張 普，鄒 鑫

根據(jù)投資者對股票市場的信息掌握程度，可以將股票交易者分為知情型和不知情。知情交易者指的是指能全面準確地掌握市場信息，且具有較強的金融信息分析能力的投資者，典型的如證券分析師、機構(gòu)投資者、內(nèi)部人等；不知情交易者不了解相關(guān)尚未公開公布的價格變動信息或者影響價格因素的變動信息，其交易行為主要源于自身的流動性需求[1]。

信息不對稱不僅導(dǎo)致了不知情交易者在市場博弈中力不從心，而且導(dǎo)致眾多知情交易者為了利益鋌而走險。多年來，世界各國監(jiān)管部門始終把內(nèi)幕交易行為列為重點關(guān)注和打擊對象。信息不對稱水平對市場微觀結(jié)構(gòu)的影響也始終是學(xué)界關(guān)注的重點領(lǐng)域之一。隨著近些年高頻數(shù)據(jù)使用的不斷完善，采用高頻交易數(shù)據(jù)實時地估計知情交易概率，可以從定量的角度研究知情交易對股票市場總體變化的影響。

不同于前人普遍關(guān)注信息不對稱對股票流動性的影響，關(guān)注股票的價差、活躍度、收益率等特征與知情交易概率之間的關(guān)系，本文同時對股票交易的流動性、波動性特征與知情交易概率之間的關(guān)系進行研究，多角度地分析信息不對稱對市場微觀結(jié)構(gòu)的影響。對于我國尚不成熟的證券市場而言，這一問題的研究顯然有利于進一步完善市場監(jiān)管，提高監(jiān)管效率，并促進上市公司治理結(jié)構(gòu)的全面優(yōu)化。

一、文獻回顧

(一)知情交易概率的研究

最早研究對知情交易的度量一般采用買賣價差、成交量等間接指標，但是這些指標無法對知情交易做出準確度量。直到1996年，David H Easley等[2]提出EKOP模型，設(shè)立知情交易概率PIN值作為對知情交易進行度量的直接指標。EKOP模型的提出突破了信息不對稱研究的瓶頸，在股票市場信息不對稱研究領(lǐng)域具有巨大意義和價值，其后出現(xiàn)的信息不對稱度量模型多數(shù)是在EKOP模型的基礎(chǔ)上進行改進和演化的。

關(guān)于知情交易概率的研究方向主要包括以下幾個方面：一是關(guān)注公司股票的某些特征和知情交易概率之間的關(guān)系。彭益等[3]基于過往研究，對股價信息含量和知情交易概率之間的關(guān)系進行了研究，發(fā)現(xiàn)兩者表現(xiàn)為正相關(guān)關(guān)系。韓立巖等[4]基于EKOP模型研究滬市股票知情交易概率的特征，同時檢驗了知情交易概率的風險定價水平。二是關(guān)注知情交易和公司特征之間的關(guān)系。雷志威等[5]通過研究高管持股比例和知情交易概率的關(guān)系，發(fā)現(xiàn)信息不對稱與中國上市公司現(xiàn)金持有價值呈顯著負相關(guān)。王憲振[6]利用知情交易概率來衡量交易市場的信息不對稱性，通過實證檢驗審計師聲譽與信息不對稱的關(guān)系，揭示審計師聲譽對于投資者的信息價值。三是關(guān)注金融市場中知情交易概率的應(yīng)用。安實等[7]在傳統(tǒng)Ekop模型基礎(chǔ)上構(gòu)建了適合指令驅(qū)動市場的信息模型，考察了知情交易概率在指令驅(qū)動市場的應(yīng)用情況。杜曉芬[8]通過選取不同的時段變量、事件變量和財務(wù)指標變量，對知情交易概率在內(nèi)幕交易監(jiān)管中的應(yīng)用進行了研究。尹康[9]參考EM算法重新設(shè)計EKOP模型，得出在EM算法的基礎(chǔ)上形成的知情交易概率估計值。

(二)信息不對稱與股票市場流動性的關(guān)系

Robert M.Bushman等[10]基于信息傳遞理論，認為提升信息披露水平能夠緩解市場上信息不足的癥狀，扭轉(zhuǎn)交易雙方的信息不對稱的局面，加快資本市場的流通速度。蔡傳里等[11]研究發(fā)現(xiàn)，企業(yè)信息的公開度、透明度對股票流動性起一定作用，透明度越高，股票價格更趨向于穩(wěn)定，流動性越理想。王冰等[12]研究發(fā)現(xiàn)，企業(yè)運用微信等新興方式披露公告數(shù)據(jù)的做法，控制了信息不對稱水平，對于提升換手率等流動性指標具有積極作用。

(三)信息不對稱與股票市場波動性的關(guān)系

Nathanicel C.Nwezeaku等[13]研究了尼日利亞金融體系中股市波動與信息不對稱之間的關(guān)系，結(jié)果發(fā)現(xiàn)，信息不對稱增加了市場的波動性。陳潔等[14]基于EKOP以及面板數(shù)據(jù)回歸模型，對2008年股市暴跌與知情交易概率之間的關(guān)系進行探究，研究結(jié)果發(fā)現(xiàn)暴跌的概率與知情交易者占比呈顯著負相關(guān)關(guān)系。

二、研究設(shè)計

(一)樣本及數(shù)據(jù)來源

樣本數(shù)據(jù)來源于2015年1月1日至2017年12月31日期間的上證180指數(shù)。其中，高頻交易數(shù)據(jù)、日頻率數(shù)據(jù)以及財務(wù)指標分別來源于大智慧L2行情數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫。樣本篩選規(guī)則如下：第一，剔除2015—2017年調(diào)進與調(diào)出的股票，構(gòu)成平衡面板數(shù)據(jù)。第二，剔除金融類上市公司。第三，剔除兩年中任一季度未滿30個交易日的股票。第四，剔除缺失財務(wù)數(shù)據(jù)的股票。經(jīng)過篩選，共獲得50只股票作為有效研究樣本。為了與上市公司季報的時間相匹配，獲得相應(yīng)的財務(wù)數(shù)據(jù)，選取了季度作為研究時間單位。一個季度的時間相對較短，可以近似認為模型參數(shù)和知情交易概率在這個時間段中不發(fā)生變化，因此，數(shù)據(jù)穩(wěn)定性較好。

(二)知情交易概率的度量

沿用David U Easley等[2]的假設(shè)，EKOP模型中有知情和不知情兩種類型的交易者，前者掌握真實信息與價格變化，后者未掌握相關(guān)信息，交易行為完全出于流動需求。設(shè)定某個交易日，不知情交易者買入行為和賣出行為均服從泊松分布，參數(shù)分別為lb、ls；不同于不知情交易者的流動需求，知情交易者的買入和賣出行為依賴在自身掌握的信息的基礎(chǔ)上進行的利空和利好判斷，且知情交易者買入行為和賣出行為也服從泊松分布，期望值為m。

參考安實等[7]的研究，假設(shè)資產(chǎn)價格事件信息發(fā)生概率為a，該事件對應(yīng)的利空概率為b，利好概率是1-b，則：無信息事件發(fā)生時，交易總筆數(shù)為(1-a)(lb+ls), 其中知情交易為0；有利好的信息發(fā)生時，交易總筆數(shù)為a(1-b)(lb+ls+m)，其中知情交易為a(1-b)m；有利空的信息發(fā)生時，交易總筆數(shù)為ab(lb+ls+m), 其中知情交易為abm。無信息事件、有利好信息事件以及利空信息事件三者互不相容，并存在于同一個事件組，所以單個交易日t內(nèi)交易的總筆數(shù)為(1-a)(lb+ls)+a(1-b)(lb+ls+m)+ab(lb+ls+m)=lb+ls+am。根據(jù)知情交易率PIN的定義，PIN值表達式為

(1)

(三)股票波動率指標的計算

以股票的季度價格波動作為股票波動率的代理變量，這里用股票每一季度日收益率的標準差表示[15]，則收益率計算公式為rt=[lnPt-lnPt-1]×100。

(四)面板數(shù)據(jù)回歸模型

基于PIN值和股票價格波動率的測算結(jié)果，進一步探究PIN值和換手率、PIN值和股票價格波動之間的關(guān)系。

以股票換手率作為流動性的代理變量(被解釋變量)，參考國內(nèi)外現(xiàn)有文獻[16]，建立模型1：

(2)

式中，Turnoverit(i=1,2,3，…,50；t=1,2,3，…,12)為個股i在季度t的換手率，Controlij(j=1,2,3，…,6)分別代表資產(chǎn)負債率、市盈率、資產(chǎn)流動性、托賓Q值、公司規(guī)模、賬面市值比。b1、dj(j=1,2,3,…,6)分別為上述各影響因子對換手率的影響系數(shù)，eit為截距項。

以股票波動率作為被解釋變量，建立模型2：

(3)

式中，Volit(i=1,2,3,…,50；t=1,2,3,…,12)為個股i在季度t的波動率水平。

三、實證結(jié)果分析

(一)研究變量的描述性統(tǒng)計

相關(guān)變量的描述性統(tǒng)計結(jié)果見表1。vol均值為5.059 9，說明在我國股票市場上，股價波動現(xiàn)象比較普遍，股票市場波動性很大。pin均值為0.396 6，說明在委托單交易總量中，知情交易占有較高比重，信息不對稱情況嚴重。

(二) 面板數(shù)據(jù)單位根檢驗

為了驗證數(shù)據(jù)序列是否平穩(wěn)，避免偽回歸，選擇LLC檢驗和Fisher檢驗對所采集的樣本數(shù)據(jù)進行平穩(wěn)性驗證，結(jié)果見表2。在兩種檢驗中，各變量均能在1%的顯著性水平下拒絕變量存在一個單位根的原假設(shè)，即樣本數(shù)據(jù)為平穩(wěn)序列。

表3 面板數(shù)據(jù)回歸模型的選擇檢驗

檢驗方法模型1模型2F檢驗7.911)7.861)LM檢驗222.551)153.441)Hausman檢驗53.1881)7.82個體效應(yīng)的形式固定效應(yīng)隨機效應(yīng)

注：1)表示在1%水平下顯著。(三) 面板回歸模型選擇

通過F檢驗來對比混合OLS模型和固定效應(yīng)模型的優(yōu)劣，通過LM檢驗來對比隨機效應(yīng)模型與混合OLS模型的優(yōu)劣，通過Hausman檢驗來對比隨機效應(yīng)模型和固定效應(yīng)模型的優(yōu)劣，結(jié)果見表3。模型1中的被解釋變量換手率，主要解釋變量為知情交易概率PIN值。F檢驗值為7.91，檢驗得到的P值為0.000 0，在1%的水平上顯著。這表明與混合OLS模型相比較固定效應(yīng)模型更優(yōu)。LM檢驗值為222.55，檢驗得到的P值為0.000 0，在1%的水平上顯著，這就證明了與混合OLS模型相比。較隨機效應(yīng)模型更優(yōu)。最后通過Hausman檢驗來進行隨機效應(yīng)模型和固定效應(yīng)模型之間的優(yōu)劣對比，Hausman檢驗值為53.188，檢驗得到的P值為0.000 0，在1%的水平上顯著，由此證明了與隨機效應(yīng)模型相比較，固定效應(yīng)模型更優(yōu)，所以選擇最優(yōu)的固定效應(yīng)模型，估計計算方法采用最小二乘法；同理，可推出模型2選擇最優(yōu)的隨機效應(yīng)模型，估計計算方法仍采用最小二乘法。

(四)回歸結(jié)果與分析

采用固定效應(yīng)模型對模型1樣本數(shù)據(jù)進行回歸，采用隨機效應(yīng)模型對模型2樣本數(shù)據(jù)進行回歸，部分結(jié)果見表4。

表4 面板數(shù)據(jù)回歸結(jié)果

變量turnovervolpin-0.4193)0.4811)debt0.5823)1.1313)pe0.0803)-0.003liquid-0.1731)-0.9743)tobin0.0422)-0.2003)scale-0.025-0.025pa-0.2153)-0.1983)常數(shù)項0.7075.5303)R20.2570.206調(diào)整后R20.1810.017F統(tǒng)計量26.893)7.863)WALD統(tǒng)計量163.043)153.443)N600600

注：1)表示在10%顯著性水平下顯著，2)表示在5%顯著性水平下顯著，3)表示在1%顯著性水平下顯著，表5同。

1.知情交易概率值

解釋能力。模型1驗證了知情交易概率對股票流動性的影響，模型2驗證了知情交易概率對股票波動性的影響。結(jié)果顯示，兩個模型中，知情交易概率指標均可通過顯著性檢驗，但顯著性水平略有不同。其中，模型1中知情交易概率在0.01顯著性水平下顯著，模型2中知情交易概率指標在0.1的顯著性水平下顯著。這表明知情交易概率對股票流動性產(chǎn)生影響的可能性更大。

影響方向及程度。模型1的分析結(jié)果顯示，知情交易概率指標的回歸系數(shù)為負，表明知情交易概率值越大，股票流動性水平越小，二者之間存在顯著的負相關(guān)關(guān)系。也可以理解為：公司知情交易概率值越低，信息透明度越高，季換手率平均值越大，流動性越高。一方面，受到逆向選擇影響，知情交易者的參與會導(dǎo)致不知情交易者的投資損失，不知情交易者往往通過抬高交易價格來彌補損失，交易成本上升，股票流動性相應(yīng)下降；另一方面，由知情交易引發(fā)的市場操縱行為，也會對市場流動性造成傷害。

模型2的分析結(jié)果顯示，知情交易概率指標的回歸系數(shù)為正，表明隨著知情交易概率增大，股票波動水平會上升，二者之間存在顯著的正相關(guān)關(guān)系。也可以理解為：知情交易導(dǎo)致市場質(zhì)量下降，導(dǎo)致股票價格大幅度波動。一方面，信息對報酬預(yù)期產(chǎn)生影響，加劇交易過程的信息不對稱，引起股票價格變動；另一方面，內(nèi)幕交易基本都會伴隨操縱股價行為。由于缺乏做空機制，內(nèi)幕交易人一般通過劇烈拉抬股價來獲取更多的利潤，使得股價波動上升。

2.控制變量

面板數(shù)據(jù)分析顯示，以現(xiàn)金資產(chǎn)比為代理變量的資產(chǎn)流動性指標，在模型1和模型2中的回歸系數(shù)均顯著為負，這一結(jié)論表明隨著公司資產(chǎn)流動性的變化，股票的波動程度和流動性均反向變動。同樣變化的還有賬面市值比指標。賬面市值比較低的公司，成長性更高，所以波動性較高，換手率也較高。而資產(chǎn)負債率指標在兩個模型中的回歸系數(shù)均顯著為正，這個結(jié)論體現(xiàn)了高負債率公司具有較大的投資風險，但投資高風險公司有可能獲得較高的收益，因為投資者會通過收集與運用信息爭取超額回報。市盈率指標在模型1中與換手率顯著正相關(guān)，而在模型2中與波動率的相關(guān)性并不顯著。公司規(guī)模在兩個模型中均不太顯著，但不是說它對股價波動率和換手率沒有作用，只是在此模型中影響不顯著。

(五)穩(wěn)健性檢驗

為進一步驗證回歸結(jié)果的可靠性，利用面板數(shù)據(jù)回歸法，進行兩項穩(wěn)健性檢驗。第一，將公司規(guī)模lnvalue用lnasset替換，采用模型3和模型4進行穩(wěn)健性檢驗；第二，去掉前10%和后10%的知情交易概率樣本，采用模型1和模型2進行穩(wěn)健性檢驗。

(4)

(5)

限于篇幅，不再報告描述性統(tǒng)計分析結(jié)果。研究結(jié)果顯示各變量均能在1%的顯著性水平下拒絕變量存在一個單位根的原假設(shè)，即變量為平穩(wěn)序列。模型選擇結(jié)果為：模型1和模型3采用固定效應(yīng)模型，模型2和模型4采用隨機效應(yīng)模型?；貧w結(jié)果見表5。

表5 穩(wěn)健性檢驗

由表5可知，當以lnasset替換lnvalue后，公司規(guī)模指標對換手率的影響由不顯著的負相關(guān)變?yōu)樵?.01顯著性水平的負相關(guān)。PIN值指標對波動性的影響表現(xiàn)為更加顯著的正相關(guān)，由0.1的顯著性水平變?yōu)?.05的顯著性水平。去掉前10%和后10%的知情交易概率的樣本后，PIN值指標對換手率的影響依舊呈負相關(guān)，但顯著性水平由0.01變?yōu)?.05。資產(chǎn)流動性對波動性的影響仍表現(xiàn)為負相關(guān)，但顯著性水平由0.01變?yōu)?.1。此外，各控制變量的穩(wěn)健性檢驗結(jié)果與前文亦無明顯差異。

四、結(jié)論及建議

本文以2015年1月1日至2017年12月31日間的上證180指數(shù)的樣本股為研究對象，測算了相應(yīng)的知情交易概率，在此基礎(chǔ)上對股票流動性、波動性與知情交易概率之間的關(guān)系進行了研究。得出以下結(jié)論：

第一，EKOP模型不同于傳統(tǒng)的基于報價驅(qū)動機制的知情交易模型，其對信息交易概率的度量通過買賣單的不平衡性來進行衡量，提供限價指令的交易者可等效于做市商，所以PIN值可以用于度量中國股市的知情交易概率。

第二，知情交易概率與換手率之間存在負相關(guān)，這意味著知情交易增加，流動性降低。也可以理解為，當企業(yè)知情交易概率減小，信息透明度提升，換手率增大，流動性更高。

第三，知情交易概率與波動率之間存在正相關(guān)關(guān)系，市場波動性隨著市場知情交易概率的增大而增大?？梢岳斫鉃橹榻灰讓?dǎo)致市場質(zhì)量下降和股票價格的大幅度波動。

第四，投資者通過收集與運用高負債率公司信息爭取超額回報，但這會增大波動率和換手率。

第五，賬面市值比較低的公司，成長性更高，換手率也較高，波動性較高。

為實現(xiàn)股票市場的健康發(fā)展，應(yīng)合理控制信息不對稱水平，具體建議如下：

第一，加強監(jiān)控技術(shù)開發(fā)，以提高監(jiān)控的準確性和有效性，不斷完善市場預(yù)警機制。利用PIN值實時監(jiān)控我國股市的信息不對稱水平，一旦超過關(guān)鍵預(yù)警值，引起市場質(zhì)量變壞，要采取預(yù)備措施。

第二，支持機構(gòu)投資者發(fā)展，以形成合理的技術(shù)性信息不對稱水平。信息完全對稱則會造成過于強勢的有效市場，股票的價格完全反映股票內(nèi)在價值，降低投資者投資興趣。因而在減少因信息來源渠道差異導(dǎo)致的信息不對稱的同時，應(yīng)對機構(gòu)投資者的發(fā)展給予一定支持，以提高信息處理層面的信息不對稱，保證市場流動性水平適度。

第三，強化內(nèi)幕交易的處罰措施。我國對內(nèi)幕交易行為的處罰力度比較輕，主要采取沒收違法所得和罰款的方式。正是由于我國股票操縱的違法成本較低，知情交易者所獲取的異常收益超過違法成本，所以私有信息知情人往往會鋌而走險，導(dǎo)致內(nèi)幕交易的蔓延。因此，相關(guān)部門應(yīng)加大懲處力度，增強威懾力，以控制內(nèi)幕交易的發(fā)生。

第四，加強投資者教育，引導(dǎo)投資者理性投資。投資者應(yīng)該從風險投資回歸到價值投資，更多地關(guān)注公司本身的價值和成長性，面對高風險、高負債率的企業(yè)要慎重投資。