基于價(jià)格跳躍的農(nóng)業(yè)股信息風(fēng)險(xiǎn)研究

關(guān)鍵詞： 信息風(fēng)險(xiǎn)；資產(chǎn)價(jià)格；農(nóng)業(yè)股份；證券市場(chǎng)；價(jià)格跳躍；知情交易概率

摘 要：農(nóng)業(yè)上市公司在引導(dǎo)我國農(nóng)村產(chǎn)業(yè)升級(jí)等方面起著重要作用，因此，研究農(nóng)業(yè)類股票的信息風(fēng)險(xiǎn)特征對(duì)提升農(nóng)業(yè)上市公司的資本運(yùn)營能力有著非常重要的現(xiàn)實(shí)意義。用知情交易概率非參數(shù)估計(jì)模型對(duì)該類股票的信息風(fēng)險(xiǎn)特征進(jìn)行描述，結(jié)果發(fā)現(xiàn)：在我國證券市場(chǎng)上，信息風(fēng)險(xiǎn)作為定價(jià)因子有解釋力，但其產(chǎn)生的是負(fù)效應(yīng)，特別是農(nóng)業(yè)類股票。這不符合信息不對(duì)稱要求風(fēng)險(xiǎn)補(bǔ)償?shù)膫鹘y(tǒng)理論，其原因在于我國證券市場(chǎng)的交易行為具有高投機(jī)性。

中圖分類號(hào)： F830.91

文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1009－4474(2012)01－0111－06

Information Risk of Agricultural Class Stocks Based on Jumps of Assets Price

CHEN Tong， LIU Yang

（Department of Management and Economics， Tianjin University， Tianjin 300072， China）

Key words: information risk; assets price; agricultural class stocks; stock exchange; price jump; PIN

Abstract: Based on the dynamic price behaviors of agricultural class stocks， the paper depicts the characteristics of information risk of agricultural class stocks with the Non-parametric Estimated model from the perspective of the probability of information trading (PIN)， and discusses whether the information risk is the pricing factor. The results show that the information risk has explanatory power as a pricing factor in China Stock Market， though it produces negative effects， especially obvious for agricultural class stocks. This is not consistent with theoretic analysis about the risk compensation for information asymmetry， and the basic reasons lie in high speculation in stock exchanges and no compensation for information risk.

一、引言

農(nóng)業(yè)上市公司作為引領(lǐng)我國農(nóng)村多元經(jīng)濟(jì)發(fā)展的龍頭企業(yè)，在優(yōu)化農(nóng)業(yè)資源配置、引導(dǎo)農(nóng)村產(chǎn)業(yè)升級(jí)等方面發(fā)揮著基礎(chǔ)性作用。而其股票價(jià)格則綜合反映了市場(chǎng)、投資方、經(jīng)營者等多方面的信息，因此，研究中國證券市場(chǎng)農(nóng)業(yè)類股票信息風(fēng)險(xiǎn)特征與定價(jià)問題，對(duì)于優(yōu)化農(nóng)業(yè)上市公司資本結(jié)構(gòu)，提高其資本運(yùn)營能力有著非常重要的現(xiàn)實(shí)意義。

PIN用于信息風(fēng)險(xiǎn)的度量近年來得到了長(zhǎng)足的發(fā)展，其研究熱點(diǎn)體現(xiàn)在以下兩個(gè)方面。一是模型構(gòu)造與參數(shù)估計(jì)的研究?，F(xiàn)有PIN的度量大都沿用EKOP的思想〔1〕，在不同的投資者行為模式假設(shè)下，對(duì)買賣單建立聯(lián)合概率密度函數(shù)，并利用極大似然估計(jì)的方法進(jìn)行尋優(yōu)。然而，利用極大似然估計(jì)處理此類非線性復(fù)雜函數(shù)時(shí)，只能采用數(shù)值逼近的算法求解，效率低且對(duì)初值依賴程度較高，得到的結(jié)果僅為局部最優(yōu)。二是信息風(fēng)險(xiǎn)溢價(jià)的研究。Easley，Hvidkjaer和OHara實(shí)證檢驗(yàn)了PIN是否可以作為資產(chǎn)定價(jià)的決定因素，結(jié)果發(fā)現(xiàn)知情交易概率對(duì)資產(chǎn)收益率產(chǎn)生顯著為正的影響〔2〕；Mohanram和Rajgopal檢驗(yàn)了PIN的資產(chǎn)定價(jià)能力，發(fā)現(xiàn)在控制信息風(fēng)險(xiǎn)的特征因素后，信息風(fēng)險(xiǎn)的因子荷載對(duì)股票收益率的影響并不顯著，這表明信息風(fēng)險(xiǎn)并非資產(chǎn)收益率的顯著決定因素〔3〕。這些研究的本質(zhì)在于檢驗(yàn)信息風(fēng)險(xiǎn)是否為系統(tǒng)性風(fēng)險(xiǎn)并因?yàn)橥顿Y者不能通過資產(chǎn)配置來分散非系統(tǒng)性風(fēng)險(xiǎn)并要求相應(yīng)的風(fēng)險(xiǎn)補(bǔ)償。

股票價(jià)格的形成需要強(qiáng)大的信息基礎(chǔ)，它受宏觀經(jīng)濟(jì)狀況、匯率、利率、通貨膨脹率、投資者預(yù)期、公司經(jīng)營狀況等諸多因素的影響，這些因素成為產(chǎn)生信息風(fēng)險(xiǎn)的根源。而農(nóng)業(yè)上市公司的股票價(jià)格除了受上述因素影響外，還受農(nóng)業(yè)經(jīng)濟(jì)運(yùn)行狀況、農(nóng)業(yè)生產(chǎn)周期、農(nóng)業(yè)上市公司經(jīng)營狀況等行業(yè)因素的影響。相較其他行業(yè)的上市公司，農(nóng)業(yè)上市公司信息風(fēng)險(xiǎn)的行業(yè)特征更為明顯，用傳統(tǒng)衡量信息風(fēng)險(xiǎn)的PIN參數(shù)估計(jì)方法無法進(jìn)行有效的測(cè)度。鑒于此，本文基于Yan知情交易概率非參數(shù)估計(jì)方法〔4〕，結(jié)合農(nóng)業(yè)股特殊的價(jià)格行為動(dòng)態(tài)特征，修正了信息風(fēng)險(xiǎn)度量方法，并對(duì)中國證券市場(chǎng)農(nóng)業(yè)類股票的信息風(fēng)險(xiǎn)特征進(jìn)行刻畫。

二、中國證券市場(chǎng)農(nóng)業(yè)股價(jià)格行為特征

（一）農(nóng)業(yè)上市公司概況

截至2009年6月，兩市農(nóng)業(yè)板塊股票總數(shù)為41支（兩市A股總計(jì)1585支），僅占A股總數(shù)的2.58%；截至2009年6月19日，農(nóng)業(yè)板塊的41支股票的流通市值總計(jì)為109547億元人民幣（兩市A股總計(jì)為6286735億），僅占整個(gè)股市流通市值的1.74%。以上數(shù)據(jù)表明，農(nóng)業(yè)類股票在市場(chǎng)中所占份額較低，且大部分規(guī)模較小，屬于中、小盤股。

（二）農(nóng)業(yè)股收益率分布

圖1和表1分別給出了深證成分指數(shù)（以下簡(jiǎn)稱深成指）和深證農(nóng)業(yè)指數(shù)（即農(nóng)林牧漁指數(shù)，股票代碼399110，以下簡(jiǎn)稱深農(nóng)指）從2001年7月2日至2011年6月24日收盤價(jià)的時(shí)間序列與分時(shí)段收益率的變化情況。

通過圖1可以看出，深農(nóng)指與深成指具有基本相同的周期性，但在具體走勢(shì)上仍存在相當(dāng)?shù)牟町惗龋渲猩钷r(nóng)指具有更大的漲跌幅，這一點(diǎn)從表1也得到驗(yàn)證。

表2中RV為日間價(jià)格過程的“已實(shí)現(xiàn)”波動(dòng)率，BV為日間價(jià)格過程中連續(xù)成分的波動(dòng)，RJ為日間價(jià)格過程中跳躍成分對(duì)已實(shí)現(xiàn)波動(dòng)率的方差貢獻(xiàn)度。由表2可知，對(duì)于RV、BV和RJ，深農(nóng)指的均值顯著高于深成指。上述結(jié)果說明：（1）對(duì)于農(nóng)業(yè)類股票來說，由于流通盤一般較小，相對(duì)于大盤股來說更容易受到流動(dòng)性沖擊的影響，因此價(jià)格波動(dòng)更為劇烈。（2）深農(nóng)指價(jià)格跳躍行為的發(fā)生更為頻繁，由于跳躍行為往往意味著市場(chǎng)信息瞬間融入，因此農(nóng)業(yè)類股票對(duì)市場(chǎng)信息的反應(yīng)更為敏感。

（四）農(nóng)業(yè)股跳躍情況

中國證券市場(chǎng)大幅漲跌頻繁、交易活躍，跳躍行為發(fā)生頻繁。本文基于BNS日內(nèi)跳躍行為辨識(shí)方法〔5〕，分析了樣本期內(nèi)深成指和深農(nóng)指的價(jià)格跳躍情況。經(jīng)統(tǒng)計(jì)，深成指和深農(nóng)指發(fā)生跳躍的天數(shù)分別為301天和356天，跳躍頻率分別為13.85%和16.38%，樣本期內(nèi)深農(nóng)指發(fā)生價(jià)格跳躍的頻率遠(yuǎn)高于深成指。由于跳躍代表著事件信息瞬時(shí)融入而產(chǎn)生的股票價(jià)格大幅度變化，因此驗(yàn)證了前文的結(jié)論：農(nóng)業(yè)股的事件信息到達(dá)率高于一般水平。由這種事件信息到達(dá)而產(chǎn)生的股票價(jià)格跳躍行為往往無法通過有效手段進(jìn)行動(dòng)態(tài)對(duì)沖，因此如何衡量農(nóng)業(yè)股信息風(fēng)險(xiǎn)水平是本文要解決的中心問題。

三、農(nóng)業(yè)股信息風(fēng)險(xiǎn)估計(jì)模型

（一）信息風(fēng)險(xiǎn)測(cè)度方法

在證券市場(chǎng)中無法直接觀測(cè)信息風(fēng)險(xiǎn)，傳統(tǒng)的做法是采用一些替代變量間接測(cè)度信息風(fēng)險(xiǎn)，最常用的替代變量是買賣價(jià)差。且還有一些不同的測(cè)度方法，如換手率、公司的內(nèi)部人持股數(shù)。值得注意的是，這些替代變量反映的或者是信息風(fēng)險(xiǎn)作用的結(jié)果（買賣價(jià)差和換手率），或者是產(chǎn)生信息風(fēng)險(xiǎn)的原因（內(nèi)部人持股），因此都不能明確地測(cè)度交易者在市場(chǎng)中面臨的信息風(fēng)險(xiǎn)狀況。并且這些替代變量都沒有標(biāo)準(zhǔn)化，無法直接比較不同市場(chǎng)上的信息風(fēng)險(xiǎn)程度〔6〕。此外，盡管買賣價(jià)差與換手率在一定程度上反映了個(gè)股在不同時(shí)間窗口之間信息風(fēng)險(xiǎn)的相對(duì)強(qiáng)弱，但目前市場(chǎng)微觀結(jié)構(gòu)研究中的共識(shí)是將其作為流動(dòng)性不同維度的代理變量。

Easley，Kiefer，OHara和Paperman基于序貫交易模型，首次提出了知情交易概率的概念〔1〕，通過對(duì)逐日買賣單數(shù)的聯(lián)合概率分布函數(shù)建模，實(shí)現(xiàn)了對(duì)信息風(fēng)險(xiǎn)的直接度量：

模型假定：市場(chǎng)只存在非知情和知情交易者；一個(gè)交易日內(nèi)，非知情交易者買入和賣出的交易次數(shù)分別服從期望值為εb和εs的泊松分布，知情交易者的交易次數(shù)服從期望值為μ的泊松分布；事件日相互獨(dú)立，信息事件的發(fā)生概率為α，且利空和利好消息的概率分別為1-δ、δ；知情交易者根據(jù)所掌握的信息事件選取交易策略。傳統(tǒng)的求解方法是在構(gòu)造買單賣單的似然函數(shù)后，對(duì)式（2）的參數(shù)進(jìn)行極大似然估計(jì)。

L((B，S)|θ)=(1-α)×e-εbεBbB!e-εsεSsS!+αδ×e-εbεBbB!e(-εs+μ)(μ+εs)SS!+α(1-β)×e(-μ+εb)(εb+μ)BB!e-(εs+μ)εSsS!。(2)

知情交易概率的傳統(tǒng)求解方法只適用于正常波動(dòng)范圍內(nèi)的股票：正常波動(dòng)條件下個(gè)股逐日買賣單筆數(shù)可近似為相互獨(dú)立。當(dāng)異常波動(dòng)或跳躍發(fā)生時(shí)，當(dāng)期的買賣單會(huì)顯著作用于即期，產(chǎn)生較強(qiáng)的相關(guān)性，此時(shí)傳統(tǒng)的極大似然估計(jì)方法不再適用。

（二）知情交易概率非參數(shù)估計(jì)模型

Yan提出了知情交易概率模型的非參數(shù)估計(jì)方法，通過逐日買賣單的邊際分布求得非知情與知情交易者的到達(dá)率，進(jìn)而得出PIN的估計(jì)量〔4〕。該方法弱化了知情交易概率買賣單到達(dá)的獨(dú)立性假設(shè)，從根本上解決了相鄰交易日買賣單筆數(shù)的相關(guān)性問題。

（三）農(nóng)業(yè)股信息風(fēng)險(xiǎn)測(cè)度

由前文可知，農(nóng)業(yè)類股票對(duì)市場(chǎng)信息的反應(yīng)異常敏感，日間波動(dòng)程度較其他類股票更為劇烈，跳躍行為發(fā)生更為頻繁，跳躍發(fā)生前后日間買賣筆數(shù)存在較強(qiáng)的相關(guān)性，因此EKOP知情交易概率信息風(fēng)險(xiǎn)測(cè)度的極大似然估計(jì)方法不再適用。同時(shí)，Yan知情交易概率非參數(shù)估計(jì)方法的核心環(huán)節(jié)是對(duì)事件日的檢驗(yàn)，它利用事件分析法，以T統(tǒng)計(jì)量對(duì)超額異常收益進(jìn)行檢驗(yàn)來判斷信息的達(dá)到。這雖然解決了相鄰交易日買賣單相關(guān)性問題，但同樣只適用于正常波動(dòng)特征的股票，對(duì)異常波動(dòng)特征明顯尤其是跳躍行為發(fā)生頻繁的農(nóng)業(yè)類股票而言也不適用。

針對(duì)以上問題，本文參考我國學(xué)者鄭仲民的方法，修正了知情交易概率模型非參數(shù)估計(jì)方法中對(duì)信息事件日的判斷準(zhǔn)測(cè)，以股票價(jià)格跳躍現(xiàn)象作為信息到達(dá)的標(biāo)志來鑒別事件日。我們發(fā)現(xiàn)，以價(jià)格跳躍現(xiàn)象作為標(biāo)準(zhǔn)檢驗(yàn)信息的到達(dá)，基本上能夠與事件的發(fā)生相對(duì)應(yīng)，這也反映出跳躍行為的本質(zhì)是信息快速融入價(jià)格的劇烈反應(yīng)。我們采用BNS方法〔5〕，對(duì)已實(shí)現(xiàn)方差和已實(shí)現(xiàn)雙冪次變差的偏差進(jìn)行顯著性檢驗(yàn)，以甄別跳躍行為。

四、中國證券市場(chǎng)農(nóng)業(yè)股信息風(fēng)險(xiǎn)特征研究

如前所述，農(nóng)業(yè)經(jīng)濟(jì)有特定的生產(chǎn)周期和行業(yè)特征，而農(nóng)業(yè)上市公司又是引領(lǐng)我國農(nóng)業(yè)現(xiàn)代化發(fā)展的龍頭企業(yè)，因此對(duì)農(nóng)業(yè)板塊股票信息到達(dá)模式以及相應(yīng)風(fēng)險(xiǎn)特征進(jìn)行研究是非常必要的。

（一）數(shù)據(jù)來源

本文選取CCER數(shù)據(jù)庫2008年中國證券市場(chǎng)滬市年交易日大于200的所有非ST股票的高頻分筆交易數(shù)據(jù)為樣本，并采用Lee和Ready的方法〔7〕對(duì)買賣方向進(jìn)行判別（CCER數(shù)據(jù)庫從2007年起對(duì)分筆數(shù)據(jù)取消了買賣方向標(biāo)識(shí)）。

（二）實(shí)證結(jié)果

為了研究農(nóng)業(yè)類股票信息風(fēng)險(xiǎn)特征，本文在上述樣本中將隸屬于農(nóng)林牧漁板塊的股票進(jìn)行單獨(dú)分組，結(jié)果如表3所示。

從分組角度來看，無論是均值、中位數(shù)還是標(biāo)準(zhǔn)差，農(nóng)業(yè)股的α與PIN水平都顯著高于總體水平。

針對(duì)這一實(shí)證結(jié)果本文給出以下兩點(diǎn)分析。首先，農(nóng)業(yè)股的信息效率顯著高于市場(chǎng)總體水平。農(nóng)業(yè)股一般盤子相對(duì)較小，投資者分布相對(duì)集中，因此在信息到達(dá)時(shí)很容易形成對(duì)價(jià)格影響的合力；并且對(duì)于農(nóng)業(yè)股來說，在排除市場(chǎng)操縱的因素之后，散戶投資者是持倉主力，他們對(duì)信息的魯棒能力相對(duì)較差。其次，農(nóng)業(yè)股的信息質(zhì)量顯著低于市場(chǎng)總體水平，一個(gè)重要原因在于農(nóng)業(yè)上市公司的規(guī)模一般較小，信息披露制度不夠完善，造成大量私有信息的存在。而信息風(fēng)險(xiǎn)正是對(duì)投資者基于私有信息交易的度量，所以農(nóng)業(yè)股信息風(fēng)險(xiǎn)程度相對(duì)較高。

五、中國證券市場(chǎng)農(nóng)業(yè)股信息風(fēng)險(xiǎn)參與定價(jià)研究

目前國際上已有大量文獻(xiàn)對(duì)信息風(fēng)險(xiǎn)與資產(chǎn)價(jià)格行為之間的關(guān)聯(lián)進(jìn)行了深入研究〔8~10〕，但對(duì)于信息風(fēng)險(xiǎn)是否為資產(chǎn)價(jià)格的決定因素至今仍未達(dá)成共識(shí)。本文采用多因素模型回歸分析，加入傳統(tǒng)的賬面市值比、股票規(guī)模和交易量三個(gè)因素作為控制變量，檢驗(yàn)在中國證券市場(chǎng)信息風(fēng)險(xiǎn)可否作為農(nóng)業(yè)類股票價(jià)格的定價(jià)因子：

式中，被解釋變量是股票的超額收益率（R-RM），解釋變量包括PIN、賬面市值比（BM）、股票規(guī)模（SIZE）和換手率（TURN）。其中Rij、RMj分別表示第j年股票i和指數(shù)M的年收益率，εij為殘差。本節(jié)選取2007、2008年年交易日大于200的所有非ST股票為樣本，進(jìn)一步提煉出隸屬于農(nóng)林牧漁板塊的股票單獨(dú)分組以檢驗(yàn)信息風(fēng)險(xiǎn)的定價(jià)能力。

（一）實(shí)證檢驗(yàn)

由表4可知，在加入信息風(fēng)險(xiǎn)因子后，模型的整體解釋力顯著增強(qiáng)。就總體而言，PIN對(duì)超額收益率的解釋十分顯著，可以作為股票的定價(jià)因子。實(shí)證結(jié)果顯示PIN對(duì)超額收益率的效應(yīng)為負(fù)，與理論恰恰相反。理論上，知情交易概率用于信息風(fēng)險(xiǎn)的測(cè)度，PIN越高表明信息不對(duì)稱的程度越高，投資者將要求更高的風(fēng)險(xiǎn)補(bǔ)償，投資收益就越高，所以PIN應(yīng)該對(duì)超額收益率產(chǎn)生正效應(yīng)。但對(duì)于農(nóng)業(yè)類股票來說，PIN作為定價(jià)因子對(duì)于超額收益率的解釋能力顯著高于總體水平，其回歸系數(shù)為負(fù)，這點(diǎn)與總體回歸結(jié)果類似。換手率因子也很顯著，且系數(shù)為負(fù)，說明流動(dòng)性越好，投資者對(duì)其風(fēng)險(xiǎn)補(bǔ)償?shù)囊笤降汀Ｖ档米⒁獾氖?，?duì)于農(nóng)業(yè)股來說，在加入信息風(fēng)險(xiǎn)因子之后，股票規(guī)模的風(fēng)險(xiǎn)解釋水平顯著降低。

為了進(jìn)一步對(duì)上述現(xiàn)象進(jìn)行解釋，我們將原樣本按流通盤從低到高分為10組，每組50支股票。取第1、10組分別代表流通盤Small、Large兩類個(gè)股，回歸結(jié)果如表5所示。

顯然，對(duì)于PIN作為定價(jià)因子的解釋能力來說，Small組最為顯著，對(duì)于超額收益率的解釋能力最強(qiáng)，且隨著流通盤的遞增，顯著性水平逐漸降低；對(duì)于PIN作為定價(jià)因素的作用效果來說，Small組的系數(shù)為負(fù)，而Large組的系數(shù)為正，說明對(duì)于大盤股而言，信息不對(duì)稱的程度越高，投資者所要求的風(fēng)險(xiǎn)補(bǔ)償就越高，并且其顯著性水平很低。這也證實(shí)了大經(jīng)濟(jì)體中非對(duì)稱信息對(duì)于預(yù)期收益率的效應(yīng)是可分散的〔11〕。值得注意的是，信息風(fēng)險(xiǎn)PIN因子與股票規(guī)模因子體現(xiàn)出很強(qiáng)的互補(bǔ)性效應(yīng)，因此對(duì)投資者而言，股票的規(guī)模效應(yīng)可以在某種程度上視為信息風(fēng)險(xiǎn)的一種轉(zhuǎn)化形式。綜合表4和表5可以看出，由于農(nóng)業(yè)類股票大都流通盤較小，因此在對(duì)超額收益率的解釋上更多地體現(xiàn)出小盤股效應(yīng)：PIN作為定價(jià)因子對(duì)于超額收益率有很強(qiáng)的解釋能力，信息風(fēng)險(xiǎn)溢價(jià)為負(fù)反饋機(jī)制；由于信息風(fēng)險(xiǎn)與規(guī)模因子在對(duì)超額收益率解釋上的互補(bǔ)性效應(yīng)，股票規(guī)模因子的解釋力較弱；換手率因子非常顯著，且系數(shù)為負(fù)，說明流動(dòng)性越好，投資者對(duì)其風(fēng)險(xiǎn)補(bǔ)償?shù)囊笤降汀?/p>

（二）實(shí)證結(jié)果分析

我國證券市場(chǎng)存在普遍的高投機(jī)性交易行為，大量投資者懷揣投機(jī)動(dòng)機(jī)，妄想“一夜暴富”。作為投資結(jié)構(gòu)主體的散戶對(duì)于有莊家操縱痕跡即知情交易概率較高的股票，不是理性地規(guī)避，卻是趨之若鶩，以期通過“跟莊”來獲得利潤，因此在定價(jià)上體現(xiàn)為不要求補(bǔ)償信息風(fēng)險(xiǎn)，這也就解釋了本文實(shí)證中信息風(fēng)險(xiǎn)對(duì)定價(jià)的負(fù)效應(yīng)。

具體到農(nóng)業(yè)股，這種高投機(jī)性交易行為是客觀存在的：其一，農(nóng)業(yè)類股票往往市盈率很高，說明市場(chǎng)中人為操縱股價(jià)的現(xiàn)象極為嚴(yán)重，存在過度投機(jī)；其二，我國市場(chǎng)農(nóng)業(yè)股換手率指標(biāo)往往非常高，說明農(nóng)業(yè)類股票投資者的投機(jī)動(dòng)機(jī)大于投資動(dòng)機(jī)。除此之外，高市凈率、巨幅漲跌頻繁、坐莊現(xiàn)象嚴(yán)重等都是我國市場(chǎng)中農(nóng)業(yè)類股票高投機(jī)性的表現(xiàn)。

造成農(nóng)業(yè)股這類高投機(jī)性的根本原因在于：從政府角度看，我國推行穩(wěn)健的貨幣政策和積極的財(cái)政政策，這在推動(dòng)經(jīng)濟(jì)快速發(fā)展的同時(shí)，也造成了大量游資。這些資金追求短期利益，快進(jìn)快出，對(duì)市場(chǎng)造成了極大的波動(dòng)性，而流通盤相對(duì)較小的農(nóng)業(yè)股往往是這些游資熱衷于炒作的對(duì)象。從上市公司角度看，我國農(nóng)業(yè)上市公司的總體盈利水平較低，分紅很少甚至幾乎沒有，使得相關(guān)投資者只能選擇資本利得以獲利。因此很多農(nóng)業(yè)企業(yè)上市后，為了再融資而發(fā)布虛假信息、編報(bào)虛假報(bào)表，人為推高股票價(jià)格，繼而以增發(fā)、配股等方式達(dá)到“圈錢”的目的。一旦內(nèi)幕曝光，股票價(jià)格大幅下跌，對(duì)農(nóng)業(yè)類股票投資者的投資信心就會(huì)造成沉重打擊，并促使其轉(zhuǎn)向投機(jī)行為。

六、結(jié)語

作為信息風(fēng)險(xiǎn)的度量，知情交易概率在金融學(xué)中有著重要的理論價(jià)值和現(xiàn)實(shí)意義。本文在深入刻畫中國證券市場(chǎng)農(nóng)業(yè)類股票價(jià)格行為動(dòng)態(tài)特征的基礎(chǔ)上，基于知情交易概率非參數(shù)估計(jì)模型對(duì)農(nóng)業(yè)類股票的信息風(fēng)險(xiǎn)特征進(jìn)行分析，深入探討了信息風(fēng)險(xiǎn)能否作為其定價(jià)因子。結(jié)果發(fā)現(xiàn)，在我國市場(chǎng)上信息風(fēng)險(xiǎn)作為定價(jià)因子是有解釋力的，其產(chǎn)生的是負(fù)效應(yīng)。特別是對(duì)于農(nóng)業(yè)類股票而言，這種現(xiàn)象尤為明顯。

參考文獻(xiàn)：〔1〕

Easley，David，Nicholas M.Kiefer，Maureen OHara，Joseph B.Paperman.Liquidity，Information，and Infrequently Traded Stocks〔J〕.Journal of Finance，1996a，51(4):1405–1436.

〔2〕Easley，David，Soeren Hvidkjaer，Maureen OHara.I(xiàn)s Information Risk a Determinant of Asset Returns〔J〕.Journal of Finance，2002，57(5):2185–2221.

〔3〕Mohanram，Partha，Shiva Rajgopal.I(xiàn)s PIN Priced Risk〔J〕.Journal of Accounting and Economics，2009，47(3):226-243.

〔4〕Yuxing Yan，Shaojun Zhang.An Improved Estimation Method and Empirical Properties of the Probability of Informed Trading〔EB/OL〕. (2011-08-10) 〔2011-09-03〕. http://www.sciencedirect.com/science/article/pii/S0378426611002433.

〔5〕鄭振龍，楊 偉.信息風(fēng)險(xiǎn)與資產(chǎn)定價(jià)研究述評(píng)〔J〕.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2009，7(7):129-133.

〔6〕Barndorff-Nielsen O E，Shephard N.Power and Bipower Variation with Stochastic Volatility and Jumps〔J〕.Journal of Financial Econometrics，2004，2(1):1-37.

〔7〕Lee，Charles M.C， Mark J.Ready.I(xiàn)nferring Trade Direction from Intraday Data〔J〕.Journal of Finance，1991，46(2):733-746.

〔8〕Duarte，J，L.Young.Why is PIN Priced〔J〕.Journal of Financial Economics，2009，91(2):119-138.

〔9〕Easley，David，Maureen OHara.I(xiàn)nformation and the Cost of Capital〔J〕.Journal of Finance，2004，59(4):1553-1583.

〔10〕韓立巖，鄭君彥，李東輝.滬市知情交易概率(PIN)特征與風(fēng)險(xiǎn)定價(jià)能力〔J〕.中國管理科學(xué)，2008，16(1):16-24.

〔11〕Lambert，R，C.Leuz，R.E.Verrecchia.Accounting Information，Disclosure，and the Cost of Capital〔J〕.Journal of Accounting Research，2007，45(2):385-420.

（責(zé)任編輯：葉光雄）