Get documents about "2009 12 78b8eba5
Shared by: 9lulQ121
-
Stats
- views:
- 18
- posted:
- 5/3/2012
- language:
- Chinese
- pages:
- 26
Document Sample
經濟成長與股價報酬間相關性之探討
以亞洲四小龍為例
李源明1
致遠管理學院財務金融系助理教授
1
聯繫作者：李源明 致遠管理學院財務金融系助理教授 地址：台南縣麻豆鎮南勢里 87 之 1 號 E-Mail：
LYM0436@Yahoo.com.tw
一、 前言
第一節、研究動機
由投資理論可以得知，股價是未來各期現金(股利)流入總合加上資本利得的折現值，
單一股價即代表投資人對某一企業未來經營情況的預期，若從總體的觀點來看，整體股市
似乎可以反映出一國未來的經濟活動的走勢，因此股價報酬的變化與該國甚至是區域內、
全球性經濟活動有密不可分的關聯，而股市之所以受到投資機構的重視，最大的原因在於
股價報酬的變動可視它是未來經濟活動的領先指標。要瞭解股市變動方向，就要先去瞭解
經濟活動到特性為何？經濟成長與股價報酬是否有單向或是雙向的因果關係？而股市與
經濟活動之間的關係為何？這些議題是值得本文來探討與研究。
第二節、研究目的
，
探討股價報酬與產出或股價報酬與實質經濟活動相關的文獻不在少數 在最近的十多
年來，其研究對象已自美國(如 Fama(1990))，美國、加拿大兩國(如 Hassapis (2003))，擴
及七大工業國(簡稱 G7)(如 Choi et al.(1999))，並更進一步地全面擴張涵蓋歐盟、OECD
國家、澳洲、亞洲新興國家(如新加坡、南韓、菲律賓、印尼與臺灣等) 等世界各國 (如黃
柏農(1998)、Aylward and Glen (2000)、藍淑鳳(2000)、Henry et al. (2003)， Mauro(2003)
以及 Binswanger (2004)，顯見此一議題仍持續地受到矚目。
從許多文獻的內容與結論中，除得知大多數國家之經濟(或稱產出)成長與股價報酬之
。
間存在正相關及部分國家更具有長期均衡關係的結論之外 最近的文獻 Binswanger (2004)
認為在 1980 年代初期至 1999 年這段期間，因股市暴漲(可能存在投機泡沫)，造成股價報
酬與經濟成長之間原有的相關性喪失，這個現象展現在世界主要的經濟區域內，如美、日、
歐洲等。
1
本文的研究目的在於擴展 Binswanger (2004)探討的對象，就亞洲新興國家在 1980 年
，
代初期至 1990 年代期間 是否也出現股價報酬與經濟成長之間原有的相關性喪失的現象。
第三節、本文架構
第一章、 前言 研究動機與目的；第二章 文獻回顧；第三章 資料與研究方法介紹；資料
說明、單根檢定、共整合檢定以及建構股價報酬實證線性模型分別針對全樣本期間與子樣
本期間進行模型估計；第四章 實證結果與分析；最後為結論。
2
二、文獻回顧
Fama(1990) 使用美國自 1953 至 1987 年(月、季和年)的資料，研究當期股價報酬與未來
產出成長間的關係，利用股價報酬與工業生產指數資料進行分析，結果發現當期股價報酬
與未來實質經濟活動之間有強(strong)的正向關係，所以未來實質經濟活動可由股價報酬
變動反應。股價的變動會影響到財富，進而影響到消費與投資。
黃柏農(1998) 研究臺灣的股價與其他總體變數(貨幣供給 M1B、商業本票利率、通貨膨
脹、工業生產指數以及匯率)之間的關係，研究期間為 1985 年至 1998 年(月)資料；運用
E-G 共整合檢定(Engle and Granger Cointegration Test)、Grange 因果檢定(Granger causality
test)等檢定方法進行實證分析。實證結果發現，台灣之總體變數中以遞延的利率對當期股
價變動的解釋效果最好，其次為貨幣供給(M1B)成長率。另外也發現工業生產指數變動與
股價變動、通貨膨脹與股價變動之間並沒有存在直接的關係。若是透過利率變數的代理，
，
則發現工業生產指數變動與股價變動之間存在正向關係 而通貨膨脹與股價變動之間則存
在負向關係。
Choi et al.(1999) 為探討實質股價報酬變動是否有領先實質經濟活動，以七大工業國(以下
簡稱 G7)為研究對象，研究期間為 1957 至 1996 年(月)資料，運用共整合檢定，確認實質
股價報酬與實質經濟活動之間是否具有長期均衡關係，並建構誤差修正模型進行分析。其
結果發現 G7 中除義大利之外，其他六國之實質股價報酬與實質經濟活動之間均具有顯著
。 ，
的長期均衡關係 該文的實證結果發現 透過股價報酬變動可以預測未來的實質經濟活動。
Aylward and Glen (2000) 針對股價變動是否可以作為未來經濟活動的領先指標進行實證
研究。探討 23 個國家(包括 G7、澳洲與 15 個新興國家)的股價報酬分別對各國之國內生
產毛額(Gross Domestic Product，以下簡稱 GDP)、消費與投資是否具有預測能力進行分
析。採用普通最小平方法(OLS)與近似無關迴歸法(Seemingly Unrelated Regression；SUR)
進行估計與檢定。實證結果顯示，並非每個國家的股價報酬均可預測未來的經濟活動，以
OLS 估計之 GDP 與遞延股價模型中，只有六個國家的遞延股價的係數為正且顯著；另外，
採用 SUR 估計之 GDP 與遞延股價模型中，發現有十二個國家的遞延股價係數為正且顯
3
著。總體而言，在 G7 國家中不論是股價報酬對於 GDP 具有顯著的預測能力的比率，或
是股價報酬對未來經濟活動有領先效果的比率，都較新興國家中的比率來得高，但是此一
結果，並不意味 G7 國家的股市對未來經濟活動的預測能力都一定會比新興國家強，因為
有些新興國家的遞延股價報酬對未來經濟活動也具有相當高的預測能力。
藍淑鳳(2000)以亞洲九個國家為研究對象，探討各國實質股價報酬與經濟成長間的關係，
先以 E-G 共整合檢定，驗證各國實質股價報酬與工業生產指數之間是否存在長期均衡關
係，後續建構誤差修正模型(Error Correction Model；ECM) 與向量自我迴歸模型(Vector
Autoregression ；VAR)，以檢測股價報酬對經濟成長是否具預測能力。研究結果發現，僅
有印尼的實質股價報酬與工業生產指數存在長期均衡關係。另外，包括日、韓、馬、菲、
新和臺灣等六國的股價報酬對經濟成長的預測能力相當顯著。
Hassapis (2003)運用美國、加拿大兩國資料，就兩國金融變數與加拿大產出成長之間的領
先-遞延關係進行驗證，其中的金融變數包括美、加兩國的股價指數、長短期利差、貨幣
供給等，研究期間為 1966 至 2000 年 9 月(月)資料。實證結果顯示當期的美、加金融變數
與加國未來產出成長間均存在強(strong)的正向短期關係；但加國之當期產出成長與美加
兩國未來之股價變動間的關係則不顯著。
Henry et al. (2003) 在於探討股價報酬與產出成長之間的關係為何？ 運用 1982 年第 2 季
至 2001 年第 4 季期間內 27 國(OECD 國家與港、韓、菲、新和臺灣)在內的季資料，建構
非線性追蹤資料(panel data)模型與轉換模型(switch model)，以檢定股價報酬可否用在預測
產出成長。該文與先前的文獻主要不同處，在於採用非線性追蹤模型進行估計與檢定，因
為如果資料特性不能滿足對稱性假設，則採用線性模型將產生錯誤。該文另外也採用轉換
模型，驗證遞延產出與股價報酬間的關係，是否會因景氣處於衰退期而受到影響，實證結
果顯示；(1)股價報酬與產出成長之間的關係為非線性關係，若模型採用線性方法估計將
產生錯誤配置。(2) OECD 國家與五個東南亞國家之股價報酬與產出成長之間存在顯著的
正向關係。(3)轉換模型的檢定結果；在經濟擴張期，股價報酬不具有預測產出成長的能
力，相對的，若是景氣處於衰退期，則股價報酬是預測產出成長有用的工具。
4
Mauro(2003) 建構單、雙變量 VAR 模型與追蹤資料模型，運用的年資料至少涵蓋 8 個新
興國家和 17 個先進國家，在季資料方面至少涵蓋至少 6 個新興國家和 18 個先進國家，研
究期間 1971 至 1998 年，主要是探討產出成長與遞延股價報酬之間的關係。年資料模型實
證結果顯示；在單變數模型中，除印度以外，所有國家的實質產出成長與遞延的實質股價
報酬之間呈正向關係，其中係數顯著者，在新興國家比例為 5/8，在先進國家比例為 10/17。
在雙變數模型中，係數正向且顯著者，在新興國家比例為 4/8，在先進國家比例為 10/17。
季資料模型實證結果；實質 GDP 成長與遞延一期的實質股價報酬之間正向關係依然存
在，其中係數顯著者，新興國家中比例為 2/6，先進國家中比例為 9/18，工業生產指數成
長與遞延的實質股價報酬之間存在顯著正向關係，在新興國家比例為 4/13，在先進國家
比例為 13/18。另外，從追蹤資料模型 (採用 Fixed effect 與 SUR)所得之實證結果顯示，
不論是先進國家或是新興國家，其經濟成長與遞延股價報酬間存在顯著的正向關係。
Binswanger (2004) 研究重點在於確認 G7 國之實質股價報酬與實質經濟成長間原有的相
關性是否仍存在，運用 1960 至 1999 年 G7 國之 CPI、工業生產指數，GDP 與股價指數等
季資料建構實證模型，為便於分析，特別將樣本期間區分為三個期間(1960 至 1982 年、
1983 至 1999 年、1989 至 1999 年)。該文除進行共整合檢定之外，並建構一般常見的 OLS
估計的遞延模型與向量誤差修正模型(簡稱 VECM)進行股價報酬與工業生產指數成長、股
價報酬與實質 GDP 成長相關性檢定。實證結果發現，OLS 估計的遞延模型與 VECM 的
模型(採用 Wald test)有相同結論，在全樣本期間與 1960 至 1982 年期間，美、日與總合的
歐洲國家(德、法、義與英國四國平均)，其實質股價報酬與實質經濟成長之間存在強的相
關性，意味遞延股價報酬可以用來解釋當期的實質經濟成長。但當樣本期間轉換到 1983
至 1999 年、1989 至 1999 年時，則顯示實質股價報酬與實質經濟成長之間的相關性已不
存在，因為遞延股價報酬此已無法解釋當期的實質經濟成長，相同的現象也在加拿大發
現。該文作者認為實質股價報酬與實質經濟活動成長間相關性在 1980 年代初期無法持續
維持，只能用”投機泡沫”或是”風險貼水變動”等因素來解釋這個現象產生的原因，但無論
如何，這已經是一種國際的現象，已擴及到世界的主要經濟區域。
5
6
5
4
3
2
1
0
-1
1980 1985 1990 1995 2000
RY_HK RST_HK
8
7
6
5
4
3
2
1
0
1980 1985 1990 1995 2000
RY_KOS RST_KOS
7
6
5
4
3
2
1
1980 1985 1990 1995 2000
RY_SIN RST_SIN
5
4
3
2
1
1980 1985 1990 1995 2000
RY_TW RST_TW
圖一、香港(HK)、南韓(KOR)、新加坡(SIG)與臺灣(TW)之
(季)實質經濟活動(GDP)、股價走勢圖
6
.6
.4
.2
.0
-.2
-.4
-.6
1975 1980 1985 1990 1995 2000
DRY_HK DST_HK
.6
.4
.2
.0
-.2
-.4
-.6
1975 1980 1985 1990 1995 2000
DRY_KOS DST_KOS
.6
.4
.2
.0
-.2
-.4
-.6
1975 1980 1985 1990 1995 2000
DRY_SIN DST_SIN
1.2
0.8
0.4
0.0
-0.4
-0.8
1975 1980 1985 1990 1995 2000
DRY_TW DST_TW
圖二、香港(HK)、南韓(KOR)、新加坡(SIG)與臺灣(TW)之
(季)實質經濟成長、股價報酬走勢圖
7
三、資料與研究方法介紹
第一節、資料來源與基本轉換
本文所運用的資料頻率以季資料為主，年資料為，是取自財團法人經濟資料推廣中心
「AREMOS 經濟統計資料庫系統」(詳細內容如表一)，期間自 1975 年第一季至 2003 年
第三季，主要變數為亞洲四小龍(香港、南韓、新加坡與臺灣)之股價指數、名目國內生產
毛額(以下簡稱 GDP)、消費者物價指數(以下簡稱 CPI)以及工業生產指數等四大類。實質
股價為股價指數/CPI，而實質經濟活動則以 GDP/CPI 與工業生產指數(不必除以 CPI)來代
替(如同圖一，依序為香港、南韓、新加坡與台灣)，實質股價報酬(率)與實質經濟成長(率)
則分別是對實質股價與實質經濟活動取對數差分(如同圖二)。
第二節、實證方法與過程介紹
(1).首先進行單根(ADF 與 PP)檢定，檢測所有變數是否具有單根，以避免下一階段建構模
型時發生錯誤的設定，除此之外，也要進行共整合檢定，以免忽略掉有效的訊息，本文所
運用的共整合檢定方法是一般常見的 Johansen Cointegration test 與 E-G Cointegration test。
(2). 本文將依序來完成 Binswanger(2004) 所敘述的模型估計與檢定的相關過程。所以實
證過程為檢定實質股價報酬與工業生產指數成長、實質股價報酬與實質 GDP 成長之間是
否具有相關性、相關性是否持續存在? 因此先依據 Binswanger(2004)建構所需的 OLS 遞
延變數模型與向量誤差修正模型(簡稱 VECM)，以便進行檢定，主要的兩組模型分別設定
如下；
OLS 估計的遞延模型為：
8
4
g t cons tan t bk rt k t
k 0
g t 為實質經濟成長、 t k 為實質股價報酬、 k 為估計參數、 t 為殘差項
r b
VECM 模型為：
4 4
a1k g t k b1k rt k c1 t 1 1t
gt k 1 k 1
r 4 t 1為誤差修正項、aik bik 為估計參數
、
t a g
4
2k t k b2k rt k c 2 t 1 2t
k 1 k 1
在上述 VECM 模型估計後，將進行 wald test (係數受限下之聯合檢定)，虛無假設為
b1i 0, i 1 ~ 4 ，如無法拒絕虛無假設，則代表實質股價報酬無法解釋(領先)實質經濟
成長，則表示兩者之間的相關性消失。
(3). 針對年資料，將建構追蹤資料(Panel data)模型，以進行相關性是否仍存在的檢定。
本文之追蹤資料模型，由四組個別資料組成，並在模型中加入固定效果的估計，追蹤
資料模型估計後，再轉換為system模型進行係數估計，如下所示；
Equation: DYG(i)_HK = C(4) + C(1)*DYG(i)_HK(-1) + C(2)*DST_HK + C(3)*DST_HK(-1)
Equation: DYG(i)_KOS = C(5) + C(1)*DYG(i)_KOS(-1) + C(2)*DST_KOS +C(3)*DST_KOS(-1)
Equation: DYG(i)_SIN = C(6) + C(1)*DYG(i)_SIN(-1) + C(2)*DST_SIN +C(3)*DST_SIN(-1)
Equation: DYG(i)_TW = C(7) + C(1)*DYG(i)_TW(-1) + C(2)*DST_TW + C(3)*DST_TW(-1)
方程式中之 DYG(i)_、 DST_ 分別代表各國之實質經濟成長與實質股價報酬，(-1)代表遞
延一期。接著運用 wald test 進行 C(2)=C(3)=0 的係數檢定。
9
四、實證結果分析
第一節 資料特性分析
【季資料方面】：
由表二之一可以確認實質股價與實質經濟活動都事非定態(具有一個單根)，而差分一次後
的實質股價與實質經濟活動(即為本文所稱之實質經濟成長與實質股價報酬)均可確認為
定態。
因此，接著進行實質經濟成長與實質股價報酬之間共整合檢定，以確認兩者間是否存在長
期均衡關係。由表三顯示，僅香港之實質股價與實質經濟活動間較有可能存在共整合，其
他國家(或地區)則顯然不存在共整合。
在確認季資料特性後，接下來將進行 VAR 模型與 VECM 模型的估計與 wald 係數限
，
制檢定 以比較四小龍在全樣本(1975 年~2003 年)期間與子樣本(1983 年(或 1989 年)至 1999
年)期間，實質經濟成長與實質股價報酬之間的相關性是否有顯著的差異。
【年資料方面】：
以整體資料進行追蹤資料單根檢定；由表二之二可以確認實質股價與實質經濟活動
(GDP 與工業生產指數)都是非定態(具有一個共同的單根)，而差分一次後的實質股價與實
質經濟活動(GDP 與工業生產指數)均可確認為定態。
因單一國家(地區)年資料只有 28 筆(1975 年~2002 年)，觀察值明顯偏低，因此利用所
建構的追蹤資料模型來作為檢定模型，除可以有效地增加自由度之外，並藉以了解年資料
與季資料的結論是否具有一致性。
10
第二節、實證結果分析
，
本文實證第一階段為季資料單一方程式之建構 其模型主要是依據 Binswanger (2004)
之第 (4) 式 OLS 模型設定，其估計與檢定結果，詳如表四。此單一方程模型估計結果不
佳，與不符一般計量模型的要求(如殘差存在序列相關)，可見自變數與解釋變數間之相關
性無法透過此一模型來顯現，因此將實證重點移往 VECM 模型建構與檢定，另外，為使
檢定更加穩健，在第二階段實證過程中，另外加入 VAR 模型的建構與檢定，以強化本文
實證結論的可靠度。
相關模型估計後的檢定結果分別列於表五之一、之二、之三、之四，為求易於進行
檢定後結論之整體比較，已將表五之四個表的內容加以彙總，詳如表六。
依表六所得的檢定結果分述如下：
在全樣本(1975 年至 2003 年)期間，四小龍中除台灣之外，實質經濟成長與實質股價
報酬均具有顯著的相關性(遞延股價報酬對當期濟成長具顯著的有解釋能力)，與一般文獻
的結論相同，而臺灣之所以實質經濟成長與實質股價報酬不具有相關性，個人認為其原因
在於是臺灣之股市自 1988 年起開始出現大幅成長的趨勢，變動幅度與成長率十分驚人，
而臺灣的經濟成長雖年年有增長，但其成長幅度仍無法與股市相呼應，因而造成實質經濟
成長與實質股價報酬不具有相關性的現象。另外，臺灣產生此一結果，則是印證黃柏農
(1998)所得之結論，『臺灣之工業生產指數變動與股價變動、通貨膨脹與股價變動之間並
沒有存在直接的關係』。
就兩段子樣本(1983 年至 1999 年或是 1989 年至 1999 年)期間內，檢定結果(兩段子
樣本任一期間)發現；四小龍均產生與美、加、日與 G7 歐洲國一樣地產生實質經濟成長
與實質股價報酬之間相關性消失(顯著衰弱)的現象，這結果與 Binswanger(2004) 的結論相
一致。其中當採用 GDP 來作為經濟活動時，則僅有南韓在這兩段期間內經所濟成長與股
價報酬仍然具有相關性；
11
另外，本文將樣本期間擴展到 1983 年至 2003 年或是 1989 年至 2003 年期間進行檢
定，以瞭解”實質經濟成長與實質股價報酬之間相關性消失”的現象在這些期間內是否仍成
立，實證結果發現在四小龍中成立與不成立者是各佔一半，顯示此一相關性消失的現象有
隨時間增長而逐漸不成立，在四小龍之中因為各國(地區)的經濟體制(質)有所差異，或是
與歐、美、日等國的經貿往來的程度或有所不同，所以仍有部分國家仍保有此一相關性消
失現象，其中以臺灣最為明顯。
本文實證第三階段為年追蹤資料模型的建構與檢定，想透過追蹤資料模型的檢定結
果來瞭解四小龍在年資料下，”實質經濟成長與實質股價報酬之間相關性消失” 的現象是
否與在季資料下的結論是否有很大的出入?
依表七所得的檢定結果分述如下：
在 1975 年至 2002 年與在 1975 年至 1982 年期間，由檢定結果發現，經濟成長與股
價報酬均具有顯著的相關性(遞延實質股價報酬對當期實質經濟成長具有解釋能力者)，仍
與以往文獻的結論相同，也與季資料模型所得到的結論相同。
在兩段子樣本(1983 年至 1999 年或是 1989 年至 1999 年)期間內，有明顯地產生實
，
質經濟成長與實質股價報酬相關性消失的現象(檢定之 P-value 值大幅增加) 顯示這結果仍
與 Binswanger(2004)的結論相一致。
，
若將樣本期間擴展到 1983 年至 2002 年或是 1989 年至 2002 年期間進行檢定 發現”
實質經濟成長與實質股價報酬相關性”又恢復。
12
五、 結論
本文透過季資料與年資料所建構的多組模型，除再度驗證”實質經濟成長與實質股價
報酬之間具相關性”的這個常見結論之外，也藉實證結果來印證 Binswanger(2004)的結論
是否也可以適用在亞洲四小龍的身上？
由模型檢定的結果，發現在 80 年代初期到 90 年代末期，整體而言，四小龍確有產生
與美、加、日與 G7 歐洲國一樣地產生 ”實質經濟成長與實質股價報酬之間相關性消失” 的
現象(唯各國在程度上略有不同)，此一結果應該與四小龍的經濟發展腳步是跟隨著與美、
加、日與 G7 歐洲國等已開發國家有關，因為四小龍在大多是小型經濟體，多數透過產銷
低廉商品至歐、美與日本等國賺取外匯，以促進本國(地區)的經濟成長，一旦歐、美與日
本等主要經濟體系所產生的現象，例如是股市過熱(引發的投機泡沫)，對四小龍也會有相
當大的外溢效果(例如股市過熱，使得進口國之需求擴張，間接造成出口國外銷量也同步
成長)，因而使得四小龍或多或少也產生類似的現象，以致於在特定子樣本期間內，也會
，
顯現遞延股價報酬無法解釋當期經濟成長的現象 因此可以確認 Binswanger (2004)的結論
(大體上)也適用在亞洲四小龍。
除此之外，若以四小龍的檢定結果來分析，此一實質經濟成長與實質股價報酬相關性
，
消失的現象的確是僅存在 80 年代初期到 90 年代末期 而此一現象個人認為應該只是一個
短期現象，因為一旦樣本期間拉長，” 實質經濟成長與實質股價報酬相關性消失”的特性
會被平均而減弱，例如本文將子樣本期間擴張為 1983(1989)年至 2003 年之後，” 實質經
濟成長與實質股價報酬之間相關性消失”的現象在四小龍之中就轉為較不明顯。若配合許
多的文獻結論，本文可以提出一個小結論：實質經濟成長與實質股價報酬具相關性應該是
一個符合理論的常態現象，但也會受到其他經濟因素的影響，在某些期間內會有偏離這個
常態的結果出現。
13
，
本文上述的結論全部來自於線性模型的假設 但是已有文獻指出實質經濟成長與實質
股價報酬之間應是非線性關係，如 Henry et al.(2003)，故本文未來研究方向除擴增研究的
對象(如加入亞洲四小虎、中國大陸與其他非 G7 的歐美國家) 之外，也將建構雙(多)變量
門檻迴歸模型(Threshold Regression Model)，以比較線性與非線性模型之間的結論是否有
很大的差異，藉以確認 Binswanger(2004)的結論在線性與非線性模型下是否有仍然成立。
14
參 考 文 獻
，證券市場發展季刊，10 卷 4 期，
黃柏農(1998), 「台灣的股價與總體變數之間的關係」
89-109 頁。
藍淑鳳(2000), 「股價報酬與經濟成長-亞洲新興國家之實證研究」，逢甲大學企業管理
研究所未出版碩士論文。
Aylward, A. and Glen, J. (2000) “Some International Evidence on Stock Prices as Leading of
Economic Activity,” Applied Financial Economics, 10, 1-14.
Barro, R.J.(1990) “The stock market and investment,” The Review of Financial Studies, .3(1),
115-131.
Baxter, M. and King, R. (1995) “Measuring business cycles approximate band-pass filters for
economic time series,” National Bureau of Economic Research Working paper No.5022.
New York.
Bingswinger, M. (2004) “Stock returns and real activity in G-7 counties：did the relationship
change during the 1980s?” The Quarterly review of Economics and Finance, 44,
237-252.
Blanchard, O.J. (1981) “Output, the stock market, and Interest rates,” American Economic
Review, .7, 132-143.
Breitung, J. (2000), “The local power of some unit root tests for panel data,” in B.
Baltagi(ed), Advances in Econometrics, .15: Nonstationary Panels, Panel Cointegration,
and Dynamic Panels, Amsterdam: JAI Press, 161-178.
Bullard, J. and Keating, D.H.(1995), “The Long-run Relationship between Inflation and
Output in postwar Economics,” Journal of Monetary Economics, 36, 477-496.
Caporale, G. M. and Spagnolo, N. (2003), “Asset Prices and Output Growth Volatility: The
Effects of Financial Crises,” Economics Letters, 79, 69-74.
Choi, J.C., Hauser, S. and Kopecky, K.J. (1999) “Does stock market predict real activity?
Time series evidence from the G-7 country,” Journal of Banking and Finance,”. 23,
1771-1792.
Chow, G. (1960) “Test of Equality Between Sets of Coefficients in Two Linear Regressions,”
Econometrica,” .28. 591-605.
Domian, D. and Louton, D. (1997), “A threshold autoregression analysis of stock returns and
15
real economic activity,” International Review of Economics and Finance .6(2), 167-179
Engle, R.F. and Granger, C.W.J. (1987), “Co-integration and error-correction：representation
and testing,” Econometrica,. 55, 251-276.
Fama, E. F.(1990), “Stock Return, Expected Return , Real Activity,” The Journal of
finance, .71 545-546.
Hansen, B. (1999), “Threshold Effects in Non-Dynamic panels: Estimation, Testing and
Inference,” Journal of Econometrics, 93(2), 345-368.
Hardi, K. (2000), “Testing for stationarity in heterogenous panel data,” Econometric
Journal, .3, 148-161.
Hassapis, C. (2003), “Financial Variables and real activity in Canada,” Canadian Journal of
Economics,. 36, 421-442
Henry, O. T. and Olekalns, N.(2000), “The Effect of Recessions on Output Variability and
Growth,” Southern Economic Journal,. 68(3), 683-692.
Henry, O. T., Olekalns, N. and J. Thong,. (2003), “Do Stock Market Returns Predict Changes
to Output? Evidence from a nonlinear Panel Data Model,” Department of Economics
The University of Melbourne, working paper
Im, K.S., Pesaran, M.H., and Y. Shin (2003), “Testing for unit roots in heterogeneous
panels,” Journal of Econometrics, 115, 53-74.
Khan, M. and Senhadji A. (2001), “Threshold Effects in the Relationship Between Inflation
and Growth,” IMF Staff Papers, 48(1), 1-21.
Levin, A., Lin, C.F., and C. Chu (2002), “Unit root tests in panel data: asymptotic and
finite-sample properties,” Journal of Econometrics, 108, pp 1-24.
Maddala, G.S. and Wu, S. (1999) , “A comparative study of unit root tests with panel data
and a new simple test,” Oxford Bulletin of Economics and statistics, .61, 631-652.
Mauro, P. (2003), “Stock returns and output growth in emerging and advanced economies,”
Journal of Development Economics : 71(1), 129-153.
16
表一之一、季頻率資料之單根彙總表
變 數 t-Statistic P-value 定態與否 變 數 t-Statistic P-value 定態與否
ADF ADF
RY_HK -0.59 0.98 非定態 DRY_HK -6.05 0.00 定態
PP PP
RY_HK -2.21 0.48 非定態 DRY_HK -16.17 0.00 定態
ADF ADF
RY_KOS -1.80 0.38 非定態 DRY_KOS -2.39 0.15 非定態
PP PP
RY_KOS -2.01 0.28 非定態 DRY_KOS -36.84 0.00 定態
ADF ADF
RY_SIN -0.57 0.87 非定態 DRY_SIN -4.32 0.00 定態
PP PP
RY_SIN -2.59 0.29 非定態 DRY_SIN -12.16 0.00 定態
ADF ADF
RY_TW -1.54 0.81 非定態 DRY_TW -3.71 0.03 定態
PP PP
RY_TW -1.80 0.70 非定態 DRY_TW -17.41 0.00 定態
ADF ADF
IY_HK -0.84 0.96 非定態 D IY _HK -5.22 0.00 定態
PP PP
IY _HK -3.88 0.02 定態 D IY _HK -20.42 0.00 定態
ADF ADF
IY _KOS -3.19 0.09 非定態 D IY _KOS -7.49 0.00 定態
PP PP
IY _KOS -2.78 0.21 非定態 D IY _KOS -7.58 0.00 定態
ADF ADF
IY _SIN -1.03 0.74 非定態 D IY _SIN -5.58 0.00 定態
PP PP
IY _SIN -1.55 0.51 非定態 D IY _SIN -13.68 0.00 定態
ADF ADF
IY _TW -2.17 0.50 非定態 D IY _TW -3.26 0.08 (非)定態
PP PP
IY _TW -2.75 0.22 非定態 D IY _TW -13.65 0.00 定態
ADF
RST_HK -1.70 0.43 非定態 DRST_HK ADF -12.75 0.00 定態
PP PP
DRST_HK -1.63 0.46 非定態 DRST_HK -12.74 0.00 定態
ADF ADF
RST_KOS -1.73 0.73 非定態 DRST_KOS -10.53 0.00 定態
PP PP
RST_KOS -1.98 0.61 非定態 DRST_KOS -10.57 0.00 定態
ADF ADF
RST_SIN -2.45 0.35 非定態 DRST_SIN -11.07 0.00 定態
PP PP
RST_SIN -2.45 0.35 非定態 DRST_SIN -11.40 0.00 定態
ADF ADF
RST_TW -2.11 0.54 非定態 DRST_TW -12.04 0.00 定態
PP PP
RST_TW -2.11 0.54 非定態 DRST_TW -12.09 0.00 定態
附註：
1. “D”表示變數之一階差分，ADF 檢定中最適遞延期期數(lag length)是依 AIC 準則而決定。
2.RY 表示取過自然對數之實質 GDP，RST 表示取過自然對數之實質股價指數，_HK、_KOS、_SIN、_TW 則分
別代表香港、南韓、新加坡、臺灣之變數。
，
3.以上所有單根檢定之虛無假設:均為 變數有單根(非定態) 變數上有“ADF”則代表 Augmented Dickey-Fuller test
statistic ，變數上有“PP”則代表 Phillips-Perron test statistic，除 RY_KOS、 IY _SIN 與 RST_HK 兩變數使
用有常數項的單根模型之外，其他所有單根檢定均使用有常數項且有線性時間趨勢的模型。
4.依一般文獻顯示，變數具有二個單根的特性在實務上相當少見，長期的變數大多數具有一個單根，加上不同的
檢定產生不同的結論，故本文認為 RY_KOS 南韓之實質 GDP 應該只具有一個單根。
17
表一之二、年頻率資料之單根彙總表
各國實質股價 LST_HK, LST_KOS, LST_SIN, LST_TW
Method Statistic Prob.** Statistic Prob.**
Null: Unit root (assumes common unit root process) 差
Levin, Lin & Chu t* -2.94 0.00 分 -7.77 0.00
Breitung t-stat 0.78 0.78 後 -7.81 0.00
Null: Unit root (assumes individual unit root process) 序
Im, Pesaran and Shin W-stat -1.60 0.05 列 -6.65 0.00
ADF - Fisher Chi-square 14.39 0.07 52.85 0.00
PP - Fisher Chi-square 17.61 0.02 64.25 0.00
各國實質經濟活動(GDP) YG_HK, YG_KOS, YG_SIN, YG_TW
Method Statistic Prob.** Statistic Prob.**
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -4.11 0.00 差 -2.87 0.00
Breitung t-stat 2.161 0.98 分 -0.88 0.19
Null: Unit root (assumes individual unit root process) 後
Im, Pesaran and Shin W-stat -1.62 0.05 序 -2.21 0.01
ADF - Fisher Chi-square 16.48 0.04 列 19.43 0.01
PP - Fisher Chi-square 24.39 0.00 36.2 0.00
各國實質經濟活動(工業生產指數)YI_HK, YI_KOS, YI_SIN, YI_TW
Method Statistic Prob.** Statistic Prob.**
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -2.94 0.00 差 -6.37 0.00
Breitung t-stat 0.77 0.78 分 -2.29 0.01
Null: Unit root (assumes individual unit root process) 後
Im, Pesaran and Shin W-stat -1.60 0.05 序 -5.27 0.00
ADF - Fisher Chi-square 14.38 0.07 列 44.83 0.00
PP - Fisher Chi-square 17.61 0.02 49.09 0.00
註解：
1.以上追蹤資料單根檢定，樣本期間: 1975 到2002年，共有四組橫斷面資料。
2. 若需要遞延期數，則由程式自動選取，若需要Newey-West的帶寬選擇，則使用 Bartlett kernel。
3. 以上追蹤資料單根檢定是來自EViews 軟體，軟體內共提供六種單根檢定方法，分別是源自 Levin, Lin
and Chu(簡稱LLC) (2002), Breitung (2000), Im, Pesaran and Shin (2003), Fisher-type tests using ADF
and PP tests (Maddala and Wu (1999) and Choi (2001)), and Hadri (2000)等文獻。
4. LLC and the Breitung 等兩種檢定方法，是檢定整體追蹤資料是否具有共同(common)的單根 .The Im,
Pesaran, and Shin, and the Fisher-ADF and PP 三種檢定方法，可用來檢定單一序列是否具有單根的檢
定程序。.
18
表二 季頻率資料共整合檢定 (期間 1975:1~2003:3)
國家(區域)別 實質 GDP 與實質股價
Johansen test Engle-Granger test
虛無假設：無共整合 虛無假設：無共整合
Trace-Statistic 5 % Critical 1 % Critical t-Statistic Prob.*
Value Value
香 港 HK 17.49 15.41 20.04 -3.63 0.01
南 韓 KOS 11.47 15.41 20.04 -1.69 0.43
新加坡 SIN 8.78 15.41 20.04 -1.68 0.44
臺 灣 TW 18.01 15.41 20.04 -2.38 0.15
國家(區域)別 工業生產指數與實質股價
Johansen test Engle-Granger test
虛無假設：無共整合 虛無假設：無共整合
Trace-Statistic 5 % Critical 1 % Critical t-Statistic Prob.*
Value Value
香 港 HK 13.11 15.41 20.04 -0.52 0.88
南 韓 KOS 8.86 15.41 20.04 -1.47 0.55
新加坡 SIN 6.38 15.41 20.04 -0.12 0.94
臺 灣 TW 13.56 15.41 20.04 -3.20 0.02
附註：
1. Johansen 共整合檢定時，是假設資料內有線性趨勢存在，而表中所顯示的統計量是 Trace 值，共整合檢
定中最適遞延期數 (lag length) 是依未受限的 VAR 模型中之 AIC 準則而決定，實質 GDP 與實質股價兩
變數之 Johansen 共整合檢定遞延期數依序 5、8、5、7 期，工業生產指數與實質股價兩變數之 Johansen 共
整合檢定遞延期數依序 5、4、7、5 期。
2. Engle-Granger 共整合檢定之統計量，是來自實質經濟活動與實質股價進行 OLS 模型估計後殘差項之單
根(ADF)檢定統計量，ADF 檢定中最適遞延期期數(lag length)是依 AIC 準則而決定。
19
表三 實質 (DGP) 經濟成長與實質股價報酬之遞延模型估計彙總
國家別 1975~2003 1975~1982 1983~2003 1989~2003
Adjusted R-squared 0.01 -0.09 0.02 0.04
香 S.E. of regression 0.06 0.05 0.06 0.06
港 Prob(F-statistic) 0.26 0.75 0.26 0.18
Prob(Chow-test) 0.76
Adjusted R-squared -0.02 0.00 -0.01 -0.04
南 S.E. of regression 0.18 0.29 0.13 0.11
韓 Prob(F-statistic) 0.73 0.43 0.56 0.78
Prob(Chow-test) 0.08
新 Adjusted R-squared 0.03 0.02 0.04 0.00
加 S.E. of regression 0.03 0.03 0.03 0.03
坡 Prob(F-statistic) 0.11 0.36 0.11 0.39
Prob(Chow-test) 0.33
Adjusted R-squared 0.01 0.02 0.00 0.01
臺 S.E. of regression 0.03 0.04 0.03 0.04
灣 Prob(F-statistic) 0.31 0.38 0.42 0.34
Prob(Chow-test) 0.52
附註：
1.表 四 之 模 型 設 定 主 要 是 依 據 Binswanger (2004-b) 之 第 (4) 式 OLS 模 型 ，
4
g t c o nt s t bk rt k t
an
k 1
g t 為實 質 經 濟 活 動 成t k 為實 質 股 價 報 酬 為估 計 參 數 t 為殘 差 項
r長、 bk 、 、
但將當期之實質股價報酬之變數刪除，以提升模型整體效能。
2.Chow-test 是代表 Chow breakpoint test（結構改變點），虛無假設為 1983 第 1 季是子樣本期
間的分隔點(結構改變點檢測點)。
20
表四之一 VAR 模型之估計參數檢定彙總(實質 GDP)
國家 1975~2003 1975~1982 1983~1999 1989~1999 1983~2003 1989~2003
香 Wald test 6.15 3.24 4.41 37.52 7.80 42.97
P-value 0.19 0.52 0.35 0.00 0.10 0.00
2
港 Adjusted R 0.70 0.18 0.78 0.93 0.80 0.91
南 Wald test 24.30 9.64 33.52 36.94 31.96 30.17
P-value 0.00 0.05 0.00 0.00 0.00 0.00
2
韓 Adjusted R 0.97 0.97 0.97 0.96 0.97 0.95
新 Wald test 14.89 2.41 9.78 8.16 15.51 12.42
加 P-value 0.00 0.66 0.04 0.09 0.00 0.01
2
坡 Adjusted R 0.47 0.69 0.43 0.42 0.37 0.33
臺 Wald test 4.57 6.42 3.54 5.17 4.96 7.04
P-value 0.33 0.17 0.47 0.27 0.29 0.13
2
灣 Adjusted R 0.58 0.58 0.57 0.76 0.65 0.77
附註： Wald test H0 ：C(2)=C(4)=C(6)=C(8)=0
表四之二 VECM 模型之估計參數檢定彙總(實質 GDP)
國家 1975~2003 1975~1982 1983~1999 1989~1999 1983~2003 1989~2003
香 Wald test 12.31 16.37 4.44 30.05 8.62 36.18
P-value 0.03 0.01 0.49 0.00 0.13 0.00
2
港 Adjusted R 0.72 0.36 0.81 0.94 0.81 0.91
南 Wald test 25.34 13.47 31.92 40.36 26.57 29.29
P-value 0.00 0.01 0.00 0.00 0.00 0.00
2
韓 Adjusted R 0.97 0.98 0.97 0.96 0.97 0.95
新 Wald test 14.07 3.62 9.68 6.93 10.93 7.32
加 P-value 0.01 0.46 0.05 0.14 0.03 0.12
2
坡 Adjusted R 0.47 0.67 0.42 0.42 0.37 0.35
臺 Wald test 5.06 6.50 4.93 6.53 6.05 7.53
P-value 0.28 0.16 0.29 0.16 0.20 0.11
2
灣 Adjusted R 0.57 0.60 0.58 0.75 0.65 0.77
附註：使用 SUR 估計 VECM 模型 ， Wald test H0 ：C(3)=C(5)=C(7)=C(9)=0。
21
表四之三 VAR 模型之估計參數檢定彙總(工業生產指數)
國家 1975~2003 1975~1982 1983~1999 1989~1999 1983~2003 1989~2003
香 Wald test 0.88 0.20 3.37 17.14
P-value 0.93 0.06 0.50 0.00
2
港 Adjusted R 0.90 0.97 0.93 0.97
南 Wald test 10.02 2.33 7.26 7.37 14.29 10.53
P-value 0.02 0.51 0.12 0.12 0.00 0.01
2
韓 Adjusted R 0.18 0.32 0.11 0.26 0.18 0.25
新 Wald test 19.83 9.09 6.88 6.69 15.12 11.25
加 P-value 0.00 0.17 0.14 0.15 0.02 0.08
2
坡 Adjusted R 0.65 0.80 0.66 0.72 0.60 0.56
臺 Wald test 3.86 2.03 1.45 1.27 3.28 3.05
P-value 0.43 0.73 0.84 0.87 0.51 0.55
2
灣 Adjusted R 0.25 0.43 0.14 0.08 0.20 0.17
附註： Wald test H0 ： C(2)=c(4)=c(6)=c(8)=0 ，空白部分是因為香港工業生產指數部分資料缺乏所致。
表四之四 VECM 模型之估計參數檢定彙總(工業生產指數)
國家 1975~2003 1975~1982 1983~1999 1989~1999 1983~2003 1989~2003
香 Wald test 4.43 14.45 9.83 25.79
P-value 0.49 0.01 0.08 0.00
2
港 Adjusted R 0.93 0.97 0.94 0.97
南 Wald test 12.91 7.55 9.26 9.42 15.90 14.78
P-value 0.01 0.11 0.05 0.05 0.00 0.01
2
韓 Adjusted R 0.21 0.31 0.13 0.24 0.19 0.24
新 Wald test 19.99 24.66 9.33 8.02 11.99 9.33
加 P-value 0.00 0.00 0.05 0.09 0.02 0.05
2
坡 Adjusted R 0.57 0.85 0.66 0.71 0.51 0.47
臺 Wald test 2.89 4.68 0.96 0.74 2.53 1.78
P-value 0.58 0.32 0.92 0.95 0.64 0.78
2
灣 Adjusted R 0.27 0.57 0.15 0.11 0.20 0.20
附註：使用SUR估計VECM 模型， Wald test H0 ：C(3)=C(5)=C(7)=C(9)=0。
22
表五、(季)經濟成長與股價報酬相關性檢定結果彙總表
國家(地區) 1960-99 1960-82 1983-99 1989-99
美、加、日 .與 G7 歐洲國 相關 相關 多數無關 多數無關
檢定方法 1975~03 1975~82 1983~99 1989-99 1983~03 1989~03
VAR (GDP) 相關 相關
香港 VECM (GDP) 相關 相關 相關 相關
HK VAR (工指數) NA NA 相關
VECM(工指數) NA NA 相關 相關
VAR (GDP) 相關 相關 相關 相關 相關 相關
南 韓 VECM (GDP) 相關 相關 相關 相關 相關 相關
KOS VAR (工指數) 相關 相關 相關
VECM(工指數) 相關 相關 相關
國家(地區) 檢定方法 1975~03 1975~82 1983~99 1989~99 1983~03 1989~03
VAR (GDP) 相關 相關 相關
新加坡 VECM (GDP) 相關 相關
SIN VAR (工指數) 相關 相關
VECM(工指數) 相關 相關 相關
VAR (GDP)
臺 灣 VECM (GDP)
TW VAR (工指數)
VECM(工指數)
註解：
1. VECM 模型為：
4 4
a1k g t k b1k rt k c1 t 1 1t
gt k 1 k 1
r 4 t 1為誤差修正項、aik bik 為估計參數
、
t a g
4
2k t k b2k rt k c 2 t 1 2t
k 1 k 1
2. VAR 模型的設定是將 VECM 模型之誤差修項去除後的模型。
3.VAR(GDP)、VECM(GDP)是指模型估計時，經濟成長的資料是使用 GDP 來代替，VAR(工業指數)、VECM(工
指數)是指模型估計時，經濟成長的資料是使用工業生產指數來代替。
4.標示”相關”是指在指定的期間內遞延股價報酬對當期經濟成長率具有解釋能力、具相關性，在 wald test 中可拒
絕虛無假設 b1i 0, i 1~ 4 。
5. 美、加、日與 G7 歐洲國等國之相關性成立與否，抄錄自 Binswanger (2004b)之表二與表三，文獻中認定產生
相關性消失的準則是：1983-99 或是 1989-99 兩期間內，只要任一期間內產生無相關性，則作者就認為該國產
生相關性消失的現象。
23
表六、年資料之追蹤資料模型估計彙總
第一組追蹤資料模型
估計期間 1975~2003 1975~1982 1983~1999 1989~1999 1983~2003 1989~2003
DYG_ Wald test 27.39 89.64 9.01 6.19 16.08 12.94
(GDP) P-value 0.00 0.00 0.01 0.05 0.00 0.00
Dyi_ Wald test 15.96 Na 7.17 3.59 13.45 9.51
(工指數) P-value 0.00 Na 0.03 0.17 0.00 0.01
附註：
1. 由四組橫斷面資料所組成的追蹤資料模型，並在模型中加入固定效果的估計，追蹤資料模型估
計後再以system建構模型，如下所示；
Equation: DYG(i)_HK = C(4) + C(1)*DYG(i)_HK(-1) + C(2)*DST_HK + C(3)*DST_HK(-1)
Equation: DYG(i)_KOS = C(5) + C(1)*DYG(i)_KOS(-1) + C(2)*DST_KOS +C(3)*DST_KOS(-1)
Equation: DYG(i)_SIN = C(6) + C(1)*DYG(i)_SIN(-1) + C(2)*DST_SIN +C(3)*DST_SIN(-1)
Equation: DYG(i)_TW = C(7) + C(1)*DYG(i)_TW(-1) + C(2)*DST_TW + C(3)*DST_TW(-1)
，再運用 wald test 進行 C(2)=C(3)=0 的係數檢定，以確定實質股價報酬對當期經濟成長(DYG_、
DYI_ )具有解釋能力。
第二組追蹤資料模型
估計期間 1975~2002 1975~1982 1983~1999 1989~1999 1983~2002 1989~2002
DYG_ Wald test 15.73 36.70 4.47 2.96 10.19 7.46
(GDP) P-value 0.00 0.00 0.03 0.09 0.00 0.01
Dyi_ Wald test 14.00 Na 6.14 3.69 12.31 9.70
(工指數) P-value 0.00 Na 0.01 0.05 0.00 0.00
2. 由四組橫斷面資料所組成的追蹤資料模型，並在模型中加入固定效果的估計，追蹤資料估計後再
以system建構模型，如下所示；
Equation: DYG(i)_HK = C(3) + C(1)*DYG(i)_HK(-1) + C(2)**DST_HK(-1)
Equation: DYG(i)_KOS = C(4) + C(1)*DYG(i)_KOS(-1) + C(2)*DST_KOS(-1)
Equation: DYG(i)_SIN = C(5) + C(1)*DYG(i)_SIN(-1) + C(2)*DST_SIN(-1)
Equation: DYG(i)_TW = C(6) + C(1)*DYG(i)_TW(-1) + C(2)*DST_TW(-1)
，再運用 wald test 進行 C(2)=0 的係數檢定，以確定遞延之實質股價報酬對當期經濟成長(DYG_、
DYI_ )具有解釋能力。
3.”NA”代表因香港之資料有所短缺以致於無法估計。
24
附錄一、資料來源與代碼
資料名稱 代碼(所屬資料庫) 附 註
CPI 532L64 (IFS)
CONSUMER PRICES INDEX NUMBER 1995
HIAA (DRIASIA)
香
工業生產指數 532L66EY (IFS)
MANUFACTURING PRODUCTION INDEX NUMBER 1990
GDP 532L99B (IFS)
GROSS DOMESTIC PRODUCT BILLIONS OF HONG KONG DOLLAR
港
股價指數 JHK (TSE , TSE80D)
HONG KONG - HANG SENG INDEX 香港恆生指數
CPI
542L64 (IFS) CONSUMER PRICES INDEX NUMBER 1990
韓 工業生產指數
542L66__C (IFS) INDUSTRIAL PRODUCTION,SEAS. ADJ. INDEX NUMBER 1990
GDP
542L99B (IFS) GROSS DOMESTIC PRODUCT BILLIONS OF WON
國 股價指數 JSEOUL (TSE ,TSE80D)
SEOUL - COMPOSITE INDEX 韓國加權股價指數
新 CPI 576L64 (IFS) CONSUMER PRICES INDEX NUMBER 1990
工業生產指數
576L66EY (IFS) MANUFACTURING PRODUCTION INDEX NUMBER 1990
加 576L99B (IFS)
GDP GROSS DOMESTIC PRODUCT MILLIONS OF SINGAPORE DOLLAR
Q576QNGDP (INTLINE) Gross domestic product by expenditure at 1990 market prices, NSA:
坡 股價指數 JSING (TSE ,TSE80D)
SINGAPORE - STRAITRS INDEX 新加坡海峽時報指數
CONSUMER PRICES (PERIOD AVERAGE) (PER CENT OR INDEX
CPI
L64(國內仿 IFS 格式) NUMBERS,2000=100)
臺 工業生產指數 INDUSTRIAL PRODUCTION (PERIOD AVERAGE) (PER CENT OR
L66(國內仿 IFS 格式) INDEX NUMBERS,2000=100)
NATIONAL ACCOUNTS - GROSS DOMESTIC PRODUCT (BILLIONS OF
GDP
L99b(國內仿 IFS 格式) NT DOLLARS)
灣 股價指數 JS (TSE ,TSE80D)
WEIGHTED STOCK INDEX -TOTAL 台灣證交易所發行量加權股價指數
註；凡是表列有兩組代碼之資料，表示此一資料是經由兩資料庫所組合而成。
25
Related docs
Other docs by 9lulQ121
Project Manager Call Friday December 18 2009 1 30 P M Central 2 30 P M Eastern
Views: 3 | Downloads: 0
