|
|||
新股发行对二级市场影响不明显来源:证券时报 | 发布时间:2010年01月21日 10:28 | 作者:
华泰联合证券金融工程团队
自2004年12月11日新股询价制度出台后,截至2010年1月6日,中国A股市场已经发行了380多只股票。一般投资者认为,新股上市对二级市场利空,因为市场的扩容会使二级市场的资金流向一级市场,从而导致二级市场价格的下跌。不过,这种认识在很大的程度上是一种思维定势。新股发行与二级市场的关系十分复杂,除了在资金上的因素以外,还会牵涉其它很多方面的因素,而且随着市场的发展,两者的关系也在不断的变化。在中国股市日益成熟的今天,我们应该更为理智地看待这个问题。本文将从数量化的角度来分析新股发行对二级市场的影响。 我们取2005年1月到2010年1月5日的数据进行了数量化的研究,考虑到其中有两次大的新股发行暂停时间,将这两段IPO暂停时间去除,余下共有1217个交易日。 我们考虑的数据变量有:市场换手指标(上证指数日换手率)、市场收益指标(上证指数日收益率)、市场波动指标(上证指数日内波动率)、市场趋势变量(60日均线的日增量);新股相关变量:当天所有上市交易的新股流通市值之和(new_total)、当天所有上市交易新股的募集资金总和、当天所有上市交易新股的冻结资金总和;新股相关衍生变量:new=1 当new_total>0,否则new=0。 一、分组对比统计检验 以市场涨跌幅为例,我们统计得到有新股上市组的上证指数平均日收益率为-0.1176%, 而没有新股上市组的上证指数平均日收益率为0.1112%,看起来新股发行使得上证指数在当日的平均收益率变低了。但是从统计的角度看,任何数据都有随机的因素影响,为了得到更科学的结论,我们需要通过统计检验。 待检验的假设是: 原假设H0:两组的平均日收益率均值相等。 可选假设HA:没有新股上市组的平均日收益率均值高于有新股上市组。 我们可以用两个样本的T检验来检测假设。分别是假定两个样本的方差相等或者不相等,我们检验的P值都超过了0.20,而在大多数统计检验要求有0.01或者0.05的显著性水平,所以在这个检验下,原假设不能被拒绝,两组均值差异在统计意义上并不显著。在以上的统计框架下,我们无法做出新股上市日的收益率比无新股上市日的收益率更低的结论。 我们对波动率和换手率做类似的统计检验,考虑到新股发行前已经开始募集资金,并且锁定一部分资金,可能会对二级市场上资金造成分流的影响,所以我们也检验是否新股上市首个交易日前3、5、7个交易日的收益率受到新股发行的影响。 从检验的P值来看,新股发行对上市当日的收益率的p_value最低,但是,在统计意义上不显著。新股发行对其他的变量比如换手率和波动率的影响非常不显著,也无法做出新股发行影响指数波动率或者换手率的结论。 二、线性模型下的统计检验 在建立市场日收益率的线性模型时,必须考虑到市场趋势的影响。上证指数的60日均线在2005年以来能很好地标识出市场的趋势阶段。因此,我们取60日均线的日涨幅(ma_inc)为市场趋势指标,当ma_inc>0,则表明市场处在上涨趋势中,当ma_inc<0,则表明市场处于下跌趋势中。 新股发行对二级市场的影响主要体现在新股上市交易日二级市场上股票供应量的增加,可能会影响指数收益率。可以把新股在当日流通市值之和作为另外一个因变量。 我们建立了多元线性回归模型,方程左端是因变量指数收益率,右端是自变量60日均线日增量和新股上市首日流通市值总和new_total。 其中要判断新股的流通市值和是否对指数收益率有影响,可以转化为检验new_total的系数是否显著不为0。 计算显示new_total对应的P值为0.045,如果按照通常较严格的要求的显著性水平为0.01,则不能通过假设检验,也就是说新股发行的当日供应量冲击对指数收益率的影响在统计意义上并不足够显著。而市场趋势性指标(ma_inc)的P值为0.0024,在模型中是重要的,表示该变量对指数收益率的影响是非常显著的,这个结论也在常理之中。 类似的,我们用线性模型来检验新股发行对于指数换手率和波动率的影响,可以换手率和波动率的不同线性模型中new_total系数的p_value为0.62和0.58, 如此高的p_value表明新股发行对指数换手率和波动率的影响非常不显著,可以忽略新股上市对它们产生的影响。 三、结论 究竟新股发行对二级市场有没有影响,我们从上证指数的三个维度:收益率,波动率,换手率来考察,对2005年以来到2010年初的数据进行统计分析和检验,发现新股发行对指数收益率均值有一定的影响,但在统计意义上并不足够显著,并不能断定新股发行能够使得指数日收益率更低。新股发行对指数的波动率和换手率的影响非常不显著,几乎可以忽略其影响。 全景网新股数据一览:http://www.p5w.net/data/xgzt/index.html 文档附件:
相关阅读:
相关推荐: |
|