毛 杰,劉紅忠

(1.上海大學(xué)經(jīng)濟(jì)學(xué)院,上海 200444; 2.復(fù)旦大學(xué)經(jīng)濟(jì)學(xué)院,上海 200433;3.復(fù)旦大學(xué)金融研究中心,上海 200433)

0 引 言

股價(jià)暴跌是指股票價(jià)格發(fā)生了難以解釋的、斷崖式的大幅下跌[1,2].股價(jià)暴跌致使投資者損失慘重,嚴(yán)重挫傷投資者的持股信心;持續(xù)的股價(jià)暴跌會(huì)有礙于股市的正常運(yùn)行和健康發(fā)展,不利于股市高效率地實(shí)現(xiàn)其資源配置功能;持續(xù)性的大面積股價(jià)暴跌甚至還可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn),累及實(shí)體經(jīng)濟(jì)運(yùn)行,誘發(fā)經(jīng)濟(jì)危機(jī),危及社會(huì)穩(wěn)定.

股價(jià)暴跌不僅是市場(chǎng)的痛點(diǎn)、監(jiān)管的難點(diǎn),而且也是學(xué)界的研究熱點(diǎn).對(duì)股價(jià)暴跌的影響因素進(jìn)行研究的既有文獻(xiàn)洋洋灑灑、不計(jì)其數(shù).但是,多數(shù)既有文獻(xiàn)主要是在公司層面上考察了公司財(cái)務(wù)和公司特質(zhì)對(duì)股價(jià)暴跌的影響[3-13].僅有相對(duì)少量的文獻(xiàn)在市場(chǎng)層面上研究了市場(chǎng)微觀結(jié)構(gòu)狀況對(duì)股價(jià)暴跌的影響,這類(lèi)在市場(chǎng)層面上進(jìn)行研究的文獻(xiàn)主要是從以下兩個(gè)不同的視角來(lái)考察和研究了股價(jià)暴跌問(wèn)題:1)這類(lèi)文獻(xiàn)中有部分文獻(xiàn)主要是從股市信息不對(duì)稱(chēng)的視角研究了股價(jià)暴跌問(wèn)題.Romer[14]指出,知情交易者的交易行為會(huì)揭示他們所知曉的私有信息,于是非知情交易者在了解了唯有知情交易者才知曉的私有信息之后便會(huì)隨即改變交易策略,從而會(huì)引發(fā)股價(jià)劇烈波動(dòng)并很可能會(huì)引發(fā)股價(jià)暴跌.Lee[15]和Cao等[16]在引入了交易成本的概念之后指出,私有信息在股市中會(huì)逐步累積,而逐漸累積的私有信息遲早會(huì)被觸發(fā)并釋放,在累積的負(fù)面私有信息釋放時(shí)股價(jià)會(huì)劇烈波動(dòng)并最終可能發(fā)生股價(jià)暴跌.Yuan[17]和徐飛等[18]在研究了信貸約束與股價(jià)暴跌之間的關(guān)系后指出,當(dāng)知情交易者因其無(wú)法及時(shí)獲得信貸而迫不得已拋售股票時(shí),非知情交易者很可能會(huì)把知情交易者拋售的原因誤判為知情交易者獲知了負(fù)面信息,非知情交易者便也開(kāi)始拋售股票,股票價(jià)格由此劇烈波動(dòng)并最終很可能會(huì)發(fā)生股價(jià)暴跌.但是,這些文獻(xiàn)在理論模型中僅僅對(duì)股票價(jià)格波動(dòng)或者股票價(jià)格變動(dòng)進(jìn)行了建模,未能直接對(duì)股價(jià)暴跌作出明確的定義,更未能體現(xiàn)股價(jià)暴跌時(shí)股票價(jià)格斷崖式大幅下跌的特征,因而這些文獻(xiàn)大多無(wú)法非常有針對(duì)性地嚴(yán)謹(jǐn)考察股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響,而僅僅只能比較寬泛地考察股市信息不對(duì)稱(chēng)對(duì)股價(jià)波動(dòng)或股價(jià)變動(dòng)的影響.2)這類(lèi)文獻(xiàn)中的另一部分文獻(xiàn)則主要是從市場(chǎng)交易流動(dòng)性的視角研究了股價(jià)暴跌問(wèn)題.Grossman[19]認(rèn)為,當(dāng)市場(chǎng)中的交易流動(dòng)性供給方錯(cuò)誤地估計(jì)了交易流動(dòng)性需求方的交易量時(shí),市場(chǎng)中便會(huì)出現(xiàn)交易流動(dòng)性不足的危機(jī),股價(jià)便可能隨之大幅波動(dòng)乃至發(fā)生暴跌或暴漲.Gennotte和Leland[20]與Barlevy和Veronesi[21]則先后在文獻(xiàn)[19]的基礎(chǔ)上分別引入了外生的供給沖擊和內(nèi)生的供給沖擊,并在構(gòu)造了非線性的股票需求曲線后指出,即便一個(gè)微小的供給沖擊也會(huì)致使股市缺乏交易流動(dòng)性并最終可能引發(fā)股價(jià)暴跌.雖然這些文獻(xiàn)在其理論模型中對(duì)股價(jià)暴跌作出了比較明確的定義,但是,這些文獻(xiàn)理論模型中股價(jià)暴跌的產(chǎn)生完全取決于非線性的股票需求曲線,而又無(wú)法自釋理論模型中股票非線性需求的產(chǎn)生機(jī)理.

有鑒于此,本研究將股市中的不確定性與股票的非線性需求相聯(lián)系,籍以明確定義了股價(jià)暴跌的概念,得以更有針對(duì)性地嚴(yán)謹(jǐn)考察了股市信息不對(duì)稱(chēng)和股價(jià)暴跌之間的關(guān)系,繼而得出結(jié)論:股市中的信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有正向的影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌幅度也會(huì)越大,且此等正向的影響會(huì)隨著不確定性的增大而增大.此研究結(jié)論的基本邏輯為:由于股市中廣泛存在著不確定性,因而股市中的部分交易者會(huì)懼于不確定性而謹(jǐn)慎交易,于是股市中的交易流動(dòng)性便會(huì)由此而大幅度萎縮;在股市交易流動(dòng)性嚴(yán)重不足的情況下,一個(gè)負(fù)面的私有信息擾動(dòng)便會(huì)引發(fā)股價(jià)下跌,并在信息不對(duì)稱(chēng)的作用下演化為股價(jià)暴跌;股市中信息不對(duì)稱(chēng)的程度越高,負(fù)面私有信息擾動(dòng)所導(dǎo)致的股價(jià)暴跌也會(huì)越嚴(yán)重;而且股市中的不確定性越大,交易者便越發(fā)不愿意參與股市交易,股市中便會(huì)越發(fā)缺乏交易流動(dòng)性,于是股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.

與既有文獻(xiàn)相比較,本研究的主要邊際貢獻(xiàn)是在理論建模和實(shí)證研究中都引入了市場(chǎng)的不確定性.研究不確定性的既有文獻(xiàn)大多聚焦于經(jīng)濟(jì)政策的不確定性,側(cè)重于研究經(jīng)濟(jì)政策的不確定性對(duì)經(jīng)濟(jì)運(yùn)行的影響[22,23];本研究則聚焦于股市中的不確定性,從市場(chǎng)不確定性這個(gè)全新的視角來(lái)考察股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.具體而言,1)本研究在理論建模上的邊際貢獻(xiàn)是在所構(gòu)建的理論模型中引入了市場(chǎng)的不確定性,并率先將股市中的不確定性與股票的非線性需求相聯(lián)系,得以從市場(chǎng)不確定性這個(gè)全新的視角來(lái)解釋了股票非線性需求的產(chǎn)生機(jī)理,由此明確定義了股價(jià)暴跌的概念,得以更有針對(duì)性地嚴(yán)謹(jǐn)考察了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.眾多的既有相關(guān)文獻(xiàn)僅僅是研究了信息具有不確定性[24-26]、資產(chǎn)之間的相關(guān)系數(shù)具有不確定性[27,28]、知情交易者的交易策略具有不確定性[29]等情況下的市場(chǎng)均衡狀況,鮮有文獻(xiàn)從市場(chǎng)不確定性的視角來(lái)考察股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.本研究不僅進(jìn)一步拓展了對(duì)不確定性研究的既有成果,也在股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制上填補(bǔ)了既有文獻(xiàn)中的缺失和空白;2)本研究在實(shí)證研究中的邊際貢獻(xiàn)是根據(jù)證券分析師的預(yù)測(cè)數(shù)據(jù)構(gòu)建了A股市場(chǎng)個(gè)股的不確定性指數(shù)以度量股市中的不確定性,得以在每個(gè)時(shí)點(diǎn)的橫截面上分別度量了個(gè)股不同的不確定性,并基于不確定性指數(shù)識(shí)別出了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制.眾多的既有相關(guān)文獻(xiàn)度量了經(jīng)濟(jì)政策的不確定性(如文獻(xiàn)[22]、文獻(xiàn)[23]等),僅僅在時(shí)間序列上衡量了宏觀經(jīng)濟(jì)的經(jīng)濟(jì)不確定性,而無(wú)法衡量微觀個(gè)體自身所面臨的不確定性.本研究不僅拓寬了對(duì)不確定性刻畫(huà)的實(shí)證方法,也為不確定性在股價(jià)暴跌的影響機(jī)制中的作用提供了新的實(shí)證經(jīng)驗(yàn).總括而言,本研究從不確定性的全新視角進(jìn)一步豐富了股價(jià)暴跌成因的研究成果,有助于從不同的視角來(lái)更為全面地理解股價(jià)暴跌的影響因素.

1 理論模型構(gòu)建與分析

本研究在理性預(yù)期均衡框架內(nèi)[29-32],構(gòu)建市場(chǎng)微觀結(jié)構(gòu)的理論模型,并在模型中引入了不確定性(1)不確定性(uncertainty,亦稱(chēng)模糊性ambiguity)系指事件結(jié)果的發(fā)生概率分布未知的狀況[33].Keynes[34]將不確定性定義為尚無(wú)科學(xué)依據(jù)來(lái)計(jì)算出事件結(jié)果的發(fā)生概率.,以期側(cè)重于從不確定性的視角來(lái)揭示股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.本研究之所以在市場(chǎng)微觀結(jié)構(gòu)模型中引入不確定性:1)是因?yàn)椴淮_定性廣泛存在于現(xiàn)實(shí)金融市場(chǎng)之中,市場(chǎng)中的不確定性不僅僅會(huì)影響和改變投資者對(duì)資產(chǎn)收益率均值的判斷,而且也會(huì)由此影響和改變投資者的交易策略[35];2)是因?yàn)椴淮_定性在對(duì)市場(chǎng)微觀結(jié)構(gòu)的研究中極具重要性[24],具體而言,部分交易者因懼于市場(chǎng)中的不確定性而謹(jǐn)慎參與交易,于是市場(chǎng)的微觀結(jié)構(gòu)便會(huì)由此而發(fā)生變化[25,26].本研究理論模型在引入了不確定性之后,便可更為逼真地反映出市場(chǎng)的實(shí)際狀況,更為全面地反映出不確定性對(duì)投資者交易策略以及對(duì)市場(chǎng)微觀結(jié)構(gòu)等的影響.

1.1 模型設(shè)定

本研究將市場(chǎng)中的所有交易者細(xì)分為兩類(lèi):1)知情交易者;2)模糊交易者(2)模糊交易者,在部分既有文獻(xiàn)中亦被稱(chēng)為模糊厭惡交易者或天真交易者等..參照文獻(xiàn)[29]和文獻(xiàn)[32],本研究再設(shè)定知情交易者和模糊交易者共同參與股票交易,而知情交易者具有額外的投資機(jī)會(huì)(3)具體的額外投資機(jī)會(huì)如股票衍生品投資、融資融券交易等..本研究還假設(shè)知情交易者和模糊交易者都以現(xiàn)金形式持有其在交易之后的全部剩余資產(chǎn).

(1)

(2)

綜上,本研究理論模型所設(shè)定的市場(chǎng)微觀結(jié)構(gòu)如圖1所示.

圖1 市場(chǎng)微觀結(jié)構(gòu)的簡(jiǎn)圖

假設(shè)市場(chǎng)中的知情交易者和模糊交易者是[0,1]上的連續(xù)統(tǒng),其中知情交易者的基數(shù)(Cardinality)設(shè)為M,模糊交易者的基數(shù)便為1-M.

1.2 市場(chǎng)均衡

在理性預(yù)期均衡模型中,知情交易者和模糊交易者都是先了解和掌握了他們各自的信息集,然后再根據(jù)其信息集并從實(shí)現(xiàn)其期望效用函數(shù)最大化出發(fā)來(lái)決定其最優(yōu)交易量.隨后,知情交易者和模糊交易者都將其最優(yōu)交易量提交至市場(chǎng).市場(chǎng)遂出清并實(shí)現(xiàn)均衡,由此得以形成了市場(chǎng)均衡時(shí)的股票價(jià)格.

(3)

(4)

(5)

(6)

知情交易者和模糊交易者在決定了他們各自的最優(yōu)交易量之后,便將各自的最優(yōu)交易量提交至市場(chǎng).市場(chǎng)隨后出清并實(shí)現(xiàn)均衡(此時(shí)市場(chǎng)中股票的超額需求量為零).市場(chǎng)出清條件為

(7)

(8)

(9)

由此定義的股價(jià)暴跌,得以充分體現(xiàn)出股價(jià)暴跌時(shí)股票價(jià)格斷崖式大幅下跌的特征.

1.3 無(wú)不確定性的反事實(shí)分析

(10)

(11)

(12)

1.4 股價(jià)暴跌的命題

根據(jù)第1.2節(jié)中對(duì)股價(jià)暴跌Crash的定義和對(duì)股市信息不對(duì)稱(chēng)Asy的定義可知,股價(jià)暴跌Crash和股市信息不對(duì)稱(chēng)Asy的關(guān)系為

(13)

(14)

個(gè)中緣由是當(dāng)一個(gè)負(fù)面的私有信息擾動(dòng)發(fā)生時(shí),股票的超額需求量便會(huì)發(fā)生變化(如圖2所示,超額需求曲線便會(huì)左移);股票超額需求量的變化幅度(即圖2中股票的超額需求曲線的左移幅度)與股市信息不對(duì)稱(chēng)Asy的程度正相關(guān),股市信息不對(duì)稱(chēng)Asy的程度越高,股票超額需求量的變化幅度也就越大,于是股價(jià)暴跌Crash也會(huì)越嚴(yán)重.

圖2 股價(jià)暴跌的示意圖

由此,提出理論模型的命題1.

命題1股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有正向的影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大.

進(jìn)而再由式(14)可知,模糊交易者所面臨的不確定性Δφ越大,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大,即

(15)

個(gè)中緣由是不確定性Δθ越大,模糊交易者便越發(fā)不愿意參與股市交易,股市中便會(huì)越發(fā)缺乏交易流動(dòng)性,于是股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.

由此,再提出理論模型的命題2.

命題2不確定性具有放大效應(yīng),股市中的不確定性越大,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.

2 實(shí)證模型設(shè)計(jì)

2.1 模型設(shè)定

本研究設(shè)立實(shí)證模型式(16)來(lái)實(shí)證檢驗(yàn)股市中的信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響

Crashi,j,t=β0+β1·Asyi,j,t+β×

Xi,j,t+βt+βj+ui,j,t

(16)

式(16)中Crash表示股價(jià)暴跌,是本研究實(shí)證模型的因變量;Asy表示股市信息不對(duì)稱(chēng),是實(shí)證模型的自變量;X是實(shí)證模型的控制變量;下標(biāo)i=1,…,n表示不同股票的截面,下標(biāo)j=1,…,k表示不同行業(yè)的截面,下標(biāo)t=1,…,m表示不同時(shí)間的期數(shù)(以月為單位);β0表示截距項(xiàng),βt表示時(shí)間固定效應(yīng),βj表示行業(yè)固定效應(yīng),ui,j,t表示隨機(jī)誤差項(xiàng);β1和β都表示回歸系數(shù),回歸系數(shù)β1是本研究的主要考察對(duì)象和研究重點(diǎn).本研究設(shè)立實(shí)證模型式(17)來(lái)實(shí)證檢驗(yàn)不確定性在股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響中所起的作用

Crashi,j,t=γ0+γ1·Asyi,j,t+γ2·Ambi,j,t+

γ3·Asyi,j,t·Ambi,j,t+γ·Xi,j,t+

γt+γj+ui,j,t

(17)

式(17)中Amb表示不確定性,是本研究實(shí)證模型的調(diào)節(jié)變量;γ0表示截距項(xiàng),γt表示時(shí)間固定效應(yīng),γj表示行業(yè)固定效應(yīng),γ1、γ2、γ3和γ都表示回歸系數(shù),交互項(xiàng)的回歸系數(shù)γ3也是本研究的主要考察對(duì)象和研究重點(diǎn).

2.2 變量定義

實(shí)證模型中的因變量為股價(jià)暴跌Crashi,j,t,本研究以樣本股票發(fā)生股價(jià)暴跌的頻率Frequency(x)i,j,t用于度量股價(jià)暴跌Crashi,j,t[37-42].具體而言,本研究假設(shè)股票收益率呈正態(tài)分布,而后使用中心極限定理定義樣本股票發(fā)生股價(jià)暴跌的頻率Frequency(x)i,j,t為樣本股票的收益率出現(xiàn)極端負(fù)值的概率,即

④中紀(jì)委主張“監(jiān)察機(jī)關(guān)調(diào)查職務(wù)違法和職務(wù)犯罪適用國(guó)家監(jiān)察法，案件移送檢察機(jī)關(guān)后(才)適用刑事訴訟法”。

Frequency(1.96)i,j,t?P{Ri,j,τ

(18)

Frequency(2.33)i,j,t?P{Ri,j,τ

(19)

式(18)和式(19)中Ri,j,τ表示樣本股票i在交易日τ的收益率,閾值-1.96和-2.33分別表示正態(tài)分布的下2.5%和下1%的分位點(diǎn).

實(shí)證模型中的自變量為股市信息不對(duì)稱(chēng)Asyi,j,t,本研究以樣本股票的月知情交易概率度量股市信息不對(duì)稱(chēng)Asyi,j,t的程度[43-47](4)本研究不使用成交量加權(quán)的知情交易概率VPIN來(lái)測(cè)度我國(guó)股市信息不對(duì)稱(chēng)的程度,是因?yàn)镋asley等[48-50]所提出的成交量加權(quán)知情交易概率VPIN,比較適合在高頻交易的市場(chǎng)環(huán)境中用于測(cè)度股市信息不對(duì)稱(chēng)的程度[51],而我國(guó)股市是實(shí)行T+1的交易制度,并非是高頻交易的市場(chǎng),所以成交量加權(quán)的知情交易概率VPIN不太適用于我國(guó)股市..一般而言,知情交易概率由如下兩步構(gòu)造而成.首先,根據(jù)經(jīng)典文獻(xiàn)[43],按式(20)進(jìn)行參數(shù)估計(jì)

(20)

式(20)中B表示交易日τ內(nèi)的買(mǎi)入指令數(shù),S則表示交易日τ內(nèi)的賣(mài)出指令數(shù);α表示信息事件發(fā)生的概率,1-α則表示信息事件不發(fā)生的概率;δ表示壞消息的發(fā)生概率,1-δ則表示好消息的發(fā)生概率;μ表示知情交易者的指令到達(dá)率,ε則表示其他交易者的指令到達(dá)率.設(shè)整個(gè)樣本月份t內(nèi)的各交易日兩兩獨(dú)立,整個(gè)樣本月份t的對(duì)數(shù)似然函數(shù)則為

(21)

實(shí)證模型中的調(diào)節(jié)變量為不確定性.根據(jù)文獻(xiàn)[52]和文獻(xiàn)[53],本研究基于證券分析師的預(yù)測(cè)數(shù)據(jù)構(gòu)建樣本股票的個(gè)股不確定性指數(shù)Ambi,j,t用于度量個(gè)股的不確定性的程度.首先,針對(duì)第p位證券分析師在第t期對(duì)第i支股票所給出的每股收益預(yù)測(cè)值Forecasti,j,p,t,需計(jì)算出此預(yù)測(cè)值相對(duì)于實(shí)際值Reali,j,t的預(yù)測(cè)偏差Errori,j,p,t,預(yù)測(cè)偏差Errori,j,p,t的計(jì)算公式為

(22)

然后,有鑒于事件結(jié)果在不確定性狀況下的概率分布是未知的,本研究便以此預(yù)測(cè)偏差Errori,j,p,t的四分位差來(lái)構(gòu)建個(gè)股的不確定性指數(shù)Ambi,j,t,計(jì)算公式為

Ambi,j,t=IQRp(Errori,j,p,t)

(23)

本研究參考了文獻(xiàn)[54]等選取了如下控制變量:上期的股價(jià)暴跌L.Crash、上期的股票特質(zhì)收益率的均值L.Return、上期的股票特質(zhì)收益率的波動(dòng)率L.Sigma、上期的上市公司財(cái)務(wù)杠桿L.Lev、上期的上市公司賬面市值比L.BM、上期的上市公司經(jīng)營(yíng)業(yè)績(jī)L.ROA、上期的上市公司規(guī)模L.Size、上期的股票換手率L.Turnover、上期的上市公司財(cái)務(wù)不透明度L.Opacity(即上期的上市公司可操縱應(yīng)計(jì)盈余的絕對(duì)值).

2.3 數(shù)據(jù)來(lái)源

文中計(jì)算知情交易概率所使用的分筆高頻交易數(shù)據(jù)來(lái)源于RESSET高頻數(shù)據(jù)庫(kù),其他數(shù)據(jù)均來(lái)源于國(guó)泰安CSMAR數(shù)據(jù)庫(kù).實(shí)證檢驗(yàn)的樣本為滬深A(yù)股股票(但不包括金融類(lèi)股票),樣本時(shí)間為2010年7月1日—2015年12月31日.本研究使用R軟件中的pinbasic程序包計(jì)算了知情交易概率,使用Stata14.0完成了其他數(shù)據(jù)處理和回歸分析.實(shí)證模型中的主要變量都進(jìn)行了上下各2.5%的縮尾(Winsorize)處理,以盡可能減少樣本中的異常值對(duì)實(shí)證檢驗(yàn)結(jié)果的干擾.為了消除自變量與調(diào)節(jié)變量之間可能存在的多重共線性問(wèn)題,自變量與調(diào)節(jié)變量又進(jìn)行了中心化處理(5)具體的描述性統(tǒng)計(jì)囿于篇幅而無(wú)法刊告,但已留存?zhèn)渌?.

3 實(shí)證檢驗(yàn)與分析

3.1 基準(zhǔn)回歸檢

本研究實(shí)證檢驗(yàn)我國(guó)股市中的信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響,以知情交易概率PIN來(lái)度量和刻畫(huà)股市信息不對(duì)稱(chēng)的程度,并以股價(jià)暴跌的發(fā)生頻率Frequency1.96和Frequency2.33來(lái)度量和刻畫(huà)股價(jià)暴跌.實(shí)證檢驗(yàn)的聚類(lèi)估計(jì)結(jié)果詳見(jiàn)表1.

表1 實(shí)證檢驗(yàn)的聚類(lèi)估計(jì)結(jié)果

表1的第2列、表1的第3列的被解釋變量為Frequency1.96,1)第2列僅引入知情交易概率PIN,其估計(jì)系數(shù)在1%的置信水平下顯著為正;2)第3列在第2列的基礎(chǔ)上引入了研究股價(jià)暴跌常用的控制變量,回歸估計(jì)結(jié)果依然保持穩(wěn)健,PIN的估計(jì)系數(shù)為2.189,且仍然在1%的置信水平下顯著為正.此實(shí)證檢驗(yàn)的結(jié)果表明:股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有顯著的正向影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大.前文理論模型推導(dǎo)出的命題1由此也得以驗(yàn)證.表1第3列還提示:我國(guó)股市的股價(jià)暴跌,除了受到股市信息不對(duì)稱(chēng)的顯著影響之外,L.Return、L.Sigma、L.Lev、L.BM、L.ROA、L.Size和L.Turnover也都會(huì)對(duì)我國(guó)股市的股價(jià)暴跌程度產(chǎn)生顯著的影響.

再如表1第4列、表1第5列所示,在股價(jià)暴跌改為由股價(jià)暴跌的發(fā)生頻率Frequency2.33來(lái)度量的情況下,知情交易概率PIN的估計(jì)系數(shù)仍然在1%的置信水平下顯著為正.此實(shí)證檢驗(yàn)的結(jié)果再度印證了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌確實(shí)會(huì)有顯著的正向影響,并再度驗(yàn)證了理論模型命題1.

3.2 考慮內(nèi)生性的穩(wěn)健性檢驗(yàn)

股市信息不對(duì)稱(chēng)和股價(jià)暴跌兩者之間可能會(huì)發(fā)生遺漏變量和互為因果這兩類(lèi)內(nèi)生性問(wèn)題.鑒此,本文使用固定效應(yīng)模型和工具變量模型兩種方法在考慮了內(nèi)生性問(wèn)題后重新檢驗(yàn)股市信息不對(duì)稱(chēng)程度對(duì)股價(jià)暴跌的影響.本文選用樣本股票是否已被選定為融資融券標(biāo)的股票Short來(lái)作為股市信息不對(duì)稱(chēng)的工具變量,其原因有二:1)樣本股票被選定為融資融券標(biāo)的股票與市場(chǎng)中的股價(jià)暴跌并不直接相關(guān),因?yàn)槿谫Y融券標(biāo)的股票的調(diào)入和調(diào)出系由滬深兩市交易所決定,實(shí)為外生事件,具有高度的外生性;2)樣本股票被選定為融資融券標(biāo)的股票Short與股市信息不對(duì)稱(chēng)具有相關(guān)性,因?yàn)槿谫Y融券交易的推出降低了股市的信息不對(duì)稱(chēng)[47].鑒此,樣本股票是否已被選定為融資融券標(biāo)的股票Short不僅滿足了工具變量的外生性要求、還滿足了工具變量的相關(guān)性要求,適合用作本文的工具變量.使用固定效應(yīng)模型和工具變量模型的穩(wěn)健性檢驗(yàn)結(jié)果詳見(jiàn)表2.

表2 考慮內(nèi)生性問(wèn)題的穩(wěn)健性檢驗(yàn)結(jié)果

如表2第2列、表2第3列所示,在使用了固定效應(yīng)模型控制了不可觀測(cè)變量后,知情交易概率PIN的兩個(gè)估計(jì)系數(shù)分別為2.465和2.628,均在1%的置信水平下顯著為正,與前文的實(shí)證檢驗(yàn)結(jié)果基本一致.此內(nèi)生性問(wèn)題的穩(wěn)健性檢驗(yàn)結(jié)果也表明:在控制了不可觀測(cè)變量后,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌仍然會(huì)有顯著的正向影響,股市信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大.理論模型推導(dǎo)出的命題1也由此再度得以證實(shí).

如表2第4列、表2第6列所示,在控制了其他因素的情況下,融資融券標(biāo)的股票Short的兩個(gè)估計(jì)系數(shù)全部都在5%的置信水平下顯著為負(fù).此第一階段的檢驗(yàn)結(jié)果表明:融資融券標(biāo)的股票Short與股市信息不對(duì)稱(chēng)顯著負(fù)相關(guān),融資融券標(biāo)的股票Short確為有效的工具變量,可用于本研究的內(nèi)生性問(wèn)題檢驗(yàn).再如表2第5列、表2第7列所示,知情交易概率PIN的兩個(gè)估計(jì)系數(shù)全部在10%的置信水平下顯著為正,與前文的實(shí)證檢驗(yàn)結(jié)果基本一致.理論模型推導(dǎo)出的命題1也由此再度得以證實(shí).

綜上,考慮到可能會(huì)存在內(nèi)生性問(wèn)題,本研究使用固定效應(yīng)模型和工具變量模型,在考慮內(nèi)生性問(wèn)題的前提下,再次考察了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響,此內(nèi)生性問(wèn)題的穩(wěn)健性檢驗(yàn)結(jié)果與前文的實(shí)證結(jié)論一致,由此驗(yàn)證了實(shí)證結(jié)論的穩(wěn)健性.

3.3 其他穩(wěn)健性檢驗(yàn)

為了驗(yàn)證實(shí)證結(jié)果的穩(wěn)健性還進(jìn)行了兩項(xiàng)穩(wěn)健性檢驗(yàn)(6)穩(wěn)健性檢驗(yàn)的具體結(jié)果囿于篇幅而無(wú)法刊告,但已留存?zhèn)渌?.

1)由于用來(lái)計(jì)算知情交易概率PIN的對(duì)數(shù)似然函數(shù)是非線性函數(shù),所以使用極大似然法來(lái)作最優(yōu)估計(jì)可能會(huì)發(fā)生計(jì)算溢出等計(jì)算問(wèn)題.本研究根據(jù)文獻(xiàn)[55]、文獻(xiàn)[56]、文獻(xiàn)[57]分別計(jì)算了知情交易概率G-PIN、Y-PIN和E-PIN,從而改善了知情交易概率估計(jì)的準(zhǔn)確性和有效性.進(jìn)而,本文在實(shí)證檢驗(yàn)中使用知情交易概率G-PIN、Y-PIN和E-PIN來(lái)分別度量股市中的信息不對(duì)稱(chēng)風(fēng)險(xiǎn),再次檢驗(yàn)股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.

2)文獻(xiàn)[3～6]和文獻(xiàn)[8～12]使用收益負(fù)偏系數(shù)Ncskew和漲跌波動(dòng)比率Duvol來(lái)刻畫(huà)股價(jià)暴跌.本研究因而也在實(shí)證檢驗(yàn)中使用收益負(fù)偏系數(shù)Ncskew和漲跌波動(dòng)比率Duvol來(lái)分別度量股價(jià)暴跌,再次檢驗(yàn)股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.

上述穩(wěn)健性檢驗(yàn)的結(jié)果與前文的實(shí)證檢驗(yàn)結(jié)論相吻合,由此得以從不同的視角多番驗(yàn)證了本研究實(shí)證結(jié)論的穩(wěn)健性.

3.4 區(qū)分股價(jià)異常波動(dòng)區(qū)間的異質(zhì)性檢驗(yàn)

2015年我國(guó)股市出現(xiàn)了異常波動(dòng),市場(chǎng)機(jī)制可能會(huì)發(fā)生變化,由此信息不對(duì)稱(chēng)程度對(duì)股價(jià)暴跌的影響可能會(huì)有所不同.因而,本研究將總樣本分為2015年前和2015年中兩個(gè)分樣本,分別檢驗(yàn)股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.區(qū)分股價(jià)異常波動(dòng)區(qū)間的異質(zhì)性檢驗(yàn)結(jié)果詳見(jiàn)表3.

表3 區(qū)分股價(jià)異常波動(dòng)區(qū)間的異質(zhì)性檢驗(yàn)結(jié)果

如表3所示,在控制了其他因素的情況下,無(wú)論在2015年前分樣本抑或在2015年分樣本,知情交易概率的估計(jì)系數(shù)都在1%的置信水平下顯著為正.本研究進(jìn)而對(duì)2015年前和2015年中兩個(gè)分樣本中知情交易概率的估計(jì)系數(shù)進(jìn)行了Wald檢驗(yàn),其Wald檢驗(yàn)結(jié)果17.69和17.38,均在1%的置信水平下顯著.此異質(zhì)性檢驗(yàn)的結(jié)果表明:無(wú)論在正常時(shí)期抑或是在異常波動(dòng)時(shí)期,信息不對(duì)稱(chēng)程度都對(duì)股價(jià)暴跌都產(chǎn)生了顯著的正向影響,但影響的程度有所不同,在股價(jià)異常波動(dòng)時(shí)期信息不對(duì)稱(chēng)程度對(duì)股價(jià)暴跌所產(chǎn)生的影響更大.

3.5 不確定性的影響機(jī)制檢驗(yàn)

前文的實(shí)證檢驗(yàn)已得出結(jié)論:股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有顯著的正向影響,股市信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大.但尚需進(jìn)一步識(shí)別出股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制.為此,根據(jù)前文理論模型推導(dǎo)出的命題2(即不確定性具有正向的放大效應(yīng)),本研究引入個(gè)股的不確定性指數(shù)以期識(shí)別出股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制.繼而,將不確定性指數(shù)Amb以及此不確定性指數(shù)與兩種知情交易概率的交互項(xiàng)PIN×Amb一并引入實(shí)證模型中,旨在識(shí)別出股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制.影響機(jī)制識(shí)別的檢驗(yàn)結(jié)果詳見(jiàn)表4.

表4 不確定性的影響機(jī)制檢驗(yàn)結(jié)果

如表4所示,在控制了其他因素的情況下,知情交易概率PIN的兩個(gè)估計(jì)系數(shù)全部都在1%的置信水平下顯著為正.此檢驗(yàn)結(jié)果與前文的實(shí)證結(jié)果一致,前文理論模型推導(dǎo)出的命題1也由此再度得以證實(shí).

再如表4所示,在控制了其他因素的情況下,知情交易概率PIN與不確定性指數(shù)Amb的交互項(xiàng)PIN×Amb的兩個(gè)估計(jì)系數(shù)均在5%的置信水平下顯著為正.交互項(xiàng)的兩個(gè)估計(jì)結(jié)果都表明:不確定性與股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響顯著正相關(guān),即不確定性在股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響中具有正向的放大效應(yīng),股市中的不確定性越大,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.由此得以識(shí)別出了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制,并由此得以證實(shí)了前文理論模型所推導(dǎo)出的命題2.

4 結(jié)束語(yǔ)

本研究基于不確定性的視角,從理論建模和實(shí)證檢驗(yàn)兩個(gè)維度系統(tǒng)地考察和研究了股市信息不對(duì)稱(chēng)和股價(jià)暴跌之間的關(guān)系,并得出結(jié)論:股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有正向的影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大,且此等正向的影響會(huì)隨著不確定性的增大而增大.

本研究首先在理性預(yù)期均衡的框架內(nèi)構(gòu)建了市場(chǎng)微觀結(jié)構(gòu)的理論模型,并在模型中引入了不確定性,由此得以從不確定性的視角考察和研究了股市信息不對(duì)稱(chēng)和股價(jià)暴跌之間的關(guān)系,進(jìn)而得出了理論模型的兩個(gè)命題:1)股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有正向的影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大;2)不確定性具有放大效應(yīng),股市中的不確定性越大,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.這兩個(gè)命題背后的基本邏輯是:由于股市中廣泛存在著不確定性,因而股市中的部分交易者會(huì)懼于不確定性而謹(jǐn)慎交易,于是股市中的交易流動(dòng)性便會(huì)由此而大幅度萎縮;在股市交易流動(dòng)性嚴(yán)重不足的情況下,一個(gè)負(fù)面的私有信息擾動(dòng)會(huì)引發(fā)股價(jià)下跌或引發(fā)股價(jià)暴跌;且股市中信息不對(duì)稱(chēng)的程度越高,負(fù)面私有信息導(dǎo)致股價(jià)下跌或股價(jià)暴跌的幅度也會(huì)越大;而且股市中的不確定性越大,交易者便越發(fā)不愿意參與股市交易,股市中便會(huì)越發(fā)缺乏交易流動(dòng)性,于是股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.

本研究繼而以A股市場(chǎng)2010年7月至2015年12月的個(gè)股分筆高頻數(shù)據(jù)為樣本,計(jì)算了A股市場(chǎng)股票的知情交易概率,用于度量股市信息不對(duì)稱(chēng)的程度,并以知情交易概率實(shí)證檢驗(yàn)了股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響.實(shí)證結(jié)果表明:股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌會(huì)有顯著的正向影響,股市中信息不對(duì)稱(chēng)的程度越高,股價(jià)暴跌的程度也會(huì)越大.還考慮到可能會(huì)存在內(nèi)生性問(wèn)題,本研究以樣本股票是否已被選定為融資融券標(biāo)的股票作為工具變量,再度驗(yàn)證了實(shí)證檢驗(yàn)結(jié)論的穩(wěn)健性.

本研究進(jìn)而還根據(jù)證券分析師的預(yù)測(cè)數(shù)據(jù)構(gòu)建了A股市場(chǎng)個(gè)股的不確定性指數(shù)來(lái)度量股市中的不確定性,并基于此不確定性指數(shù)來(lái)識(shí)別股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響機(jī)制,得以發(fā)現(xiàn):不確定性在股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響中具有正向的放大效應(yīng),即股市中的不確定性越大,股市信息不對(duì)稱(chēng)對(duì)股價(jià)暴跌的影響也會(huì)越大.

基于上述研究結(jié)論,本研究認(rèn)為:切實(shí)降低股市中信息不對(duì)稱(chēng)的程度,切實(shí)改善中小投資者的信息劣勢(shì)地位,可縮小股價(jià)暴跌的幅度,可減少股價(jià)暴跌的發(fā)生頻次,有助于維護(hù)股市的正常運(yùn)行和健康發(fā)展,有助于防范證券市場(chǎng)可能會(huì)發(fā)生的系統(tǒng)性金融風(fēng)險(xiǎn).為此,本研究建議:1)暢通投資者獲取真實(shí)股市信息的渠道,增加投資者獲取真實(shí)股市信息的途徑,嚴(yán)懲憑空捏造惡意傳播虛假股市信息的行為;2)完善上市公司的信息披露制度,規(guī)范上市公司的信息披露行為,強(qiáng)化對(duì)上市公司信息披露的監(jiān)管,督促上市公司依法依規(guī)客觀及時(shí)完整地披露應(yīng)予公開(kāi)的信息,嚴(yán)懲上市公司信息虛報(bào)、信息瞞報(bào)和信息壓制的行為,籍以切實(shí)降低股市中信息不對(duì)稱(chēng)的程度;3)告誡機(jī)構(gòu)投資者不得濫用其信息優(yōu)勢(shì)操縱市場(chǎng)違法牟利,嚴(yán)懲此等違規(guī)利用信息優(yōu)勢(shì)損害中小投資者利益的行為,籍以保護(hù)處于信息劣勢(shì)地位的中小投資者;4)提醒廣大中小投資者充分意識(shí)到其在股市中的信息劣勢(shì)地位,勸導(dǎo)廣大中小投資者在信息不對(duì)稱(chēng)的股市中謹(jǐn)慎投資理性交易,教育廣大中小投資者警惕股價(jià)暴跌風(fēng)險(xiǎn)避免在股價(jià)暴跌時(shí)遭受重大損失.