第三章 研究方法
第一節、 研究模型探討 — 績效歸因模型
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究方法
第一節、研究模型探討 — 績效歸因模型
本論文是根據 Plantinga（2010）對退休金基金所提出的績效歸因模型，套用 於國內壽險公司以進行績效歸因討論，Plantinga 將一退休金基金之資產與負債分 類如表 3-1，其中（一）名目負債，如定額退休金給付、死亡給付等，為一種於合 約中事先約定好給付金額後，其精算現值不受通貨膨脹所影響的負債；（二）實質 負債，如醫療給付，由於未來的醫療費用可能會隨通貨膨脹等因素而升減，所以 實質負債的精算現值會與通貨膨脹率等影響實質生活成本的因素連動，亦即退休 金負債的風險因子主要有二者（1）利率風險及（2）通貨膨脹率風險，利率主要 影響名目負債，通貨膨脹率主要影響實質負債；（三）盈餘，指退休金基金中，不 屬於參加人權益的部分，可能是來自於此退休金基金過去良好的投資績效所賺得，
為基金經理人或退休金基金之業主的權益。而其中（一）名目資產，為投資在可 以覆蓋名目負債的投資標的之資產，主要為追求固定且穩定的名目收益，如配息；
（二）實質資產，為投資在可以覆蓋實質負債的投資標的之資產，主要為追求通 貨膨脹率連動的實質報酬，如與通貨膨脹率連動的投資商品；（三）盈餘資產，指 的是基金經理人投資在追求高報酬的資產，如為追求價差的股票證券等。
表3-1 Plantinga績效歸因模型的資產負債分類與表示符號
資產 負債
盈餘資產 As 盈餘 S
名目資產 Anl 名目負債 Ln
實質資產 Arl 實質負債 Lr
‧
Plantinga 以每單位負債表示績效衡量的方式，可以清楚地呈現投資報酬率是 參加人權益的多少倍，如報酬率為 1%，表示本期的投資收益為上期末總負債的百 分之一，即對參加人的權益而言，本期的投資收益為其 1%，若為－1%，則表示本 期的投資損失，為參加人權益的 1%。
Plantinga 將績效歸因於（一）資產負債不匹配，（二）盈餘資產投資績效，及
（三）覆蓋負債的資產之投資績效三部分，其中覆蓋負債的資產之投資績效又可 再分為（1）覆蓋名目負債的資產之投資績效，及（2）覆蓋實質負債的資產之投 資績效二部份，其中（二）及（三），Plantinga 先將投資績效與市場上的比較基準 進行比較，再以每單位負債表示，Plantinga 稱之為積極報酬率。如此可以看出退 休金基金經理人在（二）及（三）中，各部份的表現是否有優於整體市場？
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
每單位負債下，資產負債不匹配所致投資報酬率的大小，則是計算各類資產負債 配置差異，所造成的報酬率差益，可以呈現資產配置所致之損益為參加人權益的 多少倍。
表 3-3 為此績效歸因模型計算各類資產投資績效的方式，（i）為盈餘資產的積 極報酬率，（ii）為每單位負債下，資產負債不匹配所致投資報酬率的大小，（iiia）
為名目資產投資的積極報酬率，而（iiib）為實質資產投資的積極報酬率，藉此，
可以衡量此退休金基金在不同類型投資上之表現優劣，以有效獎懲各個部位的經 理人，為一內部績效衡量機制。
表3-3 Plantinga績效歸因模型之各類績效計算方式
績效歸因 計算方式
(i)盈餘資產投資績效 （ras－rps）S / L (ii) 每單位負債下，
資產負債不匹配所致 投資報酬率的大小
[（As－S）ras＋（Anl－Ln）ranl＋（Arl－Lr）rarl] / L
(iii)覆蓋負 債的資產之 投資績效
(a) 名目 （ranl－rpnl）Ln / L
(b) 實質 （rarl－rprl）Lr / L
＊其中 L＝Lr＋Ln，即 L 為總負債。
‧
同一時間點橫跨不同個體所取得的資料稱為橫斷面資料(cross-sectional data)，
在不同時間點所記錄的資料為時間序列資料(time series data)，混合時間序列資料與 橫斷面資料的資料則稱為追蹤資料(panel data)。
典型的追蹤資料包含了非常多的個體，但卻只涵蓋少數的時間，個體間存在 某些造成彼此間不同的不可觀察因素，稱為異質性(heterogeneity)，如公司的經營 能力等，而追蹤資料的核心就是捕捉這些個體間的異質性(截距)，即追蹤資料可以 控制某些不可觀察的遺漏變數，因此包含了較多的訊息。
依 Wooldridge(2002)之說明，追蹤資料模型之分析方法可分為四種：
(一) 合併迴歸(pooled regression)
(二) 似不相關迴歸(seemingly unrelated regression, SUG)
不同的個體和不同期間都可以存在異質性(截距)，依此可分為(一) one-way effect 模型：不同個體間有不同截距，或不同時期間有不同截距，以及(二) two-way effect 模型：不同個體有不同截距，且不同時期也可以有不同截距，
再依異質性(截距)之性質分為下列兩種 (三) 固定效果(fixed effect)
(四) 隨機效果(random effect) 一、 合併迴歸