四 實證結果
4.3 基差對市場報酬、波動性之影響與模型估計
表 4-9 至表 4-11 分別為傳統 DCC 模型、對稱效果 DCC 和非對稱性果 DCC 模型之估計結果，由表中可看出各現貨與期貨報酬率皆存在 ARCH 效果（θs和
θf）以及 GARCH 效果（δs和δf），因此 GARCH 模型可用來詮釋現貨與期貨 的市場波動，此外由表 4-10 可知基差對稱效果僅對加幣和英鎊現貨市場波動有 顯著影響，且對五個貨幣市場的條件相關係數亦有顯著的影響；由表 4-11 發現 落後的現貨報酬對當期期貨有正向的影響效果，而對當期現貨(期貨)有負向的影 響；相反地，落後的期貨報酬對當期現貨有負向的影響，而對當期期貨有負向影 響效果，也就是說落後的現貨和期貨報酬對自己當期有負向影響，而交叉影響為 正向，這也表示市場會有一個均數回復的行為，這樣的情形尤其以現貨市場有顯 著的現象，此結果也與 Lien 和 Yang (2006) 的研究一致。
至於基差的非對稱效果，正負基差對五個貨幣現貨市場的報酬率皆有顯著的 影響效果，但是在期貨市場的部分卻未對五個貨幣完全有顯著影響，表示當現貨 市場與期貨市場有所偏離時，現貨市場是扮演修正調整的角色，這也映證了期貨 市場對現貨市場而言，有價格發現的作用，此外根據表中正負基差的係數，五個 貨幣的現貨市場，其正負基差係數皆為負，而期貨市場的正負基差係數皆為正，
表示當基差變大時，現貨市場報酬率會下降，而期貨市場報率會上升，此為一個 修復長期均衡關係的現象，這個結論也與文獻一致 (Lien and Yang，2006)。
而正負基差對市場波動性的影響，根據表 4-11，正負基差對澳幣、加幣、英 鎊現貨市場波動有顯著的影響，且對澳幣和英鎊期貨市場波動亦有影響效果，此
外，正基差的係數多為正，而負基差的係數多為負，表示當基差的值越大時，現 貨與期貨市場必須調整且修復至長期均衡，因此市場也會更加地波動，然而此現 象只有在澳幣和英鎊現貨期貨市場較為顯著，另一方面，正負基差只對澳幣市場 報酬相關性有顯著的影響，總而言之，根據上述的結論可知，基差效果確實對市 場報酬和波動性有顯著的影響，因此若能將基差效果加入模型中，有助於解釋現 貨與期貨市場的波動性，從中估算出避險比率，應能提升避險的績效。
表 4-9 傳統 DCC 模型
表 4-10 對稱效果 DCC 模型
2 1 1
, 2
1 ,
,t = s+ s st− + s st− + s t−
s w h B
h θ ε δ ξ
hf,t =wf +θfε2f,t−1+δfhf,t−1+ξfBt2−1 ρt =(1−k1−k2)ρ+k1ρt−1+k2ψt−1+µBt2−1
澳幣 加幣 日圓 瑞士法郎 英鎊
∧
ws 0.0021 0.0001 0.0066* 0.0085* 0.0025*
∧
wf 0.0044 0.0005 0.0073* 0.0067* 0.0061*
∧
θs 0.0316** 0.0397** 0.0427** 0.0316** 0.0383**
∧
θf 0.0318** 0.0388** 0.0407** 0.0222** 0.0229**
∧
δs 0.9600** 0.9582** 0.9421** 0.9465** 0.9429**
∧
δf 0.9561** 0.9581** 0.9476** 0.9656** 0.9483**
∧
ξs 0.0049 0.0035* -0.0001 -0.0009 0.0109*
∧
ξf 0.0047 0.0016 -0.0014 -0.0028 0.0091
∧
k1 0.9883** 0.9219** 0.8931** 0.9961** 0.8697**
∧
k2 0.0101** 0.0226** 0.0304** 0.0041** 0.0463**
∧
µ 0.0018* 0.0516* 0.0116** 0.0004* 0.0421*
ρ 0.8702 0.8200 0.8642 0.8284 0.8352
說明：* 和 ** 分別表示 5%和 1%的顯著水準
表 4-11 非對稱效果 DCC 模型
在 CARR 模型估計的部分，僅就樣本內期間做探討，表 4-12 是樣本內 CARR
ω 0.060(2.273) 0.019(1.910) 0.136(2.563) 0.133(1.444) 0.146(2.020) α∧ 0.138(5.270) 0.146(5.568) 0.151(4.852) 0.065(2.799) 0.094(3.399)
∧
β 0.828(24.110 0.837(26.822) 0.772(16.325) 0.861(12.919) 0.797(10.861) ρ1 -0.007 -0.015 0.048 0.011 0.013 ρ12 -0.105 -0.029 -0.005 0.008 0.022
) 12 (
Q 16.335(0.176) 15.636(0.208) 13.202(0.355) 9.2471(0.682) 4.888(0.962) Log likelihood -1155.8 -981.878 -1167.81 -1168.79 -1072.51
期貨週變幅 澳幣 加幣 日圓 瑞士法郎 英鎊
∧
ω 0.052(2.027) 0.017(1.685) 0.103(2.147) 0.137(1.396) 0.186(1.833) α∧ 0.128(5.414) 0.117(4.871) 0.122(4.511) 0.049(2.250) 0.087(2.665)
∧
β 0.844(27.184) 0.868(29.971) 0.823(20.076) 0.875(13.284) 0.777(8.103) ρ1 0.031 -0.012 0.051 -0.014 0.042 ρ12 -0.058 -0.024 -0.011 0.018 0.021
) 12 (
Q 6.793(0.871) 14.245(0.285) 16.505(0.169) 15.895(0.196) 5.5544(0.937) Log likelihood -1166.95 -987.518 -1182.73 -1175.43 -1079.7 說明：僅Q(12)括號內的數值為 p-value，其餘括號內的數值為 t 值；ρ1、ρ12分別為殘差項的
1 階和 12 階自我相關係數；Q(12)數值為殘差項落後 12 期的 Q 統計量。
4.4 避險績效比較
在避險績效比較的部分，首先將資料分割成兩部分，2003 年 12 月 19 日 之前為樣本內的資料，之後的資料為樣本外，因此樣本內的資料共計 2600 筆，
而樣本外資料共計 834 筆，並且分別做樣本內與樣本外的分析，樣本外的研究採 移動視窗（moving window）one-step ahead 的方式，也就是說利用前面 2600 筆 觀察值估算出避險比率之後，並代入樣本外第一期的投資組合中，再將最前面的 一筆觀察值捨棄，然後加入新的一筆觀察值，同樣保持 2600 筆觀察值，並估算 出避險比率且代入樣本外第二期中，如此的預測步驟一直重複到資料用盡為止。
表 4-13 為樣本內每日調整避險比率的績效比較，由表可知無論是那個貨幣，
相對於不避險的情形下，透過外匯期貨確實能有效降低風險，而在樣本內的績效 比較上，除了英鎊以傳統 DCC 有較好的避險績效外，其他四個貨幣皆以 OLS 模 型避險下的投資組合風險最小，且風險降低百分比最高，傳統避險理論 naïve 的 避險績效皆為最差的，然而樣本內的研究是屬於事後（ex post）分析的概念，所 以接下來進一步做樣本外的比較，以得到更完善且具有經濟意義的結論。
由表 4-14 可知，澳幣和加幣以非對稱效果 DCC 模型模型有較好的避險效 益，日圓和瑞士法郎則是傳統 DCC 模型，英鎊為對稱效果 DCC 模型，大致而 言，採取每日調整避險比率時，加入基差效果能夠有效改善避險績效，而且利用 動態避險，隨著市場資訊不斷進入而調整避險比率，可能會比靜態避險更能有效 提升避險效益。