Page 25 - 柯博智
P. 25
mVaR t+1 只提供在特定信賴水準下，可能面臨損失的門檻，若能
得知可能損失的平均數會使得極端風險的衡量更具實務上的意
義，故結果 (6C) 式與結果 (6D) 式整理了兩組 ESG 變數對 95% 信賴
水準下的 mCVaR t+1 之結果。首先，結果 (6C) 式中 BESG 以及結
t
果 (6D) 式中的 ENV 與 SOC 皆與損失的平均值無顯著相關，僅有
t t
GOV 公司治理支柱分數在 10% 顯著水準下有統計上顯著性的負相
t
關，其估計係數為 -0.0030。也就是若要整體性的降低極端風險，在
台 灣 市 場 中 要 從 ESG 績效著手的話只能從公司治理上改善。再
來，與結果 (6A) 式以及 (6B) 式相比較時，控制變數的估計係數與
顯著情況大致相同，除了股價淨值比則不再具顯著性，而公司規模
反而變為顯著負相關，符合文獻中大公司應面對較小風險的情
況。最後，最值得注意的一點是，截距項的估計係數相較 mVaR
t+1
來說大幅升高，約為 3 到 4 倍，除了 mCVaR 是反映特定信賴水準
t+1
下的期望損失，本來就應該大於 mVaR 以外，可能也反映了市場
t+1
上報酬左尾分布的情況。
4.3 穩健性檢驗
為確保迴歸分析結果的可靠性，接下來我們將針對兩個問題點進
行改善與檢驗。第一點是在第 4.1 節提到的樣本問題，由於 ESG 相
關法規在台灣市場是在近幾年才正式規範，較細節的資訊披露是在
公司治理 3.0 發布之後才有，導致樣本過度集中在 2021 與 2022
年。第二個問題是兩個應變數 mVaR 與 mCVaR 的計算皆是在特
t+1 t+1
定信賴水準下所計算而得，在上一小節實證結果中是使用 95% 的信
賴水準，是否在其他信賴水準下也可以得到相同結果仍需驗證。
為解決第一點，本研究將時間效果 (time effect) 加入原本的 OLS
迴歸模型當中，尤其在 2021 與 2022 年之間發生過重大的極端事
件，系統性風險的影響加上樣本不夠分散可能對整個模型的結果造
22
