2018年-BIS国际清算银行_Are_banks_opaque_Evidence_from_insider_trading_46页_513kb

总结：Are Banks Opaque? Evidence from Insider Trading

核心内容

本文通过分析美国公司内部人交易数据，探讨银行是否比其他公司更不透明（opaque）。研究采用两种方法：绩效评估法和密集交易法，以检验内部人交易是否能够预测股票回报，并评估银行在信息透明度上的表现。

主要观点

• 银行不透明性争议：传统观点认为银行存在严重的信息不对称，导致其相对其他公司更不透明。但本文通过实证分析，对这一观点提出了质疑。
• 内部人交易的异常收益：研究发现，银行内部人的购买行为平均能够带来异常收益，而销售行为则不能。相比之下，其他公司内部人交易的异常收益更为显著。
• 银行与公司不透明性比较：银行内部人交易的预测能力并不比其他公司更强。事实上，基于银行内部人购买的多头组合与公司内部人购买的空头组合，银行交易反而表现出负的异常收益。
• 信息不透明的驱动因素：银行的高杠杆、贷款规模和交易规模等传统认为与不透明性相关的因素，并未显著增强内部人交易的预测能力。
• 金融危机期间的不透明性：研究发现，在2007-09年金融危机期间，银行内部人交易的预测能力下降，且其交易行为并未表现出显著的异常收益，这与传统观点认为危机期间信息不对称加剧的假设相矛盾。

关键信息

数据来源

• 使用美国证券交易委员会（SEC）报告的内部人交易数据，具体为Form 4文件。
• 数据时间范围：1990年1月至2015年12月。
• 数据包括：CRSP（股票回报数据）、Compustat（公司层面信息）、FR-Y-9C（银行资产负债表数据）。

数据处理

• 区分银行股票与其他公司股票，依据SIC代码（6021-6025和6710-6712）。
• 包括648,153次购买和2,353,267次销售。
• 银行股票占内部人交易的6.2%，而购买占9%，销售仅占2%。

方法论

1. 绩效评估法（Performance-Evaluation Method）

   • 构建买卖组合，将内部人交易的股票保留6个月，随后根据新的交易重新平衡。
   • 通过回归分析检验异常收益（$\alpha_i$），以评估市场效率。
   • 使用Fama-French三因子、四因子和五因子模型作为基准。
   • 引入**Ghandi和Lustig（2015）和Adrian、Friedman和Muir（2015）**提出的金融股票定价模型。

2. 密集交易法（Intensive-Trading Method）

   • 基于交易强度（IT）进行分析，衡量某只股票在特定时间段内的交易频率。
   • 检验交易强度是否能够预测未来股票回报。
   • 引入交互项IT × Bank，以区分银行与其他公司的交易强度影响。

研究发现

• 银行内部人购买行为带来正的异常收益，而销售行为则没有。
• 相较于其他公司，银行内部人交易的预测能力较弱，甚至在某些情况下为负。
• 危机期间，银行内部人交易的预测能力显著下降，且没有表现出更高的异常收益。
• 银行内部人交易的异常收益主要来源于正面信息，而不是更高的不透明性。

理论背景

• 银行的不透明性通常被认为是由于：
  • 贷款信息不公开，且难以定价；
  • 资产流动性高，导致信息更新快；
  • 高杠杆引发代理问题，使银行倾向于投资低回报但不透明的资产。
• 研究指出，信息不透明不仅与特定事件相关，还与市场对公司的整体估值能力有关。

结论

• 研究结果挑战了传统观点，认为银行并不比其他公司更不透明。
• 银行内部人交易的异常收益主要来源于正面信息，而非更高的不透明性。
• 银行的不透明性可能更多是相对其他公司而言，而非绝对意义上的不透明。
• 本文为评估银行不透明性提供了一种基于透明度基准的新方法，有助于更准确地理解银行与公司之间的信息差异。

补充信息

• 交易强度与市场效率：交易强度与市场效率之间存在正相关关系，即在市场效率高的情况下，交易强度对回报的预测能力较低。
• 信息不对称与监管：尽管有信息披露要求，但内部人仍可能通过隐藏信息和制造噪音来维持其信息优势。
• 未来研究方向：本文为后续研究提供了基础，尤其是关于银行不透明性的驱动因素和市场效率的影响。