研究方法

本文研究首重在於建構一個新的衡量資訊不對稱程度指標，因此在本節第一 部分，將先討論根據前章文獻討論，利用委託單驅動市場對資訊不對稱衡量的文 獻，架構岀該指標內涵與估算。接著在第二部分，針對資訊不對稱程度根本影響 公司融資行為的實證討論，介紹本文使用的迴歸分析式，以及各變數定義和估算。

26

一、 資訊不對稱指標建構

在文獻探討中已指出透過市場微結構對資訊不對稱的說法，直接觀察市場價 量反應，對存在於管理者和其他市場參與者之間資訊不對稱程度之衡量，相較於 以其他公司特徵來間接揣測，更能反映出公司內部人握有的資訊優勢，也更能捕 捉到會受到資訊影響其發行與交易成本之有價證券，受到逆選擇成本影響的結 果，將更貼近本文希望討論的影響融資決策行為根本驅動力的意涵。

因此根據文獻探討及研究目的，本文將衡量每個樣本公司（ i ）每個年度（ t ） 其管理者及市場參與者之間資訊不對稱程度，透過以下三個以市場價格和數量為 基準，普遍被接受的市場微結構反映資訊不對稱估計值，定義與估算資訊不對稱 程度指標（ASY ）_it 。

(一)ReS ：相對買賣價差 _it

在文獻討論可以得知，委託單驅動市場上資訊不對稱的情況，會影響投資者 對公司預期資產價值評估的與投單策略，而反應在買賣價差上，認為當資訊不對 稱程度越高，將拉大買單與賣單價差。另外為了補償流動性的提供者，想要立即 買或賣的交易者就必須付出代價，因此買賣價差也代表著流動性提供者的毛利，

是流動性提供者成本、逆選擇風險的補償，市價單交易者的交易成本。

不過對於委託單驅動市場來說在委託單驅動市場不像報價驅動市場有造市 者提供買賣報價，而建立估算買賣價差的模型也多半以報價驅動市場為例，在研 究台灣的市場上不見得適用，對於委託單驅動市場的觀測值究竟代表什麼樣的意 涵，在使用上也應更加注意。

觀察文獻中以委託單驅動市場為研究對象的價差分解討論，儘管使用的模型 不盡相同，但得到的答案皆是肯定，支持委託單驅動市場上觀察到的揭示買賣價 差，具有反映來自資訊不對稱下逆選擇交易成本的部份，因此本文在估算買賣價 差部分，在文獻實證中取得支持（Ronado, 2002; Handa, 2003），使用相對買賣價 差作為反映逆選擇交易成本的第一個變數。相對買賣價差越高，代表逆選擇交易

27

成本部份越高，也就是資訊不對稱程度越高。

相對賣賣價差(ReS )_it 100( )

( ) / 2

= −

+

最低揭示賣價 最高揭示買價 最低揭示賣價 最高揭示買價 %

根據資料庫所有樣本公司每日揭示買賣價，將最低揭示賣價減最高揭示買價 是謂公司的絕對價差，除以其中點以百分比方式表示，以此計算出每個樣本公司 每日相對買賣價差，扣除資料不齊全者，求算每年平均相對買賣價差，做為本文 資訊不對稱程度指標第一個變數。

(二)T_it⁻¹：每日週轉率的倒數。

文獻發現在大量交易中，價差逆選擇成分會增加，是以這樣的訊息對投資人 來說，大量交易會是知情交易者利用資訊優勢在交易，會因此對交易量感到敏 感，提高他們逆選擇風險的意識，在這樣的考量下，一方面降低投資人交易意願 使得流動性降低，另一方面知情交易者也會因此切割他們的交易量，所以反過來 說，可以觀察市場上每日週轉率，當週轉率較低，即代表資訊不對稱造成逆選擇 問題較嚴重，基於本文計算指數之必要，且根據文獻定義（Lo and Wang, 2000），

本文以每股每日週轉率之倒數(T_it⁻¹)代表交易量計算如下：

1

Tit⁻

−1

⎛ ⎞

= ⎜ ⎟

⎝ ⎠

每股每日成交量

每股在外流通股數 ⁼

(

^turnover

)

⁻¹

(三) C^ˆ_2it：一階報酬自相關

在 Llorente, Michaely, Saar, and Wang (2002)在理論上和經驗上證明，股票數 量報酬動態的代表性變數和股票價格波動的資訊驅動交易上相關的重要性之間 有存在相依性。據此產生一個額外的變數C^ˆ_2it，代表在所有樣本中股票的資訊不 對稱因素之相關重要性，提供在價差以外，一個可以避免價差估算偏誤的做法。

按照 Llorente, Michaely, Saar, and Wang (2002)將此變數估算分成兩個步驟，

首先我們計算每股在每個財務年度的每一天的交易數量，設定為變數^Vit

( )

^{k ，根}

28

據 Lo and Wang (2000)的討論，由於週轉率的每日時間序列並不穩定，所以取每 日週轉率自然對數，再加上一個很小的常數 0.0000025，以避免週轉率為 0 的問 題，並且利用過去 200 天的平均，排除過去報酬變動的影響，表示如下：

( )

¹

200

1

it t 200 t s

s

V k logturnover logturnover

−

=− +

= −

∑

(

^0.00000255

)

it it

logturnover =log turnover +

再來，我們對每年每股估算以下的迴歸式（Llorente, 2002）：

(

¹

)

^{0 1}

( )

²

( ) ( ) ( )

it it it it it it it it

R k+ =C +C R k +C V k R k +η k

it it

R =return = 每股每天報酬率

相關係數C^ˆ_2it為在所有可以估算的股票中，資訊不對稱考慮因素的跨期重要 性。和 Llorente (2002)主張一致，對知情交易的股票來說C^ˆ_2it應該是會是正向且 顯著的；若流動性或是風險分散交易是主要的，則C^ˆ_2it是負向且顯著。在這個程 序中，我們將C^ˆ_2it <0解釋為現在沒有逆選擇風險的存在。因此當C^ˆ_2it <0令

ˆ2_it 0 C = 。

(四) ASY ：資訊不對稱指數 _it

本文結合上述三個變數，捕捉過去文獻各種對資訊不對稱研究的不同說法，

對資訊不對稱作最周延的評估，包含許多面向，不以單一的價差或是交易量做衡 量，所以本文提出的資訊不對稱指數可以較成功的評估公司逆選擇的問題，相較 於過去傳統公司財務文獻上的對資訊不對稱研究所使用的替代變數。

透過以下步驟，建構岀本文重要的資訊不對稱指數：

A. 標準化三個變數每年的平均值：首先先計算出每家公司每年上述三個變 數的平均，將每家公司每年變數的平均扣除所有公司每年橫斷面的平均，再除以 所有公司每年橫斷面標準差。

B. 平均三個變數：透過上一個步驟求得三個變數的標準化數值後，將每家

29

公司三個變數相加求算平均值，即形成本文所使用的資訊不對稱指標ASY 。 _it 本文結合所有微觀結構為一個綜合指數，可以捕捉過去微觀結構文獻所定義 之資訊不對稱的更多不同面向，透過本文的計算可以捕捉到市場對公司價值相關 資訊不對稱的知覺強度，也就是說那些當公司發行權益證券時，根本會影響公司 逆選擇成本的部分（所有組成的變數分別計算分析結果放在表 3-3）。透過這樣的 建構，ASY 計算結果越高則該公司該年度的逆選擇問題越嚴重，本文利用這個_it 計算來替樣本公司排序分成三類，由最低（逆選擇風險最低）到最高（逆選擇風 險最高）排序，作為本文研究中用以檢驗資訊不對稱根本影響力的主要變數。

二、資訊不對稱程度對公司融資行為根本影響的討論

這部分介紹本文針對不同主題研究假設所進行的迴歸分析式，以最小平方法 (Ordinary Least Square, 簡稱 OLS)估算係數。

(一) 融資順位理論簡單模型

由 Shyam-Sunder and Myers (1999)所建立，認為在融資順位理論的假設下，

當公司面臨財務赤字，需要外部資金時，會偏好舉債優於發行股票，以此建立一 個簡單的檢驗模型：

it it it it it

LD

α β

DEF

ε

Δ = + + (1) 其中，ΔLD_it代表 i 公司在財務年度 t 年時長期負債總額的變動量，DEF 代_it 表公司 i 在財務年度 t 年財務赤字。根據 Shyam-Sunder and Myers (1999)估算

DEF 如下： it

it it it it

it

it =DIV +X +ΔW +R −C

DEF

DIV ＝ i 公司 t 年支付現金股利 it

X ＝ i 公司 t 年資本支出 it

Wit

Δ ＝ i 公司 t 年營運資金淨增加 R ＝ i 公司 t 年一年內到期長期負債 it

C ＝ i 公司 t 年稅後息後來自營運的現金流量 it

30

(二) 資訊不對稱與融資決策

Chirinko and Singha (2000)透過測試，提出股票的發行可以降低所提財務赤 字與股票發行間負關係的趨勢，而對 Shyam-Sunder and Myers (1999)解釋提出質 疑，發現即使相關係數接近 1 並不能解釋為支持融資順位理論的證據。這個結果 顯示必須要有其他的測試來支持或是駁斥融資順位理論。所以從各種不同觀點去 測試融資順位理論背後的假設條件而不是指依賴單一的測試是很重要的。

因此本文提出第二條迴歸式分析，直接討論資訊不對稱程度與公司舉債行為 的關係，根據 Frank and Goyal (2003)的研究定義迴歸式如下：

it it it it it

D

α β

ASY

ε

Δ = + + (2) 比值的變動

年總負債和市場資本額 t

D_it =

Δ

另外，為了確定資訊不對稱相較於其他在經驗上被用來討論資本結構決策影 響因素的一般變數之重要性，加入一些常用的變數討論，採用多元迴歸分析式如 下：

1 2 3 4 5

it it it it it it it it it it it it it

D

α β

ASY

β

TAN

β β

LS

β

MB

ε

Δ = + + Δ + Δ ∏ + Δ + Δ + (3)

迴歸式自變數與應變數定義如下：

比值的變動 年總負債和市場資本額

公司 t

i D_it =

Δ

TAN = i 公司 t 年實體資產比例 = (淨財產、廠房、設備) / 總資產 it

II = i 公司 t 年獲利能力=營業收入/總資本帳面價值 it

LS = i 公司 t 年銷貨取自然對數 it

MB = i 公司 t 年帳面價值加上在股票帳面與市場價值差異/資本帳面價值 it

(三) 分類變數

本文在迴歸式本身以及資訊不對稱程度影響力的討論之外，同時會以一些具 有代表性的變數，將公司加以分類後再進行迴歸分析，用意在於強調資訊不對稱 指標解釋的能力，以及用多樣的角度來重新評估公司的融資決策行為所受到的影 響。

31

A. 公司規模

在迴歸式(1)討論中，除了加入資訊不對稱指標(在本節第一部分所建立的指 標)分類，由於在過去文獻中指出，公司的規模大小可能會影響公司的逆選擇成 本與，一般認為小公司資訊不對稱的情況較嚴重，但另一方面卻也有文獻指出大

在迴歸式(1)討論中，除了加入資訊不對稱指標(在本節第一部分所建立的指 標)分類，由於在過去文獻中指出，公司的規模大小可能會影響公司的逆選擇成 本與，一般認為小公司資訊不對稱的情況較嚴重，但另一方面卻也有文獻指出大

在文檔中 資訊不對稱程度對公司融資決策之影響 (頁 33-40)