非公开发行行为的市场反应的实证研究

一、研究设计

1.样本选取

本文选取2008年—2012年实施非公开发行新股的深沪市A股上市公司作为研究样本。选取的样本来自CSMAR国泰安数据库，样本公司的首次公告日期取自RESSET锐思数据库，样本公司的其他增发信息以及日个股收益率和市场收益率取自CSMAR国泰安数据库，其中，日个股收益率选取的是考虑现金红利再投资的日个股回报率，市场收益率选取的是考虑现金红利再投资的日市场回报率（流通市值加权平均法）。

由于ST类股票更容易受操纵，因此将ST类股票以及事件窗口或估计窗口内停牌时间过长的公司剔除，同时剔除预案公告日无法获取的公司，最后得到从2008年1月至2012年12月实施非公开发行的529家上市公司共计607次非公开发行事件。

2.样本分组

本次研究主要要将非公开发行事件根据发行方式、发行动机、发行对象、募集资金用途等综合分类为项目融资类非公开发行与资产购买类非公开发行。资产购买类非公开发行由并购重组委进行核准，在公告时采用的名称是“发行股份购买资产”，因此此类非公开发行事件基本没有“募集资金净额”这一数据。本文以“募集资金净额”进行分类后，进一步查询了上市公司非公开发行公告（公告来自巨潮咨询网），将全体非公开发行事件分为了项目融资类非公开发行和资产购买类非公开发行。其中，去除掉数据缺失的事件后，项目融资组包括深沪市A股上市公司393家，共计438次；资产购买组包括深沪市A股上市公司165家，共计169次。

为考察发行对象中是否包含大股东及关联方的非公开发行事件的不同市场反应，按照发行对象的不同，进一步将项目融资类非公开发行分为包含大股东及关联方发行的非公开发行和不包含大股东及关联方的非公开发行，其中，包含大股东及关联方的包括199家上市公司，共计213次非公开发行；发行对象不包含大股东及关联方的包括215家上市公司，共计225次非公开发行。由于资产购买类非公开发行绝大多数都以大股东及关联方作为发行对象，故资产购买类不作此分类。

3.研究方法设计

本文采用事件研究法对上市公司非公开发行的市场反应进行分析。

事件研究法（event study）最早开创者是Ball& Brown（1968）和Famaetal（1969），运用这种研究方法时，选择与研究目的相关的某一特定事件日期，计算事件前后样本股票收益率产生的超额收益，并据此解释特定事件对样本股票价格变化的影响，主要用于衡量市场对于某一特定事件发生后给予反应的程度。事件研究法在被用来研究一个事件发生时对市场的反应时，以市场有效为前提。任何新信息都会在很短时间内被反映到股价上，因而事件窗口不能过长或过短，如果窗口过长，会引入其他时间信息造成的干扰；但由于我国市场有效程度不够，存在事件提前泄露现象，市场会提前做出反应，因此事件窗口也不能过短，因此需要确定事件前后一段时间进行异常收益的累计，进而确定市场反应。

有关事件研究法的相关设计如下：

（1）确定事件窗口

非公开发行有关的重要时间点主要有：预案公告日、非公开发行上市公告日、增发新股上市流通日等，其中增发新股上市流通日与上市公告日间隔很短，所以不予考虑。预案公告日是市场首次接触到这一事件信息的日期，且由于证监会批准需要一段时间以及上市公司自身一些原因，上市公司进行非公开发行的预案公告与正式实施公告上市期间一般经历几个月时间，此时市场对于该公司非公开发行的信息已消化完全，此时的市场反应并不能反映市场对于上市公司进行非公开发行这一事件的态度，因此本文选择预案公告日作为事件日。

事件期间是考察上市公司股价受到该事件信息公告影响产生波动的主要时间区间，综合考虑前述事件窗口不能过长或过短的情况，本文选取[-10，10]作为事件窗口。为全面考察事件市场反应，本文同时考察了[-20，20]、[-5，5]、[-1，1]、[-1，0]窗口下的市场反应。

估计期间是估计市场模型参数的时间区间，本文选取事件窗口前150天作为事件的估计期。

（2）异常收益率计算模型

预测异常收益率的模型包括了：均值调整模型（Mean Adjusted Return Model）、市场模型（Market Model）、资本资产定价模型（CAMP）、套利定价模型（ATP）等，在综合参考前人研究后，本文选取了市场模型进行计算。模型如下：

Ri，t为第t个交易日第i个公司的股票收益率，Rm，t，为第t个交易日的市场收益率，ε为误差项。

该模型计算方法为：首先根据估计期数据，用最小二乘法估计α和β，得到估计值后，带入到事件窗口，利用事件窗口的Rm，t和估计得到的α、β，得到时间窗口内正常收益，与从数据库中选取的个股日收益率作差，得到异常收益率。

计算公式如下：

1、股票i在第t日的超额收益率为：

2、平均异常收益率（Average Agnominal Return），是指计算N个样本异常收益率的平均值。所有股票在第t日的平均异常收益率为：

3、累积平均异常收益率CAR（Cumulative Average Retum），是指计算N个样本在事件期间内每日异常收益率进行累计后的平均值，第t日的CAR为：

（3）显著性检验

在得到超额收益率后，还需检验样本的异常收益率是否显著不为0，即CAR与0是否存在显著性差异，如果CAR显著不为0，且显著大于0，则表明事件引起了正的市场反应；如果CAR显著小于0，则表明事件引起了负的市场反应。运用T检验方法对CAR进行检验。

4.非公开发行的市场反应研究

（1）非公开发行的市场反应结果

为保证分组研究数据更有依据性，本文首先运用SAS统计软件对607次深沪市A股上市公司非公开发行事件进行总体市场反应研究。结果显示，非公开发行事件产生了非常显著的正的公告效应，这与国内外学者根据不同市场研究得出的结论都是一致的。

由表6.2可以得到，深沪市A股上市公司全体非公开发行事件有着非常明显的正的市场反应。在事件期间[-20，20]、[-10，10]、[-5，5]内累计异常收益率都在99%的显著性水平下显著，且CAR值较高，达到8%左右。而在事件期[-1，1]和[-1，0]内，相比较长的事件期此时的累计异常收益略低，但仍然显著为正，这与事件期较短有关，同时也表明股市存在信息泄露现象，导致市场提前对非公开发行事件做出了反应。

下面通过表6.3和图6.1对事件期间内的CAR和AAR作出更为直观的展示。

从图6.1中我们可看出，总样本的异常收益率在事件期间内一直存在波动，在事件前11天左右开始基本保持正的异常收益，在事件前7天左右开始正的异常收益幅度明显增大，事件日当天异常收益猛增，之后则开始缓慢下降，在事件后9天左右跌为负值。整体事件期间内异常收益呈现倒V字型，峰值出现在事件日0日，正的市场反应主要集中于事件日前后10天左右。这表明市场平均在事件前10天左右便已获得一些信息，在一些获得信息的知情人士推动下，市场提前开始反应，并一直持续到事件之后10天左右。

从图6.1的CAR值走向中我们可以更直观地得到累计异常收益率的变化。累计异常收益率从事件前10天开始呈现正值，期间虽有极小幅度下滑，但总体而言呈逐渐上升态势。在事件前1天和事件日当天，累计异常收益率直线上升，体现了非常显著的市场反应，之后累计异常收益率的增加趋于平缓，并在事件后10天左右开始出现下滑。

（2）项目融资类与资产购买类非公开发行的市场反应结果

通过前述研究设计方法，笔者将非公开发行事件分为了项目融资组与资产购买组，其中，由于项目融资类是定向融资的主流方法，发展时间较长，因此数量较资产购买类更多。在去除掉各个环节缺失数据的样本后，最终计算出CAR值的样本中，项目融资组包括337次，资产购买组包括121次。市场反应研究结果显示，两类非公开发行都得到了正的市场反应，但相比较而言，资产购买类非公开发行的累计异常收益率要远远高于项目融资类，这与我们最初的假设也是一致的。

由表6.4可以看出，项目融资组与资产购买组得到的CAR均显著为正，且在所有事件窗口内，资产购买类非公开发行的累计异常收益率均远远高于项目融资类。与全样本相比，资产购买类的CAR值同样远高于全样本，而项目融资类则略低于全样本。

从图6.2中可以看出，项目融资类与资产购买类非公开发行在异常收益的整体走势上是基本相似的，都是倒V字形，且峰值均出现在事件前1天和事件日当天左右。但具体来看，资产购买类非公开发行在事件日当天的异常收益显著高于项目融资类，且事件前后持续正的异常收益时间更长，从事件前15天左右到事件后7天左右。而相比而言，项目融资类非公开发行在事件前10天及更早的时间段内，异常收益在0上下剧烈波动，一直到事件前5天左右才开始稳定正值，且在事件后2天便显著走低，在事件后9天跌破0以下。由此可以看出，资产购买类比起项目融资类，不仅异常收益率更高，且正的异常收益时间更长，表明市场对于资产购买类非公开发行更为看好，且信息泄露现象也更为严重。

从图6.3中可以更为直观地看到，资产购买类CAR值始终处于项目融资类之上，事件前10天开始便一直呈现正的累计异常收益率并持续上涨，在事件日后仍维持了一小段时间的上涨势头，而后才趋于平缓；而项目融资类事件前10天开始累计异常收益在0附近持续徘徊，上升势头不够强劲，且在事件日后迅速趋于平淡，在事件后10天开始下跌。

（3）项目融资类非公开发行的分组市场反应结果

按照发行对象的不同，笔者将项目融资类非公开发行进一步细分为发行对象包含大股东及关联方的非公开发行事件（简称大股东组）和发行对象中不包含大股东及关联方的非公开发行事件（简称非大股东组），后一类事件主要指发行对象只包括机构投资者和非大股东的自然人，股票限售期间均为12个月；前一类事件则是指发行对象中不仅包括机构投资者和自然人，还包括对公司有实际控制权的大股东及关联方，其股票限售期间为36个月。最终得到CAR值的样本中，大股东组包含169个，非大股东组包含168个，两组数量相当。

在市场反应研究中我们发现，大股东组与非大股东组均存在显著的正市场反应，但大股东组CAR值略高于非大股东组。

表6.6显示，大股东组与非大股东组在五种事件期间内都得到了正的市场反应，且均在1%水平上显著。两组相比较，可以看出大股东组的累计异常收益率在[-20，20]、[-10，10]、[-5，5]的事件期内显著高于非大股东组，在事件期[-1，1]和[-1，0]内也略高于非大股东组，表明对于发行对象含有大股东及关联方的非公开发行事件，市场给予了更为看好的反应。

图6.4显示，大股东组与非大股东组异常收益走势基本一致，均在事件前后围绕0上下波动，并在事件日当天取得显著的正的异常收益，达到峰值。两者相比较，大股东组事件前后异常收益趋于正值的波动更为明显，且峰值时异常收益更高，在事件前5天至事件后4天保持了正的异常收益；而非大股东组在事件日前后趋于负值的异常收益更多，且事件后1天异常收益便显示为负，表明市场对面向非大股东发行的非公开发行事件存在一定疑虑，看好的市场反应并不干脆。

从CAR值走势图中我们可以看到，非大股东组在事件日前5天之前累计异常收益率持续负值，在事件前5天到事件日当天这段时间内稳步上升，而在事件日后又出现了累计异常收益的负面波动，直到时间日后5天才重新得到稳定。而大股东组的累计异常收益则在事件前8天左右开始缓步上涨，在经过事件日当天的猛增后，上涨势头持续到事件后4天才趋缓。这一结果表明面向大股东的非公开发行事件信息泄露更早，且得到的市场反应更受欢迎，而仅仅面向机构投资者和自然人的非公开发行事件，由于市场得知信息较晚且较少，因此市场反应较为一般。

三、发行特征对公告效应影响的回归分析

1.变量分析

被解释变量：累计超额收益率CAR。本文中采用事件窗口[-10，10]内的CAR值作为被解释变量。

解释变量：表示发行方式和发行对象区别的哑变量。本文对非公开发行发行方式和发行对象对市场反应造成的影响进行回归分析，因此解释变量包括：

（1）发行方式（Type）：即项目融资类与资产购买类非公开发行事件，项目融资类为1，资产购买类为0。

（2）发行对象（Issue）：针对项目融资类非公开发行，发行对象包含大股东及关联方的设为1，否则设为0。

控制变量：为保证回归质量，本文在参考前人文献的基础上选择了以下四个控制变量：

（1）发行规模（ShareN）：在考虑发行规模时，要考虑两个数值，一个是总的增发股数，一个是上市日当天可上市流通的股数。非公开发行对于非公开发行股份的限售期有明确规定，即普通股份限售期12个月，控股股东、实际控制人及其控制的企业认购的股份限售期为36个月，因此本文选择总的发行股数作为发行规模的参照。

（2）发行定价（Pri）：即非公开发行实施价格相对于基准价格的比例，其中基准价格是指定价基准日前20个交易日均价。本指标取自Wind数据库。

（3）总资产对数（lnAsset）：即公司非公开发行事件预案公告日前一年末公司总资产的自然对数，这是度量公司规模的重要指标。

（4）资产负债率（Ratio）：即公司非公开发行事件预案公告日前一年末公司的资产负债率，这是代表公司质量的重要指标之一。

回归模型如下：

2.变量描述性统计

各项变量的描述性统计如下表：

3.发行方式和发行对象影响CAR的回归结果

针对两个模型进行回归的回归结果如下表。

注：***、**、*分别表示在1%、5%、10%水平上的显著性

回归结果显示，两种模型下方程整体均通过检验，拟合优度效果尚佳。从表4.7中可以看出，针对本文研究的解释变量type，回归系数为负，符合项目融资类别非公开发行会导致累计超额收益率相比资产购买类更低的假设，且回归结果在5%的显著性水平下显著；针对解释变量issue，发行对象中包含大股东及关联方与提高累计超额收益率呈正相关，回归结果在5%的显著性水平下显著。

在控制变量中，两种模型下仅资产规模一项得到的结论显著，且与CAR呈负相关，其他指标对CAR的影响均不显著。

回归结果表明，前述项目融资类与资产购买类非公开发行造成的不同市场反应能够通过检验，通过项目融资方式进行非公开发行与发行股份购买资产得到的市场反应显著不同，且项目融资类发行方式市场反应更低；在项目融资类非公开发行中，发行对象包含大股东与关联方时能够产生更高的累计超额收益率，即前述大股东组与非大股东组的市场反应差别显著，能够通过回归验证，发行对象是造成非公开发行市场反应不同的影响因素之一。

4.稳健性检验

为检验上述研究结论的可靠性，笔者进行了进一步的稳健性检验：将事件区间延长至前后20天，在更长的事件区间计算CAR值，并检验发行方式和发行对象对CAR的影响。回归结果如下：

注：***、**、*分别表示在1%、5%、10%水平上的显著性

回归结果显示，两种模型下方程整体通过检验，前述回归结果得到证实。在模型3中，发行方式（Type）造成的影响仍然为负，但在更长的事件区间内，达到了1%水平上的显著性；而发行对象（Issue）在更长的事件区间内，得到正相关的显著性水平降低，在10%的水平上显著。回归结果仍然支持假设1和假设2。

对于控制变量，模型3中仍然仅有资产规模呈负相关显著，而在模型4中，新增了发行折价比率正相关在5%的水平上显著。其他指标对CAR的影响仍不明显。

稳健性检验的回归结果进一步证实了前述结论，在包含更长时间的事件区间内，项目融资类非公开发行仍然产生相比于资产购买类更低的市场反应；项目融资类非公开发行中，面向大股东及关联方的非公开发行事件收到的市场反应比发行对象不包含大股东及关联方的事件要好。