石油價格與匯率波動對股市報酬影響之研究:以台灣類股為例

全文

(1)國立高雄大學應用經濟學系碩士論文. 石油價格與匯率波動對股市報酬影響之研究：以台灣類股為例 The Influence of Exchange Rate and Oil Price Volatilities on Sector Returns of Taiwan Stock Exchange. 研究生：林聖原撰指導教授：翁銘章博士. 中華民國一零二年六月.

(2) 謝誌研究所的日子在完成論文的當下，即將告個段落。細細回想這些年的生活，心中確有萬分的感慨與感謝，感慨的是學生生涯到了盡頭，感謝的是一路上有太多太多貴人的幫助；首先要感謝我的指導教授翁銘章老師，老師對我們的教導是細心且自由的，鼓勵我們勇於嘗試與創新，並在我們觀念不清時，予以耐心的解說；再來要感謝口試委員，柯秀欣老師和李慶男老師，能提供本論文寶貴的建議與想法，使得論文更加完善。也要感謝系上老師一路上的提攜跟指導，還有姿宇姐的照顧，讓我們在這兩年內可以心無旁鶩的認真學習，實銘謝在心。在這短短的兩年中，生活是緊湊且充實的，很開心能遇到廷澔、傳升、中聖這群活潑開朗的朋友們，以及君婷、詩婷、慈穗和怡伶這群同學幫助我解決課業上的問題；當然還要感謝學弟妹們的加入，讓我們的研究室充滿歡笑與喜悅。最後要感謝我的家人，在求學路上當我最強的後盾，讓我能全心全力的完成學業。. 在此，僅以本論文獻給父親林文修先生與母親余淑芳女士。. 林聖原. 謹誌於. 國立高雄大學應用經濟學系碩士班民國一○二年七月六日.

(3) 石油價格與匯率波動對股市報酬影響之研究：以台灣類股為例指導教授：翁銘章博士國立高雄大學應用經濟學系學生：林聖原國立高雄大學應用經濟學系碩士班. 摘要在近年來發生眾多全球金融事件後，經濟情況已不復以往，要做有效的投資就必須掌握正確的資訊，因此本文主要探討油價與匯率的波動對台灣類股的影響，參考 Hasan and Ratti (2012) 的兩階段 GARCH 迴歸模型並加以修正，先用雙變量的動態條件相關係數 GARCH 模型探討油價與匯率的動態相關性，再將估計出的油價與匯率之條件變異數加入第二階段單變量 GARCH 模型，以探討油價和匯率的報酬與波動對台灣各類股的影響程度。在本研究中，選用了台灣各類股指數之超額報酬率和油匯市價格指數報酬率的日資料，以 2005 年 1 月 4 日至 2012 年 12 月 28 日間的共同開市日共 1966 筆資料做一深入探討。研究結果顯示，油價與匯率間的動態條件相關係數變化非常大，約在在-0.9999~0.6370 間來回震盪，平均值高達-0.9137。在油價與匯率的報酬與波動對台灣類股超額報酬率影響方面，我們發現油價與匯率這兩變數對於台灣類股超額報酬率變動的解釋能力很高，除了匯率影響食品類股較不顯著外，油價和匯率之價格報酬率對於其他類股皆有顯著之影響，但這兩項變數的風險對各類股報酬之影響並不敏感。由此我們認為，所有投資人在投資台灣股市時，油價與匯率的起伏必須納入考量，如此才能做出客觀和理性的投資決策。. 關鍵字：動態條件相關係數模型、GARCH 模型、虛擬變數.

(4) The Influence of Exchange Rate and Oil Price Volatilities on Sector Returns of Taiwan Stock Exchange. Advisor: Dr. Ming-Jang Weng Department of Applied Economics National University of Kaohsiung. Student: Sheng-Yuan Lin Department of Applied Economics National University of Kaohsiung. ABSTRACT. Recently, there were so many global financial crises all over the world. Nowadays the economic situation is quite different from the old days. In order to make efficient investment, we need to have the right information about the financial markets. In this thesis, we modified Hasan and Ratti’s (2012) two stage GARCH regression model to analyze the effect of volatilities in oil price and foreign exchange rate to stock returns in Taiwan. First, we use the bivariate dynamic conditional correlation (DCC) model to investigate the volatilities and correlation between the oil price and exchange rate. Next, we make use of the information extracted from the first stage of regression to plug in the second stage of univariate stock return GARCH model. We apply daily data of Taiwan sectors stock excess returns, oil prices, and foreign exchange rates over the period January 4, 2005 to December 28, 2012. The empirical results show that correlation between oil price and exchange rate varies.

(5) significantly along time. We also observe that oil price and foreign exchange rate do highly affect Taiwan sectors stock excess return in all sectors except for food sector, but both oil and exchange rate returns’ volatilities are insignificant for most sectors.. Keywords: GARCH Model, DCC-GARCH, Dummy Variable.

(6) 目錄表次................................................................................................................................ III 圖次................................................................................................................................ IV 第一章緒論............................................................................................................. 1 1.1 研究背景與動機............................................................................................... 1 1.2 研究目的........................................................................................................... 2 1.4 論文架構........................................................................................................... 3 第二章. 文獻回顧..................................................................................................... 4. 2.1 動態條件相關係數模型與股市之關聯性....................................................... 4 2.2 石油價格與股市之關聯性............................................................................... 5 2.3 匯率波動與股市之關聯性............................................................................... 6 第三章. 研究方法..................................................................................................... 8. 3.1 單根檢定........................................................................................................... 8 3.1.1 ADF 單根檢定 (Augmented Dickey-Fuller unit root test) ........................... 8 3.1.2 PP 單根檢定 (Phillips-Perron unit root test) ................................................ 9 3.1.3 DF-GLS 單根檢定 (Dicky-Fuller GLS unit root test) ............................... 10 3.2 GRACH 模型 (GARCH model) ................................................................... 10 3.3 固定條件相關係數 GARCH 模型 (Constant Conditional Correlation GARCH model, CCC GARCH) ........................................................................... 12 3.4 動態條件相關係數 GARCH 模型 (Dynamic Conditional Correlation GARCH model, DCC GARCH) ........................................................................... 13 3.5 動態條件相關係數檢定................................................................................. 15 第四章. 實證分析結果........................................................................................... 17. 4.1 資料描述......................................................................................................... 17 4.2 單根檢定結果................................................................................................. 21 4.3 動態條件相關係數模型估計結果................................................................. 25 I.

(7) 4.4 油價與匯率對台灣各類股報酬之影響......................................................... 27 4.4.1 類股本身落後期對類股超額報酬率之影響.............................................. 27 4.4.2 石油報酬率對類股超額報酬率之影響...................................................... 28 4.4.3 匯率報酬率對類股超額報酬率之影響...................................................... 28 4.4.4 石油價格波動性對類股超額報酬率之影響.............................................. 29 4.4.5 匯率波動性對類股超額報酬率之影響...................................................... 29 4.5 油價與匯率正負向波動之影響..................................................................... 29 第五章. 結論........................................................................................................... 34. 5.1 研究結論......................................................................................................... 34 5.2 未來研究建議................................................................................................. 35 參考文獻....................................................................................................................... 36. II.

(8) 表次表 4-1: 10 個類股超額報酬率、石油價格報酬率、美元兌台幣匯率報酬率之敘述性統計…………………………………………………………………………… 18 表 4-2-1: ADF 單根檢定結果................................................................................... 22 表 4-2-2:PP 單根檢定結果……………………………………………………....... 23 表 4-2-3:DF-GLS 單根檢定結果……………………………………………….…. 24 表 4-3-1:石油價格日報酬率及美元兌台幣匯率日報酬率之相關係數………..... 26 表 4-3-2:油價與匯率報酬率之動態相關係數檢定………………………………. 26 表 4-3-3:石油及匯率之條件變異數……………………………………………..... 27 表 4-4:台灣各類股之 GARCH(1,1)估計結果…………………………………….. 31 表 4-5:台灣各類股之 GARCH(1,1)估計結果(加入虛擬變數) ……...................... 32 表 4-5-1:WALD 係數檢定結果…………………………………………………… 33. III.

(9) 圖次圖 4-1:水泥類股日超額報酬率…………………………………………………… 19 圖 4-2:食品類股日超額報酬率…………………………………………………… 19 圖 4-3:塑膠類股日超額報酬率…………………………………………………… 19 圖 4-4:紡織類股日超額報酬率…………………………………………………… 19 圖 4-5:電機機械類股日超額報酬率……………………………………………… 19 圖 4-6:電器電纜類股日超額報酬率……………………………………………… 19 圖 4-7:資訊電子類股日超額報酬率……………………………………………… 20 圖 4-8:造紙類股日超額報酬率…………………………………………………… 20 圖 4-9:營建類股日超額報酬率…………………………………………………… 20 圖 4-10:金融類股日超額報酬率.............................................................................. 20 圖 4-11:西德州石油價格日報酬率……………………………………………….. 20 圖 4-12:美元兌台幣日報酬率.................................................................................. 20 圖 4-13:各類股之外銷比重...................................................................................... 33. IV.

(10) 第一章緒論 1.1 研究背景與動機近 15 年來的經濟起伏不定，從 1997 年的亞洲金融風暴到 2007 年的全球次貸危機，再到 2010 年的歐債危機，都說明著全球的經濟已經不復以往，台灣當然也不例外，尤其近年來的油價、電價和物價更是迅速飛漲，唯獨薪資水平停滯不前。在這樣的世代裡，有效的投資就顯得更加重要，而在眾多文獻中皆表明，油價與匯率這兩項因素，經常會引起股市和經濟的波動，因此本文主要探討石油的衝擊與匯率波動對股市報酬的影響，並且以台灣類股為研究方向，期許能找到對於這兩項變數的敏感度，做出正確的投資選擇。下面將簡單介紹石油與匯率兩變數在過去對股價與經濟情況的影響。 1973 年第一次石油危機，是由於爆發了第四次中東戰爭，石油輸出組織為了打擊對手以色列及其支持國家，決定禁止石油出口，原油市場供不應求，價格從每桶 3 美元翻了四倍來到 12 美元，歐美經濟因此大受打擊，美國大型公司股價下跌了 30%，小型公司跌幅更大，而香港恆生指數也從當時的 1775 點的歷史高峰，在其後兩個月暴跌了一半。 1979 年第二次石油危機，是由於伊朗爆發了伊斯蘭革命，而後又爆發了兩伊戰爭，導致原油日產量劇減，價格從每桶 14 美元漲到了 35 美元。此次石油危機也引發了西方工業國家的衰退，美國失業率與通膨率來到兩位數，嚴重打擊了投資與消費。在這之後國際油價一路下滑並回穩，展開了將近 20 年的油價穩定期，期間只有在 1990 年因為海灣戰爭而導致油價從每桶 14 美元漲到突破 40 美元，但很快的又回到 20 美元之下。直到 2003 年，原油價格再度漲破 30 美元，並在發生伊拉克戰爭後突破 40 美元大關，國際原油持續上漲，到了 2005 年，墨西哥遭遇了卡崔娜颶風的襲擊， 1/3 以上的油田被迫關閉，許多油廠設施也被迫停工，因此國際原油價格首度來到了 70 美元，最後到了 2008 年 6 月，在次貸危機後，物價飛漲，股市蕭條，原 1.

(11) 油價格突破了 140 美元，全球的景氣低迷不振。在這長達 35 年的歷史中，我們可以發現油價與全球經濟和股市有著密切的聯結。當原油價格上漲，通常伴隨著全球景氣的衰退及股市的衰退；原油價格下跌或穩定時，則景氣開始復甦，股市也開始翻紅，因此原油的價格是一個全球經濟與股市重要的指標之一。而匯率市場在眾多研究中也被證實確實對股市及經濟活動有重大的影響，其中亞洲金融風暴就是一個最佳的例子，此風暴從 1997 年 7 月泰國實行浮動匯率開始。當天，泰銖對美元匯率馬上下跌 17%，菲律賓、印尼、馬來西亞相繼受到衝擊，整個外匯及金融市場一片混亂。接著香港與韓國也受到金融炒家的攻擊，尤其以韓元兌美元匯率降到 1737:1 尤為嚴重，而大量投資韓國的日本金融業當然也受到了衝擊，銀行和證券公司相繼破產，於是，金融風暴從東南亞蔓延到整個亞洲。1998 年初，經濟衰退仍在持續，印尼政府為了穩定印尼盾，宣布實施與美元保持固定匯率的連繫匯率制度，但此舉遭到眾國和國幣基金組織反對，並揚言撤回援助，印尼因此陷入政治經濟危機，印尼盾兌美元跌至 10000:1，東南亞國家匯市也遭牽連而下跌。到了 8 月，炒家對香港發動進攻，恆生指數從 10000 點跌到 6600 點。9 月俄羅斯宣布擴大兌美元匯率浮動幅度，造成盧布貶值 70%，俄羅斯股市也急遽下跌，風暴至此，已從亞洲擴展到了全球，一直到了 1999 年，金融風暴才結束。. 1.2 研究目的在金融市場全球化之下，進行股市報酬研究時，考量的金融市場往往不只一個，而在金融市場變化時可能會產生外溢效果，進而對其他金融市場造成影響，所以要做出正確的分析時這樣的關係必須考慮進去。又以往學者在研究股市報酬相關時，大多是以各國家的大盤指數和金融市場為主，而未探討到對國內產業的影響，因此本文接著以台灣股市中的水泥、食品、塑膠、紡織、機電、造紙、營. 2.

(12) 建和金融這八大類股為主要研究對象，估計油價與匯率的報酬率及條件變異數對各類股超額報酬的影響，然後再添加兩個虛擬變數，捕捉油價、匯率報酬率為正時，其波動性對類股超額報酬率的影響，及油價、匯率報酬率為負時，其波動性對類股超額報酬率的影響。. 1.4 論文架構本研究的主要架構分為五個章節，第一章為緒論，說明研究背景、動機、目的、貢獻與架構。第二章為文獻回顧，說明本研究所參考的相關文獻及其研究過程。第三章為研究方法，說明本研究所使用的相關理論模型及計量方法。第四章為實證分析結果，描述本研究所使用之資料，分析本研究所得到的結果並予以經濟分析。第五章為結論，總結本研究的發現與未來展望。. 3.

(13) 第二章文獻回顧 2.1 動態條件相關係數模型與股市之關聯性 Horng and Chyan (2009)，使用動態條件相關係數模型分析，探討新加坡與泰國的股票市場及石油價格三者間的關係，研究期間從 2000 年 1 月 4 日至 2007 年 7 月 20 日。實證結果顯示，泰國與新加坡的股票市場適用於 DCC-IGARCH (1,1) 模型，且此兩市場間存在一個正向的關係，估計出的平均動態相關係數為 0.3876，此外，此研究亦發現石油價格的波動會影響兩國的股票市場報酬。這樣的結果建議投資者，在投資這兩國的股市時，必須同時觀察這些變數才能做出正確的決策。 Filis, Degiannakis and Floros (2011)，使用 DCC-GARCH-GJR 模型進行分析，探討原油進口國及出口國的股市與油價間的關係，包含加拿大、墨西哥、巴西、美國、德國及荷蘭。研究期間從 1987 年 1 月至 2009 年 12 月，資料頻率為月資料。此實證結果有幾點發現，第一，原油進口國和出口國在動態相關係數方面的走向大致是一樣的。第二，在需求面受到戰爭因素或者金融風暴等較大的衝擊時，會造成相關係數正向或負向較大的反應，而在受到供給面的衝擊時，所造成的影響較小。第三，在利用油價的落後期去做分析時，與所有股市的動態分析皆為負相關。因此，本文最後的結論是，當經濟情況發生顯著震盪時，原油市場並非安全的避風港，無法有效的贖回在股票市場的損失。 Syllignakis and Kouretas (2006)，使用共整合及動態相關係數模型進行分析，探討七個中歐及東歐國家 (CEE) 和兩個已開發國家股市間的長短期關係，研究期間從 1995 年 1 月 1 日至 2005 年 12 月 25 日，選用日資料。實證結果表明，五個中歐國家和美國及德國的股市有顯著的長期整合關係，相反的，兩個東歐國家僅有短期且片段的整合關係。而利用 DCC 模型所估計出的結果顯示，CEE 國家和已開發國家的股市在亞洲金融風暴期間有短期的依賴現象，在那之後則回復到較低的相關程度。. 4.

(14) 2.2 石油價格與股市之關聯性 Park and Ratti (2007)，使用多變量向量自我迴歸模型分析，探討美國及十三個歐洲國家的石油價格衝擊與波動對股票實質報酬的影響，研究期間從 1986 年 1 月到 2005 年 12 月。實證結果顯示，油價的衝擊對於美國和十三個歐洲國家的同期間實質股票報酬有統計上顯著的影響，經過變異數分解分析，實質股票報酬受到石油價格影響的部分約有 6%。而對於許多歐洲國家，油價波動的增加，會在一個月內顯著的降低實質股票報酬，美國則是不顯著。 Faff and Brailsofrd (1999)，使用資產定價模型，探討二十四個與澳洲工業相關的股票報酬，在石油價格因素的影響下，敏感度為何。研究期間為 1983 年 3 月至 1996 年 3 月，選用期間內每個月的連續複率報酬。實證結果發現，油價波動所造成的影響是很容易被察覺的，對於石油及瓦斯工業有顯著且正向的影響，對於造紙、包裝和運輸工業是顯著且負向的影響。根據此研究結果，可望提供投資者在規避風險上做一點參考。 Maghyereh (2004)，使用一般化向量自我迴歸模型分析，探討二十二個新興經濟體的石油價格衝擊與股票報酬間的動態連結關係，研究期間從 1998 年 1 月 1 日至 2004 年 4 月 31 日。實證結果與已開發經濟體的研究結果不一致，本研究發現原油價格與新興市場股票報酬的關係十分薄弱，且石油價格波動是很緩慢地傳遞到新興股票市場，因此，石油價格的變動對於新興股票市場的報酬並不是一個理智的訊號。 Valdes, Vazquez and Fraire (2012)，使用 Baba、Engle、Kraft、Kroner (BEKK) 模型，分析墨西哥股票市場三十間公司的報酬與石油價格的關係，資料採用 2005 年 12 月 30 日至 2010 年 12 月 31 日期間的 208 個周資料。實證結果發現，石油價格與股票市場大部分具有正向關係，只有少部份時間在一些公司是負向的，但未具有解釋能力。 Hasan and Ratti (2012)，使用 GARCH-in-mean 模型，分析澳洲股市中的十種. 5.

(15) 類股超額報酬率與石油波動的關係，研究期間從 2000 年 3 月 31 日至 2010 年 12 月 31 日，共 2543 個觀察值。首先使用 GARCH (1,1) 模型估計出油價的條件變異數，再將其加入 GARCH-M 模型中的均數方程式中，探討油價波動性對類股超額報酬率的影響。實證結果發現，對於整個澳洲股市而言，油價上升時，顯著降低澳洲股市的超額報酬，而油價波動上升時，股市超額報酬的波動則下降。對於澳洲類股而言，當油價上升時，能源類股和材料類股的股市超額報酬率也上升，其他類股則為負向或者不顯著，而油價波動上升時，金融類股超額報酬的波動也會上升，其他類股則為負向或者不顯著。. 2.3 匯率波動與股市之關聯性 Granger, Huang and Yang (1998)，使用共整合模型去探討九個亞洲國家股市的價格與匯率間的 Granger 因果關係，研究期間從 1986 年 1 月 3 日到 1997 年 11 月 14 日，共 3097 個觀察值。實證結果發現，日本、泰國、新加坡和香港這四個國家，匯率皆會影響股票價格並呈現正相關，但台灣是股票價格影響匯率價格並呈現負向關係，而印度、韓國、馬來西亞和菲律賓的匯率與股票市場間也有強烈的反饋關係。 Sohail and Hussain (2009)，使用向量誤差修正模型，本文主要在探討五個總體經濟變數與巴基斯坦股市的長短期關係。研究期間從 2002 年 12 月至 2008 年六月，選用月資料。實證結果顯示，消費者物價指數 (CPI) 對於股票報酬有顯著負向的影響，而工業生產指數 (IIP)、貨幣供給 (M2 ) 和實質有效匯率 (REER) 對股票報酬有一個顯著的長期正向影響，因此本文作者建議貨幣當局要控制通膨使得股市波動最小化，並設計政策推動工業生產以促進股市。 Phylaktis and Ravazzolo (2005)，使用共整合方法與多變量 Granger 因果關係檢定，本文主要在檢驗 5 個太平洋盆地國家的股市與匯率間長短期的動態關係，並且探討這些連結是否受到外匯管制和亞洲金融危機的的影響。研究期間從 1980. 6.

(16) 年至 1998 年 12 月，但資料開頭時間因國家而異。實證結果表明，股市與匯市有一個正向的關係，匯率的靈活度在此關係中發揮作用，而亞洲金融風暴就長期來看對股匯市有一個短暫影響。 Choi, Hiraki and Takezawa (1998)，使用無條件和有條件的多因素資產定價模型，探討是否匯率風險能夠影響日本股市，研究期間從 1974 年 1 月至 1995 年 12 月，選用月資料。實證結果指出，在無條件模型方面，使用實質有效匯率時，匯率及利率在整個樣本期間皆對日本股市有顯著的影響，而在有條件模型方面，無論是使用實質有效匯率或者多邊貿易加權匯率來估計，匯率在整個樣本期間一樣對日本股市有顯著的影響。. 7.

(17) 第三章研究方法 3.1 單根檢定單根檢定是用來檢定時間序列資料是否為定態的方法，而在時間序列的研究與分析過程中，許多經濟資料，例如所得、物價和貨幣供給等等都具有非定態的性質，故在研究前，都會對時間序列的資料進行單根檢定以確認研究結果有效。所謂的定態是指，在長期之下資料結構為一穩定的狀態，當受到外生干擾或衝擊時，所受到的影響會隨時間而消逝，最終回到長期的平均水準。而非定態的時間序列資料，當受到外生干擾和衝擊時，將隨著時間的經過而產生永久性的累積效果，最後發散而遠離長期平均水準。若我們對非定態的時間序列資料做迴歸分析，則可能會出現「假性迴歸」 (spurious regression) 的現象，即是在用迴歸方法檢定或估計實證模型的時候，如果採用的時間序列變數不是定態，則迴歸的結果，很有可能使原本毫無因果關係的變數之間，出現假的因果關係，也就是迴歸係數顯著異於零，且判定係數也很高的情況。在此情況下，常導致研究的結論發生錯誤，因為看起來不錯的迴歸結果，其實並沒有真正的因果關係或經濟意義。以下將介紹本文所使用到的三種單根檢定方法：ADF 單根檢定、PP 單根檢定和 DF-GLS 單根檢定。. 3.1.1 ADF 單根檢定 (Augmented Dickey-Fuller unit root test) 在本文中使用的第一個單根檢定是 ADF 單根檢定，是由 Dickey and Fuller 在 1979 年的 DF 單根檢定修改而來，由於 DF 單根檢定會忽略殘差項存在自我相關的現象，導致檢定力降低，造成過度接受有單根的情況，也就是本來不具單根的變數也被誤認為是有單根，因此加入一個增廣項來控制殘差序列中可能出現的自我相關，我們將之稱為 ADF 單根檢定。一個完整的 ADF 單根檢定程序必須包含三種資料產生的模型，其設定如下： (1) 原始模型 8.

(18) y𝑡 = 𝑎0 + 𝑎1 𝑦𝑡−1 + 𝑎2 𝑦𝑡−2 + ⋯ + 𝑎𝑝−1 𝑦𝑡−𝑝+1 + 𝑎𝑝 𝑦𝑡−𝑝 + 𝑒𝑡. (3.1.1). (2)含截距項但不含時間趨勢項 ∆𝑦𝑡 = 𝑎0 + 𝛾𝑦𝑡−1 + ∑𝑝𝑖=2 𝛽𝑖 ∆𝑦𝑡−𝑖+1 + 𝑒𝑡. (3.1.2). (3)含截距項與時間趨勢項 ∆𝑦𝑡 = 𝑎0 + 𝛾𝑦𝑡−1 + 𝑎2 𝑡 + ∑𝑝𝑖=2 𝛽𝑖 ∆𝑦𝑡−𝑖+1 + 𝑒𝑡. (3.1.3). (4)不含截距項與時間趨勢項 𝑝. ∆𝑦𝑡 = 𝛾𝑦𝑡−1 + ∑𝑖=2 𝛽𝑖 ∆𝑦𝑡−𝑖+1 + 𝑒𝑡. (3.1.4). 其中a0 為截距項，t 為時間趨勢項，𝛾 = −(1 − ∑𝑝𝑖=1 𝑎𝑖 )，而𝛽𝑖 = − ∑𝑝𝑗=1 𝑎𝑗，在上述的模型當中，∑𝑝𝑖=1 𝑎𝑖 < 1 是定態的必要條件。所以當∑𝑝𝑖=1 𝑎𝑖 = 1時，表示該變數至少會有一個特徵根為 1，若∑𝑝𝑖=1 𝑎𝑖 > 1則表示該變數的特徵根在單位圓之外，也就是非定態。ADF 單根檢定的虛無假設為H0 : 𝛾 = 0，對立假設為H1 : 𝛾 < 0。若檢定結果拒絕虛無假設，則代表此序列不存在單根。∑𝑝𝑖=2 𝛽𝑖 ∆𝑦𝑡−𝑖+1 為 ADF 單根檢定的增廣項，其最適落後期 P 可由 AIC 和 SIC 準則來判定。. 3.1.2 PP 單根檢定 (Phillips-Perron unit root test) 在本文中使用的第二個單根檢定是 PP 單根檢定，Phillips and Perron (1988) 用無母數之方法來控制殘差序列中可能出現的自我相關問題，且 PP 檢定允許殘差項有自我相關和異質變異，這是 ADF 單根檢定所不允許的，因此我們經常使用 PP 單根檢定來輔助 ADF 單根檢定。一個完整的 PP 單根檢定程序必須包含下列三中資料產生的模型： (1) 不含截距項與時間趨勢項 ∆𝑦𝑡 = 𝛾𝑦𝑡−1 + 𝑒𝑡. (3.1.5) 9.

(19) (2) 含截距項但不含時間趨勢項 ∆𝑦𝑡 = 𝑎0 + 𝛾𝑦𝑡−1 + 𝑒𝑡. (3.1.6). (3) 含截距項與時間趨勢項 ∆𝑦𝑡 = 𝑎0 + 𝑎2 𝑡 + 𝛾𝑦𝑡−1 + 𝑒𝑡. (3.1.7). PP 單根檢定的虛無假設為H0 : 𝛾 = 0，對立假設為H1 : 𝛾 < 0。若檢定結果拒絕虛無假設，則代表此序列不存在單根。. 3.1.3 DF-GLS 單根檢定 (Dicky-Fuller GLS unit root test) 在本文中使用的第三個單根檢定是 DF-GLS 單根檢定，是由 Elliott, Rothenberg and Stock (1996) 提出，對自我迴歸單根的效率檢定，使用一般化最小平方法來估計，其檢定力相較於 ADF 單根檢定來說較高。DF-GLS 單根檢定的模型如下：. 𝑑 𝑑 𝑑 ∆𝑦𝑡𝑑 = 𝛼𝑦𝑡−1 + 𝛽1 ∆𝑦𝑡−1 + ⋯ + 𝛽𝑝 ∆𝑦𝑡−𝑝 + 𝑒𝑡. (3.1.8). 當 DF-GLS 只有常數項時，其統計量 t 值等同於 DF 單根檢定，臨界值則沿用 ADF 單根檢定;而當含常數項和時間趨勢項時，其分配與 DF 單根檢定的就不同，此時臨界值使用 ERS 文中所述之結果。DF-GLS 單根檢定的虛無假設為 H0 : 𝛾 = 0，對立假設則是H1 : 𝛾 < 0。若檢定結果拒絕虛無假設，則代表此序列不存在單根。. 3.2 GRACH 模型 (GARCH model) Engle (1982) 提出 ARCH 模型，將會因時而異的條件變異數模型化，解決了許多財務資料條件變異數不齊一的現象，但是其線性遞延結構較長，使得模型較. 10.

(20) 為冗長，因此其學生 Bollerslev (1986) 又提出了 GARCH 模型，將落後期的條件變異數納入條件變異數方程式中，修正了 ARCH 模型線性遞延結構較長的缺點，使得模型更加彈性且精簡化。GARCH (p,q) 模型如下：. 𝑦𝑡 |𝛺𝑡 ~𝑁(𝑥𝑡 𝑎, 𝜎𝑡2 ). (3.2.1). 𝜀𝑡 = 𝑦𝑡 − 𝑥𝑡 𝑎. (3.2.2). 2 2 𝜎𝑡2 = 𝛼0 + ∑𝑞𝑖=1 𝛼𝑖 𝜀𝑡−𝑖 + ∑𝑝𝑖=1 𝛽𝑖 𝜎𝑡−𝑖. (3.2.3). 在文獻中，(3.2.2) 式常被稱為均數方程式，(3.2.3) 則稱為變異數方程式。其中𝑥𝑡 是 2 迴歸式的自變數向量，a 是迴歸式的係數向量，𝜀𝑡−𝑖 為均數方程式中殘差項的平方，. 𝜎𝑡2 則為殘差項的變異數，p, q 為 GARCH 模型的階次。而本研究的第二階段 GARCH 模型就以上述之模型為原則，並於均數方程式中加入石油價格報酬率和美元兌台幣匯率之報酬率，以探討此兩變數對台灣股市各類股的超額報酬率影響為何，其設定如下：. 𝑟𝑖,𝑡 = К + 𝜔𝑖1 𝑟𝑖,𝑡−1 + 𝜔𝑖2 𝑟𝑜,𝑡−1 + 𝜔𝑖3 𝑟𝑒,𝑡−1 + 𝜔𝑖4 ℎ𝑜,𝑡 + 𝜔𝑖5 ℎ𝑒,𝑡 + 𝜉𝑖,𝑡 , 𝑖 = 𝑖. 1, 2 … 9, 10. (3.2.4). 𝜉𝑖,𝑡 |𝛹𝑡−1 ~𝑁(0, ℎ𝑖,𝑡 ). (3.2.5). 2 ℎ𝑖,𝑡 = 𝜑0𝑖 + 𝜑1𝑖 𝜉𝑖,𝑡−1 + 𝜑2𝑖 ℎ𝑖,𝑡−1 , 𝑖 = 1, 2 … 9, 10. (3.2.6). 其中𝑟𝑖,𝑡 為第 i 類股在時間 t 的超額報酬率，ℎ𝑖,𝑡 為第 i 類股在時間 t 的條件變異數。 11.

(21) 而在本研究的最後一階段，為了觀察出石油報酬率波動及美元兌台幣匯率報酬率波動對股價報酬的影響，是正向波動影響較多還是負向波動影響較多，因此本文再對 (3.2.4) 式加入虛擬變數來估計，模型如下：. 𝑜 𝑜 𝑟𝑖,𝑡 = 𝜂0 + 𝜂1 𝑟𝑜,𝑡−1 + 𝜂2 𝑟𝑒,𝑡−1 + 𝜂3 𝑟𝑖,𝑡−1 + 𝜂4 𝐷1,𝑡 ℎ𝑜,𝑡 + 𝜂5 (1 − 𝐷1,𝑡 )ℎ𝑜,𝑡 + 𝑒 𝑒 𝜂6 𝐷2,𝑡 ℎ𝑒,𝑡 + 𝜂7 (1 − 𝐷2,𝑡 )ℎ𝑒,𝑡 + 𝜋𝑖,𝑡 , 𝑖 = 1,2 … 9,10. 2 ℎ𝑖,𝑡 = 𝜍0𝑖 + 𝜍1𝑖 𝜉𝑖,𝑡−1 + 𝜍2𝑖 ℎ𝑖,𝑡−1. (3.2.7). (3.2.8). 𝑜 𝑒 其中𝐷1,𝑡 是當石油價格報酬率為正 (負) 時，其值為 1 (0) 的虛擬變數。而𝐷2,𝑡 是當. 美元兌台幣匯率報酬率為正 (負) 時，其值為 1 (0) 的虛擬變數。. 3.3 固定條件相關係數 GARCH 模型 (Constant Conditional Correlation GARCH model, CCC GARCH) Bollerslev (1990) 提出了固定條件相關係數模型 (CCC)，說明相關係數是固定的不會隨著時間而改變。CCC 模型以共變數矩陣𝐻𝑡 標準化的形式來表達：. 𝐻𝑡 = 𝐷𝑡 𝑅𝐷𝑡. (3.3.1). 其中𝐷𝑡 為N × N之𝐻𝑡 對角化矩陣，即Dt = 𝑑𝑖𝑎𝑔{𝐻𝑡 }。𝑅𝑡 為相關係數矩陣，𝑅𝑖𝑖 = 1，其餘非對角元素為𝜌𝑖𝑗 √𝑤𝑖 𝑤𝑗。以 2 元變量 GARCH (1,1) 為例，將各變數之條件變異數方程式表達如下：. 2 ℎ11,𝑡 = 𝑐11 + 𝛼11 𝜀1,𝑡−1 + 𝛽11 ℎ11,𝑡−1. (3.3.2). 2 ℎ22,𝑡 = 𝑐22 + 𝛼22 𝜀2,𝑡−1 + 𝛽22 ℎ22,𝑡−1. (3.3.3) 12.

(22) ℎ12,𝑡 = 𝜌12 √ℎ11,𝑡 ℎ22,𝑡. (3.3.4). 其中ℎ11,𝑡 為變數 1 的條件變異數，ℎ22,𝑡 為變數 2 的條件變異數，ℎ12,𝑡 為變數 1 和 2 2 2 的條件共變數，𝜀1,𝑡−1 為變數 1 的殘差平方項，𝜀2,𝑡−1 為變數 2 的殘差平方項。值. 得注意的是，相關係數𝜌12 為一固定常數，不會隨時間而變動，而這樣的一個假設除了配合資料的特性外，估計起來也比較容易，但容易產生實證上的問題，因此下一節將再介紹動態條件相關係數模型來加以修正。. 3.4 動態條件相關係數 GARCH 模型 (Dynamic Conditional Correlation GARCH model, DCC GARCH) Engle (2002) 提出了動態條件相關係數模型 (DCC)，和固定條件相關係數模型 (CCC) 十分相像，唯一不同處在於 DCC 模型的相關係數會隨著時間而變動， CCC 則否;而變動的方式是以 GARCH 模型為其函數形式，以 2 變量 GARCH (1,1) 為例：. 𝐻𝑡 = 𝐷𝑡 𝑅𝑡 𝐷𝑡. (3.4.1). 其中𝐷𝑡 為 2×2 之𝐻𝑡 對角化矩陣，即𝐷𝑡 = 𝑑𝑖𝑎𝑔{𝐻𝑡 }，𝑅𝑡 為相關係數矩陣，加入下標 t 代表其中的條件相關係數將因時間而改變。而各變數之變異數方程式為單變數 GARCH 形式：. ′ 2 𝐷𝑡2 = 𝑑𝑖𝑎𝑔{𝑐} + 𝑑𝑖𝑎𝑔{𝛼} ⊗ 𝜀𝑡−1 𝜀𝑡−1 + 𝑑𝑖𝑎𝑔{𝛽} ⊗ 𝐷𝑡−1. (3.4.2). 其中之 c、𝛼和𝛽為多變量 GARCH 之參數矩陣，在取對角化後變成單變量 GARCH 之係數，𝜀則是均數方程式中的殘差項。DCC 模型的條件變異數和共變數之方程. 13.

(23) 式及𝑅𝑡 之模型化表示如下：. 2 ℎ11,𝑡 = 𝑐1 + 𝛼11 𝜀1,𝑡−1 + 𝛽11 ℎ11,𝑡−1. (3.4.3). 2 ℎ22,𝑡 = 𝑐2 + 𝛼22 𝜀2,𝑡−1 + 𝛽22 ℎ22,𝑡−1. (3.4.4). ℎ12,𝑡 = 𝜌12,𝑡 √ℎ11,𝑡 ℎ22,𝑡. (3.4.5). 𝑅𝑡 = 𝑑𝑖𝑎𝑔{𝑄𝑡 }−1 𝑄𝑡 𝑑𝑖𝑎𝑔{𝑄𝑡 }−1. (3.4.6). 其中ℎ11,𝑡 為變數 1 的條件變異數，ℎ22,𝑡 為變數 2 的條件變異數。在 DCC 模型中，我們是先估計條件相關係數𝜌12,𝑡 ，再利用 (3.4.5) 式計算共變數ℎ12,𝑡 。而𝑄𝑡 是在 t 時間之條件相關係數矩陣，將𝑄𝑡 設為服從 GARCH 形式的函數如下：. ′ 𝑄𝑡 = 𝑆(𝑖𝑖 ′ − 𝐴 − 𝐵) + 𝐴 ⊗ 𝑢𝑡−1 𝑢𝑡−1 + 𝐵 ⊗ 𝑄𝑡−1. (3.4.7). 其中𝑄𝑡 是個N × N的對稱矩陣，S 是非條件相關係數矩陣，i 是 2 維度的 1 向量，A 和 B 則是條件相關係數方程式的 ARCH 項和 GARCH 項的係數矩陣，u 則是均數方程式之標準化殘差矩陣，也就是𝑢𝑡 = 𝐷−1 𝜀𝑡 。將𝑄𝑡 第 1 和第 2 個標準化殘差的條件相關係數以𝑞12 表示，其函數服從 GARCH 之形式，以 GARCH (1,1) 為例：. 𝑞12,𝑡 = ̅̅̅̅(1 𝜌12 − a12 − 𝑏12 ) + 𝑎12 𝑢1,𝑡−1 𝑢2,𝑡−1 + 𝑏12 𝑞12,𝑡−1. (3.4.8). 而本研究之第一階段模型即以上述之 DCC-GARCH 模型為原則，以探討石油與美元兌台幣匯率間的動態相關係數，其設定如下：. 14.

(24) 𝑟𝑜,𝑡 = 𝛼1 + 𝛽11 𝑟𝑜,𝑡−1 + 𝛽12 𝑟𝑒,𝑡−1 + 𝜀𝑜,𝑡. (3.4.9). 𝑟𝑒.𝑡 = 𝛼2 + 𝛽21 𝑟𝑜,𝑡−1 + 𝛽22 𝑟𝑒,𝑡−1 + 𝜀𝑒,𝑡. (3.4.10). 2 ℎ𝑜,𝑡 = 𝑐11 + 𝜈11 𝜀𝑜,𝑡 + 𝛷11 ℎ𝑜,𝑡−1. (3.4.11). 2 ℎ𝑒,𝑡 = 𝑐22 + 𝜈22 𝜀𝑒,𝑡 + 𝛷22 ℎ𝑒,𝑡−1. (3.4.12). 𝑞12,𝑡 = 𝜌12 (1 − 𝑎21 − 𝑏21 ) + 𝑎21 𝜆1,𝑡−1 𝜆2,𝑡−1 + 𝑏21 𝑞12,𝑡−1. (3.4.13). 2 𝑞11,𝑡 = 𝜌11 (1 − 𝑎11 − 𝑏11 ) + 𝑎11 𝜆1.𝑡 + 𝑏11 𝑞11,𝑡−1. (3.4.14). 𝑞22,𝑡 = 𝜌22 (1 − 𝑎22 − 𝑏22 ) + 𝑎22 𝜆22,𝑡 + 𝑏22 𝑞22,𝑡−1. (3.4.15). 𝜌12,𝑡 =. 𝑞12,𝑡. (3.4.16). √𝑞11,𝑡 𝑞22,𝑡. 其中𝑟𝑜,𝑡 為在時間 t 下的石油價格報酬率，𝑟𝑒,𝑡 為在時間 t 下的美元兌台幣匯率報酬率，ℎ𝑜,𝑡 為石油價格報酬率的條件變異數，ℎ𝑒,𝑡 為美元兌台幣匯率報酬率的條件變異數，𝑞𝑖𝑗,𝑡 為標準化殘差的條件相關係數，𝜌 ̅̅̅̅為標準化殘差的非條件相關係數，𝜆 𝑖𝑗 𝑖 為標準化殘差，𝜌12,𝑡 為條件相關係數，i , j=1、2 分別代表石油價格和美元兌台幣匯率。為了保持定態性質，(𝑎21 + 𝑏21 )、(𝑎11 + 𝑏11 ) 和 (𝑎22 + 𝑏22 ) 必須小於 1。. 3.5 動態條件相關係數檢定在進行 DCC-GARCH 模型研究時，必須考慮其波動程度，若波動程度不大或許採用 CCC-GARCH 模型即可，但若有劇烈波動卻使用 CCC-GARCH 模型進行 15.

(25) 相關分析的話，容易導致結果的誤判。Tse (2000) 以蒙地卡羅模擬分析法檢測出 LM 檢定法在對於非常態性的時間序列資料有較佳的檢定力。本研究利用此 LM 檢定法檢定油價報酬率與匯率報酬率間是否符合動態條件相關係數之假設，其模型設定如下：. 𝜌𝑖𝑗,𝑡 = 𝜌𝑖𝑗 + 𝛼𝑖𝑗 𝑟𝑖,𝑡−1 𝑟𝑗,𝑡−1. (3.5.1). 其中𝜌𝑖𝑗,𝑡 為兩變數之動態條件相關係數，𝜌𝑖𝑗 為兩變數之固定條件相關係數，𝑟𝑖,𝑡−1為油價報酬率資料，𝑟𝑗,𝑡−1 為匯率報酬率資料。檢定的假設為 H0 : 𝛼𝑖𝑗 = 0，H1 : 𝛼𝑖𝑗 ≠ 0。檢定結果若拒絕虛無假設，則表示此兩變數間不具有固定條件相關係數之特性，在分析資料時應採用動態條件相關係數模型；反之，若不拒絕虛無假設，則採用固定條件相關係數即可。. 16.

(26) 第四章實證分析結果 4.1 資料描述本研究採用台灣經濟新報資料庫 (TEJ)，獲得郵匯局一年定存利率、美元兌台幣匯率 (NTD) 和台灣股市八大類股之日資料，包括水泥 (TCE)，食品 (TFO)，塑膠 (TPL)，紡織 (TTE)，機電 (TME)，造紙 (TPA)，營建 (TCO)，金融 (TFI)，其中又將機電類再分出三類，分別為電機機械 (TME1)，電器電纜 (TME2)，資訊電子 (TME3)。並採用經濟部能源局資料庫，獲得西德克薩斯中質原油 (WTI) 日資料。樣本期間自2005年1月4日至2012年12月28日，可採用之共同開市日資料. 共1966筆。因為本文主要是對類股超額報酬率的研究，而不是股匯油市的收盤指數，所以將每日收盤指數取自然對數後再做一階差分後變成日報酬率，再將股市日報酬率減去郵匯局一年定存利率的日報酬率，得到日超額報酬率。表4-1為10個類股的日超額報酬率與油匯市日報酬率之敘述性統計資料。資料顯示，十個類股的超額報酬率皆為負值，最低與最高的類股分別為金融類股的 -0.46%和食品類股的-0.38%。而常用來測量風險的標準差以營建類股最高，塑膠類股最低。在匯市方面，美元兌台幣的日報酬為-0.0045%，標準差為0.0027；西德州原油價格的日報酬為0.0395%，標準差是0.0258。再來看到JB統計量，可發現 P值皆為0，亦即全部都拒絕「被檢定的變數為常態分配」這個虛無假設，而這也與所呈現的峰態係數吻合，從表中可得知所有變數的峰態係數皆大於3，具有高狹峰和厚尾的特性 (極端值較多)，這種性質以財務資產報酬的統計資料最常出現。圖 4-1 至 4-12 為 10 個類股的日超額報酬率與油匯市日報酬率之走勢圖，從圖中可看出，大致上都存在著波動叢聚的現象，在 2008 年和 2011 年各有一個較大幅度的波動，可以推測，在 2008 年是因為受到美國次級房貸和全球金融風暴的影響，而 2011 年時則是在歐債危機後續發酵、日本 311 大地震，和美國景氣疲軟三方利空衝擊之下所造成。. 17.

(27) 表 4-1: 10 個類股超額報酬率、石油價格報酬率、美元兌台幣匯率報酬率之敘述性統計油價. 匯率. 水泥類股. 營建類股. 金融類股. 食品類股. 電機機械. 電器電纜. 資訊電子. 造紙類股. 塑膠類股. 紡織類股. WTI. NTD. TCE. TCO. TFI. TFO. TME1. TME2. TME3. TPA. TPL. TTE. Mean. 0.0004. -4.52E-05. -0.0042. -0.0043. -0.0046. -0.0038. -0.0043. -0.0045. -0.0044. -0.0045. -0.0042. -0.0043. Median. 0.0001. 3.04E-05. -0.0039. -0.0043. -0.0044. -0.0036. -0.0035. -0.0042. -0.0034. -0.0045. -0.0038. -0.0042. Maximum. 0.2301. 0.0153. 0.0949. 0.0899. 0.0758. 0.0630. 0.0579. 0.0712. 0.0633. 0.1224. 0.0633. 0.0751. Minimum. -0.1869. -0.0152. -0.0791. -0.0788. -0.0780. -0.0847. -0.0708. -0.0785. -0.0758. -0.0795. -0.0738. -0.0740. Std. Dev.. 0.0258. 0.0027. 0.0192. 0.0221. 0.0180. 0.0180. 0.0141. 0.0189. 0.0148. 0.0180. 0.0139. 0.0183. Skewness. 0.4394. -0.1963. -0.1260. -0.2412. -0.1132. -0.2668. -0.6202. -0.3130. -0.3942. -0.1702. -0.1151. -0.1644. Kurtosis. 12.2434. 7.3195. 5.2694. 4.2991. 5.7049. 5.1273. 5.6837. 4.7943. 5.3947. 6.3012. 5.7447. 4.5373. Jarque-Bera. 7062.264. 1540.998. 427.1011. 157.2973. 603.5627. 394.0148. 716.0014. 295.849. 520.6492. 902.2317. 621.4461. 202.46. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. Sum. 0.7761. -0.0889. -8.2011. -8.3894. -9.0524. -7.4876. -8.4789. -9.0685. -8.5991. -8.8641. -8.3207. -8.4016. Sum Sq. Dev.. 1.3088. 0.0141. 0.7216. 0.9612. 0.6374. 0.6369. 0.3880. 0.7033. 0.4290. 0.6388. 0.3839. 0.6566. Observations. 1966. 1966. 1966. 1966. 1966. 1966. 1966. 1966. 1966. 1966. 1966. 1966. JB Probability. 18.

(28) .100. .08. .075. .06 .04. .050. .02 .025. .00 .000. -.02 -.025. -.04. -.050. -.06. -.075. -.08. -.100. -.10 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 2005. 圖 4-1:水泥類股日超額報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 圖 4-2:食品類股日超額報酬率. .08. .08. .06. .06. .04. .04. .02. .02. .00. .00. -.02. -.02. -.04. -.04. -.06. -.06 -.08. -.08 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2005. 2012. 圖 4-3:塑膠類股日超額報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 圖 4-4:紡織類股日超額報酬率. .06. .08. .04. .06 .04. .02. .02 .00 .00 -.02 -.02 -.04. -.04. -.06. -.06. -.08. -.08 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 2005. 圖 4-5:電機機械類股日超額報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 圖 4-6:電器電纜類股日超額報酬率. 19.

(29) .08. .16. .06. .12. .04. .08. .02 .04 .00 .00 -.02 -.04. -.04. -.08. -.06 -.08. -.12 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 2005. 圖 4-7:資訊電子類股日超額報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 圖 4-8:造紙類股日超額報酬率. .100. .08. .075. .06. .050. .04. .025. .02. .000. .00. -.025. -.02. -.050. -.04. -.075. -.06 -.08. -.100 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2005. 2012. 圖 4-9:營建類股日超額報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 圖 4-10:金融類股日超額報酬率. .3. .016 .012. .2. .008 .004. .1. .000 -.004 .0. -.008 -.012. -.1. -.016 -.2. -.020 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 2005. 圖 4-11:西德州石油價格日報酬率. 2006. 2007. 2008. 2009. 2010. 2011. 圖 4-12:美元兌台幣日報酬率. 20. 2012.

(30) 4.2 單根檢定結果為了確保上述變數的時間序列資料不會受到短期衝擊後造成長期性的改變，故在本節採用 Augmented Dicky-Fuller (ADF)、Phillips-Perron (PP) 和 DF-GLS 三種單根檢定方法對各變數進行檢定，以確保所有分析資料皆為定態，而非帶有趨勢 (非定態) 之序列。表 4-2-1 為 ADF 單根檢定之結果，從表中可得知，各類股、油價和匯率，在 1%顯著水準之下，無論是無截距項且無時間趨勢項、只含截距項或者包含截距項及時間趨勢項，皆拒絕非定態之虛無假設，也就是各變數全部為定態，為 I (0) 序列。表 4-2-2 為 PP 單根檢定之結果，從表中可得知，各類股、油價和匯率，在 1%顯著水準之下，無論是無截距項且無時間趨勢項、只含截距項或者包含截距項及時間趨勢項，皆拒絕非定態之虛無假設，也就是各變數全部為定態，為 I (0) 序列。表 4-2-3 為 DF-GLS 單根檢定之結果，從表中可得知，各類股及匯率大部分在 1%顯著水準之下，無論是只含截距項或者同時包含截距項和時間趨勢項，皆拒絕非定態之虛無假設，也就是全為定態，為 I (0) 序列。而油價在只含截距項時，在 10%顯著水準下仍然不拒絕非定態之虛無假設，所以是非定態，為 I (1) 序列;在含截距項及時間趨勢項時，只在 10%顯著水準下拒絕是定態之虛無假設，在 5%顯著水準下則不拒絕。. 21.

(31) 表 4-2-1:ADF 單根檢定結果 ADF None. C. C&T. TCE. -37.58***. -39.12***. -39.17***. TFO. -39.45***. -41.04***. -41.13***. TPL. -6.73***. -38.66***. -38.78***. TTE. -38.21***. -40.04***. -40.13***. TME1. -6.21***. -38.54***. -38.72***. TME2. -26.67***. -39.73***. -39.81***. TME3. -6.21***. -40.81***. -40.89***. TPA. -12.41***. -40.46***. -40.58***. TCO. -36.89***. -38.05***. -38.09***. TFI. -26.83***. -41.96***. -42.09***. WTI. -48.96***. -48.96***. -48.95***. NTD. -41.71***. -41.71***. -41.72***. 註: 1.其中 None 表示無截距項且無時間趨勢項，C 表示只含截距項，C&T 表示含截距項及時間趨勢項。 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。 3.無截距項且無時間趨勢項的 1% 臨界值= -2.57、5% 臨界值= -1.94、10% 臨界值= -1.62。 4.含截距項 1 %臨界值= -3.43、5%臨界值= -2.86、10%臨界值= -2.57。 5.含截距項及時間趨勢項的 1% 臨界值= -3.96、5 % 臨界值= -3.41、10%臨界值= -3.12。. 22.

(32) 表 4-2-2:PP 單根檢定結果 PP None. C. C&T. TCE. -39.43***. -39.13***. -39.04***. TFO. -41.24***. -40.99***. -41.09***. TPL. -42.96***. -39.06***. -39.05***. TTE. -41.64***. -40.03***. -40.06***. TME1. -44.03***. -39.52***. -39.24***. TME2. -41.81***. -39.89***. -39.93***. TME3. -44.86***. -40.89***. -40.96***. TPA. -44.11***. -41.37***. -41.35***. TCO. -39.77***. -38.24***. -38.21***. TFI. -44.41***. -42.01***. -42.12***. WTI. -48.91***. -48.91***. -48.90***. NTD. -42.80***. -42.79***. -42.77***. 註: 1.其中 None 表示無截距項且無時間趨勢項，C 表示只含截距項，C&T 表示含截距項及時間趨勢項。 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。 3.無截距項且無時間趨勢項的 1% 臨界值= -2.57、5% 臨界值= -1.94、10% 臨界值= -1.62。 4.含截距項 1 %臨界值= -3.43、5%臨界值= -2.86、10%臨界值= -2.57。 5.含截距項及時間趨勢項的 1% 臨界值= -3.96、5 % 臨界值= -3.41、10%臨界值= -3.13。. 23.

(33) 表 4-2-3:DF-GLS 單根檢定結果 DF-GLS C. C&T. TCE. -2.27**. -6.23***. TFO. -2.03**. -4.22***. TPL. -1.93*. -5.46***. TTE. -2.22**. -4.55***. TME1. -4.09***. -37.01***. TME2. -3.10***. -5.88***. TME3. -2.19**. -4.41***. TPA. -2.53**. -5.13***. TCO. -2.94***. -5.39***. TFI. -5.41***. -41.16***. WTI. -1.18. -2.58*. NTD. -41.68***. -41.72***. 註:1. 其中 C 表示只含截距項，C&T 表示含截距項及時間趨勢項。 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。 3.含截距項 1% 臨界值= -2.57、5% 臨界值= -1.94、10 % 臨界值= -1.62。 4.含截距項及時間趨勢項 1% 臨界值= -3.48、5% 臨界值= -2.89、10% 臨界值= -2.57。. 24.

(34) 4.3 動態條件相關係數模型估計結果在本研究中，有兩個變數對於我們研究股票市場的報酬十分重要，分別是對基本面及金融面有一定影響的油價及匯率，一則影響原物料價格和生產成本，另一則影響了進出口貿易之匯兌損益，因此在本節中我們參考 Hasan and Ratti (2012) 的兩階段 GARCH 迴歸模型估計方法並加以修正，首先必須分析這兩變數間可能產生的動態交互作用現象，故採用 DCC-GARCH 模型估計其兩兩間的動態相關係數模型並與 CCC-GARCH 模型估計出的固定相關係數模型做比較，並利用 Tse (2000) 的 LM 檢定法檢定第一階段的迴歸估計式，以H0 = 𝐶𝐶𝐶 − 𝐺𝐴𝑅𝐶𝐻或者 H1 = 𝐷𝐶𝐶 − 𝐺𝐴𝑅𝐶𝐻的假設做統計檢定。在第一階段的估計模型中，我們同時也利用了 DCC-GARCH 模型估計出此兩變數的條件變異數，這變數將在下一階段估計模型中以波動性方式呈現，亦是本研究的觀察重點之一。表 4-3-1 為 DCC-GARCH 及 CCC-GARCH 之估計結果，從表中可得知，石油價格日報酬率及美元兌台幣匯率日報酬率以動態條件相關係數來估計，其平均數為-0.9137，而以固定條件相關係數估計則為-0.0564，根據表 4-3-2 的 Tse (2000) LM 檢定結果，LM 檢定值為 60.61，在 1%顯著水準下，拒絕「是固定條件相關係數」的虛無假設，也就是說，油價與匯率兩變數間不具有固定相關的特性。且在整個動態時間過程中，動態相關係數出現-0.9999 至 0.6370 的劇烈震盪，因此若使用固定條件相關係數，就無法完整描述整個動態時間裡石油價格日報酬率及美元兌台幣匯率日報酬率間的相互關係。表 4-3-3 為石油和匯率的條件變異數結果，從表中可得知，油價報酬條件變異數平均為 0.1417，匯率報酬條件變異數平均則為 3.28e-05，另外從圖形中可看到，兩個變數在 2008 年和 2011 年的波動都十分大，可以推測 2008 年時是受到美國次級房貸和全球金融風暴的影響，而 2011 年時對於石油而言較 2008 年時的波動為小，但匯率的波動性仍然很大，因此推測有可能是受到了 2010 年起的歐債危機及美國 QE2 政策的影響所致，所以在匯率方面產生較大的波動。. 25.

(35) 表 4-3-1: 石油價格日報酬率及美元兌台幣匯率日報酬率之相關係數 0.8. 0.4. 0.0. -0.4. -0.8. -1.2 2005. 2006. 2007. 2008. 2009. DCC. 動態條件相關係數 (DCC) Mean. -0.9176. Std.dev. 0.1675 1910. Obs. 2010. 2011. 2012. CCC. 固定條件相關係數 (CCC) -0.0564. 表 4-3-2:油價與匯率報酬率之動態相關係數檢定油價與匯率報酬率相關性檢定檢定值. 60.61***. 註:1.利用 Tse (2000) 之 LM 統計量，當 LM 檢定統計量顯著時，表示拒絕固定條件相關的假設。 2.***表示在 1%的顯著水準下顯著。. 26.

(36) 表 4-3-3:石油及匯率之條件變異數石油條件變異數. 匯率條件變異數. .160. .000044 .000042. .156. .000040. .152. .000038 .000036. .148 .000034 .000032. .144. .000030. .140. .000028 .000026. .136 2005. 2006. 2007. 2008. 2009. 2010. 2011. 2012. 2005. 2006. 2007. 2008. Mean. 0.1417. 3.28E-05. Std.dev. 0.0022. 8.78E-07. Obs. 1910. 1910. 2009. 2010. 2011. 2012. 4.4 油價與匯率對台灣各類股報酬之影響此節我們將探討台灣各類股的超額報酬率受到類股本身的落後期、油價及匯率的報酬率和波動性的影響下，造成的波動大小及方向為何?從本章第一節的資料敘述可得知，資料具有因時而變、群聚現象與厚尾現象，故在此第二階段中採用 GARCH (1,1) 為分析之標準模型，並將各類股之 GARCH (1,1) 估計係數結果列於表 4-4，在此需特別注意的是，由於第一階段的雙變數 DCC-GARCH 估計模型中，匯率的條件變異數估計出來的值很小，因此在第二階段，單一變數各類股報酬率 GARCH 估計模型中，可能會造成估計系數很大的現象。. 4.4.1 類股本身落後期對類股超額報酬率之影響從表 4-4 中可得知，除了食品類股及金融類股不顯著之外，類股本身落後期對類股都有正向的影響，亦即當前一期超額報酬率上升時，會帶動本期超額報酬率一定比例的上升，其中效應最大的為電機機械類股，每當前一期上升 1%時，會對本期有 0.1169%的正向影響；最小的是資訊電子類股，每當前一期上升 1% 27.

(37) 則會對本期有 0.0554%的正向影響。此結果對於我們在投資方向有一定程度的幫助，藉此我們可以預期，當前一期超額報酬率為正時，下一期亦為正，而前一期超額報酬率為負時，下一期亦為負。. 4.4.2 石油報酬率對類股超額報酬率之影響從表 4-4 中可得知，石油報酬率對於台灣所有類股都有正向的影響，亦即石油價格上升時，會帶動類股超額報酬率一定比例的上升，其中效應最大的為紡織類股，每當石油報酬率上升 1%時，會對本期類股有 0.1003%的正向影響。此結果與我們的常識迥異，一般認為油價上漲時可能會連帶使企業的運輸成本、原料成本上升，且消費者的購買力下降，導致企業獲利水準降低，所以我們認為造成此研究結果的原因為，景氣波動的影響大於成本增減的影響，當景氣復甦時帶動服務業與製造業對原油的需求，進而推升油價，而市場上的資金增加亦會拉抬股價，因此使得類股超額報酬率與石油報酬率的走勢一致。. 4.4.3 匯率報酬率對類股超額報酬率之影響從表 4-4 中可得知，除了食品類股不顯著之外，匯率報酬率對類股皆為負向的影響，亦即台幣貶值時會造成類股一定比例的下跌，其中營建類股受到的影響最大，每當匯率報酬率上升 1%時，會對本期類股有 0.4445%的負向影響。此結果與我們預想的相同，當外資認為台股有利可圖時，將外幣匯入造成台幣升值，然後進入股市炒作提升股價；相反的，當台股已達高點時，外資賣出股票使得台股下跌，然後將資金匯出導致台幣貶值。針對食品類股而言，在排除受到外資干擾的情況下，我們認為他不顯著的原因，在於收入來源與其他類股不同，從圖 4-13 我們可以知道，食品類股的獲利來源，外銷只佔 0.01%，其餘 99.99%皆為內銷，且他的原料大部分也不需要經由進口獲得，因此不容易受到匯率的影響。. 28.

(38) 4.4.4 石油價格波動性對類股超額報酬率之影響從表 4-4 中可得知，除了水泥類股外，石油價格的波動性對其他類股的超額報酬率皆無顯著影響，這代表著油價預期外的衝擊對類股超額報酬率的影響不顯著，也就是說，在第一階段估計油價報酬率的均數方程式中，變數的解釋能力很高，包含了大部分影響油價的資訊，而這些資訊在第二階段估計時也能有效的解釋對類股超額報酬率的影響，就算油價受到了預期外的衝擊，那也只是短暫且不顯著的。由此我們可以說，台灣股市對於石油價格風險的敏感程度並不高。. 4.4.5 匯率波動性對類股超額報酬率之影響從表 4-4 中可得知，除了營建類股和食品類股外，匯率的波動性對其他類股的超額報酬率皆無顯著影響，亦即台灣股市對於匯率風險的敏感程度並不高，此結果可能與央行的政策有關，央行總裁彭淮南在 2009 年曾強調「一旦市場發生因季節性、偶發性的過度波動時，央行將在適當時機採取適當措施，維持外匯市場的秩序」，此舉讓台灣匯率穩定維持在一定的範圍之內，降低了匯率波動帶來的預期外衝擊對台灣股市報酬的影響，因此結果顯示，匯率的波動對於台灣類股的超額報酬影響並不顯著。. 4.5 油價與匯率正負向波動之影響此節我們將繼續探討油價與匯率的波動對台灣各類股超額報酬率的影響，雖然上節實證結果表明大多是不顯著的，但不同的是，上節我們觀察的是整個樣本期間的波動，而本節我們將油價與匯率的波動利用虛擬變數做區隔，分別觀察當報酬率為正及報酬率為負時，對類股超額報酬率的影響程度是否等價，期許能從中找出不同的結果。從表 4-5 和 4-5-1 可得知，在利用虛擬變數將油價的正、負報酬率所帶來的波動分開分析，並且利用 Wald test 做係數檢定後，結果發現除了原本的水泥類. 29.

(39) 股是顯著之外，塑膠類股之結果也由不顯著變為顯著，且油價在報酬率為正和報酬為負時對水泥類股、塑膠類股的超額報酬率影響大小是一樣且方向一致為正，亦即油價無論上漲或下跌所帶來的風險對類股造成的影響幅度相同且皆為正向。從表 4-5 和 4-5-1 可得知，在利用虛擬變數將匯率的正、負報酬率所帶來的波動分開分析，並且利用 Wald test 做係數檢定後，結果發現除了原本的營建、食品類股是顯著之外，造紙類股之結果也由不顯著變為顯著，且匯率在報酬率為正和報酬為負時對營建類股、食品類股和造紙類股的超額報酬率影響大小是一樣且方向一致為正，亦即匯率無論升值或貶值所帶來的風險對類股造成的影響幅度相同且皆為正向。. 30.

(40) 表 4-4:台灣各類股之 GARCH (1,1) 估計結果水泥類股. 營建類股. 食品類股. 塑膠類股. 電機機械. 電器電纜. 資訊電子. 金融類股. 造紙類股. 紡織類股. TCE. TCO. TFO. TPL. TME1. TME2. TME3. TFI. TPA. TTE. -0.0774* (0.0398) 0.1027*** (0.0270) 0.0643*** (0.0135) -0.2661** (0.1336) 0.4089* (0.2171) 499.7988 (501.4850). -0.0825* (0.0462) 0.0836*** (0.0282) 0.0484*** (0.0157) -0.4445*** (0.1694) 0.2538 (0.2446) 1311.9580** (586.2730). -0.0364 (0.0360) 0.0224 (0.0291) 0.0575*** (0.0131) -0.1697 (0.1291) 0.0177 (0.1842) 933.9152* (490.6032). -0.0428 (0.0303) 0.0756*** (0.0269) 0.0723*** (0.0103) -0.2585*** (0.0977) 0.1938 (0.1630) 358.8037 (398.8768). -0.0083 (0.0277) 0.1170*** (0.0285) 0.0386*** (0.0109) -0.2344** (0.1031) 0.0203 (0.1248) 59.0569 (394.6247). -0.0078 (0.0395) 0.0712** (0.0286) 0.0889*** (0.0147) -0.2657* (0.1615) -0.0321 (0.2027) 261.8305 (599.4954). 0.0043 (0.0287) 0.0554* (0.0295) 0.0675*** (0.0107) -0.2285** (0.1074) 0.0704 (0.1280) -536.1091 (420.5674). -0.0029 (0.0361) 0.0121 (0.0289) 0.0791*** (0.0116) -0.3331** (0.1384) -0.1023 (0.1749) 390.1438 (517.7172). -0.0199 (0.0370) 0.0624** (0.0283) 0.0572*** (0.0138) -0.2319* (0.1348) -0.0425 (0.1710) 675.1547 (512.5493). -0.0302 (0.0347) 0.0677** (0.0278) 0.1003*** (0.0141) -0.3673*** (0.1408) 0.0756 (0.1807) 487.6707 (514.8249). 2.25E-05*** (2.26E-06) 0.2536*** (0.0216) 0.6995*** (0.0154). 3.07E-05*** (3.36E-06) 0.2066*** (0.0187) 0.7359*** (0.0145). 2.56E-05*** (2.75E-06) 0.2243*** (0.0193) 0.7115*** (0.0160). 1.61E-05*** (1.82E-06) 0.2518*** (0.0201) 0.6856*** (0.0144). 2.32E-05*** (2.27E-06) 0.2537*** (0.0235) 0.6458*** (0.0189). 5.80E-05*** (6.20E-06) 0.2124*** (0.0235) 0.6368*** (0.0242). 1.88E-05*** (2.30R-06) 0.2130*** (0.0206) 0.7129*** (0.0184). 2.20E-05*** (2.45E-06) 0.2445*** (0.0219) 0.7051*** (0.0170). 2.64E-05*** (2.96E-06) 0.2579*** (0.0186) 0.6913*** (0.0161). 3.74E-05*** (4.40E-06) 0.2519*** (0.0260) 0.6536*** (0.0220). 均數方程式 К 𝜔1 𝜔2 𝜔3 𝜔4 𝜔5 變異數方程式. 𝜑0 𝜑1 𝜑2. 𝑟𝑖,𝑡 = Кi + ωi1 ri,t−1 + ωi2 ro,t−1 + ωi3 re,t−1 + ωi4 ho,t + ωi5 he,t + ξi,t 2 ℎ𝑖,𝑡 = 𝜑0𝑖 + 𝜑1𝑖 𝜉𝑖,𝑡−1 + 𝜑2𝑖 ℎ𝑖,𝑡−1 其中被解釋變數為台灣各類股的超額日報酬率ri,t，解釋變數包括，類股本身落後一期 (𝜔1 )、石油報酬率落後一期 (𝜔2 )、匯率報酬率落後一期 (𝜔3 )、石油報酬波動 (𝜔4 )和匯率報酬波動 (𝜔5 )。ARCH 項 (𝜑1 )，GARCH 項 (𝜑2 )。. 31.

(41) 表 4-5:台灣各類股之 GARCH (1,1) 估計結果 (加入虛擬變數) 水泥類股. 營建類股. 食品類股. 塑膠類股. 電機機械. 電器電纜. 資訊電子. 金融類股. 造紙類股. 紡織類股. TCE. TCO. TFO. TPL. TME1. TME2. TME3. TFI. TPA. TTE. -0.0802*** (0.0389) 0.1015*** (0.0270) 0.0659*** (0.0196) -0.3538** (0.1644) 0.4213* (0.2199) 0.4215* (0.2196) 534.9336 (445.9921) 537.4473 (448.3191). -0.0772* (0.045384) 0.0815*** (0.0284) 0.0607*** (0.0216) -0.6141*** (0.2107) 0.2598 (0.2419) 0.2598 (0.2415) 1136.605** (549.2057) 1132.622** (553.3816). -0.0354 (0.0363) 0.0243 (0.0293) 0.0658*** (0.0170) -0.4336*** (0.1559) 0.0391 (0.1875) 0.0420 (0.1872) 829.2423* (470.0289) 787.6158* (473.2944). -0.0597** (0.0299) 0.0753*** (0.0269) 0.0749*** (0.0145) -0.3658*** (0.1124) 0.3062* (0.1604) 0.3075* (0.1604) 393.8613 (369.1019) 378.2823 (370.1639). -0.0299 (0.0267) 0.1155*** (0.0285) 0.0414*** (0.0143) -0.2226* (0.1191) 0.0984 (0.1290) 0.0997 (0.1289) 375.8117 (347.3407) 380.8925 (350.9148). -0.0283 (0.0385) 0.0714** (0.0286) 0.0834*** (0.0197) -0.4536** (0.1954) 0.0521 (0.2062) 0.0486 (0.2054) 551.6157 (535.9414) 513.0922 (539.1168). 0.0028 (0.0292) 0.0564* (0.0295) 0.0682*** (0.0149) -0.1970 (0.1296) 0.0924 (0.1378) 0.0933 (0.1378) -584.0081 (374.7596) -591.6690 (377.8162). 0.0057 (0.8822) 0.0143 (0.0290) 0.1048*** (0.0162) -0.5157*** (0.1709) -0.1341 (0.1982) -0.1246 (0.1978) 262.4754 (467.8081) 228.0785 (469.8690). -0.0273 (0.0360) 0.0608** (0.0282) 0.0670*** (0.0193) -0.3722** (0.1722) -0.0123 (0.1749) -0.0089 (0.1751) 769.8881* (460.591) 756.7640* (464.2523). -0.0479 (0.03436) 0.06680** (0.0278) 0.1093*** (0.0189) -0.5330*** (0.1759) 0.1380 (0.1811) 0.1417 (0.1808) 762.4591 (470.2059) 738.6356 (473.9647). 2.26E-05*** (2.28E-06) 0.2539*** (0.0216) 0.6990*** (0.0154). 3.11E-05*** (3.43E-06) 0.2065*** (0.0189) 0.7351*** (0.0148). 2.53E-05*** (2.76E-06) 0.2253*** (0.0195) 0.7115*** (0.0162). 1.62E-05*** (1.84E-06) 0.2525*** (0.0206) 0.6843*** (0.0149). 2.32E-05*** (2.26E-06) 0.2544*** (0.0236) 0.6456*** (0.0189). 5.86E-05*** (6.24E-06) 0.2103*** (0.0234) 0.6363*** (0.0243). 1.87E-05*** (2.30E-06) 0.2120*** (0.0204) 0.7142*** (0.0183). 2.17E-05*** (2.44E-06) 0.2478*** (0.0221) 0.7038*** (0.0169). 2.65E-05*** (2.96E-06) 0.2568*** (0.0186) 0.6916*** (0.0162). 3.70E-05*** (4.38E-06) 0.2537*** (0.0262) 0.6533*** (0.0219). 均數方程式 𝜂0 𝜂1 𝜂2 𝜂3 𝜂4 𝜂5 𝜂6 𝜂7 變異數方程式. 𝜍0 𝜍1 𝜍2. o o 𝑟𝑖,𝑡 = η0 + η1 ro,t−1 + η2 re,t−1 + η3 ri,t−1 + η4 D1,t ho,t + η5 (1 − D1,t )ho,t + η6 De2,t he,t + η7 (1 − De2,t )he,t + ξi,t 2 ℎ𝑖,𝑡 = 𝜍0𝑖 + 𝜍1𝑖 𝜉𝑖,𝑡−1 + 𝜍2𝑖 ℎ𝑖,𝑡−1 o 𝑒 D1,𝑡 是當石油價格報酬率為正(負)時，其值為 1(0)的虛擬變數。而𝐷2,𝑡 是當美元兌台幣匯率報酬率為正(負)時，其值為 1(0)的虛擬變數。. 32.

(42) 表 4-5-1:Wald 係數檢定結果 𝐇 𝟎 : 𝛈𝟒. 𝐇𝟎 : 𝜼𝟔. = 𝛈𝟓. = 𝜼𝟕. Value. P-Value. Value. P-Value. TCE. 0.0011. 0.9737. 0.0906. 0.7634. TCO. 0.4943. 0.482. 0.0138. 0.9066. TFO. 0.2445. 0.6210. 2.3477. 0.1255. TPL. 0.0709. 0.7899. 0.5391. 0.4628. TME1. 0.0565. 0.8121. 0.0537. 0.8167. TME2. 0.2357. 0.6273. 1.3697. 0.2419. TME3. 0.0278. 0.8676. 0.1075. 0.7429. TFI. 2.585. 0.1079. 1.7009. 0.1922. TPA. 0.3034. 0.5818. 0.2164. 0.6418. TTE. 0.3069. 0.5796. 0.6448. 0.4220. 註: ***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。. 圖 4-13:各類股之外銷比重 1.2 資訊電子, 0.96. 1 紡織類股, 0.79. 0.8. 0.6. 塑膠類股, 0.53. 0.4. 電機機械, 0.32 水泥類股, 0.24. 電器電纜, 0.19. 0.2 食品類股, 0.01 0 33. 造紙類股, 0.33.

(43) 第五章結論 5.1 研究結論近 15 年全球在接連面對 1997 年亞洲金融風暴、2007 年至 2010 年全球次貸危機和 2010 以來的歐債危機，都在在地告訴我們全球經濟已經今非昔比，台灣錢淹腳目、人人有錢賺的榮景已不再，因此在這網路和科技發達的世代，投資者如何掌握正確資訊做有效投資就顯得日益重要，除了基本面與技術面外，代表成本面和金融面其中一環的油價及匯率也是我們必須慎重考慮的因素。本研究著重於探討油價與匯率的波動對台灣類股超額報酬率的影響。與以往文獻不同的地方在於，本文參考 Hasan and Ratti (2012) 的兩階段 GARCH 迴歸模型並加以修正，在第一階段中，先將西德州中質原油報酬率和美元兌台幣匯率報酬率的雙變數 GARCH 模型，以動態條件相關係數模型 (DCC) 來研究此兩市場間的相關程度及其動態異質條件變異，第二階段再將第一階段迴歸模型所估計而得的油市及匯市異質條件變異帶入單變數 GARCH 模型中，並做一些虛擬變數的假設，以估計出油價和匯率的波動對台灣各類股的影響程度。研究資料主要使用台灣各類股指數之超額報酬率和油匯市價格指數之報酬率，資料頻率為日資料，以 2005 年 1 月 4 日至 2012 年 12 月 28 日間的共同開市日共 1966 筆資料做一深入研究。研究結果顯示，第一階段中 DCC-GARCH 模型估計出的動態相關係數，在利用 LM 檢定法檢定後，顯著拒絕係數為固定相關係數的虛無假設。我們可以發現動態條件相關係數的變化相當大，約在-0.9999 至 0.6370 間來回震盪，且平均值高達-0.9137，傳統上若只用固定條件相關係數模型來估計的話，將會忽略這樣的動態相關係數波動關係，使得投資者容易做出錯誤的判斷並使風險增加。第二階段油價與匯率波動對台灣類股超額報酬率影響方面，我們發現油價的漲跌對於所有類股都有顯著且同向的影響，當油價上漲時類股之超額報酬率即上漲，油價下跌時類股之超額報酬率即下跌，幅度最大的為紡織類股，最小的為電機機械類股，而匯率的漲跌也幾乎對於所有類股有顯著的影響，但方向為負相關，當台幣 34.

(44) 貶值時類股超額報酬率下跌，台幣升值時類股超額報酬率則上升，幅度最大的為營建類股，最小的為資訊電子類股。在油價與匯率之風險對台灣類股超額報酬率影響方面，我們發現油價的風險僅對水泥類股和塑膠類股在 10%檢定水準下有顯著影響，而正、負向油價報酬率所導致之波動大小相等且同向，其餘類股則皆對油價的風險不顯著，而匯率的風險對營建類股在 5%檢定水準下顯著，對食品類股和造紙類股在 10%檢定水準下顯著，且在正、負向匯率報酬率所導致之波動大小，其影響相等且同向，其餘類股則皆對匯率的風險不顯著。綜合上述之迴歸模型與實証結果，我們可以歸納出一結論，油價與匯率這兩項變數對於台灣類股超額報酬率變動的解釋能力很高，除了匯率影響食品類股較不顯著外，油價和匯率之價格報酬率對於其他類股皆有顯著之影響，但對這兩項變數的風險並不敏感。由此我們認為，所有投資人在投資台灣股市時，除了考慮技術線圖和基本財報外，油價與匯率的起伏也需一併納入考量，如此才能做出客觀和理性的投資決策，並讓投資人能在台灣股市中有效的獲利與避險。. 5.2 未來研究建議在本研究中，研究期間從 2005 年至 2012 年，在這當中發生了諸多全球金融事件，譬如美國次級房貸、歐債危機和美國量化寬鬆貨幣政策等等，這些都可能是導致匯率及油價大幅波動的因素之一，而這樣的劇烈波動或許會干擾到我們的分析。因此，我們建議之後的研究，如果能將研究期間區分為金融海嘯前、金融海嘯後和歐債危機後，或許能找出一些不同於本研究的結論。另外，頁岩氣在近幾年的迅速發展下，已成為能源議題的熱門焦點，而這項新能源是否能影響股市報酬，也是未來研究可以探討的部分。. 35.

(45) 參考文獻 Bollerslev, Tim (1986), “Generalized Autoregressive Conditional Heteroskedasticity.” Journal of Econometrics, vol. 31, pp. 307-327. Bollerslev, Tim (1990), “Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH Model.” The Review of Economics and Statistics, vol. 72, pp. 498-505. Choi, Jongmoo Jay, Takato Hiraki and Nobuya Takeawa(1998), “Is Foreign Exchange Risk Priced in the Japanese Stock Market? ” The Journal of Financial and Quantitative Analysis, vol. 33, pp. 361-382. Dickey, David A. and Wayne A. Fuller (1979), “Distribution of the Estimators for Autoregressive Time Series With a Unit Root.” Journal of the American Statistical Association, vol. 74, pp. 427-431. Engle, Robert F. (1982), “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation.” Econometrica, vol. 50, pp. 987-1007. Elliott, Graham, Thomas J. Rothenberg and James H. Stock (1996), “Efficient Tests for an Autoregressive Unit Root.” Econometrica, vol. 64, pp. 813-836. Engle, Robert F. (2002), “Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models.” Journal of Business & Economic Statistics, vol. 20, pp. 339-350. Faff, Robert W. and Timothy J. Brailsford (1999), “Oil Price Risk and the Australian Stock Market.” Journal of Energy Finance and Development, vol. 4, pp. 69-87. Filis, George, Stavros Degiannakis and Christos Floros(2011), “Dynamic Correlation Between Stock Market and Oil Prices: The Case of Oil-importing and Oil-Exporting Countries.” International Review of Financial Analysis, vol. 20, 36.

(46) pp.152-164. Granger, Clive W.J, Bwo-Nung Huang and Chin Wei Yang (1998), “A Bivariate Causality Between Stock Prices and Exchange Rates: Evidence From Recent Asia Flu.” Quarterly Review of Economics and Finance, vol. 40, pp. 337–354. Horng,Wann-Jyi and Jih-Ming Chyan(2009), “A DCC Analysis of Two Stock Market Returns Volatility with an Oil Price Factor: An Evidence Study of Singapore and Thailand’s Stock Markets.” Journal of Convergence Information Technology, vol. 4, pp.63-69. Hasan, M. Zahid and Ronald A. Ratti (2012), “Oil Price Shocks and Volatility in Australian Stock Returns.” University of Notre Dame Australia Research Online, pp. 1-38. Maghyereh, Aktham (2004), “Oil Price Shocks and Emerging Stock Markets: A Generalized Var Approach.” International Journal of Applied Econometrics and Quantitative Studies, vol. 1, pp. 27-40. Phillips, Peter C. B. and Pierre Perron (1988), “Test for a Unit Root in Time Series Regression.” Biometrika, vol. 75, pp. 335-346. Phylaktis, Kate and Fabiola Ravazzolo (2005), “Stock Prices and Exchange Rate Dynamics.” Journal of International Money and Finance, vol. 24, pp. 1031-1053. Park, Jung Wook and Ronald A. Ratti (2007), “Oil Price Shocks and Stock Markets in the U.S. and 13 European Countries.” Energy Economics, vol. 30, pp. 2587-2608. Syllignakis, Manolis N. and Georgios P. Kouretas (2006), “Long and Short-Run Linkages in CEE Stock Markets: Implications for Portfolio Diversification and Stock Market Integration.” William Davidson Institute Working Papers Series wp832. Sohail, Nadeem and Zakir Hussain (2009), “Long-run and Short-run Relationship between Macroeconomic Variables and Stock Prices in Pakistan: The Case of 37.

(47) Lahore Stock Ecxchange.” Pakistan Economic and Social Review, vol. 47, pp. 183-198. Tse, Y. K. (2000), “A Test for Constant Correlations in a Multivariate Garch Model.” Journal of Economics, vol. 98, pp.107-127. Valdes, Arturo Lorenzo, Rocio Duran Vazquez and Leticia Armenta Fraire (2012), “Conditional Correlation Between Oil and Stock Market Returns: The Case of Mexico.” Revista Mexicana de Economıay Finanzas, vol. 7, pp. 49-63.. 38.

(48)