第三章 研究方法
第三節 變數定義與說明
一、下單積極度
根據Ranaldo (2004) 與 Griffiths et al. (2000)的方式，將下單積極度分為五個 等級，由高至低依序為：
1. 委託價大於最佳一檔的賣(買)價；
2. 委託價等於最佳一檔的賣(買)價；
3. 委託價大於最佳一檔的買價，但小於最佳一檔賣價；
4. 委託價等於最佳一檔的買(賣)價；
5. 委託價小於最佳一檔的買(賣)價。
而後將下單積極度等級與委託單數量，透過加權平均的方式，得到每日加權 平均積極度，加權平均後的數字越小，表示越積極，反之，加權平均後的數字越 大，則表示越不積極，計算方式如下所示：
𝑂𝐴𝑖,𝑗,𝑡 =
∑5𝑘=1𝑘𝑖,𝑗,𝑡× 𝑉𝑜𝑙𝑢𝑚𝑒𝑖,𝑗,𝑘,𝑡
∑5𝑘=1𝑉𝑜𝑙𝑢𝑚𝑒𝑖,𝑗,𝑘,𝑡 ， 其中，
𝑂𝐴𝑡：在t 時的加權平均下單積極度，
𝑉𝑜𝑙𝑢𝑚𝑒𝑡：在t 時的委託單數量，
𝑖：買、賣方，
𝑗：投資人類別，
𝑘 ：在t 時的下單積極程度，k=1,2,3,4,5。
二、新聞情緒
此變數利用 Python 套件中的結巴斷詞，並加入了 CFSD 的中文金融字典與 NTUSD 的中文字典，針對新聞內容，計算正、負面字詞的占比 (如下圖 5 所示)，
每一篇新聞含有正面字詞占比、負面字詞占比，而中性字詞(即無意義的字詞，如 語助詞等)則未顯示於圖 5 中，正面、負面、中性字詞，三種字詞總合為 1。
本研究參考Smales (2015) 計算新聞情緒之方法，將正面情緒給予「+1」的 分數，負面情緒給予「-1」的分數，並將情緒乘以字詞占比平均後，得出每篇新 聞情緒之分數，而每日之情緒分數則將該日所有新聞情緒分數平均得之，公式如 下所示：
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡= ∑𝑛𝑖=1(𝑝𝑟𝑜𝑏𝑝𝑜𝑠,𝑖− 𝑝𝑟𝑜𝑏𝑛𝑒𝑔,𝑖)
𝑛 ，
其中，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡：在t 日的平均新聞情緒，
𝑝𝑟𝑜𝑏𝑝𝑜𝑠,𝑖：第i 則新聞的正面字詞占比，
𝑝𝑟𝑜𝑏𝑛𝑒𝑔,𝑖：第i 則新聞的負面字詞占比，
𝑛：在 t 日的新聞數。
圖 5、新聞情緒判斷內容
三、其他控制變數
一、 波動度 (Vol；Volatility)
過往文獻對於波動度與積極度之間，並沒有一定的定論。Menkhoff, Carol, and Schmeling (2010) 提到較高的波動，會降低非執行風險，從而增加限價單，Ahn, Bae, and Chan (2001)、Bae, Jang, and Park (2003) 也提到當臨時委託簿失衡導致 上行波動增加，會使得投資人改下更多的限價賣單。而Ranaldo (2004)、Hung (2016) 也支持此論點(即波動度增加，會提高投資人下單積極度)。
不過，Foucault (1999) 指出，波動性的增加，投資人的風險增加，可能會要 花更多成本交易，使得投資人不會那麼積極下單，這也支持了 Handa and Schwartz (1996) 的觀點。且 Duong et al. (2009) 提到散戶和法人之間的關鍵差異，
歸因於他們對未成交風險的敏感性，法人在市場波動較大的條件下，更加積極地 下限價單，以便從限價單中獲利，且依據監控程度、交易成本的關係，中型和小 型股票的監控程度較低，交易成本較高，當這些股票的波動度增加時，投資人的 積極度會降低。
綜合上述，根據過往文獻並不能確定，波動度和下單積極度之間的關係。
本研究仿照Ranaldo (2004)、Duong et al. (2009)、Hung (2016) 計算波動度的 方式，以20 日的日報酬與 20 日報酬的平均計算而成，計算方式如下所示：
𝑉𝑜𝑙𝑡 = √∑20𝑡=1(𝜇𝑡−20− 𝜇̅)2
19 ，
其中，
𝑉𝑜𝑙𝑡：在t 日的波動度，
𝜇𝑡：在t 日的報酬。
二、 相對買賣價差 (RS；Relative Spread)
買賣價差的擴大，可能意味著市場中存在更大的不確定性 ( Foucault ，1999)，
導致投資人交易成本提高 ( Handa and Schwartz，1996 )，增加了投資人提交較少 積極委託單的可能性 ( Chung, Van Ness, and Van Ness ，1999；Ahn et al.，2001；
Bae et al.，2003)，且 Ranaldo (2004) 表明投資人下單的積極度隨著價差的大小而 減小，而Griffiths et al. (2000)、Bian et al. (2018) 也支持相同的論點，因此，本 研究預期隨著買賣價差之擴大，不確定性也提高，使得投資人下單較為不積極。
本研究沿用Griffiths et al. (2000)、Ranaldo (2004)、Bian et al. (2018) 計算相 對買賣價差之方式，即平均最佳一檔買賣報價之差除以平均最佳一檔買賣之中點 報價，計算方式如下：
𝑅𝑆𝑡= 𝐴𝑠𝑘𝑡− 𝐵𝑖𝑑𝑡 (𝐴𝑠𝑘𝑡+ 𝐵𝑖𝑑𝑡 2 )
，
其中，
𝑅𝑆𝑡：在t 日的相對買賣價差，
𝐴𝑠𝑘𝑡：在t 日的平均最佳一檔賣出報價，
𝐵𝑖𝑑𝑡：在t 日的平均最佳一檔買進報價。
三、 公司規模 (Size)
Griffiths et al. (2000) 發現公司規模愈大，投資人下單越不積極，Duong et al.
(2009) 則提到對於散戶而言，公司規模愈小，下單積極度越高，對於機構投資人 而言，大、中型公司，其公司規模與下單積極度呈負相關，但在小公司中，公司 規模與下單積極度呈正相關，而Hung (2016) 提到買方的下單積極度與公司規模 呈現正相關；賣方的下單積極度則與公司規模呈現負相關。
Sankaraguruswamy, Shen, and Yamada (2013) 提到新聞發布頻率更高的公司 往往擁有更多的交易，更大的規模，且Hong, Lim, and Stein (2000) 表明公司規 模較小者，投資人對訊息反應較慢，Stoll (2000) 發現相對於大規模公司而言，公 司規模較小，其流動性較差，Roll (1984)亦支持此論點，此外， Bhattacharya, Desai, and Venkataraman (2013) 發現，訊息不對稱在大小公司之間是不同的，對於較大 的公司，訊息不對稱不太明顯，但小公司的訊息不對稱程度要高於大公司兩倍之 多，Chae (2005) 也發現小規模的公司會引起高度訊息不對稱。因此，本研究預 期公司規模愈小，投資人較不積極下單。
公司規模的衡量方式，與Duong et al. (2009)、Hung (2016) 一致，即公司規 模為對公司市值取自然對數，如下所示：
𝑆𝑖𝑧𝑒𝑡= log(𝑀𝑎𝑟𝑘𝑒𝑡 𝑉𝑎𝑙𝑢𝑒𝑡)， 其中，
𝑆𝑖𝑧𝑒𝑡：在t 日的公司規模，
𝑀𝑎𝑟𝑘𝑒𝑡 𝑉𝑎𝑙𝑢𝑒𝑡：在t 日的公司市值。
第四節 模型設定
一、模型一：本研究主要探討下單積極度與新聞情緒之關係，故構建單因子模型，
如式 (1) 所示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1+ 𝜀𝑖,𝑗,𝑚,𝑡 (1)
其中，
𝑂𝐴𝑡：在t 日的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資、散戶），
𝑚：個股，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1：在𝑡 − 1日的平均新聞情緒。
二、模型二：加入其他控制變數，探討新聞情緒是否仍能影響下單積極度，如式 (2) 所示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1+ 𝛽2𝑉𝑜𝑙𝑚,𝑡−1+
𝛽3𝑅𝑆𝑚,𝑡−1+ 𝛽4𝑆𝑖𝑧𝑒𝑚,𝑡−1 + 𝛽5𝑂𝐴𝑖,𝑗,𝑚,𝑡−1+ 𝜀𝑖,𝑗,𝑚,𝑡 (2) 其中，
𝑂𝐴𝑡：在t 日的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑚：個股，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1：在𝑡 − 1日的平均新聞情緒，
𝑉𝑜𝑙𝑡−1：在𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在𝑡 − 1日的公司規模。
三、模型三：根據先前的文獻可以知道，負面情緒對於投資人的影響較大，因此，
加入虛擬變數，探討負面情緒是否有較大程度的影響，如式 (3) 所示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1+ 𝛽2𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝛽3𝑉𝑜𝑙𝑚,𝑡−1+ 𝛽4𝑅𝑆𝑚,𝑡−1+ 𝛽5𝑆𝑖𝑧𝑒𝑚,𝑡−1+ 𝛽6𝑂𝐴𝑖,𝑗,𝑚,𝑡−1 + 𝜀𝑖,𝑗,𝑚,𝑡
(3)
其中，
𝑂𝐴𝑡：在t 日的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑚：個股，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1：在𝑡 − 1日的平均新聞情緒，
𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0，
𝑉𝑜𝑙𝑡−1：在𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在𝑡 − 1日的公司規模。
四、模型四：考慮到新聞的即時性，投資人可能在開盤後一小時，即反應完前一 日所發生的事情，如式 (4) 所示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡𝑜𝑝𝑒𝑛𝑖𝑛𝑔 = 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1+ 𝛽2𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 +𝛽3𝑉𝑜𝑙𝑚,𝑡−1+ 𝛽4𝑅𝑆𝑚,𝑡−1+ 𝛽5𝑆𝑖𝑧𝑒𝑚,𝑡−1+ 𝛽6𝑂𝐴𝑖,𝑗𝑚,,𝑡−1𝑐𝑙𝑜𝑠𝑖𝑛𝑔 + 𝜀𝑖,𝑗,𝑚,𝑡
(4)
其中，
𝑂𝐴𝑜𝑝𝑒𝑛𝑖𝑛𝑔𝑡 ：在 𝑡日開盤後一小時的加權平均下單積極度，
𝑂𝐴𝑐𝑙𝑜𝑠𝑖𝑛𝑔𝑡−1 ：在 𝑡 − 1日收盤前一小時的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑚：個股，
𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1：在 𝑡 − 1日的平均新聞情緒，
𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在 𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。
五、模型五：在模型四時，討論到新聞的即時性，相較於前一日的新聞情緒，隔 夜的新聞情緒可能影響更深，故探討隔日新聞對開盤後一小時下單積極度之 影響，如式 (5) 所示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡𝑜𝑝𝑒𝑛𝑖𝑛𝑔= 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡−1𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡+ 𝛽2𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡−1𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡 +𝛽3𝑉𝑜𝑙𝑚,𝑡−1+ 𝛽4𝑅𝑆𝑚,𝑡−1+ 𝛽5𝑆𝑖𝑧𝑒𝑚,𝑡−1+ 𝛽6𝑂𝐴𝑐𝑙𝑜𝑠𝑖𝑛𝑔𝑖,𝑗,𝑚,𝑡−1+ 𝜀𝑖,𝑗,𝑚,𝑡
(5)
其中，
𝑂𝐴𝑜𝑝𝑒𝑛𝑖𝑛𝑔𝑡 ：在 𝑡日開盤後一小時的加權平均下單積極度，
𝑂𝐴𝑐𝑙𝑜𝑠𝑖𝑛𝑔𝑡−1 ：在 𝑡 − 1日收盤前一小時的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑚：個股，
𝐷：當平均新聞情緒分數為負時，𝐷 = 1；其餘為 0，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡：在 𝑡 − 1日收盤後至 t 日開盤前的平均新聞情緒，
𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在 𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。
六、模型六：討論交易期間所發布之新聞，投資人是否會及時反應，調整其下單 與否，故探討每一小時的新聞情緒對每小時下單積極度之影響，如式 (6) 所 示：
𝑂𝐴𝑖,𝑗,𝑚,𝑡ℎ𝑜𝑢𝑟 = 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟
+ 𝛽2𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟
+𝛽3𝑉𝑜𝑙𝑚,𝑡−1+ 𝛽4𝑅𝑆𝑚,𝑡−1+ 𝛽5𝑆𝑖𝑧𝑒𝑚,𝑡−1+ 𝛽6𝑂𝐴𝑖,𝑗,𝑚,𝑡𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟
+ 𝜀𝑖,𝑗,𝑚,𝑡
(6)
其中，
𝑂𝐴ℎ𝑜𝑢𝑟𝑡 ：在 𝑡日交易期間一小時的加權平均下單積極度，
𝑂𝐴𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟𝑡 ：在𝑡日交易期間前一小時的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑚：個股，
𝐷：該小時平均新聞情緒分數為負時，𝐷 = 1；其餘為 0，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟：在 𝑡日每一小時的平均新聞情緒，
𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在 𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。
七、模型七：將股票分為大、中、小型三類，探討在不同類型的股票下，新聞情 緒對下單積極度之影響，如式 (7) 所示：
𝑂𝐴𝑖,𝑗,𝑙,𝑚,𝑡= 𝛼 + 𝛽1𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑙,𝑚,𝑡−1+ 𝛽2𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑙,𝑚,𝑡−1
+𝛽3𝑉𝑜𝑙𝑙,𝑚,𝑡−1+ 𝛽4𝑅𝑆𝑙,𝑚,𝑡−1+ 𝛽5𝑆𝑖𝑧𝑒𝑙,𝑚,𝑡−1+ 𝛽6𝑂𝐴𝑖,𝑗,𝑙,𝑚,,𝑡−1+ 𝜀𝑖,𝑗,𝑙,𝑚,𝑡 (7) 其中，
𝑂𝐴𝑡：在t 日的加權平均下單積極度，
𝑖：買、賣方，
𝑗：投資人類別（分為國內法人、外資及散戶），
𝑙：股票類型（分為大、中、小型三類），
𝑚：個股，
𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0，
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1：在 𝑡 − 1日的平均新聞情緒，
𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度，
𝑅𝑆𝑡−1：在 𝑡 − 1日的相對買賣價差，
𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。
第四章 實證結果與分析
第一節 敘述統計
表1 為各變數於樣本期間之敘述統計，在下單積極度的部分，可以看出，自 然人是最為積極的，國內法人是最不積極的，而其他變數中，新聞情緒的標準差 最高，為3.457。
表2 為不同新聞情緒下之敘述統計，國內法人買方與自然人買方，在不同情 緒下的平均數無顯著差異，不過，國內法人賣方，在負面情緒下，較不積極，且 在不同情緒下的平均數有顯著差異；自然人賣方，在負面情緒下，較積極，且在 不同情緒下的平均數有顯著差異，而外資無論買賣方，在負面新聞情緒下，較為 積極，且在不同情緒下的平均數有顯著差異。
此外，投資人下單積極度無論是在樣本期間，或是在不同新聞情緒下，都能 夠發現，無論投資人類別，賣方皆比買方更為積極下單，Shu, Yeh, Chiu, and Chen (2005) 探討台灣股票市場投資人的處分效果，發現台灣投資人實現獲利的比率 是實現損失的2.5 倍，而 Odean (1998b) 的研究中，美國投資人實現獲利的比率 僅為實現損失的1.5 倍，顯示台灣股票市場投資人呈現比美國投資人更強的處分 效果，因此賣方投資人比買方投資人更為積極。
表 1、各變數之敘述統計
𝑂𝐴 (買方) 𝑂𝐴 (賣方)
𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑉𝑜𝑙 𝑅𝑆 𝑆𝑖𝑧𝑒 國內法人 外資 自然人 國內法人 外資 自然人
中位數 4.781 4.166 3.733 4.500 3.750 3.464 0.920 1.575 0.004 3.827 平均數 4.369 4.009 3.700 4.050 3.632 3.458 1.190 1.772 0.001 3.909 標準差 0.853 0.769 0.459 1.077 0.821 0.456 3.457 1.005 0.097 0.607 樣本數 310484 306546 329273 285439 304726 329272 45754 331836 329563 331836
表 2、不同新聞情緒下之敘述統計
𝑂𝐴 (買方) 𝑂𝐴 (賣方)
國內法人 外資 自然人 國內法人 外資 自然人
負面情緒 平均積極度 4.182 4.108 3.634 3.939 3.769 3.472 樣本數 14897 14889 15078 14584 14874 15078 非負面情緒 平均積極度 4.174 4.142 3.635 3.914 3.809 3.489 樣本數 29840 29701 30361 29039 29783 30361 積極度之差 0.008
(0.966)
-0.034***
(-5.998)
-0.001 (-0.251)
0.025***
(2.657)
-0.040***
(-6.187)
-0.017***
(-4.269)
註1：括弧內為 t-value。
註2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。