中国股票市场操纵行为测度与影响因素研究
——基于上市公司特征角度

李志辉 邹谧

一、引言

市场操纵行为严重影响股票市场正常交易秩序，我国监管部门一直予以严厉打击。尤其是2015年以来，证监会进一步加大对诸如市场操纵等扰乱市场秩序的违法行为打击力度，查处了如“徐翔案”“唐汉博案”“徐留胜案”等社会影响力较大的市场操纵案件，处罚金额动辄过亿元，引起了社会的强烈反响和广泛关注。2018年3月，证监会对厦门北八道集团涉嫌操纵“次新股”案件开出罚没款总额共计55亿元的罚单，再次彰显证监会打击市场操纵的决心。在此背景下，实现对我国A股市场操纵行为的有效监测，并以此为依据进一步探究市场操纵行为的特征，对于打击操纵股价行为、维护金融市场安全具有重要意义。

有鉴于此，本文以我国上市公司特征对市场操纵影响为切入点，关注我国股票市场操纵行为特点，以期为监管部门有针对性打击市场操纵提供有力依据。本文首先对已有相关研究文献进行细致梳理，并对2001年至2017年期间，证监会公布的已作出行政处罚的市场操纵案例进行收集，分析涉案被操纵股票上市公司特点，在文献研究和案例研究基础上，提出本文研究假设。随后，引入基于分时高频交易数据的连续交易操纵识别模型，并根据模型测算结果，运用计数模型实证分析我国股票市场具有哪些特征的上市公司股票更容易发生可疑市场操纵情况，最后根据本文研究结果，提出了相关政策建议。

本文研究贡献主要有两方面：首先，前期国内外对于市场操纵相关研究，以基于监管部门已公布市场操纵违法违规案例数据并采用事件研究法进行的研究为主。本文构建了连续交易操纵识别模型，并采用分时高频交易数据对我国股票市场发生可疑连续交易操纵行为进行了有效监测，使实现基于真实交易数据进行市场操纵相关实证研究成为可能。第二，本文关注了我国股票市场上市公司特征对市场操纵的影响，并提出具有市值规模较小、经营绩效水平较差、前期发生市场操纵概率较高等特征的上市公司股票更容易被市场操纵的结论，为监管部门进行针对性监管，进一步打击市场操纵提供了经验依据。

二、文献综述与假设提出

(一)文献综述

1.市场操纵相关研究。

市场操纵一直是学术界研究的热点问题，早期学者主要关注市场操纵理论研究，探讨操纵行为的分类、操纵行为的动机、可获利性及原理等。如Allen和Gale(1992)[1]将市场操纵行为分为行动型操纵、信息型操纵以及交易型操纵，许多学者采用了此分类依据，并分别从理论层面对三种市场操纵类型的获利机制、动机以及可行性等问题进行了讨论。如Bagnoli和Lipman (1996)[2]分析了行动型市场操纵获利的可能性问题，Benabou和Laroque(1992)[3]认为内部人可以通过操纵信息误导公众实现信息型操纵获利，Fischel和 Ross(1991)[4]认为在完全有效市场中交易型市场操纵是不可能发生的，等等。三种操纵类型中，对于交易型市场操纵的研究数量相对较多。如Glosten和Milgrom(1985)[5]认为操纵者可以利用买卖交易信息不对称，通过大量买入提高股票价格，然后再通过逐步卖出，将股票降价速度放缓，以谋取利润。Vila(1989)[6]认为市场操纵者可以通过其操纵手段误导市场，吸引其他投资者，并最终可通过高价卖出被操纵股票而获利。Jarrow (1992)[7]认为操纵者可以利用大额资金优势，操纵股票价格，并从中获取利润。周春生等(2005)[8]通过对Mei等(2004)[9]的模型进行推广，对我国股票市场交易型操纵的获利原因和机制过程进行了研究，认为交易型操纵获利的重要原因是市场存在众多非理性投资者且存在有限套利制约。随着研究的不断深入，有部分学者逐步关注市场操纵行为带来的经济影响，主要研究结论认为市场操纵会增加市场波动性，降低市场透明度，使得股票价格扭曲，不利于市场的稳定性和有效性，如张宗新等(2005)[10]指出，我国证券市场存在较为严重的操纵行为，冲击了股票价格，使得股票价格大幅度波动，造成了市场不稳定，损害了不知情投资者利益。Comerton-Forde和Putninš(2011)[11]通过对收盘价操纵的研究认为，市场操纵行为会降低股票价格的准确性，并引发流动性的降低，损害了市场有效性。Aitken等(2015)[12]通过对全球24个证券交易所的收盘价操纵情况实证研究得出结论：市场操纵行为的发生会降低市场有效性，使得交易成本增加，而市场公正水平的提高有利于市场效率水平的提高。另外，部分学者指出由于市场操纵行为会影响股票价格，进而对相关衍生品市场和基金净值等产生影响，因此许多市场操纵行为发生在季末、年末等特殊时期，且进一步探讨了基金经理等机构投资者与市场操纵行为的关系，如 Carhart等(2002)[13]认为，基金经理存在季末操纵股票市场价格的行为，并且通过操纵股票价格可以获得额外利润。Suen和 Wan(2013)[14]认为香港股票市场在采用集合竞价机制期间，在竞价阶段最后5秒存在超出正常交易规模的交易量和价格变化现象，而这一现象与衍生品到期日存在关联性。Ben-David等(2013)[15]认为在月末基金净值报告前夕，对冲基金存在较为明显的市场操纵冲动和行为。李梦雨和魏熙晔(2014)[16]通过对我国股票市场实证研究，认为我国股票市场存在基金公司操纵股票价格的情况，并指出在金融危机后基金公司操纵行为更加严重。

2.市场操纵的识别与测度。

有学者试图构建市场操纵的测度模型，以识别和发现市场操纵行为。许多学者对股票被操纵期间特征进行了研究，并尝试据此识别市场操纵行为。如Aggarwal和Wu(2003)[17]、Hanson和Oprea(2010)[18]、张维等(2011)[19]认为股票在被操纵期间，股票价格和波动性存在与其他时期不同的特征。刘元海和陈伟忠(2003)[20]认为被操纵股票在操纵期间存在股东人数和股票价格的协同演化趋势，并提出可以据此识别市场操纵行为的发生。李学和刘文虎(2004)[21]认为被操纵股票在操纵期间，由于其价格变化受到大盘涨跌影响较小，因此存在低Beta现象。于鸿君和王震(2005)[22]研究了被操纵股票的人均市值特征，认为具有人均市值较高特征的股票存在异常收益，可以据此对市场操纵进行识别。陆蓉和陈小琳(2009)[23]通过对我国证监会公布的市场操纵行政处罚案例研究，认为被操纵股票在操纵期间以及操纵前后，其成交量、成交额、收益率、换手率等指标具有显著变化，并采用Data Mining方法，构建Logistic回归、神经网络和决策树等三个市场操纵行为识别模型。相似研究还有李梦雨(2015)[24]采用Logit模型构建了市场操纵预警指数，并以制造业股票为例阐述了具体指数构建方法。Comerton-Forde和Putninš(2011)[25]通过对美国和加拿大监管部门公布的收盘价格操纵案例研究，认为被操纵股票在操纵期间，其收益率、价差、交易规模和交易频率等指标均会发生异常变化，并根据此构建了市场操纵预警指数，以识别市场操纵行为。李志辉等(2018)[26]认为发生收盘价操纵的股票，其股票价格在被操纵当日收盘前最后时间段内和下一个交易日开盘时间段内将出现异常变化，并据此构建模型以识别和监测收盘价操纵行为。从已有研究文献可以看出，无论具体采用何种方法构建市场操纵识别与测度模型，学者们普遍认为股票在操纵期间，存在股票价格、波动性、流动性、成交量、成交额、收益率等方面的异常变化，并据此对市场操纵行为进行识别。这也是在全账簿数据难以获得的情况下，根据交易数据监测交易型市场操纵行为的有效途径。

3.上市公司特征与市场操纵。

上述国内外研究主要关注市场操纵的理论研究及经济影响，而关注被操纵股票本身及其上市公司特征研究较少，其中重要原因是由于市场操纵识别和监测数据难以获得。也有相关研究，如Imisiker 和Tas (2013)[27]对1998年至2006年间土耳其资本市场委员会公布的伊斯坦布尔证券交易所市场操纵违规案例研究指出，规模较小、收益水平较差、资产负债率较高的上市公司股票更容易被市场操纵，且前期被操纵过的股票更容易继续被市场操纵。Aggarwal和Wu(2006)[28]对美国股票市场操纵做了分析，发现有近一半的市场操纵案件发生在市值较小、成交量较小和流动性较差的柜台交易市场上。国内学者，如张胜和陈金贤(2001)[29]对深圳股票市场实证研究，认为相对于业绩因素、流通股规模因素和行业因素，庄家因素对股价具有显著影响，因此深圳市场是显著的“庄股市场”。黄长青等(2004)[30]对我国证监会1996—2002年公布的行政处罚案例进行研究，认为我国股票市场被操纵股票存在自身特征，其研究中指出，操纵者倾向于操纵市值规模较小股票。向中兴(2006)[31]通过对证监会公布的市场操纵案例研究，认为规模较小的股票更容易成为股价操纵者的目标，并指出主要原因有两个：一是操纵成本较小，二是规模较小股票常有更多“利好”消息。尹筑嘉和黄建欢(2008)[32]认为公司治理与操纵存在密切联系，并建议通过完善上市公司治理结构遏制市场操纵行为的发生。但已有类似研究也仅仅基于监管部门给出的案例数据，易出现样本选择偏误和小样本偏误，缺少基于高频交易数据的、样本规模相对较大的上市公司特征对市场操纵影响问题相关实证研究。

通过对已有文献研究可以发现，现有关于市场操纵的研究不足，主要包括以下几方面：首先，实证研究出现时间较晚且数量较少，已有研究多是基于监管部门已公布案例采用事件研究方法进行，相对于股票市场交易数据，案例数据样本规模较小且滞后性较严重，容易出现样本选择偏误和小样本偏误等问题，而究其原因，主要在于市场操纵的识别和监测数据难以获得。其次，针对我国股票市场操纵行为相关实证研究数量较少，基于我国股市高频交易数据进行市场操纵相关实证分析的研究几乎处于空白状态，且已有国内研究多出现时间较早，而当前我国股票市场已发生了巨大变化，相应市场操纵行为呈现新特点，须进一步探究挖掘。再次，关于上市公司特征对市场操纵行为影响的相关研究多停留于理论层面，实证研究数量较少，且已有研究也仅以监管部门案例数据展开，样本规模较小，说服力有限，缺少上市公司特征对市场操纵行为影响较为全面系统的实证检验和数据支撑。本文基于高频交易数据，构建了连续交易操纵识别模型，并对我国A股市场操纵行为进行了识别和测度，在此基础上根据测度结果对容易发生市场操纵行为的股票上市公司特征进行了实证分析，弥补了由于数据获得困难而造成的相关领域实证研究空白，为监测和打击市场操纵行为提供了重要依据。

(二)基于证监会行政处罚案例的被操纵股票上市公司特征研究

通过前文文献综述可知，已有相关文献如Imisiker和Tas(2013)[27]、Aggarwal和Wu(2006)[28]、黄长青等(2004)[30]的研究认为，具有市值规模较小、经营绩效较差等特征上市公司股票，更容易被市场操纵。为探究我国股票市场上市公司特征与市场操纵关系，本文收集了2001—2017年证监会公布的市场操纵行政处罚案例，从被操纵标的股票的上市公司规模和经营绩效两方面对其特征进行了分析。

1.被操纵股票上市公司规模。

收集的证监会已公布行政处罚决定书的市场操纵案例共80个涉及181只股票，案例中认定的市场操纵违法违规行为发生时间分布于1998年至2016年，从案例涉及的被操纵股票1998—2016年间日均流通市值水平分布看，约49%的被操纵股票分布在50亿元以下，约80%股票分布在100亿元以下。说明在证监会公布的市场操纵处罚案例中，被操纵股票多为流通市值较小股票。为进一步探究案例涉及被操纵股票规模分布特点，本文将上市公司样本分为行政处罚案例涉及被操纵股票的上市公司(简称案例公司)和其余全部A股上市公司(简称全部公司)两组，对两组样本在1998—2016期间的日均流通市值、以及后文所述资产收益率(ROA)等六项财务指标进行了统计和比较。考虑到两组样本容量差距较大，且对样本进行正态性检验后，本文认为选择对样本进行Wilcoxon秩和检验结果更为有效，检验结果如表1所示。从检验结果看，案例公司样本日均流通市值显著小于全部公司样本日均流通市值，说明相对于全部上市公司而言，行政处罚案例涉及被市场操纵股票市值规模相对较小。

2.被操纵股票上市公司经营绩效。

评价上市公司经营绩效水平的指标主要分为财务指标和非财务指标两大类，本文主要选择财务指标：资产收益率(ROA)、净资产收益率(ROE)、营业收入增长率、净利润增长率、资产负债率、流动比率六项指标，从盈利水平、发展能力、财务风险水平来衡量行政处罚案例涉及被操纵股票上市公司的经营绩效。如上文所述分组原则，对案例公司和全部公司两组样本数据1998—2016年期间的资产收益率(ROA)等前文所述六项财务指标的平均水平进行Wilcoxon秩和检验，检验结果呈现在表1中。从检验结果看，案例公司资产收益率(ROA)、净资产收益率(ROE)平均水平明显低于全部公司平均水平，均呈现1%水平上显著，说明案例公司盈利能力平均水平相对较差；在发展能力一项中，案例公司净利润增长率平均水平也呈现在5%水平上显著低于全部公司平均水平；而案例公司的资产负债率平均水平高于全部公司平均水平，其流动比率平均水平低于全部公司平均水平，且分别在5%和1%水平上显著，说明其财务风险平均水平也相对较高。因此，从盈利能力、发展能力、财务风险情况三方面整体而言，行政处罚案例涉及被操纵股票的上市公司经营绩效平均水平相对较差。

表1 Wilcoxon秩和检验结果

(三)假设提出

操纵者在进行市场操纵行为时，需要考虑其操纵成本和操纵难易程度等问题，因此那些操纵成本相对较低、操纵难度相对较小的上市公司股票，将更容易被操纵者选为操纵目标。从这一角度出发，首先考虑市值规模较小的股票更容易被市场操纵。其原因主要包括两方面：首先，市值规模较小的股票，其操纵成本较低，更容易实现操纵获利的目的；其次，这种类型股票往往在市场中存在更多的“消息”，如“高送转”等，操纵者可以借用此类“消息”进行市场操纵，更具有可操纵环境，更容易达到操纵目的。

在已有相关研究中，有关学者如Aggarwal和Wu(2006)[28]、黄长青等(2004)[30]、向中兴(2006)[31]也赞同市值规模较小的股票更容易被市场操纵这一观点。同时，本文通过对证监会2001—2017年已公布市场操纵行政处罚案例中涉及被操纵股票市值规模进行统计研究，发现相对于全部上市公司股票，被操纵股票流通市值规模更小。结合文献研究和案例研究结果，本文提出假设一。

假设一：市值规模较小的股票更容易被市场操纵。

从市场操纵成本、操纵条件、操纵动机等角度出发，经营绩效水平较差的上市公司股票也可能存在更容易被市场操纵的情况。这主要从两方面考虑：一方面经营绩效水平较差的股票，通过正常经营难以获得高额利润，因此存在通过资本市场投机获利心理。相反，那些盈利水平较高的优质企业可能对其股票面临的价格操纵有抵触情绪。另一方面，投资者对于经营水平较差上市公司股票的投资情绪较弱，这给操纵者提供了更为便利的市场操纵条件和更加低廉的操纵成本。

国外也有学者Imisiker和Tas(2013)[27]认为，资产负债率水平较高、收益水平较差的上市公司股票更容易被市场操纵。另外，从前期收集的行政处罚案例也反映出，从盈利能力、发展能力、财务风险情况三方面整体而言，行政处罚案例涉及被操纵股票的上市公司经营绩效整体水平相对较差。结合文献研究和案例研究结果，本文提出假设二。

假设二：经营绩效水平较差上市公司股票更容易被市场操纵。

既有研究还认为，前期被操纵过的上市公司股票更容易被市场操纵(Imisiker和Tas,2013[27])。究其原因，首先，在实际交易中，操纵者采用在一定时期内反复操纵特定股票以获得利润的操纵手段较为常见，尤其对于我国A股市场，在长期内具有“庄股”市场特征，存在“庄家”在一定期间内“做庄”某只股票进行反复操纵的可能；其次，从操纵难易程度角度考虑，前期被操纵过股票容易引发投资者关注，具有更利于操纵者进行市场操纵的投资环境，操纵者往往倾向于选择此种类型股票进行操纵。据此,本文提出假设三。

假设三：前期被操纵次数较多上市公司股票更容易被市场操纵。

三、研究设计

(一)数据来源与样本选择

由于数据可得性，本文选择2004—2016年为样本研究期间，共计13年。以沪深两市A股上市公司为样本，并对样本数据做出以下处理：一是由于解释变量涉及资产负债率等财务指标，剔除与一般企业财务指标差异较大的金融行业企业；二是剔除存在相关变量数据异常以及样本数据缺漏较大的上市公司样本。在进行上述数据处理后共获得21 231个观察值，涉及上市公司2 209家。本文分时高频交易数据来源为Thomson Reuters Tick History数据库，其余数据来源为国泰安数据库。

(二)变量设计与模型设定

1.市场操纵的测度。

(1)市场操纵测度模型。

根据证监会2007年3月公布的《证券市场操纵行为认定指引(试行)》，可将市场操纵行为分为连续交易操纵、约定交易操纵、洗售操纵、虚假申报操纵、特定时间的价格或价值操纵、尾市交易操纵、蛊惑交易操纵、抢帽子交易操纵等8种类型。其中，连续交易操纵是指：单独或者通过合谋，集中资金优势、持股优势或者利用信息优势联合或者连续买卖，操纵证券交易价格或者证券交易量。由于近年来连续交易操纵是证券市场最为常见的市场操纵手段之一[注]本文收集的证监会2001—2017年已公布市场操纵行政处罚案例共计80个，其中，涉及采用连续交易操纵手段的为41个，占比约51%，相对于其他七种类型，连续交易操纵占比数量最高，为行政处罚案例中最常见的市场操纵手段。，因此本文引入基于高频交易数据的连续交易操纵测度模型，以测度我国股票市场操纵发生程度。具体模型设计如下：

以沪深两市连续交易期间每30分钟为一个测度窗口，对窗口期内成交额、成交量、收益率、相对有效价差、相对报价价差变化率进行计算，具体成交额和成交量变化率计算公式如下：

(1)

对于测度窗口内股票的收益率、相对报价价差、相对有效价差，其异常变化的计算公式如下：

(2)

(2)模型有效性分析。

从理论角度出发，连续交易操纵行为定义为“集中资金优势、持股优势或者利用信息优势联合或者连续买卖，操纵证券交易价格或者证券交易量”，则这种操纵行为的发生必定伴随被操纵股票成交量和成交额、收益率等特征指标的异常变化。因此，本文构建的连续交易市场操纵测度模型符合连续交易操纵的交易特点和内涵解释。同时，本文连续交易操纵模型的构建方法也与前期已有文献中通过捕捉股票被操纵期间特征，识别和监测市场操纵行为的研究方法原理相类似。

从实际情况出发，本文将前文构建的市场操纵测度模型计算结果与收集的证监会公布的行政处罚案例相比对，以评估模型准确性。具体评估过程如下：前期收集的2001年至2017年证监会公布的市场操纵行政处罚案例中，涉及使用连续交易操纵手段的共计41例，共涉及148只被操纵股票，如市场操纵测度模型计算结果与证监会公布行政处罚案例市场操纵行为发生期间相一致，则认定该股票测度成功，最终以成功测度出的证监会公布行政处罚案例涉及被操纵股票数量来衡量本文构建市场操纵测度模型计算结果准确性。以证监会2016年8月16日公布的(2016)100号行政处罚决定书为例，在该处罚案例中认定案件当事人在2014年8月19日至2014年9月25日期间对“新洋丰”股票进行了市场操纵，同时，本文构建的市场操纵测度模型监测出在2014年8月19日至2014年9月25日期间该股票疑似发生市场操纵行为，则认定该只股票测度成功。具体被测度出股票代码及对应案例如表2所示。

表2 由连续交易操纵测度模型成功识别的已查处案例汇总

通过比对发现，案例涉及被操纵股票中共117只股票可以被本文构建的市场操纵测度模型成功测度出，占比达79%。由于涉及详细交易信息等问题，我国股票市场全账簿数据难以获得，这也是学术界对市场操纵行为进行识别与测度相关研究难以深入发展的主要原因。本文数据来源为公开渠道可获得的分时高频交易数据，提供了通过公开交易数据测度和识别市场操纵的方法。

2.模型设定与变量说明。

本文从上市公司经营绩效水平、上市公司规模、前期发生可疑连续交易操纵次数等因素，考察不同公司特征对发生可疑连续交易市场操纵程度的影响，具体实证模型设定如式(3)所示：

Manipit=α0+α1Manipit-1+α2Sizeit+α3ROAit

+α4DARit+α5NPGRit+∑Industry

+∑Year+ε

(3)

上述方程中，Manipit为根据前文构建的市场操纵测度模型测度出的各上市公司年度发生可疑连续交易操纵次数，Manipit-1为上市公司上年度发生可疑连续交易操纵次数，以衡量前期上市公司发生可疑市场操纵水平；借鉴Imisiker 和 Tas(2013)[27]的做法，本文选择上市公司年度流通市值来衡量上市公司规模大小，以变量Sizeit表示；同时，以资产收益率(ROAit)、净利润增长率(NPGRit)、资产负债率(DARit)三个指标，从盈利水平、发展能力、财务风险水平来衡量上市公司经营绩效水平。考虑到衡量上市公司经营绩效的财务指标类解释变量可能存在多重共线性问题，本文对相关解释变量进行了多重共线性检验，表3说明了解释变量间相关系数，从检验结果看，相关变量间不存在严重多重共线性问题。另外，为控制上市公司不同行业和年份因素影响，模型中加入虚拟变量∑Industry和∑Year，以分别控制行业效应和时间效应。变量具体定义如表4所示。

表3 变量相关系数

表4 变量定义

由于本文被解释变量为发生可疑市场操纵次数，均为非负整数，本文采用计数模型对其进行处理。计数模型是较为常用的对被解释变量为非负整数的处理方式，其常用的回归方法有泊松回归和负二项回归、零膨胀回归三种，由于本文被解释变量为0数据仅占比0.87%，因此不适用零膨胀回归。泊松回归是应用形式最为广泛的计数模型之一，其基本形式如下：

E(Manipit)=μ=exp(α0+α1Manipit-1+α2Sizeit

+α3ROAit+α4DARit

+α5NPGRit+∑Industry

+∑Year+ε)

(4)

其中，Manipit服从泊松分布，μ为期望值，等于强度参数。泊松分布假设事件发生相互独立，事件发生次数平均值近似等于其离散程度方差。若不满足假设条件，则可以采用负二项回归对泊松回归结果进行改进。将被解释变量服从的分布定义为负二项分布，则上述式(4)的回归形式即为负二项回归。

(三)主要变量描述性统计

主要变量描述性统计如表5所示,Manipit均值为12.39，说明上市公司样本期间平均每年发生可疑连续交易操纵次数为12.39次/年，最大值为45次/年，最小值为0次/年。另外，本文对流通市值变量进行了对数处理，以避免变量间数据差异过大。

表5 主要变量描述性统计

四、实证结果与稳健性检验

(一)实证结果

本文首先分别采用混合泊松回归和混合负二项回归进行实证研究。被解释变量Manipit方差约是平均值的3.1倍，且在进行负二项回归同时进行了过度分散的LR检验，LR检验结果说明被解释变量存在过度分散的现象，因此本文计数模型采用负二项回归更为有效。进一步，由于样本数据为面板数据，因此分别进行了随机效应的面板负二项回归和固定效应面板负二项回归，在进行随机效应面板负二项回归同时进行了LR检验，检验结果认为相对于混合负二项回归，选用随机效应负二项回归更为有效，并对随机效应和固定效应面板负二项回归结果进行了豪斯曼检验，检验结果强烈拒绝随机效应模型，因此本文选用固定效应面板负二项回归为最终实证模型，其他回归结果可作为稳健性检验说明，具体实证结果如表6所示。

从实证结果看，共有5个解释变量回归系数呈现显著性，且系数正负性与预先假设一致。其中，变量Manipit-1系数在泊松回归和负二项回归方法下，回归结果均为正数，且均在1%水平上显著，说明上一年发生可疑连续交易操纵次数越多的股票，当年发生可疑市场操纵次数越多，即上市公司重复发生可疑市场操纵情况较为严重；而变量Sizeit回归系数在泊松回归和负二项回归中均为负值，且在1%水平上显著，说明流通市值对发生可疑市场操纵次数有负向影响，即流通市值较小的股票更容易发生可疑市场操纵情况。这主要由于市值规模较小的股票，操纵成本更低，操纵难度较小，因此操纵者更愿意选择小规模股票进行操纵。ROAit回归结果在固定效应面板负二项回归中呈现1%水平上显著的负相关，说明资产收益率对发生可疑市场操纵次数有反向作用，即资产收益率水平较低的股票发生可疑连续交易操纵次数更多。DARit回归结果在负二项回归和泊松回归中均呈现高度显著的正相关关系，说明资产负债率水平对上市公司股票发生可疑连续交易操纵次数有正向作用，资产负债率较高上市公司股票发生可疑连续交易操纵次数更多。NPGRit回归系数在固定效应负二项回归中呈现5%水平上的负相关关系，说明净利润增长率对上市公司股票发生可疑连续交易操纵次数有抑制作用，即净利润增长率较低上市公司股票发生可疑连续交易操纵次数更多。

整体而言，计数模型的回归结果支持了本文基本假设结论，我国股票市场存在规模较小、资产收益率水平较差、资产负债率水平较高、净利润增长率水平较低、前期发生可疑市场操纵概率较高的上市公司股票更容易发生市场操纵的情况。这也与前期国外学者对其他国家股票市场相关研究结论一致(Imisiker 和 Tas(2013)[27]、Aggarwal 和 Wu(2006)[28])。

表6 计数模型回归结果

续前表

(二)稳健性检验

首先，为进一步检验实证结果的稳健性，本文将上述公式(3)中部分变量进行替换，修改为以下形式:

Manipit=α0+α1Manipit-1+α2Zongshizhiit

+α3ROEit+α4CRit+α5BRGRit

+∑Industry+∑Year+ε

(5)

将前文式(3)中的变量流通市值(Sizeit)以总市值(Zongshizhiit)替代，以衡量上市公司规模，另外分别用净资产收益率(ROEit)、营业收入增长率(BRGRit)、流动比率(CRit)替代式(3)中的资产收益率(ROAit)、净利润增长率(NPGRit)、资产负债率(DARit)，从盈利水平、成长能力、财务风险水平来衡量上市公司经营绩效水平，以检验回归结果稳健性。表7显示了回归结果，各变量回归系数正负性与前文假设结果一致，其中Manipit-1回归系数在泊松回归和负二项回归中均在1%水平上依然显著为正数，说明前期发生可疑连续交易次数对当期发生可疑连续交易次数有正向作用；Zongshizhiit回归系数在泊松回归和负二项回归中均在1%水平上显著为负，说明总市值规模对发生可疑连续交易操纵次数有负向作用，与前文流通市值回归结果一致，即说明市值规模与发生可疑市场操纵次数为反向关系；BRGRit回归系数在1%水平上显著为负，说明营业收入增长率与发生可疑连续交易操纵次数有负向相关关系，即营业收入增长率较低则发生可疑连续交易操纵次数较多，与前文回归结果一致；ROEit在固定效应面板负二项回归中回归系数在10%水平上显著为负，说明净资产收益率与发生可疑连续交易操纵次数有负相关关系；另外流动比率CRit回归系数虽然为负数，与预期假设一致，但并不显著。整体而言，通过进行稳健性实证检验说明本文构建的实证模型结果具有稳健性。

表7 稳健性检验Ⅰ结果

续前表

另外，为进一步检验实证结果稳健性，本文分别截取2007—2016年、2010—2016年、2012—2016年三个时间段样本数据反复进行实证检验，检验结果如表8所示，由于篇幅原因表8仅展示三个时间段样本固定效应负二项回归结果。各变量回归系数正负性仍然与前文实证结果相一致，证明了实证结果具有稳健性。

表8 稳健性检验Ⅱ结果

五、结论和政策建议

市场操纵行为严重扰乱正常的股票市场交易秩序，是我国证券市场监管部门一直以来的重要打击对象。本文通过构建市场操纵识别和测度模型，基于真实交易数据实证研究我国股票市场的市场操纵行为特征，获取容易被市场操纵股票上市公司特点，可以为监管部门实施有针对性监管提供经验证据和数据支持，具有重要的理论意义和现实意义。从本文研究结果来看，市值规模较小、经营绩效水平较差、前期发生市场操纵概率较大的上市公司股票更容易被市场操纵。

根据本文研究结果，提出相关建议如下：第一，要进一步提高上市公司质量。上市公司质量是资本市场投资价值的源泉，是证券市场的基石。通过前文研究可知，经营绩效较差的上市公司股票更容易被操纵者选为操纵目标，因此要通过采取提高上市公司信息披露质量、制定更为严格的上市制度、完善退市制度等措施，提高上市公司质量，将经营绩效较差的上市公司逐步淘汰。2017年7月，在全国金融工作会议上，习近平主席强调，金融要为实体经济服务，要防止发生系统性金融风险。提高上市公司质量，规范股票市场交易行为，维护市场交易公平公正秩序，有利于让真正优质的企业获取证券市场融资支持，有利于实现金融更好为实体经济服务的目标，有利于防范系统性金融风险的发生，在现阶段更加具有重要意义。第二，要进一步加大对市场操纵行为打击力度。通过前文研究可知，市场操纵行为重复发生概率较大，因此要加大对市场操纵行为打击力度，提高处罚金额和处罚力度，以减少重复操纵情况发生。第三，要对不同类型上市公司股票采取更具针对性市场操纵监管措施。对于操纵者而言，具有市值规模较小、经营绩效较差等特征的上市公司股票更容易被操纵，因此对于市值规模较小、经营绩效较差的上市公司股票要加大监管力度，制定针对性更强的监管措施要求，如对中小创板块制定更加严格的上市和退市制度等，以打击市场操纵行为，维护市场公正。