臺灣博碩士論文加值系統

本研究主要探討七大工業國、黃金及金磚四國國家指數及ETF報酬率的連動性，選取國家股價指數及指數 ETF 共兩組資料進行探討。採用Diebold and Yilmaz (2012)提出外溢指標衡量的估算建構總外溢效果、淨外溢效果及方向外溢效果，並藉由Krehlik and Barunik(2017)提出的動態頻域描繪短期、中期及長期之連動性。
實證結果中，俄羅斯及中國指數波動程度較大，在ETF方面，巴西及俄羅斯波動率較大，其中俄羅斯雖然表現較好，不過波動率也相對較高，建議投資前謹慎評估風險。德國、法國、英國股市在七大工業國中呈現淨外溢流出，顯示其股價會影響其他四個工業國，可利用補漲或補跌的原則，或能從中找到投資機會。
而七大工業國對金磚四國之外溢效果相當顯著，存在密切關連性，若七大工業國大漲或大跌，則金磚四國也會受到影響。實證結果亦發現，當國際間發生無法預期突發事件時上述標的外溢效果最為顯著，隨時間經過波動度較平緩。而黃金ETF則與金磚四國僅在長期存在負相關，不同於過去研究中，黃金與國際股市經常為負相關之結果。

This study mainly discusses the co-movements of the country indexes of the Group of Seven (G7), gold, Brazil, Russia, India, China (BRIC), and the returns of exchange traded funds (ETFs). Two groups of data are selected, namely, the countries’ stock indexes and index ETFs. The spillover index measurement developed by Diebold and Yilmaz (2012) is utilized to estimate and develop the total spillover effect, the net spillover effect and the directional spillover effect. The frequency dynamics put forth by Krehlik and Barunik (2017) is utilized to depict short-, mid- and long-term co-movements.
The empirical results show that Russian and Chinese indexes have relatively high volatility; with regards to ETF, Brazil and Russia show relatively high volatility, among which Russia has better performance despite its higher volatility, hence we suggest cautious risk analysis before investing. Among G7, the stock markets of Germany, France and UK demonstrate net spillover effects, indicating that their stock prices would affect the other four countries, hence it is likely to find investment opportunities by utilizing the principle of laggard play, either stocks performed lower-than-average or higher-than-average compared to the market over a period of time but rise or drop afterwards.
Furthermore, G7 has significant spillover effects on BRIC, suggesting a close correlation. The empirical results also show that at a time when unexpected events take place internationally, the spillover effects of G7 on BRIC become the most significant, and then the volatility drops along with time. However, gold ETF only has long-term negative correlation with BRIC, which is inconsistent with past studies that show negative correlation often exists between gold and international stock markets.

中文摘要 I
Abstract II
目錄 III
圖目錄 V
表目錄 VI
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 3
第二章 文獻回顧與探討 4
第一節 七大工業國相關文獻 4
第二節 黃金介紹及相關文獻 5
第三節 金磚四國連動性探討 6
第四節 ETF相關文獻 7
第三章 研究方法 9
第一節 單根檢定 9
第二節 外溢效果 11
第四章 實證結果與分析 16
第一節 資料說明 16
第二節 敘述統計 18
第三節 單根檢定 20
第四節 七大工業國指數及ETF外溢效果動態分析 21
第五節 金磚四國指數及ETF外溢效果動態分析 25
第六節 七大工業國、黃金對金磚四國迴歸探討 29
第七節 指數、ETF總外溢效果探討 32
第五章 結論 34
參考文獻 36
一、 中文部份 36
二、 英文部份 38


 
圖目錄
圖1 1 研究流程圖 4
圖 4 1 七大工業國ETF報酬率100日移動平均之總外溢效果 23
圖 4 2 七大工業國指數報酬率100日移動平均之總外溢效果 23
圖 4 3 七大工業國ETF報酬率100日移動平均之淨外溢效果 24
圖 4 4 七大工業國指數報酬率100日移動平均之淨外溢效果 25
圖 4 5 金磚四國ETF報酬率100日移動平均之總外溢效果 26
圖 4 6 金磚四國指數報酬率100日移動平均之總外溢效果 27
圖 4 7 金磚四國指數報酬率100日移動平均之淨外溢效果 28
圖 4 8 金磚四國指數報酬率100日移動平均之淨外溢效果 28
圖 4 9 ETF100日移動平均之淨外溢效果 32
圖 4 10 指數100日移動平均之淨外溢效果 33

 
表目錄
表 4 1 ETF資料說明 17
表 4 2 國際指數資料說明 17
表 4 3 ETF資料報酬率敘述統計 18
表 4 4 國際指數資料報酬率敘述統計 19
表 4 5 ETF資料報酬率之單根檢定 20
表 4 6 國際指數資料報酬率之單根檢定 21
表 4 7 七大工業國及黃金ETF對金磚四國ETF報酬率之外溢效果 29
表 4 8 七大工業國指數及黃金ETF對金磚四國指數報酬率之外溢效果 30

一、 中文部份
1.周宛瑩(2009)，「國際股市間的外溢效果」，碩士論文，國立政治大學國際經營與貿易學系碩士班。
2.陳音怡(2011)，「黃金、石油、美元指數、利率與S&P500股價指數期貨之互動關係」，碩士論文，國立中正大學財務金融學系碩士班。
3.郭仲凱(2011)，「原油、美元與金磚四國股市間報酬連動與波動外溢效果之研究」，碩士論文，國立臺北商業技術學院財務金融研究所。
4.張雅婷(2011)，「金磚四國與美國股市、原油市場價格間報酬連動與波動外溢效果之探討」，碩士論文，國立台北商業技術學院財務金融研究所。
5.陳菁芝(2017)，「七大工業國家股市連動及保險與經濟成長關係之探討」，博士論文，逢甲大學金融學院金融博士學位學程。
6.曾見文(2006)，「臺灣50ETF與各國ETF間訊息傳遞與價格發現之研究訊息傳遞與價格發現之研究」，碩士論文，開南大學財務金融研究所。
7.張雅婷(2011)，「金磚四國與美國股市、原油市場價格間報酬連動與波動外溢效果之探討」，碩士論文，國立臺北商業技術學院財務金融研究所。
8.葉德華(2003)，「臺灣50ETF指數與各國ETF指數間訊息傳遞之研究」，碩士論文，實踐大學企業管理研究所。
9.謝佶洋(2011)，「國際金融指標與金磚四國股市關聯性研究」，碩士論文，東海大學財務金融學系碩士班。
10.王馨元(2018)，「六大工業國間股價指數與ETF之研究」，碩士論文，銘傳大學財務金融學系碩士在職專班。
 
二、 英文部份
1.Baur, D.G., and Lucey, B.M. (2010), “ Is gold a hedge or a safe haven? An analysis of stocks, bonds, and gold, ” The Financial Review, Vol. 45, pp.217-219.
2.Dickey D. A. and Wayne A. Fuller(1981), “ Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, ” Econometrica, Vol. 49, pp. 1057-1072.
3.Diebold, F. X., and Yilmaz, K.(2009), “ Measuring Financial Asset Return and Volatility Spillovers, with Application to Global Equity, ” The Economic Journal, Vol. 119, pp.158-171.
4.Ronald C. Kettering (2006), “ The changing relationships between gold, oil, and stock prices, ” Allied academies international conference, 11(1), 37-40.
5.Krehlik, T. and Barunik, J.(2017), “ Cyclical properties of supply-side and demandside shocks in oil-based commodity markets, ” Energy Economics, Vol. 65, pp.208-218.
6.Pesaran, H. H. and Y. Shin(1998), “ Generalized Impulse Response Analysis in Linear Multivariate Models, ” Economics Letters, Vol. 58, pp.17-29.
7.Peter C. B. Phillips and Pierre Perron(1988), “ Testing for a Unit Root in Time Series Regression, ” Biometrika, Vol. 75, pp. 335-346.
8.Ronald, C., & Kettering, R. (2006), “The Changung Relationships between Gold, Oil, and Stock Prices, ” Allied Academies International Conference, Vol. 11, pp. 37-40.
9.Stiassny, A. (1996), “A spectral decomposition for structural VAR models, ” Empirical Economics, Vol. 21, pp.535-555.