一、引 言

自沪深交易所成立以来，中国股票市场在规模上取得了巨大发展。截至 2016年底，沪深两市上市公司数量超过3000家，总市值达到51万亿元。除在外延上的增长以外，股票市场的运行质量如何同样值得关注。尤其是 2015年股市出现异常波动后，涉及交易制度、上市公司法人治理、中小投资者保护等各方面的问题集中暴露出来，需要对异常波动的深层次原因加以反思，更加大了分析中国股票市场质量水平与探究市场质量制约因素的紧迫性。为此，构建针对中国资本市场质量的评估框架就成为当务之急。

资本市场设立的初衷在于发挥其资源配置、分散风险、财富管理的功能(中国社会科学院金融研究所课题组等，2015)。根本上讲，资本市场质量的高低取决于其功能能否充分发挥，特别是存量与增量资源配置的效率以及证券定价的效率，因而市场效率(Market Efficiency)是评估市场质量的重要维度。同时，富有效率的股票市场必须以维护市场公正透明为前提，才能确保中小投资者的合法权益受到保护(胡汝银，2004)。因此，市场公正(Market Integrity)也是评估市场质量时不容忽视的方面。事实上，市场效率与公正已成为全球主要证券交易所共同追求的目标(Siow and Aitken，2003)。据此，Aitken和 Harris(2011)将市场效率和公正作为两个衡量市场质量的维度，初步构建了资本市场质量评估框架。作为两个衡量股票市场质量的维度，效率与公正并非彼此独立，而是存在相互影响的动态关系(Aitken and Harris et al.，2015)。因此，为全面深入地了解中国股票市场的运行质量，有必要弄清中国股票市场公正与效率之间的相互影响关系。

有鉴于此，本文引入收盘价操纵的识别模型，以可疑收盘价操纵的严重程度来度量股票市场的公正性；同时，本文构建了成交额加权相对有效价差指标，实现了交易成本和市场效率的更为准确的测度。进一步地，本文立足于资本市场质量的研究框架，采用滚动 VAR模型和广义的脉冲响应及方差分解技术分析了上海证券交易所层面操纵行为影响市场效率的方向、程度、渠道，以探究公正与效率之间关系在中国股票市场的体现。本文借助广义脉冲响应及方差分解结果的时变过程，还刻画了不同市场行情(上涨、下跌及震荡)下操纵行为对市场效率影响程度的演变。

本文的贡献主要体现在以下三点：第一，文章实现了交易型操纵中收盘价操纵行为的有效识别，为采用事件分析法以外的方法研究操纵行为如何影响市场效率创造了条件。文章引入了成交额加权相对有效价差指标，实现了对市场效率更加准确的测度。第二，本文采用广义的脉冲响应与方差分解方法来分析操纵行为对市场效率的作用与影响，克服了正交的脉冲响应与方差分解结果对变量次序的依赖性(Pesaran and Shin，1998；Yang et al.，2006；Alter and Beyer，2012；梁琪等，2015；李政，2017)。第三，基于滚动 VAR模型的广义脉冲响应分析及方差分解，本文刻画出系统变量间动态作用的时变过程，从而捕捉到了操纵行为对市场效率影响程度在不同市场行情下的演变。

二、文献回顾

市场微观结构理论(Market Microstructure Theory)认为，资本市场在交易机制、监管制度等方面的安排会显著影响市场行为，从而建议通过更好的市场设计来改善市场表现(Glen，1994)。该观点内在地包含了市场交易行为会明显影响市场运行质量。以该理论为基础，国内外学者围绕资本市场质量展开了大量研究，其中市场操纵行为如何影响市场效率是不容忽视的重要方面。在国外与之有关的研究方面，Aitken和 Harris等(2015)的研究表明，市场操纵的发生次数减少 50%,会导致相对报价价差降低 6%,～11%,，验证了提升市场公正度有助于减小价差和促进市场效率提升。Comerton-Forde和 Putnins(2011)发现，被操纵期间股票的收益率、买卖价差及交易规模等会显著增大。在国内，李梦雨(2015)基于中国股票市场操纵案例的实证研究指出，操纵行为会导致交易成本增加和市场有效性降低。李志辉等(2018)基于可疑收盘价操纵监测结果的实证分析指出，收盘价操纵会导致股票交易成本上升和流动性下降。

上述研究成果表明，国内外学者主要基于交易所及监管机构所披露的市场操纵案例采用事件分析法来展开研究，与真实发生的操纵行为相比，被披露的操纵案例数量明显较少；而且研究操纵行为对市场效率影响的目标之一在于构建市场操纵行为的预警体系，而事件分析法具有一定的滞后性，不利于操纵行为识别方法的开发与预警体系的构建。

操纵行为影响市场效率研究的前提在于操纵行为的有效识别与测度。有鉴于此，本文利用股票市场实时交易数据，重点关注交易型操纵① 交易型操纵是指通过二级市场证券交易以使证券价格发生偏离的市场操纵方式。中的收盘价操纵行为，并以证券交易价格在开盘、收盘期间的变动特征构建了该行为的判定标准。进一步地，基于对上述操纵行为的识别，本文采用滚动VAR模型和广义的脉冲响应及方差分解方法，深入分析了操纵行为影响市场效率的方向、程度。Foucault(1998)给出了关于操纵行为与市场效率关系的理论阐释：当市场操纵行为加剧证券价格波动后，订单非执行风险会相应下降，投资者会选取更为保守的报价策略，即在远离最佳买入卖出价的价格上提交订单，从而增大买卖价差和交易成本。本文也尝试通过广义的脉冲响应分析及方差分解对该理论阐释进行论证。在资本市场质量的研究框架下，本文的实证分析阐明了公正与效率两个维度之间的关系，这有利于深化对我国股票市场公正与效率内在关系的认识，从而为系统地构建中国股票市场质量评估框架奠定基础。

三、可疑收盘价操纵的识别与样本数据

操纵行为对市场效率影响研究的核心是两者内涵及测度方法的明确。对于市场操纵，引导证券成交价格变化并从中获利是比较常见的操纵策略。因此，通常可以通过证券价格在不同交易时刻的变化特征来构建操纵行为的监测方法。对于市场效率，现有成果除关注狭义上证券的价格发现效率以外，也将信息、交易技术、监管、市场参与者等均纳入市场效率的影响因素，并采用交易成本来度量② 若交易成本越低，即投资者在现金资产与股票资产之间转换越便利，则投资者所参与的股票市场越有效率。(Glen，1994；Aitken and Harris et al.，2015)。下面，笔者对如何测度股票市场操纵行为及效率水平做详细介绍。

（一）操纵行为监测

本文主要关注通过二级市场证券交易以使证券价格发生偏离的市场操纵方式，这类操纵方式为交易型操纵(Allen and Gale，1992；李梦雨，2015)。在各类交易型操纵策略中，在收盘时操纵证券价格是较为常见的策略之一。现有针对收盘价操纵的研究成果为构建可疑操纵行为的识别模型奠定了基础。一方面，有学者发现发生收盘价操纵后，股票价格会在收盘前发生不同于其他交易日的异常波动。比如，Carhart等(2002)发现美国证券市场股价上涨主要集中在收盘前半小时内。Hillion和 Suominen(2004)发现巴黎证券交易所往往在收盘前最后几分钟内出现股票价格及成交量大幅波动，并将其归因于市场操纵。Comerton-Forde 和 Putnins(2011)发现，受收盘价操纵的影响，尾市期间交易活动及股票收益率显著增加；另一方面，也有学者发现股票价格倾向于在被操纵的下一交易日内发生回转。Ben-David等(2013)研究发现对冲基金重仓股在季末表现出 0.30%,的异常收益后，会在下一交易日发生 0.25%,的收益回转。Aggarwal和 Wu(2006)研究表明股票价格在被操纵期间上涨后，往往会在随后的时期内出现明显下降。

勘探布置1孔，孔深15m。闸基高程5.8～6.8m主要为第②1层粉土，构成地基主要持力层，具中等压缩性，中等透水性，渗透稳定性较差。高程1.7～5.8m为第②层壤土、第③壤土，具中等压缩性，微弱透水性，强度较高。高程1.7m以下主要为第③1黏土层、第③壤土层，具中高压缩性，微弱透水性，工程地质相对较差。

总之，受改善基金业绩、从股票衍生品持仓中获利或在预先安排的场外交易中获得有利价格等潜在动机的驱使，市场操纵者倾向于在收盘时推高目标股票价格。但是当操纵意图实现后，股票价格往往会在下一交易日迅速下跌，从而表现出以下特征：股票价格在收盘结束前的最后时间内呈现出不同于其他交易日的异常波动，并在下一交易日回转至相对均衡的水平。基于该特征，本文构建了以下尾市价格偏离模型(End of Day Price Dislocation Model)。具体来说，股票被判定为发生收盘价操纵需同时满足以下条件。

综上可知,可中断负荷管理是需求侧管理的重要组成部分。鼓励用户参与到电力市场辅助服务的管理中,不仅可以在用电高峰时进行削峰,而且可以减少旋转备用成本以及备用容量投资建设成本,从而充分优化发电侧备用资源和需求侧备用资源的配置。到2030年,预计在风电快速发展的形势下,电动汽车普及率提高,储能价格逐步下降,负荷侧参与电网的辅助服务将是消纳大规模风电的主要手段。

其一，交易结束前15分钟内股票价格出现异常变化，即：

 

本文关注更广范畴的市场效率，此时除市场信息以外交易技术、监管、市场参与者等均是关系市场效率高低的因素。交易成本(Transaction Cost)反映了投资者买入卖出股票资产的便利程度，常用于评估广义范畴的市场效率。一般而言，交易成本既包含佣金、印花税等显性成本，也涉及买卖价差等隐性成本(Glen，1994)。买卖价差是指股票最高买入价与最低卖出价之间的距离，其常见度量指标为收盘时刻报价价差和交易日内按时间加权的相对报价价差等。收盘时刻报价价差仅涵盖了交易日内最后一个样本点的订单报价信息，只能度量交易最后时刻的股票交易成本；时间加权相对报价价差(Time Weighted Relative Quoted Spreads)的计算公式如下：

如图3所示，网络中一个出现节点1720个、连线879条。其中，最大作者合作团队是季浏、汪晓赞、尹志华等老师组成的多人团队，其次是姚蕾、刘建等老师组成的合作团队，再次是毛振明、杨敏等老师的合作团队，还有闻兰、张瑞林等老师的团队。从这些团队我们可以看出，我国体育教学评价研究领域的作者合作团队正在形成之中，但是这些作者之间的合作多是校友、师生、同事之间的合作，研究的领域基本一致，缺乏跨领域、跨专业、跨高校之间的团队合作，这在一定程度上影响了我国体育教学评价研究发展，只有加强不同领域之间、不同专业之间和不同学校之间交流合作，才能在原有基础之上突破创新，推动我国体育教学评价研究的不断发展。

其二，与当天交易日收盘价相比，下一交易日股票开盘价出现价格回转，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：

 

其中，BestAskit和Bestbidit分别为股票i在交易时间t的最低卖出报价和最高买入报价，Volume_askit和 Volume_bidit分别为股票 i在交易时间 t最低卖出报价和最高买入报价所对应的成交数量。

另外，需要注意的是，符合上述判定条件的股票价格变化也可能是源于上市公司披露公告、谣言澄清等因素的影响，而与收盘价操纵无关。鉴于此，本文也采用Reuters全球新闻数据库过滤掉了由上述因素导致的股票价格在收盘及开盘阶段的异常变动，以提升收盘价操纵识别监测的准确性与有效性。

（二）市场效率与交易成本

其中，表示交易日t内股票i收盘价相对收盘前15分钟成交价格的变化率，为交易日 t前 30个交易日的滚动窗口下ΔEODit的平均值，σi为相同时间窗口下ΔEODit的标准差。

现行的水资源配置主要有三个环节：一是总量控制，二是水量分配，三是取水许可。从总量控制、水量分配到取水许可，是水资源从宏观到微观配置的过程。总量控制和水量分配是国家作为水资源所有权人，将其水资源宏观配置权在行政层级间逐级下放，形成从中央到地方、自上而下的行政主体间水资源配置权和管理权的逐级分解，这是水资源的宏观配置，配置主体和对象是上一级行政区域政府和下一级行政区域政府，不应当引入市场机制。取水许可环节是通过水行政主管部门审批取水许可，实现水资源所有权与使用权的分离，将水资源使用权落实到取用水户，是水资源的微观配置，可以引入市场机制。

自编不进位加法和不退位减法口算题2套和进位加法和退位减法口算题2套．即，1套一位数加一~八位数口算题各8道，共64道；1套一~八位数减一位数口算题各8道，共64道；1套一位数加一~八位数口算题各8道，共64道（只进一位）；1套二~八位数减一位数口算题各8道，共56道（只退一位）．

 

其中，PAit和 PBit分别为股票 i在交易日内 t时刻的最佳卖出价格和最佳买入价格，PMit为股票 i在 t时刻 PAit和PBit的均值，Wit为股票 i在交易日内 t时刻价差持续时间占当日总交易时间的比重(Siow and Aitken，2003)。尽管时间加权相对报价价差考虑了最佳买卖报价每一次变化所产生的影响，但该指标忽略了股票价格会因订单执行而发生变动以及随之引起的订单执行成本的变化，这在一定程度上影响了其度量交易成本的准确性。

考虑到收盘报价价差和时间加权相对报价价差的内在缺陷，本文借鉴Venkataraman(2001)的做法，引入成交额加权的相对有效价差(Value Weighted Relative Effective Spreads)，将其作为衡量交易成本的指标。该指标将交易日内第k笔交易所对应的最佳买入卖出价格的平均值PMik作为股票i的内在价值，通过测算第k笔订单成交价格相对PMik的偏离程度实现交易成本的度量。其计算公式如下：

在建立VAR模型并进行广义的脉冲响应分析及方差分解之前，本文采用ADF方法对所有变量进行单位根检验。由表1中检验结果可知，在 10%,的显著性水平下，各变量均拒绝“存在单位根”的原假设，即模型中4个变量均是平稳的I(0)过程。

 

其中，Pik为股票i在交易日内第k笔交易的成交价格，PMik为股票i在交易日内第k笔交易最佳卖出价格和最佳买入价格的均值，|Pik-PMik|确保了不管交易为买方主动型交易(A Buyer-Initiated Trade)还是卖方主动型交易(A Seller-Initiated Trade)，相对有效价差均为正值① 当交易为买方主动型交易时，买方会出不低于最低卖出价的报价以促成买入订单成交，此时 Pik＞PMik；当交易为卖方主动型交易时，卖方会出不高于最高买入价的报价以促成卖出订单成交，此时Pik＜PMik。。|Pik-PMik|需乘以 2是因为该指标旨在度量投资者买入股票后立即卖出时所面临的潜在交易成本。Wik为股票i在交易日内第k笔订单成交额占当日总成交额的比重。

为分析操纵行为影响市场效率的渠道并论证证券交易活跃度和价格波动程度是否从中发挥作用，本文将证券交易活跃性和波动性纳入模型系统。对于交易活跃性，通常采用订单深度(Quoted Depth)来度量。订单深度是指最佳买入卖出报价(Quote at the Best Bid and Offer)所对应的订单价值，能够反映瞬间达成交易的订单规模的大小。该指标越大，表明市场交易活跃程度越强，市场流动性越高。其计算公式为：

城市天际线一直以来就是城市设计中的一个重要因素[1]。尤其对于滨水城市而言，大面积水域附近的视野较为开阔，城市滨水天际线具有突出的表现力与识别性，是提升城市空间品质的关键[2]。由于国际上有关城市天际线的评价尚未形成统一标准，因此城市天际线控制设计仍然依赖于建筑师或规划师的直观判断，这显然忽略了现实情况中审美观念带来的普遍影响[3]100。笔者针对城市天际线形态特征，以天津海河沿岸天际线为例，基于公众的美学感受反馈，探究城市天际线定量评价方法，为建立科学有效的天际线美学控制手段体系提供可能性。

 

其中，CPt、CPt-15m分别为股票 i在交易日 t的收盘价及收盘前 15分钟的成交价格，OPt+1为股票i在交易日t+1的开盘价。

除市场流动性以外，波动性也是反映股票二级市场运行状况的重要指标。本文设定20个交易日的滚动窗口来计算交易日t股票i收益率的标准差，用以衡量股票价格波动性水平。具体计算公式如下：

 

其中，Ri，t＝log(Pit)-log(Pit-1)为股票 i在交易日 t的对数收益率，为交易日t-19～交易日t期间股票i收益率的平均值。

（三）样本数据及研究方法

N维VAR过程为：

本文重点关注整个市场层面操纵行为发生次数的多少对市场效率的影响，而不考虑该影响关系在股票层面的体现。据此，本文以样本股票的分时交易数据为基础，构建交易所层面操纵行为发生情况、交易成本、交易活跃性及波动性的度量指标。对于操纵行为发生情况，本文根据前述市场操纵行为的判定依据，对样本区间内每个交易日股票是否存在操纵情形加以判断，从而得到每个交易日内沪市发生操纵的预警概率(Alert Incidence)。其具体计算公式如下：

 

其中，nt为在交易日t被判定存在市场操纵情形股票的数量，Nt为在交易日t沪市样本股票中剔除停牌股票后的总数量① 在计算操纵预警概率时，如果不剔除停牌股票的影响，可能会导致操纵预警概率被低估。同时，本文在计算各交易日内成交额加权相对有效价差、订单深度和日收益率标准差的平均值时，也将交易日当天停牌即未发生交易的股票排除在外。。

如何弥补这个缺陷呢？西方文明发展演进逻辑借鉴或模仿颇具神学色彩或“形而上学”特征的各种形式，将“天赋人权”简称为“人权”，视为一种“天然道义”，始终占据“人类道义”和“文明发展”的制高点，任何人都不敢也不能质疑可能存在的问题。这就是西方文明发展演进逻辑将“天赋人权”视为普世价值，并将自身视为人权、国际法等方面的代表者和维护者的原因。而实际上，却从未真正实现自由平等。

对于交易成本，首先按照公式(4)计算得到各样本股票在样本区间内每个交易日的成交额加权相对有效价差，然后在每个交易日内对各只股票的成交额加权相对有效价差进行简单算术平均，并以平均值作为市场层面交易成本的度量指标。对订单深度进行相同处理，可以得到市场层面交易活跃性的度量指标。对于波动性水平，本文以样本股票日收益率的平均值来衡量市场层面的收益率水平，并按照公式(6)计算得到市场层面收益率的标准差，作为市场波动性的度量指标。

为减少异方差和保证数据平稳性，本文对订单深度和市场波动性进行对数处理。市场层面操纵预警概率、成交额加权相对有效价差、订单深度和波动性水平分别用AI、SPREAD、DEPTH和VOL来表示。

在论证中国股票市场操纵对市场效率的影响时，不仅需要明确其影响方向，而且涉及影响程度的大小。本文选择广义的脉冲响应与方差分解方法来分析操纵行为对市场效率的作用与影响。

本文所选取的样本区间为2013年1月4日至2016年9月30日，并以2013年1月4日前在上海证券交易所上市的股票为样本来分析操纵行为对市场效率的影响。本文剔除了样本区间内存在退市风险警示或其他风险警示实施记录的股票，以避免实施风险警示股票价格的异常波动对研究结论产生影响。经过处理后，符合要求的股票共计832只。

在广义方差分解下变量ix的H步预测误差方差中由变量jx信息所解释的比例为：

 

其中，Xt为协方差平稳的 N维列向量，εt为N维随机扰动项，且服从期望为 0、方差协方差矩阵为Σ的独立同分布，即εt～iid(0,Σ)，因而εt不存在序列相关性，但各分量之间同期相关。

由于VAR模型的动态系数矩阵Φi难以直接解释，通常将VAR模型写为无限阶的VMA过程：，VMA系数矩阵Ai服从如下递归表达式其中A0为N阶单位矩阵；当j＞p时，Φj=0。此时，当变量i受到1单位标准差的冲击时，Xt的H步广义脉冲响应函数① 关于广义脉冲响应及广义方差分解的详细介绍可参阅 Pesaran和 Shin(1998)、Yang等(2006)、Alter和Beyer(2012)、梁琪等(2015)、李政(2017)的研究。为：

 

大多数外国留学生对于形声字的概念是模糊不清的，这不利于对外汉语教师开展形声字的教学。首先应当让留学生们了解形声字的相关知识。形声字的概念最早出现在东汉许慎的《说文解字》中“形声者，以事为名，取譬相成，江河是也”这句话中。通过对前人的研究总结，得出当今学术界对形声字的定义是：形声字是由形符和声符构成，形符示义，声符示音，它在表示一定意义的同时，还表示一定的读音。

 

其中，Σ为εt的方差协方差矩阵，σii为Σ的第i个对角元素，ei为选择列向量，第i个元素为 1，其余元素均为 0。鉴于广义方差分解下，一般采取行加总的方式进行标准化，即：

 

经标准化处理后，测度了变量xi的预测误差方差中由变量xj信息冲击影响的比例。具体来说，、分别代表了变量 xi的预测误差方差中来自自身信息及其他变量信息冲击影响的比例。

电解池工作时,由于受电场影响,电解质溶液中阴离子要向着阳极作定向移动,阳离子要向着阴极作定向移动,这是电解过程中电解质溶液导电微观原理。但是,若由此认为这是电解时电解质溶液中影响离子移动方向的唯一因素,就是一种“以偏概全”的认识误区。实际上,在电解池(原电池也类似)的电解质溶液中,影响离子移动的因素有多项,主要有:

四、实证结果分析

（一）变量描述性统计

表 1给出了各主要变量的描述性统计量。从其中可以看出，沪市股票操纵预警概率的平均值为 0.24%,，即每 1000只在上海证券交易所上市交易的股票中，平均有 2.4只股票存在收盘价操纵的情形。沪市股票成交额加权相对有效价差的平均值为0.2159%,，即沪市股票的平均交易成本为 0.2159%,。从偏度来看，与相对有效价差、订单深度和市场波动性相比，操纵预警概率明显地表现为右偏分布，即在均值右侧存在较大的异常值。从峰度来看，操纵预警概率也比其他三个变量呈现出更高程度的尖峰厚尾形态。另外，J-B统计量也表明四个变量均不具有正态性。

 

表1 变量描述性统计

  

注：*、**和***分别表示 10%,、5%,和 1%,的显著性水平。

 

变量 AI SPREAD(%)DEPTH VOL均值 0.0024 0.2159 14.7313 0.2817标准差 0.0089 0.0436 0.9574 0.5052偏度 24.0723 1.8988 0.7342 0.6914峰度 664.3358 10.5584 3.4550 2.6368 J-B统计量 16671312 2712.982 89.402 77.495 ADF -30.149*** -8.611*** -7.894** -1.912*观测值数量 910 910 910 910

点 评：文章采用拟人的修辞手法写校园的美景，语言优美生动，全文有详有略，谋篇布局合理，题目也很有新意，是一篇理想的作文。

为揭示系统变量间动态关系的时变过程，本文基于滚动的 VAR模型进行广义的脉冲响应分析及方差分解。滚动分析的窗口为 120，即每个滚动子样本包含 120个交易日的观测数据。对于每一个滚动子样本，笔者首先通过 AIC准则来确定 VAR模型的最优滞后阶数。对滚动子样本VAR模型的滞后阶数进行统计后发现，滞后阶数为 1阶的频率最高，达到 87.86%,。最优滞后阶数的分布状况表明，中国股票市场质量相关变量之间的影响过程较快，系统内变量新的变化能够在很短的时间内对其他变量产生影响。在确定每一个滚动子样本下模型的滞后阶数后，本文对各VAR模型的参数分别加以估计，并按照公式(9)和公式(11)分别计算了各滚动子样本下每一个系统变量对自身及其他变量的脉冲响应函数及预测误差方差分解的解释比例。接下来，本文将据此分析系统内变量间尤其是操纵行为对市场效率的作用与影响。

（二）基于滚动VAR模型的广义脉冲响应分析

基于样本期内变量间脉冲响应结果的时变过程，可以计算不同预测期变量间脉冲响应序列的均值水平以及相邻预测期之间脉冲响应序列的相关系数(如表2所示)。其中，脉冲响应的均值水平从总体上反映了变量间相互作用的方向，均值随预测期的变化刻画了信息冲击发生后系统变量的波动过程，相关系数体现了各预测期脉冲响应序列随时间变化趋势的相对一致性。

以操纵预警概率AI对相对有效价差SPREAD所产生的冲击为例，首先，当预测期H为 1时，样本期内脉冲响应序列的平均值为正，这表明操纵行为会导致股票市场交易成本上升和流动性下降；其次，在第 1～6个预测期内，脉冲响应序列的平均值均保持为正，并呈现逐步减少的趋势，表明尽管操纵行为对相对有效价差的正向作用逐步减弱，但仍表现出一定的持续性；最后，各相邻预测期脉冲响应序列的相关系数基本上保持在0.8以上，表明不同预测期之间操纵行为对相对有效价差影响的波动特征基本一致。从其他变量间广义脉冲响应的结果来看，在作用的持续性以及波动特征的跨预测期比较上，也表现出与AI对SPREAD冲击大体相同的特征。

目前，全县还没有一家花椒深加工企业，产业链短，产品附加值不高，产品基本上是以原材料形式进入市场，椒农主要靠商贩到家收购，没有形成稳定的营销渠道和完善的销售网络，市场秩序混乱，市场开拓能力弱，价格波动大。同时，秦安花椒尚未形成品牌效应，不利于当地花椒知名度和市场知晓率的提高，加之部分农户和客商掺杂用假，影响了产品声誉和经济效益的提高。

 

表2 不同预测期广义脉冲响应结果比较

  

注：H是指广义脉冲响应的预测期数。

 

均值(%,)相关系数变量间脉冲响应 H＝1 H＝2 H＝3 H＝4 H＝5 H＝6 H＝1、2 H＝2、3 H＝3、4 H＝4、5 H＝5、6 AI→SPREAD 0.61 0.60 0.39 0.30 0.23 0.17 0.56 0.88 0.90 0.95 0.88 AI→AI 0.55 0.01 0.02 0.01 0.01 -0.01-0.61-0.50-0.78 -0.82 -0.99 AI→DEPTH -2.67-3.44 -2.52 -2.79-1.69-1.18 0.63 0.87 0.78 0.82 0.94 AI→VOL 1.00 1.04 1.26 1.33 1.34 1.34 0.91 0.99 0.99 0.99 0.99 SPREAD→SPREAD 2.00 1.36 0.88 0.66 0.54 0.45 0.94 0.96 0.98 0.97 0.99 SPREAD→AI 0.16 0.05 0.05 0.02 0.01 0.02 0.82 0.62 0.70 -0.14 -0.37 SPREAD→DEPTH -4.50-5.46 -4.34 -2.62-1.26-0.76 0.30 0.91 0.97 0.99 0.99 SPREAD→VOL 1.13 1.70 2.08 2.23 2.30 2.33 0.94 0.98 0.99 0.99 1.00 DEPTH→SPREAD -0.23-0.23 -0.11 -0.13-0.11-0.07 0.77 0.50 0.81 0.90 0.94 DEPTH→AI -0.06 0.05 0.07 -0.05-0.01-0.01-0.73 0.58 -0.93 0.83 0.58 DEPTH→DEPTH 41.56 23.55 14.16 9.31 6.31 4.35 0.72 0.78 0.94 0.97 0.98 DEPTH→VOL 0.59 0.95 1.11 1.20 1.22 1.18 0.91 0.98 0.99 1.00 1.00 VOL→SPREAD 0.37 0.46 0.32 0.28 0.28 0.26 0.78 0.82 0.99 0.96 0.98 VOL→AI 0.03 0.03 0.00 0.02 0.00 0.00 -0.69 0.21 -0.11 -0.37 -0.83 VOL→DEPTH 3.85 2.63 2.64 2.10 1.84 1.64 0.86 0.78 0.93 0.97 0.98 VOL→VOL 6.53 6.23 6.09 5.88 5.67 5.47 0.98 0.97 0.99 1.00 1.00

考虑到系统变量间广义脉冲响应序列在不同预测期具有比较一致的波动特征，本文以上述脉冲响应结果在第 1～6个预测期的平均值来分析变量间作用关系的时变特征；进一步地，本文主要关注操纵行为影响市场效率的方向、程度及渠道，因而重点选取了与操纵预警概率、相对有效价差有关的广义脉冲响应结果的时变过程，并将其整理在图1中。结合表2与图1可以明晰以下几点。

首先，在操纵行为影响市场效率的方向方面，当 AI出现 1单位标准差的上升时，滚动样本期内SPREAD在第1～6个预测期将平均增加0.38%,；进一步来看，在2015年6月中旬中国股市结束单边上涨行情后，第1～6个预测期内AI对SPREAD的平均影响水平呈现逐步上升趋势，并于2015年8月26日达到3.86%,。同样，在2016年1月中国股市发生异常波动期间，第1～6个预测期内AI对SPREAD的平均影响程度也有所增强。这充分说明，与震荡、上涨的市场行情相比，下跌行情下操纵行为对交易成本及市场效率的消极影响往往更为显著。

全部患者均顺利的完成了治疗,研究组的临床治疗有效率是97.8%(45/46),共有30例显效,15例有效,1例无效,对照组的临床有效率是82.6%(38/46),其中23例显效,15例有效,8例无效。研究组的临床治疗有效率比对照组高,结果存在统计学差异性(P<0.05)。研究组的不良反应率是8.7%(4/46),对照组不良反应率是23.9%(11/46),研究组不良反应率比对照组低,结果存在统计学差异性(P<0.05)。

其次，在操纵行为影响市场效率的渠道方面，本文发现，引起市场波动程度上升和交易活跃程度减弱可能是市场操纵影响市场效率的方式。一方面，当AI出现1单位标准差的上升时，滚动样本期内VOL在第1～6个预测期将平均增加1.22%,，并且在87%,的样本期内AI对VOL脉冲响应的数值为正，表明操纵行为会促进市场波动加剧；当市场操纵概率提升引起市场波动加剧后，可能会进一步导致交易成本上升。这是因为，根据VOL对SPREAD的脉冲响应结果，当VOL出现1单位标准差的上升时，滚动样本期内SPREAD在第1～6个预测期将平均增加0.33%,，并且在83%,的样本期内VOL对SPREAD脉冲响应的数值为正，表明市场波动加剧会导致交易成本上升。

另一方面，当AI出现1单位标准差的上升时，滚动样本期内DEPTH在第1～6个预测期将平均减少 2.38%,，并且在 76%,的样本期内 AI对 DEPTH脉冲响应的数值为负，表明操纵行为会降低市场交易活跃程度；当市场操纵概率提升引起交易活跃度下降后，可能会进一步导致交易成本上升。这是因为，根据DEPTH对SPREAD的脉冲响应结果，当DEPTH出现1单位标准差的减少时，滚动样本期内SPREAD在第1～6个预测期将平均增加0.15%，并且在74%,的样本期内DEPTH对SPREAD脉冲响应的数值为负，表明市场交易活跃程度下降会导致交易成本上升。这可以解释为尽管市场操纵会导致被操纵股票的交易量明显增加(Comerton-Forde and Putnins，2011；李梦雨，2015)，但操纵行为的发生违背了市场公正原则，侵害了绝大多数投资者的合法权益，会恶化投资者信心，降低其参与市场交易的意愿。此时，市场总体的交易活跃程度可能会有所减弱，并促使市场流动性降低和交易成本上升。

最后，本文还发现，当DEPTH出现1单位标准差的上升时，滚动样本期内VOL在第1～6个预测期将平均增加1.04%,，并且在 77%,的样本期内 DEPTH对VOL脉冲响应的数值为正，表明市场交易活跃程度的提升会加剧市场波动。这可能是因为随着市场交易活跃程度的提升，有越来越多的流动性交易者、不知情交易者参与到市场中，从而提升了市场交易中噪声交易的占比，而噪声交易增加会加剧股票市场摩擦，进而导致市场波动程度加大(苏冬蔚，2008)。进一步来看，在 2014年下半年中国股市进入单边上涨阶段后，市场交易活跃程度对市场波动的影响明显增强，并于2015年6月中国股市发生异常波动后迅速减弱，表明市场交易活跃度对市场波动的影响程度呈现出与市场行情相一致的特征。

据介绍，6月份，哈国家磷肥厂宣布投资80亿坚戈(约合2200万美元)用于现代化改造，预计到2020年扩大磷肥产量至50万吨，远期目标为100万吨。今年1～8月，该厂的产品主要销往美国、中国、阿富汗、俄罗斯、乌克兰、塔吉克斯坦和乌兹别克斯坦。同时，哈产氮肥已开始向阿根廷、罗马尼亚、捷克、保加利亚和伊朗出口。

  

图1 系统主要变量间广义脉冲响应结果的时变过程(单位：%,)

（三）基于滚动VAR模型的广义方差分解

与前述广义脉冲响应结果的分析类似，本文以不同预测期变量间解释比例的均值比较以及相邻预测期解释比例序列的相关系数(如表3所示)来分析系统变量间作用程度的总体特征。由表3可以看出，对于操纵预警概率AI对相对有效价差SPREAD波动的解释度，当进入第 2个预测期以后，该解释度在样本期内的平均值保持在 13%,以上，表明操纵行为对市场效率的影响在第2个预测期基本达到稳定状态；同时，相邻预测期该解释比例序列的相关系数介于 0.84～1.00之间，表明不同预测期内操纵行为对市场效率影响的波动具有较高的一致性。从其他广义方差分解结果来看，在变量间作用程度以及作用程度随时间波动的跨预测期比较上，也表现出与 AI对 SPREAD波动解释度大体相同的特征。

 

表3 不同预测期广义方差分解结果比较

  

注：H是指广义方差分解的预测期数。

 

均值(%,)相关系数变量间解释比例H＝1 H＝2 H＝3 H＝4 H＝5 H＝6 H＝1、2 H＝2、3 H＝3、4 H＝4、5 H＝5、6 AI→SPREAD 10.15 13.22 13.70 13.79 13.73 13.65 0.84 0.98 0.99 1.00 1.00 AI→AI 84.76 82.28 80.38 79.60 79.39 79.19 0.97 0.86 0.98 1.00 1.00 AI→DEPTH 1.40 2.74 3.25 3.81 3.98 4.08 0.61 0.97 0.92 0.99 1.00 AI→VOL 3.86 3.79 4.14 4.44 4.70 4.89 0.98 0.99 1.00 1.00 1.00 SPREAD→SPREAD 82.42 76.19 73.71 72.13 70.99 70.15 0.82 0.99 0.99 1.00 1.00 SPREAD→AI 10.34 10.95 11.33 11.39 11.43 11.50 0.99 0.99 1.00 1.00 1.00 SPREAD→DEPTH 4.19 6.14 7.63 8.85 9.87 10.46 0.92 0.99 0.99 0.98 0.99 SPREAD→VOL 3.94 5.56 7.06 8.19 9.09 9.84 0.97 0.98 0.99 1.00 1.00 DEPTH→SPREAD 3.70 5.20 6.49 7.31 7.86 8.20 0.93 0.98 0.99 1.00 1.00 DEPTH→AI 1.34 2.97 4.48 5.11 5.23 5.31 0.69 0.62 0.99 1.00 1.00 DEPTH→DEPTH 92.31 88.68 86.20 84.03 82.45 81.39 0.82 0.98 0.98 0.99 1.00 DEPTH→VOL 2.00 2.79 3.47 4.14 4.69 5.07 0.97 0.98 0.99 0.99 1.00 VOL→SPREAD 3.72 5.38 6.11 6.77 7.42 8.00 0.93 0.99 0.99 1.00 1.00 VOL→AI 3.56 3.81 3.81 3.91 3.95 3.99 0.97 1.00 1.00 1.00 1.00 VOL→DEPTH 2.09 2.43 2.92 3.31 3.70 4.08 0.98 0.97 0.98 0.99 0.99 VOL→VOL 90.19 87.85 85.33 83.23 81.52 80.19 0.98 0.99 0.99 1.00 1.00

变量间解释比例序列的均值水平基本上在6个预测期内达到稳定，鉴于此，本文以广义方差分解结果在第1～6个预测期的平均值来分析变量间作用程度的时变特征。与前述广义脉冲响应分析相一致，本文选取了与操纵预警概率、相对有效价差有关的广义方差分解结果的时变过程，并将其整理在图2中。结合表3与图2可以看出：首先，从操纵行为对相对有效价差的综合影响来看，市场操纵对相对有效价差波动的解释比例大致保持在5%,～30%,之间，表明市场操纵行为会对交易成本产生较大影响。进一步来看，在2015年股市异常波动期间该解释比例出现明显提升，于2015年8月26日达到峰值，接近44%,。这进一步印证了前述广义脉冲响应分析的结论：操纵行为对市场效率的影响往往在下跌行情下更为显著。其次，对于操纵行为通过加剧市场波动影响市场效率的作用路径，操纵行为对市场波动的解释比例大致保持在0～15%,之间，市场波动对相对有效价差波动的解释比例大致保持在0～20%,之间；对于操纵行为通过降低市场交易活跃度影响市场效率的作用路径，操纵行为对订单深度的解释比例大致保持在0～8%之间，订单深度对相对有效价差波动的解释比例大致保持在0～20%之间。这充分表明“AI→VOL→SPREAD”、“AI→DEPTH→SPREAD”是操纵行为作用于市场效率的两个不容忽视的传导渠道。进一步地，从市场波动与订单深度对相对有效价差解释度的时变过程来看，两者的相关系数高达-0.57，即市场波动与订单深度对相对有效价差的影响呈相反变动趋势，并且市场波动的影响往往在下跌行情里更为显著，而订单深度的影响往往在震荡及上涨行情里更为显著。

  

图2 系统主要变量间广义方差分解结果的时变过程(单位：%,)

五、结论与政策启示

本文从资本市场质量的研究视角出发，引入交易型操纵中收盘价操纵行为的识别模型和成交额加权的相对有效价差指标，实现了对中国股票市场操纵行为及市场效率的有效测度。进一步地，本文采用滚动VAR模型和广义的脉冲响应及方差分解方法分析了上海证券交易所层面操纵行为影响市场效率的方向、程度、渠道，并基于广义脉冲响应及方差分解结果的时变过程，对不同市场行情下操纵行为对市场效率的影响进行了比较。

市场公正与效率是两个重要的衡量股票市场质量的维度。经过笔者测算，沪市股票操纵预警概率的平均值为 0.24%。基于滚动VAR模型的广义响应分析及方差分解，本文还发现：(1)操纵行为会导致股票市场交易成本上升，并且操纵行为对市场效率的影响往往在下跌行情里更为显著。(2)操纵行为可能通过两个渠道对市场效率产生影响：一是通过加剧市场波动导致相对有效价差扩大，从而在一定程度上佐证了“操纵行为—加剧市场波动—降低订单非执行风险—投资者报价策略趋于保守—价差扩大及交易成本上升”的作用渠道。二是通过降低市场交易活跃度导致相对有效价差扩大，这意味着操纵行为由于破坏了市场公正，会侵害绝大多数投资者的合法权益，从而恶化投资者信心，降低其参与市场交易的意愿。此时，市场总体的交易活跃程度可能会有所减弱，并促使市场流动性降低和交易成本上升。(3)市场交易活跃程度的提升往往会加剧市场波动，并且市场交易活跃度对市场波动的影响程度呈现出与市场行情相一致的特征。

上述实证分析结论对探索提升我国股票市场质量的路径具有深刻的政策启示。一方面，鉴于收盘价操纵行为往往会导致股票价格在收盘前出现异常变化，建议监管部门据此开发和设计可疑收盘价操纵行为的监测体系，并结合涉及客户详细订单信息的全账簿数据对监测体系加以调整与完善，从而提升其有效性。以该监测体系为工具，监管部门得以将监管重点集中于被监测出的可疑收盘价操纵行为，从而提升市场操纵行为监管的效率；另一方面，鉴于市场操纵行为往往会导致交易成交上升和市场运行效率下降，建议监管部门在增强操纵行为发现能力的同时，进一步加大对这类行为的处罚力度来提升其违法违规成本。

参考文献

［1］胡汝银.中国证券市场发展：对关键问题的审视[J].中国金融，2004(8)：50-52.

［2］梁 琪，李 政，郝项超.中国股票市场国际化研究：基于信息溢出的视角[J].经济研究，2015(4)：150-164.

［3］李梦雨.中国股票市场操纵行为及预警机制研究[J].中央财经大学学报，2015(10)：32-42.

［4］李 政.“811汇改”提高了人民币汇率中间价的市场基准地位吗？[J].金融研究，2017(4)：1-16.

［5］李志辉，王 近，李梦雨.中国股票市场操纵对市场流动性的影响研究——基于收盘价操纵行为的识别与监测[J].金融研究，2018(2)：136-153.

［6］苏冬蔚.噪声交易与市场质量[J].经济研究，2008(9)：82-95.

［7］中国社会科学院金融研究所课题组，王国刚，董裕平.完善中国金融市场体系的改革方案研究[J].金融评论，2015(3)：1-16.

［8］Aggarwal R.K.，Wu G.Stock Market Manipulations[J].Journal of Business，2006，79(4)：1915-53.

［9］Aitken M.J.，Harris F.H.D.Evidence-Based Policy Making for Financial Markets：A Fairness and Efficiency Framework for Assessing Market Quality[J].Journal of Trading，2011，6(3)：22-31.

［10］Aitken M.J.，Harris F.H.D.B.，Ji S.A Worldwide Examination of Exchange Market Quality：Greater Integrity Increases Market Efficiency[J].Journal of Business Ethics，2015，132(1)：147-70.

［11］Allen F.，Gale D.Stock-Price Manipulation[J].Review of Financial Studies，1992，5(3)：503-29.

［12］Alter A.，Beyer A.The Dynamics of Spillover Effects During the European Sovereign Debt Turmoil[J].Journal of Banking &Finance，2014，42(4)：134-53.

［13］Ben-David I.，Franzoni F.，Landier A.，et al.Do Hedge Funds Manipulate Stock Prices?[J].Journal of Finance，2013，68(6)：2383-434.

［14］Carhart M.M.，Kaniel R.，Musto D.K.，et al.Leaning for the Tape：Evidence of Gaming Behavior in Equity Mutual Funds[J].Journal of Finance，2002，57(2)：661-93.

［15］Comerton-Forde C.，Putnins T.J.Measuring Closing Price Manipulation[J].Journal of Financial Intermediation，2011，20(2)：135-58.

［16］Foucault T.Order Flow Composition and Trading Costs in a Dynamic Limit Order Market[J].Journal of Financial Markets，1998，2(2)：99-134.

［17］Glen J.D.An Introduction to the Microstructure of Emerging Markets[J].Social Science Electronic Publishing，1994，53(1)：394-403.

［18］Hillion P.，Suominen M.The Manipulation of Closing Prices [J].Journal of Financial Markets，2004，7(4)：351-75.

［19］Pesaran H.H.，Shin Y.Generalized Impulse Response Analysis in Linear Multivariate Models[J].Economics Letters，1998，58(1)：17-29.

［20］Siow A.S.，Aitken M.J.Ranking World Equity Markets on the Basis of Market Efficiency andIntegrity[Z].Social Science Electronic Publishing，2004.

［21］Venkataraman K.Automated Versus Floor Trading：An Analysis of Execution Costs on the Paris and New York Exchanges[J].Journal of Finance，2001，56(4)：1445-85.

［22］Yang J.，Cheng H.，Li Q.，et al.The Emerging Market Crisis and Stock Market Linkages：Further Evidence[J].Journal of Applied Econometrics，2006，21(6)：727-44.