本研究探討股市報酬不對稱特性，同時建立報酬分配的條件平均數、條件 波動率、條件偏態參數及條件峰態參數動態模型，並且分別考量過去訊息對當 前條件參數的不對稱效果。以八個國家股市為樣本，研究結果指出除了報酬分 配的前兩項動差外，尚需考量高階動差的條件模型，才足以完整捕捉股市報酬 實證特性。過去創新對各個條件動差的作用是不相同的，一般而言，過去創新 對條件波動率具有明顯的不對稱效果，條件平均報酬的不對稱效果次之。另 外，條件偏態及峰態參數明顯呈現時變性，而且在部份樣本中，它受到過去創 新的影響而呈現不對稱效果。因此，本文支持報酬分配模型需將高階參數的動 態過程予以考慮。另外，我們評估條件模型配適股市報酬的估計效能，以及應用於股市波動本預測的績效優劣。結果發現，考量較完整的條件動差模型並未 比只考量條件波動率模型配適良好；但是若將股市報酬條件模型應用於報酬波 動率之預測，則本文所提出的同時考量四項參數條件模型比其他未考量高階動 差的模型具有良好的股市波動率預測能力。

This paper investigates the asymmetric effects of stock returns by constructing the dynamic models of the conditional mean, volatility, skewness and kurtosis parameters simultaneously. Using the samples from international stock market the empirical results suggest that the higher moments of the asset return should be added into the conditional model to capture the empirical features for the stock returns. In general, the impulses are different for the past innovation to the alternative conditional moments; it is more obvious that the asymmetric effects on the conditional volatilities arc the strongest. In addition, the conditional skewness and kurtosis series apparently appear time-varying behaviors; they are also influenced by the past innovations in some stock markets. Finally, we evaluate the estimates efficacy of the alternatives conditional higher moment models and measure relative superiority of the competitive models applying on the volatility forecast for stock returns. The results suggest that it is not true for the complete conditional model on the estimates efficacy. However, on the issue of performance evaluations of volatility forecasts, the conditional higher moment model to be introduced in this paper outperforms others that are not included in higher moment settings.

投資股票之報酬收益及風險承擔一直是投資大眾所關注的議題，任何有利或不利的訊息出現均會影響著投資股市之報酬及風險。一般而言，描述個別股票或股市報酬序列特性可依統計指標區分為報酬平均數、波動率及其他高階的參數，這些參數構成了報酬分配的主要特徵，投資人掌握了股票報酬分配特性後，對其制定投資決策及風險控管具有關鍵作用。 本文提供投資者對於股市報酬特性進一步的了解，基於過去學者的實證結果及實務界經驗，一段時間的報酬平均值 (預期報酬) 為正的表示該股市或股票具有正向的價格成長性，報酬波動率愈大的股票具有較大的價格變異性等性質。進一步地，這些特性是否會受到過去正面及負面訊息出現而有不同的影響，是最近學術界所探討的議題，探討結果亦是肯定的，正面及負面訊息不儘會改變報酬平均值及波動率特性，且平均報酬及風險高低均與訊息呈現動態變化，這些變化的正負方向及大小對投資者而言是有價值的。進一步地，本文認為更高階的報酬分配統計特徵也會受到影響。因此，本文提供給股市參與者對股市報酬特性進一步的了解，尤其是報酬高階參數對於外界訊息的不對稱效果亦應被關注。報酬分配的高階參數也會受到訊息的不對稱作用，這些作用也影響著股票投資的獲利，一般而言，波動率及平均報酬率受到訊息衝擊的不對稱效果較為明顯，其他參數在部份的股票市場裡亦呈現不對稱的反應。投資大眾可參考這些結果，考量股市報酬較多層面的訊息以進行適當的投資決策。 本文同時建立報酬分配的條件平均數、條件波動率、條件偏態參數及條件峰態參數動態模型，並且分別考量過去訊息對當前條件參數的不對稱效果，採用數個發展程度較成熟及新興的證券市場進行研究，所獲致的結果具有普遍性，適用於各國股市之實務投資，投資人除了可考量股市報酬序列高階特性外，尚可進一步掌握各種好消息及壞消息對這些投資報酬特性的影響。