東吳大學商學院企業管理學系碩士在職專班

碩士論文

指導教授：林祝英 副教授

股價指數期貨價格發現功能之實證研究─
台指期貨與小型台指期貨
A Study of Price Discovery on Stock Index Futures─

Taiwan Stock Index Futures and Mini Taiwan Stock

Index Futures

研究生：吳百浩

中華民國九十五年六月
 摘要

我國本土股價指數期貨自 1998 年 7 月 21 日正式掛牌交易至今，已有

近八年的時間，期貨對於現貨是否有價格發現功能逐漸為市場投資者所關

注；本研究利用單根檢定、共整合檢定、誤差修正模型與 Granger 因果關

係探討台股指數期貨、小型台股指數期貨及台股指數現貨間之關聯性，選

取樣本為三個指數自 2005 年 10 月 3 日至 2006 年 2 月 27 日之日內 5 分鐘

價格。實證結果整理如下：

1.台股指數期貨、小型台股指數期貨及台股指數現貨在經過一次差分後皆

為定態數列，整合級數為一階，此結果與國內外大多數結果相同。

2.台股指數期貨、小型台股指數期貨與台股指數現貨兩兩之間均存在一組

長期穩定均衡關係之共整合向量，故可知相互間具備長期均衡關係。

3.不論是台股指數期貨、小型台股指數期貨或台股指數現貨，均會對前期

的均衡誤差作調整；而以速度來說，在兩兩配對比較之下是以台股指數

現貨調整至長期均衡之速度較快，小型台股指數期貨次之，台股指數期

貨較慢。

4.台股指數期貨與台股指數現貨、小型台股指數期貨與台股指數現貨間具

有雙向因果關係，也就是回饋關係；但台股指數期貨與小型台股指數期

貨之價格發現功能均較台股指數現貨為強，且台股指數期貨與小型台股

指數期貨兩者對台指現貨之價格發現能力在伯仲之間。

I
 Abstract

Taiwan's stock index futures has launched for almost eight years

since July 21,1998. The price discovery role of stock index futures

was concerned by investors gradually. This paper examined the

relationship between each two of Taiwan Stock Index , Taiwan Stock

Index Futures and Mini Taiwan Stock Index Futures using Unit Root

Test, Cointegration Test, Vector Error Correction Model and Granger

Causality Test. The data were every-five-minute price measured from

October 3,2005 to February 27,2006. The empirical results are as

follows:

1.All the three series are stable series after first difference;

therefore, they are I(1) series.

2.There was a long term cointegration vector existing between each

two of three series; therefore, there were a long term balance

relationship between each two of three series.

3.In the long term, the three series are all adjusted toward the

equilibrium. Comparing the adjusted speed of three series, Taiwan

Stock Index was the first, Mini Taiwan Stock Index Futures rated

after Taiwan Stock Index, and Taiwan Stock Index Futures rated as

the last.

4.Taiwan Stock Index Futures and Taiwan Stock Index affected each

other. Mini Taiwan Stock Index Futures and Taiwan Stock Index

affected each other. Both Taiwan Stock Index Futures and Mini

Taiwan Stock Index Futures performed stronger function of price

discovery than Taiwan Stock Index did. The power of price discovery
II
function of Taiwan Stock Index Futures is similar to that of Mini

Taiwan Stock Index Futures.

III
 誌謝

終於到了撰寫謝辭的時刻了，也象徵兩年研究所的求學階段告一段

落。兩年來感謝系上老師的傳道授業，尤其是恩師林祝英老師在論文撰寫

期間給予的悉心指導與啟發，讓我得以在最順利的狀況下完成，在此致上

最高的謝意與敬意。此外，在論文口試期間，感謝杜化宇老師、張光文老

師的耐心指正與提供寶貴的意見，讓本論文的內容更加完備，也在此致上

由衷的謝意。

研究所這兩年，感謝同窗好友的相伴與相互打氣，讓我得以在愉快的

心情下完成學業；憲宏大哥與春雄適時的資料提供，更是本論文順利完成

的關鍵。而父母的栽培、哥哥的協助以及妻子的支持，也都是我求學過程

中的最大支柱，在此一併感謝。

最後，謹以本論文獻給所有關心我、幫助過我的人。

吳百浩

謹誌於東吳大學企研所

2006 年 6 月

IV
 目 錄

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………………………………………………………6

第二章 理論與文獻回顧…………………………………………………8

第一節 理論基礎………………………………………………………9

第二節 文獻回顧………………………………………………………13

第三章 研究方法……………………………………………………………31

第一節 Granger 因果關係之定義………………………………………32

第二節 單根檢定…………………………………………………………35

第三節 共整合檢定………………………………………………………38

第四節 誤差修正模型與 Granger 因果關係檢定……………………41

第四章 實證結果……………………………………………………………45

第一節 資料來源…………………………………………………………45

第二節 單根檢定…………………………………………………………46

第三節 共整合檢定………………………………………………………49

第四節 誤差修正模型與 Granger 因果關係檢定……………………53

第五章 結論與建議………………………………………………………63

V
 第一節 結論………………………………………………………………63

第二節 後續研究建議……………………………………………………66

參考文獻……………………………………………………………………67

VI
 表目錄

表 1-1 台指期貨與小型台指契約比較…………………………………3

表 3-1 美國指數期貨市場文獻……………………………………………25

表 3-1 台灣指數期貨市場文獻……………………………………………27

表 3-1 其他指數期貨市場文獻……………………………………………29

表 4-1 台灣指數期貨(TF)之單根檢定……………………………………47

表 4-2 小型台灣指數期貨(MTF)之單根檢定………………………………47

表 4-3 台股指數現貨(TS)之單根檢定……………………………………48

表 4-4 不同落後期數 SBC 值─TF 與 TS……………………………………49

表 4-5 不同落後期數 SBC 值─MTF 與 TS……………………………………49

表 4-6 不同落後期數 SBC 值─TF 與 MTF……………………………………50

表 4-7 Johansen 共整合檢定─TF 與 TS……………………………………50

表 4-8 Johansen 共整合檢定─MTF 與 TS…………………………………51

表 4-9 Johansen 共整合檢定─TF 與 MTF…………………………………51

表 4-10 誤差修正模型─ΔFt 模型…………………………………………54

表 4-11 誤差修正模型─ΔCt 模型…………………………………………54

表 4-12 Granger 因果關係─F 檢定(落後 3 期) …………………………55

表 4-13 台指期貨與台指現貨關係─t 檢定(落後 3 期) …………………56

表 4-14 誤差修正模型─ΔMt 模型…………………………………………57

表 4-15 誤差修正模型─ΔCt 模型…………………………………………57

VII
表 4-16 Granger 因果關係─F 檢定(落後 3 期)……………………………58

表 4-17 小型台指期貨與台指現貨關係─t 檢定(落後 3 期)……………59

表 4-18 誤差修正模型─ΔFt 模型…………………………………………60

表 4-19 誤差修正模型─ΔMt 模型…………………………………………60

表 4-20 Granger 因果關係─F 檢定(落後 3 期) …………………………61

表 4-21 小型台指期貨與台指現貨關係─t 檢定(落後 3 期) ……………62

VIII
 圖目錄

圖 1-1 研究流程…………………………………………………………7

圖 3-1 本研究操作性架構圖………………………………………………44

IX
 第一章 緒論

第一節 研究背景與動機

期貨商品是由現貨商品所衍生出來的一種標準化契約，在特定的期貨

交易所內交易；期貨市場的設立有其經濟功能，除了能消除或降低商品價

格非預期變動的風險外，更能提供價格訊息以反映較正確的價格。期貨市

場自問世以來已有超過百年的歷史，而股價指數期貨的發展，卻只有短短

二十餘年的光景(陳威光，民 90)。股價指數期貨單純從字面上來解釋，就

是以未來的股價指數作為交割標的物；而股價指數為代表整體股市表現的

一個指標，此指標是應用統計學的概念，在全部上市股票或選取一籃子代

表性股票，以一定的計算方式得出其代表之參考價值，因此可以充分反應

出其股價變動的一致性。

1982 年美國堪薩斯期貨交易所(Kansas City Board of Trade, KCBT)

推出了全球第一個股價指數期貨─價值線股價指數期貨(Value Line

Stock Index Futures)，該指數包括了 1,700 支股票，大部分的成份股票

在紐約證券交易所交易(陳威光，民 90)，其後市場上相繼推出不同的期貨

指數商品，如 S&P500 指數期貨、倫敦金融時報指數期貨及日經 225 指數

期貨等，國際股票指數期貨陸續發展。儘管指數期貨商品的發展時間並不

長，但在各國股票市場投資者的日益重視下，使得股價指數期貨的交易量

逐漸擴大。

隨著我國金融市場發展日漸成熟與股票市場的高週轉率，美國芝加哥

商品交易所(Chicago Mercantile Exchange, CME)與新加坡國際金融交易

所(Singapore International Monetary Exchange, SIMEX)看好台灣未來

-1-
的市場潛力，於 1997 年 1 月 9 日同時推出「道瓊台灣股價指數期貨」與

「摩根台灣股價指數期貨」，提供了市場投資者規避台股現貨市場風險之

管道。然而後來在交易量與流通性的因素下，「道瓊台灣股價指數期貨」

已停止交易(蔡建安,民 92)。國內本土的台灣期貨交易所(TAIFEX)也在政

府的推動下，於 1998 年正式成立，並於同年 7 月 21 日推出以台灣發行量

加權指數為標的的期貨契約，正式開啟國內本土型指數期貨交易的新頁，

之後又在 1999 年 7 月 21 日陸續推出電子類股指數期貨及金融類股指數期

貨，以符合市場更多元之交易需求。

至於小型台指期貨則始於 2001 年 4 月 9 日，乃是台灣期貨交易所為

吸引小額投資人進入期貨市場而創立。小型台指期貨與台指期貨之標的物

均為台灣加權股價指數，但前者之契約價值僅為後者之四分之一，推出的

目的在於期望以較小的契約價值及較低之保證金降低小額投資人參與期

貨交易的門檻，以發揮避險、套利與投機之市場功能。由於我國股市結構

仍以散戶投資人比重較高，故小型台指期貨的推出可謂令我國期貨市場的

完整性又推進了一步。

而我國台股指數期貨與小型台股指數契約之規格異同，整理如表 1-1

所示。

-2-
 表 1-1 台指期貨與小型台指契約比較

契約名稱 台指期貨 小型台指期貨

交易所 台灣期貨交易所
交易標的 台灣加權股價指數
交易時間 每個營業日 8:45~13:45
契約價值 台指期貨指數乘以新台幣 台指期貨指數乘以新台幣
200 元 50 元
到期交割月份 自交易當月起連續二個月份，另加上三月、六月、九
月、十二月中三個接續的季月，總共有五個月份的契
約在市場交易
每日漲跌幅 前一營業日結算價上下 7%
最小升降單位 指數 1 點( 新台幣 200 元) 指數 1 點(新台幣 50 元)
最後交易日 各契約的最後交易日為各該契約交割月份第三個星期
三，其次一營業日為新契約的開始交易日
最後結算日 最後交易日之次一營業日
最後結算價 以最後結算日依台灣證券交易所本指數各成分股當日
交易時間開始後 15 分鐘內之平均價計算之指數訂之。
前述平均價係採每筆成交價之成交量加權平均。但當
日市場交易時間開始後 15 分鐘內仍無成交價者，以當
日市價升降幅度之基準價替代之
部位限制 1. 自然人 1,800 個契約 交易人於任何時間持有之
2. 法人機構 3,500 個契約 各 月 份 契 約 未 平 倉 部 位
3. 法 人 機 構 基 於 避 險 需 總和，依契約規模調整後
求 得 向 期 交 所 申 請 豁 與台股期貨併計，不得逾
免部位限制 越台股期貨部位限制
4. 期 貨 自 營 商 之 持 有 部
位不在此限
保證金 原始：120,000 元 原始：30,000 元
維持：100,000 元 維持：25,000 元
投資人交易成本 1.期交稅為契約總價金之 0.01%(單邊)
2.手續費由期貨商與交易人商議而定
資料來源：台灣期貨交易所網站，本研究整理

由於股價指數期貨是以股價指數為其標的，復由於期貨到期日的結算

是以現貨指數作為最後結算價格，故股價指數期貨與股價指數現貨之間應

有一定之關聯性存在。根據美國期貨市場管制機構─商品期貨交易委員會

-3-
(Commodity Futures Trading Commission，CFTC)對於新上市期貨契約之

可能性的兩個判定標準：

一、價格發現：期貨立基於已知資訊，提供目前與未來現貨價格訊息的能

力。
二、避險能力：期貨針對現貨部位提供降低風險之可能潛力。

根據 Granger 因果關係檢定，增加對方的訊息是否能增加其預測能

力，有更好的預測績效作為判定準則(Granger，1969)。依此理念，可作

如下的考量：若期貨價格存在著現貨價格尚未反應的訊息，則加入期貨價

格來考慮現貨價格的預測，將使誤差減少，預期將有較佳的預測績效；反

之，若現貨價格存在著期貨價格尚未反應的訊息時，則加入現貨價格來考

慮期貨價格的預測，亦將使誤差減少，而預期將有較佳的預測績效。

台灣本土指數期貨市場開始交易至今已有近八年的時間，期貨對現貨

是否具有價格變動上之領先性及台指期貨與小型台指期貨之價格發現能

力是否有明顯差異，應為期貨交易者所希望了解的；本研究將透過實證進

行分析，若驗證出期貨領先現貨，當一訊息出現，期貨必先反應，則投資

者可藉由期貨價格的變化來推敲現貨價格的變化，進而獲取利潤。此為本

研究之主要動機。除多數研究探討的台灣加權股價指數現貨與台灣指數期

貨外，本研究另加入為小額投資人設計之小型台灣指數期貨，比較其與台

指期貨之價格發現能力是否有差異。

-4-
第二節 研究目的

根據上述動機，本研究以日內每 5 分鐘之樣本資料來探討台股指數期

貨、小型台股指數期貨與台灣加權股價指數之間的價格發現關係，研究目

的如下：

一、探討台股指數期貨、小型台股指數期貨與台灣加權股價指數之時間序

列是否為定態數列。

二、探討台股指數期貨、小型台股指數期貨與台灣加權股價指數中兩兩相

互間是否存在長期均衡關係。

三、研究台股指數期貨、小型台股指數期貨與台灣加權股價指數中兩兩相

互間價格之前期誤差調整情形。

四、探討台股指數期貨、小型台股指數期貨與台灣加權股價指數中兩兩相

互間價格之領先落後關係。

-5-
第三節 研究架構

本文共分為五章，各章的摘要如下：

第一章為緒論。說明本文之研究背景與動機，並說明研究目的與研究架構。

第二章為理論與文獻探討。首先說明理論基礎及與期貨相關之國內外文獻

探討，包括影響價格發現的原因。其次，對前人針對「股價指數期貨與現

貨間領先─落後關係」的實證研究結果作一整理與比較。

第三章為研究方法。旨在說明本文研究方法，包括：ADF 單根檢定、共整

合檢定、Granger 因果關係之定義與檢定、誤差修正模型(ECM)以及加入誤

差修正模型之 Granger 因果關係檢定。

第四章為實證結果。說明經由前述方法得到台股指數期貨、小型台股指數

期貨與台灣加權股價指數間之因果關係。

第五章為結論與建議。

-6-
本研究之研究流程如圖 1-1 所示：

研究動機與目的

確立研究主題

理論與文獻探討

建立研究方法

蒐集樣本資料

進行實證分析

分析研究結果

結論與建議

圖 1-1：研究流程

-7-
 第二章 理論與文獻回顧

指數期貨是現貨所衍生出來的商品，具有高財務槓桿、低交易成本與

高流動性的特性，問世以來提供了股市投資者一個更廣泛、更有效率參與

股票市場的工具。儘管如此，關於期貨市場的發展對於現貨市場的影響，

過去以來一直有著正反兩方的看法。支持者認為期貨提供了投資者一個避

險管道，且具有價格發現功能，可以讓現貨價格維持均衡，提供了穩定市

場的功能。然而反對者卻認為期貨市場的發展，會增加現貨市場的波動

性，是一個不穩定的因子(陳威光，民 90)，例如 1987 年 10 月的全球股市

大崩盤即被某些人認為是指數期貨所造成。不論如何，全球股價指數期貨

發展了二十餘年，在台灣亦已近八年，的確提供了現代經濟社會運作的許

多功能，本研究將就股價指數期貨的價格發現功能以實證方式作探討。

本章共分為二大部份，首先以持有成本理論與效率市場理論來說明期

貨與現貨之間的價格關係，再針對相關文獻作一回顧。

-8-
第一節 理論基礎

一、持有成本理論

在探討期貨與現貨的理論中，持有成本理論(Cost-of-Carry Theory)

是最常被用來分析兩者價格關係的基礎。持有成本理論指出，期貨的價格

應該等於現貨的價格加上持有該現貨商品至期貨契約交割日的持有成

本，不然就會有套利機會。而持有成本一般包括利息成本、倉儲成本等，

可以下列公式表示：

期貨價格=現貨價格+持有現貨成本

持有成本理論建議若期貨價格不等於持有成本所建議的理論價格

時，便產生了一個無風險套利的機會，套利者將買入低估者、賣空高估者，

在此一套利行為運作之下，期貨價格便會與現貨價格保持一定均衡的長期

關係。

但是在討論持有成本理論時，都是假設市場是完美的市場，但事實上

由於市場並非完美，使得套利的機制無法非常順利地進行。以指數期貨而

言，在期貨市場上的不完美一般包括：交易制度、交易成本、借貸的資金

成本不相等、稅賦效果以及證券無法無限分割等(陳威光，民 90)。舉其要

者說明如下：

(一)交易制度之不同

各國期貨市場對於買入或賣空的行為並無多大的限制，但在現貨市

場對於賣空卻往往有許多限制，例如平盤以下不得賣空。因此，當現貨

價格相對期貨價格高估時，套利交易者往往無法透過「賣空現貨、買進

-9-
期貨」之策略進行套利。因此造成套利空間始終存在，無法達成均衡。

(二)交易成本存在

在交易的現實面中，交易成本往往是造成市場不完美的主要原因之

一。市場上的套利者原本可藉由在現貨與期貨兩市場內一買一賣的套利

策略獲取無風險利潤，但若當交易成本高於套利利潤時，此策略將變得

無利可圖。因此，套利者會等到現貨與期貨價格偏離均衡關係達到一定

程度後(差價大於交易成本)，才會進行套利行為。

(三)資金成本不同

完美市場成立的條件之一必須是借貸條件相同。但在實務上，借貸

條件往往隨著個人信用風險、借貸金額不同以及市場資金供需狀況的不

同而有所改變；故不同套利者之資金成本不會相同，套利的條件也會相

異。也正因為資金成本不同的緣故，期貨與現貨價格的均衡關係也可能

不存在。

(四)成交速度的落差

往往進行套利時，是假設該套利活動可以在同一時間成交，而立即

賺取價差。然而實際的情況是，現貨的交易是代表著一籃子的股票交易，

基於各股票的流動性不同，因此可能發生各股票的成交價格與理想的價

格有所落差的情形。若現貨的價格無法即時反應資訊，則期貨與現貨之

間會存在著落差關係，無法維持上述的均衡關係。

(五)稅賦效果不同

-10-
 在現貨市場的某些情況下，有可能個人投資者有權利選擇實現其資

本利得或損失的時點(timing option)，因此可以創造一些稅賦上的利

益，但在期貨市場卻未必可以(如美國)。這項稅賦效果的差異，將有可

能使得期貨價格略低於依持有成本理論所得出的均衡價格。

二、效率市場理論

期貨與現貨指數間的關係一直被廣泛地討論與驗證，然而期貨市場的

效率性是包括價格發現在內的期貨市場功能是否能順利展現之關鍵因

素。而這些功能取決於期貨市場是否能有效率地且不偏地預測未來某一時

點的現貨價格水準，也就是期貨價格是否為未來現貨價格的不偏估計值，

正因為如此，以下將針對效率市場理論作一描述。

效率市場(Efficient Market)的表現是在假設市場為無成本、無交易

限制與無稅賦的情形下，資訊能夠迅速傳播，任何投資人均無法透過內線

消息而賺取超額報酬。也就是說，市場價格機制的運作將充分反映所有最

新產生的資訊，使得該資產的價格得以快速達到均衡價格。另外，由於在

效率市場的結構下，價格機制必然能夠充分發揮，當市場接收了新的資

訊，自會即時作出充分反應，是故在相同資訊的刺激下，即使在不同的商

品市場，也應該會迅速作出相同反應，使得投資人亦無法在不同的市場套

利而獲得超額報酬。

本研究所探討的期貨價格發現功能，實為效率市場的一種表現。價格

發現是指價格反應新資訊的速度與程度，當市場產生了新的資訊，透過投

資者的判斷以進行市場資產的買賣行為。Fama(1965)提出的效率市場假說

(Efficient Market Hypothesis,EMH)，認為一個效率市場已經充份反映

了所有已知的訊息，所有的投資者均無法預測股票未來的價格並獲得超額

-11-
利潤，市場的價格機制運作會反映所有最新產生的資訊，使得股票的價格

能以最快的速度反映資訊而達到均衡價格。換言之，若市場為一效率市

場，所有的股票價格應該會反映市場現在擁有的所有資訊，且即使以不同

的形式包裝成各種工具，如現貨、期貨、選擇權或 ETF，也會有同時反應

的現象。

效率市場可分為三種形式：弱式效率市場、半強式效率市場及強式效

率市場，其間的主要區別在於訊息的範圍。弱式效率市場僅使用過去價格

所提供的資訊，半強式效率市場使用了所有截至目前已公開的訊息，強式

效率市場則使用了包括內部資訊在內的所有資訊。在現實的經濟社會中，

任何資本市場都不太可能是強式效率市場，只能說當市場越趨向成熟時，

將會越趨向強式效率市場。

在 Fama 提出了效率市場假說後，便有一些人士希望去了解所處的市

場是否具有效率性，甚或希望能擊敗市場，對效率市場理論作一些研究。

例如 Gencay(1998)與 Rockinger and Urga(2000)利用過去股價資料是否

具有預測未來股價的能力，而企圖推翻效率市場；Hudson, Keasey &

Littler (2001)則以技術分析是否比基本分析更具超額利潤來證明市場是

否具有效率性。

-12-
第二節 文獻回顧

關於期貨價格發現之市場功能，一向為投資者及學界所關注，以下茲

就期貨市場不同之價格發現功能結果的相關文獻加以介紹。

一、國外相關文獻

Kawaller, Koch, and Koch(1987)研究 S&P 500 指數期貨與現貨市場

間的價格發現關係。資料期間為 1984 年至 1986 年間的七個季度，取日內

每分鐘交易資料為樣本，利用「三階段最小平方法 」為主要分析工具。

除研究指數期貨與現貨的領先落後關係外，並研究此領先落後關係是否會

隨著期貨契約到期日的逼進而有所不同，實證後得到如下結果：

1.期貨與現貨存在著明顯的同期影響關係，也就是兩者之間會相互影響彼

此的價格走勢。

2.每日指數期貨領先現貨的時間約是 20 至 45 分鐘，而現貨領先期貨的時

間則只有不到 1 分鐘，因此期貨領先現貨幾乎是可以確定的。

3.當以數個子期觀察時，領先效果並不會隨到期日的遠近而有所不同，意

味著並無到期日效果的存在。

Stoll and Whaley (1990)研究以 S&P500、MMI(Major Market Index)

與 IBM 股價為標的之指數期貨與現貨間的價格發現關係，研究涵蓋期間分

別為 1982 年 4 月 21 日至 1987 年 3 月 31 日、1984 年 7 月 23 日至 1987 年

3 月 31 日與 1982 年至 1986 年所有交易日，並採用日內 5 分鐘作為分析資

料之選取。發現以下重要結論：

1.排除不頻繁交易與買賣價差因素後，兩種指數期貨平均領先現貨約 5 分

鐘，亦偶有大於 10 分鐘者。

2.即使以交易頻繁的 IBM 股票替代現貨指數，兩種期貨指數仍是領先現貨。

-13-
3.儘管期貨相對現貨處於領先地位，但前期現貨報酬率亦會對本期期貨報

酬率有微弱(weak)的正向影響；但隨著期貨市場的日漸成熟，現貨對期

貨的影響隨之減弱。

4.期貨領先現貨的現象除了來自非同步交易外，亦來自價格發現所指的新

訊息先在期貨市場傳播，產生價格變化後套利者迅速進入，使得兩者關

係恢復持有成本理論下的均衡狀況。

Wahab and Lashgari(1993)研究 S&P 500 與英國 FT-SE100 指數期貨

與現貨間的關係，研究樣本為 1988 年 1 月 4 日至 1992 年 5 月 30 日之日

交易資料，運用誤差修正模型(ECM)、Granger 因果關係檢定與向量自我迴

歸模型(VAR Model)為分析工具，來檢定期貨與現貨間的共整合關係。其

實證結果如下：

1.兩種指數的期貨與現貨均存在共整合關係。

2.前期價格對目前價格僅產生微弱的影響，代表了前期價格的預測能力並

不顯著。

3.就價格發現而言，儘管期貨與現貨間具有回饋的關係，但現貨領先期貨

的現象較期貨領先現貨的現象更為顯著。

4.誤差修正模型將長短期的效果均考慮至模型中，因此較向量自我迴歸模

型有較佳的預測能力。

Tse(1995)研究以在新加坡國際金融交易所(SGX-DT)交易的日經 225

指數期貨與在大阪證券交易所(TSE)交易的日經 225 股價指數現貨之領先

落後關係。樣本資料為 1988 年 12 月至 1993 年 1 月之日交易資料，利用

誤差修正模型(ECM)、考慮持有成本的誤差修正模型以配合期貨與現貨間

長期均衡關係，主要得到了以下結論：

1.兩種誤差修正模型均獲致相同的結論，即期貨價格將影響現貨價格，反

-14-
 之則不然。

2.期貨領先現貨超過一天，作者認為與交易系統的不同無關，而是因為期

貨市場較有效率且為系統性訊息之主要來源。

3.日經 225 指數期貨的確具有價格發現的功能，現貨則不然。此外，若考

慮期貨與現貨間的共整合現象，也就是兩者間的長期均衡關係，將能更

有效地預測未來現貨價格。

Abhyankar(1995)研究英國 FT-SE100 指數期貨與現貨的關係，選取

1986 年 4 月 28 日至 1986 年 10 月 24 日(英國金融大改革前)、1986 年 10

月 27 日至 1987 年 9 月 30 日(大改革至 1987 年股市崩盤)及 1988 年 1 月 5

日至 1990 年 3 月 23 日(股市崩盤後)三個時期日內每小時資料，採用 EGARCH

模型作分析。實證結果如下：

1.在整個期間中，期貨與現貨間具有明顯的同時性(contemporaneous)關

係。

2.在各期間中，期貨報酬率均領先現貨報酬率。

3.在普通(moderate)消息出現時，期貨報酬率領先現貨報酬率；而在好、

壞消息出現時，則沒有明顯的領先落後關係。

4.市場波動性高時，期貨報酬率領先現貨報酬率；而在市場波動性低時，

則沒有明顯的型態。

5.當市場出現極端(極大或極小)交易量時，期貨出現大幅領先現貨的情

形。

6.交易成本的確是交易者偏好期貨的原因之一，此點由大改革至股市崩盤

期間(現貨交易成本降低)，期貨領先現貨的幅度降低得到證實。

Min and Najand(1999)是以南韓 KOSPI 200 指數為標的，探討期貨與

現貨間報酬率與波動性的領先落後關係。樣本資料為 1996 年 5 月 3 日至

-15-
1996 年 10 月 16 日之日內 10 分鐘交易資料，以動態同步方程式模型

(Dynamic Simultaneous Equation Models，SEM)與向量自我迴歸模型(VAR

Model)為分析工具，得出以下結論：

1.報酬率方面，期貨明顯領先現貨，並長達 30 分鐘之久。

2.利用 SEM 方法所得出之結果顯示，期貨落後(lagged)報酬對現貨的影

響，遠大於同期(Contemporaneous)期貨報酬對現貨之影響。

3.波動性方面，則發現期貨與現貨間有雙方向的因果關係，且此關係與樣

本期間有關。

4.期貨交易量會對現貨產生影響，但反之則不然(9 月份契約除外)。

5.基於市場的不完美性，會造成期貨對資訊的反應較現貨為快。

Chu, Hsieh and Tse(1999)利用 VECM 方法探討 S&P 500 指數現貨、

期貨與 SPDRs(ETF)間之價格發現關係，研究樣本為 1993 年 1 月 29 日至

1999 年 12 月 31 日之日內資料。實證結果發現：

1.指數期貨領先市場且最具價格發現功能。

2.指數期貨相較於 SPDRs，具有較高之槓桿效果且不受平盤以下不得放空

之限制，因此具有較佳之價格發現功能。

Kim, Szakmary and Schwarz(1999)探討不同交易成本市場之期貨價

格發現能力，利用自我迴歸模型(VAR Model)、預期誤差變異數分解與衝

擊反應函數等方法，對 S&P 500、NYSE Composite 及 MMI 指數期貨與現貨

作分析，取樣來源為 1986 年 1 月至 1991 年 7 月之日交易資料。發現以下

結果：

1.三個期貨合約中以 S&P 500 價格最為領先，對自己及其他市場之未預期

未來變動具有最高之解釋能力。

2.衝擊反應分析結果顯示，任何一個市場發生衝擊時，均能迅速傳遞至其

-16-
 他的市場，但反應時間則因市場來源不同而有差異。

3.在現貨市場方面，以 MMI 指數價格最為領先，有最高之解釋能力去解釋

其他市場。

4.由 S&P 500 期貨及 MMI 現貨之低交易成本與價格領先效果，可知低交易

成本為價格發現之一大原因。

Chiang and Fong(2001)則以香港恆生指數期貨、現貨與選擇權市場

為研究對象，以日內 5 分鐘報酬率為交易樣本，採用一般化動差估計法進

行實證研究，得到以下發現：

1.期貨領先現貨的時間較落後的時間為長。

2.選擇權領先現貨的時間較落後的時間來得短。

Gwilym and Buckle(2001)研究 FTSE 100 股價指數期貨、現貨與選擇

權市場之領先落後關係，選樣資料為 1986 年至 1990 年牛市期間日內每小

時，利用一般化動差估計法為研究工具，實證研究後發現：

1.期貨及選擇權均領先現貨。

2.選擇權買權些微領先期貨及選擇權賣權，因買權與賣權交易成本相當接

近，故認為除了交易成本外，市場景氣亦為決定領先落後關係之因素。

Chatrath, David, Dhanda and Koch(2002)研究 S&P 500 指數期貨對

股價現貨之領先效果，研究樣本為 1993 年至 1996 年之日內 15 分鐘交易

資料，採用的研究方法向量自我迴歸模型(VAR Model)分析法。實證分析

結果發現：

1.當市場行情處於上升趨勢時，期貨領先現貨的效果明顯較高；相反地，

當市場行情處於下降趨勢時，期貨之領先效果則降低，且與現貨間呈現

較強之回饋關係。

2.以市場波動性分析，則發現期貨之領先效果與波動性呈現正相關。
-17-
3.每日開盤及收盤時段為當日交易較頻率之時間，其期貨之領先效果較為

微弱。

Roope and Zurbruegg(2002)以摩台指期貨、摩台指現貨、台指期貨

與台指現貨為對象，進行價格發現功能之實證研究。取樣資料為 1999 年 1

月 11 日至同年 6 月 30 日之日內 5 分鐘交易資料，分析工具則為共整合檢

定、誤差修正模型與共同因子模型。實證結果歸納如下：

1.摩台指期貨、台指期貨與台指現貨三者間存在共整合關係。

2.摩台指期貨與摩台指現貨以及台指期貨與台指現貨間互為因果關係，但

台指現貨與摩台指現貨間則無因果關係。

3.不論摩台指市場或台指市場，期貨均具有價格發現功能，但新資訊會在

摩台指期貨市場先反應，再傳遞至台指期貨市場。

Kurov and Lasser(2004)利用共因子模型針對 S&P 500 與 Nasdaq 100

指數，探討 E-mini 與一般期貨契約之價格發現能力。資料選取期間為 2001

年 5 月 7 日至 2001 年 9 月 7 日之日內每秒高頻資料，得到如下結論：

1.不論是 S&P 500 或 Nasdaq 100 指數，均為 E-mini 契約價格顯著領先一

般期貨契約。

2.E-mini 之所以價格領先，可能是相較之下其契約價格撮合速度較快、交

易資料較為正確、定價資訊透明度較高、流通性較高及交易隱匿度較佳

等因素。

Zhong, Darrat and Otero(2004)則以墨西哥指數期貨之價格發現功

能為研究對象，利用 EGARCH 模型為研究工具。實證後發現：

1.墨西哥指數期貨市場之價格發現功能非常明顯。

2.期貨交易會造成現貨市場的波動，為現貨市場不穩定的來源。

-18-
 Raymond and Tse(2004)利用共同因子模型(Common Factor Model)及

GARCH 模型，探討香港恆生股價指數中現貨、期貨與追蹤基金之價格發現

功能，資料期間為 1999 年 11 月 12 日至 2002 年 6 月 28 日之日內每分鐘

資料。實證得到的結果如下：

1.三著間均存在著共整合關係，且受到一個共同因子所影響。

2.其中期貨的價格發現功能最強，現貨次之，追蹤基金則幾乎完全沒有價

格發現效果。

二、國內相關文獻

吳易欣(民 87)研究新加坡摩根台股指數期貨與現貨價格之領先與落

後關係。研究樣本為 1998 年 3 月 1 日至 1998 年 3 月 18 日之日內 5 分鐘

資料，以 Engle-Granger 兩階段估計法、Johansen 最大概似法及誤差修正

模型作分析工具，實證得到如下結果：

1.台股指數期貨與現貨間存在共整合關係，表示兩者間具有長期均衡關

係。

2.期貨價格領先現貨價格約 15 分鐘，兩數列有單方向之因果關係；表示

期貨為現貨之因，反之則不然。

鄭婉秀(民 90)採用 EGARCH 模型分析探討股價指數期貨與現貨間的關

聯性與波動外溢效果，對下列五個市場作日資料的研究：S&P 500 指數、

日經 225 指數、摩根台股指數、法國 CAC 40 指數及英國 FT-SE100 指數。

實證結果整理如下：

1.上述五個樣本指數之期貨與現貨間都存在有長期均衡關係。

2.期貨與現貨間互有領先地位，兩者會互相影響，都有價格發現之功能。

其中 S&P 500 指數與摩根台股指數兩者的領先地位相當，日經 225 指數

期貨領先地位較明顯，法國 CAC 40 指數及英國 FT-SE100 指數則是現貨

-19-
 主導地位較強；顯見現實社會中並不存在持有成本理論。

3.在波動外溢效果方面，S&P 500 指數與摩根台股指數期貨有較強的波動

外溢效果，而日經 225 指數、法國 CAC 40 指數及英國 FT-SE100 指數則

是現貨有較強的波動外溢效果。另外除 S&P 500 指數外，其餘四者的期

貨與現貨市場都有波動群聚的現象。

4.S&P 500 指數具有領先地位，其餘四者均會隨其波動而波動。

劉聖駿(民 90)利用單根檢定、共整合模型、誤差修正模型、Granger

因果關係、ARCH 與 GARCH 模型、衝擊反應函數等工具，探討台指期貨、台

指現貨、摩台指期貨、摩台指現貨之關聯性，取樣資料為 1999 年 1 月 5

日至 2000 年 10 月 31 日之每日收盤價。發現以下結果：

1.不論是台指市場或摩台指市場，期貨與現貨間皆存在著長期而穩定之均

衡關係。

2.當發生失衡狀況時，台指市場主要透過期貨價格的調整來完成，摩台指

市場則透過期貨與現貨價格之調整來完成。

3.台指市場呈現現貨影響期貨之單向因果關係，摩台指市場則是呈現期貨

與現貨互為因果之回饋關係。

謝文良(民 91)利用共整合檢定、誤差修正模型輔以變異數分解與衝擊

反應函數等方法，探討台股指數的價格發現功能及資訊傳遞過程。資料選

取期間為 2000 年 3 月 29 日至 2001 年 6 月 7 日之日內極小化同時配對資

料，得到如下的結論：

1.台股現貨與期貨的價格間存在一共同長期趨勢，兩市場形成共整合系

統。

2.現貨價格修正本身偏離而朝向長期均衡均衡的態勢較明顯，表示期貨的

主導地位較強。

-20-
3.兩個市場都具有雙向回饋的資訊傳遞，但期貨的衝擊影響較現貨深遠，

顯示出期貨有較強的價格發現功能。

4.期貨市場的主導地位在成交量放大的時間區間較明顯，顯示交易量與價

格發現功能存在正向關係。

施雅菁(民 91)採用共整合模型、誤差修正模型、變異數分解與衝擊反

應函數等工具，探討小型台指期貨之價格發現能力，並以台股現貨與台股

期貨作為比較。資料採樣為 2001 年 4 月 10 日至 2001 年 12 月 31 日之日

內每分鐘交易資料。實證結果發現：

1.三個市場之間具有長期均衡關係與一致性的長期共同趨勢。

2.台股指數期貨之價格發現能力在長短期關係中均最為顯著，小型台指期

貨與現貨之價格發現能力則為伯仲之間，遠遜於台指期貨。

杜化宇、王凱蒂(民 92)探討台灣加權指數期貨與現貨間的價格發現關

係與週日效應型態，選取 1998 年 9 月 1 日至 2000 年 12 月 31 日之日內 5

分鐘資料共 12,420 筆，利用 ADF 單根檢定、共整合檢定、誤差修正模型、

衝擊反應分析與變異數分解等，主要得出下列結論：

1.台股指數期貨與現貨間存在共整合關係，表示兩者間具有長期均衡關

係。此一結果與國內外研究結果相符。

2.期貨與現貨除週休二日的週五外，均有往均衡移動之現象。

3.週二至週六之交易呈現期貨與現貨相互回饋之關係，週一之交易則是現

貨單向影響期貨。

4.在衝擊反應分析方面，期貨所扮演的資訊指標角色在週四顯得較不重

要。

李俊杉(民 92)以 Johansen 共整合向量分析台指期貨、摩台指期貨與

-21-
台指現貨指數間之價格調整過程。樣本資料為 1999 年 1 月至 2002 年 4 月

之每日收盤價，結果發現：

1.在價格發現上以摩台指期貨較為顯著。

2.只有台股現貨市場的波動對三市場報酬有顯著的關係。

唐婉崴(民 92)針對 NASDAQ 100 指數探討指數現貨、指數期貨與指數

ETF 三個市場間的價格發現關係，選取樣本為 1999 年 3 月 10 日至 2000 年

3 月 10 日之日內每分鐘資料，使用單根檢定、共整合檢定、誤差修正模型

以及衝擊反應分析與變異數分解等方法作分析。歸納出下列結論：

1.指數期貨與指數 ETF 具有較優越之價格發現能力，能夠驗證交易成本假

說與市場資訊假說的看法。

2.存在兩商品間的價格發現關係，並不能夠以之對三商品間的價格關係進

行推測。表示在具有關聯性的不同市場，在彼此影響下，的確會在價格

關係上發生變化。

詹錦宏、蔡建安(民 94)探討台灣加權股價指數期貨與現貨、摩根台指

期貨與現貨之價格發現關係，所採用的資料為 1998 年 7 月 21 日至 2002

年 5 月 20 日的每日收盤價格。利用 ADF 單根檢定、共整合檢定、誤差修

正模型、Granger 因果關係檢定及 Gonzalo-Granger 共因子模型等工具，

結果大致歸納如下：

1.不論是台指市場或摩台指市場，其期貨及現貨皆存在共整合關係。

2.上述四個指數之研究組合皆非單一方向之因果關係，而是存在互為因果

的回饋關係。

3.摩台指期貨在價格發現的功能上扮演著相當重要的角色，而台指期貨價

格的變化則並不具領先關係。

古永嘉、李淑慧(民 93)以台股指數現貨、期貨與選擇權為研究對象，
-22-
運用 ADF 單根檢定、Granger 因果關係檢定、向量自我迴歸模型(VAR)、變

異數分解與衝擊反應函數、狀態空間模型(SSM)等工具，探討三者間的價

格關聯性。資料期間為 2001 年 12 月 24 日至 2003 年 8 月 31 日之日交易

資料，研究結果如下：

1.由 Granger 因果關係檢定發現，現貨為期貨之因，期貨則非現貨之因，

即代表兩者間僅具有單向關係。

2.由狀態空間模型(SSM)則發現，現貨、期貨與選擇權間存在著領先落後

關係，且呈現正向與負向之相互關係。現貨不受期貨與選擇權之影響，

期貨受現貨與選擇權之影響，選擇權受期貨與現貨之影響。

洪惠娟(民 93)針對 S&P 500 指數現貨、期貨與 SPDRs(ETF)之間的價

格發現關係作探討，樣本期間為 1998 年 7 月 1 日至 1998 年 7 月 1 日之日

內五分鐘交易資料，利用 ADF 單根檢定、共整合檢定、向量誤差修正模型、

變異數分解與衝擊反應函數進行實證研究。發現結果歸納如下：

1.長期而言，三個市場有共整合性質，顯示其具有長期均衡關係。

2.短期來說，三個市場會相互影響，也就是具有回饋關係。

3.由誤差修正模型得出三個市場皆有短期偏離調整至長期均衡，但期貨調

整較不明顯。

4.由變異數分解與衝擊反應函數發現，期貨變動之衝擊是影響系統變數之

主要來源。

施懷哲(民 93)利用 ADF 單根檢定、Granger 因果關係檢定、共整合檢

定與衝擊反應分析為工具，對台股指數現貨、期貨與選擇權之關聯性進行

實證研究，選取資料為 2002 年 1 月 1 日至 2002 年 12 月 31 日之日內每分

鐘交易資料。得到以下結論：

1.以 ADF 單根檢定發現指數買權與賣權為定態，而指數期貨與現貨為非定

-23-
 態。

2.在共整合檢定中，指數期貨與現貨存在共整合關係。

3.現貨與期貨、期貨與買權、買權與賣權有雙向因果關係；現貨與買權價

格差異之間、期貨與賣權價格差異之間有單向因果關係，現貨領先買權

價格，而期貨領先賣權價格。

4.衝擊反應分析的結果發現，現貨受外在的衝擊反應較慢，期貨與選擇權

則反應較快。

陳文全(民 93)以 2002 年 2 月 6 日至 2002 年 3 月 31 日之每分鐘資料

分析台灣台股指數期貨、金融股價指數期貨及電子股價指數期貨之價格發

現功能，並探討期貨與現貨間是否具有無風險套利機會。運用之分析工具

為 ADF 單根檢定、PP 單根檢定及 Granger 因果關係檢定，得到以下的結果：

1.不論是 ADF 單根檢定或 PP 單根檢定，樣本時間序列均呈現定態。

2.在最適落後期則發現台指期之最適落後期為 21 期，金融期之最適落後

期為 26 期，電子期之最適落後期則為 20 期。

3.在 Granger 因果關係檢定上則發現，上述三者之期貨與現貨間均為雙向

因果關係，故期貨與現貨均具備價格發現關係。

4.考慮了交易成本後，期貨價格與現貨價格間仍存在無風險套利機會。

陳怡伶(民 93)利用誤差修正模型、Granger 因果關係與 EGARCH 模型

探討「台指與台指期」、
「台指與台灣 50 ETF」及「台指期與台灣 50 ETF」

價格領先與落後關係。採用 2003 年 6 月 30 日到同年 12 月 31 日之日內 5

分鐘資料，發現如下結論：

1.在誤差修正模型方面，「台指與台指期」在長期關係上互有領先關係，

在短期關係而言，台指期貨則較具領先地位；
「台指與台灣 50 ETF」之

間，台指現貨在長期與短期關係均領先台灣 50 ETF；「台指期與台灣 50

-24-
 ETF」長期關係無顯著的領先關係，在短期關係而言，台指期貨較具領

先地位

2.在 EGARCH 模型方面，上述三組組合均存在領先落後關係。

張哲郎(民 94)探討台指現貨、台指期貨與台灣 50ETF 之價格發現關

係，採用每分鐘最後一筆成交值配對的高頻取樣日內資料。主要使用的模

型為單根檢定、共整合檢定、誤差修正模型、因果檢定、衝擊反應函數分

析及預測誤差變異數分析。將三種商品的時間序列資料分為四類，以兩商

品間的關係和三商品間的關係做探討。所得結果如下：

1.三種商品間存在長期均衡關係。

2.在因果關係檢定中得到四種分類的資料間皆存在相互影響之回饋關係。

3.在向量誤差修正模型中，價格領先的順序依序為台指期貨、ETF、台指

現貨。

4.在預測誤差變異數分解模型中，價格領先的順序同樣為台指期貨、ETF、

台指現貨。

在回顧國內外相關文獻後，本研究依交易市場之分類，另外整理於表

3-1、表 3-2 及表 3-3。

表 3-1 美國指數期貨市場文獻
作者 研究商品 研究期間 研究方法 實證結果
Kawaller, S&P 500 1984 年至 1986 三階段最小 期貨與現貨為同
Koch, and 年間的七個季 平方法 期影響關係，但
Koch(1987) 度日內資料 以期貨之價格領
先性較強。
Stoll and S&P500 、 1982 年 4 月 21 ARMA 模型 期貨領先現貨
Whaley MMI 與 IBM 日至 1987 年 3
(1990) 股價 月 31 日、1984
年 7 月 23 日至

-25-
 1987 年 3 月 31
日與 1982 年至
1986 年日內資
料
Wahab and S&P 500 1988 年 1 月 4 Granger 因 期貨與現貨間具
Lashgari 日至 1992 年 5 果關係、誤 有回饋的關係，
(1993) 月 30 日之日交 差修正模型 但現貨領先期貨
易資料 (ECM) 的現象較期貨領
先現貨的現象更
為顯著。
Chu, Hsieh S&P 500 1993 年 1 月 29 VECM 指數期貨領先市
and 日 至 1999 年 場且最具價格發
Tse(1999) 12 月 31 日之 現功能
日內資料
Kim, S&P 500 、 1986 年 1 月至 向量自我迴 三個期貨合約中
Szakmary NYSE 1991 年 7 月之 歸模型、預 以 S&P 500 價格
and Composite 日交易資料 期誤差變異 最為領先，現貨
Schwarz 及 MMI 指數 數分解與衝 市場方面則以
(1999) 擊反應函數 MMI 指數價格最
為領先。
鄭 婉 秀 S&P 500 1996 年 1 月 1 EGARCH 模 期貨與現貨間互
(2001) 日 至 2000 年 型 有領先地位，兩
10 月 31 日之 者會互相影響，
日交易資料 都有價格發現之
功能。
Chatrath, S&P 500 1993 年至 1996 向量自我迴 市場行情處於上
David, 年之日內資料 歸模型 升趨勢時，期貨
Dhanda and 領先現貨的效果
Koch(2002) 明顯較高；期貨
之領先效果與波
動性呈現正相
關。
唐 婉 崴 NASDAQ 100 1999 年 3 月 10 誤差修正模 指數期貨具有較
(2003) 日至 2000 年 3 型、衝擊反 優越之價格發現
月 10 日之日內 應分析、變 能力
資料 異數分解
Kurov and S&P 500 、 2001 年 5 月 7 共因子模型 E-mini 契約價格
Lasser NASDAQ 100 日至 2001 年 9 顯著領先一般期

-26-
(2004) 月 7 日之日內 貨契約
資料
洪 惠 娟 S&P 500 1998 年 7 月 1 向量誤差修 期貨與現貨為回
(2004) 日至 1998 年 7 正模型、變 饋關係
月 1 日之日內 異數分解、
資料 衝擊反應函
數
資料來源：本研究整理

表 3-2 台灣指數期貨市場文獻
作者 研究商品 研究期間 研究方法 實證結果
吳 易 欣 摩台指 1998 年 3 月 1 Engle-Gra 期貨領先現貨，
(1998) 日至 1998 年 3 nger 兩 階 兩數列有單方向
月 18 日之日內 段 估 計 之因果關係。
資料 法、誤差修
正模型
鄭 婉 秀 摩台指 1997 年 1 月 9 EGARCH 模 期貨與現貨間互
(2001) 日至 2000 年 10 型 有領先地位，兩
月 31 日之日交 者會互相影響，
易資料 都有價格發現之
功能。
劉 聖 駿 摩台指、台 1999 年 1 月 5 Granger 因 台指市場呈現現
(2001) 指 日至 2000 年 10 果關係、 貨影響期貨之單
月 31 日之日交 ARCH 與 向因果關係，摩
易資料 GARCH 模 台指市場則是呈
型、衝擊反 現期貨與現貨互
應函數 為因果之回饋關
係。
Roope and 摩台指、台 1999 年 1 月 11 誤差修正 期貨現貨為回饋
Zurbruegg 指 日至同年 6 月 模型、共同 關係，期貨均具
(2002) 30 日之日內交 因子模型 有價格發現功
易資料 能。
謝 文 良 台指 2000 年 3 月 29 誤差修正 期貨價格發現功
(2002) 日至 2001 年 6 模型、變異 能優於現貨
月 7 日之日內 數分解、衝
交易資料 擊反應函

-27-
 數
施 雅 菁 台指、小型 2001 年 4 月 10 誤 差 修 正 台股指數期貨之
(2002) 台指 日至 2001 年 12 模型、變異 價格發現能力最
月 31 日之日內 數 分 解 與 為顯著，小型台
資料 衝擊反應 指期貨與現貨之
函數 價格發現能力則
為伯仲之間，遠
遜於台指期貨。
杜化宇、王 台指 1998 年 9 月 1 誤差修正 週二至週六之交
凱蒂(2003) 日至 2000 年 12 模型、衝擊 易呈現期貨與現
月 31 日之日內 反應分析 貨相互回饋之關
資料 與變異數 係，週一之交易
分解 則是現貨單向影
響期貨。
李 俊 杉 摩台指、台 1999 年 1 月至 Johansen 價格發現上以摩
(2003) 指 2002 年 4 月之 共整合向 台指期貨較為顯
日交易資料 量分析 著
古永嘉、李 台指 2001 年 12 月 24 Granger 因 現貨單向影響期
淑慧(2004) 日至 2003 年 8 果關係、變 貨
月 31 日之日交 異數分解
易資料 與衝擊反
應函數、狀
態空間模
型
施 懷 哲 台指 2002 年 1 月 1 Granger 因 期貨與現貨為回
(2004) 日至 2002 年 12 果關係檢 饋關係
月 31 日之日內 定、衝擊反
資料 應分析
陳 文 全 台指、金融 2002 年 2 月 6 Granger 因 期貨與現貨均具
(2004) 指 數 及 電 日至 2002 年 3 果關係 備價格發現關係
子指數 月 31 日之日內
資料
陳 怡 伶 台指 2003 年 6 月 30 誤差修正 現貨與期貨在長
(2004) 日到同年 12 月 模 型 、 期關係上互有領
31 日之日內資 Granger 因 先關係，在短期
料 果關係、 關係而言，期貨
EGARCH 模 則較具領先地
型 位。

-28-
詹錦宏、蔡 摩台指、台 1998 年 7 月 21 Granger 因 摩台指期貨價格
建安(2005) 指 日至 2002 年 5 果關係、共 發現功能顯著，
月 20 日之日交 同因子模 而台指期貨則不
易資料 型 然。
張 哲 郎 台指 2003 年 9 月 1 誤差修正 期貨與現貨為回
(2005) 日到 2004 年 9 模 型 、 饋關係，但期貨
月 30 日之日內 Granger 因 之價格領先性較
資料 果關係、衝 強。
擊反應函
數分析、預
測誤差變
異數分析
資料來源：本研究整理

表 3-3 其他指數期貨市場文獻
作者 研究商品 研究期間 研究方法 實證結果
Wahab and FT-SE100 1988 年 1 月 4 Granger 因
期貨與現貨間具
Lashgari 日至 1992 年 5 果關係、誤 有回饋的關係，
(1993) 月 30 日之日交 差修正模型 但現貨領先期貨
易資料 (ECM) 的現象較期貨領
先現貨的現象更
為顯著。
Tse(1995) 日經 225 1988 年 12 月至 誤差修正模 期貨的確具有價
1993 年 1 月之 型(ECM) 格發現的功能，
日交易資料 現貨則不然。
Abhyankar FT-SE100 1986 年 4 月 28 EGARCH 模 期貨領先現貨
(1995) 日至 1986 年 10 型
月 24 日、1986
年 10 月 27 日
至 1987 年 9 月
30 日及 1988 年
1 月 5 日至
1990 年 3 月 23
日三個時期之
日內資料
Min & KOSPI 200 1996 年 5 月 3 動態同步方 期貨領先現貨
Najand 日至 1996 年 10 程式模型、

-29-
(1999) 月 16 日之日內 與向量自我
交易資料 迴歸模型
Chiang and 香 港 恆 生 1994 年 1 月至 一般化動差 期貨領先現貨的
Fong(2001) 指數 1994 年 9 月之 估計法 時間較落後的時
日交易資料 間為長
Gwilym and FTSE 100 1986 年至 1990 一般化動差 期貨領先現貨
Buckle 年牛市期間日 估計法
(2001) 內資料
鄭 婉 秀 日 經 225 前二者為 1996 EGARCH 模 期貨與現貨間互
(2001) 指數、法國 年 1 月 1 日至 型 有領先地位，兩
CAC 40 指 2000 年 10 月 者會互相影響，
數及英國 31 日之日交易 都有價格發現之
FT-SE100 資料；後者為 功能。
指數 1996 年 1 月 1
日至 2000 年 7
月 31 日之日交
易資料
Zhong, 墨西哥指 1999 年 4 月 15 EGARCH 模 期貨市場之價格
Darrat and 數 日至 2002 年 7 型 發現功能非常明
Otero 月 24 日之日內 顯
(2004) 交易資料
Raymond 香港恆生 1999 年 11 月 共同因子模 期貨價格發現功
and 指數 12 日至 2002 年 型 、 GARCH 能優於現貨
Tse(2004) 6 月 28 日之日 模型
內資料
資料來源：本研究整理

本研究將利用 Granger 因果關係的概念，對台灣股票與指數期貨市場

之關聯性作一探討。

-30-
 第三章 研究方法

本研究係探討股票指數期貨與現貨間的價格發現(price discovery)

關係，應用 Granger 所定義的因果關係、單根檢定、誤差修正模型與共整

合等方法作為研究主軸。

Granger(1969)對因果關係之定義已廣為學術界進行實證研究時所採

用，該定義之因果關係是針對「穩定」(stationary)的兩個時間序列而言；

而關於「非穩定」(non-stationary)的數列，Granger 認為其因果關係可

能會隨著時間的移動而有所不同，將無法達到一個均衡結果。因此在進行

Granger 因果關係檢定前，必須先對所觀察之數列是否穩定作一判定。關

於此點，本研究將採用 Augmented Dickey-Fuller(ADF)單根檢定法為判斷

數列是否穩定之工具。

其次，Granger(1988)進一步指出，兩個「非穩定」的數列若存在共

整合(Cointegration)關係，利用修正誤差模型(Error Correction Model)

仍可得出 Granger 因果關係，並得以觀察出兩個數列的調整方向與調整速

度。因此本研究亦將依序對共整合、誤差修正模型與加入誤差修正項後之

Granger 因果關係檢定作說明。

-31-
第一節 Granger 因果關係之定義

Granger(1969)從變數之預測能力來定義兩個變數之間的因果關係。

其主要涵義為，利用在不同之訊息集合下增加另一個變數，視其是否能降

低預測誤差的觀念，來進行因果關係的檢定。假設有兩數列 X 與 Y，當對

X 進行預測時，除了使用 X 過去數值所提供的訊息外，若由於加入 Y 過去

的數值資料，而使得對 X 的預測更為準確時，則稱 Y 為 X 之因(Y causes X)。

反之則稱 X 為 Y 之因。倘若 X、Y 兩變數互為彼此之因時(即兩變數相互影

響)，則稱兩者具有回饋關係(feedback)。

Granger 將兩個變數之因果關係區分為四種，首先針對兩個隨機變數

X、Y 作以下定義：

⎧ X = {xt −1 , xt − 2 LL}
⎪
⎪⎪Y = {y t −1 , y t − 2 LL}
⎨
⎪ X = {xt , xt −1 LL}
⎪
⎪⎩Y = {y t , y t −1 LL}

X ：不包含現期之 X 數列

X ：包含現期之 X 數列

Y ：不包含現期之 Y 數列

Y ：包含現期之 Y 數列

其因果關係定義如下：

一、獨立關係（Independency）

若σ2（Xt / X ）＝σ2（Xt / X , Y ）＝σ2（Xt / X , Y ） (3.1)

且σ2（Yt / Y ）＝σ2（Yt / X , Y ）＝σ2（Yt / X , Y ） (3.2)

-32-
 表示不論是否加入另一個變數，都無法降低預測誤差之變異程

度，則稱 X 與 Y 獨立。

二、同期影響關係（Contemporaneous）

若σ2（Xt / X ）＝σ2（Xt / X , Y ） (3.3)

σ2（Xt / X , Y ）＞σ2（Xt / X , Y ） (3.4)

且σ2（Yt / Y ）＝σ2（Yt / X , Y ） (3.5)

σ2（Yt / X , Y ）＞σ2（Yt / X ， Y ） (3.6)

則稱 X 與 Y 為同期影響關係，也就是兩者之影響關係僅存在於當

期，表示當加入另一變數的資訊，對降低預測誤差的變異數有幫助。

三、單向影響關係（Unidirectional）

若σ2（Xt / X ）＝σ2（Xt / X , Y ） (3.7)

且σ2（Yt / Y ）＞σ2（Yt / X , Y ） (3.8)

則表示資訊集合 X 的加入，有助於 Y 的預測，即 X 為 Y 的因。反

之亦然。

四、回饋關係（Feedback）

若σ2（Xt / X ）＞σ2（Xt / X , Y ） (3.9)

且σ2（Yt / Y ）＞σ2（Yt / X , Y ） (3.10)

則稱 X 與 Y 為回饋關係，兩者相互影響。

Granger（1969）除了在其文獻中對因果關係進行上述的四項定義外，

並發展出一雙變數迴歸式如下：

yt＝a0＋α1yt-1＋……＋αiyt-i＋β1x t-1＋……＋βixt-i (3.11)

-33-
 xt＝a0＋α1xt-1＋……＋αixt-i＋β1y t-1＋……＋βiyt-i (3.12)

而上述的迴歸式中有個小缺失就是並沒有考慮到同期影響關係，也就

是說檢定結果只會有三個 Granger 所定義的因果關係：獨立關係、單向影

響關係及回饋關係。

對於所有的（x,y）數對，檢定出的 F-statistic 即所謂的 Wald

statistic，而其 joint hypothesis 為：

β1＝β2＝……＝βi＝0

而對於方程式（3.11）虛無假設為「x does not Granger-cause y」，

而方程式（3.12）虛無假設為「y does not Granger-cause x」。

-34-
第二節 單根檢定

一、單根的定義

Granger and Newbold(1974) 發現，對獨立非恆定變數進行迴歸分析

時，傳統的 t 與 F 檢定會過度拒絕虛無假設，而產生錯誤的統計推論，而

導致假性迴歸；也就是模型雖然有很高的解釋能力(R2)，且 t 統計量很顯

著，但結果卻不具任何意義。

Granger and Newbold(1974)的發現可說明，若資料為非定態仍進行

一般的估計方法如最小平方法(OLS)的估計時，則容易產生假性迴歸。因

此在財務實證上對時間序列作分析之前，須檢驗該時間序列是否為定態數

列。而要檢定是否為定態數列，則須利用單根檢定來檢驗一個時間序列是

否有單根存在，若檢驗結果發現具有單根時，則必須取差分後再進行一次

單根檢定，直至沒有單根為止，再根據須取幾次差分後才會成為定態數

列，來判斷數列的整合階數。

在定態（stationary）的定義上，一般可區分為弱式定態（weakly

stationary）及強式定態（strong1y stationary），而在探討共整合的模

型多採用弱式定態的觀念，其定義如下：

若 Yt 為一定態的數列，必須滿足以下三個條件：
1. E(yt)＝E(yt-s)＝μ
2. E[(yt－μ)2]＝E[(yt-s－μ)2]＝σ 2y

3. E[(yt－μ)(yt-s－μ)]＝E[(yt-j－μ)(yt-j-s-μ)]＝γs
其中μ、σ 2y 、γs 皆為常數

以上可看出，一定態數列的期望值、變異數及自我相關係數均不會隨

著時間而改變，即若數列資料呈現定態時，其數列會在一個長期平均值附

-35-
近波動，會有回歸平均值的情況，且當定態的數列受到外部衝擊時，將只

會對其數列產生短暫性的影響，但對於非定態的時間序列而言，外部衝擊

的影響則是永久。

當一非定態的時間序列，經過 d 次差分達到定態，可以 I（d）

（integrated of order d）來表示，即此數列有 d 個單根。

二、ADF 單根檢定法

在判斷數列是否須進行共整合測試前，應先作單根檢定；而檢定單根

的方法也有許多種，本研究依 Schwert（1989）比較多種單根檢定之結果，

採用 Augmented Dickey-Fuller (ADF)進行單根檢定，其檢定模型如下：

p
τ：Δyt＝γyt-1＋ ∑ βi Δyt-i+1＋εt (3.13)
i =2
p
τμ：Δyt＝a0＋γyt-1＋ ∑ βi Δyt-i+1＋εt (3.14)
i =2
p
ττ：Δyt＝a0＋γyt-1＋a2t＋ ∑ βi Δyt-i+1＋εt (3.15)
i =2

其中 a0 為飄浮項（drift），t 為時間趨勢項（deterministic trend）

上述三式的不同處在於模型中是否包含 a0 或 t。其檢定的虛無假設為

H0：γ＝0，對立假設為 H1：γ≠0。

在進行單根檢定時，需要決定一最適遞延期數；若是選用的落後期數

過長，會產生過度參數化的現象，造成估計無效率，但若選擇的落後期數

過短，又會因為參數精簡而產生估計偏誤的問題，因此必須選出最適的落

後期數。本研究在選擇最佳遞延期數時，係依 Reimers（1992）所建議的

SBC 準則（Schwartz's（1978）Bayesian Criterion）來選取最適落後期

數，SBC 式如下：

-36-
SBC＝T ln(e'e)＋n ln(T) (3.16)

其中 T 為觀察值個數，n 為待估計係數之數目，e'e 為殘差平方和

-37-
第三節 共整合檢定

在複雜的經濟環境中，存在著一些成對的經濟變數，就長期而言彼此

不會差異太大；儘管這些變數在短期內或許會因為季節因素，而存在偏離

的 情 形 ， 但 經 濟 的 力 量 會 再 度 使 其 重新 聚 集 ， 這 即 是 所 謂 的 共 整 合

(cointegration)。 共 整 合 非 常 類 似 經 濟 學 所 談 的 長 期 均 衡 (long-run

equilibrium)概念，代表著一種隨時間收斂的過程。

大部分經濟變數皆屬於非定態數列，其中多數經由差分才得成為定態

數列；若一個變數須經過 d 次差分才能成為定態數列，則此變數之整合級

次為 d，以 I(d)表示。Engle and Granger（1987）指出，當兩經濟變數

皆為 I（1）序列時，其線性組合仍為 I（1），但亦有可能成為定態 I（0）

序列；若 xt 和 yt 兩變數為 I（1）數列，假設有一常數 a 存在，能使其線

性組合 zt＝yt－axt，成為一 I（0）序列時，則 xt 和 yt 有共整合關係，亦

即 xt 和 yt 間存在有長期的均衡關係；其中 a 值稱為共整合係數，而 zt 稱為

均衡誤差（equilibrium error）。

一般來說，共整合檢定有 Engle and Granger（1987）兩階段估計法

(two-step estimation )及 Johansen（1990）最大概似估計法（maximum

likelihood estimation）兩種方法。但 Engle and Granger 所提出的檢

定方法需經過兩階段的方式分析，檢定的程序是先產生誤差項數列，再檢

定迴歸式是否存在單根。然而在估計數列之過程可能會產生誤差，此誤差

又會繼續影響到第二階段的結果；即檢定所需的步驟愈多，可能產生的誤

差就愈多。為避免上述缺點 Johansen 提出最大概似法，此方法是由

VAR(vector autoregression)為出發點，以最大概似函數找出體系中之共

整合向量，並利用最大概似比來檢定最大共整合關係之間的數目。本研究

-38-
採用後者 Johansen 提出的最大概似法作共整合檢定，其訊息廣度與檢定

力均較佳，亦廣為後來的相關研究所採用。

本研究採 Johansen 所提出之最大概似法，以驗證受限制下的共整合

向量及其調整速度大小。此方法是以最大概似函數找出體系中共整合向

量，並利用最大概似比來檢定最大共整合關係之間的數目。

假設 zt 為一（n ×1）的 I(1)向量數列，則其落後 p 期的向量自我回

歸（VAR）模型表示為：

zt=A1zt-1+ A2zt-2+ ∧ + Apzt-p+ ε t （3.17）

其中，εt ~ iid(0,Σε)

式（3.17）可改寫成傳統一階差分之VAR：

p −1
Δ zt= ∑ π i Δ zt-i+ π zt-p+ ε t （3.18）
i =1

⎛ p
⎞ ⎛ i ⎞
其中， π =- ⎜⎜1 − ∑ Ai ⎟⎟ π i=- ⎜⎜1 − ∑ Aj ⎟⎟
⎝ i =1 ⎠ ⎝ j =1 ⎠

由式（3.18）中，π表現了所有的長期均衡資訊，πzt-p 也正是所謂

的誤差修正項，而π的秩（rank）則決定了存在於 zt 間的共整合向量數

目，亦即決定變數間具有多少個長期關係。關於π的秩有以下三種可能：

1.若 rank(π) = n，即π為全秩（full rank）矩陣，則 zt 為一組穩定的

數列。

2.若 rank(π) = 0，即π為零矩陣，則 zt 之間沒有存在任何共整合向量，

亦即變數間無長期均衡關係。

3.若 0 ＜rank(π) = r ＜p，則意味著 zt 有 r 個共整合向量存在。此時依

據 Granger Representation 定理，可以將π分解成π＝αβ’，其中

-39-
α與β皆為（n ×r）矩陣，α為誤差修正項係數，衡量誤差修正項回饋

調整速度的大小，而β的 r 個行向量則為共整合向量。

-40-
第四節 誤差修正模型與 Granger 因果關係檢定

依據 Engle 與 Granger（1987）的研究指出，當變數向量間存在共整

合關係時，則必定存在一誤差修正項。誤差修正模型（Error Correction

Model, ECM）的觀念是藉由前期的長期共整合關係失衡的部分，修正短期

動態調整現象，以解釋數列間的短期變動關係以及由短期不均衡狀態調整

至長期均衡的過程。故數列的變動不僅受自身與其他數列前期的影響，同

時亦受前一期失衡狀態的影響。

根據 Engle 與 Granger 在討論共整合與誤差修正模型的關係中指出，

當變數間存在共整合關係時，可運用誤差修正模型進一步分析變數間之短

期動態關係。

Engle 與 Granger （1987）認為當兩個 I（1）數列存在共整合關係

時，其兩者間的關係必可以誤差模型表示之，模型如下：

m m
ΔFt＝α 1＋α F ( Ft −1－β C t −1 )＋∑ a j ΔFt − j＋∑ b j ΔC t − j＋ε F ,t
j =1 j =1
m m
(3.19)
ΔC t＝α 2＋α C ( Ft −1－β C t −1 )＋∑ c j ΔFt − j＋∑ d j ΔC t − j＋ε C ,t
j =1 j =1

其中 Ft-1－β1Ct-1 是衡量在 t-1 期偏離長期均衡的程度，即為誤差修正

項：εFt 與εCt 皆為白噪音(White Noise)，且｜αF｜＋｜αC｜≠0，表示αF、αC

中至少有一項不為 0。此處以 Ft 代表期貨價格，Ct 代表現貨價格。模型（3.19）

中，亦可以共整合關係中之殘差項作表示，即 et-1。若存在共整合關係，

et-1 為穩定的數列。因此，可進一步將上兩式改寫成以下之模型：

-41-
 m m
ΔFt＝α1＋α F et −1＋∑ a j ΔFt − j＋∑ b j ΔCt − j＋ε F ,t
j =1 j =1
m m
(3.20)
ΔCt＝α 2＋α C et −1＋∑ c j ΔFt − j＋∑ d j ΔCt − j＋ε C ,t
j =1 j =1

由（3.20）的計量模型可得知，F 數列的變動受前期誤差修正項、前

期 F 的變化，以及前期 C 的變化所影響。C 數列亦然。

接著可利用誤差修正模型進行以下之檢定，以探討期貨（F）
、現貨（C）

兩數列間的 Granger 因果關係。根據模型(3.20)可作如下假設：

1.H0：bj＝0，當拒絕 H0，表示「現貨為期貨之因，即現貨會影響期貨」
。

2.H0：cj＝0，當拒絕 H0，表示「期貨為現貨之因，即期貨會影響現貨」
。

3.當上述 1、2 項皆拒絕，表示「期貨、現貨間存在著回饋關係，即期貨

現貨互相影響」
。

4.H0：αF＝0，當拒絕 H0，表示「期貨會往長期均衡作移動」。

5.H0：αC＝0，當拒絕 H0，表示「現貨會往長期均衡作移動」。

6.當上述 4、5 項之檢定至少有一者拒絕，則存在著共整合關係。

在進行上述 1、2 項檢定時，所使用的檢定方法為 F 檢定，因 F 檢定

可針對迴歸式中部份係數進行整體檢定，因此可根據受限制下以及未受限

制下所決定的殘差平方和（residual sum of squares）來決定 F 統計量，

公式如下：

(SSE r − SSE u ) / m
F＝ （3.21）
SSE u /[ N − 2 × (m + 1)]

SSEr：為受限制（restricted）下的殘差平方和（虛無假設成立下）
；

SSEu：為未受限制（unrestricted）下的殘差平方和（完整迴歸式）
；

N：為樣本數；
-42-
m：落後期。

若虛無假設 H0 成立（即 bj＝0 或 cj＝0）

，則受限制的殘差平方和 SSEr

與未受限制的殘差平方和 SSEu 會相等，故 F 統計量會等於 0。相反的，若

受限制下與未受限制下的殘差平方和差距很大，則 F 統計量會很大，此時

應拒絕 bj＝0 或 cj＝0 的虛無假設。

同時在進行上述 4、5 項檢定時，本研究以利用誤差修正模型來檢定

期貨或現貨受否會由短期不均衡狀態調整至長期均衡，只需對單一係數（αF

或αC）做 t 檢定即可。其中αF 或αC 是表示期貨與現貨往長期均衡調整的速

度。若檢定結果均為顯著，表示期貨與現貨均會調整至長期均衡。若發現

αF＞αC，表示期貨之移動速度會較現貨來得快，反之亦然。

-43-
 綜合本研究之實證分析方法與流程，整理如圖 3-1 所示。

台股指數期貨、小型台股指數期貨與台灣
加權股價指數價格數列

ADF 單根檢定

不具有單根 具有單根

定態數列 非定態數列

Granger 因果關係檢定 將資料進行差分至數

列達到穩定為止

期貨與現貨價格之
期貨與現貨數 期貨與現貨數列
領先落後關係
列整合階相同 整合階不相同

共整合檢定： 期貨與現貨數列不
Johansen 存在共整合關係
否
最大概似法
是

Granger 檢定
（誤差修正模型）

期貨與現貨價格之
領先落後關係

圖 3-1：本研究操作性架構圖

-44-
 第四章 實證結果

第一節 資料來源

本研究期間為 2005 年 10 月 3 日至 2006 年 2 月 27 日，以台股指數期

貨、小型台股指數與台股現貨價格日內每 5 分鐘資料為對象，兩兩成對資

料共計 5,347 筆，探討其相互間之領先落後關係。期貨資料來自台灣經濟

新報之期貨資料庫，現貨資料則來自台灣證券交易所。

由於台灣股票期貨與現貨之交易時間有所差異，期貨交易時間為每個

營業日 8:45 至 13:45，現貨則為 9:00 至 13:30，故選取兩者共同交易的

時間 9:00 至 13:30，以符合進行共整合分析時資料必須成對之要求。另外，

由於期貨市場普遍以最近期交易月份(nearby contract)的交易最為活

絡，其價格亦最具代表性，故本研究之期貨資料是以最近月份之期貨價格

為研究對象，一旦合約到期，則以近次月的合約作為換約(rollover)標的。

本研究之分析軟體係採用 E-Views 4.1，而實證資料之商品代號說明

如下：

TF：台股指數期貨價格

MTF：小型台股指數期貨價格

TS：台股指數現貨價格

-45-
第二節 單根檢定

由於數列是否穩定攸關分析之結果，故本研究先以 ADF 單根檢定來研

判台股指數期貨、小型台股指數期貨與台股現貨價格時間序列是否具有單

根，如圖 3-1 之流程。而在進行 ADF 單根檢定時，最適落後期數的選取則

將採用 SBC 準則作為決定的依據。

ADF 單根檢定之檢定模型有三，可分別為純粹隨機漫步模型、包含常

數項模型、包含常數項與時間趨勢項模型，茲以τ、τμ與ττ表示如下：
p
τ：Δyt＝γyt-1＋ ∑ βi Δyt-i+1＋εt (4.1)
i =2
p
τμ：Δyt＝a0＋γyt-1＋ ∑ βi Δyt-i+1＋εt (4.2)
i =2
p
ττ：Δyt＝a0＋γyt-1＋a2t＋ ∑ βi Δyt-i+1＋εt (4.3)
i =2

其中 a0 為飄浮項（drift），t 為時間趨勢項（deterministic trend）

上述三式的不同處在於模型中是否包含 a0 或 t。其檢定的虛無假設為

H0：γ＝0，對立假設為 H1：γ≠0。

根據上述模型分別對三個時間序列作檢定，其結果如表 4-1、表 4-2

及表 4-3 所示。

-46-
表 4-1 台灣指數期貨(TF)之單根檢定
TF
項目
t 統計量 1%臨界值 5%臨界值
τ 0.725755(0) -2.565395 -1.940883
原始序列 τμ -0.768807(0) -3.431392 -2.861885
ττ -2.049629(0) -3.959754 -3.410645
τ -53.41209***(1) -2.565395 -1.940883
一階差分 τμ -53.41633***(1) -3.431393 -2.861886
ττ -53.41219***(1) -3.959754 -3.410645
註 1：**表示在 5%的顯著水準下，拒絕單根存在之虛無假設；***表示在 1%的顯著水準
下，拒絕單根存在之虛無假設
註 2：()中代表依據 SBC 準則所選取的最適落後期數

由表 4-1 結果可知，台指期貨之原始序列經 ADF 單根檢定後的結果為

不顯著，無法拒絕虛無假設，表示其具有單根，屬於不穩定之數列，所以

必須再進一步進行差分。而在經過一次差分後，台指期貨序列經檢定後則

已為顯著，即可以拒絕虛無假設，表示並無單根存在，而為 I（1）之穩定

序列。

表 4-2 小型台灣指數期貨(MTF)之單根檢定
MTF
項目
t 統計量 1%臨界值 5%臨界值
τ 0.717047(0) -2.565395 -1.940883
原始序列 τμ -0.783205(0) -3.431392 -2.861885
ττ -2.052546(0) -3.959754 -3.410645
τ -53.97398***(1) -2.565395 -1.940883
一階差分 τμ -53.97089***(1) -3.431393 -2.861886
ττ -53.97389***(1) -3.959754 -3.410645
註 1：**表示在 5%的顯著水準下，拒絕單根存在之虛無假設；***表示在 1%的顯著水準
下，拒絕單根存在之虛無假設
註 2：()中代表依據 SBC 準則所選取的最適落後期數

由表 4-2 結果可知，小型台指期貨之原始序列經 ADF 單根檢定後的結

果亦為不顯著，無法拒絕虛無假設，表示其為具有單根之不穩定數列，故

-47-
必須再進一步進行差分。而在經過一次差分後，檢定結果則已為顯著，即

可以拒絕虛無假設，表示並無單根存在，而為 I（1）之穩定序列。

表 4-3 台股指數現貨(TS)之單根檢定
TS
項目
t 統計量 1%臨界值 5%臨界值
τ 0.785063(3) -2.565395 -1.940883
原始序列 τμ -0.729000(3) -3.431393 -2.861886
ττ -2.150506(3) -3.959755 -3.410645
τ -45.52086***(2) -2.565395 -1.940883
一階差分 τμ -45.52692***(2) -3.431393 -2.861886
ττ -45.52431***(2) -3.959755 -3.410645
註 1：**表示在 5%的顯著水準下，拒絕單根存在之虛無假設；***表示在 1%的顯著水準
下，拒絕單根存在之虛無假設
註 2：()中代表依據 SBC 準則所選取的最適落後期數

由表 4-3 結果可知，台指現貨之原始序列經 ADF 單根檢定後的結果同

樣為不顯著，無法拒絕虛無假設，表示其具有單根，亦屬於不穩定之數列，

所以必須再進一步進行差分。而在經過一次差分後作檢定，台指現貨序列

則已為顯著，即可以拒絕虛無假設，表示並無單根存在，而為 I（1）之穩

定序列。

綜合表 4-1、表 4-2 及表 4-3 結果得知，不論是台指期貨、小型台指

期貨或台指現貨之原始序列，均屬於不穩定之非定態數列；而在經過一次

差分後，台指期貨、小型台指期貨與台指現貨序列均已無單根存在，而為

I（1）之穩定序列。這個結果與之前大多數之研究結果一致。透過了單根

檢定可確定此三個數列之整合級次均為一階，下一節將利用共整合檢定檢

驗其相互間是否具有共整合關係。

-48-
第三節 共整合檢定

由前節單根檢定之結果可以得知台指期貨、小型台指期貨與台指現貨

均在一階差分下拒絕虛無假設，俱為 I（1）時間序列，故數列間可能存在

著長期之共整合關係。本節將利用 Johansen 之最大概似法對台指期貨與

台指現貨、小型台指期貨與台指現貨、台指期貨與小型台指期貨間是否存

在共整合現象作檢定。

在進行 Johansen 最大概似法的檢定之前，同樣應先就最適落後期數

作選取，本研究將採用 SBC 檢驗作為依據，以最小之 SBC 值所對應之期數

作為最適落後期數。選取之結果如表 4-4、表 4-5 及表 4-6 所示。

表 4-4 不同落後期數 SBC 值─TF 與 TS

落後
1 2 3 4 5 6
期數
SBC 值 12.93783 12.89897 12.89799* 12.90098 12.90648 12.91266
註：*表示最小之 SBC 值

依據表 4-4 檢測之結果發現，TF 與 TS 之 SBC 值在落後 3 期時為最小，

故落後 3 期之模型將最適用於 TF 與 TS 之共整合分析。

表 4-5 不同落後期數 SBC 值─MTF 與 TS

落後
1 2 3 4 5 6
期數
SBC 值 12.92531 12.88556 12.88422* 12.88827 12.89444 12.90073
註：*表示最小之 SBC 值

依據表 4-5 檢測之結果發現，MTF 與 TS 之 SBC 值亦在落後 3 期時為最

小，故落後 3 期之模型將最適用於 MTF 與 TS 之共整合分析。

-49-
表 4-6 不同落後期數 SBC 值─TF 與 MTF
落後
1 2 3 4 5 6
期數
SBC 值 11.03124 11.01847 11.01428* 11.01655 11.01956 11.02092
註：*表示最小之 SBC 值

依據表 4-6 檢測之結果發現，TF 與 MTF 之 SBC 值在落後 3 期時為最小，

故落後 3 期之模型將最適用於 TF 與 MTF 之共整合分析。

在決定了最適落後期數後，即可進行 Johansen 最大概似共整合檢定。

Johansen 檢定法提供了兩組檢定統計量─Trace 統計量及最大特性根

(Maximum Eigenvalue)作為評估標準，檢定結果如表 4-7、表 4-8 與表 4-9

所示。

表 4-7 Johansen 共整合檢定─TF 與 TS

虛無假設
統計值 1%臨界值 5%臨界值
(H0)
r=0 57.78566*** 20.04 15.41
Trace test(λtrace)
r≦1 0.529342 6.65 3.76
Maximum r=0 57.25632*** 18.63 14.07
Eigenvalue
r≦1 0.529342 6.65 3.76
test(λmax)
註：**表示 5%顯著水準下，拒絕虛無假設；***表示 1%顯著水準下，拒絕虛無假設

由表 4-7 之檢定結果得知，不論是以λtrace 或λmax 作檢定，在 1%的顯

著水準下拒絕 r=0 之虛無假設，但無法拒絕 r≦1 之虛無假設。這樣的結

果可說明台指期貨與台指現貨存在一組長期穩定均衡關係之共整合向

量，故可推論台指期貨與台指現貨之間具備著長期均衡關係。

-50-
表 4-8 Johansen 共整合檢定─MTF 與 TS
虛無假設
統計值 1%臨界值 5%臨界值
(H0)
r=0 56.59129*** 20.04 15.41
Trace test(λtrace)
r≦1 0.520048 6.65 3.76
Maximum r=0 56.07125*** 18.63 14.07
Eigenvalue
r≦1 0.520048 6.65 3.76
test(λmax)
註：**表示 5%顯著水準下，拒絕虛無假設；***表示 1%顯著水準下，拒絕虛無假設

由表 4-8 之檢定結果得知，不論是以λtrace 或λmax 作檢定，在 1%的顯

著水準下拒絕 r=0 之虛無假設，但無法拒絕 r≦1 之虛無假設。這樣的結

果可說明小型台指期貨與台指現貨存在一組長期穩定均衡關係之共整合

向量，故可推論小型台指期貨與台指現貨之間具備著長期均衡關係。

表 4-9 Johansen 共整合檢定─TF 與 MTF

虛無假設
統計值 1%臨界值 5%臨界值
(H0)
r=0 499.4504*** 20.04 15.41
Trace test(λtrace)
r≦1 0.558067 6.65 3.76
Maximum r=0 498.8923*** 18.63 14.07
Eigenvalue
r≦1 0.558067 6.65 3.76
test(λmax)
註：**表示 5%顯著水準下，拒絕虛無假設；***表示 1%顯著水準下，拒絕虛無假設

由表 4-9 之檢定結果得知，不論是以λtrace 或λmax 作檢定，在 1%的顯

著水準下拒絕 r=0 之虛無假設，但無法拒絕 r≦1 之虛無假設。這樣的結

果可說明台指期貨與小型台指期貨存在一組長期穩定均衡關係之共整合

向量，故可推論台指期貨與小型台指期貨之間具備著長期均衡關係。

綜合表 4-7、表 4-8 與表 4-9 之檢定結果得知，不論是以λtrace 或λmax

作檢定，在 1%的顯著水準下，TF 與 TS、MTF 與 TS、TF 與 MTF 均拒絕 r=0

之虛無假設，但無法拒絕 r≦1 之虛無假設。這樣的結果可說明台指期貨

-51-
與台指現貨、小型台指期貨與台指現貨、台指期貨與小型台指期貨間均存

在一組長期穩定均衡關係之共整合向量，故可說明此三個時間序列其兩兩

之間具備著長期均衡關係。Johansen 共整合檢定的結果，與之前 Wahab and

Lashgari(1993)、杜化宇與王凱蒂(民 92)、施雅菁(民 91)等大多數之研

究結果相符，故可印證指數期貨與現貨間之長期均衡關係為一常態。

-52-
第四節 誤差修正模型與 Granger 因果關係檢定

依據表 4-7、表 4-8 與表 4-9 的結果，可以得知台指期貨與台指現貨、

小型台指期貨與台指現貨、台指期貨與小型台指期貨間均存在著共整合關

係，按 Engle and Granger(1987)的 Granger Representation Theorem，

兩數列間的關係可以用誤差修正模型(Error Correction Model，ECM)加

以表示。誤差修正模型主要是將前期之長期共整合關係中的誤差修正項加

入自我迴歸模型中，希望透過此一修正項的加入，能將因為差分所流失的

長期訊息調整回來，使得變數的短期動態調整不至於偏離長期均衡太多；

也就是藉由前期的長期共整合失衡部份，修正短期動態調整的現象，以解

釋數列間短期變動關係以及由短期不均衡狀態調整到長期均衡的過程。三

組時間序列間之誤差修正模型與 Granger 因果關係檢定分述如下：

一、台指期貨(TF)與台指現貨(TS)

(一)誤差修正模型

台指期貨與台指現貨誤差修正模型可設定如下：
m m
ΔFt＝α 1＋α F et −1＋∑ a j ΔFt − j＋∑ b j ΔC t − j＋ε F ,t
j =1 j =1
m m
(4.4)
ΔC t＝α 2＋α C et −1＋∑ c j ΔFt − j＋∑ d j ΔC t − j＋ε C ,t
j =1 j =1

其中 Ft 代表台指期貨價格，Ct 代表台指現貨價格，m 代表落後期數。

最適落後期數則依據 SBC 準則選取，與共整合檢定同為 3 期，檢定結果如

表 4-10、表 4-11 所示。

-53-
表 4-10 誤差修正模型─ΔFt 模型
變數 係數 t值 P-value
ΔFt-1 0.019379** 0.88474 0.02190
ΔFt-2 0.018562** 0.80074 0.02318
ΔFt-3 0.034610** 1.55340 0.02228
ΔCt-1 0.009832** 0.43960 0.02236
ΔCt-2 -0.087600** -3.93228 0.02228
ΔCt-3 -0.026856** -1.30132 0.02064
constant 0.085890 0.81772 0.10504
et-1 -0.009448*** -1.35390 0.00698
註：**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯著

從表 4-10 的結果可以得知，在最適落後期數(3 期)下之台指期貨誤差

修正模型中，台指期貨與台指現貨落後 1 至 3 期的係數均達到 5%的顯著水

準，顯示台指期貨的短期變動除受到本身前期之影響外，亦受到台指現貨

前期變動之影響。

表 4-11 誤差修正模型─ΔCt 模型
變數 係數 t值 P-value
ΔFt-1 0.414219** 19.4731 0.02127
ΔFt-2 0.233721** 10.3820 0.02251
ΔFt-3 0.092246** 4.26331 0.02164
ΔCt-1 -0.229647** -10.5734 0.02172
ΔCt-2 -0.246708** -11.4037 0.02163
ΔCt-3 -0.102828** -5.13070 0.02004
constant 0.074165 0.72707 0.10200
et-1 0.025155*** 3.71165 0.00678
註：**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯著

從表 4-11 的結果可以得知，在最適落後期數(3 期)下之台指現貨誤差

修正模型中，台指期貨與台指現貨落後 1 至 3 期的係數均達到 5%的顯著水

準，顯示台指現貨的短期變動除受到本身前期之影響外，亦受到台指期貨

前期變動之影響。

-54-
 綜合表 4-10 及表 4-11 之係數項可以發現，ΔCt 模型中對於 ΔFt-1、

ΔFt-2 與 ΔFt-3 之係數分別達 0.414219、0.233721 與 0.092246，而 ΔFt 模

型中對於 ΔCt-1、ΔCt-2 與 ΔCt-3 之係數分別僅達 0.009832、-0.087600 與

-0.026856，顯示台指現貨受到台指期貨過去價格變動之影響較大，而台

指期貨受到台指現貨過去價格變動之影響則相對較小。綜上所述，可知台

指期貨與台指現貨係互為領先落後之回饋關係，但台指期貨影響台指現貨

之因果關係較強，即台指期貨之價格發現功能較強。

(二)Granger 因果關係

台指期貨與台指現貨間領先落後關係之 F 檢定則見表 4-12。

表 4-12 Granger 因果關係─F 檢定(落後 3 期)

虛無假設(H0) F 統計量 P-value
TS 不為 TF 之因(H0:bj=0) 5.61037*** 0.00077
TF 不為 TS 之因(H0:cj=0) 152.978*** 0.00000
註：***表示 99%信賴水準下顯著

從表 4-12 F 檢定之結果可以看出，不論是「台指現貨不為台指期貨

之因」或「台指期貨不為台指現貨之因」之虛無假設，檢定結果均為拒絕，

顯示台指期貨為台指現貨之因，台指現貨亦為台指期貨之因，可推斷台指

期貨與台指現貨間具有雙向因果關係。

(三)失衡調整

至於台指期貨與台指現貨是否會往長期均衡移動，則如同第三章的說

明，本研究將利用 t 檢定作分析，分析結果如表 4-13 所示。

-55-
表 4-13 台指期貨與台指現貨關係─t 檢定(落後 3 期)
虛無假設(H0) et-1 係數 t值 P-value
台指期貨不會往長期
-0.009448*** -1.35390 0.00698
均衡移動(H0:αf=0)
台指現貨不會往長期
0.025155*** 3.71165 0.00678
均衡移動(H0:αc=0)
註：***表示 99%信賴水準下顯著

由表 4-13 可知檢定結果皆為顯著，代表「期貨不會往長期均衡移動」

與「現貨不會往長期均衡移動」之虛無假設均被拒絕，說明了台指期貨與

台指現貨均會往兩者間的長期均衡靠近。另外值得注意的是，係數 αc 較

係數 αf 為大，代表台指現貨往均衡移動的速度較台指期貨為快，也就是

兩者間為達成長期均衡價格關係之調整，主要是透過台指現貨的價格變動

來完成。

二、小型台指期貨(MTF)與台指現貨(TS)

(一)誤差修正模型

小型台指期貨與台指現貨誤差修正模型可設定如下：
n n
ΔM t＝α 1＋α m et −1＋∑ a j ΔM t − j＋∑ b j ΔC t − j＋ε m ,t
j =1 j =1
n n
(4.5)
ΔC t＝α 2＋α C et −1＋∑ c j ΔM t − j＋∑ d j ΔC t − j＋ε C ,t
j =1 j =1

其中 Mt 代表小型台指期貨價格，Ct 代表台指現貨價格，n 代表落後期

數。最適落後期數則依據 SBC 準則選取，與共整合檢定同為 3 期，檢定結

果如表 4-14、表 4-15 所示。

-56-
表 4-14 誤差修正模型─ΔMt 模型
變數 係數 t值 P-value
ΔMt-1 0.036845** 1.65607 0.02225
ΔMt-2 0.029181** 1.24422 0.02345
ΔMt-3 0.027048** 1.19853 0.02257
ΔCt-1 -0.027938** -1.21799 0.02294
ΔCt-2 -0.097836** -4.29937 0.02276
ΔCt-3 -0.024250** -1.15040 0.02108
constant 0.085890 0.82491 0.10611
et-1 -0.009669*** -1.38692 0.00697
註：**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯著

從表 4-14 的結果可以得知，在最適落後期數(3 期)下之小型台指期貨

誤差修正模型中，小型台指期貨與台指現貨落後 1 至 3 期的係數均達到 5%

的顯著水準，顯示小型台指期貨的短期變動除受到本身前期之影響外，亦

受到台指現貨前期變動之影響。

表 4-15 誤差修正模型─ΔCt 模型
變數 係數 t值 P-value
ΔMt-1 0.412783** 19.2915 0.02140
ΔMt-2 0.243843** 10.8105 0.02256
ΔMt-3 0.100204** 4.61670 0.02170
ΔCt-1 -0.238642** -10.8117 0.02206
ΔCt-2 -0.249616** -11.4055 0.02189
ΔCt-3 -0.101843** -5.02350 0.02027
constant 0.073646 0.72167 0.10205
et-1 0.023715*** 3.53711 0.00670
註：**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯著

從表 4-15 的結果可以得知，在最適落後期數(3 期)下之台指現貨誤差

修正模型中，小型台指期貨與台指現貨落後 1 至 3 期的係數均達到 5%的顯

著水準，顯示台指現貨的短期變動除受到本身前期之影響外，亦受到小型

台指期貨前期變動之影響。

-57-
 綜合表 4-14 及表 4-15 之係數項可以發現，ΔCt 模型中對於 ΔMt-1、

ΔMt-2 與 ΔMt-3 之係數分別達 0.412783、0.243843 與 0.100204，而 ΔMt 模

型中對於 ΔCt-1、ΔCt-2 與 ΔCt-3 之係數分別僅達-0.027938、-0.097836 與

-0.024250，顯示台指現貨受到小型台指期貨過去價格變動之影響較大，

而小型台指期貨受到台指現貨過去價格變動之影響則相對較小。綜上所

述，可知小型台指期貨與台指現貨係互為領先落後之回饋關係，但小型台

指期貨影響台指現貨之因果關係較強，即小型台指期貨較有價格領先的效

果。此部份的檢定結果與 ΔFt 模型 V.S. ΔCt 模型之組合相同，係數數字

亦相若，代表小型台指期貨及台指期貨對台指現貨之價格發現能力強度相

近。

(二)Granger 因果關係

小型台指期貨與台指現貨間領先落後關係之 F 檢定可見表 4-16。

表 4-16 Granger 因果關係─F 檢定(落後 3 期)

虛無假設(H0) F 統計量 P-value
TS 不為 MTF 之因(H0:bj=0) 6.19427*** 0.00034
MTF 不為 TS 之因(H0:cj=0) 151.336*** 0.00000
註：***表示 99%信賴水準下顯著

從表 4-16 F 檢定之結果可以看出，不論是「台指現貨不為小型台指

期貨之因」或「小型台指期貨不為台指現貨之因」之虛無假設，檢定結果

均為拒絕，顯示小型台指期貨為台指現貨之因，台指現貨亦為小型台指期

貨之因，可推斷小型台指期貨與台指現貨間具有雙向因果關係。此部份之

檢定結果亦與 ΔFt 模型 V.S. ΔCt 模型組合相同。

(三)失衡調整

小型台指期貨與台指現貨是否會往長期均衡移動之 t 檢定，分析結果

-58-
則如表 4-17 所示。

表 4-17 小型台指期貨與台指現貨關係─t 檢定(落後 3 期)

虛無假設(H0) et-1 係數 t值 P-value
小型台指期貨不會往長期
-0.009669*** -1.38692 0.00697
均衡移動(H0:αm=0)
台指現貨不會往長期均衡
0.023715*** 3.53711 0.00670
移動(H0:αc=0)
註：***表示 99%信賴水準下顯著

由表 4-17 可知檢定結果皆為顯著，代表「小型台指期貨不會往長期

均衡移動」與「台指現貨不會往長期均衡移動」之虛無假設均被拒絕，說

明了小型台指期貨與台指現貨均會往兩者間的長期均衡靠近。如同 ΔFt 模

型 V.S. ΔCt 模型之組合，係數 αc 較係數 αm 為大，代表台指現貨往均衡

移動的速度較小型台指期貨為快，也就是兩者間為達成長期均衡價格關係

之調整，主要是還是透過台指現貨的價格變動來完成。

三、台指期貨(TF)與小型台指期貨(MTF)

(一)誤差修正模型

台指期貨與小型台指期貨誤差修正模型可設定如下：
p p
ΔFt＝α 1＋α F et −1＋∑ a j ΔFt − j＋∑ b j ΔM t − j＋ε F ,t
j =1 j =1
p p
(4.6)
ΔM t＝α 2＋α m et −1＋∑ c j ΔFt − j＋∑ d j ΔM t − j＋ε m ,t
j =1 j =1

其中 Ft 代表台指期貨價格，Mt 代表小型台指期貨價格，p 代表落後期

數。最適落後期數仍依據 SBC 準則選取，與共整合檢定同為 3 期，檢定結

果如表 4-18、表 4-19 所示。

-59-
表 4-18 誤差修正模型─ΔFt 模型
變數 係數 t值 P-value
ΔFt-1 -0.300182* -3.72259 0.08064
ΔFt-2 -0.224624* -3.08338 0.07285
ΔFt-3 -0.058197* -1.03165 0.05641
ΔMt-1 0.334017* 4.17737 0.07996
ΔMt-2 0.179286* 2.47872 0.07233
ΔMt-3 0.055721* 0.99449 0.05630
constant 0.084037 0.80118 0.10480
et-1 -0.005549* -0.06755 0.08213
註：*表示 90%信賴水準下顯著；**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯
著

從表 4-18 的結果可以得知，在最適落後期數(3 期)下，ΔFt 模型中之

係數並未達 5%之顯著水準(僅達 10%之顯著水準)，顯示台指期貨之短期變

動受到小型台指期貨之影響相對較不明顯。

表 4-19 誤差修正模型─ΔMt 模型
變數 係數 t值 P-value
ΔFt-1 0.031397* 0.38747 0.08103
ΔFt-2 -0.042242* -0.57704 0.07320
ΔFt-3 0.017774* 0.31355 0.05669
ΔMt-1 -0.000426* -0.00531 0.08305
ΔMt-2 -0.014891* -0.20488 0.07268
ΔMt-3 -0.035959* -0.63866 0.05630
constant 0.086036 0.81697 0.10531
et-1 0.506677* 6.13891 0.08254
註：*表示 90%信賴水準下顯著；**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯
著

從表 4-19 的結果可以得知，在最適落後期數(3 期)下，ΔMt 模型中之

係數亦未達 5%之顯著水準(僅達 10%之顯著水準)，顯示小型台指期貨之短

期變動受到台指期貨之影響相對較不明顯。

-60-
 綜合表 4-18、表 4-19 的結果可以得知，在最適落後期數(3 期)下，

ΔFt 模型與 ΔMt 模型中之係數均未達 5%之顯著水準(僅達 10%之顯著水

準)，顯示台指期貨與小型台指期貨之短期變動受到彼此落後項之影響較

不明顯，故以誤差修正模型之結果分析，兩者僅呈現一較為微弱的回饋關

係。

(二)Granger 因果關係

台指期貨與小型台指期貨間領先落後關係之 F 檢定則見表 4-20。

表 4-20 Granger 因果關係─F 檢定(落後 3 期)

虛無假設(H0) F 統計量 P-value
MTF 不為 TF 之因(H0:bj=0) 14.0972*** 0.00000
TF 不為 MTF 之因(H0:cj=0) 33.1555*** 0.00000
註：***表示 99%信賴水準下顯著

從表 4-20 F 檢定之結果分析，代表「小型台指期貨不為台指期貨之

因」或「台指期貨不為小型台指期貨之因」之虛無假設，檢定結果均為拒

絕，且達到 1%之顯著水準，顯現了兩者為一明顯的回饋關係，即台指期貨

與小型台指期貨互為因果。

(三)失衡調整

台指期貨與小型台指期貨是否會往長期均衡移動之 t 檢定，分析結果

則如表 4-21 所示。

-61-
表 4-21 小型台指期貨與台指現貨關係─t 檢定(落後 3 期)
虛無假設(H0) et-1 係數 t值 P-value
台指期貨不會往長期均衡
-0.005549* -0.06755 0.08213
移動(H0:αf=0)
小型台指期貨不會往長期
0.506677* 6.13891 0.08254
均衡移動(H0:αm=0)
註：*表示 90%信賴水準下顯著；**表示 95%信賴水準下顯著；***表示 99%信賴水準下顯
著

由表 4-21 可知，代表「台指期貨不會往長期均衡移動」與「小型台

指期貨不會往長期均衡移動」之虛無假設雖被拒絕，但檢定結果僅達 10%

之顯著水準，說明了台指期貨與小型台指期貨雖均會往兩者間的長期均衡

靠近，但顯著性相對較低。而若以係數大小來判定，則顯示出 αm 較 αf

為大，因此可推知小型台指期貨往均衡移動之速度較快，且較台指期貨顯

著。

小結：根據誤差修正模型與 Granger 因果關係檢定，可看出不論是台指期

貨或小型台指期貨，均與台指現貨間呈現互為因果之回饋關係，這個結果

有別於 Tse(1995)、吳易欣(民 87)、古永嘉與李淑慧(民 93)等人單向因果

關係之結論，但與 Kawaller, Koch, and Koch(1987)、Hsieh(2002)、鄭

婉秀(民 90)、施懷哲(民 93) 、詹錦宏與蔡建安(民 94)等多數研究之結果

相符合。價格發現功能方面，依據本研究誤差修正模型之檢定結果，為期

貨優於現貨，亦與 Stoll & Whaley (1990)、Hsieh(2002)、唐婉崴(民 92)

等多數研究相符合；而本研究顯示小型指數期貨之價格發現能力與台指期

貨相近，則與施雅菁(民 91)小型台指期貨價格發現能力遜於台指期貨之結

果不同。失衡時的調整速度方面，本研究得到的結果顯示出現貨調整較快

之情形，則與洪恵娟(民 93)之研究結果相同。

-62-
 第五章 結論與建議

第一節 結論

我國本土股價指數期貨市場於 1998 年 7 月 21 日正式上路，至今已有

近八年的時間，除 2005 年外，不論是年度交易量或日均交易量均呈現逐

年成長之趨勢，足見市場投資者之參與程度與日提高。關於期貨市場的發

展對於現貨市場的影響，過去一直有著多元的討論，其中價格發現功能代

表了價格反應新資訊的速度與程度，向為學者與投資人所關注。本研究主

要探討台灣股價指數期貨、小型台灣股價指數期貨與台灣股價指數現貨間

的價格發現關係，以 2005 年 10 月 3 日至 2006 年 2 月 27 日之日內每 5 分

鐘成對資料共 5,347 筆，結合單根檢定、共整合檢定、誤差修正模型及

Granger 因果關係檢定，探討其相互間之領先落後關係。實證結果可歸納

出下列幾點結論：

一、數列之穩定型態

本研究利用 ADF 單根檢定對台指期貨、小型台指期貨與台指現貨數列

進行檢定，發現三者均無法拒絕具有單根存在之虛無假設，皆存在單根的

現象，表示其序列型態均非屬穩定型態；故而對之進行一次差分後檢定，

則已無單根存在而成為定態數列，代表台指期貨、小型台指期貨與台指現

貨資料序列俱為整合級數 I(1)的型態。此一結果與國內外多數的研究結果

相符。

二、長期均衡關係

-63-
 在進行 Johansen 共整合檢定時，發現台指期貨、小型台指期貨與台

指現貨兩兩之間均存在一組長期穩定均衡關係之共整合向量，故可知相互

間具備長期均衡關係。這個結果可謂和持有成本理論相符合，當期貨或現

貨價格脫離了無套利區間時，市場之套利者即會開始進行套利的動作，而

後期貨與現貨的價格又將回復無套利空間，故兩者間長期會有穩定均衡關

係。

三、失衡時的調整

由共整合檢定的結果得到，台指期貨、小型台指期貨與台指現貨相互

之間均存在著一組長期穩定均衡關係之共整合向量，故而利用誤差修正模

型(ECM)進行研究，藉由其誤差修正項的係數，判斷當長期關係發生失衡

狀況時，變數間調整的情形。由三個組合之 t 檢定的結果可知，不論是台

指期貨、小型台指期貨或台指現貨，均會對前期的均衡誤差作調整；而以

速度來說，在兩兩配對比較之下則是以現貨調整至長期均衡之速度較快，

小型台指期貨次之，台指期貨較慢。究其原因，可能是因為台灣市場的交

易者結構仍以散戶所佔比重較高，一般散戶市場仍以現貨交易較為活絡，

且我國期貨市場相較先進國家仍處發展階段，交易程度比不上現貨市場，

致使長期均衡價格之調整主要透過現貨市場來完成。

四、因果關係

不論是透過誤差修正模型或是 Granger 因果關係檢定，在台股指數期

貨與台指現貨、小型台指期貨與台指現貨間的領先落後關係均得到一致的

結果，即台股指數期貨與台指現貨、小型台指期貨與台指現貨間具有雙向
-64-
因果關係，也就是回饋關係，但台指期貨與小型台指期貨之價格發現功能

均較台指現貨為強，且台指期貨與小型台指期貨兩者對台指現貨之價格發

現能力在伯仲之間。至於台指期貨與小型台指期貨間，經由 Granger 因果

關係 F 檢定可知兩者間具有回饋關係；但在誤差修正模型下，則呈現著一

不顯著之回饋關係，可能是由於台指期貨與小型台指期貨之交易者均以現

貨價格之變動作為操作之對照參考，造成兩者間之因果關係相對較不強

烈。

-65-
第二節 後續研究建議

一、影響股票或期貨市場之原因繁多，建議可以加入其他因素如：成交量、

特殊事件等，觀察實證結果會有何變化，應更能符合現今多元的市場

特性。

二、美元計價之 MSCI 台指期貨已正式於 2006 年 3 月在台灣期貨交易所掛

牌交易，未來可考慮一併納入實證分析，比較其價格發現功能是否能

彰顯。

三、本研究係以最近月份之期貨契約為實證對象，若加入次近月份契約同

時作探討，可觀察結果有何異同。

-66-
 參考文獻

中文部分

1.台灣期貨交易所網站，www.taifex.com.tw，民國 95 年 4 月

2.古永嘉、李淑慧(民 93)，「台股指數現貨、期貨與選擇權價格關聯性之
研究—狀態空間模型之應用」 ，2004 年第八屆科際整合管理國際研討會
論文光碟，台北：東吳大學，pp.99-118

3.杜化宇、王凱蒂(民 92)，「台股指數期貨日內價格發現與週日效應型態
之研究：初期的證據」，東吳經濟商學學報第四十三期，pp.41-78

4.吳宏達(民 89)，「台股指數期貨與現貨之關聯性與預測─自我迴歸條件
異質變異數族群模型之應用」 ，國立台北大學統計學系碩士論文

5.吳易欣(民 87)，「股價指數期貨與現貨之關聯性研究─新加坡摩根台股
指數期貨實證分析」 ，國立政治大學金融研究所碩士論文

6.李俊杉(民 92)，
「現貨、台指期貨與摩根台指期貨多變量 GARCH-M 模型
價格發現過程探討」 ，私立逢甲大學經濟學系碩士班碩士論文

，私立淡
7.洪惠娟(民 93)，「S&P 500 指數、期貨與 ETF 價格發現之研究」
江大學財務金融研究所碩士論文

8.施雅菁(民 91)， ，私立淡江大學財務金

「小型台指期貨價格發現之研究」
融學系金融碩士班碩士論文

9.施懷哲(民 93)， ，私立輔

「台股指數現貨、期貨與選擇權之關聯性分析」
仁大學應用統計研究所碩士論文

10.唐婉崴(民 92)，
「指數現貨、指數期貨與指數股票式基金間價格發現能
力之探討─以 NASDAQ 100 指數商品為例」，私立淡江大學財務金融學
系未出版博士論文

11.陳文全(民 93)，
「台灣台股指數期貨、金融期貨與電子期貨價格發現功

-67-
 ，私立銘傳大學風險管理與統計資訊研究所碩士論文
能之研究」

12.黃玉娟、黃珮鈴、梁心怡、黃詩雅(民 93)， 「台灣股價指數現貨與期貨

，輔仁管理評論
價格領先落後關係之探討─以 TAIFEX 與 SGX-DT 為例」
第十一卷第一期，pp.125~152

13.陳怡伶(民 93)，「台灣 50 ETF 與台灣加權股價指數與台指期貨間的價

格關聯性研究」 ，國立成功大學企業管理研究所碩士論文

14.陳松男(民 85)，選擇權與期貨，台北：三民書局

15.陳威光(民 90)，衍生性金融商品─選擇權、期貨與交換，台北：智勝
文化

16.張哲郎(民 94)，
「台灣股價指數現貨、期貨與台灣 50ETF 價格關聯性研
究」，私立朝陽科技大學財務金融研究所碩士論文

17.詹錦宏、蔡建安(民 94)，
「臺灣加權股價指數與新加坡摩根臺指現貨與
期貨價格關聯性之研究」 ，管理研究學報第二卷第二期，pp.301-337

18.劉聖駿(民 90)，「股價指數期貨與現貨關聯性之研究」，私立淡江大學
財務金融研究所碩士論文

19.鄭婉秀(民 90)，「國際股價指數期貨與現貨相關性之研究」，私立淡江
大學財務金融學系金融碩士班碩士論文

20.戴錦周、楊淑芬、陳建宏(民 92)，
「亞洲重要股價指數期貨市場之效率
性分析─兼論東亞金融風暴的影響」，朝陽商管評論第二卷第二期

，台灣期
21.錢怡成(民 92)，「電子期貨及台股指數期貨價格發現之研究」
貨與衍生性商品學刊第一期，pp.103-113

22.謝文良(民 91)，
「價格發現、資訊傳遞、與市場整合─台股期貨市場之
，財務金融學刊第十卷第三期，pp.1-31
研究」

-68-
英文部分

1.Abhyankar A.(1995).”Return and Volatility Dynamics in the FT-SE

100 Stock Index and Stock Index Futures Markets”, The Journal of
Futures Market,15,pp.457-488

2.Chatrath A., C. David, K.Dhanda and T.Koch(2002).”Index Futures

Leadership, Basis Behavior and Trader Selectivity”, The Journal
of Futures Market,22,pp.649-677

3.Chiang R.and W.Fong.(2001).”Relative Informational Efficiency of

Cash, Futures and Options Markets: The Case of an Emerging Market ”,
The Journal of Banking & Finance, Vol.25(2),pp.355-375

4.Engle R. and C. Granger(1987).”Co-integration and Error

Correction Representation, Estimation and Testing”,
Econometrica,50,pp.987-1007

5.Fama,E.F. (1965).”The Behavior of Stock Market Prices”, Journal

of Business,pp.34-105

6.Gencay E.,(1998).”The Predictability of Security Returns with

Simple Technical Trading Rules”, Journal of Empirical
Finance,5(4),pp.347-359

7.Granger C.W.J.(1969).”Investigating Causal Relations by

Econometric Models and Cross-Spectral Methods”,
Econometrica,37,pp.424-438

8.Granger C.W.J.(1988).”Some Recent Developments in a Concept of

Causality”, Econometrica,39,pp.199-211

9.Granger C.W.J. and P. Newbold(1974).”Spurious Regression

Econometric”, Journal of Econometrics, Vol.2(1),pp.111-120

10.Gwilym O.A. and M.Buckle.(2001).”The Lead-Lag Relationship

-69-
 Between the FTSE 100 Stock Index and its Derivative Contracts”,
Applied Financial Economics, Vol.11(4),pp.385-393

11.Hudson R., K. Keasey and K. Littler(2001).”The Risk and Return

of UK Equities Following Price Innovations: A Case of Market
Inefficiency? ”, Applied Financial Economics,11(2),pp.187

12.Johansen S. and K. Juselius(1990).”Maximum Likelihood Estimation

and Inference on Cointegration with Application to the Demand for
Money”, Oxford Bulletin of Economics and
Statistics,52,pp.169-209

13.Kawaller I.G., P.D. Kochand and T.W. Koch (1987).”The Temporal

Price Relationship between the S&P 500 Futures and the S&P 500
Index”, The Journal of Finance,42,pp.1309-1329

14.Kim M., A.C. Szakmary and T.V. Schwarz(1999).”Trading Costs and

Price Discovery Across Stock Index Futures and Cash Markets”, The
Journal of Futures Market,19,pp.475-498

15.Kurov A. and D. Lasser(2004).”Price Dynamics in the Regular and

E-mini Futures Markets”, Journal of Financial & Quantitative
Analysis,39(2),pp.365-384

16.Min J.H. and M. Najand (1999).”A Further Investigation of the

Lead-Lag Relationship between the Spot Market and Stock Index
Futures: Early Evidence from Korea”, The Journal of Futures
Market,19.pp.217-232

17.Raymond W.S. and Y. Tse(2004).”Price Discovery in Hang Seng Index

Markets: Index, Futures and The Tracker Fund”, The Journal of
Futures Market,24,pp.887-907

18.Reimers H.E.(1992).”Comparisons of Tests for Multivariate

Cointegration ”, Statistics Paper,33,pp.335-359

19.Rockinger M. and G. Urga(2000).”The Evolution of Stock Markets

-70-
 in Transition Economics”, Journal of Comparative
Economics,28(3),pp.456-472

20.Roope M. and R. Zurbruegg(2002).”The Intra-Day Price Discovery

Process between the Singapore Exchange and Taiwan Futures
Exchange”, The Journal of Futures Market,22(3),pp.219-240

21.Said S.E. and D.A. Dickey(1984).”Testing for Unit Roots in

Autoregressive-Moving Average Models of Unknow Order”,
Biometrica,71,pp.599-607

22.Schwert G.W.(1989).”Tests for Unit Roots: A Monte Carlo

Investigation ”, Journal of Business and Statistics,7,pp.147-159

23.Stoll H.R.,and R.E. Whaley.(1990).”The Dynamic of Stock Index and

Stock Futures Return”, The Journal of Financial and Quantitative
Analysis,25(4),pp.441-468

24.Tse Y.K.(1995).”Lead-Lag Relationship between Spot Index and

Futures Price of the Nikkei Stock Average”, Journal of
Forecasting,14(7),pp.553-563

25.Wahab M. and M. Lashgaari(1993).”Price Dynamics and Error

Correction in Stock Index and Stock Index Futures Markets: A
Cointegration Approach”, The Journal of Futures
Market,13.pp.711-742

26.Zhong M., A. F.Darrat and R. Otero.(2004).”Price Discovery and

Volitility Spillovers in Index Futures Markets: Some Evidence from
Mexico”, The Journal of Banking & Finance,28,pp.3037-3054

-71-