TCRI 看門狗part1 - 重大訊息的力量：重訊如何牽動股價波動 

TCRI 看門狗揭示市場如何解讀公告與風險情緒 

前言：從資訊披露到市場行為的「另一層可觀測面」 

在台灣股票市場時，財報與股價等結構化資料容易取得，但真正主導短期波動的，往往是「事件」。 從公告、主管機關發布到媒體報導，每一則訊息都可能影響投資人情緒與資金流向。 然而，傳統財務數據難以捕捉這些即時反應，使投資人難以判斷哪些事件會被市場真正定價。 

TCRI 看門狗（TCRI Watchdog, WD） 正是為解決這個問題而生。TEJ 將分散的公告與新聞事件轉化為可量化的信用風險信號，協助投資人以系統化方式掌握市場對事件的真實反應。 

本文聚焦於公開資訊觀測站（MOPS）來源的重大訊息事件，透過事件研究法（Event Study Methodology）分析市場對不同事件強度（–3 至 +3）的反應， 揭示壞消息往往比好消息帶來更劇烈、也更持續的價格影響， 並說明 TCRI 看門狗如何成為投資決策與風險監控中的 Alternative Data 核心工具 。

➡️ 了解更多有關TCRI看門狗

TCRI 看門狗產品介紹：將非結構化資訊轉化為可量化的風險信號 

在資訊快速流動的市場中，投資人需要的不只是「知道事件發生」，而是能即時量化事件的市場影響力。 TCRI 看門狗（WD） 將公告、主管機關資訊與新聞等非結構化文本資料轉化為可觀察、可比較、可追蹤的事件信號（Event Intensity）。 

TCRI WD 每日收錄台灣所有上市櫃公司（含已下市公司）的事件，來源包括： 

• 公開資訊觀測站（MOPS）：重大訊息與公告。 

• 主管機關公告：金管會、經濟部、公平會等機構發布的官方訊息。 

• 新聞媒體與網路平台：涵蓋主流財經與產業新聞。 

每則事件經 TEJ 分析團隊與模型雙重校正後，依其對企業信用風險之潛在影響程度，給予 –3 至 +3 的事件強度分數，並進一步劃分為 5 大構面與 逾 100 個細分類 。 

代碼	事件大類	涵義
A	會計／財報分析	與財務報導、會計處理、公告揭露相關的事件，反映企業財務透明度與財務穩健程度。
I	產業前景	反映公司經營環境、產能、成本、研發進度、資金籌措等面向的事件，揭示企業營運動能與產業趨勢。
M	經營層	涉及公司治理、董監高層動態、內外部詐欺、勞資爭議、資訊安全與內控缺失等事件，反映公司治理風險與經營穩定度。
F	市場交易	與資本市場交易、公司評等變動、股價異常、上市櫃狀態變化等有關的事件，反映市場對公司信用與流動性的直接反應。
R	危機	涉及公司財務危機、違約、下市、破產重整等事件，是最直接影響信用風險的訊號。

這套架構讓投資人能以統一標準量化市場事件的性質與方向，不論是監控個股風險，或評估整體市場風險情緒，皆能在相同尺度下比較 。

TCRI 看門狗的核心特性： 

• 📊 Systemic Monitoring：以事件為基礎的每日監控架構（Event-based），可用於投資池監控與主題篩選。 

• 💡 Quantitative Consistency：保留完整公告日與版本資訊，避免 look-ahead bias；涵蓋已下市公司，消除 survivorship bias。 

• 🧭 Sentiment Signal：事件強度可視為市場情緒因子（Sentiment Factor），補足傳統財報資料時效不足的缺口。 

• 🔍 Risk Integration：事件資料可整合至信用風險模型與量化投資策略，提升即時判斷力。 

研究動機與方法：用事件研究法捕捉市場的即時反應 

公開資訊觀測站（MOPS）的公告是台灣上市櫃公司揭露經營與財務狀況的主要管道。無論是新投資案、董監事異動、債券發行，或財報修正，這些事件往往在公告前後引發顯著的市場反應。 

本研究以 TCRI 看門狗事件強度資料庫 為基礎，分析 2018 至 2025 年間超過 33,000 筆 P 來源（MOPS）公告事件，探討事件強度與股價異常報酬（AR）之關聯性，並檢驗市場對正負訊息的非對稱反應。 

• 研究範圍：台灣上市櫃公司 
• 事件來源：「P來源」－公開資訊觀測站(MOPS) 
• 樣本年度：2018 年1月1日至 2025 年8月31日 
• 事件數量： 33,000 筆重訊事件， 
• 事件類別： A、I、M、F、R 五大類。 

事件強度分組：每則事件均附有強度分數，透過強度分組，可檢視市場是否根據事件性質展現有系統的反應模式，例如提前反應、延遲反應或事後修正。 

事件強度分組定義 

Group	事件強度條件
negative	<0
-1	=-1
-2	=-2
-3	=-3
positive	>0
1	=1
2	=2
3	=3
neutral	=0

• 事件類別註記：如前述，事件分為五大類（A、F、I、M、R） 

研究方法：事件研究法（Event Study Methodology），衡量事件發生前後公司股價相對於正常水準的異常表現。研究設定如下： 

• Estimation window：250個交易日，使用 Fama–French 三因子模型估計正常報酬率。 
• Gap days：10（避免估計期與事件期重疊） 
• Event window：(-10, +10) ，計算異常報酬率(AR)與累計異常報酬率(CAR)。 
  • 為了分析多事件的整體市場反應，本研究亦計算平均異常報酬（Average Abnormal Return, AAR）及平均累積異常報酬（Cumulative Average Abnormal Return, CAAR）， 
  •  t 檢定：後續對 AAR 或 CAAR 進行Ｔ檢定，以判斷市場反應是否顯著。 

• 績效分析（Performance Analysis） ：本分析檢視不同事件強度群組的平均效應方向與幅度。主要衡量指標包括： 
  • Mean AAR (%) ：將事件期間內每天的AAR再取平均。 
  • Final CAAR (%) ：表示事件期間結束時（t+10）的CAAR。 

• 事件窗口分析（Event Window Analysis）：本分析探討不同事件強度分組於事件發生前後的市場反應結構。分析以CAAR 為主體，輔以事件日前後各期異常報酬AAR之變化，評估市場在不同階段（事前、事件日、事後）的反應模式與策略意涵。
  • Pre-event Ratio（事前比重）：CAAR(t-1) / CAAR(t+10) × 100% 
  • t=0 Ratio（事件當日比重）：AAR(t=0) / CAAR(t+10) × 100% 
  • Post-event Ratio（事後比重）： [CAAR(t+10) – CAAR(t=0)] / CAAR(t+10) × 100% 
  • Marginal Effect（邊際反應強度）： [AAR(t=0) / AAR(t-1) – 1] × 100% 
  • Post-Event Return（事後報酬）：CAAR(t+10) – CAAR(t=0) 

📌 點這裡查看更多: 運用Point-in-Time財務資訊找尋因子

實證分析：負面事件的影響力遠超過正面消息 

結果顯示，市場對事件的反應具有明顯的方向性與非對稱特徵：壞消息引發的跌幅遠高於好消息帶來的漲幅，且其負面效應通常延續更久。 

事件強度與市場表現的線性關係 

如圖 4 所示，公告事件的樣本分布以中性（0 分）與輕微負面（–1 分）為主， 
其中 –1 至 –3 分的事件共占約四分之一，顯示市場雖以常態訊息為主，但極端事件仍有觀察價值。 

圖 4-1：事件分布圖

進一步分析股價反應發現，事件強度與市場報酬呈現明顯的的負相關，且此一負面衝擊隨著強度等級的提升而加速擴大。

表 4-1：詳細統計結果

Group	Event Count	Mean AAR (%)	Final CAAR(%)	顯著性
-1	6741	-0.09%	-1.90%	***
-2	1233	-0.23%	-5.12%	***
-3	340	-0.54%	-11.40%	***
1	3729	0.06%	1.34%	***
2	19	0.06%	1.19%
negative	8314	-0.10%	-2.12%	***
neutral	21594	0.00%	0.05%
positive	3748	0.06%	1.34%	***

統計顯著性標記：*、**、 ***分別表示在 10% 顯著水準（α = 0.10）、5% 顯著水準（α = 0.05）、 1% 顯著水準（α = 0.01）下顯著。 

公告前後的反應結構：市場常比公告更早行動 

觀察公告前後股價變化後，我們發現市場通常早於公告行動。事前反應已顯著發生： 
在 –3 組極端負面事件中，市場於事件日前（t–1）股價已經出現顯著下跌， 約 56% 的最終跌幅 在公告前就已發生：

1. 事件日反應集中且急劇： 
   –3 組於事件日（t=0）平均異常報酬（AAR）約為 –1.7% 。顯示公告仍帶來新的負面資訊， 但整體跌勢較前一日略為緩和。 

2. 事後效應延續（Post-event Drift）： 

公告後 10 日內，負面事件的下跌仍在持續， –3 組的事後報酬為 –3.35%。 

 
相對地，正面事件（+1 至 +2 組）的情況幾乎相反：股價通常在公告前就已提前上漲（預期利多），但公告後反而出現回檔修正。

表 4-2：效果分布表

Group	CAAR(t-1)%	CAAR(t=0)%	CAAR(t+10)%	AAR(t-1)%	AAR(t=0)%	Pre% Pre-event Ratio	t=0 Ratio	Post-event Ratio %	Marginal Effect %	Post-Event Return％
-1	-1.32	-1.41	-1.90	-0.41	-0.09	69.7	4.7	25.6	-78.2	-0.48
-2	-2.65	-3.31	-5.12	-1.19	-0.67	51.8	13.0	35.2	-44.1	-1.80
-3	-6.35	-8.05	-11.40	-2.13	-1.70	55.7	14.9	29.4	-20.2	-3.35
1	1.53	1.63	1.34	0.89	0.10	114.2	7.4	-21.6	-88.8	-0.29
2	3.35	4.06	1.19	2.75	0.71	281.9	60.2	-242.1	-74.0	-2.87
negative	-1.43	-1.65	-2.12	-0.57	-0.21	67.5	10.1	22.4	-62.3	-0.48
neutral	0.30	0.33	0.05	0.21	0.02	555.8	42.9	-498.7	-89.0	-0.27
positive	1.53	1.63	1.34	0.89	0.11	113.5	7.8	-21.4	-88.2	-0.29

圖 4-2：群組比較圖

綜合來看： 

• 壞消息 → 市場雖會提前反應，但效應延續更久，跌勢逐步加深。 

• 好消息 → 市場多提前炒作，公告後反而修正。 

這樣的結果清楚揭示了台灣市場的行為特徵： 投資人對壞消息的反應更迅速、更持久， 而對好消息的反應更情緒化且短暫。這些現象也凸顯了 TCRI 看門狗事件強度資料 的價值—— 它不僅揭示公告事件的表層資訊，更量化了市場對資訊的吸收速度與反應結構， 使投資人能更早辨識潛在風險，或利用這種反應延遲現象，設計更精確的交易策略。 

👉 繼續查看第二部分TCRI 看門狗part 2– 不同事件類別的市場反應差異

TCRI 看門狗part 2 – 不同事件類別的市場反應差異