貨幣政策之衝擊對股市多頭與空頭之影響效果:以台灣股票市場為例

::::::邱建良、陳君達、曹俊傑::::::

摘要

本文觀察民國69年4月至91年12月之貨幣政策及各項經濟指標與股票市場關係之發展,利用Bernanke(1986)提出SVAR模型中的衝擊反應函數來檢視貨幣政策指標對股市在多頭及空頭時,如何影響股票報酬及其影響重要性的程度。實證結果發現央行可以透過貨幣政策來影響股票報酬率,故貨幣政策並非具有中立性。而衝擊反應分析顯示,除了股市上升階段的利率外,貨幣供給量對股市的影響為正向,在第2個月或第3個月的影響效果為最大,且影響的速度皆較匯率與利率快,匯率與利率對股市的影響則較慢才會顯現。另外,由於短期內,貨幣供給量之變化有助於預測股票報酬,因此投資人可依循央行的動向來調整其投資方向,以賺取超額報酬,故台灣的股票市場並非一效率市場。因此,央行之貨幣政策施行將影響經濟結構,進而影響股票報酬。對於貨幣政策與股票報酬之間的連結關係有共同的瞭解,必能讓政府主管當局、證券交易商、一般企業乃至個人,以最實際的方式,掌握最佳的訊息。

1. 緒論

隨著金融自由化與國際化,世界主要金融市場彼此間的互動愈見頻繁,尤其我國係屬海島型經濟體系,易受國際經濟波動的影響,使得金融市場增添更多不可預測的變數。在此多變的金融情勢下,中央銀行如何透過貨幣政策來影響股票市場,乃貨幣當局、投資者及學術研究者所共同最關切的焦點。以1997年7月爆發的亞洲金融風暴為例,我國央行為穩定國內金融情勢,意圖透過貨幣政策的施行影響股市的行情,目的即是希望能夠創造一個穩定的總體金融環境。股票市場不僅是一國經濟的櫥窗,它的發展更關係著國家經濟未來的發展。

我國證券市場發展至今已成立四十餘年,直至民國七十年中期才轉趨熱絡。隨著經濟高度成長,民間資金充裕,導致大量資金流入股票市場。然不論股市呈現多頭或空頭走勢,皆與中央銀行所採行之貨幣政策有相當密切的關聯。觀察過去幾年台灣經濟金融發展經驗,每當股市過熱時,央行總會出面喊話,使股市降溫。而當股市蕭條時,則透過貨幣政策的操作,以刺激股市增溫。不論股市處於何種情況,對投資者而言,其關心的是央行所採行之貨幣政策對股市的衝擊影響。若投資人能根據央行所採行的貨幣政策先一步調整其投資組合策略,則將有助於從中獲取投資報酬。本文擬探討各總體經濟指標對股市分別於多頭及空頭走勢時,對股票報酬是否具有影響力。而要創造穩定的股票交易環境,避免股市暴漲暴跌的異常現象發生,有必要對影響股票市場波動的因素以及各項因素與股市波動性之間的互動關係作一探討。在瞭解各項因素如何造成股票市場波動後,才能提出可行且有效的股市安定政策,進而營造一個穩定的股票市場。

本文的重要涵意是,貨幣政策的衝擊若改變投資人預期未來的資產系統風險,根據資本資產定價理論(CAPM),央行將可藉由適當的貨幣政策影響投資人對股市之預期,進而改變股票報酬,此一傳遞機能也將是貨幣政策影響經濟活動的另一重要管道。再者,貨幣政策要達成促進經濟成長的目標需要經過一段較長的時間,所以央行尚需借助於貨幣政策指標,才能於貨幣政策傳遞過程中,預先看出貨幣政策所將產生的效果,以作為適時修正貨幣政策的依據。

回顧以往的文獻,針對貨幣政策對股市的影響已有許多學者做過相關的研究,其實證模式亦大都根據先驗理論而事先設定彼此的因果關係,亦知悉貨幣政策與股市二者應是息息相關。而本文觀察民國69年4月至92年12月之貨幣政策及各項經濟指標與股票市場關係之發展,為了掌握彼此間可能相互影響的動態關係,利用Bernanke(1986)提出SVAR模型來檢視貨幣政策指標對股市於多頭及空頭時,如何影響股票報酬及其影響重要性的程度。藉由結構化向量自我迴歸模型的衝擊反應函數分析(Impulse Response Function)探討中央銀行的貨幣政策施行對股票市場及股價報酬波動的影響,並檢視我國股票市場是否符合效率市場的假說。

本文架構第一節為緒論;第二節為理論基礎與文獻回顧,說明貨幣政策對股票市場的影響;第三節為研究方法,介紹本文所採用之計量模型理論概要;第四節為實證結果,針對模型實證結果加以分析與說明;第五節為結論,就本文之研究結果彙總說明。

2. 理論基礎與文獻回顧

凱因斯在20-30年代資本主義經濟危機(大蕭條)背景下提出的政府積極干預經濟政策收到了良好的效果,各國政府紛紛逐漸地摒棄了傳統的新古典主義經濟理論,轉而求助於凱因斯的積極干預政策。凱因斯理論的基礎主要包含二點,一是經濟本身存在不確定性,經濟運行具有不穩定的特性,時常表現出有效需求不足;二是在市場的自動引導下並不能保證總供給與總需求的均衡。因此透過政府的適時、適當干預可以穩定經濟,達到解決失業問題、經濟平穩運行的目的。由此,貨幣政策、財政政策、匯率政策等就成了調控總體經濟運行的主要政策工具。

2.1 理論基礎

貨幣政策的具體內容很多,主要的有法定存款準備金率、利率政策、公開市場操作政策等。一般而言,貨幣政策的目標分最終目標和中間目標。最終目標一般是穩定物價,促進經濟增長,達成充分就業和國際收支平衡等。中間目標是用作衡量、評價一個階段的貨幣政策效果的一些指標,如貨幣供給量(包括現金、活期存款、定期存款等)、利率水準等。在目前普遍地相信,在凱因斯的積極干預政策的情況下,中央銀行通常都要根據一定的經濟指標,定期召開貨幣政策會議,決定以某種方式干預經濟。其中可以得到些許啟示,一為既然貨幣政策的目標就是調控經濟,那麼貨幣政策對股市走勢肯定有影響;其二,既然中央銀行根據一定的經濟指標做出相應的貨幣政策決定,那麼作為投資者則完全可以根據自己對經濟情勢的分析,對中央銀行可能採取的貨幣政策進行預測。至此,則需要注意二個問題,一是中央銀行將採取哪種貨幣政策,二是這種貨幣政策將引起股市怎樣的反應。

貨幣政策既然是中央銀行為實現政策最終目標而採取管制貨幣供給量或利率的政策措施,不過貨幣政策對最終目標一般缺乏直接影響效果,必須透過通稱之短期目標來發生間接影響。短期目標可區分為操作目標與中間目標,其中操作目標是中央銀行能精確控制之變數,但卻與最終目標缺乏直接聯繫關係。而中間目標雖然央行的控制力較弱,然其與最終目標的關係則十分密切。貨幣政策之中間目標變數,除了作為貨幣政策是否過鬆或過緊的判斷指標外,它更是央行執行貨幣政策的主要控制標的。央行貨幣政策工具可區分為兩種不同的類型。其一為價格性工具,以釘住利率為指標,而貨幣供給量可自由變動。其二為數量性工具,以釘住貨幣供給量(準備貨幣)為指標,但利率可自由調整。可是貨幣當局只能選擇其一,因為這兩種政策工具並無法同時存在。

一般而言,貨幣數量之變動容易顯示市場訊息,但利率之變動卻不易顯示市場訊息。例如,利率之上升,須經由以下三種效果來顯示其市場指標,分別為流動性效果、所得效果與費雪效果。基於上述理由,70年代以後,大多數國家已將貨幣政策指標由利率轉為貨幣供給,充當央行貨幣政策之指標變數,因此本文將採用貨幣供給量有狹義的M1A及M1B與廣義的M2三種作為貨幣政策代理變數。

2.2 文獻回顧

總體經濟景氣與股票市場一直有著密切關係,股價的變動是則是景氣變動的一項重要領先指標,所以不能忽視貨幣政策對股票報酬的影響。Pearce and Roley(1985)以最小平方法研究總體經濟變數對S&P500股價指數的影響,發現貨幣供給額與股票報酬具有正相關。Abdullah and Hayworth(1993)使用VAR模型檢定總體經濟變數與股價間之因果關係,並探討各變數對股價波動性之相對解釋能力。實證結果發現股價指數報酬率與貨幣供給成長率成正相關,與長期利率成負相關。Dhakal, Kandil, and Sharma(1993)利用VAR模型研究貨幣供給與股價因果關係。其結論為貨幣供給會直接影響股價,貨幣供給也會透過利率、通貨膨脹等管道間接影響股價,如此顯示出股票市場並不具效率性。

Thornton(1993)採用Granger's causality因果關係法,探討英國貨幣供給、實質產出與股價之間的領先指標。實證結果顯示股價領先貨幣供給,貨幣基數領先實質GDP,股價領先實質GDP,貨幣供給波動性和股價波動性之間具有回饋效果,實質GDP波動性領先貨幣供給波動性。這些結果顯示出貨幣供給為實質產出的領先指標,而股價波動為未來實質經濟活動的領先指標。Jensen, Mercer, and Johnson(1996)分析經濟情況和預期股價報酬的關係,以股利收益、違約風險貼水及期間貼水三種指標分別反應經濟景氣的好壞。研究發現在不同的貨幣政策環境下,三種指標預測合理股價報酬的能力會因而改變。在貨幣寬鬆時期,股利收益及違約風險貼水可以合理解釋股價報酬。然而在貨幣緊縮時期,此三種指標對股價報酬的變動則無法解釋。Thorbecke(1997)探討貨幣政策對股票市場報酬率的影響,其使用多因素模型分別以聯邦資金市場利率(federal funds rate),非借入準備,敘述性指標(narrative indicator)及聯邦準備的政策宣示為貨幣政策指標。實證結果指出若以聯邦資金市場利率及非借入準備為政策指標,並以VAR模型分析,則貨幣政策顯著地影響股票報酬率。若以敘述性指標並利用一般動差法(GMM)估計,則顯示貨幣擴張與股票市場報酬成正相關,此外聯邦準備所宣示的寬鬆政策也會增加股票報酬率。Patelis(1997)則研究是否可由貨幣政策預測未來股價報酬率。結果顯示貨幣政策變數顯著影響股價未來報酬,因此貨幣政策變數是預測股價未來走勢的良好指標。Liljeblom and Stenius(1997)結果顯示出股票波動性為總體波動性的領先指標。Koutmos(1998)實證結果顯示,當股票呈現負報酬時(bad news)其價格調整的速度大於當股票呈現正報酬(good news)時。更進一步,將條件平均數的不對稱連結到條件變異的不對稱性,這是因為當市場衰落;價格反應壞訊息(bad news)時,其較快的調整速度也會導致變異波動增加。

在國內實證研究方面,陳俊傑(1992)利用向量自我迴歸分析股價與利率、貨幣存量和匯率等總體變數間的關聯性,結果發現股價變動率受到匯率的影響最大,且貨幣供給與匯率之變動有助於預測未來股價走向。而許振明與蔡佳珍(1993)則發現同業拆款利率與股價間成反向變動。郭修旻(1998)以複迴歸模型探討台灣股市超額報酬率的長期區間相關性和可預測性。結果發現不論是月超額報酬率或是季超額報酬率中,皆含有能夠以貨幣政策變數與財務變數預測的成分在內,且貨幣政策變數之預測力大於財務變數,而頻率期間越長,則預測能力越大。此結果支持Patelis(1997)的論點,即超額報酬之可預測性隨著報酬計算期間的拉長而提高,且貨幣政策變數的預測性大於財務變數的預測性。許錦長(1998)以一般化自我迴歸條件異質性(GARCH)模型及Sims(1980)的向量自我迴歸(VAR)模型分析貨幣政策衝擊、股價報酬風險性、及匯率報酬風險性三者間的相關程度。實證結果指出央行可透過貨幣政策衝擊改變投資人對匯率系統風險的預期,進而影響匯率報酬。

由以上文獻探討可知,貨幣政策、景氣循環與股票報酬一直是社會大眾與專家學者所關切的話題。股票價格的變動被視為預測實質經濟活動變動的指標,那麼廣義股票價格指數可以充分反應出未來經濟成長的先行指標,所以貨幣政策影響景氣循環(總體經濟環境),總體經濟環境變動則會影響到公司財務狀況,使得貨幣政策、產出與股票報酬三者之間息息相關。

3. 研究方法

過去文獻中多採VAR模型來探討變數間彼此之關係。然而VAR模型卻具有許多缺點,為了彌補VAR模型的缺點。因此Bernanke(1986)提出結構化向量自我迴歸模型(Structural Vector AutoRegression model, SVAR model)以改進VAR模型的缺點,而SVAR模型係依據理論給與同期間變數的關係一合理的排列。

在探討結構化向量自我迴歸模型前,先介紹Granger因果關係檢定。Granger(1969)基於現實資料本身所反應出來的情報,從預測能力的角度來判定因果關係,即完全依據「可測性」來定義因果關係。依據Granger對因果關係之定義,兩變數之間的關係應有四種,即獨立關係(independence)、因果關係(causality)、立即因果關係(instantaneous causality)及回饋關係(feedback)。Granger因果檢定法即藉VAR模型的建立,透過AIC選取準則來決定最適的落後期數以進行因果關係檢定。

因此,我們便可利用Granger因果檢定法,對VAR模型中各變數間的聯合檢定。首先考慮所有方程式的聯合體系,再以F統計量檢定第條迴歸式中,第個變數落後1期至落後p期的係數是否同時為零。當檢定的結果顯著異於零,則拒絕係數不同時為零的虛無假設,表示第個變數為第個變數之因。下面以一個兩變數的VAR模型為例,模型如下,

     (1)

分別檢定下列假設:

檢定對之因果關係,虛無假設為:

(對不具因果關係)

非

若欲撿定對之因果關係,則虛無假設可改寫為:

(對不具因果關係)

檢定統計量為

其中,為受限制模型之未解釋變異數,為未受限制模型之未解釋變異數,為誤差變異數估計量,P為落差期數,T為樣本數。

若,則拒絕,表示對具有單向因果關係;若拒絕兩個虛無假設(和),則表示有回饋關係存在。

結構化向量自我迴歸模型(SVAR模型)可以用下列方式來表示:

                                           (2)

其中代表期變數所組成的向量,代表其所相對應的誤差項向量或又稱為VAR的誤差向量,而

                               (3)

而代表落後運算元素(lag operator),即。如果變數有個,則為矩陣,代表同變數間限制式,此乃由經濟理論決定,為的結構誤差向量,具有下列特質:

          

      

而為一對角矩陣,為矩陣的非對角線,如果不為零表示中的元素也會影響向量的元素。將(2)式SVAR模型中的改成下對角線矩陣,改成單位矩陣,則(2)式成為傳統VAR模型。

估計(2)式的方法可分成兩步驟,將(2)式的移到右方,再簡化可得到一個與VAR模型類似的型式

                                               (4)

其中 而為VAR模型縮減式的誤差值矩陣,且

兩邊改成變異數矩陣形式

                                                 (5)

式中,同時為簡化起見已經過標準化成為一單位矩陣。因為在(5)式中,矩陣中共含有個對和所有未知參數中,必須扣掉此部份,只剩下個參數可估計(free parameters)。如果再假設為單位矩陣,表示體系中又多個限制式,若(5)式中的矩陣的確只有個未知參數待估計,則稱之為「適足認定」(exact identified)。如果依據經濟理論矩陣做過多限制,使矩陣待估計參數少於,則稱之為「過度認定」(over identified)。

估計的對數概似數學式可表為

                            (6)

式中。由於(6)式中,含有複雜的非直線關係,因此常常可以發現估計的模型並不收斂。如果所使用的模型是屬於過度認定,可採LR檢定(likelihood ratio test),以確定過多的限制式有無顯著的影響估計係數。LR檢定為

                                            (7)

式中為受限制的MLE估計值,為未受限制的MLE估計值

                           (8)

將(6)式和(8)式代入,則LR檢定可以簡化為

                          (9)

如果LR值小於百分之五的臨界值,則表示過度認定可以接受。且呈分配。

4. 實證結果與分析

4.1 資料來源與處理

本文研究貨幣政策分別於股市多頭及空頭時的影響效果,選取五種貨幣政策指標分別為貨幣供給額(M1A)、貨幣供給額(M1B)、貨幣供給額(M2)、匯率(RX)、金融業拆款利率(R),加上工業生產指數(JQ)、消費者物價指數(CPI)以及台灣加權股價指數(JS)共八項變數。原始樣本資料均取自教育部AREMOS資料庫,資料期間為民國69年4月至92年12月,共計285筆月資料。

由於台灣股票市場(見圖1)於民國74年起呈現長達四年之多頭走勢,直到民國79年2月(10日)加權股價指數達到12495.34最高點。隨後股市呈現空頭走勢,股價大幅下跌,至同年10月(1日)加權股價指數跌至2560.47點,跌幅近萬點。為使本文實證分析更為精確,故將實證區間劃分成二階段,於崩盤期間利用ChowTest選擇分段之時點,並以每一區間的最後一個月份作為樣本外預測之比較。ChowTest檢定結果,F值為8.2638大於臨界值F(4,264)=2.8976(1%顯著水準下),顯示樣本期間於民國79年5月前期與後期具有結構性改變之明顯跡象。因此,在進行不同模型分析預測能力時,分為兩個子樣本期間進行。民國69年4月至民國79年5月為股市上升期間多頭走勢,民國79年6月至民國92年12月為股市下降期間空頭走勢。

【圖1】台灣加權股價指數趨勢圖

另外,將原始序列資料進行變動率之處理如下:

……貨幣供給額M1A之月成長率

……貨幣供給額M1B之月成長率

……….貨幣供給額M2之月成長率

………………短期利率之月變動率

…………新台幣對美元即期匯率之月變動率

………消費者物價之月變動率

………….工業生產之月變動率

……………股價之月變動率

4.2 實證結果

4.2.1 基本統計與單根檢定

【表1】列出了八個變數的基本統計量,除了股價指數月變動率為負之外,其餘皆為正。利率的月平均變動最大。另外,變數經由Jarque-Bera常態分配檢定可發現,原始變數進行變動率轉換後之序列皆顯著拒絕常態分配之假設。本文並採用Augmented Dickey-Fuller(ADF)單根檢定法進行檢定。【表2】為各變數之原始時間序列資料進行單根檢定的結果。在僅含常數項的部分,僅有利率無單根現象,其餘皆有單根現象;而在包含常數項與趨勢項的部分,僅有利率及工業生產指數無單根現象,其餘也都存在有單根現象,為非定態之時間序列。由於變數大多呈現無法拒絕單根的情形,所以將各數列資料進行差分(報酬率)轉換,繼續進行單根檢定。結果顯示時間序列資料在經過一階差分轉換後,除M2外,都在5%顯著水準下顯著拒絕單根的虛無假設,顯示這些數列資料皆為I(1)之時間序列,符合過去相關文獻的實證結果。

【表1】基本統計量

附註:1.*、**、***分別代表10%、5%、1%顯著水準。   

　　2.各變數係以變動率計算。

　　3.JB為Jarque-Bera normality test。                 

　　4.樣本數為273筆。

【表2】單根檢定

附註:1.*、**、***分別代表10%、5%、1%的顯著水準。  

　　2.臨界值參考Dickey-Fuller(1981)。

　　3.表中皆為AIC值。

4.2.2 衝擊反應分析

由於傳統的VAR模型對於變數排列方式的因素非常敏感,為了彌補此缺點,本文採用結構化向量自我迴歸分析。在本節中SVAR的實證分析,依照Thorbecke(1997)的作法,以第6期為選定的落後期。並將全樣本期間分為股市上升與下降階段。

(1)股市上升期間各貨幣政策對股市報酬之影響

【圖2】、【圖3】、【圖4】、【圖5】及【圖6】可以觀察股市上升期間中股價指數報酬率受M1A、M1B、M2、匯率及利率的衝擊反應情形。其中,M1A、M1B及M2皆對股市產生正向影響效果,且M1A、M1B對股市於第3期產生最大的影響效果,而M2則在第2期對股市的影響效果最明顯。此即表示在若股市處於上升階段中,政府若採行擴張性貨幣政策將可刺激股市上漲;反之,則可使股市降溫。而匯率對股市則為負向影響效果,表示當台幣預期相對於美元升值時,將使國內股市報酬率上漲,且在第4期產生最大的衝擊。利率波動則對股市的影響效果最快,且為正負相間,同時在第1期的反應最為顯著。上述貨幣政策對股市報酬的影響皆至第24期才逐漸趨近於零。

【圖2】GM1A衝擊GJS

【圖3】GM1B衝擊GJS

【圖4】GM2衝擊GJS

【圖5】GRX衝擊GJS

【圖6】GR衝擊GJS

(2)股市下降期間各貨幣政策對股市報酬之影響

【圖7】、【圖8】、【圖9】、【圖10】及【圖11】可以觀察股市下降期間中股價指數報酬率受M1A、M1B、M2、匯率及利率的衝擊反應情形。其中,M1A、M1B及M2在第5期前對股市產生正向影響效果,在第5期之後出現負向衝擊。M1A對股市於第1期產生最大的影響效果,M1B及M2則在第2期對股市的影響效果最明顯。此即表示在股市下降期間中,短期內政府若採行擴張性貨幣政策將可刺激股市上漲;反之,則可使股市降溫。而匯率對股市於前4期為正向影響效果,在第5期始出現負向效果,原因是此下降階段台幣逐漸走貶,表示當台幣預期相對於美元貶值時,影響股市最大的外資將抽走銀根,衝擊國內股市,待外匯市場穩定後,再將手中持有之強勢美元換為台幣以投資國內股市,如此造成在第5期產生最大的衝擊。在股市下降的期間,政府多次降息以刺激股市,然國內利率已下降至相當低的水準,政府的降息措施並無法刺激投資人增加投資,以致利率波動則對股市的影響效果最慢,至第5期的反應最為顯著,且多為負向影響。上述貨幣政策對股市報酬的影響皆至第24期才逐漸趨近於零。

【圖7】GM1A衝擊GJS

【圖8】GM1B衝擊GJS

【圖9】GM2衝擊GJS

【圖10】GRX衝擊GJS

【圖11】GR衝擊GJS

綜合上述的結果發現,政府施行貨幣政策分別於股市上升及下降的二個階段中影響效果的確有明顯的不同。除了股市上升期間中,因在股市上升階段期間內,利率仍屬高檔,政府一有降息措施,將導致投資人的資金成本下降,以利投資計劃的進行,造成利率在第1期立即對股市產生明顯衝擊。其餘貨幣政策指標在二個階段中皆以M1A、M1B、M2對股市的衝擊較快,如此證實在政府採行釘住廣義及狹義的貨幣供給量的時代,M1A、M1B、M2為貨幣政策施行時較佳的操作指標。

5. 結論

本文利用結構化向量自我迴歸模型來探討貨幣政策指標分別股市於多頭及空頭走勢時的影響效果。本文利用ChowTest選擇分段之時點,將分為兩個次樣本期間進行研究。股市上升期間多頭走勢從民國69年4月至民國79年5月為止,股市下降期間空頭走勢從民國79年6月至民國91年12月為止。實證結果發現於二段次樣本期間中,貨幣政策對於股票報酬具有一定的影響效果。因為央行會根據當時經濟景氣的狀況來調整其貨幣政策,藉由總體經濟環境的改變來影響股票報酬。因此央行的貨幣政策對於股票報酬具有實質的影響力,且皆以貨幣供給量對股市的影響效果較為顯著。以下將本文之實證結果彙總,希望本研究之發現不僅能對投資人有所啟示,也可供政府當局制定決策之參考建議。

一、央行可以透過貨幣政策來影響股票報酬率,證實貨幣政策並非具有中立性。

二、由衝擊反應分析顯示,除了股市上升期間的利率外,貨幣供給量對股市的影響為正向,在第2期或3期的影響效果為最大,且影響的速度皆較匯率與利率快,匯率與利率對股市的影響則較慢才會顯現。

三、由於短期內,貨幣供給量之變化有助於預測股票報酬,因此投資人可依循央行的動向來調整其投資方向,以賺取更高的報酬,故台灣的股票市場並非一效率市場。

貨幣政策的施行影響經濟結構,進而影響股票報酬。對於貨幣政策與股票報酬之間的連結關係有共同的瞭解,必能讓政府主管當局、證券交易商、一般企業乃至個人,以最實際的方式,掌握最佳的訊息。

參考文獻

國內部份

1.許振明與蔡佳珍 (1993),「股價與經濟因素之關連性分析與預測:MTV及主成分迴歸分析」,台大管理論叢,第4卷1期,79-104頁。

2.許錦長 (1998),「貨幣政策衝擊對股價報酬風險性及匯率報酬風險性之效果分析」,淡江大學金融研究所碩士論文。

3.郭修旻 (1998),「貨幣政策與股票超額報酬之關係-台灣實證分析」,淡江大學金融研究所碩士論文。

4.陳俊傑 (1992),「股價與總體經濟變數關連性之實證研究-向量自我迴歸模型之運用」,淡江大學金融研究所碩士論文。

國外部份

1.Abdullah, D. A. and S. C. Hayworth (1993), “Macroeconometrics of stock price fluctuations,” Quarterly Journal of Business and Economics, 32, pp.50-67.

2.Bernanke, B. S. (1986), “Alternative Explanations of Money-Income Correlation,” Carnegie-Rochester Conference Series on Public Policy 25, pp.49-100.

3.Dhakil, D., Kandil, M., and S. C. Sharma (1993), “Causality Between the Money Supply and Share Prices,” Quarterly Journal of Business and Economics, 32, pp.53-71.

4.Dickey, D. A. and W. A. Fuller (1981), “The Likelihood Ratio Statistics for Autoregresive Time Series with a Unit Root,” Econometrica, 50, pp.1057-1072.

5.Granger, C. W. J. (1969), “Investigating causal relations by econometric models and cross – spectral methods,” Econometrica, 36, pp.424-438.

6.Jensen, G. R., J. M. Mercer, and R. R. Johnson (1996), “Business conditions, monetary policy, and expected security returns,” Journal of Financial Economics, 40, pp.213-237.

7.Koutmos, G. (1998), “Asymmetries in the Conditional Mean and the Conditional Variance: Evidence From Nine Stock Markets,” Journal of Economics and Business, 50, pp.277-290.

8.Liljeblom, E. and M. Stenius (1997), “Macroeconomic Volatility and Stock Market Volatility: Empirical Evidence on Finnish data,” Applied Financial Economics, 7, pp.419-426.

9.Patelis, A. D. (1997), “Stock Return Predictability: The Role of Monetary Policy,” Journal of Finance, 52, pp.1951-1972.

10.Pearce, D. K. and V. V. Roley (1985), “Stock Prices and Economic,” Journal of Business, 58, pp.49-67.

11.Sims, A. C. (1980), “Comparison of Interwar and Postwar Business Cycles: Monetarism Reconsidered,” American Economic Review, 70, pp.250-257.

12.Thorbecke, W. (1997), “On stock market returns and monetary policy,” Journal of Finance, 2, pp.635-654.

13.Thornton, J. (1993), “Money, Output and Stock Price in the UK: Evidence on some non-relationships,” Applied Financial Economics, 3, pp.335-338.