詢價制度改革、知情交易者概率與IPO溢價

馬超群，徐光魯，劉 偉，賈 鈺，趙新偉

(1.湖南大學(xué)工商管理學(xué)院，湖南 長沙 410082；2.上海證券交易所資本市場研究所，上海 200120)

1 引言

信息不對稱與資產(chǎn)定價的關(guān)系是市場微觀結(jié)構(gòu)中的熱點問題，已有研究表明信息不對稱與資產(chǎn)定價之間存在重要關(guān)系。但是知情交易者引起的信息風(fēng)險是否成為資產(chǎn)定價的決定因素，目前還沒有統(tǒng)一定論。Easley和O’Hara[1]通過構(gòu)建非對稱信息下的理性預(yù)期模型，指出非知情交易者要求更高溢價以彌補(bǔ)知情交易者帶來的逆向選擇風(fēng)險，從而高信息風(fēng)險的股票存在超額收益。而Lambert等[2]指出，Easley和O’Hara[1]的研究中知情交易者帶來的信息風(fēng)險之所以會被定價，是由于有限的資產(chǎn)組合造成信息風(fēng)險的不可分散性。對于這一矛盾的研究結(jié)論，他們均假設(shè)非知情交易者是價格的被動接受者。事實上，非知情交易者并非僅僅為知情交易者提供流動性。

在信息不對稱環(huán)境中，非知情交易者通過對市場交易數(shù)據(jù)[3]、交易策略[4]的學(xué)習(xí)，對市場信息環(huán)境也產(chǎn)生重要影響。特別地，對于知情交易者，這類基于信息驅(qū)動的投資者，非知情交易者的學(xué)習(xí)行為是否影響了知情交易者概率對資產(chǎn)定價的作用。已有研究表明，知情交易者向市場交易價格傳遞了私有信息[5]。本文考慮非知情交易者對市場交易價格信息的學(xué)習(xí)行為這一因素，對知情交易者概率對資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)這一矛盾的研究結(jié)論提供了一種解釋。

關(guān)于知情交易者概率與資產(chǎn)收益的關(guān)系，已有文獻(xiàn)主要基于信息不對稱理論，從逆向選擇和信息中介兩個角度展開。一方面，從逆向選擇角度，知情交易者利用其掌握的信息優(yōu)勢使得非知情交易者面臨更大的逆向選擇風(fēng)險，增加了非知情交易者要求的風(fēng)險溢價，從而高知情交易者概率的股票存在超額收益。這一理論得到了相關(guān)實證研究的支持，其中比較有代表性的研究是Easley等[6-7]的研究。他們選取PIN作為衡量知情交易者概率的指標(biāo)，發(fā)現(xiàn)PIN高的股票存在超額收益，并且進(jìn)一步通過Fama-French模型發(fā)現(xiàn)知情交易者概率(PIN)是影響資產(chǎn)定價的一個重要風(fēng)險因子。另一方面，從信息中介的角度，知情交易者在交易中向交易價格傳遞了信息，降低了非知情交易者面臨的信息風(fēng)險及其要求的風(fēng)險溢價，知情交易者概率對股票收益產(chǎn)生負(fù)向影響[8-9]。Gordon等[10]以月度收益為研究對象，發(fā)現(xiàn)不同行業(yè)中PIN對月度收益產(chǎn)生相反的影響。國內(nèi)相關(guān)研究證實了這一現(xiàn)象，代表性的研究是韓立巖等[11]的研究，他們實證發(fā)現(xiàn)PIN作為定價因子是有效的，但是對收益產(chǎn)生負(fù)向影響。許靜霞等[12]發(fā)現(xiàn)知情交易者利用其掌握的利空消息在信息披露前進(jìn)行賣空交易，從而對利空消息披露后的股票收益產(chǎn)生負(fù)向影響。

針對這一看似“矛盾”的現(xiàn)象，Wang Jiang[8]通過建立兩期資產(chǎn)定價模型指出，知情交易者對資產(chǎn)收益產(chǎn)生正負(fù)效應(yīng)的結(jié)果依賴于逆向選擇效應(yīng)和信息中介效應(yīng)二者作用的相對大小，但是其解釋背后隱含了非知情交易者對交易價格的學(xué)習(xí)行為。首先，從逆向選擇的角度，知情交易者對資產(chǎn)收益產(chǎn)生正向影響，主要在于在交易中知情交易者能夠隱藏自己的信息優(yōu)勢，非知情交易者無法從交易價格中獲取相關(guān)信息，從而增加了非知情交易者面臨的風(fēng)險溢價；其次，從信息中介的角度，即使知情交易者向股價傳遞了信息，倘若非知情交易者不具備學(xué)習(xí)能力，依然無法降低其所要求的風(fēng)險溢價。O'Hara[13]發(fā)現(xiàn)市場中非知情交易者從市場交易價格中掌握了知情交易者傳遞的信息。Dow和Gorton[14]從相反的角度，發(fā)現(xiàn)即使知情交易者向股價傳遞了信息，當(dāng)非知情交易者無法復(fù)制知情交易者的投資組合時，知情交易者依賴其信息優(yōu)勢仍然可以獲利。可見非知情交易者的學(xué)習(xí)行為是知情交易者影響資產(chǎn)收益以及對其產(chǎn)生正負(fù)效應(yīng)的關(guān)鍵因素。另外，一些學(xué)者研究了投資者學(xué)習(xí)內(nèi)容的不同對資產(chǎn)收益的影響，如對交易經(jīng)驗[15]、股票泡沫[16]、資產(chǎn)價值[17]的學(xué)習(xí)，但這與本文的研究內(nèi)容無關(guān)。本文在知情交易者概率與資產(chǎn)收益的框架下，考慮了非知情交易者對市場交易價格信息的學(xué)習(xí)行為對其關(guān)系的影響。

以新股發(fā)行市場為研究對象，主要由于其市場微觀結(jié)構(gòu)以及信息風(fēng)險環(huán)境與成熟股票明顯不同。一方面，新股發(fā)行貫穿于一級發(fā)行市場和二級市場；由于上市前新股信息較少，上市前證監(jiān)會、承銷商等通過信息披露機(jī)制、詢價機(jī)制獲取有關(guān)新股的公共信息和私有信息，以供參與二級市場交易的投資者決策。以新股上市為時間節(jié)點，更能清晰地界定市場環(huán)境中信息作用的時點。另一方面，由于一級市場投資者之間以及一級市場和二級市場之間存在信息不對稱，新股發(fā)行面臨的信息風(fēng)險有著自身顯著的特點，這主要表現(xiàn)在一級市場定價的有效性方面。已有研究表明一級市場發(fā)行定價并沒有反映上市前所有的信息[18-19]，一級市場的信息風(fēng)險沒有完全消除，而知情交易者作為市場中基于信息交易的一類投資者，一級市場的信息風(fēng)險必然通過知情交易者對二級市場新股價格產(chǎn)生重要影響。特別地，對于中國證券市場IPO溢價，除了歸因于市場上不同參與者的投資決策行為，導(dǎo)致新股發(fā)行定價偏低或上市初期交易價格過高，形成IPO抑價或溢價[20-21]，也與我國證券市場新股發(fā)行制度不完善及其變遷不無關(guān)系[22-23]。本文在探討知情交易者概率與資產(chǎn)收益關(guān)系的基礎(chǔ)上，進(jìn)一步分析了詢價制度改革這一信息風(fēng)險環(huán)境的變化對兩者關(guān)系的影響，對詢價制度改革的有效性提出了一種新的解釋。

綜上所述，非知情交易者對市場交易價格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)收益的關(guān)系。O′Hara[13]的理性預(yù)期模型假設(shè)非知情交易者對市場交易價格存在完全學(xué)習(xí)行為，從而知情交易者概率對期望收益產(chǎn)生負(fù)效應(yīng)。本文放松了這一假設(shè)，引入非知情交易者學(xué)習(xí)程度，以我國新股發(fā)行市場微觀結(jié)構(gòu)為背景對其進(jìn)行了拓展建立了理論模型，更全面地解釋了知情交易者概率對資產(chǎn)收益影響的作用機(jī)制。模型結(jié)論表明：非知情交易者對市場交易價格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)期望收益的關(guān)系；當(dāng)市場非知情交易者存在學(xué)習(xí)行為時，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對資產(chǎn)期望收益產(chǎn)生負(fù)向影響。這主要由于知情交易者在交易過程中向市場均衡價格傳遞了自身掌握的私有信息，非知情交易者通過市場價格掌握了這一信息，不僅降低了知情交易者的信息優(yōu)勢，更降低了非知情交易者要求的風(fēng)險溢價。由于這種期望收益反映了投資者要求的風(fēng)險溢價，因此在理論模型推論的基礎(chǔ)上，以IPO溢價為實證分析對象，發(fā)現(xiàn)實證結(jié)論支持理論推論。另外，通過理論模型發(fā)現(xiàn)，在非知情交易者存在學(xué)習(xí)行為的情況下，隨著市場交易價格信息透明的提高，知情交易者概率對資產(chǎn)收益的邊際效應(yīng)加強(qiáng)?；谶@一結(jié)論，本文在詢價制度改革的背景下，發(fā)現(xiàn)詢價制度改革降低了知情交易者概率對IPO溢價的邊際影響，這啟示我們詢價制度改革更關(guān)鍵在于增加IPO上市初期知情交易者的數(shù)量，提高二級市場交易價格的信息透明度。論文的研究結(jié)論對于解釋知情交易者在市場中的角色具有重要意義，也為市場設(shè)計者提供了新的思路。

2 理論模型

2.1 理論假設(shè)

2.2 模型構(gòu)建

每個投資者最大化其效用函數(shù)，新股上市首日其對IPO的最佳需求數(shù)量滿足：

s.t.w1=(v-p1)z1

(1)

(2)

(3)

E(v|s1)是知情交易者基于私有信息對IPO價值形成的后驗估計，var(v|s1)為后驗方差。根據(jù)Bayes法則，有以下公式成立：

(4)

對(3)式求導(dǎo)并結(jié)合(4)式，求得知情交易者的最佳IPO需求量：

(5)

非知情交易者雖然僅僅知道公共信息，但是知道知情交易者的行為會影響到各期的均衡價格，因此非知情交易者通過價格對潛在信息進(jìn)行推斷。參考Easley和O′hara[1]、O′hara[13]的研究，通過價格認(rèn)知方程刻畫非知情交易者對市場交易價格的學(xué)習(xí)行為。非知情交易者對價格的認(rèn)知方程是股票價值、私有信息、供給的函數(shù)，即其對價格的推測函數(shù)為：

(6)

其中a、b、c、d是待定的系數(shù)。根據(jù)(6)式，在給定股票價格p1的信息下，非知情交易者從價格中推斷的信息為：

(7)

將公式(6)代入公式(7)，得到：

(8)

與Easley和O′hara[1]、O′hara[13]研究不同，他們均假設(shè)非知情交易者對Θ一定存在學(xué)習(xí)行為，這與實際市場投資者行為不符。事實上，非知情交易者對Θ不一定存在學(xué)習(xí)行為。本文放松Easley和O′hara[1]、O′hara[13]研究中對非知情交易者對Θ一定存在學(xué)習(xí)行為的假設(shè)，引入非知情交易者學(xué)習(xí)程度β，更全面地研究了非知情交易者學(xué)習(xí)行為對知情交易者概率與資產(chǎn)收益關(guān)系的影響。

(9)

在得到信息θ的條件下，非知情交易者推斷未來股價信息，得到關(guān)于股價v的后驗均值和后驗方差，類似公式(4)推導(dǎo)，得到下式：

(10)

(11)

其中，ρθ=var(θ|v)-1。由公式(3)可知，非知情交易者的股票需求數(shù)量為：

(12)

根據(jù)市場均衡條件，兩種類型的投資需求量等于IPO供給數(shù)量，即μz1+(1-μ)z2=x。在不影響主要結(jié)論成立的條件下，為了分析的簡便，令δ1=δ2=δ，從而求得均衡交易價格：

p1=

(13)

(14)

通過(13)、(14)中θ、β、ρθ、γ1的關(guān)系進(jìn)一步討論知情交易者概率μ對IPO資產(chǎn)收益的影響。通過以下二種情況分析：

(15)

(16)

通過對公式(16)求導(dǎo)，可得：

(17)

可以看出，知情交易者概率對資產(chǎn)收益產(chǎn)生負(fù)向影響。這與Easley和O′hara[1]的研究結(jié)論相一致。

(18)

其中，

(19)

(20)

(21)

從以上分析可以看出，隨著非知情交易者學(xué)習(xí)程度的加深，知情交易者概率與資產(chǎn)期望收益的關(guān)系發(fā)生變化。當(dāng)非知情交易者的學(xué)習(xí)程度較弱時，知情交易者能夠很好地 “隱藏”了自己的私有信息并保持自己的信息優(yōu)勢，此時市場信息風(fēng)險較高，非知情交易者要求的風(fēng)險溢價高，從而知情交易者能夠獲得正收益；當(dāng)隨著非知情交易者學(xué)習(xí)程度的增加，知情交易者的信息優(yōu)勢降低，這一方面降低了知情交易者的信息優(yōu)勢，減少了市場上逆向選擇的風(fēng)險，這進(jìn)一步降低了非知情交易者要求的風(fēng)險溢價；另一方面非知情交易者通過對交易價格的學(xué)習(xí)并影響了其投資決策，非知情交易者這種學(xué)習(xí)行為更快地促進(jìn)了信息向股價傳遞的效率，從而降低了市場信息風(fēng)險，使得知情交易者概率對資產(chǎn)收益的效果產(chǎn)生負(fù)向效應(yīng)。

基于(17)、(18)，得到推論1：

推論1：非知情交易者對市場交易價格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)期望收益的關(guān)系。當(dāng)市場非知情交易者存在學(xué)習(xí)行為時，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對資產(chǎn)期望收益產(chǎn)生負(fù)向影響。

進(jìn)一步分析，通過(17)式對(γ1-ρθ)求導(dǎo),得到：

(22)

基于(22)式，我們得到推論2：

推論2：在非知情交易者存在學(xué)習(xí)行為的情況下，隨著市場交易價格信息透明的提高，知情交易者概率對IPO首日期望收益的邊際效應(yīng)越大。

由于ρθ反應(yīng)了市場交易價格信息的透明度，特別是詢價制度改革以來，中國新股發(fā)行體制不斷完善。除了放松發(fā)行市盈率的管制，對詢價過程中報價機(jī)制進(jìn)行改革，旨在促進(jìn)報價的透明性和真實性。特別是，2010年10月，第二階段詢價制度改革要求披露機(jī)構(gòu)投資者報價數(shù)據(jù)，這一特殊的信息披露機(jī)制是否改變了新股上市初期市場交易價格信息透明度？是否改變了知情交易者概率對IPO溢價的邊際效應(yīng)？基于推論2，本文圍繞著第二階段詢價制度改革，對第二階段詢價制度改革前后知情交易者概率對IPO資產(chǎn)收益的邊際效應(yīng)進(jìn)行了實證檢驗，從這一角度對詢價制度改革的有效性進(jìn)行了探討。

3 研究設(shè)計

本文構(gòu)建4個模型，對研究推論進(jìn)行實證檢驗。模型1檢驗了市場中非知情交易者的學(xué)習(xí)行為。模型2進(jìn)一步對推論1進(jìn)行了驗證，考察知情交易者概率和IPO溢價的關(guān)系。模型3、4在模型2的基礎(chǔ)上加入虛擬變量DV和虛擬變量與知情交易變量的交叉項，研究了詢價制度改革改革后知情交易者概率對IPO溢價的邊際效應(yīng)變化。

模型1：

HM=c0+c1PIN+c2lnVOL+c3PE+c4ART+c4LR

模型2：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR

模型3：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV

模型4：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV+c13DV*PIN

3.1 因變量

本文通過羊群效應(yīng)，對非知情交易者的市場學(xué)習(xí)行為進(jìn)行驗證。在資本市場，羊群效應(yīng)通常被解釋為，在信息不充分情況下，投資者通過對市場信息的學(xué)習(xí)或者在交易中對其他投資者行為進(jìn)行模仿的行為。早期理論認(rèn)為，信息不完全的投資者，通過對市場信息的學(xué)習(xí)并模仿先行者的投資決策，由此產(chǎn)生了羊群效應(yīng)[24-25]。雖然O′Hara[13]發(fā)現(xiàn)市場中非知情交易者對知情交易者向市場交易價格傳遞的信息存在學(xué)習(xí)行為，但并沒有進(jìn)行實證檢驗。本文通過羊群效應(yīng)對非知情交易者的市場學(xué)習(xí)行為進(jìn)行驗證。

羊群效應(yīng)的度量方法通常有兩種方法：一種是度量單只股票的羊群效應(yīng)，另一種是對整個市場羊群效應(yīng)進(jìn)行度量。本文研究單只股票的羊群效應(yīng)，采用Zhou和Lai[25]的方法衡量單只股票的羊群效應(yīng)，同時避免了機(jī)構(gòu)投資者較強(qiáng)的假設(shè)。

HMi=

(23)

IPO溢價，即投資者要求的風(fēng)險溢價，采用初始收益率(Initial Return)來衡量。初始收益率等于上市首日收盤價(Price of Close)偏離發(fā)行價(Price of Issue)的相對數(shù)，即IR=PC/PI-1。同時，為了更能反應(yīng)投資者要求的風(fēng)險報酬，在穩(wěn)健性分析中，對IPO溢價采用市場指數(shù)進(jìn)行調(diào)整。

3.2 知情交易者概率的度量

本研究的關(guān)鍵在于如何度量市場上知情交易者概率μ。有文獻(xiàn)把知情交易者獲得的信息定義為私有信息，事實上，公共信息也可以是知情交易者獲取信息優(yōu)勢的來源。 知情交易者通過主動獲取信息或者基于理性分析公共信息獲得信息優(yōu)勢進(jìn)行的交易，均屬于知情交易。因此，本文并沒有區(qū)別知情交易、知情交易概率、知情交易者概率三個概念。根據(jù)已有文獻(xiàn)的度量方法可以分為兩類：直接度量指標(biāo)和間接度量指標(biāo)。Easley等[26]構(gòu)建EKOP模型提出了度量知情交易者概率的指標(biāo)—PIN，作為直接度量知情交易水平的經(jīng)典指標(biāo),無論從模型構(gòu)建機(jī)理的角度，還是從市場微觀結(jié)構(gòu)理論的角度，PIN能夠較好地度量股票的信息風(fēng)險。本文采用PIN作為度量知情交易者概率的指標(biāo)，并改進(jìn)了其估計過程，使其更適合本文研究。

在EKOP模型中，市場上發(fā)生私有信息的概率為α，而且是好消息的概率為1-κ，κ是壞消息的概率。知情交易者基于觀察到的私有信息并提交買賣訂單，由此造成的買賣訂單的不平衡反應(yīng)了知情交易的水平。市場上買賣訂單的到達(dá)量符合特定參數(shù)的泊松分布。以每個交易日為“單位時間”，每個交易日買賣訂單到達(dá)過程的似然函數(shù)為：

(24)

上述似然函數(shù)是一個混合泊松分布，π=(α,κ,εb,εs,μ)表示待估參數(shù)。其中εb是非知情交易者單位時間內(nèi)主動性買單的到達(dá)率，εs是非知情交易者單位時間內(nèi)主動性賣單的到達(dá)率，μ是知情交易者買賣訂單到達(dá)率。B、S表示單位時間內(nèi)的主動性買賣單成交筆數(shù)。假設(shè)每天發(fā)生信息事件獨立，則樣本區(qū)間內(nèi)總似然函數(shù)為：

(25)

在估計出參數(shù)π后，計算知情交易者概率的公式為PIN=αμ/(εb+εs+αμ)。

EKOP模型中泊松分布參數(shù)的“單位時間”是日度區(qū)間，一般選取一個季度作為樣本區(qū)間，從而估計出樣本區(qū)間內(nèi)單只股票的知情交易概率。而本研究需要估計上市當(dāng)天的知情交易概率，研究上市首日當(dāng)天知情交易概率對IPO溢價的影響，故本文采用許敏和劉善存[27]的做法，以十分鐘為“單位時間”對一天內(nèi)的交易劃分，將十分鐘內(nèi)的買賣交易筆數(shù)累計，以十分鐘內(nèi)的買賣交易筆數(shù)進(jìn)行估計，從而估計出上市首日當(dāng)天的知情交易概率。

針對上述似然函數(shù)，通常采用極大似然估計，但是傳統(tǒng)的極大似然估計存在兩個缺陷：(1)對初始值的設(shè)定比較敏感，容易收斂到局部最優(yōu)解；(2)對于上述似然函數(shù)，其參數(shù)估計值經(jīng)常收斂到邊值解，從而造成參數(shù)估計的“有偏性”[28]。與之相反，遺傳算法(Genetic Algorithm)具有較好的全局并行搜索能力，全局搜索能力極強(qiáng)，但收斂速度較慢，局部搜索能力差。

本文結(jié)合兩種算法的優(yōu)點，一方面采用遺傳算法進(jìn)行全局搜索，另一方面采用極大似然估計法進(jìn)行局部搜索，以得到似然函數(shù)的最優(yōu)解。該算法對參數(shù)初始值進(jìn)行遺傳操作，并進(jìn)行全局搜索，用極大似然估計法對遺傳操作的初始值進(jìn)行局部尋優(yōu)，在保證全局最優(yōu)的情況下，提高了遺傳算法的收斂速度。非線性規(guī)劃遺傳算法NLGA(Non-linear Genetic Algorithm)過程如下：

(1)初始化種群：編碼染色體π=(α,κ,εb,εs,μ)，對染色體采用浮點小數(shù)編碼。

(3)遺傳操作：

1)選擇：采用“輪賭盤法”選擇進(jìn)行交叉、變異的個體。

(4)局部尋優(yōu)：對于步驟3的遺傳操作，每進(jìn)化5代，以所得的初始值利用極大似然估計，進(jìn)行局部尋優(yōu)。并對最優(yōu)個體進(jìn)行替代，返回步驟3的遺傳操作，直至進(jìn)化結(jié)束。

由于(24)式不存在解析解，無法通過解析解直接驗證上述算法的收斂性。本文采用蒙特卡洛模擬，以初始參數(shù)值π0=(0.6,0.4,30,20,30)產(chǎn)生2000組模擬數(shù)據(jù)，通過模擬數(shù)據(jù)，分別用基本遺傳算法和非線性遺傳算法進(jìn)行估計，圖1給出了兩種算法每一代進(jìn)化過程中最優(yōu)適應(yīng)度函數(shù)值的變化過程。其中，兩種算法種群規(guī)模sizepop=30，進(jìn)化代數(shù)maxgen=50，交叉概率為0.4，變異概率為0.05。

圖1 優(yōu)化過程

非線性規(guī)劃遺傳算法收斂到π1=(0.40,0.38,29.85,19.90,29.93),基本遺傳算法收斂到π2=(0.64,0.40,27.86,23.22,30.18)?？梢钥闯觯蔷€性規(guī)劃遺傳算法在收斂速度和求解精度上，明顯優(yōu)于基本遺傳算法。

3.3 控制變量

借鑒國內(nèi)外有關(guān)研究，并結(jié)合我國實際情況，選用以下指標(biāo)作為控制變量。

3.3.1 反應(yīng)投資者情緒的指標(biāo)。根據(jù)溢價理論，投資者情緒是影響IPO溢價的重要因素。由于中國股市缺少“賣空限制”，投資者“跟風(fēng)”和“狂熱”的表現(xiàn)尤為突出，新股上市短期均衡價格由樂觀情緒的投資者決定。針對詢價制度下新股發(fā)行這一過程，選取換手率(TO,Turnover Rate)作為投資者情緒的衡量指標(biāo)[11]。

3.3.2 反應(yīng)公司自身風(fēng)險的指標(biāo)?？毓杀壤?RCR,Rate of Control Right)，以第一大股東持股比例衡量。Jesrn和Meckling[29]認(rèn)為，公司控股比例越高，代理成本越低，公司內(nèi)在價值越高，有助于投資者提高對公司價值的預(yù)期。但是，隨著控股比例的提高，會減少對公司控制者的約束能力，降低了投資者對公司價值的預(yù)期，從而降低了IPO溢價，因此，控股比例對IPO溢價的影響不確定。

3.3.3 發(fā)行前不確定性。Beatty和Ritter[30]的研究表明，“事前不確定性”與IPO溢價呈正相關(guān)關(guān)系。發(fā)行前不確定性越大，首日收益率較高，以彌補(bǔ)信息風(fēng)險帶來的逆向選擇風(fēng)險所造成的損失。在參考Beatty和Ritter[30]研究的基礎(chǔ)上，選取流動比率(LR,Liquidity Ratio)、發(fā)行前總股本(TEI,The Total Equity Before Issuing)、應(yīng)收賬款周轉(zhuǎn)率(ART,Accounts Receivable Turnover)、營業(yè)收入(OI,Operating Income)四個指標(biāo)，以上指標(biāo)均采取上市前三年的均值。另外，選取了首發(fā)發(fā)行費用(Fee,New Shares Issuing Expenses)、發(fā)行前每股凈資產(chǎn)(NAVS,Net asset Value Per Share)。

3.3.4 市場供求關(guān)系。Lowry等[31]的研究表明市場供求關(guān)系是影響IPO溢價的重要影響因素。Chi Jing和Padgett[32]認(rèn)為市場供需不平衡，可以解釋中國新股較高的初始收益。他們認(rèn)為“額度制”限制了關(guān)于發(fā)行公司質(zhì)量的信號向投資者的傳遞，政府對新股發(fā)行的控制加劇了中國新股抑價發(fā)行的程度，從而產(chǎn)生更高的IPO溢價。在參考以上研究的基礎(chǔ)上，將每股收益(EPS,Earnings Per Share)、網(wǎng)上中簽率(RSDL,Rate of Successful Drawing Lots in Stock Subscription)、市盈率(PE,Price Earning Ratio)作為影響市場供求關(guān)系的指標(biāo)作為控制變量。

5.詢價制度改革的虛擬變量(DV，Dummy Variable)。詢價制度改革前上市的股票，DV=0；詢價制度改革后上市的股票，DV=1。

4 樣本、數(shù)據(jù)與實證結(jié)果

4.1 樣本選取和描述性統(tǒng)計

以2010年11月第二次詢價制度改革為背景，選取2010年1月到2011年12月為樣本區(qū)間。由于中小板上市公司受詢價制度改革的影響較大，因此選取此區(qū)間在中小板首發(fā)上市的公司為研究對象。樣本篩選如下：(1)剔除上市首日收益為負(fù)的公司。本文以具有正收益的抑價或溢價類型的初始收益為研究對象，由于首發(fā)破發(fā)的股票較少，在中國股票市場并不常見，本文沒有把它作為研究對象。(2)剔除PIN 值為極端值0和1、財務(wù)數(shù)據(jù)缺失的公司。最終樣本為278家上市公司。本文的財務(wù)數(shù)據(jù)來自Wind資訊金融終端，高頻數(shù)據(jù)來自Wind Level-2數(shù)據(jù)庫。采用Wind Level-2數(shù)據(jù)庫中帶有買賣標(biāo)記的數(shù)據(jù)計算PIN值，避免了因主觀判斷不準(zhǔn)確造成的估計偏誤。高頻數(shù)據(jù)的批量處理和PIN值的計算使用MATLAB 2012b軟件，實證研究使用的是Stata 13.0軟件。另外，本文對連續(xù)性變量進(jìn)行了上下1%的 winsor縮尾處理。

表1給出了PIN參數(shù)估計的分位數(shù)統(tǒng)計描述。t統(tǒng)計量對應(yīng)的原假設(shè)PIN=0。α的均值為0.617，說明新股上市首日私有信息發(fā)生的可能性較大。一方面，新股定價并沒有反應(yīng)上市前所有的信息，包括私有信息[18]和公共信息[19]。另一方面，這與新股發(fā)行體制不無關(guān)系，由于對參與詢價的網(wǎng)下申購?fù)顿Y者數(shù)量的限制，并非所有的知情交易者能夠參與新股詢價，而這部分未參與網(wǎng)下申購的知情交易者，只能通過網(wǎng)上申購進(jìn)入二級市場，形成上市后的知情交易。這也說明了探討新股上市首日知情交易影響新股資產(chǎn)收益的必要性。

表1 PIN參數(shù)估計的分位數(shù)描述統(tǒng)計

表2 變量定義

4.2 實證結(jié)果

首先，通過模型1對市場上非知情交易者對市場交易價格的學(xué)習(xí)行為進(jìn)行檢驗。

從表3可以看出PIN對羊群效應(yīng)變量HM在10%的置信水平下顯著，說明在交易中，非知情交易者對知情交易者向交易價格傳遞的信息進(jìn)行了學(xué)習(xí)，非知情交易者由于存在有限理性或者其獲取信息成本太高，通過對交易價格進(jìn)行信息推斷，進(jìn)而采取相應(yīng)策略。通過理論模型分析，知情交易者概率在上市首日對資產(chǎn)期望收益產(chǎn)生了負(fù)效應(yīng)。那么，知情交易者基于獲得的信息優(yōu)勢而作出的投資決策行為，究竟在上市首日會對二級市場的IPO溢價產(chǎn)生什么作用？通過實證模型分析，進(jìn)一步給出了答案。表4給出了只保留顯著變量情況下的多元回歸分析的結(jié)果。在只保留顯著變量情況下的回歸結(jié)果與原回歸結(jié)果在顯著性和正負(fù)關(guān)系上一致，實證結(jié)果具有穩(wěn)健性。通過計算膨脹因子，自變量中最大的膨脹因子為2.19，所有自變量的平均膨脹因子是1.62，可以看出模型不存在嚴(yán)重的多重共線性。在控制了其它解釋變量后，PIN的系數(shù)為-2.273，t統(tǒng)計量是-8.73，在1%的置信水平下顯著，通過了顯著性檢驗。PIN的系數(shù)為負(fù)數(shù)，說明知情交易者概率對IPO溢價產(chǎn)生了負(fù)向影響，驗證了推論1。

表3 多元回歸結(jié)果

表4 多元回歸結(jié)果

與Easley等[6-7]等研究結(jié)論不同，Easley等在Fama三因素模型的基礎(chǔ)上，將PIN作為第四個因子加入回歸，證明了知情交易者概率確實可以作為一種風(fēng)險因子進(jìn)行定價，因此信息風(fēng)險越高，相應(yīng)的溢價補(bǔ)償越高。在我國IPO溢價的研究中，知情交易者概率對其產(chǎn)生負(fù)效應(yīng)其主要原因在于，傳統(tǒng)觀點認(rèn)為知情交易者之所以能夠利用其掌握的私有信息獲得超額收益，其假設(shè)在交易過程中知情交易者能夠很好地隱藏自己的信息優(yōu)勢，并且非知情交易者并不具備學(xué)習(xí)能力。然而實際交易中，知情交易者向股價傳遞了自己的私有信息，這被非知情交易者所掌握，這一方面降低了知情交易者的信息優(yōu)勢，減少了信息不對稱程度，另一方面，降低了非知情交易者所要求的風(fēng)險溢價，并進(jìn)一步降低了股票收益，從而知情交易者概率對股票收益產(chǎn)生負(fù)向影響。本文的實證結(jié)論也證實了O′Hara[13]研究中非知情交易者存在的市場學(xué)習(xí)行為。

本文的一個重要目標(biāo)是考察詢價制度改革是否改變了知情交易者概率對IPO溢價的邊際效應(yīng)，為了驗證筆者的論斷，進(jìn)一步分析制度改革對IPO溢價的影響 ，在表4模型(2)的基礎(chǔ)上，引入了年度虛擬變量得到模型(3)。依據(jù)虛擬變量的取值，把樣本區(qū)分為兩組，DV=0代表改革之前上市發(fā)行的新股，DV=1代表改革之后上市發(fā)行的新股。根據(jù)模型(3)的回歸結(jié)果，DV系數(shù)顯著為負(fù)，在1%置信水平下顯著，說明制度改革后IPO溢價顯著降低了，制度改革的確是影響IPO溢價的一個重要因素。

在表4的模型(4)中，年度虛擬變量DV系數(shù)為-0.407，t統(tǒng)計量為-2.77，在1%置信水平下顯著，顯著性水平并沒有改變。交叉項DV*PIN的系數(shù)為1.02，t統(tǒng)計量為2.05。進(jìn)一步分析，改革前，DV=0，PIN的系數(shù)為-2.54，改革后，DV=1，PIN的系數(shù)為-1.52，PIN系數(shù)的絕對值降低了，說明詢價制度改革后知情交易者概率對IPO溢價的邊際效應(yīng)降低了，詢價制度改革并沒有增加知情交易者概率對IPO溢價的邊際影響。這主要由于：(1)參與新股交易的知情交易者數(shù)量不足。知情交易者的存在有利于股價回歸其真實價值。知情交易者不僅向交易價格傳遞了私有信息，提高了股價信息含量，同時也降低了股價的波動性。一些學(xué)者發(fā)現(xiàn)非知情交易者數(shù)量的過多是造成股價暴跌的原因，這從反面證明了本文研究結(jié)論。另外，第三階段詢價制度改革取消了網(wǎng)下配售股份3個月的鎖定期，允許參與詢價的機(jī)構(gòu)投者參與新股上市初期的交易，這一舉措增加了上市初期知情交易者的數(shù)量，這與本文的研究結(jié)論相符?？梢姡试S更多知情交易者參與IPO上市初期交易，更好地向市場價格傳遞信息，可以有效降低新股上市初期的信息風(fēng)險。(2)交易價格信息透明度有待提高。知情交易者向交易價格傳遞了信息，非知情交易者由于獲取信息成本太高或者其它限制因素?zé)o法獲得額外信息，使得交易價格對非知情交易者彌足重要，這啟示我們，詢價制度改革不僅在于提高定價信息透明度，同時應(yīng)提高二級市場交易價格信息透明度，使得更多非知情交易者在交易過程中掌握更多信息，減少非知情交易者要求的風(fēng)險溢價。

5 穩(wěn)健性分析

模型1的回歸結(jié)果表明，知情交易者概率對羊群效應(yīng)產(chǎn)生顯著影響。但準(zhǔn)確估計模型1面臨一個內(nèi)生性問題，即影響羊群效應(yīng)的因素很多，其中也會影響上市首日知情交易者概率。另外，不但知情交易者概率會影響羊群效應(yīng)，也可能存在一種相反的機(jī)制，即羊群效應(yīng)也影響知情交易者概率，知情交易者概率和羊群效應(yīng)存在一種反向因果關(guān)系。為此，本文采用買賣價差作為工具變量，采用兩階段最小二乘法解決模型1的內(nèi)生性問題。首先，采用豪斯曼檢驗方法檢驗?zāi)Ｐ蛢?nèi)生性問題是否存在，Hansman統(tǒng)計量很強(qiáng)烈地拒絕了PIN是外生變量的原假設(shè)，說明PIN的確是一個內(nèi)生性變量。表5給出了兩階段最小二乘法的第二階段回歸結(jié)果，在控制了內(nèi)生性問題后，知情交易者概率對羊群效應(yīng)的影響在10%置信水平下顯著，顯著性水平?jīng)]有發(fā)生顯著性改變，說明實證結(jié)果具有穩(wěn)健性，非知情交易者的確存在對市場交易價格信息的學(xué)習(xí)行為。

表5 兩階段最小二乘回歸結(jié)果

對于模型2～4，其內(nèi)生性問題主要來源于知情交易者概率的測量誤差，為了避免指標(biāo)選取造成的實證檢驗的偏誤，對于模型2～4，選取VPIN[33-35]作為PIN的替代指標(biāo)。另外，為了更準(zhǔn)確的反應(yīng)投資者要求的風(fēng)險溢價，對IPO溢價采用市場指數(shù)進(jìn)行調(diào)整，其結(jié)論均未改變，限于篇幅，未詳細(xì)列出。

6 結(jié)語

針對知情交易者概率對資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)的結(jié)論，本文從非知情交易者對市場交易價格學(xué)習(xí)的角度進(jìn)行了解釋。具體講，在O′Hara[13]理性預(yù)期模型框架下，放松了非知情交易者對交易價格信息存在完全學(xué)習(xí)行為的假設(shè)，通過引入非知情交易者學(xué)習(xí)程度，以新股發(fā)行市場為背景建立了理論模型，對知情交易者概率影響資產(chǎn)收益的作用機(jī)理提供了一種解釋，并進(jìn)行實證檢驗。主要研究結(jié)論如下：

(1)非知情交易者對市場交易價格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)收益的關(guān)系；當(dāng)市場非知情交易者存在學(xué)習(xí)行為時，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對資產(chǎn)收益產(chǎn)生負(fù)向影響。已有研究中知情交易者概率對資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)的原因在于，傳統(tǒng)研究結(jié)論建立在其假設(shè)知情交易者能夠很好地在交易中“隱藏”并保持自己的信息優(yōu)勢，非知情交易者并不具備學(xué)習(xí)能力。然而考慮非知情交易者的學(xué)習(xí)能力，這一結(jié)論并不成立。非知情交易者通過學(xué)習(xí)掌握了這一信息，降低了知情交易者的信息優(yōu)勢以及非知情交易者要求的風(fēng)險溢價。本文考察了非知情交易者對市場交易價格信息的學(xué)習(xí)行為對兩者關(guān)系的影響，全面地解釋了知情交易者概率影響資產(chǎn)收益的作用機(jī)理。(2)第二階段詢價制度改革后，知情交易者概率的邊際效應(yīng)反而降低。這一研究結(jié)論反應(yīng)了雖然第二次詢價制度改革提高了發(fā)行期間定價信息的透明程度，提高了定價效率，降低了抑價程度，但是IPO溢價更多地來自二級市場的溢價。詢價制度改革不僅要增加上市初期知情交易者的數(shù)量，同時也需要提高交易價格信息的透明度，使得非知情交易者在交易中獲得更充分的交易信息，進(jìn)一步降低其所面臨的風(fēng)險溢價。

此外，本文采用的非線性遺傳算法也有效彌補(bǔ)了相關(guān)研究方法的不足。在高頻數(shù)據(jù)環(huán)境下，隨著數(shù)據(jù)可獲得性的提高和數(shù)據(jù)量的指數(shù)級增長，智能優(yōu)化算法的優(yōu)勢會進(jìn)一步體現(xiàn)出來，在高頻數(shù)據(jù)處理和政策評價等方面會得到更廣泛的應(yīng)用。