王 超 高 揚(yáng) 劉 超

(北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 100124)

基于反向和隱蔽交易的股票市場知情交易研究

王 超 高 揚(yáng) 劉 超

(北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 100124)

基于行為金融學(xué)中的反向交易和隱蔽交易理論，運(yùn)用我國上海和深圳股票市場2009-2014年1396支股票的高頻逐筆交易數(shù)據(jù)估計(jì)了我國股票市場的知情交易概率，并且通過建立橫截面回歸模型以及面板聯(lián)立回歸模型等研究了知情交易概率與衡量股票市場逆向選擇或信息不對稱指標(biāo)之間的關(guān)系，檢驗(yàn)了四種估計(jì)方法對于我國股票市場知情交易度量的適用性。實(shí)證分析及穩(wěn)健性檢驗(yàn)結(jié)果均表明，基于反向交易和隱蔽交易等構(gòu)造的知情交易概率度量方法能夠成功地度量我國股票市場的逆向選擇成本以及由于信息不對稱造成的非流動(dòng)性價(jià)格響應(yīng)。

反向交易；隱蔽交易；知情交易；逆向選擇；交易成本

一、引言

證券市場的投資者一般分為兩類：知情交易者和非知情交易者。投資者之所以被如此劃分是因?yàn)閰⑴c市場的各方對金融資產(chǎn)的信息掌握是不一致的，市場上總有一部分投資者對金融資產(chǎn)價(jià)格的波動(dòng)掌握更多的信息，而同時(shí)也有很大部分投資者只能基于市場上的公開信息進(jìn)行投資決策。因此，合理地度量市場中信息不對稱或者知情交易程度，不管是從投資者進(jìn)行投資決策的角度還是對相關(guān)監(jiān)管部門實(shí)施有效的監(jiān)管決策而言，都具有重要的意義。

知情交易是指擁有私有信息的投資者通過直接或者間接地利用其掌握的私有信息進(jìn)行交易，以獲取超額利潤的行為。知情交易在市場的運(yùn)行過程中是連接市場內(nèi)外信息的渠道，知情交易者通過自身的交易行為向市場內(nèi)的其他投資者傳遞其獨(dú)占的私有信息。私有信息通過交易進(jìn)入資本市場，并進(jìn)而對資產(chǎn)的價(jià)格產(chǎn)生長遠(yuǎn)的影響。盡管從知情交易者的角度講，知情交易者并沒有動(dòng)機(jī)向市場內(nèi)其他類型的投資者傳遞私有信息，實(shí)際上知情交易者在交易過程中還要盡力隱藏身份，因?yàn)槭袌錾衔凑莆账接行畔⒌姆侵榻灰渍呒丛肼曂顿Y者一直處于動(dòng)態(tài)學(xué)習(xí)的過程，知情交易者為了避免私有信息的公開化而隱蔽交易，其目的就在于利用私有信息獲取較大的超額利潤。盡管由知情交易者形成的交易具有一定的規(guī)律性，但是私有信息融入資產(chǎn)價(jià)格，轉(zhuǎn)變?yōu)槭袌龅墓_信息之前，知情交易者由于交易的緊迫感，必須在獲取超額交易利潤和隱蔽私有信息兩者之間進(jìn)行權(quán)衡取舍。因此，私有信息如何融入資產(chǎn)價(jià)格之中就成為金融市場微觀結(jié)構(gòu)理論研究的熱點(diǎn)，早期做市商的存貨模型認(rèn)為，由于知情交易的存在，市場中存在逆向選擇或不對稱信息，做市商通過調(diào)整買賣價(jià)差或者價(jià)格響應(yīng)形成新的買賣報(bào)價(jià)。近年來，對知情交易與逆向選擇之間關(guān)系的研究也拓展到指令驅(qū)動(dòng)市場中，通過對提交限價(jià)指令訂單的交易者行為進(jìn)行研究發(fā)現(xiàn)，知情交易者通過將大的訂單拆分成中等規(guī)模的訂單，將自身的交易行為隱蔽在非知情交易者身后，從而降低被發(fā)現(xiàn)的概率，因此非知情交易者的邊際成本隨著逆向選擇程度的增加而上升。無論是在報(bào)價(jià)驅(qū)動(dòng)還是指令驅(qū)動(dòng)市場機(jī)制下，知情交易的存在都會導(dǎo)致逆向選擇問題的出現(xiàn)，進(jìn)而影響到資產(chǎn)價(jià)格的形成。

知情交易形成的原因既有外在因素，例如有監(jiān)管部門是否進(jìn)行有效監(jiān)管、上市公司自身的財(cái)務(wù)特征等，也包含知情交易者自身的內(nèi)在因素。知情交易形成的原因主要有：上市公司的治理結(jié)構(gòu)存在缺陷；信息披露制度不規(guī)范導(dǎo)致信息透明度較低；知情交易者受超額利潤的驅(qū)動(dòng)，違法成本較低；知情交易行為的識別困難。正因?yàn)槿绱?，我國資本市場內(nèi)幕交易行為頻發(fā)，涉及范圍廣泛，知情交易投資者行為主體多元化，交易方式多樣化，交易手段隱蔽化，使得識別和查處知情交易的難度很大。因此，如何度量知情交易的存在，并衡量知情交易概率與逆向選擇之間的關(guān)系，對于分析知情交易者的行為模式和交易策略、提高知情交易的監(jiān)管效率、完善知情交易的監(jiān)管制度、提升我國上市公司的公司治理結(jié)構(gòu)均具有非常重要的理論和現(xiàn)實(shí)意義。

二、文獻(xiàn)回顧

已有的相關(guān)文獻(xiàn)中對于知情交易度量及其與逆向選擇或信息不對稱程度之間作用關(guān)系的研究大致可以分為四類。第一類是將交易方向指示變量與資產(chǎn)價(jià)格變化和交易規(guī)模聯(lián)系起來建立交易成本模型，將交易成本分為逆向選擇、訂單處理和存貨成本三部分并估計(jì)各成分的大小，此類模型的基本思想在于做市商接收賣出指令之后會降低對資產(chǎn)價(jià)值的預(yù)期從而降低報(bào)價(jià)，而在接收買入的指令后會提高對資產(chǎn)價(jià)值的預(yù)期從而提高報(bào)價(jià)，具體可參見Glosten和Harris(1998)、De Jong等(1996)、Madanvan等(1997)、Korajczyk和Sadka等(2008)的研究。此類模型分析并度量了逆向選擇成本和交易成本，并且發(fā)現(xiàn)由于知情交易的存在，逆向選擇成本與交易成本存在顯著的日內(nèi)效應(yīng)。Sanda(2001)等對指令驅(qū)動(dòng)市場非知情交易者的實(shí)證研究也表明隨著逆向選擇成本的增加，非知情交易者的交易成本也隨之上升。第二類是Hasbrouck的沖擊反應(yīng)函數(shù)。Hasbrouck(1991)構(gòu)造了報(bào)價(jià)與交易相關(guān)系數(shù)的VAR模型，并據(jù)此分析交易對價(jià)格的沖擊反應(yīng)以及交易中蘊(yùn)含的私有信息含量，發(fā)現(xiàn)知情交易與價(jià)格響應(yīng)正相關(guān)。Dufour和Engle(2000)對Hasbrouck的VAR模型進(jìn)行了拓展，引入了交易持續(xù)期并且發(fā)現(xiàn)隨著交易強(qiáng)度的增加，交易對價(jià)格的沖擊響應(yīng)增加，即快速交易通常意味著知情交易的發(fā)生。第三類是Easley等(1996)提出的EKOP模型對知情交易概率進(jìn)行的測度。該模型認(rèn)為知情交易概率(PIN)是指一次交易來自掌握私有信息的知情交易者的概率，即某種資產(chǎn)來自知情交易者的交易占該資產(chǎn)全部交易的比重，在滿足某些假設(shè)條件下根據(jù)該種資產(chǎn)每個(gè)交易日買賣雙方發(fā)起的交易數(shù)量可以進(jìn)行PIN的估計(jì)。Easley等(2010, 2012, 2014)則將交易量引入到EKOP模型中，并進(jìn)一步提出了VPIN估計(jì)。*D. Easley, M. M. L. De Prado, M. O'Hara, The microstructure of the "flash crash": Flow toxicity, liquidity crashes, and the probability of informed trading. Journal of Portfolio Management, 2010, 37(2), pp. 118-130; D. Easley, M. M. L. De Prado, M. O'Hara, Flow toxicity and liquidity in a high-frequency world. Review of Financial Studies, 2012, 25(5), pp. 1457-1493; D. Easley, M. M. L. De Prado, M. O'Hara, VPIN and the flash crash: A rejoinder. Journal of Financial Markets, 2014, 17, pp. 47-52.但是，Andersen和Bondarenko(2014)指出VPIN估計(jì)本質(zhì)上是對交易量和滯后期波動(dòng)率沖擊的度量，并不能很好地估計(jì)知情交易發(fā)生的概率。*T. G. Andersen, O. Bondarenko, VPIN and the flash crash. Journal of Financial Markets, 2014, 17, pp. 1-46; T. G. Andersen, O. Bondarenko, Reflecting on the VPIN dispute. Journal of Financial Markets, 2014, 17, pp. 53-64.第四類是基于反向交易(Contrarian trades)和隱蔽交易(Stealth trading)構(gòu)造的知情交易度量方法。反向交易是指與絕大多數(shù)投資者進(jìn)行羊群交易行為不同，知情交易者做出相反方向的投資行為；隱蔽交易是指投資者為了降低交易的沖擊成本，將大的訂單拆分成一系列中等規(guī)模的訂單進(jìn)行交易的行為。Avramov等(2006)定義每天能夠獲得未預(yù)期的正向(負(fù)向)收益率的賣單為反向交易(羊群交易)，羊群交易具有顯著的序列負(fù)相關(guān)性，而反向交易并不具有顯著的序列相關(guān)性，這表明反向交易類似于知情交易，而羊群交易類似于噪聲交易。Chang等(2014)利用日內(nèi)的反向交易訂單量構(gòu)造了度量知情交易概率的估計(jì)DPIN。隱蔽交易假說認(rèn)為，私有信息主要通過中等規(guī)模大小的交易反映到股票價(jià)格變化中，掌握私有信息的知情交易者是導(dǎo)致股票價(jià)格發(fā)生變化的主要原因。*Chang S S, Chang L V, Wang F A. A dynamic intraday measure of the probability of informed trading and firm-specific return variation. Journal of Empirical Finance, 2014, 29: 80-94.對于報(bào)價(jià)驅(qū)動(dòng)市場和指令驅(qū)動(dòng)市場，實(shí)證研究結(jié)果都證實(shí)了隱蔽交易假說成立。*A. Ascioglu, C. Comerton-Forde, T. H. McInish, Stealth trading: the case of the Tokyo Stock Exchange. Pacific-Basin Finance Journal, 2011, 19(2), pp. 194-207.Chang和Wang(2015)基于反向交易、隱蔽交易以及趨勢追逐和處置效應(yīng)等行為金融學(xué)理論提出了四種度量知情交易概率的估計(jì)方法，并且檢驗(yàn)了各估計(jì)方法與以買賣價(jià)差和Amihud非流動(dòng)性價(jià)格響應(yīng)比率作為衡量逆向選擇指標(biāo)之間的關(guān)系。*S. S. Chang, & F. A. Wang, Adverse selection and the presence of informed trading. Journal of Empirical Finance, 2015, 33, pp. 19-33.

對于我國股票市場上知情交易以及與逆向選擇關(guān)系間的研究還比較少。何誠穎等(2009)基于指令驅(qū)動(dòng)市場的交易成本模型分解了上海股票市場市買賣價(jià)差的逆向選擇和指令處理成本，并且考察了逆向選擇成本的日內(nèi)模式及其影響因素。田存志等(2015)推導(dǎo)出一種交易成本模型并估計(jì)了上證A股市場的隱性交易成本和市場逆向選擇程度，發(fā)現(xiàn)我國股票市場的運(yùn)行效率并不理想，信息不對稱問題依然嚴(yán)重。*田存志等：《中國證券市場報(bào)價(jià)制度的運(yùn)行績效——基于隱性交易成本和信息非對稱程度的分析視角》，《金融研究》2015年第5期。張滌新和眭以寧(2015)運(yùn)用深圳A股市場的髙頻數(shù)據(jù)和拓展的MRR交易成本模型，估計(jì)了買賣價(jià)差中的逆向選擇成本，分析了深市的信息不對稱程度。*張滌新、眭以寧：《深圳股票市場的日內(nèi)流動(dòng)性研究》，《系統(tǒng)科學(xué)與數(shù)學(xué)》2015年第12期。朱曦(2011)采用VAR模型探討了滬深兩市場股票價(jià)格中的逆向選擇成分，發(fā)現(xiàn)我國股票市場中價(jià)格慣性和反轉(zhuǎn)效應(yīng)異象源自于知情交易者掌握的私有信息。*朱曦：《對滬深股市慣性及反轉(zhuǎn)效應(yīng)異象原因研究:Hasbrouck模型分析》，《上海經(jīng)濟(jì)研究》2011年第6期。楊寶臣等(2014)基于知情交易者和非知情交易者在不同狀態(tài)下的訂單提交狀況，提出了改進(jìn)的EKOP模型估計(jì)知情交易概率，提高了模型估計(jì)的準(zhǔn)確性。*楊寶臣、郭燦、常建勇：《基于改進(jìn)信息交易概率模型的信息風(fēng)險(xiǎn)測度研究》，《管理科學(xué)》2014第6期。劉國和馮俊文(2015)實(shí)證研究了我國股票市場內(nèi)幕交易者的隱蔽交易行為及其影響因素。*劉國、馮俊文：《中國滬深股市內(nèi)幕交易者隱蔽交易行為的實(shí)證研究》，《技術(shù)經(jīng)濟(jì)》2015年第4期。

綜上所述，國內(nèi)學(xué)者對基于行為金融學(xué)理論的反向交易和隱蔽交易等行為的研究還比較少，缺乏更加細(xì)致深入的理論或?qū)嵶C研究。與做市商制度不同，中國股票市場是指令驅(qū)動(dòng)市場，研究我國資本市場的知情交易者策略性交易問題，驗(yàn)證指令驅(qū)動(dòng)市場中的反向交易和隱藏交易等現(xiàn)象，并且探索知情交易概率與逆向選擇或信息不對稱之間的關(guān)系具有重要的理論和實(shí)際意義。因此，本文擬運(yùn)用我國滬深股票市場的高頻逐筆交易數(shù)據(jù)，根據(jù)Chang和Wang(2015)的方法計(jì)算我國股票市場基于反向交易、隱蔽交易以及趨勢追逐和處置效應(yīng)等行為金融學(xué)理論的知情交易概率，并且通過橫截面回歸模型以及面板聯(lián)立回歸模型檢驗(yàn)知情交易概率與買賣價(jià)差中的逆向選擇成分以及由于信息不對稱造成的非流動(dòng)性之間的關(guān)系，說明基于行為金融學(xué)理論的反向交易和隱蔽交易等知情交易概率估計(jì)方法對于我國股票市場的適用性。

三、研究方法

(一)知情交易概率估計(jì)方法

Chang和Wang(2015)基于行為金融學(xué)中的反向交易和隱蔽交易等投資者行為提出了四種度量知情交易概率的估計(jì)方法。首先定義日度的未預(yù)期收益率，如等式(1)所示：

(1)

其中Ri,s為股票i在第t天的收益率，Dk為指示周一至周四的示性變量，殘差εi,s即為未預(yù)期的收益率。負(fù)的(正的)買方(賣方)發(fā)起的交易的未預(yù)期的收益率被歸為反向交易；另一方面，正的(負(fù)的)買方(賣方)發(fā)起的交易的未預(yù)期的收益率被歸為羊群交易。設(shè)NBi,NSi以及NTi分別為每天買方發(fā)起的交易數(shù)量、賣方發(fā)起的交易數(shù)量以及交易總量，并基于反向交易度量知情交易概率的估計(jì)方法PC，如(2)所示：

(2)

由于式(2)中定義的反向交易有可能恰好來自并未掌握私有消息的非知情交易者，因此結(jié)合隱蔽交易，Chang和Wang(2015)進(jìn)一步提出了改進(jìn)的度量知情交易概率的估計(jì)方法PCL：

(3)

其中LVi,s為“低交易量”指示變量，如果股票i第s天的交易量小于其全年交易量的中位數(shù)，則LVi,s=1，否則LVi,s=0。

一定程度上非知情交易者的行為沒有知情交易者的交易行為復(fù)雜，因此他們更容易受到行為偏差的影響?；谛袨榻鹑趯W(xué)理論中的趨勢追逐和處置效應(yīng)，Chang和Wang(2015)又進(jìn)一步提出了兩種改進(jìn)的估計(jì)方法PCLT和PCLTD：

(4)

(5)

其中，Ri,s-10;s-1為股票i在第s-10到s-1天的累計(jì)收益率。

(二)逆向選擇度量方法

Biais等(2005)認(rèn)為買賣價(jià)差和價(jià)格響應(yīng)中部分包含了逆向選擇成分，因此本文對于逆向選擇的度量采用了常見的逆向選擇交易成本和Amihud非流動(dòng)性價(jià)格響應(yīng)比率。

1.逆向選擇成本。Huang和Stoll(1996)指出，交易成本中的逆向選擇成分可以通過計(jì)算有效價(jià)差與已實(shí)現(xiàn)價(jià)差之差得到。有效價(jià)差指的是訂單成交的價(jià)格和訂單到達(dá)市場時(shí)市場均衡的價(jià)格之間的差異，衡量訂單實(shí)際的執(zhí)行成本，第k筆交易的有效價(jià)差為ESk=2|lnPk-lnMk|，其中Pk是第k筆交易的成交價(jià)格，Mk為第k筆交易發(fā)生時(shí)股票的最高買價(jià)和最低賣價(jià)的平均值。已實(shí)現(xiàn)價(jià)差的定義是由Huang和Stoll(1996)提出的，其衡量有效價(jià)差的即時(shí)成分。某支股票第k筆交易的已實(shí)現(xiàn)價(jià)差RSk定義為2(lnPk-lnMk+t)，如果第k筆交易為買方發(fā)起的，否則為2(lnMk+t-lnPk)。其中Mk+t可以為交易發(fā)生一段時(shí)間t后買賣報(bào)價(jià)的中點(diǎn)或者新的成交價(jià)格，例如Gyoenko等(2009)將Mk+t取為Pk+5，即第k筆交易發(fā)生5分鐘后的成交價(jià)格。本文將Mk+t選為第k筆交易發(fā)生5分鐘后的最優(yōu)買賣報(bào)價(jià)平均值。因此買賣價(jià)差中的逆向選擇成分：

ASk=ESk-RSk

(6)

ASI是某一區(qū)間I內(nèi)基于所有交易的ASk按照成交量進(jìn)行加權(quán)的平均值。

2. Amihud非流動(dòng)性價(jià)格響應(yīng)比率。流動(dòng)性比率作為價(jià)格響應(yīng)變量衡量交易量和價(jià)格變化的關(guān)系。價(jià)格響應(yīng)是指相對于一定數(shù)額的交易指令預(yù)期的價(jià)格改變量，在實(shí)證研究中可以通過對一定時(shí)間內(nèi)價(jià)格改變量與所對應(yīng)的交易量擬合回歸模型得到。Amihud(2002)提出了一種衡量非流動(dòng)性比率的價(jià)格響應(yīng)指標(biāo)：

(7)

其中，rt是第t天的日收益率，Vt是第t天的成交量，并且該平均值是在所有正的成交量基礎(chǔ)上計(jì)算的。Amihud指出該流動(dòng)性比率與信息不對稱相關(guān)，Biais等(2005)認(rèn)為Amihud非流動(dòng)性比率與交易中的逆向選擇成分具有一定的相關(guān)性，Brennan等(2013)也發(fā)現(xiàn)Amihud非流動(dòng)性比率與信息不對稱程度顯著相關(guān)。*M. Brennan, S. W. Huh, A. Subrahmanyam, An analysis of the Amihud illiquidity premium. Review of Asset Pricing Studies, 2013, 3(1).張錚等(2013)針對中國股票市場數(shù)據(jù)的實(shí)證研究發(fā)現(xiàn)，Amihud非流動(dòng)性比率是最適用于中國證券市場的流動(dòng)性指標(biāo)，能夠較好地度量流動(dòng)性中的信息不對稱程度。*張崢、李怡宗、張玉龍、劉翔：《中國股市流動(dòng)性間接指標(biāo)的檢驗(yàn)—基于買賣價(jià)差的實(shí)證分析》，《經(jīng)濟(jì)學(xué)季刊》2013第13期。

四、實(shí)證分析

(一)數(shù)據(jù)選取

本文使用的股票高頻交易數(shù)據(jù)均來自銳思數(shù)據(jù)庫，時(shí)間區(qū)間為2009年1月至2014年12月。在上海證券交易所和深圳證券交易所上市的股票中，選擇每年有效交易日達(dá)到一定數(shù)量，即至少有6個(gè)月的交易數(shù)據(jù)的股票，經(jīng)篩選最后數(shù)據(jù)集包含895支上證股票和501支深證股票，共1396支股票。

對于每支股票，高頻數(shù)據(jù)的每條記錄包括交易的時(shí)間、成交價(jià)格、成交量、5個(gè)賣價(jià)與賣量、5個(gè)買價(jià)與買量、交易方向、市場深度等信息，以及相應(yīng)的市場買賣指標(biāo)。為了保證使用的數(shù)據(jù)是正確記錄以及合理的，我們首先用如下的標(biāo)準(zhǔn)對原始的高頻數(shù)據(jù)進(jìn)行篩選：(1)只保留發(fā)生在交易所開盤時(shí)間內(nèi)的報(bào)價(jià)和交易數(shù)據(jù)，即早上9點(diǎn)半到下午15點(diǎn)；(2)只保留有不為零的報(bào)價(jià)和交易量的報(bào)價(jià)或交易。在去掉了不符合上述條件的交易記錄之后，對每支股票，計(jì)算其逆向選擇成本(AS)、Amihud非流動(dòng)性比率(ILLQ)以及PC、PCL、PCLT、PCLTD四種度量知情交易概率的方法。

(二)描述性統(tǒng)計(jì)分析

首先從日度和周度兩個(gè)角度對PC、PCL、PCLT、PCLTD進(jìn)行描述性統(tǒng)計(jì)量分析，分析四個(gè)知情交易度量指標(biāo)的平均值、標(biāo)準(zhǔn)差、最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)以及最大值等，日度數(shù)據(jù)來源于1396支股票2009-2014年的1907576個(gè)日度觀測，周度的描述性統(tǒng)計(jì)量來源于410507個(gè)周度數(shù)據(jù)。由從日度數(shù)據(jù)的描述性統(tǒng)計(jì)分析結(jié)果可以看出，PCLT和PCLTD估計(jì)的中位數(shù)均為零，與均值相差較大，而且除PC估計(jì)外，其余三種估計(jì)的下四分位數(shù)均為零，分布顯著地左偏，這表明大部分交易日并沒有呈現(xiàn)出發(fā)生知情交易的跡象。實(shí)際上，對于任意一支給定的股票，知情交易概率的估計(jì)PC、PCL、PCLT、PCLTD均展示了明顯的周期性，即連續(xù)幾個(gè)交易日知情交易的概率非零，隨后連續(xù)幾個(gè)交易日的知情交易概率為零，然后再次成為非零等。這一現(xiàn)象與Easley等(1996,2011)中將知情交易發(fā)生的概率固定為某一泊松分布到達(dá)率的假定是不一致的。然而，事實(shí)上由于知情交易者善于利用自己的信息優(yōu)勢，選擇恰當(dāng)?shù)慕灰讜r(shí)點(diǎn)并且依靠非知情交易者掩飾自己的交易策略以達(dá)到自身利潤最大化，因此在某些交易日里觀測不到知情交易的現(xiàn)象是可能發(fā)生的。對比周度數(shù)據(jù)和日度數(shù)據(jù)的描述性統(tǒng)計(jì)分析結(jié)果，周度的PCLT和PCLTD估計(jì)的中位數(shù)非零，與均值之間的差距變小，然而除PC估計(jì)外，其余三種估計(jì)的下四分位數(shù)仍然均為零，說明知情交易概率估計(jì)的分布仍然顯著地左偏。

為了分析知情交易概率與逆向選擇或信息不對稱之間的關(guān)系，本文分析了基于日度面板數(shù)據(jù)的四種知情交易概率估計(jì)方法與逆向選擇成分(AS)、Amihud非流動(dòng)性比率(ILLQ)之間的相關(guān)性結(jié)果。由于買賣價(jià)差或非流動(dòng)性比率也會受到市場交易或公司特征變量的影響，同時(shí)還研究了PC、PCL、PCLT、PCLTD與對數(shù)市值(SIZE)、對數(shù)交易量(VOLU)、波動(dòng)率(VOLA)以及收益率(RE)之間的相關(guān)性結(jié)果。由相關(guān)性分析結(jié)果可知，除PC外，其余三種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法與AS和ILLQ兩種衡量逆向選擇或信息不對稱的變量均展現(xiàn)了顯著的正相關(guān)性，而且四種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法之間也均存在顯著的正相關(guān)性，PC估計(jì)與PCL、PCLT、PCLTD三種估計(jì)的相關(guān)性大小顯著地弱于后三者估計(jì)兩兩之間的相關(guān)性大小，這是因?yàn)镻C估計(jì)只考慮了反向交易的存在，其度量知情交易的概率的準(zhǔn)確性較低。此外，公司市值、交易量、波動(dòng)率以及收益率等市場或公司特征變量與PC、PCL、PCLT、PCLTD四種知情交易概率的估計(jì)方法也均具有顯著的相關(guān)性。

(三)日度數(shù)據(jù)分析

為了檢驗(yàn)四種知情交易概率估計(jì)方法PC、PCL、PCLT、PCLTD度量知情交易概率的效果，本文通過探尋四種估計(jì)方法與AS和ILLQ間的相互作用關(guān)系以驗(yàn)證其對于我國股票市場知情交易度量的適用性，本節(jié)首先基于每個(gè)交易日的數(shù)據(jù)，建立橫截面回歸模型，如(8)和(9)所示。

ASi,t=αi+β1tINF(k+β2tASi,t-1+β3tILLQi,t+β4tILLQi,t-1+β5tSIZEi,t-1+β6tVOLUi,t-1+β7tVOLAi,t-1+β8tREi,t-1+εit

(8)

ILLQi,t=μi+γ1tINF(k+γ2tASi,t+γ3tASi,t-1+γ4tILLQi,t-1+γ5tSIZEi,t-1+γ6tVOLUi,t-1+γ7tVOLAi,t-1+γ8tREi,t-1+ηit

(9)

其中，INF(k),k=PC,PCL,PCLT,PCLTD。方程(8)中自變量選用知情交易概率PC、PCL、PCLT以及PCLTD的滯后項(xiàng)而非當(dāng)期項(xiàng)，這是因?yàn)楫?dāng)知情交易發(fā)生后，市場上充當(dāng)做市商角色提供流動(dòng)性的其他投資者觀測到并據(jù)此改變買賣報(bào)價(jià)，進(jìn)而影響到買賣價(jià)差中的逆向選擇成分。而方程(9)中的PC、PCL、PCLT以及PCLTD采用當(dāng)期項(xiàng)的原因是由于價(jià)格響應(yīng)即非流動(dòng)性比率很大程度上是受到同期市場因素影響的交易變量，而非取決于決策者信息集合影響的政策性變量。由于市場上充當(dāng)做市商提供流動(dòng)性的投資者可以通過限價(jià)指令簿觀測到市場的非流動(dòng)性狀況，進(jìn)而調(diào)整其買賣報(bào)價(jià)，因此AS和ILLQ是同時(shí)決定的內(nèi)生變量，式(8)(9)中的自變量也分別包含了二者。表2中AS與ILLQ之間顯著的正相關(guān)性也意味著二者可能存在內(nèi)生性和聯(lián)立性。

此外，式(8)(9)中將對數(shù)市值(SIZE)、對數(shù)交易量(VOLU)、波動(dòng)率(VOLA)以及收益率(RE)作為控制變量，并且為控制動(dòng)態(tài)效應(yīng)，內(nèi)生變量的一階滯后項(xiàng)也包含在這兩個(gè)方程中。對式(8)(9)分別進(jìn)行Fama-MacBeth估計(jì)，結(jié)果見表1。

由表1結(jié)果可知，對于AS和ILLQ方程中INF(k)和INF(k)-1變量的系數(shù)，在控制相關(guān)的交易和公司的特征變量的情況下，除PC估計(jì)外，其余三種知情交易概率的估計(jì)方法(PCL、PCLT、PCLTD)均為顯著的正值。這與之前的相關(guān)性分析的結(jié)果一致，基于反向交易和隱蔽交易的知情交易概率估計(jì)方法能夠捕捉到交易成本和Amihud非流動(dòng)性比率中的逆向選擇成分，其中由于PC估計(jì)是只考慮了反向交易的較為粗糙的知情交易概率估計(jì)方法，其表現(xiàn)不太理想。表1的結(jié)果還揭示了AS和ILLQ的滯后項(xiàng)越高，其當(dāng)期項(xiàng)越高，即逆向選擇成本或非流動(dòng)性比率具有一定的持久性；股票的市值越大，波動(dòng)率越小，其逆向選擇程度越低。

表1 Fama-MacBeth估計(jì)結(jié)果(日度數(shù)據(jù))

注：表1和表2中括號內(nèi)為t統(tǒng)計(jì)量值

由于數(shù)據(jù)的面板結(jié)構(gòu)和AS、ILLQ之間的內(nèi)生性，僅采用Fama-MacBeth方法對方程(8)、(9)分別進(jìn)行估計(jì)可能會存在一定的偏差，因此本文隨后考慮采用面板聯(lián)立方程模型(Panel simultaneous equation model)對面板結(jié)構(gòu)數(shù)據(jù)進(jìn)行更為細(xì)致的分析，模型如(10)、(11)所示：

ASi,t=αi,AS+β1INF(k+β2ASi,t-1+β3ILLQi,t+β4ILLQi,t-1+β5SIZEi,t-1+β6VOLUi,t-1+β7VOLAi,t-1+β8REi,t-1+εit

(10)

ILLQi,t=μi,ILLQ+γ1INF(k+γ2ASi,t+γ3ASi,t-1+γ4ILLQi,t-1+γ5SIZEi,t-1+γ6VOLUi,t-1+γ7VOLAi,t-1+γ8REi,t-1+ηit

(11)

方程(10)和(11)中的αi,AS,μi,ILLQ項(xiàng)表示每支股票的固定效應(yīng)，與PC、PCL、PCLT、PCLTD、AS、ILLQ、SIZE、VOLU、VOLA以及RE之間可能存在相關(guān)性，方程存在內(nèi)生性問題，采用固定效應(yīng)工具變量方法對式(10)(11)的面板聯(lián)立模型進(jìn)行估計(jì)。對于式(10)，AS和ILLQ的滯后項(xiàng)作為內(nèi)生變量ILLQ的工具變量；對于式(11)，PC、PCL、PCLT、PCLTD的滯后項(xiàng)作為AS的工具變量，聯(lián)立方程組滿足識別條件，表2給出了面板聯(lián)立模型的回歸估計(jì)結(jié)果。

表2 面板聯(lián)立模型回歸結(jié)果(日度數(shù)據(jù))

由表2結(jié)果可知，在剔除公司的個(gè)體效應(yīng)以及采用2SLS方法處理聯(lián)立方程模型的內(nèi)生性問題后，對于AS和ILLQ方程中INF(k)和INF(k)-1變量的系數(shù)，除PC估計(jì)外，其余三種知情交易概率的估計(jì)方法(PCL、PCLT、PCLTD)仍然均為顯著的正值。表2結(jié)果說明PCL、PCLT以及PCLTD三種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法確實(shí)能夠成功地捕捉到交易成本和Amihud非流動(dòng)性比率中的逆向選擇成分。

(四)穩(wěn)健性檢驗(yàn)

為了排除數(shù)據(jù)采樣頻率的選擇造成研究結(jié)果的不穩(wěn)健，本文還選取了周度的面板數(shù)據(jù)，對其建立橫截面回歸模型(8)(9)或面板聯(lián)立模型(10)(11)進(jìn)行分析，本文還分別對周度數(shù)據(jù)進(jìn)行了Fama-MacBeth估計(jì)和2SLS估計(jì)，出于篇幅限制，估計(jì)結(jié)果略。由周度數(shù)據(jù)的回歸分析結(jié)果可知，即使數(shù)據(jù)的頻率由日度數(shù)據(jù)降低為周度數(shù)據(jù)，PCL、PCLT以及PCLTD三種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法仍然能夠成功地度量我國股票市場的逆向選擇成本以及由于信息不對稱造成的非流動(dòng)性價(jià)格響應(yīng)。AS和ILLQ的滯后項(xiàng)越高，其當(dāng)期項(xiàng)越高，即逆向選擇成本或非流動(dòng)性比率具有一定的持久性；股票的市值越大，波動(dòng)率越小，其逆向選擇程度越低。周度數(shù)據(jù)面板聯(lián)立模型的穩(wěn)健性檢驗(yàn)回歸結(jié)果同樣驗(yàn)證了PCL、PCLT以及PCLTD三種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法的確可以較好地捕捉到交易成本和Amihud非流動(dòng)性比率中的逆向選擇成分。

五、結(jié)論

本文基于我國滬深股票市場2009-2014年期間股票高頻逐筆交易數(shù)據(jù)，采用Chang和Wang(2015)根據(jù)反向交易、隱蔽交易以及趨勢追逐和處置效應(yīng)等行為金融學(xué)理論構(gòu)造的四種知情交易概率估計(jì)方法(PC、PCL、PCLT、PCLTD)，度量了我國滬深股票市場的知情交易概率。知情交易者類似于反向交易者，他們與絕大多數(shù)投資者進(jìn)行羊群交易行為不同，知情交易者做出相反方向的投資行為，PC估計(jì)為基于反向交易行為的知情交易概率估計(jì)方法。此外，知情交易者可能為掩蓋其投資意愿，將大訂單分解成一系列中小單進(jìn)行隱蔽交易，因此知情交易更有可能發(fā)生在大型交易稀疏和交易量比較低的時(shí)候，PCL估計(jì)為基于反向交易和隱蔽交易的知情交易概率估計(jì)方法。結(jié)合Chang和Wang(2015)對行為金融學(xué)理論中趨勢追逐和處置效應(yīng)提出的改進(jìn)PCLT和PCLTD估計(jì)，本文實(shí)證數(shù)據(jù)的分析結(jié)果得出如下結(jié)論：

其一，知情交易概率的四種估計(jì)方法PC、PCL、PCLT、PCLTD均呈現(xiàn)了周期性，即連續(xù)幾個(gè)交易日知情交易的概率非零，隨后連續(xù)幾個(gè)交易日的知情交易概率為零，然后再次成為非零等。這實(shí)際上揭示了某些交易日觀測不到知情交易的現(xiàn)象是可能發(fā)生的，因?yàn)橹榻灰渍邇A向于利用自己的信息優(yōu)勢，選擇恰當(dāng)?shù)慕灰讜r(shí)點(diǎn)并且依靠非知情交易者掩飾自己的交易策略以達(dá)到利潤最大化。

其二，以買賣價(jià)差中的逆向選擇成本以及Amihud非流動(dòng)性價(jià)格響應(yīng)比率作為衡量股票市場逆向選擇或信息不對稱程度的指標(biāo)，除PC外，其余三種基于反向交易和隱蔽交易的知情交易概率估計(jì)方法與AS和ILLQ兩種衡量逆向選擇或信息不對稱的變量均展現(xiàn)了顯著的正相關(guān)性。公司市值、交易量、波動(dòng)率以及收益率等市場或公司特征變量與PC、PCL、PCLT、PCLTD四種知情交易概率的估計(jì)方法也均具有顯著的相關(guān)性。此外，AS與ILLQ之間顯著的正相關(guān)性意味著二者可能存在潛在的內(nèi)生性和聯(lián)立性。

其三，通過建立日度或周度橫截面回歸模型以及面板數(shù)據(jù)聯(lián)立模型研究了知情交易概率與衡量股票市場逆向選擇或信息不對稱指標(biāo)之間的關(guān)系?；诜聪蚪灰缀碗[蔽交易等構(gòu)造的知情交易概率度量方法能夠較好地度量我國股票市場的逆向選擇成本以及由于信息不對稱造成的Amihud非流動(dòng)性比率。

綜上所述，對于證券市場中知情交易概率的度量，學(xué)者們盡管已經(jīng)提出很多測度方法，但由于研究者無法取得證券市場上的相關(guān)交易賬戶數(shù)據(jù)，因此對知情交易概率的測度效果應(yīng)該進(jìn)行更有效的探索和比較，本文基于反向交易和隱蔽交易等行為金融學(xué)理論構(gòu)造的知情交易概率估計(jì)能夠較好地度量知情交易的存在。知情交易概率的測量可以作為市場有效監(jiān)管的一種工具，對于知情交易者的行為模式和交易策略、提高知情交易的監(jiān)管效率、完善知情交易的監(jiān)管制度均具有一定的理論和現(xiàn)實(shí)意義，可進(jìn)一步將其應(yīng)用于市場微觀結(jié)構(gòu)、公司金融等其他領(lǐng)域。

(責(zé)任編輯：欒曉平)

2017-01-20

王 超，男，管理學(xué)博士，北京工業(yè)大學(xué)經(jīng)管學(xué)院講師、師資博士后。 高 揚(yáng)，女，經(jīng)濟(jì)學(xué)博士，北京工業(yè)大學(xué)經(jīng)管學(xué)院講師、師資博士后(通訊作者)。 劉 超，男，北京工業(yè)大學(xué)經(jīng)管學(xué)院院長、教授、博士生導(dǎo)師。

本研究系國家自然科學(xué)基金青年基金項(xiàng)目(編號：61603010、61603011)、國家自然科學(xué)基金面上項(xiàng)目(編號：61273230)、中國博士后科學(xué)基金(編號：2015M580033)、北京市博士后科學(xué)基金(編號：2016ZZ-11)、北京現(xiàn)代制造業(yè)發(fā)展研究基地和首都社會建設(shè)與社會管理協(xié)同創(chuàng)新中心資助項(xiàng)目的部分研究成果。

F830.91

A

1003-4145[2017]04-0122-07