——基于A股的數(shù)據(jù)實證"/>
李 茁
(上海外國語大學 國際金融貿(mào)易學院,上海 200083)
本文采用事件分析的方法,考察如何通過交易所數(shù)據(jù)的信息披露作為始點,研究市場集中交易的程度,從而分析市場投資者對降息預期的反應是否準確。國外學者在研究投資者預期反應時,通常以重大事件披露前的股價和交易量的異常來作為預判交易的證據(jù),如Keown和Pinkerton(1981)[1]注意到,平均而言,目標公司股價上漲總幅度的40%~50%出現(xiàn)在兼并信息公告前,并據(jù)此斷言投資者的預期反應可能存在利用優(yōu)勢信息交易。
利息調整是政府宏觀調控的重要手段,對市場上所有資產(chǎn)的價格有重大的影響,相對而言股市對利率調控反應也非常敏感,會較快達到新的均衡。2015年央行在不到8個月的周期內(nèi)進行了5次利率調整,隨后在2016年至今尚未繼續(xù)使用這一貨幣政策。這5次利率調整均對股市造成了不同程度的影響,如表1所示。
表1 5次利率調整情況
數(shù)據(jù)來源:上海交易所公開數(shù)據(jù)。
由于這5次利率變動都是降息0.25個BP,對股市而言均為利好,本文以這5次利率調整事件為例,采用事件分析的方法,并利用交易席位的大額買賣數(shù)據(jù),研究在這5次降息前后,市場整體的買賣平均集中度的變動趨勢。由于大額買賣數(shù)據(jù)基本上是由具有信息優(yōu)勢的投資者發(fā)起的,*王春峰和王燕(2004)[2]基于向量自回歸模型,采用日內(nèi)交易數(shù)據(jù)對中國市場股票交易量的信息含量問題進行了研究。實證結果表明交易量對價格變動具有正向的持久性影響,大額交易的信息含量要高于小額交易所傳遞的信息含量。通過本文的研究我們可以考察這5次降息事件過程中,市場投資者對降息是否有比較好的預期,以此實證衡量A股市場對信息預判的正確程度。
本文采用的數(shù)據(jù),主要包括個股前10名交易席位的交易量數(shù)據(jù),來源于上交所申請的交易席位數(shù)據(jù)(與交易所披露的龍虎榜數(shù)據(jù)類似,但席位擴大到前10),而個股交易量以及它們的流通市值數(shù)據(jù)則來源于Wind金融數(shù)據(jù)庫。
本文首先基于交易席位數(shù)據(jù)所提供的所有滬市個股前10名交易席位的交易量(包括買進前10和賣出前10)數(shù)據(jù),采用事件分析的方法,分別考察2015年2月28日至2015年10月23日5次降息事件前后,市場的交易集中度變化趨勢。通過比較5次降息前后的市場買賣集中度指標的變動趨勢,我們可以從較宏觀的角度研究這5次降息事件過程中,市場對降息是否有較為充分的預期。
為了對上述結論進行進一步的檢驗,我們按照降息公布事件前一日*前一日指降息事件公告后的最近一個交易日。如周二晚上公告的,則選取周二交易日的數(shù)據(jù),如周六周日公告的,則選取周五交易日數(shù)據(jù)。全體上證股票的流通市值為標準構造股票組合,通過計算并比較各個組合的交易集中度在前后兩個時期的變動趨勢,考察市場對降息是否有較為充分的預期,以及投資者更傾向于在哪類股票從事交易。
(1)
由于各只股票具有不同的成交規(guī)模,故以各只股票的簡單平均值作為市場整體的交易集中度可能會放大成交規(guī)模較小的股票對市場整體交易的影響,同時減少成交規(guī)模較大的股票對市場整體的影響。因而,我們定義股票組合在t日的交易集中度為t日市場中各個股票的交易集中度按照成交金額的加權平均值。假設股票組合存在N只股票,股票1、股票2,至股票N,則股票組合在交易日t的交易集中度定義為:
(2)
由式(1)、式(2)可以寫為:
(3)
式(3)相當于股票組合中所有股票在交易日t買入量前10名交易席位的總買入金額減去賣出量前10名交易席位的總賣出金額,除以股票組合中所有股票在交易日t的總成交金額。該指標為正,表明股票組合的大額總買入金額大于大額總賣出金額,即股票組合整體大額交易為凈買入。并且該指標越大,反映股票組合的買入相對于賣出越集中。相反,如果該指標為負,表明股票組合的大額總買入金額小于大額總賣出金額,即股票組合大額交易為凈賣出。并且該指標越小,反映股票組合的賣出相對于買入越集中。
若降息事件公布的時間為t,我們考察時間t前后各L個交易日的交易席位數(shù)據(jù)交易集中度指標,其中L相當于時間窗口長度。假設股票i在t-L日至t+L日的交易集中度分別為Zi,t-L,…,Zi,t-1,Zi,t,Zi,t+1,…,Zi,t+L,成交金額分別為Vi,t-L,…,Vi,t-1,Vi,t,Vi,t+1,…,Vi,t+L,其中i=1,…,N,則由式(2),我們可以求得市場整體在t-L日至t+L日的交易集中度。通過比較5次降息前后市場整體交易集中度在t-L日至t+L日的時間序列變化趨勢,我們可以考察市場對降息是否有較為充分的預期。本文我們設定時間窗口長度為L=3,即考察降息事件前后3天市場整體的交易集中度變化。通過比較5次降息事件市場整體集中度變動趨勢,我們可以發(fā)現(xiàn)市場對降息是否有較為充分的預期。
圖1 利好事件發(fā)生前后市場交易集中度的兩種可能變動趨勢
具體而言,在降息事件前后,市場整體交易集中度在事件發(fā)生前后的變動趨勢可能存在如圖1所示的兩種趨勢,其中虛線的曲線表示在利好事件發(fā)生的t時刻之前,市場整體的大額買入交易比大額賣出交易更集中。而在利好消息公布之后,市場整體的大額賣出交易則比大額買入交易更集中。此時市場可能存在一定程度的準確預期,掌握大額資金的投資者對降息的判斷是準確的,在利好消息公布之前大額買入股票,而在消息公布之后逢高賣出。何佳和何基報(2002)[3]的研究也指出,凡有重大事件發(fā)生的公司,10萬股以上股東的持股比例比所有上市公司的平均水平要高得多,表明在重大事件公告前,優(yōu)勢信息獲得者可能利用信息優(yōu)勢獲利。由此可以推斷出,在一個重大的事件即將發(fā)生時(比如降息、印花稅調整等),市場上某些掌握大規(guī)模資金的參與者,相對于其他的參與者,擁有較大的信息優(yōu)勢,并將這種優(yōu)勢運用在自己的交易行為之上。簡單講就是重大利好(利空)消息出臺之前,買入(賣出)。
相反,實線的曲線表示在利好事件發(fā)生的t時刻之前,市場整體的大額賣出交易比大額買入交易更集中,因而沒有正確預判市場未來的信息,而在利好事件發(fā)生之后,市場整體的大額買入交易比大額賣出交易更集中,此時投資者根據(jù)已公布的公開信息進行操作。根據(jù)圖1,可以看出具有信息優(yōu)勢和不具有信息優(yōu)勢的市場參與者在重大事件公布前后的交易行為模式的差異。信息流驅動帶來的資金流行為是金融市場微觀結構的核心發(fā)現(xiàn)。O’Hara(1995)[4]和Hasbrouck(2007)[5]對這種模式都進行了詳盡的分析和論述。
表2給出了2015年5次降息事件前后3天的市場整體交易集中度。
表2 5次降息事件市場整體交易集中度的變化趨勢
數(shù)據(jù)來源:上海證券交易所席位數(shù)據(jù),Wind金融數(shù)據(jù)庫。
由表2中我們可以發(fā)現(xiàn),對于2015年2月份的降息事件,在公布日之前兩天,市場交易集中度為正值。這表明大額投資者很有可能在事件公布之前聽到風聲,因而市場大額交易整體為凈買入。隨后,在該事件公布之后,市場整體的交易集中有所下降,表明此時市場大額交易整體為凈賣出,暗示著投資者在獲利之后短線賣出持有資產(chǎn)。而對于后三次發(fā)生的降息事件,最典型的是在6月和8月的前2個交易日之內(nèi),市場整體的交易集中度持續(xù)為負,即這段時期內(nèi)市場整體的大額交易為凈賣出。隨后,在市場公布降息的利好消息之后,在接下來的兩個交易日市場整體的交易集中度持續(xù)為正,表明這段時期內(nèi)市場大額交易整體為凈買入。
圖2直觀地給出了5次降息事件前后3天市場整體交易集中度的變化趨勢。我們可以發(fā)現(xiàn)圖2中的2月28日的虛線類似于圖1中的虛線,即在利好消息公布日之前,市場整體交易集中度處于波峰,并且為正值,此時市場整體的大額買入比大額賣出更為集中。而在利好消息公布之后,市場整體交易集中度有所下降,并且為負值,即市場整體的大額賣出交易則比大額買入交易更集中[6]。這表明此時市場對降息的判斷比較準確,特別是大額投資者掌握了更多的信息,在利好消息公布之前大額買入股票,而在消息公布之后逢高賣出獲取利潤。
而圖2中6月27日的實線則類似于圖1中的實線,在利好事件發(fā)生的交易日t之前,市場整體交易集中度持續(xù)為負,表明市場整體的大額賣出交易比大額買入交易更集中,此時沒有正確預期存在的證據(jù)。而在利好消息公布日之后,市場整體交易集中度處于波峰,并且為正值。表明在利好消息公布之后市場整體的大額買入比大額賣出更為集中,表明投資者根據(jù)公開的信息進行操作,因而不存在明顯的有資金優(yōu)勢投資者利用信息優(yōu)勢的證據(jù)。
圖2 5次降息事件市場整體交易集中度的變化趨勢數(shù)據(jù)來源:上海證券交易所席位數(shù)據(jù),Wind金融數(shù)據(jù)庫
市場整體交易集中度反映了從市場宏觀角度看,大額買入交易相對大額賣出交易的比較情況。通過該指標檢驗能夠較好地反映市場在重大信息事件披露前有無信息泄露。由于利息降低對整個市場的所有股票來說都是個利好消息,對各類股票的交易集中度都會產(chǎn)生影響,但出于操作成本的考慮,做出正確預期的交易者會選擇具有某些特征的股票進行操作。我們按照事件前一日股票的流通市值為標準構造股票組合,通過計算并比較各類組合交易集中度在兩個時期的變動趨勢,進一步驗證市場中是否存在正確預期的現(xiàn)象,并考察擁有大額資金的投資者更傾向于在哪類股票買進賣出。
具體而言,我們首先根據(jù)各個股票在第一次利好事件公布前一天的流通市值排序,并相應分為5組。若股票總數(shù)為N,則具有最小流通市值的[N/5]個股分在第一組,依次類推,其中[N/5]代表N/5的整數(shù)部分。根據(jù)N是否為5的倍數(shù),第五組,即具有最大流通市值的股票組中所包含的股票數(shù)可能有所不同。當N為5的倍數(shù),則第五組中的包含股票個數(shù)為N/5;否則,若N不是5的倍數(shù),則第五組中的包含股票個數(shù)為N-[N/5]* 4。組合1~組合5中,組合1的流通市值最小,組合5的流通市值最大,以此類推。
按照上述方法我們構造了5個股票組合,并按照市場整體集中度的分析方法對上述5個股票組合的交易集中度進行分析。即首先按照股票組合中各個股票的交易金額計算股票組合在t-L日至t+L日的組合交易集中度,然后分析5個股票組合在這段時間內(nèi)交易集中度的變化趨勢。我們可以發(fā)現(xiàn)具有哪些性質的股票更有可能存在正確預期。
采用同樣的模型,分別計算按股票流通市值大小排序的五個股票組合在事件發(fā)生前后交易集中度,我們得到如下結果,見表3、圖3。
表3 按股票流通市值分組后組合5交易集中度的變化趨勢[7]*我們考察了按股票流通市值分類的五個組合的全部情況,組合1~組合3(即流通市值較小的組)圖形在事件發(fā)生日之前沒有明顯的波峰,并且均為負值。而在事件發(fā)生日之后圖形也沒有明顯的波谷,組合4的圖形與組合5類似。限于篇幅不一一列出。
數(shù)據(jù)來源:上海證券交易所席位數(shù)據(jù),Wind金融數(shù)據(jù)庫。
圖3 按股票流通市值分組后組合5交易集中度的變化趨勢數(shù)據(jù)來源:上海證券交易所席位數(shù)據(jù),Wind金融數(shù)據(jù)庫
實證結果顯示,股票流通市值較低的股票,在5次降息事件中,其組合交易集中度圖形在事件發(fā)生日之前沒有明顯的波峰,并且均為負值。而在事件發(fā)生日之后圖形也沒有明顯的波谷,即上述組合沒有存在較明顯的內(nèi)幕交易的現(xiàn)象。而股票流通市值較高的股票,在2月,5月,10月的降息事件公布之前的1~2天,組合交易集中度出現(xiàn)較明顯的波峰,并且為正值;而在事件公布之后的3天,組合的交易集中度有明顯的下降。2月28日,5月10日,10月23日的虛線直觀暗示了市場對于降息的正確估計。相比圖2市場整體情況,圖3表明了流通市值較高的股票在利好公布前得到了大額資金的凈買入。
同樣,我們也可以按股票的換手率這個標準對股票進行分類,對五個編組實證檢驗,得到了類似的結果,限于篇幅不一一列舉。
本文從監(jiān)管角度出發(fā),以2015年2月28日至2015年10月23日5次降息事件為例,采用事件分析的方法,研究在這5次降息前后股市的買賣平均集中度的變動趨勢。
由于利率調低對整個市場的所有股票來說都是利好消息,對各個股票的交易集中度都會產(chǎn)生影響。因而通過比較5次降息前后的市場買賣集中度指標的變動趨勢,我們可以從較宏觀的角度研究這5次降息事件過程中,大額投資者是否對降息可以有比較好的預期。本文實證結果表明在2015年2月28日的降息過程中市場存在一定的準確預期,而隨后的4次降息過程中則不存在明顯的準確預期的證據(jù)。這意味著隨著市場監(jiān)管的進一步加強規(guī)范,信息披露的保密性得到改善,在一定程度而言市場的整體效率有所提高。
同時,出于操作成本的考慮,擁有準確預期的投資者在從事交易時,會選擇具有某些特征的股票進行操作[8]。本文中我們按照股票的流通市值為標準構造股票組合,通過計算并比較5個組合交易集中度在五個時期的變動趨勢,我們發(fā)現(xiàn),出于掩藏交易目的以及操作成本的考慮,那些流通市值比較高的股票,投資者更有可能買賣這些股票來應對他們對降息的預判。對于有正確預期的投資者傾向于操作流通市值較高的股票,其可能的解釋是,當公布利好前,拉升已經(jīng)重倉持有的股票付出的成本最小。如果股票流通市值太小,流動性不足,大額資金買不到一定比例的市值,對整體資產(chǎn)凈值貢獻不大,而利好公布后借利好出貨也不容易。故流通市值較大的股票符合大額投資者的需求偏好,當他們對降息做出預判時,更傾向于交易此類股票。因此,出于監(jiān)管和預防整體市場異動的考慮,交易所不應當僅對中小股票重點監(jiān)控,更應對流通市值相對較大的活躍型股票加強監(jiān)管。
[1]KEOWN A J,PINKERTON J M.Merger announcements and insider trading activity: an empirical investigation[J].Journal of Finance,1981,36(4):855-869.
[2]王春峰,王燕.測量股票交易中的信息含量[J].管理工程學報,2004(3):42-46.
[3]何佳,何基報.中國股市重大事件信息披露與股價異動研究報[R].深圳:深圳證券交易所綜合研究所研究報告,2002.
[4]O’HARA M.Market microstructure theory[M].Cambridge, MA: Blackwell Publishers,1997:362-369.
[5]HASBROUCK J.Empirical market microstructure:the institutions, economics and econometrics of securities trading[M].Oxford,New York:Oxford University Press,2007:258-263.
[6]BALTAGI B H,LI D,LI Q.Transaction tax and stock market behavior: evidence from an emerging market[J].Empirical Economics,2006,31(2):393-408.
[7]楊海達,周勇.小波分析降息對股市成交量的影響[J].數(shù)理統(tǒng)計與管理,2010(2):355-361.
[8]邵錫棟,黃性芳,殷煉乾.降息對中國股市流動性和波動性的影響[J].統(tǒng)計與決策,2009(5):133-134.