自 2010 年簽訂 ECFA 後，兩岸經貿交流往來速度大幅加快，兩岸貿易總額佔台灣總貿易比重達 39%至41%，顯見中國大陸已是我國最重要的的貿易夥伴，身在旁邊鄰國的台灣，中國經濟實力在世界當中擁有舉足輕重的地位，將透過變異數檢定方式針對台灣、中國分析滬港通後對兩岸股票市場及總體經濟的影響。本研究以滬港通後使用傳統的變異數比率分別對上海證券A股、台股指數報酬做序列相關檢定，檢定滬港通後中國市場有無效率性和訊息交易對兩岸股價的波動影響，結果顯示在全樣本當中，無論是齊質或異質假設下p-value都不顯著，表示拒絕隨機漫步之虛無假設，此結果透露出樣本市場與平均數來比較，與平均數距離越遠差異越大故市場效率並無提升太多，在次樣本下，對上海證券A股指數和台灣股價加權指數的最高價與股票指數的變異數比率做檢定發現，無論是台灣還是中國，在滬港通後變異數比率是增加的，Z值在上證A股指數部分是減少的，在台灣股價指數上是增加的。

Since 2010, after the signing of ECFA, cross-strait economic and trade exchanges between the speed dramatically accelerate cross-strait trade volume share of Taiwan's total trade amounted to 39-41%, showing that mainland China is China's most important trading partner, next to the body in neighboring Taiwan China's economic strength has a pivotal position in the world which will be aimed at Taiwan, China analyze the impact on cross-strait stock market and overall economy after the Shanghai-Hong Kong stock Connect through variance test mode. In this study, after Shanghai and Hong Kong through the use of traditional variance ratio respectively, the Shanghai Securities A shares, Taiwan stock index returns do serial correlation test, test whether the efficiency of the Chinese market fluctuations and trading posts on both sides after the Shanghai and Hong Kong stock price through results which is displayed in the full sample, either homogeneous or heterogeneous substance under the assumption that p-value not significant, indicating that the null hypothesis is rejected random walk, the results of this sample revealed the average market and to compare, the farther the distance the greater the difference between the average therefore, to enhance market efficiency is not much, in the second sample, the ratio of the number variations Shanghai Securities a-share stock price index and Taiwan weighted index is the highest price and the stock index to do test found that both Taiwan or China, in Shanghai and Hong Kong after the pass variance ratio is increased, Z value on the Shanghai a-share index portion is reduced, on the Taiwan stock index is increased.

目　錄
謝　辭	II
目　錄	V
表　目　錄	VII
圖　目　錄	VIII
第一章　緒論	1
第一節 研究背景與動機	1
第二節 研究目的	3
第三節  研究架構與流程	4
第二章　理論與相關文獻	5
第一節　股票市場制度	5
第二節  理論與相關文獻	9
第三章  研究方法	19
第一節  研究資料定義與來源	19
第二節　變異數比率模型、訊息交易定義與概念	19
第三節　實證步驟	22
第四章  實證結果與分析	23
第一節  敘述統計量分析	23
第二節　單根檢定	27
第五章  結論與建議	42
第一節  結論	42
第二節　建議與貢獻	43
















表　目　錄
表 1  台灣與中國的股票制度比較	7
表 2  兩岸股價指數之敘述統計量	24
表 3  上海證券A股指數自我相關表	29
表 4  台灣加權股價指數自我相關表	31
表 5  上海證券A股指數ADF單根檢定	32
表 6  台灣加權股價指數ADF單根檢定	33
表 7  上海證券A股指數之 ADF-GLS 檢定	34
表 8  台灣加權股價指數之 ADF-GLS 檢定	35
表 9  上海證券A股指數之KPSS檢定	35
表 10  台灣加權股價指數之KPSS檢定	36
表 11  全樣本下之變異數比率檢定(Z-score)	37
表 12  全樣本下之變異數比率檢定	37
表 13  滬港通前變異數統計量	38
表 14  滬港通後變異數統計量	38
 


圖　目　錄
圖 1 研究流程圖	4
圖 2上海A股指數常態機率分配	25
圖 3上海A股指數QQ plot	25
圖 4上海A股指數box plot	25
圖 5上海A股指數常態分配直方圖	25
圖 6台灣加權股價指數常態機率分配圖	26
圖 7台灣加權股價指數QQ plot	26
圖 8台灣加權股價指數box polt	26
圖 9台灣加權股價指數常態分配直方圖	26
圖 10上海證券A股指數時間序列	27
圖 11上海證券A股指數一階差分時間序列	27
圖 12台灣加權股價指數時間序列	28
圖 13台灣加權股價指數一階差分時間序列	28
圖 14上海證券A股指數自我相關	29
圖 15台灣加權股價指數自我相關	30
圖 16上海證券A股指數之最高價與報酬之變異數比率圖	39
圖 17台灣股價加權指數之最高價與報酬之變異數比率圖	39

一、	中文文獻
1.	洪瑞成．劉洪鈞．顏偉倫(2008)，「延時交易對台股指數效率性的影響－變異數比率檢定之應用」，輔仁管理評論，第15卷第2期，頁41-60。
2.	傅承德(2002)，財務統計，中央研究院統計科學研究所，頁1-13。
3.	鄒易凭、蘇欣玫、高淑華(2007)，美國資本市場之效率性檢定，淡江大學財務金融學系碩專班碩士論文。
4.	顏錫銘(1991)，「亞太盆地股票市場價格行為之比較研究」，管理科學學報，第8卷第1期，頁1-18。
二.	英文文獻
1.	Ayadi, O. F. and C.S. Pyun (1994) “An Application of Variance Ratio Test to the Korean Securities Market,” Journal of Banking and Finance, Vol. 18, pp.643-658.
2.	Chang, K.P. and K.S Ting (2000) “A Variance Ratio Test of the Random Walk Hypothesis for Taiwan's Stock Market,” Applied Financial Economics, Vol. 10, pp.525-532.
3.	Chow, K. V. and K. C. Denning (1993),“A Simple Multiple Variance Ratio Test,” Journal of Econometrics, No.58, pp.385-401.
4.	Choi, in (1999), “Testing the Random Walk Hypothesis for Real Exchange Rates,” Journal of Applied Econometrics, No. 14, pp.293-308.
5.	Dilip, K. and S. Maheswaran (2012), “Testing the Martingale Hypothesis in the Indian Stock Market: Evidence from Multiple Variance Ratio Tests,” Decision, Vol. 39, No. 2, pp.1-25.
6.	Dilip, K. and S. Maheswaran (2013), “Are Major Asian Markets Efficient?An Analysis Using Non-parametric Joint Variance Ratio Tests,” Journal of Management Research, Vol. 13, pp.3-10.
7.	Eddie, P., J. Perrett, and E. Chan (2014), “Preparing for China’s Inclusion in Global Benchmarks,” Journal of Index Investing, pp.33-45.
8.	Franch, J. B. and K. O. Kwaku (2005) “A Variance Ratio Test of the Behaviour of Some FTSE Equity Indices Using Ranks and Signs, ” Review of Quantitative Finance and Accounting, Vol. 5, pp.93–107.
9.	Johnny, K. and H. Kwok (2015) “Price Volatility, Information and Noise Trading: Evidence from Chinese Stock Markets,” Journal of Applied Finance and Banking, Vol. 5, No. 4, pp.151-162.
10.	Kim, J. H. and A. Shamsuddin (2008) “Are Asian Stock Markets Efficient? Evidence from New Multiple Variance Ratio Tests,” Journal of Empirical Finance, Vol. 15, pp.518-532.
11.	Lo, A.W. and A. Craig (1989), “The Size and Power of the Variance Ratio Test in Finite Samples,” Journal of Econometrics,Vol.40, pp.203-238.
12.	Lee, C. F.(2001) “Stock Returns and Volatility on China’s Stock Markets,” Vol. 24, pp.523-543.
13.	Li,Y., M, D. Yan and J. Greco(2006), “Market segmentation and Price Differentials Between A Shares and H shares in the Chinese Stock Markets,” Journal of Multinational Financial Management, Vol.16, pp. 232–248.
14.	Ni, Z. X., D.Z.Wang and W.J. Xue (2015), “Investor Sentiment and its Nonlinear Effect on Stock Returns—Newevidence from the Chinese Stock Market Based on Panel Quantile Regression Model,” Economic Modelling, Vol.40,pp.266-274.
15.	Qiuliang, C. D.,D. Chsiou,Q. H. Chen and V. Fang (2015), “Non-Tradable Share Reform,Liquidity, and Stock Returns in China,” International Review of Finance , Vol.40, pp.27-54.
16.	Qiang, Z. and S. Jaffry (2015), “High Frequency Volatility Spillover Effect Based on the Shanghai-Hong Kong Stock Connect Program,” Investment Management and Financial Innovations, Vol. 12, pp.1-8.
17.	Smith. Z. A. (2015), “Losers Win, Winners Lose: Evidence against Market Efficiency,” International Journal of Financial Research, Vol. 6, No. 2, pp.1-11.