证券市场内幕交易行为认识思索 一、引言 从 2O 世纪 8O 年代中后期开始，随着以现代金融理论和行为金融学为标志的金融经济学的迅速进展，有关内幕交易的文献大量涌现。由于内幕交易会对市场的有效性和个体利益产生影响，很多 学 者 已 将 讨 论 的 重 点 放 在 了 如 何 识 别 内 幕 交 易 方 面 。ScottL．Summers 和 JohnT．Sweeney(1998)率先对内幕交易行为进行判别，通过内部交易变量和公司具体财务特征，区分内幕交易与没有内幕交易公司，得到了 60％的正确率。晏艳阳、赵大玮(2024)以股权分置改革中 45 家试点公司为样本，以累积超常收益率、相对换手率和公告效应以及内幕交易效应为指标，得出我国股改中存在严重的内幕交易的结论。张宗新(2024)应用数据挖掘技术，以2024 年之前被我国证券监管部门处罚过的内幕交易案例为样本对内幕交易行为进行判别，应用支持向量机模型(SVM)对“股改”以来中国股市发生的“广发借壳”、“杭萧钢构”、“sT 金泰”等重大内幕交易案例进行实证分析，对中国股市存在的内幕交易行为进行了预测和检验。唐其鸣、张云(2024)~足于公司治理视角，发现公司治理较好的公司，内幕交易发生的概率较低。 二、内幕交易识别的讨论设计 本文以 Logistic 回归模型为基础，采纳 ScotL．Sum—mer8和 JohnT．Sweeney 的分层次分析法，在初步统计内幕交易案例的基础上，从股票市场表现、公司治理、财务状况三个方面建立系统的内幕交易识别模型，通过实证检验筛选出对内幕交易行为的有效识别因子，形成两个层次 Logistic 回归识别模型。并分析模型的识别效率。 (一)讨论模型和方法选择 本文采纳 Logistic 回归模型对内幕交易进行识别，Logistic回归模型在一定程度克服了线性假设的缺点，不要求变量服从正态分布而且具有判别精度高简单易与实现的优势。Logistic 回归模型假设在给定识别体系各变量 x(x=(x。，x2…之后，事件 Y 发生的条件概率为 P。其中，Y 取值为 0 和 1，0 表示事件未发生，1 表示事件 发 生 。 在 logistic 回 归 模 型 下 条 件 概 率 P 服 从 如 下 形 式 ：P=exp(+Bx)／[1+exp(0【+px)l(1)式(1)中，、13 为待估量的参数向量。本文采纳分层次分析法对内幕交易进行讨论。根据指标的选择，对模型的建立分为两个层次涉及到四个独立的 logistic 回归模型。第一层次 logistic 模型分别是以市场表现、治理结构、财务状况指...
