馬超群，徐光魯，劉 偉，賈 鈺，趙新偉

(1.湖南大學(xué)工商管理學(xué)院，湖南 長沙 410082；2.上海證券交易所資本市場研究所，上海 200120)

1 引言

信息不對(duì)稱與資產(chǎn)定價(jià)的關(guān)系是市場微觀結(jié)構(gòu)中的熱點(diǎn)問題，已有研究表明信息不對(duì)稱與資產(chǎn)定價(jià)之間存在重要關(guān)系。但是知情交易者引起的信息風(fēng)險(xiǎn)是否成為資產(chǎn)定價(jià)的決定因素，目前還沒有統(tǒng)一定論。Easley和O’Hara[1]通過構(gòu)建非對(duì)稱信息下的理性預(yù)期模型，指出非知情交易者要求更高溢價(jià)以彌補(bǔ)知情交易者帶來的逆向選擇風(fēng)險(xiǎn)，從而高信息風(fēng)險(xiǎn)的股票存在超額收益。而Lambert等[2]指出，Easley和O’Hara[1]的研究中知情交易者帶來的信息風(fēng)險(xiǎn)之所以會(huì)被定價(jià)，是由于有限的資產(chǎn)組合造成信息風(fēng)險(xiǎn)的不可分散性。對(duì)于這一矛盾的研究結(jié)論，他們均假設(shè)非知情交易者是價(jià)格的被動(dòng)接受者。事實(shí)上，非知情交易者并非僅僅為知情交易者提供流動(dòng)性。

在信息不對(duì)稱環(huán)境中，非知情交易者通過對(duì)市場交易數(shù)據(jù)[3]、交易策略[4]的學(xué)習(xí)，對(duì)市場信息環(huán)境也產(chǎn)生重要影響。特別地，對(duì)于知情交易者，這類基于信息驅(qū)動(dòng)的投資者，非知情交易者的學(xué)習(xí)行為是否影響了知情交易者概率對(duì)資產(chǎn)定價(jià)的作用。已有研究表明，知情交易者向市場交易價(jià)格傳遞了私有信息[5]。本文考慮非知情交易者對(duì)市場交易價(jià)格信息的學(xué)習(xí)行為這一因素，對(duì)知情交易者概率對(duì)資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)這一矛盾的研究結(jié)論提供了一種解釋。

關(guān)于知情交易者概率與資產(chǎn)收益的關(guān)系，已有文獻(xiàn)主要基于信息不對(duì)稱理論，從逆向選擇和信息中介兩個(gè)角度展開。一方面，從逆向選擇角度，知情交易者利用其掌握的信息優(yōu)勢使得非知情交易者面臨更大的逆向選擇風(fēng)險(xiǎn)，增加了非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)，從而高知情交易者概率的股票存在超額收益。這一理論得到了相關(guān)實(shí)證研究的支持，其中比較有代表性的研究是Easley等[6-7]的研究。他們選取PIN作為衡量知情交易者概率的指標(biāo)，發(fā)現(xiàn)PIN高的股票存在超額收益，并且進(jìn)一步通過Fama-French模型發(fā)現(xiàn)知情交易者概率(PIN)是影響資產(chǎn)定價(jià)的一個(gè)重要風(fēng)險(xiǎn)因子。另一方面，從信息中介的角度，知情交易者在交易中向交易價(jià)格傳遞了信息，降低了非知情交易者面臨的信息風(fēng)險(xiǎn)及其要求的風(fēng)險(xiǎn)溢價(jià)，知情交易者概率對(duì)股票收益產(chǎn)生負(fù)向影響[8-9]。Gordon等[10]以月度收益為研究對(duì)象，發(fā)現(xiàn)不同行業(yè)中PIN對(duì)月度收益產(chǎn)生相反的影響。國內(nèi)相關(guān)研究證實(shí)了這一現(xiàn)象，代表性的研究是韓立巖等[11]的研究，他們實(shí)證發(fā)現(xiàn)PIN作為定價(jià)因子是有效的，但是對(duì)收益產(chǎn)生負(fù)向影響。許靜霞等[12]發(fā)現(xiàn)知情交易者利用其掌握的利空消息在信息披露前進(jìn)行賣空交易，從而對(duì)利空消息披露后的股票收益產(chǎn)生負(fù)向影響。

針對(duì)這一看似“矛盾”的現(xiàn)象，Wang Jiang[8]通過建立兩期資產(chǎn)定價(jià)模型指出，知情交易者對(duì)資產(chǎn)收益產(chǎn)生正負(fù)效應(yīng)的結(jié)果依賴于逆向選擇效應(yīng)和信息中介效應(yīng)二者作用的相對(duì)大小，但是其解釋背后隱含了非知情交易者對(duì)交易價(jià)格的學(xué)習(xí)行為。首先，從逆向選擇的角度，知情交易者對(duì)資產(chǎn)收益產(chǎn)生正向影響，主要在于在交易中知情交易者能夠隱藏自己的信息優(yōu)勢，非知情交易者無法從交易價(jià)格中獲取相關(guān)信息，從而增加了非知情交易者面臨的風(fēng)險(xiǎn)溢價(jià)；其次，從信息中介的角度，即使知情交易者向股價(jià)傳遞了信息，倘若非知情交易者不具備學(xué)習(xí)能力，依然無法降低其所要求的風(fēng)險(xiǎn)溢價(jià)。O'Hara[13]發(fā)現(xiàn)市場中非知情交易者從市場交易價(jià)格中掌握了知情交易者傳遞的信息。Dow和Gorton[14]從相反的角度，發(fā)現(xiàn)即使知情交易者向股價(jià)傳遞了信息，當(dāng)非知情交易者無法復(fù)制知情交易者的投資組合時(shí)，知情交易者依賴其信息優(yōu)勢仍然可以獲利?？梢姺侵榻灰渍叩膶W(xué)習(xí)行為是知情交易者影響資產(chǎn)收益以及對(duì)其產(chǎn)生正負(fù)效應(yīng)的關(guān)鍵因素。另外，一些學(xué)者研究了投資者學(xué)習(xí)內(nèi)容的不同對(duì)資產(chǎn)收益的影響，如對(duì)交易經(jīng)驗(yàn)[15]、股票泡沫[16]、資產(chǎn)價(jià)值[17]的學(xué)習(xí)，但這與本文的研究內(nèi)容無關(guān)。本文在知情交易者概率與資產(chǎn)收益的框架下，考慮了非知情交易者對(duì)市場交易價(jià)格信息的學(xué)習(xí)行為對(duì)其關(guān)系的影響。

以新股發(fā)行市場為研究對(duì)象，主要由于其市場微觀結(jié)構(gòu)以及信息風(fēng)險(xiǎn)環(huán)境與成熟股票明顯不同。一方面，新股發(fā)行貫穿于一級(jí)發(fā)行市場和二級(jí)市場；由于上市前新股信息較少，上市前證監(jiān)會(huì)、承銷商等通過信息披露機(jī)制、詢價(jià)機(jī)制獲取有關(guān)新股的公共信息和私有信息，以供參與二級(jí)市場交易的投資者決策。以新股上市為時(shí)間節(jié)點(diǎn)，更能清晰地界定市場環(huán)境中信息作用的時(shí)點(diǎn)。另一方面，由于一級(jí)市場投資者之間以及一級(jí)市場和二級(jí)市場之間存在信息不對(duì)稱，新股發(fā)行面臨的信息風(fēng)險(xiǎn)有著自身顯著的特點(diǎn)，這主要表現(xiàn)在一級(jí)市場定價(jià)的有效性方面。已有研究表明一級(jí)市場發(fā)行定價(jià)并沒有反映上市前所有的信息[18-19]，一級(jí)市場的信息風(fēng)險(xiǎn)沒有完全消除，而知情交易者作為市場中基于信息交易的一類投資者，一級(jí)市場的信息風(fēng)險(xiǎn)必然通過知情交易者對(duì)二級(jí)市場新股價(jià)格產(chǎn)生重要影響。特別地，對(duì)于中國證券市場IPO溢價(jià)，除了歸因于市場上不同參與者的投資決策行為，導(dǎo)致新股發(fā)行定價(jià)偏低或上市初期交易價(jià)格過高，形成IPO抑價(jià)或溢價(jià)[20-21]，也與我國證券市場新股發(fā)行制度不完善及其變遷不無關(guān)系[22-23]。本文在探討知情交易者概率與資產(chǎn)收益關(guān)系的基礎(chǔ)上，進(jìn)一步分析了詢價(jià)制度改革這一信息風(fēng)險(xiǎn)環(huán)境的變化對(duì)兩者關(guān)系的影響，對(duì)詢價(jià)制度改革的有效性提出了一種新的解釋。

綜上所述，非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)收益的關(guān)系。O′Hara[13]的理性預(yù)期模型假設(shè)非知情交易者對(duì)市場交易價(jià)格存在完全學(xué)習(xí)行為，從而知情交易者概率對(duì)期望收益產(chǎn)生負(fù)效應(yīng)。本文放松了這一假設(shè)，引入非知情交易者學(xué)習(xí)程度，以我國新股發(fā)行市場微觀結(jié)構(gòu)為背景對(duì)其進(jìn)行了拓展建立了理論模型，更全面地解釋了知情交易者概率對(duì)資產(chǎn)收益影響的作用機(jī)制。模型結(jié)論表明：非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)期望收益的關(guān)系；當(dāng)市場非知情交易者存在學(xué)習(xí)行為時(shí)，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對(duì)資產(chǎn)期望收益產(chǎn)生負(fù)向影響。這主要由于知情交易者在交易過程中向市場均衡價(jià)格傳遞了自身掌握的私有信息，非知情交易者通過市場價(jià)格掌握了這一信息，不僅降低了知情交易者的信息優(yōu)勢，更降低了非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)。由于這種期望收益反映了投資者要求的風(fēng)險(xiǎn)溢價(jià)，因此在理論模型推論的基礎(chǔ)上，以IPO溢價(jià)為實(shí)證分析對(duì)象，發(fā)現(xiàn)實(shí)證結(jié)論支持理論推論。另外，通過理論模型發(fā)現(xiàn)，在非知情交易者存在學(xué)習(xí)行為的情況下，隨著市場交易價(jià)格信息透明的提高，知情交易者概率對(duì)資產(chǎn)收益的邊際效應(yīng)加強(qiáng)?；谶@一結(jié)論，本文在詢價(jià)制度改革的背景下，發(fā)現(xiàn)詢價(jià)制度改革降低了知情交易者概率對(duì)IPO溢價(jià)的邊際影響，這啟示我們?cè)儍r(jià)制度改革更關(guān)鍵在于增加IPO上市初期知情交易者的數(shù)量，提高二級(jí)市場交易價(jià)格的信息透明度。論文的研究結(jié)論對(duì)于解釋知情交易者在市場中的角色具有重要意義，也為市場設(shè)計(jì)者提供了新的思路。

2 理論模型

2.1 理論假設(shè)

2.2 模型構(gòu)建

每個(gè)投資者最大化其效用函數(shù)，新股上市首日其對(duì)IPO的最佳需求數(shù)量滿足：

s.t.w1=(v-p1)z1

(1)

(2)

(3)

E(v|s1)是知情交易者基于私有信息對(duì)IPO價(jià)值形成的后驗(yàn)估計(jì)，var(v|s1)為后驗(yàn)方差。根據(jù)Bayes法則，有以下公式成立：

(4)

對(duì)(3)式求導(dǎo)并結(jié)合(4)式，求得知情交易者的最佳IPO需求量：

(5)

非知情交易者雖然僅僅知道公共信息，但是知道知情交易者的行為會(huì)影響到各期的均衡價(jià)格，因此非知情交易者通過價(jià)格對(duì)潛在信息進(jìn)行推斷。參考Easley和O′hara[1]、O′hara[13]的研究，通過價(jià)格認(rèn)知方程刻畫非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為。非知情交易者對(duì)價(jià)格的認(rèn)知方程是股票價(jià)值、私有信息、供給的函數(shù)，即其對(duì)價(jià)格的推測函數(shù)為：

(6)

其中a、b、c、d是待定的系數(shù)。根據(jù)(6)式，在給定股票價(jià)格p1的信息下，非知情交易者從價(jià)格中推斷的信息為：

(7)

將公式(6)代入公式(7)，得到：

(8)

與Easley和O′hara[1]、O′hara[13]研究不同，他們均假設(shè)非知情交易者對(duì)Θ一定存在學(xué)習(xí)行為，這與實(shí)際市場投資者行為不符。事實(shí)上，非知情交易者對(duì)Θ不一定存在學(xué)習(xí)行為。本文放松Easley和O′hara[1]、O′hara[13]研究中對(duì)非知情交易者對(duì)Θ一定存在學(xué)習(xí)行為的假設(shè)，引入非知情交易者學(xué)習(xí)程度β，更全面地研究了非知情交易者學(xué)習(xí)行為對(duì)知情交易者概率與資產(chǎn)收益關(guān)系的影響。

(9)

在得到信息θ的條件下，非知情交易者推斷未來股價(jià)信息，得到關(guān)于股價(jià)v的后驗(yàn)均值和后驗(yàn)方差，類似公式(4)推導(dǎo)，得到下式：

(10)

(11)

其中，ρθ=var(θ|v)-1。由公式(3)可知，非知情交易者的股票需求數(shù)量為：

(12)

根據(jù)市場均衡條件，兩種類型的投資需求量等于IPO供給數(shù)量，即μz1+(1-μ)z2=x。在不影響主要結(jié)論成立的條件下，為了分析的簡便，令δ1=δ2=δ，從而求得均衡交易價(jià)格：

p1=

(13)

(14)

通過(13)、(14)中θ、β、ρθ、γ1的關(guān)系進(jìn)一步討論知情交易者概率μ對(duì)IPO資產(chǎn)收益的影響。通過以下二種情況分析：

(15)

(16)

通過對(duì)公式(16)求導(dǎo)，可得：

(17)

可以看出，知情交易者概率對(duì)資產(chǎn)收益產(chǎn)生負(fù)向影響。這與Easley和O′hara[1]的研究結(jié)論相一致。

(18)

其中，

(19)

(20)

(21)

從以上分析可以看出，隨著非知情交易者學(xué)習(xí)程度的加深，知情交易者概率與資產(chǎn)期望收益的關(guān)系發(fā)生變化。當(dāng)非知情交易者的學(xué)習(xí)程度較弱時(shí)，知情交易者能夠很好地 “隱藏”了自己的私有信息并保持自己的信息優(yōu)勢，此時(shí)市場信息風(fēng)險(xiǎn)較高，非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)高，從而知情交易者能夠獲得正收益；當(dāng)隨著非知情交易者學(xué)習(xí)程度的增加，知情交易者的信息優(yōu)勢降低，這一方面降低了知情交易者的信息優(yōu)勢，減少了市場上逆向選擇的風(fēng)險(xiǎn)，這進(jìn)一步降低了非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)；另一方面非知情交易者通過對(duì)交易價(jià)格的學(xué)習(xí)并影響了其投資決策，非知情交易者這種學(xué)習(xí)行為更快地促進(jìn)了信息向股價(jià)傳遞的效率，從而降低了市場信息風(fēng)險(xiǎn)，使得知情交易者概率對(duì)資產(chǎn)收益的效果產(chǎn)生負(fù)向效應(yīng)。

基于(17)、(18)，得到推論1：

推論1：非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)期望收益的關(guān)系。當(dāng)市場非知情交易者存在學(xué)習(xí)行為時(shí)，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對(duì)資產(chǎn)期望收益產(chǎn)生負(fù)向影響。

進(jìn)一步分析，通過(17)式對(duì)(γ1-ρθ)求導(dǎo),得到：

(22)

基于(22)式，我們得到推論2：

推論2：在非知情交易者存在學(xué)習(xí)行為的情況下，隨著市場交易價(jià)格信息透明的提高，知情交易者概率對(duì)IPO首日期望收益的邊際效應(yīng)越大。

由于ρθ反應(yīng)了市場交易價(jià)格信息的透明度，特別是詢價(jià)制度改革以來，中國新股發(fā)行體制不斷完善。除了放松發(fā)行市盈率的管制，對(duì)詢價(jià)過程中報(bào)價(jià)機(jī)制進(jìn)行改革，旨在促進(jìn)報(bào)價(jià)的透明性和真實(shí)性。特別是，2010年10月，第二階段詢價(jià)制度改革要求披露機(jī)構(gòu)投資者報(bào)價(jià)數(shù)據(jù)，這一特殊的信息披露機(jī)制是否改變了新股上市初期市場交易價(jià)格信息透明度？是否改變了知情交易者概率對(duì)IPO溢價(jià)的邊際效應(yīng)？基于推論2，本文圍繞著第二階段詢價(jià)制度改革，對(duì)第二階段詢價(jià)制度改革前后知情交易者概率對(duì)IPO資產(chǎn)收益的邊際效應(yīng)進(jìn)行了實(shí)證檢驗(yàn)，從這一角度對(duì)詢價(jià)制度改革的有效性進(jìn)行了探討。

3 研究設(shè)計(jì)

本文構(gòu)建4個(gè)模型，對(duì)研究推論進(jìn)行實(shí)證檢驗(yàn)。模型1檢驗(yàn)了市場中非知情交易者的學(xué)習(xí)行為。模型2進(jìn)一步對(duì)推論1進(jìn)行了驗(yàn)證，考察知情交易者概率和IPO溢價(jià)的關(guān)系。模型3、4在模型2的基礎(chǔ)上加入虛擬變量DV和虛擬變量與知情交易變量的交叉項(xiàng)，研究了詢價(jià)制度改革改革后知情交易者概率對(duì)IPO溢價(jià)的邊際效應(yīng)變化。

模型1：

HM=c0+c1PIN+c2lnVOL+c3PE+c4ART+c4LR

模型2：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR

模型3：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV

模型4：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV+c13DV*PIN

3.1 因變量

本文通過羊群效應(yīng)，對(duì)非知情交易者的市場學(xué)習(xí)行為進(jìn)行驗(yàn)證。在資本市場，羊群效應(yīng)通常被解釋為，在信息不充分情況下，投資者通過對(duì)市場信息的學(xué)習(xí)或者在交易中對(duì)其他投資者行為進(jìn)行模仿的行為。早期理論認(rèn)為，信息不完全的投資者，通過對(duì)市場信息的學(xué)習(xí)并模仿先行者的投資決策，由此產(chǎn)生了羊群效應(yīng)[24-25]。雖然O′Hara[13]發(fā)現(xiàn)市場中非知情交易者對(duì)知情交易者向市場交易價(jià)格傳遞的信息存在學(xué)習(xí)行為，但并沒有進(jìn)行實(shí)證檢驗(yàn)。本文通過羊群效應(yīng)對(duì)非知情交易者的市場學(xué)習(xí)行為進(jìn)行驗(yàn)證。

羊群效應(yīng)的度量方法通常有兩種方法：一種是度量單只股票的羊群效應(yīng)，另一種是對(duì)整個(gè)市場羊群效應(yīng)進(jìn)行度量。本文研究單只股票的羊群效應(yīng)，采用Zhou和Lai[25]的方法衡量單只股票的羊群效應(yīng)，同時(shí)避免了機(jī)構(gòu)投資者較強(qiáng)的假設(shè)。

HMi=

(23)

IPO溢價(jià)，即投資者要求的風(fēng)險(xiǎn)溢價(jià)，采用初始收益率(Initial Return)來衡量。初始收益率等于上市首日收盤價(jià)(Price of Close)偏離發(fā)行價(jià)(Price of Issue)的相對(duì)數(shù)，即IR=PC/PI-1。同時(shí)，為了更能反應(yīng)投資者要求的風(fēng)險(xiǎn)報(bào)酬，在穩(wěn)健性分析中，對(duì)IPO溢價(jià)采用市場指數(shù)進(jìn)行調(diào)整。

3.2 知情交易者概率的度量

本研究的關(guān)鍵在于如何度量市場上知情交易者概率μ。有文獻(xiàn)把知情交易者獲得的信息定義為私有信息，事實(shí)上，公共信息也可以是知情交易者獲取信息優(yōu)勢的來源。 知情交易者通過主動(dòng)獲取信息或者基于理性分析公共信息獲得信息優(yōu)勢進(jìn)行的交易，均屬于知情交易。因此，本文并沒有區(qū)別知情交易、知情交易概率、知情交易者概率三個(gè)概念。根據(jù)已有文獻(xiàn)的度量方法可以分為兩類：直接度量指標(biāo)和間接度量指標(biāo)。Easley等[26]構(gòu)建EKOP模型提出了度量知情交易者概率的指標(biāo)—PIN，作為直接度量知情交易水平的經(jīng)典指標(biāo),無論從模型構(gòu)建機(jī)理的角度，還是從市場微觀結(jié)構(gòu)理論的角度，PIN能夠較好地度量股票的信息風(fēng)險(xiǎn)。本文采用PIN作為度量知情交易者概率的指標(biāo)，并改進(jìn)了其估計(jì)過程，使其更適合本文研究。

在EKOP模型中，市場上發(fā)生私有信息的概率為α，而且是好消息的概率為1-κ，κ是壞消息的概率。知情交易者基于觀察到的私有信息并提交買賣訂單，由此造成的買賣訂單的不平衡反應(yīng)了知情交易的水平。市場上買賣訂單的到達(dá)量符合特定參數(shù)的泊松分布。以每個(gè)交易日為“單位時(shí)間”，每個(gè)交易日買賣訂單到達(dá)過程的似然函數(shù)為：

(24)

上述似然函數(shù)是一個(gè)混合泊松分布，π=(α,κ,εb,εs,μ)表示待估參數(shù)。其中εb是非知情交易者單位時(shí)間內(nèi)主動(dòng)性買單的到達(dá)率，εs是非知情交易者單位時(shí)間內(nèi)主動(dòng)性賣單的到達(dá)率，μ是知情交易者買賣訂單到達(dá)率。B、S表示單位時(shí)間內(nèi)的主動(dòng)性買賣單成交筆數(shù)。假設(shè)每天發(fā)生信息事件獨(dú)立，則樣本區(qū)間內(nèi)總似然函數(shù)為：

(25)

在估計(jì)出參數(shù)π后，計(jì)算知情交易者概率的公式為PIN=αμ/(εb+εs+αμ)。

EKOP模型中泊松分布參數(shù)的“單位時(shí)間”是日度區(qū)間，一般選取一個(gè)季度作為樣本區(qū)間，從而估計(jì)出樣本區(qū)間內(nèi)單只股票的知情交易概率。而本研究需要估計(jì)上市當(dāng)天的知情交易概率，研究上市首日當(dāng)天知情交易概率對(duì)IPO溢價(jià)的影響，故本文采用許敏和劉善存[27]的做法，以十分鐘為“單位時(shí)間”對(duì)一天內(nèi)的交易劃分，將十分鐘內(nèi)的買賣交易筆數(shù)累計(jì)，以十分鐘內(nèi)的買賣交易筆數(shù)進(jìn)行估計(jì)，從而估計(jì)出上市首日當(dāng)天的知情交易概率。

針對(duì)上述似然函數(shù)，通常采用極大似然估計(jì)，但是傳統(tǒng)的極大似然估計(jì)存在兩個(gè)缺陷：(1)對(duì)初始值的設(shè)定比較敏感，容易收斂到局部最優(yōu)解；(2)對(duì)于上述似然函數(shù)，其參數(shù)估計(jì)值經(jīng)常收斂到邊值解，從而造成參數(shù)估計(jì)的“有偏性”[28]。與之相反，遺傳算法(Genetic Algorithm)具有較好的全局并行搜索能力，全局搜索能力極強(qiáng)，但收斂速度較慢，局部搜索能力差。

本文結(jié)合兩種算法的優(yōu)點(diǎn)，一方面采用遺傳算法進(jìn)行全局搜索，另一方面采用極大似然估計(jì)法進(jìn)行局部搜索，以得到似然函數(shù)的最優(yōu)解。該算法對(duì)參數(shù)初始值進(jìn)行遺傳操作，并進(jìn)行全局搜索，用極大似然估計(jì)法對(duì)遺傳操作的初始值進(jìn)行局部尋優(yōu)，在保證全局最優(yōu)的情況下，提高了遺傳算法的收斂速度。非線性規(guī)劃遺傳算法NLGA(Non-linear Genetic Algorithm)過程如下：

(1)初始化種群：編碼染色體π=(α,κ,εb,εs,μ)，對(duì)染色體采用浮點(diǎn)小數(shù)編碼。

(3)遺傳操作：

1)選擇：采用“輪賭盤法”選擇進(jìn)行交叉、變異的個(gè)體。

(4)局部尋優(yōu)：對(duì)于步驟3的遺傳操作，每進(jìn)化5代，以所得的初始值利用極大似然估計(jì)，進(jìn)行局部尋優(yōu)。并對(duì)最優(yōu)個(gè)體進(jìn)行替代，返回步驟3的遺傳操作，直至進(jìn)化結(jié)束。

由于(24)式不存在解析解，無法通過解析解直接驗(yàn)證上述算法的收斂性。本文采用蒙特卡洛模擬，以初始參數(shù)值π0=(0.6,0.4,30,20,30)產(chǎn)生2000組模擬數(shù)據(jù)，通過模擬數(shù)據(jù)，分別用基本遺傳算法和非線性遺傳算法進(jìn)行估計(jì)，圖1給出了兩種算法每一代進(jìn)化過程中最優(yōu)適應(yīng)度函數(shù)值的變化過程。其中，兩種算法種群規(guī)模sizepop=30，進(jìn)化代數(shù)maxgen=50，交叉概率為0.4，變異概率為0.05。

圖1 優(yōu)化過程

非線性規(guī)劃遺傳算法收斂到π1=(0.40,0.38,29.85,19.90,29.93),基本遺傳算法收斂到π2=(0.64,0.40,27.86,23.22,30.18)。可以看出，非線性規(guī)劃遺傳算法在收斂速度和求解精度上，明顯優(yōu)于基本遺傳算法。

3.3 控制變量

借鑒國內(nèi)外有關(guān)研究，并結(jié)合我國實(shí)際情況，選用以下指標(biāo)作為控制變量。

3.3.1 反應(yīng)投資者情緒的指標(biāo)。根據(jù)溢價(jià)理論，投資者情緒是影響IPO溢價(jià)的重要因素。由于中國股市缺少“賣空限制”，投資者“跟風(fēng)”和“狂熱”的表現(xiàn)尤為突出，新股上市短期均衡價(jià)格由樂觀情緒的投資者決定。針對(duì)詢價(jià)制度下新股發(fā)行這一過程，選取換手率(TO,Turnover Rate)作為投資者情緒的衡量指標(biāo)[11]。

3.3.2 反應(yīng)公司自身風(fēng)險(xiǎn)的指標(biāo)?？毓杀壤?RCR,Rate of Control Right)，以第一大股東持股比例衡量。Jesrn和Meckling[29]認(rèn)為，公司控股比例越高，代理成本越低，公司內(nèi)在價(jià)值越高，有助于投資者提高對(duì)公司價(jià)值的預(yù)期。但是，隨著控股比例的提高，會(huì)減少對(duì)公司控制者的約束能力，降低了投資者對(duì)公司價(jià)值的預(yù)期，從而降低了IPO溢價(jià)，因此，控股比例對(duì)IPO溢價(jià)的影響不確定。

3.3.3 發(fā)行前不確定性。Beatty和Ritter[30]的研究表明，“事前不確定性”與IPO溢價(jià)呈正相關(guān)關(guān)系。發(fā)行前不確定性越大，首日收益率較高，以彌補(bǔ)信息風(fēng)險(xiǎn)帶來的逆向選擇風(fēng)險(xiǎn)所造成的損失。在參考Beatty和Ritter[30]研究的基礎(chǔ)上，選取流動(dòng)比率(LR,Liquidity Ratio)、發(fā)行前總股本(TEI,The Total Equity Before Issuing)、應(yīng)收賬款周轉(zhuǎn)率(ART,Accounts Receivable Turnover)、營業(yè)收入(OI,Operating Income)四個(gè)指標(biāo)，以上指標(biāo)均采取上市前三年的均值。另外，選取了首發(fā)發(fā)行費(fèi)用(Fee,New Shares Issuing Expenses)、發(fā)行前每股凈資產(chǎn)(NAVS,Net asset Value Per Share)。

3.3.4 市場供求關(guān)系。Lowry等[31]的研究表明市場供求關(guān)系是影響IPO溢價(jià)的重要影響因素。Chi Jing和Padgett[32]認(rèn)為市場供需不平衡，可以解釋中國新股較高的初始收益。他們認(rèn)為“額度制”限制了關(guān)于發(fā)行公司質(zhì)量的信號(hào)向投資者的傳遞，政府對(duì)新股發(fā)行的控制加劇了中國新股抑價(jià)發(fā)行的程度，從而產(chǎn)生更高的IPO溢價(jià)。在參考以上研究的基礎(chǔ)上，將每股收益(EPS,Earnings Per Share)、網(wǎng)上中簽率(RSDL,Rate of Successful Drawing Lots in Stock Subscription)、市盈率(PE,Price Earning Ratio)作為影響市場供求關(guān)系的指標(biāo)作為控制變量。

5.詢價(jià)制度改革的虛擬變量(DV，Dummy Variable)。詢價(jià)制度改革前上市的股票，DV=0；詢價(jià)制度改革后上市的股票，DV=1。

4 樣本、數(shù)據(jù)與實(shí)證結(jié)果

4.1 樣本選取和描述性統(tǒng)計(jì)

以2010年11月第二次詢價(jià)制度改革為背景，選取2010年1月到2011年12月為樣本區(qū)間。由于中小板上市公司受詢價(jià)制度改革的影響較大，因此選取此區(qū)間在中小板首發(fā)上市的公司為研究對(duì)象。樣本篩選如下：(1)剔除上市首日收益為負(fù)的公司。本文以具有正收益的抑價(jià)或溢價(jià)類型的初始收益為研究對(duì)象，由于首發(fā)破發(fā)的股票較少，在中國股票市場并不常見，本文沒有把它作為研究對(duì)象。(2)剔除PIN 值為極端值0和1、財(cái)務(wù)數(shù)據(jù)缺失的公司。最終樣本為278家上市公司。本文的財(cái)務(wù)數(shù)據(jù)來自Wind資訊金融終端，高頻數(shù)據(jù)來自Wind Level-2數(shù)據(jù)庫。采用Wind Level-2數(shù)據(jù)庫中帶有買賣標(biāo)記的數(shù)據(jù)計(jì)算PIN值，避免了因主觀判斷不準(zhǔn)確造成的估計(jì)偏誤。高頻數(shù)據(jù)的批量處理和PIN值的計(jì)算使用MATLAB 2012b軟件，實(shí)證研究使用的是Stata 13.0軟件。另外，本文對(duì)連續(xù)性變量進(jìn)行了上下1%的 winsor縮尾處理。

表1給出了PIN參數(shù)估計(jì)的分位數(shù)統(tǒng)計(jì)描述。t統(tǒng)計(jì)量對(duì)應(yīng)的原假設(shè)PIN=0。α的均值為0.617，說明新股上市首日私有信息發(fā)生的可能性較大。一方面，新股定價(jià)并沒有反應(yīng)上市前所有的信息，包括私有信息[18]和公共信息[19]。另一方面，這與新股發(fā)行體制不無關(guān)系，由于對(duì)參與詢價(jià)的網(wǎng)下申購?fù)顿Y者數(shù)量的限制，并非所有的知情交易者能夠參與新股詢價(jià)，而這部分未參與網(wǎng)下申購的知情交易者，只能通過網(wǎng)上申購進(jìn)入二級(jí)市場，形成上市后的知情交易。這也說明了探討新股上市首日知情交易影響新股資產(chǎn)收益的必要性。

表1 PIN參數(shù)估計(jì)的分位數(shù)描述統(tǒng)計(jì)

表2 變量定義

4.2 實(shí)證結(jié)果

首先，通過模型1對(duì)市場上非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為進(jìn)行檢驗(yàn)。

從表3可以看出PIN對(duì)羊群效應(yīng)變量HM在10%的置信水平下顯著，說明在交易中，非知情交易者對(duì)知情交易者向交易價(jià)格傳遞的信息進(jìn)行了學(xué)習(xí)，非知情交易者由于存在有限理性或者其獲取信息成本太高，通過對(duì)交易價(jià)格進(jìn)行信息推斷，進(jìn)而采取相應(yīng)策略。通過理論模型分析，知情交易者概率在上市首日對(duì)資產(chǎn)期望收益產(chǎn)生了負(fù)效應(yīng)。那么，知情交易者基于獲得的信息優(yōu)勢而作出的投資決策行為，究竟在上市首日會(huì)對(duì)二級(jí)市場的IPO溢價(jià)產(chǎn)生什么作用？通過實(shí)證模型分析，進(jìn)一步給出了答案。表4給出了只保留顯著變量情況下的多元回歸分析的結(jié)果。在只保留顯著變量情況下的回歸結(jié)果與原回歸結(jié)果在顯著性和正負(fù)關(guān)系上一致，實(shí)證結(jié)果具有穩(wěn)健性。通過計(jì)算膨脹因子，自變量中最大的膨脹因子為2.19，所有自變量的平均膨脹因子是1.62，可以看出模型不存在嚴(yán)重的多重共線性。在控制了其它解釋變量后，PIN的系數(shù)為-2.273，t統(tǒng)計(jì)量是-8.73，在1%的置信水平下顯著，通過了顯著性檢驗(yàn)。PIN的系數(shù)為負(fù)數(shù)，說明知情交易者概率對(duì)IPO溢價(jià)產(chǎn)生了負(fù)向影響，驗(yàn)證了推論1。

表3 多元回歸結(jié)果

表4 多元回歸結(jié)果

與Easley等[6-7]等研究結(jié)論不同，Easley等在Fama三因素模型的基礎(chǔ)上，將PIN作為第四個(gè)因子加入回歸，證明了知情交易者概率確實(shí)可以作為一種風(fēng)險(xiǎn)因子進(jìn)行定價(jià)，因此信息風(fēng)險(xiǎn)越高，相應(yīng)的溢價(jià)補(bǔ)償越高。在我國IPO溢價(jià)的研究中，知情交易者概率對(duì)其產(chǎn)生負(fù)效應(yīng)其主要原因在于，傳統(tǒng)觀點(diǎn)認(rèn)為知情交易者之所以能夠利用其掌握的私有信息獲得超額收益，其假設(shè)在交易過程中知情交易者能夠很好地隱藏自己的信息優(yōu)勢，并且非知情交易者并不具備學(xué)習(xí)能力。然而實(shí)際交易中，知情交易者向股價(jià)傳遞了自己的私有信息，這被非知情交易者所掌握，這一方面降低了知情交易者的信息優(yōu)勢，減少了信息不對(duì)稱程度，另一方面，降低了非知情交易者所要求的風(fēng)險(xiǎn)溢價(jià)，并進(jìn)一步降低了股票收益，從而知情交易者概率對(duì)股票收益產(chǎn)生負(fù)向影響。本文的實(shí)證結(jié)論也證實(shí)了O′Hara[13]研究中非知情交易者存在的市場學(xué)習(xí)行為。

本文的一個(gè)重要目標(biāo)是考察詢價(jià)制度改革是否改變了知情交易者概率對(duì)IPO溢價(jià)的邊際效應(yīng)，為了驗(yàn)證筆者的論斷，進(jìn)一步分析制度改革對(duì)IPO溢價(jià)的影響 ，在表4模型(2)的基礎(chǔ)上，引入了年度虛擬變量得到模型(3)。依據(jù)虛擬變量的取值，把樣本區(qū)分為兩組，DV=0代表改革之前上市發(fā)行的新股，DV=1代表改革之后上市發(fā)行的新股。根據(jù)模型(3)的回歸結(jié)果，DV系數(shù)顯著為負(fù)，在1%置信水平下顯著，說明制度改革后IPO溢價(jià)顯著降低了，制度改革的確是影響IPO溢價(jià)的一個(gè)重要因素。

在表4的模型(4)中，年度虛擬變量DV系數(shù)為-0.407，t統(tǒng)計(jì)量為-2.77，在1%置信水平下顯著，顯著性水平并沒有改變。交叉項(xiàng)DV*PIN的系數(shù)為1.02，t統(tǒng)計(jì)量為2.05。進(jìn)一步分析，改革前，DV=0，PIN的系數(shù)為-2.54，改革后，DV=1，PIN的系數(shù)為-1.52，PIN系數(shù)的絕對(duì)值降低了，說明詢價(jià)制度改革后知情交易者概率對(duì)IPO溢價(jià)的邊際效應(yīng)降低了，詢價(jià)制度改革并沒有增加知情交易者概率對(duì)IPO溢價(jià)的邊際影響。這主要由于：(1)參與新股交易的知情交易者數(shù)量不足。知情交易者的存在有利于股價(jià)回歸其真實(shí)價(jià)值。知情交易者不僅向交易價(jià)格傳遞了私有信息，提高了股價(jià)信息含量，同時(shí)也降低了股價(jià)的波動(dòng)性。一些學(xué)者發(fā)現(xiàn)非知情交易者數(shù)量的過多是造成股價(jià)暴跌的原因，這從反面證明了本文研究結(jié)論。另外，第三階段詢價(jià)制度改革取消了網(wǎng)下配售股份3個(gè)月的鎖定期，允許參與詢價(jià)的機(jī)構(gòu)投者參與新股上市初期的交易，這一舉措增加了上市初期知情交易者的數(shù)量，這與本文的研究結(jié)論相符。可見，允許更多知情交易者參與IPO上市初期交易，更好地向市場價(jià)格傳遞信息，可以有效降低新股上市初期的信息風(fēng)險(xiǎn)。(2)交易價(jià)格信息透明度有待提高。知情交易者向交易價(jià)格傳遞了信息，非知情交易者由于獲取信息成本太高或者其它限制因素?zé)o法獲得額外信息，使得交易價(jià)格對(duì)非知情交易者彌足重要，這啟示我們，詢價(jià)制度改革不僅在于提高定價(jià)信息透明度，同時(shí)應(yīng)提高二級(jí)市場交易價(jià)格信息透明度，使得更多非知情交易者在交易過程中掌握更多信息，減少非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)。

5 穩(wěn)健性分析

模型1的回歸結(jié)果表明，知情交易者概率對(duì)羊群效應(yīng)產(chǎn)生顯著影響。但準(zhǔn)確估計(jì)模型1面臨一個(gè)內(nèi)生性問題，即影響羊群效應(yīng)的因素很多，其中也會(huì)影響上市首日知情交易者概率。另外，不但知情交易者概率會(huì)影響羊群效應(yīng)，也可能存在一種相反的機(jī)制，即羊群效應(yīng)也影響知情交易者概率，知情交易者概率和羊群效應(yīng)存在一種反向因果關(guān)系。為此，本文采用買賣價(jià)差作為工具變量，采用兩階段最小二乘法解決模型1的內(nèi)生性問題。首先，采用豪斯曼檢驗(yàn)方法檢驗(yàn)?zāi)Ｐ蛢?nèi)生性問題是否存在，Hansman統(tǒng)計(jì)量很強(qiáng)烈地拒絕了PIN是外生變量的原假設(shè)，說明PIN的確是一個(gè)內(nèi)生性變量。表5給出了兩階段最小二乘法的第二階段回歸結(jié)果，在控制了內(nèi)生性問題后，知情交易者概率對(duì)羊群效應(yīng)的影響在10%置信水平下顯著，顯著性水平?jīng)]有發(fā)生顯著性改變，說明實(shí)證結(jié)果具有穩(wěn)健性，非知情交易者的確存在對(duì)市場交易價(jià)格信息的學(xué)習(xí)行為。

表5 兩階段最小二乘回歸結(jié)果

對(duì)于模型2～4，其內(nèi)生性問題主要來源于知情交易者概率的測量誤差，為了避免指標(biāo)選取造成的實(shí)證檢驗(yàn)的偏誤，對(duì)于模型2～4，選取VPIN[33-35]作為PIN的替代指標(biāo)。另外，為了更準(zhǔn)確的反應(yīng)投資者要求的風(fēng)險(xiǎn)溢價(jià)，對(duì)IPO溢價(jià)采用市場指數(shù)進(jìn)行調(diào)整，其結(jié)論均未改變，限于篇幅，未詳細(xì)列出。

6 結(jié)語

針對(duì)知情交易者概率對(duì)資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)的結(jié)論，本文從非知情交易者對(duì)市場交易價(jià)格學(xué)習(xí)的角度進(jìn)行了解釋。具體講，在O′Hara[13]理性預(yù)期模型框架下，放松了非知情交易者對(duì)交易價(jià)格信息存在完全學(xué)習(xí)行為的假設(shè)，通過引入非知情交易者學(xué)習(xí)程度，以新股發(fā)行市場為背景建立了理論模型，對(duì)知情交易者概率影響資產(chǎn)收益的作用機(jī)理提供了一種解釋，并進(jìn)行實(shí)證檢驗(yàn)。主要研究結(jié)論如下：

(1)非知情交易者對(duì)市場交易價(jià)格的學(xué)習(xí)行為影響了知情交易者概率與資產(chǎn)收益的關(guān)系；當(dāng)市場非知情交易者存在學(xué)習(xí)行為時(shí)，隨著非知情交易者的學(xué)習(xí)程度加深，知情交易者概率對(duì)資產(chǎn)收益產(chǎn)生負(fù)向影響。已有研究中知情交易者概率對(duì)資產(chǎn)收益產(chǎn)生正或負(fù)向效應(yīng)的原因在于，傳統(tǒng)研究結(jié)論建立在其假設(shè)知情交易者能夠很好地在交易中“隱藏”并保持自己的信息優(yōu)勢，非知情交易者并不具備學(xué)習(xí)能力。然而考慮非知情交易者的學(xué)習(xí)能力，這一結(jié)論并不成立。非知情交易者通過學(xué)習(xí)掌握了這一信息，降低了知情交易者的信息優(yōu)勢以及非知情交易者要求的風(fēng)險(xiǎn)溢價(jià)。本文考察了非知情交易者對(duì)市場交易價(jià)格信息的學(xué)習(xí)行為對(duì)兩者關(guān)系的影響，全面地解釋了知情交易者概率影響資產(chǎn)收益的作用機(jī)理。(2)第二階段詢價(jià)制度改革后，知情交易者概率的邊際效應(yīng)反而降低。這一研究結(jié)論反應(yīng)了雖然第二次詢價(jià)制度改革提高了發(fā)行期間定價(jià)信息的透明程度，提高了定價(jià)效率，降低了抑價(jià)程度，但是IPO溢價(jià)更多地來自二級(jí)市場的溢價(jià)。詢價(jià)制度改革不僅要增加上市初期知情交易者的數(shù)量，同時(shí)也需要提高交易價(jià)格信息的透明度，使得非知情交易者在交易中獲得更充分的交易信息，進(jìn)一步降低其所面臨的風(fēng)險(xiǎn)溢價(jià)。

此外，本文采用的非線性遺傳算法也有效彌補(bǔ)了相關(guān)研究方法的不足。在高頻數(shù)據(jù)環(huán)境下，隨著數(shù)據(jù)可獲得性的提高和數(shù)據(jù)量的指數(shù)級(jí)增長，智能優(yōu)化算法的優(yōu)勢會(huì)進(jìn)一步體現(xiàn)出來，在高頻數(shù)據(jù)處理和政策評(píng)價(jià)等方面會(huì)得到更廣泛的應(yīng)用。