(3.235.191.87) 您好!臺灣時間:2021/05/14 20:46
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張捷茹
研究生(外文):Chang, Chieh-Ju
論文名稱:投資人關注度與股票報酬率之關係-以Google Trends為例
論文名稱(外文):Investor Attention and Stock Return ─ Evidence from Google Trends
指導教授:鄭昌錞鄭昌錞引用關係
指導教授(外文):Cheng, Chang-Chun
口試委員:汪逸真姚名麗
口試委員(外文):Wang, Yi-ChenYao, Min-Li
口試日期:2017-06-01
學位類別:碩士
校院名稱:銘傳大學
系所名稱:財務金融學系碩士班
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2017
畢業學年度:105
語文別:中文
論文頁數:132
中文關鍵詞:Google Trends投資人關注度非法人持股比例
外文關鍵詞:Google TrendsInvestor AttentionNon-institutional Shareholding Percentage
相關次數:
  • 被引用被引用:1
  • 點閱點閱:729
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究探討台灣投資人對個別股票的關注度與股票的價或量之關係,並更進一步分析非法人持股比例的高低是否會影響股票的關注度和股票的價或量之關聯性,並以個別股票的簡稱或代碼在Google Trends上查詢所取得的搜尋量指數值(SVI)來衡量投資人對股票的關注度,所選取的樣本為臺灣50指數與臺灣中型100指數的成分股,研究期間則是2008年1月1日至2016年10月15日,並透過差異性檢定、最小平方法迴歸、縱橫資料迴歸模型進行實證分析。
由本研究實證結果發現:(1) 無論股票的價或量都會隨著投資人對個別股票的關注度的增加而增加。(2) 且該正向關聯性會隨著非法人持股比例越高而越強。因此,可以間接推測是由散戶投資人到Google網站上搜尋個股的相關資訊,進而影響到股票的價或量。

This study examines the relationship between investor’s attention, stock returns, and trading volumes in Taiwan; and, it further analyzes whether non-institutional shareholding percentage affects the relationship between investors’ attention, stock returns and trading volumes. In the study, the Search Volume Index (SVI) of company’s abbreviation and code on Google Trends is the proxy measuring how intense the attention from investors. Our sample includes Taiwan 50 Index and Taiwan 100 Index with studying period between January 1, 2008 and October 15, 2016. Our research is going to use test of difference, Ordinary Least Squares and Panel regression analysis to conduct empirical study.
The results are as follows: (1) the stock returns and trading volumes are increased as investor’s attention is rising up. (2) And such relationship is going to be stronger as non-institutional shareholding percentage is increasing. As a result, since investors who search information through Google mainly are non-institutional investors, this will cause stock returns and trading volumes increase.

誌謝 I
中文摘要 II
英文摘要 III
目錄 IV
圖目錄 V
表目錄 VI
第壹章 緒論 1
第一節、研究背景與動機 1
第二節、研究目的 3
第三節、研究架構 4
第貳章 文獻探討 6
第一節、投資者情緒 6
第二節、GOOGLE搜尋量指數 7
第參章 研究方法 10
第一節、資料來源與變數定義 10
第二節、研究假說與迴歸模型 13
第三節、研究方法 15
第肆章 實證結果與分析 18
第一節、敘述性統計與差異性檢定 18
第二節、最小平方法迴歸之實證結果 31
第三節、縱橫資料迴歸模型之實證結果 37
第四節、最小平方法迴歸與縱橫資料迴歸模型之實證結果比較 109
第伍章 結論與建議 115
第一節、研究結論 115
第二節、研究建議與限制 118
附錄 119
參考文獻 122
一、中文部份 122
二、英文部份 123

圖目錄
圖1 – 1 研究架構圖 5
圖3 – 1 差異性檢定 16

表目錄
表3 – 1 變數定義 12
表4 – 1 股票簡稱SVI敘述性統計 18
表4 – 2 股票代碼SVI敘述性統計 19
表4 – 3 股票簡稱ASVI敘述性統計 19
表4 – 4 股票代碼ASVI敘述性統計 20
表4 – 5 股票報酬率敘述性統計 20
表4 – 6 非法人持股率敘述性統計 21
表4 – 7 成交量敘述性統計 21
表4 – 8 成交值敘述性統計 22
表4 – 9 週轉率敘述性統計 22
表4 – 10 異常報酬率敘述性統計 23
表4 – 11 異常成交量敘述性統計 23
表4 – 12 異常成交值敘述性統計 24
表4 – 13 異常週轉率敘述性統計 24
表4 – 14 應變數之差異性檢定(以SVI代碼搜尋量有、無分類) 26
表4 – 15 應變數之差異性檢定(以SVI簡稱搜尋量有、無分類) 26
表4 – 16 應變數之差異性檢定(以ASVI代碼搜尋量有、無分類) 27
表4 – 17 應變數之差異性檢定(以ASVI簡稱搜尋量有、無分類) 28
表4 – 18 應變數之差異性檢定(以SVI代碼搜尋量多、少分類) 29
表4 – 19 應變數之差異性檢定(以SVI簡稱搜尋量多、少分類) 29
表4 – 20 應變數之差異性檢定(以ASVI代碼搜尋量多、少分類) 30
表4 – 21 應變數之差異性檢定(以ASVI簡稱搜尋量多、少分類) 30
表4 – 22 報酬率、異常報酬率之最小平方法迴歸結果 32
表4 – 23 成交量、異常成交量之最小平方法迴歸結果 33
表4 – 24 成交值、異常成交值之最小平方法迴歸結果 35
表4 – 25 週轉率、異常週轉率之最小平方法迴歸結果 36
表4 – 26 報酬率與SVI代碼之縱橫資料迴歸模型(不含交乘項) 38
表4 – 27 報酬率與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 40
表4 – 28 異常報酬率與SVI代碼之縱橫資料迴歸模型(不含交乘項) 42
表4 – 29 異常報酬率與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 44
表4 – 30 成交量與SVI代碼之縱橫資料迴歸模型(不含交乘項) 46
表4 – 31 成交量與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 48
表4 – 32 異常成交量與SVI代碼之縱橫資料迴歸模型(不含交乘項) 50
表4 – 33 異常成交量與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 52
表4 – 34 成交值與SVI代碼之縱橫資料迴歸模型(不含交乘項) 54
表4 – 35 成交值與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 56
表4 – 36 異常成交值與SVI代碼之縱橫資料迴歸模型(不含交乘項) 58
表4 – 37 異常成交值與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 60
表4 – 38 週轉率與SVI代碼之縱橫資料迴歸模型(不含交乘項) 62
表4 – 39 週轉率與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 64
表4 – 40 異常週轉率與SVI代碼之縱橫資料迴歸模型(不含交乘項) 66
表4 – 41 異常週轉率與ASVI代碼之縱橫資料迴歸模型(不含交乘項) 68
表4 – 42 報酬率與SVI代碼之縱橫資料迴歸模型(含交乘項) 71
表4 – 43 報酬率與ASVI代碼之縱橫資料迴歸模型(含交乘項) 73
表4 – 44 異常報酬率與SVI代碼之縱橫資料迴歸模型(含交乘項) 76
表4 – 45 異常報酬率與ASVI代碼之縱橫資料迴歸模型(含交乘項) 78
表4 – 46 成交量與SVI代碼之縱橫資料迴歸模型(含交乘項) 80
表4 – 47 成交量與ASVI代碼之縱橫資料迴歸模型(含交乘項) 83
表4 – 48 異常成交量與SVI代碼之縱橫資料迴歸模型(含交乘項) 86
表4 – 49 異常成交量與ASVI代碼之縱橫資料迴歸模型(含交乘項) 88
表4 – 50 成交值與SVI代碼之縱橫資料迴歸模型(含交乘項) 90
表4 – 51 成交值與ASVI代碼之縱橫資料迴歸模型(含交乘項) 93
表4 – 52 異常成交值與SVI代碼之縱橫資料迴歸模型(含交乘項) 95
表4 – 53 異常成交值與ASVI代碼之縱橫資料迴歸模型(含交乘項) 97
表4 – 54 週轉率與SVI代碼之縱橫資料迴歸模型(含交乘項) 99
表4 – 55 週轉率與ASVI代碼之縱橫資料迴歸模型(含交乘項) 102
表4 – 56 異常週轉率與SVI代碼之縱橫資料迴歸模型(含交乘項) 105
表4 – 57 異常週轉率與ASVI代碼之縱橫資料迴歸模型(含交乘項) 108
表4 – 58 報酬率之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 109
表4 – 59 異常報酬率之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 110
表4 – 60 成交量之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 111
表4 – 61 異常成交量之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 111
表4 – 62 成交值之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 112
表4 – 63 異常成交值之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 112
表4 – 64 週轉率之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 113
表4 – 65 異常週轉率之最小平方法迴歸與縱橫資料迴歸模型實證結果比較 114
表5 – 1 假說是否成立之研究結果 117

一、中文部份
1.王雪伶(2014),「Google trends 與電影票房關係之研究」,碩士論文,銘傳大學傳播管理學系碩士班。
2.林雅珍(2016),「金融海嘯與投資人情緒及股票指數報酬之關聯分析」,碩士論文,世新大學財務金融學研究所(含碩專班)。
3.黃子倫、賴冠伶、陳妙玲、郭修仁(2014),「Information Demand, Web Search Behavior, and Speculative Trading Activity」,中山管理評論,第22卷第1期,頁157-183。
4.黃浚紘(2013),「Google 是否能預測台灣股票報酬率?」,碩士論文,國立臺灣大學財務金融研究所。
5.陳怡靜(2014),「谷歌搜尋引擎與台灣股市交易活動之關聯性」,碩士論文,國立高雄第一科技大學金融系碩士班理財組。

二、英文部份
1.Bank, M., Larch, M. and Peter, G. (2011), “Google search volume and its influence on liquidity and returns of German stocks.” Financial Markets and Portfolio Management, Vol.25, No.3, pp.239-264.
2.Choi, H. and Varian, H. (2009), “Predicting the present with Google Trends.” Working paper, GoogleInc.
3.Da, Z., Engelberg, J. and Gao, P. (2011), “In search of attention.” The Journal of Finance, Vol.66, No.5, pp.1461-1499.
4.Fang, L. and Peress, J. (2009), “Media Coverage and the Cross‐Section of Stock Returns.” The Journal of Finance, Vol.64, No.5, pp.2023-2052.
5.Takeda, F. and Wakao, T. (2014), “Google search intensity and its relationship with returns and trading volume of Japanese stocks.” Pacific-Basin Finance Journal, Vol.27, pp.1-18.
6.Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinsky, M. S., and Brilliant, L. (2009), “Detecting influence epidemics using search engine query data.” Nature, Vol.457, pp.1012-1014.
7.Kumar, A. and Lee, C. M. C. (2006), “Retail Investor Sentiment and Return Comovements.” Journal of Finance, Vol.61, pp.2451-2486.
8.Bijl, L., Kringhaug, G., Molnár, P. and Sandvik, E. (2016), “Google searches and stock returns.” International Review of Financial Analysis, Vol.45, pp.150-156.
9.Shefrin, H. and Statman, M. (1985), “The disposition to sell winners too early and ride losers too long: Theory and evidence.” Journal of Finance, Vol.40, pp.77-90.
10.Shu, P.G., Yeh, Y.H., Chiu, S.B. and Chen, H.C. (2005), “Are Taiwanese individual investors reluctant to realize their losses?” Pacific-Basin Finance Journal, Vol.13, pp.201-223.

電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top