1、新股的抑價(jià)發(fā)行
IPO抑價(jià)是指發(fā)行定價(jià)存在著低估現(xiàn)象,即新股發(fā)行定價(jià)低于新股的市場價(jià)值,表現(xiàn)為新股發(fā)行價(jià)格明顯低于新股上市首日收盤價(jià)格,上市首日就能獲得顯著的超額回報(bào)。
市場化的發(fā)行制度下,新股發(fā)行的定價(jià)過程是發(fā)行企業(yè)、承銷商和投資者之間多次談判的結(jié)果。一個(gè)有效的IPO 市場是不應(yīng)該存在超常收益率的。但國外許多學(xué)者研究發(fā)現(xiàn),在一些發(fā)行市場化的市場中,盡管承銷商通過努力平衡對發(fā)行股票的供給和需求來得到最佳發(fā)行價(jià)格。但首日收益率(即新股上市首日收盤價(jià)相對于發(fā)行價(jià)的收益率) 仍然顯著為正,即存在著顯著的新股發(fā)行抑價(jià)現(xiàn)象。發(fā)行是證券市場運(yùn)行的基礎(chǔ),而首次公開發(fā)行(Initial Public Offering縮寫為IPO)是股份公司由少數(shù)人持股向公眾持股轉(zhuǎn)變的重要步驟。發(fā)行定價(jià)是發(fā)行業(yè)務(wù)中的核心環(huán)節(jié),定價(jià)是否合理不僅關(guān)系到發(fā)行人、投資者以及承銷商的切身利益,而且關(guān)系到發(fā)行市場的監(jiān)管乃至證券市場資源配置功能的發(fā)揮。IPO抑價(jià)率是衡量新股發(fā)行定價(jià)是否合理的重要指標(biāo)。如果IPO抑價(jià)率小于0,即新股上市首日就跌破發(fā)行價(jià),說明定價(jià)過高;如果IPO抑價(jià)率顯著大于0,即上市首日就獲得顯著的超額收益,就說明新股存在定價(jià)過低的現(xiàn)象。從各國的發(fā)行實(shí)踐看,新股發(fā)行定價(jià)適度低于二級市場上市價(jià)格是普遍存在的,這是由于股票市場IPO發(fā)行中特有的信息不對稱和信息不確定性等多種因素造成的。
2、中國IPO抑價(jià)率多因素模型分析
(1) 多變量回歸分析含義
多變量回歸分析是指因變量依賴兩個(gè)或者更多個(gè)解釋變量或回歸元的模型的分析。最為簡單的多元回歸模型,是含有一個(gè)因變量和兩個(gè)解釋變量的三變量回歸模型。
在方程(1)中,
(2)中國IPO抑價(jià)率多因素回歸模型
在股票發(fā)行初級市場中,針對IPO的超額收益率,設(shè)定新股抑價(jià)率為AR=Pt-P0/P0,構(gòu)建多因素回歸模型,跟前文相對應(yīng),我們先設(shè)定兩個(gè)回歸元的回歸模型,假定AR跟股票的發(fā)行規(guī)模有關(guān),在本例中我們用其發(fā)行規(guī)模的對數(shù)值來替代設(shè)定為LGIPO,除此之外還有股票的中簽率有關(guān),則設(shè)定一個(gè)簡單的三變量回歸模型為
在本例中我們用的數(shù)據(jù)主要是1999年1月~2002年6月120只上海證券交易所上市的新股數(shù)據(jù)。則在eviews中回歸得到下面數(shù)據(jù):
Variable | Coefficient | Std。 Error | t-Statistic | Prob。 |
C | 4.683394 | 0.922971 | 5.074257 | 0.0000 |
LOGIPO | -0.374451 | 0.108545 | -3.449724 | 0.0008 |
RAT | -0.365381 | 0.123754 | -2.952468 | 0.0038 |
R-squared | 0.229802 | Mean dependent var | 1.270735 | |
Adjusted R-squared | 0.216636 | S.D. dependent var | 0.815547 | |
S.E. of regression | 0.721823 | Akaike info criterion | 2.210610 | |
Sum squared resid | 60.96039 | Schwarz criterion | 2.280297 | |
Log likelihood | -129.6366 | F-statistic | 17.45451 | |
Durbin-Watson stat | 1.755679 | Prob(F-statistic) | 0.000000 |
因?yàn)樾鹿沙~收益不僅只是跟上述兩個(gè)因素有關(guān),僅以此來說明多因素回歸模型中結(jié)果的分析。在本例中,R或者調(diào)整的R比較小的原因是模型因素缺少,后面會有比較全面的多因素回歸模型。從結(jié)果中可以看到超額收益率和股本的發(fā)行規(guī)模有負(fù)的相關(guān)關(guān)系,和中簽率有負(fù)的相關(guān)關(guān)系。t值均大于2,F值也比較顯著。進(jìn)一步,我們來看一個(gè)比較復(fù)雜的多因素回歸模型如下:
其中,LOGIPO為IPO發(fā)行額的對數(shù)值。RAT為中簽率的100倍,E為收益率,PE為IPO發(fā)行市盈率,T為公司發(fā)布上市時(shí)間,P2是IPO的上市價(jià)格,I1 是發(fā)行時(shí)的市場指數(shù),I2是上市是的市場指數(shù),P1是發(fā)行價(jià)格。模型回歸結(jié)果如下:
Variable | Coefficient | Std。 Error | t-Statistic | Prob。 |
C | 2.372593 | 0.630867 | 3.760843 | 0.0003 |
P1 | -0.215950 | 0.017987 | -12.00594 | 0.0000 |
P2 | 0.094065 | 0.008845 | 10.63441 | 0.0000 |
I1 | 0.000157 | 0.000415 | 0.378873 | 0.7055 |
I2 | 0.000383 | 0.000410 | 0.932648 | 0.3530 |
PE | -0.006137 | 0.005413 | -1.133809 | 0.2593 |
LOGIPO | -0.207157 | 0.071843 | -2.883478 | 0.0047 |
RAT | -0.012636 | 0.076383 | -0.165424 | 0.8689 |
T | -0.002551 | 0.001953 | -1.306090 | 0.1942 |
E | 0.223101 | 0.269062 | 0.829182 | 0.4088 |
R-squared | 0.778748 | Mean dependent var | 1.270735 | |
Adjusted R-squared | 0.760646 | S.D. dependent var | 0.815547 | |
S.E. of regression | 0.398997 | Akaike info criterion | 1.079931 | |
Sum squared resid | 17.51187 | Schwarz criterion | 1.312222 | |
Log likelihood | -54.79584 | F-statistic | 43.01898 | |
Durbin-Watson stat | 1.632529 | Prob(F-statistic) | 0.000000 |
從上面的回歸分析可以看到,截距項(xiàng)不為零,超額收益和p1,p2,logipo三個(gè)因素顯著相關(guān),其余因素的影響不是很顯著的。當(dāng)然新股超額收益和很多的因素是相關(guān)的,我們在此僅說明多變量分析模型的應(yīng)用。
3、進(jìn)一步思考問題