臺灣博碩士論文加值系統

台灣地理位置特殊，且屬熱帶及亞熱帶四面環海的海島型國家，不僅在聚合作用下地震頻繁，季風與鋒面的降雨也使台灣水文活動豐沛，然而，在這樣的天然因素下，天然災害的形成更不計少數，尤其歷年來以颱風的數量最多且其造成的災害最甚，而當災害嚴重到涉及人文與經濟時，這是值得人們多加探討的。本文透過綜合t 檢定(the pooled t test)與配對t 檢定(the matched-pair t test)，分析產險業及細分後的航運業為陸、海、空及宅配；觀光事業為飯店、旅遊、娛樂及餐飲的市場成交量以及週轉率，因颱風影響的比較關係，期望產業細分後可獲得顯著的影響，進一步檢定股票價量變化與颱風來臨前後之間不一樣的現象，以利了解颱風將如何影響股票市場，並且依上述變化關係了解是否有機可尋，以便從中賺取颱風財。實證結果顯示，陸運與旅遊類別對於颱風侵襲導致休市的關係為顯著正相關，但航運業中其他類別因無任何顯著相關性，故判斷其將緩和異常數據。雖然觀光事業中，旅遊類別對於颱風侵襲導致休市的關係呈顯著相關性，但該產業之其他類別均無出現顯著相關係，由此判別觀光事業會因其中的分類而緩和異常數據，故整體而言所有產業皆不算具顯著正相關，但若把產業化分開來檢測，即可發現陸運與旅遊是最受颱風侵襲影響。本文最後以複迴歸模型檢驗大盤與各產業的報酬率，以求證颱風來臨時，是否能賺取颱風財，結果顯示為顯著正相關。上述證實，颱風來臨與否會影響陸運與旅遊類別之股市變動，並且呈現顯著正相關，故颱風的來臨將有機可尋，能加以研究探討，並從中賺取颱風財。

Taiwan, an island country surrounding by ocean which belongs to tropical and subtropical, has its own special geographical location. Not only has the most frequent earthquakes under the polymerization force but also the abundant rainfall makes by monsoon and fronts. However, more and more naturel disasters happen because of these naturel factors. Take for instance, especially in all the disasters that typhoon is the most one and it also makes the most grievous damage every years in Taiwan. When the disaster happen and involve humanity and economy that is worth everyone to investigate it. This study uses the pooled t test and the matched-pair t test to analyses property insurance industry, transportation industry and tourism industry’s volume and turnover of stock market. We divides transportation industry into land transportation, sea transportation and air transport; and that divides tourism industry into hotel, tourism, entertainment and catering industry. As a result of comparison of the effects of typhoons, this study is expected to have a significant impact on the industry segmentation. Further tests whether stock price and volume will change or not. between the typhoons coming and go. So we can understand how typhoons impact on stock market, and according to the above changes in the relationship to know how to earn money from typhoon. The empirical result shows significant positive correlation between typhoons and land transportation or tourism. Other categories in transportation industry or tourism industry does not have any correlation, so it smooth abnormal data. As a whole, there is an insignificant positive correlation between all of the industries and typhoons. But if it divides industries to examines that will be found land transportation and tourism is the most affected by the typhoon. And this study uses Multiple Regression Analysis to tests stock market return in the end, and the result shows significant positive correlation between return and industries. According to our research as above, it confirmed that the typhoons will affect the stock market of tourism category and land change, also presents significant positive correlation, so the upcoming typhoon can be explored more and earn money by human being from typhoon season.

摘要................................................................... I
Abstract ............................................................ II
目錄................................................................. III
圖次.................................................................. IV
表次................................................................... V
第一章 緒論............................................................. 1
第一節 研究背景與動機.................................................... 1
第二節 研究目的......................................................... 2
第三節 研究流程圖........................................................ 3
第二章 文獻回顧......................................................... 4
第三章 研究方法......................................................... 9
第一節 樣本期間及資料來源................................................. 9
第二節 變數定義........................................................ 11
第三節 研究方法........................................................ 15
第四章 實證結果與分析................................................... 19
第一節 資料型態與基本敘述統計............................................. 19
第二節 t 檢定估計結果 .................................................. 30
第三節 複迴歸分析估計結果................................................ 42
第五章 結論與建議....................................................... 46
第一節 研究結論........................................................ 46
第二節 研究貢獻與未來研究建議............................................. 48
參考文獻.............................................................. 49
中文部分.............................................................. 49
英文部分.............................................................. 50

圖次
圖1-1 研究流程圖 ....................................................... 3

表次
表1-1 臺灣各類災害統計 .................................................. 1
表1-2 產業選取與分類 ................................................... 10
表2-1 產險業成交量比率敘述統計 .......................................... 20
表2-2 航運業之陸運成交量比率敘述統計 ..................................... 20
表2-3 航運業之海運成交量比率敘述統計 ..................................... 21
表2-4 航運業之空運成交量比率敘述統計 ..................................... 21
表2-5 觀光事業之娛樂成交量比率敘述統計 .................................... 22
表2-6 觀光事業之旅遊成交量比率敘述統計 .................................... 22
表2-7 觀光事業之飯店成交量比率敘述統計 .................................... 23
表2-8 觀光事業之餐飲成交量比率敘述統計 .................................... 23
表3-1 產險業週轉率比率敘述統計 .......................................... 25
表3-2 航運業之陸運週轉率比率敘述統計 ..................................... 25
表3-3 航運業之海運週轉率比率敘述統計 ..................................... 26
表3-4 航運業之空運週轉率比率敘述統計 ..................................... 26
表3-5 觀光事業之娛樂週轉率比率敘述統計 .................................... 27
表3-6 觀光事業之旅遊週轉率比率敘述統計 .................................... 27
表3-7 觀光事業之飯店週轉率比率敘述統計 .................................... 28
表3-8 觀光事業之餐飲週轉率比率敘述統計 .................................... 28
表4-1 大盤與各產業之基本敘述統計 ......................................... 29
表5-1 成交量比率群組統計資料 ............................................ 30
表5-2 成交量比率綜合樣本t 檢定 .......................................... 32
表6-1 成交量比率配對樣本統計資料 ......................................... 33
表6-2 成交量比率配對樣本相關性 .......................................... 34
表6-3 成交量比率成對樣本檢定 ............................................ 35
表7-1 週轉率群組統計資料 ............................................... 36
表7-2 週轉率比率綜合樣本t 檢定 .......................................... 38
表8-1 週轉率配對樣本統計資料 ............................................ 39
表8-2 週轉率比率配對樣本相關性 .......................................... 40
表8-3 週轉率成對樣本檢定 ............................................... 41
表9-1 大盤模式摘要b ................................................... 42
表9-2 大盤複迴歸分析結果 ............................................... 42
表10-1 產險業模式摘要b ................................................. 43
表10-2 產險業複迴歸分析結果 ............................................. 43
表11-1 航運業模式摘要b ................................................. 44
表11-2 航運業複迴歸分析結果 ............................................. 44
表12-1 觀光產業模式摘要b ............................................... 45
表12-2 觀光產業複迴歸分析結果 ........................................... 45

中文部分
1. 林易緒 （2010），「氣候與投資人情緒對股市報酬率之影響」，碩士論文，私立樹德科技大學金融與風險管理系碩士班。
2. 孫崇軒（2014），「特殊天候事件與台灣股市的關係」，碩士論文，私立逢甲大學經濟學系碩士班。
3. 張佩瑜（2012），「天氣變化與投資人情緒之相關性」，碩士論文，私立樹德技大學金融與風險管理研究所。
4. 郭敏華、李謙（2005），「陽光影響投資情緒？以台灣股票市場為例」，台灣金融財務季刊，第6 輯第2 期，頁35-51。
5. 陳勁遠 （2012），「氣候變異對台灣股票報酬率的影響」，碩士論文，國立台灣科技大學財務金融所碩士班。
6. 陳榮貴（2007），「證券報酬是否受到天氣因素之影響-全球證券市場縱橫資料之實證分析」，碩士論文，私立銘傳大學財務金融學系碩士班。
7. 楊少強（2009），「全球最易受天災襲擊的地區：台灣」，商業周刊-財經新聞，自http://www.businessweekly.com.tw/webarticle.php?id=42823。
8. 趙元顥（2008），「台灣股票市場與天氣效應關係之探討-非線性動態調整模式」，碩士論文，私立銘傳大學財務金融學系碩士在職專班。
9. 賴穎緻（2013），「天氣事件對台灣不同產業股價報酬率的影響」，碩士論文，國立政治大學財務管理研究所。

英文部分
1. Akhtari, Mitra (2011), “Reassessment of the Weather Effect: Stock Prices and Wall Street Weather,” Undergraduate Economic Review, Vol. 7: Iss. 1, Article 19
2. Dilley, Maxx, Robert S Chen, Uwe Deichmann, Arthur L Lerner-Lam and Margaret Arnold (2005), “Natural Disaster Hotspots: A Global Risk Analysis,” The World Bank, Washington DC.
3. Hirshleifer, David, and Tyler Shumwa (2003), “Good Day Sunshine: Stock Returns and the Weather,” The Journal of Finance, Vol. 58, No. 3, 1009-1032.
4. Howarth, E., and M. S. Hoffman (1984), “A Multidimensional Approach to the Relationship between Mood and Weather,” British Journal of Psychological,
Vol.75, No. 1, 15-23.
5. Keller, Matthew C., Barbara L. Fredrickson, Oscar Ybarra, Stéphane Côté, Kareem Johnson, Joe Mikels, Anne Conway, and Tor Wager (2005), “A Warm Heartand a Clear Head,” Psychological Science, Vol. 16, No. 9, 724-731
6. Loughran, Tim, and Paul Schultz (2004), “Weather, Stock Returns, and the Impact of Localized Trading Behavior,” Journal of Financial and Quantitative Analysis, Vol. 39.2, 343-364.
7. Saunders, E. M. (1993), “Stock Prices and Wall Street Weather,” The American Economic Review, Vol. 83, 1337-1345.