股价行为

2024-06-15

股价行为（通用5篇）

股价行为篇1

一、管理层持股“自动调节器”功能的理论思考

从理论上讲, 在上市公司管理层可根据自身对公司经营及未来判断进行持股调整的假设条件下, 管理层持股的调整行为就成为了管理层对公司未来判断的一种显示信号。当这种信号被外部投资者所获取时, 外部投资者可根据这种信号判断上市公司的经营状况和未来发展, 调整自己的投资策略和预期, 进而外部投资者的行为对公司股价产生影响。上市公司管理层持股变动为一种有价值的投资信号。上市公司管理层对其公司的经营情况、盈利能力及未来发展等信息最为了解, 也最为清晰, 拥有比外部投资者更充分、更准确的信息, 基于此, 管理层增持与减持行为能够揭示管理层对上市公司的基本判断, 也代表了管理层对上市公司未来的信心。

在理性人假设条件下, 上市公司管理层持股目标不同, 持股行为也有差异。当上市公司管理层的持股以投资为目标时, 其主要考虑获取短期最大利益, 这一类管理层持股的调整行为主要为“低抛高吸”;当上市公司管理层的持股旨在作为股东获取部分控制权或以获取长期收益为目标时, 上市公司管理层主要着眼于公司的长期持续成长, 带来长期稳定回报, 这类管理层持股的调整行为可能会对公司股价起到平衡作用, 其相当于一个“自动调节器”的作用。

二、我国上市公司管理层持股的特征分析

本文以我国上市公司管理层持股在2007年1月1日至2011年12月31日之间的变化情况来分析。数据来源于Wind资讯数据库。从统计数据来看, 2007年以来, 我国上市公司管理层持股变动 (包含增持及减持股份) 16128次, 其中减持10641次, 增持5487次, 合计净减持次数为5154次。近年来, 我国上市公司管理层的减持行为比增持行为占据主导地位, 说明管理层持股以获取短期利益的倾向较以获取长期利益的倾向更为明显。

我国上市公司管理层持股变动的行业特征显著。我国上市公司管理层净增持次数最多的行业依次为房地产业、电力煤气及水的生产和供应业、采掘业、交通运输仓储业。我国上市公司管理层净增持数量最多的行业为纺织服装皮毛行业, 其次为医药生物制品行业, 再次为批发和零售贸易业。而我国上市公司管理层减持数量最多的行业为信息技术业, 其次为金属非金属业、电子业。

我国上市公司管理层地区特征明显。我国上市公司管理层持股变动呈现明显的地区特征, 东部地区减持和增持次数最多, 其次为西部地区, 再次为中部地区。我国东部地区上市公司数量较多, 其管理层增持与减持次数及数量也较多, 但西部地区上市公司数量较少, 其管理层增持与减持次数及数量却较中部地区上市公司频繁。值得关注的是, 浙江省上市公司管理层减持次数最多, 达到2871次, 其次为广东省上市公司。增持次数最多的省份为广东省, 其次为浙江省。值得注意的是, 上海市的上市公司数量排在东部地区第二位 (第一位为广东省) , 而上市公司管理层减持与增持次数、数量均居后位, 说明上海市的上市公司管理层持股变动率较低。

我国管理层持股变动的时点特征鲜明。一般地, 上市公司管理层持股变动行为受到整个大盘走势、公司本身因素及其个人因素的影响, 管理层持股变动行为是综合考虑多种因素后的一种结果表现。管理层持股变动可能存在“同增同减”现象, 即不同上市公司管理层在同一时间段集中增持, 而在另一个时间段集中减持。近年来数据显示, 管理层持股变动与上证综指走势没有呈现明显的同向波动作用。这充分说明, 由于管理层掌握了最为全面的公司内部信息和未来发展战略规划, 管理层增持与减持决策主要依据上市公司本身经营状况及股价走势判断, 而不会纯粹考虑大盘走势。

三、管理层持股与股价波动关系的经验数据分析

为深入考察管理层持股变动行为与公司股价的关系, 本文以2007年至2011年管理层持股变动的上市公司为样本, 在剔除数据不完全、极端数据等之后, 得到了本文研究的样本。

首先, 从管理层增持行为与股价变动关系来看, 上市公司管理层增持前股价普遍高于增持成交价。大多数上市公司管理层增持成交价均低于前1个交易日股价, 同时也低于前7个交易日股价, 而且也低于前30个交易日股价。上市公司管理层增持股份之后, 上市公司股价上涨至高于增持成交价的价格, 增持后1个交易日股价高于增持成交价;增持后7个交易日股价基本上都高于增持成交价, 增持后30个交易日股价也都高于增持成交价。可见, 整体而言, 我国上市公司管理层在价位较低时增持, 而在增持之后股价普遍上涨, 说明上市公司管理层的增持行为起到了稳定公司股价的作用, 也可能为管理层投资目标作用, 但无论如何, 上市公司管理层增持行为对于公司股价上涨起到了一定作用, 因为管理层增持之后, 公司股价会上涨, 当然也可能为作为内部信息优势者, 上市公司管理层的增持行为向市场传递了一种利好信息。

其次, 从管理层减持行为与股价变动关系来看, 上市公司管理层减持其股票时, 基本上为在股价高位上减持, 减持成交价基本上都高于前1个交易日价格、前7个交易日均价和前30个交易日均价。上市公司管理层减持股份之后, 上市公司本身的股价并不一定下跌, 可能原因是上市公司管理层减持股份的目标为了获取短期收益, 并不一定代表其对公司未来股价走势的判断, 当然股价变动的影响因素很多, 还有其他很多因素也会对股价产生重要影响。

四、管理层持股与公司绩效关系:基于我国上市公司的实证分析

为了进一步考察管理层持股与股价波动的关系, 本文以我国上市公司样本进行实证检验。

1.样本选择

为考察我国上市公司管理层持股变动对公司绩效的影响, 以上市公司在考察期间管理层持股变动次数衡量管理层持股变动率, 这样本文的样本就成了每个上市公司管理层持股变动的总体次数, 而非单个管理层持股变动次数。基于这种思路, 本文以2007年至2011年管理层持股变动的上市公司为样本, 然后剔除管理层持股变动次数为零的上市公司, 剔除异常值数据的上市公司, 剔除了管理层持股数据不全的上市公司, 剔除公司绩效及其他变量数据不全的上市公司, 剔除ST、*ST、SST类上市公司, 剔除2006年12月31日之后上市的公司。数据来源于CCER及Wind咨询数据库。

2.变量选择

根据前面的研究, 本文公司绩效的衡量指标仍然采用净资产收益率 (ROE) , 记为Perf。

上市公司管理层持股变动的衡量:上市公司管理层持股变动一般从两个方面来考察, 一是持股变动的数量、价格, 二是持股变动的次数;由于不同上市公司股价及总股本差异较大, 为考察不同行业、不同上市公司管理层持股变动的频率, 在参照已有文献研究做法的基础上, 本文以上市公司管理层持股变动次数来衡量。

上市公司管理层增持次数反映了管理层对公司未来的预期, 减持代表管理层对公司未来的发展的担忧。本文分别以上市公司管理层持股变动次数 (增持及减持次数之和) 表明其持股变动率, 记为SHch;为考察上市公司管理层增持行为对公司绩效的影响, 本文以上市公司管理层增持次数表明, 记为SHin;管理层减持行为以减持次数表明, 记为SHout。

为控制其他因素对回归结果的影响, 从投入产出的视角出发, 以资产投入、劳动投入来控制两者对结果的影响。资产投入要素记为Cap;劳动投入变量记为Lab。

股权结构对公司绩效的影响常常作为控制变量以控制股权结果对回归结果的影响, 这是我国上市公司股权结构特征决定的, 引入股权结构变量, 以上市公司前十大股东持股比例之和衡量股权结构, 并记为Own。

为控制产业因素对结果的影响, 以各个产业的平均利润率代表这个产业的竞争程度, 记为Ind。垄断行业平均利润率较高, 而充分竞争性行业平均利润率相对较低。

为控制地区因素对结果的影响, 以西部地区为参照变量, 设置两个控制变量, 即当上市公司为东部地区时, East取值为1, 否则取值为0;当上市公司为东部地区时, Middle取值为1, 否则取值为0。

3.管理层持股与公司绩效的影响关系

在参照已有文献研究的基础上, 本文的模型设定如下:

Perf=α0+α1SHch+α2Cap+α3Lab+α4Own+α5Ind+α6East+α7Middle+ε

其中, 模型检验的是上市公司管理层持股变动与公司绩效之间的影响关系, α1表明管理层持股变动对公司绩效的影响系数;α2至α5分别表明资本投入、劳动力投入、股权结构、产业因素等变量对公司绩效的影响;控制变量α6和α7分别表明地区因素对公司绩效的影响。

首先, 对模型进行随机效应模型 (random effects models) 估计, 然后根据Hausman Test检验结果判断模型是否合理, 若Hausman检验值不显著, 那么认为随机效应模型合理;若没有通过Hausman检验显著, 再进行固定效应模型 (fixed effects model) 估计, 但是由于本文数据时期太少而公司截面数据较多, 无法进行固定效应模型估计。根据上述思路, 本文进行固定效应模型检验, 并通过Likelihood Ratio检验发现固定效应模型通过显著性检验。以固定效应模型进行估计和检验, 采用的是EViews 7.0统计软件, 回归结果如表1所示。

注:***、**、*分别表明在1%、5%、10%的置信水平下显著。

从回归结果可知, 模型整体拟合效果的F检验值在1%的置信水平下显著, 通过F检验, 主要考察变量也通过了T检验, 说明模型设定合理。我国上市公司管理层持股变动次数与公司绩效呈显著负相关关系, 回归系数为-0.0751, 且在5%的置信水平下显著, 说明我国上市公司管理层持股变动越频繁, 上市公司绩效越差。

其次, 考察管理层增持行为与公司绩效关系。

为检验上市公司管理层增持行为对公司绩效的影响, 以上市公司管理层增持次数代替上述回归模型中的持股变动次数, 得到另一个回归模型如下:

Perf=β0+β1SHin+β2Cap+β3Lab+β4Own+β5Ind+β6East+β7Middle+ε

其中, 模型检验的是上市公司管理层增持次数与公司绩效之间的影响关系, β1表明上市公司管理层增持次数对公司绩效的影响系数;其他变量与本节上述模型意义相同。回归结果如表2所示。

注:***、**、*分别表明在1%、5%、10%的置信水平下显著。

从回归结果来看, 模型F检验值在1%的置信水平下显著, 通过模型显著性检验, 且主要变量显著, 说明模型设定合理。我国上市公司管理层增持次数与公司绩效呈显著正相关关系, 回归系数为0.5614, 且在10%的置信水平下显著, 说明我国上市公司管理层增持次数越多, 公司绩效越好。

最后, 考察管理层减持行为与公司绩效关系。

为进一步检验上市公司管理层减持行为对公司绩效的影响, 以管理层减持次数代替增持次数, 得到如下回归模型:

Perf=γ0+γ1SHout+γ2Cap+γ3Lab+γ4Own+γ5Ind+γ6East+γ7Middle+ε

模型检验的是上市公司管理层减持次数与公司绩效之间的影响关系, γ1表明上市公司管理层减持次数对公司绩效的影响系数。回归结果如表3所示。

注:***、**、*分别表明在1%、5%、10%的置信水平下显著。

从表3回归结果可知, 上市公司管理层减持频率与公司绩效呈显著负相关关系, 回归系数为-1.3582, 且在5%的置信水平下显著, 说明我国上市公司管理层减持次数越多, 公司绩效越差, 说明了上市公司管理层减持行为是一种明显的“利空”信号。这正好说明, 通过管理层持股方式将管理层利益与股东利益绑定为一种必要的途径和措施。

五、研究结论与政策建议

上市公司管理层减持与增持行为是上市公司管理层对公司未来预期判断后的行为, 即减持与增持行为揭示了上市公司管理层对公司未来发展的判断。当上市公司管理层看好公司未来时, 上市公司管理层会选择增持股票, 相反减持股票。但在这个过程当中, 上市公司管理层也会不断修正自身对公司未来的判断。上市公司管理层增持次数越多, 说明上市公司管理层对公司未来发展越为充满良好预期和估值;减持次数越多, 说明管理层对公司未来发展预期和估值越差。

本文考察了我国上市公司管理层持股变动的特征及其对公司股价、公司绩效的影响。我国上市公司管理层持股变动呈现了明显的行业特征、地区特征及时点特征。我国上市公司管理层持股变动对公司股价的具有一定影响。我国上市公司管理层基本上为在股价高位上减持其股份, 而减持后股价不一定下跌, 而我国上市公司管理层在价位较低时增持, 在增持之后股价普遍上涨, 具有明显信号作用。我国上市公司管理层持股变动对公司绩效具有显著影响。我国上市公司管理层持股变动次数与公司绩效呈显著负相关关系, 管理层持股变动越频繁, 上市公司绩效越差。因此, 改善管理层持股行为对股价波动、公司绩效的影响, 首先要提高上市公司管理层持股行为的透明度, 提高信息披露的及时性和有效性;其次要对上市公司管理层持股行为变动进行适度监管, 提高监管的科学性和合理性;最后要提高对上市公司管理层的培训教育, 提高诚信意识。

参考文献

[1]冯根福, 蒋文定, 黄建山.我国上市公司高管持股角色对公司绩效影响的实证分析[J].宏观经济研究, 2012, (4) .

[2]徐宁, 徐向艺.股票期权激励契约合理性及其约束性因素——基于我国上市公司的实证分析[J].中国工业经济, 2010, (2) .

[3]黄之骏.经营者股权与企业价值——基于内生性视角的最新研究进展及启示[J].金融经济, 2006, (2) .

[4]于东智, 谷立日.上市公司管理层持股的激励效用及影响因素[J].经济理论与经济管理, 2001, (9) .

[5]张小宁.经营者报酬、员工持股与上市公司绩效分析[J].世界经济, 2002, (10) .

[6]周建波, 孙菊生.经营者股权激励的治理效应研究——来自我国上市公司的经验证据[J].经济研究, 2003, (5) .

股价行为篇2

股价指数是运用统计学中的指数方法编制而成的，反映股市总体价格或某类股价变动和走势的指标， HacK50.com-是最好的入门资料网站

根据股价指数反映的价格走势所涵盖的范围，可以将股价指数划分为反映整个市场走势的综合性指数和反映某一行业或某一类股票价格上势的分类指数，

例如、恒生指数反映的是香港股市整体走势，而恒生国企指数反映的是在香港上市的H股价格走势，恒生红筹股指数则反映香港股市中红筹股的价格走势。

HacK50.com-,投资者入门的好帮手

按照编制股价指数时纳入指数计算范围的股票样本数量，可以将股价指数划分为全部上市股票价格指数和成份股指数。

股价行为篇3

根据《上市公司股权激励规范意见 (试行) 》规定, 股票期权行权价格需要依据股权激励计划草案摘要公布前30个交易日的平均市价与公布前一日的市价孰高原则来确定。因此在公司对外公布计划草案摘要前的一段时期, 管理人员就有动机通过一些手段降低股票期权的行权价格, 以获得更大的期权收益。即在窗口期[-30, -1]内公司的累积非正常收益率显著为负, 而在对比窗口期[0, 4]内公司的累积非正常收益率显著为正。

为了方便分析, 本文将样本公司在窗口期[-30, -1]和对比窗口期[0, 4]中的累积非正常收益率的描述性统计结果放入同一表中。

粗略地来看, 该描述性统计分析的结果与之前的假设相一致。

下面我们在统计上分别对前后两个窗口期内所有样本公司股票的平均累积非正常收益率进行一个显著性检验, 目的是为了检验样本公司股票的价格在草案摘要公布前后是否有明显的异常波动。检验结果见表二。

从上表可以看出, 在草案摘要公布前的窗口期内, P值过大, 检验结果不显著, 即我们并没有从所选择的样本公司数据中找到能够支持之前所做假设的证据, 然而, 我们认为并不能因为草案摘要公布前的窗口期内累积非正常收益率的检验结果不显著, 就由此推定不存在有关股票期权的股价操纵行为。以下是我们就这种不显著的结果给出的几个可能的解释: (1) 大股东及部分机构投资者在草案摘要公布前可能通过其他途径提前获知公司实行的股权激励计划, 由于股权激励计划有助于降低代理成本, 其草案摘要公布后必然会带来未来股价的上扬, 因此某些占有信息优势的投资者会提前买入股票, 坐等日后股价的上扬带来的收益, 这一买入行为往往会促使股价上涨, 对管理层打压股价的行为有一定的抵消作用。 (2) 中国股票市场可能是十分典型的弱势有效, 这些实行股权激励计划的上市公司中的管理层即便已经做出了股价操纵的行为, 但是这种行为却不能被市场所“洞察”, 因而也就不能由此引起股价的波动。事实上, 如果真是如此的话, 本文在研究过程中使用的事件研究法就失去了其应用的假设前提。 (3) 管理层打压股价的手段和能力可能受到了草案摘要公布日的影响。管理层为了使自身的股价操纵行为更为隐匿, 从而减少受到监管的风险, 可能更为倾向于利用对外公开的财务报告来传递消息, 从而操纵股价, 这样一来, 就只有那些在草案摘要公布前的窗口期内报出财务报告的公司才有机会实现股价操纵。为此, 我们特别又从确定的55家样本公司中选择了21家公司, 它们在草案摘要公布前的30天内都曾经报出过季报、半年报或者年报。我们将对它们的平均累积非正常收益率另做一次显著性检验, 结果见表三。

从上表可以看出, 这21家特定的样本公司的检验结果显著, 在公布前的窗口期内累积非正常收益率的均值显著为负, 而公布后的窗口期内累积非正常收益率的均值则显著为正, 与之前所做的假设相一致, 也就是说, 草案摘要公布前公司管理层可能会通过财务报告向外传递坏消息, 从而打压股价, 以便在未来获得更高的期权收益。

参考文献

[1]Aboody, David and Ron Kasznik.CEO Stock Option Awards and the Timing of Corporate Voluntary Disclosure[J].Journal of Accounting and Economics, 2000, 29 (1) :77-100

[2]Balsam, S., Chen, L.H.and S.Srinivasan.Earnings Management Prior to Stock Option Grands[J].Working Paper, Temple University and Geogetown University, 2003

股价行为篇4

并购是一种加快企业发展的有效的资本运作形式, 国外许多著名大型企业的发展历程就是通过并购进行扩张的历史。美国著名经济学家、诺贝尔经济学奖获得者乔治·斯蒂格勒 (George J.Stigler) 曾经说过“没有一个美国大公司不是通过某种程度、某种方式的兼并而成长起来的, 几乎没有一家大公司主要是靠内部扩张成长起来的”。自19世纪末20世纪初美国发生第一次企业并购浪潮以来, 企业并购就方兴未艾。尤其是从20世纪90年代开始, 随着全球经济一体化进程的加快和新经济的迅猛崛起, 既存的经济格局被打破, 从而引发了新一轮的并购浪潮。我国的企业并购活动开始于1984年, 但直到1992年以后, 即我国确立了市场经济的改革方向、产权改革成为企业改革的重要组成部分, 企业的并购活动才大规模展开。

二、文献综述

(一) 国外研究

Dodd (1980) 利用股票市场事件研究法研究了1971年~1977年间151起美国公司的兼并收购活动, 计算出了兼并方的非正常收益率, 其研究结果显示若从并购公告日之前40天开始到公告日当天, 兼并方的非正常收益率为5.37%, 公告日当天相对于前一天的非正常收益率为-1.16%, 公告后40天的非正常收益率为-0.20%, 他认为并购后有微小但统计显著为负的超常收益率。Jensen和Ruback (1983) 通过对13篇文献的综合研究得出1983年以前企业并购的绩效结果, 被并购公司的股东赚取了20%的经风险调整后的额外收益, 而收购公司股东的收益率为0%。企业并购使两家企业的合并价值计算的收益增长了8.4%, 并购提高了收益。通过以上的研究, 他们认为兼并使企业资源得到有效再配置, 从而创造了社会财富。然而, 基于市场有效和市场参与者理性预期假设之上的案例分析, 是其最大局限。Schwert (1996) 研究1975年~1991年间1814起并购事件后得出, 事件窗内目标公司股东的累积平均非正常收益CAR为35%, 而并购公司的反常收益率与0没有显著差异。

(二) 国内研究

陈信元和原红旗 (1998) 以1997年重组公司为样本进行了实证研究, 比较了公司重组前后的四个会计指标, 发现重组当年样本公司的每股收益 (EPS) 、净资产收益率和投资收益占总利润的比重较重组前一年有所上升, 而公司的资产负债率则有所下降。此外, 还发现这些会计指标变动幅度与重组方式和重组各方的关联关系有关。余光和杨荣 (2000) 研究深、沪两地1993年~1995年的一些购并事件后得出, 目标公司股东可以在购并事件中获得正的累积异常收益率, 而公司股东则难以在购并中获利。

三、研究设计

(一) 样本选择及数据来源

本文的数据均取自Wind咨询金融终端, 以2010年沪深两市发生重大并购的事件为总体, 并且以下列叙述为条件筛选样本:发生并购行为的双方为非同一控制、非关联的企业;股权交易比例大于5%;主并方为非ST公司;主并方为上市公司;同一公司一年内有多次并购行为的, 选择股权交易比例最大的一次;样本公司有多次公告的, 以首次公告日为准。

筛选理由主要包括: (1) 由于一般同一控制下的企业并购行为、关联企业间的并购行为均不是以价值增值为目的, 而是以资源在集团内部、关联方内部重新分配为目的, 所以不利于与国内外的相同研究进行对比, 故剔除该因素; (2) 国际研究惯例一般要求股权交易比例大于5%; (3) 由于ST公司作为主并方的并购一般有政府参与主导, 并不属于完全的市场行为, 因此剔除该因素; (4) 上市公司的股价信息便于收集整理; (5) 便于研究分析; (6) 因为首次公告日是信息对市场作用最强的时点, 以后公告日信息的作用逐渐减弱或者消失, 所以选择首次公告日为研究参考时点。经过以上条件进行筛选后, 本文最终选取了符合条件的83家主并公司作为样本进行研究。

样本分类: (1) 按照股权交易的比例分。将83个样本公司按照主并方换取的股权比例是否超过50%分成两类, 其中股权交易比例大于50%的为30家, 小于50%的为53家。 (2) 按照并购双方企业所属的行业 (即行业相关度) 分。将83个样本公司按照所属的行业进行划分为两类, 一类是并购双方属于同业并购, 另一类则属于不同行业并购, 分析整理得到满足同业并购的样本数量为17家公司, 其余为不同行业并购。 (3) 按照双方的企业性质分。把企业性质相同的并购事件分为一类, 不同的则为另一类, 这样得到了两组样本, 其中企业性质相同的为21家公司。

分类理由如下:其一, 股权持有比例是否达到50%是并购公司对目标公司是否拥有绝对控制权的标尺。本文想通过对股权交易比例是否达到50%分成两类, 探究掌握绝对控制权对主并方股价的影响。其二, 从理论上讲, 并购双方企业所属行业相同或相似可能会带来协同效应, 因此通过对所属行业是否相同进行分类可以对并购理论的协同效应进行实证检验。其三, 企业性质里面包含了企业结构、管理理念、运营机制等多方面的内容, 过去大量的文献中鲜有对并购双方企业性质异同进行分类研究, 本文进行这方面的研究一方面是为了填补实证研究的空白, 另一方面是提出这一问题以求共同探讨。

(二) 研究方法选择

本文所选择的研究方法是学界中较为成熟的事件研究法。该方法最早由Dolley (1933) 提出, 之后经由Mayer (1948) , Bakay (1956) 和Ashley (1962) 进行了研究和改进。主要是通过股票收益数据来测定某一特定经济事件对公司价值的影响。该方法建立在有效市场理论的假设上, 把样本公司并购交易看作单个事件, 通过同期市场指数收益估计相关参数, 然后计算包含了并购公告同的事件期样本公司所产生的累积超额平均收益率 (CAR, Cumulative Average Abnormal Return) , 从而检验该并购公告对股票市场价格波动的效应, 样本公司的股东能否获得超额收益, 并评价并购的绩效。

(1) 收集整理在考察期内所选择样本公司的收盘价和市场指数, 然后计算各自每天的收益率 (Rit) 和市场指数的收益率 (Rmt) 。

(2) 利用市场调整模型, 计算超额收益率 (ARit) 。市场调整模型即假设市场指数的收益率就是每个样本在事件期内当天的正常收益率。

(3) 对事件期内每日所有公司的超额收益率求平均数, 得到当日的平均超额收益率。公式为:

其中, n为样本公司的数量。

(4) 将整个事件期每一天的平均超额收益率相加, 即得到累积平均超额收益率。公式如下:

(5) 显著性检验。假设事件发生对股价无影响时的AARt、CART均服从均值为0的正态分布, 这样就可以对AAR, 、CART是否显著异于0 (即事件发生对股价无影响) 进行统计检验, 其检验统计量服从自由度为n-1的t分布, 分别为:

如果检验结果显著, 说明事件期内股价变动不是由于随机因素产生, 并购时间对股价有显著影响。

四、实证结果与分析

(一) 整体数据分析

针对83个样本进行整体分析, 计算样本公司在首次公告日前9天和公告日后20天的AAR和CAR的数值, 并分别进行t检验 (结果见表1) 。从表1可以看出, AAR在 (-9, -6) 期间为负值, 在首次公告日前5天 (-5, -1) 为正值, 并且在5%的显著性水平下, 第-3天和第8天的AAR显著大于0, 第2天和第4天AAR显著小于0, 说明市场对于并购信号的反应比较敏感, 在并购事件公告之前, 平均超额收益率显著上升, 股价上涨。在首次公告日后20天内, AAR值在0左右波动, AAR为正值和负值各占到了10天, 说明并购信息对主并方股价的影响并不是很稳定, 在并购信息公告后, 并不一定为主并方公司带来持续收益的增长。

同时也能看到, CAR在 (-9, -3) 这段时期内一直是负值, 在5%的显著性水平下, 第-9天和第-6天显著小于0, 直到首次公告日前第二天才为正, 说明在首次公告日前, CAR并没有明显的提高。而在 (8, 19) 时期内, CAR均为正值, 表明在首次公告日后的一段时期内, 超额收益比较明显, 也在一定程度上体现出了并购给主并方带来的收益增长, 但是在20日时, CAR为负, 显示出并购对主并方股价影响并不确定, 可能提升股价, 也可能让股价下跌。

从图1可以更明显地看出AAR和CAR的波动情况。AAR在0附近左右波动, 在首次并购日前的第3天达到最大值, 并购日后的第2天跌至最低值, 但从总体来说波动幅度不大, 绝大部分数据都在 (-0.005, 0.005) 之间。但值得注意的是, 首次公告日前后5天时间, AAR有明显地先升后降的趋势, 表明市场对于并购行为并不看好, 股价走势低迷。

CAR的波动幅度较AAR大, CAR在首次公告日前第6天降到最低, 在公告日后第15天达到最高, 但受到后期AAR持续为负的影响, CAR在第20天时由正转负。并且同AAR相似, CAR在首次公告日前后5天也是明显的先升后降, 最终在本文选取的时间段内, 累积超额平均收益率为负, 即并购并没有提升主并方的股价表现。

(二) 分类数据分析

上述结论是以整个样本为主体进行研究, 缺乏一定的针对性, 下文将对样本进行分类, 并继续分析。

(1) 不同股权交易比例下的股价变动趋势分析。将全部83个样本公司按照股权交易比例是否大于50%分成两类, 并分别进行分析解释。从股权交易比例大于50%的样本公司的AAR和CAR情况 (表2) 来看, 在 (-9, 20) 这30天的范围内, AAR的正负天数虽然各占了50%, 但是在5%的显著性水平下, 在第-7、-6、2、4、12天AAR显著小于0, 而只有第0天和第14天显著为正, 因此明显看出整体AAR在小于0的范围波动更加强烈。

另外从股权交易比例大于50%样本公司的AAR和CAR变动趋势 (图2) 也能看出, 在首次公告日前后5天, AAR有明显的先升后降的趋势, 其他时间里AAR都是在0附近左右波动, 表现了市场对于主并方在能够取得目标公司绝对控制权的前提下, 并不看好并购后主并方的业绩能够显著提升。

那么对CAR的分析更能说明对AAR的解释。由表2得知, 除了第0、1和3天之外, 其余的CAR均为负值, 同时在5%的显著水平下, 第-7、-6、-5天CAR都显著小于0, 然而CAR没有一天显著大于0。

从图2中CAR的趋势来看, 跟AAR类似, 在首次公告日前后5天, 有明显的先涨后跌的趋势, 然后第5天之后就缓慢下降。因为CAR是对AAR整体变化趋势的一种概括, 从CAR大部分为负使得我们可以肯定这个结论, 即市场并不看好主并方取得绝对控制权的并购行为。市场预期并购行为给主并公司带来负效益。

从股权交易比例小于50%的样本公司的AAR和CAR的变化情况来看, 在 (-9, 5) 这段时间里, 只有4天的AAR为正值, 在5%的显著性水平下, 第-2天和第8天里, AAR都显著大于0, 只有第3天显著小于0, 表明市场对于并购行为并不看好, 股价表现出较为疲软的态势。但是 (6, 20) 这个时期内, AAR只有两天为负, 反弹势头强劲, 说明了此时并购的信息渐渐被市场认同并消化, 并购行为产生了令主并方满意的效果。

CAR的变化情况更加说明问题, 除 (-9, -4) 和 (3, 6) 这两个时间段为负值, 其他时间均是正值, 并且一度达到2%的累积超额平均收益率。CAR和AAR同时反映出了市场对于主并方并未获得绝对控制权的并购行为 (股权交易比例小于50%) 的一致看好, 主并方公司的股价取得了不错的成绩。

从图3可以看出, AAR和CAR同整体趋势一样, 在首次公告日前后5天都有先升后降的趋势, AAR则保持在0附近波动, CAR在第5天后一路走高, 更加形象地说明市场看好并购事件会给主并方带来正收益。

(2) 并购双方企业所属行业异同的股价变动趋势分析。分析结果见表3、图4和图5。表3针对并购双方企业是否属于同一行业进行研究与分析, 左边两列为非同业并购, 右边为同行业间的并购。 (注:这里的同业是指公司的主营业务是否相同。)

先分析非同业并购的情况。从表3左边两列数据得知, 在首次公告日前, AAR正负的情况基本相同, 基本处在0上下波动, 其中第-3天AAR最大, 达到0.007;而第-6天降到最低, 为-0.004。在5%的显著性水平下, 第-3、8、14天的AAR值显著为正, 第2、4、17AAR显著为负。在首次公告日后, AAR变化情况与公告日前相似, 其中在 (2, 5) 这个期间里, AAR连续冲击最小值, 随后有了一些反弹, 但是在 (17, 20) 内又一次探底, 整体表现波动较大。

CAR则比AAR的变化规律一些。CAR只有在 (-2, 2) 和 (14, 17) 期间为正, 其它时间均为负, 说明市场上对于跨行业的并购行为持消极态度, 股价涨涨跌跌, 最终CAR为负, 这也明确地表明了市场并不看好纵向并购。

反观表3右边的同业并购数据, AAR的波动幅度比非同业并购小很多, 绝大部分集中在 (-0.01, 0.01) 区间内, 在 (-9, -5) 时期内, AAR多为负值, 此后直到首次公告日时, AAR均为正值, 反应了市场对于并购信息的消化, 也说明了市场对同业并购的一致看好。在5%的显著性水平下, 第-3天和第17天AAR显著为正, 第16天显著为负。首次公告日后, 虽然AAR正负各半, 但是AAR总体上有大于0的趋势。

从CAR的变化能够更加清晰地看到, 在首次公告日前, CAR均为负值, 同时在5%的显著性水平下, 第-8、-6、-5天AAR显著小于0, 但是公告日后, CAR都为正值, 并且在第13天达到最大值, 从图5也能看出, CAR几乎是一直在上升, 在解释AAR的同时更加证实了市场对于并购事件的乐观预期, 可见投资者对于同业并购更加充满信心, 同时也给公司的股东带来了更好的收益。

(3) 并购双方企业性质异同的股价变动趋势分析。这里的企业性质主要分为国有和民营两类。本文所研究的“企业性质相同”是指同属于民营企业或者同属于国有企业, 其他情况均被纳入“企业性质不同”范围。分析结果如表4、图6、图7所示。

从企业性质不同的数据来看, AAR为负值的天数达到了17天, 平均超额收益率在0附近波动, 在5%的显著性水平下, 第-3、8、14天AAR显著大于0, 第-9、2、4天AAR显著小于0, 从其趋势图也容易看出在首次公告日前后5天有先升后降的趋势, 总体趋势也是向负值逼近, 显示出市场对于不同性质的企业的前景并不看好, 股价表现低迷。

CAR则将市场对于不同性质企业的并购行为的消极效应放到最大。从表4中的数据能够看到, 除了首次公告日后第1天CAR为正以外, 其余29天的CAR均为负值, 而且在第20天达到极小值-0.016, 这个极小值甚至远超过非同业并购的情况, 从图6也能看出除了 (-5, 0) 时期CAR在上涨外, 其余时间均在下降, 在5%的显著性水平下, 第-9、-6天CAR显著为负, 上述罗列的数据强有力地反映了市场不看好性质不同企业间的并购行为。

再看企业性质相同的情况。从整体来看, 虽然AAR为负值的天数为13天, 但是AAR趋向正值的态势更加明显。在5%的显著性水平下, 第-3、-1天AAR显著为正, 从图7也能看出AAR大多都在0附近波动, 其中波峰出现在第-3天, 达到0.009, 波谷则出现在第18天, 降至-0.012。

CAR则更加说明了市场对于性质相同企业的并购态度。与不同性质企业并购恰好相反, 除了首次公告日前第8天为负值外, 其余29天均是正值, 并且在5%的显著性水平下, 有8天的CAR显著大于0, 从图7也看到CAR最大达到了0.06, 最后收于0.04这样的高点。整理的数据说明了市场对于性质相同企业并购未来的一致看好, CAR远大于0。

五、研究结论

从上述对整体样本分析, 再到一系列对样本进行分类分析, 我们可以初步确定并购行为对主并方的股价影响是负面的, 即降低了主并方的股价收益, 但是CAR未能通过显著性检验。但是也应该看到, 如果剔除第20天的AAR, 那么整体样本的CAR仍然达到了0.002, 得出的结论则与本文结论相反。因此笔者认为最终的结论是并购行为对主并方股价的影响不确定, 即可以提升并购公司的股价, 也可能降低并购公司的股价。

从分类对样本分析来看, 本文也得出了一些有参考价值的结论:

(1) 从本文的分析研究来看, 当股权交易比例超过50%时, 主并方最终得到了负的CAR (-0.028) ;但是当股权交易比例小于50%时, 则CAR大于0 (0.015) 。不过最后一天的CAR都没有通过显著性检验, 所以得到的结论并不具有代表性, 所以并不能肯定股权交易比例小于50%肯定会获得股价方面的良好表现, 只能说明股权交易比例小于50%获得超额收益的概率大于股权交易比例大于50%的并购事件。

(2) 本文对并购双方所属行业是否相同进行了分析, 得出的结论是, 同行业间的并购能够为主并方带来更大的收益 (CAR显著大于0) , 非同业则不然。原因可能是同业并购产生的规模效应更容易被市场看好, 这个结论也可以验证并购理论中的经营协同效应。

(3) 最后对并购双方的企业性质进行研究, 得出的结论是, 当企业性质相同时, 给主并方带来的CAR达到了0.045;双方企业性质不同时, 则为-0.016。企业性质的异同带来的CAR的反差如此明显, 原因可能是相同性质的企业在企业结构、管理方式、经营运作方面大致相似, 所以并购后能够迅速整合, 进而达到最佳配置, 因此CAR会有如此良好的表现。

参考文献

[1]陈信元:《资产重组的市场反应》, 《经济研究》2010年第9期。

[2]冯根福:《我国上市公司并购绩效的实证研究》, 《金融研究》2011年第12期。

[3]李善民:《上市公司兼并与收购的财富效应》, 《经济研究》2009年第11期。

[4]张新:《并购重组是否创造价值?》, 《经济研究》2003年第6期。

[5]盛虎:《我国上市公司并购规模对企业价值影响的研究》, 《财经问题研究》2009年第1期。

[6]张鑫:《我国上市公司并购中价值创造的实证分析》, 《西南财经大学学报》2006年第9期。

[7]李敏:《企业并购中的协同效应——基于价值创造的系统动态分析》, 《西南财经大学学报》2005年第9期。

[8]祁继鹏、王思文:《上市公司并购绩效影响因素分析》, 《财经问题研究》2012年第9期。

苹果股价与三星股价的协整分析篇5

关键词：协整,单位根检验法,ECM

一、单位根过程与鉴定方法

传统计量经济学家进行时间序列的回归分析时都是假设时间序列是平稳的, 可表示为如下形式:yt=μ+εt+θ1εt-1+θ2εt-2+……=μ+θ (B) εt的时间序列模型, 方差由白噪声εt序列决定。

现实生活中金融数据所构成的时间序列却往往不满足上述假设条件, 而存在一定的时间趋势。对这种时间趋势的描述可以分为两种:

1.趋势平稳过程 (Trend-Stationary Process) 形式:yt=α+βt+θ (B) εt的回归方程即代表一个趋势平稳过程, 其均值由含有时间变量t的线性函数α+βt表示, 其方差为σ2。

2.差分平稳过程 (Difference-Stationary Process) , 即通常称为单位根过程。形如: (1-φB) yt=δ+εt的回归方程即代表一个一般性的差分平稳过程, 其中θ (1) ≠0, 令θ (B) =1, φ=1得yt=yt-1+δ+εt, 该过程为带位移δ的随机游走。属于单位根过程的特例。

本文对苹果股价进行协整分析, 首先需要检验数据的平稳性以证数据是否满足协整理论应用的条件。

利用R软件对原始数据进行ADF检验, 发现两列原始数据都是非平稳数据。再对两列数据进行一届差分后的ADF检验, 差分后的数据检验结果显示是平稳的。此分析说明两个时间序列都是一阶单整的序列, 满足协整检验的条件。于是对数据进行最简单的回归方程估计。

二、简单回归方程的估计

(一) 回归方程估计

长期以来, 人们在研究各类时间序列数据的过程中, 发现大量经济金融时间序列存在明显的非平稳性的特征, 并存在单位根。为了研究这些时间序列之间的关系, 研究人员首先考虑按一般线性回归方法, 对两个时间序列变量直接进行回归分析, 但是这种做法容易使得得到的结果存在伪回归的现象, 我们先对数据进行一个最简单的回归, 并对回归后的数据残差进行白噪声检验, 若残差通过白噪声检验, 说明数据之间存在协整关系, 利用Durbin-Watson test检验是否存在伪回归的现象。

通过R软件的回归分析, 得到以下回归模型 (回归系数都十分显著) :

Lsamt=1.22757+0.70742*laaplt+εt

Lsam:进行对数处理后的三星股价数据

Laapl:进行对数处理后的苹果股价数据

对上述回归模型进行DW检验, 检验结果DW=0.0205, R2=0.6333, DW值偏小, 说明可能存在伪回归的现象。

(二) 残差的自相关检验

在回归模型yt=β0+βtxt+εt中, 对残差εt进行ADF检验, 检验结果显示pvalue=0.000224, 残差是白噪声, 苹果股价和三星股价之间存在协整关系。

(三) 误差修正模型 (ECM) 的建立

误差修正模型 (Error Correction Model, 简称ECM模型) 是1987年Engle和Granger提出的。误差修正模型, 就是解决两个经济变量的短期失衡问题, 这种方法日益被越来越多的实证研究所应用。通过误差修正机制, 在一定期间的失衡部门可以在下一期得到纠正。

误差修正模型常常作为协整回归模型的补充模型出现, 协整模型度量序列之间的长期均衡关系, 而ECM模型则解释序列的短期波动关系, ECM一般形式如下:

响应序列的当期波动主要会受到三方面短期波动的影响, 输入序列的当期波动△xt, 上一期的误差ECMt-1和纯随机波动εt。

基于简单回归分析建立误差修正模型, 得到如下关系式: