參考 Hou, van Dijk, and Zhang(2011);Wu and Zhang(2011) ; Palazzo (2012)方
‧
採用 Gebhardt, Lee, and Swaminathan(2001)建議,最後一期以年金折現方式
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
12
計算。
𝑃𝑡
𝐵𝑡=1 + ∑ 𝐸𝑡(𝑅𝑂𝐸(1+𝑟𝑡+𝑖−𝑟𝑒)𝐵𝑡+𝑖−1𝐵𝑡
𝑒)𝑖
𝑇−1𝑖=1 + 𝐸𝑡(𝑅𝑂𝐸𝑡+𝑇−𝑟𝑒)
𝐵𝑡+𝑇−1
𝑟𝑒(1+𝑟𝑒)𝑇 𝐵𝑡 (4)
其中 P𝑡:(t)年股價。
B𝑡:(t)年的每股帳面價值,計算方式為(t)年的股東權益帳面價值除以
流通在外股數,去除負值的資料。
E𝑡(D𝑡+𝑖):在(t)年預期(t+i)年的現金股利。
re:隱含資本成本(ICC),用以估計權益資金成本。
ROE𝑡+𝑘:(t+k)年的股東權益報酬率,計算方式為 BY𝑡+𝑘
𝑡+𝑘−1。
(一) 𝐵𝑡+𝑖+1
根據 Clean surplus approach 求得
𝐵𝑡+𝑖+1 = 𝐵𝑡+𝑖+ 𝑁𝐼𝑡+𝑖+1− 𝐷𝑡+𝑖+1 (5)
同除以𝐵𝑡+𝑖
‧
‧
參照 Hou, van Dijk, and Zhang(2011)將各變數前後 1%、99%以外的極端值調整
至等於 1%與 99%的值,以減少極端值的影響。使用調整極端值後的前十年變數資
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
15
料代入迴歸式(8)中,以 pooled regression 估計ROE𝑡+𝑘,k=1,2,3,使用 pooled
regression 的優點為可增加樣本數與檢定力。分別將前十年的變數資料ROE𝑡+1、 ROE𝑡+2、ROE𝑡+3對 t 年自變數跑迴歸,得出ROE𝑡+1、ROE𝑡+2、ROE𝑡+3的估計式
後,將 t 年的自變數資料代入,求出ROE𝑡+1、ROE𝑡+2、ROE𝑡+3的估計值。ROE𝑡+12的
估計值參考 Palazzo(2012)採用過去十年產業 ROE 的中位數,刪除 ROE 為負值的
資料。ROE𝑡+4、ROE𝑡+5…ROE𝑡+11的值以ROE𝑡+3與ROE𝑡+12兩者之差以內插法求
得。將ROE𝑡+1、ROE𝑡+2…ROE𝑡+12資料代入(4),即可求出權益資金成本(re,ICCm)。
最後採用移動視窗(rolling window)的方法,求出每年的ROE𝑡+1至ROE𝑡+12,分別
代入(4),求得各公司在各年度的權益資金成本(re, ICCm)。參考 Hou, van Dijk,
and Zhang(2011)將權益資金成本(re, ICCm)前後 1%、99%的極端值刪除,以減少
極端值影響。
2. 以分析師盈餘預測估計 ICCa
分析師資料中,下年度(t+1)的盈餘資料是採用所有分析師在下年度(t+1)1-4 月對下年度(t+1)的盈餘預測,取平均值。由於距離下年度(t+1)愈近,分析師可 以獲得更多資訊,且在當年度(t)的財務報告公布時間為下年度(t+1)4 月底,所 以採用此法。若沒有下年度(t+1)1-4 月的資料,則取最接近當年度(t)年底的資 料。由於 TEJ 分析師資料預測時間點不固定,如果在上述兩段時間皆無資料的
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
16
話,假設分析師的預測資料對投資人都是有幫助的,因此我們也納入下年度(t+1) 財務報告公布前的所有盈餘預測資料,取最快公布者。
Hou, van Dijk, and Zhang(2011); Wu and Zhang(2011); Palazzo(2012) 的分析
師 盈 餘 預 測 資 料 皆 來 自
I/B/E/S(Institutional Brokers’ Estimate System) 。 在
I/B/E/S
中,分析師盈餘預測資料的預測期數長達二到三年(t+1, t+2, t+3),當 沒有 t+3 的盈餘預測資料時,則採用 t+2 的盈餘預測值與長期成長率的預測值 求得。我們在此採用 TEJ 券商預測資料庫中的盈餘預測資料,與I/B/E/S
分析師盈餘預測的資料不同,TEJ 資料庫的盈餘預測資料大部分預測期數只有一年 (t+1),因此我們採用 t+1 年的盈餘預測資料與成長率,估計未來二、三年(t+2, t+3)的盈餘。此做法與參考文獻不同,參考文獻只有 t+3 年的資料是估計而得,
這樣的調整可能使後續在進行樣本外的分析時,尤其在 t+3 年,產生較大的誤 差,故我們將強調t+1、t+2 年的結果,甚於 t+3 年。在 TEJ 券商預測資料庫中,
預估成長率的資料並不完整,亦非長期成長率的預估值,為避免採用分析師預估
成長率估計未來三年 ROE 的變化可能會使過度樂觀的情形更為嚴重,故成長率
的資料改採用過去五年的平均營收成長率。最後刪除分析師連續預測低於三年的
資料,分析師連續預測三年以上表示公司的經營較穩定,樣本較具代表性。
在 TEJ 券商資料庫取得E𝑡+1的資料,計算ROE𝑡+1
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
17
𝑅𝑂𝐸𝑡+1=𝐸𝑡+1
𝐵𝑡 (9)
其中
E𝑡+1:分析師對(t+1)年每股淨利的預測值。
B𝑡:(t)年的每股淨值。
𝑅𝑂𝐸𝑡+2 = 𝑅𝑂𝐸𝑡+1 * (1+過去五年平均成長率)
𝑅𝑂𝐸𝑡+3 = 𝑅𝑂𝐸𝑡+2 * (1+過去五年平均成長率)
根據上述方法求算出ROE𝑡+1、ROE𝑡+2、ROE𝑡+3的值,ROE𝑡+12的估計值為過
去十年產業 ROE 的中位數,刪除 ROE 為負值的資料。ROE𝑡+4、ROE𝑡+5…ROE𝑡+11
的值以ROE𝑡+3與ROE𝑡+12兩者之差以內插法求得。將ROE𝑡+1、ROE𝑡+2…ROE𝑡+12資
料代入(4),即可求出權益資金成本(re,ICCa)。最後採用移動視窗(rolling window)
的方法,求出每年的ROE𝑡+1至ROE𝑡+12,分別代入(4),求得各公司在各年度的
權益資金成本(re,ICCa)。
‧
‧
‧
‧
E𝑡+3的平均數分別為 4.61、6.25、9.1,中位數分別為 3.52、4.39、5.35。
比較表 3、表 4,可發現以橫斷面資料估計盈餘的公司家數(5148)遠大於分
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
22
表 6 中為橫斷面資料盈餘預測與分析師盈餘預測準確度比較。橫斷面資料的
平均數與中位數的求算方式為,實際盈餘減模型估計的盈餘之平均數與中位數,
分析師的平均數與中位數的求算方式為,實際盈餘減分析師盈餘之平均數與中位
數。期間只有 2003-2009 年是因為與實際盈餘比較。由表 6 可看出橫斷面資料預
測的盈餘與實際盈餘的差異較小,且值為正,表示有低估的情形;採用分析師的
盈餘預測與實際盈餘的差異較大,且值為負,表示有高估的現象,隨著估計期間
愈長,高估的情況愈嚴重。
表 6 橫斷面資料盈餘預測與分析師盈餘預測準確度比較,2003-2009
E𝑡+1 E𝑡+2 E𝑡+3
橫斷面 分析師 差異 橫斷面 分析師 差異 橫斷面 分析師 差異
平均數 0.1296 -2.1924 2.322 0.6712 -3.644 4.3151 0.797 -6.145 6.942 中位數 0.202 -1.263 1.4647 0.5627 -2.1292 2.692 0.7006 -3.2116 3.9121 本表為橫斷面資料盈餘預測與分析師盈餘預測資料的準確度比較,準確度為分別將實際盈餘減掉橫斷 面盈餘預測與分析師的盈餘預測後的值。單位:每股。
表7為2003-2011年,橫斷面資料求算的ICCm與分析師盈餘預測資料求算的
ICCa之敘述統計量。由橫斷面資料求算的ICCm樣本總數為5136,較分析師盈餘
預測資料求算的ICCa多,ICCa樣本數僅有2793。
ICCm在2003-2011年的平均數為0.0824,中位數為0.0813;而ICCa的平均數
為0.2295,中位數為0.1523。ICCm與ICCa在2003-2011年間的變化皆不大。
由表6中顯示分析師的盈餘預測有高估,使其求得的ICCa值較大,而橫斷面
資料求得的盈餘有低估,使其求得的ICCm值較小。
‧
進行比較,如圖1,參考Hou, van Dijk, and Zhang(2011),為避免極端值的影響,
取各年的所有樣本之中位數比較。由圖1可看出,在2003至2011年間,電子工業
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
本較好的話,依 ICCm/ICCa 分類的類別投資組合平均實際報酬率在類別 10 的報
酬應會最高,類別 1 的報酬最低,則 10-1 的值會為正且顯著,可檢驗 ICCm/ICCa
表現最好的投資組合與表現最差的投資組合是否有差異,可解釋為是否可以透過
建構零成本投資組合,買進類別 10 的投資組合並賣出類別 1 的投資組合獲利。
由於 t+1、t+2、t+3 為樣本外的預測,預測期數愈長,預測誤差愈大,且 我們採用 t+1 年的分析師盈餘預測資料估計 t+2、t+3 的盈餘,亦可能使 t+3 年的預測誤差加大,故我們將強調t+1 與 t+2 年的報酬,甚於 t+3 年。
以ICCm設定的投資組合,10-1 spread在t+1、t+2 年皆顯著為正,表示以零 成本投資,買進表現最好的投資組合並賣出表現最差的投資組合可以獲得正報酬,
在t+1 年的報酬為 0.0363,t+2 年為 0.0558,即使扣除交易成本(手續費、證券 交易稅) 3後仍有正報酬;而以ICCa設定的投資組合雖然 10-1 spread在t+1 年為 正且顯著,但t+2 年為負且顯著,表示在t+2 年時,依據ICCa設定的投資組合進 行買進與賣出的動作時,不但不會產生正報酬,甚至會是負報酬。因此我們認為
ICCm估計的權益資金成本較ICCa好。
我們亦將類別與平均實際報酬率跑迴歸(12),檢視是否平均實際報酬率會隨
著類別愈大而值愈高。
𝑦𝑖 =α+β𝑥𝑖+𝜀𝑖 (12)
3 手續費在買賣皆需支付 0.1425%,證券交易稅為在賣出時需支付 0.3%。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
27
表 8 根據 ICCm 與 ICCa 進行投資組合模擬,未來一至三年的報酬率情形
類別 r𝑡,𝑡+1 t r𝑡,𝑡+2 t r𝑡,𝑡+3 t r𝑡,𝑡+1 t r𝑡,𝑡+2 t r𝑡,𝑡+3 t
A:橫斷面資料求算的ICCm B:分析師盈餘求算的ICCa
1 0.0239 0.5065 0.0235 0.5058 -0.0136 -0.2752 -0.0694 -1.5196 -0.008 -0.1826 -0.1096 -2.3052 2 -0.0485 -1.0981 0.0311 0.7651 -0.1147 -2.7474 -0.0825 -1.8511 -0.0407 -0.8796 -0.0558 -1.1423 3 -0.0625 -1.425 0.0456 1.0737 -0.0878 -2.0177 -0.0481 -1.0401 0.0233 0.4687 -0.0668 -1.2862 4 0.0184 0.4474 0.0287 0.6821 -0.0905 -2.1971 -0.0213 -0.4497 0.0258 0.5553 -0.099 -1.8998 5 -0.0041 -0.0981 0.0268 0.6907 -0.0595 -1.4328 0.0286 0.586 0.0103 0.2055 -0.0894 -1.8177 6 -0.0288 -0.672 0.0657 1.6997 -0.0537 -1.3594 0.0272 0.5828 0.0064 0.1362 -0.054 -1.0622 7 0.0397 0.9379 0.0703 1.7581 -0.1033 -2.4978 -0.0511 -1.0113 0.0039 0.0765 -0.111 -2.2397 8 0.0587 1.4515 0.0173 0.4321 -0.0442 -1.1281 0.0215 0.4227 0.0148 0.3112 -0.0781 -1.5741 9 0.0363 0.9112 0.047 1.1585 -0.022 -0.5165 0.0062 0.1147 0.0118 0.2169 -0.1115 -1.9345 10 0.0602 1.4346 0.0793 1.999 -0.0286 -0.7618 -0.0113 -0.1944 -0.0137 -0.2579 -0.0891 -1.6418 10-1 0.0363 12.669 0.0558 14.88 -0.015 -2.235 0.0581 5.798 -0.0057 -2.104 0.0205 5.296 本表為將橫斷面資料求得的 ICCm (A)與分析師資料求得的 ICCa (B)分成 10 類,檢視依據 ICCm/ICCa 排列的投資組合,其平均實際報酬在 t+1、t+2、
t+3 年的情形。將 ICCm/ICCa 依大小做排列,共分成 10 類,類別 1 的值最小,依序排列至類別 10,類別 10 的值最大。10-1 為類別 10 減類別 1 的 值。t 值檢定是否有顯著異於 0。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
第伍章 結論與建議
以橫斷面資料代入剩餘所得模型(RIV)中求得隱含資本成本(ICC),並以 ICC
作為權益資金成本(預期報酬率)的代理變數,已被愈來愈多學者採用(Wu and
Zhang, 2011; Palazzo, 2012),在國內尚缺乏這方面的研究。國內估計權益資
金成本的方法主要為 CAPM、三因子模型(涂展源,2005),少數使用折現評價模
型估計(蔡珮穎,2007),但也僅使用分析師的盈餘預測資料,我們將此法應用於
台灣上市上櫃電子工業產業公司,並與分析師盈餘預測所求得的權益資金成本比
較,結果發現:一、採用橫斷面資料估計的權益資金成本樣本數較多,多達 5136
家。二、以橫斷面資料求得的盈餘與實際盈餘較為接近,且略為低估;而分析師
的盈餘預測與實際盈餘的差異較大,且有高估的情形,顯示出分析師盈餘預測資
料有過度樂觀的現象,故採用橫斷面資料的盈餘較佳。三、橫斷面資料的盈餘低
估,使求得的 ICCm 值也較低,而分析師盈餘預測資料高估,使求得的 ICCa 值
較高,當兩者與實際報酬率相比時,皆差距大,可能是電子工業產業的報酬波動
較大。四、以 ICCm 與 ICCa 做投資組合,檢測未來一至三年平均實際報酬的情
形,發現 ICCm 的投資組合中,在 t+1、t+2 年,透過零成本的投資方式,買進
表現最好的投資組合並賣出表現最差的投資組合,在扣除交易成本後,亦能獲得
正報酬;而 ICCa 的投資組合只有在 t+1 年能獲得正獲酬,t+2 年反而成為負報酬。
我們同時也檢視實際報酬率與類別的相關性,檢驗報酬是否會隨著類別愈大而愈
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
高,若為正相關且顯著,表示依據 ICCm/ICCa 分類的投資組合進行投資,會有
正報酬。我們發現在 t+1 年的 ICCm beta 係數與 t 值皆較 ICCa 來的高且顯著,
故 ICCm 估計的權益資金成本較 ICCa 好。綜上所述,橫斷面資料在樣本數、盈
餘預測、估計的權益資金成本 ICCm 皆較分析師盈餘預測資料佳,因此,我們認
為 ICCm 作為公司管理者在進行資本預算決策、投資者在做投資決策時的參考依
據應較可信賴。
我們以橫斷面資料估計 ROE 時,採用 pooled regression 的方式,並未加入固
定效果,發現 adj R2的值並不高,建議未來可加入固定效果,檢視是否 adj R2的
值會提高,增加解釋力。由於台灣上市與上櫃的電子工業產業是分析師關注的重
點產業,且我們欲將橫斷面資料估計的權益資金成本與分析師盈餘預測資料估計
的權益資金成本進行比較,故我們探討的對象為電子工業產業公司,但因電子產
業的報酬波動較大,使估計的權益資金成本與實際報酬的差距過大,建議未來可
探討其他產業,檢視是否可以縮小估計的權益資金成本與實際報酬之差距。最後,
亦可將橫斷面資料估計的權益資金成本方法應用於其他議題,如探討公司的現金
持有政策、存貨政策等等。
‧
蔡珮穎(2007),「Ohlson-Juettner 模型在台灣適用性之研究」,國立政治大學會
蔡珮穎(2007),「Ohlson-Juettner 模型在台灣適用性之研究」,國立政治大學會