论文部分内容阅读
对于内幕交易和市场操纵,我国及世界各国的法律都是禁止的,视其为犯罪行为。尽管各国政府一直致力于对内幕交易和市场操纵的监管防范,但内幕交易和市场操纵行为却仍时有发生。2005年4月开启的股权分置改革(简称股改)使得我国资本市场发生革命性的变化,但研究表明股改中同样存在较为严重的内幕交易行为。2008年中国资本市场迎来全流通时代,全流通下内幕交易与市场操纵行为可能会比股改前更加猖獗,如何有效防范大股东和机构投资者利用信息优势、资金优势、控制权优势进行内幕交易和市场操纵,是全流通下监管防范面临的主要挑战。
针对内幕交易和市场操纵的判别及监管研究,其完整的架构应该是一个涵盖事前、事中与事后全过程的动态判别及监管体系。论文在“内幕交易与市场操纵研究文献综述”及“中国证券市场内幕交易典型案例剖析”的基础上,分别针对内幕交易的事前判别监管及内幕交易和市场操纵的事中判别监管展开研究。
事前研究:实践中,内幕交易的监管多侧重“事后”监管;但从理念上讲,一个好的监管体系,应该是“事前”防范。论文的重点和创新集中于此,重在对内幕交易主体的行为动机及其影响因素展开研究。(1)论文借鉴诺贝尔经济学奖得主Becker教授“犯罪经济学”的研究框架及行为金融的相关理论,结合一般犯罪行为的基本影响因素和证券市场犯罪行为的特殊性,概括内幕主体的行为特征、提炼其行为变量,构建内幕交易行为决策模型。(2)通过对国外有关“犯罪行为动机及其影响因素”的文献综述和理论分析,结合第3章国内内幕交易典型案例的行为动因分析,架构了由正向激励模块、负向阻碍模块、状态感知模块和行为倾向模块共同形成的内幕交易行为动机模型,并选取各个模块的具体度量指标,搭建了内幕交易行为动机影响因素指标体系。该指标体系基于4个基本假设:即正向激励指标对行为倾向指标产生正面影响,负向阻碍指标对行为倾向指标产生负面影响,状态感知指标对行为倾向指标有所影响,正向激励指标、负向阻碍指标及状态感知指标交互作用,共同影响行为倾向指标。(3)基于问卷调查的模拟试验数据,运用基于贝叶斯估计(Bayesian Estimate)的结构方程模型(Structural Equation Modeling,简称SEM),对影响内幕交易行为动机模型中各个变量之间的逻辑关系和内在影响机制进行了实证研究,得出与基本假设和具体假设较为一致的研究结论。
事中研究:针对内幕交易与市场操纵过程中的判别及监管研究,论文把沪深两市在1996-2006年期间发生过内幕操纵的股票作为黑色样本,对其市场反应特征进行实证分析;引入与黑色样本对应的白色样本,分别考察了Logistic方法和支持向量机(Support VectorMachine,简称SVM)方法在识别内幕操纵中的适用性;肯定了基于自我学习机制、规避阈值选取主观性、专门针对小样本学习问题的SVM方法,在以共线性较强的市场反应指标作为自变量的判别模型中所具有的判别精度较高的优越性。
最后,基于研究结论,论文就如何判别及监管防范内幕交易和市场操纵给出:加大违规成本,严惩内幕操纵;加强投资者教育,强化高管人员的职业责任感和社会责任感;强化信息披露监管,完善信息披露;健全上市公司和中介机构的内部控制机制与激励机制等相应的政策建议。并对进一步深入研究的内容及方法做了展望。