李伯龍

一、引言

限售股解禁是近年來我國金融市場運(yùn)行的重要內(nèi)容。作為股權(quán)分置改革的組成部分，限售協(xié)議規(guī)定非流通股分批次地有序進(jìn)入市場，令我國金融系統(tǒng)的承載力得到穩(wěn)步提升。股份限售的目的是維護(hù)金融穩(wěn)定，但我國限售股解禁體量巨大，解禁初期釋放的新增流通股曾對(duì)市場形成較大沖擊。證監(jiān)會(huì)自2008年7月開始向社會(huì)發(fā)布關(guān)于解禁減持的相關(guān)數(shù)據(jù)，以便投資者對(duì)解禁情況進(jìn)行充分了解。相較于國際金融市場常見的IPO解禁，我國股市的限售解禁具有獨(dú)特的政策背景與制度環(huán)境，這一事件因此也得到學(xué)者們的廣泛關(guān)注。

從有效市場的角度來看，既然限售股解禁的相關(guān)信息已在事前公布，那么解禁事件便不應(yīng)引起市場價(jià)格的顯著變化。而廖理等(2008)[1]對(duì)我國限售解禁問題的研究表明，解禁前120日至解禁后20日，解禁股票具有顯著的累積異常收益。其進(jìn)一步的研究指出公司信息透明度及股改后的業(yè)績能夠?qū)善钡漠惓Ｊ找孢M(jìn)行解釋。黃建歡和尹筑嘉(2009)[2]、趙向琴等(2009)[3]考察了宏觀環(huán)境、解禁特征及公司特征對(duì)異常收益的影響，發(fā)現(xiàn)宏觀環(huán)境是影響解禁沖擊的重要因素。黃張凱等(2010)[4]將解禁股票在A股與H股市場中事件窗內(nèi)的表現(xiàn)進(jìn)行對(duì)比，指出解禁形成的流通股供給增加是造成A股市場下跌的重要原因。賈春新等(2010)[5]依據(jù)行為金融理論，以投資者有限關(guān)注對(duì)解禁股票的價(jià)格變化進(jìn)行了解釋。

上述限售解禁對(duì)股價(jià)影響的代表性研究具有高度一致性：首先，研究的實(shí)證部分均采用了事件研究方法，聚焦于解禁事件窗內(nèi)的累積異常收益；其次，研究結(jié)果均顯示解禁事件的累積異常收益為負(fù)。由此不難發(fā)現(xiàn)，現(xiàn)有研究存在一定的局限性。由于事件研究考察的時(shí)間區(qū)間相對(duì)較短，故上述研究只能反映解禁事件對(duì)股價(jià)的短期沖擊作用，解禁對(duì)股價(jià)的長期影響則無法衡量。事實(shí)上，事件研究方法依賴于線性資產(chǎn)定價(jià)模型的正確設(shè)定與準(zhǔn)確估計(jì)。當(dāng)事件后的研究時(shí)間窗不斷擴(kuò)展時(shí)，依據(jù)事件前數(shù)據(jù)擬合的線性模型的預(yù)測精度會(huì)不斷下降，以事件研究方法考察長期異常收益便難以得到準(zhǔn)確結(jié)果。

本文在因果推斷的框架下對(duì)限售解禁影響股票價(jià)格的問題進(jìn)行研究，著重分析解禁作為一項(xiàng)金融政策對(duì)單一資產(chǎn)價(jià)格特征的影響。限售解禁作為股權(quán)分置改革的重要內(nèi)容，能否影響權(quán)益資產(chǎn)的價(jià)值特征，對(duì)衡量我國金融改革政策的作用效果具有重要意義。另外，明晰限售解禁對(duì)股票價(jià)格特征的作用方式亦能為投資者從事交易活動(dòng)提供參考。特別地，本文采用Bai和Ng(2019)[6]提出的基于高維因子模型的因果推斷方法，對(duì)解禁股票的收益率與波動(dòng)率進(jìn)行研究。據(jù)了解，目前國內(nèi)尚無利用面板數(shù)據(jù)對(duì)限售解禁問題進(jìn)行的因果推斷，本文形成對(duì)限售解禁影響股價(jià)相關(guān)問題研究的補(bǔ)充。

本文利用面板數(shù)據(jù)進(jìn)行的因果推斷具有獨(dú)特的分析視角，且具備顯著的優(yōu)勢。首先，面板數(shù)據(jù)的時(shí)間頻率為月度，能夠在較少的樣本點(diǎn)實(shí)現(xiàn)對(duì)長期效應(yīng)的考察。其次，事件研究的準(zhǔn)確度取決于線性資產(chǎn)定價(jià)模型的設(shè)定與估計(jì)，但經(jīng)典模型如CAPM在市場中的表現(xiàn)并不穩(wěn)定。而利用面板數(shù)據(jù)進(jìn)行的因果分析則基于資產(chǎn)潛在的共同因子結(jié)構(gòu)，能夠令反事實(shí)的估計(jì)相對(duì)準(zhǔn)確。再次，事件研究中正常收益的估計(jì)依賴于市場指數(shù)。若解禁股在指數(shù)中所占比例較大，那么正常收益的估計(jì)便是不準(zhǔn)確的。本文采用的因果推斷框架能夠明確研究的處理組與控制組，令政策效果的估計(jì)更為精確。最后，解禁對(duì)市場波動(dòng)率的研究多基于GARCH族模型，關(guān)注市場指數(shù)，如張慧蓮(2009)[7]、王少平和陳永偉(2008)[8]等，而本文能實(shí)現(xiàn)對(duì)個(gè)股波動(dòng)率的考察。

研究結(jié)果表明限售解禁對(duì)股價(jià)特征的影響隨考察時(shí)間的不同而變化。解禁對(duì)波動(dòng)率的處置效應(yīng)在金融危機(jī)后的樣本最為顯著，對(duì)收益率的處置效應(yīng)在2015年股市泡沫后最為顯著，表明解禁可能對(duì)極端條件下的市場反應(yīng)產(chǎn)生了放大作用。限售解禁對(duì)波動(dòng)率的作用強(qiáng)于收益率，對(duì)波動(dòng)率的作用主要表現(xiàn)為正向，而對(duì)收益率的正負(fù)作用并不顯著。解禁事件總體上降低了單位風(fēng)險(xiǎn)的投資收益。限售解禁的干預(yù)效應(yīng)在個(gè)體間存在差異，但截面回歸的結(jié)果顯示這一差異與股票特征的關(guān)聯(lián)度并不強(qiáng)。盡管上文基于事件研究的結(jié)果表明解禁會(huì)形成顯著的負(fù)向累積異常收益，但本文結(jié)果表明負(fù)向的累積異常收益與干預(yù)效應(yīng)并不顯著，可能的原因是市場對(duì)解禁事件的反應(yīng)已隨時(shí)間發(fā)生變化，投資者對(duì)限售股解禁具備了較高的適應(yīng)度。本文基于因果推斷的干預(yù)效應(yīng)分析能夠?yàn)檎J(rèn)識(shí)我國限售解禁政策的效果提供參考。

本文隨后的內(nèi)容安排如下：第二部分對(duì)本文相關(guān)研究進(jìn)行回顧；第三部分介紹Bai 和Ng(2019)提出的基于高維因子模型的因果推斷方法；第四部分立足于選取的計(jì)量模型，對(duì)因果分析的研究設(shè)計(jì)和數(shù)據(jù)處理進(jìn)行說明；第五部分提供因果推斷的實(shí)證結(jié)果；第六部分對(duì)處置效應(yīng)與個(gè)體特征的關(guān)聯(lián)進(jìn)行實(shí)證分析；第七部分進(jìn)行總結(jié)。

二、相關(guān)研究回顧

限售解禁作為可預(yù)期事件仍能對(duì)股票價(jià)格產(chǎn)生影響，這一現(xiàn)象為國外學(xué)者較早發(fā)現(xiàn)。Field和Hanka(2001)[9]指出股票會(huì)在解禁3日內(nèi)產(chǎn)生-1.5%的異常收益，且股價(jià)下跌在風(fēng)險(xiǎn)資本支持的公司中更為顯著。Brav和Gompers(2003)[10]的研究表明初始股東愿意長時(shí)間鎖定股票的可能原因是緩解道德風(fēng)險(xiǎn)，對(duì)信息不透明度敏感性較低的公司股票價(jià)格下降幅度較小。隨后研究亦多聚焦于限售解禁中的信息不對(duì)稱與風(fēng)險(xiǎn)資本。Krishnamurti和Thong(2008)[11]依據(jù)是否存在風(fēng)險(xiǎn)資本支持將研究樣本劃分為兩類，對(duì)解禁影響市場價(jià)格的作用機(jī)制進(jìn)行了考察。其研究結(jié)果表明具有風(fēng)險(xiǎn)資本背景的股票并未因增加道德風(fēng)險(xiǎn)而減弱市場流動(dòng)性，故解禁效應(yīng)的主要來源為股票供給的大幅增加。Ertimur等(2014)[12]指出經(jīng)理人會(huì)在解禁前推遲壞消息的發(fā)布以維護(hù)股東利益，且對(duì)負(fù)面消息的推遲能夠減小解禁對(duì)股價(jià)的負(fù)向沖擊。Nam等(2014)[13]研究發(fā)現(xiàn)風(fēng)險(xiǎn)資本支持的公司對(duì)發(fā)布的收益信息操控更強(qiáng)，這一操控行為會(huì)反映于限售解禁后股價(jià)的下跌，且操控行為的強(qiáng)度隨風(fēng)險(xiǎn)資本聲望的提高而減弱。Gibbs和Hao(2018)[14]對(duì)解禁前后的賣空行為進(jìn)行了研究，發(fā)現(xiàn)風(fēng)險(xiǎn)資本與私有權(quán)益支持的股票較其他股票被賣空的程度更高。不同于風(fēng)險(xiǎn)資本支持的股票，私有權(quán)益支持的股票在解禁后價(jià)格并未下跌。另外，賣空的程度對(duì)兩類股票解禁后的收益無預(yù)測作用，而對(duì)其他股票存在預(yù)測作用。

除引言中提到的對(duì)解禁價(jià)格效應(yīng)的研究外，國內(nèi)近來對(duì)限售解禁的考察還關(guān)注企業(yè)管理層面的微觀機(jī)制。劉娥平和唐舜(2014)[15]基于期權(quán)定價(jià)模型，提出一種限售解禁形成可交易性價(jià)值轉(zhuǎn)移進(jìn)而影響股票價(jià)格的理論機(jī)制。王玉濤等(2013)[16]研究了不同產(chǎn)權(quán)性質(zhì)的企業(yè)減持非流通股的動(dòng)機(jī)，發(fā)現(xiàn)國企減持的目的主要為平滑利潤，而民營企業(yè)則是為了獲取最大收益。吳冬梅和莊新田(2016)[17]對(duì)限售股解禁中控制權(quán)私利的問題進(jìn)行了考察，指出股東對(duì)中小投資者共享收益的侵占未因股改的完成而發(fā)生本質(zhì)改變。張曉宇和徐龍炳(2017)[18]指出限售股解禁為大股東進(jìn)行資本運(yùn)作提供了機(jī)會(huì)，而資本運(yùn)作加劇了股市崩盤的風(fēng)險(xiǎn)。

區(qū)別于上述研究視角，本文更多地著眼于限售解禁對(duì)股票價(jià)格特征的影響。本文采用了基于因子模型的面板因果推斷方法，這一方法的識(shí)別假設(shè)較傳統(tǒng)的匹配方法與雙重差分法更為靈活，在近年發(fā)展較快。Hsiao等(2012)[19]提出利用反映個(gè)體潛在關(guān)聯(lián)的共同因子對(duì)反事實(shí)結(jié)果進(jìn)行恢復(fù)，通過比較實(shí)際結(jié)果與反事實(shí)估計(jì)便可完成對(duì)處置效應(yīng)的估計(jì)。Hsiao等(2012)[19]提出的方法適用于小樣本。當(dāng)研究樣本量較大時(shí)，個(gè)體間的共同因子能夠被一致估計(jì)。Xu(2017)[20]將Bai(2009)[21]構(gòu)建的高維交互固定效應(yīng)模型應(yīng)用于面板因果推斷。Xiong和Pelger(2019)[22]利用高維因子模型對(duì)反事實(shí)結(jié)果進(jìn)行估計(jì)，并假設(shè)數(shù)據(jù)缺失概率是可觀測變量的函數(shù)。Bai和Ng(2019)[6]提出一種新的TW估計(jì)量，允許不對(duì)數(shù)據(jù)缺失機(jī)制加以設(shè)定。

本文采用的分析方法與因子模型在金融市場的廣泛應(yīng)用相關(guān)聯(lián)。首先，股票收益率間存在較強(qiáng)因子結(jié)構(gòu)，基于線性因子模型的定價(jià)方法已得到廣泛應(yīng)用，包括Sharpe(1964)[23]提出的CAPM及Fama和French(1993)[24]構(gòu)建的三因子模型等。另外，股票波動(dòng)率間的潛在因子結(jié)構(gòu)亦得到學(xué)者們的關(guān)注。Corradi等(2013)[25]構(gòu)建的無套利模型表明不可觀測因子解釋股票波動(dòng)率的比例接近20%；Li等(2016)[26]提出一種利用共同因子結(jié)構(gòu)估計(jì)多元波動(dòng)率的方法；Herskovic等(2016)[27]指出特質(zhì)波動(dòng)率間存在較強(qiáng)的因子結(jié)構(gòu)。另外，陳海強(qiáng)和范云菲(2015)[28]利用面板政策評(píng)估的方法，考察了融資融券交易制度對(duì)我國股市波動(dòng)的影響。本文基于高維因子模型進(jìn)行的分析與金融市場較大的個(gè)體數(shù)量相契合，因而具有較強(qiáng)的合理性。

三、基于高維因子模型的因果推斷方法

因果推斷(causal inference)被廣泛應(yīng)用于政策評(píng)估研究，一般通過對(duì)比不同處置條件(treatment status)下的潛在結(jié)果(potential outcome)，以得到處置效應(yīng)(treatment effect)衡量干預(yù)的效果。由于單一個(gè)體實(shí)際上只能處于唯一的處置條件下，其處于其他狀態(tài)的潛在結(jié)果是不可觀測的。Bai和Ng(2019)[6]提出一種基于高維因子分析的方法對(duì)缺失的潛在結(jié)果，即反事實(shí)(counterfactual)進(jìn)行估計(jì)。該問題可描述為以下矩陣：

其中，Y(0)為未受干預(yù)的結(jié)果，N1為受到干預(yù)的個(gè)體數(shù)量，T1為受到干預(yù)的期數(shù)。由于N1個(gè)體在T1期內(nèi)被施加了干預(yù)，Y0矩陣的右下角，即反事實(shí)部分是缺失的。

依據(jù)Bai和Ng(2019)[6]提出的方法，可采取以下步驟對(duì)反事實(shí)進(jìn)行估計(jì)：

采用主成分方法對(duì)因子模型進(jìn)行估計(jì)需確定因子數(shù)目。本文利用Bai和Ng(2002)[29]提出的信息準(zhǔn)則

(1)

處理組中個(gè)體i的處置效應(yīng)可定義為

(2)

其中Y(1)is為個(gè)體i在s期的實(shí)際結(jié)果。Bai和Ng(2019)[6]提供了個(gè)體處置效應(yīng)的漸進(jìn)性質(zhì)，即

(3)

(4)

四、因果分析研究設(shè)計(jì)與數(shù)據(jù)處理

本文采用的因果推斷方法要求數(shù)據(jù)具有上文所述的特定結(jié)構(gòu)。由于單月內(nèi)解禁股票的數(shù)目相對(duì)較少，本文對(duì)一季度內(nèi)解禁的股票進(jìn)行考察。廖理(2008)[1]指出限售解禁的股價(jià)下跌主要集中于解禁日的前120天，故本文在計(jì)算解禁前股票的價(jià)格特征時(shí)將解禁季度前4個(gè)月的數(shù)據(jù)排除。本文研究的目標(biāo)為解禁在相對(duì)長期的影響，故在計(jì)算解禁后股票的價(jià)格特征時(shí)將解禁季度后1個(gè)月的數(shù)據(jù)排除。本文構(gòu)建的面板數(shù)據(jù)時(shí)間跨度為60個(gè)月，其中前47個(gè)月為政策干預(yù)前樣本，后5個(gè)月為干預(yù)后樣本，中間8個(gè)月包含了解禁季度的3個(gè)月及解禁前后的5個(gè)月。因此依據(jù)廖理(2008)[1]的研究結(jié)果，數(shù)據(jù)的前47個(gè)月與后5個(gè)月不受考察季度內(nèi)解禁事件短期價(jià)格沖擊的影響?？疾斓母深A(yù)效應(yīng)由解禁季度后的2至6個(gè)月即面板數(shù)據(jù)最后5個(gè)月的干預(yù)后樣本體現(xiàn)。

由于數(shù)據(jù)覆蓋的時(shí)間區(qū)間較短，本文選擇三個(gè)解禁數(shù)目相對(duì)較多的樣本進(jìn)行研究，以避免樣本選擇帶來的偶然性。三個(gè)樣本的時(shí)間范圍分別為2006年1月至2010年12月，2011年1月至2015年12月及2013年7月至2018年6月。對(duì)于每個(gè)樣本，本文首先將全部股票劃分為解禁季度內(nèi)發(fā)生解禁的股票，與解禁季度內(nèi)未發(fā)生解禁的股票，將兩組股票分別作為處理組與控制組，并剔除金融類股票與ST股。隨后，本文剔除了處理組內(nèi)在樣本期間發(fā)生重復(fù)解禁的股票，剔除了控制組內(nèi)在樣本期間發(fā)生解禁的股票。最后，為避免解禁季度后發(fā)生的解禁事件對(duì)研究造成影響，本文剔除了解禁季度后10個(gè)月內(nèi)發(fā)生限售解禁的股票。因此，樣本的處理組包含了期間內(nèi)僅在解禁季度發(fā)生一次解禁的股票，控制組包含了期間內(nèi)未發(fā)生解禁的股票。全部股票在樣本解禁季度后的10個(gè)月內(nèi)均無解禁事件發(fā)生。

值得提出的是，盡管本文選擇的樣本二與樣本三存在一定交叉，但這一事實(shí)不會(huì)對(duì)結(jié)果產(chǎn)生影響。(1)作者感謝匿名審稿人指出這一問題。由上述處理組與控制組的構(gòu)成可見，各樣本中處置效應(yīng)的計(jì)算完全來源于該子樣本中解禁季度內(nèi)的解禁事件。處置效應(yīng)的計(jì)算由子樣本內(nèi)處理組的實(shí)際結(jié)果與通過控制組獲得的反事實(shí)估計(jì)值相減得到，在各子樣本間是獨(dú)立的。樣本二中的解禁事件雖發(fā)生在樣本三的時(shí)間范圍內(nèi)，但解禁的股票已在樣本三的構(gòu)建過程中被剔除，故樣本二不會(huì)對(duì)樣本三存在影響。樣本三的解禁事件發(fā)生于2017年第四季度，至多影響至2017年6月，故樣本三不會(huì)影響樣本二。因此子樣本的交叉不會(huì)影響處置效應(yīng)結(jié)果。

本文采用的限售解禁數(shù)據(jù)來源于Wind數(shù)據(jù)庫，個(gè)股日度收益數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。研究對(duì)象月度收益率為日收益率的月平均值。本文參照Paye(2012)[30]與Christiansen等(2012)[31]利用日度收益率構(gòu)建月度對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率(realized variance)作為個(gè)股波動(dòng)的代理指標(biāo)：

(5)

其中ritτ為股票i在第t月第τ個(gè)交易日的超額收益率，Mt為第t月中交易日的數(shù)目。對(duì)已實(shí)現(xiàn)波動(dòng)率進(jìn)行對(duì)數(shù)處理能夠令其分布更近于正態(tài)，更符合線性回歸的模型假設(shè)。各樣本解禁前后的描述性統(tǒng)計(jì)特征如表1所示。

表1 各樣本解禁前后的描述性統(tǒng)計(jì)特征

表1中各樣本的時(shí)間區(qū)間后給出了樣本中處理組與控制組包含的股票數(shù)量。盡管數(shù)據(jù)處理過程中大量股票被剔除，但樣本中依然保留了較多個(gè)體，能夠較好地滿足高維因子模型估計(jì)的假設(shè)條件。解禁前的描述性統(tǒng)計(jì)量反映了樣本前47期的數(shù)據(jù)特征，解禁后統(tǒng)計(jì)量的計(jì)算來自樣本的最后5期。在第三部分介紹的計(jì)量框架下，2006年1月至2010年12月樣本的規(guī)模即為N0=119，T0=47，N1=68，T1=5。

由表1可見，三個(gè)樣本的收益率在限售解禁前后的升降情況并無顯著規(guī)律，在處理組與控制組中的表現(xiàn)亦無顯著差異。波動(dòng)率在樣本二與樣本三中，于解禁后表現(xiàn)出一定程度的上升。此外，三個(gè)樣本的波動(dòng)率在處理組的均值均高于控制組，較高的波動(dòng)率可能來源于限售解禁事件。總體上看，解禁對(duì)股價(jià)特征的影響仍需通過進(jìn)一步研究來確定。

五、處置效應(yīng)估計(jì)結(jié)果

利用第三部分介紹的計(jì)量方法，本文對(duì)限售解禁的處置效應(yīng)進(jìn)行了估計(jì)，結(jié)果如表2所示。表2給出了各樣本中處置效應(yīng)在1%、5%及10%的水平上估計(jì)顯著的股票數(shù)目，且匯報(bào)了估計(jì)顯著的股票與處理組股票總體中處置效應(yīng)為正的個(gè)體數(shù)。

表2 處置效應(yīng)估計(jì)結(jié)果

由表2可見，各樣本中處置效應(yīng)估計(jì)結(jié)果的顯著性存在差異。限售解禁對(duì)收益率的處置效應(yīng)在樣本二最為顯著，在5%的水平上顯著的比例達(dá)到三分之一。解禁對(duì)波動(dòng)率的處置效應(yīng)在樣本一中最為顯著。68只股票中，僅14只股票在5%的水平上不顯著。解禁對(duì)收益率的影響在樣本三中最弱，在10%的水平上顯著的數(shù)量不足十分之一。解禁對(duì)波動(dòng)率影響的顯著性在樣本二與樣本三中無較大差別。限售解禁對(duì)股價(jià)特征的處置效應(yīng)在各樣本中存在差異，可能與樣本特定的經(jīng)濟(jì)環(huán)境相關(guān)。樣本一覆蓋了金融危機(jī)的時(shí)間范圍，而在樣本二末期，我國股市正處于泡沫后的震蕩中。解禁事件可能對(duì)極端條件下的市場反應(yīng)產(chǎn)生了放大作用。

從處置效應(yīng)的方向上看，限售解禁對(duì)波動(dòng)率的影響更多地表現(xiàn)為正向作用。這一正向作用在樣本一中尤為顯著。54只處置效應(yīng)在5%的水平上顯著的股票中，53只的效應(yīng)符號(hào)均為正，表明限售解禁在這一時(shí)間段顯著增大了股價(jià)波動(dòng)。相反，解禁干預(yù)對(duì)收益率的影響并無固定模式：樣本一中處置效應(yīng)為正、負(fù)的個(gè)體數(shù)目相當(dāng)；樣本二中處置效應(yīng)的正向作用稍強(qiáng)；而樣本三中處置效應(yīng)主要表現(xiàn)為負(fù)向，盡管該樣本中解禁對(duì)收益率的影響整體上并不顯著。

總體上看，限售解禁干預(yù)效應(yīng)的顯著程度與考察的時(shí)間區(qū)間相關(guān)且在個(gè)體間存在差異；解禁對(duì)波動(dòng)率的處置效應(yīng)較收益率更為顯著；限售解禁對(duì)波動(dòng)率的影響更多地表現(xiàn)為正向，而對(duì)收益率的影響并不確定。因此，盡管基于事件研究的結(jié)果指出解禁事件會(huì)在短期降低股票價(jià)格，但就本文考察的2至6個(gè)月的中長期結(jié)果來看，限售解禁并未顯著改變股票的收益水平。為進(jìn)一步分析限售解禁對(duì)股票投資價(jià)值的影響，本文依據(jù)收益率與波動(dòng)率的實(shí)際值與反事實(shí)數(shù)值，計(jì)算了對(duì)應(yīng)的個(gè)股Sharpe比率。此處本文將波動(dòng)率指數(shù)處理以轉(zhuǎn)化為正值，并假設(shè)無風(fēng)險(xiǎn)收益率為0。計(jì)算結(jié)果顯示，三個(gè)樣本中Sharpe比率增大的股票數(shù)分別為26、50及36。這一結(jié)果表明在樣本二中，過半股票的投資價(jià)值得到了提升，而樣本一與樣本三中大部分股票單位風(fēng)險(xiǎn)的收益變小，投資價(jià)值降低。

為考察因果分析的穩(wěn)健性，本文分別隨機(jī)選擇處理組解禁前的5期數(shù)據(jù)，及控制組解禁后與相應(yīng)處理組相同數(shù)目的股票，進(jìn)行了多次處置效應(yīng)計(jì)算。由于數(shù)次計(jì)算的結(jié)果大體一致，表3僅報(bào)告了其中一次計(jì)算的結(jié)果。可見波動(dòng)率在各顯著性水平上的處置效應(yīng)結(jié)果均與表2差距較大，而收益率的處置效應(yīng)在樣本二的結(jié)果與表2亦存在較大差異，表明上文因果推斷的結(jié)果具有較高程度的穩(wěn)健性。收益率穩(wěn)健性檢驗(yàn)在樣本三的結(jié)果與表2相近，進(jìn)一步表明樣本三中解禁對(duì)股票收益的干預(yù)效應(yīng)是不顯著的。

表3 穩(wěn)健性檢驗(yàn)結(jié)果

六、截面回歸分析

因果分析的結(jié)果表明限售解禁的處置效應(yīng)在個(gè)體間存在較大差異。本節(jié)利用截面回歸探討個(gè)體處置效應(yīng)是否與個(gè)股特征存在關(guān)聯(lián)。描述個(gè)股特征指標(biāo)的選取參考了解禁對(duì)股票異常收益率影響的相關(guān)研究。趙向琴等(2009)[3]、黃建歡和尹筑嘉(2009)[2]及黃張凱等(2010)[5]均指出解禁規(guī)模影響股票的累積異常收益率，本文以解禁后流通股占總股本增加的比例反映解禁沖擊的規(guī)模。廖理等(2008)[1]指出規(guī)模大的公司股票流動(dòng)性較好，信息透明度較高，故本文以對(duì)數(shù)市值描述個(gè)股對(duì)應(yīng)企業(yè)規(guī)模的差異，對(duì)數(shù)市值的計(jì)算采用了解禁前第5個(gè)月最后一個(gè)交易日的統(tǒng)計(jì)值。參考黃張凱等(2010)[4]的研究，本文以Tobin-Q值描述公司的基本面狀況，其計(jì)算方法為：(流通市值+非流通股數(shù)×每股凈資產(chǎn)+負(fù)債)÷賬面總資產(chǎn)。另外，基于事件研究的結(jié)果表明解禁會(huì)形成負(fù)向的累積異常收益率，但價(jià)格短期發(fā)生變化的股票是否會(huì)改變中長期的收益特征，這一問題仍有待解答。因此本文將累積異常收益率設(shè)置為自變量，考察個(gè)體處置效應(yīng)與其關(guān)聯(lián)。累積異常收益率(CAR)的估計(jì)方法與事件研究中采用的方法一致，即利用線性因子模型

rit=αi+βiRmt+εit

(6)

對(duì)股票收益率進(jìn)行擬合。股票i在[τ1,τ2]期間的累計(jì)異常收益率即為

(7)

其中Rm為滬深300指數(shù)的日收益率。異常收益計(jì)算的事件窗為[-120，20]，估計(jì)窗為[-230，-131]。鑒于近期相關(guān)研究指出限售解禁中存在控股股東的自利行為，如吳冬梅和莊新田(2016)[17]、張曉宇和徐龍炳(2017)[18]，本文在回歸模型中加入前十大股東持股比例、政府實(shí)際控制人的虛擬變量及機(jī)構(gòu)持股比例，以反映股票控制者的差異。

本文對(duì)回歸元進(jìn)行了共線性檢驗(yàn)。三個(gè)子樣本中樣本點(diǎn)的總數(shù)為250，回歸元相關(guān)系數(shù)矩陣的條件數(shù)為5.26，表明七個(gè)變量較為獨(dú)立地反映了股票的個(gè)體特征?；谑录芯康南嚓P(guān)結(jié)果表明解禁規(guī)模、企業(yè)規(guī)模及Tobin-Q值能夠解釋解禁對(duì)收益率的負(fù)向沖擊，但此處的相關(guān)性分析顯示三個(gè)變量與累積異常收益的關(guān)聯(lián)度并不高。注意到事件研究采用的樣本多為2010年前解禁條款生效早期的數(shù)據(jù)，故出現(xiàn)這一結(jié)果的可能原因是市場對(duì)解禁事件的反應(yīng)已隨時(shí)間發(fā)生變化。事實(shí)上，在250個(gè)樣本點(diǎn)中，累積異常收益率為正的個(gè)體數(shù)目為117，表明解禁對(duì)股價(jià)整體的短期負(fù)向沖擊已不再顯著，投資者可能已對(duì)限售解禁事件具備較高的適應(yīng)度。

本文對(duì)各子樣本及總樣本分別進(jìn)行了回歸。由于上文因果分析顯示解禁效應(yīng)隨樣本的變化呈現(xiàn)出差異性，故本文根據(jù)樣本點(diǎn)所屬的子樣本類別在總樣本回歸中設(shè)置虛擬變量以控制這一差異。回歸模型的形式如式(8)所示：

ATT=Xβ+ε

(8)

其中，ATT為個(gè)體處置效應(yīng)向量，X為回歸元矩陣，ε為隨機(jī)誤差項(xiàng)。各變量在回歸前均經(jīng)過標(biāo)準(zhǔn)化處理，故自變量矩陣中不含常數(shù)項(xiàng)。回歸結(jié)果如表4所示。

表4 截面回歸結(jié)果

表4顯示個(gè)股特征對(duì)處置效應(yīng)的解釋力并不強(qiáng)。在七個(gè)變量中，僅有少數(shù)變量在特定樣本表現(xiàn)出一定的顯著性。這一結(jié)果表明個(gè)股收益與波動(dòng)處置效應(yīng)的異質(zhì)性與其個(gè)體特征的關(guān)聯(lián)度并不高，限售解禁對(duì)個(gè)股特征的干預(yù)效應(yīng)可能是多種復(fù)雜因素作用的共同結(jié)果。

七、總結(jié)

本文利用基于高維因子模型的面板因果推斷方法分析了限售解禁對(duì)股票價(jià)格特征中長期的干預(yù)效應(yīng)。研究表明解禁的處置效應(yīng)隨考察時(shí)期的不同而變化。限售解禁在金融危機(jī)后顯著增大了個(gè)股波動(dòng)，在2015年我國股市泡沫后對(duì)收益率作用較強(qiáng)?？傮w上看，解禁對(duì)波動(dòng)率的干預(yù)效應(yīng)較收益率更為顯著，多數(shù)股票的投資價(jià)值在解禁后產(chǎn)生了下滑。本文亦采用截面回歸考察了處置效應(yīng)異質(zhì)性與個(gè)體特征的聯(lián)系，結(jié)果顯示解禁對(duì)個(gè)股收益特征作用的差異與股票個(gè)體特征的關(guān)聯(lián)度并不高，干預(yù)前的個(gè)體特征不能對(duì)處置效應(yīng)的異質(zhì)性進(jìn)行解釋。

本文的研究結(jié)果對(duì)于認(rèn)識(shí)我國限售股解禁政策效果具有一定意義。首先，限售股的事件確實(shí)在一定程度上增大了市場風(fēng)險(xiǎn)，表現(xiàn)為個(gè)股波動(dòng)率的擴(kuò)大。第二，與基于事件研究的現(xiàn)有文獻(xiàn)結(jié)論不同，本文發(fā)現(xiàn)解禁對(duì)股價(jià)的負(fù)向沖擊已不再顯著，這一點(diǎn)既表現(xiàn)在中性的累積異常收益率，又體現(xiàn)于處置效應(yīng)對(duì)收益率整體較低的顯著性?？梢娊饨麑?duì)市場的影響方式可能已產(chǎn)生變化。第三，截面回歸結(jié)果指出個(gè)股異質(zhì)特征不能解釋處置效應(yīng)的異質(zhì)性，表明解禁中不存在利用個(gè)股特征進(jìn)行套利的機(jī)會(huì)，這亦說明就限售解禁而言，我國股市存在一定程度的有效性。個(gè)股解禁效應(yīng)的差異與市場機(jī)制更深層次的聯(lián)系有待進(jìn)一步研究。