IPO抑价的滞后效应研究

张 婷 徐少峰

(南昌大学共青学院 江西 共青城 332020)

一、引言

根据 Welch(1992)提出的信息瀑布流假说，投资者会通过观察上一期新股的收益状况对本期新股的收益作出判断，从而影响其投资决策。也就是说，某一期的 IPO 抑价率能够有序扩散，进而影响投资者对下一期甚至未来几期新股上市收益的判断和投资决策。因此，本文旨在研究我国创业板市场 IPO 的抑价序列是否存在滞后效应，并对其进行分析。

二、研究设计

(一)样本选取

我国创业板市场在 2012 年 10 月至 2014 年 1 月期间暂停了新股发行，IPO 重启之后证监会对上市首日涨跌幅进行了限制，因此重启之后的 IPO 公司上市首日抑价率都在 44%左右小幅波动。考虑到新股上市后一段时间的股价不仅会受前期 IPO 公司的股价涨幅影响，还会受在其后上市公司的新股收益影响，这种叠加效应不好区分。因此，为了使本文的研究更有意义，选取自 2010 年 7 月

20 日至 2012 年 10 月 9 日在创业板上市的 261 家公司为样本进行分析。

(二)模型建立

本文根据已有的参考文献，借鉴严谨(2015)等人的研究方法1，利用前面构造的 IPO 抑价率时间序列，建立自回归模型来研究其滞后效应。建立的模型如下：

IRt=α0+α1IRt-1+α2IRt-2+……+αkIRt-k+μt(6-1)其中，IRt为 IPO 抑价率的时间序列，样本量为 93。

三、模型实证

在对时间序列数据进行建模分析之前，要先进行检验，主要包括平稳性检验和白噪声检验。时间序列的平稳性是许多时间序列方法分析的前提，因此在建模之前要检验该序列的平稳性，防止回归分析中伪回归的出现。

(一)平稳性检验

表1 单位根检验结果

上表1为对带截距项的序列进行单位根检验的结果。抑价率序列单位根检验的模型是：ΔIRt=C+γIRt-1+δΔIRt-1+μt，由单位根检验的结果可知，ΔIRt=0.09848-0.38445IRt-1-0.08788ΔIRt-1+μt，其中 C 和 IRt-1的系数显著地异于 0。由于检验统计量的值为-4.0865，小于 1%显著性水平下的临界值，据此可以拒绝序列非平稳的原假设，从而判断抑价率序列是平稳的。

(二)白噪声检验

检验一个序列是否是纯随机数列，需要用到白噪声检验，即 Ljung-Box 检验(简称 LB 检验)。白噪声检验的原假设为检验序列是纯随机序列。这里对抑价率序列进行检验的白噪声检验的结果如表 2 所示。

表2 白噪声检验结果

由白噪声检验的结果可知，统计量的 P 值小于 1%显著性水平。因此拒绝原假设，该序列是存在自相关性的，可以进行进一步分析。

(三)回归分析

在对时间序列数据进行建模时，一般需要先识别模型的类型，然后确定最终的阶数。这种方法比较复杂，也比较偏主观性，尤其是在模型识别时。R 语言为我们提供了一种更为简洁的方法，即自动建模函数。用自动建模函数进行回归分析，就省略了常规的模型识别和定阶，自动得到最佳模型，本文就采取这种方法进行分析。通过对 AIC 值进行对比，最终确定 AR(1)为最佳模型，本文建立的滞后一阶的自回归模型 AR(1)如下：

IRt=0.2783+0.5919IRt-1+μt(6-2)

AIC=-10.96。

(四)回归诊断

模型建立好之后，还需要对其进行回归诊断，主要是检验残差项是否是白噪声序列，即残差项是否存在自相关性。如果残差项是非白噪声序列，则说明模型是不完整的，还需要对其进行修正；反之，则说明模型已经充分提取了序列信息，不需要进行修正。这里仍然使用 LB 检验对残差项的自相关性进行检验，下表 3 为残差项自相关性的检验结果。

表3 残差项自相关性检验结果

由残差项自相关性检验的结果可知，统计量的 P 值大于 5%显著性水平。因此无法拒绝原假设，说明残差项不存在自相关性，即所建立的模型能够成功地反映序列的信息。

上述检验表明，创业板市场的 IPO 抑价率确实存在滞后效应，且为一阶滞后，即本期的抑价率受到上一期抑价率的影响。

四、研究结论

IPO 抑价率序列的实证分析表明，创业板市场的 IPO 抑价现象具有滞后性。滞后一期的抑价率对本期的抑价率具有明显的正向作用，当上一期的抑价率较高时，也会导致本期的抑价率偏高；并且截距项高达 0.2783，说明在我国的创业板市场，IPO抑价现象是普遍存在的。因此，在我国创业板市场上，IPO抑价确实存在推移现象，这一结论有效的验证了信息瀑布流假说在我国创业板市场的适用性。