第四章 實證結果
第三節 實證結果(一)
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
32
第三節 實證結果(一)
本研究探討海外債券投資,如何影響壽險公司之營運風險和經營績效。營運 風險使用連續四期 ROA 的標準差衡量;經營績效則是該季 ROA。研究結果依照 統計方法與資料期間歸納如下:
1. 統計方法:普通最小平方法(OLS)、追蹤資料(Panel Data)模型兩種,前者實證 結果會說明是否符合同質變異和無自我相關;後者透由 Hausman 檢定,決定 該條迴歸式應屬於固定效果模型或隨機效果模型。
2. 資料區間分為三段,主要研究 2008-2016 年,稱為全資料期間。以金融海嘯 和歐債危機告一段落的 2011 年底作為區分,2008-2011 年是前期資料;
2012-2016 年為後期資料。
表 4-5 迴歸式整理
表格 迴歸式代號 統計方法 應變數 資料區間
4-6 R1 OLS VTA 全資料
4-7 R2 OLS VTB 全資料
4-8 R3 OLS ROA 全資料
4-9 R4 OLS VTA 前期
4-10 R5 OLS VTB 前期
4-11 R6 OLS ROA 前期
4-12 R7 OLS VTA 後期
4-13 R8 OLS VTB 後期
4-14 R9 OLS ROA 後期
4-15 R10 Panel Data VTA 全資料 4-16 R11 Panel Data VTB 全資料 4-17 R12 Panel Data ROA 全資料 4-18 R13 Panel Data VTA 前期 4-19 R14 Panel Data VTB 前期 4-20 R15 Panel Data ROA 前期 4-21 R16 Panel Data VTA 後期 4-22 R17 Panel Data VTB 後期 4-23 R18 Panel Data ROA 後期
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
本節首先摘錄以 OLS 作為統計方法的實證結果,分為三個部分討論:
一、全資料期間
(一) VTA:如表 4-6 所示,四條迴歸式皆符合同質變異、無自我相關,前一 期應變數的顯著水準小於 1%。主要解釋變數 OBA、OBB 無論線性或非 線性都不顯著,其他控制變數亦同。推測原因是 VTA 算法為第 t-1~t-4 期的 ROA 標準差,以迴歸式說明為今天的海外債券投資,與過去營運 風險的關係,邏輯上較不直觀。
(二) VTB:如表 4-7 所示,四條迴歸式皆符合同質變異、無自我相關,前一 期應變數的顯著水準小於 1%。線性模型 OBA 和營運風險為顯著負相關,
代表投資愈多海外債券能降低風險,符合假說 H1;非線性模型 OBB 也 顯著,說明海外債券占總資產比例與營運風險為 U 型相關,而且臨界點 是 18.83%,符合假說 H3。當 OBB 小於 18.83%時,增加 OBB 能降低風 險;一旦 OBB 超過 18.83%,增加海外債券比重將導致壽險公司風險的 上升。計算方式為一階偏微分:
∂VTB
∂OBB= −0.5419 + 2 ∗ 1.4390 ∗ OBB = 0 → OBB = 18.83%。
同樣是營運風險的衡量,VTB 卻比起 VTA 得到更多顯著結果,推測是 VTB 算法接近今日海外債券投資,與未來第 t~t+3 期 ROA 標準差的關係,
以目前狀態預估未來的邏輯較為合理,故模型回應也較佳。
另外,觀察到金控公司(FH)、負債權益比(DE)與營運風險為顯著負相關。
全資料期間金控公司基於多元事業體、經營綜效,可以有效地降低營運 風險;而負債愈高也能降低風險。美國十年期公債殖利率的波動度(BYV) 和營運風險是顯著正相關,顯然美債收益波動也是壽險公司經營上不可 忽略的因子。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
(三) ROA:如表 4-8 所示,四條迴歸式僅兩條為優良評價,故不討論 R3-2、
R3-3。主要解釋變數 OBA 與 ROA 是正顯著線性相關,符合假說 H2,
非線性 OBB 則不顯著。金控公司(FH)、負債權益比(DE)、營業利益率 (OPM),三者與績效為顯著正相關;承接 VTB 全資料的實證,顯示金控 公司以及負債較高的壽險公司,能因此降低營運風險並提高經營績效。
本國公司(DM)、美國十年期公債殖利率的平均值(BY)和績效為反向相關。
承 VTB 的實證,指出 2008 -2016 年加總起來為:美債殖利率波動劇烈 會提高風險,但是美債殖利率平均值上升卻無法提升績效。
本研究另外考慮三點:第一,是否移除美元兌新台幣的波動度(UTV)變 數,因壽險公司營運風險部分來自匯率走勢,例如:2017 上半年新台幣 強升帶來的匯損。但發現不納入 UTV 將導致 OLS 模型產生殘差異質性,
此外相關係數表也發現 UTV 與其他解釋變數間沒有共線性,故最後保 留該變數。
第二,規模問題,本研究並沒有加入 ln(總資產)控制公司規模。原因是 ln(總資產)與 ln(海外債券)有高度共線性,因此留下主要解釋變數;以及 本研究之財務變數皆是「比例」,不易因公司規模而產生較大落差。
第三,經營績效是否採用「經風險調整後的 ROA5」。結果發現會造成 OLS 模型異質性和殘差之間具有正自我相關,所以排除該 ROA 算法作 為本研究的經營績效衡量指標。
5 本研究之風險調整後 ROA 指的是:該公司第 t 期之 ROA,除以第 t~t-3 期的 ROA 標準差。
‧
Intercept 0.5132(0.0333**)
(<0.0001***)
0.8555 (<0.0001***)
0.8667 (<0.0001***)
0.8656 (<0.0001***)
OBA -0.0055
3.58x10-5 (0.9196)
2.25x10-5 (0.9496)
‧
Intercept 0.1759(0.0138**)
(<0.0001***)
0.8259 (<0.0001***)
0.8412 (<0.0001***)
0.8357 (<0.0001***)
OBA -0.0100
‧
Intercept -0.6824(0.3090)
(<0.0001***)
-0.1889
(<0.0001***)
0.3244 (<0.0001)
0.3383 (<0.0001)
0.3375 (<0.0001***)
UT -0.0079
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
38
二、前期資料
(一) VTA:如表 4-9 所示,和全資料期間相同,四條迴歸式皆符合同質變異、
無自我相關,前一期應變數顯著水準小於 1%。主要解釋變數 OBA、OBB 無論是線性或非線性都不顯著,推測原因是 VTA 的計算方式導致。
(二) VTB:如表 4-10 所示,四條迴歸式皆符合同質變異、無自我相關,前 一期應變數的顯著水準小於 1%。線性 OBA 和線性 OBB 兩者都與營運 風險為顯著負相關,符合假說 H1;非線性 OBA 或 OBB 模型不顯著。
2008-2011 年之前期資料,說明台灣壽險公司投資海外債券,可以幫助 降低公司的營運風險;但與全資料不一樣則是沒有非線性的關係。另外,
本國公司(DM)和風險為顯著正相關,說明在金融海嘯、歐債危機期間,
本國壽險公司面臨的營運風險相對較大。美國十年期公債殖利率的波動 度(BYV)和全資料一致,皆與風險為顯著正相關。
(三) ROA:如表 4-11 所示,四條迴歸式只有兩條評價優良,故不討論 R6-1、
R6-2。海外債券占總資產比例(OBB)和經營績效為顯著正相關,符合假 說 H2;非線性模型則不顯著。金控公司(FH)、營業利益率(OPM)和績效 為顯著正相關,與全資料實證結果一致;本國公司(DM)則是負顯著相關。
承接 VTB 的實證,顯示本國公司在金融海嘯到歐債危機的前期資料,
不僅承受較大風險,又沒得到對應之報酬,反而讓經營績效變差。其中 若為非金控公司之本國壽險公司,影響幅度則會加劇。
其他考量事項包含美元兌新台幣的波動度(UTV)、公司規模、是否採用 經風險調整後的 ROA,詳細解釋同全資料期間。
‧
Intercept 0.2883(0.1013)
(<0.0001***)
0.8822 (<0.0001***)
0.8942 (<0.0001***)
0.8886 (<0.0001***)
OBA -0.0082
‧
Intercept 0.4526(0.0104**)
(<0.0001***)
0.8258 (<0.0001***)
0.8471 (<0.0001***)
0.8458 (<0.0001***)
OBA -0.0288
‧
Intercept -2.0498(0.2116)
(<0.0001)
0.0151
(<0.0001)
0.2657 (<0.0001)
0.2788 (<0.0001***)
0.2780 (<0.0001***)
UT -0.0139
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
(一) VTA:如表 4-12 所示,和全資料、前期資料期間一樣,主要解釋變數 OBA、OBB 無論在線性或是非線性模型都不顯著。美元兌新台幣的波動 度(UTV),在後期呈現和營運風險為顯著正相關,與全資料、前期資料 的不顯著的結果不同,推測在金融海嘯後,市場餘悸猶存導致總經數據 變動,都影響到公司營運。另外,美國十年期公債殖利率的波動度(BYV) 也與風險為顯著正相關。
(二) VTB:如表 4-13 所示,線性模型得到:海外債券占總資產比例(OBB) 與營運風險為顯著正相關,不符合假說 H1。該實證結果和前期資料 OBB 與風險的關係正好相反,此轉變符合假說 H5。非線性模型則得到:OBB 與營運風險為 U 型相關,符合假說 H3。因前期資料並沒有非線性實證 結果,故不符合假說 H7。但是和全資料期間的 U 型相關做比較,發現 臨界點從 18.83%降至 13.56%6。線性、非線性的實證都顯示壽險公司在 2012-2016 年,海外債券部位不再是減少風險的避風港,反而增加營運 之不確定性;甚至 U 型臨界值,相對全部期間(2008-2016 年)下降約 5.27%。
本研究推論應是以下三個原因:第一,國內低利環境趨動,導致國人 將資金從銀行抽出轉向壽險公司的類定存商品,以追求更高的報酬率。
例如:類定存商品內部報酬率(Internal Rate of Return, IRR)多能超過 2%,
而銀行兩年期定儲利率卻從 2.5%一路下探到 1%徘徊。過多熱錢的湧入,
讓壽險業可運用資金大幅提高,從 2008 年 7.95 兆元新台幣,迅速增長 至 2016 年的 20.04 兆元;同時,國外投資也從 2.40 兆元衝到 12.59 兆元;
可運用資金膨脹 2.52 倍、國外投資則為原來的 5.25 倍。過去保單利差 損壓力、國內投資報酬率不佳,加上新契約保費蜂擁而至讓壽險業亟需 海外部位來去化資金。但當需求大於供給時,並不一定能保證這些部位
6 ∂VTB/ ∂OBB = −0.4315 + 2 ∗ 1.5911 ∗ OBB = 0 → OBB = 13.56%
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
都處於較低風險狀態,所以造成實證上的改變。
第二,國外投資比例過重。以 2016 年為例,國外投資占可運用資金已 經高達 62.82%。表示國外投資對於壽險業而言,某種程度上不是分散風 險的工具,甚至是將雞蛋放在同一個籃子裡的情形。當接近三分之二的 資金都在國外,若遇到全球金融環境衝擊,例如:2015 年 7 月全球股災、
2016 年英國脫歐公投、2016 年美國總統大選,都可能造成損失擴大,
以及營運風險提高。
第三,金融海嘯、歐債危機後的國外投資品質下降。以美國十年期公債 殖利率為例,2008 年到 2011 年平均約落在 2.78%與 3.66%的之間,但是 2012 年卻滑落至 1.80%,2016 年前三季平均更只有 1.74%。海嘯之後的 金融市場儘管處於恢復階段,收益率卻還在慢慢回穩階段,也沒有對應 低風險低報酬,反而提升壽險業的營運風險。
除此之外,控制變數的金控公司(FH)、負債權益比(DE)、營業利益率(OPM) 都和營運風險為顯著負相關,三者在前期資料都不顯著。美國十年期公 債殖利率的波動度(BYV)也與全資料期間、前期資料的顯著正相關不同,
後期變成不顯著。
(三) ROA:如表 4-14 所示,實證結果也和前期相反,後期資料線性 OBA、
線性 OBB 皆與經營績效呈現顯著負向關係,不符合假說 H2。但與前期 資料的正相關方向相反,故符合假說 H6。搭配 VTB 後期資料,顯示出 後期的海外債券投資不僅提高公司風險,又無法取得較好的報酬,使得 公司績效表現欠佳。非線性 OBB 和 ROA 則出現 U 型相關,此 U 型曲
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
線的臨界點落在 33.26%7,符合假說 H4。然而在前期資料並沒有得到非 線性的實證結果,所以不符合假說 H8。該臨界點說明當 OBB 小於 33.26%,
海外債券占總資產比例應減少,但同時須考慮 OBB 與營運風險的 U 型 關係(臨界點 13.56%)。若要達到降低風險、提升績效的雙重目的,應該 將海外債券占總資產比例壓在 13.56%以下。另外,與前期資料相比發現:
金控公司(FH)由顯著正相關變為不顯著;本國公司(DM)從顯著負相關轉 成顯著正相關。營業利益率(OPM)繼續維持正向相關;美國十年期公債 殖利率的平均值(BY)與前期資料的不顯著一致。其他考量事項包含美元 兌新台幣的波動度(UTV)、公司規模、是否採用經風險調整後的 ROA,
詳細解釋同全資料期間。
觀察全資料期間、前期資料、後期資料實證結果,雖然前期資料樣本數
觀察全資料期間、前期資料、後期資料實證結果,雖然前期資料樣本數