歐元匯率與歐元區主要國家股市動態相關之研究
60
0
0
全文
(2) 致謝 在這炎熱的夏季畢業潮中，很開心能夠順利完成我的論文。我認為我很幸運， 因為有我的家人這麼支持我。在此我要感謝我的指導教授 翁銘章博士，選擇就 讀碩士算是我這一生中完全照著自己想法的一個決定，雖然過程中不是那麼地順 利，也曾經找不到方向，感謝老師在這時候給的鼓勵，讓我能度過黑暗時期。也 很感謝系上柯秀欣老師，老師總是能在關鍵的時刻從旁提點。口試時，也很感謝 口試委員李慶男教授，李教授給了很多寶貴建議讓本論文更加完整。還要謝謝李 彥儒學長在我寫論文的期間在於研究上的一些建議，讓我能順利完成。 因為不是本科系畢業，研究所兩年間，在於課業上常常會有問題。很高興遇 到一群好同學，育維、佳志、文宏的運動和玩樂，嘉玲、俊儫的一起修課和對我 課業上的幫助，詩雅、歆雅的聊天談心，文婷的開朗笑聲，沒有你們我這研究所 兩年可能就會很難熬。還有學弟聖原、傳升、廷澔、中聖，學妹詩婷、君婷、慈 穗，你們的加入讓研究室增添歡樂。 最後我真心謝謝我的父母，也許在家中我不是一個很孝順的兒子，但是你們 總是無怨無悔地為我付出，讓我無憂無慮的念完研究所，在此僅以本論文獻給我 的父母白森霖先生和吳玉涵女士。 白濬豪 謹誌於 國立高雄大學應用經濟學系碩士班 中華民國一百年七月二日.
(3) 歐元匯率與歐元區主要國家股市動態相關之研究 指導教授：翁銘章 博士 國立高雄大學應用經濟學系 學生：白濬豪 國立高雄大學應用經濟學系碩士班. 摘要 過去許多文獻研究中，有一群研究的方向是針對各國股市之間探討連動相關 性的研究，探討國際股市間是否存在某種相關性。另一群則是在股市與匯市之間 探討其 中連動 的相 關 性。本 研究藉由雙變量的動態條件相關係數(dynamic conditional correlation model-EGARCH, DCC-EGARCH)模型來探討股匯市的相 關性，並檢定外界對金融市場的衝擊是否造成相關性發生結構性轉變。 在本研究中，我們選用了歐元區的荷蘭、希臘、奧地利、義大利、比利時、 法國、德國以西班牙等八國的資料，探討從 1993 年到 2011 年間，各國股匯市的 相關性，以及經歷 1999 年歐元成立、2008 年金融海嘯、還有近期的歐洲主權債 務危機後，他們的相關性是否發生結構改變。其中奧地利股匯市相關性較不顯著， 荷蘭、義大利、法國三國相關性為正，其他各國股匯市相關性皆為負值。 研究也發現，歐元的成立，對於股匯市相關性沒有造成顯著改變，但是 2008 年的金融海嘯對於股匯市的衝擊較為顯著，近期的歐洲主權債務危機則是延續了 金融海嘯的影響。. 關鍵字：EGARCH 模型、動態條件相關係數、結構性轉變.
(4) A Study on the Dynamic Correlation between Euro and Major Stock Indices in Euro Area Advisor: Dr. Ming-Jang Weng Department of Applied Economics National University of Kaohsiung Student: Chun-Hao Pai Department of Applied Economics National University of Kaohsiung. ABSTRACT Academic literatures examining comovements of international financial markets can be categorized into two main streams, one focuses only on the joint movement of equity markets inter-nationally, the other analyzes the correlation between foreign exchange and equity markets intra-nationally. Our study utilizes the bivariate dynamic conditional correlation-EGARCH model to explore the correlation dynamics of equity and currency markets for some Euro zone countries intra-nationally, then tests if there exists a structural change on the correlation dynamics for each nation over the sample period. In this study, we choose the data of Netherlands, Austria, Belgium, France, Germany, Greece, Italy, Netherlands, and Spain from 1993 to 2011 due to data collection availability. Empirical results indicated that the establishment of the euro may not cause significant structural changes in the correlation between Euro rates and stock indices for the sampling countries, however most Euro nations exhibit significant structural changes in the correlation of equity and currency markets within the period of the financial tsunami originated from the US in 2007-2008.. Keywords: EGARCH, Dynamic conditional correlation, structural change.
(5) 目次 表次.............................................................................................................................III 圖次.............................................................................................................................. V 第一章 緒論.................................................................................................................1 1.1 研究動機........................................................................................................1 1.2 研究目的........................................................................................................2 1.3 研究貢獻........................................................................................................3 1.4 研究架構........................................................................................................3 第二章 文獻回顧.........................................................................................................4 第三章 研究方法.........................................................................................................7 3.1 單根檢定 ( Unit root test ) ............................................................................7 3.1.1 Augmented Dickey-Fuller 單根檢定 (ADF unit root test ) .......................8 3.1.2 Phillips-Perron 單根檢定 (PP unit root test) .............................................9 3.2 結構性轉變檢定..........................................................................................10 3.3 動態條件相關係數 EGARCH 模型 (dynamic conditional correlation -EGARCH model) ...................................................................................................... 11 第四章 實證分析結果...............................................................................................13 4.1 資料描述......................................................................................................13 4.2 單根檢定結果..............................................................................................21 4.3 動態條件相關係數與非條件固定相關係數之比較..................................30 4.3.1 荷蘭股匯市相關係數比較.......................................................................30 4.3.2 希臘股匯市相關係數比較.......................................................................30. I.
(6) 4.3.3 奧地利股匯市相關係數比較...................................................................30 4.3.4 義大利股匯市相關係數比較...................................................................31 4.3.5 比利時股匯市相關係數比較...................................................................31 4.3.6 法國股匯市相關係數比較.......................................................................31 4.3.7 德國股匯市相關係數比較.......................................................................31 4.3.8 西班牙股匯市相關係數比較...................................................................32 4.4 動態條件相關係數之移動式 Chow 檢定結果 ..........................................38 4.4.1 荷蘭結構性轉變檢定結果........................................................................38 4.4.2 希臘結構性轉變檢定結果........................................................................38 4.4.3 奧地利結構性轉變檢定結果...................................................................38 4.4.4 義大利結構性轉變檢定結果...................................................................38 4.4.5 比利時結構性轉變檢定結果...................................................................39 4.4.6 法國結構性轉變檢定結果.......................................................................39 4.4.7 德國結構性轉變檢定結果.......................................................................39 4.4.8 西班牙結構性轉變檢定結果...................................................................39 第五章 結論...............................................................................................................44 5.1 研究結論......................................................................................................44 5.2 研究限制和未來研究建議..........................................................................45 參考文獻.....................................................................................................................46. II.
(7) 表次 表 4-1：敘述性統計 ..................................................................................................17 表 4-2：荷蘭股市匯市報酬率之 ADF 單根檢定結果 ...........................................25 表 4-3：希臘股市匯市報酬率之 ADF 單根檢定結果 ...........................................25 表 4-4：奧地利股市匯市報酬率之 ADF 單根檢定結果 .......................................26 表 4-5：義大利股市匯市報酬率之 ADF 單根檢定結果 .......................................26 表 4-6：比利時股市匯市報酬率之 ADF 單根檢定結果 .......................................27 表 4-7：法國股市匯市報酬率之 ADF 單根檢定結果 ...........................................27 表 4-8：德國股市匯市報酬率之 ADF 單根檢定結果 ...........................................28 表 4-9：西班牙股市匯市報酬率之 ADF 單根檢定結果 .......................................28 表 4-10：荷蘭股市匯市報酬率之 PP 單根檢定結果 .............................................29 表 4-11：希臘股市匯市報酬率之 PP 單根檢定結果 .............................................29 表 4-12：奧地利股市匯市報酬率之 PP 單根檢定結果 .........................................30 表 4-13：義大利股市匯市報酬率之 PP 單根檢定結果 .........................................30 表 4-14：比利時股市匯市報酬率之 PP 單根檢定結果 .........................................31 表 4-15：法國股市匯市報酬率之 PP 單根檢定結果 .............................................31 表 4-16：德國股市匯市報酬率之 PP 單根檢定結果 .............................................32 表 4-17：西班牙股市匯市報酬率之 PP 單根檢定結果 .........................................32 表 4-18：荷蘭股匯市之相關係數 ............................................................................36 表 4-19：希臘股匯市之相關係數 ............................................................................36 表 4-20：奧地利股匯市之相關係數 ........................................................................37 表 4-21：義大利股匯市之相關係數 ........................................................................37 III.
(8) 表 4-22：比利時股匯市之相關係數 ........................................................................38 表 4-23：法國股匯市之相關係數 ............................................................................38 表 4-24：德國股匯市之相關係數 ............................................................................39 表 4-25：西班牙股匯市之相關係數 ........................................................................39 表 4-26：各國股匯市之相關係數比較 ....................................................................40 表 4-27：荷蘭股匯市動態相關係數移動式 Chow 檢定 .........................................43 表 4-28：希臘股匯市動態相關係數移動式 Chow 檢定 .........................................43 表 4-29：奧地利股匯市動態相關係數移動式 Chow 檢定 .....................................44 表 4-30：義大利股匯市動態相關係數移動式 Chow 檢定 .....................................44 表 4-31：比利時股匯市動態相關係數移動式 Chow 檢定 .....................................45 表 4-32：法國股匯市動態相關係數移動式 Chow 檢定 .........................................45 表 4-33：德國股匯市動態相關係數移動式 Chow 檢定 .........................................46 表 4-34：西班牙股匯市動態相關係數移動式 Chow 檢定 .....................................46. IV.
(9) 圖次 圖 4-1：荷蘭股價指數 ..............................................................................................18 圖 4-2：希臘股價指數 ..............................................................................................18 圖 4-3：奧地利股價指數 ..........................................................................................18 圖 4-4：義大利股價指數 ..........................................................................................19 圖 4-5：比利時股價指數 ..........................................................................................19 圖 4-6：法國股價指數 ..............................................................................................19 圖 4-7：德國股價指數 ..............................................................................................20 圖 4-8：西班牙股價指數 ..........................................................................................20 圖 4-9：歐元/美元 匯率 ...........................................................................................20 圖 4-10：荷蘭股市週報酬率 ....................................................................................21 圖 4-11：希臘股市週報酬率 ....................................................................................21 圖 4-12：奧地利股市週報酬率 ................................................................................21 圖 4-13：義大利股市週報酬率 ................................................................................22 圖 4-14：比利時股市週報酬率 ................................................................................22 圖 4-15：法國股市週報酬率 ....................................................................................22 圖 4-16：德國股市週報酬率 ....................................................................................23 圖 4-17：西班牙股市週報酬率 ................................................................................23 圖 4-18：歐元/美元 匯率週報酬率 .........................................................................23. V.
(10) 第一章 緒論 1.1 研究動機 過去十幾二十年來，全球的經濟是越來越緊密相關，金融市場也是日漸趨於 全球化的情況。當全球的金融市場連動性提高時，投資人對於投資金融商品面對 全球化的金融市場，如果想要提高自己獲利並降低投資風險，只注意自己國家的 金融市場，顯然是不夠的。另外還需考慮周圍國家或是和自己國家有頻繁貿易往 來國家的經濟活動或金融市場情況。另外匯率高低所帶來的風險也是投資人需要 關切的地方。近幾年金融商品推陳出新的速度是越來越快，投資人對一些低收益 的資產商品興趣相對不大，反而是一些高成長、高報酬的股匯市或金融商品較吸 引這些投資人的眼光。另外許多專家對金融市場的研究，也開始單一國家內的金 融市場、產業市場的關聯性，漸漸變成探討國與國之間金融市場的關聯性。 金融市場之間的相關性，對於研究可以對經濟發展的趨勢做預測，故一直是 經濟學者們所研究的重點議題之一，這類相關的研究也從早期之前研究單一國家 的國內金融市場之相關性，如股票、匯率、債券市場等，漸漸擴展到兩國，甚至 是多國之間的金融市場之相關性。金融全球化的趨勢，比較大的經濟體系，其經 濟活動的外溢效果也越趨明顯，因此金融市場要投資避險，這種大的經濟體的影 響是相當可觀的。例如：美國是為全球最大貿易國，美元又是世界上流通最廣的 貨幣，股市亦是投資人最常關注的指標，美股波動往往造成全球股市波動甚至全 球匯市的變化。因此，歐洲地區在 1999 年成立歐元，想要例用統一的貨幣，帶 給歐洲地區一個嶄新的一面來和美國抗衡。雖然美國的金融市場與其他國家的金 融市場之間的關聯一向是各國經濟學家們研究的重點，也常常用以預測未來經濟 走勢或者預防異常經濟狀況發生。. ~1~.
(11) 2007 年美國發生次級房貸風暴，連帶在 2008 年底發生金融海嘯，這一連串 巨大的連鎖效應，無疑是反映出美國金融市場對世界經濟是有很大的影響力。但 歐元區的成立，有些學者也漸漸注意到，歐洲地區這個經濟體系也是相當可觀的， 歐元的成立衝擊的不只是美國，而是全球的金融市場。尤其是 2009 年年底，希 臘引爆出歐洲主權債務危機，隨後在 2010 年的愛爾蘭和 2011 年的葡萄牙，這些 都被認為主要來自美國次級房貸危機所波及其財政支出。 1.2 研究目的 早期研究金融市場大多是單一個金融市場或是單一國家，當我們想要了解金 融市場不止一個時，不同市場之間的資訊和波動變化，將可能產生外溢效果，這 樣容易影響到其他市場的波動，因此不同金融市場之間的互動，同時都必須要考 慮，這樣才能正確地分析彼此的影響。另一方面，過去研究股匯市報酬大多假設 報 酬 變 異 數 為 固 定 ， 若 報 酬 資 料 具 有 自 我 迴 歸 條 件 異 質 變 異 (Autogressive Conditional Heteroskedasticity ARCH)的效果時，則發生模型假設上的錯誤，這將 會對我們的實證結果有所影響，比如說可信度降低。Nelson(1991)提出 EGARCH 模型(指數一般化自我迴歸異質變異數 Exponential Generalized Autogressive Conditional Heteroskedasticity,EGARCH)，他修正了 Engle(1982)的 ARCH 模型 和 Bollerslew(1986)的 GARCH 模型中誤差項的正負值對於條件變異數的影響，當 我們未預期的正、負向衝擊，對未來資產報酬的波動有不同的影響，並可衡量槓 桿效果，來獲得資產報酬與其未來波動的不對稱關係。本研究採 DCC-EGARCH(Dynamic conditional correlation EGARCH)，修正自 Mun(2005)之 研究架構，原架構是討論國際股市波動與鄰近市場的相關係數受匯率波動影響和 影響程度如何。而本研究主要是探討歐元區國家股市波動是否受美元/歐元匯率. ~2~.
(12) 影響和影響的程度如何。 1.3 研究貢獻 本研究從 Mun(2005)修改之模型，不同是在於我們將匯市報酬加入均數方 程式中，原本的均數方程式是只有股市報酬，我們認為股匯市應該是要放在一起 討論，而不是單獨討論個別市場。為了要探討歐洲主權債務危機對於美元/歐元 匯率以及歐元區主要國家的影響，我們找到歐元區主要國家的股市收盤價(週資 料)，例如：奧地利的 ATX 指數，比利時的 BEL-20 指數，德國的 DAX 指數， 法國的 CAC40 指數，希臘的 ATG 指數，意大利的 MibTel，荷蘭的 AEX 指數， 西班牙的 IBEX 指數，另外還有美元/美元歐率(週資料)。利用這些資料我們想 獲得各國的市場之間報酬的相關性為何。最後檢視其相關性是不是有受到外界衝 擊而發生結構性的轉變。 1.4 研究架構 本研究的主要架構分為五個章節，第一章為緒論，說明本研究之動機、目的 以及研究架構。第二章為文獻回顧，在於說明本研究所參考的文章以及研究的發 展過程。第三章為實證模型的說明，說明本研究所利用的相關理論以及相關的計 量方法。第四章為實證的資料描述和本研究到的實證結果及分析，說明本研究的 結果及對其的內含的經濟意義分析。第五章為結論，總結本研究之發現與未來方 向。. ~3~.
(13) 第二章 文獻回顧 過去對於市場報酬的研究文獻主要可以分成兩個方向，一個方向主要是在研 究全球股市之間的聯合波動的相關性，這些研究發現，全球股市之間的相關性並 不是一直都是固定不變的，而是隨著時間改變的這些相關性也是會改變的，而且 發現這些相關性性長期有向上增加的趨勢。從 Taylor and Tonks (1989), Campbell and Hamao (1992) and Eun and Shim (1989)這三篇文章中提出了，隨然全球各國間 的股市相關性提高了，但是報酬卻是下降的。Roll (1989)的文章也說明了，在 1980 年代，各國的股市連動報酬相關性是較 1970 年代提高，但是提高的幅度不 大。Longin and Solnik (1995)在研究中指出市場間相關性是不穩定的相關性，隨 著時間改變，可以利用改變條件變異數來解釋全球股市的漲跌。另外 Bekaret and Harrey (1995)討論到，全球股市之間的相關性在短期內是可以改變，在一些興新 國家的股市之間，存在較低的相關性，而且這些相關性可能會在短時間內就消失 不見 Ramchand and Susmel (1998) 提出雙變數 SWARCH 模型將條件變異模型 化得到隨著狀態變化的共變異數與相關係數，以檢定相關係數在不同變異數區間 的差異，他們發現當美國股票市場在高變異數狀態時，美國與其他國家的股票市 場的相關係數明顯高於在低變異數狀態的相關係數。另外 Forbes and Rigobon (1998)提出「蔓延效果(contagion)」定義為：國家受到一個衝擊後，跨市場聯動 關係的顯著增加。Forbes and Rigobon (2002) 他們指出以往市場的相關係數的研 究偏重於個別市場波動條件，並在修正這些條件偏誤後 (遺漏變數 Omitted variables)、內生性 (endogeneity)，就發現在 1987 年美國股市崩盤、1994 年墨 西哥危機、1997 年亞洲金融風暴就沒有再發現蔓延效果了。Berben and Jansen (2005)發現到德國、英國和美國股市之間的相關性已增加一倍，但是和日本的相. ~4~.
(14) 關性是保持不變。但是他們主要是單純從股票市場的上漲或下跌來看待其相關性。 還是有滿多的文獻是主張，各國股市間的相關性是會隨著時間的遞延改變其相關 性的。 而另一方向則是在探討一國匯市與股市之間的相關性。有一些文獻提到了， 一些以美元計價的股市其波動是受到美元的國際匯率影響。(Roll, 1992; Ferson and Harvey, 1993; Dumas and Solnik, 1995; Chow et al., 1997; Choi et al., 1998; De Santis and Gerard, 1998; Doukas et al., 1999; and Patro et al., 2002)。而在 Ma and Kao(1990)文章中，作者利用兩階段迴歸分析，探討相對股價指數與美元匯率之 間的互動關係，樣本範圍為 1973 年 1 月至 1983 年 12 月，挑選德國、義大利、 日本、法國、加拿大、英國等國之月資料與美元匯率作實證分析。作者發現匯率 波動與匯率水準，前者和股價呈顯著負相關，後者和股價呈顯著正相關，且匯率 與相對股價的關係是會改變的。Bartov et al. (1996) 針對美國的跨國公司股價和 美元匯率之間做研究，發現其相關性是正向的。Karolyi and Stulz (1996)也發現 美元/日圓的匯率波動是會顯著衝擊美國與日本股市之間的相關性。Bodart and Reding (1999)觀察德國馬克的匯率波動對德國股市和歐洲其他國家股市相關性 是否有影響。作者主要挑選了德國、法國、比利時、義大利、英國及瑞典。結果 他們發現，沒有明顯的證據證明德國馬克的匯率波動與德國股市波動有連動關係， 其他國家在德國馬克匯率波動時股市報酬波動也不存在連動現象。他們還發現當 德國馬克匯率波動較劇烈時會降低德國股市與其他國家股市的相關性。 Kanas(2000)研究利用雙變數的 EGARCH 來探討工業化國家在 1987 年美國股市 崩盤前後匯率波動對於股市報酬的影響，主要國家有美國、英國、日本、德國、 法國及加拿大。研究發現德國之外，其他各國在股價報酬對匯率波動上存在外溢. ~5~.
(15) 效果，但匯率報酬對股價報酬的外溢效果是不顯著的，股價報酬波動對匯率波動 的外溢效果在 1987 年美國股市崩盤後有上升的趨勢，作者表示這可能是金融市 場全球化的趨勢所導致。本研究修改自 Mun(2007)的雙變量 EGARCH 模型，其 作者主要是利用這個模型來探討，匯率波動影響國際股市和相互之間市場相關性。 作者所挑選的國家為英國、法國、德國、義大利、澳洲、香港、日本、新加坡， 從這八個國家與美股市資料作實證分析。而本研究再加入了 Engle(2002)所提出 的 dynamic conditional correlation model 動態條件相關模型，成為 DCC-EGARCH 來探討歐元匯率波動，是否對於歐元區國家股市有影響或是其之間存在著相關性。 而實證結果我們將在第四章討論。. ~6~.
(16) 第三章 研究方法 本研究的主要目的是想要探討歐元區幾個主要國家荷蘭、希臘、奧地利、義 大利、比利時、法國、德國、西班牙等八個國家，股匯市的波動性以及其股市和 歐元匯市之間的相關性。其中股市匯市報酬常有波動群聚的可能性，也反映出股 匯市的風險會影響股匯市的報酬率，且各國股匯市的相關性並不可能為固定不變 的情況，其相關性應是隨時間變動而變動，故藉由 DCC-EGARCH 模型分析各國股 匯市之間的相關性。. 3.1 單根檢定 對於時間序列的實證研究中，當同時必須分析多組資料時，我們希望精確的 預測到這些時間序列資料的變動趨勢，而資料的型態一般可分為：定態(stationary) 與非定態(non-stationary)兩大類；所謂的定態序列，當衝擊發生時，時間序列資 料只會有暫時性的改變並非永久性的改變，這個改變隨著時間的流動，所受到的 衝擊會慢慢的遞減或消失，最終回歸到原長期的平均水準，意即長期之下的時間 序列資料是會隨著時間演變之穩定的結構。另一種非定態序列的資料型態則相反， 其所受到的衝擊並不會隨著時間的流動而消失，有很大的可能會隨著衝擊向上、 向下或某一區間中任意的變動。因此，定態的時間序列資料我們才能有效地拿來 估計與預測其波動趨勢。 因此當我們拿到這些時間序列資料來做實證研究前，我們必須確定這些時間 序列的資料是否為一定態的時間序列資料。所以我們可以利用單根檢定，來檢定 我們這些資料是不是為一定態；如果我們拿非定態的時間序列資料來估計或預測 波動趨勢可能會有以下狀況產生：(1) 當我們以自我迴歸模型(AR(P)Model)來估. ~7~.
(17) 計，所得到的自我迴歸係數會有小樣本向下偏誤 (small-sample downward bias) 的現象，且樣本資料越大自我迴歸係數偏誤越大。(2) 同(1)若以自我迴歸模型估 計所得到的自我迴歸係數，其 t-統計量 (t-statistic) 的極限分配不會服從標準常 態，亦不符合自我迴歸係數為標準常態的假設。(3) 出現由 Granger and Newbold (1974)所提出的虛假迴歸 (spurious regression) ，即將兩個原本毫無相關的時間序 列資料做迴歸分析，因所得到的迴歸係數顯著異於零，且判定係數𝑅 2 值非常高， 而誤認為兩變數間具有因果關係或經濟意義。 本研究會利用二種一般比較常見的單根檢定來檢定我們的時間序列資料，即 Augmented Dickey-Fuller 與 Phillips and Perron 檢定。. 3.1.1 Augmented Dickey-Fuller 單根檢定 (ADF unit root test ) Dickey-Fuller 單根檢定是由 Dickey 和 Fuller (1979) 最早提出來的，原本 DF 單根檢定假設殘差ε𝑡 ~𝑁(0, 𝜎 2 )即白噪音(white noise)，但是殘差項通常存在自 我相關的現象，無法滿足殘差項的基本假設，導致檢定自我迴歸係數容易產生無 法拒絕虛無假設存在單根的狀況發生；因此 Dickey 和 Fuller (1981) 放入增廣項 (augmented part) 利用增廣項來控制殘差項ε𝑡 中可能的序列相關。Augmented. Dickey-Fuller 單根檢定的虛無假設為該序列存在單根 (H0：has a unit root)，若拒. 絕虛無假設，表示該序列不具有單根為一定態序列。我們利用以下來的三個程序 來完成 Augmented Dickey-Fuller 單根檢定。 (1) 不包含時間趨勢項、不包含截距項： 𝑝. ∆y𝑡 = 𝜎𝑦𝑡−1 + � 𝛾𝑗∗ ∆y𝑡−𝑗 + 𝜀𝑡 𝑗=1. ~8~.
(18) ，ADF 的檢定統計量為τ. (2) 不包含時間趨勢項、包含截距項： 𝑝. ∆y𝑡 = 𝛼 + 𝜎𝜇 𝑦𝑡−1 + � 𝛾𝑗∗ ∆y𝑡−𝑗 + 𝜀𝑡 𝑗=1. ，ADF 的檢定統計量為τ𝜇 (3) 包含時間趨勢項、包含截距項： 𝑝. ∆y𝑡 = 𝛼 + 𝛽𝛽 + 𝜎𝜏 𝑦𝑡−1 + � 𝛾𝑗∗ ∆y𝑡−𝑗 + 𝜀𝑡 𝑗=1. ，ADF 的檢定統計量為τ𝜏. 𝑝. 其中，𝛼 為截距項，𝑡 為時間趨勢項。σ = −�1 − γ1 − ⋯ − γ𝑝 � = −�1 − ∑𝑖=1 𝛾𝑖 �， 𝑝. 𝛾 ∗ = −�𝛾𝑗+1 + ⋯ + 𝛾𝑝 �，如果∑𝑖=1 𝛾𝑖 < 1(σ < 0) 代表此序列中變數的資料變動 𝑝. 𝑝. 過程為定態，相反的∑𝑖=1 𝛾𝑖 > 1(σ > 0)為非定態，又∑𝑖=1 𝛾𝑖 = 1(σ = 0) 表該序 列的變數至少會有一個根為一，即存在單根。ADF 單根檢的虛無假設H0 : σ = 0對 立假設H0 : σ < 0；𝜎𝑦𝑡−1 + ∑𝑝𝑗=1 𝛾𝑗∗ ∆y𝑡−𝑗 是為 ADF 檢定的增廣項，增廣項的最適. 落後期數 p 可利用 AIC、BIC 或 SIC 來決定之。. 3.1.2 Phillips-Perron 單根檢定 (PP unit root test) 前一小節所提到的 DF 檢定和 ADF 檢定都是一般文獻中常用來檢定時間序 列資料是否為定態序列之方法，這兩種方法都隱含了檢定式的殘差項必須是沒有 自我相關並且為同質變異，但這種條件並不是每次都會滿足，有很大的機會會降. ~9~.
(19) 低前述兩種檢定的檢定力，Phillips 和 Perron (1988) 提出 Phillips-Perron 單根檢 定，可以解決相關產生的問題。Phillips-Perron 單根檢定以無母數(non-parametric) 的方法處理殘差項𝜀𝑡 可能出現異質變異以及序列相關的問題。PP 單根檢定的虛 無假設與 ADF 相同，虛無假設為序列具有單根(H0 ：has a unit root)。PP 單根檢. 定一樣要通過三個程序才算完整，程序如下： (1)不包含時間趨勢項、不包含截距項： ∆y𝑡 = 𝜎𝑦𝑡−1 + 𝜀𝑡 ，PP 的檢定統計量為τ (2) 不包含時間趨勢項、包含截距項： ∆y𝑡 = 𝛼 + 𝜎𝜇 𝑦𝑡−1 + 𝜀𝑡 ，PP 的檢定統計量為τ𝜇 (3) 包含時間趨勢項、包含截距項：. ∆y𝑡 = 𝛼 + 𝛽𝛽 + 𝜎𝜏 𝑦𝑡−1 + 𝜀𝑡 ，PP 的檢定統計量為τ𝜏 從資料中，Phillips-Perron 單根檢定結果顯示，不論是(1) 包含截距項和時間趨 勢項、(2) 包含截距項不包含時間趨勢項、(3) 不包含截距項和時間趨勢項，如 果單根檢定中之檢定統計量皆大於 5%顯著水準下的臨界值，即表示在該顯著水 準下各變數皆無法拒絕序列中含有單根的虛無假設，即原始資料含有單根，為非 定態資料。. 3.2 固定條件相關係數模型(Constant Conditional Correlation, CCC) Bollerslev (1990)所提出固定條件相關係數模型(Constant Conditional Correlation, CCC)，和 Vech 模型以及 BEKK 模型最大的不同點，在於修正參數. ~ 10 ~.
(20) 數目過多，且共變異數矩陣正定條件難以滿足兩個缺點，但是 CCC 模型缺點是 假設條件相關係數固定不變。整個模型設定我們會在下一節完整敘述。. 3.3 動態條件相關係數 EGARCH 模型 (dynamic conditional correlation -EGARCH model) Engle(2002) 提出 dynamic conditional correlation model(DCC model)，此模 型允許相關係數可隨時間而變動，而變動的方式，是以 GARCH 模型為其函數 形式，以 N 變量 GARCH(1,1)為例： 本研究的實證模型中，首先考慮一個雙變數時間序列觀察值的股、匯市報酬 {𝑦𝑡 },t = 1,2, ⋯ , T，每期皆有二個元素在此序列中，即𝑦𝑡 = (𝑦1𝑡 , 𝑦2𝑡 )′，𝑦1𝑡 、𝑦2𝑡 分. 別代表本國股市報酬、本國匯市報酬。從基本假設我們可以獲得以下的模型： 𝑦𝑡 = 𝜇 + 𝜀𝑡. (3.3.1). 𝜀𝑡 |𝛹𝑡−1 ~𝑁(0, 𝐻𝑡 ). (3.3.3). 𝜇 = 𝐸[𝑦𝑡 |𝛹𝑡−1 ]. (3.3.2). (3.3.1) 式為本國股匯市報酬之均數方程式，其中的𝛹𝑡−1 代表第 1 期到 t-1 期之所 有可能的資訊集合，N 表示為二元常態分配，𝐻𝑡 為條件共變異數矩陣。 𝐻𝑡 = [𝜀𝑡 𝜀𝑡′ |𝛹𝑡−1 ]. 2 ℎ11,𝑡 = 𝜔1 + 𝛼1 𝜀1,𝑡−1 + 𝛽1 ℎ11,𝑡−1，. (3.3.4) (3.3.5). 2 ℎ22,𝑡 = 𝜔2 + 𝛼2 𝜀2,𝑡−1 + 𝛽2 ℎ22,𝑡−1 ，. (3.3.6). ℎ12,𝑡 = 𝜌12,𝑡 (ℎ11,𝑡 ℎ22,𝑡 )1/2 , ℎ12,𝑡 = ℎ21,𝑡. ~ 11 ~. (3.3.7).
(21) (3.3.5)(3.3.6) 兩 式 為 條 件 變 異 數 方 程 式 並 服 從 EGARCH(1,1) 。 我 們 利 用 Engle(2002)的方法將第 i 個和第 j 個標準化殘差的條件相關係數用q 𝑖𝑖,𝑡 表示如下：. q 𝑖𝑖,𝑡 = 𝜌𝑖𝑖 �1 − 𝜃𝑖𝑖 − 𝛿𝑖𝑖 � + 𝜃𝑖𝑖 𝑢𝑖,𝑡−1 𝑢𝑗,𝑡−1 + 𝛿𝑖𝑖 q 𝑖𝑖,𝑡−1 , 𝑖, 𝑗 = 1,2. (3.3.8). 為 了 要 讓 (3.3.8) 式 中 的 每 一 條 方 程 式 皆 符 合 定 態 ， 即 𝜃𝑖𝑖 + 𝛿𝑖𝑖 < 1 ， 而 當. 𝜃𝑖𝑖 = 𝛿𝑖𝑖 = 0的情況，就是上一節所提到的固定相關係數模型(CCC model)。. 本研究由 Nelson(1991)提出的 EGARCH 模型結合 Engle(2002)的 DCC 模型擴展 成 雙 變 數 DCC-EGARCH 模 型 ， 藉 此 討 論 股 匯 市 之 間 的 波 動 與 關 連 性 ， DCC-EGARCH 模型的設定如下： γ1,𝑡 = 𝑎1 + 𝑏11 γ1,𝑡−1 + 𝑏12 γ2,𝑡−1 + ε1,𝑡. γ2,𝑡 = 𝑎2 + 𝑏21 γ1,𝑡−1 + 𝑏22 γ2,𝑡−1 + ε2,𝑡. (3.3.9) (3.3.10). 2 σ1,𝑡 = exp�𝑐1 + 𝑐3 ��𝜆1,𝑡−1 � − 𝐸�𝜆1,𝑡−1 � + 𝑐9 𝜆1,𝑡−1 � + 𝑐4 ��𝜆2,𝑡−1 � − 𝐸�𝜆2,𝑡−1 � + 2 𝑐10 𝜆2,𝑡−1 � + 𝑐5 log σ1,𝑡−1 �. (3.3.11). σ22,𝑡 = exp�𝑐2 + 𝑐6 ��𝜆1,𝑡−1 � − 𝐸�𝜆1,𝑡−1 � + 𝑐9 𝜆1,𝑡−1 � + 𝑐7 ��𝜆2,𝑡−1 � − 𝐸�𝜆2,𝑡−1 � + 𝑐10 𝜆2,𝑡−1 � + 𝑐8 log σ22,𝑡−1 �. (3.3.12). q12,𝑡 = 𝜌12 (1 − c11 − c12 ) + c11 𝜆1,𝑡−1 𝜆2,𝑡−1 + c12 q12,𝑡−1. (3.3.14). q 22,𝑡 = (1 − c15 − c16 ) + c15 𝜆22,𝑡 + c16 q 22,𝑡−1. (3.3.16). σ12,𝑡 = 𝜌12,𝑡 σ1,𝑡 σ1,𝑡. (3.3.13). 2 q11,𝑡 = (1 − c13 − c14 ) + c13 𝜆1,𝑡 + c14 q11,𝑡−1. ρ12,𝑡 =. q12,𝑡. �q11,𝑡 q22,𝑡. (3.3.15). (3.3.17). 上式中λ𝑖 為標準化殘差，i = 1,2，1 為該國國家股市 2 為歐元與美元匯市， 2. 𝐸�𝜆𝑖,𝑡−1 � = �𝜋，(3.3.9)、(3.3.10)式，分別為該國國家股市報酬率、匯市報酬率的. ~ 12 ~.
(22) 條件平均數方程式。(3.3.11)、(3.3.12)式，分別為該國股市報酬率、匯市報酬率 的條件變異數方程式，而其中的條件變異數方程式是過去的衝擊與波動的函數。 𝜌12 為市場之間的非條件相關係數，我們為了使(3.3.14)～(3.3.16)為定態資料， (c11 + c12 )、(c13 + c14 )、(c15 + c16 )皆必須小於 1。. 3.4 結構性轉變檢定 一般文獻中 Chow 檢定的討論分為兩種，一種是「轉變點檢定」，另一種是 「預測性檢定」。但是 Chow 檢定的模型很容易理解，但是最大缺點則是我們在 分析時必須主觀認定結構發生轉變的時間點，如果我們認定錯誤就容易在分析時 發生錯誤，一種是將有發生結構性轉變的時間點判斷成沒有發生結構性轉變，另 一種則是將有發生結構性轉變的時間點誤認成沒有發生。 因此在本研究中，我們會利用 Hansen(2001)提出的移動式 Chow 檢定來幫助 我們檢定我們的資料，從 DCC-EGARCH 模型下我們獲得的動態相關係數，如果 想了解各國股匯市的相關性是不是在某個時間點有發生結構性的轉變，利用移動 式 Chow 檢定我們可以客觀的判斷我們的時間序列資料，可能在哪一個時間點發 生結構轉變。藉由移動式 Chow 檢定我們需要的步驟有三個如下： (1) 一開始先利用自我相關函數(ACF, autocorrelation function)及偏自我相關函數 (PACF, partial autocorrelation function)來判斷我們手中資料的正確模型。 (2) 確認模型後，我們針對手中資料去除前後 5%(本研究去除前後 10%)取之間的 樣本進行 Chow 預測性檢定。. ~ 13 ~.
(23) (3) 最後我們可以一筆由F值 1組成的時間序列資料，再將其畫成圖即可判斷。如 果圖中最高處超過我們的臨界值，即可視為可能的結構性轉變點。 藉由這樣的結構性轉變檢定，雖然我們不能主觀認定發生結構性轉變的時間點， 但是我們可以從資料中讓資料透露出可能發生結構性轉變的時間點。這樣讓我們 減少主觀判斷的錯誤發生。. 1. 臨界值 F 值計算F =. (𝑆𝑆𝑆𝑅 −𝑆𝑆𝑆1 )/𝑚. 𝑆𝑆𝑆1 /(𝑇−(𝑃+1)). ~𝐹(𝑚, 𝑇 − 𝑃 − 1)，因資料量較大 Eviews 會自動計算出結果。. ~ 14 ~.
(24) 第四章 實證分析結果 4.1 資料描述 本研究目的主要為探討歐元區主要國家股市及匯市之間的波動與其連動關 係的實證研究，檢視這些歐元區主要國家股市、匯市之間的相關性；從許多研究 得知，股市的波動和匯市有某一定的相關程度；歐元在西元 1999 年於歐洲成立 後，這幾年的發展來看已躍昇成為全球第二大的主要貨幣，很多主要商品除了以 美元計價外，也逐漸以歐元來計價，歐元和美元儼然是世界上較為流通的兩大貨 幣，當兩個經濟體的經濟有所波動，對於匯市及股市就會有相當程度的影響。 自從歐元於西元 1999 年成立以來，這十多年經濟波動劇烈，像是 2008 年的 金融海嘯，2010 年底爆發的歐洲主權債務危機等等。主要的研究國家，奧地利、 比利時、德國、法國、希臘、義大利、荷蘭、西班牙這八個國家的股匯市報酬率。 樣本期間自 1993 年 1 月 2 日至 2011 年 12 月 31 日，選擇歐元成立前七年以及成 立後的十三年當作樣本資料，由於各國股市休息日有所不同，德國有 990 週之週 資料，其他各國有 992 週之週資料。研究資料來源取自 The Global Financial Database 全球金融資料庫(GFD)，基本上對於投資大眾而言，大家關心報酬率的 興趣會比較高，反而不是股市、匯市的收盤指數。本研究就將股匯市的收盤指數 轉變成報酬率的型態來做分析，作法為將股匯市指數資料取自然對數後，再做一 階差分，接下來再乘以 100 變成報酬率。 表 4-1 為八個國家股匯市報酬率之敘述統計資料，由資料顯示，八個國家平 均報酬率皆為正值，股市波動方面，希臘股市報酬波動最大，義大利股市報酬波 動最小；在匯市報酬方面，我們只取歐元的匯率，歐元匯市平均報酬率為負值， 匯市波動方面，歐元匯率標準差為 1.139％；股匯市相關係數方面，只有荷蘭、. ~ 15 ~.
(25) 義大利、法國為正相關，其他五國為負相關，其中以德國的相關性最大。圖 4-1 ～圖 4-9 為八國股市及匯市走勢圖，大部分國家在 2008 年年初股市走到一波高 峰在 2008 年底 2009 年年初股價走到一波谷底，2011 年年底各國股價也都在相 對低點的位置。圖 4-10～圖 4-18 為八國股市及匯市報酬率。. ~ 16 ~.
(26) 表 4-1：敘述性統計 金融市場報酬率. 荷蘭. 奧地利. 希臘. 義大利. 比利時. 法國. 德國. 西班牙. Maximum. 13.582. 17.226. 22.220. 19.297. 12.906. 12.432. 14.942. 13.586. Mean. 0.089. 0.094. 0.0012. 0.051. 0.062. 0.055. 0.135. 0.131. Minimum. -28.755. -34.134. -20.295. -24.411. -26.111. -25.050. -24.347. -23.827. Std. Dev.. 3.120. 3.197. 3.938. 3.344. 2.797. 3.096. 3.287. 3.108. -0.116. -0.059. 0.008. -0.027. 0.002. -0.120. -0.051. 股市. 匯市 Maximum. 4.394. Mean. -0.007. Minimum. -6.980. Std. Dev.. 1.139. 相關係數 本國股匯市. 0.0349. 註：相本期間為西元 1993 年到 2011 年。. ~ 17 ~.
(27) 700. 600. 500. 400. 300. 200. 100 94. 96. 98. 00. 02. 04. 06. 08. 10. 06. 08. 10. 08. 10. 圖4-1：荷蘭股價指數 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0 94. 96. 98. 00. 02. 04. 圖4-2：奧地利股價指數 6,000. 5,000. 4,000. 3,000. 2,000. 1,000. 0 94. 96. 98. 00. 02. 04. 圖4-3：希臘股價指數. ~ 18 ~. 06.
(28) 600. 500. 400. 300. 200. 100. 0 94. 96. 98. 00. 02. 04. 06. 08. 10. 圖4-4：義大利股價指數 5,000 4,500 4,000 3,500 3,000 2,500 2,000 1,500 1,000 94. 96. 98. 00. 02. 04. 06. 08. 10. 06. 08. 10. 圖4-5：比利時股價指數 7,000. 6,000. 5,000. 4,000. 3,000. 2,000. 1,000 94. 96. 98. 00. 02. 04. 圖4-6：法國股價指數. ~ 19 ~.
(29) 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1,000 94. 96. 98. 00. 02. 04. 06. 08. 10. 06. 08. 10. 06. 08. 10. 圖4-7：德國股價指數 16,000 14,000 12,000 10,000 8,000 6,000 4,000 2,000 94. 96. 98. 00. 02. 04. 圖4-8：西班牙股價指數. 1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 94. 96. 98. 00. 02. 04. 圖4-9：美元/歐元 匯率. ~ 20 ~.
(30) 20. 10. 0. -10. -20. -30 94. 96. 98. 00. 02. 04. 06. 08. 10. 06. 08. 10. 圖4-10：荷蘭股市週報酬率 20. 10. 0. -10. -20. -30. -40 94. 96. 98. 00. 02. 04. 圖4-11：奧地利股市週報酬率 30. 20. 10. 0. -10. -20. -30 94. 96. 98. 00. 02. 04. 圖4-12：希臘股市週報酬率. ~ 21 ~. 06. 08. 10.
(31) 20. 10. 0. -10. -20. -30 94. 96. 98. 00. 02. 04. 06. 08. 10. 08. 10. 08. 10. 圖4-13：義大利股市週報酬率 20. 10. 0. -10. -20. -30 94. 96. 98. 00. 02. 04. 06. 圖4-14：比利時股市週報酬率 15 10 5 0 -5 -10 -15 -20 -25 -30 94. 96. 98. 00. 02. 04. 06. 圖4-15：法國股市週報酬率. ~ 22 ~.
(32) 20. 10. 0. -10. -20. -30 94. 96. 98. 00. 02. 04. 06. 08. 10. 06. 08. 10. 圖4-16：德國股市週報酬率 15 10 5 0 -5 -10 -15 -20 -25 94. 96. 98. 00. 02. 04. 圖4-17：西班牙股市週報酬率 6 4 2 0 -2 -4 -6 -8 94. 96. 98. 00. 02. 04. 06. 圖4-18：歐元/美元匯率週報酬率. ~ 23 ~. 08. 10.
(33) 4.2 單根檢定結果 對於時間序列的資料作分析，其所有的分析資料都要為定態，在研究中，定 態的資料在長期結構下為一穩定序列，對於外界的衝擊影響是短暫而非永久性的， 衝擊的效果會隨著時間消失，最後回到長期均衡。因此一個穩定的序列才可以有 效的被用來估計和預測。 為了確認本研究之資料是為一定態資料，以下利用ADF檢定、PP檢定來檢定 各國股匯市周報酬率是否為一定態資料。. ~ 24 ~.
(34) 表4-2 荷蘭股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 荷蘭股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 12. 有截距項無時間趨勢項. 12. τ = −7.979∗∗∗. 有截距項與時間趨勢項. 12. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. τ𝜇 = −8.009∗∗∗ τ𝜏 = −8.182∗∗∗. τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗. 註：1.最適落後期選擇以AIC作為準則，P為最適落後期數。 2.臨界值計算MacKinnon (1996) one-sided p-values 3.***表示在1%的顯著水準下顯著，**表示在5%的顯著水準下顯著，*表示在 10%的顯著水準下顯著。 4. (1)的1%臨界值=-2.567、5%臨界值=-1.941、10%臨界值=-1.616 (2)的1%臨界值=-3.437、5%臨界值=-2.864、10%臨界值=-2.568 (3)的1%臨界值=-3.967、5%臨界值=-3.414、10%臨界值=-3.129. 表4-3 希臘股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 希臘股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 1. 有截距項無時間趨勢項. 1. τ = −28.977∗∗∗. 有截距項與時間趨勢項. 1. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. ~ 25 ~. τ𝜇 = −28.962∗∗∗ τ𝜏 = −29.207∗∗∗ τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗.
(35) 表4-4 奧地利股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 奧地利股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 13. 有截距項無時間趨勢項. 13. τ = −6.820∗∗∗. 有截距項與時間趨勢項. 13. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. τ𝜇 = −6.847∗∗∗ τ𝜏 = −6.894∗∗∗. τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗. 表4-5 義大利股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 義大利股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 6. 有截距項無時間趨勢項. 6. τ = −12.326∗∗∗. 有截距項與時間趨勢項. 6. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. ~ 26 ~. τ𝜇 = −12.326∗∗∗ τ𝜏 = −12.522∗∗∗ τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗.
(36) 表4-6 比利時股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 比利時股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 19. 有截距項無時間趨勢項. 19. τ = −5.223∗∗∗. 有截距項與時間趨勢項. 19. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. τ𝜇 = −5.237∗∗∗ τ𝜏 = −5.388∗∗∗. τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗. 表4-7 法國股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 法國股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 14. 有截距項無時間趨勢項. 14. τ = −7.030∗∗∗. 有截距項與時間趨勢項. 14. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. ~ 27 ~. τ𝜇 = −7.042∗∗∗ τ𝜏 = −8.201∗∗∗. τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗.
(37) 表4-8 德國股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 德國股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 5. 有截距項無時間趨勢項. 5. τ = −11.793∗∗∗. 有截距項與時間趨勢項. 5. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. τ𝜇 = −11.850∗∗∗ τ𝜏 = −11.892∗∗∗ τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗. 表4-9 西班牙股市匯市報酬率之Augmented Dickey-Fuller 單根檢定結果. 西班牙股市. 歐元匯市. P. 檢定統計量. 無截距項與時間趨勢項. 12. 有截距項無時間趨勢項. 12. τ = −8.388∗∗∗. 有截距項與時間趨勢項. 12. 無截距項與時間趨勢項. 2. 有截距項無時間趨勢項. 2. 有截距項與時間趨勢項. 2. 註：同上表。. ~ 28 ~. τ𝜇 = −8.473∗∗∗ τ𝜏 = −8.657∗∗∗. τ = −15.790∗∗∗. τ𝜇 = −15.782∗∗∗ τ𝜏 = −15.781∗∗∗.
(38) 表4-10 荷蘭股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 τ = −31.462∗∗∗. 無截距項與時間趨勢項 荷蘭股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. τ𝜇 = −31.472∗∗∗ τ𝜏 = −31.578∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗. 註：1.***表示在1%的顯著水準下顯著，**表示在5%的顯著水準下顯著，*表示在 10%的顯著水準下顯著。 2.臨界值計算MacKinnon (1996) one-sided p-values 3. (1)的1%臨界值=-2.567、5%臨界值=-1.941、10%臨界值=-1.616 (2)的1%臨界值=-3.437、5%臨界值=-2.864、10%臨界值=-2.568 (3)的1%臨界值=-3.967、5%臨界值=-3.414、10%臨界值=-3.129. 表4-11 希臘股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 希臘股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. ~ 29 ~. τ = −28.977∗∗∗. τ𝜇 = −28.962∗∗∗ τ𝜏 = −29.207∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗.
(39) 表4-12 奧地利股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 奧地利股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. τ = −31.164∗∗∗. τ𝜇 = −31.176∗∗∗ τ𝜏 = −31.208∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗. 表4-13 義大利股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 義大利股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. ~ 30 ~. τ = −31.517∗∗∗. τ𝜇 = −31.508∗∗∗ τ𝜏 = −31.643∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗.
(40) 表 4-14 比利時股市匯市報酬率之 Phillips-Perron 單根檢定結果 檢定統計量 τ = −32.371∗∗∗. 無截距項與時間趨勢項 比利時股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. τ𝜇 = −32.370∗∗∗ τ𝜏 = −32.464∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗. 表4-15 法國股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 法國股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. ~ 31 ~. τ = −34.052∗∗∗. τ𝜇 = −34.047∗∗∗ τ𝜏 = −34.100∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗.
(41) 表4-16 德國股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 德國股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. τ = −32.367∗∗∗. τ𝜇 = −32.409∗∗∗ τ𝜏 = −32.440∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗. 表4-17 西班牙股市匯市報酬率之Phillips-Perron 單根檢定結果 檢定統計量 無截距項與時間趨勢項 西班牙股市. 有截距項無時間趨勢項 有截距項與時間趨勢項 無截距項與時間趨勢項. 歐元匯市. 有截距項無時間趨勢項 有截距項與時間趨勢項. 註：同上表。. ~ 32 ~. τ = −33.021∗∗∗. τ𝜇 = −33.063∗∗∗ τ𝜏 = −33.166∗∗∗ τ = −24.425∗∗∗. τ𝜇 = −24.414∗∗∗ τ𝜏 = −24.405∗∗∗.
(42) 4.3 動態條件相關係數與非條件固定相關係數之比較 此節我們將各國股匯市週報酬率，藉由DCC-EGARCH 模型估計各國股匯市 之相關係數並與固定相關係數做比較，表4-16~表4-23為歐元區八國之各國股匯市 週報酬率之相關係數與固定相關係數之圖形與比較。表4-24為檢定各國股匯市之動 態條件相關係數是不是顯著異於固定相關係數，即H0 : 𝜌12 = ρ12 ，H1 : 𝜌12 ≠ ρ12 ，. 從表4-26我們可以知道歐元區八國的動態條件相關係數都顯著異於固定相關係 數。. 4.3.1 荷蘭股匯市相關係數比較 如表4-18所示，荷蘭的股匯市報酬用非條件固定相關係數估計結果為0.0349， 若用條件動態相關係數估計之平均值為0.0741，整個動態過程在0.5136～-0.2815之 間來回跳動，波動幅度是八國中最大的，如果我們只依照固定相關係數來判別結 果，我們會無法觀察到負值的這個部分。而且負值的部分大概是發生在2008年底 的時候，我們可以推估這和金融海嘯有一定程度的關係。 4.3.2 希臘股匯市相關係數比較 如表4-19所示，希臘的股匯市報酬用非條件固定相關係數估計結果-0.0590，若 用條件動態相關係數估計之平均值為-0.0544，整個動態過程在0.4586～-0.5328之間 跳動，雖然整體相關係數大部分皆為負值，但是由圖中我們也可以很清楚看到2008 年後整體波動明顯比2008年以前較為呈現負相關，在2009底負相關的程度也越來 越趨於明顯，和希臘爆發歐債危機的時間點互相吻合。 4.3.3 奧地利股匯市相關係數比較 如表4-20所示，奧地利的股匯市報酬用非條件固定相關係數估計結果-0.1162， 若 用 條 件 動 態 相 關 係 數 估 計 之 平 均 值 為 -0.0002 ， 整 個 動 態 過 程 在 0.00007 ～ -0.116949之間跳動，波動幅度是八國中最小的。從固定相關係數看來，奧地利的. ~ 33 ~.
(43) 股匯市是呈現負相關，但是在動態的過程中，我們捕捉到的情況是股匯市的相關 性很低，幾乎是無相關，顯示出奧地利股匯市對波動反應不顯著。 4.3.4 義大利股匯市相關係數比較 如表4-21所示，義大利的股匯市報酬用非條件固定相關係數估計結果0.0107， 若用條件動態相關係數估計之平均值為0.0367，整個動態過程在0.8252～-0.8213之 間跳動。雖然固定相關係數和動態相關係數皆為正值，但是可以發現動態相關係 數明顯捕捉到相關係數的波動程度頗大，而且波動程度雖然在2008年有收斂，但 是2009年後又開始劇烈波動，這也是固定相關係數沒有捕捉到的部分。 4.3.5 比利時股匯市相關係數比較 如表4-22所示，比利時的股匯市報酬用非條件固定相關係數估計結果-0.0269， 若用條件動態相關係數估計之平均值為0.0001，整個動態過程在0.0127～-0.0264之 間跳動。從固定相關係數和動態相關係數來看，比利時的股匯市相關性是八國中 比較平穩的國家，都呈現在相關性等於零處波動，數值波動頗為接近。但是如果 只看固定相關係數，我們將無法捕捉到資料期間波動較為劇烈的時間點。 4.3.6 法國股匯市相關係數比較 如表4-23所示，法國的股匯市報酬用非條件固定相關係數估計結果0.0026，若 用條件動態相關係數估計之平均值為0.01，整個動態過程在0.4369～-0.4217之間跳 動。法國的股匯市相關性，固定相關係數和動態相關係數皆為正值，從動態相關 係數來看波動也頗為劇烈，而且在2008年處有開始趨於負相關的趨勢，這些都是 從固定相關係數無法捕捉到波動較為劇烈的時間點。 4.3.7 德國股匯市相關係數比較 如表4-24所示，德國的股匯市報酬用非條件固定相關係數估計結果-0.1201，若 用條件動態相關係數估計之平均值為-0.1115，整個動態過程在0.2100～-0.4682之間. ~ 34 ~.
(44) 跳動。雖然從動態相關係數和固定相關係數來看，兩者相去不遠，都為負值，但 是從動態相關係數來看，2008年後負相關程度有明顯提高，這是固定相關係數無 法捕捉到的部分。 4.3.8 西班牙股匯市相關係數比較 如表4-25所示，西班牙的股匯市報酬用非條件固定相關係數估計結果-0.0507， 若用條件動態相關係數估計之平均值為-0.0303，整個動態過程在0.3050～-0.3179 之間跳動。從動態相關係數的變動幅度來看，西班牙的股匯市顯示出有劇烈的變 動，但平均值和固定相關係數差距不大，由圖中顯示，某些時間點的劇烈波動讓 幅度變大，這是固定相關係數無法捕捉到的部分。. ~ 35 ~.
(45) 表 4-18 荷蘭股匯市之相關係數 .6 .5 .4 .3 .2 .1 .0 -.1 -.2 -.3 94. 96. 98. 00. 02. DCC_AEX. 04. 06. 08. CCC_AEX. 動態條件相關係數(DCC). µ. 0.0741. n. 989. σ. 10. 非條件固定相關係數(CCC). ρ12,𝑡. 0.0349. ρ12. 0.0506. 註: 1 為本國股市週報酬率， 2 為匯市週報酬率 n 為觀測植數目. 表 4-19 希臘股匯市之相關係數 .6. .4. .2. .0. -.2. -.4. -.6 94. 96. 98. 00. 02. DCC_ATG. 04. -0.0544. n. 990. σ. 08. 10. CCC_ATG. 動態條件相關係數(DCC). µ. 06. ρ12,𝑡. 非條件固定相關係數(CCC). -0.0590. 0.0856. 註：同上表. ~ 36 ~. ρ12.
(46) 表 4-20 奧地利股匯市之相關係數 .02 .00 -.02 -.04 -.06 -.08 -.10 -.12 94. 96. 98. 00. 02. 04. DCC_ATX. 06. -0.0002. n. 990. σ. 10. CCC_ATX. 動態條件相關係數(DCC). µ. 08. 非條件固定相關係數(CCC). ρ12,𝑡. -0.1162. ρ12. 0.0038. 註：同上表. 表 4-21 義大利股匯市之相關係數 1.00 0.75 0.50 0.25 0.00 -0.25 -0.50 -0.75 -1.00 94. 96. 98. 00. 02. DCC_BCIJ. 04. 06. 0.0367. n. 990. σ. 10. CCC_BCIJ. 動態條件相關係數(DCC). µ. 08. ρ12,𝑡. 非條件固定相關係數(CCC). 0.0079. 0.2147. 註：同上表. ~ 37 ~. ρ12.
(47) 表 4-22 比利時股匯市之相關係數 .02. .01. .00. -.01. -.02. -.03 94. 96. 98. 02. 00. DCC_BEL. 04. 06. 0.0001. n. 990. σ. 10. CCC_BEL. 動態條件相關係數(DCC). µ. 08. 非條件固定相關係數(CCC). ρ12,𝑡. -0.0269. ρ12. 0.0019. 註：同上表. 表 4-23 法國股匯市之相關係數 .6. .4. .2. .0. -.2. -.4. -.6 94. 96. 98. 00. 02. DCC_CAC. 04. 動態條件相關係數(DCC). µ. 0.0100. n. 990. σ. 06. 08. 10. CCC_CAC. ρ12,𝑡. 非條件固定相關係數(CCC). 0.0026. 0.0962. 註：同上表. ~ 38 ~. ρ12.
(48) 表 4-24 德國股匯市之相關係數 .3 .2 .1 .0 -.1 -.2 -.3 -.4 -.5 94. 96. 98. 00. 02. DCC_DAX. 04. -0.1115. n. 986. σ. 10. CCC_DAX. 動態條件相關係數(DCC). µ. 08. 06. 非條件固定相關係數(CCC). ρ12,𝑡. -0.1201. ρ12. 0.0649. 註：同上表. 表 4-25 西班牙股匯市之相關係數 .4 .3 .2 .1 .0 -.1 -.2 -.3 -.4 94. 96. 98. 00. 02. DCC_IBEX. 04. -0.0303. n. 990. σ. 08. 10. CCC_IBEX. 動態條件相關係數(DCC). µ. 06. ρ12,𝑡. 非條件固定相關係數(CCC). -0.0507. 0.0281. 註：同上表. ~ 39 ~. ρ12.
(49) 表4-26 各國股匯市之相關係數比較 國家. 檢定統計量. 荷蘭. 24.37407∗∗∗. 希臘 奧地利 義大利 比利時 法國 德國 西班牙. 1.718470∗. 963.1526∗∗∗ 4.225506∗∗∗ 437.8368∗∗∗ 2.414354∗∗. 4.176558∗∗∗ 22.83208∗∗∗. 註：表內為t統計量，***表示在1%的顯著水準下顯著，**表示在5%的顯著水準下 顯著，*表示在10%的顯著水準下顯著。. ~ 40 ~.
(50) 4.4 動態條件相關係數之移動式Chow檢定結果 從前面幾節我們知道，匯市的波動可能會造成股市報酬跟著波動。在這一節 我們則是要探討，我們是不是可以從股匯市之間的動態相關性，捕捉到一些時間 點，是可以結合到全球時事，讓我們更可能準確描述全球經濟狀況。 4.4.1 荷蘭結構性轉變檢定結果 表4-27表示，荷蘭可能在2008年10月11日或是2000年5月27日有一個結構性的 轉變，連結到全球金融狀況，2008年年底發生的金融海嘯造成全球性的恐慌，這 可能也是衝擊荷蘭股匯市的原因，進而造成股匯市的相關性發生結構性的轉變。 4.4.2 希臘結構性轉變檢定結果 表4-28表示，由檢定顯示希臘最可能發生結構性轉變的時間點2008年7月26日。 從全球的時間點來看，2007年美國次級房貸風暴影響，不只影響到美國的經濟， 也影響到全球，而且希臘在2001年加入歐元區後，財政狀況表現也是每況愈下， 加上美國次帶風暴的影響，以及金融海嘯前市場的氛圍影響，很可能是造成其股 匯市相關性有結構性的轉變。 4.4.3 奧地利結構性轉變檢定結果 表4-29表示，奧地利的股匯市動態相關係數，沒有明顯地的結構性轉變，一方 面我們從前一節也得知，奧地利其股匯市相關性，相較於其他七國市表較低的， 因此我們也可以推估，當全球出現金融衝擊時，他所受的影響可能會小於其他七 個國家。 4.4.4 義大利結構性轉變檢定結果 表4-30表示，義大利有可能的結構性轉變時間點有兩個時間點，2005年11月26 日，由圖中我們可以了解到，這是F值的高度顯示可能發生結構性轉變最嚴重的時 間點，從2005年以來義大利經濟狀況不是甚好，雖然2007年有一度好轉的跡象，. ~ 41 ~.
(51) 但2008年底的金融海嘯，又再度造成該國經濟惡化，也導致義大利名列歐豬五國 之中，但是我們資料中可能無法明確指出時間點。 4.4.5 比利時結構性轉變檢定結果 表4-31表示，比利時的時間點為1997年4月5日，由資料中顯示，雖然這時間點 是發生較嚴重的結構性轉變。但是資料也顯示，平均的相關係數是沒有發生結構 性轉變，也就是說相關係數滿一致的。 4.4.6 法國結構性轉變檢定結果 表4-32表示，法國股匯市有明顯的結構性轉變的時間點是2005年12月10日。我 們知道法國在歐洲算是一個比較大的經濟體，也是歐元區一開始的會員國，對於 歐元的反應可能會來的比其他國家早，從資料中我們發現2005年後法國就處在一 個高度波動的狀況，因此F值都偏高，都很有可能發生結構性轉變。 4.4.7 德國結構性轉變檢定結果 表4-33表示，德國股匯市相關性發生結構性轉變的時間點為2008年10月11日， 和前面荷蘭、義大利、比利時等三國一樣，我們一致推估其該國示受到金融海嘯 的影響而發生結構性轉變 4.4.8 西班牙結構性轉變檢定結果 表4-34表示，該國可能發生結構性轉變的時間點為1997年7月26日，但其結構 性轉變較為不明顯，檢定結果也是拒絕該國股匯市相關性有發生結構性轉變，因 此我們也認定沒有發生。. ~ 42 ~.
(52) 表4-27 荷蘭股匯市動態相關係數移動式Chow檢定 20. 16. 12. 8. 4. 0 94. 96. 98. 00. 02. 04. DCC_AEX_LR. 06. 08. 10. F_VALURE. 檢定統計量 17.97152∗∗∗. Maximum LR F-statistic (10/11/2008). 17.97152∗∗∗. Maximum Wald F-statistic (10/11/2008). 7.374037∗∗∗. Ave LR F-statistic. 7.374037∗∗∗. Ave Wald F-statistic. 註：1.我們使用Quandt-Andrews unknown breakpoint test 2.***表示在1%的顯著水準下顯著，**表示在5%的顯著水準下顯著，*表示在10% 的顯著水準下顯著。 表 4-28 希臘股匯市動態相關係數移動式 Chow 檢定 24. 20. 16. 12. 8. 4. 0 94. 96. 98. 00. 02. DCC_ATG_LR. 04. 06. 08. 10. F_VALURE. 檢定統計量 20.52185∗∗∗. Maximum LR F-statistic (7/26/2008). 20.52185∗∗∗. Maximum Wald F-statistic(7/26/2008). 7.465870∗∗∗. Ave LR F-statistic. 7.465870∗∗∗. Ave Wald F-statistic 註：同上表. ~ 43 ~.
(53) 表4-29 奧地利股匯市動態相關係數移動式Chow檢定 6. 5. 4. 3. 2. 1. 0 94. 96. 98. 00. 02. 04. DCC_ATX_LR. 06. 08. 10. F_VALURE. 檢定統計量 2.925760. Maximum LR F-statistic (12/17/1994). 2.925760. Maximum Wald F-statistic (12/17/1994). 0.616585. Ave LR F-statistic. 0.616585. Ave Wald F-statistic 註：同上表. 表4-30 義大利股匯市動態相關係數移動式Chow檢定 14 12 10 8 6 4 2 0 94. 96. 98. 00. 02. DCC_BCIJ_LR. 04. 06. 08. 10. F_VALURE. 檢定統計量 Maximum LR F-statistic (11/26/2005) Maximum Wald F-statistic (11/26/2005). 12.02167∗∗ 12.02167∗∗ 2.844048. Ave LR F-statistic. 2.844048. Ave Wald F-statistic 註：同上表. ~ 44 ~.
(54) 表 4-31 比利時股匯市動態相關係數移動式 Chow 檢定 14 12 10 8 6 4 2 0 94. 96. 98. 00. 02. DCC_BEL_LR. 04. 06. 08. 10. F_VALURE. 檢定統計量 12.69340∗∗. Maximum LR F-statistic (4/05/1997). 12.69340∗∗. Maximum Wald F-statistic (4/05/1997). 3.011580. Ave LR F-statistic. 3.011580. Ave Wald F-statistic 註：同上表. 表4-32 法國股匯市動態相關係數移動式Chow檢定 30. 25. 20. 15. 10. 5. 0 94. 96. 98. 00. 02. DCC_CAC_LR. 04. 06. 08. 10. F_VALURE. 檢定統計量 Maximum LR F-statistic (12/10/2005) Maximum Wald F-statistic (12/10/2005). 26.83523∗∗∗ 26.83523∗∗∗ 13.50517∗∗∗. Ave LR F-statistic. 13.50517∗∗∗. Ave Wald F-statistic 註：同上表. ~ 45 ~.
(55) 表4-33 德國股匯市動態相關係數移動式Chow檢定 16 14 12 10 8 6 4 2 0 94. 96. 98. 02. 00. DCC_DAX_LR. 04. 08. 06. 10. F_VALURE. 檢定統計量 14.91615∗∗. Maximum LR F-statistic (10/11/2008). 14.91615∗∗. Maximum Wald F-statistic (10/11/2008). 4.631024∗∗. Ave LR F-statistic. 4.631024∗∗. Ave Wald F-statistic 註：同上表. 表4-34 西班牙股匯市動態相關係數移動式Chow檢定 6. 5. 4. 3. 2. 1. 0 94. 96. 98. 00. 02. DCC_IBEX_LR. 04. 06. 08. 10. F_VALURE. 檢定統計量 5.318280. Maximum LR F-statistic (7/26/1997). 5.318280. Maximum Wald F-statistic (7/26/1997). 1.633438. Ave LR F-statistic. 1.633438. Ave Wald F-statistic 註：同上表. ~ 46 ~.
(56) 第五章 結論 5.1 研究結論 近幾年來，全球金融市場一直在提倡全球化也慢慢朝自由化邁進，全球經濟 連動性也越來越高。對於投資者而言，不論投資在國內或國外的金融市場，都已 經不能單單只關心自己國家的資訊，或是市場走勢，而是與自己國家有密切相關 的市場，或是與自己國家金融往來甚密的國家，投資人都需要密切關注。並且從 事國際投資時，要更慎重考慮這些國家會帶來的衝擊或影響因素。本研究著重於 探討歐洲歐元區國家股匯市報酬間相關係數的變化，以及這些相關性是不是因為 一些外來的衝擊造成其相關性的結構發生改變。相較於以往對股匯市相關性研究 不同處是本文將各國股市報酬、匯市報酬與美國股市報酬以EGARCH模型以動態 條件相關係數(DCC)來研究其市場的相關程度。我們選擇荷蘭、希臘、奧地利、義 大利、比利時、法國、德國以及西班牙等國，國家股市收盤之週資料和歐元/美元 的週資料，轉換成週報酬率，樣本時間範圍為1993年1月到2011年12月內，對這八 國的金融市場研究其相關性分析。 研究結果發現，除了奧地利顯著性較低之外，我們使用DCC-EGARCH模型所 估計出來的相關係數變化明顯的顯著，相關係數會在一個範圍內來回跳動，相較 於傳統只用固定相關係數來研究，動態條件相關係數更能捕捉到金融市場之間的 相關性，也較不容易有忽略這些波動所造成的影響。如果投資人因為忽略這個影 響，有可能無法準確預測金融市場連動關係，或是整體經濟未來的走勢，這些都 可能使投資人暴露在風險中。另外從結構轉變中，我們發現2008年的金融海嘯， 造成荷蘭、希臘、義大利、比利時以及德國，股匯市之間發生結構性轉變，如果 是以往我們只用固定相關係數來看，這些都可能會讓我們忽略其事件對金融市場 的衝擊。由此我們可以說，使用動態相關係數會比固定相關係數來的好。最後對. ~ 47 ~.
(57) 於投資人來說，在面對這個高度全球化的金融市場，我們在投資選擇時，不只是 要看其股匯市報酬率，也應該觀察其股匯市之間的相關性，而且動態相關性會比 固定的好，這樣我們可以用理性且客觀的方式，最初最正確的決策，也避免讓自 己暴露在高風險的投資環境中。 5.2 研究限制和未來研究建議 在本研究中，我們有一些研究上的限制。在資料部分我們是利用日資料的部 分轉成週資料，因此其中會損失一些資訊，如果在某一日發生一些重大事件時， 我們可能會無法觀察到期間的影響。再者我們是先對資料去做分析，再去找尋資 料中對應到的經濟事件，而不是從經濟事件去對應我們資料上的轉變。因此可能 在我們的資料期間是有發生一些經濟變化是我們資料沒辦法反應出來的，而且我 們所使用的方法只能假設資料只發生一次結構性轉變，如果資料波動較為劇烈可 能會有一些誤差產生。另外一方面，歐元區國家中的愛爾蘭和葡萄牙的股市資料 不完全，也限制了我們的研究。 在本研究中我們是利用各別國家的股市與匯市資料來做分析研究，如果我們 再拓展至兩個或三個以上國家的股市與歐元匯市的動態相關係數分析，對於軟體 分析其動態相關係數時間會過於冗長，因此造成我們研究上有些許不便。但是， 我們建議之後的研究，如果能夠找到愛爾蘭、葡萄牙兩國完整的股市資料，可以 將「歐豬五國 2」的股市和歐元匯率放在一起分析，看看期之間是不是有較明顯的 連動關係。另外，近期歐洲債主權務危機風暴持續擴大中，這也是我們能繼續關 注的重點之一，也是未來研究可以繼續追蹤的部分。. 2. 最早美國《新聞周刊》作家 Juliane Von Reppert-Bismarck 在 2008 年 7 月 7 號發行的雜誌上刊登所 使用，本來指南歐四國：葡萄牙（Portugal） 、意大利（Italy） 、希臘（Greece） 、西班牙（Spain） 。 由於四個國家文化傳統、地理位置比較接近，且最近幾年經濟增長停滯不前，失業率高，而四個國 家字頭又可以組成"PIGS"。後來連愛爾蘭（Ireland）經濟也開始出現問題，同樣面對財政赤字，所 以將愛爾蘭加入，歐豬四國就變成歐豬五國（PIIGS）. ~ 48 ~.
相關文件
This study was conducted using the key factor from Technology Acceptance Model (TAM), Theory of Reasoned Action, Diffusion of Innovation, and Involve Theory to explore the
自從 1973 年布列敦森林協定(the Bretton Woods Agreement)崩潰後，各國紛紛放棄 釘住美元下的固定匯率制度(the fixed exchange rate system)，而改採讓匯率自由
In this study, Technology Acceptance Model (TAM 2) is employed to explore the relationships among the constructs of the model and website usage behaviors to investigate
The main purpose of this study is to explore the status quo of the food quality and service quality for the quantity foodservice of the high-tech industry in Taiwan;
IMF 為 協助蒙國國際收 支平衡，透過「緊 急貸款計畫（ Rapid Financial Instrument） 」批准 7,400 萬歐元提供蒙國優惠融資。... 2007 年與中歐國家
淨 FDI 流入對塞國而言代表經濟發展持續動能與國際競爭力。2019 年 FDI 淨流 入達歷史新高 36 億歐元，惟 2020 年僅 29 億歐元，約占 GDP 6.2%，倘扣除該年度
The temperature angular power spectrum of the primary CMB from Planck, showing a precise measurement of seven acoustic peaks, that are well fit by a simple six-parameter
歐盟於 8 日表示，每當歐洲男性賺進一歐元時，女性從事同樣的工作僅能賺進 0.86 歐元，為了消除女性與男性的薪資落差，歐洲國家訂定 11 月
