论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　【摘要】：文章随机选取2013年在上海证券交易所控制权发生转移的100名中国上市公司作为研究对象，选取曰收益方差、曰综合指数、曰波动率和曰风险因子等指标。因为所研究的数据，是以曰为时间单位排列形成的序列，因此需要这些数据经过相同的差分后转化为平稳的时间序列，然后建立差分后的曰收益方差为因变量，差分后的曰综合指数、曰波动率、曰风险因子为自变量的关系模型，同时得出与曰收益方差密切相关的量作为主要指标，然后用ARIMA模型分析这些主要指标在信息公告曰前后的事件期和估计期间的特点，首先分析估计期主要指标的自相关系数和偏相关系数，其次建立估计期的ARIMA模型，由估计期的模型预测事件期，将预测的事件期与实际的事件期进行对比，分析在控制权转移过程中，中国上市公司是否存在内幕交易。
　　【关键词】：内幕交易；控制权市场；ARIMA模型；事件期；估计期
　　―、弓I言
　　控制权市场又被称为接管市场或并购市场，它是指通过公司的并购重组、购买股票等手段进行公司控制权争夺，达到对企业权力控制为目的的市场[1]。
　　“内幕交易”又称为“知情交易”，是指一些利用职务、地位与其他手段掌握了有关股票市场重要信息的人，为了个人和相关利益人获取不正当的经济利益，或者避免利益遭受巨大损失，在重大信息公布之前，就已经利用此信息操纵市场或者泄露给相关利益人或者机构[2]。
　　张慕濒、范从来（2005)分析了2002年、2003年中国制造业上市公司各类管理层更替现象，指出了在快速增长的股权交易的推动下，中国控制权市场已经初步形成，控制权市场通过控制权转移、管理层更替的途径发挥了应有的治理效力，弥补了董事会治理的不足[]。
　　张宗新、杨怀杰（2006)分析了中国证券监管在内幕交易主体、内幕信息、内幕交易行为的界定以及内幕交易监管规则的效能等方面，结果表明与西方监管体系仍存在一定差距[]。何青、房睿（2008)指出内幕交易违反了金融市场的公平原则，降低了资本市场的效率，但是由于其金融交易的特殊性，使得它在监管上存在一定的难度[5]。刘艳华（2008)指出中国证券市场已进入后股权分置时期，而资本市场的违规行为并没有因股权分置改革而有所逼制，特别是有一些新的内幕交易行为愈演愈烈，而美国拥有世界上最大的证券市场，经过长期实践，建立了完备的内幕交易监管组织，对内幕交易行为实行全面监管，建立了动态的数据存储系统。因此中国可借鉴美国的做法，加强对证券市场内幕交易的监管力度。
　　Bris(2005)则对1990年1月至1999年12月间56个国家的5099起并购活动进行了实证研究，在剔除了市场流动性、市场规模、国家发展程度等因素的影响后发现在实施了内幕交易法律后，虽然降低了内幕交易的频率，但是内幕交易的利润反而上升了[7]。Ackerman和Maug(2006)对国家之间的并购事件进行了研究，发现内幕交易法律越严格的国家，并购前股价的波动越小。
　　唐学松、马如静（2009)建立了控制权转移过程中，控股股东为何倾向进行内交易的模型，指出控股股东持股比例越高，内幕交易越严重9。辜波、李文君（2011)以控制权发生转移这一类重大事件作为研究内幕交易的基础，利用上市公司2003年至2009年的样本验证了中国内幕交易监管法律的颁布没有产生预期的效果，内幕交易反而更加严重。
　　通过以上文献的回顾，内幕交易的监管都停留在定性分析中，所以有必要针对中国上市公司控制权市场内幕交易的特点，然后建立内幕交易的监管模型。
　　二、模型的建立
　　(―)建立中国上市公司控制权市场内幕交易监管模型的研究方法
　　1.ARIMA(心心g)模型介绍[11]。ARIMA模型全称即为差分自回归移动平均模型（Autoregres-siveIntegratedMovingAverageModel,简记ARI-MA)也叫求和自回归移动平均模型，是由博克思(Box)和詹金斯(Jenkins)于20世纪70年代初提出的著名的时间序列预测方法，所以又称为box一jen一kins模型。其中^为自回归项，g为移动平均项数，d为时间序列成为平稳时所做的差分次数。
　　2.ARIMA模型的建立步骤：第一步，对原序列进行平稳性检验，如果序列不满足平稳性条件，可以通过差分变换满足平稳性条件。第二步，通过计算能够描述序列特征的一些统计量，来确定ARMA模型的阶数^和g。并在初始估计中选择尽可能少的参数。
　　3.进行诊断分析，以证实所得模型确实与所观察到的数据特征相符。
　　(二）建立中国上市公司控制权市场内幕交易监管的步骤
　　第一步，随机选取2013年在上海证券交易所(A股），控制权发生转移的100名上市公司，用事件法分析100个上市公司在信息公开之前是否存在着内幕交易和发生的时间段，信息公告曰定义第0天，事件期为（一60，30)，即信息公告日前两个月和后一个月，估计期为（一150,一60)天，即信息公告日的前五个月和两个月之间，整个研究的时间段是（一150,30)。（剔除股票市场的休息日），由于衡量内幕主要是观察股价是否有大的波动，因此从RESSE了金融数据库（http://www.resset.cn)中搜集这100家上市公司在（一150,30)天之间的日收益方差（20日移动平均）的数据作为研究股价波动的指标，日综合指数（曰收益、曰振幅、曰成交量、曰换手率）、曰波动率(日Garch系数）和日风险因子（日Alpha因子、日Beta因子、日R方因子和调整的日R方因子）的数据作为研究影响股价的因素，剔除21家各项指标含有缺失值的上市公司，剩下79家上市公司，然后计算这79家上市公司每一天指标值的平均值，对比估计期和事件期在这些变量的差异，鉴别内幕交易[12一14]和发生的时间段。
　　建立模型之前，需要把日收益方差、日综合指数、日波动率、日风险因子按日形成的序列转化为平稳的时间序列，因此首先需要分析这些变量形成的时间序列是否平稳，如果不平稳，需要进行差分运算，转化为平稳的时间序列。
　　本文以估计期的日收益方差为例来说明，图1就是用SPSS软件把估计期的日收益方差转化为时间序列的序列图，通过图1，可以判定此时间序列是否平稳，如果平稳反映在图形上就是所有的样本点都围绕某一水平直线上下随机波动。
　　由图1可以看出，此时间序列不满足平稳的条件，因此要对原始序列做差分处理，使序列达到平图2曰收益方差（5次差分后）的序列图（估计期）
　　图2是估计期内日收益5次差分后的序列图，由图2得到的新序列满足平稳性。同理把日综合指数、日波动率和日风险因子（估计期）等变量的数据都转化为时间序列，然后再平稳化，用SPSS软件进行操作可知，以上所有变量经过5次差分后都是平稳的时间序列。在此基础上再建立以估计期的曰收益方差为因变量，日综合指数、日波动率、日风险因子（5次差分后）为自变量的多元线性回归模型。
　　由表1可知，首先为了降低自变量之间的相关性，用向前逐步筛选法选择自变量：第_步引入的变量是日振幅；第二步引入的是日Beta因子；第三步引入是曰Alpha因子。接着检验自变量和因变量的相关性。引入这些变量后，方程的复相关系数只由0.492增加到0.723,复相关系数的平方只2由0.242增加到了0.523,说明回归方程解释了整个因变量变异程度的52.3%。此数值反映了自变量和因变量相关性强度，数值越大相关性越强。