投資人可否從券商推薦的股票獲利？ - 政大學術集成

全文

(1)國立政治大學金融學(系)研究所碩士學位論文. 投資人可否從券商推薦的股票獲利？ Can investors profit from brokerages’ stock recommendations?. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. al. n. v i n Ch 指導教授：陳威光博士、林靖庭博士 engchi U 研究生：張清發. 中華民國 105 年 06 月.

(2) 誌謝首先诚挚的感謝陳威光老師與林靖庭老師，給與學生許多寶貴的建議與指導，使我能順利的完成論文，也讓我這段過程中受益匪淺，僅此致最深之謝忱，提攜勉勵之情，畢生永難忘懷。因為個人因素，在完成這份論文過程中，許多部份做得不是很好，謝謝威光老師與靖庭老師在這一段時間對學生的包容與幫助。感謝撥空參加口試的教授們，政治大學的郭維裕教授、中央大學的徐政義教授、文化大學的婁天威教授，要感謝您們對本篇論文提出的寶貴建議，讓學生體會到還有許多值得深入思考的地方。. 政治大. 感謝政大金融所的每位同學，沒有你們，我的研究所求學生涯不會如此開心，. 立. 無論人生的下一階段是交換學生、保家衛國、持續奮戰或步入職場，希望能持續. ‧ 國. 學. 保持聯絡，你們是我生命中非常重要的資產。衷心感謝共同努力論文的研究室戰友，梓健、正傑、育昰、培菱、絮茹與姜悅，報告討論、論文討論、期末考試討. ‧. 論，挑燈夜戰的每個凌晨有你們的陪伴，讓再苦的汗水也變得香甜。要特別感謝梓健，沒有你在最後的幫助，我真的無法順利完成這一份學位，梓健身為陸生卻. y. Nat. n. al. er. io. sit. 熱心幫助同學，扛起許多繁瑣的事務，讓我非常敬佩與感動。. i n U. v. 感謝我至愛的爸媽，這兩年忙碌於實習、課業、論文與找工作，你們也沒有. Ch. engchi. 怨言，反而更加的關心我，使得我最後這一段求學生涯無後顧之憂，才得以順利完成我的學業，你們是我最強力的後盾。. 最後特別感謝湘韻，陪伴我一起度過學生身份的最後一年，這一年我十分忙碌，感謝妳一路的扶持與體諒，你的打氣與默默支持更是我前進的動力，未來還有很長的路要走，我們一起加油！. 張清發謹識於政治大學金融研究所中華民國一零五年六月 I.

(3) 中文摘要過去國內文獻大致指出投資人難以依靠券商的投資建議獲利，此與大部份國外文獻的發現相異。本文參考 Barber et al. (2001)，建構一個適用於台灣股票市場的研究方法，再以四因子模型做實證。本文以 2007 年 3 月至 2015 年 12 月，共 48987 筆卷商個股報告為研究樣本，來探討券商報告的投資建議能否獲利。本文研究結果發現，台灣的券商報告擁有額外的資訊價值，此與 Barber et al. (2001) 及其他國外文獻大致相同。. 政治大. 本研究依券商的推薦強度建構四個投資組合。發現推薦程度高的投資組合平. 立. 均月報酬為正，且高於大盤；而推薦程度低的投資組合平均月報酬顯著低於大盤，. ‧ 國. 學. 且擁有顯著的負超額報酬。本文進一步建構買進賣出策略，即買進推薦股票高的投資組合並賣出推薦程度低的投資組合，發現此策略報酬顯著高於零及大盤，且. ‧. 存在顯著的正超額報酬。另外在台股多頭期間，本研究的實證結果更加顯著，推. y. Nat. sit. 薦程度高的投資組合平均月報酬增加至顯著高於大盤，且超額報酬顯著為正；推. n. al. er. io. 薦程度低的投資組合之大盤調整報酬及負超額報酬的顯著程度提高；而買進賣出策略獲得超額報酬的顯著程度也大幅提高。. Ch. engchi. i n U. v. 關鍵字：券商推薦、分析師推薦、券商評等、交易策略、市場效率、超額報酬. I.

(4) Abstract Past Taiwanese literatures generally indicated that it is difficult to obtain profit from Taiwanese stock recommendations of brokerage, which is different from most of foreign literatures. Referring to Barber et al. (2001), we improve and build a research methodology applied to Taiwanese stock market, conducting empirical analysis with four-factor model. From March 2007 to December 2015, we use total 48987 brokers’ stock recommendations as sample to investigate whether inventors could earn profit from the broker recommendations. Our empirical results show that Taiwanese broker reports hold additional information, which is consistent with Barber et al. (2001) and most of foreign literatures.. 政治大. According to the strength of recommendation, we construct four portfolios and find. 立. that the return of the most favorable portfolio is higher than market, while the return. ‧ 國. 學. of the least favorable portfolio is significantly smaller than market and holds significantly negative access return. We further construct a long-short strategy, which. ‧. buys the most favorable portfolios and shorts the least favorable portfolios. The return of this strategy is significantly higher than market, and excess return is significantly. y. Nat. sit. positive. During Taiwanese bull market, the significance of our empirical result. er. io. improves. The significance level of market-adjusted return and access return for both. al. v i n level of excess return for long-short improves. C hstrategy also greatly engchi U n. the most favorable and least favorable portfolio is higher. In addition, the significance. Key Words: Analyst recommendations, Stock recommendations, Investment recommendation, Efficient Market, Trading Strategy, Abnormal Return. II.

(5) 目次. 中文摘要 .................................................................................................................................... I Abstract ..................................................................................................................................... II 目次 .......................................................................................................................................... III 表次 .......................................................................................................................................... IV 圖次 ........................................................................................................................................... V 第一章緒論 ........................................................................................................................... 1 第二章文獻回顧 ................................................................................................................... 4. 政治大. 第三章樣本選取與研究方法 ............................................................................................... 8. 立. 第一節樣本選取 ............................................................................................................... 8 樣本來源 ............................................................................................................. 8. 二、. 推薦分類 ........................................................................................................... 12. ‧. ‧ 國. 學. 一、. 第二節研究方法 ............................................................................................................. 16 投資組合建構 ................................................................................................... 16. 二、. 報酬衡量 ........................................................................................................... 19. er. io. sit. y. Nat. 一、. 第四章實證結果與分析 ..................................................................................................... 22. n. al. Ch. i n U. v. 第一節全部期間 ............................................................................................................. 22. engchi. 第二節多頭期間 ............................................................................................................. 27 第五章結論與後續研究 ..................................................................................................... 31 參考文獻 ................................................................................................................................. 34. III.

(6) 表次表 1：樣本包含券商一覽............................................................................................. 8 表 2：各券商發佈報告數目及比例............................................................................. 9 表 3：推薦股票的產業分類....................................................................................... 11 表 4：台灣券商推薦程度分布................................................................................... 13 表 5：台灣券商推薦程度分類................................................................................... 14 表 6：投資組合建構示例........................................................................................... 17 表 7：本研究的投資組合與 Barber et al. (2001)比較 .............................................. 18 表 8：本研究投資組合之敘述統計量....................................................................... 18 表 9：四因子模型變數定義....................................................................................... 20 表 10：全部期間實證結果......................................................................................... 26 表 11：多頭期間實證結果......................................................................................... 30. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(7) 圖次圖 1：2007 年 4 月至 2016 年 1 月各投資組合幾何平均年報酬.............................. 3 圖 2：全部期間投資組合四的每月大盤調整報酬................................................... 23 圖 3：全部期間買進賣出策略的績效回測............................................................... 24 圖 4：全部期間買進賣出策略的每月報酬............................................................... 24 圖 5：台灣股市熊市期間........................................................................................... 27 圖 6：多頭期間投資組合四的每月大盤調整報酬................................................... 28 圖 7：多頭期間買進賣出策略的每月報酬............................................................... 29. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. V. i n U. v.

(8) 第一章. 緒論. 賣方的分析師推薦報告裡會對股票的未來營運做預測，並依財務預測結果來給予股票評等，來刺激買方的機構法人下單，以賺取手續費。而較不能第一手接觸到券商報告的散戶也會以此做為買入股票的參考，因此賣方分析師偏向出具買入的報告來促使投資人購買股票，如此才可以賺取較多的手續費(Cowen, Groysberg and Healy, 2006; Jackson, 2005; Agrawal and Chen, 2012; Irvine, 2004)。同時賣方分析師也避免發佈賣出評等，來藉此與公司維持良好關係，以獲取第一. 政治大. 手的公司營運資訊。更甚者，投資銀行大多同時經營研究部門以及投資銀行部門，. 立. 分析師在出具報告時有時會受到來自投資銀行部門的壓力，被迫發佈評等偏樂觀. ‧ 國. 學. 的報告，來避免得罪客戶，同時方便投資銀行部門與客戶經營關係，因此賣方分析師的評等經常受到左右。以學術觀點來看，這些分析師的券商報告對法人來說. ‧. 是公開資訊，依據股票效率市場來說，投資人無法藉公開資訊來獲得超額報酬，. y. Nat. sit. 但對資訊與資源較落後的散戶來說，可能就不是公開資訊，在以上眾多因素交雜. n. al. er. io. 下，投資人會浮出一個問題，依照券商的評等來操作股票可以獲利嗎？. Ch. engchi. i n U. v. 這個問題是一直備受討論的議題，而研究大致分為兩類，一種是研究券商報告的長期績效，例如 Barber et al. (2001)；另一種是研究券商報告發佈當下對股價的影響，例如 Womack(1996)、Green(2006)，這些文獻都指出券商報告含有額外資訊，具有參考的價值。雖然偶有少數幾篇國外文獻認為券商報告不具內含價值，但大部份的國外文獻認為券商報告是含有額外資訊，且可以此做為參考或建構投資策略來獲利。但本文卻發現大部份國內文獻的研究結果與國外不一致，指出券商報告不含有額外資訊或超額報酬，不具參考價值。本文猜測可能原因為樣本取樣過於單一，且研究期間太短，造成樣本代表性不足，例如蕭秋芸(1997)、邱淑珍(1997)、陳建成(1999)、劉貞芸(2004)與鄭雯芳(2009)研究期間皆不超過兩年。 1.

(9) 本研究採訪數位外資券商的分析師，包含德意志銀行、瑞士銀行、摩根士丹利、大和證卷，他們認為因為券商報告是以基本面分析股票，而非技術分析，所以短期要依靠報告來操作股票獲利是有難度的。但若是長期的話，他們相信報告具有一定程度的參考價值，且券商報告較少考慮大盤，可能一檔股票基本面佳，因此給予買入評等，但可能當時大型系統風險發生，造成股票的報酬為負，即券商報告較少考量到系統風險，但以長期的觀點來看，基本面佳的股票報酬仍為正，因此本研究偏向以研究股票的長期績效為主。. 政治大市相差甚多，股票數目較少，且券商分析師也較少，被賣方列入定期追蹤股票也立本研究主要參考 Barber et al. (2001)的研究方法，但台灣股市的特性與美國股. 較少，造成整體出具的報告較少，因此本研究除了參考 Barber et al. (2001)的研究，. ‧ 國. 學. 也對研究方法做了許多因應台灣股市特性的調整。本研究初步依據賣方分析師對. ‧. 股票的平均推薦強度把股票分為四個投資組合，並在每月底根據平均推薦強度的. y. Nat. 改變調整投資組合。初步發現最受推薦的股票組合成之投資組合平均每年打敗大. er. io. sit. 盤 1.37%，而最不受推薦股票組合成之投資組合平均每年落後大盤 7.47%。本文進一步建構一個買進賣出投資策略，買進最受推薦股票組成的投資組合，並賣出. al. n. v i n 最不受推薦股票組成的投資組合，平均每年可賺取 8.45%的報酬，如圖 1 所示。 Ch engchi U 而本研究的實證結果指出券商報告具有額外資訊，且在四因子模型下具有超額報. 酬，投資人可以此做為股票操作之參考。. 本研究第二章為文獻探討，回顧文獻，並指出本研究與過去台灣相關文獻相異之處，第三章為研究方法，其中說明本文研究方法與 Barber et al. (2001)的不同之處，第四章為實證結果，第五章為結論。. 2.

(10) 9%. 8.45%. 7%. 5%. 4.80% 4.04% 3.43% 2.54%. 3%. 1% P1(Most favorable). P2. -3%. 立. -5%. P3. P4(Least Favorable). Market. P1-P4. 政治大 -4.04%. ‧. ‧ 國. 學. 圖 1：2007 年 4 月至 2016 年 1 月各投資組合幾何平均年報酬. io. sit. y. Nat. n. al. er. -1%. Ch. engchi. 3. i n U. v.

(11) 第二章. 文獻回顧. Diefenbach(1972)為最早研究券商報告績效的文獻，以 1967 年 11 月 17 日至 1969 年 5 月 23 日為研究期間，但因為早期資料搜集較困難，只把報告分為買進和賣出兩類，並以一年做為操作時段，研究結果發現買進評等報告之投資績效只比 S&P 425 略高 2.7%，但賣出評等之報酬顯著比 S&P 425 低 11.2%，不過此文獻只考慮絕對報酬，並無把風險因子納入考量。. 政治大 Roundtable 中 65 位基金經理人共立 1751 次推薦次數做為研究樣本，結果發現若基 Desai & Jain(1995)以 1968 年至 1991 年為研究期間，以 Barron’s Annual. ‧ 國. 學. 金經理人在買進報告發佈前自行操作則有 1.91%的超額報酬，但在報告公開後，其超額報酬則不顯著；而賣出報告則不管在報告公開前後，超額報酬都顯著為. ‧. 負。. sit. y. Nat. al. er. io. Womack(1996)以 1989 年至 1991 年為研究期間，美國前 14 大券商共 1573. v. n. 筆資料為研究對象，根據券商評等改變來分類報告，分成 Add-to-buy、Add-to-sell、. Ch. engchi. i n U. Remove-to-buy、Remove-to-sell 四類，並以三因子、規模調整、產業調整三種模型來計算超額報酬，結果發現評等上調(Add-to-buy、Remove-to-sell)之六個月報酬不顯著，但評等下調(Add-to-sell、Remove-to-buy)之六個月報酬則顯著，也發現券商傾向推薦市值較大以及投資經理人關注的股票。. Barber et al. (2001)以 1985~1996 年為研究期間，4340 位分析師共 361620 次的推薦為研究樣本，並依每股票的推薦分為五個評等，由高到低分別給予 1 至 5 的分數，再把每檔股票的的所有卷商分數平均做為平均評等，再以平均評等把股票分為五個投資組合，每日依據平均評等重新調整投資組合，結果發現，平均推 4.

(12) 薦程度高的投資組合在四因子模型下有顯著的的年異常報酬 4.13%，而平均推薦程度低的投資組合在四因子模型下有顯著的負異常報酬-4.91%，由此證明券商報告具有額外的資訊價值，但在扣掉頻繁交易所致的手續費後，無法由此交易策略獲利。. Jegadeesh(2004)以 1985~1998 為研究期間，並以 Zacks 資料庫的股票為研究樣本，以 12 項變數來做為分析師偏好的股票特性，結果發現券商分析師較常推薦有魅力的股票，即具有高成長動能、高交易量、價格昂貴的股票，但假使股票. 政治大的基本面，則其表現反而低於預期。立. 本身具有良好的基本面，則可以增加股票的推薦價值，反之若股票本身不具優良. ‧ 國. 學. Green(2006)以 1999~2002 年為研究期間，探討券商報告評等改變對股票的. ‧. 短期影響，研究結果發現迅速買進評等上調的股票在 2 天可以獲利平均報酬. y. Nat. 1.05%，反之，迅速放空評等下調的股票在 2 天內可以獲得平均報酬 1.50%，平. er. io. sit. 均一天擁有 0.1%的超額報酬，年化報酬高達 30%，顯示券商報告可以做為短期的策略操作方式，且越早接觸券商報告的投資者越有利。. n. al. Ch. engchi. i n U. v. 綜觀國外的文獻，研究大致顯示券商報告具有額外的資訊內涵，具有參考的價值，但大部份國內文獻的研究結果都與國外不一致，可能原因為樣本代表性較不足，且研究期間也不夠長，最早蕭秋芸(1997)以錢雜誌專欄的選股推薦為研究對象，結果發現持有買進推薦的股票在一年無法獲得超額報酬，且長期的超額報酬通常為負，以長期(半年或一年)而言，分析師之推薦反而為反指標，但其研究期間僅有 1994 年 4 月至 1995 年 12 月。. 5.

(13) 邱淑珍(1997)以國內證券投顧業者對本身客戶發行的月刊、週刊之股票推薦為研究對象，月刊研究期間為 1995 年 1 月至 1996 年 12 月，週刊為 1995 年 6 月 19 日至 1997 年 1 月 11 日，結果顯示月刊之推薦股票不含額外的資訊內涵，投資者無法藉由該推薦資訊獲取超額報酬，而空頭時期週刊之推薦股票可視為賣出指標。. 陳建成(1999)以自立晚報之「超級推薦」專欄為研究對象，研究期間為 1997 年 1 月 28 日至 1998 年年 8 月 5 日，共 425 個交易日，以 Brown & Wamer(1985). 政治大公佈的券商買進推薦獲得超額報酬。立. 的事件研究法，配合「市場模式」估計異常報酬，研究結果發現無法藉由報紙上. ‧ 國. 學. 劉貞芸(2004)以經濟日報每週的「每週精選潛力股」專欄為研究樣本，2004. ‧. 年 1 月至 2005 年 10 月為研究期間，同樣採用 Brown & Wamer(1985)的事件研究. y. Nat. 法，再配合「市場模式」估計異常報酬，結果顯示在事件日當日後即無超額報酬，. er. io. sit. 且損失隨著時間而增加。. al. n. v i n 鄭雯芳(2009)以 2007 年 3C 月至 2008 年 9 月為研究期間，樣本為 TEJ 所提供 hengchi U. 的券商投資建議資料庫，以平均月報酬和四因子模型為研究方法，結果發現無法藉由券商的推薦報告獲利，但其所有四因子模型中的市場溢酬因子皆無顯著。. 徐子然(2014)，研究期間為 2008 年至 2013 年，樣本取自 TEJ 所提供的券商投資建議資料庫，總共 6061 筆數據，主要研究券商報告的績效分析，此文獻研究期間主要為 2008 年 1 月至 2012 年 12 月，並以 2013 年來做為穩健性的樣本外測試，但兩段期間的研究結果卻不相同，2008 年至 2012 年的券商推薦絕對報酬無顯著大於零，但 Jensen’s alpha 卻顯著大於零，而 2013 年的券商推薦絕對報酬. 6.

(14) 顯著大於零，但 Jensen’s alpha 卻顯著小於零，絕對報酬與 Jensen’s alpha 符號相反是值得注意的地方。. 總結過去的台灣文獻，不外乎研究樣本來源過於單一，代表性不足，或研究期間偏短，且研究結果大致指出券商報告不具有額外的內涵資訊，此與國外文獻相反，而本研究與過去台灣文獻不同之處在於，本研究參考 Barber et al. (2001) 的研究，並因應台灣股票市場的特色對研究方法做調整，所得出來的結果大致與 Barber et al. (2001)一致，此為本研究與過去文獻主要不同之處，除此之外，本研. 政治大. 究樣本相較過去台灣文獻較為齊全，研究期間也長達 9 年。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 7. i n U. v.

(15) 第三章. 樣本選取與研究方法. 第一節. 樣本選取. 一、樣本來源本研究的樣本來源為台灣經濟新報資料庫(TEJ)的上市(櫃)券商投資建議資料庫，研究期間為 2007 年 3 月至 2015 年 12 月底的日頻率資料，共 49118 筆推薦，樣本包含已下市或下櫃的股票，但因為券商有時會發佈未具評等及目標價的報告共 131 筆，內容僅包含對公司重要事件的敘述或短評，因此本文扣除之，最. 政治大的前三大券商皆為本土券商，分別為元大投顧，佔 13%，康和證券，佔 9%，最立後研究樣本為 48987 筆，其中共包含 54 家券商，如表 1 所示。而發佈最多報告. n. al. Ch. 德意志銀行摩根士丹利摩根大通蘇格蘭皇家. engchi. 元富投顧日盛投顧台証投顧未來資產投永豐金證券玉山證券兆豐証券宏遠證券亞東證券. 8. y. 奔亞證券金鼎投顧建華証券國泰證券國票證券康和證券第一投顧. sit. 大展證券大眾證券大華投顧大慶證券工銀證券中國信託證元大投顧. er. 港商里昂港商馬來亞港商野村港商聯昌證匯豐詹金寶瑞士信貸雷曼兄弟. io. 英商巴克萊英商瑞銀馬來亞銀行荷銀證券麥格里證券. 台資. Nat. 三星證券大和國泰太平洋證巴黎證券花旗環球美林證券美商高盛. 表 1：樣本包含券商一覽. ‧. 外資. ‧ 國. 進的報告。. 學. 後為工銀證券，佔 7%，而從平均評等都幾乎小於 3 也可以發現券商偏向發佈買. i n U. v. 統一証券凱基証券富邦證券復華證券華南投顧群益証券福邦證券寶來投顧.

(16) 表 2：各券商發佈報告數目及比例券商名稱. 發佈報告數目. 報告數目佔比. 發佈報告平均評等. 元大投顧. 6519. 13.27%. 2.47. 康和證券. 4399. 8.96%. 2.61. 工銀證券. 3521. 7.17%. 2.51. 兆豐証券. 3079. 6.27%. 2.83. 元富投顧. 2335. 4.75%. 2.40. 永豐金證券. 2313. 4.71%. 2.47. 玉山證券. 2119. 4.31%. 2.74. 日盛投顧. 1725. 3.51%. 2.60. 大華投顧. 1398. 2.85%. 2.72. 瑞士信貸. 1373. 2.80%. 2.56. 2.63% 治政 1284 2.61%大 2.41% 立1184 1291. 台証投顧群益証券美林證券. 國泰證券宏遠證券. al. n. 第一投顧. io. 中國信託證. Nat. 麥格里證券. 2.39%. 1051. 2.14%. 1021. 2.08%. 2.71. 1005. 2.05%. 2.27. 987. 2.01%. 970. 1.97%. y. 摩根大通. 1173. ‧. 花旗環球. 2.62. 2.62. 964. 1.96%. 2.77. 950. 1.93%. 學. 美商高盛. ‧ 國. 摩根士丹利. 2.58. sit. 凱基証券. 2.48. er. 統一証券. i n C 930h e i U n g c h1.89% 931. 1.90%. v. 2.77 2.69. 2.71. 2.60 2.51 2.47. 795. 1.62%. 2.86. 富邦證券. 664. 1.35%. 2.35. 德意志銀行. 650. 1.32%. 2.46. 英商瑞銀. 615. 1.25%. 2.72. 匯豐詹金寶. 556. 1.13%. 2.61. 港商里昂. 502. 1.02%. 2.61. 英商巴克萊. 493. 1.00%. 2.55. 巴黎證券. 419. 0.85%. 2.53. 太平洋證. 390. 0.79%. 2.78. 港商野村. 365. 0.74%. 2.52. 大和國泰. 317. 0.65%. 2.50. 大展證券. 308. 0.63%. 2.80. 9.

(17) 國票證券. 261. 0.53%. 2.72. 港商聯昌證. 59. 0.12%. 2.56. 大慶證券. 44. 0.09%. 2.64. 蘇格蘭皇家. 35. 0.07%. 2.69. 華南投顧. 22. 0.04%. 2.82. 建華証券. 20. 0.04%. 2.00. 雷曼兄弟. 17. 0.03%. 2.59. 福邦證券. 16. 0.03%. 2.75. 寶來投顧. 15. 0.03%. 2.53. 三星證券. 9. 0.02%. 3.00. 亞東證券. 6. 0.01%. 2.17. 奔亞證券. 4. 0.01%. 2.50. 荷銀證券. 4. 大眾證券. 總計. 0.00%. 3.00. 2. 0.00%. 2.00. 1. 0.00%. 1. 0.00%. 1.00. 1. 0.00%. 2.00. 49118. 100.00%. ‧. 港商馬來亞. ‧ 國. 復華證券. 2. 3.00. 學. 未來資產投. 2.25. 立. 金鼎投顧馬來亞銀行. 0.01% 治政 3 0.01%大. 4.00. Nat. sit. y. 2.59. n. al. er. io. 樣本 49118 筆推薦中共包含 1358 檔股票，其中以電子零組件佔比最高. Ch. i n U. v. 11.78%，其次為半導體 10.68%，第三是光電業 9.79%，都是科技產業，主要原. engchi. 因為台灣的科技產業較蓬勃發展。而券商出具報告數目最多的產業為半導體 18.32%，其次為光電業 12.04%，可見券商較喜歡推薦科技產業的股票，可能原因為科技產業股票的波動大，可以提供交易的機會較多，且大多為具高度成長的明星股票，而這些特性都會令投資人較頻繁的進出，從而為券商創造較多的手續費。. 10.

(18) 表 3：推薦股票的產業分類股票數目. 股票數目佔比. 報告數目. 報告數目佔比. 電子零組件. 160. 11.78%. 4567. 9.30%. 半導體. 145. 10.68%. 8996. 18.32%. 光電業. 133. 9.79%. 5916. 12.04%. 生技醫療. 95. 7.00%. 1758. 3.58%. 電腦及週邊. 86. 6.33%. 4809. 9.79%. 電機機械. 82. 6.04%. 1861. 3.79%. 其他. 81. 5.96%. 1602. 3.26%. 通信網路業. 77. 5.67%. 3652. 7.44%. 其他電子業. 59. 4.34%. 2147. 4.37%. 建材營造. 57. 鋼鐵工業. 40 立 36. 化學工業. 塑膠工業. 1.89%. 32. 2.36%. 658. 1.34%. 31. 2.28%. 622. 1.27%. 31. 2.28%. 701. 1.43%. 26. 1.91%. 515. 26. 1.91%. 306. 26. 1.91%. 495. 25. 1.84%. 889. 1.81%. a25l. 1.84%. 1149. iv n1346. 2.34%. 455. 0.93%. n. 航運業. io. 貿易百貨. 927. 24. Ch. 1.77%. e n1.18% gchi U. y. 食品工業. Nat. 資訊服務業. 2.65%. sit. 觀光事業. 5.50%. ‧. 紡織纖維. 2.85%. 學. 電子通路業. ‧ 國. 金融業. 治 1400 政 4.20% 大2700 2.95%. er. 產業類別. 1.05% 0.62% 1.01%. 2.74%. 文化創意業. 16. 橡膠工業. 11. 0.81%. 405. 0.82%. 電器電纜. 8. 0.59%. 66. 0.13%. 汽車工業. 7. 0.52%. 310. 0.63%. 造紙工業. 6. 0.44%. 118. 0.24%. 油電燃氣業. 5. 0.37%. 212. 0.43%. 玻璃陶瓷. 4. 0.29%. 42. 0.09%. 水泥工業. 4. 0.29%. 494. 1.01%. 1358. 100%. 49118. 100%. 總計. 本文也引用台灣經濟新報的其他資料，例如：無風險利率、市場投資組合報酬率、個股報酬率、股票的市值。 11.

(19) 二、推薦分類由於台灣各家券商報告的評等方式皆不相同，因此本研究根據各家報告的推薦強度把報告統一分類成 7 種評等，推薦程度為強力買進則為 1，推薦程度為買進則為 2，推薦程度為中立則為 3，推薦程度為賣出則為 4，推薦程度為強力賣出則為 5，若推薦程度介於中立與買進之間則為 2.5，若介於中立與賣出之間則為 3.5，其中共有 4271 篇報告沒有評等只有目標價，因此本研究以目標價除以發佈日收盤價作為潛在漲幅，潛在漲幅>=30%給予評等 1，30%>潛在漲幅>=15%給予評等 2，15%>潛在漲幅>=-5%給予評等 3，-5%>潛在漲幅>-15%給予評等 4，潛. 政治大. 在漲幅<=-15%給予評等 4，所有詳細歸類方法如表 5 所示。. 立. ‧ 國. 學. 與 Barber et al. (2001)不同的是，因為美國的券商報告資料庫較為齊全，因此各家券商報告的評等，資料庫已經統一分類好了，例如 I\B\E\S 資料庫將券商評. ‧. 等分成五個等級，1 為 Strong buy，2 為 Buy，3 為 hold，4 為 Underperform，5. sit. y. Nat. 為 sell，而台灣因為較無類似的資料庫，且對券商報告搜集較詳細的只有 TEJ 資. al. er. io. 料庫，但 TEJ 並沒有對券商報告統一分類，因此本研究依據報告的推薦程度，. v. n. 採用手動分工統一把報告分成七種類別。總而言之，與 Barber et al. (2001)相同是. Ch. engchi. i n U. 最高及最低評分別為 1 及 5，此與 Bloomberg、I\B\E\S、Thomson 等知名券商報告資料庫亦相同，不同的是本研究在 1 至 5 的範圍內細分成七種等級。. 與過去台灣研究不同的是，過去相關文獻只有把券商報告分成三類，買進、中立及賣出，例如鄭雯芳(2009)等。而本研究根據報告的推薦程度以及目標價把券商報告分成 7 種類別，本研究認為三種類別不能確切區分出研究報告的推薦程度差異，例如券商很少發佈強力買進的評等，代表強力看好，若把強力買進歸為買進，加上買進評等又是台灣券商最喜歡發佈的評等，如此則不能正確區分出券商對一支股票的推薦強度，表 4 為台灣券商的推薦程度分布，可以看出券商較偏 12.

(20) 向發佈的評等為買進及中立，因此若只分成三類，則不能確切區分出最推薦的股票以及最不推薦的股票。表 4：台灣券商推薦程度分布推薦強度. 數量. 比例. 1. 550. 1.12%. 2. 22218. 45.35%. 203. 0.41%. 22961. 46.87%. 8. 0.02%. 4. 2903. 5.93%. 5. 144. 0.29%. 2.5 3 3.5. 總共. 立. 治政 48987 大. 100%. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 13. i n U. v.

(21) 表 5：台灣券商推薦程度分類 Equal Weight 偏多大盤止跌後分批佈局中長期佈局可短多操作可擇機介入再行佈局拉回後買進，偏多操作區間偏多區間偏多操作區間買進淡季逢低買進逢低佈局，偏多操作逢低買進，偏多操作短多操作. Equal Weight Hold NEUTRAL 大盤表現相符小量區間操作中立中立(降) 中立觀望中立觀望逢低買進中性中性持有中性看待回檔再留意低接操作技術性操作拉回可低接拉回可承低接拉回可留意拉回可逢低布局拉回可逢低承接拉回再行佈局拉回再低接拉回佈局拉回低接拉回承接拉回逢低承接 15%>潛在漲幅>=-5%. ‧ 國. 立. 政治大. al. er. sit. y. ‧. 買點浮現超出大盤超出大盤表現超越大盤超越大盤表現維持買進增加持股增持優於大盤優於大盤/加碼優於大盤表現優於市場表現優與大盤表現. 3. 學. ADD Buy Outperform Over Weight Trading Buy 加碼加碼買進由於大盤表現先前買進表現超越大盤表現優於大盤 30%>潛在漲幅>=15% 表現優於同業表現優於指數長期持有長期買進持有-超越同業持續買進看好重申買進重申優於大盤偏多看待偏多操作買進買進高風險. 2.5. n. 亞太強烈買進突出表現強力買進強烈買進優先買進潛在漲幅>=30%. io. 2. Nat. 1. Ch. engchi. 14. i n U. v. 拉回逢低買進拉回買進股價已反應基本面股價回穩再行佈局股價拉回可留意表現與大盤相仿待大盤止穩待拉回再買進持平持有持股續抱留意低點布局酌量承接區間區間看待區間操作區間操作逢低承接符合大盤符合大盤表現符合市場表現逢回再買進逢回佈局逢回承接逢回買進逢低佈局. 逢低分批佈局逢低分批承接逢低加碼逢低可佈局逢低佈局逢低承接逢低留意逢低買進逢低進場維持維持中立維持觀望與大盤表現相仿與大盤表現相符與大盤相仿與市場相仿暫時中立暫時觀望操作繼續持有續抱權重相仿權重與大盤相仿觀望觀察保守.

(22) 3. 逢高減碼逢高賣出. REDUCE Sell Under Weight UNDERPERFORM 不如大盤不如大盤表現不看好反彈減碼列於大盤列於大盤表現劣於大盤劣於大盤/減碼劣於大盤表現低於大盤低於大盤表現低於市場表現空單進場空單續抱表現不如大盤表現劣於大盤表現低於大盤表現於大盤相仿表現落後大盤表現遜於大盤持有-落後同業看壞. 政治大. ‧. ‧ 國. 立. y. sit. er. n. al. 5. 學. 逢低分批佈局逢低分批承接逢低加碼逢低可佈局逢低佈局逢低承接逢低留意逢低買進逢低進場維持維持中立維持觀望與大盤表現相仿與大盤表現相符與大盤相仿與市場相仿暫時中立暫時觀望操作繼續持有續抱權重相仿權重與大盤相仿觀望觀察保守. io. 拉回逢低買進拉回買進股價已反應基本面股價回穩再行佈局股價拉回可留意表現與大盤相仿待大盤止穩待拉回再買進持平持有持股續抱留意低點布局酌量承接區間區間看待區間操作區間操作逢低承接符合大盤符合大盤表現符合市場表現逢回再買進逢回佈局逢回承接逢回買進逢低佈局. 4. Nat. Equal Weight Hold NEUTRAL 大盤表現相符小量區間操作中立中立(降) 中立觀望中立觀望逢低買進中性中性持有中性看待回檔再留意低接操作技術性操作拉回可低接拉回可承低接拉回可留意拉回可逢低布局拉回可逢低承接拉回再行佈局拉回再低接拉回佈局拉回低接拉回承接拉回逢低承接 15%>潛在漲幅>=-5%. 3.5. Ch. engchi. 15. i n U. v. 降低持股降低持股/減碼退場觀望減少持股減碼落後大盤落後大盤表現遜於大盤表現賣出賣出(降) 避開避開個股 -5%>潛在漲幅>-15%. 超跌優先賣出潛在漲幅<=-15%.

(23) 第二節. 研究方法. 一、投資組合建構本文參考 Barber et al. (2001)的研究方法，先計算個股平均評等，平均評等為在每月月底時，往前推一年內所有券商最新報告的評等分數之平均，最新報告意指在前一年內可能某券商對某一檔股票共出具了五份報告，則以最近期報告的評等做為某券商對那支股票的評等，平均評等的計算公式如下。 1 𝑛𝑖𝑡−1 𝐴̅𝑖𝑡−1 = 𝑛 ∑𝑗=1 𝐴𝑖𝑗𝑡−1. (3-1). 𝑖𝑡−1. ̅ it−1 為股票 i 在 t-1 月底的平均評等，nit−1為股票 i 在 t-1 月底往前其中A. 治政大 j 對股票 i 在 t-1 月底推一年內各券商對股票 i 的最新評等總數，A 為券商立 ijt−1. 往前推一年內的最新評等。. ‧ 國. 學 ‧. 根據此平均評等把股票分成四個投資組合，第一投資組合包含平均評等<2.5. y. Nat. 的股票，第二投資組合包含 2.5<=平均評等<3 的股票，第三投資組合包含平均評. er. io. sit. 等=3 的股票，第四投資組合包含平均評等>3 的股票，投資組合建構示例如表 6 所示。此分法可能有所武斷，不過此方法是本研究嘗試過多種分法後，樣本最為. al. n. v i n 平均散布到各投資組合，以及最為接近經濟意義的分法，投資組合一包含大部份 Ch engchi U. 為買進報告及少部份為強力買進報告的股票；投資組合二包含大部份為買進報告，部份為中立報告的股票；投資組合三包含大部份為中立報告的股票；投資組合四包含部分為中立報告，部份為賣出報告的股票。並在每月月底時重新計算各檔股票的最新平均評等，並根據此最新平均評等把股票分成四個投資組合，即在每月的月底重新調整投資組合。Barber et al. (2001)為每日根據最新平均評等重新調整投資組合，但台灣券商報告的發佈頻率並沒有美國券商那麼頻繁，因此本文以月做為研究單位，每月重新調整投資組合。. 16.

(24) 表 6：投資組合建構示例 n 月月底股票 1. 股票 2. 股票 3. 卷商 1 在 n-5 月的評等. 2. 5. 1. 卷商 2 在 n-8 月的評等. 3. 4. x. 卷商 3 在 n 月的評等. 4. x. x. 卷商 4 在 n-1 月的評等. x. x. 1. 卷商 5 在 n-14 月的評等(不考慮). 1. x. 3. 3.0. 4.5. 1.0. 第三投組. 第四投組. 第一投組. 平均評等. n+1 月月底：卷商 2 改變股票 1、2 之評等股票 1. 股票 2. 股票 3. 5. 1. 4->5. x. 4. x. x. 卷商 4 在 n-1 月的評等. x. x. 1. 卷商 5 在 n-14 月的評等(不考慮). 1. x. 3. 5.0. 1.0. 第四投組. 第一投組. 卷商 1 在 n-5 月的評等卷商 2 在 n+1 月的評等. 學. 2.3. ‧. 平均評等. ‧ 國. 卷商 3 在 n 月的評等. 立. 政治 2大 3->1. 第一投組. sit. y. Nat. n. al. er. io. 與 Barber et al. (2001)相異的是，本文只有分成四個投資組合，Barber et al.. v. (2001)則分成五個投資組合，主要原因為台灣券商有在定期追蹤的股票數目少於. Ch. engchi. i n U. 美國許多，且賣出評等更加稀少，因此本文推薦程度偏賣出的投資組合只有第四投資組合，而如表 7 所示投資組合四的平均股票數目較少並不意外，因為分析師較不傾向發佈賣出評等，本文分法與 Barber et al. (2001)的比較如表 7 所示。而由表 8 可以發現，投資組合的平均評等由一至四依序減少，投資組合四的股票平均市值最大，可知券商偏向給予大型股較差的評等，可能原因為大型股較缺乏成長空間。. 17.

(25) 表 7：本研究的投資組合與 Barber et al. (2001)比較本研究投資組合. 每月平均股票數目. 包含的股票之平均評等. 1. 202. 1<=平均評等<2.5. 2. 189. 2.5<=平均評等<3. 3. 180. 平均評等=3. 4. 31. 3<平均評等. Barber 投資組合. 每月平均股票數目. 包含的股票之平均評等. 1. 760. 1<=平均評等<=1.5. 2. 810. 1.5<平均評等<=2. 3. 646. 2<平均評等<=2.5. 4 5. 202. 42219. 189. 40879. 180. 11397. 4. io. 70973. 總計. 602. 2 3. 31. n. al. Ch. 28795. engchi. 18. 平均券商數目. i n U. 等. 13.37. 2.13. y. (單位：千元). 16.90. 2.63. 9.49. 3.00. 20.75. 3.43. 12.49. 2.61. er. 數目. 給予每檔股票評等之平均評. sit. 每月平均股票包含股票之平均市值. ‧. ‧ 國. 表 8：本研究投資組合之敘述統計量. Nat. 1. 學. 投資組合. 立. 804 2.5<平均評等<=3 政 211治大3<平均評等. v.

(26) 二、報酬衡量 1.投資組合加權平均報酬本文以月資料為主，因此加權平均報酬算法為個股月報酬乘上其在前一個月底市值佔投資組合之比例，再加總，計算方式如下。 𝑛. 𝑡−1 𝑅𝑝𝑡 = ∑𝑖=1 𝑥𝑖𝑡−1 𝑅𝑖𝑡. (3-2). R pt 為投資組合在 t 月的加權平均報酬，R it 為股票 i 在 t 月的報酬，xit−1 為股票 i 在 t-1 月底的市值佔投資組合的比例，nt−1為投資組合在 t-1 月底的數目。. 政治大因為市值小股票的公司可能因為交易量或流通在外股數較少，因此難以購買到與立本研究使用加權平均報酬而不使用簡單平均報酬來計算投資組合績效的主. ‧ 國. 學. 權值股一樣的比重，因此若以簡單平均報酬來計算投資組合績效的話，可能會過度強調小型股的報酬，而扭曲真實結果。. ‧ sit. y. Nat. 2.大盤調整報酬. al. n. 酬減掉市場投資組合的報酬，計算方式如下。. Ch. engchi. er. io. 本文以月資料為主，因此大盤調整報酬算法為投資組合在 t 月的加權平均報. i n U. v. 𝑅𝑝−𝑏,𝑡 = 𝑅𝑝𝑡 − 𝑅𝑏𝑒𝑛𝑐ℎ𝑚𝑎𝑟𝑘,𝑡. (3-3). 𝑅𝑝−𝑏,𝑡 為投資組合在 t 期的大盤調整報酬，𝑅𝑝𝑡 為投資組合在 t 月的加權報酬， 𝑅𝑏𝑒𝑛𝑐ℎ𝑚𝑎𝑟𝑘,𝑡 為市場投資組合在 t 月的報酬。. 本文的市場投資組合報酬並非台灣加權指數，因為台灣加權指數不包含上櫃股票，但券商推薦的股票中，包含許多上櫃股票，因此本文的市場投資組合包含全部台灣上市和上櫃股票，報酬資料來源為台灣經濟新報。. 19.

(27) 3.四因子超額報酬本研究以 Carhart(1997)四因子模型來衡量投資組合的超額報酬，計算方法如下所示。 𝑅𝑝𝑡 − 𝑅𝑓𝑡 = 𝛼𝑝 + 𝛽𝑝 (𝑅𝑚𝑡 − 𝑅𝑓𝑡 ) + 𝑠𝑝 𝑆𝑀𝐵𝑡 + ℎ𝑝 𝐻𝑀𝐿𝑡 + 𝑚𝑝 𝑃𝑀𝑂𝑀𝑡 +∈𝑝𝑡. (3-4). 表 9：四因子模型變數定義變數名稱. 定義. 無風險利率𝑅𝑓𝑡. 一銀一年期定存利率. 市場風險溢酬. 市場投組報酬率(上市+上櫃)-無風險利率. 政治大. (𝑅𝑚𝑡 − 𝑅𝑓𝑡 ) 規模溢酬(𝑆𝑀𝐵𝑡 ) 每年 6 月第一個交易日，依上月(5 月)底的市值，由大至小排序重新分組。依 French 的定義，由三個小型投組的平均報酬率減三個大型投組的平均報酬率，因此又稱小型股溢酬，計算方式如下： =1/3*(小型高淨值市價投組+小型中淨值市價投組+小型低淨. 立. ‧ 國. 學. ‧. 值市價投組)- 1/3*(大型高淨值市價投組+大型中淨值市價投組+大型低淨值市價投組). Nat. y. sit. n. al. er. io. 淨值市價比溢酬每年 6 月第一個交易日，依上月(5 月)底的淨值市價比，由大 (𝐻𝑀𝐿𝑡 ) 至小排序重新分組，並排除淨值為負的公司，其中淨值市價比為第一季季報之淨值除以 5 月底之市值。依 French 的定義，由兩個高淨值市價比投組的平均報酬率減兩個低淨值市價比投組的平均報酬率，因此又稱價值型溢酬，計算方式如下： =1/2*(小型高淨值市價投組+大型高淨值市價投組)-1/2*(小型低淨值市價投組+大型低淨值市價投組) 動. 能. (𝑃𝑀𝑂𝑀𝑡 ). 因. Ch. engchi. i n U. v. 子每月更新一次，依兩個月之前的股票近 1 年(from month -13 to -2)的報酬率，由大到小排序重新分組。參考 French 的定義，由兩個近 1 年報酬表現佳的高動能投組的平均報酬率減兩個報酬表現差的低動能投組的平均報酬率，計算方式如下： =1/2*(小型高動能投組+大型高動能投組) -1/2*(小型低動能投組+大型低動能投組). 大型投組. 市值由大至小排序，前 50 分位數之市值加權報酬率. 小型投組. 市值由大至小排序，後 50 分位數之市值加權報酬率. 高淨值市價投組淨值市價比由大至小排序，前 30 分位數之市值加權報酬率中淨值市價投組淨值市價比由大至小排序，第 31-70 分位數之市值加權報酬率 20.

(28) 低淨值市價投組淨值市價比由大至小排序，第 71-100 分位數之市值加權報酬率高動能投組. 兩個月前(近 1 年)的報酬率由大至小排序，前 30 分位數之市值加權報酬率. 中動能投組. 兩個月前(近 1 年)的報酬率由大至小排序，第 31-70 分位數之市值加權報酬率. 低動能投組. 兩個月前(近 1 年)的報酬率由大至小排序，第 71-100 分位數之市值加權報酬率. 資料來源：TEJ. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 21. i n U. v.

(29) 第四章. 實證結果與分析. 本研究分兩個期間來做實證分析，一個為全部樣本期間，第二為台灣股市多頭期間，而不做台灣空頭期間實證的原因為台灣空頭時期偏短，且本文以月資料做實證，恐空頭期間的樣本會太少。. 第一節. 全部期間. 本節以全部樣本期間 2007 年 4 月到 2016 年 1 月做實證分析，並在每月月底. 政治大在每月月底重新調整投資組合立。並分別計算四個投資組合的每月加權平均報酬和時計算股票的最新平均評等，並根據最新平均評等把股票分成四個投資組合，即. ‧ 國. 學. 大盤調整報酬，並以每月加權平均報酬減無風險利率做為應變數，Carhart (1997) 的四因子做為自變數，使用月時間序列迴歸實證，結果由表 10 所示。. ‧ sit. y. Nat. 首先，投資組合的平均每月加權報酬由一至四逐漸遞減，且每月大盤調整報. al. er. io. 酬也隨推薦強度由高至低依序遞減，代表券商推薦強度越高的股票平均月報酬較. v. n. 高，推薦強度越低的股票平均月報酬較低，指出券商具有篩選股票的能力。. Ch. engchi. i n U. 第二，投資組合一的平均月加權報酬為四個投資組合中最高，平均每月擊敗大盤 0.14%，在四因子模型下，其超額報酬為正(t=0.8983)，且其報酬可以被規模溢酬所解釋，與規模溢酬呈顯著負相關，因此存在大公司規模效益，此雖與 Carhart (1997)不同，但與台灣過去研究相同，例如胡玉雪(1994)、張尊悌(1996)、林昭芃(2007) 、陳彥如(2007)等。而其報酬也可以顯著的被動能因子所解釋，代表投資組合一的報酬部份來自於動能，也顯示股票分析師喜歡給予上漲動能強的股票較高的評。總而言之，投資組合一的超額報酬雖未顯著，但其較高的平均月加權報酬來自於大公司規模溢酬和動能溢酬。 22.

(30) 第三，投資組合四的大盤調整報酬顯著為負，代表券商平均推薦程度為賣出的股票，其報酬是顯著劣於大盤，且在四因子模型下，其超額報酬顯著為負 (t=-2.10)，代表券商的賣出推薦報告具有額外的隱涵資訊，投資人可以放空券商推薦賣出的股票獲利。且其報酬只與四因子中的市場溢酬呈顯著正相關，代表其顯著的負報酬來自於其他未被四因子所解釋的變數，圖 2 顯示投資組合四的每月大盤調整報酬，共 106 個月，其中 63%的月份為負報酬。 7%. 5. 3. ‧ 國. n. al. er. io. sit. y. Nat. -5. ‧. -3. Apr-07 Aug-07 Dec-07 Apr-08 Aug-08 Dec-08 Apr-09 Aug-09 Dec-09 Apr-10 Aug-10 Dec-10 Apr-11 Aug-11 Dec-11 Apr-12 Aug-12 Dec-12 Apr-13 Aug-13 Dec-13 Apr-14 Aug-14 Dec-14 Apr-15 Aug-15 Dec-15. -1. 學. 1. 立. 政治大. -7. Ch. engchi. i n U. v. 圖 2：全部期間投資組合四的每月大盤調整報酬. 第四，若投資人買推薦程度最高的投資組合一，並放空平均評等最低的投資組合四，形成一個自我融資的買進賣出投資策略，並在每月底重新調整投資組合，可以獲得平均每月 0.75%報酬，顯著大於零(t=2.0925)，且在四因子模型下，超額報酬顯著為正(t=1.79)。圖 3 為買進賣出策略的績效回測，從 2007 年 4 月至 2016 年 1 月共可獲得連續複利報酬 205%，年化可得 8.4%的報酬。圖 4 為其每月報酬的直條圖，共 106 個月，其中 63%的月份為正報酬，除了擁有超額報酬外，其報酬也可以被動能因子，及大公司規模溢酬所解釋。 23.

(31) y. ‧. n. -5. io. -3. 學. -1. Nat. 1. sit. 3. %. ‧ 國. 5. al. 立. Ch. 24. engchi i n U. Jan-16. Sep-15. May-15. Jan-15. Sep-14. May-14. Jan-14. Sep-13. May-13. Our long-short strategy. Jan-13. Sep-12. May-12. Jan-12. Sep-11. May-11. Jan-11. Sep-10. May-10. Jan-10. Sep-09. May-09. Jan-09. Sep-08. May-08. Jan-08. Sep-07. May-07. 0.4. er. 7. Apr-07 Aug-07 Dec-07 Apr-08 Aug-08 Dec-08 Apr-09 Aug-09 Dec-09 Apr-10 Aug-10 Dec-10 Apr-11 Aug-11 Dec-11 Apr-12 Aug-12 Dec-12 Apr-13 Aug-13 Dec-13 Apr-14 Aug-14 Dec-14 Apr-15 Aug-15 Dec-15. 2.2 Benchmark. 2. 1.8. 1.6. 1.4. 1.2. 1. 0.8. 0.6. 圖 3：全部期間買進賣出策略的績效回測. 政治大. v. -7. 圖 4：全部期間買進賣出策略的每月報酬. 第五，對於券商平均推薦為中立的投資組合三，可以發現其平均月加權報酬. 約與大盤相等，且其動能因子顯著為負，代表其包含的股票大多為上漲動能較差. 的股票，也指出券商對於股票動能較弱的股票較偏向給予中立評等，而在表 8. 可以發現投資組合三為股票平均市值最小的投資組合，因此其報酬可被規模溢酬. 所解釋並不意外。最後，四個投資組合不意外都與市場溢酬呈顯著正相關。總而.

(32) 言之，本節證明券商報告確有其參考的價值，且券商報告擁有額外的隱涵資訊和顯著的超額報酬，而推薦賣出的股票尤為明顯。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 25. i n U. v.

(33) 表 10：全部期間實證結果 Coefficient estimates for the four-characteristic model Intercept. raw return. 0.4994 (0.8874). 0.0362 (0.3006). 3. 0.4670 (0.6737). 0.0038 (0.0184). 4. -0.147 (-0.2413). -0.6103** (-2.1541). All covered. 0.3545 (1.1395). -0.1087 (-1.0723). PMOM. Adjusted R2. 0.0975*** (2.7258). 0.95. (40.6000). (-4.0779). 0.1094 (0.9266). 0.9489*** (44.1960). -0.0300 (-0.8566). -0.0824* (-1.7787). -0.0310 (-1.0771). 0.96. -0.0560 (-0.3198). 1.0785*** (33.8499). 0.2456*** (4.7244). 0.0509 (0.7403). -0.0958** (-2.2466). 0.94. -0.6021** (-2.0997). 0.8839*** (16.9452). 0.1540* (1.8088). 0.0615 (0.5462). -0.0624 (-0.8940). 0.79. -0.1042 (-1.0020). 0.9992*** (52.8339). 0.0479 (1.5527). -0.0116 (-0.2848). -0.0229 (-0.9050). 0.89. 立. ‧ 國. HML -0.0765 (-1.3252). Nat. io. n. al. y. 2. 治 -0.1779*** 政1.0855*** 大. sit. 0.1320 (0.8983). ‧. 0.1355 (0.8566). SMB. 學. 1. 0.5987 (0.9620). Rm − Rf. er. Portfolio. Mean Mean Monthly market-adjusted value-equally return. i n U. v. 0.7458** 0.7458** 0.6120* 0.2037*** -0.3303*** -0.1401 0.1592* 0.12 (2.0925) (2.0925) (1.7870) (3.2701) (-3.2495) (-1.0420) (1.9089) 樣本期間為 2007 年 4 月至 2016 年 1 月，Mean Monthly value-equally raw return 為未扣交易手續費的平均月加權報酬，Mean market-adjusted return 為平均月加權報酬減去市場投資組合報酬，四因子模型的應變數為平均月加權報酬減去無風險利率，All covered 為包含所有股票的投資組合，P1-P4 為買進賣出策略投資組合，Rm-Rf 為市場溢酬，SMB 為規模溢酬，HML 為淨值市價比溢酬，PMOM 為動能因子，括號內為檢定異於 0 的 t 統計量。 P1-P4. Ch. engchi. 26.

(34) 第二節. 多頭期間. 本節實證樣本期間為 2007 年 4 月至 2007 年 11 月、2009 年 1 月至 2010 年 12 月、2012 年 1 月至 2015 年 6 月共三段時期，其中扣掉三段台股空頭時期，分別是金融海嘯 2007 年 12 月初至 2008 年 12 月底，歐債危機 2011 年 1 月初至 2011 年 12 月底，2015 年 7 月初至 2016 年 1 月底，熊市期間如圖 5 所示。. 立. 政治大. ‧. ‧ 國. 學. n. engchi. er. io. Ch. sit. y. Nat. al. 圖 5：台灣股市熊市期間. i n U. v. 實證結果由表 11 所示，首先，投資組合一擁有最高的平均月加權報酬，以及最高且顯著大於零的大盤調整報酬，具超額報酬顯著大於零，與無顯著的全部樣本期間相比，多頭期間投資組合顯著程度大幅提高。且報酬可以被動能因子以及大公司規模溢酬所解釋，此則與全部樣本期間的實證結果相同。. 第二，投資組合四的報酬顯著較大盤低，顯著程度較全部樣本期間高，且擁有顯著的負超額報酬(t=-2.46)，顯著程度也較全部樣本期間高，代表可以在股市多頭期間放空平均推薦為賣出的投資組合來獲得更高的超額報酬。而其四因子模型只與市場溢酬呈顯著正相關，代表其顯著的負超額報酬來自於其他未被四因子 27.

(35) 所解釋的變數。圖 6 顯示投資組合四的每月大盤調整報酬，共 74 個月，其中 64% 的月份為負報酬，負報酬月份數的比例較全部樣本期間微幅提高。. 7 5 3. -1 -3. Apr-07 Jul-07 Oct-07 Feb-09 May-09 Aug-09 Nov-09 Feb-10 May-10 Aug-10 Nov-10 Feb-12 May-12 Aug-12 Nov-12 Feb-13 May-13 Aug-13 Nov-13 Feb-14 May-14 Aug-14 Nov-14 Feb-15 May-15. 1. 立. -5. ‧ 國. 學. -7. 政治大. 圖 6：多頭期間投資組合四的每月大盤調整報酬. ‧ sit. y. Nat. 第三，買進賣出策略平均每月可獲得 1.01%報酬(t=3.15)，且在四因子模型下，. al. er. io. 超額報酬顯著程度比全部樣本期間更高(t=2.70)，其報酬只能被大公司規模溢酬. v. n. 微幅解釋，因此代表多頭期間的買進賣出策略的超額報酬來自於其他未被四因子. Ch. engchi. i n U. 所解釋的變數。圖 7 為其每月報酬直條圖，共 74 個月，其中 68%的月份為正報酬，正報酬月份數的比例較全部樣本期間高。最後，四個投資組合不意外都與市場溢酬呈顯著正相關。. 28.

(36) 7% 5 3. May-15. Feb-15. Nov-14. Aug-14. May-14. Feb-14. Nov-13. Aug-13. May-13. Feb-13. Nov-12. Aug-12. May-12. Feb-12. Nov-10. Aug-10. May-10. Feb-10. Nov-09. Aug-09. May-09. Feb-09. Oct-07. Jul-07. -1. Apr-07. 1. -3 -5 -7. 政治大. 圖 7：多頭期間買進賣出策略的每月報酬. 立. ‧ 國. 學. 總而言之，多頭期間的實證結果與所有樣本期間大致相同，代表本研究的實證結果具有一致性，但值得注意的是，多頭期間的顯著程度比所有樣本期間更高。. ‧. 而至於多頭時期券商推薦準確度提升的原因，本研究採訪許多外資券商分析師，. sit. y. Nat. 他們認為券商主要以公司的基本面分析股票，而較少考慮系統性風險，報告潛在. al. er. io. 假設穩定的大盤與經體經濟，但當金融海嘯等大型系統性風險發生時，投資人亂. v. n. 殺一通只想趕緊離開股市，不管基本面好或壞的股票，一樣都是跌，因此熊市時. Ch. engchi. i n U. 期券商的預測準確度會降低。因此在扣除金融海嘯以及歐債危機等時期後，本文實證結果的顯著程度大幅提高，即券商的推薦準確度會大幅提升。. 29.

(37) 表 11：多頭期間實證結果 Coefficient estimates for the four-characteristic model 𝑅𝑚 − 𝑅𝑓. Intercept. raw return. 1.6866*** (2.9259). -0.0891 (-0.6125). 3. 1.8637** (2.5021). 0.0881 (0.3857). 4. 1.0612 (1.6089). -0.7142*** (-2.7726). All covered. 1.6717*** (5.1097). -0.1039 (-0.9864). Adjusted R2. 0.1062** (2.6302). 0.93. (29.8435). (-3.5998). 0.0761 (0.5197). 0.9274*** (30.6275). -0.0073 (-0.1787). -0.0720 (-1.2263). -0.0160 (-0.4637). 0.94. -0.1862 (-1.0050). 1.1000*** (28.7037). 0.2354*** (4.5582). 0.0072 (0.0970). -0.1514*** (-3.4686). 0.95. -0.6909** (-2.4630). 0.9939*** (17.1255). 0.0093 (0.1194). -0.0300 (-0.2663). -0.0180 (-0.2716). 0.84. -0.1188 (-1.0609). 1.0197*** (44.0276). 0.0164 (0.5248). -0.0447 (-0.9959). -0.0198 (-0.7503). 0.90. 立. ‧ 國. PMOM. -0.0842 (-1.2243). Nat. io. n. al. y. 2. 治 -0.1719*** 政1.0577*** 大. sit. 0.3259* (1.9028). ‧. 0.2997* (1.6802). HML. 學. 1. 2.0754*** (3.2810). SMB. er. Portfolio. Mean Mean Monthly market-adjusted value-equally return. i n U. v. 1.0142*** 1.0142*** 0.9047*** 0.0645 -0.1787* -0.0558 0.1229 0.02 (3.1529) (3.1529) (2.6958) (0.9295) (-1.9095) (-0.4145) (1.5540) 樣本期間為 2007 年 4 月至 2016 年 1 月，Mean Monthly value-equally raw return 為未扣交易手續費的平均月加權報酬，Mean market-adjusted return 為平均月加權報酬減去市場投資組合報酬，四因子模型的應變數為平均月加權報酬減去無風險利率，All covered 為包含所有股票的投資組合，P1-P4 為買進賣出策略投資組合，Rm-Rf 為市場溢酬，SMB 為規模溢酬，HML 為淨值市價比溢酬，PMOM 為動能因子，括號內為檢定異於 0 的 t 統計量。 P1-P4. Ch. engchi. 30.

(38) 第五章. 結論與後續研究. 過去國內文獻大致指出投資人無法藉由券商的台灣投資建議獲利，此與大部份國外文獻相異。本文參考 Barber et al. (2001)來改善國內文獻的研究方法，建構一個適用於台灣股票市場的研究方法，再以四因子模型做實證。本文以 2007 年 3 月至 2015 年 12 月，共 48987 筆推薦為研究樣本，來探討券商報告的投資建議能否獲利，結果證明台灣券商的報告擁有額外的隱涵資訊，此與國外文獻大致相同。. 立. 政治大. 本研究依券商的推薦強度建構四個投資組合，發現平均推薦程度最高的投資. ‧ 國. 學. 組合之平均月報酬為正，且高於大盤，而券商平均推薦程度最低的投資組合之平均月報酬顯著低於大盤，且擁有顯著的負超額報酬。本文更發現一項存在超額報. ‧. 酬的交易策略，買進平均推薦程度最高的投資組合，並賣出平均推薦程度最低的. y. Nat. sit. 投資組合，從 2007 年 4 月至 2016 年 1 月共可獲得連續複利報酬 205%，年化報. n. al. er. io. 酬為 8.4%，此策略報酬顯著高於零及大盤，且存在超額報酬。按照效率市場假. i n U. v. 說論，投資人無法藉由公開資訊獲利，但在台灣除了特定大戶外，普通散戶較無. Ch. engchi. 接觸到券商報告的管道，或接觸的時間也落後於許多機構法人，因此台灣的券商報告是否算公開資訊呢？假使視之為半公開資訊的話，市場對券商報告的資訊未能完全反應，因此可以藉由券商的股票推薦獲得超額報酬。. 另外在台股多頭時期，本研究的實證結果更加顯著，平均推薦程度最高投資組合的報酬顯著高於大盤，且存在正超額報酬，平均推薦程度最低的投資組合報酬顯著低於大盤，且存在負超額報酬，而買進賣出策略超額報酬的顯著程度較全部樣本期間大幅提高。為了釐清可能原因，作者採訪數位外資券商分析師，他們認為可能原因為券商報告主要以基本面分析股票，注重公司特有風險，潛在假設 31.

(39) 穩定的大盤，缺少考量大型系統風險，因此在像金融海嘯等嚴重的系統風險發生時，分析師預估的準確度會下降。於是在扣除金融海嘯以及歐債危機等台股空頭時期後，本文實證結果的顯著程度大幅提高，即券商的股票推薦準確度會大幅提升。. 總結過去的國內文獻，不外乎研究樣本來源過於單一，代表性不足，或研究期間偏短，且研究結果大致指出券商報告不具有額外的內涵資訊，此與國外文獻相反。而本研究與過去國內文獻不同之處在於，本研究參考 Barber et al. (2001). 政治大 Barber et al. (2001)大致相同的研究，本研究擁有完整的券商報告樣本，54 家券商，立. 的研究，並設計一個適用於台灣券商報告的研究方法，為台灣首篇實證結果與. 共 48987 筆推薦，且本研究不存在生存偏誤，樣本包含已下市或下櫃的股票，且. ‧ 國. 學. 研究期間長達 9 年，其中包含金融海嘯。實證結果發現券商報告具有額外的隱涵. ‧. 資訊，可以之操作來獲得顯著高於大盤的報酬，且在四因子模型下具有超額報酬，. y. Nat. 而在多頭期間，研究結果更加顯著。至於對業界的意義為本研究證明基金經理人. er. io. sit. 或專業投資人士可以參考券商的推薦來選股，或以之形成策略來獲利。. al. n. v i n 但本文沒有考慮進手續費與交易稅，原因為投資組合每月重新平衡，且手續 Ch engchi U. 費會因股票的流動性而有所不同，以致於計算手續費及交易稅較複雜。Barber et. al. (2001)是先計算每個投資組合的週轉率，再依投資組合的市值大小與 Keim and Madhavan(1998)的研究結果來概估交易費用，且綜觀台灣過去文獻，鮮有把交易費用也考慮進去的研究。因此若納入考慮手續費用與交易稅，超額報酬是否還能顯著？這是一個很重要問題，也是一個未來可以發展的研究方向。且因為本文只有以平均評等做為篩選股票的變數，未來的研究或許可以在平均評等上做變化或加入其他篩選變數，例如不是只單純以簡單平均來計算平均評等，而是以加權平均來計算平均評等，例如某分析師過去的預測能力較佳，則給予較高的加權權重。. 32.

(40) 至於可以加入的其他篩選變數，Sonney(2009)以 HI 指標(Herfindahl Index)來探討券商具有國家專精或產業專精會不會影響報告的預測準確度，研究發現具有國家專精的券商之預測較為準確，因此也是可以考慮納入研究的變數之一；而 Boni& Womack(2006)也發現分析師的推薦價值來自於對同一產業的專業選股能力，意即具有產業專精，且產業加權投資組合的績效顯著高於產業未加權投資組合，這也是可以考慮的變數之一；或加入外資與本土券商做為分類變數，來探討哪種身份的券商可以獲取較高的超額報酬，以上所列皆可以本研究為基礎進一步發展，興許可以發展出具有更高超額報酬或更多元化的操作策略。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 33. i n U. v.

(41) 參考文獻【英文參考文獻】 1. Agrawal, A., & Chen, M. A. (2012). Analyst conflicts and research quality. The Quarterly Journal of Finance, 2(02). 2. Barber, B., Lehavy, R., McNichols, M., & Trueman, B. (2001). Can investors profit from the prophets? Security analyst recommendations and stock returns. The Journal of Finance, 56(2), 531-563.. 政治大 Journal of Financial and Quantitative Analysis, 41(01), 85-109. 立. 3. Boni, L., & Womack, K. L. (2006). Analysts, industries, and price momentum.. 4. Carhart, Mark M., 1997, On persistence in mutual fund performance, Journal of. ‧ 國. 學. Finance 52, 57–82.. ‧. 5. Cowen, A., Groysberg, B., & Healy, P. (2006). Which types of analyst firms are. sit. y. Nat. more optimistic?. Journal of Accounting and Economics, 41(1), 119-146.. io. er. 6. Desai, Hemang, and Prem C. Jain, 1995, An analysis of the recommendations of the ‘superstar’ money managers at Barron’s annual roundtable, Journal of Finance. n. al. 50, 1257–1273.. Ch. engchi. i n U. v. 7. Diefenbach, Robert E., 1972, How good is institutional brokerage research? Financial Analysts Journal 28, 54–60. 8. Green, T. C. (2006). The value of client access to analyst recommendations. Journal of Financial and Quantitative Analysis, 41(01), 1-24. 9. Irvine, P. J. (2004). Analysts' forecasts and brokerage-firm trading. The Accounting Review, 79(1), 125-149. 10. Jackson, A. R. (2005). Trade generation, reputation, and sell‐ side analysts. The Journal of Finance, 60(2), 673-717. 11. Jegadeesh, Narisimhan, and Sheridan Titman, 1993, Returns to buying winners 34.

(42) and selling losers: Implications for stock market efficiency, Journal of Finance 48, 65–91. 12. Jegadeesh, N., Kim, J., Krische, S. D., & Lee, C. (2004). Analyzing the analysts: When do recommendations add value?. The journal of finance, 59(3), 1083-1124. 13. Keim, Donald B., and Ananth Madhavan, 1998, The cost of institutional equity trades, Financial Analysts Journal 54, 50–69. 14. Womack, Kent L., 1996, Do brokerage analysts’ recommendations have investment value? Journal of Finance 51, 137–167.. 【中文參考文獻】. 政治大. 立. 1. 邱淑珍(1997)，股票公開推薦資訊有效性之實證研究，碩士論文，國立台灣大. ‧ 國. 學. 學。. 2. 林昭芃(2007)。股市之價值溢酬及多因子模型之探討-以台灣股票市場為例，. ‧. 碩士論文，國立中央大學。. y. Nat. n. al. er. io. 關迴歸法之應用，碩士論文，國立臺灣大學。. sit. 3. 胡玉雪(1994)。益本比、淨值/市價比及公司規模對股票報酬之影響：相似無. i n U. v. 4. 陳建成(1999)，股票推薦價值與影響因素之研究，碩士論文，國立中正大學。. Ch. engchi. 5. 陳彥如(2007)。台灣股票報酬四因子模型再檢定---分量迴歸之應用，碩士論文，義守大學。 6. 連婉琦(2011)，產業專精與本土券商及外資券商之推薦績效，碩士論文，嶺東科技大學(EMBA)。 7. 張尊悌(1996)。貝它,公司規模及淨值市價比三因子評價模型之研究:以台灣股市為例，碩士論文，國立清華大學。 8. 黃舒瑜(2004)，台灣經濟新報股票投資評等之長期績效分析，碩士論文，私立東海大學。 9. 鄭雯芳(2009)，產業與券商推薦績效持續性，博士論文，國立中正大學。 35.

(43) 10. 劉貞芸(2004)，報紙推薦資訊之實證研究，碩士論文，私立淡江大學。 11. 蕭君怡(2005)，國內券商與外資券商投資評等績效之比較，碩士論文，國立華大學。 12. 蕭秋芸(1997)，證券分析師選股建議有用性之實證研究，碩士論文，國立中興大學。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 36. i n U. v.

(44)