國立中正大學經濟學系

國際經濟學碩士 學位論文

探討VIX恐慌指數與股價報酬間的線性與
非線性關係-以亞洲六國及美國股市為例
An Empirical Study of Linear and Nonlinear
Relationship Between VIX and Stock Return
for Asia Six Countries and United States'
Stock Market
指導教授：黃柏農 博士
研究生：邱定鴻
12 July 2017
論文目錄

 第一章 緒論
 第二章 文獻迴顧
 第三章 研究方法
 第四章 資料來源與實證結果分析
 第五章 結論與研究建議

2
第一章 緒論
第一節 研究背景與動機

 VIX恐慌指數：VIX恐慌指數由美國芝加哥選擇權交易所根據S&P 500
指數的價格，所推算出之衡量市場波動方法，預期未來30天內S&P
500指數的波動程度，成為全球投資人的恐懼衡量指標。
 由近年來的重大經濟事件來看，如2008美國金融市場爆發次貸危機，
一旦市場上發生波動，衡量投資人情緒的VIX恐慌指數將上升，促使
股價下跌。造成投資人內心的恐慌。兩者之間是否存在相關性，以
及領先、落後的動態關係？

3
第二節 研究期間、對象與目的
 本研究期間為1990年1月1日至2017年4月21日的日資料。
 研究對象使用亞洲六國、美國兩個股價指數，以及VIX恐慌指數。美
國為全球第一大股票市場，對鄰近的亞洲股票市場具有影響力；而
亞洲國家方面，除了傳統的經濟強國日本、亞洲四小龍之外，還有
自1980年經濟改革開放後崛起的中國，都是美國在全球的重要貿易
夥伴，彼此關係環環相扣。因此，本篇選用美國S&P 500、NASDAQ、
亞洲六個加權股價指數和VIX恐慌指數作為研究對象。
 研究目的為探討亞洲六國、美國股價指數，和VIX恐慌指數的線性、
非線性，以及動態關係。藉由相關檢定、分析，探究變數間的領先、
落後和因果關係。

4
第二章 文獻迴顧
篇章整理
 Whaley（2000）以多元迴歸模型，首次提出「恐慌指數」，並發現
VIX指數與S&P 100指數存在負相關性，以及不對稱關係。
 Sarwar（2012）以多元迴歸模型指出，VIX指數對美國S&P 500指數
與BRIC金磚四國的股市報酬變動呈現負相關、不對稱的關係，對美
國及BRIC金磚四國的投資人造成恐懼的影響。
 Kang et al.,(2013)以單根檢定、VAR模型、GRANGER因果檢定和衝
擊反應函數，發現VIX指數與日、韓國的股價指數之間具有負相關性。
若以VIX指數為自變數，日、韓國的股價指數各為應變數，則當VIX
指數變動時，會對日、韓國的股價指數造成短期負向衝擊。

5
 Sarwar（2012）以多元迴歸模型指出，VIX指數對美國S&P 500指數
與BRIC金磚四國的股市報酬變動呈現負相關、不對稱的關係，對美
國及BRIC金磚四國的投資人造成恐懼的影響。
 Kang et al.,(2013)以單根檢定、VAR模型、GRANGER因果檢定和衝
擊反應函數，發現VIX指數與日、韓國的股價指數之間具有負相關性。
若以VIX指數為自變數，日、韓國的股價指數各為應變數，則當VIX
指數變動時，會對日、韓國的股價指數造成短期負向衝擊。

6
 Sarwar（2014）使用VAR模型、GRANGER因果關係檢定和衝擊反應分
析，發現在歐洲股市危機期間，同期的VIX指數變動與歐洲股價報酬
具有強烈的負向效果關係，其關係比歐洲股市危機前大了兩倍。
VIX指數變動與歐洲股價報酬之間有不對稱關係。
 Wang et al.,(2014)以GARCH模型、VAR模型和CAPM模型，進行研究。
作者運用GARCH模型，發現VIX指數與中國滬深300指數的波動性呈現
正相關性；透過設立VAR模型，運用GRANGER因果關係檢定，並搭配
衝擊反應分析，發現VIX指數與滬深300指數之間有負相關性，且VIX
指數領先於滬深300指數；透過CAPM模型，顯示當VIX指數上升時，
滬深300指數裡的高科技業股價報酬下降。

7
 Guo et al.,（2017）以TOP方法（The thermal optimal path
method，TOP method），發現投資者情緒與股票市場報酬間的領先落
後關係，在資料期間內並非保持不變的。在2014年，投資者情緒落後於
股票市場報酬，而在2015年投資者情緒卻領先於股票市場報酬。當投資
者對股票市場報酬的關注程度到達一定水平時，投資者情緒預測股票市
場報酬的表現，具有相當的普遍性和代表性。

8
第三章 研究方法
第一節 單根檢定

檢定一、 ADF(Augmented Dickey-Fuller)單根檢定(含截距項)

迴歸式：
𝑝
∆𝑌𝑡 = 𝛿 + 𝛾𝑡 + 𝛼0 𝑌𝑡−1 + 𝛽𝑖 ∆𝑌𝑡−𝑖 + 𝜀𝑖
𝑖=1
假設檢定：

𝐻0 ：𝛼0 = 0， 時間序列資料存在單根，為非定態
𝐻1 ：𝛼0 < 0， 時間序列資料不存在單根，為定態

 如果拒絕虛無假設，及代表此時間序列不具有單根，為定態序列。
 如果不拒絕虛無假設，則代表此時間序列具有單根，為不定態序列。

9
檢定二、 KPSS(Kwiatkowski-Philips-Schmidt and Shin)
單根檢定(含截距項)

迴歸式：
𝑌𝑡 = 𝛿𝑡 + 𝜋 𝑡 + 𝜀 𝑡

假設檢定：
𝐻0 ：𝜎𝑢2 = 0

 當檢定拒絕虛無假設，代表此時間序列具有單根，為非定態序列；
當檢定不拒絕虛無假設，則代表此時間序列不具有單根，為定態序列。

10
第二節 向量自我迴歸模型

Sims(1980)提出向量自我迴歸模型（Vector Autoregression，
VAR）。Sims 將所有的變數視為內生變數（endogenous variable），即
把變數內生化，由VAR模型描繪總體變數間的動態關係。

一般常見的VAR模型標準如下：

𝑛
𝑌𝑡 = 𝛼 + 𝑖=1 𝛽𝑖 𝑌𝑡−𝑖 + 𝜀𝑡

11
第三節 GRANGER因果關係檢定

Granger(1969)提出因果關係檢定，是以變數預測能力強弱，檢視變
數間領先落後的關係。假設資料中有A與B兩個變數，我們欲檢測兩者的因
果關係，須設立下列迴歸式：
𝑘 𝑘
𝐴𝑡 = 𝑖=1 ∝𝑖 𝐴𝑡−𝑖 + 𝑖=1 𝛽𝑖 𝐵𝑡−𝑖 + 𝜀𝑖
𝑘 𝑘
𝐵𝑡 = 𝑖=1 𝛾𝑖 𝐵𝑡−𝑖 + 𝑖=1 𝛿𝑖 𝐴𝑡−𝑖 + 𝜇𝑡
若要檢測B是否會Granger影響A，須設立假設檢定：

𝐻01 ：𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑖 = 0， 𝑖 = 1，2 ⋯ ，𝑘

𝐻11 ：𝐻0 不為真
 如果拒絕虛無假說，則代表B變數會「Granger｣影響A變數；如果不拒絕
虛無假說，則代表B變數不會「Granger｣影響A變數。

12
若要檢測A是否會Granger影響B,須設立假設檢定：

𝐻02 ：𝛿1 = 𝛿2 = 𝛿3 = ⋯ = 𝛿𝑗 = 0， 𝑖 = 1，2 ⋯ ，𝑘

𝐻12 ：𝐻0 不為真
 如果拒絕虛無假說，則代表A變數會「Granger｣影響B變數；如果不拒絕
虛無假說，則代表A變數不會「Granger｣影響B變數。
 若上述兩個檢定結果皆顯著拒絕虛無假設，則表示A變數與B變數具有雙
向反饋(feedback)關係。

13
第四節 衝擊反應函數分析

衝擊反應函數（Impulse Response Function）的分析，係指當預測

某一個變數、干擾項（innovation）的改變，對整個向量自我迴歸(Vect-
or Autoregression，VAR）模型系統中所有變數的影響。
衝擊反應函數模型如下：
𝑌𝑡 = 𝜇 + 𝜀𝑡 + 𝜓1 𝜀𝑡−1 + 𝜓2 𝜀𝑡−2+ + 𝜓3 𝜀𝑡−3 + ⋯ + 𝜓𝑘 𝜖𝑡−𝑘

14
第五節 門檻式自我相關結構性轉變模型

Tong(1978)提出門檻式自我相關結構性轉變模型（Threshold Aut-
oregressive Model，TAR）。TAR模型建構的理念為考量時間序列
模型的樣本期間內是否有重大經濟事件衝擊，對時間序列模型產生「
結構轉變」的問題。其模型如下列：
ℎ 𝑝 ℎ 𝑝 ℎ ℎ
∆SPθ𝑡 = 𝛼0 + 𝛿
𝑖=1 𝑖 ∆𝑆𝑃𝜃𝑡−𝑖 + 𝛽
𝑖=1 𝑖 ∆𝑉𝐼𝑋𝑡−𝑖 + 𝜀𝑡 ，
𝛾ℎ−1 ≤ 𝑉𝐼𝑋𝑡−𝑑 < 𝛾ℎ ，ℎ = 1,2,∙∙∙∙∙∙, 𝑘

15
第四章 資料來源與實證結果分析
第一節 資料來源、處理與敘述統計

本次研究所探的討加權股價指數，以及美國VIX恐慌指數變數資料，皆
取自Datastream資料庫，後續的資料處理、檢定均使用Eviews計量軟體完成。
我們先令𝐴𝑡 為亞洲六國、美國加權股價指數與VIX恐慌指數，取自然對數。
取過對數的表達式如下：
lAt = log 𝐴𝑡
再經由ADF、KPSS單根檢定檢驗l𝐴𝑡 是否為定態。若檢定結果顯示l𝐴𝑡 存在單根
時，須再對l𝐴𝑡 取一階差分，以ADF、KPSS單根檢定確認是否為定態。取
一階差分的表達式如下：
dl𝐴𝑡 = l𝐴𝑡 − l𝐴𝑡−1
後續再由取過一階差分的八個變數建立VAR模型、作Granger因果關係檢定及
衝擊反應函數分析。
16
資料變數名稱、代號、期間和來源
變數代號
原始變數名稱 資料期間 資料型態 資料來源
取對數 差分

香港 1990/01/01–
SP-HK DSP-HK 日資料 Datastream
HANG SENG 2017/04/21

韓國 1990/01/01–
SP-KO DSP-KO 日資料 Datastream
KOSPI 2017/04/21

日本 1990/01/01–
SP-JP DSP-JP 日資料 Datastream
NIKKEI 225 2017/04/21

美國 1990/01/01–
SP-US1 DSP-US1 日資料 Datastream
S&P500 2017/04/21

美國 1990/01/01–
SP-US2 DSP-US2 日資料 Datastream
NASDAQ 2017/04/21

中國 2005/04/08-
SP-CN DSP-CN 日資料 Datastream
CSI 300 2017/04/21

新加坡 1999/08/31–
SP-SGP DSP-STI 日資料 Datastream
STI 2017/04/21

台灣 1990/01/01–
SP-TW DSP-TW 日資料 Datastream
TAIEX 2017/04/21

美國 1990/01/01–
LVIX DLVIX 日資料 Datastream
CBOE VIX 2017/04/21 17
敘述統計

香港 日本 美國 美國
韓國 美國 中國 新加坡 台灣
HANG NIKKEI S&P CBOE
KOSPI NASDAQ CSI 300 STI TAIEX
SENG 225 500 VIX

平均數 14761 1181.44 15613.17 1122.14 2218.678 2786.11 2531.81 6844.83 19.57

極大值 31638.22 2228.96 38915.87 2395.96 5916.780 5877.20 3831.19 12424.53 80.86

極小值 2736.55 280.00 7054.98 295.46 325.44 818.03 1170.85 2560.47 9.31

標準差 6548.87 562.80 5107.96 505.86 1327.38 1006.06 652.03 1742.93 7.83

樣本數 7124 7124 7124 7124 7124 3141 4604 7124 7124

18
第二節 單根檢定
單根檢定-取對數之變數
𝑝
單根檢定模型：∆𝑌𝑡 = 𝛿 + 𝛼𝑌𝑡−1 + 𝑖=1 𝛽𝑖 ∆𝑌𝑡−𝑖 + 𝜀𝑡
ADF單根檢定 KPSS單根檢定
變數 取一階差分前 取一階差分後 取一階差分前 取一階差分後
-3.0538 -84.0090 0.851244 0.040428
SP-HK
（0.1177） （0.0000）*** （0.0000）*** （0.2323）
-2.9650 -81.1086 1.100461 0.044097
SP-KO
（0.1423） （0.0000）*** （0.0000）*** （0.4714）
-2.5325 -62.8274 1.149873 0.035580
SP-JP
（0.3122） （0.0000）*** （0.0000）*** （0.1006）
-1.8062 -63.5577 1.364166 0.094716
SP-US1
（0.7019） （0.0000）*** （0.0000）*** （0.7728）
-1.956262 -85.07585 1.134503 0.083850
SP-US2
（0.6244） （0.0000）*** （0.0000）*** （0.7933）
-1.815509 -54.83101 0.598202 0.127008
SP-CN
（0.6972） （0.0000）*** （0.0000）*** （0.2585）
-2.2559 -65.8546 0.465104 0.074891
SP-SGP
（0.4577） （0.0000）*** （0.0000）*** （0.7488）
-4.0404 -56.2396 0.267361 0.045364
SP-TW
（0.0077）* （0.0000）*** （0.0000）*** （0.3394）
-5.2889 -38.4902 0.514398 0.011658
LVIX 19
（0.0000）*** （0.0000）*** （0.2942） （0.9236）
第三節 實證結果分析
建構VAR模型

建構VAR模型：
𝑛 𝑛
D𝑆𝑃𝜃𝑡 = 𝛼1 + 𝑖=1 𝛽1𝑖 𝐷𝑆𝑃𝜃𝑡−𝑖 + 𝑖=1 𝛾1𝑖 𝐷𝐿𝑉𝐼𝑋𝑡−𝑖 + 𝜀1𝑡
𝑛 𝑛
D𝐿𝑉𝐼𝑋𝑡 = 𝛼2 + 𝛽2𝑖 𝐷𝐿𝑉𝐼𝑋𝑡−𝑖 + 𝛾2𝑖 𝐷𝑆𝑃𝜃𝑡−𝑖 + 𝜀2𝑡
𝑖=1 𝑖=1

其中，D𝑆𝑃𝜃𝑡 為加權股價報酬率，𝜃代表香港HANG SENG、韓國KOSPI、日本

NIKKEI 225、美國S&P 500、中國SHANGHAI、新加坡STI和台灣TAIEX等股
價名稱。𝐷𝑆𝑃𝜃𝑡−𝑖 為落後期數的加權股價報酬率，𝜃代表的股價名稱如同上述。
𝛼1 、𝛼2 為截距項，𝐷𝐿𝑉𝐼𝑋𝑡 為美國CBOE的VIX恐慌指數變動率，𝐷𝐿𝑉𝐼𝑋𝑡−𝑖 為落
後期數的美國CBOE的VIX恐慌指數變動率。𝜀1𝑡 、𝜀2𝑡 同為白噪音（white
noise）。
20
VAR模型最適落後期選取
VA DSP-HK、 DSP-KO、 DSP-JP、 DSP-US、 DSP-CN、 DSP-SGP、 DSP-TW、
Rv DLVIX DLVIX DLVIX DLVIX DLVIX DLVIX DLVIX
0 -8.2220 -11.016 -8.2994 -9.6021 -7.4569 -8.7691 -8.1099

1 -8.3225 -11.018** -8.4060 -9.6110 -7.4640** -8.8586 -8.1505

2 -8.3240 -11.015 -8.4117** -9.6129 -7.4636 -8.8611** -8.1556**

3 -8.3254** -11.013 -8.4099 -9.6132** -7.4635 -8.8574 -8.1545

4 -8.3236 -11.009 -8.4092 -9.6116 -7.4624 -8.8557 -8.1525

5 -8.3219 -11.007 -8.4068 -9.6091 -7.4592 -8.8551 -8.1508

6 -8.3190 -11.002 -8.4049 -9.6063 -7.4577 -8.8506 -8.1477

7 -8.3166 -10.998 -8.4026 -9.6051 -7.4549 -8.8477 -8.1456

8 -8.3132 -10.994 -8.4001 -9.6033 -7.4506 -8.8415 -8.1429

註: 1. **代表在5%顯著水準下的最適落後期數。

2. DSP-HK為SP-HK取一階差分，DSP-KO為SP-KO取一階差分，DSP-JP為SP-JP取一階差分，DSP-US
為SP-US取一階差分，DSP-CN為SP-CN取一階差分 DSP-SGP為SP-SGP取一階差分，DSP-TW為
SP-TW取一階差分，DLVIX為LVIX取一階差分。
3. VAR模型落後期選取採用SC準則。 21
設立VAR模型的假說檢定

設立VAR模型的假說檢定：

𝐻0 ：𝛾11 = 𝛾12 = ⋯ 𝛾1𝑛 = 0，𝑓𝑜𝑟 𝑖 = 1，2， ⋯ 𝑛

𝐻1 ：𝐻0 不為真

𝐻0 ：𝛾21 = 𝛾22 = ⋯ 𝛾2𝑛 = 0，𝑓𝑜𝑟 𝑖 = 1，2， ⋯ 𝑛

𝐻1 ：𝐻0 不為真

我們分別對香港HANG SENG、韓國KOSPI、日本NIKKEI 225、美國S&P500、中

國SHANGHAI、新加坡STI和台灣TAIEX加權股價指數架構VAR模型，並輔以
GRANGER 因果關係檢定和衝擊反映函數進行實證結果分析。

22
香港HANG SENG與VIX-VAR模型實證結果
國家 應變數
DSP-HK DLVIX
（地區） 自變數
-0.047201*** 0.041227
DSP-HK（-1）
[-3.937070] [ 0.82547]
-0.011476 0.001378
DSP-HK（-2）
[-0.95756] [ 0.02760]
香港 0.033314*** 0.063257
DSP-HK（-3）
（3） [ 2.91926] [ 1.33063]
-0.075726*** -0.087070***
DLVIX（-1）
[-26.3142] [-7.26291]

-0.012244*** -0.068399***
DLVIX（-2）
[-4.04244] [-5.42066]

-0.008542*** -0.049728***
DLVIX（-3）
[-2.83918] [-3.96755]
0.000304* -8.32E-05
C
[ 1.72672] [-0.11359]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-HK為香港加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：
𝑯 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏
. 𝟎
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。
23
香港HANG SENG與VIX-GRANGER因果關係檢定與衝擊反應函數

香港HANG SENG與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq

𝑯𝟎 ：𝐃𝐋𝐕𝐈𝐗 
 𝑫𝑺𝑷 − 𝐇𝐊
694.1027***
SP-HK 𝑯𝒂 ：𝐃𝐋𝐕𝐈𝐗 → 𝑫𝑺 − 𝐇𝐊
（3） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐇𝐊
 𝐃𝐋𝐕𝐈𝐗
2.4579
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐇𝐊 → 𝐃𝐋𝐕𝐈𝐗

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-HK為SP-HK指數的變動率； DLVIX為LVIX指數的變動率。

香港HANG SENG加權股價報酬率對於VIX指數變動率衝擊之反應：

24
韓國KOSPI與VIX-VAR模型實證結果
國家 應變數
（地區） DSP-KO DLVIX
自變數

0.017718\ 0.018425
DSP-KO（-1）
[ 1.52343] [ 0.41432]
韓國
（1）
-0.057221*** -0.078892***
DLVIX（-1）
[-18.4229] [-6.64320]

0.000118 -3.50E-05
C
[ 0.61503] [-0.04762]

註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-KO為韓國加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：
𝑯 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏
. 𝟎
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。

25
韓國KOSPI與VIX-GRANGER因果關係檢定與衝擊反應函數

韓國KOSPI與VIX的GRANGER 因果關係檢定如下：
股價名稱 虛無假設 Chi-sq
𝑯𝟎 ：𝐃𝐋𝐕𝐈𝐗
 𝑫𝑺𝑷 − 𝐊𝐎
339.4035***
𝑯𝒂 ：𝐃𝐋𝐕𝐈𝐗 → 𝑫𝑺𝑷 − 𝐊𝐎
SP-KO（1）
𝑯𝟎 ：𝑫𝑺𝑷 − 𝐊𝐎
 𝐃𝐋𝐕𝐈𝐗
0.1717
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐊𝐎 → 𝐃𝐋𝐕𝐈𝐗

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-KO為SP-KO指數的變動率； DLVIX為LVIX指數的變動率。

韓國KOSPI加權股價報酬率對於VIX指數變動率衝擊之反應：

26
日本NIKKEI 225與VIX-VAR模型實證結果
國家 應變數
（地區） 自變數 DSP-JP DLVIX

-0.079962*** 0.027097
DSP-JP（-1）
[-6.69613] [ 0.52052]

-0.036270** 0.142053**
日本 DSP-JP（-2）
[-3.19380] [ 2.86932]
（2）
-0.074655*** -0.084754***
DLVIX（-1）
[-27.2585] [-7.09863]

-0.015067*** -0.060890***
DLVIX（-2）
[-5.24437] [-4.86180]

-0.000118 -2.48E-05
C
[-0.70138] [-0.03382]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-JP為日本加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：
𝑯 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏
. 𝟎
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。

27
日本NIKKEI 225與VIX-GRANGER因果關係檢定與衝擊反應函數

日本NIKKEI 225與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq
𝑯𝟎 ：𝐃𝐋𝐕𝐈𝐗 
 𝑫𝑺𝑷 − 𝐉𝐏
747.5052***
SP-JP 𝑯𝒂 ：𝐃𝐋𝐕𝐈𝐗 → 𝑫𝑺𝑷 − 𝐉𝐏
（2） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐉𝐏
 𝐃𝐋𝐕𝐈𝐗
8.3563
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐉𝐏 → 𝐃𝐋𝐕𝐈𝐗

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-JP為SP-JP指數的變動率； DLVIX為LVIX指數的變動率。

日本NIKKEI 225加權股價報酬率對於VIX指數變動率衝擊之反應：

28
中國CSI 300與VIX-VAR模型實證結果

國家 應變數
DSP-CN DLVIX
（地區） 自變數

0.010254 -0.016155
DSP-CN（-1）
[0.576219] [-0.226690]

-0.030698*** -0.093730***
中國 DLVIX（-1）
[-6.885831] [-5.249799]
（1）
0.000395 7.35E-05
C
[1.257918] [0.058469]

註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-CN為中國加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：

𝑯𝟎 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏

.
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。

29
中國CSI 300與VIX-GRANGER因果關係檢定與衝擊反應函數

中國CSI 300與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq


𝑯𝟎 ：𝑫𝑳𝑽𝑰𝑿 𝑫𝑺𝑷 − 𝑪𝑵
47.41466***
SP-CN 𝑯𝒂 ：𝑫𝑳𝑽𝑰𝑿 → 𝑫𝑺𝑷 − 𝑪𝑵
（1） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐂𝐍
 𝑫𝑳𝑽𝑰𝑿
0.051388
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐂𝐍 → 𝑫𝑳𝑽𝑰𝑿

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-CN為SP-CN指數的變動率； DLVIX為LVIX指數的變動率。

中國CSI 300加權股價報酬率對於VIX指數變動率衝擊之反應：

30
新加坡STI與VIX-VAR模型實證結果
國家 應變數 DSP-SGP DLVIX
（地區） 自變數
DSP-SGP（-1） -0.038561** 0.099463
[-2.55969] [ 1.12233]
DSP- SGP（-2） 0.006576 0.190755 **
[ 0.45604] [ 2.24866]
新加坡 DLVIX（-1） -0.049689*** -0.085592 ***
（2） [-19.4069] [-5.68266]
DLVIX（-2） -0.010713*** -0.050367***
[-4.03560] [-3.22509]
C 7.49E-05 -0.000149
[ 0.46264] [-0.15692]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP- SGP為新加坡加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：

𝑯𝟎 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏

.
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。 31
新加坡STI與VIX-GRANGER因果關係檢定與衝擊反應函數

新加坡STI與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq

𝑯𝟎 ：𝑫𝑳𝑽𝑰𝑿 
 𝑫𝑺𝑷 − 𝑺𝑮𝑷
378.8262***
SP-SGP 𝑯𝒂 ：𝑫𝑳𝑽𝑰𝑿 → 𝑫𝑺𝑷 − 𝑺𝑮𝑷
（1） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐒𝐆𝐏
 𝑫𝑳𝑽𝑰𝑿
6.2465
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐒𝐆𝐏 → 𝑫𝑳𝑽𝑰𝑿

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-SGP為SP-SGP指數的變動率； DLVIX為LVIX指數的變動率。

新加坡STI加權股價報酬率對於VIX指數變動率衝擊之反應：

32
台灣TAIEX與VIX-VAR模型實證分析
國家 應變數
DSP-TW DLVIX
（地區） 自變數
0.017180 0.008434
DSP-TW（-1）
[ 1.44711] [ 0.18414]
0.039552*** 0.094853**
DSP- TW（-2）
[ 3.39545] [ 2.11071]
台灣 -0.050204*** -0.084994***
DLVIX（-1）
（2） [-16.3164] [-7.16015]
-0.013112*** -0.064419***
DLVIX（-2）
[-4.18949] [-5.33503]
-3.99E-06 -4.26E-05
C
[-0.02102] [-0.05817]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP- TW為台灣加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：

𝑯𝟎 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏

.
𝑯𝟏 ：𝑯𝟎 不為真
5、VAR模型最適落後期選取採用SC準則。 33
台灣TAIEX與VIX-GRANGER因果關係檢定與衝擊反應函數

台灣TAIEX與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq

𝑯𝟎 ：𝑫𝑳𝑽𝑰𝑿 
 𝑫𝑺𝑷 − 𝑻𝑾
273.4280***
SP-TW 𝑯𝒂 ：𝑫𝑳𝑽𝑰𝑿 → 𝑫𝑺𝑷 − 𝑻𝑾
（1） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐓𝐖
 𝑫𝑳𝑽𝑰𝑿
4.1569
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐓𝐖 → 𝑫𝑳𝑽𝑰𝑿

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-TW為SP-TW指數的變動率； DLVIX為LVIX指數的變動率。

台灣TAIEX加權股價報酬率對於VIX指數變動率衝擊之反應：

34
美國S&P 500與VIX-VAR模型實證結果
國家 應變數
DSP-US1 DLVIX
（地區） 自變數
-0.082901*** 0.040069
DSP-US1（-1）
[-4.89981] [ 0.42132]
-0.042517** 0.167019*
DSP-US1（-2）
[-2.50809] [ 1.75278]
-0.005929 0.210669**
DSP-US1（-3）
[-0.35101] [ 2.21884]
美國 -0.005791* -0.083951***
DLVIX（-1）
（3） [-1.92695] [-4.96964]
-0.001765 -0.049971***
DLVIX（-2）
[-0.58588] [-2.95012]
0.001027 -0.024478
DLVIX（-3）
[ 0.34236] [-1.45139]
0.000301** -0.000160
C
[ 2.30664] [-0.21861]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-US1為美國加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：

𝐇𝟎 ：𝛄𝟏𝟏 = 𝛄𝟏𝟐 = ⋯ 𝛄𝟏𝐧 = 𝟎，𝐟𝐨𝐫 𝐢 = 𝟏，𝟐， ⋯ 𝐧

.
𝐇𝟏 ：𝐇𝟎 不為真
35
5、VAR模型最適落後期選取採用SC準則。
美國S&P 500與VIX-GRANGER因果關係檢定與衝擊反應函數

美國S&P 500與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq


𝑯𝟎 ：𝑫𝑳𝑽𝑰𝑿 𝑫𝑺𝑷 − 𝑼𝑺𝟏
4.1006
SP-US1 𝑯𝒂 ：𝑫𝑳𝑽𝑰𝑿 → 𝑫𝑺𝑷 − 𝑼𝑺𝟏
（3） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝑼𝑺𝟏
 𝑫𝑳𝑽𝑰𝑿
7.5198
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐔𝐒𝟏 → 𝑫𝑳𝑽𝑰𝑿

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-US1為SP-US1指數的變動率； DLVIX為LVIX指數的變動率。

美國S&P 500加權股價報酬率對於VIX指數變動率衝擊之反應：

36
美國NASDAQ與VIX-VAR模型實證結果
國家 應變數
DSP-US2 DLVIX
（地區） 自變數
-0.010890 -0.046316
DSP-US2（-1）
[-0.707041] [-0.698708]
0.114484*
DSP-US2（-2） -0.018037 [-1.171545]
[1.727685]
-0.004888 0.253280***
DSP-US2（-3）
[-0.318143] [3.829892]
美國 -0.096144***
DLVIX（-1） -0.000797 [-0.223214]
（3） [-6.256754]
-0.054711***
DLVIX（-2） 0.001833 [0.512504]
[-3.554911]
-0.013990
DLVIX（-3） 0.001842 [0.517798]
[-0.913543]
-0.000165
C 0.000371** [2.181148]
[-0.225835]
註：1、*、**、***分別代表在10%、5%、1%的顯著水準下拒絕虛無假設的情況
2、DSP-US2為美國加權股價報酬率，DLVIX為LVIX指數的變動率。
3、[]為t統計量
4、虛無假設：

𝑯𝟎 ：𝜸𝟏𝟏 = 𝜸𝟏𝟐 = ⋯ 𝜸𝟏𝒏 = 𝟎，𝒇𝒐𝒓 𝒊 = 𝟏，𝟐， ⋯ 𝒏

.
𝑯𝟏 ：𝑯𝟎 不為真
37
5、VAR模型最適落後期選取採用SC準則。
美國NASDAQ與VIX-GRANGER因果關係檢定與衝擊反應函數

美國NASDAQ與VIX的GRANGER 因果關係檢定如下：

股價名稱 虛無假設 Chi-sq

𝑯𝟎 ：𝐃𝐋𝐕𝐈𝐗
 𝑫𝑺𝑷 − 𝐔𝐒𝟐
0.570871
SP-US2 𝑯𝒂 ：𝐃𝐋𝐕𝐈𝐗 → 𝑫𝑺𝑷 − 𝐔𝐒𝟐
（3） 𝑯𝟎 ：𝑫𝑺𝑷 − 𝐔𝐒𝟐
 𝐃𝐋𝐕𝐈𝐗
17.99042***
𝑯𝒂 ：𝑫𝑺𝑷 − 𝐔𝐒𝟐 → 𝐃𝐋𝐕𝐈𝐗

註:1* 、** 、***分別代表在10%，5%，1%的顯著水準之下，拒絕虛無假設的情況。

2.DSP-US為SP-US指數的變動率； DLVIX為LVIX指數的變動率。

美國NASDAQ加權股價報酬率對於VIX指數變動率衝擊之反應：

38
第四節 門檻式自我相關結構轉變模型
建構TAR模型
𝑝 𝑝
ℎ ℎ ℎ ℎ
∆SPθ𝑡 = 𝛼0 + 𝛿𝑖 ∆𝑆𝑃𝜃𝑡−𝑖 + 𝛽𝑖 ∆𝑉𝐼𝑋𝑡−𝑖 + 𝜀𝑡 ，
𝑖=1 𝑖=1

𝛾ℎ−1 ≤ 𝑉𝐼𝑋𝑡−𝑑 < 𝛾ℎ ，ℎ = 1,2,∙∙∙∙∙∙, 𝑘

沿用上節線性部份的SC準則，來決定TAR模型中的最適門檻變數，並搭配Wald 檢定，
檢驗八個加權股價指數報酬率在VIX恐慌指數高於門檻值時，有無結構性改變。

國家（地區）股價 最適門檻變數
香港HANG SENG VIX(-3)
韓國KOSPI VIX(-1)
日本NIKKEI 225 VIX(-1)
美國S&P 500 VIX(-3)
美國NASDAQ VIX(-2)
中國CSI 300 VIX(-1)
新加坡STI VIX(-1)
台灣TAIEX VIX(-1) 39
Wald檢定-香港HANG SENG
估計
應變數 體制（R） 門檻值 虛無假設
係數值

R1 VIX(-3) < 20.5300 𝛽51 + 𝛽61 + 𝛽71 -0.0668***

=0 （-9.2018）

-0.0848***
R2 20.5300 <= VIX(-3) < 22.6600 𝛽122 + 𝛽132 + 𝛽142 = 0 （-4.7275）

DSP-HK
最適門檻
變數 -0.1612***
R3 22.6600 <= VIX(-3) < 24.1000 𝛽193 + 𝛽203 + 𝛽213 =0 （-6.3896）
VIX(-3)

4 4 4 -0.1638***
R4 24.1000 <= VIX(-3) < 29.0200 𝛽26 + 𝛽27 + 𝛽28 = 0 （-10.4127）

-0.1525***
R5 29.0200<= VIX(-3) 𝛽335 + 𝛽345 + 𝛽355 = 0 （-9.9293）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-HK為SP-HK指數的變動率。
3.最適門檻變數：VIX(-3)
40
Wald檢定-韓國KOSPI

體制 估計
應變數 門檻值 虛無假設
（R） 係數值

1 -0.0334***
R1 VIX(-1) < 21.3400 𝛽3 =0 （-8.335162）

DSP-KO
最適門檻變數
VIX(-1)

2 -0.0920***
R2 21.3400<= VIX(-1) 𝛽6 =0 （-18.93693）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-KO為SP-KO指數的變動率。
3.最適門檻變數：VIX(-1)

41
Wald檢定-日本NIKKEI 225

體制 估計
應變數 門檻值 虛無假設
（R） 係數值

1 1 -0.0671***
R1 VIX(-2) < 22.8700 𝛽4 + 𝛽5 =0 （-13.3901）

DSP-JP
最適門檻 2 2 -0.1234***
R2 22.8700 <= VIX(-2) < 32.8200 𝛽9 + 𝛽10 =0
變數 （-14.48667）
VIX(-2)

3 3 -0.1949***
R3 32.8200 <= VIX(-2) 𝛽14 + 𝛽15 =0 （-13.16233）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-JP為SP-JP指數的變動率。
3.最適門檻變數：VIX(-2)

42
Wald檢定-中國CSI 300

估計
應變數 體制（R） 門檻值 虛無假設
係數值

1 -0.0142**
R1 VIX(-1) < 21.5700 𝛽3 =0 （-2.4885）
DSP-CN
最適門檻
變數
VIX(-1)
2 -0.0549***
R2 21.5700<= VIX(-1) 𝛽6 =0 （-7.7246）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-CN為SP-CN指數的變動率。
3.最適門檻變數：VIX(-1)

43
Wald檢定-新加坡STI

應變數 體制（R） 門檻值 虛無假設 估計係數值

-0.0556***
1 1
R1 VIX(-2) <36 𝛽4 + 𝛽5 += 0
（-13.6178）

DSP-SGP
最適門檻變
數VIX(-2)

-0.1153***
2 2
R2 36<= VIX(-2) 𝛽9 + 𝛽10 += 0
（-8.0029）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-SGP為SP-SGP指數的變動率。
3. 最適門檻變數：VIX(-2)

44
Wald檢定-美國S&P 500

應變數 體制（R） 門檻值 虛無假設 估計係數值

-0.0087
1 1 1
R1 VIX(-3) <33.3800 𝛽5 + 𝛽6 + 𝛽7 =0
（-1.459254）

DSP-US1
最適門檻
變數
VIX(-3) 33.3800<= VIX(- 0.0776***
2 2 2
R2 𝛽12 + 𝛽13 + 𝛽14 =0
3) （3.198627）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-US1為SP-US1指數的變動率。
3.最適門檻變數：VIX(-3) 45
Wald檢定-美國NASDAQ

估計
應變數 體制（R） 門檻值 虛無假設
係數值

0.0038
1 1 1
R1 VIX(-3) < 26.6200 𝛽5 + 𝛽6 + 𝛽7 =0
（0.5277）

DSP-US2
-0.0511
最適門檻 R2 26.6200<= VIX(-3) < 29.7600 2
𝛽12 +
2
𝛽13 +
2
𝛽14 =0
（-1.7037）
變數
VIX(-3)

0.0817***
3 3 3
R3 29.7600<= VIX(-3) 𝛽19 + 𝛽20 + 𝛽21 =0
（3.9376）

註：1.**、***分別代表在5%、1%的顯著水準下拒絕虛無假設。
2. DSP-US2為SP-US2指數的變動率。
3.最適門檻變數：VIX(-3)
46
第五章 緒論與研究建議

結論

47
 線性模型 非線性模型
TAR模型
股價 GRANGER
衝擊反應分析 體制 與DLVIX落後期之
因果關係檢定 結構性改變
（R） 關係
第一期 DLVIX上升 R1
第二期 DSP-HK下降 R2
負相關，且有
DSP-HK 皆有
R3 顯著的影響
DSP-HK逐漸迴升
第三期（後） R6
至均衡水平
R5
第一期 DLVIX上升 R1
第二期 DSP-JP下降
負相關，且有
DSP-KO 皆有
DSP-JP逐漸迴升 R2 顯著的影響
第三期（後）
至均衡水平

第一期 DLVIX上升 R1
第二期 DSP-JP下降 R2
負相關，且有
DSP-JP 皆有
DSP-JP逐漸迴升 顯著的影響
第三期（後） R3
至均衡水平

第一期 DLVIX上升 R1
第二期 DSP-CN下降
負相關，且有
DSP-CN 皆有
R2 顯著的影響
DSP-CN逐漸迴升
第三期（後）
至均衡水平

第一期 DLVIX上升 R1
第二期 DSP-TW下降 R2
負相關，且有
DSP-TW 皆有
顯著的影響
DSP-TW逐漸迴升
第三期（後） R3 48
至均衡水平
 線性模型 非線性模型
TAR模型
股價 GRANGER
衝擊反應分析 體制 結構性 與DLVIX落後期之關
因果關係檢定
（R） 改變 係
無顯著
第一期 DLVIX上升 R1 負相關
的影響
第二期 DSP-US1下降
DSP-US1逐漸迴升
第三期
至均衡水平
DSP-US1 皆有
DSP-US1迴到均衡 有顯著
R2 正相關
水平後，在第四期 的影響
第四期（後） 時些微上升，第五
其後又迴到均衡水
平
無顯著
第一期 DLVIX上升 R1 正相關
的影響
DSP-US2在均衡水 無顯著
DSP-US2 第二、三期 皆有 負相關
平正負兩端震盪 R2 的影響
DSP-US2逐漸迴升 R3 有顯著
第四期（後） 正相關
至均衡水平 的影響
第一期 DLVIX上升 R1
第二期 DSP-SGP下降

負相關，且有
DSP-SGP 皆有
DSP-SGP逐漸迴升 R2 顯著的影響
第三期（後）
至均衡水平

49
研究建議

50
報告結束， 謝謝老師的聆聽!

51