宋 軍，薛志宏，吳 丹

（復(fù)旦大學(xué) 經(jīng)濟(jì)學(xué)院，上海 200433）

自20世紀(jì)90 年代初我國證券交易所建立以來，市場(chǎng)上就充斥著各種各樣的操縱行為。其中，中科創(chuàng)業(yè)案、億安科技案等典型案例，引起了市場(chǎng)的多方關(guān)注。文獻(xiàn)[1-3]中對(duì)歐美比較成熟的股票市場(chǎng)操縱的可能性和策略，市場(chǎng)操縱的特征和市場(chǎng)操縱的預(yù)警等多個(gè)方面進(jìn)行了研究。但已有研究較少考慮市場(chǎng)操縱的持續(xù)時(shí)間這個(gè)特征。本文通過中國證監(jiān)會(huì)官方網(wǎng)站以及一些公開資料，梳理了中國證券市場(chǎng)上發(fā)生的市場(chǎng)操縱案件，共涉及71支股票。從操縱持續(xù)時(shí)間上看，不同的操縱案件存在很大差異，最短的只有1天，最長的超過5年，持續(xù)時(shí)間分布如圖1所示。不同持續(xù)時(shí)間的操縱行為具有不同特點(diǎn)，其預(yù)警方法也會(huì)因此而不同，而以往的研究中并未充分考慮到這種差異。本文將考慮這種差異，按照操縱持續(xù)時(shí)間將市場(chǎng)操縱案例分類，考察不同持續(xù)時(shí)間的操縱的不同特點(diǎn)。

圖1 操縱行為持續(xù)時(shí)間

本文認(rèn)為，可將小波方差分析方法應(yīng)用到市場(chǎng)操縱的特征研究和預(yù)警中，將時(shí)間序列的方差分解到不同的尺度上，該方法尤其適合分析長期操縱。排除短期噪聲交易干擾之后的長期波動(dòng)特征能更好地體現(xiàn)操縱者的行為。

1 文獻(xiàn)綜述

與本文研究關(guān)系密切的研究主要在市場(chǎng)操縱的策略、市場(chǎng)操縱的特征和市場(chǎng)操縱的預(yù)警3個(gè)方面。

早期研究大多從理論上探討市場(chǎng)操縱的可能性。Allen等[1]提出了3 種類型的市場(chǎng)操縱，指出基于交易的操縱的本質(zhì)是信息不對(duì)稱。Aggarwal等[3]對(duì)文獻(xiàn)[1]中的模型進(jìn)行了擴(kuò)展，建立了一個(gè)包含信息搜尋者、操縱者和知情交易者的模型。Chakraborty等[4]認(rèn)為知情交易者可通過反向操作來提高交易過程的噪聲，因此有動(dòng)機(jī)操縱市場(chǎng)。

也有其他研究者從市場(chǎng)操縱策略的角度研究該問題。Jarrow[2]提出對(duì)市場(chǎng)價(jià)格有影響力的股票大戶的無風(fēng)險(xiǎn)操縱策略在一定條件下存在。Allen等[5]分析了股票市場(chǎng)中非知情交易者通過買入股票驅(qū)使股票價(jià)格上升，在更高的價(jià)格賣出股票獲利的可能性及其所使用的交易策略。他們認(rèn)為在流動(dòng)性交易者或知情交易者的買賣行為不對(duì)稱的前提條件下，市場(chǎng)操縱所需要的門檻其實(shí)并不太高。

與文獻(xiàn)[2，5]不同的是，Gerard等[6]針對(duì)的是股票再融資過程中的操縱行為，探究由于在股票增發(fā)前的二級(jí)市場(chǎng)交易和增發(fā)價(jià)格的互相影響而存在操縱的可能性和相關(guān)策略。張祥建等[7]和Gerard等研究股權(quán)再融資時(shí)的操縱行為，所不同的是，張祥建等研究的操縱主體是公司的大股東。趙濤等[8]建立了一個(gè)機(jī)構(gòu)和散戶的博弈模型，由于機(jī)構(gòu)和散戶之間存在信息不對(duì)稱，市場(chǎng)操縱程度隨著市場(chǎng)中機(jī)構(gòu)投資者比例的增加而先增加后下降。扈文秀等[9]建立了一個(gè)內(nèi)幕交易者和市場(chǎng)操縱者合謀情況下的市場(chǎng)操縱理論模型，并用數(shù)值模擬的方法檢驗(yàn)了模型的理論結(jié)果。

除了從理論方面對(duì)市場(chǎng)操縱存在的可能性以及相關(guān)策略進(jìn)行研究，還有文獻(xiàn)對(duì)市場(chǎng)操縱行為進(jìn)行了實(shí)證檢驗(yàn)。Easley等[10]使用隨機(jī)過程模型證明了向做市商支付一定傭金的交易制度可能會(huì)有損非知情的流動(dòng)性交易者。Khwaja等[11]使用來自巴基斯坦股票市場(chǎng)的交易層面的數(shù)據(jù)，發(fā)現(xiàn)當(dāng)經(jīng)紀(jì)商為自己交易時(shí)，能夠獲得高于外部投資者50%～90%的年化回報(bào)。他們發(fā)現(xiàn)，特定的基于交易的“哄抬股價(jià)，逢高賣出”（Pump and Dump，P&D）的價(jià)格操縱證據(jù)。徐龍炳[12]提出了一種將機(jī)構(gòu)投資者賬戶分離出來的方法，發(fā)現(xiàn)機(jī)構(gòu)投資者利用多個(gè)證券賬戶實(shí)施交易行為以達(dá)到隱蔽交易、拉抬股價(jià)、申購新股等目的。此外，采用多賬戶交易的機(jī)構(gòu)投資者傾向于在日內(nèi)進(jìn)行多次交易，并且持股相對(duì)集中，在不同賬戶之間對(duì)敲，拉升股價(jià)。與上述研究不同，周伍陽等[13]研究中國股指期貨市場(chǎng)的操縱行為，利用向量自回歸模型的脈沖響應(yīng)函數(shù)和方差分析的方法，基于股指期貨高頻數(shù)據(jù)，研究2010年6月9日的市場(chǎng)操縱行為，發(fā)現(xiàn)存在利用中信銀行拉高股指期貨的間接期現(xiàn)操縱模式，并建議監(jiān)管部門對(duì)這種操縱行為進(jìn)行實(shí)時(shí)監(jiān)管。

在對(duì)市場(chǎng)操縱的可能性和策略進(jìn)行研究后，考察市場(chǎng)操縱期間以及操縱前后的特征對(duì)于研究市場(chǎng)操縱也是很有必要的。Aggarwal等[3]使用一個(gè)獨(dú)一無二的數(shù)據(jù)集，發(fā)現(xiàn)操縱行為和高的股票波動(dòng)性、流動(dòng)性和操縱期間的回報(bào)相關(guān)。股價(jià)在操縱期間上升，并在操縱之后下降。知情者，如公司的內(nèi)部人、經(jīng)紀(jì)商、承銷商、大股東和做市商很可能成為操縱者。Comerton-Forde等[14]使用被起訴為操縱的案例作為樣本，量化收盤價(jià)操縱對(duì)美國和加拿大股票交易特征的影響?；谖恼碌陌l(fā)現(xiàn)，他們建立了一個(gè)指數(shù)衡量收盤價(jià)操縱的概率和強(qiáng)度。Huang等[15]研究了臺(tái)灣股票市場(chǎng)的被操縱股票的特征和模式及其對(duì)市場(chǎng)的影響。Ben-David等[16]發(fā)現(xiàn)了一些對(duì)沖基金在重要的報(bào)告日操縱股價(jià)的證據(jù)。

上述研究表明，股票在被操縱期間普遍存在高波動(dòng)率、高換手率和高收益率的特點(diǎn)。由已有研究可見，較少研究涉及到市場(chǎng)操縱的時(shí)間長度的特征。

在研究市場(chǎng)操縱行為特征的基礎(chǔ)上，探討建立市場(chǎng)操縱行為預(yù)警的方法對(duì)于市場(chǎng)操縱的監(jiān)管具有重要的作用。攀登等[17]將事件研究法應(yīng)用于市場(chǎng)操縱行為的研究，對(duì)川長征、億安科技和錢江生化等3個(gè)內(nèi)幕交易和市場(chǎng)操縱案例的研究結(jié)果表明，基于多因素市場(chǎng)模型的事件研究法能夠?qū)?nèi)幕交易和市場(chǎng)操縱行為進(jìn)行有效地識(shí)別和判定，可以應(yīng)用于市場(chǎng)監(jiān)管。史永東等[18]建立了一個(gè)基于Logistic回歸的市場(chǎng)操縱判別模型，以我國股票市場(chǎng)上實(shí)際發(fā)生的內(nèi)幕交易和市場(chǎng)操縱案例作為樣本，采用操縱期間的日均換手率和日均收益率作為變量，發(fā)現(xiàn)該模型對(duì)于判斷市場(chǎng)操縱行為具有一定的效力。與文獻(xiàn)[18]中相似，張宗新等[19]以中國股票市場(chǎng)上的內(nèi)幕信息操縱案例為研究樣本，在實(shí)證分析的基礎(chǔ)上建立了Logistic模型和決策樹模型對(duì)市場(chǎng)操縱行為進(jìn)行判定，在指標(biāo)的選取上主要考慮超額收益、波動(dòng)性、流動(dòng)性以及貝塔系數(shù)等。

陸蓉等[20]也針對(duì)中國股票市場(chǎng)上實(shí)際發(fā)生的操縱案例進(jìn)行了分析，首先發(fā)現(xiàn)被操縱的股票在操縱期間存在低β、高收益率和高人均市值的現(xiàn)象；此外，操縱期間的波動(dòng)率、換手率、成交額和成交量相比操縱前后均有一定差異。文中通過構(gòu)建Logistic回歸、決策樹和神經(jīng)網(wǎng)絡(luò)3個(gè)判別模型，發(fā)現(xiàn)判定效果由好及壞依次為神經(jīng)網(wǎng)絡(luò)、決策樹和Logistic回歸。

沿襲上述思路，胡金霞[21]收集了中國股票市場(chǎng)上的股價(jià)操縱案例，統(tǒng)計(jì)了操縱主體、行業(yè)和財(cái)務(wù)等指標(biāo)，并基于上述指標(biāo)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，為市場(chǎng)操縱的監(jiān)管提供依據(jù)。與文獻(xiàn)[21]中類似，楊磊[22]統(tǒng)計(jì)和分析了實(shí)際發(fā)生的45個(gè)市場(chǎng)操縱案例，得到了初步的判別特征，并基于這些結(jié)果建立了市場(chǎng)操縱的監(jiān)測(cè)指標(biāo)。

本文在對(duì)市場(chǎng)操縱的理論和實(shí)證研究進(jìn)行回顧后，梳理了中國證券市場(chǎng)上發(fā)生的市場(chǎng)操縱案件。在初步統(tǒng)計(jì)分析的基礎(chǔ)上，采用小波方差分析研究市場(chǎng)操縱行為的波動(dòng)特征。構(gòu)建了一個(gè)動(dòng)態(tài)指標(biāo)來預(yù)警市場(chǎng)操縱行為，并以億安科技操縱案為例，證實(shí)其在具體案例預(yù)警中的有效性。最后，結(jié)合文獻(xiàn)綜述，實(shí)證以及案例分析結(jié)果給出市場(chǎng)操縱行為監(jiān)管的政策建議。

本文的創(chuàng)新之處在于：①將市場(chǎng)操縱案例按照操縱持續(xù)時(shí)間的長短進(jìn)行分組，比較不同操縱行為具有的不同特征。②與以往的研究不同，將小波方差分析應(yīng)用于對(duì)市場(chǎng)操縱的研究，將時(shí)間序列的方差分解到不同的時(shí)間尺度上，在研究長期波動(dòng)特征時(shí)，可以排除短期噪聲交易的干擾，更好地研究操縱者的行為。③構(gòu)建了一個(gè)市場(chǎng)操縱預(yù)警指標(biāo)，可以為市場(chǎng)操縱監(jiān)管提供參考。④逐條查找中國證監(jiān)會(huì)發(fā)布的行政處罰決定書和市場(chǎng)禁入決定來篩選市場(chǎng)操縱案例并確定市場(chǎng)操縱起止時(shí)間，對(duì)于年代較為久遠(yuǎn)的市場(chǎng)操縱案例，通過搜索法院或檢察院的審判書來確定，最終梳理出了1996～2012年共涉及71支股票的市場(chǎng)操縱案例，這些案例更加完整、詳實(shí)。

2 小波分析

小波分析作為一種可以同時(shí)進(jìn)行時(shí)域與頻域分析的數(shù)學(xué)工具，其應(yīng)用范圍十分廣泛，目前已被成功運(yùn)用于各種物理和工程學(xué)領(lǐng)域，如信號(hào)分析、圖像處理、地震勘探和語音識(shí)別等。相比傳統(tǒng)的傅里葉分析，小波分析同時(shí)在時(shí)域和頻域內(nèi)具有良好的局部化性質(zhì)。近年來，小波分析開始被廣泛應(yīng)用于經(jīng)濟(jì)和金融領(lǐng)域的研究，如匯率分析[23-24]、商品價(jià)格分析[25]、支出和收入的分解[26-27]、股票回報(bào)和通貨膨脹[28]、CAPM 模型中beta的估計(jì)[29-31]以及期貨市場(chǎng)的對(duì)沖比率[32-33]。文獻(xiàn)[34-35]中對(duì)小波分析在實(shí)證經(jīng)濟(jì)金融領(lǐng)域的實(shí)用性進(jìn)行了深度討論。以往文獻(xiàn)[36-38]中時(shí)間序列的小波分析方法已經(jīng)得到了完善的發(fā)展和總結(jié)。

本文采用小波分析的目的在于：證券市場(chǎng)上存在很多的噪聲交易者，他們不具有內(nèi)部信息或缺乏分析信息的能力，利用噪聲信息來指導(dǎo)決策從而加大了證券價(jià)格的短期波動(dòng)程度。然而，操縱者的行為相對(duì)噪聲交易者而言是長期的，小波方差分析可以將時(shí)間序列的方差分解到不同的尺度上，排除短期噪聲交易干擾之后的長期波動(dòng)特征能更好地體現(xiàn)操縱者的行為。

根據(jù)Percival等[37]的研究，滿足如下條件的函數(shù)Ψ（t）為母小波函數(shù)：

將Ψ（t）做伸縮和平移變換后得到小波函數(shù)：

式中，j、k分別為尺度系數(shù)和平移系數(shù)。因?yàn)樾〔ê瘮?shù)｛Ψj，k｝j，k∈Z是平方可積函數(shù)集合L2（R）的完全正交基[39]，所以對(duì)于任意一個(gè)時(shí)間序列X（t）∈L2（R）為

式中，小波系數(shù)d j，k=∫X（t）Ψj，k（t）dt。

小波方法按照處理序列連續(xù)性的不同，可以劃分為連續(xù)小波轉(zhuǎn)換（Continuous Wavelet Transform，CWT）和離散小波轉(zhuǎn)換（Discrete Wavelet Transform，DWT）兩種，分別用于處理連續(xù)和離散的時(shí)間序列。最大重疊離散小波轉(zhuǎn)換（Maximal Overlap Discrete Wavelet Transform，MODWT）是DWT 的變形。在這3 種小波轉(zhuǎn)換方法中，CWT 主要用于處理連續(xù)時(shí)間序列，處理的數(shù)據(jù)量龐大，且具有一定的冗余；DWT 對(duì)原序列長度有要求（j級(jí)DWT 的樣本容量要求是2j的整數(shù)倍），且對(duì)濾波起點(diǎn)較為敏感。MODWT 不受原序列長度的限制，且其小波細(xì)節(jié)和小波平滑具有零相位濾波器的特征，從而易將多分辨分析（Multiresolution Analysis，MRA）結(jié)果與原序列進(jìn)行比較。此外，常用的小波濾波器類別有Daubechies濾波器（DB（L））、最小不對(duì)稱濾波器（Least Asymmetric，LA（L））和Coiflets濾波器（C（L）），L為濾波器的長度。

小波方差是將原時(shí)間序列的方差分解到不同的時(shí)間尺度上，即

這種分解方法的特點(diǎn)在于，可在不同尺度上研究序列的波動(dòng)特征，在研究長期波動(dòng)特征時(shí)，可以排除短期噪聲交易的干擾。

本文采用最大重疊離散小波轉(zhuǎn)換（MODWT）方法分解被操縱股票和對(duì)照股票的日收益率數(shù)據(jù)，小波分析部分?jǐn)?shù)據(jù)的處理使用軟件Matlab。選擇的小波濾波器為LA8，即長度為8的與Daubechies最小不對(duì)稱尺度濾波器對(duì)應(yīng)的小波濾波器，其最大特點(diǎn)是具有線性最小相位偏移，很容易獲得零相位小波變換。小波分解的層數(shù)根據(jù)操縱時(shí)期長短進(jìn)一步確定。經(jīng)過小波分解后的小波方差，濾除了短期噪聲交易的影響，可以更好地研究序列的波動(dòng)情況。

靜態(tài)小波方差分析是計(jì)算指定區(qū)間的小波方差，動(dòng)態(tài)小波方差分析是在靜態(tài)小波方差分析的基礎(chǔ)上，通過區(qū)間滾動(dòng)計(jì)算得到小波方差序列。

3 研究結(jié)果

3.1 數(shù)據(jù)來源

相關(guān)股票行情數(shù)據(jù)來自國泰安數(shù)據(jù)庫。使用數(shù)據(jù)處理軟件SAS 和Matlab。在后續(xù)樣本選擇中，忽略操縱時(shí)間為2天以下（含2天）以及已經(jīng)退市的股票后，共得到47個(gè)樣本。對(duì)選出的47個(gè)樣本股票，按照申萬二級(jí)行業(yè)分類匹配，并且上市日期要在操縱開始日之前，然后篩選流通市值最接近的1支股票作為對(duì)照股票。

3.2 描述性統(tǒng)計(jì)

由文獻(xiàn)綜述中可見，以往的研究普遍發(fā)現(xiàn)，被操縱的股票在操縱期間和操縱前后存在一些市場(chǎng)交易指標(biāo)上的差異。首先對(duì)被操縱股票在操縱前、操縱中和操縱后的收益率、波動(dòng)率、異常收益率和換手率進(jìn)行簡單的描述統(tǒng)計(jì)，以此來識(shí)別一些市場(chǎng)操縱的特征。操縱前和操縱后區(qū)間長度和操縱中保持一致。異常收益率為采用個(gè)股收益率減去市場(chǎng)收益率，即

式中：ARi和Ri分別為股票i的異常收益率和收益率；Rm為市場(chǎng)收益率。

表1給出了描述統(tǒng)計(jì)結(jié)果。由表1可見，操縱中的收益率、波動(dòng)率、異常收益率和換手率均高于操縱前和操縱后。此外，對(duì)收益率和異常收益率進(jìn)行單樣本t檢驗(yàn)，結(jié)果表明，操縱中的收益率和異常收益率均顯著大于0。

表1 描述性統(tǒng)計(jì)

表2對(duì)操縱前、操縱中和操縱后的收益率、波動(dòng)率、異常收益率和換手率進(jìn)行兩兩t檢驗(yàn)，結(jié)果表明：操縱中的收益率和異常收益率均顯著高于操縱前和操縱后；操縱中的波動(dòng)率均高于操縱前和操縱后，但并不顯著；操縱中的換手率高于操縱后，并在10%的水平下顯著，操縱中的換手率高于操縱前，但不顯著。

表2 T 檢驗(yàn)結(jié)果

由上述結(jié)果可見，與以往的研究結(jié)果類似，被操縱的股票在操縱期間表現(xiàn)出了一定程度上的高收益率、高波動(dòng)率和高換手率的特征。但這些特征無法操縱預(yù)警指標(biāo)，特別是被操縱股票的整體波動(dòng)率雖然在操縱期間提高，但并不顯著。下文將利用小波方差分析，將波動(dòng)率分解到不同尺度上，進(jìn)一步探究被操縱股票的波動(dòng)特征，并考慮其作為操縱預(yù)警指標(biāo)的可能性。

3.3 靜態(tài)小波方差分析

按照操縱持續(xù)時(shí)間的長短，將市場(chǎng)操縱類型劃分為超長期操縱（3年以上）、長期操縱（1～3年）、中期操縱（半年～1年）以及短期操縱（半年以下），使用小波方差分析計(jì)算被操縱股票和對(duì)照股票在操縱前、操縱中和操縱后在不同時(shí)間尺度上的小波方差，并定義K值為相同時(shí)間尺度下被操縱股票和對(duì)照股票的小波方差之比，即

由于K值表示不同時(shí)間長度的相對(duì)波動(dòng)情況，一個(gè)合理的假設(shè)是不同持續(xù)時(shí)間的操縱行為會(huì)在其相對(duì)應(yīng)的時(shí)間尺度的K值上反映（見圖2、表3），即長期操縱會(huì)反映在長期K值上，短期操縱會(huì)反映在短期K值上。

圖2 不同時(shí)間尺度股票操縱的K 值

表3 不同時(shí)間尺度股票操縱的K 值差值比較

由圖2和表3的t檢驗(yàn)結(jié)果可見，超長期操縱具有兩個(gè)特征：①操縱中K值有隨著時(shí)間尺度的增加而增加的趨勢(shì)，1 024天（按交易日計(jì)算接近4年）的K值明顯高于其他時(shí)間尺度的K值；②在1 024天和512天（按交易日計(jì)算接近2年），操縱中的K值明顯高于操縱前和操縱后。

長期操縱（1～3年）和超長期操縱類似：①操縱中K值隨著時(shí)間尺度的增加而增加，512天的K值最高，且顯著高于64天以下的K值；②在512天和256天（按交易日計(jì)算接近1年），操縱中的K值明顯高于操縱前和操縱后。

中期操縱結(jié)果類似，256天的操縱中K值顯著高于其他時(shí)間尺度的K值，128天（按交易日計(jì)算接近半年）和256天操縱中的K值明顯高于操縱前和操縱后。

短期操縱在16 天、32天和64天（按交易日計(jì)算接近一個(gè)季度）具有較高的操縱中K值，且操縱中K值高于操縱前后。但由表3的結(jié)果看，16天、32天和64天的K值高得并不顯著，可能是由于短期的干擾因素較多。

圖3 不同時(shí)間尺度股票操縱的動(dòng)態(tài)K 值

由上述分析可以總結(jié)出一個(gè)規(guī)律，即不同持續(xù)時(shí)間的操縱行為會(huì)在其相對(duì)應(yīng)的時(shí)間尺度的K值上反映出來，如3 年以上的超長期操縱會(huì)在接近4年的時(shí)間尺度的K值上反映，1～3年的長期操縱會(huì)在接近2年的時(shí)間尺度的K值上反映，半年～1年的中期操縱會(huì)在接近半年的時(shí)間尺度的K值上反映，說明排除短期噪聲交易干擾之后的長期波動(dòng)特征能更好地體現(xiàn)操縱者的行為。并且，操縱中的K值顯著高于操縱前和操縱后。這些啟發(fā)可以用K值作為操縱行為預(yù)警的指標(biāo)。

3.4 動(dòng)態(tài)小波方差分析

下文將探究K值在市場(chǎng)操縱行為預(yù)警中的作用。通過日復(fù)一日滾動(dòng)區(qū)間計(jì)算K值，分析K值作為操縱預(yù)警指標(biāo)的效果。

由于每支股票被操縱的持續(xù)時(shí)間不同，如有的操縱持續(xù)時(shí)間是100天，有的是200天，為了便于比較，將200天的操縱期間做標(biāo)準(zhǔn)化分組處理，即1～2天合并為第1時(shí)間單位，3～4天合并為第2單位，以此類推。標(biāo)準(zhǔn)化后的數(shù)值是原值的均值。由于操縱持續(xù)時(shí)間大多不會(huì)是100的整數(shù)倍，故實(shí)際上每組的數(shù)量并不相同，本文使用SAS 的rank函數(shù)按照交易日期分組，以求盡量分配均勻并保證分組的客觀性。超長期操縱、長期操縱和中期操縱的操縱期間標(biāo)準(zhǔn)化為100個(gè)時(shí)間單位。短期操縱進(jìn)一步細(xì)化為2月～半年，以及2月以下，前者標(biāo)準(zhǔn)化為20個(gè)時(shí)間單位，后者標(biāo)準(zhǔn)化為10個(gè)時(shí)間單位。

圖3呈現(xiàn)了不同時(shí)間尺度的動(dòng)態(tài)K值的均值。其中，m_K j表示在2j天的動(dòng)態(tài)K值的均值。

圖3表明，1 024天和512天的K值在預(yù)警3年以上的超長期操縱中具有較好的效果。在操縱開始后，1 024天和512天的K值明顯開始上升。操縱結(jié)束后，1 024天和512天的K值仍保持較高水平，這與操縱結(jié)束后股價(jià)急劇下跌有關(guān)。

在長期操縱中，操縱前512 天的K值有所上升，但操縱中的K值高于操縱前。256天的K值預(yù)警效果更好，其在操縱前比較平穩(wěn)，操縱開始后出現(xiàn)了明顯的上升。512天效果不如256天的原因可能是部分操縱期間短于512天。

256天和128天的K值在預(yù)警中期操縱方面具有很好的效果，兩者均在操縱開始后出現(xiàn)明顯上升。128天的K值在預(yù)警2月～半年的短期操縱同樣具有較好的效果，在操縱開始后，128天的K值出現(xiàn)了顯著的上升。

與上述操縱類型相比，2 月以下的超短期操縱由于持續(xù)時(shí)間較短，受到較多噪聲交易的干擾，雖然32天的K值在操縱中比操縱前更高，但相對(duì)而言不是很明顯，預(yù)警效果不如其他類型的操縱。

由上述結(jié)果可見，小波方差分析通過將時(shí)間序列的方差分解到不同的時(shí)間尺度上，排除了短期噪聲交易干擾，更好地反映了操縱者的行為。通過實(shí)時(shí)的動(dòng)態(tài)K值來監(jiān)控正在發(fā)生的市場(chǎng)操縱行為具有較好的應(yīng)用前景。

4 市場(chǎng)操縱典型案例分析——億安科技案

從1998-10-05～2001-02-05，億安科技大股東羅成控制的4家投顧公司開始了對(duì)億安科技股價(jià)的操縱，股價(jià)自1998 年10 月5 日的8.2 元大漲至2000年2 月15 日 的104.88 元。2000 年2 月17日，股價(jià)在盤中一度達(dá)到126.2元。股價(jià)的異常波動(dòng)引起了中國證監(jiān)會(huì)的注意，并于2001年1月介入對(duì)億安科技的調(diào)查，導(dǎo)致了億安科技股價(jià)斷崖式下跌。

億安科技的操縱手法是典型的交易型操縱，具有如下特征：①多賬戶交易，隱蔽操縱意圖。4 家公司利用3個(gè)法人賬戶和627個(gè)個(gè)人賬戶，隱蔽地買入億安科技股票，防止持股比例達(dá)到證監(jiān)會(huì)規(guī)定的披露標(biāo)準(zhǔn)。②持有大量流通股，達(dá)到高度控盤。4家公司持有流通股的比例從1998年10月5日的1.52%到最高時(shí)2000年1月12日的85%，一度違反了“千人千股”的規(guī)定。③自買自賣。4 家公司在其不同的股票賬戶之間自買自賣，操縱價(jià)格和成交量。億安科技案涵蓋了一個(gè)完整的“坐莊”過程，包括吸籌、拉升和出貨。

由圖4可見，在操縱前，億安科技的動(dòng)態(tài)K值保持穩(wěn)定。在操縱開始后，512天的K值出現(xiàn)了明顯的上升，并在1999年年底，出現(xiàn)了顯著異常的峰值，說明公司的股價(jià)可能受到了操縱。

圖4 億安科技（000008.SZ）被操縱前后市場(chǎng)表現(xiàn)和動(dòng)態(tài)K 值

從億安科技的案例中，可以看到，本文所構(gòu)建的動(dòng)態(tài)K值在市場(chǎng)操縱中具有較好的預(yù)警效果。

5 結(jié) 語

首先對(duì)國內(nèi)外對(duì)于市場(chǎng)操縱的理論和實(shí)證研究進(jìn)行了回顧，之后對(duì)市場(chǎng)操縱案例進(jìn)行初步的統(tǒng)計(jì)分析，發(fā)現(xiàn)被操縱的股票在操縱期間表現(xiàn)出了一定程度上的高收益率、高波動(dòng)率和高換手率的特征。為進(jìn)一步探究被操縱股票的波動(dòng)特征，并建立市場(chǎng)操縱行為預(yù)警指標(biāo)，利用小波方差分析，將波動(dòng)率分解到不同的時(shí)間尺度上，發(fā)現(xiàn)不同持續(xù)時(shí)間的操縱行為會(huì)在其相對(duì)應(yīng)的時(shí)間尺度的K值上反映，如3年以上的超長期操縱會(huì)在接近4年的時(shí)間尺度的K值上反映，1～3年的長期操縱會(huì)在接近2年的時(shí)間尺度的K值上反映，半年～1年的中期操縱會(huì)在接近半年的時(shí)間尺度的K值上反映。并且，操縱中的K值顯著高于操縱前后。在此基礎(chǔ)上，通過日復(fù)一日滾動(dòng)區(qū)間計(jì)算動(dòng)態(tài)K值，發(fā)現(xiàn)動(dòng)態(tài)K值對(duì)于市場(chǎng)操縱行為的預(yù)警具有較好的效果，可以作為監(jiān)管層監(jiān)控市場(chǎng)操縱行為的參考。本文具體分析了億安科技案，總結(jié)了市場(chǎng)操縱行為的特點(diǎn)。

進(jìn)一步的研究可以考慮在本文構(gòu)建的動(dòng)態(tài)K值的基礎(chǔ)上，加入其他指標(biāo)，發(fā)展出一套更加準(zhǔn)確和有效的市場(chǎng)操縱行為監(jiān)管指標(biāo)體系，為監(jiān)管層提供市場(chǎng)操縱行為預(yù)警，更好地防范市場(chǎng)操縱行為。