實證方法設計

回顧相關研究文獻後發現，當探討某一資訊或事件發生時，是否會影響股 價的異常變動，即是否會產生「異常報酬率」（abnormal returns），經常使用

「事件研究法」（Event Study）來探討。事件研究法是近代商學實證研究中，

最廣泛被應用的研究設計之一，利用事件研究法的文獻大致可以分成四大類

（沈中華、李建然，2000）：（1）市場性效率性研究：主要在評估股票市場是 否快速、不偏的反應某項新資訊。（2）資訊內涵之研究：探討資訊有用性之研 究，旨在評估股價對於某一資訊揭露的反應程度。（3）解釋異常報酬率研究：

主要的目的在進一步瞭解影響異常報酬率之因素。（4）方法論之研究：探討事 件研究法的改進。

本研究意圖驗證企業主表態支持特定候選人這個資訊的揭露、同時選舉的 結果確實滿足表態的訴求，這個事件會否造成該企業股價產生異常報酬率的情 況。符合事件研究法的研究範疇，研究方向屬於上述事件研究法應用範圍中的 第二、三點；因此依循前人蹊徑，應用事件研究法對欲研究的主題做分析。參

13

考沈中華、李建然（2000）對於事件研究之統整，在使用事件研究法進行實證 研究時，一般而言將依循下列四個步驟進行：

1. 事件日之確定：確定要研究的事件發生或揭露的日期。

2. 定義及估計異常報酬率：建立事件沒有發生情況下預期的報酬率，並 以事件發生後實際的報酬率減去預期的報酬率，作為異常報酬率之估 計。

3. 異常報酬率之檢定：使用統計檢定方法，探討估計出的異常報酬率的 發生是否具有顯著性。

4. 分析結果：依照研究的假設對估計出來的數據級檢定的結果作分析及 解釋。

上述事件研究所依循的步驟：第一點、事件日之確立，和第二點、異常報 酬率之定義及估計，將在本節說明；而異常報酬率的檢定及最後的結果分析將 分別於後續章節一一陳述。

壹、估計期、事件日、事件期

此次總統選舉事件的事件日（t₀）為總統大選的投開票日，即 2012 年 1 月 14 日。而所謂的事件期即是在事件發生日之後研究者意圖研究異常報酬率產生 與否的一段期間；另一方面，估計期則是為了驗證事件期是否產生異常報酬率，

特別選取一段適合的期間，作為事件未發生狀態下預期報酬率的計算基準。在 事件期的報酬率（也就是實際報酬率）與估計期的報酬率（也就是另外選取一 段期間作為基準的報酬率）相減之後，就會得到欲驗證的異常報酬率。

回到設定事件期以及估計期方面，在邏輯上，存在著：「選情不確定→選 舉結果公布→產生慶祝行情」此三者之從屬關係，因此將以事件日為界，前為 估計期、後為事件期；這樣的設計與之前的文獻雖有出入，然而對本研究的邏 輯而言當屬十分合適。至於期間設定的長短，參考以前的研究，一般而言並無

14

客觀的標準，多由研究者主觀的決定（2000 沈中華、李建然）。研究者必須衡 量其利弊得失，設定的太短，可能損及預測模式的預測能力；設定的太長，恐 怕該期間有結構性的變化，產生模式不穩定的現象。

近年來，全世界在一連串國際經濟議題環繞之下，景氣低迷，2012 年總統 大選當時影響最大的外在影響因素即是歐債危機。歐債風暴席捲全球，台灣股 市行情莫不受到重大影響，該次選舉前後均有報導指出，因為歐債影響，總統 大選並無所謂「選舉行情」可期待 ⁴。雖然歐債的影響並非此篇所要探討，但 在決定事件期及估計期時，應該要考慮歐債危機對台灣股市產生的干擾。為求 盡量降低國際上經濟因素對台灣股市起伏造成影響，本篇將參考過去相關的研 究結果，在容許的範圍內，訂定較短的區間，希望能聚焦在選舉造成的效果，

控制其他不屬於本篇研究要討論的因素。有鑑於此，本篇將以日報酬建立估計 模式，一般而言，估計期間通常設定在 100 天至 300 天；事件期則多介於 2 天 至 121 天（2000 沈中華、李建然）。

由於 2011 年全球各大指數在 7、8 月間巨幅暴跌，8 月中旬至 9 月則高低 震盪，之後雖然 11 月中義大利的問題讓各大指數再度下滑，但幅度較第一次 重挫小得多，10 月之後各大指數整體而言多半為震盪中帶有上漲趨勢⁵。綜觀 歐債爆發前後的股票市場，即便是以目測指數的曲線，也不難發現前者較為平 緩、後者較有起伏，而且中間經歷一段陡降坡，似在為兩段不同的走勢做分野；

是故若要選一段區間做估計期的報酬率來做估計，理應取歐債發生後，因此在 估計期的設定上：取 2011 年 8 月 15 日星期一為估計期開始日（t₁），2012 年 1 月 13 日星期五為估計期結束日（t₂），共 108 個交易日。

4 如：選前，自由時報，2011/12/12，〈選舉行情破功？台股今年跌幅全球第 4〉。

選後，鉅亨網新聞中心，2012/1/16，〈歐債打敗選舉行情 台股專心在國際經濟情勢〉。

5 見附錄各指數走勢圖。

15

圖 3-1 本研究之事件研究法時間軸

緊接在估計期後面的是本研究的事件日，即 2012 年 1 月 14 日星期六總統 大選投票日。事件日後，適逢農曆新年，台股在 2012 年 1 月 18 日星期三封關，

中間只有三個交易日。然而慶祝行情期間屬短期的波動，並不需要太長的事件 期，另一方面過了年節這段時間的長假，選舉的激情應該已退，股市可能回歸 基本面；加上台灣特殊的節慶，或許有另一波的「紅包行情」趨動股市，所以 三天的區間不算短。在選後的這段時間裡，歐債並無重大利多的消息出現、負 面消息亦然，少了可能的系統性干擾應更有利於分析。因此在事件期的設定上：

以 2012 年 1 月 16 日星期一為事件期開始日（t₃），取三天的區間至 2012 年 1 月 18 日星期三為終止日（t₄），共 3 個交易日。評估這段時間裡，原先不確定 性因素消失、且企業主支持的候選人當選，特定股票報酬率隨之產生的反應；

同時把表態程度加以衡量，檢視一段時間內慶祝行情是否存在、以及大小為何？

並與前述三個營業天內較短時間的異常報酬率比較，檢視慶祝行情效果的變 化。

然而，考慮到總統大選的時間若總是與農曆年節日子相近，則無可避免的 應該對其有所了解，所以自 2012 年 1 月 16 日星期一事件期開始日（t₃）起，

再取一個月的區間，至 2012 年 2 月 17 日星期五為終止日（t₅），共 19 個交易 日，跨越農曆年節作附加的測試，比較此期間的累計平均異常報酬率與設定的 事件期之間會存在甚麼樣的差異，希望此舉能使研究更完整，更增加投資決策 時參考的價值。

T 估計期 W 事件期

t₁ t₂ t₃ t₄

事件日(t₀)

t₅

16

貳、 股票報酬率預期模式

前面提到，在找出異常報酬之前，首先要決定選舉事件尚未發生時的「預 期報酬率」，股票報酬期模式的種類大體上可分為三大類，簡述其假設如下：

1. 平均調整法（Mean-Adjusted Return Model）：

事件期各期之預期報酬率，為該證券在估計期之平均報酬率，為一常 數。

2. 市場指數調整法（Market-Adjusted Returns Model）： 事件期當中，用大盤的報酬率，代表各股的預期報酬率。

3. 風險調整法（Risk-Adjusted Returns Model）：

利用迴歸模式，將個別證券的系統風險，即 β 係數，做為個別證券報 酬率的預測因子。

過去對三者檢定力，或稱發現異常報酬率的能力，的模擬研究結果顯示：

三者的檢定力並無重大差別（Brown and Warner, 1980）。但是因為本研究的需 要，在方法選定上會有所取捨。首先，平均調整法是以單一股票自身前後期作 比較，雖然市場上並非所有股票對本研究所討論的選舉事件都有同樣的反應，

但是脫離了跟整體市場走勢的關連性並不妥當。其次，本研究希望研究特定對 象的股票異常報酬率，若使用市場指數調整法，以大盤的報酬率做為特定股票 估計期的報酬率可能會把特定股票與大盤之間的差異性稀釋了。相較於前兩者 而言，用風險調整法的β 係數做為個別證券報酬率的預測因子，顯現出特定股 票相較於大盤的報酬率的差異，以此計算各股預期報酬率對本篇而言則較合適。

因此不以平均調整法和市場指數調整法討論，而挑選風險調整法為預期模式，

研究挑選出的特定股票在事件前預期報酬率的狀況。

風險調整法中，又以市場模式被最廣泛的使用，公式如下：

Rit= αi + β_iRmt+ εit ， t = t1,t2 （3.1）

17

式中

R_it 代表 i 公司在估計期 t 期之實際報酬率。

R_mt 為 t 期之市場報酬率，本研究以上市加權指數為之。

α_i及β_i 為估計參數。

ε_it 為誤差項，一般假設為白噪音，即ε_it~N(0, σ)。

針對誤差項部分，根據 Fama（1968）、Beja（1972）、Fama（1973）之研 究，市場模式有下列之假設：

E(ε_it) = 0 （3.2）

Cov�εiτ , εiγ� = �0 , τ ≠ γ

σ_i², τ = γ� , τ,γ ∈ [t₁, t2] （3.3）

Cov(ε_it ,R_mt) = 0 （3.4）

第一式係假設估計期每一期的ε_it，其平均值為 0；第二式係假設估計期任 兩期的ε_it並無關連性，且每一期ε_it的變異數皆相同，其變異數為σ²；而第三式 則假設估計期每一期的ε_it與市場報酬R_mt之間沒有相關。由於α�_i及β�_i是由估計期 估計而來的，因此，個別證券在未受事件影響下，事件期某一期的預期報酬率 為：

E�R�_iE� = α�_i+ β�_iR_mE ， E ∈ W （3.5）

W 代表事件期的長度，上式即為事件期中某一期 E，以市場模式估計之預 期報酬率E�R�_iE�。這個式子的重點在於α�_i及β�_i是在估計期算出，而R_mE是事件期

某一天的大盤。也就是說，我們用估計期計算得到α�i及β�_i，並假設它們不會變，

也適用於事件期，這稱之為沒有結構改變的參數模型。由於前面章節在設定事 件期的時候，已經盡可能選取避免受總體經濟環境變化影響的區間，是以在此 處風險調整法中的市場模式應為適合本研究的報酬率預期模式。在實際運算時，

也適用於事件期，這稱之為沒有結構改變的參數模型。由於前面章節在設定事 件期的時候，已經盡可能選取避免受總體經濟環境變化影響的區間，是以在此 處風險調整法中的市場模式應為適合本研究的報酬率預期模式。在實際運算時，