外匯市場因子與流動性風險之關係 - 政大學術集成
78
0
0
全文
(2) 摘要 本論文是研究外匯市場中利差交易、動能交易以及價值交易因子間的關係以 及其與流動性風險之關係，故先檢視在樣本期間內(1985/02 至 2017/08)，用高 減低法將 37 國貨幣以各因子指標大小分為 4 個投組並計算出投組報酬，結果發 現各因子都有顯著的超額報酬。另外，發現了動能交易與價值交易為負向關且顯 著。 接著探討 5 種流動性風險因子是否能解釋利差交易、動能交易以及價值交易 之超額報酬，以及上述的因子是否能解釋動能交易與價值交易之間顯著的負向關. 政 治 大 各投組報酬之間的關係，結果發現融資流動性風險指標較市場流動性風險指標來 立. 係，因此使用了簡單迴歸法來檢驗 5 種流動性風險因子與各因子之 4 個投組以及. ‧ 國. 學. 的顯著且當融資流動性風險上升時利差及動能交易的報酬會下降而價值交易的 報酬會上升，本研究認為動能交易與價值交易之間的負相關可能是來自兩者與融. ‧. 資流動性風險指標之相反關係。最後使用 Fama-Macbeth 兩步驟回歸法評估其定. sit. y. Nat. 價能力，結果發現不管是使用利差交易、動能交易或價值交易的投組去跑 Fama-. al. n. 好。. er. io. Macbeth 兩步驟迴歸，融資流動性風險指標之定價能力都比市場流動性風險指標. Ch. engchi. i n U. v. 關鍵字:外匯交易、利差交易策略、動能交易策略、價值交易策略、流動性風險 因子、Fama-Macbeth 兩步驟回歸。 II. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(3) Abstract This paper is research the relationship between factors and liquidity risks in the foreign exchange market. First, we use 37 currencies and factor indexes to build up four portfolios by High minus Low method in the sample period from 1985/02 to 2017/08.Then we find out each factor has significant excess return and the relationship between Momentum and Value factors is obviously negative. Second, we explore if five liquidity risks can explain the excess returns in Carry trade, Momentum strategy and Value strategy factor. Otherwise, if the factors above can. 政 治 大 use the simple regression to 立testify those relations and find out that funding liquidity explain the negative relationship between Momentum factor and Value factor. So, we. ‧ 國. 學. risk factors are more significant than market liquidity risk factors in the regression. When the funding liquidity risk falls, excess returns of Carry and Momentum factors. ‧. will rise and excess return of Value factor will rise. In this study opinion, the negative. sit. y. Nat. relationship between Momentum and Value factors may be caused by their opposite. n. al. er. io. relationship with funding liquidity risk.. i n U. v. In the end, we use Fama-Macbeth two-step regression to testify the asset pricing. Ch. engchi. ability. We find out that the asset pricing ability of funding liquidity risk factor is better than market liquidity risk factor regardless in every Fama-Macbeth two-step regression.. Key words: FX trading, Carry trade, Momentum strategy, Value strategy, liquidity risk factor, Fama-Macbeth two-step regression. III. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(4) 目錄 第一章 .緒論 ..................................... 1 第一節 .研究背景與動機 ........................ 1 第二節 .研究目的 .............................. 2 第三節 .論文架構與各章節簡介 .................. 2 第二章 .論文回顧 ................................. 3 第一節 . 利差、動能、價值因子 治 ................. 3. 政. 大. 立 第二節 . 流動性風險因子 ....................... 4. ‧ 國. 學. 第三章 .資料樣本選擇與研究方法 ................... 6. ‧. 第一節 .樣本選擇 .............................. 6. Nat. io. sit. y. 第二節 .投資組合及策略建立 ................... 11. er. 第三節 .流動性風險因子選取與定義 ............. 17. al. n. v i n Ch .重大事件與流動性風險之關聯............ engchi U. 第四節. 20. 第五節 .不好的事件對各交易因子之影響.......... 27 第六節 .流動性螺旋 ........................... 28 第四章 .流動性曝險 .............................. 29 第一節 主成因分析 ............................ 29 第二節 .流動性曝險 ........................... 34 第三節 .各投組之流動性及其與市場流動性之敏感度 38 IV. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(5) 第四節 .Fama-Macbeth 兩步驟迴歸 ............... 41 第五章 .結論 .................................... 64 參考文獻 ........................................ 66. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. V. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(6) 表次 表 3-1 各國貨幣統計量 ........................................................ 9 表 3-2 利差、動能、價值交易投組報酬 ........................... 15 表 3-3 各策略之報酬 .......................................................... 15 表 3-4 因子間相關係數矩陣 ............................................. 16 表 3-5 Linear 權重法因子間相關係數 ............................. 16 表 3-6 Rank 權重法因子間相關係數 治 ................................. 16. 政. 大. 立 表 3-7 流動性風險與事件時期回歸結果 ........................... 26. ‧ 國. 學. 表 3-8 各因子報酬與事件回歸結果 .................................. 27. ‧. 表 3-9 流動性螺旋 ............................................................. 28. sit. y. Nat. 表 4-1 Funding liquidity PC 碎石檢驗表 ..................... 30. er. io. 表 4-2 Market liquidity PC 碎石檢驗表 ....................... 30. al. n. v i n C h PC 碎石檢驗表 liquidity e n g c h i U ........................... 30. 表 4-3. ALL. 表 4-4 Funding liquidity risk 主成因分析 ................ 31 表 4-5 funding liquidity risk PC1 .............................. 31 表 4-6 Market liquidity risk 主成因分析 ................... 32 表 4-7 Market liquidity risk PC1 ................................ 32 表 4-8 ALL liquidity risk 主成因分析 ......................... 33 表 4-9 ALL liquidity risk PC1...................................... 33 VI. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(7) 表 4-10 流動性風險因子對各交易投組曝險程度 ............. 35 表 4-11 流動性因子之曝險程度........................................ 37 表 4-12 各投組之平均 Bid-ask spread ........................... 39 表 4-13 母體平均數差異檢驗............................................ 39 表 4-14 投組與市場流動性之敏感度 ................................ 40 表 4-15 Ted spread 對利差交易第一階段迴歸 ............... 44 表 4-16 Ted spread 對利差交易第二階段迴歸 ............... 44 治. 政. 大. 立 表 4-17 Pastor&Stambaugh 對利差交易第一階段迴歸 ... 46. ‧ 國. 學. 表 4-18 Pastor&Stambaugh 對利差交易第二階段迴歸 ... 46. ‧. 表 4-19 Ted spread 對動能交易第一階段迴歸 ............... 48. sit. y. Nat. 表 4-20 Ted spread 對動能交易第二階段迴歸 ............... 48. er. io. 表 4-21 IRP-Tbill 對動能交易第一階段迴歸 ................. 49. al. n. v i n Ch IRP-Tbill 對動能交易第二階段迴歸 ................. 49 engchi U. 表 4-22. 表 4-23 Ted spread 對價值交易第一階段迴歸 ............... 51 表 4-24 Ted spread 對價值交易第二階段迴歸 ............... 51 表 4-25 Funding PC1 對利差交易第一階段迴歸 ............. 53 表 4-26 Funding PC1 對利差交易第二階段迴歸 ............. 53 表 4-27 Market PC1 對利差交易第一階段迴歸 ............... 54 表 4-28 Market PC1 對利差交易第二階段迴歸 ............... 54 VII. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(8) 表 4-29 ALL PC1 對利差交易第一階段迴歸 ..................... 55 表 4-30 ALL PC1 對利差交易第二階段迴歸 ..................... 55 表 4-31 Funding PC1 對動能交易第一階段迴歸 ............. 57 表 4-32 Funding PC1 對動能交易第二階段迴歸 ............. 57 表 4-33 Market PC1 對動能交易第一階段迴歸 ............... 58 表 4-34 Market PC1 對動能交易第二階段迴歸 ............... 58 表 4-35 ALL PC1 對動能交易第一階段迴歸 ..................... 59 治. 政. 大. 表 4-36 ALL PC1立 對動能交易第二階段迴歸 ..................... 59. ‧ 國. 學. 表 4-37 Funding PC1 對價值交易第一階段迴歸 ............. 61. ‧. 表 4-38 Funding PC1 對價值交易第二階段迴歸 ............. 61. sit. y. Nat. 表 4-39 Market PC1 對價值交易第一階段迴歸 ............... 62. er. io. 表 4-40 Market PC1 對價值交易第二階段迴歸 ............... 62. al. n. v i n Ch PC1 對價值交易第一階段迴歸 ..................... 63 engchi U. 表 4-41 ALL. 表 4-42 ALL PC1 對價值交易第二階段迴歸 ..................... 63. VIII. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(9) 圖次 圖 3-1 Ted spread 走勢圖 ........................ 23 圖 3-2 LIBOR-repo spread 走勢圖 ................. 24 圖 3-3 IRP minus TBill 走勢圖 ................... 24 圖 3-4 Pastor and Stambaugh 走勢圖 .............. 25 圖 3-5 Bid-ask spread 走勢圖 .................... 25. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. IX. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(10) 第一章.緒論. 第一節.研究背景與動機 在黃品翔(2017)論文中研究發現外匯三因子模型(市場、利差及動能因子)是 比兩因子模型(市場、利差因子)來的適切的且外匯超額報酬之解釋能力較高，而 在 Asness, Moskowitz,and Pedersen(2013) 論 文 中 使 用 了 另 一 個 因 子 也 就 是 Value(價值因子)，結果研究發現了 Value 與 Momentum 之間是負相關且顯著的. 政 治 大. 而且其負向關係可能是來自它們兩個對流動性風險指標相反的相關係數及 Value、. 立. Momentum 策 略 超 額 報 酬 背 後 的 成 因 。 另 外 在 Mancini, Ranaldo,and. ‧ 國. 學. Wrampelmeyer*(2013)中研究出流動性在各國的貨幣有顯著的差別且流動性風險 因子在 2007 年到 2009 年間對利差交易的報酬有很大的影響。並且發現低利率的. ‧. 貨幣會有正的 liquidity risk beta 而高利率國家有負的 liquidity risk beta，因此當流. y. Nat. sit. 動性風險下降時(流動性變好)，高利率貨幣會升值更多而低利率貨幣會貶值更多. n. al. er. io. 造成利差交易獲利。. i n U. v. 因此本文以這兩篇論文為出發，探討利差交易、動能交易、價值交易之超額. Ch. 報酬與流動性風險因子的關係。. engchi. 1. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(11) 第二節.研究目的 本文研究目的在於探討利差、動能及價值交易策略超額報酬是否能由流動性 風險因子所解釋以及利差交易、動能交易及價值交易報酬間的相關係數是否跟流 動性風險有關。另外進一步研究流動性風險因子是否可以被外匯市場所定價。依 據一些文章為發想，本文使用了以下 5 種流動性風險指標，其中又分成融資流動 性(Funding liquidity risk)及市場流動性風險(Market liquidity risk)。. 第三節.論文架構與各章節簡介. 資料樣本選擇以及研究方法(包含計算超額報酬及投組之建立). sit. y. Nat. 流動性風險因子之曝險程度及定價能力. io. n. al. er. 第四章. 論文回顧. ‧. 第三章. 學. 第二章. ‧ 國. 第一章. 政 治 大 研究動機及研究目的 立. 第五章. Ch. 結論與建議. engchi. i n U. v. 2. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(12) 第二章.論文回顧. 第一節. 利差、動能、價值因子 Lustig, Roussanov and Verdelhan(2011)中，研究得出外匯超額報酬是可以由. 兩因子模型所解釋，分別是市場因子(RX)及利差交易因子(HML)，而黃祺真 (2016)論文中加入了Menkhoff, Sarno, Schmeling and Schrimpf(2012a)中的動能. 交易因子(MS)形成一個三因子模型，並發現三因子模型不論在判定係數或定價. 政 治 大 黃品翔(2017)論文中也研究出了外匯三因子模型是比兩因子模型來的好，另 立. 能力等都比兩因子模型來的好。. ‧ 國. 學. 外探討了可能影響利差交易、動能交易的 11 個變數，並且研究得出股價指數波 動因子(∆EVOL)會影響利差交易因子且為負相關；而股價指數波動因子(∆EVOL). ‧. 及落後期限利差因子(∆LTS)會影響動能交易因子且為正相關。. sit. y. Nat. 在 Raza*(2015)中研究了價值交易因子(Value)在外匯市場中是否有超額報酬，. al. er. io. 使用了 RERL(實質匯率)、RERC(實質匯率累積 5 年變動量)、PPP(購買力平價). v. n. 及 BML(大麥克指數)4 個指標來做為價值交易的因子，並依據持有期間分別為. Ch. engchi. i n U. 1、2、3 個禮拜及 1、3、6、9、12 個月研究 4 個指標做出來的投組報酬高低，發 現了 RERL 策略在持有期間為 1 個禮拜至 3 個禮拜有最高的超額報酬；RERC 在 持有期間為 1 個月至 12 個月有最高的超額報酬。因為本文投組持有期間為 1 個 月，因此本文將 RERC 加入模型中做為價值交易因子。 Menkhoff et al. (2016)中使用實質匯率 5 年的變化量(∆5𝑦𝑦 𝑞𝑞𝑖𝑖,𝑡𝑡 )做為價值交易. 因子，另外因為生產力(productivity)、出口品質(The quality of export goods)、. 淨國外資產(NFA)及產出缺口(Output gaps)這 4 個變數可能會影響一國的實質 匯率高低，因此將 4 個總體經濟指標做為控制變數也就是將∆5𝑦𝑦 𝑞𝑞𝑖𝑖,𝑡𝑡 做為依變數與. 4 個自變數跑簡單線性迴歸，並取出殘差項後做為計算價值交易之因子。結果發 3. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(13) 現使用單純的∆5𝑦𝑦 𝑞𝑞𝑖𝑖,𝑡𝑡 做的策略及將 4 個總體經濟指標控制後所做的策略都有顯 著的外匯超額報酬與高的夏普指數，而且後者的夏普指數是比前者高的。. 第二節. 流動性風險因子 在Amihud ∗ (2002)研究在股票市場中流動性與資產報酬之間的關係，使用. 來衡量非流動性(illiquidity)指標是股票的日報酬取絕對值除以股票的日交易量. 再將其按天數平均(ILLIQ)，這個指標是衡量當減少一單位的交易量會造成股票 報酬變動多大，因此如果股票的流動性越差的話此指標會越大，最後將個別股票. 政 治 大 )與股票報酬(𝑅𝑅𝑅𝑅 )呈現正向關係但未預期的(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 )與股票報 立. 的ILLIQ平均求出市場的非流動性指標(AILLIQ)。此論文發現已預期的低流動性 風險(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝑡𝑡−1. 𝑈𝑈 𝑡𝑡. 𝑡𝑡. 酬呈現負向關係，也就是說已知這檔股票是低流動性下，此股票報酬會較高；但. ‧ 國. 學. 當本期發生未預期流動性下降時此檔股票報酬反而會下降。. ‧. Banti,Phylaktis,and Sarno(2012)中使用 20 個匯率及它們的 order flow 計算出. y. Nat. 各別貨幣的流動性風險及平均成為市場流動性風險，並發現了個別貨幣對市場流. er. io. sit. 動性風險之敏感度是大於 0 且顯著的，代表市場流動性風險能解釋個別貨幣流動 性風險之變化。作者將敏感度由大至小排序並將最大的貨幣放入投組 4 最小的放. al. n. v i n 入投組 1，結果發現投組 4 的報酬是最大的，代表流動性風險越大的貨幣報酬越 Ch engchi U 高。最後作者將市場流動性風險因子用來跑 4 個投組的 Fama-Macbeth 兩步驟迴 歸，結果發現其風險溢酬值大於 0 且顯著，代表是可以被外匯市場超額報酬所訂 價的。. Mancini et al.(2013)中探討流動性在外匯市場的影響，跟認知中外匯市場是 高流動的相反，作者發現在某些時候流動性會有顯著的變動，而這種流動性下降 現象會使 carry trader 有額外的損失。另外，各匯率對的流動性有連動關係，這種 連動關係代表整個外匯市場(不是各別匯率)的 shocks 是對外匯市場流動性有很 大的影響力的。 4. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(14) 另外，作者也有分析流動性風險對 carry trade 的影響，發現低利率貨幣會有 低的流動性風險及對 Market-wide liquidity 低的敏感度、正的β，因此會有保險效 果。高利率貨幣則是相反。而從這個β的正負可以發現一個現象，當流動性低時， 投資人會想解約carry trade(賣高利率貨幣買低利率貨幣)，但是此時因為高(低). 利率貨幣β<(>)0，此時高利率貨幣會貶值而低利率貨幣會升值，故投資人損失會 更慘重。 Asness et al.(2013)中計算了 8 個不同市場的動能及價值交易來驗證它們的報 酬，作者在每個市場中發現顯著的超額報酬並且發現不同市場間的策略報酬也有. 政 治 大 策略和其他市場的 Momentum 策略存在正向關係，但 Value 和 Momentum 策略 立. 顯著的連動性—Value 策略和其他市場的 Value 策略存在正向關係；Momentum. 在各個市場是存在負向關係，因此作者想找出其負相關之原因。作者使用了 6 個. ‧ 國. 學. 流動性風險因子(3 個 Funding liquidity risk 因子及 3 個 Market liquidity risk 因子). ‧. 來檢驗其與動能及價值交易報酬之關係，結果發現流動性風險在各個市場都與. y. Nat. Value 是正向關係與 Momentum 是負向關係。代表 Value 與 Momentum 報酬負相. er. io. sit. 關的一部份原因可能是來自它們兩個對流動性風險指標相反的相關係數。另外如 果把流動性風險分開為 Funding liquidity risk 與 Market liquidity risk，會發現 Value. al. n. v i n 與 Momentum 報酬的關係主要是來自 risk。且這個現象不會因 C h Funding liquidity engchi U 為只看單獨一個市場就不成立。. 5. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(15) 第三章.資料樣本選擇與研究方法. 第一節.樣本選擇 一.貨幣樣本 本文依照 Lustig et al.(2011)論文中使用的 37 國貨幣之月資料，國家分別為: 澳洲(Australian Dollar)、奧地利(Austrian Schilling)、比利時(Belgian Franc)、加 拿大(Canadian Dollar)、捷克(Czech Koruna)、丹麥(Danish Krone)、荷蘭(Dutch. 政 治 大. Guider)、歐盟國(Euro)、芬蘭(Finnish Markka)、法國(French Franc)、德國(German. 立. Mark)、希臘(Greek Drachma)、香港(Hong Kong Dollar)、匈牙利(Hungarian. ‧ 國. 學. Forint)、印度(Indian Rupee)、印尼(Indonesian Rupiah)、愛爾蘭(Irish Pound)、義 大利(Italian Lira)、日本(Japanese Yen)、科威特(Kuwaiti Dinar)、馬來西亞. ‧. (Malaysian Ringgit)、墨西哥(Mexican Peso)、紐西蘭(New Zealand Dollar)、挪威. y. Nat. sit. (Norwegian Krone) 、 菲 律 賓 (Philippine Peso) 、 波 蘭 (Polish Zloty) 、 葡 萄 牙. n. al. er. io. (Portuguese Escudo)、沙烏地阿拉伯(Saudi Arabian Riyal)、新加坡(Singaporean. i n U. v. Dollar)、南非(South African Rand)、南韓(South Korean Won)、西班牙(Spanish. Ch. engchi. Peseta)、瑞典(Swedish Krona)、瑞士(Swiss Franc)、台灣(Taiwanese Dollar)、泰 國(Thai Baht)、英國(United Kingdom Pound)。資料取自 Datastram 資料庫，報價 商以湯森路透(TR/WMR)為主巴克萊銀行(Barclays/BBI)為輔，判斷依據為是否 能提供較長年度的即期及遠期報價資料。樣本期間為 1985 年 01 月至 2017 年 08 月，使用的是月資料如同 Burnside,Eichenbaum,Kleshchelski and Rebelo(2011)研究 中，取每月最後交易日之收盤資料。貨幣資料包含各幣別之即期及一個月匯率， 而因為歐元區於 1999 年實施，因此依照 Lustig et al.(2011)論文在 1999 年後刪除 掉奧地利、比利時、芬蘭、法國、德國、愛爾蘭、義大利、荷蘭、葡萄牙、西班 牙之資料，而希臘因為 1999 年未達使用歐元之標準故於 2001 年加入後才刪除資 6. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(16) 料。另外樣本資料中也刪除因匯率管制使得違反拋補利率平價說(CIP)的貨幣期 間，分別為: (一)南非幣 1985/08 (二)比利時法郎 1990/07 至 1992/08(三)馬來幣 1998/09 至 2005/06(四)印尼盾 2001/01 至 2007/05(五)沙烏地里亞爾 2006/07 至 2006/11。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 7. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(17) 二.外匯超額報酬計算 在建立策略及投組前，先列出需要的資訊計算方式。 無交易成本之外匯超額報酬: 本研究以美國投資者角度出發，均以美元為基準貨幣。其中S表示為外幣兌 換一美元之即期匯率取自然對數而f表示一個月後遠期匯率取自然對數，外匯超 額報酬rx之計算方式為前一個月買入一個月遠期外匯契約並在今日以即期現貨 市場賣出外幣: (3.1). 𝑟𝑟𝑟𝑟𝑡𝑡 = 𝑓𝑓𝑡𝑡−1 − 𝑠𝑠𝑡𝑡. 政 治 大. 又𝑠𝑠𝑡𝑡 等於𝑠𝑠𝑡𝑡−1 + ∆𝑠𝑠𝑡𝑡 ，故可將上式改寫:. 立. ‧ 國. (3.2). 學. 𝑟𝑟𝑟𝑟𝑡𝑡 = 𝑓𝑓𝑡𝑡−1 − 𝑠𝑠𝑡𝑡−1 − ∆𝑠𝑠𝑡𝑡. 另外，根據拋補利率平價理論(CIP)，資金在具有充分流動的情況下，高(低). ‧. 利率貨幣國家在遠期市場會產生貼(升)水情況，而兩國的利率差額也會近似於遠. y. sit. io. n. al. ∗ 𝑟𝑟𝑟𝑟𝑡𝑡 = 𝑖𝑖𝑡𝑡−1 − 𝑖𝑖𝑡𝑡−1 − ∆𝑠𝑠𝑡𝑡. (3.3). er. Nat. 期貼水，故 3.2 式又可改寫為:. i n U. v. ∗ 其中𝑖𝑖𝑡𝑡−1 為在t − 1期外國名目無風險利率而𝑖𝑖𝑡𝑡−1 為美國名目無風險利率。由. Ch. engchi. 3.3 式中可知，外匯超額報酬主要來源為兩國貨幣利率差異及匯率升貶值，∆𝑠𝑠𝑡𝑡 為. 正數代表美元相對於目標貨幣升值，將損失因利率獲得之利差收益。. 8. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(18) 各國貨幣樣本資料期間及數據統整如下表: 表 3-1 各國貨幣統計量 貨幣. 樣本期間. End Mean 2017/08 2.98%. 11.85%. 3.06%. 0.81%. 1993/12. 1999/12 -6.04%. 9.55%. -2.13%. 0.05%. 1985/01 1985/01. 1992/08 15.46% 2017/08 0.94%. 12.90%. 5.22%. 4.58%. 7.43% 政 治 大 2017/08 1.88% 12.43%. 0.76%. 0.48%. 0.83%. 1.17%. 2017/08 1999/12 2017/08 1999/12. Mean. Std. 0.82%. 0.92%. 4.22%. 11.61%. -0.37%. 0.91%. -0.34%. 10.16%. -0.41%. 0.37%. -7.03%. 9.69%. -2.31%. 0.09%. 11.21%. 1.56%. 0.94%. 11.59%. -0.62%. 0.95%. 10.83%. 4.77%. 0.73%. v i n 1985/01C h2017/08 -0.23% e n g c h i U 0.64%. -0.22%. 0.36%. 1993/12. 2017/08 3.83%. 13.72%. 5.20%. 1.10%. 1993/12 1993/12. 2017/08 1.86% 2017/08 -1.71%. 7.24%. 4.70%. 0.80%. 30.85%. 9.48%. 3.11%. 1993/12 1985/01 1985/01 1989/10 1993/12. 1999/12 1999/12 2017/08 2017/08 2017/08. 5.22%. 11.42%. 4.01%. 0.99%. 0.27%. 11.32%. -2.30%. 0.88%. 0.61%. 2.33%. 0.64%. 0.34%. 1.56%. 7.72%. 0.56%. 0.33%. -2.87%. 10.05%. 1.85%. 0.91%. al. y. sit. 1999/12 5.47% 1999/12 3.73% 1999/12 -4.74%. er. io. 1985/01 1985/01 1985/01. ‧. 10.69%. Nat. 2.63%. 學. ‧ 國. 立. 1994/11 1985/01 1985/01 1985/01 1993/12. Std. 遠期貼水. Start 1985/01. n. Australian Dollar Austrian Schilling Belgian Franc Canadian Dollar Czech Koruna Danish Krone Dutch Guider Euro Finnish Markka French Franc German Mark Greek Drachma Hong Kong Dollar Hungarian Forint Indian Rupee Indonesian Rupiah Irish Pound Italian Lira Japanese Yen Kuwaiti Dinar Malaysian Ringgit. 超額報酬. 9. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(19) 1993/12 1985/01. 2017/08 3.11% 2017/08 5.44%. 10.27%. 7.06%. 1.73%. 12.41%. 4.14%. 1.29%. 1985/01. 2017/08 2.49%. 10.91%. 1.99%. 1.05%. 1993/12. 2017/08 0.76%. 8.32%. 3.97%. 1.07%. 1993/06 1993/12. 2017/08 4.11% 1999/12 -5.25%. 13.23%. 5.34%. 1.58%. 9.06%. -0.55%. 0.25%. 1989/10. 2017/08 -0.14%. 0.39%. 0.15%. 0.18%. -1.12%. 0.61%. 11.77%. 6.41%. 1985/02. 立. 2017/08. 11.50%. 1.03%. 0.56%. 1993/12 1985/01. 1999/12 -4.87% 2017/08 1.82%. 9.38%. -0.64%. 0.22%. 11.22%. 1.43%. 0.92%. 2017/08 1.63% 2017/08 -1.33%. 11.52%. -1.51%. 0.71%. 5.50%. -0.88%. 0.91%. 2.73%. 1.52%. 0.73%. 0.33%. al. er. io. 1985/01 1993/12. sit. y. ‧. 2017/08 2.07%. Nat. 1993/12. 學. ‧ 國. 1985/01. 2017/08 0.37% 5.60% 政 治 大 1.25% 16.31%. v i n 1991/05C h2017/08 1.37% e n g c h i U 11.00% n. Mexican Peso New Zealand Dollar Norwegian Krone Philippine Peso Polish Zloty Portuguese Escudo Saudi Arabian Riyal Singaporean Dollar South African Rand South Korean Won Spanish Peseta Swedish Krona Swiss Franc Taiwanese Dollar Thai Baht United Kingdom Pound. 1985/01. 2017/08 -0.64%. 8.62%. 以上數據經過年化整理(以月資料平均值乘以 12、標準差乘以 12. 10. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(20) 第二節.投資組合及策略建立 一.策略之建立方式 本研究策略建立方式分為 3 種，分別是是高減低法、Linear 權重法、Rank 權 重法。 高減低法總共分成四個投組，依照因子由大到小將貨幣排序。前 20%的貨幣 排入投組 1，20%~50%的貨幣排入投組 2，50%~80%貨幣排入投組 3 最後 20%的貨 幣排入投組 4。而高減低法只會交易排名最高及最低的投組也就是投組 1、投組. 政 治 大 (投組 1)及最小(投組 4)的貨幣會比投組 2 及 3 的貨幣大。Linear 權重法與 Rank 立 4。Linear、Rank 權重法則是會交易所有貨幣，只是在權重的大小方面排名最大. 投組 3 50%. 投組 4 100%. er. io. sit. 80%. y. ‧ 國 20%. Nat. 0%. 投組 2. ‧. 投組 1. 學. 權重法的不同則是計算權重方法不同。. 1.市場因子(MAR 因子):. al. n. v i n Ch 即 Lustig et al.(2011)中的市場報酬因子，是賣出美元並買入所有 37 國貨幣 engchi U. 的平均報酬，代表此因子以分散風險為策略目標。. 2.利差交易(Carry Trade): 即 Lustig et al.(2011)中的利差交易因子。利差交易為借低利率國家貨幣，並 投資於高利率國家來獲取報酬，因此稱之為利差交易。而根據拋補利率平價(CIP) 得知兩國的利率差距會近似於遠期貼水，故使用遠期貼水來代替利差。因此，使 用 37 個貨幣之遠期貼水大小排序，最大的遠期貼水貨幣(前 20%)排在投組 1 反 之最小的遠期貼水貨幣(70%~100%)排在投組 4。利差交易之超額報酬為高遠期貼 水投組平均報酬(投組 1) − 低遠期貼水投組平均報酬(投組 4)。 11. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(21) 3.動能交易(Momentum): 按照論文Asness et al. (2013)中Momentum因子作法，動能交易是按照各貨. 幣前 2 期至 12 期之平均報酬為依據，若過去的報酬為正報酬則本期報酬亦為正 報酬之機率比較大，故將此平均超額報酬由大至小排序，有最大的平均超額報酬 貨幣(前 20%)排在投組 1 反之最小的(70%~100%)排在投組 4。動能交易之超額報 酬為買入前期外匯超額報酬高的投組(投組 1)並賣出前期外匯超額報酬低的投 組(投組 4)。 4.價值交易(Value):. 政 治 大 − 1) × (−1) 立. 按照Raza(2015)中RERC(實質匯率累積 5 年變動量)的作法 1:. 𝑆𝑆𝑖𝑖,𝑡𝑡 ×𝑃𝑃𝑖𝑖,𝑡𝑡. ；𝑆𝑆𝑖𝑖,𝑡𝑡 =美元/1 外幣. ‧ 國. 其中 𝑄𝑄𝑖𝑖,𝑡𝑡 =. 𝑄𝑄𝑖𝑖,𝑡𝑡−60. ∗ 𝑃𝑃𝑖𝑖,𝑡𝑡. 學. RERC = (. 𝑄𝑄𝑖𝑖,𝑡𝑡−3. ‧. (note:與本文匯率表達方式不同). y. Nat. 其中Q為實質匯率，i為第i個國家；𝑄𝑄𝑖𝑖,𝑡𝑡−3 為 3 個月前的實質匯率而𝑄𝑄𝑖𝑖,𝑡𝑡−60 為 𝑄𝑄. sit. al. er. io. ∗ 5 年前的實質匯率；𝑃𝑃𝑖𝑖,𝑡𝑡 為外國的消費者物價指數(CPI)而𝑃𝑃𝑖𝑖,𝑡𝑡 為美國的消費者物價. n. 指數(CPI)。在公式中(𝑄𝑄 𝑖𝑖,𝑡𝑡−3 − 1)為實質匯率累積 5 年變動量，而 RERC 外加了 𝑖𝑖,𝑡𝑡−60. Ch. engchi. i n U. v. 一個負號，因此如果 RERC 越大(小)代表實質匯率累積 5 年變動量越小(大)且 價格是被低估(高估)的。價值策略是要買入價格被低估的貨幣然後賣出價格被高. 估的貨幣，因此依照 37 個貨幣之 RERC 大小順序由大到小排序分成 4 個投組， 投組 1 為最大的 RERC(前 20%)投組 4 為最小的 RERC 投組(70%~100%)，策略為 買入第 1 個投組賣出第 4 個投組。 從動能交易及價值交易的建構方式中可以發現動能交易是買入過去 1 年平 均超額報酬高的貨幣並賣出平均超額報酬低的貨幣；而價值交易是買入實質匯率 累積 5 年變動量低的貨幣並賣出實質匯率累積 5 年變動量高的貨幣，因此兩種策. 1. 實質匯率的基期為 2010 年 12. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(22) 略的建構方式可能有反向的意味。. 二. Linear權重法:. 依據Menkhoff et al. (2016)算法。這個策略跟分投組不一樣的是投組方法只. 會交易投組 1 跟投組 4 的貨幣，而linear策略是每個匯率都會有一個權重: 𝐵𝐵𝐵𝐵𝐵𝐵 𝑊𝑊𝑖𝑖,𝑡𝑡+1 = 𝑐𝑐𝑡𝑡 × (𝑋𝑋𝑖𝑖,𝑡𝑡 − 𝑋𝑋𝑖𝑖,𝑡𝑡 ) ,. 𝑐𝑐𝑡𝑡 = 𝑝𝑝. 1 𝐵𝐵𝐵𝐵𝐵𝐵 ∑𝑖𝑖 |𝑋𝑋𝑖𝑖,𝑡𝑡 − 𝑋𝑋𝑖𝑖,𝑡𝑡 | 𝑁𝑁𝑡𝑡. 𝑟𝑟𝑟𝑟𝑡𝑡+1 = �. 𝑖𝑖=1. 𝑊𝑊𝑖𝑖,𝑡𝑡+1 × 𝑟𝑟𝑟𝑟𝑖𝑖,𝑡𝑡+1. 政 治 大. 立. ‧ 國. 的權重反之小於平均 Bar 有負的權重；而𝑁𝑁𝑡𝑡 為國家數。. 學. 其中𝑋𝑋𝑖𝑖,𝑡𝑡 可以是Carry(MOM、Value)指標，因此若𝑋𝑋𝑖𝑖,𝑡𝑡 大於平均 Bar 就會有正. ‧. 三. Rank權重法:. y. Nat. 依據Menkhoff et al. (2016)算法。Rank策略跟linear有不同的權重計算方. sit. v i n U𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋𝑖𝑖,𝑡𝑡 ). n. al. er. 會有較小的權重)。. io. 式，𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋𝑖𝑖,𝑡𝑡 )為將𝑋𝑋𝑖𝑖,𝑡𝑡 在全部國家的排名。這個策略是比較保守的策略(離群值 𝑁𝑁𝑡𝑡. C. h e n g𝑖𝑖,𝑡𝑡c) h− i� 𝑊𝑊𝑖𝑖,𝑡𝑡+1 = 𝑐𝑐𝑡𝑡 × (𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋 𝑖𝑖=1. 在下面列出各投組之超額報酬及各因子之間相關係數:. 𝑁𝑁𝑡𝑡. ). 13. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(23) 下表(3.2)為各因子之 4 個投組報酬，在利差交易的 4 個投組可以發現高利 率貨幣投組的 C1 至低利率貨幣頭組的 C4 報酬是呈現遞減的，因此利差交易是買 入高利率貨幣投組並賣出低利率貨幣投組會有更高的超額報酬。在動能交易的 4 個投組可以發現前期高超額報酬貨幣投組 M1 至前期低超額報酬貨幣投組 M4 報 酬是呈顯遞減的，代表確實有動能的存在。在價值交易的 4 個投組可以發現價值 低估貨幣投組 V1 至價值低估貨幣投組 V4 報酬是呈現遞減的，因此價值交易是買 入價值低估貨幣賣出價值高估或幣會有更高的超額報酬。 下表(3.3)得知市場因子的平均報酬比利差、動能及價值來的低，是因為市. 政 治 大 均報酬來的高，是因為高減低法只採用該因子之排名最高及最低的貨幣投組因此 立 場因子有分散風險的特性。另外，使用高減低法的平均報酬會比 Linear 權重的平. 報酬會較採用所有貨幣的 Linear 法來的高，而 Linear 權重平均報酬又會比 Rank. ‧ 國. 學. 權重來的高是因為在 Rank 權重法中極端值的權重更低所導致。. ‧. 下表(3.4)為因子之間的相關係數，可以發現 Carry 因子與其他兩個因子的. y. Nat. 相關係數非常低且不顯著。Momentum 因子與 Value 因子相關係數比較高為負相. er. io. sit. 關且非常顯著，而根據論文 Asness et al. (2013)的研究發現 Valu 因子與 Momentum 因子報酬負相關的一部份原因可能是來自它們兩個對流動性風險指標相反的相. n. al. Ch. 關係數，因此在後面章節也會做此檢驗。. engchi. i n U. v. 表(3.5)、(3.6)為 Linear、Rank 權重法因子間相關係數，可以發現(Linear Carry,Linear Momentum)、(Linear Carry,Linear Value)、(Rank Carry,Rank Value)相 關係數變成正的；可能是因為權重改變導致因子之組成貨幣改變的結果，但其相 關係數都很小。. 14. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(24) 表 3-2 利差、動能、價值交易投組報酬 超額報酬. 標準差. T值. SR 2. 利 差 交 易. C1. 4.8597%. 10.0100%. 2.7713***. 0.4855. C2. 3.3244%. 7.9550%. 2.3854***. 0.4179. C3. 1.5336%. 6.8179%. 1.284*. 0.2249. C4. -0.9333%. 7.6418%. -0.6972. -0.1221. 動 能 交 易. M1. 4.0890%. 8.6047%. 2.7091***. 0.4752. M2. 2.3255%. 7.8874%. 1.6808**. 0.2948. M3. 1.5619%. 7.2101%. 1.235. 0.2166. M4. -0.4896%. 9.3998%. -0.2969. -0.0521. 價 值 交 易. V1. 2.7443%. 7.7108%. 1.8692**. 0.3559. V2. 1.9715%. 0.2511. V3. 0.2636%. V4. -0.3204%. 7.8521% 1.3187* 治 政 7.2591% 大 0.1907. 立. 7.8320%. 0.0363. -0.2148. -0.0409. ‧ 國. 標準差. 市場因子. 2.28%. 7.02%. 利差交易. 5.7931%. 9.0962%. 4.5786%. 1.8486**. 0.3243. y. n. al. 利差交易. Rank 法. SR. Ch. 0.6369. 9.8129%. 2.6599***. 0.4666. 7.4556% n U engchi 5.62% 5.72%. 2.1588**. 0.4110. 5.6016***. 0.9826. 3.0646%. sit. 3.6353***. er. io. 動能交易 價值交易. Linear 法. T值. ‧. 平均報酬. Nat. 高減低法. 表 3-3 各策略之報酬. 學. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. iv. 動能交易. 1.5463%. 5.89%. 1.4967*. 0.2625. 價值交易. 1.7402%. 3.3832%. 2.6974***. 0.5144. 利差交易. 2.5372%. 3.4356%. 4.2101***. 0.7385. 動能交易. 0.9309%. 3.86%. 1.3762*. 0.2414. 價值交易. 1.4785%. 2.9658%. 2.6143***. 0.4985. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 2. SR 為夏普指數，SR=平均數�標準差. 15. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(25) 表 3-4 因子間相關係數矩陣 相關係數/P 值 3. Carry. Momentum. Value. Carry. 1. -0.0304. -0.0279. 1. -0.4372. -0.0304. Momentum. (0.56). -0.4372. -0.0279. 1 (< 2.2e-16)*** (0.61) *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. Value. 政 治 大. 表 3-5 Linear 權重法因子間相關係數. 立. Linear Momentum. Linear Carry. 1. 0.0874. Linear Momentum. 0.0874. ‧ 國. Linear Carry. 1. ‧. -0.3677. 0.1527. 0.1527 -0.3677. (0.08)*. 1 (5.283e-12)*** (0.005)*** *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. n. al. er. io. sit. y. Nat. Linear Value. Linear Value. 學. 相關係數/P 值. i n U. C. v. engchi 表 3-6 Rankh權重法因子間相關係數 相關係數/P 值. Rank Carry. Rank Momentum. Rank Value. Rank Carry. 1. 0.1227. 0.0157. 1. -0.5056. Rank Momentum. 0.1227 (0.01)**. Rank Value. 0.0157. -0.5056. 1 (< 2.2e-16)*** (0.77) *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 3. 表 3-4、3-5、3-6 括弧中數字為 P 值 16. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(26) 第三節.流動性風險因子選取與定義 本節將介紹下列 5 個流動性風險因子，這些因子是由過去學者(Asness et al.(2013)、Mancini et al.(2013)、……等)針對流動性因子對外匯市場的影響所運 用的因子，而又可以分成兩類風險因子。另外，本文也將此兩類風險因子分別以 及合在一起做主成分分析。. 一.融資流動性風險(Funding Liquidity risk) 1.泰德利差(Ted spread):. 政 治 大 全名為 Treasury-Eurodollar 立 Spread，是市場上借美元給美國政府(3 個月美國 𝐓𝐓𝐓𝐓𝐓𝐓 𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬 = 𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋 − 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓. ‧ 國. 學. 公債)和借美元給銀行(3 個月美國 LIBOR)的利率差。由於借錢給美國政府是趨 近無風險的借貸行為，而借錢給銀行要承擔銀行倒閉的風險，所以以此利率差來. ‧. 衡量為了補償銀行的信用風險所付出之利息。因此當金融業體質強健時，市場認. sit. y. Nat. 為銀行倒閉風險較小所以只收取比美國公債高一點的利率；而當金融業面臨倒閉. al. er. io. 風險時，此利差則會變大。資料時間為 1986/01 至 2017/08。. v. n. 2. 倫敦同業拆放利率與定期附買回利率之利差(LIBOR-REPO):. Ch. engchi. i n U. 𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋 − 𝐫𝐫𝐫𝐫𝐫𝐫𝐫𝐫 𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬 = 𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋 − 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓 𝐑𝐑𝐑𝐑𝐑𝐑𝐑𝐑 𝐑𝐑𝐑𝐑𝐑𝐑𝐑𝐑. 全名為 LIBOR minus term repo spread，附買回協定(repurchase agreement)是 銀行證券持有者將證券賣出並保證在未來特定日期將證券以約定價格買回，簡單 而言就是銀行以美國公債向某保險公司借錢並約定在幾天後買回，repo rate 就是 此借款之利率，而因為此借款是有擔保品的，因此利率會比較低。假如是隔一天 就將證券買回，叫隔夜附買回(overnight repo)；隔一天以上買回叫定期附買回 (Term repo)。因此用 LIBOR-Term repo 來衡量有無擔保品之利率差，當金融市場 狀況良好時，因為風險較低所以利差小；反之金融市場狀況不好時利差大。資料 時間為 1995/11 至 2017/08。 17. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(27) 3.利率交換與𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓利率之利差(𝐈𝐈𝐈𝐈𝐈𝐈 𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓):. 𝐈𝐈𝐈𝐈𝐈𝐈 − 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓 = 𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒 − 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓. 利率交換(interest rate swap)是交換固定與浮動利率的合約，浮動利率通常. 是LIBOR加上固定%數，而利率交換實際上是交換固定與浮動的利率差。因為利率 交換合約的風險會大於近乎無風險的TBILL，所以用此利率差來衡量風險。當金 融市場狀況良好時，因為風險較低所以利差小；反之金融市場狀況不好時利差大。 資料時間為 2001/07 至 2016/07。. 二.市場流動性風險(𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌 𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋 𝐫𝐫𝐫𝐫𝐫𝐫𝐫𝐫). 政 治 大 論文中作法為先求出下面回歸式之𝜸𝜸 : 立 1.𝐏𝐏𝐏𝐏𝐏𝐏𝐏𝐏𝐏𝐏𝐏𝐏 𝐚𝐚𝐚𝐚𝐚𝐚 𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒𝐒(𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐)的流動性指標 ^ 𝒊𝒊,𝒕𝒕. ‧ 國. 學. 𝒓𝒓𝒆𝒆𝒊𝒊,𝒅𝒅+𝟏𝟏,𝒕𝒕 = 𝝑𝝑𝒊𝒊,𝒕𝒕 + ∅𝒊𝒊,𝒕𝒕 × 𝒓𝒓𝒊𝒊,𝒅𝒅,𝒕𝒕 + 𝜸𝜸𝒊𝒊,𝒕𝒕 × 𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺�𝒓𝒓𝒆𝒆𝒊𝒊,𝒅𝒅,𝒕𝒕 � × 𝑽𝑽𝒊𝒊,𝒅𝒅,𝒕𝒕 + 殘差. ‧. 使用Center for Research in Security Prices(CRSP)股票並去除NASDAQ的資. 料，用NYSE及AMEX的所有股票。. y. Nat. n. al. 𝑺𝑺𝑺𝑺𝑺𝑺𝑺𝑺(𝒙𝒙) = −𝟏𝟏 , 𝒊𝒊𝒊𝒊 𝒙𝒙 < 𝟎𝟎 𝟎𝟎 , 𝒊𝒊𝒊𝒊 𝒙𝒙 = 𝟎𝟎. Ch. engchi. er. io. 𝑟𝑟𝑖𝑖,𝑑𝑑,𝑡𝑡 − 𝑟𝑟𝑚𝑚,𝑑𝑑,𝑡𝑡 其中𝑟𝑟𝑚𝑚,𝑑𝑑,𝑡𝑡 是CRSP的市場報酬。. sit. 𝑒𝑒 其中d為天數、t為月份、𝑟𝑟𝑖𝑖,𝑑𝑑,𝑡𝑡 為第i檔股票的報酬、𝑉𝑉𝑖𝑖,𝑑𝑑,𝑡𝑡 為成交量、𝑟𝑟𝑖𝑖,𝑑𝑑,𝑡𝑡 為. i n U. v. 𝟏𝟏 , 𝒊𝒊𝒊𝒊 𝒙𝒙 > 𝟎𝟎 𝟏𝟏. ^ 市場流動性=𝑵𝑵 × ∑𝑵𝑵 𝟏𝟏 𝜸𝜸𝒊𝒊,𝒕𝒕. 資料取自 Chicargo booth 學校網站中 Pastor 的研究 4。指標越大代表流動性 越 好 ， 但 因 為 本 文 其 他 指 標 皆 表 示 為 流 動 性 風 險 ， 因 此 使 用 Pastor and Stambaugh(2003)的流動性指標加負號代表流動性風險。資料時間為 1985/02 至. 4. 學校網站: https://faculty.chicagobooth.edu/lubos.pastor/research/。 18. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(28) 2016/12。 2.買賣價差(Bid-ask spread): Bid ask spread=. 𝑃𝑃 𝐴𝐴 −𝑃𝑃 𝐵𝐵 𝑃𝑃 𝑀𝑀. ，其中𝑃𝑃𝑀𝑀 =. 𝑃𝑃 𝐴𝐴 +𝑃𝑃𝐵𝐵 2. 買價(Bid)是銀行願意買入的價格賣價(Ask)是銀行願意賣出的價格，因此賣 價會高於買價。當金融市場狀況良好時，因為風險較低所以利差小；反之金融市 場狀況不好時利差大。 資料時間依各國資料長短決定。而因為每個貨幣都有各自的買賣價差，在這 裡依據每個時間點將 37 個貨幣的買賣價差平均，計算市場的買賣價差(Marketwide liquidity)。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 19. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(29) 第四節.重大事件與流動性風險之關聯 一.事件之定義 當一些對市場來說是好(不好)的事件發生時，流動性風險通常會因此下降 (上升)，因此本節為檢驗在事件發生時 5 個流動性指標的動向。 總共有 5 個事件是對市場來說好的(第 4、6、10、12、14)；有 10 個事件是不 好的事件 5: 1.1987Crash:. 政 治 大. 又稱黑色星期一，世界各地股市大幅下跌(圖中標示為 1987/09~1987/11). 立. 2. Gulf war:. ‧ 國. 學. 波斯灣戰爭(圖中標示 1990/08~1991/02) 3. LTCM 事件:. ‧. 因為發展中國家股市崩盤及俄羅斯債券違約導致 LTCM 虧損慘重(圖中標示. sit. y. Nat. 為 1998/08~1998/10). al. n. 5.Dot.com 泡沫:. er. io. 4. 歐元區成立: (圖中標示為 1998 年 12 月~1999 年 1 月). Ch. engchi. v. i n U. 2000 年 3 月開始破裂，2001 年泡沫全部消散(途中標示為 2000 年 2~6 月) 6.美國採用十進制: 規定於 2001 年 4 月 9 日前 美國報價採用十進制。十進制前報價:34 1/4； 十進制後報價:34.25。影響:使 bid-ask spread 最小值變得更小。 Ex:十進制前最小的價格變動為 1/16 相當於 0.0625 美元；十進制後最小價格變 動可以到 0.01 美元。(圖中標示為 2001 年 4 月到 5 月) 7.911 事件: (圖中標示 2001 年 8~10 月) 8.第一波金融海嘯. 5. 事件結束時間為參考相關資料後主觀判斷的。 20. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(30) (1) 2007 年 8 月 Quant meltdown~2007 年 9 月:信評機構對各類 ABS(資產擔 保證券 assetbacked securities)一次調降好幾個等級，兩檔對沖基金想出售手中的 證券以降低損失，造成市場對證券化牲品失去信心因而引發恐慌性賣壓。而因 為公平價值會計原則必須認列損失因此許多機構虧損巨大。最後在 8/31 日曾為 最大次貸公司的 Ameriquest Mortgage 將批發及服務業務賣給了花旗集團。在 09/13 時英國第五大信貸銀行 Northern Rock 因次級房屋信貸風暴而影響流動資 金資金。當日很多帳戶持有人到銀行提取現金，合共提走了 10 億英磅(圖中標 示為 2007 年 7 月~9 月) (2). 立. 政 治 大. 2007 年 11 月 02 日: 正當全球市場以為美國次級房屋信貸風暴可以告一段. ‧ 國. 學. 落，但是全球股市出現了全體暴跌的情況，恆生指數又下跌了一千多點。2007. ‧. 年 12 月 12 日: 多國央行聯手協作緩解次級債危機 ,美聯儲、歐洲央行以及加. y. Nat. 拿大、英國和瑞士的央行參與了這項行動,這是自 9·11 事件以來全球經濟合作. er. io. sit. 的最大行動， 恆生指數一星期又下跌了 1279 多點。(圖中標示 10~12 月) (補充:2008 年 02 月 19 日美連儲推出了法案 FAS-157-1 與 157-2，也是次貸危. n. al. Ch. 機爆發以來所採取的最全面的補救措施。). engchi. i n U. v. 9.第二波金融海嘯: 2008 年 07 月~2008 年 09 月 美國前兩大房貸公司-房地美、房利美被接管，雷曼兄弟破產(圖中標示 6 月~10 月) 10.QE1:2008 年 11 月~2010 年 03 月結束: 政府為了因應此次重大金融危機，因此採行量化寬鬆措施(QE)共實施 15 個月(圖中標示為 2008 年 10 月至 2010 年 03 月) 11.希臘債務危機 2009 年 12 月~2010 年 06 月: 希臘主權評級被降級，造成希臘股市大跌，國家負債高達 3000 億歐元(圖 21. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(31) 中標示 2010 年 03 月~2010 年 6 月) 12.QE2 2010 年 11 月底至 2011 年 06 月: 規模約 6 千億美元，主要用於購買財政部發行的長期債券，平 均 每 個 月 購 買 金 額 為 750 億 。 (圖中標示為 2010 年 10 月~2011 年 06 月) 13.歐債危機: 2011 年 6-9 月:歐債問題全面擴散，希臘國會投票接受第一輪 120 億歐元 救助貸款，西班牙修改憲法修正案預防赤字超限，意大利通過緊縮預算引發民 衆反對，同時意大利信用評級被標普下調。. 政 治 大. 2011 年 10 月初 歐元區推遲給予希臘救助，歐洲股市暴跌。10 月中旬達成 新救助協議。. 立. 2011/12，葡萄牙財政赤字過高；西班牙存在房產泡沫問題；義大利國債與. ‧ 國. 學. 德國國債利差創新高(圖中標示為 2011 年 6 月~2011 年 12 月). ‧. 14.QE3 2012 年 09 月實施至 2013 年 12 月:. y. Nat. 加 入 了 退 場 機 制 ， 即 美 國 的 預 期 通 膨 率 高 於 2.5%及 失 業 率 低 於. er. io. 08 月 ~2013 年 12 月 ). sit. 6.5%時 ， 將 會 開 始 採 取 漸 進 式 縮 減 購 債 規 模 。 (圖 中 標 示 為 2012 年. al. n. v i n 15.英國脫歐投票通過:(圖中標示為 年 7 月) C h 2016 年 05 月~2016 engchi U. 22. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(32) 二.事件時流動性風險之走勢 在下面的走勢圖中會以發生對市場來說是不好的事件時流動性風險應該要 上升反之發生對市場是好的事件時流動性風險應該要下降的思維去看看是否屬 實，而後面也會以迴歸方法檢驗是否有此關係 6。. 1.. 融資流動性風險(Funding Liquidity risk). (1) Ted spread:. 立. 政 治 大. ‧. ‧ 國. 學 er. io. sit. y. Nat. n. a l 3-1 Ted spread 走勢圖i v 圖. n U engchi 當不好的事件發生(1、2、3、5、7、8、9、11、13、15)時，Ted spread 應. Ch. 該會上升，當好的事件發生(4、6、10、12、14)時應該下降。依圖中所示除了 第 12 個事件外都符合 7。. 6. 圖中有些時點流動性風險會突然升高，但找尋過此時點有無發生事件後並沒有找到。 圖中的箭頭為折線圖走勢，而紅色圈圈為不符合以不好的事件發生時流動性風險應該要上升 為思維的結果。 23. 7. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(33) (2) 𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋𝐋 − 𝐫𝐫𝐫𝐫𝐫𝐫𝐫𝐫 𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬𝐬:. 政 治 大 圖 3-2 LIBOR-repo spread 走勢圖 立. ‧ 國. 學. 當發生以上 15 個事件時，(7)911 事件發生流動性風險反而下降，(12)QE2 時風險應該要下降卻上升. ‧. n. al. er. io. sit. y. Nat. (3) 𝐈𝐈𝐈𝐈𝐈𝐈 𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦𝐦 𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓𝐓:. Ch. engchi. i n U. v. 圖 3-3 IRP minus TBill 走勢圖 其中(12)QE2 及(14)QE3 時流動性風險應該要下降卻上升 2.市場流動性風險(Market Liquidity risk) (1) Pastor and Stambaugh(2003) 24. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(34) 政 治 大 第(7)911 事件(8)金融海嘯的 立 10 月~12 月(15)英國退出歐元 Pastor and 圖 3-4 Pastor and Stambaugh 走勢圖. ‧ 國. 學. stambaugh 應該要上升卻下降。 (2) Bid-ask spread:. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-5 Bid-ask spread 走勢圖 其中(4)應該要下降卻上升；(5)應該要上升卻下降。 為了檢驗發生事件時期流動性風險的走勢，在此使用簡單迴歸。. 25. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(35) 下表(3.7)為在發生好(不好)的事件與 5 個流動性風險之迴歸結果，使用的 方法為加入虛擬變數(dummy variable) 8。可以發現𝛽𝛽1都是正的且幾乎都是顯著. 的，代表在不好的事件發生時流動性風險確實會上升。而在𝛽𝛽3方面幾乎都不顯 著，由此可知流動性風險對不好的事件比較敏感。. 表 3-7 流動性風險與事件時期回歸結果 liquidity risk factor =𝜷𝜷𝟎𝟎 +𝜷𝜷𝟏𝟏 dummy1(不好)+殘差 liquidity risk factor =𝜷𝜷𝟐𝟐 +𝜷𝜷𝟑𝟑 dummy2(好) +殘差. ‧ 國. 0.0019 (0.0004) ***. LIBOR-TERM REPO. 0.0026 (0.0003) ***. -0.0019 (0.0029)***. er. io. sit. Ted spread. ‧. Nat. Funding Liquidity. 𝛽𝛽3. 學. 𝛽𝛽1. 迴歸係數/P-value 9. y. 立. 政 治 大. 0.0004. n. a lIRP-TBILL (0.538)i v n Ch U e n g c h i 0.0258 Pastor and. 0.0006 (0.425) -0.0018 (0.0135)**. Market. stambaugh. (0.0028)***. 0.0106 (0.304). Liquidity. Bid-ask spread. 1.388e-04 (0.0222)**. -4.742e-05 (0.467). 各迴歸之資料時間為各流動性風險的資料時間 *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 8 9. 虛擬變數使用第 20 頁中所述之時間點。 表 3-7 括弧中數字為 P 值 26. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(36) 第五節.不好的事件對各交易因子之影響 在上一節已經探討了在不好的事件發生時，流動性風險會因此上升。在這 一節接著探討當不好的事件發生時會對利差交易、動能交易、價值交易以及市 場因子會有什麼樣的影響。 下表(3.8)為 4 種交易因子對不好的事件時間點跑簡單迴歸的結果，可以發 現利差交易因子、動能因子、市場因子的𝜷𝜷𝟏𝟏 係數皆為負，代表當不好的事件發 生時，流動性風險會上升且此三種交易因子報酬會因此而下降。另外，價值交. 政 治 大. 易因子之𝜷𝜷𝟏𝟏 係數為正，代表當不好的事件發生時價值交易報酬會因此而上升，. 立. 這可能是因為價值交易策略為買入價值被低估的貨幣而這類貨幣的流動性風險. ‧ 國. 學. 會較低(在下一章第二節會檢驗各交易因子 4 個投組之流動性風險大小)，因此 當市場上流動性風險上升時，投資人會改為持有此類流動性風險低的貨幣因此. Nat. sit. 表 3-8 各因子報酬與事件回歸結果. y. ‧. 使得價值交易報酬上升。. al. n. 𝛽𝛽值/P 值 10. Ch. 𝛽𝛽0. e 0.0061 ngchi. er. io. 因子報酬 =𝜷𝜷𝟎𝟎 +𝜷𝜷𝟏𝟏 dummy1(不好)+殘差. i n U. v. 𝛽𝛽1. (3.04e-05)***. -0.0075 (0.0602)*. MOM 因子. 0.0054 (0.0006)***. -0.0067 (0.1212). Value 因子. 0.0025 (0.0514)*. 0.0004 (0.8988). MAR 因子. 0.0016 (0.146). -0.0045 (0.132). Carry 因子. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 10. 表 3-8 括弧中數字為 P 值 27. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(37) 第六節.流動性螺旋 在許多論文中也探討了流動性螺旋的現象，當 Funding liquidity risk 上升， 導致市場流動性提供者融資困難度上升因而使 Market liquidity risk 上升。這時 候會使資產價值偏離基本價值因此進一步導致 Funding liquidity risk 上升。本節 按照 Mancini et al.(2013)作法，使用市場流動性風險因子、融資流動性風險因子 以及芝加哥選擇權交易所波動率指數(VIX 指數)來檢驗是否有流動性螺旋現 象。. 政 治 大 上升時，會導致當期 Market liquidity risk 上升，而表中符合此條件的只有(Bid立 如下表(3.9)，𝛽𝛽1 、𝛽𝛽2 為正代表當前一期的 VIX 及 Funding liquidity risk. ask spread, Ted spread)及(Bid-ask spread,IRP-TBILL)結果顯著且與 Liquidity. ‧ 國. 學. spirals 說法一致。. ‧. 表 3-9 流動性螺旋. sit. y. Nat. al. n. Ted spread. 係數/P 值 11 P&S. Bid-ask spread. Ch. er. io. Market liquidity =𝜷𝜷𝟎𝟎 +𝜷𝜷𝟏𝟏 *lagged VIX+𝜷𝜷𝟐𝟐 * lagged Funding liquidity+殘差. v ni. Libor-Term repo. 𝜷𝜷𝟏𝟏. 0.0019. 1.1325. e n𝜷𝜷g𝟏𝟏 c h i U𝜷𝜷𝟐𝟐 0.0019. (0.0003)***. (0.30). 1.490e-05. 0.0254. (6.58e-07)***. 𝜷𝜷𝟐𝟐. IRP-TBILL. 1.2135. 𝜷𝜷𝟏𝟏. 0.0022. 1.0836. (0.0011) **. (0.194). (5e-05)***. (0.354). 2.3e-05. -0.0005. 1.2e-05. 0.0198. (0.928). (5.6e-09) ***. (6e-06)***. (5e-05) *** (2e-13) ***. 𝜷𝜷𝟐𝟐. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 11. 表 3-9 括弧中數字為 P 值 28. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(38) 第四章.流動性曝險. 第一節主成分分析 在做流動性曝險分析前，首先先計算各流動性風險之主成分分析以方便後 面的檢驗。使用主成分分析的目的是想要把相關的 3 種融資流動性風險及 2 種 市場流動性風險組成單一個因子，這樣就可以把 3 種不同的融資流動性風險結 合成單一個融資流動性風險因子。簡單來說主成因分析是一種將數據降維的技. 政 治 大. 巧，可以將大量相關變量轉化為一組很少且不相關的變量，這種無關變量稱為. 立. 主成分:. ‧ 國. 學. 𝑃𝑃𝑃𝑃1 = 𝑎𝑎1 × 𝑋𝑋1 + 𝑎𝑎2 × 𝑋𝑋2 + ⋯ + 𝑎𝑎𝐾𝐾 × 𝑋𝑋𝐾𝐾. ‧. 計算方法有相關係數法及共變異數法，在本文使用方法為相關係數矩陣法是因 為各個流動性風險因子的單位不同。首先先判斷要使用多少個主成分，比較常. y. Nat. io. sit. 見的是特徵值方法。每個主成分都與相關係數矩陣的特徵值相關聯，第一主成. n. al. er. 分與最大的特徵值相關聯，第二主成分與第二大的特徵值相關聯，依此類推。. Ch. i n U. v. Kaiser-Harris 準則建議保留特徵值大於 1 的主成分。簡單來說碎石檢驗就是一. engchi. 顆石頭往下掉時，哪一個主成分可以使石頭下墜的最快也就是斜率最陡。. 29. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(39) Funding liquidity risk 碎石檢驗: PC1. PC2. PC3. 3. 0.5. 0. 特徵值. 表 4-1 Funding liquidity PC 碎石檢驗表. Market liquidity risk 碎石檢驗:. 特徵值. PC1. PC2. 1.3. 0.7. 表 4-2 Market liquidity PC 碎石檢驗表. 立. 政 治 大. 學. PC1. PC2. PC3. PC4. PC5. 3. 0.9. 0.7. 0.5. 0. y. sit. io. n. al. ALL liquidity PC 碎石檢驗表. er. Nat. 表 4-3. ‧. 特徵值. ‧ 國. ALL liquidity risk 碎石檢驗:. i n U. v. 由上面的三個表中可以看到在特徵值在 1 以上的只有 PC1，因此採用第一. Ch. engchi. 主成分即可保留數據集的大部分信息。. 本文接著將融資流動性風險、市場流動性風險分別作主成分分析以及將兩 者合在一起做主成分分析。. 30. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(40) 1. 融資流動性風險(Funding liquidity risk)第一主成分 使用 3 個 Funding liquidity risk 因子跑主成分分析: 表 4-4 Funding liquidity risk 主成因分析 PC1. PC2. PC3. 標準差. 1.5509. 0.7122. 0.2956. 解釋變異量. 0.8018. 0.1691. 0.02913. 累積解釋變異量. 0.8018. 0.9709. 1. . 上表中第二列為 3 個主成分分別解釋的變異量有多少，可以發現第一個 主成分就可以解釋 80%的變異量了，因此只取第一個主成分。 表 4-5 funding liquidity risk PC1. 政 治 h2大 (解釋力) 立(相關係數) PC1. 0.90. LIBOR-Term repo. 0.94. 0.87. IRP minus TBill. 0.79. 0.63. 0.096 0.125 0.374. ‧. ‧ 國. 0.95. (無法解釋). 學. . Ted spread. u2. 其中 pc1 欄為第一主成分與各流動性風險因子之相關係數；h2 欄為第. Nat. al. n Funding Pc1 計算公式:. Ch. engchi. er. io. 成分解釋較少的 IRP minus TBill 因子。. sit. y. 一主成分對各因子之解釋度而 u2 欄則是無法解釋的部分。可以看到第一主. i n U. v. 𝑃𝑃𝑃𝑃1 = 0.395 × Ted spread + 0.389 × (𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 − 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅) + 0.33 ∗ (𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 − 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇). 31. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(41) 2. 市場流動性風險(𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌 𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥𝐥 𝐫𝐫𝐫𝐫𝐫𝐫𝐫𝐫)第一主成分 使用 3 個Funding liquidity risk因子跑主成分分析:. 表 4-6 Market liquidity risk 主成因分析 PC1. PC2. 標準差. 1.1376. 0.8402. 解釋變異量. 0.6470. 0.353. 累積解釋變異量. 0.6470. 1. 由上表可知第一主成分即可解釋大部份的變異量因此只取第一主成分。 表 4-7 Market liquidity risk PC1. 治 (解釋力) (相關係數) 政 大0.65 0.81 0.81. 0.65. ‧ 國. 立 Bid − ask spread. h2. u2. (無法解釋) 0.35 0.35. 學. Pastor and stambaugh. PC1. 由上表知Market PC1相較來說解釋因子的比例較低。. ‧. 𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌𝐌 𝐏𝐏𝐏𝐏𝐏𝐏計算公式:. n. al. er. io. sit. y. Nat. 𝑃𝑃𝑃𝑃1 = 0.6211 × 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑎𝑎𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠ℎ + 0.6211 × Bid − ask spread. Ch. engchi. i n U. v. 32. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(42) 3. 所有流動性風險指標第一主成分: 表 4-8 ALL liquidity risk 主成因分析 PC1. PC2. PC3. PC4. PC5. 標準差. 1.692. 0.9335. 0.8338. 0.7004. 0.2825. 解釋變異量. 0.5726. 0.1743. 0.139. 0.0981. 0.0159. 累積解釋變異量. 0.5726. 0.7469. 0.8859. 0.9840. 1. . 由上表可以得知第一主成分即可解釋超過一半的變異量， 因此只取第一主成分。. 治 政 大 PC1 h2. 表 4-9 ALL liquidity risk PC1. 立(相關係數). (無法解釋) 0.15. LIBOR-Term repo. 0.90. 0.81. Swap minus TBill. 0.75. 0.56. Pastor and stambaugh. 0.51. 0.26. Bid-ask spread. 0.62. 0.39. ‧ 國. 0.85. 0.19 0.44 0.74 0.61. er. io. sit. y. ‧. 0.92. 學. (解釋力). Ted spread. Nat. 可以發現 ALL PC1 可以解釋較多的 Funding liquidity risk 部分，而. al. n. . u2. i n Ch Market liquidity risk 部分則解釋力下降很多。 engchi U. v. ALL Pc1 計算公式:. 𝑃𝑃𝑃𝑃1 = 0.321 × Ted spread + 0.314 × (𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 − 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅) + 0.263 ∗ (𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 − 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇). +0.177 × (P&S) + 0.218 × Bid − ask spread. 33. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(43) 第二節.流動性曝險 1. 流動性風險對各交易投組曝險程度 這一小節主要是檢驗流動性風險在利差交易、動能交易、價值交易各個投 組的曝險程度。在Mancini et al. (2013)的研究中發現了當市場上流動性下降. 時，投資人會想要解約利差交易(賣高利率貨幣買低利率貨幣)，但此時的高利 率貨幣會貶值而低利率貨幣會升值，故投資人損失會更慘重。在此使用簡單迴 歸檢驗其曝險程度。. 政 治 大 β值會小於投組 4(低利率貨幣)甚至在市場流動性風險因子中低利率國家的β值 立. 下表(4.7)中，首先利差交易的 4 個投組中可以發現投組 1(高利率貨幣)的. ‧ 國. 學. 為正，因此當流動性風險上升時會導致投組 1 的貨幣貶值程度大於投組 4 貨 幣，這時投資人如果解約利差交易損失會更慘重。. ‧. 在動能交易的 4 個投組中比較奇特的是流動性風險因子對投組 2、3 的β值. sit. y. Nat. 是比投組 1、4 來的大的。而在融資流動性風險中，投組 1(高前期超額報酬貨. al. er. io. 幣)的β值是小於投組 4(低前期超額報酬貨幣)的。因此，當融資流動性風險上. n. 升時會使動能交易的報酬下降。. Ch. engchi. i n U. v. 在價值交易的 4 個投組中可以發現投組 1(價值被低估貨幣)的β值是大於投 組 4(價值被高估貨幣)，因此當流動性風險上升時，投資人如果想要解約價值 交易策略會賣出投組 1 貨幣買入投組 4 貨幣，而因為投組 1 的β值大於投組 4 因 此升值程度會比較大使得投資人獲利。最後，跟 Asness et al. (2013)論文結果一 樣發現了市場流動性風險因子相對於融資流動性風險因子對動能及價值交易的β 是較不顯著的。. 34. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(44) n. Ch. 表 4-7 括弧中數字為 P 值. sit. io. al er. y. ‧. ‧ 國. 學. Nat. 投組報酬=α + 𝛽𝛽𝑖𝑖 × 流動性風險因子 + 殘差，其中 i = 1.2. .12 個投組. 表 4-10 流動性風險因子對各交易投組曝險程度. 立 政 治 大. engchi i n U. v. 35. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(45) 2.流動性風險對各交易因子曝險程度 在之前我們已經探討了流動性風險對各個交易因子之 4 個投組曝險程度， 而在這裡是探討流動性風險指標對利差、動能、價值交易的曝險程度，也就是 當流動性風險上升時會對利差交易(動能、價值)的報酬造成什麼影響，使用的 方法是依照 Asness et al.(2013)中作法，將流動性風險因子各自跑自我相關迴歸 AR(2)後取出殘差項(未預期的流動性風險)，最後將與利差、動能及價值因子跑 簡單迴歸。 結果如表(4.8)，利差交易因子與各流動性風險因子幾乎都為負相關且顯. 政 治 大. 著，也就是當未預期的流動性風險上升時利差交易會有損失，如同 Mancini et. 立. al. (2013)所述。. ‧ 國. 學. 動能交易因子方面與融資流動性風險為負相關且較顯著，代表當未預期的 融資流動性風險上升時動能交易報酬會下降，而與市場流動性風險因子為不顯. ‧. 著而且比較特別的是 Bid-ask spread 與動能交易之關係不顯著且為正相關；價值. sit. y. Nat. 交易因子與各流動性風險因子為正相關且顯著代表當未預期的流動性風險上升. al. er. io. 時動能交易報酬會下降，結果與 Asness et al.(2013)相同。. v. n. 另外，利差交易與融資流動性風險因子的關係及動能交易與融資流動性風. Ch. engchi. i n U. 險因子之關係為正向的；利差交易與流動性風險因子的關係及價值交易與流動 性風險因子之關係均為正向的。最後動能交易與融資流動性風險因子的關係及 價值交易與融資流動性風險因子之關係為負向的，因此這可能代表動能交易與 價值交易間的負相關有一部份可以用融資流動性風險所解釋。與 Asness et al.(2013)結果相同。. 36. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(46) 表 4-11 流動性因子之曝險程度 因子報酬=𝜷𝜷𝟎𝟎 +𝜷𝜷𝟏𝟏 ×liquidity risk factor Shocks+殘差. Ted spread. LIBOR- REPO. -2.4734. 𝛽𝛽1. -1.298. 𝛽𝛽1. 2.1161. (0.0005)***. (0.0938)*. (0.0019)***. -1.8569. -0.5702. 0.0424. (0.077)*. (0.2634). (0.919). 立. (0.0102)**. -0.0069. -0.0018. 0.0041. (0.0004)***. (0.36). (0.011)**. -0.0892. -0.0292. 0.038. (2.55e-05)***. (0.2050). (0.0512)*. -14.1318. 0.1279. 3.1188. (0.0018)**. (0.9792). (0.6182). -0.0091. -0.0007. 0.0048. ‧ 國. io. n. 第一主成分. Ch. (6e-05)***. e-0.0059 ngchi. (0.0004)***. ‧. Nat. 第一主成分. 學. (0.061)*. Bid-ask spread. al. 1.9031. (0.6704). y. IRP-TBILL. Pastor &Stambaugh. ALL 流動性. 𝛽𝛽1. 政-0.4013治 大-1.8605. 第一主成分. Market Liquidity Risk. VALUE. sit. Funding Liquidity Risk. MOM. er. 迴歸係數/P-value. carry 12. iv n U-0.0001. (0.7897) (0.954). (0.0026)* 0.0048 (0.0027)***. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 12. 表 4-8 括弧中數字為 P 值 37. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(47) 第三節.各投組之流動性及其與市場流動性之敏感度 在 Mancini et al.(2013)論文中有使用市場流動性指標來計算了各國的流動性 風險大小，同樣的也可以計算投組的流動性風險，也就是投組中包含哪些貨幣 就可以將使用貨幣的 Bid-ask spread 取平均值。 下表(4.9)為各投組流動性風險大小，使用的指標是各國的 Bid-ask spread，因此數值越大代表流動性風險越大。 從表中可以發現利差交易的投組 1(高利率國家)流動性風險最大然後投組. 政 治 大 (2013)的研究發現一樣，也就是高利率國家流動性風險相較低利率國家來的 立. 4(低利率國家)流動性風險最小，呈現一個遞減狀態。這個結果與 Mancini et al.. 高。. ‧ 國. 學. 而動能交易的投組 1 至投組 4 並沒有一定的傾向且投組 1 與投組 4 的大小. ‧. 並沒有差距很大，因此做了母體平均數差異檢驗，如下表(4.10)所示利差交易. y. Nat. 與價值交易中投組 1 跟投組 4 的流動性風險確實存在顯著差異；但動能交易的. er. io. sit. 卻不顯著，也就是說高前期超額報酬貨幣與低前期超額報酬貨幣之流動性風險 沒有太大差異。另外可以發現動能交易中投組 1、4 投組的流動性風險較投組. n. al. 2、3 來的大。. Ch. engchi. i n U. v. 價值交易投組 1(價值低估貨幣)的流動性風險較投組 4(價值高估貨幣)來的 小。因此價值交易策略有避險策略的概念。 下表(4.11)為投組流動性風險與市場流動性風險之敏感度分析，敏感度越 大代表該投組與市場流動性風險的連動性越大，通常流動性風險大的投組與市 場流動性風險之敏感度(b 值)會越大。因此可以跟表(4.9)的數值做對照，而主 要觀察投組 1 及投組 4 之數值。 首先利差交易的部分投組 1 之 b 值確實如同表(4.9)是大於投組 4，代表高 利率國家流動性風險較高且對市場流動性風險的敏感度也較高。 38. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(48) 動能交易方面投組 1、4(低前期超額報酬貨幣)對市場流動性風險的敏感度 b 值確實是大於投組 2、3(高前期超額報酬貨幣)的。 最後價值交易的部分投組 1 的 b 值確實如同表(4.9)小於投組 4，也就是說 價值高估貨幣對市場流動性風險之敏感度是較價值低估貨幣來的高的。 另外，如果將表(4.9)與表(4.7)中各投組之報酬與流動性風險的β值比較可 以發現利差交易的投組 1 是高流動性風險且當未預期的流動性風險上升時投組 報酬會下降、投組 4 是低流動性風險且當未預期的流動性風險上升時投組報酬 會下降的比投組 1 少甚至上升。在動能交易的 4 個投組及價值交易 4 個投組也. 政 治 大 性風險上升時投組的報酬會下降得越多。 立. 能發現此現象。因此這個結果代表如果投組流動性風險越高，當未預期的流動. ‧ 國. 投組 3. 投組 4. 0.002. 0.001. 0.0008. 0.0007. 0.0013. 0.0008. 0.0009. 0.0008. 0.0008. 0.0009. y. Nat. VALUE. 投組 2. 0.0012 0.0010. er. io. sit. MOM. 投組 1. ‧. Carry. 學. 表 4-12 各投組之平均 Bid-ask spread. n. 表a4-13 iv l 母體平均數差異檢驗. n U H0e : n𝝁𝝁g = 0i 𝟏𝟏 -𝝁𝝁c 𝟒𝟒 h. Ch. 全樣本. H1 : 𝝁𝝁𝟏𝟏 -𝝁𝝁𝟒𝟒 ≠ 0 T值. P-value. Carry. 16.5357. 1.27E-48***. MOM. 0.9762. 0.3293. Value 3.1728 0.0016*** *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準下顯著. 39. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(49) 表 4-14 投組與市場流動性之敏感度. 𝑳𝑳𝒊𝒊,𝒕𝒕 =𝛂𝛂 + 𝜷𝜷𝒊𝒊 × 𝑳𝑳𝑴𝑴,𝒕𝒕 + 殘差. i=投組 1~12. 其中𝐿𝐿𝑖𝑖,𝑡𝑡 為各投組平均 Bid-ask spread，𝐿𝐿𝑀𝑀,𝑡𝑡 為市場流動性風險因子. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 13. 13. 表 4-11 括弧中數字為 P 值 40. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(50) 第四節.Fama-Macbeth 兩步驟迴歸 此迴歸方法是由 Fama and Macbeth(1973)提出，用來檢測各個因子是否能解 釋外匯超額報酬以及是否具有足夠定價能力。 在表(4.2)中發現了 Ted spread 及 Pastor and Stambaugh 對利差交易的係數 最顯著；Ted spread 及 IRP-TBILL 對動能交易的係數較顯著；Ted spread 對價值 交易的係數最顯著，因此分別跑 Fama Macbeth 兩階段迴歸。(Ted spread 對利差 交易的 4 個投組跑；Pastor and Stambaugh 對利差交易的 4 個投組；Ted spread. 政 治 大. 對動能交易的 4 個投組；IRP-TBILL 對動能交易的 4 個投組；Ted spread 對價值 交易的 4 個投組). 立. 另外，在本節最後也有使用流動性風險之第一主成分對各因子投組跑 Fama-. ‧ 國. 學. Macbeth 兩步驟迴歸。. ‧. (1)第一步驟:時間序列迴歸. y. Nat. 第一步驟主要用來取得各風險因子在時間序列迴歸中之因子負載量. er. io. sit. Beta，其一般式如下:. n. 𝑖𝑖 𝑖𝑖 𝑖𝑖 𝑖𝑖 𝑡𝑡 = 𝛼𝛼 + � 𝛽𝛽𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑡𝑡 + 𝜀𝜀𝑡𝑡 a 𝑟𝑟𝑟𝑟 v i l C n h e n4 個，利差、動能、價值交易分別有 其中 i 為投組編號(投組共有 4 gchi U. 個)，而 Factor 為風險因子例如市場因子及流動性風險因子等。 得出因子負載量(Beta)後，必須做卡方聯合檢定，虛無假設為 4 個投組截距 項均為零，根據 Cochrane(2005)，檢定統計量= � −1 Ω. {1 + 𝐸𝐸(𝑓𝑓)′ � 𝑇𝑇 �. 2 𝐸𝐸(𝑓𝑓)}−1 𝛼𝛼� ′ Σ� −1 𝛼𝛼� ~𝑋𝑋𝑁𝑁−1 ，而 E(f)為自變數因子之平均值、N. 為投組數、T 為總期數，其中 �= Ω. 𝑇𝑇 1 � {𝑓𝑓𝑡𝑡 − 𝐸𝐸(𝑓𝑓)}{𝑓𝑓𝑡𝑡 − 𝐸𝐸(𝑓𝑓)}′ 𝑇𝑇 𝑡𝑡=1. Σ� =. 𝑇𝑇 1 � 𝜀𝜀̂𝑡𝑡 𝜀𝜀̂𝑡𝑡 ′ 𝑇𝑇 𝑡𝑡=1. 41. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(51) (2)第二步驟:橫斷面迴歸 使用第一步驟中得到的因子負載量 Beta，因此每個因子會有 4 個因子負 載量並將其帶入下面公式，對樣本每個月份時點進行橫斷面迴歸，最後取得 風險溢酬值λ�𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 ，再對其取平均值求得λ�𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 ，對其做 t 檢定，若顯著代 𝑡𝑡 𝑡𝑡 表此因子能被市場所定價，可以用來解釋橫斷面報酬。 ^ 𝑟𝑟𝑟𝑟𝑡𝑡𝑖𝑖 = 𝛼𝛼 + � λ𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 𝛽𝛽𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 + η𝑖𝑖𝑡𝑡 𝑡𝑡. 最後再進行定價誤差聯合卡方檢定，檢驗各投組之各時點下η𝑖𝑖𝑡𝑡 是否為. 2 零，根據 Cochrane(2005)，檢定統計量=η�′ 𝑐𝑐𝑐𝑐𝑐𝑐(η�)−1 η� ~𝑋𝑋𝑁𝑁−1 ，而 N 為投組. 數、T 為總期數，其中. cov(η�) =. η� =. 𝑇𝑇. �. 𝑇𝑇. η�𝑡𝑡. 𝑡𝑡=1. 𝑇𝑇 1 � (η�𝑡𝑡 − η�) (η�𝑡𝑡 − η�)′ 𝑇𝑇 2 𝑡𝑡=1. 學. ‧ 國. 立. 政 治 大 1. ‧. 而結果之 P 值大於 0.1 即代表不拒絕虛無假設，亦表示各風險已被市場. n. al. er. io. sit. y. Nat. 所訂價，且無存在定價誤差，表示模型適切。. Ch. engchi. i n U. v. 42. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(52) 1. Ted spread 對利差交易的 4 個投組跑兩步驟迴歸 ^ 如下表(4.12)為第一階段迴歸，可以發現𝛽𝛽𝑀𝑀𝑀𝑀𝑀𝑀 都在 1 附近且非常顯著，表. 示外匯超額報酬主要是由外匯市場平均超額報酬為基準去做增減調整，這與. ^ Lustig et al.(2011)之結果雷同；而𝛽𝛽𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 確實如同表(4.1)中投組 1 至投組 4. 呈現遞增代表當流動性風險上升時投組 1 貨幣會貶值而投組 4 貨幣會升值，但. 是顯著的只有投組 4 而已。整體的調整判定係數為 0.77，而卡方聯合檢定 4 個 投組之截距項為 0 中 P 值大於 0.1 不拒絕虛無假設，也就是說此迴歸模型已充 分被解釋。. 政 治 大 當市場因子報酬越高時會有較高的外匯超額報酬；而λ 立. 表(4.13)為第二階段迴歸的部分，可以發現市場因子的風險溢酬為正代表 ^ 𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 小於. 0 且顯著代. ‧ 國. 學. 表當 Ted spread 擴大時(融資流動性風險上升)，會造成利差交易投組之超額報 酬下降。在卡方聯合檢定之虛無假設為 4 個投組之定價誤差皆為 0，結果卡方. ‧. 值之 P-value=0.998>0.1 而不拒絕虛無假設，表示市場因子及 Ted spread 可以用. n. al. er. io. sit. y. Nat. 來作為定價因子。亦表示模型已充分被解釋。. Ch. engchi. i n U. v. 43. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
(53) 表 4-15 Ted spread 對利差交易第一階段迴歸 值. 標準誤. T值. p-value. 投組 1. 0.0038***. 0.0014. 2.6832. 0.0076. 投組 2. 0.0009. 0.0007. 1.2459. 0.2136. 投組 3. -0.001. 0.0007. -0.8172. 0.4143. 投組 4. -0.0044***. 0.0011. -4.1763. 0.0000. 投組 1. 1.1946***. 0.0420. 28.4550. 0.0000. 投組 2. 1.0548***. 0.0205. 51.4158. 0.0000. 投組 3. 0.8974***. 0.0201. 44.6829. 0.0000. 投組 4. 0.8928***. 0.0313. 28.5692. 0.0000. 投組 1. -0.3142. 0.1969. -1.5957. 0.1114. 投組 2. -0.0177. -0.1840. 0.8541. 0.1498. 0.8810 0.0345. Adjusted R 平方. 2.1220 χ²(α)/P 值. 0.7709. 0.0002/1. α. 𝛽𝛽̂𝑀𝑀𝑀𝑀𝑀𝑀 𝛽𝛽̂𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠. 投組 3. 立. 0.311**. 0.1466. 學. ‧ 國. 投組 4. 0.0962 治 政 0.0141 0.0942大. *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. ‧. y. Nat. 𝑖𝑖 𝑖𝑖 𝑖𝑖 回歸模型為𝑟𝑟𝑟𝑟𝑡𝑡𝑖𝑖 = 𝛼𝛼 𝑖𝑖 + 𝛽𝛽𝑀𝑀𝑀𝑀𝑀𝑀 𝑀𝑀𝑀𝑀𝑀𝑀𝑡𝑡 + 𝛽𝛽𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑡𝑡 + 𝜀𝜀𝑡𝑡. ^. er. io. sit. 表 4-16 Ted spread 對利差交易第二階段迴歸. n. a l T 值= λ𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹∗�380 i v 𝜎𝜎 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 n C h e n g λc𝑡𝑡 h i U. 2 ∑𝑁𝑁 𝑖𝑖=1(𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒=η). RMSE 誤差均方根= avg. std. T值. C. -0.0029. 0.0773. -0.73. λ�𝑀𝑀𝑀𝑀𝑀𝑀. 0.0043. 0.0798. 1.06. λ� 𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠. -0.0061. 0.0417. -2.84. 𝑅𝑅. 2. 0.87. 𝑁𝑁. RMSE. 2.987e-08. 卡方值/P 值. 2.0324 (0.998). *** *表示在 90%信心水準下顯著、**為 95%而***為 99%信心水準. 回歸模型為𝑟𝑟𝑟𝑟𝑡𝑡𝑖𝑖 = 𝛼𝛼 𝑖𝑖 + λ𝑀𝑀𝑀𝑀𝑀𝑀 𝛽𝛽̂𝑀𝑀𝑀𝑀𝑀𝑀 + λ 𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝛽𝛽̂𝑇𝑇𝑇𝑇𝑇𝑇 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 + η𝑖𝑖𝑡𝑡 44. DOI:10.6814/THE.NCCU.MB.009.2018.F06.
Outline
相關文件
2-1 註冊為會員後您便有了個別的”my iF”帳戶。完成註冊後請點選左方 Register entry (直接登入 my iF 則直接進入下方畫面)，即可選擇目前開放可供參賽的獎項，找到iF STUDENT
• If we know how to generate a solution, we can solve the corresponding decision problem. – If you can find a satisfying truth assignment efficiently, then sat is
As we shall see in Section 30.2, if we choose “complex roots of unity” as the evaluation points, we can produce a point-value representation by taking the discrete Fourier transform
If we would like to use both training and validation data to predict the unknown scores, we can record the number of iterations in Algorithm 2 when using the training/validation
What are the factors of strengths, weaknesses, opportunities and threats for instant coffee producers in Indonesia?... What is the competitive strategy that should
competitive strategy to explore in order to provide some of the domestic banking wealth management business recommendations, and thus enhance the stability of domestic
This study chose a qualitative research method to explore more in-depth information access strategy for the establishment of many commodities, institute of emphasis from
The school/department selection is divided into psychology, society and economy in this study. The selection is affected by five factors including college, interpersonal,
