Table of Contents
放空交易（Short Selling）普遍被視為市場「聰明錢」（Smart Money）傳遞負面私有資訊的管道，然而此訊號在台灣市場因其獨特的二元管道制度（散戶為主的「融券」與法人為主的「借券」）而存在雜訊。
本文旨在分離並聚焦於由法人主導的「借券賣出」活動，建構一個能更純粹反映資訊交易者預期的「放空情緒因子」（Short Interest Ratio, SIR）。我們將以台灣市場為例，深入檢驗此因子的橫斷面報酬預測能力、其與市值規模的交互作用，並最終透過策略回測，評估其在提升現有投資組合穩健性上的實務應用價值。
台灣的放空機制主要區分為由散戶（自然人）使用的「融券交易」，以及由法人機構（特別是外資）使用的「借券交易」。此制度性的差異，導致了兩種放空行為背後截然不同的資訊意涵。
台灣本土研究對此現象有深刻的剖析。李志宏等人 (2017) 與丁碧慧等人 (2018) 的研究結論相當一致，指出此二種管道的交易者行為模式迥異：由散戶主導的「融券」，其行為更符合噪音交易者（Noise Trader）特徵，高融券餘額反而常伴隨著未來的股價反轉（正報酬）。相對地，由法人主導的「借券賣出」，則顯著預示著未來的負向報酬，其行為才真正反映了資訊交易者的判斷。
基於上述文獻，本研究的核心假說為：在台灣市場中，唯有法人機構所從事的放空活動，才能有效捕捉由「聰明錢」所驅動的負面訊號。因此，為建構一個能精準反映資訊交易者預期的因子，我們將專注於「借券賣出餘額」這項數據，以作為放空情緒因子的計算基礎。
本章將首先闡述 SIR 因子的具體建構方式與投資組合的分組標準。隨後，我們將採用投資組合排序法（portfolio sorting）作為主要分析工具，從以下幾個面向，系統性地評估 SIR 因子在不考量交易成本下，是否具備穩定且顯著的橫斷面報酬預測能力：
本研究所使用之資料，均取自台灣經濟新報（TEJ）資料庫：
樣本期間涵蓋 2013 年 1 月至 2025 年 7 月，研究對象為台灣證券交易所（TWSE）與證券櫃檯買賣中心（TPEx）掛牌之所有普通股。
承接前述文獻結論，為精準捕捉市場中「聰明錢」的負面訊號，本研究採用由法人主導的「借券賣出餘額」作為衡量市場放空情緒的代理變數，而非散戶色彩較濃的「融券餘額」。此選擇與李志宏等人 (2017) 及丁碧慧等人 (2018) 的台灣市場實證結果一致。
參考國際主流文獻（e.g., Boehmer et al., 2008）對放空餘額因子的建構方法，我們將放空情緒因子（Short Interest Ratio, SIR）定義為：個股在特定時間點的借券賣出餘額市值，佔其總市值的比率。此比率越高，代表該股票被市場放空的壓力越大，隱含著資訊交易者對其未來股價更強烈的負面預期。
為了深入探討 SIR 因子在台灣股市的橫斷面分佈特徵，本節將對因子進行詳細的敘述統計分析。
考慮到市場上存在大量沒有借券賣出活動（即 SIR = 0）的股票，若採用傳統的等量分組，可能會將大量零值與微小正值的股票混入同一組，從而模糊因子的有效資訊。因此，我們採用一種特殊的投資組合排序法。在樣本期間的每一交易日，我們將所有股票依據其 SIR 值進行分組：
最終，我們得到五個投資組合，其中P1 為「無放空組」，而 P2 至 P5 則分別代表由低至高的「放空壓力組」。
表一彙總了各分組投資組合在整個樣本期間的 SIR 敘述統計量。首先，值得注意的是 P1（零 SIR 組）的平均樣本佔比高達 25.56%，這意味著在任何時間點，市場上約有四分之一的公司未被納入放空標的。
表一：借券賣出餘額比（SIR）分組之敘述統計量
（本表係將每日SIR 值排序分組，P1 為 SIR=0 之股票，P2-P5 為剩餘股票依 SIR 值排序後之四分位組。各統計量為樣本期間內該分組所有觀測值之彙總計算結果；資料期間：2013/01–2025/07）
| 分組 Portfolio | 最小值（Min） | 最大值（Max） | 平均值（Mean） | 標準差（Std） | 樣本數（Count） | 占比（%） |
| 1 | 0.00000 | 0.00000 | 0.00000 | 0.00000 | 1302663 | 25.56% |
| 2 | 0.00001 | 0.00143 | 0.00060 | 0.00042 | 950185 | 18.65% |
| 3 | 0.00144 | 0.00447 | 0.00276 | 0.00086 | 946740 | 18.58% |
| 4 | 0.00448 | 0.01239 | 0.00774 | 0.00226 | 948538 | 18.61% |
| 5 | 0.01240 | 0.10665 | 0.02706 | 0.01516 | 947694 | 18.60% |
本節旨在檢驗 SIR 因子對未來股票報酬的預測能力。我們主要透過分析極端分組投資組合（即無放空組 P1 與最高放空組 P5）的報酬表現，以及由兩者構建的多空對沖策略績效，來評估其經濟顯著性。
表二彙總了 P1、P5 及多空對沖組合在未來不同持有期間（1 日、5 日、10 日、21 日）的平均每日報酬率。結果與本研究的核心假說一致。在所有測試的持有期間內，無放空組（P1）的平均報酬率，穩定且大幅地優於高放空組（P5）。這表明，承受較高放空壓力的股票，其未來報酬確實顯著落後於未被放空的股票。
表二：SIR 因子分組與多空對沖組合之每日平均報酬率
（本表呈現 SIR 最高分位組（P5）、最低分位組（P1）及兩者之多空對沖組合（Spread, P5-P1）在不同持有期下之平均日報酬。單位：基點 (bps)；資料期間：2013/01–2025/07）
| Holding Period | 1日持有期 （1D） | 5日持有期 （5D） | 10日持有期 （10D） | 21日持有期（21D） |
| High SIR (P5) | 2.741 | 2.923 | 2.974 | 3.017 |
| Zero SIR (P1) | 5.968 | 6.445 | 6.418 | 6.462 |
| Spread( P5-P1） | -3.227 | -4.033 | -3.974 | -3.924 |
圖一直觀地呈現了所有 SIR 分組在不同持有期下的平均報酬。該圖清晰地展示了報酬率由 P1 至 P5 呈現出單調遞減的趨勢。此現象在所有持有期間均成立，再次驗證了 SIR 因子與未來報酬的負向關係。
圖一：SIR 因子五分位分組於不同持有期下之平均報酬率比較
（本圖依每日 SIR 值進行五分位組排序，其中 P1 為 SIR=0 組，P2-P5 為剩餘股票之四分位組。計算各組未來不同持有期之平均報酬率；單位：基點（bps）；資料期間：2013/01–2025/07）
為直觀地呈現 SIR 因子在長期下的績效表現，圖二繪製了高 SIR 投資組合（P5）與無 SIR 投資組合（P1）的累積報酬走勢。
如圖二所示，無 SIR 組（紅線）的累積報酬，在整個樣本期間內，穩定地、大幅地超越高 SIR 組（綠線）。兩者之間的績效差距隨著時間推移而穩定擴大，這直觀地印證了 SIR 因子具備長期且穩定的報酬預測能力。
圖二：SIR 分組累積報酬率走勢圖
（本圖呈現 SIR 最高分位組（P5，高 SIR 投資組合）與無放空組（P1，無 SIR 投資組合）的累積報酬率走勢；持有期為 1D；資料期間：2013/01–2025/07）
本節採用資訊係數（Information Coefficient, IC）來量化評估 SIR 因子的預測能力。我們計算每日的斯皮爾曼等級相關係數（Spearman’s Rank Correlation），用以衡量當期 SIR 因子值與未來不同持有期報酬之間的排序一致性。
首先，我們檢視 SIR 因子在全市場下的平均表現。其時間序列的統計摘要彙整於表三。
表三：SIR 因子於不同持有期下之資訊係數（IC）統計摘要
| Holding Period | 1日持有期（1D） | 5日持有期（5D） | 10日持有期（10D） | 21日持有期（21D） |
| IC Mean | 0.0005 | 0.0046 | 0.0017 | -0.0068 |
| IC Std | 0.1437 | 0.1479 | 0.1422 | 0.1345 |
| Risk Adjusted IC | 0.0036 | 0.0311 | 0.0119 | -0.0506 |
| IC < 0（%） | 0.4946 | 0.4792 | 0.4834 | 0.5267 |
| IC < 0.03（%） | 0.3972 | 0.39 | 0.3969 | 0.4271 |
| IC < 0.05（%） | 0.3396 | 0.3382 | 0.3461 | 0.3661 |
| IC t-value | 0.1998 | 1.7205 | 0.6591 | -2.7969 |
| IC p-value | 0.8416 | 0.0855* | 0.5099 | 0.0052*** |
| IC Skewness | -0.1195 | -0.1391 | -0.1112 | 0.0799 |
| IC Kurtosis | 0.1331 | 0.005 | -0.059 | 0.3288 |
從表三的結果來看，全市場的 IC 分析結果描繪出一個與極端組合報酬分析不同的面向：數據顯示，SIR 因子與未來報酬的整體排序相關性較為微弱且不穩定（在1~10D持有期之下更是意外地呈現正相關）。這並不直接代表因子無效，而是強烈暗示其預測能力並非以簡單的單調形式體現於全市場，其真實效果可能高度集中在特定的股票群體上，或是被不同群體間的異質性效果所掩蓋。
為探究表三中 IC 結果不穩定的成因，我們將市場所有股票，在每個月底依市值大小均分為五組，並在各組內部分別計算 IC。此分層分析的結果，直觀地呈現在圖三中。
圖三：SIR 因子於不同市值分組下之 IC 均值
（本圖依每日市值將股票均分為五組（1=最小，5=最大），並計算各組內部 SIR 因子與未來不同持有期報酬之 IC 均值；資料期間：2013/01–2025/07）
圖三（IC Mean）的結果，提供了一個清晰的解釋：
表三中整體 IC 的複雜模式，正是這兩種相反效果疊加的結果。中大型股符合預期的負向 IC，與小型股反轉的正向 IC 相互抵銷，導致全市場的平均 IC 值趨近於零且不穩定。這種在小型股中出現的「反轉」現象，可能與「軋空風險」（Short Squeeze Risk）高度相關，即高放空的小型股反而吸引投機性買盤。
總結而言，IC 分析揭示了 SIR 因子一個特性：其預測能力高度依賴於市值規模。
➡️ 點擊繼續閱讀 Part 2，了解 SIR 在實際策略回測中的表現!
