證券市場內幕交易行為認識思索

導語：證券市場內幕交易行為認識思索一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、引言

從2O世紀8O年代中后期開始，隨著以現代金融理論和行為金融學為標志的金融經濟學的迅速發展，有關內幕交易的文獻大量涌現。由于內幕交易會對市場的有效性和個體利益產生影響，很多學者已將研究的重點放在了如何識別內幕交易方面。ScottL．Summers和JohnT．Sweeney(1998)率先對內幕交易行為進行判別，通過內部交易變量和公司具體財務特征，區分內幕交易與沒有內幕交易公司，得到了60％的正確率。晏艷陽、趙大瑋(2006)以股權分置改革中45家試點公司為樣本，以累積超常收益率、相對換手率和公告效應以及內幕交易效應為指標，得出我國股改中存在嚴重的內幕交易的結論。張宗新(2008)應用數據挖掘技術，以2005年之前被我國證券監管部門處罰過的內幕交易案例為樣本對內幕交易行為進行判別，應用支持向量機模型(SVM)對“股改”以來中國股市發生的“廣發借殼”、“杭蕭鋼構”、“sT金泰”等重大內幕交易案例進行實證分析，對中國股市存在的內幕交易行為進行了預測和檢驗。唐其鳴、張云(2009)~足于公司治理視角，發現公司治理較好的公司，內幕交易發生的概率較低。

二、內幕交易識別的研究設計

本文以Logistic回歸模型為基礎，采用ScotL．Sum—mer8和JohnT．Sweeney的分層次分析法，在初步統計內幕交易案例的基礎上，從股票市場表現、公司治理、財務狀況三個方面建立系統的內幕交易識別模型，通過實證檢驗篩選出對內幕交易行為的有效識別因子，形成兩個層次Logistic回歸識別模型。并分析模型的識別效率。

(一)研究模型和方法選擇

本文采用Logistic回歸模型對內幕交易進行識別，Logistic回歸模型在一定程度克服了線性假設的缺點，不要求變量服從正態分布而且具有判別精度高簡單易與實現的優勢。Logistic回歸模型假設在給定識別體系各變量x(x=(x。，x2…之后，事件Y發生的條件概率為P。其中，Y取值為0和1，0表示事件未發生，1表示事件發生。在logistic回歸模型下條件概率P服從如下形式：P=exp(+Bx)／[1+exp(0【+px)l(1)式(1)中，、13為待估計的參數向量。本文采用分層次分析法對內幕交易進行研究。根據指標的選擇，對模型的建立分為兩個層次涉及到四個獨立的logistic回歸模型。第一層次logistic模型分別是以市場表現、治理結構、財務狀況指標為基礎建立的三個模型。這三個代表第一層次的模型各產生一個綜合性指數，取值在o_l之間，表示以該組變量為基礎建立模型內幕交易發生的概率。第二層次的logistic模型是以第_層次得到的蘭個指數綜合而成，模型中三個指數的權重由logistic回歸分析得出。這樣做的優勢是可以分別研究三類指標的貢獻能力，最后又以綜合的指數對內幕交易進行判別，這使得兩層次的分析法優于單層次的logis~c回歸方法。

(二)研究樣本和數據

研究樣本來自中國A股市場，分為內幕交易樣本和正常樣本。內幕交易樣本是2005年至2010年股票市場上被證券監管部門調查、處罰的出現過內幕交易行為的上市公司；正常樣本是沒有被證券監管部門查處過的上市公司，并且與每個對應的內幕交易樣本屬于同一行業，資產規模上市年份相近，在同一年發生了同一類重大事件，沒有被sT處理過。正常樣本的構造是為了更進一步說個股指標的異常反應是由于內幕交易引起的，進而通過比較分析內幕交易行為的特征。兩種樣本各42個，共計84個。相關數據主要來自CCER數據庫，數據的處理分析運用了SPSS軟件。

(三)指標選擇

根據對現有文獻研究和理論分析，初步從股票市場表現、治理結構、財務狀況三方面選取了59個指標，具體指標代碼和名稱見表1。其中，市場表現類指標是以信息公告前后3O個交易日的均值進行計算。波動性方面，采用適于股票波動性研究的GARCH(1，1)模型來擬合內幕交易股票的波動性，將。+B。作為股價波動持久性即系統穩定性的衡量指標。aI+B<1，則股價運行系統穩定；aI+8I≥1，則系統不穩定。在初步選取指標的基礎上，為了從三類59個指標中剔除不存在顯著性差異的指標，首先對這三類指標進行均值相等的獨立樣本t檢驗和非參數Mann-WhitneyU檢驗。在顯著性水平5％的概率范圍內，、、、、、X、Xh5、、XMn、xh“、X啪、XX)(c1、、、、、x、)(c通過了檢驗。由于在選樣時，正常樣本均為非sT公司，兩類樣本在)指標上的差異可能是由于選樣造成的，為保證實證的準確性，在建模時不考慮x。本文將用這些指標分別作為建立內幕交易識別模型的初始變量。

三、全流通背景下內幕交易識別模型的建立與檢驗

基于前文對三類指標的分析，本部分選擇通過檢驗的指標建立模型，并對模型識別效率進行檢驗。

(一)存一層次模型的建立

考慮到識別指標間可能存在相關性，本文采用可以消除多重共線性影響的向前逐步排除法選擇模型變量，根據置信水平小于5％進入模型的原則構建Logistic回歸模型。

1．市場表現Logistic識別模型．市場表現Logistic識別模型以通過檢驗的市場表現指標為基礎建立，具體參數見表2。Logistic回歸的結果顯示，累積超額收益率CAR、日均換手率和BETA系數這三個指標為市場表現模型的有效識別因子。

2．治理結構Logistic識別模型治理結構Logistic識別模型以通過檢驗的治理指結構標為基礎建立，具體參數見表3。

3．財務狀況L0gistic識別模型財務狀況Logistic識別模型以通過檢驗的財務狀況指標為基礎建立，具體參數見表4。

(二)第一層次模型識別效率的檢驗與分析

以建立的三個方面識別模型為基礎，將兩種樣本相應指標數據代入模型，得到內幕交易行為的識別概率P，若p≥0．5該樣本發生內幕交易行為，若P<0．5該樣本沒有發生內幕交易行為。模型識別效率的檢驗見表5。可見，市場表現指標的判別正確率為85．71％。公司治理指標的判別正確率為95．24％，財務狀況指標的判別正確率為75．0o％。

(三)第二層次模型的建立

第二層次Logistic識別模型以第一層次識別模型得到的識別概率為基礎建立，通過向前逐步排除法選擇模型變量，具體參數見表6。

(四)第二層次模型的識別效率的檢驗與分析

以建立的第二層次識別模型為基礎，將兩種樣本相應數據代入模型，得到內幕交易行為的識別概率P。模型識別效率的檢驗見表7?？梢钥闯觯诙哟位貧w模型判別的正確率為97．62％，高于單一層次每個模型的識別效率。

四、結論

以累計超常收益率、日均換手率、BETA系數、第一大股東持股比例、Herfindahl_5指數、股東大會出席率、凈資產收益率等指標建立的兩層次內幕交易識別模型對內幕交易的識別具有較高的識別效率，正確率達到97．62％。