臺灣博碩士論文加值系統

許多研究均證實金融市場間具有市場聯結的特性，早期對於金融商品報酬的研究，多採用固定的相關係數探討金融商品與不同市場間的相關程度，但實際上商品或是市場間的相關性經常隨著時間發生變動。
　　因此本文採用Engle and Sheppard (2001) 所提出的DCC模型進行時間數列分析，探討總體經濟的外生變數對台灣股市的影響，以及台灣股市中不同類股間股票報酬率的動態相關。透過資產間的相關係數、變異數及共變異數，了解資產報酬的波動性、風險性及彼此的關聯性。若能及早預知總經指數的走勢將有助於對價格震盪找出因應對策，希望研究結果有助於投資者運用在風險規避的策略上。
　　本研究蒐集1998年12月至2010年12月之月資料共計145筆，以台灣四大類股報酬為研究標的，物價指數作為外生變數，探討電子、金融、營建及食品類股市報酬的動態相關。由實證研究歸納四點結果，（１）金融與營建類股的關聯性最高，最小的則是食品與電子類股，食品類股與其它三種類股的關聯普遍偏低，從金融與營建及電子的高度關聯顯示，營建與電子都是需要高度金融的產業，此外投資人若要分散投資組合應避免同時選擇金融與營建或電子類股。（２）由模型比較得知，CRB指數比CPI指數更能較好的配適模型，以其落後1至2期有良好的配適而言，CRB指數似乎有領先台股走勢的趨勢；所以若模型配適外生變數，將可除去由外生變數對類股造成的干擾，之後可以較準確的估計類股間的相關係數。（３）從動態條件相關趨勢圖研判，美國的次級房貸危機和雷曼兄弟銀行倒閉等負面事件，使台灣股票市場的波動劇烈，以次貸事件的影響較大，大部分類股間的動態關聯皆急遽降低，長達2至3個月不等。若是輸入性通膨或量化寬鬆等政策，則會使類股間的相關程度提高；此外，不同事件影響類股間的時間長度亦不同。（４）此模型可以較真實的反應類股報酬的動態相關，有助於投資人分散風險、配置投資標的之依據。
　　此外，台灣亦是開放的經濟體，因此投資人應將國際情勢做為投資決策的考量，以做最有利的投資。
關鍵字：消費者物價指數、DCC模型

Many researches found out that financial markets are connected with each other. In early researches into financial merchandise’s relations between different markets, that were mostly evaluated by constant correlation coefficient model. But actually either financial merchandise or relationships between markets were time varying.
　　As a result, this research combines Vector Autoregressive (VAR) model and Dynamic Conditional Correlation (DCC) model proposed by Engle and Sheppard (2001) to investigate how is Taiwan equity market influenced by macroeconomic factors, and also discusses the dynamic correlation in different fields of stocks. Furthermore, the changes of correlations resulting from the major financial events are statistically significant during the past 10 years. Through correlations, variances and covariance structural, we figure out the dynamic correlations in different fields of Taiwan stocks.
　　This thesis is focus on the dynamic interdependence among four fields of Taiwan equity markets by taking price indexes as exogenous variables in consideration, in order to eliminate the effect of price indexes to stocks. The four kinds of equities are financial, construction, electronics and food industry. Empirical results show that the relationship between financial and construction is the highest, and the lowest one is food and electronics. That means construction and electronics are highly financial-orientated industries. Besides, the most important finding is that correlation coefficients of the four stocks are significantly changing over time. In addition, comparing CRB price index with CPI price index, find out that the model with CRB as exogenous variable is better fitting than the CPI model, which indicates that if the model contains price indexes as exogenous variables, the model will be fitted better than without exogenous variables. Because of adding these variables can eliminate its disturbance to stocks, and then coefficients among stocks can be estimated accurately.
　　 Moreover, from picturing the dynamic conditional correlations between each stocks, such negative events like subprime mortgages crisis and the bankruptcy of Lehman Brothers effect Taiwan most, which leads to a big drop in stocks ‘correlation about three months long. However, if it happens to the events as imported inflation and quantitative easing monetary policy, which raises the correlations between them. Besides, the effecting periods of time vary from event to event. Since the comovement among Taiwan stock market becomes significantly affected by financial crisis, and the model with exogenous variable is more accurate between theory and real world. As a result, investors should take important financial events into account on spreading their risks and asset allocation.

Keyword : Price Index, DCC, Stock

第 1 章 緒論………………………………………………......................................………………………… 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究架構 2
第 2 章 文獻回顧.............................................................................................................. 3
2.1 通貨膨脹指標 3
消費者物價指數CPI , 5 美國商品期貨價格指數CRB, 5
2.2 VAR與DCC模型之文獻 6
VAR模型之相關研究 , 6 DCC模型之相關研究 , 7
CRB及CPI指數之相關研究 , 8
第 3 章 研究方法............................................................................................................ 14
3.1 定態時間序列 14
3.2 均數模型 16
向量自我迴歸模型（VAR）, 16 選模準則 , 18
3.3 波動模型 20
ARCH效果檢定 , 20 ARCH及GARCH模型簡介 , 22
3.4 多變量GARCH模型之介紹 23
對角化矩陣 , 25 下三角堆疊矩陣 , 25 BEKK模型 , 27
3.5 條件相關係數多變量模型 28
固定條件相關係數模型 , 28 動態條件相關係數模型 , 29
3.6 DCC模型參數的估計 31
兩階段估計法 , 31
3.7 動態相關性檢定 33
第 4 章 實證分析........................................................................................................... 36
4.1 資料來源與設定 36
4.2 資料初步分析 37
基本統計分析 , 37 非條件相關係數 , 38 趨勢分析 , 39
單根檢定 , 41
4.3 動態條件相關係數模型的建立 42
VAR模型的建立 , 42 ARCH效果檢定 , 44 各類股模型估計結果 , 45
4.4 建立動態條件相關模型 50
固定相關性檢定 , 50 各類股報酬動態條件相關模型探討 , 51
4.5 動態條件相關結構實證結果 52
基本統計分析 , 52 類股間動態相關性討論 , 52
第 5 章 結論.................................................................................................................... 61
參考文獻............................................................................................................................ 63
附錄.................................................................................................................................... 67

圖目錄
圖 4.1：依序為電子、營建、食品及金融類股對數報酬率的趨勢圖 33
圖 4.2：CPI年增率與貨幣政策工具走勢圖 41
圖 4.3：CPI年增率與經季節調整的CPI走勢圖 41
圖 4.4：模型一金融與其它類股市動態條件相關趨勢圖 47
圖 4.5：模型一金融與其它類股市動態條件相關趨勢圖 47
圖 4.6：模型比較-金融與電子 48
圖 4.7：營建與其它類股市動態條件相關趨勢圖 49
圖 4.8：電子與其它類股市動態條件相關趨勢圖 50
圖 4.9：食品與其它類股市動態條件相關趨勢圖 51
圖 4.10台灣M1B貨幣供給額年增率 52
圖A.1：營建（左）金融（右）類股對數報酬率之ACF圖及PACF圖 59
圖A.2：電子（左）食品（右）類股對數報酬率之ACF圖及PACF圖 59
圖A.3：金融（左）營建（右）VAR(1)模型下之類股殘差 60
圖A.4：電子（左）食品（右）VAR(1)模型下之類股殘差 60
圖A.5：金融（左）營建（右）VAR(1)模型下之類股殘差 60
圖A.6：電子（左）食品（右）VAR(1)模型下之類股殘差 61
圖A.7：營建與食品之動態條件相關趨勢圖 61
圖A.8：電子與食品之動態條件相關趨勢圖 62
圖A.9：金融與營建之動態條件相關趨勢圖 62
圖A.10：金融與電子之動態條件相關趨勢圖 63
圖A.11：金融與食品之動態條件相關趨勢圖 63
圖A.12：營建與電子之動態條件相關趨勢圖 64
圖A.13：營建與食品類股的長期趨勢線 64
圖A.14：電子與食品類股的長期趨勢線 65
圖A.15：金融與營建類股的長期趨勢線 65
圖A.16：金融與電子類股的長期趨勢線 66
圖A.17：金融與食品類股的長期趨勢線 66
圖A.18：營建與電子類股的長期趨勢線 67

表目錄
表 4.1：台灣四大類股對數報酬之敘述統計 30
表 4.2：完整資料期間之各類股報酬率的非條件相關係數 31
表 4.3：資料期間為1998年12月至2005年12月（前期） 32
表 4.4：資料期間為2005年12月至2010年12月（後期） 32
表 4.5：四大類股報酬之ADF單根檢定結果 34
表 4.6：模型一的選模準則統計值 36
表 4.7：模型二的選模準則估計值 37
表 4.8：模型一的殘差LM檢定 37
表 4.9：模型二的殘差LM檢定 38
表 4.10：CRB年增率遞延2期對類股之估計係數 41
表 4.11：CRB年增率遞延3期對類股之估計係數 43
表 4.12：固定相關性檢定結果 44
表 4.13：各類股報酬條件相關係數平均值 45

一、中文部分
1.中華民國統計資料網：http://www.stat.gov.tw/。
2.台灣證卷交易所：http://www.twse.com.tw/。
3.行政院主計處：http://www.dgbas.gov.tw/ 。
4.元大證券：http://justdata.yuanta.com.tw/m/mh/mhja/mhja.htm#股市指數 。
5.中華經濟研究院之「台灣重要經濟變動指標」：http://www.cier.edu.tw/ 。
6.楊奕農，時間序列分析-經濟與財務上之應用，雙葉出版社。
7.陳旭昇，時間序列分析-總體經濟與財務金融之應用，東華書局。
8.黃秀梨 (2011)，澳幣匯率變動因素之研究，世新大學財務金融學研究所。
9.陳俊傑 (2010)，股價與總體經濟變數關聯性之實證研究-向量自我迴歸模型(VAR)之應用，淡江大學金融研究所碩士論文。
10.劉宜學 (2010)，台灣貨幣政策、消費者物價指數與股市之關聯性分析，國立高雄第一科技大學金融所碩士論文。
11.林金賢 (2009)，次級房貸風暴與美國因應之道。
12.李欣儒 (2009)，以ADCC模型探討衝擊事件對亞洲主要股市間動態相關的影響，國立台北大學統計研究所碩士論文。
13.黃坤銘 (2009)，次級房貸危機及金融海嘯下股債市聯動性之研究-台美股債市案例與DCC模型之應用，國立台北大學國際企業研究所碩士論文。
14.張筱嵐 (2009)，石油價格、消費者物價指數與股市之關聯─以台灣股市為例樹德科技大學金融與風險管理所碩士論文。
15.曾菀縈 (2008)，台灣上市股票類股報酬率動態相關之探討，國立台北大學統計研究所碩士論文。
16.陳維邦 (2008)，股價與石油價格波動性之關係-動態條件相關多變量模型之應用， 逢甲大學財務金融學系碩士班碩士論文。
17.李運婷 (2008)，次貸金融危機對美國、歐元區、英國、澳洲及日本債券指數報酬之衝擊、因果及蔓延效果，銘傳大學財務金融學系碩士論文。
18.詹瓊如 (2006)，總體經濟變數對股價、交易量及其波動性之影響－以台灣股市為例，逢甲大學財務金融學所碩士論文。
19.胥愛琦、吳清豐 (2004)，東亞各國家地區股市價量關係之研究--動態條件相關分析法的應用，雲林科技大學財務金融系、環球技術學院企業管理系暨雲林科技大學管理研究所博士班。
20.曾惠淇 (2005)，台灣領先指標綜合指數與總體經濟活動關聯性之研究，逢甲大學財務金融學所碩士論文。
21.林大超 (2003)，台灣與美國兩地景氣循環指標關聯性之研究，國立成功大學企業管理學系碩士論文。
22.陳怡靜 (2001)，台灣地區總體經濟因素與股票和債券報酬關係之實證研究， 中山大學財務管理學系碩士論文。
23.陳宗益 (2001)，利用總體變數掌握台股趨勢，國立台灣大學會計研究所碩士論文。
24.張峻穎 (2000)，總體經濟變數與類股指數互動關聯之實證研究，台科管理所未出版碩士論文。

二、英文部分
1.Akaike, H. (1973). Information Theory and an Extension of the Maximum Likelihood principle. 2nd Inter Symposium on Information Theory, 267-281, Budapest.
2.Anchada C. (2003). Does Sentiment Matter. The Owen Graduate School of Management, Vanderbilt University.
3.Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroscedasticity Model. Journal of Econometrics, 31(3), 307-327.
4.Bollerslev, T. (1990). Modelling the Coherence in Short-run Nominal Exchange Rates: A Multivariate Generalized ARCH Model. Review of Economics & Statistics, 72(3), 498-505.
5.Bollerslev, T., R. Engel, & J. Wooldridge (1988). A Capital Asset Pricing Model with Timing-vary Covariance. Journal of Political Economy, 96(1), 116-131.
6.Bernanke, B.S. & A. Blinder (1992). The Federal Funds Rate and the Channels of Monetary Transmission. The American Economic Review, 82(4), 901-921.
7.Cho, J.H., & Parhizgari, A.M. (2008). East Asian Financial Contagion under DCC-Garch. The International Journal and Finance, 6 (1), 17-30.
8.Dickey, D.A., & Fuller, W.A. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of American Statistical Association, 74(366), 427-431.
9.Dickey, D.A., & Fuller, W.A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, 49(4), 1057-1072.
10.Engle, R.F., & Sheppard, K. (2001). Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate Garch. NBER working paper 8554.
11.Engle, R.F., & Kroner K.F. (1993). Multivariate Simultaneous Generalized ARCH. Econometric Theory, 11(1), 122-150.
12.Engle, R.F. (2002). Dynamic Conditional Correlation - a Simple Class of Multivariate Garch Models. Journal of Business and Economics Statistic, 20(3), 339-350.
13.Mark, J.F.,& Aris A.P. (2002). Macroeconomic Factors Do Influence Aggregate Stock Returns. The Review of Financial Studies, 15 (3), 751-782.
14.Schwarz, G. (1978). Estimating the Dimension of a Model. The Annuals of Statistics, 6(2), 461-464.
15.Suparat Poonsup (2008). Cross-relationships Among Thai Stock Market Return, Consumer Confidence, and Business Sentiment Index. Master of Science in Finance, Faculty of Commerce and Accountancy, Chulalongkorn University.