Page 170 - 34-2

Order Choices, Order Execution Quality and Trading Volume: Evidence from Reductions in the Call Auction
Interval

誠如前文所述（見第壹章），礙於分盤加快撮合適用全部上市股票，在「控制
組」難覓下，本研究無法按 DID 自然實驗設計標準模型分析變革影響之真實樣貌。
有趣的是，文獻指出同日開盤、盤中諸多市場攸關變量常有緊密連動 (Bogousslavsky,
價中最積極出價筆數比）。不失一般性下，建立如下相應式 (5) 跨天期 (Cross-day)
2021)，而本文取樣期間開盤競價因全程不揭露限價簿試撮內容（見圖 1），故無涉
輔助迴歸：
試撮資訊隨加快撮合同步加速揭露等變革相關措施，實有機會從中提取模型因變數
歸責市況或長短時間趨勢等共同因子肇生之每日起伏變化訊息。有鑑於此，令第 t
價中最積極出價筆數比）。不失一般性下，建立如下相應式 (5) 跨天期 (Cross-day)
��
��
��
��

=
+ ∑
t
t �
�
期位為第 d 日，任一因變數 y 於開盤競價階段相應變數為 （y 可為本文 6 項委 ��� + � �� 。 (6)
�
�
價中最積極出價筆數比）。不失一般性下，建立如下相應式 (5) 跨天期 (Cross-day)
輔助迴歸：
託決策指標、2 項個股成交量能指標，以及自然人新委託當盤成交率等檢測指標中
任擇一，上標 “OP” 意指該變數取自開盤競價階段，例如 y 若為分盤競價每五分鐘
輔助迴歸： t 式 (6) 中， � �� 為誤差項， ��� 則為對應於不同模型因變數之第 k 項共用解
��
。
��
��
��
��
最積極出價筆數比， 即為當日整段開盤競價中最積極出價筆數比）。不失一般 (6)
��
+ ∑
+

=

釋變數。期數方面，因係每群體 120 檔股票每波加快撮合前後取樣 30 日（I.1+I.2
�
�
���
�
�
�
性下，建立如下相應式 (5) 跨天期 (Cross-day) 輔助迴歸：
。
(6)
��
��
��
��
��
價中最積極出價筆數比）。不失一般性下，建立如下相應式 (5) 跨天期 (Cross-day) (5) 跨天期 (Cross-day)
價中最積極出價筆數比）。不失一般性下，建立如下相應式

=
+ ∑

+
�
�
���
�
�
�
或 II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明
式 (6) 中， � �� 為誤差項， �� 則為對應於不同模型因變數之第 k 項共用解
���
輔助迴歸： 輔助迴歸： 。 的是，此處共用解釋變數僅 9 項（清單暨計算說明見表 6，項次編號延續表 5），
(6)
+ ∑
釋變數。期數方面，因係每群體 120 檔股票每波加快撮合前後取樣 30 日（I.1+I.2
式 (6) 中， �� 為誤差項， �� 則為對應於不同模型因變數之第 k 項共用解
� ���
主因開盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定
�� 釋變數。期數方面，因係每群體 120 檔股票每波加快撮合前後取樣 30 日（I.1+I.2
或 II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明
式 (6) 中， 為誤差項， 則為對應於不同模型因變數之第 k 項共用解釋
�� ��
��
��
�� ��
��
= �� + ∑ �� + = 。 + ∑ + 。 (6) (6)
� � � � ��� � � � � � ��� � �� �� ，概念上為模型因變數開盤競價相應數值「濾
�
義第 d 日預測誤差 ≡
變數。期數方面，因係每群體 120 檔股票每波加快撮合前後取樣 30 日（I.1+I.2 或
或 II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明 ̂ � � − �
的是，此處共用解釋變數僅 9 項（清單暨計算說明見表 6，項次編號延續表 5），
式 (6)
除」同日解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢
��
II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明的是， k 項共用解
��
��
則為對應於不同模型因變數之第 k 項共用解
��
為誤差項，
為誤差項， 中，
��� 6，項次編號延續表 5），
的是，此處共用解釋變數僅 9 項（清單暨計算說明見表 則為對應於不同模型因變數之第
式 (6) 中，
主因開盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定
�
�
���
此處共用解釋變數僅 9 項（清單暨計算說明見表 6，項次編號延續表 5），主因開
訊息，本文援引為原迴歸式 (5) 之「當日趨勢指標」（表 5 項次 2）。
�� 檔股票每波加快撮合前後取樣 30 日（I.1+I.2
釋變數。期數方面，因係每群體 120
�� 30 日（I.1+I.2
釋變數。期數方面，因係每群體 120 檔股票每波加快撮合前後取樣 ，概念上為模型因變數開盤競價相應數值「濾
主因開盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定
�
̂
義第 d 日預測誤差 ≡
−
盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定義第 d 日
�
�
�
或 II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明
或 II.1+II.2）的日頻率數據，故每次輔助迴歸估計使用 3,600 筆觀測值。須說明 表 6 輔助迴歸共用解釋變數
除」同日解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢
��
預測誤差 ，概念上為模型因變數開盤競價相應數值「濾除」同日
，概念上為模型因變數開盤競價相應數值「濾
��
̂
義第 d 日預測誤差 ≡
−
�
�
�
�
解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢訊息，本文
的是，此處共用解釋變數僅 9 項（清單暨計算說明見表 6，項次編號延續表 5），
�� 5），
的是，此處共用解釋變數僅 9 項（清單暨計算說明見表 6，項次編號延續表 變數名稱 5 項次 2）。 計算說明
除」同日解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢
訊息，本文援引為原迴歸式 (5) 之「當日趨勢指標」（表
項次(k)

援引為原迴歸式 (5) 之「當日趨勢指標」（表 5 項次 2）。 ���
因變數黏滯性：
主因開盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定
主因開盤競價不揭露限價簿資訊，相關數據不納解釋變數。式 (6) 經估計後，定
訊息，本文援引為原迴歸式 (5) 之「當日趨勢指標」（表 5 項次 2）。
1

滯後因變數
為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測指 前日開盤競價相應因變數值，用以捕捉相鄰日期持續性。
��

表 6 輔助迴歸共用解釋變數
���
特殊日期或日內效應：
義第
��
��
，概念上為模型因變數開盤競價相應數值「濾
�
標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬變量 D
義第 d 日預測誤差 ≡ d 日預測誤差 ̂ ≡ � �� − � �� ，概念上為模型因變數開盤競價相應數值「濾
̂
�
−
�
�
�
�
計算說明
項次(k) �� 變數名稱 3 � 每日股價位階 t 第 d 日平盤價偏離當次加快撮合日（變革 I 的 2013/7/1 或變革 II 的
表 6 輔助迴歸共用解釋變數
���
前方關鍵係數 β 估計結果（見第肆章第二節，及表 7 至表 9），並闡述對應不同群
除」同日解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢
除」同日解釋變量所餘殘差值，因該數據勢必保留一定程度每日市況或時間趨勢 2014/12/29）平盤水準之百分比例 (%) 。
17數黏滯性：
因變
項次(k) ��� 體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結果異同所含 第 d 日為星期二、…、五 (h=2,…,5) 與否虛擬變量，若為星期一各變數皆
變數名稱
計算說明
5-8
���
周間日與否
��
1
滯後因變數
前日開盤競價相應因變數值，用以捕捉相鄰日期持續性。

��

訊息，本文援引為原迴歸式 (5) 之「當日趨勢指標」（表 5 項次 2）。
���
因變數黏滯性： 訊息，本文援引為原迴歸式 (5) 之「當日趨勢指標」（表 5 項次 2）。 0。
特殊日期或日內效應：
1 ��� 意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣價差、股價波 第 d 日適逢臺指期或摩根臺期結算日與否虛擬變量。
滯後因變數
前日開盤競價相應因變數值，用以捕捉相鄰日期持續性。
期指結算與否
�
3
第 d
�
每日股價位階
��
9 日平盤價偏離當次加快撮合日（變革 I 的 2013/7/1 或變革 II 的
特殊日期或日內效應： 2014/12/29）平盤水準之百分比例 (%) 第 d 日為所屬月份最後交易日與否虛擬變量。
10
月底日與否
�
動度、委託深度等市場品質指標升降變化等對各層面模型因變數影響效應，因考量 。
表 6
表 6 輔助迴歸共用解釋變數 輔助迴歸共用解釋變數
3 � 每日股價位階 5-8 第 d 日平盤價偏離當次加快撮合日（變革 I 的 2013/7/1 或變革 II 的
加快撮合虛擬變量
周間日與否
���
第 d 日為星期二、…、五 (h=2,…,5) 與否虛擬變量，若為星期一各變數皆
計算說明 。
變數名稱
2014/12/29）平盤水準之百分比例 (%)
� 計算說明
項次(k)
17
項次(k) �� 篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不再重複贅述這部份 第 d 日位於當次變革（I 或 II）施實後與否，捕捉變革直接影響。
變數名稱
加快撮合與否
0。
��

���
23
���
5-8
周間日與否
���
因變數黏滯性：
因變數黏滯性： 實證結果 。 9 第 d 日為星期二、…、五 (h=2,…,5) 與否虛擬變量，若為星期一各變數皆
期指結算與否
第 d 日適逢臺指期或摩根臺期結算日與否虛擬變量。
�
註: 適用本文 14 項受檢測因變數（見第肆章第一節內文）於開盤競價相應輔助迴歸，其一般化模型如式 (6) 。惟分析個股成交量能模型因變數
時，考量其特殊性，輔助迴歸中部份共用解釋變數略予調整，見第肆章第二節內文。
前日開盤競價相應因變數值，用以捕捉相鄰日期持續性。
1
1 �� 滯後因變數 ��� 0。 滯後因變數 月底日與否 第 d 日為所屬月份最後交易日與否虛擬變量。
�
10 前日開盤競價相應因變數值，用以捕捉相鄰日期持續性。
��
���
特殊日期或日內效應： d 日適逢臺指期或摩根臺期結算日與否虛擬變量。
�
9
特殊日期或日內效應： 期指結算與否 第
加快撮合虛擬變量
月底日與否
�
每日股價位階
3
第 d
3 10 � 每日股價位階 � 第 d 日為所屬月份最後交易日與否虛擬變量。 為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測
17 第 d 日平盤價偏離當次加快撮合日（變革 I 的 2013/7/1 或變革 II 的 I 的 2013/7/1 或變革 II 的
第 d 日位於當次變革（I 或 II）施實後與否，捕捉變革直接影響。
加快撮合與否 日平盤價偏離當次加快撮合日（變革
�
加快撮合虛擬變量 23 譬如，曾翊恆 (2016) 使用 2012 上半年委託簿資料系統性探討國內集中市場投資人委託決策係
2014/12/29）平盤水準之百分比例 (%) 。
2014/12/29）平盤水準之百分比例 (%) 。
註: 適用本文 14 項受檢測因變數（見第肆章第一節內文）於開盤競價相應輔助迴歸，其一般化模型如式 (6) 。惟分析個股成交量能模型因變數
如何應對限價簿攸關資訊變化，發現出價積極度與買賣價差、股價波動度呈反向連動，與同邊
指標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬
加快撮合與否
周間日與否
5-8
5-8 17 ��� � 周間日與否 ��� 第 d 日位於當次變革（I 或 II）施實後與否，捕捉變革直接影響。
時，考量其特殊性，輔助迴歸中部份共用解釋變數略予調整，見第肆章第二節內文。
第 d 日為星期二、…、五 (h=2,…,5) 與否虛擬變量，若為星期一各變數皆
第 d 日為星期二、…、五 (h=2,…,5) 與否虛擬變量，若為星期一各變數皆

最佳委託深度等則呈正向關聯。本文以「出價積極度」G t 、最積極出價筆數比 rMg t 為模型因
0。
0。
註: 適用本文 14 項受檢測因變數（見第肆章第一節內文）於開盤競價相應輔助迴歸，其一般化模型如式 (6) 。惟分析個股成交量能模型因變數
變量 前方關鍵係數 估計結果（見第肆章第二節，及表 7 至表 9），並闡述對
9
期指結算與否
第 d 日適逢臺指期或摩根臺期結算日與否虛擬變量。
期指結算與否 �
�
9 時，考量其特殊性，輔助迴歸中部份共用解釋變數略予調整，見第肆章第二節內文。 � ��
第 d 日適逢臺指期或摩根臺期結算日與否虛擬變量。
為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測
162
10
第 d 日為所屬月份最後交易日與否虛擬變量。
10 � 月底日與否 � 月底日與否 第 d 日為所屬月份最後交易日與否虛擬變量。
應不同群體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結
指標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬
加快撮合虛擬變量
加快撮合虛擬變量 為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測
17
17 � 加快撮合與否 � 加快撮合與否 第 d 日位於當次變革（I 或 II）施實後與否，捕捉變革直接影響。
第 d 日位於當次變革（I 或 II）施實後與否，捕捉變革直接影響。
果異同所含意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣
指標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬
變量 前方關鍵係數 估計結果（見第肆章第二節，及表 7 至表 9），並闡述對
註: 適用本文 14 項受檢測因變數（見第肆章第一節內文）於開盤競價相應輔助迴歸，其一般化模型如式 (6)
註: 適用本文 14 項受檢測因變數（見第肆章第一節內文）於開盤競價相應輔助迴歸，其一般化模型如式 (6) 。惟分析個股成交量能模型因變數 。惟分析個股成交量能模型因變數
��
�
時，考量其特殊性，輔助迴歸中部份共用解釋變數略予調整，見第肆章第二節內文。
時，考量其特殊性，輔助迴歸中部份共用解釋變數略予調整，見第肆章第二節內文。 價差、股價波動度、委託深度等市場品質指標升降變化等對各層面模型因變數影
變量 前方關鍵係數 估計結果（見第肆章第二節，及表 7 至表 9），並闡述對
應不同群體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結
�
��
響效應，因考量篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不
為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測
為聚焦加快撮合對委託決策、自然人委託交易品質、個股成交量能各項檢測
應不同群體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結
果異同所含意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣
指標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬
指標之直接影響，後文將重點呈現原迴歸模型式 (5) 中加快撮合實施與否虛擬
果異同所含意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣
價差、股價波動度、委託深度等市場品質指標升降變化等對各層面模型因變數影
26
變量 前方關鍵係數 估計結果（見第肆章第二節，及表
變量 前方關鍵係數 估計結果（見第肆章第二節，及表 7 至表 9），並闡述對 7 至表 9），並闡述對

價差、股價波動度、委託深度等市場品質指標升降變化等對各層面模型因變數影
響效應，因考量篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不
��
�
�
��
應不同群體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結
應不同群體下（例如大或小型股，投資人類別為自然人或機構投資人等）估計結
響效應，因考量篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不
26
果異同所含意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣
果異同所含意涵。至於其他控制變數如特殊日期、日內效應，或限價簿揭示買賣

26
價差、股價波動度、委託深度等市場品質指標升降變化等對各層面模型因變數影
價差、股價波動度、委託深度等市場品質指標升降變化等對各層面模型因變數影

響效應，因考量篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不
響效應，因考量篇幅限制且文獻頗多相關研究觀察（見第貳章第一節），文中不
26 26