國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4
第二章 文獻回顧
在金融計量的國內外文獻中，針對隨時間變化的股市報酬波動估計中已有所 著墨，然而台灣國內針對造成股市報酬波動的決定因素則較少討論，尤其在與總 體經濟基本面因素的連結中較為缺乏。本文所探討的總體經濟變數與台灣股票加 權指數的報酬波動度的可預測性，則在前人探討波動性的文獻中尋求可以討論的 議題以及實證結果加以深化本文的研究成果。
美國實證經驗上，最早由 Officer (1973)利用 1897 到 1969 年間工業生產指 數標準差作為經濟變遷的替代變數，認為股市波動性與總體經濟變數變動有所關 連，其研究結果發現在美國經濟大蕭條時期(Great Depression)，股市的波動性增 加，而貨幣成長以及工業生產的波動性也有增加的趨勢。由此開始探討是否經濟 環境波動與股市波動有所相互影響的作用。
隨後，Schwert 和 Fortune 在 1989 的實證分析上，同時針對該議題有不同觀 點，Schwert(1989)利用 1857 年到 1987 年美國道瓊指數月資料討論名目及實質的 總體經濟變化、財務槓桿、交易量與股市波動間的關係，考慮了許多測量經濟變 化的解釋變數進入模型檢測後，發現股市波動與經濟環境的連結性並不如預期的 高，雖然在景氣進入衰退時期，股市波動度會大幅提升，但經濟變數並未能在其 中扮演一重要角色去解釋股市波動的原因，因此股市波動與經濟解釋變數的關係 性則有待商榷。而 Fortune(1989)則使用 1978 到 1987 資料建立 VAR 模型分析股 票、債券市場對於總體經濟的連動性，發現股票市場受到景氣循環以及短期利率 波動有影響，而匯率風險、貿易數據以及財務槓桿則未佔太大的解釋力。
綜上所述，Fortune(1989)與 Officer(1973)皆觀察到其總經濟變數與股市波動 有所連動的可能性，但 Schwert(1989)則持相反觀點，認為經濟變數在解釋股市波 動的重要性不高。 但 Officer (1973)與 Schwert(1989)都有一共通的論述，即是在 經濟衰退時期的股市波動度會較大，此觀點也與目前市場恐慌指數 VIX 與股市
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5
報酬波動呈現反向關係有相同的想法。
後續學者繼續使用不同交易所資料來做驗證，Sill(1993)使用向量自我迴歸模 型研究 S&P500 指數從 1981 年到 1991 年的資料，觀察出股價波動可以藉由自身 落後項的波動預測，而貨幣供給、工業成長以及通貨膨脹的波動較無法有助於預 測模型的改善，但長短期利差較能夠對於股市波動有影響力。David and Kutan (2003)沿用 Schwert(1989)的研究，首次探討非美國地區的國家，主要以已開發與 開發中國家的數據，討論通貨膨脹率以及產出成長率對於股市波動性的連結性，
數據呈現與 Schwert(1989)相同的結果，實證出難以支持兩者間的連結性。
而近期文獻上，Paye(2012)拉長整體資料驗證期間，將過去 80 年的 S&P500 指數報酬率資料，使用複迴歸模型，在股市波動的自我落後期中加入經濟或財務 解釋變數的變化，來觀察是否有捕捉到股價波動的變化以及能否有效改善模型的 預測能力，實證結果發現無顯著證據指出加入經濟變數的模型預測能力能夠打敗 自我落後期的模型，唯有個別預測值的線性組合是較好的方法可以改善模型預測 能力。
同年，Christiansen,Schmeling and Schrimpf(2012)也延伸了 Paye(2012)的觀點 使用 Bayesian moving average 模型以及許多經濟與財務變數來檢驗股票、債券、
商品及外匯市場的資產波動度，該論文實證結果發現，能夠對經濟情勢較敏銳的 變數，相對可以有較穩健的資產波動預測能力，像是信用風險和資金流動性的代 理變數，以及能夠捕捉到隨時間變化的風險溢酬變數都能在不同資產波動度的模 型預測上，有較優異的表現，反觀總體經濟類的變數僅能對未來波動度提供較少 的資訊。
在國外文獻上，對於總體經濟變數加入股市波動模型後，是否能改善預測能 力的分析上，並無許多論文證實有所顯著，惟有財務變數像是信用風險的利率變 數以及資金流動性的變數有所改善，然而景氣循環對於股市波動有所影響的想法 則是大家共通認同的觀點，尤其在景氣進入衰退時期，股市波動幅度會增大。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6
在台灣經驗上，似乎與美國實證經驗有所相似，黃德芬(1994)的文獻中利用 F 統計量檢定股票報酬波動性是否可以由自身落後項或其他解釋變數加以預測，
藉此分析台灣股市波動影響的因素，發現股票市場波動性存在序列相關，當期波 動可由過去經驗加以預測，且總體經濟變數之波動對股票波動性較無預測能力，
但週轉率對於股市風險具有強烈的解釋能力，且股市波動有相當高的比率受到財 務槓桿的變動所影響，市場負債水準提高時，將會提高市場波動。
在下列三篇文獻中也有呼應黃德芬(1994)的其中一項觀點，對於股票市場存 在序列相關，可由過去自身經驗加以預測未來波動。許文成(1996)以 VAR 模型針 對股市波動性與解釋變數的動態關係做討論，發現股市波動性具有叢聚現象，自 身落後項能預測隱含的波動性，而營運槓桿與財務槓桿則對股市無顯著影響，民 國 76 年以前，雖然短期間波動不受基本面影響，但長期波動則有回歸基本面的 趨勢，但 76 年以後股市波動性完全脫離同期基本面的影響。
在倪衍森與徐光耀(1999)的實證分析中，使用三種不同波動的估計方式也得 到與上述論文相同的觀點，在 Granger 因果分析檢定發現股票波動性只與波動自 我落後期值影響，而沒有受到經濟變數變動的影響，且股價波動對市場消息雖然 反應不大，但是其反應卻有餘波盪漾的現象，反應時間較為綿長。
黃勁豪(2001)根據 Cambell, Lettau, Malkei and Xu(2001)所提出的分解法中，
將台灣股票市場中的波動分解為市場、產業以及公司層級的波動性，研究三種波 動組成對於整體市場總波動的研究，其中實證分析結果除了貨幣供給成長率波動 性以及利率波動落後期外，幾乎只受到落後期值的影響，而不受總體經濟變數波 動性落後期的影響，顯示總體經濟資訊已讓市場快速反應。
而在黃德芬(1994)的文獻中有另一項實證中提到，週轉率變數對股市變動有 較佳的解釋能力，在陳功業(1999)的文獻皆得到相同觀點。陳功業(1999)利用 VAR(12)與 SUR(5)模型來討論股市波動與基本面、交易面的關聯，根據誤差項的 檢定結果判定對股市波動性最佳的模型，其中發現週轉率與成交量成長率較會影
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7
響股票市場的波動。
除了週轉率變數外，李秀雯(1999)也利用與陳功業相同的 VAR 模型，探討外 資來台後七年內，股價波動性與總體經濟波動和交易變動之影響，其中貨幣供給 成長率、工業生產指數成長率、貿易條件成長率以及交易量成長率對股票報酬波 動性有顯著影響，並且交易量成長率有帶領股票市場波動的趨勢，即為量先價行 的效果。
在近期的文獻上，則有發現對其他變數對股價波動在不同模型上有所影響能 力。在郭迺鋒、李麗華、柯佩璇、張佩惠、謝雨豆(2009)文獻中使用 GARCH 對 變數做波動衡量，並且以期望現金流量的股票訂價折現模型為基礎，搭配分量迴 歸的方法去探討影響股價波動的因素，實證發現在高分量時有貿易條件、對美外 銷訂單、BDI 指數、羅傑斯商品指數、股價本益比與隔夜拆款利率等變數的變化 對台灣股市報酬率的波動有顯著影響。
而潘勝昱(2012)使用了 Chou(2005)所建構的 CARR 模型作為主要風險模型，
測試不同經濟變數波動時，對於台灣股價波動性的影響程度，發現短期股價波動 主要與國內外金融市場走勢有關，而美國政府公債與匯率月報酬對於長期股價波 動則有顯著影響力，顯示金融市場短期容易受到市場資訊影響，長期則以經濟變 數變化居多。
綜上所述，以台灣經驗與美國實證結果上有相似的地方，首先在股票市場波 動性存在叢聚(volatility clustering)效果，當期波動可藉由過去經驗加以預測未來 波動的情形，並且較早期文獻也認為總體經濟變數並無法提供有效的預測能力，
近來則有部分研究認為些許經濟變數可以有效提高模型預測能力，較多證據顯示 在週轉率、成交量、利率等財務變數以及外匯變數較能夠增加波動度的解釋能力。
有鑑於此，本文擬探討加入經濟或財務變數於線性預測模式時，是否可較單 純的自我迴歸模式更能有效預測台灣股票市場的波動度，以及多個預測模式的組 合是否能夠提供更有效的波動度預測。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
8