迴歸分析結果

Model 1為單純探討股票超額報酬與風險變數之間的關係，而 Model 2則多納 入 Beta 係數進來衡量，探討超額報酬與公司特有風險以及系統風險變數之間的

Model a 為風險變數只放入總風險，Model b 為風險變數只放入系統性風險。

在變數係數的估計上，本研究是採 Fama and MacBeth（1973）的橫斷面迴歸 模型，Fama and MacBeth（1973）的橫斷面迴歸分析是以最小帄方法來估計各期 解釋變數的係數值後，求出各期數的帄均值，當作迴歸係數的係數，而針對此係 數則用各期係數的帄均值除以標準差，進行 t 檢定來判斷此係數是否顯著異於 零。此作法背後假設各期解釋變數的係數值，是來自同一常態分配，故用各期係 數去檢定其帄均值是否顯著異於零。

在表4-4和表4-5中可以觀察到在各個不同的模型下，自變數與應變數之間的 關係。在表4-4中我們主要探討的變數為公司特有風險變數（UR），我們可以發 現在 Model 1當中，只探討股價超額報酬與公司特有風險變數的話，UR 變數是 呈現正向顯著，代表公司特有風險變數是可以真實解釋股票的超額報酬率，公司 特有風險越高，相對要求的公司股價超額報酬也越高。之後在納入 Beta 係數進 入討論，在這裡系統性風險變數為負向但不顯著，這與以往 CAPM 理論認為股 票報酬率只為系統性風險付酬的理論相違背。而 Model 3,4分別納入規模、帳面 市值比以及短期價格記憶變數之後，發現帳面市值比為負向不顯著。而在此迴歸 模型當中，規模因子呈現正向且顯著的關係，代表在研究期間內台股對於大公司 的股票會有較高的超額報酬。而短期價格記憶變數在此是呈現負向顯著關係，顯 示有反轉（reversal）的現象。

另外，將模型內的風險變數改以總風險變數（TR）以及系統性風險變數 Beta 分開進入衡量，結果在下表4-5中。我們可以發現在 Model 1a 當中，只探討股價 超額報酬與總風險變數的話，我們可以發現股價超額報酬與總風險之間是存在正

規模以及帳面市值比變數之後發現，調整後判定係數分別上升至0.182與0.097，

公司特有風險變數，為以市場模型殘差項標準差估計得之. Beta=以 Dimson（1979）方式估計之系統風險變數. Size=為樣 本公司估計月份市值. B/M=樣本公司估計期間前一年年底帳面市值比，帳面價值以普通股股本減去特別股股本. PR12=為 短期價格記憶變數，採估計當月之前一月貣算之前 11 個月累積報酬率.

b. ***,**及*分別代表顯著水準 1%,5%及 10%

表 4-5 報酬率與總風險及系統性風險等變數之間的關係

公司特有風險變數，為以市場模型殘差項標準差估計得之. Beta=以 Dimson（1979）方式估計之系統風險變數. Size=

為樣本公司估計月份市值. B/M=樣本公司估計期間前一年年底帳面市值比，帳面價值以普通股股本減去特別股股本.

代表此時股票報酬的風險並非是由於公司特有風險所造成，可能更多部分是來自

75/7 77/7 79/7 81/7 83/7 85/7 87/7 89/7 91/7 93/7 95/7

台灣加權股價指數 TR UR