股票送轉、除權日異常收益與分析師關注度

摘要：本文使用事件研究的方法，利用1999年到2009年的中國股市上市公司的股票送股、轉增事件的相關數據，分析發現這些股票會由于除權日時間而獲得正的異常收益，這一結果不隨著不同的統計假設、送轉事件是否伴隨著現金紅利以及按照送股與轉增的比例、現金紅利數量劃分的子樣本而改變。探究這種異常收益的來源，發現分析師關注度（下文以分析師關注度來代替）會正向顯著的影響異常收益；每多一名分析師關注這支送轉的股票會在除權日多帶來0.2元的異常收益，并且這種關系是穩健的，進一步通過工具變量回歸解決了分析師關注的內生性。

關鍵詞：事件研究；除權日異常收益；分析師關注度

中圖分類號：F830.59文獻標識碼：A

一、引言和文獻綜述

中國股市的股票紅利政策包含現金紅利、派息、送股、轉增，這些政策都由上市公司發布并且有一個行權期限，過了期限股東就無法享受這一權利了。股票的股利發布日往往會帶來一定的溢價，目前國內外學者對于此問題研究的結論相對一致，并且從信息和流動性兩個角度解釋這一溢價。那么除權日的溢價是不是也是顯著的呢？

國外學者對于除權日溢價有過比較深入的探討，Elton和Gruber（1970）開啟了學者們對股票的除權日價格行為研究的序幕，利用1966年到1967年紐約證交所的股票數據，他們發現當日股票價格下跌額平均是現金股利的77.8%而非100%，也就是說有一定的溢價存在。他們認為這是由于資本利得稅率小于紅利所得稅率引起的，甚至認為可以從股票下跌幅度的不同來預測具有不同邊際稅率的顧客群體。之后，學者們大多從稅收角度研究了除權日的超額收益。Eades等（1984）對發放高股利的股票的除權日價格進行研究，發現這類股票的超額收益率更小，有時甚至是負數，他們認為對股利的獲利交易使稅收對這類股票的影響反而比較小；Lasfer（1995）使用英國證券市場的數據研究了稅收法案的更迭對于除權日異常收益的產生的影響，他發現在改制前的高稅收對于異常收益有正向影響而在改制后的低稅收對于異常收益的影響為負并且不顯著；Athanassakos和Smith（1996）則研究了加拿大股票紅利收稅政策的問題，他們發現1977年4月1日到1985年5月23日的免稅期除權日收益不顯著異于0而開始收稅的1985年5月23日到1988年期間則有顯著的正除權日溢價。另一支文獻則注重討論公告日和除權日的日常收益，如Vijh（1994）發現除權日的異常收益并不比公告日的低，并且猜測人們更加喜歡拆分過的股票，繼而引出了流動性的推斷，而Nayar 和Rozeff（2001）則發現除權日的異常收益是由于公告日的低異常收益引起的，并且從交易的不便利性方面進行討論了異常收益的來源，他們認為交易成本使得套利者無法出現從而異常收益變得顯著。

與國外研究得到的結果類似，國內學者的研究結果也顯示除權日會帶來異常收益。陳珠明和史余森（2010）采用事件研究法對高送轉股票的財富效應及股東大會通過日和除權除息日等相關事件前后股價的異常波動進行了研究，他們的實證結果表明牛市中除權除息日前后的股票會在短期內存在超額收益而熊市中除權除息日前后的超額收益不顯著。葛宗萍（2009）發現送轉股的除權事件促使我們國股價上升，而這一事件本身所隱含的信息對股價也有正向影響。

然而，如前所述，雖然國內外已經有學者對于除權日的異常收益的原因進行了一些探討，McNichols和Dravid（1990）發現分析師的預測偏差和異常收益有關，但是目前沒有從分析師關注度的角度進行解釋這一現象的相關文獻。

本文將通過事件研究的方法驗證中國股市除權日的異常收益的存在，并且從分析師關注的角度來解釋這一現象。

二、本文的研究方法和數據

本文使用事件研究的方法來探究異常收益，從理論上來講，估計窗應該在沒有其他事件的干擾下越長越好，以便得到更好的正常收益的估計，具體的公式推導詳見Qiao（2012），它說明估計窗的加長會減小異常收益的方差從而增加估計的精度。本文的盈余的數據主要來自CSMAR數據庫，我們使用1999—2009年的數據進行研究，在此期間，一共有1214家公司進行了股票的送股和轉增，我們進一步根據是否含有現金紅利來區分兩個子樣本。本文使用的方法和喬坤元（2012）的一致，均為標準的事件研究方法進行研究，異常收益即為實際異常收益減去使用市場模型得到的值（ARI，t—E（ARi，t）），而這一數值除以標準誤即得到t統計量，服從自由度為N—1的t分布，累計異常收益的計算和檢驗方法與異常收益類似，計算和統計檢驗的具體公式和推導詳見Qiao（2012）。

在實證檢驗分析師關注度與異常收益的部分，我們搜集了分析師對于每一只股票自2004年起對于每一只股票的關注度（Anal，為預測該股票的分析師總人數），該變量是我們在本文中重點關注的變量。

在控制變量方面，根據Nayar和Rozeff（2001）的研究成果，本文的控制變量將包括公司的風險因素（Risk），也即進行送轉的公司在前兩個月的股票收益的波動率的值，一個虛擬變量為D，它指代的是這一送轉事件拆分是否伴隨著現金紅利；在公司的規模方面，使用公司的員工人數的對數值來刻畫，而公司的盈利能力則用公司利潤占收益的比例以及公司在送轉之前的市值（以百萬計）來代表。

另外，Brennan和Hughes（1991）認為正是由于異常收益才帶來了更多的分析師關注，所以文章必須解決內生性問題。通過中經專網統計數據庫，對公司所在的城市的面積進行了收集，這一個變量是后文分析師人數的工具變量。

我們將在下一節使用市場模型對異常收益進行探究①， 以觀察中國股市的送轉事件是否真的會帶來異常收益。

三、除權日異常收益測算

從表1、表2中可以看出，是否含現金紅利對于異常收益的影響微乎其微，這符合Eades等（1984）、Lasfer（1995）、Athanassakos和Smith（1996）的觀點：交易成本對于除權日的異常收益的影響是不可忽視的，所以是否派發紅利對于異常收益值的作用幾乎可以忽略。很明顯的是除權日的異常收益是顯著存在的，并且不隨著同方差、異方差的統計假設而變化。

為了避免研究結果會由于樣本劃分的過于粗糙而導致結果并不是那么的穩健，有必要通過劃分子樣本進而重新考量異常收益。具體地按照送轉的比例和紅利數量的多少而進行劃分，學術界并沒有一個統一的劃分標準，本文的數據中，送轉比例超過0.5和低于0.5的幾乎對半，而紅利金額大于0.1元和小于0.1元的事件數量也幾乎是相等的，因此使用這兩個值來劃分樣本，進而得到四個子樣本，即送轉比例高于和低于0.5的，現金紅利高于和低于0.1元的。

可以看到的是異常收益值均是顯著為正，并且總體走勢與原樣本類似，這進一步說明了公告效應帶來的異常收益的存在性。唯一需要指出的是，在含紅利的時候使用這幾個子樣本得到的數值結果有一定的差異。

四、除權日異常收益來源探究——分析師關注度本文將分析師關注度定義為在某一年對某一家公司進行盈余預測所有的分析師人數。分析師的關注帶來一個很強的信號作用，投資者由于有限的關注往往會參照分析師的意見，繼而關注這些股票。因此，分析師關注與送除權日超額收益之間應該有正的相關關系。

在控制變量中，根據前人的研究結果，選取上市公司的股價、股票的歷史風險、送股與轉增事件當中的送轉比例等。

基本模型如下：

CARi=α0+α1Anali+α2Pricei+α3Riski+α4Ratioi+α5Divi+α5CARAi+εi

其中CARi為股票i在事件窗（公告前10天到后10 天）的累計異常收益值，按元計價。Anali代表對上市公司i的分析和關注度，Pricei代表股票i在事件窗的平均價格的對數，Riski代表股票 i在公告前兩個月收益率的波動率（%），Ratioi代表股票i的送轉比率，即：

Ratioi=上市公司i在送轉后的總股數上市公司i在送轉前的總股數 。

而Divi是一個虛擬變量，如果公司的送轉伴隨著現金紅利，則為1，如果沒有伴隨著現金紅利，則為0，而CARAi是公告的異常收益（Nayar和Rozeff（2001）認為這個一個必要的因素），我們與除權日相同的方法使用市場模型作為正常收益的預期得到， εi是擾動項。（一）基本回歸的結果

可以看到，在逐步加入控制變量的過程中，分析師關注度一直在5%水平下一致顯著。進一步，每增加一個分析師關注進行送轉的股票，那么這支股票的除權日異常收益就會增加大概0.2元，這一變化不僅僅是統計意義上顯著，而且是經濟意義上顯著的。股票在這一期間的價格越高，異常收益越低，這說明人們的流動性偏好，也印證了Vijh（1994）對于人們喜歡低價格的股票的說法，但是這一影響是不顯著的。風險因素在這里負向的影響了除權日的異常收益，這說明人對于風險的厭惡，但是這個因素同樣不顯著。拆分比例越大，使得除權日異常收益越大，這說明了人們的流動性偏好，但是這個因素同樣不顯著。現金紅利使得股東對異常收益的影響不顯著，這一結果與第三節的異常收益的結果一致。公告期的超額異常收益與除權日的呈現反向的關系這與Nayar 和Rozeff（2001）的研究結論想契合。

但是可以看到，控制變量顯著性并不好，模型的解釋力度也不高，這與大多數文獻遇到的問題一致：我們無法完全的解釋這個現象，只能從一個角度來觀察。

（二）模型穩健性檢驗：替代變量檢驗和子樣本回歸

人們可能會因為一些我們沒有在基本回歸中加入一些常用的控制變量而懷疑我們的結果。在這里，我們加入了員工個數（取對數）和公司市值（按照百萬元記，取對數）進行回歸。可以看到，這些附加的控制變量都在10%水平下不顯著，而且我們關心的分析師關注度依然在5%水平下顯著，而且數值與之前的估計相比，變化很小，這進一步減輕了人們的擔心：這些變量并沒有帶來遺漏變量的誤差。

人們依然會質疑我們得到的結果是由一些異常值驅動的。很多行業的企業不具備可比性，因而我們將原來的樣本進行拆分，使用子樣本來進一步檢驗模型的穩健性。這家上市公司所屬行業（在傳統的農業、工業領域、還是服務行業）、是在上海股票交易所上市還是在深圳股票交易所上市、和當年經營業績（虧損與非虧損組）。結果匯報于表5。

可以看到，在劃分的不同的子樣本之后，每一個子樣本里面的分析師關注度都顯著。按照傳統的三大行業來分，可以看到分析師對于工業企業的除權日異常收益的影響最大，為0.25，超過平均值0.20約20%；農業和服務業的影響較小，比平均值0.20低了約11%。這一點可能會反應中國目前的現實狀況，作為世界的制造中心工業在國民經濟中的地位舉足輕重，相應的上市企業也更加受到投資者的青睞。在上海證券交易所上市的企業比在深圳上市的企業享受了更高的分析師關注帶來的除權日溢價，而企業當年是否虧損并不影響估計值，得到的估計都與基本回歸得到的結果很接近。

控制變量方面，在不同的子樣本之間它們的影響不盡相同，甚至方向也都不一致，比如人們的對低價格的偏好似乎只適用于工業和服務業，上海證券交易所的上市公司和非虧損的公司，而風險厭惡則在工業企業、深圳證券交易所和虧損的企業中有一定的作用，而人們對于流動性的反應則在除了農業和服務業之外的其他子樣本里起作用。但是與基本回歸得到的結果一致的是，價格、風險和拆股比率的影響都不顯著，而是否發放紅利卻又顯著的影響：它會正向的顯著影響農業企業、在深交所上市的企業的除權日異常收益，而會負向的影響工業企業和虧損中的企業。

子樣本的檢驗進一步支持了研究的推斷，分析師關注度正向影響異常收益。對于其他的控制變量，可以看到除了是否發放紅利意外其他變量和原來的樣本中的顯著性一致。

（三）分析師關注度的內生性問題

人們可能會擔心是由于異常收益誘使了分析師更多的關注這些進行股票送轉的公司的股票（Brennan和Hughes，1991），需要解決內生性問題。

我們使用上市公司i 在宣布送轉所在城市的當年的行政面積（lgArea）作為工具變量。由于我們的數據在構造方法上是一個橫截面數據，面積可以看作是外生的而不受到當期的經濟變量的影響（Romer，1993）。并且，由于中國上市公司會受到當地經濟情況的影響，地域廣闊的城市可以吸引更多的分析師，比如北上廣深以及各個省會城市，這些城市的資源比較集中。另外，很難說公司所在城市的面積會直接影響這一公司宣布送轉而帶來的異常收益。目前沒有相關的文獻將上市公司所在地的面積作為公司送轉事件的異常收益的解釋變量，這可以增加我們使用的工具變量的有效性，并且Romer（1993）年主要使用了當地的行政面積作為工具變量。但是謹慎起見，我們依然會做相應的回歸檢驗。

然而，人們可能會質疑，認為其實上市公司所在地的地域面積只是影響了該公司的雇員人數和之前公告效應的異常收益；行政面積大可能會有更多的人口，而一般而言公司會在當地找員工，另外，可能會由于當地面積大人口多從而當地人更愿意買本土企業的股票從而提高異常收益，所以我們需要檢驗一下兩個說法，工具變量的回歸結果在表6中展示。

表6的前兩列告訴我們，上市公司所在地當年的行政面積并不是影響該公司的雇員人數和公告效應帶來的異常收益；這一變量在回歸的模型中均不顯著。相反，這一個變量顯著正向的影響了公司的分析師關注度。

第（4）列行政面積對解釋變量異常收益的符號也是正的，這進一步支持了我們的工具變量的有效性，并且，lnArea在直接解釋CAR的模型中并不顯著，這支持了我們的假設，即上市公司所在城市的行政面積并不直接影響該公司送轉公告除權日的異常收益。另外，第三列的R2的值并不小，可以說這一個工具變量也不是弱工具變量（weak instrument）。

表6最后一列給出了工具變量的結果，可以看到這一結果依然是顯著的，而且系數與假定分析師關注度為外生的模型的系數幾乎一致。

因此，可以確定分析師關注度與送轉公告的除權日帶來的超額收益的正向關系以及兩者之間的內生性：分析師的關注帶來一個很強的信號作用，引導投資者對這些股票進行投資從而催生了除權日溢價的現象。

五、結論和投資建議

本文對中國股市中送股轉增的除權日效應進行了事件研究，在使用了三種常用的估計正常收益的模型以及在關于方差的不同統計假設下一致的發現了由于除權日而產生的異常收益的存在。進一步探究這一異常收益的來源，發現分析師正向影響了異常收益，認為是分析師的關注催生的信號作用帶來了正向的異常收益，這一關系通過模型的穩健性檢驗得以驗證，而內生性通過工具變量的方法得以解決，最后得出了一致的結論：每增加一個分析師預測某支進行送轉的股票，可以在除權日為該股票帶來0.2元的超額收益。

本文的發現對于投資者有一定的啟示意義：投資者可以通過關注公司的送股轉增公告，購入該公司的股票并且在除權日賣出從而獲利。進一步地，投資者可以關注在這些股票中分析師關注度高的，這些股票會為投資者帶來更大的異常收益。

注釋：

①我們在本文原始版本的英文版的論文Qiao（2012）中，同時也使用了常均值模型和市場調整模型計算了異常收益，并且發現得到的結果與之前的基本一致，由于篇幅有限，我們沒有匯報這一結果，具體的結果請見Qiao（2012）。參考文獻：

[1]Athanassakos， Goerge and Smith， Brian F. Odd—lot Costs， Taxes， and Ex—date Price， Effects of Stock Dividends： Evidence From Toronto Stock Exchange[J].Journal of Business Finance & Accounting， September 1996，23（7）：989—1003.

[2]Brennan， M. J.， and Copeland， T. E.Stock Splits， Stock Prices， and Transaction Costs[J].Journal of Financial Economics，1988， 22（1）：83—101.

[3]Eades， K.， Hess， P. and Kim， H. On interpreting Security Returns during the Ex—dividend Period[J].Journal of Financial Economics， 1984，13（1）：3—34.

[4]Elton， K. and Gruber， M. Marginal Stockholder Tax Rates and the Clientele Effect[J]. Review of Economics and Statistics，1970，52（1）：68—74.

[5]Lasfer， M. Ameziane. Tax or Short—Term Trading Effects，[J].Journal of Finance Papers and Proceedings， 1995，50（3）：875—897.

[6]McNichols， M.， and Dravid， A. Stock Dividends， Stock Splits， and Signaling.[J].Journal of Finance Papers and Proceedings，1990，45（3）：857—879.

[7]Nayar， Nandkumar and Rozeff， Michael S. Record Date， When Issued and Ex—date Effect in Stock Splits[J].Journal of Financial and Quantitative Analysis， March 2001，36（1）：119—139.

[8]Qiao， K. Stock Split， Ex—date Abnormal Return and Analysts Attention[R].Unpublished Working Paper，2012.

[9]Romer， D. Openness and Inflation： Theory and Evidence.[J].Quarterly Journal of Economics， 1993，108（4）：869—903.

[10]Vijh， Anand M. The Spinoff and Merger Ex—Date Effects[J]. Journal of Finance， 1994，49（2）：581—609

[11]陳珠明，史余森.高送轉股票財富效應的實證研究[J].系統工程，2010，28（10）：8—14.

[12]葛宗萍.滬深股市送轉股除權效應與預期心理實證研究[J].財會通訊，2009（5）：19—22.

[13]喬坤元.股票送轉、異常收益和管理層持股比例[J].投資研究，2012（2）：44—57.

Stock Split， Ex—date Abnormal Returns and Analysts Attention

QIAO Kun—yuan

（Guanghua School of Management，Peking University，Beijing 100871，China）

Abstract：This paper discovers the existence of the ex—date abnormal returns of stock splits via event study and the data from 1999 to 2009 in China stock market. The existence is robust to statistical assumptions and subsamples divided by split ratio and cash dividends amount. A further investigation is carried to explore the source of abnormal returns and I discover that the analysts attention significantly and positively affect the abnormal returns； an additional analyst coverage could bring about a 0.2 yuan excess return in the ex—right day， and the association is robust to a wide arrange of checks. I further exploit instrumental variable estimation to solve the endogeneity of analyst attention.

Key words：event study； Ex—date abnormal returns； analysts attention

（責任編輯：李江）