風險貼水與技術交易報酬-台幣/美元之實証分析 - 政大學術集成

全文

(1)國立政治大學國際經營與貿易學系碩士論文風險貼水與技術交易報酬台幣/美元之實證分析. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：郭炳伸博士研究生：邱怡璇. 撰. 中華民國一百零二年六月 I.

(2) 摘要本文主要針對台幣兌換美元的匯價，採用移動平均法則給定的交易訊號模擬交易，透過模擬交易得到顯著異於零的超額報酬，試著利用條件資本資產定價模型解釋超額報酬與風險之間的關係。實證結果顯示：在傳統資本資產定價模型下，超額報酬無法透過承擔風險所獲得風險貼水來解釋，. 政治大異常報酬增加，表示在此期間，即使市場大盤表現不佳，技術分析仍能成立. 但加入金融危機事件的影響後，發現在金融危機期間，市場風險係數下降，. ‧ 國. 學. 功捕捉台幣兌換美元的匯價變動趨勢，使金融危機期間的技術交易報酬平均高於金融危機前後。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(3) 目錄第壹章緒論 .................................................................................. 1 第貳章移動平均法則之超額報酬............................................. 5 第一節移動平均法則 ................................................................. 5 第二節超額報酬計算 ................................................................. 8 第三節技術交易策略之超額報酬檢定................................. 10. 學. ‧ 國. 第參章. 政治大實證模型 ........................................................................ 19 立. 第一節實證模型設定 ............................................................... 21. ‧. 第二節市場大盤數據的選擇 .................................................. 23. Nat. er. io. sit. y. 第肆章實證結果與分析 ........................................................... 25 第一節模型一之實證結果 ...................................................... 30 a. n. iv l C n h e n...................................................... 模型二之實證結果 33 gchi U. 第二節. 第三節結果解釋與討論 .......................................................... 37 第伍章結論 ................................................................................ 44 參考文獻 ...................................................................................... 46 附錄 ............................................................................................... 48. III.

(4) 圖目錄圖 1：不含帶狀區域的技術交易 .................................................................................... 7 圖 2：含帶狀區域的技術交易 ........................................................................................ 8 圖 4：模型一參數估計結果（不含交易成本） ......................................................... 31 圖 5：模型一參數估計結果（含交易成本） ............................................................. 32. 政治大. 圖 6：模型二參數估計結果（不含交易成本） ......................................................... 35. 立. 圖 7：模型二參數估計結果（含交易成本） ............................................................. 36. ‧ 國. 學. 圖 8：模型一及模型二估計參數比較（不含交易成本） ........................................ 38. ‧. 圖 9：模型一及模型二估計參數比較（含交易成本）............................................. 39. sit. y. Nat. io. n. al. er. 圖 10：台幣兌換美元與全球市場指數（上）及台灣市場指數（下）變化率 ..... 43. Ch. engchi. IV. i n U. v.

(5) 表目錄表 1：全樣本期間技術交易日超額報酬期望值檢定 ................................................. 11 表 2：2003/1/1-2008/8/31 技術交易日超額報酬期望值檢定 ..................................... 13 表 3：2008/9/1-2009/12/31 技術交易日超額報酬期望值檢定.................................... 14 表 4：2010/1/1-2012/12/31 技術交易日超額報酬期望值檢定.................................... 15. 政治大. 表 5：兩兩子樣本期間不含交易成本之技術交易日超額報酬期望值檢定錯誤! 尚. 立. 未定義書籤。. ‧ 國. 學. 表 6：兩兩子樣本期間含交易成本之技術交易日超額報酬期望值檢定 ............... 18. ‧. 表 7：經濟成長率 ........................................................................................................... 21. y. Nat. al. er. io. sit. 表 8：傳統資本資產訂價模型參數估計結果（不含交易成本） ............................ 26. n. 表 9：傳統資本資產訂價模型參數估計結果（含交易成本） ................................ 28. Ch. engchi. i n U. v. 表 10:模擬交易次數 ........................................................................................................ 34 表 11：技術交易報酬與市場大盤報酬的關係 ........................................................... 41 表 12：市場大盤及匯價變化率變異數 ........................................................................ 43. V.

(6) 附表目錄附表 1：日超額報酬敘述統計（不含交易成本） ..................................................... 48 附表 2：日超額報酬敘述統計（含交易成本） ......................................................... 50 附表 3：模型ㄧ參數估計結果（不含交易成本） ..................................................... 52 附表 4：模型一參數估計結果（含交易成本） ......................................................... 54 附表 5：模型二參數估計結果（不含交易成本） ..................................................... 56. 立. 政治大. 附表 6：模型二參數估計結果（含交易成本） ......................................................... 59. ‧ 國. 學. 附表 7：市場平均超額報酬變化情形 .......................................................................... 62. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i n U. v.

(7) 第壹章緒論 Park et al.（2007）針對技術交易獲利性的文章進行整理，95 篇文章中有 56 篇對技術交易的獲利能力給予肯定，並指出不論在何種市場，實證結果皆證明技術交易的可行。其中，在外匯市場上，因為外匯交易量難以估計，因此技術交易多以匯價資訊作為分析指標。LeBaron（1999）利用 1979 年至 1992 年馬克兌換美元匯價進行實證研究，指出在外匯市場簡單技術交. 政治大. 易法則帶來異常大的報酬，挑戰效率市場假說；Martin（2001）利用 1992. 立. 年至 1995 年資料，在交易成本設定為 0.5%之下，以移動平均法則在大多. ‧ 國. 學. 數開發中國家的外匯市場樣本外期間測試均可獲得顯著的日報酬。. ‧. 國內相關研究也提出一致的結果，例如：蔡宗岸（2006）利用 1991 年. Nat. sit. y. -2006 年的歷史資料，檢驗技術交易於新台幣兌換美元的獲利情形，結果. er. io. 顯示長期下採用移動平均法則進行外匯交易時，當策略參數設定值越小，. n. a. v. l C 對於匯率的波動越敏感，對於匯率有較佳的預測力，導致全樣本期間可以 ni. hengchi U. 獲得顯著報酬；莊珮玲、林信助、郭炳伸（2011）針對濾嘴法則（filter rule）、移動平均法則（moving average）、支撐與壓力法則（support and resistance）、以及通道法則（channel breakout），透過參數設定的不同，組合出 1,796 種不同的交易法則，而此 1,796 種交易法則已涵蓋外匯市場相關文獻及外匯市場交易員最常採用的設定，在如此全面的技術分析交易策略運用的檢定顯示：不管在日間或日內交易，最佳交易法則確實具有一定的能力可以捕捉、預測未來的匯價走勢。. 1.

(8) 但透過技術交易可以得到顯著報酬的現象是否代表外匯市場不效率? 根據 Jensen（1978）的定義，若在一組資訊集合之下無法獲得任何經濟利潤（economic profit），則該市場為有效率的，因為經濟利潤為扣除交易成本後隨著風險調整的報酬。Jensen 的定義隱含市場效率性考量了根據資訊集合下的淨利潤以及交易策略的風險。在 Kho（1996）中透過多變量 GARCH-M（1,1）模型取代傳統資本資產訂價模型（capital asset pricing model, CAPM）檢定技術交易獲得的報酬是. 政治大的效率性。固定風險價格模型（constant price of risk model, CPR model），設立. 否為投資者承擔風險的溢酬以重新檢視英鎊、馬克、日幣、法郎期貨市場. ‧ 國. 學. 定共變異風險價格為一待估常數，但檢定結果顯示該模型不具解釋能力；進一步修正模型，得到一般風險價格隨時間變動模型（general time-varying. ‧. price of risk model, TPR model），藉由多變量 GARCH-M（1,1）模型的估計得. y. Nat. io. sit. 到隨時間變動的市場風險係數β值，所得結果證明該模型大幅提升對於外. er. 匯期貨報酬的解釋能力；最後於 TPR 模型中加入由 GARCH-M（1,1）模型. al. n. v i n 估計外匯期貨報酬的條件變異數當作解釋變數，衡量報酬本身的波動度是 Ch engchi U 否具有解釋能力，但該變數只對日幣有解釋能力。由此可看出，透過傳統. 資本資產訂價模型得到風險與報酬的固定關係是偏誤的，在正確估計之下，外匯期貨市場的報酬來自於承擔風險所得溢酬，並非市場不效率所造成。鑒於傳統資本資產訂價模型的嚴格假設，該模型於較成熟穩定的證券市場能良好解釋風險與超額報酬間的關係。但近年來全球飽受金融危機之苦，投資人在此期間的投資行為改變是否影響了傳統資本資產訂價模型的解釋能力？在隨時間變動β值的條件資本資產訂價模型（conditional capital. 2.

(9) asset pricing model, conditional CAPM）較傳統訂價模型具解釋能力的聲浪下， Choudhry（2005）針對馬來西亞及台灣各十家公司股價日資料直接進行亞洲金融危機對隨時間變動β值的影響。Choudhry 利用雙變量 MA-GARCH （1,1）模型得到各公司隨時間變動的β值，並嘗試用公司股價報酬率的條件變異數、市場報酬率的條件變異數以及金融危機期間及金融危機後虛擬變數和前述兩變數的交互項來解釋，得到不論是金融危機期間（1997/06-1998/06）以及金融危機發生後（1997/06-2001/12）隨時間變動β 值皆會改變的結論：部分公司股票在金融危機期間或者金融危機發生後的. 治政大 β值下降，但根據產業的不同仍有不同的結果。立 ‧ 國. 學. 台灣證券市場其他實證研究也證明了在市場經濟不穩定時β值是會受影響的，如謝明霖（2009）利用雙變量 GARCH 模型捕捉國內八大類股. ‧. 及其主要個股隨時間變動的β值。為了證明市場風險係數的非固定性，該. y. Nat. io. sit. 文進一步以 2007 年 7 月 27 日（美國次級房貸）、2008 年 5 月 19 日（我國. er. 第 2 次政黨輪替）及 2008 年 9 月 15 日（全球性金融危機）為結構轉變點. al. n. v i n 進行 Chow test，結果大多數類股及個股之系統風險係數在這三個時間點皆 Ch engchi U 有明顯轉變。此外股票報酬率也存在結構性轉變的現象，但報酬率與β值結構轉變檢定結果不盡相同，與資本資產訂價模型指出股票報酬率與β值為正向關係互相矛盾，因此有必要考慮系統風險以外的因素。由於台灣文獻中尚未針對於外匯市場中技術分析所得到的報酬進行討論，因此本文將利用技術分析進行台幣兌換美元交易所得超額報酬與風險的關係進行討論，並著重於全球金融風暴期間的α值與β值變動情形，探討台灣匯市的效率性。結果顯示於全球金融風暴期間，β值明顯地下降，. 3.

(10) α值顯著地提升，表示技術交易在市場狀況變化時成功捕捉了台幣兌換美元的趨勢，在市場大盤獲利表現不佳的時候，仍能維持獲利能力。本文以下章節結構如下：第貳章描述在台幣兌換美元的外匯市場中，技術交易確實能帶來超額報酬，並將樣本分段檢定超額報酬是否改變；第參章說明模型的設定原由並介紹模型；第肆章為本文的實證研究結果與分析，比較模型間結果的差異並探究可能的原因；第伍章總結研究結果以及提出進一步的研究方向。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i n U. v.

(11) 第貳章移動平均法則之超額報酬本章首先介紹所選用的技術交易法則以及交易訊號的形成，進一步檢定在全樣本期間該技術交易法則模擬交易所獲得的超額報酬是否顯著異於零，並以金融危機事件為分界，將樣本切割為三段期間，檢定兩兩樣本期間的獲利表現是否相同。. 治. 第一節移動平均法則政. 立. 大. ‧ 國. 學. 在蔡宗岸（2006）中提到在所有技術指標中，應用最廣且兼具多方面. ‧. 功能的是移動平均數法則，因此採以（1,50,0）、（1,150,0）、（1,200,0）、（5,150,0）、（2,200,0）組合減輕資料窺視的偏誤，其中括弧內數據（n, m, b）分別代. y. Nat. er. io. sit. 表短天期移動平均數、長天期移動平均數及帶狀區域。並將長天期的移動平均價格加入±1％的帶狀區域得到 10 種均線組合。根據不同樣本期間下各. al. n. v i n Ch 組交易策略結果顯示，（1,50,0）皆獲得最高日報酬平均數，在加入 1％的 engchi U. 帶狀區域後，（1,50,0.01）仍為最佳的策略組合，且增大買賣策略報酬的差距，以更嚴謹的標準分隔上漲與下跌的趨勢。除此之外，因為長天期移動平均參數設定天數較長時，均無法得到有效獲利，因此加入（1,6,0）策略來捕捉新台幣兌換美元外匯市場對於過去歷史資訊快速消化的現象，結果顯示此策略顯著獲利的機率高於（1,50,0），說明了長天期參數設定天期越短將能越快反應匯率因資訊消化快速的變化。但在技術交易的文獻中，研究者透過不同交易法則的參數設定來尋找 5.

(12) 獲利最高的策略組合，這種處理方式存在所謂的資料窺視偏誤（data snooping bias），即從歷史數據中所得到的最佳交易法則有可能僅適用於解釋所選取的樣本時間，並非真的具有實質獲利的預測能力。莊珮玲、林信助、郭炳伸（2011）已針對日間交易與日內交易的交易策略組合進行卓越預測能力檢定（Superior Predictive Ability Test, SPA Test），證明在交易成本的考量下，技術交易於日間交易皆具有十分顯著的獲利能力，表示於台幣兌換美元的外匯市場日間交易中，在全面性的 1796 種技術交易策略裡，至少存在一個交易法則，其平均報酬大於零。且由於本研究目的在於探討風. 治政大險與技術交易超額報酬間的關係，因此對於資料窺視偏誤不詳加討論。立 ‧ 國. 學. 本研究延續蔡宗岸（2006）對於移動平均法則參數的設定之外，根據台灣投資者於匯市常用的交易策略增加（1,30,0）、（1,20,0）、（1,10,0）、（1,5,0）. ‧. 組合，包含帶狀區域的設定，共形成 10 組交易策略組合。. sit. y. Nat. 在移動平均法則之下，買賣訊號由短天期及長天期均線決定：當短天. er. io. n. 期均線向上穿過長天期均線，給定買進訊號；反之，則給予賣出訊號。在 a v. i l C n h e1，所以將長天期匯價均數直接與當天匯本研究中，短天期天數皆設定為 ngchi U 1. 價相比即可，令𝑃𝑡 代表 t 時匯價，𝑀𝐴𝑡 = ∑𝐿−1 𝑖=1 𝑃𝑡−𝑖 代表天數為 L 的長天期 𝐿. 匯價均數，𝑆𝑡 交易訊號：. 𝑺𝒕 = 𝟏, 𝑷𝒕 > 𝑴𝑨𝒕 ； 𝑺𝒕 = −𝟏, 𝑷𝒕 < 𝑴𝑨𝒕 ； 𝑺𝒕 = 𝟎, 𝒐𝒕𝒉𝒆𝒓𝒘𝒊𝒔𝒆. 6.

(13) 圖 1：不含帶狀區域的技術交易 35 34 33 32 31 30 29 1/1/03. 1/1/04. 1/1/05. 1/1/06. 1/1/07. 1/1/08. close price. 1/1/09. 1/1/10. 1/1/11. 1/1/12. 1/1/13. （1,50,0）. 註：（n, m , b）＝（n 期短均線, m 期長均線, 帶狀區域 b）. 政治大依據移動平均法則，買賣訊號是由短天期及長天期移動平均線所建立。立. ‧ 國. 學. 以（1,50,0）為例，從圖 1 可看出，當日收盤價（即短天期移動平均線）從下往上突破前 50 天平均匯價（長天期移動平均線）時，發出買進訊號；. ‧. 當日收盤價向下跌破 50 天平均匯價時，產生賣出訊號。當長天期天數越. y. Nat. er. io. sit. 短時，當日收盤價與移動平均價格會越趨一致，交易次數越頻繁。. n. 此外，為消除當日匯價因盤整所產生上下震盪的影響所帶來的騙線效 a v. i l C n hengchi U 果，在給定交易指令時加入 1%的帶狀區域（band）作為考量，即 𝑺𝒕 = 𝟏, 𝑷𝒕 > 1. 𝟎𝟏 ∗ 𝑴𝑨𝒕 ； 𝑺𝒕 = −𝟏, 𝑷𝒕 < 0.9𝟗 ∗ 𝑴𝑨𝒕 ； 𝑺𝒕 = 𝟎, 𝒐𝒕𝒉𝒆𝒓𝒘𝒊𝒔𝒆. 7.

(14) 圖 2：含帶狀區域的技術交易 35 34 33 32 31 30 29 1/1/03. 1/1/04. 1/1/05. 1/1/06. close price. 1/1/07. 1/1/08. 1/1/09. （1,50,1）upper bound. 1/1/10. 1/1/11. 1/1/12. 1/1/13. （1,50,1）lower bound. 政治大. 註：（n, m , b）＝（n 期短均線, m 期長均線, 帶狀區域 b）. 立. 將長天期的移動平均價格加上±1%的區域，使長天期移動平均由趨勢. ‧ 國. 學. 線轉變成帶狀區域，當日收盤價落入此區域則不持有任何部位，藉此消除. ‧. 噪音的訊號。以（1,50,1）為例，從圖 2 可知，考量帶狀區域後，當日收盤. n. al 第二節超額報酬計算. er. io. sit. y. Nat. 價大多落在帶狀區域內，造成交易次數大幅下降。. Ch. engchi. i n U. v. 在計算持有期間報酬率時，由於匯價資料為台幣兌換美元（台幣/美元）每日收盤價，為方便起見，假設前一日收盤價與隔日開盤價相同，如此在當日收到交易指令後，便可於隔日用前一天收盤價交易。. 𝑹𝒕 = (𝒍𝒏𝑷𝒕 − 𝒍𝒏𝑷𝒕−𝒊 ) ∗ 𝑺𝒕−𝒊. 其中𝑃𝑡 為 t 時匯價，𝑅𝑡 為 t 時匯價取自然對數後相減，計算持有部位至 t 時. 8.

(15) 的報酬率，𝑆𝑡 為交易訊號，t 則為出現持有部位的訊號轉變時。進一步考量在加入交易成本後是否技術交易的超額報酬不再存在？在莊珮玲、林信助、郭炳伸（2011）提及雖在台北外匯市場進行外匯交易時不需支付額外的交易成本，但仍需負擔由買賣價差所造成的成本。沿用其交易成本計算方式並根據本研究稍作修改：. 𝑹𝒕 = (𝒍𝒏𝑷𝒕 − 𝒍𝒏𝑷𝒕−𝒊 ) ∗ 𝑺𝒕−𝒊 − 𝟐𝒂𝒃𝒔(𝑺𝒕−𝒊 − 𝑺𝒕−𝒊−𝟏 ) ∗ 𝟎. 𝟎𝟐𝟓%. 立. 政治大. ‧ 國. 學. abs(St−i − St−i−1 )為持有部位訊號差異的絕對值，以持有長部位為例，當出現買進訊號時，產生第一次的交易成本，直到 t 時出現部位訊號轉換，. ‧. 結清手中部位產生第二次的交易成本，反之亦然，因此在每一次的部位持. io. sit. y. Nat. 有都產生兩次的交易成本。. er. 因每一次交易的持有期間不同，在得到持有期間的報酬率𝑅𝑡 後，透過. al. n. v i n 計算持有期間的幾何平均數並扣除無風險利率，得到日超額報酬率作為分 Ch engchi U. 析的基準。將資料分為全球市場和台灣市場之下的無風險利率作為分析的對照，兩市場下的無風險利率分別介紹如下：. 𝑹𝑮𝒇𝒕 ：美國三個月期公債殖利率. 在技術分析策略設定中，長天期移動平均最長天數為 50，衡量的為季匯率平均，因此採用三個月期公債殖利率取代一般常用的十年期公債殖利率。. 9.

(16) 𝑹𝑻𝒇𝒕 ：台灣三個月定存利率. 在技術分析策略設定中，長天期移動平均最長天數為 50，衡量的為季外匯平均，因此選擇三個月定存利率作為無風險利率的代理變數。且於兩組資料互為對照的基礎之下，在期間選定上應該一致。以上資料來源分別為：台幣兌換美元每日收盤價資料來自台北外匯市場發展基金會；無風險利率取自資料庫 datastream 中 2003 年 1 月至 2012 年 12 月日資料。. 立. 政治大. 第三節技術交易策略之超額報酬檢定. ‧ 國. 學 ‧. 透過附表 1 及附表 2 中敘述統計的平均值看出技術交易能帶來每日超. sit. y. Nat. 額報酬，即使扣除交易成本後，每日超額報酬平均值並無明顯下降，仍維持正值。在多種交易策略組合之下，所使用的移動平均數法則是否皆具有. er. io. n. 顯著異於零的獲利能力？進一步採用嚴謹的檢定方法，對日超額報酬率進 a v. i l C n hengchi U 行技術交易獲利性檢定。. 由表 1 可知在全樣本期間，不論使用美國三個月公債殖利率或台灣三個月定存利率所計算的日超額報酬，除了（1,05,1）交易策略之外，其餘策略組合皆證明透過移動平均數法則的技術交易可帶來顯著異於零的日超額報酬。即使扣除交易成本，仍舊只有（1,05,1）策略無法獲得日超額報酬，因此可得知透過不同參數的設定，技術交易確實可為投資人帶來超額報酬，此結果與 Martin（2001）、蔡宗岸（2006）、莊珮玲、林信助、郭炳伸（2011）等採用移動平均法則對外匯市場進行技術交易所得到的結論一致。 10.

(17) 表 1：全樣本期間技術交易日超額報酬期望值檢定全樣本（Global：𝑹𝑮𝒇𝒕 ）不含交易成本. Sample. Sample. Sample. Mean. Std. Dev.. Mean. Std. Dev.. （1,50,0）. 0.00009. 0.00037. 14.8266*** （1,50,0）. 0.00009. 0.00037. 14.84762***. （1,30,0）. 0.00010. 0.00043. 14.6473*** （1,30,0）. 0.00010. 0.00043. 14.26398***. （1,20,0）. 0.00012. 0.00053. 14.05298*** （1,20,0）. 0.00012. 0.00054. 13.69944***. （1,10,0）. 0.00013. 0.00061. 12.58926*** （1,10,0）. 0.00013. 0.00062. 12.45722***. （1,05,0）. 0.00014. 0.00073. 11.39619*** （1,05,0）. 0.00014. 0.00074. 11.22399***. （1,50,1）. 0.00006. 0.00037. 9.86262*** （1,50,1）. 0.00006. 0.00037. 10.0927***. （1,30,1）. 0.00007. 0.00038. 0.00038. 11.6941***. （1,20,1）. 0.00006. 0.00041. 9.671192***. （1,10,1）. 0.00002. 0.00007 治政 0.00040 9.741492*** （1,20,1）大0.00007 0.00043立2.760638*** （1,10,1） 0.00002. 0.00043. 2.83596***. （1,05,1）. 0.00000. 0.00031. 0.00031. -0.71373. 交易策略. t-ratio. 交易策略. 11.51455*** （1,30,1）. -0.74594. （1,05,1）. 0.00000. 學. ‧ 國. Sample. 含交易成本. ‧. 全樣本（Taiwan：𝑹𝑻𝒇𝒕 ）. 不含交易成本. Std. Dev.. io. （1,50,0）. 0.00010. 0.00036. （1,30,0）. 0.00011. 0.00042. （1,20,0）. 0.00013. （1,10,0）. 0.00014. （1,05,0）. 交易策略. 16.8063*** （1,50,0）. Sample. y. t-ratio. sit. Mean. Sample. 含交易成本. Sample Std.. t-ratio. Mean. Dev.. 0.00010. 0.00036. 16.82521***. 0.00043. 15.88414***. 0.00054. 14.94384***. er. Sample. Nat. 交易策略. t-ratio. n. a l 16.30144*** （1,30,0） 0.00011 v i n Ch 0.00053 15.3231*** e n g（1,20,0） c h i U 0.00013 0.00061. 13.60577*** （1,10,0）. 0.00014. 0.00062. 13.46281***. 0.00015. 0.00073. 12.26747*** （1,05,0）. 0.00015. 0.00073. 12.09237***. （1,50,1）. 0.00006. 0.00037. 10.3633*** （1,50,1）. 0.00006. 0.00037. 10.59958***. （1,30,1）. 0.00007. 0.00038. 11.80019*** （1,30,1）. 0.00007. 0.00038. 11.97816***. （1,20,1）. 0.00007. 0.00040. 9.932037*** （1,20,1）. 0.00007. 0.00041. 9.859595***. （1,10,1）. 0.00002. 0.00043. 2.86496*** （1,10,1）. 0.00002. 0.00043. 2.939765***. （1,05,1）. 0.00000. 0.00031. （1,05,1）. 0.00000. 0.00031. -0.71828. -0.75064. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：日超額報酬涵蓋樣本期間為 2003/1/1-2012/12/31 註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。 11.

(18) 此外，因樣本期間包含全球金融危機，技術分析是否在經濟動盪時仍舊能透過歷史價格預測未來走勢？依全球金融危機發生時點將樣本分為金融危機前（2003/1/1-2008/8/31）、金融危機期間（2008/9/1-2009/12/31）、金融危機後（2010/1/1-2012/12/31）三段時期進行虛無假設為日超額報酬為零的 t 檢定。表 2 顯示，不論對使用美國三個月公債殖利率或台灣三個月定存利率計算的日超額報酬進行分析，金融危機爆發前的技術交易除了（1,05,1）策. 政治大（1,05,1）仍不具獲利能力之外，使用兩組無風險利率進行檢定的結果只多立略組合之外，其餘皆具有獲利能力；根據表 3，進入金融危機期間，除了. ‧ 國. 學. 出（1,10,1）為不顯著；從表 4 可知，金融危機結束後，大致上所有組合皆能帶來獲利，只有（1,10,1）例外。由此得知在不同經濟情況之下，使用美. ‧. 國三個月公債殖利率與台灣三個月定存利率分析結果顯示可獲利策略組. er. io. sit. y. Nat. 合相同。. n. 加入交易成本的考量後，仍得到與上述相同的結論，因此當交易成本 a v. i l C n hengchi U 設定為 0.025%時，交易成本在本研究中並不是影響技術交易獲利的主要原因。. 12.

(19) 表 2：2003/1/1-2008/8/31 技術交易日超額報酬期望值檢定. 2003/1/1-2008/8/31（Global：𝑹𝑮𝒇𝒕 ）不含交易成本. 0.00005. （1,30,0）. Sample. t-ratio. 交易策略. Sample Mean. 0.00033. 6.982199***. （1,50,0）. 0.00005. 0.00033. 6.916613***. 0.00007. 0.00041. 7.729625***. （1,30,0）. 0.00007. 0.00042. 7.407712***. （1,20,0）. 0.00009. 0.00050. 8.664355***. （1,20,0）. 0.00009. 0.00051. 8.281053***. （1,10,0）. 0.00012. 0.00054. 9.749997***. （1,10,0）. 0.00012. 0.00054. 9.720568***. （1,05,0）. 0.00011. 0.00062. 8.117576***. （1,05,0）. 0.00011. 0.00063. 7.851643***. （1,50,1）. 0.00004. 0.00033. 5.54139***. （1,50,1）. 0.00004. 0.00034. 5.47748***. （1,30,1）. 0.00006. 0.00038. 0.00006. 0.00038. 7.130249***. （1,20,1）. 0.00005. 0.00038. 0.00005. 0.00039. 5.607119***. （1,10,1）. 0.00002. 0.00040. 0.00002. 0.00039. 2.287091**. （1,05,1）. -0.00001. 0.00031. -0.00001. 0.00032. -1.51205. Std. Dev.. （1,30,1）治政 5.804396*** （1,20,1）大立2.15029** （1,10,1） 7.012965***. 學. （1,05,1）. -1.52726. Std. Dev.. t-ratio. 2003/1/1-2008/8/31（Taiwan：𝑹𝑻𝒇𝒕 ）. 含交易成本. Sample. Sample Mean. （1,50,0）. 0.00008. 0.00032. （1,30,0）. 0.0001. 0.0004. （1,20,0）. 0.00013. 0.00049. （1,10,0）. 0.00015. 0.00053. （1,05,0）. 0.00014. 0.00062. 10.45592***. （1,05,0）. （1,50,1）. 0.00005. 0.00033. 7.077814***. （1,30,1）. 0.00007. 0.00039. （1,20,1）. 0.00005. （1,10,1）（1,05,1）. Nat. 交易策略. Std. Dev.. t-ratio. 交易策略. 11.64622***. （1,50,0）. 11.46148***. （1,30,0）. ‧. 不含交易成本. Sample. y. （1,50,0）. Sample. Std. Dev.. sit. Sample Mean. ‧ 國. 交易策略. 含交易成本. 0.00033. Sample Mean. 0.00041. 11.06717***. 0.00051. 11.23174***. 0.00054. 12.42725***. 0.00014. 0.00063. 10.13775***. （1,50,1）. 0.00005. 0.00033. 6.998085***. 7.867883***. （1,30,1）. 0.00007. 0.00038. 7.984038***. 0.00038. 6.378389***. （1,20,1）. 0.00005. 0.00039. 6.16677***. 0.00002. 0.0004. 2.418745**. （1,10,1）. 0.00002. 0.00039. 2.556104**. -0.00001. 0.00031. -1.46839. （1,05,1）. -0.00001. 0.00031. -1.4544. io. 11.50895***. er. 0.00008. t-ratio. 0.0001. n. a 11.70951*** l C （1,20,0） n i v0.00013 h e n g（1,10,0） 12.47373*** c h i U 0.00015. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：日超額報酬涵蓋樣本期間為 2003/1/1-2012/12/31 註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。. 13.

(20) 表 3：2008/9/1-2009/12/31 技術交易日超額報酬期望值檢定. 2008/9/1-2009/12/31（Global：𝑹𝑮𝒇𝒕 ）不含交易成本. 0.00014. （1,30,0）. Sample. t-ratio. 交易策略. Sample Mean. 0.00047. 6.569005***. （1,50,0）. 0.00014. 0.00046. 6.584243***. 0.00023. 0.00049. 10.12355***. （1,30,0）. 0.00022. 0.00050. 9.846673***. （1,20,0）. 0.00024. 0.00059. 8.936076***. （1,20,0）. 0.00024. 0.00059. 8.825269***. （1,10,0）. 0.00018. 0.00081. 4.927089***. （1,10,0）. 0.00018. 0.00082. 4.860982***. （1,05,0）. 0.00036. 0.00087. 9.023677***. （1,05,0）. 0.00036. 0.00086. 9.233454***. （1,50,1）. 0.00018. 0.00046. 8.619422***. （1,50,1）. 0.00018. 0.00044. 8.996293***. （1,30,1）. 0.00015. 0.00044. 0.00015. 0.00045. 7.461506***. （1,20,1）. 0.00018. 0.00037. 0.00018. 0.00037. 10.60757***. （1,10,1）. 0.00003. 0.00048. 0.00003. 0.00048. 1.42497. （1,05,1）. -0.00001. 0.00049. -0.00001. 0.00049. -0.58077. Std. Dev.. （1,30,1）治政 10.59169*** （1,20,1）大立 1.53406 （1,10,1） 7.695828***. 學. （1,05,1）. -0.57659. Sample. Std. Dev.. t-ratio. 交易策略. 5.853555***. （1,50,0）. 9.471541***. （1,30,0）. （1,50,0）. 0.00012. 0.00046. （1,30,0）. 0.00021. 0.00049. （1,20,0）. 0.00022. 0.00059. （1,10,0）. 0.00017. 0.00081. （1,05,0）. 0.00034. 0.00087. 8.651239***. （1,05,0）. （1,50,1）. 0.00017. 0.00045. 8.188666***. （1,30,1）. 0.00014. 0.00044. （1,20,1）. 0.00017. （1,10,1）（1,05,1）. ‧. 含交易成本. Nat. Sample Mean. t-ratio. 2008/9/1-2009/12/31（Taiwan：𝑹𝑻𝒇𝒕 ）. 不含交易成本. Sample Std. Dev. 0.00046. Sample Mean 0.00012. t-ratio. 0.0005. 9.20383***. 0.00059. 8.239965***. 0.00082. 4.416888***. 0.00034. 0.00086. 8.856582***. （1,50,1）. 0.00017. 0.00044. 8.563153***. 7.30663***. （1,30,1）. 0.00014. 0.00045. 7.074884***. 0.00037. 10.38103***. （1,20,1）. 0.00017. 0.00036. 10.39036***. 0.00003. 0.00048. 1.44742. （1,10,1）. 0.00003. 0.00048. 1.33899. -0.00001. 0.00049. -0.62952. （1,05,1）. -0.00001. 0.00049. -0.63408. io. 5.864409***. er. 交易策略. Std. Dev.. y. （1,50,0）. Sample. sit. Sample Mean. ‧ 國. 交易策略. 含交易成本. 0.00021. n. a 8.347937*** l C （1,20,0） n i v0.00022 h e n g（1,10,0） 4.477152*** c h i U 0.00017. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：日超額報酬涵蓋樣本期間為 2003/1/1-2012/12/31 註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。. 14.

(21) 表 4：2010/1/1-2012/12/31 技術交易日超額報酬期望值檢定. 2010/1/1-2012/12/31（Global：𝑹𝑮𝒇𝒕 ）不含交易成本交易策略 Sample Mean. 含交易成本. Sample Std. Dev.. t-ratio. 交易策略. Sample Mean. Sample Std. Dev.. t-ratio. 0.00014. 0.00037. 12.60241***. （1,50,0）. 0.00014. 0.00037. 12.82187***. （1,30,0）. 0.00011. 0.00042. 8.949869***. （1,30,0）. 0.00011. 0.00042. 8.872026***. （1,20,0）. 0.00013. 0.00056. 7.505143***. （1,20,0）. 0.00013. 0.00056. 7.48086***. （1,10,0）. 0.00013. 0.00065. 6.575344***. （1,10,0）. 0.00013. 0.00066. 6.446673***. （1,05,0）. 0.00009. 0.00084. 3.676191***. （1,05,0）. 0.00009. 0.00083. 3.535639***. （1,50,1）. 0.00005. 0.00040. 3.967136***. （1,50,1）. 0.00005. 0.00040. 4.260212***. （1,30,1）. 0.00006. 0.00033. 0.00006. 0.00032. 6.383856***. （1,20,1）. 0.00005. 0.00045. 0.00005. 0.00045. 3.529962***. （1,10,1）. 0.00002. 0.00046. 0.00002. 0.00046. 1.12228. （1,05,1）. 0.00001. 0.00019. 0.00001. 0.00018. 2.376957**. （1,30,1）治政 3.365788*** （1,20,1）大立1.07943 （1,10,1） 6.032117***. 2.211937**. （1,05,1）. 學. 2010/1/1-2012/12/31（Taiwan：𝑹𝑻𝒇𝒕 ）. Sample. y. Sample. Nat. 交易策略 Sample Mean. 含交易成本. Std. Dev.. sit. 不含交易成本. ‧. ‧ 國. （1,50,0）. 0.00037. t-ratio. 交易策略. Sample Mean. 10.91524***. （1,50,0）. 0.00012. 7.442531***. （1,30,0）. Std. Dev.. （1,50,0）. 0.00012. 0.00037. （1,30,0）. 0.00009. 0.00042. （1,20,0）. 0.00011. 0.00056. （1,10,0）. 0.00011. 0.00065. （1,05,0）. 0.00008. 0.00084. 2.953928***. （1,05,0）. （1,50,1）. 0.00004. 0.0004. 3.407166***. （1,30,1）. 0.00005. 0.00032. （1,20,1）. 0.00004. （1,10,1）（1,05,1）. t-ratio. 7.389699***. 0.00056. 6.354313***. 0.00066. 5.513242***. 0.00007. 0.00083. 2.807459***. （1,50,1）. 0.00004. 0.0004. 3.698543***. 5.613799***. （1,30,1）. 0.00006. 0.00032. 5.963313***. 0.00044. 3.153679***. （1,20,1）. 0.00004. 0.00044. 3.318607***. 0.00001. 0.00046. 0.99666. （1,10,1）. 0.00001. 0.00046. 1.03993. 0.00001. 0.00019. 2.159566**. （1,05,1）. 0.00001. 0.00018. 2.32588**. er. 0.00042. io. 11.11314***. 0.00009. n. a6.369234*** l C （1,20,0） n i v0.00011 h e n g（1,10,0） 5.630931*** c h i U 0.00011. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：日超額報酬涵蓋樣本期間為 2003/1/1-2012/12/31 註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。. 15.

(22) 當市場狀況變化時，預期技術交易的獲利表現會產生改變，尤其當市場狀況變差時，所得到的超額報酬應該減少，但從表 2、表 3、表 4 中的平均值看出在金融危機期間的日超額報酬平均高於金融危機前以及金融危機後的日超額報酬平均，且在某特定策略組合下，日超額報酬提升的情形更是明顯，例如：以美國三個月公債殖利率為無風險利率進行的模擬交易中，（1,05,0）的策略組合在金融危機前的日超額報酬為 0.011%，到了金融危機期間，日超額報酬增加到 0.036%，提升幅度為 227%，而金融危機後，日超額報酬下降至 0.009%。. 政治大因此，除了透過日超額報酬率是否顯著異於零的 t 檢定可看出不同策立. ‧ 國. 學. 略組合在不同期間是否具有獲利能力之外，應針對不同策略組合是否在市場狀況變化時的獲利表現仍相同也是採用技術交易應考量的。藉由檢定兩. ‧. er. io. sit. Nat. 報酬與金融危機前後的超額報酬差異是否顯著。. y. 兩樣本期間日超額報酬平均數為零的虛擬假設，可知金融危機期間的超額. n. 根據表 5，利用的技術交易在三段期間大多的策略組合所得日超額報 a v. i l C n hengchi U 酬率都有顯著改變，除了（1,10,1）策略組合無法顯著拒絕虛無假設之外；但觀察金融危機前與金融危機後的日超額報酬的檢定結果發現，不論使用美國三個月公債殖利率或台灣三個月定存利率計算的日超額報酬在金融危機前後有六組策略組合的獲利表現差異並不顯著；加入交易成本的考量（見表 6）結論並不受影響。綜合上述結果可得到技術交易的獲利表現於金融危機期間大幅提升，在金融危機結束後，技術交易的獲利表現回復。因此可知，以全球金融危機為分界的技術交易在金融危機前、金融危機期間、金融危機後確實存在獲利能力改變的現象。 16.

(23) 表 5: 兩兩子樣本期間不含交易成本之技術交易日超額報酬期望值檢定不含交易成本（Global：𝑹𝑮𝒇𝒕 ）. 2003/1/1-2008/08/31. 2008/9/1-2009/12/31. 2003/1/1-2008/8/31. vs.. vs.. vs.. 2008/9/1-2009/12/31. 2010/1/1-2012/12/31. 2010/1/1-2012/12/31. （1,50,0）. 4.921221***. 0.16594. 7.179899***. （1,30,0）. 7.303619***. 4.667122***. 2.855287***. （1,20,0）. 5.557207***. 3.62446***. 1.656984*. （1,10,0）. 2.206708**. 1.36992. 0.65122. （1,05,0）. 7.264353***. 5.700449***. 0.65078. （1,50,1）. 7.65612***. 5.742007***. 0.56703. （1,30,1）. 4.750774***. （1,20,1）. 6.838326***. （1,10,1）. 0.694193***. 0.71000. 0.23098. （1,05,1）. 0.13926. 1.48269. 2.242384**. 4.716831*** 治政 5.719184*** 大. 立. 0.18000. 不含交易成本（Taiwan：𝑹𝑻𝒇𝒕 ）. 2008/9/1-2009/12/31. 2010/1/1-2012/12/31. （1,50,0）. 2.192877**. -0.05593. （1,30,0）. 5.072567***. （1,20,0）. 3.695338***. （1,10,0）. 0.62291. （1,05,0）. 5.88671***. （1,50,1）. 2010/1/1-2012/12/31. n. er. io. al. 4.785257***. i n Ch e n g c1.42158 hi U 3.704563***. vs.. y. vs.. sit. vs.. 2003/1/1-2008/8/31. ‧. 2008/9/1-2009/12/31. Nat. 2003/1/1-2008/08/31 交易策略. 0.03907. 學. ‧ 國. 交易策略. v. -3.154065*** 0.48691 -0.99603 1.660807*. 5.756234***. 2.546576**. 6.428388***. 5.571814***. 0.78593. （1,30,1）. 3.906048***. 4.533161***. 0.85280. （1,20,1）. 6.268509***. 5.644013***. 0.71482. （1,10,1）. 0.49440. 0.68676. 0.45650. （1,05,1）. -0.23356. -1.53177. -2.174042**. 註 1：表格內數值為 t-ratio 註 2：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。. 17.

(24) 表 6：兩兩子樣本期間含交易成本之技術交易日超額報酬期望值檢定含交易成本（Global：𝑹𝑮𝒇𝒕 ）. 2003/1/1-2008/8/31 交易策略. vs. 2008/9/1-2009/12/31. 2008/9/1-2009/12/31 vs.. 2003/1/1-2008/8/31 vs.. 2010/1/1-2012/12/31. 2010/1/1-2012/12/31. （1,50,0）. 4.830425***. 0.22419. 7.176288***. （1,30,0）. 7.180129***. 4.492136***. 2.967139***. （1,20,0）. 5.419201***. 3.525088***. 1.727379*. （1,10,0）. 2.174272**. 1.37667. 0.58417. （1,05,0）. 7.296524***. 5.911106***. 0.76346. （1,50,1）. 7.7887***. 5.784387***. 0.80631. （1,30,1）. 4.642378***. （1,20,1）. 6.65813***. （1,10,1）. 0.54358. （1,05,1）. 0.13115. 4.556232*** 治政 5.619383*** 大. 0.02551. 0.60075. 0.25976. 1.53800. 2.286171**. 含交易成本（Taiwan：𝑹𝑻𝒇𝒕 ）. 學. 2008/9/1-2009/12/31 vs.. vs. 2008/9/1-2009/12/31. 2010/1/1-2012/12/31. （1,50,0）. -2.123898**. -0.11338. （1,30,0）. -4.991107***. 4.606973***. （1,20,0）. 3.600534***. （1,10,0）. 0.60321. （1,05,0）. -5.933583***. （1,50,1）. 6.560689***. （1,30,1）. y. 2010/1/1-2012/12/31. sit. io. n. al. 3.604442***. 2003/1/1-2008/8/31 vs.. er. Nat. 2003/1/1-2008/8/31. 交易策略. ‧. ‧ 國. 立. 0.14134. i n Ch e n g5.968198*** chi U 1.42772. v. 3.166696* 0.31451 0.86897 -1.708807* -2.645538***. 5.61344***. -0.54150. 3.801215***. 4.37095***. -0.75619. （1,20,1）. 6.101327***. 5.543498***. 0.55226. （1,10,1）. 0.34353. -0.57750. 0.48565. （1,05,1）. -0.22435. -1.58784. 2.219438**. 註 1：表格內數值為 t-ratio 註 2：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 3：𝑅𝐺𝑓𝑡 及𝑅𝑇𝑓𝑡 分別為美國三個月公債殖利率和台灣三個月定存利率代表的無風險利率，日超額報酬依據不同無風險利率計算求得。. 18.

(25) 第參章實證模型經由以上分析，可知技術交易確實可為投資人帶來超額報酬，但此現象是否說明著市場的不效率？依據資本資產訂價模型，超額報酬來自於承擔風險所得，Kho（1996）成功運用隨時間變動的β值解釋技術交易的超額報酬來自於風險溢酬，證明外匯市場是效率的，因此本篇研究沿用此概念以條件資本資產訂價模型1分析技術交易的超額報酬來自於承擔風險的結果。. 立. 政治大. 傳統資本資產訂價模型目的在市場均衡時，得到證券要求報酬率與證. ‧ 國. 學. 券的市場風險（即系統性風險）間的線性關係，而市場風險係數用β值衡. ‧. 量。利用此傳統資本資產訂價模型所做實證研究往往無法得到根據理論所. sit. y. Nat. 應得到的結果：當承擔較多的系統性風險時，可獲得較高的超額報酬，抑. n. al 數進行抨擊並加以改良。. er. io. 或是研究結果並不一致，因此許多學者針對市場風險係數β值為一固定常. Ch. engchi. i n U. v. Pettengill et al.（1995）首先利用已實現報酬取代期望報酬得到風險與報酬的顯著關係，並提出已實現報酬與風險之間的關係是分段的：當市場超額報酬為正時，兩者關係為正，反之則為負；Ghysels（1998）則認為β 值雖會隨著時間改變，但並非頻繁的變動，而是呈現緩慢且不連續的變動，過度誇大β值的動態行為時，可能造成條件資本資產訂價模型產生比傳統資本資產訂價模型更大的訂價誤差。. 1. 條件資本資產訂價模型：以近期的實質報酬條件作為估計下期期望報酬所需的資訊 19.

(26) Volis et al.（2011）將來自雅典證券交易所（ASE）139 家公司股票的樣本根據景氣與特殊事件分為 3 段期間，利用虛擬變數的設定捕捉隨時間變動的市場風險係數，結果顯示在期間轉換時市場風險係數有顯著地改變，且和傳統資本資產定價模型相比，R-squared 值明顯提高了，表示透過虛擬變數捕捉不同樣本期間的市場風險係數比全樣本期間的固定市場風險係數更具有解釋能力。最終得到在新興國家的公司股票平均而言，其β值於市場不景氣時增加的結論。. 政治大生顯著的改變，而超額報酬來自於承擔市場風險所給予的補償，因此可以立在前一章透過檢定發現金融危機的爆發造成技術交易的超額報酬產. ‧ 國. 學. 合理推測金融危機的發生使市場狀況發生改變，造成台幣兌換美元的外匯市場和整體市場大盤的連動關係改變，進而改變台幣兌換美元的市場風險. ‧. 係數。本文將透過修正傳統資本資產訂價模型，捕捉金融危機造成市場風. y. Nat. er. io. sit. 險係數的變化情形。. n. 根據 Pettengill et al.a （1995）及 Ghysels（1998）提出的β值變動方式， v. i l C n hengchi U 加上 Choudhry（2005）以及謝明霖（2009）所得金融危機前後的β值確實存在顯著變動的結論，因此將全球金融危機作為模型的分界。選擇採用. Volis et al （2011）利用虛擬變數捕捉隨期間變動的β值的模型並進行修正。預期技術交易所得異常報酬（α）在全球金融危機前後也會產生轉變的現象，因此將 Volis et al（2011）原為固定異常報酬估計的模型修正為隨期間變動模式。期望透過在樣本期間以全球金融風暴為重大事件加入分析超額報酬的變動是否因為此期間承擔風險的改變所導致。. 20.

(27) 第一節實證模型設定. 全球金融危機期間起始日為 2008 年 9 月，原因為：雷曼兄弟 9 月 14 日提出破產申請，就在同一天，美林證券也宣布被美國銀行收購，導致 9 月 15 日和 9 月 17 日全球股市發生市值暴跌情形，因此兩件事可說是為全球股市股市大崩盤揭開序幕；而新興國家經濟於 2009 年第 2 季反彈轉正，已開發國家雖自第 3 季減幅縮小，但直到 2010 年第 1 季才轉為正成長（見. 政治大. 表 7），因此設定金融危機後期間起始於 2010 年 1 月。. 立. ‧ 國. 學. 表 7：經濟成長率 2010. 2011. 2012. World. 1.6. -1.9. 4.3. 3.0. 2.6. OECD. 0.1. -3.7. 2.8. 1.7. Non-OECD. 5.8. 2.5. 7.4. 5.7. 0.0. -3.6. 2.8. 1.5. Ch. 1.6. 7.3. i v6.2 n U. 4.9. 2.8. 5.2. 1.5. 3.2. al. n. Emerging Markets. Developing Countries. y. sit. io. Economies. 1.3 4.9 1.2. er. Advanced. ‧. 2009. Nat. 2008. 5.5 4.3. engchi. 資料來源：Global Insight World Overview 2013. 本研究將模型一與模型二找出技術交易的日超額報酬與市場風險之間的關係之外，亦可找出金融危機對於兩者關係的影響。. 21.

(28) 模型一. 𝒓𝒊𝒕 ＝ 𝒊𝒕. =. 𝒊𝒕 𝒓 𝒕. 𝒊𝒕. 𝒊𝒕. 𝟎. 𝒊𝒕 ＝𝒃𝒐𝒊. 𝒃𝟏𝒊. 其中𝑟𝑖𝑡 為台幣兌換美元持有期間的幾何平均報酬扣除無風險利率所得到的日超額報酬；𝑟𝑚𝑡 為持有台幣兌換美元期間相對應的市場大盤日超額報酬，. 治政大計算方法同𝑟 。為了透過模型一的設定找出金融危機前與金融危機發生後立 𝑖𝑡. 超額報酬與市場風險關係的變化，加入一虛擬變數 d，當期間為 2008 年 9. ‧ 國. 學. 月至 2012 年 12 月時，d 值為 1，否則為 0。. ‧ er. io. sit. y. Nat. 模型二. n. a𝒓l𝒊𝒕 ＝ 𝒊𝒕 𝒊𝒕 𝒓 𝒕 𝒊𝒕 i v n Ch U engchi 𝒊𝒕. =. 𝟎. 𝟏. 𝒊𝒕 ＝𝒃𝒐𝒊. 𝒃𝟏𝒊. 𝟐 𝟏. 𝒃𝟐𝒊. 𝟐. 變數的定義與計算方式同模型一，因前面兩兩樣本期間的檢定中發現，日超額報酬的主要改變來自於金融危機期間，因此模型二的設定目的為捕捉金融危機前、金融危機期間、金融危機後超額報酬與市場風險關係的改變，因此加入兩個虛擬變數捕捉三段期間的關係變化。當期間為 2008 年 9 月至 2009 年 12 月時，𝑑1 為 1，否則為 0；期間為 2010 年 1 月至 2012 年 12 月， 𝑑2 代入 1，否則為 0。 22.

(29) 第二節市場大盤數據的選擇. 在資本資產定價模型中，市場大盤數據的選擇一直備受爭議。一般實證研究只能以特定的大盤指數來代替市場投資組合，在 Stehle（1977）一文提出當一資產主要在國內市場交易時使用國內市場指數是合適的； Karolyi et al.（2003）則說明國內市場指數衡量的市場風險遠低於全球市場指數，造成使用國內市場指數作為市場投資組合的資本資產訂價模型會有. 政治大的研究結果顯示使用國內市場指數可降低訂價誤差。而 Harris（2003）本立. β值估計錯誤的問題。但根據 Harris et al.（2003）文中提到 Griffin（2002）. ‧ 國. 學. 身研究則得到兩者間對於模型配適程度並無太大差異的結論。礙於文獻並沒有一致的結果，因此在研究過程中，將以 MSCI 全球指數和台股加權指. ‧. 數作為市場大盤的替代變數，用來對照金融市場整合（integrated market）. y. Nat. n. er. io. a. 𝑷𝑮 𝒕 ：MSCI Global Equityl Index. Ch. sit. 與金融市場區隔（segmented market）下的結果：. engchi. i n U. v. 該指數包含全球已開發國家、新興國家中超過 70 個國家的證券，作為全球市場證券報酬的代理變數應無異議。. 𝑷𝑻 𝒕 ：台股加權指數. 除了特別股及全額交割股之外，其餘在台上市股票均包括在內。該指數被視為呈現台灣經濟走向的櫥窗。. 23.

(30) 除了台幣兌換美元每日收盤價資料來自台北外匯市場發展基金會外，其餘皆取自資料庫 datastream 中 2003 年 1 月至 2012 年 12 月日資料。整體而言，模型變數採用MSCI全球指數及台灣加權指數當作市場大盤的替代變數，分別搭配無風險利率數據美國三個月公債殖利率及台灣三個月定存利率算出全球市場大盤超額報酬與台灣市場大盤超額報酬𝑟𝑚𝑡，對應由美國三個月公債殖利率及台灣三個月定存利率求出的技術交易日超額報酬進行迴歸分析。. 政治大. 因為兩個模型的常數項部分也加入虛擬變數捕捉技術交易在金融危. 立. 機期間的獲利表現改變，因此從模型的結果除了可以看出超額報酬與市場. ‧ 國. 學. 風險關係改變之外，也可以衡量技術交易的異常獲利變化。而比較兩個模. ‧. 型主要著重於金融危機發生的期間是否為造成台幣兌換美元市場與市場. n. al. er. io. sit. y. Nat. 大盤連動關係改變的主要期間，以及異常報酬在不同期間的變化。. Ch. engchi. 24. i n U. v.

(31) 第肆章實證結果與分析本章首先描繪各種策略組合的樣本資料形態，緊接著利用傳統資本資產訂價模型解釋風險與技術交易超額報酬的關係，最後針對模型一及模型二結果進行討論，比較全球市場大盤與台灣市場大盤對結果造成的影響，並試著透過中央銀行干預來解釋模型結果。. 政治大. 整體而言，利用 t 時匯價取自然對數後相減計算持有期間報酬後，以. 立. 幾何平均方式得到日超額報酬，再扣除無風險利率得到日超額報酬。不論. ‧ 國. 學. 有無交易成本，在不考慮帶狀區域時，不論是全球市場數據或台灣市場數. ‧. 據下的超額報酬都呈現當長天期天數越短時，平均日報酬越高，高狹峰特性越不明顯的現象，在考量帶狀區域後，則約略呈現長天期天數越長，平. y. Nat. er. io. sit. 均日報酬越高的現象；而（1,05,1）則不存在超額報酬，或者為負的超額報酬，且高狹峰特性最明顯的現象；標準差部分，不論是否考慮帶狀區域，. al. n. v i n Ch 都存在長天期天數越短，日超額報酬變動範圍越大；且所有交易策略組合 engchi U 都呈現左偏。詳細數據見附表 1 及附表 2。. 在不考慮交易成本之下，將日超額報酬套入傳統資本資產訂價模型中，從表 8 發現在部分策略組合之下的β值為顯著負值或者根本不顯著，表示在這些策略組合之下的技術交易日超額報酬無法透過承擔風險來解釋，除了（1,05,1），其餘策略組合都存在顯著異常報酬（α）的現象。. 25.

(32) 表 8：傳統資本資產訂價模型參數估計結果（不含交易成本）不含交易成本（MSCI Global Equity Index）交易策略. α. β. Adjusted 𝑹𝟐. (1,50,0). 0.0000909***. -0.02518***. 0.01505. （15.12954）. （-7.53282）. 0.00010***. -0.00420. （14.67825）. （-1.33734）. 0.00012***. 0.01296***. （14.00159）. （3.50690）. (1,30,0) (1,20,0). 0.00013***. （2.38155）. 0.00006***. 0.02956***. （10.05057）. （7.15639）. 0.00007***. 0.03603***. （11.76079）. （9.24291）. y. 0.00006***. -0.01996***. sit. 0.01357 0.02262 0.00718. er. （-5.23162）. al. v i n Ch （2.76193） e n g c （-0.22871） hi U. n. (1,05,1). ‧. io. （9.70443）. (1,10,1). 0.00128. （11.35392）. Nat. (1,20,1). 0.00200. 學. ‧ 國. (1,05,0). (1,30,1). 0.00309. 治-0.00998*** 政（12.64852）（-2.88526）大立 0.00014*** 0.00834**. (1,10,0). (1,50,1). 0.00022. 0.00002***. -0.00086. -0.00026. 0.00000. 0.04896***. 0.03640. （-0.88160）. （11.78304）. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：（）為 t 值註 3：本資料採用全球市場大盤（MSCI 全球指數）超額報酬進行分析. 26.

(33) 續表 8 不含交易成本（TAIEX）交易策略. α. β. Adjusted 𝑹𝟐. (1,50,0). 0.000101***. -0.009598***. 0.00211. （16.90562）. （-2.9549）. 0.000113***. 0.00585**. （16.25706）. （2.15786）. 0.000133***. 0.014334***. （15.29294）. （4.60005）. (1,30,0) (1,20,0). 0.000138***. （-1.75624）. 0.0000636***. 0.00256. （10.3451）. （0.66372）. 0.000076***. -0.029416***. （12.30419）. （-7.92531）. 0.0000661***. -0.018258***. （10.0038）. （-4.45999）. y. sit. er. al. v i n Ch （2.5285） i U e n g c h（7.69055）. n. (1,05,1). ‧. io (1,10,1). 0.00057. （12.29399）. Nat. (1,20,1). -0.00027. 學. ‧ 國. (1,05,0). (1,30,1). 0.0055. 0.00134 治政（13.60187）（0.04827）大 0.000149*** -0.00486* 立. (1,10,0). (1,50,1). 0.001. -0.00015 0.01666 0.00515. 0.0000177**. 0.035028***. 0.01568. 0. -0.041831***. 0.04848. （-0.59058）. （-13.67141）. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：（）為 t 值註 3：本資料採用台灣市場大盤（TAIEX）超額報酬進行分析. 27.

(34) 從表 9 可知，即使加入交易成本後，α值下降幅度極其微小，且仍顯著異於零。針對透過資本資產訂價模型所得實證β值正負不一致以及α值顯著異於零的異象，承如 Tofallis（2008）所提及因β值在不同市場或資料之下，常出現不具解釋能力或者正負不一致的情形，導致β值低估時α值高估的現象。因此本文以條件資本資產訂價模型分析，以下將進行修改後模型的實證結果討論。. 政治大含交易成本（ MSCI Global Equity Index）立α β. (1,50,1) (1,30,1) (1,20,1) (1,10,1) (1,05,1). （-10.53239）. 0.00010***. -0.01395***. 0.00494. （14.40634）. （-4.37359）. 0.00012***. 0.00712*. y. 0.00071. （13.66362）. （1.89035）. 0.00013***. -0.01983***. sit. （15.33739）. al. v i （12.60465）（-5.69802） n Ch U 0.00014****e n g c h i0.00087. n. (1,05,0). -0.03501***. io. (1,10,0). 0.00009***. Nat. (1,20,0). Adjusted 𝑹𝟐. ‧. (1,30,0). 學. (1,50,0). er. 交易策略. ‧ 國. 表 9：傳統資本資產訂價模型參數估計結果（含交易成本）. （11.21539）. （0.24853）. 0.00006***. 0.02530***. （10.24605）. （6.13187）. 0.00007***. 0.03265***. （11.90685）. （8.36146）. 0.00006***. -0.02430***. （9.63557）. （-6.29640）. 0.00002***. -0.00188. （2.83939）. （-0.50265）. -0.0000043. 0.04902***. （-0.84772）. （11.69843） 28. 0.02925. 0.00855 -0.00026 0.00993 0.01854 0.01048 -0.00021 0.03589.

(35) 續表 9 含交易成本（. TAIEX ）. 交易策略. α. β. Adjusted 𝑹𝟐. (1,50,0). 0.000101***. -0.014992***. 0.00554. （17.00363）. （-4.61644）. 0.000113***. 0.00071. （15.87231）. （0.25838）. 0.000132***. 0.013182***. （14.91155）. （4.14957）. 0.000138***. -0.005848**. （13.49763）. （-2.11072）. (1,30,0) (1,20,0) (1,10,0). 0.00095. 0.000147***. （0.38701）. 0.0000773***. -0.031096***. （12.52028）. （-8.38830）. 0.0000664***. -0.017641***. （9.92659）. （-4.25326）. 0.0000184***. 0.032693***. （2.62489）. （7.16866）. n. a0.00000 -0.04166*** iv l C n （-0.55924） h e n g c（-13.49640） hi U. 0.01865 0.00466. y. sit. er. io (1,05,1). -0.00023. ‧. Nat. (1,10,1). （10.58706）. 0.00237. 學. ‧ 國. (1,50,1). (1,20,1). 0.00443. 治-0.008625*** 政（12.14840）（-3.10962）大立 0.0000649*** 0.00149. (1,05,0). (1,30,1). -0.00026. 0.01362 0.04730. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：（）為 t 值註 3：本資料分別採用全球市場大盤（MSCI 全球指數）及台灣市場大盤（TAIEX）超額報酬求得. 29.

(36) 第一節模型一之實證結果. 模型一透過將樣本分為金融危機前後兩期，捕捉全球金融危機造成β 值隨期間變動的現象。假設正確估計β值，修改後模型可正確解釋技術交易的超額報酬，則預期模型中異常報酬（α）的部分則會下降，表示超額報酬來自承擔風險所得，並非市場不效率的表現。根據圖3顯示，經過模型修正後，β值於金融危機發生後有明顯的改. 政治大. 變。以MSCI全球指數為大盤的分析在不考慮帶狀區域之下仍沒有一致的變. 立. 化方向，但考慮帶狀區域後，金融危機前β值（𝒃𝟎 ）顯著為正，但經歷金. ‧ 國. 學. 融危機期間，由估計係數多為負值（𝒃𝟏 ）可知β值明顯下降；以台股加權. ‧. 指數為大盤的分析則有相反的結果，在不考慮帶狀區域時，β值於金融危. sit. y. Nat. 機發生後明顯下降，表示在金融危機期間，台幣兌換美元的匯率波動和整. io. a. er. 個市場大盤的連動性下降，一旦考慮帶狀區域，β值的變化不再一致。. n. 反觀代表異常報酬的α值部分，在兩組數據的估計下， d的參數估計 iv l. n U engchi 皆顯著為正，說明異常報酬α值在金融危機期間明顯提升。這樣的結果表. Ch. 示於金融危機期間，在市場整體表現不佳的時期，技術交易可替投資人帶來更多的異常報酬，即使將報酬扣除交易成本仍然有相同的結果（見圖4）。因數據資料繁雜不易閱讀，改以圖型方式呈現，詳細數據請見附表3及附表4。. 30.

(37) 圖 3：模型一參數估計結果（不含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 31. i n U. v.

(38) 圖 4：模型一參數估計結果（含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 32. i n U. v.

(39) 第二節模型二之實證結果. 進一步，因在表 5 提出，以金融危機事件為分界之下，透過兩兩樣本期間平均報酬檢定證明了不同交易策略的平均報酬在不同期間顯著不同，因此進一步將樣本分為三段期間，探討金融危機期間和金融危機後是否台幣兌換美元市場與整體市場的連動關係也有明顯的改變，並和模型一進行比較。. 政治大. 重新將樣本分為三段期間套入模型二出現一致的結果：根據圖 5 及圖. 立. 6，不論有無交易成本，以全球市場大盤及台灣市場大盤的分析在不考慮. ‧ 國. 學. 帶狀區域的分析之下，金融危機前多數策略組合的β值顯著為正，但在經. ‧. 歷金融危機時，β值明顯下滑，多數的策略組合都呈現β值由正轉負的現. sit. y. Nat. 象，但於金融危機結束後，β值回復為正值，且和金融危機前相比，部分策略組合表現出略為加強和市場的關係，例如在不考慮交易成本下（1,20,0）. er. io. n. （1,05,0）於金融危機後的β值高於金融危機前；一旦考慮帶狀區域的技術 a v. i l C n hengchi U 交易報酬，β值就不再有這麼一致的結果，尤其是以台灣市場大盤分析的 β值。考慮帶狀區域時的β值在部分策略組合下並不一致，推測原因來自於當考慮帶狀區域時，大多數的當日收盤價落在帶狀區域內，因此不持有任何部位，造成交易次數相較於不考慮帶狀區域時減少許多，詳細的交易次數透過表 10 的整理可看出。. 33.

(40) 表 10:模擬交易次數交易次數. （1,50,0）. （1,30,0）. （1,20,0）. （1,10,0）. （1,05,0）. 買進. 99. 145. 189. 300. 448. 賣出. 99. 146. 188. 299. 447. 交易次數. （1,50,1）. （1,30,1）. （1,20,1）. （1,10,1）. （1,05,1）. 買進. 58. 53. 68. 51. 38. 賣出. 64. 58. 56. 51. 29. 反觀α值的部分，不論使用全球市場大盤或者台灣市場大盤，皆呈現和β值相反的變動方向：在金融危機期間，原本已顯著為正的異常報酬更. 政治大. 加提升，但於金融危機後，異常報酬大幅下降，在少數策略組合下甚至少. 立. 於金融危機前可得的異常報酬。因數據資料繁雜不易閱讀，改以圖型方式. ‧ 國. 學. 呈現，詳細數據請見附表 5 及附表 6。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 34. i n U. v.

(41) 圖 5：模型二參數估計結果（不含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 35. i n U. v.

(42) 圖 6：模型二參數估計結果（含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 36. i n U. v.

(43) 第三節結果解釋與討論相較兩組模型的結果可知（見圖 7 及圖 8），模型一顯示β值在金融危機爆發後台幣兌換美元與市場大盤的連動關係改變情形並不一致，但根據模型二可知，β值主要於金融危機期間下降，金融危機後台幣兌換美元與市場大盤的連動關係會回升，而非金融危機期間與金融危機後兩段期間皆減少與市場大盤的連動關係；α值則是主要於金融危機期間明顯增加，. 政治大甚至出現異常報酬水準為負的情形。整體而言，模型二對於兩組數據有較立. 金融危機結束後，α值已回復金融危機前異常報酬的水準，部分策略組合. ‧ 國. 學. 佳的解釋能力：於市場狀況不佳時，α值與β值出現明顯相反的走向。. ‧. 接著透過調整後𝑅2 比較 MSCI 全球指數和台股加權指數得到的模型配適程度。在模型一之下，使用台股加權指數的模型有六組交易策略組合的. y. Nat. er. io. sit. 調整後𝑅2 高於使用 MSCI 全球指數的模型；而 MSCI 全球指數則在模型二對於超額報酬與風險的關係有較佳的解釋能力，共有八組交易策略組合的 a. n. iv l C n hengchi U 調整後𝑅2 高於使用台股加權指數的模型。. 推測產生上述結果的原因來自於，金融危機期間與金融危機後風險與超額報酬的關係有顯著改變，透過模型一只能捕捉到金融危機發生後的關係變化，因此在不同的策略組合下產生不一致的結果；另外台幣兌換美元的匯價受全球經濟與事件影響，且 MSCI 全球指數所衡量的市場風險遠高於台股加權指數所衡量的市場風險，而此結論同於 Stehle（1977）及 Karolyi. et al.（2003）。因此在此研究中，使用 MSCI 全球指數進行模型二的迴歸分析有最佳的結果。以下將針對模型二的結果進行解釋。 37.

(44) 圖 7：模型一及模型二估計參數比較（不含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 38. i n U. v.

(45) 圖 8：模型一及模型二估計參數比較（含交易成本）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 39. i n U. v.

(46) 在進行解釋前，先進行文獻中針對市場狀況對於報酬及風險關係的回顧。Pettengill et al.（1995）提出當市場市場狀況良好時（up market，市場超額報酬為正），高β值資產因承擔較多風險而比低β值得到較多風險溢酬，反觀市場市場狀況不佳時（down market，市場超額報酬為負）時，承擔較多風險的高β值資產卻因市場整體超額報酬為負而得到比較少的風險溢酬，為解決傳統資本資產訂價模型的異常現象，Pettengill et al.（1995）透過市場超額報酬正負分為市場狀況佳及市場狀況不佳進行分析，得到報酬與風險存在不對稱的關係：市場景氣好時風險與報酬存在正向關係；景氣. 治政大差時，兩者則為負相關。Huang（2008）進一步將模型修改為β值隨時間持立續變動及考量投資人的學習行為，測試 Pettengill et al.（1995）的穩健度，. ‧ 國. 學. 結果顯示 Pettengill et al.（1995）的理論是可被支持的。. ‧. 將本研究中金融危機期間視為市場狀況不佳，由附表 7 看出全球市場. y. Nat. io. sit. 超額報酬於金融危機期間大幅下降，由正轉為負。根據 Pettengill et al. （1995）. er. 的理論，金融危機爆發期間技術交易的超額報酬應該顯著下滑，但因該理. n. al. iv. n 論建立在β值為正的前提下，因此在本研究結果並無法證明 Pettengill et al. C hengchi U. （1995）的理論，但該模型參數 𝑡 值仍可總結技術交易超額報酬與市場大盤超額報酬的關係：. 𝒓𝒊𝒕 =. 𝟎𝒕. 𝟏𝒕. ∗. ∗. 𝒊𝒕. 𝟐𝒕. ∗ （𝟏 − ） ∗. 𝒊𝒕. 𝒊. 將不同策略組合得到的金融危機前、金融危機期間、金融危機後日超額報酬平均值以及β值分別當作應變數及自變數，並以對應三段期間實際的市. 40.

(47) 場超額報酬平均值的正負作為虛擬變數的分類，當市場大盤報酬率大於無風險利率（即市場超額報酬為正）時，代入 1，否則代 0，如台灣市場於金融危機期間僅有（1,50,1）的市場超額報酬平均為負，其餘策略組合的市場超額報酬平均皆為正，且台灣加權指數超額報酬平均的方向與 MSCI 全球指數完全相反。得到表 11 數據，在以 MSCI 全球指數進行的分析結果可以看出，因為多數策略組合於金融危機期間的β值為負，表示金融危機期間的超額報酬並不會下降；以台灣加權股價指數進行的分析因金融危機期間時，台股加權指數的超額報酬為正，負的 1 乘上負的β值，得到技術交. 治政大易的超額報酬為正，金融危機前則會得到負的超額報酬結果。且事實為，立相較於金融危機前，在金融危機期間大多數策略組合的超額報酬平均皆提. ‧ 國. 學. 升（見錯誤! 找不到參照來源。及表 6，兩兩子樣本期間技術交易日超額報. ‧. 酬期望值檢定），而此提升來自於異常報酬的增加。α值通常被解釋為投. sit. y. Nat. 資人的技術所帶來的報酬，在技術交易之下，我們則可說，異常報酬的提. n. al. er. io. 高是來自於技術分析確實有效的成果。表 11：技術交易報酬與市場大盤報酬的關係模型一 MSCI Global Equity Index 1. 2. Ch. engchi. i n U. v. 模型二. MSCI Global. TAIEX. Equity Index. TAIEX. -0.00031. -0.000134**. -0.000206. -0.000519*. （-1.32225 ）. （-0.538087）. （-0.896724）. （-1.72425）. -0.00055 ***. -0.000907. -0.0008***. 4.63E-05. （-2.73385 ）. （-2.424927）. （-3.648672）. （0.104579）. 註 1：***、**、*分別表示雙尾 t 檢定在 1%、5%、10%為顯著註 2：（）為 t 值註 3：本資料分別採用全球市場大盤（MSCI 全球指數）及台灣市場大盤（TAIEX）超額報酬計算求得. 41.

(48) 探討有關外匯市場獲利性時，最被經濟學家所相信的主張為技術交易獲利來自於善用央行干預的資訊。LeBaron（1999）利用 1979 年至 1992 年馬克兌換美元匯價與官方公佈的干預資料進行研究，發現再去掉央行干預的因素後，技術交易的獲利能力大幅下降；Saacke（2002）針對 LeBaron（1999）擴大研究，同時採用美國及德國央行干預的資料，除了證明在干預期間，央行與技術交易皆可獲利之外，亦發現匯價短期走勢與央行干預反向，長期之下則與央行干預同向的現象。Szakmary et al.（1997）利用移動平均法則在 1977 年到 1991 年對馬克、日圓、英鎊、法郎、加拿大幣的每日匯價. 治政大進行模擬交易，證明在考慮交易成本下皆有超額報酬，並進一步將外匯存立底當做央行干預的代理變數，得到央行干預會對獲利造成影響的結論。. ‧ 國. 學. 礙於無法取得台灣央行干預匯市的明確資料，因台灣中央銀行出手干. ‧. 預匯市時有所聞，而央行干預的目的在於穩定國內物價及提高經濟成長率，. y. Nat. io. sit. 所以在缺乏台灣央行進場干預的確切資料之下，根據 Krugman（1991）的. n. al. er. 理論模型，當台幣價值大幅波動時，可合理預期央行會進行干預，使匯率. iv. n 落在目標區間（target zone）內，造成台幣兌換美元的價格相較其他完全由 C hengchi U. 市場機制決定匯率的貨幣波動幅度小。投資人使用技術分析進行交易的行為建立在相信過去的價格具有預測未來趨勢的功用，利用移動平均法則便可確實透過歷史價格捕捉台幣兌換美元價格未來趨勢。由圖 9，在金融危機期間市場大盤波動幅度提升的同時，台灣匯市波動相對較小，表 12 更可以看出台幣兌換美元的變化率變異數在三段期間都維持固定，而 MSCI 全球指數及台灣加權指數變化率的變異數則明顯在金融危機期間增加，尤其是 MSCI 全球指數變化率的變異數增加幅度更甚於台灣加權指數變化率的變異數，造成β值的下降並突顯技術交易的獲利能力。 42.

(49) 圖 9：台幣兌換美元與全球市場指數（上）及台灣市場指數（下）變化率. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 資料來源：datastream 原始資料經自然對數一階差分算出表 12：市場大盤及匯價變化率變異數金融危機前. 金融危機期間. 金融危機後. MSCI 全球指數. 0.00005. 0.00042. 0.00012. 台股加權指數. 0.00016. 0.00035. 0.00013. 台幣兌換美元. 0.00001. 0.00001. 0.00001. 43.

(50) 第伍章結論在本研究中試圖利用條件資本資產訂價模型解釋移動平均法則的技術交易所得超額報酬與風險的關係，探討技術交易的成效是否來自於市場的不效率。首先，檢定本文所採用策略組合是否確實存在超額報酬，在全樣本下，. 政治大. 唯獨（1,05,1）策略組合的檢定結果不顯著，即使加入交易成本的考量也得. 立. 到相同結果。若將樣本分為金融危機前、金融危機期間、金融危機後，無. ‧ 國. 學. 法顯著獲利的策略組合改變，但大致上所有的交易策略組合仍能在不同的. ‧. 經濟情況下有獲利能力。這表示技術交易在本研究中確實具有獲得超額報酬的能力，但受到策略組合的參數設定以及所採用的分析數據影響。. sit. y. Nat. er. io. 除此之外，分析在金融市場大幅波動時，策略組合的獲利表現是否有. n. al 所改變，進一步檢定兩兩樣本期間的平均超額報酬是否相等。令人驚訝的 iv n U engchi 是，不論使用美國三個月公債殖利率或台灣三個月定存利率計算的日超額. Ch. 報酬在金融危機前後的獲利表現差異並不顯著。綜合平均日超額報酬於金融危機期間較高及兩兩樣本期間的超額報酬檢定發現，技術交易的獲利表現於金融危機期間大幅提升，在金融危機結束後，獲利表現回復水準。根據上述關於技術交易報酬及變化存在的事實，經由修正後的條件資本資產訂價模型解釋報酬是否為承擔風險所補償的溢酬。透過加入虛擬變數捕捉隨期間變動的β值，期望可正確衡量風險及報酬的關係。在模型一中，透過金融危機事件將期間分為兩段對於β值的影響並不一致，但α值 44.

(51) 在金融危機期間一致的提升。在模型二中，不論利用 MSCI 全球指數或者台股加權指數分析的金融危機對於超額報酬與風險的關係變化有較一致的趨勢，金融危機期間的β值大幅下降，α值明顯提升，表示技術交易可在市場狀況動盪不安時降低與市場大盤的連動關係，即系統性風險，α值於此期間的提升便是技術交易成功地證明，而金融危機後β值回升，部分策略組合的風險與報酬的關係甚至比金融危機爆發前更為提升，異常報酬則更減少；但在考慮帶狀區域交易後部分策略組合無法有一致的結果。主要原因應該是來自於考慮帶狀區域下的交易次數大幅下降的緣故。. 政治大比較模型一與模型二的解釋能力，整體而言，模型二對於兩組數據有立. ‧ 國. 學. 較佳的解釋能力，而使用 MSCI 全球指數所衡量的市場風險較廣，在估計 β值上能減少因市場風險衡量誤差所造成的估計錯誤，因此在此使用模型. ‧. 二對 MSCI 全球指數進行超額報酬與風險關係的分析有最佳的結果。. sit. y. Nat. 為了解釋α值和β值的結果不得不提及台灣特殊的投資環境，中央銀. er. io. n. 行為維持台灣經濟與貨幣的穩定性，會在匯率大幅波動時進場干預，使得 a v. i l C n hengchi U 台幣兌換美元的價格變動落在一範圍內。正因如此，技術分析中的移動平均法則可透過參數的設定成功捕捉未來匯率的趨勢，因此即使市場大盤表現不好時，技術交易的超額報酬仍可以不減反增。這個結果說明了台幣兌換美元的外匯市場是不效率的。但此結論是否適用於所有國家，則有待往後的研究作進一步的探討。此外因為本研究只採用移動平均法則作為模擬技術交易的工具，因此未來的研究可朝向證明其他技術交易工具的獲利與風險關係，並設計更加嚴謹的模型來解釋。 45.

(52) 參考文獻中文文獻 [1] 蔡宗岸，「簡單技術分析交易法則」，國立政治大學國際經營與貿易研究所未出版碩士論文，2006 年。 [2] 謝明霖、雷立芬，「台灣上市公司隨時間變動系統風險之結構性轉變研究」，台灣銀行季刊，第 61 卷第 4 期，第 244-256 頁 2009 年。 [3] 莊珮玲、林信助、郭炳伸，「技術交易策略在外匯市場無往不利？」，台灣. 政治大. 經濟預測與政策，中央研究院經濟研究所，第 41 卷第 2 期，第 95-126 頁， 2011 年。. ‧ 國. 學. 國外文獻. 立. ‧. [1] Choudhry, T., “Time-varying beta and the Asian financial crisis: Evidence from Malaysian and Taiwanese firms ”, Pacific-Basin Finance Journal, Vol. 13, 2005, pp.. sit. y. Nat. 93–118.. al. er. io. [2] Ghysels, E., “On stable factor structures in the pricing of risk: Do time varying. v. n. betas help or hurt?”, Journal of Finance, Vol. 53, 1998, pp. 549–573.. Ch. engchi. i n U. [3] Harris, R., S., Marston, F., C., Mishra, D., R., and O’Brien T., J., “Ex ante cost of equity estimates of S&P 500 firms: The choice between global and domestic CAPM ”, Handbook of the Economics of Finance, Vol. 1, 2003, pp. 975–1020. [4] Huang, P., and Hueng, C. J., “Conditional risk-return relationship in a time-varying beta model”, Quantitative Finance, Vol. 8, 2008, pp. 381–390. [5] Jensen, M., C., “Some anomalous evidence regarding market efficient”, Journal of. Financial Economics, Vol. 6, 1978, pp. 95–101. [6] Krugman, P., “Target zones and exchange rate dynamics”, Quarterly Journal of. Economics, Vol. 56, 1991, pp. 669–682. [7] Kho, Bong-Chan., “Time-varying risk premia, volatility, and technical trading rule 46.