陳 輝，顧乃康(1.廣東金融學院 金融系，廣東 廣州 510521；2.中國人民銀行 金融研究所，北京 1000；.中山大學 管理學院，廣東 廣州 510275)

?

股票轉(zhuǎn)讓方式與極端收益風險
——兼論新三板市場引入做市轉(zhuǎn)讓制度的經(jīng)濟后果

陳 輝1,2，顧乃康3
(1.廣東金融學院 金融系，廣東 廣州 510521；2.中國人民銀行 金融研究所，北京 100033；3.中山大學 管理學院，廣東 廣州 510275)

在極端收益風險形成機理的現(xiàn)有研究中，交易環(huán)節(jié)是其邏輯鏈條中缺失的一環(huán)；對于做市轉(zhuǎn)讓制度的實施效果，現(xiàn)有實證研究也普遍忽視了其對極端收益風險的影響。文章從交易環(huán)節(jié)入手，提出了一個解釋極端收益風險形成機理的新假說，并以新三板市場引入做市轉(zhuǎn)讓制度為契機，實證考察了股票轉(zhuǎn)讓方式和極端收益風險之間的關(guān)系。研究發(fā)現(xiàn)：(1)與實施協(xié)議轉(zhuǎn)讓的股票相比，實施做市轉(zhuǎn)讓的股票極端收益風險顯著較低，但更多的做市商并未帶來顯著更低的極端收益風險；(2)做市轉(zhuǎn)讓方式對股價暴漲風險的抑制作用在熊市中較強，對股價暴跌風險的抑制作用則在牛市中較強；(3)股票轉(zhuǎn)讓方式對極端收益風險的影響主要通過股票流動性路徑起作用，而信息有效性路徑會起作用主要是因為信息有效性和股票流動性之間的高相關(guān)性。使用處理效應(yīng)模型來控制自選擇偏差的影響，使用不同的極端收益風險度量指標，延長極端收益風險的計算窗口，均不改變上述實證結(jié)果。這表明，交易環(huán)節(jié)是影響極端收益風險的重要因素，做市轉(zhuǎn)讓方式的引入有助于降低新三板掛牌公司的極端收益風險。文章對于深入理解極端收益風險形成機理、改善新三板市場交易機制具有重要的意義。

做市轉(zhuǎn)讓；協(xié)議轉(zhuǎn)讓；股價暴漲；股價暴跌；極端收益風險；新三板

一、引 言

成立于2006年的新三板市場在2013年底擴容后獲得了快速發(fā)展。截至2016年12月31日，新三板掛牌公司總數(shù)已突破1萬家，達到10 163家，遠高于同期主板、中小板、創(chuàng)業(yè)板市場上市公司數(shù)量的總和。從掛牌數(shù)量來看，新三板市場儼然已成為中國多層次資本市場的基座。與主板、中小板、創(chuàng)業(yè)板市場相同，新三板市場同樣需要擔負融資、價格發(fā)現(xiàn)、資源配置和流動性提供等功能。然而，極端收益(股價暴漲和暴跌)的頻繁出現(xiàn)弱化了資本市場的融資功能，扭曲了股票價格的信號作用，降低了資本市場的資源配置效率，受到了學者和政府部門的普遍關(guān)注。與主板市場相比，新三板市場股價暴漲和暴跌的現(xiàn)象尤為嚴重。按照經(jīng)典的股價暴漲和暴跌的定義(Hutton等, 2009)，2015年已在新三板掛牌且具有較完整交易數(shù)據(jù)的公司中，約有45%出現(xiàn)了股價暴漲，約有32%出現(xiàn)了股價暴跌，遠高于陳國進和張貽軍(2009)統(tǒng)計的主板市場情況。由此可見，探討新三板市場極端收益頻繁出現(xiàn)的原因，對于更好地發(fā)揮新三板市場的功能具有重要的意義。

現(xiàn)有關(guān)于極端收益風險的研究大體可以歸為三類：一是波動率負反饋效應(yīng)模型(French等，1987；Campbell和Hentschel，1992)；二是異質(zhì)信念模型(Romer，1993；Hong和Stein，2003)；三是當前備受關(guān)注的信息模型(Jin和Myers，2006；Hutton等，2009)。盡管上述理論探討的因素均需要通過交易環(huán)節(jié)才能影響極端收益風險，但這些理論均缺少對知情交易者和非知情交易者之間的交易過程以及交易過程中交易成本的關(guān)注，即缺少對具體交易環(huán)節(jié)的考慮。從理論上看，所有的信息都需要通過交易才能夠反映在股票價格中(Fama, 1991)，只有當反映信息的邊際收益大于邊際成本時，信息才會被知情交易者通過交易反映在股票價格中(Grossman和Stiglitz，1980)。高交易成本和低信息有效性均會阻礙低價值信息的及時反映，而累積的低價值信息一旦被反映出來，就會導(dǎo)致大的價值變化，進而表現(xiàn)為股價的暴漲和暴跌。由于主板市場的高流動性和高信息有效性，交易環(huán)節(jié)對股價暴漲暴跌的影響難以凸顯出來，較少受到關(guān)注也在情理之中。但新三板市場卻不同，新三板掛牌公司的流動性整體較差、信息有效性整體較弱，使得交易環(huán)節(jié)對股價暴漲暴跌的影響會尤為強烈。而新三板市場于2014年8月25日正式在協(xié)議轉(zhuǎn)讓制度的基礎(chǔ)上引入做市轉(zhuǎn)讓制度，為研究交易環(huán)節(jié)對股價暴漲暴跌的影響提供了良好的契機。

本文首先從理論上探討了股票轉(zhuǎn)讓方式和極端收益風險之間的關(guān)系，發(fā)現(xiàn)股票轉(zhuǎn)讓方式能夠通過股票流動性和信息有效性兩條路徑影響極端收益風險；其次，借鑒Hutton等(2009)的方法度量股價暴漲暴跌風險，通過均值比較、Logit回歸和Poisson回歸研究了股票轉(zhuǎn)讓方式和極端收益風險之間的經(jīng)驗關(guān)系，以及做市商數(shù)量對極端收益風險的影響；再次，考察了股票轉(zhuǎn)讓方式對極端收益風險的影響在牛熊市時期的不同表現(xiàn)，并探索了股票轉(zhuǎn)讓方式影響極端收益風險的作用途徑；最后是內(nèi)生性分析和穩(wěn)健性檢驗。

相對于以往的文獻，本文具有以下的邊際貢獻：第一，彌補了現(xiàn)有極端收益風險(含股價崩盤風險)形成機理研究中缺失的一環(huán)——交易環(huán)節(jié)。無論是股價崩盤風險的負反饋效應(yīng)模型(French等，1987；Campbell和Hentschel，1992)，還是異質(zhì)信念模型(Romer，1993；Hong和Stein，2003)，抑或是受關(guān)注最多的信息模型(Jin和Myers，2006)，都忽視了交易環(huán)節(jié)對極端收益風險的影響。而事實上，由于投資者擁有的信息和對信息的認知都需要通過交易才能夠反映在價格中，不考慮交易環(huán)節(jié)對股價崩盤風險的影響，整個邏輯鏈條就不完整。本文對這一邏輯鏈條中缺失的一環(huán)進行了補充。第二，加深了對做市轉(zhuǎn)讓制度實施效果的理解和認識。現(xiàn)有關(guān)于做市轉(zhuǎn)讓制度實施效果的研究大多集中于探討其對股票流動性和價格有效性的影響(Anand等，2009；Menkveld和Wang，2013)，忽視了其對極端收益風險的作用，而極端收益風險也是衡量市場質(zhì)量的重要維度。本文是對這一領(lǐng)域文獻的有益補充。第三，加深了對股價暴漲風險的理解和認識?，F(xiàn)有極端收益風險的研究主要關(guān)注股價崩盤風險(許年行等，2012，2013；權(quán)小鋒等，2016)，較少關(guān)注股價暴漲風險，而統(tǒng)計分析表明，股價暴漲風險在新三板市場中同樣存在。本文在討論股價暴跌風險的同時也重點關(guān)注了股價暴漲風險。第四，拓展了股價崩盤風險的研究對象。我國現(xiàn)有關(guān)于股價崩盤風險的研究對象均是主板市場(李增泉等，2011；潘越等，2011)，甚少有學者關(guān)注新三板市場，但新三板市場從數(shù)量上看儼然已成為中國多層次資本市場的基座，理應(yīng)受到學者的重點關(guān)注。本文為股價崩盤風險研究提供了新的經(jīng)驗證據(jù)。

二、文獻回顧與假設(shè)提出

(一)文獻回顧

1.極端收益風險的形成機理研究。極端收益風險包括暴漲風險和暴跌風險兩類，金融危機的頻繁發(fā)生使股價暴跌風險成為了人們關(guān)注的熱點?，F(xiàn)有關(guān)于股價暴跌風險(也稱股價崩盤風險)的理論文獻主要有以下三類：一是以French等(1987)以及Campbell和Hentschel(1992)為代表的波動性負反饋效應(yīng)模型；第二類是以Romer(1993)以及Hong和Stein(2003)為代表的異質(zhì)信念模型(唐松等，2016)；第三類是以Jin和Myers(2006)為代表的信息模型。由于前兩類文獻都是基于難以改變的投資者行為而建立的模型，而后者則是基于可以改變的透明度和委托代理問題而建立的模型，因此后者受到了學者更多的關(guān)注。

信息模型認為，股價崩盤的產(chǎn)生需要兩個前提條件：一是存在信息不透明；二是存在委托代理問題(Jin和Myers，2006)?，F(xiàn)有實證研究大多是圍繞這兩個方面展開。在信息方面，Jin和Myers(2006)最早提供了跨國層面的證據(jù)，發(fā)現(xiàn)透明度低的股票更容易出現(xiàn)股價崩盤。Hutton等(2009)從微觀層面研究了透明度和股價崩盤風險之間的關(guān)系，得出了與Jin和Myers(2006)相似的研究結(jié)論。DeFond等(2015)以及Kim和Zhang(2016)則分別從強制采用IFRS準則和會計穩(wěn)健性的角度考察了股價崩盤風險的成因。李增泉等(2011)、潘越等(2011)、許年行等(2012)以及葉康濤等(2015)使用中國的數(shù)據(jù)，也從不同的角度考察了信息披露和股價崩盤風險之間的關(guān)系。在委托代理方面，學者分別從避稅(Kim等，2011a)、股權(quán)激勵(Kim等，2011b)、投資者保護(王化成等，2014)、債務(wù)訴訟(李小榮和劉行，2014)、大股東持股(王化成等，2015)和機構(gòu)投資者(逯東等，2016)等方面對影響股價崩盤風險的因素進行了考察。

上述文獻對極端收益風險的成因進行了卓有成效的考察，但仍存在以下三個方面的不足：一是忽略了交易環(huán)節(jié)對股價崩盤風險的影響?，F(xiàn)有理論討論的因素對股價崩盤的影響最終都需要通過交易來實現(xiàn)，但現(xiàn)有研究均沒有考慮交易環(huán)節(jié)的重要影響。二是對股價暴漲風險的關(guān)注遠遠不夠。盡管一部分研究在考察股價崩盤風險的同時也研究了股價暴漲風險(Hutton等，2009；李增泉等，2011)，但多數(shù)研究關(guān)注的重點仍是股價崩盤風險而非股價暴漲風險。而事實上新三板市場中，股價暴漲風險和股價暴跌風險同樣嚴重。三是研究對象均是主板市場，而事實上新三板市場極端收益風險出現(xiàn)的可能性要遠高于主板市場。

2.實施做市轉(zhuǎn)讓制度的影響。在實施做市轉(zhuǎn)讓制度的影響方面，現(xiàn)有理論研究主要集中在做市商提高股票流動性水平的作用上(Demsetz，1968；Garbade和Silber，1979；Grossman和Miller，1988)。這類研究認為，做市商作為交易中介能夠緩解交易指令在時間上的不均衡，降低投資者因延遲交易而面臨的價格風險，提高股票的流動性水平?，F(xiàn)有實證研究也主要集中在這一方面。

由于研究對象的限制，現(xiàn)有經(jīng)驗研究主要比較了實施做市轉(zhuǎn)讓制度和競價轉(zhuǎn)讓制度在股票流動性上的差異，以及競價交易系統(tǒng)及在競價交易系統(tǒng)中引入指定做市商的混合交易系統(tǒng)在股票流動性上的差異。對于前一類比較，一部分研究發(fā)現(xiàn)，與做市轉(zhuǎn)讓系統(tǒng)相比，競價轉(zhuǎn)讓系統(tǒng)的交易成本顯著更低(Christie和Huang，1994；Huang和Stoll，1996)；而另一部分研究則發(fā)現(xiàn)，由強制做市商制度向競價交易和自愿做市商相結(jié)合的混合交易制度轉(zhuǎn)變，并沒有顯著提高證券的流動性(Lai，2007)。對于后一類比較，來自意大利證券交易所(Nimalendran和Petrella，2003)、巴黎證券交易所(Venkataraman和Waisburd，2007)、斯德哥爾摩證券交易所(Anand等，2009)和歐洲證券交易所(Menkveld和Wang，2013)的經(jīng)驗證據(jù)均表明，引入指定做市商能夠提高股票流動性和價格有效性，且這一作用在小公司或流動性弱的公司中更強。來自期貨市場(Tse和Zabotina，2004)和期權(quán)市場(Eldor等，2006)的經(jīng)驗證據(jù)得到了相同的結(jié)論。在我國，陳輝(2017)研究發(fā)現(xiàn)，新三板掛牌公司的交易機制由協(xié)議轉(zhuǎn)讓向做市轉(zhuǎn)讓轉(zhuǎn)變，能顯著提高股票流動性。

盡管上述文獻對做市商的作用進行了卓有成效的考察，但仍存在以下兩個方面的不足：一是上述研究主要關(guān)注做市轉(zhuǎn)讓制度對股票流動性或價格有效性的影響，但沒有對極端收益風險給予應(yīng)有的關(guān)注，而極端收益風險也是衡量市場質(zhì)量的重要維度。二是上述研究均是在兩個有促進成交機制的交易系統(tǒng)之間進行比較(陳輝(2017)的研究除外)，而非單獨考察做市商的作用。而新三板市場的交易機制由沒有促進成交機制的協(xié)議轉(zhuǎn)讓向有促進成交機制的做市轉(zhuǎn)讓轉(zhuǎn)變，為我們單獨檢驗做市商的作用提供了良好的契機。

(二)假設(shè)提出

1.股票流動性路徑分析。極端收益即為股價的暴漲暴跌。股價反映信息，無論信息是否被累積，最終都需要通過交易反映在股票價格中。但交易是有成本的，這一成本包括傭金、印花稅、買賣價差和價格沖擊等(Amihud和Mendelson，2008)。只有當交易的邊際收益大于邊際成本時，信息才會被知情交易者通過交易反映在股票價格中(Grossman和Stiglitz，1980；Fama，1991)。當交易的邊際成本很大時，低價值的信息就會被累積，直至累積的低價值信息的總價值大于交易的邊際成本時，這些低價值的信息才會一次性地反映在股票價格中，最終表現(xiàn)為股票價格的大幅變化。當累積的信息為正面信息時，即表現(xiàn)為股票價格的大幅上漲，反之即表現(xiàn)為大幅下跌。當交易的邊際成本較小時，低價值的信息總能及時通過交易反映在股票價格中，進而較少表現(xiàn)為股票價格的暴漲或暴跌。而交易成本是衡量股票流動性的重要維度，交易成本越高，股票流動性越低?？梢?，股票流動性是影響股票價格暴漲或暴跌的重要因素，股票流動性越高，股價暴漲或暴跌出現(xiàn)的概率越小，反之越大。

流動性差、交易成本高是新三板市場的重要特征，而做市轉(zhuǎn)讓制度是為了解決這一問題而推出的。在2014年8月25日之前，所有掛牌公司的股票均采用協(xié)議轉(zhuǎn)讓制度，投資者只能通過主辦券商買賣股票，其可以提交的委托類型不具有流動性提供功能，或僅具有較弱流動性提供功能。而從2014年8月25日開始實施的做市轉(zhuǎn)讓制度則不同，每一個實施做市轉(zhuǎn)讓制度的股票均有兩個或兩個以上的做市商，且做市商應(yīng)“持續(xù)發(fā)布買賣雙向報價”，“相對買賣價差不得超過5%”，“每個轉(zhuǎn)讓日提供雙向報價的時間不應(yīng)少于做市轉(zhuǎn)讓撮合時間的75%”。股轉(zhuǎn)系統(tǒng)還會對做市商和做市業(yè)務(wù)人員進行業(yè)務(wù)評價，并有權(quán)做出相應(yīng)的處置，因而對做市商和做市業(yè)務(wù)人員的行為有一定的約束力?，F(xiàn)有理論研究表明，做市商能夠減輕買賣指令在時間上的不均衡，進而提高股票流動性(Demsetz，1968；Garbade和Silber，1979；Grossman和Miller，1988)。陳輝(2017)的實證研究表明，與實施協(xié)議轉(zhuǎn)讓的公司相比，實施做市轉(zhuǎn)讓的公司股票流動性更高。前述的理論分析已表明，股票流動性和股價暴漲暴跌的概率呈負相關(guān)關(guān)系，因此可以推斷，與實施協(xié)議轉(zhuǎn)讓的股票相比，實施做市轉(zhuǎn)讓制度的股票極端收益風險更低。

2.信息有效性路徑分析。在上述分析中，我們認為只要交易的邊際收益大于邊際成本，信息就總能夠通過交易反映在股票價格中。但信息能夠反映在股票價格中還需要一個前提條件，即信息能夠被交易對手認知、識別(Merton，1987)。如果低價值的信息能夠及時被知情交易者認知、識別，那么這些信息將能夠及時地反映在股票價格中；反之，低價值的信息就會累積，直至累積成一個能夠被知情交易者識別的高價值信息，才會通過交易反映在股票價格中。信息越能夠及時地通過交易反映在股票價格中，股價出現(xiàn)暴漲和暴跌的概率就越小，反之就越大，而股票價格準確及時反映信息的能力就是信息有效性?？梢姡畔⒂行砸彩怯绊懝善眱r格暴漲或暴跌的重要因素，信息有效性程度越高，股價暴漲或暴跌出現(xiàn)的概率越小，反之就越大。

在協(xié)議轉(zhuǎn)讓制度下，多數(shù)交易的目的不是追逐短期資本利得，而是調(diào)整股權(quán)結(jié)構(gòu)，交易的頻率通常很低，因而交易雙方缺少對短期低價值信息的關(guān)注，成交價格反映有價值信息的及時性較差，信息的有效性相應(yīng)較弱。在做市轉(zhuǎn)讓制度下，新三板市場的做市商主要是有相應(yīng)資質(zhì)的券商，作為專業(yè)的交易中介，他們能夠觀察到買入指令和賣出指令，且具有較高水平的專業(yè)知識。因此，與普通的非知情交易者相比，他們能夠更好地搜集、分析和處理相關(guān)信息，并通過買賣報價及時地將有價值的信息反映在實際的股票價格中。因此，與實施協(xié)議轉(zhuǎn)讓的股票相比，實施做市轉(zhuǎn)讓的股票信息有效性程度將更高。前述的理論分析已表明，信息有效性和股價暴漲暴跌的概率呈負相關(guān)關(guān)系，因此可以推斷，與實施協(xié)議轉(zhuǎn)讓的股票相比，實施做市轉(zhuǎn)讓制度的股票極端收益風險更低。

結(jié)合上述股票流動性路徑和信息有效性路徑的分析，本文提出了以下理論假設(shè)：與實施協(xié)議轉(zhuǎn)讓制度的股票相比，實施做市轉(zhuǎn)讓制度的股票極端收益風險更低。

三、樣本、變量與模型

(一)樣本選擇

為保證交易數(shù)據(jù)的完整性，本文以2014年12月31日之前在新三板掛牌的公司為樣本，并進行了如下處理：(1)剔除在2015年1月1日至2015年12月31日之間實施做市轉(zhuǎn)讓的公司；(2)排除未停牌的周數(shù)小于30周的掛牌公司(Kim等，2011；許年行等，2012)；(3)排除未停牌的天數(shù)小于200天的掛牌公司；(4)排除存在異常值的數(shù)據(jù)；(5)排除存在缺失值的數(shù)據(jù)。本文的樣本期間為2015年，最終得到的做市轉(zhuǎn)讓家數(shù)為122家，協(xié)議轉(zhuǎn)讓家數(shù)為179家，樣本總數(shù)為301家。為排除極端值的影響，我們還對所有連續(xù)變量進行了上下1%的Winsorize處理。數(shù)據(jù)來源為WIND數(shù)據(jù)庫，處理軟件為STATA12。

(二)變量選擇與度量

1.極端收益風險變量(Ers，Extremereturnrisk)。借鑒Hutton等(2009)、李增泉等(2011)等的做法，基于公司特有周收益率(Firm-specificweeklyreturn)來構(gòu)建股價暴漲風險(Jumprisk)和暴跌風險(Crashrisk)指標。

為測定公司特有周收益率Wit，我們首先構(gòu)建了如下的回歸模型：

Rit=α1+β1Rm,t-2+β2Rm,t-1+β3Rm,t+β4Rm,t+1+β5Rm,t+2+εi,t

(1)

其中，Ri,t為股票i第t周的考慮現(xiàn)金紅利再投資的股票周收益率，Rm,t為三板成指第t周的收益率。與Hutton等(2009)以及Kim等(2011)相同，我們在式(1)中加入指數(shù)收益率的超前項和滯后項，以控制非同步交易的影響(Dimson，1979)。我們將Wi,t=Ln(1+εi,t)定義為公司特有周收益率，其中εi,t為式(1)的殘差。

在此基礎(chǔ)上，我們依據(jù)兩個標準來度量股價暴漲和暴跌，并相應(yīng)地構(gòu)建股價暴漲和暴跌風險指標。首先，如果Wit大于其年度均值加上3.2個標準差，則定義為暴漲；如果Wit小于其年度均值減去3.2個標準差，則定義為暴跌。我們使用暴漲頻數(shù)(Jumpnum)和暴漲虛擬變量(Jumpdum)來度量暴漲風險，使用暴跌頻數(shù)(Crashnum)和暴跌虛擬變量(Crashdum)來度量暴跌風險。若公司在2015年有一次以上的暴漲，則Jumpdum取1，否則取0；若公司在2015年有一次以上的暴跌，則Crashdum取1，否則取0。

我們還使用Wit大于30%和小于-30%作為臨界值來定義暴漲和暴跌，用于穩(wěn)健性檢驗，原因是有些公司W(wǎng)it的離散程度較大，導(dǎo)致均值減去3.2個標準差的值小至-90%，使得Wit低至-80%也不能被判定為大跌。同樣地，我們使用大漲頻數(shù)(Cut30num)和大漲虛擬變量(Cut30dum)來度量暴漲風險，使用大跌頻數(shù)(Cut_30num)和大跌虛擬變量(Cut_30dum)來度量大跌風險。Cut30dum和Cut_30dum的取值方法同上。

此外，許多關(guān)于股價崩盤風險的實證研究還使用負收益偏態(tài)系數(shù)(NCSKEW)和收益上下波動比例(DUVOL)來度量股價崩盤風險(Kim等，2011；許年行等，2012)。而事實上這兩個變量主要度量Wit呈偏態(tài)的程度，而非極端收益本身出現(xiàn)的可能性，因此本文并不使用這兩個變量來度量極端收益風險。為保持穩(wěn)健，我們?nèi)詧蟾媪讼鄳?yīng)的結(jié)果。

2.股票轉(zhuǎn)讓方式變量。借鑒陳輝(2017)的研究，我們使用做市轉(zhuǎn)讓虛擬變量(Makedum)來度量股票轉(zhuǎn)讓方式，若掛牌公司在2014年12月31日的股票轉(zhuǎn)讓方式為做市轉(zhuǎn)讓，則該變量取1，否則取0。

3.控制變量(Control)。參考以往的文獻(Hutton等，2009；Kim等，2011；許年行等，2012)，我們還控制了以下變量：特有周收益率的年度均值(Meanreturn)、特有周收益率的年度標準差(Sdreturn)、總資產(chǎn)的自然對數(shù)(Lnasset)、資產(chǎn)負債率(Leverage)、總資產(chǎn)收益率(Roa)、市凈率(PB)、換手率(Turnover)和累積收益率(Ret)。

(三)模型設(shè)定

本文的因變量有兩類：一類為虛擬變量；另一類為大于等于0的計數(shù)變量。對于前者，我們使用Logit回歸模型(見式(2))；對于后者，我們使用Poisson回歸模型(見式(3))。

(2)

(3)

在式(2)中，Ers可取Jumpdum、Crashdum、Cut30dum和Cut_30dum；在式(3)中，Ers可取Jumpnum、Crashnum、Cut30num和Cut_30num。Meanreturn和Sdreturn使用樣本期間數(shù)據(jù)，其他控制變量使用樣本期初數(shù)據(jù)。若假設(shè)成立，則a1和b1應(yīng)顯著為負。

四、做市轉(zhuǎn)讓制度對極端收益風險的影響分析

(一)描述性統(tǒng)計結(jié)果

表1報告了主要變量的描述性統(tǒng)計結(jié)果。Jumpnum、Jumpdum、Crashnum和Crashdum的結(jié)果表明，一方面，新三板掛牌公司出現(xiàn)暴漲暴跌的概率非常高，遠高于陳國進和張貽軍(2009)報告的主板市場情況；另一方面，不同于主板市場，新三板市場暴跌概率要略小于暴漲概率。以±30%為臨界值劃分的Cut30num、Cut_30num、Cut30dum和Cut_30dum的結(jié)果進一步表明，新三板市場存在較大的極端收益風險。NCSKEW和DUVOL的均值與零值較為接近，這一結(jié)果與主板市場存在顯著差異(許年行等，2012)，表明新三板市場的收益分布并未呈現(xiàn)出明顯左偏。

表1 主要變量描述性統(tǒng)計

此外，對于所有反映極端收益風險的變量，沒有做市商做市組的均值均在1%的水平上顯著大于有做市商做市組的均值，這在一定程度上支持了我們的假設(shè)。

(二)極端收益風險對做市轉(zhuǎn)讓變量的回歸分析結(jié)果

表2中列(1)-列(4)報告了極端收益風險對做市轉(zhuǎn)讓變量的回歸分析結(jié)果。列(1)-列(4)分別是以Jumpdum和Crashdum為因變量的Logit回歸結(jié)果以及以Jumpnum和Crashnum為因變量的Poisson回歸結(jié)果?？梢钥闯?，Makedum的系數(shù)均在1%的水平上顯著為負。這表明，做市商做市既能夠降低股價暴漲的頻數(shù)和概率，又能夠降低股價暴跌的頻數(shù)和概率，即降低極端收益風險，支持了我們的假設(shè)。此外，以NCSKEW和DUVOL為因變量的回歸結(jié)果(未列示)顯示，Makedum的系數(shù)均不顯著。這說明做市商做市并沒有顯著影響新三板市場極端收益率的非對稱程度，符合我們之前的判斷。

股轉(zhuǎn)系統(tǒng)規(guī)定：“股票采取做市轉(zhuǎn)讓方式的，應(yīng)當有2家以上做市商為其提供做市服務(wù)?！边@表明掛牌公司可以選擇2家或2家以上的做市商。那么，更多的做市商能否帶來更低的極端收益風險？為檢驗這一問題，我們以實施做市轉(zhuǎn)讓的公司為樣本，將式(2)中的做市轉(zhuǎn)讓虛擬變量Makedum替換為做市商數(shù)量變量Makenum進行了回歸分析。表2中列(5)和列(6)給出了極端收益風險對做市商數(shù)量的回歸分析結(jié)果。可以看出，盡管Makenum的系數(shù)均為負，但僅在列(6)中在10%的水平上顯著。這表明，在實施了做市轉(zhuǎn)讓之后，更多的做市商并不能帶來顯著更低的極端收益風險。為保證結(jié)論的穩(wěn)健性，我們還做了以虛擬變量(Numdum)衡量做市商數(shù)量的回歸分析。當做市商數(shù)量等于2時，Numdum取0，當做市商數(shù)量大于等于3時，Numdum取1。結(jié)果(未列示)顯示，Numdum的系數(shù)均不顯著，與表2中列(5)和列(6)的結(jié)論基本一致。

表2 極端收益風險對做市轉(zhuǎn)讓變量的回歸分析結(jié)果

注：括號內(nèi)為使用異方差穩(wěn)健標準誤計算的z值，*、**和***分別表示在10%、5%和1%的水平上顯著。

(三)牛熊市是否影響股票轉(zhuǎn)讓方式和極端收益風險之間的關(guān)系

在牛市中，投資者情緒高漲，股票價格較易出現(xiàn)暴漲的情況；而在熊市中，投資者情緒低迷，股票價格較易出現(xiàn)暴跌的情況。那么，牛熊市是否會影響股票轉(zhuǎn)讓方式和極端收益風險之間的關(guān)系？即股票轉(zhuǎn)讓方式和極端收益風險之間的關(guān)系在牛熊市中是否存在顯著差異？

為檢驗這一問題，我們首先將樣本期間劃分為牛市和熊市兩個期間。主流的牛熊市劃分標準有兩個：一是市場平均收益判定法；二是波峰波谷判定法(許年行等，2012)。我們依據(jù)三板成指的點位數(shù)對市場處于牛市還是熊市做出判定。三板成指在2015年1月5日為1 019.30點，在2015年4月7日達到最高的2 134.31點，但在2015年6月29日仍保持在1 614.26點的相對高位，此后一路下跌，到2015年12月31日下跌至1 484.50點。為保證牛熊市期間均有足夠的樣本，結(jié)合三板成指的實際情況，我們將2015年上半年定義為牛市(Timedum=0)，下半年定義為熊市(Timedum=1)，樣本數(shù)分別為301個和344個。

由于在我們的樣本中，實施做市轉(zhuǎn)讓的公司在牛市階段沒有出現(xiàn)股價暴漲的現(xiàn)象，在熊市階段基本沒有出現(xiàn)股價暴跌的現(xiàn)象，因此我們不能使用Logit回歸，而只能使用Poisson回歸，回歸模型同式(3)，變量定義同上。

表3報告了牛熊市時期的極端收益風險對股票轉(zhuǎn)讓方式的回歸分析結(jié)果。列(1)和列(2)中Makedum的系數(shù)分別在5%和1%的水平上顯著為負，且前者的絕對值要小于后者的絕對值，表明做市轉(zhuǎn)讓方式對股價暴漲風險的抑制作用在熊市中更強，列(3)中引入交互項的結(jié)果也支持了這一論斷；列(4)中Makedum的系數(shù)在1%的水平上顯著為負，而列(5)中Makedum的系數(shù)卻不顯著，表明做市轉(zhuǎn)讓方式對股價暴跌風險的抑制作用在牛市中更強，列(6)中引入交互項的結(jié)果也支持了這一論斷。導(dǎo)致這一結(jié)果的原因可能是，在牛市或熊市中，做市商套利的成本因投資者情緒而大幅上漲，降低了其按照真實價值報價以提供做市服務(wù)的能力，最終導(dǎo)致做市商在牛市中對股價暴漲風險的抑制作用減弱，在熊市中對股價暴跌風險的抑制作用減弱。

表3 牛熊市時期的股票轉(zhuǎn)讓方式與極端收益風險

注：括號內(nèi)為使用異方差穩(wěn)健標準誤計算的z值，*、**和***分別表示在10%、5%和1%的水平上顯著。

五、做市轉(zhuǎn)讓制度對極端收益風險影響的路徑分析

如果做市商能夠降低極端收益風險，那么這種作用是通過何種傳導(dǎo)路徑實現(xiàn)的？根據(jù)我們的分析，做市轉(zhuǎn)讓制度對極端收益風險的影響既可能通過股票流動性路徑實現(xiàn)，也可能通過信息有效性路徑實現(xiàn)。以下是相應(yīng)的實證檢驗。

(一)變量定義

1.股票流動性(Nonzero)。借鑒陳輝(2017)的研究，本文使用非零交易天數(shù)占比作為新三板市場股票流動性的代理變量，即交易量不為零的天數(shù)占總交易天數(shù)的比重。Stoll(2000)指出，股票流動性水平既可以使用達成交易需要等待的時間來衡量，也可以使用達成交易需要支付的成本來衡量，而非零交易天數(shù)占比可以看成是時間維度的代理變量。

2.信息有效性(Delay)。借鑒Hou和Moskowitz(2005)的研究，Delay的度量方法如下：

ri,t=αi+βirm,t+δi,1rm,t-1+δi,3rm,t-3+δi,4rm,t-4+εi,t

(4)

(5)

(二)模型設(shè)定

本文借鑒Baron和Kenny(1986)以及權(quán)小鋒等(2015)的中介因子檢驗方法進行路徑分析，以股票流動性變量Nonzero為例，檢驗思路如下：

(6)

Nonzeroi=α0+α1Makedumi+α2Lnoutstandingi+α3Lnpricei+α4Sdreturni+εi

(7)

(8)

式(6)和式(8)中的控制變量與式(2)相同，式(7)中的Lnoutstandingi為股票i流通在外股份數(shù)的自然對數(shù)，Lnpricei為股票i股價水平年度均值的自然對數(shù)，其他變量的定義同上。式(7)的設(shè)定參考了Venkataraman和Waisburd(2007)以及陳輝(2017)的研究。

根據(jù)Baron和Kenny(1986)的方法，如果以下條件成立，則存在完全中介效應(yīng)：式(6)中β1顯著，式(7)中α1顯著，但式(8)中β2顯著時，β1不再顯著；如果以下條件成立，則存在部分中介效應(yīng)：式(6)中β1顯著，式(7)中α1顯著，式(8)中β1和β2均顯著，但式(8)中β1要顯著小于式(6)中β1。

(三)實證結(jié)果分析

式(7)的回歸分析結(jié)果見表4。列(1)中Makedum的系數(shù)在1%的水平上顯著為正，表明實施做市轉(zhuǎn)讓能夠顯著提高股票的流動性水平；列(2)中Makedum的系數(shù)在1%的水平上顯著為負，表明實施做市轉(zhuǎn)讓能夠顯著提高信息有效性程度。

表5給出了式(6)和式(8)的回歸分析結(jié)

表4 式(7)回歸分析結(jié)果

注：括號內(nèi)為使用異方差穩(wěn)健標準誤計算的t值，*、**和***分別表示在10%、5%和1%的水平上顯著。

果。列(1)-列(4)以及列(5)-列(8)分別是以Jumpdum和Crashdum為因變量的路徑分析結(jié)果。列(2)中Nonzero的系數(shù)在1%的水平上顯著為負，且Makedum的系數(shù)變得不再顯著，表明股票流動性Nonzero是做市轉(zhuǎn)讓方式影響股價暴漲風險的完全中介因子；列(3)中Delay的系數(shù)在5%的水平上顯著為正，且Makedum無論是系數(shù)的絕對值還是顯著性水平都要小于列(1)，表明信息有效性變量Delay是做市轉(zhuǎn)讓方式影響股價暴漲風險的部分中介因子。由于Nonzero與Delay之間的相關(guān)性較高(相關(guān)系數(shù)為-0.7218)，我們還在列(4)中給出了同時引入兩者的回歸分析結(jié)果。Nonzero仍在5%的水平上顯著為負，而Makedum和Delay均變得不顯著，表明Delay對Jumpdum有影響主要是因為其與Nonzero相關(guān)。

盡管列(6)中Nonzero的系數(shù)顯著性水平接近10%，但Makedum的系數(shù)絕對值和顯著性水平都因為引入Nonzero而出現(xiàn)了下降；同時，引入Nonzero和Delay后，Makedum的系數(shù)仍在10%的水平上顯著，這表明股票流動性Nonzero僅是做市轉(zhuǎn)讓影響股價暴跌風險的部分中介因子。采用Poisson回歸和Cut30dum、Cut_30dum的結(jié)果類似。

表5 式(6)和式(8)回歸分析結(jié)果

注：括號內(nèi)為使用異方差穩(wěn)健標準誤計算的z值，*、**和***分別表示在10%、5%和1%的水平上顯著。

六、內(nèi)生性分析與穩(wěn)健性檢驗

(一)考慮自選擇偏差

掛牌公司是否實施做市轉(zhuǎn)讓是成本和收益權(quán)衡的結(jié)果(陳輝，2017)，而實施做市轉(zhuǎn)讓的成本和收益均與極端收益風險相關(guān)。依此邏輯，掛牌公司是否實施做市轉(zhuǎn)讓也會受到極端收益風險的影響。因此，上述分析中可能存在自選擇偏差問題。為控制這一因素的影響，我們還采用處理效應(yīng)模型進行了回歸分析(Maddala，1983)。具體思路為，首先進行Probit回歸，得到回歸模型的線性擬合值，然后計算出該線性擬合值的反米爾斯函數(shù)值Lambda，最后將Lambda加入到式(2)和式(3)中。第一階段的回歸模型設(shè)定參考了Venkataraman和Waisburd(2007)以及陳輝(2017)的研究，回歸模型如下：

Probit(Makedumi=1|Makedumi=0)=α0+α1Lnoutstandingi+α2Lnnumi+α3Lnpricei+α4Turnoveri+α5Lnasseti+α6Sdreturni+εi

(9)

其中，Lnnum為樣本期初股東戶數(shù)的自然對數(shù)，其他變量的定義同上。

表6給出了引入反米爾斯函數(shù)值的回歸分析結(jié)果?？梢钥闯觯?1)-列(3)中Lambda的系數(shù)均在1%的水平上顯著，表明上述回歸分析存在較為嚴重的自選擇偏差問題。在控制了Lambda之后，Makedum的系數(shù)均在1%的水平上顯著為負。這表明在控制了自選擇效應(yīng)之后，做市轉(zhuǎn)讓方式能夠降低極端收益風險的結(jié)論沒有改變。

表6 考慮自選擇效應(yīng)的回歸分析結(jié)果

注：括號內(nèi)為使用異方差穩(wěn)健標準誤計算的z值，*、**和***分別表示在10%、5%和1%的水平上顯著。

(二)使用不同極端收益風險指標

我們還使用公司特有周收益率大于30%的頻數(shù)(Cut30num)和虛擬變量(Cut30dum)來度量暴漲風險，使用小于-30%的頻數(shù)(Cut_30num)和虛擬變量(Cut_30dum)來度量暴跌風險。使用不同的極端收益風險度量指標不改變實證結(jié)果。

(三)延長極端收益風險估計窗口

參照李小榮和劉行(2014)以及權(quán)小鋒等(2015)的研究，我們還將崩盤風險的預(yù)測窗口延長至1.5年，即2015年1月1日至2016年6月30日。延長估計窗口也不改變實證結(jié)果，進一步說明引入做市轉(zhuǎn)讓制度能夠降低極端收益風險。

七、結(jié)論與討論

現(xiàn)有的極端收益風險形成機理研究均忽視了交易環(huán)節(jié)的重要影響，做市轉(zhuǎn)讓制度實施效果的現(xiàn)有實證研究則忽視了其對極端收益風險的作用，而新三板市場實施做市轉(zhuǎn)讓制度為考察這兩個問題提供了良好的契機。本文的理論分析表明，股票轉(zhuǎn)讓方式影響極端收益風險的路徑至少有兩條：一是股票流動性路徑；二是信息有效性路徑。前者認為，與實施協(xié)議轉(zhuǎn)讓制度相比，實施做市轉(zhuǎn)讓制度能夠提高股票流動性，降低交易成本，更低的交易成本將使低價值信息更容易通過交易反映在股票價格中，降低低價值信息過度累積的可能性，從而避免因累積的信息集中釋放而導(dǎo)致的極端收益風險；后者認為，作為交易中介的做市商更專業(yè)且能夠觀察到交易指令等信息，從而更能夠認知和識別低價值的信息，提高低價值信息反映在股票價格中的速度，同樣避免低價值信息過度累積的可能性，從而也能避免因累積的信息集中釋放而導(dǎo)致的極端收益風險。兩者的不同之處在于，前者強調(diào)反映低價值信息的客觀能力，即交易成本水平；后者強調(diào)反映低價值信息的主觀能力，即投資者認知能力。但兩者都推斷，與實施協(xié)議轉(zhuǎn)讓的公司相比，實施做市轉(zhuǎn)讓的公司極端收益風險更低。

本文發(fā)現(xiàn)：(1)與主板市場相比，新三板市場出現(xiàn)極端收益的可能性更高，且極端收益并沒有呈現(xiàn)出明顯的負偏。這表明新三板市場的極端收益風險更值得關(guān)注，且傳統(tǒng)的信息模型對于解釋新三板市場的極端收益風險存在明顯的不足。(2)與實施協(xié)議轉(zhuǎn)讓的公司相比，實施做市轉(zhuǎn)讓的公司極端收益風險顯著更低。這表明交易環(huán)節(jié)是影響極端收益風險的重要因素，做市商起到了降低極端收益風險的作用。(3)更多的做市商并未帶來顯著更低的極端收益風險，其中的原因還需做進一步探討。(4)做市轉(zhuǎn)讓方式對股價暴漲風險的抑制作用在熊市中更強，對股價暴跌風險的抑制作用在牛市中更強。這可能是因為，熊市中提供做市服務(wù)時規(guī)避價格下跌風險的成本更高，牛市中提供做市服務(wù)時規(guī)避價格上漲風險的成本更高，從而降低了做市商在熊市中抑制股價暴跌風險和在牛市中抑制股價暴漲風險的能力。(5)股票轉(zhuǎn)讓方式對極端收益風險的影響主要通過股票流動性路徑起作用，信息有效性路徑會起作用主要是因為信息有效性和股票流動性之間的高相關(guān)性。這表明反映低價值信息的客觀能力，即交易成本水平，是影響極端收益風險的關(guān)鍵因素。(6)使用處理效應(yīng)模型來控制自選擇偏差的影響，使用不同的極端收益風險度量指標，延長極端收益風險的計算窗口，均不改變實證結(jié)果。這表明本文的實證結(jié)果是穩(wěn)健的。

本文的研究結(jié)論具有重要的理論與現(xiàn)實意義。第一，本文發(fā)現(xiàn)股票轉(zhuǎn)讓方式是影響極端收益風險的重要因素，且主要通過股票流動性路徑起作用，從而豐富了以往關(guān)于極端收益風險形成機理的研究。第二，本文發(fā)現(xiàn)盡管實施做市轉(zhuǎn)讓制度能夠降低極端收益風險，但更多的做市商卻并未帶來更低的極端收益風險。這意味著我們應(yīng)當進一步分析多個做市商在股票流動性、信息有效性和極端收益風險上的作用機理，以更好地發(fā)揮做市商制度的作用。第三，本文發(fā)現(xiàn)做市商在熊市中抑制股價暴漲的作用更強，在牛市中抑制股價暴跌的作用更強，而不是相反。這意味著我國的做市商在提供做市服務(wù)時規(guī)避價格變化風險的能力還較弱，監(jiān)管當局應(yīng)當建立做空和避險等工具支持制度，切實降低做市業(yè)務(wù)的風險，進而提高做市商在降低極端收益風險上的作用。

[1]陳國進，張貽軍.異質(zhì)信念、賣空限制與我國股市的暴跌現(xiàn)象研究[J].金融研究，2009，(4)：80-91.

[2]陳輝.做市服務(wù)的供求分析新框架及其對股票流動性的影響[J].財貿(mào)經(jīng)濟，2017，(1)：84-98.

[3]李增泉，葉青，賀卉.企業(yè)關(guān)聯(lián)、信息透明度與股價特征[J].會計研究，2011，(1)：44-51.

[4]逯東，付鵬，楊丹.機構(gòu)投資者會主動管理媒體報道嗎？[J].財經(jīng)研究，2016，(2)：73-84.

[5]權(quán)小鋒，肖斌卿，吳世農(nóng).投資者關(guān)系管理能夠穩(wěn)定市場嗎？——基于A股上市公司投資者關(guān)系管理的綜合調(diào)查[J].管理世界，2016，(1)：139-152.

[6]唐松，吳秋君，溫德爾，等.賣空機制、股價信息含量與股價暴跌風險——基于融資融券交易的經(jīng)驗證據(jù)[J].財經(jīng)研究，2016，(8)：74-84.

[7]王化成，曹豐，葉康濤.監(jiān)督還是掏空：大股東持股比例與股價崩盤風險[J].管理世界，2015，(2)：45-57.

[8]許年行，江軒宇，伊志宏，等.分析師利益沖突、樂觀偏差與股價崩盤風險[J].經(jīng)濟研究，2012，(7)：127-140.

[9]Anand A, Tanggaard C, Weaver D G. Paying for market quality[J]. Journal of Financial and Quantitative Analysis, 2009, 44(6): 1427-1457.

[10]Campbell J Y, Hentschel L. No news is good news: An asymmetric model of changing volatility in stock returns[J]. Journal of Financial Economics, 1992, 31(3): 281-318.

[11]Demsetz H. The cost of transacting[J]. The Quarterly Journal of Economics, 1968, 82(1): 33-53.

[12]Grossman S J, Miller M H. Liquidity and market structure[J]. The Journal of Finance, 1988, 43(3): 617-633.

[13]Grossman S J, Stiglitz J E. On the impossibility of informationally efficient markets[J]. The American Economic Review, 1980, 70(3): 393-408.

[14]Hong H, Stein J C. Differences of opinion, short-sales constraints, and market crashes[J]. The Review of Financial Studies, 2003, 16(2): 487-525.

[15]Hutton A P, Marcus A J, Tehranian H. Opaque financial reports, R2and crash risk.[J]. Journal of Financial Economics, 2009, 94(1): 67-86.

[16]Jin L, Myers S C. R2around the world: New theory and new tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292.

[17]Kim J, Zhang L. Accounting conversation and stock price crash risk: Firm-level evidence[J]. Contemporary Accounting Research, 2016, 33(1): 412-441.

[18]Menkveld A J, Wang T. How do designated market makers create value for small-caps?[J]. Journal of Financial Markets, 2013, 16(3): 571-603.

[19]Merton R C. A simple model of capital market equilibrium with incomplete information[J]. The Journal of Finance, 1987, 42(3): 483-510.

(責任編輯 康 健)

Stock Transfer Modes and Extreme Return Risks:Economic Consequences of the Introduction of Market Making Mechanism into the New Third Board

Chen Hui1,2, Gu Naikang3

(1.DepartmentofFinance,GuangdongUniversityofFinance,Guangzhou510521,China;2.FinancialInstitute,ThePeople’sBankofChina,Beijing100033,China;3.SunYat-senBusinessSchool,SunYat-senUniversity,Guangzhou510275,China)

The transaction link is paid little attention to in the studies of the generation mechanism of extreme return risks, and the effects of market making transfer system on extreme return risks are usually neglected in existing empirical studies of the implementation effect of market making transfer system. Based on transaction link, this paper proposes a new hypothesis to explain the generation mechanism of extreme return risks, and introduces market making mechanism into the New Third Board to empirically explore the relationship between stock transfer modes and extreme return risks. It comes to the following conclusions: firstly, compared with stocks transferred by agreement, extreme return risks of stocks transferred by market making are significantly low, but more market makers do not bring significantly lower extreme return risks; secondly, the inhibitory role of stock transfer modes in price jump risk is stronger in the bear market, and the inhibitory role of stock transfer modes in price crash risk is stronger in the bull market; thirdly, the effect of stock transfer modes on extreme return risks exert mainly through stock liquidity path, and information effectiveness path plays a role mainly owing to high correlation between information effectiveness and stock liquidity. These empirical results above are still robust after using treatment effect model to control the effect of self-selection bias, using different indexes of extreme return risks, extending calculation window of extreme return risks and so on. It shows that transaction link is an important factor affecting extreme return risks, and the introduction of market making transfer system is beneficial to the reduction in extreme return risks of companies listed on the New Third Board. It is of great significance to deep understanding of the generation mechanism of extreme return risks and the improvement of transaction mechanism on the New Third Board.

market making transfer; transfer by agreement; price jump; price crash; extreme return risk; the New Third Board

2017-01-13

國家社會科學基金青年項目(16CJY072)；教育部人文社會科學研究青年基金項目(15YJC790008)；中國博士后科學基金(2016M591324)

陳 輝(1983-)，男，湖北監(jiān)利人，廣東金融學院金融系副教授、博士，中國人民銀行金融研究所博士后； 顧乃康(1965-)，男，江蘇無錫人，中山大學管理學院教授，博士。

F832.5

A

1001-9952(2017)05-0117-13

10.16538/j.cnki.jfe.2017.05.009