第七章 第七章
第七章 結論與建議 結論與建議 結論與建議 結論與建議
7-1 結論 結論 結論 結論
本研究探討了價值股與成長股的股價與報酬率的變化過程。方法是對價值股與 成長股分開觀察其形成投資組合之前與之後各四季的股價與報酬率的變化過程。此 外，本文也以逐步迴歸分析等方法建構個股報酬率預測模型，並找出影響季報酬率 的重要變數。在第一章中定義了許多問題，基於前面各章結果，回答如下兩小節。
7-1-1 股票報酬率動態過程 股票報酬率動態過程 股票報酬率動態過程 股票報酬率動態過程
1. 價值股與成長股這兩種股票的股價與報酬率的變化過程有何不同價值股與成長股這兩種股票的股價與報酬率的變化過程有何不同價值股與成長股這兩種股票的股價與報酬率的變化過程有何不同價值股與成長股這兩種股票的股價與報酬率的變化過程有何不同？？？？此一變化過此一變化過此一變化過此一變化過 程可用過度反應或不足反應這兩種假說來解釋
程可用過度反應或不足反應這兩種假說來解釋 程可用過度反應或不足反應這兩種假說來解釋 程可用過度反應或不足反應這兩種假說來解釋？？？？ 由第三章的結果可知，
(1) 價值股：股價淨值比最大(小)的投組，報酬率最高(低)，但到了次季反而會 成為報酬率最低(高)的投組，接著會遞增(減)，顯示有過度反應的特性。此 一現象可持續長達四季以上，因此投資人可以從高價值(低股價淨值比)的股 票中獲得較高報酬。
(2) 成長股：股東權益報酬率最大(小)的投組，報酬率最高(低)，之後報酬率呈 現 S 形遞減(增)，顯示有不足反應的特性。但此一現象只能持續一到二季，
因此投資人必須在得到 ROE 的資訊後，盡快投資高成長(高股東權益報酬 率)的股票，以從中獲得較高報酬。
2. 大型股大型股大型股大型股、、、、小型股的價值股與成長股這兩種股票的股價與報酬率的變化小型股的價值股與成長股這兩種股票的股價與報酬率的變化小型股的價值股與成長股這兩種股票的股價與報酬率的變化過程有何小型股的價值股與成長股這兩種股票的股價與報酬率的變化過程有何過程有何過程有何 不同不同
不同不同？？？？即市值規模對此一變化過程有何影響即市值規模對此一變化過程有何影響即市值規模對此一變化過程有何影響即市值規模對此一變化過程有何影響？？？？ 由第四章的結果可知，
(1) 價值股：股價淨值比大(小)的投組股價高(低)，均數回歸現象微弱。在第 t 季，股價淨值比大(小)的投組季報酬率高(低)，但在第 t+1 季剛好相反，股 價淨值比大(小)的投組季報酬率低(高)。但股價淨值比在小型股的效果遠大 於在大型股的效果，此一結果與之前的許多文獻相符。
(2) 成長股：市場會預先反應大型股未來 ROE 的利多。其原因可能是大型股受 到較多分析師的關注。市場反應小型股 ROE 利多的速度相當慢。其原因可
117
能是小型股受到較少分析師的關注。但無論是大型股或小型股，股價或報 酬率都有反應不足的現象。
3. 選股因子的動態過程有那些類型選股因子的動態過程有那些類型選股因子的動態過程有那些類型選股因子的動態過程有那些類型？？？？
由第四章的結果可知，選股因子對股價與報酬率的影響，以及此影響在時間軸上 的變化可分成四類：
(1) 反應過度因子：以此類因子形成投組，在形成投組當季股價最高(低)的投組 隨後股價會遞減(增)，即股價有均數回歸的現象；報酬率最高(低)的投組，
到了次季反而會成為報酬率最低(高)的投組，接著會遞增(減)，顯示有反應 過度的特性。這類因子包括規模因子、流動因子、股價淨值比、價格因子。
(2) 反應不足因子：以此類因子形成投組，在形成投組當季股價最高(低)的投組 隨後股價會持續遞增(減)；報酬率最高(低)的投組，到了次季仍為報酬率最 高(低)的投組，但會遞減(增)，顯示有反應不足的特性。這類因子包括營收 成長率、股東權益報酬率這兩個與成長有關的因子。
(3) 反應適當因子：以此類因子形成投組，在形成投組當季股價最高(低)的投 組，到了次季反而會成為股價最低(高)的投組；報酬率最高與最低的投組，
到了次季報酬率無明顯差異，顯示有反應適當的特性。這類因子包括慣性 因子。
(4) 反應特異因子：以此類因子形成投組，在形成投組當季股價最高(低)的投組 隨後股價會遞減(增)，即股價有均數回歸的現象；在形成投組當季各投組的 報酬率差異很小，但到了次季會各投組的報酬率差異很大，接著報酬率有 均數回歸的現象。這類因子包括成長價值指標(GVI)。
4. 股票一般特徵股票一般特徵股票一般特徵股票一般特徵(如市值如市值如市值如市值)對股票的價值特徵對股票的價值特徵對股票的價值特徵對股票的價值特徵(PBR)、、、、成長特徵成長特徵成長特徵成長特徵 (ROE)的變化過程的變化過程的變化過程的變化過程 有何影響
有何影響 有何影響 有何影響？？？？
(1) 價值特徵：除了 GVI 以外，其餘規模因子、流動因子、股價淨值比、營收 成長率、股東權益報酬率、價格因子、慣性因子等七個因子，在形成投組 當季，都與 PBR 成正比。隨隨後各季無論是那個因子，各投組的 PBR 都 有均數回歸現象，只是其過程有折線與曲線兩大類。
(2) 成長特徵：所有八個因子在形成投組當季都與 ROE 成正比。隨後各季無論 是那個因子，各投組的 ROE 都有均數回歸現象，只是其過程有折線與曲線
118
兩大類。
5. 股票的價值特徵股票的價值特徵股票的價值特徵股票的價值特徵(PBR)、、、、成長特徵成長特徵成長特徵 (ROE)對股票一般特徵成長特徵 對股票一般特徵對股票一般特徵(如市值對股票一般特徵 如市值如市值如市值)的變化過程的變化過程的變化過程的變化過程 有何影響有何影響
有何影響有何影響？？？？
(1) 價值特徵：以 PBR 排序下投組的總市值、成交量、PBR、ROE、營收成長 率、GVI 等因子都有均數回歸現象。
(2) 成長特徵：以 ROE 排序下投組的總市值、成交量、PBR 等因子都有趨近於 一定值的現象；而 ROE、營收成長率、GVI 等因子都有均數回歸現象。
6. 股票的各種一般特徵股票的各種一般特徵股票的各種一般特徵股票的各種一般特徵(如市值如市值如市值如市值)、、、、價值特徵價值特徵價值特徵(PBR)、價值特徵 、、、成長特徵成長特徵成長特徵成長特徵 (ROE)是否有均值是否有均值是否有均值是否有均值 回歸現象
回歸現象 回歸現象 回歸現象？？？？
由第五章的結果可知，總市值、成交量、PBR、ROE 因子都有均數回歸現象，
其中以總市值最弱，ROE 最強。
7-1-2 股票報酬率多因子預測模型 股票報酬率多因子預測模型 股票報酬率多因子預測模型 股票報酬率多因子預測模型
1. 那一種方法建構的報酬率預測模型最準確那一種方法建構的報酬率預測模型最準確那一種方法建構的報酬率預測模型最準確那一種方法建構的報酬率預測模型最準確？？？？
線性迴歸分析最準確，迴歸樹次之。但各法差異不大。
2. 大型股大型股大型股大型股、、、、小型股何者的報酬率預測模型較準確小型股何者的報酬率預測模型較準確小型股何者的報酬率預測模型較準確小型股何者的報酬率預測模型較準確？？？？
小型股比大型股較易預測，原因可能是小型股在市場較易被忽略，其定價較無 效率，因此利用資訊去預測未來的報酬率較為可行。
3. 各種建模方法發現的影響季報酬率的最重要因子有何不同各種建模方法發現的影響季報酬率的最重要因子有何不同各種建模方法發現的影響季報酬率的最重要因子有何不同各種建模方法發現的影響季報酬率的最重要因子有何不同？？？ ？
無論在後向刪除法、前向選取法，無論是在全部股、大型股、小型股，當取兩 個變數後，再增加變數，判定係數所能提升的幅度都很小，可見預測季報酬率的主 要變數只有兩個，而且都是股東權益報酬率、股價淨值比，分別與季報酬率成正比 與反比。
4. 大型股大型股大型股大型股、、、、小型股的影響季報酬率的最重要因子有何不同小型股的影響季報酬率的最重要因子有何不同小型股的影響季報酬率的最重要因子有何不同小型股的影響季報酬率的最重要因子有何不同？？？ ？
在後向刪除法，在大型股、小型股，當取一個變數時，分別為股東權益報酬率、
股價淨值比。可見大型股需重視股東權益報酬率，小型股需重視股價淨值比。
5. 那一些因子是影響季報酬率的最重要因子那一些因子是影響季報酬率的最重要因子那一些因子是影響季報酬率的最重要因子那一些因子是影響季報酬率的最重要因子？？？？ 股東權益報酬率、股價淨值比是最重要的變數。
119
7-2 建議 建議 建議 建議
後續研究的建議如下：
一 一 一
一、、、、以月為單位的股票報酬率動態過程以月為單位的股票報酬率動態過程以月為單位的股票報酬率動態過程以月為單位的股票報酬率動態過程
本研究只侷限以季為單位，因此如果以月為單位，動態過程或許會不一樣，值得 進一步研究。
二二
二二、、、、不同期間的研究不同期間的研究不同期間的研究不同期間的研究
本研究只侷限 1997-2009 年股市，因此如果依時間順序將樣本區隔成「2000 年以 前」、「2000-2005 年」、「2006-2000 年」，則結果會如何？是否具有一致性？
三三
三三、、、、其它樣本的研究其它樣本的研究其它樣本的研究其它樣本的研究
本研究只侷限以上市櫃公司股票的樣本，因此如果依產業類別將樣本區隔成「科 技類股」、「傳產類股」，則結果會如何？值得進一步研究。
四 四 四
四、、、、其它國家市場的研究其它國家市場的研究其它國家市場的研究其它國家市場的研究
本研究只侷限在台灣股市，因此本研究的「結論」是否適用於其他國家的市場，
值得進一步研究。
五五
五五、、、、其它選股因子的研究其它選股因子的研究其它選股因子的研究其它選股因子的研究
本研究只侷限在總市值(億元)、成交量(張)、股價淨值比、稅後股東權益報酬率 (%)、收盤價(元)、季報酬率(%)等選股因子，因此可再研究它選股因子的動態過程。
六 六 六
六、、、、其它建模方法研究其它建模方法研究其它建模方法研究其它建模方法研究
本研究只侷限在迴歸分析、最近鄰居法、類神經網路、迴歸樹等建模方法，因此 其它建模方法如支持向量機等或許會有不同的結果。
120
參考文獻 參考文獻 參考文獻 參考文獻
一 一
一 一、 、 、西文部分 、 西文部分 西文部分 西文部分
Abarbanell, J. S. and Bernard, V. L. (1992). “Tests of analysts’
overreaction/underreaction to earnings information as an explanation for anomalous stock price behavior,” Journal of Finance, Vol. 47, No. 3, pp.
1181-1207.
Amir, E. and Ganzach, Y. (1998). “Overreaction and underreaction in analysts' forecasts,” Journal of Economic Behavior & Organization, Vol. 37, No. 3, pp.
333-347.
Andriyashin, A. (2007). “Stock picking via nonsymmetrically pruned binary decision trees,” 20th Australasian Finance & Banking Conference 2007 Paper, Available at SSRN: http://ssrn.com/abstract=1004460
Andriyashin, A., Härdle, W., and Timofeev, R., (2008). “Recursive portfolio selection with decision trees,” SFB 649 Discussion Paper, SFB649DP2008-009.
Asness, C. S., Friedman, J. A., Liew, J. M., Krail, R. J. (2000), “Style timing: value versus growth,” Journal of Portfolio Management, Vol. 26, No.3, 50-60.
Athanassakos, G. (2010). “Seasonality in value vs. growth stock returns and the value premium,” Journal of Financial and Economic Practice, Vol. 10, No. 2, pp.
71-94.
Atsalakis, G. S. and Valavanis, K. P. (2009). “Surveying stock market forecasting techniques - part II: soft computing methods,” Expert Systems with Applications, Vol. 36, No. 3, pp. 5932-5941.
Banz, R. (1981). “The relationship between return and market value of common stocks,”
Journal of Financial Economics, Vol. 9, 3-18.
Barberis, N., A. Shleifer, and R. Vishny (1998), “A model of investor sentiment,”
Journal of Financial Economics, Vol. 49, No. 3, 307-343.
Bourguignon, F. and de Jong, M. (2003), “Value versus growth,” Journal of Portfolio Management, Vol. 29, No.4, 71-79.
Brennan, M. J. and Wang, A.W., (2007). “The mispricing return premium,” UCLA Working Paper.