IPO破发对上市公司市场表现影响的实证研究

谢汉昌+何瑞卿

文章编号：1001-148X（2014）05-0040-11

摘要：本文根据上市首日表现将IPO新股区分为破发股和非破发股，分别采用不同市场收益率基准，考察了基于事件时间研究法的累计超额收益率（CAR）和买入并持有超额收益率（BHAR），以及基于日历时间研究法的月平均超常收益率（MMAR）和Fama-French三因素模型，并利用多元线性回归模型进行实证检验。研究发现，IPO破发短期会给上市公司的市场表现带来不利影响，但中长期而言，IPO破发股的弱势程度更轻、市场表现更好。

关键词：IPO破发；市场表现；事件时间；日历时间

中图分类号：F83091文献标识码：A

收稿日期：2014-01-07

作者简介：谢汉昌（1978-），男，福建龙岩人，福建商业高等专科学校教师，厦门大学管理学院博士研究生，研究方向：公司财务与证券投资；何瑞卿（1977-），男，河南登封人，广东工业大学商学院教师，厦门大学管理学院博士研究生，研究方向：公司财务与资本市场。

基金项目：国家自然科学基金项目，项目编号：70972110。一、引言

自从Ritter（1991）正式提出IPO长期弱势现象以来，国内外学者对新股上市后的市场表现采用不同研究方法进行了大量的研究，其研究结论包括长期弱势和长期强势。在研究方法上，有的采用事件时间研究法计算新股的累计超额收益率CAR和购入并持有超额收益率BHAR（刘力、李文德，2001；丁松良，2003；李蕴玮、宋军和吴冲锋，2002）；有的采用基于日历时间研究法的月平均超常收益率法MMAR、CAPM模型和Fama-French模型研究IPO的市场表现（白仲光、张维，2003；江洪波，2007）；甚至，不少学者为了全面考察IPO的市场表现，综合采用事件时间研究法和日历时间研究法的各种方法进行比较研究（杨丹、林茂，2006；邹高峰、张维、常中阳，2012）。尽管国内外学者对新股市场表现的计量方法和实证检验进行了充分的研究，得出了不少有价值的研究成果，但国内外学者却较少关注到研究样本自身存在的差异性。

上市新股根据首日的表现可以区分为破发新股和非破发新股。自2010年开始，IPO破发日益成为中国资本市场的普遍现象，那么，IPO破发是否会影响新股的市场表现？破发新股和非破发新股上市后的市场表现是否存在差异，究竟孰优孰劣？这是本文研究所关注和回答的问题。

二、文献综述

国外学者Stoll和Curley(1970)、Ibboston（1975）、Stern和Bornstein(1985)较早发现了IPO长期表现不佳的现象。此后，Lee（1997）、Eckbo和Norli(2000)、Ritter和Welch（2002）、Gompers和Lerner（2003）等利用不同的期间样本和研究方法再次证明了美国市场存在新股长期表现弱势现象。在其他国外市场，Keloharju(1993)、 Levis (1993)、Schlag 和Wodrich（2000）分别就芬兰、英国和德国的IPO进行了研究，发现了与美国大致相同的结论。针对国外市场普遍存在的IPO长期弱势现象，不少学者利用一些经济学模型，提出了价格支持假说（Shiller，1990)、机会之窗假说（Ritter，1991；Loughran，Ritter和Rydqvist，1994）、异质信念假说（Miller，1977）等对此现象进行解释。然而，Brav和Gompers（1997）、Brav, Geczy和Gompers（2000）、Gompers和Lerner（2003)等的实证研究却发现了与IPO长期弱势不一致的结论。显然，IPO长期表现可能是弱势，也有可能是强势。针对其影响因素， Ritter（1991）研究发现，筹资总额、初始收益率、行业、公司IPO时已存续时间对IPO长期表现有影响；Carter，Dark和Singh（1998）研究发现，由资质较高券商承销的IPO在3年持有期内的长期弱势程度较轻；Hamao，Packer和Ritter（2000）、Kirkulak（2008）则发现公司业绩表现与是否有风险投资背景（VC）有关。

总第445期谢汉昌：IPO破发对上市公司市场表现影响的实证研究••••商 业 研 究2014/05在我国学界，不少学者也对IPO长期表现进行了研究。陈工孟和高宁(2000)、李蕴玮、宋军和吴冲锋（2002）、江洪波(2007)、邹高峰、张维和常中阳（2012）研究发现，中国资本市场存在IPO长期弱势现象。但是，也有一些学者的实证研究表明我国IPO 的长期表现呈现强势特征，如刘力和李文德(2001)、丁松良(2003)、白仲光和张维(2003)、杨丹和林茂(2006)等。

综上所述，IPO长期表现是强势还是弱势，目前尚无定论，存在较大争议。究其原因，主要是由于采用的样本期间和研究方法不同。通过对文献的梳理，我们发现，对国内IPO长期表现研究方面存在的不足主要体现在以下三个方面：（1）所采用的研究样本主要是在IPO抑价盛行的资本市场环境下的数据，需要结合新的资本市场环境进行研究；（2）对IPO市场表现的研究大部分侧重于究竟是长期强势还是弱势以及采用不用研究方法进行比较研究，对其IPO自身样本差异性造成的市场表现差异关注较少；（3）对IPO市场表现影响因素的研究相对较少，尤其是对IPO破发影响公司市场表现的研究目前还处于空白。这为本文提供了很好的研究机会和有意义的研究主题。本文所遵循的研究逻辑路径如图1所示。图1IPO破发影响上市公司市场表现的研究逻辑路径

三、研究方法

在研究IPO市场表现的过程中，使用基于何种时间的研究方法、采用什么样的市场基准收益率以及如何计算IPO样本组合的收益率是至关重要的，直接影响到IPO市场表现衡量的准确性和研究结论的科学性和有效性。为了避免单一研究方法产生的研究结论不稳健，本研究综合使用基于事件时间的研究方法累计超额收益率法（CAR）和购入并持有超额收益率法（BHAR），以及基于日历时间的研究方法月平均超常收益率法（MMAR）和Fama-French三因素模型。

（一）事件时间研究法

在研究IPO市场表现的文献中，通常所采用的事件时间研究方法主要是计算累计超额收益率CAR和买入并持有超额收益率BHAR来考察样本IPO的超常收益率，从而去判断IPO公司的市场表现。

1．累计超额收益率方法（CAR）

该方法属于事件研究法，即某一新股IPO上市交易事件发生后投资者每个月都使用相同的资金额投资该股直到期末，累计的收益超出正常收益的程度。IPO样本第i只股票在第t期的异常收益率定义如下：

ARi，t=Ri，t–Rm，t （1）

CARi=∑Tt=1ARi,t（2）

CAR=1N∑Ni=1CARi（3）

其中，ARi，t是IPO样本中第i只股票在上市后第t月的月超额收益率，Ri，t表示IPO样本中第i只股票在上市后第t月的收益率，Rm，t表示与该股票配比的某种基准在第t月的收益率；CARi是IPO样本中第i只股票在持有期间［1，t］的累计超常收益率。

2．买入并持有超额收益率方法（BHAR）

该方法也属于事件研究法，采用每月复利计算，表示的是某一新股IPO上市交易事件发生后投资者买入该股后一直持有到期末所获收益超出正常收益的程度。具体的计算公式如下：

Ri=∏Tt=1(1+Ri,t)（4）

Rm，i=∏Tt=1(1+Rm,t)（5）

BHARi=Ri- Rm，i（6）

BHAR=1N∑Ni=1BHARi（7）

其中，Ri代表IPO样本中第i只股票持有到期的收益率，Rm，i代表IPO样本中第i只股票所对应的参照基准持有到期的收益率，BHARi代表IPO样本中第i只股票所对应的买入并持有超额收益率；T表示持有到期时的期数。

累计异常收益率法和购买并持有异常收益率法对衡量IPO长期表现存在一定的影响。Barber和Lyon（1997）、Lyon等（1997）、Kothari和Warner（1997）、Fama（1998）比较分析了这两种方法，但没有达成一致的观点。Fama（1998）认为 CARs 是合适的度量，是比BHAR偏差更小的方法，因为用BHAR计算长期收益率时复利方法会把个别时期异常数据的效应放大。这正如 Brav等（2000）认为，BHAR倾向于高估IPO长期弱势的程度。但是，Barber和Lyon（1997）认为BHAR更能符合投资者在现实投资经历中所选择的持有策略。

（二）日历时间研究法

本文采用的日历时间研究法主要为月平均超常收益率法MMAR和Fama-French三因素模型回归。虽然有些文献也使用日历时间的CAPM模型，但是与CAPM模型相比，Fama-French三因素模型除了考虑市场因子外，还增加了规模因子和成长因子，是众多相关文献中更为常用的模型。因此，本文就不再使用日历时间的CAPM模型。

1．月平均超常收益率方法（MMAR）

月平均超常收益率方法（MMAR）是用日历时间研究法衡量IPO市场表现的重要方法之一，被不少的研究文献所使用。具体的计算公式如下：

ARi，t=Ri，t–Rm，t（8）

MARt= 1Nt∑Ntt=1ARi,t（9）

MMAR=1T′∑T′t=1MARt（10）

其中，ARi，t是第i个IPO在日历时间第t月的超额收益率；MARt是日历月份第t月全部新股平均月超常收益率；MMAR是全部IPO在整个日历时间的月平均超常收益率；T′是考察的日历月份总数；Nt是日历月份第t月全部新股的个数；其它变量的定义如前。

2．Fama-French三因素模型

该模型是关于IPO市场表现文献中使用频率较高的，包括市场因子、规模因子和成长因子，具体的公式如下：

Rp，t-Rf，t=αi+βi（Rm，t-Rf，t）+siSMB+hiHMLt+εi，t（11）

其中，Rp，t表示第t期的IPO组合的收益率；Rf，t表示第t期的无风险收益率；Rp，t-Rf，t是根据日历时间构造的IPO组合横截面收益率相对于无风险利率的超额收益率。解释变量Rm，t-Rf，t为市场因子，体现市场风险溢价，等于股票投资组合的月收益率减去无风险月收益率。SMB为规模因子，体现了以市值衡量的企业规模对股票收益的影响；HML为成长因子，体现了以账面市值比（BM）衡量的企业成长性对股票收益的影响。αi的估计值则代表了IPO组合的平均单期异常收益率，如果其值显著小于零，则意味着在平均意义上IPO长期表现不佳。

表1控制变量说明变量名定义主要参考依据承销商声誉

Underwriter

将上市前1年主承销商承销总金额排序，位于前10名的赋值1，否则为0Carter etal（1998）；Evan Thomas（2000）风险投资或私募

资金是否参与Vcpe

风险投资或私募资金参与公司IPO赋值为1，否则为0Brav，Gomper（1997）；Evan Thomas（2000）公司年龄

Lnage

公司上市年份与成立年份之差与1相加后和的自然对数Ritter（1991）

募集资金规模

Lnsize

实际募集资金的自然对数

Ritter（1991）；Evan Thomas （2000）；邹高峰、张维、常中阳（2012）上市首日市盈率Lnpe上市首日收盘价对应的市盈率的自然对数邹高峰、张维、常中阳（2012）上市首日市净率Pb上市首日收盘价对应的市净率邹高峰、张维、常中阳（2012）上市前市场情绪

Market

上市前30个交易日的累计整体A股市场回报率Evan Thomas（2000）；邹高峰、张维、常中阳（2012）投资者意见

分歧度

Investor

IPO公司上市首日后30日内的日间个股超额波动率，等于IPO 公司的波动率与综合市场收益率的差Evan Thomas（2000）；邹高峰、张维、常中阳（2012）

行业种类

Incode

哑变量，以证监会公布的分类和行业代码为准，若是制造行业赋值1，否则为0Ritter（1991）；Evan Thomas （2000）

四、研究设计

在衡量IPO市场表现的过程中，首先将IPO全样本根据上市首日的表现分为破发和非破发两个子样本，然后综合运用事件时间法的CAR、BHAR和日历时间法的MMAR、Fama-French三因素模型，分别运用等权平均CSMAR综合市场指数收益率、总市值加权平均CSMAR综合市场指数收益率以及总市值和账面市值比（BM）类似的配比组合收益率，采用等权平均法计算出破发样本和非破发样本的市场表现，并比较两个子样本在同一研究法、同一参照收益率基准和同一时段下的市场表现，进而发现它们各自的特征以及存在的差异。此外，本文还采用多元线性回归模型进一步检验IPO破发是否会影响公司的市场表现以及存在着怎样的影响关系。

（一）IPO公司市场表现的影响因素分析模型

对于IPO破发是否影响公司的市场表现，本文使用下面的模型进行回归分析。

Performance=β0+β1×Ipofail+β2×Underwriter+β3×Vcpe +β4×Lnage +β5×Lnsize +β6×Lnpe +β7×Pb +β8×Market +β9×Investor+β10×Incode +ξ（12）

在回归模型12中，被解释变量Performance是IPO的个股在持有期间T内的累计超额收益率CARi或者买入并持有超额收益率BHARi，并分别采用等权平均综合市场指数收益率、总市值加权平均综合市场指数收益率、总市值和账面市值比（BM）类似的配比组合收益率这三种参照基准收益率，并使用等权平均方法计算CARi和BHARi。模型12中的解释变量Ipofail是哑变量，代表IPO公司在上市首日是否破发，若破发为1，否则为0。在控制变量选取方面，主要借鉴Ritter（1991），Carter etal（1998），Evan Thomas（2000），邹高峰、张维、常中阳（2012）等国内外学者关于IPO长期表现的影响因素研究成果，具体的相关控制变量见表1。

（二）样本选择与数据初步处理

本文为了尽可能多选择样本，选取2005年1月1日至2011年12月31日我国沪深两市发行的920家A股IPO样本。以2011年12月31日为截止时间是因为需要为样本留足至少1年的时间窗口。样本所使用的月度股票收益率数据已经考虑了红利、红股、转增、配股和增发等因素。样本数据主要来源于国泰安SCMAR数据库、Wind数据库和清科数据库，并与上市公司公布的招股说明书和上市公告书进行了核对；而Fama-French模型中的无风险收益率（Rf，t）、市场因子（Rm,t-Rf，t）、规模因子（SMB）和成长因子（HML）的数据则直接来自于锐思金融数据库。此外，本文采用SAS91统计分析软件进行超额收益的计算和模型的回归。