交叉持股网络与股价同步性：来自

2022-6-14 06:06:37

交叉持股网络与股票市场系统：来自中国的证据：奉化文A、b、c、袁玉杰A、周伟兴D、e、，*长沙中南大学商学院，邮编410083，中国人力资源部，温莎大学工程学院供应链与物流优化研究中心，安大略省温莎市，埃塞克斯大学加拿大计算金融与经济代理中心，科切斯特CO4 3SQ，华东理工大学英国金融系，上海200237，华东理工大学数学系，上海200237，中国摘要本文研究了交叉持股对中国股市上市公司股价同步性的影响，作为一种价格信息度的度量。我们以交叉持股网络的中心度衡量企业的交叉持股水平。经证实，交叉持股正是通过非ise减少过程促进价格同步性并减少价格延迟。更重要的是，这种对价格信息性的影响在大型企业和市场低迷时期尤为明显。总的来说，我们的分析对所有权结构和价格信息之间的关系提供了很好的解释。关键词：交叉持股网络、股价同步性、价格信息性、噪音交易JEL:G14、G15、G34、D851。简介随着经济一体化程度的不断提高，仅依靠自身资本积累来实现目标利润和扩张的企业逐渐失去了长期领先的优势。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:06:40

鉴于单个企业可用的资源有限，以及金融市场的复杂性，企业通常持有其他企业的部分股份，并允许自己部分拥有，以便利用更多资源，进一步促进战略联盟，以获得更多利益（Amundsen and d Bergman，2002）。在这种特殊的所有权结构下，对企业的股权价值进行了许多简单的理论估计（Elsinger，2013；Fischer，2013）。然而，在关注企业效率时，许多研究表明，交叉持股会对信息环境产生影响。例如，交叉持股的公司之间存在更严格的监控系统（Sheard，1994；Jiang和Kim，2000），这种交叉持股可以减少股东之间的信息不对称（Brooks et al.，2018；Liu et al.，2018）。Fu rthermore认为，这种影响可归因于减少风险并抑制股东机会主义行为的过程Orang等人（2002）。如之前的研究所述，由于企业的特点（例如，分析覆盖率和所有权集中度），信息环境的改善可以将更多特定的企业信息纳入股价（Jin和Myers，20 06；Gul等人，2010），并可能将非理性因素排除（Lee和L iu，2011），进一步影响价格信息性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-14 06:06:43

然而，信息环境（由交叉持股引起）对价格信息产生影响的证据在学术研究中并不多见。在股票价格信息方面，现有文献采用Rto测量股票价格中的企业特定信息或市场范围信息（Roll，1988；Morck et al.，2000；Jin和Myers，2006），并发现新兴经济体的投资者保护和制度环境较差，且*通讯作者。华东理工大学商学院梅龙路130号114信箱，上海200237。电子邮件地址：wxzhou@ecust.edu.cn（周伟兴）预印本于2019年3月6日提交给《国际金融市场、机构与货币》杂志，比发达经济体的预印本更高。此外，越来越多的研究调查了企业特征或其制度环境如何影响个人股价信息性（Hutton et al.，2009；Gul et al.，2010；Dong et al.，2016）。这些研究的基本原理是，一个更加透明的信息环境会导致更多特定的信息被纳入股价，因此我们可以观察到较低水平的股价同步性。然而，这种基于信息的观点虽然直观，但与市场效率的其他含义不一致。一些研究还认为，由于分析师的覆盖面和噪音交易，股票回报同步性与信息环境正相关（Chan a and Hameed，2006；Lee and Liu，2011；Crawford et al.，2012）。这样，如果交叉持股所带来的信息环境的改善能够促进企业特定信息的产生，那么我们可能会发现交叉持股与股价信息之间存在负相关。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:06:46

如果信息环境的改善将理性因素排除在外，我们预计股价的信息性将随着企业在交叉持股网络中的中心地位而增加。我们有必要揭示交叉持股对价格信息性的影响。在本文中，我们利用一组独特的数据记录并介绍了中国股票的交叉sha再持有。文件（从数据库下载）包含上市公司及其股东。交叉持股被视为上市公司及其股东的组合，交叉股东被定义为相互持股的两家公司。因此，股票市场存在一个充满股权关系的网络。代表单个企业的节点和代表企业之间交叉持股的lin kages构成了交叉持股网络。在网络框架中，研究人员发现了财务联系与个人绩效之间的各种关系，如公司绩效（Cai和Sevilir，2010；Larcker等人，2013；Rossi等人，2018）和风险承担补偿（Ahern，2013；Aobdia等人，2014；Herskovic，2018）。与此同时，基于所有权联系的网络吸引了研究人员的广泛关注。例如，Khanna和Thomas（2009）发现，股权公司之间的成对股价同步性很强。U sing g complex network theory，Ma et al.（2011）对中国股市上市公司的交叉持股进行了初步测量。进一步揭示了交叉持股网络能够准确揭示STOC k市场中的复杂关系，并且该网络具有小世界和无标度特性（Li et al.，2014；Chang an d Wang，2017）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:06:49

因此，在前人研究的基础上，我们可以运用复杂网络理论来计算交叉持股水平，进一步揭示交叉持股对价格信息性的影响。由于中国金融市场在全球金融市场上的快速增长和声誉不断提高，学者和投资者对中国市场给予了极大的关注。人们还普遍认为，中国股市具有挑战传统资产定价理论的若干独特特征。例如，小型散户投资者的交易活动通常在股票市场中起着主导作用，截至2016年底，机构交易员占总交易量的比例不到20%。就交叉持股而言，虽然这在发达经济体中普遍存在，并且是一些大型企业集团的一个重要特征，但在2005年的股权分置形式之后，中国大陆有更多的上市公司被允许持有其他公司的股份。此外，中国股市中大多数相互持股的公司都旨在拥有更好的资本运营或首次公开募股的优越机会。他们中的一些人还通过这些非本金投资成为短期投资者，特别是当股市经历繁荣时，他们中的一小部分人可以找到长期的投资关系。基于这些关于交叉持股和价格信息性的开创性研究，本文的目的是从网络的角度考察交叉持股对股票价格信息性的影响，衡量为股票价格的同步性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-14 06:06:52

首先，我们进行了单变量分析和多变量分析，以说明一个企业在交叉持股网络中的中心地位越高，其信息环境越透明，其股价就越同步。这是因为在更好的信息环境中，投资者已经可以获得更多的基本信息，例如股票价格包含更多的噪音和定价错误。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的预测，从而降低未预期事件发生的可能性（Dasgupta et al.，2010）。为了加强我们主要实证检验的推论，我们检验了股票价格同步性的其他衡量指标，我们的结果不受影响。第二，虽然我们可以得出结论，交叉持股对股价同步性有积极影响，但由于交叉持股水平较高的企业可能会受到其他企业经营条件的影响，因此也怀疑交叉持股是否真的会提高股价信息量。换句话说，与减少非理性因素不同，在交叉持股网络中处于更中心位置的公司的股票反映了更多的基本信息，在其他条件相同的情况下，这些信息促进了股票价格的同步性。为了确保观察到的对股价同步性的积极影响是由非理性因素的减少所驱动的，我们进行了一次全面分析。我们发现交叉持股与噪音交易之间存在负相关，证实了交叉持股对中国股票市场价格信息性的影响不存在ise降低过程。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-14 06:06:55

我们的结论仍然成立，因为我们控制了对美国和法国（1993）三个因素作为基本价值观的一周检索。第三，基于对股票价格信息噪音降低过程的确认，我们进一步研究了交叉持股对价格延迟的影响，以当前价格中反映的先前市场范围信息的比例来衡量（Hou和Moskowitz，2005），并将其作为股票价格信息的另一种衡量方法（Dong等人，2016）。研究人员认为，这种延迟可能是由于潜在的市场摩擦和定价不足造成的。根据他们的做法，我们发现，在交叉持股网络中占有更大中心位置的企业，尤其是大型企业，其价格延迟水平较低。这些结果表明，在交叉持股网络中处于更中心位置的企业将拥有更好的信息质量环境和更低的噪音交易水平。因此，他们的股票价格将包含更多的现代信息，而不是历史信息，股票的定价将更加合理。此外，我们相信投资者可以通过公开可用的数据（如资产负债表）关注企业的cro ss sha。因此，在大型企业交叉持股导致信息环境改善的基础上，来自其他企业的投资者关注度的增加可能会加强噪音交易减少的影响，因此，交叉持股越多的企业价格延迟程度越低。这些结果进一步支持了我们的主要推断，即交叉持股减少了噪音交易。第四，我们发现，对于大型企业而言，这对股票定价效率有着显著的积极影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-14 06:06:58

这是因为在交叉持股网络中占据更核心位置的大型企业的股票往往更具理性，更多地反映了当前或新的市场信息，而更多的非理性因素则集中在小型企业（Zhang，2006；Zhang et al.，2013）。此外，我们的结果的一个可行解释是ide a，与小企业持有其他企业股票（如短期融资和套利）时的目标相比，大企业的未来现金流更稳定，对市场广泛冲击的敏感性更低。因此，投资者倾向于长期投资，这加强了sha再持有人和dem之间的协调效应，并创造了更高质量的信息环境。最后但并非最不重要的一点是，基于市场效率随时间而变化的适应性市场假说（Lo，2004），我们发现，虽然交叉持股在市场上涨期间对股价信息性有很大影响，但在市场下跌期间，这种影响会更大。具体而言，金融市场中的投资行为是一种动态决策行为（Wen等人，2014a），有人认为，在市场低迷期间存在着相对过度的反应，而在市场好转期间存在着持续的反应不足（Hou等人，2009）。对我们的结果的一种可行解释是，中国市场的投资者在市场低迷期间会更加关注与整个市场信息相关的公司信息部分，这与逢低买入或止损策略是一致的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-14 06:07:02

因此，投资者加速将此类全市场信息纳入股票价格，从而加强了在市场低迷期间减少非ise交易对价格信息性的影响。我们的结果在使用其他集中度度量以及考虑卖空所使用的潜在选择时，主要不受影响。我们的发现从三个方面对现存文献作出了贡献。首先，虽然之前的研究侧重于交叉持股对公司管理和决策的影响，但我们提供了直观和新的证据，表明交叉持股通过改善信息环境和进一步减少噪音交易，进一步影响股价的变化。此外，OUR的结果补充了Lee和Liu（2011）模型中的理论预测，即信息环境积极影响股票的同步性。其次，我们补充了企业所有权结构对股价行为影响的结果，即使有大量实证研究调查了所有权结构的影响，如董事联系（Khanna和Thomas，2009）、所有权集中度（Gul et al.，2010）、整体所有权（Brock kman和Yan，2009），和大控股股东（Boubaker et al.，2014），关于股价信息。第三，除了利用网络框架丰富对金融市场的研究（Xi，2018；Herskovic，2018），我们的研究是为数不多的，如果不是第一个利用复杂网络理论来研究公司结构与股票定价效率之间的关系的研究之一。论文的其余部分结构如下。在第2节中，我们将我们的工作与现有文献联系起来。第3节描述了交叉持股网络的建立、数据源和变量的构建。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:04

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:08

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-14 06:07:11

此外，一个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的预测，并提高非特定消息的可能性，从而进一步促进股价同步性（Dasgupta等人，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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:14

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）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:17

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-14 06:07:20

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-14 06:07:23

（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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:26

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:29

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:32

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。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:35

直径和路径长度的平均值分别为13.2308和4.6285，这表明任何两个企业都将在其他五个企业的平均值内联系起来。我们还发现，平均聚类系数为0.0672，表明由同一家公司关联的两家公司中，约有7%的时间也是相互关联的。表1的面板B显示了基于行业分类的样本公司在整个行业的分布情况。超过50%的样本企业来自制造业，其次是运输和物流业，分别为9.04%和7.26%。教育行业的公司占总数的1%。C组报告了我们样本公司的y e ar分布情况。样本期早期，公司数量有所增加，跨sha再持有活动受到2015年中国股市崩盘的影响。3.4。变量描述性统计数据样本包含200年4月至2016年期间的7287个固定年份。对于每一个固定年份，我们回归Eq。（1）并获得其R。根据式（2）计算相应的SYN。总共有7287个Rand SYN。因为尽管上市公司名单中有在上海或深圳A股交易所上市的公司，但他们的一些股东在上海或深圳B股交易所上市。因此，我们采用综合（价值加权）A+B股指数作为基准指数，以充分涵盖整个市场的信息。表1：样本分布。面板A显示了初始样本交叉持股网络的汇总统计数据。直径是网络中分隔任意两个公司的最长步数。路径长度是两个企业之间通过最小步数测量的距离。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-14 06:07:39

聚类系数描述了企业交叉股东之间的关联性。B组根据中国证监会发布的《上市公司行业分类指引》，展示了样本公司在各行业的分布情况式中，A=农业，B=采矿，C=制造业，D=电力、天然气和水，E=建筑和施工，F=运输和物流，G=信息技术，H=商业，I=房地产，J=服务，K=文化和媒体，L=企业集团，M=科学研究和技术服务，N=水利、环境和公共设施管理，P=教育，Q=卫生和社会工作，R=文化，体育和娱乐，S=综合。面板C显示了每年的分布情况。A组：2004年2005年2007年2008年2010年cross sha再持有网络特征汇总统计公司697 700 718 817 827 887 1004链接1193 1185 1245 1581 1461 1877 1890直径13 14 12 12 12 12 Ave。路径长度4.790 5.038 4.727 4.199 4.238 4.138 4.528聚类系数。0.103 0.091 0.107 0.094 0.069 0.068 0.0512011 2012 2013 2014 2015 2016976 96 0 994 1025 902 9051726 1671 1622 16341 126713 13 16 12 154.484 4.556 4.715 4.660 4.860 5.2380.046 0.064 0.057 0.059 0.034 0.031面板B：行业分布C D E F G H I 53 267 3888 429 212 659 427 40 345%73 3.66 53。36 5.89 2.91 9.04 5.86 0.55 4.73K L M N P Q R S总计529 11 8 33 57 1 6 126 87 72877.26 1.62 0.45 0.78 0.01 0.22 1.73 1.19 100 C组：2004 2005 2006 2007 2008 2009 2010年年度分配223 29 0 337 437 488 527 651%3.06 3.98 4.62 6.00 6.70 7 8.23 2011 2012 2013 2014 2015年总计722 76 8 825 789 597 633 7287%2004-2016年期间，每年9.91 10.54 11.32 10.83 8.19 8.69 100，我们构建了一个交叉持股网络，并计算了三个中心度测度degree、Eigen和Between。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-14 06:07:42

偏度（Skew）和峰度（Kurt）根据每个尺度年的特定周回报计算。我们还收集了2004年至2016年各财年的以下变量：上一财年末的规模对数（规模、上一财年末的账面市盈率（Bm）、上一财年末的杠杆率（Lev）和同期股本回报率（Roe）。表2给出了相关关键变量的描述性统计数据。平均值和中位数分别为0.5415和0.5498。平均值和中值SYN分别为0.1821和0.2000。SYN度量是使用Hutton等人（2009）引入的市场模型的相同规格计算的。同期净资产收益率（Roe）的均值和标准差分别为6.9378和129。1204年，表明整个样本的Roe差异显著。度、本征值和介于之间的值描述了g fir ms在网络中的位置，从样本的中位数到第95个百分位急剧增加，这表明交叉持股网络的厚尾现象（Ma et al.，2011）。正如我们所看到的，在交叉持股网络中，存在着一种核心-外围结构：一小部分企业高度关联，而其他大多数企业的关联度较低。表3给出了变量的相关矩阵。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:45

皮尔逊相关性和斯皮尔曼相关性表2：主要利益变量的描述性统计数据，包括R、股价同步性（SYN）、上一财年末的规模对数（size）、上一财年末的账面市盈率（Bm）、上一财年末的杠杆率（Lev），每一标度年的当期净资产收益率（Roe）、企业特定周收益率的偏斜度（Skew）和峰度（Kurt），以及三个交叉持股网络中心度指标。平均标准偏差5 Pctl。第25个Pctl。第75名Pctl中位数。第95届Pctl。R0.5415 0.1625 0.2580 0.4270 0.5498 0.6634 0.7948SYN 0.1821 0.7330-1.056 4-0.2939 0.2000 0.6785 1.3542斜交0.6869 1.3366-0.6481 0.0069 0.4120 0.9539 3.3222库尔特4.2276 2.5955 0.8365 2.9065 3.6626 4.8803 8.8764尺寸15.6493 1.1759 13.9694 14.8061 15.5125 16.3595 17.792 5Bm 1.1330 1.0728 0.2007 0.4503 0.7892 1.4282 3.2417Roe 6.9378 12 9.1204-2.57 06 3。9800 8.2 984 13.1446 23.2316Lev 47.7206 21.6230 13.0359 32.3652 48.7223 63.5548 78.717 6度0.0033 0.0045 0.0010 0.0010 0 0。0020 0.0034 0.0113特征值0.0312 0.0664 0.0000 0.0009 0.0077 0.0309 0.1344介于0.0026 0.0068 0.0000 0.0000 0.0000 0.0022 0.0128之间的值显示在上下三角形中。毫不奇怪，在程度、特征和之间存在正相关，这表明这三个变量在描述网络中的企业地位方面发挥着共同作用。此外，我们发现SYN与这三个网络中心性变量之间存在显著的正相关关系。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-14 06:07:48

一些控制变量（如规模、Roe和Lev）与SYN呈正相关，这使得我们在控制这些重要因素后，进一步研究了企业在交叉持股网络中的地位与股价同步性之间的关系。表3：相关关键变量的相关矩阵。皮尔逊相关性列在对角线下方，斯皮尔曼相关性列在对角线上方。RSYN度特征值介于Skew Kurt Size Bm Roe LevR1.0000 1.0000 0.1588 0.0877 0.0958-0.1131-0之间。1244 0.2139 0.0606-0.0663 0.0521SYN 0.9958 1。0000 0.1588 0.0877 0.0958-0.1131-0.1244 0.2139 0.0606-0.0663 0.0521度0.1042 0.1080 1.0000 0.5811 0.8870 0.0463-0.0918 0.1233 0.1624 0.0677 0.0835特征值0.081 0.0820 0.7353 1.0000 0.5567 0.0602 0.0171 0.1697 0.1391 0.0596 0.0945介于0.0897 0.0940 0.8630 0.5352 1.0000 0.0346-0.0122 0.1994 0.1607 0.0545 0.0847偏斜-0.0622-0.0611 0.0331 0.0331-0.0029 1.0000 0.1357-0.0522 0.1629-0.0354 0.0676Kurt-0.1266-0.1244-0.0265 0.0113-0.0059-0.0409 1.0000 0.0719 0.0280-0.1351 0.0113尺寸0.0963 0.1078 0.1896 0.1042 0.1621-0.0090 0 0.0098 1.0000-0.1090 0 0 0.2737 0.0932Bm 0.0621 0.0640 0.1109 0。1073 0.1033 0.1376 0.0737-0.0004 1.0000-0.2022 0.6273Roe 0.0087 0.0077 0.0126 0.0076 0.0193-0.0257 0.0117 0.0093-0.0211 1.0000 0.0061Lev 0.0433 0.0445 0.0434 0.0485 0.0437 0.0425 0.0137 0.0053 0.5215-0.0118 1.00004。实证研究本部分采用单变量分析和多变量分析来检验交叉持股与同步性之间的关系。我们还使用股票价格同步性的替代指标来测试我们的结果。4.1. 单变量分析我们从SYN的结果开始，SYN测量市场范围和行业范围的信息在证券市场上反映的速度。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝