基于博弈论的“老鼠仓”行为监管研究

发布时间：2018-05-13 09:40

本文选题：老鼠仓 + 有限理性　；参考：《复旦大学》2014年硕士论文

【摘要】：本文在总结了证券监管理论、博弈论等相关文献的基础上,通过建立证监会(局)和基金经理之间的两个博弈模型,即完全信息静态博弈模型和不完全信息动态博弈模型,研究了监管双方的最优博弈策略,分析了“老鼠仓”行为屡禁不止的根本原因,并根据模型结果提出相关的政策建议。另外,对已经披露详细信息的“老鼠仓”股票做了定量研究,包括“老鼠仓”股票在做仓期间的价格特征、超额收益率特征以及异常波动特征。本文的主要内容如下：一、描述了中国股市、基金行业的发展,概括了股市“老鼠仓”交易的基本特征,总结了就与本论文相关的一些研究领域的文献,主要包括证券监管理论、博弈论、以及“老鼠仓”行为的一些经典文献。二、构建了一个假设条件较为宽松的完全信息静态博弈模型,将监管区分为积极监管(高成本)和消极监管(低成本),假设积极监管必定能查获“老鼠仓”,消极监管无法查获“老鼠仓”,并用演化博弈理论去描绘整个博弈过程达到均衡状态(或者循环状态)。紧接着,收紧模型的假设条件,建立一个更为复杂也更为贴近现实的完全信息静态博弈模型。仍旧将监管区分为积极监管(高成本)和消极监管(低成本),假设积极监管能够查获“老鼠仓”的概率为α,在消极监管下因被检举而查获“老鼠仓”的概率为p,也采用演化博弈理论去描绘整个博弈过程达到均衡状态(或者循环状态)。三、修正假设条件,构建了一个不完全信息的动态博弈模型。在现实世界里,监管双方的决策一般不是同时发生的。总的来说,证监会(局)的行动要先于基金经理,同时我们认为不同的证监会(局)在人员素质、技术水平方面会有较大差距,因此我们将证监会(局)区分为高水平的证监会(局)和低水平的证监会(局),两者占比分别为p和1-p。并且假定高水平的证监会(局)在选择择积极监管策略时一定可以查获基金经理的“老鼠仓”；高水平的证监会(局)在选择消极监管策略时以α的概率查获基金经理的老鼠仓；低水平的证监会(局)在选择积极监管策略时以β的概率查获基金经理的老鼠仓；低水平的证监会(局)在选择消极监管策略时无法查获基金经理的老鼠仓。在上述假设下,根据参数的大小不同,我们分情况讨论了8种不同的博弈结果。四、对中国证券市场“老鼠仓”交易进行实证检验：我们选取了24个披露的“老鼠仓”样本股票,从三个角度做了实证检验：第一,价格特征检验,我们将买入“老鼠仓”股票前的第15天开始到卖出“老鼠仓”股票后的15天这一期间定义为做仓期间,并将此期间前后两个相同时长的期间作为参照,检验了他们在均值,方差,正态性假设等特征；第二,超额收益率特征检验,我们采用事件研究法,将买入“老鼠仓”股票的时点定义为事件窗口,计算了事件窗口前后30日每只样本股票的超常收益率AR、24只样本股票的平均超常收益率AAR、以及24只样本累股票计超常收益率CAR；第三,我们剔除做仓时间过短的8只股票,对剩余的16只股票做GARCH模型检验,得到16只样本股票的条件方差,以检验样本股票在做仓期间的异常波动。
[Abstract]:On the basis of summarizing the relevant documents such as securities supervision theory , game theory and so on , the paper studies the optimal game strategy of the stock market and fund industry by establishing two game models between the CSRC and the fund manager . It also divides the supervision area into active supervision ( high cost ) and negative regulation ( low cost ) .
A high level of SFC ( Bureau ) , when choosing a negative regulatory strategy , receives the fund manager ' s rat bin with a probability of alpha .
a low level of SFC ( Bureau ) , when selecting a positive regulatory strategy , receives the fund manager ' s mouse bin at a beta probability ;
Under the above assumptions , we have discussed eight different game results on the assumption that the size of the parameters is different according to the size of the parameters .
Secondly , we use the event research method to define the time point of buying the stock of the " rat bin " as the event window , and calculate the average rate of return of the stock of each sample of 30 days before and after the event window , the average super - normal yield of 24 sample shares , and the super - constant rate of return CAR of 24 samples .
Thirdly , we reject the eight stocks that are short of warehouse time , and then test the remaining 16 stocks to obtain the conditional variance of the stock of 16 samples , so as to check the abnormal fluctuation of the sample stock during the warehouse .

【学位授予单位】：复旦大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.51;F224.32

【参考文献】