‧
和共變異數矩陣皆不同。 給定兩投資者的絕對風險趨避係數 (Absolute Risk Aversion Coefficients, ARA) 為 (θ1, θ2) = (3, 3), (4, 2), (2, 4)。 假設兩個投資‧
0.0269 0.0044 0.0082 0.0044 0.0142 0.0035 0.0082 0.0035 0.0653
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6 結語
本文透過Banerjee (2008)的理論模型, 使用台灣股市資料求出投資者對於個
別公司股價的參考密度(rho值), 當rho值大時, 代表投資者在投資時愈會參 照個別公司的股價。 相反地, 當rho值小時, 代表投資者在投資時僅依據自己 所持有的私人資訊進行。
結果發現,
1. 市場上對於淨值市價比 (Book to Market ratio)大的大公司,參考密度 較穩定地大,而小公司的價格參考密度較小。 這可能是由於淨值市價比 大的公司,其表現變動都較大。 投資者常無法單靠自己的私人資訊便可 進行投資。 因此, 才造成投資者對於其他人的資訊參考密度增加。
2. 以預測次數來看, 若是被預測次數多的公司, 代表資訊流通快速, 投資 者在當期, 接收到較多部份的私人訊息, 因為私人訊息相對多, 所以不 須參考更多的公開訊息 (價格), 造成投資者對公司股價的參考密度便 會降低。
相反地, 若是被預測次數小的公司, 代表資訊流通緩慢, 投資者在當期, 接收到較少部份的私人訊息,也因為私人訊息不足,所以必須參考更多 的公開訊息 (價格),造成投資者對該公司的股價參考密度便會增加。
3. 在影響ρ值因素的過程中, 我發現若將市值當成自變數, 它並未統計顯 著。 因此,市值並非是一個會影響rho值大小的因素。 這也代表,投資者 在決策過程中, 並未因公司的市值大小而對其股價有不同的參考密度。
更多時候, 是淨值市價比、 預測次數等因素影響。
4. 由5.1小節的結果表格可以發現, 對 disp 項來說, 無論是以何種方式
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
權重,disp 項對於E(R)、E(V )、Var(R)、COV(|R|, V )、AR(1)的影響皆為 正。
這也說明出, 當市場意見愈紛歧時, 會造成交易量急遽變動, 因此使得 股票價格上下起伏, 報酬率的期望值和變異數增加。 此外, 異質信念的 存在也解釋金融異象時也有幫助。 根據式(3.9),我們得知當ρ值愈大時, 報酬率的自我相關程度會增加。 也就是說,當市場上的投資者在投資時 愈參考股價,而非一味以自己的私人資訊進行投資,使得市場上的投資 者行為愈一致,將會進一步造成股票的報酬率愈易自我相關。 投資者更 容易從時間序列的資料中,判斷未來的股價。
‧
Banerjee, Snehal (2008), “Learning from prices and the dispersion in beliefs”, Working paper, Kelogg School of management, Northwestern University.
Barth, M and Hutton, A. (2000), “Information intermediaries and the pricing of accruals”, Working paper, Stanford University.
Brown, L. D. and Rozeff, M. S. (1979), “Adaptive expectations, time-series models, and analyst forecast revision”, Journal of Accounting Research, 17(2), 341–351.
Brown, R. Hagerman P. A. Griffin, L. D. and Zmijewski, M. (1987), “Security analyst superiority relative to univariate time-series models in forecasting quarterly earnings”, Journal of Accounting and Economics, 19(1), 61–87.
Campbell, John Y. and Cochrane, John H. (1999), “By force of habit: A comsumption-based explanation of aggregate stock market behavior”, The Journal of Political Economy, 107(2), 205–251.
Doukas, F. Kim, John A. and Pantzalis, C. (2006), “Divergence of opinion and equity returns”, Journal of Financial and Quantitative Analysis, 41(3), 573–605.
‧
Francis, J. and Soffer, L. (1997), “The relative informativeness of analysts’
stock recommendations and earnings forecast revisions”, Journal of Ac-counting Research, 35(2), 193–211.
Givoly, Dan and Lakonishok, J. (1979), “The information content of financial analysts’ forecasts of earnings: Some evidence on semi-strong inefficiency”, Journal of Accounting and Economics, 1(3), 165–185.
Harris, Milton and Raviv, A. (1993), “Differences of opinion make a horse race”, The Review of Financial Studies, 6(3), 473–506.
Harrison, M. J. and Kreps, D. M. (1979), “Martingales and arbitrage in multiperiod securities markets”, Journal of Economics Theory, 20, 381–
408.
He, Xue-Zhong and Shi, L. (2007), “Heterogeneity, bounded rationality, and market dysfunctionality”, Technical report, University of Technology, Syd-ney.
Heij, P. de Boer P. H. Franses T. Kloek, C. and k. van Dijk, H. (2004), Econometric Methods with Applications in Business and Economics, Ox-ford: Oxford University Press, 1st edition.
Hong, H. and Stein, J. C. (2007), “Disagreement and the stock market”, Journal of Economic Perspectives, 21(2), 109–128.
Hong, H. and Stein, Jeremy C. (1999), “A unified theory of underreaction, momentum trading, and overreaction in asset markets”, The Journal of Finance, 54(6), 2143–2183.
Hong, T. Lim, H. and Stein, J. C. (2000), “Bad news travels slowly: size,
an-‧
alyst coverage, and the profitability of momentum strategies”, The Journal of Finance, 55(1), 265–295.
Jiang, D. Xu, G. and Yao, T. (2005), “The information content idiosyncratic volatility”, Technical report, University of Arizona.
Kandel, E. and Pearson, N. D. (1995), “Differential interpretation of public signals and trade in speculative markets”, The Journal of Political Econ-omy, 103(4), 831–872.
La Porta, J. Lakonishok A. Shleifer, R. and Vishny, R. (1997), “Good news for value stocks: Further evidence on market efficiency”, The Journal of Finance, 52(2), 859–874.
Lang, Mark and Lundholm, R. (1993), “Cross-sectional dterminants of an-alyst ratings of corporate disclosures”, Journal of Accounting Research, 31(2), 246–271.
Lys, T. and Shon, S. (1990), “The association between revisions of finan-cial analysts’earnings forecasts and security-price changes”, Journal of Ac-counting and Economics, 13(4), 341–363.
Miller, Edward M. (1977), “Risk, uncertainty and divergence of opinion”, Journal of Finance, 32(4), 1151–1168.
Shefrin, H. and Statman, M. (2000), “Behavioral portfolio theory”, The Jour-nal of Financial and Quantitative AJour-nalysis, 35(2), 127–151.
Tirole, J (1982), “On the possibility of speculation under rational expecta-tions”, Econometrica, 50(5), 1163–1181.
Varian, Hal R. (1985), “Divergence of opinion in complete markets: a note”,
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
The Journal of Finance, 40(1), 309–317.
‧
‧
E(R) std b1 0.3092
(18.09) std/price b1 0.4037 (16.94)
std/med b1 0.4201
(19.08) std/price b1 0.6115 (26.17)
std/med b1 0.4972
(21.35)
‧
Var(R) std b1 0.4843
(20.95) std/price b1 0.5588 (23.40)
std/med b1 0.4828
(20.24) std/price b1 0.4357 (18.58)
std/med b1 0.5158
(22.21)
‧
AR(1) std b1 0.1270
(9.93) std/price b1 0.4051 (17.52)
std/med b1 0.2212
(13.13)
‧
Series : SDF9[["daily"]]
Lag
ACF
0 5 10 15 20 25 30
0.00.20.40.60.81.0
Series : SDF9[["weekly"]]
Lag
ACF
0 5 10 15 20 25
0.00.20.40.60.81.0
Series : SDF9[["monthly"]]
Lag
Partial ACF
0 10 20 30
-0.04-0.020.00.020.040.060.080.10
Series : SDF9[["daily"]]
Lag
Partial ACF
0 5 10 15 20 25 30
-0.050.00.050.10
Series : SDF9[["weekly"]]
Lag
Partial ACF
0 5 10 15 20 25
-0.10-0.050.00.050.10
Series : SDF9[["monthly"]]
圖5: 報酬率自我相關-日報酬率、 週報酬率、 月報酬率
‧
Series : SDF9[["quarterly"]]
Lag
ACF
0 2 4 6 8 10 12 14
-0.4-0.20.00.20.40.60.81.0
Series : SDF9[["annual"]]
Lag
Partial ACF
0 5 10 15 20
-0.10.00.1
Series : SDF9[["quarterly"]]
Lag
Partial ACF
0 2 4 6 8 10 12 14
-0.4-0.20.00.20.4
Series : SDF9[["annual"]]
自我落後一期相關係數
日報酬率 0.101632 週報酬率 0.067044 月報酬率 0.124133 季報酬率 0.096198 年報酬率 0.164911
圖6: 報酬率自我相關-季日報酬率、 年報酬率
‧
資本市場線資本市場線資本市場線資本市場線: E1<E2,σ1=σ2 R1R2 RM 0.00
0.05
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表7:異質信念下的投資組合:(ARA1,ARA2)=(3,3) 異質期望及異質變異異質期望異質變異 商品1商品2商品3商品1商品2商品3商品1商品2商品3 投資者117%17%66%投資者117%17%66%投資者117%17%66% 投資者22%3%95%投資者218%19%63%投資者21%1%98% 市場總合7%8%85%市場總合18%18%64%市場總合6%6%88% 表8:異質信念下的投資組合:(ARA1,ARA2)=(4,2) 異質期望及異質變異異質期望異質變異 商品1商品2商品3商品1商品2商品3商品1商品2商品3 投資者117%17%66%投資者117%17%66%投資者117%17%66% 投資者22%3%95%投資者218%19%63%投資者21%1%98% 市場總合5%6%89%市場總合18%18%64%市場總合4%4%92% 表9:異質信念下的投資組合:(ARA1,ARA2)=(2,4) 異質期望及異質變異異質期望異質變異 商品1商品2商品3商品1商品2商品3商品1商品2商品3 投資者117%17%66%投資者117%17%66%投資者117%17%66% 投資者22%3%95%投資者218%19%63%投資者21%1%98% 市場總合10%10%80%市場總合18%18%64%市場總合9%9%82%