近年來台灣天災事件頻傳，根據統計，與天災相關事件所產生農漁業的損失 一年將近 100 億新台幣。這主要是因為台灣地處海島，時常遭受颱風侵襲，颱風 所造成的水文災害對於農業為一嚴重打擊，我們每每可以在新聞報導上看到颱風 造成農業經濟損失甚鉅，我們明白了颱風的確會產生經濟產出的損失，並且須付 出重建成本，那麼對於股票市場是不是也有著顯著的影響？本研究目的就在研究 出颱風事件對於台灣的股票市場是否存在影響。
分析的結果來看，颱風事件對於不同產業類別的影響不盡相同，在所選取的 水泥工業、食品工業、航運業、營建業、汽車工業、觀光業、鋼鐵工業、油電燃 氣業與貿易百貨業一共九個產業中，以符號檢定來看，食品工業受負向衝擊明顯，
該衝擊無論在颱風事件發生前後都有顯著的影響，這可能意味著颱風天災導致農 產品等食品工業原料的缺乏或價格上漲，這些都會對食品工業產生負面衝擊，進 而反應到股價報酬率的下降。營建業、航運業和鋼鐵工業則呈現類似走勢，在颱 風正式發布警告前，有正向的異常報酬率；發布後則存在負向異常報酬率。其中 營建業和鋼鐵工業有著一定的相關性，關係到建設工程，這些建設工程一部份由 於颱風事件可能造成建築物或基礎建設的毀損而產生正面訊號，但由於所挑選的 颱風事件為台灣排名前十大強的颱風，大部分都產生了超過預期的損害，因而對 於在建工程可能有著嚴重的打擊，例如大雨停工、甚至毀損等增加成本，導致股 價報酬率反映出負向效果。航運業呈現這樣的走勢可能與預計颱風發布警報增加 短時間內的需求，例如航空郵件、快件等等，在颱風比預期來得更強造成機場關 閉、船隻入港等使得班次取消、違約和其他損失增加，造成航運業的股價報酬率 的負向效果。
不同強度的颱風事件對於受影響較明顯的產業存在部分解釋的能力，但並不 明顯，這可能是因為所選擇的十個颱風強度都屬很強，因此這樣的效果不明顯。
48
也因此，在年代際的變化也沒有出現很明顯的趨勢，惟 2005 年以後的趨勢有衝 擊加大的現象。
從迴歸模型解釋的能力以雨量較佳，但只針對水泥工業、食品工業、鋼鐵工 業和貿易百貨業存在顯著的解釋能力，其他產業未能發現顯著解釋因子，可能顯 示存在其他對於異常報酬率更有解釋能力的因子。
綜觀結果來看，如果直接對整體股票市場，可能無法得到颱風事件對股價報 酬率的確存在影響，使其出現顯著異常報酬，這也許是因為每個不同產業所受到 颱風影響的效果有正有負，這可以從上文研究的九個不同產業發現各別異常報酬 率的顯著性不盡相同，從而出現這樣的情況。
因此，在判斷颱風效果前應該先確定本身鎖定的產業類別，進而判斷可能受 到影響的情況，在氣候變遷造成極端天氣事件強度增強的情況下，這樣的影響效 果在未來可能會更加明顯，並且進一步出現改變，這個部分就期待未來更多的研 究可以補足本研究未能囊括的部分。
49
參考文獻
1. Andresen, J. A., G. Alagarswamy, C. A. Rotzc, J. T. Ritchie, A. W. LeBaron, 2001,
“Weather Impacts on Maize, Soybean, and Alfalfa Production in the Great Lakes Region, 1895-1996,” Argon. Journal, Vol. 93, pp. 1059-1070.
2. Anthony O. S., C. L. Susan, W. Koko, C. Cosmin, Y. Kristina, 2012, “Addressing Loss and Damage in the Context of Social Vulnerability and Resilience,” The United Nation University Institute for Environmental and Human Society.
3. Briones R. M., D. M. Alvaro, J. W. Eric, C. C. Eddie, 2012, “Climate Change and Price Volatility: Can We Count on the ASEAN Plus Three Emergency Rice Reserve,” Asian Development Bank, NO. 24.
4. Buchner B., A. Falconer, M. H. Mignucci, C. Trabacchi, 2012, “The Landscape of the Climate Finance 2012,” Climate Policy Initiative.
5. Crain S. J. and J. H. Lee, 1996, “Volatility in Wheat Spot and Futures Markets, 1950-1993: Government Farm Programs, Seasonality, and Causality,” The Journal of Finance, Vol. 51, NO. 1, pp. 325-343.
6. Deschênes, O., M. Greenstone, 2007, “The Economic Impacts of Climate Change:
Evidence from Agricultural Output and random Fluctuations in Weather,”
American Economic Review, Vol. 97, pp. 354-385.
7. Drabo A., L. M. Mbaye, 2011, “Climate Change, Natural Disasters and Migration:
An Empirical Analysis in Developing Countries,”, IZA.
8. Dutton, J. A., 2002, “Opportunity and Priorities in a New Era for Weather and Climate Services,” Bulletin of the American Meteorological Society, Vol. 83, pp.
1303-1311.
9. Hallegatte S., 2012, “An Exploration of the Link between Development, Economic Growth, and Natural Risk,”, The World Bank.
10. Härdle W. K. and O. Maria, 2012, “Spatial Risk Premium on Weather Exposure in Electricity,” The Energy Jouranl.
11. Harmeling S. and D. Eckstein, 2012, “Global Climate Risk Index 2013,”
Germanwatch.
12. Kane S., J. Reilly, J. Tobey, 1992, “An Empirical Study of the Economic Effects of Climate Change on World Agriculture,” United States Department of
50
Agriculture (USDA).
13. Lazo J. K., M. Lawson, P. H. Larsen, D. M. Waldman, 2011, “U.S. Economic Sensitivity to Weather Variability,” American Meteorological Society.
14. Richard S. J., 2008, “The Economic Impact of Climate Change,” The Economic and Social Research Institute (ESRI).
15. Saunders E. M. JR., 1993, “Stock Prices and Wall Street Weather,” The American Economic Review, Vol. 83, pp. 1337-1345.
16. Schlenker W. and M. J. Roberts, 2006, “Nonlinear Effects of Weather on Corn Yields,” Review of Agricultural Economics, Vol. 28, NO.3, pp. 391-398.
17. Warner K., S. Kreft, M. Zissener, P. Hőppe, C. Bals, T. Loster, J. L. Bayer, S.
Tschudi, E. Gurenko, A. Haas, S. Young, P. Kovacs, A. D. Lecki, A. Oxley, 2012,
“Insurance Solutions in the Context of Climate Change-Related Loss and Damage,”
The United Nation University Institute for Environmental and Human Society , Munich Climate Insurance Initiative.
51
52
53 2009 年 2009/06/12 再生能源發展條例三讀通過 2009/06/15 台商在大陸遇害身亡
蓮花 2009/06/22 失業率 5.86%、63.3 萬人失業歷史新高 2009/06/29 通過 5 都升格為直轄市
2009/07/04 北捷內湖線通車 莫拉非 2009/07/16 高雄世運會開幕
2009/07/22 失業率 5.94%、64.7 萬人失業歷史新高 2009/08/04 基隆市、臺南縣市、澎湖縣夜間減壓供水 莫拉克 2009/08/08 八八風災
2010 年
2010/09/08 新生高架橋改善工程弊案收押官員 2010/09/30 國道 6 號坍塌，7 死 3 傷
2010/10/04 國內首利超級細菌個案 2010/10/31 松山─羽田重航
2011 年 2011/05/23 塑化劑事件
2011/06/28 陸客自由行正式啟動(北京、上海、廈門) 2011/08/10 台新金林克孝身故
南瑪都 2011/08/27 台大醫院愛滋病事件 2012 年 2012/07/07 馬祖博弈條款通過
54
不同產業迴歸結果 1. 水泥工業
水泥工業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 -0.1685 0.1498 -1.12 0.312 -0.5536 0.2167 警報發布數 0.0980 0.0657 1.49 0.196 -0.0707 0.2668 七級風暴風半徑 0.0181 0.0184 0.98 0.371 -0.0293 0.0655 總最大雨量 -0.0206 0.0044 -4.70 0.005 0.0094 0.0319 _cons -7.1806 3.5721 -2.01 0.101 -16.3630 2.0018
2. 食品工業
食品工業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 -0.0920 0.1428 -0.64 0.565 -0.5464 0.3625 警報發布數 0.0583 0.0571 1.02 0.382 -0.1233 0.2400 七級風暴風半徑 0.0135 0.0165 0.82 0.471 -0.0388 0.0659 總最大雨量 -0.0163 0.0052 -3.12 0.052 -0.0003 0.0329 _cons -8.3588 2.7726 -3.01 0.057 -17.1826 0.4650
3. 航運業
航運業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 0.3104 0.6436 0.48 0.65 -1.3440 1.9649 警報發布數 -0.0220 0.2821 -0.08 0.941 -0.7472 0.7031 七級風暴風半徑 -0.0611 0.0792 -0.77 0.475 -0.2647 0.1425 總最大雨量 0.0020 0.0189 0.11 0.918 -0.0465 0.0505 _cons 0.7062 15.3456 0.05 0.965 -38.7408 40.1533
55
4. 營建業
營建業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 0.3104 0.6436 0.48 0.65 -1.3440 1.9649 警報發布數 -0.0220 0.2821 -0.08 0.941 -0.7472 0.7031 七級風暴風半徑 -0.0611 0.0792 -0.77 0.475 -0.2647 0.1425 總最大雨量 0.0020 0.0189 0.11 0.918 -0.0465 0.0505 _cons 0.7062 15.3456 0.05 0.965 -38.7408 40.1533
5. 汽車工業
汽車工業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 0.1958 0.2172 0.9 0.409 -0.3626 0.7543 警報發布數 -0.1116 0.0952 -1.17 0.294 -0.3563 0.1332 七級風暴風半徑 -0.0332 0.0267 -1.24 0.27 -0.1019 0.0356 總最大雨量 0.0044 0.0064 0.7 0.516 -0.0119 0.0208 _cons 2.3811 5.1798 0.46 0.665 -10.9340 15.6963
6. 觀光業
觀光業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 -0.1926 0.2614 -0.74 0.494 -0.8646 0.4795 警報發布數 0.0595 0.1146 0.52 0.626 -0.2350 0.3541 七級風暴風半徑 0.0268 0.0322 0.83 0.442 -0.0559 0.1095 總最大雨量 -0.0047 0.0077 -0.62 0.563 -0.0244 0.0150 _cons 0.8550 6.2334 0.14 0.896 -15.1684 16.8783
56
7. 鋼鐵工業
鋼鐵工業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 -0.3421 0.2705 -1.26 0.275 -1.0931 0.4090 警報發布數 0.1882 0.1161 1.62 0.18 -0.1342 0.5106 七級風暴風半徑 0.0419 0.0355 1.18 0.303 -0.0566 0.1404 總最大雨量 0.0121 0.0078 1.55 0.196 -0.0095 0.0336 _cons -5.9842 6.3334 -0.94 0.398 -23.5684 11.6000
8. 油電燃氣業
油電燃氣業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 0.0778 0.2652 0.29 0.784 -0.6585 0.8142 警報發布數 0.0710 0.1139 0.62 0.567 -0.2451 0.3871 七級風暴風半徑 -0.0055 0.0348 -0.16 0.882 -0.1021 0.0911 總最大雨量 0.0050 0.0076 0.66 0.546 -0.0162 0.0262 _cons -6.2012 6.2094 -1.00 0.374 -23.4413 11.0390
9. 貿易百貨業
貿易百貨業異常報酬率迴歸分析結果
Coef. Std. Err. t P>t [95% Conf. Interval]
風速 0.0162 0.1566 0.1 0.922 -0.3863 0.4187 警報發布數 -0.0114 0.0686 -0.17 0.875 -0.1878 0.1650 七級風暴風半徑 0.0133 0.0193 0.69 0.52 -0.0362 0.0629 總最大雨量 0.0056 0.0046 1.23 0.274 -0.0062 0.0174 _cons -6.4074 3.7333 -1.72 0.147 -16.0041 3.1894