市场操纵、价格回归与市场有效性_高嘉亮.pdf

工信财经科技 2023 年第 1 期 42 市场操纵、价格回归与市场有效性市场操纵、价格回归与市场有效性 高嘉亮*摘 要：我国股票市场成立以来，市场操纵事件时有发生。本文基于 20112021 年中国全部 A 股上市公司被操纵的股票数据，结合泊松回归检验影响市场有效性的因素。结果显示，媒体关注越高的股票，被操纵后价格回归速率越快；换手率越高的股票，被操纵后价格回归速率越快。因此得出结论，市场有效性应从媒体关注、监管机构和投资者角度进行提升，在股票操纵时有发生的情况下应加快上市公司信息披露速度，加强监管机构对于上市公司的监管，引导投资者树立正确的投资价值观。关键词：市场操纵；市场有效性；价格回归；泊松回归 一、引言 伴随着中国证监会定期披露的众多股票操纵事件，股票操纵现象的频繁出现严重破坏了我国上市公司与投资者的融资渠道，影响了证券市场的公平性和有效性。既有研究指出，市场操纵会扭曲股票价格，损害股票市场的有效性，如果股票操纵行为不能得到及时的控制，将会使投资者的积极性受到打击，不利于我国证券市场的发展。因此，本文将股价被操纵后的价格回归速率作为切入点，研究股价操纵对市场有效性的影响，以丰富股票市场操纵经济后果的研究，提升我国证券市场的有效性。企业的贡献对于国家经济发展起着至关重要的作用，但在各个发展周期中，企业将会遇到众多问题，而资金的合理利用可以较好地解决企业面临的问题。企业的融资渠道可以分为间接融资和直接融资，间接融资是指不与出资方直接交易而间接通过金融中介机构获得资金，直接融资是指直接与出资方发生的交易。对于企业来说，发行股票是一种重要的融资方式，但是由于我国股票市场上股票操纵事件屡次发生，使得部分公司的筹资发生困难，影响了公司的发展速度，从而降低国家整体经济的发展速度，不利于提升我国在国际经济市场的话语权与经济实力，伴随时间的延长，这些影响会逐渐变大，从而造成更严重的结果。因此，本文的研究意义主要体现在以下两点。一是为辨别出股票的价格回归到正常水平所需要的时间提供新的研究角度。本文将股票被操纵结束日后 50 天内的每 10 天定为一个周期，当周期内的股票波动率回归到被操纵前股票价格波动率时，回归的当日距离被操纵结束日的天数为本文实证研究的因变*高嘉亮，北京工商大学经济学院，硕士研究生；邮箱：。高嘉亮：市场操纵、价格回归与市场有效性 43 量。这种研究方法为股票操纵与市场有效性的关系研究提供了新的方向与思路，为解决股票市场操纵问题提供新的分析角度，使市场在治理股票操纵方面具有更多参考性，有利于经济体系合理合规、有秩序地运行与成长。二是为市场有效性的提升提供对策建议。本文通过分析被操纵股票的股票价格波动率回归于被操纵前水平距离被操纵结束日的天数来分析股票的价格波动率回归于正常水平的时间长短，时间越长代表股票市场的有效性越低，时间越短代表股票市场的有效性越高。同时，本文分析了可能影响股票价格波动率回归速度的因素，为提升股票市场有效性提供了补充性的建议，有利于提高股票交易的透明度与效率。二、理论基础与研究假设 部分学者从心理层面对市场操纵进行研究，发现市场操纵的目的带有主观性。因此对操纵类型为交易性操纵的股票进行研究之前，应该对操纵动机和产生原因进行深层次分析。国内学者从不同的角度对股票市场操纵进行研究分析。其中的一些学者从市场操纵的定义和相关法规等角度对股票市场操纵进行研究，研究发现市场操纵行为的行政立法系统性规范不高（何文涛，2018）。张玉智（2003）从市场操纵中人们的心理角度分析，他指出市场操纵的原因主要是人们欲望和需求的扩大，导致了投资心理发生了变动，从而进行股票操纵，最终目标和内驱力是为了从股票操纵中获得超额收益。庞耿业（2011）在分析证券投资基金的“窗饰效应”的时候提出，基金的管理人员为了粉饰基金的业绩和为了能够获得更多的收益，会在每年年末时对股票价格进行操纵，这是股票操纵的一个现象。人们在股票操纵的时候会通过一系列行为来掩盖自己的行为，迷惑投资者，进而从中获得超额收入。李泳霖（2018）研究发现，在证券执法领域，行政执法与刑事司法由于制度的不同，容易形成各自的闭环，在实际判断中两者之间的衔接和分解不足，导致有可能阻碍行政执法权力和刑事司法权力的发挥。国外学者对造成市场操纵次数变多的原因做出研究，Comerton-Forde et al.（2011）通过对收盘价操纵进行分析，总结出人们操纵股票价格的原因是为了对基金进行业绩上的粉饰，基金经理为使自己管理的基金能够拥有良好业绩，会对自己持有的股票进行操纵。近年来，随着互联网和新媒体的快速发展，金融领域信息迅速传播，媒体数量增加，提升了投资者对于股票的关注。当股票被操纵时股价会发生大幅度的变化，这将导致股票的百度指数增加。投资者对于媒体报道频次相对较高的事件关注程度也较高，即媒体对投资者具有引导的作用（Funkhouser，1973）。媒体报道的观众主要为市场投资者，并且媒体的影响范围大小与公司股票的收益有着紧密的关联（Fang and Peress，2009）。对于媒体的关注程度与股票的收益之间的关系的讨论，Tetlock（2007）通过对华尔街日报工信财经科技 2023 年第 1 期 44 研究分析，提出媒体对于股票价格的悲观预测会导致股票价格真正下跌，之后股票价格会回归到基本面。在市场操纵的过程中，股票价格和交易量会显著增加，这将被投资者视为股票的积极信号，因此投资者的情绪会很高，买入被操纵的股票。总结以上研究，发现媒体关注会指引投资者的资金投向，同时，媒体关注与公司的股票收益也有着紧密关联，当投资者情绪高涨时，会频繁买入和卖出股票，从而导致换手率的大幅度上升。据此，本文提出研究假设 1 和假设 2。假设 1：媒体关注与股票波动率的回归速度成正比。媒体关注的增加通过影响投资者进而影响被操纵股票波动率的回归速度。假设 2：投资者情绪与股票波动率的回归速度成正比。投资者情绪升高后，通过大量买入和卖出股票导致换手率上升，进一步影响股票波动率的变动。喻平和张应华（2011）通过对公司财务指标与股价波动之间关系进行研究分析，得出其具有显著的关系，并且与股票价格最相关的财务指标是资产负债率。吴艳敏（2018）从财务指标出发，研究分析房地产行业的股票价格与财务指标之间的关联，研究结果表明，对于股票价格有显著的影响的财务指标为资产收益率、市净率和每股收益。通过以上分析，本文提出研究假设 3。假设 3：资产负债率和净资产收益率与股票波动率的回归速度成正比。资产负债率和净资产收益率通过影响股票价格变动来影响股票收益波动率。三、研究设计（一）价格回归与市场有效性的度量方法 度量市场操纵后的价格回归速率是本文的主要关注点。本文将被操纵后 50 个交易日设为大事件窗口，50 个交易日内的每 10 个交易日设为小区间，通过计算股票被操纵前30天的股票波动率和被操纵后50个交易日中每个小区间的滚动股票波动率来研究股票市场的有效性，以下是具体实验方法。首先，计算被操纵股票前 30 天的每日收益率Rit，然后计算对应期间沪深 300 市场的收益率Rm，之后将计算得到的被操纵股票前 30 天的股票波动率ka减去计算出来的沪深 300 市场的指数波动率ma得到本文需要的波动率。对于被操纵结束日后波动率，取时间段为被操纵日后 50 个交易日的股票数据，计算这 50 个交易日之中第一个 10 个交易日区间的股票收益率R1和股票波动率1，之后再从被操纵日后第二个交易日计起取10 个交易日计算其股票收益率R3和股票波动率3，依次向后推一个交易日再取 10 个交易日计算股票波动率i，继续计算对应期间沪深 300 市场的指数收益率Rm和指数波动率m，将算出的被操纵日后 50 个交易日通过滚动计算得出来的 40 个股票波动率减去对高嘉亮：市场操纵、价格回归与市场有效性 45 应期间沪深 300 市场的指数波动率，用公式表达为i m=k，从而得到本文需要的被操纵结束日后的股票波动率。再用计算得出的被操纵日后滚动的股票波动率k减去计算得出的被操纵前 30 天的股票波动率ka，将这个结果取绝对值，通过逐个减去被操纵前 30 天的股票波动率得出 40 个结果，用公式表达为|k ka|。取 40 个结果中的最小值min（|k ka|），得到股票波动率最接近被操纵前的股票波动率，而最小值所在日便是股票波动率回归到被操纵前股票波动率的水平的所在日。将上述计算方法应用到每支被操纵的股票进行计算，同时记录最小值所在日距离被操纵结束日的天数，并将该天数作为本文所研究的被解释变量。通过对操纵日后股票波动率最接近被操纵前股票波动率水平的日期和距离操纵结束日的天数进行记录，以此为基础，如果股票波动率回归到操纵前股票波动率的时间越短，则认为市场调节被操纵股票的能力越强，市场有效性就越高；反之，如果股票波动率回归到操纵前股票波动率的时间越长，市场调节被操纵股票的能力就越弱，市场有效性越低。（二）样本选择与数据来源 本文选取了 20112021 年中国证监会网站上公布的所有被操纵的股票为本文样本，按照本文对于被解释变量的处理方法剔除不符合条件的股票，共计获得 84 个观测值。数据来源如下：文中的市盈率和换手率来源于国泰安数据库，数据选取期间为股票被操纵的期间，对其做算术平均数处理，以作为所对应股票的最终数值。百度指数按照被操纵期间进行收集，股票被操纵天数通过中国证监会网站披露的被操纵的股票信息中找到的股票被操纵的起始日和操纵结束日计算得出，资产回报率和资产负债率来源于锐思数据库，所选取的时间段是所对应股票的被操纵的期间，同时对其进行算术平均数的处理，作为对应股票的最终数值。1.被解释变量被解释变量 被操纵股票的股票波动率回归到被操纵前平均水平距离被操纵结束日的天数（Appday）。此因变量是本文的创新点，计算方法请见本章第一节。2.解释变量解释变量 王霞（2010）认为高市盈率水平影响着投资者的投资机会，陆蓉和陈晓琳（2009）认为在操纵期间和操纵前后被操纵股票的换手率和成交量等指标存在显著差异且在被操纵期间呈现出较低的贝塔值、高收益率和较高股票价格的现象。鉴于此，本文加入了股票被操纵的天数（Days）。张建羽（2017）发现媒体对于股票的关注会分散投资者对于股票的工信财经科技 2023 年第 1 期 46 注意力，从而对投资者的投资行为产生影响，因此将百度指数（Lnall）作为解释变量。3.控制变量控制变量 为了探讨财务指标对本研究的影响，加入财务指标资产收益率（Roa）和资产负债率（Ee）（见表 1）。表 1 变量解释 变量类型 变量名称 含义 计算方法 被解释变量 Appday 被操纵股票的股票波动率回归到被操纵前平均水平距离被操纵结束日的天数 滚动式计算被操纵日后每 10 天为一个单位的股票波动率与被操纵前股票波动率最相近的日期距离被操纵结束日的天数 解释变量 Pe 市盈率 被操纵期间的日市盈率取平均值 Turnover 换手率 被操纵期间的日换手率取平均值 Lnall 百度指数 被操纵期间的百度指数取平均值 Days 被操纵的天数 被操纵开始日距离被操纵结束日的天数 控制变量 Roa 资产收益率 被操纵期间季度资产收益率取平均值 Ee 资产负债率 被操纵期间季度资产负债率取平均值（三）模型设定 本文的基准回归模型采用“泊松回归”，总体模型为：P(Yi=yi|xi)=e-iiyiyi!(yi=1,2,3,)（1）式（1）中，i0 为泊松到达率，Yi为股票波动率回归到被操纵前水平距离被操纵结束日的天数，是被解释变量。xi为各解释变量，包括市盈率（Pe）、换手率（Turnover）、百度指数（Lnall）、被操纵天数（Days）。四、实证结果与分析（一）描述性统计 如表 2 所示，被解释变量（Appday）的最大值为 41 天，最小值为 1 天，均值为19.82 天，标准差为 12.28 天。表明我国上市公司被操纵股票的波动率回归到被操纵前高嘉亮：市场操纵、价格回归与市场有效性 47 平均水平距离被操纵结束日的速度存在较大差距，但均值和中位数相近，说明样本数据较为稳定。市盈率（Pe）和股票被操纵天数（Days）的均值和中位数差异较大，表明这两个数据的波动较大。其他自变量的均值和中位数相近。表 2 描述性统计 变量 VARIABLES 均值 Mean 标准差 Sd.Dev 最小值 Min 中位数 Median 最大值 Max Appday 19.821 4 12.282 97 1 19.5 41 Pe 185.367 8 619.823 2 8.431 276 63.578 4 5 570.688 Turnover 0.088 81 0.095 27 0.005 837 0.053 5 0.432 598 Lnall 6.610 2 1.243 6 1.791 8 6.388 6 11.746 7 Days 114.255 3 139.910 7 1 7.5 508 Roa 2.816 7 4.174 1-3.192 2 1.267 7 18.798 1 Ee 40.857 2 23.269 1 2.631 3 37.216 2 94.974 8 将样本中的被操纵股票市值按照规模划分为三个区间，作为图 1 的横轴数据，这三个区间的市值范围分别为 20 亿元以下、20 亿元到 100 亿元之间和 100 亿元以上三组，并将本文的因变量作为纵轴数据，结果如图 1 所示。市值与因变量呈现正比关系，即市值越大，股票波动率回归到被操纵前的水平就越慢。通过对结果进行分析，市值大的股票分为两类，一类是价格比较高的单支股票；另一类是价格不高的股票，但由于流通股的数量很大，所以导致市值很大。这两种情况都会使得市值高的股票不像市值低的股票那样能够轻松买入和卖出，因而导致股票波动率回归得越慢。图 1 按市值划分的市场操纵天数统计 基于对样本数据的统计分析，如图 2 所示。将样本数据按照第一产业、第二产业和第三产业进行区分。其中，第一产业中有 4 支被操纵的股票，第二产业中有 53 支被操纵的股票，第三产业中有 29 支被操纵的股票。再将各个大产业被操纵股票的时间取平均值。第一产业的平均操纵时间为 73.75 天，第二产业的平均操纵时间为 59.96 天，第工信财经科技 2023 年第 1 期 48 三产业的平均操纵时间为 41.03 天，按照平均被操纵时间由长到短来排序，依次为第一产业、第二产业、第三产业，其中第一产业比第二产业的操纵时间长了 23%，第二产业比第三产业的操纵时间长了 45.99%。由此可见，各个产业被操纵时间长短之间有着明显的差异。由样本数据可以得出，股票操纵者偏好操纵第一产业的股票，比较不偏好操纵第三产业的股票。图 2 按产业划分的市场操纵天数统计 将样本数据按照被操纵天数进行划分，所得出的数据如图 3 所示。其中被操纵股票天数为 100 天以内的股票数量为 71 个，100 天到 200 天之间的股票数量为 3 个，操纵天数在 200 天以上的股票数量是 10 个，从图中可以看出股票的操纵者习惯于短期内操纵股票，获利速度快，操纵时间短。图 3 按被操纵天数的统计结果（二）泊松回归结果 表 3 为在 stata 中对于本文的泊松回归结果。本文中的自变量市盈率、换手率和百度指数对本文中的因变量被操纵股票的股票波动率回归到被操纵前平均水平距离被操纵高嘉亮：市场操纵、价格回归与市场有效性 49 结束日的天数来说更为重要，且对因变量的影响较为显著，而操纵时间对因变量的影响较轻。表 3 泊松回归结果 （1）r1 VARIABLES Appday Pe-0.000 1*（-2.11）Turnover-2.305 5*（-3.05）Lnall 0.076 2*（1.78）Days 0.000 4 （0.67）Constant 2.671 7*（8.80）Observations 84 Robust z-statistics in parentheses，*p0.01,*p0.05,*p0.1。分析实验回归结果的原因，首先对本文中因变量影响比较重要的因素市盈率、换手率和百度指数进行研究。市盈率是指每股股票价格除以每股收益的比率，通常随着行业的不同有着较大的变化。本文中的被操纵数据涉及 10 个行业，分别为制造业、采矿业和房地产业等等，并且分布在三大产业之中。实验结果表明本文中的因变量受市盈率的影响较为显著，其原因在于被操纵股票的波动率回归到被操纵前平均水平距离被操纵结束日的天数受行业的影响较大，也就是说，被操纵股票的波动率回归到被操纵前平均水平距离被操纵结束日的天数随着行业的变化也在进行变化，其原因为随着行业的不同，各家公司的主营业务也在进行着变化，同行业的主营业务一般相同，如果行业不同，主营业务就会有较大的差距，对被操纵后股价的回归于正常水平的能力也有着较大的区别。由此得出，行业的区分对被解释变量有显著影响。换手率是指在一定时间内市场中股票转手买卖的频率，上述回归结果表明换手率的大小对本文中的因变量有显著影响。通过分析换手率对于被解释变量影响显著的原因，发现换手率与投资者对该支股票的交易频率和投资热情的高低有着密切关联。高换手率代表投资者买卖股票的频率高，当操纵者操纵股票时，大量频繁的交易导致换手率增高，而低换手率代表该支股票的流动性较差，投资者进行买卖的频率低。基于此，被解释变工信财经科技 2023 年第 1 期 50 量受换手率影响的原因主要在于股票交易的频繁程度，当股票价格偏离正常水平，由于投资者众多，其中进行价值投资的投资者通过理性分析后，卖出手中被高估的股票或者买入被低估的股票，便会使得价格处于非正常水平股票的价格回到正常水平。反之，对于换手率较低的股票来说，由于投资者对该支股票的交易频率较低，即使股票的价格出现偏离正常水平较大的现象，投资者也不能在短时间内把股票的价格快速拉回到正常水平，这是因为即使部分投资者发现了该支股票的价格较大程度偏离正常水平，也不能及时找到交易对手方卖出手中被高估的股票或者买入被低估的股票。本文同时分析了自变量换手率对因变量的影响，对换手率数据进行升序排列，如图4 所示。同时将换手率所对应的因变量的数据平均分为三份，并将换手率对应的因变量进行计算平均值。计算结果发现，换手率较小部分所对应的因变量的算术平均值为 22.36，换手率中等部分所对应的因变量的算术平均值为 21.29，换手率较大部分所对应的因变量的算术平均值为 15.82，则代表着换手率与股票波动率的回归速度有关。同时，通过本文进行回归，得到的结果为自变量换手率对因变量的影响是显著的。由此可以得出，换手率越大，被解释变量数值越小，反之，换手率越小，被解释变量越大。自变量换手率对于被操纵股票的股票波动率回归速度是正相关的，证实假设 2 成立。图 4 按大小划分的换手率 通过对样本中代表媒体关注的自变量百度指数进行分组统计分析，得出如图 5 的结果。发现百度指数处于前三分之一的股票的因变量的平均值为 21.54，百度指数处于三分之一到三分之二的股票的因变量的平均值为 19.93，百度指数处于三分之二到最大值的股票的因变量的平均值为 18。由此得出媒体关注程度越低的股票，其波动率回归的速度越慢的结论。通过从投资者的心理角度来分析，投资者对股票的关注程度较低，买入和卖出股票的频率降低，导致投资者情绪不高涨，股票价格回归速度慢。而媒体关注程度较高的股票波动率回归速度较快的原因是投资者发现股票可能已被操纵，所以进行大量的卖出操作，使得股票价格更快地回归到被操纵前的水平，证明假设 1 成立。高嘉亮：市场操纵、价格回归与市场有效性 51 图 5 按大小划分的百度指数（三）稳健性检验 1.负二项回归负二项回归 通过加入自变量资产收益率（Roa）和资产负债率（Ee）进行负二项回归得到表 4 的结果。通过加入被操纵公司财务指标的方式检验实证结果的稳健性，负二项回归模型如下。P(Yi=yi|xi,i)=e-uii(uii)yiyi!(yi=1,2,3,)（2）Yi为股票波动率回归到被操纵前水平距离被操纵结束日的天数，是被解释变量。xi为各解释变量，为市盈率（Pe）、换手率（Turnover）、百度指数（Lnall）、被操纵天数（Days）和控制变量资产收益率（Roa）、资产负债率（Ee）。但是因为i不可被观测，所以无法对方程（2）进行估计。为此，将i的概率密度函数记为 g（i），则可以将i积分掉，来计算yi的边缘密度：P(Yi=yi|xi)=e-uii(uii)yiyi!0g(i)di （3）因为i大于 0，通常选择 i服从 Gamma 分布，假设iGamma（1/，），其中大于 0，故i的期望为 1，方差为。将 Gamma（1/，）的概率密度代入方程（3），可得到负二项分布的概率密度。表 4 负二项回归结果 （1）（2）r1 VARIABLES Appday yalpha Pe-0.000 1*（-2.65）Turnover-2.225 9*（-2.71）21.5419.931816171819202122小数值组中等数值组大数值组工信财经科技 2023 年第 1 期 52 续表 （1）（2）r1 VARIABLES Appday yalpha Lnall 0.086 2 （1.40）Days 0.000 3 （0.59）Roa-0.003 6 （-0.26）Ee 0.001 3 （0.39）Lnalpha -0.790 0*（-3.93）Constant 2.556 5*（6.61）Observations 84 84 Robust z-statistics in parentheses，*p0.01,*p0.05,*p0.1。通过表 4 的稳健性检验回归结果可以看出，在加入新的自变量之后，市盈率（Pe）和换手率（Turnover）对于因变量的影响依然是显著的，但是百度指数对因变量的影响变得轻微且新加入的自变量对因变量的影响也较轻，由此可知本文研究的因变量受到公司财务数据的影响较小，因为股票操纵是操纵者通过操作方法来进行的，与公司的财务实力无关，证明研究假设 3 不成立，因为资产负债率和资产收益率在股票被操纵期间是相对固定的指标，其对股票波动率回归速度的影响较小。2.最小二乘法回归最小二乘法回归 为保证实证结果的可靠性，本文通过更换回归方法继续对实证结果进行检验，使用的回归模型是最小二乘法，回归结果如表 5 所示。回归模型如下：appdayi=0+1pei+3turnoeri+3roai+4eei+5daysi+6lnalli+i（4）式（4）中，appdayi为股票波动率回归到被操纵前水平距离被操纵结束日的天数，是被解释变量。解释变量为pei、turnoeri、roai、eei、daysi、lnalli，解释变量的下角标i代表第i个观测值。i表示随机扰动项，(i=1,n)。通过表 5 的稳健性检验回归结果可以看出，将负二项回归模型更换为最小二乘法回归模型之后，解释变量市盈率（Pe）和换手率（Turnover）对因变量的影响显著性不变，与实证结果和使用负二项回归模型一致。其余解释变量和控制变量对因变量的影响显著高嘉亮：市场操纵、价格回归与市场有效性 53 性也不变。表 5 最小二乘法回归结果 （1）r1 VARIABLES Appday Pe-0.002 6*（-2.29）Turnover-36.868 8*（-2.96）Lnall 1.576 1 （1.63）Days 0.009 1 （0.65）Roa 0.013 7 （0.04）Ee 0.026 4 （0.38）Constant 11.548 4 （1.63）Observations 84 R-squared 0.105 r2_a 0.035 8 F 3.817 Robust t-statistics in parentheses，*p0.01,*p0.05,*p0.05，证明不存在异方差的原假设成立，即方程本身不存在异方差，本文数据的回归结果不受异方差的影响。进一步对实证结果进行自相关检验，得到表 8 的实验结果。表 8 自相关检验的结果 Lags（p）Chi2 Df Prob Chi2 1 0.208 1 0.648 1 本次自相关检验是通过 LM 检验得到的实验结果，在给定=0.05 的情况下卡方统计量的数值为 0.208，对应的 p 值为 0.648 10.05，证明方程扰动项不存在自相关的原假设成立，实证结果不受自相关的影响。通过检验发现，回归结果不受多重共线性、异方差和自相关的影响，为本文结果排除了可能造成影响的因素，证明本文的因变量受自变量的影响占比更大，本文的回归结果更加具有说服力。五、研究结论与政策建议 本文以市场操纵为切入点，基于 20112021 年中国全部 A 股被操纵上市公司的数高嘉亮：市场操纵、价格回归与市场有效性 55 据，结合泊松回归检验影响市场有效性的因素。研究发现，媒体关注越高的股票，被操纵后价格回归速率越快；换手率越高的股票，被操纵后价格回归速率越快。具体来看，市场操纵是通过股票操纵者与投资者之间的信息差来获利的。据此，可通过鼓励媒体对股票操纵事件的传播，加强监管机构对上市公司的监管，引导投资者树立正确的投资价值观，减少市场操纵现象的发生。市场操纵的本质是股票操纵者通过虚假交易或者虚假信息来诱导不知情的投资者进行买入或者卖出股票，进而从中获利。结合上述结论，本文提出如下政策建议：第一，鼓励媒体对股票操纵事件的传播，形成对股票操纵的外部监管，将股票异常的消息传播给更多的投资者，从媒体的角度加快信息披露。投资者在了解到所持股票被操纵后可将股票卖出，规避风险，降低损失。保证股票市场良好运行，加强上市公司的融资能力，丰富投资者的投资渠道。第二，加强监管机构对上市公司信息披露的监管和对股票操纵者的惩罚力度。通过采取更严格的监管和更严厉的惩罚措施来抑制内幕信息知情者的股票买卖行为，同时大幅度压缩内幕信息留存在公司内部的时间，使上市公司能够主动地、更早地将内幕信息披露出来，提升市场的效率。第三，引导投资者树立正确的投资价值观，提升投资者的专业能力。投资者树立良好的价值投资观念，减少投机交易，从而遏制股票操纵者的行为。提升投资者的专业能力，提高所持的股票是否处于被操纵状态的识别能力。参考文献 何文涛.基于投资者保护的操纵证券市场行为法律监管研究D.南昌：江西财经大学.2018.李泳霖.操纵证券市场罪研究论行政处罚与刑事制裁的相互衔接D.兰州：兰州大学.2018.陆蓉，陈小琳.股票操纵行为市场表现及其判别研究J.证券市场导报，2009，(4):65-72.庞耿业.我国开放式基金“窗饰效应”研究综述J.中国证券期货，2011，(10):49-50.王霞.对我国股票市场理论市盈率水平的实证分析J.中国高新技术企业，2010，(32):60-61.吴艳敏.房地产上市公司财务指标与股价的相关性研究D.郑州：华北水利水电大学，2018.喻平，张应华.上市公司财务指标与股价波动关联性研究J.财会通讯，2011，(22):39-40.张建羽，位倩，王澜，李玲，伍西贝.媒体关注度对股票波动率的影响研究J.中国市场，2017，(29):63-66.张玉智.市场操纵的心理学解读J.工业技术经济，2003，(6):114-115.Comerton-Forde,C.,T.J.Putinis.2011.Measuring Closing ManipulationJ.Journal of Financial Intermediation,20(2):135-158.Fang L.,J.Peress,2009.Media Coverage and the Cross-Section of Stock ReturnsJ.Journal of Finance,工信财经科技 2023 年第 1 期 56 Vol.64,No.5:2023-2052.Funkhouser G.,1973.The Issues of the Sixties:An Exploratory Study in the Dynamics of Public OpinionJ.Public Opinion Quarterly,Vol.37,No.1:62-75.Tetlock P.,2007,Giving Content to Investor Sentiment:The Role of Media in the Stock MarketJ.Journal of Finance,Vol.62,No.3:1139-1168.Market Manipulation,Price Regression and Market Efficiency JIALIANG GAO(School of Economics,Beijing Technology and Business University)Abstract:Since the establishment of our stock market,market manipulation events have occurred frequently.Based on the manipulated stock data of all Chinese A-share listed companies from 2011 to 2021,this paper combined with Poisson regression test to test the factors affecting market efficiency.The results show that the higher the media attention,the faster the price regression rate after manipulation;the higher the turnover rate of the stock,the faster the rate of price regression after manipulation.To improve the effectiveness of the market should be promoted from the perspective of media attention,regulators and investors.In the case of stock manipulation,the speed of information disclosure of listed companies should be accelerated,the supervision of listed companies should be strengthened,and the correct investment values of investors should be established.Key Words:market manipulation;market effectiveness;prices return;poisson regression 学术编辑：汪勇