Page 13 - MFB 22 蔡昀蓁

策，推出 7,000 億美金的量化寬鬆計劃，並宣佈把利率降為零。而

台灣央行也提出一系列寬鬆政策，包含購買擴大附買回操作機制、降

低基準利率，提供個人和企業紓困貸款等措施。量化寬鬆政策最主要

的目的，是透過增加貨幣供給，提供流動性，冀使經濟迅速復甦。但

由於貨幣供給量增加，市場上資金充沛，過多資金追逐有限標的，進

一步推升資產價格，很可能引發通貨膨脹、資產泡沫化等問題。Dokko

et al. (2011) 亦提及貨幣供給量增加，進而會影響股市、房市動能。因

此，我們參考黃裕烈與管中閔 (2019) 的作法，使用單變數的預測模

型，檢視台灣的貨幣總計數 M1B 及大盤月報酬率與情緒指標間是否

有解釋及預測能力，模型設計如下:

m n
x     x   y   ,



t
i , 1 0 j , i t j k t k t 1
j 0 k 0
其中 x 為第 i={全台,台北市,新北市,桃園市,台中市,台南市,高雄市}
i,t
個區域在 t 時間點所編製而成的 Tone 或是 PN 指標。若為月頻率
資料，x i,t+1 則為下一個月資料，若為季頻率資料，則為下一季資料。解

釋變數中亦包含落後期數的 Tone 或 PN (x ，j=｛0,1,…m｝)，主要
i,t-j
是用於捕捉可能產生的相關序列性，而 y ，k =｛0,1,…n｝ 則為經
t-k
濟相關數據。由於房地產之流動性相較股票等金融商品為差，因此我

們參考陳明吉與曾琬婷 (2008) 之做法，並透過 Akaike information

criterion (簡稱 AIC) 選取落後期數至第四期，於是自變數的落後期選

取 0 至 3 期。為避免虛假迴歸的問題，所有變數皆已轉換為定態的

成長率 (或報酬率)，而 Tone 及 PN 指數經單根檢定後均拒絕虛無

假設，均為定態序列，因此不再做任何轉換。

而在探討經濟變數對於情緒指標是否具解釋及預測能力後，我們

嘗試檢視此情緒指標對於房屋地產相關變數是否具解釋及預測能

力，模型如下:

11