劉志東，楊競(jìng)一

(中央財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，北京 100081)

?

基于非參數(shù)日內(nèi)跳躍檢驗(yàn)和高頻數(shù)據(jù)的公司信息披露對(duì)股市價(jià)格波動(dòng)影響研究

劉志東，楊競(jìng)一

(中央財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，北京 100081)

本文以2012年1月4日至2013年12月31日之間的共481個(gè)交易日作為樣本期間，以樣本期間上交所發(fā)布的“上證180”成分股中的上市公司的經(jīng)營公告、財(cái)務(wù)報(bào)告及證券分析師根據(jù)上述信息披露的股評(píng)三種信息為主要研究對(duì)象，從驗(yàn)證方法選擇、高頻數(shù)據(jù)選取、信息考察窗口優(yōu)化及基于面板數(shù)據(jù)多元Logistics回歸模型構(gòu)建等四個(gè)方面將跳躍與不同信息相聯(lián)系，分析股價(jià)波動(dòng)與不同信息披露的關(guān)系。研究結(jié)果表明，當(dāng)信息范圍為公司特定的經(jīng)營公告、財(cái)務(wù)報(bào)告及分析師建議時(shí)，經(jīng)營公告是最具影響力的信息披露渠道，而分析師建議并不是引起股價(jià)異常波動(dòng)最重要的信息。同時(shí)，本文研究揭示僅有20%的跳躍與此類信息披露相關(guān)，當(dāng)解釋變量覆蓋代表宏觀信息“系統(tǒng)性事件”和行業(yè)、板塊信息的“行業(yè)事件”時(shí)，也僅40% 的價(jià)格跳躍發(fā)生和信息披露有關(guān)。本文的研究不僅表明哪一種信息可能更具有投資價(jià)值，而且揭示在此研究基礎(chǔ)上繼續(xù)探究引起股價(jià)異常波動(dòng)的其他起因事件可能更具有重要意義。

股價(jià)跳躍；信息披露；價(jià)格發(fā)現(xiàn)；日內(nèi)高頻數(shù)據(jù)

1 引言

證券市場(chǎng)最基本的職能就是用價(jià)格的信號(hào)機(jī)制來實(shí)現(xiàn)對(duì)資源的合理配置，以獲得最大的投資回報(bào)。要使價(jià)格的信號(hào)機(jī)制發(fā)揮作用，價(jià)格波動(dòng)必須反應(yīng)與公司價(jià)值相關(guān)的特定信息變化。公司價(jià)值相關(guān)的特定信息主要包括上市公司的經(jīng)營公告、財(cái)務(wù)報(bào)告及證券分析師根據(jù)上述信息發(fā)布的建議等信息。自從Womack[1]采用事件研究法進(jìn)行研究后，傳統(tǒng)的學(xué)術(shù)觀點(diǎn)認(rèn)為分析師建議是最為重要的信息披露渠道(Michaely和Womack[2]，Ramnath, Rock和Shane[3])。但近幾年，Altinkilic和Hansen[4]、Altinkilic，Balashov和Hansen[5]等學(xué)者的研究則對(duì)分析師建議重要性提出挑戰(zhàn)。他們使用分析師建議發(fā)布日內(nèi)收益數(shù)據(jù)(Intraday Returns)，發(fā)現(xiàn)分析師的報(bào)告并沒有帶來股價(jià)明顯的變化，股價(jià)的波動(dòng)經(jīng)常發(fā)生在分析師報(bào)告的發(fā)布時(shí)間之前，據(jù)此推斷出分析師建議對(duì)股價(jià)的影響是借助了那些能夠真正影響股價(jià)的信息作用。同樣地，Loh和Stulz[6]研究結(jié)果發(fā)現(xiàn)，當(dāng)排除與企業(yè)特定信息披露時(shí)間相近的報(bào)告，僅單獨(dú)研究分析師發(fā)布的信息，平均2天的異常收益率快速下降。Bradley等[7]綜合IBES數(shù)據(jù)庫的財(cái)務(wù)報(bào)告、分析師建議及First Call經(jīng)營公告并對(duì)證券市場(chǎng)信息重新進(jìn)行檢驗(yàn)，通過將IBES、First Call與其他新聞媒體的信息披露時(shí)間進(jìn)行對(duì)比，研究者發(fā)現(xiàn)兩大數(shù)據(jù)庫的信息披露時(shí)間平均存在2.4小時(shí)的系統(tǒng)性延遲，使用修正后的信息真實(shí)發(fā)布時(shí)間計(jì)算得到的股票異常收益率較高，即分析師建議具有信息價(jià)值，這一結(jié)果直接反駁了Altinkilic和Hansen認(rèn)為分析師建議無效的觀點(diǎn)，認(rèn)為分析師建議是最重要的信息披露渠道。

國內(nèi)也有一些研究關(guān)注于股價(jià)信息含量以及各種信息發(fā)布對(duì)于股價(jià)波動(dòng)的影響。袁知柱等[8]以中國上市公司為研究樣本，依據(jù)股價(jià)波動(dòng)非同步性指標(biāo)來度量股價(jià)信息含量，從公司層面考察會(huì)計(jì)信息質(zhì)量對(duì)股價(jià)信息含量的影響。實(shí)證結(jié)果表明：會(huì)計(jì)信息質(zhì)量與股價(jià)信息含量顯著正相關(guān)，高水平信息披露政策能有效增加上市公司股價(jià)信息含量。孫偉等[9]檢驗(yàn)了企業(yè)社會(huì)責(zé)任信息披露對(duì)股價(jià)波動(dòng)率的影響后發(fā)現(xiàn)，企業(yè)社會(huì)責(zé)任信息披露程度與股價(jià)波動(dòng)率幅度存在顯著的負(fù)相關(guān)關(guān)系，認(rèn)為投資者可以利用上市公司披露的企業(yè)社會(huì)責(zé)任信息，降低自身與企業(yè)內(nèi)部人的信息不對(duì)稱，從而影響投資決策。于忠泊等[10]以中國上市公司為研究樣本，探討了上市公司臨時(shí)報(bào)告對(duì)資本市場(chǎng)信息環(huán)境的影響，發(fā)現(xiàn)了臨時(shí)公告對(duì)資本市場(chǎng)信息環(huán)境的積極提升作用，上市公司臨時(shí)報(bào)告提高了股票價(jià)格中的公司個(gè)體層面的信息含量，臨時(shí)報(bào)告降低了股票價(jià)格的同步性，增加了收益率的異質(zhì)波動(dòng)性，增加了信息交易的概率。在信息不對(duì)稱程度較高的上市公司中，臨時(shí)報(bào)告提高股票價(jià)格信息含量的作用更加明顯，臨時(shí)報(bào)告使得上市公司信息傳遞更加平穩(wěn)，降低了股票價(jià)格暴跌的風(fēng)險(xiǎn)，臨時(shí)報(bào)告提高了盈余信息反應(yīng)到股價(jià)中的速度和程度，提高了盈余反應(yīng)系數(shù)，降低了盈余公告后的漂移程度。

朱紅軍等[11]通過研究，發(fā)現(xiàn)證券分析師的信息搜尋活動(dòng)能夠提高股票價(jià)格的信息含量，使其包含更多公司基本面的信息并降低股價(jià)的同步性。儲(chǔ)一昀等[12]研究了分析師定價(jià)預(yù)測(cè)的一致性、意見分歧以及分析師跟進(jìn)的人數(shù)對(duì)公司首日上市市場(chǎng)表現(xiàn)的影響。研究發(fā)現(xiàn)，分析師定價(jià)預(yù)測(cè)的一致性與公司上市首日收盤價(jià)在統(tǒng)計(jì)上沒有顯著差異，并能很好地解釋公司上市首日收盤價(jià)，這表明分析師預(yù)測(cè)的價(jià)格是值得信賴的，可以作為公司IPO上市首日價(jià)格的估量。伍燕然等[13]通過使用參數(shù)及非參數(shù)方法，驗(yàn)證中國分析師盈利預(yù)測(cè)偏差的存在，并認(rèn)為利益驅(qū)動(dòng)是偏差存在的主要原因。而薛祖云等[14]則認(rèn)為證券分析師同時(shí)扮演者信息競(jìng)爭(zhēng)和信息補(bǔ)充的角色。此外，潘越等[15]考察了公司信息透明度與個(gè)股暴跌風(fēng)險(xiǎn)之間的內(nèi)在關(guān)系，以及證券分析師關(guān)注程度對(duì)這種關(guān)系的影響。研究表明，在我國投資者法律保護(hù)環(huán)境尚不理想的情況下，證券分析師作為一種有效的法律外替代機(jī)制，其對(duì)股票的關(guān)注大大降低了信息不透明對(duì)個(gè)股暴跌風(fēng)險(xiǎn)的影響。李春濤等[16]以分析師盈利預(yù)測(cè)分歧、預(yù)測(cè)誤差和股價(jià)的市場(chǎng)同步性作為上市公司不透明程度的測(cè)度指標(biāo)，比較了我國商業(yè)銀行和普通工商企業(yè)在透明度上的差異。研究發(fā)現(xiàn)，雖然分析師預(yù)測(cè)可能存在羊群效應(yīng)，但較多的分析師跟蹤仍然能降低預(yù)測(cè)誤差和增加股票價(jià)格的信息含量，從而增加公司的透明度。游家興等[17]基于中國的實(shí)證研究表明激勵(lì)機(jī)制扭曲下分析師預(yù)測(cè)行為發(fā)生系統(tǒng)性偏差的現(xiàn)象，在股市高漲時(shí)，分析師隨波逐流，常常發(fā)表過度樂觀的預(yù)測(cè)，而當(dāng)泡沫消退時(shí)，分析師則會(huì)掉頭轉(zhuǎn)向，發(fā)布與之前形成強(qiáng)烈反差的盈余預(yù)期或股票推薦。馮旭南等[18]使用中國A股數(shù)據(jù)，從信息溢出的角度研究分析師跟進(jìn)與股價(jià)聯(lián)動(dòng)之間的關(guān)系。結(jié)果表明，分析師跟進(jìn)較多的上市公司，其股價(jià)變化對(duì)行業(yè)內(nèi)其它公司股價(jià)變化的邊際影響更為強(qiáng)烈。這說明信息更容易從高分析師跟進(jìn)的公司溢出到低分析師跟進(jìn)的公司，從而引起股價(jià)聯(lián)動(dòng)。周銘山等[19]對(duì)我國股票市場(chǎng)分析師跟蹤與股價(jià)同步性的關(guān)系進(jìn)行研究發(fā)現(xiàn)，即使明星、非明星分析師提供相似的信息，明星分析師顯著降低了股價(jià)同步性，而非明星分析師則不能降低股價(jià)同步性。信息提供并不能完全解釋我國明星分析師降低股價(jià)同步性的現(xiàn)象，明星分析師跟蹤及評(píng)級(jí)調(diào)整與短期動(dòng)量效應(yīng)、中長期反轉(zhuǎn)效應(yīng)以及異常成交額存在顯著的正向關(guān)系，明星分析師通過引起投資者過度反應(yīng)而降低股價(jià)同步性。

以往這些研究大多采用年、月、日數(shù)據(jù)對(duì)公司價(jià)值相關(guān)的特定信息進(jìn)行單獨(dú)研究，很少考慮其他信息的影響。同時(shí)，采用年、月、日數(shù)據(jù)有可能不能準(zhǔn)確確定信息的發(fā)布時(shí)間，不僅不能準(zhǔn)確測(cè)定信息披露對(duì)股價(jià)產(chǎn)生的瞬時(shí)影響，也可能混淆不同種類信息對(duì)股價(jià)波動(dòng)的影響,很難判定不同信息對(duì)股價(jià)的相對(duì)影響效果。

劉迪[20]以股價(jià)單日漲跌停事件為研究對(duì)象，檢驗(yàn)了在基本面信息、概念信息、行業(yè)信息和其他信息披露下的股價(jià)事后反應(yīng)，研究表明，漲跌停時(shí)，投資者對(duì)異質(zhì)信息有不同的反應(yīng)，投資者對(duì)基本面信息存在一定的反應(yīng)不足，漲停時(shí)投資者對(duì)行業(yè)信息和其他信息反應(yīng)過度，對(duì)概念信息反應(yīng)過度更為嚴(yán)重，跌停時(shí)投資者對(duì)于所有信息都不存在反應(yīng)過度。唐勇等[21]基于非參數(shù)方法，結(jié)合A-J跳躍檢驗(yàn)統(tǒng)計(jì)量，構(gòu)建新的跳躍方差和連續(xù)樣本路徑方差、對(duì)跳躍方差建模。利用上證綜指高頻數(shù)據(jù)，對(duì)跳躍方差統(tǒng)計(jì)特征、跳躍方差貢獻(xiàn)、跳躍幅度以及跳躍與經(jīng)濟(jì)信息關(guān)系進(jìn)行分析。結(jié)果顯示經(jīng)濟(jì)信息公布與上證綜指跳躍總是正相關(guān)的，并對(duì)一些異常現(xiàn)象給予解釋。Andersen等[23], Balduzzi等[24]，Ederington 和 Lee[25], Harvey 和Huang[26], Jiang, Lo和Verdelhan[27]，朱宏泉等[28]采用日內(nèi)高頻數(shù)據(jù)研究宏觀上的信息披露對(duì)股票價(jià)格和波動(dòng)性的影響。Busse 和 Green[29]檢驗(yàn)CNBC分析師在特定時(shí)間建議發(fā)布對(duì)股票價(jià)格影響。這些研究發(fā)現(xiàn)大部分股票價(jià)格在信息披露的幾分鐘內(nèi)進(jìn)行調(diào)整。

鑒于此，本文主要目地是在鑒別不同種類的公司基本層面信息與股價(jià)波動(dòng)之間內(nèi)在聯(lián)系基礎(chǔ)上，使用日內(nèi)高頻數(shù)據(jù)究分析師建議對(duì)中國股市價(jià)格變化的影響。通常股票價(jià)格發(fā)生跳躍是股票價(jià)格過程中較為顯著的波動(dòng)，并被認(rèn)為在重要信息披露時(shí)出現(xiàn)。本文主要?jiǎng)?chuàng)新是在通過日內(nèi)高頻數(shù)據(jù)檢測(cè)跳躍的基礎(chǔ)上，采用基于面板數(shù)據(jù)的多元Logistics回歸模型，將跳躍與不同信息相聯(lián)系，分析股價(jià)波動(dòng)與不同信息披露的關(guān)系。由于本文使用日內(nèi)高頻數(shù)據(jù)，本文可以準(zhǔn)確測(cè)定信息披露對(duì)股價(jià)產(chǎn)生的瞬時(shí)影響，這是每日數(shù)據(jù)所不能達(dá)到的。

本文主要研究三種不同類型的信息：上市公司財(cái)務(wù)報(bào)告、經(jīng)營公告及證券投資分析師根據(jù)上述信息披露的股評(píng)。雖然并未涵蓋證券市場(chǎng)全部信息，但本文選擇這三種信息有充分的依據(jù)：首先，這三種信息曾被廣泛的研究，具有扎實(shí)的理論基礎(chǔ)；其次，這三種信息經(jīng)常在同一天發(fā)布，這使得學(xué)者們很難使用每日數(shù)據(jù)進(jìn)行研究，而本文使用日內(nèi)數(shù)據(jù)則可鑒別其相對(duì)影響效果；最后，通過Wind資訊終端，本文可以獲得每一種信息事件的全部發(fā)布時(shí)刻點(diǎn)。

本文使用54家樣本公司的15分鐘日內(nèi)高頻數(shù)據(jù)，通過非參數(shù)跳躍檢測(cè)方法進(jìn)行研究。選用非參數(shù)方法是因?yàn)槠鋵?duì)模型不加任何限制，通過高頻數(shù)據(jù)即可對(duì)跳躍的檢驗(yàn)及估計(jì)問題進(jìn)行研究，無需尋找具體的解析函數(shù)，從而避免函數(shù)“誤設(shè)定”及參數(shù)難以估計(jì)的問題。自Barndorff-Nielsen和Shephard在非參數(shù)領(lǐng)域進(jìn)行突破性的研究并提出BNS跳躍檢驗(yàn)方法后，非參數(shù)跳躍檢驗(yàn)方法目前包括BNS、CPR、ADS、PZ、JO、ASJ及LM等。具體見Barndorff-Nielsen 和Shephard[30], Jiang 和Oomen[31], Lee和Mykland[22],Andersen, Bollerslev和Dobrev[32], Ait-Sahalia 和Jacod[33]參考文獻(xiàn)。而本文選取Lee和Mykland的LM非參數(shù)跳躍檢驗(yàn)方法則是不僅因?yàn)槠浞€(wěn)健的檢測(cè)強(qiáng)度和優(yōu)異的“偽跳”處理，而且該方法是唯一能較準(zhǔn)確確定日內(nèi)跳躍發(fā)生時(shí)刻，而其他非參數(shù)跳躍檢驗(yàn)方法只能檢驗(yàn)到每天是否發(fā)生跳躍。

通過實(shí)證研究，本文發(fā)現(xiàn)存在近15%的財(cái)務(wù)信息披露會(huì)引起股價(jià)的異常波動(dòng)，少于10%的分析師建議及經(jīng)營公告能夠解釋跳躍的出現(xiàn)；但在移除與同一時(shí)間發(fā)布的重合信息相關(guān)的跳躍后，只有少于5%的財(cái)務(wù)信息與跳躍相關(guān)，近6%的經(jīng)營信息與跳躍相關(guān)。基于此，本文很難判定不同信息對(duì)股價(jià)的相對(duì)影響效果。因此，通過多元Logistic回歸，將信息與跳躍相結(jié)合，并發(fā)現(xiàn)經(jīng)營信息對(duì)股價(jià)波動(dòng)的影響最為顯著，這種信息使觀測(cè)到跳躍的概率增加近13倍；基于我國實(shí)際情況，本文在回歸中繼續(xù)添加代表宏觀信息的“系統(tǒng)性事件”和“行業(yè)性事件”，這兩個(gè)變量使觀測(cè)到跳躍的概率擴(kuò)大95倍和132倍，并與我國的“政策市”異象不謀而合。

本文的結(jié)構(gòu)如下：第一部分主要介紹問題提出的背景、國內(nèi)外相關(guān)研究綜述，以及本文的研究思路；第二部分對(duì)LM參數(shù)跳躍檢驗(yàn)方法原理和可行性進(jìn)行分析；第三部分為實(shí)證研究，闡述本文的樣本選擇過程和實(shí)證分析的結(jié)果；第四部分總結(jié)全文并提出未來后繼研究建議。

2 研究方法：LM非參數(shù)跳躍檢驗(yàn)

2.1 基礎(chǔ)理論及假設(shè)

股價(jià)的收益過程包含跳躍部分及擴(kuò)散部分，本文假定股價(jià)波動(dòng)中較為平穩(wěn)的擴(kuò)散部分由正常的交易活動(dòng)所引起，而股價(jià)突然性的跳躍則是由超預(yù)期信息的進(jìn)入(見 Merton[34]，Maheu和McCurdy[35])。首先，本文引入具有“固定的完備概率空間”(Fixed complete probability space)(Ω，F(xiàn)t, P)的一維資產(chǎn)收益過程，其中Ft是一個(gè)右連續(xù)的信息域。本文將金融資產(chǎn)的連續(xù)復(fù)利收益表示為dlog S(t)，其中S(t)為在t時(shí)資產(chǎn)價(jià)格。當(dāng)市場(chǎng)未受到超預(yù)期信息沖擊，市場(chǎng)價(jià)格保持相對(duì)平穩(wěn)，即未發(fā)生跳躍時(shí)，S(t)可以表示為：

dlogS(t)=μ(t)dt+σ(t)dW(t)

(1)

其中：W(t)為自適應(yīng)信息域Ft的標(biāo)準(zhǔn)布朗運(yùn)動(dòng)；μ(t)為信息域Ft的漂移項(xiàng)；σ(t)為信息域Ft的擴(kuò)散項(xiàng)。當(dāng)超預(yù)期信息進(jìn)入市場(chǎng)并導(dǎo)致股票價(jià)格異常波動(dòng)，即市場(chǎng)產(chǎn)生跳躍時(shí)，S(t)可以表示為：

dlogS(t)=μ(t)dt+σ(t)dW(t)+Y(t)dJ(t)

(2)

2.2 LM非參數(shù)跳躍檢測(cè)定義

在介紹本文采用的LM非參數(shù)跳躍檢測(cè)的方法之前，首先引入瞬時(shí)波動(dòng)率(Instantaneous Volatility)的概念。假定本文在ti時(shí)刻進(jìn)行單獨(dú)的跳躍檢測(cè)，而在ti時(shí)刻的前后本文并不知道是否有跳。在股市中本文常觀測(cè)到兩種情況，一種是市場(chǎng)在某一時(shí)刻真實(shí)發(fā)生跳躍，此時(shí)資產(chǎn)收益率高于往常，而且那一時(shí)點(diǎn)的波動(dòng)率同樣較高；另一種情況是市場(chǎng)并沒有發(fā)生跳躍，而這一時(shí)點(diǎn)不僅波動(dòng)率高，以離散觀測(cè)值得到的資產(chǎn)收益率同樣很高。為了鑒別上述兩種情況，本文需要使用某種措施將收益率標(biāo)準(zhǔn)化，而這一措施就是能夠解釋連續(xù)價(jià)格過程中局部變化的瞬時(shí)波動(dòng)率，在本文中用σ(ti)表示。實(shí)際上，使用瞬時(shí)波動(dòng)率對(duì)收益率標(biāo)準(zhǔn)化是LM非參數(shù)跳躍檢驗(yàn)的主要思想。

對(duì)于如何估計(jì)瞬時(shí)波動(dòng)率，一種廣泛使用的非參數(shù)估計(jì)值為“已實(shí)現(xiàn)的二次變差”(Realized quadratic variation)，即對(duì)數(shù)收益率的平方和：

(3)

在檢測(cè)實(shí)踐之前，通過上述方法并使用高頻收益率可以得到一個(gè)波動(dòng)率的估計(jì)值。然而，這一估計(jì)值卻與跳躍存在情況下所得波動(dòng)估計(jì)值存在較大出入。因此，本文通過“已實(shí)現(xiàn)的雙冪次變差”(Realized bipower variation)進(jìn)行一些微小修改，將瞬時(shí)波動(dòng)率定義為股價(jià)連貫的對(duì)數(shù)收益率絕對(duì)值聯(lián)乘和：

(4)

這一改變，使得股價(jià)收益過程中無論出現(xiàn)大跳、小跳抑或無跳，都能夠確保波動(dòng)率的估計(jì)值保持一致。LM方法中包含這一估計(jì)值，使得跳躍檢測(cè)過程與跳躍是否存在相互獨(dú)立，增加了檢測(cè)的準(zhǔn)確度。即使在一個(gè)市場(chǎng)環(huán)境極度不穩(wěn)定跳躍難以檢測(cè)的情況下，只要使用高頻觀測(cè)值，本文甚至可以準(zhǔn)確鑒別出稀有的泊松跳。至此，結(jié)合瞬時(shí)波動(dòng)率，本文給出LM跳躍檢測(cè)統(tǒng)計(jì)量的表達(dá)式：

定義1：檢測(cè)統(tǒng)計(jì)量L(i)，表示在ti時(shí)檢測(cè)(ti-1，ti)時(shí)間區(qū)間內(nèi)是否存在跳躍，其數(shù)學(xué)表達(dá)式如下：

(5)

(6)

上式中，K為移動(dòng)考察窗口大小。本文使用已實(shí)現(xiàn)的雙冪次變差得到瞬時(shí)波動(dòng)率并將其作為檢測(cè)統(tǒng)計(jì)量的分母，這可以有效提高跳躍檢測(cè)敏感度。對(duì)于K的設(shè)定標(biāo)準(zhǔn)，則主要依據(jù)能否消除跳躍對(duì)波動(dòng)率估計(jì)值的不利影響，后文將對(duì)K的選擇詳細(xì)說明。

可以看出，本文在上一結(jié)果中忽略了漂移項(xiàng)。實(shí)際上，如果在分析中使用高頻數(shù)據(jù)，那么漂移項(xiàng)相對(duì)于擴(kuò)散項(xiàng)及“跳”在數(shù)學(xué)上是可以忽略的。此外，漂移項(xiàng)估計(jì)值有較高的標(biāo)準(zhǔn)誤差，若將其包含在波動(dòng)率的估計(jì)中將會(huì)導(dǎo)致波動(dòng)率估計(jì)值準(zhǔn)確度的下降，因此本文在此使用一個(gè)較為簡(jiǎn)單的不包含漂移項(xiàng)的模型，即μ=0。

2.3ti時(shí)刻無跳躍發(fā)生時(shí)，L(i)的漸進(jìn)分布

當(dāng)ti時(shí)刻無跳躍發(fā)生時(shí)，可以通過推導(dǎo)得出檢測(cè)統(tǒng)計(jì)量L(i)的漸進(jìn)分布，如定理1所示：

(7)

(8)

2.4ti時(shí)刻發(fā)生跳躍時(shí)，L(i)的變化

當(dāng)ti時(shí)刻發(fā)生跳躍時(shí)，資產(chǎn)收益過程如等式(2)所示，定理2表明當(dāng)抽樣間隔Δt→0時(shí)，檢測(cè)統(tǒng)計(jì)量L(i)將趨近于無窮大以至于本文可以在ti時(shí)檢測(cè)到跳躍的發(fā)生。

定理2：令L(i)如定義1所示，窗口大小K=Op(Δtα)，其中-1<α<-0.5。假定資產(chǎn)價(jià)格過程服從(2)且滿足“假設(shè)1”所述。假定在任一時(shí)點(diǎn)τ∈(ti-1，ti]發(fā)生跳躍。那么：

(9)

其中，Y(τ)代表在τ時(shí)點(diǎn)真實(shí)跳躍的大小，其他字符含義同定理1。由上式可以發(fā)現(xiàn)，當(dāng)Δt→0時(shí)，L(i)→∞。但若在任意時(shí)刻τ∈(ti-1，ti]沒有發(fā)生跳躍，L(i)則服從定理1中描述。(具體證明這里省略)

接下來，本文討論窗口大小K的選擇問題。上文中提及，使用二次變差方法是為了保持瞬時(shí)波動(dòng)率估計(jì)值的一致性。為了保留這一效果，K應(yīng)盡可能的大，但它也應(yīng)該小于本文的觀測(cè)值個(gè)數(shù)n。為滿足上述要求，K=Op(Δtα)，-1<α<-0.5，因此抽樣頻率Δt的大小決定著K的數(shù)值。

2.5 拒絕域的選擇

根據(jù)定理1及定理2的描述，檢測(cè)統(tǒng)計(jì)量L(i)根據(jù)是否存在跳躍會(huì)呈現(xiàn)出完全不同的極限特征。當(dāng)沒有跳躍時(shí)，統(tǒng)計(jì)量近似服從正態(tài)分布；發(fā)生跳躍時(shí)，統(tǒng)計(jì)量趨近于正無窮。為了設(shè)定一個(gè)合理的拒絕域，本文應(yīng)明確當(dāng)沒有跳躍時(shí)，L(i)最大會(huì)有多大。因此本文應(yīng)首先研究在任意時(shí)間(ti-1，ti]不發(fā)生跳躍，檢測(cè)統(tǒng)計(jì)量L(i)近似分布的最大極限。這樣的一個(gè)極限分布能幫助本文選定合理臨界值以鑒別跳躍是否存在。最大極限分布如引理1所示：

(10)

(11)

n為觀測(cè)值數(shù)量。(具體證明這里省略)

簡(jiǎn)而言之，選取拒絕域的主要思想為，如果本文所觀測(cè)到的某一時(shí)刻檢驗(yàn)統(tǒng)計(jì)量沒有出現(xiàn)在最大極限范圍內(nèi)，那么這一時(shí)刻的收益率就不應(yīng)來自于股價(jià)連續(xù)的擴(kuò)散模型，即這一時(shí)刻發(fā)生了跳躍。當(dāng)顯著性水平為1%時(shí)，(|L(i)|-Cn)/Sn的極限值為β*，即P(ξ≤β*)=exp(-e-β*)=0.99，那么β*=-log(-log(0.99))=4.6001。因此，當(dāng)[|L(i)|-Cn]/Sn>4.6001時(shí)，本文可以拒絕ti時(shí)刻不存在跳的原假設(shè)。根據(jù)耿貝爾分布(Gumbel Distribution)，1%的顯著性水平所對(duì)應(yīng)的極限值是檢測(cè)跳躍統(tǒng)計(jì)量的極限分布最大值。而且使用較為保守的顯著性水平，能夠有效排除“偽跳”的影響。

2.6 誤判問題

誤判問題是大部分跳躍檢測(cè)都難以避免的問題之一。在這一部分，對(duì)于四種不同類型的誤判(Misclassification)，本文可以證明當(dāng)使用高頻觀測(cè)值時(shí)，采用LM跳躍檢測(cè)法發(fā)生誤判的概率相對(duì)較低。對(duì)于單一時(shí)刻ti，存在兩種誤判。其一是在(ti-1，ti]內(nèi)存在跳躍，但本文沒有將其檢測(cè)出來，這種誤判本文稱之為ti時(shí)刻的FTDi(Failure to detect actual jump)；第二種誤判是在(ti-1，ti]本沒有跳，但本文錯(cuò)誤的認(rèn)為存在跳，這種誤判本文稱之為ti時(shí)刻的SDi(Spurious detection of jump)。一般情況下，本文經(jīng)常以時(shí)間序列數(shù)據(jù)重復(fù)上述檢測(cè)若干次，因此上述概念很容易擴(kuò)展到全部樣本情況下。即若在整個(gè)時(shí)間軸[0，T]內(nèi)，沒有檢測(cè)出任何一個(gè)跳躍時(shí)，本文稱之為GFTD(Global failure to detect actual jump)。若在整個(gè)時(shí)間軸[0，T]內(nèi)，某些過高的收益率并非源于跳躍的出現(xiàn)，而本文的程序錯(cuò)誤認(rèn)為任何一個(gè)高收益都源于跳躍時(shí)，這種誤判稱為GSD (Global spurious detection of jump)?？梢詮臄?shù)學(xué)上證明，無論是條件還是非條件的GFTD概率都趨近于0。GSD的條件概率迅速趨近于0。表明本文可以準(zhǔn)確的分辨真跳及偽跳，這樣使用本文的非參方法就可以得到準(zhǔn)確的跳躍強(qiáng)度估計(jì)值。

(具體證明這里省略)

至此，本文已經(jīng)從股票價(jià)格跳躍的理論基礎(chǔ)、不同的非參數(shù)跳躍檢驗(yàn)方法比較、LM檢測(cè)統(tǒng)計(jì)量的數(shù)學(xué)定義、無跳時(shí)統(tǒng)計(jì)量的漸進(jìn)分布、存在跳躍時(shí)統(tǒng)計(jì)量的極限分布及跳躍誤判等六個(gè)方面系統(tǒng)的闡述了LM跳躍的檢測(cè)原理及方法，具備了進(jìn)行后續(xù)研究的理論依據(jù)。接下來，本文以該方法所檢測(cè)到的跳躍作為媒介，在股價(jià)的異常波動(dòng)及證券市場(chǎng)信息披露間建立聯(lián)系，衡量市場(chǎng)信息的有效性及相對(duì)影響力度。

3 實(shí)證研究

3.1 數(shù)據(jù)來源與處理

本文研究所需主要數(shù)據(jù)包括樣本公司數(shù)據(jù)、股票價(jià)格交易數(shù)據(jù)及證券市場(chǎng)信息數(shù)據(jù)。對(duì)于樣本公司的選擇，本文以2012年1月4日至2013年12月31日之間的共481個(gè)交易日作為樣本期間，以樣本期間上交所發(fā)布的“上證180”成分股為基礎(chǔ)，排除樣本期間成分股調(diào)整、股票停盤5日以上以及無分析師建議、財(cái)務(wù)報(bào)告或經(jīng)營公告中任意信息披露的樣本股，最終將樣本公司數(shù)確定為54家，詳細(xì)目錄這里省略，需要可以和作者索取。

對(duì)于股價(jià)交易數(shù)據(jù)，本文采用15分鐘高頻數(shù)據(jù)。文本股價(jià)交易數(shù)據(jù)來自于Wind資訊金融數(shù)據(jù)庫，并且為了排除股票配股、增發(fā)、分紅等對(duì)股價(jià)的影響，本文將全部價(jià)格數(shù)據(jù)進(jìn)行向后復(fù)權(quán)處理。選擇15分鐘作為抽樣頻率及后文信息考察窗口主要出于以下兩個(gè)方面的權(quán)衡，首先，若使用較低頻率數(shù)據(jù)(如每日交易數(shù)據(jù))，根據(jù)本文LM跳躍檢測(cè)方法，極易發(fā)生誤判而影響檢測(cè)結(jié)果；而且根據(jù)前文證明及Lee[37]的蒙特卡洛模擬，15分鐘高頻數(shù)據(jù)足以使發(fā)生誤判的可能性忽略不計(jì)；另外，雖然使用更高頻率的數(shù)據(jù)能夠得較為理想的實(shí)證結(jié)果，但過高的抽樣頻率會(huì)使得大部分中小盤股票因不頻繁交易而導(dǎo)致價(jià)格波動(dòng)不穩(wěn)定進(jìn)而被排除在樣本股之外；此外，過高的抽樣頻率必須考慮市場(chǎng)微觀結(jié)構(gòu)噪聲的影響，即因現(xiàn)實(shí)的金融市場(chǎng)不滿足有效市場(chǎng)的假設(shè)，因買賣報(bào)價(jià)差、不同步交易、流動(dòng)性效應(yīng)等因素，使得資產(chǎn)觀測(cè)到的價(jià)格偏離其有效價(jià)格，二者之差構(gòu)成市場(chǎng)微觀結(jié)構(gòu)噪聲。在使用低頻數(shù)據(jù)時(shí)，噪聲對(duì)價(jià)格波動(dòng)的影響可忽略不計(jì)，但在高頻數(shù)據(jù)研究中，其影響不容忽視。當(dāng)抽樣頻率增加時(shí)，由噪聲引起的市場(chǎng)微觀結(jié)構(gòu)誤差也會(huì)隨之加大，進(jìn)而引起日內(nèi)收益率自相關(guān)現(xiàn)象，并最終導(dǎo)致“已實(shí)現(xiàn)波動(dòng)率”不再是無偏估計(jì)量。共采集54支股票481個(gè)交易日的情況，每個(gè)交易日有16個(gè)股價(jià)，共415584個(gè)價(jià)格數(shù)據(jù)。

對(duì)于證券市場(chǎng)信息數(shù)據(jù)，分析師建議、財(cái)務(wù)報(bào)告及經(jīng)營公告全部來源于Wind資訊金融數(shù)據(jù)庫，并以數(shù)據(jù)庫統(tǒng)計(jì)的信息披露時(shí)間作為此信息的初次發(fā)布時(shí)間；此外，當(dāng)一只股票在同一天中獲得多家券商的股評(píng)時(shí)，本文僅選用當(dāng)天最早發(fā)布的分析師建議。共采集4880個(gè)樣本信息，其中分析師建議2047個(gè)，經(jīng)營信息2224個(gè)，財(cái)務(wù)信息609個(gè)。公司公告首先披露于上交所網(wǎng)站(網(wǎng)站上僅有披露日期，無具體時(shí)間)及深交所網(wǎng)站(網(wǎng)站上有披露日期，但僅有最新一天的具體時(shí)間)，wind數(shù)據(jù)庫隨后轉(zhuǎn)載。根據(jù)wind客服介紹，如果是開盤期間，公告會(huì)即時(shí)更新，另外本文作者也隨機(jī)抽查了一些公告，延遲時(shí)間均在3分鐘以內(nèi)。因此，數(shù)據(jù)對(duì)本文采用15分鐘的頻率做法影響很小。

3.2 跳躍檢驗(yàn)及統(tǒng)計(jì)性描述

由于本文使用15分鐘數(shù)據(jù)，根據(jù)前文所述，為保證使用二次變差方法時(shí)瞬時(shí)波動(dòng)率估計(jì)值的一致性效果，滾動(dòng)窗口長度K設(shè)為156。同時(shí)，由于數(shù)據(jù)獲取的原因，本文將前一交易日收盤至下一交易日開盤后9:45的時(shí)間段劃分為一個(gè)“夜間—開盤”窗口(期間包含非交易日的情況)，將每個(gè)交易日午間11:30至13:15劃分為一個(gè)“午間”窗口，而這一交易日的剩余交易時(shí)間(上午9：45至11:30、下午1:15至3:00)根據(jù)15分鐘的間隔劃分為14個(gè)小窗口。這樣，一只樣本股票在一個(gè)完整的交易日將會(huì)有16個(gè)小窗口，樣本期間內(nèi)共有7697(16*481)個(gè)小窗口。

根據(jù)前述方法，在檢測(cè)ti時(shí)刻是否有跳時(shí)，首先使用ti-154時(shí)刻至ti-1時(shí)刻的前155個(gè)小窗口的對(duì)數(shù)收益率數(shù)據(jù)，通過二次變差方法得到瞬時(shí)波動(dòng)率σ(ti)的估計(jì)值，再用此估計(jì)值對(duì)ti時(shí)刻(第156個(gè)小窗口)的對(duì)數(shù)收益率進(jìn)行調(diào)整，進(jìn)而得到跳躍檢測(cè)統(tǒng)計(jì)量L(i)。為有效地排除偽跳躍影響，除使用高頻數(shù)據(jù)外，本文還使用較為保守的顯著性水平1%并根據(jù)L(i)的累積分布函數(shù)確定假設(shè)檢驗(yàn)的臨界值4.6001。因此，當(dāng)Δt→0時(shí)，若L(i)的標(biāo)準(zhǔn)化極限值大于4.6001，本文拒絕在ti時(shí)刻無跳躍發(fā)生的原假設(shè)，認(rèn)為這時(shí)發(fā)生跳躍。

當(dāng)本文在ti檢測(cè)到跳躍的存在時(shí)，引入一個(gè)新的變量——跳躍指示變量λ(i)并令其等于1；反之當(dāng)本文沒有檢測(cè)到跳躍發(fā)生時(shí)，令其為0。本文使用跳躍指示變量來代表信息事件對(duì)股價(jià)產(chǎn)生正向或負(fù)向的異常波動(dòng)，因?yàn)楸疚母鼈?cè)重信息事件能否對(duì)股價(jià)產(chǎn)生顯著影響，并不關(guān)注信息的內(nèi)容對(duì)股價(jià)產(chǎn)生何種影響。

接下來，本文對(duì)全部樣本股票應(yīng)用LM跳躍檢測(cè)法，由于篇幅所限，單支股票跳躍個(gè)數(shù)統(tǒng)計(jì)結(jié)果這里省略。表1為基于15分鐘抽樣頻率數(shù)據(jù)得到的跳躍統(tǒng)計(jì)性描述。

表1 跳躍的統(tǒng)計(jì)性描述

首先，在跳躍頻率方面，本文在24個(gè)月481個(gè)交易日中共檢測(cè)到1899個(gè)跳躍，平均每家公司每年發(fā)生17.58個(gè)跳躍，跳躍數(shù)量相對(duì)于每家公司7697個(gè)15分鐘收益觀測(cè)值來說，數(shù)量極其稀少。其次，在跳躍幅度方面， 15分鐘跳躍的絕對(duì)收益率為3.40%，而發(fā)生跳躍一小時(shí)之前與一小時(shí)之后的絕對(duì)收益率各為0.33%和0.42%，這說明跳躍發(fā)生時(shí)間點(diǎn)的前后沒有發(fā)生收益率的反向波動(dòng)，即股票價(jià)格發(fā)生較為持久的大幅波動(dòng)。最后，在跳躍時(shí)段方面，開盤期間發(fā)生跳躍1048個(gè)，占比55.19%，這與大量信息在夜間或開盤前的清晨披露不無相關(guān)。

3.3 跳躍的單變量統(tǒng)計(jì)分析

在這一部分的研究中，本文將跳躍與證券市場(chǎng)信息相結(jié)合，通過一些統(tǒng)計(jì)性分析，概括性地了解市場(chǎng)信息與跳躍的關(guān)聯(lián)程度，即信息披露對(duì)股價(jià)波動(dòng)的影響。首先，本文引入樣本信息并對(duì)其構(gòu)成進(jìn)行簡(jiǎn)單的描述。在24個(gè)月的樣本期間內(nèi)，根據(jù)Wind資訊金融數(shù)據(jù)庫，本文共采集4880個(gè)樣本信息，其中分析師建議2047個(gè)，占樣本信息總數(shù)的41.94%；經(jīng)營信息2224個(gè)，占樣本總數(shù)45.57%；財(cái)務(wù)信息609個(gè)，占樣本總數(shù)12.47%。在全部分析師建議樣本中，增持評(píng)級(jí)1927個(gè)，減持評(píng)級(jí)120個(gè)，前者約為后者的16倍，這一倍數(shù)關(guān)系不僅絕非偶然，甚至與國內(nèi)學(xué)者對(duì)分析師建議的統(tǒng)計(jì)描述基本一致。這一現(xiàn)象主要是“由于分析師具有一定的“羊群效應(yīng)”，其在做分析的時(shí)候會(huì)參考同行的意見并對(duì)同支股票加以關(guān)注，進(jìn)而導(dǎo)致此類信息有些泛濫，本文為避免此種因素影響，在樣本選取時(shí)僅考慮同支股票當(dāng)天最先發(fā)布的分析師股評(píng)，略后發(fā)布的股評(píng)予以排除；而更深層次的原因則是證券分析師出于權(quán)衡各方利益的考慮，如當(dāng)投資者因大盤走勢(shì)的下滑而恐懼股市減少交易時(shí)，證券分析師為了刺激交易增加傭金收入、促銷所在券商承銷的股票，會(huì)更傾向與給出增持評(píng)級(jí)。即使股市環(huán)境極其嚴(yán)峻時(shí)，他們也會(huì)更傾向于給予中性評(píng)級(jí)，而非減持評(píng)級(jí)”對(duì)于經(jīng)營公告占據(jù)全部樣本的近50%，與經(jīng)營公告包含較多的信息種類相關(guān)，在本文研究中，共收納了包括資金投向、資產(chǎn)重組、收購兼并、重大合同、關(guān)聯(lián)交易、借貸擔(dān)保及人事變動(dòng)等在內(nèi)的7種信息；而樣本期間內(nèi)54家公司僅有609個(gè)財(cái)務(wù)信息，則是由于樣本期間僅有上市公司季報(bào)、中報(bào)、年報(bào)、少量業(yè)績報(bào)告及相關(guān)補(bǔ)充更正發(fā)布。

在掌握樣本信息的基本情況后，本文便可以考察信息披露與股價(jià)跳躍的相關(guān)性。在這一分析過程中，時(shí)間窗口的選擇會(huì)較大程度影響實(shí)證效果。梳理國內(nèi)外文獻(xiàn)，發(fā)現(xiàn)大部分研究，如：Wocmack[1]及Ivkovic和Jegadeesh[38]均以發(fā)生跳躍的(-1，+1)天作為考察區(qū)間。但為避免納入與本研究無關(guān)事件信息，并準(zhǔn)確捕捉信息披露對(duì)股價(jià)波動(dòng)的作用效果，本文以日內(nèi)15分鐘高頻數(shù)據(jù)為基礎(chǔ)，對(duì)應(yīng)的考察在跳躍發(fā)生的(ti-1，ti)的同一時(shí)間窗口內(nèi)是否存在信息披露。由于本文考察的信息范圍僅包括上市公司經(jīng)營公告、財(cái)務(wù)報(bào)告及分析師建議等基本面信息，缺乏對(duì)國家宏觀經(jīng)濟(jì)環(huán)境、行業(yè)走勢(shì)及政策趨勢(shì)等方面的考察，因此在用LM檢測(cè)法檢測(cè)出的全部1899個(gè)跳躍中，僅有361個(gè)跳躍與信息披露相關(guān)，占全部跳躍的18%。此處所述的跳躍與信息相關(guān)包含跳躍與一種信息對(duì)應(yīng)相關(guān)，與兩種信息及三種信息同時(shí)相關(guān)的情況。

表2統(tǒng)計(jì)了同一時(shí)間窗口下，跳躍與信息的相關(guān)性。雖然分析師建議分為“增持評(píng)級(jí)”和“減持評(píng)級(jí)”，但本文并未發(fā)現(xiàn)“減持評(píng)級(jí)”導(dǎo)致了跳躍的發(fā)生，因此在后續(xù)的研究中將“增持評(píng)級(jí)”和“減持評(píng)級(jí)”統(tǒng)一歸為分析師建議。

表2 與不同信息相關(guān)的跳躍個(gè)數(shù)

括號(hào)內(nèi)數(shù)字為與某種信息披露相關(guān)的跳躍的概率(跳躍概率=該種信息相關(guān)的跳躍/該種信息披露數(shù)量)

在表2中，本文統(tǒng)計(jì)了市場(chǎng)信息披露之后，在考察窗口內(nèi)出現(xiàn)跳躍的可能性：全部361個(gè)與信息相關(guān)的跳躍中，166個(gè)跳躍與分析師建議相關(guān)，220個(gè)跳躍與經(jīng)營公告相關(guān)，87個(gè)跳躍與財(cái)務(wù)信息相關(guān)。根據(jù)本文的直觀判斷，僅有不到10%的分析師建議及經(jīng)營公告能夠解釋跳躍的出現(xiàn)，而存在近15%的財(cái)務(wù)信息披露會(huì)引起股價(jià)的異常波動(dòng)，那么財(cái)務(wù)信息就是最具影響力的信息類別嗎？

表2的分析或許使本文對(duì)每種信息事件對(duì)股市的影響有了一個(gè)基本的了解，但表上的數(shù)字并未考慮到某一時(shí)間窗口有兩種或兩種以上的信息同時(shí)發(fā)布的情況，進(jìn)而使本文無法推測(cè)出單一信息事件對(duì)股市的相對(duì)影響力度。事實(shí)上，一方面由于90%以上的經(jīng)營公告和財(cái)務(wù)報(bào)告都是在收盤之后發(fā)布的，而多數(shù)分析師傾向于在第二天開盤之前發(fā)布對(duì)公司經(jīng)營財(cái)務(wù)信息的相關(guān)解讀；而另一方面本文依據(jù)15分鐘的間隔將交易時(shí)間劃分為15個(gè)小窗口，而將前一天的收盤至第二天的開盤后15分鐘劃為第16個(gè)小窗口，因此，在這一隔夜窗口中，存在大量兩種信息或是三種信息同時(shí)發(fā)布的情況。

表3 與重合信息相關(guān)的跳躍統(tǒng)計(jì)

由表3可知，與重合信息相關(guān)的跳躍共86個(gè)，其中與兩種信息相關(guān)的跳躍60個(gè)，與三種信息同時(shí)相關(guān)的跳躍26個(gè)。在經(jīng)營公告及財(cái)務(wù)報(bào)告披露后，存在較為顯著的分析師建議發(fā)布的情況。上述統(tǒng)計(jì)信息對(duì)本文的實(shí)證結(jié)果有重要影響，為了確定每種信息時(shí)間的獨(dú)立影響力度，本文依據(jù)表3將與重合信息相關(guān)的跳躍從表2中移除，并得到表4。

表4 與不同信息相關(guān)的跳躍個(gè)數(shù)(排除與重合信息相關(guān)的跳躍)

括號(hào)內(nèi)數(shù)字為與某種信息披露相關(guān)的跳躍的概率(跳躍概率=該種信息相關(guān)的跳躍/該種信息披露數(shù)量)

通過觀察本文可以發(fā)現(xiàn)，在排除與重合信息相關(guān)的跳躍后，與分析師建議相關(guān)的跳躍個(gè)數(shù)由表2中的166下降到93個(gè)，與經(jīng)營公告相關(guān)的跳躍個(gè)數(shù)由表2中的220個(gè)銳減至155個(gè)，與財(cái)務(wù)報(bào)告相關(guān)的跳躍所剩無幾，且其跳躍概率從14.29%大幅下降至4.43%。表4的結(jié)果表明，重合信息的存在對(duì)財(cái)務(wù)報(bào)告有效性有著異常顯著的影響并對(duì)表2的直觀結(jié)論提出質(zhì)疑。

基于此，本文很難僅僅通過信息事件所引起跳躍的單變量統(tǒng)計(jì)分析來判斷某一種信息的相對(duì)影響。以分析師建議為例，如果本文僅考慮表2的結(jié)果，即將與重合信息相關(guān)的跳躍包含在內(nèi)，本文有可能夸大分析師建議的影響，因?yàn)檫@一跳躍有可能是同一時(shí)間窗口內(nèi)發(fā)布的其他信息引起的；而如果本文僅考慮表4的結(jié)果，即將與重合信息相關(guān)的跳躍全部排除，本文又有可能低估分析師建議的影響，因?yàn)槟莻€(gè)與重合信息相關(guān)的跳躍有可能確實(shí)是股評(píng)所引發(fā)的。接下來，本文將與重合信息相關(guān)的跳躍考慮在內(nèi)，采用多元Logistic回歸模型來準(zhǔn)確測(cè)定單一信息事件對(duì)股市的影響情況。

3.4 基于面板數(shù)據(jù)的多元Logistic回歸分析

在這一部分，本文使用多元Logistic回歸方法鑒別經(jīng)營公告、財(cái)務(wù)報(bào)告及分析師建議三種市場(chǎng)信息對(duì)股市的相對(duì)影響力度。使用多元Logistic回歸方法主要是出于以下兩個(gè)原因的考慮：首先如前文所述，本文使用股價(jià)波動(dòng)產(chǎn)生的跳躍作為信息事件的表現(xiàn)形式，因此本文將被解釋變量設(shè)為虛擬變量(即上文提及的跳躍指示變量λ(i)，在ti時(shí)若有跳，令其為1；若無跳，令其為0)，在這樣的情況下標(biāo)準(zhǔn)的多元線性回歸無法準(zhǔn)確的表示不同自變量與因變量之間的線性關(guān)系，因此本文轉(zhuǎn)為使用多元Logistic回歸。其次，通過上一部分的單變量統(tǒng)計(jì)分析本文知道，在同一時(shí)間發(fā)布的重合信息嚴(yán)重地影響了實(shí)證結(jié)果，而使用多元Logistic回歸更大的優(yōu)點(diǎn)，是既將重合信息考慮在內(nèi)，又有效地克服重合信息的影響，進(jìn)而測(cè)定三種不同信息事件的效果。

本文所使用的多元Logistic回歸具體模型如下：

(12)

上式中，λj(i)為被解釋變量，代表j公司在(ti-1，ti)時(shí)段內(nèi)發(fā)生跳躍的概率；α為截距項(xiàng)，θ為本文的待估系數(shù)，代表當(dāng)某種信息出現(xiàn)時(shí)，股市出現(xiàn)跳躍的概率增加值；Xj(i)為解釋變量，代表j公司在相應(yīng)考察窗口內(nèi)所發(fā)生的全部信息事件，它同樣由多個(gè)信息指示變量構(gòu)成：Xj(i)=[Xj,1(i)，Xj,2(i)，…，Xj,M(i)]。由表達(dá)式可知，Xj(i)為1*M的行向量，其中M為信息的種類數(shù)；中括號(hào)內(nèi)的Xj,1(i)代表j公司在(ti-1，ti)時(shí)段內(nèi)是否有“第1種”信息披露，若有則此指示變量為1(否則為0)。在這一回歸模型中，由于本文使用面板數(shù)據(jù)對(duì)樣本期間內(nèi)的全部樣本公司同時(shí)進(jìn)行回歸，因此每一個(gè)公司j的解釋變量可以表示為一個(gè)包含樣本期間全部時(shí)點(diǎn)Xj(i)，i=(1,…,n)(n為樣本觀測(cè)值個(gè)數(shù))的大矩陣Xj：

本文在分析過程共創(chuàng)建三個(gè)模型，“模型一”僅包含分析師建議、經(jīng)營報(bào)告及財(cái)務(wù)公告三種信息，考察三種信息之間相對(duì)重要性；“模型二”中添加一個(gè)“系統(tǒng)性事件”的解釋變量，探究股市政策及宏觀事件對(duì)個(gè)股跳躍及證券市場(chǎng)信息的影響；“模型三”中添加 “行業(yè)事件”的解釋變量，研究行業(yè)信息或事件對(duì)個(gè)股跳躍及證券市場(chǎng)信息的影響。表5 是“模型一”回歸結(jié)果，Logistic回歸的觀測(cè)值個(gè)數(shù)為407160，因變量為0觀測(cè)值個(gè)數(shù)405261，因變量為1觀測(cè)值個(gè)數(shù)為1899。Logistic回歸的觀測(cè)值個(gè)數(shù)(407160)少于價(jià)格數(shù)據(jù)(415584)，是因?yàn)榕袛嗍欠翊嬖谔鴷r(shí)，每只股票的前156個(gè)價(jià)格數(shù)據(jù)會(huì)為計(jì)算瞬時(shí)波動(dòng)率而損失，54支股票共損失8324個(gè)數(shù)。

表5 分析師建議、經(jīng)營報(bào)告及財(cái)務(wù)公告與跳躍的回歸結(jié)果

表6 分析師建議、經(jīng)營報(bào)告、財(cái)務(wù)公告及系統(tǒng)性事件與跳躍的回歸結(jié)果

上表中X1、X2、X3含義同表5，X4代表“系統(tǒng)性事件”。在添加新的解釋變量后，本文不僅發(fā)現(xiàn)“系統(tǒng)性事件”的系數(shù)為正并顯著，能夠影響跳躍出現(xiàn)的概率；而且該解釋變量的系數(shù)超越經(jīng)營公告的作用效果，成為引起股市波動(dòng)最為重要的因素之一。由表6可知，“系統(tǒng)性事件”的系數(shù)高達(dá)4.91，這意味著當(dāng)存在市場(chǎng)層面信息披露時(shí)，觀測(cè)到跳躍的概率擴(kuò)大95.21倍。而對(duì)于分析師建議、經(jīng)營公告及財(cái)務(wù)報(bào)告這三個(gè)解釋變量而言，雖然其影響系數(shù)出現(xiàn)了輕微幅度的增加，但并未改變這三種信息對(duì)個(gè)股跳躍影響程度的排序，經(jīng)營公告仍是最具影響力的信息披露渠道，分析師建議次之，財(cái)務(wù)信息則排位最后。

同樣，本文可以對(duì)比添加“系統(tǒng)性事件”變量后，跳躍的相關(guān)統(tǒng)計(jì)性描述。首先，單變量統(tǒng)計(jì)時(shí)本文曾得到，當(dāng)不含“系統(tǒng)性事件”時(shí)，與本文信息相關(guān)的跳躍個(gè)數(shù)共361個(gè)；當(dāng)本文將市場(chǎng)信息包含在內(nèi)時(shí)，與信息相關(guān)的跳躍個(gè)數(shù)躍升為741個(gè)。

實(shí)際上，除個(gè)股層面的相關(guān)信息和系統(tǒng)性事件外，還存在如行業(yè)或板塊等信息和事件，它們既可能影響相關(guān)個(gè)股波動(dòng)，但又不至于引發(fā)系統(tǒng)性事件。為進(jìn)一步探究“行業(yè)事件”對(duì)個(gè)股波動(dòng)的影響，本文在“模型一”的基礎(chǔ)上創(chuàng)建“模型三”，因“系統(tǒng)性事件”和“行業(yè)事件”相關(guān)系數(shù)較高，為避免解釋變量多重共線性，“模型三”中僅添加“行業(yè)事件”。即添加“行業(yè)事件”解釋變量。根據(jù)WIND行業(yè)分類，文本將研究對(duì)象54支股票劃分為包括銀行、證券、保險(xiǎn)、房地產(chǎn)、建筑、金屬在內(nèi)的共21個(gè)行業(yè)，并以各個(gè)行業(yè)指數(shù)所發(fā)生的跳躍代表“行業(yè)事件”的發(fā)生。同樣，文本以15分鐘頻率的行業(yè)指數(shù)進(jìn)行跳躍檢測(cè)，當(dāng)發(fā)生跳躍時(shí)，令“行業(yè)事件”指示變量賦值為1，否則為0。由于在2012年01月04日9:45 至2013年12月30日15:00， WIND高頻數(shù)據(jù)庫行業(yè)指數(shù)高頻數(shù)據(jù)不全，因此，本部分研究采用的15min行業(yè)指數(shù)高頻數(shù)據(jù)來源為東方財(cái)富Choice資訊中的高頻數(shù)據(jù)。表7為添加行業(yè)變量后模型回歸結(jié)果，Logistic回歸的觀測(cè)值個(gè)數(shù)為406295，因變量為0觀測(cè)值個(gè)數(shù)404402，因變量為1觀測(cè)值個(gè)數(shù)為1893。

表7 分析師建議、經(jīng)營報(bào)告、財(cái)務(wù)公告及行業(yè)事件與跳躍的回歸結(jié)果

上表中X1、X2、X3含義同表5，X5代表“行業(yè)事件”。對(duì)比表6與表7，“行業(yè)事件”的系數(shù)5.31超過表7中 “系統(tǒng)性事件”的系數(shù)4.91，對(duì)個(gè)股波動(dòng)的影響進(jìn)一步擴(kuò)大。當(dāng)“行業(yè)事件”發(fā)生時(shí)，發(fā)生跳躍的概率擴(kuò)大132.18倍。而對(duì)于分析師建議、經(jīng)營公告及財(cái)務(wù)報(bào)告這三個(gè)解釋變量而言，影響系數(shù)輕微波動(dòng)，但并未改變這三種信息對(duì)個(gè)股跳躍影響程度的排序，經(jīng)營公告仍是最具影響力的信息披露渠道，分析師建議次之，財(cái)務(wù)信息則排位最后。

實(shí)際上，以上關(guān)于“系統(tǒng)性事件”和“行業(yè)事件”回歸結(jié)果，都是對(duì)我國股市的真實(shí)寫照。由于我國股市成立至今不過20余年，法律體系健全度、市場(chǎng)監(jiān)管有效性、投資者結(jié)構(gòu)和成熟度、信息傳導(dǎo)機(jī)制等方面尚不健全。一方面，政府希望通過相關(guān)宏觀、行業(yè)政策及法規(guī)的出臺(tái)規(guī)范股市行為，并協(xié)調(diào)與經(jīng)濟(jì)發(fā)展的關(guān)系，因此政府總是不斷根據(jù)宏觀經(jīng)濟(jì)的需要而制定新政策，這不僅導(dǎo)致我國股市是按照國家在特定時(shí)期經(jīng)濟(jì)工作部署的要求在運(yùn)作，而脫離了市場(chǎng)自身規(guī)律，而且使得股市對(duì)政策管理的依賴性不斷加深；另一方面，我國股市尚未建立完善的風(fēng)險(xiǎn)預(yù)警機(jī)制，投資者風(fēng)險(xiǎn)意識(shí)及投資理念尚不成熟，即使小規(guī)模的市場(chǎng)事件也會(huì)引起大量投資者對(duì)市場(chǎng)盲目的追逐或恐慌，加之投資者的“羊群效應(yīng)”，使得政策性信息或系統(tǒng)性事件對(duì)個(gè)股的影響不斷被放大并對(duì)股市的異常波動(dòng)起到了決定性的作用。

4 結(jié)語

為了研究中國股市價(jià)格異常波動(dòng)與信息披露的關(guān)系，本文以上市公司財(cái)務(wù)報(bào)告、經(jīng)營公告及證券投資分析師根據(jù)上述信息披露的股評(píng)三種特定信息為出發(fā)點(diǎn)，采用LM非參數(shù)跳躍檢驗(yàn)法、通過個(gè)股跳躍將市場(chǎng)信息披露與價(jià)格發(fā)現(xiàn)相結(jié)合，經(jīng)過詳細(xì)的理論敘述及具體的實(shí)證分析，得出以下結(jié)論。

首先，單變量分析中，本文通過簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)探索信息與跳躍的相關(guān)性。在不考慮同一窗口重合信息影響時(shí)，基本上每種信息構(gòu)成的10%都會(huì)與跳躍相關(guān)；然而由于大部分經(jīng)營公告及財(cái)務(wù)報(bào)告都是在收盤后的夜間窗口發(fā)布，分析師也會(huì)趕在開盤前發(fā)布相關(guān)信息解讀，導(dǎo)致重合信息大量存在。在全部剔除與重合信息相關(guān)的跳躍后，每種信息事件僅有5%左右與跳躍相關(guān)。這樣，一方面本文需要將重合信息的影響考慮在內(nèi)，另一方面不能使用簡(jiǎn)單的單變量分析，因此本文使用多元Logistic回歸繼續(xù)探究。

在基于面板數(shù)據(jù)的多元Logistic回歸分析中，若僅包含三種證券市場(chǎng)信息變量，對(duì)價(jià)格發(fā)現(xiàn)機(jī)制影響最為顯著的是經(jīng)營公告的發(fā)布，最不顯著的是財(cái)務(wù)信息的發(fā)布。當(dāng)本文添加代表市場(chǎng)政策性信息或系統(tǒng)性波動(dòng)等的“系統(tǒng)性事件”和代表行業(yè)信息及事件的“行業(yè)事件”解釋變量后，“行業(yè)性”因素和“系統(tǒng)性”因素超越經(jīng)營公告成為最為重要的影響因素，而這一回歸結(jié)果正是我國股市的真實(shí)描述。我國股市“政策市”的稱號(hào)由來已久，政府頻繁通過對(duì)股市的政策指導(dǎo)與國家的宏觀經(jīng)濟(jì)發(fā)展相適應(yīng)，導(dǎo)致股市對(duì)政策依賴逐步深化，加之投資者因相關(guān)政策對(duì)股市的盲目追逐或恐慌，政策事件影響效果不斷放大并成為個(gè)股異常波動(dòng)的首要因素。

雖然本文較為全面的統(tǒng)計(jì)了2年內(nèi)上交所主流上市公司股價(jià)跳躍情況并創(chuàng)造性地以跳躍為媒介將信息披露與股價(jià)波動(dòng)相結(jié)合，但研究結(jié)果表明，當(dāng)信息范圍為公司特定的經(jīng)營公告、財(cái)務(wù)報(bào)告及分析師建議時(shí)，僅有20%的跳躍與此類信息披露相關(guān)；當(dāng)解釋變量覆蓋股市“系統(tǒng)性事件”時(shí)，也僅解釋了40% 的跳躍來源。剩余60%股價(jià)跳躍可能與市場(chǎng)微觀結(jié)構(gòu)有關(guān)，如：交易量大小、交易方向、交易間隔期、流動(dòng)性等訂單流信息、以及內(nèi)部交易可能對(duì)價(jià)格產(chǎn)生的暫時(shí)性和永久性影響。因此，從微觀市場(chǎng)結(jié)構(gòu)角度繼續(xù)探究剩余60%股價(jià)跳躍的起因事件是本文后續(xù)的研究方向。

[1] Womack K L. Do brokerage analysts’ recommendations have investment value? [J].Journal of Finance, 1996, 51(1):137-167.

[2] Michaely R, Womack K. Brokerage recommendations: Stylized characteristics, market responses, and biases[M]//Thaler, R H, Advances in Behavioral Finance, II. NJ Princeton：Princeton University Press，2005.

[3] Ramnath S, Rock S, Shane P B. Financial analysts′ forecasts and stock recommendations: A review of the research [J].Foundations and Trends in Finance, 2008, (4):311-420.

[4] Altinkilic, O, Hansen R S. On the information role of stock recommendation revisions [J].Journal of Accounting and Economics, 2009, 48(1):17-36.

[5] Altinkilic O, Balashov V S, Hansen R. Evidence that analysts are not important information intermediaries[R]. Working paper, Tulane University,2010.

[6] Loh R, Stulz R.When are analyst recommendation changes influential? [J]. Review of Financial Studies, 2011, 24(2):593-627.

[7] Bradley D, Clark J, Lee S S, et al.Are analysts’ recommendations informative? Intraday evidence on the impact of time stamp delays [J].The Journal of Finance, 2014, 69(2): 645-673.

[8] 袁知柱，鞠曉峰.中國上市公司會(huì)計(jì)信息質(zhì)量與股價(jià)信息含量關(guān)系實(shí)證檢驗(yàn) [J].中國管理科學(xué)，2008，16(10)：231-234.

[9] 孫偉，周瑤.企業(yè)社會(huì)責(zé)任信息披露與資本市場(chǎng)信息不對(duì)稱關(guān)系的實(shí)證研究 [J].中國管理科學(xué)，2012，16(10)：889-893.

[10] 于忠泊，田高良，曾振.上市公司臨時(shí)報(bào)告對(duì)資本市場(chǎng)信息傳遞的影響 [J].系統(tǒng)工程理論與實(shí)踐，2012，32(6):1151-1165.

[11] 朱紅軍，何賢杰，陶林.中國的證券分析師能夠提高資本市場(chǎng)的效率嗎—基于股價(jià)同步性和股價(jià)信息含量的經(jīng)驗(yàn)證據(jù) [J].金融研究，2007，(2):110-121.

[12] 儲(chǔ)一昀，倉勇濤. 財(cái)務(wù)分析師預(yù)測(cè)的價(jià)格可信嗎?—來自中國證券市場(chǎng)的經(jīng)驗(yàn)證據(jù) [J]. 管理世界，2008, (3): 58-69.

[13] 伍燕然，潘可，胡松明，等.行業(yè)分析師盈利預(yù)測(cè)偏差的新解釋 [J].經(jīng)濟(jì)研究，2012，(4):149-160.

[14] 薛祖云，王沖.信息競(jìng)爭(zhēng)抑或信息補(bǔ)充：證券分析師的角色扮演—基于我國證券市場(chǎng)的實(shí)證分析 [J].經(jīng)濟(jì)研究，2011，(11):167-182.

[15] 潘越，戴亦一，林超群.信息不透明、分析師關(guān)注與個(gè)股暴跌風(fēng)險(xiǎn) [J].金融研究，2011，(9):138-151.

[16] 李春濤，胡宏兵，譚亮.中國上市銀行透明度研究-分析師盈余預(yù)測(cè)和市場(chǎng)同步性的證據(jù) [J].金融研究，2013，(6):118-132.

[17] 游家興，邱世遠(yuǎn)，劉淳.證券分析師預(yù)測(cè)“變臉”行為研究—基于分析師聲譽(yù)的博弈模型與實(shí)證檢驗(yàn) [J].管理科學(xué)學(xué)報(bào)，2013，16(6)：67-84.

[18] 馮旭南，徐宗宇.分析師、信息傳播與股價(jià)聯(lián)動(dòng):基于中國股市信息溢出的研究 [J].管理工程學(xué)報(bào)，2014，28(4)：75-81.

[19] 周銘山，林靖，許年行.分析師跟蹤與股價(jià)同步性—基于過度反應(yīng)視角的證據(jù) [J].管理科學(xué)學(xué)報(bào)，2016，19(6)：49-73.

[20] 劉迪.股價(jià)漲跌停事后反應(yīng):異質(zhì)信息的影響 [J].管理工程學(xué)報(bào),2015,29(2):240-250.

[21] 唐勇，張伯新.基于高頻數(shù)據(jù)的中國股市跳躍特征實(shí)證分析 [J].中國管理科學(xué)，2013，21(5)：29-39.

[22] Lee S, Mykland P.Jumps in financial markets: A new nonparametric test and jump dynamics [J]. Review of Financial Studies, 2008, 21(6):2535-2563.

[23] Andersen T G, Bollerslev T, Diebold F X,et al. Micro effects of macro announcements: Real-time price discovery in foreign exchange [J]. American Economic Review, 2003,93(1):38-62.

[24] Balduzzi P, Green T C,Elton E J. Economic news and the yield curve: Evidence from the U.S. treasury market [J].Journal of Financial and Quantitative Analysis, 2001, 36:523-543.

[25] Ederington, L H, Lee J H. How markets process information: News releases and volatility [J].Journal of Finance, 1993, 48(4):1161-1191.

[26] Harvey C R, Huang R D. Volatility in the foreign currency futures market [J].Review of Financial Studies, 1991;4(3): 543-569.

[27] Jiang G J, Lo I, Verdelhan A.Information shocks, liquidity shocks, jumps, and price discovery: Evidence from the U S treasury market [J].Journal of Financial and Quantitative Analysis, 2011, 46(2):527-551.

[28] 余秋玲,朱宏泉. 宏觀經(jīng)濟(jì)信息與股價(jià)聯(lián)動(dòng)-基于中國市場(chǎng)的實(shí)證分析 [J].管理科學(xué)學(xué)報(bào)， 2014，17(3):15-26

[29] Busse J A, Green T C. Market efficiency in real time [J]. Journal of Financial Economics, 2002, 65(3): 415-437.

[30] Barndorff-Nielsen O E, Shephard N. Econometrics of testing for jumps in financial economics using bipower variation [J].Journal of Financial Econometrics, 2006;4(1): 1-30.

[31] Jiang G J, Oomen R C A.Testing for jumps when asset prices are observed with noise-a “swap variance” approach [J].Journal of Econometrics，2008, 144(2):352-370.

[32] Andersen T G, Bollerslev T, Dobrev D. No-arbitrage semi-martingale restrictions for continuous-time volatility models subject to leverage effects, jumps, and i.i.d. noise: Theory and testable distributional implications [J].Journal of Econometrics, 2007, 138(1):125-180.

[33] Ait-Sahalia Y, Jacod J.Testing for jumps in a discretely observed process [J]. Annals of Statistics, 2009, 37(1):184-222.

[34] Merton R C. Option pricing when underlying stock returns are discontinuous [J]. Journal of Financial Economics, 1976;3(1-2):125-144.

[35] Maheu J, McCurdy T H.News arrival, jump dynamics, and volatility components for individual stock returns [J].Journal of Finance, 2004, 59(2):755-793.

[36] Protter P. Stochastic integration and differential equations: A new approach[M]. New York：Spinger，2004.

[37] Lee S. Jumps and information flow in financial markets [J]. Review of Financial Studies, 2012, 25(2):439-479.

[38] Ivkovic Z, Jegadeesh N.The timing and value of forecast and recommendation revisions [J]. Journal of Financial Economics, 2004, 73(3): 433-463.

A Study of Firm Specific Information Disclosure on the Price Variation with Nonparametric Intraday Jumps Detection in High Frequency Data

LIU Zhi-dong,YANG Jing-yi

(School of Management Science and Engineering, Central University of Finance and Economics,Beijing 100081,China)

Using an intraday LM non-parameter jump detection technique in a multivariate framework, firm-specific information disclosure and its impact on stock price reaction are explored in this paper. The three common avenues are linked for information disclosure: analyst recommendations, earnings announcements, and management guidance with jump in price, the sample consists of stocks listed on the Shanghai 180 index for the two year period between January 2012 and December 2013. After controlling for confounding events and through multivariate logistic regression based on two different models, empirical research indicates that management guidance are more likely than either earnings announcements or analyst recommendations to cause a stock price jump, and analyst recommendations are not so appear informative in China. Meanwhile, although the paper can reveal that relative importance of recommendations, earnings announcements and guidance to investment decision, but those information collectively explain only 20% of all firm-specific jumps calculated using the nonparametric intraday jumps detection in high frequency data. Even considering the impact of macroeconomic news releases or industry information on volatility and prices, the rate only increase to 40%. Thus, more research needs to be done to identify the types of other unknown events that cause jumps in the market.

price jump; information disclosure; intraday price discovery; high frequency data

2015-04-11；

2016-02-16

國家自然科學(xué)基金資助項(xiàng)目(71271223,70971145)；教育部新世紀(jì)人才支持計(jì)劃(NECT-13-1054)

簡(jiǎn)介：劉志東(1973-)，男(漢族)，內(nèi)蒙古赤峰人，中央財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院博士，教授，博士研究生導(dǎo)師，研究方向：金融工程與金融計(jì)量，E-mail：liu_phd@163.com.

1003-207(2016)10-0022-13

10.16381/j.cnki.issn1003-207x.2016.10.003

F830

A