■張根文，田田

股指期貨對標(biāo)的指數(shù)成分股股價信息含量的影響
——基于PSM-DID方法的實(shí)證研究

■張根文，田田

本文利用雙重差分傾向得分匹配法（PSM-DID)，分別研究了不同品種股指期貨對標(biāo)的指數(shù)成分股股價信息含量的影響。結(jié)果發(fā)現(xiàn)：滬深300股指期貨顯著提高了標(biāo)的指數(shù)成分股的股價信息含量，而上證50股指期貨并沒有顯著提高相應(yīng)成分股的股價信息含量。由于上證50指數(shù)成分股包含于滬深300指數(shù)成分股，進(jìn)一步分析表明，股指期貨的推出能夠增加標(biāo)的指數(shù)成分股的股價信息含量，但作用效果邊際遞減。

股指期貨；股價信息含量；PSM-DID

張根文（1977-），安徽人，博士研究生，合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院副教授，研究方向?yàn)楣窘鹑冢惶锾铮?989-），山東人，碩士研究生，合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)橘Y本市場與證券投資。（安徽合肥230601）

一、引言

2015年4月16日，繼滬深300股指期貨推出后，中金所再次推出了上證50與中證500股指期貨。股指期貨的相繼推出不僅有利于優(yōu)化資產(chǎn)配置，繁榮衍生品市場而且有利于穩(wěn)定股票現(xiàn)貨市場，合理促進(jìn)資本市場健康發(fā)展。2015年6月，A股市場牛熊轉(zhuǎn)換，下半年頻繁出現(xiàn)異常波動現(xiàn)象，譬如千股漲停、千股跌停、千股停牌。這不僅損害了廣大投資者利益，還嚴(yán)重干擾了中國資本市場的正常運(yùn)行，降低了期現(xiàn)貨市場運(yùn)行效率。2015年對于中國的資本市場而言，應(yīng)該是值得銘記的一年。

眾所周知，股指期貨具有價格發(fā)現(xiàn)、套期保值和套利三大功能，但股指期貨功能的有效發(fā)揮，離不開現(xiàn)貨市場標(biāo)的指數(shù)成分股的密切配合。那么股指期貨的推出究竟對指數(shù)成分股產(chǎn)生什么樣的影響呢？政府部門及廣大投資者普遍期望股指期貨的推出能夠發(fā)揮其積極效用，改善股票現(xiàn)貨市場質(zhì)量，使得股票價格更加真實(shí)合理地反映上市公司的內(nèi)在價值，提高股票市場運(yùn)行效率。股價信息含量作為衡量股票市場運(yùn)行效率的重要標(biāo)志，反映了股票價格包含公司特質(zhì)性信息的能力，那么股指期貨的推出究竟對標(biāo)的指數(shù)成分股股價信息含量產(chǎn)生了怎樣的影響呢？不同品種股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量的影響是否相同呢？隨著股指期貨新品種的不斷推出，該種影響的邊際效用如何呢？另外，國內(nèi)外有諸多學(xué)者從不同宏觀層面研究股價信息含量的影響因素，但鮮有從股指期貨角度進(jìn)行研究，這也是本文進(jìn)行研究的創(chuàng)新之處。

本文利用雙重差分傾向得分匹配法（PSMDID)，以滬深300和上證50股指期貨為研究對象，實(shí)證檢驗(yàn)了股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量的影響，結(jié)果發(fā)現(xiàn)滬深300股指期貨的推出顯著增加了標(biāo)的指數(shù)成分股股價信息含量，而上證50股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量的提升并沒有明顯的促進(jìn)作用。本文的研究不僅豐富了股價信息含量的宏觀影響因素理論，而且利用PSM-DID較好地測度了股指期貨對指數(shù)成分股股價信息含量影響的凈效應(yīng)，并在此基礎(chǔ)上深入分析了該種影響的邊際效用。

二、理論分析與研究假設(shè)

由于現(xiàn)貨指數(shù)本身不能直接用于買賣，因而投資者利用股指期貨進(jìn)行套期保值和期現(xiàn)套利時，就需要購買與指數(shù)期貨高度相關(guān)的標(biāo)的指數(shù)成分股來達(dá)成目的。機(jī)構(gòu)投資者通過持有大量的標(biāo)的指數(shù)成分股，得以在戰(zhàn)略性資產(chǎn)配置中保有更大的靈活性和可操作性?？梢姡瑹o論是出于風(fēng)險對沖及套利目的還是出于組合管理的要求，投資者對成分股的購買需求都將增加。根據(jù)股價的需求理論，標(biāo)的指數(shù)成分股的股價將會上漲。楊帆和朱邦毅（2007）對海外證券市場標(biāo)的指數(shù)成分股與非標(biāo)的指數(shù)成分股的漲幅狀況進(jìn)行研究，發(fā)現(xiàn)股指期貨標(biāo)的指數(shù)平均漲幅在大部分國家都超過非標(biāo)的指數(shù)，且出現(xiàn)10%左右的年平均漲幅差異。由于股票市場中存在羊群效應(yīng)，標(biāo)的指數(shù)成分股價格的上漲會增強(qiáng)市場信心同時吸引大量跟風(fēng)盤買入，進(jìn)一步推動股價的上漲。若是標(biāo)的指數(shù)成分股的漲幅太大，嚴(yán)重偏離其真實(shí)價值，必然會引發(fā)投資者的競相拋售，股價由漲轉(zhuǎn)跌。成分股股價的下降同樣也會引發(fā)羊群效應(yīng)，使得大量投資者紛紛拋售標(biāo)的指數(shù)成分股，導(dǎo)致股價一跌再跌。許年行等（2013）利用機(jī)構(gòu)投資者季度持股的相關(guān)數(shù)據(jù)進(jìn)行研究表明，我國機(jī)構(gòu)投資者的羊群行為導(dǎo)致機(jī)構(gòu)投資者忽略了各自所掌握的私有信息，降低了私有信息融入股價的程度，從而提高了上市公司股價波動的同步性，降低了股價信息含量?？梢?，股指期貨的推出在一定程度上助長了成分股股價的同漲同跌，降低了股價的異步性波動，從而降低了指數(shù)成分股的股價信息含量。

根據(jù)以上分析提出本文的研究假設(shè)1：股指期貨的推出降低了標(biāo)的指數(shù)成分股的股價信息含量。

同時，股指期貨的推出會擴(kuò)大股市的資金總量，有助于提高現(xiàn)貨市場的流動性和合理定價，使現(xiàn)貨價格能夠更好地反映基本面情況，從而提高股價信息含量。Chau F等（2007）對全球股指期貨和相應(yīng)標(biāo)的股票現(xiàn)貨市場的關(guān)系進(jìn)行研究發(fā)現(xiàn)，股指期貨的推出有利于現(xiàn)貨市場流動性的增加。同時，國內(nèi)外諸多文獻(xiàn)表明流動性的增加提高了股價信息含量，Kyle和Vila(1991)認(rèn)為，提升的市場流動性有利于降低投資者的股票交易行為對市場價格產(chǎn)生的沖擊，那么擁有信息優(yōu)勢的投資者就能從噪聲交易者手中廉價買入大量股票，從而獲得收益，此時大股東關(guān)注這類公司并搜集相關(guān)信息的積極性增加，所以流動性的上升有助于提高股價信息含量。Edmans(2009)認(rèn)為，股票流動性越高，大股東搜集信息的單位成本就越低，因而獲取信息并進(jìn)行基本面分析的積極性就越高，從而進(jìn)一步提升上市公司股價信息含量。蘇冬蔚和熊家財(2013）從市場微觀結(jié)構(gòu)的角度進(jìn)行研究，發(fā)現(xiàn)上市公司可以通過提高股票流動性，引導(dǎo)投資者進(jìn)一步探索公司層面的特質(zhì)性信息，促使股價信息含量上升?？梢姡芍钙谪浤軌蛞栽黾蝇F(xiàn)貨市場流動性的途徑來提高股價信息含量。另外，F(xiàn)iglewski（1982）指出根據(jù)股指期貨的設(shè)計，基金經(jīng)理可以利用股指期貨合約把股票與市場相關(guān)的收益和股票與自身信息相關(guān)的收益區(qū)分開來，還可以通過做多或者做空來調(diào)節(jié)其投資組合的系統(tǒng)性風(fēng)險。因此，通過基金經(jīng)理的行為，可以使更多的公司特質(zhì)性信息嵌入到股票價格中，從而提高股價信息含量。

那么，由此提出與假設(shè)1相競爭的假設(shè)2：股指期貨的推出提高了標(biāo)的指數(shù)成分股的股價信息含量。

三、研究設(shè)計

（一）實(shí)證指標(biāo)與模型

本文采用股價波動非同步性的方法來測度股價信息含量，借鑒Durnev等（2003）及其他相關(guān)模型，將股票收益率ri,t表示為來自市場層面的共同收益率rm,t和來自行業(yè)層面的共同收益率rj,t(下標(biāo)j表示行業(yè)，公司i屬于行業(yè)j)，然后通過以下資產(chǎn)定價模型求得個股股價波動的非同步性：

其中ri,t表示公司i第t期的收益率，rm,t表示第t期市場收益率，rj,t表示行業(yè)j第t期的加權(quán)平均收益率（公司i屬于行業(yè)j）。εi,t表示殘差，當(dāng)市場和行業(yè)收益率對公司層面收益率的解釋能力較弱時，殘差值較大。設(shè)Ri2為（1）式回歸后得到的擬合優(yōu)度值，根據(jù)統(tǒng)計學(xué)原理，1-Ri2表示公司層面收益率不能被市場層面收益率和行業(yè)層面收益率所解釋的比例，即公司股票收益與市場和行業(yè)收益波動非同步性程度。

考慮到1-Ri2取值區(qū)間為[0,1]，在實(shí)證中作為因變量不符合計量經(jīng)濟(jì)學(xué)的基本要求，因此進(jìn)行如下對數(shù)轉(zhuǎn)換：

INF代表股價信息含量的大小，當(dāng)Ri2越小時股價信息含量INF就越大。

為了研究股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量影響的凈效應(yīng)，控制其他系統(tǒng)性因素干擾，本文采用了雙重差分法。但是運(yùn)用該方法，最重要的前提是處理組和控制組必須滿足共同趨勢假設(shè)，即如果股指期貨不推出，成分股與非成分股的股價信息含量的變動趨勢隨時間變化并不存在系統(tǒng)性差異，但滬深300與上證50指數(shù)樣本股的納入是有特定標(biāo)準(zhǔn)的，使得雙重差分的這一假定很可能無法滿足。然而，由Heckman等(1998)提出并發(fā)展起來的PMS-DID方法可以有效解決這一問題，使得基于此的雙重差分方法可以很好地克服成分股和非成分股股價信息含量變動趨勢所存在的系統(tǒng)性差異，滿足了共同趨勢假設(shè)。

PMS-DID假設(shè)存在一組兩期面板數(shù)據(jù)，這兩個時期分別記為t’期（實(shí)驗(yàn)前）和t期（實(shí)驗(yàn)后）。在實(shí)驗(yàn)發(fā)生前，即t’期，所有個體潛在結(jié)果記為y0t’，在實(shí)驗(yàn)發(fā)生后，會出現(xiàn)兩種情況，分別為y1t(處理組）和y0t（控制組）。均值可忽略性假定是PMS-DID成立的前提，公式如下：

在滿足公式（3）的前提下，可以一致地估計ATT（平均處理效應(yīng)）：

其中，Sp為共同取值范圍的集合，I1={i:Di=1}(處理組的集合），I0={i:Di=0}(控制組的集合），N1為集合I1∩Sp所包含的處理組個體數(shù)，公式（4）中（y1ti-y0t’i)為處理組個體i實(shí)驗(yàn)前后的變化，而（y0tj-y0t’j）為控制組個體j的前后變化。w(i,j)為配對（i,j)所需的權(quán)重。核匹配就是通過使用核函數(shù)來確定權(quán)重w（i，j），其權(quán)重表達(dá)式為

其中，h為進(jìn)行傾向得分匹配時所用的帶寬，K (.)為匹配所需的核函數(shù)。在對處理組和控制組的個體進(jìn)行匹配時，需要計算個體間的距離，傾向得分匹配法將K維向量Xi的信息壓縮到一維，且取值介于［0，1］之間，在度量距離時具有良好的特性。本文研究采取的基本模型設(shè)定為：

其中，Yit為第i個股票在第t期的股價信息含量；df為組間虛擬變量，當(dāng)df=1時為股指期貨標(biāo)的指數(shù)成分股，即處理組，df=0為非股指期貨標(biāo)的指數(shù)成分股，即控制組；dt為時間虛擬變量，當(dāng)股指期貨推出后dt=1，反之推出前dt=0；ΣXi,t為一組相關(guān)的控制變量，包括日均成交額、日均總市值、分析師追蹤人數(shù)、機(jī)構(gòu)投資者持股比例、內(nèi)部人交易、獨(dú)立董事比例、息稅前利潤、市盈率、市價、資產(chǎn)負(fù)債率等；εi,t為隨機(jī)干擾項(xiàng)。如果股指期貨的推出提高了標(biāo)的指數(shù)成分股的股價信息含量，那么β3（平均處理效應(yīng)）應(yīng)該顯著為正。同時，在計算平均處理效應(yīng)時，運(yùn)用Logit回歸來實(shí)現(xiàn)。

（二）數(shù)據(jù)來源與處理

本文的樣本數(shù)據(jù)分為滬深300和上證50兩組。滬深300樣本數(shù)據(jù)期間是從2009年4月16日至2011年4月16日，上證50樣本數(shù)據(jù)期間是從2014年8月18日至2015年12月11日。為了保證處理組和控制組在整個樣本期間都是固定的，滬深300處理組的候選股確定為：從2009年4月16日至2011年4月16日一直都為滬深300指數(shù)樣本股，共得到219只個股?？刂平M的候選股確定為：上市時間在2009年4月16日之前的，并且從中剔除掉期間為滬深300成分股以及曾經(jīng)為指數(shù)成分股的股票，同時剔除掉*ST、ST及其他交易異常股票，共得到811只個股。上證50處理組的候選股確定為：從2014年8月18日至2015年12月11日一直都為上證50指數(shù)樣本股，共得到36只個股。為進(jìn)一步研究股指期貨推出的邊際效應(yīng)，將上證50控制組的候選股確定為：以滬深300樣本股作為基準(zhǔn)范圍，從中剔除掉上證50成分股，并且剔除掉期間內(nèi)曾被納入和剔除的上證50成分股，從余下的個股中選取上交所股票作為上證50控制組候選股，共得到90只個股。

四、實(shí)證檢驗(yàn)與結(jié)果分析

（一）數(shù)據(jù)與變量的描述性統(tǒng)計

如果政策虛擬變量（實(shí)驗(yàn)組虛擬變量df）為內(nèi)生，比如，能否被納入到處理組與影響股價信息含量的遺漏變量相關(guān)，那么利用雙重差分模型進(jìn)行回歸時就會得不到一致估計。加入更多的協(xié)變量可解決雙重差分模型遺漏變量偏差問題，顯然如果協(xié)變量中包含的變量太少不太可能滿足可忽略性假定，如果協(xié)變量中包含的變量太多，通過傾向得分匹配后要使各個協(xié)變量在處理組與控制組實(shí)現(xiàn)分布平衡就會變得十分困難。因此本文選擇通過逐步加入?yún)f(xié)變量進(jìn)行回歸的方法進(jìn)行實(shí)證結(jié)果的檢驗(yàn)與分析。滬深300與上證50指數(shù)樣本股的選取有嚴(yán)格標(biāo)準(zhǔn)，但主要依賴于日均成交額與日均總市值兩個指標(biāo)，因而本文將日均成交額與日均總市值兩個指標(biāo)納入到協(xié)變量中。根據(jù)袁知柱和鞠曉峰（2009）的研究，將影響股價信息含量的微觀層面因素也納入到協(xié)變量中，并且綜合考慮到牛熊市特征引起的不能差分掉的潛在不可測因素，同時加入了公司資本結(jié)構(gòu)、盈利狀況等相關(guān)指標(biāo)。

表1 主要變量及其含義

表2 滬深300組主要變量的描述性統(tǒng)計

表3 上證50組主要變量描述性統(tǒng)計

（二）回歸分析

表4為滬深300組逐步回歸的結(jié)果，可以看出，滬深300股指期貨的推出增加了標(biāo)的指數(shù)成分股的股價信息含量，ATT（平均處理效應(yīng)）的系數(shù)估計值均為正，顯著性水平因回歸方程的不同而有所差異，但均大于10%，假設(shè)2得到了驗(yàn)證。從五個回歸結(jié)果綜合來看，各協(xié)變量對處理變量的解釋能力存在較大差異，但解釋能力最強(qiáng)的主要為volv（區(qū)間日均成交額）和tmv（區(qū)間日均總市值），這與事實(shí)正好相符，因?yàn)閭€股能否被納入到滬深300樣本股的基本原則就是先按成交額再按總市值的順序進(jìn)行排序，取前300只股票。回歸（1）的準(zhǔn)R2僅為0.620，但回歸（2）、（3）、（4）、（5）的準(zhǔn)R2均為0.827以上，可見，回歸（1）的協(xié)變量對處理變量的解釋能力明顯較低，主要是因?yàn)槠渲腥鄙倭藢μ幚碜兞糠浅Ｓ薪忉屇芰Φ目偸兄颠@一變量。與回歸（1）和回歸（2）相比，回歸（3）、（4）、（5）中加入的很多協(xié)變量（如機(jī)構(gòu)投資者持股比例、內(nèi)部人交易、獨(dú)立董事比例、息稅前利潤等）對處理變量的回歸系數(shù)表現(xiàn)為不顯著，即協(xié)變量對處理變量的解釋能力都很弱，證明了這些變量都不是決定其是否被納入到指數(shù)樣本股的主要參考指標(biāo)，但是差分后平均處理效應(yīng)的顯著性水平卻發(fā)生了改變，這說明這些變量雖對處理變量缺乏顯著性的解釋能力，但對因變量股價信息含量卻有顯著性的影響，因而回歸（3）、（4）、（5）中新增變量的加入能夠解決雙重差分模型的遺漏變量偏差問題，在更準(zhǔn)確的程度上得到平均處理效應(yīng)的無偏估計。

表4 滬深300股指期貨對標(biāo)的指數(shù)成分股的影響實(shí)證結(jié)果

表5為上證50組逐步回歸的結(jié)果，可以看出，上證50股指期貨的推出并沒有顯著性的增加標(biāo)的指數(shù)成分股的股價信息含量，ATT（平均處理效應(yīng)）的系數(shù)估計值均為正，但均不顯著。運(yùn)用PSMDID，在研究上證50股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量的影響時，將控制組確定為在滬深300的范圍內(nèi)非上證50的其他上交所的股票主要有兩個目的：一是在滬深300的范圍內(nèi)進(jìn)行傾向得分匹配，更容易找到合適的控制組樣本進(jìn)行雙重差分的回歸；二是使得上證50組的處理組與控制組中的個股均為滬深300指數(shù)成分股，這樣做有利于研究股指期貨的推出對股價信息含量影響的邊際效應(yīng)。實(shí)證研究結(jié)果表明，在滬深300股指期貨已經(jīng)增加標(biāo)的指數(shù)成分股股價信息含量的基礎(chǔ)上，上證50股指期貨新品種的推出并沒有更進(jìn)一步的增加標(biāo)的指數(shù)成分股的股價信息含量?？梢姽芍钙谪浀耐瞥鲲@著增加了標(biāo)的指數(shù)成分股的股價信息含量，但作用效果邊際遞減。

表5 上證50股指期貨對標(biāo)的指數(shù)成分股的影響實(shí)證結(jié)果

（三）變量分布平衡性檢驗(yàn)

下面檢驗(yàn)進(jìn)行傾向得分匹配后，是否使得各變量在處理組與控制組的分布變得平衡。由表6和表7可知：進(jìn)行傾向得分匹配后，絕大多數(shù)變量在處理組與控制組之間不存在顯著性差異，較好地滿足了雙重差分所要求的處理組與控制組的同質(zhì)性。表6中，滬深300組基于回歸（1）、（2）、（3）、（4）的匹配結(jié)果表現(xiàn)尤為良好，除個別變量外，其他變量均不存在顯著性差異，基于回歸（5）的匹配結(jié)果中有一半變量存在顯著性差異，也在預(yù)料之中，正如前文所提到的如果協(xié)變量中包含的變量太多，通過傾向得分匹配后要使各個協(xié)變量在處理組與控制組實(shí)現(xiàn)分布平衡就會變得十分困難。表7中，上證50組基于回歸（5）的匹配結(jié)果整體表現(xiàn)最好，這主要是由于上證50組控制組的股票均屬于滬深300指數(shù)成分股，即所謂的大盤藍(lán)籌股，與上證50成分股（處理組）相關(guān)性較大，因而匹配結(jié)果也較好。

表6 變量分布平衡性檢驗(yàn)（滬深300）

（四）拓展性檢驗(yàn)

上證50組的研究期間為2014年8月18日至2015年12月11日，但2015年2月9日推出了上證50ETF期權(quán)，考慮到可能對股價信息含量構(gòu)成的潛在性影響，將研究期間設(shè)定為2015年2月9日至2015年6月23日，并以2015年4月16日為事件前后的分界限，進(jìn)行基于雙重差分傾向得分匹配的回歸。選擇該時間段作為新的研究區(qū)間，既保證了事件前后時間區(qū)間的大致相等，同時將上證50ETF期權(quán)的影響差分掉，使得實(shí)證結(jié)果更加可靠?；貧w結(jié)果表明，在考慮了期權(quán)的作用后，上證50股指期貨的推出并沒有進(jìn)一步地增加標(biāo)的指數(shù)成分股的股價信息含量，驗(yàn)證了本文的結(jié)論是穩(wěn)健可靠的。

表7 變量分布平衡性檢驗(yàn)（上證50）

表8 拓展性檢驗(yàn)結(jié)果

五、結(jié)論與建議

本文按照股指期貨的品種，將研究樣本數(shù)據(jù)分為滬深300組和上證50組，基于PSM-DID的方法，利用搜集整理的兩期面板數(shù)據(jù)進(jìn)行逐步回歸，分別研究了滬深300股指期貨和上證50股指期貨的推出對標(biāo)的指數(shù)成分股股價信息含量的影響。結(jié)果表明：滬深300股指期貨的推出顯著增加了標(biāo)的指數(shù)成分股的股價信息含量，上證50股指期貨的推出并沒有顯著增加標(biāo)的指數(shù)成分股的股價信息含量。通過進(jìn)一步分析發(fā)現(xiàn)，在舊有股指期貨品種（滬深300股指期貨）已經(jīng)顯著增加標(biāo)的指數(shù)成分股（其中包括上證50指數(shù)成分股）股價信息含量的基礎(chǔ)上，新推出的股指期貨品種（上證50股指期貨）并不能夠更進(jìn)一步地促進(jìn)標(biāo)的指數(shù)成分股股價信息含量的增加。因而得出：股指期貨的推出可以顯著促進(jìn)標(biāo)的指數(shù)成分股股價信息含量的增加，但是這種促進(jìn)作用表現(xiàn)為邊際遞減。最后，進(jìn)行了傾向得分匹配后處理組與控制組各變量分布的平衡性檢驗(yàn)以及基于上證50ETF期權(quán)的拓展性檢驗(yàn)，使得實(shí)證結(jié)果更加穩(wěn)健可靠。

為了充分發(fā)揮期貨市場對現(xiàn)貨市場積極的引導(dǎo)作用，提高期現(xiàn)貨市場運(yùn)行效率，促進(jìn)現(xiàn)貨市場股價信息含量有效提升，結(jié)合本文的實(shí)證研究結(jié)果現(xiàn)提出如下建議：（1）對于未來所推新品種股指期貨合約的設(shè)計而言，應(yīng)優(yōu)先考慮所選指數(shù)沒有覆蓋原有期貨合約的標(biāo)的指數(shù)，否則，會在一定程度上影響股指期貨效用及現(xiàn)貨市場的質(zhì)量。（2）應(yīng)進(jìn)一步完善股指期貨產(chǎn)品序列，根據(jù)市場發(fā)展?fàn)顩r及投資者需求情況，適時適度地推出新的股指期貨品種，推進(jìn)期貨市場邁向新的層次。

[1]許年行,于上堯,伊志宏.機(jī)構(gòu)投資者羊群行為與股價崩盤風(fēng)險[J].管理世界,2013，(7):31～43.

[2]Edmans，A，BlockholderTrading，Market Efficiency，andManagerialMyopia[J].Journalof Finance，2009，64（6）：2481～2513.

[3]蘇冬蔚,熊家財.股票流動性、股價信息含量與CEO薪酬契約[J].經(jīng)濟(jì)研究,2013，(11):56～70.

[4]Durnev，A，R.Morck，B.Yeung，P.Zarowin,Does Greater Firm-specific Return Variation Mean More or Less Informed Stock Pricing?[J].Journal of Accounting Research,2003,41(5):797～836.

[5]袁知柱,鞠曉峰.股價信息含量測度方法、決定因素及經(jīng)濟(jì)后果研究綜述[J].管理評論,2009,21 (4):42～52.

F830.91

A

1006-169X（2016）11-0067-07

中央高?；究蒲惺聵I(yè)費(fèi)專項(xiàng)資金項(xiàng)目（2013HGXJ0262）；安徽省教育廳人文社會科學(xué)研究項(xiàng)目（JS2014AJRW0096）。