资产交易定价

资产交易定价（精选7篇）

资产交易定价 篇1

20世纪60年代, 金融市场的主流理论为有效市场假说。在有效市场中证券的价格和其内在价值相一致, 其投资者都是理性投资者, 在有效市场假说基础上成长起来的是资本资产定价模型 (CAPM) 。然而现实世界不存在有效市场, 现实世界是一个不完全市场, 它存在交易成本、信息成本和税收, 不同投资人的预期也不同。因此股票价格异常波动、股价泡沫、股价对市场信息的反应不足与反应过度, 以及国民经济高速增长时股市陷入熊市等异象显得尤为普遍。随着心理学中个体认知偏差引入金融学, 20世纪80年代西方经济学界兴起噪声交易理论。噪声交易指那些不根据期望收益和风险来买卖资产的交易, 也指那些对收益和风险做出非理性预期的交易。正因为噪声交易的存在, 使金融理论更接近于现实, 使华尔街的游戏更加扑朔迷离, 惊心动魄。

一、噪声交易概述

(一) 噪声交易模型DSSW的含义

在交易的过程中, 理性投资者的最优策略是利用噪声交易者的非理性为自己赚取利润。他们会在噪声交易者压低价格时买进而在相反的时机卖出, 这种策略在某些时候会使资产价格趋向于其基本价值, 但这种效果不是总能达到。理性交易者不会对所有的套利机会都有能力和愿望去进行套利, 他们有时选择不与噪声交易者的交易力量对抗, 尤其是噪声交易者的判断和行为都趋于一致的时候。这种理性交易者的有限套利行为使噪声交易者可能获得较高的投资收益 (高于理性投资者) 。噪声交易者的获利会产生某种示范效应, 使得新进入市场者和部分的套利交易者都加入噪声交易者的行列, 并且在一定时期内对某些资产的交易具有一定的市场影响力。

(二) 噪声交易中的资本定价模型

B A P M ( 行为资产定价理论) 是对现代资本资产定价模型CAPM (随着时间的推移, 价格会逐渐趋近于资产的内在价值, 噪声会逐渐消失, 非理性交易者会随“市场选择”而消失, 最终由理性交易者主导市场) 的扩展。与CAPM不同, 在BAPM中投资者被划分为信息交易者和噪声交易者。信息交易者是CAPM框架下的“理性投资者”。噪声交易者是在CAPM框架之外的投资者, 由于信息不对称, 他们处于信息劣势, 时常犯认知错误, 不同个体之间具有显著的异方差性, 他们没有严格的均值方差偏好, 对风险多变性和收益预期有不稳定性, 易受情绪支配。CAPM认为决定供求的是人们的功利主义考虑 (如产品成本、替代品价格等) , 而BAPM认为决定供求的是人们的功利主义考虑和价值表达考虑 (个人偏好、风险厌恶等) 。BAPM认为在现实金融市场中, 信息交易者与噪声交易者相互影响, 共同决定资产价格。

二、噪声交易与资产定价的相互关系

(一) 噪声交易导致的“有限套利”使资产价格偏离其价值

在噪声交易中, 噪声交易者使套利者 (理性交易者) 面临基础性风险以外的风险即噪声交易风险 (噪声交易者对市场看法的不确定性所带来的风险) 。作为风险厌恶的套利者, 可能放弃与噪声交易者对抗从而获利的吸引力, 使噪声交易者对价格的错误判断能在一段时间内得以延续, 从而使价格进一步扭曲。

(二) 噪声交易的“羊群效应”影响资产价格

在一个噪声交易者和信息灵通交易者并存的市场中, 信息的获取是有成本的, 两类交易者存在严重的信息不对称。信息灵通的交易者 (理性交易者) 根据占有的未被市场价格所反映的信息进行交易, 噪声交易者根据技术分析、媒体或逐渐扩散出来的或真或假的内幕信息进行交易。当大量的交易者聚集于某一信息并发生极端反应时, 就导致“羊群效应”。“羊群效应”可以使股票价格短期波动幅度增大, 同时可以在相当长时期内使价格在一个方向上持续延伸。

(三) 正反馈交易者使价格出现“泡沫”

噪声交易中的正反馈交易者是指这样一部分人, 他们对价格存在过度预期, 对价格的走势积极跟进。正反馈交易者的行为会使股票的价格波动更大。如基金机构先购买某一股票, 然后散步谣言, 正反馈交易者对这一谣言做出过度反应 (积极购买) , 从而使基金机构能够顺利将该股票高价卖出, 使价格在一定时期内出现持续上涨的“泡沫”。最初机构的买进提高了不知情交易者对未来收益的预期, 从而加倍放大了价格对价值的偏离。当价格停止上涨时, 部分人放弃投资行为, 以及已经获利的基金机构将股票卖出, 使股票价格回落到基础价值, 甚至暴跌。

(四) 噪声交易者对内幕交易者的掩盖

在连续竞价的过程中, 对于制定价格的做市商 (庄家) 而言, 他无法从指令信息流中区分哪些是内幕交易者的指令, 哪些是噪声交易者的指令, 而只能根据所有交易者的指令流确定资产价格。因此, 噪声交易者掩盖了内幕交易者的交易动机, 内幕交易者在其掩盖下使其私人信息逐渐融入股票价格中去, 内幕交易者的获利以噪声交易者的损失为代价。内幕交易者在噪声交易者的掩盖下使股票价格按照自己的意愿按一定的方向偏离其价值, 获取超额利润。

三、中国证券市场的噪声交易

(一) 中国证券市场的“政策市”现象

中国股市有一个特别的现象, 即所谓的“政策市”, 表现为股票市场的走势受政策因素影响极大。“政策市”有三方面特点。第一, 投资者以散户为多。第二, 投资收益主要来自市场差价收益, 投资者投资理念具有过度投机性、短期性和从众性, 缺乏独立分析和判断能力, 受市场消息面影响大。第三, 投资者接收政策的影响比较直接, 在投资行为调整上有较强的趋同性, 从而在宏观层面上就表现为个股的同涨同落和股指的暴涨或暴跌, 系统性风险较高。这些特征决定了“政策市”和成熟的股票市场相比存在差距。在我国投资者的交易频率主要随政策的出台与政策的导向变化, 利好的政策出台会加剧投资者的“过度自信”偏差, 导致投资活跃, 交易频率加快;而如果利空政策出台, 投资者的“过度恐惧”偏差往往会使交易频率有较大程度的下降, 下降趋势会持续较长时间。

(二) 中国证券市场的噪声交易

在中国许多普通股民的投资表现出噪声交易的特性。他们其中的大部分并不具备专业知识, 行为表现相当不成熟, 热衷打探消息, 但又没有获得内幕信息的渠道, 其自身的预测分析能力有限, 因此他们的投资决策很大程度上受到各种噪声的影响。普通股民尽管希望能够及时掌握市场的相关信息, 但由于实力弱小, 一般只能从市场价格的变动中进行信息的判断, 而由此得到的是信息中的噪声, 所以其交易行为具有很大的盲目性。我国股市的换手率极高, 说明证券市场的流动性很强, 噪声交易的程度很高。在我国机构投资者操纵股价, 上市公司的业绩回报不是投资者的主要利润来源, 机构投资者的盈利主要来自二级市场买卖差价, 由于机构投资者与中小投资者之间存在严重的信息不对称, 机构投资者利用散户想要跟庄的心理, 机构投资者制造虚假成交量, 诱导中小投资者跟风, 从而实现自己的预期收益。机构投资者操纵股价, 散户盲目跟庄, 实际上都是噪声交易。

四、减少噪声交易的对策

(一) 制度创新减少噪声交易

我国证券市场的参与主体包括投资者、券商、交易所和政府监管机构等, 投资者是证券市场中最重要的主体, 但政府却是最特殊的一个主体, 它是宏观经济政策、市场规则的制定者, 监管机构是其代理人, 交易所是传递政策信号的机构, 因此政府政策市造成股市异常波动的首要因素。[ 姬媛媛, 对我国证券市场的噪声交易问题研究及对策, 陕西青年管理干部学院学报, 2006年第2期。]因此在证券市场上, 国家意志与行为的干预应逐步退出。

(二) 提高信息透明度, 培育理性的投资者

信息披露的规范化需要法律法规的支持和明确规定。应借鉴国外成熟的证券市场信息披露的内容与形式, 加大信息披露的范围与频率, 尽量减少内幕信息和内幕交易对中小投资者的伤害。此外, 培育理性投资者, 一方面要通过宣传和教育, 增强投资者的风险意识;另一方面要把注意力放在大力发展、规范机构投资者上, 这是关系到证券市场健康运行的重要举措。

(三) 强化监管, 打击违规违法操纵市场的行为

我国证券市场出现的诸多问题, 如内幕交易、造假、行政权力介入等, 严重扰乱市场秩序, 因此, 必须强化监管, 制订严格的反操纵和欺诈措施, 确保信息的准确、完整和及时发布, 防止内幕交易, 保障市场交易的公开性、公平性和公正性, 控制市场交易风险。保证市场健康、高效运行。

摘要：在现实的金融市场中, 存在大量的噪声交易者, 他们在一定程度上增强了市场的流动性。噪声交易者创造的噪声交易风险限制了理性交易者的套利, 引起资产的价格偏离其价值。在短期投机的过程中, 知情者 (信息交易者) 利用噪声交易者的“羊群效应”、“正反馈交易行为”和“掩盖作用”从中获利, 使资产价格更加偏离其价值。总之, 在噪声交易理论中, 资产价格是噪声交易者和信息交易者共同作用的结果 (BAPM) 。

关键词：噪声交易,DSSW,BAPM,羊群效应

参考文献

[1]姬媛媛, 对我国证券市场的噪声交易问题研究及对策, 陕西青年管理干部学院学报, 2006年第2期。

[2]陈收, 行为金融理论与实证[M], 湖南大学出版社, 2004。

资产交易定价 篇2

关键词：交易信息含量,信息性风险,资产定价,市场微观结构

1 引言

资本资产定价模型(CAPM)认为股票预期收益与它所面临的市场风险即BETA线性相关,之后许多学者对BETA和预期收益的关系进行了大量的实证研究,然而许多研究发现了与之相背的“异象”,即BETA与股票预期收益间并无显著的相关关系,但存在另外一些因素,如市值、市盈率、账面市值比等,能从横截面角度显著的解释预期收益的变化[3,4,5,6]。Fama和French在对这些因素全面检视的基础上,提出了由BETA、市值和账面市值比组成的三因素模型[2]。随着市场微观结构研究的深入,人们发现除了以上较为宏观的因素外,一些因交易机制或交易行为而产生的市场微观结构因素也能对预期收益进行解释,其中流动性与资产定价的关系受到了最为广泛的研究,国内外学者在不同市场中均发现了显著的流动性或流动性风险溢价[7,8,9,10,11,12,13,14]。除流动性外,还有一些研究表明交易中的信息不对称也能显著的影响股票预期收益。

传统的资本资产定价理论以市场有效为假设条件,从而忽略信息传递过程对均衡价格的影响。而微观结构研究则将市场看成一个白盒,认为信息融入市场的过程也能影响均衡价格。Bagehot指出,信息不对称影响交易报价过程,做市商在交易信息不对称程度较高的股票时,会增加价差,以弥补与知情交易者交易而遭受的损失,从而最终影响价格[15]。Wang提出了一个非对称信息下的资产定价模型,投资者在风险资产和无风险资产之间选择,由于知情交易者的存在而产生逆向选择风险,非知情交易者在与知情交易者交易时要求风险补偿,信息不对称加剧了价格波动并导致收益的负自相关[16]。Easley和O’Hara通过一个包含多种资产的理性预期模型,研究了公共信息和私人信息的不同构成对资产预期收益的影响,发现信息的质量和数量会影响均衡条件下的资产价格,投资者持有私人信息较多的资产时要求更多的收益补偿,会计信息披露、分析师覆盖以及交易中的微观结构因素会影响上市公司融资成本[17]。

虽然上述文献从理论模型的角度证明了信息不对称可能是资产预期收益的一个重要影响因素,但从实证角度证明信息性风险溢价的存在并非易事,因为交易中的信息不对称是一个无法直接观测的变量,研究信息不对称对资产定价的影响,其前提是解决信息不对称度量的问题。随着高频交易数据的出现,一些学者对股票价格的形成过程进行建模,利用报价和交易数据,从不同的角度衡量信息不对称。总的来说,可以分为两类:一类从逆向选择成本的角度,通过估计因信息不对称而产生的交易价差衡量交易中的信息不对称。文献[18]~[23]等将交易成本分解成因信息不对称导致的逆向选择成本和其它成本(如存货成本、订单处理成本等),并利用高频数据对其中的逆向选择成本进行估计,度量信息不对称程度。Brennan和Subrahmanyam则采用文献[18]和[21]的方法分别估计交易中的逆向选择成本,将其视作由信息不对称引起的非流动性指标,发现采用Fama和French三因素[24]风险调整后,信息不对称导致的非流动性对当期收益有显著的正影响,即存在由信息不对称引起的流动性溢价[25]。另一类研究则通过不同的模型,直接估计知情交易者的比例或私人信息引起的价格变化,以衡量交易中的信息不对称程度。Easley,Kiefer,O’Hara等假设知情交易者和非知情交易者在发生好消息、坏消息和无消息的三种市场条件下分别以不同强度的泊松过程到达市场,通过结构化的序贯交易模型(下简称EKOP模型),采用极大似然法估计一段时期内好消息和坏消息发生的概率以及知情和非知情交易者的各自到达强度,进而计算知情交易者占所有交易者的比率,称之为信息性交易概率(Probability of Informationbased Trading,简称PIN),直接度量信息不对称程度[26]。Easley,Hvidkjaer和O’Hara则利用PIN指标,研究了信息不对称对股票预期收益的影响,他们发现对于1983~1998年的纽约证券交易所交易的股票,在控制了BETA、市值和账面市值比三因素后,PIN对预期收益有显著的正影响,每10个百分点的PIN能带来2.5个百分点的年化预期收益[27]。国内学者刘善存和李朋计算了上证50样本股2003年7月至2004年6月的周内PIN指标,发现PIN对上证50样本股的收益具有正的解释作用[28]。而韩立岩、郑君彦、李东辉则利用2004年的A股高频分笔数据,选取66支股票,计算了每只股票的年度PIN指标,发现PIN对预期收益具有显著的负效应,指出A股市场中庄家散户博弈导致了这一结果[29]。李广川计算了1999~2006年上证和深证所有正常交易的A股季度PIN指标,发现对于1999~2006年的A股市场,PIN对预期收益具有显著的正效应[30]。另一关于交易信息不对称的研究——文献[1]中Hasbrouck则利用一个由报价中点变化和交易方向组成的二元向量自回归模型,估计私人信息引起的永久价格冲击(Permanent Price Impact,下简称PIM),作为交易中的私人信息含量,度量交易中的信息不对称。直接度量信息不对称的指标中,PIN受到了最为广泛的使用,但PIN能否合理的衡量信息不对称以及PIN与资产定价的关系也受到一些文献的质疑。Aktas、De Bodt、Declerck等采用事件研究方法,利用PIN、PIM等指标对事后证明发生过内幕交易的企业并购事件进行了研究,发现PIN在并购交易公告前变小,但在公告后反而变大,即PIN并没有捕捉到内幕交易,其反映的是公共信息引起的买卖不平衡等其它因素;但PIM指标则在并购前显著变大,并购后显著减小,与内幕交易的事实一致[31]。Duartea和Young对EKOP模型进行扩展,将PIN分解成分别反映私人信息和反映非流动性(Illiquidity)的两部分,发现PIN不但反映了私人信息,而且反映了市场中的公共信息,进一步的实证发现,PIN的定价作用是由非流动性部分导致的,而反映私人信息的部分对预期收益没有显著影响,即PIN的定价作用反映的是流动性溢价而非信息性风险溢价[32]。另外,Duartea和Young还指出,在EKOP模型的假设条件下存在个股日内主动买单笔数B和主动卖单笔数S间的协方差Cov(B,S)≤0的隐含结论[32]。本文采用1999年7月至2008年12月的所有正常交易的A股样本发现无论对于整个样本期还是各年度,几乎所有个股日内主动买单和卖单笔数之间的协方差均大于0(1),因此,EKOP模型对A股市场的适用性值得怀疑。而国内外现有的关于信息不对称与资产定价关系研究,一般采用PIN作为信息不对称衡量指标,所以A股市场中交易信息不对称与资产定价的关系依然是一个值得研究的问题。鉴于Aktas、De Bodt、Declerck等的研究中,PIM是一个能较好衡量信息不对称的指标,本文采用PIM来估计交易中的信息不对称,通过严格的计量分析,检验A股市场中信息不对称与资产定价的关系。

另外,国内不少关于资产定价的实证研究还存在样本量少、样本时间偏短的不足,本文选择了更长的时间区间,更丰富的样本,使得信息不对称与资产定价关系的研究更具说服力。

2 信息含量的估计模型

Hasbrouck假设做市商根据其掌握的公共信息和指令流调整买卖报价,由于价格平滑等原因,报价调整具有自相关性,而市场中的投资者则根据已有的买卖报价、指令流和各自的私人信息,提交交易指令[1]。报价调整和交易指令的关系如式(1)所示:

其中,rt表示第t笔交易后发生的价格调整,xt0表示第t笔交易方向,如果交易由买方发起,xt0取1,由卖方发起,xt0取-1,若无法区分,则取0;两个方程的残差项v1,t和v2,t分别代表了未预期的价格调整和未预期的交易。由于做市商不掌握私人信息,而是根据公共信息调整报价,所以v1,t代表了公共信息所带来的价格调整;私人信息则通过投资者的交易融入到价格之中,因此私人信息应该在式(1)中的交易方程(第二个方程)中体现,即v2,t所带来的报价rt的永久变化即为私人信息所产生的价格冲击。这样的变化可以用v2,t对rt的累积脉冲响应函数来计算,Hasbrouck将其视作交易中的私人信息含量,即第1节提到的PIM指标。由于PIM衡量的是交易中私人信息的多少,所以可以用来衡量交易中的信息不对称程度。本文以月为单位计算A股市场中个股交易的私人信息含量,且为了使不同股票之间的私人信息含量具有可比性,还采用报价中点的对数差分替代式(1)中的报价中点变化,即:

其中,mt表示第t笔交易后的最优买卖报价中点,rt接近于第t笔交易后报价中点的百分比变化。

3 实证设计和数据描述

3.1 实证设计

本文分别采用组合方法、Fama和French资产定价实证框架[2]检验信息含量与资产定价的关系。首先,根据信息含量构建投资组合,通过组合收益直观的验证信息含量与预期收益之间的关系。具体方法为:第一步,按样本股票前一年末的流通市值从小到大排序,将市场中的股票分成5个市值组合;第二步,每月初根据上月PIM的大小,将所有样本股票分为低、中、高三个PIM组合;第三步,将每个市值组合内的股票,按其所在的PIM组合,分为低、高、中三个交叉组合,这样总共构建了15个组合;最后,计算每月各交叉组合的等权重的相对于无风险利率的平均超额收益。如果每个市值组合内的交叉组合平均超额收益随着PIM的递增而增大,则说明在控制市值因素后,PIM对预期收益有较强的影响,从组合的角度证明了A股市场信息性风险溢价的存在。

进一步,本文采用Fama和French资产定价实证框架[2]更为严格的研究信息含量对预期收益的影响,具体方法为在标准的Fama和French三因素基础上,加入信息含量因素,回归检验信息性风险溢价的存在,实证模型如式(3)所示:

其中,Ri,yt是股票i第y年第t月相对于无风险收益的超额收益,是前一年的BETA估计值,SIZEi,y-1是前一年末的流通市值,BMi,y-1是前一年末的账面市值比,PIMi,yt-1是第t-1月的交易信息含量,Vj,yt(j=0,…,4)是每月的待估计回归系数,Zi,yt为残差项。

从1999年8月至2008年12月,每月对式(3)进行一次横截面回归,然后采用Fama和MacBeth方法[34]、Litzenberger和Ramaswamy方法[35](以下分别简称FM和LR方法),分别计算所估计系数的时间序列均值和t统计量。之所以提供LR方法的计算结果作为FM方法的补充,是因为FM方法采用简单算术平均作为整个样本期系数的估计值,但在存在异方差时该方法不是有效的,而LR方法以每月系数的估计精度作为权重,对系数进行加权平均,是对FM方法的一个有效的修正。FM方法和LR方法计算系数估计平均值和t统计量的具体过程分别如方程(4)和(5)所示。其中和tVj纷别为回归系数时间序列Vj,yt的均值和t统计量(假设共有n个月的横截面回归)。

本文所关注的问题是交易中的信息不对称风险能否带来正的预期收益,因此,需要检验信息含量PIMi,yt-1的回归系数V4,yt的时间序列均值是否显著大于0,如果结论成立,那么可以认为A股市场中,信息性风险具有正的溢价,反之,则可以认为不存在信息性风险溢价。

以往关于微观结构与资产定价关系的研究中还发现流动性能显著影响豫期收益,因此本文在模型(3)的基础上,增加广泛使用的Amihud非流动性指标[9],研究控制流动性因素后,信息性风险溢价是否依然存在,回归模型如式(6)所示:

其中,ILLIQi,yt-1为第y年第t-1月的非流动性指标。如果回归模型(6)中信息含量PIMi,yt-1的横截面回归系数V4,yt时间序列均值仍然显著大于0,则表明控制流动性因素后,信息性风险溢价仍然存在。

3.2 数据处理和描述

用于估计私人信息含量的高频分笔数据来源于色诺芬CCER高频分笔交易数据库;每月个股和市场收益数据来自于色诺芬CCER股票价格收益数据库和市场指数数据库;个股财务数据来自于色诺芬CCER一般上市公司财务数据库和金融上市公司财务数据库。由于色诺芬CCER高频分笔交易数据库只提供从1999年7月开始的高频分笔数据,本文选取1999年7月至2008年12月共114个月为实证检验的时间区间,而股票样本为该时段内所有正常交易的A股股票。所有步骤均采用SAS软件计算。

(1)信息含量PIM的估计

本文以月为单位,计算样本期内所有样本股的每月交易信息含量。在计算之前,先对高频数据进行清理:首先,只选取每个交易日9 30~11 30和13 00~15 00之内连续竞价数据;其次,将超出涨跌幅限制的交易数据进行删除;最后,删除高频数据中的错误记录,如价格异常数据、最优买价高于最优卖价的数据、零交易量数据及其它异常数据。

本文采用文献[1]的方法确定每笔交易的买卖方向,即:如果交易以指令簿上的最优买价成交,那么该笔交易为主动卖单,式(1)中的xt0取-1,反之,如果在最优卖价成交,那么交易为主动买单,xt0取1,如果交易价格在最优买卖报价之间,则取0。

在计算每月的报价变化序列rt和交易方向序列xt0后,本文采用普通最小二乘法对式(1)中的两个方程分别进行回归估计,为了消除隔夜交易可能带来的误差,每天的前四笔交易不作为因变量进入回归方程。在估计两个方程的自变量系数之后,再计算v2,t对rt的累积脉冲响应函数。

(2)Fama和French三因素的计算

Fama和French三因素分别为BETA、市值和账面市值比。BETA的计算采用Easley、Hvidkjaer和O’Hara的方法[27]:第一步,对于每个年份,利用之前至少两年,最多五年的月收益数据计算当年的组合前BETA(Preranking Portfolio BETA)。具体方法为采用个股的每月收益与当月和前月的上证综指和深证综指的流通市值加权平均收益进行回归,然后将两个系数相加,作为组合前BETA;第二步,根据当年的组合前BETA,从低到高将所有股票平均分成40个组合,然后计算本年度内的每月组合等权重平均收益;第三步,计算每个组合的整个样本期BETA,计算方法与组合前BETA一样,即用当月组合收益与当月和前月的上证综指和深证综指的流通市值加权平均收益进行回归,两个回归系数之和作为组合BETA;最后,每只股票每年的BETA取其当年所在组合的BETA。由于股票在不同的年份可能属于不同的组合,所以其BETA取值在不同年份可能不同。市值(SIZE)采用上年末流通市值的自然对数。账面市值比(BM)采用上年末所有者权益(BE)与市值(ME)之比的对数,即公司i之y-1年的账面市值比为:BMi,y-1=ln(BMi,y-1/MEi,y-1)。与文献[2]一致,本文剔除掉所有者权益为负数的上市公司股票。

(3)流动性因素的计算

本文采用Amihud非流动性指标作为流动性因素的代理变量[9],其计算如式(8)所示(在原方法的基础增加了1010乘积项进行了放大),其中ILLIQi,yt-1为个股i第y年t-1月的非流动性指标,n为当月交易天数,|Rid|为第d天收益绝对值,Volumeid为交易量。从公式可以看出,非流动性指标实质是月内每日单位成交量所引起的平均价格变动,非流动性越大,该月流动性则越小。

表1给出了各变量的描述性统计。PIM的均值为0.045,最小值接近于0,虽然最大值为71.78,但在89585条月数据中,只有61个月的PIM值超过1,所以绝大多数分布于0到1之间。BETA变化范围比较小,且分布在离1不远的区间,说明A股大部分股票与大盘指数的走势比较同步,同涨同跌的现象比较常见,与成熟市场不太一样。

4 实证结果和讨论

4.1 组合检验结果

表2给出了组合检验结果,子表中的数据为所有月份的平均值。无风险收益采用月化的三月定期存款利率,超额收益为组合当月的平均百分比收益与无风险收益之差。从子表(1)可以看出,除市值最大的第5组外,其它各市值组合内,组合平均超额收益随着PIM的上升而增加,特别是前两个市值组合,高PIM组合比低PIM组合月平均收益要高出1%以上,年化后可达12%以上。这是一个非常显著的差异,因为在假定允许卖空的情况下,通过买入高PIM组合和卖空低PIM组合,即使考虑组合调整成本,也能获得可观的无风险套利收益。在最高市值组合中,高PIM组合的平均月超额收益只有0.04%,低于其他两个较低PIM组合,但从子表(2)中可以看出,该组合的平均股票数目只有16.05只,相比于其他组合,股票数目较少,可能是产生这一结果的一个原因。从组合检验的结果看,信息含量是股票预期收益的一个重要影响因素,A股市场中存在正的信息性风险溢价。

4.2 Fama和French框架下的检验

表3给出了回归变量每月两两相关系数平均值。其中,与信息含量PIM相关性最大的是市值SIZE,且两者负相关,表明市值越大,每笔交易的私人信息含量则越小,交易中的信息不对称程度越轻。PIM与非流动性ILLIQ正相关,表明交易中的私人信息含量越高,流动性往往越差,与以往的研究结论一致。PIM与BETA正相关,但相关系数并不大,说明A股市场中,交易信息含量对波动性有一定影响,但影响并不大。

表4给出了分别用FM方法和LR方法计算的回归系数、t统计量和相应的p值。FM方法计算的信息含量PIM的系数为0.2249,t值为3.1493,在1%水平下显著;LR方法计算的PIM系数虽然下降到0.0336(主要原因是某些月份的精度较高,但系数较小),但t值增加到3.8465,仍在1%水平下显著。两种结果都表明,交易信息含量能显著影响预期收益,A股市场存在显著的信息性风险溢价,特别是在FM方法下,假定其他条件相同,那么每10个百分点的PIM差异可以带来2.25%的月超额收益(27%的年化收益率)。从表4还可以看出,账面市值比BM的系数在两种计算方法下均显著为正,与以往的研究一致。公司市值SIZE的系数在两种方法下均不显著,即对于A股市场,市值并不显著影响股票的预期收益。

表5给出了加入流动性因素后进一步回归的结果,回归系数同样采用FM和LR方法分别计算均值和t统计量。加入非流动性变量ILLIQ后,FM和LR方法计算的信息含量系数分别为0.1930和0.0269,比之前有所减小,但依然较为显著,FM方法下的显著水平可以达到2%,LR方法下的显著水平为1%。在控制了流动性因素以及Fama French三因素以后,每增加10个百分点的信息含量,在FM和LR方法下,分别可以带来1.93%和0.269%的月收益。因此,进一步回归的结果表明,即使控制了流动性因素,A股市场仍然存在显著的信息性风险溢价。非流动性ILLIQ系数在FM和LR方法下的t检验量分别是2.6097和4.6249,分别在2%和1%的水平下显著,表明A股市场中流动性溢价和信息性风险溢价同时存在。

5 结论

本文从市场微观结构角度出发,研究交易中的微观因素——交易信息不对称与资产定价的关系。已有大多数研究采用信息性交易概率(PIN)作为信息不对称的衡量指标,然而本文采用高频交易数据对PIN的模型假设进行了检验,发现A股数据并不能很好的拟合其假设。基于Aktas、De Bodt、Declerck等的发现,本文采用Hasbrouck所提出的交易信息含量作为交易信息不对称的衡量指标,对1999年7月至2008年12月的A股市场交易信息含量与资产定价的关系进行了严格的分析,主要发现如下:

(1)以市值和交易信息含量为标准构建的投资组合,在控制了市值因素后预期超额收益随着信息含量的上升而增加。从组合检验的结果看,交易信息含量是A股股票预期收益的重要影响因素。

(2)通过回归检验由BETA、市值、账面市值比和信息含量组成的四因素模型,发现在FM和LR两种计算方法下,信息含量系数在1%的水平下均显著,且都大于0;特别是FM方法计算的系数平均值为0.2249,表明在其他因素不变的情况下,每10个百分点的信息含量差异,可以带来2.25%的月平均收益(折成年化收益为27%)。回归结果表明A股市场存在显著的信息性风险溢价。

(3)增加Amihud非流动性指标后,信息含量系数依然显著大于0,表明即使控制了流动性因素,信息含量仍能显著的解释预期收益的横截面变化。而非流动性指标系数同样显著大于0,表明A股市场同时存在流动性溢价和信息性风险溢价。

以上结论说明交易中的私人信息含量能显著的影响个股预期收益,A股市场中存在显著的信息性风险溢价,投资者对信息不对称程度较高的股票要求额外的风险补偿,从而使这类股票在日常交易中存在一定的相对折价。因此,对于市场监管层来说,加强信息披露的监管、增加市场透明度,有利于股票的价值发现;上市公司及时、准确、充分的披露信息,能减少融资成本,提高融资效率;而部分投资者则可以根据交易信息含量构建投资组合,利用信息性风险溢价获取低风险甚至无风险收益。本文的研究结果可以为市场监管层、上市公司以及市场中的投资者提供决策参考。

论碳交易市场定价权 篇3

缘于《京都议定书》之下的CDM (清洁发展机制) 交易机制, 让世界各国都垂涎不已。发展中国家如中国、印度和巴西, 发达国家如欧盟、日本都顺势而为, 甚至曾经反对《京都议定书》的美国也改弦易张, 通过了《清洁能源安全法案》。毋庸置疑, 一系列国际社会气候法案的出台必将会带来巨大的能源市场。而中国作为这个能源市场上的重量级卖家, 拥有84%的CDM一级市场份额, 却未能如愿以偿的掌握碳交易的定价权。为了避免中国在新一轮的国际经济浪潮中再次失声, 谋取碳交易的定价权势在必行。

1 CDM机制下的国内外碳交易市场的发展状况

1.1 国外市场的发展状况

2007年全球碳交易市场价值达400亿欧元, 比2006年的220亿欧元上升了81.8%, 2008年在全球性金融危机的情况下, 全球碳交易市场依然保持爆炸式增长态势, 交易额高达910亿欧元。而且这种涨势会在哥哈本根会议之后得以持续。以日本为例, 1990年二氧化碳排放量为12.4亿吨, 按《京都议定书》规定日本2008年排放量应减为11.6亿吨, 但其2002年的排放量已达13.3亿吨。日本政府决定通过CDM等每年向海外购买2000万吨, 即2008到2012年的五年当中购买一亿吨。但是2008年, 日本实际签约的只有638万吨, 与其规定的年购买量2000万吨相去甚远。可以想象, 哥哈本根会议之后如果有了更加明确的减排实施计划, 日本的减排压力会骤增。这必然增加其通过CDM增加其购买量。此外, 美国的可能加入和欧盟的助推也是CDM碳交易市场扩大的催化剂。

1.2 国内市场

对于中国而言, 碳交易及其衍生市场发展前景广阔。中国拥有巨大的碳排放资源, 碳减排量已占到全球市场的1/3左右, 居全球第二。据世界银行测算, 全球二氧化碳交易需求量超过2亿吨。发达国家在2012年要完成50亿吨温室气体的减排目标, 中国市场出售的年减排额已达到全球的70%, 这意味着未来至少有30亿吨来自购买中国的减排指标。特别是CDM市场潜力巨大。中国的CDM潜力占到世界总量的48%。而就现实情况来看, 我国在联合国气候相关机构成功注册的项目也居于世界第一。

从图中可以看出, 我国成功注册的CDM项目居世界第一位, 总量达到622个, 占34.78%。除外, 世界银行的分析数据显示, 截至2012年, 我国预期每年将会产生超过1.84亿的减排额度, 占到了实际每年减排额度的近60%, 远远超过了其他发展中国家。中国在这个“碳时代”中无疑将会成为一个极具影响力的国家。

2 CDM交易下碳排放价格的现状

首先, 碳交易市场的分类。通常情况下, 碳交易可以分成两大类:其一是基于配额的交易。买家在“限量与贸易”体制下购买由管理者制定、分配 (或拍卖) 的减排配额, 譬如《京都议定书》下的分配数量单位 (AAU) , 或者欧盟排放交易体系 (EUETS) 下的欧盟配额 (EUAs) 。这通常被认为是二级市场。其二是基于项目的交易。买主向可证实减低温室气体排放的项目购买减排额。典型的此类交易为CDM以及联合履行机制下分别产生核证减排量和减排单位 (ERUs) 。由于我国是《京都议定书的》非附件一国家, 因此我们并不能直接开展基于配额的交易。

其次, 碳交易的历史价格。2002年, 荷兰和世界银行首先开始碳交易时, 碳排放的价格为每吨5欧元左右, 2004年达到6欧元, 到2006年4月上旬, 已过了31欧元。目前发达国家通过CDM购买温室气体排放额度的需求为2亿-4亿吨, 每吨的价格在15-20欧元, 最高可高达25欧元。在占据全球碳交易85%以上的欧盟碳交易市场, 2008年其价格达到每吨23欧元。但这通常都是二级市场的统计数据。相对于一级市场来说, 碳交易的价格往往显的不尽如人意。

下表是我国一些具有代表性的基于项目的碳交易, 规模分为小、中、大。根据我国发展改革委已经批准的并且已经注册成功的CDM项目及相应的减排额度和价格。

注:数据来源于清洁发展机制官方网站:http://cdm.unfccc.int。

这三个基于项目的交易价格大致都分布在8-8.5欧元左右。这三个项目的注册时间均是在2008年下半年, 而合作双方真正的签约时间应该是在2007年左右, 这一时期国际市场上的碳交易价格大约是在25-30欧元左右。这之间的利差都被国际二级碳交易市场转取。而在碳交易一级市场上, 8-8.5欧元的价格在扣除设备转换、原材料成本、技术引进相关费用等之后, 所剩无几。

3 影响我国碳交易价格的因素

3.1 信息不透明

根据《京都议定书》的相关规定, 只有发达国家承担相应的减排任务, 而发展中国家承担“共同但有区别的义务”。发展中国家不能直接将碳交易配额出售到欧洲市场, 企业卖出的排放权, 主要由一些国际碳基金和公司通过世界银行等机构参与购买, 再进入欧洲市场。这样一来, 我国企业由于不能直接接触国际碳交易的最终买家, 势必会对信息的沟通产生障碍。另一方面, 长期以来在我国碳交易实践中企业都是单兵作战, 缺乏相应部门的支持。

现在中国CDM的卖家接触到的通常只有5-10个买家, 得到的报价通常都是相差无几。再加上各方面的信息、研究都比较薄弱, 这个市场的信息是不透明的, 卖方既不了解全球市场供需情况, 也不了解其他CDM项目的价格, 造成了碳排放市场的暗箱操作, 最终的成交价格与国际市场价格相去甚远。但是, 任何一个刚刚起步的市场都有亟需完善的地方, 中国碳排放价格与国际市场的长期巨大差距, 很大程度上也是市场不成熟的表现。由于场外交易缺乏规范和监管, 没有标准化合约和价格发现功能, 因此CER (核证减排量) 交货时间、地点、方式、数量、质量和价格都由签约双方议定, 信息不透明。

此外, 缺乏第三方机构也是造成信息不透明的一个原因。按照联合国规定的碳交易流程, 企业递交的碳排放指标必须经过指定的第三方机构认证后才能生效, 目前联合国委任的第三方机构总共有18个, 而我国只有一家。这也在一定程度上造成了国内外的信息传递机制不顺畅。

3.2 不确定性因素

(1) 2009年年底的哥哈本根会议。

进入2009年以后世界碳交易总量和价格都出现了明显的下滑, 这不仅有金融危机的影响, 更多的则是来自于后京都时代的不确定。哥哈本根气候会议将会对后京都时代各国应承担的减排任务以及相应的各项碳交易机制的具体操作规则作出规定。这或许会重新调控碳交易市场行为。

值得一提的是, 哥哈本根会议之后是否会要求中国也承担减排任务具有很大的不确定性。依据中国目前的产业结构和能源消耗率来说, 中国可能会在2030年是达到温室气体排放峰值。作为CO2第二大排放国, 在达到峰值之前, 中国承担减排的任务有点不切实际。所以, 哥哈本本会议上世界各国很有可能会要求中国限排。

(2) 经济危机。

金融危机的爆发导致世界各国特别是西方发达国家经济衰退, 国际碳市场作为实体经济和金融经济相结合的衍生市场, 也遭受较大冲击;而雷曼兄弟公司等投行的倒闭, 使得诸多碳信用额度成为遗留问题。据统计, 已经破产的雷曼兄弟公司在破产前在CDM项目领域管理的碳资产总量达到1500万吨, 其中约有三分之二来自中国;美国国际集团、高盛国际、美林银行、摩根士丹利、盖茨基金等投资公司在中国都参与了CDM 发电项目, 随着这些公司破产、被接管以及改制成商业银行, 许多CDM项目出现了不确定性, 这些因素都加剧了国内碳市场的动荡。

4 中国掌握碳交易定价权的应对策略

4.1 加快碳金融建设

我国虽然是最大的碳资源国家, 但在碳金融建设方面却发展滞后。碳金融和碳交易好比两条腿, 没有碳金融的支撑, 中国不仅将失去碳交易的定价权, 而且将又一次失去金融创新的机会。世界上主要的碳交易市场被欧美发达国家垄断, 包括欧盟的排放权交易制 (EU ETS) 、英国的排放权交易制 (ETG) 、美国的芝加哥气候交易所 (CCX) 等。中国虽然目前拥有北京环境交易所、上海环境交易所、天津排放权交易所, 但目前这三家交易所都还仅限于节能环保技术的转让交易, 距离金融性质的碳交易所还有一定距离。

4.2 国家的积极扶持

政府对整体环境风险要做好计算和控制的战略选择。在印度, 尽管单边项目与CDM机制的设立初衷, 既推动发达国家向发展中国家转移资金和技术以促进减排的目标有所背离, 而且后京都市场尚未确定, 大量单边项目的累积会加剧市场风险, 但是印度政府仍然能够推出一系列的激励措施保持一定的成交量。这体现了一国政府的战略选择和风险控制能力, 同时与该国企业对环境风险预测和把握的意愿及能力有关。

4.3 人民币的国际化

正如“煤炭-英镑”、“石油-美元”的关键货币崛起之路, 碳交易计价结算货币的绑定权是美元以外的国际货币走强的重要契机。中国要想掌握碳交易的定价权, 就必须使人民币作为碳交易的结算货币。现实情况是, 人民币的国际化之路似乎并不平坦。前有欧元、英镑和日元的堵截, 后有卢比和克鲁塞罗的围追。

摘要：随着CDM交易机制的发展, 关于碳交易定价权的争论也日益激烈, 中国作为碳交易市场上的最大供应国, 谋求定价权势在必行。基于国内外碳交易市场的发展情况, 着重分析了我国谋求碳交易定价权存在的一些问题, 同时指出了相应策略。

关键词：《京都议定书》,二氧化碳减排额度,哥本哈根会议

参考文献

[1]苏伟.规划反感下的清洁发展机制 (PCDM) :制度框架与国际动态研究[M].北京:中国环境科学出版社, 2008.

[2]刘奕良.废弃变黄金——清洁发展机制研究[M].北京:新华出版社, 2008, (7) .

[3]无暇.碳交易:要参与更要话语权[N].中国经济导报, 2009-06-30.

[4]陈光.国际买家淘金中国碳交易[N].中国证券报, 2008-04-08.

[5]曾刚, 全先银, 程炼.碳金融交易面临新发展机遇[N].中国证券报, 2009-08-25.

知识商品交易模式与定价模型研究 篇4

1. 知识商品的定义

知识商品是用于交换的知识劳动的结果，是人们在生产、生活实践中经过人类脑力和体力劳动加工转化而形成的既具有使用价值又具有交换价值的知识劳动产品，以及相关的知识性劳动服务。知识商品包括作为商品的知识和知识性劳动两部分，前者更多地表现为以文字、语言、图形表达的显性知识，后者更多地表现为隐性知识。

2. 知识商品的分类

按照知识商品的能动性及其载体，可将知识商品分为能动性知识商品和非能动性知识商品，相应地，能动性知识商品的载体是具有主观能动性的人，即人力资源，可以按照主观意志，根据激励和工作环境决定实施自己的工作努力程度和能力发挥程度，从而确定知识性劳动服务的质量和效率。非能动性知识商品指以实物为载体的知识物化技术商品和知识产权等，这类知识商品在客观条件满足的前提下就能够达到满意的工作效果，当然其价值的实现具有一定的不确定性。由于能动性知识商品的交易其实质是人力资源的配置与管理，本文针对非能动性知识商品的市场交易及其定价模型进行研究。

二、知识商品交易模式

1. 知识商品交易基本假设

知识商品的交易过程建立在一系列假设的基础上： (1) “经济人”假设，即交易双方都是追求自身经济利益最大化的理性经济人; (2) “价格区间”假设，交易双方根据各自的成本效益分析分别提供价格区间，供双方讨价还价; (3) “分别计价”假设，交易过程中，买卖双方各自有不同的价格考虑因素和预期，分别提出价格上限和下限; (4) 知识商品市场是信息不完全的非对称市场，交易双方需要市场专家及中介机构等第三方提供信息，进行讨价还价，确定最后的交易价格，实现交易。

2. 知识商品交易基本模式

知识商品的供给来源于创新主体对于知识的生产和传播，知识生产者或传播者根据知识商品的生产成本、传播成本、交易费用和要求的超额利润来确定最优价格。而知识商品的需求者则希望能够在不确定条件下使其效用最大化，他们根据效用预期确定最优价格，其投资知识商品的目的在于获得超额利润，实现效用的最大化。

由于知识商品使用的预期收益受到市场、组织、技术等因素的影响，通常具有较强的不确定性，对其价值的判断往往取决于买方根据现有生产条件和发展规划、收益预期而作出的购买取向和主观评价，所以供求关系对其价格虽然有影响但并不明显，导致在知识商品交易中，买方价格比卖方价格对知识商品成交价格具有更大的影响。知识商品交易的市场是相对的买方市场。知识商品的交易模式如图所示：

三、知识商品交易价格确定的原则

知识商品交易价格的确定应该是在知识商品价值的基础上，结合市场的供求和竞争机制而进行的，买卖双方还应遵循如下原则：

1. 成本补偿原则，知识商品生产过程中所发生的直接成本，包括知识生产者的劳动耗费，创新主体的资金、设备和原材料等投入，应该通过知识商品的交易得到补偿，这是维持知识商品“再生产”的必要条件。

2. 超额收益原则，知识商品使用价值的大小主要体现在其为使用者带来的超额收益方面，包括经济效益和社会效益两个方面，超额收益越高，其价格就应该越高，反之则应低些。

3. 使用风险原则，使用风险反映了知识商品的使用者购买了知识商品后实际投入使用的难易程度，一般来说，买方购买知识商品是为了尽快获取经济效益和社会效益。知识商品研发的完善程度越高，买方为了使用该项知识商品所需的配套投入 (如生产条件改造、新工艺实施、员工培训等) 越少，所承担的机会成本就越低，相应的使用风险就越小，则该知识商品的价格就应越高，反之就较低。

4. 有效服务年限原则，知识商品的有效服务年限是指由于无形磨损所确定的知识商品的使用寿命，这一年限越长，买方则越可能在较长的时期内获取经济效益或社会效益，其平均分摊的投资成本就越低，该项知识商品的价格就应越高。

5. 知识商品支配权原则，知识商品的交易是使用权的转让，如当某公司将一项技术转让给另一家公司时，这家公司对该项技术仍拥有所有权，若无相关协议，则还可以再向别的公司转让，因此知识商品可以多次出售，若某个买方为了独占市场，或者为了拥有某项知识商品的完全支配权，则应支付较高的价格，并以合同方式保证他所获得的这一特权。

6. 利益分享原则，参加知识商品交易的不同主体，基于各自的价值评价进行成交价格的谈判时，还应遵循利益分享原则，即实施知识商品交易后所产生的收益，应由交易双方共同分享。

四、知识商品定价模型

1. 知识商品交易行为影响因素

从知识商品的预期收益来看，其收益含有一定的风险，且大多数知识商品可以多次转让。这种多次让度交易使卖方以一定的方式分享买方的预期利润，与买方共同承担由于知识商品未来收益的不确定性而产生的风险。因此，知识商品价格受供求关系影响较小。此外，知识商品的交易价格也不像普通商品价格那样，买卖双方对价格的影响大致相近，而是买方价格比卖方价格对知识商品最终成交价格更有影响力，买方的购买意向是形成知识商品价格的主要因素。

在知识商品销售的买方市场上，很多因素可以对买方的购买行为产生影响：

首先，买方的生产领域和方向、生产能力、技术条件、员工素质，以及新产品开发投入力度，都在较大范围内左右着知识商品的价格。由于知识商品的利用领域具有较强的针对性，因此知识商品的交易弹性相对较低，其市场价格往往受买方的购买取向与主观评价的影响较大。

其次，由于知识商品未来收益的不确定性，买方对知识商品应用范围及发展远景的估计，对知识商品的需求弹性，特别是对知识商品收益的预期，将极大的影响其购买行为。由于知识商品交易过程中的信息不对称性，买方无法获得完全信息，买方可以通过些咨询公司、技术产品鉴定机构、评估部门等创新服务机构获得一定的补充信息，结合对运用知识商品后预期成本的减少、产品价格或销量的上升及社会效益等增加的预期来确定其对于知识商品的需求价格。

再次，随着市场竞争与垄断的发展，买方竞争对手的技术与发展方向和策略，对其交易行为也产生着较大的影响，即市场竞争的外在性对知识商品价格波动的影响。

最后，买方的风险意识与风险水平的类别，也制约着知识商品的价格。根据市场参与者的风险偏好，可将买方划分为风险规避者、风险中性者和风险爱好者。风险偏好程度越高的买方越倾向于投资技术尚不成熟的知识商品，且越易于在较高的价格水平上采取购买行为，以获得超额风险收益。相反，就有风险规避性的投资者则更愿意与卖方共同承担知识商品的风险。

虽然在知识商品交易中买方对价格的制定起到了决定性的作用，卖方在一定程度上也影响着知识商品的市场价格。知识商品的生产成本、技术成熟度、技术水平、适用范围的大小，以及卖方生产知识商品的经济预期都影响着知识商品的卖方市场价格。

在知识商品交易中，需求、而非供给是拉动价格的主要因素，知识商品价格受需求的影响，远远大于供给的支配力量，但是同其它资源一样，在知识商品的市场配置过程中，其市场价格同样具备传递信息，分配资源和刺激生产与流通的功能。

2. 知识商品卖方定价模型

知识商品的卖方定价要满足以下三个层次的要求：首先，尽快收回研究成本和交易费用;其次，获得投资的行业基准收益;再次，分享买方运用知识商品后获得的超额利润。因此，卖方价格 (ps) 是由知识商品生产成本C1，交易费用C2和买方运用知识商品产生的预期利润等共同决定的，卖方理论价格表示为：

其中：

ps, psmin——知识商品转让给第家受让方时的卖方期望价格和最低价格;

C1——知识商品生产中的成本;

k1——知识商品要求的超额收益率;

C2——由卖方支付的交易费用;

l——转让权益系数, 表示为l=l1·l2, 其中l1为转让次数系数, 有, Ni为第i个买方的技术有效使用年限, 先行购买可获得早期的垄断收益, 且有较长的技术有效使用年限, 因此需支付较高的购买价格费用;

l2——付款方式系数，根据不同的付款方式如一次总付、入股分红等不同方式确定;

k2——知识商品研发风险系数，风险越高则卖方为知识商品所确定的价格也越高;

R——寿命周期里知识商品产生的预期利润，包括新产品商业运作过程中的一般性收益和由于先进技术而产生的高于同类产品的收益;

K3——技术分成率。

3. 知识商品买方定价模型

作为知识商品的买方，在知识商品交易过程中寻求的经济利益主要有两方面：首先，在知识商品使用期内收回全部投资;其次，获取运用知识商品的预期利润。由此，知识商品的买方价格模型可表示为：

其中：

Pb——买方愿意支付的知识商品购买价格;

R*——买方运用知识商品后预期获得的利润，包括新产品商业运作过程中的一般性收益和由于先进技术而产生的高于同类产品的收益两部分;

r——买方风险系数，根据买方对使用知识商品所带来的技术风险、市场风险及组织风险等的预期来确定;

C——由买方支付的交易费用;

I——买方运用知识商品过程中的预期追加投资。

3.知识商品成交模型

如上图所示, 知识商品成交前, 供需双方根据各自价格认定的原则, 分别提出各自价格, 通常这两个价格是不相等的, 须经过多次讨价还价, 在双方对于价格的认定趋于一致时, 才能成交。因此, 知识商品成交价格p的边界条件可表示为:

(1) 当时, 知识商品交易最易成交, 显然, 此时P=Pb或P=Ps, 取决于双方谁先报价;

(2) 当时, 很难成交, 除非买方作出让步;

(3) 当时, 是技术转让中最常见的情况, 此时的实际成交价格可以运用赫威兹准则来确定。赫威兹准则是美国学者赫威兹 (Herbert Hurwicz) 提出的决策准则, 他认为一般人都不是极端乐观或者极端悲观, 而是偏于乐观或悲观, 因此, 选用一个介于0与1之间的系数α, 表示决策者的较乐观或较悲观的态度, 于是有:

各方案α加权平均报酬=α×各方案最大报酬+ (1-α) ×各方案最小报酬

根据决策者对于风险的偏好性确定α的值，决策者对风险的偏好性越强，α值就越大。由此，知识商品的成交价格表示为：

其中:0≤α≤1, 是价格确定系数, 其数值取决于知识商品买方的风险偏好性。

参考文献

[1]OECD杨宏进薛澜译:以知识为基础的经济.机械工业出版社, 1997

[2]王德中:管理学原理.西南财经大学出版社, 1995

[3]许崴:试论知识商品的使用价值、价值与价格.中南财经政法大学学报, 2006, 03

[4]李长玲:知识产品的定价策略分析.图书馆理论与实践, 2006, 03

基于排污权交易的再生水定价模型 篇5

合理定价是再生水推广使用中亟待解决的关键问题。与自来水相比,再生水的水质偏低,一般要求达到二级处理标准,适用于对水质要求不高的场合。工业用水对水质要求不高,且需水量大,再生水可以达到其用水标准,因此再生水的循环利用成为工业企业用水的新趋势。再生水作为自来水的低质替代品,与自来水必然存在一定的价差。我国目前还未形成一个综合各方面因素的再生水价格体系,各地主要由政府统一管控再生水价格,一般是通过文件规定将再生水价格维持在一定的范围内,导致全国各地再生水价格差异较大。为了对再生水更合理定价,学术界提出的定价方法主要有基于成本的平均成本定价、边际成本定价等,还有基于用户需求、根据水质差异来确定价格的模型。但上述方法多是从供方或需方单方角度考虑的定价模型,存在着一定的局限性。

随着国家推行工业企业排污权交易和有偿使用的政策,排污权交易逐渐影响企业污水处理成本,进而成为影响再生水定价的重要因素。本文通过建立基于排污权交易的再生水定价模型,确定再生水的最高价格,结合供水方成本加成模型确定再生水的最低价格,考虑供需双方因素,使再生水定价更符合实际。

1 文献综述

最早的水资源定价理论大多基于成本或价格单方面因素。Geng[1]提出合理的再生水定价可以帮助减少淡水的使用和废水排放,同时削减行政成本、改善融资环境。黄廷林等[2]构建了影子价格模型、边际机会成本模型及市场价格模型,对再生水资源价值进行量化分析。随后不同学者对再生水定价进行多角度研究,吕荣胜等[3]将环境先导的理念引入再生水定价中,得出以制水成本为依据的成本价格模型。吴艳等[4]在Hotelling线性城市模型中引入质量差异,建立自来水和再生水纵向差异化双寡头垄断市场的价格竞争模型,分析了再生水需求和竞争均衡价格的影响因素。刘晓君等[5]运用成本加成理论,采用阶梯定价的方法研究再生水定价,建立了基于再生水用户需水量、输水距离等因素的复合阶梯定价模型。

目前较新的水资源定价理论是综合考虑供求双方利益的定价模型,如段涛[6]通过考虑再生水作为自来水替代品以及无须垄断管制的特点,建立了基于成本与需求综合考虑的再生水自主定价模型。张宏伟等[7]也建立了供水方与用户的合作博弈模型,从再生水供给方与用户的利益关系分析入手,利用沙普利值得出再生水供给方与用户的利益分配表达式,推导出再生水的合理定价公式。陈莹等[8]在借鉴合理水价定价方法的基础上,分析了再生水合理价格构成与定价机制以及再生水的定价区间,分析常规水价与再生水的比价关系对再生水利用的影响,分类制定再生水定价。Long[9]进一步提出再生水处理方法和用水规模应是导致再生水价格差异的重要因素。

20世纪60年代后期,Dales[10]最先提出环境允许的污染物排放份额理论以及排污权有偿交易制度。我国也逐渐重视该方面的研究,刘金星等[11]分析了政府投资、污水综合利用和排污权交易3个方面与环境水价的关系,提出以污水处理费为保证的排污权交易制度。孙卫等[12]通过建立流域排污权交易系统模型证明排污权有偿使用与交易制度能够有效增加再生水处理厂的污水处理量,同时促使排污企业减排,达到水资源可持续治理的目标。然而,将排污权交易制度与再生水定价联系起来的文献目前还很少。随着我国再生水资源行业的快速发展和排污权交易与有偿使用的试点及推广,排污权交易将对未来再生水定价产生重要的影响。本文尝试构建基于排污权交易的再生水定价模型。

2 影响再生水定价的因素分析

2.1 排污权交易的机理

排污权内涵是政府作为社会的代表和环境资源的拥有者,把排放一定污染物的权利卖给出价最高的竞买者。污染者可以向政府购买排污权,也可以向拥有排污权的其他污染者购买,即污染者之间可以转让排污权。自1977年起,美国环境保护局就开放企业排污权交易平台,许多发达国家也相继实施了排污权交易的政策。由于我国水污染问题愈加受到政府的重视,排污权交易也逐渐在我国发展起来,《国务院办公厅关于进一步推进排污权有偿使用和交易试点工作的指导意见》于2014年正式发布,其中多处提及排污权有偿使用和交易制度以及建设过程中有关费用和价格等内容。《国务院办公厅关于进一步推进排污权有偿使用和交易试点工作的指导意见》本质上隐含了排污权有偿使用制度和排污权交易制度相互衔接的价格体系,为全面推行排污权有偿使用和交易制度奠定了基础。

2.2 排污权交易对再生水利用的逆向推动

根据《环境保护法》和江苏省《排污许可证管理办法》,超标、超量排放污染物均属违法行为。也就是说,企业排放的污染物即使浓度达标,但超过主要污染物排放总量指标的,也不符合法律规定,要被处以罚款、限产限排、停产整治或停业关闭等处罚,情节严重的还要依法承担刑事责任。

因此,企业可以通过排污权交易平台或者向政府购买排污权以避免违法。但是,排污权交易的开展是以不超过污染物对当地环境的承载力为前提的,即企业不能过量购买。这也就迫使企业通过污染治理技术减少污染物排放以节约投资成本,并鼓励企业减少排污权的使用,将其用于自身发展或是交易获利。减少使用排污权的一个途径就是将污水排送到再生水处理厂,并相应地购买企业所需再生水,这也就达到鼓励企业使用再生水的效果。随着排污权有偿使用制度的不断完善,再生水回用渐渐成为工业企业用水的新趋势。这主要有两个方面的原因:①企业通过转让一部分排污权结合使用再生水的模式,可以节约污水排放的额度,并通过排污权交易获得部分收益;②部分工业企业的排污权不能满足企业的排放需求,排污权的高价促使企业增加再生水的使用[13]。

对工业企业来说,有3种用水选择:自然水、自来水和再生水。工业企业在衡量用水方案的成本时,要考虑4个因素:污水处理费(将污水排放到河流中的费用)、污水输送费(工业企业将污水输送到再生水处理厂的费用)、排污权交易收益(排污权转让净收益)、再生水购买成本。如果企业引进再生水后的总成本小于仅使用自然水和自来水的总成本,那么企业会愿意增加再生水购买量。

由此可知,再生水处理厂向工业企业收取的污水输送费可以在一定程度上补偿再生水处理的成本,间接地影响再生水的定价。

2.3 排污权交易对再生水定价的影响

排污权交易体系的逐渐建立会促使越来越多的工业企业选择将污水输送到再生水处理厂,并从再生水处理厂购买一定量的再生水,则直接排放到自然界的污水会大大减少,工业企业与再生水处理厂形成一个再生水处理及利用循环体系[14]。自然环境中污染减少,会在一定程度上减轻政府治理污染的负担。为了维持该体系的良性循环,让再生水供需双方都有利可图,政府给予再生水处理厂适当的补贴,并确定合适的再生水价格。

综合上述排污权交易对工业企业和再生水处理厂的影响,本文建立一个污水再生利用的循环体系(图1)表示污水到再生水处理厂的运输处理过程,图中xd为企业排放污水需交纳的污水处理费,元/t。该循环体系有再生水处理厂和工业企业两个主体,污水和再生水的流向如图1所示。在研究中本文将整个体系分为再生水处理输送环节(A)和污水输送环节(B),两个环节分别对应定价模型中的制水成本和运输成本。

3 再生水定价模型的建立

3.1 最低定价模型

目前,国内再生水定价主要采用成本加成模型,即以产品的生产成本为基础,再加上一定比例的利润来定价。这种方法的局限性就是忽略了一些现实的影响因素,如政府补贴、水质优劣、排污权交易等。因此,从再生水处理厂的角度,在再生水成本加成的定价基础上,加入企业排污权有偿使用和交易与政府对再生水处理企业的价格补贴这两个因素,再生水定价模型更符合实际:

式中:pc为再生水单价,元/t;xt为再生水处理厂在接收工业企业的污水时收取的单位输送费,通常根据管道的固定资产年折旧费和管道铺设建设费的投资报酬计算得出,元/t;p为再生水处理厂的成本利润率;s为再生水处理厂生产单位再生水获得的政府补贴,元/t;cc为再生水年单位生产成本,参照刘晓君[5]建立的基于成本加成的再生水阶梯定价模型,由再生水的年单位制水成本cp和年单位运输成本dt加总得出。具体计算如下。

a.再生水年制水成本=工程投资年折旧费+设备运行管理费+药剂费+其他费用。工程投资年折旧费是基于再生水处理厂投资费用函数[15]F=153.70Q0.83和固定资产综合折旧费率5%得出;药剂费为一年期间再生水处理所用药剂费用总额;工厂人工及管理费用等其他费用按前述3项费用的一定比例计算,通过实际调研,目前其均值约为15%。即

式中:Qi为污水日处理量,t/d;Q为再生水年销售量,t;e为电费单价,一般取1.18,为水泵及电动机等设备的效率及维护修正系数;H为一级、二级、增压泵站的全部扬程,m;ai为第i种药剂的单价,元/kg;bi为第i种药剂的投加量,kg/t。

b.再生水年运输成本=管道建设费用×(管道折旧费比例+管道维护费比例)。再生水年运输成本由管道折旧费和管道维护费构成,两者均基于管道建设费用函数F=16.72Q0.78Ei计算,一般取2%为年折旧率,3.5%为维护费比例。即

式中:Ei为污水输送管道长度,m。由式(2)和式(3)整理得cc:

考虑到工业企业的需方利益,企业向再生水处理厂每吨污水的输送费用应小于企业向河流中排放的每吨污水处理费,即:

因此,可得再生水的最低定价模型为

3.2 最高定价模型

对于工业企业来说,假设企业能够接受的每吨再生水定价为pc,企业使用每吨自来水的费用为βpc(β>1)。如果企业从再生水处理厂购买再生水,则每吨节约费用

另外,企业通过排污权交易获得的净收益为

式中:w为排污权交易收益,元/t。

因此对于生产型企业,使用再生水使企业节约的成本和排污权交易的收益之和必须大于企业可能因此面临的风险损失:

式中:l为每吨再生水质量风险损失费,元/t。由此可以得到再生水的最高定价:

综上所述,得到每吨再生水定价模型:

4 实证分析

以常州市再生水行业为例计算再生水价格并作比较分析。根据中国水网2014年的再生水数据,cp为1.5~3.5元/t,dt根据企业需水量和运输管道长度计算,cc为1.65~4.5元/t。根据常州市水务局网站数据,一般工商业xd为1.75元/t。《城市供水价格管理办法》规定,再生水行业的p在6%~8%之间。目前,不同地区政府对再生水补贴的额度不相同,如昆明市s为0.7元/t,北京市约为1元/t,综合来看,各个地区一般在0.5~1.5元/t。

以常州市戚墅堰污水厂、清潭污水处理厂、城北污水处理厂为调研对象,通过实地咨询相关信息,假设污水密度为1 t/m3,计算确定常州市cp为2.5元/t,dt为1.51元/t,xd为1.75元/t,p为6%,s为0.7元/t,可得pc为1.7元/t。

根据“江苏省排污权交易平台”网站上的排污权拍卖价格数据,计算出一般工业企业的w为0.34元/t,xt为0.75元/t,常州市一般工商业用水自来水价格pz为4.25元/t,根据统计数据得出工业企业因使用再生水可能造成的损失l为1.09元/t,由此可得再生水的最高价格pc为2.75元/t。

根据再生水供水方的成本加成定价模型可以得到再生水处理厂获得最低利润率情况下所能接受的最低再生水价格,需求方的基于排污权定价模型可以得到工业企业使用再生水替代自来水和自然水情况下所能接受的最高再生水价格。在这个价格区间[1.7,2.75]中,地区政府可以根据污水排放企业和再生水处理厂的具体情况确定适合的成本利润率和补贴情况,进一步调整再生水供需双方都能接受的价格。

5 结语

本文通过建立基于排污权的再生水定价模型确定再生水最高价格,结合供水方成本加成定价模型确定再生水最低价格,得到较为合理的再生水定价区间,提出的定价方法综合考虑了再生水供需双方的利益需求,引入近几年对工业企业影响较大的排污权交易因素,可作为再生水定价的一种实用方法。污水再生利用循环体系可看作是维持良性循环的生态系统,其中再生水的高效利用和水资源循环利用都体现了循环经济的内涵。水资源短缺是当今世界的难题,再生水处理及利用作为一种具有较高生态效率的新经济发展模式,是解决这个难题的有效途径。

资产交易定价 篇6

排污权交易可以在污染物排放总量超过允许排放量的前提下,通过货币交换的方式实现在各污染源之间相互调剂排污量,从而达到减少区域总排污量,以灵活的方式保护区域环境的目的［1］。排污权交易定价的合理性在很大程度上决定了排污权交易市场的活跃性,因此排污权价格,尤其是排污权交易的初始价格是排污权交易制度的重要组成部分［2］。 通过对贵州省排污权交易初始价格的定价理论进行分析研究,以期为排污权交易初始价格的确定提供技术支持。

1贵州省排污权交易的发展概况

贵州省的排污权交易是在实施排污许可证管理及排放总量控制的前提下,鼓励企业通过技术进步和污染治理节约污染物排放指标,减少污染物排量; 节约下来的指标根据其环境资源特性,可以作为 “有价资源”储存起来以备自身扩大发展之需,也可以作为“环境资源商品”按照商业价格出售给那些需要排放指标进行新、改( 扩) 建的企业,或者已建的无力或忽视使用减排手段、导致手中没有排放指标的企业,获得减排带来的经济效益。

2005年11月,贵阳市借鉴发达国家经验,在 《贵阳市大气污染防治办法》的第十条对排污权交易作了明确规定: “向大气排放污染物的单位,提前完成总量削减计划的,可以将削减的大气污染物排放总量指标有偿转让。具体办法由市人民政府规定。”成为全国首家通过地方性法规确立排污权交易制度的城市。

2010年,贵阳环境能源交易所作为贵州省首家环境能源交易机构挂牌成立,贵阳市成为贵州排污权交易试点城市。2013年,环交所协助贵阳市生态委草拟了《贵阳市排污权使用和交易试点实施方案》( 征求意见稿) 及《贵阳市排污权有偿使用和交易管理暂行办法》( 征求意见稿) ,贵州省排污权交易市场框架渐明。

2排污权初始分配和交易初始价格的形成机制

2. 1排污权初始分配机制

美国《清洁空气法》( 修正案) 中提出初始排污权的3类分配模式: 免费分配、公开拍卖和标价出售,我国主要以免费分配为主,部分排污权交易试点地区对公开拍卖和标价出售( 有偿使用) 进行了探索和实践［3 － 7］。目前贵州省的排污权指标分配仍然是无偿分配,无偿分配易被排污单位接受,但由于成本低且不可转让等特性,不利于刺激排污单位主动削减污染物排放的积极性,造成排污权指标富余的排污单位安于现状,而需要排污权指标但是污染治理技术尚不能达到的排污单位生产经营受到制约。

“十一五”期间,江苏省、浙江省、湖北省、湖南省、内蒙古自治区、山西省、陕西省、河北省、重庆市、 天津市作为国家排污权有偿使用和交易试点省市开展了大量的探索和实践工作。江苏省对环太湖流域的重点排污单位逐步开展有偿使用; 浙江主要对新建企业提出有偿使用的要求,并且在嘉兴等部分地区开展了竞价交易; 湖南省长、株、潭等地区对新老排污单位同时进行排污权的有偿使用和竞价交易; 内蒙古开展了有偿使用; 河北、山西、湖北、陕西等地集中开展了对新建项目排污权指标的竞价交易; 重庆则在工业区尝试开展竞价交易的基础上,逐步开展主城区排污权指标的有偿使用。

根据各试点省市的经验,有偿使用充分发挥了排污权交易作为总量控制计划中经济杠杆的作用, 刺激排污单位积极推行清洁生产,从源头进行污染治理,提高资源、能源的利用效率,减少污染物的产生和排放。进而促使社会平均污染治理成本不断降低,并通过排污权的储备与交易为政府积累一定的环境保护管理资金,可用于补助排污单位治理污染源、受污染危害的居民和综合治理工程。

因此,贵州省在排污权交易的实践过程中可参考试点省市的经验,对排污单位进行新老划断,原有排污单位在排污许可证有效期内继续按无偿分配的排污权指标排污; 新、改( 扩) 建项目和排污权许可证过期的项目,其排污权指标采用有偿使用或竞价的分配方式获得。

2. 2排污权交易初始价格形成机制

可供交易的排污权指标来源有多种类型,如排污单位在改( 扩) 建过程中“以新带老”节约的排污权指标,排污单位通过实施工艺更新、清洁生产以及强化污染治理节约的排污权指标,由省环境保护行政主管部门无偿收回的依法取缔、关闭的排污单位曾无偿取得的排污权指标等。这些排污权指标在不同的排污单位间进行有偿转让产生的价格即为排污权交易价格,其成本价格即为排污权交易初始价格。

排污权交易的内在动力主要是不同排污单位因规模、工艺、设备、污染物防治技术、废弃物的综合利用等方面的差异造成削减污染物的边际治理成本各不相同而形成［8 － 9］。因此,排污权交易的初始价格主要取决于各排污单位主要污染物治理成本以及排污权指标的供需平衡,其合理性也在很大程度上决定了排污权交易市场的活跃程度。

调研结果表明,由于各试点地区的经济发展水平、环境容量和地方环境政策各不相同,社会污染治理成本存在较大差异,导致排污权指标的使用期限和价格各不相同,难以横向比较。图1是COD基准价差异示意图,其中,重庆市的使用期为5年,基准价为6 800元/吨; 湖南、湖北两省的使用期为1年, 基准价为2 000元/吨; 陕西省的使用期为永久使用,基准价为12 000元/吨; 陕西省的使用期也为永久使用,但基准价为29 000元/吨,在试点省市中定价最高。

鉴于上述情况,贵州省的排污权交易初始价格的制定不能简单参照其他试点地区的定价,而必须根据省内企业的污染治理现状,综合考虑工业发展需要和环境容量等条件进行制定。

3贵州省排污权交易初始价格定价

根据《贵阳市排污权使用和交易试点实施方案》( 征求意见稿) 和《贵阳市排污权有偿使用和交易管理暂行办法》( 征求意见稿) ,贵阳市排污权交易的最终成交价将由电子竞拍得出。但是初始价格作为排污权交易基准价,其依据主要还是污染单位的主要污染物治理成本,即社会平均污染治理成本。 因此,贵州省的排污权交易初始价格定价应基于社会平均污染治理成本来制定,总的来说,合理的排污权初始分配价格的定价策略,应包括使用定价原则、 定价考虑的因素、定价的调节、有效期限等方面。

3. 1定价原则

制定交易初始价格是启动交易市场、刺激交易行为发生的关键因素,大多数企业非常关心交易价格,有时希望在设计和制定排污交易的政策时明确给出交易的价格。但是,排污权交易作为一种市场手段,其交易行为是市场活动,应该遵循自愿、公平的原则,交易价格应由企业污染治理的边际成本和市场上污染物排放配额的供求关系决定。由于贵州省的排污权交易将采取有偿使用与拍卖相结合的制度,因此排污权交易初始价格的合理性就显得尤为重要。综上所述,合理的初始价格的确定应该遵循以下原则:

( 1) 刺激性原则。排污权交易的实施目的是鼓励企业深度治污、降低社会平均污染治理成本。因此,应当保证排污权初始价格高于企业治污减排的平均成本。

( 2) 适度性原则。排污权指标的有偿使用使得新的项目不可能再获得无偿的污染物总量排放指标,增加了企业成本。而竞价获得的方式,很有可能将这一成本进一步放大。因此,初始价格应该建立在企业的承受能力基础上,否则将对企业的持续发展形成障碍。

( 3) 区别对待原则。充分考虑地区差异、新老企业技术水平差异、污染治理成本、经济承受能力等,制定排污权交易初始价格。

3. 2定价考虑的因素

通过对试点地区的排污权交易实践工作的调研发现,目前应用于排污权交易定价的常用方法为恢复成本法［10］。因此,本研究参考各试点地区的价格制定方式,采用恢复成本法,以社会平均污染治理成本为基础,综合考虑区域经济发展水平、地区环境容量、行业污染治理技术水平等非成本影响因素,结合排污权时限及贴现率,估算排污权交易初始分配价格的参考值。因此,本研究根据参考因素的特点将其分为成本因素和非成本因素。

( 1) 成本因素

成本因素主要是社会平均污染治理成本,该成本是指针对某污染因子,为减少该污染物排放,某地区各行业排污单位每年需投入的边际污染治理成本的平均水平,即为减少1吨该污染物排放需投入的单位污染治理成本( 万元/吨污染物) 。

社会平均污染治理成本可分为投资成本、运行成本、财务成本和其他成本。投资成本主要是指污染物治理设施设备建设费用; 运行成本是指污染物治理设施正常运行过程中产生的所有费用,包括设施的折旧费、能源消耗、物料消耗、维修费用、运行管理费、操作人员工资福利等; 财务成本包括设施建设的长期贷款利息或短期贷款利息; 其他成本是指除投资、运行和财务费用之外的费用( 如土地使用税等) 。污染物削减量为该排污单位在一个时间段内投入上述费用后该污染物的总削减量。

( 2) 非成本影响因素

非成本影响因素是指在初始定价过程中,需要考虑的区域经济发展水平、地区环境容量、行业污染治理技术水平等影响因素。由于不同行业、不同地区清洁生产水平不同,而且污染治理技术水平差异较大,因此有必要综合参考上述非成本因素,试行排污权交易价格的调节机制,对企业的污染治理进行引导。

考虑区域经济发展水平是由于排污权交易作为市场经济手段,必然会受到经济发展的波动影响,所以应根据经济发展状况进行适时调节。例如,内蒙古受经济形势严峻的影响,COD的有偿使用价格降低了一半,从2 000元/吨下调至1 000元/吨; SO2和氮氧化物的有偿使用价格降低了三分之二,从1 500元/吨下调至500元/吨; 氨氮也降低了一半,从6 000元/吨下调至3 000元/吨。在调价过程中,社会平均污染治理成本并未发生改变,而是考虑到经济不景气的情况,为了提高企业积极性, 让企业渡过难关,从而更好的发展。

考虑地区环境容量是因为随着“十二五”减排压力增加,各地区环境容量日趋珍稀,排污权交易作为一种市场经济手段,排污权指标的价格应随着环境容量供求关系的变化而进行调整,以充分反映出环境容量的珍稀程度。例如,“十二五”期间陕西省的SO2有偿使用价格在2011年从3 600元/吨提高到6 000元/吨,提高了67% ; 河北省的SO2有偿使用价格在2012年从由原来的2 000元/吨提高到3 000元/吨,提高了50% ; 山西省的SO2有偿使用价格也在2012年11月从16 000元/吨提高到17 000元/吨,提高了1 000元。在此调价过程中主要考虑的就是减排压力和环境容量因素。

考虑行业污染治理技术水平,是因为国家环境政策和清洁生产水平要求趋严,因此应对低污染、低能耗的行业或企业制定相对较低的初始价格,促进其发展; 对高污染、高能耗、污染治理技术落后的行业或企业,则制定较高的初始价格, 限制其发展或者促进其加大环保投入、积极改进污染治理技术、自发的减少污染物排放量,从而起到优化产业结构、促进重污染行业通过先进技术工艺降低污染排放等的作用。例如江苏省将直接向环境排放水污染物的纺织染整、化工、钢铁、 镀铁、电镀、食品( 味精和啤酒) 等6个主要行业的COD有偿使用价格定为4 500元/ 吨,是污水处理单位COD有偿使用价格的1. 73倍,充分体现了对低污染、低排放的行业的排污权交易价格倾向。

3. 3定价有效时限

排污许可证制度规定,《排污许可证》的有效期限最长不超过5年; 《临时排污许可证》的有效期限最长不超过1年; 由此衍生出来的排污权初始价格也应当具有相应的时效。目前,各排污权交易试点地区对排污权有偿使用基准价格的有效时限规定不一致,情况颇为复杂。例如昆明市排污权交易初始价格原则上每5年调整一次; 湖州市每2年调整一次; 湖北省则每年调整一次［8］。

从调研情况来看,污染物的治理成本随着社会总体清洁生产水平的不断提高、环保技术的进步将会逐渐降低; 而排污权指标的总量也会随着环境容量的减少和国家污染物减排政策要求日益严格而呈下降趋势。因此,如果排污权交易的初始价格不适时进行调整,势必会影响交易,但是调整过于频繁, 也会增加管理的难度,增加购买者承担的费用等。

考虑到《排污许可证》的有效期限最长不超过5年,而且环境保护规划、总量控制计划一般均是以5年作为周期,因此贵州省的排污权交易初始价格的使用期限每5年调整一次较好,可以与“十二五”主要污染物总量控制要求同时进行。

4结论

现阶段,贵州省排污权交易面临着许多政策、管理制度和技术上的难题,通过调研分析建议: 在排污权初始分配机制方面应充分考虑实际情况,对排污单位进行新、老划断,原有排污单位和新、改( 扩) 建项目采取不同的策略; 在排污权交易初始价格形成机制方面,应根据贵州省行业发展规划、环境容量和总量控制政策等因素,遵循刺激性、适度性和区别对待原则,采用恢复成本法来制定初始交易价格; 在定价的有效期限方面,与环境保护规划、总量控制计划保持一致,以5年为一个周期对排污权交易初始价格进行调整。

摘要：排污权交易初始价格的合理性是启动排污权交易市场、刺激交易行为发生的关键因素。初始价格的确定,应遵循刺激性、适度性原则,并充分考虑贵州省现状。本研究从定价原则、定价方式、定价使用期限等方面对贵州省排污权交易价格的定价策略进行了探讨。

资产交易定价 篇7

一、IPO 制度变迁

我国股票市场从1990年成立至今, 发行制度的改革从最初的审批制过渡到以“通道制”为核心的核准制,再到如今以保荐制为核心的“核准制”,其制度变迁之剧烈和频繁在世界证券发展史上都是罕见的。 历经数次改革引起了证券市场各参与主 体行为特 征的相应 频繁变动,进而影响了市场运行特征,影响了新股上市后的市场表现。 虽然我国IPO监管制度完成了从审批制向核准制的巨大转变,IPO超额收益率也大幅度下降,但这一数值仍然远高于世界其他国家。 上市首日高超额收益、 高市盈率、 高发行价、高超募资金现象仍旧十分明显,为了改善这种现象,A股市场相关制度不断改革。

2012年 ,中国证监会发布 《关于进一步深化新股发行体制改革的指导意见》(证监会公告[2012]10号)。 此次改革主要从强化信息披露、调整询价范围和配售比例、引入存量发行、加强发行定价监管、打击炒新及加大对不当行为处罚力度等六个方面着手进行改革, 但是并未涉及发审体制改革。 此次改革并未取得理想效果,“三高”、业绩变脸现象依旧屡见不鲜。

2013年11月30日 ,中国证监会发布 《关于进一步推进新股发行体制改革的意见》(证监会公告 [2013]42号),标志着IPO由核准制正式开始向注册制过渡。 新股发行制度的不断完善,某种意义上体现了市场监管的进步,从“政府主导”逐步向“市场主导”靠拢,但仍没有实现根本性的变革。 无论哪一种发行制度,都伴随着上市首日的超额收益。 随着证监会公告[2013]42号文的实施,上交所发布《关于进一步加强新股上市初期交易监管的通知》,规定:“集合竞价阶段有效申报价格不得高于发行价格的120%且不得低于发行价格的80%;连续竞价阶段有效申报价格不得高于发行价格的144%且不得低于发行价格的64%。 ”深交所发布 《关于首次公开发行股票上市首日盘中临时停牌制度等事项的通知》,规定:“盘中成交价较当日开盘价首次上涨或下跌达到或超过10%的,临时停牌时间为1小时;盘中成交价较当日开盘价首次上涨或下跌达到或超过20%的,临时停牌至14∶57。 ”

注:2013 年,因证监会 IPO 自查与核查,IPO 事实停止。 只有美的集团、浙能电力两家公司通过换 股吸收合并的方式实现了整体上市,在此不计入 IPO 统计

而在此之前,《上海证券交易所交易规则》规定:“集合竞价阶段股票交易申报价格不高于前收盘价格的200%, 并且不低于前收盘价格的50%;连续竞价阶段申报价格不高于即时揭示的最低卖出价格的110%且不低于即时揭示的最高买入价格的90%;同时不高于上述最高申报价与最低申报价平均数的130%且不低于该平均数的70%。 ”《深圳证券交易所交易规则》规定:“股票开盘集合竞价的有效竞价范围为即时行情显示的前收盘价的900%以内, 连续竞价、盘中临时停牌复牌集合竞价、收盘集合竞价的有效竞价范围为最近成交价的上下10%。 ”

二、新制度实施后的 IPO 市场表现

如上页表1所示,2014年IPO重启以来,截至2014年年末主板、中小板、创业板共125家公司IPO,其中105家首日涨幅为44%,占比84%;截至2015年3月27日,2015年共62家公司IPO, 其中有61家股票首日涨幅为44%,比重逐渐增加至98%。

我国的IPO抑价率远高于世界主要发达国家平均水平,在1990—2005年,平均抑价率达到160%以上,为世界之最。 2005年我国开始实行询价配售制度,当年年均抑价率下降到50%,但2006—2007年却不断攀升,到2007年达到历史峰值193%。 2008年在金融危机的冲击下虽有所回落,但也达到115%的高值。 从2009年6月起,证监会彻底放弃定价窗口指导,发布《关于进一步改革和完善新股发行体制的指导意见》(证监会公告[2009]13号),推出了新股发行体制改革。 2010年10月证监会发布《关于深化新股发行体制改革的指导意见》(证监会公告[2010]26号),启动新股发行体制改革的第二阶段。 随着新股发行体制改革的演进,IPO抑价率持续下降,2012年首日抑价率只有27%, 与发达国家平均IPO抑价程度15%相比, 差距逐渐缩小。 自2012年11月2日浙江世宝上市以来,IPO停摆一年有余,成为A股历史上8次IPO暂停中最长的一次。 2014年IPO重启,随之而来的是44%的抑价率 。

两交易所限制炒新的力度明显加强,基于这样的政策, 纵观2001—2015年新股IPO后表现 , 我们可以 看到在2001—2013年间上市首日涨幅与上市20日涨幅变化并不大。 新制度实施后从2014年起上市20日涨幅比上市首日涨幅扩大了4—5倍。 2014年以来上市首日平均涨幅44% 低于2001—2015年平均值75%, 但20日后涨幅远远大于87%的平均值 。 且2014年以来首日换手率较以前年度而言急剧下降,远远低于2015年均值55%;但观察上市20日后换手率可以看出换手率仍旧居高不下, 新股炒作并未得到遏制。一只新股上市,连拉10余个涨停是常见的事情。值得一提的是,兰石重装(603169)自2014年10月9日上市后涨幅一度达到了1 111%,连续拉出24个涨停,创下连续涨停数量最多的纪录。 可见新制度实施并未解决新股高抑价的问题。 另外,全通教育(300359)创造了2014年最高IPO首日涨幅,达到了46.19%。 之所以高于44%,是因为根据深交所的计算方法,在连续竞价期间,有效竞价范围是随着成交价动态变化的;同时盘中成交价达到或超过停牌阈值时, 才实施临时停牌, 所以停牌价不一定精确等于开盘价的10%或 20%。

由表2可见 ,2014年IPO重启以来 ,当年上市的125家公司中 ,首日涨幅平均值为43.5%,其中105支股票为44% 。 由于首日涨幅受到限制 , 新股上市后很快“秒停”,新股在上市首日难以换手,为后续连续涨停埋下了伏笔。 上市后5日平均涨幅为102.1%, 上市后10日平均涨幅为155.3% , 上市后20日平均涨幅为184.7%, 上市后满3个月平均涨幅为172.7%。 可以看出公司IPO之后的20日股价达 到峰值几 乎翻两番,并且在125家公司中有107家公司上市后连续涨停超过两天,平均涨停天数为7.5天,上涨至涨停打开日的涨幅为190.9%,在上市后20日的涨幅则达到了206%之高,上市后3个月也高达195.7%。 如此高的收益率致使新股申购备受追捧 ,二级市场资金流向新股IPO,然而网上申购中签率仅为1.1%。 由此可见, 新的政策表面看来控制了新股上市首日超额回报,遏制了新股炒作行为;但深究后发现,2014年新上市的股票往往连续拉数个涨停板, 进而表现出了上市10日股价翻一番的现象。新政策对于涨跌幅的限制虽然在一定程度上抑制了首日炒作, 但却带来了炒作时间延长的效果,上市首日之后的几个交易日新股涨幅居高不下。

从上页表2中可以看出主板的超额收益率最高, 上市至涨停打开日收益率达到210.7%;创业板次之,收益率为161.2%;相对较低的中小板也达到了142.2%的收益率 。 其中主板平均上市后涨停天数为6.6天, 创业板为5.5天,中小板最短为4.4天。 相较收益率最低的中小板在上市3个月后收益率也高达140.5%,其网上中签率是三个板块中最高的,为1.2%。

从表3中可以看出2009年6月证监会发布证监会公告[2009]13号文以来,市场化的定价方式令新股发行市盈率迭创新高,2009年发行市盈率为51.73,2010年发行市盈率达到2007年以来最高值58.78。 2011年受二级市场低迷尤其是下半年市场全面转熊影响, 新股发行首日涨幅大幅下降。 可以看出2010年与2011年新股发行价偏高,发行市盈率高,从而导致上市后涨幅较小,且超募资金巨大。

2014年以前我国新股发行存在高发行价、高市盈率、高超募资金的“三高”问题。2014年IPO重启以来,“三高”问题有所缓解。 第一,发行价降低,2014年平均发行价为17.56元,2015年为13.69元,较前几年有所下降。 第二,市盈率降低,发行市盈率及首日市盈率均有所下降,为历年最低值;且个股首日市盈率均低于行业均值。 但追踪新股上市后表现可以看出大部分新股IPO之后连续数日涨停, 至涨停打开日平均市盈率达到50以上,高出IPO首日市盈率近一倍,甚至超过了新制度出台前的市盈率。 第三,高超募资金问题得以解决,由于新制度规定,新股实际募集资金和公司募投项目资金应强制挂钩。 新制度实施以来甚至有公司实际募集资金未达到计划募集资金,2014年全年超募资金为-25.7, 主要因为陕西煤业实际募集40亿元,比计划募集资金少了58.33亿元。

三、总结

新股定价都不高,发行市盈率在25倍以下,几乎没有超募资金,上市首日涨幅平均都是44%,看起来新股发行定价及上市首日的表现似乎很是乐观。 但值得深思的是看似合理的新股定价不是由市场决定的, 而是行政力量控制的结果。我们可以看出为限制新股上市首日的暴炒,沪深交易所出台的将新股上市首日的涨幅控制在44%以内的新制度实施效果并不理想,导致新股上市首日往往都会出现“秒停”现象,想买进股票的投资者根本就买不到。 而在“秒停” 的情况下,也很少有投资者愿意卖出股票,从而导致新股上市首日交易不足,这也导致了新股上市后连续涨停的现象。 可以说,原本为了抑制新股暴炒而出台的“限炒令”反倒成了“炒新热”的推动力量。 这将会导致三点问题:第一,低定价、低市盈率、低募集资金的背后是股票定价不合理,股价被严重低估,从而募集资金缩水,企业通过IPO并未达到预想效果。低市盈率只是首日表象,真实IPO市盈率不但没有降低反而升高了。第二,新股申购和二级市场存在巨大的价差,助推了二级市场对新股的炒作,且低定价导致资金在二级市场空转,无法进入公司内部形成真正的资本。打新者利用新股市的交易规则,可以用很少的资金就把股价炒高。这样的规则使市场投机氛围加重, 最终把广大的普通小散户套在其中。第三,打新者从新股申购到二级市场之间实现了无风险套利, 大量资金闲置用于打新,不再创造价值。