奢侈稅對相關上市公司之衝擊

國立臺灣大學國際企業研究所 碩士論文

Graduate Institute of International Business

College of Management National Taiwan University

Master thesis

奢侈稅對相關上市公司之衝擊

The impact of luxury tax on related publicly traded company

邱名宏 Chiou, Ming-Hung

指導教授：盧秋玲 博士 Advisor: Lu, ChiuLing Ph.D.

中華民國 101 年 6 月

June, 2012

I 摘要

從 2003 年至 2010 年來，台灣房市持續高升，以台北市為例，甚至飆漲超過 一倍，但台灣 2003 至 2010 年來人民所得與房租卻只有些微成長，由此可見，房 地產極有可能是由超額資金供給所飆高。政府為了防止房地產泡沫化，推行奢侈 稅，希望能藉此對房市的投機行為有重大影響。

本文想知道奢侈稅是否對於營建業、金融業是否有顯著影響。利用事件研究 法中 GARCH 模型、AR 檢定、累計三日異常報酬(CTAR)、累計五日異常報酬(CFAR) 來檢定營建業與金融業的股價表現。發現在營建業中，GARCH 模型、AR 檢定、累 計三日異常報酬、累計五日異常報酬，營建業估計係數大多為負，且幾乎達 1%顯 著。顯示奢侈稅對於營建業確實有重大影響。

至於在金融保險業中，在 GARCH 模型、AR 檢定、累計三日異常報酬、累計五 日異常報酬，金融保險估計係數則是正負交錯，並無一個明顯趨勢，顯示奢侈稅 對於金融保險業並無重大影響。

本文除了以奢侈稅對相關產業影響進行研究，也研究奢侈稅對於公司財務比 率之影響，希望能瞭解公共政策對於股價的影響，讓下次政府制定公共政策時能 了解民眾之預期心理，讓社會更加安定。

本文以負債比率、ROE、市值做為自變數，累計三日異常報酬與累計五日異常 報酬做為應變數。結果發現，奢侈稅對於負債比率大的公司並無明顯影響，推測 可能為上市公司的主要業務並非皆以房地產為主要營運項目，導致奢侈稅對於負 債比率大的公司並無明顯影響。

我們也以 ROE、市值來檢定民眾對股市的預期心理。本文實證發現在股市大 盤飆漲的期間，民眾對於高 ROE 與高市值的公司會有不切實際的幻想，導致在後 來股市大盤不漲時，高 ROE 與高市值的公司股價會下跌的比較多。

【關鍵詞】奢侈稅、事件研究法、GRACH、AR、CTAR、CFAR

II Abstract

From 2003 to 2010, Taiwan’s housing market has been rising. Take Taipei City as an example, the property price had been raised to more than double. Nevertheless, for the same period there was not any meaningful rise in people’s income and rent. This fact reveals that the rise of real estate might be due to the excessive money supply in the market. In order to avoid the blowup of real estate bubbles, the government has implemented luxury tax to curb the speculative activities on the residential properties.

This study attempts to examine whether luxury tax has any significant impact on Construction industry and Finance and Insurance industries in reality. It adopts the GARCH model, AR test, CTAR (Cumulative three-day abnormal returns) and CFAR (Cumulative five-daily abnormal returns) used in the methodology of event study to assess the share price performances of these two target industries. In this study, the findings show that estimated coefficients for Construction industry were mostly negative and their significance even reached 1 percent. This indicates that luxury tax had real significant effect on Construction industry. On the other hand, the estimated coefficients for Finance and Insurance industries in this study did not show such a clear pattern. It tells that luxury tax had little significant impact on this industry.

This paper also studies the impact of luxury tax on the financial ratios of listed companies on Taipei Stock Exchange (TSE) in order to seek in-depth understanding of the influence of public policies on share price. The purpose is to produce a possible meaningful reference so that government would take public expectation into account when forming future public policies and thereby achieving better social stability.

In this case, debt ratios, ROE, and market capitalization were made the independent variables while CTAR and CFAR were made dependent variables. The

III

study findings show that luxury tax had little effect on share prices of companies with higher debt ratios. This may be attributed to that not many listed companies had real estate as one of main operating items and thus, bore little impact from luxury tax. ROE and market capitalization were also used to examine the expectation of the public on the stock market. It indicates that while the stock market was soaring, people tended to have unrealistic expectation for companies with high ROE and market capitalization, which led to the overdrop of share prices of these companies when the stock market stopped soaring.

Key words: Luxury tax , event study, GRACH, AR, CTAR,CFAR

IV

目錄

摘要 ... I ABSTRACT ... II

第一章 緒論 ... 1

第一節 研究動機 ... 1

第二節 高漲的房價從投資來看-房價租金比 ... 3

第三節 高漲的房價從自住來看-房價所得比 ... 5

第四節 高漲的房價從資金面來看 ... 7

第五節 研究動機 ... 10

第六節 論文架構 ... 10

第七節 研究流程 ... 11

第二章 文獻探討 ... 12

第一節 國外公共政策影響股價之研究 ... 12

第二節 國內公共政策對股價影響之研究 ... 14

第三章 研究假說 ... 16

第一節 估計期與研究事件期區間界定 ... 16

第二節 股票報酬率預計估計模式 ... 17

第三節 事件日的分類 ... 19

第四節 實證假說 ... 21

第五節 本文所使用研究方法... 22

第六節 資料來源 ... 24

第七節 迴歸實證模型 ... 25

第四章 實證結果 ... 26

V

第一節 敘述統計分析 ... 26

第二節 事件日用 GARCH 模型分析 ... 27

第三節 事件日股票異常報酬總額平均T檢定 ... 30

第四節 累積異常報酬率之迴歸實證結果 ... 32

第五章 結論與建議 ... 42

第一節 結論 ... 42

第二節 建議 ... 44

參考文獻 ... 45

VI

圖目錄

圖一：台灣重要都市指數圖 ... 1

圖二：亞洲國家一年房地產漲幅比較 ... 2

圖三：亞洲國家五年房地產漲幅比較 ... 2

圖四：亞洲國家十年房地產漲幅比較 ... 2

圖五：台灣平均房價指數與平均租金指數 ... 4

圖六:亞洲國家房價租金比比較。 ... 4

圖七:租金所推估泡沫 ... 5

圖八:房價所得比 ... 6

圖九:以所得來看的房地產泡沫化 ... 7

圖十:台灣五大行庫房貸利率持續創新低 ... 8

圖十一：台灣購屋貸款突破五兆 ... 9

圖十二：台灣建築貸款 ... 9

圖十三：研究流程圖 ... 11

圖十四：估計期與事件期 ... 16

VII

表目錄

表一：奢侈稅事件日 ... 20

表二：樣本公司依產業別分類之家數(合計 611 家) ... 24

表三 樣本之敘述統計值(股票報酬率) 共 3055 個觀察值 ... 27

表四：GARCH 模型推得每一事件日對公司影響 ... 29

表五：事件日股票異常報酬總額平均 T 檢定 ... 31

表六：99 年 12 月 21 日累計三日異常報酬 ... 32

表七：100 年 1 月 13 日累計三日異常報酬 ... 33

表八：100 年 1 月 17 日累計三日異常報酬 ... 33

表九：100 年 2 月 25 日累計三日異常報酬 ... 34

表十：100 年 3 月 7 日累計三日異常報酬 ... 34

表十一：100 年 4 月 6 日累計三日異常報酬 ... 35

表十二：100 年 4 月 15 日累計三日異常報酬 ... 35

表十三：累計三日異常報酬七事件日跑一迴歸式 ... 36

表十四：99 年 12 月 21 日累計五日異常報酬 ... 36

表十五：100 年 1 月 13 日累計五日異常報酬 ... 37

表十六：100 年 1 月 17 日累計五日異常報酬 ... 37

表十七：100 年 2 月 25 日累計五日異常報酬 ... 38

表十八：100 年 3 月 7 日累計五日異常報酬 ... 38

表十九：100 年 4 月 6 日累計五日異常報酬 ... 39

表二十：100 年 4 月 15 日累計五日異常報酬 ... 39

VIII

表二十一：累計五日異常報酬七事件日跑一迴歸式 ... 40 表二十二：十六個迴歸式整理 ... 41

1

奢侈稅對上市公司相關產業之衝擊 第一章 緒論

第一節 研究動機

自從 1992 年房地產指數見高點，台北市房地產泡沫在四年之內下滑二十%，

導致房市一直不景氣。直至 2003 年後，台灣房市開始飆漲至 2007 年，但在 2008 年發生金融海嘯以來，台灣房地產呈現短期下跌後，卻又快速補漲至 2011 年。

如下圖一所示。台北市為例從 1998Q1~2003Q1 房地產指數從約 130 跌至 105 附近。從 2003 年指數 105 起漲至 2008 年指數 200，漲幅接近一倍。但在 2008 年 金融海嘯短期跌至 180，但卻又急速反轉從 180 至 260。短短兩年內，指數增加 80。

這波猛烈的漲勢在臺灣房地產二十年來是前所未見。

圖一：台灣重要都市指數圖

資料來源:信義房屋指數 除了與過去的臺灣資料相比，我們也可以與亞州國家比看看漲幅。過去一年 台灣房地產的漲幅居亞洲國家第三名(圖二)。過去五年內台灣房地產漲幅居亞洲國 家第四名(圖三)，過去十年內台灣房地產漲幅居亞洲國家第一名(圖四)。

2

圖二：亞洲國家一年房地產漲幅比較

圖三：亞洲國家五年房地產漲幅比較

圖四：亞洲國家十年房地產漲幅比較

資料來源:http://www.globalpropertyguide.com

0.00% 5.00% 10.00% 15.00% 20.00% 25.00%

泰國 中國 印尼 韓國 日本 馬來西亞 台灣 香港 新加坡

0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00%

馬來西亞 日本 韓國 菲律賓 台灣 中國 新加坡 香港

36.82%

38.10%

38.80%

66.28%

76.40%

82.09%

0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 80.00% 90.00%

馬來西亞 菲律賓 新加坡 韓國 香港 臺灣

3

以上資料可知，台灣房地產進入將近八年的大多頭。我們不禁要問，是甚 麼原因造成此次的房地產飆漲。又 1990 年代臺灣房地產泡沫是否會重演。本文 想從三方面來討論此問題。

第二節 高漲的房價從投資來看-房價租金比

像股票市場一樣，全部的投資人可分為投資、或投機。投資者著重在配股、

配息，因此會非常注意股票股利、現金殖利率高低。投機者則著重於股票價格的 上升，是否有價差可賺。不在乎股票股利與現金殖利率高低。

租金類似股票股利，投資人會在意租金/房價高低。投機客只在意有無價差可 賺，加上台灣人有土斯有財的觀念，認為房地產只漲不跌，於是一窩蜂的民眾搶 當投機客，認為自己不會是最後一隻白老鼠。造成房市看起來像是不會跌價的神 話。但就像股票市場一樣，若是市場投機客太多，遲早房市還是會往下修正。

為何台灣房地產會飆到如此不合理的高價?我認為是因為國內市場投機客太 多，大家認為房地產只漲不跌，市場瘋狂追價，導致台灣平均房價上漲 85%，租 金卻下跌 0.5%。如下圖五。

由圖五可以發現，台灣平均租金由 1998 年 101.12 至 2010 年 100.52，下跌了 0.5%。但房價從 1998 年指數 90.71 到 2010 年指數 168.25，整整上漲了 85%。顯而 易見的，此次房價的飆漲並非租金所致。

由圖五可知，國內租金指數無法支撐國內平均房價指數的上漲。台灣租金指 數如此低，房價指數如此高，那麼亞洲其他國家又如何，台灣又排在哪個位置，

我們找了亞洲房價租金比來看看。

4

圖五： 台灣平均房價指數 台灣平均租金指數

資料來源:信義房屋 由圖六可以發現:台灣房價租金比約為 708 個月，遠遠超過第二名新加坡 444 個月。國際上普遍認為合理區間是在 200~250，若是房價租金比超過 300 個月，代 表已超越警戒線。東京泡沫化房價租金比最高來到 720 個月，泡沫化後快速滑落 至 200~250 間，1993 年，台灣房價租金比最高到 604 個月，接下來就是價格滑落 至正常水準。我們可以合理懷疑，台灣的房價是否有可能會泡沫化。

圖六:亞洲國家房價租金比比較。

資料來源:http://www.globalpropertyguide.com

0.00 20.00 40.00 60.00 80.00 100.00 120.00 140.00 160.00 180.00

0 100 200 300 400 500 600 700 800

印尼 菲律賓 馬來西亞 泰國 日本 印度 柬埔寨 香港 中國 新加坡 台灣

5

我們要如何去看現今台灣是否真有泡沫化。根據政大房地產研究中心(2010) 研究報告。因價格泡沫乃不可觀察之變數，故採用具有可估計不可觀察變數特質 的狀態空間模型（State Space Model，簡稱為SSM）來推估泡沫價格，分析在不同 時期下泡沫的規模大小。

由圖七可發現，1988~1990 年代，日本房地產、股價狂飆，資金流竄，間接影 響台灣。泡沫房價/實質房價、泡沫比由-20%~直線上升至 57.86%，接著在高點震 盪，再慢慢地回降，直到 2003 年，SARS 來襲，房價泡沫化才完全消除，由歷史 的經驗告訴我們，只有資金撐起房市的非理性繁榮是不會永遠持續下去的。

從 2003 年泡沫消除後，台灣房市又漸漸繁榮。泡沫房價/實質房價、泡沫比又 慢慢上升，從-10%，又漸漸上升到 42.97%，逼近台灣泡沫當時的 57.86%，台灣房 市走向很像 90 年代一樣節節高升，有泡沫化的前兆。

圖七:租金所推估泡沫

資料來源:政大台灣房地產研究中心 由以上可知，撐起房價上漲的趨勢，主因不是由租金上漲所致。也就是並非 市場投資客太多(投資與投機並不同，詳見前頁)，來撐起房價。那還有什麼因素會 讓房價如此快速飆漲呢。 我們可以從自住面來看，使用的指標為房價/所得比。

第三節 高漲的房價從自住來看-房價所得比

推升房地產價格的另一動能在於國民所得，若是國民所得提高，會增加民眾 的消費能力，並且進一步提升購屋需求。最常見到的購屋指標便是房價所得比。

6

因為台灣實質房價難求，且房價所得比乃各家推估，沒有一個完整的定義。為求 公平公正，本文採用莊孟翰教授的房價所得比定義。

由圖八可看到，台灣房價所得比從 1980 年至 1985 年每年變動不超過二，但 在 1986 年 5.7，到 1989 年的 19.1，平均每年成長 4.46，每年平均成長率為非常顯 著的飆漲。之後就開始緩慢下跌至 2003 年，符合房地產業的短期飆漲、卻是緩慢 下跌。也正因為短漲長跌，常常讓人有房地產業只漲不跌的錯覺。然而在 2005 年 12.5 至 2007 年 17.2，平均每年成長 4.35，又是一次短期飆漲，但在 2008 年遇到 百年難得一見的金融海嘯，令房價稍微停滯在 17.1 附近，緊接著又從 2009 年 17.4 飆漲至 2010 年 20，一年 3.5，已經超過 1990 年代房地產泡沫化的 19.1。

圖八:房價所得比

資料來源:主計處、莊孟翰教授資料，(台北市各年度三十坪預售屋價格除以主計處 統計之當年度國民平均經常性薪資)

不論從預售物或是購買房屋總價來看房價所得比都可發現,，台灣房地產都有 過熱的現象，甚至有泡沫化現象。問題在於，泡沫化程度有多大。政大房地產研 究中心將它量化。 根據政大房地產研究中心(2010)年研究報告，因價格泡沫乃不 可觀察之變數，故此文採用具有可估計不可觀察變數特質的狀態空間模型（State

0 5 10 15 20 25

7

Space Model，簡稱為SSM）來推估泡沫價格，分析在不同時期下泡沫的規模大小。

由圖九可知，在 09 年 Q1 北市泡沫化為 43.72%，逼近 1990 年代的 56.53%。

再度顯現出台灣房價高漲，政府必須擁有對策來因應，避免 1990 年代大崩盤再度 發生。

圖九:以所得來看的房地產泡沫化

資料來源: 政大台灣房地產研究中心

由租金/房價比與所得/房價比來看，可以合理地解釋高漲的房價不像是由這兩 個基本面所推動，那還有什麼因素會使房價快速飆高。本文認為，房市就像股市，

在股市，短期雖然股價已大幅偏離基本面，但只要有龐大的資金，還是可以進一 步推升股價到不可思議的境界。

第四節 高漲的房價從資金面來看

買房子是人生中的大事之一，在台灣有土斯有財的傳統觀念下，都認為要有 一個自己的家才算是成家立業。但房地產業動輒上千萬的資金，讓剛購屋者承受 是很大的金錢負擔，於是大多數買房子的人皆需要向銀行貸款才能圓一個成家夢。

所以資金在房地產業的多寡可以用銀行貸款給營建業或是房貸中看出端倪，因此 我們觀察：1.利率、2.購屋貸款、3.建築貸款。來看房地產中是否有過多的資金。

8

一、利率

由圖十可看到，台灣房貸利率持續創新低，從 1994 年的 9%一路往下滑至 2011 年的 1.83%。政府從 2000 年開始推動優惠房貸，鼓勵民眾借錢買房，導致 2003 年房價穩定持續上漲至 2011 年。加上房貸利率持續下滑，讓民眾覺得要趕快借錢 買房，反正房貸利率持續降低，資金成本相當便宜。

圖十:台灣五大行庫房貸利率持續創新低

資料來源:中央銀行 二、購屋貸款

由圖十一可看到，台灣在 1997 年的房貸金額約為兩兆，到 2003 年也才 2.7 兆 元。六年之內，房貸金額也才增加不過 0.7 兆，平均每年成長 1200 億。但在 2003 年的 2.7 兆至 2011 年的 5.1 兆，八年之內，房貸金額快速增加了 2.4 兆，平均每年 成長 3000 億為 1997~2003 的 2.5 倍，令人瞠目結舌。短短八年之內，2.4 兆資金湧 入房地產市場，市場在短時間內資金成長一倍，房價會在 2003~2011 年快速飆漲 到令人匪夷所思的地步，資金浪潮是主要原因。

0.00%

1.00%

2.00%

3.00%

4.00%

5.00%

6.00%

7.00%

8.00%

9.00%

10.00%

83/07 84/03 84/11 85/07 86/03 86/11 87/07 88/03 88/11 89/07 90/03 90/11 91/07 92/03 92/11 93/07 94/03 94/11 95/07 96/3 96/11 97/7 98/3 98/11 99/07

9

圖十一：台灣購屋貸款突破五兆 單位:百萬元

資料來源:中央銀行 三、建築貸款

由圖十二可知，在 1997~2003，台灣的建築貸款從 5 千億滑落至 4 千億。但在 2003~2011 年，台灣的建築貸款從 4 千億直線上升至 1.3 兆，八年內，建築貸款成 長三倍多。這說明了，房價的上漲讓許多建商覺得有利可圖，加上低利率，紛紛 向銀行借錢興建大樓以賺取最大利潤。因此建築貸款才會增加如此快速。

圖十二：台灣建築貸款 單位:百萬元

資料來源:中央銀行

0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 6,000,000

7801 7901 8001 8101 8201 8301 8401 8501 8601 8701 8801 8901 9001 9101 9201 9301 9401 9501 9601 9701 9801 9901 10001

0 200,000 400,000 600,000 800,000 1,000,000 1,200,000 1,400,000

7801 7901 8001 8101 8201 8301 8401 8501 8601 8701 8801 8901 9001 9101 9201 9301 9401 9501 9601 9701 9801 9901 10001

10 第五節 研究動機

由以上資料得知，我們可以合理懷疑，此波房地產價格高漲應當是與目前台 灣環境低利率、加上資金氾濫湧進房地產所引很可能是假性繁榮。我們要非常小 心是否會有房市泡沫化的危機出現。

台灣 1990 年代的房市泡沫化，拖累台灣房市發展十年，直至 2003 年，政府陸 續推出房貸優惠政策，房市才有稍微有起色。軟著陸一直是政府想要達成的目標，

但若目前的狀況持續下去，台灣會遇到硬著陸的可能性大增。

本文原本想藉由奢侈稅來討論台灣房價的發展，但由於台灣房市真實房價無 法取得，因此採用房地產相關公司股價來替代真實房價的變動。希望能藉由房產 相關公司的股價反應，來得知奢侈稅對於房地產業的影響。

本文想要採用事件研究法去探討奢侈稅政策對於各產業公司股價影響多大，

尤其是營建營造、金融保險業是否有更顯著的負向超額異常報酬。再利用複迴歸 分析去剖析奢侈稅對於產業與財務比率的影響，本文認為奢侈稅政策除了影響到 營建營造與金融保險之外，對於財務比率的某些指標也有影響，本文認為負債比、

市場評價、獲利率 ROE 都有可能被影響，於是提出了五個假說，詳見第三章，研 究假說。

第六節 論文架構

本論文由第一章緒論開始，依序論述研究背景與研究動機，並蓋述整篇論文 的研究問題與目的。接著在第二章的文獻探討中，對公共政策影響股價的國內外 文獻進行回顧。

第三章研究方法，將針對單一事件之事件研究法做一闡述，介紹本文所使用 的 GRACH、t 檢定、累計三日報酬(CTAR)、累計五日報酬(CFAR)做定義。並以台 灣經濟新聞資料庫(TEJ)中 611 家上市公司做為研究資料來源，並提出三個假說。

第四章實證分析中，先透過敘述統計分析，再用 GRACH 模型分析，再做標

11

準化之 t 檢定，接著以應變數累計三日報酬(CTAR)與累計五日報酬(CFAR)對自變

數、負債比率、獲利率(ROE)、市值(ln(流通在外股數*當時股價))做複迴歸分析。

第五章結論與建議中，得知奢侈稅對營建營造業有重大影響，但對金融保險 業無明顯影響。奢侈稅對高獲利率與高市值有顯著負向影響，但對高負債比率之 公司並無明顯影響。

第七節 研究流程

圖十三：研究流程圖

研究動機、背景

文獻回顧

研究方法

GRACH 檢定 T 檢定 三日 CAR 五日 CAR

實證研究

結論與建議

12 第二章 文獻探討

由於本文探討奢侈稅對於營建營造、金融保險業之股價影響。屬於公共政策 影響股價之研究，因此本文蒐集國內外文獻公共政策影響股價之研究，並將其研 究結論作為本文之基石，從此基礎上再去做延伸、發展。

本章將分為兩節，1.國外公共政策影響股價之研究、2.國內公共政策影響股價 之研究。

第一節 國外公共政策影響股價之研究

Blanchard(1981)研究政府政策變革與股價關係之影響，利用市場模型來研究。

此研究主要精神在於利用理性預期模型去模擬與股票市場的關聯。結果發現，雖 然影響股票市場有眾多因素，如：利率、公司獲利率等等。但股價變動最主要因 素在於政策的改變。在理性預期模型中，政策是否已被預期到是非常重要。研究 指出，雖然股市變動先於政策宣告之前就已經發生，但政策依然是股市波動的主 要原因。最後發現政府政策的改革對股價有一定的影響，但股價真實走勢與做研 究前所預測方向不一定吻合。

隔年，Leftwich(1981)研究當政府改變會計原則(APB Opinion NO. 16：Accounting for Business Combination 及 APB Opinion NO.17：Accounting for Intangible Assets)發 布時對公司股價的影響。利用市場模型來解釋會計原則變動對公司現金流量之衝 擊。發現雖然會計原則變革不會對公司現金流量造成衝擊，但公司的負債越大的 公司，債務成本會增加，股東的利益將下跌越大。

Shaw(1988)，研究發佈「安全港租賃法條」對運輸業公司股價的衝擊，採用市 場模型來研究。此法案許可公司透過資產租賃銷售折舊費用及投資抵減給其他公 司。此研究分三個事件日，分別是法案施行時、揭露相關租賃交易、與取消時公 司股價的反應。結果發現在 1980 年紐約證交所課稅損失超過五千萬以上的公司。

13

有 60%在 1981 及 1982 年揭露此類出售利益交易，所以出租公司在宣告此交易時有 正的明顯異常報酬，但承租公司卻沒有明顯趨勢。

然而，不只有會計變化值得關注，證交稅演變也值得注意，。Schipper and Thompson(1983)，研究 1966-1970 證交法與稅法之變革，包含：威廉證交法修正案、

1969 稅制改革法案、APB 第 16、17 號意見書及 SEC 部門別揭露規定，因為這些法 案會影響併購的利益，此研究對進行併購中公司的股票報酬率來衡量。此研究以 39 家符合條件購併中公司做為樣本，以 GLS 模型來檢定負異常股票抱持與併購法 案的宣告是否有關。研究結果顯示，股市投資人預期威廉證交法修正案及 1969 年 稅制改革法案會讓合併公司有負向之現金流量，而 APB 第 16、17 號意見書，雖然 也會讓合併中公司有負向的現金流量，明顯的顯著水準。研究結果發現證交法之 變動對合併公司有負面影響之現金流量。

除了美國、瑞典也討論過證所稅。Umlauf(1993)，研討 1980 到 1987 年瑞典交 易稅改革對股票市場影響，利用市場模型來做研究，並以無交易稅、1984 課 1%證 所稅、1986 課 2%證所稅分為三個時期，並分別檢驗三段時期股票市場反應，發現 當證所稅緩緩上升時，瑞典股票市場的流動性並未下降、但股市指數明顯下跌、

且有大量移往倫敦，股價有明顯的負向影響。

除了會計規則變化、與證交稅外、法規演變也被討論。Ellison and Mullin(1995) 研究 1910～1914 年間，可能被 1912 年的糖業關稅改革影響的廠商。它們如何克 服訊息洩漏的問題。首先，它們定義了四個相關的事件時間:委員會、眾議會、參 議院、總統決議。在委員會與眾議會影響最小，在參議院與總統公布時點影響最 大。得知此文獻解決事件日的方法為定義四個事件日，再去計算異常報酬，進一 步得知影響最大的事件日是哪一個時點。

Dowdell et al(1992)研究美國食品藥物管制局宣告藥品包裝新法規對上市製藥 公司的影響。以市場模式檢視 1982 年 9 月 28 日到新法規宣布 1982 年 11 月五日，

共 28 交易日，對製藥公司股價影響。結果發現在新法宣布前 19 個交易日內，對製 藥公司有顯著的負向累計異常報酬。

14

第二節 國內公共政策對股價影響之研究

國內研究租稅影響公司股價也此採取與國外相同作法，把事件日分為多日討 論。如：林世銘、陳明進、蔡天俊(2000)探討民國81年行政院擬將土地增值稅改按

「實際成交價格課徵」此一提案是否會對公司有異常報酬研究。結果顯示，在民 國81 年，行政院通過「土地交易按實際價格課徵土地增值稅」草案時，負債比率 較高的上市公司，其負向股票異常報酬率高於負債比率低的上市公司。而在民國 81年10 月，當土地交易按實價課稅政策不能實施時，土地佔資產比率較高的上市 公司，其股票正向累積異常報酬率高於土地佔資產總額比率低的上市公司。

汪瑞芝、陳明進、林世銘 (2005)，探討土地增值稅減半兩年的政策進行事件研 究。將發生時點分成八個事件，看看政策對於營建業股價與金融業的影響。因為 各股價會會有相依性，利用 GLS(joint generalized least squares)解決相依性問題，並 提出四個假說。實證結果發現，四個假說皆成立後。再去做累積異常報酬率之迴 歸實證結果。累積異常報酬率來源分成:1.截距項 2.土地比率 3.負債比率 4.營建業 5.金融保險業 6.公司規模。發現，土地比率、負債比率、營建業、金融保險業。

皆對累積異常報酬有正向影響。

黃雅玲(2003)，探討土地增值稅減半徵收延長一年對上市上櫃營建公司股價是 否有產生正的累計異常籌，並以回歸模式分析該累積異常報酬與公司特性之關連 性。此文將土地增值稅發生時點分成兩事件。並以利息保障倍數、負債比率、待 售房地產持有比率、公司成長性及公司規模與累計異常報酬的關係。實證發現，

兩事件日皆有明顯證的累計異常報酬率，且當立法院確定土地增值稅減半延長的 消息發布值，利息保障倍數、代售房地產持有比率為正相關、與公司規模為負相 關。

土地增值稅減半政策在2002年受到熱烈討論外，營業稅率的調降也曾造成國 內熱門研究項目。林世峰(2000)討論1999年，政府宣布了金融業之營業稅率由5%

調降為2%。研究中將事件相關演變消息制訂了八件事件日，前四個事件日為明顯

15

的正向顯著，後四個事件日因只是加強說明前四個事件日之消息，造成民眾早已 預期，因此股價並不明顯，此與Blanchard(1981)研究符合，事件日一定要群眾無法 預期才能有正向報酬。

李國綸(2001)研究2000年10月14日行政院將金融營業稅率調降至零對市場的 影響，並就造成的影響去探討可能的原因。分別以Fama(1976)的市場模型、

Stone(1974)的二因子模型、以及GRACH(1,1)等三種模型來估計預期報酬率。實證結 果顯示，上市櫃銀行股因營業稅率調降產生正的異常報酬率及正的異常交易量。

累計異常報酬率的大小與銀行逾放比、公司成長性有正相關。且因營業稅降低而 增加之每股盈餘越大者，異常交易量持續期間越長。

除了2000年的營業稅調降、2002年的土地增值稅減半、近年來台灣政策的大 事，莫非屬金融風暴中政府發放消費卷事件。

洪綾君 (2009)，研究將消費卷分成兩個事件日，進行異常報酬的估算。事件 一：11 月 16 日消費卷特別條例正式提出事件二：12 月五日立法院三讀通過。將 11 月 16 日的事件期拉長為前後五日，也就是總共十一天的事件期。12 月五日則 將事件期維持事件日的前後兩天，也就是共五天的事件期。結果發現:事件一若只 做前後兩日，平均異常報酬率為-0.596%，但若做前後五日，平均異常報酬率達 1.23%的正向平均異常報酬率，顯示民眾在事件宣布前已預知，因此反應時點有提 前。但不管是時點一或是時點二，消費卷並無明顯對經濟整體帶來正面效果。

但若以個別可能受影響的產業來看，貿易百貨業在事件日前後五天累計異常 報酬為 17.58%，食品業也有 14.536%的累積異常報酬。顯現出消費卷對百貨、食 品相關企業的股價反應超過一般的反應水準或其他產業。

16 第三章 研究假說

本文採用事件研究法研究奢侈稅對於公司股價是否有顯著影響。但在使用事 件研究法之前，我們要先定義事件日與研究方法，因此本章會有下列幾個小節，

來定義所使用的資料。1.估計期與研究期的界定、2.股票報酬率預計估計模式、3.

事件日的分類、4.實證假說 5.本文使用研究方法、6.資料來源、7.實證迴歸模型

第一節 估計期與研究事件期區間界定

為了要找出異常報酬率，首先我們要先定義估計期與事件期，再來定義估計期 裡的預期報酬率模式與事件期裡的報酬率模式。

圖十四：估計期與事件期

資料來源：本研究自行製圖 由於必須建立證券預期報酬率為何，因此必須根據一段時間 至 來建立預期 模式，此一區間稱為估計期，且估計期長度共計 N 期， 。以此估 計期建立之股票報酬率預期模式，預測可能會受到事件影響的事件期間( 至 )，

亦即事件期共計 Q， 。在事件期中，以實際報酬率減去預期報酬率，

即可得到每一事件期受到事件影響所產生的異常報酬率。一般來說，將事件日定 義為第 0 期，事件日前ㄧ期定義為-1 期，前二期定義為-2 期;事件日後期則為+1 期，

後二期為+2 期等等，以此類推。

估計期的長短，沒有客觀的標準，本文找到的文獻表示，通常估計期若以日 報酬率建立估計模式的時候，估計期間通常設定為 100 日至 300 日;週報酬率則為 50~120 週;月報酬率則通常設定 24 個月至 60 個月。事件期長度方面，與估計期相

17

同並沒有客觀標準，一般而言，使用日報酬率時，多採用 2 天至 120 天;採用月資 料則採用 12 個月至 24 個月。

第二節 股票報酬率預計估計模式

一般來說，股票報酬率預期模式可以分為三大類:

1. 平均調整模式(Mean Adjusted Returns model) 2. 市場指數調整模式(Market Adjusted Returns model) 3. 市場模式(Market model)

一、平均調整模式

此模式存在一個強烈假設，亦即個別證券事件期的預期報酬率即為估計期平 均報酬率。





1

) 1 ( ˆ

t

t t

it i

iE

R

R T E

其中，R 代表_it

i

E ( R

)

i

E

報酬率。

二、 市場指數調整模式

此模式是假設某公司股價報酬率事件期在某一期之預期報酬率即為當期市場報 酬率，亦即

mE

iE

R

R E ( ˆ ) 

其中，

R

R

還是平均加權指數(equal weighted index)來計算市場報酬率理論上，市價加權指數 可能會較理想，可反映市場的績效(Roll,1980)。然而 Brown 與 Warner(1980)指出，

使用平均加權指數較能夠發現異常報酬率。Paterson(1989)認為平均加權指數與股 票報酬率之間相關性較大，因此參數估計較為精準，故能發現異常報酬率。

(1)

1)))

(2)

18

三、市場模式

市場模式是以估計期資料，利用普通最小平方法(Ordinary Least Square ;簡稱 OLS)建立以下回歸模式

it

,

mt i i

it

R

R      

其中，





~ N ( 0 , 

)





E

mE i i

iE R

R

E(ˆ )

 

 

然而股價報酬率往往出現波動聚集(volatility clustering)的現象，亦即大波動伴隨著 大波動。Engle(1982)提出自我相關異質條件變異數(Autoregressive conditional Heteroscedasticity variance;ARCH)模式以及 Bollerslev(1986)提出的一般化

ARCH(Generalized ARCH;GARCH)模式可以描述此現象。沈中華與李建然(2000) 指出若出現波動聚集的現象，未考慮 ARCH 模式時，可能會有下列問題:

(1)在估計期，市場模式



(2)事件期的 ARCH，變異數會隨時間改變。因此，異常報酬率要進行標準化時，

必須進行樣本外變異數的預測。

(3)若事件日發生連續三日報酬上漲，這可能是來自 ARCH 的聚集，而非股價真的 有連續三日正的效果。

一般實務上，GARCH(1,1)為較常用的模型，因此本文亦考慮以此模式作為假 設，亦即

it mt i i

it

R

R      









2 1 2

1 2











it

w a  b 



其中，模式的參數必須使用最大概似(maximum likelihood)估計法，經過計算可以 得到最大概似估計值(maximum likelihood estimator;簡稱 MLE)。模式估計的介紹可 參考張揖平與賴博志(2001)。因此事件期

E

(3)

(4)

(5)

19

mE i i

iE R

R

E(ˆ )

 

 

值得注意的是，參數值



 ^ˆ

第三節 事件日的分類

沈中華、李建然文獻中提到。利用事件研究法有兩類，第一類是「同類事件」， 例如：研究會計盈餘宣告及股票分割的宣告對股價的影響，雖然所有公司所要研 究的事件是一樣的，但各公司事件發生的日期可能並不相同。第二類乃是「單一 事件」進行研究，例如本文想要探討的奢侈稅的公布即屬於此類，公司所要研究 的事件，不但是一樣，而且各公司事件發生的日期也完全相同。

在「同類事件」的研究中，各公司事件的發布時間點不同，也不會影響到其 他公司，在統計上較為穩定。但在「單一事件」的研究，由於所有證卷的事件日 同一天，因此股價除了受到事件的干擾，還有可能受相同外部因素影響，使股價 互相干擾，個別公司股價異常報酬率有明顯相依性，我們稱為「事件集中」，在使 用統計方法上要考慮此一現象。

在國內外，「同類事件」研究不勝枚舉，舉凡法律、經濟、財務、會計等領域 討論及多，本文不多著墨。但在「單一事件」的研究多數為公共行政，然而政策 的發布到執行會有一段時間的討論，造成訊息洩漏。因為事件研究法乃是建立在 效率市場假說的情形之下，當事件是在股票市場毫無預期之下發生，對股價的衝 擊才會有顯著影響。因此若將事件日定為法定政策真正實行那天。若是訊息提早 洩漏，可能市場早有預期，造成在事件日當天沒有顯著的異常報酬，事件研究法 就無法使用。

本文討論奢侈稅乃屬於「單一事件日」，首先要先確定事件日。以下是我們從 聯合知識庫所找到的新聞媒體事件日如下：

(6)

20

表一：奢侈稅事件日

日期 當日媒體報導內容

99.12.21 事件一：財政部長李述德指出：奢侈稅最快半年內開徵。

財政部長李述德表示：財政部正規劃對金飾、珠寶、手表、名 牌皮包、3000cc 以上自用小汽車、私人飛機、私人遊艇及俱樂部會 員證等高價精品、奢華服務，課徵特種消費稅，性質類似現行的貨 物稅，稅率將由行政院決定，初步規劃 5%至 20%內。

100.1.13 事件二：財部規劃奢侈稅案給行政院。

財政部長李述德表示：初步計畫稅率將介於 5%~20%之間，最 後稅率將由行政院決定，財政部預估，課奢侈稅後，國庫會年增百 億元收入。(聯合報)

100.1.17 事件三：兩路並進，課奢侈稅、地價稅。

財政部長李述德表示：課奢侈稅同時、也將提高一般地價稅的 累進稅率，從目前 1.5%~5.5%分級課稅，調高為 1.7%~6.5。(經濟日 報)

100.2.25 事件四：馬總統拍板，持有期間不到一年的非自用住宅將依交易 金額課徵。

財政部長李述德表示：持有期間不到一年即轉手出售的非自用 住宅，是按其交易價格課徵 15%特別稅；持有期間不到兩年的非自 用住宅則課徵 10%特別稅。

100.3.07 事件五：財政部將奢侈稅草案送至立法院，預計 7 月實施。

財政部長李述德：會緊盯兩年內頻繁交易個案，官員認為掌握 實際交易價格，就可有效防堵人頭戶炒作。只要是受贈取得的不動 產，若在兩年內出售，也會被加徵 10~15%的特別稅。(聯合報)

100.4.06 事件六：奢侈稅不排除六月一日上路

奢侈稅若於 5 月 12 日可完成三讀，不排除提早至 6 月 1 日上路 實施。財政部長李述德也贊成表示，「愈快愈好」。

100.4.15 事件七：奢侈稅三讀通過

立法院今天三讀通過奢侈稅，實行日期由行政院核定。吳揆表 示，不排除在六月一日上路。

資料來源：聯合知識庫、工商時報、經濟日報、聯合報

21 第四節 實證假說

由於奢侈稅對於一年內課以 15%稅，兩年內 10%。將會造成不動產交易量大 幅下降。導致擁有大量土地及建築的公司，會因為銷售量比之前差，導致業績下 滑，進而影響股價下滑。本文預期奢侈稅會對有大量房地產行業造成重大影響，

因此預期營建、營造業與金融保險業是奢侈稅影響最深產業。因為奢侈稅，會使 不動產交易量大減，造成龐大的資本無法流通，將會有流動性風險。一旦公司現 金流量不足，且不動產難以脫手，將會減少營建業土地資產之價值，對於股票評 價為負向影響。提出假說：

H1a：奢侈稅事件演變訊息公布時，營建營造業股票負向異常報酬 率高於其他產業。

H2a：奢侈稅事件演變訊息公布時，金融保險業股票負向異常報酬率 高於其他產業。

公司向銀行借錢通常使用房地產作為擔保品。一旦奢侈稅實施，不動產流動 性大減，銀行對於負債比較高的公司將會減少貸款成數，導致公司可借現金變少，

影響公司價值，因此提出假說：

H３a：奢侈稅事件演變訊息公布時，負債比率越高上市公司，其股票 負向異常報酬率總額越大。

從本文所提出的研究估計期開始日 7 月 22 號，台灣大盤指數是 7647 點，估 計期結束日 12 月 15 日指數是 8756 點。在事件期開始日 12 月 16 日大盤指數是 8782 點，事件期結束日 5 月 31 日是 8988 點。

股市都會上漲時大家看好，已至於市場評價較好股票與獲利能力較高股票，都會 上漲較多，偏離原本公司價值，以致在往後日子下跌的比其他公司多。因此提出 假說 H4a,H5a

H4a：市值越高公司，在事件期的股價表現比其他公司低。

H5a：獲利能力越高公司，在事件期的股價表現比其他公司低。

22 第五節 本文所使用研究方法

一般而言，事件研究法最常用的報酬率是市場模式模型。但由於本文討論「單 一事件」，不是「同類事件」。若用最小平方法估計參數，將會造成誤差項與時間 有相依關係並非獨立。所以本文採用一般化自我廻歸條件化異質性模式(GARCH) 估計參數。以 611 家樣本公司在檢定期間 112 個交易日(以 t 表示，t=1,……,112) 之資料，進行本文 7 個事件日(以 j 表示，j=1,...,7)整體樣本公司的股票異常報酬率 是否顯著大於零的檢定，若為本文的七個事件日之第 j 個事件日，則 Dj值為 1，否 則 D_j值為 0(參考 Ali and Kallapur,2001)估計式可用以下表達：

在第(7)式中，下標號 i 代表第 i 家樣本公司，t 代表檢定期間的第 t 個交易日，

j 代表本文七個新聞事件日。本文以 99 年 12 月 16 日至 100 年 5 月 31 日止，共 112 個交易日為檢定期間。R_i,t代表第 i 家上市公司第 t 日之股票報酬率，R_m,t代表第 t 日股票市場加權指數報酬率。α、β 分別為該廻歸模型之截距與市場報酬回歸係數。

d₁,…, d₇個事件日整體樣本公司之異常報酬率回歸係數。

本文根據 Fama(1976)的市場模型計算異常報酬，在事件日發生之前取一段估 計期的歷史股價資料，估計市場模型中個變數之係數，來計算預期報酬率。以事 件期間之實際報酬率減去預期報酬率，求得該事件發生之異常報酬。本文以 99 年 7 月 22 日至 99 年 12 月 15 日，共 103 個交易日為估計期間；以 99 年 12 月 16 日 至 100 年 5 月 31 日止，共 112 個交易日為檢定期間。再利用一般化自我廻歸條件 化異質性模式(GARCH)求得參數，估計個別公司之風險係數。

因為本文是討論奢侈稅的同一事件，對所有上市公司股價的影響，因此會遇 到各上市公司股價可能會互相影響，在事件研究法中稱為：「事件集中」(Event Clustering)，會導致橫剖面相互獨立的假設未必成立，可能明顯干擾實證結果。為 了消去「事件集中」(Event Clustering)的影響，本文採用 ZELLNER(1962)提出的似 乎不相關迴歸模式(Seeming Unrelated Regression，SUR)。

(7)

23

在第(8)式中，下標號 i 代表第 i 家樣本公司，t 表示估計期間的第 t 個交易日。

Ri,t 為第 i 家公司第 t 日的股票預期報酬率。 為第 t 日已發行量加權指數計算之 股票市場報酬率。 為 i 公司在市場模型假設中股票報酬率的截距項。 為 i 公司 在市場模型假設中，股票報酬率的風險係數。 為誤差項。

研究中，因樣本中包含 611 家上市公司，所以 i=1,2,...,611：共需估計出 611 條第 8 式迴歸方程式係數。假設迴歸方程式 8 中， 與 之估計值為 與 ，則在 檢定期間七個事件日估計股票的誤差值為 方程式 ，即為事件所發生之異常報 酬。

在檢定事件日上市公司股票異常報酬率是否顯著異於零時，本文計算上市公 司標準化後股票異常報酬率之和，稱為事件日異常報酬率總額數學式如下(即

，t 為事件日，i 為樣本公司=1,...,2...,...611)而在進行奢侈稅股 票異常報酬率之迴歸分析時，為了讓資料有分配齊一的條件。本文先計算所有標 準化後股票異常報酬率，再分別做七個事件日的累計 3 日異常報酬與累計 5 日異 常報酬，之後總結再做七事件日的迴歸，總共 16 條迴歸式。

有關樣本公司標準化股票異常報酬率計算，本文用 Brown and Watner(1985)及 林世銘、陳明進與蔡天俊(2000)等之方法，將異常報酬率 AR 除上其變異數後標準 化，接著以 t 統計量來檢定股票之異常報酬是否達統計上之顯著水準。計算過程如 下：

3.5.1：計算各上市公司股票每一事件日的異常報酬率( )：

， 為樣本公司， 為各事件日。

3.5.2 ：將事件日異常報酬率標準化( )：

， S( =

t 為估計期間(99 年 7 月 22 日至 99 年 12 月 15 日，共 103 交易日)，N 為第 i 家樣 (8)

(9)

(10)

24

本公司交易日數。

3.5.3：將每一個事件日所有樣本公司標準化異常報酬率加總，及本研究之每一個 事件日之異常報酬率總額 T_A 。

3.5.4：計算各事件日異常報酬率總額之平均值 ：

= ，t 為事件日，n 為每一個事件日中的樣本數。

3.5.5：根據本文對市場模型之假設，檢定各事件日異常報酬率總平均 值顯著，其 t 統計量如下：t=

第六節 資料來源

本研究以發生期間 611 家上市櫃公司作為樣本。資料出於(Taiwan Economic Journal, TEJ)資料庫上市櫃公司 99 年 7 月 9 日至 100 年 5 月 31 日上市櫃公司股票 日報酬率。

表二：樣本公司依產業別分類之家數(合計 611 家)

產業別 公司家數 產業別 公司家數

營建 43 塑膠 20

營造 11 電器電纜 11

金融保險 29 橡膠 10

化學生技 40 醫療耗材 6

百貨 10 水泥 7

食品 22 汽車 7

玻璃陶瓷 4 紡織 33

造紙 7 電子業 242

電機機械 33 鋼鐵 27

航運 17 其它 32

資料來源：TEJ (11)

(12)

25 第七節 迴歸實證模型

最後，本文探討公司對於奢侈稅所產生的股價異常報酬與公司的產業特性、

負債比率、公司評價特性的相關性，建立多元回歸模型。如(13)式

C_ARi =β0+β1營建營造+β2金融保險+β3負債比率+β4市值+β5獲利能力 (ROE)+φ i

下標 i 代表第 i 家樣本公司，β0....β5分別為該迴歸模型之截距像以及各迴歸係 數， 為誤差項。 為第 i 家公司每一個事件日的三日累計異常報酬或五日累 計異常報酬。

為了瞭解奢侈稅對於金融保險與營建營造的影響，本文在迴歸式中加入兩個 產業的虛擬變數。根據本文 H1a、H2a 推論，奢侈稅對於金融保險與營建營造的衝 擊應大於其他產業，故預期營建營造與金融保險的迴歸係數 、 應為負值。

負債比率(總負債/總資產)比率。根據本文 H3a 推論，負債比率高，奢侈稅實 行時，公司較難以資產貸款，導致倒閉風險變大，應此預期負債比的迴歸係數 應 為負值。

市值為 ln(股價*流通在外股數)，ROE 為(稅後淨利/股東權益)，本文 H4a,H5a 推論，市值越大或 ROE 越大，其股價負向異常報酬率越大。故預期 β₄、β₅皆為負。

(13)

26 第四章 實證結果

第一節 敘述統計分析

表三列示樣本公司在有關奢侈稅事件演變過程中，各事件日股票報酬率的平 均值統計資料。本研究所有實證分析都是以事件日當天的交易日作為分析來源，

例如：事件 1 在 100 年 12 月 21 日早上見報，所以取 100 年 12 月 21 日交易日報 酬率來分析。若新聞是發佈在星期六、星期日。本文將取星期一交易日報酬率來 分析。然後把 611 公司扣除營建、金融保險公司後，得到 528 公司，以下簡稱 528 家公司為其他。

由表三資料可知，七個事件日對於其他家樣本公司平均值的影響為：四事件 日為負、三個事件日為正、五個事件日報酬總和為 0.65%。七個事件日對於金融保 險影響為：五事件日為負、兩事件日為正。七個事件日報酬總和為-1.08%。七事件 日對於營建營造影響為：四事件日皆為負、三個事件日為正，報酬總和為-6.81%。

由表三資料可推論，其他公司七事件日報酬總和 0.65%，顯示此七事件對於其 他家公司有正面影響。對於金融保險，七事件日報酬總和-1.08%，顯示此七事件對 於金融保險有負面影響。對於營建營造，七事件日報酬總和為-6.81%，顯示此六事 件對於營建、營造有重大影響。

27

表三 樣本之敘述統計值(股票報酬率) 共 3055 個觀察值

日期 當日媒體報導重點內容

其他 公司

金融 保險

營建 營造

99.12.21 事件一：財政部長李述德指出：奢侈稅最

快半年內開徵。 0.63 0.73 0.46

100.1.13 事件二：財部規劃奢侈稅案給行政院。 -0.04 -0.08 -0.97 100.1.17 事件三：課奢侈稅、地價稅。 -0.49 -1.55 -2.66

100.2.25 事件四：馬總統拍板，持有期間不到一年

非自用住宅將依交易金額課徵。 0.54 -0.48 -2.10

2011.03.07 事件五：財政部將奢侈稅草案送至立法

院，預計 7 月實施。 -0.08 -0.43 -1.90

2011.04.06 事件六：奢侈稅不排除六月一日上路。 0.73 1.28 0.17

2011.04.15 事件七：奢侈稅三讀通過 -0.63 -0.70 0.19

七事件日報酬率總和 0.65 -1.08 -6.81 資料來源：TEJ、本研究自行整理

第二節 事件日用 GARCH 模型分析

對於敘述統計分析，我們可以得到初步結果。然而我們可以利用統計方法，

更進一步討論事件日所帶來的影響，事件日單天對於營建營造、金融保險是否有 明顯的負向影響。

28

因此本文參考 Ali and Kallapur 之研究方法，去估計每個事件日對於其他家公 司、金融保險、營建營造的異常報酬，得到表四。

由表四資料可知，七事件日對於其他家公司影響為：四事件日為負、三事件 日為正、七事件日報酬率總和為-0.58%。七事件日對於金融保險影響為：四事件日 為負、三事件日為正、五事件日報酬率總和為-1.54。五事件日對於營建營造影響 為：六事件日皆負、一事件日為正，報酬率總和為-6.39%。由報酬率比值來看，金 融保險的負報酬為大盤的三倍，營建營造的負報酬為大盤的十一倍多，顯示此七 件事對於金融保險、營建營造有影響。

由表四可看出金融保險事件三、事件四，負向報酬明顯低於大盤

但其他日報酬與大盤差不多。顯示雖然奢侈稅對於金融保險有影響，但沒有營建 營造影響那麼大。

再深入研究事件日對營建營造的影響，當 2010 年 12 月 21 日，事件日一，大 盤有 0.06%報酬，營建營造有-0.02%，兩個相差-0.08%，相差不大。顯示財政部長 李述德第一次在報上講奢侈稅最快半年內開徵，股票市場並無太大反應，投資人 認為政策實行沒有信心。

隨著事件二至事件六的發展，大盤此五日報酬總和為-1.04%、營建營造此五 日報酬總和為-7.69%，兩者相差-6.65%，平均每事件日負報酬為-1.33％，為事件一 的負報酬率的十六倍。顯示奢侈稅確實對市場有嚴重影響。

到了事件日七，大盤報酬 0.39%，營建營造報酬 0.72%，兩者相差 0.33%。

因為投資人皆對奢侈稅實行資訊全盤了解，金融保險與營建營造有明顯的正報酬，

這與我們第三章討論的原理符合。即當大家都知道事件日要發生時，股票市場沒 有明顯影響，反而是前幾次的事件日報酬率總和會有明顯的累計異常報酬。

29

表四：GARCH 模型推得每一事件日對公司影響 日期 當日媒體報導重點內容 其他公司

N=528

金融保險 N=29

營建營造 N=54

99.12.21 事件一：財政部長李述德 指出：奢侈稅最快半年內 開徵。

0.06 (0.76)

0.02 (0.07)

-0.02 (0.1) 100.1.13 事件二：財部規劃奢侈稅

案給行政院。 -0.10

(-1.28)

-0.13 (-0.78)

-0.86 (-3.28) ^＊＊＊

100.1.17 事件三：課奢侈稅、地價

稅。 -0.26

(-3.77) ^＊＊＊

-0.71 (-2.56) ^＊＊＊

-1.77 (-9.17) ^＊＊＊

100.2.25 事件四：馬總統拍板，持 有期間不到一年非自用住 宅將依交易金額課徵。

-0.48 (-6.54)^＊＊＊

-1.51 (-6.14)^＊＊＊

-2.42 (-12.14) ^＊＊＊

2011.03.07 事件五：財政部將奢侈稅 草案送至立法 院，預計 7 月實施。

0.46 (4.63) ^＊＊＊

0.80 (2.25)^＊＊

-1.30 (-6.67) ^＊＊＊

2011.04.06 事件六：奢侈稅不排除六 月一日上路。

-0.62 (-7.61) ^＊＊＊

-0.61 (-2.25) ^＊＊

-1.32 (-4.69) ^＊＊＊

2011.04.15 事件七：奢侈稅三讀通過

0.39 (4.03) ^＊＊＊

0.35 (0.99)

0.72 (2.47) ^＊＊＊

七事件日報酬率總和

-0.58 -1.79 -6.94 資料來源：TEJ、本研究自行整理 說明 ：括弧內為 t 值，因為本文預期事件日對於金融保險與營建營

造影響為負，所以採取單尾檢定。

＊ 顯著水準為 10% (t=1.29) ＊＊ 顯著水準為 5% (t=1.6) ＊＊＊ 顯著水準為 1% (t=2.3)

30

第三節 事件日股票異常報酬總額平均 t 檢定

除了用 GRACH 來估計每個事件日的影響，本文也從另一個角度來討論事件 日是否有負向顯著影響。我們將每家公司所算出的異常報酬相加取平均，並且做 標準化後做檢定。發現結果跟 GRACH 模型類似。

以營建營造來看，t 檢定與 GRACH 模型幾乎一樣，事件一估計係數為負，但 不明顯。事件二至事件六，估計係數皆為負，且都達到了 1%顯著水準。事件七也 都為正值。顯示 t 檢定與 GRACH 模型所得到的結論一樣，即營建營造有明顯地負 向報酬，且顯著水準都達 1%顯著。故 H1a 假說成立。

以金融保險來看，t 檢定與 GRACH 模型幾乎一樣。除了事件一估計係數不一 樣外。事件五、事件七為正報酬。事件二、三、四、六估計係數皆為負，且事件 三、四皆為負顯著。顯示 t 檢定與 GRACH 模型所得到的結論差不多，即營建營造 並無明顯地負報酬。故無顯著證據證明 H2a 假說成立

31

表五：事件日股票異常報酬總額平均 t 檢定

日期 當日報導重點內容 其他公司

N=528

金融保險 N=29

營建營造 N=54

99.12.21 事件一：財政部長李述德 指出：奢侈稅最快半年內 開徵。

-0.01 (-0.35)

-0.07 (-0.38)

-0.18 (-1.35)^＊ 100.1.13 事件二：財部規劃奢侈稅

案給行政院。 -0.12

(-3.09) ^＊＊＊

-0.17 (-0.95)

-0.51 (-3.80) ^＊＊＊

100.1.17 事件三：課奢侈稅、地價

稅。 -0.08

(-2.17) ^＊＊

-0.49 (-2.67) ^＊＊＊

-1.03 (-7.58) ^＊＊＊

100.2.25 事件四：馬總統拍板，持 有期間不到一年非自用 住宅將依交易金額課徵。

-0.28 (-6.97)^＊＊＊

-0.90 (-4.88)^＊＊＊

-1.55 (-11.41) ^＊＊＊

2011.03.07 事件五：財政部將奢侈稅 草案送至立法 院，預計 7 月實施。

0.20 (5.10) ^＊＊＊

0.52 (2.81) ^＊＊＊

-0.80 (-5.93) ^＊＊＊

2011.04.06 事件六：奢侈稅不排除六

月一日上路。 -0.45

(-11.) ^＊＊＊

-0.42 (-2.27) ^＊＊

-0.81 (-5.99) ^＊＊＊

2011.04.15 事件七：奢侈稅三讀通過 0.20 (5.13) ^＊＊＊

0.18 (0.99)

0.43 (3.16) ^＊＊＊

七事件日報酬率總和

-0.54 -1.36 -4.48 資料來源：TEJ、本研究自行整理 說明 ：括弧內為 t 值，因為本文預期事件日對於金融保險與營建營

造影響為負，所以採取單尾檢定。

＊ 顯著水準為 10% (t=1.29) ＊＊ 顯著水準為 5% (t=1.6) ＊＊＊ 顯著水準為 1% (t=2.3)

32

第四節 累積異常報酬率之迴歸實證結果

本文用 GARCH 模型與累計異常報酬皆證實了這些事件日對於股票市場確實 有影響，本文認為這些影響可能來自於產業、負債比、公司市值，獲利率 ROE。

因此採用下列迴歸式來分析：

C_ARi =β0+β1營建營造+β2金融保險+β3負債比率+β4市值+β5股 東權益報酬率(ROE)+φi

其中累計三日異常報酬定義為：設事件日為 t=0,把 t=-1,0,1 三日異常報酬相加 而得。累計五日異常報酬定義為：設事件日為 t=0,把 t=-2,-1,0,1,2 五日異常報酬相 加而得。

分析步驟如下：1.先做累計三日異常報酬、2.再做累計五日異常報酬、3.累計異常 報酬結論。

一、累計三日異常報酬

如表六所示：在 99 年 12 月 21 日中營建營造、ln(市值)、ROE 皆為負。營建 營造達 1%顯著。ln(市值)、ROE 皆達 5%顯著。負債比、金融保險皆為正。金融保 險達 10%顯著，負債比率也達 10%顯著。

表六：99 年 12 月 21 日累計三日異常報酬

自變數 參數估計 標準差 T

截距 2.7481 1.0728 2.5616

營建營造 -0.6432 0.2278 -2.8238^＊＊＊

金融保險 0.4593 0.3465 1.3255^＊ 負債比率 0.0276 0.0162 1.7034^＊ ln(市值) -0.0988 0.0480 -2.0592^＊＊

ROE. -0.0063 0.0037 -1.7056^＊

資料來源：TEJ、本文自行整理 (14)

33

如表七所示：在 100 年 1 月 13 日中營建營造、ln(市值)、ROE 皆為負。ln(市 值)、達 10%顯著。負債比為負、金融保險為正。金融保險達 5%顯著。

表七：100 年 1 月 13 日累計三日異常報酬

自變數 參數估計 標準差 T

截距 1.2509 0.8918 1.4027

營建營造 -0.1329 0.1893 -0.7019 金融保險 0.6181 0.2881 2.1457^＊ 負債比率 -0.0171 0.0135 -1.2709 ln(市值) -0.0544 0.0399 -1.3645^＊ ROE. -0.0005 0.0031 -0.1742

資料來源：TEJ、本文自行整理 如表八所示：在 100 年 1 月 17 日中營建營造、ln(市值)、ROE 皆為負。營建 營造達 1%顯著。ROE 達 1%顯著。負債比、金融保險皆為正。

表八：100 年 1 月 17 日累計三日異常報酬

自變數 參數估計 標準差 T

截距 0.3147 1.0957 0.2872

營建營造 -1.0168 0.2326 -4.3709^＊＊＊

金融保險 0.4217 0.3539 1.1913 負債比率 0.0074 0.0166 0.4469 ln(市值) -0.0053 0.0490 -0.1078 ROE. -0.0086 0.0038 -2.2714^＊＊

資料來源：TEJ、本文自行整理 如表九所示：在 100 年 2 月 25 日中營建營造、ROE 皆為負、ln(市值)為正。

營建營造達 1%顯著。負債比、金融保險皆為負。金融保險達 1%顯著，負債比率 也達 5%顯著。

34

表九：100 年 2 月 25 日累計三日異常報酬

自變數 參數估計 標準差 T

截距 -0.3542 1.3666 -0.2591 營建營造 -2.6911 0.2902 -9.2745^＊＊＊

金融保險 -1.1488 0.4415 -2.6023^＊＊＊

負債比率 -0.0323 0.0207 -1.5651^＊ ln(市值) 0.0249 0.0611 0.4077 ROE. -0.0008 0.0047 -0.1676

資料來源：TEJ、本文自行整理 如表十所示：在 100 年 3 月 7 日中營建營造、ln(市值)、ROE 皆為負。營建營 造達 1%顯著。ROE 皆達 5%顯著。負債比率為負、金融保險為正。金融保險達 10%

顯著。

表十：100 年 3 月 7 日累計三日異常報酬

自變數 參數估計 標準差 T

截距 0.9891 1.1261 0.8783

營建營造 -2.2191 0.2391 -9.2808^＊＊＊

金融保險 0.5502 0.3638 1.5124^＊ 負債比率 -0.0202 0.0170 -1.1854 ln(市值) -0.0322 0.0504 -0.6391 ROE. -0.0074 0.0039 -1.9166^＊＊

資料來源：TEJ、本文自行整理 如表十一所示：在 100 年 4 月 6 日中營建營造、ln(市值)皆為正、ROE 為負。

ln(市值)、ROE 皆達 5%顯著。負債比、金融保險皆為正。金融保險達 10%顯著，

負債比率也達 10%顯著。