Professional Documents
Culture Documents
財 務 金 融 研 究 所
碩 士 論 文
隱藏性交易(stealth trading)之研究—
以台灣股市與美國股市為例
研 究 生:王至誠
指導教授:陳俊男 博士
王明隆 博士
中華民國九十一年六月
誌 謝
兩年的研究生生涯,將在論文完成之後畫上句點,首先感謝恩師
王教授明隆與 陳教授俊男的悉心指導與諄諄教誨,使我不論在求學
態度與待人處事上都得到一輩子受用不盡的收穫,僅此致上最誠摯的
敬意與謝忱。同時感謝 江教授明憲與 王教授萬成於論文口試之際惠
賜諸多寶貴意見,使論文更臻完備。
回首兩年,有苦有樂,幸有歐陽、自成與英哲等大學同窗好友,
以及 ELITE 的隊友關心我的生活,陪我走過人生的低潮,讓異鄉求
學的我倍感溫暖;同門同學全哥、淑妹與惠渝在課業上互相切磋砥
礪,讓我在迷惑的時候有方向可循;同窗睿峰、忠衛的夜市之旅,更
是我論文遇到瓶頸時最好的良藥;善解人意的大姊羿妏、學伴清田、
志鴻以及同窗兩年的同學們,能夠認識你們是我這兩年最大的收穫。
此外,特別感謝怡蓉大學以來的陪伴與關懷,給我許多成長的機
會,雖然身在異鄉,依然能夠感受到你的用心。最後,由衷的感謝疼
愛我的爺爺以及父母,二十多年來辛勤的栽培與付出,讓我能夠順利
的完成學業,在無後顧之憂的環境下成長與茁壯。
謹以此論文獻給最摯愛的父母與家人,因為有你們的陪伴與支
持,讓我學習的生涯畫上完美的句點。
王至誠 謹誌於成大
民國九十一年六月
I
摘 要
II
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...… .… … … … … … … … … … … … … … … … … … … 3
第三節 研究範圍及限制 … … … … … … … … … … … … … … … … 4
第四節 研究架構 … … … … … … … … … … … … … … … … … … … 5
第二章 文 獻 探 討 … … … … … … … … … … … … … … … … … … … … … 7
第一節 內部訊息對交易量(volume)的影響… … .… … … … … … … … 7
第二節 交易量與股價波動之關聯… … … … … … … … … … … … .. 9
第三節 內部訊息交易者對交易額(size)的選取… … … … … ...11
第四節 交易額(trade size)與價格波動之關聯… … … … … … … ..13
第五節 小結… … … … … … … … … … … … … … … … … … … … … .15
第 三 章 研 究 方 法 … … … … … … … … … … … … … … … … … … … … . 16
第一節 研究期間與資料來源 … … … … .… … … … … … … … … … 16
第二節 樣本的選取與處理 … … … … … … … … … .… … … … … … 17
第三節 研究假說建立與交易額之分類 … … … … … … … … … … .19
第四節 研究模型設定 … … … … … … … … … … … … … … … … … .21
第五節 假設檢定 … … … … … … … … … … … … … … … … … … … .26
III
第五節 修正模型下台灣股市之實證結果… … … … … … … … … … … 52
第六節 小結… … … … … … … … … … … … … … … … … … … … … … … 58
第五章 結論與建議… … … … … … … … … … … … … … … … … … … … 59
第一節 結論… … … … … … … … … … … … … … … … … … … … … … … 59
第二節 建議… … … … … … … … … … … … … … … … … … … … … … … 62
附錄… … … … … … … … … … … … … … … … … … … … … … … … … … ..63
參考文獻… … … … … … … … … … … … … … … … … … … … … … … … ..69
IV
表 目 錄
V
圖 目 錄
VI
第一章 緒論
第一節 研究背景與動機
證券市場是每一個工業化國家資金供需,發展經濟最重要的管道
之一,此一管道是否暢通,是否健全發展,影響國家整體經濟發展甚
鉅,因此,建立健全的證券市場可說是各個國家所熱切企求的目標。
然而,價格與數量,一直是財務與經濟學界所關心的兩個重要變
數。在股票市場中,一旦具有內部訊息(inside information)存在時,內
部訊息的擁有者將根據此一訊息買進或賣出,藉此獲得超額報酬,當
此訊息反映於市場,報酬率與交易量將隨著訊息的反映而產生異常的
波動。報酬率與交易量的關係,不僅僅說明了股票市場的動態結構以
及效率性,同時說明內部訊息對於整體市場的影響。
對於主管機關而言,了解內部訊息交易者之交易行為,將有助於
維持股票市場之正常交易機制與秩序。另外,從投資人之觀點,亦可
減少其交易風險。近年來在電腦科技的進步下,已可取得金融資產的
每日、每時、每分、甚至逐筆交易的交易資料,帶動學者對於市場微
結構之研究,其中在藉由日內交易資料以了解內部訊息交易者之行為
方面,更受到研究者的青睞。
有關此方面相關之研究,較早由 Kyle(1985)理論模型,即認為擁
有內部訊息的交易者,為了隱藏其內部訊息,會將交易的總量,分割
成較小的交易額,在不同時點成交,藉以獲得利益。此外,根據 Admati
and Pfleiderer (1988)的研究顯示,擁有內部訊息的交易者 (informed
1
trader ),在利用其所獲得之未公開資訊從事交易時,多會選擇在市場
流動性高的時候,進行交易。過去國外學者的研究亦顯示,交易時距
(duration)和價格波動性(volatility)存在顯著的負相關,亦即交易時距
越短,隱含市場有訊息的流入,而造成價格的波動更為劇烈( Easley
。但上述的研究多半探討在內部訊息交易下股價的
and O’Hara(1987))
變動,但並未探討交易者會在何種交易額下交易。直到 Barclay and
Warner(1993)及 Chakravarty(2001)研究,經由公開訊息假說 (public
information hypothesis)以及隱藏性交易假說(stealth trading hypothesis)
的探討,認為中額交易較易隱藏內部訊息,才將價格波動與交易額的
關係作進一步的探討。
若與國外相較,國內有關於價格波動與交易額(trading size)的相
關研究,付之闕如,且多半集中於利用事件研究法探討內部訊息是否
存在的實證研究。有別於國內過去相關研究,本研究利用美國股市與
台灣股市之日內交易資料,經由統計方法,推估在何種交易額下有內
部訊息之存在,並將實證結果與現有理論相互驗證,並且進行比較分
析。在台灣金融市場日益全球化的趨勢之下,本研究希望能用不同的
觀點與方法,探討內部訊息的存在與影響,進而了解內部訊息持有者
之交易型態,而這也是本研究研究的動機所在。
2
第二節 研究目的
基於前述之研究背景與動機,我們利用不同於一般事件研究法的
研究方法,對於股價變動及交易額之間的相互關係進行研究,進而推
論持有內部訊息的交易者會在何種交易額下進行交易。同時本研究所
研究的對象,也與國內以往的文獻有所不同。國內以往文獻大多以事
件發生前後,股價具超額報酬之股票作為研究對象,且多半未探討股
價波動與交易額之關係。本研究選取研究期間內,樣本公司相較其所
屬產業或大盤具有超額報酬,並以樣本公司之日內交易資料作為研究
分析對象,針對學者對於以下所關心之二點假說進行實證分析:
一、 公開訊息(Public Information)假說:
股價若完全反映公開資訊,則該交易額分類下之累計交易量佔總
交易量比例,與該交易額所產生之累計股價波動佔總股價波動比例,
應呈 1 對 1 的固定比例關係
二、 隱藏性交易(Stealth trading)假說:
股價若反映內部訊息,則至少有一種交易額所產生之累計股價波
動與累計交易量,並不呈現 1 對 1 的固定比例關係,且所產生之價格
波動顯著高於其他交易額,進而可以推論該交易額交易內訊息交易比
例較高,內部訊息交易者傾向該交易額。
本研究將針對上述所提之假說進行實證研究,一方面藉此了解台
灣與美國股票市場價格波動、交易額與交易次數之間的關係,另一方
面則可進一步了解市場中是否存在內部訊息交易,且比較在不同市場
及不同走勢下,內部訊息交易者是否存在不同的交易行為。
3
第三節 研究範圍及限制
台灣證券交易市場包括集中市場與櫃檯買賣,但是由於國內上
櫃公司規模不大,且符合樣本交易期間之公司並不多,故本研究僅以
上 市 公 司 作 為 研 究 範 圍 。 至 於 美 國 方 面 , 則 參 考 Barclay and
Warner(1993)之方法,選取於 NYSE 掛牌交易之公司作為研究範圍。
本研究之限制如下:
一、 本研究主要以樣本期間內報酬率超過所屬產業平均報酬率,或
大盤報酬率之公司作為研究對象,至於報酬率低於上述條件之
公司,則因為法規與制度上有許多的限制 1,故未予討論。
二、 台灣與美國股市市場結構的不同,可能影響本研究之結果。
三、 無法如 Chakravarty(2001)研究中,區別交易是由一般投資者抑
或是機構投資者所產生。
四、 本研究所使用的成交交易資料(trade data),並無法詳細確認交易
內容 2,將造成部分交易額分類上的誤差。
1
如台灣股市有平盤以下不得放空之限制。
2
如一筆大額買單可能是由許多小額賣單所構成,而成交資料僅顯示多筆小額交易,將造成交易
額分類上的誤差。
4
第四節 研究架構
本研究共分為五章。本章為第一章緒論,第一節說明研究之背
景與動機。第二節為研究目的。第三節為研究範圍與限制。第四節則
介紹本研究之架構,本研究之研究流程列示於圖 1-1。
第二章為文獻探討。本章目的主要在於將過去文獻中,對於內部
訊息交易者之交易行為,與內部訊息交易對於市場變數的影響,所進
行之實證研究及探討,做一番整理及介紹。俾使讀者對於本研究有進
一步的了解。
第三章為研究方法。第一節說明研究期間與資料來源。第二節說
明樣本之選取與處理。第三節為假說建立與交易額之分類。第四節為
研究模型設定。第五節為假設檢定。
第四章為實證結果分析。將第三章所設計之研究方法實際帶入資
料,並且進行實證分析,將所得之結果做與現有文獻進行比較。
第五章為結論與建議。根據實證之結果提出本研究之結論,並對
後續之研究提出建議。
5
圖 1-1:研究流程
研究動機與目的
理論基礎與文獻探討
資料蒐集與整理
研究方法與設計之建立
隱藏性交易假說
公開訊息假說
實證結果分析
結論與建議
6
第二章 文獻探討
近年來學者爭相研究當訊息發佈時,市場交易會產生何種變化,
尤其交易變數因訊息的釋放而產生何種的變化,更是研究的重心所
在。而內部訊息交易者的存在與其交易行為,對於交易變數的變動更
具有關鍵性的影響。以下有系統地針對訊息對交易量的影響,交易量
與價格波動之間的關係,內部訊息交易者對於交易量與交易額的選
擇,以及交易額與價格波動之間的關係等相關文獻,做一介紹。
第一節 內部訊息對交易量(volume)的影響
在訊息對於交易量的影響之有關文獻方面,Kyle(1985)研究中認
為市場上有三種不同型態的交易者:(1)流動性的交易者(未握有內部
訊 息 )(2) 握 有 內 部 訊 息 的 交 易 者 (3) 風 險 中 立 的 造 市 者 (market
maker),在內部訊息交易者為風險中立傾向,以追求利潤最大化的假
設下,利用訊息不對稱模型(asymmetric information model),Kyle 認
為當流動性交易者集中交易時,使得造市者無法區別交易者是否握有
內部訊息,此時給予內部訊息交易者隱藏其訊息的機會,內部訊息交
易者會積極地交易,造成交易量增加的現象。
7
爾後 Easley and O’Hara(1992)更進一步提出市場中一部分的機構
投資者較一般投資者更容易持有內部訊息,而這些投資者對於市場中
的消息,具有分辨好壞的能力,當機構投資者進場購買時,代表持有
好的內部訊息,而進行拋售時,則代表持有壞的內部訊息。而此類的
交易行為造成交易量突然的擴大,但若機構投資者沒有持有影響市場
的內部訊息時,則會暫時停止交易的行為,所以內部訊息會造成交易
量的擴大。
由上述所提相關文獻我們可以得知,內部訊息的存在對於交易量
具有正向的影響
8
第二節 交易量與股價波動之關聯
由上述文獻我們可知,內部訊息的存在造成交易量的增加,而交
易量的增加會對價格波動造成何種的影響?Clark(1973)提出混合分
配假說(The Mixture of Distributions Hypothesis, MDH)首開價量理論
之先河,該假說認為每日價格波動 ∆ X t 為當日 m 次日內價格波動的總
和,當 m 為已知時,根據中央極限定理,∆ X t 之極限分配為常態分配,
∆ X t 之變異數與 m 成比例關係,∆ X t 的分配變為一附屬於 m 之分配。
在此假說中,將 m 視為日內資訊到達市場的次數,而交易量(volume)
正與此資訊到達次數成正比,所以 Clark 模型推論交易量與價格波動
之絕對值(∣ ∆ X t ∣)存在正相關,也隱含交易量為資訊到達比率的代
理 變 數 (proxy variable) 或 是 資 訊 流 通 速 度 的 混 合 變 數 (mixing
variable)。
9
由於 Clark 所提出之混合分配假說僅探討單一證券,Harris(1986)
認為各股票每日資訊流通速率並不相同,所以假設各股票的混合變數
分配不盡相同,利用 479 種普通股的日資料進行研究,進行橫斷面分
析之後,認為交易量與報酬率之相關度、交易量與報酬率平方之相關
度,都成正相關的結果,亦與混合分配假說一致。
Anderson(1996)提出修正混合分配假說(Modified MDH),認為交
易中存在流動性交易,而交易量對於訊息之條件機率分配呈 Poisson
分配非常態分配。該研究針對 NYSE 中上市的五家公司:IBM、
Amoco,Coca-Cola、Alcoa 與 Kodak 1973 年-1991 年之日交易資料,
區分為六個子期間,利用 GARCH 模型進行報酬波動性與交易量關係
之實證研究。其研究結果發現,報酬波動性與交易量間成正向相關,
且修正混合分配假說模型優於混合分配假說模型。
10
第三節 內部訊息交易者對交易額(size)的選取
當交易者獲得內部訊息時,必須至少同時考慮以下兩點:(1)總
共應交易多少部位,(2)該如何利用交易分割來隱藏所持有的內部訊
息。
若上述之假設條件放寬後,內部訊息交易者之總交易量應當會有
縮小的趨勢。如我們無法確定具有風險趨避傾向的交易者會減少多少
交易部位。而當交易者持有多家股票的內部訊息,以及面臨財富上
限、借款與放空的限制都會造成持有部位的減少。此外,在某些情況
下,內部訊息交易是屬於違法的行為,在上述因素之下,內部訊息交
易者所能交易之總量將會減少。
(2) 交易分割方面
內部訊息交易者決定交易總額之後,必須選擇交易次數以達成
交易總額目標。交易者將權衡交易成本、所面對之價格折讓、及延遲
該交易所帶來的成本,決定交易額的大小而使利益最大。價格折讓方
面,Kyle(1985)指出,若交易者將交易分割且分散交易時點,所造成
的價格折讓(price concessions)會較單筆鉅額交易來得小。而 NYSE
Fact Book(1991)提到,中額交易所造成的價格折讓為最小。但分散交
11
易次數與交易時點容易造成延遲交易,而所持有的內部訊息會因為交
易的遞延而公開,或使其他持有相同內部訊息的交易者有機會率先反
映訊息。此外,一般交易手續費都按每次交易收取固定的費用,這也
會造成交易者傾向減少交易次數。
在以上因素的探討下,我們可以假設內部訊息交易者為了避免交
易分割所造成的交易手續費與延遲交易等成本,將不會進行小額交
易,而藉由交易分割為中額交易或大額交易,以達到目標交易總額。
3
在此假設下,任一內部訊息交易者透過交易,將其預期報酬極大化。
12
第四節 交易額(trade size)與價格波動之關聯
13
Chan and Fong(2000)認為 NYSE 與 NASDAQ 兩者間的市場結構
並不相同,而 Jones et al.’s(1994)之實證結果並不一定適用於 NYSE
的股票,所以使用 TAQ 資料庫之日資料作為研究對象,並且將交易
分成大、中、小三種交易額探討價格波動、交易額與交易次數之間的
關係,實證結果發現,無論是 NYSE 或 NASDAQ,在中額交易的交
易次數下,所造成之報酬率絕對值增加量,比其他交易額分類下之較
易次數來的大。此結果顯示無論是交易次數或是交易額,對於價格波
動都存在顯著的影響。
14
第五節 小結
由上述過去文獻的探討,我們可以得到以下幾點結論:
1. 內部訊息的存在會使得交易量增加。
2. 交易量與價格波動間呈現正相關。
3. 內部訊息交易者傾向將交易分割,且因為交易成本等因素,將
不會進行小額交易,且交易額越大內部訊息交易比率越高。
4. 過去實證顯示,中額交易所造成之價格波動最為顯著。
15
第三章 研究方法
第一節 研究期間與資料來源
本研究主要探討價格波動如何受到交易額的影響,亦即資訊的釋
放如何影響內部訊息交易者對於交易額的選擇,進而影響價格的波
動。若僅採取股價日資料或每五分鐘的報價,均有可能忽略交易期間
資訊釋放的完整性。本研究欲完整得知每一筆交易資料所隱含的資訊
內容,所以採用日內交易資料作為研究樣本。
在資料來源方面,由於本研究欲比較台灣與美國間,內部訊息交
易者對於交易額的選取,是否有不同的傾向,所以在台灣日內交易資
料來源方面,採用「台灣經濟新報資料庫」-上市證券當日交易明細
資料(INTRA_DAY DATA)作為研究樣本的選取。而在美國方面,
以 NYSE TAQ(Trade and Quote)資料庫日內交易資料,作為研究樣
本。希望以上述之兩種資料庫比較台灣與美國間,是否存在不同的交
易行為。
16
第二節 樣本的選取與處理
由於台灣與美國股市於樣本期間內,市場結構有所不同4,所以在
樣本公司的選取標準上,也有些許的差異。在台灣研究樣本方面,分
別選取 1999 年第三季與第四季,在台灣證券交易所交易而股價上漲
幅度超過所屬產業上漲幅度 10%以上之股票作為研究對象。而在美
國研究樣本方面,則參考 Chakravarty(2001)的選取方法,選取於 1999
年第三季與第四季在 NYSE 交易之公司,而股價上漲幅度超過市場上
漲幅度 510%以上之股票作為研究對象,。
4
以台灣為例,樣本期間內電子類股成交總額超過大盤成交總額 50%以上,所以若以台灣股價指
數報酬率作為選取標準,則有失偏頗。
5
以 CRSP 資料庫中 NYSE/AMEX/NASDAQ Value-Weighted Market Index作為市場報酬之依據。
17
在日內交易資料的選取方面,就資料中不符合市場應有正常表現
者之異常值加以去除,譬如,在輸入資料時可能產生誤差,故本研究
利用 SAS 程式來去除異常資料,至於所去除之異常資料包括如下:
1. 價格波動過大的異常資料去除,由於台灣證券交易所規定個股單
日漲跌幅不得超過 7%,故將日內交易資料超過上述規定者本研究
予以去除。
2. 交易數量為 0 之交易資料本研究予以去除。
3. 超過規定交易期間之交易資料本研究予以去除,如台灣交易時間
為星期一至星期五的上午九點至下午一點三十分,星期六的上午
九點至十二點止。而美國交易時間為星期一至星期五的上午九點
三十分至下午四點止,樣本交易時間應以上述範圍為準。
而本研究資料選取範圍如下:
1. 台灣方面
以上市公司之日內交易資料才列入本研究之分析樣本。
2.美國方面
僅有在 NYSE 交易之日內交易資料,才列入本研究之分析樣本。
18
第三節 研究假說建立與交易額之分類
(一)研究假說建立
本研究主要探討 Barclay and Warner(1993)所提之公開訊息假說
與隱藏性交易假說,利用所選取之樣本股票,檢定價格的波動是源於
公開抑或是內部的訊息,而更進一步探討內部訊息交易者的交易行
為。
1. 公開訊息假說(預期將拒絕此一假說)
股價若在完全反映公開資訊下,則樣本期間內(本研究為三個月
內)該交易額所產生之累計股價波動佔總股價波動比例,與該交易額
分類下之累計交易量(累計交易次數)佔總交易量(總交易次數)比例,
應呈 1 對 1 之比例關係
cpci, k v i. k freq i , k
=α (或 ) i = S, M, L (式 3-1)
∑ cpc i ,k ∑ v i ,k ∑ freq i, k
19
波動顯著高於其他交易額,進而可以推論該交易額交易內訊息交易比
例較高,內部訊息交易者傾向該交易額。
cpci , k v i. k freq i , k
= (或 ) i = S, M, L (式 3-2)
∑ cpc i ,k ∑ v i ,k ∑ freq i ,k
假設大額交易符合隱藏性交易假說,且造成之價格波動顯著高於
其他分類交易額,可以進而推論大額交易隱含較多內部訊息,而
內部訊息交易者多傾向大額交易。
(二)交易額分類
美國股市方面:
與 Barclay and Warner(1993)分類方法相同
小額交易 中額交易 大額交易
台灣股市方面:
由於美國股市以 100 股為成交單位,故台灣股市也參照相同方法,以
成交單位 1000 股作為分類標準
小額交易 中額交易 大額交易
20
第四節 研究模型設定
在 本 研 究 中 , 我 們 主 要 運 用 以 下 兩 個 模 型 : Barclay and
Warner(1993)所提出之實證模型(以下簡稱 B&W 模型),與本研究所提
出之修正模型,來檢測在不同交易額分類下內部訊息交易者的交易行
為:
cpci. k
其中, y i .k = i = S, M, L (小額、中額、大額)
∑ cpc i,k
( µ , β1, β 2 , β 3 皆為估計係數)
∑ cpc i ,k :第 k 家樣本公司於樣本期間內之總股價變動
v i. k freq i , k
x i .k = (或 )
∑ v i ,k ∑ freq i ,k
易量(總交易次數)
6
為了去除正負相抵的問題,本研究也會以︱ pt − pt −1 |進行實證分析。
7
價格波動指本次交易價格-前次交易價格
21
虛擬變數的設定:
1 交易額為小額
D1 =
0 其他
1 交易額為中額
D2 =
0 其他
1 交易額為大額
D3 =
0 其他
由於異質變異數的存在不僅違反模型之基本假設,且造成估計檢
定 的 偏 誤 , 進 而 使 得 研 究 之 結 果 與 推 論 錯 誤 。 故 Barclay and
Warner(1993)於其研究中,以 WLS(Weighted-least-square)修正異質變
異數的問題,其加權權重為各分類之累計價格波動絕對值。
8
Cook, R.D. and Weisberg , S.(1982), Residuals and Influence in Regression, New York: Chapman
and Hall.
22
此外,B&W 模型中,隱含著在不同交易額下, x i.k 對 yi. k 所造成
的斜率項都相同之假設9,所以在進行實證研究之前,必須先檢定是
否符合此項假設。
1. 首先,先檢定所有斜率參數是否為 0,換言之,在以下模
型下:
H 01 : 所有斜率參數皆為0 ( β 4 = β 5 = β 6 = 0)
檢定:
H1 : H 01不為真
若所有斜率參數皆為 0,則可使用一般變異數分析(ANOVA)來探
討何種交易額下所造成的價格波動最為顯著。
2. 若拒絕 H 01 ,則進一步檢定所有斜率參數是否相等
H 02 : 所有斜率參數皆相等 ( β 4 = β 5 = β 6 )
H1 : H 01不為真
由於 B&W 模型必須符合上述前提假設,運用上有其限制所以
B&W 模型並不見得適用於所有市場狀況,且 B&W 模型使用樣本期
9
Kendall and Jennifer Aquino, Anova and regression :/practical applications course notes, 1991,
391-406
23
間內分類交易額所產生的價格波動總和作為比較基礎,若樣本期間內
某一交易額之交易量或是交易次數占大多數時,容易造成該交易額所
? 生的價格波動最? 巨大,因而形成比較上的偏差,故本研究進一步
提出修正模型,利用平均價格波動率進行比較,希望能夠得到更為中
肯的結果。
(二)修正模型: z i. k = β 1 D1 + β 2 D2 + β 3 D3 + ε i . k (式 3-6)
cpvi, k cpvi. k
其中, z i ,k = (或 ) i = S, M, L (小額、中額、大額)
v i, k freq i, k
cpvi, k 10= ∑ ( p t − p t −1 )
pt
=第 k 家樣本公司於第 i 類分類交易額樣本期間內
之累計價格波動率
虛擬變數的設定:
1 交易額為小額
D1 =
0 其他
1 交易額為中額
D2 =
0 其他
10
為了去除正負相抵的問題,本研究也會以︱
( pt − pt −1 ) |進行實證分析。
pt −1
24
1 交易額為大額
D3 =
0 其他
由於 B&W 模型定義之價格波動存在價格規模效果11,所以修正模型
以價格波動率替代,避免因為升降單位的規定而造成實證結果的偏
差。且為了去除各樣本公司資料比率簡單平均後,造成實際比率的失
真,本研究利用變數加權避免上述情況發生,其權重為:
在此模型中我們可將 yi ,k 視為每單位交易量(交易次數)所造成之價格
波動率,在公開訊息假說下,不論何種交易額下,每單位交易量(交
易次數)所造成之價格波動率比例應當相同,即預期 β1 = β 2 = β 3 ;在隱
藏性交易假說下,至少一種分類交易額每單位交易量(交易次數)所造
成之價格波動率比例大於其他分類交易額,即預期至少一個 β 項係數
顯著大於 0 且高於其他 β 項係數。在比較方面,本研究利用 Tukey test
檢定何種交易額所造成之價格波動率最為顯著。
此外,本研究利用變數轉換(Transformation) 12修正異質變異數的
問題,並且利用 Levene’s test 檢定轉換後異質變異數是否仍然存在。
11
以台灣股市為例,股價較高之公司,其股價升降單位也較高,此為價格規模效果。
12
Thomas R. Black, 1999. Doing Quantitative Research in the Social Sciences, 459-463.
25
第五節 假設檢定
(1)檢定公開訊息假說
H 0 : β1 = β 2 = β 3 = 0, 且β 4 = 1 (支持公開訊息假說)
H1 : H 0不為真 (違背公開訊息假說)
若拒絕公開訊息假說,則進一步檢定隱藏性交易假說。
(2)檢定隱藏性交易假說
檢定小額交易所造成之累計價格波動是否為最大且顯著大於 0
若上述 H 0 不為真,則進一步檢定中額交易所造成之累計價格波動是
否為最大且 顯著大於 0
若上述 H 0 不為真,則進一步檢定大額交易所造成之累計價格波動是
否為最大且顯著大於 0
經由上述之假設檢定我們可以得知,內部訊息交易者會集中於哪一種
26
分類交易額下交易,進而推論該分類交易額之交易具有內部訊息。
(二)運用修正模型檢定在不同交易額下,內部訊息交易者的交易行
為
(1)檢定公開訊息假說
H 0 : β 1 = β 2 = β 3 (支持公開訊息假說)
H1 : H 0不為真 (違背公開訊息假說)
若拒絕公開訊息假說,則進一步檢定隱藏性交易假說。
(2)檢定隱藏性交易假說
檢定小額交易所造成之平均價格波動率是否為最大且顯著大於 0
若上述 H 0 不為真,則進一步檢定中額交易所造成之平均價格波動率
是否為最大且顯著大於 0
若上述 H 0 不為真,則進一步檢定大額交易所造成之平均價格波動率
是否為最大且顯著大於 0
27
經由上述之假設檢定我們可以得知,內部訊息交易者會集中於哪一種
分類交易額下交易,進而推論該分類交易額之交易具有內部訊息。
28
第四章 實證結果分析
第一節 樣本選取結果
表 4-1 研究樣本之樣本個數
表 4-1 中顯示四個不同測試的部分:
1. 空頭市場(第三季)下,季報酬超過所屬產業平均報酬 10%
以上之台灣上市公司。
2. 多頭市場(第四季)下,季報酬超過所屬產業平均報酬 10%
以上之台灣上市公司。
3. 空頭市場(第三季)下,季報酬超過大盤平均報酬 10%以上
之美國掛牌公司。
4. 多頭市場(第四季)下,季報酬超過大盤平均報酬 10%以上
之美國掛牌公司。
13
由附錄可知,台灣研究樣本公司平均分布於各產業中,並不集中於電子產業。
29
表 4-2 樣本公司之累計價格波動、累計交易次數、累計交易量平均比率(%)
表 4-2 中可知,價格波動若不取絕對值,則小額交易所產生的平
均累計價格波動比率最高,中額交易的平均交易次數與交易量比率最
高,若價格波動取絕對值,則以中額交易所產生的平均累計價格波動
比率最高。
30
表 4-3 每單位交易量(交易次數)所造成價格波動率(加權後)之平均比例
美 以交易次 以交易量
以交易次 以交易量
數為變數 為變數
數為變數 1 為變數 3
國 (絕對值)2 (絕對值)4
註:
由表 4-3 可知,無論變數為交易次數或交易量,台灣股市與美國
股市皆以大額交易所產生的價格波動率最為顯著。
31
第二節 B&W 模型下美國股市之實證結果
由第三章我們可知在公開訊息假說下,股價若完全反映公開資
訊,則分類交易額所產生之累計股價波動佔總股價波動比例,與分類
交易額下之累計交易量(交易次數)佔總交易量(交易次數)比例,應呈 1
對 1 的固定比例關係。由表 4-4 可知,無論模型使用交易次數或交易
量作為實證變數,所有分類交易額所產生之截距項均顯著異於 0;而
表 4-5 中,小額交易所造成之截距項亦顯著異於 0,顯示公開訊息假
說在此模型條件下並不成立,此點與 Barclay and Warner(1993)所得結
論相一致。
在公開訊息假說不成立下,進一步探討隱藏性交易假說,由表
4-4 發現,無論模型使用交易次數或交易量作為實證變數,經過
Least-squares means 檢定之後,小額交易所產生之價格波動皆顯著高
於中額或大額交易所產生之價格波動,而表 4-5 也呈現相同的結論。
32
此結論符合隱藏性交易假說,若有內部訊息存在,則有某一分類交易
額之價格波動會顯著高於其他分類交易額之價格波動,但此實證結果
卻與 Barclay and Warner(1993)、Chakravarty (2001)所得中額交易最為
顯著之結論並不符合。
由於價格波動不取絕對值,會造成正負相抵之問題,可能會影響
實證結果,且由過去文獻中,多半以價格波動之絕對值(平方)作為實
證資料,所以底下利用上述相同實證方法,但以價格波動取絕對值下
進行分析,探討實證結果是否有所差異。
假說檢定方面,無論在多頭或空頭市場下,所有分類交易額所產
生之截距項均顯著異於 0,表示公開訊息假說不成立。進一步探討隱
密性交易假說,當以價格變動取絕對值進行實證分析,我們得到與
Barclay and Warner(1993)、Chakravarty (2001)相同的結論,隱藏性交
易假說成立,且中額交易所造成之價格波動最為顯著。
33
歸結上述所有實證結果,可以發現 B&W模型具有以下三點缺失:
1.B&W 模型並不適用於所有的市場狀況。
如同第三章所述,當迴歸參數並非完全相等時,則難以各分
類交易額之迴歸式進行比較分析,而從本研究對美國股市方面的
實證研究可以發現,B&W 模型並非適用所有的市場狀況,所以
利用 B&W 模型所得之實證很難得到一致且正確的結果。
3.價格波動是否取絕對值可能會影響實證結果
由於 B&W 模型使用樣本期間內分類交易額所產生的價格波動總
和作為比較基礎,由表 4-2 可知,若價格波動取絕對值後,中額
交易累計價格波動比率最高,正負相抵的問題也可能造成實證結
果的改變。
34
表 4-4 多頭市場下美國股市之實證研究(B&W 模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.8981 1.0331
(17.32)* (50.90)*
中額 (500-9900 股) -0.1975 -0.2055
(-3.15)* (-3.67)*
大額 (10000 股以上) -0.0779 -0.1865
(-4.00)* (-5.21)*
交易次數比率 0.3774
(3.38)*
交易量比率 0.3589
(3.99)*
R2 0.8267 0.8283
F-value 773.30 781.82
Heteroscedasticity 檢定
(Score 檢定)
χ2 21.23* 21.21*
虛擬變數檢定
(Least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* <0.0001*
大額=小額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 7.13* 10.11*
斜率參數皆相同 4.88* 6.98*
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
35
表 4-5 空頭市場下美國股市之實證研究(B&W 模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 1.0003 0.9792
(13.41)* (34.84)*
中額 (500-9900 股) 0.0426 0.0189
(0.47) (0.26)
大額 (10000 股以上) 0.0117 0.0138
(-0.50) (0.28)
交易次數比率 -0.0566
(-0.35)
交易量比率 -0.0116
(-0.10)
R2 0.5358 0.5357
F-value 335.96 335.88
Heteroscedasticity 檢定
(Score 檢定)
χ2 80.32* 53.34*
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* <0.0001*
大額=小額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 0.10 0.06
斜率參數皆相同 0.09 0.08
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
36
表 4-6 多頭市場下美國股市之實證研究(B&W 模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.2373 0.3689
(46.76)* (138.41)*
中額 (500-9900 股) 0.2812 0.4028
(39.31)* (51.37)*
大額 (10000 股以上) 0.1274 0.0826
(70.54)* (14.43)*
交易次數比率 0.3568
(29.22)*
交易量比率 0.1457
(10.98)*
R2 0.9800 0.9547
F-value 34443.7 15128.6
Heteroscedasticity 檢定
(Score 檢定)
χ2 0.000012 32.65*
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
小額=中額 <0.0001* <0.0001*
大額=中額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 416.81* 134.08*
斜率參數皆相同 69.94* 111.72*
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
4. ( )內為 t-test 檢定值,*表示已達顯著水準(5%)
37
表 4-7 空頭市場下美國股市之實證研究(B&W 模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.2013 0.3713
(40.43)* (104.32)*
中額 (500-9900 股) 0.2182 0.3798
(33.17)* (43.75)*
大額 (10000 股以上) 0.1037 0.0410
(65.02)* (6.94)*
交易次數比率 0.4770
(49.26)*
交易量比率 0.2087
(15.29)*
R2 0.9767 0.9011
F-value 43774.4 8890.74
Heteroscedasticity 檢定
(Score 檢定)
χ2 0.00011 2.39
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
小額=中額 <0.0001* <0.0001*
大額=中額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 783.42* 247.36*
斜率參數皆相同 102.45* 102.45*
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
4. ( )內為 t-test 檢定值,*表示已達顯著水準(5%)
38
第三節 B&W 模型下台灣股市之實證結果
至於價格波動取絕對值方面的實證結果,基本假設方面,表 4-10
與表 4-11 皆顯示多頭市場與空頭市場下,斜率參數並非完全相同,
表示 B&W 模型並不適用,而 Score test 檢定結果也和前面實證結果
一致,WLS 依然無法解決異質變異數的存在。
39
假說檢定方面,由表 4-10 與表 4-11 可知,各分類交易額所產生
之截距項均顯著異於 0,表示公開訊息假說不成立,此與 Barclay and
Warner(1993)所得結果一致。而進一步檢定隱藏性交易假說,實證結
果顯示如以交易次數作為變數,小額交易所造成之價格波動對著於高
於 其 他 分 類 交 易 額 , 隱 藏 性 交 易 假 說 成 立 , 但 與 Barclay and
Warner(1993) 、Chakravarty (2001)所得中額交易最為顯著之結論並不
符合。如以交易量作為變數,與美國股市實證結果相同,中額交易所
造 成 的 價 格 波 動 高 於 其 他 分 類 交 易 額 , 與 Barclay and
Warner(1993) 、 Chakravarty (2001)所得中額交易最為顯著之結論相
同。
1.若價格波動不取絕對值,B&W 模型的基本假設成立,在台灣
股市進行此模型的分析會較美國股市適合,但 WLS 仍無法去
除異質變異數的問題。
2.若價格波動取絕對值,則與美國股市的實證結果相同,但基
本假設皆不成立,且異質變異數的問題依然存在。
3.如同美國股市實證結果,價格波動取絕對值與否有可能改變
實證結果。
40
同美國股市的實證結果,B&W 模型在台灣股市實證分析
上,依然有其限制,即使符合前提假設(如表 4-8 與表 4-9),異質
變異數的存在亦會造成假設檢定的偏誤,而結論仍然與 Barclay
and Warner(1993) 、Chakravarty (2001)所得中額交易最為顯著之
結論不同。
41
表 4-8 多頭市場下台灣股市之實證研究(B&W 模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 1.0072 0.974
(12.65)* (23.00)*
中額 (5000-99000 股) 0.0936 0.0604
(0.62) (0.62)
大額 (100000 股以上) 0.02492 0.05868
(0.56) (0.67)
交易次數比率 -0.12508
(-0.55)
交易量比率 -0.09139
(-0.54)
R2 0.6263 0.6263
F-value 135.69 135.68
Heteroscedasticity 檢定
(Score 檢定)
χ2 379.3662* 219.4666*
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* <0.0001*
大額=小額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 0.16 0.18
斜率參數皆相同 0.09 0.13
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
42
表 4-9 空頭市場下台灣股市之實證研究(B&W 模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 0.9637 1.0041
(6.33)* (11.23)*
中額 (5000-99000 股) -0.0917 -0.0977
(-0.38) (-0.47)
大額 (100000 股以上) -0.0226 -0.0621
(-0.25) (-0.49)
交易次數比率 0.1501
(0.41)
交易量比率 0.1543
(0.52)
R2 0.3271 0.3275
F-value 33.9 33.94
Heteroscedasticity 檢定
(Score 檢定)
χ2 1.3599 23.4552*
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* <0.0001*
大額=小額 <0.0001* <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 0.16 0.27
斜率參數皆相同 0.09 0.28
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
43
表 4-10 多頭市場下台灣股市之實證研究(B&W 模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 0.1242 0.3337
(16.64)* (33.82)*
中額 (5000-99000 股) 0.0319 0.5078
(2.00)* (23.7)*
大額 (100000 股以上) -0.0226 0.0795
(15.11)* (4.06)*
交易次數比率 0.7802
(33.39)*
交易量比率 0.0793
(2.13)*
R2 0.9718 0.8247
F-value 7225.36 1117.15
Heteroscedasticity 檢定
(Score 檢定)
χ2 <0.00001 0.00021
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* 小額=中額 <0.0001*
大額=小額 <0.0001* 大額=中額 <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 398.24* 105.44*
斜率參數皆相同 7.11* 152.57*
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
44
表 4-11 空頭市場下台灣股市之實證研究(B&W 模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 0.1182 0.3197
(20.8)* (25.45)*
中額 (5000-99000 股) 0.0453 0.4972
(3.94)* (20.05)*
大額 (100000 股以上) 0.0641 0.0764
(16.96)* (3.88)*
交易次數比率 0.7728
(46.78)*
交易量比率 0.1071
(2.80)*
R2 0.9809 0.7687
F-value 8951.55 694.76
Heteroscedasticity 檢定
(Score test)
χ2 0.00002 0.00021
虛擬變數檢定
(least-squares means 檢定)
P-value P-value
中額=小額 <0.0001* 小額=中額 <0.0001*
大額=小額 <0.0001* 大額=中額 <0.0001*
基本假設檢定 3
F-value F-value
斜率參數皆為 0 867.79* 148.45*
斜率參數皆相同 17.35* 210.02*
註:
1. y i. k = β1 D1 + β 2 D2 + β 3 D3 + β 4 xi .k + ε i. k
2. cpci, k = ∑ ( p t − p t −1 )
3. y i.k = β1 D1 + β 2 D 2 + β 3 D3 + β 4 D1 x1.k + β 5 D2 x 2, k + β 6 D 3 x 3, k + ε i. k
4. ( )內為 t-test 檢定值,*表示已達顯著水準(5%)
45
第四節 修正模型下美國股市之實證結果
經由 B&W 模型實證結果我們可以發現使用上有其限制,而在修
正模型中必須克服以下三點:1.模型必須適用於所有的市場狀態以及
條件,2.必須能夠去除異質變異數的問題,3.資料取絕對值與否不影
響實證結果。在本節中將利用第三章所提出的修正模型,利用與第二
節完全相同的美國股市交易資料,進行公開訊息假說以及隱藏性交易
假說實證分析,希望得到更中肯的實證結果。
在修正模型中,股價若完全反映公開資訊,無論在何種分類交易
額下,單位交易量(交易次數)所造成的平均價格波動率應當相同。表
4-12 與 4-13 分別表示價格波動率不取絕對值下,美國股市多頭市場
與空頭市場之實證檢定結果。首先,利用 Levene’s test 檢定異質變異
數是否存在,檢定結果顯示,資料經過轉換後( 見表後附註),可以消
除異質變異數的問題。而在假說檢定方面,如表 4-12 與 4 表-13 的檢
定結果,不論在何種市場狀況下,公開訊息假說皆不成立,此與
Barclay and Warner(1993)所得之結論相同。
拒絕公開訊息假說後,進一步檢定隱藏性交易假說,由表 4-12
可以發現,多頭市場下無論變數為交易量或交易次數,大額交易所造
成的平均價格波動率皆顯著高於其他二者,而表 4-13 也顯示空頭市
場下,若以交易次數作為變數,則得到與多頭市場相同的結論,但若
以交易量作為變數,雖然大額交易之價格波動率最高,但實證結果卻
無法證明其顯著較小額與中額交易為高。由上述檢定結果我們可知,
隱藏性交易假說成立,內部訊息交易者傾向選擇大額交易,此結果與
Easley and O’Hara(1987)所提出大額交易中訊息交易比例較其他交易
額為高的結論相同,大額交易中容易存有內部訊息。
46
由於 B&W 模型若價格波動率取絕對值,可能造成檢定結果的不
同,所以進一步探討若價格波動取絕對值下,修正模型之實證結果是
否存在與 B&W 模型相同的情況。如同前述之步驟,首先檢定是否存
在異質變異數的問題,由表 4-14 與表 4-15 可以得知,交過資料轉換
後(見表後附註),可以消除異質變異數的問題。而在假說檢定方面,
則與報酬率不取絕對值之實證分析相同,皆拒絕公開訊息假說,且隱
藏性交易假說成立,大額交易所產生之平均價格波動率顯著高於其他
分類交易額,此實證結果亦與 Easley and O’Hara(1987)所提出大額交
易中訊息交易比例較其他交易額為高的結論相同,所以由實證結果可
以發現價格波動率取絕對值與否並不會影響實證之結果。
47
表 4-12 多頭市場下美國股市之實證研究(修正模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.00011 0.00339
(5.70)* -0.28
中額 (500-9900 股) 0.00002 0.00087
-1.19 -0.07
大額 (10000 股以上) 0.0002 0.02987
(10.69)* (2.50)*
R2 0.0894 0.0078
F-value 49.38 2.11
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.97 1.54**
P-value 0.1405 0.2155**
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 22.55* 4.55*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 0.000095* -155.61*
大額-中額 0.00018* -163.58*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ t
( p − p t−1 )
pt
3. **表示資料經過-0.75 次方轉換
48
表 4-13 空頭市場下美國股市之實證研究(修正模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.000058 0.001232
(7.52)* (0.46)
中額 (500-9900 股) 0.000013 0.000982
(1.67)* (0.36)
大額 (10000 股以上) 0.000094 0.012917
(12.04)* (4.74)*
R2 0.0672 0.016
F-value 68.10 7.59
Heteroscedasticity 檢定 3
(Levene’s test)
F-value 2.59** 0.93***
P-value 0.0756** 0.3961***
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 7.74* 6.29*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 3.48171E-8* -47495150
大額-中額 3.94135E-8* -56835386
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ t
( p − p t−1 )
pt
3. **表示資料經過 2 次方轉換,***表示資料經過-2 次方轉換
49
表 4-14 多頭市場下美國股市之實證研究(修正模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.001528 0.06267
(7.44)* (1.69)
中額 (500-9900 股) 0.001309 0.05035
(6.38)* (1.36)
大額 (10000 股以上) 0.005041 0.30135
(23.96)* (8.13)*
R2 0.3118 0.0596
F-value 232.88 23.59
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 0.59** 2.65
P-value 0.5548** 0.0718
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 43.65* 14.56*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 -11.49* 0.2386*
大額-中額 -14.39* 0.2510*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ t
( p − pt −1 )
pt −1
3. **表示資料經過-0.5 次方轉換
4. ( )內為 t-test 檢定值,*表示已達顯著水準(5%)
50
表 4-15 空頭市場下美國股市之實證研究(修正模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (100-400 股) 0.00161 0.05311
(8.01)* (4.26)*
中額 (500-9900 股) 0.00151 0.04488
(7.55)* (3.60)*
大額 (10000 股以上) 0.00479 0.17375
(23.69)* (13.95)*
R2 0.1619 0.0801
F-value 195.23 73.97
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.91** 2.11***
P-value 0.1671** 0.1215***
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 3.69* 6.20*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 -4.380 -1.880*
大額-中額 -6.119* -1.674*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ ( pt − pt −1 ) p
t −1
51
第五節 修正模型下台灣股市之實證結果
52
性交易假說實證結果顯示,若以交易次數作為研究變數,則大額交易
所產生之平均價格波動率顯著最高,與 Easley and O’Hara(1987)所提
出大額交易中訊息交易比例較其他交易額為高的結論相同,但以交易
量為變數的實證,大額交易與小額交易所產生之平均價格波動率皆顯
著高於其他分類交易額,亦符合隱藏性交易假說。
由台灣的實證可以發現,與第四節之實證結果相同,價格波動率
是否取絕對值對於結果並無太大的影響,且修正模型經由資料轉換解
決異質變異數的問題,此即解決如第二節所述 B&W 模型的缺點。另
一方面,由表 4-16、4-18 與 4-19 可以發現,臺灣股市小額交易所?
生的價格波動率也相當顯著,由於臺灣散戶比例明顯偏高,且追價情
形亦較? 明顯,加上市場上常用小額交易規避所謂上下兩檔漲跌限制
14
,所以本研究認? 極有可能是上述原因造成小額交易所? 生的價格
波動率較? 顯著。
14
由於台灣股市存在上下兩檔漲跌限制,故不論何種交易額,其單次交易所造成的價格變動幅
度一致,交易者為了避免上述限制,利用小額交易拉抬股價,進而達到獲利的目的。
53
表 4-16 多頭市場下台灣股市之實證研究(修正模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 4.288E-05 2.065E-03
(8.33)* (0.4)
中額 (5000-99000 股) 1.026E-05 1.305E-03
(1.99)* (0.25)
大額 (100000 股以上) 4.882E-05 3.946E-02
(9.21)* (7.49)*
R2 0.1328 0.1432
F-value 52.71 18.78
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.26** 1.95***
P-value 0.286** 0.1445***
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 7.08* 6.36*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 87.1 0.007166*
大額-中額 -424.5* 0.007247*
小額-中額 -511.6*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ t
( p − p t−1 )
pt
3. **表示資料經過-0.5 次方轉換,***表示資料經過 2 次方轉換
54
表 4-17 空頭市場下台灣股市之實證研究(修正模型)1
價格波動不取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 3.834E-05 1.586E-04
(4.62)* (0.04)
中額 (5000-99000 股) 1.099E-05 7.311E-04
(1.32) (0.18)
大額 (100000 股以上) 7.644E-05 2.658E-02
(8.99)* (6.34)*
R2 0.1391 0.1221
F-value 34.65 13.39
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.4 2.89***
P-value 0.2492 0.0581***
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 15.27* 4.21*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 0.00004* 0.00084*
大額-中額 0.00007* 0.00084*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ t
( p − p t−1 )
pt
3. ***表示資料經過 3 次方轉換
55
表 4-18 多頭市場下台灣股市之實證研究(修正模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 3.216E-03 1.259E-01
(10.94)* (4.28)*
中額 (5000-99000 股) 1.963E-03 6.046E-02
(6.68)* (2.32)*
大額 (100000 股以上) 3.103E-03 1.51E-01
(10.26)* (5.62)*
R2 0.0501 0.0292
F-value 89.85 20.08
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.81** 2.57
P-value 0.166** 0.079
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 4.83* 3.15*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 1.88767E-07* 大額-小額 0.025
大額-中額 2.22321E-07* 大額-中額 0.0905*
小額-中額 0.0655*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑ ( pt − pt −1 ) p
t −1
3. **表示經過 3 次方轉換
56
表 4-19 空頭市場下台灣股市之實證研究(修正模型)1
價格波動取絕對值 2
迴歸
交易次數 交易量
Trade size
小額 (1000-4000 股) 3.638E-03 1.075E-01
(10.67)* (2.97)*
中額 (5000-99000 股) 2.179E-03 5.384E-02
(6.38)* (1.49)
大額 (100000 股以上) 4.131E-03 1.632E-01
(11.83)* (4.4)*
R2 0.0847 0.023
F-value 98.14 10.13
Heteroscedasticity 檢定 3
(Levene 檢定)
F-value 1.81** 2.43***
P-value 0.1662** 0.0904***
公開訊息假說檢定 ( β1 = β 2 = β 3 )
F-value 5.75 3.99*
虛擬變數檢定
(Tukey 檢定)
平均數差異 平均數差異
大額-小額 0.00002* 大額-小額 -0.0156
大額-中額 0.00003* 大額-中額 0.0797*
小額-中額 0.0954*
註:
1. z i. k = β1 D1 + β 2 D2 + β 3 D3 + ε i. k
2. cpv i ,k = ∑
( pt − pt −1 )
p t −1
3. **表示資料經過 2 次方轉換,***表示資料經過 0.5 次方轉換
4. ( )內為 t-test 檢定值,*表示已達顯著水準(5%)
57
第六節 小結
58
第五章 結論與建議
第一節 結論
(一)B&W 模型實證結果
1. B&W 模型基本假設並非永久成立
B&W 模型假設斜率參數在不同的交易額下皆相同,而利用截距
項比較價格波動程度,但經由本研究的實證結果發現,上述基本假設
在大多數的情況下並不成立,難以利用各交易額之迴歸式進行比較分
析,所以使用上有其限制。且即使符合基本假設(見表 4-5、4-8、4-9),
實證結果以小額交易所造成的價格波動最為顯著,並不支持 Barclay
and Warner(1993)認為中額交易存在較多內部訊息的結論。
59
2. 存在異質變異數的問題
Barclay and Warner(1993)提出 WLS 將可解決異質變異數的問
題,但經由本研究實證分析之後,發現上述方法大多不能有效解決異
質變異數的存在,而異質變異數的存在將會造成假設檢定的偏誤,而
使結論有所差異。
3. 樣本期間與取樣的差異
Barclay and Warner(1993)利用 1981-1984 年間善意合併公司作為研
究對象而所得之結論,與本研究之樣本期間相差 15 年之久,其間
NYSE 交易量與掛牌家數的大幅成長,市場結構的改變都可能造成實
證結果的不同。而另一方面,Chakravarty (2001)認為中額交易大多由
機構投資者所發起,而所造成的價格波動明顯高於一般投資者所發起
的中額交易,且隨著公司規模的擴大,顯著程度越高。但由於本研究
利用 TAQ 資料庫進行分析,並無法分辨投資者為機構投資者或是一
般投資者,若能將資料進一步分成一般投資者與機構投資者,或許會
得到不同的實證結果。
(二)修正模型實證結果
由修正模型的實證結果,在公開訊息假說方面,得到與 B&W 模
型相同的結論,公開訊息假說並不成立,價格波動不僅僅反映已公開
的訊息,還有隱含其他反映股價真實價值的訊息,但在隱藏性交易假
說方面,實證結果大多以大額交易所造成之平均價格波動率最為顯
著,此結論與 Easley and O’Hara(1987) 提出之大額交易中訊息交易比
例較其他交易額為高的結論相同,所以我們可知內部訊息交易者傾向
大額交易,而大額交易中也較易存在內部訊息交易。
60
若將修正模型與 B&W 模型做一比較,我們可以發現修正模型具
有以下優點:
1. 實證結果顯示,修正模型可經由資料轉換解決異質變異數的問
題,可以避免假設檢定的偏誤,而得到更為中肯的結果。
3. 由於 B&W 模型使用樣本期間內分類交易額所產生的價格波動總
和作為比較基礎,若樣本期間內某一交易額交易量或是交易次數
大幅增加時,容易造成比較上的偏差,如表 4-2 所示,不論美國股
市或是台灣股市,中額交易次數都明顯較小額交易與大額交易為
高,而累計價格波動(絕對值)也最大,所以若以 B&W 模型進行分
析,價格波動是否取絕對值將會影響實證結果(見表 4-6、 4-7、
4-10、4-11)。而本研究所提之修正模型是以單位交易量或是交易
次數所產生的價格波動率作為比較基礎,一方面可去除價格效
果,另一方面也不受因某一分類交易類次數或交易量的增加,而
造成檢定結果不一致,由實證結果也顯示修正模型的結果不因報
酬率是否取絕對值而有所改變。
經由上述比較我們可知,修正模型提供較正確且一致的結果,其
結果為無論台灣股市或美國股市,公開訊息假說皆不成立,且大額交
易中隱含較多的內部訊息交易,內部訊息交易者傾向大額交易。
61
第二節 建議
由於國內外對於日內交易中內部訊息擁有者交易行為的相關研
究十分欠缺,尚無同時兼具日內股票價格波動、交易額與資訊反映方
面的研究。本研究運用現有之理論,針對內部訊息擁有者的交易行為
進行探討,並將實證結果與既有理論進行驗證。故本研究之完成,除
了可彌補國內此方面研究的不足,亦可提供後續理論或實證方面更多
的研究空間,在此提出對後續研究者的幾點建議:
1. 對於未來有關價格波動與交易額關係的探討,可以加入產業因
素進行分析,由於近年來台灣電子類股佔市場交易比例大幅成
長,經由產業區分將可進一步探討內部訊息交易者在不同產業
是否存在不同的交易行為。
3. 未來研究可進一步加入交易時距的因素,探討內部訊息交易者
對於交易時距的選擇,以及交易時距與交易額間是否存在交互
作用。
62
附錄:研究樣本公司名稱與代號一覽表
1. 1999 年第三季台灣研究樣本公司及產業分布
1203 味王 1444 力麗企業 2010 春源鋼鐵 2523 德寶營造
1207 嘉食化 1469 理隆 2014 燁隆企業 2536 宏普建設
1214 尚德實業 1505 楊鐵 2015 豐興鋼鐵 2606 裕民航運
1218 泰山企業 1512 瑞利企業 2025 千興不銹 2706 第一華僑
1220 台榮產業 1514 亞力電機 2029 盛餘 2707 晶華酒店
1232 大統益 1518 夆典工程 2207 和泰汽車 2813 國際票券
1304 台灣聚合 1524 耿鼎 2303 聯華電子 2833 台壽保
1308 亞洲聚合 1605 華新麗華 2312 金寶電子 2841 台開
1309 台達化學 1710 東聯化學 2327 國巨 2904 匯僑
1311 福聚 1717 長興化學 2331 精英電腦 2908 特力
1312 國喬石油 1722 台灣肥料 2338 台灣光罩 9905 大華金屬
1402 遠東紡織 1723 中碳 2348 力捷電腦 9912 偉聯工業
1410 南陽染整 1802 台灣玻璃 2352 明碁電腦 9917 中興保全
1414 東和紡織 1810 和成欣業 2504 國產實業 9929 秋雨
1423 利華羊毛 1902 台灣紙業 2515 中華工程
1431 新燕實業 2002 中國鋼鐵 2516 新亞建設
1440 台南紡織 2006 東和鋼鐵 2522 啟阜建設
食品類股 6家 鋼鐵類股 7家
塑膠類股 5家 汽車類股 1家
紡織類股 8家 電子類股 7家
電機類股 5家 營建類股 6家
電器類股 1家 運輸類股 1家
化學類股 4家 觀光類股 2家
玻璃類股 2家 金融類股 3家
造紙類股 1家 百貨類股 2家
其他類股 4家
63
2. 1999 年第四季台灣研究樣本公司
1207 嘉新食品 1468 昶和紡織 2017 嘉益工業 2540 林三號
1210 大成長城 1504 東元電機 2019 桂宏企業 2610 中華航空
1212 中日飼料 1513 中興電工 2105 正新橡膠 2614 遠東倉儲
1216 統一企業 1515 力山工業 2106 建大工業 2704 國賓飯店
1218 泰山企業 1519 華城 2312 金寶電子 2706 第一華僑
1221 久津實業 1523 台灣開億 2315 神達電腦 2707 晶華酒店
1301 台灣塑膠 1602 太平洋電 2325 矽品精密 2806 中銀
1303 南亞塑膠 1605 華新麗華 2342 台灣茂矽 2815 中信銀
1410 南陽染整 1609 大亞電線 2345 智邦科技 2823 中壽
1420 潤泰紡織 1709 和益化學 2347 聯強國際 2824 交銀
1434 福懋興業 1714 和桐化學 2354 華升 2828 萬通銀
1441 大東紡織 1715 亞洲化學 2373 震旦行 2831 中華銀
1443 立益紡織 1717 長興化學 2388 威盛 2839 華信銀
1449 佳和實業 1802 台灣玻璃 2509 保固 2842 富邦銀
1451 年興紡織 1806 信益陶瓷 2517 長谷建設 2910 統領百貨
1456 怡華實業 1907 永豐餘造 2524 緯城實業 2912 統一超商
1463 強盛染整 2006 東和鋼鐵 2527 宏璟建設 9919 康那香
1467 南緯實業 2009 第一銅鐵 2533 德寶營造 9925 台灣新光
食品類股 5家 鋼鐵類股 4家
塑膠類股 2家 橡膠類股 2家
紡織類股 11 家 電子類股 9家
電機類股 5家 營建類股 6家
電器類股 3家 運輸類股 2家
化學類股 4家 觀光類股 3家
玻璃類股 2家 金融類股 8家
造紙類股 1家 百貨類股 2家
其他類股 2家
64
2.1999 年第三季美國研究樣本公司
ABX BSB DF GIC
ACP BTZ DG GLG
ADP BVN DNR GLH
AED BWE DO GLT
AEG BWG DOV GRH
AGS CBI DRQ GSY
AGU CBS DS GUC
AGX CBU E HD
AGY CCC EFU HIT
AHL CCH EGN HL
AJG CCN EI HM
ALG CCU EIN HP
ALS CDA EK HPS
ALV CDC ELF HQ
AMN CDT ELN HQH
AOS CER ENP HQL
AP CHA EOC HRH
APA CHF EPD ICI
APH CHP EPG IDR
APW CIX EQY IEC
AS CLB ESL IFN
ASA CLJ FCF IIF
ASL COO FFA ILN
ATY CPE FFG IMP
AU CPY FFH INZ
AWR CRK FIA IPS
AXE CRT FLC ITY
AZR CT FLH JBL
AZZ CTZ FOM JFI
BE CWC FPC JSB
BIR CWT FTE K
BNG CWZ FUR KAB
BOW CXR GBX KCP
BPC CY GDC KEG
BRI CYM GGB KEI
BRT D GGG KMG
65
KNE MYR PVA TKF
KP NET PVY TMB
KSE NEV PXR TMC
KYO NJR PY TMR
LCE NL PZN TNO
LFL NOI RAH TNP
LMM NTK RG TP
LNN NU RIG TSO
LSI NVO RP TTN
LSS OIL RTP TYC
LUX OLN SAP UDS
MAN OMP SEG UFC
MAS OXE SFA UK
MBK OXY SFY UTR
MCD PA SGY VOD
MDG PBT SIB VPI
MDV PCU SJT VSH
MGG PDE SLE VTS
MLT PG SLR WAT
MMM PGO SNT WES
MNDB PGS SPI WGL
MNI PLL SRI WLT
MNS PMI SYY WMC
MRL PMS TEK WRC
MRX PNN TFS WTS
MTH PPP TGL WZR
MUR PRW TGX YES
MWY PV THW ZMX
66
3. 1999 年第四季美國研究樣本
ADI DOX NFO LSS
AMG EKT PLH MYG
AMT EMG POS MYL
ARW ETF PRYA PGA
AVY LAQ SCI PIO
CBS MGC THC RG
CEL MMC WS RHH
CLE MTD AGS TMX
COL MYR ASF CWP
CWZ NYT AVT EI
ELP OLN BCE IFN
FLA PDC CD IPG
FS SAT CXR JBL
IHI SBL FEP KES
JFI SYK FMX APH
KIF TBH FTE EL
LDF TDR MRX JLK
MHK TEO OIL MNS
NE TRO PAR MSM
PAP YNR RBN MWD
RSG AAP RNE PME
SEG AMD ROS PRY
SWD BOP SAP PVY
TLK CL TCS TBL
TMB FSH TI TCP
TNE GGT TSU TEF
TSP GIB VSH TFS
TZA HAR ABG ZMX
AA HWP CLX ATY
AK IST DT KEI
ALA KPN DTL MM
AVZ LEH DVD MWY
BI LOR FIC NT
BTY MGM GMH NWS
BZF MOT GUC SRM
CVG MSF JC TTN
67
AVP CY IIT TMMA
CDO FAK MTZ CRH
GE PY
68
參考文獻
3. Barclay, M.J., C.G.. Dunbar, and J.B. Warner,“Stealth and Volatility :Which
Trades Move Prices? ”Journal of Financial Economics, 1993, Vol.34, 281-306.
5. Chan, K., Fong, W., “Trading Size, Order Imbalance, and the Volatility-Volume
Relation,” Journal of Financial Economics, 2000, Vol.57, 247-273.
6. Clark, Peter K., “A Subordinated Stochastic Process Model with Finite Variance
for Sequential Prices,” Econometrica, 1973, Vol.41, 135-155.
7. Cook, R.D. and Weisberg, S., Residuals and Influence in Regression, New York:
Chapman and Hall, 1982.
9. Easley, D., and M. O’Hara “Time and Process of Security Price Adjustment, ”
Journal of Finance, 1992, Vol.47, 577-605.
10. Epps, Thomas W. and Mary Lee Epps, “The Stochastic Dependence of Security
Price Changes and Transaction Volumes : Implication for The
Mixture-of-Distribution Hypothesis,” Econometrica, 1976, Vol.44, no.2, 305-321.
11. Harris, L., “Transaction Data Test of the Mixture of Distributions Hypothesis,”
Journal of Financial and Quantitative Analysis, 1987, Vol.22, no.2 127-141.
12. Hasbrouck, J.,“ Using the TORQ Database ”NYSE Working Paper, 1992,
92-105.
69
13. Ho, Thomas and Hans Stoll, “Optimal Dealer Pricing Under Transactions and
Return Uncertainty,” Journal of Finance Economics, 1981, Vol.9, 47-73.
14. Jones, C.M., Kaul, G., Lipson, M.L., “Information, Trading, and Volatility, ”
Journal of Finance Economics, 1994, Vol.36, 127-154.
15. Kendall and Jennifer Aquino, Anova and regression: practical applications course
notes, 1991, 391-406.
16. Kyle, A. S.,“ Continuous auctions and insider trading,” Econometrica ,1985, Vol.
53, 1315-1335.
19. Thomas R. Black, Doing Quantitative Research in the Social Sciences, 1990,
459-463.
20. Tauchen, George E. and Mark Pitt, “The Price Variability-Volume Relationship on
Speculative Markets,” Econometrica, 1983, Vol.51, no.2, 485-505.
70