除了把整体样本作为面板数据进行Logit分析,也可以在每个月度分析所有股票的特质风险对大宗交易的影响,采用每个月度对所有个股进行截面回归的方式。
(1)先建立简单的回归方程,,其中Ui,t=,如果在当月大宗交易数据没有发生,则取值为0,否则将该月的月度大宗成交额求和加入。整体回归方程组表示如下:
方程组4−2 每个月度大宗交易发生额对所有个股特质风险的截面回归方程组
此方程组的目的是检验特质风险是否决定了大宗交易的发生,从而回答大宗交易为什么存在这一问题。按照上述回归方程组,得到的截面结果如表4−4所示。
表4−4 对特质风险决定大宗交易的存在按月度回归分析(截面分析)
续表
由表4−4可以发现,从2009年1月至2012年12月的48个月内,特质风险对大宗交易发生量的决定是显著的,说明特质风险决定大宗交易的存在,特质风险作用是显著的。
随着时间的推移,发生大宗交易的股票数量呈现递增趋势,从每月27个股票样本增加至每月303个样本。逐月对股票个体的截面回归显示,股票的特质风险对大宗交易量的影响系数全部为正值,分布在0.18至6.15之间,说明特质风险每增加1%,股票的大宗交易发生量增加0.18%~6.15%,各月度的影响系数大小如图4−3所示。
图4−3 特质风险影响大宗交易存在的决定系数(各月度回归系数)
每月的系数显著性都较高,整体48个月中,按0.01显著性水平计算,显著的月数占总月份的比重为57.5%,按照显著性水平为0.05计算,显著的月份占总月份比重为78.75%,如果按显著性水平为0.1计算,则显著的月份占总月份比重高达88%,如果再按显著性水平为0.2计算,则高达92%。各月度的显著性水平p值分布如图4−4所示。(www.daowen.com)
图4−4 特质风险决定大宗交易存在的决定系数的p值(各月度)
图4−4中,按月分析,在每一月里特质风险影响大宗交易存在的决定系数的p值都较小,除了个别特殊月份,这些特殊月份主要集中在每年的季度报告或者年报披露时间段。可能这些特殊月份由于是信息披露时间,公司的信息更加透明,公司特有特定信息减少,因此特质风险降低,特质风险的影响力度下降。
(2)为更清晰地比较特质风险对大宗交易量发生的决定作用,添加第2章文献回顾中提及的其他控制变量,建立新的方程组4−3如下:
其中i=1,2,3,....5 502
方程组4−3 每个月度对所有个股进行的截面回归方程组(添加控制变量)
回归得到特质风险对大宗交易存在的决定系数γi,t,其显著性系数如图4−5所示。
图4−5 特质风险影响大宗交易存在的决定系数(添加控制变量,按月)
由图4−5可见,添加了各个控制变量之后,特质风险对决定大宗交易存在的决定系数依然全部为正数,说明特质风险在发挥影响和决定作用。由于解释变量中加入了取完对数后的变量,这些决定系数的值比不添加控制变量时更小,大部分在1.0之下。而且,按照时间序列,2010年以后该决定系数的走势开始变得相对平滑,且含有向上稳步变大的趋势。
图4−6中,特质风险影响大宗交易存在的决定系数依然较为显著,整体48个月中,按0.01显著性水平计算,显著的月数占总月份比重为59.6%,按照显著性水平为0.05计算,显著的月份占总月份比重为74.2%,如果按显著性水平为0.1计算,则显著的月份占总月份比重高达83%,如果再按显著性水平为0.2计算,则高达94%。
图4−6 特质风险影响大宗交易存在的决定系数的p值(添加控制变量,按月)
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。