請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81708完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 唐代彪 | zh_TW |
| dc.contributor.advisor | De-Piao Tang | en |
| dc.contributor.author | 蔡淳妮 | zh_TW |
| dc.contributor.author | Chun-Ni Tsai | en |
| dc.date.accessioned | 2022-11-24T09:26:03Z | - |
| dc.date.available | 2023-11-10 | - |
| dc.date.copyright | 2022-02-21 | - |
| dc.date.issued | 2021 | - |
| dc.date.submitted | 2002-01-01 | - |
| dc.identifier.citation | 英文文獻
Baek, S., Mohanty, S. K., & Glambosky, M. (2020). COVID-19 and stock market volatility: An industry level analysis. Finance Research Letters, 37, 101748. Bouri, E., Gupta, R., Tiwari, A. K., & Roubaud, D. (2017). Does Bitcoin hedge global uncertainty? Evidence from wavelet-based quantile-in-quantile regressions. Finance Research Letters, 23, 87-95. Chen, C.-D., Chen, C.-C., Tang, W.-W., & Huang, B.-Y. (2009). The positive and negative impacts of the SARS outbreak: A case of the Taiwan industries. The Journal of Developing Areas, 281-293. Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427-431. Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction: representation, estimation, and testing. Econometrica: journal of the Econometric Society, 251-276. Granger, C. W., Newbold, P., & Econom, J. (1974). Spurious regressions in econometrics. Baltagi, Badi H. A Companion of Theoretical Econometrics, 557-561. Gupta, R., Pierdzioch, C., Selmi, R., & Wohar, M. E. (2018). Does partisan conflict predict a reduction in US stock market (realized) volatility? Evidence from a quantile-on-quantile regression model. The North American Journal of Economics and Finance, 43, 87-96. Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of economic dynamics and control, 12(2-3), 231-254. Johansen, S., & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration—with appucations to the demand for money. Oxford Bulletin of Economics and statistics, 52(2), 169-210. Keogh-Brown, M. R., & Smith, R. D. (2008). The economic impact of SARS: how does the reality match the predictions? Health policy, 88(1), 110-120. Khan, K., ZHAO, H., Zhang, H., Yang, H., Shah, M. H., & Jahanger, A. (2020). The impact of COVID-19 pandemic on stock markets: An empirical analysis of world major stock indices. The Journal of Asian Finance, Economics, and Business, 7(7), 463-474. Koenker, R., & Bassett Jr, G. (1978). Regression quantiles. Econometrica: journal of the Econometric Society, 33-50. Koenker, R., & Hallock, K. F. (2001). Quantile regression. Journal of economic perspectives, 15(4), 143-156. Mishra, S., Sharif, A., Khuntia, S., Meo, M. S., & Khan, S. A. R. (2019). Does oil prices impede Islamic stock indices? Fresh insights from wavelet-based quantile-on-quantile approach. Resources Policy, 62, 292-304. Nelson, C. R., & Plosser, C. R. (1982). Trends and random walks in macroeconmic time series: some evidence and implications. Journal of monetary economics, 10(2), 139-162. Onali, E. (2020). Covid-19 and stock market volatility. Available at SSRN 3571453. Nippani, S. and Washer, K. (2004). SARS: A non-event for affected countries’ stock markets? Applied Financial Economics, 14(15), 1105-1110. Said, S. E., & Dickey, D. A. (1984). Testing for unit roots in autoregressive-moving average models of unknown order. Biometrika, 71(3), 599-607. Shahbaz, M., Zakaria, M., Shahzad, S. J. H., & Mahalik, M. K. (2018). The energy consumption and economic growth nexus in top ten energy-consuming countries: Fresh evidence from using the quantile-on-quantile approach. Energy Economics, 71, 282-301. Sharif, A., Aloui, C., & Yarovaya, L. (2020). COVID-19 pandemic, oil prices, stock market, geopolitical risk and policy uncertainty nexus in the US economy: Fresh evidence from the wavelet-based approach. International Review of Financial Analysis, 70, 101496. Sim, N., & Zhou, H. (2015). Oil prices, US stock return, and the dependence between their quantiles. Journal of Banking & Finance, 55, 1-8. Yilmazkuday, H. (2020). COVID-19 Effects on the S&P 500 index. Available at SSRN 3555433. 中文文獻 李怡慧 (2011)。油價對產業股價的影響。農業與資源經濟，8(1)，65-89。 柯志欣 (2015)。原油價格對台股指數影響。臺灣大學經濟學研究所學位論文，1-33。 陳旭昇 (2013)。時間序列分析--總體經濟與財務金融之應用。東華書局。 黃柏農 (1994)。股價新聞效果的研究-VAR-VECM 模型之應用。中國財務學刊，2(1)，57-73。 蕭正仁 (2013)。原油價格對股市報酬的影響-以臺灣上市產業別為例。臺灣大學財務金融學研究所學位論文，1-43。 | - |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81708 | - |
| dc.description.abstract | 本文探討新冠肺炎疫情對台灣各產業股價指數之影響，分別使用單根檢定、共整合檢定以及多重分量迴歸模型進行實證分析。實證結果表明，不同分位數每日新病例數成長率與不同分位數之股價指數報酬率下，新冠肺炎疫情對產業股價指數的影響存在很大差異。不同產業所受到疫情的影響也相當不同，負面影響較大的產業類：航運類、觀光類、化學類、電器電纜類、油電燃氣類，而塑膠類產業只出現正向顯著影響，其餘產業類別及台股加權指數在不同條件分量下則是有正向顯著亦有負向顯著影響之結果出現。此外，我們發現當台灣新冠肺炎疫情病例數成長率位於50至75百分位時，其對於各個產業股價指數之影響相對較為顯著。 | zh_TW |
| dc.description.abstract | In this study, we explore the impact of COVID-19 on the stock index of various industries in Taiwan by using ADF test, Johansen cointegration test and Quantile-on-Quantile regression (QQ). The empirical results show that the impact of COVID-19 on each stock index is different in different quantiles. Under 5% significant level, the regressors of shipping industry, tourism industry, chemical industry, oil and gas industry are negative in all quantile. The regressors of plastics industry are almost positive. The other industries and Taiwan Capitalization Weighted Stock Index have both positive and negative significant effects in different quantiles. Furthermore, we found that when the growth rate of COVID-19 cases in Taiwan is in the 50th to 75th percentile, its impact on the stock index of all industries is relatively significant. | en |
| dc.description.provenance | Made available in DSpace on 2022-11-24T09:26:03Z (GMT). No. of bitstreams: 1 U0001-1501202201293900.pdf: 5063495 bytes, checksum: 935247a838ae758aa6e62df0480d7548 (MD5) Previous issue date: 2021 | en |
| dc.description.tableofcontents | 目錄
口試委員審定書 i 謝辭 ii 中文摘要 iii 英文摘要 iv 目錄 v 圖目錄 vii 表目錄 ix 第1章 緒論 1 1.1 研究背景與動機 1 1.2 研究範圍與目的 3 1.3 研究流程與架構 4 第2章 文獻回顧 6 2.1 重大傳染性疾病與股價關係之相關研究 6 2.1.1 COVID-19與股票市場之相關研究 6 2.1.2 嚴重急性呼吸道症候群 (SARS) 之相關研究 7 2.2 Quantile-on-Quantile方法之相關文獻 10 第3章 研究方法 13 3.1 變數與數據來源 13 3.2 單根檢定 14 3.3 共整合檢定 15 3.4 Quantile-on-Quantile方法 16 第4章 實證結果分析 18 4.1 資料處理 18 4.2 單根檢定結果 22 4.3 共整合檢定結果 24 4.4 Quantile-on-Quantile迴歸結果 27 4.4.1 台灣加權股價指數QQ迴歸結果 27 4.4.2 台灣各產業股價指數QQ迴歸結果 28 A1 電子類股價指數 29 A2 生技醫療類股價指數 30 A3 航運類股價指數 31 A4 觀光類股價指數 32 A5 金融保險類股價指數 33 A6 貿易百貨類股價指數 34 A7 化學類股價指數 35 A8 水泥類股價指數 36 A9 食品類股價指數 37 A10 塑膠類股價指數 38 A11 紡織纖維類股價指數 39 A12 電機機械類股價指數 40 A13 電器電纜類股價指數 41 A14 玻璃陶瓷類股價指數 42 A15 造紙類股價指數 43 A16 鋼鐵類股價指數 44 A17 橡膠類股價指數 45 A18 汽車類股價指數 46 A19 建材營造類股價指數 47 A20 油電燃氣類股價指數 48 第5章 結論與建議 49 5.1 結論 49 5.2 建議 50 參考文獻 51 附錄 54 圖目錄 圖1-1：全球每日COVID-19確診及死亡人數 1 圖1-2：研究流程圖 4 圖4-1：解釋變數取對數後之時間趨勢圖 18 圖4-2：台灣加權股價指數取對數後之時間趨勢圖 19 圖4-3：台灣各產業股價指數取對數後之時間趨勢圖 19 圖4-4：COVID-19對台股加權指數報酬率QQ迴歸結果 28 圖4-5：COVID-19對台股加權指數報酬率平均QQ參數 28 圖4-6：電子類股價指數報酬率迴歸結果 29 圖4-7：電子類股價指數報酬率平均QQ參數 29 圖4-8：生技醫療類股價指數報酬率迴歸結果 30 圖4-9：生技醫療類股價指數報酬率平均QQ參數 30 圖4-10：航運類股價指數報酬率迴歸結果 31 圖4-11：航運類股價指數報酬率平均QQ參數 31 圖4-12：觀光類股價指數報酬率迴歸結果 32 圖4-13：觀光類股價指數報酬率平均QQ參數 32 圖4-14：金融保險類股價指數報酬率迴歸結果 33 圖4-15：金融保險類股價指數報酬率平均QQ參數 33 圖4-16：貿易百貨類股價指數報酬率迴歸結果 34 圖4-17：貿易百貨類股價指數報酬率平均QQ參數 34 圖4-18：化學類股價指數報酬率迴歸結果 35 圖4-19：化學類股價指數報酬率平均QQ參數 35 圖4-20：水泥類股價指數報酬率迴歸結果 36 圖4-21：水泥類股價指數報酬率平均QQ參數 36 圖4-22：食品類股價指數報酬率迴歸結果 37 圖4-23：食品類股價指數報酬率平均QQ參數 37 圖4-24：塑膠類股價指數報酬率迴歸結果 38 圖4-25：塑膠類股價指數報酬率平均QQ參數 38 圖4-26：紡織纖維類股價指數報酬率迴歸結果 39 圖4-27：紡織纖維類股價指數報酬率平均QQ參數 39 圖4-28：電機機械類股價指數報酬率迴歸結果 40 圖4-29：電機機械類股價指數報酬率平均QQ參數 40 圖4-30：電器電纜類股價指數報酬率迴歸結果 41 圖4-31：電器電纜類股價指數報酬率平均QQ參數 41 圖4-32：玻璃陶瓷類股價指數報酬率迴歸結果 42 圖4-33：玻璃陶瓷類股價指數報酬率平均QQ參數 42 圖4-34：造紙類股價指數報酬率迴歸結果 43 圖4-35：造紙類股價指數報酬率平均QQ參數 43 圖4-36：鋼鐵類股價指數報酬率迴歸結果 44 圖4-37：鋼鐵類股價指數報酬率平均QQ參數 44 圖4-38：橡膠類股價指數報酬率迴歸結果 45 圖4-39：橡膠類股價指數報酬率平均QQ參數 45 圖4-40：汽車類股價指數報酬率迴歸結果 46 圖4-41：汽車類股價指數報酬率平均QQ參數 46 圖4-42：建材營造類股價指數報酬率迴歸結果 47 圖4-43：建材營造類股價指數報酬率平均QQ參數 47 圖4-44：油電燃氣類股價指數報酬率迴歸結果 48 圖4-45：油電燃氣類股價指數報酬率平均QQ參數 48 表目錄 表2-1：重大傳染性疾病與股票市場實證研究文獻整理 8 表2-2：Quantile-on-Quantile迴歸應用之文獻整理 12 表3-1：變數代號及數據來源 13 表4-1：加權股價指數及各產業類股價指數之代號 19 表4-2：ADF單根檢定結果及最適落後期 23 表4-3：共整合檢定–軌跡檢定 25 表4-4：共整合檢定–最大特性根檢定 26 附表1：COVID-19對台股加權指數報酬率QQ迴歸結果之p-value 54 附表2：電子類股價指數報酬率迴歸結果之p-value 55 附表3：生技醫療類股價指數報酬率迴歸結果之p-value 56 附表4：航運類股價指數報酬率迴歸結果之p-value 57 附表5：觀光類股價指數報酬率迴歸結果之p-value 58 附表6：金融保險類股價指數報酬率迴歸結果之p-value 59 附表7：貿易百貨類股價指數報酬率迴歸結果之p-value 60 附表8：化學類股價指數報酬率迴歸結果之p-value 61 附表9：水泥類股價指數報酬率迴歸結果之p-value 62 附表10：食品類股價指數報酬率迴歸結果之p-value 63 附表11：塑膠類股價指數報酬率迴歸結果之p-value 64 附表12：紡織纖維類股價指數報酬率迴歸結果之p-value 65 附表13：電機機械類股價指數報酬率迴歸結果之p-value 66 附表14：電器電纜類股價指數報酬率迴歸結果之p-value 67 附表15：玻璃陶瓷類股價指數報酬率迴歸結果之p-value 68 附表16：造紙類股價指數報酬率迴歸結果之p-value 69 附表17：鋼鐵類股價指數報酬率迴歸結果之p-value 70 附表18：橡膠類股價指數報酬率迴歸結果之p-value 71 附表19：汽車類股價指數報酬率迴歸結果之p-value 72 附表20：建材營造類股價指數報酬率迴歸結果之p-value 73 附表21：油電燃氣類股價指數報酬率迴歸結果之p-value 74 | - |
| dc.language.iso | zh_TW | - |
| dc.subject | 新冠疫情 | zh_TW |
| dc.subject | 產業股價指數 | zh_TW |
| dc.subject | 多重分量迴歸模型 | zh_TW |
| dc.subject | Quantile-on-Quantile regression | en |
| dc.subject | COVID-19 | en |
| dc.subject | Industrial stock index | en |
| dc.title | 新冠肺炎疫情對台灣產業股價指數影響之研究 | zh_TW |
| dc.title | The Impact of COVID-19 on The Stock Index of Various Industries in Taiwan | en |
| dc.type | Thesis | - |
| dc.date.schoolyear | 110-2 | - |
| dc.description.degree | 碩士 | - |
| dc.contributor.oralexamcommittee | 張倉耀;郭迺鋒 | zh_TW |
| dc.contributor.oralexamcommittee | Tsang-Yao Chang;Nai-Fong Kuo | en |
| dc.subject.keyword | 新冠疫情,產業股價指數,多重分量迴歸模型, | zh_TW |
| dc.subject.keyword | COVID-19,Industrial stock index,Quantile-on-Quantile regression, | en |
| dc.relation.page | 74 | - |
| dc.identifier.doi | 10.6342/NTU202200067 | - |
| dc.rights.note | 未授權 | - |
| dc.date.accepted | 2022-01-19 | - |
| dc.contributor.author-college | 社會科學院 | - |
| dc.contributor.author-dept | 國家發展研究所 | - |
| 顯示於系所單位： | 國家發展研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-110-2.pdf 未授權公開取用 | 4.95 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。