一、引 言
大量研究发现,上市公司内部人具有信息优势和择时能力,在某些条件(如交易量特别大、投资者保护偏弱等)下不仅能够凭借这种优势精准选择交易时机(Stein,1996;Dittmar和Field,2015;Ali和Hirshleifer,2017),还有可能联合市场机构,通过信息型市场操纵牟取暴利。特别是在减持前人为发布和传播利好信息,配合公司行动和连续交易,抬拉股价高位减持套现,等价格回落后再低位增持股票,在公司控制权不变的情况下获得巨额现金。如此反复,财富就在“追涨杀跌”的新交易者和操纵者之间发生了转移。信息型市场操纵与财富转移的典型模式见图1。
财富转移是指在资产价格变化前后,实物和金融资产的保有结构在个别经济主体或经济部门之间发生的变化。在资本市场层面,Sloan和You(2015)考察了上市公司利用股权交易进行财富转移,国内学者也发现上市公司或机构投资者在定向增发(张鸣和郭思永,2009)和并购重组(薛健和窦超,2015)过程中存在明显的财富转移行为。股权分置改革以后,A股上市公司重要股东的获利方式发生变化,减持成为其实现投资收益和财富转移的主要渠道(吴育辉和吴世农,2010;易志高等,2017)。2008−2016年,A股上市公司内部人大宗交易减持的规模为3092.53亿元,而这些公司同期的净利润仅为3068.61亿元。①对这些公司而言,减持套现获得的收益有可能超过投资实体经济产生的价值。因此,为了尽可能高位减持套现,上市公司内部人有动机联合市场机构,脱离基本面深度挖掘甚至“操纵”种种利好信息,营造“牛股”的假象来吸引跟风盘。此外,A股市场特殊的“二八定律”(即占比20%的散户贡献了80%的成交量)②为信息型市场操纵提供了土壤,市场主体热衷于“制造热点”和“跟风炒作”,导致财富在新交易者和操纵者之间发生转移,加速了产业资本脱离实体经济。
准确识别信息型市场操纵在理论和实践上有不小的难度。首先,与传统的市场操纵仅通过交易或虚假信息不同,信息型市场操纵利用真实信息,与公司行动相互配合,容易被市场接纳。现有的市场操纵研究似乎没有跟上实践的发展(Hart,1977;Allen和Gale,1992;徐龙炳等,2018)。其次,信息型市场操纵既与传统的交易操纵存在关联,又与内幕交易、信息披露违规等行为交织混杂,除非被查处,否则很难从经验上判断操纵者在上市公司发布利好消息之后的交易是有预谋的操纵还是股价上涨后的正常行为。
本文以2008—2016年我国A股上市公司为样本,试图识别并验证上市公司内部人大宗交易减持过程中的信息型市场操纵行为及财富转移效应。研究发现:第一,内部人减持期间存在明显的信息操纵迹象,主要方式包括在减持前发布“高送转”“业绩预增”“并购重组”等利好信息。减持完成之前公司股价暴涨的概率异常上升,减持完成之后股价暴跌的概率异常上升。第二,操纵的动机是为了在短期内拉升股价,掩护内部人高位减持套现,实现财富转移效应最大化。本文还以限售股解禁作为减持的工具变量,证实内部人交易驱动信息操纵,而非利好信息驱动内部人交易。此外,内部人减持完成之后低位增持股票的概率也异常上升,说明这部分内部人减持的动机不是改善正常的流动性需求。第三,操纵结束之后公司股价持续下跌,说明减持期间释放的利好信息并非实质性利好,而是人为制造的虚假繁荣(即具有欺诈属性)。更重要的是,企业正常的生产经营活动受到扭曲,公司未来业绩下滑。
本文可能的贡献在于:第一,揭示了资本市场交易行为影响实体经济的新途径,扩展了资本市场对实体经济影响的研究。以往研究发现上市公司股票回购会损害公司的投资和就业(Almeida等,2016),本文则发现上市公司内部人减持套现会导致公司未来业绩下滑,扭曲企业的生产经营活动。第二,明确界定了信息型市场操纵的本质特征、动机和经济后果,丰富了信息型市场操纵的相关研究。以往的研究侧重于考察信息操纵的表现,发现高管减持期间存在主动管理媒体披露的行为(易志高等,2017)。本文的研究进一步揭示了信息型操纵的动机和经济后果。第三,为市场错误定价提供了新的解释。现有文献认为,选择性信息披露有助于纠正错误定价(Ljungqvist和Qian,2016;Crawford等,2017;Pasquariello和Wang,2021)。本文则发现在投资者保护机制尚待完善的情况下,套利者会有选择地披露利好信息,吸引散户跟风买入,进而推高股价脱离基本面。因此,信息操纵所引发的股价异动加剧了市场的错误定价。
二、理论分析与研究假设
(一)理论分析
1. 市场操纵理论基础
传统市场操纵指的是操纵者通过连续交易、约定交易、洗售交易和传播谣言等手段,人为影响证券交易价格或交易量,试图诱使其他投资者跟风交易以获利的行为,其本质是意见欺诈。Hart(1977)最早从理论上证明了市场操纵的存在性。他发现,当经济处于动态不稳定状态,或者投资者的需求函数非线性时,市场操纵就有利可图。随后的研究证实,操纵者会通过购买股票推动股价上涨,然后以虚高的价格卖出,从而快速获利。一方面,噪声交易者无法分辨股价快速上涨背后的推动力量源自知情交易者还是信息操纵者,就有可能跟风买入(Grossman,1976);另一方面,投资者的处置效应和损失厌恶心理(售盈持亏)又使操纵者在卖出股票时价格下降的幅度小于买入股票时价格上涨的幅度(周春生等,2005)。
2. 市场操纵演化
虽然学术界很早就开始关注信息在市场操纵中的作用,但是以往研究关注的重点局限在释放虚假信息和散播谣言等维度(Allen和Gale,1992)。Benabou和Laroque(1992)发现,具有信誉的市场参与者(包括财经记者、分析师和公司高管)可以通过策略性地披露虚假信息而实现长期价格操纵。Van Bommel(2003)基于知情交易者模型,研究了谣言在市场操纵中的作用。他发现,知情交易者在资金不足时有可能通过散播谣言来操纵股价。另外,互联网的普及增加了谣言出现的概率和传播范围。由于谣言是交易操纵力量不足时的进化策略,这一理论模型在交易操纵和信息操纵的研究之间架起了桥梁(蒋舒和郑辉,2005)。③
与传统的市场操纵仅利用交易或虚假信息不同,信息型市场操纵利用真实信息。第一,市场操纵的主体不一定是资金实力雄厚、熟悉二级市场形态的专业机构或大户投资者。作为策划和实施公司重大事项的主体,上市公司内部人也有可能在操纵股价的动机下人为“挖掘”甚至“创造”利好信息。第二,公司内部人还能控制和影响信息披露的节奏。例如,将原本可以一次性披露的利好信息拆分成若干次披露,或者刻意披露一些看起来“利好”却无关紧要的信息,以满足不同时间段交易获利的需求。第三,市场操纵主体通过信息操纵和交易操纵的相互配合,能够将其交易套利的动机“合理化”。不难看出,内部人操纵信息的作用通过意见欺诈和引诱交易来体现,因而仍然归属为市场操纵的研究范畴。
(二)研究假设
1. 内部人减持期间的信息操纵行为
(1)信息操纵的时机和内容。本文从理论与经验两个角度分析信息操纵的时机和内容。在理论层面,如果内部人减持期间的信息披露满足以下特征,则内部人有利用信息披露来操纵市场的嫌疑。第一,披露的信息脱离公司基本面价值且容易受到操控;第二,披露的信息能够给市场带来股价大幅上涨的想象空间;第三,披露的信息可引发持续的、大范围的炒作。从交易角度看,如果公司利好信息的披露源于基本面的改善而非人为操纵,则内部人似乎不应该大规模减持公司股票。在经验层面,基于我国资本市场的监管处罚案例,本文选取“高送转”“业绩预增”“并购重组”等信息发布的概率和密度来识别内部人的信息操纵行为。④基于上述分析,本文提出以下假设:
假设1a:在上市公司内部人减持期间,操纵发布“高送转”“业绩预增”“并购重组”等利好信息的概率和密度异常上升。
(2)信息操纵与交易操纵叠加。如果上市公司披露利好信息的目的是操纵股价,则这些公司股价异常波动的可能性更高。周春生等(2005)发现,在股价被操纵的过程中,存在一个建仓期和抛盘期,操纵期内股价波动更大,换手率更高。Aggarwal和Wu(2006)也发现,多数情况下股票价格在操纵过程中异常上升,操纵结束后呈下跌趋势。为了配合减持需求,除了拼凑炒作市场热点和层层加码连续发布利好信息外,操纵者也有可能叠加交易操纵来快速拉升股价,以制造“牛股”的假象来吸引跟风盘(Benabou和Laroque,1992;Barber和Odean,2008)。特别是在散户特征极强的A股市场上,涨跌停制度产生的“磁吸效应”放大了操纵者获利的可能。股价越接近交易上限,越会吸引投资者关注,很多散户甚至会回过头来寻找信息支撑,从而加速股价持续上涨(Seasholes和Wu,2007;Hsieh等,2009;王朝阳和王振霞,2017)。基于上述分析,本文提出以下假设:
假设1b:受到信息操纵的股票,股价异常波动的概率和幅度更高。
2. 信息型市场操纵的动机
上市公司内部人减持的信号效应和股票供给冲击很容易引发股价下跌。为了实现财富转移效应最大化,内部人在减持期间自然有动机操纵利好信息的发布来拉升股价。因此,证明信息操纵获利的可能性是分析操纵动机的前提。本文推测,内部人在减持期间操纵“高送转”“业绩预增”“并购重组”等利好信息的发布能够精准刺激股价,实现高位套现。
高位套现的减持动机可能驱使内部人操纵信息(交易驱动信息),但利好信息发布所引发的股价上涨也有可能导致内部人临时决定减持股票(信息驱动交易)。因此,利好信息发布对内部人交易存在显著的反向影响。根据谢德仁等(2016)以及张晓宇和徐龙炳(2017)的研究,本文采用限售股解禁作为上市公司内部人减持的工具变量,解决反向因果所导致的内生性问题。此外,人为控制证券市场行情的操纵动机,还可以借助操纵者的反向交易行为予以认定。一方面,市场对减持信号产生的过度反应和恐慌情绪,为内部人伺机增持股票和维持控制权创造了新的机会;另一方面,如果内部人减持的动机是为了改善自身的流动性需求而非牟取暴利,则很难在短时间内归集资金重新增持购回股票。这样,在内部人持股不变的情况下,财富就从“追涨杀跌”的交易者那里转移到操纵者手中。基于上述分析,本文提出以下假设:
假设2:高位减持套现是内部人操纵信息的重要原因。
3. 信息型市场操纵的经济后果
欺诈假说认为,如果前期操纵释放的利好信息缺乏公司基本面价值的支撑,随着经营周期的持续,当公司的负面信息累积到一定程度而达到极限时,这些负面信息最终会释放到市场中(Hutton等,2009)。本文推测,与正常减持的公司相比,信息操纵的公司会经历更加严重的股价持续下跌和崩盘。不仅如此,信息操纵在加速产业资本脱离实体经济的过程中还会占用公司大量资源。由于内部人通过信息操纵和财富转移获取的收益很可能超过投资实体经济产生的价值,长此以往,企业家会缺乏动力推进公司成长,或者盲目跨界进入新行业,经营业绩也会下滑。因此,信息操纵所带来的“兴奋剂”效应不仅会损害中小投资者的利益(Van Bommel,2003),也会给上市公司和实体经济造成创伤。基于上述分析,本文提出以下假设:
假设3:信息型市场操纵不利于公司长期发展。
三、研究设计
(一)样本选择
本文以2008—2016年我国A股上市公司作为研究样本。2008年4月20日,证监会出台《上市公司解除限售存量股份转让指导意见》,大宗交易市场活跃起来。2017年5月27日,证监会发布《上市公司股东、董监高减持股份的若干规定》,通过大宗交易操纵市场的行为受到监管限制。考虑到信息操纵和大宗交易需要一定的运作时间,本文对减持样本进行如下处理:如果两次大宗交易减持之间不超过60天,则合并为同一轮减持。将每轮减持中的第一次交易日确定为此轮减持的起始日,将此轮减持中的最后一次交易日确定为此轮减持的结束日。本文将减持起始日前30天、60天和90天定义为减持前期,将减持结束日后30天、60天和90天定义为减持后期。样本期内共有2284轮减持,涉及816家上市公司。
本文按以下程序筛选数据:第一,由于会计处理方法的差异,剔除金融类公司样本;第二,剔除样本期内被ST、PT和退市等特殊处理的样本;第三,剔除相关数据缺失的样本。本文最终得到13454个公司—年度观测值。此外,为了缓解异常值的影响,本文对所有连续变量进行了上下1%的缩尾处理。本文的上市公司内部人大宗交易减持数据、信息披露数据、财务数据、股票价格数据和公司治理数据来自CSMAR数据库,限售股解禁流通数据来自RESSET数据库。
(二)变量定义
1. 大宗交易减持
本文之所以聚焦大宗交易,主要是基于以下三个原因:第一,普通竞价减持存在减持规模和期限等方面的限制,大宗交易减持可以规避这些监管限制且更加隐秘,更容易滋生市场操纵行为;第二,只有减持股份达到一定规模,企业内部人才有足够的动力操纵信息来提高减持收益;第三,大宗交易的企业内部人一般具有信息优势和决策优势,能够操纵上市公司的信息披露。如果公司内部人进行大宗交易减持,则变量BlockSell取值为1,否则为0。
2. 信息披露
(1)利好公告数量(SAnn)。本文借鉴Givoly和Palmon(1985)的研究,以上市公司公告前后股票价格的市场表现作为“利好公告”的判断依据。如果公告发布前后1个交易日内的累计收益率超过市场收益率,本文将其定义为利好公告。下文还将结合我国资本市场的实际情况,定义三种最受操纵者青睐的利好公告。
(2)高送转公告(GSZ)。本文参考业界惯例以及李心丹等(2014)的做法,当公司每10股送红股数和转增股数大于5时,GSZ取值为1,否则为0。
(3)业绩预告(ICS)。根据我国的业绩预告制度,上市公司强制发布的年度业绩预告包括预增(预计盈利且比上年增加50%及以上)、预减、亏损和扭亏,自愿发布的业绩预告包括略增(预计盈利且比上年增加50%以下)、略减和续盈。与强制性的业绩预增公告相比,自愿发布的业绩略增公告完全出于内部人的意愿,留给管理层的操纵空间更大。当公司发布业绩“略增”预告时,ICS取值为1,否则为0。
(4)并购公告(MA)。国内外研究表明,大多数并购活动并不能为并购公司创造价值。由于我国独特的股票发行审核制度,在过去很长一段时间内,并购重组都是A股市场的热点题材,短期内一般都能引起收购方股价大幅上涨(Sirower,1997;张新,2003)。因此,并购重组成为上市公司内部人牟取暴利的工具。当上市公司发布并购重组公告时,MA取值为1,否则为0。
(5)信息操纵综合指标(InfoMa)。如果公司发布“高送转”“业绩预增”或“并购重组”公告,InfoMa取值为1,否则为0。
3. 股价暴涨暴跌
股票的涨跌停不仅直接刻画了股票价格的极端变化,还是所有市场参与者公认的、制度化的暴涨暴跌信号(高昊宇等,2017),因而也是信息型市场操纵及其经济后果最直接、最显性的度量方式。本文使用股票的涨停事件来识别信息操纵的交易行为,使用跌停事件来考察信息型市场操纵的经济后果。本文变量定义见表1。
变量符号 | 变量名称 | 变量定义 |
SAnn | 利好公告数量 | 公司发布的利好公告量 |
GSZ | 高送转 | 公司每10股送红股数和转增股数大于5时取值为1,否则为0 |
ICS | 业绩预告 | 公司发布业绩“略增”预告时取值为1,否则为0 |
MA | 并购公告 | 公司发布“并购重组”公告时取值为1,否则为0 |
InfoMa | 利好信息披露 | 公司发布“高送转”“业绩预增”或“并购重组”公告时取值为1,否则为0 |
Down | 跌停次数 | 股票跌停(且综合市场收益率波动小于5%)的次数 |
Up | 涨停次数 | 股票涨停(且综合市场收益率波动小于5%)的次数 |
Buy | 是否增持股票 | 内部人是否增持公司股票 |
BlockSell | 是否大宗交易减持 | 内部人是否通过大宗交易减持公司股票 |
OffLock | 限售股解禁 | 公司是否有限售股解禁 |
ΔTurn | 平均超额换手率 | 股票前后两期的月平均换手率之差 |
Ret | 特有收益均值 | 公司股票特有收益的均值 |
Vol | 特有收益波动率 | 公司股票特有收益的标准差 |
Skew | 特有收益偏度 | 公司股票特有收益的偏度 |
Size | 公司规模 | 公司总资产账面价值的自然对数 |
BM | 账面市值比 | 股东权益合计/总市值 |
Lev | 财务杠杆 | 公司总负债/总资产 |
ROA | 总资产收益率 | 净利润/总资产 |
Growth | 公司成长性 | 公司营业收入增长率 |
Dual | 两职合一 | 公司董事长与总经理为同一人时取值为1,否则为0 |
Salary | 高管薪酬 | 高管前三名薪酬总额的自然对数 |
Shrcr1 | 第一大股东持股 | 第一大股东持股比例 |
Shrhfd5 | 股权集中度 | 公司前五大股东持股比例的平方和 |
absDA | 公司透明度 | 可操纵性应计利润的绝对值,根据修正的Jones模型(Dechow等,1995)计算得到,absDA越大,公司透明度越低 |
(三)研究方法
对于假设1a和假设1b,本文主要采用T检验、Wilcoxon符号秩和检验以及回归分析方法。在回归分析部分,参考李心丹等(2014)以及谢德仁等(2016)的做法,本文构建如下模型来检验内部人减持期间是否存在信息操纵现象:
$ {Info}_{i,t}={{\beta }_{0}}+{\beta }_{1}{{BlockSell}_{i,t}}+\beta {{Controls}_{i,t-1}}+{{\varepsilon }_{i,t}} $ | (1) |
其中,Info表示上市公司信息操纵变量,分别使用SAnn、GSZ、ICS、MA和InfoMa来衡量。BlockSell表示上市公司内部人是否大宗交易减持(以及大宗交易减持的次数),Controls表示控制变量,i表示企业,t表示年度。此外,本文所有回归模型中都控制了行业与年度固定效应。
本文选取信息操纵综合指标InfoMa=1的子样本,构建如下模型来检验内部人减持过程中是否存在股价暴涨的现象:
$ {Up}_{i,t}={\beta }_{0}+{\beta }_{1}{BlockSell_{i,t}}+\beta {Controls}_{i,t-1}+{\varepsilon }_{i,t} $ | (2) |
其中,Up表示上市公司股价是否发生涨停事件(以及涨停的次数)。一般认为,公司发布利好信息会导致股价上涨,内部人减持会引起股价下跌。因此,如果减持导致股价涨停的概率更高,则与正常交易的直观结果不同,说明信息型市场操纵与财富转移更有可能伴随股价暴涨。
本文选取BlockSell=1的子样本,构建如下模型来检验受到信息操纵的股票是否存在股价暴跌的现象:
$ {Down}_{i,t}={\beta }_{0}+{\beta }_{1}{InfoMa}_{i,t}+\beta {Controls}_{i,t-1}+{\varepsilon }_{i,t} $ | (3) |
其中,Down表示上市公司股价是否发生跌停事件(以及跌停的次数)。由于减持事件本身可能导致股价暴跌,本文仅考察在减持的公司样本中,发布利好信息与股价跌停的关系。如果利好信息发布导致股价跌停的概率更高,则与正常交易的直观结果不同,说明信息型市场操纵与财富转移更有可能伴随股价暴跌。
对于假设2,本文主要采用事件研究法、回归分析方法和工具变量法。在回归分析部分,本文选取信息操纵综合指标InfoMa=1的子样本,构建如下模型来检验内部人减持过程中是否存在股票增持的现象:
$ {Buy}_{i,t}={\beta }_{0}+{\beta }_{1}{BlockSell}_{i,t}+\beta {Controls}_{i,t-1}+{\varepsilon }_{i,t} $ | (4) |
其中,Buy表示上市公司内部人是否增持股票(以及增持的次数)。
对于假设3,本文构建如下模型进行检验:
$ {Performance}_{i,t}= {\beta }_{0}+{\beta }_{1}{Manipulated}_{i}\times {YearPost}_{t}+{\beta }_{2}{Manipulated}_{i} +\beta {Controls}_{i,t-1}{+\varepsilon }_{i,t} $ | (5) |
其中,Performance表示公司业绩,使用ROA和ROE来衡量。Manipulated表示上市公司是否进行信息操纵(即在内部人减持期间发布利好信息),YearPost表示是否为操纵之后的年度。
四、实证结果分析
(一)描述性统计
表2列出了本文主要变量的描述性统计结果。可以看到,利好公告数量SAnn的样本均值为36.57,标准差为23.90,公告高送转GSZ、业绩预增ICS和并购重组MA的样本占总样本的比例分别为16.1%、24.5%和48.3%。这表明信息披露的数量和内容在不同公司间和不同年度间均存在较大差异。此外,大宗交易减持BlockSell的样本占总样本的比例为10.7%,限售股解禁流通OffLock的样本占总样本的比例为24.9%。
变量 | 均值 | 标准差 | 5%分位数 | 中位数 | 95%分位数 | 观测数 |
SAnn | 36.57 | 23.90 | 7 | 32 | 81 | 9 196 |
GSZ | 0.161 | 0.367 | 0 | 0 | 1 | 13 454 |
ICS | 0.245 | 0.430 | 0 | 0 | 1 | 13 454 |
MA | 0.483 | 0.500 | 0 | 0 | 1 | 13 454 |
InfoMa | 0.631 | 0.482 | 0 | 1 | 1 | 13 454 |
Down | 1.445 | 2.347 | 0 | 1 | 7 | 13 454 |
Up | 3.114 | 3.936 | 0 | 2 | 11 | 13 454 |
Buy | 0.278 | 0.448 | 0 | 0 | 1 | 13 454 |
BlockSell | 0.107 | 0.309 | 0 | 0 | 1 | 13 454 |
OffLock | 0.249 | 0.432 | 0 | 0 | 1 | 13 454 |
Size | 22.07 | 1.273 | 20.35 | 21.88 | 24.50 | 13 454 |
BM | 0.943 | 0.937 | 0.174 | 0.632 | 2.816 | 13 454 |
Lev | 0.449 | 0.207 | 0.107 | 0.453 | 0.779 | 13 454 |
ROA | 0.0451 | 0.0476 | −0.0140 | 0.0394 | 0.129 | 13 454 |
Growth | 0.210 | 0.475 | −0.244 | 0.128 | 0.865 | 13 454 |
Dual | 0.217 | 0.412 | 0 | 0 | 1 | 13 454 |
Salary | 14.09 | 0.713 | 12.89 | 14.08 | 15.28 | 13 454 |
Shrcr1 | 36.82 | 15.30 | 14.64 | 35.42 | 63.78 | 13 454 |
absDA | 0.0638 | 0.0776 | 0.0033 | 0.0415 | 0.191 | 13 454 |
(二)内部人减持期间的信息操纵行为
1. 内部人减持期间存在明显的信息操纵现象
表3结果显示,在上市公司内部人大宗交易减持前后,公司信息披露的数量和内容均存在显著差异。其中,在减持前30天内,样本公司发布利好公告数量的均值为3.954篇,在减持后30天内,均值为2.177篇,平均降幅高达44.94%;此外,发布“高送转”“业绩预增”和“并购重组”等利好公告的概率分别下降46.88%、48.85%和38.55%,T检验和Wilcoxon符号秩和检验均显示上述差异在5%的水平上显著。这种异常变化在样本窗口期扩大到减持前后60天和90天依然十分明显。表3结果初步支持了假设1a。
减持前 | 减持后 | 均值差异 | T检验值 | Wilcoxon检验值 | 变化幅度 | |
Panel A:减持前后30天 | ||||||
利好公告量 | 3.954 | 2.177 | −1.777 | −12.12 | −11.35 | −44.94% |
高送转 | 0.032 | 0.018 | −0.015 | −3.22 | −3.21 | −46.88% |
业绩预增 | 0.131 | 0.067 | −0.064 | −7.02 | −6.82 | −48.85% |
并购重组 | 0.083 | 0.051 | −0.032 | −4.35 | −4.18 | −38.55% |
Panel B:减持前后60天 | ||||||
利好公告量 | 7.897 | 5.508 | −2.389 | −9.82 | −10.29 | −30.25% |
高送转 | 0.077 | 0.059 | −0.018 | −2.34 | −2.34 | −23.38% |
业绩预增 | 0.281 | 0.229 | −0.052 | −4.17 | −4.12 | −18.51% |
并购重组 | 0.159 | 0.109 | −0.050 | −4.63 | −4.89 | −31.45% |
Panel C:减持前后90天 | ||||||
利好公告量 | 11.116 | 8.537 | −2.578 | −8.52 | −9.14 | −23.19% |
高送转 | 0.116 | 0.089 | −0.026 | −2.78 | −2.84 | −22.41% |
业绩预增 | 0.394 | 0.352 | −0.042 | −3.25 | −3.34 | −10.66% |
并购重组 | 0.226 | 0.180 | −0.046 | −3.41 | −3.72 | −20.35% |
表4报告了内部人减持与利好信息发布的回归结果。可以看到,BlockSell的系数均在1%的水平上显著为正,表明在上市公司内部人大宗交易减持期间,公司发布“高送转”“业绩预增”和“并购重组”等利好信息的概率和密度明显上升。表4结果进一步支持了假设1a。
(1) | (2) | (3) | (4) | (5) | |
SAnn | GSZ | ICS | MA | InfoMa | |
BlockSell | 6.826*** | 0.377*** | 0.567*** | 0.147*** | 0.506*** |
(8.73) | (8.77) | (12.20) | (3.55) | (10.42) | |
Controls | 控制 | 控制 | 控制 | 控制 | 控制 |
Year和Industry | 控制 | 控制 | 控制 | 控制 | 控制 |
Adj. R2 | 0.164 | ||||
Pseudo R2 | 0.108 | 0.223 | 0.0388 | 0.0809 | |
观测数 | 9 196 | 13 377 | 11 704 | 13 454 | 13 454 |
注:列(1)括号内为经公司层面聚类调整后的T值,其他各列为调整后的Z值,***、**和*分别表示1%、5%和10%的显著性水平。 |
2. 信息操纵与交易操纵相互叠加
如果上市公司披露利好信息的目的是操纵股价,那么这些公司股价异常波动的可能性更高。表5报告了内部人减持前后发布利好信息的公司股价涨停和跌停情况的差异。可以看到,在减持前90天内,发布利好信息的公司股价涨停的均值为1.098,在减持后90天,均值为0.994,降幅为9.47%,上述差异并不明显。在减持前后60天,降幅扩大为24.49%。而在减持前后30天,降幅高达46.86%,说明拉抬股价涨停主要发生在减持前30天内。表5结果还显示,股价跌停变化的差异主要发生在减持后60天内,减持后股价的跌停概率比减持前增加114.72%。这可能是因为市场已经逐渐意识到前期的利好信息缺乏公司基本面的支撑,但也不排除有人故意砸盘的可能。表5结果初步支持了假设1b。
减持前 | 减持后 | 均值差异 | T检验值 | Wilcoxon检验值 | 变化幅度 | |
Panel A:减持前后30天 | ||||||
涨停事件 | 0.574 | 0.305 | −0.269 | −4.34 | −4.38 | −46.86% |
跌停事件 | 0.131 | 0.257 | 0.125 | 4.02 | 3.32 | 96.18% |
内部人增持 | 0.082 | 0.118 | 0.036 | 1.15 | 0.05 | 43.90% |
Panel B:减持前后60天 | ||||||
涨停事件 | 0.882 | 0.666 | −0.216 | −4.20 | −4.09 | −24.49% |
跌停事件 | 0.265 | 0.569 | 0.304 | 7.25 | 4.55 | 114.72% |
内部人增持 | 0.168 | 0.408 | 0.239 | 4.41 | 2.37 | 142.86% |
Panel C:减持前后90天 | ||||||
涨停事件 | 1.098 | 0.994 | −0.104 | −1.80 | −2.51 | −9.47% |
跌停事件 | 0.390 | 0.721 | 0.331 | 6.88 | 2.88 | 84.87% |
内部人增持 | 0.245 | 0.647 | 0.402 | 5.97 | 4.43 | 164.08% |
(三)信息型市场操纵的动机
1. 内部人高位减持套现
本文采用事件研究法来考察信息操纵和内部人减持对股价造成的影响,累计超额收益率CAR的计算采用CAPM模型。事件日为减持日,估计期为事件日前250个交易日至事件日前91个交易日。图2报告了有信息操纵嫌疑的公司(在减持前60天内发布过“高送转”“业绩预增”或“并购重组”公告)在窗口期内的CAR走势,横轴表示时间,纵轴表示累计超额收益率。可以看到,利好信息披露在减持前能够刺激股价大涨,30天内的平均累计超额收益率高达4%,且在减持当日达到峰值。上市公司内部人在股价最高点精准减持,说明内部人操纵信息有获利的可能。图2初步支持了假设2。
2. “交易驱动信息”而非“信息驱动交易”
为了排除信息驱动交易的可能,本文以限售股解禁事件作为大宗交易减持的工具变量,考察了减持预谋对信息操纵的影响。Wald内生性检验拒绝了BlockSell为外生变量,因而需要使用工具变量。表6报告了工具变量法检验结果。可以看到,在列(1)第一阶段回归中,工具变量OffLock的系数在1%的水平上显著为正,满足工具变量与内生变量高度相关的要求。列(2)以SAnn为被解释变量,BlockSell的系数为52.996,而SAnn的样本均值为36.57,标准差为23.90,说明内部人大宗交易减持引起的信息操纵在经济意义上不可忽略。列(3)至列(6)中BlockSell的边际效应分别为0.620、0.766、0.414和0.900,表明当内部人减持股票时,公司发布“高送转”“业绩预增”和“并购重组”公告的可能性分别增加62.0%、76.6%和41.4%。因此,表6结果表明,上市公司内部人在大宗交易减持期间确实会操纵发布利好信息,以增大减持收益实现财富转移。表6结果支持了假设2。
(1) | (2) | (3) | (4) | (5) | (6) | |
第一阶段回归 | 第二阶段回归 | |||||
BlockSell | SAnn | GSZ | ICS | MA | InfoMa | |
BlockSell | 52.996*** | 2.320*** | 2.326*** | 1.038*** | 2.365*** | |
(6.79) | (9.41) | (10.72) | (3.01) | (10.15) | ||
OffLock | 0.109*** | |||||
(9.34) | ||||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Year和Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测数 | 9 196 | 9 196 | 13 377 | 11 704 | 13 454 | 13 454 |
注:括号内为经公司层面聚类调整后的Z值,***、**和* 分别表示1%、5%和10%的显著性水平。 |
3. 内部人减持过程中存在明显的反向交易
表5还报告了内部人减持前后发布利好信息的公司内部人增持股票的差异。可以看到,在减持后60天内,内部人低位增持股票的概率比减持前增加142.86%;在减持后90天内,内部人增持股票的意愿进一步增强,比减持前增加164.08%。此外,在发布利好信息的公司中,同一个内部人减持之后90天内增持公司股票的情况共发生308次。这说明内部人减持的动机不是改善资金需求,而是谋取暴利。表5结果进一步支持了假设2。
表7报告了信息型市场操纵、股价暴涨暴跌与股票增持的回归结果。列(1)显示,BlockSell的系数在5%的水平上显著为正,说明在发布利好信息的公司中,如果发生大宗交易减持,股价涨停的概率反而更高(股价涨停的概率增加26.5%)。可见,股价涨停并不仅仅由利好消息所导致。除了操纵利好信息刺激公司股价上涨外,内部人减持期间还可能存在二级市场机构的联合操纵。列(2)显示,在发布利好信息的公司中,如果发生大宗交易减持,股价跌停的概率也更高(股价跌停的概率增加63.0%)。列(3)显示,在内部人减持的公司中,如果发布过利好信息,股价跌停的概率也更高,与正常交易的直觉相矛盾。列(4)显示,在发布利好信息的公司中,如果发生大宗交易减持,内部人增持股票的可能性更高(增持股票的概率增加40.0%)。可见,信息型市场操纵在内部人减持前可助推股价暴涨,有利于内部人高位套现,减持后则会导致股价闪崩,有利于内部人低价增持股票,最终实现财富转移。表7结果进一步支持了假设2。
(1) | (2) | (3) | (4) | |
IV 第二阶段回归 | IV 第二阶段回归 | Probit模型 | IV 第二阶段回归 | |
Up | Down | Down | Buy | |
BlockSell | 0.974** | 1.677*** | 1.127*** | |
(2.26) | (5.34) | (2.78) | ||
InfoMa | 0.649*** | |||
(5.98) | ||||
Controls | 控制 | 控制 | 控制 | 控制 |
Year和Industry | 控制 | 控制 | 控制 | 控制 |
样本 | InfoMa=1 | InfoMa=1 | BlockSell=1 | InfoMa=1 |
观测数 | 8 468 | 8 494 | 1 405 | 8 462 |
注:括号内为经公司层面聚类调整后的Z值,***、**和* 分别表示1%、5%和10%的显著性水平。 |
(四)信息型市场操纵的经济后果
1. 信息操纵导致公司股价长期下跌
表8考察了信息操纵后公司股价的中长期表现。为了避免减持行为本身(减持的信号功能和股票供给冲击)对结果的干扰,本文根据上市公司减持前60天内是否披露利好信息,将样本划分为信息组和对照组,采用双重差分法来考察减持前后股票中长期收益率的变化。InfoMa表示是否为信息组公司,DayPost表示是否为减持事件之后。列(1)、列(3)和列(5)检验了原始收益率,列(2)、列(4)和列(6)检验了超额收益率。为了便于比较减持后150个、200个和250个交易日的股价表现,本文将减持前的窗口期统一为减持前60天。
表8结果显示,InfoMa×DayPost系数均在1%的水平上显著为负,表明减持完成之后,信息组公司股价下跌的幅度大于对照组公司。此外,InfoMa×DayPost的系数绝对值大于InfoMa的系数,且两者系数的联合检验均显著。这表明信息操纵导致公司股价长期下跌,损害了公司长期发展,从侧面印证了减持前发布的利好信息具有欺诈属性。表8结果支持了假设3。
(1) | (2) | (3) | (4) | (5) | (6) | |
减持后150个交易日 | 减持后200个交易日 | 减持后250个交易日 | ||||
Raw Return | Alpha CAPM | Raw Return | Alpha CAPM | Raw Return | Alpha CAPM | |
InfoMa×DayPost | −0.167*** | −0.122*** | −0.152*** | −0.117*** | −0.154*** | −0.121*** |
(−7.10) | (−6.07) | (−6.63) | (−6.05) | (−6.86) | (−6.43) | |
InfoMa | 0.117*** | 0.084*** | 0.117*** | 0.084*** | 0.117*** | 0.084*** |
(5.95) | (5.01) | (5.90) | (5.02) | (5.89) | (5.05) | |
DayPost | −0.076*** | −0.011 | −0.079*** | 0.002 | −0.075*** | 0.010 |
(−4.92) | (−0.85) | (−5.26) | (0.15) | (−5.16) | (0.85) | |
Constant | 0.214*** | −0.051*** | 0.214*** | −0.051*** | 0.214*** | −0.051*** |
(16.87) | (−4.69) | (16.71) | (−4.70) | (16.70) | (−4.72) | |
F值 | 25.19 | 18.41 | 22.05 | 18.36 | 23.56 | 21.56 |
Number of groups | 2264 | 2264 | 2264 | 2264 | 2264 | 2264 |
注:括号内为T值,***、**和* 分别表示1%、5%和10%的显著性水平,F值为InfoMa×DayPost和InfoMa系数的联合检验结果。 |
2. 信息操纵导致公司未来业绩下滑
表9报告了信息型市场操纵对公司未来业绩的影响。可以看到,Manipulated×YearPost的系数均在5%的水平上显著,说明上市公司内部人减持期间操纵信息对公司未来业绩产生了显著的负面影响,且这种影响在经济意义上是显著的。综上分析,信息型市场操纵扭曲了企业的生产经营活动,导致公司未来业绩持续下滑,这进一步证明减持前发布的利好信息具有欺诈属性。表9结果支持了假设3。
(1) | (2) | (3) | (4) | |
ROA | ROA | ROE | ROE | |
Manipulated×YearPost | −0.894*** | −0.381*** | −1.048*** | −0.634** |
(−4.01) | (−2.80) | (−2.69) | (−2.29) | |
Manipulated | 1.453*** | 0.296*** | 1.274*** | 0.653*** |
(7.43) | (3.01) | (3.99) | (3.34) | |
Controls | 未控制 | 控制 | 未控制 | 控制 |
Year和Industry | 控制 | 控制 | 控制 | 控制 |
Adj. R2 | 0.109 | 0.497 | 0.0868 | 0.352 |
观测数 | 13 454 | 13 454 | 13 454 | 13 454 |
注:括号内为经公司层面聚类调整后的T值,***、**和* 分别表示1%、5%和10%的显著性水平。 |
(五)稳健性检验
为了确保结论的稳健性,本文进行了如下检验:第一,为了排除关键变量的选取和计算对本文结果的影响,我们使用减持次数作为主要解释变量,使用三因子和五因子模型重新计算超额收益。第二,考虑到样本范围选择会对结果产生影响,我们剔除2015—2016年内部人减持受到监管限制的公司,重新考察减持对信息操纵的影响。第三,使用计数负二项回归代替Probit回归,使用线性概率模型工具变量法和似不相关双变量Probit模型来缓解潜在的内生性问题。第四,考虑到可能存在公司特征差异引起的内生性问题,我们在全样本中对发生减持的公司进行PSM匹配检验(Fama和French,1992;胡聪慧等,2019)。第五,考虑到估值提升动机和公司治理层面的影响,我们按相应的指标进行横截面分组检验。在稳健性检验中,本文结果依然成立。
五、结论与启示
本文基于内部人减持视角,系统考察了信息型市场操纵与财富转移效应,包括信息型市场操纵与财富转移的行为特征、动机与经济后果。研究发现:第一,信息型市场操纵的主要方式包括在减持前发布“高送转”“业绩预增”“并购重组”等利好信息,同时配合二级市场的抬拉打压等异常交易行为。第二,信息操纵的动机是为了在短期内拉升股价,掩护内部人高位减持套现,实现财富转移效应最大化。第三,信息操纵会扭曲企业的生产经营活动,加速产业资本脱离实体经济。上述行为的本质体现在:第一,减持期间的信息操纵是一种有计划、有预谋的行为。第二,内部人减持完成之后低位增持股票的概率异常上升,说明内部人减持的动机不是改善流动性需求或提升估值,而是谋取暴利。第三,操纵结束之后公司股价持续下跌,未来业绩下滑,说明减持期间的利好信息并非实质性利好,而是人为制造的虚假繁荣。
本文的研究对于监管层制定防范信息型操纵的相关政策具有一定的启示。信息操纵主体往往会发布和扩散具有炒作概念的利好消息,并在短期内买卖股票来实现财富转移并确保持股不变。因此,本文提出如下政策建议:第一,监管部门可以充分利用人工智能和大数据技术,构建联通信息披露、媒体报道与账户交易的智能监管平台。利用监管平台快速筛查可疑的信息操纵案件,实时追踪和管控具有炒作性质的信息扩散。第二,对于上市公司特别是公司重要股东的减持需求,可以根据不同类别股东的减持原因,实行分类监管或分批延长锁定期,加强重要股东减持的预披露管理,加大违规减持的处罚力度。第三,监管部门可以建立投资者保护制度,特别是中小投资者保护制度和集体诉讼制度,提升资本市场投资功能。
① 数据来源:国泰安CSMAR内部人交易数据库。本文中内部人指上市公司董事、监事、高管及其亲属和相关人员。
② “二八定律”可参见历年《上海证券交易所统计年鉴》以及申万宏源证券研究报告《三足鼎立,谁主沉浮?−A股投资者结构分析》(2016年9月22日)。
③ 在Allen和Gale(1992)对市场操纵做出的经典分类中,基于信息的市场操纵被明确定义为通过散布虚假信息和传播谣言进行操纵。
④ 本文还统计了监管部门公布的17家涉及信息型市场操纵的公司案例。在这17家目标公司中,有11家在操纵期间发布了业绩预增公告,有15家发布了“高送转”相关公告,有14家宣布进军热点领域或实施并购重组,有16家公司涉及内部人减持问题。
⑤ 本文所有结论均基于5%的显著性水平判断。
[1] | 高昊宇, 杨晓光, 叶彦艺. 机构投资者对暴涨暴跌的抑制作用: 基于中国市场的实证[J]. 金融研究, 2017(2): 163–178. |
[2] | 胡聪慧, 于军, 高明. 中国上市公司送转动机研究: 操纵迎合还是估值提升?[J]. 会计研究, 2019(4): 50–57. DOI:10.3969/j.issn.1003-2886.2019.04.007 |
[3] | 蒋舒, 郑辉. 金融市场操纵行为研究综述[J]. 经济学动态, 2005(11): 94–97. |
[4] | 李心丹, 俞红海, 陆蓉, 等. 中国股票市场“高送转”现象研究[J]. 管理世界, 2014(11): 133–145. |
[5] | 王朝阳, 王振霞. 涨跌停、融资融券与股价波动率——基于AH股的比较研究[J]. 经济研究, 2017(4): 151–165. |
[6] | 吴育辉, 吴世农. 股票减持过程中的大股东掏空行为研究[J]. 中国工业经济, 2010(5): 121–130. |
[7] | 谢德仁, 崔宸瑜, 廖珂. 上市公司“高送转”与内部人股票减持: “谋定后动”还是“顺水推舟”?[J]. 金融研究, 2016(11): 158–173. |
[8] | 徐龙炳, 颜海明, 张肖飞. 信息型市场操纵行为研究进展[J]. 经济学动态, 2018(7): 130–140. |
[9] | 薛健, 窦超. 并购重组过程中的信息泄露与财富转移[J]. 金融研究, 2015(6): 189–206. |
[10] | 易志高, 潘子成, 茅宁, 等. 策略性媒体披露与财富转移——来自公司高管减持期间的证据[J]. 经济研究, 2017(4): 166–180. |
[11] | 张鸣, 郭思永. 大股东控制下的定向增发和财富转移——来自中国上市公司的经验证据[J]. 会计研究, 2009(5): 78–86. DOI:10.3969/j.issn.1003-2886.2009.05.011 |
[12] | 张晓宇, 徐龙炳. 限售股解禁、资本运作与股价崩盘风险[J]. 金融研究, 2017(11): 158–174. |
[13] | 张新. 并购重组是否创造价值? ——中国证券市场的理论与实证研究[J]. 经济研究, 2003(6): 20–29. |
[14] | 周春生, 杨云红, 王亚平. 中国股票市场交易型的价格操纵研究[J]. 经济研究, 2005(10): 70–78. |
[15] | Aggarwal R K, Wu G J. Stock market manipulations[J]. The Journal of Business, 2006, 79(4): 1915–1953. DOI:10.1086/503652 |
[16] | Ali U, Hirshleifer D. Opportunism as a firm and managerial trait: Predicting insider trading profits and misconduct[J]. Journal of Financial Economics, 2017, 126(3): 490–515. DOI:10.1016/j.jfineco.2017.09.002 |
[17] | Allen F, Gale D. Stock-price manipulation[J]. The Review of Financial Studies, 1992, 5(3): 503–529. DOI:10.1093/rfs/5.3.503 |
[18] | Almeida H, Fos V, Kronlund M. The real effects of share repurchases[J]. Journal of Financial Economics, 2016, 119(1): 168–185. DOI:10.1016/j.jfineco.2015.08.008 |
[19] | Barber B M, Odean T. All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors[J]. The Review of Financial Studies, 2008, 21(2): 785–818. DOI:10.1093/rfs/hhm079 |
[20] | Benabou R, Laroque G. Using privileged information to manipulate markets: Insiders, gurus, and credibility[J]. The Quarterly Journal of Economics, 1992, 107(3): 921–958. DOI:10.2307/2118369 |
[21] | Crawford S S, Gray W R, Kern A E. Why do fund managers identify and share profitable ideas?[J]. Journal of Financial and Quantitative Analysis, 2017, 52(5): 1903–1926. DOI:10.1017/S0022109017000588 |
[22] | Dechow P M, Sloan R G, Sweeney A P. Detecting earnings management[J]. The Accounting Review, 1995, 70(2): 193–225. |
[23] | Dittmar A, Field L C. Can managers time the market? Evidence using repurchase price data[J]. Journal of Financial Economics, 2015, 115(2): 261–282. DOI:10.1016/j.jfineco.2014.09.007 |
[24] | Fama E F, French K R. The cross-section of expected stock returns[J]. The Journal of Finance, 1992, 47(2): 427–465. DOI:10.1111/j.1540-6261.1992.tb04398.x |
[25] | Givoly D, Palmon D. Insider trading and the exploitation of inside information: Some empirical evidence[J]. The Journal of Business, 1985, 58(1): 69–87. DOI:10.1086/296283 |
[26] | Grossman S. On the efficiency of competitive stock markets where trades have diverse information[J]. The Journal of Finance, 1976, 31(2): 573–585. DOI:10.1111/j.1540-6261.1976.tb01907.x |
[27] | Hart O D. On the profitability of speculation[J]. The Quarterly Journal of Economics, 1977, 91(4): 579–597. DOI:10.2307/1885883 |
[28] | Hsieh P H, Kim Y H, Yang J J. The magnet effect of price limits: A logit approach[J]. Journal of Empirical Finance, 2009, 16(5): 830–837. DOI:10.1016/j.jempfin.2009.06.002 |
[29] | Hutton A P, Marcus A J, Tehranian H. Opaque financial reports, R2, and crash risk [J]. Journal of Financial Economics, 2009, 94(1): 67–86. DOI:10.1016/j.jfineco.2008.10.003 |
[30] | Ljungqvist A, Qian W L. How constraining are limits to arbitrage?[J]. The Review of Financial Studies, 2016, 29(8): 1975–2028. DOI:10.1093/rfs/hhw028 |
[31] | Pasquariello P, Wang Y. Speculation with information disclosure[R]. SSRN Working Paper No.2847321, 2021. |
[32] | Seasholes M S, Wu G J. Predictable behavior, profits, and attention[J]. Journal of Empirical Finance, 2007, 14(5): 590–610. DOI:10.1016/j.jempfin.2007.03.002 |
[33] | Sirower M L. The synergy trap: How companies lose the acquisition game[M]. New York: Free Press, 1997. |
[34] | Sloan R G, You H F. Wealth transfers via equity transactions[J]. Journal of Financial Economics, 2015, 118(1): 93–112. DOI:10.1016/j.jfineco.2015.07.001 |
[35] | Stein J C. Rational capital budgeting in an irrational world[J]. The Journal of Business, 1996, 69(4): 429–455. DOI:10.1086/209699 |
[36] | Van Bommel J. Rumors[J]. The Journal of Finance, 2003, 58(4): 1499–1519. DOI:10.1111/1540-6261.00575 |