投資人行為與學習效果之研究:以處分效果與過度自信為例

全文

(1)國立臺灣師範大學管理學院管理研究所碩士論文 Graduate Institute of Management College of Management National Taiwan Normal University Master Thesis. 投資人行為與學習效果之研究: 以處分效果與過度自信為例 The Study of Investors’ Behavior on Learning Effect: Evidence on Deposition Effect and Overconfidence. 研究生：楊鈞凱 Student：Chun-Kai Yang 指導教授：蔡蒔銓. 博士. Advisor：Shin-Chuan Tsai Ph.D.. 中華民國 107 年 8 月 August 2018 I.

(2) 摘要本研究旨在探討兩種投資人其行為偏誤和學習效果間之關聯性，並以臺股期貨交易市場為例，篩選出具不同程度處分效果與過度自信之投資人，各自再分成兩種不同交易型態包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人，觀察市場上兩類具行為偏誤之投資人學習效果情形。我們分別利用累積交易量及累積交易天數作為經驗的衡量指標，試圖檢驗投資人隨經驗累積是否能從中獲得學習能力，並透過所產生的學習效果降低其行為偏誤程度。我們發現若用累積交易量來衡量經驗時，對於累積交易量低且累積交易天數短之處分效果投資人，交易量與其行為偏誤程度大致呈負向關係，表示投資人確實能透過交易量累積來產生學習效果並改善行為偏誤程度。而對於累積交易量高且累積交易天數長之過度自信投資人，交易量與其行為偏誤程度呈正向關係，代表投資人存在自我歸因偏誤而使過度自信程度增加，透過交易經驗累積而產生學習成為過度自信之現象。此外，若改用累積交易天數作為經驗的衡量指標時，我們觀察到無論是對於何種交易型態之處分效果或過度自信投資人，交易天數與其行為偏誤程度近乎呈現顯著負相關，顯示投資人可經由其累積交易天數的增加，並透過學習行為來增進自身交易能力，以降低其行為偏誤程度。. 關鍵詞：處分效果、過度自信、學習效果、固定效果模型 I.

(3) Abstract This study aims to examine the relation between nonrational behavior and learning effect in two types of investors. We analyze investors with different degrees of disposition effect and overconfidence in Taiwan futures market, dividing into two trading patterns including investors with high accumulated trading volume and long accumulated trading days and investors with low accumulated trading volume and short accumulated trading days in order to observe the learning effect of investors with nonrational behavior in different trading patterns. Further, we employ accumulated trading volume and trading days respectively as a proxy for experience because of bifurcated conclusions. The current paper investigates whether the degree of investors’ nonrational behavior will decline by learning about their ability through experience. Interestingly, if using trading volume as a measure of experience, we present evidence that there is a negative relationship for disposition effect between trading volume and the degree of nonrational behavior for those investors with low accumulated trading volume and short accumulated trading days. Indeed, it shows that investors’ learning behavior do improve their nonrational behavior; however, there is a significantly positive relationship for overconfidence between trading volume and the degree of nonrational behavior for those investors with high accumulated trading volume and long accumulated trading days, indicating there’s a self-attribution bias existing in investors with overconfidence, which makes them tend to have more propensity for learning to be overconfident with increasing trading experience. Moreover, if trading days is used to proxy for experience, there is no difference between disposition effect and overconfidence by focusing on the nonrational behavior and trading patterns. Both demonstrate negative correlation between trading volume and the degree of nonrational behavior, which concludes that investors acquire better trading ability through learning behavior with accumulation of trading days, improving their nonrational behavior.. Key Words: Disposition Effect, Overconfidence, Learning Effect, Fixed Effect Model. II.

(4) 目錄中文摘要......................................................................................................... I 英文摘要........................................................................................................ II 目錄 .............................................................................................................. III 圖表目錄...................................................................................................... IV 第一章緒論................................................................................................... 1 第一節研究動機與背景 .............................................................. 1 第二節研究目的 .......................................................................... 4 第三節研究架構 .......................................................................... 5 第四節研究流程 .......................................................................... 6 第二章文獻探討與回顧............................................................................... 7 第一節處分效果 .......................................................................... 7 第二節過度自信 .......................................................................... 9 第三節學習效果 ........................................................................ 11 第三章研究方法......................................................................................... 12 第一節研究資料與樣本篩選 ...................................................... 12 第二節變數定義與說明 .............................................................. 15 第三節研究假說 ........................................................................ 22 第四節迴歸模型 ........................................................................ 24 第四章實證結果與分析............................................................................. 26 第一節敘述統計與分析 .............................................................. 26 第二節迴歸模型之實證結果 ...................................................... 39 第五章結論與建議..................................................................................... 46 第一節研究結論 .......................................................................... 46 第二節研究建議 .......................................................................... 49 參考文獻....................................................................................................... 50. III.

(5) 圖表目錄【圖 1-1】研究流程圖 ................................................................................................. 6 【圖 3-1】2007~2009 三年間所有投資人平均 PGR 與 PLR 之值 ....................... 17. 【表 3-1】期貨商品內容簡介 ................................................................................... 14 【表 4-1】大台指期貨商品各年度每月平均 DE 值 ................................................ 27 【表 4-2】大台指期貨商品各年度每月平均 OC 值 ................................................ 29 【表 4-3】迴歸模型變數－各研究期間基本敘述統計(處分效果 DE) .................. 31 【表 4-4】迴歸模型變數－各研究期間基本敘述統計(過度自信 OC) .................. 34 【表 4-5】迴歸模型變數－每年基本敘述統計(處分效果 DE) ............................ 37 【表 4-6】迴歸模型變數－每年基本敘述統計(過度自信 OC) ............................ 38 【表 4-7】大台指期貨固定效果迴歸檢定－處分效果(DE) (1).............................. 42 【表 4-8】大台指期貨固定效果迴歸檢定－處分效果(DE) (2).............................. 42 【表 4-9】大台指期貨固定效果迴歸檢定－過度自信(OC) (1) ............................. 45 【表 4-10】大台指期貨固定效果迴歸檢定－過度自信(OC) (2) ........................... 45. IV.

(6) 第一章. 緒論. 第一節研究動機與背景自 1970 年代以降， Fama (1970) 所提出效率市場假說 (Efficient Market Hypothesis, EMH)後，行為財務學(behavioral finance)在財務金融領中逐漸備受重視並逐漸成為顯學，同時也開始有許多國內外文獻針對此方面做更進一步研究。該假說指出在資本市場中，與市場有關的新資訊揭露時，其交易價格總是能正確並快速地調整，故此市場上的資產價格已經充分反映出市場上全部既有的「可得資訊(available information)」。亦即在效率市場(efficient market)中，任何資產的市場交易「價格(price)」總是能立即且正確地反映其真實「價值(value)」。投資人只能在市場中賺取風險調整後(risk-adjusted)後的正常報酬(normal return)，即資本資產定價模型(CAPM)中依據投資人投資該資產時所承擔的 beta 風險大小，衡量其應有的報酬。易言之，投資人無法在效率市場中持續賺得異常報酬(abnormal return)。然而，在財務金融實證研究中，可發現許多市場的觀察資料在總體行為上有偏離效率市場之現象，且在個體行為上亦有偏離理性決策之行為發生，即所謂的異常現象(anomalies)，導致此現象有別於傳統財務理論中的理性假設，忽略心理和行為層面因素。因而開啟了行為財務學之研究，許多學者摒棄理性經濟人假說試圖用另一角度並加入心理學實證結果，認為人類的決策行為往往是非理性的，在經濟決策進行時會產生固定的行為偏誤及偏離理性的行為模式進而解釋市場 1.

(7) 上的異常現象等非效率之結果。在行為財務學的研究中，許多學者引用心理學家對於人類在風險下決策行為的研究結果歸納出人類在風險下選擇的非理性行為，主要可簡單分為兩大面向討論，其一，為資訊處理上的非理性行為。當人在取得客觀資訊並運用其資訊評估未來自然狀態發生的可能性進而推斷出每項決策所產生之預期報酬時，常會產生偏差，而最普遍出現於一般投資人的行為偏誤即為過度自信(overconfidence)， Daniel et al.(1998)研究中也說明人們對於自己所擁有之私有資訊會過度重視且忽略市場資訊，導致對於私有資訊會產生過度反應。人們在面對風險或是不確定性狀況下，自己對於未來資訊常有過度樂觀解讀或是對於預測未來之精準度有過度的自信產生，並同時高估了自身能力。其二，為決策形成時之心理偏誤。當人們在做決策時，即使資訊處理的過程是理性的，最終所做出的最佳決策往往並非是理性的。由 Kahneman and Tverskey (1979)所提出的展望理論(Prospect Theory)可解釋常見的非理性投資行為－處分效果(disposition effect)，最早由 Shefrin and Satman (1985)所提出。該理論認為過去的期望效用理論並無法真實刻劃人們在風險之下時的決策行為，並指出效用的來源是源自於財富的變化而非其本身大小，當人們在面對獲利時，為風險趨避者，而在面對損失時卻是風險愛好者，即對於損失，人們有損失趨避(loss aversion) 行為。因此，投資人在面對有帳上獲利的資產時會傾向急於處置帳面上所擁有之資產並提早出售該資產以獲得實質獲利；相反的，當資產價格下跌，面對帳上損 2.

(8) 失的資產時，投資者反而傾向惜售並繼續持有，等待未來資產價格再度回到原始水準之上，轉虧為盈。易言之，投資人在面對資產價格漲跌時會有急售獲利、惜售損失之行為產生。另外，許多文獻指出因專業機構投資人(法人)相較於一般自然人擁有較多資訊，故在處分效果上，其行為偏誤的程度較自然人低。. 3.

(9) 第二節研究目的隨著行為財務學領域的重視逐漸提高，加上近年來許多諾貝爾經濟學獎得主如塞勒(Richard H. Thaler)等學者不斷地致力於此方面的研究，使得無論是在國外或是國內，針對行為財務學相關之學術研究產出大幅提升，不僅能找出解釋市場諸多異常現象之理論，同時也彌補了傳統財務理論忽略個體與群體之決策行為在心理及行為層面因素的理性假設。唯有更廣泛地加入其他相關層面綜觀考量，觀察經過不同因素彼此間的互動而反映在金融市場上的現象，才能更真實地描繪出全市場的真實樣貌。回顧過往行為財務學文獻研究中，處分效果與過度自信長期以來都被視為市場上普遍的現象，無論是在一般散戶投資者或是專業機構投資者都可發現有此行為偏誤存在。故本篇研究所欲探討之對象即為考慮個體心理及行為層面因素的一般投資人在市場上決策時所產生的行為偏誤，並利用台灣期貨市場，依據每位投資者個別交易帳號篩選出明顯具處分效果與過度自信之投資人作為研究樣本，試圖探討其處分效果與過度自信程度是否會隨著交易量和交易天數的累積進而從中獲得學習能力，並透過所產生的學習效果而降低其行為偏誤程度。. 4.

(10) 第三節研究架構本文結構共分為五個章節探討，各章節內容如下：第一章緒論闡述本篇研究主要之背景與動機，並探討其研究目的。. 第二章文獻探討首先本章先對處分效果及過度自信作簡單回顧，再探討其兩類行為投資者與學習效果之相關文獻。第三章研究方法. 說明資料來源、資料格式及樣本研究期間，並介紹模型之相關變數定義及主要研究模型。第四章實證結果分析. 主要以本篇實證研究結果與其模型統計分析結果之呈現，並解釋與說明其研究結果相關之意涵。第五章結論總結本篇研究之實證結果與相關貢獻。. 5.

(11) 第四節研究流程本研究係根據研究動機與目的，同時參照過去相關文獻資料與實證結果，提出研究架構與方法，再進行資料的蒐集與整理，最後對資料之各變數進行計算、模型分析，並探討其實證結果並提出結論與建議。研究流程如下圖 1-1 所示。【圖 1-1】研究流程圖. 緒論. 研究方法. 文獻回顧. 資料蒐集與整理. 變數定義與計算. 實證結果與分析. 結論與建議. 6. 研究假說設定.

(12) 第二章. 文獻探討與回顧. 第一節處分效果最早提出處分效果此概念係由 Shefrin and Satman (1985)中所定義投資人傾向在帳面有獲利時，過早出售該資產；反之，當面對帳面損失時，會繼續持有該資產。而根據 Kahneman and Tverskey (1979)的展望理論(Prospect Theory)可說明當投資人在面臨損失時，因有損失趨避現象變為風險愛好者，所面對的價值函數為凸函數，並非如傳統理性風險嫌惡者投資人。因此投資人願意等待未來資產價值在能再度反轉進而獲利，因而惜售該資產。在過去文獻中無論國內或是國外對於處分效果的研究相當廣泛，Odean (1998)研究中顯示出美國投資人在實現獲利的比率明顯高於實現損失比率。而 Shu et al. (2005)透過觀察台灣單一券商之投資人交易資料，發現投資人在股票市場實現獲利的比率相較於實現損失明顯高出許多，將近達2.5倍且高於美國投資人。整體而言，在股票市場上的投資人皆存在著傾向實現獲利之現象。至於期貨市場，Frino et al. (2004)和Locke and Mann (2005)指出美國的專業投資人亦存在處分效果行為，且其交易行為不論是否成功，所有的投資人持有損失部位時間都比獲利部位要長。而Li et al. (2013)經由觀察投資人在台灣期貨市場上的交易資料，探討個人、外資和自營商等不同類型投資人處分效果行為之情形，發現個人和外資較具處分效果。由於一般散戶投資人相較於專業機構投資人所擁有之資訊較為缺乏，因而處分效果之行為程度相對較強。Chou, Wang, and Yan 7.

(13) (2010)分析整體台灣期貨市場投資人在獲利部位與損失部位的持有期間，進一步探討不同層面因素與處分效果間之關係包括性別、年齡、交易資產類型、市場狀態以及投資人類型。其結果顯示年長女性相對於年輕男性、金融期貨相對於電子期貨、在市場處於多頭時期時以及個別投資人皆具有較強的處分效果，該研究亦發現個別投資人隨交易經驗之增加能降低其處分效果行為之程度。綜合上述文獻結論，明顯可看出無論是對於一般散戶自然人或是專業的機構投資人皆存在處分效果行為，尤其以個別投資人在處分效果的程度最高，而臺灣期貨市場主要是以自然人為主要交易者所構成之市場，因此本篇研究欲探討在臺灣期貨市場中具有處分效果之投資人及其學習行為。. 8.

(14) 第二節過度自信在財務金融學研究中，過去有不少對於過度自信概念之研究，普遍認為存在於市場上的過度交易行為(excessive trading)是導因於過度自信(De Bondt and Thaler, 1995; Kyle and Wang, 1997)。Glaser and Weber (2007)研究中使用德國折扣經紀商帳戶的交易資料與投資人問卷資料進行調查，指出交易優於平均的投資人會積極交易，表示過度自信和過度交易存在高度相關性。在 Odean (1998)中亦指出過度自信的現象普遍存在於金融市場的交易者身上。人們容易傾向高估自己對資訊的解釋與判斷能力和對有未來預測之精準度有高度的自信與過度樂觀。過去眾多心理學文獻中亦說明了人們常有控制幻覺(Kahneman and Lovallo, 1993; Lovallo and Kahneman, 2003) 與自我歸因偏誤 (Daniel, Hirshleifer, and Subrahmanyam, 1998; Hilary and Menzly, 2001)的現象存在。其他諸如優於平均效應(better than average effect)、定錨效應(anchoring)、不足調整與過度樂觀(excess optimistic)等皆可能是導致過度自信之來源。Barber and Odean (2000)分析美國超過六萬名折扣經紀商的投資人交易帳戶，指出在扣除交易成本後當投資人週轉率越高時，其績效有越差之傾向。此結論說明了交易的頻繁度會對於績效有負向的影響，造成其績效不佳卻仍頻繁交易的重要因素是來自於過度自信，進而間接高估經由交易所帶來之利得。Gervais and Odean (2001)研究顯示在市場為多頭時期中，具過度自信的投資者會積極增加其交易量，但其報酬率卻是降低；因交易獲利所增加的利得使得投資人將此歸因於自身能力並對於自我對未來之預測精準 9.

(15) 度具有高度自信與樂觀，進而產生過度自信行為。而 Barber et al. (2009)的研究中以整體市場投資人包含個人與機構投資者的交易資料進行分析研究，發現台灣股票市場個人投資人有顯著損失，且其損失來自於積極的交易；而機構投資人積極與被動的交易皆使機構投資人產生獲利。. 10.

(16) 第三節學習效果雖然在行為財務學領域中，關於交易人其學習行為相對於對投資人處分效果及過度自信之研究較少，但仍可由過去相關文獻結果發現投資人確實有透過自身交易經驗的累積來學習之證據，並進而降低其行為偏誤之程度。特別在處分效果部分，無論採取何種經驗衡量指標，其行為偏誤程度會隨經驗增加而降低，顯示投資人具學習行為，Feng & Seaholes (2005)研究中利用累積交易量(即成交值)作為經驗衡量指標，發現處分效果會因經驗之累積產生學習效果而減緩其程度。 Nicolosi, Peng, and Zhu (2009)亦發現投資人交易績效會隨經驗的增加而提升。在典型的「從做中學」的學習行為(learning by doing)模型之下(Arrow, 1962; Grossman, Kihlstrom, and Mirman, 1977)，投資人會透過自身的交易來提高他們的能力。在 Mahani and Bernhard (2007) and Linnainmaa (2010)的貝式理性學習模型中指出當投資人有成功(失敗)的交易時，交易者便會增加(減少)其交易量及規模，且對於那些報酬表現較差的交易者由於認知自我交易能力不足而傾向退出(quit) 市場，顯示出投資人會透過自身交易來學習。而在 Gervais and Odean (2001)偏誤學習模型中指出，成功的交易者易有過度自信現象，非理性地歸咎於大部分的成功或造成好表現之原因於自身能力優越而非運氣，並造成後續有更積極的交易行為；而對於失敗的交易者而言，因在學習到能力時會給予成功有較大的權重，仍會持續交易，且相較過去成功交易者更有過度自信之傾向。. 11.

(17) 第三章. 研究方法. 第一節研究資料與樣本篩選一、資料說明與樣本篩選本篇研究之資料來源係根據臺灣期貨交易所提供之資料，並探討目前期貨市場上最先推出，同時也是交易量最大的股價指數期貨－臺股期貨(TX)，樣本期間為 2007 年 1 月 2 日至 2009 年 12 月 31 日之每日交易資料，總共為 747 個交易日。本篇研究利用臺股期貨交易市場，依據每位投資者之個別交易帳號計算出明顯具有處分效果與過度自信之投資人，各自並再區分成兩種不同交易型態包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人，觀察市場上兩類具行為偏誤投資人其學習效果之情形。商品規格見表 3-1。另外，由於臺股期貨(TX)在期貨市場上交易的契約同時有五個契約在市場交易，分別為自交易當月起連續二個月份的近月及次近月契約，另外加上三月、六月、九月、十二月中三個接續的季月契約。而其中以近月契約的交易最為熱絡與最大交易量，故本篇研究之樣本資料皆採用近月契約作為研究樣本。由於考量到契約最後交易日為交割月份的第三個星期三，而在面臨到期日前時，投資人往往需進行換約。因此，在本研究樣本資料中，觀察各年之中每月到期日當天往前推三天(即 t, t-1 及 t-2)，分別計算每年次近月契約大於近月契約落在三天當中之機率，發現交易次近月契約大於近月契約之機率在到期日當天(t)為最大。故綜合以上，本篇研究以最後交易日作為當天換約之計算。 12.

(18) 二、資料格式本篇研究樣本所使用的資料為臺股期貨之成交檔。在成交檔中的資料包含以下項目：日期、投資人帳號、投資人身分代碼、契約代碼、到期日、買賣別、成交價格、成交量、開平倉碼、成交時間以及交易與委託檔連結代碼。其中，在投資人身分別部分，本篇研究樣本取全市場之投資人作為研究對象，以一般自然人佔最多數，其他尚包含外資、自營商、法人以等，而在開平倉碼部分，本篇研究樣本已刪除當沖交易及造市者單，僅考慮新倉和平倉進行計算。. 13.

(19) 三、期貨商品及內容簡介【表 3-1】期貨商品及內容簡介項目. 內容. 發行商. 台灣期貨交易所 TAIFEX. 交易標的. 臺灣證券交易所發行量加權股價指數. 中文簡稱. 臺股期貨. 英文代碼. TX ◆本契約交易日同臺灣證券交易所交易日 ◆一般交易時段之交易時間為營業日上午. 交易時間. 8:45 ~下午 1:45；到期月份契約最後交易日之交易時間為上午 8:45 ~ 下午 1:30 ◆盤後交易時段之交易時間為營業日下午 3:00 ~次日上午 5:00；到期月份契約最後交易日無盤後交易時段. 契約價值. 臺股期貨指數 x NT$ 200 ◆自交易當月起連續二個月份及三個接續的季月契約在. 契約到期交割月份. 漲跌幅限制. 市場交易 ◆新交割月份契約於到期契約最後交易日之次一營業日一般交易時段起開始交易各交易時段最大漲跌幅限制為前一一般交易時段每日結算價上下 10% 指數 1 點 (= NT$ 200). 最小升降單位(Tick). ◆各該契約交割月份的第三個星期三. 最後交易日. 交易當週星期三加掛之契約，其最後交易日為掛牌日之次一個星期三. 最後結算日. 同最後交易日. 交割方式. 現金交割. 資料來源: 台灣期貨交易所. 14.

(20) 第二節變數定義與說明本篇研究目的為欲探討臺灣期貨市場上具不同程度下處分效果與過度自信之投資人，並探討其處分效果與過度自信現象是否存在學習行為。依投資人帳號以每個月為單位計算一次處分效果與過度自信之值，接著再以每四個月劃分為一區間當作一期來衡量，並分別找出處分效果與過度自信之值落在市場上前 25%、 20%和 15%內之投資人，接著各自分別再細分成兩種不同交易型態，觀察包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人，其交易行為是否會因交易經驗的增加和累積而獲得學習能力，並影響其行為偏誤之程度。以下介紹本研究中所使用之變數計算方法與其定義:. 一、被解釋變數 1. 處分效果(Disposition Effect, DE) 儘管文獻中對於處分效果之衡量存在許多不同方式，而Odean (1998)中的衡量方法為現今為最普遍且被廣泛用來衡量處分效果之方式。因此，本篇研究係根據臺灣期貨交易所提供之成交檔並採用Odean (1998)研究中的方法來衡量處分效果，計算出每位投資人帳戶的實現利得(realized gains)、未實現利得(paper gains) 、實現損失(realized losses)與未實現損失(paper losses)，並用此計算出每位投資人實現利得比例(proportion of gains realized, PGR)以及實現損失比例(proportion of losses realized, PLR)，其計算方法如下：. 15.

(21) 𝑃𝐺𝑅. ＝. 𝑃𝐿𝑅. ＝. 𝑅𝑒𝑎𝑙𝑖𝑧𝑒𝑑 𝐺𝑎𝑖𝑛𝑠 𝑅𝑒𝑎𝑙𝑖𝑧𝑒𝑑 𝐺𝑎𝑖𝑛𝑠+𝑃𝑎𝑝𝑒𝑟 𝐺𝑎𝑖𝑛𝑠 𝑅𝑒𝑎𝑙𝑖𝑧𝑒𝑑 𝐿𝑜𝑠𝑠𝑒𝑠 𝑅𝑒𝑎𝑙𝑖𝑧𝑒𝑑 𝐿𝑜𝑠𝑠𝑒𝑠+𝑃𝑎𝑝𝑒𝑟 𝐿𝑜𝑠𝑠𝑒𝑠. (3-1). (3-2). 計算出實現利得與損失之比例後，我們將(3-1)與(3-2)兩式相減，即可得到 PGR−PLR 之值，藉此衡量處分效果的程度。計算利得或損失時，我們使用加權平均法並以個人買賣口數為權重來計算新倉成本，然後在當每位帳戶有平倉之行為發生時才計算已實現損益。在多方部位，若新倉平均成本小於平倉價格，則計實現利得一次，相反地，計已實現損失一次；在空方部位，若新倉平均成本大於平倉價格，則計已實現利得一次，相反地，計已實現損失一次。而未實現損益的部分參考自 Odean (1998)的方法並做了些微調整，若該帳戶未發生交易時則不衡量其處分效果，我們每天追蹤一次各交易人之投資帳戶並計算未實現部分。在多方部位，若平均成本小於當天交易的收盤價格，則計未實現利得一次，相反地，計未實現損失一次；在空方部位，若平均成本大於當天交易的收盤價格，則計未實現利得一次，相反地，計未實現損失一次。. 16.

(22) 【圖 3-1】2007~2009 三年間所有投資人平均 PGR 與 PLR 之值. 【圖 3-1】顯示 2007~2009 三年間所有投資人平均 PGR 與 PLR 之值並以每月平均表示，橫軸代表月份，共劃分為 36 個月，而左邊縱軸分別代表投資人其每月平均 PGR 與 PLR 之值。由圖可觀察到 PLR 的波動區間略大於 PGR，亦即投資人平均實現損失比例變化幅度大於實現利得比例，其可能原因在於期貨為槓桿型商品，需事先繳交保證金以能進行交易，且在當低於維持保證金時，會觸發保證金追繳機制(margin call)。在此機制下投資人會停損，並平倉掉所持有的虧損部位，此時投資人的 PLR 會增加，造成 PGR−PLR 之值變小。因此，可發現若投資人在此機制下，處分效果之值(PGR−PLR)依然為接近於 1 的正數，代表投資人表現出處分效果的行為，產生賣掉贏家、持有輸家(sell winners and hold losers)的現象。而接著，我們篩選出每月 PGR−PLR 值分別在市場上前 25%、20% 和 15%之投資人作為本篇研究對象。. 17.

(23) 2. 過度自信(Overconfidence, OC) 由於過度自信是顯示投資人內在的心理狀態，因此在研究上較難以量化的方式衡量其程度大小，而過去文獻對於過度自信的檢定方式為 Gervais and Odean (2001)模型，藉由過去報酬表現及其後續交易行為之關連性進一步推測其過度自信的程度。Gervais and Odean (2001)模型結果中亦顯示，在當投資人歷經正報酬之後，對於自我預測未來之精準度也會有過度的自信產生。另外，Chuang and Lee (2006)指出當投資人在存在過度自信現象時，是由自我歸因偏誤(self-attribution bias)所引起，使得常對於資訊有過度樂觀的解讀，導致過於高估自身判斷能力，並傾向將好結果歸功於自身能力或是過度重視私有資訊，而最明顯反應在其後續交易上的行為即為透過增加交易量與交易的積極度。故綜合以上，本篇研究將以投資人之正報酬與其後續交易量來衡量過度自信行為。然而，造成過度自信的可能原因可分為兩種，其一為因過去已實現正報酬所引發的過度自信，其二為因過去未實現正報酬所引發的過度自信，此兩種行為皆有可能導致過度自信現象。而吳明倉(2014)研究中透過計算各投資人當月總損益及總成本所得出因過去已實現正報酬和未實現正報酬而開倉之報酬率，探討以上兩種產生過度自信的可能原因，並找出何種開倉行為模式較符合引發過度自信之原因。在 99%信心水準下，發現當投資人有因過去已實現正報酬時，在三天之內開新倉之交易相較於有因過去未實現正報酬在三天之內開新倉之交易更不利於投資人，符合 Barber and Odean (2000)與 Gervais and Odean (2001)結論，指出過 18.

(24) 度自信所導致之過度交易行為會降低報酬率。故本篇研究利用投資人有因過去已實現正報酬並在三天內開新倉當作是衡量過度自信之依據。根據蔡永順、劉文智(2011)針對過度自信行為的實證研究中透過觀察投資人在私有資訊與公開資訊對於報酬率及交易量之衝擊反應，發現私有資訊衝擊相對公開資訊存在短期的動能現象，且大約在三天內其衝擊反應為最大並使得交易量有明顯地增加，代表投資人高估私有資訊，並顯示投資人可能存在過度自信行為。因此，本篇透過計算出每位投資者交易帳號在每月的總開倉數以及因過去有已實現正報酬且在三天之內開倉數篩選出具過度自信行為之投資人，並用兩者比例作為過度自信之代理變數加以衡量，公式如下:. 𝑂𝐶 ＝. 因已實現正報酬而在三天內之開倉數當月份總開倉數. (3-3). OC 值越大即表示該投資人過度自信行為程度越大，之後我們將從此值當中篩選出每月 OC 值分別在前 25%、20%和 15%之投資人作為本篇研究對象。. 二、解釋變數為了進一步觀察與了解投資人是否能經由自身交易經驗來獲得學習能力並降低其行為偏誤程度，而關於學習效果的過往文獻中，其中 Feng & Seasholes (2005)定義如何用投資人之投資交易經驗來衡量並判斷其是否具學習行為，其定義說明如下: 19.

(25) 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑒𝑖,𝑡 ＝第 i 位投資人在第 t 期交易時間內所累積交易量. (3-4). 而本篇研究係參考 Feng & Seasholes (2005)之方法利用累積交易量(口數)或累積交易天數作為經驗(Experience)的替代變數以當作學習行為的判斷依據。. 三、控制變數 1. 波動度(Volatility) 當金融市場一旦有新資訊進入時，由於市場上各投資人對於未來資訊的解讀能力及看法不同而造成有不同程度之預期，進而使資產價格產生波動。而當市場處於不同程度的波動時，投資人在面對決策時的行為也不盡相同，如當市場處於較大波動時，投資人的處分效果相較於市場處於平穩、無劇烈波動狀態時會較強。因此，本篇研究考量市場波動度對處分效果之影響並檢驗其關聯性。. 本篇研究利用 Grossman (1998)所提出的方法來計算當日的市場波動度，該衡量方式為考慮當天成交之最高價和最低價，相較於其他波動度衡量方式，更有效地估計出每日價格之波動度。由於處分效果與過度自信皆是以月為期間單位衡量，故將每日價格之波動度再轉換成每月價格之波動度，其計算公式如下:. 𝑉𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑡𝑦𝑡−1 = 𝑙𝑛(. 𝑃ℎ𝑖𝑔ℎ 𝑃𝑙𝑜𝑤. ). 𝑃ℎ𝑖𝑔ℎ ：每天臺股期貨的最高價 𝑃𝑙𝑜𝑤 ：每天臺股期貨的最低價 20. (3-5).

(26) 2. 過度自信(Overconfidence) 過去有許多文獻皆發現台灣散戶投資人普遍具有處分效果與過度自信之行為，而王文聖(2008)研究中更進一步指出無論是在整體資料期間、多頭時期或是空頭時期存在過度自信影響處分效果，且呈現正向關係。當投資人在有獲利產生時，會將此成功後所帶來之利得歸功於自身能力以及過度重視私有資訊(Daniel et al. (1998))，進而提升自我信心程度，而為了此信心程度，投資人會急於出售該獲利的資產以顯示獲利是來自於自身判斷能力出眾；相反地，在有損失產生時，投資人不願承認其判斷能力錯誤而選擇繼續持有該資產。而針對過度自信之衡量方式與定義，同本節中解釋變數之計算方法。. 3. 報酬率(Return) 過去文獻中如 Barber and Odean 等學者皆發現，在股市中若投資者具有過度自信傾向時，投資人週轉率會提高，而 Statman and Thorley (1999)進一步發現在美國股市中，當有較高的月報酬率時，投資人由於更相信自我交易能而使其過度自信程度增加，因而後續常伴隨著較高的交易量，故本研究利用報酬率最作為過度自信之控制變數。報酬率之計算方式，我們以 Cornett (1995)利用每日收盤價及開盤價，並取兩者之差再除以當日開盤價格所形成之比例作為當日報酬率之依據。由於處分效果與過度自信皆是以月為期間單位衡量，故將每日報酬率轉換成月報酬率，本篇. 21.

(27) 研究利用前一期之報酬率作為控制變數，其計算公式如下:. 𝑅𝑒𝑡𝑢𝑟𝑛𝑡−1 =. 𝑃𝑐 −𝑃0 𝑃0. (3-6). 𝑃𝑐 ：為當日收盤價 𝑃0 ：為當日開盤價第三節研究假說 Nicolosi, Peng, and Zhu (2009)發現當投資人的交易經驗增加，其交易績效會隨之而提升，表示投資人確實可透過自身交易經驗的累積來學習。綜觀過去台灣關於交易經驗與學習效果的文獻，陳汀鏗(2009)實證分析顯示，當散戶投資人在同股票或產業的交易經驗越多時，會增加其交易行為且投資績效亦會顯著提升，說明投資人具學習效果。楊智軒(2013)研究台灣股票市場中發現投資人交易報酬率和經驗呈正向關係，越有經驗之交易者，其報酬率越佳，表示學習效果較好。. 接著，我們針對兩類特定行為偏誤如處分效果與過度自信並觀察其學習行為是否與交易經驗累積具有關聯性。Feng & Seaholes (2005)研究中以累積交易量(即成交值)作為經驗的衡量指標，並指出當投資人在交易達一定程度時，其處分效果會因經驗之累積而減緩其程度，顯示出投資人能透過交易經驗來獲得學習能力之證據。因此本篇研究給予以下假說:. 假說一: 處分效果程度隨投資人經驗累積而越不明顯. 22.

(28) 然而，Gervais and Odean (2001)在偏誤學習模型中指出，對於過去擁有成功經驗的投資人會因自我歸因偏誤(self-attribution bias)的行為而增加其過度自信程度，投資人會傾向不理性地歸咎於大部分的成功或造成好表現之原因於自身優越能力而非運氣，並造成後續有更積極與頻繁的交易行為。因此，即便投資人能從交易經驗中學習並提升自我交易能力，但由於同時也存在著導致過度自信之來源的行為偏誤如控制幻覺(illusion of control)、認知偏誤(cognitive bias)以及自我歸因偏誤(self-attribution bias)等因素，故經驗似乎未必能降低其過度自信，反而會使行為偏誤程度增加。綜合上述論點，我們提出以下第二個假說:. 假說二: 過度自信程度隨投資人經驗累積而越明顯我們根據所篩選出的兩類具處分效果與過度自信之投資人，各自並再細分成兩種不同交易型態包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人，分別探討其交易經驗包括交易量以及交易天數兩者與學習效果之關聯性，並進一步觀察在不同程度下，處分效果與過度自信行為之投資人其經驗對兩類行為偏誤程度影響之異同。因此我們提出以下假說，探討臺灣期貨市場上兩類特定行為偏誤投資人其交易經驗與學習效果之關聯性。. 23.

(29) 第四節迴歸模型本篇主要以大台指期貨資料為基礎，分別篩選出具處分效果與過度自信之投資人，探討在 2007~2009 三年的期間中不同程度下兩類行為偏誤之投資人與其學習效果的關聯性。本研究以縱橫資料模型(Panel Data)來進行檢測分析，因此同時包含橫斷面(cross-section)和時間序列(times-series)資料兩種型態。故相較於一般的 OLS 模型，追蹤資料可同時考量到資料彼此間之差異性，而非僅考慮橫斷面或是時間序列資料，以避免因忽略而產生的錯誤分析。. 本研究之樣本期間為 2007 至 2009 共三年，並以每 4 個月為一區間作為衡量單位，共劃分為 9 期，分別篩選出處分效果與過度自信之程度位在全市場前 25%、 20%和 15%內之投資人且必須在任一期當中有一半以上之機率有交易(即四個月中至少需有兩個月具有交易紀錄)以及在全部樣本研究期間的 9 期之中至少需有 4 個月具有交易紀錄者作為本研究之樣本對象。接著依據兩類行為偏誤之投資人並以各程度行為偏誤之所有投資人的平均累積交易量和平均累積交易天數之中位數作為標準，再區分成兩種兩交易型態，包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之兩類投資人。觀察兩類具有行為偏誤之投資人是否為隨著交易量和交易天數的增加與累積，進而從中產生學習效果並影響其處分效果與過度自信之行為程度。本研究以 Panal Data 模型中的固定效果模型(Fixed Effect Model)來進行分析，此模型以固定截距來表現模型的不同結構，而截距項本身和解釋變數存在相關性， 24.

(30) 亦即 Cov(xi,t,  i )≠0。固定效果模型表示允許不同個體間擁有各自不同的特定截距項(常數)顯示出觀察值彼此間的差異，使得不同個體間具有其個別效果。本模型同時考慮橫斷面及時間序列資料並以個別效果和時間效果表示，容忍個體間與時間上有差異性存在，且模型假設為其差異性來自於母體本身，因此母體內相似度低。在模型估計上，設定兩種虛擬變數包含個別投資人虛擬變數(ID Dummy) 以及時間虛擬變數(Time Dummy)，當考量為該投資人資料時，代表該投資人之虛擬變數為 1，反之為 0；而當考量為該期間之資料時，代表該期間之虛擬變數為 1，反之為 0，因此本篇研究之迴歸分析模型可表示為(3-7)式如下:. 其中𝑦i,t+1此變數為我們所要觀察的學習效果情形，表示市場上分別在前 25%、 20%和 15%之投資人分別在兩種行為偏誤程度自 t 期至 t+1 期之變化量，即為第三章第二節所述之被解釋變數，透過觀察處分效果及過度自信的變化來衡量，迴歸等式右方第二項和第三項的主要解釋變數以累積交易量(口數)和累積交易天數作為衡量投資人經驗的指標，如同第三章第二節關於解釋變數之說明，利用第 i 位投資人在第 t 期交易時間內所累積交易量以及交易天數來衡量其經驗。迴歸等式右方第四項和第五項中的 Dj 及 Dk 分別表示投資人(ID Dummy)與時間(Time Dummy)虛擬變數，i 表示自 1, 2, …, N 個投資人，而 t 表示自 0, 1, …, 8 期。而等式右方的第六項為控制變數以 Xi,t 表示，其包含波動度(Volatilityt-1)之對數值、過度自信和報酬率(Returnt-1)。 25.

(31) 第四章. 實證結果與分析. 第一節敘述統計分析本章節依據第三章研究方法進行實證分析與結果探討，本研究利用臺股期貨交易市場，並依據每位投資者之個別交易帳號計算出不同程度下明顯具有處分效果與過度自信之投資人，分別探討市場上兩類具該行為偏誤與不同交易型態的投資人，其交易經驗的增加對學習效果之影響。【表 4-1】為大台指期貨商品在 2007~2009 期間，處分效果程度在市場上前 25%、20%和 15%之投資人在各年度的每月之平均 PGR－PLR 值，由表中觀察可發現處分效果程度在前 15%之投資人，其每月 PGR－PLR 值幾乎介於 0.50 至 0.60 間且每年平均亦介於 0.51 至 0.61，為相較於處分效果程度在前 20%和 25%之投資人更能表現該行為偏誤效果之群組；而市場上前 20%之處分效果程度投資人，其每年平均 PGR－PLR 值約介於 0.43 至 0.52 之間;前 25%之處分效果程度投資人，其每年平均 PGR－PLR 值約介於 0.37 至 0.45 之間。另外，值得一提的是，處分效果程度在前 15%之投資人其平均帳戶數約有 2,991 個，而前 20%與 25%之投資人分別有 4,108 和 4,985 個帳號。在三年研究期間內，無論是前 25%、20% 或是 15%之投資人，其每年平均處分效果程度皆是逐年下降。. 26.

(32) 【表 4-1】大台指期貨商品各年度每月平均 DE 值年度. 2007. 2008. 月份. 前 25%. 前 20%. 前 15%. 1月. 0.4604. 0.5336. 0.6276. 2月. 0.5340. 0.6194. 0.7246. 3月. 0.4324. 0.5041. 0.5967. 4月. 0.5177. 0.5950. 0.6930. 5月. 0.4613. 0.5365. 0.6326. 6月. 0.4334. 0.5117. 0.6129. 7月. 0.4402. 0.5111. 0.6013. 8月. 0.4892. 0.5666. 0.6655. 9月. 0.4609. 0.5368. 0.6324. 10 月. 0.3810. 0.4470. 0.5336. 11 月. 0.3971. 0.4633. 0.5490. 12 月. 0.3796. 0.4428. 0.5245. 平均. 0.4489. 0.5223. 0. 6161. 1月. 0.4572. 0.5271. 0.6183. 2月. 0.4322. 0.5063. 0.5978. 3月. 0.3430. 0.4081. 0.4934. 4月. 0.4295. 0.5011. 0.5930. 5月. 0.4551. 0.5259. 0.6149. 6月. 0.3770. 0.4391. 0.5186. 7月. 0.3582. 0.4213. 0.5046. 8月. 0.3713. 0.4376. 0.5253. 9月. 0.3461. 0.4064. 0.4853. 10 月. 0.3652. 0.4278. 0.5086. 11 月. 0.3330. 0.3917. 0.4681. 12 月. 0.3398. 0.4021. 0.4852. 平均. 0.3840. 0.4495. 0.5344. 27.

(33) 【表 4-1】大台指期貨商品各年度每月平均 DE 值年度. 2009. 月份. 前 25%. 前 20%. 前 15%. 1月. 0.4078. 0.4784. 0.5695. 2月. 0.4054. 0.4693. 0.5517. 3月. 0.3596. 0.4219. 0.5019. 4月. 0.3808. 0.4417. 0.5209. 5月. 0.3806. 0.4462. 0.5311. 6月. 0.3608. 0.4216. 0.4998. 7月. 0.3421. 0.4026. 0.4821. 8月. 0.3673. 0.4298. 0.5120. 9月. 0.3249. 0.3844. 0.4622. 10 月. 0.3458. 0.4076. 0.4906. 11 月. 0.3694. 0.4353. 0.5217. 12 月. 0.3767. 0.4408. 0.5240. 平均. 0.3684. 0.4316. 0.5139. 註: 上表為大台指期貨在 2007~2009 年各月間處分效果程度在前 25%、20%和 15%之投資人平均 PGR－PLR 值(即 DE 值). 【表 4-2】為大台指期貨商品在 2007~2009 期間，過度自信程度在市場上前 25%、20%和 15%之投資人在各年度之每月平均 OC 值，由表中觀察可發現過度自信程度在前 15%之投資人，其每月 OC 值幾乎落於 0.84 至 0.94 間且每年平均約介於 0.89 至 0.95，為相較於過度自信程度在前 20%和 25%之投資人更能表現該行為偏誤效果之群組；而市場上前 20%之過度自信程度投資人，其每年平均 OC 值約介於 0.83 至 0.90 之間；前 25%之過度自信程度投資人，其每年平均 OC 值約介於 0.78 至 0.86 之間。另外，過度自信程度在前 15%之投資人其平均帳戶數約有 3,054 個，而前 20%以及 25%之投資人分別有 4,072 和 5,091 個帳號。在三年研究期間內，無論是前 25%、20%或是前 15%之投資人，其每年平均過度自信的程度皆有逐年提升的現象。 28.

(34) 【表 4-2】大台指期貨商品各年度每月平均 OC 值年度. 2007. 2008. 月份. 前 25%. 前 20%. 前 15%. 1月. 0.7403. 0.7895. 0.8465. 2月. 0.8271. 0.8724. 0.9264. 3月. 0.6978. 0.7473. 0.8131. 4月. 0.7335. 0.7862. 0.8482. 5月. 0.6945. 0.7428. 0.8024. 6月. 0.7371. 0.7923. 0.8553. 7月. 0.7897. 0.8390. 0.9001. 8月. 0.8977. 0.9468. 0.9912. 9月. 0.8737. 0.9095. 0.9514. 10 月. 0.7940. 0.8358. 0.8874. 11 月. 0.8103. 0.8530. 0.9093. 12 月. 0.8230. 0.8718. 0.9335. 平均. 0.7849. 0.8322. 0.8887. 1月. 0.8294. 0.8766. 0.9359. 2月. 0.8371. 0.8836. 0.9413. 3月. 0.8058. 0.8473. 0.9010. 4月. 0.7789. 0.8289. 0.8895. 5月. 0.8283. 0.8676. 0.9143. 6月. 0.7576. 0.8066. 0.8688. 7月. 0.8566. 0.8994. 0.9492. 8月. 0.8470. 0.8859. 0.9325. 9月. 0.7832. 0.8345. 0.8985. 10 月. 0.8283. 0.8761. 0.9378. 11 月. 0.8619. 0.9092. 0.9654. 12 月. 0.8353. 0.8798. 0.9348. 平均. 0.8208. 0.8663. 0.9224. 29.

(35) 【表 4-2】大台指期貨商品各年度每月平均 OC 值年度. 2009. 月份. 前 25%. 前 20%. 前 15%. 1月. 0.8615. 0.9050. 0.9553. 2月. 0.8587. 0.9003. 0.9469. 3月. 0.8221. 0.8718. 0.9340. 4月. 0.8964. 0.9366. 0.9815. 5月. 0.9275. 0.9655. 0.9986. 6月. 0.9269. 0.9269. 0.9748. 7月. 0.8406. 0.8878. 0.9447. 8月. 0.8647. 0.9025. 0.9473. 9月. 0.8618. 0.9057. 0.9551. 10 月. 0.8134. 0.8565. 0.9087. 11 月. 0.7830. 0.8342. 0.8976. 12 月. 0.8512. 0.8878. 0.9319. 平均. 0.8590. 0.8984. 0.9480. 註: 上表為大台指期貨在 2007~2009 年各月間過度自信程度在前 25%、20%和 15%之投資人平均 OC 值. 本研究之樣本期間為 2007 年 1 月 2 日至 2009 年 12 月 31 日之每日交易資料，總共為 747 個交易日，以臺股期貨(TX)為交易資料為主。【表 4-3】及【表 4-4】分別為處分效果與過度自信之迴歸模型在每一研究區間之基本敘述統計，包含交易量(口數)和交易天數主要變數以及波動度和報酬率等控制變數，而【表 4-5】及【表 4-6】則為處分效果與過度自信將各個變數以全部樣本研究期間再切分成三年分別探討。. 30.

(36) 【表 4-3】迴歸模型變數－各研究期間基本敘述統計(處分效果 DE) 研究期間: t=0 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 556,461. 117,734. 前 25%. 平均值. 32.000. 6.730. 前 20%. 總數. 475,933. 86,088. 前 20%. 平均值. 34.224. 6.156. 前 15%. 總數. 275,246. 57,098. 前 15%. 平均值. 26.377. 5.449. Volatilityt. Returnt. OCt 0.6799. 0.0013. －. 0.7988 0.8586. 研究期間: t=1 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 752,568. 142,084. 前 25%. 平均值. 39.133. 7.423. 前 20%. 總數. 600,104. 101,709. 前 20%. 平均值. 38.991. 6.639. 前 15%. 總數. 351,524. 66,806. 前 15%. 平均值. 30.454. 5.818. Volatilityt. Returnt. OCt 0.7240. 0.0016. －. 0.8302 0.8873. 研究期間: t=2 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,044,877. 127,214. 前 25%. 平均值. 62.908. 7.862. 前 20%. 總數. 1,042,781. 92,599. 前 20%. 平均值. 77.509. 7.155. 前 15%. 總數. 765,860. 61,531. 前 15%. 平均值. 74.890. 6.336. 31. Volatilityt. Returnt. OCt 0.7753. 0.0021. －. 0.8675 0.9204.

(37) 研究期間: t=3 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,023,964. 147,630. 前 25%. 平均值. 52.539. 7.618. 前 20%. 總數. 894,082. 108,761. 前 20%. 平均值. 57.675. 7.022. 前 15%. 總數. 522,010. 72,748. 前 15%. 平均值. 45.229. 6.278. Volatilityt. Returnt. OCt 0.7673. 0.0025. －. 0.8591 0.9169. 研究期間: t=4 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,067,224. 177,709. 前 25%. 平均值. 49.013. 8.182. 前 20%. 總數. 927,778. 148,544. 前 20%. 平均值. 53.259. 8.587. 前 15%. 總數. 565,650. 97,236. 前 15%. 平均值. 43.287. 7.489. Volatilityt. Returnt. OCt 0.7869. 0.0024. －. 0.8649 0.9162. 研究期間: t=5 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,539,134. 194,474. 前 25%. 平均值. 66.804. 8.446. 前 20%. 總數. 1,369,516. 142,902. 前 20%. 平均值. 74.290. 7.758. 前 15%. 總數. 804,337. 95,902. 前 15%. 平均值. 58.152. 6.941. 32. Volatilityt. Returnt. OCt 0.7874. 0.0041. －. 0.8749 0.9341.

(38) 研究期間: t=6 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,296,633. 172,484. 前 25%. 平均值. 62.226. 8.272. 前 20%. 總數. 1,121,226. 128,552. 前 20%. 平均值. 67.196. 7.716. 前 15%. 總數. 654,386. 86,932. 前 15%. 平均值. 52.410. 6.966. Volatilityt. Returnt. OCt 0.8284. 0.0029. －. 0.9034 0.9544. 研究期間: t=7 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,928,519. 184,510. 前 25%. 平均值. 91.835. 8.763. 前 20%. 總數. 1,307,050. 136,282. 前 20%. 平均值. 78.026. 8.092. 前 15%. 總數. 831,250. 92,205. 前 15%. 平均值. 66.145. 7.298. Volatilityt. Returnt. OCt 0.8850. 0.0026. －. 0.9207 0.9663. 研究期間: t=8 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 1,422,459. 193,079. 前 25%. 平均值. 66.049. 8.984. 前 20%. 總數. 1,202,429. 141,803. 前 20%. 平均值. 69.818. 8.248. 前 15%. 總數. 745,922. 95,197. 前 15%. 平均值. 57.706. 7.383. 33. Volatilityt. Returnt. OCt 0.7920. 0.0017. －. 0.8710 0.9223.

(39) 【表 4-4】迴歸模型變數－各研究期間基本敘述統計(過度自信 OC) 研究期間: t=0 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 2,881,040. 127,537. 前 25%. 平均值. 168.623. 7.431. 前 20%. 總數. 2,631,596. 98,603. 前 20%. 平均值. 180.643. 6.756. 前 15%. 總數. 2,366,889. 77,454. 前 15%. 平均值. 219.035. 7.168. Volatilityt. Returnt. OCt. －. -0.0010. －. 研究期間: t=1 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 3,561,932. 138,136. 前 25%. 平均值. 182.439. 7.130. 前 20%. 總數. 2,792,386. 106,694. 前 20%. 平均值. 178.465. 6.898. 前 15%. 總數. 2,422,059. 82,074. 前 15%. 平均值. 206.066. 7.077. Volatilityt. Returnt. OCt. －. 0.0013. －－. 研究期間: t=2 主要變數(Experiencet). 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 3,534,920. 125,747. 前 25%. 平均值. 219.656. 7.830. 前 20%. 總數. 2,554,851. 92,531. 前 20%. 平均值. 201.154. 7.197. 前 15%. 總數. 2,185,930. 71,496. 前 15%. 平均值. 230.530. 7.430. 34. Volatilityt. Returnt. OCt. －. -0.0012. －.

(40) 研究期間: t=3 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 4,214,193. 136,988. 前 25%. 平均值. 203.794. 6.655. 前 20%. 總數. 2,283,683. 93,019. 前 20%. 平均值. 140.409. 5.659. 前 15%. 總數. 861,134. 56,736. 前 15%. 平均值. 68.927. 4.581. Volatilityt. Returnt. OCt. －. 0.0009. －. 研究期間: t=4 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 4,951,789. 174,271. 前 25%. 平均值. 215.022. 7.588. 前 20%. 總數. 4,011,036. 122,603. 前 20%. 平均值. 217.766. 6.677. 前 15%. 總數. 2,146,010. 71,446. 前 15%. 平均值. 155.359. 5.194. Volatilityt. Returnt. OCt. －. -0.0024. －. 研究期間: t=5 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 5,363,532. 153,304. 前 25%. 平均值. 224.351. 6.378. 前 20%. 總數. 3,309,681. 103,065. 前 20%. 平均值. 173.533. 5.368. 前 15%. 總數. 800,673. 55,952. 前 15%. 平均值. 55.907. 3.884. 35. Volatilityt. Returnt. OCt. －. -0.0596. －.

(41) 研究期間: t=6 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 4,897,325. 133,182. 前 25%. 平均值. 243.002. 6.428. 前 20%. 總數. 3,957,134. 91,045. 前 20%. 平均值. 246.784. 5.506. 前 15%. 總數. 1,754,471. 52,264. 前 15%. 平均值. 140.507. 4.201. Volatilityt. Returnt. OCt. －. 0.0054. －. 研究期間: t=7 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 6,068,434. 133,280. 前 25%. 平均值. 315.705. 6.745. 前 20%. 總數. 5,118,331. 89,003. 前 20%. 平均值. 331.794. 5.587. 前 15%. 總數. 1,675,865. 49,679. 前 15%. 平均值. 131.915. 4.106. Volatilityt. Returnt. OCt. －. -0.0010. －. 研究期間: t=8 主要變數(Experiencet) 變數. 控制變數(Xt). 交易量(口數). 交易天數. 前 25%. 總數. 6,627,333. 194,019. 前 25%. 平均值. 293.710. 8.617. 前 20%. 總數. 5,030,692. 137,080. 前 20%. 平均值. 277.955. 7.608. 前 15%. 總數. 3,861,716. 81,128. 前 15%. 平均值. 284.174. 6.006. 36. Volatilityt. Returnt. OCt. －. 0.0024. －.

(42) 【表 4-5】迴歸模型變數－每年基本敘述統計(處分效果 DE) 變數(平均值). 2007. 交易量(口數). 交易天數. 前 25%. 44.680. 7.338. 前 20%. 50.241. 6.650. 前 15%. 43.907. 5.868. 前 25%. 56.119. 8.802. 前 20%. 61.741. 7.789. 前 15%. 48.889. 6.903. N. Volatilityt. Returnt. 0.0017. -0.0003. 0.0030. -0.0195. 5,328(前 25% DE) / 4,263(前 20% DE) / 3,197(前 15% DE). N 2009. 控制變數(Xt). 4,372(前 25% DE) / 3,497(前 20% DE) / 2,623(前 15% DE). N 2008. 主要變數(Experiencet). 前 25%. 73.370. 8.673. 前 20%. 71.680. 8.019. 前 15%. 58.754. 7.216. 0.0024. 0.0023. 5,254(前 25% DE) / 4,203(前 20% DE) / 3,152(前 15% DE). 註: N 表示為每年平均開倉人數. 37.

(43) 【表 4-6】迴歸模型變數－每年基本敘述統計(過度自信 OC) 變數(平均值). 2007. 交易量(口數). 交易天數. 前 25%. 190.239. 7.464. 前 20%. 186.754. 6.950. 前 15%. 218.544. 7.225. 前 25%. 214.389. 6.874. 前 20%. 177.236. 5.901. 前 15%. 93.398. 4.553. N. Volatilityt. Returnt. 0.0017. -0.0003. 0.0030. -0.0195. 5,610(前 25% OC) / 4,488(前 20% OC) / 3,366(前 15% OC). N 2009. 控制變數(Xt). 4,453(前 25% OC) / 3,562(前 20% OC) / 2,672(前 15% OC). N 2008. 主要變數(Experiencet). 前 25%. 284.139. 7.263. 前 20%. 285.511. 6.234. 前 15%. 185.532. 4.771. 0.0024. 0.0023. 5,209(前 25% OC) / 4,167(前 20% OC) / 3,125(前 15% OC). 註: N 表示為每年平均開倉人數. 38.

(44) 第二節迴歸模型之實證結果自行為財務領域越趨成熟後，對於投資人其學習行為研究在行為財務學界中逐漸成為熱門的議題，由過去許多文獻結論亦可發現到投資人確實能透過自身交易經驗的累積來學習之證據，並且進而影響其行為偏誤之程度。若當我們了解自身投資經驗與行為偏誤程度變化的關聯性時，更有助於我們預測投資人的學習效果，突顯出研究學習行為之重要性。本研究資料型態以日資料為基礎，並以月為單位來衡量兩種行為偏誤。我們利用大臺指期貨商品交易資料所計算出不同處分效果與過度自信之投資人作為被解釋變數，並以累積交易量(口數)和累積交易天數當作解釋變數代入迴歸模型中，再運用固定效果模型(Fixed Effect Model)作為本篇研究之主要迴歸模型。【表 4-7】和【表 4-8】為大台指期貨處分效果之投資人固定效果迴歸模型檢定結果，分別針對兩類不同交易型態之處分效果投資人，包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人。從兩張表中可看出透過大台指期貨所篩選出市場上前 25%、20%和 15%之處分效果投資人，無論屬何種交易型態之投資人，若以累積交易天數作為經驗之衡量，其累積交易天數和處分效果程度變化在統計上皆有顯著負相關，表示隨著投資人交易時間拉長，使得累積交易天數增加，而單純經由時間增加所帶來的效果足以讓投資人能不斷地改進並調整自身投資交易能力及技巧，進而使其處分效果程度下降，故從此結果亦可推斷投資人隨時間拉長具有學習效果。 39.

(45) 而我們若以交易量作為衡量經驗累積之指標時，發現對於累積交易量低且累積交易天數短之投資人，除市場上前 15%之投資人外，其交易量與處分效果變化和用累積交易天數衡量皆有相同結果且呈現負向關係，尤其對於行為偏誤程度相對較小的前 25%之投資人有顯著關係，表示投資人可隨交易量的累積使其處分效果程度有顯著的降低，原因可能在於這類型的投資人較偏向法人的交易型態，對該類型投資人而言，傾向等待適當時機且一旦有利於投資人之資訊進入時才會進行交易，相較於另一類型投資人較為謹慎且受雜訊影響較小，因此使得其累積交易量較少且累積天數較短，故其學習效果也較另一類型投資人強，能顯著降低其處分效果程度。因此，對於該類投資人而言，從此結果亦顯示投資人能從經驗中學習，可看出處分效果會因交易量經驗之累積而學習到自身交易能力使其交易能力提升進而減緩其行為偏誤的程度。此結果如同 Feng & Seaholes (2005)研究中的發現，當投資人在交易經驗達一定程度時，其處分效果會因經驗之累積而減緩其程度。. 對於累積交易量高且累積交易天數長之投資人，無論在市場上前 25%、20% 或 15%之投資人，其交易量與處分效果變化皆有正向關係，原因可能在於該類型投資人，由於交易頻繁且累積交易天數多，常一有資訊進入時便立即交易，相較另一類型投資人亦受到外在雜訊干擾而產生急售獲利、惜售損失之現象。但此正向關係卻皆未顯著，表示投資人隨著交易量的增加與累積，並不會使其處分效果程度有顯著的增加。 40.

(46) 雖然，隨著投資人處分效果程度越趨嚴重，學習效果越弱，導致其行為偏誤降低之幅度逐漸變為不明顯，而未有顯著的降低，甚至在市場上前 15%之投資人，在統計上雖未顯著，但其處分效果反而有上升的趨勢。另外，由【表 4-7】和【表 4-8】表中的控制變數欄位亦可觀察到，無論是屬哪一種交易型態之處分效果投資人，其過度自信皆對處分效果有顯著的正向影響，表示隨著過度自信程度越高，其處分效果程度也越高。此結果符合王文聖 (2008)的研究中，發現台灣散戶投資人無論是在整體資料期間、多頭時期或是空頭時期皆存在過度自信影響處分效果且呈現正向關係。因此，可推斷對於處分效果程度在前 25%、20%和 15%的投資人，特別是累積交易量高且累積交易天數長之投資人，由於同時也伴隨著較高的過度自信現象。因具有過度自信現象且過去大多可能累積較多的成功交易經驗，導致後續有更積極與頻繁的交易，並使交易量增加，而為了維持或提升投資人之自信及信心程度，便會傾向急於出售該獲利的資產以顯示獲利來是自於自身判斷能力優越，使得處分效果程度亦隨之提升，因此由表中可看出累積交易量與處分效果程度呈現正向關係。. 41.

(47) 【表 4-7】大台指期貨固定效果迴歸檢定－處分效果(DE) (1) 交易型態類別: 累積交易量高且累積交易天數長之投資人自變數. 應變數: 處分效果之投資人 PGR－PLR 值之變化量前 25%. 前 20%. 前 15%. Experience1(累積交易量). 7.7151e-6 (1.626). 8.6628e-6 (1.150). 1.0007e-5 (0.134). Experience2(累積交易天數). -0.0026***. -0.0025***. -0.0022*. 控制變數(過度自信 OC). (-9.769) 0.1329***. (-5.441) 0.2207***. (-1.141) 0.4036**. (3.952) 2,560. (3.276) 808. (2.351) 184. 觀察值註: 1. 括弧內為 t 統計檢定量 2. *p<0.1, **p<0.05, *** p<0.001. 【表 4-8】大台指期貨固定效果迴歸檢定－處分效果(DE) (2) 交易型態類別: 累積交易量低且累積交易天數短之投資人自變數. 應變數: 處分效果之投資人 PGR－PLR 值之變化量前 20%. 前 15%. Experience1(累積交易量). ***. -0.0010 (-2.660). -6.9423e-6 (-0.011). 0.0016 (0.735). Experience2(累積交易天數). -0.0063***. -0.0062***. -0.0110*. (-6.649) 0.2811*** (6.313) 2,576. (-3.347) 0.2209** (2.429) 760. (-1.783) 0.6811*** (3.577) 208. 控制變數(過度自信 OC) 觀察值. 前 25%. 註: 1. 括弧內為 t 統計檢定量 2. *p<0.1, **p<0.05, *** p<0.001. 42.

(48) 【表 4-9】和【表 4-10】為大台指期貨過度自信之投資人固定效果迴歸模型檢定結果，分別針對兩類不同交易型態之過度自信投資人，包含累積交易量高且累積交易天數長以及累積交易量低且累積交易天數短之投資人。從兩張表中可發現透過大台指期貨所篩選出市場上前 25%、20%和 15%之過度自信投資人，若以累積交易天數作為經驗之衡量，對於累積交易量高且累積交易天數長之投資人，其累積交易天數和過度自信程度變化皆有顯著的負相關。表示隨著投資人交易時間拉長使得累積交易天數增加，而單純經由時間增加所帶來的效果足以讓投資人學習並調整自身投資技巧與能力，進而並使其過度自信程度下降。從此亦可推斷投資人隨時間拉長具有學習效果，顯示投資人獲得學習能力，並透過學習行為來改善其自身交易能力且經由時間的累積來修正過去交易行為，進而使其過度自信程度下降。而對於累積交易量低且累積交易天數短之投資人，其累積交易天數和過度自信程度變化皆為負相關，然而，僅在市場上前 25%之投資人族群中有顯著相關，代表隨著投資人過度自信程度越趨嚴重，其學習效果越弱，故隨交易天數的累積，其行為偏誤降低之幅度逐漸轉而不明顯，而未有顯著的降低。. 我們若以交易量作為衡量經驗累積之指標時，發現對於累積交易量高且累積交易天數長之投資人，在市場上前 25%和 20%投資交易人，其交易量與過度自信變化呈現顯著正向關係，表示投資人隨著交易量的累積，會使其過度自信程度有顯著的增加。此結論符合 Gervais and Odean (2001)的偏誤學習模型中，藉由觀察 1992 到 2006 年台灣日內交易者之投資資料指出對於過去擁有成功經驗的投資 43.

(49) 人會因有自我歸因此行為偏誤而增加其過度自信之程度，並造成後續有更積極的交易行為。而從【表 4-9】的結果可看出其結果符合 Gervais and Odean (2001)所述，對於累積交易量高且累積交易天數長之投資人，因交易頻率與交易天數都相當高，故就累積交易量增加而言，對於具有過度自信之投資人容易因過去擁有較多成功的交易經驗，傾向將其成功或造成好表現的原因歸咎於自身能力而非運氣，即存在導致過度自信之來源的自我歸因偏誤(self-attribution bias)因素使得投資人後續有更積極的交易行為並增加其交易量，使過度自信程度反而增加。故經驗似乎未必能降低其過度自信程度，由於上述因素，投資人會隨交易經驗的增加與累積而產生學習成為過度自信(learning to be overconfident)之現象。但隨過度自信程度越趨嚴重，此學習成為過度自信之現象越弱，如市場上前 15%投資交易人，隨著交易量的累積，其行為偏誤上升之幅度逐漸轉而不明顯，而未有顯著的上升。而對於累積交易量低且累積交易天數短之投資人，無論是在市場上何種程度之過度自信投資人，其交易量與其過度自信變化皆呈現負向關係，但在統計上皆未有顯著關係。此意味著投資人隨著交易量的累積與增加，其過度自信程度並無明顯地降低，不同於另一類型投資人會使其過度自信程度增加，代表該類投資人因交易型態偏向法人，傾向等至適當時機且一旦有利於投資人之資訊進入時才會進行交易，該類型投資人較為謹慎、保守且受雜訊影響相對較小，因此其累積交易量少且累積天數較短，故其學習效果能力相對較強，並不會使過度自信程度有顯著上升。 44.

(50) 【表 4-9】大台指期貨固定效果迴歸檢定－過度自信(OC) (1) 交易型態類別: 累積交易量高且累積交易天數長之投資人自變數 Experience1(累積交易量) Experience2(累積交易天數). 觀察值. 應變數: 過度自信之投資人 OC 值之變化量前 25%. 前 20% **. 3.6915e-8 (2.110). 前 15% *. 3.3902e-8 (1.769). 2.4724e-8 (1.050). -0.0011***. -0.0009***. -0.0010*. (-5.581). (-3.435). (-1.857). 1,720. 736. 272. 註: 1. 括弧內為 t 統計檢定量 2. *p<0.1, **p<0.05, *** p<0.001. 【表 4-10】大台指期貨固定效果迴歸檢定－過度自信(OC) (2) 交易型態類別: 累積交易量低且累積交易天數短之投資人自變數 Experience1(累積交易量) Experience2(累積交易天數). 觀察值. 應變數: 過度自信之投資人 OC 值之變化量前 25%. 前 20%. 前 15%. -0.0002 (-1.527). -0.0003 (-1.650). -8.1260e-5 (-0.140). -0.0020***. -0.0006. -0.0012. (-2.989) 1,080. (-0.521) 296. (-0.368) 72. 註: 1. 括弧內為 t 統計檢定量 2. *p<0.1, **p<0.05, *** p<0.001. 45.

(51) 第五章. 結論與建議. 第一節研究結論在近年來行為財務學領域中，有關學習效果之研究與討論以越趨於廣泛，且回顧過去文獻，皆可發現投資人確實有透過自身交易經驗的累積來學習之證據。大部分的研究主要著重於投資人交易績效、交易經驗以及學習效果三者之間的關聯性。而本篇主要探討以臺灣期貨市場上大台指期貨資料為基礎，透過篩選出市場上明顯具不同程度處分效果與過度自信之投資人，各自在將其區分成兩種交易型態，並觀察在 2007~2009 三年的期間中，不同程度下的處分效果與過度自信行為投資人的交易經驗包含累積交易量及累積交易天數與其學習效果之間的關聯性，探討兩類具行為偏誤之投資人是否存在學習行為。在本研究中，我們首先定義處分效果為當投資人在帳面上有獲利時，傾向過早出售該資產；反之，當面對帳面損失時，會繼續持有該資產，產生惜售資產之現象。而過度自信為投資人有因在過去有已實現正報酬且在三天內開新倉行為者稱之。接著，我們篩選出在整體市場上處分效果與過度自信程度位於前 25%、20% 和 15%之投資人作為樣本並認定該投資人具有該行為偏誤，並觀察其後續行為表現與學習效果之關聯性。在過去許多行為財務文獻中，針對投資人學習效果之行為研究，大部分皆以累積交易量當作經驗的衡量指標來判斷與探討投資人的學習效果。而本篇研究將. 46.

(52) 經驗此變數以累積交易量(口數)與累積交易天數兩者當作經驗之替代變數作為本研究迴歸模型中的解釋變數來衡量，並利用固定效果模型(Fixed Effect Model) 的迴歸檢定來檢測，發現累積交易量(口數)與累積交易天數兩者對於不同交易型態的行為偏誤投資人有著不同的影響，因此我們認為以累積交易量或是累積交易天數作為經驗衡量之指標，其所代表的意涵並非相同。. 透過我們迴歸模型證實，若利用由累積交易量來衡量經驗，交易量的累積所代表投資人成功或失敗次數的累積，而如同 Gervais and Odean (2001)在偏誤學習模型中指出當投資人對於過去擁有較多的成功經驗時，會傾向將其成功或造成好表現的原因歸咎於自身能力而非運氣，使得投資人後續有更積極且頻繁的交易行為，可能導致行為偏誤更為嚴重。上述論點符合本研究之結果，對於市場上前 25%和 20%屬累積交易量高且累積交易天數長之過度自信投資人，其交易量與過度自信變化呈現顯著正向關係，表示投資人隨著交易量的累積，由於存在導致過度自信之來源的行為偏誤如自我歸因偏誤(self-attribution bias)因素影響，經驗似乎未必能降低其過度自信程度，反而使投資人成為更具行為偏誤之投資人，其結果與我們所預期之假說二相一致。但隨過度自信程度越趨嚴重，其學習成為過度自信此現象越漸趨緩。而對於無論是在市場上前 25%、20%或 15%屬累積交易量低且累積交易天數短之過度自信投資人，其交易量與過度自信變化皆呈現負向關係，雖並未有顯著關係，但也不同於另一類型投資人使過度自信程度增加。. 另外，對於累積交易量低且累積交易天數短之處分效果投資人，其交易量與 47.

(53) 處分效果程度變化呈現負向關係，尤其在市場上前 25%之投資人族群中具顯著負相關，表示隨投資人交易量的增加與累積，確實能使其處分效果程度減緩，亦顯示該類投資人能透過交易量之經驗累積產生學習效果並降低其行為偏誤之程度，此結果符合我們先前所預期的假說一，表示處分效果程度隨投資人經驗累積而越不明顯，並且與 Feng & Seaholes (2005)之研究結論相符，指出當投資人在交易經驗達一定程度時，其處分效果會因經驗累積而減緩其程度。而相較於累積交易量高且累積交易天數長之投資人未能見到此現象，差別可能在於該類型投資人，其交易頻繁且累積交易天數多，表示常一有資訊進入時便立即進行交易，因此較易受到外在雜訊干擾影響而產生急售獲利、惜售損失之行為偏誤。. 而若由累積交易天數作為經驗之衡量時，其意涵表示隨交易天數的增加且不考慮交易量因素，單純僅有時間上的拉長，而此時間效果可使投資人有足夠時間獲得學習能力，並增進自身交易技巧及能力，進而降低其行為偏誤之程度。因此，可發現對於處分效果或過度自信之投資人且無論屬於何種交易型態，隨著交易時間拉長，投資人能經由累積交易天數的增加與累積產生學習行為，進而改善自身交易能力，並使其行為偏誤之程度降低。同時，此結果也表示投資人能透過累積交易天數的增加來獲得學習效果。. 48.

(54) 第二節研究建議本研究以臺灣期貨市場上為基礎，利用臺灣期貨交易所提供的成交檔資料並依據每為投資人之個別帳號篩選出兩類具有處分效果與過度自信行為偏誤之投資人，並探討在不同行為偏誤程度下，對於不同交易型態之投資人，其交易經驗與學習效果之關聯性以及對於行為偏誤程度之影響。然而，本研究仍有可改善之處，故我們提供以下建議以便後續能繼續往該方向研究發展。 1. 由於本研究樣本之資料對象為探討整體市場中兩類特定行為偏誤投資人的學習效果研究，研究對象包含一般自然人、法人、自營商及法人等，雖本研究主要研究對象仍以一般自然人占多數，但我們建議後續研究可將投資者身分別再進一步細分成各類，並且比較各類投資人學習效果之組間差異，如此更能了解不同類型投資人其交易經驗對行為偏誤之影響程度。 2. 由於本研究迴歸模型之自變數主要以累積交易量和累積交易天數兩者作為經驗之替代變數來衡量，並探討經驗之累積與學習效果之間的關聯性，而我們建議未來可在多加入經驗的平方項於迴歸模型中以更進一步了解投資人在學習速度之變化，試著觀察其學習效果隨經驗累積會是如何變化，並進而影響處分效果與過度自信程度。. 49.

(55) 參考文獻 1. 王文聖，2008，過度自信、處分效果及其因果關係－以台灣散戶投資人為例，國立中興大學企業管理所碩士論文。 2. 吳明倉，2013，投資人行為對期貨市場流動性之影響：以處分效果與過度自信為例，國立臺灣師範大學管理所碩士論文。 3. 周賓凰、池祥萱、周冠男與龔怡霖，2002，行為財務學:文獻回顧與展望，證券市場發展季刊，14，1– 46。 4. 周賓凰、池祥萱、周冠男與龔怡霖，2016，行為財務學文獻回顧與展望:台灣市場之研究，經濟論文叢刊(Taiwan Economic Review)，44(1)，1–13。 5. 陳汀鏗，2009，散戶投資人在同股票與產業交易經驗的學習效果，國立暨南國際大學財務金融所碩士論文。 6. 楊智軒，2013，股票市場上投資人交易之學習效果，淡江大學財務金融所碩士論文。 7. 蔡永順、劉文智，2011，台灣機構投資人過度自信行為實證研究，台灣管理學刊，11(2)。 8. Arrow, K. (1962). The Economic Implications of Learning by Doing. Review of Economic Studies, 29:155-73. 9. Barber, B. and Odean, T. (2000). Too many cooks spoil the profits: The performance of investment clubs. Financial Analyst Journal, 56(1), 17-25. 10. Barber, B. M., Lee, Y-T, Liu, Y-J, and Odean, T. (2009). Just How Much do Individual Investors Lose by Trading? Review of Financial Studies, 22, 609-632. 11. Barber, B. M., Lee, Y-T, Liu, Y-J, and Odean, T. (2011). Do Day Traders Rationally Learn about their Ability? Unpublished working paper. University of California at Davis and Peking University and University of California, 50.