國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
17
第五章 研究方法
本篇論文主要參考 Hasbrouck & Saar(2009)的研究方法，使用存活分析 (Survival Analysis)，主要模型為 Proportional Hazard Duration Model。
Hasbrouck & Saar(2009)使用此模型時採用 7 個變數，並將全市場當作樣本一次分 析，此方法的缺點在於無法凸顯出個別交易族群在市場上的快速抽單行為，因此本 篇論文將在此點上進行延伸。
透過原始資料提供的交易者身分別，可以清楚區分逐筆交易發生背後是由誰驅 動，因此可以經過拆分整體市場資料後探討各族群的快速抽單行為。Kuo & Lin &
Chen(2014) 在這部分已經做過相同的研究，不過其結果是將整個資料期間一次性 寫入，雖然所用資料來源與期間皆與 Hasbrouck & Saar(2009)不相同，但基本的探 討結果相似。然而從上一章的資料基本分析中可以發現，不論是散戶、機構法人或 外資，2005 年至 2007 年的快速抽單比例實在不高，直到 2008 年外資才有如同 Hasbrouck & Saar(2009) 所用的資料來源一般，達到三分之一以上的取消單屬於 快速抽單，因此若是將整個樣本期間再拆分為不同年間去加以探討，或許可以看出 快速抽單行為於台灣期貨市場的演進，也許在不同時期，其抽單的背後原因有所不 同。
在了解快速抽單背後的原因之後，本篇論文將去探討做了這種行為的交易者其 投資績效是否因此受到影響。如同前言所述，倚靠科技的進步才能出現大量的快速 抽單，因此絕大多數的快速抽單皆是高頻交易下的產物，而發生這種交易行為之後 是否會因此影響其績效，則是值得探討的另一重點。
接下來分為幾個小節：1.變數的假設與計算公式；2.資料切割；3.加入績效的 探討。第 1 小節會先解釋 7 個變數的假設緣由以及計算方法，由此架設存續模型；
第 2 小節會說明本文在實證上會如何切割整體資料，以達到不同目的的研究分析；
第 3 小節會利用原始資料所帶的變數計算各投資者報酬，再與快速抽單進行探討。
‧
Hasbrouck & Saar(2009)在使用存續模型時設定了 7 個變數，將整個模型建構 起來，因為台灣期貨市場與 NASDAQ 市場有相異之處，因此在計算過程會使用資料
lagged fleeting orders lagged returns lagged volume
t t
lagged fleeting orders
i：在上一章已經定義快速抽單的存續時間長度是 2 秒以內，故此變數乃是計算該筆交易發生時，領先其 10 秒之前共有多少快速抽單發生。
lagged returns ：將該筆交易發生的前 5 分鐘內，整個市場的波動當作一個參
i考因子，此變數的計算方法採用前 5 分鐘內期貨指數最高的一點除以前 5 分鐘內指 數最低的一點，再取對數，最後加上絕對值。
lagged volume
i：由原始資料可以看到每一筆委託單裡有多少交易量，故此變數採用該交易發生前 5 分鐘內所有交易量的總和。
p
i ：檢測快速抽單行為跟下單的積極性有關。在 Hasbrouck & Saar(2009) 的文獻中提及 NASDAQ 市場存在隱藏單，因此可以用比現在市場最佳報價更優的價‧
Bid Bid Bid
Ask Ask
Ask
抽單的情況發生。但從 Fong & Liu(2010)的解釋中可以看出價格反轉的市場事件發 生時，交易者抽單的另一種解釋方法，該文獻中解釋為被成交風險(Free Option‧
Risk)，我認為這種解釋方法更優於 Hasbrouck & Saar(2009)的解釋，因此本篇論 文也會以被成交風險來探討此變數。
q
iOpposing的計算方法同樣分為買單與賣單：0 0
t t
t
Ask Ask Ask
Bid Bid
Bid
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
21
因其群組占整個市場約半數的交易量，因此若不區分各族群，將會模糊研究結果。
區分群組的方法是將整個市場區分為散戶、外資、機構法人等三種族群，由於此份 原始資料已提供交易者身分別，因此能夠輕易地區分交易者為不同族群，此點是跟 Hasbrouck & Saar(2009)所做的研究之間最大的區別。第一種切割方法僅區分交易 者身分別，資料期間仍用整體研究期間，透過這種方式粗略觀察各族群的快速抽單 行為是依據何種因子做為參考，又是何種原因驅動交易者產生快速抽單的行為。
2.只取有快速抽單的交易者
由圖二可知，台灣期貨市場的快速抽單並不是一直都很高，因此我們大膽做一 個假設，是否執行快速抽單的交易者是特定幾個帳戶？為了瞭解快速抽單的背後動 機，我們將整個市場的資料切割出有快速抽單的帳戶和沒有快速抽單的帳戶，進一 步觀察整個市場的快速抽單帳戶，了解他們在市場上的交易行為。同時，這個切割 方法可以視為穩定性分析，與完整市場資訊的實證結果做一個對照，檢測在只有快 速抽單帳戶的交易者資訊其結果是否與完整市場的結果一致。
3.切割單獨年分—區分各族群
由於 2005 到 2007 年的各族群之快速抽單比例皆非常低，因此有必要將 2008 年與之前的資料切割出去獨立分析，因此便將 2005 到 2008 年每一年皆切割為一個 資料期間去探討。
‧
本篇論文參考 Fama-MacBeth(1973)的迴歸設定，認為當資料有缺陷時，需要先 依同一時間點的資料進行第一次迴歸，跑出每個合約的迴歸係數，迴歸式為：
, 0, 1, ,
, 0, 1, , 2, , 1
i c i i i c
i c i i i c i i c
Returns Fleeting Ratio
Returns Fleeting Ratio Returns
Net Profit Returns
Total Cost
，Fleeting Count Fleeting Ratio
Limit Order Count
，第一行是未加入控制變數的模型，第二行是加入控制變數後的模型。
,
Fleeting Ratio 是第 i 位投資者在第 c 個合約的快速抽單率，於原始資料內設
i c一虛擬變數 Fleeting，若該筆限價單是快速抽單，設 Fleeting = 1，否則 Fleeting = 0，
將第 i 位投資者在第 c 個合約內的所有 Fleeting 加總可得
Fleeting Count ，並計算
i c, 第 i 位投資者在第 c 個合約共下了多少限價單，得出Limit Order Count ，最後將兩
i c, 者相除即可得Fleeting Ratio
i c, 。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
變數
Returns
i c, 是第 i 位投資者在第 c 個合約的整體樣本期間報酬，Returns
i c,1代 表前一個合約的整體樣本期間報酬。報酬的計算方式是先求得第 i 位投資者於第 c 個合約的總損益Net Profit ，當有期末未平倉的部位，使用合約結算價沖平。再依
i c, 照 Round Trip2的方法得出屬於開倉的交易資料，以所有部位的開倉價格乘上部位 口數，將之加總成為Total Cost ，最後將兩者相除得到報酬
i c,Returns
i c, 。第一階段，每個合約的迴歸裡，會有帳戶數不等的資料，這些資料會跑出一個 迴歸係數，因本篇論文之研究期間共跨 48 個合約，所以理論上在第二階段會有 48 個迴歸係數進行 t 檢定，求得 Fama-MacBeth (1973)所定義的迴歸係數，以及判定 其是否顯著。用兩階段的迴歸方法可以降低迴歸干擾，因此當我們計算得出每個合 約的迴歸式前，需依照交易者組群做分類，如此得出的迴歸係數才較具有參考價值。
2 Round Trip：由 Badrinath & Lewellen (1991)所定義，一個完整的交易循環，起始須從沒有部位開 始，當有交易發生時累加未平倉量，當所有部位都平倉時，代表交易者手中沒有剩餘部位存於市 場，這一段交易資訊便是一個 Round Trip。本文用 Round Trip 方法區分市場上的交易資訊，明確 分類屬於開倉的資料以及屬於平倉的資料。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
24