亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        保險(xiǎn)資金舉牌擾亂股票市場(chǎng)價(jià)格了嗎?
        ——基于險(xiǎn)資A股市場(chǎng)舉牌的證據(jù)

        2018-06-06 06:52:45陳憲盧思遠(yuǎn)陳勇
        關(guān)鍵詞:信息模型

        陳憲,盧思遠(yuǎn),陳勇

        (中南大學(xué)商學(xué)院,湖南長(zhǎng)沙,410083)

        一、引言

        自2005年1月中國(guó)保監(jiān)會(huì)和銀監(jiān)會(huì)明確保險(xiǎn)資金直接投資股票市場(chǎng)有關(guān)規(guī)則以來,保險(xiǎn)資金就參與了我國(guó)股票二級(jí)市場(chǎng)投資。2014年底,保險(xiǎn)資金借著“萬能險(xiǎn)”的便利,大規(guī)模進(jìn)軍國(guó)內(nèi)A股市場(chǎng),掀起“舉牌”熱潮。據(jù)Wind資訊統(tǒng)計(jì),在2014年10月到2016年12月兩年多時(shí)間內(nèi),A股市場(chǎng)上保險(xiǎn)資金舉牌上市公司總次數(shù)為91次,被舉牌公司49家,共20家保險(xiǎn)資金參與。這期間保險(xiǎn)資金的舉牌行為催生了大量牛股,成為市場(chǎng)投資者重點(diǎn)關(guān)注的對(duì)象。直至 2016年12月,證監(jiān)會(huì)主席劉士余發(fā)聲稱部分保險(xiǎn)資金為“野蠻人”,保險(xiǎn)資金舉牌熱潮才慢慢消退。

        根據(jù)有效市場(chǎng)假說,股票價(jià)格能否自由地根據(jù)有關(guān)信息變動(dòng)是衡量證券市場(chǎng)是否具有外在效率的依據(jù)之一。要探討保險(xiǎn)資金舉牌上市公司對(duì)股票價(jià)格的影響,同樣要考慮信息傳遞效率與舉牌標(biāo)的的價(jià)格反應(yīng)。雖然大部分保險(xiǎn)機(jī)構(gòu)宣稱其在二級(jí)市場(chǎng)購(gòu)買股票是財(cái)務(wù)投資行為,但保險(xiǎn)資金舉牌行為還是引起了投資者的廣泛關(guān)注。以保險(xiǎn)資金舉牌上市公司公開信息發(fā)布日為基準(zhǔn),在[?30,30]交易日時(shí)間窗口內(nèi)觀察到:各保險(xiǎn)資金舉牌上市公司信息發(fā)布日前后,上市公司股票價(jià)格均有明顯升高;上市公司股票價(jià)格的異常提升從公開信息發(fā)布日之前即開始;公開信息發(fā)布日前后多個(gè)交易日期間許多上市公司股價(jià)上下波動(dòng)幅度較大。基于此,本文以2014—2016年我國(guó)A股市場(chǎng)主要保險(xiǎn)資金舉牌事件為例,搜集被保險(xiǎn)資金舉牌的上市公司股票價(jià)格的日度數(shù)據(jù)和30分鐘分時(shí)數(shù)據(jù),研究保險(xiǎn)資金舉牌上市公司對(duì)股票價(jià)格的影響。

        二、文獻(xiàn)回顧與研究假設(shè)

        (一) 文獻(xiàn)回顧

        一些學(xué)者認(rèn)為,保險(xiǎn)資金等機(jī)構(gòu)投資者投資上市公司不會(huì)引致股價(jià)異常。由于機(jī)構(gòu)投資者在信息傳遞效率、信息消化速度等方面存在優(yōu)勢(shì),且機(jī)構(gòu)投資者比散戶更加理性,因此其投資或舉牌上市公司不會(huì)造成股價(jià)的異常變化。Wermers[1]研究了1975—1994 年美國(guó)股市的機(jī)構(gòu)投資者投資行為,發(fā)現(xiàn)機(jī)構(gòu)投資者的“羊群行為”是理性的,可以加快股票價(jià)格消化新消息的速度,從而穩(wěn)定股票價(jià)格。Bohl 和Brzeszczynsku[2]運(yùn)用波蘭股市相關(guān)數(shù)據(jù),證明股票收益波動(dòng)與機(jī)構(gòu)投資者的持股比例存在負(fù)向相關(guān)的關(guān)系,包括保險(xiǎn)資金在內(nèi)的機(jī)構(gòu)投資者可以穩(wěn)定股市收益波動(dòng)。謝繼剛、張秋生、陳勇[3]利用事件研究法對(duì)我國(guó)證券市場(chǎng)舉牌事件的市場(chǎng)反應(yīng)進(jìn)行研究,指出根據(jù)舉牌公告進(jìn)行投資,投資者不能獲得超額收益。在把舉牌類型分為投機(jī)舉牌和戰(zhàn)略舉牌后,發(fā)現(xiàn)只有根據(jù)戰(zhàn)略舉牌做投資決策才可以獲得超額收益。彭疊峰、饒育蕾和王建新[4]研究發(fā)現(xiàn),投資者的有限注意可以影響股價(jià)對(duì)特定事件或信息的市場(chǎng)反應(yīng),導(dǎo)致股票收益的穩(wěn)定可預(yù)測(cè)。

        也有學(xué)者指出,包括保險(xiǎn)資金在內(nèi)的機(jī)構(gòu)投資者舉牌上市公司會(huì)引致股價(jià)異常變化。這種異常變化主要集中在兩個(gè)方面:一方面,股價(jià)的異常變化表現(xiàn)為因消息泄露和內(nèi)幕交易的存在,股票價(jià)格在公開信息發(fā)布日前就產(chǎn)生異常變動(dòng)。張宗新、潘志堅(jiān)、季雷[5]通過選取我國(guó)A股市場(chǎng)上三類可能存在內(nèi)幕信息的重大事件進(jìn)行檢驗(yàn),發(fā)現(xiàn)重大事件公告前股票收益率和換手率均發(fā)生顯著變化。傅勇、譚松濤[6]以股權(quán)分置改革為研究案例,證明機(jī)構(gòu)投資者與非流通股股東之間存在內(nèi)幕交易,機(jī)構(gòu)投資者可以因此獲得超額收益。邵新建、賈中正等[7]研究ST類公司借殼案例,發(fā)現(xiàn)公開信息披露前,股價(jià)以及成交量都發(fā)生正向變動(dòng),說明了內(nèi)幕交易的存在。董建萍[8]利用我國(guó)A股市場(chǎng)數(shù)據(jù),指出股價(jià)是否有過度波動(dòng)與機(jī)構(gòu)投資者類別以及會(huì)計(jì)信息披露質(zhì)量相關(guān),信息披露質(zhì)量越高,股價(jià)異常變動(dòng)風(fēng)險(xiǎn)越低。通過把機(jī)構(gòu)投資者劃分為穩(wěn)定型機(jī)構(gòu)投資者和交易型機(jī)構(gòu)投資者,發(fā)現(xiàn)交易型機(jī)構(gòu)投資者更容易引致股價(jià)崩盤。另一方面,股價(jià)的異常變化表現(xiàn)為公開信息發(fā)布前后股價(jià)的暴漲暴跌。Friedman[9]認(rèn)為,市場(chǎng)上的機(jī)構(gòu)投資者的“羊群行為”導(dǎo)致大量資金同時(shí)購(gòu)買或者拋售某一持股標(biāo)的,從而造成股價(jià)的劇烈波動(dòng)。Dennis等[10]研究美國(guó)股市的股價(jià)波動(dòng)行為,發(fā)現(xiàn)了機(jī)構(gòu)投資者持股比例和股價(jià)波動(dòng)之間存在顯著正相關(guān),證明至少在短期內(nèi),保險(xiǎn)資金等機(jī)構(gòu)投資者的投資行為會(huì)加劇股市波動(dòng)。陳夢(mèng)根、毛小元[11]指出,股票價(jià)格的信息含量與股票交易活躍程度明顯存在正向相關(guān)關(guān)系,且投資者追逐風(fēng)險(xiǎn)傾向的存在使股價(jià)波動(dòng)更加劇烈。代昀昊、唐齊鳴、劉莎莎[12]通過研究機(jī)構(gòu)投資者與股票暴跌風(fēng)險(xiǎn)的關(guān)系,發(fā)現(xiàn)在存在信息不對(duì)稱的情況下,機(jī)構(gòu)投資者容易推動(dòng)當(dāng)前股價(jià)走高,脫離實(shí)際價(jià)值,在公開信息發(fā)布前后引發(fā)暴跌。

        (二) 研究假設(shè)

        根據(jù)有效市場(chǎng)假說,信息通過影響市場(chǎng)中投資者的決策行為,決定了市場(chǎng)上股票價(jià)格的變化、收益率的差異化以及市場(chǎng)整體的波動(dòng)。按照 EMH 理論的論斷,股票價(jià)格可以根據(jù)證券市場(chǎng)上的信息給予準(zhǔn)確、即時(shí)、完整的反應(yīng),市場(chǎng)上的投資者不能根據(jù)公開信息獲得超額收益。根據(jù)此分析,本文提出假設(shè)1。

        H1:保險(xiǎn)資金舉牌公開信息發(fā)布不會(huì)造成上市公司股票價(jià)格的顯著提升。

        保險(xiǎn)資金在二級(jí)市場(chǎng)購(gòu)買股票的行為會(huì)導(dǎo)致股票市場(chǎng)供求關(guān)系的變化,進(jìn)而引起股票價(jià)格的變動(dòng)。同時(shí),信息披露質(zhì)量、信息傳遞效率以及內(nèi)幕交易等行為也都會(huì)影響上市公司股票價(jià)格。保險(xiǎn)資金在A股市場(chǎng)投資時(shí),由于存在復(fù)雜的自身利益訴求以及合作方利益關(guān)系,容易滋生消息泄露和內(nèi)幕交易行為,內(nèi)幕交易一旦發(fā)生,就容易導(dǎo)致股票價(jià)格在舉牌消息公布日前的顯著提升?;诖朔治觯疚奶岢黾僭O(shè)2。

        H2:保險(xiǎn)資金舉牌造成上市公司股票收益率的顯著提升在公開信息發(fā)布前開始。

        由于舉牌公開信息發(fā)布日前被舉牌上市公司股票價(jià)格就發(fā)生了顯著提升,使股價(jià)偏離內(nèi)在價(jià)值,公開信息發(fā)布后,市場(chǎng)上激進(jìn)投資者對(duì)于投資熱點(diǎn)的追逐和理性投資者要求股票價(jià)格回歸內(nèi)在價(jià)值的沖突容易造成市場(chǎng)多空力量的激烈斗爭(zhēng),導(dǎo)致股價(jià)暴漲暴跌。據(jù)此本文提出假設(shè)3。

        H3:保險(xiǎn)資金舉牌公開信息會(huì)造成股票短期收益率的異常波動(dòng)。

        三、研究設(shè)計(jì)

        (一) 模型設(shè)計(jì)及內(nèi)生性問題處理

        保險(xiǎn)資金舉牌上市公司事件給本文提供了檢驗(yàn)保險(xiǎn)資金舉牌對(duì)上市公司股票價(jià)格影響的準(zhǔn)自然實(shí)驗(yàn)。雙重差分(DID)模型基于無法控制一切無關(guān)因素的自然實(shí)驗(yàn),將樣本劃分為受到政策影響的實(shí)驗(yàn)組和不受政策影響的對(duì)照組,通過建模來有效控制研究對(duì)象間的事前差異,將政策影響的真正結(jié)果有效分離出來。DID模型的基本形式為:

        模型(1)中,Yd,t為被解釋變量;TREATd為虛擬變量,實(shí)驗(yàn)組取值為1,對(duì)照組取值為0;POSTt為虛擬變量,在政策實(shí)施或事件發(fā)生前為0,政策實(shí)施或事件發(fā)生后為1。交乘項(xiàng)前的系數(shù)δrDD為倍差估計(jì)量。

        雙重差分法是基于自然實(shí)驗(yàn)的思想設(shè)計(jì)的,而我國(guó)經(jīng)濟(jì)學(xué)界常用的自然實(shí)驗(yàn)概念,其實(shí)往往是所謂的準(zhǔn)自然實(shí)驗(yàn),容易導(dǎo)致內(nèi)生性問題,造成結(jié)果的不準(zhǔn)確。因此,在進(jìn)行分析之前,必須要進(jìn)行內(nèi)生性問題的處理。在本文的研究實(shí)例中,我們無法獲知保險(xiǎn)資金選擇舉牌標(biāo)的的具體決策過程,不能簡(jiǎn)單做排除內(nèi)生性假設(shè),實(shí)驗(yàn)組的內(nèi)生性問題需要解決。本文從兩個(gè)方面入手進(jìn)行內(nèi)生性問題的修正。

        首先,通過傾向得分匹配方法(PSM),在選取對(duì)照組時(shí),把上市公司各項(xiàng)信息特征綜合成一個(gè)傾向得分值,對(duì)得分相近的上市公司進(jìn)行匹配,使實(shí)驗(yàn)組和對(duì)照組滿足平行性假設(shè)。PSM方法模型如(2)。

        模型(2)為L(zhǎng)ogit模型,以上市公司是否被保險(xiǎn)資金舉牌(Jupai)為被解釋變量,上市公司i被保險(xiǎn)資金舉牌取值為1,否則為0。解釋變量分別為上市公司規(guī)模(InAsset)、第一大股東持股占比(First)、上市公司所屬行業(yè)(Indust)、被舉牌前區(qū)間股價(jià)漲幅(Increase)、市凈率(PB)及凈資產(chǎn)收益率(Roe)。

        其次,通過引入控制變量來控制股票價(jià)格的異質(zhì)性。構(gòu)建DID模型如下:

        式中,下標(biāo)i代表被保險(xiǎn)資金舉牌的上市公司及其對(duì)照上市公司,下標(biāo)t表示舉牌公告發(fā)生時(shí)點(diǎn)。Yit為各上市公司 2014—2016年度被舉牌前后不同周期價(jià)格收益率變動(dòng)情況。Jupaii為虛擬變量,用來區(qū)分實(shí)驗(yàn)組和對(duì)照組;Postt也是虛擬變量,用來區(qū)分實(shí)驗(yàn)組被保險(xiǎn)資金舉牌時(shí)間。交乘項(xiàng)(Jupaii×Postt)是實(shí)驗(yàn)組和對(duì)照組雙重差分的處理過程,其系數(shù)β3就是本文想要得到的保險(xiǎn)資金舉牌效應(yīng)的系數(shù)。Controls代表控制變量,用來控制不同上市公司在股票價(jià)格上的異質(zhì)性,∑Yearit代表時(shí)間固定效應(yīng)。

        (二) 變量設(shè)置

        1. 被解釋變量具體指標(biāo)的選擇

        模型(2)中,被解釋變量Jupai是保險(xiǎn)資金舉牌的虛擬變量。如果上市公司i被保險(xiǎn)資金舉牌則取值為1,否則為0。模型(3)中,為了更好分析保險(xiǎn)資金舉牌上市公司造成股價(jià)變化的周期特點(diǎn),本文將被解釋變量(Yit)股票價(jià)格的變動(dòng)分為當(dāng)日收益率變動(dòng)(Returns0)、短期收益率變動(dòng)(S-Returns)、中期收益率變動(dòng)(M-Returns)以及長(zhǎng)期收益率變動(dòng)(L-Returns)。

        以保險(xiǎn)資金舉牌上市公司公告日為0期,被解釋變量各指標(biāo)的計(jì)算方法見表1。

        表1 被解釋變量指標(biāo)的設(shè)置及計(jì)算

        2. 解釋變量具體指標(biāo)的選擇

        模型(2)解釋變量分別為:上市公司規(guī)模(InAsset),取上市公司總資產(chǎn)的對(duì)數(shù)值;第一大股東持股占比(First),取第一大股東持股數(shù)所占總股本的百分比;上市公司所屬行業(yè)(Indust),為一組行業(yè)虛擬變量;被舉牌前股價(jià)漲幅(Increase)。本文借鑒韓浩、宋亞軒、劉璐[13]的研究,取舉牌公告日前230日至前31日區(qū)間內(nèi)上市公司股價(jià)漲幅;市凈率水平(PB)及凈資產(chǎn)收益率(Roe)均取最近一期財(cái)務(wù)報(bào)表數(shù)據(jù)。模型(3)解釋變量中,Jupaii為虛擬變量,實(shí)驗(yàn)組取值為1,對(duì)照組取值為 0;Postt為虛擬變量,在舉牌實(shí)施前為 0,舉牌后為1。

        3. 控制變量具體指標(biāo)的選擇

        陳夢(mèng)根、易志高[14]的研究表明我國(guó)股票市場(chǎng)相同類別、相同概念的股票價(jià)格往往具有聯(lián)動(dòng)效應(yīng)。模型(3)選取上市公司被舉牌前所屬概念指數(shù)收益率(Icon)為控制變量。與被解釋變量設(shè)置相對(duì)應(yīng),本文選出與樣本舉牌前相關(guān)性最高的概念指數(shù),將所屬概念指數(shù)收益率參考被解釋變量,按周期分別設(shè)置為 Icon0、S-Icon、M- Icon以及 L-Icon;王家新[15]、呂躍金[16]等的研究表明股票價(jià)格對(duì)限售股解禁事件存在消極反應(yīng),因此本文選取時(shí)間窗口期內(nèi)是否有定向增發(fā)或股權(quán)激勵(lì)限售股解禁(Lift)為控制變量,有限售股解禁取值為1,否則為0。

        (三) 數(shù)據(jù)來源與樣本構(gòu)造

        在使用PSM確定對(duì)照組時(shí),本文以我國(guó)A股所有上市公司為初始研究樣本,通過刪除主要數(shù)據(jù)缺失的公司、*ST公司以及2014年之后上市的公司,最終涵蓋2270家上市公司,其中包括49家被保險(xiǎn)資金舉牌上市公司。上市公司規(guī)模(InAsset)、第一大股東持股占比(First)、上市公司所屬行業(yè)(Indust)、被舉牌前區(qū)間股價(jià)漲幅(Increase)、市凈率水平(PB)及凈資產(chǎn)收益率(Roe)數(shù)據(jù)均來源于Wind數(shù)據(jù)庫(kù)。DID模型中,本文取2014年至2016年我國(guó)A股市場(chǎng)主要保險(xiǎn)系舉牌的49家上市公司共91次舉牌事件作為初始樣本,數(shù)據(jù)處理時(shí),根據(jù)本文被解釋變量周期設(shè)置情況,剔除多次舉牌中相鄰兩次舉牌時(shí)間間隔過短的樣本,最終通過PSM方法,共取得49家實(shí)驗(yàn)組上市公司和49家對(duì)照組上市公司共66組實(shí)驗(yàn)組數(shù)據(jù)和66組對(duì)照組數(shù)據(jù)。股票價(jià)格變動(dòng)、所屬概念指數(shù)價(jià)格變動(dòng)及是否有限售股解禁原始數(shù)據(jù)來源于 Wind數(shù)據(jù)庫(kù)并對(duì)其進(jìn)行了整理。舉牌公告日取權(quán)益變動(dòng)書與股東權(quán)益變動(dòng)提示性公告兩者公布較早日。

        表2 PSM匹配前后變量描述性統(tǒng)計(jì)

        四、研究結(jié)果與分析

        (一) 描述性統(tǒng)計(jì)

        通過PSM方法將實(shí)驗(yàn)組和對(duì)照組進(jìn)行匹配時(shí),首先通過上市公司是否被險(xiǎn)資舉牌(Jupai)對(duì)各解釋變量進(jìn)行Logit回歸,再對(duì)模型(2)進(jìn)行逐步回歸,選出對(duì)保險(xiǎn)資金舉牌具有顯著影響的各解釋變量及傾向得分值。最后對(duì)實(shí)驗(yàn)組舉牌前的樣本和對(duì)照組進(jìn)行一對(duì)一匹配,并檢驗(yàn)各解釋變量在實(shí)驗(yàn)組和對(duì)照組是否存在顯著偏差,如果不存在顯著偏差則匹配效果較好。本文在進(jìn)行PSM匹配前后,各變量的描述性統(tǒng)計(jì)如表2所示。

        根據(jù)表2結(jié)果,PSM方法匹配后,實(shí)驗(yàn)組和對(duì)照組樣本解釋變量InAsset、First、Increase、PB及Roe的平均偏差均顯著減少,且t統(tǒng)計(jì)值顯示實(shí)驗(yàn)組和對(duì)照組之間均不存在顯著差異,說明各解釋變量在實(shí)驗(yàn)組和對(duì)照組中均衡分布。通過PSM方法的匹配,實(shí)驗(yàn)組和對(duì)照組之間基本滿足統(tǒng)計(jì)意義上的同質(zhì)性要求,符合雙重差分模型的基本要求和假設(shè)條件,為下文DID模型回歸篩選出了理想樣本。

        (二) 保險(xiǎn)資金舉牌對(duì)股票價(jià)格影響研究

        1. 保險(xiǎn)資金舉牌公開信息對(duì)股票收益率影響

        為了檢驗(yàn)假設(shè) 1,保險(xiǎn)資金舉牌公開信息的發(fā)布對(duì)上市公司股票價(jià)格的影響,本文將保險(xiǎn)資金舉牌上市公司信息公告日作為0期,利用模型(3)進(jìn)行檢驗(yàn)。表3給出了保險(xiǎn)資金舉牌公告對(duì)上市公司股票價(jià)格影響的檢驗(yàn)結(jié)果。其中,第2?5列為模型(3)不添加控制變量的回歸結(jié)果;第6?9列為添加控制變量后的回歸結(jié)果。控制變量中,可以發(fā)現(xiàn)在 1%顯著性水平下,被舉牌上市公司股票收益率與其所屬概念的指數(shù)收益率保持同向變動(dòng);在 5%顯著性水平下,定向增發(fā)限售股解禁事件會(huì)造成當(dāng)日股票收益率的下跌。

        從保險(xiǎn)資金舉牌公開信息的發(fā)布對(duì)股票價(jià)格的當(dāng)日影響來看,公開信息發(fā)布日后收益率雖然比公開信息發(fā)布日前有正向提升,但系數(shù)卻并不顯著,說明保險(xiǎn)資金舉牌上市公司的公開信息的發(fā)布并不能引起上市公司股票價(jià)格的顯著異常提升。通過延長(zhǎng)股票價(jià)格變化周期,將被解釋變量取值為短期收益率變動(dòng)(S-Returns)、中期收益率變動(dòng)(M-Returns)以及長(zhǎng)期收益率變動(dòng)(L-Returns),發(fā)現(xiàn)交乘項(xiàng)系數(shù)均不顯著,說明投資者依據(jù)市場(chǎng)公開信息進(jìn)行操作無法獲得超額收益。研究結(jié)果與本文提出的假設(shè) 1,即保險(xiǎn)資金舉牌公開信息發(fā)布不會(huì)造成上市公司股票價(jià)格的顯著提升相符合。

        2. 保險(xiǎn)資金舉牌公開信息發(fā)布前股票收益率變化

        為了檢驗(yàn)保險(xiǎn)資金舉牌公開信息造成上市公司股票價(jià)格的顯著提升是否在公開信息發(fā)布前即開始,本文把模型(3)中的樣本數(shù)據(jù)進(jìn)行調(diào)整:分別選取保險(xiǎn)資金舉牌上市公司的信息公告日前 1?10個(gè)交易日為基準(zhǔn),再分別建立雙重差分模型,進(jìn)一步分析被舉牌上市公司股票收益率的變化情況。

        表3 模型(3)回歸結(jié)果

        表4 變量調(diào)整后模型(3)回歸結(jié)果

        表4列出了將保險(xiǎn)資金舉牌上市公司公開信息發(fā)布日基期提前1?10期的雙重差分模型檢驗(yàn)回歸結(jié)果。表中第3?6列為不添加控制變量的回歸結(jié)果,第7?10列為添加所屬概念指數(shù)收益率變動(dòng)等控制變量的回歸結(jié)果。

        根據(jù)表4結(jié)果,可知從t-1期到t-10期,Returns0的DID模型交乘項(xiàng)系數(shù)均不顯著,說明保險(xiǎn)資金舉牌引起的上市公司股票價(jià)格顯著提升不會(huì)從某個(gè)特定的日期開始。從被舉牌上市公司股票短期收益率變動(dòng)(S-Returns)的角度來看,從t-1期到t-10期,DID模型交乘項(xiàng)系數(shù)經(jīng)歷了一個(gè)從小到大的變化過程,其顯著性水平也經(jīng)歷了不顯著—顯著—不顯著的過程。從t-1期到t-4期,短期收益率變動(dòng)(5日)交乘項(xiàng)系數(shù)從0.151 4逐步增加到1.610 4,又從t-5期開始逐步下降。從顯著性水平來看,t-3期到t-5期的交乘項(xiàng)系數(shù)均在1%水平下顯著,t-6期及t-7期交乘項(xiàng)系數(shù)在5%水平下顯著,其他提前期模型交乘項(xiàng)系數(shù)均不顯著,表明被舉牌上市公司股票價(jià)格的短期異常提升大多從公開信息發(fā)布日前3?5個(gè)交易日開始,從公開信息發(fā)布日前第4個(gè)交易日開始購(gòu)買可以獲得最大短期收益,被舉牌上市公司股票 5日內(nèi)平均每日收益率提升 1.610 4%。從被舉牌上市公司股票中期收益率變動(dòng)(M-Returns)的角度來看,從t-1期到t-10期,DID模型交乘項(xiàng)系數(shù)從t-1期的0.011 1增加到t-7期的1.381 0,再逐步下降。從t-4期開始,交乘項(xiàng)系數(shù)在1%水平下顯著。結(jié)果表明,要獲得最大中期投資收益,要從信息公布日前7個(gè)交易日開始購(gòu)買投資標(biāo)的,10日內(nèi)平均每日收益提升1.381%。延長(zhǎng)分析周期到長(zhǎng)期收益率變動(dòng)(L-Returns),可知從t-1期到t-10期,DID模型交乘項(xiàng)系數(shù)從t-1期的?0.050 2增加到t-8期的0.534 5,然后出現(xiàn)下降,從t-5期到t-8期,交乘項(xiàng)系數(shù)都在1%的水平下顯著,從消息公開日前第8天開始被舉牌上市公司 30日內(nèi)平均每日收益率可提高 0.534 5%。研究結(jié)果驗(yàn)證了本文的假設(shè)2,即保險(xiǎn)資金舉牌公開信息造成上市公司股票收益率的顯著提升在公開信息發(fā)布前開始。

        從股票價(jià)格異常提升的啟動(dòng)時(shí)間來看,被保險(xiǎn)資金舉牌上市公司股價(jià)的顯著提升從舉牌公告前7日左右即開始;從力度來看,價(jià)格行為變化的短期效應(yīng)強(qiáng)于中長(zhǎng)期效應(yīng),其中尤以消息公布日前4天到消息公布日后1天的5日收益率提升最為顯著,相比于對(duì)照組,5個(gè)交易日內(nèi)平均每日可獲得 1.6104%的超額收益,而這部分超額收益只能由提前介入市場(chǎng)者獲得。提前介入市場(chǎng)者包括做出決策在二級(jí)市場(chǎng)購(gòu)買股票的保險(xiǎn)資金以及提前獲知消息的內(nèi)幕交易者。短期內(nèi),內(nèi)幕交易者最有可能獲得超額收益,而在舉牌公開信息發(fā)布后選擇賣出的保險(xiǎn)資金也可以獲得這部分超額收益,監(jiān)管者必須加強(qiáng)對(duì)這兩部分損害普通投資者利益獲得超額收益群體的監(jiān)管。

        (三) 保險(xiǎn)資金舉牌對(duì)股價(jià)波動(dòng)性影響研究

        股票價(jià)格的變化一方面表現(xiàn)為價(jià)格上漲或下跌,即區(qū)間累積收益率的提升或下降,另一方面表現(xiàn)為波動(dòng)幅度的變化。有時(shí)候,雖然一定時(shí)期內(nèi)股票收益率累積變動(dòng)幅度不大,但是波動(dòng)幅度較大,暴漲暴跌的發(fā)生很容易使市場(chǎng)投資者蒙受損失。本文進(jìn)一步考察保險(xiǎn)資金舉牌上市公司是增加還是減少了股票價(jià)格的波動(dòng)。針對(duì)各個(gè)被舉牌標(biāo)的被舉牌前后的收益率情況建立GARCH(1,1)模型,如模型(4)和(5)。

        其中,變量為上市公司股票價(jià)格30分鐘對(duì)數(shù)收益率,。上式中,取被舉牌上市公司股價(jià)變動(dòng)的每30分鐘收盤價(jià),取每30分鐘開盤價(jià)。Dumt為虛擬變量,舉牌公告日前為0,舉牌公告日后為1。為了更客觀地反映股價(jià)波動(dòng)情況,本文剔除了選取樣本區(qū)間內(nèi)發(fā)生熔斷事件沒有發(fā)生交易以及連續(xù)漲停(跌停)期間沒有價(jià)格變動(dòng)的數(shù)據(jù)。表5給出了以寶能系保險(xiǎn)資金為例的各個(gè)被舉牌上市公司股票收益率的GARCH(1,1)模型估計(jì)結(jié)果。

        在寶能系保險(xiǎn)資金舉牌的上市公司股票價(jià)格的GARCH(1,1)模型中,對(duì)于arch項(xiàng)和garch項(xiàng)系數(shù),當(dāng)α1>0,λ1>0且二者之和小于1時(shí)可以認(rèn)為滿足序列平穩(wěn)的條件。虛擬變量系數(shù)γ1與α0之和可以檢驗(yàn)條件方差所受事件沖擊影響的持久性。

        由表5可知,寶能系保險(xiǎn)資金舉牌標(biāo)的1的虛擬變量Dumt系數(shù)大于0,且在1%的水平下顯著,說明保險(xiǎn)資金舉牌投資標(biāo)的1的公開信息的發(fā)布增加了其股票價(jià)格的波動(dòng)且滿足平穩(wěn)性條件。類似的,舉牌標(biāo)的3、標(biāo)的4、標(biāo)的5標(biāo)的10的虛擬變量Dumt的系數(shù)都大于0且均在不同顯著性水平下顯著,而標(biāo)的7、標(biāo)的9和標(biāo)的11的虛擬變量系數(shù)不顯著。與此同時(shí),舉牌標(biāo)的2、標(biāo)的6、標(biāo)的8的系數(shù)為負(fù)數(shù),且標(biāo)的2虛擬變量系數(shù)在10%水平下顯著、標(biāo)的8系數(shù)在1%水平下顯著,表明保險(xiǎn)資金的舉牌可以減少上市公司股票價(jià)格的波動(dòng),標(biāo)的6的虛擬變量系數(shù)不顯著。綜合來看,在寶能系舉牌上市公司的11個(gè)樣本中,有5個(gè)樣本保險(xiǎn)資金舉牌加大了股價(jià)的波動(dòng)性,2個(gè)樣本保險(xiǎn)資金舉牌減少了股價(jià)波動(dòng)性,其他4個(gè)樣本并沒有顯著影響。

        同樣,觀察其他主要保險(xiǎn)資金舉牌對(duì)于上市公司股價(jià)波動(dòng)性的影響,匯總整理后,保險(xiǎn)資金舉牌對(duì)收益率波動(dòng)的影響結(jié)果歸納如表6所示。

        表5 寶能系投資標(biāo)的GARCH(1,1)模型估計(jì)結(jié)果

        表6 不同保險(xiǎn)資金派系舉牌對(duì)股價(jià)波動(dòng)的影響匯總

        由表6以及前文分析可知,雖然保險(xiǎn)資金舉牌上市公司可以顯著造成股票價(jià)格的提前上漲,但是對(duì)股價(jià)波動(dòng)性的影響卻方向不一。當(dāng)保險(xiǎn)資金舉牌增加股價(jià)波動(dòng)時(shí),說明股票價(jià)格的平穩(wěn)運(yùn)行受到破壞,股票價(jià)格出現(xiàn)暴漲暴跌現(xiàn)象;當(dāng)保險(xiǎn)資金舉牌減少股價(jià)波動(dòng)時(shí),說明保險(xiǎn)資金舉牌穩(wěn)定了股價(jià);當(dāng)保險(xiǎn)資金舉牌對(duì)股價(jià)波動(dòng)影響不顯著或者模型不平穩(wěn)時(shí),說明保險(xiǎn)資金并未顯著改變?cè)摴傻牟▌?dòng)性。可以看出,保險(xiǎn)資金舉牌上市公司對(duì)股價(jià)波動(dòng)性的影響方向是不確定的。不同派系的保險(xiǎn)資金舉牌上市公司對(duì)股價(jià)波動(dòng)性影響方向不一,既有增加股價(jià)波動(dòng)的情況,也有減少波動(dòng)或不顯著的情況出現(xiàn)。從保險(xiǎn)資金舉牌導(dǎo)致股價(jià)波動(dòng)增加的上市公司數(shù)量占舉牌總數(shù)的比例可以在一定程度上看出不同保險(xiǎn)資金派系的投資風(fēng)格以及對(duì)股價(jià)的影響程度。表6結(jié)果可以部分印證假設(shè)3。

        (四) 穩(wěn)健性檢驗(yàn)

        事件研究法是評(píng)估政策效果和事件效應(yīng)的常用方法之一。事件研究法的基本思路是:搜集事件發(fā)生前后的相關(guān)數(shù)據(jù),確定窗口期和估計(jì)期,選擇合適模型估算正常收益率,計(jì)算事件期異常收益率及檢驗(yàn)異常收益率顯著性水平四個(gè)步驟,對(duì)政策實(shí)施效果進(jìn)行檢驗(yàn)。本文借鑒 Guercio[17],謝繼剛、張秋生、陳勇[3]的研究,以[?30, 30]作為事件窗口,[?231,?31]為估計(jì)窗口,選擇市場(chǎng)模型對(duì)保險(xiǎn)資金舉牌事件窗口內(nèi)平均異常收益率 AAR和累積異常收益率 CAR進(jìn)行分析,結(jié)果如表7所示。事件研究法的結(jié)果與上文分析結(jié)果基本一致,證明了研究結(jié)果的穩(wěn)健性。

        五、研究結(jié)論與政策建議

        本文通過研究保險(xiǎn)資金在我國(guó)股票二級(jí)市場(chǎng)上的舉牌行為,得到如下結(jié)論:首先,保險(xiǎn)資金舉牌公開信息的發(fā)布并沒有造成上市公司股票收益率的顯著提升。其次,上市公司股票價(jià)格的顯著提升在舉牌公告日前即開始,被舉牌上市公司股價(jià)的顯著提升開始于公開信息發(fā)布日前7個(gè)交易日左右,最大短期收益提升從公開信息發(fā)布日前4個(gè)交易日開始,5日內(nèi)平均每日收益率相對(duì)提升1.610 4%;最大中期收益提升從信息發(fā)布日前7個(gè)交易日開始,10日內(nèi)平均每日收益率相對(duì)提升1.381%;最大長(zhǎng)期收益提升從信息發(fā)布日前8個(gè)交易日開始,30日內(nèi)平均每日收益率相對(duì)提升0.534 5%,保險(xiǎn)資金舉牌上市公司造成股價(jià)提升的短期效應(yīng)強(qiáng)于長(zhǎng)期效應(yīng),收益率在公開信息發(fā)布后逐步回歸正常水平。最后,從保險(xiǎn)資金舉牌上市公司對(duì)股價(jià)波動(dòng)性的影響來看,不同上市公司股價(jià)波動(dòng)對(duì)保險(xiǎn)資金舉牌反應(yīng)不一,既有增加股價(jià)波動(dòng)的情況,也有不明顯改變波動(dòng)性以及減少股價(jià)波動(dòng)的情況發(fā)生,一定程度上反映了不同保險(xiǎn)資金的投資風(fēng)格差異,可以進(jìn)行針對(duì)性監(jiān)管。綜合來看,保險(xiǎn)資金舉牌并沒有擾亂股票市場(chǎng)價(jià)格,但舉牌相關(guān)信息的提前泄露可以讓部分投資者獲得短期超額收益,并且存在部分保險(xiǎn)資金舉牌引起股價(jià)波動(dòng)變大的情況。

        隨著我國(guó)股票市場(chǎng)的逐步發(fā)展和完善,如何更好發(fā)揮保險(xiǎn)資金等機(jī)構(gòu)投資者作用、保護(hù)普通投資者合法利益是必須要解決的問題。本文通過研究保險(xiǎn)資金舉牌對(duì)股票市場(chǎng)價(jià)格的影響,根據(jù)研究結(jié)論,提出以下建議:①?gòu)氖袌?chǎng)監(jiān)管者角度來看,股票市場(chǎng)對(duì)于保險(xiǎn)資金舉牌上市公司公開信息的反應(yīng)總體是理性的,監(jiān)管者應(yīng)該合理應(yīng)對(duì)保險(xiǎn)資金等機(jī)構(gòu)投資者投資股票二級(jí)市場(chǎng)的行為,引導(dǎo)普通投資者理性投資,同時(shí)也應(yīng)該加強(qiáng)對(duì)保險(xiǎn)資金舉牌過程中信息泄露、內(nèi)幕交易等行為的約束。針對(duì)部分違規(guī)獲取超額收益、造成市場(chǎng)劇烈波動(dòng)保險(xiǎn)資金要主動(dòng)加強(qiáng)監(jiān)管;②從保險(xiǎn)資金等機(jī)構(gòu)投資者角度看,應(yīng)該完善投資過程中必要的信息披露,規(guī)范自身投資行為,確保投資合規(guī)合法,避免損害其他投資者利益;③從市場(chǎng)上中小投資者角度來看,應(yīng)該意識(shí)到根據(jù)市場(chǎng)公開信息進(jìn)行投資不能獲得超額收益,同時(shí)認(rèn)清自身在資金實(shí)力和信息獲取及處理方面的劣勢(shì),慎重投資,關(guān)注風(fēng)險(xiǎn),避免盲目追逐市場(chǎng)熱點(diǎn)遭受損失。

        表7 樣本平均異常收益率、對(duì)應(yīng)t檢驗(yàn)及累積異常收益率

        參考文獻(xiàn):

        [1]WERMERS R. Mutual fund herding and the impact on stock prices[J]. Journal of Finance, 1999, 54(2): 581?622.

        [2]MARTINT. BOHL, JANUSZ BRZESZEZYNSKI. Do institutional investors destabilize stock prices? Emerging markets evidence against a popular belief[J]. Journal of International Financial Markets, Institutions and Money, 2006,1(10): 370?383.

        [3]謝紀(jì)剛, 張秋生, 陳勇.中國(guó)證券市場(chǎng)舉牌事件的市場(chǎng)反應(yīng)[J].生產(chǎn)力研究, 2008(18): 9?19.

        [4]彭疊峰,饒育蕾,王建新.有限注意、投資者行為與資產(chǎn)定價(jià)—— 一個(gè)研究評(píng)述[J]. 中南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2012,18(3): 116?122.

        [5]張宗新, 潘志堅(jiān), 季雷. 內(nèi)幕信息操縱的股價(jià)沖擊效應(yīng): 理論與中國(guó)股市證據(jù)[J]. 金融研究, 2005(4): 144?154.

        [6]傅勇, 譚松濤. 股權(quán)分置改革中的機(jī)構(gòu)合謀與內(nèi)幕交易[J].金融研究, 2008(3): 88?102.

        [7]邵新建, 賈中正, 趙映雪, 等. 借殼上市、內(nèi)幕交易與股價(jià)異動(dòng)——基于ST類公司的研究[J]. 金融研究, 2014(5): 126?142.

        [8]董建萍. 機(jī)構(gòu)投資者、信息披露質(zhì)量與股價(jià)崩盤風(fēng)險(xiǎn)[J]. 會(huì)計(jì)之友, 2016(5): 81?86.

        [9]FRIEDMAN B M. A comment: Stock prices and social dynamics[C]. Brookings Papers on Economic Activity, 2010:504?508.

        [10]DENNIS P J, D STRICKLAND. Who Blinks in Volatilc Markets,Individuals or Institutions?[J]. Journal of Finance, 2005, 57(5):1923?1949.

        [11]陳夢(mèng)根, 毛小元. 股價(jià)信息含量與市場(chǎng)交易活躍程度[J]. 金融研究, 2007(3): 125?139.

        [12]代昀昊, 唐齊鳴, 劉莎莎. 機(jī)構(gòu)投資者、信息不對(duì)稱與股價(jià)暴跌風(fēng)險(xiǎn)[J]. 投資研究, 2015(1): 50?64.

        [13]韓浩, 宋亞軒, 劉璐. 險(xiǎn)資舉牌對(duì)被舉牌公司股價(jià)波動(dòng)的影響研究——基于事件研究法的實(shí)證分析[J]. 保險(xiǎn)研究,2017(8): 73?88.

        [14]易志高, 龔輝鋒, 茅寧. 分類思維、投資者情緒與股票價(jià)格聯(lián)動(dòng)[J]. 管理評(píng)論, 2014, 26(4): 22?30.

        [15]王家新, 劉曦. 中國(guó)股市增發(fā)公告的股價(jià)效應(yīng)分析[J]. 統(tǒng)計(jì)研究, 2008(4): 61?65.

        [16]呂躍金, 鄒小平. 定向增發(fā)鎖定期終止的市場(chǎng)反應(yīng)實(shí)證研究[J]. 南京財(cái)經(jīng)大學(xué)學(xué)報(bào), 2010(5): 63?69.

        [17]DEL GUERCIO, D. The distorting effect of the prudent-man laws on institutional equity investments[J]. Journal of Financial Economics,1996, 40(1): 31?62.

        猜你喜歡
        信息模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        訂閱信息
        中華手工(2017年2期)2017-06-06 23:00:31
        3D打印中的模型分割與打包
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        展會(huì)信息
        一個(gè)相似模型的應(yīng)用
        信息
        健康信息
        祝您健康(1987年3期)1987-12-30 09:52:32
        久久精品国产精品亚洲艾| 秋霞午夜无码鲁丝片午夜精品| 亚洲国产cao| 国产自拍精品视频免费观看| 国产精品久久久免费精品| 欧美 国产 综合 欧美 视频| 国产亚洲精品自在久久蜜tv| 久久激情人妻中文字幕| 伊人久久大香线蕉av色婷婷色 | 国语对白自拍视频在线播放| 青春草在线视频观看| 亚洲av成人无码网站…| 日韩爱爱视频| 色综合久久精品中文字幕| 精品国产精品三级精品av网址| 熟妇的荡欲色综合亚洲| 久久久久久久一线毛片| 久久国产精品精品国产色| 久久久久亚洲av成人人电影| 亚洲国产成人久久综合电影| 巨乳av夹蜜桃站台蜜桃机成人| 亚洲免费精品一区二区| 护士的小嫩嫩好紧好爽| 波多野吉衣av无码| 欧美巨大xxxx做受中文字幕| 极品尤物在线精品一区二区三区 | 久久精品一区一区二区乱码| 国产成人av一区二区三区在线观看 | 久久久久久AV无码成人| 国产中文字幕亚洲精品| 亚洲综合色婷婷七月丁香| 中文字幕在线免费 | 无码中文字幕人妻在线一区| 国产成人麻豆精品午夜福利在线| 欧美精品日韩一区二区三区| 日本中文字幕精品久久| 狠狠色婷婷久久综合频道日韩 | 日本免费一区二区三区在线播放 | 国产精品久久无码一区二区三区网| 中文字幕高清无码不卡在线| 亚洲av少妇高潮喷水在线|