论股票首次公开发行抑价基于我国中小企业板的实证研究-毕业论文

中文摘要根据有效市场理论，首次公开发行股票与资本市场上其他金融品种一样，不应该存在超额收益，但各国的研究成果都表明首次公开发行的上市首日收益率大大超过市场的平均收益率，新股的发行抑价是一个普遍存在的现象。首次发行新股的“高名义回报、低风险约束、高换手率”一直是我国资本市场的一个显著特点。过高的新股发行抑价造成了一、二级市场风险与收益的不匹配，大量资金滞留在一级市场，严重影响了资金的最优配置和资本市场的健康发展。因此，我们有必要深入研究首次公开发行的高抑价现象，把握影响我国新股抑价的原因，以期降低我国一级市场的抑价水平，并对新股发行定价市场化改革提供参考。各国的研究人员一直在试图解释导致新股短期超额回报的原因。在早期的研究工作中，研究人员往往把新股上市异常高回报的原因归结为新股在发行时的过低定价(underpricing)，他们认为由于在新股发行过程中存在着大量的信息不对称现象，为了消除这种信息不对称的影响，发行人或者承销商有积极性为新股低定价，这是造成新股上市短期高回报的原因。国外研究人员构造了许多较有说服力的解释模型。但是，随着研究的深入，逐渐发现低定价不能有效解释新股发行的所有现象，许多研究人员开始怀疑低定价也许不是造成新股短期高回报的真正原因，或者不是唯一的原因，提出了新股短期高回报是由于二级市场对新股价值的错误估计造成的，并且这种回报与市场的狂热程度有关。本文的主体结构由五部分组成：第一章为引言。第二章对新股发行抑价的理论研究成果进行综述，列举了国内外学者对新股抑价普遍存在性的研究成果，并且对之进行了简要的评述。第三章对我国存在的过高新股抑价率进行了描述性统计，并从新股抑价的理论出发，结合我国证券市场运行的实际，借鉴国外学者研究的思路和方法，选择了16个解释变量，然后通过单因素模型对这些因素筛选，接着用因子分析的方法对各影响因素进行提炼，得出3个公共因子。根据这些公共因子建立多元回归模型，系统分析他们对新股抑价的作用程度并且给出了降低我国新股高抑价率的结构性分析。第四章基于随机边界定价模型分析了我国新股抑价过高的原因，实证研究发现，我国的新股抑价是由新股发行定价偏低和二级市场对新股的错误定位共同造成的，所以放开发行价格并不能有效解决我国新股抑价过高的问题。第五章是本文的结论和降低新股抑价政策建议，主要从解决二级市场的错误定价着手，提出了引入做空机制和超额发售权的政策建议。关键词：新股抑价；因子分析；随机边界模型AbstractAccordingtoeffectivemarkethypothesis,thereshouldbenoexcessincomeinnewlistedstocks,whichisthesameasotherfinancialtoolsonthecapitalmarket.Buttheresearchachievementsoneverycountryindicatethatthefirst-dayearningratioofnewstocksexceedsthemarketearninggreatly.Highnominalreturns,littlerisk,andhighturnoverofInitialPublicOfferings(IPOs)arelong-standingdistinguishingfeaturesofChinesecapitalmarkets.Toohighunderpricinghascausedmismatchofriskandearningsbetweenprimaryandsecondarymarketinourcountry,thelargeamountoffundinprimarymarketandhasinfluencedtheoptimumcollocationofcapitalandthesounddevelopmentofthecapitalmarket.Therefore,itisnecessaryforustoresearchnewstockunderpricingin-depth,findtheinfluentialfactorofunderpricinginourcountrysothatwecanreducethedegreeofunderpricingandsomeusefulsuggestionscanbeofferedfortheIPOreformofnewstocks.Theprincipalpartsofthistextconsistoffiveparts:chapteroneistheintroductionofthispaper.Chaptertwosummarizestheresearchachievementsofunderpricing,includingtheoverseasresearchanddomesticachievementsofunderpricing.Chapterthreeanalyzesthehighunderpricingratebydescriptivestatistical,thenwechoose16explainingvariables,thenadoptthesingleregressionmodelfortheselectionofthesevariables,afterthatweextractseveralfactorsfromtheseadoptedvariablesusingfactoranalysismethodandthethisresearchisbasedonthetheoryofunderpricingandcombinestherealityofthesecuritiesmarket,furthermore,weusemultipleregressionmodelexplaintheunderpricingofnewstocks.Chapterfouranalyzesthereasonofhighunderpricinginourcountrybymeansofstochasticfrontiermodels.Positiveresearchshowsthatitisnotonlythelowpricingofissuingprice,butalsotheunreasonabletoohighpricingofnewstockinsecondarymarketleadstothehighunderpricing.Soitisinvalidtoloosentheissuingpricetodecreaseunderpricing.Inchapterfiveistheconclusionofthispaper,policyrecommendationsarealsogaveinthischapter.Keywords:uderpricingofnewstocks;factoranalysis;stochasticfrontiermodels目录第一章引言 1第一节研究背景和研究目的 1第二节研究思路和创新之处 2第二章国内外相关研究综述 4第一节国外学者对抑价的研究及其理论解释 4一、基于信息不对称的IPO的故意折价理论 5二、IPO高超额收益率的二级市场解释 7三、对理论成果的评价 8第二节国内相关研究综述 8第三章我国新股抑价的多因素分析 10第一节模型变量的解释以及样本数据的说明 10一、关于样本数据和分析软件的选择 10二、待选变量的描述性统计 11三、对解释变量的有关假设 12第二节单方程回归模型 12一、AR为被解释变量的单方程回归 12二、回归结果分析 13第三节AR的多因素逐步回归 14第四节因子分析 15一、因子分析方法概述 15二、因子分析和公共因子的解释 15三、因子得分函数和因子得分排名 17四、因子分析与AR为被解释变量的多元回归模型 20第四章随机边界模型与新股抑价 21第一节随机边界模型 21一、上随机边界模型 21二、下随机边界模型 21第二节发行定价的上随机边界模型 22一、P0作为因变量的上随机边界模型参数估计 22二、真实发行抑价的度量 23第三节发行定价的下随机边界模型 24第四节上市价格P2的下随机边界检验 25一、对上市日收盘价P2的影响因素的因子提取 25二、对P2和公共因子建立下随机边界模型 27第五节我国新股抑价的形成原因初探 28第五章主要结论和政策建议 32第一节结论 32第二节政策建议 32一、建立做空机制 32二、引入超额发售权 33三、强化信息披露制度 33参考文献 35后记 38第一章引言第一节研究背景和研究目的首次公开发行，即IPO(InitialPublicOffering)，也称新股，是指那些拥有前景看好的投资项目的公司(包括私有公司或公众公司)，在投资银行等中介机构的帮助下，第一次公开在股票市场向潜在的广大投资者发售股份，为开展项目筹集所需要的资金。随着证券市场的深入发展，股票首次公开发行已作为一种重要的融资方式被世界各国普遍采用。在证券市场上，新股发行定价是股票发行市场的核心环节，新股定价是否合理、新股发行是否顺利，会在很大程度上影响发行公司的筹资能力和股票在二级市场上的表现，直接影响到股票市场的资源配置效率。自上个世纪60年代开始，西方学者就开始关注到证券市场上存在的一种异常现象——股票IPO价格低估现象,或称为IPO折价发行，表现为多数新股在上市首日便会有一个巨大的涨幅，即其在二级市场的上市首日或上市初期的交易价格远远超过首次公开发行价格，由此产生远高于市场或行业平均回报的超额收益。由于早期的研究认为新股在二级市场的首日价格体现了市场对股票的价值认定，代表着股票的理论价格，因而这一超额收益得以出现的原因只能是一级市场发行价格的低估，所以又将这种超额收益称之为“抑价”。这吸引了许多学者对IPO市场进行研究，对IPO价格低估现象的研究也逐步由发达国家证券市场扩展到拉丁美洲、亚洲等一些发展中证券市场。学者们大都得出一致结果，即各国股市均存在着不同程度的IPO价格低估现象。首次发行新股的低风险、高初始回报一直是我国股票市场的一个显著特点。与之相联系，几乎每次新股发行都会吸引巨额的申购资金，甚至形成大大小小颇具中国特色的所谓“新股合作基金”（所谓的“新股基金”或“新股信托”是指将中小投资者的资金集中起来，进行一级市场新股申购，提高中签可能，以获取低风险收益的非正规基金或信托。）但是由于申购资金的供给远大于新股供给，导致了极低的中签率，使得申购资金的实际回报大大低于名义水平。同时，这些申购资金并非真正投资于新股，而是往往在上市交易初期即抛售获取可观收益，属于短期投机寻利者，新股上市首日的高换手率就是一个证明。第二节研究的思路和创新之处按照有效市场理论，众多的市场逐利行为将使得所有资本只能获得平均利润，新上市股票与市场上的其他金融品种一样，不应存在超额收益，但是事实上，从各国的研究来看，新股发行抑价却是一个普遍的、长期存在的现象，我国也不例外，而且我国一级市场的新股抑价程度远高于发达国家成熟的股票市场和发展中国家新兴的股票市场。世界各国的研究人员一直在试图寻找解释导致新股短期超额回报的原因。新股抑价水平的大小反映了新股发行市场化程度的高低，过高的一级市场新股抑价会带来许多弊端：首先，它导致了一、二级市场之间风险和收益的严重不匹配，从而形成了两个市场资金分割，二级市场资金面萎缩的现象；其次，由于一级市场提供了巨大的无风险收益，大量资金通过非正常渠道进入市场，严重影响了资本市场的健康发展。最后，这种过高的新股抑价使投资者较少关注上市公司的质量，加大一级市场的投机氛围，市场最优配置资源的功能并未得到很好的发挥。长期以来，世界各国的研究人员一直在试图解释导致新股短期超额回报的原因。在早期的研究工作中，研究人员往往把新股上市异常高回报的原因归结为新股在发行时的过低定价(underpricing)，他们认为由于在新股发行过程中存在着大量的信息不对称现象，为了消除这种信息不对称的影响，发行人或者承销商有积极性为新股低定价，这是造成新股上市短期高回报的原因。国外研究人员构造了许多较有说服力的解释模型。但是，随着研究的深入，逐渐发现低定价不能有效解释新股发行的所有现象，许多研究人员开始怀疑低定价也许不是造成新股短期高回报的真正原因，或者不是唯一的原因，提出了新股短期高回报是由于二级市场对新股价值的错误估计造成的，并且这种回报与市场的狂热程度有关。所以弄清楚股的超额回报的原因是由发行低定价引起的还是由于二级市场错误评价引起的是寻求解释这一异常现象的关键，也是对改革新股发行体制有重要作用的。本文主要使用实证分析的方法对新股抑价展开研究。首先，对我国新股发行存在的高抑价率进行描述性统计分析，对我国新股抑价和发行价格的影响因素进行了单因素线性回归，选出重要的解释变量。然后，对我国新股抑价建立多元回归模型，用逐步回归方法选择进入模型的变量。再者，对影响新股抑价的各自变量进行因子分析，提炼出起决定性作用的公共因子，通过这些公共因子重新建立多元回归模型。最后，以这些提炼出公共的因子为自变量，分别以发行价格和上市交易价格为因变量，建立随机边界模型。将实际价格和理论价价值进行比较，进一步探究形成新股抑价的深层次原因。本文的理论创新有以下两点：第一、将因子分析引入多元回归模型，不仅使得解释变量的含义更加明确精练，而且可以避免多重共线性的出现，同时也可以避免多元回归模型导致的自由度的大量损失。第二、通过建立随机边界模型分析超额收益率的形成原因，并且对超额收益率的高估程度进行了度量。第二章国内外相关研究综述在国外，IPO的新股抑价一直是金融学界的研究热点之一，国内近几年来也陆续出现了不少关于新股发行的研究文献。对国内外的相关研究成果进行分析和述评，有助于我们更深刻地理解新股抑价问题，进而形成自己的观点。下面对国内外有关新股抑价的理论研究成果进行简要的回顾。第一节国外学者对抑价的研究及其理论解释从20世纪70年代开始，西方学者注意到美国证券市场中存在着一种异常现象——IPOs在二级市场上市的首日或是初期价格往往大大高于发行价格，从而使得一级市场投资者获得很高的初始超额收益率，远大于市场正常的收益率，由此引起了学者们的浓厚兴趣。对这个问题的连续实证研究表明，这一现象普遍且长期存在于世界各国的股票市场中，即使在美国这样较为成熟的证券市场，这个问题也同样存在，并无消失的迹象，甚至有超额收益率日渐上升的趋势。当然，不同国家的IPO初始收益率往往相差较大。从表2-1中我们可以看到，新兴市场国家IPO高收益率的现象往往相当显著，而较为发达和成熟的证券市场则偏低一些。表2-138个国家和地区股票首次公开发行的首日平均收益国家 研究者 样本数 样本期 首日收益率澳大利亚 Lee,Taylor&Walter;Woo 381 1976-1995 12.1%奥地利 Aussenegg 76 1984-1999 6.5%比利时 Rogiers,Manigart&Ooghe;Manigart 86 1984-1999 14.6%巴西 Aggarwal,Leal&Hernandez 62 1979-1990 78.5%加拿大 Jog&Riding;Jog&Srivastava;Kryzanowski&Rakita 500 1971-1999 6.3%智利 Aggarwal,Leal&Hernandez;Celis&Maturana 55 1982-1997 8.8%中国 Datar&Mao;GuandQin(Ashares) 432 1990-2000 256.9%丹麦 Jakobsen&Sorensen 117 1984-1998 5.4%芬兰 Keloharju;Westerholm 99 1984-1997 10.1%法国 Husson&Jacquillat;Leleux&Muzyka;Paliard&Belletante;Derrien&Womack 448 1983-1998 9.5%德国 Ljungqvist 407 1978-1999 27.7%希腊 Kazantzis&Thomas 129 1987-1994 51.7%香港 McGuinness;Zhao&Wu 334 1980-1996 15.9%印度 Krishnamurti&Kumar 98 1992-1993 35.3%印度尼西亚 Hanafi 106 1989-1994 15.1%以色列 Kandel,Sarig&Wohl 28 1993-1994 4.5%意大利 Arosio,Giudici&Paleari 164 1985-2000 23.9%日本 Fukuda;Dawson&Hiraki;Hebner&Hiraki;Hamao,Packer,&Ritter;Kaneko&Pettway 1542 1970-2000 26.4%韩国 Dhatt,Kim&Lim;Ihm;Choi&Heo 477 1980-1996 74.3%马来西亚 Isa;Isa&Yong 401 1980-1998 104.1%墨西哥 Aggarwal,Leal&Hernandez 37 1987-1990 33.0%荷兰 Wessels;Eijgenhuijsen&Buijs;Ljungqvist,Jenkinson&Wilhelm 143 1982-1999 10.2%新西兰 Vos&Cheung;Camp&Munro 201 1979-1999 23.0%尼日利亚 Ikoku 63 1989-1993 19.1%挪威 Emilsen,Pedersen&Saettern 68 1984-1996 12.5%菲律宾 Sullivan&Unite 104 1987-1997 22.7%波兰 Aussenegg 149 1991-1998 35.6%葡萄牙 Almeida&Duque 21 1992-1998 10.6%新加坡 Lee,Taylor&Walter 128 1973-1992 31.4%南非 Page&Reyneke 118 1980-1991 32.7%西班牙 Ansotegui&Fabregat 99 1986-1998 10.7%瑞典 Rydqvist 251 1980-1994 34.1%瑞士 Kunz&Aggarwal 42 1983-1989 35.8%台湾 Lin&Sheu;Liaw,Liu&Wei 293 1986-1998 31.1%泰国 Wethyavivorn&Koo-smith;Lonkani&Tirapat 292 1987-1997 46.7%土耳其 Kiymaz 138 1990-1996 13.6%英国 Dimson;Levis;Ljungqvist 3042 1959-2000 17.5%美国 Ibbotson,Sindelar&Ritter 14760 1960-2000 18.4%摘自：Ritter,JayR.,2002,InvestmentBankingandSecuritiesIssuance,North-HollandHandbookoftheEconomicsofFinanceeditedbyG.Constantinides,M.Harris,andR.Stulz.一、基于信息不对称的IPO的故意折价理论Ibbotson等学者在最早提及IPO高收益率这个异常现象的时候使用的是“折价”一词，这实际上暗示了当时主流金融理论“完全理性和效率市场”的假定，即IPO上市后二级市场的定价是有效率的，反映了公司的真实价值，而一、二级市场之间的超常收益率是由发行人或承销商故意进行的折价行为导致的。以此为出发点发展起来的诸多解释因而多被称为折价理论，该理论占据了IPO研究主流观点的位置。许多学者用IPO过程中所涉及的经济主体之间的信息不对称来解释折价现象，并且得到20世纪80年代许多实证研究结论的支持。（一）发行公司和投资者之间存在信息不对称的理论解释Allen&Faulhaber(1989)指出抑价是表现企业价值的信号，企业通过支付发行抑价这样的成本来显示其内在价值。高素质的企业有意选择低于企业实际价值的发行价，以此来区别低素质的企业，从而使得投资者可以获得企业的信息而愿意在企业的后续发行中支付较高的价格。低素质的企业可选择模仿高素质的企业折价发行来伪装自己，也可选择不模仿而表现企业本身的信息。模仿高素质企业，不仅在发行时就必须承担相应的模仿成本，即低价发行所带来的融资不足，而且还将面临在再融资前被投资者察觉出企业真实素质的风险，导致再融资计划受阻，不能获得更多的资本；不模仿高素质企业，则会在今后的融资中遇到困难。如果信号假说成立，新股抑价水平就应与再融资的频率正相关。因此，高素质的企业在首次公开发行时，初始的融资股份占总股份的比例较小，他们会在随后进行更多的融资。新股发行时的抑价水平也会与初始的融资股份占总股份的比例负相关。（二）投资投资者之间存在信息不对称的理论解释1“赢者的诅咒”(thewinner’scurse)在一个“赢者的诅咒”（Rock，1986）中，投资者分为有信息的和无信息的两种。无信息的投资者往往会担心：在一个不好的IPO中，他们可能会收到全部的申购股份；而在一个好的IPO中，他们可能至多能收到部分的申购股份。这样，他的平均收益将会低于一般的收益水平，从而导致逆向选择即放弃申购IPO。因此，为了吸引那些处于信息劣势的投资者，在股票首次公开发行时必须系统性地折价发行，以便为那些未掌握信息的投资者提供一定的收益。Beaty和Ritter（1986）拓展了Rock的模型，提出IPO折价幅度和公司价值的不确定性之间存在单调关系。他们认为公司不确定性越高，投资者获取信息成本越大，“赢者的诅咒”问题越突出，折价幅度就要加大。大量的文献对这一假设进行了研究，大多数国家的实证结果都支持这个观点，因而成为IPO折价理论中最受肯定的解释之一。2从众假说这是从投资心理学角度来说明的。Welch(1992)认为投资者购买IPO股票的行为有一个“动态”调整的过程，此时最初的股票认购情况会影响到以后其他投资者的购买行为。当最初的股票发售出现“热销”的情况时，以后的投资者便会不考虑其自身掌握的有关上市公司方面的信息而大量认购，即出现所谓的“从众”(Bandwagon)现象；而投资者看到若没有人购买某一股票时，他就往往也不去购买此股票，即使他拥有该股票的利好消息。为了首先吸引少量的潜在投资者认购IPO股票，进而吸引其他投资者大量认购该股票，使“从众”效应产生，上市公司会有意使IPO股票的定价偏低。（三）发行公司和承销商之间存在信息不对称的理论解释Baron(1982)从委托——代理理论出发研究发行定价偏低问题，他认为：由于承销商(代理人)熟悉资本市场的情况，发行人(委托人)将定价权委托给承销商。但由于信息不对称的存在以及发行人的监管不力，当发行人和承销商的利益不一致时，承销商出于自身的利益而压低发行价格。实际上，承销商和发行人之间利益冲突的主要原因是承销商承担了与推销新股相关的大量成本，承销商只有通过压低定价来加快新股的推销，减少销售工作量。二、IPO高超额收益率的二级市场解释与IPO故意折价理论相对应，近年来日渐被人们承认的IPO高初始收益率的二级市场解释认为市场上被观察到的非正常收益并非源于一级市场的折价发行，而是来自发行后市场（Aftermarket）：很可能是来自投资者对IPO股票的狂热（Fads）或投机泡沫（SpeculativeBubbles）。与此同时，20世纪90年代开始，关于承销商在发行后市场对IPO进行价格支持的理论和实证研究也逐渐发展起来。（一）投资者狂热情绪或投机泡沫解释AggarwalandRivoli（1990）和Shiller（1990）最早提出观察到的短期超额收益率可能是由于IPOs发行后市场中存在的狂热和投资泡沫所致。他们认为IPO的特征和发行过程很容易导致投资者在IPO上市交易早期出现过高定价。Camerer（1989）也曾经指出，由于价值评估难以进行，公司股票的不确定性较高，狂热的投资者情绪特别容易出现在IPO市场，往往导致泡沫的出现。（二）价格支持解释所谓价格支持是指在IPO上市初期承销商为了防止或延缓股价的过分下跌而有意识地介入股票交易，承接卖单将价格维持在一定的水平上（在美国，一般以发行价格为底限）的行为。承销商的价格支持在原则上应属于股价操纵行为，但美国证券交易委员会（SEC）却认为IPO刚上市就大幅下跌并不利于股权的分散化；禁止承销商采取价格稳定行为可能会影响承销商以包销(FirmCommitment)方式进行承销的积极性，因此允许IPO上市初期的价格稳定行为。三、对理论成果的评价各种解释理论虽然出发点不同,但相互之间并不互相排斥,它们只是分别对不同环境、不同时期的IPO折价的不同程度的解释而已。所有解释新股抑价的理论假说都试图从某一个侧面来分析新股抑价的原因，但是至今没有一种解释能够得到完全的赞成和经得起实证检验。与其说这些解释模型各自独立的发挥作用，不如认为它们是一种互补的关系。比如，所有基于不对称信息对IPO折价的解释理论都有一个共同的预期,即IPO折价与信息不对称的程度正相关,暗含着如若信息不对称的程度降至零,则IPO折价将彻底消失。实际上我们这时面对的是一个价值确定的问题：究竟是一级市场还是二级市场定价偏离了公司的真实价值，而我们至今仍然无法实现对IPO价值的完美准确评估。因此，大多数学者认为故意折价和IPO发行后市场行为都具有一定的解释能力。为了解决这一难题，Hunt-McCool、Koh和Francis（1996）特别用随机边界模型（StochasticFrontierApproach）对美国从1975到1984年间的1035个IPO进行了检验，分离出初始收益率中来自故意折价和二级市场定价的部分，发现既存在系统性的故意折价，二级市场的状况和定价情形也对初始收益率具有很大的影响。尽管有人批评在他们的这一研究中对公司真实价值的判定并不那么可靠，但是这两类理论同时具有解释能力的说法已经深入人心。因此，本文第三章也将使用这种方法检验中国的IPO抑价情况。第三节国内相关研究综述正如海外学者一样，国内学者也从多方面考察了信息不对称因素对我国IPO价格低估现象的影响。王晋斌(1997)用一元回归分析探讨影响新股超额报酬的因素，结果证伪了传统解释变量(如风险、股利、发行规模等)对新股申购收益的解释能力，认为新股过高的超额收益可能是由于中国特有的发行制度(发行市盈率的限制、审批制度)等引起的。徐剑刚(1999)以1997年1月至1999年6月期间我国股市发行的330个新股为研究对象，发现平均超额报酬率达到138.12%,新股定价偏低程度与新股上市后市场价值的不确定性水平有关。香港学者陈工孟、高宁等(2000)发现A股市场上风险(用发行与上市间的时间间隔衡量)与近期配股计划和发行抑价率显著正相关，另外发股公司采用每股市价每股账面价值比和预期市盈率来向市场传递公司市场价值和发行抑价高低的信息。刘力（2000）以深沪两市1991-1999年间上市的781只新股为样本对其短期价格进行研究后发现:新股首日收益与发行间隔、市后一交易月股价收益标准差显著正相关，但与流通股比例的正相关关系并不显著，同公司规模、新股发行价显著负相关，说明过高的新股首日收益一部分是由于我国股市较大的不确定性引起的。王莉(2001)选取了1998年至2000年间发行并上市的225只A股股票检验了信息不对称假说，解释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事前不确定性上是显著有效的。也有一些学者陆续从其他角度对IPO收益进行了研究。宋逢明(2000)对发行市盈率放开后的A股市场95只股票研究后发现，影响初始回报的主要因素来自二级市场，如股价总体水平、行业平均市盈率等，一、二级市场投资者分离的现象依然存在。曹媛媛、王春峰(2003)从股权结构角度出发，通过对国有或国有控股上市公司与无国有股上市公司的比较分析，认为股权结构并没有对新股发行定价及上市首日市场定位产生预期的影响，从而从反面说明新股价格并没有真正反映公司的内在价值。卓贤(2003)则实证考察了发行方式与IPO抑价的关系，发现我国IPO抑价严重的“船高”现象并不能由新股发行方式变化而导致的新股发行价的波动来解释，认为主要原因不在新股发行方式上，新股在二级市场上市首日收盘价偏高应成为关注的焦点。他们都强调了一、二级市场的投机现象对新股收益的影响。第三章我国新股抑价的多因素分析第一节模型变量的解释以及样本数据的说明一、关于样本数据和分析软件的选择（一）选用中小企业板数据的优劣本文不同于国内其他学者的一个研究方法之处在于IPO的样本仅局限于深圳证券交易所的中小企业板市场的所有股票，因此，所有的结果仅仅适用中小企业板，如果将样本外推至所有股票市场，结论就可能会有差异，也就是说，本文的研究结果不具备解释其他股票市场的IPO的能力。另外，我国的中小企业板块不同于提供风险投资的创业板，它是专门面向广大中小企业开设的市场，旨在为中小企业提供直接融资的平台。这样做可以极大的简化本文的实证分析，具体好处有以下几点：第一，发行规模比较小。从现有的50支股票看，最高的融资额度不超过5000万股。对单个板块的研究可以避免板块的差异对对发行价格和新股抑价的影响。第二，国有股比例很小。主要是流通股和非流通的法人股构成，这样，就可以排除因流通股比例太小对发行价格和新股抑价的消极影响。第三，它们之间规模具有较高的可比性，绝大部分企业是制造业。这个特点给我们建模带来了很大的方便，因为在建立模型时就不必为截面数据中普遍出现的异方差现象所困。第四，从发行方式来看，大部分IPO采用了直接向二级市场配售的方式，少部分企业采用二级市场配售和网下配售相集合的方式，这样，就可以在很大程度上排除发行方式对新股发行定价以及新股抑价的干扰。还有需要说明的是虽然目前中小企业板已经全部完成了股权分置改革，但是这并不影响本文的研究结果。首先，所有中小企业板的IPO是在股改之前完成的，当时还未形成股改预期，所以，不存在股改预期对股票发行价的影响。其次，中小企业板IPO的发行全部集中在2004年6月至2005年6月，较小的时间跨度使得在各个样本中的解释变量具有很强的可比性。（二）数据的来源本文的所有数据来源于深圳证券交易所网站、中国上市公司资讯网和万达资讯数据库。进入模型前，用Excel和SPSS软件对原始样本进行预处理。然后用SPSS软件和Coelli教授编制的FRONTIER4.1软件对模型的参数进行估计。二、待选变量的描述性统计本文总共选取了17个相互影响的变量，有股价因素、公司财务指标、市场指数等。表3-1给出了各个变量的含义以及相应的描述性统计：表3-1待选变量的描述性统计变量名 N 最小值 最大值 平均值 标准差P0 发行价格 3.55 18.20 9.1728 3.41473P1 上市日开盘价 5.01 40.00 14.4174 6.98611P2 上市日收盘价 5.26 39.09 14.5158 6.88774R 新股抑价 -0.04 3.35 0.5912 0.57007AR 调整后的新股抑价 0.01 3.40 0.6266 0.57747RM 指数回报率 -0.99 2.40 -0.3734 0.57747T 时间间隔 5.00 24.00 16.0400 3.14260X1 流通股比率 0.20 0.45 0.2930 0.05719X2 上市日换手率 0.23 0.81 0.5802 0.11333X3 发行市盈率 10.18 23.75 17.9841 3.02717X4 申购中签率 0.03 0.09 0.0444 0.01203X5 发行后每股净资产 2.17 7.47 4.1760 1.26850X6 发行前每股净资产 1.46 4.01 2.3046 0.63817X7 筹资额 1.20 4.73 2.4033 0.85347X8 流通股数 1.34 4.08 2.5810 0.64145X9 上市日股指 2.58 3.81 3.4727 0.39625X10 发行日股指 2.73 4.53 3.6012 0.40714下面对表3-1中的一些数据作特别说明：如前文所述，这里的IPO价格低估或者称为抑价所代表的只是一种现象，而不是代表一种解释。在本文中抑价有两种定义：未经过市场指数调整的新股抑价；经过指数调整后的新股抑价。分别用R和AR表示。R是未经指数调整的新股抑价：。由公式可以看出，新股抑价既有可能是P2的高估造成的，也可能是由P0的低估造成的。AR是经过指数调整后的新股抑价：。RM是T时间内的深圳A股股指的回报率。X9,X10是上市日和发行日的股票指数。由于中小企业板指数的时间跨度太短，无法满足需要，所以选用深圳A股指数作为替代指标。T是上市日和发行日的时间间隔。三、对解释变量的有关假设P1和P2是上市当天的交易价格，在模型中用来代表预期的二级市场价格。根据AR的计算公式可知，当P1和P2越高时AR相应会越高，即它们和AR正相关。另一方面，如果发行人预期股票在二级市场上有较好的表现时，他就会相应提高发行价格以获取更多超额利润，因此假设他们与P0正相关。也有人认为我国一级市场上发行价格的高估导致了二级市场的价格偏高，即存在反方向的因果关系。X1股本可流通比例=流通股数/总股本；X8流通股数。我国股票分为可以流通的社会公众股和不能流通的国家股和法人股，其中流通股大约占1/3。在首次公开发行股票的过程中，尽管有许多证券投资基金等大机构可能申购到大量的股票，但是相对于国家股股东和法人股股东而言，他们仍然处于小股东的地位，而大股东往往忽视甚至侵害小股东的利益，而且大股东追求的目标与流通股股东的目标经常不一致。对于那些流通股占总股本比例较低的公司，为了顾及小股东的利益，其发行价格也较低，抑价幅度较大。假设X1和X8与P0成正相关，与AR负相关。X2上市首日换手率越高，说明市场中的投机气氛越浓厚，投机者的追捧会导致新股的供不应求，股价上升，初始收益率提高，抑价率增大。所以X2和AR正相关。X3市盈率。一般说来，发行市盈率高的公司，其发行价格相对较高，因此，其新股超额收益率就低。X4中签率。中签率是一个反映新股热销程度的指标，一般来说，新股的中签率越低，抑价程度也越高。X5和X6是新股发行前后每股净资产。他们代表了公司的价值，因此和发行价格P0正相关，和AR负相关。X7筹集资金量，它代表了发行规模的大小。它与AR的关系不明确。X9和X10上市日和发行日的股票指数。它们越高，市场行情越好，IP0越高，对AR的影响不确定。第二节单方程回归模型一、AR为被解释变量的单方程回归分别以AR为被解释变量，P1、P2、P0、X1…X10为被解释变量，对之进行筛选。单方程系数及其T检验值见表3-2。表3-2AR为被解释变量的单方程回归解释变量 标准化系数 T统计量 解释变量 标准化系数 T统计量P0 -0.97 -0.672 X5 -0.120 -0.836P1 0.657 6.032* X6 -0.140 -0.980P2 0.643 5.817* X7 -1.59 -1.117X1 0.108 0.751 X8 -0.071 -0.495X2 0.670 6.258* X9 0.357 2.652*X3 -1.55 -1.085 X10 0.447 3.460*X4 -0.263 -1.891** T 0.187 1.316注：标准化系数是指对数据标准化处理后的回归系数，具体指解释变量变动一单位标准差，被解释变量相应变动标准差倍数。由于数据进行了标准化处理，常数项系数为0。*表示参数在5%的水平下显著，**表示在10％的水平下显著。下文同义。二、回归结果分析1.首先看股票指数的相关变量。X9和X10的系数显著不为0且正相关。这说明股票指数越高，发行价格相应也越高，上市交易价格也越高。2.P1和P2对AR的回归系数显著且大于0，即上市交易价格和P0正相关。由于股票发行时是不可能知道以后在二级市场的表现的，这里表现的P1、P2实际上是指预期的上市价格。3.X1与AR的关系不显著，即流通股比例不影响AR。4.对X2的回归结果与假设相符，说明二级市场的投机增加了新股的抑价程度。5.X4的回归结果与假设相符，说明中签率X4越低，需要更高的新股抑价来吸引投资者。6.时间间隔T与AR不相关。单因素分析认为新股抑价与流通股比例、发行市盈率、发行和上市流通的时间间隔之间并不存在相关关系。但是，这个可能是一个错误的预报，因为单因素模型的最大缺陷就是在对每一个变量建立模型时忽略了其他变量对超额收益率的影响，这样的参数估计很有可能就是一个有偏的估计量。要对参数能有一个精确的估计，就必须将所有的自变量综合起来考虑，即需要建立对超额收益率的多因素回归模型。第三节AR的多因素逐步回归以上一节中单因素回归模型为基础，建立AR对所有自变量的多元回归模型。这里，选择用逐步回归的方法对解释变量进行筛选。表3-3和表3-4给出了逐步回归的最终结果：表3-3逐步回归后各模型比较Model 拟和优度 调整后的拟和优度 标准误差1 0.449 0.438 0.432982 0.605 0.588 0.370443 0.574 0.556 0.384注：被解释变量:AR表3-4逐步回归后各模型比较Model 解释变量 标准化系数 T统计量 概率1 X2 0.670 6.258* 0.0002 X2 0.469 4.553* 0.000 P1 0.443 4.310* 0.0003 X2 0.464 4.205* 0.000 P2 0.409 3.705* 0.001注：被解释变量:AR从逐步回归的结果可以看出，模型2和模型3都可以作为最终的模型，它们之间的差别不大。决定超额收益率的最主要因素是新股上市当日的换手率。平均而言，换手率每增加一个标准差就会导致AR增加0.67个标准差。另外一个影响AR的因素是上市当天的收盘价或开盘价。将多因素回归与单因素回归结果相比较就会发现，原来在单方程中自变量X4，X9，X10都很显著，多元逐步回归中却将它们剔除了。究其原因在于，在最初始的多因素回归模型中，由于某些变量之间存在共线性，导致他们通不过T检验，因而被排除出多元回归模型。与单因素模型相比，多元回归模型将所有的影响因素综合起来考虑它们对AR的影响，因此对模型参数估计更加准确合理，但是它无力解决解释变量的多重共线性问题，只能通过删除相关解释变量的方式解决，这样就使得有限的信息大量流失，在一定程度上降低了模型的预测精度。第四节因子分析一、因子分析方法概述正如上文所述，当多元回归模型存在多重共线性时，通过直接删除存在共线性的被解释变量是一个比较粗糙的方法，因为这样操作的直接后果就是伴随着有用信息的大量的流失，最终会降低模型的预测精度。因子分析是一种可以比较好的解决共线性的方法。因子分析方法是从大量相互影响指标的中提炼出少数几个相互独立的公共因子，这样做的另外一大优点就是可以在不影响信息量的前提下对高维向量进行降维。因子分析的基本思想是通过变量的相关系数矩阵内部结构的研究，找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系，这里的少数几个随机变量通常称为因子。然后根据相关性的大小把变量分组，使得同组内的变量的相关性较高，但不同组的变量的相关性较低。因子分析的理论模型其中，X是原始指标向量，假设其服从多元正态分布，具体所指的是上文多因素回归模型中的众多解释变量；F是有待提取的公共因子向量，向量F的维数远小于X的维数；A是因子载荷矩阵，其中的每一项对应着公共因子和原始指标的相关系数；E是特殊因子，表示原始指标向量X中不随F的变化而变化的部分。本文对公共因子向量的求解用的是主成分分析方法。二、因子分析和公共因子的解释用SPSS中的FactorAnalysis模块可以很方便的对数据进行因子分析。这里进入原始指标向量的标准是在以AR和为被解释变量的单因素回归模型中通过了T检验的所有解释变量，包括：P1,P2,X1,X4,X5,X6,X7,X9,X10。因子分析的结果如下表3-5表3-5各指标之间的相关系数阵： P1 P2 X1 X4 X5 X6 X7 X9 X10P1 1.000 0.989 -0.143 -0.500 0.591 0.375 0.410 0.516 0.570P2 0.989 1.000 -0.125 -0.516 0.599 0.382 0.392 0.523 0.567X1 -0.14 -0.125 1.000 -0.195 -0.00 -0.051 -0.341 0.375 0.327X4 -0.5 -0.516 -0.195 1.000 -0.39 -0.137 0.235 -0.718 -0.705X5 0.591 0.599 -0.008 -0.392 1.000 0.836 0.658 0.307 0.303X6 0.375 0.382 -0.051 -0.137 0.836 1.000 0.535 -0.013 0.010X7 0.410 0.392 -0.341 0.235 0.658 0.535 1.000 0.046 0.065X9 0.516 0.523 0.375 -0.718 0.307 -0.013 0.046 1.000 0.958X10 0.570 0.567 0.327 -0.705 0.303 0.010 0.065 0.958 1.000从该表中不难发现，所有变量之间都存在着较高的线性相关，可以认为这些指标服从多元正态分布。所以，对之进行因子分析在操作上是必要的。表3-6因子分析中各指标的信息提取情况：变量 Initial ExtractionP1 1.000 0.902P2 1.000 0.896X1 1.000 0.845X4 1.000 0.724X5 1.000 0.942X6 1.000 0.879X7 1.000 0.721X9 1.000 0.884X10 1.000 0.883从表3-6的第三列不难看出，对大部分的指标的提取都超过了75%，可以认为公共因子对大部分原始指标的信息提取都已经相当充分。表3-7列出了公共因子的累积贡献情况。积累的方差贡献越大说明对原始指标的信息提取越充分。从该表可以看出，当提取的公共因子的数目为3时，积累的方差贡献已经达到了85%，这说明三个因子已经可以提取原始指标的大部分信息。原来解释新股抑价和发行定价需要9个相互之间具有错综复杂关系的指标，现在通过因子分析只要3个相互独立的公共因子就可以代表了，这说明通过因子分析的确可以达到对多元变量降维的效果。

表3-7公共因子的累积贡献公共因子 特征值 方差贡献率% 积累的方差贡献%1 4.243 47.149 47.1492 2.366 26.285 73.4343 1.065 11.835 85.2694 0.677 7.524 92.7935 0.443 4.917 97.7106 0.140 1.552 99.2627 0.037 0.407 99.6698 0.020 0.220 99.8899 0.010 0.111 100.000因子载荷矩阵表示公共因子和变量指标的相关程度，因子载荷值越大，说明相关程度越高。矩阵中各行代表原始指标；各列表示公共因子，按照对解释指标的重要性的大小从左至右依次排列。为了能够更好辨析公共因子的含义，需要对原始的因子载荷矩阵进行因子旋转。所谓的因子旋转是指对因子载荷阵进行正交化处理，使得公共因子能够有较典型的代表性和较明确的经济意义。表3-8给出了正交旋转后的因子载荷矩阵。表3-8因子旋转后的因子载荷矩阵 指标 公共因子 1 2 3P1 0.729 0.424 0.438P2 0.735 0.427 0.417X1 0.230 -0.044 -0.889X4 -0.833 -0.040 0.170X5 0.327 0.914 -0.004X6 0.001 0.935 -0.064X7 -0.027 0.751 0.394X9 0.915 0.019 -0.213X10 0.927 0.028 -0.148三、因子得分函数和因子得分排名从表3-8可以发现以下规律：第一个公共因子和P1,P2,X9,X10,X4的相关系数比较高，说明因子1主要反映新股上市当天的开盘价、收盘价以及新股发行和上市时的股票指数，大体可以解释为价格因素。第二个公共因子与X5,X6,X7的相关系数较高，说明因子2主要反映发行前后的每股净资产和筹资金额，大体可以解释为发行新股的公司价值。第三个公共因子和X1的相关系数最高，说明该因子主要反映流通股的比率。另外比较他们对原始指标的贡献情况发现，因子1的方差贡献率是47%，因子2的方差贡献是26%，因子3的方差贡献是12%，它们的重要性依次递减。通过因子分析还可以求出因子得分函数：根据上面的公式，将样本数据代入就可以求出各个公司的三项因子得分。表3-9因子1和因子2的得分排名股票代码 股票名称 因子1 股票代码 股票名称 因子2002008.SZ 大族激光 2.11668 002041.SZ 登海种业 2.46094002003.SZ 伟星股份 1.2067 002024.SZ 苏宁电器 2.36042002007.SZ 华兰生物 1.16477 002005.SZ 德豪润达 2.22944002004.SZ 华邦制药 1.11399 002045.SZ 广州国光 2.07899002028.SZ 思源电气 1.10738 002001.SZ 新和成 2.05232002024.SZ 苏宁电器 0.94304 002007.SZ 华兰生物 1.58325002001.SZ 新和成 0.87346 002034.SZ 美欣达 1.33375002002.SZ 江苏琼花 0.84132 002039.SZ 黔源电力 0.68002022.SZ 科华生物 0.8063 002011.SZ 盾安环境 0.65235002005.SZ 德豪润达 0.80421 002028.SZ 思源电气 0.65174002006.SZ 精工科技 0.73801 002023.SZ 海特高新 0.61726002015.SZ 霞客环保 0.69376 002047.SZ 成霖股份 0.54613002010.SZ 传化股份 0.68198 002032.SZ 苏泊尔 0.54286002030.SZ 达安基因 0.6774 002038.SZ 双鹭药业 0.3664002012.SZ 凯恩股份 0.6342 002009.SZ 天奇股份 0.3278002013.SZ 中航精机 0.61013 002027.SZ 七喜控股 0.22075002019.SZ 鑫富药业 0.6086 002015.SZ 霞客环保 0.20418002020.SZ 京新药业 0.60252 002019.SZ 鑫富药业 0.16579002014.SZ 永新股份 0.53323 002046.SZ 轴研科技 0.11261002016.SZ 威尔科技 0.51801 002026.SZ 山东威达 0.10143002017.SZ 东信和平 0.50922 002016.SZ 威尔科技 -0.00209002025.SZ 航天电器 0.49696 002021.SZ 中捷股份 -0.07522002009.SZ 天奇股份 0.47216 002017.SZ 东信和平 -0.08516002018.SZ 华星化工 0.41846 002037.SZ 久联发展 -0.10518002023.SZ 海特高新 0.41194 002048.SZ 宁波华翔 -0.16861002011.SZ 盾安环境 0.40179 002006.SZ 精工科技 -0SZ 七匹狼 0.32554 002035.SZ 华帝股份 -0.23327002027.SZ 七喜控股 0.17655 002013.SZ 中航精机 -0.2968002021.SZ 中捷股份 0.0994 002010.SZ 传化股份 -0.4251002033.SZ 丽江旅游 0.04228 002036.SZ 宜科科技 -0.44706002026.SZ 山东威达 -0.06803 002042.SZ 飞亚股份 -0.50267002038.SZ 双鹭药业 -0.18343 002004.SZ 华邦制药 -0.51972002034.SZ 美欣达 -0.29899 002040.SZ 南京港 -0.53942002035.SZ 华帝股份 -0.33016 002022.SZ 科华生物 -0.57055002032.SZ 苏泊尔 -0.41426 002002.SZ 江苏琼花 -000001002031.SZ 巨轮股份 -0.43298 002031.SZ 巨轮股份 -0.70272002036.SZ 宜科科技 -0.48482 002018.SZ 华星化工 -0.72005002041.SZ 登海种业 -0.49923 002014.SZ 永新股份 -0.72832002040.SZ 南京港 -0.64983 002050.SZ 三花股份 -0.748002037.SZ 久联发展 -0.80624 002043.SZ 兔宝宝 -0.75686002046.SZ 轴研科技 -1.35908 002025.SZ 航天电器 -0.78277002039.SZ 黔源电力 -1.36795 002008.SZ 大族激光 -0.87869002042.SZ 飞亚股份 -1.40881 002020.SZ 京新药业 -0.92896002049.SZ 晶源电子 -1.43863 002049.SZ 晶源电子 -1.05828002043.SZ 兔宝宝 -1.53404 002029.SZ 七匹狼 -1.10653002050.SZ 三花股份 -1.56975 002044.SZ 江苏三友 -1.10667002045.SZ 广州国光 -1.74588 002003.SZ 伟星股份 -1SZ 江苏三友 -1.79009 002033.SZ 丽江旅游 -1.19377002048.SZ 宁波华翔 -1.83168 002012.SZ 凯恩股份 -1.24286002047.SZ 成霖股份 -2.41615 002030.SZ 达安基因 -1.40892表3-9分别给出了上市价格因子和公司价值因子的得分排名情况。从该表不难发现股票“大族激光”（002008）的价格因子分值最高，说明该股票的上市交易的综合价格体系较高；股票“登海种业”(002041)的公司价值因子得分最高，说明该股票的价值最高。四、因子分析与AR为解释变量的多元回归模型 由于公共因子相互之间独立，以公共因子做解释变量时就不存在多重共线性的现象。表3-10给出了OLS的参数估计结果。通过观察T统计量可以发现，因子1在1%的概率下显著，因子2和因子3在6%的概率下显著。再看标准化的相关系数，因子1的系数是0.577，大于其他两个因子的标准化系数。可见，价格因子是决定AR的最主要指标，同时，公司价值因子和流通股比例因子也对AR具有显著影响。因子2的回归系数小于0，这说明当公司价值较低时，更容易出现新股的高抑价。如果要对AR的影响因素进一步做结构性分析，需要将表3-8和表3-10结合起来考虑即可。例如因子1与AR正相关，通过因子载荷矩阵发现，因子1代表了P1,P2,X9和X10，只有当这些指标降低时，高抑价率才会有可能得到改善。表3-10AR为被解释变量，公共因子为解释变量的多元回归自变量 非标准化系数 标准差 标准化回归系数 T统计量 概率常数 0.643 0.063 10.132 0.000因子1 0.332 0.064 0.577 5.183* 0.000因子2 -0.123 0.064 -0.214 -1.916** 0.062因子3 0.128 0.064 0.223 2.003** 0.051F=11.52第四章随机边界模型与新股抑价对于IPO市场的新股抑价现象，无非有两种形成原因：一是由于信息不对称等原因造成发行人将新股定在低于真实水平的价位；另一种观点认为二级市场的无效性导致了IPO在二级市场上未能按照其价值来定价。这一章我们借助随机边界模型(stochasticfrontiermodel)研究我国新股高抑价的原因，分析我国新股的超额回报到底是由于新股发行的低定价还是二级市场的高估。第一节随机边界模型随机边界模型是分别由Aigner,Lovell和Schmidt(1977)，Meeusen和vandenBroeck(1977)在分析生产函数投入产出效率时独立提出，随机边界模型可以分为两类：一类为随机上边界模型，在投入产出理论中又称为产出边界模型，即一定投入水平下所可能实现最大产出的模型，用于确定随机上边界；另一类为随机下边界模型，在投入产出理论中又被称为成本边界模型，即在一定产出水平下可能达到最小成本的模型，用于确定随机下边界。一、上随机边界模型上随机边界模型又被称为产出模型，其表达式为：Y=X+ee=V－UV独立同分布于期望为0的正态分布N(0,v2)。U独立同分布于期望为0的截尾正态分布N(0,u2)，且U是非负随机变量。其中，Y为每只股票的被解释变量；X为相应的解释变量向量；为参数向量；e为复合残差项；V是对称误差项，服从均值为0的正态分布，表示随机边界的测量误差；U为非对称误差项，表示实际值对理论值的系统性偏差，表示解释变量偏离有效边界的程度,且U和V相互独立。有上面的假设容易得到e的方差2=V2+U2。AigerD,LovellK,SchmidtP(1972)运用对称正态随机变量与截尾随机变量之和的分布函数推出了上述随机边界模型的残差项概率密度函数。对参数，2的估计可以通过极大似然估计方法（MLE）并通过迭代的方法得到。上述随机边界模型的残差项概率密度函数:其中，，和分别表示标准正态概率密度和分布函数。应用MLE方法可以估计模型的参数,其对数似然函数为：对于这一模型的估计可以用Coelli教授编制的软件FRONTIER4.1，在该软件中，Coelli还定义了参数=U2/(V2+U2)，该参数表示出了非对称偏差相对于总测量误差的偏离程度。如果不存在系统性偏差，即U很小时，U的方差就会很小，那么对的估计值就应该接近于0，说明因变量处于有效边界的附近，随机边界模型的估计退化为普通最小二乘(OLS)估计；如果显著不等于0，意味着研究样本的实际值偏离所谓的有效边界，落在边界下方的“低效率区域”内，此时，随机边界模型的估计结果与OLS估计的结果存在较大的不同。二、下随机边界模型下随机边界模型又称为成本模型，其表达式为：Y=X+ee=V＋UV独立同分布于期望为0的正态分布N(0,v2)。U独立同分布于截尾正态分布N(0,u2)，且U是非负随机变量。该模型的表达式和上随机边界模型非常相像，各变量和参数的意义完全相同。唯一的差别就是总误差项e的表达式有所不同，这里用的是加号，误差项e表示为两个独立的随机变量之和。这里如果显著不等于0时，Y在“低效率区域”内。如果用X表示理论产出或成本，且当显著不等于0时，上随机边界的实际值低于理论值，下随机边界模型的实际值高于理论值。这种理论数值和实际值的偏离代表了无效率的程度。第二节发行定价的上随机边界模型一、P0作为因变量的上随机边界模型参数估计该模型中，以发行价格P0作为因变量，以第三章因子模型的前三个因子作为自变量。该模型实际上是检验P0是否存在着低估。如果显著不为0，说明存在发行定价偏低。对该模型参数的估计仍然可以采用Coelli的FRONTIER4.1软件。表4-1给出了模型的参数结果。表4-1首日发行价格的上随机边界参数估计自变量 OLS参数 T统计量 上随机边界参数 T统计量常数项 9.17 44.34* 10.64 24.89*Factor1 1.47 7.01* 1.66 6.40*Factor2 2.57 12.31* 2.67 12.94*Factor3 0.94 4.51* 1.04 4.70*2 2.14 4.16 2.67* 0.82 4.48*从表4-1可以发现，第四列的上随机边界模型参数在5%的概率下都很显著。其中，显著不等于0，高达0.82，这说明系统性误差解释了模型总误差的82%，我们根据前面的理论模型就可以推出：Y<X，也就是说新股发行价格存在着明显的上边界。正因为如此，普通最小二乘法和上随机边界方法的参数估计结果有很大的不同，上随机边界模型比OLS方法更加精确。二、真实发行抑价的度量Hunt-McCool,Janet,Samuel(1996)应用随机边界模型研究新股定价问题时把股票实际发行价与有效边界的差异定义为“真实发行抑价”(deliberateunder-pricing)，这样新股抑价就可以分解为真实发行抑价和二级市场泡沫引起的超额回报两个部分。这里的“真实发行抑价”用公式可以表达为：。表4-2给出了新股发行抑价和“真实发行抑价”的比较。表4-2新股发行抑价和“真实发行抑价”的比较股票名称 真实发行抑价 发行抑价 股票名称 真实发行抑价 发行抑价新和成 0.22 0.866518 山东威达 0.12 0.241935江苏琼花 0.23 1.439891 七喜控股 0.11 0.385417伟星股份 0.21 1.398915 思源电气 0.02 0.522188华邦制药 0.16 1.007292 七匹狼 0.12 0.657718德豪润达 0.04 0.424176 达安基因 0.15 1.132877精工科技 0.23 1.306995 巨轮股份 0.13 0.173025华兰生物 0.07 0.696315 苏泊尔 0.05 -0.08272大族激光 0.31 3.248913 丽江旅游 0.14 0.5天奇股份 0.26 1.197388 美欣达 0.06 -0.09传化股份 0.1 0.553986 华帝股份 0.1 0.0675盾安环境 0.06 0.220665 宜科科技 0.14 0.143302凯恩股份 0.19 1.324324 久联发展 0.15 0.190691中航精机 0.26 1.153595 双鹭药业 0.04 0.100833永新股份 0.12 0.516802 黔源电力 0.33 0.547739霞客环保 0.3 1.430514 南京港 0.2 0.74124威尔科技 0.16 0.690667 登海种业 0.06 0.431737东信和平 0.1 0.5628 飞亚股份 0.32 0.489474华星化工 0.08 0.345029 兔宝宝 0.2 0.202811鑫富药业 0.04 0.292761 江苏三友 0.25 0.48169京新药业 0.05 0.317413 广州国光 0.16 0.177778中捷股份 0.07 0.131923 轴研科技 0.19 0.687011科华生物 0.05 0.446942 成霖股份 0.12 0.027907海特高新 0.07 0.276094 宁波华翔 0.19 0.137391苏宁电器 0.14 1.002449 晶源电子 0.17 0.464435航天电器 0.19 1.051429 三花股份 0.09 0.136671平均值 0.155 0.61从表4-2中可以看出，真实抑价平均值0.155为，低于普通发行抑价的平均水平0.502，在大部分情况下现实的发行抑价远高于真实发行抑价，这说明用真实发行抑价只能部分地解释新股发行抑价的变动，也就是那种认为新股发行的超额收益完全是由一级市场上发行价格低估造成的观点是不正确的。另外一个影响新股抑价的可能原因是二级市场存在着较高程度的泡沫，即二级市场高估。关于这一点在本章第四节将给出进一步的分析。第三节发行定价的下随机边界模型在下随机模型中，因变量和自变量的含义与上随机边界中相同，P0为因变量，三个公共因子为自变量。不同之处在于假设因变量P0存在系统性的高估。如果参数显著不为0，就说明与假设相符，即存在发行定价的高估。表4-3给出了P0作为因变量的下随机边界参数估计。表4-3以P0作为因变量的下随机边界模型自变量 OLS参数 T统计量 下随机边界参数 T统计量常数项 9.17 44.34* 9.17 3.15*Factor1 1.47 7.01* 1.47 7.12*Factor2 2.57 12.31* 2.57 13.05*Factor3 0.94 4.51* 0.94 4.71*2 2.14 1.97 4.72* 0.000019 0.0008在该模型中，与0无显著性差异，说明在P0的理论值与实际值之间不存在系统性偏差，也就是说P0，此处的下随机边界模型退化为OLS。通过对P0的上、下随机边界分析可以发现，上随机边界模型优于OLS，而OSL与下随机边界模型无显著差异，所以表4-1中上随机边界模型参数是对P0的最优拟合结果。第四节上市价格P2的下随机边界检验一、对上市日收盘价P2的影响因素的因子提取由于对上市价格的影响因素不同对发行价格和超额收益率的影响因素，在建立随机边界模型前有必要对影响P2的自变量重新进行筛选。这里运用和第三章相同的办法，先以P2对每个待选自变量进行单方程回归，确定显著的变量，然后通过因子分析提炼出自变量因子。这里用的上市日的收盘价P2作为因变量。（一）单方程检验表4-4以P2为因变量的单方程检验解释变量 标准化系数 T统计量 解释变量 标准化系数 T统计量P0 1.37 6.38* X5 3.21 5.19*RM 7.67 5.82* X6 4.12 2.86*T 0.09 0.29 X7 3.17 2.95*X1 -15.11 -0.88 X8 -3.46 -2.36*X2 30.69 4.05* X9 9.09 4.25*X3 -0