沈 冰，冉光和，盛嘉帆

(1.重慶大學經濟與工商管理學院，重慶 400044;2.西南大學經濟管理學院，重慶 400715)

一、引 言

目前，國內外學者對知情交易的研究大都集中在知情交易的度量、知情交易對股票市場的影響、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，通過估計知情交易者在市場中所占比重而計算得出知情交易概率(PIN)[1]。之后，不少學者都采用PIN來度量知情交易行為[2－3－4]。Wisniewski研究表明，知情交易行為不能提高股票市場的信息效率，不利于股票市場的健康發(fā)展[5]。Beny通過對多個國家和地區(qū)股票市場的實證分析表明，在更嚴厲的知情交易管制下，股票市場的流動性更好，從另一個角度證明了知情交易會降低市場流動性[6]。Bris實證研究表明，各國內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)法越嚴格的國家在并購事件前的超額收益越小[7]。Fernandes和Ferreira認為在實施知情交易監(jiān)管法規(guī)前后，股價信息含量會發(fā)生變化，上市公司代理成本高的國家，對知情交易的監(jiān)管效果不佳[8]。朱偉驊提出可以通過保證知情交易監(jiān)管力度的完備性與持續(xù)性，完善公司治理，完善投資者保護制度，構建合法公正的內部人交易市場與披露制度等方面來提高知情交易的監(jiān)管效率[9]。唐齊鳴和張云認為知情交易會加劇公司層面的信息不對稱，造成交易量的大幅波動，知情交易者能夠獲取超額收益，對其他投資者產生不利影響[10]。本文利用EKOP模型，從資金流向的角度來探討這個問題。

二、知情交易概率模型

1.模型設定

Easley等[1](簡稱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構化模型，采用二叉樹來刻畫整個交易過程，通過估計知情交易者委托單在所有委托單中的比例，來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。

假設在一個風險資產的交易市場中，存在多個知情交易者和非知情交易者。投資者在多個交易日進行交易，用i=1，…，I來表示。在每個交易日內，時間是連續(xù)的，用 t∈ [0，T]表示。每天有關于風險資產真實價值的信息事件發(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。

在每個交易日，交易的到達過程都服從泊松分布。知情交易者一般會在有信息事件發(fā)生后獲得私有信息時才會進場交易，當?shù)玫揭粋€利好信息時，知情交易者就會買進股票;反之，當?shù)玫嚼招畔r，將會賣出股票，知情交易者進場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性、對沖等需求而進行交易，由于他們沒有獲得私有信息，無論信息是否發(fā)生都要進行交易，非知情交易者每個交易日買入或賣出的市場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過程如圖1所示。

圖1 知情交易者和非知情交易者的到達過程

根據(jù)圖1兩類交易者的到達過程，可以計算出兩類交易者的委托單量，委托單量應為委托單到達率與相應狀態(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

在該模型中有5個未知的參數(shù)需要估計，即α，μ，δ，εb，εs。其中，參數(shù)α和δ代表每個交易日是否發(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率。這5個參數(shù)都無法直接觀察到，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)來估計模型中的這5個參數(shù)。因此，估計未知系數(shù)向量θ=(α，μ，δ，εb，εs)需要一個機構化模型。

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，全天時間T內，觀察到B次買入和S次賣出的似然函數(shù)為:

再假設每個交易日的信息事件是獨立的，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，表示一個樣本期(一個月)中的第i個交易日。

由于εbBi或Bi在極大似然函數(shù)估計中可能會出現(xiàn)數(shù)據(jù)的溢出，為了避免這個問題，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)。對上式的似然函數(shù)求極大值，就可以估計出參數(shù)α，μ，δ，εb，εs的值，進而計算出知情交易概率PIN的值。

三、數(shù)據(jù)來源及描述性統(tǒng)計

1.樣本的選取

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

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

2.數(shù)據(jù)來源

由于知情交易概率模型中參數(shù)的估計需要相關股票日內交易的買入和賣出的高頻數(shù)據(jù)，本文所選取日內的高頻數(shù)據(jù)來自國泰安(CSMAR)高頻交易數(shù)據(jù)庫，機構投資者資金流向數(shù)據(jù)來自大智慧 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、大戶和機構四類。由于大戶中有的是機構投資者以個人名義開設的賬戶，且資金實力比較雄厚，因而本文把機構和大戶統(tǒng)稱為機構投資者，把散戶和中戶統(tǒng)稱為中小投資者。其它數(shù)據(jù)則來自WIND數(shù)據(jù)庫。樣本周期為2009年1月1日到2009年12月31日，由于國泰安高頻數(shù)據(jù)庫2009年的分筆高頻數(shù)據(jù)已進行了買賣標識(B為買進標識、S為賣出標識)，這樣就可以直接根據(jù)買賣標識數(shù)據(jù)判斷一筆交易是由買方還是賣方發(fā)起的，而無需采用Lee和Ready[13]的買賣判斷標準，即將成交價與買賣報價的中點相比，高于中點為賣出，低于中點為買進。如成交價等于買賣報價中點，則與上一筆成交價相比較。研究表明，該判斷標準無法準確地判斷所有交易的買賣歸屬情況，而買賣分類不準確就會導致對PIN值系統(tǒng)性的估計偏差[14]。因此，直接選取帶有買賣標識的數(shù)據(jù)進行研究，既簡化了數(shù)據(jù)的處理過程，又避免了判斷的主觀性，使估計結果更加準確、可靠。

3.PIN的描述性統(tǒng)計

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時期，第一個時期是控制時間期間，交易期為(－60，－30)，作為研究后兩個時期的基準，第二個時期是信息公告前期，交易期為(－30，－1)，研究信息公告前私有信息的利用情況，第三個時期是信息公告后期，交易期為(+1，+30)，研究信息公告后私有信息的利用情況。

利用每個樣本的三個時間窗口內的分筆交易數(shù)據(jù)，分別用來估計PIN模型的參數(shù)，這樣就可以把每個樣本三個時期的PIN值分別計算出來。表1顯示了控制時間期、信息公告前期和信息公告后期參數(shù)估計及PIN值的描述性統(tǒng)計結果。從整體來看，三個時期的PIN均值為0.11，與王春峰等[15]的研究結果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，而控制時間期間PIN值的均值介于兩者之間，為0.10。說明了在重大信息事件公告之前，知情交易程度是最高的，反映了在我國股票市場中存在利用私有信息進行知情交易的行為。

表1 參數(shù)估計及PIN值的描述性統(tǒng)計

利用Wilcoxon非參數(shù)檢驗和Mann－Whitney非參數(shù)檢驗，可以判斷三個時期的PIN值是否存在顯著性差異。從表2中可以看出，兩種檢驗結果都表明，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)檢驗和Mann－Whitney非參數(shù)檢驗的Z檢驗統(tǒng)計量的分別為－5.59和－5.09，其絕對值最大;信息公告后期與控制期的PIN值差異最小，Wilcoxon非參數(shù)檢驗和Mann－Whitney非參數(shù)檢驗的Z檢驗統(tǒng)計量分別為－2.15和－1.88。從非參數(shù)檢驗的角度驗證了信息公告前期知情交易行為在我國股市中最為嚴重。

表2 Wilcoxon和Mann－Whitney非參數(shù)檢驗

四、實證分析

1.研究假設

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論，因而，在實證分析中，我們主要研究在信息公告前期作為知情交易行為、超額收益與機構投資者之間的關系。由于機構投資者比中小投資者具有明顯的信息優(yōu)勢，他們往往能夠通過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、資金優(yōu)勢及技術優(yōu)勢進行知情交易。在中國證監(jiān)會查處的知情交易案件中，涉案的大都是以機構投資者為主。目前，我國股市還屬于資金推動型的新興市場，當機構投資者參與知情交易時，就會導致機構投資者資金的大規(guī)模流動，使機構投資者持股的倉位發(fā)生變化。一般來說，機構投資者在公司利好信息公告之前，往往會投入大量資金購買相關股票，即采取增倉的操作策略;在利空信息公告之前，采取減倉的操作策略[16]。與此同時，當機構投資者利用私有信息進行知情交易時，資金的大量流動必然會影響到相關股票的價格。一般來說，當機構投資者的資金大量流入時，會導致相關股票價格的上漲，甚至大幅上漲，使得機構投資者可以獲得超額收益;反之，當機構投資者的資金大量流出時，會導致相關股票價格的下跌，使機構投資者可以規(guī)避風險。因此，本文提出兩個研究假設:

假設1 PIN值與機構投資者資金流向有著密切的關系，機構投資者資金流入，PIN值相應增加;機構投資者資金流出，PIN值相應減少。

假設2 機構投資者資金流向與超額收益之間呈現(xiàn)正相關的關系，機構投資者資金流入，超額收益為正;機構投資者資金流出，超額收益為負。

2.研究模型與變量

為了檢驗信息公告前期知情交易行為與機構投資者倉位的變化之間的關系，以及機構投資者倉位的變化與超額收益之間的關系，本文建立的回歸模型如下:

本文除了選取知情交易概率、累計超額收益和機構投資者倉位變化三個基本變量外，還選取了買賣次數(shù)之差作為投資者對信息反應程度的指標;選取了信息透明度和股權集中度來代表公司治理指標;選取了市場寬度、市場深度和換手率來代表流動性指標;其他控制指標選取了凈資產收益率、公司總資產和信息類型。研究變量的具體說明見表3。

表3 研究變量說明

3.回歸模型估計結果及分析

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

首先，本文對信息公告前期知情交易行為與機構投資者資金流向的關系進行了實證分析，采用面板數(shù)據(jù)分析方法中的固定效應對方程(1)進行回歸，同時進行異方差和自相關調整，得到參數(shù)的估計值如表4所示。實證結果表明，在5%的置信水平下，PIN與△Institution之間存在著顯著的關系，且△Institution的系數(shù)為正，驗證了PIN與△Institution之間存在正相關的關系，說明機構投資者資金流向對知情交易程度有顯著的影響，支持了假設1。當某只股票的機構投資者資金流入時，會導致知情交易程度的提高;反之，當機構投資者資金流出時，會導致知情交易程度的下降。資金流向反映了機構投資者在信息公告前期利用信息優(yōu)勢和資金優(yōu)勢進行知情交易的行為。PIN與|S－B|在5%的置信水平下存在顯著的正相關關系，意味著投資者對信息反應程度越大，知情交易程度越會提高。代表公司治理的指標Transparency和SC3，分別在1%和5%的置信水平下通過了檢驗，說明公司治理水平對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，股權集中度越高，知情交易程度越高。反映流動性的指標，除了Wide在10%的水平通過顯著性檢驗外，其他兩個指標Depth和Turnover都沒有通過檢驗，意味著流動性指標市場寬度、市場深度和換手率對知情交易程度的影響不太顯著。代表公司業(yè)績的ROE在1%的置信水平下通過了檢驗，且系數(shù)為正，說明公司經營業(yè)績越好，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相關關系，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，越容易受市場的關注，其私有信息越容易被市場發(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了檢驗，且系數(shù)為正，結合前面的假設，說明利好信息對知情交易程度的影響比利空信息更大，也驗證了我國股市中投資者更多利用利好信息進行知情交易的事實。

表4 PIN與機構投資者資金流向關系的回歸結果

其次，本文對信息公告前期機構投資者倉位的變化與累計超額收益之間的關系進行了面板數(shù)據(jù)分析，通過對方程(2)的回歸，回歸結果見表5。實證結果表明，在1%的置信水平下，CAR與△Institution之間存在顯著的正相關關系，說明機構投資者資金流向對超額收益有著顯著的影響，支持了假設2。當相關股票的機構投資者資金流入時，超額收益顯著為正;反之，當相關股票的機構投資者資金流出時，超額收益為負。意味著機構投資者在參與知情交易的過程中，遇到利好信息，資金流入，提高持股倉位時，可以獲得超額收益;而遇到利空信息，資金流出，降低倉位時，機構投資者可以規(guī)避市場下跌的風險。|S－B|沒有通過10%的顯著性檢驗，說明超額收益與代表投資者對信息反應程度的指標之間沒有顯著的關系。代表公司治理的指標Transparency和SC3都通過了5%的顯著性檢驗，說明公司治理水平對超額收益有顯著的影響。公司的信息透明度越低，股權集中度越高，即公司治理水平越低，越容易進行知情交易和操縱股票，超額收益越大。代表流動性的指標中，只有Turnover通過了1%的顯著性檢驗，且系數(shù)為正，說明超額收益與換手率之間存在顯著的正相關關系，而其他兩個代表流動性的指標 Wide和Depth都沒有通過10%的顯著性檢驗，說明微觀市場結構中的流動性指標與超額收益之間不存在顯著的關系，只能從符號上推斷可能存在正面的影響。代表公司業(yè)績的ROE沒有通過10%的顯著性檢驗，說明超額收益與公司經營業(yè)績之間沒有顯著的關系，這也意味著選擇經營業(yè)績好的公司不一定能夠獲得超額收益，這也導致了我國股市中投資者在選股時不重視公司的經營業(yè)績。代表公司規(guī)模的Asset沒有通過10%的顯著性檢驗，說明超額收益與公司規(guī)模之間不存在顯著的關系。在5%的顯著性水平下，代表信息類型的Type通過了檢驗，且系數(shù)為正，說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。這與我國股市中沒有實行賣空機制有關，①我國股票市場雖然已實行了融券制度，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。投資者往往利用尚未公開的利好信息來炒作股票，從而在股價的上漲中獲得超額收益;而利用尚未公開的利空信息來賣出持有的股票，以規(guī)避股價下跌的風險，卻難以獲得超額收益。

表5 CAR和機構投資者資金流向關系的回歸結果

4.Granger因果檢驗

為了進一步揭示機構投資者資金流向與知情交易概率及超額收益之間的關系，本文再進行Granger因果檢驗。檢驗之前，先進行單位根檢驗。表6列出了ADF值的檢驗結果，三個變量PIN、△Institution和CAR的ADF的檢驗值均小于顯著性水平為1%的臨界值，說明它們都是平穩(wěn)序列，可以進行Granger因果檢驗。

表6 ADF檢驗結果

本文分別對PIN與△Institution兩者之間以及CAR與△Institution兩者之間作Granger因果檢驗，均取滯后階數(shù)為2。從表7的檢驗結果可以看出，在5%的顯著性水平下，△Institution對PIN和CAR都存在Granger因果關系，而PIN和CAR對△Institution均不存在Granger因果關系。說明機構投資者的交易行為是導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，機構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

五、結 論

本文利用EKOP模型對高頻數(shù)據(jù)的挖掘，從機構投資者資金流向的視角，通過對2009年高送轉、重組、預增和預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，可以得出以下結論:

第一，在我國股票市場，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重，信息公告后期知情交易行為相對較輕，說明知情者在信息公告之前普遍存在利用私有信息進行知情交易的行為。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時期，利好信息的PIN值都高于利空信息，反映出知情交易者對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，知情交易程度與機構投資者資金流向存在著顯著的正相關關系，機構投資者資金流入，會導致知情交易程度的提高;反之亦然。反映了機構投資者在信息公告前期利用信息優(yōu)勢和資金優(yōu)勢進行知情交易的行為，從實證的角度驗證了機構投資者是知情交易最主要的參與者。因而，對監(jiān)管層來說，應該把機構投資者作為重點的監(jiān)管對象，才能更好地防控知情交易行為。

第三，超額收益與機構投資者資金流向在信息公告前期存在顯著的正相關關系，機構投資者資金流入，可以顯著提高超額收益;而機構投資者資金流出時，超額收益為負。這意味著在信息公告前期，機構投資者利用利好的私有信息參與知情交易，買進股票，提高持股倉位，可以獲得超額收益;而利用利空的私有信息賣出股票，降低持股倉位，可以規(guī)避市場下跌的風險?？梢姡瑱C構投資者是知情交易的受益者，而與之相對的中小投資者卻成為知情交易的受害者。因此，要保護中小投資者的利益，就應該大力打擊和防控知情交易行為。

第四，機構投資者資金流向對知情交易概率和超額收益存在Granger因果關系，而知情交易概率和超額收益對機構投資者資金流向不存在Granger因果關系。說明機構投資者的交易行為是導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。從另一個角度上看，機構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.公司治理與內幕交易監(jiān)管效率研究[J].經濟學(季刊)，2008，8(1):271 －288.

[10]唐齊鳴，張云.基于公司治理視角的中國股票市場非法內幕交易研究[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股市價格行為關系的研究[J].系統(tǒng)工程，2005，23(2):62－67.

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

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