券商声誉对IPO抑价影响的实证研究

2017-11-06丁烨丽上海大学

新商务周刊 2017年12期

文/丁烨丽，上海大学

券商声誉对IPO抑价影响的实证研究

文/丁烨丽，上海大学

自上世纪Ibboston等人发现IPO抑价这一现象后，吸引了大批学者研究。研究过程中发现了诸多影响IPO抑价的因素，其中承销商声誉也是影响IPO抑价的重要因素，同时作为笔者的实证研究方向。本文首先提出假设，然后建立多因子线性回归模型，最后以2014年1月至2016年12月，在沪市主板上市的公司作为研究样本进行实证检验和分析。

IPO抑价；券商声誉；实证检验

引言

IPO抑价（Underpricing in initial public offering）是指新股上市后在股票市场上的价格通常高于其发行价，从而形成短期超额报酬率。无论在发展中国家证券市场还是发达国家的证券市场，IPO抑价现象都很常见。我国A股市场从1991年到2007年，1576只新股平均抑价率高达187%，导致近年来很多股票投资者对于打新股的热情一路高涨。众所周知，在IPO过程中，券商承担了很重要的角色，所以本文就券商声誉对IPO抑价的影响进行了研究。

1 理论分析与假设提出

目前，有关IPO抑价的形成机制的相关解释，较具有代表性的理论主要有：1）信息不对称理论，该理论认为券商拥有更多的资本市场和公司股权信息，因此公司乐于将发行价格制定权委托给拥有信息优势的券商解决信息不对称问题；2）信号传递理论，为解决发行公司与投资者之间的信息不对称，优质发行公司会选择抑价发行的方式传递公司真实价值的信息；3）赢者诅咒假说，资本市场投资者分为知情投资者和不知情投资者两类，为确保不知情投资者参与到新股发行中，发行公司会选择抑价发行新股。综合相关理论，本文提出如下假设H1:券商声誉与IPO抑价呈显著负相关，即券商声誉越高，IPO抑价程度越低。笔者认为，知名券商拥有较强的定价能力和较多的市场信息，能够为上市公司确定一个更加反映其公允价值的首发价，从而维护委托公司的利益。同时，为了保证新股的顺利发行，为机构投资者创造收益，券商定价时也会预留一部分抑价空间。

2 模型设计

为检验上文提出的假设H1，需要建立线性回归模型来验证承销商声誉对公司发行抑价率的影响，选取抑价率UR为被解释变量，证券承销商声誉BR是解释变量，另外选取了一些衡量上市公司资本结构和治理结构的指标作为控制变量，建立了以下模型：

UR=a0+a1*BR+a2*PTS+a3*ARPER+a4*TR+a5*SR+a6*ROE+a7*ALR+a8*RA+a9*PID+a10*NAC+a11*TAL+a12*ILI+ε

控制变量说明：PTS--上市流通股比例；ARPER--发行后公司市盈率；TR--首日换手率；SR--中签率；ROE--净资产收益率；ALR--资产负债率；RA--募集金额；PID--独立董事比例；NAC--实际控制人性质；TAL--总资产的对数；ILI--发行上市间隔。

2.1 IPO抑价率的度量。为了更客观地度量新股的IPO抑价率，本文主要采用调整初始报酬率对IPO抑价率进行度量，消除市场整体收益水平对新股初始报酬率的影响，其抑价模型公式为:UR=(Pi,1-Pi,0)/Pi,0-(Pm,1-Pm,0)/Pm,0=Pi,1/Pi,0-Pm,1/Pm,0。其中IR表示股票i的IPO抑价率Pi,1表示股票i在首日的收盘价；Pi,0表示股票i的发行价；Pm,1表示股票i上市首日的市场指数；Pm,0表示股票i发行日的市场指数。

2.2 券商声誉的度量。参考以往学者们对券商声誉的度量方法，本文采用的方法如下:首先计算承销商累计承销金额的市场份额MS1，然后计算承销商累计承销家数的市场份额MS2；最后，计算两者的算术平均值得到市场份额MS*，并用市场份额进行排序。本文将关键变量承销商声誉BR设为哑变量。如果承销商声誉排名前十取1，否则取0。具体公式如下：MS1=∑(当年承销上市金额/样本中上市总金额)；MS2=∑(当年承销上市家数/样本中上市总家数)；MS*=（MS1+ MS2）/2。根据上述度量方式，笔者整理出2014-2016年券商声誉排名情况，如下表1所示。

2.3 控制变量。根据国内外学者的研究，对于规模大的公司在内部治理和信息披露等方面更加完善，可降低发行人与投资者之间的信息不对称，故本文选择反映公司规模的相关指标衡量信息不对称的程度。同时，在我国资本市场中存在大量噪声交易者，首日换手率TR可以衡量噪声交易者的交易程度。根据行为金融理论，投资者对于新股反应过度，造成新股申购的中签率SR很低，中签率可衡量市场过热及对新股的需求程度。另外，选择独立董事比例PID、实际控制人性质等虚拟变量来代表公司治理状况。

2.4 数据获取及说明。本文实证所需的数据基本来源于wind数据库，主要使用EXCEL和SPSS软件进行数据整理。其中有部分样本的控制变量缺失，故使用了其平均数据进行补充，中签率数据直接使用网上申购中签率和网下申购中签率数据的平均值。资本结构数据采用的是企业上市当年的中年报，有个别16年下半年新上市的公司当年财报数据缺失，故采用了其16年第三季报中披露的相关数据。本文研究区间是2014年1月至2016年12月，以在沪市主板上市的公司作为研究样本，对于样本的筛选采用如下原则:1）剔除金融和保险行业的上市公司11家；2）除财务数据缺失的上市公司; 3）剔除ST、*ST和PT公司。经过上述条件的筛选，本文的研究承销商声誉对IPO抑价总样本为225家，其中2016年95家，2015年87家，2014年43家。

3 实证检验与结果分析

3.1 描述性统计。由下表可知，我国的IPO抑价率还是比较高，均值达到44.36%，极大值达到199.8%。而市盈率标准差较大，说明我国市场股票投资价值差异较大。上市首日换手率均值为0.134%左右，说明大多数投资者还是想长期持有。中签率较低，说明市场对新股的需求远大于供给。

描述统计量变量N极小值极大值均值标准差 IPO抑价率UR225.136400001.99809840.4436883710.10806646369 券商声誉BR225.001.00.5215.49967 流通股比例PTS225.0801.000.34160.169894 发行市盈率ARPER(摊薄)2256.230046.470021.6472503.5182409 上市首日换手率TR225.0001181818.8187821000.01345286064.0854220984663 中签率SR225.000000000.1770159500.0048838771.0167625821745 上市年净资产收益率ROE225-.079579.379232.08286125.052478692 资产负债率ALR225.054532.942587.47532789.232280233 募资金额RA（亿万）225.7830131.90497.52915210.9983306 独立董事比例PID225.25000000.60000000.3541273508.05440347319 实际控制人性质NAC225.001.00.1600.36742 上市年总资产对数TAL(亿元)225.99307297.80156202.8250013841.0218578786 发行上市间隔ILI(天)22514.0048.0021.58125.96578 有效的 N （列表状态）225

3.2 相关性分析。根据下表可看出券商声誉与抑价率之间的相关系数为负，但是不显著，与假设有冲突。另外，发现ARPER、TR、SR、RA、TAL等数据与IPO抑价率在不同水平呈显著相关性，控制变量对UR存在较大的影响，可能会影响回归分析结果。

相关性 URBRPTSARPERTRSRROEALRRAPIDNACTALILI UR 1 BR -.0651 PTS -.096.0071 ARPER -.154*.123.1121 TR .170*-.055.476**.0581 SR -.212**.007.605**.016.652**1 ROE -.023.099-.087-.052.038.0341 ALR .078.027-.195**-.048.007-.094.0291 RA .227**.160*.003.024.127.183**.169*.0731 PID -.024-.002-.102-.028.034-.001.085.029-.0091 NAC -.067-.059.059-.060-.038.074-.101.025.222**-.1281 TAL .160*.142*.100-.090.196**.315**-.001.183**.659**-.111.412**1 ILI -.020-.038-.069-.013-.063-.017.060.154*-.048-.027.021.0261 *. 在 0.05 水平（双侧）上显著相关。**. 在 .01 水平（双侧）上显著相关。

3.3 回归分析。针对IPO抑价率模型进行了线性回归分析，并将控制变量也作为自变量进行了回归。根据下表数据，可看出R2=0.0346，调整R2=0.0309，说明多元回归分析的拟合度较好，相关变量能够很好地解释IPO抑价率，同时其他控制变量对IPO抑价影响较小。券商BR系数等于-0.16，验证了关于UR线性模型中的系数a1小于零。