新聞情緒對下單積極度之影響

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’s Thesis. 新聞情緒對下單積極度之影響 The Effect of News Sentiment on Order Aggressiveness. 魏如鈺 Wei, Ju-Yu. 指導教授：蔡蒔銓博士 Advisor：Shih-Chaun Tsai, Ph.D.. 中華民國 109 年 8 月 August 2020.

(2) 摘要隨著網路資訊普及，投資人能夠即時獲取財經新聞，並能對所獲取的資訊有即時反應，因此，本研究以 2014 年 4 月至 2015 年 12 月，台灣上市公司之普通股為樣本，透過文字探勘之方式，量化新聞詞語，計算新聞情緒，並將投資人分為外資、國內法人與自然人，探討新聞情緒對下單積極度之影響，實證結果顯示，自然人與國內法人有較快賣出股票之傾向，而外資則是看到壞消息，買入；看到好消息，賣出。. 關鍵字：文字探勘、新聞情緒、下單積極度. i.

(3) Abstract With the popularity of online information, investors can read financial news in real time and react to the news in real time. Therefore, use text mining to quantitative news words and calculate news sentiment for Taiwan listed companies of the common stock from April 2014 to December 2015. In addition, investors are divided into foreign investors, domestic institution investors, and retail investors. The empirical results show that retail investors and domestic institution investors tend to sell stocks more quickly. Moreover, foreign institution investors see good news, sell; see bad news, buy. Keywords：Text mining；News sentiment；Order aggressiveness. ii.

(4) 目錄摘要................................................................................................................................. i Abstract ..........................................................................................................................ii 目錄.............................................................................................................................. iii 表目錄 ......................................................................................................................... v 圖目錄 ........................................................................................................................ vi 第一章緒論 ................................................................................................................. 1 第一節研究動機與背景................................................................................ 1 第二節研究目的............................................................................................ 2 第三節研究流程............................................................................................ 3 第二章文獻探討 ......................................................................................................... 4 第一節下單積極度文獻探討........................................................................ 4 第二節新聞情緒文獻探討............................................................................ 5 第三節下單積極度與訊息公告之相關文獻探討........................................ 6 第三章研究方法 ......................................................................................................... 8 第一節資料來源與樣本篩選........................................................................ 8 第二節研究假說.......................................................................................... 10 第三節變數定義與說明.............................................................................. 13 第四節模型設定.......................................................................................... 18 第四章實證結果與分析 ........................................................................................... 24 第一節敘述統計.......................................................................................... 24 iii.

(5) 第二節單因子模型統計結果...................................................................... 26 第三節多因子模型統計結果...................................................................... 27 第五章結論與建議 ................................................................................................... 39 第一節研究結論.......................................................................................... 39 第二節未來研究建議.................................................................................. 40 參考文獻...................................................................................................................... 41. iv.

(6) 表目錄表 1、各變數之敘述統計.......................................................................................... 25 表 2、不同新聞情緒下之敘述統計.......................................................................... 25 表 3、單因子迴歸統計結果...................................................................................... 26 表 4、新聞情緒對下單積極度影響之程度.............................................................. 29 表 5、不同時點的新聞情緒對積極度之影響.......................................................... 33 表 6、不同公司規模的新聞情緒對積極度之影響.................................................. 37. v.

(7) 圖目錄圖 1、研究流程圖........................................................................................................ 3 圖 2、創市際雙週刊 2014 年的調查.......................................................................... 8 圖 3、創市際雙週刊 2015 年的調查.......................................................................... 9 圖 4、創市際雙週刊 2019 年的調查.......................................................................... 9 圖 5、新聞情緒判斷內容.......................................................................................... 14. vi.

(8) 第一章緒論第一節研究動機與背景近年來，網路資訊普及，人們取得新資訊並不困難，新聞的獲取亦是如此，而現今取得新聞的方式，不再侷限電視、報紙及廣播，更多時候是透過網路，因此，投資人能夠即時獲取財經新聞，並能對所獲取的資訊有即時反應。過往多認為新聞是質性的，無法直接透過量化方式說明，新聞對於金融市場、投資人交易行為等的影響，不過，隨著技術之進步，有許多學者以量化新聞詞語的方式，分析新聞中的正、負面詞語出現的頻率，並建構新聞情緒，藉此判斷新聞所傳達的正負面消息。Wu and Lin (2017) 也提到投資人交易行為不僅受到新聞數量的影響，而且受到新聞內容的影響。學者們過往的研究，大多提到悲觀情緒對價格、報酬與交易量都有較大的影響， Tetlock (2007) 發現悲觀情緒對價格的影響特別大，而 Tetlock, SaarTsechansky and Macskassy (2008) 也提到投資人的交易行為能很快將其反應在股價上。此外，學者也提到訊息之公告對於投資人下單積極度也有影響，以訊息公告後最為明顯，且不同投資人對於訊息之反應亦有所不同。Erenburg and Lasser (2009) 發現在總體經濟公告發布期間，投資人下單積極度有所提高，在公告發布後的第一分鐘，投資人最為積極。Chiao, Lin, and Lee (2017) 提到散戶對電視節目裡分析師之報告反應過度，而外資和國內法人則不會對分析師報告做出積極的反應。綜上所述，新聞具有即時性，而現今公司之訊息公告，亦能透過新聞發佈告知投資人，因此，投資人能夠更加便利的獲取相關訊息，進而調整其交易行為，故本研究探討新聞情緒對投資人下單積極度之影響。. 1.

(9) 第二節研究目的本研究根據 Ranaldo (2004) 與 Griffiths, Smith, Turnbull, and White (2000) 劃分投資人下單積極度，透過委託單的價格與最佳一檔之價格比較，分成五個程度，而後透過加權平均之方式，計算出當日平均的積極度，並進行新聞情緒之建立。探討新聞情緒對投資人下單積極度之影響，並將投資人分為外資、國內法人、自然人三類，進一步瞭解不同類別的投資人，在不同新聞情緒之下，是否會影響其下單積極度。本研究之目的有三，如下所示：一、新聞情緒對下單積極度的影響。二、新聞情緒對不同投資人的影響。三、新聞情緒對投資人影響是否不對稱。. 2.

(10) 第三節研究流程. 研究動機與背景. 研究目的. 相關文獻探討. 研究方法. 實證結果與分析. 結論與建議圖 1、研究流程圖. 3.

(11) 第二章文獻探討第一節下單積極度文獻探討 Griffiths et al. (2000) 將下單積極度由高到低分成六個等級，第一，當委託價大於最佳一檔的賣價，但委託量大於最佳一檔賣價的市場深度；第二，當委託價等於最佳一檔的賣價，但委託量大於最佳一檔賣價的市場深度，則歸為次積極；第三，當委託價等於最佳一檔的賣價，但委託量小於最佳一檔賣價的市場深度；第四，當委託價大於最佳一檔的買價，但小於最佳一檔賣價；第五，委託價等於最佳一檔的買價；最後一個等級則為委託價小於最佳一檔的買價。 Ranaldo (2004) 將下單積極度由高到低分為五個等級，第一，當市價單且委託量大於等於最佳一檔的市場深度，而這群投資人則屬於最為積極的；第二，當市價單且委託量小於最佳一檔的市場深度，則歸為次積極；第三，限價單其價格優於最佳報價；第四，限價單其價格優於最佳報價；第五，投資人取消委託單，則為最不積極的。而多數學者也遵循 Griffiths et al. (2000)、Ranaldo (2004) 區分下單積極度的方式，以委託價與最佳一檔買賣價進行比較，當委託價高於買(賣)價時，表示投資人越想要成交，反之，則沒有急迫成交的意願 (Duong, Kalev, and Krishnamurti， 2009；Hung，2016；Bian, Chan, Shi, and Zhou，2018) 。過往文獻還討論了影響下單積極度之影響，像是公司規模、限價委託簿的深度、買賣價差、股價波動性、投資人情緒等，皆會影響投資人下單的積極程度，且將投資人進行分類，區分成散戶、法人等，加以探討不同投資人其下單積極度之影響因素。 Griffiths et al. (2000) 發現前一筆的積極度越積極、同方向市場深度越大，投資人下單積極度越高，而當買賣價差、反方向市場深度、公司規模越高，投資人越不積極，不過，Hung (2016) 發現買方的下單積極度與公司規模呈現正相關；賣方的下單積極度則與公司規模呈現負相關，而 Duong et al. (2009) 認為散戶和法人會因為公司規模之不同，所做出的反應也不同，對於散戶而言，公司規模愈. 4.

(12) 小，下單積極度越高，對於法人而言，大、中型公司，其公司規模與下單積極度呈負相關，但在小公司中，公司規模與下單積極度呈正相關。 Ranaldo (2004) 發現買方投資人的下單積極度會受到賣方委託簿的深度所影響，而賣方投資人仍然受到賣方影響，此外，在買賣價差及短期股價波動性部分來說，可以發現買賣價差越大及短期股價波動性越高，投資人較不積極。Hung (2016) 亦提到波動度增加，會提高投資人下單積極度。Bian et al. (2018) 亦發現當買賣價差擴大時，投資人的下單積極度越低。Duong et al. (2009) 他們發現在交易大型股時，當價差較高，散戶和法人都較不積極，不過，散戶在交易中型股時，即使價差很大，仍為積極；此外，亦提到散戶和法人之間的關鍵差異，歸因於他們對未成交風險的敏感性，法人在市場波動較大的條件下，更加積極地下限價單，以便從限價單中獲利，且依據監控程度、交易成本的關係，中型和小型股票的監控程度較低，交易成本較高，當這些股票的波動度增加時，投資人的積極度會降低。此外，有學者亦發現投資人情緒對於下單積極度有影響。Hung (2016) 發現投資人情緒對投資人下單有顯著的影響，不論買賣方與投資人類別，投資人在樂觀時期較不積極，但下單的規模更大；在悲觀時期，較積極但下單規模小，而外資在樂觀時期，下單更積極和下更多的買單，在悲觀時期則較不積極，下單規模也更小；共同基金是最積極的，但他們在悲觀時期的交易行為會變得格外保守。. 第二節新聞情緒文獻探討過往文獻表明了新聞媒體對於金融市場具有一定的因果關係，新聞媒體會引起投資人的關注，進而推動股市交易 (Engelberg and Parsons，2011； Dougal, Engelberg, Garcia, and Parsons，2012；Solomon, Soltes, and Sosyura，2014) 。股市交易行為可能影響市場報酬與異常交易量，近年來，許多文獻量化新聞的詞語，透過情緒分析的方式，探討新聞的樂觀與悲觀情緒對於市場報酬、異常交易量等的影響。Tetlock (2007) 運用 GI 辭庫，進行新聞字詞的情緒判別，作者發現悲觀新聞情緒的異常高或低，會導致暫時高的市場交易量，Bollerslev, Li, and Xue (2018) 也提到新聞訊息公告時間點的附近，交易量顯著增加。 5.

(13) 此外，Tetlock (2007) 發現悲觀情緒對價格的影響特別大，因此作者認為悲觀情緒能夠預測股票報酬。Tetlock et al. (2008) 他們擴大了 Tetlock 在 2007 年的研究，主要發現公司特定的新聞報導中，負面詞語預測公司會有較低的獲利，且股價對負面訊息產生了短暫的反應，此外，對於基本面的描述，負面詞語對於收益和報酬的可預測性最大，他們認為新聞報導中包含的詞彙並不是多餘的資訊，而是對公司基本面難以量化的部分，投資人的交易行為能很快將其反應在股價上。 Garcia (2013) 與 Smales (2015) 也都提到新聞內容有助於預測股票報酬，特別是在經濟衰退期間。新聞情緒對於市場的影響是不對稱的，Heston and Sinha (2017) 發現樂觀新聞情緒會迅速增加股票報酬，但是，作者們發現受到悲觀新聞情緒的影響，會延遲到隨後的收益公告日附近，才會反應。Yang, Lin, and Yi (2017) 也發現在多頭市場中，投資人更加關注樂觀報導，忽略那些帶有悲觀訊息的報導，而在空頭市場的情況下，投資人更容易受到悲觀報導影響，而具有樂觀報導不會帶來重大影響。然而，新聞情緒對於不同投資人而言，影響其交易行為也有所不同。Lillo, Miccichè, Tumminello, Piilo, and Mantegna (2015) 發現政府和非營利組織對新聞不敏感，而法人與一般家庭較敏感，且前一天的新聞會影響法人、一般家庭和外國投資者的交易活動。 Wu and Lin (2017) 發現新聞樂觀或悲觀的詞語，很大程度上對法人和散戶的交易行為，產生正面或負面的影響，顯示了投資人交易行為不僅受到新聞數量的影響，而且受到新聞品質的影響，其中，外資的交易行為與新聞情緒一致，當樂觀情緒出現時，外資就成了淨買家。. 第三節下單積極度與訊息公告之相關文獻探討新聞或者是訊息的公告，對於投資人而言，這些資訊可能會影響其交易行為，根據文獻可以得知，在訊息公告後，投資人下單更加積極。Moshirian, Nguyen, and Pham (2012) 以澳洲市場為研究對象，他們發現收盤後到隔日開盤期間，所有發布之訊息，可以通過投資人下單的行為將訊息納入開盤價的過程，而這些訊息影響了開盤前的下單積極度。. 6.

(14) Erenburg and Lasser (2009) 發現在總體經濟公告發布期間，投資人下單積極度有所提高，在公告發布後的第一分鐘，投資人最為積極，且投資人取消較少的委託單，並提交相對更多的市價單和價格較好的限價單。然而，將投資人進行分類後，可以發現散戶與法人對於訊息公告之反應，則不同。Smales (2016) 研究了澳聯儲貨幣政策公佈前後的時間段內，法人和散戶的下單積極度，發現在發佈公告後，委託單數量急遽增加，顯示當投資人需要消化的訊息較少時，委託單會更多、更積極，其中，散戶最為積極；法人則是會隨著市場條件的變化和訊息的到來，進行下單的策略。 Chiao et al. (2017) 提到散戶對電視節目裡分析師之報告反應過度。散戶對正面的股票報告做出積極的反應，會下更多單，但是，對於負面股票報告時，反應則不如正面報告強烈，然而，外資和國內法人則不會積極對股票報告，做出反應。. 7.

(15) 第三章研究方法第一節資料來源與樣本篩選本研究資料來自台灣證券交易所提供之委託檔與揭示檔、台灣經濟新報資料庫 (TEJ) 以及鉅亨網的台股新聞，由於新聞在 2014 年 4 月之前，內容不完整，故配合變數之間的時間，將研究期間設為 2014 年 4 月 1 日至 2015 年 12 月 31 日，總共 436 個交易日。其中，台灣證券交易所提供之委託與揭示資料，包含了委託(揭示)時間、股票代碼、買或賣方、投資人類別、委託(揭示)價及委託量等。本研究僅包含普通股，排除了特別股、ETF、ADR、受益證券等，為了避免公司之財務不穩定的因素，影響投資人下單的情形，將任一公司於樣本期間內，其每股淨值曾低於 5 元者，及樣本期間內一日無成交紀錄的股票，不予納入樣本中，此外，樣本期間內文新聞紀錄者，亦不予納入樣本中，因此，共 697 間公司納入樣本中。而其他資料，像是：日報酬率、每日市值，資料來源均來自台灣經濟新報資料庫 (TEJ)。根據創市際市場研究顧問公司所發表的創市際雙週刊中，可以發現 2014 年、 2015 年，直到最近的 2019 年，鉅亨網都是財經類新聞網站使用者造訪次數與使用人數較高的 (如下圖 2、圖 3、圖 4 可知)，因此，選用鉅亨網作為研究對象。而本研究蒐集研究期間的新聞標題、內文，計算每則新聞的新聞情緒，詳細內容下一節將詳細介紹。. 圖 2、創市際雙週刊 2014 年的調查. 8.

(16) 圖 3、創市際雙週刊 2015 年的調查. 圖 4、創市際雙週刊 2019 年的調查. 9.

(17) 第二節研究假說以往認為新聞是質性，無法說明新聞帶來的影響，不過，隨著技術之進步，許多學者量化新聞詞語，分析新聞正負面詞語之頻率，藉此探討新聞對於投資人之影響，而本研究亦量化新聞詞語、建立新聞情緒，並探討新聞情緒對不同類型投資人下單積極度之影響。不同類型的投資人，其交易行為亦有所不同，過去文獻多提到法人為專業投資人，有較雄厚的資源能夠蒐集並處理大量的資訊，自然人相對法人而言，在資訊取得上，則處於劣勢 ( Walther，1999；Tsai，2013；Chung, Lee, and Park，2014)。而本研究進一步將法人分為外資與國內法人兩類，許多研究認為外資是資訊交易者，因其多為跨國性投資機構，擁有較豐富、多元的投資經驗，並擁有較多私有資訊及操作技巧，能獲取較好的績效 ( Grinblatt and Keloharju，2000；Froot, O’connell, and Seasholes，2001；Richards，2005；Chang, Hsieh, and Wang，2010) ，而許多學者發現，外資在台灣股票市場上的表現，優於國內投資人，因為他們訊息、資源和技術優勢 ( Seasholes，2004；Chang, Hsieh, and Wang，2010；Chen, Chen, and Huang，2014；Chuang, Lin, and Weng，2019)。 Barber and Odean (2008) 他們提到出現在新聞中的股票，才會被投資人注意到，這些股票可能在當日有異常高交易量，以及當日報酬率最高的情形，此外，散戶在出售股票時，傾向於出售已經擁有的股票，而專業投資人有較多的資源進行搜索，他們不會僅購買備受關注的股票，會經過篩選之後，進行投資。Li, Rhee, and Wang (2017) 也提到相對於機構投資人，散戶更多地依靠公開信息。Jiambalvo, Rajgopal, and Venkatachalam (2002) 的研究結果表明，機構投資者能夠更好地處理和應用公共訊息。 Lillo et al. (2015) 發現前一天的新聞會影響法人、一般家庭和外資的交易活動。 Wu and Lin (2017) 發現外資的交易行為與新聞情緒一致。Chiao et al. (2017) 提到散戶對電視節目裡分析師之報告反應過度。散戶對正面的股票報告做出積極的反應，會下更多單，但是，對於負面股票報告時，反應則不如正面報告強烈，而國內法人則不會積極對股票報告，做出反應。此外，Nofsinger (2001) 提到法. 10.

(18) 人會在好消息和壞消息之間進行買賣，散戶僅在好消息下進行交易，是由於散戶有處分效果存在，而 Chiao et al. (2017) 亦提到散戶受樂觀新聞影響較大。此外，根據過往研究發現，能夠知道相較樂觀新聞而言，悲觀新聞對投資人影響更大，Tetlock (2007)、Tetlock et al. (2008) 發現悲觀新聞情緒的異常高或低，會導致暫時高的市場交易量，而 Bollerslev et al. (2018) 也提到新聞訊息公告時間點的附近，交易量顯著增加。因此，本研究推論當悲觀新聞出現前，投資人因為不確定訊息，較恐慌而不下單，但當悲觀新聞消息發出時，不確定的消息減少後，投資人會更加積極下單，使得交易量提高。然而，由於投資人可以閱讀即時發布的新聞，即時調整其交易行為， Moshirian et al. (2012) 發現收盤後到隔日開盤期間，所有發布之訊息，影響了開盤前的下單積極度，且 Erenburg and Lasser (2009) 發現在總體經濟公告發布後的第一分鐘，投資人最為積極，而 Smales (2016) 發現在發佈公告後，以散戶最為積極，法人則是會隨著市場條件的變化和訊息的到來，進行下單的策略。因此，本研究推測，投資人能在短時間調整其交易行為，故提出以下假說：假說一：自然人當新聞情緒越樂觀，越積極買賣股票，且在短時間更加積極。假說二：有資訊的投資人(國內法人與外資)，其積極度與新聞情緒一致，新聞情緒越樂觀，越積極買入股票，但越不積極賣出股票，且在短時間更加積極。而後將股票區分成三等份，分為大、中、小型股，根據過往許多學者的研究發現，外資偏好持有大型股 ( Kang and Stulz，1997；Choe ,Kho and Stulz，1999； Dahlquist and Robertsson，2001；Lin and Shiu，2003；Ko ,Kim and Cho，2007； Ferreira and Matos，2008 )，Chiao, Chen and Hu (2010) 以台灣市場為研究對象，指出國內法人偏好持有小型股，Kumar and Lee (2006) 研究發現散戶偏好交易小型股。除此之外，透過 Sinha (2016) 研究得知，新聞的語氣包含訊息，不僅限於小型股，大型股和具有大量分析師關注的股票，投資人的反應不足更強，作者認為進行大量分析的投資者，可能會擁有更多私人訊息，且他們了解自己的訊息屬於. 11.

(19) 私人的，所以他們會耐心地交易，因此，本研究推論投資人對於自己所偏好的股票會作出更多分析，等待交易機會，故提出以下假說：假說三：國內法人，交易小型股時，新聞情緒越樂觀，越不積極買入，積極賣出；交易中、大型股時，新聞情緒與積極度一致。假說四：自然人，交易小型股時，新聞情緒越樂觀，越不積極買入，積極賣出；交易中、大型股時，新聞情緒越樂觀，越積極買賣。假說五：外資，交易中、小型股時，新聞情緒越樂觀，越積極買入，越不積極賣出；交易大型股時，新聞情緒越樂觀，越不積極買入，但積極賣出。. 12.

(20) 第三節變數定義與說明一、下單積極度根據 Ranaldo (2004) 與 Griffiths et al. (2000)的方式，將下單積極度分為五個等級，由高至低依序為： 1. 委託價大於最佳一檔的賣(買)價； 2. 委託價等於最佳一檔的賣(買)價； 3. 委託價大於最佳一檔的買價，但小於最佳一檔賣價； 4. 委託價等於最佳一檔的買(賣)價； 5. 委託價小於最佳一檔的買(賣)價。而後將下單積極度等級與委託單數量，透過加權平均的方式，得到每日加權平均積極度，加權平均後的數字越小，表示越積極，反之，加權平均後的數字越大，則表示越不積極，計算方式如下所示：. 𝑂𝐴𝑖,𝑗,𝑡 =. ∑5𝑘=1 𝑘𝑖,𝑗,𝑡 × 𝑉𝑜𝑙𝑢𝑚𝑒𝑖,𝑗,𝑘,𝑡 ∑5𝑘=1 𝑉𝑜𝑙𝑢𝑚𝑒𝑖,𝑗,𝑘,𝑡. 其中， 𝑂𝐴𝑡 ：在 t 時的加權平均下單積極度， 𝑉𝑜𝑙𝑢𝑚𝑒𝑡 ：在 t 時的委託單數量， 𝑖：買、賣方， 𝑗：投資人類別， 𝑘𝑡 ：在 t 時的下單積極程度，k=1,2,3,4,5。. 13. ，.

(21) 二、新聞情緒此變數利用 Python 套件中的結巴斷詞，並加入了 CFSD 的中文金融字典與 NTUSD 的中文字典，針對新聞內容，計算正、負面字詞的占比 (如下圖 5 所示)，每一篇新聞含有正面字詞占比、負面字詞占比，而中性字詞(即無意義的字詞，如語助詞等)則未顯示於圖 5 中，正面、負面、中性字詞，三種字詞總合為 1。本研究參考 Smales (2015) 計算新聞情緒之方法，將正面情緒給予「+1」的分數，負面情緒給予「-1」的分數，並將情緒乘以字詞占比平均後，得出每篇新聞情緒之分數，而每日之情緒分數則將該日所有新聞情緒分數平均得之，公式如下所示： ∑𝑛𝑖=1(𝑝𝑟𝑜𝑏𝑝𝑜𝑠,𝑖 − 𝑝𝑟𝑜𝑏𝑛𝑒𝑔,𝑖 ) 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡 = ， 𝑛 其中， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡 ：在 t 日的平均新聞情緒， 𝑝𝑟𝑜𝑏𝑝𝑜𝑠,𝑖 ：第 i 則新聞的正面字詞占比， 𝑝𝑟𝑜𝑏𝑛𝑒𝑔,𝑖 ：第 i 則新聞的負面字詞占比， 𝑛：在 t 日的新聞數。. 圖 5、新聞情緒判斷內容. 14.

(22) 三、其他控制變數一、波動度 (Vol；Volatility) 過往文獻對於波動度與積極度之間，並沒有一定的定論。Menkhoff, Carol, and Schmeling (2010) 提到較高的波動，會降低非執行風險，從而增加限價單，Ahn, Bae, and Chan (2001)、Bae, Jang, and Park (2003) 也提到當臨時委託簿失衡導致上行波動增加，會使得投資人改下更多的限價賣單。而 Ranaldo (2004)、Hung (2016) 也支持此論點(即波動度增加，會提高投資人下單積極度)。不過，Foucault (1999) 指出，波動性的增加，投資人的風險增加，可能會要花更多成本交易，使得投資人不會那麼積極下單，這也支持了 Handa and Schwartz (1996) 的觀點。且 Duong et al. (2009) 提到散戶和法人之間的關鍵差異，歸因於他們對未成交風險的敏感性，法人在市場波動較大的條件下，更加積極地下限價單，以便從限價單中獲利，且依據監控程度、交易成本的關係，中型和小型股票的監控程度較低，交易成本較高，當這些股票的波動度增加時，投資人的積極度會降低。綜合上述，根據過往文獻並不能確定，波動度和下單積極度之間的關係。本研究仿照 Ranaldo (2004)、Duong et al. (2009)、Hung (2016) 計算波動度的方式，以 20 日的日報酬與 20 日報酬的平均計算而成，計算方式如下所示：. 𝑉𝑜𝑙𝑡 = √. 2 ∑20 𝑡=1(𝜇𝑡−20 − 𝜇̅ ) ， 19. 其中， 𝑉𝑜𝑙𝑡 ：在 t 日的波動度， 𝜇𝑡 ：在 t 日的報酬。. 15.

(23) 二、相對買賣價差 (RS；Relative Spread) 買賣價差的擴大，可能意味著市場中存在更大的不確定性 ( Foucault ，1999)，導致投資人交易成本提高 ( Handa and Schwartz，1996 )，增加了投資人提交較少積極委託單的可能性 ( Chung, Van Ness, and Van Ness ，1999；Ahn et al.，2001； Bae et al.，2003)，且 Ranaldo (2004) 表明投資人下單的積極度隨著價差的大小而減小，而 Griffiths et al. (2000)、Bian et al. (2018) 也支持相同的論點，因此，本研究預期隨著買賣價差之擴大，不確定性也提高，使得投資人下單較為不積極。本研究沿用 Griffiths et al. (2000)、Ranaldo (2004)、Bian et al. (2018) 計算相對買賣價差之方式，即平均最佳一檔買賣報價之差除以平均最佳一檔買賣之中點報價，計算方式如下： 𝑅𝑆𝑡 =. 𝐴𝑠𝑘𝑡 − 𝐵𝑖𝑑𝑡 ， 𝐴𝑠𝑘𝑡 + 𝐵𝑖𝑑𝑡 ( ) 2. 其中， 𝑅𝑆𝑡 ：在 t 日的相對買賣價差， 𝐴𝑠𝑘𝑡 ：在 t 日的平均最佳一檔賣出報價， 𝐵𝑖𝑑𝑡 ：在 t 日的平均最佳一檔買進報價。. 16.

(24) 三、公司規模 (Size) Griffiths et al. (2000) 發現公司規模愈大，投資人下單越不積極，Duong et al. (2009) 則提到對於散戶而言，公司規模愈小，下單積極度越高，對於機構投資人而言，大、中型公司，其公司規模與下單積極度呈負相關，但在小公司中，公司規模與下單積極度呈正相關，而 Hung (2016) 提到買方的下單積極度與公司規模呈現正相關；賣方的下單積極度則與公司規模呈現負相關。 Sankaraguruswamy, Shen, and Yamada (2013) 提到新聞發布頻率更高的公司往往擁有更多的交易，更大的規模，且 Hong, Lim, and Stein (2000) 表明公司規模較小者，投資人對訊息反應較慢，Stoll (2000) 發現相對於大規模公司而言，公司規模較小，其流動性較差，Roll (1984)亦支持此論點，此外， Bhattacharya, Desai, and Venkataraman (2013) 發現，訊息不對稱在大小公司之間是不同的，對於較大的公司，訊息不對稱不太明顯，但小公司的訊息不對稱程度要高於大公司兩倍之多，Chae (2005) 也發現小規模的公司會引起高度訊息不對稱。因此，本研究預期公司規模愈小，投資人較不積極下單。公司規模的衡量方式，與 Duong et al. (2009)、Hung (2016) 一致，即公司規模為對公司市值取自然對數，如下所示： 𝑆𝑖𝑧𝑒𝑡 = log(𝑀𝑎𝑟𝑘𝑒𝑡 𝑉𝑎𝑙𝑢𝑒𝑡 ) ，其中， 𝑆𝑖𝑧𝑒𝑡 ：在 t 日的公司規模， 𝑀𝑎𝑟𝑘𝑒𝑡 𝑉𝑎𝑙𝑢𝑒𝑡 ：在 t 日的公司市值。. 17.

(25) 第四節模型設定一、模型一：本研究主要探討下單積極度與新聞情緒之關係，故構建單因子模型，如式 (1) 所示： 𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝜀𝑖,𝑗,𝑚,𝑡. (1). 其中， 𝑂𝐴𝑡 ：在 t 日的加權平均下單積極度， 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資、散戶）， 𝑚：個股， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1 ：在𝑡 − 1日的平均新聞情緒。. 二、模型二：加入其他控制變數，探討新聞情緒是否仍能影響下單積極度，如式 (2) 所示： 𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝛽2 𝑉𝑜𝑙𝑚,𝑡−1 + 𝛽3 𝑅𝑆𝑚,𝑡−1 + 𝛽4 𝑆𝑖𝑧𝑒𝑚,𝑡−1 + 𝛽5 𝑂𝐴𝑖,𝑗,𝑚,𝑡−1 + 𝜀𝑖,𝑗,𝑚,𝑡 其中， 𝑂𝐴𝑡 ：在 t 日的加權平均下單積極度， 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑚：個股， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1 ：在𝑡 − 1日的平均新聞情緒，. 18. (2).

(26) 𝑉𝑜𝑙𝑡−1：在𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在𝑡 − 1日的公司規模。. 三、模型三：根據先前的文獻可以知道，負面情緒對於投資人的影響較大，因此，加入虛擬變數，探討負面情緒是否有較大程度的影響，如式 (3) 所示： 𝑂𝐴𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝛽2 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝛽3 𝑉𝑜𝑙𝑚,𝑡−1 + 𝛽4 𝑅𝑆𝑚,𝑡−1 + 𝛽5 𝑆𝑖𝑧𝑒𝑚,𝑡−1 + 𝛽6 𝑂𝐴𝑖,𝑗,𝑚,𝑡−1 (3) + 𝜀𝑖,𝑗,𝑚,𝑡 其中， 𝑂𝐴𝑡 ：在 t 日的加權平均下單積極度， 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑚：個股， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1 ：在𝑡 − 1日的平均新聞情緒， 𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0， 𝑉𝑜𝑙𝑡−1：在𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在𝑡 − 1日的公司規模。. 19.

(27) 四、模型四：考慮到新聞的即時性，投資人可能在開盤後一小時，即反應完前一日所發生的事情，如式 (4) 所示： 𝑜𝑝𝑒𝑛𝑖𝑛𝑔. 𝑂𝐴𝑖,𝑗,𝑚,𝑡. = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 + 𝛽2 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑚,𝑡−1 (4). +𝛽3 𝑉𝑜𝑙𝑚,𝑡−1 + 𝛽4 𝑅𝑆𝑚,𝑡−1 + 𝛽5 𝑆𝑖𝑧𝑒𝑚,𝑡−1 +. 𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝛽6 𝑂𝐴𝑖,𝑗𝑚,,𝑡−1. + 𝜀𝑖,𝑗,𝑚,𝑡. 其中， 𝑜𝑝𝑒𝑛𝑖𝑛𝑔. 𝑂𝐴𝑡. 𝑐𝑙𝑜𝑠𝑖𝑛𝑔. 𝑂𝐴𝑡−1. ：在 𝑡日開盤後一小時的加權平均下單積極度，. ：在 𝑡 − 1日收盤前一小時的加權平均下單積極度，. 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑚：個股， 𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1 ：在 𝑡 − 1日的平均新聞情緒， 𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在 𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。. 20.

(28) 五、模型五：在模型四時，討論到新聞的即時性，相較於前一日的新聞情緒，隔夜的新聞情緒可能影響更深，故探討隔日新聞對開盤後一小時下單積極度之影響，如式 (5) 所示： 𝑜𝑝𝑒𝑛𝑖𝑛𝑔. 𝑂𝐴𝑖,𝑗,𝑚,𝑡. 𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡. 𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡. = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡−1 + 𝛽2 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡−1. (5) +𝛽3 𝑉𝑜𝑙𝑚,𝑡−1 + 𝛽4 𝑅𝑆𝑚,𝑡−1 + 𝛽5 𝑆𝑖𝑧𝑒𝑚,𝑡−1 +. 𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝛽6 𝑂𝐴𝑖,𝑗,𝑚,𝑡−1. + 𝜀𝑖,𝑗,𝑚,𝑡. 其中， 𝑜𝑝𝑒𝑛𝑖𝑛𝑔. 𝑂𝐴𝑡. 𝑐𝑙𝑜𝑠𝑖𝑛𝑔. 𝑂𝐴𝑡−1. ：在 𝑡日開盤後一小時的加權平均下單積極度，. ：在 𝑡 − 1日收盤前一小時的加權平均下單積極度，. 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑚：個股， 𝐷：當平均新聞情緒分數為負時，𝐷 = 1；其餘為 0， 𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡. 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1. ：在 𝑡 − 1日收盤後至 t 日開盤前的平均新聞情緒，. 𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在 𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。. 21.

(29) 六、模型六：討論交易期間所發布之新聞，投資人是否會及時反應，調整其下單與否，故探討每一小時的新聞情緒對每小時下單積極度之影響，如式 (6) 所示： 𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟 𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟 𝑂𝐴ℎ𝑜𝑢𝑟 + 𝛽2 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡 𝑖,𝑗,𝑚,𝑡 = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑖,𝑗,𝑚,𝑡. (6) +𝛽3 𝑉𝑜𝑙𝑚,𝑡−1 + 𝛽4 𝑅𝑆𝑚,𝑡−1 + 𝛽5 𝑆𝑖𝑧𝑒𝑚,𝑡−1 +. 𝛽6 𝑂𝐴𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟 𝑖,𝑗,𝑚,𝑡. + 𝜀𝑖,𝑗,𝑚,𝑡. 其中， 𝑂𝐴ℎ𝑜𝑢𝑟 ：在 𝑡日交易期間一小時的加權平均下單積極度， 𝑡 𝑂𝐴𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟 ：在𝑡日交易期間前一小時的加權平均下單積極度， 𝑡 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑚：個股， 𝐷：該小時平均新聞情緒分數為負時，𝐷 = 1；其餘為 0， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟 ：在 𝑡日每一小時的平均新聞情緒， 𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在 𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。. 22.

(30) 七、模型七：將股票分為大、中、小型三類，探討在不同類型的股票下，新聞情緒對下單積極度之影響，如式 (7) 所示： 𝑂𝐴𝑖,𝑗,𝑙,𝑚,𝑡 = 𝛼 + 𝛽1 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑙,𝑚,𝑡−1 + 𝛽2 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑙,𝑚,𝑡−1 +𝛽3 𝑉𝑜𝑙𝑙,𝑚,𝑡−1 + 𝛽4 𝑅𝑆𝑙,𝑚,𝑡−1 + 𝛽5 𝑆𝑖𝑧𝑒𝑙,𝑚,𝑡−1 + 𝛽6 𝑂𝐴𝑖,𝑗,𝑙,𝑚,,𝑡−1 + 𝜀𝑖,𝑗,𝑙,𝑚,𝑡 其中， 𝑂𝐴𝑡 ：在 t 日的加權平均下單積極度， 𝑖：買、賣方， 𝑗：投資人類別（分為國內法人、外資及散戶）， 𝑙：股票類型（分為大、中、小型三類）， 𝑚：個股， 𝐷：該日平均新聞情緒分數為負時，𝐷 = 1；其餘為 0， 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡𝑡−1 ：在 𝑡 − 1日的平均新聞情緒， 𝑉𝑜𝑙𝑡−1：在 𝑡 − 1日的波動度， 𝑅𝑆𝑡−1 ：在 𝑡 − 1日的相對買賣價差， 𝑆𝑖𝑧𝑒𝑡−1：在 𝑡 − 1日的公司規模。. 23. (7).

(31) 第四章實證結果與分析第一節敘述統計表 1 為各變數於樣本期間之敘述統計，在下單積極度的部分，可以看出，自然人是最為積極的，國內法人是最不積極的，而其他變數中，新聞情緒的標準差最高，為 3.457。表 2 為不同新聞情緒下之敘述統計，國內法人買方與自然人買方，在不同情緒下的平均數無顯著差異，不過，國內法人賣方，在負面情緒下，較不積極，且在不同情緒下的平均數有顯著差異；自然人賣方，在負面情緒下，較積極，且在不同情緒下的平均數有顯著差異，而外資無論買賣方，在負面新聞情緒下，較為積極，且在不同情緒下的平均數有顯著差異。此外，投資人下單積極度無論是在樣本期間，或是在不同新聞情緒下，都能夠發現，無論投資人類別，賣方皆比買方更為積極下單，Shu, Yeh, Chiu, and Chen (2005) 探討台灣股票市場投資人的處分效果，發現台灣投資人實現獲利的比率是實現損失的 2.5 倍，而 Odean (1998b) 的研究中，美國投資人實現獲利的比率僅為實現損失的 1.5 倍，顯示台灣股票市場投資人呈現比美國投資人更強的處分效果，因此賣方投資人比買方投資人更為積極。. 24.

(32) 表 1、各變數之敘述統計 𝑂𝐴 (買方) 國內法人. 𝑂𝐴 (賣方). 外資自然人國內法人. 外資. 自然人. 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑉𝑜𝑙. 𝑅𝑆. 𝑆𝑖𝑧𝑒. 中位數. 4.781. 4.166. 3.733. 4.500. 3.750. 3.464. 0.920. 1.575. 0.004. 3.827. 平均數. 4.369. 4.009. 3.700. 4.050. 3.632. 3.458. 1.190. 1.772. 0.001. 3.909. 標準差樣本數. 0.853 310484. 0.769 0.459 306546 329273. 1.077 285439. 0.821 0.456 304726 329272. 3.457 45754. 1.005 0.097 0.607 331836 329563 331836. 表 2、不同新聞情緒下之敘述統計. 𝑂𝐴 (買方). 平均積極度樣本數平均積極度非負面情緒樣本數負面情緒. 積極度之差. 𝑂𝐴 (賣方). 國內法人. 外資. 自然人. 國內法人. 外資. 自然人. 4.182 14897 4.174 29840 0.008 (0.966). 4.108 14889 4.142 29701 -0.034*** (-5.998). 3.634 15078 3.635 30361 -0.001 (-0.251). 3.939 14584 3.914 29039 0.025*** (2.657). 3.769 14874 3.809 29783 -0.040*** (-6.187). 3.472 15078 3.489 30361 -0.017*** (-4.269). 註 1：括弧內為 t-value。註 2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。. 25.

(33) 第二節單因子模型統計結果表 3 為單因子迴歸模型之統計結果，即模型一之統計結果。對於國內法人而言，當新聞情緒越樂觀，越不積極買入，而新聞情緒對賣方積極度無顯著影響；對於外資而言，當新聞情緒越樂觀，越不積極買賣；對於自然人而言，當新聞情緒越樂觀，越不積極賣出，而新聞情緒對買方積極度無顯著影響，此結果不符合假說一與假說二。表 3、單因子迴歸統計結果. 𝑂𝐴 (買方) 國內法人 (n=44912) 截距項. 外資. 𝑂𝐴 (賣方) 自然人. (n=44765) (n=45616). 4.174*** 4.121*** 3.634*** (1034.565) (1435.130) (1750.866). 國內外資法人 (n=43797) (n=44832). (n=45616). 3.924*** (830.500). 3.787*** (1183.372). 3.479*** (1715.420). 自然人. 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. 0.244* (2.197). 0.815*** (10.330). 0.067 (1.183). -0.189 (-1.453). 0.835*** (9.489). 0.344*** (6.197). Adj. 𝑅 2. 0.000. 0.002. 0.000. 0.000. 0.002. 0.001. 註 1：括弧內為 t-value。註 2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。. 26.

(34) 第三節多因子模型統計結果一、新聞情緒對下單積極度影響之程度上一節單因子模型僅探討了新聞情緒，單一因子，對下單積極度之影響，現在加入其他控制變數之後，探究新聞情緒對下單積極度是否仍具有影響，統計結果如表 4 之 Panel A 所示，亦為模型二之統計結果，而後根據先前文獻之研究，發現負面情緒對於投資人更具影響，加入了虛擬變數，藉以探討負面新聞情緒是否對下單積極度有較大的影響，並將統計結果呈現於表 4 的 Panel B，且是本研究模型三之統計結果。對於國內法人而言，在不分新聞情緒下，買方，其新聞情緒對下單積極度並無顯著影響，不過，在探討負面新聞情緒是否更具影響時，相對於樂觀新聞情緒而言，當新聞情緒越悲觀，越不積極買入股票（𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 顯著為負）；賣方，不論區分新聞情緒與否，其委託行為皆一致，即當新聞情緒越悲觀，下單越不積極；對於外資而言，在不分新聞情緒下，無論其買賣方，新聞情緒越樂觀，下單越不積極，而其在相對於樂觀新聞情緒而言，新聞情緒越悲觀，越積極買入股票，越不積極賣出，此結果不符合假說一。究其可能原因，Barber, Lee, Liu, and Odean (2007)以台灣股票市場為研究對象時，提到自然人與國內法人有處分效果，外資則無，而 Chou and Wang (2011) 檢測不同類型投資人是否有處分效果時，也發現外資的處分效果最弱，國內法人與自然人有處分效果存在，且根據 Talpsepp (2011) 以愛沙尼亞的市場為研究對象時，也發現外資沒有表現出處分效果的行為，因此，推測國內法人可能是受處分效果的影響，而外資擁有較多私有資訊及操作技巧，因此，推測外資看到好消息，賣出；看到壞消息，買進，是採取逆勢交易策略而成，此與 Schumaker et al. (2012) 的論點一致。對於自然人而言，在不分新聞情緒下，買方，當新聞情緒越樂觀，下單越不積極，而相對於樂觀新聞情緒而言，其悲觀新聞情緒與下單積極度無顯著影響；賣方，不論區分新聞情緒與否，其委託行為皆一致，即當新聞情緒越悲觀，下單. 27.

(35) 越不積極，此結果顯示了自然人受樂觀新聞情緒影響較大，與 Nofsinger (2001)、 Chiao et al. (2017) 一致，並符合假說二。在控制變數的部分，其與下單積極度之方向，無論在 Panel A 與 Panel B 結果一致。前一日積極度，不分投資人類別與買賣方，與當日下單積極度皆顯著為正，即前一日下單越積極，當日下單也越積極。買賣價差，不分投資人類別，當投資人為買方時，買賣價差擴大，會使得下單越積極；投資人為賣方時，買賣價差擴大，下單越不積極。波動度，國內法人與自然人，無論是買方或賣方，當波動度越高，皆越積極下單，而外資作為賣方時，有相同結果，其作為買方時，則不然，意即當外資為買方時，波動度越高，下單越不積極。公司規模，當公司規模越高，國內法人、外資的買賣方，以及自然人的買方，皆越積極下單，而自然人的賣方，則對公司規模越小者，較積極賣出。. 28.

(36) 表 4、新聞情緒對下單積極度影響之程度. Panel A：不分新聞情緒對下單積極度之影響 𝑂𝐴 (買方) 國內法人 (n=44478) 截距項. 𝑂𝐴 (賣方). (n=44300) (n=45519). 國內法人 (n=42930). (n=44287) (n=45518). 2.248*** (77.004). 2.127*** (88.213). 1.956*** (108.481). 1.676*** (52.405). 1.616*** (68.109). 1.416*** (85.430). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.103 (-1.155). 0.479*** (7.458). 0.146*** (2.997). -0.372*** (-3.618). 0.310*** (4.151). -0.119** (-2.562). 𝑉𝑜𝑙. -0.058*** (-18.628). 0.026*** (11.690). -0.042*** (-24.455). -0.046*** (-13.106). -0.005* (-1.822). -0.018*** (-11.060). 𝑅𝑆. -0.323*** (-13.109). -0.149*** (-8.337). -0.124*** (-9.690). 0.237*** (8.128). 0.206*** (9.977). 0.210*** (17.664). 𝑆𝑖𝑧𝑒. -0.068*** (-15.583). -0.066*** (-20.414). 0.028*** (11.680). -0.013** (-2.569). 0.061*** (16.391). 0.075*** (32.404). 𝑂𝐴𝑡−1. 0.569*** (151.262). 0.551*** (141.692). 0.454*** (113.941). 0.614*** (159.113). 0.503*** (122.903). 0.504*** (123.984). Adj. 𝑅 2. 0.367. 0.335. 0.286. 0.380. 0.278. 0.321. 外資. 自然人. 外資. 自然人. Panel B：負面新聞情緒對下單積極度之影響 𝑂𝐴 (買方). 𝑂𝐴 (賣方). 國內法人 (n=44478). 外資. 自然人 (n=45519). 國內法人 (n=42930). (n=44300). (n=44287) (n=45518). 截距項. 2.237*** (75.981). 2.143*** (87.879). 1.957*** (108.042). 1.650*** (50.983). 1.605*** (66.603). 1.388*** (82.608). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. 0.193 (1.480). 0.187** (1.978). 0.111 (1.572). 0.194 (1.281). 0.529*** (4.843). 0.384*** (5.652). 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.852*** (-3.098). 0.838*** (4.230). 0.098 (0.651). -1.619*** (-5.093). -0.631*** (-2.750). -1.457*** (-10.174). 29. 外資. 自然人.

(37) 𝑉𝑜𝑙. -0.058*** (-18.693). 0.026*** (11.722). -0.042*** (-24.432). -0.047*** (-13.166). -0.005* (-1.844). -0.017*** (-11.141). 𝑅𝑆. -0.326*** (-13.210). -0.146*** (-8.167). -0.124*** (-9.674). 0.231*** (7.925). 0.204*** (9.862). 0.206*** (17.300). 𝑆𝑖𝑧𝑒. -0.067*** (-15.298). -0.067*** (-20.703). 0.028*** (11.567). -0.011** (-2.149). 0.062*** (16.558). 0.077*** (33.116). 𝑂𝐴𝑡−1. 0.569*** (150.872). 0.550*** (141.700). 0.454*** (113.724). 0.613*** (158.878). 0.503*** 0.505*** (122.935) (124.346). Adj. 𝑅 2. 0.367. 0.335. 0.286. 0.380. 註 1：括弧內為 t-value。註 2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。. 30. 0.277. 0.323.

(38) 二、不同時點的新聞情緒對積極度之影響新聞所傳達的訊息具即時性，過時的新聞資訊對於投資人影響不大，甚至沒有影響，投資人對於新聞的反應時間，可能也不會太長，故本研究將新聞情緒分為前一日、隔夜、交易期間內每小時，三種時點，探討新聞情緒對下單積極度之影響，統計結果於表 5 列示，亦為本研究之模型四、五、六統計結果。由於本研究僅透過一個新聞網站進行分析，而樣本期間之日內新聞數量並非每一公司都能有大量之新聞報導，因此，能明顯看出樣本數在交易期間內，遠小於前一日新聞情緒與隔夜新聞情緒，故在交易期間之統計結果，可能存在些許偏差。對國內法人而言，買方，無論前一日新聞情緒或交易時間內每小時新聞情緒，新聞情緒與下單積極度無顯著影響，不過，相對樂觀情緒而言，隔夜新聞情緒越悲觀，越不積極買入；賣方則不論新聞情緒時點，相對樂觀新聞情緒，當新聞情緒越悲觀，越積極售出，且其積極程度在交易期間更為明顯，此一統計結果符合假說一。對外資而言，不論新聞情緒時點，買方，相對樂觀新聞情緒，下單積極度與悲觀新聞情緒無顯著影響；賣方，相對樂觀新聞情緒，當前一日新聞情緒越樂觀，越積極，不過，在隔夜新聞情緒與交易時間內每小時新聞情緒，其統計結果顯示，新聞情緒越悲觀，越積極售出，且在交易期間時，更加積極，此一統計結果不符合假說一，雖然統計結果買方新聞情緒與下單積極度無顯著影響，不過，仍能夠看出外資在新聞情情緒越悲觀時，買入股票，在即時反應中，亦會在悲觀新聞情緒時，賣出股票，而在較為長時間的訊息累積下，則在樂觀新聞情緒時，賣出股票，Dvořák (2005) 實證研究印尼市場，發現本國投資人的短期獲利能力比外資來的強，但長期而言卻是外資的獲利能力較佳，可能原因是本國投資人掌握了較多的短期的特殊資訊，Huang and Shiu (2009) 則是實證研究台灣市場發現外資擁有進行基礎研究的資源，可以進行長期投資，因此，推測在長時間訊息的累積下，才能夠體現外資的操作策略。對於自然人而言，不論是探討前一日新聞情緒，或隔夜新聞情緒對下單積極度之影響，相對樂觀新聞情緒而言，其買賣方當新聞情緒越悲觀，越不積極，在. 31.

(39) 交易期間，其統計結果顯示，無論買賣方，新聞情緒與下單積極度無顯著影響，此一統計結果符合假說二，亦支持 Nofsinger (2001)、Chiao et al. (2017) 的論點。在控制變數的部分，前一時段的下單積極度與現時段的下單積極度，模型中皆顯著為正，意即前一時段的下單越積極，現時段的下單也越積極。波動度，在探討交易期間之影響時，國內法人及自然人的賣方，波動度與積極度無顯著影響，而其餘的統計結果與前述統計結果(表 4)相同。公司規模，國內法人的買賣雙方，在模型四、五、六的統計結果(如表 5)一致，即公司規模越大，越不積極下單；自然人的買賣雙方，在不同時點的新聞情緒與積極度之影響，其統計結果也一致，當公司規模越大，自然人較積極下單；外資的買賣雙方，如表 4 的 Panel A、Panel B 列示，探討前日新聞情緒或隔夜新聞情緒對積極度之影響時，公司規模越大，外資較不積極，但當探討交易期間內的影響時，公司規模越大，外資更加積極下單。買賣價差，對於國內法人而言，在交易期間內，買賣價差擴大，國內法人的賣方越積極，買方則越不積極，且在前日新聞情緒與隔夜新聞情緒的探討下，買賣價差擴大，國內法人的買賣方也較不積極；對於外資買方、自然人賣方而言，在前日新聞情緒與隔夜新聞情緒的探討下，買賣價差與積極度無顯著影響，但在交易期間內，買賣價差擴大，越不積極下單；對於外資賣方而言，在隔夜新聞情緒的探討下，買賣價差與積極度無顯著影響，在交易期間內與前日新聞情緒的探討下，買賣價差擴大，越不積極下單；對於自然人買方而言，在前日新聞情緒的探討下，買賣價差擴大，越不積極下單，但在交易期間內的討論下，則較積極下單，不過，在隔夜新聞情緒的探討下，買賣價差與積極度無顯著影響。. 32.

(40) 表 5、不同時點的新聞情緒對積極度之影響. Panel A：新聞情緒對開盤後一小時積極度之影響 𝑂𝐴 (買方) 國內法人 (n=41395). 𝑂𝐴 (賣方). (n=41395) (n=39155). 國內法人 (n=43970). (n=38219) (n=38111). (139.315). 2.590*** (75.610). 3.352*** (91.644). 2.978*** (154.449). 2.962*** (92.485). 3.05*** (79.454). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.039 (-0.406). 0.732*** (5.962). 0.465*** (2.953). 0.832*** (8.851). 0.992*** (7.406). 0.654*** (3.642). 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.261 (-1.272). -0.385 (-1.491). -1.942*** (-5.878). 0.713*** (3.592). -0.738*** (-2.640). -2.436*** (-6.478). 𝑉𝑜𝑙. -0.111*** (-46.153). 0.017*** (11.722). -0.129*** (-33.226). -0.105*** (-46.939). -0.014** (-4.072). -0.104*** (-24.082). 𝑅𝑆. 0.384*** (4.959). 0.030 (0.306). 0.416*** (2.970). 0.837*** (11.889). 0.497*** (3.655). 0.210 (1.165). 𝑆𝑖𝑧𝑒. 0.053*** (15.319). 0.019*** (4.305). -0.020*** (-3.535). 0.117** (37.438). 0.051*** (10.563). -0.027*** (-4.339). 𝑂𝐴𝑡−1. 0.200*** (50.548). 0.308*** (64.308). 0.314*** (83.064). 0.125*** (31.127). 0.171*** (42.472). 0.339*** (94.717). Adj. 𝑅 2. 0.150. 0.097. 0.193. 0.137. 0.052. 0.213. 截距項. 3.036***. 外資. 自然人. 外資. 自然人. Panel B：隔夜新聞情緒對開盤後一小時積極度之影響 𝑂𝐴 (買方) 國內法人 (n=32602) 截距項 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡. 𝑂𝐴 (賣方). (n=32602) (n=30964). 國內法人 (n=34310). (n=30316) (n=30141). 3.184*** (123.578). 2.550*** (63.053). 3.413*** (81.623). 3.057*** (136.234). 2.974*** (80.402). 3.150*** (71.201). 0.595*** (5.093). 0.099 (0.686). 0.713*** (3.845). 0.742*** (6.495). 0.223 (1.403). 0.304 (1.402). 外資. 33. 自然人. 外資. 自然人.

(41) 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑜𝑣𝑒𝑛𝑖𝑔ℎ𝑡. -0.725*** (-3.072). -0.027 (-0.093). -1.427*** (-3.823). 0.460** (1.976). 1.172*** (3.667). -1.825*** (-4.200). 𝑉𝑜𝑙. -0.117*** (-43.560). 0.027*** (8.340). -0.122*** (-28.544). -0.108*** (-42.837). -0.005 (-1.386). -0.098*** (-20.103). 𝑅𝑆. 0.193** (1.751). -0.142 (-1.044). -0.015 (-0.070). 0.537*** (5.648). 0.327 (1.630). 0.076 (0.269). 𝑆𝑖𝑧𝑒. 0.023*** (5.659). 0.021*** (4.122). -0.035*** (-5.381). 0.093*** (25.101). 0.056*** (9.809). -0.045*** (-6.013). 𝑂𝐴𝑡−1. 0.204 *** (45.155). 0.312*** (55.748). 0.317*** (75.143). 0.143*** (31.271). 0.165*** (35.778). 0.338*** (84.193). Adj. 𝑅 2. 0.151. 0.095. 0.197. 0.129. 0.046. 0.211. Panel C：每小時新聞情緒對每小時積極度之影響 (n=15102) 𝑂𝐴 (買方). 𝑂𝐴 (賣方). 國內法人. 外資. 截距項. 2.088*** (43.300). 2.550*** (48.436). 2.072*** (32.879). 1.415*** (29.906). 1.743*** (36.642). 1.647*** (25.061). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟. 13.264 (0.852). 9.809 (0.671). -8.391 (-0.394). 24.215 (1.443). 11.586 (0.706). -7.867 (-0.331). 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡 𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟. 38.124 (1.173). -24.169 (-0.792). 6.405 (0.144). 209.921*** (5.984). 96.562*** (2.821). -44.046 (-0.887). 𝑉𝑜𝑙. -0.031*** (-6.516). 0.020*** (4.642). -0.053*** (-8.309). 0.006 (1.126). -0.022*** (-4.410). -0.001 (-0.150). 𝑅𝑆. 0.655*** (5.296). 0.258** (2.219). -0.309* (-1.827). -0.342** (-2.571). 0.308** (2.369). 0.339* (1.797). 𝑆𝑖𝑧𝑒. 0.023*** (3.522). -0.103*** (-16.475). -0.125*** (-13.599). 0.071*** (9.773). -0.011 (-1.612). -0.095*** (-9.288). OA𝑝𝑟𝑒𝑣𝑖𝑜𝑢𝑠_ℎ𝑜𝑢𝑟. 0.383*** (43.091). 0.567*** (83.043). 0.654*** (97.177). 0.442*** (47.146). 0.575*** (78.849). 0.685*** (102.056). Adj. 𝑅 2. 0.126. 0.351. 0.419. 0.162. 0.297. 0.422. 自然人. 國內法人. 註 1：括弧內為 t-value。註 2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。. 34. 外資. 自然人.

(42) 三、不同公司規模的新聞情緒對積極度之影響本研究將樣本的公司規模均分三等份，劃分為大、中、小型股，探討在不同公司規模，新聞情緒對下單積極度之影響，統計結果如表 6 所示，亦為模型七之統計結果。對於國內法人而言，買方，交易小型股與大型股時，新聞情緒與積極度無顯著影響，而在交易中型股時，相對樂觀新聞情緒而言，當新聞情緒越樂觀，越積極買入股票；賣方，交易中、大型股時，相對樂觀新聞情緒而言，新聞情緒越悲觀，越不積極，而在小型股，新聞情緒與積極度無顯著影響，此統計結果不符合假說四。對於外資而言，買方，交易小型股，新聞情緒與下單積極度無顯著影響，交易中、大型股時，相對樂觀新聞情緒，當新聞情緒越悲觀，越積極；賣方，交易小、中型股時，相對樂觀新聞情緒，當新聞情緒越悲觀，則越不積極，而在交易大型股時，當新聞情緒越悲觀，則會積極出售，此結果不符合假說五。對於自然人而言，賣方，不論公司大小，相對樂觀新聞情緒，當新聞情緒越悲觀，皆越不積極售出；買方，相對樂觀新聞情緒，交易小、中型股時，新聞情緒越悲觀，越積極買進，而在交易大型股時，新聞情緒越悲觀，越不積極購買，此一結果不符合假說六。由上述可知，三種類別投資人的買方，其統計結果較符合假說，即投資人在買入股票時，會因為偏好某一類型的股票，且對偏好的股票有較深入的分析，且投資人了解所分析出的訊息屬於私人的，所以他們會耐心地交易，較不積極下單 (Sinha，2016)，不過，三種類別投資人的賣方，其新聞情緒對下單積極度之影響，皆不符合假說，究其可能原因為小規模的公司會引起高度訊息不對稱，且其不對稱程度要高於大公司(Bhattacharya et al.，2013；Chae，2005)，且 Hong et al. (2000) 表明公司規模較小者，投資人對訊息反應較慢，因此，外資賣方在交易大型股時，會在負面消息出現後，積極委託賣出，而不積極委託賣出中、小型股。但在國內法人與自然人交易大型股時，則是在負面消息後，不積極委託賣出，而這兩類型投資人在買大型股時，因樂觀新聞情緒出現，而購買股票，顯示其持 35.

(43) 有股票時間較短，有較快售出之傾向，而 Barber et al. (2007) 以台灣股票市場為研究對象時，提到國內法人及自然人有處分效果，Bian et al. (2018) 亦提到投資人的行為偏誤，會影響其下單積極度，因此，推測國內法人與自然人可能是行為偏誤之因素，新聞情緒越樂觀時，所被報導的公司可能有較好的報酬，所以很快地賣出。其他控制變數的部分，不論公司規模大小，前一日積極度與當日下單積極度呈正向顯著，即前一日越積極，當日下單越積極。波動度，對於國內法人與自然人而言，無論買賣方與公司規模，當波動度越大，下單越積極；對於外資買方而言，當波動度越大，下單越不積極；對於外資賣方而言，小型股的波動度與積極度無顯著影響，而中、大型股的波動度大，下單越積極。買賣價差，對於三類投資人賣方而言，當買賣價差越大，下單越不積極；對於三類投資人買方而言，除了外資在大型股的買賣價差與積極度無顯著影響，以及自然人在小型股的買賣價差與積極度無顯著影響外，其餘則是當買賣價差越大，下單越積極。公司規模，對於國內法人而言，除了其賣方在交易小型股時，公司規模與積極度無顯著影響外，當公司規模越大，國內法人越積極下單，而外資在交易大型股較積極，自然人則交易中、小型股較積極。. 36.

(44) 表 6、不同公司規模的新聞情緒對積極度之影響. Panel A：小型股 𝑂𝐴 (買方). 𝑂𝐴 (賣方). 國內法人 (n=3484). 外資. 自然人. 國內法人 (n=2696). (n=3119). (n=4107). (n=3175) (n=4106). 截距項. 3.399*** (15.669). -1.111*** (-4.945). 3.332*** (27.839). 2.709*** (8.563). -0.428* (-1.921). 3.242*** (30.367). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. 0.071 (0.136). 0.674 (1.219). -0.596** (-2.276). 0.228 (0.312). 2.152*** (3.813). 0.452* (1.923). 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.668 (-0.586). 0.845 (0.725). 1.832*** (3.167). 0.867 (0.552). -4.362*** (-3.657). -1.577*** (-3.029). 𝑉𝑜𝑙. -0.024* (-1.918). 0.061*** (4.994). -0.038*** (-6.198). -0.084*** (-5.262). 0.018 (1.414). -0.031*** (-5.788). 𝑅𝑆. -0.219*** (-2.963). -0.154** (-2.084). 0.045 (1.265). 0.344*** (3.540). 0.215*** (2.813). 0.253*** (8.501). 𝑆𝑖𝑧𝑒. -0.245*** (-4.244). 0.837*** (12.095). -0.222*** (-7.075). -0.102 (-1.175). 0.610*** (9.121). -0.284*** (-11.049). 𝑂𝐴𝑡−1. 0.436*** (30.348). 0.515*** (32.660). 0.319*** (22.794). 0.477*** (27.419). 0.437*** (27.450). Adj. 𝑅 2. 0.235. 0.369. 0.188. 0.248. 外資. 0.260. 自然人. 0.335*** (23.854) 0.192. Panel B：中型股 𝑂𝐴 (買方). 𝑂𝐴 (賣方). 國內法人 (n=8253). 外資. 自然人. (n=8404). (n=8533). 截距項. 4.669*** (19.454). -0.283* (-1.905). 2.771*** (24.502). 4.288*** (15.479). -0.858*** (-4.834). 2.509*** (23.495). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. 0.645* (1.926). 0.036 (0.161). -0.124 (-0.780). 0.496 (1.266). 0.337 (0.206). 0.116 (0.781). 37. 國內法人 (n=7701). 外資. 自然人. (n=8315) (n=8533).

(45) 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -2.095*** (-2.913). 1.891*** (3.944). 0.673** (1.961). -1.634* (-1.943). -2.142*** (-3.753). -0.701** (-2.178). 𝑉𝑜𝑙. -0.075*** (-9.637). 0.036*** (6.998). -0.047*** (-12.493). -0.067*** (-7.340). -0.015** (-2.517). -0.021*** (-6.269). 𝑅𝑆. -0.217*** (-4.518). -0.175*** (-5.311). -0.132*** (-5.965). 0.278*** (4.889). 0.209*** (5.445). 0.181*** (9.218). 𝑆𝑖𝑧𝑒. -0.059*** (-10.118). 0.704*** (17.482). -0.145*** (-5.376). -0.600*** (-8.776). 0.808*** -0.145*** (17.159) (-5.736). 𝑂𝐴𝑡−1. 0.466*** (49.581). 0.418*** (43.825). 0.416*** (45.332). 0.515*** (51.794). 0.393*** (39.459). 0.427*** (43.922). Adj. 𝑅 2. 0.290. 0.282. 0.249. 0.295. 0.234. 0.206. Panel C：大型股 𝑂𝐴 (買方) 國內法人 (n=32741) 截距項. 𝑂𝐴 (賣方). (n=32773) (n=32879). 國內法人 (n=32533). (n=32797) (n=32879). 1.985*** (53.107). 3.221*** (92.984). 1.719*** (74.285). 1.518*** (37.637). 2.612*** (77.256). 1.167*** (54.121). 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. 0.068 (0.484). 0.155* (1.672). 0.329*** (3.996). 0.149 (0.918). 0.332*** (2.985). 0.412*** (5.165). 𝐷 ∗ 𝑁𝑒𝑤𝑠_𝑠𝑒𝑛𝑡. -0.212 (-0.718). 0.385** (1.995). -0.333* (-1.933). -1.707*** (-5.068). 0.388* (1.674). -1.459*** (-8.794). 𝑉𝑜𝑙. -0.051*** (-14.932). 0.009*** (4.393). -0.038*** (-18.821). -0.032*** (-8.293). -0.017*** -0.009*** (-6.236) (-5.238). 𝑅𝑆. -0.339*** (-9.855). -0.026 (-1.180). -0.109*** (-5.595). 0.120*** (3.058). 0.180*** (6.757). 𝑆𝑖𝑧𝑒. -0.062*** (-10.678). -0.204*** (-49.197). 0.052*** (15.102). -0.021*** (-3.136). -0.087*** 0.092*** (-18.802) (27.141). 𝑂𝐴𝑡−1. 0.624*** (147.167). 0.462*** (95.940). 0.482*** (102.785). 0.654*** (155.593). 0.446*** (90.966). 0.543*** (115.317). Adj. 𝑅 2. 0.424. 0.369. 0.310. 0.433. 0.232. 0.350. 外資. 自然人. 外資. 註 1：括弧內為 t-value。註 2：***表示達 1%顯著水準；**表示達 5%顯著水準；*表示達 10%顯著水準。 38. 自然人. 0.195*** (10.389).

(46) 第五章結論與建議第一節研究結論隨著技術之進步，投資人觀看財經新聞愈發容易，而許多學者亦透過文字探勘之方式，藉此將質性新聞，予以量化，進而探討新聞與投資人之行為。本研究先探討新聞情緒與下單積極度影響之程度，藉此探討悲觀新聞情緒是否更具影響，實證結果顯示，當新聞情緒越樂觀，三類投資人皆越積極售出股票，而當新聞情緒越樂觀，國內法人越積極購買，外資則不積極，對於自然人而言，無顯著影響，統計結果不符假說一，但符合假說二。此外，本研究亦檢視不同時點的新聞情緒對下單積極度之影響，藉此探討新聞之即時性，是否投資人會即時調整其下單行為，實證結果顯示，交易期間內，新聞情緒與下單積極度無顯著影響，究其原因可能是，並非每一小時都一定有新聞報導，且並非每一公司都能有大量之新聞報導，投資人也未必能短時間內看完所有新聞，進而交易，而透過此部分之實證結果，可以得知自然人受到樂觀情緒影響較大；國內法人其下單積極度，受新聞情緒之影響；外資以長期投資為主，在長期新聞情緒的影響下，更能顯現外資的操作策略。最後，則是將樣本的公司規模均分三等份，探討不同公司規模的新聞情緒對下單積極度之影響，實證結果顯示，三種類別投資人的買方，其統計結果不符合假說。本研究透過三個面向進行新聞情緒對下單積極度影響之分析，總體而言，外資擁有較多私有資訊及操作技巧，能對資訊度較為透明之公司有較好之交易行為，且整體來看，外資似乎採取逆勢交易策略，買在好消息、賣在壞消息，此與 Schumaker et al. (2012) 的論點一致。自然人受樂觀情緒影響較大，此實證結果，亦符合 Nofsinger (2001)、Chiao et al. (2017) 的研究結果，而國內法人其有持有股票時間較短之傾向，推測國內法人與自然人可能是行為偏誤之因素，當新聞情緒越樂觀時，所被報導的公司可能有較好的報酬，所以很快地賣出。. 39.

(47) 第二節未來研究建議本研究實證結果顯示，新聞情緒對投資人下單積極度有一定之影響，且不同投資人的買、賣方，會受到不同新聞情緒之影響亦不同，不過，本研究僅以鉅亨網的個股新聞作為研究對象，因此，無法涵蓋網路所有之新聞，建議往後研究可運用更多不同的新聞網站，以及不同的新聞類型作為研究。此外，由於本研究資料取得之因素，研究時間僅一年多，建議往後研究能夠覆蓋至少一輪牛、熊市，藉此探討不同市場情況下，新聞情緒對下單積極度之影響。. 40.

(48) 參考文獻 Ahn, H. J., Bae, K. H., & Chan, K. (2001). Limit orders, depth, and volatility: Evidence from the stock exchange of Hong Kong. The Journal of Finance, 56(2), 767-788. Bae, K. H., Jang, H., & Park, K. S. (2003). Traders’ choice between limit and market orders: evidence from NYSE stocks. Journal of Financial Markets, 6(4), 517-538. Barber, B. M., Lee, Y. T., Liu, Y. J., & Odean, T. (2007). Is the aggregate investor reluctant. to. realise. losses?. Evidence. from Taiwan. European. Financial. Management, 13(3), 423-447. Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies, 21(2), 785-818. Bhattacharya, N., Desai, H., & Venkataraman, K. (2013). Does earnings quality affect information asymmetry? Evidence from trading costs. Contemporary Accounting Research, 30(2), 482-516. Bian, J., Chan, K., Shi, D., & Zhou, H. (2018). Do behavioral biases affect order aggressiveness?. Review of Finance, 22(3), 1121-1151. Bollerslev, T., Li, J., & Xue, Y. (2018). Volume, volatility, and public news announcements. The Review of Economic Studies, 85(4), 2005-2041. Chae, J. (2005). Trading volume, information asymmetry, and timing information. The Journal of Finance, 60(1), 413-442. Chang, C. C., Hsieh, P. F., & Wang, Y. H. (2010). Information content of options trading volume for future volatility: Evidence from the Taiwan options market. Journal of Banking & Finance, 34(1), 174-183. Chen, C. N., Chen, C. R., & Huang, Y. S. (2014). Which types of traders and orders profit from futures market trading?. The Journal of Derivatives, 21(4), 49-62. Chiao, C., Chen, S. H., & Hu, J. M. (2010). Informational differences among institutional investors in an increasingly institutionalized market. Japan and the World Economy, 22(2), 118-129. 41.

(49) Chiao, C., Lin, T. Y., & Lee, C. F. (2017). The reactions to on-air stock reports: Prices, volume, and order submission behavior. Pacific-Basin Finance Journal, 44, 27-46. Choe, H., Kho, B. C., & Stulz, R. M. (1999). Do foreign investors destabilize stock markets? The Korean experience in 1997. Journal of Financial Economics, 54(2), 227-264. Chou, R. K., & Wang, Y. Y. (2011). A test of the different implications of the overconfidence and disposition hypotheses. Journal of Banking & finance, 35(8), 2037-2046. Chung, C. Y., Lee, J., & Park, J. (2014). Are individual investors uninformed? Evidence from trading behaviors by heterogeneous investors around unfaithful corporate disclosure. Asia‐Pacific Journal of Financial Studies, 43(2), 157-182. Chang, C. C., Hsieh, P. F., & Wang, Y. H. (2010). Information content of options trading volume for future volatility: Evidence from the Taiwan options market. Journal of Banking & Finance, 34(1), 174-183. Chung, K. H., Van Ness, B. F., & Van Ness, R. A. (1999). Limit orders and the bid–ask spread. Journal of Financial Economics, 53(2), 255-287. Chuang, Y. W., Lin, Y. F., & Weng, P. S. (2019). Why and how do foreign institutional investors outperform domestic investors in futures trading: Evidence from Taiwan. Journal of Futures Markets, 39(3), 279-301. Dahlquist, M., & Robertsson, G. (2001). Direct foreign ownership, institutional investors, and firm characteristics. Journal of Financial Economics, 59(3), 413-440. Dougal, C., Engelberg, J., Garcia, D., & Parsons, C. A. (2012). Journalists and the stock market. The Review of Financial Studies, 25(3), 639-679. Duong, H. N., Kalev, P. S., & Krishnamurti, C. (2009). Order aggressiveness of institutional and individual investors. Pacific-Basin Finance Journal, 17(5), 533-546. Dvořák, T. (2005). Do domestic investors have an information advantage? Evidence from Indonesia. The Journal of Finance, 60(2), 817-839.. 42.

(50) Engelberg, J. E., & Parsons, C. A. (2011). The causal impact of media in financial markets. The Journal of Finance, 66(1), 67-97. Erenburg, G., & Lasser, D. (2009). Electronic limit order book and order submission choice around macroeconomic news. Review of Financial Economics, 18(4), 172182. Ferreira, M. A., & Matos, P. (2008). The colors of investors’ money: The role of institutional investors around the world. Journal of Financial Economics, 88(3), 499-533. Foucault, T. (1999). Order flow composition and trading costs in a dynamic limit order market. Journal of Financial markets, 2(2), 99-134. Froot, K. A., O’connell, P. G., & Seasholes, M. S. (2001). The portfolio flows of international investors. Journal of Financial Economics, 59(2), 151-193. Garcia, D. (2013). Sentiment during recessions. The Journal of Finance, 68(3), 12671300. Griffiths, M. D., Smith, B. F., Turnbull, D. A. S., & White, R. W. (2000). The costs and determinants of order aggressiveness. Journal of Financial Economics, 56(1), 65-88. Handa, P., & Schwartz, R. A. (1996). Limit order trading. The Journal of Finance, 51(5), 1835-1861. Heston, S. L., & Sinha, N. R. (2017). News vs. sentiment: Predicting stock returns from news stories. Financial Analysts Journal, 73(3), 67-83. Hong, H., Lim, T., & Stein, J. C. (2000). Bad news travels slowly: Size, analyst coverage, and the profitability of momentum strategies. The Journal of Finance, 55(1), 265-295. Huang, R. D., & Shiu, C. Y. (2009). Local effects of foreign ownership in an emerging financial market: Evidence from qualified foreign institutional investors in Taiwan. Financial Management, 38(3), 567-602. Hung, P. H. (2016). Investor sentiment, order submission, and investment performance on the Taiwan Stock Exchange. Pacific-Basin Finance Journal, 39, 124-140. 43.

(51) Jiambalvo, J., Rajgopal, S., & Venkatachalam, M. (2002). Institutional ownership and the extent to which stock prices reflect future earnings. Contemporary Accounting Research, 19(1), 117-145. Kang, J. K. (1997). Why is there a home bias? An analysis of foreign portfolio equity ownership in Japan. Journal of Financial Economics, 46(1), 3-28. Ko, K., Kim, K., & Cho, S. H. (2007). Characteristics and performance of institutional and foreign investors in Japanese and Korean stock markets. Journal of the Japanese and International Economies, 21(2), 195-213. Kumar, A., & Lee, C. M. (2006). Retail investor sentiment and return comovements. The Journal of Finance, 61(5), 2451-2486. Li, W., Rhee, G., & Wang, S. S. (2017). Differences in herding: Individual vs. institutional investors. Pacific-Basin Finance Journal, 45, 174-185. Lillo, F., Miccichè, S., Tumminello, M., Piilo, J., & Mantegna, R. N. (2015). How news affects the trading behaviour of different categories of investors in a financial market. Quantitative Finance, 15(2), 213-229. Lin, C. H., & Shiu, C. Y. (2003). Foreign ownership in the Taiwan stock market—an empirical analysis. Journal of Multinational Financial Management, 13(1), 19-41. Menkhoff, L., Osler, C. L., & Schmeling, M. (2010). Limit-order submission strategies under asymmetric information. Journal of Banking & Finance, 34(11), 2665-2677. Moshirian, F., Nguyen, H. G. L., & Pham, P. K. (2012). Overnight public information, order placement, and price discovery during the pre-opening period. Journal of Banking & Finance, 36(10), 2837-2851. Nofsinger, J. R. (2001). The impact of public information on investors. Journal of Banking & Finance, 25(7), 1339-1366. Odean, T. (1998). Are investors reluctant to realize their losses?. The Journal of Finance, 53(5), 1775-1798. Ranaldo, A. (2004). Order aggressiveness in limit order book markets. Journal of Financial Markets, 7(1), 53-74. 44.