1、企 業 轉 投 資 與 其 系 統 風 險 關 係 之 研 究 台 灣 紡 織 業 與 電 子 業 之 比 較王克陸 包曉天1 2 國立交通大學管理科學研究所 新竹市大學路 1001 號1 Tel: 03-5712121 ext 31760 Fax: 03-5713796E-mail: lkwangcc.nctu.edu.tw國立交通大學管理科學研究所 新竹市大學路 1001 號2 Tel: 03-5712121 ext 57113 Fax: 03-5713796E-mail: htpaocc.nctu.edu.tw摘 要民國 88 年初，陸續爆發知名企業因轉投資失利造成財務危機的事件，釀成股
2、市風潮，影響金融安定，使我們有必要重新檢視企業轉投資的行為。本研究之目的在探討企業轉投資與其系統風險的關係，並比較傳統之紡織業與科技導向之電子業兩者的差異。企業進行轉投資活動有助於多角化，但國內外多項實證結果頗不一致。本研究使用台灣經濟新報財務資料庫，選取民國 83 年至 87 年計 5 年間，紡織業與電子業曾進行轉投資活動的公司，使用時間數列橫斷面迴歸方法及類神經網路敏感性分析方法，研究結果發現，紡織業公司之轉投資活動導致系統風險下降，但電子業公司之轉投資活動卻造成其系統風險增加。針對轉投資率較高的企業分析，這種差異更為明確。不同產業的差異或許是過去研究結果不一致的主要原因。藉由比較兩不同產
3、業，以及研究模型與統計方法上的修正，可以更有效地分析企業轉投資活動與系統風險之關係，並提出可能之解釋。關鍵詞： 系統風險、轉投資、多角化The Relationship between Firms Systematic Risk and Its Long Term InvestmentA Comparison for Fiber Industry and Electronics Industry in TaiwanKehluh Wang Hsiao-Tien PaoInstitute of Management, National Chiao Tung UniversityAbstractSi
4、nce early 1999, there were some listed companies in Taiwan suffering severe financial crisis due to long-term investment activities. The purpose of this study is to explore the relationship between the systematic risk and the long term investing activities for companies in the fiber industry and in
5、the electronics industry. Diversification from investment may reduce the systematic risk, but the empirical results are controversial. We use 5 years data (1994-1998) from the TEJ financial database and conduct the pooled time series cross section regression analysis and neural network sensitivity a
6、nalysis. The results show that the systematic risk is reduced with investment activities for the fiber industry. But for the electronics industry, the systematic risk is higher as firms increase the investment. The difference is even more significant when we only consider the companies with higher i
7、nvestment ratios. This diverse effect between industries may be one of the reasons why the results in the literature are inconsistent. Our study can clarify the relationship between the systematic risk and the diversified investment activities, and offer some possible explanations.Keywords: Systemat
8、ic Risk, Long Term Investment, Diversification一、前 言台灣的經濟因為多年的發展，許多上市公司也隨著成長，不但本業的規模日益擴大，也有能力從事各種長期性的轉投資活動。企業轉投資的可能原因甚多，或者垂直整合，以降低交易成本，或者水平整合，以擴充市場。也許產業已經成熟飽和，需要轉投資其它發展潛力高的事業，以維持利潤。亦有學者認為，管理者可利用轉投資降低經營風險，以減少個人之失業風險。分析上市公司由民國 82年至 86 年的財務資料發現，企業轉投資活動呈持續增加的趨勢（朱一峰2） 。但自民國 88 年初以來，陸續爆發知名企業因轉投資失利造成財務危機的事件
9、，如安鋒、新巨群、瑞聯、廣三、禾豐及海山機構等，釀成股市風潮，影響金融安定，也使我們有必要重新檢視企業轉投資的行為，尤其是與企業風險的關係。國 內 有 關 轉 投 資 之 實 証 研 究 甚 多 ， 李 存 修 5 推 導 出 財 務 槓 桿 會 因 轉 投 資 而 增加 。 林 炯 垚 7 發 現 轉 投 資 對 投 資 公 司 股 價 並 無 長 期 一 致 性 的 影 響 關 係 。 蔡 文 怡 17 曾 討 論 紡 織 業 上 市 公 司 之 轉 投 資 活 動 。 林 永 塗 6 以 上 市 公 司 股 權 結 構 與 企 業 特 性分 析 轉 投 資 之 比 例 與 績 效 。 朱
10、 碧 綺 3發 現 財 務 準 則 第 五 公 報 確 實 會 影 響 轉 投 資 決 策 。本研究之目的則在探討企業長期性轉投資與其系統風險的關係，並選擇傳統之紡織業與科技導向之電子業以比較兩者的差異。對投資者而言，了解轉投資與系統風險的關係有助於股票的正確評價，對企業管理當局而言可適當地進行相關決策，對政府單位則能提出合宜的轉投資規範。由投資組合理論，非系統風險非決定預期報酬率之因素，且可由投資者以組合方法予以分散，故本研究主要針對系統風險作探討。系統風險是企業股票報酬率因市場因素所造成之變動性，企業進行轉投資活動，有可能影響其系統風險，不過文獻中實証結果頗不一致。Goldberg and
11、 Heflin20，確實發現進行國外投資的企業其系統風險較低。不過 Barton18卻發現不相關的轉投資導致系統風險上升。Reeb, Kwok and Baek24 也實証多角化導致系統風險增加。Lubatkin and Chatterjee23 則認為多角化對系統風險的影響呈U 形，轉投資至與母公司完全相同或完全不同的產業或產品，其系統風險會增加，而轉投資至類似的產業或產品，其系統風險會下降。 Gyourko and Nelling21以不動產投資公司為例，發現多角化並未降低系統風險。Chatterjee and Lubatkin19 則以合併之投資檢視對系統風險之影響。Wang, Pao
12、and Fu26 以類神經網路分析轉投資和系統風險的關係。國內文獻方面，陳麗雯14探討企業轉投資與公司系統風險之關連性，以民國 79 年至民國 83 之製造業上市公司為樣本，結果發現轉投資率與系統風險為負向關係。朱一峰2則以民國 82 年至民國 86 年之製造業上市公司為樣本，發現轉投資率與系統風險為正向關係，與陳麗雯14之實証結果正好相反。張君憶10研究公司多角化投資型態與其系統風險之關係，並未發現顯著影響。陳昭維13針對企業海外投資與系統風險之關係，結果認為相關性並不明確。因此，轉投資與系統風險之關係似乎仍未釐清。以上之研究多針對所有上市之公司，本研究認為產業之因素可能影響轉投資與系統風險
13、之關係，因此選擇樣本數較多之兩種產業：成熟之紡織業與近年成長迅速之電子業，作為比較研究之對象，研究期間自民國 83 年至 87 年，結果發現迴歸分析無法有效的解釋轉投資與系統風險的線性關係，進一步使用類神經網路方法，發現紡織業之轉投資對系統風險為負向關係，轉投資似可分散風險，但電子業轉投資與系統風險之相關性則為正，顯示電子業之轉投資確實可能導致系統風險增加。針對轉投資率高的企業進一步分析，更能確定兩個產業之轉投資與系統風險有相異的關係。藉由比較傳統產業與科技產業，以及研究模型與統計方法上的修正，可以更完整地分析企業長期轉投資活動與系統風險之關係，並提出可能之解釋。本文第貳節說明研究方法，第參節
14、分析研究的結果，第肆節提出本研究之結論與限制。二、研究方法本文選擇上市之紡織業與電子業公司，自民國 83 年至 87 年，連續有長期轉投資記錄者，作為研究樣本，資料來源為台灣經濟新報財務資料庫。除了成長性有顯著不同外，此二產業有較多之樣本公司可供研究。總計獲得電子業 223 個有效樣本，紡織業 169 個有效樣本。系統風險之估計係使用市場模式（式(1)） ，以週資料之市場報酬率與樣本公司之報酬率迴歸而得。由每一年 Rit, Rmt 之週報酬率資料，估計出 i 公司當年之系統風險。Rit = i + i Rmt + it (1)式中 Rit：i 股票第 t 期之報酬率Rmt：第 t 期之市場報酬
15、率it：誤差項2.1 時間序列橫斷面迴歸分析為研究轉投資與系統風險之關係，由文獻中整理出可能影響系統風險之控制變數 1，有吳淑婷4之資產規模，梁克川12 之財務槓桿、銷貨收入、流動比例與股利支付，張錫芬11、王麗惠1 與葉竹嬌16 之財務槓桿與營運槓桿，姜清海8 之財務槓桿，范文智 9之財務槓桿與盈餘變異，黃旭輝15之資產規模、負債比例與股利支付，陳麗雯14之財務槓桿、營運槓桿、資產規模與股利支付，朱一峰2 之資產規模與盈餘變異。綜合這些研究，選擇有以下八項自變數，股利支付由於電子業大多為 0，因此不選入。轉投資率(X 1)長期投資總資產資產規模(X 2)總資產流動比率(X 3)流動資產流動負
16、債銷貨收入(X 4)銷貨收入負債比率(X 5)（總資產股東權益）股東權益盈餘變異(X 6)（本期稅後淨利前期稅後淨利）前期稅後淨利營業槓桿(X 7)（營業利益營業費用）營業利益財務槓桿(X 8)營業利益（營業利益利息費用）本論文先採用時間序列橫斷面迴歸分析模式(Time Series Cross Section 1 因研究對象是台灣上市公司，故主要參考台灣相關研究之變數。Regression)，檢測系統風險 (Y)與各自變數(X 1)之線性關係，尤其轉投資率(X 1)是否顯著。迴歸模式為 it= b + b it1+ b it2+. +b it8 + it (2)式中 i = 1,n, t=1
17、,T, =樣本數, T=年度數。由於(Y, X1,X8)之間的值大小差異甚大，因此先將所有資料標準化，取平均值為 0，標準差為 1，迴歸結果，b 顯著為 0，所以將迴歸模式中的截距項去除，減少計算誤差。資料標準化後，做迴歸分析，以自變數的顯著重要性為指標，逐步刪除不重要之變數，使誤差之均方根降低，以挑選最佳模式。2.2 類神經網路敏感性分析由於線性迴歸結果無法有效解釋轉投資率與系統風險的關係，因此再使用類神經網路方法，檢驗他們的非線性單調關係。本研究採取倒傳遞學習模式(Back-Propagation Learning Model)，利用 8 個自變數當作網路的輸入值，系統風險為輸出值，使用一
18、層隱藏層，以訓練樣本訓練出適當的類神經網路 Rumelhart, Hinton and Williams25。系統風險對個別自變數之敏感度(S im)，則利用輸出值對 8 個輸入值的偏微分方程式（式(3) ）加以計算 Hwang, Choi, Oh and Marks22。)1(a)(1w)2()y1(xyS jjjmNjijiimii h 1(3)式中 yi ：第i個網路輸出值， 本研究中i=1 ；xm ：第m個網路輸入值，m=1,2,8 ； aj (l)：第j個隱藏單元輸出值；Nh ：隱藏層單元個數； wjm(l)：第j個隱藏單元到第m個輸入單元間的連結強度。wij(2)：第i個輸出單元到
19、第j個隱藏單元間的連結強度。逐步計算的過程為：1. 利用訓練範例訓練類神經網路 ；2. 使用訓練出的連結強度，計算每個輸入變數對輸出變數的敏感度。三、研究結果自 民 國 83 年 至 民 國 87 年 5 年 期 間 ， 電 子 業 與 紡 織 業 轉 投 資 之 情 形 ， 如 圖 1所 示 ， 各 公 司 轉 投 資 之 總 額 佔 產 業 總 資 產 的 比 例 逐 年 增 加 ， 紡 織 業 83 年 之 轉 投 資比 例 較 高 ， 但 電 子 業 近 年 轉 投 資 成 長 迅 速 ， 至 87 年 底 電 子 業 之 轉 投 資 已 超 越 紡 織業 。圖 1 產業轉投資率趨勢圖
20、針對轉投資當年度之系統風險，使用所選擇之影響變數，做時間序列橫斷面迴歸分析，由於每一個別公司須有相同的年度資料，而有效樣本因遺漏資料(Missing Data)的影響，我們權衡結果，選擇 84-87 年度資料，其中電子業有 47家 188(4*47)個樣本，紡織業有 42 家 168(4*42)個樣本。研究結果如表 1 及表 2 所示，電子業之轉投資率(X 1)與當年之系統風險為正向關係， p-值達 0.043，但迴歸之誤差均方根為 0.189，顯示模型解釋能力並不高。紡織業之轉投資率(X 1)與系統風險則未顯示線性相關。由於國外文獻有 U 形關係，因此加入轉投資率的平方項作為自變數選項逐步迴
21、歸，但結果仍不理想。表 1 電 子 業 時 間 序 列 橫 斷 面 迴 歸 分 析 結 果變數 參數估計 標準差 t-值 p-值X1 0.606427 0.297958 2.035279 0.0433X2 0.451373 0.184529 2.446081 0.0154X3 -0.156468 0.129465 -1.208571 0.2284X4 -0.143742 0.080707 -1.781035 0.0766X5 5.869367 3.136371 1.871388 0.0629X6 0.537173 0.288938 1.859131 0.0646誤差均方根 0.189134樣本
22、數 18800.050.10.150.20.250.383 84 85 86 87年轉投資率電 子 業紡 織 業表 2 紡 織 業 時 間 序 列 橫 斷 面 迴 歸 分 析 結 果變數 參數估計 標準差 t-值 p-值X1 -0.058673 0.045609 -1.286422 0.1998X2 0.112164 0.035392 3.169174 0.0018X3 -0.401539 0.193882 -2.071051 0.0396X4 -0.058015 0.016918 3.429112 0.0007X5 -0.339840 0.198326 -1.713542 0.0881X6
23、0.248825 0.198490 1.253589 0.2114X8 0.033462 0.016352 2.046392 0.0420誤差均方根 0.263914樣本數 168由於紡織業迴歸分析結果不顯著，因此選擇轉投資率大於 15之樣本公司進一步測試，結果如表 3 所示，轉投資率對系統風險有顯著負向影響，然而誤差均方根甚大，達 0.526741，顯示線性迴歸模式並不理想。表 3 紡 織 業 時 間 序 列 橫 斷 面 迴 歸 分 析 結 果 （X 115%之樣本） 變數 參數估計 標準差 t-值 p-值X1 -0.448962 0.107421 -4.179479 0.0001X3 -0
24、.760899 0.345086 -2.204955 0.0307X5 0.114565 0.137138 0.835399 0.4063X8 0.080695 0.058848 1.371239 0.1746誤差均方根 0.526741樣本數 76由於線性迴歸模式解釋能力不高，尤其紡織業分析結果不顯著，因此進一步使用類神經網路模式，探討因子間的非線性關係。對於電子業，總共有 223 個樣本，隨機選取 113 個樣本資料作為訓練範例，110 個樣本作測試，採取倒傳遞模式，8 個輸入處理單元， 1 層隱藏層，內有 3 個處理單元，1 個輸出處理單元，（即8-3-1網路架構） 。對紡織業，總共有
25、169 個樣本，隨機選取 85 個樣本資料做訓練範例，84 個樣本作測試，亦採倒傳遞模式，網路架構亦為8-3-1。假設自變數和系統風險的關係近似單調函數(Monotone Function)，從網路訓練過程中的連結強度，使用(3)式可計算出系統風險對個別自變數之敏感度，如表4 所示。表4顯示電子業之轉投資率與系統風險關係為正向，紡織業則為負向，和迴歸分析結果一致。而電子業的測試範例誤差均方根為0.13357，紡織業則為0.14970，較迴歸分析大幅改善。由類神經網路分析的結果，紡織業的轉投資活動可降低企業的系統風險，符合投資組合理論的預期，然而電子業的系統風險則會隨企業轉投資活動而增加。兩種產
26、業之轉投資活動與系統風險不一致的關係，可能是以往文獻中無法釐清二者關係的原因之一。表 4 類神經網路敏感性係 數變數 電子業系統風險 紡織業系統風險X1 0.616 -0.155X2 0.448 0.566X3 0.248 -0.185X4 0.376 0.555X5 0.275 -0.032X6 0.462 -0.317X7 -0.413 -0.136X8 0.426 0.083訓練範例 0.12635 0.14565誤差均方根 測試範例 0.13357 0.14910本文最主要的發現是，電子業與紡織業的系統風險，受到轉投資活動完全相反的影響。由於電子業近年成長迅速，新公司不斷增加，市值不斷
27、擴大，已成為股市中最重要的產業。電子業的轉投資多半仍在電子業中，轉投資公司與母公司的產品可能高度相關。反之紡織業則係成熟的產業，其本業投資機會較少，所以轉投資公司與母公司產業與產品關連性較弱。是否因此造成轉投資對系統風險不同的影響，值得進一步探討。四、結論文獻中企業之轉投資活動對其系統風險之影響迄無定論，本研究選取民國 83年至 87 年計 5 年之間，紡織業與電子業曾進行轉投資活動的上市公司為樣本，使用時間序列橫斷面迴歸分析及類神經網路敏感性分析，實證結果發現，紡織業公司之轉投資活動導致系統風險下降，但電子業公司之轉投資活動卻造成其系統風險增加。不同產業公司其系統風險對轉投資活動的差異反應，
28、或許是過去研究結果不一致的主要原因。如何進一步探討為何轉投資活動對不同產業公司之系統風險會產生不同的影響，有待後續的研究，尤其是各項轉投資標的與原有企業之相關性，如果可以明確區分，並作為主要解釋變數，將有助於釐清這些問題。本文受限於資料來源，無法進一步分析，但電子業成長性高，投資機會多，轉投資可能係與本業相關性較高之產業或產品；而紡織業較成熟，轉投資可能多係業外或與本業相關性較差之產業或產品。如果系統風險不同的反應肇因於此，則台灣上市公司的轉投資活動對系統風險的關係，似仍與投資組合理論有關，這些問題，值得繼續探究。誌 謝作者謹向提供意見的評審委員表達謝意。參考文獻1. 王麗惠， 公司財務結構對
29、股票系統風險之影響 ，中山大學企業管理研究所碩士論文(1988)。2. 朱一峰， 台灣上市公司轉投資活動與其系統風險之關連性研究 ，交通大學經營管理研究所碩士論文(1999)。3. 朱璧琦， 權益會計準則對上市公司轉投資決策之影響 ，中正大學會計研究所碩士論文(1995)。4. 吳淑婷， 台灣上市公司成長機會、現有資產與系統風險三者關係之實証研究 ，國立台灣科技大學管理技術研究所碩士論文(1998)。5. 李存修， 企業轉投資對財務槓桿及資金成本之影響 ， 東海學報 ，第三十一卷，第 371-381 頁(1990)。6. 林永塗， 台灣上市公司股權結構、企業特性與轉投資之研究 ，中正大學企業管
30、理研究所碩士論文(1994) 。7. 林炯垚， 我國上市公司轉投資行為對其股價影響之實證研究 ，行政院國家科學委員會研究報告(1990)。8. 姜清海， 營業槓桿程度及財務槓桿程度與系統風險間相互關係之研究 ，台灣工業技術學院碩士論文(1988)。9. 范文智， 系統風險與財務變數的關係台灣股票市場的驗證分析 ，交通大學管理科學研究所碩士論文(1989)。10. 張君憶， 上市公司多角化型態與其系統風險關係之研究 ，成功大學國際企業研究所碩士論文(1999)。11. 張錫芬， 槓桿作用程度與股票系統風險關連性之研 究，交通大學管理科學研究所碩士論文(1987)。12. 梁克川， 會計性風險變數
31、與市場風險關連性之探討 ，中山大學企業管理研究所碩士論文(1993)。13. 陳昭維， 企業對外投資與系統風險影響之研究 ，交通大學科技管理研究所碩士論文(1998)。14. 陳麗雯， 企業轉投資與其系統風險關係之研究 ，台灣大學財務金融學研究所碩士論文(1996)。15. 黃旭輝， 台灣上市公司股票系統風險和會計資訊關聯性之研究 ，台灣大學財務金融學研究所碩士論文(1992)。16. 葉竹嬌， 槓桿程度與系統風險之相關研究 -以台灣地區上市公司為例 ，大葉大學事業經營研究所碩士論文(1999)。17. 蔡文怡， 台灣地區紡織業上市公司轉投資活動之研究 ，政治大學企業管理研究所碩士論文(199
32、3)。18. Barton, S.L., “Diversification Strategy and Systematic Risk: Another Look,” Academy of Management Journal, 31(1), 166-175(1988).19. Chatterjee, S. and M. Lubatkin, “Corporate Mergers, Stockholder Diversification, and Changes in Systematic Risk,” Strategic Management Journal, 11(4), 255-268(19
33、90). 20. Goldberg, S.R. and F.L. Heflin, “The Association Between the Level of International Diversification and Risk,” Journal of the Financial Management and Accounting, 6(1), 1-25(1995).21. Gyourko, J. and E. Nelling, “Systematic Risk and Diversification in the Equity REIT market,” Real Estate Ec
34、onomics, 24(4), 493-515(1996).22. Hwang, J.N., Choi, J.J., Oh, S. and R.J. Marks, “Query Based Learning Applied to Partially Trained Multilayer Perceptron,” IEEE T-NN, 2(1), 131-136(1991).23. Lubatkin, M. and S. Chatterjee, “Extending Modern Portfolio Theory into the Domain of Corporate Diversificat
35、ion: Does It Apply?” Academy of Management Journal, 37(1), 109-136(1994).24. Reeb, D.M., Chuck, C.Y.K. and H.Y. Baek, “System Risk of the Multinational Corporation,” Journal of International Business Studies, 29(2), 263-279(1998).25. Rumelhart, D.E., Hinton, G.E. and R.J. Williams, Parallel Distribu
36、ted Processing, 1(8), 318-362, MIT Press, Cambridge, M.A.(1986).Wang, K., Pao, H.T. and H.C. Fu, “Using Statistical and Neural Network Methods to Explore the Relationship between Systematic Risk and Firms Long Term Investment Activities,” 2000 IEEE Workshop on Neural Networks for Signal Processing, Sydney, Australia(2000). 26.
