Back(1993)提出一個理論模型假定選擇權市場是多餘的(Redundant)(可透過標 的資產的動態交易來合成)。但是他證明選擇權的交易仍會透過訊息的傳遞來影響 標的資產的價格。於是，當選擇權交易發生時，市場訊息發生變化，標的資產的 價格自然會發生波動。因此，Back(1993)結論選擇權市場並非多餘的，它的交易活 動的變動(例如交易量)提供了更廣泛且有別於標的現貨市場的訊息來源。
在市場訊息不對稱的架構下， Easley, O’Hara and Srinivas(1998)發現有私人訊 息的交易者(informed traders)會選擇在現貨市場或選擇權市場上交易13。因此，選 擇權的交易含有未來標的資產價格變動的足夠訊息。
因此，在本文此節中，我們介紹”訊息衝擊”(information shocks)以別於前述的 價格衝擊。此處，訊息衝擊定義為由於選擇權的交易活動的變動(交易量)所造成的 衝擊。
在本節中，我們加入交易量變數到VS- GARCH模型14，其目的有三：首先，
我們探討交易量代表(訊息衝擊)是否如價格衝擊相同存在波動度不對稱現象與反 轉特性。其次，過去文獻普遍發現無論在現貨或衍生性商品市場，價格波動與交 易量存在交互(interactions)的效果15。我們期盼加入交易量變數的模型能反應上述 交互的效果，應能對資料有較佳的解釋能力。最後，我們欲了解訊息衝擊(交易量) 與價格衝擊是否意含相同的內容。若是，我們應發現在下列模型下價格衝擊的不
13 與現貨市場相比，選擇權市場對於投資人而言具有槓桿擴充與無放空限制的優點。
14 在後面實證研究中，我們採用的交易量變數為log OI
( )
t ， OI 為選擇權未平倉量。 t15 例 如 Park ， Switzer and Bedrossian(1999) ， Bessembinder and Seguin(1993) 與 Admati and Pflerderer(1988)等。
對稱與反轉現象應消失而由訊息衝擊來取代之。我們的模型設定如下： threshold效果：第一個threshold的效果為價格變動，門檻為εt=0，反映了一般衝擊 的不對稱效果。第二個threshold的效果為交易量，門檻為前期交易量，反映了交易 量 ( 訊 息 衝 擊 ) 的 不 對 稱 效 果 。 因 此 ， 若 以 Longin(1997) 的 角 度 ， 此 VS-VOLUME-GARCH模型可視為double-threshold GARCH模型。17
VS-VOLUME-GARCH 模型之參數估計見表 5 (a)與(b)。當使用未標準化定義 的εt時，表 5(a)的結果顯示訊息衝擊存在波動度不對稱結果與反轉現象(φ0與φ1皆
16 此處模型的設計符合The Mixture of Distributions Hypothesis(詳見Tauchen and Pitts(1983)與 Richardson and Smith(1994))
17 Longin(1997) 曾 提 出 一 個 Multiple-Threshold GARCH 模 型 。 詳 細 內 容 可 見 於 Longin(1997) 的 Footnote3。
顯著不為零)(除了歐元不存在反轉現象)。同時地，原來價格衝擊的不對稱結果與 反轉現象仍然存在(δ0與δ1皆顯著不為零)(除了歐元反轉現象不存在)。當使用標準 化定義的εt時，表 5(b)的結果與前一致，除了不存在反轉現象的選擇權由歐元轉 為日幣而已。
上述的實證結果符合了 Easley, O’Hara and Srinivas(1998)的早期研究結果，選 擇權的交易意含有未來標的資產價格變動的訊息。此結果更支持 Back(1993)的理 論模型，選擇權市場的交易提供更廣泛，但不同於現貨市場上的訊息來源。選擇 權對於標的資產價格變動的影響是透過其交易活動所傳遞的訊息。
為了將 VS-GARCH 與 VS-VOLUME-GARCH 兩個模型作比較，我們作
0 0 1 2
H :φ = =φ φ = 的 LR 檢定，一般而言，除了標準化0 εt估計下的日圓選擇權之 外，其餘均明顯拒絕虛無假設，因此 VS-VOLUME-GARCH 模型比 VS-GARCH 模型要來得更有解釋能力。
表 5 (a) VS-VOLUME-GARCH 模型之係數估計表(εt為未標準化定義) Log of Likelihood 3015.46 2893.89 1067.29 2713.76
2
表 5 (b) VS-VOLUME-GARCH 模型之係數估計表(εt為標準化定義) Log of Likelihood 2683.44 2049.12 1478.03 2455.57
2