128-教学案例-案例1 中国A股新股抑价率多因素回归分析

1、新股的抑价发行

IPO抑价是指发行定价存在着低估现象，即新股发行定价低于新股的市场价值，表现为新股发行价格明显低于新股上市首日收盘价格，上市首日就能获得显著的超额回报。

市场化的发行制度下，新股发行的定价过程是发行企业、承销商和投资者之间多次谈判的结果。一个有效的IPO 市场是不应该存在超常收益率的。但国外许多学者研究发现，在一些发行市场化的市场中，尽管承销商通过努力平衡对发行股票的供给和需求来得到最佳发行价格。但首日收益率(即新股上市首日收盘价相对于发行价的收益率) 仍然显著为正，即存在着显著的新股发行抑价现象。发行是证券市场运行的基础，而首次公开发行（Initial Public Offering缩写为IPO）是股份公司由少数人持股向公众持股转变的重要步骤。发行定价是发行业务中的核心环节，定价是否合理不仅关系到发行人、投资者以及承销商的切身利益，而且关系到发行市场的监管乃至证券市场资源配置功能的发挥。IPO抑价率是衡量新股发行定价是否合理的重要指标。如果IPO抑价率小于0，即新股上市首日就跌破发行价，说明定价过高；如果IPO抑价率显著大于0，即上市首日就获得显著的超额收益，就说明新股存在定价过低的现象。从各国的发行实践看，新股发行定价适度低于二级市场上市价格是普遍存在的，这是由于股票市场IPO发行中特有的信息不对称和信息不确定性等多种因素造成的。

2、中国IPO抑价率多因素模型分析

（1） 多变量回归分析含义

多变量回归分析是指因变量依赖两个或者更多个解释变量或回归元的模型的分析。最为简单的多元回归模型，是含有一个因变量和两个解释变量的三变量回归模型。

Yi=β1+β2X2i+β3X3i+ui （1）

在方程（1）中，β1是截距项，它代表了X2和X3均为零时的Y的均值，给出了所有未被包含到模型中来的变量对Y的影响。系数β2和β3被称为偏回归系数，β2度量着X2的单位变化对Y均值的直接或者净影响， β3度量着X3的单位变化对Y均值的直接或者净影响。

（2）中国IPO抑价率多因素回归模型

在股票发行初级市场中，针对IPO的超额收益率，设定新股抑价率为

1

AR=Pt-P0/P0，构建多因素回归模型，跟前文相对应，我们先设定两个回归元的回归模型，假定AR跟股票的发行规模有关，在本例中我们用其发行规模的对数值来替代设定为LGIPO，除此之外还有股票的中签率有关，则设定一个简单的三变量回归模型为

ARi=β1+β2LGIPOi+β3RATi+ui （2）

在本例中我们用的数据主要是1999年1月～2002年6月120只上海证券交易所上市的新股数据。则在eviews中回归得到下面数据：

Variable CoefficientStd。 ErrorC 4.683394LOGIPO -0.374451RAT -0.365381

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.9229710.10850.1237

t-Statistic5.074257-3.449724-2.952468

Prob。

0.0000 0.0008 0.0038 1.270735 0.8157 2.210610 2.280297 17.451 0.000000

0.229802 Mean dependent var0.216636 S.D. dependent var 0.721823 Akaike info criterion 60.96039 Schwarz criterion -129.6366 F-statistic 1.755679 Prob(F-statistic)

因为新股超额收益不仅只是跟上述两个因素有关，仅以此来说明多因素回归模型中结果的分析。在本例中，R或者调整的R比较小的原因是模型因素缺少，后面会有比较全面的多因素回归模型。从结果中可以看到超额收益率和股本的发行规模有负的相关关系，和中签率有负的相关关系。t值均大于2，F值也比较显著。进一步，我们来看一个比较复杂的多因素回归模型如下：

AR=β0+β1LGIPO+β2PE+β3RAT+β4IPOP+β5T+β6I0+

β7It+β8P0+β9E+ε (3)

其中，LOGIPO为IPO发行额的对数值。RAT为中签率的100倍，E为收益率，PE为IPO发行市盈率，T为公司发布上市时间，P2是IPO的上市价格，I1 是发行时的市场指数，I2是上市是的市场指数，P1是发行价格。模型回归结果如下：

Variable CoefficientStd。 ErrorC 2.372593P1 -0.215950P2 0.094065I1 0.000157I2 0.000383PE -0.006137LOGIPO -0.207157RAT -0.012636T -0.002551

t-Statistic3.760843-12.0059410.634410.3788730.9328-1.133809-2.883478-0.1624-1.306090

Prob。

0.0003 0.0000 0.0000 0.7055 0.3530 0.2593 0.0047 0.86 0.1942

2

0.6308670.0179870.0088450.0004150.0004100.00130.0718430.0763830.001953

E 0.223101

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.2690620.8291820.4088 1.270735 0.8157 1.079931 1.312222 43.018 0.000000

0.778748 Mean dependent var0.7606 S.D. dependent var 0.3997 Akaike info criterion 17.51187 Schwarz criterion -.79584 F-statistic 1.632529 Prob(F-statistic)

从上面的回归分析可以看到，截距项不为零，超额收益和p1，p2，logipo三个因素显著相关，其余因素的影响不是很显著的。当然新股超额收益和很多的因素是相关的，我们在此仅说明多变量分析模型的应用。

3、进一步思考问题

此例中变量之间是否具有共线性？以及自相关性？如果变量之间具有多重共线性以及自相关性问题，应该怎么做？

3