影響證券市場的重大政策決策信息提前泄露的實證分析

張小波

摘 要：一國或地區(qū)重大政策信息對其股市會產(chǎn)生的影響遠(yuǎn)遠(yuǎn)大于上市公司內(nèi)幕信息所產(chǎn)生的沖擊。若未出臺的政府重大政策信息提前泄漏并被利用來進(jìn)行證券市場交易，必然會損害證券市場的公平正義，給證券市場健康發(fā)展帶來巨大危害。為此，如何規(guī)避這一現(xiàn)象，成了當(dāng)前證券市場監(jiān)管制度建設(shè)中一個不可回避的問題。這一問題的解決對有效實現(xiàn)證券市場固有功能、建立健全證券市場中小投資者保護(hù)機(jī)制具有十分重要的意義。我國管理當(dāng)局應(yīng)加大對重大政策事件的制定、出臺或頒布的信息保密的工作力度，做好應(yīng)有的保密措施，避免信息泄露與利用信息進(jìn)行交易的行為，進(jìn)而維持證券市場的公平，最大程度地保護(hù)中小投資者利益。

關(guān)鍵詞：重大決策事件；證券市場；事件分析法；信息泄露

中圖分類號：F830.91

文章編號：1008-4355（2016）05-0087-16

文獻(xiàn)標(biāo)志碼：A DOI：10.3969/j.issn.1008-4355.2016.05.11

一、引言

一國或地區(qū)重大政策信息對其股市會產(chǎn)生的影響遠(yuǎn)遠(yuǎn)大于上市公司內(nèi)幕信息所產(chǎn)生的沖擊。若未出臺的政府重大政策信息提前泄漏并被利用來進(jìn)行證券市場交易，必然會損害證券市場的公平正義，給證券市場健康發(fā)展帶來巨大危害。為此，如何規(guī)避這一現(xiàn)象，成了當(dāng)前證券市場監(jiān)管制度建設(shè)中一個不可回避的問題。這一問題的解決對有效實現(xiàn)證券市場固有功能、建立健全證券市場中小投資者保護(hù)機(jī)制具有十分重要的意義。據(jù)此，本文梳理我國對證券市場有重大影響的政策事件，并以這些事件為樣本，探討我國政府重大政策信息是否提前泄露，為完善我國證券市場監(jiān)管制度提供一定參考。

二、國內(nèi)外文獻(xiàn)綜述

國內(nèi)外關(guān)于影響證券市場的政府重大決策信息提前泄漏的研究甚少，黃余海[1]（2003）將政府重大決策信息界定為內(nèi)幕信息，并選取了影響證券市場的重大政策事件為樣本，運用配對T檢驗分析股市在這些重大政策事件公布前后的波動情況來檢驗我國股市是否存在利用政府重大決策信息進(jìn)行內(nèi)幕交易的行為，實證顯示我國股市存在利用未公布的重大政策信息進(jìn)行內(nèi)幕交易的行為。除此之外，更多的文獻(xiàn)都是利用事件研究法選取不同的模型對基于公司信息的內(nèi)幕交易進(jìn)行識別或甄別研究，主要有：一是基于超常收益的PPD法。（Potential Probabilistic Disgorgement，簡稱PPD）。晏艷陽等[2]（2006）利用事件研究法，以46家中國股權(quán)分置改革中第一、第二批試點公司為樣本進(jìn)行實證分析，結(jié)果發(fā)現(xiàn)中國股權(quán)分置改革中存在較為嚴(yán)重的內(nèi)幕交易行為。左鍵[3]（2009）以中國證券會公告的14件內(nèi)幕交易案為樣本，利用PPD法研究我國證券市場內(nèi)幕交易行為的特征，研究顯示利用內(nèi)幕信息交易的莊家往往采用多次買進(jìn)或賣出股票的方式來獲得超額收益率，以免對股價產(chǎn)生巨大波動而被查處，且該超額收益率水平在內(nèi)幕信息公告后的一段時期內(nèi)會逐漸減少。二是基于換手率的logistic模型與Probit模型的實證分析。史永東等[4]（2004）以汪貴浦[5]（2002）的基于換手率的logistic判別模型為基礎(chǔ)，建立了基于換手率、每股收益率的logistic模型，并以logistic模型中判別閥值作為監(jiān)管當(dāng)局判別股票是否被內(nèi)幕操控的指標(biāo)。張宗新等[6]（2006）構(gòu)建了識別內(nèi)幕交易行為的Logistic判別模型和決策樹模型，并選取中國證監(jiān)會查處的有關(guān)內(nèi)幕交易案為樣本來驗證內(nèi)幕交易甄別模型的準(zhǔn)確率，結(jié)果顯示Logistic判別模型和決策樹模型的準(zhǔn)確率可達(dá)75%，可作為證券會查處內(nèi)幕交易行為的計量工具。張宗新[7]（2007）在Logistic判別模型和決策樹模型中引入神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘法來改進(jìn)該內(nèi)幕交易行為甄別技術(shù)，并以有關(guān)內(nèi)幕交易案件為樣本檢驗其甄別效率，結(jié)果表明改進(jìn)后的甄別模型的準(zhǔn)確率高達(dá)95.5%，能很好地運用到證券市場內(nèi)幕交易行為的監(jiān)管實踐中。袁理[8]（2009）選取2005年至2008年6月涉嫌內(nèi)幕交易的案件為樣本，利用Logistic模型對內(nèi)幕交易進(jìn)行甄別，研究發(fā)現(xiàn)Logistic模型具有良好的判別能力。黃素心等[9]（2011）構(gòu)建了甄別內(nèi)幕交易行為的指標(biāo)體系，并運用Logistic模型和Probit模型來檢驗這些指標(biāo)在甄別內(nèi)幕交易行為時的準(zhǔn)確率，研究表明漲停次數(shù)指標(biāo)、完全調(diào)整條數(shù)指標(biāo)甄別內(nèi)幕交易行為的準(zhǔn)確率可達(dá)97.14%。李寶濤[10]（2012）建立包含離散選擇模型、多因素的Logistic和Probit甄別模型的內(nèi)幕交易甄別模型體系，并選取中國2009年的有關(guān)股票為樣本進(jìn)行了實證檢驗，結(jié)果顯示Logistic和Probit模型在各模型中的甄別效率基本上相同。表明了該內(nèi)幕交易甄別模型體系在中國內(nèi)幕交易的監(jiān)管實踐中具有適用性。宋力等[11]（2012）通過運用Logistic回歸模型，采用兩層次分析法構(gòu)建內(nèi)幕交易行為的識別模型，研究發(fā)現(xiàn)兩層次的Logistic回歸模型的識別效率高于單一層次的Logistic回歸模型，正確率達(dá)到97.62%。

上述文獻(xiàn)為本文的研究奠定了堅實基礎(chǔ)，但現(xiàn)有的研究將影響證券市場的政府重大決策信息界定為內(nèi)幕信息，存在不妥。根據(jù)《中華人民共和國證券法》（主席令第14號，2014年8月31日最新修訂）第七十五條的規(guī)定，政府重大決策信息并不屬于內(nèi)幕信息。為此，本文將影響證券市場的政府重大決策信息視為證券市場不可規(guī)避的系統(tǒng)風(fēng)險，并運用典型事實分析法、事件分析法構(gòu)建證券市場波動統(tǒng)計量，以這些統(tǒng)計量來檢驗系統(tǒng)風(fēng)險前后（政府重大決策信息出臺前后）的證券市場的波動狀況來識別（甄別）影響證券市場的政府重大決策信息是否提前泄漏，以期能為完善和改進(jìn)我國證券市場監(jiān)管制度提供一定參考。為此，本文結(jié)構(gòu)安排如下：第一部分為研究現(xiàn)狀；第二部分構(gòu)建影響證券市場的政府重大決策信息提前泄漏的分析方法；第三部分為政府重大決策事件的界定與樣本選擇；第四部分為影響證券市場的政府重大決策信息提前泄漏的實證分析；最后為論文的小結(jié)和對策建議。

五、我國影響證券市場的政府重大決策信息提前泄漏的典型事實分析

對比表1中每個事件對應(yīng)的上證綜合指數(shù)、深圳成分指數(shù)及其市場總成交金額在政府重大政策公布前后的變化情況來初步判斷政府重大決策事件信息是否提前泄漏以及被泄漏的程度。另外，需說明的是第16號事件對應(yīng)的公告日前一天和公告日當(dāng)天的成交金額和指數(shù)相差巨大，為保證后文的統(tǒng)計分析更加合理，為此本文將其作為特異點給予剔除。

（一）基于股指數(shù)變化的分析

1.T0日與T0-1日上證綜指、深成指分析

據(jù)表2，在32個事件中，T0日指數(shù)漲跌幅絕對值超過2%的，兩個市場均有21件，約占總樣本數(shù)的66%。T0日上證綜指、深圳成指漲跌幅絕對值超過3%的，兩個市場分別有14件、17件，約占總樣本數(shù)的44%、53%。漲跌幅絕對值超過5%的，兩個市場分別有10件、12件，約占總樣本數(shù)的32%、41%。漲跌幅絕對值超過7%的，兩個市場分別有6件、5件，約占總樣本數(shù)的19%、16%。滬深兩市指數(shù)漲跌幅絕對值超過9%的有事件1（跌幅分別達(dá)9.91%、10.08%）、事件14（漲幅分別達(dá)9.05%、9.36%）、事件17（漲幅分別達(dá)9.86%、10%）、事件18（漲幅分別達(dá)9.25%、9.34%）、事件27（均超過10%的收益率）。另外，事件25，在公告當(dāng)日，有900多只股票跌停，公告次日又有600多只股票跌停，短短5天后，A股下跌了1000多點，最大交易跌幅超過21%。據(jù)此，可認(rèn)定所選政策性事件對股市有重要影響。

從T0日與T0-1日兩市指數(shù)的漲跌關(guān)聯(lián)性看，呈現(xiàn)出漲跌關(guān)聯(lián)性強(qiáng)的特征。根據(jù)表2，T0日下跌，T0-1日也下跌的事件滬市有10件、深市有11件。它們主要是：1、4、5、15、20、23、26、27、30、31號事件。T0日指數(shù)上漲，T0-1日也上漲的滬市有11件、深市有10件，它們主要是2、7、9、10、12、13、14、18、19、29號事件。

從政策事件的性質(zhì)（重大利好和重大利空）角度看，政策事件對應(yīng)的T0-1日與T0日上證綜指、深成指的相關(guān)程度強(qiáng)。這一結(jié)論可從下文的政策事件對應(yīng)的T0-1日與T0日上證綜指、深成指的配對t檢驗結(jié)果給予證明（詳見表3、表4、表5、表6）。其中，表3、4為當(dāng)政策為重大利好時，滬深兩市T0日與T0-1日指數(shù)收盤價的相關(guān)系數(shù)、配對t檢驗結(jié)果。結(jié)果顯示當(dāng)政策為重大利好事件時T0日上證指數(shù)與T0-1日上證指數(shù)、T0日深成指數(shù)與T0-1日深成指數(shù)呈正相關(guān)，相關(guān)系數(shù)分別達(dá)0.989、0.988，相關(guān)程度強(qiáng)。滬深兩市的T0日指數(shù)與T0-1日指數(shù)配對t檢驗值分別為3.8196、5.064，均在1%的顯著性水平下拒絕原假設(shè)，認(rèn)為當(dāng)政策為重大利好時，滬深兩市T0日指數(shù)與T0-1日指數(shù)有顯著差異，印證了利好事件的重大。

表5、6為政策為重大利空時，滬深兩市T0日指數(shù)與T0-1日指數(shù)的相關(guān)系數(shù)分析、配對檢驗的結(jié)果。結(jié)果顯示，當(dāng)政策為重大利空事件時滬深兩市T0日指數(shù)與T0-1日指數(shù)相關(guān)性高達(dá)0.95、0.974，相關(guān)性也相當(dāng)強(qiáng)。滬深兩市T0日指數(shù)與T0-1日指數(shù)配對t檢驗值分別為-2.74、-2.73，均在1%的顯著性水平下拒絕原假設(shè)，表明當(dāng)政策為重大空事件時，滬深兩市T0日指數(shù)與T0-1日指數(shù)有顯著差異，印證了利空事件的重大。

2.T0-1日對T0-5至T0-2日股指均值漲跌幅分析

根據(jù)表2分析發(fā)現(xiàn)，滬深兩市T0-1日對T0-5至T0-2日股指均值漲跌幅絕對值超過2%的分別有21、22個?？沙醪脚卸ㄟ@些政策性事件信息提前被泄漏，事先知悉該信息者搶先進(jìn)場交易，導(dǎo)致大盤在政策事件還未公布就出現(xiàn)異常波動。

表7、8給出了當(dāng)政策為重大利好事件時，滬深T0-1日對T0-5至T0-2日股指均值的相關(guān)性分析、配對樣本t檢驗，結(jié)果顯示滬深T0-1日對T0-5至T0-2日股指均值的相關(guān)系數(shù)分別達(dá)0.989、0.997，相關(guān)性很強(qiáng)。滬深T0-1日對T0-5至T0-2日股指均值的配對t檢驗也均在1%的顯著性水平下拒絕了原假設(shè)，接受了兩個樣本的均值不相等的備擇假設(shè)。這表明重大利好的政策事件信息已提前泄漏。

表9、10給出了當(dāng)政策為重大利空事件時，滬深T0-1日對T0-5至T0-2日股指均值的相關(guān)性分析、配對樣本t檢驗，結(jié)果顯示滬深T0-1日對T0-5至T0-2日股指均值的相關(guān)系數(shù)分別達(dá)0.968、0.965，相關(guān)性亦很強(qiáng)。滬深T0-1日對T0-5至T0-2日股指均值的配對t檢驗值分別為-3.17、-2.88，均在5%的顯著性水平下原假設(shè)，接受兩個樣本均值不相同的備擇假設(shè)，表明重大利空的政策事件信息提前泄漏，該信息知悉者已提前進(jìn)行利空操作。

（二）基于成交金額變化的分析

1.比較T0日成交金額漲跌幅

T0日成交金額漲跌幅絕對值超過50%以上的有10家（見表11），分別是：第1號事件（T0日成交金額下跌89.34%）、第5號事件（T0日成交金額增幅57.57%）、第7號事件（T0日成交金額增幅102.12%）、第9號事件（T0日成交金額增幅50.11%）、第12號事件（T0日成交金額增幅287.57%）、第13號事件（T0日成交金額增幅100.617%）、第17號事件（T0日成交金額增幅238. 04%）、第31號事件（T0日成交金額漲跌幅50.02%）、第32好事件（T0日成交金額漲跌幅63.82%）。T0日成交金額漲跌幅絕對值在20%-50%有9家。因此，可認(rèn)為這些事件消息都是重大的。

2.比較T0-1日成交金額對T0-5到T0-2日平均成交金額的漲跌幅

根據(jù)表11可知，有16個事件的T0-1成交金額對T0-5到T0-2平均成交金額的漲跌幅絕對值在20%以上，且多數(shù)利空政策事件的成交額在事件公告的前一天開始大規(guī)模萎縮。例如事件1的T0-1日成交金額比T0-5到T0-2日平均成交金額下跌了33.35個百分點；事件3的T0-1日成交金額比T0-5到T0-2平均成交金額下跌了31%。而利好政策事件的成交額在事件公告的前一天驟然大幅增長。例如事件6，T0-1日成交金額比T0-5到T0-2平均成交金額增漲了86個百分點；又如第9號事件T0-1日成交金額比T0-5到T0-2平均成交金額增漲了136.52個百分點、第14號事件T0-1日成交金額比T0-5到T0-2平均成交金額增漲了46.74個百分點、第18號事件T0-1日成交金額比T0-5到T0-2平均成交金額增漲了246.98個百分點、第19號事件T0-1日成交金額比T0-5到T0-2平均成交金額增漲了86.61個百分點、第21號事件T0-1日成交金額比T0-5到T0-2平均成交金額增漲了24.67273個百分點。綜上分析，可知重大政策事件信息出現(xiàn)了提前泄漏，知悉者提前進(jìn)入市場進(jìn)行相應(yīng)操作，引致股市成交量出現(xiàn)大幅漲跌。

六、我國影響證券市場的政府重大決策信息提前泄漏的實證分析

為了進(jìn)一步識別我國影響證券市場的政府重大決策信息是否提前泄漏，在上文分析的重大政府決策政策事件基礎(chǔ)上，選擇上證綜指、深成指及其滬深兩市成交量為樣本進(jìn)行實證分析。其中，事件窗口期為重大政策事件公布或頒布實施前后4天，即[T-1，T+1]=[T0-4，T0+4]，事件前估計期為事件窗口期前120天，即[T-2，T-1）=[T0-124，T0-4）。

（一）基于股市價格指數(shù)的實證分析

根據(jù)（2）、（3）式可計算每個樣本政策事件對應(yīng)的上證綜指和深成指的累計異常水平（詳見圖2、表12）。

從圖2和表12可知：

第一，重大政策事件公布前后4個交易日的上證綜指、深成指的累計異常水平出現(xiàn)了明顯且劇烈的波動，這表明了政策事件的確對股市產(chǎn)生重大影響甚至沖擊，也揭示了中國證券市場的“政策市”的特點。

第二，滬深兩市對重大政策事件的反應(yīng)聯(lián)動性很強(qiáng)。重大政策事件公布前后4個交易日的上證綜指與深成指的累計異常水平的波動趨勢基本一致，表明了重大政策事件對滬深兩市的影響具有一致性，所選擇的重大政策樣本對整個證券市場來說均是系統(tǒng)性影響因素。

第三，事件6、事件1、事件4、事件8、事件11、事件10、事件9在公布或頒布前，上證綜指、深成指的累計異常水平的絕對值均高于5%，表明這些政策事件在公布前就已經(jīng)在滬深兩市出現(xiàn)了嚴(yán)重泄漏，其中事件1、事件6、事件9泄露的情況最為嚴(yán)重。事件9、事件10、事件11、事件20、事件1、事件6、事件28、事件27、事件18、事件4在公布或頒布前，上證綜指的累計異常水平的絕對值均高于5%的水平，表明這些事件在滬市的提前泄漏的情況較為嚴(yán)重，其中事件1、事件6、事件9的上證綜指的累計異常水平值分別為-12.958、-10.947、10.0177，這3個事件的在滬市提前泄露程度特別嚴(yán)重。事件6、事件1、事件4、事件3、事件30、事件8、事件5、事件19、事件14、事件11、事件10在公布前，深成指累計異常水平的絕對值超過5%，意味著這些政策事件在深市提前泄露程度嚴(yán)重。其中，事件6、事件1、事件9的深成指的累計異常水平值分別達(dá)-12.221、-9.5357、9.536，是深市提前泄露程度最為嚴(yán)重的3個事件。

第四，事件3、事件4、事件6、事件8、事件9、事件10、事件14、事件18、事件19、事件21、事件24、事件25、事件30、事件31滬深兩市的累計異常指數(shù)比大于1，表明這些政策事件的頒布前，在滬深兩市已經(jīng)提前泄露，導(dǎo)致股市前后波動大。事件1、事件20、事件27的上證指數(shù)累計異常水平比大于1，而深成指累計異常比未超過1，表明該政策事件公布前僅在滬市出現(xiàn)了提前泄露。而事件17、事件22的上證指數(shù)累計異常水平小于1，而深成指累計異常水平大于1，意味著該事件在公布之前在深市出現(xiàn)了泄露。

對滬深兩市累計異常指數(shù)比進(jìn)行t檢驗（詳見表13所示），結(jié)果顯示t=0.221（df=61），伴隨概率為0.826，遠(yuǎn)大于0.1的顯著性水平，接受原假設(shè)H0：RTUSPt>1，對證券市場有重大影響的政策存在提前泄露，已有知悉者提前進(jìn)入市場進(jìn)行相應(yīng)操作，引致大盤波動。

（二）基于股市成交量的實證結(jié)果

為進(jìn)一步識別我國影響證券市場的政府重大決策信息提前泄漏的存在性，本文再次對累計異常成交量、累計異常成交量比進(jìn)行實證研究。同累計異常指數(shù)、累計異常指數(shù)比計算方式相同，可得到31個樣本事件T0-4、T0+4的累計異常成交量、累計異常成交量比（詳見圖3、表14）。

根據(jù)圖3、表14可知：

第一，滬深兩市累計異常成交量波動的幅度遠(yuǎn)遠(yuǎn)高于滬深兩市指數(shù)累計異常水平的幅度，且深市累計異常成交量的波幅要高于滬市。根據(jù)表14，T0-4日、T0+4日滬市累計異常成交量的方差分別為72.596、94.9886，而深市的為88.13746、117.51306，深市的要遠(yuǎn)高于滬市的，這表明深市累計異常成交量的波動遠(yuǎn)高于滬市，也進(jìn)一步揭示了與股市價格指數(shù)相比，股市成交量對重大政策性事件更加敏感。T0-4日滬市累計異常成交量超過10%的有28個事件，超過50%的有12個樣本事件，前3高的為事件19、事件9、事件20，其累計水平分別達(dá)260.64%、177.18%、114.42%。深市T0-4日深市累計異常成交量超過10%的也有28個事件，超過50%的有13個樣本事件，最高的3個事件分別為事件19、事件13、事件9，其累計異常成交量分別達(dá)386.96%、120.33%、116.81%?？梢姡x樣本事件對股市成交量的影響是十分重大的，政策事件在公布前已泄露，引起事件前股市成交量的劇烈波動。

第二、滬深兩市累計異常成交量比均大于1的事件有事件2、事件3、事件8、事件9、事件10、事件11、事件14、事件19、事件20、事件24、事件27、事件30、事件32?？梢娭卮笳呤录念C布或出臺前泄露的情況比較嚴(yán)重。相比而言，深市累計異常成交量比大于1的事件有19起，比滬市的17起要多2起。這反映了深市的重大政策頒布或出臺的提前泄露的程度要高于滬市。滬市累計異常成交量比的絕對值最高的3個樣本事件為事件20、事件27、事件32，其比值分別為-32.9、7.704、-5.62。深市累計異常成交量比的絕對值最高的3個樣本事件為事件21、事件32、事件8，其比值分別為15.09、-6.51、5.578。

為進(jìn)一步證實重大政策性事件的出臺或頒布是否提前泄露，表15對滬深兩市累計異常成交量比進(jìn)行了t檢驗，結(jié)果顯示t=-1.37（df=61），在10%顯著性水平下拒絕了RTUSVt=1的備擇假設(shè)，接受RTUSVt>1，表明重大政策事件的頒布或出臺提前就出現(xiàn)了泄露，知悉者已進(jìn)行市場進(jìn)程操作，引起股市成交量的事件前后出現(xiàn)巨大波動。

根據(jù)上述的實證檢驗結(jié)果可看到，不管是基于股市價格指數(shù)的實證檢驗、還是股市成交量的實證分析，均表明了中國重大政策事件的頒布或出臺出現(xiàn)提前泄露，存在利用政府重大決策事件信息進(jìn)行股市操作的行為。且從上文分析可以看到大多數(shù)重大政策事件在出臺或頒布的前4天就已泄露，引起股市的價格、成交量出現(xiàn)異常變動。這種利用宏觀政策出臺或頒布的信息進(jìn)行交易，會嚴(yán)重影響證券市場交易的公平性，嚴(yán)重?fù)p害中小投資者利益和其對市場的信心。為此，我國管理當(dāng)局應(yīng)加大對重大政策事件的制定、出臺或頒布的信息保密的工作力度，做好應(yīng)有的保密措施，避免信息泄露與利用信息進(jìn)行交易的行為，進(jìn)而維持證券市場的公平，最大程度地保護(hù)中小投資者利益。

七、結(jié)語

通過上文的分析，我們可以得出以下結(jié)論：第一，對我國影響證券市場的政府重大決策信息提前泄漏的典型事實分析表明，重大政策事件的頒布和出臺前，股市的價格指數(shù)、成交量會出現(xiàn)巨大波動，重大政策事件在出臺或頒布之前就已經(jīng)泄露。第二，我國影響證券市場的政府重大決策信息提前泄漏的實證分析進(jìn)一步印證了政府重大政策事件在公告之前就已經(jīng)泄漏。證券市場上基于重大政策事件的提前泄露的交易對股市的價格指數(shù)、成交量帶來了異常波動，增加了股市風(fēng)險，損害了證券市場交易的公平性，損害了中小投資者

的利益，這不利證券市場的健康發(fā)展。

參考文獻(xiàn)：

[1]黃余海.中國證券市場內(nèi)幕交易實證研究[D].復(fù)旦大學(xué)，2003.

[2]晏艷陽，趙大瑋.中國股權(quán)分置改革中內(nèi)幕交易的實證研究[J].金融研究，2006（4）：101-108.

[3]左健.中國股市內(nèi)幕交易的實證研究[D].華東師范大學(xué)，2009.

[4]史永東，蔣賢鋒.內(nèi)幕交易、股價波動與信息不對稱：基于中國股票市場的經(jīng)驗研究[J].世界經(jīng)濟(jì)，2004（12）：55-65.

[5]汪貴浦.中國證券市場內(nèi)幕交易的信息含量研究[D].成都：西南交通大學(xué)，2002.

[6]張宗新，楊懷杰.內(nèi)幕交易監(jiān)管的國際比較及其對中國的啟示[J].當(dāng)代經(jīng)濟(jì)研究，2006（8）：32-36.

[7]張宗新，沈正陽.內(nèi)幕操縱、市場反應(yīng)與行為識別[J].金融研究，2007（6）：120-135.

[8]袁理.中國股票市場內(nèi)幕交易行為甄別監(jiān)控機(jī)制研究[D].蘇州大學(xué)，2009.

[9]黃素心.中國證券市場內(nèi)幕交易監(jiān)管研究[M].北京，經(jīng)濟(jì)管理出版社，2011.

[10]李寶濤.基于離散選擇模型的內(nèi)幕交易甄別研究[D].青島大學(xué)，2012.

[11]宋力，劉煥婷.證券市場內(nèi)幕交易行為識別研究[J].商業(yè)經(jīng)濟(jì)，2012（2）：96-98.