導(dǎo)語：證券市場內(nèi)幕交易行為認識思索一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)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(xiàn)代金融理論和行為金融學(xué)為標志的金融經(jīng)濟學(xué)的迅速發(fā)展，有關(guān)內(nèi)幕交易的文獻大量涌現(xiàn)。由于內(nèi)幕交易會對市場的有效性和個體利益產(chǎn)生影響，很多學(xué)者已將研究的重點放在了如何識別內(nèi)幕交易方面。ScottL．Summers和JohnT．Sweeney(1998)率先對內(nèi)幕交易行為進行判別，通過內(nèi)部交易變量和公司具體財務(wù)特征，區(qū)分內(nèi)幕交易與沒有內(nèi)幕交易公司，得到了60％的正確率。晏艷陽、趙大瑋(2006)以股權(quán)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(yīng)以及內(nèi)幕交易效應(yīng)為指標，得出我國股改中存在嚴重的內(nèi)幕交易的結(jié)論。張宗新(2008)應(yīng)用數(shù)據(jù)挖掘技術(shù)，以2005年之前被我國證券監(jiān)管部門處罰過的內(nèi)幕交易案例為樣本對內(nèi)幕交易行為進行判別，應(yīng)用支持向量機模型(SVM)對“股改”以來中國股市發(fā)生的“廣發(fā)借殼”、“杭蕭鋼構(gòu)”、“sT金泰”等重大內(nèi)幕交易案例進行實證分析，對中國股市存在的內(nèi)幕交易行為進行了預(yù)測和檢驗。唐其鳴、張云(2009)~足于公司治理視角，發(fā)現(xiàn)公司治理較好的公司，內(nèi)幕交易發(fā)生的概率較低。

二、內(nèi)幕交易識別的研究設(shè)計

本文以Logistic回歸模型為基礎(chǔ)，采用ScotL．Sum—mer8和JohnT．Sweeney的分層次分析法，在初步統(tǒng)計內(nèi)幕交易案例的基礎(chǔ)上，從股票市場表現(xiàn)、公司治理、財務(wù)狀況三個方面建立系統(tǒng)的內(nèi)幕交易識別模型，通過實證檢驗篩選出對內(nèi)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(nèi)幕交易進行識別，Logistic回歸模型在一定程度克服了線性假設(shè)的缺點，不要求變量服從正態(tài)分布而且具有判別精度高簡單易與實現(xiàn)的優(yōu)勢。Logistic回歸模型假設(shè)在給定識別體系各變量x(x=(x。，x2…之后，事件Y發(fā)生的條件概率為P。其中，Y取值為0和1，0表示事件未發(fā)生，1表示事件發(fā)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(shù)向量。本文采用分層次分析法對內(nèi)幕交易進行研究。根據(jù)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(xiàn)、治理結(jié)構(gòu)、財務(wù)狀況指標為基礎(chǔ)建立的三個模型。這三個代表第一層次的模型各產(chǎn)生一個綜合性指數(shù)，取值在o_l之間，表示以該組變量為基礎(chǔ)建立模型內(nèi)幕交易發(fā)生的概率。第二層次的logistic模型是以第_層次得到的蘭個指數(shù)綜合而成，模型中三個指數(shù)的權(quán)重由logistic回歸分析得出。這樣做的優(yōu)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(shù)對內(nèi)幕交易進行判別，這使得兩層次的分析法優(yōu)于單層次的logis~c回歸方法。

(二)研究樣本和數(shù)據(jù)

研究樣本來自中國A股市場，分為內(nèi)幕交易樣本和正常樣本。內(nèi)幕交易樣本是2005年至2010年股票市場上被證券監(jiān)管部門調(diào)查、處罰的出現(xiàn)過內(nèi)幕交易行為的上市公司；正常樣本是沒有被證券監(jiān)管部門查處過的上市公司，并且與每個對應(yīng)的內(nèi)幕交易樣本屬于同一行業(yè)，資產(chǎn)規(guī)模上市年份相近，在同一年發(fā)生了同一類重大事件，沒有被sT處理過。正常樣本的構(gòu)造是為了更進一步說個股指標的異常反應(yīng)是由于內(nèi)幕交易引起的，進而通過比較分析內(nèi)幕交易行為的特征。兩種樣本各42個，共計84個。相關(guān)數(shù)據(jù)主要來自CCER數(shù)據(jù)庫，數(shù)據(jù)的處理分析運用了SPSS軟件。

(三)指標選擇

根據(jù)對現(xiàn)有文獻研究和理論分析，初步從股票市場表現(xiàn)、治理結(jié)構(gòu)、財務(wù)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(xiàn)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(nèi)幕交易股票的波動性，將。+B。作為股價波動持久性即系統(tǒng)穩(wěn)定性的衡量指標。aI+B<1，則股價運行系統(tǒng)穩(wěn)定；aI+8I≥1，則系統(tǒng)不穩(wěn)定。在初步選取指標的基礎(chǔ)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(shù)Mann-WhitneyU檢驗。在顯著性水平5％的概率范圍內(nèi)，、、、、、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(nèi)幕交易識別模型的初始變量。

三、全流通背景下內(nèi)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(guān)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(jù)置信水平小于5％進入模型的原則構(gòu)建Logistic回歸模型。

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

2．治理結(jié)構(gòu)Logistic識別模型治理結(jié)構(gòu)Logistic識別模型以通過檢驗的治理指結(jié)構(gòu)標為基礎(chǔ)建立，具體參數(shù)見表3。

3．財務(wù)狀況L0gistic識別模型財務(wù)狀況Logistic識別模型以通過檢驗的財務(wù)狀況指標為基礎(chǔ)建立，具體參數(shù)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(chǔ)，將兩種樣本相應(yīng)指標數(shù)據(jù)代入模型，得到內(nèi)幕交易行為的識別概率P，若p≥0．5該樣本發(fā)生內(nèi)幕交易行為，若P<0．5該樣本沒有發(fā)生內(nèi)幕交易行為。模型識別效率的檢驗見表5。可見，市場表現(xiàn)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(wù)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(chǔ)建立，通過向前逐步排除法選擇模型變量，具體參數(shù)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(chǔ)，將兩種樣本相應(yīng)數(shù)據(jù)代入模型，得到內(nèi)幕交易行為的識別概率P。模型識別效率的檢驗見表7。可以看出，第二層次回歸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(jié)論

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