2 台灣上市產業指數的外溢效果
2.2 外溢指標的計算
2.3.4 外溢效果的動態分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
2.3.4 外溢效果的動態分析
仿照DY(2010)的作法，我們利用移動視窗法估計外溢指標的 200 天移動平 均值。第一個估計區間為 1995 年 8 月 2 日至 1996 年 4 月 17 日，第二區間 1995 年 8 月 3 日至 1996 年 4 月 18 日，之後以固定區間長度為 200 天的方式向前移動 進行估計，共計有 3701 個估計區間。每一次估計時，我們同樣是以BIC準則挑 選VAR模型的最適落後期數。6 FEVD的向前預測期數仍如同先前設定，報酬率 為向前預測 10 期，波動率為 20 期。圖 2-2 是指數報酬率與波動率的動態總外溢 指標，我們可看出外溢指標具有隨時間改變的動態特性。報酬率總外溢的變化幅 度較小，大約介於 60%至 80%之間，而波動率總外溢變動則相對較大，幅度介 於 40%到 80%，由此推知波動率對於衝擊的反應較為劇烈。另外，我們可觀察 到自 2007 年後半年開始蔓延的全球次賃風暴也將報酬率與波動率的總外溢效果 推向高點，顯現出其衝擊的嚴重性。我們將報酬率與波動率 200 天移動平均的流 入、流出及淨外溢效果繪於附圖 2-1 至附圖 2-6，藉此可看出各產業指數外溢效 果的趨勢變化。例如在附圖 2-1 報酬率 200 日移動平均的流入外溢效果中，電子 類指報酬率的流入外溢效果在 2000 年以前曾下降至 25%以下，表示當時電子業 較不受其他產業的影響；但是 2000 年之後卻可發現到其流入外溢效果有漸漸上 升的趨勢。在附圖 2-2 報酬率 200 日移動平均的流出外溢效果中，金融保險類指 的報酬率因次貸風暴的關係，其流出外溢效果在 2007 年之後亦漸漸上升，時至 2010 年才又慢慢下降。
6 在 3701 次估計區間中，指數報酬率所決定的模型皆為 VAR(1)，指數波動率則僅有一次是挑選
出 VAR(2)，其他皆為 VAR(1)。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59 return volatility
1996 1998 2000 2002 2004 2006 2008 2010
40 45 50 55 60 65 70 75
80 return volatility
圖 2-2 200 日移動平均的總外溢效果
2.4 結論
本文應用外溢指標以預測誤差變異數分解的方式，分析台灣產業指數的連動 性，可以讓我們瞭解到，當台灣股市受到外在衝擊時，產業指數間的相互影響情 形。我們的實證結果顯示，台灣產業指數間存在程度頗高的外溢效果，一旦某一 產業面臨外在衝擊時，其餘產業也會遭受蠻大的波及。不過，細究個別產業的外 溢效果，以營建業為最主要的影響者，近年來尤其明顯。建議投資人無論投資何 種產業都應密切注意營建業的動靜。另外，由於營建類指的流入外溢效果相對較 低，表示較不受其他產業的影響，也可做為多角化的投資標的。根據 Hong, Torous, and Valkanov (2007)的資訊緩慢擴散假說(gradual infor- mation diffusion)，我們進 一步推論營建類指之所以具有嚴重的影響力，可能因為營建類指數的變化隱含對 其他產業而言是較有用的資訊。譬如，營建類指數常被視為是景氣的領先指標，
可用來預測景氣變化。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
由外溢指標可看出 2008 年次貸金融危機的嚴重性：這時期的動態總外溢指 標相較其他時期的都來得高，且金融保險類指在最近一期子樣本的流出外溢程度 突然增加。由此可知，全球次貸風暴發生之後，台灣股市經由金融業波及其他產 業的程度甚大。另外，由於鋼鐵業的流出外溢效果程度最低，表示當鋼鐵業受到 衝擊之後不太會波及其他產業。
由於電子業常被視為股市行情的領頭羊，因此直覺地認為電子類指數的外溢 效果應該相當高。但根據結果顯示，無論是報酬率與波動率外溢，電子類指數的 流出流入效果都相對低。推論其因，可能因為電子業受到衝擊時常常當天就反映 完畢，由於 VAR 模型考慮的是變數落後項的影響，因此無法看出當期的影響。
另外，電子次產業的市場差異過大，也是造成電子業外溢效果較低的可能原因之 一。
在本文的分析中，尚未考慮產業的市值大小對外溢效果的影響。直覺上，市 值愈大的產業，其報酬率變動的影響也會愈大。這或許將可解釋電子產業在上述 的分析結果中並未擔任領頭羊的角色。在未來的研究裡，我們為求控制產業市值 的影響，所考慮的可能方案之一，是在 VAR 模型中納入市場指數為外生變數。
同時，亦可納入匯率與利率等因素，以突顯台灣股市深受匯率與利率影響的特 性。另外，亦可嘗試區分市場的上方風險與下方風險，分析外溢效果的不對稱性。
此外，進一步探究個別產業具有不同程度外溢效果的決定因素，以及檢視國與國 之間產業的外溢效果，以因應全球產業整合愈趨明顯的趨勢，皆是未來的可能研 究方向。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
附錄
附表 2-1 全樣本下報酬率的 VAR(1)估計結果
食品 塑膠 紡織 鋼鐵 電子 營建 航運 金融
截距項 0.017 0.027 0.011 0.012 0.029 -0.003 0.007 -0.008 (0.581) (0.929) (0.353) (0.424) (0.929) (-0.075) (0.225) (-0.263) 食品(-1) 0.0245 -0.0388 -0.0197 -0.0212 -0.0593** -0.0242 -0.0327 -0.0203 (0.947) (-1.48) (-0.724) (-0.848) (-2.14) (-0.765) (-1.17) (-0.755) 塑膠(-1) 0.0577** 0.0688*** 0.0714*** 0.0228 0.0256 0.0628** 0.0656** 0.055**
(2.31) (2.72) (2.71) (0.944) (0.956) (2.05) (2.42) (2.11) 紡織(-1) -0.0524* -0.0228 -0.0131 -0.0315 -0.0146 0.005 0.0146 -0.0238
(-1.75) (-0.75) (-0.414) (-1.09) (-0.455) (0.136) (0.448) (-0.76) 鋼鐵(-1) -0.0272 -0.0211 -0.0098 0.021 -0.0592** -0.0432 -0.0403 -0.0372
(-1.16) (-0.889) (-0.399) (0.928) (-2.36) (-1.51) (-1.59) (-1.52) 電子(-1) 0.0247 0.008 0.0184 -0.0116 0.144*** 0.0538** 0.0381* 0.0114
(1.26) (0.407) (0.894) (-0.618) (6.91) (2.26) (1.8) (0.561) 營建(-1) 0.0349* -0.0445** -0.0082 -0.0276 -0.0288 0.0496** -0.0126 -0.0302
(1.73) (-2.18) (-0.387) (-1.42) (-1.33) (2.01) (-0.578) (-1.44) 航運(-1) 0.0427* 0.0557** 0.0374 0.0685*** 0.0358 0.0648** 0.0591** 0.0057
(1.85) (2.38) (1.53) (3.06) (1.44) (2.29) (2.35) (0.237) 金融(-1) -0.0038 0.006 0.0245 0.0184 -0.0382 0.0809*** 0.0169 0.0629**
(-0.151) (0.238) (0.93) (0.762) (-1.43) (2.64) (0.624) (2.41) R-sq 0.0103 0.006 0.0089 0.0046 0.0172 0.0363 0.0122 0.0047 調整後 R-sq 0.0082 0.004 0.0069 0.0025 0.0152 0.0343 0.0102 0.0027
|OMEGA|(dof adj.)= 119.58
|OMEGA|= 117.39
LOG LIKELIHOOD= -53550
AIC= 27.505
BIC= 27.621
註：1. 括號內為 t 值。
2. *、**、***分別代表在 10%、5%、1%顯著水準下估計係數顯著異於零。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
63
食品 塑膠 紡織 鋼鐵 電子 營建 航運 金融
(-1.74) (-0.082) (-0.217) (4.15) (0.041) (0.512) (1.65) (0.078) 電子(-3) -0.037* -0.014 -0.005 -0.028 0.164*** -0.037 -0.041* -0.039*
(-1.86) (-0.66) (-0.265) (-1.3) (7.44) (-1.63) (-1.91) (-1.8) 營建(-3) 0.01 -0.031 -0.004 0.016 -0.025 0.173*** -0.005 0.032 (0.542) (-1.54) (-0.241) (0.778) (-1.2) (8.03) (-0.247) (1.58) 航運(-3) 0.027 0.033 0.032 0.068*** 0.048** 0.035 0.177*** 0.049**
(1.3) (1.48) (1.59) (3.13) (2.11) (1.47) (8.01) (2.19) 金融(-3) 0.023 0.028 0.026 0.023 0.019 0.031 0.007 0.143***
(1.01) (1.17) (1.16) (0.977) (0.748) (1.2) (0.283) (5.9)
R-sq 0.348 0.344 0.335 0.304 0.333 0.405 0.38 0.347
調整後
R-sq 0.344 0.34 0.331 0.3 0.329 0.402 0.376 0.343
|OMEGA|(dof adj.)= 6.34E-05
|OMEGA|= 6.03E-05 LOG LIKELIHOOD= -25303
AIC= 13.089
BIC= 13.41
註：1. 括號內為 t 值。
2. *、**、***分別代表在 10%、5%、1%顯著水準下估計係數顯著異於零。
‧
2000 2005 2010
25 50 75
100 食品 塑膠
2000 2005 2010
25 50 75
100 塑膠
紡織
2000 2005 2010
25 50 75
100 紡織 鋼鐵
2000 2005 2010
25 50 75
100 鋼鐵
電子
2000 2005 2010
25 50 75
100 電子 營建
2000 2005 2010
25 50 75
100 營建
航運
2000 2005 2010
25 50 75
100 航運 金融保險
2000 2005 2010
25
2000 2005 2010
50 100
150 食品 塑膠
2000 2005 2010
50 100
150 塑膠
紡織
2000 2005 2010
50 100
150 紡織 鋼鐵
2000 2005 2010
50 100
150 鋼鐵
電子
2000 2005 2010
50 100
150 電子 營建
2000 2005 2010
50 100
150 營建
航運
2000 2005 2010
50 100
150 航運 金融保險
2000 2005 2010
50 100
150 金融保險
附圖 2-2 報酬率 200 日移動平均的流出外溢效果
‧
2000 2005 2010
-50 0 50
100 食品 塑膠
2000 2005 2010
-50 0 50
100 塑膠
紡織
2000 2005 2010
-50 0 50
100 紡織 鋼鐵
2000 2005 2010
-50 0 50
100 鋼鐵
電子
2000 2005 2010
-50 0 50
100 電子 營建
2000 2005 2010
-50 0 50
100 營建
航運
2000 2005 2010
-50 0 50
100 航運 金融保險
2000 2005 2010
-50
2000 2005 2010
25 50
75 食品 塑膠
2000 2005 2010
25 50
75 塑膠
紡織
2000 2005 2010
25 50
75 紡織 鋼鐵
2000 2005 2010
25 50
75 鋼鐵
電子
2000 2005 2010
25 50
75 電子 營建
2000 2005 2010
25 50
75 營建
航運
2000 2005 2010
25 50
75 航運 金融保險
2000 2005 2010
25 50
75 金融保險
附圖 2-4 波動率 200 日移動平均的流入外溢效果
‧
2000 2005 2010
50 100
150 食品 塑膠
2000 2005 2010
50 100
150 塑膠
紡織
2000 2005 2010
50 100
150 紡織 鋼鐵
2000 2005 2010
50 100
150 鋼鐵
電子
2000 2005 2010
50 100
150 電子 營建
2000 2005 2010
50 100
150 營建
航運
2000 2005 2010
50 100
150 航運 金融保險
2000 2005 2010
50
2000 2005 2010
-50 0 50
100 食品 塑膠
2000 2005 2010
-50 0 50
100 塑膠
紡織
2000 2005 2010
-50 0 50
100 紡織 鋼鐵
2000 2005 2010
-50 0 50
100 鋼鐵
電子
2000 2005 2010
-50 0 50
100 電子 營運
2000 2005 2010
-50 0 50
100 營運
航運
2000 2005 2010
-50 0 50
100 航運 金融保險
2000 2005 2010
-50 0 50
100 金融保險
附圖 2-6 波動率 200 日移動平均的淨外溢效果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
67
參考文獻
Bai, J. and P. Perron (1998), “Estimating and Testing Linear Models with Multiple Structural Changes,” Econometrica, 66(1), 47-78.
Bai, J. and P. Perron (2003), “Computation and Analysis of Multiple Structural Change Models,” Journal of Applied Econometrics, 18, 1-22.
Campbell, J. Y. and J. H. Shiller (1988), “Stock Prices, Earnings, and Expected Dividends,” Journal of Finance, 43, 661-676.
Cavaglia, S., C. Brightman, and M. Aked (2000), “The Increasing Importance of Industry Factors,” Financial Analysts Journal, 56(5), 41-54.
Connor, G. (1995), “The Three Types of Factor Models: A Comparison of Their Explanatory Power,” Financial Analysts Journal, 51(3), 42-46.
Diebold, F. X. and K. Yilmaz (2009), “Measuring Financial Asset Return and Volatility Spillovers, with Application to Global Equity,” The Economic Journal, 119, 158–171.
Diebold, F. X. and K. Yilmaz (2010), “Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillover,” International Journal of
Forecasting, forthcoming.
Eleswarapu, V. R. and A. Tiwari (1996), “Business Cycles and Stock Market Returns:
Evidence Using Industry-based Portfolios,” The Journal of Financial Research, 19, 121-134.
Fama, E. F. and K. R. French (1988), “Dividend Yields and Expected Stock Returns,”
Journal of Financial Economics, 22, 3-25.
Fama, E. F. and K. R. French (1993), “Common Risk Factors in the Returns on Stock and Bonds,” Journal of Financial Economics, 33, 3-56.
Garman, M.B. and M.J. Klass (1980), “On the Estimation of Security Price
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
68
Volatilities from Historical Data,” Journal of Business, 53(1), 67-78.
Grinold, R., A. Rudd, and D. Stefek (1989), “Global factors: Fact or Fiction?” Journal
of Portfolio Management, 16(1), 79-88.
Heston, S.L. and K.G. Rouwenhourst (1995), “Industry and Country Effects in International Stock Returns,” Journal of Portfolio Management, 21(3), 53-58.
Hong, H., W. Torous, and R. Valkanov (2007), “Do Industries Lead Stock Markets?”
Journal of Financial Economics, 83, 367–396.
Lessard, D.R. (1974), “World, National, and Industry Factors in Equity Returns,”
Journal of Finance, 29(2), 379-391.
Meric, I., M. Ratner, and G. Meric (2008), “Co-movements of Sector Index Returns in the World’s Major Stock Markets in Bull and Bear Markets: Portfolio Diversification Implications,” International Review of Financial Analysis, 17(1), 156-177.
Moskowitz, T. J. and M. Grinblatt (1999), “Do Industries Explain Momentum?”
Journal of Finance, 54(4), 1246-1290.
Pesaran, H. H. and Y. Shin (1998), “Generalized Impulse Response Analysis in Linear Multivariate Models,” Economics Letters, 58, 17-29.
Phylaktis, K. and L. Xia (2006), “The Changing Roles of Industry and Country Effects in the Global Equity Markets,” The European Journal of Finance, 12(8), 627-648.
Yang, D. and Q. Zhang (2000), “Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices,” Journal of Business, 73(3), 477-491.
Yilmaz, K. (2009), “International Business Cycle Spillovers,” TUSIAD-Koc University Economic Research Forum, working paper.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
69