台灣壽險業國外投資與營運風險、經營績效之關係探討—以海外債券為例 - 政大學術集成

全文

(1)國立政治大學風險管理與保險學研究所碩士學位論文. 台灣壽險業國外投資與營運風險、經營績效之關係探討—以海外債券為例. 治政 The relations among foreign investments, 大operational risk and 立 ‧ 國. 學. business performance of life insurers in Taiwan: Evidence from overseas bonds.. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：陳彩稚博士研究生：許淵宏撰. 中華民國 106 年 06 月.

(2) 摘要台灣壽險業近年來面對利差損、國內低利環境，與國內長天期投資工具不足的窘境，因而保險法第 146-4 條修正後，壽險業者擴大持有國外投資部位。本研究以海外債券投資作為國外投資代理變數，探討海外債券投資與壽險公司之營運風險、經營績效的關係。採用 2008 年至 2016 年，共 25 家壽險公司不平衡追蹤資料，以 OLS、Panel Data 兩種統計方法作實證分析，再以金融海嘯到歐債危機的時間點，劃分成前期(2008 年-2011 年)、後期(2012 年-2016 年)作比較分析。. 政治大相關；和經營績效則是顯著正相關。若是非線性模型，海外債券投資與營運風險立. 根據全期資料之分析：以線性模型來看，海外債券投資與營運風險為顯著負. ‧ 國. 學. 為 U 型相關，臨界點在 18.83%。分期資料之分析則顯示：前期資料結果與全期資料一致。但後期資料的研究結果出現反轉，在線性模型下，海外債券投資與營. ‧. 運風險呈現顯著正相關，和經營績效則呈現顯著負相關；而非線性模型下，海外. al. y. er. io. sit. Nat. 債券和營運風險的 U 型相關，臨界點下降至 13.56%。. v. n. 關鍵詞：國外投資、海外債券、壽險業、營運風險、經營績效. Ch. engchi. i. i n U.

(3) Abstract In recent years, life insurers in Taiwan face the spread loss of interest rate, low interest rate environment and shortage of long-term instruments. Life insurers started to expand their foreign investments after the amendment of Article 146-4 of Insurance Act in 1992. This study aims to investigate the relations among overseas bonds investment, operational risk and business performance of life insurers. Data is composed of 25 life insurers from 2008 to 2016. With consideration of the global financial crisis and European debt crisis, this study then divides the data into two subsets (before and after the crises).. 立. 政治大. The results shows that under the linear model there is a significant negative. ‧ 國. 學. relation between overseas bonds and operational risk, but a significant positive relation between overseas bonds and business performance. Under non-linear model. ‧. there is a significant U-shaped relationship between overseas bonds and operational. Nat. er. io. sit. y. risk, with the critical point at 18.83%.. al. n. v i n Ch the based on the whole data (2008-2016). e n gHowever, c h i Uthe analysis for the subset data The results for the subset data before the crises (2008-2011) is consistent with. after the crises (2012-2016) display different result. Under the linear model, the relation between overseas bonds and operational risk is positive, but it is negative between overseas bonds and business performance. Additionally, the critical point of that U-shaped relationship between overseas bonds and operational risk under the non-linear model drops to 13.56%.. Keywords: Foreign investments, overseas bonds, life insurance industry, operational risk, business performance.. ii.

(4) 目次第一章緒論.................................................................................................................. 1 第一節研究背景、動機與目的 .............................................................................. 1 第二節研究架構與流程 .......................................................................................... 4 第二章文獻回顧.......................................................................................................... 6 第一節國際化定義 .................................................................................................. 6 第二節國際化與營運風險、經營績效之關係 ...................................................... 9 第三節壽險業與國外投資 .................................................................................... 12. 政治大第一節研究假設 .................................................................................................... 14 立. 第三章研究方法與實證資料.................................................................................... 14. 第二節資料來源與研究變數 ................................................................................ 16. ‧ 國. 學. 第三節研究模型 .................................................................................................... 23. ‧. 第四章實證結果........................................................................................................ 26 第一節敘述統計分析 ............................................................................................ 26. y. Nat. sit. 第二節相關性統計分析 ........................................................................................ 29. n. al. er. io. 第三節實證結果(一) ............................................................................................. 32. i n U. v. 第四節實證結果(二) ............................................................................................. 48. Ch. engchi. 第五章結論與建議.................................................................................................... 63 第一節結論 ............................................................................................................ 63 第二節後續研究建議 ............................................................................................ 66 參考文獻...................................................................................................................... 66 附錄.............................................................................................................................. 71. iii.

(5) 表次表 3-1 實證模型變數整理 ......................................................................................... 22 表 4-1 敘述統計量 ..................................................................................................... 28 表 4-2 應變數 VTA，解釋變數間的相關係數 ........................................................ 29 表 4-3 應變數 VTB，解釋變數間的相關係數 ........................................................ 30 表 4-4 應變數 ROA，解釋變數間的相關係數 ........................................................ 31 表 4-5 迴歸式整理 ..................................................................................................... 32 表 4-6 統計方法 OLS/應變數 VTA/全資料期間...................................................... 35. 政治大表 4-8 統計方法 OLS/應變數立 ROA/全資料期間 ..................................................... 37 表 4-7 統計方法 OLS/應變數 VTB/全資料期間 ..................................................... 36. ‧ 國. 學. 表 4-9 統計方法 OLS/應變數 VTA/前期資料.......................................................... 39 表 4-10 統計方法 OLS/應變數 VTB/前期資料 ....................................................... 40. ‧. 表 4-11 統計方法 OLS/應變數 ROA/前期資料 ....................................................... 41. sit. y. Nat. 表 4-12 統計方法 OLS/應變數 VTA/後期資料........................................................ 45. al. er. io. 表 4-13 統計方法 OLS/應變數 VTB/後期資料 ....................................................... 46. v. n. 表 4-14 統計方法 OLS/應變數 ROA/後期資料 ....................................................... 47. Ch. engchi. i n U. 表 4-15 統計方法 Panel Data/應變數 VTA/全資料期間.......................................... 50 表 4-16 統計方法 Panel Data/應變數 VTB/全資料期間.......................................... 51 表 4-17 統計方法 Panel Data/應變數 ROA/全資料期間 ......................................... 52 表 4-18 統計方法 Panel Data/應變數 VTA/前期資料.............................................. 54 表 4-19 統計方法 Panel Data/應變數 VTB/前期資料.............................................. 55 表 4-20 統計方法 Panel Data/應變數 ROA/前期資料 ............................................. 56 表 4-21 統計方法 Panel Data/應變數 VTA/後期資料.............................................. 58 表 4-22 統計方法 Panel Data/應變數 VTB/後期資料.............................................. 59 表 4-23 統計方法 Panel Data/應變數 ROA/後期資料 ............................................. 60 iv.

(6) 表 4-24 線性模型之實證結果整理 ........................................................................... 61 表 4-25 非線性模型之實證結果整理 ....................................................................... 62 表 6-1 壽險公司研究樣本 ......................................................................................... 71. 圖次圖 1 研究流程圖........................................................................................................... 5. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. v. i n U. v.

(7) 第一章緒論第一節研究背景、動機與目的我國壽險市場自 1947 年國人自辦台灣人壽為濫觴，而後 1980 年代末期允許美商在台設立分公司，以及 1990 年代初期全面開放保險市場，本國與外商公司紛紛設立。台灣壽險業發展已逾七十年，這段期間壽險業經營面臨到巨大的挑戰，回顧 1980、1990 年代，兩年期定儲利率1落在 5.15%-14.75%的高點，導致當時估計之投資報酬率較高，使得保單預定利率接近 6%。隨著世界金融環境劇烈動盪，歷經 2000 年網路泡沫、2007-08 年金融海嘯、2010-11 年歐債危機…等全球衝擊. 政治大. 不斷襲來，經濟發展似乎遇到相當大的瓶頸。大國為解除低迷經濟狀態，除利用. 立. 擴張性財政政策和貨幣政策外，當基準利率接近 0，更採取積極手段：量化寬鬆. ‧ 國. 學. 政策(Quantitative Easing, QE)。例如：美國聯準會在金融海嘯期間至 2014 年間共實施三次 QE；日本 2012 安倍經濟學也是 QE 政策；歐元區 QE 仍是現在進行式，. ‧. 且預估持續到 2018 上半年。台灣雖然沒有實施 QE，僅採用較寬鬆的貨幣政策，. y. Nat. sit. 但是 2008 年至 2011 年重貼現率2自 3.25%一路調降到 1.875%，近兩年繼續降至. n. al. er. io. 1.375%。台灣兩年期定儲利率幾乎觸礁，都在 1%-2%附近徘徊，儘管 2000 年後. i n U. v. 調降新契約預定利率，但過去高預定利率保單仍屬於有效契約，讓壽險公司背負龐大的利差損壓力。. Ch. engchi. 利差損、國內投資環境欠佳和國內長期投資工具不足的三方夾擊之下，壽險公司勢必得尋找解決之道。1992 年台灣第一次修訂保險法第 146-4 條，令保險業得以辦理國外投資，但投資總額不得超過該保險業資金 5%，主管機關最高則可調整至 20%。2003 年修改為主管機關得視經營情況調整比率到 35%。2007 年則明定保險業資金辦理國外投資項目，並將最高投資比率調整至 45%。接著 2011. 1 2. 合作金庫歷年利率 https://goo.gl/u2HuDf 中央銀行重貼現率 https://goo.gl/4XnX9h 1.

(8) 年規定經主管機關核准銷售之外幣收付的非投資型人身保險商品，不納入國外投資限額。2014 年是最近一次法條修正，開放部分國外投資不計入該公司的國外投資限額，其中包括：「保險業依本法規定投資於國內證券市場上市或上櫃買賣之外幣計價股權或債券憑證之投資金額。」. 這項修正為壽險業打開一扇窗，因為台灣債券利率一向在低檔震盪，尤其從 2016 年初到 2017 年中都在 0-1%遊走，即使持有台灣十年期公債部位，利率也不足以彌補利差損。外國企業來台灣發債成本相對較低，加上保險法第 146-4 條. 政治大 Inc.於 2016 年 6 月來台發行 30 年期美元國際板債券，利率為 4.15%，滿兩年 Apple 立. 修正，國際板債券不再納入國外投資限額內，令壽險公司大舉搶進。例如：Apple. 可提前贖回，總發行額度達到 12.77 億美元，國內七大壽險公司即買進超過八成。. ‧ 國. 學. 然而這些國際板債券具可贖回的特性，恐讓壽險公司承擔相當大的再投資風險，. ‧. 於是金管會 2017 年 1 月提出保險業辦理國外投資管理辦法修正草案3。2017 年 6. y. Nat. 月正式上路，未來保險業者若要承購國際板債券，初級市場必須選擇五年內不得. n. al. er. io. 風險。. sit. 贖回者；次級市場則是三年內不可贖回，以強化保險業之資產配置與減少再投資. Ch. engchi. i n U. v. 台灣存款利率或債券利率很難在短時間挑戰 3%以上。由此可見，壽險公司將持續追求國外投資，近幾次保險法修正，使保險業投資國外可占其資金的 45%，以及國際板債券不納入限額。隨著美國 2017 年進入升息循環，外國企業來台發債贖回的比率可望下降。由於壽險業的國外投資已占公司資產之重大比例，對於保險公司經營必然有關鍵影響力，因此本文以此為背景進行以下之研究。. 3. 保險業辦理國外投資管裡辦法部分條文修正草案總說明 2.

(9) 綜上所述，台灣壽險公司因應本國低利環境、過往的高預定利率保單，以及亟需去化手上超過 20 兆元新台幣資金4，審慎的國外投資是目前可行的選項之一。本研究將探討 2008 年到 2016 年(季資料)，25 家壽險公司進行國外投資，其投資比率與營運風險、經營績效的關聯性。本研究除了討論線性模型，也加入非線性模型，並將資料分為金融海嘯、歐債危機結束前(2008 年-2011 年)，和金融市場恢復期(2012 年-2016 年)，兩個子區間下國外投資比率與風險、績效的關係是否改變。研究目的包括下列三項：. 政治大二、國外投資多寡與壽險公司經營績效的影響，以及其關係為線性或非線性。立. 一、國外投資多寡與壽險公司營運風險的影響，以及其關係為線性或非線性。. 三、根據金融海嘯、歐債危機最為衝擊的時間點劃分，討論 2008 年-2011 年以及. ‧ 國. 學. 2012 年-2016 年，兩個期間國外投資對營運風險、經營績效帶來的效應為何，. ‧. 是否保持一致，或是有所改變。. n. er. io. sit. y. Nat. al. 4. Ch. engchi. 財團法人保險事業發展中心—201702 保險市場重要指標 3. i n U. v.

(10) 第二節研究架構與流程本論文之研究架構共分為五章：. 第一章描述台灣目前金融環境對壽險業之衝擊和影響，以瞭解本論文的研究背景、研究動機。其次則說明本論文之研究目的，在於找出國外投資比率與營運風險、經營績效的關係。. 第二章回顧過去文獻關於廠商國際化對經營的影響。首先從製造業角度看待. 政治大際化和風險、績效的關係。最後延伸至壽險業，因為其特殊性導致評估國外投資立. 海外布局，該產業和公司經營績效的改變。其次則是銀行業，以類似方法衡量國. ‧. ‧ 國. 學. 與風險、績效的方法將有所不同，因此本研究將另行探討。. 第三章根據文獻提出研究假設，再設計研究方法與研究模型，以及選取研究. al. er. io. sit. y. Nat. 變數的原因和資料說明。. v. n. 第四章分析實證結果，列出敘述統計、相關係數。因應不同模型評估是否符. Ch. engchi. i n U. 合殘差同質性、殘差無自我相關；Panel Data 模型應使用固定效果或是隨機效果來估計，並針對實證結果加以分析說明。. 第五章結論，根據模型進行實證結果說明，國外投資比率與營運風險、經營績效之關係為何，並歸納出可繼續作深入研究的未來方向。. 研究流程如下圖 1。. 4.

(11) 研究背景研究動機國際化相關文獻政治大立. ‧. ‧ 國. 壽險業. 學. 銀行業. 製造業. y. sit. io. n. al. er. Nat. 提出假設 i n U. Ch. v. engchi 建立實證模型. 評估實證結果結論與未來方向圖 1 研究流程圖 5.

(12) 第二章文獻回顧本研究欲探討壽險公司在海外進行投資時，其投資多寡如何影響公司之營運風險、經營績效，目前文獻上較少提及此面向的研究。原因有二：第一，在債券市場相對活絡的學術重鎮—美國，其國內債券市場發達。美國壽險業資產配置多鎖定在國內公債或公司債，故國外投資相關研究較少。第二，國內低利環境自 2008 年後更加嚴重，但時間短暫因此研究有限。. 由於壽險業國外投資屬國際化的一環，本研究先從廠商國際化行為角度切入，. 政治大對其國際化與營運風險、經營績效的關係加以剖析，最後則從壽險業角度來看待立首先回顧有關國際化定義之文獻，其次回顧有關製造業和銀行業的相關文獻，針. ‧ 國. 學. 國外投資。畢竟壽險業有其獨特性，與製造業或銀行業的直接投資，例如：出口到海外的銷售比率、海外設立分公司、海外員工人數占總員工人數，都不盡相同。. ‧. er. io. sit. Nat. 進行國外投資究竟會給公司帶來哪些影響。. y. 本研究期許從過去學者、專家的研究中，進一步分析壽險業在面對經營上的困境，. n. a l第一節國際化定義 i v n Ch U engchi 先前研究以廠商行為作為出發點，主張當本國市場開發至一定程度時，為了尋求分散風險(生產模式或是投資組合)、降低成本和追求更廣大獲利來源，勢必布局海外市場。國際化的議題在學術討論存在多時，然而不同角度分析其全貌，對定義仍有不同的解釋。Vernon (1966)首先利用產品發展(新產品、成熟商品、標準化商品)和市場分類(美國、其他已開發國家、發展中國家)，說明企業進行國際化是一個連續過程，廠商會依不同階段，調整國際化步伐。Hitt, Hoskinsson and Kim (1997)定義國際多角化為廠商突破國家和邊界，擴張活動到不同地理區域和市場。. 6.

(13) Annavarjula and Beldona (2000)參考 1971 年到 1998 年的相關文獻後，認為定義一個組織的國際化，可以從三個面向討論：海外營運活動(Operations)、海外資產所有權(Ownership)、策略發展的態度(Orientation)，並作為提供經理人決定參與國際化的依據，以及找出國際化最適水準。Sullivan (1994)整理過去衡量國際化的研究，並將衡量指標分為三種屬性：第一，績效屬性(Performance)，例如：海外銷售占總銷售比例(FSTS)、研發支出密度(RDI)、廣告支出密度(AI)、出口銷售占總銷售比例(ESTS) 、海外獲利占總獲利比例(FPTP) 。第二，結構屬性 (Structural)，例如：海外資產占總資產比例(FATA)、海外子公司占總子公司比例. 政治大際營運的心理分散度(PDIO)。該研究最後使用 FSTS、FATA、OSTS、TMIE、PDIO，立. (OSTS)。第三，態度屬性(Attitudinal)，例如：高階主管的國際經驗(TMIE)、國. 五個指標的線性組合衡量國際化，並排列出前 25 家廠商的國際化程度。. ‧ 國. 學 ‧. 針對國際化程度的衡量，先前文獻所運用的指標摘要如下：. sit. y. Nat. 一、海外銷售占總銷售比例(FSTS)：Vernon (1971)、Horst (1972)、Yoshihara (1985)、. io. er. Michel and Shaked (1986)、Sullivan (1994)。. 二、海外資產占總資產比例(FATA)：Olusoga (1993)、Sullivan (1994)、張燕玉. al. n. v i n (2006)、Slager (2007)、蔡佳憓(2008)、張麗娟與鍾雅雯(2010)、姜邦杰(2011)、 Ch engchi U. 陳雅涵(2012)、龔俊吉(2013)、鄭宇淳(2015). 三、海外分支機構數占總機構數比例：張燕玉(2006)。四、海外員工人數占總員工人數比例：張燕玉(2006)。五、海外營業費用占總營業費用比例：蔡佳憓(2008)。. 針對營運風險的衡量，先前文獻採用下列指標： 7.

(14) 一、總風險、系統風險和非系統風險：Bühner (1987) 二、CAMEL 準則的資本適足率：張麗娟、鍾雅雯(2010) 三、ROA 的標準差：姜邦杰(2011) 四、風險指標 ZP-score：邱美菁、許永明、陳寧馨(2011) 五、Z-score、ROE 的標準差和風險調整的 ROE：鄭宇淳(2015). 針對經營績效的衡量，先前文獻主要採取三個指標：一、ROA：Bühner (1987)、Delios and Beamish (1999)、Ruigrok and Wagner (2003)、. 政治大. 張燕玉(2006)、蔡佳憓(2008)、張麗娟、鍾雅雯(2010)、陳雅涵(2012)、龔俊吉(2013)。. 立. 二、ROE：Bühner (1987)、Delios and Beamish (1999)、陳雅涵(2012)、龔俊吉. ‧ 國. 學. (2013)。. Nat. n. al. er. io. sit. y. ‧. 三、ROS：Delios and Beamish (1999)、喬友慶(2003)。. Ch. engchi. 8. i n U. v.

(15) 第二節國際化與營運風險、經營績效之關係國際化與營運風險關係的文獻較少，著墨國際化程度和廠商績效的討論居多。過往文獻以製造業研究開始，後續再以類似主軸延伸到銀行業。過去實證顯示，國際化與廠商績效表現的關係，呈現非常多元的結果。實證結果因為樣本數量、樣本國家、地區或不同產業的差異，有正相關、負相關、沒有相關的線性關係；甚至更進一步探討非線性相關，獲得兩者之間存在 U 型或是倒 U 型相關。本文首先摘要製造業之國際化研究，其國際化程度和營運風險或經營績效的關係，其次整理銀行業之文獻。. 立. 製造業. 學. ‧ 國. 一、. 政治大. Bühner (1987)採用 1966 年到 1981 年，西德前三百家大型公司的其中 40 家，實證結果指出國際多角化能幫助企業降低非系統性風險，並提高公. ‧. 司的 ROA、ROE。Delios and Beamish (1999)研究日本 399 家廠商，實證得. y. Nat. sit. 到廠商海外直接投資(FDI)件數和廠商海外直接投資國家數愈多，與企業. n. al. er. io. ROA、ROE 與 ROS 呈現正顯著相關。Ruigrok and Wagner (2003)研究德國. i n U. v. 1993 年到 1997 年 84 家製造業公司，利用組織學習觀點討論國際化與經營. Ch. engchi. 績效之關係，實證結果顯示海外銷售占總銷售比例(FSTS)和 ROA 具有 U 型相關，臨界點是 58.46%。當 FSTS 小於 58.46%時，增加 FSTS 會降低 ROA；若大於 58.46%則應繼續提高 FSTS。. 喬友慶(2003)以純益率(Return on Sales, ROS)作為應變數，以及出口銷售占總銷售比例(Export Sales Ratio, ESR)作為主要解釋變數，衡量台灣 564 家大型製造廠商，其國際化程度與績效的非線性關係。實證得出國際化程度與績效是先增後減的倒 U 型關係，臨界點落在 48.76%，亦即當 ESR 小於 48.76%時，增加該比率有助於提升純益率，但超過 48.76%會有相反效果。 9.

(16) 姜邦杰(2011)將資產報酬率(Return on Assets, ROA)的變異數，長期負債對權益比例作為衡量企業營運風險、借貸能力的指標，再以外銷比率(FSR)、國外資產比率(FAR)來衡量國際化程度，利用事件研究法對台灣 208 家製造業進行分析。實證結果說明國際化程度與營運風險為 U 型相關，FAR 的臨界點是 44.69%；而國際化程度和借貸能力是倒 U 型相關，FSR 的臨界點為 55.19%。. 二、. 政治大張燕玉(2006)取台灣銀行業 2002 年到 2005 年的不平衡追蹤資料立銀行業. ‧ 國. 學. (Unbalanced Panel Data)，以多元迴歸進行分析。實證發現海外機構數占總機構數比例、海外資產占總資產比例、海外員工人數占總員工人數比例皆與. ‧. ROA 為顯著正相關。另一方面，海外機構數占總機構數比例、海外資產占. al. er. io. sit. y. Nat. 總資產比例和 ROE 是顯著正相關。. v. n. Slager (2007)則利用 1980 年到 2000 年的 44 家銀行為樣本，以海外資產. Ch. engchi. i n U. 占總資產比例、海外收入占總收入比例、海外員工人數占總員工人數比例，三者融合為國際化指標 TNI，對稅前獲利占資本與儲備的比例做實證，得到其中 25 家的 TNI 和績效是負相關。蔡佳憓(2008)用台灣銀行業 1998 年至 2007 年的不平衡追蹤資料將海外資產占總資產比例、海外收入占總收入比例、海外營業費用占總費用比例，三者以一般加權平均的方法，設為國際化指標 DOI。實證指出 DOI 與 ROA 為顯著正相關。. 張麗娟、鍾雅雯(2010)用多元迴歸分析台灣銀行業 2003 年到 2008 年的混合資料，實證為銀行海外資產占總資產比例與風險為正相關，但與績效並 10.

(17) 不顯著；海外銷售額占總銷售額的比例和風險為負相關，和績效則是正相關。邱美菁等人(2011)研究台灣銀行業 1997 年到 2008 年的資料，探討銀行業多角化經營對績效的影響，結果顯示國際多角化能幫助銀行業降低風險和提高公司績效。. 陳雅涵(2012)利用 Panel Data 的固定效果模型和 GMM 作估計，從台灣銀行業的實證得到海外資產占總資產比例、海外存款占總資產比例、海外營收占總營收比例，三者都和 ROA 為正相關。新加坡銀行業實證也顯示海外. 政治大. 資產占總資產比例與 ROA 是正向顯著相關。. 立. 龔俊吉(2013)則是研究國際化程度對台灣銀行業 2005 年到 2013 年間的. ‧ 國. 學. 績效影響，實證為海外收益占總收益比例、海外資產占總資產比例、海外分. ‧. 支機構數占總機構數比例，三者對 ROA、ROE 皆為正顯著相關。鄭宇淳(2015). y. Nat. 取用 2004Q4 到 2014Q2 台灣銀行業的資料，實證結果顯示海外資產占總資. er. io. sit. 產比例、海外放款占總放款比例兩者，與 Z-score 為顯著正相關，說明國際化能幫助銀行業降低風險。. n. al. Ch. engchi. 11. i n U. v.

(18) 第三節壽險業與國外投資製造業和銀行業的文獻大多提及國際化或國外投資，與營運風險和經營績效的關係。然而壽險業的研究則相對少，但仍有若干文獻因應台灣壽險業特殊情況，而討論國外投資與壽險業經營的關係。. 蔡政憲、吳佳哲(2000)研究 1992 年保險法第 146 條之修正，對於保險公司投資效率是否有改變。以台灣 8 家壽險公司和 14 家產險公司，共 242 筆資料的實證得到：放寬投資種類、限縮投資比例的修正，令保險公司效率前緣往右下方. 政治大司為了維持原有的投資報酬率立，將採取更高風險的投資策略。最後建議未來修法，移動，並說明修法後投資收益率沒有顯著變化，但投資組合風險卻上升。保險公. ‧. ‧ 國. 學. 基於國外市場能達到全球性之風險分散，可以將國外投資比例上限提高。. 林金樹(2005)考量到壽險業現金流量特性，將資產分為八大類。再利用. sit. y. Nat. Mean-Variance 規劃求解，模擬在不同國外投資避險成本下，提高資產配置國外. al. er. io. 投資比例，是否提高壽險公司投資效益。當國外投資避險成本假設為 1.0%時，. v. n. 放寬國外投資上限能讓效率前緣往左上方移動；避險成本在 1.5%時，效率前緣. Ch. engchi. i n U. 依然向左上方推進，但幅度小於避險成本是 1.0%時。整體而言，國外投資避險成本落在 1.0%或 1.5%，放寬國外投資比例上限對整體壽險業投資有助益。若是避險成本達到 2.0%、2.5%或 3.0%時，國外投資收益表現將被避險成本抵銷。. 張士傑、朱浩民、許素珠、黃雅文(2010)研究台灣壽險業資產配置國際化，是否存在母國權益投資偏好迷思(Home Equity Bias Puzzle)，並探討提高國外投資比例，是否對壽險業投資報酬有加分效果。實證結果為本資公司的國外投資比例顯著高於外資公司，解釋台灣壽險業不存在母國權益投資偏好。另一方面，國外. 12.

(19) 投資比例與壽險公司投資績效為正相關但不顯著，說明壽險業增進國外投資工具之配置效率以及風險管理技術，相對於國外投資比例更顯得重要。. 林惠芳、張邦茹、葉寧欣(2012)研究 2006Q2 到 2009Q4 的 11 家壽險公司，分別以 Tobit、Ordered Probit 和 Multinomial Logit 三種模型，討論壽險公司使用衍生性商品的金額、種類和型態。實證結果證實公司規模、國外投資比例愈大者，公司運用衍生性商品金額會愈大、種類愈多。公司規模愈大或國外投資比例愈高，傾向同時使用期貨和選擇權的衍生性金融商品，原因在於壽險業增加國外投資，. 政治大. 強化匯率波動對盈餘變化的影響，故需要衍生性商品來進行避險。. 立. 黃全利(2012)利用 2004 年至 2008 年，台灣 25 家的壽險公司為樣本，探討. ‧ 國. 學. 影響國外投資比例的因素，以及國外投資比例和投資報酬率的關係。實證結果為. ‧. 市占率、壽險比率、年金險比率以及公開發行公司，四者皆與國外投資比例為正. io. er. 比例與國外投資報酬率為顯著正相關。. sit. y. Nat. 顯著相關。在 50%分量迴歸下的隨機效果分量迴歸方法，得到市占率、國外投資. al. n. v i n 張士傑、吳倬瑋(2016)探討 146-4 條修正後，對於台幣公債 C2014 h e 年保險法第 ngchi U. 市場之影響和國際債券的贖回風險。實證結果得到壽險業若對公債需求度愈低，國庫長天期之籌資成本將會上升；另外根據 2014 年到 2016 年的資料，預估壽險公司若買進可贖回債券，其贖回風險為 52.45bps(0.5245%)。. 13.

(20) 第三章研究方法與實證資料第一節研究假設壽險業進行國外投資，主因為本國低利環境、過去高預定利率保單的利差損壓力，以及國內長期投資工具不足。然而壽險業與製造業或銀行業不同的是，並不一定會前往海外設立分公司、分行、通訊處，但會透過手上可運用資金持有海外債券、股票…等部位。如同 Sullivan (1994)提出三種國際化屬性之結構屬性 (Structural)，其中一項是海外資產占總資產比例(FATA)，壽險業國外投資的核心概念正是如此。本研究欲探討國外投資與壽險業營運風險與經營績效的關係，雖. 政治大. 希望採用「國外投資」此一指標。「國外投資」根據財團法人保險事業發展中心. 立. 所揭露之公開資料，僅有年資料，可能造成研究樣本不足。本研究想進一步擴大. ‧ 國. 學. 樣本數，所以採用台灣經濟新報資料庫(TEJ)。以壽險業備供出售之海外債券，與持有至到期日之海外債券兩者合計，稱為「海外債券」，並以此作為國外投資. ‧. 的代理變數，細項於下一節詳述。. sit. y. Nat. n. al. er. io. 過去有關製造業在國際化程度與績效，有正向、負向等線性關係，和 U 型. i n U. v. 或倒 U 型的非線性關係，銀行業文獻則有國際化程度愈高能讓風險愈低、績效. Ch. engchi. 愈好的結果。基於以上實證，本研究認為投資海外債券，與壽險公司營運風險和經營績效存在線性關係，故提出以下之研究假設：. H1：壽險公司海外債券投資，與營運風險為線性正相關。 H2：壽險公司海外債券投資，與經營績效為線性負相關。. 儘管壽險業投資海外債券，不必像製造業或銀行業直接前往當地設廠、管理，但以海外債的資訊掌握度相對本國金融商品而言，仍略遜一籌。從經營層面來看，若發生資訊不對稱或其他緊急狀況時，投資海外債券反而令風險提高。相反地， 14.

(21) 將資金分散於不同國家或地區，有助於降低個別風險。又或是海外債券沒有揭露其投資區域，若投資在新興市場國家可能獲利較大，卻也承受著相對沉重的風險。基於以上原因，本研究認為海外債券投資應有一臨界點，初期投入愈多海外債能幫助壽險公司降低風險；但若超出該值則會拉抬風險。但績效是來自於可接受的風險，故稱高風險、高報酬，本研究以為海外債券投資的臨界點也適用衡量經營績效，方向應與營運風險一致。以下提出非線性關係的假設：. H3：壽險公司海外債券投資，與營運風險為非線性關係，並且先降後升(U 型)。. 政治大. H4：壽險公司海外債券投資，與經營績效為非線性關係，並且先降後升(U 型)。. 立. 針對上述四項研究假設，本研究首先是以全部資料期間(2008 年-2016 年)為. ‧ 國. 學. 基礎進行分析。然而最近十年間，國際情勢詭譎多變。尤其 2007 年-2008 年金融. ‧. 海嘯帶來的衝擊最大，各國資產無論債券、股票…等都嚴重縮水，並且開始實施. y. Nat. 寬鬆性貨幣政策調降基準利率。本研究認為金融海嘯與歐債危機期間(2008 年. er. io. sit. -2011 年，下文稱為「前期」)，和金融市場恢復期(2012 年-2016 年，下文稱為「後期」)，兩者的金融市場環境或有差異，可能使得壽險公司在投資海外債券上，. al. n. v i n 前期與後期之營運風險、經營績效可能不同。因此，本研究提出以下假設： Ch engchi U. H5：壽險公司海外債券投資，與營運風險之線性關係，前期與後期方向相反。 H6：壽險公司海外債券投資，與經營績效之線性關係，前期與後期方向相反。 H7：壽險公司海外債券投資，與營運風險之非線性關係，前期與後期方向相反。 H8：壽險公司海外債券投資，與經營績效之非線性關係，前期與後期方向相反。. 15.

(22) 第二節資料來源與研究變數本研究取得資料時間：2008 年第 1 季到 2016 年第 3 季的季資料。主要解釋變數為「海外債券」，來自 TEJ 資料庫揭露的「備供出售－金資－海外債券」，以及「持至到期－金資－海外債券」兩者合計，即為海外債券的金額。海外債券此科目在部分壽險公司有缺漏，而且資料期數至少須為兩期，才能使用追蹤資料 (Panel Data)估計。故刪除安聯人壽、中華郵政、康健人壽、環球瑞泰、安達人壽、第一金人壽、匯豐人壽、蘇黎世人壽等八家公司，共計 25 家壽險公司納入樣本。其他變數之資料來源為：金融監督管理委員會銀行局、中華民國人壽保險商業同. 政治大模型中使用之變數定義，說明如下：立. 業公會、財團法人台北外匯市場發展基金會，以及國際贏家 DQ2 資料庫。研究. ‧ 國. 學. 一、. 應變數. ‧. (一) 營運風險(VT). y. Nat. sit. 本研究所使用之營運風險的衡量指標是獲利波動(Return Volatility)，. n. al. er. io. 根據 de Haan and Poghosyan(2012)研究銀行獲利波動，其計算方式是取. i n U. v. 過去 n 個月 ROA 標準差，n=4,8,12。本研究參考該文獻之方式取 n=4，. Ch. engchi. 即 t-1 到 t-4 期 ROA 標準差對應到解釋變數作分析，然而取 t-1~t-4 意味著今日之結果是受過去營運風險的影響，思考上較不直觀。所以本研究另外再新增一個營運風險的指標，取 t 至 t+3 期的 ROA 標準差，代表今日之結果(海外債券)如何改變壽險公司(未來)的風險。為了避免兩個營運風險指標混淆，分別命名為：. VTA：t-1~t-4 期之 ROA 標準差 1. 1. 2. 𝑉𝑇𝐴𝑖,𝑡 = √𝑇−1 ∑𝑇𝑠=1 (𝑅𝑂𝐴𝑖,𝑡−𝑠 − 𝑇 ∑𝑇𝑠=1 𝑅𝑂𝐴𝑖,𝑡−𝑠 ) ，T=4 16.

(23) VTB：t~t+3 期之 ROA 標準差 2. 1. 1. 𝑉𝑇𝐵𝑖,𝑡 = √. 𝑇−1. ∑𝑇𝑠=0 (𝑅𝑂𝐴𝑖,𝑡+𝑠 − ∑𝑇𝑠=0 𝑅𝑂𝐴𝑖,𝑡+𝑠 ) ，T=3 𝑇. 因為 VTA 之計算方法為第 t-1~t-4 期 ROA 標準差，VTB 為第 t~t+3 期的 ROA 標準差，兩者資料起訖時間略有不同。VTA 資料區間是 2009Q2 到 2016Q3；VTB 資料區間落在 2008Q2 到 2015Q4。. (二) 經營績效(ROA). 政治大包含資產報酬率(ROA)、股東權益報酬率(ROE)、純益率(ROS)或是淨立. 從過去研究國際化與廠商績效的文獻觀察，多數使用財務性指標，. ‧ 國. 學. 利…等。壽險業獲利來源為本業收益和投資收益，若僅以 ROS 評估壽險公司之經營績效可能有所偏頗，會忽略投資債券、股票、不動產帶來的. ‧. 收益。另外，壽險業特性是高槓桿，收取保費後大部分作為責任準備，. sit. y. Nat. 股東權益占總資產比率僅有 5%，倘若以 ROE 估計公司績效，因為分母. al. er. io. 較小會使得數字呈現劇烈波動，恐有失真之虞。本研究為同時考慮壽險. v. n. 業獲利和特性，以 ROA 作為衡量經營績效的指標，資料區間是 2008Q2. Ch. engchi. i n U. 至 2016Q3，取自台灣經濟新報資料庫(TEJ)之「ROA(A)稅後息前%」： ROA = [繼續營業單位損益 + 利息支出 ∗ (1 − 稅率)] ÷ 平均資產總額 ∗ 100%. 17.

(24) 二、. 解釋變數. (一) 前一期之應變數(LagVT) 本研究之樣本為不平衡追蹤資料，後續流程會考慮到個別公司特性，進行固定效果或隨機效果的迴歸分析。並進一步將壽險公司行為上是否有動態調整納入考量，即是前一期應變數會對當期應變數有影響。以下說明兩個前一期之應變數 LagVTA、LagVTB： 𝐿𝑎𝑔𝑉𝑇𝐴𝑡 = 𝑉𝑇𝐴t−1 𝐿𝑎𝑔𝑉𝑇𝐵𝑡 = 𝑉𝑇𝐵t−1. (二) 海外債券(OB). 政治大. 立. ‧ 國. 學. 本研究欲以國外投資作為解釋變數，探討其與營運風險、經營績效之線性或非線性關係。保險法最近兩次修正令保險業國外投資金額可占. ‧. 資金 45%，以及國外板債券不列入投資限額，讓國外投資比例節節攀升。. sit. y. Nat. 2014 年到 2016 年間，國外投資占資金運用表的比率分別達到 50.25%、. al. er. io. 57.59%、62.82%。本研究以海外債券作為國外投資的代理變數，基於以. v. n. 下兩個理由：第一，雖然公開資訊並沒有揭露國外投資主要為何，但依. Ch. engchi. i n U. 照壽險業為搭配資產與負債的存續期間，多數部位是債券，具備合理性；第二，為研究上之限制，本研究欲擴大樣本數，但國外投資僅有年資料，故以有季資料之海外債券作代表性指標。若是直接將海外債券金額放入迴歸式，會造成資產愈大的公司，易持有愈多海外債券，產生估計偏誤。因此公司規模是必須考量的重點，故採用兩個解釋變數 OBA(海外債券金額取自然對數)、OBB(海外債券金額占總資產比例)，如下： OBA = ln⁡(海外債券金額) OBB =. 海外債券金額總資產 18.

(25) 三、. 控制變數本研究欲探討的是海外債券與壽險公司的關聯性，卻不能忽略仍有其他. 財務變數、業務變數和總經變數，會間接影響到營運風險與經營績效，以下列出八個控制變數，並加以說明：. (一) 金控公司(FH) 此變數為虛擬變數，金控公司=1。金融控股公司因具備資源共享、集團跨售、服務一體化…等龐大優勢，比起非金控公司專注於壽險市場，. 政治大. 更能做到多元通路銷售，並間接影響到壽險公司的風險和績效。. 立. ‧ 國. 學. (二) 本國公司(DM). 此變數為虛擬變數，本國公司=1。早期台灣壽險業開放外商設立分. ‧. 公司、子公司，但長期以來經營策略有差異。本國公司挾帶幅員廣大的. sit. y. Nat. 業務員部隊、深入地方進行在地化扎根和拓點；外商公司主打銀行保險. n. al. er. io. 通路或電話行銷…等，使獲利產生落差，相信也間接影響風險與績效。. (三) 負債權益比(DE). Ch. engchi. i n U. v. DE＝總負債÷總股東權益。Gaver and Pottier (2005)衡量保險公司資本多寡，其中一項即為負債權益比。壽險業屬於高槓桿產業，股東權益占比都小於 10%，但是負債超過一定比例下，就有可能提高營運風險。過去資料顯示，部分受到安定基金接管的壽險公司，甚至出現股東權益為負值的情形。. 19.

(26) (四) 營業利益率(OPM) OPM＝(營業利益÷營業收入淨額)*100%。財務指標除納入資本結構以外，也將營業利益率此一獲利指標放進控制變數。能較直接地反映出壽險公司的經營績效，以及是否影響到壽險公司的營運風險。. (五) 美元兌新台幣的波動度(UTV) UTV＝美元兌新台幣在該季日資料的標準差，此控制變數專屬於「營運風險」分析。根據人身保險業外匯價格變動準備金應注意事項，. 政治大止新台幣升值過於猛烈導致壽險公司海外部位投資虧損，進而造成獲利立台灣的壽險業自 2012 年 3 月實施提存外匯價格變動準備金，用意是防. 下滑的緩衝。以 2017 年前四個月為例，新台幣就勁升 6.38%，使得整體. ‧ 國. 學. 壽險業前四個月的淨匯損達到 837 億元。美元兌新台幣走勢，對於公司. ‧. 整體營運風險、經營績效的影響效果十分巨大，本研究分析營運風險時，. er. io. sit. y. Nat. 搭配應變數(ROA 的波動度)放入美元兌新台幣的波動度。. (六) 美元兌新台幣的平均值(UT). al. n. v i n UT＝美元兌新台幣在該季日資料的平均值，此控制變數專屬「經營 Ch engchi U. 績效」分析。如前所述，美元兌新台幣的變化確實影響壽險公司經營上的難易度。UTV 是在應變數為營運風險時的控制變數；UT 則用於應變. 數是經營績效下的控制變數，也是為符合與應變數(ROA)計算方式一致，而採取不同變數。. 20.

(27) (七) 美國十年期公債殖利率的波動度(BYV) UTV＝美國十年期公債殖利率在該季日資料的標準差，此控制變數專屬於「營運風險」之分析。美國在 2016 年 11 月 8 日舉辦總統大選，最終由共和黨的唐納川普取得較多選舉人票，當選第 58 屆總統。隨後，美國十年期公債殖利率在五個月狂升 16.39%，台灣壽險業有近半資產為國外投資，強勢表現讓收益率提升，也帶動壽險、金控公司股價。因此，美國十年期公債殖利率應會影響到壽險公司的營運風險與績效，本研究納入美國十年期公債殖利率的波動度，搭配 ROA 波動度計算之應變數。. 政治大 (八) 美國十年期公債殖利率的平均值(BY) 立. BY＝美國十年期公債殖利率在該季日資料的平均值，此控制變數專. ‧ 國. 學. 屬「經營績效」之分析。此變數的概念與美元兌新台幣相同，為搭配應. ‧. 變數計算方式，將美國十年期公債殖利率的平均值，作為應變數為經營. n. al. er. io. sit. y. Nat. 績效時的控制變數。. Ch. engchi. 21. i n U. v.

(28) 表 3-1 實證模型變數整理變數類型. 代號. 變數定義. 資料來源. 應變數. VTA. 第 t-1~t-4 期的 ROA 標準差. TEJ、自行整理. VTB. 第 t~t+3 期的 ROA 標準差. TEJ、自行整理. ROA. [繼續營業單位損益+利息支出*(1-稅率)]÷平均資產總額. LagVTA. *100% 前一期之應變數 VTA. TEJ、自行整理. LagVTB. 前一期之應變數 VTB. TEJ、自行整理. ln(海外債券). TEJ、自行整理. [ln(海外債券)]2. TEJ、自行整理. OBA (OBA)2. 海外債券÷總資產. OBB (OBB) FH. DE. 政治大 TEJ、自行整理虛擬變數，金控公司=1 金管會銀行局立中華民國人壽保險商業 (海外債券÷總資產). 虛擬變數，本國公司=1. 同業公會. 總負債÷總股東權益 (營業利益÷營業收入淨. TEJ TEJ. ‧. OPM. TEJ、自行整理. 2. 學. DM. ‧ 國. 額)*100%. 財團法人台北外匯市場發展基金會、自行整理. UT. 美元兌新台幣在該季日資料的平均值. 財團法人台北外匯市場發展基金會、自行整理. io. n. al. Ch. i n U. BYV. 美國十年期公債殖利率在該季日資料的標準差. BY. 美國十年期公債殖利率在該季日資料的平均值. engchi. 22. y. 美元兌新台幣在該季日資料的標準差. Nat. UTV. sit. 控制變數. 2. er. 解釋變數. TEJ. v. DQ2、自行整理 DQ2、自行整理.

(29) 第三節研究模型本研究探討海外債券投資金額，以及海外債券占總資產比例的多寡，兩者和壽險公司營運風險、經營績效的關係。首先以 2008 年-2016 年全部資料期間進行分析，再將全部資料期間拆成兩個子區間：前者(2008-2011)為金融海嘯造成對全球金融環境的動盪不安，和接著爆發歐洲主權債務危機的年代；後者(2012-2016) 是世界景氣復甦階段。比較危機發生前後，台灣壽險公司配置海外債券時，是否產生相異的實證結果，也是本研究之重點。本文先以普通最小平方法(OLS)模型，檢定海外債券對營運風險、經營績效的線性或非線性關係，再細分成前、後期資. 政治大迴歸式適用固定效果模型或隨機效果模型，並再進行實證分析，以兩種統計方法立. 料。另外將不平衡追蹤資料(Unbalanced Panel Data)，運用 Hausman 檢定，決定. ‧ 國. ‧. 一、. 學. 來檢驗實證成果。以下說明兩種研究模型：. 普通最小平方法(OLS). y. Nat. sit. 以多元迴歸的最小平方法估計方程式，為提高迴歸之精準度，實證分析. n. al. er. io. 時都清楚註明是否符合殘差同質變異、殘差無自我相關等特性，並僅針對這. i n U. v. 些迴歸式進行實證結果說明，以下為應變數「營運風險」之迴歸式：. Ch. engchi. 迴歸式 1-1：討論線性關係一次式 𝑉𝑇𝑖,𝑡 = 𝛼0 + 𝛽1 𝑉𝑇𝑖,𝑡−1 + 𝛽2 𝑂𝐵𝑖,𝑡 +𝛽3 𝐹𝐻𝑖,𝑡 + 𝛽4 𝐷𝑀𝑖,𝑡 + 𝛽5 𝐷𝐸𝑖,𝑡 + 𝛽6 𝑂𝑃𝑀𝑖,𝑡 + 𝛽7 𝑈𝑇𝑉𝑖,𝑡 + 𝛽8 𝐵𝑌𝑉𝑖,𝑡 + ε𝑖,𝑡. 迴歸式 1-2：討論非線性關係二次式 𝑉𝑇𝑖,𝑡 = 𝛼0 + 𝛽1 𝑉𝑇𝑖,𝑡−1 + 𝛽2 𝑂𝐵𝑖,𝑡 + 𝛽3 (𝑂𝐵)2 𝑖,𝑡 +𝛽4 𝐹𝐻𝑖,𝑡 + 𝛽5 𝐷𝑀𝑖,𝑡 + 𝛽6 𝐷𝐸𝑖,𝑡 + 𝛽7 𝑂𝑃𝑀𝑖,𝑡 + 𝛽8 𝑈𝑇𝑉𝑖,𝑡 + 𝛽9 𝐵𝑌𝑉𝑖,𝑡 + ε𝑖,𝑡. 23.

(30) 本研究將前一期應變數放入迴歸式， VT 按照應變數計算方式不同區分： VTA(t-1~t-4 期 ROA 標準差)和 VTB(t~t+3 期 ROA 標準差)。主要解釋變數 OB 也拆成 OBA(海外債券金額取對數)與 OBB(海外債券占總資產比例)。. 同理，以下是應變數為「經營績效」的迴歸式：. 迴歸式 2-1：討論線性關係一次式 𝑅𝑂𝐴𝑖,𝑡 = 𝛼0 + 𝛽1 𝑂𝐵𝑖,𝑡 +𝛽2 𝐹𝐻𝑖,𝑡 + 𝛽3 𝐷𝑀𝑖,𝑡 + 𝛽4 𝐷𝐸𝑖,𝑡 + 𝛽5 𝑂𝑃𝑀𝑖,𝑡 + 𝛽6 𝑈𝑇𝑖,𝑡 + 𝛽7 𝐵𝑌𝑖,𝑡 + ε𝑖,𝑡. 立. 政治大. 迴歸式 2-2：討論非線性關係二次式. ‧ 國. 學. 𝑅𝑂𝐴𝑖,𝑡 = 𝛼0 + 𝛽1 𝑂𝐵𝑖,𝑡 +𝛽2 (𝑂𝐵)2 𝑖,𝑡 + 𝛽3 𝐹𝐻𝑖,𝑡 + 𝛽4 𝐷𝑀𝑖,𝑡 + 𝛽5 𝐷𝐸𝑖,𝑡 +. ‧. 𝛽6 𝑂𝑃𝑀𝑖,𝑡 + 𝛽7 𝑈𝑇𝑖,𝑡 + 𝛽8 𝐵𝑌𝑖,𝑡 + ε𝑖,𝑡. y. Nat. er. io. sit. 值得注意的是衡量經營績效時，不放入前一期之應變數，放入會造成 OLS 模型產生殘差異質性、正自我相關。美元兌新台幣、美國十年期公債. al. n. v i n 殖利率這兩個總經變數，於營運風險迴歸式為波動度(UTV、BYV)；於經營 Ch engchi U. 績效迴歸式則是平均值(UT、BY)。i 和 t 則代表壽險公司 i 在第 t 季的資料。. 二、. 追蹤資料模型(Panel Data) 壽險公司之間可能具有無法被觀測出的因素，因此存在差異性，例如：. 公司對於風險承受度、資產配置彈性、法規遵循嚴謹程度、董事結構、企業社會責任…等。若以 OLS 模型作估計，某種程度上或許會忽略這些沒有被量化，以及很難被察覺的個體差異。追蹤資料結合了橫斷面資料、時間序列資料，使得資料點、自由度都能提升。 24.

(31) 根據黃台心(2008)對於固定效果、隨機效果的說明如下：假設有一條多元迴歸方程式： 𝐾. 𝑌𝑖𝑡 = 𝛼𝑖 + ∑ 𝛽𝑘 𝑋𝑘𝑖𝑡 + ε𝑖𝑡 𝑘=1. i=1,…,N，代表觀察單位； t=1,…,T，代表觀察時間； β=(β1…βk)’代表(K-1)x1 行向量；. 政治大 α 稱作個別效果(Individual Effect)，不隨時間改變而變動，但是不同的觀察立 Xit 為對應的自變數向量，不包含截距項； i. 單位會有相異之個別效果。. ‧ 國. 學 ‧. 固定效果模型將αi 當作特定常數，不同觀察單位有不同的特定常數，. y. Nat. 又稱共變數模型(Covariance Model)；隨機效果模型則是將αi 視為特定隨機. er. io. sit. 變數，相異的觀察單位是不一樣的隨機變數，稱為誤差成份模型(Error Component Model)。. n. al. Ch. engchi. i n U. v. 本研究接著採用 Hausman (1978)提出之模型檢定，虛無假設為：「個別效果和解釋變數間沒有相關」。若檢定拒絕虛無假設，則使用固定效果模型；反之，則為隨機效果模型。當決定固定或隨機效果模型之後，再對迴歸式 1-1、1-2 (營運風險)與 2-1、2-2(經營績效)進行實證分析，以兩種統計方法互相驗證，減少估計上未考慮周詳之處。本研究同時也有利用 LM Test 進行檢定，但因樣本的追蹤資料為不平衡，故導致無法得到結果。. 25.

(32) 第四章實證結果第一節敘述統計分析本研究依照樣本資料整理各變數之敘述統計(表 4-1)，根據表 4-1 之資料顯示：. VTA 最小值是 2015Q4 法國巴黎人壽 0.017；最大值是 2009Q4 幸福人壽的 4.362；VTB 最大值是 2008Q4 幸福人壽 4.362。LagVTA、LagVTB 的最大值分別是 2009Q4 國寶人壽、2008Q4 國寶人壽的 4.241。法國巴黎人壽屬於外商壽險公司，以 2016 年資金運用表為例，該公司完全沒有置產於不動產，國外投資也僅占可運用資金的 22.78%。. 立. 政治大. ‧ 國. 學. 營運風險最高的前兩名，分別是在 2014 年 8 月被安定基金接管的幸福人壽和國寶人壽，最後於 2016 年 8 月由國泰人壽以 303 億元新台幣得標。兩家壽險. ‧. 公司計算出 VTA、VTB 最大值的時間點位在 2008Q4-2009Q3，正好是金融海嘯. y. Nat. n. al. er. io. sit. 爆發期間，從 2008Q4 ROA 觀察，幸福和國寶分別是-6.73%、-8.19%，表現欠佳。. i n U. v. 壽險公司 ROA 平均值為-0.100，從 2008 年可運用資金 7.95 兆，直到 2016. Ch. engchi. 年 20.04 兆，接近十年的光陰，壽險業者總體資產報酬率平均值卻為負值，說明在本業經營、投資效益上仍有可加強的空間，但是強化本業或投資並非本研究之研究目的，故不加以討論。另外 ROA 最小值剛好就是 2008Q4 國寶人壽的-8.19；最大值則是 2011Q4 朝陽人壽的 2.85，但其在 2016 年 1 月被接管，2017 年 1 月由南山人壽以 2 億元新台幣得標。. 主要解釋變數 OBA(海外債券金額取對數)，最小值是 2011Q2 中泰人壽的 9.727；最大值是 2010Q3 國泰人壽 20.297。OBA 是直接從投資金額取對數得到，市占率第一的國泰人壽在該季共持有海外債券部位高達 6,528 億元新台幣。 26.

(33) OBB(海外債券占總資產比例)平均值是 0.122；最小值為 2015 年 Q2 中泰人壽；最大值則是 2016Q1 友邦人壽的 0.698，友邦人壽在 2011 年以前 OBB 小於 0.1， 2012 年起從 0.289 一路上升，近兩年也都維持在近五成的高檔水位。. 控制變數部分，金控公司(FH)虛擬變數(金控公司=1)平均值為 0.283，即資料期間壽險公司是金控子公司的比例約三成左右。本國公司(DM)虛擬變數(本國公司=1)平均值是 0.747，顯示近四分之三壽險公司為本國企業，應是受到過去外商進入台灣執行的行銷策略與布局，與外商接連被本國壽險公司購併有關。. 政治大負債權益比(DE)平均值在 27.537，代表股東權益平均值約為 3.5%。營業利立. 益率(OPM)平均值是-0.062，即壽險公司在經營本業上獲利為負，最小值為. ‧ 國. 學. 2011Q3 國寶人壽的-21.119，本業虧損過大或許是最後走向被接管的原因之一。. ‧. y. Nat. 美元兌新台幣日資料平均值(UT)最小值是 2011Q2 的 28.895、最大值則為. er. io. sit. 2009Q1 的 34.030；美元兌新台幣日資料波動度(UTV)最小值和最大值分別落在 2012Q4 和 2015Q3。美國十年期公債殖利率日資料平均值(BY)的平均值是 2.427，. al. n. v i n 最大值發生在金融海嘯尚在發酵之 C h 2008Q2 的 3.882；美國十年期公債殖利率日 engchi U. 資料波動度(BYV)最小值與最大值分別位於 2013Q1 和 2008Q4，後者即是金融海嘯肆虐期間。. 27.

(34) 表 4-1 敘述統計量變數. 樣本數. 平均值. 標準差. 最小值. 最大值. VTA. 567. 0.332. 0.433. 0.017. 4.362. LagVTA. 562. 0.341. 0.449. 0.017. 4.241. VTB. 530. 0.307. 0.422. 0.017. 4.362. LagVTB. 554. 0.315. 0.430. 0.017. 4.241. ROA. 589. -0.100. 0.772. -8.190. 2.850. OBA. 590. 16.653. 2.233. 9.727. 20.297. (OBA)2. 590. 282.286. 411.961. OBB. 590. 70.311 94.609 政治大 0.122 0.113 4.54x10. (OBB)2. 590. 0.698. 2.06x10-7. 0.487. 590. 0.283. 0.451. 0. 1. 590. 0.747. 0.435. 0. 1. 590. 27.537. 25.606. 3.029. 249.293. OPM. 590. -0.062. 0.884. -21.119. UT. 590. 30.680. 1.290. UTV. 590. BY. 590. BYV. 590. y. Nat. DE. io. n. al. sit. DM. er. FH. ‧ 國. 0.049. ‧. 0.028. 學. 立. -4. n C 0.252 U h e n g c0.149 hi. 0.286. 28.895. 34.030. 0.104. 0.720. iv. 2.427. 0.611. 1.565. 3.882. 0.162. 0.108. 0.067. 0.673. 28.

(35) 第二節相關性統計分析在進行迴歸分析之前，本研究首先分析應變數對應之解釋變數間的相關係數，以瞭解變數間是否有共線性問題。. 由表 4-2 之資料：可以看到只有 OBA、(OBA)2，以及 OBB、(OBB)2 這兩對的相關係數偏高，因為是平方關係而屬於正常現象。其他解釋變數間相關係數都沒有超過 0.3，顯示這些變數用於迴歸式當中是合理的。. 政治大. 表 4-2 應變數 VTA，解釋變數間的相關係數 OBA. 立. (OBA)2. OBB. (OBB)2. 1. OBA. -0.120. (OBA)2. 0.184. OBB. -0.145. -0.004. -0.089. 1. (OBB)2. 0.083. -0.027. 0.096. -0.928. 1. FH. 0.119. 0.139. -0.186. al. 0.127. -0.105. DM. -0.269. -0.083. 0.010. Ch. DE. 0.133. 0.039. -0.032. OPM. 0.066. 0.005. UTV. 0.045. BYV. -0.118. DM. 1. DE. OPM. UTV. BYV. ‧ 國. 學. LagVTA. FH. 1. ‧. Nat. y. 1. io. sit. -0.985. n. er. LagVTA. v. 0.098. -0.192. i n U. 0.110. -0.031. 0.046. 0.173. 1. -0.014. 0.025. -0.026. -0.013. 0.032. -0.040. 1. 0.002. -0.010. 0.094. -0.113. 0.009. -0.045. -0.068. 0.045. 1. -0.006. 0.009. -0.038. 0.062. -0.001. 0.048. 0.015. 0.124. -0.280. 0.023. engchi. 29. 1. 1.

(36) 由表 4-3 之資料：依然是 OBA、(OBA)2，以及 OBB、(OBB)2 這兩對相關係數超過 0.9，但它們之間是平方關係所以正常。其他解釋變數間相關係數皆小於或等於 0.3，代表所選擇的解釋變數用於迴歸式是可以接受的。. 表 4-3 應變數 VTB，解釋變數間的相關係數 OBA. (OBA)2. OBB. (OBB)2. FH. DM. DE. LagVTB. 1. OBA. -0.136. 1. (OBA)2. 0.189. -0.984. 1. OBB. -0.078. 0.031. -0.128. 1. (OBB)2. 0.037. -0.048. 0.122. -0.944. 1. FH. 0.149. 0.127. -0.179. 0.181. -0.142. 1. DM. -0.239. -0.087. 0.017. -0.051. 0.139. -0.206. 1. DE. 0.139. 0.020. -0.015. 0.107. -0.047. 0.050. 0.136. OPM. 0.172. -0.004. -0.001. 0.031. -0.038. 0.001. 0.004. UTV. 0.019. -0.009. -0.001. 0.097. -0.108. -0.019. -0.026. BYV. -0.230. 0.020. -0.018. Ch. UTV. BYV. 學 ‧. Nat. y. 1. io. n. al. -0.016. n U engchi 0.024. 30. -0.037. -0.038. er. ‧ 國. 立. OPM. 政治大. sit. LagVTB. -0.007. 1. -0.088. 0.048. 1. -0.075. 0.065. -0.300. iv. 1.

(37) 由表 4-4 之資料：ROA 為應變數時，並沒有放入前一期之應變數作為解釋變數之一。表格顯示的仍然以 OBA、(OBA)2，以及 OBB、(OBB)2 兩組相關係數大於 0.9，但考慮是平方關係所以正常。其他解釋變數間相關係數都不超過 0.3，皆為低度相關性，因此解釋變數都能使用於迴歸式。. 表 4-4 應變數 ROA，解釋變數間的相關係數 OBA. (OBA)2. OBB. (OBB)2. FH. DM. DE. OPM. OBA. 1. (OBA)2. -0.986. 1. OBB. -0.007. -0.082. (OBB)2. 立. -0.028. 0.096. -0.935. 1. FH. 0.146. -0.205. 0.170. -0.141. 1. DM. -0.118. 0.065. -0.080. 0.172. -0.179. 1. DE. 0.054. -0.053. 0.110. -0.041. 0.019. 0.171. 1. OPM. 0.017. -0.031. 0.018. -0.015. -0.022. 0.067. -0.049. UT. -0.014. -0.006. -0.287. -0.025. -0.155. -0.021. BY. -0.036. 0.046. al. BY. 政治大. 學. n. 0.011. Ch. sit. io. 0.281. n U engchi. 0.018. -0.033. 31. -0.026. 1. er. Nat. y. ‧. ‧ 國. 1. UT. iv. 0.009. -0.056. 1. 0.004. -0.053. 1.

(38) 第三節實證結果(一) 本研究探討海外債券投資，如何影響壽險公司之營運風險和經營績效。營運風險使用連續四期 ROA 的標準差衡量；經營績效則是該季 ROA。研究結果依照統計方法與資料期間歸納如下： 1. 統計方法：普通最小平方法(OLS)、追蹤資料(Panel Data)模型兩種，前者實證結果會說明是否符合同質變異和無自我相關；後者透由 Hausman 檢定，決定該條迴歸式應屬於固定效果模型或隨機效果模型。 2. 資料區間分為三段，主要研究 2008-2016 年，稱為全資料期間。以金融海嘯. 政治大. 和歐債危機告一段落的 2011 年底作為區分，2008-2011 年是前期資料；. 立. 學應變數. R1 R2 R3 R4 R5 R6 R7 R8. OLS OLS OLS OLS OLS OLS OLS OLS. VTA VTB ROA VTA VTB ROA VTA VTB. io. n. al. Ch. engchi. sit. 統計方法. Nat. 4-6 4-7 4-8 4-9 4-10 4-11 4-12 4-13. 迴歸式代號. er. 表格. y. 表 4-5 迴歸式整理. ‧. ‧ 國. 2012-2016 年為後期資料。. i n U. v. 資料區間全資料全資料全資料前期前期前期後期後期. 4-14 4-15 4-16 4-17 4-18 4-19 4-20 4-21 4-22. R9 R10 R11 R12 R13 R14 R15 R16 R17. OLS Panel Data Panel Data Panel Data Panel Data Panel Data Panel Data Panel Data Panel Data. ROA VTA VTB ROA VTA VTB ROA VTA VTB. 後期全資料全資料全資料前期前期前期後期後期. 4-23. R18. Panel Data. ROA. 後期. 32.

(39) 本節首先摘錄以 OLS 作為統計方法的實證結果，分為三個部分討論：一、全資料期間 (一) VTA：如表 4-6 所示，四條迴歸式皆符合同質變異、無自我相關，前一期應變數的顯著水準小於 1%。主要解釋變數 OBA、OBB 無論線性或非線性都不顯著，其他控制變數亦同。推測原因是 VTA 算法為第 t-1~t-4 期的 ROA 標準差，以迴歸式說明為今天的海外債券投資，與過去營運風險的關係，邏輯上較不直觀。. 政治大期應變數的顯著水準小於 1%。線性模型 OBA 和營運風險為顯著負相關，立. (二) VTB：如表 4-7 所示，四條迴歸式皆符合同質變異、無自我相關，前一. 代表投資愈多海外債券能降低風險，符合假說 H1；非線性模型 OBB 也. ‧ 國. 學. 顯著，說明海外債券占總資產比例與營運風險為 U 型相關，而且臨界點. ‧. 是 18.83%，符合假說 H3。當 OBB 小於 18.83%時，增加 OBB 能降低風. y. Nat. 險；一旦 OBB 超過 18.83%，增加海外債券比重將導致壽險公司風險的. er. io. ∂VTB. = −0.5419 + 2 ∗ 1.4390 ∗ OBB = 0 → OBB = 18.83%。. al. n. ∂OBB. sit. 上升。計算方式為一階偏微分：. Ch. engchi. i n U. v. 同樣是營運風險的衡量，VTB 卻比起 VTA 得到更多顯著結果，推測是 VTB 算法接近今日海外債券投資，與未來第 t~t+3 期 ROA 標準差的關係，以目前狀態預估未來的邏輯較為合理，故模型回應也較佳。. 另外，觀察到金控公司(FH)、負債權益比(DE)與營運風險為顯著負相關。全資料期間金控公司基於多元事業體、經營綜效，可以有效地降低營運風險；而負債愈高也能降低風險。美國十年期公債殖利率的波動度(BYV) 和營運風險是顯著正相關，顯然美債收益波動也是壽險公司經營上不可忽略的因子。 33.

(40) (三) ROA：如表 4-8 所示，四條迴歸式僅兩條為優良評價，故不討論 R3-2、 R3-3。主要解釋變數 OBA 與 ROA 是正顯著線性相關，符合假說 H2，非線性 OBB 則不顯著。金控公司(FH)、負債權益比(DE)、營業利益率 (OPM)，三者與績效為顯著正相關；承接 VTB 全資料的實證，顯示金控公司以及負債較高的壽險公司，能因此降低營運風險並提高經營績效。本國公司(DM)、美國十年期公債殖利率的平均值(BY)和績效為反向相關。承 VTB 的實證，指出 2008 -2016 年加總起來為：美債殖利率波動劇烈. 政治大. 會提高風險，但是美債殖利率平均值上升卻無法提升績效。. 立. 本研究另外考慮三點：第一，是否移除美元兌新台幣的波動度(UTV)變. ‧ 國. 學. 數，因壽險公司營運風險部分來自匯率走勢，例如：2017 上半年新台幣. ‧. 強升帶來的匯損。但發現不納入 UTV 將導致 OLS 模型產生殘差異質性，. y. Nat. 此外相關係數表也發現 UTV 與其他解釋變數間沒有共線性，故最後保. al. er. io. sit. 留該變數。. n. v i n 第二，規模問題，本研究並沒有加入 ln(總資產)控制公司規模。原因是 Ch engchi U. ln(總資產)與 ln(海外債券)有高度共線性，因此留下主要解釋變數；以及本研究之財務變數皆是「比例」，不易因公司規模而產生較大落差。. 第三，經營績效是否採用「經風險調整後的 ROA5」。結果發現會造成 OLS 模型異質性和殘差之間具有正自我相關，所以排除該 ROA 算法作為本研究的經營績效衡量指標。. 5. 本研究之風險調整後 ROA 指的是：該公司第 t 期之 ROA，除以第 t~t-3 期的 ROA 標準差。 34.

(41) 表 4-6 統計方法 OLS/應變數 VTA/全資料期間迴歸式代號 Intercept LagVTA OBA. R1-1. R1-2. R1-3. R1-4. 0.5132. -0.1387. 0.0376. 0.0423. (0.0333**). (0.5845). (0.2068). (0.1643). 0.8595. 0.8555. 0.8667. 0.8656. (<0.0001***). (<0.0001***). (<0.0001***). (<0.0001***). -0.0055. 0.0303. (0.2297). (0.3522). 0.0342. -0.1000. -0.0012. (OBA)2. (0.2674). OBB. 立. -0.0174. -0.0276. -0.0274. (0.2900). (0.3990). (0.1618). (0.1649). 0.0110. 0.0109. 0.0005. 0.0055. (0.6199). (0.6205). (0.9795). -0.0001. 3.58x10. ‧. (0.7946). -5. 2.25x10-5. (0.7870). (0.8127). (0.9196). y. (0.9496). -0.0091. -0.0090. -0.0097. -0.0097. (0.3105). (0.2748). io. OPM. -0.0001. (0.3045). al. n. UTV BYV 同質性檢測自我相關檢測調整 R2 樣本數模型評價. -0.0013. (0.9825). Ch. 0.0039. -0.0013. e(0.9818) ngchi. er. ‧ 國. -0.0214. Nat. DE. 0.3326 (0.4482). 學. DM. (0.6019). sit. (OBB)2 FH. 政治大(0.6417). -0.0034 iv n U (0.9535). (0.2730) -0.0079 (0.8920). 0.0037. 0.0080. 0.0124. (0.9663). (0.9686). (0.9315). (0.8946). 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 0.8176 562 優良. 0.8176 562 優良. 0.8171 562 優良. 0.8170 562 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。. 35.

(42) 表 4-7 統計方法 OLS/應變數 VTB/全資料期間. LagVTB OBA. R2-2. R2-3. R2-4. 0.1759. 0.0208. 0.0248. 0.0423. (0.0138**). (0.9303). (0.3383). (0.1135). 0.8285. 0.8259. 0.8412. 0.8357. (<0.0001***). (<0.0001***). (<0.0001***). (<0.0001***). -0.0100. 0.0109. (0.0218**). (0.7254). -0.0248. -0.5419. -0.0007. (OBA)2. (0.4955). OBB. 立. -0.0336. -0.0342. (0.2281). (0.2801). (0.0831*). (0.0761*). 0.0312. 0.0311. 0.0099. 0.0277. (0.1433). (0.1455). (0.6067). (0.1756). -0.0006. -0.0006. -0.0005. (0.0643*). (0.0645*). (0.1350). (0.0981*). -0.0110. -0.0110. -0.0113. (0.1936). (0.1821). (0.1564). -0.0364. -0.0492. ‧ 國. -0.0216. ‧. OPM. -0.0238. Nat. DE. (0.0125**). (0.1942). al. n. UTV BYV 同質性檢測自我相關檢測調整 R2 樣本數模型評價. -0.0342. (0.5214) 0.2380. Ch. -0.0346. e(0.5164) ngchi. 學. DM. 1.4390. io. FH. (0.0137**). y. (OBB)2. (0.7382) 政治大. sit. Intercept. R2-1. er. 迴歸式代號. iv n U(0.4967). -0.0005 -0.0120. (0.3578). 0.2390. 0.2396. 0.2440. (0.0014***). (0.0014***). (0.0014***). (0.0011***). 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 0.8277 530 優良. 0.8275 530 優良. 0.8260 530 優良. 0.8277 530 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。. 36.

(43) 表 4-8 統計方法 OLS/應變數 ROA/全資料期間迴歸式代號 Intercept OBA. R3-1. R3-2. R3-3. R3-4. -0.6824. 1.2384. 0.4351. 0.2144. (0.3090). (0.2341). (0.4988). (0.7494). 0.0690. -0.1889. (<0.0001***). (0.0808). 0.0489. 0.7587. (0.8420). (0.2525). 0.0083. (OBA)2. (0.0163). OBB (OBB)2 0.1333. 立. (0.1274). (0.0003). (0.0003***). -0.2257. -0.2177. -0.0962. -0.1249. (0.0018***). (0.0025). (0.1565). (0.0843*). 0.0019. 0.0017. 0.0012. 0.0012. (0.0790*). (0.1028). (0.2830). (0.2609). 0.3265. 0.3244. 0.3383. 0.3375. (<0.0001***). (<0.0001). (<0.0001). -0.0079. -0.0069. -0.0089. (0.7367). (0.6704). (0.6992). al. n. BY. -0.0872. (0.0455**) C h. -0.0827. e(0.0569) ngchi. y. sit. er. io. UT. Nat. OPM. 0.2286. ‧. DE. (0.2492). 學. DM. 政0.1016治大0.2299. (0.0424**). ‧ 國. FH. -1.7621. -0.1068 iv n U (0.0165). (<0.0001***) -0.0023 (0.9142) -0.1064 (0.0169**). 同質性檢測自我相關檢測. 同質性無自我相關. 異質性無自我相關. 異質性無自我相關. 同質性無自我相關. 調整 R2 樣本數模型評價. 0.2329 584 優良. 0.2392 584 不佳. 0.2028 584 不佳. 0.2033 584 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。迴歸式 R3-2、R3-3 殘差存在異質性，導致 t 檢定的顯著沒有意義所以不標*。. 37.

(44) 二、前期資料 (一) VTA：如表 4-9 所示，和全資料期間相同，四條迴歸式皆符合同質變異、無自我相關，前一期應變數顯著水準小於 1%。主要解釋變數 OBA、OBB 無論是線性或非線性都不顯著，推測原因是 VTA 的計算方式導致。. (二) VTB：如表 4-10 所示，四條迴歸式皆符合同質變異、無自我相關，前一期應變數的顯著水準小於 1%。線性 OBA 和線性 OBB 兩者都與營運風險為顯著負相關，符合假說 H1；非線性 OBA 或 OBB 模型不顯著。. 政治大降低公司的營運風險；但與全資料不一樣則是沒有非線性的關係。另外，立. 2008-2011 年之前期資料，說明台灣壽險公司投資海外債券，可以幫助. 本國公司(DM)和風險為顯著正相關，說明在金融海嘯、歐債危機期間，. ‧ 國. 學. 本國壽險公司面臨的營運風險相對較大。美國十年期公債殖利率的波動. Nat. y. ‧. 度(BYV)和全資料一致，皆與風險為顯著正相關。. er. io. sit. (三) ROA：如表 4-11 所示，四條迴歸式只有兩條評價優良，故不討論 R6-1、 R6-2。海外債券占總資產比例(OBB)和經營績效為顯著正相關，符合假. al. n. v i n 說 H2；非線性模型則不顯著。金控公司(FH)、營業利益率(OPM)和績效 Ch engchi U. 為顯著正相關，與全資料實證結果一致；本國公司(DM)則是負顯著相關。. 承接 VTB 的實證，顯示本國公司在金融海嘯到歐債危機的前期資料，不僅承受較大風險，又沒得到對應之報酬，反而讓經營績效變差。其中若為非金控公司之本國壽險公司，影響幅度則會加劇。. 其他考量事項包含美元兌新台幣的波動度(UTV)、公司規模、是否採用經風險調整後的 ROA，詳細解釋同全資料期間。. 38.

(45) 表 4-9 統計方法 OLS/應變數 VTA/前期資料. Intercept LagVTA OBA. R4-1. R4-2. R4-3. R4-4. 0.2883. -0.0248. 0.1633. 0.1930. (0.1013). (0.9689). (0.0144**). (0.0052***). 0.8860. 0.8822. 0.8942. 0.8886. (<0.0001***). (<0.0001***). (<0.0001***). (<0.0001***). -0.0082. 0.0341. (0.4475). (0.6829). -0.0018. -1.3244. -0.0014. (OBA)2. (0.6091). OBB. 立. -0.0534. -0.0608. (0.3883). (0.4611). (0.3108). (0.2481). 0.0063. 0.0022. -0.0133. 0.0295. (0.9076). (0.9677). (0.7853). (0.5916). -0.0006. -0.0006. -0.0005. (0.5725). (0.5329). (0.6469). y. (0.4899). -0.0097. -0.0096. -0.0105. -0.0114. (0.4203). (0.3797). (0.3349). -0.3152. -0.3042. ‧ 國. -0.0410. ‧. OPM. -0.0456. Nat. DE. (0.1043). (0.4157). al. n. UTV BYV 同質性檢測自我相關檢測調整 R2 樣本數模型評價. -0.3042. (0.2518) -0.0294. Ch. -0.3112. e(0.2430) ngchi. 學. DM. 4.5738. io. FH. (0.1159). sit. (OBB)2. (0.9934) 政治大. er. 迴歸式代號. iv n U(0.2358). -0.0007. (0.2500). -0.0240. -0.0173. -0.0365. (0.9217). (0.9362). (0.9540). (0.9025). 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 0.8434 158 優良. 0.8426 158 優良. 0.8428 158 優良. 0.8445 158 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。. 39.

(46) 表 4-10 統計方法 OLS/應變數 VTB/前期資料. Intercept LagVTB OBA. R5-1. R5-2. R5-3. R5-4. 0.4526. 0.3080. 0.0533. 0.0615. (0.0104**). (0.6304). (0.3691). (0.3339). 0.8273. 0.8258. 0.8471. 0.8458. (<0.0001***). (<0.0001***). (<0.0001***). (<0.0001***). -0.0288. -0.0093. (0.0091***). (0.9113). -0.3660. -0.6319. -0.0006. (OBA)2. (0.8142). OBB. 立. -0.0733. -0.0786. (0.4363). (0.4636). (0.1485). (0.1376). 0.1073. 0.1052. 0.0548. 0.0637. (0.0514*). (0.0602*). (0.2683). (0.2501). -0.0005. -0.0005. -0.0004. (0.5315). (0.5166). (0.6040). y. (0.5656). -0.0083. -0.0083. -0.0089. -0.0091. (0.5138). (0.4899). (0.4801). -0.1752. -0.1814. ‧ 國. -0.0374. ‧. OPM. -0.0392. Nat. DE. (0.7162). (0.5137). al. n. UTV BYV 同質性檢測自我相關檢測調整 R2 樣本數模型評價. -0.1769. (0.2659) 0.3107. Ch. -0.1807. e(0.2595) ngchi. 學. DM. 0.8769. io. FH. (0.4050). sit. (OBB)2. (0.0680*) 政治大. er. 迴歸式代號. iv n U(0.2755). -0.0005. (0.2627). 0.3151. 0.3253. 0.3258. (0.0711*). (0.0696*). (0.0612*). (0.0615*). 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 同質性無自我相關. 0.8339 185 優良. 0.8330 185 優良. 0.8305 185 優良. 0.8297 185 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。. 40.

(47) 表 4-11 統計方法 OLS/應變數 ROA/前期資料. R6-3. R6-4. -2.0498. -0.9760. 0.1788. -0.1674. (0.2116). (0.7225). (0.9069). (0.9141). 0.1629. 0.0151. (<0.0001). (0.9607). 2.2348. 5.4939. (0.0025***). (0.0506*). 0.0047. (OBA)2. (0.6263). OBB (OBB)2. UT. (0.2333). (0.0058***). (0.0030***). -0.7248. -0.7075. -0.4844. -0.5971. (0.0002). (0.0004). (0.0082***). (0.0038***). 0.0038. 0.0039. 0.0037. 0.0044. (0.1786). (0.1697). (0.2039). 0.2663. 0.2657. 0.2788. (<0.0001). (<0.0001). (<0.0001***). -0.0139. -0.0126. -0.0145. (0.8011). (0.7762). (0.8701). -0.0114. 0.0170. ‧ 國. (0.1913). Nat. OPM. (0.7799). al. n. BY. 0.5385. -0.0049. (0.9707). Ch. -0.0033. e(0.9807) ngchi. ‧. DE. 立. (0.2282). 學. DM. 0.2321. 政0.2159治大 0.4853. io. FH. -10.6740. y. OBA. R6-2. sit. Intercept. R6-1. er. 迴歸式代號. iv n U(0.9343). (0.1369) 0.2780 (<0.0001***) -0.0084. (0.9031). 同質性檢測自我相關檢測. 異質性無自我相關. 異質性無自我相關. 同質性無自我相關. 同質性無自我相關. 調整 R2 樣本數模型評價. 0.2785 182 不佳. 0.2753 182 不佳. 0.2431 182 優良. 0.2451 182 優良. ***為顯著水準 1%以下；**為顯著水準 5%以下；*為顯著水準 10%以下，括號內的值則代表 p-value。迴歸式 R6-1、R6-2 殘差存在異質性，導致 t 檢定的顯著沒有意義所以不標*。. 三、後期資料 41.

(48) (一) VTA：如表 4-12 所示，和全資料、前期資料期間一樣，主要解釋變數 OBA、OBB 無論在線性或是非線性模型都不顯著。美元兌新台幣的波動度(UTV)，在後期呈現和營運風險為顯著正相關，與全資料、前期資料的不顯著的結果不同，推測在金融海嘯後，市場餘悸猶存導致總經數據變動，都影響到公司營運。另外，美國十年期公債殖利率的波動度(BYV) 也與風險為顯著正相關。. (二) VTB：如表 4-13 所示，線性模型得到：海外債券占總資產比例(OBB). 政治大與風險的關係正好相反，此轉變符合假說 H5。非線性模型則得到：OBB 立與營運風險為顯著正相關，不符合假說 H1。該實證結果和前期資料 OBB. 與營運風險為 U 型相關，符合假說 H3。因前期資料並沒有非線性實證. ‧ 國. 學. 結果，故不符合假說 H7。但是和全資料期間的 U 型相關做比較，發現. ‧. 臨界點從 18.83%降至 13.56%6。線性、非線性的實證都顯示壽險公司在. y. Nat. 2012-2016 年，海外債券部位不再是減少風險的避風港，反而增加營運. al. er. io. sit. 之不確定性；甚至 U 型臨界值，相對全部期間(2008-2016 年)下降約 5.27%。. n. v i n 本研究推論應是以下三個原因：第一，國內低利環境趨動，導致國人 Ch engchi U. 將資金從銀行抽出轉向壽險公司的類定存商品，以追求更高的報酬率。例如：類定存商品內部報酬率(Internal Rate of Return, IRR)多能超過 2%，. 而銀行兩年期定儲利率卻從 2.5%一路下探到 1%徘徊。過多熱錢的湧入，讓壽險業可運用資金大幅提高，從 2008 年 7.95 兆元新台幣，迅速增長至 2016 年的 20.04 兆元；同時，國外投資也從 2.40 兆元衝到 12.59 兆元；可運用資金膨脹 2.52 倍、國外投資則為原來的 5.25 倍。過去保單利差損壓力、國內投資報酬率不佳，加上新契約保費蜂擁而至讓壽險業亟需海外部位來去化資金。但當需求大於供給時，並不一定能保證這些部位 6. ∂VTB/ ∂OBB = −0.4315 + 2 ∗ 1.5911 ∗ OBB = 0 → OBB = 13.56% 42.