图7-1和图7-2直观显示了全样本在事件日前后逐日异常收益率和累计收益率特征。从图7-1可以看出，在T-4日和T-1日之间，出现了连续的负的异常收益率，且事件日前形成波谷。在T0当日出现了一个明显的正收益，市场应该理解为，解禁靴子落地，利空变为利好。在T-4日之前和T-1日之后，逐日异常收益率呈现随机特征。图7-2显示T-4日开始，日累计异常收益率出现负向大幅下跌，直到T0和T1短时间转为正，然后从T3天开始一直持续到T10天，日累计异常收益率又继续下跌，直到第T20都没有出现显著反转，说明解禁事件对收益有一定持续性。

图7-1　事件日前后逐日异常收益率

图7-2　事件日前后累计异常收益率

表7-1详细列出了估计时间窗口内每天平均异常收益率（average abnormal return，下面都用简写AAR表示）以及T检验的值，我们从表7-1可以看出，在T-4日AAR为-0.00185，和之前的相比，出现明显大幅的跃升，其中T-1日的值达到了-0.00449，达到了日负异常收益的最大值，但是在T0日出现了一个正的0.004172的异常收益，T1日T2日略为正的异常收益，随后日异常收益一直都为负或接近于0的状态。

表7-1　事件日前后逐日异常收益率

表7-2给出了不同事件窗的异常收益水平，可以发现，-4天之前的累积异常收益（cumulative abnormal return，下面都用简写CAR表示）虽然符号为负，但是幅度很小且不显著，我们可以认为在-4天之前，解禁事件对股票收益没有显著影响。从-4天开始，单个时间日出现显著为负的异常收益，在-1天出现了最小值-0.45％，说明解禁前一日对股票异常收益影响最大。同时，在［-20，-4］天CAR为负的公司仅占53％左右，而-4天到-1天的单日异常收益为负的公司比例从57％上升到60％左右，说明接近事件日期时，解禁事件对股票异常收益水平有更普遍的影响。从CAR的幅度来看，［-3，0］天以及［6，20］天的CAR均大于0.7％，［-20，20］天的累积异常收益为-3.98％，这说明负的CAR在不同事件窗都存在。

表7-2　事件日前后累计日异常收益率

在股份解禁的情况下，显著的异常收益通常由超常的交易量引起的。进一步考察股票的异常交易情况，以验证这一推断。我们用换手率描述股票的交易情况，换手率定义如式（7.4）：

其中，toriτ为股票i在第t天的换手率，Vit为股票i在第t天的成交股份数，tsit为股票i在第t天的总股本。

我们按照Field Hanka（2001）的方法，将［-50，6］天的平均换手率作为基准，定义第τ日的异常换手率AViτ如式（7.5）：

图7-3描述了从［-50，20］的异常换手率的变化。在估计窗［-50，-6］日内，换手率基本平稳，后期换手率略有逐步上升的趋势，其间最大的单日异常换手率出现在第-6天，为2.03％，事件窗内，异常换手率在-1天至解禁当日的变化最明显，由12.6％上升到57.9％，增加了接近4倍，说明解禁当日出现了大量股票抛售的情况。从事件后第一天开始，异常交易量变为73％，直到事件后第20个交易日异常换手率一直维持在60％左右，且比较不稳定，表示为间歇性地出现股票抛售。

图7-3　单日异常换手率变化

表7-3描述了异常成交量（average abnormal volume，AAV）的特征，其前半部分显示逐日异常成交量，自-5日开始，异常成交量在统计上都是显著的，在事件日及事件日后3天，平均异常成交量一直处于比较高的水平，平均异常成交量保持在50％以上。表后半部分显示永久性异常成交量（permanent abnormal volume，PAV），自+3日～+20日，期间平均异常成交量为65.8％且十分显著。

表7-3　事件日前后异常成交量统计

（1）按照估值大小分类

全部样本股估值的大小在此间分布并不均衡，最大值为16229.98，最小值为负705.04，其均值为10.55，中值3.59，四分之一分位值和四分之三分位值分别为2.30和5.67。见表7-4。

表7-4　按照估值大小分类的样本特征

按照市净率（PB）⁽¹⁾大小将样本分为四个子集，分子集时候考虑到等分性和取整原则，（-∞，2.3），［2.3，3.6），［3.6，5.7），［5.7，+∞），相应的异常收益率如下表7-5所示。

表7-5　估值分类样本区间异常收益率统计特征

从-1日的平均异常收益率AAR来看，市净率在2.3以下的上市公司在解禁事件发生前一日的异常收益为-0.57％，比市净率在5.7以上的上市公司AAR更低一些，从-5日～-1日的CAR来看，也是市净率比较低的两个区间［-∞，2.3）和［2.3，3.6）的CAR稍低一些，统计上也更为显著，可能的原因是这里考察的窗口期过短。

下面按照样本区间的中值把样本分为两个子样本，以市净率2.3为界，分为两个样本，分别画出CAR图（见图7-4），其中，带方块的曲线表示市净率在2.3以上的样本的CAR图，带星号的曲线表示市净率在2.3以下的样本的CAR图。从图7-4我们可以看出，虽然在解禁前几天低估值的样本累积异常收益跌幅稍大一些，但是很快，低估值的样本累积异常收益率就出现了反弹，而高估值的样本的累积异常收益率CAR出现了持续下跌，这说明了，高估值的股票的投资价值相对较低，在面临解禁的时候，股东的出售动力较大。

图7-4　按估值分组事件日前后CAR图

（2）按照实际控制人是否为政府来分类

表7-6描述了按照控制人分类的样本区间异常收益率统计特征。从-1日的AAR来看，控制人为政府的反而略小于非政府控制的上市公司，从-5到-1天的累积异常收益率CAR上看，也是略小于非政府控制的上市公司，这和我们设想的有所出入，有可能是窗口期过短的原因导致。

表7-6　实际控制人分类样本区间异常收益率统计特征

按照上面的样本区间划分，画出累积异常收益率CAR图（图7-5），其中带方块的线条表示政府控制的上市公司解禁的累积异常收益率CAR，带星号的线条表示非政府控制的上市公司解禁的累积异常收益率CAR，中间普通的线条表示全样本的累积异常收益率CAR。从图7-5可以清晰地看出，实际控制人为政府或者非政府在［-20，20］天的窗口期内并无显著差异，甚至政府为实际控制人的上市公司的累积异常收益CAR跌幅还略大一些。

图7-5　按是否政府控制分组的事件日前后累计异常收益率

（3）按照供给冲击大小进行样本来分类

按照供给冲击的大小来分类，全部样本在此间分布并不均衡，其均值为16.07％，中值为10％，四分之一分位值和四分之三分位值分别为5％和22％。见表7-7。

表7-7　按照供给冲击大小分类的样本特征

按照供给冲击大小将样本分为四个子集，分子集时候考虑到等分性和取整原则，［1％，5％），［5％，10％），［10％，20％），［20％，100％），相应的异常收益率如表7-8所示。

表7-8　供给冲击分类样本区间异常收益率统计特征

从-1日的平均异常收益AAR来看，没有显示异常收益率与冲击大小有显著同比增长关系，-5～-1天的CAR发现与供给冲击有一定递增关系。供给冲击达到10％以上的CAR明显比供给冲击在10％以下的要低，统计上也更为显著，但是，供给冲击在10％以下和以上的两个区间内部，差异并明显。这说明10％的供给冲击规模是一个槛，超过10％对市场影响明显加大。

下面以10％的供给冲击为界，划分为两个样本，分别作出CAR图（图7-6），带方块的线条表示供给冲击在10％以上的样本的CAR图，带星号的线条表示供给冲击在10％以下的样本的CAR图，普通的线条表示全样本CAR图，从图7-6可以清晰看出，解禁股的比例（供给冲击大小）对解禁前后累计异常收益率有着明显的影响，供给冲击大的样本CAR跌幅一直大于供给冲击小的样本。这说明股价对解禁冲击比较敏感，解禁比例大的股票受到影响更大一些。

图7-6　按供给冲击大小分组的事件日前后累计异常收益率

（4）按照沪深两地市场进行样本分类

按照市场分类，深圳市场1736个样本在-1日AAR明显低于上海市场，统计上也更为显著；另一方面，-5～-1天CAR深圳市场略低于上海市场，达到-1.37％，说明深圳市场对冲击的反应更为敏感，也有可能是深圳市场有着更多的小市值股票的关系。见表7-9。(www.daowen.com)

表7-9　沪深市场分类样本区间异常收益率统计特征

下面按照上面的两个样本区间，分别画出CAR图（图7-7），其中，带方块的线条表示沪市的样本的CAR图，带星号的线条表示深市的样本的CAR图，普通线条表示全样本的CAR图，从图7-7可以看出，从整个窗口期来观察，沪深两市的股票在面临解禁冲击的时候差异并不明显。

图7-7　按沪深板块分组的事件日前后累计异常收益率

（5）按照总市值大小进行样本分类

总市值最大的为21762.31亿元，市值最小的为2.87亿元。全部样本在此间分布并不均衡，其中均值为94.91亿元，中值为33.79亿元，四分之一分位值和四分之三分位值分别为18.86亿元和68.76亿元，如表7-10所示。

表7-10　按照市值大小分类的样本特征

按照总市值把样本分为四个子集，分子集时考虑等分性和取整原则，［0，20），［20，35），［35，70），［70，+∞），相应的异常收益率如表7-11所示。

表7-11　按市值分类样本区间异常收益率统计特征

从表7-11中-1日的AAR看，市值小于20亿元的和市值大于70亿元的平均异常收益率AAR更小一些，市值在20亿～70亿元的上市公司没有显著区别，但是从-5～-1日CAR值来看，20亿元以下的小市值股票受到供给冲击时，累计异常收益率明显最小，统计也最为显著。20亿元市值以上的股票中，没有明显差别。

下面以35亿元市值为界，划分两个样本，分别作出CAR图（图7-8），其中带方块的线条表示市值35亿元以上的企业的CAR图，带星号的线条表示市值35亿元以下的企业的CAR图，普通线条表示全样本的CAR图，从图中可以看出，虽然在解禁日前后大市值的股票累积异常收益跌幅小于小市值的股票，但是8天后情况出现逆转，大市值的股票的累积异常收益率跌幅反而大于小市值的股票。这有可能是因为35亿元以上的样本中，很多是处于高估状态的股票，并不代表是真正的大的企业。

图7-8　按35亿元市值分界分组的事件日前后累计异常收益率

而以200亿元的市值为界重新划分一下样本区间，分别作出CAR图（图7-9），其中带方块的线条表示市值200亿元以上的企业的CAR图，带星号的线条表示市值200亿元以下的企业的CAR图，普通线条表示全样本的CAR图。从下图中可以清楚地看到，200亿元以上市值的企业累积异常收益跌幅远小于200亿元以下市值的企业，说明大的企业抗冲击能力显著强于小企业。

图7-9　按200亿元市值分界分组的事件日前后累计异常收益率

（6）按照市况进行样本分类

以2007年10月16日为界，分为两段走势，2007年10月16日以前，市场处于牛市状态，上证综指达到6124点，深成指达到19600点；2007年10月16日以后，市场处于绵绵下跌的熊市状态，只有2009年有一个较大的反弹，但总体上仍处于熊市状态。如表7-12所示。

表7-12　按市况分类样本区间异常收益率统计特征

表7-12显示，在-1日AAR看，牛市要比熊市的异常收益率小一些，牛市在-1日的平均异常收益率为-0.53％，而在熊市只有-0.23％，且牛市更显著一些，说明解禁事件发生在牛市，对个股相对市场来说，影响更加明显。从-5～-1天的累积异常收益率CAR也可以看到这一点，-5～-1天的窗口期牛市累积异常收益是-1.36％，也显著低于熊市的-1.17％，t值也更加显著。

按照上面的样本区间，下面分别画出牛市和熊市的CAR图，从图7-10中可以看出，牛市的CAR跌幅要大于熊市的CAR跌幅。

图7-10　按市况分组的事件日前后累计异常收益率

（7）按照是否自然人控制进行样本分类

按照实际控制人是否为自然人分类，把样本分为两部分，一部分是自然人控制，样本为1269个，一部分是非自然人控制，样本为3029个，从-1日平均异常收益AAR来看，两部分基本差不多，都是-0.45％的负异常收益，从-5日到-1日的累积异常收益率CAR来看，实际控制人为自然人的累积异常收益率CAR略大一点，并无显著差异，表明实际控制人是否为自然人在面对供给冲击时并无显著影响。如表7-13所示。

表7-13　按是否自然人控制分类样本区间异常收益率统计特征

按照上面的样本区间，下面分别画出自然人控制上市公司样本CAR图和非自然人控制上市公司样本CAR图（图7-11），带方块的线条表示自然人控制的上市公司样本，带星号的线条表示非自然人控制的上市公司样本，从图7-11可以清晰地看出，是否自然人控制对样本累积异常收益率CAR没有明显的影响。

图7-11　按是否自然人控制分组的事件日前后累计异常收益率

本部分采用横截面回归的方法，分析影响CAR的因素。横截面回归所使用的样本公司与事件研究中的完全一致。我们用市值的对数来控制规模的影响，同时引入一部分在分组检验中的变量：市净率pb衡量估值水平，解禁股比例size衡量股票供给的增加，异常换手率av衡量交易的活跃程度，是否政府控制的虚拟变量contrl。

表7-14列出了横截面回归结果（1）至（5）栏回归方程的因变量为［-5，-1］天的CAR，在（1）到（5）栏中，我们都控制了市净率这一变量。

表7-14　异常因素的回归分析结果

注：（*）内为t值。

在解禁过程中，相同的解禁规模，对于估值过高的股票，其所受的价格压力应该更大，异常收益的幅度应该更小。因此，估值应该与累积异常收益CAR负相关或者不相关。（1）—（4）中，市净率的回归系数虽然很小，但是都为负，随着控制变量的增加，回归系数的T统计量一直都稳定地显著。

栏（1）中，市值对数的回归系数为-0.009且显著，它意味着市值越大，股价所受的价格压力就越大，异常收益的幅度也就越大，异常收益水平与市值对数之间的关系应该是负相关，这似乎有一些反常，实际上并不奇怪，因为市值大的股票中，在200亿规模以下其实很多是处于高估的状态，并非真正的处于低估状态的大企业，所以面临解禁冲击时异常收益率有更大的跌幅也属于正常状态，前文已经有过分析，市值在200亿元以上的股票，市值才充分发挥影响力，抗跌能力明显更强。

栏（2）是关于异常换手率的回归，结果显示，异常收益率和异常换手率显著正相关，异常换手率越大，异常收益率的幅度也就越小，可以理解为，在解禁前期，市场分歧大，成交活跃的股票，往往接盘比较踊跃，阻止了股价的大幅下跌。

栏（3）显示，解禁股份比例的回归系数是0.001，回归系数并不显著。

栏（4）显示，政府实际控制虚拟变量的系数为-0.006，该回归系数也不显著。

栏（5）将所有的解释变量加入同一方程进行回归，结果显示，估值水平pb，市值规模sz和异常换手率av的解释能力比较强，估值水平越高，市值规模越大，异常换手率越小，股票下跌的幅度就越大。

综上所述，前期股价高估的程度越高，市净率越大，股价下跌也就越大；上市公司市值在200亿元范围以内时，市值越大，解禁对其冲击就越大；当时市值超过200亿元规模以上，股价对解禁的敏感性明显降低，市值越大，解禁对其冲击越小，股票需求曲线也就更为平坦；异常换手率较大的公司，说明在解禁的过程中有足够的承接能力，股票需求曲线较为平坦；实际控制人为政府的上市公司，其股东出售股份的动力较小，理论上其股票需求曲线也更为平坦，但是在窗口期观察并不显著，可能需要更为长期的观察。