史博文 胡代平

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

2017年，比特幣價格從年初的973美元，到年底的1.8萬美元，暴漲14倍，成為全市場最令人矚目的資產(chǎn)品種。與此同時，另一個和比特幣同樣基于區(qū)塊鏈技術(shù)的應(yīng)用也逐漸走入人們的視野——數(shù)字通證(crypto token)。

區(qū)塊鏈最早作為比特幣的底層技術(shù)由Nakamoto在2008年提出，它本質(zhì)上是一個去中心化的數(shù)據(jù)庫，通過分布式數(shù)據(jù)存儲、點(diǎn)對點(diǎn)傳輸、共識機(jī)制、加密算法等計算機(jī)技術(shù)，在存在各種差錯、惡意攻擊以及可能不同步的對等式網(wǎng)絡(luò)中(peer-to-peer network)，并且在沒有中央?yún)f(xié)調(diào)的情況下，確保分布式賬本在不同網(wǎng)絡(luò)節(jié)點(diǎn)上的數(shù)據(jù)是一致的。

隨著2014年美國R3公司的創(chuàng)立和2015年Linux基金會發(fā)起Hyperledger項(xiàng)目，區(qū)塊鏈?zhǔn)艿搅嗽絹碓蕉嘀髁鳈C(jī)構(gòu)的重視。高盛(2016)討論了區(qū)塊鏈在共享經(jīng)濟(jì)、智能電網(wǎng)、房地產(chǎn)保險、股票市場、回購市場、杠桿貸款交易以及反洗錢(anti-money laundering，簡稱 AML)和“了解你的客戶”(know your customer，簡稱KYC)中的應(yīng)用。中國區(qū)塊鏈技術(shù)和產(chǎn)業(yè)發(fā)展論壇 2016 年 10 月發(fā)布的《中國區(qū)塊鏈技術(shù)和應(yīng)用發(fā)展白皮書(2016)》討論了區(qū)塊鏈在金融服務(wù)、供應(yīng)鏈管理、文化娛樂、智能制造、社會公益和教育就業(yè)等領(lǐng)域的應(yīng)用場景。2018年開始，中國人民銀行、摩根大通、Facebook、阿里、騰訊都推出了自己的區(qū)塊鏈項(xiàng)目，并且很多知名資產(chǎn)管理公司將數(shù)字通證納入了投資范圍。

但是在缺少監(jiān)管的情況下，價格操縱是數(shù)字通證經(jīng)常被詬病的現(xiàn)象，也是影響市場效率和參與者積極性的一個很重要的因素。本文研究了數(shù)字通證中一種叫拉升與拋售的操縱行為對于數(shù)字通證價格的影響。

1 相關(guān)文獻(xiàn)概述

1.1 數(shù)字通證的價值

徐忠等(2018)提出了通證的范式，即：(1) 通證是區(qū)塊鏈內(nèi)定義的狀態(tài)變量，具有若干類似貨幣的特征；(2) 智能合約是運(yùn)行在區(qū)塊鏈內(nèi)、主要對 通證進(jìn)行復(fù)雜操作的計算機(jī)代碼，可以實(shí)現(xiàn)通證的定義、發(fā)行、銷毀、轉(zhuǎn)讓、抵押、凍結(jié)和解凍等功能，但無法確保區(qū)塊鏈內(nèi)債務(wù)的履約，也很難處理不完全契約；(3) 共識算法的功能是確保通證狀態(tài)和涉及通證交易的信息真實(shí)準(zhǔn)確。

Catalini和Gans(2016)分析了區(qū)塊鏈、通證對市場形成中的兩個重要因素——驗(yàn)證成本和網(wǎng)絡(luò)成本的影響。他們認(rèn)為，區(qū)塊鏈允許市場參與者以較低成本驗(yàn)證與交易有關(guān)信息，會促進(jìn)新的市場形態(tài)出現(xiàn)；通證可以在無需傳統(tǒng)受信任中介的情況下降低網(wǎng)絡(luò)成本并啟動市場。

Cong et al.(2018)用動態(tài)資產(chǎn)定價模型分析了通證價格及其對用戶采用(user adoption)的影響。通證交易為平臺用戶提供了跨期互補(bǔ)性(intertemporal complementarity)，從而在通證價格和用戶采用之間形成了一個反饋環(huán)。通證價格反映了平臺未來增長，均衡時通證價格將隨平臺生產(chǎn)力、用戶異質(zhì)性和網(wǎng)絡(luò)規(guī)模的提升而呈現(xiàn)非線性增長。

1.2 數(shù)字通證與股票的拉升和拋售行為

Kamps J、Kleinberg B(2018)從文獻(xiàn)中總結(jié)了拉升與拋售這種行為的歷史，并通過異常檢測的方法通過價格和成交量的異常識別拉升與拋售事件。這篇文章發(fā)現(xiàn)拉升與拋售事件容易聚集在一些交易所和數(shù)字通證上，小市值的數(shù)字通證更容易被拉升與拋售。

Hamrick J T、Rouhi F、Mukherjee A, et al(2018)在2018年6個月的時間里，發(fā)現(xiàn)了在Telegram平臺上的3767次以及在Discord平臺上的1051次不重合的拉升與拋售信號，涉及300多個數(shù)字通證，他們發(fā)現(xiàn)市值和成交量是決定拉升與拋售行為盈利性的最重要因素，低成交量的數(shù)字通證的拉升與拋售往往能產(chǎn)生更高的收益。

Li T、Shin D、Wang B(2019)使用逐筆數(shù)據(jù)研究了可以精確確定開始時間的拉升與拋售事件，他們發(fā)現(xiàn)拉升與拋售事件可以在短時間內(nèi)讓數(shù)字通證價格、成交量和波動率大幅增加。幾分鐘內(nèi)，被拉升的通證的價格達(dá)到最高值，隨后反轉(zhuǎn)。他們還發(fā)現(xiàn)，在拉升開始之前，通證的價格就會開始增加，這表明提前知道拉升時間的人提前買入通證。他們還通過研究交易所禁止拉升與拋售事件，為拉升與拋售對于數(shù)字通證的流動性和價格有害提供了證據(jù)。此外，他們還從行為金融學(xué)的角度解釋了外部參與者參與拉升與拋售事件的動機(jī)。

Xu J、Livshits B(2019)研究了2018年7月21日到2018年11月18日期間在Telegram上組織的220次拉升與拋售事件，然后建立了一個預(yù)測模型，預(yù)測在拉升之前哪個數(shù)字通證將被拉升。根據(jù)他們的模型，數(shù)字通證的市值和拉升前1小時的收益率是最重要的兩個特征，此外拉升前1小時和72小時的成交量也在預(yù)測中起到了重要影響。

Mirtaheri M、Abu-El-Haija S、Morstatter F, et al(2019)提出一種可以同時使用Twitter和Telegram社交媒體信息自動識別拉升與拋售行為的方法，并且還開發(fā)了一種預(yù)測拉升與拋售事件是否成功的算法。此外，他們還將其研究數(shù)據(jù)集開源，這個數(shù)據(jù)集將在本文的魯棒性分析中使用。

1.3 事件研究方法

文獻(xiàn)中記錄的最早的事件研究是Dolley(1933)(Campbell (1997)中提及)進(jìn)行的研究，這項(xiàng)研究通過研究股票分拆時的價格變化來考察股票分拆事件對于股票價格的影響。這項(xiàng)研究使用從1921年到1931年的95個股票分拆事件作為樣本，Dolley發(fā)現(xiàn)其中57個樣本股價上升，26個股價樣本價格下降?，F(xiàn)在的事件研究基本范式主要形成于Ball、Brown(1968)和Fama、Fisher、Jensen、Roll(1969)的兩篇論文。在這些開創(chuàng)性的研究之后，有大量的研究討論了事件研究方法中存在的一些問題并改進(jìn)了事件研究的方法。例如：收益和異常收益數(shù)據(jù)分布不是正態(tài)的，最小二乘法估計市場模型參數(shù)可能導(dǎo)致偏差，非同步交易問題，以及方差估計中的問題等。Brown和Warner (1980, 1985)對這些問題進(jìn)行了系統(tǒng)的研究，這兩篇文章中運(yùn)用的事件研究方法的效度評價方法也被后續(xù)的實(shí)踐研究所廣泛采用。

在事件研究中，由事件引起的方差增加會導(dǎo)致傳統(tǒng)的統(tǒng)計量失真，增加犯第一類錯誤的概率。Brown和Warner認(rèn)為可以通過對波動建模解決這個問題。其他的一些研究，比如Aktas et al.(2007), Harrington和Shrider(2007)和Higgins和Peterson (1998)也指出，所有的事件都會導(dǎo)致橫截面方差增加，這些方差在研究事件日異常收益的顯著性時必須被估計，并且在統(tǒng)計量中進(jìn)行方差調(diào)整。Boehmer、Musumeci和Poulsen(BMP)(1991)認(rèn)為，事件期間的異常收益需要通過除以估計區(qū)間的標(biāo)準(zhǔn)差加以標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化之后的異常收益的橫截面均值需要除以橫截面標(biāo)準(zhǔn)差加以標(biāo)準(zhǔn)化從而產(chǎn)生統(tǒng)計量。BMP方法的隱含假設(shè)是樣本中所有證券因?yàn)槭录鸬臉?biāo)準(zhǔn)差是相同的。Corrado (1989)使用非參數(shù)秩檢驗(yàn)處理事件引起的方差增加問題，仿真結(jié)果表明秩檢驗(yàn)比傳統(tǒng)的檢驗(yàn)具有更高的效力。

事件研究中的另外一個問題是橫截面相關(guān)性問題。Kolari和Pynn?nen (2010)對Patell(1976)，Boehmer、Musumeci和Poulsen (1991)的統(tǒng)計量進(jìn)行了改進(jìn)，以消除橫截面相關(guān)帶來的影響。他們的研究表明，當(dāng)沒有事件引起的波動增加時，這兩個修正過的統(tǒng)計量的檢驗(yàn)效力是近似相等的，并且當(dāng)沒有異常收益的原假設(shè)為真時，可以以正確的概率拒絕原假設(shè)。

除了檢驗(yàn)事件日的異常收益，多日的累計異常收益(CAR)的有效性檢驗(yàn)也經(jīng)常出現(xiàn)在事件研究的論文中。但是隨著檢驗(yàn)區(qū)間長度的增加，區(qū)間的波動增加，需要整個事件區(qū)間有更大的累計異常收益才能被檢測出來。Cowan (1992)和 Campbell、Wasley (1993)通過簡單的累加CAR區(qū)間內(nèi)的每日異常收益的秩來檢驗(yàn)累計異常收益，但是隨著事件窗口的增加，這種方法快速失去效力。

為了克服上述難題，Kolari、Pynn?nen (2011)提出了一種基于廣義標(biāo)準(zhǔn)化異常回報的廣義秩檢驗(yàn)，該方法既可以檢驗(yàn)單日的異常收益，又可以檢驗(yàn)累計異常收益。同時，這種方法對于異常收益的序列相關(guān)事件引起的方差增和事件日聚集引起的截面相關(guān)等問題也是穩(wěn)健的。

2 事件研究方法框架與步驟

Campbell、Lo和MacKinlay (1997)提供了一個典型的事件研究框架，本文將按照這個框架進(jìn)行研究，具體步驟如下：

2.1 定義事件和事件窗口

進(jìn)行事件研究的第一步是定義要研究的事件(比如公司的季度盈利公告)，并且定義需要檢查的金融工具價格區(qū)間。這個區(qū)間被稱為事件窗口(或者叫事件區(qū)間)。一般來說，事件窗口的選擇可以是任意的，事件對價格的影響可能發(fā)生在事件之前，事件發(fā)生當(dāng)日或者事件之后一段時間，研究者需要自己判斷。

2.2 選擇研究樣本并做描述分析

確定要研究的事件后，下一步是確定納入研究的公司的選擇標(biāo)準(zhǔn)，建議只選擇那些在大型交易所頻繁交易的公司。此外，要排除事件窗口內(nèi)有多個事件的公司。在這一步，最好對入選公司進(jìn)行描述性統(tǒng)計(比如公司市值、行業(yè)等)，并指出樣本選擇中可能存在的偏差。

2.3 定義預(yù)期回報和異常收益

為了評估事件的影響，需要對異常收益進(jìn)行衡量。正常的收益(預(yù)期回報)是在事件沒有發(fā)生時所期望的回報。對于公司i，在t時刻的異?；貓蟀凑杖缦路绞蕉x：

ARit=Rit-E(Rit)

ARit、Rit、E(Rit)分別是異常收益、實(shí)際收益和預(yù)期收益。常見的預(yù)期收益模型有平均收益模型、市場模型、資本資產(chǎn)定價模型(CAPM)、Fama-French 3因子模型、Carhart 4因子模型、參考投資組合模型和配對公司模型。

2.4 估計預(yù)期回報模型參數(shù)

選定正常收益模型后，一般選擇事件前一段時間對模型的參數(shù)進(jìn)行估計。一般來說，事件窗口不應(yīng)該被包含在估計區(qū)間內(nèi)，以防止事件影響預(yù)期收益模型參數(shù)的估計。對于使用每日采樣間隔的數(shù)據(jù)，使用市場模型作為預(yù)期收益模型，估計區(qū)間可以選擇事件窗口前的120日。

2.5 顯著性檢驗(yàn)

事件研究一般是先從單個股票單期的異常收益(ARit)開始，然后根據(jù)研究的需求，將ARit按照時間和橫截面聚合成不同層次。比如，將ARit沿時間序列聚合，就形成了單個股票的累計異常收益CARi，將多個股票的CARi在橫截面上取平均，就形成平均累計異常收益CAAR。也可以將ARit直接在橫截面上聚合，變成平均異常收益AARt。ARit、CARi、AARt、CAAR數(shù)學(xué)定義如下：

ARi,t=Ri,t-E[Ri,t│Ωi,t]

事件研究需要對這些不同層次的異常收益進(jìn)行假設(shè)檢驗(yàn)。按照假設(shè)檢驗(yàn)的一般原則，原假設(shè)(H0)是事件窗口內(nèi)不存在異常收益，而備擇假設(shè)(H1)認(rèn)為在事件窗口內(nèi)存在異常收益。正式定義如下：

H0:μ=0

H1:μ≠0

在事件研究領(lǐng)域， Kolari和Pynn?nen(2011)提出的廣義秩檢驗(yàn)(GRANK)是到目前為止最有效和有魯棒性的檢驗(yàn)方法，并且可以適用于短事件窗口和長事件窗口，所以本文使用廣義秩檢驗(yàn)作為檢驗(yàn)事件異常收益顯著性的方法。本文同時還報告了T檢驗(yàn)，廣義符號檢驗(yàn)(Cowan, A. R., 1992)和BMP檢驗(yàn)(Boehmer, Musumeci, Poulsen, 1991)的結(jié)果作為參考。

2.6 實(shí)證結(jié)果

除了按照計量經(jīng)濟(jì)學(xué)設(shè)計的公式展示實(shí)證結(jié)果，對于結(jié)果的一些深入分析也會非常有成果。有時候，特別是在研究樣本有限的研究中，實(shí)證結(jié)果會受到1～2家公司嚴(yán)重的影響，弄清楚這一點(diǎn)對于衡量結(jié)果的重要性有至關(guān)重要的影響。

2.7 解釋和總結(jié)

理想的情況下，實(shí)證研究的結(jié)果會讓研究者了解事件對于證券價格的影響。為了區(qū)分相互矛盾的解釋，可能還需要進(jìn)行額外的分析。

3 實(shí)證分析

3.1 樣本選取

本文使用的數(shù)字通證拉升與拋售數(shù)據(jù)來自PumpOlymp，該網(wǎng)站收錄了Telegram上393個公開的拉升與拋售群組和一些非公開的拉升與拋售群組。網(wǎng)站收錄了從2018年6月起的550多起拉升與拋售事件。數(shù)字通證的價格數(shù)據(jù)來自CoinMarketCap。本文使用網(wǎng)絡(luò)爬蟲和數(shù)據(jù)API獲取以上數(shù)據(jù)，經(jīng)過數(shù)據(jù)去重、數(shù)據(jù)序列化、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)關(guān)聯(lián)等步驟，生成研究用數(shù)據(jù)集。

在PumpOlymp獲取的數(shù)字通證拉升與拋售事件時間范圍是2018年6月17日到2019年8月10日，共有拉升與拋售事件510個，涉及數(shù)字通證213個。剔除無法關(guān)聯(lián)，在CoinMarketCap中無法找到數(shù)據(jù)的通證后，剩余事件403個，涉及通證151個，時間范圍不變。

為了保證預(yù)期收益模型估計的準(zhǔn)確性和避免事件日期前缺失數(shù)據(jù)對于分析的影響，要求事件日之前30天數(shù)據(jù)不能缺失，事件前30～250天，至少要有120天數(shù)據(jù)。統(tǒng)計發(fā)現(xiàn)，大部分事件都滿足這一要求，并且事件后至少有86天，大部分通證事件后都有120天有效數(shù)據(jù)。按照上述標(biāo)準(zhǔn)剔除后，剩余事件376個，涉及數(shù)字通證142個，日期范圍為2018年6月18日至2019年8月10日，這個數(shù)據(jù)集作為PumpOlymp拉升與拋售事件分析的基礎(chǔ)數(shù)據(jù)集。

事件日期分布和對應(yīng)市場指數(shù)關(guān)系如圖 1所示。

圖1 事件日期分布和對應(yīng)市場指數(shù)

3.2 拉升與拋售事件短期特征統(tǒng)計

PumpOlymp數(shù)據(jù)中報告了每次拉升與拋售事件的持續(xù)時間、事件前通證價格、拉升后最高價、按照他們預(yù)測的信號交易的理論利潤，這些指標(biāo)的統(tǒng)計信息如表 1所示。

從統(tǒng)計中可以發(fā)現(xiàn)，平均來看，數(shù)字通證中的拉升與拋售事件會在非常短的時間(一般不超過1分鐘)內(nèi)對通證價格有一個相對大幅的拉升。雖然并不是每次拉升與拋售事件都會成功，偶爾還伴隨著比較大的虧損，但是75%的拋售與拉升事件是盈利的。

筆者認(rèn)為，數(shù)字通證的拉升與拋售行為，可能會讓投資者認(rèn)為，這個數(shù)字通證并不像它的白皮書所說的那樣，要去搭建某個系統(tǒng)、提供某項(xiàng)服務(wù)，而更多的是通過投機(jī)炒作收割投資者，從而在中長期損害這個項(xiàng)目的價值。下面本文將通過實(shí)證研究來驗(yàn)證這一猜測。

表1 拉升與拋售事件短期特征統(tǒng)計

3.3 拉升與拋售行為對于通證價格的影響

因?yàn)楸疚囊芯康氖抢c拋售事件對于數(shù)字通證收益的影響，所以有必要將事件的收益從市場預(yù)期的收益中分離出來，僅研究事件日期附近的異常收益。

股票市場上常用的預(yù)期收益模型有CAPM模型、Fama-French 3因子模型、Cohart 4因子模型、Fama-French 5因子模型。但是由于數(shù)字通證市場的特征與股票市場特征不完全一致，在股票市場上常用的3因子、4因子、5因子模型在數(shù)字通證市場不完全適用，所以本文選擇比較簡單的市場模型作為預(yù)期收益模型。Brown(1985)的研究也表明，市場模型相對其他更復(fù)雜的模型，大部分情況下表現(xiàn)相差不大。所以，預(yù)期收益模型按照如下方式定義：

lneRjt=αj+βjlnRmt+ujt

Pjt=數(shù)字通證j在t日的收盤價；Rjt=Pjt/Pj,t-1數(shù)字通證j在第t期的相對價格

Rmt=全市場數(shù)字通證在第t期的加權(quán)平均相對價格

αj和βj是每個數(shù)字通證j預(yù)期收益模型的參數(shù)，分別表示數(shù)字通證j超越市場的收益和相對市場收益的敏感度；ujt是殘差項(xiàng)(在事件研究中一般叫做異常收益)，表示數(shù)字通證j收益中不能被市場收益解釋的部分。

本文使用事件前250日到事件前30日作為估計區(qū)間，估計預(yù)期收益模型的參數(shù)，模型參數(shù)統(tǒng)計信息見表2。

表2 使用事件前250日到事件前30日

接下來將數(shù)字通證的事件日對齊，然后對殘差等權(quán)重求平均數(shù)，獲得事件聚合后的異常收益(AAR)，然后將AAR從觀察第一天開始累加，得到累計事件聚合后異常收益(CAAR)。圖 2展示了從事件前250日到事件后120日的AAR和CAAR。

圖2 PumpOlymp數(shù)據(jù)集AAR、CAAR

從圖2中可以發(fā)現(xiàn)，在事件日，事件集的AAR具有非常明顯的正向異常收益，同時在事件發(fā)生后的120日內(nèi)，事件集的AAR負(fù)值居多。從CAAR曲線上看，拉升與拋售事件發(fā)生后，事件集的CAAR出現(xiàn)了明顯的下降。不過在事件前30日，事件集的CAAR也是向下的，所以本文對事件前后的AAR和CAAR進(jìn)行顯著性檢驗(yàn)。

在對學(xué)生的采訪過程中，發(fā)現(xiàn)大多數(shù)學(xué)生英語學(xué)習(xí)的目的在于獲得證書或滿足未來就業(yè)的條件，有的甚至不清楚自身學(xué)習(xí)英語的動機(jī)，只是“隨大流”，出于長期以來形成的學(xué)習(xí)本能進(jìn)行自主學(xué)習(xí)，這種情況導(dǎo)致了英語自主學(xué)習(xí)更多地是為了應(yīng)試而非應(yīng)用。其中最直接的體現(xiàn)便是對于網(wǎng)絡(luò)環(huán)境的應(yīng)用不足，不注重自身的英語口能能力以及溝通交流能力的增強(qiáng)，英語的實(shí)用性被大大削弱，所應(yīng)該起到的宣傳湖南文化以及彰顯湖南人才素養(yǎng)的作用難以在國際友人中展現(xiàn)。

表 3報告了事件前后一段時間的累計聚合異常收益(CAAR)的顯著性檢驗(yàn)結(jié)果。本文選取了事件前29日、事件前5日、事件后5日、事件后10日、事件后30日、事件后50日作為CAAR的檢驗(yàn)區(qū)間，檢驗(yàn)結(jié)果表明兩個事件前檢驗(yàn)區(qū)間的累計聚合異常收益均不顯著，而事件后4個檢驗(yàn)區(qū)間的累計聚合異常收益都顯著為負(fù)。

表3 事件CAAR的顯著性檢驗(yàn)

3.4 結(jié)論魯棒性分析

本文從研究數(shù)據(jù)的代表性、統(tǒng)計檢驗(yàn)方法和CAAR的檢測區(qū)間討論研究結(jié)論的魯棒性。

首先是研究數(shù)據(jù)的代表性問題。由于PumpOlymp收集的數(shù)字通證的拉升與拋售事件可能不全或者有選擇偏差，不能代表全體數(shù)字通證的拉升與拋售事件，所以本文使用Mirtaheri M, Abu-El-Haija S、Morstatter F, et al(2019)提供的數(shù)據(jù)集重新檢驗(yàn)本文的研究結(jié)論。Mirtaheri M、Abu-El-Haija S、Morstatter F, et al(2019)使用機(jī)器學(xué)習(xí)算法在2017年5月18日到2018年7月23日的區(qū)間內(nèi)識別出22336個拉升與拋售行為，在這個數(shù)據(jù)集上的研究與在PumpOlymp數(shù)據(jù)集上的研究結(jié)論一致，說明本文的結(jié)論具有通用性。

其次，本文使用GRANK-T統(tǒng)計量作為顯著性的判斷依據(jù)，該方法可以處理非正態(tài)數(shù)據(jù)，對收益率序列的時間序列相關(guān)、橫截面相關(guān)以及事件引發(fā)的方差變化具有魯棒性。同時，在大部分顯著的CAAR中，本文同時報告的T檢驗(yàn)、BMP檢驗(yàn)、廣義符號檢驗(yàn)也都是顯著的，所以本文得出的顯著性判斷是穩(wěn)健的。

最后，在檢驗(yàn)CAAR顯著性時，本文選擇了多個CAAR區(qū)間，避免某個區(qū)間選取帶來的偶然性。

因此，本文得出的結(jié)論是穩(wěn)健的，具有魯棒性。

4 套利策略和監(jiān)管建議

4.1 套利策略

本文發(fā)現(xiàn)的數(shù)字代幣拉升與拋售后產(chǎn)生的長時間負(fù)向異常收益的一個實(shí)際應(yīng)用是套利策略。當(dāng)前，大多數(shù)數(shù)字代幣平臺都允許融券賣空，由于拉升與拋售事件后，數(shù)字通證會產(chǎn)生嚴(yán)重的負(fù)向異常收益，所以本文將前50日內(nèi)發(fā)生拉升與拋售的數(shù)字通證構(gòu)建一個等權(quán)重的投資組合，進(jìn)行做空。同時，為了對沖市場收益波動帶來的投資組合波動，本文選擇比特幣構(gòu)建與空頭組合市值相等的多頭投資組合進(jìn)行對沖。選擇比特幣作為多頭對沖品種，有兩個原因：

(1) 比特幣是市值最大的數(shù)字通證，其市值在整個數(shù)字通證領(lǐng)域占比很高，從歷史數(shù)據(jù)看，其收益序列也與數(shù)字通證加權(quán)指數(shù)的收益序列高度相關(guān)。

(2)由于比特幣受到數(shù)字通證參與者的廣泛認(rèn)可，交易活躍，所以交易成本低，沒有通證清盤的風(fēng)險。

圖3是事件組合、比特幣(BTC)和對沖組合在2018年6月19日到2019年9月29日的收益曲線，表4統(tǒng)計了套利策略的收益和風(fēng)險指標(biāo)。在這段時間內(nèi)，對沖套利策略年化收益122%，夏普比率1.24。收益率大于單獨(dú)做多比特幣和單獨(dú)做空事件投資組合的收益率。夏普比率與單獨(dú)做空事件組合相差不大，但是回撤明顯降低。

不過需要特別指出的是，本文的研究沒有考慮交易成本、融券的利率。之前在股票市場上的研究指出，對于小市值股票，融資成本一般較高，本文只是指出套利行為的理論可行性，套利策略的實(shí)際收益應(yīng)該小于理論值。此外，在事件發(fā)生后，事件數(shù)字通證的套利機(jī)會長期存在，也說明了數(shù)字通證市場的定價在研究期間還是無效的，這可能是由于數(shù)字通證市場還處于早期階段，散戶多、專業(yè)投資者較少、數(shù)字通證定價理論尚不完善導(dǎo)致的。

圖3 BTC對沖事件組合后收益

表4 套利策略收益和風(fēng)險指標(biāo)

4.2 監(jiān)管建議

由于數(shù)字通證拉升與拋售行為對于數(shù)字通證有較大的危害，并且會給投資人造成潛在的損失，所以在此向監(jiān)管部門建議：

(1) 應(yīng)當(dāng)將數(shù)字通證的拉升與拋售行為認(rèn)定為非法，同時使用信息技術(shù)自動監(jiān)測可能的拉升與拋售行為。從文獻(xiàn)綜述中我們發(fā)現(xiàn)，已經(jīng)有研究可以以較高的準(zhǔn)確率通過社交媒體數(shù)據(jù)預(yù)測拉升與拋售行為，并通過價格變化加以印證，結(jié)合其他大數(shù)據(jù)技術(shù)，可以及時準(zhǔn)確地發(fā)現(xiàn)拉升與拋售行為及其組織者。

(2) 建立數(shù)字通證拉升與拋售的預(yù)警名單，提醒投資者遠(yuǎn)離發(fā)生過拉升與拋售的數(shù)字通證。本文的研究表明，發(fā)生拉升與拋售行為之后的數(shù)字通證在幾個月的時間內(nèi)產(chǎn)生了負(fù)向異常收益，持有這些通證的投資者將有可能蒙受損失。所以，為了保護(hù)投資者，監(jiān)管機(jī)構(gòu)可以定期公開有拉升與拋售行為的數(shù)字通證名單。

(3) 允許數(shù)字通證做空，降低做空成本，讓市場自動將那些發(fā)生拉升與拋售行為的數(shù)字通證出清。監(jiān)管機(jī)構(gòu)應(yīng)當(dāng)鼓勵交易所為投資者提供做空工具，并且規(guī)范賣空工具以降低交易成本，從而達(dá)到加速市場出清的作用。

5 結(jié)論和討論

本文通過對數(shù)字通證拉升與拋售數(shù)字行為的實(shí)證分析，發(fā)現(xiàn)雖然數(shù)字通證拉升與拋售這種市場操縱行為持續(xù)時間往往在幾分鐘以內(nèi)，但是它使得數(shù)字通證產(chǎn)生長達(dá)幾個月負(fù)向異常收益?；谶@個發(fā)現(xiàn)，本文開發(fā)了一個有效的套利策略，通過做多比特幣，做空拉升與拋售通證的投資組合，在不考慮交易成本和融券成本的情況下，獲得了年化123%的收益率，夏普比率1.24。同時本文還向監(jiān)管機(jī)構(gòu)提出建議，以減少拉升與拋售這種市場操縱行為帶來的危害。

由于受相關(guān)條件限制，本文對數(shù)字通證拉升與拋售行為的研究還存在一些不足，需要做進(jìn)一步的研究：

(1) 數(shù)字通證拉升與拋售行為導(dǎo)致通證產(chǎn)生長達(dá)幾個月負(fù)向異常收益的原因需要進(jìn)一步探究。本文只是通過事件研究方法發(fā)現(xiàn)了這一現(xiàn)象，但是這一現(xiàn)象背后的原因尚不清楚，需要進(jìn)一步研究。

(2) 數(shù)字通證拉升與拋售行為對于數(shù)字通證的開發(fā)者、使用者的影響可以進(jìn)一步研究。數(shù)字通證經(jīng)濟(jì)的核心在于激勵開發(fā)者和使用者，拉升與拋售行為對于開發(fā)者和使用者的影響需要進(jìn)一步研究。

(3) 哪些數(shù)字通證容易被拉升與拋售，這些通證的開發(fā)運(yùn)營人員和拉升與拋售活動的組織者是否有關(guān)聯(lián)也值得進(jìn)一步探究。