臺灣博碩士論文加值系統

製造業最主要的變動成本是原物料，不銹鋼產業屬於資本密集的產業。不銹鋼原料中的鎳、鉻佔原料成本中的70~80%，單價比鉻高5~6倍，因此，鎳價將影響不銹鋼行情。研究以單根及向量自我迴歸模型為研究方法，探究鎳價對不銹鋼類股股價之影響。本研究以臺灣不銹鋼企業為研究對象，並蒐集英國倫敦金屬交易所鎳現貨價格和臺灣不銹鋼類股股價進行分析。研究採用日資料，研究期間為2006年7月7日至2012年6月29日，實證結果發現:鎳現貨價格與不銹鋼股價具關聯性，鎳價領先不銹鋼類股股價一日，呈正向變動。

The main variable cost of manufacturing is the raw materials, and the stainless steel industry is a capital-intensive industries. Currently, major ingredients of stainless steel are chromium and nickel, and are about 70 to 80% of production costs, but nickel is about 5 to 6 times the unit price of the chromium. This study examines the relationship between the spot price of nickel and stainless steel industrial stock prices in Taiwan. The spot price of nickel derives from London Metal Exchange. The unit root test and VAR Model are employed to research the effect of the nickel price on the stock prices for stainless steel companies. This research uses daily data and the time span is from 7th July, 2006 to 29th June, 2012. The result of this research is showed as follows:
The spot price of nickel is positively related to the stock prices for stainless steel companies and them one day.

中文摘要 I
英文摘要 II
誌謝辭 III
目錄 IV
圖目錄 VI
表目錄 VII

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究架構與流程 6
第二章 文獻探討 8
第一節 不銹鋼及相關文獻的研究 8
第二節 原物料和股價之相關文獻 17
第三節 國內不銹鋼產業介紹 21
第三章 研究方法 27
第一節 單根檢定 27
第二節 最適落後期數 31
第三節 向量自我迴歸模型 33
第四章 實證結果與分析 35
第一節 資料來源與敘述性統計 35
第二節 單根檢定 40
第三節 VAR模型實證 42
第五章 結論與建議 45
參考文獻 46

圖目錄
圖 1-1 研究架構圖 研究架構圖 ............. ................................ ............ 7
圖 2-1 LME LME倫敦金屬交易鎳現貨價格走勢圖 倫敦金屬交易鎳現貨價格走勢圖 ....................... 12
圖 4-1 鎳現貨價格和不銹鋼公司股之走勢圖 鎳現貨價格和不銹鋼公司股之走勢圖 鎳現貨價格和不銹鋼公司股之走勢圖.......................... 38
圖 4-2 鎳現貨價 格和不銹鋼公司股鎳現貨價 格和不銹鋼公司股鎳現貨價 格和不銹鋼公司股(取差分 )資料之走勢圖 資料之走勢圖 .. 39

表目錄
表1-1 1 1 不銹鋼粗鋼產量 ................................ .................2
表1-2 2001-2010年全球不銹鋼產量 ................................ .......... 2
表1-3 各級不銹鋼生產百分比 ................................ ................ 4
表2-1 不銹鋼產品分類表 ................................ ....................9
表2-2 不銹鋼分類表 ................................ ...................... 11
表 2-3 3 3 全球鎳供給、需求面 全球鎳供給、需求面 ............................. 13
表2-4 2011年估計不銹鋼和耐熱鋼粗鋼產量 ................................ .... 14
表2-5 不銹鋼和耐熱粗鋼產量 ................................ ................15
表2-6 我國特殊鋼上下游產業關聯圖 我國特殊鋼上下游產業關聯圖 我國特殊鋼上下游產業關聯圖 .22
表2-7 本研究探討的臺灣不銹鋼企業相關資料 本研究探討的臺灣不銹鋼企業相關資料 本研究探討的臺灣不銹鋼企業相關資料 ... . 25
表 4-1 1 1 敘述性統計 敘述性統計 (一階差分 ) ................................ .. 36
表 4-2 2 2 不銹鋼公司簡稱 不銹鋼公司簡稱 ................................ ...... 40
表 4-3 單根檢定 ................................ ........................... 41
表 4-4 各變數之VAR模型最適落遲期數 ................................ .......... 42
表 4-5 不銹鋼股價 、鎳不銹鋼股價 、鎳VAR模型 ................................ ...43

一、中文部分

王加欽(2010)，原油、原物料與台灣股市變動之關連性研究，樹德科技大學金融與風險管理系碩士班碩士論文。
宋筧玲(2006)，國際石油價格波動對台灣股票市場影響之實證研究，嶺東技術學院財務金融研究所未出版之碩士論文。
李可強(2004)，原物料價格與股價關係之探討-以塑化產業為例，輔仁大學金融研究所碩士論文。
李建安(2008)，台灣不鏽鋼產業競爭力分析，淡江大學國際貿易學系國際企業學碩士在職專班碩士論文。
吳幸融(2005)，原油價格與相關股價關係之探討–以塑化類股/紡織類股為例，開南管理學院企業管理研究所碩士論文。
林育政(2008)，國際原物料價格與股價關係之探討-以不銹鋼產業為例，國立東華大學國際企業學系碩士論文。
林偉凱(2008)，2008年不銹鋼市場回顧與2009年展望，ITIS產業資訊服務站。
林偉凱(2008)，2008年鋼鐵年鑑特殊鋼篇，ITIS產業資訊服務站。
陳玉樹(2010)，原物料指數與股市、匯市關聯性的研究，國立政治大學金融研究所碩士論文。
陳慧君(2007)，台灣不銹鋼品需求預測之研究，靜宜大學管理碩士在職專班碩士論文。
張展源(2010)，倫敦金屬交易所之鎳價與台灣不銹鋼業股價關聯性之研究，雲林科技大學財務金融系碩士班碩士論文。
黃瑞豐(2008)，鎳價與不銹鋼業股價關係之探討-以台灣不銹鋼產業為例，國立彰化師範大學會計學系企業高階管理碩士論文。
楊亦農(2005)，時間序列分析─經濟與財務上之應用，二版，雙葉書廊，台北。
薛正偉(1996)，棉花期貨價格與紡織類股股股價指數之相關性探討，逢甲大學統計與精算研究所碩士論文。

二、外文部分
Engle, R. F. and C. W. J. Granger (1987). “Cointegration and error correction: representation, estimation, and testing”, Econometrica, 55, 251-276.
Faff, R. W. and T. J. Brailsford (1999). “Oil price risk and the Australian stock market”, Journal of Energy Finance and Development, 4, 69-87.
Granger, C. W. J. (1981). “Some properties of time series data and their use in econometric model specification”, Journal of Econometrics 16, 121-130.
Granger, C. W. J. and A. A.Weiss (1983). “Time series analysis of error-correcting models”, Studies in Econometrics, Time Series and Multivariate Statistics, Academic Press, New York, 255-278.
Granger, C. and P. Newbold (1974). “Spurious regressions in econometrics ”, Journal of Econometrics, 2, 111-120.
Hamilton, J. D. (1983). “Oil and the Macroeconomy since World War II”, Journal of Political Economy, 91, 228-248.
Hammoudeh, S. and E. Aleisa (2004). “Dynamic relationships among GCC stock markets and NYMEX oil futures”, Contemporary Economic Policy, 22, 250-269.
Huang, R. D., R. W. Masulis, and H. R. Stoll (1996). “Energy Shocks and Financial Markets”, The Journal of Futures Markets, 16, 1-27.
Johansen, S. (1988). “Statistical analysis of cointegration Vectors”, Journal of Economic Dynamics and Control, 12, 231-254.
Jones, C. M. and G. Kaul (1996). “Oil and the stock markets”, Journal of Finance, 51(2), 463-491.
Kaneko, T. and B. S. Lee (1995). “Relative importance of economic factors in the U.S. and Japanese stock markets”, Journal of the Japanese and international Economics, 290-307.
Papapetrou, E. (2001). “Oil price shocks, stock market, economic activity and employment in Greece ”, Energy Economics, 23, 511-532.
Phillips, P.C.B. and P. Perron (1988). “Testing for unit roots in time series regression”, Biometrika, 75, 335-346.
Sadorsky, P. (1999). “Oil price shocks and stock market activity”, Energy Economics, 21, 449-469.
Said, S. and D. Dickey (1984 ). “Testing for unit roots in autoregressive moving average model of unknown order”, Biometrica, 71, 599-607.
Sims, C. (1980). “Macroeconomics and Reality”, Econometrica, 48, 1-48.














二、外文部分
Engle, R. F. and C. W. J. Granger (1987). “Cointegration and error
correction: representation, estimation, and testing”, Econometrica, 55, 251-276.
Faff, R. W. and T. J. Brailsford (1999). “Oil price risk and the
Australian stock market”, Journal of Energy Finance and
Development, 4, 69-87.
Granger, C. W. J. (1981). “Some properties of time series data and
their use in econometric model specification”, Journal of Econometrics 16, 121-130.
Granger, C. W. J. and A. A.Weiss (1983). “Time series analysis of
error-correcting models”, Studies in Econometrics, Time Series and Multivariate Statistics, Academic Press, New York, 255-278.
Granger, C. and P. Newbold (1974). “Spurious regressions in
econometrics ”, Journal of Econometrics, 2, 111-120.
Hamilton, J. D. (1983). “Oil and the Macroeconomy since World War
II”, Journal of Political Economy, 91, 228-248.
Hammoudeh, S. and E. Aleisa (2004). “Dynamic relationships
among GCC stock markets and NYMEX oil futures”, Contemporary Economic Policy, 22, 250-269.
Huang, R. D., R. W. Masulis, and H. R. Stoll (1996). “Energy
Shocks and Financial Markets”, The Journal of Futures Markets, 16, 1-27.
Johansen, S. (1988). “Statistical analysis of cointegration Vectors”,
Journal of Economic Dynamics and Control, 12, 231-254.
Jones, C. M. and G. Kaul (1996). “Oil and the stock markets”,
Journal of Finance, 51(2), 463-491.
Kaneko, T. and B. S. Lee (1995). “Relative importance of economic
factors in the U.S. and Japanese stock markets”, Journal of the Japanese and international Economics, 290-307.
Papapetrou, E. (2001). “Oil price shocks, stock market, economic
activity and employment in Greece ”, Energy Economics, 23, 511-532.
Phillips, P.C.B. and P. Perron (1988). “Testing for unit roots in time
series regression”, Biometrika, 75, 335-346.
Sadorsky, P. (1999). “Oil price shocks and stock market activity”,
Energy Economics, 21, 449-469.
Said, S. and D. Dickey (1984 ). “Testing for unit roots in
autoregressive moving average model of unknown order”, Biometrica, 71, 599-607.
Sims, C. (1980). “Macroeconomics and Reality”, Econometrica, 48,
1-48.