IPO浪潮与企业质量信号研究

来源 :武汉大学 | 被引量 : 0次 | 上传用户:zhang506079845
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
IPO浪潮是IPO的三大异象之一,它是指IPO数量存在着时高时低的周期性变化的现象,并常常与IPO初期超额收益率的变化处于领先滞后关系。自从Ibbotson&Jaffe(1975)提出了IPO热销市场的概念后,学术界展开了对IPO热销市场存在性和理论解释的广泛讨论。大量的文献尝试从投资者情绪、信息不对称和成本收益权衡等理论角度对IPO浪潮进行解释,但始终没有达成定论。我国由于新股发行定价制度和市场准入机制与西方成熟的资本市场不同,许多学者尝试从政府管制的角度对IPO浪潮现象进行解释。这些解释往往都是从静态的角度出发,试图用其中一种或几种理论对IPO浪潮进行解释,而忽略了IPO浪潮本身的动态变化过程。对IPO浪潮现象的特点进行动态归纳能够延伸到IPO浪潮中企业的质量问题,通过对IPO浪潮中的新股上市回报和企业长期绩效的特点进行研究,结合IPO浪潮的理论解释,总结IPO浪潮中的企业质量特点,从而对IPO浪潮现象有更深入的了解。但是现有文献对于IPO浪潮中企业质量特点研究不够细致,也缺乏系统性的解释。因此,本文基于信号传递理论,参考Banerjee et.al(2016)的模型,从高成长性企业和低成长性企业的动机出发,引入经济状态的变化对IPO决策的影响,构建了一个IPO两期决策模型。该模型推导出IPO浪潮的三种均衡状态,不同均衡状态反映了不同的IPO浪潮特征。在综合考虑我国IPO浪潮现象实际情况后,认为我国的IPO浪潮大多数情况下处于一种有抑价的分离均衡状态,在这种状态下,高成长性企业通过抑价发行向投资者发出企业质量信号,与低成长性企业进行区分。通过对现实情况进行匹配,本文提出了四个可检验的假设。根据模型推论和数据可得性,本文通过实证发现:(1)高成长性企业倾向于在IPO热销市场早期通过抑价释放企业质量信号,因此平均来看,IPO热销市场的提前上市者比在其余时期上市的企业具有更高的发行抑价率。(2)不同板块在IPO热销市场初期可能存在抑价率的差异,平均来看,创业板的抑价率最高、中小板的抑价率次之,主板的抑价率相对较低。(3)高成长性企业会在热销市场的早期抑价发行,并能够被投资者理性认知,成为IPO热销市场的领导者,因此IPO热销市场中的领导者会比其他发行人获得更高的IPO估值。(4)高成长性企业比低成长性企业拥有更好的成长机会,因此在上市融资后会比其他企业增长更快,即IPO热销市场中的领导者在上市后的成长速度比其他企业更快。
其他文献
学位
学位
学位
学位
贷款证券化被认为是引发2007年次贷危机的原因之一。后危机时期,美国金融监管当局对证券化活动以及证券化市场最为活跃的主体——商业银行出台了一系列强化监管的规则。与此同时,受金融危机影响的美国证券化市场在危机后逐渐复苏。在此背景下,研究后危机时期银行证券化的动机及其相对于危机前的变迁、评估监管对不同类型银行证券化的作用效果,对理解银行证券化行为并针对性地调整监管方向有着重要意义和价值。中国银行业于2
随着近年来经济和金融的快速发展,中国居民家庭金融资产总量逐年增加,家庭金融研究的重要性日益凸显。传统家庭金融文献多侧重于诸如财富收入、背景风险、风险态度和其他统计人口特征对于家庭金融资产配置的影响,而较少关注宏观经济因素对家庭金融资产配置的直接影响。家庭风险资产作为家庭金融资产中的重要组成部分,并且家庭金融资产配置的风险化程度与区域经济开放水平差异呈现出高度一致,即东部高于中西部、沿海高于内陆和沿
IPO抑价是各国普遍存在的新股发行价远低于首日收盘价的现象,该现象在我国金融市场较为明显,妨碍到我国金融资金服务实体经济。IPO抑价问题也是一个复杂、混沌的金融问题,BP神经网络较传统线性回归能够更好得刻画IPO抑价率同其影响因素之间的复杂关系。基于IPO抑价的复杂属性和BP神经网络较强的非线性拟合能力,本文构建MIV-BP神经网络模型研究我国的IPO抑价现象。首先,本文运用MIV-BP神经网络模
学位
金融市场的敏感性要求投资者具备快速敏捷的判断力,互联网信息的即时性有助于投资者快速决策,财经信息通常是股民抛售或买进股票的指导手册。在信息获取日益便利的背景下,股票投资者在进行投资决策前一般会对社会环境和具体行业发展进行预判,而这一过程需以全面的信息搜集为基础。大部分股民无法直接真实了解上市公司的实际情况,互联网新闻作为了解社会、行业、公司情况的一个渠道受到股民的广泛关注。本文的研究内容主要分为两
随着社交媒体的发展,用户产生内容(UGC)成爆发式增长,这些带有特定情感信息的内容大部分都以短文本的形式出现,主要是用户对于事物或者行为发表的意见,如果能够利用这些大量的数据采用有效的方法来挖掘UGC中有价值的情感信息,这对于个人、企业、政府、国家、社会的政策与规则的制定具有十分重要的意义。大数据时代已经来临,如此庞大的数据对情感分类研究领域来说是一个契机,但也对情感分类研究带来了巨大的挑战。这些