第四章 實證分析與結果
第四節 追蹤資料模型分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
第四節 追蹤資料模型分析
本節將分成三部分，首先以 Hausman 檢定為判斷依據，分別得出五項風險
指標適用之追蹤資料模型；第二部分則是基於本節前部分之判斷結果，實證得出 各風險指標之追蹤資料模型結果；最後一部分則是在估計模型中納入虛擬變數，
探討子公司組合對公司經營風險之影響，並綜合比較各風險指標之差別。
一、 Hausman 檢定
從表 4-10 得知，五項指標中僅總風險與特定風險不拒絕虛無假設，表示自 變數與模型中之誤差項並無相關性。因此，系統性風險、破產風險與收入波動度 將以固定效果模型衡量，總風險和特定風險則以隨機效果模型衡量之。
表 4-10 各風險指標之 Hausman 檢定表
風險指標 Hausman 統計量 P-value 選取之模型
總風險 14.99 0.1323 隨機效果模型
系統性風險 162.01 0.0000 固定效果模型 特定風險 12.56 0.2491 隨機效果模型 破產風險 51.57 0.0000 固定效果模型 收入波動度 29.78 0.0005 固定效果模型
二、 追蹤資料模型分析
本部分使用 stata 統計軟體，所選取之樣本時間為 2003 年 Q1 至 2012 年 Q4，
並依據本節第一部份 Hausman 之檢定結果，以總風險、系統性風險、特定風險、
破產風險與收入波動度五項指標作為依變數，而自變數方面，則選取公司規模、
繼續經營價值、槓桿程度、多角化程度、資產成長率和流動性，並納入虛擬變數
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
代表金控公司之業務組合，最後逐一比較實證結果。
由表 4-11 中得知，不論是採用何項風險指標為依變數，金控公司上一期之 經營風險顯著與本期經營風險正相關，代表經營風險是動態的且會持續一段期 間，故會影響至下期之經營風險，與 Niu (2012)的研究結果一致。而其他自變數 中，公司規模與系統性風險的關係顯著為正，與本研究預期不符，顯示當金控公 司規模愈大時，其報酬愈容易與資本市場起伏，故系統性風險亦隨之上升，支持 Saunders et al. (1990)的結論。然公司規模對特定風險和破產風險的關係顯著為 負，推測是大型金控公司相對小型金控而言，具有規模經濟與範疇經濟，同時大 型金控公司之籌資能力較佳，當面臨財務危機時，大型金控公司遭遇倒閉或清算 的可能性較低。
而繼續經營價值部分，對系統性風險與收入波動度的係數顯著為負相關，與 本研究預期結果相符。其中，本文推測因公司的繼續經營價值與經濟環境有關，
故當公司繼續經營價值愈高時，可能隱含總體金融市場之穩定性愈佳，故承受之 系統性風險較小。此外，本研究推測高繼續經營價值之金控公司，其資產報酬率 之波動較小，故依照 Iannotta, Nocera and Sironi (2007)的結論，認為高繼續經營 價值之金控公司，其資產組成之品質較佳，因此能保有較佳之收入穩定性。
本研究認為金控公司自有資本比率愈低，則其經營風險愈高，因此預測槓桿 程度與經營風險為正相關。根據表 4-11 得知，槓桿程度與各風險指標之關係皆 符合預期，顯示當公司槓桿程度愈高時，愈有可能增加公司總風險、特定風險、
破產風險與收入波動度，與 Haan (2012)的研究結果一致。此外，本研究結果亦 反駁高自有資本比率之金控公司，將可能引發道德危機之問題，給予股東誘因投 資高風險之事業。另一方面，由於巴賽爾協定是以資本適足率作為監控銀行經營 風險之指標，因此，根據本研究之實證結果，要求一定水準之資本適足率，的確 不失為有效控管銀行風險之方法。
以多角化程度之影響力而言，本研究發現追蹤資料模型與表 4-9 複迴歸模型
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
之結果並不一致，除了與破產風險及收入波動度之係數變不顯著外，多角化程度 此時與系統性風險呈顯著負相關，即當金控公司多角化程度愈高時，愈能降低公 司系統性風險。此實證結果與 Niu (2012)、Stiroh (2004)一致，顯示金控公司跨業 經營，並不會增加其系統性風險，反而可能因所增加之新業務活動，使公司暴露 於總體環境之風險下降。此外，根據本部分研究結果，多角化程度愈高之金控公 司，其特定風險顯著上升，與本研究之預期假說不符。針對於此，本研究有兩項 推測，其一是金控公司缺乏從事新業務之經驗與技術，或相關基礎設施尚未建置 完成，因此業務多角化反而增加金控公司之特定風險，此推論與 Stiroh and Rumble (2006)的看法一致，該文獻指出銀行多角化效益可能存在時間上的落差，
待銀行建置並熟悉相關非利息收入的業務、範疇與科技時，長期而言應該還是能 改善銀行績效。至於另一項推論，本研究認為可能是當金控公司業務愈多元時，
愈考驗著經理人經營管理之能力，故公司決策或資源分配不當時，特定風險亦隨 之上升。表 4-11 亦顯示，多角化雖與總風險、破產風險和收入波動度正相關，
然而皆不顯著，故不支持金控公司能藉由多角化效益降低經營風險之假說。
資產成長率變數方面，從表 4-11 中明顯得知，該變數對各風險指標皆不顯 著，且對總風險、特定風險和破產風險之關係不符預期。最後流動性方面，與各 項風險指標之關係與表 4-9 複迴歸模型之實證結果一致，當金控公司擁有之流動 性資產比重愈高時，僅能顯著降低破產風險，對其他風險指標未能明顯產生影 響。對此，本研究分析得出，當發生財務危機時，金控公司維持高流動性之資產，
能有效預防公司遭遇倒閉或清算之結果，進而降低破產機率，然並不能代表公司 可同時享有總風險、系統性風險與特定風險降低之效益，或是足以支持金控公司 之收入因此更加穩定的論點。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
三、 各家金控經營風險之比較分析
本研究根據所選取之樣本公司，針對 2003 年 Q1 至 2012 年 Q4 之各項風險 平均值，整理得出下表。如表 4-12 所示，各項風險指標因計算方式有所差異，
故衡量得出之結果亦不同，支持本研究之預期假說六。
首先，表 4-12 顯示總風險最高之金控公司為新光金控。本研究發現該公司 之槓桿程度，為樣本公司中平均最高者，符合表 4-11 追蹤資料模型結果，金控 公司之槓桿程度顯著與總風險正相關。而元大金控為系統性風險最高之金控公 司。根據表 4-11 之實證結果，推測是因為該公司多角化之程度並不高，同時繼 續經營價值亦比其他同業來得低，因此承擔較高之系統性風險。
根據表 4-11 追蹤資料模型結果，小型、高槓桿且高多角化程度之金控公司，
其特定風險和破產風險愈高。表 4-12 顯示日盛金控之特定風險和破產風險最高，
本研究推測因該公司之規模小，在國內僅大於國票金，且多角化與槓桿程度皆明 顯高於國票金，故為樣本公司中特定風險和破產風險最高者。最後，收入波動度 最高之金控公司為開發金。根據表 4-11，若公司繼續經營價值愈低、槓桿程度 愈高，則其收入波動度愈大。而開發金之槓桿程度與繼續經營價值為樣本公司中 最低者，推測是過低之繼續經營價值，抵銷掉低槓桿操作能穩定收入之效果。
另一方面，根據表 4-11 實證結果，槓桿程度低之金控公司能降低總風險。
而高繼續經營價值、高度多角化之小型金控公司，其系統性風險最小。而表 4-12 中顯示，國票金控為此兩項風險最低者。本研究推測因國票金之公司規模為樣本 公司中最小，同時多角化程度和槓桿程度亦明顯低於其他金控公司，故有此現 象。而第一金控為特定風險最小者，本研究推測第一金乃是因多角化程度極度不 足，且流動性亦是樣本公司中最低者，因此抵銷掉高槓桿程度高特定風險之效果。
此外，表 4-12 中顯示破產風險最小者為新光金控。根據表 4-11 之實證結 果，低槓桿程度、高流動性之大型金控之破產風險最小。因此本研究推測，新光 金控因公司規模較大且具高流動性，故為破產風險最小之金控公司。同時由表
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
4-12 得知，新光金同時為總風險最高、破產風險最低者，顯示不同風險指標之 衡量結果存在極大差異性，故支持本文假說六。
最後，玉山金為國內收入波動度平均最低者，表 4-11 顯示高繼續經營價值 且低槓桿程度之金控公司，其收入波動度最小。針對於此，本研究推測玉山金之 繼續經營價值在樣本公司排名僅次於新光金，然槓桿程度卻明顯低於新光金，故 其收入波動度為樣本公司中最小者。
表 4-12 各家金控經營風險之比較表
總風險 系統性風險 特定風險 破產風險 收入波動度 華南金 1.9965 1.0645 0.9320 -2.4282 0.2299 富邦金 1.9980 0.9929 0.9237 -2.6126 0.1318 國泰金 1.9741 1.1433 0.8308 -2.9664 0.1275 開發金 1.9904 1.1611 0.8293 -2.6734 0.6565 玉山金 1.9328 1.0098 0.9229 -3.1369 0.0983 元大金 2.3505 1.3109 1.0396 -2.0940 0.2718 兆豐金 1.8818 1.0437 0.8381 -2.6313 0.1813 台新金 2.1418 1.1384 1.0034 -2.1215 0.1359 新光金 2.4049 1.2695 1.1354 -3.1427 0.1476 國票金 1.6833 0.7693 0.9141 -1.7636 0.3178 永豐金 2.0405 1.0921 0.9484 -3.0702 0.0988 中信金 1.9416 1.0400 1.0265 -2.5887 0.1992 第一金 2.1444 1.0459 0.7978 -2.6416 0.1118 日盛金 1.9806 0.8198 1.3288 0.3178 0.5484 風險最高之
金控公司 新光金 元大金 日盛金 日盛金 開發金 風險最小之
金控公司 國票金 國票金 第一金 新光金 玉山金
資料來源：本研究整理得出。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
四、 虛擬變數之追蹤資料模型分析
本部分所選取之樣本資料與本節第二部分相同，但另外納入四項虛擬變數於 估計模型中，分別為銀行、壽險、產險與證券子公司，故此部分欲探討子公司組 合對金控公司之經營風險是否具有影響。根據表 4-13 中得知，納入虛擬變數後 之實證結果，與納入前並無太大差異，因此，本部分僅著重分析納入前後之不同 之處。
首先，多角化程度方面，與表 4-11 之差別在於多角化與系統性風險之係數 略為上升，代表此時公司多角化程度愈高，愈能降低系統性風險。然對特定風險
首先，多角化程度方面，與表 4-11 之差別在於多角化與系統性風險之係數 略為上升，代表此時公司多角化程度愈高，愈能降低系統性風險。然對特定風險