行政院國家科學委員會專題研究計畫成果報告
股票價格對於會計盈餘永久性及暫時性衝擊的反應
The Response of Stock Pr ices to Per manent and Tempor ar y
Shocks to Accounting Ear nings
計畫編號：NSC 88-2416-H-002-010
執行期限：87 年 8 月 1 日至 88 年 7 月 31 日
主持人：王泰昌 台灣大學管理學院會計學系
E-mail: [email protected]
一、中文摘要
本 研 究 的 目 的 在 於 以 股 票 價 格 的
變 動 及 股 價 盈 餘 差 數 （ price-earnings
spread，本 益比的 自然對數 值）來 研究
股 價 對 盈 餘 衝 擊 (earnings shock) 的 反
應。
首 先 假 設 盈 餘 的 隨 機 過 程
(stochastic process) 為 一 永 久 性 部 份
(permanent component) 與 暫 時 性 部 份
(transitory component)的總和，和許多
文獻不同的是：永久性部份不一定需假
設為隨機漫步(random walk)，此係一過
於 強 烈 的 假 設 。 利 用 如 Modigliani &
Miller(1961) 及 Miller & Rock (1985)
的 股 票 評 價 模 型 可 以 將 一 公 司 之 盈 餘
與股價連結在一起。由於本研究假設永
久性盈餘不一定是隨機漫步，在分解為
永 久 性 及 暫 時 性 部 分 時 會 有 認 定
(identification) 的 問 題 ， 前 述 的 理 論 關
係 可 以 幫 助 我 們 在 為 股 價 變 動 及 股 價
盈 餘 差 數 設 立 二 元 時 間 序 列 模 型 時 做
認定。納入股價盈餘差數的理由在於股
價及盈餘之間可能有共積的現象，因此
可採用類似 Engle and Granger (1987)
中 提 及 的 誤 差 修 正 模 型 (error
correction model, ECM) 方法。本研究
利 用 二 元 的 移 動 平 均 模 型 (bivariate
moving average model, BMAR)及二元
自 我 相 關 模 型 (bivariate
auto-regressive model, BVAR) 配 合著前 述
的 理 論 關 係 將 股 價 及 盈 餘 的 衝 擊 分 解
為永久性及暫時性的部份，透過變異數
分解 (variance decomposition) 及脈衝
反 應 分 析 (impulse response analysis)
進 一 步 瞭 解 股 票 價 格 及 其 變 動 與 本 益
比 對 永 久 性 及 暫 時 性 的 盈 餘 衝 擊 的 動
態反應，有助於我們了解股價變動的影
響因素及影響方式。本研究的結果指出
投 資 人 並 無 法 區 分 盈 餘 中 的 永 久 性 及
暫時性部份，這可以解釋股票平均數復
歸 (mean-reverting) 現象造成的可能原
因 為 股 票 報 酬 率 中 有 很 大 一 部 份 的 性
質為暫時的。股價盈餘差數的變動主要
源於盈餘暫時性的衝擊，這也顯示股價
相 對 於 盈 餘 在 盈 餘 有 暫 時 性 的 衝 擊 時
會有較劇烈的反應。
關鍵詞：永久性盈餘、暫時性盈餘、股票
價格、二元時間序列模型
Abstr act
The purpose of this research project is to
use stock return and price-earnings spread to
study the impacts of earnings shocks on stock
prices.
We first assume that the stochastic process
of earnings and stock price consist of a
permanent and a transitory components. What
distinguishes
this
project
from
most
accounting and finance research is that the
permanent part of stock price or earnings need
not be random walk, which is unduly strong
for the sake of specifying a return generating
process. The stock valuation model in
Modigliani & Miller (1961) and Miller &
Rock (1985) help to link a company’s
earnings and stock price. Since we do not
assume that the permanent part of earnings is
random walk, there will be an identification
problem with building a bivariate time series
model, which can be handled by invoking the
above-mentioned theoretical relation. We
then proceed by estimating both the bivariate
moving average and the autoregressive
models via the theoretical relation. Through
variance decomposition and impulse response
analysis, we are able to see how stock return
and
price-earnings
spread
dynamically
respond to the permanent and temporary
shocks to accounting earnings, which tells us
how stock returns are determined. The results
of the analysis show that investors fail to
distinguish between the permanent and
transitory parts of earnings unmistakably. The
mean-reverting behavior of stock returns can
also be explained by the existence of a
significant temporary component in the stock
returns. The price-earnings spreads are mostly
explained by the temporary shocks to earnings.
This means that, induced by the temporary
component of earnings, stock prices respond
excessively to earnings.
Keywor ds: permanent earnings, transitory
earnings, stock prices, bivariate
time series model
二、緣由與目的
盈 餘 與 股 價 間 的 關 係 無 疑 是 會 計
學與財務學中最重要的研究課題。財務
會 計 主 要 的 目 的 即 是 對 目 前 及 潛 在
(potential) 投資者、債權人及其他資訊
使用者，提供從事理性之投資、融資等
類似決策，所須之有用資訊，進而促進
有限資源之適當分配；而其中又以股票
投資人對公司之獲利能力最為關切。如
果 盈 餘 與 股 價 兩 者 之 間 的 關 係 不 存
在，財務會計的功能將大打折扣。盈餘
可以說是財務報表中最重要的項目，也
是所謂的“bottom line”。財經報導中盈
餘 應 是 最 常 被 報 導 及 引 用 的 數 據 之
一。在一個公司的經營期間裡，所有可
創 造 或 減 損 價 值 的 事 件 最 後 均 會 反 應
在 盈 餘 裡 ， 股 東 權 益 裡 所 有 的 「 加 值 」
(value added) 都會顯現於盈餘，會計盈
餘與股票報酬間將有一定的關係，此關
係有可能是同期的、領先的或落後的。
在一個企業結束營運時，它的市場價值
將等於帳面價值，意味著累積的股票報
酬大致會等於累積的會計報酬。因此，
在長期 (long-run) 而言，盈餘、股利及
股東報酬間有一基本的關係，而這個關
係 是 學 術 界 及 實 務 界 一 直 關 心 的 問
題。
盈餘與股價關係的研究最早可追溯
自 Benston (1966)及 Ball and Brown
(1968)。他們看的是 股價變動 及會計盈
餘變動之間的關係。Ball and Brown 發
現 股 價 改 變 的 符 號 及 盈 餘 改 變 的 符 號
間 有 明 顯 的 關 聯 。 Beaver, Clark, and
Wright (1979)延伸了 Ball and Brown
的作法，也考慮盈餘變動幅度的大小，
他 們 根 據 價 格 剩 餘 變 動 率 (residual
percentage changes in price) 將樣本分
為 25 個投資組合，發現盈餘剩餘變動
率 (residual percentage changes in
earnings) 與 價 格 剩 餘 變 動 率 有 顯 著 的
正向關係。由價格的變動來看，似乎顯
示 投 資 人 現 在 的 盈 餘 與 公 司 以 後 的 盈
餘 及 未 來 支 付 股 利 的 能 力 有 統 計 上 相
依的關係。由價格的變動來看，也隱含
目前盈餘的改變有一部份屬永久性。盈
餘 當 中 一 部 份 的 改 變 與 預 期 支 付 能 力
水準的永久性變動有關。不過，股價的
改變與盈餘的改變並非一一對應的：對
極端的投資組合而言，股價變動率常小
於盈餘變動率。此現象指出盈餘中應有
一部份屬於暫時性質的。這些暫時性的
部分會影響當期的盈餘，卻不會影響預
期 未 來 的 盈 餘 。 Kothari and Sloan
(1992) 發 現 前 期 的 盈 餘 (lagged
earnings) 亦 有 解 釋 能 力 。 Beaver,
Lambert, and Morse (1981) 假 設
ungarbled earnings 為一 一階累 加移 動
平 均 過 程 (first-order integrated
moving average process)，此時價格變
動 與 盈 餘 變 動 迴 歸 係 數 與 移 動 平 均 過
程 係 數 之 間 有 一 定 的 關 係 。 Easton,
Harris, and Ohlson (1992) 將盈餘與股
價變動衡量的期間拉長，發現隨著窗期
的增加，兩者的關係亦增加。上述的研
究 一 般 人 稱 為 「 盈 餘 資 訊 內 涵 研 究 」
(information content of earnings’
research)。
Beaver, Lambert, and Morse (1981)
及 Beaver, Lambert, and Ryan (1987)
探 討 「 價 格 資 訊 內 涵 」 (information
content of prices)問題，基本上是將前
述研究的自變數與應變數互調，即所謂
的反迴歸(reverse regression)。價格可
以 協 助 我 們 解 釋 現 在 的 盈 餘 及 預 測 未
來的盈餘，股價之所以會領先盈餘是因
為歷史成本的性質及應計會計制度，會
計 對 資 產 及 負 債 經 濟 價 值 改 變 的 承 認
多有落後的現象，然而股價的反應卻是
立即的。
Beaver, NcAnally, and Stinson
(1997)進一步指出可 以利用聯 立方程式
的 方 法 估 計 股 價 變 動 與 盈 餘 變 動 之 間
的 關 係 ， 而 此 關 係 是 屬 於 內 生
(endogeneous)性質的，由單一方程式估
計 所 產 生 的 誤 差 可 藉 著 聯 合 估 計 消
除。
Beaver and Morse (1978) 發現在年
底 時 高 本 益 比 的 股 票 在 當 年 度 中 多 半
有較低的盈餘成長，而爾後各年的盈餘
成長則較高，同樣的低本益比的股票在
當年度中多半有較高的盈餘成長，而爾
後各年的盈餘成長則較低。如果投資人
認 為 盈 餘 中 存 在 著 暫 時 性 的 部 分 且 盈
餘確實有暫時性的部分，以上所述的現
象是可以預期的。
Kormendi and Lipe (1987) 研究未預
期 的 盈 餘 對 股 票 報 酬 率 的 影 響 程 度 與
預期未來盈餘變動修正的現值有關，他
們 以 單 元 的 時 間 序 列 模 型 來 描 述 盈 餘
的改變。其貢獻主要在於探討時間序列
性質假設對股票評價方程式的涵義，並
指出股票報酬率對未預期盈餘（暫時性
部分） 的反應並非過於激烈，此研究與
Campbell and Shiller (1987) 的作法有
些關係，唯本研究將盈餘與股價兩序列
均 取 一 階 差 分 的 作 法 忽 略 了 兩 變 數 間
可能存在的共積的問題。
Lipe (1990) 以 Kormendi and Lipe
(1987) 為基礎，假設市場上有除了盈餘
以外的第二種資訊，仍然探討股票報酬
率與會計盈餘間的關係。他發現股票報
酬率是盈餘時間序列持續性、用來折現
預 期 未 來 盈 餘 之 利 率 以 及 盈 餘 相 對 於
其他資訊預測未來盈餘能力的函數。
在 另 一 方 面 ， 雖 然 以 Fama(1970)
為 主 早 期 的 財 務 文 獻 中 皆 發 現 股 票 價
格 可 以 以 隨 機 漫 步 (random walk) 描
述，不過最近十餘年年的研究不少指出
股票報酬率是可預測的（如 Keim and
Stambaugh, 1986; Fama and French,
1988, 及 Lo and Mackinlay, 1988），
表示股價中含有一暫時性的部分，因而
可 以 利 用 過 去 的 報 酬 率 預 測 未 來 的 報
酬率。Fama and French (1988) 把股價
的 對 數 值 表 示 為 一 隨 機 漫 步 （ 永 久 性 ）
部分與一階自我相關（暫時性）部分的
總和。Wang (1989)亦指出未獲訊息投
資 人 的 存 在 會 使 股 價 產 生 超 額 的 波 動
(ex cess volatility)，原因在於他們把股
利 的 暫 時 性 部 分 的 改 變 當 成 是 永 久 性
部分的改變。這些研究指出把股價和股
利 拆 開 來 為 永 久 性 及 暫 時 性 的 部 分 可
以幫助我們了解股價的行為。根據會計
及財務的文獻可知股價、股利及盈餘數
列 皆 似 乎 為 非 恒 定 隨 機 過 程
(nonstationary process)，例如 Ball and
Watts (1972), Albrecht, Lookabill, and
Mckeown (1977), Watts and Leftwich
(1977), Kleidon (1986), Marsh and
Merton (1986, 1987), Campbell and
Shiller (1987), Lee and Wang (1994),
及 Lee (1995)，顯示這些數列可能不只
受一種干擾項(disturbance)的影響，因
此我們可以把股價、盈餘等數列拆為永
久性及暫時性的部分。
在國外的文獻中，以二元時間序列
將 把 盈 餘 與 股 價 數 列 拆 為 永 久 性 及 暫
時 性 的 部 分 並 考 慮 共 積 問 題 的 文 章 應
尚未出現，Lee (1995)考慮的是股利及
股價序列，Lee(1996) 考慮的則是股利
及盈餘序列。主要的困難點仍在於會計
盈 餘 與 股 價 之 間 的 理 論 關 係 並 不 十 分
清楚。
至於國內的文獻，研究異常盈餘與異
常報酬率較早的如余尚武（民 75），結
果並未發現盈餘宣告有資訊內涵。李華
玉（民 81）利用前述之反迴歸發現以股
價 為 基 礎 的 盈 餘 預 測 模 型 的 預 測 能 力
優於傳統的隨機漫步模型。林永松（民
82 ） 採 用 Easton, Harris and Ohlson
(1992)的作法發現盈 餘對股票 報酬的解
釋 能 力 會 隨 著 變 數 衡 量 期 間 的 拉 長 而
增加，在某些期間盈餘變動與盈餘水準
對股票報酬均有解釋能力，但無法判定
何者的解釋能力較大。Chu (1991)發現
會 計 盈 餘 具 資 訊 內 涵 且 盈 餘 的 組 成 份
子具增額資訊內涵，投資人對營業外所
得的反應較國外為強，徐淑卿（民 82）
亦有相同的發現。王月玲（民 83）發現
大 公 司 的 盈 餘 反 應 係 數 大 於 小 公 司 的
盈餘反應係數，支持盈餘品質假說。朱
立倫（民 86）發現盈餘與股票報酬的關
係與市場的多空呈負向的關係。以上所
列 舉 僅 是 國 內 從 事 盈 餘 與 報 酬 率 文 獻
中的一小部份而已，唯國內似尚未有以
本研究所欲嘗試的方法完成的研究。
本 研 究 的 目 的 在 於 以 股 票 價 格 的
變 動 及 股 價 盈 餘 差 數 （ 本 益 比 的 對 數
值）來研究股價對盈餘永久性及暫時性
衝擊的反應。首先假設股價及盈餘的隨
機 過 程 為 一 永 久 性 部 份 與 暫 時 性 部 份
的總和。利用二元的移動平均模型配合
著 前 述 的 理 論 關 係 可 將 股 價 及 盈 餘 的
衝擊分解為永久性及暫時性的部份，透
過 變 異 數 分 解 及 脈 衝 反 應 分 析 可 進 一
步 了 解 股 票 價 格 及 其 變 動 與 本 益 比 對
永 久 性 及 暫 時 性 的 盈 餘 衝 擊 的 動 態 反
應，有助於我們了解股價變動的影響因
素及影響方式。本研究的結果可用來解
釋平均數復歸現象造成的原因；此外，
市 場 效 率 性 的 高 低 與 股 價 所 反 應 的 主
要 是 永 久 性 盈 餘 的 衝 擊 還 是 暫 時 性 盈
餘的衝擊有關，本研究的結果亦可針對
此點提出新的看法與證據。
三 結果與討論
本 研 究 利 用 二 元 時 間 序 列 模 型
(bivariate time series model)探討把股
價 及 盈 餘 分 解 為 永 久 性 及 暫 時 性 部 分
的問題，然後再試圖了解盈餘永久性及
暫時性 的部 分之衝擊(shocks)如何影響
股價及本益比，精神與 Blanchard and
Quah (1989) 、 Quah (1991) 及 Lee
(1995, 1996) 相似 ，與大 部分文獻不 同
的 是 盈 餘 永 久 性 的 部 分 不 一 定 要 假 設
為 隨 機 漫 步 (random walk) 而 且 永 久 性
及暫時 性的 部分之衝擊(shocks)在統計
上並不一定非獨立不可。Kormendi and
Lipe (1987) 試 圖 把 股 價 及 盈 餘 連 結 在
一起，他們也是把股價及盈餘分解為永
久性及暫時性兩個部分，並將股價的兩
個部分與盈餘的兩個部分串起來。本研
究與 Kormendi and Lipe (1987)不同處
在 於 他 們 使 用 的 是 差 分 後 的 序 列
(differenced series) ， 並 未 考 慮 共 積
(cointegration) 的 問 題 ， 其 模 型 有 定 式
的問題(misspecification)；本研究則係
利 用 Campbell and Shiller (1987) 及
Lee (1995)的 作法使 用二元自我 相關及
移動平均模式，所考慮的變數是股價的
一 階 差 分 及 股 價 盈 餘 差 數(stock
price-earnings spread) ，並非 Kormendi and
Lipe (1987)所使用的差分後序列。前述
的 股 價 盈 餘 差 數 係 由 對 數 股 價 減 對 數
盈餘的某一倍數而得，而此一倍數則與
共 積 向 量 (cointegration vector)有 關 。
在 理 論 上 ， 利 用 Modigliani & Miller
(1961) 及 Miller & Rock (1985) 的股票
評 價 模 型 可 以 將 一 公 司 之 盈 餘 與 股 價
連結在一起。根據此理論模型可導出對
前 述 股 價 變 動 及 本 益 比 對 數 值 之 二 元
自 我 相 關 模 型 或 二 元 移 動 平 均 模 型 中
係數的限制。由於本文放鬆了永久性盈
餘必須為隨機漫步的假設，只要其一階
差分為恆定(stationary)即可，因此需要
另 一 個 限 制 式 幫 助 我 們 做 認 定 的 工
作，前述的理論關係所隱含的限制式恰
可 以 幫 助 我 們 決 定 股 價 及 盈 餘 數 列 中
的永久性及暫時性部份。
在計量模型部份，我們先決定用以認
定 永 久 性 及 暫 時 性 部 分 的 股 價 變 動 及
價格盈餘差數（本益比的對數值）的二
元移動平均及自我相關模式；繼而再導
出 二 元 移 動 平 均 模 式 與 二 元 自 我 相 關
模式間的關係，接著再利用理論關係協
助認定工作。（詳細過程因過於繁瑣故
為列入此報告中）
在資料蒐集與處理部份，本研究利用
美國股市及盈餘資料從事實證分析。主
要原因是台灣股市資料非常有限，無法
估計我們所欲選用的模式，再者，亦沒
有加總的盈餘資訊可供利用。本文最後
採用的為自 1871 年 1 月起至 1998 年 12
月的月資料，達 1535 筆。所有的資料
都以消費者物價指數平減。
資 料 的 初 步 分 析 — 單 根 及 共 積 檢
定：本研究首先利用 Dickey and Fuller
(1979)及 Phillips and Perron (1988)等
的 單 根 檢 定(unit root test)來 探討價 格
及盈餘數列是否為非恆定，結果顯示價
格 數 列 及 加 權 平 均 的 盈 餘 數 列 均 具 有
單根性質（ 此與 Lee and Wang, 1994
的結果相同）。此外，亦檢查各變數（包
括價格序列、盈餘序列、價格盈餘差數
序列、各變數的對數值、所有變數（含
對 數 值 ） 的 一 階 差 分 等 之 自 我 相 關 情
形，並觀察季節性效果，其結果均在後
序 分 析 中 納 入 考 慮 。 接 著 ， 利 用
Engle-Granger (1987), J ohanson (1988)
及 Stock-Watson (1988)之檢定方法對
股 價 變 動 及 價 格 盈 餘 差 數 兩 時 間 序 列
做 共 積 之 檢 定 (cointegration tests) 並
估 計 共 積 向 量 ， 結 果 發 現 確 有 共 積 現
象。
其 次 針 對 二 元 移 動 平 均 模 型 加 上 理
論 限 制 式 對 於 股 價 永 久 性 及 暫 時 性 部
份做認定。此處尚須針對二元自我相關
模 型 的 落 後 期 數 (lags) 做 一 決 定 ， 詳 見
所附的統計分析結果。由圖一及圖二可
發現配適的結果大致良好。利用前述得
到的二元移動平均模型，我們再從事變
VAR Residuals for DLNP
1874 1883 1892 1901 1910 1919 1928 1937 1946 1955 1964 1973 1982 1991 -0.27 -0.27 -0.18 -0.18 -0.09 -0.09 -0.00 -0.00 0.09 0.09 0.18 0.18 0.27 0.27 0.36 0.36
Autocorrs Partial Autocorr UP DOWN
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 圖 一 ： 股 價 變 動 的 殘 差 分 析 VAR Residuals for LNPE
1874 1883 1892 1901 1910 1919 1928 1937 1946 1955 1964 1973 1982 1991 -0.3 -0.3 -0.2 -0.2 -0.1 -0.1 -0.0 -0.0 0.1 0.1 0.2 0.2 0.3 0.3 0.4 0.4
Autocorrs Partial Autocorr UP DOWN
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 圖 二 ： 股 價 盈 餘 差 數 的 殘 差 分 析
異 數 分 解 以 了 解 股 價 變 動 預 測 誤 差 變
異 數 被 盈 餘 永 久 性 及 暫 時 性 衝 擊 解 釋
的部份。 除此之外，還可以將股價變動
序列分解為兩部份：一部份是目前及過
去盈餘永久性衝擊的累積效果，另一部
份 是 目 前 及 過 去 盈 餘 暫 時 性 衝 擊 的 累
積效果。在此部份得到的結果可用來說
明 平 均 數 復 歸 現 象 到 底 是 由 於 盈 餘 永
久 性 的 衝 擊 還 是 由 於 盈 餘 暫 時 性 的 衝
擊所造成。
圖 三 中 黑 色 部 份 係 股 價 變 異 由 盈 餘
永久性衝擊所解釋的部份，而藍色部份
則 係 股 價 變 異 由 盈 餘 暫 時 性 衝 擊 所 解
釋的部份。可發現股價的變動大部份可
以為盈餘永久性衝擊所解釋，唯暫時性
衝擊所可解釋的部份亦相當高。
DLNP LNPE FEVD for DLNP 5 10 15 20 25 30 35 0.00 0.25 0.50 0.75 1.00 圖 三 ： 股 價 變 動 之 變 異 數 分 解 DLNP LNPEFEVD for LNPE
5 10 15 20 25 30 35 0.00 0.25 0.50 0.75 1.00 圖 四 ： 股 價 盈 餘 差 數 之 變 異 數 分 解
顯 示 投 資 人 並 未 能 分 清 盈 餘 的 永 久 性
及暫時性的衝擊。
圖四中黑色部份係股價盈餘差數變異
由盈餘永久性衝擊所解釋的部份，而藍
色 部 份 則 係 股 價 盈 餘 差 數 變 異 由 盈 餘
暫時性衝擊所解釋的部份。由圖中可發
現 股 價 盈 餘 差 數 的 變 異 主 要 源 於 盈 餘
暫時性的衝擊，這也顯示股價相對於盈
餘 在 盈 餘 有 暫 時 性 的 衝 擊 時 會 有 較 劇
烈的反應。
至於盈餘永久性及暫時性部份的動
態 效 果 可 用 脈 衝 反 應 分 析 (impulse
response analysis)分析，目的是想要了
解 盈 餘 的 永 久 性 及 暫 時 性 衝 擊 對 股 價
變動及價格盈餘差數（即本益比的對數
值）的影響，如同變異數分解的部份我
們也考慮了 36 期，即三年。此係將二
元 移 動 平 均 模 型 係 數 在 考 慮 了 前 述 理
論模型限制後而畫出的。(請亦參照所附
之統計分析結果)
Effects of a Shock to DLNP DLNP 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00 1.25 LNPE 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00 1.25 圖 五 ： 二 變 數 對 盈 餘 永 久 性 衝 擊 之 脈 衝 反 應 分 析Effects of a Shock to LNPE
DLNP 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 -0.40 0.00 0.40 0.80 1.20 1.60 2.00 2.40 LNPE 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 -0.40 0.00 0.40 0.80 1.20 1.60 2.00 2.40 圖 六 ： 二 變 數 對 盈 餘 暫 時 性 衝 擊 之 脈 衝 反 應 分 析
圖五的上半部顯示永久性的盈餘衝擊對
股價的變化有相當強烈的正面影響，但到
了第三個月，其影響大為減小。至於暫時
性盈餘的衝擊由圖六的上半部可看出也有
類似的現象，不過幅度較小。圖五的下半
部顯示永久性的盈餘衝擊對股價盈餘差數
的變化有相當強烈的正面影響，隨後漸漸
下降，到了兩年後又開始回升；至於暫時
性盈餘的衝擊由圖六的下半部可看出其影
響力一直很大。
Accumulated Effects of a Shock to DLNP
DLNP 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 0 1 2 3 4 5 6 7 8 LNPE 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 0 1 2 3 4 5 6 7 8 圖 七 ： 二 變 數 對 盈 餘 永 久 性 衝 擊 之 脈 衝 累 積 反 應 分 析
Accumulated Effects of a Shock to LNPE
DLNP 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 0 10 20 30 40 50 60 LNPE 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 0 10 20 30 40 50 60 圖 八 ： 二 變 數 對 盈 餘 暫 時 性 衝 擊 之 脈 衝 累 積 反 應 分 析
由圖七的上半部可看出永久性的盈餘
衝擊對股價變化的累積影響一直很穩定
，至於暫時性盈餘的衝擊由圖八的上半部
可看出有漸漸下降的現象，不過幅度較
小。圖七的下半部顯示永久性的盈餘衝擊
對股價盈餘差數變化的累積影響相當強，
在約一年後達到最高峰，隨後漸漸下降；
至於暫時性盈餘的衝擊由圖八的下半部可
看出其累積影響愈來愈大。
以 上 的 分 析 幫 助 我 們 了 解 股 價 的 變
動 有 多 少 是 來 自 於 盈 餘 永 久 性 的 衝
擊 、 有 多 少 是 來 自 於 盈 餘 暫 時 性 的 衝
擊，結果顯示投資人理性的程度並非很
高。另外，也可以知道盈餘股價差數（本
益比對數值）是如何受到盈餘的兩種衝
擊的影響。本研究的結果指出投資人並
無 法 區 分 盈 餘 中 的 永 久 性 及 暫 時 性 部
份 ， 這 可 以 解 釋 股 票 平 均 數 復 歸
(mean-reverting) 現象 造成的可能原 因
為 股 票 報 酬 率 中 有 很 大 一 部 份 的 性 質
為暫時的。股價盈餘差數的變動主要源
於盈餘暫時性的衝擊，這也顯示股價相
對 於 盈 餘 在 盈 餘 有 暫 時 性 的 衝 擊 時 會
有 較 劇 烈 的 反 應 。 此外，我們也可利 用
股 價 盈 餘 差 數 來 預 測 未 來 的 股 票 報 酬
率。
四、計畫成果自評
本研究所探討的題目大致依原計畫所
欲探討項目執行，不過本文尚有許多可以
延伸的地方，須待進一步的研究。部份結
果有些奇特，例如：股價盈餘差數對暫時
性盈餘的累積影響會隨著時間不斷增加，
其原因值得探究。由於電腦計算能力的關
係，無法加大脈衝反應的研究期間，此亦
須待將來再做更深入的分析。
五、參考文獻
[1] 王 月 玲 ， 會 計 資 訊 內 涵 之 研 究 ： 報
酬 預 測 模 式 與 盈 餘 組 成 份 子 的 關 聯
性 ， 台 灣 大 學 會 計 學 研 究 所 未 出 版
碩士論文，民國 83 年 6 月。
[2] 余 尚 武 ， 台 灣 證 券 市 場 股 票 上 市 公
司 盈 餘 宣 告 所 含 資 訊 內 容 之 研 究，
台 灣 大 學 商 學 研 究 所 未 出 版 碩 士 論
文，民國 75 年 6 月。
[3] 李 華 玉 ， 台 灣 股 票 價 格 資 訊 內 容 之
研 究 ， 台 灣 大 學 會 計 學 研 究 所 未 出
版碩士論文，民國 81 年 6 月。
[4] 林 永 松 ， 在 不 同 長 短 之 累 計 期 間 下
盈 餘 對 股 票 報 酬 解 釋 能 力 之 比 較，
台 灣 大 學 會 計 學 研 究 所 未 出 版 碩 士
論文，民國 82 年 6 月。
[5] 徐淑卿，台灣股票市場營業外所得增
額 資 訊 內 涵 之 研 究， 東 吳 大 學 會 計
學研究所未出版碩士論文，民國 82
年 6 月。
[6] 朱立倫，股市環境因素影響報酬余盈餘
關聯性之研究，台大管理論叢，第八卷
第一期，民國 86 年 8 月。
[7] Albrecht, W., L. Lookabill, and J.
McKeown (1977) “The Time Series
Properties of Annual Earnings,”
Journal
of Accounting Research, 226-44.
[8] Ali, A. and P. Zarowin. (1992)
“Permanent and Transitory Components
of Annual Earnings and Estimation Error
in Earnings Response Coefficients,”
Journal of Accounting and Economics 15,
259-264.
[9] Ball, R. and P. Brown. (1968) “An
Empirical Evaluation of Accounting
Income Numbers,”
Journal of
Accounting Research, 6, 159-178.
[10]Ball, R. and R. Watts, (1972) “Some
Time Series Properties of Accounting
Income,”
Journal of Finance, 663-681.
[11]Beaver, W.H., and D. Morse. (1978)
“What Determines Price-Earnings
Ratios?”
Financial Analysts Journal,
65-79.
[12]Beaver, W.H., R. Clark, and W. Wright
(1979) “The Association between
Unsystematic Security Returns and the
Magnitude of the Earnings Forecast
Error,”
Journal of Accounting Research,
316-40.
[13]Beaver, W.H., R.A. Lambert, and D.
Morse. (1980) “The Information Content
of Annual Earnings Announcements,”
Journal of Accounting and Economics, 2,
3-28.
[14]Beaver, W., R.A. Lambert, and S. Ryan.
(1987) “The Information Content of
Prices: A Second Look,”
Journal of
Accounting and Economics 9, 139-158.
[15]Beaver, W., M. McAnally, and C. Stinson.
(1997) “the Information Content of
Earnings and Prices: A Simultaneous
Equations Approach,”
Journal of
Accounting and Economics 23, 53-81.
[16]Benston, G. (1966) “Published Corporate
Accounting Data and Stock Prices,
Empirical Research in Accounting:
Selected Studies,” Supplement to the
Journal of Accounting Research, 1-14.
[17]Blanchard, O., and D. Quah. (1989) “The
Dynamic Effects of Aggregate Demand
and Supply Disturbances,”
American
Economic Review 79: 655-673.
[18]Brennan, M.J. (1991) “A Perspective on
Accounting and Stock Prices,”
Accounting Review, 66, 67-79.
[19]Campbell, J.Y. and R.J. Shiller. (1987)
“Cointegration and tests of present value
models,”
Journal of Political Economy,
95, 1062-1088.
[20]Campbell, J.Y. and R.J. Shiller. (1988a)
“The Dividend-Price Ratio and
Expectations of Future Dividends and
Discount Factors,”
Review of Financial
Studies, 1, 196-228.
[21]Campbell, J.Y. and R.J. Shiller. (1988b)
“Stock Prices, Earnings and Expected
Dividends,”
Journal of Finance, 43,
661-676.
[22]Dickey, D.A. and W. A. Fuller. (1979)
“Distribution of the Estimators for
Autoregressive Time Series with a Unit
Root,”
Journal of the American
Statistical Association, 74, 427-431.
[23]Easton, P., T. Harris, and J. Ohlson.
(1992) “Aggregate Accounting Can
Explain Most of Security Returns: The
Case of Long Return Intervals,”
Journal
of Accounting and Economics 15,
119-142.
[24]Engle, R.F. and C.W.J. Granger. (1987)
“Cointegration and Error Correction:
Representation, Estimation and Testing,”
Econometrica, 55, 251-276.
[25]Fama, E.F. (1970) “Efficient Capital
Markets: A Review of Theory and
Empirical Work,”
Journal of Finance, 25,
[26]Fama, E.F. (1991) “Efficient Capital
Markets: II,”
Journal of Finance, 46,
1575-1618.
[27]Fama, E.F. and K. French (1988)
“Permanent and Temporary Components
of Stock Prices,
Journal of Political
Economy, 96, 246-73.
[28]Johansen, S and Katatrina, J (1990),
“Maximum Likelihood Estimation and
Inference on Cointegration - with
Applications to the Demand for Money,”
Oxford Bulletin of Economics and
Statistics, 52, 109-210.
[29]Keim, D. and R. Stambaugh, (1986)
“Predicting Returns in the Stock and
Bond Markets,”
Journal of Financial
Economics, 17, 357-90.
[30]Kleidon, A. W. (1986), “Variance
Bounds Tests and Stock Price Valuation
Models,”
Journal of Political Economy,
94, 953-1001.
[31]Kormendi, R.C., and R. Lipe (1987)
“Earnings Innovation, Earnings
Persistence and Stock Returns,”
Journal
of Business 60, 323-345.
[32]Kothari, S.P. and J. Zimmerman. 1992.
“Information in Prices about Future
Earnings,”
Journal of Accounting and
Economics 15, 143-171.
[33]Lee, B.-S. (1995) “The Response of
Stock Prices to Permanent and
Temporary Shocks to Dividends,”
Journal of Financial and Quantitative
Analysis 30, 1-22.
[34]Lee, B.-S. (1996) “Time-Series
Implications of Aggregate Dividend
Behavior,”
Review of Financial Studies 9:
589-618.
[35]Lee, J. and T. Wang (1994), “Earnings,
Dividends, and Stock Prices: A
Preliminary Statistical Exploration Using
Some Recently Developed Procedures in
Univariate Time Series Analysis,” 1994
Joint Statistical Conference, Academia
Sinca, Taipei.
[36]Lipe, R. (1990) “The Relation between
Stock Returns and Accounting Earnings
given Alternative Information,”
Accounting Review 65: 49-71.
[37]Lo, A. W. and C. Mackinlay (1988)
“Stock Market Prices Do Not Follow
Random Walks: Evidence from a Simple
Specification Test,”
Review of Financial
Studies, 1: 41-66.
[38]Marsh, T.A. and R.C. Merton (1986)
“Dividend Variability and Variance
Bounds Tests for the Rationality of Stock
Market Prices,”
American Economic
Review 76, 483-98.
[39]Marsh, T.A. and R.C. Merton (1987)
“Dividend Behavior for the Aggregate
Stock Market,”
Journal of Business 60,
1-40.
[40]Miller, M.H. and F. Modigliani. (1961)
“Dividend Policy, Growth and the
Valuation of Shares,”
Journal of Business,
34, 411-433.
[41]Miller, M.H. and K. Rock (1985)
“Dividend Policy under Asymmetric
Information,”
Journal of Finance 40:
1031-1045.
[42]Phillips, P.C.B. and P. Perron. (1988)
“Testing for a Unit Root in Time Series
Regression,”
Biometrika, 75, 335-346.
[43]Phillips, P.C.B. and S. Ouliaris. (1990)
“Asymptotic Properties of Residual
Based Tests for Cointegration,”
Econometrica, 58, 165-193.
[44]Stock, J.H. and M.W. Watson. (1988)
“Testing for Common Trends,”
Journal
of the American Statistical Association,
83, 1097-1107.
[45]Wang, J. (1989), “Asset Prices, Stock
Returns, Price Volatility, Risk Premiums,
and Trading Strategies under Asymmetric
Information,” Working Paper, The
Wharton School.
[46]Watts, R. and R. Leftwich, (1977) “The
Time Series of Annual Accounting
Earnings,”
Journal of Accounting
Research, 253-71.
附件 VAR 分析
資料：1871:02 至 1998:12
Dependent Variable DLNP - Estimation by Least Squares Monthly Data From 1874:02 To 1998:12
Centered R**2 0.153731 R Bar **2 0.110378 Uncentered R**2 0.160506 T x R**2 240.598 Mean of Dependent Variable 0.0036976219 Std Error of Dependent Variable 0.0411742082 Standard Error of Estimate 0.0388354141 Sum of Squared Residuals 2.1491698811 Durbin-Watson Statistic 1.999917
Variable Coeff Std Error T-Stat Signif ****************************************************1. DLNP{1} 0.4962 0.1114 4.45248 0.00000915 2. DLNP{2} -0.1571 0.1469 -1.06947 0.28503955 3. DLNP{3} 0.1170 0.1474 0.79382 0.42743133 4. DLNP{4} -0.0962 0.1559 -0.61719 0.53720873 5. DLNP{5} 7.6332e-003 0.1575 0.04847 0.96134644 6. DLNP{6} 0.2117 0.1574 1.34538 0.17871586 7. DLNP{7} -0.0686 0.1574 -0.43584 0.66301530 8. DLNP{8} -0.1342 0.1574 -0.85227 0.39420689 9. DLNP{9} 3.6506e-003 0.1574 0.02319 0.98150473 10. DLNP{10} 0.0277 0.1574 0.17577 0.86049806 11. DLNP{11} 0.0783 0.1560 0.50199 0.61575542 12. DLNP{12} -0.1228 0.1538 -0.79844 0.42474680 13. DLNP{13} 0.0159 0.1566 0.10162 0.91906975 14. DLNP{14} -0.0313 0.1591 -0.19701 0.84385056 15. DLNP{15} -0.1948 0.1590 -1.22499 0.22078269 16. DLNP{16} 0.1879 0.1599 1.17566 0.23992532 17. DLNP{17} -0.0804 0.1601 -0.50236 0.61549283 18. DLNP{18} 0.2885 0.1601 1.80171 0.07180175 19. DLNP{19} -0.1035 0.1603 -0.64594 0.51842077 20. DLNP{20} -0.2474 0.1603 -1.54364 0.12289753 21. DLNP{21} 0.1574 0.1603 0.98170 0.32641575 22. DLNP{22} -0.0615 0.1603 -0.38329 0.70156162 23. DLNP{23} 0.0853 0.1573 0.54182 0.58802967 24. DLNP{24} -0.2053 0.1532 -1.34043 0.18032057 25. DLNP{25} 0.0552 0.1551 0.35619 0.72175352 26. DLNP{26} 0.0878 0.1562 0.56192 0.57425627 27. DLNP{27} -0.0370 0.1563 -0.23643 0.81313267 28. DLNP{28} 0.0794 0.1567 0.50674 0.61241389 29. DLNP{29} -0.0931 0.1566 -0.59482 0.55205827 30. DLNP{30} -0.0717 0.1563 -0.45855 0.64662525 31. DLNP{31} 0.0354 0.1563 0.22670 0.82069094 32. DLNP{32} -0.0619 0.1563 -0.39578 0.69232571 33. DLNP{33} 0.1664 0.1563 1.06484 0.28712765 34. DLNP{34} -0.1096 0.1562 -0.70193 0.48284005 35. DLNP{35} 0.0670 0.1181 0.56722 0.57065293 36. DLNP{36} 7.5652e-004 0.0271 0.02796 0.97770092 37. LNPE{1} -0.2151 0.1088 -1.97661 0.04827870 38. LNPE{2} 0.2994 0.2297 1.30346 0.19262790 39. LNPE{3} -0.2472 0.2485 -0.99491 0.31994879 40. LNPE{4} 0.2794 0.2560 1.09136 0.27530107 41. LNPE{5} -0.0923 0.2664 -0.34643 0.72907203 42. LNPE{6} -0.2240 0.2675 -0.83744 0.40248423 43. LNPE{7} 0.2753 0.2673 1.02966 0.30334367 44. LNPE{8} 0.0809 0.2674 0.30237 0.76241574 45. LNPE{9} -0.1384 0.2674 -0.51769 0.60475359 46. LNPE{10} -0.0369 0.2674 -0.13811 0.89017173 47. LNPE{11} -0.0463 0.2667 -0.17371 0.86212085 48. LNPE{12} 0.1583 0.2628 0.60243 0.54698333 49. LNPE{13} -0.1737 0.2631 -0.66028 0.50918336 50. LNPE{14} 0.0854 0.2692 0.31730 0.75106435 51. LNPE{15} 0.1165 0.2701 0.43125 0.66634887 52. LNPE{16} -0.3024 0.2709 -1.11603 0.26459558 53. LNPE{17} 0.2668 0.2720 0.98111 0.32670463 54. LNPE{18} -0.3308 0.2721 -1.21579 0.22426795 55. LNPE{19} 0.2749 0.2721 1.01034 0.31250495 56. LNPE{20} 0.1696 0.2722 0.62308 0.53332970 57. LNPE{21} -0.4059 0.2722 -1.49119 0.13613234 58. LNPE{22} 0.2665 0.2722 0.97916 0.32766775 59. LNPE{23} -0.1505 0.2704 -0.55651 0.57794739 60. LNPE{24} 0.2959 0.2621 1.12893 0.25911818 61. LNPE{25} -0.2610 0.2605 -1.00159 0.31671105 62. LNPE{26} -0.0849 0.2636 -0.32221 0.74734326 63. LNPE{27} 0.2038 0.2642 0.77114 0.44075126 64. LNPE{28} -0.1633 0.2647 -0.61701 0.53732899 65. LNPE{29} 0.2230 0.2649 0.84174 0.40007597 66. LNPE{30} -0.0612 0.2644 -0.23127 0.81713963 67. LNPE{31} -0.1026 0.2642 -0.38813 0.69797811 68. LNPE{32} 0.1372 0.2643 0.51931 0.60362788 69. LNPE{33} -0.3186 0.2643 -1.20566 0.22815063 70. LNPE{34} 0.2889 0.2642 1.09330 0.27444605 71. LNPE{35} -0.1076 0.2442 -0.44048 0.65965382 72. LNPE{36} 0.0336 0.1145 0.29352 0.76916976 73. Constant 0.0179 0.0105 1.69986 0.08937486 74. TREND 4.9258e-006 2.4426e-006 2.01665 0.04391951
F-Tests, Dependent Variable DLNP Variable F-Statistic Signif DLNP 2.1290 0.0001267 LNPE 1.0610 0.3723377
Dependent Variable LNPE - Estimation by Least Squares Monthly Data From 1874:02 To 1998:12
Usable Observations 1499 Degrees of Freedom 1425 Centered R**2 0.984613 R Bar **2 0.983825 Uncentered R**2 0.999782 T x R**2 1498.673 Mean of Dependent Variable 2.6074549133 Std Error of Dependent Variable 0.3128157969 Standard Error of Estimate 0.0397842515 Sum of Squared Residuals 2.2554710034 Durbin-Watson Statistic 1.999090
Variable Coeff Std Error T-Stat Signif **************************************************** 1. DLNP{1} -0.389638140 0.114171583 -3.41274 0.00066115 2. DLNP{2} -0.152227011 0.150523362 -1.01132 0.31203586 3. DLNP{3} 0.141442057 0.150981525 0.93682 0.34901144 4. DLNP{4} -0.143920369 0.159701903 -0.90118 0.36764421 5. DLNP{5} 0.000891033 0.161321341 0.00552 0.99559381 6. DLNP{6} 0.215049347 0.161199177 1.33406 0.18239741 7. DLNP{7} -0.094252576 0.161226668 -0.58460 0.55891148 8. DLNP{8} -0.120513615 0.161251220 -0.74737 0.45496621 9. DLNP{9} -0.015368488 0.161292313 -0.09528 0.92410309 10. DLNP{10} 0.026858862 0.161293391 0.16652 0.86776997 11. DLNP{11} 0.074046421 0.159858957 0.46320 0.64329286 12. DLNP{12} 0.161327806 0.157590840 1.02371 0.30614456 13. DLNP{13} -0.261332398 0.160436661 -1.62888
0.10355902 14. DLNP{14} -0.029132696 0.162994718 -0.17873 0.85817199 15. DLNP{15} -0.196638959 0.162932897 -1.20687 0.22768220 16. DLNP{16} 0.198700002 0.163772073 1.21327 0.22522707 17. DLNP{17} -0.103068154 0.164023423 -0.62837 0.52985927 18. DLNP{18} 0.294926006 0.164015177 1.79816 0.07236278 19. DLNP{19} -0.108115399 0.164195227 -0.65846 0.51035127 20. DLNP{20} -0.235151046 0.164199651 -1.43210 0.15233324 21. DLNP{21} 0.145260644 0.164265984 0.88430 0.37668269 22. DLNP{22} -0.036175381 0.164257086 -0.22024 0.82571864 23. DLNP{23} 0.064810414 0.161187768 0.40208 0.68768529 24. DLNP{24} 0.013690315 0.156899526 0.08726 0.93048084 25. DLNP{25} -0.127507724 0.158844958 -0.80272 0.42227154 26. DLNP{26} 0.097653381 0.160008909 0.61030 0.54176064 27. DLNP{27} -0.030545898 0.160105169 -0.19079 0.84872007 28. DLNP{28} 0.084421988 0.160497054 0.52600 0.59896773 29. DLNP{29} -0.095339837 0.160409956 -0.59435 0.55237164 30. DLNP{30} -0.069147997 0.160089246 -0.43193 0.66585469 31. DLNP{31} 0.035899101 0.160102808 0.22423 0.82261414 32. DLNP{32} -0.061843597 0.160098733 -0.38628 0.69934393 33. DLNP{33} 0.163714404 0.160100147 1.02257 0.30668241 34. DLNP{34} -0.102728400 0.160014204 -0.64200 0.52097936 35. DLNP{35} 0.072323052 0.120976180 0.59783 0.55004912 36. DLNP{36} 0.003663277 0.027722020 0.13214 0.89488967 37. LNPE{1} 1.661690641 0.111496854 14.90348 0.00000000 38. LNPE{2} -0.578204872 0.235296356 -2.45735 0.01411515 39. LNPE{3} -0.291411050 0.254554592 -1.14479 0.25248921 40. LNPE{4} 0.364719587 0.262295433 1.39049 0.16459678 41. LNPE{5} -0.131181768 0.272957350 -0.48059 0.63087858 42. LNPE{6} -0.244677665 0.274013024 -0.89294 0.37203914 43. LNPE{7} 0.308785404 0.273864515 1.12751 0.25971607 44. LNPE{8} 0.057600859 0.273928293 0.21028 0.83348143 45. LNPE{9} -0.125342173 0.273935463 -0.45756 0.64733765 46. LNPE{10} -0.053227757 0.273960299 -0.19429 0.84597648 47. LNPE{11} -0.024728589 0.273172119 -0.09052 0.92788367 48. LNPE{12} -0.150517782 0.269215385 -0.55910 0.57618270 49. LNPE{13} 0.384803171 0.269559880 1.42752 0.15364804 50. LNPE{14} -0.165293166 0.275785893 -0.59935 0.54903264 51. LNPE{15} 0.100958857 0.276744314 0.36481 0.71530801 52. LNPE{16} -0.296567647 0.277537994 -1.06857 0.28544628 53. LNPE{17} 0.282588286 0.278617041 1.01425 0.31063402 54. LNPE{18} -0.352099244 0.278730858 -1.26322 0.20671567 55. LNPE{19} 0.283828306 0.278771951 1.01814 0.30878522 56. LNPE{20} 0.159934046 0.278849851 0.57355 0.56636355 57. LNPE{21} -0.385193158 0.278826556 -1.38148 0.16734815 58. LNPE{22} 0.234478838 0.278841695 0.84090 0.40054331 59. LNPE{23} -0.124341797 0.277052174 -0.44880 0.65364214 60. LNPE{24} 0.084043514 0.268467000 0.31305 0.75428871 61. LNPE{25} 0.113603078 0.266903474 0.42563 0.67043915 62. LNPE{26} -0.261316207 0.270056167 -0.96764 0.33339013 63. LNPE{27} 0.211887993 0.270695799 0.78275 0.43390213 64. LNPE{28} -0.170398211 0.271182934 -0.62835 0.52987438 65. LNPE{29} 0.226143225 0.271416836 0.83320 0.40487423 66. LNPE{30} -0.059407778 0.270890374 -0.21931 0.82644340 67. LNPE{31} -0.110620298 0.270703658 -0.40864 0.68286539 68. LNPE{32} 0.143608682 0.270708369 0.53049 0.59585336 69. LNPE{33} -0.311880198 0.270739235 -1.15196 0.24953160 70. LNPE{34} 0.278524939 0.270692932 1.02893 0.30368569 71. LNPE{35} -0.114609830 0.250144134 -0.45818 0.64689646 72. LNPE{36} 0.043643294 0.117304381 0.37205 0.70990968 73. Constant 0.025495122 0.010767364 2.36781 0.01802638 74. TREND 0.000004174 0.000002502 1.66824 0.09548867
F-Tests, Dependent Variable LNPE Variable F-Statistic Signif DLNP 2.4858 0.0000032 LNPE 2331.5622 0.0000000
The Standard Deviation and Correlation Matrix of the Reduced-Form Residuals
DLNP LNPE 0.0379 0.0388 1.0000 0.9706 1.0000
Residual Analysis (w/ significance underneath)
Skewness Kurtosis JB(2) LB(16) LM(16) ARCH(16)
DLNP -0.2678 12.2788 5395.3319 0.1933 14.3885 218.8267
0.0000 NA 0.5698 0.0000 LNPE -0.2698 12.1778 5279.2137 0.1703 14.2947 206.2142
0.0000 NA 0.5768 0.0000 The tests are asymptotically Chi-squared
JB: Jarque-Bera normality test
LB: Ljung-Box test for residual autocorrelation LM: Lagrange multiplier test for residual autocorrelation ARCH: Lagrange multiplier test for residual ARCH
Portmanteau Test for Joint Residual Autocorrelation Chi-Sqr(56): 0.6321
Significance: 1.0000
Testing for Multivariate Normality Skewness Kurtosis Joint
Statistic: 18826.7874 1.9829e+006 2.0018e+006 Significance: 0.0000 NA 0.0000
Log-Likelihood 7660.0143 Log-Determinant of the Residual
Variance-Covariance Matrix -15.8959 Model Selection Criteria
AIC -15.6985 FPE -15.4997 HQ -15.5030 SIC/BIC -15.1739
The Estimated Sum of the VMA(oo) coefficients and standard errors DLNP LNPE
3.42384 -2.45985 -194.45626 237.97236 1.02946 1.14887 64.63323 72.12990
Vector Moving Average Representation Shock to: DLNP LNPE Lag(0) 1.0000 0.0000 0.0000 1.0000 Standard Error 0.0000 0.0000 0.0000 0.0000 Lag(1) 0.4962 -0.2151 -0.3896 1.6617 Standard Error 0.1114 0.1088 0.1142 0.1115 Lag(2) 0.1729 -0.1648 -0.9930 2.2668 Standard Error 0.1180 0.1151 0.1899 0.1853 Lag(3) 0.2218 -0.2854 -1.4263 2.6115 Standard Error 0.1223 0.1192 0.2542 0.2479 Lag(4) 0.1506 -0.1554 -1.8688 3.0152 Standard Error 0.1245 0.1215 0.2986 0.2911 Lag(5) 0.1316 -0.0861 -2.2719 3.4263 Standard Error 0.1251 0.1220 0.3365 0.3281 Lag(6) 0.3068 -0.2614 -2.4424 3.5935 Standard Error 0.1252 0.1221 0.3730 0.3636 Lag(7) 0.2533 -0.2229 -2.6324 3.7564 Standard Error 0.1255 0.1224 0.4073 0.3970 Lag(8) 0.0699 -0.0343 -2.9502 4.0604 Standard Error 0.1257 0.1226 0.4390 0.4279 Lag(9) -0.0059 0.0510 -3.3170 4.4160 Standard Error 0.1258 0.1227 0.4699 0.4579 Lag(10) 0.0182 0.0217 -3.6298 4.7025 Standard Error 0.1258 0.1227 0.5007 0.4878 Lag(11) 0.1146 -0.0809 -3.8122 4.8601 Standard Error 0.1240 0.1210 0.5307 0.5169 Lag(12) 0.0007 -0.0105 -3.7937 4.7659 Standard Error 0.1240 0.1210 0.5597 0.5450 Lag(13) -0.0773 0.0138 -3.8817 4.7134 Standard Error 0.1237 0.1207
0.5848 0.5693 Lag(14) -0.0608 0.0120 -3.9618 4.6804 Standard Error 0.1236 0.1206 0.6058 0.5896 Lag(15) -0.2492 0.1738 -4.2581 4.8446 Standard Error 0.1237 0.1207 0.6238 0.6070 Lag(16) -0.0124 0.0033 -4.3020 4.8433 Standard Error 0.1240 0.1210 0.6403 0.6230 Lag(17) -0.0069 0.0251 -4.3507 4.8741 Standard Error 0.1237 0.1209 0.6555 0.6378 Lag(18) 0.2113 -0.1547 -4.1833 4.7343 Standard Error 0.1237 0.1209 0.6700 0.6520 Lag(19) 0.1157 -0.1631 -4.1106 4.5904 Standard Error 0.1239 0.1211 0.6835 0.6652 Lag(20) -0.1139 0.0212 -4.2582 4.6293 Standard Error 0.1241 0.1213 0.6953 0.6767 Lag(21) 0.0279 -0.1282 -4.2604 4.5236 Standard Error 0.1244 0.1215 0.7060 0.6871 Lag(22) 0.0507 -0.0873 -4.2176 4.4510 Standard Error 0.1252 0.1222 0.7153 0.6962 Lag(23) 0.1486 -0.1562 -4.0829 4.3050 Standard Error 0.1233 0.1204 0.7242 0.7052 Lag(24) -0.0272 0.0293 -3.9936 4.2316 Standard Error 0.1233 0.1202 0.7325 0.7136 Lag(25) -0.0786 0.0712 -3.9570 4.2021 Standard Error 0.1226 0.1195 0.7409 0.7221 Lag(26) 0.0117 -0.0644 -3.8261 4.0355 Standard Error 0.1223 0.1191 0.7490 0.7302 Lag(27) 0.0677 -0.0708 -3.6308 3.8672 Standard Error 0.1224 0.1192 0.7563 0.7375 Lag(28) 0.1375 -0.1430 -3.3638 3.6244 Standard Error 0.1223 0.1192 0.7631 0.7442 Lag(29) 0.0567 -0.0251 -3.1762 3.4960 Standard Error 0.1223 0.1192 0.7689 0.7500 Lag(30) -0.1507 0.1482 -3.1953 3.5408 Standard Error 0.1222 0.1191 0.7745 0.7556 Lag(31) -0.1668 0.1511 -3.2335 3.5851 Standard Error 0.1218 0.1188 0.7802 0.7612 Lag(32) -0.1097 0.1416 -3.2202 3.6220 Standard Error 0.1217 0.1188 0.7858 0.7669 Lag(33) 0.0245 -0.0506 -3.0649 3.4619 Standard Error 0.1217 0.1188 0.7918 0.7728 Lag(34) -0.0043 -0.0374 -2.9420 3.3211 Standard Error
0.1213 0.1184 0.7969 0.7779 Lag(35) 0.0508 -0.0322 -2.7572 3.1728 Standard Error 0.0816 0.0770 0.7994 0.7794 Lag(36) 0.1102 -0.0783 -2.6068 3.0674 Standard Error 0.0808 0.0769 0.8009 0.7804 Accumulation to Lag(0) 1.0000 0.0000 0.0000 1.0000 Standard Error 0.0000 0.0000 0.0000 0.0000 Accumulation to Lag(1) 1.4962 -0.2151 -0.3896 2.6617 Standard Error 0.1114 0.1088 0.1142 0.1115 Accumulation to Lag(2) 1.6691 -0.3800 -1.3827 4.9285 Standard Error 0.1843 0.1798 0.2888 0.2820 Accumulation to Lag(3) 1.8909 -0.6654 -2.8090 7.5401 Standard Error 0.2437 0.2376 0.5186 0.5060 Accumulation to Lag(4) 2.0415 -0.8208 -4.6778 10.5553 Standard Error 0.2838 0.2766 0.7823 0.7630 Accumulation to Lag(5) 2.1732 -0.9068 -6.9497 13.9816 Standard Error 0.3174 0.3094 1.0755 1.0489 Accumulation to Lag(6) 2.4800 -1.1682 -9.3921 17.5751 Standard Error 0.3495 0.3408 1.3994 1.3647 Accumulation to Lag(7) 2.7332 -1.3911 -12.0245 21.3315 Standard Error 0.3816 0.3720 1.7528 1.7092 Accumulation to Lag(8) 2.8031 -1.4254 -14.9747 25.3919 Standard Error 0.4132 0.4027 2.1334 2.0802 Accumulation to Lag(9) 2.7972 -1.3744 -18.2917 29.8079 Standard Error 0.4439 0.4326 2.5408 2.4772 Accumulation to Lag(10) 2.8154 -1.3527 -21.9215 34.5104 Standard Error 0.4741 0.4619 2.9752 2.9003 Accumulation to Lag(11) 2.9300 -1.4336 -25.7337 39.3705 Standard Error 0.5036 0.4905 3.4364 3.3493 Accumulation to Lag(12) 2.9308 -1.4441 -29.5274 44.1364 Standard Error 0.5329 0.5188 3.9227 3.8225 Accumulation to Lag(13) 2.8534 -1.4303 -33.4091 48.8497 Standard Error 0.5602 0.5452 4.4289 4.3148 Accumulation to Lag(14) 2.7926 -1.4183 -37.3709 53.5301 Standard Error 0.5840 0.5683 4.9482 4.8198 Accumulation to Lag(15) 2.5434 -1.2444 -41.6291 58.3747 Standard Error 0.6051 0.5887 5.4765 5.3332 Accumulation to Lag(16) 2.5311 -1.2411 -45.9311 63.2180 Standard Error 0.6226 0.6056 6.0111 5.8526 Accumulation to Lag(17) 2.5242 -1.2160 -50.2818 68.0921 Standard Error 0.6389 0.6214 6.5517 6.3776 Accumulation to Lag(18)
2.7355 -1.3707 -54.4651 72.8264 Standard Error 0.6548 0.6370 7.0991 6.9092 Accumulation to Lag(19) 2.8511 -1.5338 -58.5757 77.4168 Standard Error 0.6720 0.6537 7.6543 7.4482 Accumulation to Lag(20) 2.7372 -1.5126 -62.8339 82.0461 Standard Error 0.6879 0.6691 8.2149 7.9922 Accumulation to Lag(21) 2.7651 -1.6408 -67.0943 86.5697 Standard Error 0.7010 0.6816 8.7787 8.5390 Accumulation to Lag(22) 2.8158 -1.7281 -71.3119 91.0207 Standard Error 0.7116 0.6919 9.3429 9.0861 Accumulation to Lag(23) 2.9644 -1.8844 -75.3948 95.3257 Standard Error 0.7215 0.7018 9.9075 9.6335 Accumulation to Lag(24) 2.9372 -1.8551 -79.3884 99.5573 Standard Error 0.7318 0.7121 10.4725 10.1815 Accumulation to Lag(25) 2.8586 -1.7839 -83.3455 103.7595 Standard Error 0.7424 0.7227 11.0393 10.7313 Accumulation to Lag(26) 2.8703 -1.8483 -87.1716 107.7950 Standard Error 0.7526 0.7327 11.6086 11.2838 Accumulation to Lag(27) 2.9380 -1.9191 -90.8024 111.6622 Standard Error 0.7618 0.7418 12.1795 11.8378 Accumulation to Lag(28) 3.0755 -2.0621 -94.1662 115.2865 Standard Error 0.7711 0.7509 12.7523 12.3937 Accumulation to Lag(29) 3.1322 -2.0872 -97.3424 118.7826 Standard Error 0.7804 0.7601 13.3264 12.9508 Accumulation to Lag(30) 2.9816 -1.9390 -100.5377 122.3233 Standard Error 0.7903 0.7698 13.9027 13.5100 Accumulation to Lag(31) 2.8148 -1.7880 -103.7712 125.9084 Standard Error 0.7997 0.7790 14.4826 14.0728 Accumulation to Lag(32) 2.7051 -1.6464 -106.9914 129.5304 Standard Error 0.8084 0.7875 15.0670 14.6398 Accumulation to Lag(33) 2.7296 -1.6970 -110.0563 132.9923 Standard Error 0.8172 0.7962 15.6573 15.2125 Accumulation to Lag(34) 2.7253 -1.7344 -112.9983 136.3134 Standard Error 0.8255 0.8044 16.2529 15.7902 Accumulation to Lag(35) 2.7761 -1.7666 -115.7556 139.4862 Standard Error 0.8323 0.8103 16.8550 16.3744 Accumulation to Lag(36) 2.8863 -1.8449 -118.3624 142.5536 Standard Error 0.8389 0.8162 17.4634 16.9643
Impulse Response Analysis
B, where VCOV = inv(B)*D*inv(B)' DLNP LNPE 2.5290 -1.8170 -2.1283 2.5290 D^.5 (i.e., (D^.5)*(D^.5)' = D) 0.0322 0.0000 0.0000 0.0278
The decomposition matrix, inv(B)*SQRT(D) DLNP LNPE 0.0322 0.0200 0.0271 0.0278 Responses to innovations in DLNP DLNP LNPE 0 1.00000 0.84153 1 0.31519 1.00872 2 0.03420 0.91457 3 -0.01836 0.77139 4 0.01981 0.66859 5 0.05922 0.61140 6 0.08683 0.58163 7 0.06571 0.52871 8 0.04101 0.46674 9 0.03701 0.39921 10 0.03643 0.32748 11 0.04657 0.27768 12 -0.00809 0.21689 13 -0.06569 0.08474 14 -0.05069 -0.02314 15 -0.10292 -0.18125 16 -0.00957 -0.22628 17 0.01424 -0.24903 18 0.08109 -0.19925 19 -0.02158 -0.24771 20 -0.09608 -0.36243 21 -0.07998 -0.45367 22 -0.02279 -0.47198 23 0.01710 -0.46012 24 -0.00258 -0.43261 25 -0.01869 -0.42082 26 -0.04252 -0.43011 27 0.00814 -0.37651 28 0.01723 -0.31380 29 0.03560 -0.23417 30 -0.02599 -0.21563 31 -0.03963 -0.21653 32 0.00940 -0.17221 33 -0.01814 -0.15156 34 -0.03570 -0.14729 35 0.02372 -0.08727 36 0.04431 -0.02554
Responses to innovations in LNPE DLNP LNPE 0 0.71845 1.00000 1 0.14138 1.38176 2 -0.04061 1.55339 3 -0.12604 1.58683 4 -0.04722 1.67259 5 0.00852 1.79405 6 -0.04098 1.83876 7 -0.04092 1.86516 8 0.01590 1.94082 9 0.04676 2.03293 10 0.03475 2.09469 11 0.00147 2.12122 12 -0.00996 2.04028 13 -0.04173 1.92459 14 -0.03167 1.83402 15 -0.00521 1.78538 16 -0.00555 1.75250 17 0.02016 1.74834 18 -0.00291 1.72883 19 -0.07999 1.63710 20 -0.06065 1.57010 21 -0.10817 1.46272 22 -0.05089 1.42087 23 -0.04949 1.37165 24 0.00971 1.36241 25 0.01473 1.35922 26 -0.05603 1.28667 27 -0.02215 1.25860 28 -0.04415 1.20765 29 0.01566 1.21412 30 0.03991 1.24512 31 0.03126 1.26200 32 0.06273 1.30844 33 -0.03305 1.25998 34 -0.04042 1.20735 35 0.00433 1.19184 36 0.00088 1.19452 Responses of DLNP to innovations in DLNP LNPE 0 1.00000 0.71845 1 0.31519 0.14138 2 0.03420 -0.04061 3 -0.01836 -0.12604 4 0.01981 -0.04722 5 0.05922 0.00852 6 0.08683 -0.04098 7 0.06571 -0.04092 8 0.04101 0.01590 9 0.03701 0.04676 10 0.03643 0.03475 11 0.04657 0.00147 12 -0.00809 -0.00996 13 -0.06569 -0.04173 14 -0.05069 -0.03167 15 -0.10292 -0.00521 16 -0.00957 -0.00555 17 0.01424 0.02016 18 0.08109 -0.00291 19 -0.02158 -0.07999 20 -0.09608 -0.06065 21 -0.07998 -0.10817 22 -0.02279 -0.05089 23 0.01710 -0.04949 24 -0.00258 0.00971 25 -0.01869 0.01473 26 -0.04252 -0.05603 27 0.00814 -0.02215 28 0.01723 -0.04415 29 0.03560 0.01566 30 -0.02599 0.03991 31 -0.03963 0.03126 32 0.00940 0.06273 33 -0.01814 -0.03305 34 -0.03570 -0.04042 35 0.02372 0.00433 36 0.04431 0.00088
Responses of LNPE to innovations in DLNP LNPE 0 0.84153 1.00000 1 1.00872 1.38176 2 0.91457 1.55339 3 0.77139 1.58683 4 0.66859 1.67259 5 0.61140 1.79405 6 0.58163 1.83876 7 0.52871 1.86516 8 0.46674 1.94082 9 0.39921 2.03293 10 0.32748 2.09469 11 0.27768 2.12122 12 0.21689 2.04028 13 0.08474 1.92459
14 -0.02314 1.83402 15 -0.18125 1.78538 16 -0.22628 1.75250 17 -0.24903 1.74834 18 -0.19925 1.72883 19 -0.24771 1.63710 20 -0.36243 1.57010 21 -0.45367 1.46272 22 -0.47198 1.42087 23 -0.46012 1.37165 24 -0.43261 1.36241 25 -0.42082 1.35922 26 -0.43011 1.28667 27 -0.37651 1.25860 28 -0.31380 1.20765 29 -0.23417 1.21412 30 -0.21563 1.24512 31 -0.21653 1.26200 32 -0.17221 1.30844 33 -0.15156 1.25998 34 -0.14729 1.20735 35 -0.08727 1.19184 36 -0.02554 1.19452
Accumulated responses to innovations in DLNP DLNP LNPE 0 1.00000 0.84153 1 1.31519 1.85025 2 1.34938 2.76482 3 1.33102 3.53621 4 1.35083 4.20480 5 1.41005 4.81620 6 1.49688 5.39783 7 1.56258 5.92654 8 1.60360 6.39327 9 1.64061 6.79248 10 1.67704 7.11997 11 1.72361 7.39765 12 1.71551 7.61453 13 1.64982 7.69927 14 1.59913 7.67613 15 1.49621 7.49488 16 1.48664 7.26861 17 1.50088 7.01958 18 1.58197 6.82033 19 1.56039 6.57262 20 1.46430 6.21020 21 1.38432 5.75652 22 1.36153 5.28455 23 1.37863 4.82442 24 1.37605 4.39181 25 1.35737 3.97099 26 1.31484 3.54088 27 1.32298 3.16437 28 1.34021 2.85058 29 1.37581 2.61640 30 1.34982 2.40077 31 1.31019 2.18423 32 1.31959 2.01202 33 1.30146 1.86047 34 1.26575 1.71318 35 1.28947 1.62591 36 1.33379 1.60037
Accumulated responses to innovations in LNPE DLNP LNPE 0 0.71845 1.00000 1 0.85983 2.38176 2 0.81921 3.93515 3 0.69318 5.52198 4 0.64595 7.19457 5 0.65448 8.98862 6 0.61349 10.82737 7 0.57258 12.69254 8 0.58848 14.63336 9 0.63524 16.66629 10 0.66999 18.76098 11 0.67146 20.88220 12 0.66150 22.92248 13 0.61976 24.84706 14 0.58809 26.68109 15 0.58288 28.46647 16 0.57733 30.21897 17 0.59748 31.96731 18 0.59457 33.69613 19 0.51458 35.33324 20 0.45393 36.90333 21 0.34576 38.36606 22 0.29488 39.78693 23 0.24539 41.15858 24 0.25510 42.52099 25 0.26983 43.88020 26 0.21380 45.16688 27 0.19165 46.42548 28 0.14750 47.63313 29 0.16316 48.84725 30 0.20307 50.09237 31 0.23433 51.35438 32 0.29706 52.66282 33 0.26400 53.92280 34 0.22358 55.13015 35 0.22790 56.32200 36 0.22878 57.51652
Accumulated responses of DLNP to innovations in DLNP LNPE 0 1.00000 0.71845 1 1.31519 0.85983 2 1.34938 0.81921 3 1.33102 0.69318 4 1.35083 0.64595 5 1.41005 0.65448 6 1.49688 0.61349 7 1.56258 0.57258 8 1.60360 0.58848 9 1.64061 0.63524 10 1.67704 0.66999 11 1.72361 0.67146 12 1.71551 0.66150 13 1.64982 0.61976 14 1.59913 0.58809 15 1.49621 0.58288 16 1.48664 0.57733 17 1.50088 0.59748 18 1.58197 0.59457 19 1.56039 0.51458 20 1.46430 0.45393 21 1.38432 0.34576 22 1.36153 0.29488 23 1.37863 0.24539 24 1.37605 0.25510 25 1.35737 0.26983 26 1.31484 0.21380 27 1.32298 0.19165 28 1.34021 0.14750 29 1.37581 0.16316 30 1.34982 0.20307 31 1.31019 0.23433 32 1.31959 0.29706 33 1.30146 0.26400 34 1.26575 0.22358 35 1.28947 0.22790 36 1.33379 0.22878
Accumulated responses of LNPE to innovations in DLNP LNPE 0 0.84153 1.00000 1 1.85025 2.38176 2 2.76482 3.93515 3 3.53621 5.52198 4 4.20480 7.19457 5 4.81620 8.98862 6 5.39783 10.82737 7 5.92654 12.69254 8 6.39327 14.63336 9 6.79248 16.66629 10 7.11997 18.76098 11 7.39765 20.88220 12 7.61453 22.92248 13 7.69927 24.84706 14 7.67613 26.68109 15 7.49488 28.46647 16 7.26861 30.21897 17 7.01958 31.96731 18 6.82033 33.69613 19 6.57262 35.33324 20 6.21020 36.90333 21 5.75652 38.36606 22 5.28455 39.78693 23 4.82442 41.15858
24 4.39181 42.52099 25 3.97099 43.88020 26 3.54088 45.16688 27 3.16437 46.42548 28 2.85058 47.63313 29 2.61640 48.84725 30 2.40077 50.09237 31 2.18423 51.35438 32 2.01202 52.66282 33 1.86047 53.92280
34 1.71318 55.13015 35 1.62591 56.32200 36 1.60037 57.51652
Accumulated Impulse Responses
Normalized so each reduced form shock = 1 (i,j)th element is the accumulated effect on variable i of a shock to variable j Out to 36 steps
DLNP LNPE
1.33379 0.22878 1.60037 57.51652 Out to oo steps DLNP LNPE 1.35381 0.00000 5.80404 98.26593Forecast Error Variance Decomposition The forecast standard error and
the proportion of forecast error variance from innovations in DLNP LNPE Period 0 0.03786 0.03879 0.72234 0.27766 0.48743 0.51257 Period 1 0.03940 0.06349 0.73358 0.26642 0.44337 0.55663 Period 2 0.03943 0.08221 0.73318 0.26682 0.39263 0.60737 Period 3 0.03959 0.09652 0.72751 0.27249 0.35096 0.64904 Period 4 0.03961 0.10926 0.72678 0.27322 0.31270 0.68730 Period 5 0.03966 0.12168 0.72739 0.27261 0.27825 0.72175 Period 6 0.03977 0.13328 0.72814 0.27186 0.25164 0.74836 Period 7 0.03985 0.14400 0.72831 0.27169 0.22953 0.77047 Period 8 0.03987 0.15449 0.72852 0.27148 0.20887 0.79113 Period 9 0.03991 0.16498 0.72799 0.27201 0.18921 0.81079 Period 10 0.03994 0.17526 0.72780 0.27220 0.17130 0.82870 Period 11 0.03997 0.18511 0.72818 0.27182 0.15588 0.84412 Period 12 0.03997 0.19371 0.72816 0.27184 0.14364 0.85636 Period 13 0.04004 0.20097 0.72831 0.27169 0.13364 0.86636 Period 14 0.04008 0.20732 0.72841 0.27159 0.12558 0.87442 Period 15 0.04022 0.21325 0.73024 0.26976 0.11945 0.88055 Period 16 0.04022 0.21885
0.73024 0.26976 0.11452 0.88548 Period 17 0.04023 0.22432 0.73014 0.26986 0.11028 0.88972 Period 18 0.04031 0.22949 0.73126 0.26874 0.10615 0.89385 Period 19 0.04038 0.23408 0.72913 0.27087 0.10318 0.89682 Period 20 0.04053 0.23840 0.72945 0.27055 0.10188 0.89812 Period 21 0.04073 0.24227 0.72656 0.27344 0.10227 0.89773 Period 22 0.04076 0.24593 0.72578 0.27422 0.10307 0.89693 Period 23 0.04079 0.24931 0.72500 0.27500 0.10382 0.89618 Period 24 0.04079 0.25255 0.72497 0.27503 0.10422 0.89578 Period 25 0.04079 0.25571 0.72496 0.27504 0.10446 0.89554 Period 26 0.04085 0.25857 0.72421 0.27579 0.10503 0.89497 Period 27 0.04085 0.26120 0.72406 0.27594 0.10507 0.89493 Period 28 0.04087 0.26354 0.72346 0.27654 0.10469 0.89531 Period 29 0.04089 0.26579 0.72360 0.27640 0.10372 0.89628 Period 30 0.04091 0.26812 0.72318 0.27682 0.10260 0.89740 Period 31 0.04094 0.27049 0.72312 0.27688 0.10147 0.89853 Period 32 0.04098 0.27298 0.72183 0.27817 0.10004 0.89996 Period 33 0.04100 0.27525 0.72153 0.27847 0.09871 0.90129 Period 34 0.04103 0.27733 0.72121 0.27879 0.09753 0.90247 Period 35 0.04104 0.27931 0.72130 0.27870 0.09625 0.90375 Period 36 0.04106 0.28128 0.72163 0.27837 0.09492 0.90508
