前述文献表明，大宗交易最直接的表象特征是大宗，但最根本的内在特征是议价。因此大宗量不是大宗交易的充分条件，而仅仅是必要条件，不能因为交易量大便称之为大宗交易。而大宗量与信息量存在相关性，议价机制更是与大宗交易市场中的经纪商、不同的交易者声誉水平等多种因素相联系，因此大宗交易的存在必然由决定大宗量和决定议价机制的因素决定。

通过上述两大方面文献的回顾，可以获得如下四方面的启示：

一是被交易品中含有的信息是其自身的特质风险，特质风险主要包括了公司的财务特征，如高成长性、强偿债能力、优质资产质量等特征，更重要的是包括了公司控制权这样的因子。部分文献证明了类似公司控制权这样具体的特质风险在较大程度上会触发大宗交易的发生。这正是本书拟建立的“具有特质风险的大宗交易品种，更易选择大宗交易议价机制”逻辑。但所有文献仅仅从某个具体的公司特征分析大宗交易的存在，还没有从统一、抽象层面的特质风险这一层面进行分析，这是亟需要做的研究。

二是尽管有多种理论模型文献探讨大宗交易为什么存在，分析了大宗交易中信息含量的高低，但还没有直接从其交易品的特征及这种特征所引起的信息不对称进行研究的文献。但汇总文献后可以得出如下逻辑路径进行研究，如图2−2所示。

图2−2　特质风险决定大宗交易发生的逻辑关系

对于图中这一逻辑，可以尝试实证研判，以便得出特质风险与大宗交易的关系。

三是大多文献发现大宗交易价格是一种流动性折价的表现，忽略了大宗交易折价的其他原因，没有从信息不对称角度给出相关的理论解释。相当多的文献认可大宗交易中含有信息，认为部分大宗交易是信息驱动的，但没有文献考虑这种信息驱动在买卖双方之间的不对称性，这种不对称性可能导致大宗交易折价。如果能给出相关的理论分析和实证分析结果，并考虑从信息不对称理论角度进行解释将是一种创新。

四是部分文献发现大宗交易不具有价格发现功能，但另一部分文献却发现大宗交易具有价格发现功能。这说明大宗交易的价格发现功能可能依赖于某些条件，没有文献对这些条件进行较为清晰的说明。受制于不同的数据源和研究方法，大宗交易的两种价格效应中，永久价格效应有多大，很多文献是基于价格表象数据进行分析，没有将价格发现功能放置于信息不对称理论的大背景下并结合特质风险进行研究，这是一大空白和缺陷。

【注释】

[1]市场微观结构理论是公司金融理论的最新发展，属于公司金融理论的12个里程碑之一。公司金融理论的12个里程碑分别为：贴现现金流、投资组合理论、资本结构、股利政策、资本资产定价、有效市场、期权定价、代理理论、信号理论、公司控制权理论、金融中介理论、市场微观结构理论。

[2]五种价格情况分别指在bid价、ask价、（bid+ask）/2价、（bid+ask）/2与bid之间价，在（bid+ask）/2与ask之间价。

[3]LIQi,AVOLi,sdLIQi=β0+β1log MAPi+β2log　AVGBTi+β3PINVi+β4VoLTi+β5FreeFi（+β6BLKi）+ξi，其中MAP为市值，AVGBT为场内市场的平均交易笔数，PINV为价格导数，VoLT为日波动率，FreeF为外部流通股股数，BLK为大宗交易市场哑变量。LIQ为流动性价差，AVOL为日度平均交易量，sd LIQ为价差波动性。

[4]其模型为RPCi=a+b1（B1ki/NDTVi）+b2（B1ki/Ii）+b3（B1ki/IHi）+b4（B1k/CSi）+e，其中RPC为场内价与有大宗交易时的价格之差变动百分比，Blk为大宗交易量，NDTV为个股每日总交易量，I为持有的机构数目，IH为机构持有股票量，CS流通股股数。

[5]H为最高价，L为最低价，也可以用标准差表示。(www.daowen.com)

[6]Smith（2001）将其定义为限价订单簿中与准备交易的订单方向相反的所有待交易订单数量之和。

[7]其中γ为市盈率，μ为每股盈余的期望，η为不可期望的盈余惊异部分，B为大宗交易量，φ为上述f函数，q（B）为大宗交易价，q（B）=γμ+λB，。

[8]流动性水平使用L（q）=WS（q）/2进行计算，其中WS（q）=　（Σiai,tni,t−Σjbj,tnj,t）*10 000/（n*　Pmid,t），ai,t为ask价格，bj,t为买入价，ni,t为股票数量　Pmid,t为中间价，n=q/Pmid,t。然后用log L（q）=a0+a1logVO+a2logP+a3logMV+a4σr+a5HHI+a6Insider+a7financialinv+a8Strategieinv+e，其中VO为交易量，P为收盘价，MV为股本量，σr为日度对数收益率的标准差，HHI为股票份额集中度，Insider内幕投资者即直接或间接与管理层或者董事会控制相关的股票，financialinv为财务投资者，Strategieinv为战略投资者。

[9]Lin认为订单处理成本为ΔP对ΔZ的回归系数，其中ΔP为后一笔交易价与前一笔交易价对数值的差值，ΔZ为交易价与交易前中间价对数值的差值。

[10]定义为每一单位价差对应的股数。

[11]mt=mt−1+u1,t+u2,t+wt；p1,t=b1（p1,t−1−mt−1）+mt−1+u1,t+（1−b1）u2,t+wt；p2,t=b2（p2,t−1−mt−1）+mt−1+u2,t+（1−wt）u1,t+wt模型中mt为市场有效价，p1,t为大宗价，p2,t为场内价，wt为公共信息，u1,t为大宗市场的私有信息，u2,t为场内市场的私有信息，b为大宗市场或者场内市场对有效信息的有效传递程度。

[12]Shastri（1988）定义订单持续为：买单伴随着持续的买单，或者卖单伴随着持续的卖单；Smith（2001）称之为逆转交易（Trade Reversal）。

[13]Kraus（1972）认为临时效应又称为流动性成本，流动性成本即价格偏离均衡价时支付的成本，流动性因素消失后价格又会恢复到均衡价，流动性因素不会影响均衡价。均衡价仅仅由信息因素决定，信息因素导致的价格新变动不会像流动性因素导致的一样再恢复。流动性成本会造成分布效应，Kraus认为分布效应即卖量和买量均衡力量的分布对比，如果买量多于卖量则价格上升，否则下降。分布效应导致积极面与消极面的出现。

[14]即交易价/交前价=（交后价/交前价）×（交易价/交后价）。类似的是，Daley（1995）定义永久效应为（Pb+t−Pb−1）/Pb−1，临时效应为（Pb+t−Pb）/Pb−1，其中Pb+t为大宗交易之后的价格，Pb为大宗交易时的价格，Pb−1为大宗交易之前的价格。也可用In（P/E）=In（A/E）+In（P/A），其中P为交易价格，E为交易前平均价差，A为交易后平均价差。

[15]E1为前日收盘价至大宗交易时的价格之间的幅度，E2为大宗交易价至当日收盘价之间的幅度，E3为大宗交易前一笔价格与大宗交易价之间的价格幅度。

[16]由于区分大宗买入与大宗卖出依赖于交易的逐笔高频数据，本文的数据全部基于非高频的日数据。因此，这一部分的文献回顾做了较大的省略。

[17]模型为It，j=c0+c1tradesizet，j+c2pricevolt，j+c3upstairst，j+c4tradesizet，j×upstairst，j+c5upstairst，j×pricevolt,j+c6upstairst,j×firmsizet，j+et,j中It,j在买方驱动时为　In（At,j/Et,j）或者在卖方驱动时为　In（At,j/Et,j），其中ij分别表示股票i及其第j笔交易，　Et,j与　At,j分别表示大宗交易前的价格和交易后的价格。tradesizet,j为交易股数与三个月内日交易的中位数股数的比值，upstairst,j为虚拟变量，　pricevolt,j为每个月的日收益率的标准差，firmsizet,j为公司市值的对数值。

[18]模型upstairst,j=f（It,j,tradesizet,j,firmsizet,j,pricevolt,j,relspreadt,j,depthoppt,j）中relspreadt,j=（ask−bid）/［（ask+bid）/2］，depthoppt,j是当买方驱动时，为ask股数与三个月内日交易的中位数股数的比值，当卖方驱动时，为bid股数与三个月内日交易的中位数股数的比值。

[19]为了流动性需求，卖者不仅为长期持有的未卖出股东支付溢价，也为那些暂未卖出的非长期持有的搭便车股东支付溢价，因为卖者不能区分哪一类股东是搭便车的。

[20]主要分为3部分：内部人大宗股权占比+职工期权计划大宗股份占比+外部机构投资者大宗股份占比。