IPO破發對上市公司市場表現影響的實證研究

謝漢昌+何瑞卿

文章編號：1001-148X（2014）05-0040-11

摘要：本文根據上市首日表現將IPO新股區分為破發股和非破發股，分別采用不同市場收益率基準，考察了基于事件時間研究法的累計超額收益率（CAR）和買入并持有超額收益率（BHAR），以及基于日歷時間研究法的月平均超常收益率（MMAR）和Fama-French三因素模型，并利用多元線性回歸模型進行實證檢驗。研究發現，IPO破發短期會給上市公司的市場表現帶來不利影響，但中長期而言，IPO破發股的弱勢程度更輕、市場表現更好。

關鍵詞：IPO破發；市場表現；事件時間；日歷時間

中圖分類號：F83091文獻標識碼：A

收稿日期：2014-01-07

作者簡介：謝漢昌（1978-），男，福建龍巖人，福建商業高等專科學校教師，廈門大學管理學院博士研究生，研究方向：公司財務與證券投資；何瑞卿（1977-），男，河南登封人，廣東工業大學商學院教師，廈門大學管理學院博士研究生，研究方向：公司財務與資本市場。

基金項目：國家自然科學基金項目，項目編號：70972110。一、引言

自從Ritter（1991）正式提出IPO長期弱勢現象以來，國內外學者對新股上市后的市場表現采用不同研究方法進行了大量的研究，其研究結論包括長期弱勢和長期強勢。在研究方法上，有的采用事件時間研究法計算新股的累計超額收益率CAR和購入并持有超額收益率BHAR（劉力、李文德，2001；丁松良，2003；李蘊瑋、宋軍和吳沖鋒，2002）；有的采用基于日歷時間研究法的月平均超常收益率法MMAR、CAPM模型和Fama-French模型研究IPO的市場表現（白仲光、張維，2003；江洪波，2007）；甚至，不少學者為了全面考察IPO的市場表現，綜合采用事件時間研究法和日歷時間研究法的各種方法進行比較研究（楊丹、林茂，2006；鄒高峰、張維、常中陽，2012）。盡管國內外學者對新股市場表現的計量方法和實證檢驗進行了充分的研究，得出了不少有價值的研究成果，但國內外學者卻較少關注到研究樣本自身存在的差異性。

上市新股根據首日的表現可以區分為破發新股和非破發新股。自2010年開始，IPO破發日益成為中國資本市場的普遍現象，那么，IPO破發是否會影響新股的市場表現？破發新股和非破發新股上市后的市場表現是否存在差異，究竟孰優孰劣？這是本文研究所關注和回答的問題。

二、文獻綜述

國外學者Stoll和Curley(1970)、Ibboston（1975）、Stern和Bornstein(1985)較早發現了IPO長期表現不佳的現象。此后，Lee（1997）、Eckbo和Norli(2000)、Ritter和Welch（2002）、Gompers和Lerner（2003）等利用不同的期間樣本和研究方法再次證明了美國市場存在新股長期表現弱勢現象。在其他國外市場，Keloharju(1993)、 Levis (1993)、Schlag 和Wodrich（2000）分別就芬蘭、英國和德國的IPO進行了研究，發現了與美國大致相同的結論。針對國外市場普遍存在的IPO長期弱勢現象，不少學者利用一些經濟學模型，提出了價格支持假說（Shiller，1990)、機會之窗假說（Ritter，1991；Loughran，Ritter和Rydqvist，1994）、異質信念假說（Miller，1977）等對此現象進行解釋。然而，Brav和Gompers（1997）、Brav, Geczy和Gompers（2000）、Gompers和Lerner（2003)等的實證研究卻發現了與IPO長期弱勢不一致的結論。顯然，IPO長期表現可能是弱勢，也有可能是強勢。針對其影響因素， Ritter（1991）研究發現，籌資總額、初始收益率、行業、公司IPO時已存續時間對IPO長期表現有影響；Carter，Dark和Singh（1998）研究發現，由資質較高券商承銷的IPO在3年持有期內的長期弱勢程度較輕；Hamao，Packer和Ritter（2000）、Kirkulak（2008）則發現公司業績表現與是否有風險投資背景（VC）有關。

總第445期謝漢昌：IPO破發對上市公司市場表現影響的實證研究????商 業 研 究2014/05在我國學界，不少學者也對IPO長期表現進行了研究。陳工孟和高寧(2000)、李蘊瑋、宋軍和吳沖鋒（2002）、江洪波(2007)、鄒高峰、張維和常中陽（2012）研究發現，中國資本市場存在IPO長期弱勢現象。但是，也有一些學者的實證研究表明我國IPO 的長期表現呈現強勢特征，如劉力和李文德(2001)、丁松良(2003)、白仲光和張維(2003)、楊丹和林茂(2006)等。

綜上所述，IPO長期表現是強勢還是弱勢，目前尚無定論，存在較大爭議。究其原因，主要是由于采用的樣本期間和研究方法不同。通過對文獻的梳理，我們發現，對國內IPO長期表現研究方面存在的不足主要體現在以下三個方面：（1）所采用的研究樣本主要是在IPO抑價盛行的資本市場環境下的數據，需要結合新的資本市場環境進行研究；（2）對IPO市場表現的研究大部分側重于究竟是長期強勢還是弱勢以及采用不用研究方法進行比較研究，對其IPO自身樣本差異性造成的市場表現差異關注較少；（3）對IPO市場表現影響因素的研究相對較少，尤其是對IPO破發影響公司市場表現的研究目前還處于空白。這為本文提供了很好的研究機會和有意義的研究主題。本文所遵循的研究邏輯路徑如圖1所示。圖1IPO破發影響上市公司市場表現的研究邏輯路徑

三、研究方法

在研究IPO市場表現的過程中，使用基于何種時間的研究方法、采用什么樣的市場基準收益率以及如何計算IPO樣本組合的收益率是至關重要的，直接影響到IPO市場表現衡量的準確性和研究結論的科學性和有效性。為了避免單一研究方法產生的研究結論不穩健，本研究綜合使用基于事件時間的研究方法累計超額收益率法（CAR）和購入并持有超額收益率法（BHAR），以及基于日歷時間的研究方法月平均超常收益率法（MMAR）和Fama-French三因素模型。

（一）事件時間研究法

在研究IPO市場表現的文獻中，通常所采用的事件時間研究方法主要是計算累計超額收益率CAR和買入并持有超額收益率BHAR來考察樣本IPO的超常收益率，從而去判斷IPO公司的市場表現。

1．累計超額收益率方法（CAR）

該方法屬于事件研究法，即某一新股IPO上市交易事件發生后投資者每個月都使用相同的資金額投資該股直到期末，累計的收益超出正常收益的程度。IPO樣本第i只股票在第t期的異常收益率定義如下：

ARi，t=Ri，t–Rm，t （1）

CARi=∑Tt=1ARi,t（2）

CAR=1N∑Ni=1CARi（3）

其中，ARi，t是IPO樣本中第i只股票在上市后第t月的月超額收益率，Ri，t表示IPO樣本中第i只股票在上市后第t月的收益率，Rm，t表示與該股票配比的某種基準在第t月的收益率；CARi是IPO樣本中第i只股票在持有期間［1，t］的累計超常收益率。

2．買入并持有超額收益率方法（BHAR）

該方法也屬于事件研究法，采用每月復利計算，表示的是某一新股IPO上市交易事件發生后投資者買入該股后一直持有到期末所獲收益超出正常收益的程度。具體的計算公式如下：

Ri=∏Tt=1(1+Ri,t)（4）

Rm，i=∏Tt=1(1+Rm,t)（5）

BHARi=Ri- Rm，i（6）

BHAR=1N∑Ni=1BHARi（7）

其中，Ri代表IPO樣本中第i只股票持有到期的收益率，Rm，i代表IPO樣本中第i只股票所對應的參照基準持有到期的收益率，BHARi代表IPO樣本中第i只股票所對應的買入并持有超額收益率；T表示持有到期時的期數。

累計異常收益率法和購買并持有異常收益率法對衡量IPO長期表現存在一定的影響。Barber和Lyon（1997）、Lyon等（1997）、Kothari和Warner（1997）、Fama（1998）比較分析了這兩種方法，但沒有達成一致的觀點。Fama（1998）認為 CARs 是合適的度量，是比BHAR偏差更小的方法，因為用BHAR計算長期收益率時復利方法會把個別時期異常數據的效應放大。這正如 Brav等（2000）認為，BHAR傾向于高估IPO長期弱勢的程度。但是，Barber和Lyon（1997）認為BHAR更能符合投資者在現實投資經歷中所選擇的持有策略。

（二）日歷時間研究法

本文采用的日歷時間研究法主要為月平均超常收益率法MMAR和Fama-French三因素模型回歸。雖然有些文獻也使用日歷時間的CAPM模型，但是與CAPM模型相比，Fama-French三因素模型除了考慮市場因子外，還增加了規模因子和成長因子，是眾多相關文獻中更為常用的模型。因此，本文就不再使用日歷時間的CAPM模型。

1．月平均超常收益率方法（MMAR）

月平均超常收益率方法（MMAR）是用日歷時間研究法衡量IPO市場表現的重要方法之一，被不少的研究文獻所使用。具體的計算公式如下：

ARi，t=Ri，t–Rm，t（8）

MARt= 1Nt∑Ntt=1ARi,t（9）

MMAR=1T′∑T′t=1MARt（10）

其中，ARi，t是第i個IPO在日歷時間第t月的超額收益率；MARt是日歷月份第t月全部新股平均月超常收益率；MMAR是全部IPO在整個日歷時間的月平均超常收益率；T′是考察的日歷月份總數；Nt是日歷月份第t月全部新股的個數；其它變量的定義如前。

2．Fama-French三因素模型

該模型是關于IPO市場表現文獻中使用頻率較高的，包括市場因子、規模因子和成長因子，具體的公式如下：

Rp，t-Rf，t=αi+βi（Rm，t-Rf，t）+siSMB+hiHMLt+εi，t（11）

其中，Rp，t表示第t期的IPO組合的收益率；Rf，t表示第t期的無風險收益率；Rp，t-Rf，t是根據日歷時間構造的IPO組合橫截面收益率相對于無風險利率的超額收益率。解釋變量Rm，t-Rf，t為市場因子，體現市場風險溢價，等于股票投資組合的月收益率減去無風險月收益率。SMB為規模因子，體現了以市值衡量的企業規模對股票收益的影響；HML為成長因子，體現了以賬面市值比（BM）衡量的企業成長性對股票收益的影響。αi的估計值則代表了IPO組合的平均單期異常收益率，如果其值顯著小于零，則意味著在平均意義上IPO長期表現不佳。

表1控制變量說明變量名定義主要參考依據承銷商聲譽

Underwriter

將上市前1年主承銷商承銷總金額排序，位于前10名的賦值1，否則為0Carter etal（1998）；Evan Thomas（2000）風險投資或私募

資金是否參與Vcpe

風險投資或私募資金參與公司IPO賦值為1，否則為0Brav，Gomper（1997）；Evan Thomas（2000）公司年齡

Lnage

公司上市年份與成立年份之差與1相加后和的自然對數Ritter（1991）

募集資金規模

Lnsize

實際募集資金的自然對數

Ritter（1991）；Evan Thomas （2000）；鄒高峰、張維、常中陽（2012）上市首日市盈率Lnpe上市首日收盤價對應的市盈率的自然對數鄒高峰、張維、常中陽（2012）上市首日市凈率Pb上市首日收盤價對應的市凈率鄒高峰、張維、常中陽（2012）上市前市場情緒

Market

上市前30個交易日的累計整體A股市場回報率Evan Thomas（2000）；鄒高峰、張維、常中陽（2012）投資者意見

分歧度

Investor

IPO公司上市首日后30日內的日間個股超額波動率，等于IPO 公司的波動率與綜合市場收益率的差Evan Thomas（2000）；鄒高峰、張維、常中陽（2012）

行業種類

Incode

啞變量，以證監會公布的分類和行業代碼為準，若是制造行業賦值1，否則為0Ritter（1991）；Evan Thomas （2000）

四、研究設計

在衡量IPO市場表現的過程中，首先將IPO全樣本根據上市首日的表現分為破發和非破發兩個子樣本，然后綜合運用事件時間法的CAR、BHAR和日歷時間法的MMAR、Fama-French三因素模型，分別運用等權平均CSMAR綜合市場指數收益率、總市值加權平均CSMAR綜合市場指數收益率以及總市值和賬面市值比（BM）類似的配比組合收益率，采用等權平均法計算出破發樣本和非破發樣本的市場表現，并比較兩個子樣本在同一研究法、同一參照收益率基準和同一時段下的市場表現，進而發現它們各自的特征以及存在的差異。此外，本文還采用多元線性回歸模型進一步檢驗IPO破發是否會影響公司的市場表現以及存在著怎樣的影響關系。

（一）IPO公司市場表現的影響因素分析模型

對于IPO破發是否影響公司的市場表現，本文使用下面的模型進行回歸分析。

Performance=β0+β1×Ipofail+β2×Underwriter+β3×Vcpe +β4×Lnage +β5×Lnsize +β6×Lnpe +β7×Pb +β8×Market +β9×Investor+β10×Incode +ξ（12）

在回歸模型12中，被解釋變量Performance是IPO的個股在持有期間T內的累計超額收益率CARi或者買入并持有超額收益率BHARi，并分別采用等權平均綜合市場指數收益率、總市值加權平均綜合市場指數收益率、總市值和賬面市值比（BM）類似的配比組合收益率這三種參照基準收益率，并使用等權平均方法計算CARi和BHARi。模型12中的解釋變量Ipofail是啞變量，代表IPO公司在上市首日是否破發，若破發為1，否則為0。在控制變量選取方面，主要借鑒Ritter（1991），Carter etal（1998），Evan Thomas（2000），鄒高峰、張維、常中陽（2012）等國內外學者關于IPO長期表現的影響因素研究成果，具體的相關控制變量見表1。

（二）樣本選擇與數據初步處理

本文為了盡可能多選擇樣本，選取2005年1月1日至2011年12月31日我國滬深兩市發行的920家A股IPO樣本。以2011年12月31日為截止時間是因為需要為樣本留足至少1年的時間窗口。樣本所使用的月度股票收益率數據已經考慮了紅利、紅股、轉增、配股和增發等因素。樣本數據主要來源于國泰安SCMAR數據庫、Wind數據庫和清科數據庫，并與上市公司公布的招股說明書和上市公告書進行了核對；而Fama-French模型中的無風險收益率（Rf，t）、市場因子（Rm,t-Rf，t）、規模因子（SMB）和成長因子（HML）的數據則直接來自于銳思金融數據庫。此外，本文采用SAS91統計分析軟件進行超額收益的計算和模型的回歸。