限售解禁影響股票的價格特征嗎？
——基于高維因子模型的因果推斷

李伯龍

一、引言

限售股解禁是近年來我國金融市場運行的重要內(nèi)容。作為股權(quán)分置改革的組成部分，限售協(xié)議規(guī)定非流通股分批次地有序進(jìn)入市場，令我國金融系統(tǒng)的承載力得到穩(wěn)步提升。股份限售的目的是維護(hù)金融穩(wěn)定，但我國限售股解禁體量巨大，解禁初期釋放的新增流通股曾對市場形成較大沖擊。證監(jiān)會自2008年7月開始向社會發(fā)布關(guān)于解禁減持的相關(guān)數(shù)據(jù)，以便投資者對解禁情況進(jìn)行充分了解。相較于國際金融市場常見的IPO解禁，我國股市的限售解禁具有獨特的政策背景與制度環(huán)境，這一事件因此也得到學(xué)者們的廣泛關(guān)注。

從有效市場的角度來看，既然限售股解禁的相關(guān)信息已在事前公布，那么解禁事件便不應(yīng)引起市場價格的顯著變化。而廖理等(2008)[1]對我國限售解禁問題的研究表明，解禁前120日至解禁后20日，解禁股票具有顯著的累積異常收益。其進(jìn)一步的研究指出公司信息透明度及股改后的業(yè)績能夠?qū)善钡漠惓Ｊ找孢M(jìn)行解釋。黃建歡和尹筑嘉(2009)[2]、趙向琴等(2009)[3]考察了宏觀環(huán)境、解禁特征及公司特征對異常收益的影響，發(fā)現(xiàn)宏觀環(huán)境是影響解禁沖擊的重要因素。黃張凱等(2010)[4]將解禁股票在A股與H股市場中事件窗內(nèi)的表現(xiàn)進(jìn)行對比，指出解禁形成的流通股供給增加是造成A股市場下跌的重要原因。賈春新等(2010)[5]依據(jù)行為金融理論，以投資者有限關(guān)注對解禁股票的價格變化進(jìn)行了解釋。

上述限售解禁對股價影響的代表性研究具有高度一致性：首先，研究的實證部分均采用了事件研究方法，聚焦于解禁事件窗內(nèi)的累積異常收益；其次，研究結(jié)果均顯示解禁事件的累積異常收益為負(fù)。由此不難發(fā)現(xiàn)，現(xiàn)有研究存在一定的局限性。由于事件研究考察的時間區(qū)間相對較短，故上述研究只能反映解禁事件對股價的短期沖擊作用，解禁對股價的長期影響則無法衡量。事實上，事件研究方法依賴于線性資產(chǎn)定價模型的正確設(shè)定與準(zhǔn)確估計。當(dāng)事件后的研究時間窗不斷擴(kuò)展時，依據(jù)事件前數(shù)據(jù)擬合的線性模型的預(yù)測精度會不斷下降，以事件研究方法考察長期異常收益便難以得到準(zhǔn)確結(jié)果。

本文在因果推斷的框架下對限售解禁影響股票價格的問題進(jìn)行研究，著重分析解禁作為一項金融政策對單一資產(chǎn)價格特征的影響。限售解禁作為股權(quán)分置改革的重要內(nèi)容，能否影響權(quán)益資產(chǎn)的價值特征，對衡量我國金融改革政策的作用效果具有重要意義。另外，明晰限售解禁對股票價格特征的作用方式亦能為投資者從事交易活動提供參考。特別地，本文采用Bai和Ng(2019)[6]提出的基于高維因子模型的因果推斷方法，對解禁股票的收益率與波動率進(jìn)行研究。據(jù)了解，目前國內(nèi)尚無利用面板數(shù)據(jù)對限售解禁問題進(jìn)行的因果推斷，本文形成對限售解禁影響股價相關(guān)問題研究的補(bǔ)充。

本文利用面板數(shù)據(jù)進(jìn)行的因果推斷具有獨特的分析視角，且具備顯著的優(yōu)勢。首先，面板數(shù)據(jù)的時間頻率為月度，能夠在較少的樣本點實現(xiàn)對長期效應(yīng)的考察。其次，事件研究的準(zhǔn)確度取決于線性資產(chǎn)定價模型的設(shè)定與估計，但經(jīng)典模型如CAPM在市場中的表現(xiàn)并不穩(wěn)定。而利用面板數(shù)據(jù)進(jìn)行的因果分析則基于資產(chǎn)潛在的共同因子結(jié)構(gòu)，能夠令反事實的估計相對準(zhǔn)確。再次，事件研究中正常收益的估計依賴于市場指數(shù)。若解禁股在指數(shù)中所占比例較大，那么正常收益的估計便是不準(zhǔn)確的。本文采用的因果推斷框架能夠明確研究的處理組與控制組，令政策效果的估計更為精確。最后，解禁對市場波動率的研究多基于GARCH族模型，關(guān)注市場指數(shù)，如張慧蓮(2009)[7]、王少平和陳永偉(2008)[8]等，而本文能實現(xiàn)對個股波動率的考察。

研究結(jié)果表明限售解禁對股價特征的影響隨考察時間的不同而變化。解禁對波動率的處置效應(yīng)在金融危機(jī)后的樣本最為顯著，對收益率的處置效應(yīng)在2015年股市泡沫后最為顯著，表明解禁可能對極端條件下的市場反應(yīng)產(chǎn)生了放大作用。限售解禁對波動率的作用強(qiáng)于收益率，對波動率的作用主要表現(xiàn)為正向，而對收益率的正負(fù)作用并不顯著。解禁事件總體上降低了單位風(fēng)險的投資收益。限售解禁的干預(yù)效應(yīng)在個體間存在差異，但截面回歸的結(jié)果顯示這一差異與股票特征的關(guān)聯(lián)度并不強(qiáng)。盡管上文基于事件研究的結(jié)果表明解禁會形成顯著的負(fù)向累積異常收益，但本文結(jié)果表明負(fù)向的累積異常收益與干預(yù)效應(yīng)并不顯著，可能的原因是市場對解禁事件的反應(yīng)已隨時間發(fā)生變化，投資者對限售股解禁具備了較高的適應(yīng)度。本文基于因果推斷的干預(yù)效應(yīng)分析能夠為認(rèn)識我國限售解禁政策的效果提供參考。

本文隨后的內(nèi)容安排如下：第二部分對本文相關(guān)研究進(jìn)行回顧；第三部分介紹Bai 和Ng(2019)提出的基于高維因子模型的因果推斷方法；第四部分立足于選取的計量模型，對因果分析的研究設(shè)計和數(shù)據(jù)處理進(jìn)行說明；第五部分提供因果推斷的實證結(jié)果；第六部分對處置效應(yīng)與個體特征的關(guān)聯(lián)進(jìn)行實證分析；第七部分進(jìn)行總結(jié)。

二、相關(guān)研究回顧

限售解禁作為可預(yù)期事件仍能對股票價格產(chǎn)生影響，這一現(xiàn)象為國外學(xué)者較早發(fā)現(xiàn)。Field和Hanka(2001)[9]指出股票會在解禁3日內(nèi)產(chǎn)生-1.5%的異常收益，且股價下跌在風(fēng)險資本支持的公司中更為顯著。Brav和Gompers(2003)[10]的研究表明初始股東愿意長時間鎖定股票的可能原因是緩解道德風(fēng)險，對信息不透明度敏感性較低的公司股票價格下降幅度較小。隨后研究亦多聚焦于限售解禁中的信息不對稱與風(fēng)險資本。Krishnamurti和Thong(2008)[11]依據(jù)是否存在風(fēng)險資本支持將研究樣本劃分為兩類，對解禁影響市場價格的作用機(jī)制進(jìn)行了考察。其研究結(jié)果表明具有風(fēng)險資本背景的股票并未因增加道德風(fēng)險而減弱市場流動性，故解禁效應(yīng)的主要來源為股票供給的大幅增加。Ertimur等(2014)[12]指出經(jīng)理人會在解禁前推遲壞消息的發(fā)布以維護(hù)股東利益，且對負(fù)面消息的推遲能夠減小解禁對股價的負(fù)向沖擊。Nam等(2014)[13]研究發(fā)現(xiàn)風(fēng)險資本支持的公司對發(fā)布的收益信息操控更強(qiáng)，這一操控行為會反映于限售解禁后股價的下跌，且操控行為的強(qiáng)度隨風(fēng)險資本聲望的提高而減弱。Gibbs和Hao(2018)[14]對解禁前后的賣空行為進(jìn)行了研究，發(fā)現(xiàn)風(fēng)險資本與私有權(quán)益支持的股票較其他股票被賣空的程度更高。不同于風(fēng)險資本支持的股票，私有權(quán)益支持的股票在解禁后價格并未下跌。另外，賣空的程度對兩類股票解禁后的收益無預(yù)測作用，而對其他股票存在預(yù)測作用。

除引言中提到的對解禁價格效應(yīng)的研究外，國內(nèi)近來對限售解禁的考察還關(guān)注企業(yè)管理層面的微觀機(jī)制。劉娥平和唐舜(2014)[15]基于期權(quán)定價模型，提出一種限售解禁形成可交易性價值轉(zhuǎn)移進(jìn)而影響股票價格的理論機(jī)制。王玉濤等(2013)[16]研究了不同產(chǎn)權(quán)性質(zhì)的企業(yè)減持非流通股的動機(jī)，發(fā)現(xiàn)國企減持的目的主要為平滑利潤，而民營企業(yè)則是為了獲取最大收益。吳冬梅和莊新田(2016)[17]對限售股解禁中控制權(quán)私利的問題進(jìn)行了考察，指出股東對中小投資者共享收益的侵占未因股改的完成而發(fā)生本質(zhì)改變。張曉宇和徐龍炳(2017)[18]指出限售股解禁為大股東進(jìn)行資本運作提供了機(jī)會，而資本運作加劇了股市崩盤的風(fēng)險。

區(qū)別于上述研究視角，本文更多地著眼于限售解禁對股票價格特征的影響。本文采用了基于因子模型的面板因果推斷方法，這一方法的識別假設(shè)較傳統(tǒng)的匹配方法與雙重差分法更為靈活，在近年發(fā)展較快。Hsiao等(2012)[19]提出利用反映個體潛在關(guān)聯(lián)的共同因子對反事實結(jié)果進(jìn)行恢復(fù)，通過比較實際結(jié)果與反事實估計便可完成對處置效應(yīng)的估計。Hsiao等(2012)[19]提出的方法適用于小樣本。當(dāng)研究樣本量較大時，個體間的共同因子能夠被一致估計。Xu(2017)[20]將Bai(2009)[21]構(gòu)建的高維交互固定效應(yīng)模型應(yīng)用于面板因果推斷。Xiong和Pelger(2019)[22]利用高維因子模型對反事實結(jié)果進(jìn)行估計，并假設(shè)數(shù)據(jù)缺失概率是可觀測變量的函數(shù)。Bai和Ng(2019)[6]提出一種新的TW估計量，允許不對數(shù)據(jù)缺失機(jī)制加以設(shè)定。

本文采用的分析方法與因子模型在金融市場的廣泛應(yīng)用相關(guān)聯(lián)。首先，股票收益率間存在較強(qiáng)因子結(jié)構(gòu)，基于線性因子模型的定價方法已得到廣泛應(yīng)用，包括Sharpe(1964)[23]提出的CAPM及Fama和French(1993)[24]構(gòu)建的三因子模型等。另外，股票波動率間的潛在因子結(jié)構(gòu)亦得到學(xué)者們的關(guān)注。Corradi等(2013)[25]構(gòu)建的無套利模型表明不可觀測因子解釋股票波動率的比例接近20%；Li等(2016)[26]提出一種利用共同因子結(jié)構(gòu)估計多元波動率的方法；Herskovic等(2016)[27]指出特質(zhì)波動率間存在較強(qiáng)的因子結(jié)構(gòu)。另外，陳海強(qiáng)和范云菲(2015)[28]利用面板政策評估的方法，考察了融資融券交易制度對我國股市波動的影響。本文基于高維因子模型進(jìn)行的分析與金融市場較大的個體數(shù)量相契合，因而具有較強(qiáng)的合理性。

三、基于高維因子模型的因果推斷方法

因果推斷(causal inference)被廣泛應(yīng)用于政策評估研究，一般通過對比不同處置條件(treatment status)下的潛在結(jié)果(potential outcome)，以得到處置效應(yīng)(treatment effect)衡量干預(yù)的效果。由于單一個體實際上只能處于唯一的處置條件下，其處于其他狀態(tài)的潛在結(jié)果是不可觀測的。Bai和Ng(2019)[6]提出一種基于高維因子分析的方法對缺失的潛在結(jié)果，即反事實(counterfactual)進(jìn)行估計。該問題可描述為以下矩陣：

其中，Y(0)為未受干預(yù)的結(jié)果，N1為受到干預(yù)的個體數(shù)量，T1為受到干預(yù)的期數(shù)。由于N1個體在T1期內(nèi)被施加了干預(yù)，Y0矩陣的右下角，即反事實部分是缺失的。

依據(jù)Bai和Ng(2019)[6]提出的方法，可采取以下步驟對反事實進(jìn)行估計：

采用主成分方法對因子模型進(jìn)行估計需確定因子數(shù)目。本文利用Bai和Ng(2002)[29]提出的信息準(zhǔn)則

(1)

處理組中個體i的處置效應(yīng)可定義為

(2)

其中Y(1)is為個體i在s期的實際結(jié)果。Bai和Ng(2019)[6]提供了個體處置效應(yīng)的漸進(jìn)性質(zhì)，即

(3)

(4)

四、因果分析研究設(shè)計與數(shù)據(jù)處理

本文采用的因果推斷方法要求數(shù)據(jù)具有上文所述的特定結(jié)構(gòu)。由于單月內(nèi)解禁股票的數(shù)目相對較少，本文對一季度內(nèi)解禁的股票進(jìn)行考察。廖理(2008)[1]指出限售解禁的股價下跌主要集中于解禁日的前120天，故本文在計算解禁前股票的價格特征時將解禁季度前4個月的數(shù)據(jù)排除。本文研究的目標(biāo)為解禁在相對長期的影響，故在計算解禁后股票的價格特征時將解禁季度后1個月的數(shù)據(jù)排除。本文構(gòu)建的面板數(shù)據(jù)時間跨度為60個月，其中前47個月為政策干預(yù)前樣本，后5個月為干預(yù)后樣本，中間8個月包含了解禁季度的3個月及解禁前后的5個月。因此依據(jù)廖理(2008)[1]的研究結(jié)果，數(shù)據(jù)的前47個月與后5個月不受考察季度內(nèi)解禁事件短期價格沖擊的影響?？疾斓母深A(yù)效應(yīng)由解禁季度后的2至6個月即面板數(shù)據(jù)最后5個月的干預(yù)后樣本體現(xiàn)。

由于數(shù)據(jù)覆蓋的時間區(qū)間較短，本文選擇三個解禁數(shù)目相對較多的樣本進(jìn)行研究，以避免樣本選擇帶來的偶然性。三個樣本的時間范圍分別為2006年1月至2010年12月，2011年1月至2015年12月及2013年7月至2018年6月。對于每個樣本，本文首先將全部股票劃分為解禁季度內(nèi)發(fā)生解禁的股票，與解禁季度內(nèi)未發(fā)生解禁的股票，將兩組股票分別作為處理組與控制組，并剔除金融類股票與ST股。隨后，本文剔除了處理組內(nèi)在樣本期間發(fā)生重復(fù)解禁的股票，剔除了控制組內(nèi)在樣本期間發(fā)生解禁的股票。最后，為避免解禁季度后發(fā)生的解禁事件對研究造成影響，本文剔除了解禁季度后10個月內(nèi)發(fā)生限售解禁的股票。因此，樣本的處理組包含了期間內(nèi)僅在解禁季度發(fā)生一次解禁的股票，控制組包含了期間內(nèi)未發(fā)生解禁的股票。全部股票在樣本解禁季度后的10個月內(nèi)均無解禁事件發(fā)生。

值得提出的是，盡管本文選擇的樣本二與樣本三存在一定交叉，但這一事實不會對結(jié)果產(chǎn)生影響。(1)作者感謝匿名審稿人指出這一問題。由上述處理組與控制組的構(gòu)成可見，各樣本中處置效應(yīng)的計算完全來源于該子樣本中解禁季度內(nèi)的解禁事件。處置效應(yīng)的計算由子樣本內(nèi)處理組的實際結(jié)果與通過控制組獲得的反事實估計值相減得到，在各子樣本間是獨立的。樣本二中的解禁事件雖發(fā)生在樣本三的時間范圍內(nèi)，但解禁的股票已在樣本三的構(gòu)建過程中被剔除，故樣本二不會對樣本三存在影響。樣本三的解禁事件發(fā)生于2017年第四季度，至多影響至2017年6月，故樣本三不會影響樣本二。因此子樣本的交叉不會影響處置效應(yīng)結(jié)果。

本文采用的限售解禁數(shù)據(jù)來源于Wind數(shù)據(jù)庫，個股日度收益數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。研究對象月度收益率為日收益率的月平均值。本文參照Paye(2012)[30]與Christiansen等(2012)[31]利用日度收益率構(gòu)建月度對數(shù)已實現(xiàn)波動率(realized variance)作為個股波動的代理指標(biāo)：

(5)

其中ritτ為股票i在第t月第τ個交易日的超額收益率，Mt為第t月中交易日的數(shù)目。對已實現(xiàn)波動率進(jìn)行對數(shù)處理能夠令其分布更近于正態(tài)，更符合線性回歸的模型假設(shè)。各樣本解禁前后的描述性統(tǒng)計特征如表1所示。

表1 各樣本解禁前后的描述性統(tǒng)計特征

表1中各樣本的時間區(qū)間后給出了樣本中處理組與控制組包含的股票數(shù)量。盡管數(shù)據(jù)處理過程中大量股票被剔除，但樣本中依然保留了較多個體，能夠較好地滿足高維因子模型估計的假設(shè)條件。解禁前的描述性統(tǒng)計量反映了樣本前47期的數(shù)據(jù)特征，解禁后統(tǒng)計量的計算來自樣本的最后5期。在第三部分介紹的計量框架下，2006年1月至2010年12月樣本的規(guī)模即為N0=119，T0=47，N1=68，T1=5。

由表1可見，三個樣本的收益率在限售解禁前后的升降情況并無顯著規(guī)律，在處理組與控制組中的表現(xiàn)亦無顯著差異。波動率在樣本二與樣本三中，于解禁后表現(xiàn)出一定程度的上升。此外，三個樣本的波動率在處理組的均值均高于控制組，較高的波動率可能來源于限售解禁事件?？傮w上看，解禁對股價特征的影響仍需通過進(jìn)一步研究來確定。

五、處置效應(yīng)估計結(jié)果

利用第三部分介紹的計量方法，本文對限售解禁的處置效應(yīng)進(jìn)行了估計，結(jié)果如表2所示。表2給出了各樣本中處置效應(yīng)在1%、5%及10%的水平上估計顯著的股票數(shù)目，且匯報了估計顯著的股票與處理組股票總體中處置效應(yīng)為正的個體數(shù)。

表2 處置效應(yīng)估計結(jié)果

由表2可見，各樣本中處置效應(yīng)估計結(jié)果的顯著性存在差異。限售解禁對收益率的處置效應(yīng)在樣本二最為顯著，在5%的水平上顯著的比例達(dá)到三分之一。解禁對波動率的處置效應(yīng)在樣本一中最為顯著。68只股票中，僅14只股票在5%的水平上不顯著。解禁對收益率的影響在樣本三中最弱，在10%的水平上顯著的數(shù)量不足十分之一。解禁對波動率影響的顯著性在樣本二與樣本三中無較大差別。限售解禁對股價特征的處置效應(yīng)在各樣本中存在差異，可能與樣本特定的經(jīng)濟(jì)環(huán)境相關(guān)。樣本一覆蓋了金融危機(jī)的時間范圍，而在樣本二末期，我國股市正處于泡沫后的震蕩中。解禁事件可能對極端條件下的市場反應(yīng)產(chǎn)生了放大作用。

從處置效應(yīng)的方向上看，限售解禁對波動率的影響更多地表現(xiàn)為正向作用。這一正向作用在樣本一中尤為顯著。54只處置效應(yīng)在5%的水平上顯著的股票中，53只的效應(yīng)符號均為正，表明限售解禁在這一時間段顯著增大了股價波動。相反，解禁干預(yù)對收益率的影響并無固定模式：樣本一中處置效應(yīng)為正、負(fù)的個體數(shù)目相當(dāng)；樣本二中處置效應(yīng)的正向作用稍強(qiáng)；而樣本三中處置效應(yīng)主要表現(xiàn)為負(fù)向，盡管該樣本中解禁對收益率的影響整體上并不顯著。

總體上看，限售解禁干預(yù)效應(yīng)的顯著程度與考察的時間區(qū)間相關(guān)且在個體間存在差異；解禁對波動率的處置效應(yīng)較收益率更為顯著；限售解禁對波動率的影響更多地表現(xiàn)為正向，而對收益率的影響并不確定。因此，盡管基于事件研究的結(jié)果指出解禁事件會在短期降低股票價格，但就本文考察的2至6個月的中長期結(jié)果來看，限售解禁并未顯著改變股票的收益水平。為進(jìn)一步分析限售解禁對股票投資價值的影響，本文依據(jù)收益率與波動率的實際值與反事實數(shù)值，計算了對應(yīng)的個股Sharpe比率。此處本文將波動率指數(shù)處理以轉(zhuǎn)化為正值，并假設(shè)無風(fēng)險收益率為0。計算結(jié)果顯示，三個樣本中Sharpe比率增大的股票數(shù)分別為26、50及36。這一結(jié)果表明在樣本二中，過半股票的投資價值得到了提升，而樣本一與樣本三中大部分股票單位風(fēng)險的收益變小，投資價值降低。

為考察因果分析的穩(wěn)健性，本文分別隨機(jī)選擇處理組解禁前的5期數(shù)據(jù)，及控制組解禁后與相應(yīng)處理組相同數(shù)目的股票，進(jìn)行了多次處置效應(yīng)計算。由于數(shù)次計算的結(jié)果大體一致，表3僅報告了其中一次計算的結(jié)果?？梢姴▌勇试诟黠@著性水平上的處置效應(yīng)結(jié)果均與表2差距較大，而收益率的處置效應(yīng)在樣本二的結(jié)果與表2亦存在較大差異，表明上文因果推斷的結(jié)果具有較高程度的穩(wěn)健性。收益率穩(wěn)健性檢驗在樣本三的結(jié)果與表2相近，進(jìn)一步表明樣本三中解禁對股票收益的干預(yù)效應(yīng)是不顯著的。

表3 穩(wěn)健性檢驗結(jié)果

六、截面回歸分析

因果分析的結(jié)果表明限售解禁的處置效應(yīng)在個體間存在較大差異。本節(jié)利用截面回歸探討個體處置效應(yīng)是否與個股特征存在關(guān)聯(lián)。描述個股特征指標(biāo)的選取參考了解禁對股票異常收益率影響的相關(guān)研究。趙向琴等(2009)[3]、黃建歡和尹筑嘉(2009)[2]及黃張凱等(2010)[5]均指出解禁規(guī)模影響股票的累積異常收益率，本文以解禁后流通股占總股本增加的比例反映解禁沖擊的規(guī)模。廖理等(2008)[1]指出規(guī)模大的公司股票流動性較好，信息透明度較高，故本文以對數(shù)市值描述個股對應(yīng)企業(yè)規(guī)模的差異，對數(shù)市值的計算采用了解禁前第5個月最后一個交易日的統(tǒng)計值。參考黃張凱等(2010)[4]的研究，本文以Tobin-Q值描述公司的基本面狀況，其計算方法為：(流通市值+非流通股數(shù)×每股凈資產(chǎn)+負(fù)債)÷賬面總資產(chǎn)。另外，基于事件研究的結(jié)果表明解禁會形成負(fù)向的累積異常收益率，但價格短期發(fā)生變化的股票是否會改變中長期的收益特征，這一問題仍有待解答。因此本文將累積異常收益率設(shè)置為自變量，考察個體處置效應(yīng)與其關(guān)聯(lián)。累積異常收益率(CAR)的估計方法與事件研究中采用的方法一致，即利用線性因子模型

rit=αi+βiRmt+εit

(6)

對股票收益率進(jìn)行擬合。股票i在[τ1,τ2]期間的累計異常收益率即為

(7)

其中Rm為滬深300指數(shù)的日收益率。異常收益計算的事件窗為[-120，20]，估計窗為[-230，-131]。鑒于近期相關(guān)研究指出限售解禁中存在控股股東的自利行為，如吳冬梅和莊新田(2016)[17]、張曉宇和徐龍炳(2017)[18]，本文在回歸模型中加入前十大股東持股比例、政府實際控制人的虛擬變量及機(jī)構(gòu)持股比例，以反映股票控制者的差異。

本文對回歸元進(jìn)行了共線性檢驗。三個子樣本中樣本點的總數(shù)為250，回歸元相關(guān)系數(shù)矩陣的條件數(shù)為5.26，表明七個變量較為獨立地反映了股票的個體特征?；谑录芯康南嚓P(guān)結(jié)果表明解禁規(guī)模、企業(yè)規(guī)模及Tobin-Q值能夠解釋解禁對收益率的負(fù)向沖擊，但此處的相關(guān)性分析顯示三個變量與累積異常收益的關(guān)聯(lián)度并不高。注意到事件研究采用的樣本多為2010年前解禁條款生效早期的數(shù)據(jù)，故出現(xiàn)這一結(jié)果的可能原因是市場對解禁事件的反應(yīng)已隨時間發(fā)生變化。事實上，在250個樣本點中，累積異常收益率為正的個體數(shù)目為117，表明解禁對股價整體的短期負(fù)向沖擊已不再顯著，投資者可能已對限售解禁事件具備較高的適應(yīng)度。

本文對各子樣本及總樣本分別進(jìn)行了回歸。由于上文因果分析顯示解禁效應(yīng)隨樣本的變化呈現(xiàn)出差異性，故本文根據(jù)樣本點所屬的子樣本類別在總樣本回歸中設(shè)置虛擬變量以控制這一差異。回歸模型的形式如式(8)所示：

ATT=Xβ+ε

(8)

其中，ATT為個體處置效應(yīng)向量，X為回歸元矩陣，ε為隨機(jī)誤差項。各變量在回歸前均經(jīng)過標(biāo)準(zhǔn)化處理，故自變量矩陣中不含常數(shù)項。回歸結(jié)果如表4所示。

表4 截面回歸結(jié)果

表4顯示個股特征對處置效應(yīng)的解釋力并不強(qiáng)。在七個變量中，僅有少數(shù)變量在特定樣本表現(xiàn)出一定的顯著性。這一結(jié)果表明個股收益與波動處置效應(yīng)的異質(zhì)性與其個體特征的關(guān)聯(lián)度并不高，限售解禁對個股特征的干預(yù)效應(yīng)可能是多種復(fù)雜因素作用的共同結(jié)果。

七、總結(jié)

本文利用基于高維因子模型的面板因果推斷方法分析了限售解禁對股票價格特征中長期的干預(yù)效應(yīng)。研究表明解禁的處置效應(yīng)隨考察時期的不同而變化。限售解禁在金融危機(jī)后顯著增大了個股波動，在2015年我國股市泡沫后對收益率作用較強(qiáng)。總體上看，解禁對波動率的干預(yù)效應(yīng)較收益率更為顯著，多數(shù)股票的投資價值在解禁后產(chǎn)生了下滑。本文亦采用截面回歸考察了處置效應(yīng)異質(zhì)性與個體特征的聯(lián)系，結(jié)果顯示解禁對個股收益特征作用的差異與股票個體特征的關(guān)聯(lián)度并不高，干預(yù)前的個體特征不能對處置效應(yīng)的異質(zhì)性進(jìn)行解釋。

本文的研究結(jié)果對于認(rèn)識我國限售股解禁政策效果具有一定意義。首先，限售股的事件確實在一定程度上增大了市場風(fēng)險，表現(xiàn)為個股波動率的擴(kuò)大。第二，與基于事件研究的現(xiàn)有文獻(xiàn)結(jié)論不同，本文發(fā)現(xiàn)解禁對股價的負(fù)向沖擊已不再顯著，這一點既表現(xiàn)在中性的累積異常收益率，又體現(xiàn)于處置效應(yīng)對收益率整體較低的顯著性?？梢娊饨麑κ袌龅挠绊懛绞娇赡芤旬a(chǎn)生變化。第三，截面回歸結(jié)果指出個股異質(zhì)特征不能解釋處置效應(yīng)的異質(zhì)性，表明解禁中不存在利用個股特征進(jìn)行套利的機(jī)會，這亦說明就限售解禁而言，我國股市存在一定程度的有效性。個股解禁效應(yīng)的差異與市場機(jī)制更深層次的聯(lián)系有待進(jìn)一步研究。