The Performance of Taiwanese Semiconductor Industry and Stock Price by menez

Economic Management Journal November 2014, Volume 3, Issue 4, PP.63-70

The Performance of Taiwanese Semiconductor Industry and Stock Price Shu-You Syue1, Yi-Chung Hsu 2#, Meng-Fen Hsieh3 1. Deparment of Finance, National Taichung University of Science and Technology, Taichung, Taiwan 2. Deparment of Public Finance and Taxation, National Taichung University of Science and Technology, Taichung, Taiwan 3. Deparment of Finance, National Taichung University of Science and Technology, Taichung, Taiwan #Email: hsuyichung@yahoo.com.tw

Abstract This study employed Data Envelopment Analysis (DEA) and Panel Data model Analysis to evaluate relationship between managerial performance and financial performance or Investment performance rewards of Taiwan’s semiconductor industry from 2005 to 2012. We adopt two DEA methods BCC and Super-SBM model to evaluate the efficiency of semiconductor industry. The following empirical results are found: (1)the IC packaging and testing firms perform better than others; (2)small scale is one of the causes of inefficiency; and (3)Super-SBM model compare to BCC model can find the most efficient IC industry company.Then we conduct panel data approach with OLS model and the Super-SBM efficiency scores to analyze the relationship. Our two main findings are: (1)the earnings and return predictability from operating performance of corporate’s fundamentals; and (2) book-to-market effect does exist in Taiwan stock market. Together these findings, we added quantitative investment criterion to find the relatively good stock for investors. Keywords: Semiconductor Industry; Data Envelopment Analysis; Super SBM; Investment Performance

台湾半导体经营绩效与股价之关系薛树友 1，许义忠 2，谢孟芬 3 1. 国立台中科技大学财务金融系硕士班，台中市，台湾 2. 国立台中科技大学财政税务系副教授，台中市，台湾 3. 国立台中科技大学财务金融系副教授，台中市，台湾要：本研究运用数据报络分析法 (Data Envelopment Analysis, DEA) 之 BCC 模式与 Super-SBM 模式分析台湾上市柜

摘

IC 产业之公司的经营绩效，并透过传统回归模型 (OLS Model) 探讨经营绩效和公司财务绩效与投资人投资绩效之关系，进而提供投资人在选股上有一个客观的综合性指标作为参考。结果显示：经营绩效不论是对于公司财务绩效或投资人投资绩效表现，皆有显着的正面效果，换言之，投资人在选股时可以透过该指标，选择在该产业中经营表现较为突出的公司，以作为长期投资的依据；另外本研究也发现 Fama and French (1992) 提出之账面市值比效应确实存在于股票市场。关键词：半导体产业；数据报络分析法；超级效率模型；投资绩效

绪论投资决策参考的层面，可分为总体经济、产学经济及公司个体，其中又以公司个体的信息最容易获得，其可分析公司财务变量而获利（刘文斌等, 2010）。公司股票一直是投资人最热衷的投资市场之一，而台湾股票市场随着整体经济环境的改变与公司信息透明化的增加，目前对于上市柜公司信息的取得已经相当方便了。然而，由于上市柜的公司众多及信息过于庞大且有噪声，如何撷取所需之信息以便进行分析极为重要。 - 63 www.emj-journal.org

然而，目前股市参与者大多都着重于财务绩效上的分析与比较，鲜少有一个综合性的指标，来做为公司经营层面的代理变量。数据报络分析法 (Data Envelopment Analysis, DEA) 为一可同时衡量多投入与多产出之决策单位相对效率值的方法，可提供决策单位之经营效率之改善方向，进而利于投资者在股票市场上选股之参考（刘文斌等, 2010），但传统数据报络分析法之 BCC 模式，所衡量出来的效率值，并无法找出经营绩效表现最佳之决策单位，故将采用超级效率模型 (Slack-Based Measure of super-efficiency, Super SBM)，运用较适的评估方法，区别真正有效率的决策单位，找出效率较佳的 IC 产业公司。并以 Super-SBM 模型所求出之效率值作为公司经营绩效的代理变量，于台湾 IC 产业 2005 年至 2013 年之追纵资料，探讨 IC 产业公司之经营绩效和财务绩效与投资绩效之关系，希望能证实产业中经营绩效相对较佳的公司，会对其财务绩效与投资绩效有正向的效果。其主要目的如下： (1) 透过 DEA 分析 IC 产业公司之经营绩效，以提供投资人在选择股票上多一个综合性指标作为参考。 (2) 透过此经营绩效和财务绩效与投资绩效之关系，让投资人能够作为投资标的前之参考依据。

文献回顾

1.1 DEA 法应用于 IC 产业 DEA 是一种可以将公司经营层面的因子，用客观的方式给予权重，计算其相对的绩效值，找出效率较佳的公司，并可以提供无效率之公司改善的方向，以提供效程。 Hu and Li (2004) 探讨影响台湾 IC 设计产业 1998 年至 2001 年绩效的相关因素，透过 DEA 和投入资本报酬率法 (ROIC) 评估其表现绩效。由投资报酬法分析销货利润率与资本周转率的变化，得知影响组织绩效的因子是销售利润或营运管理，再采用 DEA 模式进行绩效评估，找出被评估的公司需要改善的部份。Liu and Wang (2008) 运用 SBM 和 Super-SBM 来运算绩效值，并使用 Malmquist 生产力法，来检验动态效率的变化。 Huang and Huang (2010) 则探讨台湾 IC 产业的生产绩效，并考虑外部环境对公司经营绩效的影响，并运用三阶段 Malmquist DEA 法分析跨期绩效的变动。Lu and Hung (2010) 则透过 DEA 求得其技术效率，并将纯技术效率与研发费用构成一效率矩阵，以了解公司之竞争能力。Hung, He, and Lu (2014) 运用动态 DEA，经由结转观点 (carry-over perspective) 看其动态绩效，并将厂商分为集团企业与非集团企业，看其集团特性，发现集团企业的效率值高于非集团企业。跨国的研究中，如杨夏青 (2004) 探讨全球 IC 设计产业之生产效率分析，以 2003 年全球营收前三十大 IC 设计厂商为研究对象，透过 DEA 针对不同区域与个别厂商进行 2000 年至 2002 年之效率分析，最后再进行 Tobit 回归分析，求出影响厂商生产绩效的因子，提供台湾 IC 设计厂商改善效率的参考。张秀莲 (2008) 则探讨台湾和美国 IC 产业之经营效率，并将产业区分为 IC 设计、IC 制造和 IC 封测业，透过二阶段数据报络法进行 2002 年至 2006 年之效率分析，最后再进行生产力变动趋势和效率与股价相关分析。也有学者将经营绩效与营运之风险因子一起讨论，来了解影响公司营运的风险因子有哪些（陈小龙, 2011）。综观上述，近年运用 DEA 都着重于探讨公司效率的改善，鲜少有文献将经营绩效当作公司代理变量，去探讨和财务绩效或投资绩效之关系的研究。除了刘文斌等 (2010) 运用 DEA 与窗口分析 (Window Analysis) 探讨上市食品产业之公司的经营绩效与股价报酬之关系；Frijns et al. (2011) 则是将美国上市公司绩效当作解释变量，分析其与股票报酬的关系。

研究方法由于传统的 BCC 模式衡量的是射线效率，所估计之效率值介于 0 与-1 之间。SBM 模型为 DEA 的方法

之一，在分析的样本数据中，通常有二个（含）以上技术效率为 1 的决策单位，故为了解决多个决策单位之 SBM 效率值同为 1 的问题，Tone (2002) 提出了 Super-SBM (Slack-Based Measure of Super-efficiency) 模型进一步加以区分效率值为 1 的决策单位，建构 Super-SBM 衡量效率基本概念，系将 SBM 模型中效率值为 1 的 - 64 www.emj-journal.org

决策单位先从样本抽离，而后再以剩余的决策单位建构效率前缘，并以前述抽离的决策单位再与该效率前缘的距离比较，如距离较小的决策单位表示其超效率 (Super efficiency) 较低，代表该决策单位之 SBM 效率值仅些微地胜过其他不具效率值的决策单位；反之，距离较大的决策单位表示其超效率远胜过其他决策单位。因此本研究将在进一步使用 Super-SBM 模型，以分离出效率值最佳之决策单位，其模型如下：首先，将生产可能集合定义为： P：  x0 , y0  

 x , y  x    x , y    y , y  0,   0 n

i 1

(1)

其中 i = 1,…, n ，且 (x0,y0) 与 (x̄ ,y̅) 为生产可能集合 P 中的两点。 xi：代表 i 决策单位之投入向量。 yi：代表 i 决策单位之产出向量。 λi：代表 i 决策单位之权重向量。接着定义生产可能集合之子集合，如下： P：  x0 , y0   P： x0 , y0   x  x0  y  y0  在 x>0,y>0 之前提假设下， P：  x0 , y0    ，令  为任一决策单位 (x0,y0) 到

(2)

 x , y   P： x , y  之加权平 0

均距离，定义如下： n  i 1 xi xi 0 m 1 m  r 1 yr yr 0 1 n



(3)

因此 Super-SBM 模型中，假设变动规模后，决策单位位于点 (x0,y0) 之效率值计算如下： n 1  x x Min   1n mi 1 i i 0 m  r 1 yr yr 0 k

s.t

x   j xj j 1

(4)

y   j y j

x  x0  y  y0 , y  0 ,   0

j 1

 j  1 j 1

上述之 Super-SBM 式子为一非线性的规划式求解困难，故将其转换为线性规划式以方便求解，则令上式分母为 1 直接求其分子之最小值，得以下之模式： n

 *  Min   1n  xi xi 0 i 1

s.t

1 m

 yr yr 0  1

r 1

x   xj j j 1 k

y   yj j j 1

x  tx0  y  ty0

(5)

y 0,0,t 0

此线性规划之方程式最适解为：  * , *j , x* , y* , t *  ，再将此最适解转换为 Super-SBM 之最适解为：

 *   * , *   t , x  x t , y  y t 。 *

研究变量与数据说明

3.1 研究资料说明 3.1.1

研究样本

本篇研究以台湾半导体产业为研究对象，根据 2013 年半导体产业与应用年鉴，截至 2012 年之统计，IC 设计业 270 家、IC 制造 14 家、IC 封装 28 家及 IC 测试 36 家，厂商共 348 家。又鉴于数据取得之公正性及一致性，经判断筛选后，选取 IC 设计业 43 家、IC 制造业 9 家和 IC 封装与测试业 18 家，共 70 家 IC 厂商为 - 65 www.emj-journal.org

研究样本，研究期间为公元 2005 年至 2013 年的年资料，数据源以台湾经济新报数据库 (TEJ)、台湾证券交易所公告的财务报表为主，如表 1 所示。表 1 IC 各产业之研究样本表 IC 设计业

IC 制造业

IC 封装与测试业

硅统

瑞昱

威盛

凌阳

联电

台积电

旺宏

勤益

日月光

硅品

伟诠电

联发科

义隆

晶豪科

茂硅

华邦电

南科

菱生

超丰

京元电

联阳

联咏

智原

扬智

汉磊

世界

元隆电

欣铨

台星科

典范

信亿

安茂

倚强

金丽科

精材

立卫

讯利电

海德威

点晶

宜特

太欣

泰林

颀邦

力成

世纪

钰创

凯钰

松翰

硅格

久元

诚远

通泰

合邦

创惟

普诚

茂达

凌泰

盛群

研通

旺玖

骅讯

迅杰

立锜

沛亨

硅创

安国

致新

巨虹

富鼎

群联

共 43 家

共9家

共 18 家

数据源：本研究整理。

3.1.2

变量之决定

在选取投入与产出项目时，主要是参考国内外学者对 IC 产业效率评估之相关文献中提出的考核项目，加以归纳整理，决定以「员工人数」、「营业成本」、「营业费用」和「资产总额」作为效率评估之投入项目，对于各企业生产力而言是影响重大且极为重要的，并以「营业收入」和「税前净利」作为效率评估的产出项目。而 James and Wier (1990) 曾指出：投入项与产出项指标之选取必须确保因素间具有多元共线性及因果关系且其关系为正相关，故本研究对于投入与产出项是否呈现合理的正相关，以符合 DEA 绩效评估方法时，乃采用皮尔森 (Pearson) 相关系数分析来进行检定，而检定结果皆呈现各投入与产出项皆具有正向关系。并将上一阶段之绩效值作为公司经营之代理变量再加入控制变量，探讨和财务绩效与投资绩效之关系，其各项变量所代表的意涵汇整于表 2，分述如下： (1) 经营绩效 (SCORE)：为探讨影响财务绩效与投资绩效之主要变量，实际上影响公司财务绩效与投资人投资绩效的因素有很多，但过往之文献缺乏一致且客观的综合指标，又 DEA 可客观衡量出决策单位的相对绩效值，故以此为决策单位治理能力的替代变数。 (2) 市值 (MV)：为公司规模之控制变量，因 Harvey and Siddique (2000) 和 Damodaran (1987) 等人都指出，平均而言，大公司的报酬较有负偏态的特质，所以我们也把公司市值放进当控制变量，使得可以把公司规模特征导致固定影响偏态的部份抽离出来。 (3) 账面市值比 (BM)：取自于 Fama and French (1992)，该研究影响美国股票平均报酬率的因素，归纳出公司规模 (SIZE) 与账面市值比 (BE/ME) 两项因素能有效解释横断面个别公司股票平均报酬率的变异情形。 (4) 成交量 (ST)：为股票成交量的控制变量，Shefrin and Statman (1985) 指出成交量与股价报酬有密切相关，洪振虔 (2011) 探讨结合过去交易量与报酬率如何预测价格反向现象的程度与持续性，实证显示过去交易量与报酬的关系，无论在价格具有正向或反向现象，都对于未来报酬率具有预测能力。为了避免进行回归分析后可能产生偏误或假性回归的情形，使分析结果丧失经济意义，故本文运用 Levinet al. (2002) 提出的 LLC 检定来检测各项变量是否为具单根之非定态数列，其结果显示各项变量在水平项下，皆能拒绝非定态数列的虚无假说。

- 66 www.emj-journal.org

表 2 变量定义说明表变

数

定义代表财务绩效的变量，公司的获利性指标之一，是指公司在当年度的获利，以每一持股而言可得分配的金额，其简化计算公式如下： net profit after tax

EPS

EPS =

应变数

RETURN

t+1

SCORE MV 自变数

shares outstanding

代表投资绩效的变量，采用 TEJ 数据库的调整后年报酬率，公式如下： P *(1+α+β)+D Rt = ( t )*100% Pt-1 +α*C

Pt ：

第 t 期收盘价。

α： β：

当期除权之认购率。

C：

当期除权之现金认购价格。

当期除权之无偿配股率。

D：当期发放之现金股利。由 Super-SBM 模型算出之效率值。代表公司规模的控制变量，我们使用当年年底的公司权益市值，再取自然对数。我们使用当年年底的公司数据，这里采用 TEJ 的股价净值比(P/B，P 为收盘价，B 为每股净值)，先取倒数，再取自然对数，转换公式如下： BM = Ln(1/(P/B)) 代表成交量的控制变量，我们使用当年年底的总成交量除以当年的加权平均流通在外股数，再取自然对数，公式如下：

ST = Ln( annual shares traded ) shares outstanding

数据源：取自于台湾经济新报数据库和公司财务报表，再经由本研究整理。

实证结果与分析

4.1 DEA 评估结果分析公司管理阶层人员可以根据成本效率分析，了解本身与其他公司整体效率与效率变动的差异性，并可以发现其无效率的来源是缺乏纯技术效率或规模不适当所造成，以做为调整的参考。在纯技术效率方面，只要调整其管理策略，短期内或可改善；但若要提升规模无效率，则需要长时间的调整组织结构，以达到最适规模改善效率。首先以 BCC 投入导向模式评估其纯技术效率与规模报酬。实证结果显示，以产业划分，IC 封测业整体平均值相较于其他产业为佳，IC 制造业则较差，随着时间的推进，绩效排名较落后的产业都未能有所突破，造成无效率之原因是规模过小所致，管理阶层可考虑扩大规模以提高效率。但由于用 BCC 模型下求出之效率值为 1 的决策单位比例颇高，而且整体差异不大，无法明确区别出绩效最佳的 IC 产业公司，因此另以 Super-SBM 模型分析，并与 BCC 模式比较发现，透过 Super-SBM 模型计算出来每年的效率值，与 BCC 模型相比之下均呈现大幅下降，且全距变大差异更为明显，其排名前 5 名公司如表 3 所示。由上述可知，Super-SBM 模型将原本有效率的决策单位再次分析排序，其衡量后之效率值不限于 1，除了能得知真正经营绩效最佳的决策单位外，也使得效率值的分布更加区分出差异来，也就是 Super-SBM 模型为更适合衡量决策单位相对效率值的方法。表 3 各年效率前 5 名排行表 2005 排名 1 骅讯 2 凌泰 3 力成 4 联发科 5 海德威数据源：本研究整理。

2006 骅讯凌泰凯钰联发科南科

2007 联发科骅讯凌泰立卫群联

2008 群联立卫凌泰联发科骅讯

2009 凌泰联发科群联立卫合邦

- 67 www.emj-journal.org

2010 群联凌泰联发科立卫台星科

2011 巨虹群联凌泰台星科合邦

2012 巨虹群联凌泰台星科合邦

4.2 OLS 实证分析结果接着我们再将上一阶段求得之效率值与下一期报酬率制成散布图，可看出两变量之间呈现一正向关系，并运用传统回归模型进行分析，其结果如表 4 与图 1，详细说明如下。 (1) 经营绩效 (SCORE)：以 Super-SBM 模型求出 IC 产业公司之效率值作为解释变量，在 1%的显著水平下，对 EPS 或 RETURNt+1 皆有正向显著的效果。由于公司成立目标之一便是要使股东价值极大化，各项的资源投入无非是要扩大产能，增加实质产出，使公司盈利增加，而 DEA 将投入与产出的比例转换成效率值，效率值越高代表公司绩效较好，故能对公司财务绩效产生正面帮助，也能使投资人投资绩效增加，此与我们先前预测的方向有一致性，同时也与 Frijns et al. (2011)，针对美国上市公司所进行的研究结果相符。 (2) 市值 (MV)：市值经常是被拿来探讨投资绩效时的控制变量，在 1%的显著水平下，MV 与 EPS 呈现正面的效果，因为对于规模大的公司而言，EPS 会相对较稳定且高。 (3) 账面市值比 (BM)：在 1%的显著水平下，BM 对于 EPS 或 RETURNt+1 皆有效果，但两组模型的效果却是相反的，这可能是因为投资者对于公司基本面过度反应所造成的，因为高 BM 的公司通常是基本面不佳的公司，因此投资人对高 BM 公司的股票价值非理性低估；反之，低 BM 的公司基本面较佳，因此投资人高估了其股票价值。可见，投资人对基本面不佳的公司过度悲观，对基本面佳的公司过度乐观，当过度反应得到纠正后，使得高 BM 的公司比低 BM 的公司有更高的收益 (De Bondt and Thaler, 1987)，这样的结果也与 Fama and French (1992)、Frijns et al. (2011) 相符。表 4 OLS 分析结果表

EPSi ,t    1SCOREi ,t  2 MVi ,t  3 BM i ,t  4 STi ,t   i ,t RETURNi ,t 1    1SCOREi ,t  2 MVi ,t  3 BM i ,t  4 STi ,t   i ,t EPS

RETURNt+1

系数 P值 -27.058*** 0.000 常数项 5.543*** 0.000 经营绩效(SCORE) 0.902*** 0.000 市值(MV) -1.375*** 0.000 账面市值比(BM) 0.608*** 0.000 成交量(ST) 0.503 调整后 R2 560 样本数数据源：本研究整理。注：*** , **与*表示在信赖水平分别为 1% , 5%与 10%下是显着的。

(a) 近五年

系数 0.743 0.299** -0.016 0.451*** -0.031

P值 0.153 0.012 0.445 0.000 0.395 0.125 560

(b) 近三年

图 1 效率与股价散布图 - 68 www.emj-journal.org

(4) 成交量 (ST)：在 1%的显著水平下，公司股票交易越活络，对于投资人投资绩效会有正面的效果，因为成交量可用来当作投资人情绪的代理变量，当大多数人看好公司的未来发展，就会买进公司的股票，因此公司股票的成交量就会上升；相对的，当投资人认为公司的前景不佳，就会出售或停止买进公司的股票，公司股票的成交量就会降低，因此成交量可以反应投资人对股票的预期。

结论公司股票一直是投资人最热衷的投资市场之一，而台湾股票市场随着整体经济环境的改变与公司信息透

明化的增加，目前对于上市柜公司信息的取得已经相当方便了。然而，由于上市柜的公司众多及信息过于庞大且有噪声，如何撷取所需之信息以便进行分析极为重要。然而在传统的财务比率分析中，若需要同时运用多个财务比率衡量多个决策单位时，往往会难以决定各项项目的相对权重，而 DEA 能以客观的方法给予各因子权重，故第一阶段将衡量台湾 IC 产业公司的经营绩效，探讨是否有在改善效率的空间，第二阶段再探讨经营绩效和公司财务绩效与投资人投资绩效之间的关系，以提供投资人在选股时的参考指标。第一阶段以 BCC 模式和 Super-SBM 模式计算其效率值，其实证结果发现，以产业划分，IC 封测业整体平均值相较于其他产业为佳，IC 制造业则较差，随着时间的推进，绩效排名较落后的产业都未能有所突破，造成无效率之原因是规模过小所致，管理阶层可考虑扩大规模以提高效率。且透过 Super-SBM 模型计算出来每年的效率值，与 BCC 模型相比之下均呈现大幅下降，使全距变大差异更为明显。接着进一步以经营绩效、市值、账面市值比以及成交量探讨是否影响公司财务绩效与投资人投资绩效，实证结果整理如下： (1) 以 Super-SBM 模型求出之经营绩效值作为公司的代理变量，在 1%的显著水平下，对财务绩效或投资绩效皆有正向显著的效果。由于公司成立目标之一便是要使股东价值极大化，各项的资源投入无非是要扩大产能，增加实质产出，使公司盈利增加，而 DEA 将投入与产出的比例转换成效率值，效率值越高代表公司绩效较好，故能对公司财务绩效产生正面帮助，也能使投资人投资绩效增加。 (2) BM 之结果也令人感到有趣，在 1%显著水平下，对应变量皆有显著影响，但其效果却刚好相反，其可能是因为投资者对于公司基本面过度反应所造成的，使得投资人对基本面不佳的公司过度悲观，对基本面佳的公司过度乐观，当过度反应得到纠正后，使得高 BM 的公司比低 BM 的公司有更高的收益。

REFERENCES [1]

Liu, Wen-Bin., Tso, Chin-Wei., & Peng, Ke-Chung., Stock Selection Using Data Envelopment Analysis -Stock Market of the Food Industry in Taiwan. J. Agri. Assoc. Taiwan, 2010, 11 (5): 409-428.

[2]

Hu, C.-C., & Li, H.-L. A Company Performance Measurement by ROIC and DEA-AN Example of Taiwan IC Design House. Journal of the Chinese Institute of Industrial Engineers, 2004, 21(4): 369-383.

[3]

Liu, F.-H. F., & Wang, P.-h. DEA Malmquist Productivity Measure: Taiwanese Semiconductor Companies. International Journal of Production Economics, 2008, 112(1): 367-379.

[4]

Lu, W.-M., & Hung, S.-W. Assessing the Performance of a Vertically Disintegrated Chain by the DEA Approach-a case study of Taiwanese Semiconductor Firms. International Journal of Production Research, 2010, 48: 1155-1170.

[5]

Frijns, B., Margaritis, D., & Psillaki, M. Firm Efficiency and Stock Returns. Journal of Productivity Analysis, 2011, 37(3): 295-306.

[6]

Tone, K.. A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis. European Journal of Operational Research, 2002, 143(1): 32-41.

[7]

James, C., & Wier, P. Borrowing Relationships, Intermediation, and the Cost of Issuing Public Securities. Journal of Financial Economics, 1990, 28(1/2): 149-171.

[8]

Harvey, C. R., & Siddique, A. Conditional Skewness in Asset Pricing Tests. Journal of Finance, 2000, 55(3): 1263-1295. - 69 www.emj-journal.org

[9]

Damodaran, A. The Impact of Information Structure on Stock Returns. Journal of Portfolio Management, 1987, 13(3): 53-58.

[10] Fama, E. F., & French, K. R. The Cross-Section of Expected Stock Returns. Journal of Finance, 1992, 47(2): 427-465. [11] Shefrin, H., & Statman, M. The Disposition to Sell Winners Too Early and Ride Losers Too Long: Theory and Evidence. Journal of Finance, 1985, 40(3): 777-790. [12] Levin, A., Lin, C.-F., & James Chu, C.-S. Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties. Journal of econometrics, 2002, 108(1): 1-24. [13] De Bondt, W. F. M., & Thaler, R. H. Further Evidence on Investor Overreaction and Stock Market Seasonality. The Journal of Finance, 1987, 42(3): 557-581.

【作者简介】 1

薛树友（1990-），男，汉，硕士研究生。

2 许义忠（1972-），男，汉，博士，副教授。

研究方向，绩效分析。

研究方向，公共经济。

Email:s1802L104@nutc.edu.tw

Email:hsuyichung@yahoo.com.tw

谢孟芬（1969-），女，汉，博士，副教

授。研究方向，国际金融及投资学。 Email:mfhsieh@nutc.edu.tw

- 70 www.emj-journal.org