股价行为

股价行为（精选六篇）

股价行为 篇1

股利政策不仅反映了上市公司在过去一段时期内的经营业绩,而且预示着公司的成长潜力和经营战略,影响到公司未来的发展;同时,股利分配作为企业回报投资者的一种重要方式,也直接关系到公司股东的经济利益。发放股利将意味着公司将企业盈利的信息通过股票市场传递给投资者,投资者将根据这一消息指导投资,从而对企业价值形成客观评估。由于市场的信息是不对称的,投资者对信息的解读能力也是有区别的,因此股利政策信息是以一种动态博弈的过程逐渐融入股票价格,这一过程便形成了股票的价格行为。

研究股利政策信息如何对股票价格行为产生影响,首先要刻画市场的信息结构以及所处的信息环境。在特定的信息环境下,投资者潜在的交易需求转化为实际交易的过程中价格和交易量的产生和改变,获得股利政策信息的先后在这个过程中对信息的接受和理解程度的不同,其交易策略和由此产生的交易行为也是不同的,包括订单类型、报价、交易时机、交易数量以及交易方向等等,众多投资者的交易行为实质上就是一种非对称信息条件下的动态博弈行为,这些交易行为的市场反映包括流动性、波动性、价格发现过程和价格均衡等等。而其中较为重要的波动性反映则是金融市场的基本属性之一。

有效市场假说假定投资者是理性的,市场是有效的,股价已经反映了所有可获得的信息,价格的变化服从随机游走过程,金融市场的波动性来自于外部随机事件的干扰。然而有效市场的假设在现实中受到了越来越多的挑战,因为它不能有效解释一系列突发事件对市场的干扰。张元萍和李兆军(2009)从资本市场信息传导结构入手,发现中国资本市场存在持续性特征,即中国资本市场能够在信息替代与信息传导过程中发挥一定作用,但整体市场效率要低于成熟市场;中国资本市场存在较高的波动性,风险明显高于成熟市场。崔媛媛、王建琼和卢涛(2009)研究中国证券市场信息结构的特征,并考察特定信息结构对价格形成的影响。研究结果表明:(1)由于信息披露制度和投资者构成比例的不同,我国证券市场与国外成熟资本市场相比信息分布更小、信息组成更大;(2) 信息结构各方面对资产价格发现有显著的影响,信息分布和公开信息准确性对价格发现具有显著的负向影响,而信息组成对价格发现具有显著的正向影响。所以,在特定的信息环境下,公司发布股利政策对股票价格行为将产生影响。

信息可以改变市场参与者对金融资产风险和价格的判断,信息对资产价格形成的影响一直是学术界关注的焦点问题之一。有效资本市场的概念应以准确的信息以及信息价值的定义为基础(Hirshleifer和Riley,1979),信息结构可以定义为有关各种可能发生的事件的消息。市场微观结构理论认为证券市场资产价格发现是指证券价格向真实价值回归的动态变化过程,也是有关证券价值的信息揭示、传导并融入到证券价格的过程(Easley和O ’Hara,2004;Easley、Hvidkjaer和O’Hara,2002),信息结构反映了市场中信息的存在形式和投资者获得信息的情况,通过对投资者交易策略产生作用,进而对资产的价格形成过程、价格发现以及资产定价产生作用,是价格发现的真正作用力量(Easley、Hvidkjaer和O’Hara,2002;Handa、Schwartz和Tiwari,2003)。Easley 和O’Hara (2004)认为信息结构包括信息存在、信息组成和信息分布三方面内容,他基于报价驱动市场对信息结构进行了理论研究,发现信息结构的三个组成部分对资产价格产生不同作用。因此,股利政策信号是组成特定时间信息结构的一部分,它不是单独的发生作用。

综上所述,信息结构、信息环境反映了市场中信息的存在形式和投资者获得信息的情况。信息结构通过对投资者交易策略产生作用,进而对资产的价格形成过程、价格发现以及资产定价产生重要作用。以往的研究更多地将注意力集中在金融市场整体,缺少对特定事件信息结构、信息环境和价格行为影响的研究,本文用高频数据刻画了股利政策发布前后资本市场的信息结构和信息环境,以及在这样的信息环境下股价行为如何演绎,以期完善股利政策研究,为上市公司制定不同的股利政策提供借鉴,为投资者投资决策提供参考。

二、研究方法

(一)股利政策信息结构模型构建

本文构建一个具有时空两维动态变化结构的信息模型,对股票政策发布前后四周的信息环境进行刻画。构建的股利信息模型如图1和图2所示,其中Z(t)代表信息状态,当Z(t)取值为0时代表没有股利信息,当取非零时代表有新的股利信息进入市场,取值为+1时,代表是好的股利信息,取值为-1时代表为坏的股利信息。信息状态的变化我们用一个转移状态概率矩阵来表示,即:

${\rm M}{}_{{\rm Z}}=\left(\begin{array}{ccc}{\rm Z}{}_{00}& {\rm Z}{}_{0+}& {\rm Z}{}_{0-}\\ {\rm Z}{}_{+0}& {\rm Z}{}_{++}& a{}_{+-}\\ {\rm Z}{}_{-0}& {\rm Z}{}_{-+}& a{}_{--}\end{array}\right)$

状态转移概率矩阵既能表示时间相继的信息状态之间的独立分布,也能表示时间相继的信息状态具有联系。如若MZ中各元素都取值1/3,则表示信息状态之间转移概率是均等的,即t时刻的信息状态与t+1时刻信息状态无关,而若并非都取1/3,如Z++取值为90%,则表示好的股利信息状态对交易量具有持续性的正的影响。那么通过对股利信息状态转移概率矩阵的估计,可以了解到股利信息对交易是否具有持续性的影响,强度有多大等。

信息状态Z(t)在t时刻的取值仅与t-1时刻相关,即具有马尔科夫性,同时又因为它是不可直接观测的,所以称为隐马尔科夫链(Hidden Markov Chain)。Z(t)在三种不同的状态下,分别以不同的泊松到达率Υ(t)生成信息交易量NI(t),而t时刻还具有与其所处星期、日内时段相关的泊松到达率λ(t)生成常规交易量N0(t),N(t)=N0(t)+NI(t),表示观测到的交易量由常规交易量与信息交易量构成,当NI(t)<0时,表示坏的股利消息降低了交易量水平。模型参数分布函数的设定,以及采用的MCMC估计方法参照Scott在探测网络电话欺诈采用的模型,时间分辨率为5分钟。

本文将按照股利政策的不同对样本进行分组,分别研究不同的股利政策发布日前后各两周的数据,通过对模型参数的估计,刻画发布日前后的股利信息状态,以及由此产生的信息交易量的大小,据此分析我国A股市场投资者对各种股利信息的反应,以及股利信息对二级市场价格行为的影响模式。

(二)研究指标设计

1.波动性指标。

个股的分笔交易数据具有更丰富的信息,利用分笔交易数据计算已实现波动(RV)时需要考虑微观结构噪音的影响。Bandi、Russell和Yang(2008)以及Bandi、Russell和Zhu(2008)提出的基于MSE的最优采样频率方法,在降低微观结构噪音对波动性估计干扰的情况下充分利用了超高频数据中的信息。具体而言,当采样频率M很高(趋于无穷大)时,可以使用可观测收益r的样本矩来获得噪音ε的矩的一致估计,即:

$\frac{1}{{\rm M}}{\displaystyle \sum _{j=1}^{{\rm M}}r}{}_{j\delta }{}^q\underset{{\rm M}\to \infty }{\overset{p}{{\displaystyle \stackrel{}{\to }}}}E(\epsilon {}^q),2\le q\le 4(1)$

使MSE最小的最优采样频率Mt*为:

${\rm M}{}_t{}^{*}=\left(\frac{\widehat{Q}{}_t}{\widehat{\alpha }{}_t}\right){}^{\frac{1}{3}}(2)$

其中$\widehat{Q}{}_t$为积分四次变差的估计量,$\widehat{Q}{}_t=\frac{\widetilde{{\rm M}}}{3}{\displaystyle {\sum }_{j=1}^{\widetilde{{\rm M}}}r}{}_{j,t}^4$,在存在微观结构噪音的情况下,$\widehat{Q}{}_t$并非Qt的一致估计量,因此本文$\widetilde{{\rm M}}{}_t$的选择以15分钟为采样间隔;$\widehat{\alpha }$t是噪音二阶矩估计量的平方,根据(1)式,$\widehat{\alpha }{}_t=\left(\frac{{\displaystyle {\sum }_{j=1}^{{\rm M}{}_t}r}{}_{j,t}^2}{{\rm M}{}_t}\right){}^2,{\rm M}{}_t$为分笔收益数。从式(2)可以看出,微观结构噪音对价格过程和波动性的影响越小,最优采样频率越高。以最优采样频率Mt*进行采样并计算RV,即RVt=10 000×∑${}_{j=1}^{{\rm M}{}_t{}^{*}}$r${}_{j,t}^2$,本文利用该方法对波动性进行度量。

2.市场深度指标。

本文的市场深度主要指报价深度,即在某个特定价位(通常是最佳买卖报价)上的订单金额,具体方法如下:

${\rm M}D{}_t={\displaystyle \sum _{j=1}^{{\rm N}}(}Q{}_{tj}^A\times {\rm P}{}_{tj}^A+Q{}_{tj}^B\times {\rm P}{}_{tj}^B)/(10{}^6\times {\rm N})(3)$

其中MDt为第t日市场深度,Q${}_{tj}^A$为第t日第j笔最优卖价P${}_{tj}^A$上的委托交易数量,Q${}_{tj}^B$为最优买价P${}_{tj}^B$上的委托交易数量。N为总交易笔数。如果MDt较大,表明市场深度较大,反之亦然。

3.换手率和流动性。

交易活跃程度和流动性密切相关,本文使用换手率作为度量流动性的另一指标,计算方法如下:

TQt=100×VLt/MCt (4)

其中VLt是个股第t日的成交金额,MCt是第t日的流通市值。

三、数据来源和样本选择

为了规避投资者情绪的干扰,本文实证选取的样本是平衡市2009年的数据,股利样本数据来自锐思数据库,以2009年沪深两市披露股利预案的A股上市公司作为研究对象,以股利正式公告日[-13,+12]共二十五个交易日为分析的时间窗口,并依照如下选样标准剔除不合格样本。

1.本研究的主要目的是比较不同股利政策在一段期间内对上市公司价值、股票价格行为的影响。因此,在数据选择时只选择单一分配方案的上市公司进行研究。有许多上市公司会采用混合分配方案如既派现又转赠、既派现又送股等,对于这些样本公司无法确定各种纯分配方案对它们的股价影响的程度,因此在数据选取时予以剔除。

2.多数上市公司年报中公布的利润分配预案在经过股东大会讨论通过后预案与最终决案是一样的,但也有少数公司是有变化的。如由于分配方案的改变,其对股价影响的稳定性和连续性也会受到影响,为保证样本数据的一致性,本文在数据选取时中剔除了这类上市公司。

3.对ST类上市公司,由于我国股票市场对其涨跌幅限制与其他股票不同,这类上市公司利润分配对股价的影响受到制度因素影响与其他非ST类完全不同。由于ST类上市公司一般当年公司都无利润可供分配,其股利政策单一,其主要的分配方案是转增,故剔除此类公司。

4.许多上市公司在利润分配方案公告期间往往存在其他重大事项需要披露的情况,在这阶段停牌而无相关股价信息数据,对这类上市公司也予以剔除。

经过以上几个步骤的筛选,得到2007-2009的数据如表1。由表1可见现金股利和不分配利润是2007-2009年我国上市公司主要的股利政策,其他股利政策比重较小,且在不同的市场条件下变化也较小。2007年、2008年现金股利比重都较小,可能是由于2007年牛市条件下,公司股利政策并不被投资者所重视,影响公司管理者的决策,而2008年现金股利比重更小,主要是金融危机蔓延至国内,导致许多公司现金流短缺,而在市场条件较为稳定的条件下,现金股利比重提升至52.9%。实证模型采用的为5分钟高频个股交易量数据,数据来源于国泰安5分钟高频数据库,流通市值来源于国泰安公司财务数据库。

四、股利政策信息结构实证结果

图3为本文模型探测出来的不同股利政策发布前后总计25个交易日股票交易所处的信息环境。模型所选时间频率为5分钟,因此每天连续竞价交易时段被划分为48份,那么25个交易日,总计就有1200个时间区间,第624-672个时间区间为股利公告日。就2009年市场平均情况而言,现金股利政策被认为是“好消息”。在股利公告较长一段时间,市场运行未有出现较大波动,在公告前1-2天的时候,出现非正常增加的交易,而股票股利被认为是“坏”消息,在公告前1-2天的时候,出现非正常减少的交易,说明股利政策信息在正式公告前已经提前进入市场,这种情况同时存在不分配利润的公司。综上说明在股利公告前,市场信息非对称程度比较高,且股利政策确实能影响投资者对公司的评价,并由此引起正常的流动性交易发生变化。

表2为模型估计得到的信息状态转移概率矩阵。Z+0、Z-0代表股利信息被市场消化的速率,现金股利政策的样本均值最小,为0.189,结合图3,可以知道现金股利政策的公告的信息持续影响着市场的交易。而股票股利信息较快的被市场消化,说明现金股利信息的冲击最大,这个从股利信息状态持续性指标Z++、Z--也能说明。作为比较参照的不分配利润的样本组,在政策公告后,交易较快的归于常态,这主要是由于我国上市公司不分配利润的企业在相对较长的时间里持续采取同样的股利政策,与市场预期较为一致,因此不会引起非常规的交易。

五、股利政策信息结构对股价行为的影响

表3提供了三种股利政策前后股票各类价格行为指标的均值、最大值、最小值、标准差等统计量。从表3可见波动性(RV)在股利公告前后变化最大的是发放现金股利的公司,均值由8.463增加到15.652,且均值的差异在1%的水平上显著,这说明由于公告前信息泄露较少,基于公告信息的交易在公告后大量增加,引起股票价格波动性的大幅增加;现金股利发布后产生持续为正的累积收益率①,说明增加的交易主要以买入为主,进一步的证明现金股利政策传递正面的公司价值信息。发放股票股利的公司股票,在公告后波动性最大(RV=24.873),且与公告前相比,均值变化在1%的水平上显著,与第三章得到的累积超额收益最大的收益相对应,公告后交易的减少说明股票股利信息最快被市场吸收,投资者分歧较小,股价的波动主要来自于潜在投资者的买入行为。不分配利润的公司股票公告前后波动性变化不显著,且相对较小,这说明不分配利润是这类公司稳定的股利政策,投资者预期与市场实际较为一致,因此公告带来的新增信息较少,由此引发的信息性交易也较少。

注:(1)已实现波动率的度量单位为基点(100个基本点等于1个百分点),换手率的度量单位为百分点(%),市场深度的度量单位为百万元。(2)***代表在1%的显著性水平,**代表5%的显著性水平,*代表10%的显著性水平。

本文研究的流动性指标选择了市场深度与换手率,现金股利公告前后公司股票的流动性变化最大,均值差异在1%的水平上显著,公告后市场深度、换手率为三组样本最大,综合前文的分析,再一次的说明现金股利信息强度最大,大幅增加市场交易的活跃度。由于发放股票股利的公司流动性指标无论在公告前还是公告后都很最小,且换手率变化不显著,这说明选择此类股利政策的上市公司为成长性较好的企业,在一般性的交易时段就较受投资者的青睐,而股利公告并未带来额外的信息,仅让投资者更加确信了自己的判断,因此交易并没有因为股利政策信息的发布而变得更加活跃。不分配利润的公司股票,市场深度和换手率在公告后都略有增加,但均值变化差异的显著性不高,不分配利润包含业绩亏损无利润可分的公司和不分配利润的公司,然而无论哪种都没能传递正面的公司价值的信息。因此,流动性的增大主要由现有股东的出售行为引起,本文前期研究结果也显示出公告后的累积超额收益持续为负数②,证明这类公司不受投资者的青睐,流动性的增大确实为投资者的卖出行为引起的。

六、研究结论和建议

股利政策信息结构依据股利政策类型具有不同的特点,现金股利政策公告前,没有发现显著的信息性交易行为,这可能说明发放现金股利的公司确实具有较好的盈利能力,且为股东利益最大化为归依,内幕交易较少;股利政策公告后,信息增加的交易十分显著,结合现金股利政策发布后正负交替的平均超额收益,这说明公告后买入、卖出行为都很活跃,而正的累积超额收益,传递正面的公司价值信息,股票股利信息消化速率指标Z*0最大,说明对于这种股利政策投资者能最快的形成共识。股票股利政策公告前后,市场信息结构没有发生显著的变化,在公告日前后1-2天,市场信息引起了正常交易的减少,结合股票股利政策发布后,持续较高的累积超额收益,说明股利政策确实传递了正面的公司价值,获得现有股东的认可。因此,现有股东不急于卖出股票实现资本利得,造成潜在投资者需要较高的价格才能购入公司股票,导致了交易的减少。不分配利润的企业在公告前,出现了显著的由信息引起的交易行为,说明不分配利润传递了负面的公司价值信息,并且这类公司知情交易更为严重,知情交易者在公告前卖出以实现正的收益。

本文发现公司发布股利政策能够传递公司价值的信息,同时公司价值信息的传递还与市场所处的信息环境密切相关,不同的信息环境、信息结构影响了信息作用于市场变量的变化路径。发放现金股利的公司公告前信息泄露较少,知情交易并不明显,这说明公司经营者确实以公司发展和股东利益最大化为归依,也因此在公告后,出现持续为正的累积超额收益,且活跃的市场交易以买入为主,股票价格波动性比公告前显著增加。发放股票股利的公司一个显著的特点是,波动性在公告前后都是最大的,而市场深度和换手率确是最低的,表明股票股利传递了正面的公司价值,而持有此类股票的投资者看好公司后期的发展,并不急于出售股票获利。不分配利润的公司股票价格的波动性、市场深度、换手率都没有显著的改变,这可以归结为投资者预期与实际的较为相符。

摘要：通过构建股利政策信息结构和时空两维股利信息模型,研究中国上市公司不同股利政策的信息结构、信息环境及其对波动性、市场深度和流动性等股价行为的影响。研究发现现金股利政策公告前,没有发现显著的信息性交易行为;股票股利政策公告前后,市场信息结构没有发生显著的变化;不分配利润的企业在公告前,出现了显著的由信息引起的交易行为;公司发布股利政策不仅能够传递公司价值的信息,而且公司价值信息的传递还与市场所处的信息环境密切相关,不同的信息环境、信息结构影响了信息作用于市场变量的变化路径。

关键词：股利政策,信息结构,股价行为,上市公司

参考文献

[1]Easley D,O’Hara M.Information and the costof capital Journal of Finance,2004,59(4):1553-1582.

[2]Easley D,Hvidkjaer S,O’Hara M.Is infor-mation risk a determinant of asset returns[J].Journal of Finance,2002,57(5):2185-2221.

[3]Federico M.Bandi,Jeffrey R.Russell,ChenYang.Realized volatility forecasting and optionpricing[J].Journal of Econometrics,2008(147):34-46.

[4]Federico M.Bandi,Jeffrey R.Russell,Ying-hua Zhu.Usinghigh-frequency data in dynam-ic portfolio choice[J].Econometric Reviews,2008(27):163-198.

[5]Handa P,Schwartz R,Tiwari A.Quote settingand p rice formation in an order driven market[J].Journal of F inancialM arkets,2003,6(4):461-489.

[6]Hirshleifer.J,Riley.J.The analytics of uncer-tainty and information-an expository survey[J].Journal of Economic literature,December1979:1375-1421.

[7]崔媛媛,王建琼,卢涛.基于非对称信息结构的证券市场资产价格发现实证研究[J].系统工程,2009(4):18-23.

股价行为 篇2

关 键 词:开放式基金;波动性;线性回归分析

一引言

随着我国证券市场的发展，管理层为了促进市场理性投资，优化投资者结构，实施了超常规发展机构投资者的重要举措。在此背景下，我国在9月推出第一只开放式基金——华安创新。经过几年的发展，截至12月31日，我国开放式基金已达164只，其份额规模合计3897.86亿份。但由于中国股市本身固有的制度缺陷，信息的垄断性以及基金试点阶段的不规范性等因素，开放式基金的运作与预期的功能定位产生了一定程度的偏差，尤其是在开放式基金稳定市场方面引起了管理层新闻界和理论界的广泛关注与争论。

由于开放式基金作为一种市场行为主体，它并没有稳定市场的义务，因而我们不能从义务和责任的角度来探讨证券投资基金稳定市场的功能，而只能从其运作特点看它是否起到了稳定市场的作用。因此，本文试图在回顾相关理论分析和实证研究的基础上，主要从开放式基金的运作特点出发，就开放式基金的投资行为对股价波动及市场稳定的关系进行实证检验，以期深入认识开放式基金投资行为对个股股价波动的影响，为如何加快开放式基金改革，深化

开放式基金发展，提供一些建议。

二文献回顾

股票波动性是指股票价格围绕某一基准的双向反复振荡。一定的股价波动有利于市场活跃，但股价波动超过一定幅度则会产生负面效应。关于股价波动，学者们从不同的角度进行了细化研究。其中在机构投资者成为各国证券市场主体之后，关于机构投资者与股价波动的研究得到了充分发展，但机构投资者的交易行为究竟对股价波动产生何种影响却一直是一个有争议的问题。Delong，Shleifer， Summer and Waldmann(1990)曾指出，由于股票市场上存在正反馈交易者，使得理性投资者无法发挥原有稳定股价的功能，并且可能造成市场更加不稳定。另外，Nofsinger，John R和Richard W.Sias以1977到1991年纽约证券交易所(NYSE)的所有上市公司为样本，分析了股票的波动性与机构投资者持有比例的关系，认为在控制公司规模的情况下，机构投资者的持有比例与股票价格波动存在正相关性。而有些学者认为机构投资者多元化的投资策略会使单个股票的超额需求趋近于零，对股价的波动率影响不大。在国内，施东晖()通过实证分析发现，国内投资基金存在较严重的羊群行为，投资理念趋同，投资风格模糊，并且在一定程度上加剧了股价的波动。在我国开放式基金超常规发展的背景下，徐妍等()从定性和实证检验两个角度，对证券投资基金从整体上进行了研究，认为我国证券投资基金投资行为促进了市场波动性的下降，但同时指出基金巨大的资金进出对股价波动可能产生非正面影响。王春红()则对开放式基金对我国证券市场的效应进行了描述性分析，阐明开放式基金延长了股市的波动周期并增大了市场弹性。耿志明()在对开放式基金封闭式基金的制度结构及其市场效应进行比较分析的基础上，从理论上说明封闭式基金能够稳定市场，而开放式基金会增大中国股市运行周期的波动性。本文则试图从实证方面对此进行进一步的研究。

三实证分析过程

(一)数据说明与变量选择

为了实证分析开放式基金的投资行为对我国股票市场个股波动的影响，本文使用的数据来源于对基金每季度公布的投资组合的统计和分析。我国证券投资基金从第二季度开始每季度公布十大重仓股投资组合(即投资前10名的股票)，通过这些数据可以知道基金每季度重仓股的持有及变化情况。这些信息对于研究基金持股对股价波动的影响有一定的参考价值。因而，我们选取了基金每季度公布的十大重仓股为研究对象。我国第一只开放式基金于20诞生，为使研究结果更具说服力，本文以第一季度到第四季度为研究的时间跨度，并假设这些股票的买卖都是一次性完成(因为从目前情况来看，我们只能知道基金在固定时间所公布的投资组合，而无法详尽了解其间基金的交易详情)。为了保证数据的有效性，把基金通过一级市场申购新股而进入前十名的个股予以删除。

本文需要运用如下研究变量:

1.公司规模(Cap)。基金投资组合中重仓股股票在每季末的流通股股本数量。

2.基金持股比重(IO)。被基金重仓持有的股数占这些股票流通股股本的比例。

3.持有基金数目(IN)。同时持有同一重仓股股票的基金数目。

4.股价波动(Vol)。基金投资组合的重仓股在每季度中各交易日涨跌幅的方差。

(二)模型设计

价格波动是股市和整个经济中众多因素变动的集合点。股票的价格一方面反映了个股的内在价值，另一方面也是市场条件的直接标尺。在市场条件中，证券投资基金的投资行为作为重要的一方面，其对股票的供求关系和价格水平都会产生显著影响，进而引起股票价格的波动。

徐妍等(2004)在证券投资基金的投资行为与股价波动的实证研究中，采用模型:

ln(Volt)=α+β1ln(Capt)+β2(IOt)+εt

为了更好地把握证券投资基金在价格波动中的作用力度，本文在采用其模型的基础上对原模型进行了修正，在回归分析中，本文亦引入持有基金数目(IN)作为外生变量。此外，在实证研究中发现虽然本季度基金对个股持股比例对本季度个股股价波动的解释能力较差，却能较好地解释下季度个股股价波动，这可能与基金经理能够根据上市公司的季报及其他有关信息对下季度中的股价变化做出预测有关。因此，本文在实证研究中采用的IO为基金在本季度的个股持股比重， Vol为与之相对应的下季度个股股价波动的大小。经过上述修正，本文构建了如下模型:

ln(Volt+1)=α+β1 ln(Capt)+β2(IOt)+β3(INt)+εt

另外，本文对回归模型误差项的独立性进行Durbin-Watsons检验，发现其D值约等于2。这表明残差与外生变量相互独立，因而对回归模型的估计与假设所做出的结论具有一定的可靠性。

(三)实证分析的回归结果与分析

IO取开放式基金十大重仓股持股比重，用SPSS进行回归分析，回归结果见表1。

从表1的回归结果我们发现，β2的回归系数大部分为正，且比较显著。这说明开放式基金对个股的本期持股比重越高，该股票下期的波动越大，表明开放式基金在一定程度上加剧了个股的股价波动。

经过上述回归分析，可以确认在样本期内开放式基金在一定程度上加剧了个股股价的波动。下面对这一现象作进一步分析，讨论其可能的成因:

1.开放式基金起到“追涨杀跌”的作用。开放式基金有着特殊的运行机制，其发行的基金单位基金总额不封顶，投资者可以按基金的报价在规定的营业场所申购或赎回基金单位。当市场处于一个波段的上升时期时，往往会追加投资，基金的规模在短期内迅速增加，基金管理人必须在市场上扬的过程中为追加的资金寻找新的投资品种和机会，在客观上对大盘起到助涨的作用。一旦大盘进入调整期，投资者会产生基金净值损耗的预期，要求赎回基金，使基金管理人在短时间内面临大量赎回压力，被迫卖出部分流动资产，以应对赎回行为，这样基金管理人的投资行为将导致大盘加速下滑，起到助跌的作用。特别是在证券市场没有做空机制和风险对冲机制的情况下，基金管理人很难从容应付大盘的大幅波动，操作难度加大，其投资行为对市场波动的不利影响的可能性也增加。如图2，开放式基金资产配置中的持股比重与大盘走势基本同步。

2.短期投资行为较严重。我国的开放式基金的资产组合买卖频繁，如表2，从而在多方面改变了股票市场传统的波动方式。这主要是由于市场对开放式基金的激励机制着重于相对业绩的表现，基金管理人随时面临着投资者赎回的压力，基金资产不能充分运用，尤其是不能把全部资本都用来进行长期投资，增量资金的流入容易导致股票价格趋势未经必要的调整与换手即“一步到位”，只能增加投资频率，提高短期投资额比重和缩短投资周期。

3.我国的开放式基金遭巨额赎回。基金首次取得了加权平均净值增长达到20.27%的骄人业绩。但基金的好业绩，并没有使基金摆脱巨额赎回的命运，据统计，201月31日，19家基金旗下的77只基金公布了第四季度的投资组合公告，开放式基金再遭巨额赎回，甚至有的基金规模已经跌破2亿的设立下限。而且，根据Wind资讯20的统计显示，年第四季度开放式基金总体遭遇净赎回，所有基金总共被赎回了296.18亿份，总体赎回比例达7.17%。

目前市场中普遍存在投资者在基金净值上涨时赎回业绩好的基金，反而去购买净值较低的“便宜”基金。实际上，基金业绩差别体现了管理人的投资能力，业绩差的基金不会因为“便宜”就会有高的回报，除非它的管理人在投资能力上有所改善。这种赎回行为在一定程度上说明了投资者不理性的投资行为，不但抬高了投资成本，也降低了投资收益，有悖于基金长期投资的理念。这种不理性行为必然会在一定程度上加剧股价波动。另一方面，从开放式基金发展的外部投资环境看，可供选择的优质投资对象较少，许多上市公司的经营能力低下，甚至存在会计信息造假等欺诈行为，这在客观上促使开放式基金进行短期投资并选择相同的投资对象。

四政策建议

本文的实证结果表明，开放式基金在一定程度上加剧了股价的波动。但我们既要看到开放式基金加剧市场波动的一面，也要看到其增加股市流量资金活跃市场的一面。按照市场有效理论，在市场受到外来冲击而偏离其均衡位置时，其自平衡能力能使其逐步修复。开放式基金对市场波动的影响，只要能控制在一定的程度之内，都可以对市场产生积极的作用。为此，对于开放式基金的改革与发展提出以下政策建议:

1.完善开放式基金的投资运作的监管机制，加大基金的内部治理，健全基金立法，防止其操作行为对市场可能产生的巨大波动以及存在的其他负面影响，引导其活跃市场增加市场弹性的积极作用。

2.改变开放式基金的市场结构，加大市场竞争力度。政府对开放式基金的培育，不应只看重其数量和规模，更应该看重其结构质量，应在一定的数量和规模基础之上，以均衡的市场结构来实现其市场功能的有机整和。

3.维护市场的“生物多样化”与生态平衡。加快基金的产品创新，提高上市公司的整体素质，加快企业年金等长期投资主体的直接入市，改变广大投资者的投机心理，树立理性投资观念，提高金融市场的投资价值，使市场参与各方互为补充，相得益彰。

参考文献:

[1]姚尔强.股价波动的理论研究与实证分析[M].北京:经济科学出版社，2002:60-105.

[2]Delong，J.B.，Addrei Shleifer，Lawrence H.SummersandR.J. Waldmann.Noise Trader Risk in Financial Markets[J].Journal of Political Economy，1990，98， (4):703-738.

[3]Nofsinger，John R.and Richard W.Sias.Herding and Feedback Trading by Institutional and Individual Investors[J].Journal of Fi-nance，1999，54，(6):2263-2295.

[4]施东晖.证券投资基金交易行为与市场影响实证分析[J].世界经济，2001，(10):26-31.

[5]徐妍，林捷，裘孝锋.证券投资基金投资行为对市场影响研究——深圳交易所第六届会员单位研究成果[EB/OL].www.cninfo.com.cn/yjwk/yjwk.html，2004-03-04.

[6]王春红.开放式基金对我国证券市场的效应分析[J].齐鲁学刊，2004，(4):88-91.

[7]耿志民.中国机构投资者研究[M].北京:中国人民大学出版社，2002:77-103.

[8]段永辉，孙吉东.开放式基金与封闭式基金的交易成本与比较[J].陕西经贸学报，2002，15，(1):58-59.

股价行为 篇3

5月18日上市当天，Facebook股价多次接近38美元的发行价，但以摩根士丹利为首的33家承销商疯狂买入股票，避免破发。Level II股票报价系统显示，当天每当Facebook股价跌至38美元时，就有数百万Facebook股票买单。据路透社消息，摩根士丹利使用了绿鞋机制（Greenshoe），在最后20分钟的交易时间中动用近20亿美元资金购买Facebook股票。

绿鞋机制是国外股票发行时很常见的护盘方式，基本的操作模式是投行会向机构投资者额外发售不超过15%的股票，这部分资金在IPO完成后的30天内会留在投行的账户里，如果股价大跌，投行有义务用这些资金回购股票，让股价保持在合理的位置。

在Facebook上市后，投资银行的户头里应该有24亿美元的回购资金。但与其他公司情况不同的是，投资银行几乎在上市当天就花光了这笔资金，以阻止Facebook当天破发。投资银行为什么要在第一天就几乎把牌出尽呢？

保护核心产品 对于像美国这样成熟的资本市场，破发本来不是什么太严重的事情。但Facebook却是一个标志性的公司，它不仅是美国有史以来第三大的IPO，也是近期最重要的科技股。对目前的投资银行来说，科技股股票已经是其最核心的产品，为了保证核心产品的竞争力，投资银行肯定不愿意在这样一个标志性的IPO上出任何差错，而上市首日破发便是最糟糕的一种情况。

信心 对于Facebook的股价来说，信心是最重要的一个因素。因为所有现实的业绩和“理性”的预测，都难以支撑Facebook短期内在38美元的发行价基础上有大的提升。Facebook是一只确定性很差的股票，它既可能估值翻番，又可能大幅缩水，全取决于未来数年它能否将庞大的社交关系变现成足够的收入规模。要维持和鼓动这种信心，最好的选择就是上市第一天就让投资者疯狂起来，否则一旦冷静下来，投资者是很难再次疯狂起来的。

维系其他资产 投行同时持有多家社交概念网站的股份，如果Facebook上市首日破发，将会连累这些资产的缩水。如摩根士丹利目前同时是Zynga、Yelp、人人网、LinkedIn这几家社交概念上市公司排名前五的机构投资者。作为社交概念的代表性公司，如果Facebook的股价当天破发，对其他类似概念上市公司的股价会形成很大的打击。

如果Facebook的股价在最近一段时间继续大幅下跌，投资银行恐怕要做出一些改变了。自2004年Google公开上市以来，科技公司为投资银行提供了一种意想不到的股票—高估值高增长，投行可以把股票买一个天大的价钱，然后告诉投资者这种股票的未来收益是爆炸性的。Google以及众多的中国概念股似乎都印证了这种模式，于是投资银行开始了一段疯狂的好日子，以至于去年投资银行竟然将数家仍在亏损的中国高科技公司成功推销给投资者。

但并不是所有的科技公司都是Google，投资者也不总是傻子，如今越来越少的科技公司可以支撑如此之高的估值。去年以来，在美国上市的中国概念股，包括优酷、土豆、人人、当当等，几乎都跌破了发行价。如今，投行的游戏越玩越大，连Facebook这样的好公司都难以打动投资者了。

对投资银行来说，脱离实际的财务预测，向投资者销售风险太高的股票，这不是一种健康的商业模式，更像是借助概念让普通投资者承担风险投资家的功能。风险投资-华尔街投资银行，当它们的持有耐心不足的时候，或者它们急需获得回报的时候，普通投资者就被推向了巨大风险之中。资本市场泡沫在事后总是被归结为大众投资心理的非理性，但Facebook让我们清晰看到因果所在。即便大众迷狂，也有幕后推手，商业就是这样。

股价行为 篇4

中国股票市场自成立以来,为我国企业和经济的发展做出了突出的贡献,但随之而生的各种市场操纵行为却一直层出不穷,严重影响了我国股市的健康有序发展,对广大投资者造成了严重的损失。因此,如何有效地对股价操纵行为进行监管,以遏制此类行为的发生,一直以来都是中国股市所面临的一个重要的议题。Allen和Gale在其论文中将市场操纵行为分为了基于行为的操纵、基于信息的操纵和基于交易的操纵三种形态,并通过构建模型验证了在一个全部由追逐自身利益最大化的理性个体所构成的市场中,操纵者是可以从基于交易的操纵行为中获利的[1]。对如何判别股价操纵行为,国内外众多学者做了大量的研究工作,如Aggarwal和Wu研究了美国市场上的操纵行为,发现被操纵股票的流动性、回报率和波动率与未被操纵的股票相比具有显著差异[2]。黄长青、陈伟忠和杜少剑对操纵特征和操纵效应进行了系统的实证研究,发现操纵主体、操纵客体以及操纵行为都具有明显特征,日平均超常成交量对操纵行为具有适时预警作用,日平均超常收益率对操纵行为具有事后检测作用,得到了庄股可能具有低Beta系数,股权集中度提高,价格(收益率)增加等特点[3]。

从基于案例的推理的角度来进行研究,以解决判别中“知识获取”这个难题,克服基于规则的推理系统“知识获取难”等弱点。

1基于案例的推理技术

1.1基于案例的推理的基本概念

基于案例的推理(CBR,Case-basedReasoning)一般是指利用过去问题的解来解决与之相似的新问题的过程。典型的基于案例的推理的例子有:一个汽车修理工在校正某一问题引擎时通过调用另一起与之相似的故障的解决方案来进行校正、一名律师基于判例来提出诉讼主张等。一个利用仿生学来进行设计的工程师就是将大自然看作一个提供问题解决方案的方案库。基于案例的推理是一种典型的类比推理。

1.2基于案例的推理的流程

按照AgnarAamodt和Enric Plaza的经典归纳[4],基于案例的推理的过程可以被归纳为4个步骤:

1.2.1检索(Retrieve)

给定一个目标问题,从案例库中检索出与解决该问题相关的案例。一个案例应该包含一个问题、该问题的解以及求解过程的阐释。

1.2.2复用(Reuse)

将从过往案例中得到的解映射于目标问题。如果需要的话,可能还需针对新问题对解进行调整。

1.2.3修正(Revise)

在将过往案例的解映射于目标问题后,在实践中(或通过仿真)对新问题的解进行验证,并在必要的时候予以修正。

1.2.4保留(Retain)

在解已经成功应用于目标问题后,将由此产生的经验作为新案例存储于案例库进行保留。

以上四个步骤可以简称为“4R”。一个新的问题通过“检索出一个或多个过往案例,用适用的方法对案例进行复用,在复用过往案例的基础上修正问题的解,并将新的求解经验融入现有案例库进行知识的存储保留”这四步来得以解决,这个过程可以形象地用“CBR循环”(见图1)表示。

2基于案例推理的股价操纵行为判别系统设计

2.1 系统工作流程

系统工作流程图如图2所示,其具体步骤如下:①将目标问题按照特定的形式进行表示,以方便检索。②依据检索算法从案例库中检索相似案例及其解,并判断解是否可行。如果可行则进入④,否则进入③。③补充新的约束或条件,返回②;或者修改相应的解,得到新的可行解,继续下一步。④将可行解应用于目标问题的判别,给出是否操纵、以何种手段操纵的判别结果。若对该判别结果不满意,则返回③,对解进行进一步修改;若满意,则继续下一步。⑤目标问题和判别结果一起组成新案例,与从案例库中检索出的匹配案例进行比较,观察相似度。若相似度≥α(入库阈值),表明新案例与已有案例相似度过高,存在信息冗余,案例推理到此结束;若相似度<α,则将新案例学习后入库,丰富案例库知识。

2.2 案例库的构建

2.2.1 股价操纵案例的来源

本系统中所采用的案例均来自于中国股票市场上被公开披露和处罚过的股价操纵案,通过查阅中国证监会网站、北大法律信息网以及一些相关文献[5,6]获得。共计有股价操纵案39起,涉及股票69只(次)。

2.2.2 股价操纵案例的表示

对股价操纵案例进行表示就要首先对案例进行指标属性的抽取和解决方案的提供。

在案例的指标属性抽取上,需要从股价操纵案例的所有属性中抽取对股价操纵判别具有影响的属性作为评价指标,并根据其影响的显著程度设定每个指标属性的影响权重。

本系统从价量和风险两个角度分别抽取了收益率、超额收益率、成交量、成交额、换手率和波动率六个指标作为案例的指标属性,随后运用SPSS统计分析软件,将所选取的被操纵股票的历史交易数据按照“是否处于操纵期内”分为“被操纵阶段”和“未被操纵阶段”两块,然后以“是否被操纵”作为因变量、上述的收益率等六个指标作为自变量进行二值Logistic回归(回归前数据已通过标准0-1变换做过归一化处理,以去除量纲化),根据最终得到的回归方程中各个指标回归系数的大小确定每个指标的影响强度,并以此为依据设定每个指标属性的影响权重(为确保后续案例相似度的范围在0～1之间,指标权重总和为1)。最终得到的指标属性及其权重如表1所示。

在解决方案的提供上,主要依据证监会的处罚公告以及相关研究中的陈述,给出每个案例的判定结果,作为案例的解。依据《刑法》和《证券法》的相关规定,本系统中案例的解、即操纵行为判定结果分别有“连续买卖”、“自买自卖”、“相互委托”和“其他手段”四种。根据目前的操纵案例统计,“其他手段”均是靠“频繁申报和撤销”进行的。

在确定了案例的指标属性与权重和解决方案之后,就可以构建案例库了。本系统案例库中表示案例基本信息、指标属性和解决方案的表2-表4所示。

2.3 案例检索算法

案例检索算法是基于案例的推理系统的核心。案例检索的目标是以最可能快的速度从案例库中找到与待求解问题相同或最相似的案例集合。常用的检索算法有K最近邻法、归纳推理法和知识引导法。本系统中,检索算法采用的是目前最为流行的K最近邻法,通过计算案例库中案例与目标问题之间的相似度来检索出与目标问题最相似的案例,其计算如式(1)。

$s{}_{\text{Ι}\text{R}}=\frac{{\displaystyle \sum _{i=1}^n\omega }{}_i\text{s}\text{i}\text{m}(f{}_i^{{\rm I}},F{}_i^R)}{{\displaystyle \sum _{i=1}^n\omega }{}_i}(1)$

式(1)中,SIR表示案例I和案例R的相似度,ωi表示第i个指标属性在整个案例指标属性集合中所占的权重,sim()为指标属性相似度计算公式;f${}_i^{{\rm I}}$和f${}_i^R$分别表示案例I和案例R的第i个指标属性的值,n为描述案例所需要的指标属性的数量。

至于每个指标属性的相似度计算公式,则依据指标属性的特点可以对应地分为四类,即确定数属性(crisp numeric, CN)、确定符号属性(crisp symbolic, CS)、模糊概念属性(fuzzy linguistic, FL)、模糊数或模糊区间属性(fuzzy numeric, fuzzy interval, FNI)。

由于本系统所选取的六个判别指标属性均为确定数属性,因此,指标属性的相似度只需参照确定数属性的计算方法进行。常见的确定数属性相似度算法有绝对值距离、欧式距离、麦考斯基距离、海明距离、加权海明距离等。本系统将采用海明距离作为此类指标属性的相似度计算方法,计算公式为:

$\text{s}\text{i}\text{m}(f{}_i^{{\rm I}}-f{}_i^R)=1-\frac{|f{}_i^{{\rm I}}-f{}_i^R|}{|\max (f{}_i)-\min (f{}_i)|}(3)$

式(3)中,I和R分别表示目标案例和源案例,max(fi)和min(fi)分别代表案例第i个指标属性的最大值和最小值。

2.4 案例的修正和学习

在基于案例推理的股价操纵行为判别系统中,案例的修正的主要作用是:适当调节在检索操作中获得的最佳子案例的求解方案,使之适合于求解的当前问题。案例的修正和学习往往与特定的领域密切相关,需要借助特定领域专家知识来解决。

而无论是否经过修正,只要最终的解在源问题的判别上具有良好的效果,就可以将源问题的描述结合推荐解作为一则新案例通过学习入库。

在入库标准的判别上,本系统采用“阈值控制法”——通过设定入库阈值α来判定。若新案例和从案例库中检索出的匹配案例的相似度≥α,则新案例和已有案例的相似度过高,存在信息冗余,不予入库;若相似度<α,则新案例具有独特代表性,通过案例学习后入库,形成了对问题求解能力的扩充。本系统中,入库阈值α设定为0.9。

3 检索算法的程序实现

基于案例推理的股价操纵行为判别系统主要采用目前十分成熟的技术来实现。在核心检索算法的程序实现上,采用数据库结构化查询语言SQL(Structured Query Language)来实现。

3.1 案例检索算法的实现

在得到每个指标属性的相似度(分别用Sim_Idx_1～Sim_Idx_N来表示)之后,可以结合每个指标属性的权重(分别用w1～wN来表示)用如下SQL语言生成案例相似度,并结合每个案例的解决方案,以相似度从大到小的次序进行展现:

SELECT a.Case_ID, (a. Sim_Idx_1 * b.w1 + … + a. Sim_Idx_N * b.wN) AS Simularity, c.Solutions, C.Remarks

FROM AttributeSimTable a,

WeightTable b,

SolutionTable c

WHERE a. Case_ID = c. Case_ID

ORDER BY Simularity DESC

其中,AttributeSimTable、WeightTable和SolutionTable分别代表指标属性相似度结果表、指标属性权重表和解决方案表。

3.2 指标属性相似度算法的实现

为了计算案例间的相似度,就要首先计算各个指标属性之间的相似度,得到指标属性相似度结果表。指标属性(用Idx_1～N来表示)相似度计算的SQL实现代码如下:

SELECT DISTINCT b. Case_ID,

1 - abs(a.Idx_1 - b. Idx_1)/((SELECT max([Idx_1]) FROM CaseTable) - (SELECT min([Idx_1]) FROM CaseTable)) AS Sim_Idx_1,

…

1 - abs(a.Idx_N - b. Idx_N)/((SELECT max([Idx_N]) FROM CaseTable) - (SELECT min([Idx_N]) FROM CaseTable)) AS Sim_Idx_N

INTO AttributeSimTable

FROM

(SELECT * FROM CaseTable WHERE ID = '0000') a,

(SELECT * FROM CaseTable WHERE ID <> '0000') b

其中,CaseTable代表案例指标属性表,表中Case_ID为“0000”表示该案例是待解决的目标问题;其余Case_ID值表示案例库中已存在案例的案例编号。上述代码执行后可以生成指标属性相似度结果表AttributeTable。

4 结束语

本文将基于案例的推理技术引入到股价操纵行为的判别领域,设计了一个基于案例推理的股价操纵行为判别系统,建立了判别模型,并针对中国股市被公开披露和处罚的股价操纵案例建立了案例库,从价量和风险的角度从案例属性集中选取了收益率等六个属性作为判别指标属性,并通过二值Logistic回归分析确立了指标影响权重,随后在此基础上明确了案例的检索算法,并根据案例指标属性的类型建立了属性相似度算法,然后应用SQL语言在数据库中对检索算法做了程序实现。同时,系统还设计了“阈值控制法”来维护案例库,以保证案例库的代表性并降低信息冗余度。以往对股价操纵行为的判别大多是基于规则的推理,基于案例推理的股价操纵行为判别系统的提出为今后股价操纵行为的判别提供了一个新的方向。

参考文献

[1] Allen F,Gale D.Stock price manipulation.Review of FinancialStudies,1992;5:503—529

[2] Rajesh A K,Wu Guojun.Stock market manipulation-theory and evi-dence.MITWorking Paper.2003

[3]黄长青,陈伟忠,杜少剑.我国证券市场股价操纵的实证研究.同济大学学报,2004;(9):1234—1238

[4] Aamodt A,Plaza E.Case-based reasoning:foundational issues,methodological variations,and system approaches.AI Communica-tions,1994;7(1):39—52

[5]向中兴.中国股票市场价格操纵问题研究.四川大学学位论文,2006

[6]陆蓉,陈小琳.股票操纵行为市场表现及其判别研究.证券市场导报,2009;(04):65—72

股价行为 篇5

为了弥补上述不足, 本文引入超额需求指标, 从股票交易量方面对基金羊群行为进行刻画, 按股价表现和季度分组分别对超额需求度进行实证, 并分析了基金交易的反馈策略及超额需求与股价变化的关系。

一、基金交易量的超额需求

基金羊群行为对股价的影响, 主要是通过考察基金交易量的超额需求实现的, Wermers (1999) 首先提出了反映基金超额需求的指标。设Vit为t季度基金对股票i的超额需求度, 定义如下

其中, Vbit为t季度内所有基金买入股票i的数量 (按季初和季末持股数差异计算) , Vsit为t季度内所有基金卖出股票i的数量。

“超额需求度”指标从交易量角度刻画了基金的羊群行为特征, 它克服了单从交易基金个数衡量羊群行为的缺陷, 且能很好地反映股价变化关系, 因而可利用这个指标分析羊群行为对股价的影响。

为了分析整体和单边羊群行为对股价的影响, 这里对超额需求度作一些引申, 把它区分为整体超额需求度、买方超额需求度和卖方超额需求度, 分别用符号|Vit|、BVit、SVit、表示, 定义如下

其中|Vit|、BVit、SVit表示的是基金对某股票的实际交易量超出正常交易量 (不存在羊群行为下的交易量) 的比例。以BVit为例, 若BVit=0.25, 则意味着如果在某一时期被基金交易的某种股票数量为100万股, 则有62.5万股被基金买入而有37.5万股被卖出 (用简单算式可求出) 。或者更一般地解释为, 在时期t内对于股票i, 如果有100万股的数量被基金交易, 那么相比于相互独立随机交易情况下所期望的同向交易的股票数量, 大约多出25万股沿相同方向交易。

以一个季度中同时被4个以上 (包含4个) 基金同时持有的股票为遴选对象, 本文从“金融界网”和“金融研究数据库”选取2011年第四季度至2012年第四季度的数据作为样本, 通过对基金每个季度发布的投资组合资料进行整理、归纳, 样本中共有130只股票和75只基金。分基金整体行为、买方行为、卖方行为来考察对应的超额需求度, 得到数据如下表1

从超额需求度平均值看, 基金的股票交易量整体上有26.35%是偏向同一方向的, 即意味着羊群行为总体上是显著的;买方超额需求度明显大于卖方超额需求度, 即显示买方羊群行为比卖方羊群行为更严重。但不管是整体超额需求度, 还是买卖超额需求度, 其标准差都明显偏大, 这说明只用超额需求度指标去度量羊群行为会产生较大的偏差。因此, 在分析羊群行为存在程度时, 要基金个数和股票交易量同时结合。

二、超额需求与基金反馈策略

反馈交易策略通常分为正反馈和负反馈策略, 正反馈交易策略是买入近来表现好的股票, 卖出近来表现差的股票;负反馈交易策略则相反, 买入价值被低估的股票, 卖出价值被高估的股票。一般认为, 正反馈交易策略会导致股价的波动, 而负反馈交易策略则会促进股价对信息的吸收, 有利于股市的长期稳定。对我国基金是否存在反馈策略, 可利用交易量的超额需求进行分析。对五个季度的样本作统计, 有如下结果表2

注:*表示V值在5%置信水平下显著异于零。

从表2中可发现, 上季度表现较差和较好的股票超额需求度V的绝对值都较大, 达到31%以上, 而上季度表现一般的股票超额需求度只有1.25%。根据V值意义可知, 对上季度表现较差的股票交易时基金的净卖出量占总交易量的31.13%, 市场表现为卖方羊群行为;而对上季度表现较好的股票交易时基金的净买入量占总交易量的33.31%, 市场表现为买方羊群行为。基金交易的总体特征表现为追涨杀跌, 基金的交易行为遵循典型的正反馈策略。过多的基金采取正反馈交易策略, 这是导致我国股市不稳定的重要因素。

三、超额需求对股价的影响

从实现方式看, 基金羊群行为对股价的影响是通过交易量的超额需求实现的。为此, 根据V指标值的正负将样本股票划分为两个组别, 分别计算它们在组合变化季度和下一季度的涨跌幅度。根据考察的需要, 选取的股票应该在相邻的两个季度同时出现, 对样本进行遴选, 符合要求的样本股票共有40个。分别对V<0和V>0两组的组合变化季度和下一季度的涨跌幅进行计算, 结果如下

从表3可看出, 对于基金卖出数量大于买入数量的股票组别 (即V<0) , 组合变化季度股价平均下跌6.61%, 下一季度则下跌4.21%;与之对比, 对于基金买入数量大于卖出数量的股票组别 (即V>0) , 组合变化季度股价平均上涨7.89%, 下一季度上涨5.59%。对其原因分析, 当V<0, 即此时市场表现为卖方羊群行为时, 由于基金大量抛售手中的股票, 从而导致当季度股价下跌, 并且在基金普遍采取正反馈的交易策略下, 下季度市场仍然表现为卖方羊群行为, 股价再次下跌, 但跌幅比上季度略有减轻。反过来, 当V>0时, 市场表现为买方羊群行为, 基金大量购入股票, 导致当季度股价上升, 在正反馈策略下, 下季度还是表现为买方强势, 股价继续上涨, 但涨幅比上季度有所减小。

以上分析可知, 尽管羊群行为对市场稳定在整体上是起到破坏作用, 但它在一定程度上也有利于股价对新信息的吸收。基金在追涨杀跌的正反馈操作过程中, 随着对市场信息的了解, 其交易的羊群行为表现得越来越弱。

四、结论

通过对超额需求度的实证分析可看出, 我国证券投资基金羊群行为是显著存

在的, 且买方羊群行为比卖方羊群行为严重。上季度表现较好的或较差的股票, 超额需求度都比较大, 但方向相反, 即意味基金在进行股票交易时遵循正反馈交易策略。当超额需求度为负值时, 组合变化季度股价下跌, 在正反馈交易策略下, 下季度股价继续下跌, 但跌幅减小;当超额需求度为正值时, 组合变化季度股价上升, 在正反馈交易策略下, 下季度股价继续上升, 但涨幅减小。羊群行为随着股价对市场信息的吸收会逐渐减弱。

参考文献

[1]Keynes, John M.The General Theory of Employment, Interest and Money[M].Macmillan Landon, 1936.

[2]Wermers, R. (1999) .Mutual Fund Herding and the Impact on Stock Prices[J].Journal of Finance, Vol.54, 581-623.

[3]Lakonishok.J, Shleifer.A.and Vishny, R. (1992) .The Impact of Institutional Trading on Stock Prices[J].Journal of Financial Economics, Vol.32, pp.23!50.

[4]施东晖.证券投资基金的交易行为及其市场影响[J].世界经济, 2001 (10)

[5]宋军.证券市场中的羊群行为研究[M].上海复旦大学出版社, 2006.6, 14-18.

[6]伍旭川, 何鹏.中国开放式基金羊群行为分析[J].金融研究, 2005 (5)

[7]张羽, 李黎.证券投资基金交易行为及其对股价的影响[J].管理科学.2005 (8)

股价行为 篇6

关键词：限售股,股价效应,盈余管理

1 研究背景

2005年4月29日, 中国证监会发布了《关于上市公司股权分置改革试点有关问题的通知》, 该“通知”标志着我国股权分置改革的正式启动。按照证监会的规定, 股改后的公司原非流通股股份的出售, 应当遵守“锁一爬二进三”的规定, 也就是有一至三年的限售期限, 当限售期限到期时, 这部分限售股份面临解禁。

自2006年6月19日首只股票解禁以来, 国内对限售股解禁导致的股价反应进行了多方面的研究。金易 (2009) 利用事件研究法分析了2006到2008年限售股解禁后的市场反应, 发现2006解禁后股价上扬, 而2007、2008两年解禁后股价下跌。黄张凯、赵龙凯和祖国鹏 (2010) 研究了1004家公司限售股解禁的股价效应, 认为-3至0天的累积异常收益为-1.58%。赵自兵、陈金明和卫新江 (2010) 研究得出-8到2天的平均累计异常收益率为-2.3%, 并且在之后的两个没有出现反弹。这些研究都表明限售股解禁对企业来说是利空消息, 引起股价的下跌。

然而, 蔡宁和魏明海 (2009) 研究了“大小非”减持中的盈余管理行为, 发现在限售股解禁或减持前的一个季度, 公司有显著的正向可操控应计, 公司的股价表现也与盈余管理的程度显著正相关。这些发现提供了一定证据, 限售股解禁前后我国资本市场确实存在盈余管理行为, 并且这种盈余管理行为能够为市场发现, 表现为正的股价波动。Chih-Jen和Chung-Gee (2007) 、Greenwood (2009) 分别利用台湾和日本的数据得出了相似的结论。

于是, 本文发现两者之间存在一定的冲突:解禁是利空消息, 带来股价下跌, 而解禁前的盈余管理是正向的, 目的是带来股价的上升。那么在限售股解禁时, 投资者们是否需要考虑企业盈余管理程度, 再决定自己的投资呢?这是本文研究的目的。

鉴于此, 本文提出以下假设:

假设1:限售股解禁对解禁前后几日股价有显著的负面影响。

假设2:限售股解禁前后, 企业有明显的盈余管理行为。

假设3a:限售股解禁前后的盈余管理行为对股价效应有显著影响。

假设3b:限售股解禁前后的盈余管理行为对股价效应无显著影响。

2 实证研究

本文选取了沪深两市2009年到2011年10月的A股公司为样本。季度财务报表数据取自国泰安金融数据库。限售股解禁时间取自同花顺机构F10数据面面观。剔除36家金融类上市公司和数据缺失样本后, 本文得到1822个企业, 2929个样本进行研究。本文的数据处理使用EXCEL以及STATA软件完成。

为了检验盈余管理程度对解禁的股价效应产生的影响, 本文在借鉴范小云和邵新建 (2011) 研究的基础上, 对回归模型做了一定修正, 得到的模型如下:

CARi=α0+α1Year+α2Markettype+α3Lockuptype+α4ROAi+α5Sizei+α6BMi+α7Lockupi+α8Govermenti+α9Volatilityi+α10DAi, -1+εi

其中, 被解释变量CARi为i公司的累积异常报酬率, 代表股价的异常波动水平。本文利用事件研究法计算CARi, 将事件日定为第0天, 选[-60, -10) 为事件估计窗口, 随后的[-10, 10]为事件窗口。具体计算方法参考赵自兵、陈金明和卫新江 (2010) 和金易 (2009) 的论文。

解释变量DAi, -1为i公司于解禁期前一季度的操纵性应计, 代表的是盈余管理的程度。本文采用应计利润分离法来计算盈余管理的规模。夏立军 (2003) 利用中国股市2000年度的财务报告数据对多个应计利润分离模型进行了比较。研究发现分行业估计并且采用营业性总应计作为因变量的基本Jones模型和调整的KS模型最能有效地揭示出高管盈余管理的程度。因此, 本文以营业性总应计作为因变量, 以行业截面数据来估计行业特征参数, 最终分离出营业性操控应计。而在非营业性操控利润的估计上, 本文借鉴张国清、夏立军和方轶强 (2006) 的计算方法。以非营业性利润的行业平均值作为非营业性非操控利润, 而非营业性操控利润为其与各公司实际非营业性利润之差。最后, 本文得出的操控性应计 (DA) 为营业性操控应计与非营业性操控利润二者之和。

本文参考了蔡宁、魏明海 (2009) 以及范小云和邵新建 (2011) 的研究选取了年度变量 (Year) 、市场类型 (Markettype) 、限售股类型 (lockuptype) 、总资产收益率 (ROA) 、企业规模 (Size) 、账市比 (BM) 、解禁数量占股本的比例 (Lockup) 、政府控股权 (Government) 、套利风险 (Volatility) 作为控制变量。年度变量和市场类型变量控制年度特征和市场特征;限售股类型控制研究主体的区别;总资产收益率控制企业的赢利能力;企业规模控制企业的规模效应;账市比控制企业的成长性, 因为高成长的企业股东减持的可能性会较小, 对股价的影响也越小;解禁数量占股本的比例控制解禁的规模, 解禁规模越大股票供给的增加可能会越多, 影响股价效应;政府控股权控制企业的控股人性质, 当实际控股者为政府时, 考虑到保持上市公司的控股权对我国的积极意义, 股东大规模减持的可能性较小;套利风险控制的是企业的风险水平, 企业的风险越大, 股东乘机减持的可能性越大。具体变量定义见表1。

3 结论

图1列示了限售股解禁样本的股价效应状况, 解禁前后企业的股价表现为异常地负向波动, 与前人的研究相似。另外, 对日平均异常收益率 (AAR) 的均值T检验结果表明, AAR在解禁日为正, 但统计上不显著, 而在解禁前后的5日, AAR在统计上是显著为负的。研究结果支持假设1。

图2显示了解禁前后, 企业盈余管理的程度。解禁前一季度、解禁季度以及解禁后两季度, 企业都有正向的操纵性应计, 并且DA的均值T检验结果都显著。这表明, 限售股解禁前后, 企业确实进行了盈余管理, 这与前面提到的蔡宁和魏明海 (2009) 的研究结论一致。研究结果支持假设2。

回归分析的结果如表2所示。

**、***分别表示在0.1、0.05、0.01水平以下统计显著。

实证结果表明解禁前一季度的盈余管理与解禁前后的累计异常报酬率正相关, 但是统计上并不显著。另外, 将盈余管理水平最高的100个样本与盈余管理水平最低的100个样本的进行T检验均值比较, 虽然在平均水平上前者会高于后者, 但是统计也不显著。这说明解禁前一季度的盈余管理并不会对解禁前后几天的股价产生显著影响, 支持假设3b。

因此, 本文得出结论, 解禁事件总的来说使得解禁日附近股价下跌, 并不会因为解禁前的盈余管理而上升。投资者在解禁前后进行短期投资时, 可以忽略企业盈余管理的影响。

虽然盈余管理不影响解禁前后几日的股价波动, 但我们不能忽略盈余管理对解禁前后较长一段时间股价的影响。蔡宁和魏明海 (2009) 的研究表明盈余管理的程度与相应季度期间公司股票的市场表现显著正相关。这提醒了广大投资者, 解禁前后一段较长的时间, 都会有股价的高估, 长期投资者需要谨慎。

参考文献

[1]蔡宁, 魏明海.“大小非”减持中的盈余管理[J].审计研究, 2009, (02) :40-49.

[2]陈汉文, 陈向民.证券价格的事件性反应——方法、背景和基于中国证券市场的应用[J].经济研究, 2002, (01) :40-47, 95.

[3]范小云, 邵新建.解禁“大小非”的市场效应分析[J].南开大学经济学院金融学系工作论文, 2011.

[4]黄张凯, 赵龙凯, 祖国鹏.限售股解禁的价格效应研究[J].金融研究, 2010, (09) :123-143.

[5]金易.限售股解禁流通的市场反应及因素分析[D].上海交通大学, 2009.