交叉持股网络与股价同步性：来自

第4节介绍了我们的实证结果，第5节将进一步讨论这些结果。我们在第6.2节中给出了我们的结论。文学评论这项研究位于两条重要文学流的交汇处。第一条流调查信息效率和存储信息量之间的联系。罗尔（1988）提出了这一领域的一项创新，即基金的心理价值由市场信息和企业特定信息共同决定，其中股价同步性被视为股价信息性的衡量标准。这一开创性的想法激发了几项后续研究，研究全球股票价格信息。Morck等人（2000年）发现，中国是世界第二高的国家，正是由于投资者的产权保护相对较差，才使得新兴市场的股价同步性（R）高于发达市场。Jin和Myers（2006）复制了Morck等人（2000）的研究结果，并讲述了一些生动的故事，他们认为，在某些不可忽视但值得注意的情况下，投资者保护的影响值得怀疑，而企业的不透明性确实起到了作用。他等人（2013年）发现，在投资者保护有力、信息环境透明的发达经济体中，大型外资所有权对价格信息产生的积极影响可能更大。此外，Dang等人（2015）衡量了全球范围内市场信息和企业特定信息的共性。Hutton et al.（2009）通过详细衡量企业在会计项目中的不透明性，将股票价格信息的跨国模式扩展到企业层面，得出了类似于Jin和Myers（2006）的结果。

Piotroski和Roulstone（2004）首次尝试研究分析覆盖率与股价同步性之间的关系，Liu（2011）和Crawford等人（2012）发现，分析师覆盖率加速了企业特定信息与股价的整合。就所有权结构而言，所有权集中和大控股股东被证明是将企业特定信息纳入股价的障碍（Gul et al.，2010；Boubaker et al.，2014）。Ben Nasr和Cosset（2014）进一步认为，国家所有权导致环境透明度较低，使得私人企业特定信息的收集成本较高，阻碍了知情交易。其他研究调查了季节性股票发行（SOE）、机构投资者、公司资产负债责任和独立董事声誉激励对股票价格同步性的影响（An和Zhang，2013；Becchetti et al.，2013；Bai et al.，2016；Sila et al.，2017）。这些研究的共同观点是，更透明的信息环境会产生更多具体的信息，削弱整个市场信息的解释力，从而降低股价的同步性。关于股票共同变动是否由特定信息或噪音解释的讨论，与上述观点相反，频繁交易的小型和年轻企业随后出现了较低水平的股价同步性（Kelly，2007）。Chan和Hamee d（2006）以及Crawford et al.（2012）认为，新兴经济体的分析覆盖率促进了整个市场信息的产生，从而提高了定价效率。

此外，更透明的信息环境可以帮助投资者改善对未来特定事件发生情况的预测，并提高出现非特定消息的可能性，从而进一步促进股价同步性（Dasgupta et al.，20 10）。我们的研究还与记录价格信息性和股价同步性之间U型关系的论文相关（Lee和Liu，2011）。Lee和Liu（2011年）通过一个多资产、多时期的噪音国家期望均衡发现，噪音交易降低了股价的形成性。在这篇论文中，我们提供了经验证据，支持他们对噪音交易影响的理论预测。第二流文献与交叉持股网络有关。交叉持股对决策有影响。例如，Osano（1996）发现cross shar e holding redu c e存在近视问题。其他人关注董事会、承销商、首席执行官（CEO）和其他社会关系网络（Cohen et al.，2008；Jiang and Zhou，2010；Larcker et al.，2013；Ozsoylev et al.，2014；El Khatib et al.，2015；Bajo et al.，2016；Adamic et al.，2017；Cheng et al.，2019）。更重要的是，根据toLee和Liu（2011）的说法，在知情投资者主导股票交易的市场中，回报波动性和价格信息性之间存在U型关系，而在充斥着噪音交易者的市场中，回报波动性与价格信息性之间存在严格的单调递减关系。由外部收购引起。Ang等人（2002）认为，通过持股建立的长期交易关系在很大程度上减少了股东之间的道德风险，并抑制了交易合同中的机会主义行为。

此外，交叉持股不仅改变了股东的偏好，还被用作阻止其他公司进入的战略手段（Harford等人，2011年；Li等人，2015年b）。在信息环境方面，交叉持股越多的公司可以利用更多的信息和金融资源，而且他们之间存在更严格的监控系统，这进一步导致了股东之间的信息不对称（Sheard，1994）。Jiang和Kim（2000）认为，交叉持股水平较高的公司降低了公司和市场参与者之间的信息不对称程度，这使得股票价格更快地融入有关未来性的信息。作为机构交叉持股导致的企业间间接交叉持股的一种，这种所有权结构不仅降低了交易溢价，从而为收购方带来更好的价值，而且还提供了卓越的双边信息和监督作用（Brooks et al.，2018）。此外，对于高成本和低成本企业而言，正是彼此持有的股份提供了双向信息沟通和披露私人信息的激励，从而改善了企业的信息披露并减少了信息不对称（Liu等人，2018）。

因此，根据上述文献，本研究的首要目标是通过信息环境下交叉持股的影响，研究交叉持股与价格动态之间的关系，虽然文献提供了大量理论证据，证明交叉持股对权益价值估计的影响（Elsinger，2013；Fischer，2013）。随着金融机构和企业之间全面交叉业务的发展，在研究个人绩效和价格动态时，充满金融联系的网络已成为不可或缺的因素（Li等人，2015a）。一篇相关论文在股票市场中构建了一个相关网络，重点关注该网络的静态拓扑特性，而忽视了对潜在消费的分析（Xi和An，2018）。基于财务关系，一些论文从网络角度进一步研究了企业或投资组合的表现（Hochberg等人，2007；Cai和Sevilir，2010；Rossi等人，2018）。例如，拥有更多直接联系的公司倾向于更有效地从投资银行的咨询服务中收集信息，并且需要的信息更少，这甚至在并购活动结束后也会促进利润（Larcker et al.，2013）。鉴于金融网络中的个人可以使用更多的金融资源并更新其策略以优化其投资收益，一些研究揭示了ir交易行为对stoc k定价和个人风险承担的影响。例如，Ahern（2013）和Aobdia等人（2014）推测，由于采用了更多的基本信息，在商业相关网络中处于更核心位置的企业或部门将获得更高的系统风险补偿。

此外，考虑到输入输出网络，她的skovic（2018）进一步发现，网络的变化是系统性风险的来源，考虑网络的稀疏性和集中性有助于填补资本资产定价模型（CAPM）或theFama and French（1993）三因素模型等标准资产定价模型无法解释的显著回报缺口。这些论文认为，与与世隔绝的个人相比，正是通过金融网络，个人之间相互沟通并交换信息，未来的预期和均衡市场价格才会发生变化。我们的研究还涉及到一些在网络框架下衡量交叉持股活动的研究。例如，Ma等人（2011年）首次尝试在中国股市建立上市公司的交叉持股网络，并表明交叉sha再持股网络在企业层面和省级层面上具有无标度特征。Li et al.（2014）和Chang and Wang（2017）发现了与前一项研究结果相似的模式，表明交叉持股网络准确地揭示了股票市场中的复杂关系，并进一步找到了交叉持股网络结构的演化规律。然而，这些研究侧重于网络的建立或地形特征，而忽视了对进一步经济后果的分析。相反，我们的研究试图从广义上衡量交叉持股水平，以进一步揭示交叉持股对价格信息性的影响。数据和方法3.1。衡量股票价格同步性的方法遵循Hutton et al。

（20 09），一个扩展的指数模型被用于衡量股票价格的同步性，这使我们能够将总回报变化分解为两个部分：与共同（市场范围和/或行业范围）因素相关的部分和与未观察到的因素相关的部分。我们首先估计每个尺度年的以下模型：rj，t=αj+β1，jrm，t-1+β2，jri，t-1+β3，jrm，t+β4，jri，t+β5，jrm，t+1+β6，jri，t+1+εj，t（1），其中rj，t分别表示第t、rm、tand ri、tdenote周的公司j的周回报率，即价值加权的A+B股票市场回报率和行业回报率，ε表示未指定的随机因素。该A+B股市场收益率基于综合（价值加权）A+B股指数，该指数反映了上海和深圳两地A+B股的价格变动。行业回报是通过使用同一行业内的所有公司创建的。Weallow for non-synchronous trading by including lead a and lag term f the market and industry index to release econcurns over possible non-synchronous-us trading bias（Hutton et al.，2009；Gul et al.，2010），用于非同步交易，包括市场和行业指数的领先和滞后条件，以缓解经济对潜在非同步美国。由于Ris高度倾斜且有界于1和0之间，因此我们应用logistic变换来获得一个近似正态分布的连续变量：SYN=lnR1- R（2） 这种基于SYN的效率度量已用于企业投资和新兴市场的各种实证研究（Durnev等人，2004年；Cheng等人，2014年）。SYN值越高，表明股票价格越同步。3.2. 交叉持股网络的构建和中心度衡量继马等人（2011）和李等人（2014）之后，我们利用2004年至2016年的交叉持股数据，构建了一个企业直接交叉股东的无方向、无权重交叉持股网络。当且仅当两家公司是彼此的股东时，它们才有联系。

企业的中心性水平高度依赖于其在网络中的地位。我们关注节点中心性的三个基本度量。首先，如果一家公司有许多交叉股东，我们将与其建立联系。与其他公司相比，这类公司拥有更多的机会、更大的访问权限或更少的信息不对称。Degree centrality列举了Samong交叉股东的一级联系数量。让δ（i，j）表示一个等于1的指标，当i和j公司是交叉持股人时，当ir股票不是相互持有的，并且注意到一年内网络中的公司总数时，则中心度为≡N×Xj，iδ（i，j）。（3） 其次，如果一家公司位于其他任何一对外部公司之间相对较多的路径上，则该公司可能具有良好的关联性，这使得该公司非常适合于相互连接。中间性中心性表示企业在相互连接其他企业方面的重要性，或企业在其所处的网络路径方面的位置（Freeman，197）。介数中心被定义为公司所在的两个外部公司之间路径的平均比例。LetPi（k，j）表示在k和j之间通过i的最短路径总数，p（k，j）表示在k和j之间通过i的最短路径总数。介数中心定义如下：≡（N）- 1） （N）- 2） ×Xk，j:i<{k，j}Pi（k，j）P（k，j）（4）不难推断，学位中心度越高的企业越可能具有较高的中间性。最后，我们将源自Bonacich（1972）的一个相关的连通性概念视为度中心的一个对应。当直接联系能够到达或影响到企业外部时，拥有更多直接联系的企业更具影响力。

换言之，当一家公司的直接联系人也有良好的联系时，它就有良好的联系。特征向量中心度基于企业关键链接的连通性来衡量企业的连通性：特征向量中心度≡λXjgi j×本征j，（5），其中λ是比例因子，如果i和j是链接的，则gi j=1。将等式（5）写成向量形式，λ×特征向量=G×特征向量，（6）我们可以看到，网络中每个企业的连通性都可以通过矩阵G的特征向量获得，其中G={gi j}1≤i、 j≤N、 由于企业在交叉持股网络中的位置取决于其直接链接的连接，特征向量中心性可以解释为权力和激励的捕获。换言之，当一家公司被视为享有声望和强大时，它可能会有良好的人脉，因为它更有可能受到管理良好的公司的影响。虽然这三个中心性指标可以描述企业在网络中的地位，但我们的中心性指标的一个潜在问题是，拥有充足资源和社会关系的大型企业往往拥有更高水平的股份。为了从企业规模中区分交叉持股网络的中心性指标（Larcker et al.，2013），我们通过从企业规模对数（size）和对数大小平方上的度、特征值和介于之间的横截面回归中提取残差，清除了三个中心性指标对规模影响的影响，并将它们分别标注为Rd、Re和Rb。3.3. 数据描述考虑到自2005年进行股权分置改革以来，上市公司之间的交叉持股数量不断增加，我们的样本期涵盖了2004年至2016年的十三年。

在上海或深圳A股交易所上市的所有公司中，我们通过查找我们感兴趣的文件，从Wind数据库中收集年度交叉持股数据，包括上市公司名单、主要股东名单、股东关系名单。从RESET财务数据库中获取每周库存退货和会计数据(http://www.resset.cn/)以及中国证券市场与会计研究（CSMAR）数据库(http://www.gtarsc.com/). 因此，可以将每周股票收益分配给各财务公司的规模，以匹配其报告财务数据的时间段。我们使用weeklyreturns来避免d股交易量不足的问题。我们从2004年至2016年（11266个固定年）的所有固定年开始。根据之前的研究（Hutton et al.，2009；Gul et al.，2010；Bai et al.，2 016），我们排除了中国证券监督管理委员会（CSRC）特别处理的公司（259个固定年）、金融服务公司和公用事业公司（479个固定年）、公司规模小于30周的股票回报数据（745个固定年），公司-需要计算的股票回报数据不足的年份（1个固定年份），以及所选控制变量数据不可用的公司（2495个固定年份）。我们剩下72个87年观察的最终样本。样本涵盖了中国证监会确定的19个行业中的17个。样本年数大大增加了我们样本期的acr。详见表1。表1的面板A显示了初始样本交叉持股网络特征的汇总统计数据。每年有600多家公司交叉持股，样本中的平均交叉持股水平为1514。