李香麗，孫紹榮

（1.石家莊經(jīng)濟(jì)學(xué)院 商學(xué)院，河北 石家莊 050031；2.上海理工大學(xué) 管理學(xué)院，上海 200093）

一、引 言

控制權(quán)市場又被稱為接管市場或并購市場，它是指通過公司的并購重組、購買股票等手段進(jìn)行公司控制權(quán)爭奪，達(dá)到對企業(yè)權(quán)力控制為目的的市場［1］。

“內(nèi)幕交易”又稱為“知情交易”，是指一些利用職務(wù)、地位與其他手段掌握了有關(guān)股票市場重要信息的人，為了個人和相關(guān)利益人獲取不正當(dāng)?shù)慕?jīng)濟(jì)利益，或者避免利益遭受巨大損失，在重大信息公布之前，就已經(jīng)利用此信息操縱市場或者泄露給相關(guān)利益人或者機(jī)構(gòu)［2］。

張慕瀕、范從來（2005）分析了2002年、2003年中國制造業(yè)上市公司各類管理層更替現(xiàn)象，指出了在快速增長的股權(quán)交易的推動下，中國控制權(quán)市場已經(jīng)初步形成，控制權(quán)市場通過控制權(quán)轉(zhuǎn)移、管理層更替的途徑發(fā)揮了應(yīng)有的治理效力，彌補(bǔ)了董事會治理的不足［3］。

張宗新、楊懷杰（2006）分析了中國證券監(jiān)管在內(nèi)幕交易主體、內(nèi)幕信息、內(nèi)幕交易行為的界定以及內(nèi)幕交易監(jiān)管規(guī)則的效能等方面，結(jié)果表明與西方監(jiān)管體系仍存在一定差距［4］。何青、房睿（2008）指出內(nèi)幕交易違反了金融市場的公平原則，降低了資本市場的效率，但是由于其金融交易的特殊性，使得它在監(jiān)管上存在一定的難度［5］。劉艷華（2008）指出中國證券市場已進(jìn)入后股權(quán)分置時期，而資本市場的違規(guī)行為并沒有因股權(quán)分置改革而有所遏制，特別是有一些新的內(nèi)幕交易行為愈演愈烈，而美國擁有世界上最大的證券市場，經(jīng)過長期實踐，建立了完備的內(nèi)幕交易監(jiān)管組織，對內(nèi)幕交易行為實行全面監(jiān)管，建立了動態(tài)的數(shù)據(jù)存儲系統(tǒng)。因此中國可借鑒美國的做法，加強(qiáng)對證券市場內(nèi)幕交易的監(jiān)管力度［6］。

Bris（2005）則對1990年1月至1999年12月間56個國家的5099起并購活動進(jìn)行了實證研究，在剔除了市場流動性、市場規(guī)模、國家發(fā)展程度等因素的影響后發(fā)現(xiàn)在實施了內(nèi)幕交易法律后，雖然降低了內(nèi)幕交易的頻率，但是內(nèi)幕交易的利潤反而上升了［7］。Ackerman和 Maug（2006）對國家之間的并購事件進(jìn)行了研究，發(fā)現(xiàn)內(nèi)幕交易法律越嚴(yán)格的國家，并購前股價的波動越?。?］。

唐學(xué)松、馬如靜（2009）建立了控制權(quán)轉(zhuǎn)移過程中，控股股東為何傾向進(jìn)行內(nèi)交易的模型，指出控股股東持股比例越高，內(nèi)幕交易越嚴(yán)重［9］。辜波、李文君（2011）以控制權(quán)發(fā)生轉(zhuǎn)移這一類重大事件作為研究內(nèi)幕交易的基礎(chǔ)，利用上市公司2003年至2009年的樣本驗證了中國內(nèi)幕交易監(jiān)管法律的頒布沒有產(chǎn)生預(yù)期的效果，內(nèi)幕交易反而更加嚴(yán)重［10］。

通過以上文獻(xiàn)的回顧，內(nèi)幕交易的監(jiān)管都停留在定性分析中，所以有必要針對中國上市公司控制權(quán)市場內(nèi)幕交易的特點，然后建立內(nèi)幕交易的監(jiān)管模型。

二、模型的建立

（一）建立中國上市公司控制權(quán)市場內(nèi)幕交易監(jiān)管模型的研究方法

1.ARIMA（p，d，q）模型介紹［11］。ARIMA模型全稱即為差分自回歸移動平均模型（Autoregressive Integrated Moving Average Model，簡記 ARIMA），也叫求和自回歸移動平均模型，是由博克思（Box）和詹金斯（Jenkins）于20世紀(jì)70年代初提出的著名的時間序列預(yù)測方法，所以又稱為box－jenkins模型。其中p為自回歸項，q為移動平均項數(shù)，d為時間序列成為平穩(wěn)時所做的差分次數(shù)。

2.ARIMA模型的建立步驟：第一步，對原序列進(jìn)行平穩(wěn)性檢驗，如果序列不滿足平穩(wěn)性條件，可以通過差分變換滿足平穩(wěn)性條件。第二步，通過計算能夠描述序列特征的一些統(tǒng)計量，來確定ARMA模型的階數(shù)p和q。并在初始估計中選擇盡可能少的參數(shù)。

3.進(jìn)行診斷分析，以證實所得模型確實與所觀察到的數(shù)據(jù)特征相符。

（二）建立中國上市公司控制權(quán)市場內(nèi)幕交易監(jiān)管的步驟

第一步，隨機(jī)選取2013年在上海證券交易所（A股），控制權(quán)發(fā)生轉(zhuǎn)移的100名上市公司，用事件法分析100個上市公司在信息公開之前是否存在著內(nèi)幕交易和發(fā)生的時間段，信息公告日定義第0天，事件期為（－60，30），即信息公告日前兩個月和后一個月，估計期為（－150，－60）天，即信息公告日的前五個月和兩個月之間，整個研究的時間段是（－150，30）。（剔除股票市場的休息日），由于衡量內(nèi)幕主要是觀察股價是否有大的波動，因此從RESSET金融數(shù)據(jù)庫（http：／／www.resset.cn）中搜集這100家上市公司在（－150，30）天之間的日收益方差（20日移動平均）的數(shù)據(jù)作為研究股價波動的指標(biāo)，日綜合指數(shù)（日收益、日振幅、日成交量、日換手率）、日波動率（日Garch系數(shù)）和日風(fēng)險因子（日Alpha因子、日Beta因子、日R方因子和調(diào)整的日R方因子）的數(shù)據(jù)作為研究影響股價的因素，剔除21家各項指標(biāo)含有缺失值的上市公司，剩下79家上市公司，然后計算這79家上市公司每一天指標(biāo)值的平均值，對比估計期和事件期在這些變量的差異，鑒別內(nèi)幕交易［12－14］和發(fā)生的時間段。

建立模型之前，需要把日收益方差、日綜合指數(shù)、日波動率、日風(fēng)險因子按日形成的序列轉(zhuǎn)化為平穩(wěn)的時間序列，因此首先需要分析這些變量形成的時間序列是否平穩(wěn)，如果不平穩(wěn)，需要進(jìn)行差分運(yùn)算，轉(zhuǎn)化為平穩(wěn)的時間序列。

本文以估計期的日收益方差為例來說明，圖1就是用SPSS軟件把估計期的日收益方差轉(zhuǎn)化為時間序列的序列圖，通過圖1，可以判定此時間序列是否平穩(wěn)，如果平穩(wěn)反映在圖形上就是所有的樣本點都圍繞某一水平直線上下隨機(jī)波動。

圖1 日收益方差的序列圖 （估計期）

由圖1可以看出，此時間序列不滿足平穩(wěn)的條件，因此要對原始序列做差分處理，使序列達(dá)到平穩(wěn)化。

圖2 日收益方差（5次差分后）的序列圖 （估計期）

圖2是估計期內(nèi)日收益5次差分后的序列圖，由圖2得到的新序列滿足平穩(wěn)性。同理把日綜合指數(shù)、日波動率和日風(fēng)險因子（估計期）等變量的數(shù)據(jù)都轉(zhuǎn)化為時間序列，然后再平穩(wěn)化，用SPSS軟件進(jìn)行操作可知，以上所有變量經(jīng)過5次差分后都是平穩(wěn)的時間序列。在此基礎(chǔ)上再建立以估計期的日收益方差為因變量，日綜合指數(shù)、日波動率、日風(fēng)險因子（5次差分后）為自變量的多元線性回歸模型。

表1 日收益方差與日綜合指數(shù)、日波動率、日風(fēng)險因子（5次差分后）的多元線性回歸模型的擬合度檢驗（估計期）

由表1可知，首先為了降低自變量之間的相關(guān)性，用向前逐步篩選法選擇自變量：第一步引入的變量是日振幅；第二步引入的是日Beta因子；第三步引入是日Alpha因子。接著檢驗自變量和因變量的相關(guān)性。引入這些變量后，方程的復(fù)相關(guān)系數(shù)R由0.492增加到0.723，復(fù)相關(guān)系數(shù)的平方R2由0.242增加到了0.523，說明回歸方程解釋了整個因變量變異程度的52.3%。此數(shù)值反映了自變量和因變量相關(guān)性強(qiáng)度，數(shù)值越大相關(guān)性越強(qiáng)。

表2 日收益方差與日綜合指數(shù)、日波動率、日風(fēng)險因子（5次差分后）的多元線性回歸模型（估計期）

表2顯示了多元線性回歸模型中的常數(shù)項，非標(biāo)準(zhǔn)化的回歸系數(shù)B值及其標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)化的回歸系數(shù)Bata值、T值以及顯著性水平。設(shè)w表示日收益方差，x表示日振幅，y表示日Beta因子，z表示日Alpha因子，由表3得到多元線性回歸模型的方程 （1）。

日振幅、日Beta因子、日Alpha因子的系數(shù)的檢驗概率分別是0、0、0，都小于0.05，線性關(guān)系是顯著的。由模型（1）可知，日收益方差與日振幅、日Beta因子、日Alpha因子都呈現(xiàn)正比關(guān)系。那么在觀察事件期的日收益方差時，應(yīng)同時關(guān)注日振幅、日Beta因子、日Alpha因子的變動，依此鑒定是否存在內(nèi)幕交易。

第二步：分析估計期的日收益方差（5差分后）（及相關(guān)量）的自相關(guān)系數(shù)和偏相關(guān)系數(shù)。然后建立估計期的日收益方差（及相關(guān)量）的ARIMA（p，d，q）模型。最后由估計期的日收益方差（及相關(guān)量）的ARIMA（p，d，q）模型，預(yù)測事件期日收益方差（及相關(guān)量）的值，然后與事件期實際的日收益方差（及相關(guān)量）進(jìn)行對比，定量分析事件期是否內(nèi)幕交易和發(fā)生的時間段。

首先用SPSS軟件做出估計期日收益方差的自相關(guān)圖和偏相關(guān)圖，接下來分析日收益方差的自相關(guān)系數(shù)和偏相關(guān)系數(shù)。

圖3 日收益方差（5次差分后）的自相關(guān)圖（估計期）

圖3是用圖形表示自相關(guān)系數(shù)的估計值，兩條實線代表的是可信區(qū)間。用柱形表示每一個滯后值的相關(guān)系數(shù)，滯后為2時，自回歸值突破了可信區(qū)間的虛擬框，說明該序列在2階內(nèi)相關(guān)性較強(qiáng)，3階以上的自回歸情況不顯著。

圖4是日收益方差的偏相關(guān)圖，意義與圖3類似，說明該序列在2階內(nèi)相關(guān)性較強(qiáng)，3階以上的自回歸情況不顯著。

圖4 日收益方差（5次差分后）的偏相關(guān)圖（估計期）

通過圖3、圖4所分析的日收益方差的自相關(guān)系數(shù)和偏相關(guān)系數(shù)，結(jié)果就可以建立估計期的日收益方差（日振幅、日Beta因子、日Alpha因子）的ARIMA（p，d，q）模型。

日收益方差經(jīng)過5次差分后得到了平穩(wěn)序列，可以確定d＝5，它的偏相關(guān)系數(shù)的階數(shù)是2。那么p＝2，自相關(guān)系數(shù)也是2，說明q＝2。用SPSS做估計期日收益方差的 ARIMA（2，5，2）模型。

表3 日收益方差（5次差分后）的ARIMA模型（估計期）

表3是各參數(shù)檢驗的結(jié)果，參數(shù)AR滯后值為1和2時的檢驗概率分別是0與0.001都小于0.05，具有統(tǒng)計意義。因此該模型如下。

其中，?5代表5次差分；zt代表當(dāng)前時間值；zt－1代表過去相鄰前一個時間點的值；zt－2代表過去相鄰前兩個時間點的值。最后用ARIMA模型模擬事件期的日收益方差的圖形，與事件期實際的日收益方差的圖形對比。

由圖5可知，ARIMA模型預(yù)測的事件期的日收益方差的值與事件期實際的日收益方差差別較大。圖中44日就是公告日當(dāng)天（用黑色豎線標(biāo)明），在［28，34］日之間出現(xiàn)較大的波動，［28，34］日之間就是日收益方差沒有轉(zhuǎn)化成時間序列的［－16，－10］日之間，也就是在這個時間段應(yīng)該存在著內(nèi)幕交易。為了更好地說明問題，再結(jié)合其他變量，進(jìn)一步確定內(nèi)幕交易發(fā)生的時間。

圖5 由日收益方差（估計期）ARIMA模型預(yù)測的事件期與事件期實際值的對比圖

同理可得：日振幅、日Beta因子、日Alpha因子的 ARIMA（p，d，q）模型。

三、加強(qiáng)中國上市公司控制權(quán)市場內(nèi)幕交易的監(jiān)管建議

由實證研究的結(jié)論得到以下加強(qiáng)中國上市公司控制權(quán)市場內(nèi)幕交易的監(jiān)管建議。

第一，中國上市公司控制權(quán)市場內(nèi)幕交易的監(jiān)管主要停留在定性分析階段，因此造成了監(jiān)管執(zhí)行難的問題。所以應(yīng)加大定量分析的力度，建立科學(xué)的監(jiān)管模型，通過模型的分析，確定監(jiān)管的指標(biāo)，這樣才能使監(jiān)管人員能夠根據(jù)指標(biāo)及時發(fā)現(xiàn)控制權(quán)市場是否存在著內(nèi)幕交易。

第二，中國證券市場的各種違法行為具有關(guān)聯(lián)性，換句話說，中國證券市場的違法行為是一個系統(tǒng)，而控制權(quán)市場內(nèi)幕交易只是違法行為的一個子系統(tǒng)，要提高這個子系統(tǒng)的監(jiān)管效率，與其相關(guān)聯(lián)的其他違法行為的子系統(tǒng)的監(jiān)管效率也必須提高。例如，信息披露的監(jiān)管效率必須及時、準(zhǔn)確。如果信息不及時準(zhǔn)確，就會很難確定內(nèi)幕交易的發(fā)生時間，所以提高中國上市公司控制權(quán)市場內(nèi)幕交易的監(jiān)管效率，應(yīng)該與其他環(huán)節(jié)的監(jiān)管進(jìn)行協(xié)調(diào)與合作。

第三，中國上市公司控制權(quán)市場內(nèi)幕交易發(fā)生在信息披露之前就應(yīng)進(jìn)行事前監(jiān)管，而不僅僅是事中或事后才進(jìn)行監(jiān)管。

［1］益智，劉逖，張衛(wèi)東.中國公司治理報告（2009）——控制權(quán)市場與公司治理［R］.上海：上海證券交易所，2009：5.

［2］傅浩.內(nèi)幕交易監(jiān)管與投資者保護(hù)［R］.上海：上海證券交易所研究報告，2002：1.

［3］張幕瀕，范從來.管理層變更與控制權(quán)市場治理效力的實證研究——以制造業(yè)上市公司為例［J］.南京大學(xué)學(xué)報，2006（6）：117－126.

［4］張宗新，楊懷杰.內(nèi)幕交易監(jiān)管的國際比較及其對中國的啟示［J］.當(dāng)代經(jīng)濟(jì)研究，2006（8）：32－36.

［5］何青，房睿.內(nèi)幕交易監(jiān)管：國際經(jīng)驗與中國啟示［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2008（7）：17－24.

［6］劉艷華.美國證券市場內(nèi)幕交易監(jiān)管的做法及啟示［J］.經(jīng)濟(jì)縱橫，2008（7）：110－113.

［7］BRIS A.Insider trading laws work［J］.European Financial Management，2005（10）：11－22.

［8］ACKERMAN A，E MAUG.Insider tradingl egislation and acquisition announcements：law matter［J］.University of Mannheim Working，2007（2）：90－95.

［9］唐學(xué)松，馬如靜.內(nèi)幕交易·利于補(bǔ)償與控制權(quán)轉(zhuǎn)移——來自我國證券市場證據(jù)［J］.中國會計，2009（7）：29－49.

［10］辜波，李文君.中國內(nèi)幕交易監(jiān)管有效性的實證研究［J］.財會通訊·綜合，2011（3）：112－116.

［11］張文彤.SPSS11統(tǒng)計分析高級教程：高級篇［M］.北京：北京希望電子出版社，2002：20－22.

［12］張許宏.股票市場內(nèi)幕信息操縱的實證研究［J］.科技情報開發(fā)與經(jīng)濟(jì)，2007，13（3）：111－113.

［13］汪貴蒲，池仁勇，陳偉忠.中國證券市場內(nèi)幕交易的信息含量及操縱市場比較［J］.中國管理科學(xué)，2004，4（5）：136－138.

［14］祝紅梅.內(nèi)幕交易，內(nèi)幕交易日及其管制［J］.南開經(jīng)濟(jì)研究，2002（12）：16－20.