基于機(jī)構(gòu)投資者資金流向的知情交易行為研究*

沈 冰，冉光和，盛嘉帆

(1.重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，重慶 400044;2.西南大學(xué)經(jīng)濟(jì)管理學(xué)院，重慶 400715)

一、引 言

目前，國內(nèi)外學(xué)者對知情交易的研究大都集中在知情交易的度量、知情交易對股票市場的影響、知情交易的監(jiān)管等方面。比如，Easley等率先提出用于度量知情交易的方法，通過估計(jì)知情交易者在市場中所占比重而計(jì)算得出知情交易概率(PIN)[1]。之后，不少學(xué)者都采用PIN來度量知情交易行為[2－3－4]。Wisniewski研究表明，知情交易行為不能提高股票市場的信息效率，不利于股票市場的健康發(fā)展[5]。Beny通過對多個(gè)國家和地區(qū)股票市場的實(shí)證分析表明，在更嚴(yán)厲的知情交易管制下，股票市場的流動(dòng)性更好，從另一個(gè)角度證明了知情交易會(huì)降低市場流動(dòng)性[6]。Bris實(shí)證研究表明，各國內(nèi)幕交易法雖然可以降低知情交易的頻率，但知情交易的收益卻上升了，知情交易執(zhí)法越嚴(yán)格的國家在并購事件前的超額收益越小[7]。Fernandes和Ferreira認(rèn)為在實(shí)施知情交易監(jiān)管法規(guī)前后，股價(jià)信息含量會(huì)發(fā)生變化，上市公司代理成本高的國家，對知情交易的監(jiān)管效果不佳[8]。朱偉驊提出可以通過保證知情交易監(jiān)管力度的完備性與持續(xù)性，完善公司治理，完善投資者保護(hù)制度，構(gòu)建合法公正的內(nèi)部人交易市場與披露制度等方面來提高知情交易的監(jiān)管效率[9]。唐齊鳴和張?jiān)普J(rèn)為知情交易會(huì)加劇公司層面的信息不對稱，造成交易量的大幅波動(dòng)，知情交易者能夠獲取超額收益，對其他投資者產(chǎn)生不利影響[10]。本文利用EKOP模型，從資金流向的角度來探討這個(gè)問題。

二、知情交易概率模型

1.模型設(shè)定

Easley等[1](簡稱EKOP)提出的知情交易概率(PIN)，是指某一次交易是源于擁有私有信息的知情交易者的概率。PIN作為度量知情交易的一種結(jié)構(gòu)化模型，采用二叉樹來刻畫整個(gè)交易過程，通過估計(jì)知情交易者委托單在所有委托單中的比例，來度量知情交易者的交易占所有交易的比重，可以直接作為衡量知情交易的指標(biāo)。

假設(shè)在一個(gè)風(fēng)險(xiǎn)資產(chǎn)的交易市場中，存在多個(gè)知情交易者和非知情交易者。投資者在多個(gè)交易日進(jìn)行交易，用i=1，…，I來表示。在每個(gè)交易日內(nèi)，時(shí)間是連續(xù)的，用 t∈ [0，T]表示。每天有關(guān)于風(fēng)險(xiǎn)資產(chǎn)真實(shí)價(jià)值的信息事件發(fā)生的概率是α，該事件是利好信息的概率是1－δ，是利空信息的概率是δ。因此，每天有利好信息、利空信息和沒有信息發(fā)生的概率分別為:α(1－δ)、αδ和1－α。

在每個(gè)交易日，交易的到達(dá)過程都服從泊松分布。知情交易者一般會(huì)在有信息事件發(fā)生后獲得私有信息時(shí)才會(huì)進(jìn)場交易，當(dāng)?shù)玫揭粋€(gè)利好信息時(shí)，知情交易者就會(huì)買進(jìn)股票;反之，當(dāng)?shù)玫嚼招畔r(shí)，將會(huì)賣出股票，知情交易者進(jìn)場交易的訂單服從期望值為μ的泊松分布。非知情交易者由于流動(dòng)性、對沖等需求而進(jìn)行交易，由于他們沒有獲得私有信息，無論信息是否發(fā)生都要進(jìn)行交易，非知情交易者每個(gè)交易日買入或賣出的市場訂單服從期望值分別為εb、εs的泊松分布，知情交易者和非知情交易者的到達(dá)過程如圖1所示。

圖1 知情交易者和非知情交易者的到達(dá)過程

根據(jù)圖1兩類交易者的到達(dá)過程，可以計(jì)算出兩類交易者的委托單量，委托單量應(yīng)為委托單到達(dá)率與相應(yīng)狀態(tài)發(fā)生概率的乘積，總委托單量為:

α((1－δ)(εb+μ)+(1－δ)εs+δεb+δ(εs+μ))+(1－α)εb+(1－α)εs=α(εb+μ+εs)+εb－αεb+εs－αεs=αμ+εb+εs

知情交易者的委托單量為αμ，因而，知情交易者的委托單量占總委托單量的比值，即知情交易概率PIN為:

2.參數(shù)估計(jì)

在該模型中有5個(gè)未知的參數(shù)需要估計(jì)，即α，μ，δ，εb，εs。其中，參數(shù)α和δ代表每個(gè)交易日是否發(fā)生信息事件以及是利好信息還是利空信息;參數(shù)μ，εb，εs反映知情交易者與非知情交易者的到達(dá)率。這5個(gè)參數(shù)都無法直接觀察到，但是可以觀察到每天的成交次數(shù)，并可以將買方成交次數(shù)和賣方成交次數(shù)分離開。Easley等[1]提出用極大似然法，從觀察到的買入和賣出數(shù)據(jù)來估計(jì)模型中的這5個(gè)參數(shù)。因此，估計(jì)未知系數(shù)向量θ=(α，μ，δ，εb，εs)需要一個(gè)機(jī)構(gòu)化模型。

在信息事件類型(沒有信息事件發(fā)生、利好信息發(fā)生、利空信息發(fā)生)不確定的交易日，全天時(shí)間T內(nèi)，觀察到B次買入和S次賣出的似然函數(shù)為:

再假設(shè)每個(gè)交易日的信息事件是獨(dú)立的，則I天的總似然函數(shù)為:

其中，這里M=((B1，S1)，…，(BI，SI))，代表數(shù)據(jù)集:i=1，…，I，表示一個(gè)樣本期(一個(gè)月)中的第i個(gè)交易日。

由于εbBi或Bi在極大似然函數(shù)估計(jì)中可能會(huì)出現(xiàn)數(shù)據(jù)的溢出，為了避免這個(gè)問題，Easley等[11－12]將 e－εbεBbi/Bi 變形為e－εsεSsi/Si!、 e－(εb+μ)(εb+μ)Bi/Bi!、 e－(εs+μ)(εs+μ)Si/Si!的變形也相類似。這樣就可以重新得到對數(shù)的似然函數(shù):

其中，Mi=(min(Bi，Si)+max(Bi，Si))/2，xb=εb/(μ+εb)，xs=εs/(μ+εs)。對上式的似然函數(shù)求極大值，就可以估計(jì)出參數(shù)α，μ，δ，εb，εs的值，進(jìn)而計(jì)算出知情交易概率PIN的值。

三、數(shù)據(jù)來源及描述性統(tǒng)計(jì)

1.樣本的選取

為了研究股票市場重大信息事件發(fā)生前后，知情交易者是否利用私有信息進(jìn)行了知情交易，本文選取了2009年進(jìn)行了重組、高送轉(zhuǎn)(10股送轉(zhuǎn)10股以上)、業(yè)績預(yù)增(預(yù)增100%以上)和業(yè)績預(yù)虧的上市公司，一共選取了118個(gè)樣本，其中重組28個(gè)樣本，高送轉(zhuǎn)41個(gè)樣本，業(yè)績預(yù)增24個(gè)樣本，業(yè)績預(yù)虧25個(gè)樣本。

對樣本的選擇要符合以下標(biāo)準(zhǔn):(1)在事件窗口期內(nèi)(重大信息公布前后)存在連續(xù)的交易記錄，以增加研究結(jié)果的穩(wěn)定性和可靠性。(2)在事件窗口期內(nèi)，沒有其它重大信息事件的發(fā)生，以消除其它事件對它的影響。(3)研究的重組樣本不包括原來的大股東通過減持股份而使原來的第二大股東成為大股東的行為，也不包括國有股的無償劃撥而發(fā)生的控制權(quán)的轉(zhuǎn)移和上市公司的控股公司被收購而引起的股權(quán)轉(zhuǎn)移。

2.數(shù)據(jù)來源

由于知情交易概率模型中參數(shù)的估計(jì)需要相關(guān)股票日內(nèi)交易的買入和賣出的高頻數(shù)據(jù)，本文所選取日內(nèi)的高頻數(shù)據(jù)來自國泰安(CSMAR)高頻交易數(shù)據(jù)庫，機(jī)構(gòu)投資者資金流向數(shù)據(jù)來自大智慧 SuperView數(shù)據(jù)，①大智慧SuperView軟件提供了在滬深證券交易所上市的A股近幾年每日的資金流向，該軟件按照資金大小把投資者分為散戶、中戶、大戶和機(jī)構(gòu)四類。由于大戶中有的是機(jī)構(gòu)投資者以個(gè)人名義開設(shè)的賬戶，且資金實(shí)力比較雄厚，因而本文把機(jī)構(gòu)和大戶統(tǒng)稱為機(jī)構(gòu)投資者，把散戶和中戶統(tǒng)稱為中小投資者。其它數(shù)據(jù)則來自WIND數(shù)據(jù)庫。樣本周期為2009年1月1日到2009年12月31日，由于國泰安高頻數(shù)據(jù)庫2009年的分筆高頻數(shù)據(jù)已進(jìn)行了買賣標(biāo)識(B為買進(jìn)標(biāo)識、S為賣出標(biāo)識)，這樣就可以直接根據(jù)買賣標(biāo)識數(shù)據(jù)判斷一筆交易是由買方還是賣方發(fā)起的，而無需采用Lee和Ready[13]的買賣判斷標(biāo)準(zhǔn)，即將成交價(jià)與買賣報(bào)價(jià)的中點(diǎn)相比，高于中點(diǎn)為賣出，低于中點(diǎn)為買進(jìn)。如成交價(jià)等于買賣報(bào)價(jià)中點(diǎn)，則與上一筆成交價(jià)相比較。研究表明，該判斷標(biāo)準(zhǔn)無法準(zhǔn)確地判斷所有交易的買賣歸屬情況，而買賣分類不準(zhǔn)確就會(huì)導(dǎo)致對PIN值系統(tǒng)性的估計(jì)偏差[14]。因此，直接選取帶有買賣標(biāo)識的數(shù)據(jù)進(jìn)行研究，既簡化了數(shù)據(jù)的處理過程，又避免了判斷的主觀性，使估計(jì)結(jié)果更加準(zhǔn)確、可靠。

3.PIN的描述性統(tǒng)計(jì)

假定信息事件公告日為0，本文將信息事件研究期間分為三個(gè)時(shí)期，第一個(gè)時(shí)期是控制時(shí)間期間，交易期為(－60，－30)，作為研究后兩個(gè)時(shí)期的基準(zhǔn)，第二個(gè)時(shí)期是信息公告前期，交易期為(－30，－1)，研究信息公告前私有信息的利用情況，第三個(gè)時(shí)期是信息公告后期，交易期為(+1，+30)，研究信息公告后私有信息的利用情況。

利用每個(gè)樣本的三個(gè)時(shí)間窗口內(nèi)的分筆交易數(shù)據(jù)，分別用來估計(jì)PIN模型的參數(shù)，這樣就可以把每個(gè)樣本三個(gè)時(shí)期的PIN值分別計(jì)算出來。表1顯示了控制時(shí)間期、信息公告前期和信息公告后期參數(shù)估計(jì)及PIN值的描述性統(tǒng)計(jì)結(jié)果。從整體來看，三個(gè)時(shí)期的PIN均值為0.11，與王春峰等[15]的研究結(jié)果0.11一致。從表1中可以看出，信息公告前期PIN值的均值最大，為0.12，信息公告后期 PIN值的均值最小，為0.09，而控制時(shí)間期間PIN值的均值介于兩者之間，為0.10。說明了在重大信息事件公告之前，知情交易程度是最高的，反映了在我國股票市場中存在利用私有信息進(jìn)行知情交易的行為。

表1 參數(shù)估計(jì)及PIN值的描述性統(tǒng)計(jì)

利用Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)，可以判斷三個(gè)時(shí)期的PIN值是否存在顯著性差異。從表2中可以看出，兩種檢驗(yàn)結(jié)果都表明，信息公告前期與控制期，信息公告前期與信息公告后期的PIN值在0.01的水平下都存在顯著性差異，而信息公告后期與控制期的PIN值在0.01的水平下不存在顯著性差異。其中，信息公告后期與信息公告前期的PIN值差異最為明顯，Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)的Z檢驗(yàn)統(tǒng)計(jì)量的分別為－5.59和－5.09，其絕對值最大;信息公告后期與控制期的PIN值差異最小，Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)的Z檢驗(yàn)統(tǒng)計(jì)量分別為－2.15和－1.88。從非參數(shù)檢驗(yàn)的角度驗(yàn)證了信息公告前期知情交易行為在我國股市中最為嚴(yán)重。

表2 Wilcoxon和Mann－Whitney非參數(shù)檢驗(yàn)

四、實(shí)證分析

1.研究假設(shè)

從上述的分析中，我們得出了知情交易主要發(fā)生在信息公告前期的結(jié)論，因而，在實(shí)證分析中，我們主要研究在信息公告前期作為知情交易行為、超額收益與機(jī)構(gòu)投資者之間的關(guān)系。由于機(jī)構(gòu)投資者比中小投資者具有明顯的信息優(yōu)勢，他們往往能夠通過各種途徑提前知道上市公司尚未公開的私有信息，并利用信息優(yōu)勢、資金優(yōu)勢及技術(shù)優(yōu)勢進(jìn)行知情交易。在中國證監(jiān)會(huì)查處的知情交易案件中，涉案的大都是以機(jī)構(gòu)投資者為主。目前，我國股市還屬于資金推動(dòng)型的新興市場，當(dāng)機(jī)構(gòu)投資者參與知情交易時(shí)，就會(huì)導(dǎo)致機(jī)構(gòu)投資者資金的大規(guī)模流動(dòng)，使機(jī)構(gòu)投資者持股的倉位發(fā)生變化。一般來說，機(jī)構(gòu)投資者在公司利好信息公告之前，往往會(huì)投入大量資金購買相關(guān)股票，即采取增倉的操作策略;在利空信息公告之前，采取減倉的操作策略[16]。與此同時(shí)，當(dāng)機(jī)構(gòu)投資者利用私有信息進(jìn)行知情交易時(shí)，資金的大量流動(dòng)必然會(huì)影響到相關(guān)股票的價(jià)格。一般來說，當(dāng)機(jī)構(gòu)投資者的資金大量流入時(shí)，會(huì)導(dǎo)致相關(guān)股票價(jià)格的上漲，甚至大幅上漲，使得機(jī)構(gòu)投資者可以獲得超額收益;反之，當(dāng)機(jī)構(gòu)投資者的資金大量流出時(shí)，會(huì)導(dǎo)致相關(guān)股票價(jià)格的下跌，使機(jī)構(gòu)投資者可以規(guī)避風(fēng)險(xiǎn)。因此，本文提出兩個(gè)研究假設(shè):

假設(shè)1 PIN值與機(jī)構(gòu)投資者資金流向有著密切的關(guān)系，機(jī)構(gòu)投資者資金流入，PIN值相應(yīng)增加;機(jī)構(gòu)投資者資金流出，PIN值相應(yīng)減少。

假設(shè)2 機(jī)構(gòu)投資者資金流向與超額收益之間呈現(xiàn)正相關(guān)的關(guān)系，機(jī)構(gòu)投資者資金流入，超額收益為正;機(jī)構(gòu)投資者資金流出，超額收益為負(fù)。

2.研究模型與變量

為了檢驗(yàn)信息公告前期知情交易行為與機(jī)構(gòu)投資者倉位的變化之間的關(guān)系，以及機(jī)構(gòu)投資者倉位的變化與超額收益之間的關(guān)系，本文建立的回歸模型如下:

本文除了選取知情交易概率、累計(jì)超額收益和機(jī)構(gòu)投資者倉位變化三個(gè)基本變量外，還選取了買賣次數(shù)之差作為投資者對信息反應(yīng)程度的指標(biāo);選取了信息透明度和股權(quán)集中度來代表公司治理指標(biāo);選取了市場寬度、市場深度和換手率來代表流動(dòng)性指標(biāo);其他控制指標(biāo)選取了凈資產(chǎn)收益率、公司總資產(chǎn)和信息類型。研究變量的具體說明見表3。

表3 研究變量說明

3.回歸模型估計(jì)結(jié)果及分析

由于利好信息與利空信息對投資者的知情交易行為會(huì)產(chǎn)生不同的影響，如果不加以區(qū)別，必然會(huì)影響到實(shí)證研究的結(jié)果。本文采用虛擬變量的方式對不同的信息類型進(jìn)行區(qū)分，即利空信息(預(yù)虧)取值為0，利好信息(高送轉(zhuǎn)、重組和預(yù)增)取值為1，這樣就可以把兩種類型的信息加以區(qū)別，以避免研究結(jié)果的有效性受到影響。

首先，本文對信息公告前期知情交易行為與機(jī)構(gòu)投資者資金流向的關(guān)系進(jìn)行了實(shí)證分析，采用面板數(shù)據(jù)分析方法中的固定效應(yīng)對方程(1)進(jìn)行回歸，同時(shí)進(jìn)行異方差和自相關(guān)調(diào)整，得到參數(shù)的估計(jì)值如表4所示。實(shí)證結(jié)果表明，在5%的置信水平下，PIN與△Institution之間存在著顯著的關(guān)系，且△Institution的系數(shù)為正，驗(yàn)證了PIN與△Institution之間存在正相關(guān)的關(guān)系，說明機(jī)構(gòu)投資者資金流向?qū)χ榻灰壮潭扔酗@著的影響，支持了假設(shè)1。當(dāng)某只股票的機(jī)構(gòu)投資者資金流入時(shí)，會(huì)導(dǎo)致知情交易程度的提高;反之，當(dāng)機(jī)構(gòu)投資者資金流出時(shí)，會(huì)導(dǎo)致知情交易程度的下降。資金流向反映了機(jī)構(gòu)投資者在信息公告前期利用信息優(yōu)勢和資金優(yōu)勢進(jìn)行知情交易的行為。PIN與|S－B|在5%的置信水平下存在顯著的正相關(guān)關(guān)系，意味著投資者對信息反應(yīng)程度越大，知情交易程度越會(huì)提高。代表公司治理的指標(biāo)Transparency和SC3，分別在1%和5%的置信水平下通過了檢驗(yàn)，說明公司治理水平對知情交易程度有顯著的影響，從表4可以看出，公司的信息透明度越低，股權(quán)集中度越高，知情交易程度越高。反映流動(dòng)性的指標(biāo)，除了Wide在10%的水平通過顯著性檢驗(yàn)外，其他兩個(gè)指標(biāo)Depth和Turnover都沒有通過檢驗(yàn)，意味著流動(dòng)性指標(biāo)市場寬度、市場深度和換手率對知情交易程度的影響不太顯著。代表公司業(yè)績的ROE在1%的置信水平下通過了檢驗(yàn)，且系數(shù)為正，說明公司經(jīng)營業(yè)績越好，越容易引起知情交易程度的提高。PIN與Asset在5%的置信水平下呈顯著的負(fù)相關(guān)關(guān)系，意味著公司規(guī)模越大，知情交易程度越低，原因主要在于公司規(guī)模越大，越容易受市場的關(guān)注，其私有信息越容易被市場發(fā)掘和傳播，因而知情交易發(fā)生的概率越小。代表信息類型的Type在5%的顯著性水平下通過了檢驗(yàn)，且系數(shù)為正，結(jié)合前面的假設(shè)，說明利好信息對知情交易程度的影響比利空信息更大，也驗(yàn)證了我國股市中投資者更多利用利好信息進(jìn)行知情交易的事實(shí)。

表4 PIN與機(jī)構(gòu)投資者資金流向關(guān)系的回歸結(jié)果

其次，本文對信息公告前期機(jī)構(gòu)投資者倉位的變化與累計(jì)超額收益之間的關(guān)系進(jìn)行了面板數(shù)據(jù)分析，通過對方程(2)的回歸，回歸結(jié)果見表5。實(shí)證結(jié)果表明，在1%的置信水平下，CAR與△Institution之間存在顯著的正相關(guān)關(guān)系，說明機(jī)構(gòu)投資者資金流向?qū)Τ~收益有著顯著的影響，支持了假設(shè)2。當(dāng)相關(guān)股票的機(jī)構(gòu)投資者資金流入時(shí)，超額收益顯著為正;反之，當(dāng)相關(guān)股票的機(jī)構(gòu)投資者資金流出時(shí)，超額收益為負(fù)。意味著機(jī)構(gòu)投資者在參與知情交易的過程中，遇到利好信息，資金流入，提高持股倉位時(shí)，可以獲得超額收益;而遇到利空信息，資金流出，降低倉位時(shí)，機(jī)構(gòu)投資者可以規(guī)避市場下跌的風(fēng)險(xiǎn)。|S－B|沒有通過10%的顯著性檢驗(yàn)，說明超額收益與代表投資者對信息反應(yīng)程度的指標(biāo)之間沒有顯著的關(guān)系。代表公司治理的指標(biāo)Transparency和SC3都通過了5%的顯著性檢驗(yàn)，說明公司治理水平對超額收益有顯著的影響。公司的信息透明度越低，股權(quán)集中度越高，即公司治理水平越低，越容易進(jìn)行知情交易和操縱股票，超額收益越大。代表流動(dòng)性的指標(biāo)中，只有Turnover通過了1%的顯著性檢驗(yàn)，且系數(shù)為正，說明超額收益與換手率之間存在顯著的正相關(guān)關(guān)系，而其他兩個(gè)代表流動(dòng)性的指標(biāo) Wide和Depth都沒有通過10%的顯著性檢驗(yàn)，說明微觀市場結(jié)構(gòu)中的流動(dòng)性指標(biāo)與超額收益之間不存在顯著的關(guān)系，只能從符號上推斷可能存在正面的影響。代表公司業(yè)績的ROE沒有通過10%的顯著性檢驗(yàn)，說明超額收益與公司經(jīng)營業(yè)績之間沒有顯著的關(guān)系，這也意味著選擇經(jīng)營業(yè)績好的公司不一定能夠獲得超額收益，這也導(dǎo)致了我國股市中投資者在選股時(shí)不重視公司的經(jīng)營業(yè)績。代表公司規(guī)模的Asset沒有通過10%的顯著性檢驗(yàn)，說明超額收益與公司規(guī)模之間不存在顯著的關(guān)系。在5%的顯著性水平下，代表信息類型的Type通過了檢驗(yàn)，且系數(shù)為正，說明投資者利用利好信息獲得的超額收益顯著性大于利空信息。這與我國股市中沒有實(shí)行賣空機(jī)制有關(guān)，①我國股票市場雖然已實(shí)行了融券制度，但仍存在不少限制，融券品種和規(guī)模都很少，投資者想要賣空股票非常困難，融券制度并沒有真正落實(shí)。投資者往往利用尚未公開的利好信息來炒作股票，從而在股價(jià)的上漲中獲得超額收益;而利用尚未公開的利空信息來賣出持有的股票，以規(guī)避股價(jià)下跌的風(fēng)險(xiǎn)，卻難以獲得超額收益。

表5 CAR和機(jī)構(gòu)投資者資金流向關(guān)系的回歸結(jié)果

4.Granger因果檢驗(yàn)

為了進(jìn)一步揭示機(jī)構(gòu)投資者資金流向與知情交易概率及超額收益之間的關(guān)系，本文再進(jìn)行Granger因果檢驗(yàn)。檢驗(yàn)之前，先進(jìn)行單位根檢驗(yàn)。表6列出了ADF值的檢驗(yàn)結(jié)果，三個(gè)變量PIN、△Institution和CAR的ADF的檢驗(yàn)值均小于顯著性水平為1%的臨界值，說明它們都是平穩(wěn)序列，可以進(jìn)行Granger因果檢驗(yàn)。

表6 ADF檢驗(yàn)結(jié)果

本文分別對PIN與△Institution兩者之間以及CAR與△Institution兩者之間作Granger因果檢驗(yàn)，均取滯后階數(shù)為2。從表7的檢驗(yàn)結(jié)果可以看出，在5%的顯著性水平下，△Institution對PIN和CAR都存在Granger因果關(guān)系，而PIN和CAR對△Institution均不存在Granger因果關(guān)系。說明機(jī)構(gòu)投資者的交易行為是導(dǎo)致知情交易概率和超額收益變化的原因，而知情交易概率和超額收益變化不是投資者交易行為的原因。也就是說，機(jī)構(gòu)投資者是知情交易主要的參與者和受益者。

表7 Granger因果檢驗(yàn)

五、結(jié) 論

本文利用EKOP模型對高頻數(shù)據(jù)的挖掘，從機(jī)構(gòu)投資者資金流向的視角，通過對2009年高送轉(zhuǎn)、重組、預(yù)增和預(yù)虧四種類型的上市公司在信息公告前后知情交易行為的研究，可以得出以下結(jié)論:

第一，在我國股票市場，知情交易行為在上市公司信息公告期間是普遍存在的。其中，信息公告前期知情交易行為最為嚴(yán)重，信息公告后期知情交易行為相對較輕，說明知情者在信息公告之前普遍存在利用私有信息進(jìn)行知情交易的行為。不同信息類型的知情交易行為存在顯著的差異，在信息公告前后不同的三個(gè)時(shí)期，利好信息的PIN值都高于利空信息，反映出知情交易者對利好信息比利空信息更為看重，更多地利用利好的私有信息進(jìn)行知情交易。

第二，在上市公司信息公告前期，知情交易程度與機(jī)構(gòu)投資者資金流向存在著顯著的正相關(guān)關(guān)系，機(jī)構(gòu)投資者資金流入，會(huì)導(dǎo)致知情交易程度的提高;反之亦然。反映了機(jī)構(gòu)投資者在信息公告前期利用信息優(yōu)勢和資金優(yōu)勢進(jìn)行知情交易的行為，從實(shí)證的角度驗(yàn)證了機(jī)構(gòu)投資者是知情交易最主要的參與者。因而，對監(jiān)管層來說，應(yīng)該把機(jī)構(gòu)投資者作為重點(diǎn)的監(jiān)管對象，才能更好地防控知情交易行為。

第三，超額收益與機(jī)構(gòu)投資者資金流向在信息公告前期存在顯著的正相關(guān)關(guān)系，機(jī)構(gòu)投資者資金流入，可以顯著提高超額收益;而機(jī)構(gòu)投資者資金流出時(shí)，超額收益為負(fù)。這意味著在信息公告前期，機(jī)構(gòu)投資者利用利好的私有信息參與知情交易，買進(jìn)股票，提高持股倉位，可以獲得超額收益;而利用利空的私有信息賣出股票，降低持股倉位，可以規(guī)避市場下跌的風(fēng)險(xiǎn)?？梢姡瑱C(jī)構(gòu)投資者是知情交易的受益者，而與之相對的中小投資者卻成為知情交易的受害者。因此，要保護(hù)中小投資者的利益，就應(yīng)該大力打擊和防控知情交易行為。

第四，機(jī)構(gòu)投資者資金流向?qū)χ榻灰赘怕屎统~收益存在Granger因果關(guān)系，而知情交易概率和超額收益對機(jī)構(gòu)投資者資金流向不存在Granger因果關(guān)系。說明機(jī)構(gòu)投資者的交易行為是導(dǎo)致知情交易概率和超額收益變化的原因，而知情交易概率和超額收益變化不是投資者交易行為原因。從另一個(gè)角度上看，機(jī)構(gòu)投資者是知情交易主要的參與者和受益者。

[1]Easley，D.，Kiefers，N.M.，O’Hara，M.，Paperman，J.B.Liquidity，Information and Infrequently Traded Stocks[J].The Journal of Finance，1996，51(4):1405－1436.

[2]Brockman，P.，Chung，D.Y.Informed and Uninformed Trading in an Electronic，Order-Driver Environment[J].The Financial Review，2000，35(2):125 －146.

[3]Heidle，H.，Huang，R.Information-Based Trading in Dealer and Auction Markets:An Analysis of Exchange Listings[J].Journal of Financial and Quantitative A-nalysis，2002，37(3):391 －424.

[4]Vega，C.Stock Price Reaction to Public and Private Information[J].Journal of Financial Economics，2006，82(1):103－33.

[5]Wisniewski，T.P.Reexamination of the Link between Insider Trading and Price Efficiency [J].Economic Systems，2004，28(2):210 －28.

[6]Beny，L.A Comparative Empirical Investigation of A-gency and Market Theories of Insider Trading[R].Working Paper，University of Michigan，2004.

[7]Bris，A.Do Insider Trading Laws Work?[J].European Financial Management，2005，11(3):7 －12.

[8]Fernandes，N.，F(xiàn)erreira，M.Insider Trading Laws and Stock Price Informativeness[J].Review of Financial Studies，2009，22(5):1845 －1887.

[9]朱偉驊.公司治理與內(nèi)幕交易監(jiān)管效率研究[J].經(jīng)濟(jì)學(xué)(季刊)，2008，8(1):271 －288.

[10]唐齊鳴，張?jiān)?基于公司治理視角的中國股票市場非法內(nèi)幕交易研究[J].金融研究，2009，(6):148－164.

[11]Easley，D.，O’Hara，M.，Saar，G.How Stock Splits Affect Trading:A Microstructure Approach [J].Journal of Financial and Quantitative Analysis，2001，36(1):25－51.

[12]Easley，D.，O’Hara，M.Information and the Cost of Capital[J].Journal of Finance，2004，59(2):1553－1583.

[13]Lee，C.M.C.，Ready，M.J.Inferring Trade Direction from Intraday Data [J].Journal of Finance，1991，46(2):733－746.

[14]Boehmer，E.Estimating the Probability of Informed Trading-does Trade Misclassification Matter?[J].Journal of Financial Markets，2007，(10):26 － 47.

[15]王春峰，董向征，房振明.信息交易概率與中國股市價(jià)格行為關(guān)系的研究[J].系統(tǒng)工程，2005，23(2):62－67.

[16]余佩琨，李志文，王玉濤.機(jī)構(gòu)投資者能跑贏個(gè)人投資者嗎?[J].金融研究，2009，(8):147 －157.

[17]施東暉，傅浩.證券市場內(nèi)幕交易監(jiān)管:基于法和金融的研究[J].上證研究，2002，(3):247－289.