變數衡量

4.1.1 應變數

ECC 是每季底預期普通股資金成本，本研究係以 Fama & French (1993)三 因子模型以及動能因子、無風險報酬率及風險溢酬，預測出每季的普通股預期 資金成本，以代表舉債公司可觀察報酬，也就是系統性風險。計算方式則係根 據 Barth et al. (2013)之步驟，按公司別先以每 12 週之週資料作複迴歸得出每季 之係數，再以該係數預測每間公司每一季之普通股資金成本¹⁷。

STD 為季報酬率標準差，以股價波動程度作為普通股風險之衡量，包含系 統及非系統性風險。本研究從 TEJ 股價資料庫之調整股價(週)-除權息調整中取 得企業週報酬率後，每季每企業計算一標準差。

4.1.2 自變數

本研究主要係測試以外幣計價是否會改變可轉債與普通股風險及預期報酬 間之關聯，故先確認以台幣計價之可轉債與普通股風險及預期報酬間之關聯，

再確認以外幣計價之可轉債與普通股風險及預期報酬間之關聯，若以台幣計價 之可轉債和以外幣計價之可轉債對普通股風險與預期報酬之影響相同，則可推 論外幣計價不影響可轉債之性質，反之以台幣計價之可轉債和以外幣計價之可 轉債對普通股風險與預期報酬之影響相異，則可推論外幣計價對可轉債之性質 具有影響。

除了計價幣別外，一般及特別價格重設條款對可轉債性質亦可能有所影 響，根據我國第三十六號公報，具備這兩種價格重設條款之可轉債其轉換權應 認列為負債，然而 Carrizosa (2010) 發現不論是普通股投資人或是 CDS 投資 人，均不將整個可轉債視為負債。張肇文(2012)之實證結果發現具備這兩種價

17 詳細計算方式請見附錄 B。

38 AECBt之範圍。因此針對發行海外可轉債之企業，尚須至 TEJ IFRS Finance-國 際會計準則模組中之外幣資產負債項目下，篩選出合併為 N 之在台母公司，並

39

確認其功能性貨幣幣別，並刪除計價貨幣與功能性貨幣相同之樣本。

另因控制變數均為企業別之資料，故三個自變數之樣本均為發行可轉債之 企業，而非可轉債金融工具；且由於發行外幣計價可轉債企業樣本較少之先天 限制，以上三個自變數均採季資料。

以上三個自變數雖以虛擬變數之方式呈現，但本研究另行針對此三個虛擬 變數採不同衡量方式¹⁸並進行複迴歸分析，唯其結果與以虛擬變數進行之結果 相類似，故僅以虛擬變數做解釋以簡化單位轉換。

儘管文獻回顧中，對於可轉債性質並無定論，但根據張肇文(2012)之實證 結果，具一般或價格重設條款之可轉債性質仍較近似權益，故本研究預期 PCBt

及 ACBt對應變數有負向影響，而外幣計價之 PECBt及 AECBt則因本研究認為 外幣計價所造成之價格波動可藉由避險消彌，不致影響可轉債原有之性質，故 本研究預期 PECBt及 AECBt與應變數間之關聯亦為負向。

4.1.3 控制變數

模型中除了自變數外，也加入對應變數有影響的控制變數如下：

LEVERAGE

根據 Beaver (1970)、Hamada (1972)、Rosenberg & McKibben (1973) 及 Bowman (1979)等學者之研究發現企業之系統風險與其財務槓桿呈正相關，而 Christie (1982)也發現股價報酬率的波動程度亦與財務槓桿呈正相關，故本研究 加入 LEVERAGE 作為控制變數，並預期其與應變數呈正相關。

LEVERAGE 之衡量係參考 Barth et al. (2013)，按以下(A1)式計算：

總負債帳面金額 / (總資產帳面金額 - 普通股帳面金額 + 普通股市值) (A1)

18 可轉債帳面金額、可轉債帳面金額/資產總額、可轉債帳面金額取自然對數、

可轉債帳面金額/資產總額再取自然對數。

40

由於我國於 2006 年開始適用三十四及三十六號公報，以及 2013 年起全面 改採 IFRS，故一般產業之財會資料按時間不同分散在 TEJ finance DB(下稱舊 版)、TEJ new finance(下稱新版)及 TEJ IFRS finance(下稱 IFRS)三個資料庫中，

且金融業之資料獨立於一般產業資料庫外。僅以表 4.3 列示變數 LEVERAGE 之 資料來源：

表 4.3— LEVERAGE 資料來源

06~07 年 08~16 年

總負債、總資產、

普通股帳面金額

新版會計

IFRS 版會計 普通股市值 股價資料庫，但 08 年以前多為半

年資料，少有 Q1、Q3 資料

由於金融業之正常負債比率與其他產業差異過大，若加入金融業資料將導 致槓桿比率變數失去一致的衡量標準，故本研究未納入金融業之樣本。

BETA

根據 Fama & French (1993)，BETA 係市場報酬及個別係業報酬之關係系 數。BETA 反映的是系統性風險，故本研究預期 BETA 與應變數呈正相關。

BETA 值可直接從 TEJ 股價資料庫中之股價報酬(日)-Beta 值模組中取得，

本研究為配合其他變數之資料期間，採用的是季資料。

SMB、HML、MOM

以上三變數之衡量方式係由附錄 B 中，規模因子、股價淨值比因子及動能 因子帶入(A7)式中複利為季資料。

41

DISPERSION

根據 Botosan & Plumlee (2005)，品質較佳的資訊可藉由降低交易成本和估 計錯誤的風險來降低普通股資金成本，因此資訊風險與普通股資金成本呈正相 關。本研究以 Botosan & Plumlee(2005)衡量資訊風險之方式計算

DISPERSION，以下式(A2)計算券商對 EPS 預測之離散程度，離散程度越大，

則資訊風險越高，並預期資訊風險與普通股資金成本間呈正相關。

DISPERSION = (EPS 預測最大值 - EPS 預測最小值) / EPS 預測中位數 (A2)

DISPERSION 計算所需資料可由 TEJ Finance DB 中之券商預測總表模組取 得，由於 Botosan & Plumlee(2005)係採用股價預測，應屬短期預測，故本研究 以預測發布日與預測日期間相距一年內之資料為主，以每年 3 月份預測去年底 EPS，6/9/12 月份預測同年底 EPS 之方式篩選資料。

GROWTH

根據 Beaver (1970) 之發現，過去表現較佳之企業通常在未來也有較佳表 現，可能是因為表現較佳之企業賺取較多之盈餘，因此有更多的資源能投入發 展，未來又能賺取更多的盈餘，造成良性循環。因此本研究預期 GROWTH 和 普通股風險及預期報酬間呈正向關聯。

變數 GROWTH 之估計式(A3)為：

GROWTH =

(預估未來稅前淨利平均值 - 目前實際稅前淨利) / 目前實際稅前淨利 (A3) 本研究從 TEJ IFRS Finance-國際會計準則之 IFRS 非合併(個別+個體)財報 (累計)模組取得 2012~2016 稅前淨利之資料，並由 TEJ New Finance-新公報適用 之新版財務(累計)取得 2006~2011 繼續營業部門稅前淨利之資料作為實際稅前

42

淨利。預估未來稅前淨利之平均值則由 TEJ Finance DB 中之券商預測總表模組 中取得券商預估之稅前淨利平均值，由於稅後淨利僅有年度資料，故採稅前淨 利。且由於券商係針對個體全年度而非合併、單季之稅前淨利進行預測，因此 實際稅前淨利亦須為非合併之年度資料才符合一致性；另須注意實際稅前淨利 單位為千元，預測稅前淨利單位為百萬元。

根據 Barth et al. (2013)，GROWTH 是屬於長年期之預測，故預測發布日與 預測日期間相距以一年以上為主，本研究係採每年 3 月份預測同年度以後稅前 淨利，6/9/12 月份預測次年度以後稅前淨利之方式篩選資料，儘管如此，仍有 以下期間無長年期預測資料，見表 4.4。

表 4.4—因應變數 GROWTH 資料缺漏之處理。

發布日 本研究採用之代用品 2012/6/30 2012/12 發布之短期預測。

2012/9/30 2012/12 發布之短期預測。

2012/12/31 前後一季均無代用品，以 2013/6 對 2013/12 發布之短期預 測代用之。

2013/3/31 2013/6 對 2013/12 之預測。

本研究為減輕此研究限制之影響，採用最近後一至二期之預測資料代用之。

43