零回报天数和信息含量指标.docVIP

零回报天数和信息含量的指标 　　【摘要】 Ashbaugh-Skaife,Gassen and LaFond(2005)提出零回报天数比例作为价格中信息含量指标。文章运用中国证券市场上的数据,分别使用了Durnev 等 (2003)的方法考察了零回报天数比例作为价格中信息含量的指标,结果不支持零回报天数比例作为价格中信息含量的指标。 　　【关键词】 信息含量;零回报天数;同步性 　　 　　一、引言 　　发育良好的证券市场能利用上市公司股票价格的信息传递功能合理优化资源配置,进而促进国民经济快速发展(Rajan and Zingales,1998;Beck,Levine and Loayza,2000)。股票价格要发挥这种引导资源配置的作用,必须要正确反映公司层面的基本面信息。考虑到市场层面,行业层面的信息也会影响到股票收益,R平方被认为是关于股票价格信息含量的一个指标并且被广泛应用。R平方越小,股价中包含的信息量越多。(Morck,Yeung and Yu,2000; Durnev等,2003;Jin and Myers,2006;Wurgler,2006)。但是也有很多研究对R平方和价格中包含信息量的关系提出了一个相反的看法:价格的非同步性是和不好的信息环境联系在一起的(Ashbaugh-Skaife 等,2006;Kelly,2005等)。而Lee and Liu (2006)协调了这两种看法,表明了价格的非同步性和价格的信息含量之间有一个U型的关系。 　　Ashbaugh-Skaife,Gassen and LaFond(2005),提出了零回报天数比例作为价格中信息量的一个指标,即相对于前一天的回报为零的天数在交易总天数的比重。他们提出采用零回报天数比例的原因如下:关于一个公司的新的信息的到来可能产生对公司未来现金流的新的不确定性,如果信息信号的价值不足以超过交易成本的话,投资者不会交易 (Lesmond et al.1999),如果投资者不交易,则零回报就产生了。因此,可以采用零回报的天数作为衡量价格中信息多少的一个指标。他们发现零回报天数比例和R平方的Pearson 和 Spearman相关系数一致的为负。他们发现,公司交易越少,零回报天数越多,关于下一期盈余的信息更少的体现到回报中,所以零回报天数比例是一个更好的关于价格中包含信息的指标。本文利用中国市场的数据主要考察了零回报天数比例是否能作为价格中信息含量的指标。 　　 　　二、价格中信息含量 　　根据Collins,Kothari, Shanken and Sloan(1994)以及Durnev等(2003),采用未来盈余反应系数(future earnings response coefficient)和未来盈余增加解释力(future earnings incremental explanatory power)来作为股票价格中包含信息的指标。 　　Durnev等 (2003) 估计了下列的方程: 　　 　　三 、样本选择和实证 　　(一)数据、样本选择和方法 　　为了和本文的其它部分一致,笔者采用中国A股市场上从2001到2005年的非金融上市公司作为样本。数据从色诺芬数据库取得。因为数据量的限制,采用季度数据。采用GICS分类标准,取该分类标准的前两位数字,去除号码为40的金融行业,去除掉行业内公司数目少以致于无法估计价格中信息含量的行业――季度观测值,得到了136个行业――季度观测值。为了降低异常值(outlier)的影响,当△Et (每股盈余的变化除以本期初的价格)大于1(或者小于-1)的时候, 将其改为1(或者-1)。 　　这部分的目的是为了考察零回报天数比例和价格中包含信息之间的关系。笔者采用Durnev等(2003)的行业内配对方法(industry-matched-pairs methodology),在行业内部对高低零回报天数比例的公司配对,这样就集中于考察行业内部的零回报天数比例的变化以及股票价格中信息含量的变化。每一对公司包含高低零回报天数比例的公司,而这些公司在其它方面是类似的。结合Fama and MacBeth(1973)的方法,用前一时期的零回报天数比例进行排序,取得高零回报天数比例和低零回报天数比例部分,然后在后一时期对前一时期得到的高低零回报天数比例部分计算一些指标,进行回归,具体的方法如下: 　　第一步,每个季度的前一季度t-1在每个行业内选择30%的最高零回报天数比例和30%的最低零回报天数比例的公司,分别称之为Hi和Li。 　　第二步,在该季度t中,在每个行业内,用前一季度得到的Hi和Li来估计上面提到的FERCiH,FERCiL和FINCiH,FINCiL,并取Hi和Li行业之差