QFII持股能抑制股票市场操纵吗？——基于尾市价格偏离模型的检验

李志辉 陈海龙

一、引言

党的十九大报告明确指出，要增强金融服务实体经济能力，提高直接融资比重，促进多层次资本市场健康发展。这充分体现了党和国家对资本市场的高度重视，也为资本市场改革发展指明了方向。纵观三十年历程，我国资本市场栉风沐雨，春华秋实，实现了跨越式发展，A股总市值已稳居世界第二位，在拓展融资渠道、优化资源配置、建立现代企业制度等方面发挥了不可替代的作用。在欣喜于这令人瞩目成就的同时，诸如市场操纵等不和谐音符的负面影响仍需高度警惕。部分游资、内部知情者等在利益驱使下利用资金和信息优势进行市场操纵，蓄意制造虚假繁荣、引发股价剧烈波动(李志辉和王近，2018[1])，散户等小资金在此期间损失惨重(李梦雨和李志辉，2019[2])，这严重影响了中小投资者对我国资本市场的信心。已有研究表明，股票市场操纵将显著降低市场流动性(李志辉等，2018[3])、信息效率(孙广宇等，2021[4])，加重股价崩盘风险(李梦雨和李志辉，2019[2])，扰乱市场价格发现机制(李梦雨，2015[5])，制约资本市场服务实体经济的广度和深度。所以，分析股票市场操纵的演化机制，探究抑制股票市场操纵的理论方法和实践途径具有重大意义。

中国证监会官网显示，截至2021年12月，证监会累计公布了160例股票市场操纵案件，其中144例的操纵实施主体为个人，占比达90%，合格境外机构投资者(QFII)等专业机构投资者的涉案占比为0。经严格资质审核的QFII，是优质且重点的机构投资者，上述已查处案例的统计是否在一定程度上说明QFII能够稳定资本市场？事实上，为进一步提升中国资本市场发展质量，QFII于2002年12月被正式引入我国，这一创新性制度迅速为中国资本市场注入了新鲜而有活力的血液(李春涛等，2018[6])。截至2020年年底，QFII数量已达558家，持有A股市值超2 000亿元，愈发凸显QFII在我国资本市场的重要作用。部分国家和地区的经验表明，QFII制度的引入不仅可以增加市场资金供应(Amihud和Mendelson，2008[7])、减少市场波动(Li等，2011[8])，还可促进资本市场的成熟化和专业化。QFII的进入同样能促使上市公司改善内部治理机制、提高信息披露水平(杨海燕等，2012[9])，进而提升股市透明程度和规范程度。针对QFII的研究一直是学术界的热点，已形成的相关文献汗牛充栋。但遗憾的是，目前鲜有文献将QFII的作用延伸至股票市场操纵领域，也鲜有文献针对二者之间的影响机制展开研究。在我国不断加快资本市场开放并大幅放开QFII投资限制的背景下，QFII持股能否抑制股票市场操纵是非常重要而又亟待解决的问题。

鉴于此，本文使用2011—2018年沪深A股上市公司数据，基于尾市价格偏离模型检验了QFII持股对股票市场操纵的影响。研究发现：QFII持股与股票市场操纵显著负相关，在使用工具变量、倾向得分匹配(PSM)、模型替换等方法缓解内生性问题后，结论稳健。机制分析表明，QFII持股可通过提升上市公司信息透明度、提高股票流动性来抑制市场操纵。进一步分析发现，在单一大股东、低独立董事占比、低市场化水平等弱监督环境下QFII对市场操纵的抑制作用更显著。

本文可能的边际贡献如下:第一，已有的QFII相关文献大多集中于QFII对公司治理的影响研究(Aggarwal等，2011[10]；Bena等，2017[11])，关于股票市场操纵的研究主要是基于案例事件和交易数据的股票市场操纵行为识别研究(李梦雨，2015[5]；Aitken等，2015[12]；姚远等，2016[13])、市场操纵对股票市场质量的影响研究(李志辉等，2018[1]；李梦雨和李志辉，2019[2])，罕有将QFII持股和市场操纵进行关联分析的研究，所以本文具有较高的创新价值。第二，针对遗漏变量、反向因果等内生性问题，目前学术界通常使用同一年度同行业的其他上市公司的解释变量平均值作为工具变量(李春涛等，2018[6]；魏熙晔等，2020[14])，本文创新性地选取与市场操纵关联性弱、与QFII持股关联性强的经营和财务指标，然后利用主成分分析构建工具变量。这为工具变量的选取提供了参考，具有较好的创新性。第三，本文的机制分析和进一步分析探明了QFII持股影响股票市场操纵的作用渠道，这为监管部门完善相关法律制度、监管政策提供了十分有益的借鉴。

二、文献综述

(一)股票市场操纵相关研究

在市场操纵行为的识别与监测方面，李梦雨(2015)[5]收集了证监会的行政处罚案例，利用倍差法对市场操纵行为进行了分析，发现股票交易规模、有效价差、日收益率等指标在操纵期间出现显著异常，并利用Logit模型建立了市场操纵监测和预警机制。陆蓉和陈小琳(2009)[15]在分析市场操纵处罚案例后发现被操纵股票呈现出低Beta系数现象，同时利用神经网络、决策树等构建了三个市场操纵识别模型。Aitken 等(2015)[12]基于日内高频交易数据构建了尾市价格偏离模型，使操纵行为的识别与监控不再局限于事件研究。李志辉和王近(2018)[1]、李志辉等(2018)[3]认为股票如果发生收盘价操纵，其价格在当日临近收盘以及下一交易日将出现显著异常，并基于中国股市高频交易数据构建了收盘价操纵识别模型。在市场操纵的影响因素方面，李志辉和邹谧(2018)[16]从上市公司特征角度对影响市场操纵的因素进行了探究，发现被操纵股票通常具有市值规模较小、盈利能力偏弱的特点。Comerton-Forde和Putninš(2011)[17]研究指出信息不透明、流动性差是股票被操纵的重要原因。Barbosa(2012)[18]基于理论预期模型研究发现，假如其他投资者较为成熟并且具有良好的信息甄别能力，则操纵者需要承担较高的成本才能操纵成功。李志辉和金波(2021)[19]研究认为，公司战略越激进，则企业信息透明度越差，从而发生市场操纵的可能性更高。李志辉等(2021)[20]研究指出，融资融券制度能够提升上市公司股票流动性，从而对市场操纵产生抑制作用。

(二)QFII持股相关研究

大部分学者认为QFII能够稳定股票市场、提升上市公司治理水平，对资本市场发展起到积极的促进作用。李春涛等(2018)[6]认为，QFII需要通过证监会关于治理结构、经营行为等方面的严格审核，通常是国际知名的机构投资公司，在成熟的资本市场形成了先进的价值投资体系，拥有高度专业化的投资团队，具备较强的信息获取和处理能力。因此，QFII可提升投资者成熟度、降低市场风险。魏熙晔等(2020)[14]指出，QFII作为一种特殊的机构投资者，还可通过提升股价信息含量、提升公司治理水平来降低交易成本。Gillan和Starks(2003)[21]发现相比于国内机构投资者，经过严格资质审核的境外机构投资者更能通过外部监督机制来改善公司治理水平。Edmans(2009)[22]研究指出，QFII可通过“用脚投票”的方式远离他们认为不值得投资的公司，而QFII作为一个风向标，会对其他投资者产生重要影响，QFII的不满会对管理层形成较大压力，促使管理层提升公司治理水平以及信息披露质量，从而对上市公司形成监督作用。乔琳等(2019)[23]证明了QFII网络关系可以通过提高上市公司信息透明度和公司治理水平提升上市公司价值。杨海燕等(2012)[9]研究表明，QFII持股能够显著提升上市公司信息披露质量。刘贝贝和赵磊(2021)[24]从实证层面证明了QFII能够提升我国资本市场有效性。但也有少部分学者认为QFII未能起到监督公司管理层、稳定股票市场的作用。由于监督是需要时间和成本的(Admati和Pfleiderer，2009[25])，所以机构投资者可能扮演了短期逐利者的角色。在金融监管不够完善的情形下，国际资本流入反而会降低市场效率，增加股市风险(Chen等，2013[26])。

综上所述，现有学者基于信息透明度、公司治理、股价波动、市场风险等视角对QFII持股的经济后果开展了大量研究，但是鲜有文献将QFII持股的相关影响延伸至股票市场操纵领域。早期，关于股票市场操纵的识别研究主要是利用监管部门公布的处罚案例进行事件分析，但行政处罚案例的数量明显偏少，对实证研究造成了显著制约。近年来，随着新兴技术的快速发展，已有学者开始使用高频交易数据对市场操纵行为进行识别研究，这为研究QFII对市场操纵的影响提供了契机。由此，本文以中国资本市场为背景，基于尾市价格偏离模型考察QFII持股能否抑制股票市场操纵行为，是对现有QFII持股和股票市场质量文献的继承与发展。

三、理论分析与假设提出

根据股票市场操纵的微观运作机理，操纵者通常利用信息优势或资金优势，通过发布虚假信息、连续买卖等方式影响股价和交易量，营造出利好不断或股价攀升的假象，诱使其他投资者跟风买入，然后在高位套现后牟取暴利(李梦雨和李志辉，2019[2])。而提升上市公司信息透明度可削弱操纵者的信息优势(李志辉等，2021[19])、提高股票流动性可削弱操纵者的资金优势(李志辉等，2021[20])，从而可能产生抑制市场操纵的作用。一方面，如果上市公司信息透明度高，则普通投资者拥有较为充分的信息，对上市公司运营情况有着清晰的认知，能够有效甄别操纵者蓄意制造的缺少基本面支撑的交易假象，大幅提升市场操纵的实施难度(Barbosa，2012[18])；但如果上市公司信息透明度低，普通投资者与操纵者之间信息差距较大，只能依靠成交量、股价等有限信息进行交易决策，则极易被操纵者设下的“陷阱”所迷惑。另一方面，当上市公司股票流动性较好时，相同的交易额可能仅使股价产生小幅度的变动，难以吸引散户注意，操纵者需要动用更大的资金量才可能成功，这就显著提高了操纵者的资金成本以及实施难度(Comerton-Forde和Putninš，2011[17])。所以，提升上市公司信息透明度和股票流动性是抑制市场操纵的有力措施。

而QFII可显著提升上市公司信息透明度(魏熙晔等，2020[14])，原因包括以下三个方面。第一，QFII的经营年限、运作模式等需要经过证监会的重点审核，通常具有丰富的海外投资与公司治理经验，拥有较强的信息收集能力和专业的投资分析团队，能有效甄别上市公司的财务造假以及虚假信息发布(李春涛等，2018[6])。QFII的投资行为可将自身分析出的上市公司信息充分融入股价(饶育蕾等，2013[27])，从而提升股价信息含量与信息透明度。第二，QFII大多为专业的基金公司或投资银行，可对企业运营情况进行深度挖掘，并向市场释放和传递价值信号(魏熙晔等，2020[14])，能够降低证券分析师的信息收集成本、提升分析师预测精准度，从而吸引更多的证券分析师对QFII持股的上市公司进行跟踪学习。分析师关注度越高，则向普通投资者提供的投资分析越全面和详实，从而显著提升上市公司信息透明度(徐细雄等，2021[28])。第三，QFII还可对上市公司形成有效的外部监督，在发现上市公司出现问题时，QFII能够通过出售股票所带来的“示范效应”对上市公司形成利空威胁(Edmans，2009[22])。因为其他投资者可能会跟风抛售造成公司市值严重下挫，这将倒逼大股东和管理层守法合规经营，提升信息披露质量(杨海燕等，2012[9])，避免信息披露违规和财务会计造假，使普通投资者可以更加准确地掌握上市公司的战略规划和运营实施情况。

QFII还可显著提升上市公司股票流动性(Ng等，2016[29])，原因包括如下三个方面。首先，QFII作为专业机构投资者，积累了丰富的投资策略和分析技术，可对企业发展趋势进行准确评估，并且可显著提升上市公司业绩(吴卫华等，2011[30])、降低股价波动(杨竹清和刘少波，2013[31])。QFII对特定上市公司进行持股后，将显著增强其他投资者对上市公司的信心，投资者对此类股票的内在价值容易达成共识，买和卖都相对容易和便捷，从而有力提升股票流动性(柯艳蓉等，2020[32])。其次，QFII中也存在一定的财务投资者，其交易行为也会为市场带来增量资金。在我国持续放宽QFII投资额度限制的背景下，QFII自身所带来的流动性也显得愈发重要(魏熙晔等，2020[14])。最后，不同于国内机构投资者，QFII与上市公司之间的业务关联较少(李春涛等，2018[6])，能够保持较高的独立性以及监督性，可以通过“用脚投票”表达对上市公司的不满，忌惮于QFII对其他投资者的影响，上市公司管理层会努力提升内部治理和经营绩效水平(Bena等，2017[11])，降低收益不确定性，减少股价异常波动(杨竹清和刘少波，2013[31])，增强投资者对上市公司的信心，从而提升股票流动性。

基于以上分析，本文提出如下三个假设：

H1：QFII持股能够显著抑制股票市场操纵。

H2：QFII持股可显著提升上市公司信息透明度，从而抑制股票市场操纵。

H3：QFII持股可显著提高上市公司股票流动性，从而抑制股票市场操纵。

四、研究设计

(一)市场操纵识别模型设计

借鉴Aitken等(2015)[12]、李志辉等(2018)[3]、李梦雨和李志辉(2019)[2]的做法，构建尾市价格偏离模型来识别市场操纵行为。如果股票i在交易日t内同时满足以下条件，则被判定为疑似发生市场操纵：

1.当日交易结束前15分钟股价出现异常变化，即：

(1)

或者

(2)

2.与t日的收盘价相比，下一个交易日股票i的开盘价出现回转，并且价格回转幅度达到上一交易日尾市价格变化的50%以上，即：

(3)

其中，CPt、CPt-15mins分别表示股票i在t日的收盘价、收盘前15分钟的成交价格，OPt+1表示股票i在t+1日的开盘价。

3.交易日t结束前第15分钟至t+1日开盘前没有与股票i相关的信息发布(1)采用Reuters全球新闻数据库的上市公司公告信息，剔除t日结束前第15分钟至t+1日开盘前有公告发布的股票。。

在模型有效性方面，本文手工收集了中国证监会2010—2020年公布的发生于2010—2017年的市场操纵案例，涉及287只股票，此模型可以成功识别出167只，模型识别能力与李志辉等(2018)[3]、李梦雨和李志辉(2019)[2]、李志辉和金波(2021)[19]的研究结果基本一致，说明使用尾市价格偏离模型来识别市场操纵行为具有科学性与合理性。

(二)变量定义

1.被解释变量。

疑似发生市场操纵的严重程度(LnMa)。借鉴李志辉等(2021)[20]的研究，利用市场操纵识别模型计算每只股票每年累计疑似发生市场操纵的天数，再对其加1取对数。其值越大，说明疑似发生市场操纵的情况越严重。使用如下变量进行稳健性检验：年内疑似发生市场操纵天数(MaCount)、年内是否疑似发生过市场操纵(Ma_1，当本年度疑似发生市场操纵的天数大于0时，Ma_1为1，否则为0)、年内疑似发生市场操纵天数与交易天数之比(MaPor)。其中，交易天数(TraDay)是指股票i在本年度可供交易的天数。

2.核心解释变量。

QFII持股比例(QFShare)。借鉴李春涛等(2018)[6]的研究，使用QFII持股比例(QFShare)来度量QFII持股情况，并使用QFII是否持股(QFII_1)做稳健性检验。其中，QFII持股比例(QFShare)为上市公司季报披露的QFII持股比例的年度平均值。QFII是否持股(QFII_1)为公司本年度是否有QFII持股的虚拟变量，如果上市公司全年四个季度的QFII持股比例均为0，则取值为0，否则为1。

3.控制变量。

为更加准确地评估QFII持股对市场操纵的影响，本文借鉴李志辉和邹谧(2018)[16]、李志辉等(2021)[20]的研究，使用如下控制变量：(1)总资产(Size)，对每季度的总资产取年度均值，再取自然对数；(2)资产负债率(Lev)；(3)资本收益率(Roc)；(4)股票贝塔系数(Beta)，计算方法见下文；(5)股票阿尔法系数(Alpha)，计算方法见下文；(6)收盘价(Price)，对每日收盘价取年度均值；(7)股权集中度(Cent)，对上市公司前十位大股东持股比例进行求和，然后将季度数据取年度均值；(8)总持股人数(LnHold)，对总持股人数取自然对数；(9)可操纵应计利润(DA)，参考郝东洋等(2020)[33]的研究，使用修正Jones模型估计可操纵应计利润，并对其取绝对值。

本文根据资产定价模型(CAPM)，并参考胡熠和顾明(2018)[34]、凌爱凡和谢林利(2019)[35]的研究，使用以下方法计算股票贝塔系数(Beta)：根据流通市值加权计算市场回报率，并使用个股回报率对市场回报率进行回归，计算个股上市后每个完整年度的贝塔系数(Beta)。回归方程和Beta的计算公式为：

ri,t=αi+βirm,t+εi,t

(4)

(5)

股票阿尔法系数(Alpha)的计算方法为：

Alpha=ri-[rf+β(rm-rf)]

(6)

其中，ri代表股票i的实际收益率，rf代表市场的无风险利率，β为个股的Beta系数，rm代表参照的市场收益率。

(三)回归模型设计

为考察QFII持股能否抑制股票市场操纵，参考已有研究(李春涛等，2018[6])，建立如下模型：

LnMai,t=β0+β1QFSharei,t+β2Sizei,t+β3Levi,t

+β4Betai,t+β5Alphai,t+β6Centi.t

+β7LnHoldi,t+β8Pricei,t+β9Roci,t

+β10DAi,t+∑Year+∑Industry+εi,t

(7)

变量含义详见变量定义部分，模型还同步控制了时间、行业层面的固定效应。若QFII能够抑制股票市场操纵，则β1应显著为负。

为进一步研究QFII持股影响股票市场操纵的传导机制，本文借鉴Baron和Shapiro(2022)[36]、吴敏等(2022)[37]的研究，建立如下模型：

Mi,t=γ0+γ1QFSharei,t+γ2Sizei,t+γ3Levi,t+γ4Betai,t

+γ5Alphai,t+γ6Centi.t+γ7LnHoldi,t+γ8Pricei,t

+γ9Roci,t+γ10DAi,t+∑Year+∑Industry

+εi,t

(8)

其中，Mi,t为机制变量，其余变量与公式(7)中的定义相同。公式(8)用于探究核心解释变量QFShare与机制变量M之间的关系，如QFShare的系数显著、符号与预期相同，并且既有文献已论证M能够显著影响股票市场操纵，则说明QFII持股能够通过M抑制股票市场操纵。

(四)数据来源

本文以沪深A股上市公司2011—2018年的数据为研究样本。高频交易数据来源为Thomson Reuters Tick History数据库，这与李志辉等(2018)[1]、李梦雨和李志辉(2019)[2]的做法一致。QFII持股、公司财务、公司治理等数据来自国泰安数据库、CCER数据库和上市公司年报。本文剔除了金融类上市公司、ST公司以及数据缺失记录，并对所有连续变量做上下1%的缩尾处理，最终选定3 000只股票，共15 557 个观测值。

五、实证分析

(一)描述性统计分析

表1报告了本文主要变量的描述性统计结果。在样本期内，年内是否疑似发生过市场操纵(Ma_1)的平均值为0.181，说明约有18.1%的样本疑似发生过市场操纵；年内疑似发生市场操纵天数(MaCount)的最大值为7.000、平均值为0.227、方差为0.545，年内疑似发生市场操纵天数与交易天数之比(MaPor)的最大值为2.869%，说明在同一年内疑似发生市场操纵的天数相对较少，且不同股票之间差异较大(李志辉等，2021[20])。QFII_1的平均值为0.157，表明约有15.7%的样本被QFII持股；经过缩尾的QFShare平均值为0.071%，最大值为2.365%，表明现阶段QFII在上市公司中的持股比例仍然较低(李春涛等，2018[6])。如果QFII在持股比例较低的情况下能够对股票市场操纵行为产生影响，那么将为QFII的作用研究提供强有力的新兴市场证据。

表1 主要变量描述性统计结果

(二)基准回归分析

表2是对模型(7)的回归结果。本文采用的是面板固定效应模型，并使用公司聚类效应对回归的标准误进行修正以消除异方差等因素的影响。由列(1)至(4)可知，无论是否加入控制变量，QFII_1的系数均在1%的水平上显著为负，说明QFII持股可以显著抑制股票市场操纵的发生；QFShare的系数在1%的水平上显著为负，说明QFII持股比例越高，发生市场操纵的可能性越低。从而，文本提出的假设1得到验证。

在控制变量方面，总资产(Size)的系数显著为负，说明上市公司规模越大则发生市场操纵的可能性越低，这与既有研究结论一致(李志辉等，2018[1]；李志辉和邹谧，2018[16])。股权集中度(Cent)的系数显著为正，说明股权集中度越高，则公司发生市场操纵的可能性越大，这可能是因为股权集中度越高则大股东对上市公司的“掏空”能力越强，大股东可能会通过发布虚假信息、实施关联交易等方式牟取个人私利，由此提高投资者之间的信息不对称程度，从而加重股票市场操纵的发生；总持股人数(LnHold)的系数显著为负，可能是因为持股人数越高则其他股东对大股东形成的制衡越强，从而减少上市公司的违规行为并提升公司信息透明度，进而抑制市场操纵的发生；收盘价(Price)的系数显著为负，可能是因为股价越高则操纵者需要更多的资金才可以制造相应的交易量以诱使散户跟风投资，这就削弱了市场操纵者的资金优势，从而降低了市场操纵发生的可能性。

表2 QFII持股影响股票市场操纵的基准回归结果

(三)稳健性检验

1.工具变量法。

QFII可能倾向于持股资产规模大、成长性好的公司，而这类基本面良好的公司在QFII持股之前发生市场操纵的概率也是较低的，所以需要排除样本自选择等内生性问题。经过对Aggarwal等(2011)[10]、魏熙晔等(2020)[14]等文献的梳理，本文使用TTM化的资产报酬率(TTRA)作为第一个工具变量，其中，TTM是指过去12个月累计收益。理论上，TTRA满足相关性和外生性要求，因为QFII在进行投资之前会对上市公司的运营管理、财务状况进行充分评估，具有高资产回报的企业更容易受到QFII的青睐，所以较高的TTRA会显著提升QFII的持股概率，因此拟选择的工具变量满足相关性要求；另外，市场操纵者通常需要具备信息或者资金优势才能成功实施市场操纵，所以，影响市场操纵的因素往往具有影响信息透明度、影响股票交易成本等特点，而资产回报率主要是反映企业经营结果的变量，并不是市场操纵者关心的核心因素，所以TTRA具有外生性。

以往文献通常将上市公司同一年度同行业其他上市公司持股比例的平均值作为工具变量，与此不同，本文创新性地使用主成分分析的方法生成第二个工具变量(Index)。Index是由净利润、每股收益、流动资产合计、净利润与利润总额之比、总市值、两权分离度、总资产增长率7个子指标合成而来。Index是正向指标，一般来说，Index值越大则上市公司盈利能力越好，它反映了企业运营管理、公司财务等方面的能力。所以，与第一个工具变量类似，Index在理论上也满足相关性和外生性要求。

表3为使用工具变量后的回归结果。当核心解释变量为QFShare时，由表3列(1)的回归结果可知，TTRA、Index的系数在1%的水平上显著为正，说明TTRA和Index可以显著提升外资持股的可能性。列(2)为第二阶段回归结果，QFShare对市场操纵的系数仍在1%的水平上显著为负，并且利用过度识别检验以及弱工具变量检验可知，TTRA和Index均为外生工具变量且均强烈拒绝弱工具变量假设。这说明在缓解内生性问题之后QFII持股仍可以显著抑制股票市场操纵。类似地，从列(3)、列(4)可以看出，核心解释变量为QFII_1时，结论类似。

2.倾向得分匹配(PSM)检验。

为进一步缓解内生性问题，借鉴既有研究(李春涛等，2018[6])，采用倾向得分匹配法(PSM)为QFII持股的样本构建匹配样本进行回归，其中QFII_1等于1的为实验组，QFII_1等于0的为对照组。选取总资产、资产负债率、资产报酬率、总资产增长率、股票贝塔系数、 总市值、机构投资者持股比例、总持股人数作为匹配变量，采用一对一最近邻匹配法找到与实验组倾向得分值最为接近的控制组样本。同时，为进一步提升匹配准确度，本文使用逐年匹配的方法，使实验组样本只可与其年份相同的对照组样本进行匹配。多变量t检验的结果显示匹配以后的对照组和实验组样本无显著差异，各年份的匹配效果良好，为节省篇幅，本文仅以2018年的匹配结果为例进行展示(如表4所示)。

表3 QFII持股影响股票市场操纵的工具变量检验

本文使用匹配之后的样本进行了回归检验。表5的回归结果显示，无论是否加入控制变量，QFShare和QFII_1在匹配后样本上对市场操纵的回归系数均显著为负。这说明在资产负债、盈利能力、公司治理等基本面大体相同的情况下，QFII持股仍然可以显著抑制市场操纵，这有效缓解了样本自选择问题。

表4 倾向得分匹配的均衡性检验(以2018年为例)

表5 基于PSM的回归分析结果

3.变量和模型调整。

一是借鉴Cornaggia(2015)[38]的研究，使用安慰剂检验法，将核心解释变量的取值随机排列后进行回归。表6的列(1)、列(2)显示，QFShare和QFII_1的系数均不再显著，这说明QFII对市场操纵的抑制作用并不是由遗漏的变量造成的。二是替换被解释变量。借鉴李志辉和邹谧(2018)[16]的研究，将年内疑似发生市场操纵天数(MaCount)作为被解释变量，使用负二项回归模型进行分析，回归结果见表6的列(3)、列(4)；借鉴李志辉和金波(2021)[19]的研究，使用年内是否疑似发生过市场操纵(Ma_1)作为被解释变量，并利用logit模型进行检验，回归结果见列(5)、列(6)；使用年内疑似发生市场操纵天数与交易天数之比(MaPor)作为被解释变量，回归结果见列(7)、列(8)。表6的列(3)至列(8)结果均表明本文结论稳健。三是将行业固定效应替换为个体固定效应，使用双向固定效应进行检验。表7的回归结果显示，无论是否加入控制变量，QFII持股均可显著抑制股票市场操纵。四是借鉴以往文献(李志辉和金波，2021[19]；李志辉等，2021[20])，继续添加以下控制变量，账面市值比、总资产增长率、日收益波动率、Sigma系数、年成交量、董事长与总经理是否兼任、总市值，本文结论依然稳健(2)受篇幅所限，添加变量后的回归结果未在文中列示，感兴趣的读者可联系作者索取。。

表6 QFII持股影响股票市场操纵的稳健性检验(第一部分)

表7 QFII持股影响股票市场操纵的稳健性检验(个体固定效应)

(四)影响机制分析

1.降低信息不对称性。

QFII大多为专业的基金公司或投资银行，积累了丰富的投资策略和分析技术，能够对企业信息形成深入挖掘(李春涛等，2018[6])。首先，QFII的投资行为能够将自身分析出的信息充分融入股价，使股价能够更好地反映公司基本面(饶育蕾等，2013[27])。其次，QFII的抛售行为也会被其他投资者分析与效仿，可能导致公司市值大幅下挫，从而形成显著的利空威胁，促使大股东和管理层守法合规经营，避免违规发布虚假信息以及盈余操纵(杨海燕等，2012[9])。再次，QFII的投资行为可供市场其他参与者学习，能够降低其他参与者的信息处理成本，从而显著提升市场对被持股公司的关注度，使市场能够共享更多的上市公司信息。所以，QFII持股在理论上可显著提升上市公司在股市的信息透明度。

既有研究表明，KV指数(KV)和分析师关注度(LnAna)是度量上市公司信息不对称程度的常用指标，KV指数越低、分析师关注度越高则上市公司信息透明度越高。本文拟使用以上两个指标并参考Baron和Shapiro(2022)[36]、吴敏等(2022)[37]的分析方法，检验QFII持股通过提升上市公司信息透明度来抑制市场操纵的传导机制。

借鉴李春涛等(2018)[6]的研究，KV的计算方法如下：

ln|ΔPt/Pt-1|=α+β(Volt-Vol0)+ui

(9)

KV=β×1 000 000

(10)

其中，ΔPt是Pt与Pt-1的差值，Pt是交易日t的收盘价，Volt是t日的交易量，Vol0是年度日平均交易量。不考虑β为负值、年度交易日小于100天的情况。

借鉴Chen等(2015)[39]、徐细雄等(2021)[28]的研究，分析师关注度的计算方法为：股票年度分析师关注人数加1取对数。

表8的列(1)、列(2)是对模型(8)的回归结果。由于KV为负向指标、LnAna是正向指标，所以从核心解释变量(QFShare)对机制变量的回归结果可以看出，QFShare能够在1%的水平上显著提升上市公司在股市的信息透明度。而以往研究表明，提升上市公司信息透明度可显著削弱操纵者的信息优势，从而产生抑制市场操纵的作用(Goldstein和Guembel，2008[40]；李志辉和金波，2021[15]；李志辉等，2021[19])。具体而言，如果上市公司信息透明度高，则普通投资者拥有较为充分的信息，对上市公司的财务和运营情况有着清晰的认知，能够有效甄别操纵者蓄意制造的缺少基本面支撑的交易假象，大幅提升市场操纵者的实施难度(Barbosa，2012[18])；但如果上市公司信息透明度低，普通投资者与操纵者之间信息差距较大，只能依靠成交量、股价等有限信息进行交易决策，则极易被操纵者设下的“陷阱”所迷惑。所以，QFII持股能够通过提升上市公司信息透明度来抑制股票市场操纵。假设2成立。

2.提升股票流动性。

首先，QFII作为一种专业和独特的境外机构投资者，其财务投资行为可以在一定程度上为市场注入资金和流动性(Ng等，2016[29])。其次，QFII持股的示范效应会显著提升其他投资者对被持股公司股票的信心(柯艳蓉等，2020[32])和购入倾向，投资者对股票的内在价值能够迅速达成共识，如果持有者因自身原因卖出股票，则股票会很快被其他投资者所承接买入。再次，QFII的利空威胁能够对上市公司起到良好的监督作用，促使上市公司守法合规经营(Bena等，2017[11])，提升公司经营业绩与发展潜力，从而显著提升投资者对上市公司的信心。所以，理论上，QFII持股会显著提升上市公司股票流动性。

借鉴既有研究，使用成交额加权相对有效价差(ESP)和Amivest流动比率(LnAmi)度量股票流动性。ESP为负向指标，值越高则流动性越差(Venkataraman，2011[41]；李志辉等，2018[1])，LnAmi是正向指标，值越高则股票流动性越好(李志辉等，2021[20])。上述指标的计算公式如下：

(11)

LnAmi=ln[(1/TraDay)×(∑Vt/rt)]

(12)

其中，Pi,k为股票i在交易日内第k笔交易的成交价格，PM,i,k为股票i第k笔交易最佳卖出价格和最佳买入价格的均值，Wi,k为股票i第k笔订单成交额占当日总成交额的比重。TraDay表示每年交易日的总天数，Vt表示单位时间内的成交额，rt表示时间t-1到t的收益率。

从表8列(3)、列(4)可以看出，QFShare在1%的水平上显著降低ESP、提高LnAmi，说明QFII持股可以显著提升被持股上市公司股票流动性。而以往研究表明，提升股票流动性能够显著降低市场操纵的发生概率(Aggarwal和Wu，2006[42]；李志辉等，2021[20])。具体而言，如果股票流动性越高，则相同的交易额可能仅使股价产生小幅度的变动，难以吸引散户注意，操纵者需要动用更大的资金量才可能成功，这就显著提高了操纵者的资金成本以及实施难度(Comerton-Forde 和Putninš，2011[17])。所以，QFII持股可通过提升股票流动性来抑制股票市场操纵。假设3成立。

表8 QFII持股影响股票市场操纵的影响机制分析

(五)进一步分析

根据前文分析，由于忌惮QFII的信息分析能力、担心QFII抛售所带来的示范性影响，上市公司大股东和高管会更大概率地守法尽职经营企业，所以QFII具有显著的外部监督作用(李春涛等，2020[6])。本文尝试进一步探究其他监督机制是否会对QFII的监督作用产生影响。理论上，如果上市公司自身以及外部的监督机制越弱，则QFII的监督作用越显著。

姜付秀等(2017)[43]研究发现，相比于单一大股东的公司治理模式，多个大股东可在企业内部形成有效制衡，能够显著抑制大股东的“掏空”行为，其中，大股东为持股10%以上的股东。由此，本文定义变量Mult，表示公司是否具有多个大股东，如果公司存在2个或2个以上大股东，则取值为1，否则为0。同时将第一大股东持股比例不足10%的样本的Mult置为空值。特别地，上市公司的不同股东可能会以一致行动人的形式共同持股，并在表决时采取相同行动，因此将一致行动人认定为同一个股东，并将其持股比例进行累加。分组回归结果见表9列(1)、列(2)。当Mult=0时，QFShare的系数在1%的水平上显著为负；当Mult=1时，QFShare的系数不再显著。

郑建明和孙诗璐(2021)[44]研究认为，相较于国内非“十大”会计师事务所，“十大”会计师事务所的审计师通常拥有更高的职业素养和专业技能，可更加精确地识别客户风险，出具更高质量的审计意见，从而对上市公司发挥更好的外部监督作用。据此，本文将样本按照审计师是否来自“十大”会计师事务所进行分组。表9列(3)、列(4)的结果显示，当会计师来自非“十大”会计师事务所时，QFShare的系数仍在1%的水平上显著为负，但是当会计师来自“十大”会计师事务所时，QFShare的系数不再显著。

以往研究表明，独立董事可以通过对上市公司的并购重组、关联交易等关键事项进行审议并发表专业意见，进而发挥监督职能(周泽将和高雅，2019[45])、提升会计报表透明度。本文参考王雄元等(2018)[46]的方法，使用独立董事占比(Pid)来衡量独立董事的监督能力，并设置分组变量Pid_flg，当上市公司独立董事占比大于年度行业中位数时该分组变量取值为1，否则为0。表9列(5)、列(6)的回归结果显示，在独立董事占比较低的组QFShare对市场操纵的回归系数在1%的水平上显著为负，在独立董事占比较高的组QFShare的系数不再显著。

企业外部制度环境是对辖区内所有经济主体产生影响的宏观治理因素，由一系列规则、规范组成。制度环境较好的地区通常拥有更加高效、透明的行政审批流程，这将显著压缩企业的权力寻租空间，有力推动企业守法合规经营。并且，地区制度环境越好，则法律体系建设越完善，企业所受到的外部监督强度越大(姜付秀等，2017[43])。本文借鉴王小鲁等(2017)[47]的研究，使用市场化指数衡量企业外部制度环境水平，并设置分组变量Mar_flg，当上市公司所在地市场化指数大于年度行业中位数时Mar_flg取值为1，否则为0。表9列(7)、列(8)的回归结果显示，在市场化水平较低的组QFShare的系数显著为负，而在市场化水平较高的组QFShare的系数不再显著。

综上所述，相比于另外一个分组，QFII在单一大股东、审计师来自非“十大”会计师事务所、低独立董事占比、低市场化指数等弱监督环境下对市场操纵的抑制作用更显著。由此，本文进一步说明了QFII持股是通过发挥其监督效应，从而抑制了股票市场操纵。

表9 QFII持股影响股票市场操纵的进一步分析

六、结论和政策建议

本文发现QFII持股可显著抑制股票市场操纵，机制分析表明QFII持股主要通过提升上市公司信息透明度、提高股票流动性来抑制股票市场操纵，是行之有效的外部监督力量。经过一系列检验后，结论仍然稳健。最后，通过分组检验的方法证明了在单一大股东、低独立董事占比、低市场化水平等弱监督环境下QFII持股对股票市场操纵的影响更显著。

本文从市场公正的角度证明了QFII更多的是扮演价值投资角色，这一研究结论与我国最初引进QFII以稳定和规范A股市场并提升股票市场质量的初衷是高度吻合的，也充分说明了我国循序渐进开放QFII投资A股市场的政策是正确且成功的。同时还需要认识到，目前我国A股市场以散户为主，投资者尚不成熟、法律体系建设还不够完善，仍需多措并举进一步推进A股市场的公平公正发展。

本文政策建议如下：第一，从国家政策层面、资本市场发展层面以提升股票市场质量为导向构建上市公司外部的投资者保护体系；以提升内部控制有效性和信息披露质量为出发点，对规范上市公司内部治理的法律法规进行有针对性的调整和完善，强化对内部治理缺陷的披露和监管，从而全面提升上市公司内部治理水平。第二，本文构建的市场操纵识别模型具有较好的预警识别能力，证监会和证券交易所可借鉴本文设计的识别方法完善市场操纵实时监控系统，提升监控系统的市场操纵识别能力。监管部门可充分借力丰富的监控手段加大对市场操纵的处罚力度，对违法违规行为形成强大威慑力。第三，进一步加快我国金融市场的对外开放程度，在充分考量我国资本市场实际情况的基础上优化QFII的认定标准，让更多的优质境外机构投资者参与到我国A股市场，促进我国资本市场的成熟化和专业化提升，显著降低股票市场操纵的发生概率，从而有力推动中国股票市场的高质量发展。