Page 172 - 34-2

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

皆逐一執行同前「縮減樣本規模」測試。倘在變革前後各 15、20、30 天樣本一律
通過「縮減樣本規模」測試（即達「穩健」或「尚屬穩健」標準），本文進一步稱
L
其通過「多天期穩健」標準，呈現實證結果時（見表 7、表 8）後方將以 (R ) 註記。
焦關注變革自身直接衝擊影響。在委託決策方面，筆者按兩波加快措施前後（即

二、實證結果 I.1+I.2、II.1+II.2）自然人、機構投資人對大、小型股所提委託等八種排列
樣本期
本節旨在詮釋委託決策、自然人委託交易品質、個股成交量能各項受測指標於
組合分開探討。每種情境皆合併群體 120 檔股票觀測值，在依序考量模型因變數
2013-2015 年分盤加快撮合措施實施前後起伏變化之迴歸實證分析結果，且聚焦關
為撤單占比 (%) 、新委託申報頻率 （筆）、最積極出價比 (%) 、「出
注變革自身直接衝擊影響。在委託決策方面，筆者按兩波加快措施前後（即樣本期
�
�
�
�
價積極度」指標 (%) 、「順勢交易度」指標 (%) 、大額委託占比 (%)
I.1+I.2、II.1+II.2）自然人、機構投資人對大、小型股所提委託等八種排列組合分開下，
� � �
探討。每種情境皆合併群體 120 檔股票觀測值，在依序考量模型因變數 y 為撤單占
進行一般化模型式 (5) 迴歸估計。
t
比 rCn (%)、新委託申報頻率 N （筆）、最積極出價比 rMg (%)、「出價積極度」
t
t
t
指標 G (%)、「順勢交易度」指標 Tr (%)、大額委託占比 rSz (%) 下，進行一般化
t
t
t
補充說明：首先是基於這六項委託決策指標因變數性質差異，須各自搭配特
模型式 (5) 迴歸估計。
定實證模型完成係數估計。當中， 、 為正負不限連續因變數，可逕以傳統線
補充說明：首先是基於這六項委託決策指標因變數性質差異，須各自搭配特定
�
�
性迴歸模型估計式 (5) ，斜率係數依最小平方法 (Least Square Method; LS)
實證模型完成係數估計。當中，G 、Tr 為正負不限連續因變數，可逕以傳統線性迴 估
t
t
歸模型估計式 (5，斜率係數依最小平方法 (Least Square Method; LS) 估出。rCn 、
出。 、 、 皆百分比例概念，考量此類因變數值連續且介於 0 至 100
t
�
�
�
rMg 、rSz 皆百分比例概念，考量此類因變數值連續且介於 0 至 100 間，故仿照
t
t
間，故仿照 Chiu et al. (2017) 以 Tobit 迴歸為實證工具。不失一般性下，令模型
Chiu et al. (2017) 以 Tobit 迴歸為實證工具。不失一般性下，令模型因變數為 y ，可
t
將式 (5) 修改如下，即隱性 (Latent) 因變數值 y 取決於：nt) 因變數值 取決於：
因變數為 ，可將式 (5) 修改如下，即隱性 (Late
*
∗
t
�
�
∗
= ∑ �,� + 。 (7) (7)
�
�
�
�
式 (7)
式 (7) 中，ε 令為常態誤差，x 是任意第 k 項共用解釋變數（清單見表 5），
t 中， 令為常態誤差， 是任意第 k 項共用解釋變數（清單見表 5），
k,t
�,�
�
*
*
*
*
當 y ≤0 時 y = 0；當 0<y <100 時 y = y ；當 y ≥ 100 時 y = 100。至於模型因變數
t
t
t
t
t
t
t
當 ≤0時 =0；當0< < 100時 = ；當 ≥ 100時 = 100。至於模型
∗
∗
∗
∗
�
�
�
�
�
�
為 N 時，考量屬非負計數資料 (Count Data) 值 (y = 0, 1, 2, ...)，仿照曾翊恆 (2019)
�
t
t
因變數為 時，考量屬非負計數資料 (Count Data) 值 ( = 0,1,2, … ) ，仿照曾
以負二項迴歸 (Negative Binomial Regression) 為實證工具。不失一般性下，令模型
�
�
翊恆
因變數為 y ，條件機率密度函數 f (y │x ) 服從負二項分配，條件期望值為：
t(2019) 以負二項迴歸 (Negative Binomial Regression) 為實證工具。不失一
t
t
般性下，令模型因變數為 ，條件機率密度函數 � | �服從負二項分配，條件
� � �
E | + ∑ 。 (8)
期望值為：
式 (8) 中，x 是任意第 k 項共用解釋變數（清單見表 5），x 為其集合向量。
k,t
t
E� | � = ���� + ∑ �。
由於上兩款為非線性模型，斜率係數依最大概似法 (Maximum Likelihood Estimation; (8)
�
�
�
� �,�
�
MLE) 估計。誠如前文，為控制市況與時間趨勢干擾影響，各模型第 2 項共用解釋
變數採納「當日趨勢指標」ẑ 。用以推算該值之開盤競價相應日頻資料輔助迴歸式
式(8)中， 是任意第 k 項共用解釋變數（清單見表 5）， 為其集合向量。
t
�,�
�
由於上兩款為非線性模型，斜率係數依最大概似法 (Maximum Likelihood
164
Estimation; MLE) 估計。誠如前文，為控制市況與時間趨勢干擾影響，各模型第
2 項共用解釋變數採納「當日趨勢指標」 。用以推算該值之開盤競價相應日頻
̂
�
資料輔助迴歸式 (6) ，則依各自因變數性質比照原模型作法採傳統線性迴歸或
修改成 Tobit 迴歸、負二項迴歸型態完成係數估計，過程不贅述。附帶一提，在
分析模型因變數為新委託申報頻率 時，鑑於較適宜從每期「背景」環境異動詮
�
28