詢價制度改革、知情交易者概率與IPO溢價

馬超群，徐光魯，劉 偉，賈 鈺，趙新偉

(1.湖南大學工商管理學院，湖南 長沙 410082；2.上海證券交易所資本市場研究所，上海 200120)

1 引言

信息不對稱與資產定價的關系是市場微觀結構中的熱點問題，已有研究表明信息不對稱與資產定價之間存在重要關系。但是知情交易者引起的信息風險是否成為資產定價的決定因素，目前還沒有統一定論。Easley和O’Hara[1]通過構建非對稱信息下的理性預期模型，指出非知情交易者要求更高溢價以彌補知情交易者帶來的逆向選擇風險，從而高信息風險的股票存在超額收益。而Lambert等[2]指出，Easley和O’Hara[1]的研究中知情交易者帶來的信息風險之所以會被定價，是由于有限的資產組合造成信息風險的不可分散性。對于這一矛盾的研究結論，他們均假設非知情交易者是價格的被動接受者。事實上，非知情交易者并非僅僅為知情交易者提供流動性。

在信息不對稱環境中，非知情交易者通過對市場交易數據[3]、交易策略[4]的學習，對市場信息環境也產生重要影響。特別地，對于知情交易者，這類基于信息驅動的投資者，非知情交易者的學習行為是否影響了知情交易者概率對資產定價的作用。已有研究表明，知情交易者向市場交易價格傳遞了私有信息[5]。本文考慮非知情交易者對市場交易價格信息的學習行為這一因素，對知情交易者概率對資產收益產生正或負向效應這一矛盾的研究結論提供了一種解釋。

關于知情交易者概率與資產收益的關系，已有文獻主要基于信息不對稱理論，從逆向選擇和信息中介兩個角度展開。一方面，從逆向選擇角度，知情交易者利用其掌握的信息優勢使得非知情交易者面臨更大的逆向選擇風險，增加了非知情交易者要求的風險溢價，從而高知情交易者概率的股票存在超額收益。這一理論得到了相關實證研究的支持，其中比較有代表性的研究是Easley等[6-7]的研究。他們選取PIN作為衡量知情交易者概率的指標，發現PIN高的股票存在超額收益，并且進一步通過Fama-French模型發現知情交易者概率(PIN)是影響資產定價的一個重要風險因子。另一方面，從信息中介的角度，知情交易者在交易中向交易價格傳遞了信息，降低了非知情交易者面臨的信息風險及其要求的風險溢價，知情交易者概率對股票收益產生負向影響[8-9]。Gordon等[10]以月度收益為研究對象，發現不同行業中PIN對月度收益產生相反的影響。國內相關研究證實了這一現象，代表性的研究是韓立巖等[11]的研究，他們實證發現PIN作為定價因子是有效的，但是對收益產生負向影響。許靜霞等[12]發現知情交易者利用其掌握的利空消息在信息披露前進行賣空交易，從而對利空消息披露后的股票收益產生負向影響。

針對這一看似“矛盾”的現象，Wang Jiang[8]通過建立兩期資產定價模型指出，知情交易者對資產收益產生正負效應的結果依賴于逆向選擇效應和信息中介效應二者作用的相對大小，但是其解釋背后隱含了非知情交易者對交易價格的學習行為。首先，從逆向選擇的角度，知情交易者對資產收益產生正向影響，主要在于在交易中知情交易者能夠隱藏自己的信息優勢，非知情交易者無法從交易價格中獲取相關信息，從而增加了非知情交易者面臨的風險溢價；其次，從信息中介的角度，即使知情交易者向股價傳遞了信息，倘若非知情交易者不具備學習能力，依然無法降低其所要求的風險溢價。O'Hara[13]發現市場中非知情交易者從市場交易價格中掌握了知情交易者傳遞的信息。Dow和Gorton[14]從相反的角度，發現即使知情交易者向股價傳遞了信息，當非知情交易者無法復制知情交易者的投資組合時，知情交易者依賴其信息優勢仍然可以獲利。可見非知情交易者的學習行為是知情交易者影響資產收益以及對其產生正負效應的關鍵因素。另外，一些學者研究了投資者學習內容的不同對資產收益的影響，如對交易經驗[15]、股票泡沫[16]、資產價值[17]的學習，但這與本文的研究內容無關。本文在知情交易者概率與資產收益的框架下，考慮了非知情交易者對市場交易價格信息的學習行為對其關系的影響。

以新股發行市場為研究對象，主要由于其市場微觀結構以及信息風險環境與成熟股票明顯不同。一方面，新股發行貫穿于一級發行市場和二級市場；由于上市前新股信息較少，上市前證監會、承銷商等通過信息披露機制、詢價機制獲取有關新股的公共信息和私有信息，以供參與二級市場交易的投資者決策。以新股上市為時間節點，更能清晰地界定市場環境中信息作用的時點。另一方面，由于一級市場投資者之間以及一級市場和二級市場之間存在信息不對稱，新股發行面臨的信息風險有著自身顯著的特點，這主要表現在一級市場定價的有效性方面。已有研究表明一級市場發行定價并沒有反映上市前所有的信息[18-19]，一級市場的信息風險沒有完全消除，而知情交易者作為市場中基于信息交易的一類投資者，一級市場的信息風險必然通過知情交易者對二級市場新股價格產生重要影響。特別地，對于中國證券市場IPO溢價，除了歸因于市場上不同參與者的投資決策行為，導致新股發行定價偏低或上市初期交易價格過高，形成IPO抑價或溢價[20-21]，也與我國證券市場新股發行制度不完善及其變遷不無關系[22-23]。本文在探討知情交易者概率與資產收益關系的基礎上，進一步分析了詢價制度改革這一信息風險環境的變化對兩者關系的影響，對詢價制度改革的有效性提出了一種新的解釋。

綜上所述，非知情交易者對市場交易價格的學習行為影響了知情交易者概率與資產收益的關系。O′Hara[13]的理性預期模型假設非知情交易者對市場交易價格存在完全學習行為，從而知情交易者概率對期望收益產生負效應。本文放松了這一假設，引入非知情交易者學習程度，以我國新股發行市場微觀結構為背景對其進行了拓展建立了理論模型，更全面地解釋了知情交易者概率對資產收益影響的作用機制。模型結論表明：非知情交易者對市場交易價格的學習行為影響了知情交易者概率與資產期望收益的關系；當市場非知情交易者存在學習行為時，隨著非知情交易者的學習程度加深，知情交易者概率對資產期望收益產生負向影響。這主要由于知情交易者在交易過程中向市場均衡價格傳遞了自身掌握的私有信息，非知情交易者通過市場價格掌握了這一信息，不僅降低了知情交易者的信息優勢，更降低了非知情交易者要求的風險溢價。由于這種期望收益反映了投資者要求的風險溢價，因此在理論模型推論的基礎上，以IPO溢價為實證分析對象，發現實證結論支持理論推論。另外，通過理論模型發現，在非知情交易者存在學習行為的情況下，隨著市場交易價格信息透明的提高，知情交易者概率對資產收益的邊際效應加強。基于這一結論，本文在詢價制度改革的背景下，發現詢價制度改革降低了知情交易者概率對IPO溢價的邊際影響，這啟示我們詢價制度改革更關鍵在于增加IPO上市初期知情交易者的數量，提高二級市場交易價格的信息透明度。論文的研究結論對于解釋知情交易者在市場中的角色具有重要意義，也為市場設計者提供了新的思路。

2 理論模型

2.1 理論假設

2.2 模型構建

每個投資者最大化其效用函數，新股上市首日其對IPO的最佳需求數量滿足：

s.t.w1=(v-p1)z1

(1)

(2)

(3)

E(v|s1)是知情交易者基于私有信息對IPO價值形成的后驗估計，var(v|s1)為后驗方差。根據Bayes法則，有以下公式成立：

(4)

對(3)式求導并結合(4)式，求得知情交易者的最佳IPO需求量：

(5)

非知情交易者雖然僅僅知道公共信息，但是知道知情交易者的行為會影響到各期的均衡價格，因此非知情交易者通過價格對潛在信息進行推斷。參考Easley和O′hara[1]、O′hara[13]的研究，通過價格認知方程刻畫非知情交易者對市場交易價格的學習行為。非知情交易者對價格的認知方程是股票價值、私有信息、供給的函數，即其對價格的推測函數為：

(6)

其中a、b、c、d是待定的系數。根據(6)式，在給定股票價格p1的信息下，非知情交易者從價格中推斷的信息為：

(7)

將公式(6)代入公式(7)，得到：

(8)

與Easley和O′hara[1]、O′hara[13]研究不同，他們均假設非知情交易者對Θ一定存在學習行為，這與實際市場投資者行為不符。事實上，非知情交易者對Θ不一定存在學習行為。本文放松Easley和O′hara[1]、O′hara[13]研究中對非知情交易者對Θ一定存在學習行為的假設，引入非知情交易者學習程度β，更全面地研究了非知情交易者學習行為對知情交易者概率與資產收益關系的影響。

(9)

在得到信息θ的條件下，非知情交易者推斷未來股價信息，得到關于股價v的后驗均值和后驗方差，類似公式(4)推導，得到下式：

(10)

(11)

其中，ρθ=var(θ|v)-1。由公式(3)可知，非知情交易者的股票需求數量為：

(12)

根據市場均衡條件，兩種類型的投資需求量等于IPO供給數量，即μz1+(1-μ)z2=x。在不影響主要結論成立的條件下，為了分析的簡便，令δ1=δ2=δ，從而求得均衡交易價格：

p1=

(13)

(14)

通過(13)、(14)中θ、β、ρθ、γ1的關系進一步討論知情交易者概率μ對IPO資產收益的影響。通過以下二種情況分析：

(15)

(16)

通過對公式(16)求導，可得：

(17)

可以看出，知情交易者概率對資產收益產生負向影響。這與Easley和O′hara[1]的研究結論相一致。

(18)

其中，

(19)

(20)

(21)

從以上分析可以看出，隨著非知情交易者學習程度的加深，知情交易者概率與資產期望收益的關系發生變化。當非知情交易者的學習程度較弱時，知情交易者能夠很好地 “隱藏”了自己的私有信息并保持自己的信息優勢，此時市場信息風險較高，非知情交易者要求的風險溢價高，從而知情交易者能夠獲得正收益；當隨著非知情交易者學習程度的增加，知情交易者的信息優勢降低，這一方面降低了知情交易者的信息優勢，減少了市場上逆向選擇的風險，這進一步降低了非知情交易者要求的風險溢價；另一方面非知情交易者通過對交易價格的學習并影響了其投資決策，非知情交易者這種學習行為更快地促進了信息向股價傳遞的效率，從而降低了市場信息風險，使得知情交易者概率對資產收益的效果產生負向效應。

基于(17)、(18)，得到推論1：

推論1：非知情交易者對市場交易價格的學習行為影響了知情交易者概率與資產期望收益的關系。當市場非知情交易者存在學習行為時，隨著非知情交易者的學習程度加深，知情交易者概率對資產期望收益產生負向影響。

進一步分析，通過(17)式對(γ1-ρθ)求導,得到：

(22)

基于(22)式，我們得到推論2：

推論2：在非知情交易者存在學習行為的情況下，隨著市場交易價格信息透明的提高，知情交易者概率對IPO首日期望收益的邊際效應越大。

由于ρθ反應了市場交易價格信息的透明度，特別是詢價制度改革以來，中國新股發行體制不斷完善。除了放松發行市盈率的管制，對詢價過程中報價機制進行改革，旨在促進報價的透明性和真實性。特別是，2010年10月，第二階段詢價制度改革要求披露機構投資者報價數據，這一特殊的信息披露機制是否改變了新股上市初期市場交易價格信息透明度？是否改變了知情交易者概率對IPO溢價的邊際效應？基于推論2，本文圍繞著第二階段詢價制度改革，對第二階段詢價制度改革前后知情交易者概率對IPO資產收益的邊際效應進行了實證檢驗，從這一角度對詢價制度改革的有效性進行了探討。

3 研究設計

本文構建4個模型，對研究推論進行實證檢驗。模型1檢驗了市場中非知情交易者的學習行為。模型2進一步對推論1進行了驗證，考察知情交易者概率和IPO溢價的關系。模型3、4在模型2的基礎上加入虛擬變量DV和虛擬變量與知情交易變量的交叉項，研究了詢價制度改革改革后知情交易者概率對IPO溢價的邊際效應變化。

模型1：

HM=c0+c1PIN+c2lnVOL+c3PE+c4ART+c4LR

模型2：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR

模型3：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV

模型4：

IR=c0+c1PIN+c2To+c3RSDL+c4EPS+c5ART+c6NAVS+c7RCR+c8lnTEI+c9lnFee+c10PE+c11LR+c12DV+c13DV*PIN

3.1 因變量

本文通過羊群效應，對非知情交易者的市場學習行為進行驗證。在資本市場，羊群效應通常被解釋為，在信息不充分情況下，投資者通過對市場信息的學習或者在交易中對其他投資者行為進行模仿的行為。早期理論認為，信息不完全的投資者，通過對市場信息的學習并模仿先行者的投資決策，由此產生了羊群效應[24-25]。雖然O′Hara[13]發現市場中非知情交易者對知情交易者向市場交易價格傳遞的信息存在學習行為，但并沒有進行實證檢驗。本文通過羊群效應對非知情交易者的市場學習行為進行驗證。

羊群效應的度量方法通常有兩種方法：一種是度量單只股票的羊群效應，另一種是對整個市場羊群效應進行度量。本文研究單只股票的羊群效應，采用Zhou和Lai[25]的方法衡量單只股票的羊群效應，同時避免了機構投資者較強的假設。

HMi=

(23)

IPO溢價，即投資者要求的風險溢價，采用初始收益率(Initial Return)來衡量。初始收益率等于上市首日收盤價(Price of Close)偏離發行價(Price of Issue)的相對數，即IR=PC/PI-1。同時，為了更能反應投資者要求的風險報酬，在穩健性分析中，對IPO溢價采用市場指數進行調整。

3.2 知情交易者概率的度量

本研究的關鍵在于如何度量市場上知情交易者概率μ。有文獻把知情交易者獲得的信息定義為私有信息，事實上，公共信息也可以是知情交易者獲取信息優勢的來源。 知情交易者通過主動獲取信息或者基于理性分析公共信息獲得信息優勢進行的交易，均屬于知情交易。因此，本文并沒有區別知情交易、知情交易概率、知情交易者概率三個概念。根據已有文獻的度量方法可以分為兩類：直接度量指標和間接度量指標。Easley等[26]構建EKOP模型提出了度量知情交易者概率的指標—PIN，作為直接度量知情交易水平的經典指標,無論從模型構建機理的角度，還是從市場微觀結構理論的角度，PIN能夠較好地度量股票的信息風險。本文采用PIN作為度量知情交易者概率的指標，并改進了其估計過程，使其更適合本文研究。

在EKOP模型中，市場上發生私有信息的概率為α，而且是好消息的概率為1-κ，κ是壞消息的概率。知情交易者基于觀察到的私有信息并提交買賣訂單，由此造成的買賣訂單的不平衡反應了知情交易的水平。市場上買賣訂單的到達量符合特定參數的泊松分布。以每個交易日為“單位時間”，每個交易日買賣訂單到達過程的似然函數為：

(24)

上述似然函數是一個混合泊松分布，π=(α,κ,εb,εs,μ)表示待估參數。其中εb是非知情交易者單位時間內主動性買單的到達率，εs是非知情交易者單位時間內主動性賣單的到達率，μ是知情交易者買賣訂單到達率。B、S表示單位時間內的主動性買賣單成交筆數。假設每天發生信息事件獨立，則樣本區間內總似然函數為：

(25)

在估計出參數π后，計算知情交易者概率的公式為PIN=αμ/(εb+εs+αμ)。

EKOP模型中泊松分布參數的“單位時間”是日度區間，一般選取一個季度作為樣本區間，從而估計出樣本區間內單只股票的知情交易概率。而本研究需要估計上市當天的知情交易概率，研究上市首日當天知情交易概率對IPO溢價的影響，故本文采用許敏和劉善存[27]的做法，以十分鐘為“單位時間”對一天內的交易劃分，將十分鐘內的買賣交易筆數累計，以十分鐘內的買賣交易筆數進行估計，從而估計出上市首日當天的知情交易概率。

針對上述似然函數，通常采用極大似然估計，但是傳統的極大似然估計存在兩個缺陷：(1)對初始值的設定比較敏感，容易收斂到局部最優解；(2)對于上述似然函數，其參數估計值經常收斂到邊值解，從而造成參數估計的“有偏性”[28]。與之相反，遺傳算法(Genetic Algorithm)具有較好的全局并行搜索能力，全局搜索能力極強，但收斂速度較慢，局部搜索能力差。

本文結合兩種算法的優點，一方面采用遺傳算法進行全局搜索，另一方面采用極大似然估計法進行局部搜索，以得到似然函數的最優解。該算法對參數初始值進行遺傳操作，并進行全局搜索，用極大似然估計法對遺傳操作的初始值進行局部尋優，在保證全局最優的情況下，提高了遺傳算法的收斂速度。非線性規劃遺傳算法NLGA(Non-linear Genetic Algorithm)過程如下：

(1)初始化種群：編碼染色體π=(α,κ,εb,εs,μ)，對染色體采用浮點小數編碼。

(3)遺傳操作：

1)選擇：采用“輪賭盤法”選擇進行交叉、變異的個體。

(4)局部尋優：對于步驟3的遺傳操作，每進化5代，以所得的初始值利用極大似然估計，進行局部尋優。并對最優個體進行替代，返回步驟3的遺傳操作，直至進化結束。

由于(24)式不存在解析解，無法通過解析解直接驗證上述算法的收斂性。本文采用蒙特卡洛模擬，以初始參數值π0=(0.6,0.4,30,20,30)產生2000組模擬數據，通過模擬數據，分別用基本遺傳算法和非線性遺傳算法進行估計，圖1給出了兩種算法每一代進化過程中最優適應度函數值的變化過程。其中，兩種算法種群規模sizepop=30，進化代數maxgen=50，交叉概率為0.4，變異概率為0.05。

圖1 優化過程

非線性規劃遺傳算法收斂到π1=(0.40,0.38,29.85,19.90,29.93),基本遺傳算法收斂到π2=(0.64,0.40,27.86,23.22,30.18)。可以看出，非線性規劃遺傳算法在收斂速度和求解精度上，明顯優于基本遺傳算法。

3.3 控制變量

借鑒國內外有關研究，并結合我國實際情況，選用以下指標作為控制變量。

3.3.1 反應投資者情緒的指標。根據溢價理論，投資者情緒是影響IPO溢價的重要因素。由于中國股市缺少“賣空限制”，投資者“跟風”和“狂熱”的表現尤為突出，新股上市短期均衡價格由樂觀情緒的投資者決定。針對詢價制度下新股發行這一過程，選取換手率(TO,Turnover Rate)作為投資者情緒的衡量指標[11]。

3.3.2 反應公司自身風險的指標。控股比例(RCR,Rate of Control Right)，以第一大股東持股比例衡量。Jesrn和Meckling[29]認為，公司控股比例越高，代理成本越低，公司內在價值越高，有助于投資者提高對公司價值的預期。但是，隨著控股比例的提高，會減少對公司控制者的約束能力，降低了投資者對公司價值的預期，從而降低了IPO溢價，因此，控股比例對IPO溢價的影響不確定。

3.3.3 發行前不確定性。Beatty和Ritter[30]的研究表明，“事前不確定性”與IPO溢價呈正相關關系。發行前不確定性越大，首日收益率較高，以彌補信息風險帶來的逆向選擇風險所造成的損失。在參考Beatty和Ritter[30]研究的基礎上，選取流動比率(LR,Liquidity Ratio)、發行前總股本(TEI,The Total Equity Before Issuing)、應收賬款周轉率(ART,Accounts Receivable Turnover)、營業收入(OI,Operating Income)四個指標，以上指標均采取上市前三年的均值。另外，選取了首發發行費用(Fee,New Shares Issuing Expenses)、發行前每股凈資產(NAVS,Net asset Value Per Share)。

3.3.4 市場供求關系。Lowry等[31]的研究表明市場供求關系是影響IPO溢價的重要影響因素。Chi Jing和Padgett[32]認為市場供需不平衡，可以解釋中國新股較高的初始收益。他們認為“額度制”限制了關于發行公司質量的信號向投資者的傳遞，政府對新股發行的控制加劇了中國新股抑價發行的程度，從而產生更高的IPO溢價。在參考以上研究的基礎上，將每股收益(EPS,Earnings Per Share)、網上中簽率(RSDL,Rate of Successful Drawing Lots in Stock Subscription)、市盈率(PE,Price Earning Ratio)作為影響市場供求關系的指標作為控制變量。

5.詢價制度改革的虛擬變量(DV，Dummy Variable)。詢價制度改革前上市的股票，DV=0；詢價制度改革后上市的股票，DV=1。

4 樣本、數據與實證結果

4.1 樣本選取和描述性統計

以2010年11月第二次詢價制度改革為背景，選取2010年1月到2011年12月為樣本區間。由于中小板上市公司受詢價制度改革的影響較大，因此選取此區間在中小板首發上市的公司為研究對象。樣本篩選如下：(1)剔除上市首日收益為負的公司。本文以具有正收益的抑價或溢價類型的初始收益為研究對象，由于首發破發的股票較少，在中國股票市場并不常見，本文沒有把它作為研究對象。(2)剔除PIN 值為極端值0和1、財務數據缺失的公司。最終樣本為278家上市公司。本文的財務數據來自Wind資訊金融終端，高頻數據來自Wind Level-2數據庫。采用Wind Level-2數據庫中帶有買賣標記的數據計算PIN值，避免了因主觀判斷不準確造成的估計偏誤。高頻數據的批量處理和PIN值的計算使用MATLAB 2012b軟件，實證研究使用的是Stata 13.0軟件。另外，本文對連續性變量進行了上下1%的 winsor縮尾處理。

表1給出了PIN參數估計的分位數統計描述。t統計量對應的原假設PIN=0。α的均值為0.617，說明新股上市首日私有信息發生的可能性較大。一方面，新股定價并沒有反應上市前所有的信息，包括私有信息[18]和公共信息[19]。另一方面，這與新股發行體制不無關系，由于對參與詢價的網下申購投資者數量的限制，并非所有的知情交易者能夠參與新股詢價，而這部分未參與網下申購的知情交易者，只能通過網上申購進入二級市場，形成上市后的知情交易。這也說明了探討新股上市首日知情交易影響新股資產收益的必要性。

表1 PIN參數估計的分位數描述統計

表2 變量定義

4.2 實證結果

首先，通過模型1對市場上非知情交易者對市場交易價格的學習行為進行檢驗。

從表3可以看出PIN對羊群效應變量HM在10%的置信水平下顯著，說明在交易中，非知情交易者對知情交易者向交易價格傳遞的信息進行了學習，非知情交易者由于存在有限理性或者其獲取信息成本太高，通過對交易價格進行信息推斷，進而采取相應策略。通過理論模型分析，知情交易者概率在上市首日對資產期望收益產生了負效應。那么，知情交易者基于獲得的信息優勢而作出的投資決策行為，究竟在上市首日會對二級市場的IPO溢價產生什么作用？通過實證模型分析，進一步給出了答案。表4給出了只保留顯著變量情況下的多元回歸分析的結果。在只保留顯著變量情況下的回歸結果與原回歸結果在顯著性和正負關系上一致，實證結果具有穩健性。通過計算膨脹因子，自變量中最大的膨脹因子為2.19，所有自變量的平均膨脹因子是1.62，可以看出模型不存在嚴重的多重共線性。在控制了其它解釋變量后，PIN的系數為-2.273，t統計量是-8.73，在1%的置信水平下顯著，通過了顯著性檢驗。PIN的系數為負數，說明知情交易者概率對IPO溢價產生了負向影響，驗證了推論1。

表3 多元回歸結果

表4 多元回歸結果

與Easley等[6-7]等研究結論不同，Easley等在Fama三因素模型的基礎上，將PIN作為第四個因子加入回歸，證明了知情交易者概率確實可以作為一種風險因子進行定價，因此信息風險越高，相應的溢價補償越高。在我國IPO溢價的研究中，知情交易者概率對其產生負效應其主要原因在于，傳統觀點認為知情交易者之所以能夠利用其掌握的私有信息獲得超額收益，其假設在交易過程中知情交易者能夠很好地隱藏自己的信息優勢，并且非知情交易者并不具備學習能力。然而實際交易中，知情交易者向股價傳遞了自己的私有信息，這被非知情交易者所掌握，這一方面降低了知情交易者的信息優勢，減少了信息不對稱程度，另一方面，降低了非知情交易者所要求的風險溢價，并進一步降低了股票收益，從而知情交易者概率對股票收益產生負向影響。本文的實證結論也證實了O′Hara[13]研究中非知情交易者存在的市場學習行為。

本文的一個重要目標是考察詢價制度改革是否改變了知情交易者概率對IPO溢價的邊際效應，為了驗證筆者的論斷，進一步分析制度改革對IPO溢價的影響 ，在表4模型(2)的基礎上，引入了年度虛擬變量得到模型(3)。依據虛擬變量的取值，把樣本區分為兩組，DV=0代表改革之前上市發行的新股，DV=1代表改革之后上市發行的新股。根據模型(3)的回歸結果，DV系數顯著為負，在1%置信水平下顯著，說明制度改革后IPO溢價顯著降低了，制度改革的確是影響IPO溢價的一個重要因素。

在表4的模型(4)中，年度虛擬變量DV系數為-0.407，t統計量為-2.77，在1%置信水平下顯著，顯著性水平并沒有改變。交叉項DV*PIN的系數為1.02，t統計量為2.05。進一步分析，改革前，DV=0，PIN的系數為-2.54，改革后，DV=1，PIN的系數為-1.52，PIN系數的絕對值降低了，說明詢價制度改革后知情交易者概率對IPO溢價的邊際效應降低了，詢價制度改革并沒有增加知情交易者概率對IPO溢價的邊際影響。這主要由于：(1)參與新股交易的知情交易者數量不足。知情交易者的存在有利于股價回歸其真實價值。知情交易者不僅向交易價格傳遞了私有信息，提高了股價信息含量，同時也降低了股價的波動性。一些學者發現非知情交易者數量的過多是造成股價暴跌的原因，這從反面證明了本文研究結論。另外，第三階段詢價制度改革取消了網下配售股份3個月的鎖定期，允許參與詢價的機構投者參與新股上市初期的交易，這一舉措增加了上市初期知情交易者的數量，這與本文的研究結論相符。可見，允許更多知情交易者參與IPO上市初期交易，更好地向市場價格傳遞信息，可以有效降低新股上市初期的信息風險。(2)交易價格信息透明度有待提高。知情交易者向交易價格傳遞了信息，非知情交易者由于獲取信息成本太高或者其它限制因素無法獲得額外信息，使得交易價格對非知情交易者彌足重要，這啟示我們，詢價制度改革不僅在于提高定價信息透明度，同時應提高二級市場交易價格信息透明度，使得更多非知情交易者在交易過程中掌握更多信息，減少非知情交易者要求的風險溢價。

5 穩健性分析

模型1的回歸結果表明，知情交易者概率對羊群效應產生顯著影響。但準確估計模型1面臨一個內生性問題，即影響羊群效應的因素很多，其中也會影響上市首日知情交易者概率。另外，不但知情交易者概率會影響羊群效應，也可能存在一種相反的機制，即羊群效應也影響知情交易者概率，知情交易者概率和羊群效應存在一種反向因果關系。為此，本文采用買賣價差作為工具變量，采用兩階段最小二乘法解決模型1的內生性問題。首先，采用豪斯曼檢驗方法檢驗模型內生性問題是否存在，Hansman統計量很強烈地拒絕了PIN是外生變量的原假設，說明PIN的確是一個內生性變量。表5給出了兩階段最小二乘法的第二階段回歸結果，在控制了內生性問題后，知情交易者概率對羊群效應的影響在10%置信水平下顯著，顯著性水平沒有發生顯著性改變，說明實證結果具有穩健性，非知情交易者的確存在對市場交易價格信息的學習行為。

表5 兩階段最小二乘回歸結果

對于模型2～4，其內生性問題主要來源于知情交易者概率的測量誤差，為了避免指標選取造成的實證檢驗的偏誤，對于模型2～4，選取VPIN[33-35]作為PIN的替代指標。另外，為了更準確的反應投資者要求的風險溢價，對IPO溢價采用市場指數進行調整，其結論均未改變，限于篇幅，未詳細列出。

6 結語

針對知情交易者概率對資產收益產生正或負向效應的結論，本文從非知情交易者對市場交易價格學習的角度進行了解釋。具體講，在O′Hara[13]理性預期模型框架下，放松了非知情交易者對交易價格信息存在完全學習行為的假設，通過引入非知情交易者學習程度，以新股發行市場為背景建立了理論模型，對知情交易者概率影響資產收益的作用機理提供了一種解釋，并進行實證檢驗。主要研究結論如下：

(1)非知情交易者對市場交易價格的學習行為影響了知情交易者概率與資產收益的關系；當市場非知情交易者存在學習行為時，隨著非知情交易者的學習程度加深，知情交易者概率對資產收益產生負向影響。已有研究中知情交易者概率對資產收益產生正或負向效應的原因在于，傳統研究結論建立在其假設知情交易者能夠很好地在交易中“隱藏”并保持自己的信息優勢，非知情交易者并不具備學習能力。然而考慮非知情交易者的學習能力，這一結論并不成立。非知情交易者通過學習掌握了這一信息，降低了知情交易者的信息優勢以及非知情交易者要求的風險溢價。本文考察了非知情交易者對市場交易價格信息的學習行為對兩者關系的影響，全面地解釋了知情交易者概率影響資產收益的作用機理。(2)第二階段詢價制度改革后，知情交易者概率的邊際效應反而降低。這一研究結論反應了雖然第二次詢價制度改革提高了發行期間定價信息的透明程度，提高了定價效率，降低了抑價程度，但是IPO溢價更多地來自二級市場的溢價。詢價制度改革不僅要增加上市初期知情交易者的數量，同時也需要提高交易價格信息的透明度，使得非知情交易者在交易中獲得更充分的交易信息，進一步降低其所面臨的風險溢價。

此外，本文采用的非線性遺傳算法也有效彌補了相關研究方法的不足。在高頻數據環境下，隨著數據可獲得性的提高和數據量的指數級增長，智能優化算法的優勢會進一步體現出來，在高頻數據處理和政策評價等方面會得到更廣泛的應用。