第四章 研究方法
第一節 MV/GNP 與線性迴歸分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 研究方法
第一節 MV/GNP 與線性迴歸分析
總市值國民生產毛額比(MV/GNP)，市場俗稱巴菲特指標，出自於 2001 年 12 月 10 日在財富雜誌的一篇專文 Buffett and Loomis(2001)，其係財富雜誌編輯 凱洛．盧米思(Carol J. Loomis)將華倫·巴菲特的一篇演講稿整理，並經由華倫·
巴菲特審閱修改後所發表。華倫·巴菲特首先提出 MV/GNP 比率的概念，其定 義該比率指標為一國所有公開發行公司總市值對一國經濟總產出之比率，亦即 所有公開發行公司總市值與國民生產毛額之百分比。此指標目的在於衡量所有 上市公司之總市值，與包含這些公司之一國經濟所生產之商品與服務價值的關 係，由於所有上市公司之總市值反映該所有上市公司生產所產生之營收與利 潤，而該營收與利潤亦屬一國經濟所生產之商品與服務價值之一部，因此其比 率關係在正常情況下會固定在一個區間範圍內。
在 Buffett and Loomis(2001)的專文中，華倫·巴菲特將此指標視為一個簡單 的價值衡量規則，來判斷股票市場現在整體價格水準為高估或是低估。其在該 篇文章中對此指標有如下介紹:
「此指標雖然無法傳遞所有必要的資訊，然而此指標應該是在任何時間點 衡量價值的最佳單一指標，如同各位所看到的，約莫兩年前此指標來到前所未 有的高水準，這應該是個非常危險的警訊。」
此外，除了華倫·巴菲特所提出的 MV/GNP 指標外，在投資實務界以及財 經媒體界也常使用總市值國內生產毛額比(MV/GDP)作為該指標之替代指標。國 民生產毛額(GNP)為一國全體國民，在一定的期間內，所生產之最終財貨與勞
‧
確預測股市修正，本研究將依 Campbell and Shiller(1998)與田懿裴(2015)之實證 方法，檢測 MV/GNP 對於台灣加權指數價格之長短期年均複合增長率之關係。藉由簡單線性迴歸模型初步檢測，可以分析出台灣 MV/GNP 數據與報酬率是否 有明顯的負相關，或是具有均值迴歸(Mean Reversion)之現象，倘若存在則代表
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
總市值與 GNP 之關係就如同被譽為德國股神之安德烈·科斯托蘭尼(Andre Kostolany)所提出的主人遛狗理論現象，其反映股市與實體經濟之關係，就如同 狗與主人之關係，狗雖然活蹦亂跳前後奔跑，但最終仍不會遠離主人。而這樣 的現象存在，也代表著 MV/GNP 可以用來判斷整體股市價格水位，並可以作為 台灣股市之預測指標，用來預測未來股價漲跌。
‧
市場修正(Equity Market Correction)。本篇論文主要依據 Leo and Ziemba(2018)所 使用之定義方法。其將股市發生修正的事件定義為，在最長一年(252 個交易日 中)，股票價格指數從最高點到最低點至少下跌一定門檻值以上，例如至少下跌 10%或 20%。而這樣的定義也常在投資實務界以及財經媒體中使用。本篇論文 主要依據 Leo and Ziemba(2018)所使用的 10%作為門檻值，而在投資實務界以及 財經媒體上，也常使用上漲或下跌 20%來定義股市屬於牛市(Bull Market)或是 熊市(Bear Market)。由於門檻值的定義將影響股票市場在過去歷史上出現之修 正次數，進而影響預測模型之實務應用性與統計顯著性，因此本篇論文除了使 用 10%作為門檻值定義外，也使用 20%作為門檻值定義來進行分析。為了從股票市場價格指數的歷史收盤資料中，界定出每一個至少下跌大於 一定門檻值之市場修正的時間區段，其包括最高點(Peak day)、修正確認點 (Identification day)，以及低點(Trough day)之日期(Date)、價格指數(Index)，以及 股價指數修正幅度(Decline (%))與修正時間長度(Duration (in days))，本篇論文同 樣使用 Leo and Ziemba(2018)中所使用的辨認演算法(Identification Algorithm)來 判斷界定股票市場價格指數在歷史走勢中屬於多頭或是發生市場修正之空頭走 勢，而該辨認演算法所設定之判斷條件如下:
1. 定義所有的區間高點(Local peaks)及區間低點(Local troughs)
為了定義所有的區間高點及區間低點集合，假設每一個交易日之收盤價為 區間高點(或區間低點)，若其正負 90 天內沒有任一交易日之收盤價超過(或低 於)該交易日之收盤價，則該交易日成立區間高點(或區間低點)。