由於近年來店頭市場的發展迅速，規模不斷擴大，資金大量流入，重要性大為增加，加上資訊科技的進步，使資金在各市場間甚至是國際間的流動非常迅速，因此本研究試圖在高頻(high-frequency)的資料型態下，將價量因果關係的概念應用在探討集中市場與店頭市場之間的關係。首先是利用一般的Granger檢定討探其線性因果關係，接著利用Baek and Brock(1992)的非線性檢定模型檢定其是否存在著非線性因果關係。 研究結果顯示，在高頻的資料型態下，台灣股票市場的集中市場與店頭市場其各別市場的價量之間存在有雙向的線性因果關係，而集中市場與店頭市場之間亦存在有雙向的線性因果關係。當然最重要的在非線性因果關係方面，集中市場與店頭市場其各別市場的價量之間，以及集中市場與店頭市場兩市場之間亦存在有雙向的非線性因果關係。

本篇論文基於市場上所存在的一些交易機制，探討漲跌停前後之股價行為。因為證券市場上存在一些交易規則，例如漲跌停限制、買賣價差、最小升降單位限制、競價制度等，這些交易規則，具有法定的效力，理所當然地會影響投資人的行為。這種以各種交易機制的存在，探討價格形成的過程，就是市場微結構理論之研究範疇。 本篇引用Hausman, Lo, and MacKinlay (1992)所建立之Ordered Probit模型來分析漲跌停前後之股價行為，以個股逐筆交易的價格變動為因變數，而建立因變數為間斷型之分析模型，並以等待撮合時間、交易量、落後期交易價格、買賣價差等經濟變數，來探討個股逐筆交易價格變動的成因。在此同時，鑑於以往研究多假定價量關係為線性，本研究引入非線性的概念，檢定價量之間是否存有非線線性之關係；最後，為使模型更具解釋力，我們引入異質性變異數。 第一章 緒論……………………………………………………………..1 第一節 研究動機……………………………………………..1 第二節 研究目的……………………………………………..7 第三節 研究範圍與限制……………………………………..7 第四節 研究架構與內容……………………………………..8 第二章 文獻回顧……………………………………………………….10 第一節 非同時交易………………………………………….10 第二節 最小升降單位……………………………………….11 第三節 買賣價差…………………………………………….14 第四節 漲跌停限制………………………………………….15 第五節 重要模型回顧…………………………………….…18 2.5.1 Chou(1996)……………………………………..18 2.5.2 Hausman, Lo, and MacKinlay(1992)…………..20 第三章 實證模型設定………………………………………………….25 第一節 資料來源…………………………………………….25 第二節 樣本選取…………………………………………….25 第三節 模型設定…………………………………………….26 3.3.1 價格的變動區間……………………………….26 3.3.2 解釋變數……………………………………….29 3.3.3 條件變異數的型式…………………………….32 3.3.4 價格與成交量之間非線性關係的檢定……….32 第四節 資料處理…………………………………………….33 第四章 實證分析……………………………………………………….36 第一節 模型基本統計分析………………………………….36 第二節 價量非線性關係的檢定…………………………….39 第三節 Ordered Probit模型實證分析……………………….40 第五章 結論與建議……………………………………………………..48 第一節 結論…………………………………………………..48 第二節 建議…………………………………………………..49 參考文獻…………………………………………………………………..50 / This thesis is an application of the market microstructure theory’. In light of some trading mechanisms in our stock market, such as price limit, bid-asked spread, tick size, and auction system, those trading rules would influence the behavior of investors. We want to study the process and outcomes of stock price under those explicit trading rules. We use the Ordered Probit model (Hausman, Lo, and MacKinlay, 1992) to investigate the stock behaviors when it hits price limits. We also use price change as the discrete dependent variable, and time elapsed, trading volume, lag price changes, bid-asked spread as explanatory variables. In order to make the model more explainable, heterogeneity is applied. Moreover, we also want to find out if there is any nonlinear relationship between price change and trading volume.

本研究旨在探討金融危機期間，美國與歐洲金融市場之日內報酬率、實質波動度、連續波動度與跳躍風險行為之日內因果關係，並採用美國三大指數期貨(S&P 500, Dow Jones, Nasdaq)及歐洲期數期貨(FTSE, DAX, CAC)之高頻資料，檢定是否具有顯著槓桿效果(Leverage Effect)與波動度回饋效果(Volatility Effect)、在報酬率與跳躍風險之間具有相互影響效果。探討在金融危機發生前、後期間其日內報酬率、實質波動度、連續波動度與跳躍項間在1分鐘、5分鐘及60分鐘之抽樣頻率下之日內行為。因此，實證研究包含金融市場之上升及下降趨勢，顯示在金融危機發生後，日內波動度與跳躍項之槓桿效果(Leverage Effect)與波動度回饋效果(Volatility Effect)受到叢聚(Clustering)現象影響且顯著增加。不同抽樣頻率下之因果關係效果在金融危機發生前、中、後期間，特別在5分鐘及60分鐘之抽樣頻率方式，跳躍風險受到波動度回饋效果影響呈顯著增加，此實證結果對政策制定者及投資人具有重要之意涵。 / This study examines the intraday causality between returns, volatility and jumps in the U.S. and European markets during the financial crisis. examine whether during the financial crisis, the S&P 500, Dow Jones, Nasdaq, FTSE, DAX and CAC index futures markets have a significant impact on the leverage and volatility feedback effects, as well as whether these interactions also occur between returns and jumps. The intraday behavior of 1-min, 5-min and 60-min sampling of returns, volatility and jumps is examined by employing data from the period between financial crisis. The study covers the major upward and downward trends in the market. Our empirical data indicate the main leverage and volatility feedback effects caused by intraday volatility and jump clustering significantly increased after the financial crisis. The causality effects with different sampling frequencies before, during and after the financial crisis show that jumps have increased the volatility feedback effect, especially when in a 5-min and 60-min sampling frequency is used. These findings have important implications for both policymakers and investors.