本文以三大法人在臺股期貨與臺指選擇權總未平倉量作為門檻變數，探討在COVID-19前後期間對加權指數影響，從西元2019年8月6日至2020年7月7日，共236筆日資料觀察值，研究模型以Granger and Teräsvirta (1993)和Teräsvirta (1994)所提出的平滑移轉自我迴歸模型檢定方法(Smooth Transition Autoregression, STAR)，以非線性的角度切入探討三大法人在臺股期貨與臺指選擇權總未平倉量多寡的不同，對加權指數所產生的不同衝擊。
實證結果發現，研究模型設定為邏輯型平滑移轉自我迴歸(LSTAR)函數模型，進一步得到在 COVID-19前三大法人臺股期貨與臺指選擇權總未平倉量在9999.4412口呈現顯著門檻值，而 COVID-19後三大法人臺股期貨與臺指選擇權總未平倉量在-56182.9098口呈現顯著門檻值，亦即三大法人臺股期貨與臺指選擇權總未平倉量小於門檻值，或大於門檻值，呈現兩個不同區間，最後，無論在門檻值之上或之下，COVID-19前，唯有外資臺指選擇權未平倉量呈現顯著狀態，亦即說明著在COVID-19前，加權指數漲跌可以依據外資佈局在選擇權市場的前一日籌碼，來反向操作；COVID-19後，唯有自營商臺指選擇權未平倉量呈現顯著狀態，亦即說明著在COVID-19後，加權指數漲跌可以依據自營商佈局在選擇權市場的前六日籌碼，來反向操作。

This article uses the total open interest of the Three Institutional Investors in the TAIEX Futures and TAIEX Options as the threshold variable to discuss the impact on the changes in the Taiwan Stock Index before and after COVID-19. This study applies the non-linear methodology of smooth transition autoregressive model (STAR) elaborated by Granger and Teräsvirta (1993) and Teräsvirta (1994) to investigate the total open interest of the Three Institutional Investors in the TAIEX Futures and TAIEX Options have different impacts on the Taiwan Stock Index. The sample period adopted is from August 6, 
2019 to July 27, 2020, which has totally 236 observations. The study result shows that the appropriate model to be adopted should be the LSTAR model and 
the threshold value of the total open interest of the Three Institutional Investors in the TAIEX Futures 
and TAIEX Options is significantly found to be 9999.4412 lots and -56182.9098 lots, which reprents before COVID-19 and after COVID-19, respectively. Futher Observing whether above or below the threshold, which indicates two regimes. Finally, before COVID-19, only the open interest of Qualified Foreign Institutional Investor in the TAIEX Options shows significant impact the Taiwan Stock Index, 
which means that before COVID-19, the rise and fall of the Taiwan Stock Index can be countered based on the previous day’s chips of QFII in the TAIEX Options to reverse the operation; after COVID-19, the rise and fall of the Taiwan Stock Index can be countered based on the chips of Dealer of the six days ago in the TAIEX Options to reverse the operation.

目錄 I
圖目錄 III
表目錄 IV
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究架構 8
第二章 相關理論與文獻探討 9
第一節 三大法人介紹 10
第二節 不同類型投資人之資訊性 11
第三節 分析期貨的相關研究文獻 12
第四節 分析選擇權的相關研究文獻 13
第五節 分析期貨與選擇權的相關研究文獻 14
第三章 研究方法 15
第一節 單根檢定法 16
第二節 平滑移轉迴歸模型 18
第四章 實證結果與分析 25
第一節 資料來源與分析 25
第二節 資料之敘述統計量 25
第三節 單根檢定 32
第四節 線性檢定 40
第五節 轉換函數檢定 42
第六節 模型之參數估計與檢定 44
第五章 結論與建議 58
參考文獻	61

圖目錄
圖1.3.1 研究流程 8
圖3.2.1 邏輯型函數圖形 22
圖3.2.2 指數型函數圖形 23
圖4.6.1 COVID-19前三大法人臺股期貨與臺指選擇權總未平倉量落後1期的加權指數漲跌點數LSTAR門檻函數模型圖 47
圖4.6.2 COVID-19後三大法人臺股期貨與臺指選擇權總未平倉量落後6期的加權指數漲跌點數LSTAR門檻函數模型圖 54

表目錄
表4.2.1 COVID-19前三大法人在臺股期貨未平倉量之敘述統計量 26
表4.2.2 COVID-19前三大法人在臺指選擇權未平倉量之敘述統計量 27
表4.2.3 COVID-19前三大法人在臺股期貨與臺指選擇權總未平倉量之敘述統計量 28
表4.2.4 COVID-19後三大法人在臺股期貨未平倉量之敘述統計量 29
表4.2.5 COVID-19後三大法人在臺指選擇權未平倉量之敘述統計量 30
表4.2.6 COVID-19後三大法人在臺股期貨與臺指選擇權總未平倉量之敘述統計量 31
表4.3.1 COVID-19前三大法人在臺股期貨與臺指選擇權總未平倉量之單根檢定	33
表4.3.2 COVID-19前三大法人在臺股期貨與臺指選擇權總未平倉量之一次差分項單根檢定 35
表4.3.3 COVID-19後三大法人在臺股期貨與臺指選擇權總未平倉量之單根檢定	37
表4.3.4 COVID-19後三大法人在臺股期貨與臺指選擇權總未平倉量之一次差分項單根檢定 39
表4.4.1 模型線性檢定及門檻變數最適落階期 40
表4.4.2 模型線性檢定及門檻變數最適落階期 41
表4.5.1 轉換函數模型檢定 42
表4.5.2 轉換函數模型檢定 43
表4.6.1 邏輯型平滑移轉迴歸(LSTAR)函數模型參數估計 46
表4.6.2 COVID-19前三大法人未平倉量對加權指數漲跌點之區間影響 48
表4.6.3 邏輯型平滑移轉迴歸(LSTAR)函數模型參數估計 53
表4.6.4 COVID-19後三大法人未平倉量對加權指數漲跌點之區間影響	55

一、中文文獻
1.李進生、袁淑芳，(2005)，「台指選擇權與現貨市場之正向價格回饋行為研究：隱含波動值指標和未平倉口數之應用」，經營管理論叢，2005特刊，頁191~206。   
2.柏婉貞、胡育鳴、陳楷欣，(2016)，「三大法人交易活動與台指期貨報酬波動非對稱關係之研究」，全球商業經營管理學報，8期，頁19~30。
3.陳志娟、馬長峰、林蒼祥，(2012)，「機構投資者的交易行為研究：來自台灣股市的證據」，商業經濟與管理，第3期 總第245期，頁52~64。
4.詹錦宏、施介人，(2005)，「台股指數現貨、期貨與選擇權價格發現之研究」，台灣金融財務季刊，6卷1期，頁31~51。  
5.謝文良、曲靜芳，(2016)，「期貨未平倉量的資訊內涵及其交易活動之研究」，臺大管理論叢，26卷3期，頁151~183。
6.顏鈺庭，(2014)，「三大法人未平倉量、前十大交易人未平倉量、三大法人買賣超市值對台指期之影響」，臺北科技大學經營管理系碩士班學位論文。

二、英文文獻
1.Barber, B. M., Lee, Y. T., Liu, Y. J. and Odean, T. (2009), “Just How Much Do Individual Investors Lose by Trading?”, Review of Financial Studies, 22, 609-632.
2.Chang, C. C., Hsieh, P. F. and Lai, H. N. (2009), “Do Informed Option Investors Predict Stock Returns? Evidence from the Taiwan Stock Exchange”, Journal of Banking & Finance, 33, 757-764.
3.Chen, W. K., Lin, C. T. and Shiu, C. Y. (2019), “Price Discovery and Price Leadership of Various Investor Types: Evidence from Taiwan Futures Markets”, Review of Quantitative Finance and Accounting, 53, 601-631.
4.Dickey, D. A. and Fuller, W. A. (1979), “Distribution of the Estimators for Autoregressive Time Series with a Unit Root”, Journal of the American Statistical Association, 74(366), 427-431.
5.Granger, C. W. and Newbold, P. (1974), “Experience with Forecasting Univariate Time Series and the Combination of Forecasts”, Journal of the Royal Statistical Society, 137(2), 131-165.
6.Granger, C. W. and Teräsvirta, T. (1993), “Modelling Non-Linear Economic Relationships”, Oxford University Press, Oxford.
7.Hsieh, P. F., Chang, C. C., Lai, H. N. and Hsu, W. S. (2017), “The Relative Trading Activity in Options and Stock: Evidences from the Taiwan Stock Exchange”, Journal of Futures and Options, 10, 1-39.
8.Hung, J. C., Liu, Y. H., Jiang, I. M. and Liang, S. (2020), “Price Discovery and Trading Activity in Taiwan Stock and Futures Markets”, Emerging Markets Finance and Trade, 56, 963-976.
9.Nelson, C. and Plosser, C. (1982), “Trends and Random Walks in Macroeconomic Time Series”, Journal of Monetary Economics, 10, 139-162.
10.Ordu-Akkaya, B. M., Ugurlu-Yildirim, E. and Soytas, U. (2019),“The Role of Trading Volume, Open Interest and Trader Positions on Volatility Transmission between Spot and Futures Markets”, Resources Policy, 61, 410-422.
11.Phillips, P. C. and Perron, P. (1988), “Testing for a Unit Root in Time Series Regression”, Biometrika, 75, 335-346.
12.Said, E. S. and Dickey, D. A. (1984), “Testing for Unit Roots in Autoregressive-Moving Average Models of Unknown Order”, Biometrika, 71, 599-607.
13.Seo, S. W., Byun, S. J. and Kim, J. S. (2020), “Index Options Open Interest and Stock Market Returns”, Journal of Futures Markets, 40, 989-1010.
14.Teräsvirta, T. (1994), “Specification, Estimation, and Evaluation of Smooth Transition Autoregressive Models”, Journal of the American Statistical Association, 89, 208-218.
15.Wang, W. and Nie, H. (2018), “Comparative Study on Forecasting Model for Stock Index Future Price”, Modern Economy, 9, 750-757.