一. 產業外匯暴險
1. 不同頻率下的外匯暴險程度
衡量台灣十九個產業在2001年到2010年中，十九個產業受到新台幣兌美元匯 率變動所受到的影響，採用Alder and Dumas (1984)的方法建立單因子外匯暴險模 型，並且更使用Jorion (1990)等人的二因子外匯暴險模型去觀察台灣產業的外匯 暴險程度變化。
在表 3中，為使用日資料所衡量的外匯暴險估計結果。3-A為單因子模型，
3-B為二因子模型，可以發現在納入市場報酬(Rm)這個總體經濟變數後，整體模 型的adj-R2增幅相當多，以水泥工業為例，其增幅將近0.4的解釋能力，表示二因 子模型在衡量外匯暴險程度較好，因此我們主要以二因子模型去做觀察。
在以日資料衡量台灣產業的外匯暴險程度中，可以發現十九個產業當中，有 十個產業具有顯著的外匯暴險，超過5成的顯著比例，明顯高於Bodnar and Gentry (1993)在加拿大、日本與美國的產業中發現僅有少部分的產業具有顯著的外匯暴 險(20%~35%)以及Choi and Prasad (1995)與 Jorion (1990)在美國產業的研究；而 在同樣進行台灣實證研究的蘇鼎欽(2000)，使用台灣主要貿易國家匯率指數與台 灣主要出口國家匯率指數，也僅發現分別具有5.3%與36.8%的產業有著顯著的外 匯暴險。不同於以往認為產業的外匯暴險可能因為產業間彼此之間對於匯率變動 的影響互相抵消，或公司會透過避險的策略而使得外匯暴險抵銷掉，而結果顯示 台灣產業有五成以上是具有外匯暴險的，意味著台灣在現今的全球市場越來越開 放的同時，受到國際間的影響日益遽增，呼應著圖 1中台灣的總進出口額佔GDP 的比例由2001的80%到2010的122%。
34
此外在顯著的10個產業中，九個產業的外匯暴險為負，當新台幣相對美元貶 值時，其產業報酬為負，可能的原因是這些產業具有較多的原料與零件的進口等
，因此當新台幣貶值時，會增加其進口的成本，導致公司的獲利能力受到影響，
進而影響到產業的競爭力；而顯著的產業中，以電子業與眾不同，其外匯暴險為 正，當新台幣貶值時對於電子業有著正向的幫助，結果與現今電子業的競爭環境 一致，因為台灣電子業主要為代工出口導向的產業，當新台幣貶值時，出口訂單 的競爭力抑或是未來收到的現金流量都會受到重挫，再加上目前台灣的電子業其 毛利不高，因此匯率變動的影響便會嚴重侵蝕到產業的競爭力；高櫻芬、施衍礽 (2002)也指出在台灣的出口企業中，顯著的企業大多是電子業為主。
表 4為使用月資料下的外匯暴險估計結果，在表中可以發現與日資料有所不 同，19個產業中顯著的產業為15個產業，顯著比例上升至79%，而產業的外匯暴 險程度，也就是對於匯率變動的敏感度相對於日資料來說普遍增加，代表著產業 的報酬-價值的代理變數受到匯率變動的影響增加，以電子業為例，在日資料下 其外匯暴險程度為0.117，而在月資料下反而上升至0.586，並且在統計量方面電 子業在月資料更加的顯著，並且在顯著的產業中，異於其他產業的依舊是電子業
，其外匯暴險為正；而在使用季資料的表 5中，這樣的情形更加明顯，19個產業 中具有顯著外匯暴險的產業則暴增至18個，也就是將近95%的比例具有顯著的外 匯暴險，這樣的結果更是與先前針對產業進行研究的文獻有很大的不同，先前文 獻都指出產業僅有少部分具有顯著的暴險，本研究中指出在季資料中，絕大部分 的產業都具有顯著的外匯暴險，並且產業對於匯率變動的敏感度與月資料相比更 加的明顯以及嚴重，一樣以電子業為例，其在月資料下為0.586，而在季資料下 敏感度也就是外匯暴險程度卻暴漲至1.231，並且在統計量上更加的顯著。
在不同的資料頻率下，可以發現台灣的產業受到匯率變動的影響有所不同，
在顯著比例中，由日資料的52%(10/19)到月資料的79%(15/19)，更在季資料中將
35
近所有產業都具有顯著的外匯暴險(18/19)，結果與Muller and Verschoor (2006)一 致，使用資料頻率長的會比資料頻率較短的來得更加顯著；而外匯暴險程度(敏 感度)也都有因為資料頻率越長而上升，這些結果都指出台灣的產業長期來說受 到匯率變動的影響會比短期來得高，也就是經濟暴險的成分比起轉換暴險與交易 暴險還要來得大，抑或是對於產業來說短期的外匯暴險可能可以透過避險或管理 策略去進行規避，然而因為外匯暴險在長期時具有間接以及不好判斷的特性，而 使得在長期來說無法藉由避險手段去進行減輕。
2. 考慮熱錢效應後的外匯暴險
在以往的文獻當中，指出匯率變動經由轉換效果(translation effect)、交易效 果(transaction effect)與經濟效果(economic effect)來影響公司的價值，然而台灣市 場的開放以及外資對於股市的影響逐日遽增(圖 2)，短期資金的進出便很容易會 影響到台灣匯市以及股市的變動，因此本研究納入了熱錢效應因子(HOT)以萃取 出台灣產業真正的外匯暴險。
表 6、表 7與表 8為納入熱錢效應下的外匯暴險估計結果，分別使用日、月 與季資料去進行觀察，並與先前表 3、表 4與表 5去進行比較，結果發現再納入 熱錢效應因子後，產業的外匯暴險程度與顯著比例有了很大的改變。在使用日資 料的表 6中，熱錢效應因子在每個產業都呈現出正向的關係，證實熱錢效應會影 響著產業的報酬，當短期資金的流入會對股價有正面的幫助，而流出則會造成股 市的下跌，結果與Zhang and Fung (2006)一致；然而在外匯暴險顯著比例的結果 中，發現顯著的產業下降至7個，與原先二因子模型的10個產業相比，顯著比例 下降至36.8%，並且外匯暴險程度也跟著下降，以電器電纜為例，原先在二因子 模型中暴險程度為-0.276，而在納入熱錢因子後其暴險程度變為-0.249，也就是
36
說產業的報酬對於匯率變動的敏感程度下降，我們認為這是因為在原先使用二因 子模型衡量外匯暴險的程度中，其內含著熱錢效應的效果，亦即除了匯率變動會 透過轉換效果、交易效果與經濟效果影響著產業，也會因為短期資金的進出而導 致產業報酬的變動，會導致匯率變動對於產業報酬的效果多了當匯率貶值報酬下 降的負向影響10，因此在加入熱錢效應因子後，對於萃取出真正的外匯暴險有著 正面的幫助11。
而在使用月資料的表 7中，可以發現有10個產業具有顯著的外匯暴險，這與 二因子模型的15個產業有所不同，並且可以看到產業的外匯暴險程度與在二因子 模型(表 4)有著下降的趨勢，這與使用日資料的結果一樣，當納入熱錢效應因子 後，會使得熱錢進出對於股匯市的影響分離出來；而在比較同樣納入熱錢效應且 使用日資料的表 6，可以發現其顯著產業由7個增加至10個，並且外匯暴險程度 與顯著性都有著上升的特性。
最後在表 8的結果中，其納入熱錢效應並使用季資料可以看到顯著的產業增 加至18個，與同樣使用季資料的二因子模型一樣都是18個產業(18/19)，但比較外 匯暴險程度上，先前使用日資料與月資料上的差異在此便不明顯了，在納入熱錢 效應因子後，其外匯暴險減少的程度不多，更有些產業幾乎沒有變動且調整後R2 不增反減，代表加入熱錢效應因子在季資料中是無用處的，然而在日資料與月資 料熱錢效應卻有著影響，指出熱錢的影響是短期的，當使用較長資料頻率時，所 產生的效果便可能消失，這樣的情形與Zhang and Fung (2006)、Guo and Huang (2010)一致，投機資金通常為短期的進出，進而影響到市場的波動。
10 熱錢會使貨幣升貶值與股市一致，而我們的外匯暴險為負代表著貨幣貶值報酬下降，因此如 果外匯暴險內含熱錢的因素，會使得其外匯暴險程度為負的程度較大；而在外匯暴險為正的產業 便會導致其在二因子中的外匯暴險較小。
11 納入熱錢效應因子後，為防具有共線性存在影響結果，以VIF(Variance inflation factor)進行檢 測，發現三個變數間並無共線性存在。
37
由以上結果指出，現今台灣受到國際間的影響日益劇增，且外匯暴險有著長 短期之分，短期的外匯暴險比較能夠藉由避險或管理策略去進行規避，然而長期 來說，卻無法藉由這些手段去進行避險，因此對於台灣來說經濟暴險是較為嚴重 的，因為台灣主要是外貿國家，貨幣的升值貶值很容易影響到國家的競爭力；並 且發現在納入熱錢效應因子後，更能夠萃取出真正的外匯暴險，但熱錢的影響也 與先前所做研究相同，其所造成的效果較為短期，在相對長期的季資料來說，這 樣的效果便不太明顯；有趣的是電子業不論在長短期都具有顯著的外匯暴險，並 且其受到匯率變動的方向異於其他產業，電子業的外匯暴險為正，代表著當新台 幣貶值，其產業的報酬會上升，並且資料頻率越長其外匯暴險程度越大。
3. 追蹤資料下的產業外匯暴險
另外我們更使用追蹤資料模型去觀察台灣整體產業受到匯率變動的影響，在 考慮了橫斷面差異(產業間)與時間序列特性後，在表 9依舊可以發現台灣產業確 實具有外匯暴險12，整體來說外匯暴險為負，代表當新台幣貶值，對於台灣產業 來說有著負面的影響；並且在考慮資料頻率之下，可以發現與先前產業分開衡量 的結果是一致的，當使用的資料頻率越長，台灣產業的外匯暴險程度與顯著性更
另外我們更使用追蹤資料模型去觀察台灣整體產業受到匯率變動的影響，在 考慮了橫斷面差異(產業間)與時間序列特性後，在表 9依舊可以發現台灣產業確 實具有外匯暴險12，整體來說外匯暴險為負，代表當新台幣貶值，對於台灣產業 來說有著負面的影響；並且在考慮資料頻率之下，可以發現與先前產業分開衡量 的結果是一致的，當使用的資料頻率越長，台灣產業的外匯暴險程度與顯著性更