 價影響趨勢為何，以及發布後之累積報酬率走向，作為短期投資之參考數據。因 此，重大訊息可以作為後續研究者或投資人研究公司股價資料時，所參考的因素 之一。

本研究之研究貢獻可以分為以下三點：

1. 分析出台灣個股對於資訊揭露的反應程度，瞭解台灣股票市場之發展現 況，從兩天前即開始反應於股票市場，此提前影響股市的現象，可以間 接證明臺灣仍然不符合強式效率市場；

2. 分析出何種類型之訊息發布將會對公司股價造成影響，並進一步驗證上 漲、下跌類型之重大訊息於發布後兩日之累積報酬率趨勢；

3. 爾後能利用研究結果針對即時重大訊息的發布預測出其對於股價之漲 跌，作為短期投資標的之選擇參考。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

第二節 未來方向

對於本研究之未來方向，若想在實務應用上更進一步，例如增加來源公司的 個數或是提升重大訊息的資料量，則分群分類的動作必頇更加快速，如此才能夠 迅速進行後續股價變動量以及累積報酬率的計算，以便能夠即時提供投資策略來 獲得實質的報酬。分散式運算技術或是雲端運算的架構，均能夠增加效能，縮短 計算的時間，未來可以考慮使用這類技術以解決運算速度不足的問題。

本研究只針對重大訊息的型態進行研究，並未加入其他面向考慮，因此只能 針對此篇重大訊息之影響加以判斷，對於實務上之投資稍嫌不足，未來可於重大 訊息外，加上新聞等其他資料予以修正。

另外本研究只就訊息發布與其前後各兩日之影響加以驗證、討論，因此目前 只能針對短期的影響作預測參考，若能探討重大訊息對於公司股價更長期之影響，

相信會有更多的應用。

本研究只針對資訊揭露評鑑優良之上市公司作資料蒐集，未來可以將其他未 獲優良評鑑之公司納入研究範疇，進一步研究出資訊揭露優劣對於重大訊息於股 價影響之程度；如此一來也可將資料蒐集年份拉長，不受限於資訊揭露評鑑制度 始於民國 94 年的問題，資料訓練也將更為充足。

‧

‧

1. Bohn, R., (1994), Measuring and Managing Technological Knowledge, Sloan Management Review, pp.61-72.

2. Chen, K. J. and Liu, S. H., (1992), Word Identification for Mandarin Chinese Sentences,Fifth International Conference on Computational Linguistics, pp.101-107.

3. Cormier, D., Ledoux, M. J., and Michel Magnan., (2009), The Use of Web Sites as a Disclosure Platform for Corporate Performance. International Journal of Accounting Information Systems, Vol.10, No.1, pp.1-24.

4. Dice, Lee R., (1945), Measures of the Amount of Ecologic Association between Species, Journal of Ecology, Vol.26: pp.297-302.

5. Einhorn, E., (2004), The Nature of the Interaction between Mandatory and Voluntary Disclosures. Journal of Accounting Research, Vol.43, pp.593-621.

6. Fama, E.F., (1970), Efficient Capital Markets: A Review of Theory and Empirical Work., Journal of Finance, Vol.25, No.2, pp.383-417.

7. Fayyad, Usama., Gregory Piatetsky-Shapiro, Padhraic Smyth, (1996), The KDD Process for Extracting Useful Knowledge from Volumes of Data,

Communications of the ACM, Vol.39, pp.27-34.

8. Foster, F. D. and Viswanathan S., (1993), The Effect of Public Information and Competition on Trading Volume and Price Volatility, Review of Financial Studies, Vol.6, pp.23-56.

9. Gidófalvi, G., (2001), Using News Articles to Predict Stock Price Movements, Technical Report: CSE 254, Department of Computer Science and Engineering, University of California, San Diego.

10. Healy, P. M., Hutton, A. P., Palepu, K. G.,(1999), Stock Performance and Intermediation Changes Surrounding Sustained Increases in Disclosure, Contemporary Accounting Research, Vol.16, No.3, pp.485-520.

11. Jaccard and Paul, (1901), É tude Comparative de la Distribution Florale dans une Portion des Alpes et des Jura, Bulletin de la Société Vaudoise des Sciences Naturelles, Vol.37: pp.547–579.

‧

12. Kim, O. and Verrecchia R. E., (1991), Trading Volume and Price Reaction to Public Announcements, Journal of Accounting Research, Vol.29, pp.302-321.

13. Makhoul, J., Kubala, F., Schwartz, R., and Weischedel, R., (1999), Performance Measures for Information Extraction. In Proc. DARPA Broadcast

NewsWorkshop, pp.249-254.

14. Nie, J. Y., Briscbois, M., Ren, X., (1996), On Chinese Text Retrieval, Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval, pp.225-233.

15. Nofsinger, J. R., (2001), The Impact of Public Information on Investors, Journal of Banking and Finance, Vol.25, pp.1339-1366.

16. Paredes, Troy A., (2003), Blinded by the Light: Information Overload and Its Consequences for Securities Regulation, School of Law, Washington University.

17. Popescu A., (2001), Implementation of Term Weighting in a Simple IR System, Personal Course Project, University of Helskinki.

18. Salton G. and Buckley C., (1988),Term-Weighting Approaches in Automatic Text Retrieval, Information Process, Vol.24, No.5, pp.513-523.

19. Salton, G. and McGill, M., (1983),Introduction to Modern Information Retrieval, McGraw-Hill.

20. Samuelson, P. A., (1965), Proof that Properly Anticipated Prices Fluctuate Randomly, Industrial Management Review, Vol.6, pp.41-49.

21. Sebastiani, Fabrizio ., (2002) ,Machine Learning in Automated Text Categorization, ACM Computing Surveys (CSUR),Surveys Homepage archive ,Vol.34.

22. Shleifer, A., (2000), Inefficient Market, Oxford: Oxford U. Press.

23. Sproat, R. and Shih, C., (1990), A Statistical Method for Finding Word Boundaries in Chinese Text, Computer Processing of Chinese and Oriental Languages, pp.336-351.

24. Vapnik, V. N., (2000), The Nature of Statistical Learning Theory, Springer-Verlag,.

25. Witten, I.H. and Frank, E., (2000), Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann, pp.76-80, pp.88-96, pp.149-151, pp.296-304.

網路資料

1. 公開發行公司取得或處分資產處理準則第 30、31 條，2008。2011 年 3 月 21 日取自「證券暨期貨法令判解查詢系統」：

http://www.selaw.com.tw/scripts/newsdetail.asp?no=G0100345

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

2. 公開發行公司網路申報公開資訊應注意事項，2004。2011 年 3 月 21 日取自

「證券暨期貨法令判解查詢系統」：

http://www.selaw.com.tw/scripts/NewsDetail.asp?no=G0100198

3. 吳修辰，2006，「熱錢重新布局 年底前至少賺二○％」，商業周刊第 972 期。

4. 證券交易法第 178 條，2010。2011 年 3 月 21 日，取自「證券暨期貨法令判 解查詢系統」：http://www.selaw.com.tw/scripts/newsdetail.asp?no=G0100001 5. 第九屆資訊揭露評鑑系統 FAQ，2011。2011 年 3 月 22 日，取自「上市櫃公

司揭露評鑑」：http://www.sfi.org.tw/edis/

6. 集中交易市場成交金額投資人類別比例，2011。2011 年 3 月 22 日，取自「中 華民國統計資訊網」：http://www.stat.gov.tw/mp.asp?mp=4

7. 臺灣證券交易所公開資訊觀測站資訊揭露處理原則，2009。2011 年 3 月 21 日，取自「證券暨期貨法令判解查詢系統」：

http://www.selaw.com.tw/Scripts/Query3.asp

8. 臺灣證券交易所股份有限公司對上市公司重大訊息之查證暨公開處理程序，

2010。2011 年 3 月 21 日，取自「證券暨期貨法令判解查詢系統」： http://www.selaw.com.tw/Scripts/Query3.asp

9. 臺灣證券交易所股份有限公司對上市證券投資信託基金之證券投資信託公 司及上市境外指數股票型基金之境外基金機構重大訊息之查證暨公開處理 程序第二條，2009。2011 年 3 月 21 日，取自「證券暨期貨法令判解查詢系 統」：http://www.selaw.com.tw/Scripts/newsdetail.asp?no=G0101081

10. 臺灣證券交易所股份有限公司對有價證券上市公司重大訊息之查證暨公開 處理程序第 2、3 條，2011。2011 年 3 月 21 日，取自「證券暨期貨法令判 解查詢系統」：http://www.selaw.com.tw/scripts/newsdetail.asp?no=G0100104

在文檔中 應用文字探勘技術於臺灣上市公司重大訊息對股價影響之研究 - 政大學術集成 (頁 57-0)