美章网 精品范文 简述创业板市场的风险范文

简述创业板市场的风险范文

前言:我们精心挑选了数篇优质简述创业板市场的风险文章,供您阅读参考。期待这些文章能为您带来启发,助您在写作的道路上更上一层楼。

简述创业板市场的风险

第1篇

[关键词]新股抑价;随机前沿方法;投资者情绪

[中图分类号]F832 [文献标识码]A [文章编号]1005-6432(2011)27-0048-04

2009年10月底,我国创业板正式开市。然而,创业板股票的发行价格显著高于主板,有着非常明显的新股抑价现象。新股抑价现象是指首日收盘价显著高于发行价的现象。截至2010年年底,创业板新股的平均抑价率已达50.8%,明显高于发达国家的平均百分之十几的抑价率水平。新股抑价现象使得资金倾向于流入新股市场“打新”,严重破坏了资本市场的资源配置作用。因此,对创业板新股抑价现象进行研究并探寻其原因,具有一定的现实意义。

1 文献综述

在新股发行的整个过程中,新股价格同时受到一级市场以及二级市场两方面的各种因素的影响。此处将学者们关于新股抑价的研究按照分别从一级市场及二级市场寻找原因来分为以下两种类型。

1.1 与一级市场相关的学说

很大一部分学者认为是在一级市场上发行者、承销商和投资者三者之间的信息不对称导致了新股抑价现象。如Baron认为,通过新股抑价获得的收益是发行者对承销商提供资本市场信息而给予的一种补偿;Rock认为由于信息不对称,劣质新股往往被缺乏信息的投资者购入,新股的抑价是为了使那些缺乏信息的投资者也能在购买新股的过程中获得收益而给予他们的补偿。Benveniste和Spindt认为,抑价是承销商为了使机构报价更接近真实价格而支付的代价。Welch提出,新股抑价是发行者向缺乏发行者信息的投资者传递其自身的优良资质的一种信号。Carter和Manaster研究表明声誉良好的承销商发行的新股其抑价程度较声誉一般的承销商要低,抑价是为了补偿投资者对声誉一般的承销商的不信任感。

1.2 与二级市场有关的学说

以下学说认为二级市场上存在的各类原因导致新股抑价。Aggarwal和Rivoli认为新股的发行价格实际上没有受到抑制,由于二级市场的投机因素使得投资者将价格推高而导致抑价现象。Ruud认为新股的首日开盘价高于发行价是承销商对新股价格的支持。陆建军建立模型证明了投资者的投机行为导致了新股的高抑价率。熊虎等在研究中引入行为金融学行为金融学指将心理学,尤其是行为科学的理论融入到金融学之中。它从微观个体行为以及产生这种行为的心理等动因来解释、研究和预测金融市场的发展。相关观点,认为投资者的非理导致了新股抑价现象。

2 创业板新股抑价分析

为了解新股抑价是发生在一级市场还是二级市场,又或两个市场均对新股发行过程有所影响,下面将从一、二级市场两方面分别考虑其对新股抑价的作用机理。

2.1 一级市场对新股价格的影响

从上述文献综述中可以得知,西方学者对股票抑价原因的解释大多是一级市场上的发行价格被人为压低;而周孝华等却认为在我国一级市场上的股票发行不存在价格被人为压低的现象。至于在我国创业板上情况如何,本文将借鉴随机前沿方法对创业板股票在一级市场是否存在人为抑价进行研究。

在随机前沿方法应用于新股抑价研究之前,一般使用OLS回归对抑价现象进行研究。应用OLS进行研究时使用的因变量往往是股票首日收盘价减去发行价的差值。其中使用的发行价本身是否已经存在人为的抑价却无法确切得知,无法在OLS回归中观测到。而随机前沿方法却可以解决这一问题。

第一,随机前沿分析理论简述。随机前沿分析理论是Aigner,Lovell和Schmidt在分析公司的投入产出效率时提出,后由HuntMcCool等首次将其应用于新股抑价的分析。其主要方法概括如下:

将一级市场中对新股发行具有影响的各种与发行公司相关的因素作为产出随机前沿分析的投入,而发行价则相当于产出。即在一些相关因素的影响下发行价能够达到一个潜在的最大前沿面,即最大值。若多数股票的发行价与其前沿面价格相比偏低,则说明发行价存在人为的抑价。

与OLS回归法相比,随机前沿方法在OLS回归方程后加上一个非对称的随机项,此随机项若为统计显著,则说明公司投入有一部分是无效率的。此方法应用于新股抑价研究中则可以表示为一级市场的各种因素导致发行价格低于其潜在的最大前沿面,即出现人为的抑价。

根据随机前沿分析方法的具体回归方程可表示如①:

yi=αxi+ui-vi①

其中α代表回归方程的系数向量,xi代表因素向量。ui是随机误差项,服从N~(0,σ2)的正态分布,而vi则是一个非负随机量,服从N~|(0,σ2)|的从0截断的右半正态分布。vi代表了新股定价的非效率性。

此方程的估计采用最大似然估计法。Coelli指出,当自变量和因变量均取自然对数时,新股的定价效率EFFi为:

由②③可见,γ的取值介于0和1之间,当其值接近1时表明σu很小可忽略不计,此时回归方程的误差主要由σv决定,而σv正是代表了定价的非效率性,此时说明新股定价中存在人为抑价;当其值接近0时则表示σv很小可忽略不计,此时回归方程的误差则主要由σu决定,此时则说明新股定价中不存在人为抑价。

于是,检验是否存在人为抑价可通过以下假设检验实现:

H0:γ=0;H1:γ>0

通过coelli制作的随即前沿分析软件Front4.1可以方便地得出EFFi值和γ值。

第二,随机前沿方法的变量选择。随机前沿方法中使用的变量应该包含上市公司在进入二级市场交易之前的所有信息,即包括了与公司价值、公司风险以及当时股市状态相关的因素。为此,本文参照HuntMcCool等的论文进行了如下的选择:

1)公司价值与其历史会计信息有关,因此选用每股赢利(MGYL)和每股净资产(JZC)来代表公司的赢利能力和公司规模。

2)资产负债率(ZCFZ)是公司负债总额与资产总额的比值,比值较大表示公司负债程度高,因此此处用作公司财务风险的衡量。

3)调查中小公司所需费用会比较多。中小公司的内在价值偏低,由于承销费用将与公司的内在价值成反比,因此承销费用(CXFY)能反映公司的内在价值。

4)小公司的少量发行带有试探的性质,有经验的大公司则会选择大量发行。因此发行规模反映了公司的内在价值。发行规模可以用发行前总股本(ZGB)来代替。

5)公司的内部人持股比例(NBR)与股票价值相关。股票价值高则内部人有加大持股的倾向,因此反映了股票价值的发行价应该与内部人持股比例成正比。这里,将内部人定义为公司的董事、监事及高级管理人员。

6)市盈率(SYL)代表了新股发行时整个市场的形势,市场形势往往会对发行人和承销商产生影响,进而影响到新股的发行定价。新股的发行价格水平往往与市场形势成正向关系。由于创业板创立仅一年多,过往数据无法取得,因此这里采用股票发行前一个交易日时深圳交易所所有股票的平均市盈率进行代替。

参考HuntMcCool等的做法,本文使用对数线性模型如下:

Ln(FXJ)=β0+β1Ln(MGYL)+β2Ln(JZC)+β3Ln(ZCFZ)+β4Ln(CXFY)+β5Ln(ZGB)+β6Ln(NBR)+β7Ln(SYL)+u-v ④

第三,随机前沿方法检验结果及分析。此处所使用的数据包括2009年10月起至2010年12月底止在创业板上市的153个股票。将数据输入Coelli制作的随机前沿分析软件Front 4.1,得出结果如下:

从结果可以看出,γ的t值很小,并不具有统计显著性,无法否认γ=0的原假设,即发行价格不存在人为的抑价;而且结果中EFF即定价效率的值为99.89%,这个值相当接近100%,即在一级市场上的股票定价并不存在人为的抑价。

2.2 二级市场对新股价格的影响

通过上述分析可以得知,创业板股票的价格在一级市场上没有受到抑制,新股抑价现象的产生很可能是受到二级市场的影响。以下分析将结合一些行为金融学的观点对二级市场上的新股抑价现象进行分析。

第一,使用行为金融学对二级市场上抑价现象的理论分析。在经典的证券投资理论中,证券市场上的行为者假定为理性人。实际上,行为者并不会使用可获得的关于市场的所有信息并在收益与风险之间进行理性的取舍,而会在其判断决策过程中出现一些偏差,导致非理性结果的出现。

在我国股市建立初期,政府参与了股票的发行交易,且股票供应量偏少,投资需求却很大,于是市价大大高于发行价,导致新股抑价现象出现。新股发行必出现无风险收益遂成为资本市场参与者的最初印象。行为学研究表明,在人的判断过程中,最初得到的信息会产生锚定效应从而制约人对事件的估计。人们通常以一个固定初始值对事件进行估计与调整。此现象发生在新股市场则会这样:作为初始值的“必定出现无风险收益”锚定人们的印象,使得市价高于发行价的现象继续存续下去。

接下来,繁荣的新股市场使投资者在资本市场上形成了一股乐观情绪,认为购买新股必能得到无风险收益。投资者的情绪互相感染,乐观情绪使其争相持有新股而使得新股价格持续上升,进一步推高了新股价格。客观上看,首日收盘价高于发行价,出现了新股抑价现象。

第二,对二级市场影响因素的回归分析及结果。新股不败的事实也出现在创业板。为分析创业板上新股从一级市场走向二级市场的过程中出现的抑价现象是否与投资者情绪或其他因素相关,本文选择了几个具代表性的因素进行回归分析。

下图为按照时间顺序统计每月创业板上市股票的平均抑价率及发行数量。图中可明显看出,每月的平均抑价率与当月新股发行数量变化趋势相近。发行数量较多时,新股的平均抑价率较高。而且,抑价率有随着股市涨跌发生变化的倾向。从2009年10月~2010年12月,股市在2010年2月、6月及12月的时段附近处低迷阶段,相应平均抑价率也较低;2009年12月、2010年4月、9月、11月这几个股市高涨时段,相应平均抑价率较高。同时,虽少数月份例外,发行数量的变化也与股市涨跌相关,高涨期的新股发行数量较大,反之则偏少。

创业板抑价率与发行数量变化图

对于这种状况,使用传统的信息不对称理论无法解释,但使用行为金融学却能在一定程度上解释这个现象:股市高涨期投资者的乐观情绪互相感染,出现高估新股价格的倾向,新股发行价与开盘价之间差距增大,平均抑价率增高;低迷期间则相反。

(1)变量选择。

因变量:首发抑价率(YJL):首发抑价率=(上市首日开盘价-首发价格)/首发价格

自变量:

1)申购中签率(ZQL):申购中签率是一级市场上投资者的需求量与股票供给量的比值,其值越低则表示投资者需求量越大,进而表明了投资者情绪的乐观程度。

2)上市首日换手率(HSL):换手率是二级市场上投资者对股票需求量的直接表示,换手率越大表明投资者对股票的需求量越大,同时也反映出投资者情绪的乐观程度。

3)上市前七日深市平均市盈率(SYL7):市盈率直接表现了投资者价值投资的意愿,当市场情绪较为乐观时,市盈率将偏高。由于创业板市场创立时间较短,此处采用了整个深圳市场而非创业板市场的平均市盈率。

4)首发数量(SFSL):首发数量代表发行公司的发行规模,规模小的公司相对大规模发行的公司更容易受到炒作,因此首发数量可能会与首发抑价成负相关关系。

5)资产负债率(ZCFZ):发行公司的资产负债率越高则其财务风险越大,投资者的需求则越小,抑价率应该与其负相关。

6)每股收益(MGSY):每股收益代表了发行公司的赢利能力,赢利能力越高则投资者的需求会更大,因而抑价率与其成正相关关系。

7)公司第一大股东持股比例(DYGD):这一比例越高则表示股权结构集中度越强。集中的股权可能导致其利用公司为其自身利益服务,因此投资者对股权过于集中的发行公司的股票需求较低,抑价率与公司第一大股东负持股比例负相关。

(2)回归结果与分析。根据上述变量选择,本文建立如下计量经济模型检验上述变量对抑价率的影响程度,以了解投资者情绪对创业板新股抑价的影响:

YJL=β0+β1(ZQL)+β2(HSL)+β3(SYL)+β4(SFSL)+β5(ZCFZ)+β6(MGSY)+β7(DYGD)+u ⑤

此处使用的数据包括从创业板开市的2009年10月―2010年12月共15个月中上市的153个创业板股票的相关数据。

使用Eviews 3.0软件对上述模型进行回归,其结果如表2:

由结果可见,回归方程的R2值为0.55,表示这些因素对方程有着一定的解释能力。其中,反映了市场的投资者情绪的两个变量,申购中签率及上市首日换手率均在0.1%统计水平下显著;代表公司发行规模的首发数量在10%的统计水平下显著;而除去这三个变量之外的其他变量均统计不显著。

经过上述分析得知,最为显著的变量是申购中签率与上市首日换手率,这两个变量均在0.1%统计水平下显著。而上市前七日深市平均市盈率、首发数量、资产负债率、每股收益、公司第一大股东持股比例这些本该与股票的价值发现相关的变量却无法解释抑价率,从一定程度上表明投资者并未看重股票的自身价值。自从我国出现股票以来,投资新股可以获得额外收益的现象锚定了投资者的印象;与此同时只要一投资新股就能获得额外收益的现象使投资者容易过度自信,更加频繁地去投资新股,这样过度自信与锚定效应的反复影响使投资者对股票出现过度需求,直接表明了股票市场上投资者需求的申购中签率和上市首日换手率的统计显著性显然会很高。我国的大部分股票投资者并非抱着价值投资的想法,而是以投机为目的进入市场,这就很容易地造成新股上市首日的爆炒博傻现象。投资者乐此不疲,形成了一股乐观情绪。创业板是一个在2009年10月创立的面对高成长性公司的新市场,高成长性必然会伴随着高风险性。而投资者也将一直以来对新股投资的乐观情绪带入了创业板,于是新股抑价的现象也存在于创业板甚至更甚于主板的抑价现象。

3 结 论

在创业板市场上,一级市场上对股票的定价并未低估其价值,抑价现象的出现主要是由于二级市场上投资者的乐观情绪造成。为改善这一现象,投资者应该加强学习,提高自身素质与判断力,变股票投机为股票投资;而监管部门则应该加强股票发行过程的透明度,使投资者不在盲目中选择跟随乐观情绪而加剧新股抑价现象。

参考文献:

[1]陆建军.中国股票市场新股发行高抑价率的实证分析[J].华南金融研究,2002(4).

[2]周孝华,熊虎.发行机制、投资者行为、后市流动性与IPO价格[M].北京:中国财政经济出版社,2009.

[3]Baron.D.P.A model of the demand for investment banking advising and distribution services for new issues[J].Journal of Finance:1982(37):955-976.

[4]Rock.Kevin.Why new issues are underpriced[J].Journal of Financial Economics,1986,15(1-2):187-212.

[5]Benveniste.Lawrence.Spindt.HOW INVESTMENT BAN-KERS DETERMINE THE OFFER PRICE AND ALLOCATION OF NEW ISSUES[J].Journal of Financial Economics,1989,24(2):343-361.

[6]Welch.I.Seasoned offerings,imitation costs and the Underpricings of initial public offerings[J].Journal of Finance:1989(44),421-449.

[7]Carter.Manaster.Initial Public Offerings andUnderwriter Reputation[J].Journal of Finance:1990(45),1045-1067.

[8]Reena Aggarwal.Pietra Rivoli:Fads in the Initial Public Offering Market[J].Financial Management:1990,45-57.

[9]Ruud.Judith S..Underwriter price support and the IPO underpricing puzzle[J].Journal of Financial Economics,1993,34(2).

[10]Aigner D.J..Lovell C.A.K..Schmidt P..Formulation and estimation of stockastic frontier production function models[J].Journal of econometrics,1977(6),21-37.

[11]Tim Coelli.A Guide to FRONTIER Version 4.1:A Computer Program for Stochastic Frontier Production and Cost Function Estimation[G].CEPA Working Paper,1996.

第2篇

自2009年10月30日起,创业板市场运行已有5年的时间。上市公司的数量飞速增加,财务指标初具规模。但随着创业板市场的不断发展壮大,也出现了不少亟待解决的问题。随着的披露,创业板上市公司板高成长的光环已然褪去,财报业绩频频变脸。2012年4月20日,证监会正式《深圳证券交易所创业板股票上市规则(2012年修订)》。在新的退市制度中,规定了创业板上市公司若达到了其规定的暂停上市或终止上市标准,将严格执行其规定标准,结果就是直接退市。因此,为了使我国创业板市场持续和谐成长,并且使广大投资者的权益不受到侵害,需要对创业板上市公司的财务状况做出提前预测,更需要建立一个适合我国创业板上市公司的,对其财务危机状况判别率较高的财务预警模。

二、Cox建模方法简述

生存分析方法在研究企业经营失败方面的模型分为三类:非参数、参数和半参数模型。半参数模型主要用于不确定生存时间分布类型的研究样本。这类方法能够分析多个风险因素对生存时间的影响情况。Lane,Looney和Wansley(1986),Wheelock和Wlison(2000)以及Balcaen和Ooghe(2004)认为研究企业经营失败的最适模型为半参数Cox比例风险模型。所以本文选用Cox比例风险模型,下面就对Cox比例风险模型进行详细的介绍。

Cox模型是一种用于研究多因素对生存时间影响的半参数模型,它不要求样本的生存时间服从特定的分布,也可以分析删失数据,这样就大大降低了运用过程的繁琐性。Cox模型自D.R.Cox于1972年提出以来,从最初应用于生物医学领域,现在已扩展到了金融、管理等领域。Cox比例风险模型采用的是偏似然函数对协变量进行估计。并且每个样本都包含三个变量time,status和Xi,其中,time表示的是样本的生存时间;status表示的是样本的生存状态,status=0表示样本发生危机事件,反之status=1表示样本未发生危机;Xi表示的是与样本生存时间和生存状态有关的协变量。Cox比例风险模型的表达式为:

H(t,AX)=h0(t)F(AX)

其中,h0(t)为t时刻的基准风险率;X=(x1,x2,x3,…xn)为协变量,它们可以是定量指标,也可以是定性与等级指标;A=(a1,a2,a3,…an)是参数变量,即各协变量的回归系数。

相应的生存函数表达式为:

S(t,AX)=S0(t)F(BX)

其中,S0(t)为t时刻的基准生存率;X=(x1,x2,x3,…xn)为协变量,它们可以是定量指标,也可以是定性与等级指标;B=(b1,b2,b3,…bn)是参数变量,即各协变量的回归系数。

三、建模样本的选取

(一)建模样本选择

与本文以亏损集中发生的2012年至2014年为观测期,选取2009至2011年上市的创业板公司为估计样本。排除财务数据缺失企业10间,观测期前发生亏损的企业一间(当升科技),本文估计样本内含财务困境即亏损企业33间,健康企业246间。

在主板上市公司的财务危机预警中,通常设公司被ST当年为第T年。被ST发生时间通常在公司上一年财务报告披露之后。即第(T-2)年与第(T-1)年发生两年连续亏损,第T年被ST。预警模型的估计样本数据通常为第(T-3)年。

本文采用与主板类似的研究方法,设财务困境企业出现亏损当年为第T年,本文基于困境企业的第(T-1)年及健康企业的2013年财务数据进行模型估计,数据来源为国泰安数据库。生存时间为公司上市至首次发生亏损年份。Cox回归模型不要求样本数目的匹配性,因此,本文估计样本容量为279。

四、指标的选取与处理

(一)财务预警指标的初选

财务危机产生的本质原因有所差别。本文在企业偿债能力、经营能力、盈利能力、成长能力、比率结构五个方面选取了具有代表性的二十九个财务指标,具体见表2。

(二)财务预警指标的显著性检验

在前文初选的二十九个指标上,首先?ρ?本数据进行显著性检验,只有通过显著性检验的财务指标才能进入下一步检验。本文采用Mann-Whitney U独立样本非参数检验方法,分析两类独立样本提前1年财务数据的描述性统计量。

结果显示,在0.05的显著性水平下,现金及现金等价物周转率、固定资产增长率、流动资产比率、显著性比率、流动负债比率五项指标无法通过显著性检验,其余25个指标进入下一步检验。

(三)财务预警指标的相关性检验

共线性是影响Cox回归模型精度与预测水平的主要因素。对上述通过显著性检验的25个指标进行皮尔逊相关性检验,得到相关性矩阵(附表1)。以65%为分界点,剔除相关性较强的部分指标,包括流动比率、资产负债率、流动资产周转率、总资产净利润率、资本保值增值率,其余18个财务指标进入Cox回归模型构建。

五、模型构建

(一)Cox模型回归

将前文通过显著性检验与相关性检验的19个财务指标进行Cox模型回归,选择能防止遗漏有预测能力变量的向后:LR逐步回归法。采取严进宽出的原则,设定步进概率为进入:0.05与删除:0.10。回归结果见表。

模型回归结果显示,经营活动产生的现金流量/负债总额X5、存货周转率X7、存货与收入比X8、总资产周转率X13、资产报酬率X14、营业毛利率X18、营业利润率X19、留存收益资产比X27八个财务指标与公司陷入财务困境的可能性相关。将估计结果代入,可得危险率模型:

h(t,X(t))=h0(t)exp(-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27)

其中,h0(t)为危险率模型的基准死亡函数。

(二)生存函数估计

上文中,通过显著性检验与共线性检验的模型在Cox回归中,显示出良好的回归结果及各财务指标的偏相关系数。然而,要想最终得到更为精确的危险率模型,本文仍需对上文所得模型中的基准死亡函数h0(t)进行进一步估计。

危险率率模型中的基准死亡函数取决于累计死亡率随生存时间变化的分布模式。首先,本文通过生存分析中Kaplan-Meier分析,得到估计样本的生存表如表5。生存表内包含生存时间数据及对应累积死亡率。

在基准死亡率分布未知时,通常会假设死亡率符合某种具体分布,进行进一步拟合估计。在以往针对财务指标Cox模型预警的研究中,学者一般事先假设基准死亡率满足线性分布、S分布、Logistic分布等分布。因此,本文综合考虑以往常见的此三种分布,分别设定生存时间与上表累积死亡率为自变量与因变量,用曲线估计方式同时用线性分布、S分布与Logistic分布拟合,考察三种分布拟合效果,结果见表6。

拟合结果显示,S分布拟合效果最佳,R-square为93.8%,三种分布中拟合效果最佳。因此,本文假设基准死亡率符合S分布。本文转化公式后用线性回归模型拟合,可得基准死亡函数:

h0(t)=exp(-5.618297)*(t^2.127813)

将基准死亡函数代入原死亡率函数中,可得:

h(t,X(t))=h0(t)exp(-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27)

(三)预测能力检验

财务指标预警模型中,预测能力的检验颇显重要,能在一定程度上显示该模型实践效果的有效性。一般而言,模型的检验需同时在样本内和样本外进行。但考虑到创业板危机公司数目的有限性,为同时保证样本估计与预测检验的样本容量足够大,本文在样本内随机抽取12家困境企业与12家健康企业用于预测能力检验。以0.5为判定点,获得模型精度检验结果如表7。

由预测结果与实际情形对比,本文发现,由前文回归所得模型在创业板财务预警效果较高。预测困境准确率为91.67%,预测健康的准确率为83.33%。

表7 样本内检验结果

虽然在创业板历史偏短与危机公司偏少的限制性下,本文暂时无法获得样本外检验效果,但从样本内检验结果看来,本文认为,该模型具有较好的预?y能力。

六、研究不足

本文在取得一定的研究成果的同时,仍存在着一些缺陷,还有进一步改进的空间。本文的研究不足主要有以下三方面:

(一)指标选取

本文所选取的指标均为财务指标,对于非财务指标的影响不能充分体现。而一个上市公司的财务状况,很多时候又会受到非财务状况的影响,甚至这种影响会是决定性的。

(二)样本容量

创业板毕竟从开始运行到现在只有短短的6年时间,时间跨度相对较小,而财务危机的发生是一个动态的过程,这就需要利用企业发生财务危机以前年度的数据进行模型的建立,所以本文选取了样本企业T-1年的数据进行建模。其中亏损企业33间,健康企业246间,样本量相对较少,造成了只能进行样本内检验的困境,并且可能会对模型的预测效果造成一定的影响。

第3篇

内容摘要:随着我国创业板市场的开通,至今已经有几十家公司在其上市,且都以高成长性著称,在首次新股发行时,其抑价及相关方面等具有别于其他市场的特征。本文结合创业板IPO的抑价率、市盈率、中签率、发行价、每股收益、发行规模等方面,对其进行了统计性描述与比较,从理论和实证分析了创业板IPO抑价及其影响因素。

关键词:创业板市场 首次公开发行 抑价率 市盈率 发行价

首次公开发行股票(IPO)是指企业通过证券交易所首次公开向投资者发行股票并上市,以期募集用于企业发展资金的过程。IPO抑价,是指股票首次公开发行时定价过低,而在股票首日上市交易时价格较高,投资者认购新股能够获得超额报酬的一种现象。1963年美国证券交易委员会(SEC)在一份研究报告中首次提出IPO抑价问题,随后不少美国学者进行了该方面的研究,Logue(1973)和Ibboston(1975)分别利用美国证券市场20世纪60年代的资料进行了实证研究,发现新股发行价格比上市第一天收盘价格低,当时因不明其理由以“谜”称之。

我国A股抑价问题研究简述

国内外学者对我国证券市场IPO的抑价研究大多始于上世纪90年代后期,得出了不少有用的结论。

王化成通过研究中国A股IPO发行市盈率与抑价率的关系发现(王化成,2006),中国IPO公司发行市盈率与首日抑价率具有相同的变动趋势,即发行市盈率越高,IPO抑价率越大。张人骥、朱海平等学者(1999)通过对1997-1998年初在上海证券交易所上市的72家IPO公司进行了研究,得出规模因素与发行价呈负相关性,公司规模越大,发行价越低;以及公司盈利能力、管理水平、财务状况等因素与发行价正相关等结论。

胡继之、冯巍、吕一凡(2002)对1993年初至1998年底的IPO进行了实证研究,结果表明:发行抑价与发行的流通股数量成反比关系,小盘股的发行抑价高于大盘股;不同行业之间新股发行抑价存在差异,发展前景较好的电子信息与通讯类股票发行抑价明显高于平均水平;除此之外还得出了新股发行与上市的时间间隔以及二级市场股指水平都有关系的结论。

邹健(2003)对实行核准制后1999-2002年的IPO抑价进行研究发现中国的IPO抑价率远高于其他市场,发行定价方式、发行价格、发行时机、发行和上市间隔、承销商排名、立即可流通比例、职工股比例、发行规模等是影响深市IPO抑价率的主要因素,在诸多财务指标中,只有上市前一年的每股收益显著地影响着IPO抑价率。

金晓斌、吴淑琨、陈代云(2004)研究发现IPO上市5日的平均抑价率与公司业绩缺乏统计上的显著关系,主要受企业规模、发行比例、中签率等因素的影响。金池和Carol Padgett(2002)研究认为中国A股IPO高抑价与较高的超额认购率和较多的散户群体有关,回归结果显示信息不对称理论对中国IPO抑价问题有较好的解释力,而信号显示理论不适用。

王莉(2002)对1998年初至2000年底的IPO抑价进行了实证分析,发现深沪两市新股的平均抑价率都在130%以上,最高达到173.36%,而且其程度没有下降的趋势。还发现两个市场的新股抑价程度均可以用信息不对称假说来解释,在用于解释的变量中,新股的发行规模、发行市盈率、发行前一年的每股收益以及发行前市场状况四个变量在描述假说中的不确定性是显著有效的。

王(2009)结合我国中小板市场的特点,选择了二级市场的中签率、首日换手率、募集资金量等9个影响IPO抑价的因素进行实证性研究,发现我国中小企业板IPO也存在相对严重的抑价现象,其中发行前一年净资产收益率和中签率与中小板IPO抑价率正相关,且影响显著,即公司发行前一年净资产收益率越高,越能提高投资者的预期,增强投资者投资的信心;募集资金量与中小板IPO抑价率负相关,影响明显,呈现小公司现象。

上述学者对我国新股发行的抑价情况进行了分析,但对抑价研究的样本选择和成因分析则各不相同,认为解释IPO抑价的理论和影响抑价的影响因素也有差别。几乎所有学者都认为我国证券市场存在很高程度的IPO抑价现象,说明我国仍属于新兴的证券市场,投机气氛比较浓厚,但从整体看我国IPO抑价率处于不断下降的趋势(王化成,2006)。

随着2009年10月30日首批28只创业板股票正式开始交易,筹备十年之久的创业板市场终于瓜熟蒂落成功登陆深圳证券交易所。尽管主板、中小板和创业板市场都是我国多层次资本市场的重要组成部分,但由于服务对象不同,各层次市场在发行标准、制度设计、风险特征、估值水平等方面都有所区别,创业板主要面向尚处于成长期的创业企业,重点支持自主创新企业。因而分批在创业板上市的公司IPO抑价及其影响因素也会具有一定特色,本文将对该方面着手研究。

样本的选取与模型设定

本文收集了创业板开板到至2010年2月9日为止共上市的50家公司的基本资料。按照其他学者研究IPO抑价影响因素实证研究的惯例,本文选取了每只股票的发行价格、上市首日收盘价、首日换手率、发行规模、募集资金净额、发行市盈率、上网定价中签率、发行前一年的每股收益和资产负债率、实际流通股占总股本的比例、发行日和首日收盘的市场指数等数据。本文实证分析中所采用的数据主要来源于巨灵信息终端数据库以及招商证券全能版并经笔者计算整理而成,采用的分析软件为EViews 5.0。限于篇幅,原始数据不做单列。

(一)创业板的IPO抑价率统计性描述及比较分析

本文首要研究IPO抑价率UPR,就要测定IPO抑价程度对比,国外学术界的定义大体一致,区别仅在于抑价率时间长短的选取上。其中多数学者以新股上市后首日收盘价与其一级市场发行价之间的差别来定义发行抑价率,本文也采取该方法定义:UPRi=Pi1/Pi0-1

其中,UPRi为第i种股票的IPO抑价率,Pi1是第i种股票IPO上市首日的收盘价;Pi0是第i种股票IPO的发行价。表1是我国在创业板首批上市的28家公司、后续上市的22家公司以及总体共50家公司跟2009年在深、沪主板、中小企业板的IPO抑价情况表。

从表1可以看出,在创业板首批上市的28家公司的IPO抑价率比后续几批上市的22家公司的IPO抑价率,无论是均值、最大值、最小值和中位数都要高许多;所有在创业板上市的50家公司IPO抑价均值比同时期在中小板上市的55家以及在主板上市的6家公司IPO抑价均值要高一些,当然是由于首批上市的28家公司的IPO抑价率较高所致。

(二)创业板市场上首批和后续IPO相关指标均值比较

从表2可以看出,在创业板首批上市的28家公司(简称前者)与后续几批上市的共22家公司(简称后者),两者上市前一年每股收益相当,而IPO市盈率、募集资金净额、发行价、资产负债率前者均值都比后者均值低许多;而网上定价中签率、首日换手率前者均值都比后者均值大。

(三)模型设定

除表2中所列指标外,本文选取的以深圳综合A指表示的市场指数,因为在创业板公司新股发行与上市都是采取批量化,不像主板和中小企业板IPO公司那样,每次上市一般是一家或者少量几家。目前已经在创业板上市的50家公司,分了4批进行,同一批次上市的公司其发行、上市时间以及市场指数相同,而50家上市的时间相差不久,其市场指数相差也较小,因此市场指数和发行与上市间隔不是影响创业板公司IPO抑价率的主要因素。而在创业板上市的公司其实际流通股占总股本的比例,基本上都在0.2左右,因而也不是影响创业板IPO抑价率的主要因素。

在对我国创业板IPO抑价率与影响因素进行回归分析之前,将以上所选的所有因素进行相关性分析,就两者之间的相关性进行检验,初步了解各个变量对抑价率的影响,发现有些指标包括每股收益、市盈率、资产负债率、深圳综合指数和发行与上市间隔与IPO抑价率相关性较弱,结合理论上的分析,将其剔出,不纳入回归模型。

因为我国创业板IPO抑价在理论上可能存在多方面的原因,本文将采用回归分析的方法,运用横截面数据建立如下多元线性回归模型:

UPR=β1+β2ER+β3PE+β4IP+β5LN(TC)+β6LN(NF)+μ

其中:β1为常数项,ER为首日换手率,PE为发行是摊薄的市盈率,IP为发行价,LN(TC)为总股本的对数,LN(NF)为募集资金净额的对数指标(因为募集资金净额较大,为了消除其对模型的影响,对其取对数),β2、β3、β4、β5、β6分别为他们各自的系数;μ为随机误差项。

将剩余的相关性较强的指标经过散点图分析,并利用Eviews对样本进行OLS估计,根据回归分析结果整理如表3所示。

模型结果分析以及经济学检验

由回归结果可知,系数R2=0.751830,表示模型拟合程度较高,误差较小;调整以后的R2=0.723629,表明在因变量的变化中较大部分是由自变量的变化引起的。回归方程的显著性检验:F=26.65953,F统计量较大:Prob (F-statistic)=0.000000很小,故方程的显著性检验通过。

在回归模型中,β1为常数项,无经济意义,且不显著性;β2=2.199459,代表首日换手率与抑价率呈正相关关系,具有99%的高显著性;β3= -0.291351,代表发行时市盈率与抑价率呈负相关关系,即市盈率越高,则抑价率越低,较显著。β4=

1.165998,代表发行价跟抑价率成正比,即发行价越高,抑价率越高,基本符合预期,较显著。β5=71.59242,代表总股本的对数与抑价率呈正相关关系,即总股本越大,公司规模越大,其抑价率越高,且具有99%的高显著性;β6=-71.86212,代表筹集资金净额的对数与抑价率呈负相关关系,即发行时筹集的资金越多,其抑价率越低,符合理论预期,且具有99%的显著性。

结论

创业板IPO存在一定的抑价现象,其抑价率均值74.23682%,要高于同时期在中小板的IPO均值65.7161%和主板的IPO均值61.7390%;而且首批上市和后续上市的抑价率均值差别较大,首批的抑价率均值为106.1780%,而后续的仅仅为33.5139%,其他指标如发行市盈率、发行价等相差也较大,这跟首批在创业板上市的公司是经过多方竞争而胜出的实力较好的公司,承载了投资者很多厚望有关;创业板IPO的首日换手率与抑价率呈正相关关系,而且具有显著性,表明换手率越高,投资者越热衷于该新股,其抑价率越高,符合预期;发行价跟抑价率成正相关关系,发行时市盈率与抑价率呈负相关关系,基本显著,这与创业板首批上市的IPO抑价率高,但市盈率却比后续的IPO市盈率低的现象相符,但跟前期一些学者研究得出的结论有些不一样;募集资金净额与抑价率呈负相关关系,且影响明显,符合理论预期,而在创业板上市的公司相对主板和中小企业板上市的公司,其募集的资金相对最少,呈现小公司现象,这也是解释创业板IPO抑价率比中小企业板和主板相对较高的原因之一,而总股本对数跟抑价率呈正相关关系,有点不符合理论预期,也许跟首批上市的IPO总股本较大而抑价率较高有关;创业板IPO的发行时流通股占总股本的比例、发行前一年的每股收益和资产负债率各公司都相对比较平均,而创业板是批量发行和上市的,而且不同上市批次时间相距较近,因此流通股占总股本的比例、发行前一年的每股收益、资产负债率、大盘指数以及涨跌率和发行与上市间隔都不是影响创业板IPO抑价率的主要因素。

结论

总之,创业板于2009年10月30日才正式开始交易,开板时间尚短,公司样本数量也较少,数据与模型的说服力还有待考证。在创业板进行IPO其抑价与影响因素有跟主板和中小板相近与特色的地方,西方的一些抑价理论也并不能完全解释我国创业板抑价现象。我国创业板市场作为新生事物还有许多需要完善和改进的地方,其较高的IPO抑价伴随一些非理性和低效率的因素,也具有较高风险,应该逐步解决这些问题,推动IPO抑价的理性回归,逐步发展完善我国创业板市场。

参考文献:

1.Ibboston, R.G. Price Performance of Common Stock New Issues [J].Journal of Financial Economics,1975, 2

2.王化成.财务管理研究[M].中国金融出版社,2006

3.王.我国中小企业板IPO抑价现象实证研究[J].企业家天地,2009(6)

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

学术顾问

免费咨询 学术咨询 期刊投稿 文秘服务