金融危機下散裝海運產業波動傳導對航運類股之影響 - 政大學術集成

全文

(1)國立政治大學經濟學系. 碩士學位論文. 政治大. 對航運類股之影響. 學. ‧ 國. 立金融危機下散裝海運產業波動傳導 ‧. The Impact of Dry Bulk Shipping Industry. Nat. n. in Financial Crisis al v i n Ch engchi U. er. io. sit. y. Volatility Diffusion on Shipping Stock Index. 指導教授：林靖博士研究生：王守杰撰. 中華民國 105 年 6 月.

(2) 致謝詞漫長的兩年碩士生涯終於結束，本論文能順利完成，首先要感謝指導教授林靖老師的辛苦教導，以及四位口試委員，許鉅秉老師、李有仁老師、張四薰老師以及何靜嫺老師，多位老師的建議與指教讓我的論文更臻完善。其次要感謝的是我的女朋友Ava與家人，陪伴我走過這兩年碩士生活，在我身心俱疲的時候，有耐心地與我一同度過層層難關；在我焦躁不安的時候，給予我無限度的鼓勵與包容。此外要感謝103級經研所的同伴們，以及經濟系系辦的助教，在政大. 治政大的回憶，讓我能夠不帶任何遺憾地從政大經研所獲取碩士學位。立. 經研所這段時間受到你們諸多的照顧與扶持，也共同創造並擁有許多美好. 最後，我要感謝國泰經研處的主管與同仁，謝謝你們在論文方向上不. ‧ 國. 學. 吝給予的實質建議，以及忙碌於論文時對於我業務上的支援，讓我能無後顧之憂地順利完成論文。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 王守杰於國立政治大學經濟學系碩士班中華民國105年6月.

(3) 摘要本研究用金融傳導的角度，從散裝海運產業切入，利用標普高盛商品指數、加權遠期運費協議指數、波羅的海運費指數、道瓊全球航運指數以及美元指數，以傳遞熵與BEKK-GARCH模型，探討2008年3月至2016年3 月之散裝海運產業金融傳導因子，在多次金融危機中，散裝海運產業金融傳導因子的領先落後關係、短期報酬外溢效果與長期波動傳遞效果，以及對航運類股之影響。本研究成果可從投資策略與經濟意涵兩方面呈現，在投資策略上，根據實證結果，在金融危機期間，資訊從道瓊全球航運指數流向波羅的海乾散貨運價指數，再流向加權遠期運費協議指數，代表股票市場領先運費市. 政治大議指數對波羅的海乾散貨運價指數皆為正向顯著關係，波羅的海乾散貨運立場，而運費市場又領先遠期運費協議市場，而每個期間的加權遠期運費協. ‧ 國. 學. 價指數與道瓊全球航運指數間皆為雙邊正向顯著關係，本研究建議預測波羅的海乾散貨運價指數的散裝海運產業業者與投資人，可以道瓊全球航運指數與加權遠期運費協議指數作為先行指標。. ‧. 在經濟意涵方面，根據實證結果，金融危機期間，金融市場動盪程度. sit. y. Nat. 提高，連帶影響散裝海運運價價格波動劇烈，使得散裝海運產業業者與投資人的避險需求提升，由於波羅的海乾散貨運價指數為散裝海運產業業者. io. a. er. 的每日報價，並非金融市場交易之結果，故散裝海運產業業者與投資人可. n. 以參考商品市場、股票市場、外匯市場及運費市場的資訊進行避險操作。 iv l. Ch. n U engchi. 關鍵詞：BEKK-GARCH模型、傳遞熵、波羅的海乾散貨運價指數、金融傳導、金融海嘯.

(4) 目錄第壹章. 緒論 ..................................................................................................... 1. 第一節研究動機 ........................................................................................... 1 第二節研究目的 ........................................................................................... 3 第三節研究限制 ........................................................................................... 4 第四節研究流程 ........................................................................................... 5 第貳章散裝海運產業與市場特性................................................................... 6 第一節散裝海運產業與景氣循環 ............................................................... 6. 政治大. 第二節散裝海運市場與特性分析 ............................................................... 9. 立. 第三節散裝海運金融市場分析 ................................................................. 13. ‧ 國. 學. 第四節散裝海運產業金融傳導因子 ......................................................... 17 第参章文獻探討 ............................................................................................. 20. ‧. 第一節金融傳導之文獻回顧 ..................................................................... 20. Nat. sit. y. 第二節金融傳導之方法論比較 ................................................................. 23. er. io. 第三節傳遞熵之文獻探討 ......................................................................... 25. n. al 第四節 BEKK 模型之相關文獻 ................................................................. 27 iv 第肆章. n U engchi 研究設計............................................................................................. 30. Ch. 第一節變數定義與衡量 ............................................................................. 30 第二節研究方法 ......................................................................................... 34 第三節實證流程 ......................................................................................... 37 第四節研究假說與模型設定 ..................................................................... 38 第伍章實證結果與分析................................................................................. 43 第一節資料描述 ......................................................................................... 44 第二節敘述性統計與單根檢定 ................................................................. 48 第三節傳遞熵實證結果 ............................................................................. 49.

(5) 第四節 BEKK-GARCH 模型實證結果 ...................................................... 55 第陸章結論與建議 ......................................................................................... 69 第一節研究成果與發現 ............................................................................. 69 第二節經濟意涵與建議 ............................................................................. 71. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(6) 表目錄表 2-1 散裝船的主要運輸類型與特點...................................................... 11 表 2-2 散裝海運產業金融傳導因子分類 ................................................. 19 表 5-1 樣本資料期間與事件...................................................................... 45 表 5-2 全樣本資料期間敘述性統計........................................................... 48 表 5-3 散裝海運產業金融傳導因子之單根檢定 ...................................... 49 表 5-4 全樣本時期之傳遞熵實證結果....................................................... 50 表 5-5 金融海嘯前期之傳遞熵實證結果 .................................................. 50. 政治大. 表 5-6 金融海嘯時期之傳遞熵實證結果 .................................................. 50. 立. 表 5-7 歐債危機時期之傳遞熵實證結果 .................................................. 50. ‧ 國. 學. 表 5-8 歐債危機後期傳遞熵實證結果....................................................... 51 表 5-9 八月股災期傳遞熵實證結果........................................................... 51. ‧. 表 5-10 BEKK-GARCH 模型一與模型二變數設定表 ............................. 56. Nat. sit. y. 表 5-11 模型一估計參數與說明 ................................................................ 58. er. io. 表 5-12 散裝海運產業金融傳導因子模型一之報酬外溢與波動傳遞估計表 .......................................................................................................... 60 a. n. iv l C n 表 5-13 散裝海運產業金融傳導因子模型一之報酬外溢與波動傳遞估 hengchi U 計表(續) ................................................................................................... 61 表 5-14 模型二估計參數與說明................................................................. 63 表 5-15 散裝海運產業金融傳導因子模型二之報酬外溢與波動傳遞估計表 .......................................................................................................... 65 表 5-16 散裝海運產業金融傳導因子模型二之報酬外溢與波動傳遞估計表(續) ................................................................................................... 66.

(7) 圖目錄圖 1-1 研究流程 ............................................................................................ 5 圖 2-1 海運市場的超級循環........................................................................ 7 圖 2-2 波羅的海乾散貨運價指數(BDI)的商業循環週期 .......................... 9 圖 2-3 波羅的海乾散貨運價指數走勢圖 ................................................. 12 圖 2-4 1997-2011 年 FFAs 市場的年成交口數 .......................................... 16 圖 2-5 2009-2014 年 FFAs 市場的交易結算制度...................................... 17 圖 4-1 實證流程 ........................................................................................... 38. 政治大圖 5-1 標普高盛商品指數走勢圖.............................................................. 46 立. 圖 4-2 研究假說 .......................................................................................... 40. ‧ 國. 學. 圖 5-2 加權遠期運費協議指數走勢圖...................................................... 46 圖 5-3 波羅的海乾散貨運價指數走勢圖 ................................................. 47. ‧. 圖 5-4 道瓊全球航運指數走勢圖.............................................................. 47. y. sit. Nat. 圖 5-5 美元指數走勢圖............................................................................... 47. er. io. 圖 5-6 各時期傳遞熵熱矩陣圖.................................................................. 53. n. 圖 5-7 各時期資訊流向示意圖 ................................................................... 54 a v 圖 5-8. i l C n hengchi U 散裝海運產業金融傳導因子報酬外溢與波動傳遞關係示意圖 . 68.

(8) 第壹章緒論第一節研究動機近年來在區域經濟合作與金融全球化的催化下，已使各國金融市場間的相關性迅速提高；當存在高度相關的國家間，其中一國發生嚴重的經濟衝擊時，可能會帶來區域經濟間的相互牽引，終釀成區域性甚或全球性的金融危機，進而影響全球經濟發展。由於科技進步，全球金融市場之間的. 政治大. 連結十分密切，使得金融傳導路徑的研究愈顯重要，金融傳導的議題已成. 立. 為全球近幾年重要的研究項目之一，然而，多數文獻主要集中在金融市場. ‧ 國. 學. 間的資訊傳遞，並未與實體經濟結合，隨著全球化的發展，運送工業原物料為主的散裝海運產業的動態已被認為是全球經濟的領先指標，因此，本. ‧. 研究將從散裝海運產業切入研究。. y. Nat. er. io. sit. 根據聯合國貿易和發展協會(United Nations Conference on Trade and Development, UNCTAD)發布的 2015 年海運回顧報告表示，全球有超過八. al. n. v i n 成的貿易量都是由船舶運送，且海上運輸的貨運量在 2015 年將達到 98.4 Ch engchi U. 億噸之多，表示海運產業在國際貿易中占有極度重要的地位，而國際貿易. 與國際金融息息相關，隨著國際金融市場的自由化，使國與國之間的經濟依存度愈來愈密切，國際間經濟金融變數之連動愈來愈讓學者關心，散裝海運產業最具代表性的指標 ── 波羅的海乾散貨運價指數 (Baltic Dry Index ,BDI)的走勢也漸漸被投資者所關注。此外，Stopford (2005,2009) 也分別提出貿易發展循環理論(Trade Development)與商業循環理論(Business Cycle)為影響世界海運市場的兩大因素，前者係指當經濟從成長到成熟階段，對原物料，如鐵礦、煤炭、木 1.

(9) 材等的需求量將持續增加，由於散裝航運無固定班期及航線，因此其與市場需求及全球大宗物資貿易量關係密切，受全球經濟景氣、原料行情、天災等影響頗鉅，其波動也較貨櫃航運劇烈；後者則為短期對海運運費及船舶供需影響的最主要因素。隨著海運運費市場的波羅的海乾散貨運價指數與衍生性商品近十年也受到全球金融市場的關注，華爾街的投資銀行、避險基金爭相進入海運金融市場操作，使得過去不受關注的海運產業短短幾年之間變成全球投資人高度矚目的焦點。全球海運公司近十年也爭相公開發行，在美國股票市. 政治大運產業也在逐漸成為法人投資機構分析師關注的主流產業。立. 場的市值從 2006 年的 670 萬美元爆增至 2012 年的 186 億美元，此外，海. ‧ 國. 學. 2015 年 5 月波羅的海乾散貨運價指數新低，三個月後中國經濟成長放緩引發全球股市暴跌，其資訊傳遞路徑與模式和以往大不相同，主因是. ‧. 中國在近幾年崛起，成為全球第二大的經濟體，中國逐漸開放的資本市場. y. Nat. sit. 與獨特的經濟結構使得全球金融市場受到中國市場波動的模式改變，過去. a. er. io. 因為中國金融管制使得資金進出不易，但近兩年因人民幣國際化與滬港通. n. iv 的進程發展，使得中國金融市場逐漸與全球金融市場接軌，全球金融市場 l. n U engchi 資訊傳遞的路徑將因中國市場的加入而改變，但不變的是波羅的海乾散貨. Ch. 運價指數仍具有領先全球景氣的作用，代表散裝海運產業的動態與全球金融市場已產生緊密的連結。因此本研究欲根據散裝海運產業在多次金融危機中的重要性，探討散裝海運金融傳導因子在多次金融危機中，散裝海運產業金融傳導因子間的領先落後關係，與是否出現短期報酬外溢與長期波動傳導的現象，以及找出散裝海運產業的波動傳導以及對航運類股之影響，並比較多次金融危機中的差異，提供投. 資人往後遇到類似危機的投資決策參考。 2.

(10) 第二節研究目的自 2010 年中國超越日本成為全球第二大經濟體且資本市場不斷開放後，全球金融體系的資訊傳遞路徑正因為中國因素而逐漸改變，然而，由於海運產業在國際貿易與國際金融的影響仍占有重要地位，因此，觀察跨領域的關係必須觀察其動態的趨勢，有鑑於此，若資料能提供愈即時的數據將有助於觀察更敏感的波動，研究中將透過市場資料之間關係的確認，進一步瞭解散裝海運產業波動傳導之路徑。. 政治大. 本研究將基於世界銀行經濟研究團隊所歸類的三類金融傳導路徑，加入散. 立. 裝海運產業金融傳導因子，探討散裝海運金融傳導因子在多次金融危機中，散裝. ‧ 國. 學. 海運傳導因子是否出現報酬外溢與長期波動傳導的現象，以及找出散裝海運產業的波動傳導以及對航運類股之影響，並比較多次金融危機中的差異，瞭解散裝海. ‧. 運產業運費價格與全球景氣變動之關聯，影響散裝海運產業運費價格的原因，依. y. Nat. sit. 所載運物品的屬性，如原物料、半成品與成品之不同，或是依航運合約期間長短. n. al. er. io. 的差異，在面臨景氣循環產生變化或重大經濟與金融事件發生時，能較快速反應. i n U. v. 市場變動，最後將研究成果提供給投資人做為投資決策的參考，因此，本研究的目的將包含： 1.. Ch. engchi. 探討散裝海運產業金融傳導因子報酬的領先落後關係就散裝海運產業金融傳導因子之間的關係，短期互有領先落後，但長期應是同步，亦即彼此之間會同步漲跌，然而在金融危機下，散裝海運產業金融傳導因子的漲跌卻不同步。因此，本研究想透過傳遞熵來探討在金融危機下，散裝海運傳導因子的領先與落後關係。. 2.. 探討散裝海運產業金融傳導因子的報酬外溢效果與對航運類股之影響透過實證模型分析，探討散裝海運產業金融傳導因子之間的短期波動外溢效 3.

(11) 果，並比較在多次金融危機下，散裝海運產業的短期波動外溢效果是否有所改變。 3.. 探討散裝海運產業金融傳導因子的波動傳導效果與對航運類股之影響透過實證模型分析，探討散裝海運產業金融傳導因子之間的長期波動傳的效果，並比較在多次金融危機下，散裝海運產業的長期波動傳遞效果是否有所改變。. 第三節研究限制. 政治大本研究進行的過程中會遇到許多限制，如數據的取得、模型的設定以立. 及產業特性因素等，以下將詳細說明。. ‧ 國. 學. 首先，各個數據公布的時間與頻率不盡相同，波羅的海乾散貨運價指. ‧. 數由英國倫敦的波羅的海交易所公布，原物料期貨則是在美國芝加哥交易. sit. y. Nat. 所交易，因此，資訊傳遞可能會有時間上的差異，導致模型結果與實際資. a. er. io. 訊流通情形可能會有差異。. n. iv 其次，影響海運市場運價的因素有很多，包括國際經濟的繁榮與衰退、 l. n U engchi 船噸供給與需求以及散裝海運產業市場結構因素等，然而，資料的完整性. Ch. 與對稱性可以作為研究變數來衡量散裝海運產業波動傳導的數據並不多。目前市場雖有運費指數、船價指數與拆船指數，但由於貨運市場之運費水準是以不同船型的運費指數來表示，二手船價以各種船型噸位但不同船齡之交易船舶價格來區分，新船價格則是以不同船型噸位之價格來呈現，而報廢船價格雖主要是反應國際鋼價，但一般亦是以船型形式來表示。因此，若要將四個子市場的價格皆作為散裝海運產業金融傳導因子，進而探討各因子間波動傳導之研究，則有資料對稱上的困難。. 4.

(12) 第四節研究流程根據圖 1-1 的研究流程圖，首先，我們必須確認研究動機與目的，接著回顧相關主題的文獻，依據金融傳導路徑、海運市場以及散裝海運金融傳導因子的相關文獻建立研究假說並設定模型，開始蒐集數據進行實證分析，最後得出結論與投資建議。. 確認研究動機與目的. 立. 政治大. ‧. ‧ 國. 學. 文獻回顧. n. al. y er. io. sit. Nat. 模型設定. Ch. e n資料蒐集 gchi. i n U. 實證結果分析. 結論與投資建議. 圖 1-1 研究流程 5. v.

(13) 第貳章散裝海運產業與市場特性散裝海運市場受國際市場的供給與需求影響極大，而散裝海運的運輸需求主要由國際貿易貨物需求量衍生而來，因此，全球經濟發展以及國際貿易的需求對於散裝海運產業的興盛與衰退會產生直接的影響。然而，散裝海運運價的高度不確定性不僅提高散裝海運業者的營運風險，亦大幅增加散裝海運產業投資人的投資風險。因此，若能瞭解並掌握散裝海運產業金融傳導因子波動傳導與對航運類股之影響，將能對散裝海運業者的經營. 政治大本章首先針對探討散裝海運產業與景氣循環的相關理論與實證結果進行立. 決策，以及標的為航運類股的機構投資人之投資決策提供重要參考資訊。. ‧ 國. 學. 回顧，接著整理散裝海運市場與特性的相關文獻，並探討散裝海運金融市場的文獻，最後再統整出不同市場間散裝海運產業的金融傳導因子，茲分. ‧. 別回顧與分析如下。. er. io. sit. y. Nat. 第一節散裝海運產業與景氣循環. al. n. v i n 散裝貨載主要為工業原料及能源，大部分為初級原料，少數為半成品 Ch engchi U. 及散雜貨。在全球海運貨載中，若以重量計，約七成以上為液化及乾貨；乾貨載則占散裝貨載約 65%，其中三大散裝乾貨，包括礦砂、煤炭及穀類，約佔散裝乾貨海運量的六成以上；因此，散裝乾貨載對世界海運市場及造船市場起主導作用。散裝海運產業屬於循環性產業，以投資的角度而言，散裝海運產業在景氣復甦初期的表現最佳，是較好的投資時點，以海運經濟學的面向切入，亦有許多文獻針對散裝海運產業與景氣循環的關聯提出相關理論。 Stopford (2005, 2009) 分別提出貿易發展循環理論(Trade Development 6.

(14) Cycle)與商業循環理論(Business Cycle)為影響世界海運市場的兩大因素，前者是指當經濟從成長到成熟階段，對原物料，如鐵礦、煤炭、木材等的需求量將持續增加，由於散裝航運無固定班期及航線，因此其與市場需求及全球大宗物資貿易量關係密切，受全球經濟景氣、原料行情、天災等影響頗鉅，其波動也較貨櫃航運劇烈；後者則為短期對海運運費及船舶供需影響的最主要因素。此外，Stopford (2005) 也發現從 1950 年至 2005 年間，海運市場約每 20 年就出現一次超級循環 1，分別由不同經濟體所主導，而最近一次超級循環則是由中國所帶動(如圖 2-1)。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 2-1 海運市場的超級循環. i n U. v. 資料來源：Stopford (2005). Scarsi (2007) 基於前人的基礎，認為散裝海運產業的景氣循環分成蕭條(trough)、復甦(recovery)、繁榮(peak)和衰退(recession)四個階段。當景氣由蕭條復甦時，隨著市場對原物料的需求增加，進而帶動散裝海運產業的貨物運輸量提升，散裝海運運價將會上揚；反之，當景氣由繁榮轉而下滑至衰退時，隨著全球消費成長力道降溫，原物料的需求亦跟著廠商看淡未 1. 在經濟理論上，超級循環週期的定義為，全球經濟出現歷史性高速成長的一段時期，持續一代或者幾代，由高速成長的貿易量、高投資率、城市化和科技革新等因素引發，其特點為出現新的大型經濟體，在各新興大國出現高追趕型成長經濟時首次出現。 7.

(15) 來需求而減少生產，散裝海運運價亦下跌。在散裝海運運價與景氣變動關聯的實證文獻方面，Goulielmos and Psifia (2011) 針對過去學者多認為運價的時間序列資料為常態分配，以及貿易發展循環理論所示的每個海運市場的景氣循環約為 20 年提出質疑，並以散裝海運運價進行研究，透過實證研究發現時間序列資料呈現厚尾現象，且發現散裝海運市場的景氣循環並非 20 年，舉例而言，2005 年 7 月 29 日至 2008 年 12 月 1 日即為一顯著的景氣循環，期間約 3 至 4 年。關於商業循環理論的實證研究，Thorsen (2010)，以經濟合作暨發展. 政治大. 組織國家平均的經濟成長率，以及中國、美國、日本的經濟成長率，探討. 立. 波羅的海乾散貨運價指數與各國經濟成長率在短期與長期間的關係，結果. ‧ 國. 學. 顯示波羅的海乾散貨運價指數與各國經濟成長率間存在長期均衡關係 2，而 Chistè and Vuuren (2014) 根據商業循環理論更進一步發現，在 1996 至. ‧. 2011 年間，波羅的海乾散貨運價指數每四年便有一次顯著的商業循環週期. n. al. er. io. sit. y. Nat. (如圖 2-2)。. Ch. engchi. 2. i n U. v. 經濟理論所提的長期均衡的定義是指，若單一市場存在長期均衡，表示該市場有均衡價格與交易量；若單一市場不存在長期均衡，則表示該市場不具有安定性(stability)，長期均衡價格會發散至無限大，不符合經濟理論中對於均衡的定義。 8.

(16) 圖 2-2 波羅的海乾散貨運價指數(BDI)的商業循環週期. 政治大由上述的文獻，可瞭解散裝海運產業與全球景氣變動的關聯性十分密立資料來源：Chistè and Vuuren (2014). 第二節散裝海運市場與特性分析. Nat. y. ‧. ‧ 國. 學. 切，實證研究亦發現散裝海運運價有顯著的景氣循環週期。. sit. 散裝海運產業為全球性的產業，具有對經濟景氣之高度敏感性、資本. a. er. io. 密集性和高度競爭性等產業特點，亦為國際上貿易大國如中國、日本等國. n. iv 家政策強力支持的戰略性產業，以政府為主導的國家投資人間相互競爭強 l. n U engchi 烈，加上散裝海運產業在生產服務產品具無法儲存及短期間不易增加生產. Ch. 供應的特殊條件，往往在供給過剩時，供給彈性非常大，當供給不足時，則供給彈性非常小，在此市場特性下，散裝海運運價容易出現暴漲暴跌的情形 (陳永順, 2012)。因此對於散裝海運公司及投資人而言，若能瞭解散裝海運產業金融傳導因子間的波動傳導與對航運類股的影響，將可提供在投資決策與風險預防上的重要參考資訊，對於散裝海運市場的資產配置也有相當大的助益。 Stopford (2009)提到，散裝海運市場是由船舶市場(ship market)與貨運 9.

(17) 市場(freight market)兩大市場所組成，前者則又包含：新造船、二手船與報廢船等三個子市場，而散裝海運市場整個體系之價格波動變化，更是反映上述四個環環相扣子市場之供需變動，所衍生之連動結果。在實證文獻上，Tsolakis et al. (2003) 以分析二手船價之循環特性，來驗證新造船與運費水準對二手船價確實具有相當影響力，而 Merikas et al. (2008) 則以考量運費收入、資金成本與資產未來價值等投資報酬觀點，來探討油輪市場業者購置二手船舶或訂造新船之決策依據。在此文獻中，作者設定以二手船價對新船價之比作為被解釋變數，以探討各解釋變數對船. 政治大發現，在油輪市場上運費水準對二手船價之影響，將更甚於對新造船價之立. 價比率之影響，進而了解各解釋變數在業者購船決策上之重要性，該研究. ‧ 國. 學. 衝擊，Kou et al.(2015)則發現長期而言，散裝船價均值會隨著散裝海運運價的均值走勢而變動，其中二手船的船價較大型船舶與新船敏感。從上述. ‧. 散裝船船價與散裝海運運價的文獻中可以得知，在散裝海運市場中，船價. sit. y. Nat. 與運費之波動極為密切且息息相關，因此一旦某一市場之供需條件出現變. a. er. io. 動，必會引發另一市場之價格波動。. n. iv 然而，雖然於目前市場雖有運費指數、船價指數與拆船指數，但由於 l. n U engchi 貨運市場之運費水準是以不同船型的運費指數來表示，二手船價以各種船. Ch. 型噸位但不同船齡之交易船舶價格來區分，新船價格則是以不同船型噸位之價格來呈現，而報廢船價格雖主要是反應國際鋼價，但一般亦是以船型形式來表示。因此，若要將四個子市場的價格皆作為散裝海運產業金融傳導因子，進而探討各因子間波動傳導之研究，則有資料對稱上的困難，故本研究僅選取資料頻率最高也最易取得之散裝海運運價作為散裝海運產業金融傳導因子，以下將詳細介紹散裝海運運價。散裝海運市場主要運送大宗物資、煤與鐵礦砂等原物料，沒有固定的 10.

(18) 航班，其屬性為根據貨物運送地點決定航程，接著依照船型大小與運送貨物種類可分成：海岬型船(Capesize vessel)、巴拿馬極限型船(Panamax vessel)、超輕便極限型船(Supermax vessel)、及輕便型船(Handysize vessel) 等四種類型，而不同類型船的比較如下表。表 2-1:散裝船的主要運輸類型與特點國際報. 載重噸. 價指數. 位(Dwt). 散裝船類型. 海岬型 (Capesize). 大批量工業原料. 無法通過巴拿馬運. 政治大砂、煤炭等. 巴拿馬極限型. BPI. 批量煤炭、金屬. 河之最大型船舶，. 礦物等. 以遠洋貿易為主. 穀類及鋼材、木. 45,000. 材、化肥等. 20,000~. 小批量散貨如水. 能使用自有吊貨機. sit. y. 35,000~. ‧. 從事作業. n. er. io. al. BHSI (Handysize). 能航行於巴拿馬運. 100,000. Nat. 輕便型. 容納. 大批量穀類及小 45,000~. BSI. (Supermax). 河，僅少數港口可. 學. ‧ 國. 立. 超輕便極限型. 特點. 100,000~ 的散貨物如礦. BCI. (Panamax). 主要裝載貨物. C35,000 h e n g泥、肥料等 chi U. v ni. 多屬於區域性營運範圍. 資料來源：陳永順(2012)、本研究整理. 在運送貨物上，散裝海運運輸以工業原物料為主，運輸的類型依照船型的載重噸位大小來區分，表 2-1 即為不同散裝船型的比較，其中海岬型 (Capesize)的噸位較高，運輸量較大所以運送的商品以工業原料為主，巴拿馬極限型(Panamax)的運輸商品以穀類等民生物資為主，而超輕便極限型 (Supermax)與輕便型(Handysize)噸位較小，運送的商品鋼材、木材、水泥、肥料等為主。為了提供散裝海運業者可參考的散裝海運運價指標，英國波羅的海交 11.

(19) 易所建立了波羅的海乾散貨運價指數。波羅的海乾散貨運價指數目前係由波羅的海海岬型運價指數(Baltic Capsize Index, BCI)、波羅的海巴拿馬極限型船運價指數(Baltic Panamax Index, BPI)、波羅的海輕便極限型船運價指數 (Baltic Supramax Index, BSI) 與波羅的海輕便型船運價指數 (Baltic Handysize Index, BHSI)，合組而成的散裝海運運價指數。波羅的海乾散貨運價指數為了要真實的反映出不同船型的市場運價及租金的變化前提下，現今波羅的海乾散貨運價指數已經過數次修正，自 2007 年開始波羅的海乾散貨運價指數的子航線加入 BHSI，波羅的海乾散. 政治大均計算組成綜合指數再乘上立 1.192621362 後，形成目前的波羅的海乾散貨貨運價指數由 BCI、BPI、BSI 與 BHSI 四種不同運價指數以相同權重平. 6000 4000. y. sit er. al. ‧ 國. n. 8000. io. 10000. Nat. 12000. 波羅的海乾散貨運費指數. ‧. 14000. 學. 運價指數。. Ch. engchi. i n U. v. 2000 0. 圖 2-3 波羅的海乾散貨運價指數走勢圖. 資料來源：Bloomberg. 圖 2-3 顯示，波羅的海乾散貨運價指數在 2004 年至 2007 年間呈現較小幅度的波動，指數波動介於 2,000 點至 6,000 點之間，其中 2004 年下半年起，受惠於中國大陸對大宗貨物與鐵礦砂需求大量增加之影響，波羅的海乾散貨運價指數飆漲至 6,000 多點，而 2007 年開始，由於中國舉辦北京 12.

(20) 奧運需求大增，加上全世界船噸供給量不足，但各大造船廠由於訂單已滿，必須三年後才能交船，因此新船增加速度無法配合需求，使得運量吃緊，波羅的海乾散貨運價指數維持高點，並多次衝破 11,000 點的高峰。到了 2008 年下半年開始，受金融海嘯影響，全球經濟景氣陷入嚴重衰退，波羅的海乾散貨運價指數大幅下滑，甚至跌破 1,000 點，2011 年至 2013 年受歐債危機影響，加上先前下訂的新船建造完成進入交船高峰期，全世界船噸供給過剩，使得波羅的海乾散貨運價指數在 1,000 點至 2,000 點之間上下波動。. 政治大. 2015 年開始，中國金融市場與全球金融市場逐漸接軌，而重挫全球. 立. 股市的八月股災亦是由中國經濟成長趨緩的擔憂所引發，波羅的海乾散貨. ‧ 國. 學. 運價指數承壓在 500 點至 1,000 點之間震盪，而 2016 年初中國股市暴跌觸發熔斷機制所引起的全球股市暴跌更讓波羅的海乾散貨運價指數持續走. ‧. 低，創下歷史新低的 290 點。. y. Nat. 運費市場的散裝海運產業金融傳導因子。. n. al. Ch. en. gc 第三節散裝海運金融市場分析. hi. er. io. sit. 基於上述文獻回顧，本研究將波羅的海乾散貨運價指數作為散裝海運. i n U. v. 過去傳統金融機構如投資銀行，在海運產業供應鏈中鮮少花費心力，因為在這些金融機構眼中，海運產業是艱困產業，不僅獲利相對低且運費價格波動十分劇烈，所以傳統金融機構敬而遠之。然而，這種情況在近十年來已經產生變化，國際金融機構在海運產業，尤其是散裝海運產業開始積極動作，除了爭取資金融通的機會外，並積極參與船舶資產的投資，並介入海運金融市場的操作，包括海運企業股票籌資與海運衍生性商品市場的交易，而全球海運公司近十年也爭相公開發行，在美國股票市場的市值 13.

(21) 從 2006 年的 670 萬美元爆增至 2012 年的 186 億美元，此外，自 2006 年起，華爾街投資銀行與對沖基金等也積極進入遠期運費協議市場進行套利與交易行為，散裝海運產業也成為法人投資機構分析師關注的主流產業。有關散裝海運運價與股價影響的探討方面，張瀞之與劉錫謙 (2012) 利用時間序列之單根檢定、共整合檢定與 Granger 因果關係檢定等研究方法，以自 2000 年 1 月初至 2007 年 12 月底的資料，發現波羅的海乾散貨運價指數與台灣運輸類股、台灣上市散裝航運公司股價以及美國運輸類股存在長期均衡關係，且美國運輸類股領先台灣運輸類股及台灣上市散裝航. 政治大 Gusanu et al. (2012) 運用時間序列之誤差修正模型，探討波羅的海乾散貨立運公司股價約兩天，證實在運輸類股方面美國為國際股票市場的源頭；. ‧ 國. 學. 運價指數與美洲、歐洲、亞洲航運類股股價的領先落後關係，結果得到不論是美洲、歐洲或亞洲的航運類股股價都顯著領先波羅的海乾散貨運價指. ‧. 數。此外，在投資決策上，Andriosopoulos et al. (2013)以進化演算法測試. sit. y. Nat. 追蹤全球航運類股市值加權指數與追蹤波羅的海乾散貨運價指數的交易. 險較低、經濟效益最好的投資方式。 a. er. io. 策略，發現追蹤全球航運類股市值加權指數的交易策略可以提供投資人風. n. iv l C n hengchi U 隨著全球海運公司爭相上市，海運公司的市值暴增，實務上，道瓊公. 司於 2011 年從美國的眾多海運上市公司中，挑選 25 間殖利率高且流動性佳的海運公司，並根據其市值加權，編制出道瓊全球航運指數(Dow Jones Global Shipping Index)，目前全球最知名的航運類股指數股票型基金，由 Guggenheim Investments 管理且在那斯達克交易所發行的 Guggenheim Shipping ETF，其規模在 2016 年第一季結算時達 3,300 萬美元，因此，本研究將道瓊全球航運指數(Dow Jones Global Shipping Index)作為股票市場的散裝海運產業金融傳導因子。. 14.

(22) 在海運金融市場的實證文獻上，除了探討散裝海運運價對運輸類股股價影響之外，許多學者在運價衍生性商品的文獻亦多有著墨。 3. 散裝海運運價衍生性商品以遠期運費協議. (Forward Freight. Agreements , FFAs)為主，而遠期運費協議(FFAs)交易起源於上世紀 80 年代末，在過去十幾年間，80％的交易都在歐洲的船東和商品貿易商之間進行，交易的流動性不是很高。2002 年以來，隨著散裝海運市場百年不遇的猛漲，市場波動性劇烈震盪，市場參與者避險和套利的需求推動遠期運費協議市場的快速發展。. 政治大. 近代學者多透過金融商品推估運價，用以檢測散裝海運運價的特性，. 立. 基本上認為散裝海運運價與衍生性金融商品間具有關聯性，即散裝海運業. ‧ 國. 學. 者和投資人可以利用相關的衍生性金融商品來預測並推估散裝海運運價的趨勢及波動，Kavussanos and Visvikis (2004) 探討即期運價與遠期運價的. ‧. 議題，以波羅的海巴拿馬極限型船運價指數的即期運價與遠期運價間，報. y. Nat. sit. 酬與波動性的領先落後關係，運用 Granger 因果關係檢定及. a. er. io. VECM-GARCH-X 模型，實證發現運價的現貨與期貨間互有領先落後，存. n. i v 亦探討運價現貨在長期共整合與雙向的因果關係；Batchelor et al. (2007) l. n U engchi 與遠期運費協議價格之因果關係，發現具有雙向因果關係，且向量誤差修. Ch. 正模型的預測能力較 ARIMA 模型及向量自我回歸模型(VAR)佳。 Alizadeh (2013)指出，對於遠期運費協議(FFAs)交易來說，2006 年是一個分水嶺，無論是成交量還是參與度來說，都達到一個前所未有的水平，而遠期運費協議(FFAs)的發展吸引投資銀行與避險基金等非海運產業的參與者進入，使得海運市場供給與需求的資訊傳遞至遠期運費協議(FFAs)市. 3. 遠期運費協議 (Forward Freight Agreements , FFAs)是買賣雙方達成的一種遠期協議，協議規定了具體的航線、價格、數量等等，且雙方約定在未來某一時點，收取或支付依據波羅的海航交所的官方運費指數價格與合同約定價格的運費差額。 15.

(23) 場越來越有效率(如圖 2-4)，而 Kavussanos et al.(2014)亦根據 Alizadeh (2013) 的研究成果證實全球經濟需求面衰退的資訊會從原物料期貨傳導到運價遠期協議市場，進而傳導到波羅的海乾散貨運價指數現貨市場。. 政治大. 圖 2-4 1997-2011 年 FFAs 市場的年成交口數. 學. ‧ 國. 立. 資料來源：Alizadeh (2013). ‧. Alizadeh (2015)亦提到，隨著遠期運費協議市場的交易結算制度改善，. y. Nat. 即買賣雙方在櫃台交易(OTC)後才申報轉向集中結算交易制度，使得買賣. er. io. sit. 雙方的交易更有效率且迅速，加上交易資訊透明化，遠期運費協議市場逐漸邁向成熟且具有效率的衍生性商品市場(如圖 2-5)。. n. al. C. i n U. v. h e n ，h本研究將航運類股股價及遠期運基於上述海運金融市場文獻之探討 i gc. 費協議價格作為散裝海運運價衍生性商品市場的散裝海運產業金融傳導因子，且由機構投資人角度，探討其他因子對航運類股股價之影響。. 16.

(24) 圖 2-5 2009-2014 年 FFAs 市場的交易結算制度資料來源：Alizadeh (2015). 學. ‧ 國. 第四節. 治政散裝海運產業金融傳導因子大立. 前三節探討散裝海運產業中運費市場、金融市場以及股票市場的相關實證文獻，然而，影響散裝海運產業興盛與衰弱的因素包含原物料市場供. ‧. 給與需求、國際局勢的變化、戰爭及地緣政治事件，亦或是其他金融市場. y. Nat. er. io. sit. 如債券市場及匯率市場等。. 由於乾散貨海運市場是以運送民生物資及原物料為主，且國際大宗務. al. n. v i n 資商品價格與散裝海運運價皆以美元計價，美元升貶值會影響原物料價格， Ch engchi U 過去有文獻針對原物料指數與匯率的關聯性進行實證研究，以及探討原物料價格對散裝海運運價之影響。在原物料指數與匯率的關聯性方面，林宏銘 (2010) 應用多項時間序列計量方法探討國際間美元、全球股市、債券市場及大宗商品市場之間的互動關係，研究結果發現，美元指數變動造成之衝擊將會影響到其它所有的變數，且美元指數對大宗商品市場為相反方向的趨勢；陳玉樹 (2011) 探討 2002 年起至 2011 年 3 月期間，以向量誤差修正模型實證發現標普高盛商品指數與美元指數有顯著的反向關係；Antonakakis and Kizys (2015)以 17.

(25) 1987 年 1 月至 2014 年 6 月的資料，實證發現大宗商品價格與歐元兌美元、日圓兌美元、英鎊兌美元及瑞士法郎兌美元之間有報酬與波動性外溢的顯著效果，而此四個貨幣為美元指數的主要成分。基於上述文獻，本研究將美元指數作為匯率市場散裝海運產業金融傳導因子。在探討原物料價格對散裝海運運價之影響方面，Kavussanos et al. (2010) 以巴拿馬型船舶的遠期運價與煤炭、玉米及小麥等商品期貨價格進行研究，發現遠期運價與商品期貨價格呈現顯著的波動外溢效果，而 Kavussanos et al. (2014) 基於前面的基礎，分別以海岬型船舶、巴拿馬型船. 政治大貨依權重進行實證研究，其結果亦呈現顯著的波動外溢效果，表示新的資立. 舶、輕便極限型船舶及輕便型船舶的遠期運價，與其船型所運送的商品期. ‧ 國. 學. 訊會先反應在大宗商品期貨，在傳導到運送該商品船型的遠期運費協議市場，因此，大宗商品期貨在資訊上領先運費協議市場。根據上述實證文獻，. ‧. sit. Nat. 作為商品期貨市場的散裝海運產業金融傳導因子。. y. 本研究選擇使用標普高盛商品指數(S&P Goldman Sachs Commodity Index). a. er. io. 本研究將這些風險因子視為散裝海運產業金融傳導因子，散裝海運金. n. iv 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討散 l. n U engchi 裝海運金融傳導因子在多次金融危機中，是否探討多次危機發生時的散裝. Ch. 海運傳導因子是否出現報酬外溢與長期波動傳導的現象，以及找出散裝海運產業的波動傳導路徑，並比較多次金融危機中的差異，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、匯市、散裝海運運費市場、散裝海運衍生性市場以及商品期貨市場。. 18.

(26) 表 2-2. 散裝海運產業金融傳導因子分類. 因子分類. 傳導因子:變數道瓊全球航運指數股市 (Dow Jones Global Shipping Index) 美元指數匯市 (US Dollar Index) 散裝航運波羅的海運費指數運費市場 (Baltic Dry Index) 散裝航運遠期運費協議衍生性市場 (Forward Freight Agreements) 標普高盛商品指數商品期貨 (S&P Goldman Sachs Commodity 市場 Index). 文獻 Andriosopoulos et al.(2013) Antonakakis and Kizys (2015) Batchelor et al.(2007) Gusanu et al. (2012) Kavussanos et al. (2014) Alizadeh (2013,2015) Kavussanos et al. (2014). 政治大. 資料來源:本研究整理. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 19. i n U. v.

(27) 第参章文獻探討隨著科技日新月異與經濟發展全球化，全球金融市場緊密結合，當重大金融與經濟事件發生時，衝擊影響也會迅速傳導到其他金融體系，金融傳導亦是許多學者研究的重點，然而，目前的金融傳導文獻多研究全球股匯債等金融市場之影響，並未針對特定產業探討，本研究將從散裝海運產業切入，藉以瞭解並掌握散裝海運產業金融傳導因子波動傳導與對航運類股之影響，將能對散裝海運業者的經營決策以及標的為航運類股的機構投. 政治大實證結果進行回顧，接著將過去眾多金融傳導方法論比較，從中選擇傳遞立. 資人之投資決策提供重要參考資訊。本章首先針對金融傳導的相關文獻與. ‧ 國. 學. 熵以及 BEKK 模型來探討，茲分別回顧與分析如下。. ‧. 第一節金融傳導之文獻回顧. y. Nat. er. io. sit. 在環球金融的體系下，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. al. n. v i n 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 Ch engchi U 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)，令金融機構管理愈顯複雜，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，許多研究文獻著重在找出金融傳導的路徑(Transmission channels of financial contagion)，主要目的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 20.

(28) 路徑，對於金融體系而言更能加強其風險管理的效能和效率，而隨著散裝海運產業與金融市場接軌，散裝海運產業在金融網絡中的地位逐漸受到華爾街與全球投資機構的重視，因此，本研究將著重在散裝海運產業的金融傳導因子。近二十年來發生過多次金融危機，從 1997 年亞洲金融危機、2001 年網路泡沫、2008 年震撼全球的金融海嘯，以及 2012 年引起全球恐慌的歐債危機，都導致全球金融市場損失慘重，並讓全球經濟成長陷入嚴重衰退，使得世界銀行的經濟研究團隊開始重視這項議題，並成立金融危機與傳導. 政治大類對於金融傳導不同的定義。立. (Financial Crises and Contagion)研究團隊，整理此議題相關文獻並區分初三. ‧ 國. 學. 第一類，金融傳導文獻中最廣泛的定義為衝擊在跨國家之間傳遞的情況，或者跨國家之間的普通外溢效果，在此定義下，傳導不須在金融危機. ‧. 以外的時期也會發生；第二類則較第一類嚴格，只有衝擊在超越國家間及. y. Nat. sit. 共同衝擊的基本連結下，傳導到其他國家，換句話說，只有衝擊對國家間. a. er. io. 的影響無法被基本的連結解釋，或者超額共變動(Excess co-movement)才能. n. iv 稱做金融傳導，這項定義也充分描述財務行為學中的從眾效應，亦稱羊群 l. n U engchi 效應 4，根據世界銀行金融危機與傳導研究團隊，資訊不對稱是這些市場. Ch. 反應的根源，金融市場的資訊是十分昂貴的，故投資者會根據市場價格的變動來決策，資訊相對少的投資者(如散戶)會遵循著消息靈通的投資者(如大型金融機構)的行為，因此，市場會迅速的互相連動；第三則是最嚴格的定義，目前最少文獻使用，除了衝擊在跨國家之間有顯著影響之外，金融危機時期衝擊對其他國家造成的影響超過尚未發生金融危機時的影響，才能稱做金融傳導。. 4. 從眾效應是指人們受到多數人一致性思想或行動的影響，而跟從大眾的思想或行為，常被稱為「羊群效應」。 21.

(29) 而對於金融傳導通道(Financial transmission channels)許多研究亦有不盡相同的看法，世界銀行的經濟研究團隊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，分別為金融連結途徑 (Financial links)、實質連結途徑(Real links)以及政治連結途徑(Political links)，金融連結路徑是指國與國之間透過國際金融市場的系統相互連結，而實質連結則主要藉由國際貿易來連結國與國之間的基本面經濟，最後，政治連結路徑為國與國之間的外交政治關係，地緣政治即屬於此類。本研究將著重在散裝海運產業的金融連結途徑與實質連結途徑。. 政治大融傳導的實證分析文獻即發現觀察對象多集中在股票市場、債券市場、外立. 關於過去金融傳導的實證文獻，Paas and Kuusk (2012) 回顧 75 篇金. ‧ 國. 學. 匯市場亦或是跨市場間的傳導。在股票市場方面，Morales et al.(2014) 利用 2003 年 1 月至 2009 年 5 月的全球各洲股票指數探討全球股票市場的金. ‧. 融危機衝擊傳導現象，實證結果表明，2008 年金融海嘯會影響全球各地不. sit. y. Nat. 同的經濟區域，但總體而言，沒有證據顯示全球唯一體的市場或是跨區域. er. io. 傳導存在，此外，源頭來自美國次級房貸的金融海嘯會傳導到不同區域內. n. 的關鍵國家(如亞洲的新加坡、歐洲的英國)，再藉由關鍵國家傳導到區域 a v. i l C n h e n g c het ial.U(2015) 內部的其他國家；在債券市場方面，Tola. 針對 2007 年 1 月至. 2014 年 3 月的歐元區國家公債殖利率，探討歐洲債務危機對於歐元區債券市場的金融衝擊，文獻整理出 88 個特定國家或事件的衝擊，根據實證結果，至少四分之三的特定國家或事件衝擊，都被證實具傳導性。此外，文獻也發現自 2012 年 7 月歐洲央行總裁德拉吉承諾將會竭盡所能動用任何手段來避免歐元區經濟陷入衰退後，波動衝擊的傳導幅度就大幅下降，在此政策宣示前有 79%的衝擊具有傳導效果，而此之後的波動衝擊僅剩 54% 具有傳導效果。在 66 個具傳導效果的波動衝擊中，有 27 個(即 40%)的衝擊對於其他國家具有負面的效果。 22.

(30) 綜述金融傳導的實證文獻而言，觀察對象多集中在股票市場、債券市場、外匯市場亦或是跨市場間的傳導，本研究將深入探討散裝海運產業的金融傳導。. 第二節金融傳導之方法論比較近二十年來眾多文獻針對金融傳導進行實證分析，Paas and Kuusk (2012) 回顧 1990 年到 2008 年共 75 篇金融傳導的實證分析文獻，將這些文獻使用的方法論整理成四大類。. 政治大第一為利用跨市場之間相關係數檢驗 (Cross-market 立. correlation. coefficients)之方法論，此為最常見且最廣泛用來檢驗傳導是否存在的方法. ‧ 國. 學. 論，在衝擊發生後，資產報酬率之間相關係數若顯著增加，變認為兩資產. ‧. 間具有傳導效果；第二為利用條件機率(Conditional probabilities)檢驗之方. y. Nat. 法論，在給定衝擊發生的情況下，檢驗其他資產受到衝擊影響的機率；第. er. io. sit. 三為利用測量波動性的變化(Measuring changes in Volatility)檢驗之方法論：利用 ARCH 或 GARCH 模型架構下所估計的變異共變數矩陣. al. n. v i n matrix)，測量在衝擊發生後，資產之間的波動性變化 Ch engchi U. (Variance-covariance. 是否相關；第四則為其他檢驗方法論，除上述三類以外之方法論如回歸模型、馬可夫轉換模型等。本研究將著重在利用測量波動性變化檢驗之方法論，在財務的實證分析上，時間序列的資料具有三項重要特性。首先，波動(Volatility)會隨著時間的變動而改變，而波動的測量標準一般被認為是條件變異數(Conditional Variance)，資產報酬的波動性，也就是條件變異數，在不同的時空之中所發生的不同事件下會有不同程度的變化，例如財務學者所熟悉的槓桿效果 (Leverage effect)，資產價格在市場充斥負面消息的時候動盪會比較大，反 23.

(31) 之，在正面消息的影響下動盪程度會比較小。其次，波動具有很強的持續性，即大波動會伴隨著大波動，而小波動亦會跟隨著小波動，此為所謂的波動性叢聚效應(Volatility Clustering)。最後，財務資料的分配通常具有厚尾性質，表示波動幅度比較大的時候容易出現極端值，在投資界亦有人稱之為黑天鵝效應 5。 Engle (1982) 提出自我迴歸條件變異數模型 (Autoregressive Conditional Heteroskedasticity Model, ARCH)用來捕捉財務資料波動的特性，自此之後便擴展出許多探討波動、條件共變異數和條件相關係數的模型，. 政治大 Bollerslev 將條件變異數的落後期加入模型，修正原本 ARCH 模型條件變立. 其中最著名的是 Bollerslev (1986) 提出一般化的 ARCH 模型，即 GARCH，. ‧ 國. 學. 異數落後期太長的問題，後續許多學者從此基礎擴展到多變量 GARCH 模型(Multivariate GARCH , MGARCH)，由於計量方法的限制，直至 1990 年. ‧. 代後期 MGARCH 進入迅速發展期，廣泛的被財務計量學者使用，而其中. sit. y. Nat. 近幾年逐漸被學者使用的則為多變量條件變異數或相關係數矩陣模型。. a. er. io. 目前亦有多篇文獻利用 GARCH 等相關的時間序列方法論來驗證金. n. 融傳導的顯著性，Alter and l Beyer (2014) 利用 2009 i年v 10 月至 2012 年 7 月歐元區 12. n U engchi 個國家與銀行五年期信用違約交換價差，以加外生變數的向量. Ch. 自我回歸模型(VARX)估計，捕捉歐債危機時，歐元區主權信用市場與銀行間的動態關係，實證結果發現，當政府出面拯救有問題的銀行時，風險從有問題的銀行轉移到主權國家。 Kavussanos et al. (2014)則利用 GARCH、EGARCH、GJR-GARCH 模型發現，新的資訊會先反應在大宗商品期貨，在傳導到運送該商品船型的 5. 黑天鵝效應一般指極不可能發生，實際上卻又發生的事件。主要具有三大特性：第一，這個事件是個離群值（outlier），因為它出現在一般的期望範圍之外，過去的經驗讓人不相信其出現的可能；第二，它會帶來極大的衝擊；第三，儘管事件處於離群值，一旦發生，人會因為天性使然而作出某種解釋，讓這事件成為可解釋或可預測。 24.

(32) 運費期貨市場，因此，大宗商品期貨在資訊上領先運費期貨市場，而且，大宗商品期貨與運費期貨會互相影響，不管在結構性改變前後都會，兩者存在共整合關係，且小麥、玉米和大豆是用來模擬非常重要的商品期貨商品，這篇文章的發現可以幫助我們瞭解大宗商品和運費的衍生性市場，以及現貨市場之間資訊的傳遞機制。綜整金融傳導方法論的文獻，目前多以利用測量波動性變化檢驗之方法. 論為主流，亦有非傳統計量之方法論如熱力學、賽局理論、分量回歸等。. 第三節傳遞熵之文獻探討. 立. 政治大. 熵(Entropy)起源於熱力學，用來衡量一個混亂、不確定系統的不確. ‧ 國. 學. 定性程度，最早熱力學熵用以度量熱量轉變為功的本領，一直到二十世紀中，Shannon (1951)才將熱力學的概念應用在社會科學領域上，但直到近年. ‧. 方法論才逐漸成熟，並且應用在金融方面的領域。. y. Nat. er. io. sit. Boltzmann (1866) 建立了空氣的動力學理論，宣告統計熱力學誕生，他定義了 Boltzmann 熵，這個熵在物理化學的若干領域裡自始至終扮演著. n. al. i n 關鍵性的角色，但尚不能應用在社會科學領域上。 Ch engchi U. v. 經過幾十年後，資訊理論創始人 Shannon (1951)將 Boltzmann 熵概念引入資訊領域並稱之為資訊熵(information entropy 或者 Shannon entropy)，作為隨機事件的不確定性或者資訊量的度量，在資訊理論裡面，熵是對不確定性的測量。其中，熵越高，則能傳輸越多的資訊，熵越低，則意味著傳輸的資訊越少。資訊熵的單位通常為位元，代表接收到的每條訊息中所包含的平均資訊量，其定義如下：. 25.

(33) 𝑛𝑛. 𝑛𝑛. 𝑖𝑖=1. 𝑖𝑖=1. H𝑠𝑠 = � 𝑃𝑃(𝐴𝐴𝑖𝑖 )𝐼𝐼(𝐴𝐴𝑖𝑖 ) = − � 𝑃𝑃(𝐴𝐴𝑖𝑖 ) 𝑙𝑙𝑙𝑙𝑙𝑙2 𝑃𝑃(𝐴𝐴𝑖𝑖 ). (3-1). 其中假設 A 為一隨機事件，其值域為{𝐴𝐴1 , 𝐴𝐴2 , 𝐴𝐴3 … . , 𝐴𝐴𝑛𝑛 }，I(A)代表 A. 事件所含的資訊量，等於機率值取對數加負號。從公式來看，資訊量大小和事件機率具有直接相關，所以簡單來說熵的概念就像是加權平均的數學期望值。 Shannon 的資訊熵僅能衡量單一隨機事件的資訊量，因此，Kullback. 政治大件概率的概念，得到互資訊熵(corresponding Kullback entropy)，作為相互立 (1968)在資訊熵基礎上提出 Kullback 熵(Kullback entropy)，Kullback 引入條. ‧ 國. 兩隨機事件結合，並且衡量資訊傳遞的開端。. 學. 交換資訊多少的度量，亦可稱為交換熵、相對熵，這是熵發展以來首次將. ‧. Schreiber (2000) 在前人基礎上提出了傳遞熵(transfer entropy , TE)，. y. Nat. sit. 傳遞熵與交換熵的差別在於交換熵只能證明兩事件或系統之間有資訊傳. a. er. io. 輸，但是不能區分資訊傳遞的來源與流向，而傳遞熵能夠區分出來源與流. n. iv 向，即傳遞熵能夠顯示出淨資訊傳輸的方向。除了物理通信領域的廣泛應 l. n U engchi 用外，傳遞熵以及相關熵理論已經被應用在化學、生物、醫學、金融等眾. Ch. 多領域中。在金融方面的實證文獻上， Li et al. (2013) 利用傳遞熵 (Tranfer Entropy)研究中國銀行業間風險傳導可能性，利用 2011 年至 2012 年 16 家中國銀行的股價與資產負債表，估計曝險矩陣以進行分析驗證，並模擬風險傳導過程，研究結果發現，中國銀行體系遭受連續性倒閉危機的可能性相當低。Dimpfl et al. (2014)亦利用傳遞熵(Tranfer Entropy)捕捉金融海嘯期間，資訊在美股與歐股之間流動的不對稱性與非線性，實證結果顯示，金 26.

(34) 融海嘯前，資訊主要從美股流向歐股，在金融海嘯期間，資訊的流通明顯比金融海嘯前高出許多，然而，在金融海嘯後，美股即失去其資訊主導的地位；Daugherty and Jithendranathan (2015) 利用 2003 年 10 月至 2012 年 12 月的 20 個邊境市場股價指數 6與美國標普 500 指數，以傳遞熵(Tranfer Entropy) 研究資訊的流向，實證發現 2008-2009 年金融海嘯期間以及 2011-2012 年歐債危機期間資訊明顯從美國股票市場流向邊境市場，尤其在金融海嘯期間特別顯著。綜整傳遞熵的文獻多探討市場間的資訊流向，本研究欲利用傳遞熵研. 政治大. 究散裝海運產業金融因子間的資訊流向。. 立. ‧ 國. 學. 第四節 BEKK 模型之相關文獻. ‧. 多變量 GARCH 於 1990 年後期開始發展，在 2000 年初期才逐漸被廣. y. Nat. 泛使用。多變量 GARCH 擴展變異數方程式，將不同資產間可能存在的風. er. io. sit. 險傳遞或風險外溢現象具體模型化或量化，然而，從單變量 GARCH 擴展到多變量 GARCH 的過程中，最大的問題在於變異數矩陣估計得到的結果. al. n. v i n 也不一定為正定(positive definite)，非正定的估計結果在實證上不具有意義， Ch engchi U 因此，Engle 和 Kroner 在 1995 年提出了 BEKK-GARCH 模型來解決這方面的問題，BEKK-GARCH 模型與一般多變量 GARCH 模型最大的不同處，在於條件變異數矩陣的估計結果必唯一正定矩陣，以其 GARCH(1,1) 模型為例，條件共變異數矩陣(𝐻𝐻𝑡𝑡 )設定如下：. 6. 邊境市場是指在市場規模、政治風險、金融基礎建設、法規環境、對外國投資人開放度等方面，都還有許多可以改進的地方，也遜於新興市場的國家，該文獻使用的 20 個邊境股票市場包含非洲、肯亞、模里西斯、奈及利亞、坦尚尼亞、中東歐、克羅埃西亞、愛沙尼亞、斯洛維尼亞、保加利亞、哈薩克、羅馬尼亞、烏克蘭、歐非中東、約旦、黎巴嫩、科威特、葉門、卡達、阿拉伯聯合大公國、斯里蘭卡、越南。 27.

(35) ′ 𝐻𝐻𝑡𝑡 = 𝐶𝐶𝐶𝐶 ′ + 𝐴𝐴 𝜀𝜀𝑡𝑡−1 𝜀𝜀𝑡𝑡−1 𝐴𝐴′ + 𝐵𝐵𝐻𝐻𝑡𝑡−1 𝐵𝐵′. (3-2). 其中，𝐻𝐻𝑡𝑡 為 N×N 的條件共變異數矩陣，𝜀𝜀𝑡𝑡−1 為 N×1 的殘差向量，C. 為下三角參數矩陣，A 與 B 為 N×N 的估計參數矩陣，𝐴𝐴′、𝐵𝐵′ 及𝐶𝐶 ′ 皆為 N×N 的. 參數逆矩陣。當參數愈多時，BEKK-GARCH 模型的結構也越豐富，但模型待估計之參數也因此增加。在 BEKK-GARCH 模型的實證文獻上，學者多用此方法論來探討重大. 金融與經濟事件對資產報酬的衝擊，或不同資產間的報酬外溢效果以及波. 政治大. 動傳遞效果。Jin et al. (2012) 利用 2005 年 7 月至 2011 年 2 月的西德州原. 立. 油期貨、杜拜原油期貨及布蘭特原油期貨，以三元 BEKK-GARCH 模型探. ‧ 國. 學. 討雷曼兄弟倒閉事件 7與墨西哥灣漏油事件 8對三個原油期貨市場的影響，實證結果發現三種原油市場中，布蘭特原油對於衝擊反應的波動性與敏感. ‧. 性最大，可以作為原油定價基準的領先指標；蕭堯仁 (2013) 以雙變量. y. Nat. sit. BEKK-GARCH 模型，探討散裝船運價與貨櫃船運價的波動傳遞效果，實. a. er. io. 證結果發現，金融海嘯前後兩運價的波動在長期皆具有持續性的傳遞效果，. n. 但短期衝擊效果於金融海嘯時呈現散裝船運價對貨櫃船運價存在外溢效 iv l. n U engchi 果，而金融海嘯後反呈現貨櫃船運價對散裝船運價存在外溢效果；Olson et. Ch. al. (2014) 亦利用 BEKK-GARCH 模型探討股票市場與能源市場的波動傳. 7. 2008 年，美國第四大投資銀行雷曼兄弟由於投資失利，在談判收購失敗後宣佈申請破產保護，引發了全球金融海嘯。美國財政部和聯儲局協助挽救瀕臨破產的貝爾斯登，卻拒絕出手拯救雷曼兄弟的做法惹起重大爭議，市場信心崩潰一發不可收拾，股市也狂瀉難止。事件引發的金融危機的一個重要教訓就是貸款商之間的競爭既培育了創新，但也帶來了高度的不穩定性。 8 墨西哥灣漏油事件，又稱英國石油漏油事故或深水地平線漏油事件，是 2010 年 4 月 20 日發生的一起墨西哥灣外海油污外漏事件。起因是英國石油公司所屬一個名為「深水地平線」（Deepwater Horizon）的外海鑽油平臺故障並爆炸，導致了此次漏油事故。爆炸同時導致了 11 名工作人員死亡及 17 人受傷。據估計每天平均有 12,000 到 100,000 桶原油漏到墨西哥灣，導致至少 2,500 平方公里的海水被石油覆蓋著。專家們擔心此次漏油會導致一場環境災難影響多種生物。此次漏油還影響了當地的漁業和旅遊業。 28.

(36) 遞關係，發現股票市場較能源市場能反應衝擊，且是經濟風險傳遞的領先指標，而能源指數對於美股的低報酬相當敏感，因此，能源指數並非很好的避險工具；Jin and An (2016) 以 BEKK-GARCH 模型探討金磚五國 9的股票市場和美國的股票市場間，在 2007 年到 2009 年金融危機動態的相互影響關係，實證結果顯示，金磚五國的股票市場在 2007-2009 年全球金融風暴期間，與美國股票市場之間的連動性有瞬間提高的現象。綜整 BEKK-GARCH 模型的實證文獻，多利用雙變量或三元 BEKK-GARCH 模型探討衝擊事件下對於資產報酬間的連動性或波動傳遞. 政治大. 效果，本研究亦將以三元 BEKK-GARCH 模型進行實證分析。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 9. i n U. v. 金磚國家，也常被稱為金磚五國，是指五個主要的新興市場，分別為巴西、俄羅斯、印度、中華人民共和國、南非，其人口和國土面積在全球占有重要份額，並且是世界經濟增長的主要動力之一。 29.

(37) 第肆章研究設計本章呈現散裝海運產業金融傳導因子的變數定義與衡量，接著闡述本研究使用的研究方法，首先說明傳遞熵以及 BEKK-GARCH 模型，接續敘述本研究使用的相關檢定計量方法；第三節則是描述本研究之實證流程，最後本研究根據文獻回顧建立散裝海運產業金融傳導因子的研究假說。. 第一節變數定義與衡量. 政治大本研究根據散裝海運產業與市場特性的文獻回顧選擇這五個變數分立. 別作為股市、匯市、散裝海運運費市場、散裝海運衍生性商品市場以及商. ‧ 國. 學. 品期貨市場的散裝海運產業金融傳導因子，以下將分別說明。. ‧. 一、道瓊全球航運指數 (Dow Jones Global Shipping Index). y. Nat. sit. 道瓊公司於 2011 年從美國的眾多海運上市公司中，挑選 25 間殖利率. a. er. io. 高且流動性佳的海運公司，並根據其市值加權，編制出道瓊全球航運指數. n. iv (Dow Jones Global Shipping ETF，由 l Index)，目前全球最知名的航運類股 Guggenheim Investments. n U engchi 管理且在那斯達克交易所發行的. Ch. Guggenheim. Shipping ETF，其規模在 2016 年第一季結算時達 3,300 萬美元，而海運股價指數的實證文獻上，Andriosopoulos et al. (2013)以進化演算法測試追蹤全球航運類股市值加權指數與追蹤波羅的海乾散貨運價指數的交易策略，發現追蹤全球航運類股市值加權指數的交易策略可以提供投資人風險較低、經濟效益最好的投資方式。因此，本研究將道瓊全球航運指數作為股票市場的散裝海運產業金融傳導因子。. 30.

(38) 二、美元指數(US Dollar Index) 美元指數(US Dollar Index , USDX)是通過平均美元與六種國際主要外匯的匯率得出的，此六種貨幣分別為歐元(EUR)、英鎊(GBP)、瑞士法郎 (CHF)、瑞典克朗(SEK)、加幣(CAD)以及日圓(JPY)。美元指數顯示的是美元的綜合值，一種衡量各種貨幣強弱的指標，類似於顯示美國股票綜合狀態的道瓊斯工業平均指數（Dow Jones Industrial Average）。美元指數是參照 1973 年 3 月六種貨幣對美元匯率變化的幾何平均加權值來計算的，目前這六種貨幣的比重分別是歐元 57.6%、日圓 13.6%、. 政治大. 英鎊 11.9%、加幣 9.1%、瑞典克朗 4.2%、瑞士法郎 3.6%，以 100.00 為. 立. 基準來衡量其價值，110 的報價是指從 1973 年 3 月以來，其價值上升了. ‧ 國. 學. 10%。. ‧. 在實證研究上，林宏銘 (2010) 發現，美元指數變動造成之衝擊將會. y. Nat. 影響到其它所有的變數，且美元指數對大宗商品市場為相反方向的趨勢；. er. io. sit. 陳玉樹 (2011) 實證發現標普高盛商品指數與美元指數有顯著的反向關係； Antonakakis and Kizys (2015)則實證發現大宗商品價格與歐元兌美元、日圓. al. n. v i n 兌美元、英鎊兌美元及瑞士法郎兌美元之間有報酬與波動性外溢的顯著效 Ch engchi U. 果，因此，本研究將美元指數(US Dollar Index , USDX)作為匯市的散裝海運產業金融傳導因子。三、波羅的海乾散貨運費指數(Baltic Dry Index, BDI) 為了提供散裝海運業者可參考的散裝海運運價指標，英國波羅的海交易所建立了波羅的海乾散貨運價指數。波羅的海乾散貨運價指數目前係由波羅的海海岬型運價指數 (Baltic Capsize Index, BCI)、波羅的海巴拿馬極限型船運價指數(Baltic Panamax Index, BPI)、波羅的海輕便極限型船運價指數(Baltic Supramax Index, BSI) 與波羅的海輕便型船運價指數(Baltic 31.

(39) Handysize Index, BHSI)，合組而成的散裝乾散貨海運運價指數。波羅的海乾散貨運價指數為了要真實的反映出不同船型的市場運價及租金的變化前提下，現今波羅的海乾散貨運價指數已經過數次修正，自 2007 年開始波羅的海乾散貨運價指數的子航線加入 BHSI，波羅的海乾散貨運價指數由 BCI、BPI、BSI 與 BHSI 四種不同運價指數以相同權重平均計算組成綜合指數再乘上 1.192621362 後，形成目前的波羅的海乾散貨運價指數。在國內外的海運相關文獻多探討波羅的海乾散貨運價指數與運輸類. 政治大. 股(張瀞之與劉錫謙 , 2012； Gusanu et al., 2012；Andriosopoulos et al. , 2013). 立. 以及波羅的海乾散貨運價指數與遠期運費協議( Kavussanos and Visvikis ,. ‧ 國. 學. 2004；Batchelor et al. , 2007)，因此，本研究將波羅的海乾散貨運價指數作為散裝海運運費市場的散裝海運產業金融傳導因子。. sit. y. ‧. Nat. 四、遠期運費協議(Forward Freight Agreements, FFAs). er. io. 遠期運費協議為買賣雙方達成的一種遠期協議，協議規定了具體的航. n. 線、價格、數量等等，且雙方約定在未來某一時點，收取或支付依據波羅 a v. i l C n hengchi U 的海航交所的官方運費指數價格與合同約定價格的運費差額。在實證研究上，Alizadeh (2013)指出，對於遠期運費協議交易來說，2006 年是一個分水嶺，無論是成交量還是參與度來說，都達到一個前所未有的水平，而遠. 期運費協議的發展吸引投資銀行與避險基金等非海運產業的參與者進入，使得海運市場供給與需求的資訊傳遞至遠期運費協議市場越來越有效率，而 Kavussanos et al.(2014)也是根據 Alizadeh (2013)的研究成果證實全球經濟需求面衰退的資訊會從原物料期貨傳導到遠期運費協議市場，進而傳導到波羅的海乾散貨運價指數現貨市場。由於遠期運費協議僅針對波羅的海乾散貨運價指數的四個子指數為 32.

(40) 標的，因此，本研究根據波羅的海交易所公布之公式，編制近月加權遠期運費協議指數，此指數係由四種不同船型的近月遠期運費協議價格比照波羅的海運費指數的公式編制而成，為了驗證近月加權遠期運費協議指數較能貼近波羅的海乾散貨運價指數，本研究將此指數與其他子指數之近月遠期運費協議價格對波羅的海乾散貨運價指數解釋能力作比較，如下表。表 4-1 遠期運費協議價格對波羅的海乾散貨運價指數解釋能力之比較表解釋變數. 係數. t值. 解釋能力. F值. 近月海岬型遠期運費協議價格. 0.0401. 38.39***. 76.44%. 1474. 0.1296 治 36.272*** 政大. 74.33%. 1316. 近月巴拿馬型遠期運費協議價格近月極限輕便型遠期運費協議價格. 立. 64.23%. 816.2. 近月輕便型遠期運費協議價格. 0.1574. 19.259***. 44.90%. 370.9. 近月加權遠期運費協議指數. 0.0239. 40.841***. 78.60%. 1668. ‧ 國. 28.568***. 學. 0.1230. y. sit. Nat. 資料來源：本研究整理. ‧. 註：「*、**及***」分別代表於10%、5%及1%顯著水準下，呈現顯著。. 本研究用此指數與四種不同船型的近樂遠期運費協議價格做為解釋. er. io. 變數，設定波羅的海乾散貨運價指數為被解釋變數，進行簡單回歸模型分 a. n. iv l C n 析，將對波羅的海乾散貨運價指數解釋能力的結果做比較，發現近月加權 hengchi U 遠期運費協議指數的解釋能力與模型配適度(F值)皆最高，故本研究採用近. 月加權遠期運費指數作為衍生性金融商品市場的散裝海運產業金融傳導因子。五、標準普爾高盛商品指數(S&P Goldman Sachs Commodity Index) 標普高盛商品指數由高盛公司創建於 1991 年，2007 年被標普公司收購並重新命名，被認為是國際交易市場跟蹤量最大的商品指數，亦全球包括養老基金、保險公司等長期投資者投資商品市場運用得最多的商品指數。在原物料期貨與散裝海運產業的相關文獻上，Kavussanos et al. (2010) 以巴 33.

(41) 拿馬型船舶的遠期運價與煤炭、玉米及小麥等商品期貨價格進行研究，發現遠期運價與商品期貨價格呈現顯著的波動外溢效果，而 Kavussanos et al. (2014) 基於前面的基礎，分別以海岬型船舶、巴拿馬型船舶、輕便極限型船舶及輕便型船舶的遠期運價，與其船型所運送的商品期貨依權重進行實證研究，其結果亦呈現顯著的波動外溢效果，表示新的資訊會先反應在大宗商品期貨，在傳導到運送該商品船型的遠期運費協議市場，大宗商品期貨在資訊上領先運費協議市場。因此，本研究採用標普高盛商品指數作為商品期貨市場的散裝海運產業金融傳導因子。. 第二節研究方法. 立. 政治大. ‧ 國. 學. 本節將說明傳遞熵以及 BEKK-GARCH 模型，接續敘述本研究使用的相關檢定計量方法，如單根檢定等方法。. ‧ sit. y. Nat. 一、傳遞熵(Transfer Entropy). er. io. Schreiber (2000) 在前人基礎上提出了傳遞熵(transfer entropy , TE)，. n. 傳遞熵與交換熵的差別在於交換熵只能證明兩事件或系統之間有資訊傳 a v. i l C n hengchi U 輸，但是不能區分資訊傳遞的來源與流向，而傳遞熵能夠區分出來源與流向，即傳遞熵能夠顯示出淨資訊傳輸的方向。除了物理通信領域的廣泛應. 用外，傳遞熵以及相關熵理論已經被應用在化學、生物、醫學、金融等眾多領域中，假設兩系統 I 與 J，傳遞熵的定義如下：資訊從 J 傳遞到 I 的傳遞熵. = 從 I 與 J 歷史資訊可以取得的與 I(t + 1)有關的資訊 − 從 I 歷史資訊可以取得的與 I(t + 1)有關的資訊 34.

(42) 資訊從 J 傳遞到 I 的傳遞熵公式如下：. (𝑘𝑘). (𝑙𝑙). (𝑘𝑘). (𝑙𝑙). TE𝐽𝐽→𝐼𝐼 = � 𝑃𝑃(𝑖𝑖𝑡𝑡+1 , 𝑖𝑖𝑡𝑡 , 𝑗𝑗𝑡𝑡 )𝑙𝑙𝑙𝑙𝑙𝑙 𝑃𝑃(𝑖𝑖𝑡𝑡+1 │𝑖𝑖𝑡𝑡 , 𝑗𝑗𝑡𝑡 ) (𝑘𝑘). (𝑘𝑘). − � 𝑃𝑃(𝑖𝑖𝑡𝑡+1 , 𝑖𝑖𝑡𝑡 , )𝑙𝑙𝑙𝑙𝑙𝑙 𝑃𝑃(𝑖𝑖𝑡𝑡+1 │𝑖𝑖𝑡𝑡 ) =. (𝑘𝑘) (𝑙𝑙) � 𝑃𝑃(𝑖𝑖𝑡𝑡+1 , 𝑖𝑖𝑡𝑡 , 𝑗𝑗𝑡𝑡 ) 𝑙𝑙𝑙𝑙𝑙𝑙. (𝑘𝑘). (𝑙𝑙). 𝑃𝑃(𝑖𝑖𝑡𝑡+1 │𝑖𝑖𝑡𝑡 , 𝑗𝑗𝑡𝑡 ) (𝑘𝑘). 𝑃𝑃(𝑖𝑖𝑡𝑡+1 │𝑖𝑖𝑡𝑡 ). (4-1). 政治大式(4-1)概念是由 J 傳遞到 I 的資訊等於利用 I 與 J 歷史資訊對下一期立. I 的預期減去 I 利用自己歷史資訊對自己下一期的預期。相減的動作是為了. ‧ 國. 學. 為排除 I 本身歷史訊息的影響，單純衡量 J 所提供的額外資訊對 I 的 t+1. y. n. al. sit. io. 𝑗𝑗𝑡𝑡 = {𝑗𝑗𝑡𝑡 , 𝑗𝑗𝑡𝑡+1 … . , 𝑗𝑗𝑡𝑡+𝑙𝑙−1 }。. er. (𝑙𝑙). = {𝑖𝑖𝑡𝑡 , 𝑖𝑖𝑡𝑡+1 … . , 𝑖𝑖𝑡𝑡+𝑘𝑘−1 }，𝑗𝑗𝑡𝑡 代表在 t 期時系統 J 所包含的所有歷史資訊，. Nat. (𝑘𝑘). 𝑖𝑖𝑡𝑡. ‧. 期資訊的傳導。其中，𝑖𝑖𝑡𝑡 代表在 t 期時系統 I 所包含的所有歷史資訊，. 二、BEKK-GARCH 模型. Ch. engchi. i n U. v. 為了要研究多個金融變數間的動態關係，需要建立多變量模型來探討，一般多變量GARCH(p,q)模型-VECH形式可表示如下：. 𝑞𝑞. Y𝑡𝑡 = 𝜇𝜇𝑡𝑡 + ℰ𝑡𝑡. (4-2) 𝑝𝑝. ′ � + � 𝐵𝐵𝑗𝑗 𝑣𝑣𝑣𝑣𝑣𝑣ℎ�𝐻𝐻𝑡𝑡−𝑗𝑗 � 𝑣𝑣𝑣𝑣𝑣𝑣ℎ(𝐻𝐻𝑡𝑡 ) = 𝐶𝐶 + � 𝐴𝐴𝑖𝑖 𝑣𝑣𝑣𝑣𝑣𝑣ℎ�ℰ𝑡𝑡−𝑖𝑖 ℰ𝑡𝑡−𝑖𝑖 𝑖𝑖=1. (4-3). 𝑗𝑗=1. 其中，式(4-2)稱為均數方程式(mean equation)，在t-1期的資訊下取期望值為其平均數，式(4-3)稱為變異數方程式(variance equation)，多變量 35.