訊息與外匯市場效率性之研究 - 政大學術集成

全文

(1)國立政治大學經濟研究所碩士論文. 訊息與外匯市場效率性之研究治. 政. 大立 A Study of News and Foreign Exchange Market Efficiency ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 研究生 : 魏祥庭撰指導教授 : 陳秀淋博士指導教授 : 蕭明福博士. 中華民國九十九年六月.

(2) 摘要在本篇研究中，我們考慮了未預料到的訊息進而檢定歐元兌美元外匯市場的效率性。並且，我們將資料分為金融海嘯發生前後兩段期間，資料頻率為日資料。有別於之前文獻使用的訊息不完整且可能不為真實的訊息，我們考慮了所有美國及歐盟定期公布的相關經濟數據與指標，並定義未預料到訊息為數據真實質與預期值之間的差距。我們的實證結果指出，在金融海嘯前，是接受市場效率性假說的，雖然此一結果在金融海嘯發生後並不成立，但未預料到訊息的衝擊，確實會影響外匯市場效率性檢定的結果。因此過去文獻無法支持市場效率性假說之原因. 政治大存在不對稱的影響力，且市場傾向於忽略歐盟區的數據。立. 可能源自於忽略了未預料訊息的考量。另外，我們也發現，美國訊息與歐盟訊息. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 關鍵詞 : 訊息、外匯市場效率性 JEL 分類代碼： F31. ii. i Un. v.

(3) Abstract In this paper, we examine the hypothesis of market efficiency in euro/dollar with un-anticipated news, which are defined as the difference between actual values and the market‟s forecasts. The research data are divided into two periods of time, before and after the beginning of financial crisis. Unlike previous literatures in which the un-anticipated news are incomplete and may be unreal, our paper adopted all macroeconomic announcements and indicators of United States and the European Union. Our results before the financial crisis indicate that the market efficiency. 政治大 result still shows the importance of the un-anticipated news in testing the foreign 立 hypothesis is accepted, although the result fails to hold after the financial crisis. The. ‧ 國. 學. exchange market efficiency hypothesis. Therefore the rejection of efficiency hypothesis on foreign exchange market in the literature may result from the lack of. ‧. un-anticipated news in the model. In addition, we found that impacts of U.S. and EU. Nat. sit. y. un-anticipated news are asymmetric on the exchange rate. Besides, the market. n. al. er. io. participants tend to ignore the EU news during both periods of time.. Ch. engchi. iii. i Un. v.

(4) 謝辭. 時光飛逝，從著手研究這個題目至今，剛好滿一年。這本論文得以順利完成，首先最感謝我的指導教授陳秀淋博士，陳老師是我在外匯這領域的啟蒙老師，使我能認識這個吸引人的市場，找到自己的興趣，並且感受同時兼顧理論與實務的美好。在學生寫作期間，感謝老師不厭其煩的指導，使學生能一步一步完成這篇論文，在此表達最深的感謝與敬意。其次要特別感謝鉅亨網的林洸興經理，林經理精闢的外匯分析與寶貴的實戰經驗，賦予此篇論文靈魂，使文章不至於與真實世界脫鉤。論文初審期間，非常. 治政感謝蕭明福副教授與輔仁大學金融所的蔡麗茹教授，給予學生許多寶貴的建議大立與鼓勵，使論文能更加完整。 ‧ 國. 學. 感謝毛維凌教授與徐士勛助理教授，在實證計量與經濟計量三、四課程中. ‧. 相當用心的教學，使我對計量領域產生濃厚的興趣，並在實證研究的過程中，充. sit. y. Nat. 實了實用的背景知識。. io. er. 感謝我的碩班同學們，國安、晏伶、博智、國銘、幼涵、佑舟、佩螢、靖翰、宜蓁、創毅、茵藍、鉦傑、勇安、祖儀、…，謝謝你們兩年來的照顧與包容。. al. n. iv n C 感謝鄭心瑜與魏吉米，在我求學期間，給我相當大的支持與體諒，陪伴我度 hengchi U. 過無數個低潮與難關。感謝我的家人，給我一個溫暖、無憂無慮的家庭，使我能追求自己的夢想。You are the only reason I am. You are all my reasons. 在此僅將我小小的研究成果，獻給我的父母魏秀峰先生及宋玉美女士。. 魏祥庭. 謹誌於. 政治大學經濟研究所中華民國九十九年六月. iv.

(5) 目錄. 第一章. 前言 ........................................................................................................... 2. 第二章文獻回顧 ..................................................................................................... 5 2.1 市場效率性檢定............................................................................................. 6 2.2 訊息與匯率..................................................................................................... 9 2.3 訊息與外匯市場效率性............................................................................... 11 第三章資料與研究方法 ..................................................................................... 13 3.1 資料描述..................................................................................................... 13. 立. 政治大. 學. 第四章 4.1 4.2 4.3. 研究方法..................................................................................................... 17 3.2.1 Augmented Dickey-Fuller 檢定 ...................................................... 17 3.2.2 Johansen 共整合檢定 ...................................................................... 18 實證結果與分析 ......................................................................................... 21 單根檢定..................................................................................................... 21 線性與非線性模型檢定............................................................................. 22 共整合檢定................................................................................................. 23. ‧ 國. 3.2. ‧. 4.4 訊息與匯率之關係..................................................................................... 27 第五章結論與未來研究方向 ............................................................................... 32 參考文獻 ..................................................................................................................... 34 一、中文文獻...................................................................................................... 34 二、英文文獻...................................................................................................... 34. n. er. io. sit. y. Nat. al. Ch. engchi. 1. i Un. v.

(6) 第一章. 前言. 金融市場中經常聽到的一句話:「市場永遠是對的」，這句話代表的意思是市場中任一時間點的價格必定是合理的，而且正確的包含了市場的預期以及相關資訊，當新的訊息出現，為數眾多的市場參與者快速的解讀、分析訊息，並做出決策，使訊息再一次被快速的反應到價格上。以經濟學的角度來說，這就是效率市場。根據效率市場假說，在理想的市場中，所有分析市場的方法皆無法幫助投資人賺取超額的利潤。. 立. 政治大. ‧ 國. 學. 「或許金融市場不如想像中的理想?」，自從市場效率性的概念被提出以後，. ‧. 就一直是學界及業界關注的議題之一。多年來，經濟學家們嘗試了各種不同的方. sit. y. Nat. 法檢定外匯市場的效率性，如 Poole (1967)檢定外匯價格是否存在隨機漫步的性. n. al. er. io. 質；Levich (1979)、Hansen and Hodrick (1980)、 Hakkio (1981)、 Baillie et al. (1983)、. Ch. i Un. v. Fama (1984)、 Froot and Thaler (1990)、 Bekaert and Hodrick (1993)等以迴歸模型. engchi. 分析即期匯率與遠期匯率間的關係；Hakkio (1981) 、 Baillie et al. (1983)、 Lai and Lai (1991) 、 MacDonald and Taylor (1991) 、 Shen (1997)、Wu and Chen (1998)、 Zivot (2000)、 Napolitano (2000)等檢定外匯市場的共整合關係；Clarida and Taylor (1997) 、 Clarida et al. (2003)、Chen (2010)等以非線性的 Markov switching model 檢定外匯市場效率性。然而，文獻上雖然對於外匯市場效率性尚無一致的結論，但大多數的文獻是. 2.

(7) 拒絕效率市場假說的。即時外匯市場是全球最大的金融市場，龐大的交易量與 24 小時不間斷交易的特性，通常被認為是高度效率的市場，但為何大多數的文獻仍是獲得外匯市場不具效率性的事實呢？這其中是否忽略了某些重要的訊息。台灣時間 2008 年 12 月 17 日 2:15 a.m.，美國聯邦公開市場委員會(FOMC) 公佈利率決議，利率前值 1%，市場預期降息到 0.5%，決議結果為降息到 0.25%，. 政治大. 這是個劣於預期的數據結果，也是所謂的，未預料到的訊息。財經媒體以各種傳. 立. 播管道在第一時間以幾乎即時的速度將此訊息傳遞到全世界，歐元兌美元匯率在. ‧ 國. 學. 一個小時內上漲了 154 點，以反應市場的 “意外”。而這，只是每天眾多市場數. ‧. 據中的一個，這說明了未預料到的訊息對匯價有著重要的影響。然前述之論文在. Nat. er. io. sit. y. 研究外匯市場效率性時皆無考慮未預料到的資訊衝擊對匯率的影響。即使 Napolitano (2000)研究市場效率時是將總體訊息考慮進迴歸模型中，但其以對利. al. n. iv n C hengchi U 差迴歸後的殘差作為訊息的代理變數，殘差項只是無法被該模型解釋的部分，此一代理變數是否真的能代表未預料到的衝擊值得存疑。隨著資訊科技的進步與金融市場的快速發展，越來越多官方或非官方機構編. 製各式各樣的經濟數據、指標，以滿足市場參與者隨時都想更新市場最新情況的期待，市場參與者則每天緊盯著各種數據，希望能比其他投資人更快做出反應。由此可見，訊息對市場的反應有很關鍵的影響。預料到的訊息很少對價格有影響，因為其訊息已經提前被反應了，但預料外的訊息，常常能引起市場的振奮或恐慌。 3.

(8) 這在在的說明了在研究外匯市場效率時對於未預料到的訊息是不容忽視的。除此之外，2007 年開始的全球金融海嘯，造成市場極大的恐慌與不確定性，剛好與之前的市場情緒形成很大的反差。因此本篇文章的目的是探討外匯市場效率性與未預料到訊息間的關係，以及訊息在金融海嘯發生前後所扮演的角色。並且，為了突顯其不效率的原因可能是受未預料到訊息的影響，本篇文章延續傳統使用的線性單根與共整合模型，而非使用較新穎的非線性模型或 panel 單根與共. 政治大. 整合模型，以避免實證過程中無法認定其不效率的原因是來自未預料到訊息或是. 立. 方法論的不同。本文之貢獻是將非預料到之訊息引入效率性市場檢定中，且相對. ‧ 國. 學. 過去的文獻在於非預料到之訊息的處理更為真實。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i Un. v.

(9) 第二章. 文獻回顧. Fama (1970)提出效率市場的概念，並將之定義為一市場的價格永遠能完全反應所有可見的相關資訊。也就是說，處於效率的市場，任一時間點的價格都是合理的，且市場參與者皆能充分運用市場上所有的資訊，並快速的將資訊反應到價格上，因此，沒有任何分析方法可以使投資人領先市場一步。賴景昌 (2007,Ch4)中根據以上的定義，說明要滿足效率市場假說，必須滿足. 政治大 (1)市場參與者是理性預期、(2) 市場參與者的套利行為。以外匯市場來說，滿足立. ‧ 國. 學. 理性預期，隱含市場參與者對未來即期匯率的預期，必須等於當期的遠期匯率。. er. io. al. sit. Nat. ft  E (st 1 | t )  Et (st 1 ). y. ‧. 因此，在文獻上，市場效率性的定義可以表示成:. n. 其中， f t : 第 t 期取自然對數的遠期匯率. Ch. engchi. i Un. v. st : 第 t 期取自然對數的即期匯率. t : 第 t 期的訊息集合上式表示，遠期匯率必須為未來即期匯率的不偏估計值。. 5. (1).

(10) 2.1 市場效率性檢定. 文獻上，探討外匯市場效率性的文章非常多，但對於外匯市場是否具有效率性，仍然沒有一致的共識，但大多數的文獻是不支持效率市場假說的。Sarno and Taylor (2002,Ch2)的書中整理了文獻上幾種探討外匯市場效率性的方法。首先，早期的研究檢測外匯價格是否存在隨機漫步(Random Walk)的性質，這些研究的著眼點在於若外匯市場為效率市場，則價格在充分反應所有可得資訊後，市場參. 政治大. 與者應該無法賺取超額的報酬(Poole,1967)。同理，文獻上也有檢測是否能使用. 立. ‧ 國. 學. 簡單的技術分析或是交易法則來獲得超額的報酬(Dooley and Shafer, 1984 ; Levich and Thomas, 1993; Engel and Hamilton, 1990)。. ‧. 另一種常見的方法，是使用迴歸模型分析即期匯率與遠期匯率的關係，根據. sit. y. Nat. io. n. al. er. (1)式，在滿足理性預期下，可以改寫成 St+1 = Et ( St+1 ) + εt+1 ，再將(1)式代入，. i Un. v. 即可得 St+1 = ft + εt+1 ，Frenkel (1980)將迴歸模型表示為:. Ch. engchi. St 1     ft   t 1. (2). 根據上式，如果滿足 α=0 , β=1 的聯合檢定，則該市場是效率的。採用此法的文獻有 Fama (1984)、 Froot and Thaler (1990)、 Bekaert and Hodrick (1993)。這類的文獻大多是拒絕效率市場假說。隨著實證方法的修正與改進，迴歸方法的延伸應用在市場效率的檢定也很多，有差分設定的模型( Levich, 1979)等、預測誤差的正交檢定( Hansen and Hodrick , 6.

(11) 1980)等。也有學者認為，使用單條迴歸式隱含遠期匯率為外生，這假設過份強烈，並提出應該使用向量自我迴歸模型(Vector auto regressive model , VAR)，捕捉即期匯率與遠期匯率之間可能的關係。使用這類方法的學者，如 Hakkio (1981)、 Baillie et al. (1983)等。傳統的研究可能忽略了資料非定態的特性，可能導致虛假迴歸的問題 ( Granger and New-bold, 1974)，並且，直接對資料差分可能導致過度差分的問題，. 政治大. 使資料失去長期特性( Hamilton, 1994)。這些問題導致文獻上轉向另一種研究方. 立. 法 ─ 共整合關係。. ‧ 國. 學. Engel and Granger (1987)提出了共整合理論，說明一組非定態的時間序列資. ‧. 料的線性組合可以轉成定態的資料。將共整合的概念運用在檢定外匯市場效率性. Nat. io. sit. y. 下，則市場效率性必須滿足 : 一是來自同一市場的即期匯率與遠期匯率之間必. al. er. 須有共整合關係，二是共整合向量為(1,-1) 1。Engel and Granger 提供了方便的兩. n. iv n C hengchi U 階段檢驗法，但如同傳統模型，單條迴歸式將存在因果關係認定的問題，並且其共整合參數沒有標準的分配，無法對其檢定。. 是故 Johansen (1988,1990)提供了另一種共整合檢定法，此法為效率性檢定在文獻上最常被使用的方法，改善了 Engel and Granger 兩階段檢驗法的缺點，並將理論模型延伸至 VAR 的架構下，並根據 Granger Representation 定理，可以將 VAR 模型表示成向量誤差修正模型(vector error correction model, VECM)，以同時捕捉 1. 根據共整合理論，另一種檢定市場效率性的概念是，來自多個不同效率市場的價格，不可能存在共整合關係。Wu and Chen (1998) 使用 panel unit root 檢定 9 個國家的遠匯溢價(forward premia) 是否為定態。 7.

(12) 長期關係與短期關係的 VECM 來檢定市場效率性。同樣的，接受效率性假說必須滿足即期匯率與遠期匯率有共整合關係且共整合向量為(1,-1)。使用此研究方法的學者如 Hakkio (1981) 、 Baillie et al. (1983)、 Lai and Lai (1991) 、 MacDonald and Taylor (1991) 、 Shen (1997) 等。相對以往文獻，Zivot (2000)則建議檢定外匯市場效率性，應該專注於檢定即期匯率與遠期匯率間的關係，而不是未來即期匯率與遠期匯率間的關係，雖然兩. 政治大. 者只是一體兩面，但 Zivot 說明使用即期匯率與遠期匯率更能捕捉匯率資料的格式化事實(stylized facts)。. 立. ‧ 國. 學. 晚近，不同於以往的模型都是線性結構，文獻上加入了非線性的模型，例如. ‧. 使用 Markov switching model，以另一種角度探討市場效率性。使用此法的學者. Nat. io. sit. y. 如 Clarida and Taylor (1997) 、 Clarida et al. (2003)、Chen (2010)等。但本文為突. er. 顯未預料到訊息的重要性，將不使用較新穎的非線性模型或 panel 單根與共整合. al. n. iv n C hengchi U 模型，以避免實證過程中無法認定其不效率的原因是來自未預料到訊息或是方法論的不同，而採傳統使用的線性單根與 Johansen 之共整合模型。. 8.

(13) 2.2 訊息與匯率. 市場效率性成立下，所有預料到的訊息都會被快速反應到匯價上，因此，唯有未預料到的訊息才會影響匯價。文獻上對於訊息的定義，隨著時代不同而定義方式不盡相同，早期的文獻，由於訊息取得不易，或是國家編製的數據不多2，以致於難以定義市場上接收到的訊息，這個時期所定義的訊息，大多建立在幾個匯率決定的模型上，使用的大. 政治大. 多是幾個重要的總體數據，如利率、貨幣供給、貿易收支等。直接使用這些經濟. 立. ‧ 國. 學. 數據的變動值，或是對這些數據迴歸後取殘差，當作訊息的代理變數。但這些經濟數據發佈的頻率甚低，動輒月資料，甚至季資料，使得研究上難以認定這些數. ‧. 據的真實效果。這類的文獻如 Frenkel (1981)、Edwards(1982)、MacDonald(1983). n. al. er. io. sit. y. Nat. 等。. i Un. v. 隨著網際網路的普及，訊息在市場上快速流通，資訊的取得幾乎不需成本，. Ch. engchi. 市場參與者對於久久才會出現一次的經濟數據已經感到不滿足，越來越多國家，甚至私人機構開始編製各式各樣的經濟指標以及數據，也開始調查市場對經濟數據公佈前的預期值。這使得文獻上出現第二種定義訊息的方法 : 訊息 = 數據公佈後的真實值 – 數據公佈前的市場預期值這類的方法更能衡量未預料到的訊息(surprise)，晚近文獻上大多是在這個架構下衡量定義訊息，只是選擇納入模型中的訊息變數不盡相同。文獻上對於此方 2. 歐洲地區 1999 年才開始編製經濟指標，2001 年後才出現市場預測值。 9.

(14) 法所定義的訊息已經證實對匯率是有顯著影響的，但模型的配適度很低，而且其影響要在較高頻率的資料才看得出來。 Galati and Ho (2003)研究歐元兌美元匯率對訊息的反應，使用多種美國與德國的經濟數據，如非農就業人數( change in non-farm payrolls)、失業率、零售銷售數據(retail sales)、CPI、IFO 景氣指數等，並將訊息依地區分類，也依消息的好壞分類，結果顯示訊息對匯率的影響是顯著的，同時對於不同地區的訊息存在. 政治大. 不對稱的反應，且訊息對匯率的影響是隨時間改變的。. 立. Dominguez and Panthaki (2005)考慮了更廣泛定義的訊息，除了文獻上常用定. ‧ 國. 學. 期公布的經濟數據，也納入了非定期公布的數據(例如央行干預)，以及一般認知. ‧. 中非屬於基本面相關的訊息(例如技術分析、市場情緒、選擇權市場、私部門等)，. Nat. io. sit. y. 結果指出加入更廣泛的訊息對於解釋匯率變動沒有辦法提供額外的幫助，顯示傳. n. al. er. 統認知中屬於基本面的總體變數對於解釋匯率變動仍然是很重要的。. Ch. engchi. 10. i Un. v.

(15) 2.3 訊息與外匯市場效率性. 根據效率市場假說，處於效率的市場，必須充分的反應市場上的訊息。不同於常見的效率性檢定模型專注於檢定遠期匯率不偏或是有無套利可能，學者們也加入了討論訊息是否充分反應的研究。 Dornbusch (1978)指出在理性預期假說下，任一時點的匯率可以被拆成兩部分，預料到的部分與未預料到的部分，其中，未預料到的部分即是訊息，並強調這是主導匯率變動的主因。. 立. 政治大. ‧ 國. 學. Frenkel (1981)將上述概念表示成 :. (3). Nat. sit. y. ‧. ln st     ln ft 1  " news " t. io. n. al. st  j  st. er. 文獻上稱之為 „news‟ model，Apergis and Eleftheriou (1997)將之改寫成 :. i n C    s  s )   news U hengchi t t j. t. v. t j.  t  j. (4). 上式表示，某段時間內即期匯率的變動，亦可以分解成兩部分，其一是預料到的變動( Et St+j - St )，其二是未預料到的變動(newst+j )。文獻上通常以遠期匯率 Ft 取代 Et St+j，news 則是某些總體變數 t+j 期的真實值扣掉 t 期時的預期值。 Frenkel (1981)考慮利率的變動，並使用迴歸後的殘差當作訊息的代理變數， Napolitano (2000)同樣考慮利率的變動，不同於 Frenkel(1981)的是以 VAR 模型取得殘差當作訊息的代理變數，並檢驗歐元對英鎊外匯市場效率性。Napolitano 的 11.

(16) 研究拒絕了市場效率性假說，並指出訊息對於匯率的短期變動有重要影響。相同於 2.2 節中介紹的，早期的文獻因為真實的訊息取得不易，定義訊息的方式大多採用對模型迴歸後取的殘差來當代理變數，但這些方法考慮的訊息不完整，且定義的代理變數可能不是真實的訊息。本篇研究加入更完整的訊息，放入所有市場參與者關切的總體經濟數據、指標，以及對於這些數據的預測值，並使用與文獻上相同的衡量方式，設定訊息為數據真實值減市場預期值，並以 VECM 重新檢驗外匯市場效率性。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 12. i Un. v.

(17) 第三章. 資料與研究方法. 3.1 資料描述. 本篇文章使用 2004 年 6 月 1 日至 2008 年 12 月 18 日間歐元兌美元即期匯率的日資料，以及其一個月遠期匯率日資料。匯率資料來源為 AREMOS 經濟統計資料庫。本文中，所有匯率資料都以自然對數呈現， s 代表取自然對數的即期匯. 政治大. 率， f 代表取自然對數的遠期匯率。. 立. 美國與歐盟區的總體經濟指標，將目前市場上所有被關注且已被量化的訊息. ‧ 國. 學. 全數納入，資料來源為 FXCM 財經日曆，美國共 4179 筆資料，歐元區共 1487. ‧. 筆資料，依地區與各指標之重要性3分類，經濟指標內容見表 1 。. n. al. 特高重要性高度重要性. er. io. sit. y. Nat 「表 1」美國與歐盟經濟指標. 美國經濟指標 i n C U FOMC 利率決議 h e n gchi. v. 費城聯儲製造業指數、紐約聯儲製造業指數、ISM 非製造業指數、ISM 製造業指數、非農就業人數變化、失業率、消費者物價指數(月率、年率)、核心消費者物價指數(月率、年率)、生產者物價指數(月率、年率)、核心生產者物價指數(年率、月率)、核心 PCE 物價指數月率、核心 PCE 物價指數季率初值、個人消費支出季率初值、個人消費支出(月率、年率)、零售銷售月率、零售銷售(除汽車)月率、核心零售銷售月率、核心零售銷售(除汽車) 月率、耐用品訂單月率、耐用品訂單月率(除運輸)、個人收入月率、個人支出月率、密西根大學消費信心指數初值、新屋開工、新屋銷售、營建許可、成屋銷售、GDP 平減指數(初值、修正值、. 3. 重要性之認定沒有一致的標準，非常主觀，且會隨時間不同而改變，本文中重要性之分類參考 FXCM 財經日曆上之認定方式。 13.

(18) 終值)、GDP 年率(初值、修正值、終值)、貿易帳。中度重要性. 消費者信心指數、消費者信貸、核心 PCE 物價指數年率(初值、季率修正值、年率修正值)、核心 PCE 物價指數終值、PCE 物價指數終值、核心 PCE 平減指數年率、PCE 平減指數年率、PCE 物價指數(季率修正值、年率修正值)、出口物價指數月率、密西根大學消費者信心指數終值、ADP 就業人數預估、芝加哥採購經理人指數、工業訂單月率、工業訂單月率(除運輸)、工業生產月率、產能利用率、非農生產力(修正值、終值)、單位勞動力成本(修正值、終值)、房屋價格指數月率、成屋銷售月率、未決房屋銷售月率、新屋銷售月率、長期資本淨流入、領先指標月率、就業成本指數。. 低度重要性. IBD/TIPP 經濟樂觀指數、上周初請失業金人數、ADP 就業人數變動、挑戰者裁員報告、非農生產力初值、單位勞動力成本初值、平均時薪月率、平均每周工時、EIA 汽油庫存變化、EIA 原油庫. 政治大存變化、EIA 蒸餾油庫存變化、核心 PCE 物價指數(月率、年率)、立核心 PCE 平減指數月率、PCE 平減指數月率、PCE 物價指數(月. ‧ 國. 學. 率、年率)、批發庫存月率、批發銷售月率、商業庫存月率、商業銷售月率、里奇蒙德聯儲製造業指數、NAHB 房價指數、營. sit. y. Nat. 歐盟區經濟指標. ‧. 建支出月率、S&P/CS 房價指數(月率、年率)、財政預算、抵押貸款銀行協會採購經理人指數、ICSC 瑞銀連鎖店銷售、國內汽車銷售。. 高度重要性. 歐元區 GDP 季率(預估值、初值、修正值、終值)、歐元區 GDP. n. al. er. ECB 利率決議. io. 特高重要性. Ch. i Un. v. 年率(預估值、初值、修正值、終值)、ZEW 經濟景氣指數、消費者信心指數、零售銷售(月率、年率)、失業率、生產者物價指數 (月率、年率)、消費者物價調和指數年率(初值、終值)、消費者物價調和指數月率終值、核心消費者物價指數月率終值、核心消費者物價指數年率終值、核心消費者物價調和指數年率終值、歐元區貿易帳(未季調、季調後)。中度重要性. engchi. 工業生產月率(季調後)、工業生產年率、工業訂單月率、工業訂單年率、消費者物價指數年率(初值、終值)、Sentix 投資者信心指數、服務業信心指數、經濟信心指數、商業景氣指數、工業景氣指數、零售業採購經理人指數、RBS/NTC 服務業採購經理人指數(初值、終值)、RBS/NTC 製造業採購經理人指數(初值、終值)、RBS/NTC 綜合採購經理人指數(初值、終值)、歐元區經常帳(未季調、季調後)。. 低度重要性. 消費者物價指數月率、M3 貨幣供給年率。 14.

(19) 上表中每一個指標，都包含了前值、預期值與實際值三筆數列，本文中，定義未預料到的訊息為實際值減預期值4，並根據訊息的重要性，給予不同的級距的虛擬變數，正值代表好於預期的數據結果，負值代表劣於預期的數據結果，0 代表符合預期(預料到的訊息)的訊息。美國 4179 筆訊息數據中，40.27%為優於預期，41.47%為劣於預期，僅 18.26%為符合預期。歐盟區 1487 筆訊息數據中， 36.31%為優於預期，39.68%劣於預期，僅 24.01%符合預期。不論是美國或歐盟，. 政治大. 在眾多的市場訊息中，有高達 75%以上的訊息屬於出乎預料外的訊息，由此可見. 立. 市場參與者每天可說是活在驚嚇當中，並再一次的証明研究未預料到訊息對外匯. ‧ 國. 學. 市場的重要性。. ‧. 由於一天之中，常常同時公佈許多項指標數據，市場的關注焦點會著眼於重. Nat. io. sit. y. 要性較高的數據，重要性較低的數據在此時會被選擇性忽略，為了表現此一特色，. er. 所有未預料到的訊息資料，均以對稱於縱軸的指數函數作一非線性轉換，以突顯. al. n. iv n C hengchi U 重要訊息的強度，擴大重要性高與重要性低的數據間影響力的差距。. 為了分析資料方便，將所有未預料到的訊息分成八大類 : (impact_1)通膨指標、(impact_2)製造業指標、(impact_3)景氣指標、(impact_4)銷售指標、(impact_5) 國際收支、(impact_6)央行、(impact_7)其他類、(impact_8)不分類訊息。其中，不分類訊息(impact_8)為前七項分類的加總。其細項整理於表 2。. 4. 若該資料無預期值，則以前值取代。 15.

(20) 「表 2」未預料到訊息分類方法 I1(通膨指標). 消費者物價指數、生產者物價指數. I2(製造業指標). 製造業指數、工業生產、工業訂單. I3(景氣指標). 就業狀況、GDP 相關數據、信心指數、採購經理人(PMI)指數. I4(銷售指標). 零售銷售、汽車銷售、房屋銷售. I5(國際收支). 經常帳、資本帳、貿易收支. I6(央行). 利率決議. I7(其它). 油價相關數據、其他零散數據. 最後，在研究訊息與外匯市場效率性的關係時，所挑選的市場可能也會對結論有很大的影響，例如美元兌日圓(USD/JPY)長期以來受利差交易(carry trade)影. 政治大. 響，幾乎不反應日本的基本面訊息；澳元兌美元 (AUD/USD) 、紐元對美元. 立. ‧ 國. 學. (NZD/USD)以及美元兌加幣(USD/CAD)等商品貨幣大多只反應原物料相關訊息；瑞士央行則經常進場干預美元兌瑞郎(USD/CHF)，以上可能都不是適合的選擇。. ‧. sit. y. Nat. 相對的，歐元兌美元是外匯市場中交易量最大的市場，而美國區與歐盟區所編製. n. al. er. io. 的經濟指標數量最多也最為完整，是以本文中選擇歐元兌美元外匯市場研究其效率性與未預料到訊息的關係。. Ch. engchi. i Un. v. 2007 年 8 月間，次級房貸的問題浮現，之後漸漸演變成為期 2 年以上的全球金融海嘯，為了探討歐元兌美元(EUR/USD)外匯市場效率性與未預料到訊息間的關係，以及訊息在金融海嘯發生前後所扮演的角色，我們首先將全部資料分成兩段期間 : (1) 2004/6/1 至 2007/6/30；(2) 2007/12/18 至 2008/12/18。為了避免不恰當的認定危機的發生點，兩段期間中間保留了緩衝的期間。第一段期間經濟體系處在穩定成長的階段，市場參與者的態度較正面與積極；第二段期間則是危機已經爆發，市場瀰漫恐慌與不確定性。 16.

(21) 3.2 研究方法. 過去研究外匯市場效率性的文獻，經常做出外匯市場非效率的結論，為了突顯其不效率的原因是受未預料到訊息的影響，本篇文章延續傳統使用的線性單根與共整合模型(VECM)，而非使用較新的非線性模型或 panel 單根與共整合模型，以避免無法認定其不效率的原因是來自未預料到訊息或是方法論的不同。此外，如同前一章所介紹的，Zivot (2000)說明了以 VECM 檢驗時，使用未. 政治大. 來即期匯率(St+1)與遠期匯率(ft)並不適當，並可能產生錯誤的推論。因此，我們. 立. ‧ 國. 學. 採納 Zivot(2000)的建議，在本篇文章中，使用的是即期匯率(St)與遠期匯率(ft)，並且要使得市場效率性假說成立，必須要求即期匯率與遠期匯率存在共整合關係. ‧. 且共整合向量係數為(1,-1)。. n. er. io. sit. y. Nat. al. Ch. 3.2.1 Augmented Dickey-Fuller 檢定. engchi. i Un. v. Dickey-Fuller(1979)提供了一個方便檢定資料是否存在單根的方法，但原始的 D-F 檢定可能有殘差自我相關的問題，擴充的 D-F 檢定加入了差分落後項，改善了相關的問題，稱之為 Augmented Dickey-Fuller 檢定。考慮以下模型 :. yt     yt 1   yt 1  ...  p yt  p  t. 並檢定虛無假設 H 0 :   ; H1 :    。其檢定統計量為 : 17.

(22) ˆ. ADF . var(ˆ). 若不能拒絕 H 0，則表示資料存在單根，其為非定態序列。其中，落後項可以由 AIC 或 SIC 決定。. 3.2.2 Johansen 共整合檢定. 共整合關係是指一群非定態時間數列資料間的線性組合為定態序列，. 政治大. Johansen (1988,1990)提供了一種檢定共整合關係的模型。首先考慮一 VAR(p)模. 立. 型 :. ‧ 國. 學 y t = φ1y t-1 + φ2 y t-2 + ... + φp yt-p + εt. ‧. 透過重複加減落後項，此 VAR(p)可以改寫成向量誤差修正模型(vector error. sit. y. Nat. io. n. al. er. correlation model, VECM) :. Ch. i Un. v. ngchi Δy t = πye t-1 +  D jΔy t-j + ε t p-1. j=1. p. p. i=1. s=i+1. 其中， π =  φi - I ， D j = -  φs 。. Johansen 共整合檢定之精隨，在於檢定 π 矩陣的秩(rank)。 π 矩陣的秩會等於其異於零的特性根數目，而秩又代表矩陣內線性獨立的行(列)向量總數，也就是有幾組共整合關係。若 y 中有 k 的變數，則 rank (   0 代表沒有任何 y 的線性組合為 I (0) ，不存在共整合關係；若 rank (   k (滿秩)，則代表所有 y 的線性 18.

(23) 都為 I (0) ，隱含所有 y 都是 I (0) ，不存在共整合關係；若 rank (   r  k ，則代表 y 存在 r 組共整合關係。存在共整合關係時，可以將 π 分解為     ，此時 VECM 可以表示為. p-1. Δy t   y t-1 +  D jΔy t-j + εt j=1. 則  為調整速度，  yt 1 又稱做誤差修正項(error correction)， 即為共整合向量。 Johansen 檢定使用最大概似法(MLE)估計 ˆ 、 ˆ ，以及特性根 ˆ 。. 政治大. 立. 學. ‧ 國. Johansen (1988)提出了兩種檢定統計量。 1. 跡檢定(Trace Test). ‧. trace (r )  T. k.  ln(1  ˆ ) j. io. sit. y. Nat. j  r 1. er. H 0 : 最大共整合階次為 r(最多只有 r 個共整合關係). al. n. iv n C : 最大共整合階次為 h k (最多只有 i U e n g c hk 個共整合關係). H1. 2. 最大特性根檢定(Max-Eigen Test). max (r, r  1)  T ln(1  ˆr 1 ). H 0 : 最大共整合階次為 r(最多只有 r 個共整合關係) H1 : 最大共整合階次為 r+1(最多只有 r+1 個共整合關係). 此兩種檢定方法的精神為，在虛無假設為真下， r 1 、 r  2 、…、 k 都應該 19.

(24) 很接近 0，是以在兩種統計量很大時拒絕虛無假設。此外，VECM 本身有不同的設定方式，本篇文章中，我們採用 AIC 作為選擇模型與其落後期的基準。並使用 Johansen 共整合分別檢驗兩段期間中即期匯率與一個月遠期匯率是否存在共整合關係。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 20. i Un. v.

(25) 第四章實證結果與分析 4.1 單根檢定共整合理論要求處理的變數必須有相同的整合階次，所以在共整合檢定之前，必須先透過單根檢定確認各變數之整合階次。本篇文章中，我們使用 ADF 單根檢定，其檢定結果如表 3。. 「表 3」匯率與訊息資料單根檢定一階差分後. Level. ADF Test. p-value 治 ADF-t 政 -1.1579 0.69 -36.551*** 大立 -1.2223 0.66 -39.1375*** ADF-t. 5. US_impact2. -40.7991***. 0. -. US_impact3. -40.7501***. 0. -. US_impact4. -40.8045***. 0. -. US_impact5. -40.7402***. 0. -. US_impact6. -40.8351***. 0. -. US_impact7. -40.7501***. 0. -. Nat. io. al. -40.7308***. 0 0. EU_impact2. Ch. U -40.7337***e n g0c h i. EU_impact3. -40.7308***. EU_impact4. -. -. -. 0. -. -. -40.7771***. 0. -. -. EU_impact5. -38.4027***. 0. -. -. EU_impact6. -41.9636***. 0. -. -. EU_impact7. -40.7636***. 0. -. -. -40.7308***. -. -. -. EU_impact1. EU_impact8 -40.7553*** 0 註 : 臨界值之 p-values 參考自 MacKinnon(1996) **代表 5%顯著水準，其統計量為-2.8631； ***代表 1%顯著水準，其統計量為-3.4341。. 5. -. v n -i. n. US_impact8. -. er. -. ‧ 國. 0. 0. ‧. -40.7308***. 學. US_impact1. 0. y. 一個月遠匯. sit. 即期匯率. p-value. -. -. US_impact1 為美國第一類未預料到訊息，EU_impact1 為歐元區第一類未預料到訊息，其它依此類推。 21.

(26) ADF 檢定結果顯示，即期匯率與一個月遠期匯率在原始資料時無法拒絕存在單根的虛無假設，但在經過一階差分後即為定態，也就是說，即期匯率與遠期匯率都是 1 階整合變數(integrated of order one, I (1) )。且所有未預料到的訊息皆能拒絕非定態之假設，為一定態數列。. 4.2 線性與非線性模型檢定. 雖然本篇文章延續過去文獻使用線性共整合模型，但由於近年來文獻上已有. 政治大. 學者開始使用非線性的共整合模型，這使得適當模型的選擇變成一個重要的議題。. 立. ‧ 國. 學. 在本篇文章中，我們使用 Luukkonen and Saikkonen and Teräsvirta (1988)所提供的輔助迴歸式，來判別使用線性與非線性模型的合理性。. ‧. 我們同時考慮兩種組合，分別為即期匯率減遠期匯率後的值( ut )，以及即期. sit. y. Nat. n. al. er. io. 匯率對常數項及遠期匯率迴歸後取得殘差( wt )。輔助迴歸式為: et    1et 1  2et2d  3et 1et2d. Ch. engchi. i Un. v. 其中 et 為 ut 或 wt 。聯合檢定的虛無假設為 H 0 :   3  0，若接受虛無假設，則表示可以用線性模型表示，反之，則必須考慮非線性模型。檢定結果如表 4。「表 4」非線性模型檢定. ut. wt. 全樣本 2004/6/1 - 2008/12/18. 0.74. 0.23. 子樣本 2004/6/1 - 2007/6/30. 0.88. 0.58. 子樣本 2007/12/18 - 2008/12/18. 0.06. 0.10. 註 : 聯合檢定使用 Wald Test，表格內為 F 統計量的 p-value。模型中，落後期(d)的選擇為 d=2。. 22.

(27) 由表 4 中可以看出，無論是全樣本或兩段子樣本，在 5%顯著水準下，均接受線性模型為正確的模型。表示我們以線性的共整合模型來進行檢定是合理的。. 4.3 共整合檢定. 為了研究訊息與外匯市場效率性在金融海嘯前後的關係，我們將資料分成兩. 政治大. 段期間，並分別以 Johansen 共整合檢定檢測其即期匯率與遠期匯率之共整合關. 立. ‧ 國. 學. 係。我們以 AIC 作為選擇 VECM 設定以及落後期的準則，第一段期間選擇的設定為 VAR 有常數項而 ECM 有常數項與時間趨勢項，且差分落後項為 5 期；第. ‧. 二段期間選擇的設定為 VAR 與 ECM 都沒有常數項，且差分落後項為 6 期。其. n. al. er. io. sit. y. Nat. 檢定結果為表 5。. i Un. v. 在檢定市場效率性時，我們考慮多個組合，首先，不包含未預料到訊息的對. Ch. engchi. 照組，這可以視為之前文獻上的檢定結果。其餘的模型為實驗組，考慮了未預料到訊息的影響，分別在模型中加入 I1 至 I8 之未預料到訊息6。本篇文章中，我們設定未預料到訊息是以外生變數的形式進入模型。也分別考慮金融海嘯發生前後的檢定與估計。. 6. I1 為同時包含美國 impact 1 與歐盟 impact 1 之 2x1 訊息向量，其餘依此類推。 23.

(28) 「表 5」Johansen 共整合檢定 ( st , ft ) 金融海嘯前. 金融海嘯期間. 2004/6/1 – 2007/6/30. 2007/12/18 – 2008/12/18. Trace. Max-Eigen. Trace. Max-Eigen. Statistic. Statistic. Statistic. Statistic. r 0. r 1. r 0. r 1. 不包含訊息. 0. 0.86. 0. 0.86. 0. I1(通膨指標). 0. 0.84. 0. 0.84. I2(製造業指標). 0. 0.90. 0. I3(景氣指標). 0. 0.83. 0. I4(銷售指標). 0. 0.87. I5(國際收支). 0. 086. I6(央行). 0. 0.85. I7(其他類). 0. 0.87. 0. 0.87. 0. 0.94. 0. 0.94. 0. ‧ 國 0. r 0. r 1. 0.91. 0. 0.91. 0. 0.95. 0. 0.95. 0.90. 0. 0.95. 0. 0.95. 0.83. 0. 0.95. 0. 0.95. 0.88. 0. 0.88. 0.89. 0. 0.89. 0.82. 0. 0.82. 0.95. 0. 0.95. 0. 0.94. 0.87 0 治政 0 0.86 0 大 0 0.85 0 0. 學. I8(不分類). 立. r  0 r 1. 0.94. ‧. 註: 臨界值是採 MacKinnon-Haug-Michelis (1999)且表格內為 p-values。其中， yt 為包含即期匯率與遠期匯率的 2x1 向量。. sit. y. Nat. n. al. er. io. 由前述表 5 結果可知，兩段期間中，即期匯率與遠期匯率都存在一組共整合. Ch. i Un. v. 關係。但有共整合關係，不代表效率性成立，還得檢驗其共整合向量係數，是否. engchi. 如理論一樣是[1,-1]。結果列於表 6。由表 6 結果指出，不包含未預料到訊息的對照組，在兩段期間當中，當顯著水準為 5%時，皆拒絕市場效率性假說。這與許多文獻上的結論相符。但在考慮了未預料到訊息後的實驗組中，卻有不同於以往的結果。. 24.

(29) 「表 6」共整合向量係數[1,-1]檢定 2004/6/1 至 2007/6/30. 2007/12/18 至 2008/12/18. 卡方(1). p-value. 卡方(1). p-value. 3.912558. 0.047927. 10.80838. 0.00101. I1(通膨指標). 3.806386. 0.051058. 11.00766. 0.000907. I2(製造業指標). 4.076217. 0.043491. 10.58190. 0.001142. I3(景氣指標). 4.048881. 0.044201. 10.92976. 0.000946. I4(銷售指標). 3.923269. 0.047622. 11.04229. 0.000891. I5(國際收支). 3.992038. 0.045716. 10.61672. 0.001121. I6(央行). 3.810284. 0.050939. 6.295484. 0.012105. 0.046057 10.63251 治政 I8(不分類) 3.753999 9.994643 0.052681 大註 : 共整合向量檢定的虛無假設為，立 H :共整合向量為[1,-1]。. 0.001111. 不包含訊息包含未預料訊息. I7(其他類). 3.979505. 0.001570. 0. 共整合向量檢定為一自由度(1)的卡方分配，其 5%顯著水準的臨界值為 3.841。. ‧ 國. 學 ‧. 放入了 I1(通膨指標)、I6(央行訊息)與 I8(不分類訊息)的實驗組，在 5%顯著. sit. y. Nat. 水準下，皆無法棄卻共整合向量係數為[1,-1]的事實。I(8)不分類訊息為所有分類. n. al. er. io. 訊息的統整，同時包含市場上所有定期公佈的經濟指標與數據，是考慮最全面的. Ch. i Un. v. 訊息；I(6)央行訊息被視為影響匯率最直接的因素，而(I1)通膨指標則為央行重點. engchi. 關注的數據。通膨指標主要包含消費者物價指數與生產者物價指數，是市場猜測央行可能動作的重要訊息之一，一旦通膨升高，則央行有升息的可能。出乎意料外的通膨變化，會使市場參與者重新檢視他們對央行可能動作的判斷，並為此作出調整。雖然通膨指標對匯率是間接影響，但其也不失為一個重要的未預料到訊息。央行訊息衡量的是美國與歐盟出乎意料外的利率決議。各國央行的匯率展望. 25.

(30) 永遠是外匯市場影響力最大的事件，而利率是央行的工具也是表現其政策目標的手段，直接影響兩國的利差以及市場對目前經濟情勢與匯率的預期。是以，出乎意料外的利率決議，很顯然會造成匯率出現劇烈的修正。我們可以發現，未預料到訊息的衝擊，確實會影響外匯市場效率性檢定的結果。放入 “真的”未預料到訊息的模型，理應當正確的捕捉了原始模型設定中本來就該是未預料到訊息的部分，此時的市場效率性檢定，應該才是比較合理的檢. 政治大. 定。因此，著眼於市場效率性與訊息的相關研究時，都不應該忽略未預料到訊息. 立. 所造成的影響。. ‧ 國. 學. 另外，當顯著水準為 4%時，金融海嘯前，不論是對照組或是實驗組皆能接. ‧. 受共整合向量係數為[1,-1]的虛無假設；但在金融海嘯期間，此一結果就不成立。. Nat. io. sit. y. 由表 6 中可以看出，在金融海嘯期間，即使考慮了未預料到的訊息衝擊，模型仍. er. 然是拒絕市場效率性假說的。也就是說，市場處於混亂與不確定性升高的情況下，. al. n. iv n C hengchi U 即使放入了未預料到的經濟指標訊息，仍無法解釋即期匯率與遠期匯率偏離其均衡的部分。這其實是符合直覺的結果，金融海嘯期間由於風險的增溫，造成大部份的投資者不再關注新聞，改以持有現金為主，所以金融海嘯期間訊息的影響力就不及. 非海嘯期間。此外，歷史上許多重大金融危機，如 2007 年的金融海嘯，與 2010 年的歐洲債信問題，皆對匯率產生重大衝擊，但這些危機的核心，很難由定期公佈的經濟數據表現。在核心問題解決前，即使是有優於預期的經濟數據公佈，也 26.

(31) 只是間接影響，很難對改變市場預期有決定性影響。因此，金融海嘯爆發後的歐元兌美元外匯市場，可能因為市場的恐慌及不確定性增加，造成即期匯率與遠期匯率偏離其均衡，市場不為效率。又或者，我們所考慮的未預料到訊息，只著眼於定期且量化的經濟指標數據，這可能無法涵蓋所有的市場的訊息，使模型無法正確的捕捉所有的未預料到的訊息。. 4.4 訊息與匯率之關係. 立. 政治大. ‧ 國. 學. 藉由向量誤差修正模型之估計，使我們可以衡量未預料到訊息的衝擊對匯率的影響，金融海嘯前的檢定結果列於表 7，金融海嘯期間的檢定結果列於表 8。. ‧. 由表 7 以及表 8 可以看出幾個有意思的結果，首先，匯率是兩國貨幣的相對. sit. y. Nat. io. n. al. er. 價格，理應當反應兩國的基本面訊息。但我們可以看出，兩國訊息對匯率的影響. i Un. v. 力是不同的。衡量該國所有訊息的 I8 不分類訊息，不論在金融海嘯前或金融海. Ch. engchi. 嘯期間，美國不分類訊息皆很顯著，但同期的歐盟不分類訊息卻皆不顯著，這顯示了整體而言，美國訊息對匯率仍然是有最大的影響力，並且市場傾向於忽略歐盟區的訊息，此一結果在金融海嘯期間更為明顯。歐盟區的指標較不顯著，這結果可能歸因於歐盟區數據的特性。歐盟區的經濟數據是由歐盟內各成員國統整而成，其中又以德、法兩國的數據最為重要，是以，在歐盟區的數據公佈之前，分析師可以藉由德、法兩國之數據推測其可能結. 27.

(32) 果，造成歐盟區數據符合預期的比率相對美國數據來得高的情形7。我們定義訊息為出乎意料的部分，是以，歐盟區的指標較不顯著，似乎也不這麼意外。值得一提的是，理論上，好於預期的美國訊息，對歐元兌美元有負向的影響；反之，好於預期的歐盟訊息，則有正向影響。但我們由表 7 與表 8 中可以看出，在金融海嘯前，許多歐盟與美國優於預期的訊息對歐元兌美元皆是正向影響。這表現了外匯市場一個有意思的現象 ─ “風險偏好情緒”。. 政治大. 金融海嘯前，世界經濟處於快速擴張的階段，在景氣繁榮的期間，國際熱錢. 立. 流往全世界尋找投資機會，好於預期的各種數據，有助於推升此一情緒，並推升. ‧ 國. 學. 非美貨幣；反之，當國際金融市場遭逢巨變，風險趨避心態促使資金從世界各地. ‧. 撤離，流回較無風險的資產 ─ 美元。造成包含歐元兌美元在內的所有非美貨幣，. Nat. 金融海嘯發生前後出現變化。. al. er. io. sit. y. 在金融海嘯發生後大跌。比較表 7、表 8，也可以看出訊息對匯率的影響方向在. n. iv n C h e n g c h I4(銷售指標)皆顯著。銷售指標最另外，在金融海嘯期間，美國與歐盟區的 i U. 為重要的成分為零售銷售數據，此數據反應民間消費的增減，用以判斷景氣是否活絡。在金融海嘯前，市場似乎不太關心這類數據，但我們可以發現，金融海嘯期間，市場參與者似乎想從銷售市場尋找經濟復甦與否的最直接證據，造成銷售指標的重要性大幅提升。最後，I5(國際收支)在兩段期間之中，皆不顯著。國際收支主要包含該國的. 7. 舉例來說，金融海嘯前，歐盟區 I1，有高達 50.3%的訊息被正確的預期；同期間美國 I1 僅 19.1%。 28.

(33) 經常帳、貿易赤字等訊息，在經濟理論中，這是影響匯率走勢的重要因素，但實證結果似乎不支持此一論點。這或許源自於歐美國家巨額的經常帳赤字無法一朝一夕就能有所改善，且採自由浮動匯率的歐美國家其經常帳赤字反應著對等的資本流入，因此經常帳、貿易赤字等訊息對該國經濟不會構成影響，是故其對匯率影響就無想像中的大。由此可知，在貨幣被視為資產市場的一種商品時，反應的不再只是單純的國與國貿易問題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 29. i Un. v.

(34) 「表 7」向量誤差修正模型之估計 5. Δy t = γ1 + α(βy t-1 - γ 2 - δ2t) +  DjΔy t-j  ξ1usnewst  ξ 2eunewst + εt. 模型設定 :. j=1. -0.60***. -0.045. -0.595***. st 1. 0.015. 0.013. st 2. 0.041. st 3. I6(央行). I7(其他類). I8(不分類). st. ft. st. ft. st. ft. st. ft. st. ft. st. ft. -0.038. -0.594***. -0.04. -0.598***. -0.042. -0.597***. -0.041. -0.593***. -0.535. -0.596***. -0.039. -0.603***. -0.048. 0.020. 0.017. 0.017. 0.012. 0.016. 0.011. 0.018. 0.014. 0.013. 0.008. 0.016. 0.012. 0.020. 0.015. -0.012. 0.039. -0.014. 0.039. -0.016. 0.041. -0.014. 0.041. -0.012. 0.039. -0.012. 0.041. -0.013. 0.042. -0.012. -0.081*. 0.033. -0.084*. 0.032. -0.085*. 0.034. 0.034. -0.082*. 0.034. -0.080*. 0.034. -0.081*. 0.035. -0.080*. 0.037. st 4. -0.017. 0.047. -0.018. 0.048. -0.021. 0.043. -0.020. 0.044. -0.021. 0.046. -0.020. 0.046. -0.019. 0.047. -0.018. 0.049. st 5. -0.026. 0.021. -0.022. 0.025. -0.028. 0.018. -0.028. 0.016. -0.028. 0.0189. -0.026. 0.021. -0.027. 0.020. -0.030. 0.016. ft 1. 0.013. -0.033. 0.012. -0.032. 0.014. -0.031. 0.011. -0.035. 0.011. -0.033. 0.013. -0.031. 0.014. -0.031. 0.010. -0.035. ft 2. -0.097*. 0.029. -0.089. 0.033. -0.091. 0.031. -0.091. 0.033. -0.092. 0.031. -0.086. 0.036. -0.091. 0.032. -0.097*. 0.023. ft 3. 0.061. -0.029. 0.061. -0.029. 0.062. -0.026. 0.062. -0.028. 0.061. -0.029. 0.064. -0.028. 0.061. -0.029. 0.059. -0.031. ft 4. 0.004. -0.068. 0.002. -0.070. 0.004. -0.067. 0.004. -0.068. 0.003. -0.069. 0.004. -0.068. 0.004. -0.068. 0.002. -0.071. ft 5. 0.027. -0.034. 0.023. -0.038. 0.028. -0.031. 0.029. -0.031. 0.030. -0.031. -0.033. 0.028. -0.033. 0.025. -0.037. US news. 6.94E-47. 5.56E-47. 5.97E-26. 7.38E-26. 2.20E-46. 8.15E-46***. -2.20E-36. -4.61E-36. 5.95E-18. 4.47E-17. 5.28E-58. 6.75E-58. 3.43E-36. 5.50E-36. -5.89E-90***. -7.68E-90***. EU news. 5.35E-36. 1.21E-35. 5.35E-8***. 6.14E-8***. 3.21E-27. 6.89E-27*. 6.50E-58**. 9.14E-59. 0.0004. 0.0003. 2.57E-79. 3.99E-79. Constant. 0.0001. 0.0001. 9.68E-05. 9.42E-5. 9.50E-5. 9.95E-5. 3.63E-05. 6.07E-5. 8.99E-5. 8.79E-5. 0.0001. 0.0001. VECM EC. ft. 立. -0.081*. 政治大. io. a-8.32E-26 iv l C -3.01E-25 -7.85E-25 -5.65E-25 n 9.26E-5 h8.67E-5 e n g c9.53E-5 h i U9.21E-5. n 第一行之中，EC 代表的是誤差修正項(error correction)。. 學. Nat. 註 :. y. st. I5(國際收支). *表示 10%顯著水準，**表示 5%顯著水準，***表示 1%顯著水準。. 30. 0.029. er. ft. I4(銷售指標). ‧. st. I3(景氣指標). sit. I2(製造業指標). ‧ 國. I1(通膨指標).

(35) 「表 8」向量誤差修正模型之估計 6. Δy t = αβy t-1 +  D jΔy t-j  ξ1usnewst  ξ 2eunewst + εt. 模型設定 :. j=1. I2(製造業指標). I3(景氣指標). I4(銷售指標). I5(國際收支). I6(央行). I7(其他類). I8(不分類). VECM. st. ft. st. ft. st. ft. st. ft. st. ft. st. ft. st. ft. st. ft. EC. -0.661***. -0.188. -0.663***. -0.193. -0.676***. -0.211. -0.664***. -0.206. -0.682***. -0.249. -0.656***. -0.158. -0.666***. -0.193. -0.656***. -0.162. st 1. 0.080. 0.274. 0.076. 0.276*. 0.093. 0.296*. 0.098. 0.301*. 0.107. 0.336*. 0.056. 0.222. 0.082. 0.271. 0.073. 0.247. st 2. 0.048. 0.176. 0.047. 0.174. 0.060. 0.196. 0.049. 0.191. 0.066. 0.215. 0.021. 0.136. 0.051. 0.180. 0.059. 0.184. st 3. 0.029. 0.223. 0.028. 0.222. 0.044. 0.246. 0.236. 0.039. 0.233. 0.015. 0.193. 0.031. 0.230. 0.040. 0.234*. st 4. 0.006. 0.177. 0.006. 0.174. 0.023. 0.202. 0.001. 0.176. 0.019. 0.191. 0.007. 0.159. 0.009. 0.181. 0.015. 0.180. st 5. 0.029. 0.245**. 0.029. 0.247**. 0.036. 0.258**. 0.032. 0.253**. 0.033. 0.235**. 0.231. 0.029. 0.246**. 0.028. 0.236**. st 6. 學. 0.032. 0.054. 0.246**. 0.052. 0.250***. 0.061. 0.257***. 0.043. 0.243***. 0.059. 0.245***. 0.062. 0.236**. 0.057. 0.253***. 0.038. 0.213**. ft 1. 0.073. -0.191. 0.076. -0.188. 0.057. -0.216. 0.037. -0.207. 0.047. -0.239. 0.082. -0.151. 0.068. -0.189. 0.075. -0.166. ft 2. -0.061. -0.214*. -0.057. -0.217. -0.073. -0.236. -0.069. -0.234. -0.082. -0.258. -0.050. -0.186. -0.063. -0.216. -0.089. -0.247. ft 3. 0.022. -0.214. 0.024. -0.211. 0.009. -0.238. 0.033. -0.218. 0.009. -0.223. 0.047. -0.181. 0.021. -0.221. 0.015. -0.217. ft 4. 0.064. -0.118. 0.066. -0.116. 0.054. -0.137. 0.077. -0.113. 0.057. -0.126. 0.070. -0.093. 0.064. -0.120. 0.051. -0.131. ft 5. 0.032. -0.111. 0.031. -0.172. 0.021. -0.189. 0.035. -0.174. 0.024. 0.022. -0.160. 0.030. -0.175. 0.022. -0.176. ft 6. er. I1(通膨指標). 0.075. -0.066. 0.076. -0.066. 0.068. -0.077. 0.080. -0.066. 0.067. -0.068. 0.068. -0.052. 0.074. -0.069. 0.069. -0.071. US news. -8.35E-47. 7.38E-47. 1.69E-25. -5.91E-26. 7.59E-36. 1.33E-35. -9.58E-25***. EU news. 3.22E-47. 4.12E-47. -4.16E-9. -5.37E-8. -3.26E-26. 1.76E-26. 7.40E-25**. n. Ch. engchi. y. sit. io. al. ‧. ‧ 國. 0.028. Nat. 註 :. 立. 政治大. -0.172. i n U. v. -1.00E-24**. 22.10E-14. 3.68E-14. 3.12E-57***. -1.53E-57. -2.38E-37. -2.89E-36. -4.65E-68***. -7.45E-68***. 4.62E-25. 1.05E-25. -7.77E-25. -3.04E-58. -2.52E-57**. -0.00017. 0.00134. 5.90E-75. -2.24E-74. 第一行之中，EC 代表的是誤差修正項(error correction)。 *表示 10%顯著水準，**表示 5%顯著水準，***表示 1%顯著水準。. 31.

(36) 第五章. 結論與未來研究方向. 在本篇研究中，我們使用考慮了未預料到訊息的匯率模型檢定歐元兌美元外匯市場的效率性。並且，為了研究訊息在金融海嘯發生前後所扮演的角色，我們將資料分為兩期 : (1) 2004/6/1 至 2007/6/30； (2) 2007/12/18 至 2008/12/18，資料頻率為日資料。有別於之前文獻中使用的訊息不完整且可能不為真實的訊息，我. 政治大. 們考慮了所有美國及歐盟定期公布的相關經濟數據與指標，並定義未預料到訊息. 立. 為數據真實質與預期值之間的差距。. ‧ 國. 學. 實證結果指出，在金融海嘯發生前的期間，考慮了未預料到訊息衝擊的模型. ‧. 是接受市場效率性假說的。雖然此一結果在金融海嘯發生後並不成立，但我們發. Nat. io. sit. y. 現，未預料到訊息的衝擊，確實會影響外匯市場效率性檢定的結果。之前文獻上. er. 常常作出外匯市場非效率的結論，部分原因極有可能是因為模型並未放入正確的. al. n. iv n C hengchi U 未預料到訊息所導致，是以，著眼於市場效率性與訊息的相關研究時，都不應該忽略未預料到訊息所造成的影響。另外，我們發現，不論在金融海嘯發生前後，美國的訊息都有舉足輕重的地位；相反的，市場似乎傾向於忽略歐盟數據，此一結果在金融海嘯發生後更為明顯。其原因可能是來自於歐盟區數據編制的特性，使得其出乎意料外的訊息發生的機率遠比美國訊息低。但一定程度上也說明了美國與歐盟訊息對匯率的影響是不對稱的，且影響程度與方向會隨時間而改變。 32.

(37) 最後，我們必須承認，由於各個訊息的重要性並無統一的認定，訊息對匯率的影響，帶有相當程度的主觀看法，改變各別訊息的重要性或分組編製方式，有可能改變檢定結果。另外，央行訊息理論上為影響匯率最重要的因素，其訊息影響最直接但也最複雜，從利率決議、央行行長談話、國會聽證會等等，皆有重要影響，但苦於訊息難以量化，本研究中，我們只考慮了利率決議的部分，這可能是未來可以改善的方向。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 33. i Un. v.

(38) 參考文獻. 一、中文文獻王倫傑 (1997)，「台灣外匯市場效率性之實證研究─非恆定計量方法之驗證」，國立政治大學國際貿易研究所碩士論文。陳旭昇 (2009)，《時間序列分析 : 總體經濟與財務金融之應用》，台北 : 東華書局。. 政治大彭榮茂、蔡麗茹 (1998)，「台灣美元遠期外匯市場訊息效率性之研究」，《統立. ‧ 國. 學. 計與資訊評論》，4，23-46。. n. al. er. io. sit. y. Nat. 二、英文文獻. ‧. 賴景昌 (2007)，《國際金融理論 : 基礎篇》，台北 : 華泰書局。. Ch. i Un. v. Apergis N. and S. Eleftheriou (1997), “The efficient hypothesis and deregulation: the. engchi. Greek case,” Applied Economics, 29, 111-117. Baillie, R. T., R. E. Lippens and P. C. McMahon (1983), “Testing Rational Expectations and Efficiency in the foreign Exchange Market,” Econometrica, 51, 553-563. Bekaert, G. and R. J. Hodrick (1993), “On biases in the measurement of foreign exchange risk premium,” Journal of International Money and Finance, Elsevier,. 34.

(39) 12(2), 115-138. Chen, S. W. (2010), “Testing the hypothesis of market efficiency in the Taiwan-US forward exchange market since 1990,” Applied Economics, 42, 121-132. Clarida, R.H. and M.P. Taylor (1997), “The Term Structure of Forward Exchange Premiums and Forecastability of Spot Exchange Rates : Correcting the Errors,” Review of Economics and Statistics, 79, 353-361.. 政治大. Clarida, R.H. and M.P. Taylor (1997), “Nonlinear Permanent - Temporary. 立. Economic Society, 113(486), 125-139.. 學. ‧ 國. Decompositions in Macroeconomics and Finance,” Economic Journal, Royal. ‧. Dickey, D.A. and W.A. Fuller (1979), “Distribution of the Estimators for. Nat. er. io. sit. y. Autoregressive Time Series with a Unit Root,” Journal of the American Statistical Association, 74, 427–431.. al. n. iv n C h e n “What Dominguez, K., and F. Panthaki (2006), i U `news' in foreign exchange g c hdefines markets?” Journal of International Money and Finance, Elsevier, 25(1), 168-198. Dooley, M. P. and J. R. Shafer (1984), “Analysis of Short-Run Exchange Rate Behavior : March 1973 to November 1981,” in D. Bigman and T. Taya (eds.), Floating Exchange Rates and the State of World Trade Payments, Cambridge, Mass. : Harper and Row, Ballinger, 43-69. 35.

(40) Dornbusch, R. (1978), “Monetary Policy under Exchange Rate Flexibility,” In Managed Exchange-Rate Flexibility: The Recent Experience. Federal Reserve Bank of Boston Conference Series no. 20. Boston: Federal Reserve Bank of Boston. Edwards, S. (1982), “Exchange rates, market efficiency and new information,” Economics Letters, Elsevier, 9(4), 377-382.. 政治大. Engle, R. F. and C. W. J. Granger (1987), “Co-integration and error correction:. 立. Representation, estimation, and testing,” Econometrica, 55(2), 391-407.. ‧ 國. 學. Engel, C. and J. Hamilton (1990), “Long Swings in the Dollar: Are They in the Data. ‧. and Do markets Know It?” American Economic Review, 80, 689-713.. Nat. Work,” Journal of Finance, 25, 383-423.. al. iv n C h espot “Forward and n g exchange c h i U rates,” n. Fama, E. F. (1984),. er. io. sit. y. Fama, E. F. (1970), “Efficient Capital Market: A Review of Theory and Empirical. Journal of Monetary. Economics, 14, 319-338. Frenkel, J. A. (1981), “Flexible exchange rates, prices, and the role of „news‟: lessons from the 1970s,” Journal of Political Economy, 89, 665-705. Froot, K. A. and R. H. Thaler (1990), “Anomalies: Foreign Exchange,” The Journal of Economic Perspectives, 4(3), 179-192. Galati, G. and C. Ho (2003), “Macroeconomic news and the euro/dollar exchange 36.

(41) rate,” Economic Notes, Banca Monte dei Paschi di Siena SpA, 32(3), 371-398. Granger, C. W. J. and P. Newbold (1974), “Spurious regressions in econometrics,” Journal of Econometrics, 2(2), 111-120. Hakkio, C. S. (1981), “Expectations and the forward exchange rate,” International Economic Review, 22, 663-78. Hamilton, J. D. (1994), Time Series Analysis, Princeton University Press.. 政治大. Hansen, L. P. and R. J. Hodrick (1980), “Forward Exchange Rates as Optimal. 立. Predictors of Future Spot Rates: An Econometric Analysis,” Journal of Political. ‧ 國. 學. Economy, 88, 829-853.. io. sit. Nat. Economic Dynamics and Control, 12(2-3), 231-254.. y. ‧. Johansen, S. (1988), “Statistical analysis of cointegration vectors,” Journal of. er. Johansen, S. and K. Katarina (1990), “Maximum likelihood estimation and inference. al. n. iv n C hen on cointegration-with applications to the demand g c h i Ufor money,” Oxford Bulletin of Economics and Statistics, 52(2), 169-210.. Lai, K. S. and M. Lai (1991), “A cointegration test for market efficiency,” The Journal of Futures Markets, 11, 567-575. Levich, R. M. (1979), “On the Efficiency of Market for Foreign Exchange,” In R. Dornbusch and J. Frenkel (eds.),International Economic Policy: Theory and Evidence, Johns Hopkins University Press. 37.

(42) Levich, R. M. and L. R. Thomas (1993), “The Significance of Technical Trading-Rule Profits in the Foreign Exchange Market: A bootstrap Approach,” Journal of International Money and Finance, 12, 451-474. Luukkonen, R., P. Saikkonen and T. Teräsvirta (1988), “Testing linearity against smooth transition autoregressive models,” Biometrika,75, 491‑499. MacDonald, R. and M. P. Taylor (1991), “Risk, efficiency and speculation in the. 政治大. 1920s foreign exchange rate: an overlapping data analysis,” Weltwirtschaftliches Archiv, 127, 500-523.. 立. ‧ 國. 學. MacDonald, R. (1983), “Some tests of the rational expectations hypothesis in the. ‧. foreign exchange market,” Scottish Journal of Political Economy, 30, 235-250.. Nat. rates, Applied Financial, 15, 1135-1144.. al. er. io. sit. y. McMillan, D. G. (2005), “Cointegrating behavior between spot and forward exchange. n. iv n C U Moosa, I. A. (2002), “A test of thehnews rates,” Review of World e nmodel g c hofi exchange Economics, 138(4), 694-710. Napolitano, O. (2000), “The efficiency hypothesis and the role of „news‟ in the Euro/British pound exchange rate market: an empirical analysis using daily data,” ESCR Research Centre on Micro-social Change, University of Essex, ECASS – European Centre for Analysis in the Social Science. Poole, W. (1967), “Speculative Prices as Random Walks: An Analysis of Ten Time 38.

(43) Series of Flexible Exchange Rates,” Southern Economic Journal, 33, 468-478. Sarno, L. and M. Taylor (2002), The Economics of Exchange Rates, Cambridge University Press, Cambridge. Shen, C. H. (1997), “Testing for foreign exchange market efficiency-a trivariate vector autoregressive approach, Applied Financial Economics, 7, 711-719. Wu, J. L. and S. L. Chen (1998), “Foreign exchange market efficiency revisited,”. 政治大. Journal of International Money and Finance, 17, 831-838.. 立. Zivot, E. (2000), “Cointegration and forward and spot exchange rate regressions,”. ‧ 國. 學. Journal of International Money and Finance, 19, 785-812.. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 39. i Un. v.

(44)