行為偏誤與從眾傾向之關係的研究方法

本研究探討投資人常犯的過度樂觀、過度自信及處份效果等行為偏誤對從眾 行為傾向的影響。Chui et al. (2010)主張投資人的過度自信和自我歸因偏誤傾向會 影響到動能策略的報酬；而從眾行為很有可能是造成動能策略出現異常報酬的原 因之一，所以我們可以合理地預期行為偏誤除了會影響到動能策略的利潤之外，

它還會對從眾行為產生衝擊。關於過度樂觀、過度自信及處份效果的代理變數，

本研究除了使用股價淨值比來衡量過度樂觀傾向外，另外也使用交易量來衡量過 度自信與處份效果。茲將行為偏誤的三個變數及研究方法介紹如下：

一、變數介紹

1. 過度樂觀(excessive optimism；EO)：

Yi et al. (2008)探討股票發行前投資人過度樂觀程度和股票發行後績效不佳 程度的關聯性；其實證結果指出兩者呈現顯著的正相關，而且投資人對於股票發 行的樂觀程度顯著高於債券發行的樂觀程度。所謂的過度樂觀是指人們會傾向高 估喜愛結果的出現機率，卻常會低估厭惡結果的出現機率。過度樂觀程度愈高的 投資人，愈會進行追漲殺跌的投資行為，所以他們較會模仿其他人的投資決策而 形成一窩蜂的從眾行為。本研究參考 Chang (2012)的方法，使用各國產業的股價 淨值比來衡量過度樂觀傾向，其計算方法如下：首先為了去除該國的產業規模影 響，本研究將該產業每日股價淨值比除以該產業研究期間內平均的股價淨值比；

然後再採用「所有產業指數下跌之產業的平均每日股價淨值比」作為過度樂觀的 代理變數。當此一代理變數的值愈大時，則投資人的過度樂觀傾向也愈強烈。茲 將過度樂觀代理變數的計算方式說明如下：

44

_𝑡= ̅̅̅̅ _,𝑡 (3.1 )

其中， _𝑡為投資人在第 t 日的過度樂觀傾向； ̅̅̅̅ _,𝑡為在第 t 日產業指數下跌之 產業的平均股價淨值比。

2. 過度自信(overconfidence；OC)：

Menkhoff et al. (2010)的研究指出，機構投資人、投資顧問及散戶投資人的 過度自信程度呈現顯著的差異，而且投資人的特性(經驗和年紀)與過度自信程度 呈現顯著的負相關。所謂的過度自信是指人們會認為自己的能力優於平均水準。

過度自信程度愈高的投資人，對自己的能力愈有信心，所以較不會模仿他人的投 資決策，也就不易有追漲殺跌的從眾行為現象發生。本研究參考 Chang (2012) 的方法，使用各國產業的交易量來衡量過度自信傾向。其計算方法如下：首先為 了去除該國的產業規模影響，本研究將該產業每日交易量除以該產業研究期間內 平均的交易量；然後再採用「所有產業指數下跌之產業的平均每日交易量」作為 過度自信的代理變數。當此一代理變數的值愈大時，投資人的過度自信傾向也愈 強烈，亦即表示投資人認為自己愈不會犯錯。本研究的過度自信代理變數的計算 方式說明如下：

𝐶_𝑡 = ̅ _,𝑡 (3.1 )

其中， 𝐶_𝑡為投資人在第 t 日的過度自信傾向； ̅ _,𝑡為在第 t 日產業指數下跌之 產業的平均交易量。

45

3. 處份效果(disposition effect；DE)：

Barber et al. (2007)研究認為台灣股市投資人在多頭部位和空頭部位之下皆 存在處份效果，而且處份效果程度在男性和女性投資人之間並無明顯區別；此外，

該研究也發現投資人賣出獲利股票的機率是虧損股票的兩倍。所謂的處份效果是 指投資人會因避免後悔而傾向於繼續持有損失的股票及因風險趨避而急著去實 現獲利的股票。處份效果愈強烈的投資人愈不會進行追漲殺跌的交易策略，所以 他們較不容易發生從眾買入和從眾賣出的現象。本研究參考 Chang (2012)的方法，

使用各國產業的交易量來衡量處份效果傾向。其計算方法如下：首先為了去除該 國的產業規模影響，本研究將該產業每日交易量除以該產業研究期間內平均的交 易量；然後再採用「所有產業指數上漲和持平之產業的平均每日交易量」除以「所 有產業指數下跌之產業的平均每日交易量」之值作為處份效果的代理變數。當此 一代理變數的值大於 1 時，表示投資人具有處份效果；而且變數的值愈大，投資 人的處份效果傾向也愈強烈。本研究的處份效果代理變數的計算方式說明如下：

𝐷 _𝑡 = ̅ _,𝑡

̅ _,𝑡 (3.1 )

其中，𝐷 _𝑡為投資人在第 t 日的處份效果傾向； ̅ _,𝑡在第 t 日產業指數上漲和持 平之產業的平均交易量； ̅ _,𝑡為在第 t 日產業指數下跌之產業的平均交易量。

二、研究模型

本研究資料橫跨 50 個國家股票市場，並將各國的時間序列資料予以合併，

組成 panel data。亦即本研究採用 panel data 的資料型態與混合迴歸(pooling regression)來探討投資人行為偏誤對產業報酬和市場報酬之離散程度的影響。茲

46

將本研究所採用的混合迴歸模型、假設檢定和檢定方法說明如下：

(一)迴歸模型

𝐶𝑆𝑆𝐷 _,𝑡= ₀¹+ ₁¹ _{,𝑡 1}+ ₂¹ 𝐶 _{,𝑡 1}+ ₃¹𝐷 _{,𝑡 1}+ _1,𝑡 (3.1 )

𝐶𝑆𝐴𝐷 _,𝑡= ₀²+ ₁² _{,𝑡 1}+ ₂² 𝐶 _{,𝑡 1}+ ₃²𝐷 _{,𝑡 1}+ _2,𝑡 (3.1 )

其中，應變數𝐶𝑆𝑆𝐷 _,𝑡為第 t 天時，第 j 個股市中每一產業報酬率與市場報酬 率之間的平均橫斷面報酬標準差；𝐶𝑆𝐴𝐷 _,𝑡為第 t 天時，第 j 個股市中每一產業報 酬率與市場報酬率之間的平均橫斷面報酬絕對值差距；當𝐶𝑆𝑆𝐷 _,𝑡和𝐶𝑆𝐴𝐷 _,𝑡的數 值愈大時，表示產業報酬和市場報酬的離散程度愈大，反之亦然。自變數 _,𝑡、 𝐶 _,𝑡及𝐷 _,𝑡則依序為第 t 天時第 j 個股市的過度樂觀、過度自信及處份效果代理 變數。

(二)假設檢定

0： ₁¹ = ₂¹ = ₃¹ = (或 ₁² = ₂² = ₃² = )

1： _𝑖¹ (或 _𝑖² )， = 1,2,3

(三)檢定方法

= 𝑆𝑅

𝑆 _{, 1,} (3.2 )

47

其中，MSR 為組間變異數；MSE 為組內變異數；n 為樣本個數；k 為估計 個數；𝛼為顯著水準。故本研究以 F 統計量來檢驗虛無假設是否成立？若檢定結 果為拒絕 ₀，則表示產業報酬和市場報酬的離散程度會受到行為偏誤的影響。

48