若變數所隱含的訂價資訊來自於投資人注意力有限的可能性很大，我們可以 預期投資人注意力有限會造成反應不足 (underreaction)的現象 (Hou, Peng 與 Xiong (2009))。因為投資人注意力有限，無法在第一時間對新資訊做出合宜反應，
而造成未來報酬的可預測性，但是此種反應不足所造成的可預測性應該會隨著持 有期間增長而逐漸減弱。故我們調整資產組合的持有期間，在其它參數不變下，
檢視不同持有期下，根據 Streak 和 Reversal 排序後所建立的零投資組合市值加權 的累積報酬率10
我們使用表 3 的排序方法依據 Streak 建構資產組合持有時間拉長為一到十二 個月，結果如表 8 所示，可以發現報酬率從持有一個月的報酬 1.496%(t=5.935)，
持續下降到持有十二個月報酬 0.248%(t=5.295) 。依 Reversal 建構的資產組合，
從持有一個月的報酬 1.686%(t=4.981)，持續下降到持有十二個月報 0.127%(t=1.634) 。
隨著持有時間的增加，不管是根據 Streak 或是 Reversal 所建構的組合，其累 積報酬逐漸下降，代表 Streak 與 Reversal 皆隱含定價資訊的能力，其可能來自於 投資人注意力有限造成反應不足的。投資者吸收與處理最新資料的能力有限，在 有限注意狀態下，即使有影響相關公司盈利事件的發生，也不會對其股票價格瞬 間產生大的影響，而這個影響將會因為反應不足而遞延到下一期。
10 持有期拉長後，每月報酬率的計算採取重新帄衡的方式 (rebalance)，詳情可參見 Jegadeesh 與 Titman (1993)。
29
表八 在不同持有期間下的資產組合報酬
表 8 報告了橫斷面交易策略的報酬，單位為百分比。樣本為 2008 年 01 月到 2016 年 12 月所有上 市櫃公司。我們於每月月初將所有樣本內股票針對各別公司進行雙重排序，先各別依 Streak 與 Reversal 排序後，再依未預期盈餘(SUE)排序分為五組，於每月月初買入排序後數值最大的 20%，
並同時賣出排序後數值最小的 20%，使用等值加權計算資產組合報酬率，資產組合持有期間為
30
31
本節以行為財務的角度，討論連續未預期盈餘與反轉的現象與其成因為何。
我們於上述實證結果可得知連續未預期盈餘有預測未來報酬的能力，其原因來自 於賭徒謬誤的心理偏誤，此結果與 Rabin (2002)和 Loh(2012)相同。
接著，為了驗證上一節投資者是否有注意力有限的現象，首先，對表 3 與表 5 進行市值加權11，觀察是否與先前研究會有所不同。表中的 A 部分為依照表 3 的排序方法進行市值加權的結果，B 部分為依照表 5 的排序方法進行市值加權的 結果。發現在市值加權下，控制 SUE 所形成的 Streak 資產組合異常報酬，在高 群組別依然顯著。A 部分的 Q4 與 Q5 報酬分別為 0.632%(t=1.407)和
0.929%(t=1.601)，Q5-Q1 的投資策略報酬為 0.721%(t=1.683) 。B 部分的 Q5 報酬 為 1.007%(t=1.7002)，Q5-Q1 的投資策略報酬 0.717%(t=1.688) 。
我們可以發現，無論是表 3 或表 5 使用市值加權的策略報酬，均低於使用等 值加權的策略報酬，吾推論 Streak 與 Reversal 所無法解釋的異常報酬，可能源自 於投資人注意力有限，無法關注到小型公司的最新資訊所導致。我們於下一個表 進行探討。
我們使用市值、成交值作為衡量投資人注意力多寡的代理變數，並依此代理 變數，數值如果越小代表對該公司注意力越低。將樣本分為三組子樣本
Fama-MacBeth的迴歸。實證結果發現，不管是依市值、成交值的區分，Streak 只有 在小型公司有顯著，證明了我們上述的推測，投資人確實有注意力有限的情形。
11 市值加權(value-weighted)即是用調整後的市值 (t-1 期)對股票報酬進行加權。
32
表九 不同方法資產組合-市值加權
表 9 的 A、B 部分為依照表 3 與表 5 的雙重排序方法進行市值加權的結果，單位為百分比。A 部 分為先各別依 Streakm 與 Reversal 排序後，再依未預期盈餘(SUE)排序分為五組。B 部分為將所 有樣本內股票針對個別公司先依未預期盈餘(SUE)排序，再分別依 Streak 與 Reversal 排序分五組 的雙重排序。A、B 部分均為於每月月初買入排序後數值最大的 20%，並同時賣出排序後數值最 小的 20%，使用市值加權計算資產組合報酬率，資產組合持有期間為一個月。括號內為 t 值統 計量，*、**號分別表示在 5%、1% 統計顯著水準下，帄均報酬率(或截距項)顯著異於零。
Streak Reversal Streak Reversal
Q1(最低) 0.208 0.071 0.29 -0.133
(0.459) (0.128) (0.622) (-0.264)
Q2 0.366 0.496 0.524 0.461
(0.748) (0.587) (1.216) (0.893)
Q3 0.73 0.933** 0.631 0.558
(1.417) (1.944) (1.289) (0.81)
Q4 0.632* 1.035** 0.632 1.256**
(1.4077) (2.015) (1.382) (2.028)
Q5(最高) 0.929* 0.716 1.007* 0.817
(1.601) (1.236) (1.702) (1.573)
Q5-Q1 0.721* 0.645 0.717* 0.95***
(1.683) (1.58) (1.668) (2.697)
A部分 Raw return B部分 Raw return
SURP quaint:市值加權
33
表 10 為Fama-MacBeth迴歸結果，依照 t-1 期的市值排序，根據其數值大小 分為小型公司 、中型公司、 大型公司。我們可以發現以下幾點，第一，即便控 制 SUE 或是細分成SUEP與SUEN，Streak 依然顯著，第二，Streak 均只在小型公 司顯著，在中型與大型公司都不顯著，例如小型公司中，迴歸(1)的 Streak 係數 顯著為 0.426%(t=3.69)，但在大型公司中，迴歸(7)的 Streak 係數不顯著為 0.155%(t=1.16)。第三，Streak 的報酬率與 t 值，隨市值越大而遞減。第四，當 Streak 細分成正連續未預期盈餘虛擬變數(StreakPdummy)與負連續未預期盈餘虛 擬變數(StreakN dummy)，迴歸(3)的StreakPdummy 的係數顯著為 0.519%(t=2.65)，
(StreakN dummy) 的係數顯著為 0.41%(t=2.4)，但在中型與大型公司的迴歸(6)、
(9)是不顯著的。第五，將 SUE 細分成正未預期盈餘(SUEP)，負未預期盈餘(SUEN)，
可發現SUEP的報酬隨市值越大而遞減，但SUEN的報酬卻隨市值越大而遞增。
為了驗證是否投資人確實有注意力不集中的情況，我們使用成交值作為代理 變數，表 11 為Fama-MacBeth迴歸結果。結果與表 10 相同，投資人確實有注意 力不集中的情況發生。
綜合以上結果，Streak 無法被 SUE 解釋的異常報酬，可能源於小公司較不 受投資人注意，因此有反應不足的現象，此結果與 Battalio (2005)與 Shanthikumar (2012)藉由未預期盈餘發現小型交易者有反應不足的現象。
34 (Streak)，SUE 中連續為正未預期盈餘虛擬變數(StreakPdummy)，SUE 中連續為負未預期盈餘虛 擬變數(StreakN dummy)，反轉(Reversal)。市值為公司在外流通股數乘上期期末股價，淨值市值 比依照 Fama 與 French(1993)的方法，公司期末的淨值除上市值之比， SUE 為當期稅後淨利減去 四季前稅後淨利再除以其過去八季合之標準差，正未預期盈餘(SUEP)為 SUE 大於 0 顯示其值，
否則為 0，負未預期盈餘(SUEN) 為 SUE 小於 0 時顯示其值，否則為 0。連續未預期盈餘(Streak) 為至少連續兩次相同正(負)未預期盈餘 SUE)所建構，正連續未預期盈餘虛擬變數(StreakPdummy) 為當 Streak 為正時，令為 1，其餘則 0，負連續未預期盈餘虛擬變數(StreakN dummy)為當 Streak 為負時，令為 1，其餘則 0。反轉(Reversal)為 Streak 的連續性終止，即視為 Reversal。括號內為 t 值統計量，*、**號分別表示在 5%、1% 統計顯著水準下，帄均報酬率(或截距項)顯著異於零。
(1) (2) (3) (4) (5) (6) (7) (8) (9)
intercept 10.46** 10.36** 10.45** 0.993 0.946 0.977 0.612 0.754 (0.41) (4.98) (4.94) (4.96) (0.63) (0.61) (0.63) (0.47) (0.58) 0.660
log(size) -1.316** -1.307** -1.319** 0.0316 0.0371 0.0322 0.0151 0.00501 0.0160 (-4.20) (-4.15) (-4.20) (0.22) (0.26) (0.22) (0.15) (0.05) (0.16)
log(bm) 0.785** 0.795** 0.792** 0.310 0.327 0.316 0.185 0.181 0.178 (3.56) (3.62) (3.57) (1.61) (1.72) (1.63) (1.06) (1.03) (1.02)
Sue 0.233** 0.239** 0.266** 0.268** 0.255** 0.256**
(3.72) (3.80) (5.55) (5.56) (5.31) (5.33)
Streak 0.462** 0.384** 0.162 0.116 0.155 0.117
(3.69) (2.98) (1.51) (1.14) (1.61) (1.25)
Suepositive 0.313** 0.302** 0.243**
(2.83) (4.59) (3.48)
Suenegative 0.270** 0.323** 0.377**
(3.13) (4.81) (5.04)
Streaknegative 0.410* 0.149
(2.40) (0.93)
0.275
Streakpositive 0.519** 0.176 (1.81)
(2.65) (1.32) 0.0605
N 37341 37341 37341 48946 48946 48946 37039 37039 (0.51)
size小 size中 size大
Fama-MacBeth 迴歸
35 餘(Streak)，SUE 中連續為正未預期盈餘虛擬變數(StreakPdummy)，SUE 中連續為負未預期盈餘 虛擬變數(StreakN dummy)，反轉(Reversal)。市值為公司在外流通股數乘上期期末股價，淨值市 值比依照 Fama 與 French(1993)的方法，公司期末的淨值除上市值之比， SUE 為當期稅後淨利減 去四季前稅後淨利再除以其過去八季合之標準差，正未預期盈餘(SUEP)為 SUE 大於 0 顯示其值，
否則為 0，負未預期盈餘(SUEN) 為 SUE 小於 0 時顯示其值，否則為 0。連續未預期盈餘(Streak) 為至少連續兩次相同正(負)未預期盈餘(SUE)所建構，正連續未預期盈餘虛擬變數(StreakPdummy) 為當 Streak 為正時，令為 1，其餘則 0，負連續未預期盈餘虛擬變數(StreakN dummy)為當 Streak 為負時，令為 1，其餘則 0。反轉(Reversal)為 Streak 的連續性終止，即視為 Reversal。括號內為 t 值統計量，*、**號分別表示在 5%、1% 統計顯著水準下。
(1) (4) (6) (1) (4) (6) (1) (4) (6)
intercept 6.288** 6.250** 6.389** 18.70** 18.90** 18.69** 20.16** 20.33** 20.17**
(3.88) (3.90) (3.94) (8.89) (9.03) (8.89) (9.99) (10.16) (10.05)
log(size) -0.965** -0.957** -0.969** -2.175** -2.183** -2.175** -1.769** -1.771** -1.763**
(-4.91) (-4.90) (-4.92) (-11.03) (-11.09) (-11.03) (-11.61) (-11.66) (-11.54)
log(bm) 0.415 0.411 0.421* 1.266** 1.257** 1.268** 0.800** 0.810** 0.803**
(1.97) (1.97) (2.01) (7.28) (7.24) (7.28) (4.11) (4.14) (4.14)
Sue 0.144** 0.146** 0.172** 0.174** 0.210** 0.211**
(2.81) (2.86) (3.98) (4.03) (4.07) (4.11)
Streak 0.320** 0.268** 0.175* 0.112 -0.114 -0.200
(3.45) (2.88) (2.00) (1.34) (-0.85) (-1.46)
Suepositive 0.170 0.0983 0.160*
(1.65) (1.78) (2.15)
Suenegative 0.208** 0.346** 0.504**
(3.21) (5.36) (4.48)
Streaknegative 0.459** 0.141 -0.00270
(3.07) (1.23) (-0.01)
Streakpositive 0.190 0.184 -0.210
(1.29) (1.33) (-1.24)
N 36952 36952 36952 49340 49340 49340 37034 37034 37034
成交值小 成交值中 成交值大
Fama-MacBeth 迴歸
36
肆、結論
公司盈餘的宣告會產生的效應，是許多學者研究的議題，其中未預期盈餘在 過去國內外的學者研究發現未預期盈餘對股票報酬有預測能力，本文更進一步探 討，連續未預期盈餘與連續未預期盈餘終止時，投資人的反應。
實證結果顯示，不論在等值加權或市值加權下，SUE 中的 Streak 確實對股 票報酬有顯著影響，證實了賭徒謬誤的存在。本文買進 SUE 連續為正的股票，
賣出 SUE 連續為負的股票，資產組合月報酬為 1.033% (t=5.705)。此策略所得的 報酬，透過因子模型和 Fama-MacBeth 迴歸，我們也發現此異常報酬無法完全 被三因子模型以及未預期盈餘所解釋，尤其在小公司特別顯著。
接著檢視是否會隨著 Streak 的長度越長，而有賭徒謬誤愈顯著。若投資人有 賭徒謬誤，則可預期 Streak 越長的族群，未來報酬越高。實證結果發現，在高群 組別 Streak 大部分顯著，在連續 2 至 3 次的 Q5-Q1 有 1.64%(t=6.325)，連續 4 至 5 次的 Q5-Q1 有 1.328%(t=4.002)，意即 Streak 連續越多次，未來報酬沒有越高。
另外，我們藉由趨勢的概念建立趨勢變數與 Reversal，經實證結果發現，Trend 與 Reveral 在高 SUE 群組中對報酬有顯著的預測能力，且該預測能力集中在高 SUE 組別。由此觀之，賭徒謬誤的存在並非十分顯著。而 Reversal 有預測能力，
也暗示了投資人有反應過度的現象。從先前實證結果可觀察到，Reversal 的投資 策略帄均報酬居大於 Streak 的投資策略帄均報酬，顯示出投資者有較強烈的過度 反應。本文得到的結果與 Barberis (1998)發現相同，投資人會同時有反應不足與 過度反應的現象，但關於 Reversal 過度反應的現象，值得深入探討。
最後本文探討該異常報酬的成因，我們納入衡量投資人注意力多寡的變數，
包括市值、成交值等，分成三組進行觀察。實證結果發現，連續未預期盈餘在投 資人注意力較低的組別有較佳的報酬預測能力，此一實證結果支持連續未預期盈 餘的預測能力是來自於注意力有限的心理偏誤，當投資人注意力有限，就無法在 第一時間對新資訊做出合宜反應，而造成未來報酬的可預測性，但是此種反應不
37
足所造成的可預測性應該會隨著持有期間增長而逐漸減弱，實證結果也發現，隨 著持有期間的增加，連續未預期盈餘對於未來報酬的預測能力的確逐漸下降，顯 示了反應不足的存在。
本文的研究貢獻為，發現台灣的投資者對於連續未預期盈餘存在賭徒謬誤的 心理偏誤，此外藉由連續未預期盈餘所構成的資產組合對於未來報酬有預測能力。
我們探究結果是對連續未預期盈餘有反應不足的現象，而我們繼續深入探討，發 現反應不足的現象可能是來自投資者注意有限所造成的。
38
參考文獻
余歆儀、李冠樺、雲慕書 (2018) ，「公司未預期盈餘和產業未預期盈餘之離差 與股票定價：心理偏誤或風險補償？」，討論稿，國立高雄大學管理學院。
顧廣帄（2011），「盈餘與營收動能」，《管理學報》，第 28 卷第 6 期，521-544。
Asparouhova, E., Hertzel, M., & Lemmon, M. (2009). Inference from streaks in random outcomes: Experimental evidence on beliefs in regime shifting and the law of small numbers. Management Science, Vol. 55,No. 11, 1766-1782.
Battalio, R. H., & Mendenhall, R. R. (2005). Earnings expectations, investor trade
Battalio, R. H., & Mendenhall, R. R. (2005). Earnings expectations, investor trade