沈 冰，冉光和，盛嘉帆

(1.重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，重慶 400044;2.西南大學(xué)經(jīng)濟(jì)管理學(xué)院，重慶 400715)

一、引 言

目前，國(guó)內(nèi)外學(xué)者對(duì)知情交易的研究大都集中在知情交易的度量、知情交易對(duì)股票市場(chǎng)的影響、知情交易的監(jiān)管等方面。比如，Easley等率先提出用于度量知情交易的方法，通過(guò)估計(jì)知情交易者在市場(chǎng)中所占比重而計(jì)算得出知情交易概率(PIN)[1]。之后，不少學(xué)者都采用PIN來(lái)度量知情交易行為[2－3－4]。Wisniewski研究表明，知情交易行為不能提高股票市場(chǎng)的信息效率，不利于股票市場(chǎng)的健康發(fā)展[5]。Beny通過(guò)對(duì)多個(gè)國(guó)家和地區(qū)股票市場(chǎng)的實(shí)證分析表明，在更嚴(yán)厲的知情交易管制下，股票市場(chǎng)的流動(dòng)性更好，從另一個(gè)角度證明了知情交易會(huì)降低市場(chǎng)流動(dòng)性[6]。Bris實(shí)證研究表明，各國(guó)內(nèi)幕交易法雖然可以降低知情交易的頻率，但知情交易的收益卻上升了，知情交易執(zhí)法越嚴(yán)格的國(guó)家在并購(gòu)事件前的超額收益越小[7]。Fernandes和Ferreira認(rèn)為在實(shí)施知情交易監(jiān)管法規(guī)前后，股價(jià)信息含量會(huì)發(fā)生變化，上市公司代理成本高的國(guó)家，對(duì)知情交易的監(jiān)管效果不佳[8]。朱偉驊提出可以通過(guò)保證知情交易監(jiān)管力度的完備性與持續(xù)性，完善公司治理，完善投資者保護(hù)制度，構(gòu)建合法公正的內(nèi)部人交易市場(chǎng)與披露制度等方面來(lái)提高知情交易的監(jiān)管效率[9]。唐齊鳴和張?jiān)普J(rèn)為知情交易會(huì)加劇公司層面的信息不對(duì)稱，造成交易量的大幅波動(dòng)，知情交易者能夠獲取超額收益，對(duì)其他投資者產(chǎn)生不利影響[10]。本文利用EKOP模型，從資金流向的角度來(lái)探討這個(gè)問(wèn)題。

二、知情交易概率模型

1.模型設(shè)定

Easley等[1](簡(jiǎn)稱EKOP)提出的知情交易概率(PIN)，是指某一次交易是源于擁有私有信息的知情交易者的概率。PIN作為度量知情交易的一種結(jié)構(gòu)化模型，采用二叉樹來(lái)刻畫整個(gè)交易過(guò)程，通過(guò)估計(jì)知情交易者委托單在所有委托單中的比例，來(lái)度量知情交易者的交易占所有交易的比重，可以直接作為衡量知情交易的指標(biāo)。

假設(shè)在一個(gè)風(fēng)險(xiǎn)資產(chǎn)的交易市場(chǎng)中，存在多個(gè)知情交易者和非知情交易者。投資者在多個(gè)交易日進(jìn)行交易，用i=1，…，I來(lái)表示。在每個(gè)交易日內(nèi)，時(shí)間是連續(xù)的，用 t∈ [0，T]表示。每天有關(guān)于風(fēng)險(xiǎn)資產(chǎn)真實(shí)價(jià)值的信息事件發(fā)生的概率是α，該事件是利好信息的概率是1－δ，是利空信息的概率是δ。因此，每天有利好信息、利空信息和沒有信息發(fā)生的概率分別為:α(1－δ)、αδ和1－α。

在每個(gè)交易日，交易的到達(dá)過(guò)程都服從泊松分布。知情交易者一般會(huì)在有信息事件發(fā)生后獲得私有信息時(shí)才會(huì)進(jìn)場(chǎng)交易，當(dāng)?shù)玫揭粋€(gè)利好信息時(shí)，知情交易者就會(huì)買進(jìn)股票;反之，當(dāng)?shù)玫嚼招畔r(shí)，將會(huì)賣出股票，知情交易者進(jìn)場(chǎng)交易的訂單服從期望值為μ的泊松分布。非知情交易者由于流動(dòng)性、對(duì)沖等需求而進(jìn)行交易，由于他們沒有獲得私有信息，無(wú)論信息是否發(fā)生都要進(jìn)行交易，非知情交易者每個(gè)交易日買入或賣出的市場(chǎng)訂單服從期望值分別為εb、εs的泊松分布，知情交易者和非知情交易者的到達(dá)過(guò)程如圖1所示。

圖1 知情交易者和非知情交易者的到達(dá)過(guò)程

根據(jù)圖1兩類交易者的到達(dá)過(guò)程，可以計(jì)算出兩類交易者的委托單量，委托單量應(yīng)為委托單到達(dá)率與相應(yīng)狀態(tài)發(fā)生概率的乘積，總委托單量為:

α((1－δ)(εb+μ)+(1－δ)εs+δεb+δ(εs+μ))+(1－α)εb+(1－α)εs=α(εb+μ+εs)+εb－αεb+εs－αεs=αμ+εb+εs

知情交易者的委托單量為αμ，因而，知情交易者的委托單量占總委托單量的比值，即知情交易概率PIN為:

2.參數(shù)估計(jì)

在該模型中有5個(gè)未知的參數(shù)需要估計(jì)，即α，μ，δ，εb，εs。其中，參數(shù)α和δ代表每個(gè)交易日是否發(fā)生信息事件以及是利好信息還是利空信息;參數(shù)μ，εb，εs反映知情交易者與非知情交易者的到達(dá)率。這5個(gè)參數(shù)都無(wú)法直接觀察到，但是可以觀察到每天的成交次數(shù)，并可以將買方成交次數(shù)和賣方成交次數(shù)分離開。Easley等[1]提出用極大似然法，從觀察到的買入和賣出數(shù)據(jù)來(lái)估計(jì)模型中的這5個(gè)參數(shù)。因此，估計(jì)未知系數(shù)向量θ=(α，μ，δ，εb，εs)需要一個(gè)機(jī)構(gòu)化模型。

在信息事件類型(沒有信息事件發(fā)生、利好信息發(fā)生、利空信息發(fā)生)不確定的交易日，全天時(shí)間T內(nèi)，觀察到B次買入和S次賣出的似然函數(shù)為:

再假設(shè)每個(gè)交易日的信息事件是獨(dú)立的，則I天的總似然函數(shù)為:

其中，這里M=((B1，S1)，…，(BI，SI))，代表數(shù)據(jù)集:i=1，…，I，表示一個(gè)樣本期(一個(gè)月)中的第i個(gè)交易日。

由于εbBi或Bi在極大似然函數(shù)估計(jì)中可能會(huì)出現(xiàn)數(shù)據(jù)的溢出，為了避免這個(gè)問(wèn)題，Easley等[11－12]將 e－εbεBbi/Bi 變形為e－εsεSsi/Si!、 e－(εb+μ)(εb+μ)Bi/Bi!、 e－(εs+μ)(εs+μ)Si/Si!的變形也相類似。這樣就可以重新得到對(duì)數(shù)的似然函數(shù):

其中，Mi=(min(Bi，Si)+max(Bi，Si))/2，xb=εb/(μ+εb)，xs=εs/(μ+εs)。對(duì)上式的似然函數(shù)求極大值，就可以估計(jì)出參數(shù)α，μ，δ，εb，εs的值，進(jìn)而計(jì)算出知情交易概率PIN的值。

三、數(shù)據(jù)來(lái)源及描述性統(tǒng)計(jì)

1.樣本的選取

為了研究股票市場(chǎng)重大信息事件發(fā)生前后，知情交易者是否利用私有信息進(jìn)行了知情交易，本文選取了2009年進(jìn)行了重組、高送轉(zhuǎn)(10股送轉(zhuǎn)10股以上)、業(yè)績(jī)預(yù)增(預(yù)增100%以上)和業(yè)績(jī)預(yù)虧的上市公司，一共選取了118個(gè)樣本，其中重組28個(gè)樣本，高送轉(zhuǎn)41個(gè)樣本，業(yè)績(jī)預(yù)增24個(gè)樣本，業(yè)績(jī)預(yù)虧25個(gè)樣本。

對(duì)樣本的選擇要符合以下標(biāo)準(zhǔn):(1)在事件窗口期內(nèi)(重大信息公布前后)存在連續(xù)的交易記錄，以增加研究結(jié)果的穩(wěn)定性和可靠性。(2)在事件窗口期內(nèi)，沒有其它重大信息事件的發(fā)生，以消除其它事件對(duì)它的影響。(3)研究的重組樣本不包括原來(lái)的大股東通過(guò)減持股份而使原來(lái)的第二大股東成為大股東的行為，也不包括國(guó)有股的無(wú)償劃撥而發(fā)生的控制權(quán)的轉(zhuǎn)移和上市公司的控股公司被收購(gòu)而引起的股權(quán)轉(zhuǎn)移。

2.數(shù)據(jù)來(lái)源

由于知情交易概率模型中參數(shù)的估計(jì)需要相關(guān)股票日內(nèi)交易的買入和賣出的高頻數(shù)據(jù)，本文所選取日內(nèi)的高頻數(shù)據(jù)來(lái)自國(guó)泰安(CSMAR)高頻交易數(shù)據(jù)庫(kù)，機(jī)構(gòu)投資者資金流向數(shù)據(jù)來(lái)自大智慧 SuperView數(shù)據(jù)，①大智慧SuperView軟件提供了在滬深證券交易所上市的A股近幾年每日的資金流向，該軟件按照資金大小把投資者分為散戶、中戶、大戶和機(jī)構(gòu)四類。由于大戶中有的是機(jī)構(gòu)投資者以個(gè)人名義開設(shè)的賬戶，且資金實(shí)力比較雄厚，因而本文把機(jī)構(gòu)和大戶統(tǒng)稱為機(jī)構(gòu)投資者，把散戶和中戶統(tǒng)稱為中小投資者。其它數(shù)據(jù)則來(lái)自WIND數(shù)據(jù)庫(kù)。樣本周期為2009年1月1日到2009年12月31日，由于國(guó)泰安高頻數(shù)據(jù)庫(kù)2009年的分筆高頻數(shù)據(jù)已進(jìn)行了買賣標(biāo)識(shí)(B為買進(jìn)標(biāo)識(shí)、S為賣出標(biāo)識(shí))，這樣就可以直接根據(jù)買賣標(biāo)識(shí)數(shù)據(jù)判斷一筆交易是由買方還是賣方發(fā)起的，而無(wú)需采用Lee和Ready[13]的買賣判斷標(biāo)準(zhǔn)，即將成交價(jià)與買賣報(bào)價(jià)的中點(diǎn)相比，高于中點(diǎn)為賣出，低于中點(diǎn)為買進(jìn)。如成交價(jià)等于買賣報(bào)價(jià)中點(diǎn)，則與上一筆成交價(jià)相比較。研究表明，該判斷標(biāo)準(zhǔn)無(wú)法準(zhǔn)確地判斷所有交易的買賣歸屬情況，而買賣分類不準(zhǔn)確就會(huì)導(dǎo)致對(duì)PIN值系統(tǒng)性的估計(jì)偏差[14]。因此，直接選取帶有買賣標(biāo)識(shí)的數(shù)據(jù)進(jìn)行研究，既簡(jiǎn)化了數(shù)據(jù)的處理過(guò)程，又避免了判斷的主觀性，使估計(jì)結(jié)果更加準(zhǔn)確、可靠。

3.PIN的描述性統(tǒng)計(jì)

假定信息事件公告日為0，本文將信息事件研究期間分為三個(gè)時(shí)期，第一個(gè)時(shí)期是控制時(shí)間期間，交易期為(－60，－30)，作為研究后兩個(gè)時(shí)期的基準(zhǔn)，第二個(gè)時(shí)期是信息公告前期，交易期為(－30，－1)，研究信息公告前私有信息的利用情況，第三個(gè)時(shí)期是信息公告后期，交易期為(+1，+30)，研究信息公告后私有信息的利用情況。

利用每個(gè)樣本的三個(gè)時(shí)間窗口內(nèi)的分筆交易數(shù)據(jù)，分別用來(lái)估計(jì)PIN模型的參數(shù)，這樣就可以把每個(gè)樣本三個(gè)時(shí)期的PIN值分別計(jì)算出來(lái)。表1顯示了控制時(shí)間期、信息公告前期和信息公告后期參數(shù)估計(jì)及PIN值的描述性統(tǒng)計(jì)結(jié)果。從整體來(lái)看，三個(gè)時(shí)期的PIN均值為0.11，與王春峰等[15]的研究結(jié)果0.11一致。從表1中可以看出，信息公告前期PIN值的均值最大，為0.12，信息公告后期 PIN值的均值最小，為0.09，而控制時(shí)間期間PIN值的均值介于兩者之間，為0.10。說(shuō)明了在重大信息事件公告之前，知情交易程度是最高的，反映了在我國(guó)股票市場(chǎng)中存在利用私有信息進(jìn)行知情交易的行為。

表1 參數(shù)估計(jì)及PIN值的描述性統(tǒng)計(jì)

利用Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)，可以判斷三個(gè)時(shí)期的PIN值是否存在顯著性差異。從表2中可以看出，兩種檢驗(yàn)結(jié)果都表明，信息公告前期與控制期，信息公告前期與信息公告后期的PIN值在0.01的水平下都存在顯著性差異，而信息公告后期與控制期的PIN值在0.01的水平下不存在顯著性差異。其中，信息公告后期與信息公告前期的PIN值差異最為明顯，Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)的Z檢驗(yàn)統(tǒng)計(jì)量的分別為－5.59和－5.09，其絕對(duì)值最大;信息公告后期與控制期的PIN值差異最小，Wilcoxon非參數(shù)檢驗(yàn)和Mann－Whitney非參數(shù)檢驗(yàn)的Z檢驗(yàn)統(tǒng)計(jì)量分別為－2.15和－1.88。從非參數(shù)檢驗(yàn)的角度驗(yàn)證了信息公告前期知情交易行為在我國(guó)股市中最為嚴(yán)重。

表2 Wilcoxon和Mann－Whitney非參數(shù)檢驗(yàn)

四、實(shí)證分析

1.研究假設(shè)

從上述的分析中，我們得出了知情交易主要發(fā)生在信息公告前期的結(jié)論，因而，在實(shí)證分析中，我們主要研究在信息公告前期作為知情交易行為、超額收益與機(jī)構(gòu)投資者之間的關(guān)系。由于機(jī)構(gòu)投資者比中小投資者具有明顯的信息優(yōu)勢(shì)，他們往往能夠通過(guò)各種途徑提前知道上市公司尚未公開的私有信息，并利用信息優(yōu)勢(shì)、資金優(yōu)勢(shì)及技術(shù)優(yōu)勢(shì)進(jìn)行知情交易。在中國(guó)證監(jiān)會(huì)查處的知情交易案件中，涉案的大都是以機(jī)構(gòu)投資者為主。目前，我國(guó)股市還屬于資金推動(dòng)型的新興市場(chǎng)，當(dāng)機(jī)構(gòu)投資者參與知情交易時(shí)，就會(huì)導(dǎo)致機(jī)構(gòu)投資者資金的大規(guī)模流動(dòng)，使機(jī)構(gòu)投資者持股的倉(cāng)位發(fā)生變化。一般來(lái)說(shuō)，機(jī)構(gòu)投資者在公司利好信息公告之前，往往會(huì)投入大量資金購(gòu)買相關(guān)股票，即采取增倉(cāng)的操作策略;在利空信息公告之前，采取減倉(cāng)的操作策略[16]。與此同時(shí)，當(dāng)機(jī)構(gòu)投資者利用私有信息進(jìn)行知情交易時(shí)，資金的大量流動(dòng)必然會(huì)影響到相關(guān)股票的價(jià)格。一般來(lái)說(shuō)，當(dāng)機(jī)構(gòu)投資者的資金大量流入時(shí)，會(huì)導(dǎo)致相關(guān)股票價(jià)格的上漲，甚至大幅上漲，使得機(jī)構(gòu)投資者可以獲得超額收益;反之，當(dāng)機(jī)構(gòu)投資者的資金大量流出時(shí)，會(huì)導(dǎo)致相關(guān)股票價(jià)格的下跌，使機(jī)構(gòu)投資者可以規(guī)避風(fēng)險(xiǎn)。因此，本文提出兩個(gè)研究假設(shè):

假設(shè)1 PIN值與機(jī)構(gòu)投資者資金流向有著密切的關(guān)系，機(jī)構(gòu)投資者資金流入，PIN值相應(yīng)增加;機(jī)構(gòu)投資者資金流出，PIN值相應(yīng)減少。

假設(shè)2 機(jī)構(gòu)投資者資金流向與超額收益之間呈現(xiàn)正相關(guān)的關(guān)系，機(jī)構(gòu)投資者資金流入，超額收益為正;機(jī)構(gòu)投資者資金流出，超額收益為負(fù)。

2.研究模型與變量

為了檢驗(yàn)信息公告前期知情交易行為與機(jī)構(gòu)投資者倉(cāng)位的變化之間的關(guān)系，以及機(jī)構(gòu)投資者倉(cāng)位的變化與超額收益之間的關(guān)系，本文建立的回歸模型如下:

本文除了選取知情交易概率、累計(jì)超額收益和機(jī)構(gòu)投資者倉(cāng)位變化三個(gè)基本變量外，還選取了買賣次數(shù)之差作為投資者對(duì)信息反應(yīng)程度的指標(biāo);選取了信息透明度和股權(quán)集中度來(lái)代表公司治理指標(biāo);選取了市場(chǎng)寬度、市場(chǎng)深度和換手率來(lái)代表流動(dòng)性指標(biāo);其他控制指標(biāo)選取了凈資產(chǎn)收益率、公司總資產(chǎn)和信息類型。研究變量的具體說(shuō)明見表3。

表3 研究變量說(shuō)明

3.回歸模型估計(jì)結(jié)果及分析

由于利好信息與利空信息對(duì)投資者的知情交易行為會(huì)產(chǎn)生不同的影響，如果不加以區(qū)別，必然會(huì)影響到實(shí)證研究的結(jié)果。本文采用虛擬變量的方式對(duì)不同的信息類型進(jìn)行區(qū)分，即利空信息(預(yù)虧)取值為0，利好信息(高送轉(zhuǎn)、重組和預(yù)增)取值為1，這樣就可以把兩種類型的信息加以區(qū)別，以避免研究結(jié)果的有效性受到影響。

首先，本文對(duì)信息公告前期知情交易行為與機(jī)構(gòu)投資者資金流向的關(guān)系進(jìn)行了實(shí)證分析，采用面板數(shù)據(jù)分析方法中的固定效應(yīng)對(duì)方程(1)進(jìn)行回歸，同時(shí)進(jìn)行異方差和自相關(guān)調(diào)整，得到參數(shù)的估計(jì)值如表4所示。實(shí)證結(jié)果表明，在5%的置信水平下，PIN與△Institution之間存在著顯著的關(guān)系，且△Institution的系數(shù)為正，驗(yàn)證了PIN與△Institution之間存在正相關(guān)的關(guān)系，說(shuō)明機(jī)構(gòu)投資者資金流向?qū)χ榻灰壮潭扔酗@著的影響，支持了假設(shè)1。當(dāng)某只股票的機(jī)構(gòu)投資者資金流入時(shí)，會(huì)導(dǎo)致知情交易程度的提高;反之，當(dāng)機(jī)構(gòu)投資者資金流出時(shí)，會(huì)導(dǎo)致知情交易程度的下降。資金流向反映了機(jī)構(gòu)投資者在信息公告前期利用信息優(yōu)勢(shì)和資金優(yōu)勢(shì)進(jìn)行知情交易的行為。PIN與|S－B|在5%的置信水平下存在顯著的正相關(guān)關(guān)系，意味著投資者對(duì)信息反應(yīng)程度越大，知情交易程度越會(huì)提高。代表公司治理的指標(biāo)Transparency和SC3，分別在1%和5%的置信水平下通過(guò)了檢驗(yàn)，說(shuō)明公司治理水平對(duì)知情交易程度有顯著的影響，從表4可以看出，公司的信息透明度越低，股權(quán)集中度越高，知情交易程度越高。反映流動(dòng)性的指標(biāo)，除了Wide在10%的水平通過(guò)顯著性檢驗(yàn)外，其他兩個(gè)指標(biāo)Depth和Turnover都沒有通過(guò)檢驗(yàn)，意味著流動(dòng)性指標(biāo)市場(chǎng)寬度、市場(chǎng)深度和換手率對(duì)知情交易程度的影響不太顯著。代表公司業(yè)績(jī)的ROE在1%的置信水平下通過(guò)了檢驗(yàn)，且系數(shù)為正，說(shuō)明公司經(jīng)營(yíng)業(yè)績(jī)?cè)胶?，越容易引起知情交易程度的提高。PIN與Asset在5%的置信水平下呈顯著的負(fù)相關(guān)關(guān)系，意味著公司規(guī)模越大，知情交易程度越低，原因主要在于公司規(guī)模越大，越容易受市場(chǎng)的關(guān)注，其私有信息越容易被市場(chǎng)發(fā)掘和傳播，因而知情交易發(fā)生的概率越小。代表信息類型的Type在5%的顯著性水平下通過(guò)了檢驗(yàn)，且系數(shù)為正，結(jié)合前面的假設(shè)，說(shuō)明利好信息對(duì)知情交易程度的影響比利空信息更大，也驗(yàn)證了我國(guó)股市中投資者更多利用利好信息進(jìn)行知情交易的事實(shí)。

表4 PIN與機(jī)構(gòu)投資者資金流向關(guān)系的回歸結(jié)果

其次，本文對(duì)信息公告前期機(jī)構(gòu)投資者倉(cāng)位的變化與累計(jì)超額收益之間的關(guān)系進(jìn)行了面板數(shù)據(jù)分析，通過(guò)對(duì)方程(2)的回歸，回歸結(jié)果見表5。實(shí)證結(jié)果表明，在1%的置信水平下，CAR與△Institution之間存在顯著的正相關(guān)關(guān)系，說(shuō)明機(jī)構(gòu)投資者資金流向?qū)Τ~收益有著顯著的影響，支持了假設(shè)2。當(dāng)相關(guān)股票的機(jī)構(gòu)投資者資金流入時(shí)，超額收益顯著為正;反之，當(dāng)相關(guān)股票的機(jī)構(gòu)投資者資金流出時(shí)，超額收益為負(fù)。意味著機(jī)構(gòu)投資者在參與知情交易的過(guò)程中，遇到利好信息，資金流入，提高持股倉(cāng)位時(shí)，可以獲得超額收益;而遇到利空信息，資金流出，降低倉(cāng)位時(shí)，機(jī)構(gòu)投資者可以規(guī)避市場(chǎng)下跌的風(fēng)險(xiǎn)。|S－B|沒有通過(guò)10%的顯著性檢驗(yàn)，說(shuō)明超額收益與代表投資者對(duì)信息反應(yīng)程度的指標(biāo)之間沒有顯著的關(guān)系。代表公司治理的指標(biāo)Transparency和SC3都通過(guò)了5%的顯著性檢驗(yàn)，說(shuō)明公司治理水平對(duì)超額收益有顯著的影響。公司的信息透明度越低，股權(quán)集中度越高，即公司治理水平越低，越容易進(jìn)行知情交易和操縱股票，超額收益越大。代表流動(dòng)性的指標(biāo)中，只有Turnover通過(guò)了1%的顯著性檢驗(yàn)，且系數(shù)為正，說(shuō)明超額收益與換手率之間存在顯著的正相關(guān)關(guān)系，而其他兩個(gè)代表流動(dòng)性的指標(biāo) Wide和Depth都沒有通過(guò)10%的顯著性檢驗(yàn)，說(shuō)明微觀市場(chǎng)結(jié)構(gòu)中的流動(dòng)性指標(biāo)與超額收益之間不存在顯著的關(guān)系，只能從符號(hào)上推斷可能存在正面的影響。代表公司業(yè)績(jī)的ROE沒有通過(guò)10%的顯著性檢驗(yàn)，說(shuō)明超額收益與公司經(jīng)營(yíng)業(yè)績(jī)之間沒有顯著的關(guān)系，這也意味著選擇經(jīng)營(yíng)業(yè)績(jī)好的公司不一定能夠獲得超額收益，這也導(dǎo)致了我國(guó)股市中投資者在選股時(shí)不重視公司的經(jīng)營(yíng)業(yè)績(jī)。代表公司規(guī)模的Asset沒有通過(guò)10%的顯著性檢驗(yàn)，說(shuō)明超額收益與公司規(guī)模之間不存在顯著的關(guān)系。在5%的顯著性水平下，代表信息類型的Type通過(guò)了檢驗(yàn)，且系數(shù)為正，說(shuō)明投資者利用利好信息獲得的超額收益顯著性大于利空信息。這與我國(guó)股市中沒有實(shí)行賣空機(jī)制有關(guān)，①我國(guó)股票市場(chǎng)雖然已實(shí)行了融券制度，但仍存在不少限制，融券品種和規(guī)模都很少，投資者想要賣空股票非常困難，融券制度并沒有真正落實(shí)。投資者往往利用尚未公開的利好信息來(lái)炒作股票，從而在股價(jià)的上漲中獲得超額收益;而利用尚未公開的利空信息來(lái)賣出持有的股票，以規(guī)避股價(jià)下跌的風(fēng)險(xiǎn)，卻難以獲得超額收益。

表5 CAR和機(jī)構(gòu)投資者資金流向關(guān)系的回歸結(jié)果

4.Granger因果檢驗(yàn)

為了進(jìn)一步揭示機(jī)構(gòu)投資者資金流向與知情交易概率及超額收益之間的關(guān)系，本文再進(jìn)行Granger因果檢驗(yàn)。檢驗(yàn)之前，先進(jìn)行單位根檢驗(yàn)。表6列出了ADF值的檢驗(yàn)結(jié)果，三個(gè)變量PIN、△Institution和CAR的ADF的檢驗(yàn)值均小于顯著性水平為1%的臨界值，說(shuō)明它們都是平穩(wěn)序列，可以進(jìn)行Granger因果檢驗(yàn)。

表6 ADF檢驗(yàn)結(jié)果

本文分別對(duì)PIN與△Institution兩者之間以及CAR與△Institution兩者之間作Granger因果檢驗(yàn)，均取滯后階數(shù)為2。從表7的檢驗(yàn)結(jié)果可以看出，在5%的顯著性水平下，△Institution對(duì)PIN和CAR都存在Granger因果關(guān)系，而PIN和CAR對(duì)△Institution均不存在Granger因果關(guān)系。說(shuō)明機(jī)構(gòu)投資者的交易行為是導(dǎo)致知情交易概率和超額收益變化的原因，而知情交易概率和超額收益變化不是投資者交易行為的原因。也就是說(shuō)，機(jī)構(gòu)投資者是知情交易主要的參與者和受益者。

表7 Granger因果檢驗(yàn)

五、結(jié) 論

本文利用EKOP模型對(duì)高頻數(shù)據(jù)的挖掘，從機(jī)構(gòu)投資者資金流向的視角，通過(guò)對(duì)2009年高送轉(zhuǎn)、重組、預(yù)增和預(yù)虧四種類型的上市公司在信息公告前后知情交易行為的研究，可以得出以下結(jié)論:

第一，在我國(guó)股票市場(chǎng)，知情交易行為在上市公司信息公告期間是普遍存在的。其中，信息公告前期知情交易行為最為嚴(yán)重，信息公告后期知情交易行為相對(duì)較輕，說(shuō)明知情者在信息公告之前普遍存在利用私有信息進(jìn)行知情交易的行為。不同信息類型的知情交易行為存在顯著的差異，在信息公告前后不同的三個(gè)時(shí)期，利好信息的PIN值都高于利空信息，反映出知情交易者對(duì)利好信息比利空信息更為看重，更多地利用利好的私有信息進(jìn)行知情交易。

第二，在上市公司信息公告前期，知情交易程度與機(jī)構(gòu)投資者資金流向存在著顯著的正相關(guān)關(guān)系，機(jī)構(gòu)投資者資金流入，會(huì)導(dǎo)致知情交易程度的提高;反之亦然。反映了機(jī)構(gòu)投資者在信息公告前期利用信息優(yōu)勢(shì)和資金優(yōu)勢(shì)進(jìn)行知情交易的行為，從實(shí)證的角度驗(yàn)證了機(jī)構(gòu)投資者是知情交易最主要的參與者。因而，對(duì)監(jiān)管層來(lái)說(shuō)，應(yīng)該把機(jī)構(gòu)投資者作為重點(diǎn)的監(jiān)管對(duì)象，才能更好地防控知情交易行為。

第三，超額收益與機(jī)構(gòu)投資者資金流向在信息公告前期存在顯著的正相關(guān)關(guān)系，機(jī)構(gòu)投資者資金流入，可以顯著提高超額收益;而機(jī)構(gòu)投資者資金流出時(shí)，超額收益為負(fù)。這意味著在信息公告前期，機(jī)構(gòu)投資者利用利好的私有信息參與知情交易，買進(jìn)股票，提高持股倉(cāng)位，可以獲得超額收益;而利用利空的私有信息賣出股票，降低持股倉(cāng)位，可以規(guī)避市場(chǎng)下跌的風(fēng)險(xiǎn)?？梢?，機(jī)構(gòu)投資者是知情交易的受益者，而與之相對(duì)的中小投資者卻成為知情交易的受害者。因此，要保護(hù)中小投資者的利益，就應(yīng)該大力打擊和防控知情交易行為。

第四，機(jī)構(gòu)投資者資金流向?qū)χ榻灰赘怕屎统~收益存在Granger因果關(guān)系，而知情交易概率和超額收益對(duì)機(jī)構(gòu)投資者資金流向不存在Granger因果關(guān)系。說(shuō)明機(jī)構(gòu)投資者的交易行為是導(dǎo)致知情交易概率和超額收益變化的原因，而知情交易概率和超額收益變化不是投資者交易行為原因。從另一個(gè)角度上看，機(jī)構(gòu)投資者是知情交易主要的參與者和受益者。

[1]Easley，D.，Kiefers，N.M.，O’Hara，M.，Paperman，J.B.Liquidity，Information and Infrequently Traded Stocks[J].The Journal of Finance，1996，51(4):1405－1436.

[2]Brockman，P.，Chung，D.Y.Informed and Uninformed Trading in an Electronic，Order-Driver Environment[J].The Financial Review，2000，35(2):125 －146.

[3]Heidle，H.，Huang，R.Information-Based Trading in Dealer and Auction Markets:An Analysis of Exchange Listings[J].Journal of Financial and Quantitative A-nalysis，2002，37(3):391 －424.

[4]Vega，C.Stock Price Reaction to Public and Private Information[J].Journal of Financial Economics，2006，82(1):103－33.

[5]Wisniewski，T.P.Reexamination of the Link between Insider Trading and Price Efficiency [J].Economic Systems，2004，28(2):210 －28.

[6]Beny，L.A Comparative Empirical Investigation of A-gency and Market Theories of Insider Trading[R].Working Paper，University of Michigan，2004.

[7]Bris，A.Do Insider Trading Laws Work?[J].European Financial Management，2005，11(3):7 －12.

[8]Fernandes，N.，F(xiàn)erreira，M.Insider Trading Laws and Stock Price Informativeness[J].Review of Financial Studies，2009，22(5):1845 －1887.

[9]朱偉驊.公司治理與內(nèi)幕交易監(jiān)管效率研究[J].經(jīng)濟(jì)學(xué)(季刊)，2008，8(1):271 －288.

[10]唐齊鳴，張?jiān)?基于公司治理視角的中國(guó)股票市場(chǎng)非法內(nèi)幕交易研究[J].金融研究，2009，(6):148－164.

[11]Easley，D.，O’Hara，M.，Saar，G.How Stock Splits Affect Trading:A Microstructure Approach [J].Journal of Financial and Quantitative Analysis，2001，36(1):25－51.

[12]Easley，D.，O’Hara，M.Information and the Cost of Capital[J].Journal of Finance，2004，59(2):1553－1583.

[13]Lee，C.M.C.，Ready，M.J.Inferring Trade Direction from Intraday Data [J].Journal of Finance，1991，46(2):733－746.

[14]Boehmer，E.Estimating the Probability of Informed Trading-does Trade Misclassification Matter?[J].Journal of Financial Markets，2007，(10):26 － 47.

[15]王春峰，董向征，房振明.信息交易概率與中國(guó)股市價(jià)格行為關(guān)系的研究[J].系統(tǒng)工程，2005，23(2):62－67.

[16]余佩琨，李志文，王玉濤.機(jī)構(gòu)投資者能跑贏個(gè)人投資者嗎?[J].金融研究，2009，(8):147 －157.

[17]施東暉，傅浩.證券市場(chǎng)內(nèi)幕交易監(jiān)管:基于法和金融的研究[J].上證研究，2002，(3):247－289.