• 沒有找到結果。

第二章 文獻探討

第一節 國外相關文獻

立 政 治 大 學

N a tio na

l C h engchi U ni ve rs it y

5

第二章 文獻探討

動量策略即一般耳熟能詳的追漲殺跌策略,源自於 Levy 在 1967 年提出的相對 強勢策略(Relative Strength Strategy),透過持有過去表現較好的贏家股票,並且放空 過去表現較差的輸家股票,希望股票的價格變動具有持續性並以此獲利。反向策略 則正好相反,投資組合為持有過去的輸家以及放空過去的贏家。這兩種策略之核心 概念為市場存在著反應不足或過度反應的現象。

關於股價是否具有動能效果或是具有反向效果,本章節將對本研究中用到的動 量策略(Momentum Strategy)以及反向策略(Contrarian Strategy)之相關文獻進行探 討。

第一節 國外相關文獻

Jegadeesh 與 Titman (1993)以西元 1965 年到 1989 年紐約證券交易所及美國證 券交易所所有的上市股票為研究對象,並將形成期和持有期各分為三個月、六個月、

九個月和十二個月等四類,而形成 16 種投資策略。實證結果發現,不論形成期與持 有期的組合為何,贏家組合於持有期的累積報酬均高於輸家組合,這些策略中又以 形成期和持有期均為六個月的策略績效最為顯著,平均得以獲取 12.1%的顯著正報 酬,顯示利用買入贏家,同時賣出輸家的追漲殺跌策略將能有效獲取異常報酬。而 追漲殺跌策略報酬的獲利來源並非來自於系統風險,而是源自於市場對公司特定訊 息反應不足,而出現緩慢反應或延遲反應的現象,故導致贏家續漲、輸家續跌的現 象。

Chan, Jegadeesh 與 Lakonishok(1996)又以 1977 年至 1993 年之美國幾個大交易 所之資料為研究對象,驗證動能效果是否來自於反應不足,並發現利用前六個月之 報酬,能有效預測其接下來六個月的股價表現,甚至可達一年,顯示市場並不效率。

他們各別都只能得到部分的市場資訊,news watcher 會使股價在初期反應不足,因 此採用動量策略的投資人進場能夠獲利,但這樣的操作又會使股價在長期變成過度 市場狀態向上時獲利為正,而市場向下時則為-0.37%,他們得到和 Daniel, Hirshleifer 與 Subrahmanyam(1998)所提出的過度自信模型一致的結果,投資人的過度自信導致 短期有動量效果,長期出現反轉。

‧ 國

立 政 治 大 學

N a tio na

l C h engchi U ni ve rs it y

7

Grundy 與 Martin(2001)分析了形成期為六個月,持有期為一個月的動量策略,

他們的研究考慮了形成期與持有期之間跳過一個月,以避免買賣價差的潛在偏誤。

當產業投資組合以此型式形成,無論真實投資組合或模擬投資組合的追漲殺跌策略 均無法獲得顯著利潤。該研究認為,Fama-French Model 或 Time- Invariant Expected Return Model 所估計出的預期報酬並無法完全解釋追漲殺跌策略的獲利能力,此外,

以個別股票為基礎及以產業為基礎的追漲殺跌策略報酬,事實上是有區別的。

Fama 與 French(1989)和 Chang(2005)主張風險的市場價格應該是隨景氣循環呈 現負相關的,當經濟情況較弱時,應該要有較高的風險溢酬。若真如此,則較差的 經濟情勢就應該連結到較低的實際報酬,例如近期現金流量減少和較高的風險貼水 兩者對於股價而言都是反向關係。

Sagi 與 Seasholes(2007)提出了一個理性模型,他認為市場狀態和動量效果的相 關性可以用企業的成長選擇權來解釋,在他們的模型中,在市場上漲時,企業相對 更可能去執行他們的成長選擇權,這樣的行為模式,就提高了報酬的自我相關性,

動量效果亦然,而市場下跌時,企業財務較為吃緊,就降低了自我相關性。

Asem 與 Tian(2010) 發現市場處於相同狀態時,動量策略的績效表現較市場狀 態發生改變時好,對此他們提出的解釋,仍是連結至 Daniel 等人提出的模型,他們 認為當市場的狀態一致時,投資人過度自信的情況會更加明顯。

Stivers 與 Sun(2013)則以事後觀點,就西元 1926 年至 2010 年 NYSE 與 AMEX 市場,對市場狀態的變化與否與動量效果之間的關係進行研究,以累積的大盤報酬 為基準,判別市場處於多頭或是空頭,進一步定義當前市場狀態的一致與否,發現 動量效果會受到影響。他們也發現利用橫斷面的報酬變異做為領先指標,可以預測 市場狀態是否即將發生改變。

‧ 國

立 政 治 大 學

N a tio na

l C h engchi U ni ve rs it y

8

相關文件