國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1 緒論
1.1
研究動機與目的
由於美國的金融市場波動經常對全球經濟產生廣泛的影響，而美國的債券市 場與股票市場更是該國最重要的兩個金融市場，1且美國的經濟諮商局（The Conference Board）將美國的標準普爾 500 指數 (Standard & Poor’s 500, S&P 500)、公債長短天期利差 (10 年期公債殖利率扣除聯邦基金利率) 和其他八項指 標或指數用來編制美國的經濟領先指標（Leading Economic Index, LEI），由此 可見股票和債券市場對於預測未來經濟景氣的重要性。因此這兩個市場間的可 能因果關係認定是本研究主要關心的議題。
學術文獻上也已有很多研究探討公債長短天期利差和股市是否能有效預測 未來的經濟情況。尤其在公債長短天期方面，Laurent (1988) , Harvey (1988) 和 Estrella and Hardouvelis (1991) 是第一個提出論證，支持公債長短天利差 作為未來經濟活動的預測指標。其中，Harvey (1988) 發現，美國的長短天期 公債利差可以預測未來五個季度的實質 GNP 的增長率。同樣的，Estrella and Hardouvelis (1991) 發現，10 年期公債和 3 個月期國庫券之間的利差可以用 以預測實質產出的增長和衰退以及美國的消費和投資。最近，也有一些研究 如 Evgenidis and Siriopoulos (2016) 和 Evgenidis, Papadamou, and Siriopoulos (2018) 皆證明公債的長短天期利差能夠預測未來大約三個月到兩年後的美國經 濟狀況。
在股市方面，Atje and Jovanovic (1993) 以及 Levine and Zervos (1998) 的實 證研究皆發現股票市場與經濟增長之間存在強烈的正相關關係，而 Pearce and Roley (1983) 認為，由於股票價格波動對總支出有直接影響，因此可以從股價
1 美國債券市場的總規模在 2018 年大約是 43 兆美元，相對於美國股市總規模的 22 兆美元，其 重要性顯而易見。而其中又以美國國債 (Treasury) 是美國債券市場中最大的一個組成部分，總 規模大約是 15.6 兆美元，占了債券市場約 36 %。
‧
緩。Comincioli (1996) 驗證了 Pearce and Roley (1983) 的財富效應，S&P 500 的 季報酬的確會 Granger 影響實體經濟的 GDP。此外，其他如 Fama (1990) 和 Campbell and Mankiw (1989) 以及其他許多實證研究也皆驗證了美國的股市能 做為其經濟景氣的領先指標。股市與公債長短天期利差雖然皆為經濟的領先指標，但我們可以由文獻 上得知後者領先經濟的程度大於前者，故其之間可能存在某種領先 - 落後關 係。許多文獻也證明了公債長短天期利差不僅能用以預測未來的股市報酬 (如:
Hjalmarsson, 2010) 甚至能預測股市發生熊市的機率 (如: Resnick and Shoesmith, 2002)。我們據公債長短天期利差與股市的歷史資料發現其之間有一些特殊的關 1998/05/26 、2006/01/31，出現五次小於 0 的殖利率曲線倒掛情形，但 S&P 500 卻在每次 倒掛大約一年半內仍保持多頭走勢，甚至分別在 1978/09/12 、1980/11/28 、1990/07/16 、 2000/03/24 、2007/10/09 等五個時段達到股市高峰。
‧
法可能會誤判了因果關係。Gupta, Risse, Volkman, and Wohar (2019) 文中為了 探討公債長短天期利差是否能預測英國的股市報酬和波動性而使用傳統的線性 Granger 因果關係檢定法進行因果關係檢定，但文中也表示，公債長短天期利差 與股市報酬並非屬於線性資料系統，使用傳統的線性 Granger 因果關係檢定法 可能會誤判因果關係，故進而介紹了適用於非線性資料系統的非參數因果關係 檢定法進行因果關係檢定。Yang, Peng, and Huang (2018) 在文中提及因果關係 可能具同時性 (sitmultaneous) 及相互性 (reciprocal)，例如作用力與反作用力間 存在同時因果關係，此時若使用預測原則判別因果關係可能會有誤，因原因與 結果為同時發生，我們並無法用一事件的發生預測另一事件的發生，導致因果‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
關係的誤判。另外，若兩事件的因果關係具相互性，也可以稱作兩事件間具相 互因果關係 (彼此會互相影響)，例如身體的調節功能，但預測原則判別的因果 關係大多只能判別單向因果關係，容易忽略了兩事件間可能存在的相互因果關 係。
本文藉由兩種不同的因果關係檢定法探討美國不同的利差與 S&P 500 日報 酬率間的因果關係，一為一般檢驗上常用的 Granger 因果關係檢定法，另一則 為 Yang et al. (2018) 提出的因果拆解法 (causal decomposition)，此法藉由瞬時 相位 (instantaneous phase) 上的連貫性 (coherence) 判斷資料間的因果關係。因 果拆解法不只適用於分析各種型態的資料系統，也能避免忽略具同時性與相互 性的因果關係，最後還可以得出在不同時間尺度下的因果關係。