日本負利率政策下股市從眾行為之驗證 - 政大學術集成

全文

(1)國立政治大學企業管理研究所碩士學位論文. 日本負利率政策下股市從眾行為之驗證. 立. 政治大. ‧. ‧ 國. 學. Effects of Negative Interest Rate Policy. on Herding Behavior on the Japanese Stock Market. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：周冠男博士研究生：蔡宜臻撰. 中華民國一零六年六月.

(2) 目次第一章緒論………………………………………………………………………..…6 第一節研究背景……………………………………………………………..…6 第二節研究目的………………………………………………………………..8 第三節研究方法…………………………………………………………….….9 第二章文獻探討……………………………………………………………………11 第一節從眾行為………………………………………………………………11 第二節日本貨幣寬鬆政策歷程………………………………………………12. 政治大第一節資料選取………………………………………………………………16 立. 第三章研究方法與設計………………………………………………....................16. ‧ 國. 學. 第二節研究方法………………………………………………………………17 第四章實證結果……………………………………………………………………19. ‧. 第一節從眾行為之驗證……………………………………………………....19. sit. y. Nat. 第二節影響從眾行為之因素…………………………………………………31. al. er. io. 第三節從眾行為與負利率政策之關係………………………………………34. v. n. 第五章結論…………………………………………………………………………36. Ch. engchi. i n U. 參考文獻……………………………………………………………………………..39.

(3) 表次表 4-1：1983 家上市公司產業別平均日報酬率之敘述統計 .................................. 19 表 4-2：2016 年 1 月 25 日至 2016 年 2 月 5 日產業別平均日報酬率變動 ..... ….21 表 4-3：1983 家上市公司產業別 CSSD 值之敘述統計 .......................................... 23 表 4-4：1983 家上市公司產業別 CSAD 值之敘述統計.......................................... 24 表 4-5：2016 年 1 月 28 日至 2016 年 2 月 1 日產業別極端 CSSD 與 CSAD 值.. 28. 政治大. 表 4-6：市場報酬與股票離散程度在負利率宣布前後之關係實證(CSSD)........... 29. 立. 表 4-7：市場報酬與股票離散程度在負利率宣布前後之關係實證(CSAD) .......... 30. ‧ 國. 學. 表 4-8：日經波動指數與 CSSD 值之關係 ............................................................... 32. ‧. 表 4-9：日本政府公債殖利率與 CSSD 值之時間序列迴歸分析結果彙整 ........... 32. y. Nat. er. io. sit. 表 4-10：無擔保隔夜拆款利率與 CSSD 值之時間序列迴歸分析 ......................... 34 表 4-11：負利率政策內容指標與 CSSD 值之時間序列多元迴歸分析 ................. 35. n. al. Ch. engchi. 2. i n U. v.

(4) 圖次圖 1-1：1949 年至 2017 年日本股市總市值圖 .......................................................... 7 圖 2-1：2001 年 3 月至 2006 年 3 月之日本 CPI 年增率 ........................................ 13 圖 2-2：負利率政策之三層式結構 ........................................................................... 14 圖 2-3：2016 年 1 月 29 日至 2017 年 TOPIX 走勢圖 ............................................ 15 圖 2-4：2016 年 1 月 29 日至 2017 年 Nikkei 225 走勢圖 ...................................... 16. 政治大. 圖 4-1：2016 年 1 月 25 日至 2016 年 2 月 5 日產業平均日報酬率走勢圖 .......... 22. 立. 圖 4-2：2016 年 1 月 25 日至 2016 年 2 月 5 日之 CSSD 與 CSAD 值走勢圖...... 26. ‧ 國. 學. 圖 4-3：2016 年 1 月 28 日至 2016 年 1 月 29 日兩日之 CSSD 值比較 ................ 26. ‧. 圖 4-4：2016 年 1 月 28 日至 2016 年 1 月 29 日兩日之 CSAD 值比較................ 27. y. Nat. er. io. sit. 圖 4-5：2016 年 1 月 29 日至 2016 年 2 月 1 日兩日之 CSSD 值比較 .................. 27 圖 4-6：2016 年 1 月 29 日至 2016 年 2 月 1 日兩日之 CSAD 值比較.................. 28. n. al. Ch. engchi. i n U. v. 圖 4-7：2016 年 1 月 29 日至 2016 年 2 月 5 日之日經波動指數圖 ...................... 31. 3.

(5) 摘要本研究目的在檢視日本銀行於 2016 年 1 月 29 日時宣布的負利率政策，是否讓日本股票市場產生從眾行為之現象。為了瞭解日本銀行宣布負利率政策的消息釋出對於從眾行為之影響，使用 Christie and Huang (1995)的橫斷面報酬標準差(Crosssectional standard deviations, CSSD)以及 Chang et al. (2000)的橫斷面報酬絕對差 (Cross-sectional absolute standard deviations, CSAD)檢定日本股市在東証一部上市的大型股於 2016/01/25-2016/02/05 之負利率政策宣布前四日與後五日期間 (包括宣布日)，有無從眾行為之現象，且探討哪一個產業最為明顯；接著以時間序列迴. 政治大. 歸分析導致從眾行為之可能個總體因子，以及負利率政策實施內容導致從眾行為. 立. 之可能性。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 關鍵字：從眾行為、負利率政策、CSSD 模型、CSAD 模型、時間序列迴歸分析. 4.

(6) Abstract This paper investigates whether or not the Negative Interest Rate Policy announced by Bank of Japan on January 29th 2016 causes herding behavior on the Japanese stock market. This paper applies both the Cross-Sectional Standard Deviations (CSSD) method from Christie and Huang (1995) and the Cross-Sectional Absolute Standard Deviations (CSAD) method from Chang et al. (2000) to examine the existence of herding behavior on Tokyo Stock Exchange during a 10-day window from January 25th 2016 to February 5th 2016, 4 days before to 5 days after the policy announcement. Which industry exhibits the strongest effect is also studied. In addition, a time-series regression analysis is conducted to find out the possible micro and macro factors that may be driving herding behaviors. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. Keywords：Herding Behavior, Negative Interest Policy, CSSD Model, CSAD Model, Time Series Regression Analysis. 5.

(7) 第一章緒論第一節研究背景在學術研究中，投資理論主要分成兩種：「磐石理論」與「空中樓閣理論」，由 Burton Malkiel 提出的磐石理論(Firm-foundation Theory)主要論點為：不管是股票抑或是房地產，每種投資工具都有其內在的真實價值(Intrinsic Value)，可透過分析得出。而空中樓閣理論(Castle-in-the-air Theory)是由著名的經濟學家 John Maynard Keynes 於 1936 年提出,主要強調心理因素，認為與其計算投資工具的真實價值，不如研究市場大眾的未來投資動向，並樂觀地在心理建立出空中樓閣。. 政治大. Robert Shiller 在 2000 年出版的著作《葛林史班的非理性繁榮》 (Irrational. 立. Exuberance)提到 1990 年代末期市場大眾對於高科技股票與網際網路的狂熱，只. ‧ 國. 學. 能用「大眾心理」一詞所囊括形容。. 空中樓閣理論強調的大眾心理，其實與世界各國在諸多時期產生的泡沫有極. ‧. 大關聯性。從始於 1593 年，在 17 世紀因為市場推出了買進選擇權，而被推升的. y. Nat. sit. 荷蘭鬱金香泡沫；20 世紀中期的美國電子股熱，於 1959-1962 年間推出的股票量. n. al. er. io. 比過去他期都來得高；接著 1983 年上半的美國生化科技與微電子領域的股票再. i n U. v. 次超過 1960 年代初期的紀錄；到 2000 年美國網路泡沫化，道瓊指數暴跌，都跟. Ch. engchi. 投資人一窩蜂的投資行為有極大關係。這樣的一窩蜂投資行為，過度推升股價導致空中樓閣的出現。簡單來說，一定期間內一群投資人投資特定投資標的之行為可稱作從眾行為(Herding Behavior)。. 而從眾行為在日本的投資市場也出現過，根據 Kim and Nofsinger (2003)的研究，他們驗證機構投資人在牛市與熊市之交易行為，發現從眾行為會在不同市場環境下而有所不同，機構從眾買入在牛市較為積極。該篇研究定義的牛市即為日本泡沫經濟時期。下圖為 1949-2017 年共計 69 年間的日本股市總市值與東証一 6.

(8) 1. 部股票市值圖：首先可以明顯看出東証一部佔日本股市總市值比例相當高，佔比約為 96%以上，幾乎呈同樣趨勢增減；相對地東証二部、以未達一、二部標準企業為主的 Mothers (Market of the High-Growth and Emerging Stocks)與以新興企業為主的 JASDAQ 之佔比則相當低。另外以時間軸來看，1980 年代的日本隨著經濟高速發展，股市市值增幅前所未見。而廣為人知的「日本泡沫時期」就是發生於 1980 年代後期到 1990 年代初期的該段期間。從下圖的 1949-2017 年初的日本股市市值總額變化，可明顯看出 69 年間最高的成長波段位於 1987-1991 年初之間，高點位於 1989 年底。. 政治大. 圖 1-1：1949 年至 2017 年日本股市總市值圖. 立. 700,000,000. y. sit. al. i n U. v. 1949/5/1 1951/11/1 1954/5/1 1956/11/1 1959/5/1 1961/11/1 1964/5/1 1966/11/1 1969/5/1 1971/11/1 1974/5/1 1976/11/1 1979/5/1 1981/11/1 1984/5/1 1986/11/1 1989/5/1 1991/11/1 1994/5/1 1996/11/1 1999/5/1 2001/11/1 2004/5/1 2006/11/1 2009/5/1 2011/11/1 2014/5/1 2016/11/1. n. 0. io. 100,000,000. Nat. 200,000,000. er. 300,000,000. ‧. 400,000,000. ‧ 國. 500,000,000. 學. 600,000,000. Ch. engchi. 東証一部股票市值 1st Section. 發行股票總市值 Total. (縱軸單位：百萬日圓). 根據 1985 年廣場協議，當時修正日圓匯率而導致了後續的日圓飆升，並帶給日本長達二十多年的不景氣；加上當時針對不景氣所進行的一系列利率政策，促使了日本土地和股票發生泡沫化。1986 年日本土地總價值為 1300 兆日圓，. 1. 東証一部：東証為東京證交所之簡稱，東証一部是根據掛牌市值區分出市值較大之公司群組，目前已超過兩千家掛牌交易。由於東証一部上市公司具代表性且交易規模大，東証一部指數 (TOPIX)更成為不少投資機構衡量日本股市走勢的指標。 7.

(9) 1990 年飆升 184.6%至 2400 兆日圓；而 1986 年原 400 兆日圓的股市總價值，在三年後的 1989 年飆至 900 兆日圓，增加 125%。日本經濟泡沫破裂後，土地總價值從 1990 年約 2400 兆日圓跌到 2007 年消失近一半，僅剩 1226 兆日圓；而股市總價值從 1989 年將近 900 兆日圓，跌到 1992 年末僅剩 400 兆日圓，消失超過一半價值。日本政府持續提出刺激景氣政策，但效果並不彰；直到安倍晉三於 2012 年 12 月 26 日再次擔任總理大臣之後，為了解決日本長達十多年的通貨緊縮，提出了俗稱「安倍三箭」的政策拯救日本經濟。近年來最受矚目的莫過於 2016 年 1 月 29 日，日本央行提出將利率調降到. 政治大簡稱 Nikkei 225)受到激勵大幅上揚，日圓急貶；且造成全球市場震盪。立. -0.1%的負利率政策。此消息釋出，立刻造成日經 225 指數(Nikkei Stock Average,. 欲從本研究探討負利率政策的宣布，在日本市場有無造成從眾行為；進一步. ‧ 國. 學. 衡量日本銀行(Bank of Japan, BoJ)未來宣布相關政策時，造成從眾行為之可能。. ‧. 第二節研究目的. sit. y. Nat. Loisel, O. (2012)認為緊縮的貨幣政策造成借貸成本升高，使得公司或創業者. al. er. io. 有把握才願意投資，因而降低從眾行為之可能性，也不易導致泡沫之生成。反之，. v. n. 寬鬆貨幣政策使市場投資人借貸資金成本降低，增加了投資誘因。這樣一來，造. Ch. engchi. i n U. 成市場投資人從眾行為及後續之經濟泡沫發生可能性也會增高。 Kim and Nofsinger (2007)探討日本機構投資人之從眾行為，並與 Nofsinger and Sias (1999) 研究美國機構投資人之結果相比，實證發現日本機構投資人之從眾行為較美國不明顯，程度僅為其三分之一；但前者若發生，則對於股價造成的影響程度相對較大，為美國的三分之二。另外 Kim and Nofsinger (2005)研究機構投資人於 1975 至 2000 年期間之交易行為，實證發現總體經濟因子會影響從眾行為。因此本研究欲針對負利率政策之宣布這個特殊事件，對於日本股市投資人，有無造成從眾行為之現象。 8.

(10) 藉由 Christie and Huang (1995)的橫斷面報酬標準差(Cross-sectional standard deviations, CSSD)以及 Chang et al. (2000)的橫斷面報酬絕對差(Cross-sectional absolute standard deviations, CSAD)檢定個股與股市報酬的偏離性，以檢驗日本股市是否因負利率政策宣布而產生從眾行為。本研究樣本期間為政策宣告日之前四日到後五日(排除假日)，透過橫斷面與時間序列進行分析。本研究之研究目的為以下三點：一、探討負利率政策宣布前四日與後五日期間 (包括宣布日)：2016/01/252016/02/05 之期間，日本股市以產業別區分的個股表現與市場整體報酬有無顯著. 政治大. 的差異性，從中得出該期間哪種產業較有從眾行為之可能性。接著比較宣布日與. 立. 其他樣本日的從眾行為何者最為明顯。. ‧ 國. 學. 二、探討日本股市中可能形成從眾行為之總個體經濟因素。. ‧. 三、探討負利率政策內容與從眾行為之因果性。. n. al. er. io. sit. y. Nat. 第三節研究方法. v. 日本股市有兩大指標，一為東証股價指數(Tokyo Stock Price Index, 簡稱. Ch. engchi. i n U. TOPIX)，二為 Nikkei 225。TOPIX 主要由東証一部上市的 2000 多家大型公司構成，涵蓋日本股市總市值 96%以上，充分反映日本股市最新動向；且計價方式與世界主要股價指數相似，採市值加權計價模式，為一具代表性指數。而 Nikkei 225 則從東証一部挑出交易量最大且市場流通性最高的 225 家企業，採綜合股價計算方式計算。為了讓樣本數較足夠且具意義，挑選構成 TOPIX 的東証一部上市所有企業做為樣本對象。而樣本期間則設定 1 月 29 日宣布前四日與後五日期間 (包括宣布日)，即 2016 年 1 月 25 日至 2 月 5 日之期間。而東証一部上市的所有公司在 9.

(11) 該期間有資料者共計 1983 家。分成 32 種產業別，分析各產業別日報酬率與整體市場平均報酬率之差異，以得哪種產業較有可能發生從眾行為。針對研究目的探討之問題，本文將循序利用以下四種模型：敘述統計分析、橫斷面報酬標準差、橫斷面報酬絕對差以及時間序列迴歸分析做實證分析，方法如下：研究背景與動機 ↓. 立. 相關文獻探討治政大 ↓. ‧ 國. 學. 負利率政策宣布之樣本期間日本股市有無從眾行為之現象. ‧ sit. y. Nat. n. al. 負利率政策與市場從眾行為之關係. er. io. 影響從眾行為的因素. Ch. e n ↓g c h i. 實證結果與分析 ↓ 結論. 10. i n U. v.

(12) 第二章文獻探討第一節從眾行為理論最早可追溯到凱因斯 (1936)提出的「空中樓閣理論」，他認為：研究市場投資人的投資動向比計算投資工具的真實價值來得有意義；可知關注市場投資動向之投資策略開始被注意。但當時並未獲得重視，直到 1980 年代開始，過去被認為是鐵則的市場效率假說(Efficiency Market Hypothesis, EMH)無法被不少實證研究所支持，學者開始針對非理性行為進一步進行實證研究，讓行為財務學在財務領域發展得越來越快，包括從眾行為的研究也越來越多。. 政治大而從眾行為並不只侷限於金融商品買賣或是跟隨市場投資人之決策。例如立. ‧ 國. 學. Ashiya and Doi (2001)驗證日本總體經濟預測家之從眾行為並不分年紀；與 Lamont (1995)提到年紀較長的美國預測家較少從眾行為有一差異。Banerjee (1992). ‧. 認為從眾行為是市場投資人比起使用他們所擁有的資訊判斷，更偏好追隨其他人. sit. y. Nat. 的選擇，做出相同的決策。Devenow and Welch (1996)定義：從眾行為模式與個體. io. er. 相關，這些個體會導致全體人員做出次佳決策。而 Tobias F. Rötheli (2001) 更提. al. 到當銀行經理人為了積極取得新客戶且擴張原本既存客戶的信用，而忽視其相關. n. v i n Ch 違約風險偏高之情況下，容易出現從眾行為。Uchida e n g c h i U and Nakagawa (2007)研究日本銀行業於 1975 年至 2000 年之期間在國內借貸市場有無存在從眾行為，發現在. 1980 年末期，即日本經濟泡沫時期，存在不理性的從眾行為。進一步更指出不理性從眾行為，對 GDP 及土地價格具擾亂效果，並認為該時期的從眾行為是造成日本經濟後續不景氣的因素之一。 Christie and Huang (1995) 使用橫斷面報酬標準差 (Cross-sectional standard deviations, 以下簡稱 CSSD) 衡量整體市場平均報酬與個股報酬之差價，從市場極端波動下的離散程度，判斷市場有無存在從眾行為。他們認為在理性模型中， 11.

(13) CSSD 應隨著市場報酬率絕對值上升而增加，但若市場存在從眾行為，則 CSSD 增速會遞減，甚至可能產生減小的現象。 Chang et al. (2000)使用與 CSSD 相似概念，發展出橫斷面報酬絕對差 (Crosssectional absolute standard deviations, 以下簡稱 CSAD)檢驗個股報酬分散性與整體市場報酬的關聯性。從眾行為相關文獻除了衡量個股報酬與市場報酬之離散程度，另外亦有以交易量為主體，驗證投資人在一定期間內買進或賣出某特定金融商品之行為，是否顯著大於平常水準。如 Lakonishok, Shleifer and Vishny (1991)提出的 LSV 指標。. 政治大發現法人的從眾行為程度比散戶明顯，並發現大型股的從眾行為程度高。立. Zhou and Lai (2009)則改良了 LSV 模型研究 2011-2012 年間台灣上市股票市場，. ‧ 國. 學. 第二節日本量化寬鬆政策歷程. 從 1991 年開始，日本銀行(Bank of Japan, 以下簡稱 BoJ)持續調降重貼現率，. ‧. 從當年的 6%降至 1995 年 9 月的 0.5%，1999 年 3 月更將無擔保隔夜拆款利率降. sit. y. Nat. 至 0.03%，扣除費用之後幾乎等於零利率，所以一般通稱日本在 1999 年開始實. al. er. io. 施零利率政策。但由於零利率政策並未讓日本經濟有好轉跡象，故從 2001 年 3. v. n. 月 19 日除了繼續零利率外，亦開始採行貨幣寬鬆政策(Quantitative Easing Policy，. Ch. engchi. 簡稱 QE 政策)，該政策包括三要點：. i n U. 一、操作目標從無擔保隔夜拆款利率改成民間金融機構存放於 BoJ 的活期帳戶餘額，以維持大規模流動性供給。二、承諾維持大規模流動性供給，直到核心消費者物價指數(Consumer Price Index, CPI)年增率轉正為止。三、為了平穩地提供流動性，增加買入長期日本政府公債。從下圖可看出日本在並行 QE 政策與零利率政策之下，CPI 年增率有逐步回升，在 2004 年 10 月轉正達到 0.51%。實施至 2006 年 3 月 9 日，QE 政策與零利率政策均暫先退場。 12.

(14) 圖 2-1：2001 年 3 月至 2006 年 3 月之日本 CPI 年增率 1.00%. 0.50%. 2006/3/1. 2005/12/1. 2005/9/1. 2005/6/1. 2005/3/1. 2004/12/1. 2004/9/1. 2004/6/1. 2004/3/1. 2003/12/1. 2003/9/1. 2003/6/1. 2003/3/1. 2002/12/1. 2002/9/1. 2002/6/1. 2002/3/1. 2001/12/1. 2001/9/1. 2001/6/1. -0.50%. 2001/3/1. 0.00%. -1.00%. -1.50%. -2.00%. 立. 政治大. 資料來源：日本銀行；自行整理. 安倍晉三於 2012 年底再次擔任首相，為了讓失落二十多年的日本經濟復甦，. ‧ 國. 學. 同時展開了三項重要政策：一、大膽的金融政策；二、彈性的財政政策；三、喚. ‧. 起民間投資的成長策略，被稱為了「安倍三箭」。具體目標為讓十年的平均名目. y. Nat. GDP 成長率達到 3%，而平均實質 GDP 成長率也有 2%的表現。根據以上目標，. er. io. sit. 預期十年後每人平均名目國民所得能擴大到 150 萬日圓以上。. 日本銀行黑田東彥總裁上任後，為了協助達成通膨率 2%目標，持續進行一. n. al. 系列貨幣政策。2013 年 4. v i n 月推出質化與量化寬鬆(Quantitative and Qualitative Ch engchi U. Monetary Easing，簡稱 QQE)政策，每年購債規模為 50 兆日圓；為了加強力道，. 在隔年 10 月更推出了 QQE2 政策，增加購債規模達每年 80 兆日圓。接著 2016 年 1 月 29 日，BOJ 決定導入「負利率的質化、量化寬鬆貨幣政策」(QQE with a Negative Interest Rate Policy，簡稱 QQEN)。QQEN 政策除了繼續維持 QQE2 政策每年 80 兆日圓購債規模之外，另外導入負利率，將基準利率從原先的 0.1%下調至-0.1%，為亞洲第一個使用負利率政策的國家。QQEN 政策又稱三次元寬鬆貨幣政策，主要有三重支柱：. 13.

(15) 1.量化：每年增加 80 兆日圓的廣義現金(包括日本銀行券發放餘額、貨幣還有日本銀行活期存款) 2.質化：以購入資產計畫為主，細項如下： (1)以每年 80 兆日圓規模購入長期國債，也會因應金融市場以彈性應對。買入平均期間拉長至 7-12 年。 (2)以每年 6 兆日圓規模購入 ETF，並以年增 900 億日圓規模購入 J-REITs。 (3)保持 CP 存量 2.2 兆日圓，公司債存量則保持在 3.2 兆日圓。 3.負利率：導入「三層式利率結構」，說明如下：. 政治大. 圖 2-2：負利率政策之三層式結構. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 資料來源：日本銀行；自行繪製. 第一層(Basic Balance) 各金融機構在 BoJ 過去的存款仍適用 0.1%利率。具體來說，以各金融機構於 2015 年 1 月到 12 月在 BoJ 的活期存款平均餘額作為平均基準餘額，而這個平均基準餘額(220 兆日圓)包含法定存款準備金(9 兆日圓)。而從這個基礎餘額扣除適用 0%利率的法定準備金之後，約 210 兆日圓適用 0.1%利率。 14.

(16) 第二層(Macro Add-on Balance) 金融機構存在 BoJ 的法定存款準備金帳戶，以及金融機構在受災期間獲得的支援基金，BoJ 都將不再提供利息。這層約有 40 兆日圓規模,將呈階梯式增長，未來預期每年增加 80 兆日圓，即 40 兆日圓+80 兆日圓/年，利率為 0%。第三層(Policy-Rate Balance) 一開始約 10 兆日圓規模，之後每年以 80 兆日圓增加，即每三個月增加 20 兆日圓，適用利率為-0.1%。從下圖 2016 年 1 月 29 日至 2017 年初的 TOPIX 與 Nikkei 225，我們可知從負利. 政治大圖 2-3：2016 年 1 月 29 日至 2017 年 TOPIX 走勢圖立. 率政策實施之後，加上國際經濟整體好轉，長期來對日本股市可能有一激勵效果。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. (縱軸單位：百萬). 15.

(17) 圖 2-4：2016 年 1 月 29 日至 2017 年 Nikkei 225 走勢圖. (縱軸單位：百萬). 學. ‧ 國. 立. 政治大. 第三章研究方法與設計. ‧. 本文研究方法主要分成三大部分：一、驗證日本股市在負利率政策宣布前. y. Nat. 四日與後五日期間 (包括宣布日)：2016/01/25-2016/02/05 之期間有無從眾行為. er. io. sit. 之產生；二、影響從眾行為的個總體因素；三、負利率政策導致從眾行為之可能性。從眾行為主要是研究某特定期間市場有無齊漲齊跌之現象，接著探討影. al. n. v i n 響從眾行為可能的總體與個體因子，之後再驗證負利率政策內容導致從眾行為 Ch engchi U 之可能性。. 第一節資料選取一、研究期間實證資料包括東証一部所有上市公司(在該期間有資料者)計 1983 家於該期間的日報酬率。而研究期間為 2016/01/25-2016/02/05，總計 10 日，共計 19830 筆資料。. 16.

(18) 二、資料來源本文運用的資料包括東証一部所有上市公司的日報酬率、匯率、政府公債殖利率等等，資料來源為 YAHOO.JP 東証一部類別所有上市公司於該樣本期間之日收盤價格、而其他數據來自於 BoJ、日本股票交易所(JPX)以及其他財經網站。. 第二節研究設計本研究分成三步驟進行：首先，採用 CSSD 與 CSAD 值驗證日本股市在負利率政策宣布當天，與前四日以及後五日之期間，是否存在從眾行為；且分析哪種產業具從眾行為之可能性較高。接著，當確定該期間的宣布日或其他日存在從. 政治大. 眾行為之後，利用總體與個體因子找出造成從眾行為之可能因素，並建立時間序. 立. 列迴歸模型。最後，使用時間序列迴歸檢測股市從眾行為與負利率政策要點之相. ‧ 國. 學. 關性。. ‧. 一、從眾行為驗證. y. Nat. (一)CSSD (Cross-Sectional Standard Deviation of Return). er. io. sit. Christie and Huang (1995)使用 CSSD 值，得出報酬率的分散程度以檢定從眾行為。如果市場有一從眾行為發生，個股報酬率會趨於整體市場報酬率，該時點的日波. al. n. v i n 動程度會有縮小現象產生。本研究利用股票報酬率離散程度所得之橫斷面標準差， Ch engchi U 以判斷從眾行為之存在與否。公式如下： 𝑁. √∑ 𝐶𝑆𝑆𝐷. 𝑡. =. (𝑅𝑖𝑡 − 𝑅𝑚𝑡 ). 𝑖=1. N−1. N：股票樣本數。 𝑅𝑖𝑡 ：第 t 期時 i 股的股價報酬率 𝑅𝑚𝑡 ：累積 N 個投資組合橫斷面之平均報酬率. 17. 2.

(19) (二)CSAD(Cross-sectional absolute standard deviations) Chang et al. (2000)使用 CSAD 值，計算個股報酬率與市場整體報酬率的橫斷面絕對偏離度，以知個股有無跟著市場整體趨勢跟著齊漲或齊跌，而得從眾行為之存在與否。公式如下： 𝑁. 1 𝐶𝑆𝐴𝐷 = ∑ |𝑅𝑖𝑡 − 𝑅𝑚𝑡 | 𝑡 𝑁 𝑡=1. N：股票樣本數。 𝑅𝑖𝑡 ：第 t 期時 i 股的股價報酬率. 政治大. 𝑅𝑚𝑡 ：累積 N 個投資組合橫斷面之平均報酬率. 立. 二、影響從眾行為之因素. ‧ 國. 學. (一)個體因子：. 1.股價波動性：根據 Hwang and Salmon (2004)的研究，美國與南韓股市價格波. ‧. 動幅度增加，顯著增加投資人之從眾行為。股價波動幅度增加，表示潛在獲利. sit. y. Nat. 增加，亦增加投資人從眾行為之可能。本文以日經波動指數(Nikkei Stock. al. n. (二)總體經濟因子：. er. io. Average Volatility Index, 又稱為日股恐慌指數)為衡量變數。. Ch. engchi. i n U. v. 1.公債殖利率：日本政府公債殖利率目前分成 1-10 年期，15、20、30 以及 40 年期共計 14 種。當公債殖利率上升，投資者有將資金轉往債市之趨勢，這樣一來流往股市資金會減少；反之，當公債殖利率下降，投資者投入股市也會增加。 2.無擔保隔夜拆款利率：金融同業資金相互借貸所需支付的利率，為貨幣市場重要之指標。. 三、從眾行為與負利率政策之關係性檢定樣本具從眾行為之後，進一步探討負利率政策與從眾行為之相關程度。負 18.

(20) 利率政策包括很多貨幣工具的使用，故利用時間序列迴歸分析繼續驗證相關表現與從眾行為之相關性。. 第四章實證結果第一節從眾行為之驗證一、股市報酬率、CSSD、CSAD 根據日本股市資訊，以產業別個股最終價格計算之日報酬率以及從眾行為衡量指標做一敘述統計。觀察期間為日本銀行負利率政策宣布前四日與後五日期間. 政治大. (包括宣布日)，即 2016/01/25-2016/02/05，共計 10 天的觀察日。選取的樣本為東. 立. 証一部，共計 1983 家公司的股票，樣本數為 19830 個。. ‧ 國. 學. (一)股市報酬率. 表 4-1：計 1983 家上市公司產業別平均日報酬之敘述統計平均日報. 最大值. 最小值. 標準差. 一部. 日數. 酬率%. %. %. %. 7. 10. 0.34%. 7.02%. 礦業. 7. 10. 0.09%. al. 10. 0.33%. 2.47%. 6.54%. -7.79%. 3.13%. 19.27%. -14.47%. 3.04%. -13.23%. 2.57%. -8.67%. 2.61%. sit. -5.20%. er. 101. n. 建設業. io. 水產. y. 觀察. Nat. 東証. ‧. 產業別. v i 10 0.64% 11.33% n Ch 10e n g 0.06% c h i U8.24%. 食料品. 77. 纖維業. 39. 紙業. 12. 10. 0.76%. 20.22%. -10.44%. 4.19%. 化學. 138. 10. -0.02%. 15.05%. -25.00%. 3.02%. 醫藥品. 39. 10. 0.27%. 10.38%. -11.61%. 2.81%. 石油石炭製品. 10. 10. 0.52%. 10.99%. -6.98%. 2.93%. 橡膠製品. 11. 10. 0.24%. 9.28%. -5.29%. 2.81%. 玻璃土石製品. 32. 10. -0.11%. 9.84%. -15.79%. 2.83%. 鋼鐵. 32. 10. -0.23%. 15.00%. -15.04%. 3.67%. 金屬. 65. 10. -0.15%. 16.07%. -11.20%. 3.33%. 機械. 133. 10. -0.23%. 18.87%. -20.24%. 3.20%. 電器機器. 157. 10. -0.21%. 20.95%. -18.64%. 3.62%. 輸送用機器. 62. 10. -0.47%. 11.35%. -15.72%. 3.41%. 19.

(21) 表 4-1(續)：計 1983 家上市公司產業別平均日報酬之敘述統計產業別. 東証. 觀察. 平均日報. 最大值. 最小值. 標準差. 一部. 日數. 酬率%. %. %. %. 精密機器. 30. 10. -0.12%. 7.62%. -21.42%. 2.91%. 其他製品. 53. 10. 0.22%. 15.23%. -6.83%. 2.61%. 批發業. 164. 10. 0.12%. 44.64%. -16.10%. 3.04%. 零售業. 189. 10. 0.21%. 12.50%. -9.47%. 2.66%. 銀行. 83. 10. -1.22%. 7.17%. -11.83%. 2.88%. 證券. 22. 10. 0.04%. 12.87%. -10.27%. 3.67%. 保險. 9. 10. -0.93%. 7.60%. -12.05%. 3.25%. 其他金融. 22. 10. 0.51%. 15.00%. -6.78%. 3.76%. 不動產. 61. 10. 0.47%. 17.07%. -8.33%. 3.93%. 陸運業. 40. 10. -8.13%. 2.35%. 海運業. 8. 12.19% 治政 -0.48% 大 10 8.72% 10 -0.23% 4.81%. -6.79%. 3.30%. -6.64%. 2.65%. 10. -0.14%. 7.97%. -6.90%. 2.55%. 3 立 21. 空運. 學. ‧ 國. 倉庫運輸相關. 0.50%. 167. 10. 0.37%. 26.76%. -23.90%. 4.04%. 電力瓦斯. 21. 10. 0.44%. 20.35%. -7.73%. 3.11%. 服務業. 168. 10. 0.27%. 19.74%. -15.63%. 3.20%. 全體產業平均. 1983. 10. 0.06%. 14.08%. -12.00%. 3.11%. ‧. 資訊通信. Nat. sit. y. 從上表可知，在研究樣本期間平均日報酬率最低的為銀行業股的-1.22%，次. n. al. er. io. 低為保險業股的-0.93%；而最高的為紙業的 0.76%，次高為食料品業的 0.64%。. i n U. v. 東証一部在該樣本期間有資料者，計 1983 家公司之平均日報酬率為 0.06%。而. Ch. engchi. 依產業別區分的日報酬率之最大值為批發業的 44.64%，最小值則為化學業的25%。從日報酬波動程度方面來看，以紙業的日標準差 4.19%為最高，陸運業的日標準差 2.35%為最低。為了更清楚瞭解到負利率宣布當日股價報酬率與其他日之差別，依產業別與日期別的日報酬率做進一步分析：. 20.

(22) 表 4-2：2016 年 1 月 25 日至 2016 年 2 月 5 日產業別平均日報酬率變動日報酬率 16/01/25. 16/01/26 16/01/27 16/01/28 16/01/29 16/02/01 16/02/02 16/02/03 16/02/04 16/02/05. 水產. 3.02%. -1.05%. 0.81%. 0.41%. 2.76%. 2.21%. 0.61% -2.04% -2.25% -1.06%. 礦業. 2.96%. -3.14%. 3.60% -0.63%. 3.20%. 1.76%. -1.18% -3.56% -0.09% -1.06%. 建設業. 1.15%. -1.95%. 3.10% -0.04%. 3.73%. 3.48%. -0.70% -2.64% -1.32% -1.60%. 食料品. 2.83%. -1.10%. 2.21%. 0.91%. 2.89%. 1.58%. 0.91% -0.95% -2.12% -0.87%. 纖維業. 1.94%. -1.97%. 2.82% -0.57%. 2.44%. 2.14%. -1.27% -2.49% -0.93% -1.75%. 紙業. 3.73%. -0.83%. 4.58% -0.41%. 1.44%. 1.27%. -0.88% -1.47%. 化學. 1.91%. -2.50%. 2.43% -0.43%. 2.71%. 2.30%. -1.55% -2.91% -0.50% -1.65%. 醫藥品. 2.12%. -0.45%. 1.74% -0.01%. 1.01%. 2.02%. 2.35% -1.46% -4.04% -0.56%. 石油石炭製品. 2.04%. -3.01%. 3.46% -0.98%. 3.52%. 1.15%. -2.00% -0.95%. 橡膠製品. 1.43%. -2.23%. 2.97%. 1.31%. 4.05%. 2.17%. -1.89% -1.83% -2.25% -1.29%. 玻璃土石製品. 1.48%. -1.67%. 1.83% -0.94%. 2.78%. 2.85%. -1.70% -3.78% -0.90% -1.41%. 鋼鐵. 1.88%. -2.54%. 2.56% -1.79%. 2.32%. 2.91%. -2.92% -4.34%. 金屬. 1.61%. -2.88%. 3.02% -1.45%. 2.61%. 2.78%. -2.28% -2.96% -1.24% -0.75%. 機械. 1.65%. -2.94%. 2.71% -1.07%. 2.63%. 2.12%. -1.48% -4.22% -0.87% -0.92%. 1.15%. -2.62%. 2.67% -1.69%. 2.00%. 3.49%. -1.22% -3.23% -1.04% -1.60%. 0.89%. -2.85%. 3.18% -0.88%. 3.96%. 1.74%. -1.86% -4.38% -2.29% -2.03%. 1.47%. -1.60%. 1.51% -0.22%. 2.18%. 1.24%. -0.13% -3.09% -1.69% -0.85%. 1.65%. -2.33%. 2.52%. 0.13%. 2.35%. 2.73%. -0.72% -2.38% -1.74% -0.86% -0.68% -2.38% -1.56% -0.83%. 0.78%. 1.15%. 0.22% -0.56%. 學. 2.15%. -1.63%. 2.48%. 0.06%. 1.90%. 1.73%. 零售業. 2.51%. -1.59%. 1.76%. 0.38%. 2.18%. 2.44%. 0.18% -1.44% -2.58% -1.70%. 銀行. 0.35%. 3.76% -0.55% -0.03% -5.43%. 證券. 2.69%. 3.38% -1.71%. -1.65% -4.37% -1.60% -2.53%. 保險. 0.81%. 其他金融. 1.99%. v 3.82% i n C h3.11% -1.51% 0.94% -1.32% e n g c h i U -2.01%. -0.80% -2.66% -1.89% -2.05%. -2.28%. 4.18%. 0.43%. 4.35%. 5.09%. -1.17% -3.06% -1.19% -3.29%. 不動產. 2.05%. -1.81%. 2.45% -0.68%. 6.98%. 3.85%. -2.27% -2.22% -1.48% -2.41%. 陸運業. 1.37%. -1.71%. 2.55%. 0.34%. 3.27%. 1.87%. 0.85% -1.39% -1.60% -0.51%. 海運業. 2.09%. -3.73%. 3.32% -1.91%. 2.40%. 2.00%. -2.96% -3.80% -0.46% -2.08%. 空運. 1.46%. -0.05%. 2.68%. 1.80% -3.27%. -1.08% -1.23% -2.79% -1.96%. 倉庫運輸相關. 1.23%. -2.18%. 3.01% -0.80%. 2.83%. 2.08%. -0.83% -2.40% -1.06% -1.97%. 資訊通信. 2.35%. -0.89%. 3.18%. 1.60%. 1.89%. 1.66%. 0.21% -1.94% -2.11% -2.18%. 電力瓦斯. 1.33%. -2.52%. 3.66% -1.04%. 2.82%. 1.53%. 2.69% -0.86% -1.33% -1.89%. 服務業. 2.91%. -1.25%. 2.23%. 0.13%. 2.37%. 2.89%. -0.42% -1.78% -2.08% -1.77%. 全體產業平均. 1.88%. -2.01%. 2.80% -0.36%. 2.72%. 1.82%. -0.85% -2.53% -1.42% -1.45%. io. -3.21%. n. al. -2.62%. y. sit. 精密機器. er. 輸送用機器. ‧. 批發業. 電器機器. Nat. 其他製品. ‧ 國. 立. 政治大. 1.23% -0.90%. 2.19%. 21. 4.89%. -1.20% -2.84% -2.61% -2.71%.

(23) 由上表可看出 1 月 28 日到 2 月 1 日間之產業別日報酬率有明顯波動。1 月 29 日宣布負利率政策當日，與利率息息相關的不動產產業，平均日報酬率立即走升，從前一日的-0.68%驟升至 6.98%。而平均日報酬率前三名除了不動產產業，第二名為證券業，而第三名為其他金融業。主要是因為負利率政策不僅讓融資成本降低，也使長期國債利率下降，讓資金從債市流到股市、不動產以及其他投資標的。另外，由於負利率政策要求將部分利率調到-0.1%，直接衝擊到銀行業的獲利，所以政策宣布當日銀行業之平均日報酬率為-0.03%，雖然較前一日之平均日報酬率上升 0.52%，但為 1 月 29 日全體產業唯一報酬率為負的產業。2 月 1 日. 政治大而整體平均日報酬率之期間變化為下圖：可以看出負利率政策宣布前後全體產業立. 更驟降至-5.43%，可能是投資人對於負利率政策對於銀行業之未來衝擊之反應。. 之平均日報酬率有明顯走升現象，-0.36%走升至 2.72%，成長七倍之多。. ‧ 國. 學. 圖 4-1：2016 年 1 月 25 日至 2016 年 2 月 5 日全體產業總平均日報酬率走勢圖. -1.00%. y. sit. al. n. 0.00%. io. 1.00%. Nat. 2.00%. er. 3.00%. ‧. 4.00%. Ch. engchi. i n U. v. -2.00% -3.00%. (縱軸：日報酬率%). 22.

(24) (二)CSSD 值：表 4-3：1983 家上市公司產業別 CSSD 之敘述統計公司家數觀察值數平均值%. 標準差%. 最大值%. 最小值%. 水產. 7. 10. 1.640%. 0.749%. 3.727%. 1.037%. 礦業. 7. 10. 2.141%. 0.334%. 2.754%. 1.681%. 建設業. 101. 10. 1.985%. 0.482%. 2.819%. 1.213%. 食料品. 77. 10. 1.888%. 0.514%. 3.105%. 1.119%. 纖維業. 39. 10. 1.760%. 0.384%. 2.588%. 1.418%. 紙業. 12. 10. 2.475%. 1.043%. 4.744%. 1.094%. 化學. 138. 10. 2.687%. 1.046%. 5.097%. 1.384%. 醫藥品. 39. 10. 3.035%. 1.550%. 6.745%. 1.082%. 石油石炭製品. 10. 4.223%. 0.839%. 橡膠製品. 11. 1.909% 1.006% 治政10 1.602% 大0.641% 10 1.870% 0.426%. 3.115%. 0.651%. 2.801%. 1.240%. 4.267%. 1.299%. 32 立 32. 玻璃土石製品. 10. 2.612%. 0.882%. 學. ‧ 國. 鋼鐵. 10. 10. 2.379%. 0.550%. 3.216%. 1.396%. 機械. 133. 10. 2.198%. 0.463%. 3.020%. 1.477%. 電器機器. 157. 10. 2.762%. 0.718%. 3.867%. 1.687%. 輸送用機器. 62. 10. 2.108%. 0.591%. 3.260%. 1.128%. 精密機器. 30. 10. 2.266%. 0.969%. 4.800%. 1.128%. 其他製品. 53. 10. 1.784%. 0.456%. 2.662%. 1.211%. 批發業. 164. 10. 2.432%. 0.714%. 3.897%. 1.650%. 10. 1.906%. 0.290%. iv n0.516%. 2.587%. 1.562%. 銀行. al. 2.637%. 1.163%. 證券. 22. e10n g 1.951% c h i U 0.425%. 2.775%. 1.408%. 保險. 9. 10. 2.063%. 1.946%. 7.698%. 0.710%. 其他金融. 22. 10. 2.120%. 0.807%. 3.526%. 1.126%. 不動產. 61. 10. 2.408%. 0.445%. 3.535%. 1.886%. 陸運業. 40. 10. 1.610%. 0.376%. 2.320%. 1.120%. 海運業. 8. 10. 2.047%. 0.762%. 3.405%. 1.016%. 空運. 3. 10. 1.931%. 0.847%. 3.646%. 0.481%. 倉庫運輸相關. 21. 10. 1.674%. 0.310%. 2.150%. 1.302%. 資訊通信. 167. 10. 3.534%. 0.480%. 4.384%. 2.988%. 電力瓦斯. 21. 10. 2.156%. 0.943%. 4.541%. 1.119%. 服務業. 168. 10. 2.490%. 0.531%. 3.705%. 1.656%. 全體產業平均. 1983. 10. 2.158%. 0.694%. 3.576%. 1.310%. n. 189 83. Ch. 10. 1.623%. 23. y. sit. er. io. 零售業. ‧. 65. Nat. 金屬.

(25) 從上表可知，依產業別來看，1 月 25 日到 2 月 5 之十日間，情報通信產業的 CSSD 平均值最高，3.534%；而橡膠製品產業的 CSSD 平均值則最低，1.602%；且在全體產業中有最小值的 CSSD，0.651%。所有產業中，以保險產業的 7.698% 為 CSSD 最大值；以及 1.946%為最大的標準差。可從上表得知，在負利率政策宣布前後十日之期間，情報通信產業相對於其他產業的從眾行為較不顯著，期間內的報酬標準差異最大之產業為保險產業；而橡膠製品產業為所有產業中與市場總體報酬率最為接近，從眾行為發生可能性較高。. 政治大表 4-4：1983 家上市公司產業別 CSAD 之敘述統計立公司家數觀察值數平均值% 標準差%. 紙業. 石油石炭製品橡膠製品玻璃土石製品鋼鐵金屬機械電器機器輸送用機器精密機器其他製品批發業零售業銀行. 10 10 10 10 10 10 10 10 10 10. 1.209% 2.080% 1.997% 2.525% 1.459% 1.208% 1.323% 1.864% 1.623% 1.483%. 0.256% 0.758% 1.088% 1.485% 0.702% 0.446% 0.291% 0.511% 0.336% 0.236%. 10 10 10 10 10 10 10. 1.779% 1.424% 1.499% 1.259% 1.452% 1.382% 1.199%. al. n. 醫藥品. 39 12 138 39 10 11 32 32 65 133. io. 化學. Nat. 纖維業. 0.640% 0.328% 0.315% 0.318%. 157 62 30 53 164 189 83. Ch. engchi. 24. 3.031% 2.398% 1.895% 2.022%. 0.708% 1.161% 0.888% 0.786%. 1.691% 3.303% 4.800% 6.179% 2.933% 2.129% 1.857% 2.917% 2.107% 1.825%. 0.911% 0.922% 1.032% 0.879% 0.617% 0.545% 0.893% 1.103% 1.081% 1.161%. 2.441% 1.884% 2.606% 1.655% 1.964% 1.912% 2.123%. 1.274% 0.839% 0.907% 0.938% 1.189% 1.128% 0.783%. y. 食料品. 1.252% 1.624% 1.346% 1.276%. ‧. 建設業. 10 10 10 10. sit. 礦業. 7 7 101 77. er. 水產. 最大值% 最小值%. 學. ‧ 國. (三)CSAD 值：. i n U. v. 0.384% 0.350% 0.443% 0.244% 0.246% 0.233% 0.419%.

(26) 表 4-4(續)：1983 家上市公司產業別 CSAD 之敘述統計公司家數觀察值數平均值% 標準差% 最大值% 最小值% 證券. 22 9 22 61 40 8 3 21. 10 10 10 10 10 10 10 10. 1.395% 1.665% 1.544% 1.767% 1.119% 1.580% 1.433% 1.384%. 0.243% 1.778% 0.603% 0.433% 0.225% 0.665% 0.617% 0.406%. 1.754% 6.860% 2.766% 2.807% 1.649% 2.909% 2.562% 2.329%. 1.090% 0.558% 0.790% 1.348% 0.850% 0.683% 0.331% 0.917%. 服務業. 167 21 168. 10 10 10. 2.124% 1.422% 1.669%. 0.312% 0.454% 0.304%. 2.818% 2.424% 2.434%. 1.773% 0.852% 1.190%. 全體產業平均. 1983. 2.656%. 0.941%. 保險其他金融不動產陸運業海運業空運倉庫運輸相關資訊通信電力瓦斯. 立. 治政10 1.543% 大 0.502%. 從上表可知，依產業別來看，1 月 25 日到 2 月 5 之十日間，醫藥品產業的. ‧ 國. 學. CSAD 平均值最高，2.525%；而陸運業的 CSAD 平均值則最低，1.119%。空運業. ‧. 在全體產業中有最小的 CSAD 值，0.331%。所有產業中，以保險產業的 6.860% 為最大的 CSSD 值；以及 1.778%為最大的標準差。在負利率政策宣布前後十日. y. Nat. io. sit. 內，醫藥品產業相對於其他產業的從眾行為較不顯著，期間內的報酬標準差異最. n. al. er. 大之產業為保險產業；而陸運業為所有產業中與市場總體報酬率最為接近，從眾行為相對來說較為明顯。. Ch. engchi. i n U. v. 針對 CSSD 值與 CSAD 值在樣本期間之變化，繪製出下圖：可清楚從圖看出兩者在 1 月 28 日至 2 月 1 日之間有一明顯波動，負利率政策宣布前後一日(包括當日)造成特定產業別的個股報酬率漲跌偏離市場整體報酬，而後恢復於先前水準。. 25.

(27) 圖 4-2：2016 年 1 月 25 日至 2016 年 2 月 5 日之 CSSD 與 CSAD 值走勢圖 3.50% 3.00% 2.50% 2.00% 1.50% 1.00% 0.50% 0.00%. 政治大從上圖可知 1 月 28 日至 2 月 1 日之間 CSSD 值與 CSAD 值有明顯波動，接立 CSSD. CSAD. 著就分成兩段期間：一、1 月 28 日至 1 月 29 日；二、1 月 29 日至 2 月 1 日，探. ‧ 國. 學. 討波動可能為哪些產業所引起，並探討從眾行為發生在哪個產業之可能性較高：. 2.00% 1.50%. y. al. n. 2.50%. io. 3.00%. sit. 3.50%. er. 4.00%. Nat. 4.50%. ‧. 圖 4-3：1 月 28 日到 1 月 29 日兩日之 CSSD 值比較. Ch. engchi. i n U. v. 1.00% 0.50% 水產礦業建設業食料品纖維業紙業化學醫藥品石油石炭製品橡膠製品玻璃土石製品鋼鐵金屬機械電器機器輸送用機器精密機器其他製品批發零售銀行證券保險其他金融不動產陸運海運空運倉庫運輸相關資訊通信電力瓦斯服務業. 0.00%. 1月28日. 26. 1月29日.

(28) 圖 4-4：1 月 28 日到 1 月 29 日兩日之 CSAD 值比較 3.50% 3.00% 2.50% 2.00% 1.50% 1.00% 0.50%. 水產礦業建設業食料品纖維紙業化學醫藥品石油石炭製品橡膠製品玻璃土石製品鋼鐵金屬機械電器機器輸送用機器精密機器其他製品批發零售銀行證券保險其他金融不動產陸運海運空運倉庫運輸相關資訊通信電力瓦斯服務業. 0.00%. 政治大 1月28日. 立. 1月29日. 從上述兩圖可知， 1 月 29 日之 CSSD 值與 CSAD 值均以紙業、保險業、銀. ‧ 國. 學. 行業以及海運業之增幅最高；而減少幅度最多者為空運業，從眾行為程度可能較高。從上圖可知，以保險產業之 CSAD 值增幅最高，從 0.648%增加到 2.052%，. ‧. 達 3.17 倍；而 CSSD 值與 CSAD 值減幅最大者為空運業，且空運業之 CSSD 值. y. Nat. sit. 與 CSAD 值亦為產業最小值，從眾行為程度可能較高。但空運業的樣本數僅只有. n. al. er. io. 3 個，可能會有偏誤產生。. i n U. 圖 4-5：1 月 29 日至 2 月 1 日兩日之 CSSD 值比較. engchi. 水產礦業建設業食料品纖維紙業化學醫藥品石油石炭製品橡膠製品玻璃土石製品鋼鐵金屬機械電器機器輸送用機器精密機器其他製品批發零售銀行證券保險其他金融不動產陸運海運空運倉庫運輸相關資訊通信電力瓦斯服務業. 9.00% 8.00% 7.00% 6.00% 5.00% 4.00% 3.00% 2.00% 1.00% 0.00%. Ch. v. 1月29日. 27. 2月1日.

(29) 圖 4-6：1 月 29 日至 2 月 1 日兩日之 CSAD 值比較 8.00% 7.00% 6.00% 5.00% 4.00% 3.00% 2.00% 1.00%. 水產礦業建設業食料品纖維紙業化學醫藥品石油石炭製品橡膠製品玻璃土石製品鋼鐵金屬機械電器機器輸送用機器精密機器其他製品批發零售銀行證券保險其他金融不動產陸運海運空運倉庫運輸相關資訊通信電力瓦斯服務業. 0.00%. 政治大從上面兩圖可明顯看出 1立月 29 日宣布負利率政策後，保險產業於下一個營業日 1月29日. 2月1日. ‧ 國. 學. 之 CSSD 值與 CSAD 值不僅為產業最大值，亦為增幅最高者：CSSD 值從 2.597% 升至 7.698%；而 CSAD 值從 2.052%升至 6.860%。可知保險業在負利率政策實. ‧. 施隔天後脫離當日市場整體平均報酬率。而 2 月 1 日電力瓦斯業之 CSSD 值與. sit. y. Nat. CSAD 值均較前一日減少，逐漸趨於市場整體平均報酬率。而石油石炭業之 CSSD. al. er. io. 值與 CSAD 值為產業中最小值，個股報酬趨於整體市場之平均報酬。. v. n. 表 4-5：2016 年 1 月 28 日至 2016 年 2 月 1 日產業別極端 CSSD 與 CSAD 值 (CSSD,CSAD) 最大值 1 月 28 日. 1 月 29 日. 2月1日. Ch. engchi. i n U. 最小值. (情報通信業，情報通信業). (保險業，保險業). (4.252%, 2.241%). (0.786%, 0.648%). (情報通信業，化學業). (空運業，空運業). (3.764%, 3.213%). (0.481%, 0.331%). (保險業，保險業). (石油石炭業，水產業). (7.698%, 6.860). (1.363%, 0.948%). 28.

(30) 保險業的 CSSD 值與 CSAD 值從 1 月 28 日產業別的最小值到 2 月 1 日的最大值，從趨於到偏離整體市場平均報酬率，推測可能跟保險業投資追求的是長期穩定的報酬，所以當宣布負利率政策時，原本投資在存款或其他類別商品的熱錢，就會流向追求穩定報酬的保險業，推升保險業別的股價上漲，而偏離整體市場平均報酬率。. 二、CSSD 模型檢定使用 Christie and Huang (1995)的 CSSD 模型概念，衡量整體市場平均報酬與個股報酬之差價，從市場極端波動下的離散程度，判斷市場有無存在從眾行為。. 政治大而宣布後五日即 2016/02/01-2016/02/05 設為D =1。𝑅 為整體市場平均報酬率，立將負利率宣布前五日(包括宣布日)，設定 2016/01/25-2016/01/29 設為D 1𝑡=0； 1 𝑡. 𝑚𝑡. ‧ 國. 學. 而(𝑅𝑚𝑡 ) 2 為市場平均報酬率之平方。以該模型驗證 32 種產業別在 2016/02/012016/02/05 之 10 日間，CSSD 值與市場報酬率之線性與非線性關係。. ‧. 實證模型如下：. Nat. = αt + β 1 𝐷𝑡 + β 2 𝑅𝑚𝑡 + β 3 (𝑅𝑚𝑡 ) 2 + ε𝑡. y. 𝑡. n. er. io. 並透過時間序列迴歸分析得到下表結果：. al. (Model 1). sit. 𝐶𝑆𝑆𝐷. i n U. v. 表 4-6：市場報酬與股票離散程度在負利率宣布前後之關係實證(CSSD) αt 整體市場. Ch. e n g c hβi. β1. 2. β3. 0.014869. 0.005823. 0.123773. -0.68933. (5.67)***. (5.80)***. (4.55)***. (-0.36). 𝑅2 0.3306. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以下顯著，***表示 1%以下顯著。. α 值與β1 係數及β2 係數各為 0.014869、0.005823 與 0.123773，均顯著為正，這意味著負利率政策宣布前後與 CSSD 值相關，且 CSSD 值隨著市場報酬增加而呈線性增加。然而，非線性部分之β3 雖與 CSSD 值為負向關係，但由於不顯著無法從 29.

(31) 該式得出文獻定義的從眾行為現象。𝑅 2 為 0.3177。. 三、CSAD 模型檢定使用 Chang et al.(2000)的 CSAD 模型，同樣將負利率宣布前五日(包括宣布日)， 2016/01/25-2016/01/29 設為D 1𝑡=1；而宣布後五日即 2016/02/01-2016/02/05 設為 D 1𝑡=0。並以固定單因子檢定指標與市場報酬的線性關係。實證模型如下： 𝐶𝑆𝐴𝐷. = αt + 𝛾1𝑡 𝐷𝑡 + 𝛾2𝑡 𝑅𝑚𝑡 + 𝛾3𝑡 (𝑅𝑚𝑡 ) 2 + 𝜀𝑡 (Model 2). 𝑡. 表 4-7：市場報酬與股票離散程度在負利率宣布前後之關係實證(CSAD) αt 整體市場. 𝛾1𝑡. 0.009732. 𝛾3𝑡. 治政 0.05964 大 1.428106. 0.003574. 立(4.42)***. (4.53)*. 𝑅2 0.2556. (0.93). 學. ‧ 國. (4.61). 𝛾2𝑡. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以下顯著，***表示 1%以下顯著。. ‧. 實證結果僅𝛾1𝑡 值在 1%以下顯著為正，𝛾2𝑡 值在 10%以下顯著為正，而αt 值與𝛾3𝑡. sit. y. Nat. 值均不顯著。與 CSSD 值模型檢定結果同樣能支持日本股市在負利率政策宣布前. io. 係。. er. 後 CSSD 值有差異，但無法支持 CSAD 值與股市報酬率有線性或非線性之顯著關. al. n. v i n C h CSSD 值有顯著為正之線性關係，對比較以上兩者實證結果，市場報酬率對 CSAD engchi U 值則無顯著關係。以從眾行為之定義來看，雖從以上兩式未能看出樣本期間有從. 眾行為之現象：即市場若存在從眾行為，則 CSSD 增速遞減，甚至減小之結果。但是仍可衡量個總體因子與負利率政策內容之部分，對於個股報酬偏離整體市場報酬之影響；之後將以判定係數較高的 CSSD 值驗證。. 30.

(32) 第二節影響從眾行為之因素一、個體因子 (一)股價波動性：以日經波動指數(Nikkei Volatility Index, NVI)為衡量指標，樣本期間中日經波動指數與 Nikkei225 表現之相關係數為-0.8855，有高度負相關。表示 Nikkei225 越高，日經波動指數會越低。負利率政策宣布當日 Nikkei 大漲，而日經波動指數跟著大幅下降，下跌了 16.68%。圖 4-7：2016 年 1 月 29 日至 2016 年 2 月 5 日之日經波動指數圖 45. 政治大. 40 35. 立. 30. y. Nat. 0. io. sit. 5. ‧. 10. n. al. er. 15. ‧ 國. 20. 學. 25. Ch. engchi. v i資料來源：鉅亨網；自行繪製 n U. 接下來驗證日經波動指數與 CSSD 值之關係性：將 32 種產業別於 10 天期之樣本期間內共計 320 個 CSSD 值，以單因子固定效果估計，利用時間序列迴歸分析檢驗日經波動指數與 CSSD 值之相關程度。模型如下： 𝐶𝑆𝑆𝐷. 𝑡. = αt + σt 𝑋t +𝜀𝑡 (Model 3). αt ：t 日之日經波動指數值之截距項 𝑋t ：t 日之日經波動指數值. 從下表結果可知：αt 值顯著為正，而σt 值則顯著為負。表示該期間日經指數波動程度越大，CSSD 值越小，個股報酬趨於市場報酬。 31.

(33) 表 4-8：日經波動指數與 CSSD 值離散程度之關係 αt 日經波動指數. 𝑅2. σt. 0.041069. -0.00069. 0.3167. (8.61)***. (-5.75)***. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以下顯著，***表示 1%以下顯著。. 二、總體因子 (一)公債殖利率：目前日本政府公債殖利率有 1-10 年期，15、20、30 以及 40 年. 政治大單因子固定效果估計，個別進行時間序列單迴歸分析。模型如下：立 𝐶𝑆𝑆𝐷. 𝑡. = αit + βit 𝑋it +𝜀𝑖𝑡. (Model 4). 學. ‧ 國. 期共計 14 種。將 32 種產業別於 10 天期之樣本期間內共計 320 個 CSSD 值，以. αit ：t 日之 i 年期公債殖利率之截距項. ‧. 𝑋it ：t 日之 i 年期公債殖利率. y. Nat. n. al. 日政府公債 1 年期利率日政府公債 2 年期利率日政府公債 3 年期利率日政府公債 4 年期利率日政府公債 5 年期利率日政府公債 6 年期利率. Ch. αit. e ngchi 0.015328. er. io. sit. 表 4-9：CSSD 值與日本政府公債各年期殖利率之時間序列迴歸分析結果彙整. v. βit. i n U. (5.87) *** 0.015946 (6.20) *** 0.01592. -2.38505 (-3.79) *** -2.4311 (-3.93) *** -1.88826. (6.11) *** 0.016128 (6.20) *** 0.021419 (8.18) *** 0.016058 (6.22) ***. (-3.30) *** -2.06894 (-3.20) *** -2.84189 (-4.93) *** -2.44637 (-3.64) ***. 32. 0.2743 0.2768 0.2658 0.2642 0.2975 0.2716.

(34) 表 4-9(續)：CSSD 值與日本政府公債各年期殖利率之時間序列迴歸分析結果彙整. 日政府公債 7 年期利率日政府公債 8 年期利率日政府公債 9 年期利率日政府公債 10 年期利率日政府公債 15 年期利率. βit. 0.016700 (6.55) *** 0.018199 (7.21) *** 0.02000 (7.81) ***. -2.82967 (-3.85) *** -2.88059 (-4.43) *** -2.95313 (-4.73) ***. 0.2753. 0.021419 (8.18) *** 0.032222 (8.57) *** 0.046948 (7.73) *** 0.075208 (8.36) *** 0.078152 (8.27) ***. -2.84189 (-4.93) *** -3.36368 (-5.19) *** -3.47807 (-5.30) *** -5.19113 (-6.65) *** -4.89222 (-6.63) ***. 0.2975. 政治大. 立. 日政府公債 30 年期利率. ‧. 日政府公債 40 年期利率. 學. ‧ 國. 日政府公債 20 年期利率. αit. 0.2867 0.2930. 0.3033 0.3058 0.3396 0.3391. y. Nat. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以. io. sit. 下顯著，***表示 1%以下顯著。. n. al. er. 由上表可知，日本政府公債各年期殖利率在 1%顯著水準之下對 CSSD 值影響顯. Ch. i n U. v. 著為負。表示公債殖利率增加將導致 CSSD 值縮減，個股趨於整體市場報酬。 (二)無擔保隔夜拆款利率：. engchi. 將 32 種產業別於 10 天期之樣本期間內共計 320 個 CSSD 值，以單因子固定效果估計，進行時間序列單迴歸分析，得出 CSSD 值在樣本期間與無擔保隔夜拆款利率之關係。模型如下： 𝐶𝑆𝑆𝐷. 𝑡. = αt + Ϩt 𝑋t +𝜀𝑡 (Model 5). αt ：t 日之無擔保隔夜拆款利率之截距項 𝑋t ：t 日之無擔保隔夜拆款利率. 33.

(35) 截距項與 Ϩ 係數在統計上均有顯著性。Ϩ 係數為-0.44463，而𝑅 2 為 0.3464。可知當無擔保隔夜拆款利率上升時，CSSD 值則下降。表 4-10：無擔保隔夜拆款利率與 CSSD 值之時間序列迴歸分析. 無擔保隔夜拆款利率. αt. Ϩt. 0.048143 (9.55)***. -0.44463 (- 6.90)***. 𝑅2 0.3464. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以下顯著，***表示 1%以下顯著。. 第三節從眾行為與負利率政策之關係. 政治大. 第二章文獻回顧之第二節日本貨幣寬鬆政策歷程提到，負利率政策主要內容. 立. 包括量化、質化與負利率三大類別。由於量化與負利率兩部分不易有以日為單位. ‧ 國. 學. 變動之變數，故本節驗證負利率政策對從眾行為之影響性以質化部分的購入資產計畫為探討：. ‧. 一、以每年 80 兆日圓規模購入長期國債，也會因應金融市場以彈性應對。買入. y. Nat. sit. 平均期間拉長至 7-12 年。. n. al. er. io. 二、每年 6 兆日圓規模購入 ETF，並以年增 900 億日圓規模購入 J-REITs。. i n U. v. 三、保持 CP 存量 2.2 兆日圓，公司債存量則保持在 3.2 兆日圓。. Ch. engchi. 由上列購入資產內容擇相關代表性變數以檢驗與 CSSD 值之關係性： (一)公債殖利率：上述總體因子已探討過，對於 CSSD 值在顯著水準 1%以下有顯著為負之影響。 (二)東証 REIT 指數(TOPIX REIT Market, TREIT)：為東京證券交易所推出的不動產投資信託基金指數。取其日變動率以驗證影響 CSSD 值與否。 (三)野村東証指數 (Nomura TOPIX Listed) (JP: 1306) ：為 TOPIX 連動型之 ETF，取其日變動率以驗證影響 CSSD 值與否。 (四)野村日經 225 指數(Nomura Nikkei 225 Listed) (JP: 1321)：為 Nikkei 225 連動 34.

(36) 型之 ETF，取其日變動率以驗證影響 CSSD 值與否。利用時間序列多元迴歸分析。於樣本期間中檢驗東証 REIT 指數、野村東証指數以及野村日經 225 指數之變動率可能造成 CSSD 值之變動。選擇東証 REIT 指數與野村東証指數、野村日經 225 指數之變動率作為迴歸式之自變數，迴歸模型如下： 𝑌. 𝑡. = α + Ϥ1 𝑋1𝑡 + Ϥ2 𝑋2𝑡 + Ϥ3 𝑋3𝑡 + ε𝑡 (Model 6). 𝑋1𝑡 ：野村東証指數變動率 𝑋2𝑡 ：野村日經 225 指數變動率. 政治大表 4-11：負利率政策內容指標與立 CSSD 值之時間序列多元迴歸分析 𝑋3𝑡 ：東証 REIT 指數變動率. 0.017187 (6.88)***. -0.86431 (-4.16)***. ‧ 國. Ϥ2 0.942696 (4.10)***. Ϥ3. 0.087425 (3.27)**. 𝑅2. 0.3154. ‧. Ϥ1. 學. α. 註：各變數第一列數字為迴歸係數，第二列數字為 t 值，其中*表示 10%以下顯著，**表示 5%以. Nat. sit. y. 下顯著，***表示 1%以下顯著。. al. er. io. 實證結果顯示，Ϥ1 值為-0.86431，野村東証指數變動率對 CSSD 值之影響在. v. n. 1%顯著水準以下時顯著為負；而Ϥ2 值為 0.942696，表示野村日經 225 指數變動. Ch. engchi. i n U. 率對 CSSD 值之影響在 1%顯著水準以下時顯著為正。Ϥ3 值為 0.087425，表示東証 REIT 指數變動率在 5%顯著以下時顯著為正，而在 1%顯著水準以下結果卻不顯著。從上述結果可知，當 TOPIX 大幅變動，跟隨 TOPIX 變動的野村東証指數其變動率增加，CSSD 值減少，個股報酬趨於整體市場報酬。但跟隨 Nikkei 225 變動的野村日經 225 指數變動率減少，在 1%顯著水準以下才使 CSSD 值減少。而跟隨 TOPIX 的不動產投資信託基金指數之變動率減少，在 5%顯著水準以下才使 CSSD 值減少。 35.

(37) 就實證結果說明，當 BoJ 宣佈擴大購買資產規模，包括增加購入股票連動型 ETF、J-REITs 等等時，反映在野村東証指數之變動率增加，有顯著影響 CSSD 值減少，使趨於市場報酬率。就本研究顯示，負利率政策宣布前後的確造成 CSSD 值之顯著變化。. 第五章結論本文以日本股票市場東証一部之大型企業為研究對象，研究期間為 2016 年 1 月 25 日至 2 月 5 日，共計 10 個交易日。主要驗證負利率政策消息有無對投資人產生一從眾行為。. 政治大較為顯著。接著以實證模型得出立 CSSD 值在負利率政策宣布前後的確有異，且比. 本文首先就 CSSD 與 CSAD 值衡量該期間從眾行為之有無，且那些產業別. ‧ 國. 學. 起 CSAD 值較具有解釋力。接著用時間序列迴歸分析檢驗可能影響 CSSD 值之個總體因子，包括日本短中長期公債殖利率、股價波動性、無擔保隔夜拆款利率. ‧. 等可能因素。最後以時間序列迴歸分析日本負利率政策內容對於股市 CSSD 值之. sit. y. Nat. 影響。. al. er. io. 實證結果可得以下結論：. v. n. 1.自 2012 年底安倍內閣上台以來，持續積極改善日本經濟的決心，的確讓低靡. Ch. engchi. i n U. 的日本景氣有改善的曙光。而當去年初宣布負利率政策時，在當日股市投下了不小的震撼彈。大幅激勵日股，Nikkei 225 從 17,041 點漲至 17,518 點，漲幅達 2.80%； TOPIX 則從 1 月 28 日之收盤價格 1392 點漲至隔日的 1432 點，漲幅達 2.87%。更使得全部產業之平均日報酬率從-0.36%上升至 2.72%。另外，實證得出負利率政策宣布前後期間相比，的確顯著影響 CSSD 值。 2.依個總體因子來看，股價波動性、公債殖利率以及無擔保隔夜拆款利率，均對 CSSD 值顯著為負之影響，表示若上升將對個股報酬趨於整體市場報酬有影響之可能。 36.

(38) 3.負利率政策提及擴大資產購買規模包括 J-REITs, ETF 等，故以具代表性之東証 REIT 指數、野村東証指數與野村日經 225 指數之變動率為自變數，以時間序列多元迴歸分析驗證與從眾行為指標 CSSD 值之關係。野村東証指數之變動率對 CSSD 值有顯著為負之影響，表示當野村東証指數變動率增加時，CSSD 值下降，個股報酬趨於市場報酬。野村日經 225 指數與東証 REIT 指數之變動率則對 CSSD 質分別在 1%與 5%顯著水準下有顯著為正之影響，表示當兩者變動率減少時，個股報酬趨於市場報酬。透過關注政策細部內容，可知 BoJ 寬鬆貨幣政策之手段：包括質化、量化與. 政治大 225 表現連動的 ETF 等。依據結果，公債殖利率增加、野村東証指數變動率增立. 負利率。質化包括擴大購買公債規模以及展延期限、或者購入與 TOPIX 或 Nikkei. 加；東証 REIT 指數與野村日經 225 指數之變動率減少，較有可能導致個股報酬. ‧ 國. 學. 趨於市場報酬。. ‧. 但負利率政策宣佈當日，日經波動指數大幅下降，而公債殖利率亦下跌，實. y. Nat. 證發現當日股市之 CSSD 值上升。這與先前驗證日經波動指數、公債殖利率個別. er. io. sit. 與 CSSD 值之關係顯著為負是相符合的。而當日 TOPIX 與 Nikkei 225 均聞訊大漲，故股價變動率應增加；這帶動了野村 TOPIX 指數變動率增加，應該 CSSD. al. n. v i n 值會有減小之現象。但實證發現當日 C h CSSD 值上升，與驗證結果不符合。反而是 engchi U 東証 REIT 指數與野村日經 225 指數之變動率增加顯著影響 CSSD 值之增加。. 依據上述實證結果，可證明 2016 年 1 月 25 日至 2016 年 2 月 5 日之樣本期間內，個總體因子以及負利率政策之指標部分顯著影響 CSSD 值，但無法證明股市有從眾行為之現象，只能得出部分因子對於 CSSD 值有顯著之影響。這可能是負利率政策的消息釋出後，部分股市投資人針對特定產業報酬之預測，使得個別產業之報酬偏離整體市場之報酬，例如不動產業在 1 月 29 日之日報酬率漲至 6.98%，遠遠高於整體市場平均報酬率的 2.72%。雖從本研究中未能得出 BoJ 宣布負利率政策前後期間有從眾行為之現象，但以產業別觀之，在 1 月 37.

(39) 29 日當日因為部分產業之報酬偏離整體市場報酬，使得 CSSD 值有增加之傾向；但也在兩日後恢復先前水準。另外也從本研究發現個總體因子以及負利率政策之指標部分顯著影響 CSSD 值。最後，本文可由投資人與政府兩種不同觀點觀之，各有其效益所在： 1.投資人觀點：根據以上分析結果指出，可透過關注政策細部內容以知部分指數對於個股偏離整體市場報酬之影響。例如政策中有關於擴大購買 ETF 之內容，故與 ETF 相關的指數，其變動率與 CSSD 值有一定程度的關聯性。. 政治大根據上述結果指出，負利率政策之中的「負利率」獲得相對多的關注，導致立. 2.政府觀點：. 股匯市的即刻反應，其他細項內容在樣本期間中僅部分與 CSSD 值有關。未來可. ‧ 國. 學. 以思考當政策釋出時，投資人關注的部份以及可能造成哪些產業別股價的立即衝. ‧. 擊，並注意其可承擔之風險程度。. n. er. io. sit. y. Nat. al. Ch. engchi. 38. i n U. v.

(40) 參考文獻 1. Andrea Devenow, Ivo Welch (1996). “Rational herding in financial economics”. European Economic Review 40 (1996) 603-615 2.Hirofumi Uchida, Ryuichi Nakagawa (2007). “Herd behavior in the Japanese loan market: Evidence from bank panel data”. J Finan. Intermediation, 16, 555-583 3.Kenneth A. Kim, John R. Nofsinger, (2005) “Institutional Herding, Business Groups, and Economic Regimes: Evidence from Japan” The Journal of Business 78 (1), 213242 4.Masahiro Ashiya, Takero Doi (2001). “Herd behavior of Japanese economists”. Journal of Economic Behavior & Organization, 46, 343-346 5.Nofsinger and Sias, (1999). “Herding and Feedback Trading by Institutional and Individual Investors.” The Journal of Finance Volume 54, Issue 6 2263–2295 6.Olivier Loisel, Aude Pommeret, Franck Portier, (2012) “Monetary Policy and herd. 政治大 behavior: Learning against bubbles.” https://ideas.repec.org/p/bfr/banfra/412.html 立 7.Riza Demirer, Ali M. Kutan, Chun-Da Chen, (2010). “Do investors herd in emerging ‧. ‧ 國. 學. stock market? Evidence from the Taiwanese market”. Journal of Economic Behavior & Organization, 76, 283-295 8.Tobias F. Röthel(2001), “Competitions, herd behavior, and credit cycles: evidence from major Swiss Banks” Journal of Economics and Business, 53, 585-592 9.斉藤寿彦[2016]「日本銀行のマイナス金利政策とその影響─副作用を中心と. y. Nat. sit. n. al. er. io. して─」 10.金堀徹[2016]「日銀が導入したーマイナス金利付き量的・質的金融緩和の効果波及経路の検証」 11.黑田東彥[2016]「マイナス金利付き量的・質的金融緩和」への疑問に答える 12.陳志宏，2007，”台灣股市從眾行為之分析”，國立中山大學財務管理研究所碩士論文。 13.傅澤瑋、林曼莉，”基金特性及外部環境對於基金經理人從眾行為的相關性”，台灣銀行季刊第六十一卷第二期 14.沈中華，2016， ” 負利率的時代 ”，兩岸金融季刊第四卷第三期. Ch. engchi. 39. i n U. v.

(41)