上市公司伪市值管理的行为特征与识别

洪智武 沈 洁

(1.中国政法大学 商学院， 北京 102249； 2.国际关系学院 经济金融学院， 北京 100091)

伪市值管理是一种严重扰乱资本市场公平秩序的行为，给公司和中小投资者带来了巨大损失。值得防范的是，2021年我国集中出现了11家上市公司被网络举报涉嫌伪市值管理，其多以市值管理的名义操纵股价，通过联合相关机构利用资金和信息的优势，关联账户组，发布虚假信息拉抬股价，以达到短期内刺激公司市值牟取私利的目的。从资本市场监管角度，如何区分市值管理与伪市值管理，引发伪市值管理行为的动机又是哪些？本文从压力、机会与自我合理化三要素为切入点，采用Logistic回归模型归纳伪市值管理的行为特征，并通过神经网络模型进行建模识别，以期为保护投资者合法权益和大数据监管提供借鉴。

一、伪市值管理行为的本质与特征

伪市值管理本质上属于股价操纵，其市场表现通常是股价的短期大幅波动以及公司内在价值的严重偏离。部分上市公司对于市值管理的认识存在较多误区。更有以市值管理的名义，采取炒作市场热点、控制信息披露内容与节奏、与中介机构联合坐庄等违法违规手段操纵股价，为上市公司大股东牟利。国外文献表明，被操纵股票在操纵期间的日收益率、有效价差、价格波动性、交易规模等都显著高于未被操纵期间[1]，李梦雨对中国证监会公布的操纵案例运用倍差分析法也发现了类似结果[2]。

伪市值管理手法的复合型以及目的多样性决定了单纯从股价变动、拉抬对倒等交易指标识别该行为存在较大难度。但是与一般市场操纵行为相比，伪市值管理主要有两个突出特征：一是从交易手法来看，伪市值管理不是简单地通过拉抬股价实现公司的市值增长，而是上市公司与私募基金或个人大户联合坐庄，进行交易与信息的复合型操纵；二是从行为目的来看，伪市值管理操纵的目的并不仅仅是从二级市场收集筹码抬高股价后卖出获利，而是根据上市公司的不同需求具有多样性，如配合股权收购、配合定向增发、配合大股东减持、维持股价防止质押爆仓等。

二、基于舞弊三角理论的伪市值管理行为分析

作为分析企业财务舞弊的有力工具，美国注册舞弊审核师协会创始人阿伯雷齐特的财务舞弊三角理论指出，企业财务舞弊的原因来自压力、机会与自我合理化，只有三要素同时具备才会形成舞弊。本文将其拓展至伪市值管理行为，从中识别出其特征(见图1)。

图1 伪市值管理三角理论

(一)压力

压力要素是指上市公司进行伪市值管理的动机。首先，小市值公司(年均总市值小于30亿)具有伪市值管理的动机。近年来我国A股市场投资者尤其是机构投资者存在明显的市值偏好，倾向于关注大市值公司而忽略小市值公司。2014年以来机构调研的公司占总上市公司的比重均值为43%，而小市值公司被调研比例的年均值仅为26%，远小于总体水平(见图2)。投资者对大市值公司的偏好导致市场资金向大市值股票集中，小市值公司获取的市场资源日益减少，面临边缘化的压力，因此小市值公司具有做大公司市值的动机。相比常规市值管理的循序渐进，伪市值管理能够以较低的成本在短期显著提升公司市值，市场资源有限的小市值公司更倾向于进行伪市值管理。

图2 机构调研统计

其次，高股权质押比例的上市公司具有伪市值管理的动机。当公司股价跌破平仓线，质押人若不及时追加或提前赎回质押股权，将面临强平风险。如果质押比例过高，控股股东甚至会面临控制权转移的风险。因此，当上市公司质押比例过高时，控股股东具有维持股价防止控制权变更的意愿。在股权质押背景下，控股股东会通过增持股份的市值管理形式提振股价，但是这种方式传递的并非是价值信号而是行为信号，因为，增持后质押组的长期股价以及经营绩效表现均弱于其对照组[3]。换言之，在高质押比例背景下，上市公司倾向于伪市值管理而非真正的市值管理。

再次，上市公司大股东减持前具有伪市值管理的动机。上市公司大股东无论是出于流动性和风险规避等刚性需求还是出于实现自身利益最大化的考虑进行减持，都期望一个较高的交易价格。国内外研究表明，大股东减持前具有利用自身信息优势操纵公司股价的动机。大股东会因为自身利益利用二级市场的差价赚取资本利得进而损害中小股东利益，内部人在减持前会通过上市公司发布“高送转”“业绩预增”“并购重组”等利好信息精准刺激股价，以达到实现自身财富效应最大化的目的[4]。伪市值管理通过一级市场的信息优势与二级市场的资金优势联合操纵，能够在短期内刺激股价上升，从而为大股东高位减持套现提供理想工具。

(二)机会

机会要素是指上市公司进行伪市值管理时能够掩盖违法事实或规避处罚的条件。伪市值管理的机会主要体现在上市公司信息优势与操作机构资金优势的密切配合。以私募基金参与的伪市值管理为例，在期初，上市公司大股东或管理层会与私募基金就出资金额、收益分成、信息公告等内容制定操作计划；紧接着，私募基金在二级市场低价买入上市公司股票，期间上市公司通过发布利空公告进行配合，以降低建仓成本；私募基金在形成持股优势后开始拉抬股价，上市公司发布“业绩预增”“高送转”“重大投资”“高新技术”等利好信息进行配合，同时私募基金运作分析师出具推荐买入报告，通过媒体对公司进行宣传，进一步推高股价；最后在市场预期一致看好的情况下逐步出货，为保险起见甚至寻找公募基金接盘。在此过程中，一方面，因为有上市公司的公告信息配合，私募基金在操纵股价过程中不需要集中利用资金进行较大幅股价拉抬或打压，与常规操纵市场相比，伪市值管理的二级市场交易更容易规避交易所对大幅拉抬、打压股价操纵行为的监控；另一方面，单从上市公司信息公告来看，利好和利空公告对应股价的涨跌是自然的市场现象，只要上市公司保证信息披露及时、准确、有效并控制其市场影响，一般不会引起监管关注。因此，信息与资金优势的密切配合为上市公司伪市值管理制造了机会。

(三)自我合理化

自我合理化是指行为主体为合理化伪市值管理行为寻找的借口。伪市值管理行为假借市值管理的名义掩盖操纵股价的事实，市值管理是伪市值管理行为自我合理化的借口。2014年5月9日，国务院印发《关于进一步促进资本市场健康发展的若干意见》鼓励上市公司建立市值管理制度，这是为了引导上市公司通过合法合规的市值管理，提升公司内在价值，提高上市公司质量，进而实现股价的长期向好，最终促进资本市场健康发展。上市公司市值管理呈现给投资者的外在表现通常是重大重组、股份回购、股权激励等市值管理手段以及对应股票价格的上涨，伪市值管理的行为主体则利用这一外在表现，通过联合二级市场的机构资金，控制一级市场的信息披露节奏，恶意坐高股价，形成上市公司市值管理的市场预期，在牟取私利的同时却给市场投资者展现出一幅合法合理的资本运作假象。

综上，在引发伪市值管理行为的三个要素中，动机要素表明，小市值、高质押比例以及大股东具有减持计划的上市公司倾向于伪市值管理。从机会与自我合理化要素的分析中可以推断出，伪市值管理的股票在二级市场的价格表现与正常股票存在差异，而一级市场上伪装的市值管理手段也必不可少。因此，以下将从伪市值管理动机、二级市场表现和市值管理手段三个维度对伪市值管理行为进行实证分析。

三、模型设定

(一)Logistic回归模型

Logistic回归模型由条件概率分布P(Y|X)表示，随机变量X为用于分类的特征向量，随机变量Y取值为1或0，表示不同分类。本文的1表示涉嫌伪市值管理，0表示未涉嫌伪市值管理。具体概率分布为：

(1)

(2)

其中，x∈Rn是输入的特征变量，Y={0,1}是输出的分类结果，a∈Rn和b∈R为参数，a·x表示a和x的内积。方便起见，令w=(b,aT)T，x=(1,xT)T，则Logistic回归模型可以表示为：

(3)

(4)

观测样本集合{(x1,y1),(x2,y2),…,(xN,yN)},通常可以采用极大似然法对模型进行估计。令P(Y=1|x)=p(x)，P(Y=0|x)=1-p(x)，则似然函数为：

(5)

对数似然函数为：

(6)

(二)多层感知器(MLP)

随着计算机技术的发展，人工神经网络(ANN)模型作为一种传统而又复杂的机器学习方法越来越被研究者关注。其中，多层感知器(MLP)神经网络由于具有高度并行处理、非线性分离、高容错率以及强大的自我学习功能被广泛应用。本文在Logistic模型回归的基础上进一步采用MLP模型对伪市值管理行为进行识别并分析指标量的重要性。

MLP神经网络主要由三部分组成，最前端是输入层，中间是一个或多个隐藏层，最后是输出层。每一层由多个神经元组成，层与层之间是全连接的，前一层的输出结果即为下一层的输入变量。

图3 多层感知器(MLP)神经网络结构图

如图3所示，假设一个只有单个隐藏层的MLP神经网络具有M个输入层神经元、L个隐含层神经元和P个输出层神经元，则隐含层神经元输出结果为：

(7)

其中，xj为输入层第j个神经元的输入值，wij为隐含层第i个神经元与输入层第j个神经元间的权重，σ(·)为激活函数，常用的激活函数为sigmoid函数或者tanh函数。输出层神经元输出值为：

(8)

四、样本与变量选取

(一)样本选取

伪市值管理对资本市场秩序破坏严重且被市场投资者深恶痛绝，但由于其手法隐蔽，以往并没有太多已查处的案例能够作为研究样本。笔者梳理了近年来中国证监会发布的行政处罚决定书，整理出6起相关案件，分别是恒益集团操纵恒逸石化案、蝶彩资产操纵恒康医疗案、永邦投资操纵宏达新材案、洋丰股份操纵案、阜兴金控操纵大连电瓷案以及陈建铭操纵中昌数据案。同时结合网络实名举报，2021年5月中源家居、隆基机械、维信诺、东方时尚、昊志机电、华钰矿业、众应互联、法兰泰克、祥鑫科技、今创集团、美克家居等11只股票涉嫌伪市值管理，共获得17只黑样本股票。

白样本股票包括两部分：一是2011-2020年由中国上市公司市值管理研究中心公布的每个财务年度市值管理百佳榜前十、并入选财务年开始至2021年4月30日,涨幅超过对应Wind一级行业指数涨幅的公司股票55只，该类公司被认为是市值管理的佼佼者，其真实性较高；二是2021年Wind白马股指数成分股96只，白马股在较长的财报周期内能够维持稳定的业绩增长、较高的ROE和EPS以及较低的市盈率，参与伪市值管理可能性较低。因此白样本总数是151个。2011-2021年各财务年度的样本情况见表1。

表1 2011-2021年各财务年度的样本情况

(二)变量选取

要识别伪市值管理行为需要以下三个维度的指标变量：伪市值管理动机性特征、上市公司股票二级市场的表现特征和上市公司市值管理的行为手段特征。通过违法案例的总结，伪市值管理的动机主要有以下三个：一是上市公司市值较小，具有提升市值的需求；二是上市公司大股东股权质押比例较高，需要采取手段维持股价；三是上市公司大股东具有减持套现需求时，具有通过伪市值管理抬高股价后卖出获利的动机。

因此本文选择样本在期间内日均流通市值、质押比例、是否减持三个特征指标作为伪市值管理的动机性指标变量。市场操纵行为的结果反映在股票二级市场的主要特征为交易量异常和涨跌幅异常，另外从交易特征看，操纵期间账户持股集中度会显著增高，因此我们选取研究样本区间日均交易量、期间自最低价的最大涨幅、期间自最高价的最大跌幅和区间最高人均持股比例作为二级市场特征。上市公司市值管理过程中常用的手段包括重大重组、增发股份、回购股份、员工持股计划和股利分红等，本文选取样本在考察期间是否实施了以上行为作为识别变量，1表示实施，0表示未实施。指标明细见表2，数据源自Wind数据库。

表2 指标变量描述

(三)数据处理

由于黑样本占比为10%，具有典型的非平衡特征。直接分析会降低模型的泛化能力，使预测结果产生较大偏差。SMOTE算法可以解决数据的非平衡问题[5]，其通过对少数类别样本进行分析和模拟，生成人工模拟新样本，并将新样本添加到原始数据集中，形成新的平衡样本。本文采用该方法对原始样本进行扩充，形成302个平衡样本。为了消除变量特征之间单位和尺度差异的影响，对所有定量变量进行归一化处理。从统计结果来看，黑样本日均交易量、最大涨跌幅、分红和日均流通市值的均值低于白样本，而人均持股比例、质押比例以及减持的均值都高于白样本(见表3)。

表3 指标变量描述性统计

五、实证结果与分析

(一)Logistic回归分析

以下采用SPSS向前有条件法进行回归，考察伪市值管理动机、二级市场表现和市值管理手段三个维度下的相关指标对伪市值管理行为的影响(见表4)。

表4 Logistic回归结果

首先，从伪市值管理动机(L1)指标来看，日均流通市值的回归系数显著为负，质押比例与重要股东是否减持的系数显著为正，证明了具有小市值、高质押比例以及存在大股东减持行为特征的上市公司更倾向于伪市值管理。其次，二级市场表现(L2)的指标显示，日均交易量和最大涨幅的回归系数显著为负，最大跌幅和人均持股比例的回归系数显著为正。这表明实施伪市值管理的公司股票交易活跃度会比较低，但是股权集中度会比较高，其股价波动表现为上涨的不可持续性以及下跌时具有超跌的特征。再次，从市值管理手段(L3)角度分析，是否重大重组或股份回购的回归系数显著为正，是否增发和实施员工持股计划两项指标未进入方程，是否分红的回归系数显著为负，表明实施伪市值管理的公司从表面上看确实会采用重大重组、股份回购等方式来提高市值，但却吝于向投资者分红。最后，三个维度(L4)指标共同回归结果显示，二级市场表现变量中的最大涨幅、人均持股比例，市值管理手段中的分红，以及伪市值管理动机中的日均流通市值、质押比例和重要股东减持进入了回归方程，结果的显著性和方向性与单维度回归结果基本保持一致。

进一步对比各个维度下Logistic模型的拟合优度以及样本内的预测效果。首先，通过R2、Hosmer和Lemeshow检验以及预测正确百分比的比较可以发现，同时考虑三个维度变量的模型具有最高的R2(Cox & Snell R2和Nagelkerk R2分别为0.72和0.96)，以最大的sig值(等于1)通过了Hosmer和Lemeshow检验，且非伪市值管理、伪市值管理以及整体预测正确百分比均最高，分别为97.4%、99.3%和98.3%。其次，仅用伪市值管理动机指标对伪市值管理行为分类虽然具有较高的样本内预测百分比和较高的R2，但是Hosmer和Lemeshow检验结果显示其sig值为0.02，表明模型的适配度并不理想。根据Hosmer和Lemeshow检验的构造特征，将模型预测值和观测值按预测概率分组后，至少存在一组预测结果与实际结果相差较大，因此仅使用伪市值管理动机指标进行分类还是存在较大误判的可能。最后，二级市场表现和市值管理手段指标的单维度模型虽然通过了Hosmer和Lemeshow检验(sig值分别为0.08和0.43，均大于0.05)，但是其R2和样本内预测效果均表现不佳。其中，市值管理行为指标预测出伪市值管理行为的准确率仅为56%，这表明上市公司在实施伪市值管理时，会采用一些市值管理手段迷惑投资者，仅从市场行为的角度很难判断其真伪。

(二)MLP神经网络模型分析

根据各Logistic回归模型筛选出的指标变量，本文利用MLP神经网络模型对伪市值管理行为进行识别。在各MLP神经网络模型中，将训练集、验证集以及支持集样本的比例设为5∶3∶2。其中，训练集用于模型训练，验证集用于模型验证，支持集作为额外的检验样本对模型精度进行再次验证。鉴于样本量有限，本文将隐含层数量设置为1。表5给出了各个维度下MLP神经网络识别伪市值管理行为的精准度。与Logistic回归结果类似，综合考虑三个维度指标变量的MLP神经网络模型(M4)识别效果最佳，该模型在各个样本集中对伪市值管理行为的识别正确率均达到或接近100%，并且将非伪市值管理识别为伪市值管理的概率也基本小于10%，对应ROC曲线下面积为0.996，接近1。

表5 MLP神经网络识别结果

MLP神经网络模型还能够提供自变量的重要性排序，有助于我们对各个变量在伪市值管理行为识别中的重要性特征进行把握(见图4)。

图4 MLP神经网络模型变量重要性排序

M1、M2和M3分别给出了在单维度下变量的重要性排序，其中在伪市值管理动机指标中，日均流通市值重要性明显高于质押比例和重要股东是否减持，人均持股比例和最大涨幅在二级市场表现指标中贡献最大，是否分红在市值管理手段指标中重要性突出。M4综合考虑了三个维度指标的重要性，其中排名前三的是日均流通市值、最大涨幅和质押比例，是否分红的重要性高于重要股东是否减持。重要性排序的结果表明，伪市值管理行为的识别需要综合考虑各个维度的指标，是否具有伪市值管理的动机以及二级市场表现的相关指标尤需关注。

六、结论及政策建议

第一，流通市值较小、质押比例较高以及重要股东要减持股份是伪市值管理动机的典型特征。

第二，伪市值管理的股票成交量较低，人均持股比例较高，其股价上涨具有不可持续性，在下跌时容易崩盘导致较大的跌幅。

第三，伪市值管理会通过重大资产重组、股份回购等方式伪装成市值管理迷惑投资者决策，但很少通过分红切实提高投资者收益。

第四，综合考虑三个维度的指标进行MLP神经网络建模能够实现伪市值管理行为的精准识别，对于模型识别精度的重要性排序依次为伪市值管理动机、二级市场表现与市值管理。

基于以上结论，政策建议如下：

一是颁布市值管理制度的行为规范指引，明确市值管理的行为准则与法律底线。目前上市公司市值管理虽然有章可循，但还缺乏具体的行为规范。通过规范指引可以明确市值管理行为的核心在于提升公司盈利水平与内在价值而非价格管理，有助于上市公司准确区分市值管理与价格操纵，避免触碰监管红线。

二是强化信息披露监管和投资者教育。由于上市公司进行伪市值管理时会通过利好公告来配合二级市场的操纵行为，监管部门制定严格的信息披露标准与惩罚机制可以降低上市公司相关人员的信息优势，同时引导投资者树立正确的风险投资理念，提高市场风险的识别和应对能力，避免落入伪市值管理的圈套。

三是完善市场监控指标体系，构建伪市值管理行为识别的多维监控系统。通过综合行为动机、市场表现以及市值管理手段等多维度进行伪市值管理行为的识别具备较高的有效性。监管部门可在此基础上，结合上市公司信息披露、账户关联交易情况等构建机器学习模型，发挥大数据监管优势，实现对伪市值管理行为精准识别与实时监控。