基于新型指標(biāo)的股票價(jià)格操縱識(shí)別模型研究

劉振清 王旭 姚遠(yuǎn)

摘要：本文從股價(jià)操縱案例出發(fā)，歸納出能反應(yīng)市場(chǎng)操縱策略本質(zhì)特征的指標(biāo)，引入高頻數(shù)據(jù)，構(gòu)建股價(jià)操縱識(shí)別模型，并驗(yàn)證模型準(zhǔn)確率。研究結(jié)果表明：在操縱者實(shí)施操縱策略時(shí)，會(huì)頻繁多次提交額度較大買(mǎi)單，對(duì)限價(jià)指令的額度造成較大沖擊;操縱者會(huì)連續(xù)提交高（低）于當(dāng)前最佳盤(pán)口買(mǎi)（賣(mài)）價(jià)格的限價(jià)指令，對(duì)限價(jià)指令的價(jià)格造成沖擊，使盤(pán)口買(mǎi)賣(mài)價(jià)差迅速縮小;通過(guò)實(shí)證研究，操縱事件發(fā)生前后，衡量額度沖擊指標(biāo)和衡量買(mǎi)賣(mài)價(jià)比指標(biāo)發(fā)生顯著變化，實(shí)證研究中得出的識(shí)別模型準(zhǔn)確率較高，可以較好地識(shí)別市場(chǎng)中的股價(jià)操縱現(xiàn)象。

關(guān)鍵詞：股價(jià)操縱;特征指標(biāo);識(shí)別模型;高頻數(shù)據(jù)

中圖分類(lèi)號(hào)：F830.91? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1001-862X（2020）04-0119-007

一、引 言

自股票市場(chǎng)成立，股價(jià)操縱現(xiàn)象就一直存在。伴隨著經(jīng)濟(jì)發(fā)展的良好態(tài)勢(shì)，我國(guó)股票市場(chǎng)發(fā)展也十分迅猛。由于市場(chǎng)相關(guān)法律和監(jiān)管制度的不完善，各種不當(dāng)競(jìng)爭(zhēng)事件頻發(fā)，股價(jià)操縱便是其中之一。對(duì)于資本市場(chǎng)發(fā)展更早、法律和監(jiān)管制度更為完善的歐美證券市場(chǎng)，股價(jià)操縱現(xiàn)象仍是制約其發(fā)展的一大難題。近年來(lái)，政府和監(jiān)管部門(mén)也采取各種措施遏制股票市場(chǎng)操縱行為，但由于操縱策略和操縱技術(shù)的隱蔽性，操縱事件還是頻頻發(fā)生。操縱行為的表現(xiàn)形式多種多樣，其中股價(jià)操縱是最重要的策略之一，股價(jià)操縱不僅在宏觀上會(huì)影響金融市場(chǎng)的價(jià)格發(fā)現(xiàn)，破壞市場(chǎng)上的投資環(huán)境，制約金融市場(chǎng)的健康發(fā)展，威脅金融市場(chǎng)穩(wěn)定，且從微觀層面來(lái)說(shuō)，會(huì)影響股票價(jià)格正常變化軌道，導(dǎo)致股市微觀震蕩。[1]

從個(gè)世紀(jì)90年代起，國(guó)內(nèi)外學(xué)者開(kāi)始陸續(xù)對(duì)股價(jià)操縱行為展開(kāi)研究。Fischel和Ross（1991）首先定義金融市場(chǎng)股價(jià)操縱是帶有不好意圖的盈利性交易。Jarrow（1992）定義股價(jià)操縱為故意散布虛假的價(jià)格信號(hào)，導(dǎo)致價(jià)格偏離市場(chǎng)正常運(yùn)行水平的交易行為。Kyle和Viswanathan（2008）定義股價(jià)操縱行為是影響資源配置效率、增加市場(chǎng)風(fēng)險(xiǎn)、降低經(jīng)濟(jì)效率的交易策略。

隨著金融市場(chǎng)創(chuàng)新程度的不斷提高，學(xué)者開(kāi)始從不同角度研究股票市場(chǎng)操縱行為。最早，學(xué)者們集中研究操縱行為存在的可能性及操縱行為利潤(rùn)的可得性。Laroque（1989）證明金融市場(chǎng)的內(nèi)部交易者均有能力與動(dòng)機(jī)通過(guò)誤導(dǎo)公眾信息和預(yù)期來(lái)操縱股票價(jià)格。Allen和Gorton（1991）指出當(dāng)流動(dòng)性買(mǎi)家聚類(lèi)現(xiàn)象不明顯時(shí)，知情交易者更有可能充當(dāng)買(mǎi)方的角色，從而導(dǎo)致股票價(jià)格向著有利于買(mǎi)方的方向發(fā)展，因此信息不對(duì)稱(chēng)可使股價(jià)操縱者（知情交易者）獲利。Allen和Gale（1992）通過(guò)假設(shè)三種交易者類(lèi)型：完全相同的理性投資者、有內(nèi)幕消息的投資者、有影響力的操縱者，模擬分析三類(lèi)交易者的行為，發(fā)現(xiàn)操縱者以較小的概率進(jìn)入市場(chǎng)，當(dāng)內(nèi)幕交易者事實(shí)上并不擁有內(nèi)幕消息時(shí)，操縱者會(huì)模仿內(nèi)幕交易者的行為，由于理性投資者不確定究竟是內(nèi)幕交易者還是操縱者，最后會(huì)達(dá)到一個(gè)混和均衡，在滿(mǎn)足一定條件的情況下，操縱者能夠獲得正的收益。Hart（1977）、Jarrow（1992）通過(guò)建立預(yù)期價(jià)格模型，模擬市場(chǎng)交易環(huán)境，均都得出交易者可以通過(guò)資金或者輿論信息而使價(jià)格朝有利于自己的方向發(fā)展，證實(shí)操縱存在性。Bagnoli和Lipman（1996）分析操縱者在購(gòu)入股票之后，聯(lián)合散布公司被收購(gòu)的虛假輿論，最后拋售股票而獲利的操縱策略，建立了操縱利潤(rùn)可得性的模型。Benabou等（2004）證明信息不對(duì)稱(chēng)時(shí)，知情交易者在各期均衡狀態(tài)下均可能具有市場(chǎng)操縱的動(dòng)機(jī)。

隨后，一些學(xué)者通過(guò)分析操縱事件的交易數(shù)據(jù)，從實(shí)證方面研究股價(jià)操縱的行為模式和操縱行為對(duì)市場(chǎng)的影響。劉元海（2003）分析了存在操縱樣本的股票收益率、換手率和波動(dòng)率在市場(chǎng)上的變化，找出操縱行為對(duì)指標(biāo)的影響。施紅俊等（2004）通過(guò)研究被操縱股票的市場(chǎng)指標(biāo)，發(fā)現(xiàn)存在股價(jià)操縱行為的股票收益率、換手率、收益波動(dòng)率在交易日的早盤(pán)和尾盤(pán)表現(xiàn)出明顯的異常。Bruner（2004）對(duì)2001年之前30年間的并購(gòu)案例進(jìn)行分析，發(fā)現(xiàn)目標(biāo)公司股東在股權(quán)移交過(guò)程中會(huì)操縱股價(jià)走向，使自己從中獲利。周春生等（2005）研究了中國(guó)股票市場(chǎng)中交易型股價(jià)操縱問(wèn)題，研究結(jié)果顯示投資者的非理性投資和有限套利制約的存在，會(huì)使操縱者更容易從操縱中獲利。張繼龍（2006）研究指出中國(guó)股票市場(chǎng)投機(jī)氛圍濃重，分析股指期貨市場(chǎng)被操縱的可能性，研究股指期貨市場(chǎng)被操縱的行為模式。Chiou（2007）建立馬爾科夫模型和異方差模型，分析股價(jià)操縱事件發(fā)生期間市場(chǎng)波動(dòng)率的變化情況。王欣（2009）在考慮波動(dòng)率的基礎(chǔ)上，引入包括股東持股比例、戶(hù)均持股比例變動(dòng)等變量，運(yùn)用分位數(shù)回歸模型對(duì)操縱行為進(jìn)行識(shí)別。陸蓉（2009）分析被操縱股票在換手率、成交量、波動(dòng)率、beta系數(shù)等方面的變化，發(fā)現(xiàn)在操縱前和操縱后階段被操縱股票的收益率存在明顯差異，且β系數(shù)在操縱期間呈現(xiàn)異常低值。Chan和Alfred（2013）利用香港證券市場(chǎng)交易研究潛在操縱活動(dòng)，結(jié)果表明撤單率和操縱行為之間具有強(qiáng)相關(guān)性，同時(shí)指出，對(duì)高頻數(shù)據(jù)的分析有助于提高對(duì)股票市場(chǎng)交易行為的認(rèn)識(shí)。Kong和Wang（2014）利用中國(guó)股市的交易數(shù)據(jù)，研究股價(jià)操縱影響市場(chǎng)流動(dòng)性和交易行為。朱學(xué)紅和張宏偉（2017）以證監(jiān)會(huì)公布的2013年高盛鋁價(jià)操縱案為例，發(fā)現(xiàn)在操縱期內(nèi)，期貨和現(xiàn)貨價(jià)格序列呈現(xiàn)出“非自然特征”，且在不同事件窗口都有顯著為正的累計(jì)超額收益率，呈現(xiàn)較大波動(dòng)。史永東等（2005）、熊熊等（2011）、周杰等（2017）均通過(guò)研究操縱行為，運(yùn)用Logistic回歸模型，建立了操縱事件的識(shí)別預(yù)警模型。馬斌等（2017）以證監(jiān)會(huì)公布的6起股價(jià)操縱案例為樣本，對(duì)操縱事件發(fā)生時(shí)股票市場(chǎng)的共性進(jìn)行研究，指出在操縱事件發(fā)生時(shí)股票會(huì)在收益率、波動(dòng)性、股權(quán)集中度、股票流動(dòng)性和股本規(guī)模等方面表現(xiàn)出共性特征，并結(jié)合GARCH模型建立了識(shí)別異常操縱行為的模型。周齊等（2019）在競(jìng)爭(zhēng)性理性預(yù)期均衡的框架下，建立非知情交易者異質(zhì)信念下風(fēng)險(xiǎn)資產(chǎn)定價(jià)模型，推導(dǎo)出關(guān)于風(fēng)險(xiǎn)資產(chǎn)的貝葉斯線性均衡價(jià)格函數(shù)，基于此揭示操縱手法。欒春陽(yáng)（2019）以國(guó)內(nèi)證券市場(chǎng)首個(gè)ETF（交易型開(kāi)放式指數(shù)基金）操縱案——東海恒信操縱180ETF案為例，分析衍生品操縱行為的認(rèn)定，提出衍生品操縱行為的規(guī)制思路及相關(guān)建議。彭明旭等（2019）基于Seppi的市場(chǎng)框架，分析在純限價(jià)訂單市場(chǎng)機(jī)制和混合市場(chǎng)機(jī)制下，莊家的交易策略、市場(chǎng)均衡價(jià)格和平均風(fēng)險(xiǎn)升水，比較市場(chǎng)交易機(jī)制在限制莊家操縱市場(chǎng)方面的優(yōu)劣。

國(guó)外對(duì)股價(jià)操縱的研究開(kāi)始較早，成果也較多，但是大都通過(guò)搜集被操縱股票的數(shù)據(jù)，利用線性邏輯回歸模型對(duì)被操縱股票的回報(bào)率、波動(dòng)性和流動(dòng)性等信息進(jìn)行建模。隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，影響市場(chǎng)波動(dòng)的因素更為復(fù)雜，操縱的手段也越來(lái)越隱蔽，不可預(yù)測(cè)性更強(qiáng)。[2]近幾年，少部分學(xué)者開(kāi)始對(duì)操縱行為的量化特征進(jìn)行研究，運(yùn)用數(shù)據(jù)挖掘技術(shù)，建立復(fù)雜模型進(jìn)行操縱行為檢測(cè)。如Yang等（2012）應(yīng)用數(shù)據(jù)挖掘技術(shù)中的強(qiáng)化學(xué)習(xí)模型對(duì)交易行為及限價(jià)指令簿的動(dòng)態(tài)變化進(jìn)行建模，該模型可以準(zhǔn)確識(shí)別和區(qū)分各類(lèi)交易策略及隱藏其中的操縱行為。Cao和Yao（2016）在此基礎(chǔ)上應(yīng)用支持向量機(jī)等數(shù)據(jù)挖掘技術(shù)對(duì)資本市場(chǎng)的正常交易和各類(lèi)操縱行為的抽象特征進(jìn)行數(shù)量研究分析，并建立相關(guān)的實(shí)時(shí)監(jiān)測(cè)模型。姚遠(yuǎn)等（2016）抽象市場(chǎng)操縱事件的關(guān)鍵特征，通過(guò)量化，建立基于隱馬爾科夫模型的市場(chǎng)操縱監(jiān)測(cè)預(yù)警模型。

目前這些對(duì)市場(chǎng)操縱行為的診斷和監(jiān)測(cè)均缺乏操縱策略本質(zhì)特征的分析，使用的數(shù)據(jù)也多為股票市場(chǎng)日交易數(shù)據(jù)，而日交易數(shù)據(jù)反應(yīng)市場(chǎng)交易的階段量，但不能反應(yīng)操縱策略實(shí)施時(shí)市場(chǎng)的微觀變化，因此，本文從操縱案例和微觀角度出發(fā)，設(shè)計(jì)反映操縱策略本質(zhì)特征的新型指標(biāo)，引入日內(nèi)交易高頻數(shù)據(jù)，希望得到更高的識(shí)別準(zhǔn)確率。

二、監(jiān)測(cè)指標(biāo)設(shè)計(jì)

目前關(guān)于市場(chǎng)操縱的研究都是基于傳統(tǒng)的統(tǒng)計(jì)指標(biāo)，如價(jià)格波動(dòng)率、流動(dòng)性、收益率、換手率、投資回報(bào)率和交易量等，市場(chǎng)操縱行為會(huì)導(dǎo)致這些指標(biāo)的變動(dòng)。但是引起這些指標(biāo)變動(dòng)因素不僅包括可能存在的市場(chǎng)操縱，宏觀政策的變動(dòng)、經(jīng)濟(jì)周期的變化、交易者的情緒等都可能造成指標(biāo)變動(dòng)，因此，股價(jià)操縱可能引起傳統(tǒng)指標(biāo)的變化，但傳統(tǒng)指標(biāo)的變化并不能判定存在市場(chǎng)操縱。本文從具體股價(jià)操縱案例，分析操縱事件發(fā)生之時(shí)，股票市場(chǎng)上發(fā)生的實(shí)時(shí)微觀變化，設(shè)計(jì)能反映操縱策略本質(zhì)特征的指標(biāo)。[3]

中國(guó)證監(jiān)會(huì)2018年7月13日發(fā)布的行政處罰決定書(shū)〔2018〕61號(hào)中指出：2015年8月25日10：18：51至10：24：23，郁紅高通過(guò)大額、多筆、連續(xù)買(mǎi)入拉抬“經(jīng)緯紡機(jī)”價(jià)格，占同期市場(chǎng)成交量的77.63%，并在拉抬后半小時(shí)內(nèi)反向賣(mài)出獲利。在操縱期間內(nèi)，“經(jīng)緯紡機(jī)”股價(jià)上漲7.52%。在操縱期間內(nèi)，賬戶(hù)組累計(jì)買(mǎi)入1，155，800股;在拉抬過(guò)程中累計(jì)賣(mài)出423，400股，成交金額6，615，358.00元;在拉抬后半小時(shí)內(nèi)累計(jì)賣(mài)出300，000股，成交金額4，680，055.00元。

中國(guó)證監(jiān)會(huì)2018年11月13日發(fā)布的行政處罰決定書(shū)〔2018〕108號(hào)中指出：2017年1月18日，上午9點(diǎn)15分，劉堅(jiān)賬戶(hù)分5筆委托買(mǎi)入“*ST羅頓”，委托數(shù)量分別為150，000股、135，000股、430，000股、150，000股和26，000股，委托數(shù)量占集合競(jìng)價(jià)期間市場(chǎng)總委托買(mǎi)入量比例分別為6%、5%、16%、6%和1%;委托價(jià)格分別為12.5元/股、12.3元/股、13.41元/股、12.4元/股和13.3元/股，委托價(jià)格較前收盤(pán)價(jià)漲幅分別為3%、1%、10%、2%和9%，較市場(chǎng)申買(mǎi)均價(jià)漲幅分別為1%、-1%、8%、0%和7%;委托金額分別為1，875，000元、1，660，500元、5，766，300元、1，860，000元和345，800元。該5筆委托于9點(diǎn)16分至9點(diǎn)19分期間全部撤單。開(kāi)盤(pán)后至10點(diǎn)前，賣(mài)出300，000股，獲利23，036.54元。

從這兩起案例的處罰決定書(shū)中可以看出：操縱事件過(guò)程中，操縱者利用手中多個(gè)賬戶(hù)持有大量操縱股股票，控制使用賬戶(hù)組，集中資金優(yōu)勢(shì)、持股優(yōu)勢(shì)，通過(guò)大額封漲停、虛假申報(bào)并封漲停、盤(pán)中拉抬并封漲停等方式來(lái)達(dá)到非法獲利的操縱目的。在大量買(mǎi)賣(mài)操縱股的同時(shí)，操縱股實(shí)時(shí)數(shù)據(jù)與大盤(pán)數(shù)據(jù)發(fā)生大幅度偏移。[4]這兩個(gè)案例都顯示出操縱者在拉抬股價(jià)時(shí)，要大量在賬戶(hù)組間申報(bào)、撤銷(xiāo)買(mǎi)單和賣(mài)單，因此本文歸納出股價(jià)操縱的行為交易特征：

特征1，操縱者在短時(shí)間內(nèi)多次提交買(mǎi)單，每次額度較大;

特征2，連續(xù)提交高（低）于當(dāng)前最佳盤(pán)口買(mǎi)（賣(mài)）價(jià)格的限價(jià)指令;

特征3，盤(pán)口買(mǎi)賣(mài)價(jià)差迅速縮小;

特征4，極短時(shí)間內(nèi)取消之前提交的一系列限價(jià)指令。

結(jié)合操縱策略的行為特征，可以發(fā)現(xiàn)操縱者的買(mǎi)賣(mài)指令對(duì)于市場(chǎng)的沖擊主要體現(xiàn)在額度和價(jià)格等方面，其中頻繁提交額度較大的買(mǎi)賣(mài)指令，會(huì)對(duì)股票交易市場(chǎng)的成交額度形成沖擊;提交高于盤(pán)口價(jià)格的買(mǎi)賣(mài)指令，會(huì)對(duì)交易市場(chǎng)的買(mǎi)賣(mài)價(jià)格形成沖擊;短時(shí)間內(nèi)多次提交額度較大的買(mǎi)賣(mài)指令，買(mǎi)賣(mài)價(jià)差縮小，盤(pán)口買(mǎi)賣(mài)價(jià)比變小;極短時(shí)間內(nèi)取消大量買(mǎi)賣(mài)指令，撤單率大幅增加。[5]

通過(guò)案例中操縱行為對(duì)市場(chǎng)的沖擊影響分析，歸納每一次指令對(duì)于交易盤(pán)口價(jià)格和額度的沖擊，本文總結(jié)出反映交易特征的三個(gè)指標(biāo)，具體如圖1所示。

指標(biāo)2：δpi用來(lái)衡量指令價(jià)格對(duì)于市場(chǎng)的沖擊，Ai、Bi分別表示限價(jià)指令進(jìn)入指令簿時(shí)的最佳賣(mài)價(jià)和買(mǎi)價(jià)。

三、實(shí)證分析

（一）樣本的選取

本文選取2017—2019年中國(guó)證監(jiān)會(huì)公開(kāi)處罰的股票市場(chǎng)操縱案中敘述完整的被操縱事件數(shù)據(jù)作為研究樣本。經(jīng)過(guò)篩選，找出8支（英威騰、博云新城、市北新高、福達(dá)股份、張家港行、和勝股份、江陰銀行、迪貝電氣）操縱時(shí)間清晰、交易數(shù)據(jù)完整的股票數(shù)據(jù)，剔除停牌日后將這些數(shù)據(jù)作為操縱期數(shù)據(jù)。同時(shí)，選擇這8只股票在操縱事件發(fā)生之前與操縱期持續(xù)時(shí)間相同的交易日數(shù)據(jù)作為非操縱期數(shù)據(jù)。將8只股票數(shù)據(jù)分成兩組，第一組英威騰、博云新城、張家港行、和勝股份四支股票數(shù)據(jù)作為預(yù)測(cè)樣本，進(jìn)行模型預(yù)測(cè)，第二組市北新高、福達(dá)股份、江陰銀行、迪貝電氣四支股票作為檢驗(yàn)樣本，用來(lái)檢驗(yàn)識(shí)別市場(chǎng)操縱模型的準(zhǔn)確率。[7]

本文以樣本的日內(nèi)交易一分鐘分時(shí)高頻數(shù)據(jù)作為實(shí)證研究數(shù)據(jù)。相關(guān)數(shù)據(jù)主要來(lái)源于中國(guó)證監(jiān)會(huì)網(wǎng)站公布的處罰公告、RESSET金融數(shù)據(jù)庫(kù)和高頻數(shù)據(jù)庫(kù)，其中，剔除個(gè)股停牌日的有關(guān)數(shù)據(jù)，得到數(shù)據(jù)共29612條，其中預(yù)測(cè)樣本數(shù)據(jù)19000條，檢驗(yàn)樣本數(shù)據(jù)10612條。

（二）模型和變量選取

本文采用Logistic回歸模型來(lái)研究市場(chǎng)上一只證券被操縱的概率問(wèn)題。Logistic回歸模型對(duì)于識(shí)別問(wèn)題事件有明顯優(yōu)勢(shì)，模型使用的條件比較寬松，對(duì)進(jìn)入模型的數(shù)據(jù)沒(méi)有特別嚴(yán)格要求，預(yù)測(cè)值在（0，1）之間，誤差項(xiàng)可以存在異方差。Logistic模型將該股票是否存在操縱作為被解釋變量，把研究一只股票是否存在操縱問(wèn)題轉(zhuǎn)化成為研究該只股票存在操縱的概率，模型的基本判別思想是判斷操縱事件發(fā)生的概率與預(yù)測(cè)向量之間存在如下回歸關(guān)系：[7]

其中Pi表示操縱事件發(fā)生的概率，Xi表示第i個(gè)時(shí)期操縱事件的預(yù)測(cè)向量。計(jì)算模型參數(shù)，得出股價(jià)操縱事件發(fā)生的概率。

1.被解釋變量

被解釋變量是0-1型變量。具體如下所示：

Y=1，表示該股票存在操縱0，表示該股票不存在操縱

當(dāng)狀態(tài)變量Y=1，說(shuō)明模型判斷該股票存在股價(jià)操縱;當(dāng)狀態(tài)變量Y=0，說(shuō)明模型判別該股票不存在股價(jià)操縱。

2.解釋變量

解釋變量選取第二部分中設(shè)計(jì)的三個(gè)指標(biāo)：

（2）δpi用來(lái)衡量指令價(jià)格對(duì)于市場(chǎng)的沖擊，Ai、Bi分別表示限價(jià)指令進(jìn)入指令簿時(shí)的最佳賣(mài)價(jià)和買(mǎi)價(jià)。

（三）數(shù)據(jù)及指標(biāo)處理

RESSET金融高頻數(shù)據(jù)庫(kù)記錄了上證和深證股票市場(chǎng)每只股票從2000年到2019年的日內(nèi)交易數(shù)據(jù)，日內(nèi)交易一分鐘分時(shí)高頻數(shù)據(jù)包含證券代碼，證券名稱(chēng)，行情時(shí)間，行情日期，買(mǎi)價(jià)1（元），買(mǎi)價(jià)2（元），買(mǎi)價(jià)3（元），買(mǎi)價(jià)4（元），買(mǎi)價(jià)5（元），買(mǎi)入數(shù)量1（股），買(mǎi)入數(shù)量2（股），買(mǎi)入數(shù)量3（股），買(mǎi)入數(shù)量4（股），買(mǎi)入數(shù)量5（股），賣(mài)價(jià)1（元），賣(mài)價(jià)2（元），賣(mài)價(jià)3（元），賣(mài)價(jià)4（元），賣(mài)價(jià)5（元），賣(mài)出數(shù)量1（股），賣(mài)出數(shù)量2（股），賣(mài)出數(shù)量3（股），賣(mài)出數(shù)量4（股），賣(mài)出數(shù)量5（股）等多個(gè)項(xiàng)目，數(shù)據(jù)庫(kù)體量龐大。

對(duì)于衡量指令價(jià)格對(duì)于市場(chǎng)的沖擊指標(biāo)δpi，用當(dāng)前成交價(jià)來(lái)表示指令的價(jià)格Lpi;當(dāng)前的最佳賣(mài)價(jià)Ai用賣(mài)一價(jià)表示;當(dāng)前的最佳買(mǎi)價(jià)Bi用買(mǎi)一價(jià)表示。

對(duì)于衡量盤(pán)口買(mǎi)賣(mài)價(jià)差的指標(biāo)δqi，用賣(mài)一價(jià)與買(mǎi)一價(jià)之比取對(duì)數(shù)來(lái)表示。[8]

（四）識(shí)別模型的實(shí)證分析

1.變量檢驗(yàn)

為了驗(yàn)證額度沖擊、價(jià)格沖擊、買(mǎi)賣(mài)價(jià)比對(duì)操縱事件的解釋能力，首先運(yùn)用兩獨(dú)立樣本的非參數(shù)檢驗(yàn)法對(duì)19000條預(yù)測(cè)樣本數(shù)據(jù)的變量進(jìn)行篩選。非參數(shù)檢驗(yàn)法常用于兩個(gè)總體分布的比例判斷，該方法的原假設(shè)是兩個(gè)獨(dú)立樣本的總體分布無(wú)明顯差異。本節(jié)的非參數(shù)檢驗(yàn)通過(guò)SPSS 22.0完成。非參數(shù)檢驗(yàn)的結(jié)果如表1所示。

從平均值可以看出，額度沖擊和買(mǎi)賣(mài)價(jià)比在操縱期間和非操縱期間顯著不同，額度沖擊在市場(chǎng)操縱時(shí)期絕對(duì)值明顯變大，買(mǎi)賣(mài)價(jià)比在操縱時(shí)期的平均值變化明顯，價(jià)格沖擊在操縱期間和非操縱期間平均值變化不大;從標(biāo)準(zhǔn)偏差列可以看出，額度沖擊在兩個(gè)時(shí)期顯著不同，在操縱期標(biāo)準(zhǔn)偏差更大，表示額度沖擊在操縱期間變動(dòng)更大、更分散;價(jià)格沖擊的標(biāo)準(zhǔn)偏差在兩個(gè)時(shí)期變化并不明顯，買(mǎi)賣(mài)價(jià)比在操縱發(fā)生期間有變大趨勢(shì)。

表2中額度沖擊和買(mǎi)賣(mài)價(jià)比的F值和T值檢驗(yàn)的顯著性均小于顯著水平0.05，同時(shí)，樣本差值95%置信區(qū)間均沒(méi)有跨0，可以認(rèn)定額度沖擊和買(mǎi)賣(mài)價(jià)比在操縱事件發(fā)生之前和發(fā)生之時(shí)方差和平均值存在顯著差異;而價(jià)格沖擊的T值顯著性為0.169，大于顯著水平0.05，同時(shí)，樣本差值95%置信區(qū)間跨0，即操縱事件發(fā)生前和發(fā)生時(shí)價(jià)格沖擊指標(biāo)平均值不存在顯著差異。

通過(guò)以上分析，額度沖擊、買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)通過(guò)兩獨(dú)立樣本T檢驗(yàn)，價(jià)格沖擊指標(biāo)未能通過(guò)T檢驗(yàn)。在進(jìn)行模型的預(yù)測(cè)分析時(shí)，額度沖擊、買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)進(jìn)入模型。

2. Logistic模型回歸

讓預(yù)測(cè)樣本四只股票的額度沖擊和買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)進(jìn)入Logistic模型，進(jìn)行回歸分析，得到股票市場(chǎng)的操縱識(shí)別模型。該模型的擬合優(yōu)度為0.691，擬合度較高，說(shuō)明Logistic模型有效。

表3顯示分界點(diǎn)為0.5時(shí)當(dāng)前模型的錯(cuò)判矩陣?？梢钥吹剑?259條非操縱數(shù)據(jù)中，模型正確識(shí)別出7569條，正確率為91.6%。10741條操縱數(shù)據(jù)中，模型將309條操縱事件識(shí)別為非操縱數(shù)據(jù)，正確率為97.1%。模型總的預(yù)測(cè)正確率為94.7%。因此，該模型能較好預(yù)測(cè)操縱數(shù)據(jù)。基于此，得到操縱事件識(shí)別模型：

其中，Pi表示該交易為操縱事件的概率，δvi表示限價(jià)指令的額度對(duì)于市場(chǎng)的沖擊，δqi表示盤(pán)口買(mǎi)賣(mài)價(jià)比。

用上述操縱事件識(shí)別模型對(duì)市北新高、福達(dá)股份、江陰銀行、迪貝電氣四只檢驗(yàn)樣本股票進(jìn)行模型識(shí)別正確率檢驗(yàn)。識(shí)別過(guò)程中，取0.5作為判別臨界值（閾值），預(yù)測(cè)結(jié)果如表4所示：

四只檢驗(yàn)股票的數(shù)據(jù)總數(shù)10612條，其中包括操縱事件數(shù)據(jù)5838條，非操縱事件數(shù)據(jù)4774條。從上表得出，模型對(duì)操縱事件的識(shí)別正確率為91.0%，對(duì)非操縱事件的識(shí)別正確率為66.4%，模型總體識(shí)別成功率為79.9%，效果較好。[9]

四、結(jié)論與啟示

本文通過(guò)分析具體股價(jià)操縱案例，歸納出操縱者實(shí)施操縱策略時(shí)的共性特征，包括操縱者在短時(shí)間內(nèi)多次提交買(mǎi)單，每次額度較大;連續(xù)提交高（低）于當(dāng)前最佳盤(pán)口買(mǎi)（賣(mài)）價(jià)格的限價(jià)指令，盤(pán)口買(mǎi)賣(mài)價(jià)差迅速縮小;極短時(shí)間內(nèi)取消之前提交的一系列限價(jià)指令。針對(duì)這些操縱特征，設(shè)計(jì)出能反映這些操縱特征的市場(chǎng)指標(biāo)，包括反映限價(jià)指令的額度對(duì)于市場(chǎng)的沖擊指標(biāo)，限價(jià)指令價(jià)格對(duì)于市場(chǎng)的沖擊指標(biāo)，股票成交時(shí)盤(pán)口買(mǎi)賣(mài)價(jià)差指標(biāo)。經(jīng)過(guò)實(shí)證分析，這些指標(biāo)在識(shí)別市場(chǎng)操縱行為過(guò)程中是有效的。[10]

通過(guò)對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果顯示在操縱事件發(fā)生時(shí)，額度沖擊與操縱前階段數(shù)據(jù)分布明顯不同，表明操縱策略的實(shí)施會(huì)對(duì)市場(chǎng)上的成交量直接造成影響。在獨(dú)立樣本的T檢驗(yàn)中，額度沖擊、買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)通過(guò)兩個(gè)獨(dú)立樣本T檢驗(yàn)。表明市場(chǎng)操縱發(fā)生時(shí)，額度沖擊、買(mǎi)賣(mài)價(jià)比指標(biāo)存在顯著差異，額度沖擊、買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)符合進(jìn)入模型的要求。在變量沒(méi)有進(jìn)入模型之前，操縱事件識(shí)別模型中非操縱事件識(shí)別正確率為66.4%，在變量進(jìn)入模型之后，識(shí)別模型的操縱事件識(shí)別正確率提高到91.0%，表明額度沖擊、買(mǎi)賣(mài)價(jià)比兩個(gè)指標(biāo)可以幫助進(jìn)行操縱事件的識(shí)別，提高識(shí)別的準(zhǔn)確率。檢驗(yàn)樣本市北新高、福達(dá)股份、江陰銀行、迪貝電氣四只股票的總體識(shí)別正確率達(dá)到79.9%，對(duì)操縱事件的識(shí)別率較高，可以認(rèn)為能夠用該模型進(jìn)行股價(jià)的操縱異常判斷。

股票操縱現(xiàn)象主要體現(xiàn)出我國(guó)股票市場(chǎng)的不完善和監(jiān)管機(jī)構(gòu)的監(jiān)管不當(dāng)，因此規(guī)范我國(guó)股票市場(chǎng)的關(guān)鍵是提高股票操縱的預(yù)測(cè)及防范效果。本文認(rèn)為，為了加強(qiáng)對(duì)股票操縱行為的監(jiān)管與防范，不僅需要規(guī)范市場(chǎng)交易行為，加強(qiáng)監(jiān)管部門(mén)的監(jiān)管力度，還需要從上市公司的角度出發(fā)，提出相應(yīng)措施。[11]基于本文研究結(jié)果，提出以下幾點(diǎn)建議：

（一）從監(jiān)管部門(mén)的角度，股票操縱等違法違規(guī)現(xiàn)象屢禁不止，主要在于犯罪成本和收益的嚴(yán)重不符，因此，監(jiān)管部門(mén)應(yīng)該加大對(duì)此類(lèi)違法行為的處罰力度，提升其違法成本，該方法在一定程度上可以降低股票操縱行為的發(fā)生次數(shù)。長(zhǎng)期以來(lái)，國(guó)家監(jiān)管部門(mén)也在努力改善市場(chǎng)環(huán)境，2012年成立稽查總隊(duì)上海、深圳分隊(duì)，以提高監(jiān)管力度，取得了一定的成效，市場(chǎng)操縱行為得到一定程度的打擊。隨著監(jiān)管力度的加大，市場(chǎng)操縱者的手段和方法也隨之發(fā)生變化，更加隱蔽、復(fù)雜，很大程度上加大了監(jiān)管難度，由于違法行為分散、監(jiān)管部門(mén)執(zhí)法力量不足，監(jiān)管部門(mén)監(jiān)管效率較低，在一定程度上提高了違法違規(guī)行為的發(fā)生。監(jiān)管部門(mén)應(yīng)當(dāng)基于已有股票操縱現(xiàn)象的執(zhí)法經(jīng)驗(yàn)，建立針對(duì)股票操縱行為的監(jiān)管系統(tǒng)，以提高監(jiān)管效率;同時(shí)基于本文的研究，額度沖擊和買(mǎi)賣(mài)價(jià)比會(huì)對(duì)股票成交量產(chǎn)生影響，建議監(jiān)管部門(mén)針對(duì)此指標(biāo)建立并完善股票操縱行為的監(jiān)管體系。

（二）對(duì)于市場(chǎng)交易行為來(lái)說(shuō)，鑒于違法違規(guī)成本與收益的嚴(yán)重不符是股票操縱行為頻發(fā)的緣由，應(yīng)該完善我國(guó)股票市場(chǎng)的交易制度，通過(guò)提高股票操縱的交易成本來(lái)降低此類(lèi)違法違規(guī)事件的發(fā)生概率。由本文所提出的中國(guó)證監(jiān)會(huì)發(fā)布行政處罰決定書(shū)中可以看出，操縱者的操縱行為主要體現(xiàn)為在大量買(mǎi)賣(mài)股票的同時(shí)，該股票實(shí)時(shí)數(shù)據(jù)與大盤(pán)數(shù)據(jù)發(fā)生大幅度偏移。為盡可能防范股票操縱行為，需要引入一系列設(shè)計(jì)，以進(jìn)一步優(yōu)化操縱行為的監(jiān)測(cè)機(jī)制。本文提出一個(gè)方向：為避免買(mǎi)賣(mài)價(jià)比過(guò)大和額度沖擊所引起的操縱行為，需采取一定的干預(yù)措施，該措施需結(jié)合我國(guó)股票市場(chǎng)的現(xiàn)狀，并基于國(guó)際股票市場(chǎng)的發(fā)展趨勢(shì)及監(jiān)管機(jī)制來(lái)制定。

（三）對(duì)上市公司而言，公司應(yīng)致力于提升其財(cái)務(wù)穩(wěn)定性，避免成為被操縱的對(duì)象。中國(guó)證監(jiān)會(huì)所披露的操縱案件的分析表明，財(cái)務(wù)穩(wěn)定性差的公司更容易成為被操縱對(duì)象。目前我國(guó)上市公司的質(zhì)量良莠不齊，原因在于一些公司運(yùn)營(yíng)質(zhì)量和經(jīng)營(yíng)管理水平較低，且由于退市制度的不足，難以淘汰一些經(jīng)營(yíng)質(zhì)量差的公司。而且，規(guī)模較小、流動(dòng)性差的公司更容易成為操縱者的操控對(duì)象，監(jiān)管部門(mén)應(yīng)該加強(qiáng)對(duì)小型上市公司的監(jiān)管力度，充分發(fā)揮我國(guó)的制度優(yōu)勢(shì)。同時(shí)，我國(guó)上市公司的治理水平需進(jìn)一步提高，由于上市公司中存在股權(quán)集中等現(xiàn)象，股權(quán)的集中程度與被操縱的概率成正比。因此完善上市公司退市制度，提高上市公司治理結(jié)構(gòu)，可以有效地減少操縱的違法現(xiàn)象。

（四）從投資者出發(fā)，一方面，對(duì)于個(gè)人投資者，研究結(jié)果表明操縱者在實(shí)施操縱策略時(shí)會(huì)對(duì)實(shí)時(shí)市場(chǎng)報(bào)價(jià)額度和買(mǎi)賣(mài)價(jià)比有顯著影響。當(dāng)前我國(guó)大部分股票投資者把投資與投機(jī)等價(jià)，并不關(guān)注股票市場(chǎng)的趨勢(shì)和具體股票的細(xì)節(jié)，這種不理性的行為極易受到操縱者的操控，基于本文的研究結(jié)果，一般投資者可以根據(jù)這幾個(gè)監(jiān)測(cè)指標(biāo)，有意識(shí)地判斷哪些股票更易被操縱，來(lái)規(guī)避風(fēng)險(xiǎn)。同時(shí)，需要加強(qiáng)投資者的風(fēng)險(xiǎn)意識(shí)、心理素質(zhì)教育，提高投資者的風(fēng)險(xiǎn)承受能力，也要加強(qiáng)投資者的投資方法教育，以尋求適合的投資方法。另一方面，對(duì)于機(jī)構(gòu)投資者，要加強(qiáng)其內(nèi)部管理，規(guī)范機(jī)構(gòu)投資者的規(guī)章制度，同時(shí)，要加強(qiáng)外部監(jiān)督，使機(jī)構(gòu)投資者管理體系更加完善，推動(dòng)機(jī)構(gòu)投資者的合理發(fā)展與進(jìn)步。[12]

參考文獻(xiàn)：

[1]馬斌，張莎莎，姚遠(yuǎn).基于GARCH模型的股票市場(chǎng)股價(jià)操縱研究[J].濟(jì)南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，（6）：129-139.

[2]欒春旭.金融衍生品市場(chǎng)操縱行為的識(shí)別與規(guī)制[J].福建金融，2019，（11）：64-69.

[3]趙瑩.我國(guó)法定數(shù)字貨幣的金融監(jiān)管制度構(gòu)建[J].重慶社會(huì)科學(xué)，2020，（5）：74-83.

[4]林祥友，王明邦，邵雪靈.股指期貨主力合約轉(zhuǎn)換與價(jià)格發(fā)現(xiàn)能力研究[J].重慶工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）.2018，（4）：1-10.

[5]白雪，牛鋒.金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的測(cè)度、檢驗(yàn)與監(jiān)管[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018，（12）：45-59.

[6]李佳.金融結(jié)構(gòu)變遷與銀行資產(chǎn)證券化發(fā)展：影響機(jī)制及經(jīng)驗(yàn)證據(jù)[J].金融經(jīng)濟(jì)學(xué)研究，2019，（1）：67-82.

[7]楊波，蔣如玥，方芳.我國(guó)企業(yè)資產(chǎn)證券化短期財(cái)富效應(yīng)研究——基于 A 股上市公司的實(shí)證分析[J].現(xiàn)代經(jīng)濟(jì)探討，2018，（2）：38-44.

[8]李翔，張一璇，周夢(mèng)雅，陳浩.股票發(fā)行定價(jià)與發(fā)行后股東減持——基于中國(guó)股權(quán)分置改革后股票發(fā)行的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)問(wèn)題，2018，（1）：82-90.

[9]白俊，劉園園，邱善運(yùn). 金融資產(chǎn)配置與股價(jià)信息含量[J].南方經(jīng)濟(jì)，2019，（11）：53-71.

[10]甘茂智，黃柏翔，周書(shū)儀.宏觀審慎評(píng)估體系下股市系統(tǒng)性風(fēng)險(xiǎn)防范研究[J].當(dāng)代經(jīng)濟(jì)研究，2018，（9）：80-89.

[11]張健.中國(guó)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)與監(jiān)管體系改革的路徑選擇[J].亞太經(jīng)濟(jì)，2018，（6）：78-82.

[12]陳寧.國(guó)際金融市場(chǎng) 2017 年回顧及 2018 年展望[J].重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2018，（7）：1-7.

（責(zé)任編輯 張亨明）