貨幣政策、投資人情緒以及台灣股市之從眾行為 - 政大學術集成

全文

(1)國立政治大學國際經營與貿易學系碩士論文. 政治大貨幣政策、投資人情緒以及台灣股市之從眾行為立 ‧. ‧ 國. 學. An Empirical Study on Monetary policy, Investor sentiment and herd behavior in Taiwan stock market. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：林信助博士研究生：林志軒撰. 中華民國一○三年七月 July 2013.

(2) 謝辭一篇論文的完成不僅需要自己的投入，更仰賴周遭許多貴人一點一滴地協助。首先，最要感謝的是養育我即將邁入第二十四個年頭的爸爸媽媽，在政大念了六年的書，今年總算要畢業了，謝謝你們無論我每天有多忙碌都依然關心著我的生活，或許有些時候自己因為繁雜的事務而忽略了互動的機會，但請記得我會一直是最愛你們的兒子。也因為有你們的支持，我才能在人生最青春的歲月留下精彩又豐富的回憶緊接著要謝謝詹場老師和張興華老師撥空前來政大聆聽論文口試，並給予相. 政治大這一年來不辭辛勞指導我的林信助老師，對於一個研究領域的初學者，能遇到認立. 當精闢的建議，使得本篇論文在交出去的這一刻顯得更加完整。再來要好好謝謝. ‧ 國. 學. 真又願意一步步帶領自己成長的良師真的很幸運。很謝謝老師在我不成熟的時候，除了給予警惕外，還多了鼓勵和期待，讓我在遇到挫折時仍能越挫越勇，找到做. ‧. 研究的頻率和對自己的信心。一年的時光在每週的會面和討論中一眨眼就過了，. sit. y. Nat. 看到自己一點一滴完成著論文，心中對於老師的感激更是一分一分地增加。而除. al. er. io. 了論文的指導外，老師對於待人處事的經驗分享更是讓我獲益無窮，我會一直記. v. n. 得要用心活出自己的氣質。隨著論文的完成，過去這段時光的相處方式也即將畫. Ch. engchi. i n U. 下句點，然而相信這段時間所培養出來的亦師亦友關係也會讓彼此的緣分延續。期待在未來還能繼續地和老師學習以及分享生活中不同的經驗。求學的路上有了良師的指導，更不能少了益友的相互扶持，因此在這裡要大力地感謝陳畊嘉以及陳永錚兩位兄弟的情義相挺，有你們一起分享生活大小事和彼此砥礪是我在碩班生涯中最值得回味的事情，相信畢業後我們的兄弟情誼一定可以長存。最後還要謝謝我的女朋友-林筱晴，在這兩年水深火熱的日子裡無怨無悔地陪伴和包容我，今天終於是不負所望準時畢業啦! 謹致於林志軒國立政治大學國際經營與貿易研究所中華民國一○三年七月.

(3) 摘要本文採用 Hwang and Salmon (2010) 所建構的從眾指標來分析台灣股市之從眾行為。有別於過往之相關研究，這種依市場風險 β 值的變異所計算的市場從眾指標不僅排除非系統風險 (idiosyncratic risk) 的影響，其參數化的設定亦便於假設檢定和統計推論的進行。從實證結果發現，從眾行為不僅普遍存在於台股市場，且隨著市場情緒趨於熱絡而更加明顯。另外，以隔夜拆放款利率做為貨幣政策的代. 政治大. 理變數，也顯示貨幣政策的調整會對市場情緒有加乘效果，進而加劇股市的從眾. 立. 行為；而當調幅越大時，從眾現象越顯強烈。一個合理的推測是：央行大幅升降. ‧ 國. 學. 息的動作會讓大眾有預測未來景氣走勢的機會而使得投資方向趨於一致，進而提. n. al. er. io. sit. y. Nat. 勢的作用。. ‧. 高市場的從眾程度；尤其在經濟緊縮期間，央行的貨幣政策似乎更有影響股市走. Ch. engchi. i n U. 關鍵字:從眾行為、市場情緒、貨幣政策、系統性風險. I. v.

(4) Abstract In this paper, we apply the herding index constructed by Hwang and Salmon (2010) in analyzing the overall herding behavior in Taiwan’s stock market. Unlike previous studies, the new index measures the degree of herding by the variation of systematic risk β, and hence avoids the contamination from the idiosyncratic risk. With its parametric setup, it also facilitates easier implementation of statistical inference and. 政治大. hypotheses testing. Our empirical results show that herding behavior not only. 立. pervasively exists in Taiwan’s stock market, the degree of herding also intensifies as. ‧ 國. 學. the market sentiment is heating up and becomes more positive. In addition, with the. ‧. overnight lending rate as the proxy variable for Central bank’s monetary policy, we. Nat. io. sit. y. show that an expansionary monetary policy strengthens market sentiment, thereby. er. exacerbates the herding behavior in stock market more significantly with a stronger. al. n. v i n C hconjecture is that UCentral A reasonable engchi. policy magnitude.. bank's policy attitude. provides investors a unifying benchmark for predicting the future development of business cycles, synchronizes their investment directions, thereby increases the degree of overall market herding. In particular, Central bank's monetary policy seems to be more influential on stock market’s herding behavior during recession periods.. Keywords: herd behavior, investor sentiment, monetary policy, systematic risk. II.

(5) 目錄摘要................................................................ I 目錄............................................................... III 表次............................................................... IV 圖次...............................................................IV 壹、研究背景和文獻.................................................. 1 貳、研究方法和資料選取.............................................. 6 一、研究方法.................................................... 6 二、資料來源與敘述............................................. 10 参、台股市場從眾行為實證分析....................................... 13 一、從眾指標衡量............................................... 13 二、台股從眾行為實證研究....................................... 13 三、市場情緒和從眾指標之關係................................... 16. 立. 政治大. ‧. ‧ 國. 學. 肆、央行貨幣政策對台股從眾行為實證研究............................. 20 一、貨幣政策變數基本資料....................................... 20 二、貨幣政策強弱對市場從眾行為的影響........................... 21 三、貨幣政策強弱對市場從眾行為的影響........................... 23 伍、結論........................................................... 29. n. al. er. io. sit. y. Nat. 參考文獻........................................................... 30. Ch. engchi. III. i n U. v.

(6) 表次表1 表2 表3 表4 表5 表6 表7 表8. CAPM & F-F 模型迴歸結果....................................... 14 CAPM & F-F 模型從眾指標之敘述性統計量......................... 15 情緒指標之敘述性統計量 ....................................... 18 情緒指標之相關係數矩陣 ....................................... 18 從眾指標對情緒指標迴歸之結果 ................................. 19 金融業隔夜拆放款利率變動率之敘述統計量 ....................... 20 央行利率政策調整方向 ......................................... 21 金融業隔夜拆放款利率調整幅度之敘述統計量 ..................... 22. 表9 表 10 表 11 表 12 表 13. 從眾指標金融業隔夜拆放款利率調整幅度迴歸之結果 ............... 23 貨幣政策實施與否之市場週轉率平均數檢定 ....................... 25 貨幣政策實施與否之資券餘額比平均數檢定 ....................... 25 市場週轉率對貨幣政策變數迴歸之結果 ........................... 26. 治政大資券餘額比對貨幣政策變數迴歸之結果 ........................... 26 立表 14 從眾指標對市場週轉率和貨幣政策變數之迴歸結果 ................. 28 ‧ 國. ‧. 圖次. CAPM & F-F 模型之從眾指標...................................... 15 F-F 模型從眾指標和 95%信賴區間 ................................. 15 F-F 從眾指標和景氣燈號對照圖................................... 16 金融業隔夜拆放款利率變動率直方圖 .............................. 21 金融業隔夜拆放款利率調整幅度直方圖 ............................ 22. n. al. er. io. sit. y. Nat. 圖1 圖2 圖3 圖4 圖5. 學. 表 15 從眾指標對資券餘額比和貨幣政策變數之迴歸結果 ................. 28. Ch. engchi. IV. i n U. v.

(7) 壹、研究背景和文獻自從 Fama (1970) 提出效率市場假說，定義資產價格和市場系統性風險的關係後，學術界紛紛在投資人為理性的前提假設下，以傳統資本資產定價模型 (CAPM) 為基礎的資產定價模型繼續探討資產報酬的相關議題。然而，橫斷面資產報酬差異無法被諸多理性資產定價模型有效解釋的實證結果，似乎也透露出投資者並非在完全理性的情況下進行決策的訊息。其中專家學者認為「從眾行為」可能是促使資產價格偏離正常基本面的原因之一 (Hwang and Salmon, 2004)。. 政治大. 所謂從眾行為所指的是:即使投資者擁有私人決策資訊，仍會跟隨大盤走勢或. 立. 是資訊較充分者進行投資 (Banerjee,1992) 的行為；越是缺乏資訊者，如散戶就越. ‧ 國. 學. 容易發生從眾行為 (Barber and Oden, 2008)。至於從眾行為產生的原因，學者歸納. ‧. 認為可能和外部性報酬、經理人聲譽及資訊瀑布流 (information cascade) 等問題. sit. y. Nat. 有關 (Devenow and Welch, 1996)。而衡量從眾行為的相關文獻主要可分為個人從. n. al. er. io. 眾以及市場從眾二類，其中個人從眾以 Lakonishok, et al. (1992) 利用個股成交量研. i n U. v. 究美國退休基金經理人的投資行為為代表，雖然僅顯現機構投資人只有在小型股. Ch. engchi. 有從眾行為；然而，Wermers (1999) 進一步改良其方法將投資行為區分成買賣雙方後，即發現過去表現佳的股價會促成買方從眾；反之，則會加劇賣方從眾。除了個人從眾外，當從眾行為發生時，由於大眾的投資方向會趨於一致，造成市場出現齊漲或齊跌的現象，因此 Christie, et al.(1995)便以個股橫斷面標準差來衡量整體股票市場的從眾，但結論顯現市場無明顯從眾現象；不過 Chang, et al. (2000) 改良其模型後，透過研究各國的股票市場發現開發中國家之股票市場確實存在明顯從眾行為。由此可見，無關是衡量個人或是整體市場，都有發現投資人受到他人行為影響的證據，進而加劇從眾現象，並讓股價偏離理性資產定價模型所預測的 1.

(8) 價格(李春安與羅進水，2009)。而本文所欲探討的議題即為整體台股市場的從眾行為在諸多資產定價的文獻中，發現和從眾行為有高度相關的投資人情緒也會左右股價的變動 (Hwang and Salmon,2004)，像是當市場情緒高漲時，高成長型的小型股報酬率會較低 (Baker and Wurgler, 2006)。而投資人情緒也不僅對當期股票超額報酬產生影響 (Brown and Cliff,2004) 甚至會將效果延續至下期(周賓凰、張宇志與林美珍，2007）。另外，徐清俊與顏雯津(2008)發現投資人在台指選擇權的恐. 政治大. 慌指數 (VIX) 和台股報酬呈現反向關係。由此可見，造成股票報酬差異的原因至. 立. 少有部分是受到投資人情緒所影響，而在本文後續欲探討市場從眾行為和總經政. ‧ 國. 學. 策的關係下，投資人情緒在此所代表的也是整體的市場情緒。. ‧. 然而，從眾行為與投資人情緒彼此之間是如何交互作用而對股票超額報酬產. y. Nat. io. sit. 生影響？Hwang and Salmon (2004) 認為在給定市場情況之下，投資人對不同資產. er. 組合的情緒會加劇市場從眾行為，使得股價偏離基本面。Hwang and Salmon (2010). al. n. v i n 則提供理論模型來仔細地描繪投資人情緒如何影響從眾行為，進而影響市場報酬 Ch engchi U 率。實證上，他們也發現投資人情緒對於從眾行為有一定程度的影響。由於過去. 文獻顯少同時探討從眾行為與投資人情緒之關係，本論文的第一目的即借用 Hwang and Salmon (2010) 的實證架構來探討台灣證券市場上的從眾行為及其如何受到投資人情緒之影響。過去文獻不少是依據 Christie and Huang (1995) 所提出的 CSSD 模型 (Cross-Sectional Standard Deviation of Return)，以個股橫斷面報酬標準模型來計算從眾行為，並發現台股市場有從眾現象(如:陳慧娟，2010；謝和原，2012)。然而 2.

(9) 以報酬標準差衡量時，不僅會受到個別股票特徵風險 (idiosyncratic risk) 的影響，更無法將報酬的變異加以區分是來自從眾行為的影響或僅是基本面的變動所致。因此，Hwang and Salmon (2004) 改用狀態空間模型，藉由從眾因子的建構以 β (系統風險測量值)捕捉美國和南韓市場的從眾行為，並發現無論市場呈現漲勢或跌勢皆可觀察到從眾現象，但在市場情緒高漲時會較劇烈。該模型也被國內研究所使用，如許榮邦(2010)採用其方法探討台灣股市之從眾行為，發現重大事件的發生會使投資人情緒受波動，加劇從眾行為，並影響股票報酬。葉智承、李春安(2012). 政治大. 也採用同方法引入情緒指標研究台灣股票市場投資人情緒和從眾行為、非從眾行. 立. 為三者分別對市場報酬的影響。發現多頭市場的投資人情緒和市場報酬呈現正相. ‧ 國. 學. 關，而從眾行為會增強市場的波動性。. ‧. 然而使用半參數化 (semi-parametric) 的狀態空間模型 (state space model) 必. sit. y. Nat. 須假設從眾因子服從 AR(1)的動態過程，此方法雖能藉由模擬得到其標準差，但不. n. al. er. io. 易進行統計推論。故 Hwang and Salmon (2010) 透過理論模型的修改，改以 β 值的. i n U. v. 變異數來重新建構參數化的從眾指標。並證明該指標的極限分配服從卡方分配，. Ch. engchi. 同時也避免對從眾因子做 AR(1)的任意假設 (ad hoc assumption)。另外，Hwang and Salmon (2010) 更將市場從眾行為的組成拆成受個股從眾程度和整體市場情緒的影響，使得實證上探討情緒和從眾行為關係的結果更具理論支持。基於上述模型的改進，本文將以 Hwang and Salmon (2010) 的從眾指標探討台股市場從眾行為和市場情緒的關係。而另一方面，綜觀近二十年，台灣接續遭受許多國內外大事件的影響，使得我國不斷地面臨總體經濟景氣波動，而此時負有穩定物價和促進經濟成長責任的 3.

(10) 中央銀行，便會實施適當的貨幣政策來加以因應。在資本市場的運作中，貨幣政策的實施也會對資產價格產生相當影響，尤以股票市場最為密切 (Thorbecke, 1997)；更有研究指出甚至能以貨幣政策的實施來做為預測未來股價的指標 (Patelis, 1997)。因此，一直以來有許多文獻皆欲探討央行貨幣政策手段和股價的關係，並試著進一步找出其中的傳遞機制。像是國內文獻許振明與蔡佳珍(1993)發現同業拆放款利率與股價之間具有負相關，而邱建良、陳君達與曹俊傑(2005)亦指出增加貨幣供給額的方式對股價影響最顯著，但是調. 政治大. 整利率卻具有顯而易見的效果。另外，也有學者從貨幣政策施行對投資人心理的. 立. 影響層面來探討和股價報酬的關係。. ‧ 國. 學. 在 Bernanke and Kuttner (2005) 一文中提到貨幣政策對股票超額報酬最大的影. ‧. 響是來自於投資人對於風險的趨避和面對政策衝擊所產生的過度反應，由此可見. sit. y. Nat. 央行實施貨幣政策會有機會改變投資人對於日後市場發展的看法，進而反映在股. n. al. er. io. 價上。如 Kurov (2010) 發現貨幣政策的實施和投資人情緒有重大關連，當市場景. i n U. v. 氣低迷時，央行實施的貨幣政策會讓投資人情緒有較劇烈的波動，並對股市有顯. Ch. engchi. 著的影響。國內文獻中徐苑玲等人(2010)指出寬鬆貨幣政策的宣告有降低投資人恐慌指數 (VIX) 的效果，另外郭迺鋒等人(2009)也透過 SFAVAR 模型發現央行的緊縮政策能短暫抑制市場過熱的投資人情緒，但半年後市場卻又會重新活絡起來。綜合上述，貨幣政策的實施確實會使得投資人情緒產生變化，而市場投資人情緒的改變又會有加劇從眾行為的可能。因此本文認為在過去文獻中尚未有研究貨幣政策實施、市場情緒和從眾行為三者關係的情況下，有必要除了瞭解市場情緒對從眾行為的影響外，更要探討是 4.

(11) 否無論是緩和市場情緒的緊縮性貨幣政策或是刺激市場的擴張性貨幣政策，對投資人來說可能是預測未來景氣走勢的指標，因而增加市場信心，使得投資人的投資方向趨於一致，進而加劇市場的從眾行為。本文實證結果發現，台股如過去文獻所述普遍存在從眾行為，且和市場情緒息息相關。而在以金融業隔夜拆放款利率做為央行實施貨幣政策的代理變數 (proxy variable) 後，發現當央行調整金融業隔夜拆放款利率時，做為整體市場情緒代表的市場週轉率確實會提高；且無論是升息或是降息政策的實施，也如前文. 政治大. 預期皆會使得市場從眾行為加劇，甚至會因調幅增大而更加明顯。. 立. ‧ 國. 學. 後續章節安排如下：第二章為研究方法和資料選取，將深入介紹本文所使用 Hwang and Salmon (2010) 的從眾指標建構方式，及其與 Hwang and Salmon (2004). ‧. 狀態空間模型的異同，並詳細描述本文所選取的變數、研究期間以及資料處理方. y. Nat. io. sit. 法。第三章則是呈現本文對於台股從眾行為和市場情緒交互作用的實證結果，並. n. al. er. 接著在第四章進一步引入貨幣政策探討其影響。最後，第五章為本文的結論。. Ch. engchi. 5. i n U. v.

(12) 貳、研究方法和資料選取一、研究方法本文採用 Hwang and Salmon (2010) 的方法，利用橫斷面系統風險值 β 來衡量從眾行為。根據傳統資產定價模型(CAPM)，當市場有效率時，β 值沒有偏誤，並可計算如下:. 治政 Et (r it β = , 大 E (r. 立. imt. (1). t mt. ‧ 國. 學. β值表示個股因為整體市場的波動所受到的影響程度，即所謂的系統風險值。當 β值 >1 時，表示個股的報酬率波動較大盤來得大；反之， β值<1 時，表示個股的報酬. ‧. 率波動較大盤來得小。然而 Hwang and Salmon (2004) 認為，市場上若是存在從眾. sit. y. Nat. io. al. n. 下所示:. er. 行為，原僅衡量效率市場下系統風險的𝛽值便會因為包含從眾因子而產生偏誤，如. Ch. βbimt =. engchi. Ebt (rit. Et (rmt. i n U. v. = βimt - hmt (βimt -1 ,. (2). 其中，上標 b 代表變數是有偏誤的；第二個等式則源自 Hwang and Salmon (2004) 對於包含從眾因子的𝛽值所做得假設，其中hmt 為衡量個股從眾程度的因子，介於 0 到 1 之間。當hmt 等於 0 時，表示市場上對於個股 i 沒有從眾行為，βbimt 等於傳統 CAPM 下的βimt ；而當hmt 等於 1 時，則代表市場上對於個股 i 有完全的從眾行為，此時βbimt =1。然在上述兩種極端例子外的一般情況，對於個股 i 從眾強度將隨著hmt 越接近 1 而越強烈。 6.

(13) Hwang and Salmon (2010) 進一步提出整體市場情緒也會使β值出現偏誤。他們先假設原 CAPM 下的預期超額報酬同時受到基本面以及投資人情緒的影響如下:. Est (rit = Et (rit. it ,. Est (rmt = Et (rmt 其中. 和. (3). mt ,. (4). 分別代表針對個股 i 以及整體市場的情緒因子，故受情緒影響而產生. 偏誤的 β 值可重新表示如下:. βsimt =. 立. Est (rit ) E (r = t it s Et (rmt Et (rmt. it , 治 mt 政大. (5). 上標 s 即代表因受情緒影響有偏誤的變數，接著將式(5)同時除以市場預期報酬. ‧ 國. 學. Et (rmt 後，得到下列結果:. βimt sit 1 smt. ‧. βsimt =. ,. Nat. y. (6). er. io. sit. smt 和sit 為以市場預期報酬Et (rmt 標準化後，大盤及個股分別受情緒影響的程度，. al. v. n. 當兩者越高時，表示市場情緒越樂觀。接著，為了結合從眾程度hmt 和市場情緒smt 對. Ch. engchi. i n U. 個股情緒sit 的影響，Hwang and Salmon (2010)假設個股的情緒分為受到整體市場情緒、個股從眾行為和干擾項等三種不同的影響如下:. sit = smt hmt (βimt -1. ωit ,. (7). s 將其代回式(6)，進而得到𝛽𝑖𝑚𝑡 的組成如下:. βsimt = 1. 1 [(1-hmt )(βimt -1 ωit ], 1 smt. 再針對式(8)取變異數後，即可探討smt 和hmt 對βsimt 變異的影響。 7. (8).

(14) Varc (βsimt = Ec [( =. 1 1 smt. ωit ] 2 ]. [(1-hmt )(βimt -1. 1 [(1-hmt 2 Varc (βimt 1 smt. Varc (ωit ],. (9). 在式(9)中，由於βimt 為 CAPM 下的系統風險值為一固定值，故Varc (βimt 為一常數；加上Varc (ωit 亦假設為常數的情況下，βsimt 的變異程度就來自於hmt 和smt。因此，當個股從眾行為越明顯以及市場情緒越高漲時，都會使得βsimt 的變異程度縮小，表示整個市場上的從眾行為越強烈。最後 Hwang and Salmon (2010) 就以Varc (βsimt )來衡. 政治大. 量從眾指標的大小如下:. Hmt =. 1 Nt. ∑Ni=1t (βsimt -1 2 ,. (10). 學. ‧ 國. 立. s Nt 是第 t 期涵蓋的個股總數，而Hmt 即是透過𝛽𝑖𝑚𝑡 的變異所衡量出的整體市場從眾. ‧. 指標，和前述表示個股從眾程度的ℎ𝑚𝑡 不同。當個股間存在從眾或市場情緒高漲時，. y. Nat. sit. 會使得𝛽 s 趨近 1，進而讓𝛽 s 的變異程度縮小。因此，Hmt 越小時，表示整體市場. n. al. er. io. s 的從眾行為越是強烈。由於母體𝛽 s 無法得知，因此需要透過 CAPM 模型來估計b̂ imt ，. Ch. 而其估計值和變異數之計算如下:. engchi. i n U. v. s 2 2 b̂ imt = σ̂ imt /σ̂ mt ,. (11). s 2 2 Var(b̂ imt = σ̂ εit /σ̂ mt ,. (12). 2 2 2 和σ̂ mt 分別為個股和市場超額報酬的樣本變異數，而σ̂ εit 則是殘差樣本變異數。其中σ̂ imt. 接著即可真正建構從眾指標如下:. Homt =. 1 Nt. s t ∑Ni=1 (b̂ imt -1 2,. (13). 然而，由於個股間會因為公司性質不同而產生變異數異質性，所以 Hwang and 8.

(15) Salmon (2010) 便對從眾指標Homt 做標準化的動作以排除上述問題。. H*mt. =. s b̂ imt-1 2 Nt ∑ (̂ ̂ , Nt i=1 σ εit/σmt 1. (14). 上述標準化後的從眾指標H*mt 不僅融入個股從眾和市場情緒，在統計性質上根據推導，H*mt 服從一卡方分配 (pp.41 in Hwang and Salmon, 2010)，結果如下:. B*mt. =. (B*1mt. B*2mt. *. '. B*imt. ... BNt mt ,. s b̂ imt -1. =. σ̂ εit /σ̂ mt. ,. (15). 政治大. 在傳統 OLS 的假設下，B*mt 服從常態分配:. 立. * 𝛿mt B*mt V*mt ~N( , ), Nt × 1 Nt × Nt Nt × 1. y. * 2mt. .... * ' Nt mt ,. * imt. n. al. Ch. 因此，式(14)又可表示如下:. H*mt =. ̂simt -1 B. sit. io. * 1mt. =. σ̂ εit /σ̂ mt. ,. (17). er. Nat. =(. * mt 則是母體平均數如式(17)所示:. ‧. ‧ 國. 學. 其中V*mt 為B*mt 之共變異矩陣，而. * mt. (16). 1 Nt. i n U. engchi. B*mt' B*mt ~. 1 Nt. [χ2 (R;. v. *R * m )+c ],. (18). 顯示新的從眾指標H*mt 的極限分配服從自由度為 R 且具有非中心參數配。其中，R 是V*mt 的階層 (rank) ， λ*j 是V*mt 的特徵值 (eigenvalues) ，. *R m. =. 1 Nt. ∑Rj=1(. A* 2 * /λj ，c* j. A* *' * j 則是向量𝐶mt Bmt 的第. =. 1 Nt. *R m 的卡方分. ∑Nj=R+1(. A* 2 。而 j. *' j 個元素，𝐶mt 是由V*mt 之. * * *' 特徵向量 (eigenvectors) 所組成的Nt × Nt 矩陣；換言之，V*mt = Cmt Λmt 𝐶mt，Λ*mt 是特. 徵值 (eigenvalues) 的Nt × Nt 對角矩陣。因此，在知道從眾指標所服從的分配後， 9.

(16) 便可依式(19)計算變異數，接著以兩倍標準差建構H*mt 之 95%信賴區間。. Var(H*mt =. 2 N2t. [R+2. *R m ].. (19). 相較於過去利用狀態空間模型，必須如式(20)對從眾因子Hm,t 進行 AR(1)假設，而且需要透過不斷地模擬因子以得到標準差σ2m,η. Hm,t = ϕm Hm,t-1 +ηm,t , ηm,t ~iid(0,σ2m,η ),. (20). 新方法不僅透過參數化的設定免除對從眾因子的任意假設，更能透過計算變異數. 政治大. 來建構信賴區間，以利於統計推論的進行。因此，本文將借用 Hwang and Salmon. 立. (2010) 所建構的從眾指標當作被解釋變數，研究它與市場情緒，及貨幣政策間的. ‧ 國. 學. 關係，除了透過敘述性統計量呈現這之間的典型事實 (stylized facts) 之外，並進一. ‧. 步以迴歸分析的方式更精確地去刻畫這些實證發現。. y. Nat. n. al. er. io. (一)從眾指標. sit. 二、資料來源與敘述. Ch. engchi. i n U. v. 本文實證分析所使用的資料為證交所上市八大類股(水泥窯類、食品類、造紙類、機電類、塑化類、紡織類、營建類、金融類)。研究期間為 1991 年 1 月至 2013 年 12 月，共 276 個月，然而因為模型需要以移動視窗法估計，所以前五年共 60 個月的資料將做為觀測樣本，實際有效資料時間為 1996 年 1 月至 2013 年 12 月，共 216 個月。而模型中所用的市場月報酬率和各類股月報酬率為取自台灣經濟新報(TEJ)的除權除息後收盤價計算而得。另外，計算超額報酬時，則參考周賓凰、張宇志與林美珍(2007)所使用的第一銀行三個月定存利率代表無風險利率，資料取自 AREMOS 資料庫。 10.

(17) (二)情緒指標在衡量投資人情緒方面，由於本文要分析市場情緒和從眾行為的交互關係，故參考周賓凰、張宇志與林美珍(2007)所提出的新股發行比(STt 、市場週轉率(TRt ) 和資券餘額比(LBSt )做為代表，資料皆為 1996 年 1 月至 2013 年 12 月共 216 個月之月資料。資料來自台灣經濟新報(TEJ)。. 1.新股發行比(STt ). 政治大. (第 t 期上市股票交易量+現金增資. 立. =. (第 t 期上市股票交易量+現金增資+新債發行. ,. (21). ‧ 國. 學. 在市場前景看好時，投資人較容易以較高之價格收購股票，因此上市公司多半會. ‧. 選擇在市場情緒高漲時發行新股，以獲得較好的價格，因此市場情緒高漲時，新. y. sit er. io. 2.市場週轉率(TRt ). Nat. 股發行比會較高。. al. n. v i n Ch = 第 t 期上市股票交易量/第 , i U e n g c ht 期平均在外流通股數. (22). 因為該指標涵蓋市場中所有投資人的交易行為，故符合本文欲探討整體市場情緒的條件，而其性質解釋如下:當市場情緒高昂時，投資人會傾向買進股票；而當市場情緒低迷時，投資人會選擇放空股票，但是由於台灣有平盤以下不能放空的規定以及融券成本較高的現象，故投資人於情緒低迷時，交易活動會較不頻繁，導致市場週轉率會較低。. 11.

(18) 3.融資融券餘額比(LBSt ). = 第 t 期市場融資餘額/第 t 期市場融券餘額,. (23). 由於我國規定只有散戶能進行信用交易，因此資券餘額比可捕捉個別投資者情緒。融資越高或是融券越低皆是代表投資者看好後續發展，故資券餘額比越高，市場情緒越是高漲，越容易出現明顯的從眾行為。. (三)貨幣政策代理變數. 立. 政治大. 在衡量央行貨幣政策方面，本文參考邱建良、陳君達與曹俊傑(2005)所選取. ‧ 國. 學. 的其中一個指標-金融業隔夜拆放款利率，並將其取變動率後成為本文貨幣政策的. ‧. 代理變數 (proxy variable)。. Nat. er. io. sit. y. 金融業隔夜拆放款利率變動率(DRR t ). = [ln (隔夜拆放款利率 -ln(隔夜拆放款利率. n. al. Ch. v ni. t. t-1. ] x 100%,. (24). i U e h n c g 當市場情緒高昂、景氣熱絡時，央行多會以調升利率的方式幫助市場回歸正軌；反之，當市場情緒悲觀、景氣低迷時，調降利率變成為央行刺激景氣，幫助市場重新振作的重要手段。且無論是升息或是降息，都會是投資人對於未來景氣預測的參考指標，因此當央行調整利率時，便會讓市場出現從眾行為，而當調幅越大時，更會有加劇市場從眾行為的趨勢。. 12.

(19) 参、台股市場從眾行為實證分析一、從眾指標衡量本文運用移動視窗法 (rolling windows)，利用前五年共 60 筆資料作為第一個月迴歸式之觀察值跑迴歸式(25)，獲取八大類股之β1 值。其中rit 是第 t 期各類股的月超額報酬，而rmt 則是第 t 期的大盤月超額報酬。. rit = α+β1 rmt +εit .. (25). 政治大. 除了傳統 CAPM 模型之外，本文也將參考 Fama-French (1992) 所提出之三因. 立. 子模型，加入規模因子(SMBt )和淨價市值比因子(HMLt )做為解釋變數跑迴歸式(26)，. ‧ 國. 學. 以讓個股和市場超額報酬間之關係更加明確。. ‧. rit = α+β1 rmt +β2 SMBt +β3 HMLt +εit ,. (26). sit. y. Nat. 接著以將區間向後移動一個月的方式獲取接下來每一期迴歸式之觀察值跑迴歸，. n. al. er. io. 並收集每期八大類股的β1 、σ̂2𝜀𝑖𝑡 和σ̂2𝑚𝑡 計算當期的從眾指標Hmt ，共 216 筆。. Ch 二、台股從眾行為實證研究. engchi. i n U. v. 表 1 為 CAPM 模型和三因子模型迴歸結果的比較，從中可發現兩者的市場風險係數對於個股皆為顯著，然而若由調整後的R2 觀察可發現引入規模因子和淨值市價比因子的三因子模型解釋力是較佳的。另外，淨值市價比因子的係數平均為顯著，而規模因子雖然係數平均為不顯著，但是在所有迴歸式中，仍有近 35%的 SMBt 係數是顯著的。表示兩者對於個股超額報酬都具一定的解釋力。. 13.

(20) 表 1 CAPM & F-F 模型之迴歸結果以 60 個月為單位，利用移動視窗法分別跑八大類股的 CAPM 模型和 Fama-French 的三因子模型以獲取各類股共 216 期的β1 值，模型設定如下:. rit = α+β1 rmt +εit , rit = α+β1 rmt +β2 SMBt+β3 HMLt +εit , 式中，rit 是第 t 期各類股的月超額報酬，而rmt 則是第 t 期的大盤月超額報酬。α 為截距項。SMBt 為第 t 期的規模因子。HMLt 為第 t 期的淨值市價比因子。. Fama-French 三因子. CAPM rmt. Constant 係數 t值 p值. -0.0618 -0.1140 0.3100. 顯著比率. 0.1613. Adj-R2 註：1.. *,**,***. 0.3716 8.4390*** -0.0050 1.0000. 立. 0.5237. rmt. Constant -0.0943 -0.2900 0.4376. 0.4084 8.7970*** 0.0017. SMBt. HMLt. 0.0968 1.3541 0.2753. 0.1764 3.3641** 0.0416. 治 1.0000 0.3687 政 0.0783 大 0.6213. 0.8711. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. ‧ 國. 學. 2.顯著比率為各解釋變數之係數在所有迴歸式中為顯著的比率。. ‧. 接著表 2 所呈現的是分別用兩個模型的 β 值所計算出的從眾指標，由三因子. sit. y. Nat. 模型的偏態和峰態係數可知該指標較趨近於常態分配。另外再從圖 1 觀察，三因. n. al. er. io. 子模型所計算出的從眾指標變異程度較 CAPM 模型來得大，將更能區分出台股市. i n U. v. 場不同時間點從眾行為的強弱。因此，接下來對於台股從眾行為的分析將以透過. Ch. engchi. 三因子模型系統風險值所衡量出的從眾指標為主。. 14.

(21) 表 2 CAPM & F-F 模型從眾指標之敘述性統計量 Fama-French 三因子 1.3300 1.3374 0.7469 2.1169 0.2981 0.1791 1.6465. CAPM 1.0525 1.0279 0.7748 1.6977 0.1834 1.1382 1.6578. 平均數中位數最小值最大值標準差偏態係數峰態係數. 學 ‧. ‧ 國. 立. 政治大. 圖 1 CAPM & F-F 模型從眾指標. sit. y. Nat. 本文所算出的三因子從眾指標約介於 0.8 至 2 之間。另外，透過卡方分配所計算出. n. al. er. io. 的標準差，可以建構出 95%的信賴區間，如圖二:. Ch. engchi. i n U. v. 圖 2 F-F 模型從眾指標和 95%信賴區間而本文的從眾指標較 Hwang and Salmon (2010)以美國 NYSE 股票所計算出的從眾指標來得低，顯見台灣股票市場的從眾行為比美國市場明顯。在和國內文獻的比較方面，和李春安、羅進水(2009)利用狀態空間模型所估計出的從眾指標一 15.

(22) 樣顯示台灣股市確實存在從眾行為，但是在 CAPM 模型和三因子模型的差異方面卻是本文所使用之方法較為顯著，也因此較能看出市場情緒和景氣循環的影響，如圖 3 所示:. 立. 政治大. 圖 3 從眾指標和景氣燈號對照圖. ‧ 國. 學. 圖 3 為觀察三因子模型從眾指標與市場景氣之互動，縱軸值 1 至 5，且由短至長分別代表藍、黃藍、綠、黃紅以及紅色等五種景氣燈號。我們發現當景氣燈號為極. ‧. 端低迷藍燈時的三段期間，從眾指標皆呈上升的趨勢，從眾行為較不明顯；表示. sit. y. Nat. io. al. er. 當市場景氣低迷和前景悲觀時，人們的投資行為會比較偏向個人對於基本面的分. n. 析，而非跟隨他人的投資方向來做決策。. Ch. e. 三、市場情緒和從眾指標之關係 n g c h. i. i n U. v. 接著本文將進一步使用周賓凰、張宇志、林美珍(2007)所提及的三項情緒指標來檢驗投資人情緒是否會對從眾行為有所影響，表 3 即為三項指標的敘述統計量。其中由於新股發行比經由單根檢定後不為定態，因此有對其採取一階差分的動作。接著再次經由 Augmented Dickey-Fuller(ADF)單根檢定法進行檢定後，三項情緒指標皆無單根的現象。. 16.

(23) 在情緒指標性質方面，市場週轉率和資券餘額比呈現的變異很大，由此可見市場上投資人的行為將可能跟隨不同的景氣循環或重大事件而有大幅度的變動，而隨之催化而生的投資人情緒就有可能對市場從眾行為產生影響，故本文將透過迴歸分析的方式來觀察兩者關係。而表 4 則是三項情緒指標的相關係數矩陣，從中可看到經過一階差分後的新股發行比和其他兩項指標皆無相關，然而市場週轉率和資券餘額比則有一定程度. 政治大. 的正相關，顯見代表散戶情緒的資券餘額比多少會受到反映整體市場情緒的市場. 立. 週轉率影響，因此為避免共線性對於迴歸結果產生的偏誤，故接下來將以從眾指. ‧ 國. 學. 標分別對三項情緒指標迴歸以探討情緒對從眾行為的影響。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 17. i n U. v.

(24) 表 3 情緒指標之敘述統計量市場週轉率. 新股發行比(一階差分). 資券餘額比. 平均數. 15.5332. -0.0026. 29.5742. 中位數. 12.9682. 0.0000. 26.4734. 最大值. 50.6931. 0.5300. 78.7957. 最小值標準差偏態係數. 4.7713 8.4512 1.4436. -0.5200 0.1951 -0.1630. 10.0258 13.6443 1.3479. 0.3928 -8.5907***. 1.8778 -4.3182***. 峰態係數單根檢定 *,**,***. 註：. 2.1717 -4.0537***. 分別代表在 10%, 5%, 1%之顯著水準下參數顯著異於零。. 政治大市場週轉率. 表 4 情緒指標之相關係數矩陣. 立. 資券餘額比. 0.2139 1.0000 -0.0065. -0.0266 -0.0065 1.000. ‧. ‧ 國. 1.0000 0.2139 -0.0266. 學. 資券餘額比市場週轉率新股發行比. 新股發行比. io. sit. Nat. Hmt =α+β1 Sentimentt +εt ,. y. 接下來探討從眾行為和投資人情緒的迴歸模型設置如式(27):. (27). er. 其中Hmt 為第 t 期的從眾指標，而Sentimentt 則是第 t 期的情緒指標，分別為市場週. al. n. v i n C h t)和資券餘額比(LBS 2 轉率(TRt )、一階差分後新股發行比(dST t )，最後εt ~iid(0,σ )。 engchi U. 結果如表 5 顯示，雖然新股發行比對於從眾指標並無解釋力，但代表散戶投資情緒的資券餘額比和代表整體市場情緒的市場週轉率都呈現顯著負相關；若再由兩者係數來比較，將進一步發現市場週轉率對從眾指標的影響程度更大。上述印證隨著市場情緒較為熱絡且大眾相信未來趨勢上揚時，投資人便會提升參與度，並且傾向跟隨群體採取相似的投資決策，使得從眾指標下降，顯示市場上的從眾行為較明顯；相反的，當景氣低迷、市場情緒悲觀時，投資者會選擇回歸參考基本面的分析且不輕易參與市場，也就會降低市場的從眾行為。 18.

(25) 表 5 從眾指標對情緒指標之迴歸結果將從眾指標(Hmt ) 分別對三項情緒指標市場週轉率(TRt )、一階差分後新股發行比(dSTt )和資券餘額比(LBSt ) 作迴歸，模型如下:. Hmt =α+β1 Sentimentt +εt , 式中，Hmt 為第 t 期的從眾指標。而Sentimentt則是第 t 期的情緒指標，分別為第 t 期的市場週轉率(TRt )、第 t 期的一階差分後新股發行比(dSTt)和第 t 期的資券餘額比(LBSt)。. 係數 t值 p值. TRt -0.0119 -3.6724 0.0000. dSTt -0.0214 -0.3771 0.7065. LBSt -0.0090 -5.4711 0.0000. Adj-R2. 0.1121. 0.0002. 0.2381. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 立. 政治大. 學 ‧. io. sit. y. Nat. n. al. er. 註：. ‧ 國. *,**,***. Ch. engchi. 19. i n U. v.

(26) 肆、央行貨幣政策對台股從眾行為實證研究一、貨幣政策變數基本資料由前一章得知整體市場情緒對從眾行為的強弱有顯著的影響，而景氣的高低循環正是左右投資人對前景看法的重要因素。因此，近年來我們不難發現，每當景氣走升，市場情緒樂觀；或是景氣低迷，大眾對市場失去信心時，央行貨幣政策的改變似乎會讓投資人有參考的依據。所以本章將近一步探討央行所實施的貨. 政治大. 幣政策是否會做為未來景氣走勢的指標，以加強投資者信心，加劇大眾產生較為. 立. 一致投資決策的從眾行為。. ‧ 國. 學. 在過去央行主要透過公開市場操作改變貨幣供給量來達到影響利率的目標，. ‧. 但由於近年來信用貨幣的普及以及金融商品的推陳出新，使得利率在貨幣供給額不變時亦會產生波動；加上影響貨幣需求的原因眾多(如:物價、國內生產毛額等). sit. y. Nat. io. al. er. 也會使貨幣供給量無法準確地掌控，因此央行的手段逐漸改以直接影響利率，而. v. n. 近年國外文獻也多有以利率變動作來衡量貨幣政策(Lamont, Polk and Saa-Requejo,. Ch. engchi. i n U. 2001, Perez-Quiros and Timmermann, 2000)。國內邱建良、陳君達與曹俊傑(2005) 也提及貨幣政策中，就屬調整利率的效果最快速且變異也最大，表示越能觀察出政策調整時的強弱和方向對於從眾行為影響的差異，因此，本文以變動率表示後的「金融業隔夜拆放款利率(DRRt )」來衡量央行出手後對於市場上從眾行為強弱程度影響的貨幣政策代理變數。其基本敘述統計量如下: 表 6 金融業隔夜拆放款利率變動率之敘述性統計量(DRRt ) DRRt 標準差. 平均數中位數. 最大值. 最小值. -0.3889 0.0000. 11.3900. -22.780 3.8789. *,**,***. 註：. 偏態係數. 峰態係數. 單根檢定. -2.2914. 12.7694. -4.1164***. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零 20.

(27) 表 7 央行利率政策調整方向方向. 降息. 持平. 升息. 次數. 86 次. 59 次. 71 次. 利率變動率. 次數. 政治大圖 4 隔夜拆放款利率變動直方圖立由表 6 和圖 4 可知隔夜拆放款利率變動率為左偏分配，因此，我們可大略推. ‧ 國. 學. 斷央行實施降息政策的頻率較升息政策頻繁。而圖三資料中有出現降息比率較大. ‧. 的資料，是來自於 2008 年金融海嘯爆發，整體環境極度低迷，因此央行便將原已. io. sit. y. Nat. 處於低利情況的利率再次連續調降三個月，更首度跌破 1%，以期待能刺激景氣。. er. 接著在利率調整方向次數的統計方面，可發現央行升降息的次數僅差了 15 次，. al. n. v i n 且有 59 個月並沒有採取調整利率的貨幣政策，佔總時間序列資料超過四分之一。 Ch engchi U 也因為上述利率調整方向的多元性，更是加深本文探討央行依不同景氣情況所實施得貨幣政策對於市場從眾行為的影響。. 二、貨幣政策強弱對市場從眾行為的影響如同前文所述，當央行調整利率時，其中可能隱含對於未來景氣走向的指標，且當利率調幅越大時，很可能使投資人更具信心地預測未來走勢，故本節將探討調整利率的幅度大小是否會對從眾行為的程度造成影響。接下來將對利率變化率資料取絕對值，轉換成利率調整幅度，新的敘述統計量如下: 21.

(28) 表 8 隔夜拆放款利率調整幅度之敘述性統計量(ABSDCRt ). 平均數中位數. 最大值. ABSDCRt 最小值標準差偏態係數. 1.9510. 22.780. 0.0000. *,**,***. 註：. 0.7301. 3.3727. 3.56134. 峰態係數. 單根檢定. 15.9190. -3.6771***. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 利率調幅. 立. 政治大. 次數. 圖 5 隔夜拆放款利率調整幅度直方圖. ‧ 國. 學. 由表 8 和圖 5 可發現央行調整利率的幅度大都在 5%以內，而平均約 2%。接下來將正式用從眾指標(Hmt )對隔夜拆放款利率調整幅度(ABSDCRt )作迴歸如下式，其中. ‧. io. sit. y. Nat. Hmt =α+β1 ABSDCR t +εt ,. (28). er. εt ~iid(0,σ2 )。. al. n. v i n C h p 值發現隔夜拆放款利率調整幅度和從眾結果如表 9 所顯示，從迴歸係數觀察和 engchi U 指標在 10%顯著水準之下是呈現顯著負相關的，也就表示當央行調整利率的幅度越大時，對投資人來說便是越強烈的信息，因而大部分投資人會跟隨央行政策而採取同方向的投資決策，進而加劇市場上的從眾行為。. 22.

(29) 表 9 從眾指標對金融業隔夜拆放款利率調整幅度迴歸之結果用從眾指標(Hmt )對隔夜拆放款利率調整幅度(ABSDCRt)作迴歸，模型設定如下:. Hmt =α+β1 ABSDCR t+εt , 式中，Hmt 為第 t 期的從眾指標。而ABSDCR t則是第 t 期的金融業隔夜拆放款利率調整幅度。. ABSDCRt. 註:. *,**,***. 係數. t值. p值. Adj-R2. -0.0055. -1.7632*. 0.0793. 0.0035. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 三、貨幣政策調整方向和市場從眾行為的關係. 政治大節將利用隔夜拆放款利率變化率調整的方向次數來分為調升、持平和調降三類，立. 本文於前一節發現央行利率的調幅大小會加劇市場上的從眾行為。接著，本. ‧ 國. 學. 進一步探討是否只要央行有進行升降息的動作，就會明顯影響市場從眾行為。因此，本文建構迴歸式(29)來進行上述問題的探討:. ‧. sit. y. Nat. Hmt = α β1 Sentiment t β2 ABSDCR t β3 DURt β4 DDRt +εt , (29). n. al. er. io. Hmt 和 ABSDCR t 如前述是從眾指標及利率的調幅。而為了觀察央行有無實施貨幣政. i n U. v. 策對從眾行為影響的差異，式子採用影響截距項的虛擬變數。DURt 為央行在 t 期. Ch. engchi. 是否有調升利率之虛擬變數，DDRt 則為央行在 t 期是否有調降利率之虛擬變數，兩者皆是若有實施為 1，沒有實施則為 0。β3 和β4 係數則代表央行有升息或是降息，較無實施貨幣政策時對從眾行為加重的程度。不過在探討從眾行為和實施貨幣政策關係時，根據第三章結果，得到市場情緒也會影響從眾行為。因此，在本文欲了解市場情緒和總體貨幣政策兩者對從眾行為的影響下，決定分別採用代表整體市場情緒的市場週轉率(TRt )以及代表市場散戶情緒的資券餘額比(LBSt )來做為情緒指標。接下來本文即先以檢定情緒指標平均數的方式來確認貨幣政策的實施是否會 23.

(30) 先影響到市場情緒和散戶情緒。方法為將有升息動作的 71 個月和有降息動作的 86 個月合起來為實施貨幣政策的情況，而剩下 59 個月則為無實施貨幣政策的情況，並進行兩組樣本的平均數檢定。結果如表 10 和 11 所示，當央行有調整利率時的平均市場週轉率和資券餘額比確實較無調整利率時來得高，均有顯著差異。顯示無論景氣好壞當央行實施貨幣政策時確實會增加大眾投資的信心並產生活絡市場的效果。因此，本文認為有必要在式(29)中也加入兩項情緒指標一同探討貨幣政策實施對從眾行為的影響。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 24. i n U. v.

(31) 表 10 貨幣政策實施與否之市場週轉率平均數檢定將 216 個月的市場週轉率(TRt )依照該月是否有實施貨幣政策分成兩群並進行平均數檢定，探討整體市場情緒是否會因央行實施貨幣政策而較為熱絡。. t值. 平均數. 標準差. 無實施貨幣政策. 11.4596. 4.9930. 有實施貨幣政策. 16.9961. 8.9722. 4.4818***. 平均數檢定. *,**,***. 註：. p值 0.0000. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 表 11 貨幣政策實施與否之資券餘額比平均數檢定將 216 個月的資券餘額比(LBSt)依照該月是否有實施貨幣政策分成兩群並進行平均數檢定，探討市場散戶情緒是否會因央行實施貨幣政策而較為熱絡。. t值. p值. 平均數治政 0.0003 大. ***. 平均數檢定. 3.6724. 立. 無實施貨幣政策. ‧ 國. *,**,***. 23.7795. 8.6447. 32.1906. 16.7566. 學. 有實施貨幣政策註：. 標準差. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. ‧. 然而據上述表示，由於貨幣政策的實施和市場情緒可能存在高度的相關，若. sit. y. Nat. 同時做為解釋變數會產生共線性的問題，讓估計係數不顯著。因此，本文參考 Fama. io. n. al. er. and French (1993) 使用正交因子 (orthogonal factor) 來處理市場因子對債券因子. v. 干擾問題的方式，欲以市場週轉率和資券餘額比的正交因子取代原本的兩項情緒. Ch. engchi. i n U. 指標，分別以市場週轉率和資券餘額比對貨幣政策之調幅和虛擬變數作迴歸如下:. TRt =α β1 ABSDCR t + β2 DURt + β3 DDRt + εt ,. (30). LBSt =α β1 ABSDCR t + β2 DURt + β3 DDRt + εt ,. (31). 變數皆同式(29)，結果如表 12 和 13 所呈現，其中殘差εt 即是情緒指標的正交因子。其意義為市場週轉率和資券餘額比分別被實施貨幣政策的虛擬變數解釋後，剩餘尚未被解釋的部分，也就是能單純解釋情緒對從眾行為影響的變數。接著本文將其命名為TRIt 和LBSIt 後代回式(29)跑最終模型式(32)、(33)。 25.

(32) 表 12 市場週轉率對貨幣政策變數迴歸之結果以市場週轉率對貨幣政策變數作迴歸以獲取市場週轉率之正交因子，模型設定如下:. TRt =α β1 ABSDCR t + β2 DURt + β3 DDRt + εt , 式中，TRt 為第 t 期的市場週轉率。ABSDCR t則是第 t 期的金融業隔夜拆放款利率調整幅度，而DURt 和DDRt 則分別代表第 t 期央行實施升息政策以及降息政策的虛擬變數。最後εt 不僅為殘差，更是市場週轉率的正交因子。. ABSDCR t. DURt. DDRt. 係數. -0.15704. 3.7051. 7.9308. t值. -1.33901. 2.2758**. 4.5844***. p值. 0.1820. 0.0239. 0.000. 0.12316. Adj-R *,**,***. 註：. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 政治大. 立. 表 13 資券餘額比對貨幣政策變數迴歸之結果. ‧ 國. 學. 以市場週轉率對貨幣政策變數作迴歸以獲取市場週轉率之正交因子，模型設定如下:. LBSt =α β1 ABSDCR t + β2 DURt + β3 DDRt + εt ,. ‧. 式中，LBSt為第 t 期的資券餘額比。ABSDCR t 則是第 t 期的金融業隔夜拆放款利率調整幅度，而DURt 和DDRt 則分別代表第 t 期央行實施升息政策以及降息政策的虛擬變數。最後εt 不僅為殘差，更是市場週轉率的正交因子。. *,**,***. al. 0.0427. 0.000. Ch. DDRt. y. 3.5428. sit. -2.0389. er. ***. 0.091 U e n gchi 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. Adj-R 註:. 12.6384. n. p值. -0.4182. io. t值. DURt. Nat. 係數. ABSDCR t. v ni. 7.0754 2.7881*** 0.0058. 最終本文以從眾指標(Hmt )對兩項情緒指標的工具變數(TRIt 、LBSIt )、隔夜拆放款利率調幅(ABSDCRt )和兩個實施貨幣政策之虛擬變數(DURt 、DDRt )作迴歸如下:. Hmt = α β1 TRI β2 ABSDCR t β3 DDRt β4 DDRt +εt ,. (32). Hmt = α β1 LBSI β2 ABSDCR t β3 DDRt β4 DDRt +εt ,. (33). t. t. 所得到的結果如表 14 和 15。由調整後判定係數可發現市場情緒和貨幣政策的實施. 26.

(33) 對從眾行為的現象具有 16%多的解釋能力，散戶情緒更是有 32%多的解釋能力。而排除受貨幣政策實施影響的市場週轉率以及資券餘額比依然和從眾指標呈現負相關，顯示當市場情緒活絡時，會加劇大眾的從眾行為，其中散戶的情緒反應會更明顯；反之，當市場景氣低迷時會使得從眾指標上升，從眾行為減弱。而接著是我們所關心的在面臨景氣上升或是走低時，央行貨幣政策對從眾行為的影響。結果顯示只要是實施貨幣政策，則無論升息或是降息，都會加劇從眾行為，但是由DDRt 的係數可觀察到在緊縮期間的降息政策對從眾行為的加重程度. 政治大. 卻更加明顯。由上結果，央行調整利率的動作會被投資人視為重要的投資參考指. 立. 標，加強大眾對於未來市場走勢的信心，最後在確認情勢走向的投資人越來越多. ‧ 國. 學. 的情況下，大眾採取相同投資策略的機會就會增加，進而加劇市場上的從眾行為。. ‧. 綜合上述結果可整理出，在市場情緒熱絡時，央行若有實施貨幣政策，會因. y. Nat. io. sit. 為一有衝擊入市，其效果可能會給予市場繼續活絡的動能，使得從眾行為更加顯；. er. 反之，當市場情緒處於低迷時，央行實施降息策略倒是會有吸引投資人進場投資. al. n. v i n 的效果，讓原本只願參考基本面的投資人重新因為市場消息，而漸漸轉為跟隨投 Ch engchi U 資大眾的方向進行投資，使得市場景氣回穩。. 27.

(34) 表 14 從眾指標對市場週轉率和貨幣政策變數迴歸之結果以從眾指標對市場週轉率之正交因子、金融業隔夜拆放款利率調整幅度以及央行實施貨幣政策的虛擬變數作迴歸，模型設定如下:. Hmt = α β1 TRI β2 ABSDCR t β3 DDRt β4 DDRt +εt , t. 式中，Hmt 為第 t 期從眾指標。的TRIt 為第 t 期的市場週轉率正交因子。ABSDCR t則是第 t 期的金融業隔夜拆放款利率調整幅度，而DURt 和DDRt 則分別代表第 t 期央行實施升息政策以及降息政策的虛擬變數。. TRIt 係數. -0.0084 ***. ABSDCR t. DURt. -0.0007. -0.1462. -0.2618 ***. t值. -2.7128. -0.2074. -2.9680. p值. 0.0072. 0.8358. 0.0033. Adj-R2 註:. DDRt. *,**,***. -4.0113*** 0.0001. 0.1613. 政治大. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 立. 表 15 從眾指標對市場週轉率和貨幣政策變數迴歸之結果. ‧ 國. 學. 以從眾指標對市場週轉率之正交因子、金融業隔夜拆放款利率調整幅度以及央行實施貨幣政策的虛擬變數作迴歸，模型設定如下:. ‧. Hmt = α β1 LBSI β2 ABSDCR t β3 DDRt β4 DDRt +εt , t. 式中，Hmt 為第 t 期從眾指標。的LBSIt 為第 t 期的資券餘額比正交因子。ABSDCR t 則是第 t 期的金融業隔夜拆. Nat. -0.0094. p值. 0.0000. *,**,***. n. t值. a -5.8345 l. Adj-R2 註:. io. 係數. ***. Ch. ABSDCR t. DURt. 0.0006. -0.1493. er. LBSIt. sit. y. 放款利率調整幅度，而DURt 和DDRt 則分別代表第 t 期央行實施升息政策以及降息政策的虛擬變數。. e0.8024 ngchi. 0.3279. 分別代表在 10%、5%、1%顯著水準下參數顯著異於零。. 28. -0.2664. iv -3.0993 n U. ***. 0.2505. 0.0022. DDRt -4.2525*** 0.0000.

(35) 伍、結論本文使用 Hwang and Salmon (2010) 所改良的從眾指標來觀察台股市場的從眾現象和市場情緒在其中所扮演的角色；最後再引入金融業隔夜拆放款利率變化率做為貨幣政策的變數，探討當央行實施貨幣政策時，是否會加劇市場的從眾行為。該指標不僅彌補 Hwang and Salmon (2004) 因使用半參數化的狀態空間模型而無法進行統計推論的缺點，更進一步將市場從眾行為的因素拆解成來自於個股從眾程度和市場情緒的影響。. 政治大. 在新指標模型的比較上，由 Fama-French 三因子模型所建構出的從眾指標較. 立. CAPM 模型建構之從眾指標來得具有變異性，較能呈現出市場從眾行為有跟隨景. ‧ 國. 學. 氣循環變動的趨勢。因此，進一步選取市場週轉率做為情緒指標，並探討市場情. ‧. 緒對從眾行為的影響後，發現代表整體市場情緒的市場週轉率和從眾指標呈現負. n. al. er. io. 投資人便容易跟隨他人決策進行投資，加劇從眾行為。. sit. y. Nat. 相關，證明當景氣低迷時，市場上的從眾行為強度是較弱的；而當景氣熱絡時，. Ch. i n U. v. 在知道市場情緒會影響從眾行為後，本文接著引入金融業隔夜拆放款利率變. engchi. 動率作為央行實施貨幣政策之代理變數以探討在不同景氣下貨幣政策實施和從眾行為的關係。首先在利率調幅方面，我們發現當調幅越大時，市場上的從眾行為越強烈，表示大眾對未來的預期景氣方向應更為堅定。而進一步將央行調整利率的方向分為升息、持平和降息後，發現無論是升息或是降息，在以市場週轉率和資券餘額比分別代表整體市場情緒和散戶情緒的情況下，結果顯示政策實施皆會有活絡市場、使得市場情緒上漲的效果。因此，最後以市場情緒和貨幣政策實施的變數同時探討對從眾行為影響，也再次得到當市場情緒熱絡和央行有調整利率 29.

(36) 時，都會使得市場上的從眾行為加劇。最後由上述的結果可知，當景氣熱絡，央行有升息動作的情況下，投資者會因為增加一項預測未來景氣走勢的指標，而更積極投入市場，政策的實施會加劇從眾行為；而當景氣低迷，央行採取降息後，會有刺激市場參與的效果，增進投資者朝未來景氣走勢方向投資信心，使得台股出現較明顯的從眾行為。. 參考文獻. 政治大 1.李春安與賴藝文，2005。股市劇烈變動區間台灣股票市場與本國機構投資人從立眾行為之研究，台灣管理學刊，第五卷第二期，231-268。 (一)中文文獻. ‧ 國. 學. ‧. 2.羅進水與李春安，2009。從眾與非從眾行為對市場報酬衝擊之研究，管理評論，第二十八卷第三期，22-41。. io. sit. y. Nat. 3.葉智丞與李春安，2012。投資人情緒、從眾與非從眾行為關聯性之研究，證券市場發展季刊，第二十四卷第三期，141-182。. n. al. er. 4.周賓凰、張宇志與林美珍，2007。投資人情緒與股票報酬互動關係，證券市場發展季刊，第十九卷第二期，153-190。. Ch. engchi. i n U. v. 5.徐清俊與顏雯津，2008。情緒指標與股價報酬關係之研究，明新學報，第三十四卷第一期，89-106。 6.徐苑玲、郭迺鋒、彭純純與陳盈潔，2010。台灣投資人情緒指數新編製與股票市場報酬之間的關聯性，貨幣觀測與信用評等，第 83 期，60-73。 7.許振明與蔡佳珍，1993。股價與經濟因素之關連性分析與預測:MTV 及主成分迴歸分析，台大管理論叢，第四卷第二期，79-104。 8.邱建良、陳君達與曹俊傑，2005。貨幣政策之衝擊對股市多頭與空頭之影響效果：以台灣股票市場為例，貨幣市場，第九卷第一期，1-19。 9.劉名寰、郭迺鋒、林崑峰與林祝吉，2009。國際經濟因子對台灣貨幣政策傳遞效果的影響：結構因子擴充向量自我迴歸模型(SFAVAR)，台灣經濟學會研討會。 30.

(37) 10.陳慧娟，2010。股市從眾行為與處分效果關聯之研究，雲林科技大學財務金融研究所碩士論文。 11.許榮邦，2010。台灣股票市場從眾行為與市場情緒之關聯性分析-以狀態空間模型驗證，台北大學經濟研究所碩士論文。 12.謝和原，2012。臺灣存託憑證市場從眾行為之研究，中正大學財務金融研究所碩士論文。 (二)英文文獻 1. Baker, M. and Wurgler, J., 2006. Investor Sentiment and the Cross-Sectionof Stock Returns, Journal of Finance, 61(4), 1645-1680.. 立. 政治大. 2. Banerjee, A., 1992. A Simple Model of Herd Behavior, Quarterly Journal of Economics, 108(3), 797-817.. ‧ 國. 學. ‧. 3. Bernanke, B. S. and Kuttner, K. N., 2005. What explains the stock market’s reaction to Federal Reserve policy? Journal of Finance, 60(3), 1221-1257.. Nat. n. al. er. io. sit. y. 4. Brown, W. and Cliff, M., 2004. Investor Sentiment and the Near-term Stock Market, Journal of Empirical Finance, 11(1), 1-27.. i n U. v. 5. Chang, E. C., Cheng, J. W. and Khorana, A., 2000. An examination of herd behavior in equity markets: An international perspective, Journal of Banking and Finance, 24, 1651-1679.. Ch. engchi. 6. Christie, W. G. and Huang, R. D., 1995. Following the pied piper: Do individual returns herd around the market? Financial Analysts Journal 51(4), 31-37. 7. Devenow, A., and Welch, I., 1996. Rational Herding in Financial Economics, European Economic Review, 40, 603-615. 8. Fama, E. , 1970. Efficient Capital Markets：A Review of Theory and Empirical Work, Journal of Finance, 25(2), 383-417. 9. Fama, E. F. and K. R. French, 1993. Common Risk Factors in the Returns on Stock and Bonds, Journal of Financial Economics, 33, 3–56. 31.

(38) 10. Hwang, S. and Salmon, M., 2004. Market stress and herding, Journal of Empirical Finance, 11(4), 585-616. 11. Hwang, S. and Salmon, M., 2010. Sentiment, Beta Herding, and Cross-sectional Asset Returns,Behavioural Finance and Market Efficiency, Warwick Business School. 12.Kurov, A., 2010. Investor Sentiment and the Stock Market’s Reaction to Monetary Policy, Journal of Banking and Finance, 34, 139-149. 13. Lakonishok, J., Shleifer, A. and Vishny, R. W., 1992. The impact of institutional trading on stock prices, Journal of Financial economics, 32, 23-43.. 政治大 14. Lamont, O., Polk, C. and Saa-Requejo, J., 2001. Financial Constraints and Stock 立 Studies 14(2), 529-54. Returns, Review of Financial. ‧ 國. 學. 15. Patelis, A. D., 1997. Stock return predictability and the role of monetary policy, Journal of Finance, 52(5), 1951-1972.. ‧. io. sit. y. Nat. 16. Perez-Quiros, G., Timmermann, A., 2000. Firm Size and Cyclical Variations in Stock Returns, Journal of Finance 55(3), 1229-62.. n. al. er. 17. Thorbecke, W., 1997. On stock market returns and monetary policy, Journal of Finance, 52(2), 635-654.. Ch. engchi. i n U. v. 18. Wermers, R., 1999. Mutual fund herding and the impact on stock prices, Journal of Finance, 54, 581-621.. 32.

(39)