1、1股票送转、除权日异常收益与分析师关注度摘要：本文使用事件研究的方法，利用 1999 年到 2009 年的中国股市上市公司的股票送股、转增事件的相关数据，分析发现这些股票会由于除权日时间而获得正的异常收益，这一结果不随着不同的统计假设、送转事件是否伴随着现金红利以及按照送股与转增的比例、现金红利数量划分的子样本而改变。探究这种异常收益的来源，发现分析师关注度（下文以分析师关注度来代替）会正向显著的影响异常收益；每多一名分析师关注这支送转的股票会在除权日多带来 0.2 元的异常收益，并且这种关系是稳健的，进一步通过工具变量回归解决了分析师关注的内生性。关键词：事件研究；除权日异常收益；分析师关注
2、度中图分类号：F830.59 文献标识码：A一、引言和文献综述中国股市的股票红利政策包含现金红利、派息、送股、转增，这些政策都由上市公司发布并且有一个行权期限，过了期限股东就无法享受这一权利了。股票的股利发布日往往会带来一定的溢价，目前国内外学者对于此问题研究的结论相对一致，并且从信息和流动性两个角度解释这一溢价。那么除权日的溢价是不是也是显著的呢？国外学者对于除权日溢价有过比较深入的探讨，Elton 和Gruber（1970）开启了学者们对股票的除权日价格行为研究的序幕，利2用 1966 年到 1967 年纽约证交所的股票数据，他们发现当日股票价格下跌额平均是现金股利的 77.8%而非 10
3、0%，也就是说有一定的溢价存在。他们认为这是由于资本利得税率小于红利所得税率引起的，甚至认为可以从股票下跌幅度的不同来预测具有不同边际税率的顾客群体。之后，学者们大多从税收角度研究了除权日的超额收益。Eades 等（1984）对发放高股利的股票的除权日价格进行研究，发现这类股票的超额收益率更小，有时甚至是负数，他们认为对股利的获利交易使税收对这类股票的影响反而比较小；Lasfer（1995）使用英国证券市场的数据研究了税收法案的更迭对于除权日异常收益的产生的影响，他发现在改制前的高税收对于异常收益有正向影响而在改制后的低税收对于异常收益的影响为负并且不显著；Athanassakos 和 Smi
4、th（1996）则研究了加拿大股票红利收税政策的问题，他们发现 1977 年 4 月 1 日到 1985 年 5 月 23 日的免税期除权日收益不显著异于 0 而开始收税的 1985 年 5 月 23 日到 1988 年期间则有显著的正除权日溢价。另一支文献则注重讨论公告日和除权日的日常收益，如 Vijh（1994）发现除权日的异常收益并不比公告日的低，并且猜测人们更加喜欢拆分过的股票，继而引出了流动性的推断，而Nayar 和 Rozeff（2001）则发现除权日的异常收益是由于公告日的低异常收益引起的，并且从交易的不便利性方面进行讨论了异常收益的来源，他们认为交易成本使得套利者无法出现从而异
5、常收益变得显著。与国外研究得到的结果类似，国内学者的研究结果也显示除权日会带来异常收益。陈珠明和史余森（2010）采用事件研究法对高送转股票的财富效应及股东大会通过日和除权除息日等相关事件前后股价的异常3波动进行了研究，他们的实证结果表明牛市中除权除息日前后的股票会在短期内存在超额收益而熊市中除权除息日前后的超额收益不显著。葛宗萍（2009）发现送转股的除权事件促使我们国股价上升，而这一事件本身所隐含的信息对股价也有正向影响。然而，如前所述，虽然国内外已经有学者对于除权日的异常收益的原因进行了一些探讨，McNichols 和 Dravid（1990）发现分析师的预测偏差和异常收益有关，但是目前
6、没有从分析师关注度的角度进行解释这一现象的相关文献。本文将通过事件研究的方法验证中国股市除权日的异常收益的存在，并且从分析师关注的角度来解释这一现象。二、本文的研究方法和数据本文使用事件研究的方法来探究异常收益，从理论上来讲，估计窗应该在没有其他事件的干扰下越长越好，以便得到更好的正常收益的估计，具体的公式推导详见 Qiao（2012） ，它说明估计窗的加长会减小异常收益的方差从而增加估计的精度。本文的盈余的数据主要来自 CSMAR 数据库，我们使用 19992009 年的数据进行研究，在此期间，一共有 1214家公司进行了股票的送股和转增，我们进一步根据是否含有现金红利来区分两个子样本。本文
7、使用的方法和乔坤元（2012）的一致，均为标准的事件研究方法进行研究，异常收益即为实际异常收益减去使用市场模型得到的值（ARI，tE（ARi，t） ） ，而这一数值除以标准误即得到 t 统计量，服从自由度为 N1 的 t 分布，累计异常收益的计算和检验方法与异常收益类似，计算和统计检验的具体公式和推导详见 Qiao（2012） 。4在实证检验分析师关注度与异常收益的部分，我们搜集了分析师对于每一只股票自 2004 年起对于每一只股票的关注度（Anal，为预测该股票的分析师总人数） ，该变量是我们在本文中重点关注的变量。在控制变量方面，根据 Nayar 和 Rozeff（2001）的研究成果，本
8、文的控制变量将包括公司的风险因素（Risk） ，也即进行送转的公司在前两个月的股票收益的波动率的值，一个虚拟变量为 D，它指代的是这一送转事件拆分是否伴随着现金红利；在公司的规模方面，使用公司的员工人数的对数值来刻画，而公司的盈利能力则用公司利润占收益的比例以及公司在送转之前的市值（以百万计）来代表。另外，Brennan 和 Hughes（1991）认为正是由于异常收益才带来了更多的分析师关注，所以文章必须解决内生性问题。通过中经专网统计数据库，对公司所在的城市的面积进行了收集，这一个变量是后文分析师人数的工具变量。我们将在下一节使用市场模型对异常收益进行探究， 以观察中国股市的送转事件是否真
9、的会带来异常收益。三、除权日异常收益测算从表 1、表 2 中可以看出，是否含现金红利对于异常收益的影响微乎其微，这符合 Eades 等（1984） 、Lasfer（1995） 、Athanassakos 和Smith（1996）的观点：交易成本对于除权日的异常收益的影响是不可忽视的，所以是否派发红利对于异常收益值的作用几乎可以忽略。很明显的是除权日的异常收益是显著存在的，并且不随着同方差、异方差的统计假设而变化。 为了避免研究结果会由于样本划分的过于粗糙而5导致结果并不是那么的稳健，有必要通过划分子样本进而重新考量异常收益。具体地按照送转的比例和红利数量的多少而进行划分，学术界并没有一个统一的
10、划分标准，本文的数据中，送转比例超过 0.5 和低于 0.5的几乎对半，而红利金额大于 0.1 元和小于 0.1 元的事件数量也几乎是相等的，因此使用这两个值来划分样本，进而得到四个子样本，即送转比例高于和低于 0.5 的，现金红利高于和低于 0.1 元的。可以看到的是异常收益值均是显著为正，并且总体走势与原样本类似，这进一步说明了公告效应带来的异常收益的存在性。唯一需要指出的是，在含红利的时候使用这几个子样本得到的数值结果有一定的差异。四、除权日异常收益来源探究分析师关注度本文将分析师关注度定义为在某一年对某一家公司进行盈余预测所有的分析师人数。分析师的关注带来一个很强的信号作用，投资者由于
11、有限的关注往往会参照分析师的意见，继而关注这些股票。因此，分析师关注与送除权日超额收益之间应该有正的相关关系。在控制变量中，根据前人的研究结果，选取上市公司的股价、股票的历史风险、送股与转增事件当中的送转比例等。基本模型如下：CARi=0+1Anali+2Pricei+3Riski+4Ratioi+5Divi+5CARAi+i其中 CARi 为股票 i 在事件窗（公告前 10 天到后 10 天）的累计异常6收益值，按元计价。Anali 代表对上市公司 i 的分析和关注度，Pricei代表股票 i 在事件窗的平均价格的对数，Riski 代表股票 i 在公告前两个月收益率的波动率（%） ，Rati
12、oi 代表股票 i 的送转比率，即：Ratioi=上市公司 i 在送转后的总股数上市公司 i 在送转前的总股数 。而 Divi 是一个虚拟变量，如果公司的送转伴随着现金红利，则为1，如果没有伴随着现金红利，则为 0，而 CARAi 是公告的异常收益（Nayar 和 Rozeff（2001）认为这个一个必要的因素） ，我们与除权日相同的方法使用市场模型作为正常收益的预期得到， i 是扰动项。 （一）基本回归的结果可以看到，在逐步加入控制变量的过程中，分析师关注度一直在 5%水平下一致显著。进一步，每增加一个分析师关注进行送转的股票，那么这支股票的除权日异常收益就会增加大概 0.2 元，这一变化不
13、仅仅是统计意义上显著，而且是经济意义上显著的。股票在这一期间的价格越高，异常收益越低，这说明人们的流动性偏好，也印证了 Vijh（1994）对于人们喜欢低价格的股票的说法，但是这一影响是不显著的。风险因素在这里负向的影响了除权日的异常收益，这说明人对于风险的厌恶，但是这个因素同样不显著。拆分比例越大，使得除权日异常收益越大，这说明了人们的流动性偏好，但是这个因素同样不显著。现金红利使得股东对异常收益的影响不显著，这一结果与第三节的异常收益的结果一致。公告期的超额异常收益与除权日的呈现反向的关系这与 Nayar 和Rozeff（2001）的研究结论想契合。7但是可以看到，控制变量显著性并不好，模
14、型的解释力度也不高，这与大多数文献遇到的问题一致：我们无法完全的解释这个现象，只能从一个角度来观察。（二）模型稳健性检验：替代变量检验和子样本回归人们可能会因为一些我们没有在基本回归中加入一些常用的控制变量而怀疑我们的结果。在这里，我们加入了员工个数（取对数）和公司市值（按照百万元记，取对数）进行回归。可以看到，这些附加的控制变量都在 10%水平下不显著，而且我们关心的分析师关注度依然在 5%水平下显著，而且数值与之前的估计相比，变化很小，这进一步减轻了人们的担心：这些变量并没有带来遗漏变量的误差。人们依然会质疑我们得到的结果是由一些异常值驱动的。很多行业的企业不具备可比性，因而我们将原来的样
15、本进行拆分，使用子样本来进一步检验模型的稳健性。这家上市公司所属行业（在传统的农业、工业领域、还是服务行业） 、是在上海股票交易所上市还是在深圳股票交易所上市、和当年经营业绩（亏损与非亏损组） 。结果汇报于表 5。可以看到，在划分的不同的子样本之后，每一个子样本里面的分析师关注度都显著。按照传统的三大行业来分，可以看到分析师对于工业企业的除权日异常收益的影响最大，为 0.25，超过平均值 0.20 约 20%；农业和服务业的影响较小，比平均值 0.20 低了约 11%。这一点可能会反应中国目前的现实状况，作为世界的制造中心工业在国民经济中的地位举足轻重，相应的上市企业也更加受到投资者的青睐。在
16、上海证券交易所上市的企业比在深圳上市的企业享受了更高的分析师关注带来的除权8日溢价，而企业当年是否亏损并不影响估计值，得到的估计都与基本回归得到的结果很接近。控制变量方面，在不同的子样本之间它们的影响不尽相同，甚至方向也都不一致，比如人们的对低价格的偏好似乎只适用于工业和服务业，上海证券交易所的上市公司和非亏损的公司，而风险厌恶则在工业企业、深圳证券交易所和亏损的企业中有一定的作用，而人们对于流动性的反应则在除了农业和服务业之外的其他子样本里起作用。但是与基本回归得到的结果一致的是，价格、风险和拆股比率的影响都不显著，而是否发放红利却又显著的影响：它会正向的显著影响农业企业、在深交所上市的企业
17、的除权日异常收益，而会负向的影响工业企业和亏损中的企业。子样本的检验进一步支持了研究的推断，分析师关注度正向影响异常收益。对于其他的控制变量，可以看到除了是否发放红利意外其他变量和原来的样本中的显著性一致。（三）分析师关注度的内生性问题人们可能会担心是由于异常收益诱使了分析师更多的关注这些进行股票送转的公司的股票（Brennan 和 Hughes，1991） ，需要解决内生性问题。我们使用上市公司 i 在宣布送转所在城市的当年的行政面积（lgArea）作为工具变量。由于我们的数据在构造方法上是一个横截面数据，面积可以看作是外生的而不受到当期的经济变量的影响（Romer，1993） 。并且，由于
18、中国上市公司会受到当地经济情况的影响，9地域广阔的城市可以吸引更多的分析师，比如北上广深以及各个省会城市，这些城市的资源比较集中。另外，很难说公司所在城市的面积会直接影响这一公司宣布送转而带来的异常收益。目前没有相关的文献将上市公司所在地的面积作为公司送转事件的异常收益的解释变量，这可以增加我们使用的工具变量的有效性，并且 Romer（1993）年主要使用了当地的行政面积作为工具变量。但是谨慎起见，我们依然会做相应的回归检验。 然而，人们可能会质疑，认为其实上市公司所在地的地域面积只是影响了该公司的雇员人数和之前公告效应的异常收益；行政面积大可能会有更多的人口，而一般而言公司会在当地找员工，另
19、外，可能会由于当地面积大人口多从而当地人更愿意买本土企业的股票从而提高异常收益，所以我们需要检验一下两个说法，工具变量的回归结果在表 6 中展示。表 6 的前两列告诉我们，上市公司所在地当年的行政面积并不是影响该公司的雇员人数和公告效应带来的异常收益；这一变量在回归的模型中均不显著。相反，这一个变量显著正向的影响了公司的分析师关注度。第（4）列行政面积对解释变量异常收益的符号也是正的，这进一步支持了我们的工具变量的有效性，并且，lnArea 在直接解释 CAR 的模型中并不显著，这支持了我们的假设，即上市公司所在城市的行政面积并不直接影响该公司送转公告除权日的异常收益。另外，第三列的 R2 的
20、值并不小，可以说这一个工具变量也不是弱工具变量（weak instrument） 。10表 6 最后一列给出了工具变量的结果，可以看到这一结果依然是显著的，而且系数与假定分析师关注度为外生的模型的系数几乎一致。因此，可以确定分析师关注度与送转公告的除权日带来的超额收益的正向关系以及两者之间的内生性：分析师的关注带来一个很强的信号作用，引导投资者对这些股票进行投资从而催生了除权日溢价的现象。五、结论和投资建议本文对中国股市中送股转增的除权日效应进行了事件研究，在使用了三种常用的估计正常收益的模型以及在关于方差的不同统计假设下一致的发现了由于除权日而产生的异常收益的存在。进一步探究这一异常收益的来
21、源，发现分析师正向影响了异常收益，认为是分析师的关注催生的信号作用带来了正向的异常收益，这一关系通过模型的稳健性检验得以验证，而内生性通过工具变量的方法得以解决，最后得出了一致的结论：每增加一个分析师预测某支进行送转的股票，可以在除权日为该股票带来 0.2 元的超额收益。本文的发现对于投资者有一定的启示意义：投资者可以通过关注公司的送股转增公告，购入该公司的股票并且在除权日卖出从而获利。进一步地，投资者可以关注在这些股票中分析师关注度高的，这些股票会为投资者带来更大的异常收益。注释：我们在本文原始版本的英文版的论文 Qiao（2012）中，同时也使用了常均值模型和市场调整模型计算了异常收益，并且发现得到的结果与之前的基本一致，由于篇幅有限，我们没有汇报这一结果，具体的结
