金融傳導路徑 - 政大學術集成

全文

(1)國立政治大學經濟研究所碩士論文. 金融傳導路徑 The paths of financial 治 contagion. 立. 政. 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 指導教授：林. i Un. v. 靖博士. 陳心蘋博士研究生. ：林詩閔. 中華民國一○二年六月.

(2) 謝辭學習的這趟旅程，政大六年來的陪伴，終於也來到畢業的這一刻，開始寫論文那時總期待著寫謝辭的這一天，但真正要下筆的這天，卻不知道該如何說起，碩士兩年的生活，時間帶走的是年輕的光陰，卻帶來破繭而出成長的我。首先，這本論文的誕生最要感謝的是林靖老師辛苦的指導，從老師身上能學到的寶物不僅有在學術上的知識，更包含與人相處以及生活態度等人生的道理，學生受益良多，還要感謝心蘋老師溫暖的關懷和鼓勵，以及李有仁老師、郭憲章老師與許鉅秉老師對於論文提出的建議和評論，讓論文能更豐富完整。. 政治大貼心的點心讓咪聽多了一點幸福感，秀卿學姐幫忙周旋聯絡和口試前的小禮物讓立寫論文這個漫長的日子裡，寧靜 Family 是一個非常溫馨的家庭，翠芬學姊. ‧ 國. 學. 人備感窩心，主育學長毫不藏私的分享選擇職場的觀點，俊義和明祥學長開朗的笑聲和加油，以及幫忙口試準備的學弟妹們，都讓我感覺到能成為家庭的一份子. ‧. 真的很幸福。當然，不能忘記的是一起努力奮鬥的思芃雞，煩躁挫折的日子能一. sit. y. Nat. 起喝酒聊天，替對方點出問題並想方法解決，謝謝妳，有妳的陪伴完成論文的這. n. al. er. io. 條路上一點都不孤單，還要謝謝干干鵝、紹偉猴以及政大經研的大家，能認識你. i Un. v. 們真的很幸運，祝福大家未來都能平安順利。還要謝謝總是包容和鼓勵我的阿飛. Ch. engchi. 謙，謝謝你陪我走過這些日子，未來我們還要一起努力。最後，謝謝爸媽的支持，給我一顆聰明的頭腦和健康的身體。人生重要的轉折點，未知的旅程又將展開，期許自己能保持初衷，有著一顆善良的心，在人生的旅程中快樂的學習及成長，平安喜樂，僅將謝辭獻給每一個曾經在我的人生路上給我鼓勵的你們。詩閔民國 102 年 6 月. I.

(3) 摘要無論是金融海嘯或是歐洲主權債券危機，造成全球性的金融恐慌，影響全球經濟發展，有鑑於此，由於全球金融市場密切的連結，使得金融傳導路徑的研究愈顯重要，金融傳導(Financial contagion)議題已為全球近幾年重要的研究項目之一；目的為驗證金融傳導路徑是否存在以及探討相同之金融傳導因子是否會對金融傳導路徑造成顯著性的影響。. 本研究將金融傳導的路徑分成六類，(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場. 政治大因素與經濟因素之間的傳導(Ⅵ)上述五項傳導路徑之間的交互影響，驗證以德國立之間的傳導(Ⅲ)產業與產業之間的傳導(Ⅳ)公司與公司之間的傳導(Ⅴ)非經濟. ‧ 國. 學. 為例，金融傳導路徑是確實存在，說明德國對於其他國家有報酬外溢以及波動外溢效果，匯率市場到德國股票市場亦有波動外溢效果，而德國銀行類股對於德國. Nat. sit. y. ‧. 科技類股之間亦存有報酬外溢以及波動外溢效果。. io. er. 除了驗證傳導路徑之外，本研究亦探討相同之金融傳導因子是否會對金融傳導路徑造成顯著性的影響，實證發現金融傳導因子對於德國之金融傳導路徑具有. al. n. iv n C 複合性影響之特性，股市和債市的傳導因子會影響多項傳導路徑，為相當具影響 hengchi U. 力之因子，因金融傳導因子為金融傳導的訊號，因此，危機發生前適當的監控，透過觀察金融傳導因子的趨勢，在危機發生後能在最短時間內找出問題癥結，並給予政策制定者正確且有效率的金融政策建議。. II.

(4) Abstract The financial tsunami or the European sovereign debt crisis not only caused global financial panic but made great impact on global economic development. Because of the links between global financial markets, financial transmission (Financial contagion) issues have been the world's major research projects in recent years. Therefore, finding the paths of financial contagion is more and more important. We divided financial contagion paths into six categories, (Ⅰ) contagion between countries (Ⅱ) contagion between markets (Ⅲ) contagion between industries (Ⅳ) contagion between the companies (Ⅴ) contagion between non-economic factors and. 政治大. economic factors (Ⅵ) contagion between above five interaction paths. We use the. 立. data of Germany to verify that the existence of financial contagion paths, including. ‧ 國. 學. the spillover effect as well the volatility spillover effect.. In addition to verify the contagion paths, we also investigated whether the same. ‧. financial contagion factors would result in significant influence. Besides, we find. y. Nat. io. sit. financial contagion factors have complex characteristics. For instance, the factors of. n. al. er. stock and bond markets will play important roles. Due to financial contagion factors,. Ch. i Un. v. we can monitor them before the crisis. By observing the trend of financial contagion. engchi. factors, the government and policy makers would identify the problems with accurate and efficient policy recommendations in the shortest time.. III.

(5) 目錄謝辭............................................................... Ⅰ 摘要............................................................... Ⅱ Abstract........................................................... Ⅲ 目錄............................................................... Ⅳ 表目錄............................................................. Ⅴ 圖目錄............................................................. Ⅵ 壹、緒論一、研究動機 ...................................................... 1 二、研究目的 ...................................................... 2 三、研究架構 ...................................................... 2. 政治大. 四、研究限制 ...................................................... 3 貳、文獻回顧. 立. 一、金融傳導路徑文獻-傳導定義與國與國之間的傳導 ................... 4. ‧ 國. 學. 二、金融傳導路徑文獻-市場與市場、產業與產業之間的傳導 ............. 8 三、金融傳導路徑文獻-銀行與銀行之間的傳導 ......................... 9. ‧. 四、金融傳導路徑文獻-其他傳導文獻以及方法論 ...................... 13 参、研究方法與模型設定. sit. y. Nat. 一、研究設計 ..................................................... 17. io. er. 二、GARCH-M 模型 ................................................. 18 三、Panel Regression 模型 ........................................ 19. n. al. i Un. v. 四、模型設定 ..................................................... 21 肆、實證結果與分析. Ch. engchi. 一、資料蒐集 ..................................................... 28 二、資料敘述統計 ................................................. 31 三、GARCH-M 模型實證結果 ......................................... 36 四、Panel Regression 模型實證結果 ................................ 44 伍、結論與建議一、研究成果與發現 ............................................... 49 二、經濟意涵及運用 ............................................... 51 參考文獻........................................................... 52. IV.

(6) 表目錄表一:金融傳導因子分類............................................... 6 表二:歐洲銀行間隔夜拆款利率採計銀行................................ 30 表三:敘述統計傳導路徑(Ⅰ)國家與國家之間............................ 33 表四:敘述統計傳導路徑(Ⅱ)市場與市場之間............................ 34 表五:敘述統計傳導路徑(Ⅲ)產業與產業之間............................ 34 表六:敘述統計傳導路徑(Ⅳ.a) 銀行與金融傳導因子之間................. 34 表七:敘述統計傳導路徑(Ⅳ.b) 銀行與金融傳導因子之間................. 35 表八:實證結果傳導路徑(Ⅰ)國家與國家之間............................ 40 表九:實證結果傳導路徑(Ⅱ)市場與市場之間............................ 42 表十:實證結果傳導路徑(Ⅲ)產業與產業之間............................ 43. 政治大表十三:實證結果傳導路徑(Ⅳ.b) 立銀行與金融傳導因子之間............... 48 表十一:實證結果傳導路徑(Ⅳ.a) 銀行與金融傳導因子之間............... 46 表十二:實證結果傳導路徑(Ⅳ.b) 銀行財務報表因子..................... 47. ‧. ‧ 國. 學. 表十四:金融傳導因子影響(德國)...................................... 50. n. er. io. sit. y. Nat. al. Ch. engchi. V. i Un. v.

(7) 圖目錄圖一:銀行網絡結構類型.............................................. 11 圖二:研究流程圖.................................................... 17 圖三:銀行信用違約交換價差.......................................... 26. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i Un. v.

(8) 壹、緒論一、研究動機由美國次級房屋信貸為起點，過度借貸加上信用氾濫，導致大量的次級抵押以及高風險的貸款被資產證券化，在 2008 年由美國第三大銀行 Lehman Brother 破產及 American International Group(AIG)被政府接管後，不少大型的金融機構因相互持有信用違約交換(CDS)以及擔保債權憑證(CDO)的衍生性金融商品而受到牽連，因此，在美國第三大銀行 Lehman Brother 宣布破產之後，金融機構之間相互影響，進而引發一連串的全球金融問題，由金融問題為源頭的金融海嘯. 政治大. 讓整體金融體系開始失控，造成全球性的金融危機，進而影響全球經濟發展，有. 立. 鑑於此，由於全球金融市場密切的連結，使得金融傳導路徑的研究愈顯重要，金. ‧ 國. 學. 融傳導(Financial contagion)議題已為全球近幾年重要的研究項目之一。除此之外，由希臘政府公債分別被國際上的三大信用評級機構（標準普爾、. ‧. 穆迪和惠譽）先後調低希臘國債的信用等級為歐洲債券危機起點，使歐洲其它國. y. Nat. io. sit. 家亦受到主權債信危機之影響，歐洲多國家之政府赤字和負債水平不斷上升，再. n. al. er. 加上歐洲多國公債先後被降低評級，使金融市場響起警示訊號，如希臘、西班牙. Ch. i Un. v. 等歐洲國家，導致全球經濟受其牽動，危機亦快速的傳導至其他國家、市場與產. engchi. 業，造成全球性金融體系的混亂及恐慌，若能發現金融傳導的模式，便能有效的抑制金融危機的擴大，即便瞭解金融傳導路徑和金融傳導因子是相當重要的研究，但目前研究人員在金融傳導(Financial contagion)的定義上尚未達到一致的共識；近年來，研究人員對於單一傳導路徑有許多相關研究，但對於金融複合 (Compound)傳導部份仍還有研究空間，本研究將金融傳導分為六大種類，並以德國為例來驗證金融傳導路徑是否存在，此外，探討相同之金融傳導因子(風險因子)是否會對金融傳導路徑造成顯著性的影響，是否具有多次傳導的行為，本研究將多次傳導之行為定義為複合型傳導(Compound Contagion)。. 1.

(9) 二、研究目的本研究將研究目的歸納成以下幾點，目的一為驗證金融傳導路徑是否存在，以德國為例，從實證結果中發現金融傳導路徑確實存在下列三種金融傳導路徑: 包括(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導，除此之外，目的二為探討相同之金融傳導因子是否會對金融傳導路徑造成顯著性的影響，實證發現金融傳導因子對於德國之金融傳導路徑具有複合性影響之特性，整體而言，本研究以德國為例，提供對於金融傳導路徑的驗證，發現相同的傳染因子會在國家、市場、產業、銀行之間產生影響，具有多次傳導的行為，表示金融傳導因子擁有複合傳導之影響特性，值得注意的是，股市和債市的傳導. 治政因子會影響多項傳導路徑，為相當具影響力之因子，因金融傳導因子為金融傳導大立的訊號，因此，危機發生前適當的監控，透過觀察金融傳導因子的趨勢，在危機 ‧ 國. 學. 發生後能在最短時間內找出問題癥結，並給予政策制定者正確且有效率的金融政. y. sit. io. n. al. er. 三、研究架構. Nat. 對於金融體系而言，更能加強其風險管理的效能和效率。. ‧. 策建議，便能及時的判斷問題並有效的制定政策，快速阻絕金融危機傳導的路徑，. i Un. v. 根據文獻，可將金融傳導的路徑分成六類，(Ⅰ)國與國之間的傳導(Ⅱ). Ch. engchi. 市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導(Ⅳ)公司與公司之間的傳導 (Ⅴ)非經濟因素與經濟因素之間的傳導(Ⅵ)上述五項傳導路徑之間的交互影響，值得注意的是，公司與公司之間的傳導，可進一步解釋成為個別銀行之間的傳導 (Interbank issues)，本研究主要驗證金融傳導路徑是否存在報酬外溢以及波動性外溢效果以及相同之金融傳導因子是否會對金融傳導路徑造成顯著性的影響，具有多次複合之融傳導之特性，此外，金融傳導路徑部份之研究方法由 AR(1)GARCH(1,1)-M 模型驗證，捕捉股市報酬分配的厚尾現象及條件變異數隨時間變動的特性，銀行與金融傳導因子之間則以 Panel Regression 模型估計顯著與否。. 2.

(10) 四、研究限制本研究之貢獻在於對金融傳導路徑進行區分，提出將金融傳導路徑區分為六大類，並以德國為例，驗證傳導路徑確實存在於(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導，此外(Ⅳ)公司與公司之間的傳導，亦為銀行與銀行之間之傳導路徑受限於資料取得，許多描述銀行間之傳導現象是以銀行借貸市場為數據來源，其中以雙邊借貸金額為變數來分析銀行之間直接曝險的風險，但此數據目前尚未相當透明，一般來說，若能取得雙邊曝險(bilateral exposure)的資料便能運用在拓樸學(Topology)方法論或其他研究方法上，未來若無資料取得之限制，銀行與銀行之間的傳導可嘗試使用雙邊借貸金額，將個別銀. 治政行資料組合成一對一之矩陣模式之後進行實證分析，而金融傳導路徑(Ⅴ)非經濟大立因素與經濟因素之間的傳導以及(Ⅵ)上述五項傳導路徑之間的交互影響，本研究 ‧ 國. 學. 對於非經濟因素部分缺乏相關實證數據，此外，(Ⅵ)上述五項傳導路徑之間的交. ‧. 互影響，本研究將其稱為複合型傳導路徑(Compound contagion)考量各種傳導路. sit. y. Nat. 徑，並將國與國、市場與市場、產業與產業、公司及公司等進行複合傳導，由於. io. er. 各研究對於傳導的定義無一致的看法，非經濟因素與經濟因素以及複合行傳導之文獻大多只能論述，缺少科學化方法論，因此無法準確量化，上述研究中大多是. al. n. iv n C 利用不同的實證計量模型驗證單一種類的傳導路徑，對於著重在整合六種傳導路 hengchi U 徑，亦缺乏相關實證文獻，因此，本研究不討論(Ⅴ)非經濟因素與經濟因素之間的傳導以及(Ⅵ)上述五項傳導路徑之間的交互影響。目前，本研究提供金融傳導概略的藍圖，並將金融傳導分為六項傳導路徑，唯驗證金融傳導之研究方法使用 GARCH 模型，建議後續研究加入其他解釋變數以提高模型整體之解釋能力，或是尋找修正模型的方法，以利捕捉到金融傳導的現象以及傳導路徑，期許配適出較佳的模型，未來更可以挑戰資料融合(Data fusion)，將五項傳導途徑進行資料融合，針對目前研究上討論較少的金融複合傳導路徑部份深入分析及驗證。 3.

(11) 貳、文獻回顧一、金融傳導路徑文獻-傳導定義與國與國之間的傳導環球金融的體系下，國際金融系統密切的發展以及合作，加上各國金融市場不斷地自由化以及國際化，使得各國金融體系易受到其他國家的影響，金融危機不僅侷限於危機發生的主體國家，在金融網絡中隨機衝擊金融任一體系時，除了首當其衝面臨衝擊的主體，衝擊影響也傳導到其他金融體系，而金融危機亦會在金融機構之間相互的傳導(Contagion of financial crisis)，令金融機構管理越顯複雜，為了降低衝擊的風險以及縮短反應衝擊的時間以減少衝擊之影響，許多研究文獻. 政治大. 著重在找出金融傳導的通道(Transmission channels of financial contagion)，主要目. 立. 的則是期望能發現金融傳導的路徑與傳導因子，如此一來，在危機發生前便能適. ‧ 國. 學. 當的監控及觀察金融傳導的路徑與傳導因子，而在危機發生後亦能在最短時間內找出問題癥結並給予正確且有效率之金融政策建議，快速阻絕金融危機傳導的路. ‧. er. io. sit. Nat. (一)金融傳導定義(Definitions of financial contagion). y. 徑，對於金融體系而言更能加強其風險管理的效能和效率。. 近年來由希臘政府公債分別被國際上的三大信用評級機構（標準普爾、穆迪. al. n. iv n C 和惠譽）先後調低希臘國債的信用等級為歐債危機起點，使歐洲其它國家亦受到 hengchi U 主權債信危機之影響，反觀歷史中數次的金融危機，如 1990 年代亞洲金融危機、 2008 金融海嘯，到 2010 年主要源自希臘急於援用鉅額融資來設法支付大量到期公債，以避免出現債務違約的風險引發的歐洲債券危機，都能發現這些金融危機除了面臨衝擊的主體國家之外，危機亦快速的傳導至其他國家、市場與產業，造成全球性金融體系的混亂及恐慌，即便瞭解金融傳導路徑和金融傳導因子是相當重要的研究，但目前研究人員在金融傳導(Financial contagion)的定義上尚未達到一致的共識，有鑑於此，Paas 與 Kuusk(2012)整理許多金融傳導相關研究，並區分出三類對於金融傳導不同的定義。. 4.

(12) 第一，研究中廣泛定義金融傳導，金融傳導一般指的是衝擊為跨國家 (Cross-country)影響的情況，也就是某一國家面臨危機衝擊會影響至另一個國家，此情況亦稱跨國外溢效果(Cross-country spillover effects)，第二，研究中狹義定義，則是對於金融傳導定義中放入許多限制，其中只有在衝擊傳導到其他國家而該傳導的衝擊是超過國家之間基本的連結，此時才存在金融傳導，換句話說，只有當兩國家之間衝擊的影響無法被兩國家間基本的連結解釋，或者是超出的共變動 (Excess co-movement)才稱做傳導確實發生，第三，嚴格定義，除了跨國之間的衝擊影響確實存在之外，危機發生當時的金融傳導影響比尚未發生危機時的影響來的大(Stronger)，才稱傳導確實發生，目前，第二和第三狹義定義金融傳導之. 治政部份是許多研究仍未取得共識的一塊。大立而對於金融傳導通道(Financial transmission channels)許多研究亦有不盡相同 ‧ 國. 學. 的看法，Paas 與 Kuusk(2012)亦整理許多金融傳導相關研究，並將這些傳導通道. ‧. 區分成三種基本連結來解釋，分別為金融連結路徑(Financial link)、實質連結路. sit. y. Nat. 徑(Real links)以及政策的連結路徑(Political links)，金融連結路徑是指國與國之間. io. er. 藉由國際金融機構系統相互連結，而實質連結則是指國與國之間基本的經濟關連，主要是藉由國際貿易(International trade)等經濟基本面相互連結，最後，政策連結. al. n. iv n C 路徑是指國與國之間有政策因素相互連結，本研究則將金融傳導通道定義成金融 hengchi U 傳導路徑，並將金融傳導路徑分成六類，(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導(Ⅳ)公司與公司之間的傳導(Ⅴ)非經濟因素與經濟因素之間的傳導(Ⅵ)上述五項傳導路徑之間的交互影響。金融傳導路徑固然重要，其中金融傳導因子亦在金融傳導路徑中扮演重要的角色，例如 Gorton 與 Metrick(2012)以及 Fong 與 Wong(2012)則分別在實證分. 析中加入美國和歐洲的風險因子，風險因子為美國及歐洲十年及三個月期的政府公債殖利率差、歐元兌美元匯率報酬等變數，本研究將這些風險因子視為金融傳導因子，金融傳導因子亦為本研究主要觀察的部分，藉由這些傳導因子進一步探. 5.

(13) 討金融傳導的路徑，驗證是否能藉由傳導因子來當作金融傳導的訊號，本研究將各文獻中提到的風險因子進行整理，並以表格呈現，主要可將傳導因子區分成為股市、債市、匯市以及衍生性金融商品市場，此外，本研究主要探討銀行之間的傳導路徑，因此特別對影響銀行之間的因子進行整理，將傳導因子分為五類。表一:金融傳導因子分類傳導因子分類. 傳導因子:變數. 股市.  S&P500 指數報酬  MSCI Europe 指數報酬  DAX 波動率指數  十年期政府公債  殖利率曲線斜率  歐洲政府公債十年期以及三個月期之利差  歐元兌美元匯率報酬  VIX(Volatility Index)  隔夜交換(Swap1)利差  三個月期歐洲回購率 (Repo rate2)  信用違約交換 (Credit Default Swap3)  一年期歐洲銀行間拆款利率與一年期歐洲政府公債差  LIBOR-OIS 利差  EURIBOR  財務報表變數  雙邊借貸曝險金額. 債市. 學. 匯市衍生性商品市場. Gorton and Metrick(2012) Fong and Wong(2012). Gorton and Metrick(2012) 治政 Fong and Wong(2012) 大 Fong and Wong(2012) Gorton and Metrick(2012) Fong and Wong(2012) Eichengreen et al. (2012). ‧. ‧ 國. 立. 文獻. n. Ch. sit er. io. al. y. Nat 銀行特別因子 (Banks specific). Gorton and Metrick(2012) Fong and Wong(2012) Jakob and Tigran(2012) Aebi ,Sabato and Schmid(2012) Boss et al. (2004). engchi. i Un. v. 資料來源:本研究整理 1. Swap 是一種金融衍生品（亦稱為金融衍生工具），指交易雙方約定在未來某一期限相互交換各自持有的資產或現金流的交易形式，一般常見型式則為利率交換或貨幣交換。 2 附買回協議（Repurchase agreement) 通常簡寫為 Repo，最常用於募集短期資金，交易雙方同意標的持有人賣出標的，並在未來約定日期買回標的，回購價格必須高於賣出價格，兩者之間的差異由回購利率（Repo rate）決定。 3 信用違約交換(Credit Default Swap)屬於信用衍生性金融商品之一，信用保護買方(Protection Buyer)定期支付固定的費用予信用保護賣方(Protection Seller)，一旦標的資產(Reference Asset)發生違約，買方有權利要求賣方依契約上所訂定，獲得補償，是一種可讓信用提供者移轉信用風險的衍生性金融商品。 6.

(14) (二)傳導路徑-國與國之間許多研究欲驗證金融傳導的傳導路徑，而國與國之間的傳導一般為最常見的研究內容，主要研究各國之間如何相互影響，Moon 與 Choun (2010)文中提到近年來，由於開發中國家在股市市場受到相當程度的注意，故選擇美國(Standard & Poor’s 500 Index)和中國(ShanghaiStock Exchange Index)之股票市場指數各自代表已發開以及開發中國家，藉由股票市場的短期報酬外溢效果以及波動外溢效果 ( Volatility Spillovers)作為兩國之間傳導之路徑，探討已開發國家以及開發中國家之間傳導的路徑，此外，林楙然(2012)亦藉由股票市場探討亞洲六個國家為台灣、日本、韓國、中國、新加坡和香港連動關係，莊旭明(2012)在跨國金融危機擴散. 治政效果之分析在 2008 年全球金融危機發生後，美國與亞洲國家股票市場之間(美國、大立新加坡、台灣、日本和泰國)的相關性是否發生明顯的改變，觀察各國股票市場 ‧ 國. 學. 的相關性是否產生不對稱的現象，以及美國股市波動對其他四個國家有無產生蔓. ‧. 延效果，並藉由不同期間的資料來檢定蔓延效果以看出各國之間是否在極端的情. sit. y. Nat. 況下產生尾端相關性，普遍而言，各國股市資料為立即且效率的反應市場訊息，. io. er. 因此，眾多文獻即採用股票市場指數來當數據，驗證國與國之間傳導路徑。以 2007 至 2008 以美國次級房屋信貸為起點，過度借貸加上信用氾濫，導致. al. n. iv n C 大量的次級抵押以及高風險的貸款被資產證券化，由美國次級房貸引起的金融海 hengchi U 嘯造成全球性的金融危機，顯示全球信用危機在國與國之間的傳導效果是快速的，而 2010 年發生的債務危機，主要源自希臘急於援用鉅額融資來設法支付大量到期公債，少數歐元區國家的主權債務顯著增長，但問題卻困擾著整個歐元區，除了希臘(Greece)之外，葡萄牙（Portugal）、義大利（Italy）、愛爾蘭（Ireland）、西班牙（Spain）的主權債券市場亦受到影響，2012 年時歐債危機更顯現國與國之間存在傳導的現象，而且傳導效果快速且顯著。因此，除了用各國股市當作國與國之間金融傳導路徑之外，藉由各個國家主權債券或是主權債券衍生性金融商品市場，亦可成為驗證國與國之間的傳導路徑. 7.

(15) 的變數，例如:Fong 與 Wong(2012)研究中選擇歐洲各國與美國、英國以及日本的國家主權信用違約交換資料(Sovereign credit default risks)來進行實證，將複雜的風險關係轉換為一對一的連結，實證結果顯示當希臘在壓力下，下一個藉由主權信用違約交換衝擊的傳導路徑而有危機的國家即為愛爾蘭以及葡萄牙，而非歐洲地區發生危機，則以英國對於歐洲國家有較大的影響，選擇政策將視情況不同，亦不同鄰近之國家承受危機壓力下對於其他國家主權信用違約交換價差衝擊結果將會顯著的不同，政策制定者可以利用主權債券或是主權債券衍生性金融商品來監控歐洲債券危機發展情況。. 政治大除了國與國之間的傳導路徑之外，本研究將金融傳導路徑的相關文獻整理後立. 二、金融傳導路徑文獻-市場與市場、產業與產業之間的傳導. ‧ 國. 學. 分成六類，(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導(Ⅳ)公司與公司之間的傳導(Ⅴ)非經濟因素與經濟因素之間的傳導(Ⅵ). ‧. 上述五項傳導路徑之間的交互影響。. Nat. io. sit. y. (一)市場與市場之間的傳導. n. al. er. 市場和市場之間的傳導也是常見的研究之一，金融海嘯起點為不動產市場，. Ch. i Un. v. 也藉由不動產證券化等因素，將次級房貸的衝擊傳導到證券市場或是衍生性金融. engchi. 商品市場，在 Guo、Chen 與 Huang(2011)一文中探討四市場之間的傳導效果，四個市場分別為不動產市場、股票市場、信用違約市場以及能源市場，此四個市場在金融危機中扮演重要角色，次級房貸市場崩塌之時亦使信用違約市場發生許多違約案件，排除市場本身的衝擊，發現市場間傳導效果在金融危機期間較為顯著，亦觀察到股票市場對於信用違約市場會產生較大的波動，換句話說，信用違約市場對於股票市場的波動有較強的反應，此外，股票市場以及能源市場在金融危機時傳導效果亦較顯著，然而，信用違約市場對於不動產市場之影響則為不顯著，此研究顯示市場與市場之間亦存有傳導的路徑，且在金融危機衝擊發生時有較大的波動反應。 8.

(16) (二)產業與產業之間的傳導由上而下(Top down)的邏輯，接著為產業與產業之間的傳導，由 Hertzel 與 Officer(2012)一文的研究引用 Lang 與 Stulz 於 1992 年提出之觀點「將產業間對手(Intra-industry rival)破產時顯著負向影響至競爭對手的股票價格稱為傳導效果(Contagion effects)，而顯著正向影響至競爭對手股票價格則稱之競爭效果(Competitive effects)」。進而 Hertzel 與 Officer(2012)提出貸款利差(Loan spreads)造成產業間傳導的現象，當產業對手在兩年內提出破產申請時，產業內公司之新貸款利差將會顯著的高於原貸款利差，將影響期間區分為破產潮初期、中期及末期，並加入公司的基本三大報表之財報資料，例如財務槓桿、資. 治政產報酬率及市場淨值比等財務比率資料，實證結果顯示考量貸款公司財務狀況、大立貸款金額以及期間等基本因素會致使傳導效果降低，仍值得注意的是，傳導現象 ‧ 國. 學. 在產業破產潮中期4(bankruptcy waves)會較破產潮初期及末期來的劇烈且較具. ‧. 風險，除此之外，在密集型產業(Concentrated industry)中傳導現象將會較低，. sit. y. Nat. 主因密集型產業當產業對手提出破產申請時，對於產業內公司有正向的影響，如. io. al. er. 提升市占率或是市場力量，亦說明在密集型產業中競爭效果是大於傳導效果。. v. n. 三、金融傳導路徑文獻-銀行與銀行之間的傳導(Interbank). Ch. engchi. i Un. 本研究將公司與公司之間的傳導路徑稱為銀行與銀行之間的傳導路徑，在全球金融系統發展愈來愈密切之際，不可否認的是銀行系統對於傳導的路徑之反應更加敏感，無論是追朔自 2000 年的網路泡沫到 2008 年金融海嘯以及 2012 年的歐債危機，都可以發現各種危機不斷地衝擊到銀行系統，銀行系統被衝擊後影響到全球的金融環境以及發展，有鑑於此，本研究將銀行與銀行間之金融傳導路徑分為三大類，一為不同銀行網絡結構之衝擊效果，二為銀行間直接傳導路徑，三為其它銀行間影響因子。. 4. 根據 Hertzel and Officer(2012)將破產潮分為初期、中期及末期，破產朝初期為之前一定期間產業對手僅零家或一家提出破產申請，破產潮中期為之前及之後一定期間產業對手有兩家及兩家以上提出破產申請，破產潮末期則是產業對手之後一定時間僅零家或一家提出破產申請。 9.

(17) (一) 銀行網絡結構之衝擊效果銀行間市場為金融傳導的一項重要路徑，Martinez-Jaramillo 等(2010)提出系統性風險主要可區分為兩大部分，一為隨機衝擊，二為傳導路徑導致其他產生負面的衝擊效果，藉由演算法衡量受到事件隨機衝擊以及傳導後的情況，顯示體質較弱的銀行藉由銀行之間的借貸市場傳導至其他銀行，隨機衝擊後透過銀行之間的傳導使銀行違約風險高的銀行數增加，金融危機就如同骨牌效應般相互傳導，而該篇文章提到銀行間流動性問題為重要的傳導路徑，發現銀行系統脆弱度 (Fragility)主要受到銀行違約機率之影響，換句話說，是指銀行對於與其他銀行之間的相關性以及在網絡中(Network)是否過度曝險及較敏感，除此之外，亦會. 治政受到外生變數的影響，像是銀行的策略行為當情況不同時經營策略亦會有所改變，大立因此，銀行壓力測試以及銀行之間的網絡結構顯得更為重要，當整個銀行網絡中 ‧ 國. 學. 的某一家銀行發生危機是否會將衝擊影響自下一家銀行，對於銀行網絡系統中剩. ‧. 餘的其他金融機構是否會受到傳導，一般藉由銀行之間的借貸金額來進行實證分. sit. y. Nat. 析，如 Memmel 與 Sachs(2011)利用德國銀行部門數據來分析銀行間傳導現象，. io. er. 銀行間的曝險主要是以銀行間借貸為主要衡量變數，在銀行借貸系統中，給定違約機率(loss given default)後銀行如何傳導，文中發現銀行系統因為銀行傳導變的. al. n. iv n C 較脆弱，並將銀行損失分配可以壓縮(condense)至一個指標，研究由於不同時點 hengchi U 直接的曝險致使銀行間發生傳導，藉由給定違約機率模擬傳導的路徑，瞭解到銀行之間由於骨牌效果(domino effect)變得更為脆弱，但固定常數的違約機率對於穩定的系統會存在低估傳導的效果。而銀行系統之衝擊效果亦會受到銀行網絡結構影響，Upper(2011)即是探討銀行之間的網絡結構，主要觀點由 Allen與Gale(2000)以及Freixas、Parigi 與 Rochet (2000)提出之建設性的論點，認為銀行間衝擊之傳導效果會和銀行間網絡結構相關，因此提出四種銀行之間不同的結構來探討傳導的現象，第一，若每家銀行對於其他銀行有對稱性的曝險 (symmetric exposures) 稱之為完整結構. 10.

(18) (complete structure)，第二，每家銀行只有一個相鄰的銀行網絡稱為不完整結構 (incomplete structure)，完整結構與不完整結構相較之下，具完整結構的銀行面對衝擊傳導時能有較大的穩固能力(Stability)，未連結之銀行網絡結構(disconnected structure)則較完整結構更容易發生傳導現象，但在為連結結構之下銀行傳導現象不容易擴散至所有銀行，最後一種是有中央銀行的銀行結構，也就是一家銀行和其他家銀行相連結，但其他銀行之間並沒有連結，所以當其他家銀行產生危機時，能由中央行行切斷其傳導路徑，較能有效阻絕傳導現象，但本文囿於銀行雙邊放款金額較不透明，資料取得受限制，目前暫不予討論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖一:銀行網絡結構類型資料來源: Upper Christian(2011) (二)銀行之間直接傳導路徑銀行之間的借貸市場則為銀行與銀行之間主要的傳導路徑，Upper(2011)提出銀行間主要傳導可從資產以及負債兩端來分析，而主要傳導通道則為貸款曝險 (Loan exposures)，亦稱直接效果(Direct effects)，由上述文獻可以發現，銀行之間主要的直接曝險來自於銀行之間相互借貸的行為，而 Boss 等(2004) 亦利用奧地利銀行之間的借貸數據以及網絡模型進行實證分析，使用網絡結構(Network 11.

(19) structure)以及奧地利央行資料來觀察奧地利銀行間市場，將各家銀行視為節點，銀行之間的負債為連結，如此一來數據資料便能表示成為矩陣的型態，此文獻發現銀行網絡連結大多數的節點僅擁有少數的連結數，而極少數的集散節點卻擁有多數的連結數，這樣的連結分佈即稱為無尺度網路（scale-free network），無尺度網路之分支度分配(Degree distribution)將服從冪次法則5(Power law)，在這樣的統計分配下，以銀行間市場為例，Boss et al. (2004)探討「當刪除網絡中的某一個節點，會如何影響網絡結構和銀行系統的穩定」，該文獻發現網絡結構存有低群聚度6(Low clustering coefficient)和短路徑7(Short path length)之特性，其最終目標為研究動態傳導，使用網絡結構可視為系統性財務穩健模型的準則，如銀行破產傳. 治政染或償還系統的系統性風險，並指出當移除網絡中重要的節點 (hubs)將會對整大立體銀行系統的穩定性有非常重大的影響。 8. ‧ 國. 學. (三)其他銀行之影響因子. ‧. 銀行間的傳導除了藉由銀行借貸市場為傳導路徑之外，亦考量銀行本身的財. sit. y. Nat. 務報表因子，例如:銀行自有資本比率、銀行間資產占總資產的比重、違約機率. n. al. er. io. 以及銀行間曝險的分配，皆是決定財務穩健性的重要因素，如De Haan 與. i Un. v. Poghosyan (2012)文獻中考量銀行本身財報數據為影響因子，藉由銀行之資產總. Ch. engchi. 額(Assets)以及財務槓桿(Leverage)等財務報表比率做為解釋變數，想探討銀行資產的報酬率波動度(ROA volatility)，另一篇文獻Aebi、Sabato與 Schmid(2012)則以股價報酬率波動度設為被解釋變數，主要選擇銀行資產的報酬率波動度而不選股價報酬率波動度之原因，為銀行資產報酬會直接影響到資本結構，嚴重的話甚 5. Power Law(冪次法則)，事件將隨著事件規模的增加而呈指數式的遞減，而冪次法則和 80/20 法則十分相近，僅少部分（20%）的人從事大量（80%）的某種行為，而大部分（80%）的人則較少（20%）從事此行為。 6 群聚度（clustering coefficient）是用來描述拓撲圖形中點與點之間關係的緊密程度，群聚度愈高，表示此網路圖形中點與點之間的關係愈密切。 7 路徑長度（path length），點與點之間的距離是以點與點之間的轉接次數來衡量，先算出每個點和其他任意點的最短路徑，然後所有最短路徑的平均就是此一圖形的路徑長度，當網路圖形的路徑長度愈短時，即表示此網路的連結效率愈高。 8 無尺度網路其中某些節點與其他節點大量連結，但大多數節點所擁有的連結數卻只有幾個。具有大量連結的節點稱為「集散點」(hubs)。 12.

(20) 至亦影響銀行的健全的短期或長期償債能力，銀行之間的傳導考慮到財務報表之數據其期間較長，通常為季資料或年資料，可以看出長期的影響，卻較無法顯現出短期的傳導效果，Eichengreen等(2012)則用銀行之信用違約交換(credit default swap)與國庫券之差來當變數，探討當金融市場中之一家財務機構發生問題時，如何傳導至其他金融機構，造成全球性的金融危機，主因信用違約交換可由日資料來表示，能即時的反應短期銀行風險的提升，並指出在2007年金融危機初開始時，信用違約交換之平均價差逐漸增加，在解救貝爾斯登9投資銀行(Bear Stearns) 以及雷曼兄弟破產時，利差更持續快速的上升，可以了解到信用違約交換能夠迅速反應市場的恐慌，亦能表示當時銀行的平均風險是屬於何種情況，為快速反應. 治政及發現短期傳導的有效變數之一。大立 ‧ 國. (一)其他傳導路徑文獻. 學. 四、金融傳導路徑文獻-其他傳導路徑以及不同方法論. ‧. 前述說明四項傳導路徑，第五項為非經濟因素與經濟因素之間的傳導，主要. sit. y. Nat. 是像政治或政策影響到經濟層面，這部分之數據較難以量化來衡量，缺乏相關實. n. al. er. io. 證文獻，如:利率的調升及調降、稅率補貼，總統或總理選舉等政策及政治議題，. i Un. v. 許多文獻利用事件研究法(Event study)來探討政策或政治面對於經濟的影響，但. Ch. engchi. 事件發生期間選擇亦存有許多討論的空間，因此，Pastor 與 Veronesi(2012)利用數學推導出一般均衡模型(general equilibrium model)探討政府政策的改變如何影響股票價格，當政府政策維持中立或是無改變時，顯示該政策對於公司之獲利能力(Profitability)是無影響的，反之當政策發生改變時，對於公司獲利能力有影響，模型結果主要顯示當政策發佈改變時，因為政策改變包含許多未預期到(Surprise) 的元素導致價格下降，預期之股票價格報酬會下降，為負向報酬影響，而本研究. 9. 貝爾斯登公司(Bear Stearns Companies Inc.；NYSE: BSC)成立於 1923 年，是美國華爾街第五大的投資銀行與證券交易公司，主要為全世界的政府、企業、機構和個人提供從事資本市場、財富管理等領域的金融服務，2008 年是美國第五大的投資銀行與主要證券交易公司之一，主要從事資本市場、財富管理等領域的金融服務，在次貸危機爆發時期，貝爾斯登成為第一家傳出次貸傷情的華爾街投資銀行，在美國次級貸款風暴中嚴重虧損，瀕臨破產而被收購。 13.

(21) 對於非經濟因素部分亦缺乏相關實證數據，本研究不討論。最後則是上述五項傳導路徑之間的交互影響，本研究將其稱為複合型傳導路徑(Compound contagion)，考量各種傳導路徑，並將國與國、市場與市場、產業與產業、公司及公司等進行複合傳導，由於各研究對於傳導的定義無一致的看法，非經濟因素與經濟因素以及複合型傳導之文獻大多只能論述，缺少科學化方法論，因此，上述研究中大多是利用不同的實證計量模型驗證單一種類的傳導路徑，對於著重在整合五項傳導路徑之間，亦缺乏相關實證文獻，本研究不討論。 (二)方法論相關文獻. 政治大導定義進行驗證，廣義的傳導效果一般指的是衝擊為跨國家影響的情況，當跨國立. 過去眾多文獻各自提出本身對於傳導的定義，並且根據不同的方法論對於傳. ‧ 國. 學. 家之間影響出現便認為存有傳導的情況，前述提到 Paas 與 Kuusk(2012)一文中，除了回顧傳導的定義之外，亦將傳導之實證方法進行分類，廣義的傳導為跨國家. ‧. 之間影響為傳統的迴歸模型，而對於驗證狹義的傳導則有較多文獻提出不同且較. sit. y. Nat. 新的計量方法，該文將實證文獻使用之驗證方法論區分成三大種類，第一，利用. n. al. er. io. 跨市場之間的相關係數驗證(Cross-market correlation coefficients)傳導，在衝擊發. i Un. v. 生後兩國家或兩市場之兩者間相關係數顯著地增加，便認為相關係數顯著增加是. Ch. engchi. 危機衝擊傳導的證據，但是，其中忽略當兩者之間相關係數顯著增加也許不是傳導所導致，而只是因為兩者間之相依性提高(interdependence)，亦或是忽略調整異質變異(heteroskedasticity)或外生變數以及其他(Omitted variables)影響兩者相關係數之因素，第二種類型的方法論為利用條件機率(Conditional Probabilities)驗證傳導，說明給定危機發生的情況下，其他地方亦發生危機的機率，第三種類型為利用波動性(Volatility)驗證傳導路徑，通常會利用 ARCH 或 GARCH 相關系列模型來估計 Variance-covariance matrix 改變的情況，如: Prati、Bartolini 與 Bertola(2003) 研究主要國家銀行之間隔夜貸款，連結短期利率與各國央行的操作步驟，發現央行的操作與干預種類在各國短期利率與每日行為扮演重要的角色，利用 14.

(22) Exponential GARCH 方法捕捉傳導對金融系統的影響，此外，Moon 與 Yu(2010) 則是先找出資料結構性改變的時點，區分觀察期間並使用 GARCH-M 模型驗證美國與大陸股市之間是否存有報酬外溢效果以及波動外溢效果。有鑑於此，後續許多文獻開始尋找修正模型的方法，以利捕捉到金融傳導的現象以及傳導路徑，配適出較佳的模型，除了持續改善上述三大類的狹義傳導計量模型，另一種描述銀行間傳導的方法論則使用拓撲學10(Topology)的概念，拓樸學是近代發展起來的一個研究連續性現象的數學分支學科，其中有些特性用來描述銀行之間的關係，例如:分支度（degree）是用來表示單一節點的相鄰節點數，用來顯示每家銀行在借貸市總共有借貸關係的銀行家數，將每家銀行視為圖形中. 治政的點，其借貸關係視為圖形中的邊，而群聚度（clustering 大 coefficient），是用來立描述拓撲圖形中點與點之間關係的緊密程度，群聚度愈高，表示此網路圖形中點 ‧ 國. 學. 與點之間的關係愈密切。. ‧. 因此，Lenzua 與 Tedeschi (2012)利用拓樸學的概念來分析銀行之間的結構和. y. Nat. 連結關係，藉由不同種類的財務機構以借款契約(Lending agreement)來分析銀行. er. io. sit. 間之市場及網絡結構，以隨機11(Random)和無尺度12結構(Scale free)來分析哪種結構當市場面臨隨機衝擊下更有彈性應對，此衝擊是以流動性衝擊來驗證，以及在. al. n. iv n C 網絡結構中系統性風險如何傳導染，結果發現在面對隨機衝擊時，隨機的網絡模 hengchi U. 型較無尺度網絡模型更有彈性，因為無尺度網絡較易與無系統群及組織在一起，導致須重新配置市場參與者之最適流動性，易提升違約風險(default risk)，拓樸學在金融體系中的應用概念亦能用簡單的拓樸圖形來表示，但多數拓樸學在銀行之間的運用上採用的銀行之間的借貸為變數，為一家銀行與另一家銀行之借貸情況，而此精細的借貸數據資料目前市場中較不透明，亦較難取得。. 10. 一張圖（Graph）是由點（Vertex）和邊（Edge）所形成，其中點所形成的集合稱為點集，圖的邊所形成的集合稱為邊集，一般拓樸學中，用「節點」代替「頂點」，用「連結」代替「邊」。 11 隨機網路有一重要預測：儘管連結是隨機的，但由此方式所形成的網路是高度自由的，即大部分節點的連結數會大致相同，且隨機網路中節點的分佈為卜桑分配（Poisson Distribution）。 12 無尺度網路連結的架構中，大多數的節點僅擁有少數的連結數，而極少數的集散節點卻擁有多數的連結數，這樣的連結分佈即稱為「無尺度網路」（scale-free network）。 15.

(23) 目前，受限於資料之取得，本研究參考 De Haan 與 Poghosyan (2012)與 Aebi ,、 Sabato 與 Schmid(2012)中使用的縱橫資料迴歸模型，考量銀行本身財報數據以及總體經濟變數為影響因子，探討傳導因子對於銀行資產的報酬率波動度之影響， Eichengreen et al. (2012)亦使用縱橫資料迴歸模型，取銀行之信用違約交換為被解釋變數進行實證分析，因此，本研究採用縱橫資料迴歸模型驗證銀行與銀行之間傳導路徑;一般而言，財務資產報酬的報酬變異數會隨著時間而改變，時間序列的資料分配呈現高狹峰、厚尾以及不為常態分配之特性，條件變異數會隨著時間點改變而改變，而且擁有大波動往往伴隨著大的波動、小波動往往伴隨著小的波動、報酬波動具有很強的持續性、存有波動的群聚現象(Volatility clustering)等特. 治政性，故本研究採用 GARCH-M 模型驗證國家與國家、市場與市場之間與產業與大立產業之間的傳導路徑，較能捕捉到資料本身的特徵，未來可以挑戰資料融合(Data ‧ 國. 學. fusion)，將傳導途徑進行資料融合，針對目前研究上討論較少的金融複合傳導路. ‧. 徑部份深入瞭解，且本研究著重於點與點之間的傳導關係，之後亦可討論鏈的關. n. al. er. io. sit. y. Nat. 係，瞭解一層一層的傳導是如何發生。. Ch. engchi. 16. i Un. v.

(24) 參、研究方法與模型設定一、研究設計. 文獻回顧. 模型設定. 政治大. 立. 資料蒐集. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 單根檢定. Panel Regression. Ch. engchi. Fixed Effects Random Effects. i Un. v. ARMA. ARCH test GARCH-M. (Ⅳ)公司與公司之間的傳導 (受限資料，進而探討銀行與金融傳導因子之間). (Ⅰ)國與國之間的傳導 (Ⅱ)市場與市場之間的傳導 (Ⅲ)產業與產業之間的傳導. 圖二:研究流程圖 17.

(25) 主要將金融傳導的路徑分成六類，(Ⅰ)國與國之間的傳導(Ⅱ)市場與市場之間的傳導(Ⅲ)產業與產業之間的傳導(Ⅳ)公司與公司之間的傳導(Ⅴ)非經濟因素與經濟因素之間的傳導(Ⅵ)上述五項傳導路徑之間的交互影響，利用相同之傳導因子分別探討是否會對上述路徑造成顯著性的影響，且欲分析傳導因子在銀行之間的影響，整體而言，本研究將提供對於金融傳導路徑的驗證，發現相同的傳染因子會在國家、市場、產業、銀行之間產生影響，具有多次傳導的行為，而主要採取變數的時間為歐債危機發生之期間，傳染因子亦選取歐洲相關之變數，本研究主要關注之銀行間傳導，亦採取納入歐洲銀行間隔夜拆款利率(EURIBOR)，以銀行為主體，並在歐洲債券危機的背景下，驗證金融傳導路徑是否存在。二、GARCH-M 模型. 立. 政治大. ‧ 國. 學. 對於金融傳導之實證方法，Paas與Kuusk(2012)區分為廣義和狹義，對於驗證狹義的傳導之驗證方法論，主要則分成三大種類，第一為利用相關係數驗證傳. ‧. 導，第二種類型的方法論為利用條件機率驗證傳導，第三種類型為利用波動性驗. sit. y. Nat. 證傳導路徑，通常利用ARCH或GARCH模型來驗證傳導現象，後續研究亦將GARCH. n. al. er. io. 模型進行擴展或變化，發展出EGARCH、GARCH-M等進階模型，如GARCH-M模型將原. i Un. v. 先ARCH模型的均數方程式之解釋變數加入條件變異數，此型態稱為ARCH in. Ch. engchi. Mean(ARCH-M)模型，是由Engle等(1987)年提出，之後轉變為一般化GARCH-M模型， Bollerslev、Engle與Wooldridge (1988)更將此模型運用在資本資產評價模(CAPM)，用來估算報酬之風險貼水係數，而本研究認為GARCH-M模型能捕捉到市場報酬的特徵，例如:股市報酬資料分配一般呈現厚尾(fat tail)、高狹峰(leptokurtic)以及不為常態分配之特性，且股市報酬變異數受到自我相關的影響，傳統的計量模型並不能完全解釋市場報酬的實際情形，因此，本文在國家與國家、產業與產業以及市場與市場之間傳導之實證將使用GARCH-M模型進行實證分析。 Engle(1982)提出了ARCH(Autoregression Conditional Heteroskedaticity) 模型，考慮了落後期的殘差項平方函數為條件變異數，而Bollerslev(1986)將ARCH過程擴 18.

(26) 充成一般化之GARCH模型，並在模型的資料配適上獲得實證支持，亦有文獻用 GARCH來驗證金融傳導現象，Prati、 Bartolini與 Bertola (2003)研究主要國家銀行之間隔夜貸款，連結短期利率與各國央行的操作步驟，即為利用GARCH系列方法來捕捉傳導對金融系統的影響。 GARCH(p,q)模型一般式均數方程式. (1). 變異數方程式 Engle 等(1987)提出，將原先 ARCH 模型的均數方程式之解釋變數加入條件變異數，此型態稱為 ARCH. 立. 治政 in Mean(ARCH-M) 大模型，之後轉變為一般化. GARCH-M 模型；Bollerslev 等(1988)將此模型運用在資本資產評價模(CAPM)，. ‧ 國. 學. 用來估算報酬之風險貼水係數，因持有具風險之資本市場資產會要求風險貼水，. ‧. 部分之資產報酬會由風險波動(Risk Volatility)所決定，資產的風險貼水可由報酬. sit. y. Nat. 之變異數來衡量。. n. al. er. io. GARCH(p,q)-M 模型一般式. Ch. 均數方程式. engchi. i Un. v. (2). 變異數方程式. 為在期擁有的全部訊息集合。三、Panel Regression 模型一般而言，資料型態可分為時間序列(Time series)亦稱為縱斷面資料，以及橫斷面資料(Cross section)，而縱橫資料(Panel data)則是同時包含縱斷面以及橫斷面的一種資料型態，能透過長期的時間序列分析反應變數之間的關係，同時亦能將橫斷面分析影響列入估計分析，因此，縱橫資料具有豐富性以及多變性之特性， 19.

(27) 而許多文獻中亦使用縱橫資料迴歸模型進行實證分析，例如 De Haan 與 Poghosyan (2012)與 Aebi ,、Sabato 與 Schmid(2012)以及 Eichengreen 等 (2012)，本研究亦利用縱橫資料迴歸模型驗證金融傳導路徑。一般線性迴歸式(Classical Linear Regression Model) (3). 線性縱橫資料迴歸模型(Linear Panel Data Regression Model). 立. 政治大. ‧. ‧ 國. 學. …. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 在縱橫資料的模型中會進一步區分為固定效果(Fixed Effects)以及隨機效果 (Random Effects)，劉彩卿與陳欽賢(2012)文中提到固定效果模型是指各個觀察個體各自的效應與自變數有關聯，而隨機效果模型則是各個觀察個體各自的效應與自變數無關聯。固定效果模型(觀察個體各自的效應與自變數. 有關聯，. 且固定效果模型大多假定不同觀察個體各自之效應是不隨時間變動而變動，因此在不同的時間點下不會改變，但可以保有不同個體之間的異質性，故. 20.

(28) 隨機效果模型(觀察個體各自的效應與自變數. 無關聯，. 應將不同的觀察個體異質性假設為隨機性較為合理，因此，假設. 最適模型選擇之檢定方法，使用 Hausman test，其虛無假設為:. Hausman test 的虛無假設為固定效果以及隨機效果兩種模型的係數差異是非系統性的，亦即用 FE 以及 RE 兩個模型之係數共變異數進行運算，並得到統計估計. 政治大變數與隨機項具相關性，不符合 RE 觀察個體各自的效應立. 量，檢驗資料是否滿足 RE 變數獨立性之假設，若拒絕虛無假設，表示 RE 的自與自變數. 無關聯之. ‧ 國. 學. 假設，因此，固定效果模型比較適合，反之，若無法拒絕虛無假設，則表是隨機效果為較有效的估計模型。. ‧. 四、模型設定. y. Nat. io. sit. 在挑選樣本的過程中，2012 年全球 GDP 排名德國第四，僅次於美國、中國. n. al. er. 及日本，因此，考量德國為歐洲中財政較為穩健之國家，為歐元區之首，驗證大. Ch. i Un. v. 國是否影響其他國家或是小國，是否存在金融傳導路徑，接著選定歐洲傳導因子，. engchi. 根據 Gorton 與 Metrick(2012)文中放入許多美國之控制變數，分別為 10 年期政府公債(10 Year Treasury)、10 年期政府公債平方、S&P500 指數週報酬、S&P500 指數之波動率(VIX)、殖利率曲線之斜率(Slope of yield curve)亦為公債十年期與兩年期殖利率之斜率以及隔夜信用違約交換價差(Overnight swap spread)，而 Fong 與 Wong(2012)則在實證文獻中放入歐洲之控制變數，包括歐洲政府公債十年期以及三個月期之利差、MSCI Europe 指數報酬與三個月期歐洲政府公債差、DAX 波動率指數、一年期歐洲銀行間拆款利率與一年期歐洲政府公債差、三個月期歐洲回購率(repo rate)與三個月政府公債差以及歐元對美元匯率，上述提到之變數一般被認為是風險因子(risk factors)，本研究將這些風險因子視為傳導因子，傳 21.

(29) 導因子亦為本研究主要觀察金融傳導路徑相當重要的部分，欲藉由傳導因子進一步探討傳導的路徑，驗證是否能藉由傳導因子來當作金融傳導的訊號，本研究觀察的主體為德國，探討德國股市是否影響其他國家股市或者匯率市場是否影響到德國股票市場，以及德國銀行產業是否會影響到科技產業，驗證金融傳導路徑是否存在以及相同之金融傳導因子是否會對金融傳導路徑造成顯著性的影響。因此，本研究參考 Gorton 與 Metrick(2012)以及 Fong 與 Wong(2012)，主要則選取六項歐洲傳導因子，首先，以十年期德國政府公債殖利率代替美國政府公債殖利率，主因德國為歐洲各國當中財政最為穩健，投資風險最低之國家，一般用來當作歐洲政府無風險利率之指標，接著為德國政府公債十年期與兩年期之殖. 治政利率斜率、STOXX 指數報酬、道瓊斯 VSTOXX 大指數、歐元隔夜平均利率指立數 EUEONIA (The Euro OverNight Index Average)以及歐元兌美元匯率(US to 13. 14. 15. ‧ 國. 學. EUR)，以上述六項變數為歐洲常見之風險因子，本研究亦稱之為傳導因子，並. ‧. 分別簡稱為 TRBD10T、TRBD10_2、RSTOXX、VSTOXXI、EUEONIA、RUSEUR，. sit. y. Nat. 本研究並將此六項傳導因子稱為歐洲傳導因子(Contagion Factors)以簡化模型之. io. al. n. 歐洲傳導因子分類. 傳導因子:變數. Ch. engchi U. er. 呈現方式，選定傳導因子之後便能依據各文獻確認各項傳導路徑之模型。. v ni. 變數代碼. 股市. 道瓊斯 STOXX 指數報酬. RSTOXX. 債市. 德國政府公債十年期殖利率. TRBD10T. 債市. 德國政府公債十年期與兩年期之殖利率斜率. TRBD10_2. 匯市. 歐元兌美元匯率報酬. RUSEUR. 衍生性商品市場. 道瓊斯 VSTOXX 指數. VSTOXXI. 衍生性商品市場. 歐元隔夜平均利率指數. EUEONIA. 資料來源:本研究整理. 13. 道瓊斯 STOXX 指數由 STOXX 公司開發，該公司由道瓊斯公司和德國、法國、瑞士證券交易所共同組建主要是用於反映整個歐洲證券市場價格波動情況，作為歐洲投資者的投資基準指數。 14 歐洲的 VStoxx 指數，是衡量歐元區 STOXX 50 指數選擇權價格，通常用來評估未來風險，指數越大表示違約風險越高，可當作歐洲恐慌指數。 15 歐元隔夜平均利率指數(EONIA, Euro Overnight Index Average)指的是歐元區無擔保銀行間貸款的隔夜利率的每日平均數，它相當於美國的聯邦基金利率，EONIA 的計算是將歐元區市場上現行的隔夜無擔保貸款交易的利率計算加權平均數。 22.

(30) 傳導路徑(Ⅰ)國家與國家之間傳導路徑(Ⅰ)參考 Gorton 與 Metrick (2012) 和 Moon 與 Yu (2010)設定模型，以歐債危機為背景，驗證國家之間的傳導路徑，驗證德國股市報酬和波動性是否會影響到歐洲或是其他國家的股市報酬和波動性，本研究以德國 DAX30 股票市場為代表，其他國家股市則選擇美國 S&P500、英國 FTSE100、法國 CAC40 指數、義大利 MIB 指數、西班牙 IBEX35 指數、葡萄牙 PSI20 指數、希臘 ATHEN 指數、愛爾蘭 ISEQ 指數，因各國股票報酬的變異數會隨著時間而改變，時間序列的資料分配呈現高狹峰、厚尾以及不為常態分配之特性，因此，本研究採用 GARCH-M 模型驗證國家與國家之間傳導路徑，驗證德國股市報酬與其他國家股市報酬之間. 治政的關聯性，亦即瞭解當德國股市發生報酬波動時，是否存在短期報酬外溢效果以大立及波動性外溢效果(Volatility Spillover)，使得其他國家股市報酬受到影響。 ‧ 國. 學. 國家變數. 變數代碼 RDAX30. 美國 S&P500 指數. RS&P500. 英國 FTSE100. RFTSE100. 葡萄牙 PSI20 指數希臘 ATHEN 指數. y. sit. al. RMIB. n. 西班牙 IBEX35 指數. RCAC40. er. io. 義大利 MIB 指數. Nat. 法國 CAC40 指數. ‧. 德國 DAX30 指數. Ch. engchi U. 愛爾蘭 ISEQ 指數. vRIBEX35 i n RPSI20. RATHEN RISEQ. 資料來源:本研究整理首先，設定 Benchmark Model GARCH(1,1)-M，變數下標 1=德國;2=其他國家(歐洲各國、英國以及美國)，並執行 Benchmark Model。. 為在期擁有的全部訊息集合。執行完 Benchmark Model 後，將 Benchmark Model GARCH(1,1)-M 中的殘差 23.

(31) 項平方，稱之. ，並以它代表為未預期報酬的波動性，最後將落後一期的殘差. 項平方放入 GARCH-M 模型的變異數方程式中，方程式如下。. (4) 為在期擁有的全部訊息集合。傳導路徑(Ⅱ)市場與市場之間傳導路徑(Ⅱ)參考 Gorton 與 Metrick(2012)和 Moon 與 Yu (2010)設定模型，. 政治大算德國股票市場和歐元兌美元匯市之每日報酬率，財務資產報酬的變異數會隨著立以歐債危機為背景，驗證市場之間的傳導路徑，選擇股市和匯市為代表市場，計. ‧ 國. 學. 時間而改變，時間序列的資料分配呈現高狹峰、厚尾以及不為常態分配之特性，故本研究採用 GARCH-M 模型驗證市場與市場之間傳導路徑，較能捕捉到資料. ‧. 本身的特徵，驗證德國股市報酬與歐元兌美元之間的關聯性，亦即瞭解當德國股. sit. y. Nat. 市發生報酬波動時，是否存在短期報酬外溢效果以及波動性外溢效果(Volatility. n. al. er. io. Spillover)，使得匯率市場報酬受到影響。市場變數股票市場. Ch. engchi. 匯率市場. i Un. v變數代碼 RSTOCK RUSRUR. 資料來源:本研究整理設定 Benchmark Model GARCH(1,1)-M，變數下標 1= Exchange rate market ; 2= STOCK market，並執行 Benchmark Model。. 為在期擁有的全部訊息集合。執行完 Benchmark Model 後，將 Benchmark Model GARCH(1,1)-M 中的殘差 24.

(32) 項平方，稱之. ，並以它代表為未預期報酬的波動性，最後將落後一期的殘差. 項平方放入 GARCH-M 模型的變異數方程式中，方程式如下。. (5) 為在期擁有的全部訊息集合。傳導路徑(Ⅲ)產業與產業之間傳導路徑(Ⅲ)參考 Moon 與 Yu (2010)設定模型，實證方法和傳導路徑. 政治大. (Ⅰ)(Ⅱ)相同，驗證產業之間的傳導路徑，選擇德國銀行產業以及科技產業為代. 立. 表產業，探討當銀行產業出現危機時對於類股市值較高的科技產業之影響，計算. ‧ 國. 學. 德國銀行類股指數和德國科技類股指數之每日報酬率，財務資產報酬的變異數會隨著時間而改變，時間序列的資料分配呈現高狹峰、厚尾以及不為常態分配之特. ‧. 性，故本研究採用 GARCH-M 模型驗證市場與市場之間傳導路徑，較能捕捉到. y. Nat. io. sit. 資料本身的特徵，驗證德國銀行產業以及得德國科技產業之間的關聯性，亦即瞭. n. al. er. 解當德國銀行類股指數發生報酬波動時，是否存在短期報酬外溢效果以及波動性. Ch. i Un. v. 外溢效果(Volatility Spillover)，使得德國科技類股指數報酬受到影響。設定. engchi. Benchmark Model GARCH(1,1)-M，變數下標 1=銀行類股指數;2=科技類股指數。產業變數. 變數代碼. 銀行產業. RBANK. 科技產業. RTECH. 資料來源:本研究整理銀行類股指數. 為在期擁有的全部訊息集合。執行完 Benchmark Model 後，將 Benchmark Model GARCH(1,1)-M 中的殘差 25.

(33) 項平方，稱之. ，並以它代表為未預期報酬的波動性，最後將落後一期的殘差. 項平方放入 GARCH-M 模型的變異數方程式中，方程式如下。. (6) 為在期擁有的全部訊息集合。傳導路徑(Ⅳ)銀行與金融傳導因子之間傳導路徑(Ⅳ.a)以歐債危機為背景，因此歐洲銀行為觀察主體，驗證銀行與. 政治大海嘯時明顯增加，並在雷曼兄弟宣布破產時達到高峰(如圖三)，因此，本研究參立銀行之間的傳導路徑，由文獻 Eichengreen 等(2012)發現信用違約交換價差在金融. ‧ 國. 學. 考 Eichengreen 等(2012)利用歐洲各銀行之信用違約交換當應變數，加入歐洲金融傳導因子，探討歐洲金融傳導因子，短期是否同時傳導至歐洲銀行機構，造成全. ‧. 球性的金融危機，並加入銀行間特有之傳導因子，三個月期歐洲銀行間隔夜拆款. n. al. er. io. sit. y. Nat. 利率(EURIBOR)為解釋變數。. Ch. engchi. i Un. v. 圖三:銀行信用違約交換價差 (Credit Default Swap Spread，mean in basis points) 資料來源: Eichengreen 等(2012) 26.

(34) 銀行變數. 變數代碼. 銀行六個月信用違約交換. CDS. 歐洲銀行隔夜拆款利率. EURIBOR3M. 資料來源:本研究整理. (7) 傳導路徑(Ⅳ.b)則是以美國銀行為觀察主體，驗證歐洲金融傳導因子，長期是否同時傳導至美國銀行機構，主要根據 De Haan 與 Poghosyan (2012)中藉由銀. 政治大 volatility)以及股東權益報酬率之波動度(ROE volatility)，本研究以美國 102 家商立. 行之財務報表比率做為解釋變數，是否影響銀行資產報酬率之波動度 (ROA. ‧ 國. 學. 業銀行財務報表為數據，共六項財務報表數據，分別為資產對數(Log Assets)、稅息折舊攤銷前利潤 (EBITDA) 、放款占資產比 (Loans/Assets) 、放款存款比. ‧. (Loan/Deposits)、財務槓桿(Assets/Equity)以及價格盈餘比(Price/Earnings ratio)，. sit. y. Nat. 再加上六項歐洲傳導因子，探討歐洲傳導因子是否會影響到美國銀行產業報酬波. io. al. n. 為解釋變數。. er. 動，並加入銀行間特有之傳導因子，三個月期美國銀行間隔夜拆款利率(USIBOR). 銀行財務報表變數. Ch. engchi. i Un. v. 變數代碼. 資產報酬率之波動度. VROA. 股東權益報酬率之波動度. VROE. 資產對數. LnA. 稅息折舊攤銷前利潤. EBITDA. 放款占資產比. LA. 放款存款比. LD. 財務槓桿. AE. 價格盈餘比. PE. 銀行特定變數. 變數代碼. 美國銀行隔夜拆款利率. USIBOR3M. 資料來源:本研究整理 27.

(35) (8). 肆、實證結果與分析一、資料蒐集. 立. 傳導路徑(Ⅰ)國家與國家之間. 政治大. ‧ 國. 學. 本研究以德國為例，驗證德國與其他國家是否存在金融傳導路徑，選取每日收盤價，德國為法蘭克福 DAX 指數(DAX30)，其他國家股市則選擇美國 S&P500、. ‧. 英國 FTSE100、法國 CAC40 指數、義大利 MIB 指數、西班牙 IBEX35 指數、葡萄. y. Nat. io. sit. 牙 PSI20 指數、希臘 ATHEN 指數、愛爾蘭 ISEQ 指數，傳導因子則以十年期德國. n. al. er. 政府公債殖利率、德國政府公債十年期與兩年期之殖利率斜率、STOXX 指數報酬、. Ch. i Un. v. 道瓊斯 VSTOXX 指數、歐元隔夜平均利率指數，以及歐元兌美元匯率報酬，將上. engchi. 述六項變數視為歐洲風險因子，本研究亦稱之為傳導因子，並分別簡稱為 TRBD10T 、 TRBD10_2 、 RSTOXX 、 VSTOXXI 、 EUEONIA 、 RUSEUR ，資料來源皆為 DataStream 資料庫的收盤價格、股價指數和匯率日資料，資料總樣本期間為 2008/04/14~2013/02/28，本研究將交易日刪除無法對應的資料，總計有 1274 筆資料，其中將股市指數以及歐元兌美元匯率以及 STOXX 指數計算每日報酬率。其中為第期時日報酬率，. 為第 t 期時之收盤價格，. 為第 t-1 期時之. 收盤價格，並將價格計算轉換成報酬率之後，進行單根檢定，非定態變數一階差分，確定各項變數皆為定態的時間序列後，接著進行兩階段 GARCH 模型估計，報酬率計算公式如下。 28.

(36) 傳導路徑(Ⅱ)市場與市場之間本研究以德國股市為股票市場，以及歐元兌美元之匯率代表匯率市場，選取每日收盤價，分別為德國法蘭克福 DAX 指數(DAX30)以及歐元兌美元匯率報酬，傳導因子則是 TRBD10T、TRBD10_2、RSTOXX、VSTOXXI、EUEONIA、RUSEUR，上述六項變數視為歐洲風險因子，本研究亦稱之為傳導因子，資料來源為 DataStream 資料庫的收盤股價指數和匯率日資料，總樣本期間為 2008/04/14~2013/02/28，本研究將交易日刪除無法對應的資料，總計有 1274 筆資料，其中將變數德國法. 政治大將價格計算轉換成報酬率之後，進行單根檢定，非定態變數一階差分，確定各項立蘭克福 DAX 指數(DAX30)、歐元兌美元匯率以及 STOXX 指數計算每日報酬率，並. ‧ 國. 學. 變數皆為定態的時間序列後，接著進行兩階段 GARCH 模型估計。傳導路徑(Ⅲ)產業與產業之間. ‧. 本研究以德國為例，選擇德國銀行產業以及科技產業為代表產業，探討當銀. y. Nat. io. sit. 行產業出現危機時對於類股市值較高的科技產業之影響，選取類股指數每日收盤. n. al. er. 價，並加入金融傳導因子，資料來源為 DataStream 資料庫的類股股價指數收盤. Ch. i Un. v. 價日資料，總樣本期間為 2008/04/14~2013/02/28，本研究將交易日刪除無法對. engchi. 應的資料，總計有 1274 筆資料，其中將變數德國銀行類股指數、德國科技類股指數以及 STOXX 指數計算每日報酬率，並將價格轉換成報酬率後進行單根檢定，非定態變數一階差分，確定各項變數皆為定態的時間序列後，接著進行兩階段 GARCH 模型估計。傳導路徑(Ⅳ)銀行與金融傳導因子之間信用違約交換為近十年發展快速的金融商品之一，此金融商品擁有反映訊息的速度與價格發現能力，因此，傳導路徑(Ⅳ.a)利用銀行之信用違約交換價差當應變數，以金融傳導因子為解釋變數，探討是否會對於銀行之信用違約交換價差. 29.

(37) 造成顯著性的影響，以歐洲銀行為主體，欲瞭解在歐債危機背景下，歐洲金融傳導因子，短期是否同時傳導至歐洲銀行機構，造成全球性的金融危機，而歐洲銀行的採計樣本的選取，主要參考採計 EURIBOR 並有發行信用違約交換之銀行，共計 17 家，此外，傳導因子則是 TRBD10T、TRBD10_2、RSTOXX、VSTOXXI、EUEONIA、 RUSEUR，上述六項變數視為歐洲風險因子，本研究亦稱之為傳導因子，而信用違約交換(CDS)則選六個月期之契約，資料來源為 DataStream 資料庫，總樣本期間為 2008/08/20~ 2013/02 /28 日資料，確定各項變數皆為定態的時間序列後，接著進行 Panel Regression 模型估計，此外，因各家銀行發行之信用違約交換之基礎不同，故本研究探討信用違約價格的對數變動，公式如下，. 治政 CDS 價格在第 t 日的對數變動率，亦稱信用違約價差。大立 Δ. 為第 i 個. ‧ 國. 學. 表二:歐洲銀行間隔夜拆款利率採計銀行. y. sit. KBC Nordea. Paribas aBNP iv lBanque n C h Postale U i e h n c g Credit Agricole s.a. n. 法國 France. io. 芬蘭 Finland. Erste Group Bank AG. er. 比利時 Belgium. 銀行名稱. Nat. 奧地利 Austria. ‧. 國家. Natixis Societe 德國 Germany. Commerzbank Deutsche Bank. 希臘 Greece. National Bank of Greece. 義大利 Italy. Intesa Sanpaolo. 荷蘭 Netherlands. ING Bank. 西班牙 Spain. CaixaBank S.A Banco Bilbao Vizcaya Argentaria. 其他歐洲銀行. Barclays Capital. Other EU Banks. Sevenska Handelsbanken. 資料來源: Euribor panel bank，http://www.euribor-rates.eu/panelbanks.asp。 30.

(38) 傳導路徑(Ⅳ.b)，本研究以美國 102 家商業銀行財務報表為數據，共六項財務報表數據，分別為銀行資產對數(Log Assets)、稅息折舊攤銷前利潤(EBITDA)、放款占資產比(Loans/Assets)、放款存款比(Loan/Deposits)、財務槓桿(Assets/Equity) 以及價格盈餘比(Price/Earnings ratio)，上述變數各別簡稱為 LnA、EBITDA、L/A、 L/D、A/E 以及 P/E，加上金融傳導因子為解釋變數，傳導因子則是 TRBD10T、 TRBD10_2、RSTOXX、VSTOXXI、EUEONIA、RUSEUR，上述六項變數視為歐洲風險因子，本研究亦稱之為傳導因子，應變數則為銀行總資產報酬率16之波動度(ROA volatility)以及股東權益報酬率17波動度(ROE volatility)，分別係指銀行運用總資產及股東所提供之資源占所得盈餘之比率，財務報表變數資料來自於 Compustat. 治政 Research Insight 資料庫，金融傳導因子資料來源為大DataStream 資料庫，受限於立財務報表一般為季資料，故使用季資料，總樣本期間為 2002 年 Q1 至 2012 年 Q3 18. ‧ 國. 學. 月，每一家銀行共 43 筆樣本數，總樣本銀行為 102 家北美商業銀行，確定各項. ‧. 變數皆為定態的時間序列後，進行 Panel Regression 模型估計。. sit. y. Nat. 二、資料敘述統計. io. n. al. er. 傳導路徑(Ⅰ)國家與國家之間. i Un. v. 欲驗證在歐債危機的情況之下，當德國發生未預期的波動時是否會傳導致其. Ch. engchi. 它國家，因此，德國(DAX30)股市和其他國家股市的日資料分別為變數，接著進行資料的整理和刪減並計算股市之日報酬，資料總樣本期間為 2008/04/14~ 2013 /02/28，扣除假日及未營業日資料總筆數為 1274 筆，歐美股市因為無漲跌幅之限制，例如美國和德國資料敘述統計報酬分別在-9%~11%以及-7%~11%區間，峰態係數美國及德國股市報酬均大於 3，為高狹峰，符合一般股市為不為常態分配之特性，亦有厚尾的現象，而六項金融傳導因子亦選取日資料，債券市場之變數， 16. 銀行總資產報酬率為稅後淨利除以總資產，可成為判斷企業經營績效的依據。股東權益報酬率為稅後淨利除以股東權益，ROA 與 ROE 的相關係數很高，若 ROE 一樣，不全然代表企業運用資產的效能是一樣的，因 ROE 等於 ROA 乘以(總資產除以股東權益)。 18 Compustat Research Insight 現由美國 Standard & Poor's 關係企業 Capital IQ 公司發行，收錄北美及全球近 20 年上市公司之財務資料，提供約 300 種範本報表、及上市或下市公司財務數據等訊息。 31 17.

(39) 例如:德國政府公債十年期殖利率以及德國政府公債十年期與兩年期之殖利率斜率中位數均為 0.000，歐洲股市報酬(STOXX 指數報酬)以及匯率市場報酬(歐元兌美元匯率報酬)平均數分別為-0.00008 以及-0.00012，平均皆為負報酬。傳導路徑(Ⅱ)市場與市場之間欲探討當匯率市場發生未預期波動時是否會傳導致股票市場，因此，選取美國(S&P500)及德國(DAX30)股市的日資料為被解釋變數，匯率市場則是以歐元兌美元報酬為解釋變數，接著進行資料的整理和刪減並計算股市之日報酬，樣本期間為2008/04/14~2013/02/28，扣除假日及未營業日資料總筆數為1274筆。傳導路徑(Ⅲ)產業與產業之間. 立. 政治大. 選取德國代表歐洲國家，挑選德國銀行類股指數以及德國科技類股指數分別. ‧ 國. 學. 代表金融產業以及科技產業，選取類股指數每日收盤價，接著進行資料的整理和刪減並計算產業類股指數之日報酬，樣本期間為 2008/04/14~2013/02/28，扣除. ‧. 假日及未營業日資料總筆數為 1274 筆，德國股市因為無漲跌幅之限制，無論是. y. Nat. io. sit. 德國銀行類股指數或是科技類股指數，資料敘述統計報酬分別在-16%~20%以及. n. al. er. -16%~11%區間，峰態系數德國德國銀行類股指數報酬或是科技類股指數報酬均. Ch. i Un. v. 大於 3，為高狹峰，符合一般股市為不為常態分配之特性，亦有厚尾的現象，而. engchi. 六項金融傳導因子亦選取日資料，其敘述統計同市場與市場之間。傳導路徑(Ⅳ)銀行與金融傳導因子之間傳導路徑(Ⅳ.a)之歐洲銀行的選取主要參考採計 EURIBOR 列入計算的歐洲銀行，此外，需有發行信用違約交換之銀行且資料齊全，整理以及刪除過後，共計 17 家歐洲各國之銀行，信用違約交換(CDS)則選六個月期之契約，總樣本期間為 2008/08/20 ~ 2013/02/28 日資料，遍及歐洲各國家，例:奧地利、比利時、芬蘭、法國等國家，被解釋變數則為信用違約價格的對數變動，此外，並加入 EURIBOR3M 為解釋變數，其平均數約為 1.96%，最高值約為 5.393%。. 32.