護盤政策對臺灣加權指數的影響分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：90

、訪客IP：3.144.124.195

姓名

李富瑋(Fu-Wei Lee) 查詢紙本館藏

畢業系所

財務金融學系

論文名稱

護盤政策對臺灣加權指數的影響分析
(Analysis of the Effect of the Stabilization Policy on Taiwan Capitalization Weighted Stock Index)

相關論文

★ 淨營運資金對公司價值的影響-以台灣上市櫃營建業為例	★ 中小企業信用貸款回收率實證分析
★ 隨機優越動能策略-以台灣股票市場為例	★ 投資人風險態度之研究
★ 台灣股票市場Beta套利交易策略之實證研究	★ 幾乎隨機優越投資策略於台灣股票市場之應用
★ 新冠疫情及貨幣政策對亞洲股市的影響—— 以中國大陸、香港、台灣、韓國市場為例	★ 融資流動性風險與銀行風險承擔及經營績效
★ 跨國股價指數避險比例之研究	★ 機構投資人持股對企業ESG投資影響之研究
★ 研究發展支出對於公司績效之影響	★ 價格動能與Omega二階段排序交易策略：以台灣股票市場為例
★ 加密貨幣市場投資績效之評估	★ 颱風對於臺灣股市報酬率影響
★ 永續發展與政治經濟不確定性對主權債信用違約交換之影響	★ TOM效應在台灣股市之實證研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本文是分析自2000年初到2020年底發生了總計7次的護盤政策，這項政策對於臺灣加權指數的影響。透過不同的方法來檢測護盤政策的效果，首先使用OLS分析護盤政策的平均效果，以及是否具有外溢效果，再來是使用ARIMA來檢測政策是否能有顯著的正面衝擊，也就是能否讓指數止跌回升，最後則是使用隨機優越來檢測護盤期間的風險是否有變小。本文發現護盤期間的平均日報酬有顯著高於護盤前0.49%，而政策也具有外溢效果，並不是在國安基金所購買的股票才會有影響，在ARIMA的結果，本文發現政策除了能夠緩止住市場的快速下跌，有時候能夠有顯著的正面衝擊，讓市場止跌回升，最後在隨機優越上的結果也是發現大部分的時候護盤期間的風險有比護盤前期間還要小。總結所有結果，本文認為當重大負面事件發生時，政府的護盤政策是能夠有效穩定金融市場。

摘要(英)

This paper analyzes the effect of stabilization policy on Taiwan capitalization weighted stock index which has occurred 7 times from the beginning of 2000 to the end of 2020. By using different methods to detect the effect of the stabilization policy. First, we use OLS to analyze the average effect of the stabilization policy and whether it has spillover effects. Then, using ARIMA to detect whether the policy can have a significant positive impact, that is, whether the policy can have a significant positive impact which can let the index stop falling and rebound, and finally use the stochastic dominance to detect whether the risk during the support period has decreased. We find that the average daily return during the policy period is significantly higher than 0.49% before the policy started, and the policy do have a spillover effect. It is not only the stocks purchased by the stabilization fund that will have the positive effect. According to the results of ARIMA, we find that the policy can not only slow decline, sometimes there can be a significant positive impact, allowing the market to stop falling and rebound. Finally, the result of the stochastic dominance is that most of the time the risk during the policy period is smaller than the period before the government’s intervention. Summarizing all the results, there are some evidences when a significant negative event occurs, the government′s policy to intervene the market can effectively stabilize the financial market.

關鍵字(中)

★ 國安基金
★ 隨機優越
★ ARIMA模型

關鍵字(英)

★ National Finance Stabilization Fund
★ Stochastic Dominance
★ ARIMA model

論文目次

摘要 i
ABSTRACT ii
目錄 iii
圖目錄 iv
表目錄 iv
第一章緒論 1
第二章文獻回顧 4
第三章研究方法 6
3-1 OLS迴歸模型 6
3-2 ARIMA預測模型 7
3-2.1 模型建立 7
3-2.2 外生變數調整 8
3-3 隨機優越 8
第四章實證結果 10
4-1 敘述性統計分析 10
4-2 護盤政策的平均效果 10
4-3護盤政策的外溢效果 11
4-4 個別護盤政策的效果 11
4-4.1護盤政策的止跌回升效果 11
4-4.2 護盤政策的降低風險效果 12
第五章結論 13
參考文獻 14

參考文獻

中文文獻
1. 馬黛、詹傑仲、胡德中，「政府干預股市的理論與實證分析：台灣股市的護盤實例」，財務金融學刊 ,10(3)，107-145頁，2002。

2. 黃柏凱、臧大年、何加政與張元晨，「國安基金以期貨維護現貨策略之分析」，管理學報，23 (1)，125-147頁，2006。

3. 詹傑仲 (2006)。「國家金融安定基金的價值及其對市場的影響:界限選擇權的應用。」國立中山大學財務管理學系研究所博士論文，高雄市。

4. 張政閔 (2011)。「國家金融安定基金護盤股市短期宣示效果與長期實質效果之研究。」，銘傳大學企業管理學研究所碩士論文，臺北市。

5. 林宣文 (2016)。「護誰的盤？政商關係與國安基金護盤之關係。」，國立臺灣大學經濟學研究所碩士論文，臺北市。

英文文獻

6. Acemoglu, Daron, and Thierry Verdier, 2000, The Choice between Market Failures and Corruption. American Economic Review, 90(1), 194-211.

7. Brown, S. J. and Warner, J. B., 1980, Measuring security price performance. Journal of Financial Economics, 8(3), 205– 258.

8. Box, G. E. P. and G. C. Tiao, 1975, Intervention Analysis with Applications to Economic and Environmental Problems. Journal of the American Statistical Association 70, 70– 79.

9. Box, G. E. P. and G. M. Jenkins, Time Series Analysis Forecasting and Control, Third Edition, Holden-Day, San Francisco, 1994.

10. Hami Levy, 1992, Stochastic dominance and expected utility: survey and analysis.Management science, 38(4), 555-593.

11. Horvath R, Petrovski D, 2012, International stock market integration: Central and South Eastern Europe compared. Economic Systems, 37(1), 81-91.

12. Kyungjoo L., Sehwan Y. and John J., 2007, Neural Network Model vs. SARIMA Model In Forecasting Korean Stock Price Index (KOSPI). Information System, 8(2), 372-378.

13. Liu, Y. J. & Yu, C. H., 2002, On The Effect of Stock Stabilization Fund: A Case of Taiwan., Review of Pacific Basin Financial Markets and Policies. 5(1), 93-109.

14. Nitin Merh, Vinod P. Saxena and Kamal Raj Pardasani, 2010, A Comparison Between Hybrid Approaches of ANN and ARIMA For Indian Stock Trend Forecasting. Journal of Business Intelligence, 3(2), 23-43.

15. Newey, W. K. & West, K. D., 1986, A simple, positive semi-definite, heteroskedasticity and autocorrelationconsistent covariance matrix. Econometrica 55, 703–708.

16. Rhee, S Ghon and Rosita P. Chang, 1993, The Microstructure of Asian Equity Markets. Journal of Financial Services Research 6, 437–454.

17. Sterba J. and Hilovska ,2010, The Implementation of Hybrid ARIMA Neural Network Prediction Model for Aggregate Water Consumption Prediction. Journal of Applied Mathematics, 3(3), 123-131.

18. William Schwert, 2011, Stock Volatility during the Recent Financial Crisis. European Financial Management, 17(5), 789–805.

19. Whaley, Robert E, 2009, Understanding the VIX. Journal of Portfolio Management, 35, 98– 105.

指導教授

黃瑞卿

審核日期

2021-6-16

推文