「消費金融債務的協商機制」對金融機構股價
表現之衝擊
The Examination of the Impact of Consumer Debt
Negotiation Mechanism on the Financial Institutions in
Taiwan
陳錦村
Jing-Twen Chen
羅文綺
Wen-Chi Lo
國立中央大學財務金融系
Department of Finance, National Central University
(Received February 19, 2009; Final Version September 14, 2009)摘要： 本研究旨在探討民國94 年 10 月台灣爆發卡債問題後，政府推動的「消費金融案件債務 協商機制」是否對金融機構的股價表現產生衝擊。根據實證結果得知，金融控股公司和銀行受 到的衝擊遠大於證券和保險公司；信用卡發卡量最高的金融機構受到的衝擊，則顯著高於發卡 量中等和最低者；現金卡放款餘額高的金融機構承受的衝擊，也高於此類業務授信量中等和最 低者；當配對比較不同類別的金融機構，發現此協商機制的推動，導致彼此的競爭態勢迥異，「債 務協商機制」明顯造成金融機構不同程度的衝擊。至於衝擊程度不一的原因，則與債務協商發 生時，金融機構是否出現下列情況有關：信用卡餘額之市占率很高，最近三個月打消許多呆帳， 卻又提存很少損失準備，分行家數不多，以及持卡人的額度動用率呈現頗高成長的銀行。這些 類型的銀行在協商時期的累積異常報酬均為負值，顯示其對協商事件的暴險程度較高。 關鍵字：卡債、債務協商、事件研究
Abstract: The purpose of this research is to discuss whether or not the government promotion of the
“Consumer Debt Negotiation Mechanism” would impact financial institutions’ stock price after the explosion of the Taiwan card-debt problems on October of 2005. According to empirical results,
financial holding companies and banks were impacted far more than securities and insurance companies. Financial institutions that issued the highest volume of credit cards were impacted significantly more than those that issued moderate and the lowest volume of credit cards. Financial institutions that gave more cash card loans were impacted more than those that gave moderate and the least cash card loans. When compared to different kinds of financial institutions, the promotion of this negotiation mechanism was discovered to cause vastly different mutual competition attitudes. Obviously, the Debt Negotiation Mechanism caused different degrees of impact on financial institutions. The different degrees of impact were due to whether or not the following situations would occur to the financial institution when debt negotiation happened: (1) The market share percentage of the credit card balance was very high. (2) In the past three months, many bad debts were written off, but very little loss preparation was deposited. (3) Not enough number of branches. (4) Banks with overly high growth of the amount draw-down rate of the cardholders. As for these kinds of banks, their cumulative abnormal returns showed negative values during the negotiation period. This revealed that they had a higher degree of risks in negotiation events.
Key Words: Credit Card Debts; Debt Consultation Mechanism; Event Study
1. 研究動機與目的
民國63 年中國信託商業銀行發行台灣第一張信用卡1 以來，信用卡逐漸在現代生活扮演著 「交易更加便利」的角色，省去了攜帶大筆現金在國內外消費的麻煩，中國信託也因為搶得先 機，成為市場上發卡量最高的銀行，獲利可觀。萬泰商業銀行則於民國88 年發行台灣第一張「喬 治&瑪莉」現金卡，創下股價大漲八倍的少見奇蹟2，信用卡、現金卡業務因而讓許多銀行趨之 若鶩，紛紛推出相關業務，一味的想提高發卡量卻不重視無擔保放款應有的授信程序 (例如：在 ATM 機器就可即時申請現金卡，並預借現金；或在各商場、學校設置信用卡攤位，來者不拒)， 利用聳動的廣告、標語，鼓勵消費者多借錢、多消費，卻未同時提醒高循環利率將帶來龐大的 債務負擔，於是市場上出現了兩種潛在的卡奴，一是聰明的投機卡債族，利用以卡養卡的雙卡 策略，享受一段借錢幾乎不用還的快活日子；二是缺乏金融知識和社會歷練的年輕卡債族，大 量刷卡消費卻不曉得循環利率將帶來龐大的卡債。 潛在的卡債問題在民國94 年 10 月浮出檯面，金融機構發現投機卡債族大量存在後採取緊1 中國信託商業銀行的網站為https://www.chinatrust.com.tw。 2 錢雜誌民國八十八年十二月號 (230 期)，文／紀麗君。
縮政策，以防收不回放款造成鉅額的呆帳損失，但此措施導致以卡養卡的卡債族頃刻間面臨各 家銀行的追討而無力還債，金融監督管理委員會 (簡稱金管會) 雖強調信用卡、現金卡放款佔不 到整體放款的 5%比率，不致破壞金融體系的交易秩序3，但數十萬名卡奴和尚未浮出檯面的潛 在卡奴卻帶來後續嚴重的社會問題，因此金管會透過與銀行公會的多次協商，於民國 94 年 11 月7 日正式啟用「消費金融案件債務協商機制」，提供債務人和債權人協商的平台管道4，此後陸 續有相關的第二版改善方案、強化功能案等出現，直至民國95 年 12 月 31 日宣告完成階段性任 務，民國96 年 1 月 1 日起回歸由債務人與各金融機構個別協商5。 「消費金融案件債務協商機制」的施行期間，有立法委員為卡債族進一步催生「消費者債 務清理條例」(簡稱債清條例)，並於民國 96 年 6 月 8 日在立法院三讀通過，民眾往後積欠銀行 一千兩百萬元以下的無擔保債務，可向法院聲請，透過協商、更生及清算方式償還債務，這對 金融機構可能帶來強烈的衝擊，銀行勢必緊縮信用貸款，降低授信風險6；另一方面，則面臨龐 大的存款資金流入，苦於缺乏放款資金流出的挑戰。而貸款需求者也可能因為嚴格的授信審查 程序，使其轉向地下錢莊借錢，正、反輿論對於債務協商機制和債清條例各執一詞。因此，本 研究想從市場投資人的看法，利用彷彿無相關的迴歸方法 (seemingly unrelated regression equations；簡稱 SURE)，驗證這一連串協商事件是否帶給金融機構不小的衝擊，不同特性的金 融機構和個別事件之間又是否存在差異的衝擊。由於債清條例的通過與債務協商機制的其他事 件相距較遠，且為近日發生的新聞，礙於時間限制及事件聚焦 (event clustering) 的考慮，本研 究只著重於民國94 年 11 月起至 95 年 12 月止之「消費金融案件債務協商機制」一連串事件的 實證研究，期能提供政府及金融機構日後政策改善的參考。 然而，過去文獻對於信用卡相關法令頒佈的研究並不多，唯一相關的研究是 Cornett and Musumeci (1999)及 Stango (2003) 所提出的。Cornett and Musumeci (1999) 的研究是針對美國於 1991 年短暫提出的信用卡利率上限 (credit card cap legislation) 法，該法令花了六天時間制訂就 獲得參議院的批准，但最後並未通過。Cornett and Musumeci (1999) 利用事件研究法探討投資人 對此法案的反應，發現被信用卡業務暴露越多信用風險的銀行，這六天事件期的異常報酬越低； 當進一步對六天事件期的異常報酬探討其決定因子時，發現信用卡衍生的應收帳款越高者，受 此利率上限的影響越多；客戶債信越差的銀行，異常報酬越低。Stango (2003) 則探討 1991 年的 信用卡利率上限法的後續影響，發現法案提出的事件日後調降信用卡利率的銀行，產生正的異 常報酬。這兩篇文章的結論都顯示，投資人對信用卡相關法令的頒布的行為反映，能透過發卡
3 根據金管會民國 94 年 10 月 25 日發佈之新聞稿。 4 根據金管會民國 94 年 11 月 8 日發佈之新聞稿。 5 根據金管會民國 95 年 12 月 26 日發佈之新聞稿。 6 銀行公會理事長許德南於民國 96 年 6 月 9 日在聯合報所發表的意見，記者為林河名。
銀行的市場報酬合理地觀察出。
本文參酌過去及近期的研究文獻，採用事件研究法來驗證消費金融案件的「債務協商機制」 對金融機構經營績效之衝擊。由於債務協商機制涉及一連串的相關過程 (與 Howe and Jain, 2004 之研究相同)，而非侷限在單一事件的發生，因此透過不同金融機構或協商事件建立的迴歸模式， 需要考量其誤差項間可能存在相依特性 (cross-correlation)，所以參照 Schipper and Thompson (1983, 1985) 與 Binder (1985a, 1985b) 提出的多變量迴歸模型估計迴歸係數。具體而言，本研究 旨在利用台灣經濟新報資料庫 (簡稱 TEJ) 的台灣上市櫃金融業股價資料，以事件日前 200 天為 估計期，事件日前後一天為主要的事件窗口 (event window)7，藉由實證方法驗證協商機制會否 衝擊金融週邊機構，以及股票市場的投資人對此一連串協商事件的看法。 本研究按照三種不同的分類方法區分金融機構的種類，並個別實證及比較。首先，將46 家 金融機構按業務性質分為銀行、證券、保險及金控公司四類；再者，排除業務項目不太受影響 的18 家證券和保險後，將剩餘的 28 家銀行和金控公司依照金管會民國 94 年 11 月公布的信用 卡發卡量資料，分成發卡數量高中低三類作比較；最後，同樣依據金管會民國94 年 11 月公布 的現金卡放款餘額資料8，分成高中低三類做比較。實證結果顯示，在三種分類方法下，「消費金 融案件債務協商機制」的所有事件9 皆對樣本金融機構產生顯著的衝擊。至於個別事件的影響， 則在考慮群組內各樣本的交互影響後，發現正負影響者均有，但負面衝擊仍然較多。值得一提 的是，事件(4)「民國 95 年 1 月 10 日新聞報導第三代協商機制暫不修改宣布破局」時，市場對金 融機構累積異常報酬的反映反而是正面的；另外，實證還發現金控公司受到的衝擊最大、保險 公司最小 (有正的累積異常報酬)；金控公司的保護或承擔能力較單純的銀行 (即不隸屬任何金 控者) 來得強10；信用卡發卡量越高的銀行，受到的衝擊越大；現金卡放款餘額則囿於部分類別 之樣本數不足，而無顯著的衝擊；最後，則在不同的分類配對比較下，發現業務性質不同的金 融機構，存在顯著差異的衝擊。 另外，本研究也探討發卡量與放款餘額出現差異的因素，試圖根據這些因素，進一步檢視 債務協商事件對不同銀行造成差異衝擊的理由。衝擊程度不一的原因則是債務協商發生時，金
7 為節省篇幅起見，本文表列之實證結果只有事件日前後一天 (-1~+1) 的累積異常報酬 CAR。由於事件 日前後兩天 (-2~+2)、三天 (-3~+3) 的結果同於一天，因此文中只列出一種實證結果，惟若使用事件日 前後四天 (-4~+4) 或五天 (-5~+5) 作為事件窗口，則因各事件日期有所重疊而出現相互干擾情況。 8 金融機構利用現金卡承作的放款餘額與發卡量在排序上相同，考量此類放款餘額更能凸顯與逾期放款的 關係，本研究乃選擇此指標作分類。 9 自民國 94 年 11 月 7 日起至民國 95 年 12 月 31 日止，共有 8 個主要的子事件與「消費金融案件債務協 商機制」有關，謹臚列於本文第二部分。 10 最高和最低的差距在金控公司中較小，隸屬金控的銀行受到的影響呈現兩極化 (有較大的標準差)，詳細 請參閱表3 的敘述統計結果。
融機構的信用卡餘額之市占率很高，最近三個月打消許多呆帳，卻又提存很少損失準備，分行 家數不多，以及持卡人的額度動用率呈現頗高成長的銀行，協商事件中負向的累積異常報酬， 顯示這些類型的銀行對事件的暴險程度較高。 台灣的卡債風暴，促使「消費金融案件債務協商機制」和「消費者債務清理條例」接連登 場，政府的原始動機應當是積極援救卡債族脫離岌岌可危的貧窮情境，卻牽連著金融機構的經 營績效受到嚴峻考驗，甚至負面衝擊，這是否符合自由經濟社會所強調的公平正義，值得各界 審慎地檢討。有鑑於此，本研究乃利用實證方法驗證此衝擊確實存在，金融週邊機構的投資人 則藉著持股行為，表達對債務協商機制不樂觀的態度，期能藉此提供政府和金融機構往後研擬 相關金融管理政策的參考。本文第貳部分為研究背景與文獻回顧，第參部分為研究方法，第肆 及伍部分為實證結果，並進一步探討債務協商機制衝擊金融機構經營績效的決定因子，第陸部 分為結論。
2. 研究背景與文獻回顧
2.1 消費金融案件的「債務協商機制」與歷程
金管會為了卡債問題，於民國94 年 10 月至民國 95 年 12 月之間，陸續發布許多新聞稿， 內容包含重要政策的施行細則、對卡債族的教育宣導，以及各銀行的卡債規模等，經詳讀全部 新聞之後，本研究選擇與消費金融案件較有關的七個主要子事件，當作「債務協商機制」的主 要措施。為求完整與精確，本研究尚查閱聯合知識庫11 中與債務協商機制有關的所有新聞報導， 透過與金管會之新聞稿相互對照，排除重要但重複的子事件後，增加一則金管會未正式發布， 內容卻相當關鍵的事件 (即表 1 的事件(4))。茲按時間順序略述此八個子事件的內容如下： (1) 金管會於民國 94 年 11 月 8 日發布的「消費金融案件債務協商機制正式啟用」新聞稿 民國94 年 11 月 7 日起正式啟用，為第一代的債務協商機制，主要內容在於協助有還款 能力及誠意之民眾，建立三種協商平台管道 (皆為電話服務) --青年諮商輔導專線、銀行公會 專線、各銀行的單一窗口專線，債務人檢具文件、提出申請後，由最大債權銀行出面邀集全 體債權銀行和債務人共同協商。 (2) 金管會於民國 94 年 12 月 8 日發布的「立法院規範信用卡、現金卡循環信用利率與存款利差 之影響說明」新聞稿 卡債問題出現後，多名立委應卡債族請求提出銀行法第47 條之 1 修正案，目的在削減 目前信用卡、現金卡法定的最高利率上限，此一提案出現後，引起產、學界極大反彈，金管 會隨即發布新聞稿說明此立法規範的重大影響。例如：金融市場自由度退化、國家信用評等11 聯合知識庫的功能在於彙總台灣過去和現在所有重要新聞消息的資料庫，網址http://udndata.com/library/。
調降、降低外資投資意願、銀行緊縮信用等，隔日立法院便確定不修訂法條。 (3) 金管會民國 94 年 12 月 19 日發布的「金管會核備銀行公會所報，強化消費金融債務協商機 制功能案」新聞稿 銀行公會針對第一代債務協商機制提出修正草案，同意第二代的債務協商機制於民國 95 年 1 月 1 日正式啟用，主要內容有：(a)訂定一致性還款方案和專案處理方式；(b)八大銀 行皆提供申請，受理時不限只有該銀行的債務人；(c)以民國 94 年 12 月 15 日前消費、借款 的債務為準；(d)信用卡及現金卡的逾期債權暫停出售給資產管理公司 (簡稱 AMC)，但不溯 及既往等重要措施。 (4) 民國 95 年 1 月 10 日新聞報導「第三代債務協商機制宣布破局」 繼第二代債務協商機制的出現，多名立委再度與金管會、銀行公會交涉，洽談第三代債 務協商機制的可能性，目的為提供債務人更多的優惠和彈性，但交涉結果失敗，且於三天後 宣布破局，未來不會再有第三代的協商機制，為免觸怒參與協商的立委，金管會並未主動發 布相關的新聞稿。 (5) 金管會於民國 95 年 3 月 7 日發布的「銀行公會消費金融債務協商機制」新聞稿 銀行公會為強化債務協商機制的功能，於民國95 年 3 月 7 日召開會議，針對協商細節 及流程提出更有效率的執行方案，性質類似第三代的債務協商機制，主要內容有：(a)債務人 於民國95 年 4 月 10 日前提出申請，可享受協商期間免計息之優惠；(b)取消專案協商的案件， 直接比照一致性條件協商案件，授權最大債權銀行直接審核及准駁，不再送交其他債權銀行 表決。 (6) 金管會於民國 95 年 3 月 10 日發布的「銀行公會通過成立公益資產管理公司處理卡債問題」新 聞稿 銀行公會決議，針對一定條件的低收入戶，成立具公益性質之台灣金聯資產管理公司， 作法參考韓國經驗，由金管會再邀請銀行和相關單位共同研商。 (7) 金管會於民國 95 年 5 月 12 日發布的「金管會同意有條件開放金融機構出售信用卡、現金卡 及信用貸款之不良債權給予AMC」新聞稿 金管會針對第二代債務協商機制時，暫停銀行出售信用卡及現金卡的逾期債權有條件地 開放給AMC，設定的限制條件均為避免債務人受到不良的對待。例如：(a)得標之資產管理 公司不得將不良債權轉售予第三人，並應委託原出售之金融機構或其指定或同意之催收機構 進行合法的催收作業；(b)已出售之不良債權，如客戶提出協商申請，原出售之金融機構應 知會資產管理公司辦理協商，經最大債權銀行協商成功者，該資產管理公司應無條件接受協 商還款方案。 (8) 金管會於民國 95 年 12 月 16 日發布的「協商機制回歸金融機構個別協商，金管會呼籲民眾
謹慎消費借貸」新聞稿 金管會正式公告債務協商機制運作至年底，並於民國96 年 1 月 1 日起設立消費金融無 擔保債務協商委員會。為持續提供債務協商的服務，此委員會改為常設單位。 如前所述，本研究詳閱金管會發布的新聞稿和相關新聞報導後，慎重地選取八個重要的子 事件，彙總於表1，敬請參閱。
2.2 相關文獻回顧
過去各國研究政府法令頒布 (包括管制 (regulation) 和解除管制 (deregulation)) 後，對公司 或金融機構經營績效遭受衝擊的文獻有許多12，茲列出較近期的數篇研究如下：(1) Bailey et al. (2003) 利用事件研究法 (event studies) 和迴歸方法驗證 2000 年 8 月 10 日美國證 管會公布之「公平揭露規則」(Regulation Fair Disclosure) 對美國的市場、分析師和公司帶來 的衝擊，研究發現市場沒有明顯的報酬波動，分析師因此情況而難以對公司做盈餘預測，公 司則傾向只揭露當期資訊，較少主動揭露關於未來的重要資訊。
(2) Spiegel and Yamori (2003) 採用 Aharony and Swary (1996) 的方法，將日本的銀行依特性組成 不同的投資組合 (portfolios) 後，以事件研究法探討 1998 年秋，日本政府頒布的金融重建法 (Financial Regulatory Reform Acts) 對銀行造成的衝擊，結果顯示市場對政府措施抱持懷疑的 態度 (skepticism)，銀行因特性不同而有不同程度的衝擊。 表 1 債務協商措施的事件發生日與重要內容 編號 事件日(民國) 事 件 描 述 1 94/11/8 消費金融案件的債務協商機制於 94/11/7 正式啟用 (第一代) 2 94/12/8 立法院規範信用卡、現金卡的循環信用利率與存款利差之影響說明 3 94/12/19 金管會核備銀行公會所提報，強化消費金融債務協商機制的功能案 (第二代) 4 95/1/10 第三代協商機制在立委和銀行公會、金管會交涉後，暫不修改，且在 1/13 宣布破局 5 95/3/7 銀行公會提出，強化消費金融債務協商機制之方案 (類似第三代) 6 95/3/10 銀行公會通過成立公益性質之 AMC，協助處理卡債問題 7 95/5/12 金管會同意有條件開放金融機構出售信用卡、現金卡及信用貸款之不 良債權給予AMC 8 95/12/16 協商機制於 96/1/1 起回歸金融機構個別協商，並設立消費金融無擔 保債務協商委員會
12 本文尚參考陳錦村、王弓 (民 94 ) 對於民國 78 年至 83 年間，國內新銀行之開放設立對金融機構經營績
效之衝擊研究，以及Wang et al. (2008) 研究台灣設立金融控股公司法 (Financial Holding Company Act) 後之市場反應。
(3) Czyrnik and Klein (2004) 利用事件研究法和迴歸方法，驗證美國 1999 年 12 月解除商業銀行 與投資銀行的業務分離管制後，銀行受到的衝擊，發現此項解除管制，能使商業銀行和投資 銀行皆受惠 (累積異常報酬 CAR 呈現顯著的正值)，意味市場對業務分離抱持樂觀的態度。 (4) Yamori and Kobayashi (2004) 利用事件研究法，驗證日本 1996 年與美國協議解除日本國內的
保險市場管制後 (agreement on Japanese insurance market deregulation)，日本的保險市場受到 那些衝擊。實證結果顯示，保險業的經營績效受到負面影響 (累積異常報酬 CAR 呈現顯著 的負值)，隱含反映消費者因兩國開放而有更多選擇且受惠。
(5) Howe and Jain (2004) 1999 年美國頒布「不動產投資信託現代化法」 (REIT Modernization Act) 後，對不動產投資信託市場 (REIT market) 造成的衝擊。由於此法的制定過成發生一連串的 事件，為避免相似事件互相影響 (各條迴歸方程式的誤差項存在相關 (cross-correlation in errors)) ， 遂 採 用 Schipper and Thompson (1983) 提 出 的 多 變 量 迴 歸 模 型 方 法 來 驗 證 (multivariate regression model；簡稱 MVRM)，結果發現這些事件對 REITs 股東的財富有正面 影響，且使得REITs 的系統風險明顯降低。
(6) Bris (2005) 利用事件研究法，驗證全球各國制訂規範內線交易的法律 (Insider Trading Laws) 後，對內線交易利潤 (insider profits) 的衝擊。結果發現法律實施後，內線交易的利潤反而 增加，法律禁止的內線交易無法消弭內線交易的利潤；不過，法律規定越嚴格，非法的內線 交易越少發生。
3. 研究方法
3.1 事件資料之蒐集
針對上市櫃的金融機構，股價資料主要擷取自台灣經濟新報的資料庫 (TEJ)；事件日的選 擇則參考金管會公布的正式新聞稿13，和聯合知識庫14中重要且具體的新聞報導。事件發生期間 共有46 家金融機構，其中只從事銀行業務者有 14 家，單純是證券業者有 11 家，只開辦保險業 務者有7 家，金控公司則有 14 家。為估計聯立模型的相關參數，本研究將估計期設定為事件日 前250 天至事件發生日後一天；事件窗口為事件發生日前後各一天 (-1 ~ +1)15；事件日請參照表 1 所示，共選擇八個重要的子事件作分析。 在事件日方面，考量部分金融機構於事件期間 (民國 94 年 11 月 8 日至民國 95 年 12 月 16 日) 可能受到其他重要消息的干擾，而影響實證分析的信度及效度。經仔細查閱相關報導，發現13 行政院金融監督管理委員會設立之全球資訊網http://www.fscey.gov.tw。 14 聯合知識庫旨在彙總台灣過去和現在所有重要新聞消息的資料庫，網址為http://udndata.com/library/。 15 同註 8。
這段期間主要有三個金融機構的合併消息，還好其相關日期均與八個子事件日不接近或重疊， 充分顯示本研究選取的八個子事件日堪稱適當。茲列出三個合併消息如下： (1) 民國 95 年 5 月 1 日農民銀行與合作金庫銀行合併，農民銀行為被消滅銀行。 (2) 民國 95 年 8 月 21 日交通銀行與中國國際商業銀行合併，中國國際商業銀行為存續銀行，後 來更名為兆豐國際商業銀行。 (3) 民國 95 年 11 月 13 日台北國際商業銀行與建華商業銀行合併，建華商業銀行為存續銀行， 並更名為永豐商業銀行。
3.2 實證模型之建立
本文採用Binder (1985a, 1985b) 與 Schipper and Thompson (1983, 1985) 提出之多變量迴歸 模型 (multivariate regression model；簡稱 MVRM)，MVRM 不同於處理單一事件的傳統事件研 究法，其能考量不同事件構成的方程式間之異質性 (heteroscedasticity) 與誤差項間的相依性 (cross correlation)，也就是同時衡量一連串相關事件的衝擊效果；由於本研究所探討的消費金融 案件債務協商機制主要有八個事件點，因此傳統上只處理單一事件的事件研究法在本文並不適 用。就聯立模型的分類而言，所建構的MVRM 模型即為 Zeller (1962, 1963) 之彷彿無相關迴歸 模型 (seemingly unrelated regression equations；簡稱 SURE) 的特例；因為 SURE 的各條方程式 皆有相同的解釋變數，但殘差項彼此相關，詳如公式(1)的 MVRM 模型： t K k kt k mt t t K k kt k mt t t K k kt k mt t
D
R
R
D
R
R
D
R
R
3 1 3 31 30 3 2 1 2 21 20 2 1 1 1 11 10 1
(1) 式(1)中的R
jt為第j家金融機構在第t日的股票報酬率，R
mt為市場投資組合m在第t日的報酬率， 0 j
為截距項，
j1為j類金融機構之系統風險。由於個別事件的報酬率公式，是由市場模型 (market model) 或單一指數模型 (以市場投資組合報酬率或發行量加權股價指數之報酬率R
mt 衡量擴充而成，此增加的Dkt為虛擬變數，旨在捕捉不完美市場造成的套利機會，故其對應的迴 歸係數
jk為j類金融機構對第k個事件日之反應，
jt為迴歸殘差。令Dkt表 示第k個事件發生當 日及其前後各一日值為1，其餘時間數值則為0。因此，該虛擬變數Dkt的迴歸係數
jk可表示為 第k事件窗口的異常報酬，因此在概念上與市場模型所用的累積異常報酬 (cumulative abnormal returns；簡稱CAR) 相似，此累積涵義有時隨著t = -1~1而定義，有時則指某類別金融機構異常 報酬率的加總，所以利用此係數值的正負關係，可以推測k事件對金融機構經營績效帶來之衝擊程度。值得一提的是，採用MVRM的好處是，我們可以根據式(1)的表達，將多家金融機構在多 個事件日的股價表現當成一個系統來估計，以解決方程式間之異質性與誤差項間的相依性的計 量問題；當個別的
jk 求得後，我們可以進而計算第i類金融機構的累積異常報酬，定義為 1 / N ik jk j N
, j i。謹根據MVRM模型臚列下列假說，俾驗證其是否成立： 假說1：消費金融案件的任一債務協商事件 k，對諸類樣本金融機構 i 皆未構成任何衝擊，亦即 檢定迴歸係數
ik等於0 的虛無假設：H0:
ik 0, ,i k。 假說2：針對消費金融案件的某特定協商事件 k，檢定其是否造成各類樣本金融機構均無法賺取 超額報酬，所以利用能夠反映CAR 平均水準的
ik加以驗證，並列示虛無假設： 0: ik 0 H
, i。 假說3：根據消費金融案件的所有協商事件，觀察其是否導致不同類別的樣本金融機構出現迥 異的競爭態勢，虛無假設為： : , , ( ) 1 1 0 m n m n H K k nk K k mk
。3.3 樣本分類方法之說明
本研究依下列三種不同的方法或標準，區分台灣上市櫃金融機構的類別：(1)金融機構的業 務性質與組織型態；(2)信用卡發卡量的高低；及(3)現金卡放款餘額的多少。茲將採用這些分類 的目的和標準詳述如下： (1) 按照業務性質與組織型態，區分金融機構 消費金融案件出現債務協商的需要，導因於卡債問題。信用卡與現金卡的發行機構則以金控 公司轄下的銀行子公司和未隸屬任何金控的銀行為主，與證券和保險公司的業務範圍大相逕 庭。為瞭解經營衝擊程度是否與業務活動有關，本研究乃將樣本金融機構細分為金控、銀行、 證券和保險四類。金控公司和銀行受到的衝擊，預期大於證券和保險公司；另考量金控公司 的規模遠大於銀行，受到衝擊會否具有比較強勁的支撐能力，也是本研究的觀察重點之一。 按照此分類標準，金融機構的樣本個數分別為：金控公司14 家、銀行 14 家、證券 11 家、 保險7 家，共計 46 家金融機構。 (2) 按照信用卡的發卡量，區分金融機構 由於業務性質不同，此分類標準先排除與信用卡發行較無關聯的證券和保險兩類金融機構。 接著，依照金管會民國94 年 11 月 (與卡債問題的起始時間相近)公布的各家金融機構信用卡 發卡量資料16，將所有金控公司和銀行分成高、中、低三個群組，發卡量最高的金融機構預 期受到比較大的衝擊。經詳細統計相關數據後，發現此分類的樣本個數為：信用卡發卡量最 高者有9 家 (大於 100 萬張)、中等規模者 7 家 (介於 100 萬至 50 萬張之間)、發行量最少者16 金管會於民國 94 年 12 月 27 日發布的「94 年 11 月份信用卡、現金卡業務相關資訊」新聞稿。
12 家 (少於 50 萬張)，共計 28 家金融機構被檢視。 (3) 按照現金卡衍生的放款餘額，區分金融機構 爰用與發卡量分類相似的理由，先排除證券和保險兩類金融機構。其次，依據金管會民國 94 年 11 月17 公布的各家金融機構現金卡放款餘額資料，將所有金控公司和銀行分成高、中、 低三個群組，承作現金卡放款業務，餘額最高的金融機構預期受到較大的衝擊。其中，放款 餘額在新台幣300 億元以上者共有 4 家，介於 300 億元至 100 億元者有 5 家，少於 100 億元 者有19 家，合計 28 家金融機構。 根據第(2)和第(3)當作分類標準構成的群組，各組的高、中、低類所包括的樣本並非完全相 同。例如，富邦金、玉山金和永豐金的信用卡發卡量雖然最高，現金卡的放款餘額卻最低，顯 示其業務以信用卡為主，甚至未曾發行現金卡；萬泰銀行、中信金、台新金三家金融機構則不 論在信用卡的發卡量，或現金卡的放款餘額皆屬於最高的群組，且位居前三名，應是卡債問題 發生受到衝擊最大的金融機構。 藉著第(1)種分類的分析結果，可瞭解不同類型的金融機構，經營績效會否受到不同程度的 衝擊；根據第(2)和第(3)種分類的深入分析可知，受到較大衝擊的金融機構，是否意味其過度著 重在現金卡業務，抑或是在半強勢或無效率的股票市場之下，「通通有獎」成為其受害的原罪； 雖未發行現金卡，卻著重在信用卡業務的金融機構，會否也受到相同的衝擊。本研究認為，第(2) 和第(3)種分類下的金融機構若存在顯著差異，將為有趣且重要的分析，除於第伍單元更深入地 探討其影響因素外，謹彙總列示各分類標準的樣本銀行於表2，以便讀者作初步的比較。 表 2 按照信用卡和現金卡區分金融機構的標準及樣本明細 分類標準(2) 高(多於 100 萬張) 中(100 萬張~50 萬張) 低(少於 50 萬張) 信用卡 發卡量 萬泰銀、聯邦銀、 富邦金、國泰金、 玉山金、台新金、 新光金、永豐金、 中信金 中華銀、遠東銀、華南 金、兆豐金、第一金、 合庫、僑銀 彰銀、京城銀、台中銀、台企 銀、高雄銀、大眾銀、安泰銀、 開發金、復華金、國票金、寶 華銀、日盛金 分類標準(3) 高(多於 300 億元) 中(300 億元~100 億元) 低(少於 100 億元) 現金卡 放款餘額 中華銀、萬泰銀、 台新金、中信金 聯邦銀、大眾銀、華南 金、國泰金、寶華銀 富邦金、玉山金、新光金、永 豐金、遠東銀、兆豐金、第一 金、合庫、僑銀、彰銀、京城 銀、台中銀、台企銀、高雄銀、 安泰銀、開發金、復華金、國 票金、日盛金
17 同註 16。
4. 實證結果
4.1 敘述性統計分析
本研究的46 家樣本擷取自 TEJ 的台灣上市櫃金融機構資料庫，利用 MVRM 方法，採用事 件日前250 天至前 50 天的 200 天當作估計期，事件窗口訂為 3 天 (事件日當天及前後各一天)， 依照式(1)來估計各金融機構在各事件日的累積異常報酬
jk，以分析消費金融案件的八個債務協 商子事件宣告以後，對金融機構經營績效之衝擊。表3 為八個子事件之 CAR 加總後的敘述統計分析，單位為百分比 (報酬率)，Panel A、B 和C 是依據分類方法(1)、(2)和(3)分類後的分析結果。從 Panel A 的統計數值可知，金控、銀行、 證券及保險四類金融機構中，金控公司受到的衝擊最大，CAR 報酬率接近-4%，其次為證券和 表 3 三種分類方法的累積異常報酬分析 Panel A 分類方法(1)：四種金融機構類型 單位：% (a)金控 (b)銀行 (c)證券 (d)保險 樣本數(家) 14 14 11 7 平均值 -4.00 -0.002 -1.25 3.98 中位數 -4.99 0.49 1.43 5.64 標準差 8.87 10.42 7.74 6.65 最大值 10.25 18.31 13.46 13.88 最小值 -21.55 -16.53 -14.15 -6.16 全 距 31.81 34.84 27.61 20.05 Panel B 分類方法(2)：按信用卡發卡量分成三種銀行 單位：% (a)高 (b)中 (c)低 樣本數(家) 9 7 12 平均值 -5.53 -0.74 -0.73 中位數 -6.79 -5.47 -0.74 標準差 9.34 9.50 10.41 最大值 8.93 15.07 18.31 最小值 -21.55 -9.03 -16.53 全 距 30.49 24.10 34.84 Panel C 分類方法(3)：按現金卡放款餘額分成三種銀行 單位：% (a)高 (b)中 (c)低 樣本數(家) 4 5 19 平均值 -1.84 -1.93 -2.55 中位數 -0.45 -4.50 -3.82 標準差 15.91 12.93 7.79 最大值 15.07 18.31 10.25 最小值 -21.55 -16.53 -14.43 全 距 36.62 34.84 24.68
銀行，保險公司最不受影響，報酬率反而接近正的4%。值得注意的是，銀行類的 CAR 值，標 準差最大，顯示樣本銀行受到的衝擊非常兩極，其平均報酬率高於證券，可能是彼此互相抵銷 的結果 (offset effects)。另外，金控公司的標準差低於銀行類，則表示金控公司相較於銀行有較 大的支撐力，彼此間的績效差異因而縮小。 在分類方法(2)之下，受到衝擊最大的類別，當屬信用卡發卡量最多的金融機構 (已排除證 券和保險後剩餘的28 家)，其 CAR 的中位數高達-6.79%；發卡量中等和最少群組的 CAR 中位數 卻不到-1%，或多或少背離原先預期的嚴重程度；利用現金卡放款餘額作分類的方法(3)，其實證 結果更為詭譎，餘額最少的群組反而受到較大的衝擊-3.82%，標準差也最小，此可能是本研究 使用的分類標準造成三群組間的樣本數相差懸殊 (最高 4 家、中等 5 家、最低 19 家) 所致 (28 家金控和銀行中，放款餘額前四高者雖為極端值18，基於儘量避免貿然降低分類標準，才使實證 結果受到扭曲的可能性)，這是本文面臨樣本標準與個數多寡兩難取捨下的研究限制。
4.2 所有債務協商事件皆對金融機構產生衝擊之實證分析
本研究提出的假說1 旨在驗證，所有金融機構對消費金融案件 8 個「債務協商」事件的任 一事件發生時，是否存在顯著異於零的累積異常報酬： 0: ik 0 H
, ,ik。 其中i1,2,3或i1,2,3,4,k
1
,
2
,
,
8
。根據表4 的結果可知，按照業務性質與組織規模作 分類的MVRM 分析，共有 32 個平均的累積異常報酬值 (4 群組、8 個事件日)；依信用卡發卡量 和現金卡放款餘額而區分金融機構的 MVRM 模型，則各有 24 個的累積平均異常報酬值 (3 群 組、8 個事件日)。實證發現在 0.01 的顯著水準之下，不論採用何種分類方式，皆產生顯著負向 的平均之累積異常報酬值；若以小樣本之 F 檢定統計量測試，結果仍然相同，顯示消費金融案 件的「債務協商機制」確實對金融機構的股價表現，產生顯著的負面衝擊。 表 4 所有事件發生時皆對金融機構的股價表現產生衝擊之檢定 類別 自由度 χ2值 F 值 P 值 拒絕H0 (1) 按業務和規模區分之 4 類群組 32 644.3 9.62 <.0001 *** (2) 按信用卡發卡量區分之 3 類群組 24 453.77 8.16 <.0001 *** (3) 按現金卡放款餘額區分之 3 類群組 24 467.3 7.71 <.0001 *** 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著18 依據金管會民國 94 年 11 月公布的資料，當時現金卡放款餘額最高者為台新金，約 860 億元；其次為萬 泰銀700 億元、中華銀及中信金各 300 億元，超過 100 億元的中等者只有聯邦銀、大眾銀、華南金、國 泰金、寶華銀5 家，剩餘 19 家的現金卡放款餘額皆未達 100 億元。
4.3 個別債務協商事件對於金融機構之股價表現衝擊分析
表4 的結果證實，不論在何種樣本分類方法之下，消費金融案件的「債務協商機制」均對 金融機構帶來衝擊。至於8 個事件被單獨宣告時的股價反應，則透過表 5 的驗證，觀察其是否 帶來不同的衝擊效果。表5 的 Panel A、B 和 C 同表 4 的表達方式，是依據第(1)、(2)和(3)種分 類方法顯示驗證結果。至於採用的統計檢定方法，則有三種：一為有母數方法的T test，二為無 母數方法的正負符號檢定 (sign test)，以及考慮到同一群組內各觀察值可能存在抵銷效果 (offset effects)，而以 F 統計量檢定同一群組內個別金融機構的 CAR 是否顯著異於零；上述三種統計量 若在90%、95%和 99%的信賴區間下顯著，則各以「*」、「**」和「***」表示。 按業務和規模區分的金融機構類型 (即 Panel A)，顯示金控公司的經營績效相較於銀行、證 券和保險，皆受到較大且顯著的衝擊，各事件帶來的 CAR 平均值大部分為負數，尤以事件(2) 「立法院規範信用卡、現金卡的循環信用利率」帶來的衝擊最大，金控公司的 CAR 為顯著的 -3.12%，銀行則為-2.77%。其他如事件(3)「第二代債務協商機制」、事件(5)「似第三代特質的債 務協商機制」及事件(6)「銀行公會通過成立公益性質之 AMC」，皆帶來顯著的負面衝擊或正面 效益。值得一提的是，事件(1)「第一代債務協商機制」帶給金控公司顯著為正的累積異常報酬， 某種程度上表示市場投資人在債務協商機制剛開始運作時，抱持著樂觀的期待，但隨後的股價 表現則反映期待落空，以致事件(4)「第三代債務協商機制宣告破局」和事件(8)「債務協商機制 落幕，回歸金融機構個別協商發生時」，市場便給予正面的反應，也就是金融機構的股價不降反 升。 表5 的 Panel B 是依照信用卡發卡量的高低，區分樣本金融機構為三個群組，發現發卡量最 高的9 家金融機構，對事件(2)、(5)和(6)的宣告，相較於 Panel A 衝擊最大的金控公司還要嚴重， 遭受更大的影響 (CAR 最低達到-3.95%、-3.29%和-2.11%)；發卡量中等及最低的金融機構則如 預期一般，比較不受顯著衝擊；事件(4)和(8)的檢定結果與 Panel A 相同，能帶來正面的市場反 應，再次證實市場投資人不看好「消費金融案件債務協商機制」的成效，在第三代協商機制宣 布破局和結束時，反而助長金融機構的股價表現提升。Panel C 以現金卡放款餘額的高低來分類， 實證出現預料之外的詭譎結果。就CAR 的平均值而言，承作現金卡放款業務餘額最高的 4 家金 融機構，受到的衝擊確實較大，且較Panel A 的金控和 Panel B 的發卡量最高兩類群組，均有著 更低的CAR 值 (事件(2)和(6)的 CAR 值低至-4.95%和-3.5%)。類似第一和第二種分類的實證結 果，以現金卡放款餘額作區分的第三種標準，其對事件(4)和(8)的發生，仍舊帶來股價的提升； 但就統計的顯著性而言，放款餘額最低的群組股價提升的統計檢定力反而比較明顯，此種現象 應是前述所提的研究限制所致 (此分類方法的高、中、低樣本，個數相差太多)，在樣本個數少 於或等於5 的情況，不論是用 T test 或正負符號檢定計算出來的統計量，其表達的顯著性或許與 實際情況存在誤差。
總括上述實證結果，顯示「消費金融案件的債務協商機制」給予金融機構負面的衝擊，金 控公司、信用卡發卡量最高及現金卡放款餘額最高的群組算是影響最大的金融機構。若以 8 個 事件個別來看，則除了事件(1)「開始推動第一代債務協商機制」、事件(4)「第三代債務協商機 制宣告破局」和事件(8)「債務協商機制落幕」，能使金融機構的股價表現明顯上升外，其餘事件 的發生幾乎都對金融機構帶來負面的衝擊。這種反映表示投資人對於金管會推動的債務協商平 台管道，從原來的樂觀期待，演變成後來的不看好，值得政府機關對此結果更深入地檢討和改 善，以免協助卡債族不成，卻導致金融機構接連面對經營不善的窘境。
4.4 考慮產業因素以後，個別債務協商事件對於金融機構股價表現之衝擊分析
本研究與一般的事件研究不同之處在於，本研究的個別事件發生時間對所有樣本公司，是 指相同的一天；但一般的事件研究其樣本公司實際發生的事件日是在不同的日期。因此，本研 究所指事件日的異常報酬率，或許僅是反映產業因素在該日的漲跌。為釐清此點疑慮，本節擬 控制產業因素來凸顯「事件」的純資訊效果。沈中華、李建然 (民89) 的看法，許多股票市場觀 察者認為，台灣股市有「產業輪漲」的現象，故當使用台灣的資料驗證時，宜考慮「產業因素」， 俾提高事件研究法的檢定力。換言之，在「市場模型」中，另外增加產業因素，並稱其為「雙 指標市場模式 (Two Index Market Model)」。可以列示如下：jt xt j mt j j jt
R
R
R
0
1
2
, 式中R
xt代表另一個可能與個別證券報酬相關的指標，最常使用與 j 公司「同產業」之產業 報酬率來衡量。許多研究則指出，銀行股價受到利率相當明顯的影響，因此，許多與金融服務 業有關之事件研究法，都將利率當作是產業指標的替代變數 (例如，Flannery and James, 1984；Lloyd and Shick, 1977 及 Stone, 1974)。因此，我們可將式(1)改寫為：
t K k kt k xt mt t t K k kt k xt mt t t K k kt k xt mt t
D
R
R
R
D
R
R
R
D
R
R
R
3 1 3 32 31 30 3 2 1 2 22 21 20 2 1 1 1 12 11 10 1
(2) 在本研究中，我們選取無違約風險之二年期國庫債券利率當作利率變數的操作性定義，相 關資料則來自台灣經濟新報資料庫。實證結果如表6 所示。表 6 的結果與表 5 並無明顯的差異， 個別事件的顯著性與表5 的結果一致，顯示本研究的結果並非同產業齊漲齊跌所導致。表 5 個別事件發生對樣本金融機構之衝擊
Panel A 分類方法(1)：四種金融機構類型
事 件
(a)金控 (b)銀行 (c)證券 (d)保險
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) 2.07% 2.39** 4** 2.84*** 0.09% 0.21 -1 0.37 -0.03% -0.04 -0.5 1.17 0.07% 0.14 -0.5 0.32 (2) -3.12% -3.26** -5*** 3.00*** -2.77% -6.33*** -7*** 0.73 -0.34% -0.68 -1.5 0.51 -1.27% -4.55*** -3.5* 0.29 (3) -0.90% -2.19* -1 0.74 0.71% 1.19 0 0.99 -0.05% -0.10 -1.5 0.63 0.34% 0.96 1.5 0.13 (4) 2.00% 3.27** 5** 1.40 3.93% 2.54** 5*** 3.14*** -0.88% -1.82* -2.5 0.78 4.20% 4.59*** 3.5* 1.77* (5) -1.78% -2.81** -3 1.39 -2.80% -4.67*** -5*** 1.62* -0.43% -0.75 -0.5 0.70 -0.70% -0.73 -0.5 0.82 (6) -2.1% -4.36*** -6*** 1.02 -1.46% -2.20** -3 1.14 -0.99% -2.20** -3.5* 0.46 -1.24% -2.27** -1.5 0.51 (7) -1.04% -1.58 -3 1.35 1.58% 1.58 1 1.75** 0.56% 0.49 0.5 2.35*** 2.61% 1.95* 1.5 2.66** (8) 0.87% 1.82* 2 0.65 0.72% 1.13 2 0.79 0.92% 1.39 2.5 0.94 -0.03% -0.04 0.5 0.89 Panel B 分類方法(2)：按信用卡發卡量分成三種銀行 事 件 (a)發卡量高於 100 萬張 (b)發卡量介於 100 萬至 50 萬張 (c)發卡量低於 50 萬張
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) 0.86% 0.64 -0.5 4.01*** 1.01% 1.47 1.5 0.51 1.27% 1.94* 1.5 0.84 (2) -3.95% -3.11** -3.5* 3.76*** -1.99% -1.99* -2.5 1.62 -2.73% -5.49*** -5.5*** 0.86 (3) 0.09% 0.10 -0.5 1.25 -0.79% -0.9 -0.5 1.15 0.22% 0.63 0.5 0.24 (4) 1.78% 3.02** 3.5* 0.92 2.81% 2.19* 3.5* 1.09 3.65% 1.92* 2.5 3.34*** (5) -3.29% -4.57*** -3.5* 1.89* -1.16% -1.48 -1.5 1.25 -2.35% -3.13** -2.5 1.44 (6) -2.11% -2.98** -3.5* 1.25 -1.72% -3.73*** -2.5 0.67 -1.43% -1.72* -2.5 1.36 (7) -0.37% -0.65 -1.5 0.59 1.39% 0.66 -0.5 3.62*** -0.21% -0.26 -0.5 0.86 (8) 1.46% 2.35** 3.5* 0.62 -0.29% -0.49 -1.5 0.36 -5.53% -1.78* -2.5 0.76 Panel C 分類方法(3)：按現金卡放款餘額分成三種銀行 事 件 (a)放款餘額高於 300 億元 (b)放款餘額介於 300 億至 100 億元 (c)放款餘額低於 100 億元
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) -0.88% -1.44 -1 0.51 0.03% 0.07 -1.5 0.51 1.79% 2.48** 5*** 2.08*** (2) -4.95% -3.11** -2 3.96*** -2.17% -3.46** -2.5 1.08 -2.72% -3.97*** -7*** 1.96** (3) 1.45% 0.66 0 2.85** -0.13% -0.65 0.5 0.05 -0.41% -1.10 -1 0.56 (4) 4.39% 2.06** 1 2.71** 4.58% 1.12 1.5 3.71*** 1.97% 3.77*** 7*** 1.14 (5) -1.72% -2.21** -1 0.58 -2.90% -1.99* -1.5 3.53*** -2.34% -4.32*** -5*** 1.27 (6) -3.50% -3.07** -2 2.53** -2.04% -1.48 -0.5 1.75 -1.25% -3.03*** -6*** 0.73 (7) 1.94% 0.82 0 1.46 0.33% 0.38 0.5 0.52 -0.30% -0.37 -3 1.91** (8) 1.43% 1.20 1 1.06 0.38% 0.43 0.5 0.39 0.72% 1.42 2 0.77 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著。
t 值及 m 值分別為 Student's t 與 Signed Rank 的檢定統計量。
管
理與系
表 6 考慮產業因素以後，個別事件發生對樣本金融機構之衝擊
Panel A 分類方法(1)：四種金融機構類型 事
件
(a)金控 (b)銀行 (c)證券 (d)保險
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) 2.07% 2.38** 4* 2.88*** 0.07% 0.17 -1 0.37 -0.06% -0.08 -0.5 1.15 0.11% 0.23 0.5 0.32 (2) -3.15% -3.29*** -5** 3.05*** -2.79% -6.38*** -7*** 0.74 -0.38% -0.76 -1.5 0.51 -1.19% -4.21*** -3.5** 0.28 (3) -0.89% -2.13* -1 0.76 0.69% 1.16 0 0.99 -0.06% -0.13 -1.5 0.63 0.35% 1.01 1.5 0.13 (4) 2.00% 3.26*** 5** 1.4 3.92% 2.53** 5** 3.16*** -0.88% -1.81* -2.5 0.78 4.19% 4.59*** 3.5** 1.78* (5) -1.80% -2.81** -3 1.4 -2.81% -4.59*** -5** 1.62* -0.39% -0.68 0.5 0.71 -0.79% -0.82 -0.5 0.81 (6) -2.09% -4.35*** -6*** 1.02 -1.47% -2.23** -3 1.13 -1.01% -2.22* -3.5* 0.47 -1.23% -2.24* -1.5 0.51 (7) -1.07% -1.61 -3 1.37 1.57% 1.57 1 1.73** 0.56% 0.49 0.5 2.34*** 2.61% 1.95* 1.5 2.68*** (8) 0.89% 1.84* 2 0.66 0.71% 1.14 2 0.78 1.00% 1.52 2.5 0.92 -0.20% -0.27 0.5 0.87 Panel B 分類方法(2)：按信用卡發卡量分成三種銀行 事 件 (a)發卡量高於 100 萬張 (b)發卡量介於 100 萬至 50 萬張 (c)發卡量低於 50 萬張
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) 0.86% 0.63 -0.5 4.06*** 0.98% 1.43 1.5 0.5 1.27% 1.92* 1.5 0.85 (2) -3.97% -3.11** -3.5** 3.86*** -2.04% -2.04* -2.5 1.65 -2.73% -5.49*** -5.5*** 0.85 (3) 0.10% 0.11 -0.5 1.24 -0.80% -0.91 -0.5 1.2 0.21% 0.61 0.5 0.24 (4) 1.78% 3.02** 3.5** 0.93 2.80% 2.16* 3.5** 1.09 3.64% 1.91* 2.5 3.37*** (5) -3.30% -4.54*** -3.5** 1.93** -1.14% -1.45 -1.5 1.25 -2.39% -3.14** -2.5 1.47 (6) -2.10% -2.97** -3.5** 1.25 -1.74% -3.77*** -2.5 0.69 -1.44% -1.73 -2.5 1.36 (7) -0.39% -0.68 -1.5 0.6 1.37% 0.65 -0.5 3.61*** -0.23% -0.28 -0.5 0.88 (8) 1.48% 2.37** 3.5** 0.64 -0.23% -0.41 -1.5 0.33 0.81% 1.1 1.5 0.74 Panel C 分類方法(3)：按現金卡放款餘額分成三種銀行 事 件 (a)放款餘額高於 300 億元 (b)放款餘額介於 300 億至 100 億元 (c)放款餘額低於 100 億元
CAR t 值 m 值 F 值 CAR t 值 m 值 F 值 CAR t 值 m 值 F 值
(1) -0.87% -1.39 -1 0.52 0.03% 0.06 -1.5 0.5 1.77% 2.44** 5** 2.11*** (2) -4.96% -3.11* -2 4.05*** -2.15% -3.38** -2.5* 1.09 -2.75% -4.01*** -7*** 1.96** (3) 1.47% 0.67 0 2.8** -0.15% -0.7 0.5 0.06 -0.41% -1.11 -1 0.57 (4) 4.40% 2.06 1 2.7** 4.56% 1.12 1.5 3.72*** 1.95% 3.74*** 7*** 1.14 (5) -1.71% -2.18 -1 0.59 -2.93% -1.99 -1.5 3.58*** -2.36% -4.3*** -5** 1.28 (6) -3.48% -3.02* -2 2.55** -2.05% -1.49 -0.5 1.77 -1.26% -3.06*** -6*** 0.73 (7) 1.93% 0.81 0 1.5 0.32% 0.37 0.5 0.54 -0.32% -0.4 -3 1.93** (8) 1.47% 1.21 1 1.13 0.32% 0.36 0.5 0.38 0.73% 1.46 2 0.75 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著。
t 值及 m 值分別為 Student's t 與 Signed Rank 的檢定統計量。
「消費金 融債務 的協商機 制」對 金融機構 股價表 現之衝擊 387
4.5 所有債務協商事件的發生，導致不同類別金融機構出現迥異的競爭態勢
假說3 從消費金融案件的所有債務協商事件，觀察其是否導致不同類別的金融機構出現迥 異的競爭態勢，其虛無假說為：:
,
,
(
)
1 1 0m
n
m
n
H
K k nk K k mk
。 本文根據三種分類方法的10 個群組，整理出 5 種有意義的配對，逐一進行虛無假設的 F 檢 定，其餘配對 (例如：證券與信用卡發卡量的配對) 業務經營與管理上，不具實質的意義，故不 作討論。 (1) 配對 A：假設金控公司與銀行承受相同的競爭衝擊 (2) 配對 B：假設金控公司與保險公司承受相同的競爭衝擊 (3) 配對 C：假設信用卡發卡量高者與低者承受相同的競爭衝擊 (4) 配對 D：假設現金卡放款餘額高者與低者承受相同的競爭衝擊 (5) 配對 E：假設信用卡發卡量高者與現金卡放款餘額高者承受相同的競爭衝擊 實證結果如表7 所示，在五種不同的配對之下，不同類別的金融機構確實受到顯著差異的 競爭衝擊，再次證明本研究的分類標準是合理的。在業務性質的分類方式下 (配對 A 和 B)，金 控公司受到的衝擊程度最大 (詳見表 5)，且顯著異於銀行和保險公司；信用卡發卡量最高和最 低者 (配對 C)、現金卡放款餘額最高和最低者 (配對 D) 受到的衝擊程度，也有相當顯著的差 異；另外，信用卡發卡量最高者及現金卡放款餘額最高者 (配對 E)，則受到不同的衝擊，顯示 金融機構著重在信用卡業務或現金卡業務的程度不同時，面對消費金融案件發生「債務協商機 制」的實施，受到的衝擊程度呈現顯著不同。 表 7 不同配對類型的金融機構面對債務協商機制的實施，股價表現衝擊程度之檢定 配對類型 自由度 F 值 P 值 拒絕Ho A：金控－銀行 28 1.6140 0.0261 ** B：金控－保險 21 2.0777 0.0034 *** C：現金卡高－低 22 1.5926 0.0438 ** D：信用卡高－低 20 1.9638 0.0077 *** E：信用卡高－現金卡高 10 2.1741 0.0181 ** 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著5. 債務協商機制衝擊金融機構股價表現的決定因子
如前所述，投資人對消費金融案件的債務協商事件，會透過股價反映金融機構的績效表現， 但不同性質的金融機構其反映並不相同。為釐清金融機構為何對於部分事件出現不同的反應， 以及到底是何種因素或經營特性引導投資人呈現負面觀感？本研究乃爰用信用卡發卡量及現金 卡放款餘額的分組標準，首先探討造成信用卡發卡量和現金卡放款餘額呈現差異的決定因子。 其後，則進一步探討這些影響因子如何搭配經營特性而衝擊金融機構的經營績效。5.1 信用卡發卡量及現金卡放款餘額的決定因子
回顧過去文獻，Kang and Ma (2007) 從總體環境的變化，描述各國的金融機構歷經亞洲金融 風暴以後，逐漸緊縮企業放款，並積極轉向個人借款為主的消費金融業務，使得金融風暴後的 十年，個人信用卡的發卡量突破新高。信用卡市場越來越白熱化的競爭，以及信用卡業務涵蓋 眾多固定的沉沒成本，促使發卡銀行為追求發卡量的規模經濟，不斷地降低評等標準來延攬客 戶，導致金融機構漸次出現鉅大的呆卡與呆帳。Brito and Hartley (1995) 則利用經濟的效用觀點 出發，推導一實證模型，解釋信用卡利率高於一般放款利率，但消費者卻仍欣然接受的原因為， 信用卡產品不只提供放款服務，同時也提供了流動性的功能。消費者願意支付一些費用來取代 原本因為使用現金所出現的持有成本。實證也發現，越早進入這個市場的金融機構，能越早篩 選出為銀行創造利潤的客戶，並賺取可觀的收入。信用卡扮演的流動性功能，還說明進入市場 開辦業務的時機相當重要。再者，信用卡與現金卡文獻提及二者有替代的謬誤，因為轉換商品 對發卡銀行而言是需要額外負擔成本的，早期開辦循環信用業務的銀行其客戶的轉貸成本通常 高於其他客戶，為精準衡量發卡量對經營績效的衝擊，本研究乃以承作信用卡及現金卡的授信 餘額，推估之市場占有率當作消費金融業務集中性風險 (concentration risk) 的衡量指標，並以「現 金卡進入市場的時間」反映轉貸成本與替代風險。同時，根據Cornett and Musumeci (1999) 將信 用卡暴險程度有關的指標納入實證模型當中；也就是使用「分行數」及員工的「平均薪資」描 述業務拓展能力；利用「循環利息成長率」及「使用額度成長率」反映信用卡的業務風險；將 「損失準備的提存金額」與「實際打消呆帳的金額」詮釋信用風險的計提及發生是否在可控制 的範圍。茲列示可能造成信用卡發卡量差異的變數及其定義如下： (1) 分行數：該金融機構的分行家數。 (2) 平均薪資：該金融機構所屬員工每人的平均薪資。 (3) 循環利息的成長率：該金融機構過去三個月循環利息的平均成長率。 (4) 使用額度的成長率：該金融機構過去三個月持卡人使用額度的平均成長率。 (5) 損失準備的提存金額：該金融機構過去三個月累積提存的損失準備。 (6) 打消呆帳的金額：該金融機構過去三個月累積打消的呆帳金額。(7) 信用卡餘額之市占率：該金融機構信用卡授信餘額占所有金融機構總和的比例。 (8) 現金卡餘額之市占率：該金融機構現金卡授信餘額占所有金融機構總和的比例。 (9) 開辦現金卡業務進入消費金融市場的時間：以報紙等公開訊息，發布現金卡業務正式上市 日期，至債務協商事件發生的時間長度。 (10) 各變數間的交乘項19。 考量信用卡的發卡量和現金卡的信用放款餘額屬於連續變數，基於篩選出關鍵性的因素， 本研究乃利用逐步迴歸加以分析，並以前述的發卡量及放款餘額當作實證模型的因變數，試圖 找出決定銀行信用卡發卡量及現金卡放款餘額的因素，並將逐步迴歸估計的最適模型設定與結 果詳細列示於表8。表 8 的 Panel A 旨在描述信用卡發卡量的決定因素，實證發現分行家數、員 工的平均薪資、過去三個月循環利息的平均成長率、信用卡餘額的市占率、現金卡餘額的市占 率即為關鍵的影響因素。而在變數的單獨與交互作用方面，循環利息的平均成長率與員工的平 均薪資對於發卡量有顯著的負向影響，意指循環利息的成長率及員工的平均薪資個別提高1%與 1 元時，導致信用卡的發卡量分別下降-91.12 張及-0.06 張，惟當循環利息調高(即成長率擴大) 時，銀行搭配頒布獎勵制度來提高員工的薪資，則能促使發卡數量隨之增加 (迴歸係數為 0.067)。再者，「使用額度的成長率」與「信用卡餘額之市占率」的相乘項呈現顯著的負向，以 及雙卡餘額市占率的相乘項呈現顯著正值，則意味雙卡的業務規模均大的金融業者，其濫發信 用卡的可能性愈高，這可由這段期間萬泰、中信金、台新金出現鉅額的呆帳損失獲得證實。惟 若銀行只集中在信用卡業務的擴大，其將愈不致於濫發信用卡，並以鎖住使用額度高的持卡戶 作為其行銷定位。至於這樣的經營風格是否提高銀行的利息收益，或反而導致呆帳損失的提高， 則為另一亟待關注的課題。 表8 的 Panel B 旨在探討現金卡信用放款承作餘額的決定因素，由於現金卡餘額的市占率是 藉由現金卡放款餘額推導而得，為避免不必要的重複解釋與干擾，Panel B 的迴歸方程式乃先排 除此項變數。實證結果發現，損失準備提存金額較多的銀行，或每季打消呆帳金額較多的銀行， 基於降低信用風險，其現金卡餘額將顯著地降低；另外，進入現金卡市場的時間愈長，此類銀 行的經營風格愈加穩健，現金卡授信的承作餘額將愈低。在變數的交互作用方面，發現進入發 卡市場的時間愈長，每季又打消呆帳金額較多的銀行，愈可能成為現金卡放款餘額高的銀行。
5.2 累積異常報酬的決定因子
在累積異常報酬決定因子的選取上，主要使用樣本銀行事件發生前的財務報表資料，但這 些財務報表的資料頻率多半為按季發布或提供。考量此種資料的時間特性，本研究遂將表 1 的19 由於上述變數除了單獨影響發卡量和放款餘額外，也會交互地影響，所以本研究納入變數的交乘項於實 證模型中，以反映此特性的影響程度。
表 8 影響信用卡發卡量及現金卡信用放款承作餘額的決定因子 變數 參數值 標準差 Wald 值 P 值 顯著性 Panel A：信用卡發卡量的決定因素 截距 144.1 63.2533 5.1917 0.0227 *** 分行數(家) -0.2188 0.0990 4.8877 0.0270 *** 員工平均薪資(元) -0.0606 0.0274 4.8978 0.0269 *** 循環利息的成長率 (%) -91.12 43.0475 4.4814 0.0343 *** 使用額度的成長率 (%) 23.58 20.88 1.2757 0.2587 信用卡餘額之市占率 (%) -2,354.0 1,025.9 5.2645 0.0218 *** 現金卡餘額之市占率(%) -286.5 129.8 4.8723 0.0273 *** 員工平均薪資×循環利息的成長率 0.0670 0.0322 4.3333 0.0374 *** 使用額度的成長率×信用卡餘額之市占率 -1,839.6 905.0 4.1323 0.0421 *** 信用卡餘額之市占率× 現金卡餘額之市占率 9,580.3 5,090.9 3.5414 0.0599 *** Panel B：現金卡信用放款承作餘額的決定因素 截距 8.2909 2.2715 13.3225 0.0003 *** 損失準備之提存金額 (千元) - 0.0000 0.0000 8.2537 0.0041 *** 打消呆帳金額 (千元) - 0.0000 0.0000 6.6206 0.0101 *** 現金卡進入市場時間 (天數) - 0.0083 0.0028 8.4817 0.0036 *** 現金卡進入市場時間× 打消呆帳金額 0.0000 0.0000 5.5746 0.0182 *** 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著 八個事件日，依照財務報表更新的頻率，重新衡量該金融機構 (群) 之 CAR 值，計算方法與公 式整理如表9 所示。 同時，本研究將解釋變數的時間長度 (time horizon) 轉換為逐季衡量或以各季末的資料作 驗證。又因為變數資料同時具有時間序列及橫斷面的性質，屬於 panel data 的型態，因此採用 pooled OLS 及固定效果 (fixed effect) 兩種模型，更嚴謹地找出經營績效或累積異常報酬的決定 因子，實證結果詳如表10 所示。值得一提的是，本研究除了納入信用卡發卡量及現金卡放款餘 額的相關影響因素外，也考慮了發卡量及放款餘額，均將此二連續性變數的衡量尺度改為順序 尺度而以高中低分為三類，並建立二個虛擬變數反映其業務規模的差異，且以業務規模中等者 當作基準 (benchmark)。茲列示詳細的變數定義如下： (1) 信用卡發卡量低之虛擬變數：屬於低發卡量之金融機構，此變數值為 1，其餘金融機構之變 數值為0。 (2) 信用卡發卡量高之虛擬變數：屬於高發卡量族群之金融機構，此變數值為 1，其餘金融機構 之變數值為0。
表 9 CAR 之計算方式 事件日 資料日 CAR 衡量之方式 1 94/11/8 94-4Q 第 i 家金融機構之 CAR 是由前面三個事件之 CAR 加總而得， 稱為CARj。 該類別金融機構之 CAR，是以隸屬於此類別之個別金融機構之 市值當作權重 (value-weighted)20 加權計算，然後再以三個事件 加總求得該,類別金融機構之 CAR。 2 94/12/8 94-4Q 3 94/12/19 94-4Q 4 95/1/10 95-1Q 第 j 家金融機構之 CAR 是由第 4 至第 6，三個事件之 CAR 加總， 簡稱為CARj。 該類別金融機構之 CAR，是以以隸屬於此類別之個別金融機構 之市值當作權重(value-weighted) 加權計算，並進一步以三個事 件加總求得該類別金融機構之CAR。 5 95/3/7 95-1Q 6 95/3/10 95-1Q 7 95/5/12 95-2Q 不必處理 8 95/12/16 95-4Q 不必處理 (3) 現金卡發卡餘額低之虛擬變數：屬於低現金卡授信餘額之金融機構，此變數值為 1，其餘金 融機構之變數值為0。 (4) 現金卡發卡餘額高之虛擬變數：屬於高現金卡授信餘額餘額之金融機構，此變數值為 1，其 餘金融機構之變數值為0。 表10 的模型 1 主要納入與雙卡發卡量相關的變數，發現「現金卡餘額之市占率」在 5%的 顯著水準下呈現顯著的負值，顯示銀行於現金卡放款資產上承作過多比重，對其經營績效的衝 擊越大，所以估算的累積異常報酬即越低；亦即當銀行承作越多現金卡放款時，其必衍生越高 的信用風險，因而越容易在債務協商事件中有負的累積異常報酬。實證結果還發現，「員工平均 薪資」和「員工平均薪資×循環利息成長率」這兩個變數分別具有顯著的正向與負向關係；充分 反映給予發卡銀行員工越高薪資，能帶來績效表現正面的助益。惟當金融機構愈積極地獎勵員 工，且給予持卡人預借現金或信用放款的服務，則當此信用貸款又被賦予較高的循環利息時， 將使銀行產生驚人的呆帳與逾放比率，衝擊經營績效的表現，所以越容易在債務協商事件中有 負的累積異常報酬。 表10 的模型 2 主要納入與現金卡放款餘額相關的變數，實證發現「打消呆帳」傳遞給市場 投資人負面的消息，所以在1%顯著水準下之係數值呈現負向；打消呆帳不僅減低放款餘額，也 考驗銀行是否繼續維持原來的放款規模。銀行打消愈多呆帳，基於信用風險與資本適足率考量， 愈可能緊縮授信政策，影響其後的放款餘額隨之減少；投資人則視打消呆帳的多寡，判斷銀行 在這些事件可能受到的衝擊，並利用累積異常報酬的降低加以反應。另外，將現金卡發卡餘額
20 Roll (1981) 認為，應以市價加權指數衡量比較理想,因為其較能反映預期市場的績效表現。
表 10 累積異常報酬 (CAR) 的決定因子 模型1 模型2 模型3 Pooled OLS Fixed effect Pooled OLS Fixed effect Pooled OLS Fixed effect 截距 1.983 1.687 2.935* 2.666 4.681 3.951 (0.76) (0.65) (1.71) (1.34) (1.66) (1.46) 分行數 0.017 0.011 0.016 0.009 (1.41) (1.11) (1.35) (0.89) 員工平均薪資 2.732 3.180** 3.200* 3.709** (1.44) (2.04) (1.69) (2.34) 循環利息的成長率 0.448 0.684 0.726 1.015 (0.17) (0.32) (0.28) (0.46) 使用額度的成長率 2.904 4.065 0.943 2.371 (0.93) (1.60) (0.30) (0.90) 信用卡餘額之市占率 -67.646 -70.178 -69.715 -75.191 (-1.25) (-1.61) (-1.19) (-1.55) 現金卡餘額之市占率 -39.655** -39.81*** -28.352 -30.804** (-2.35) (-2.91) (-1.64) (-2.17) 員工平均薪資× 循環利息的成長率 -4.597* -4.690**(-1.73) (-2.16) -5.329** -5.465** (-2.01) (-2.48) 使用額度的成長率× 信用卡餘額之市占率 -96.716 -114.620 (-1.00) (-1.44) -121.737 -136.980 (-1.27) (-1.71) 信用卡餘額之市占率× 現金卡餘額之市占率 -558.269 -632.170 (-1.03) (-1.43) -154.512 -363.640 (-0.22) (-0.62) 損失準備之提存金額 -0.147 -0.140 -0.733 -0.590 (-0.21) (-0.23) (-1.02) (-0.98) 打消呆帳金額 -3.343*** -2.897*** -2.335** -1.424 (-3.99) (-4.00) (-2.07) (-1.50) 現金卡進入市場之時間 -0.003 -0.002* -0.003 -0.003* (-1.48) (-1.69) (-1.61) (-1.80) 現金卡進入市場之時間× 打消呆帳金額 (2.12) 0.169** 0.136*(1.97) (2.22) 0.184 0.122* (1.76) 信用卡發卡量低 2.576 3.025* 0.046 -0.064 2.560 3.188** (1.37) (1.97) (0.04) (-0.06) (1.36) (2.04) 信用卡發卡量高 0.825 1.058 0.090 0.087 0.322 0.526 (0.55) (0.87) (0.08) (0.09) (0.21) (0.42) 現金卡放款餘額低 8.249*** 8.503*** 1.738 1.809 6.617** 7.435*** (2.70) (3.43) (1.01) (1.24) (2.06) (2.80) 現金卡放款餘額高 -3.574** -3.553*** -2.758* -2.508* -5.597*** -5.140*** (-2.27) (-2.78) (-1.83) (-1.95) (-3.16) (-3.52) 註： ***、**及*分別表示在 99%、95%及 90%的信賴區間下顯著
相對於中等的高低等級當作虛擬變數置於實證模型時，分別呈現顯著的正負向反映，這項實證 結果與財務意涵顯然均和前一單元的推論相似，但利用信用卡發卡量區分高低水準或規模的二 個虛擬變數，則不顯著，這表示現金卡放款餘額的多寡，比起只反映發卡量的信用卡對累積異 常報酬的影響更明顯。在表10 的模型 3 中，本研究同時納入信用卡發卡量，和現金卡衍生之放 款餘額兩類影響因素當作解釋變數，實證結果顯示與模型1 及模型 2 的結果相當一致。
另外，本研究發現Pooled OLS 與 Fixed effect 的結論相當一致，顯示實證結果並沒有受到 變異數非齊一性問題很明顯的影響。總結來說，本研究發現信用卡餘額之市占率越高、打消呆 帳越多、提存損失準備越低金額、分行數越少與使用額度的成長率越高同時信用卡餘額之市占 率也較高的銀行，在此債務協商的事件中面臨顯著負向的累積異常報酬，顯示這些類型的銀行 在此事件發生期間的暴險程度是較大的。
