论股市透明化对价格发现率的影响

开篇：润墨网以专业的文秘视角，为您筛选了一篇论股市透明化对价格发现率的影响范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

1 引言

证券市场的一个重要功能是价格发现。按照Schreiber和Schwartz[1]的定义,价格发现就是要将市场信息及时而有效地融入到资产价格中,价格发现效率则是价格反映信息的速度与能力。毋庸置疑,价格发现对于实现资源的优化配置是至关重要的。因此,一个好的证券市场应该能够帮助资产价格对市场信息做出迅速而准确的反应。市场透明度是指投资者观察到交易过程信息的能力[2],从交易机制设计的角度来讲,即信息披露的程度。一般认为,市场透明度的提高有助于提高市场价格发现功能,有助于改善市场质量。因此到目前为止,许多国家的证券交易采取各种措施,实施市场透明度提高的制度改革。如NYSE引入OpenBook信息、多伦多证券交易所开始公布委托单簿信息等。但是,市场透明度是否越高越好?多大程度的市场透明度才是最优的?一直存在争议。有一些研究发现过高的透明度恶化了市场质量,因此,透明度并不是越高越好[3-5]。2003年12月8日,深圳证券交易所买卖盘揭示范围由三档变为五档,根据Madhavan[6]对交易前和交易后透明度的定义,这项改革提高了交易前市场透明度,改革旨在促进市场的公平、公正和有效,提高价格发现效率和市场质量。但是,这项改革措施是否有效达到了预期目标还有待检验,既需要进一步回答若干问题诸如:交易前透明度增加前后限价订单簿信息对价格发现的贡献是否发生了变化?新增加的两档报价对价格发现的是否有贡献,是否向市场传递了边际信息含量?透明度的增加对价格发现效率的影响是否存在等。这些问题不仅为投资者关注,更为证券市场监管者和规则制定者关注。本文研究的目的,是分析透明度增加后限价订单簿信息对价格发现的贡献及其变化、新增两档报价的边际信息含量,以及透明度的增加对价格发现效率的影响。在透明度的变化对价格发现效率的影响方面,Flood等[7]采用实验经济学方法通过模拟市场上实验人员的交易行为判断透明度对市场的影响,研究认为,市场透明度增加促进了价格的信息效率。也就是说市场透明度越高,市场的有效性就越高。而同样是采用实验经济学研究方法的Bloomfield和O’Hara[8]考察了三个不同信息环境下的透明度效应,发现透明度增加对交易成本和价格发现效率的影响具有不确定性,完全不透明市场和半透明市场的价格发现效率和买卖价差没有太大差别,但完全透明市场能够加速价格对信息的反映,迅速达到新的平衡价格,同时也会增加交易成本。Baruch[9]用一个模型证明在透明度增加的环境下,总的交易成本降低,并且价格波动性降低,提高了价格效率。在实证研究方面,Boehmer等[10]做出了突出贡献,他们利用事件研究法,在文中详细讨论了透明度的增加对价格信息效率的影响,他们认为,透明度的增加提高了价格发现效率。而Madhavan等[3]则发现透明度的增加导致了更大的价差与波动性。Kang和Lee[11]研究认为透明度的增加并没有增加开盘前限价订单簿的信息,也没有提高价格发现效率。Eom等[4]研究表明,当披露的报价水平由三个增加为五个后,透明度的增加提高了市场质量;但当披露的报价由五个增加为十个后,透明度的增加恶化了市场质量。由此可见,透明度并不是越高越好。在国内,相关的研究并不多见。王志强和吴世农[12]的研究表明,透明度的增加使得价格信息效率显着提高。董锋和韩立岩[13],许香存等[14],沈根祥和李春琦[15]等的研究结果表明,透明度的增加提高了市场质量。刘秀红和徐龙炳[16]研究发现,上海证券交易所推出的收费Level-2行情改善了市场质量。马正欣等[5]则发现透明度的提高并不一定会促进市场的价格发现。由此可知,学术界对透明度的增加对市场质量有重要影响已达成共识,但影响是正面的还是负面的还存在争议,尤其是对价格发现效率的影响方面。一方面认为透明度的增加能够促进价格效率,提高市场质量。另一方面则认为透明度的增加会抑制知情交易者的交易,增加了市场的流动性,阻碍价格发现,恶化了市场质量。现有研究还存在不足:首先,鲜有专门针对透明度交易机制变化前后限价订单簿的信息含量及其变化进行的研究。其次,尽管国内学者也对价格有效性做了初步的分析。但还存在缺憾,一方面收益序列的计算会受到买卖报价差的影响,另一方面沈根祥和李春琦[15]选择对委托价格进行主成分分析,这可能会模糊了不同档位的价格信息,不利于理解价格发现效率变化的内在机理,研究结果可能会有偏差,而王志强和吴世农[12],董锋和韩立岩[13]的研究仍属于Boehmer等[10]的研究框架范围内,研究不够深入细致,略显不足。鉴于此,针对目前相关研究的不足,本文以深市订单驱动市场为立足点,基于Hasbrouck[17]和Cao等[18]的研究框架,通过拓展引入价格和交易量因素,通过分析每一档报价的信息份额来研究价格发现效率的变化。首先分析了限价订单簿信息含量的变化,逐一检验了原有三档报价以及新增两档报价在改革事件前后对价格发现的贡献,明确了限价订单簿每一档报价对价格发现的贡献,丰富了有关订单簿对价格发现贡献的研究;为考察不同活跃度股票价格发现效率的变化,又进一步按照交易频率、交易量和交易金额等标准分组,从定价误差和收益自相关性的角度,考查其对价格发现效率的影响,明确了透明度增加对价格发现效率的影响机理。

2 理论模型构建

价格发现就是要将市场信息及时而有效地融入到资产价格中[1],价格发现效率则是价格反映信息的速度与能力。为了考察价格发现效率,学术界在这方面做了很多研究,最典型的主要有两个:一是Hasbrouck[17]提出的信息份额模型 (InformationShare Model,ISM),另外一个则是Gonzalo和Granger[19]提出的永久短暂模型(Permanent Tran-sitory Model,PTM)。虽然两种方法均是基于误差修正模型(Vector Error Correction Model,VECM)进行分析,但二者对价格发现的定义不同,其中,信息含量模型将共同因子的方差进行分解,根据每个市场的新信息对共同因子方差的贡献比例来定义价格发现;而永久短暂模型方法则将每个市场对共同因子的贡献定义为价格发现,即定义误差修正系数的函数来测量每个市场对共因子的贡献,其中一个明显的 区 别 就 是ISM考 虑 了 当 期 相 关 关 系,而PTM没有考虑当期相关关系,Frank[20]认为ISM型要优于PTM,且ISM模型得到广泛应用[21,22]。因此本文就主要采用ISM来分析每一档报价对于价格发现的贡献,也即限价订单簿的信息含量,从而更好理解价格发现。但是,正是由于ISM考了当期相关关系,所以如果变量之间存在显着的当期相关关系时,用ISM计算出来的信息份额的最大值、最小值之间会存在差异,但Booth[23]认为可以用信息含量的最大值、最小值的中点来分析对于价格发现的贡献度。信息 份 额 模 型 是 基 于 误 差 修 正 模 型 (ErrorCorrection Model,ECM)而来的。考虑两个一阶协整的价格序列,Yt=(P1t,P2t)′。令Yt是价格向量。如果每一个单独的价格序列是不平稳的,但是他们的一阶差分是平稳的,并且存在协整关系,即有一个共同的随机趋势。多元价格过程可以写成误差修正形式:第一种情况:新息项之间没有当期相关。如果新息项之间没有当期相关关系,则Ω是对角矩阵,则这个信息含量是唯一定义的。定义归因于价格序列j的信息含量的衡量:第二种情况:新息项之间有当期相关。如果新息项之间有当期相关关系,即Ω不是对角矩阵,可以对Ω进行乔利斯基分解(Cholesky Decomposi-tion)消除新息间的当期相关性。Ω=FF',其中F是唯一定义的三角矩阵,对价格新息正交化εt=Fηt。价格序列j的信息含量的衡量:乔里斯基分解与误差修正模型中变量的排序有关。乔里斯基分解对第一个市场价格施加了比较大的信息含量,如果价格序列之间的新息之间存在正相关,那么第一个变量的信息含量最大,最后一个变量的信息含量最小。因此,通过改变模型中变量的排序可以得到变量信息含量的最大值、最小值。当变量j处于第一个变量时,得到的信息含量为最大值;处于最后一个变量时,得到的信息含量为其最小值。而且市场新息间的相关性越强,最大值越大,最小值越小,最大值和最小值有时会相差很大。这给信息含量的解释带来困难。但Booth[23]认为信息含 量的最大值、最小值可能是某种分布的两个端点值,可以用信息含量的最大值、最小值的中点来分析对于价格发现的贡献度。

3 研究设计

3.1 研究样本与数据

由于上海证券交易所自2003年9月26日起,调试性发送五个最优买卖盘档位的即时行情,进行正式交易前透明改革前的试运行,而正式的改革则发生在2003年12月8日。因此本文选择深交所深证100指数成份股,剔除交易数据缺失的股票,剔除每一档买卖报价或者买卖量为负的交易数据,最终研究样本为97只股票,根据市场微观结构理论和Cao[18]的研究,以及本文主要考察短期市场价格效率的变化,因此以透明度增加前后各一个月的高频数据,即前后各20个交易日的分笔高频交易数据进行研究。本文选择日内交易的高频数据进行分析,数据来源于CSMAR的《中国证券市场交易高频数据库(TAQ)》,字段名主要包括:证券代码、交易日期、交易时间、交易发生的成交价、成交数量、成交金额、买卖标识、买卖价差以及每一档上买卖价格和买卖的量等信息。表1是股票市场透明度提高前后研究样本的描述性统计。由表1可知,股票市场透明度提高前、后每天的平均成交数量分别为28,910手(1手等于100股)和36,283手,平均成交金额分别为21,822,457元和29,168,462元。由此可知,在透明度提高后交易活跃度增加。此外,总的交易频率是也由11,630次提高到13,354次,通过简单计算可知,平均每天和每分钟的交易频率分别由透明度、平均每分钟的交易频率也分别由581次、2.42次提高到668次和2.78次。因此,无论是从交易数量、交易金额还是交易频率来看,透明度提高后交易活跃度明显增加,这说明股票市场透明度提高为投资者提供了更多的信息,增加了市场的流动性。

3.2 价格序列向量设计

由于交易并不是很规则的发生的,因此需要重新组织高频数据。把样本高频数据分成间隔相等的区间,对于每一个间隔,总是记录最近可获得交易价格和报 价 中 点 (Quote Midpoint),这 一 过 程 通 过SAS程序步PROC EXPAND实现,即这两组价格序列向量是对数据重组调整后的数据。由表1可知,平均每分钟至少有三笔交易,本文选择30秒的时间间隔对数据重新组织。同时本文还选择了间隔为一分钟对数据重新组织并分析,结果类似,本文只报告了按照30秒间隔计算结果。根据研究问题,先是计算透明度提高前后每一档报价的信息含量,利用信息含量模型计算限价订单簿的信息含量。设计如下的价格序列向量,在2003年12月8日前,限价订单簿有三档的买卖报价和数量,这三档报价所包含信息会影响到成交的价格,在分笔高频交易数据库(TAQ)里包含有最近一笔的成交价(CP),也是具有信息含量并且会影响到成交价格的。为研究限价订单簿的信息含量,把这些因素都考虑进来,同时借鉴Cao等[18]的研究,定义如下价格变量:透明度提高后形成价格序列向量Yat=(MIDt,CPt,WP2t,WP3t,WP4t,WP5t)′。因为订单簿上的信息就是报价和数量,构建委托量加权平均价格就能够把订单簿上的信息反映出来。根据第二组形成的价格序列向量Yat和Ybt数据,并运用ISM模型,可以计算出透明度提高前后每一档的信息含量。同样运用信息份额模型,利用价格序列向量Ymbt和Ymat数据,可以得出透明度提高后第四五档复合后的边际信息含量。

3.3 平稳性检验

根据信息份额模型,要研究每一档报价的信息含量,首先要建立误差修正模型。建立误差修正模型的前提需要对价格序列进行单位根检验和协整检验。首先对每一个价格序列进行单位根检验,进行单位根检验的方法最常用的就是ADF(AugumentDickey-Fuller)检验法。以上两组价格向量Yat和Ybt以及Ymbt和Ymat中的每一个价格序列检验结果均接受了原假设(限于篇幅,检验结果均略),即这每一个价格序列都存在着单位根,序列是不平稳的,对于一阶差分后,检验结果表明都拒绝了存在单位根的假设,也即一阶差分之后的序列是平稳的,并且都是一阶单整,即透明度变化前后的价格序列MIDt、CPt、WP2t、WP3t、WP4t、WP5t、WP23t和WP45t都服从I(1)。在这种情况下,即价格序列都是同阶单整的情况下,然后再对其进行协整分析。尽管对于每一个单独的价格序列的水平值来说是不平稳的,但是希望对每一只股票来说这些价格序列是收敛的,这是因为这些价格序列都是同一个股票每一档位的报价,具有同质性。即对同一个股票这些价格序列之间存在着协整关系。例如,对于价格向量Yat中的MIDt、CPt、WP2t、WP3t这四个价格序列,已经证明都服从I(1),如果存在一个向量β=(βMID,βCP,βWP2,βWP3)使得βMIDMIDt+βCPCPt+βWP2 WP2t+βWP3 WP3t服从I(0),则说明这四个价格序列之间存在着协整关系。接下来就是要检验对于同一个股票价格向量Yat、Ybt、Ymbt和Ymat中的每一个价格序列是否具有协整关系进行检验。主要运用Johansen的协整检验的方法,运用SIC(Schwarz In-formation Criterion)准则决定出误差修正模型的阶数。对于每一个股票不同的价格序列进行协整检验。主要有两种方法,特征根迹检验和最大特征根检验,文章运用两种方法进行检验(限于篇幅,检验结果均略),检验结果表明对于每一个股票的不同的价格序列均存在协整关系。即对于第一组价格序列向量:这四个价格序列之间都存在着协整关系。因此,本文要研究的价格向量之间存在协整关系,适合建立误差修正模型,计算限价订单簿每一档报价的信息含量。

4 对价格发现的影响分析

4.1 每一档报价对价格发现的贡献

限价订单簿每一档报价对价格发现的贡献,也即限价订单簿的信息含量,计算结果如表2所示。表2列出了股票市场透明度提高前后每一档报价信息含量的描述性统计结果,根据前面分析,在计算信息含量的时候如果价格序列之间的残差项之间存在相关关系时,需要进行Cholesky分解,就是把根据误差修正模型估计出来的协方差分解为上三角形矩阵和下三角形矩阵,然后根据公式(6)计算第j个报价档位的信息含量。进行Cholesky分解的时候,变量的排序会影响到计算出来的信息含量。例如,把价格MID放在第一位时计算出来的MID信息含量的最大值,当把价格MID放在最后一位时计算出MID信息含量的最小值。因此表2中所报告出来的是每一档报价信息含量的平均值。根据Booth[23]的观点及解释,每一档报价的信息含量的平均值就能够衡量每一档报价对于价格发现过程的贡献度。从表2中Panel A的平均结果来看,MID、CP的信息含量分别为49.94%和23.58%,WP2、WP3的信息含量分别为15.52%和10.97%。由此可以看出,MID和CP的信息含量占到了73.52%。与Cao等[18]研究澳大利亚市场得出78%的信息含量相近,也就是说在价格发现过程中,最近一笔的成交和最优买卖报价的中点对于价格发现的贡献最大,这一部分对于投资者来说是最具有信息量的,价值也最大。而对于股票市场透明度提高后的每一档报价的信息含量,根据价格序列向量Ybt计算的信息含量结果如2中的Panel B所示。由Panel B的结果可以看出,MID、CP、WP2、WP3、WP4、WP5的 信 息 含量平 均 分 别 为40.49%、20%、13.27%、10.45%、8.59%和7.19%。MID和CP的信息含量从交易前透明提高之前的73.52%下降到60.49%,第二到五档报价总共的信息含量占到39.51%。在透明度提高后,增加的两档报价是有增量信息含量的,增加的两档报价的信息含量为15.78%,即对于价格发现的贡献为15.78%,是有助于价格发现过程的。文章还进一步对第二三档复合加权报价、第四五档复合加权报价的信息含量做了研究。

4.2 新增报价对价格发现的贡献

为了进一步分析增加的两档报价对于价格发现的贡献,在控制了MID、 CP、WP23之后再研究增加的WP45的信息含量。根据形成的价格序列向量Ymbt和Ymat可以计算出股票市场透明度提高前后的限价订单簿的信息含量,如表3所示。从表3中Panel B的结果可以知道,增加的第四五档复合加权报价的信息含量平均为12.22%,略小 于 表2中Panel B分 开 计 算 的 结 果 之 和15.78%。

4.3 横截面差异显着性检验

以上是对每一档报价信息含量的描述性统计分析,本文更关心的是在股票市场透明度提高前后的差异。本 文 首 先 分 析 股 票 市 场 透 明 度 提 高 前 后MID、CP、WP2、WP3这四个价格的信息含量是否存在显着差异;其次分析股票市场透明度提高前后MID、CP、WP23的信息含量是否存在显着差异。如果这两种情况均存在显着差异,则进一步证明透明度提高后增加的两档报价是具有信息含量的,增加的两档报价对于资本市场的价格发现过程是有贡献的。文章拟采用非参数检验Mann-Whit-ney U检验方法进行分析。Mann-Whitney U检验的零假设是样本来自的两个总体的均值没有显着性差异。检验结果见表4。表4给出了非参数检验Mann-Whittney U检验结果,从结果可以看出,Z值的相伴概率均小于0.05,说明在5%的水平下股票市场透明度提高前后的MID、CP、WP2、WP3以及MID、CP、WP23信息含量是存在显着差异的。Panel A是MID、CP、WP23差异显着性检验的结果,统计量Z值分别是-9.540、-4.433和-6.844,均在1%的水平上显着。Panel B是MID、CP、WP2、WP3差异显着性检验的结果。WP3的信息含量在股票市场透明度提高前后没有显着差异。总体来说,可以拒绝零假设,认为两总体的均值存在显着性差异。由表4检验的结果可以得出结论:透明度增加后,新增的两档报价是具有边际信息含量的,促进了价格发现效率,对投资者也是有价值的。投资者可以据此调整相应的投资策略。由此可知每一档报价对于价格发现的贡献。进一步,又研究了其对价格发现效率的影响。

5 对价格发现效率的影响分析

价格发现效率的衡量方法有很多种,因为限价订单簿上的信息会对整个交易日内的价格产生影响,限价订单簿上委托价格和数量的信息发生变化后,根据前面的分析可知,限价订单簿的信息份额也发生了变化,这会影响到交易价格与有效价格的偏离程度,即定价误差。并且,根据有效市场理论,如果价格发现效率越高,则证券价格应该越接近随机游走,收益序列的自相关程度也应该越低[25]。因此,这一部分主要研究了定价误差和收益自相关性的变化,进而判断透明的增加对价格发现效率的影响。此外,有研究表明活跃度不同的股票价格发现效率会存在差异[26],因此,为了考察不同活跃度股票之间的差异,本文根据事件前后一个月 的研究期间(即事件 前后20个 交 易日)的平均交易频率、交易量和交易金额将研究样本分别划分为高、中、低三组。分别从三种不同的活跃度视角考察股票定价误差和收益自相关性的变化,得出相对稳健的结论。

5.1 对定价误差的分析

该方法的基本原理是基于方差分解的方法得到定价误差。然后分析交易价格偏离有效价格的定价误差在事件前后的变化,进而考查价格发现效率在事件 前 后 的 差 异。方 差 分 解 的 方 法 主 要 是 基 于Hasbrouck[27-29]的研究,主要利用高频数据中的逐笔交易收益以及确定买方和卖方驱动的指示性变量的信息。因此,第一步根据深市高频数据计算获得逐笔交易收益。与Hasbrouck的研究设计一样,逐笔交易收益是根据每笔交易最优买卖报价的中点值计 算,即 交 易 收 益rt= lnMidtMidt-( )1,Mid =Pb1+Ps12。作为稳健性检验,本文还采用每笔成交价格计算逐笔交易收益进行计算,结果类似,限于篇幅,结果只报告了根据每笔交易最优买卖报价的中点值计算交易收益的结果。第二步就是如何确定买方驱动还是买方驱动这个指示性变量。买方驱动和卖方驱动的指示性变量可以通过TAQ数据中的字段“买卖标识”进行准确界定。对TAQ高频数据中“买卖标识”字段数据缺失的部分,采用了两种处理方法,一是对数据确实的进行剔除,但会丧失一部分信息,第二种方法是进行计算判断。最常用的就是Lee和Ready[30]的方法,基本判别原理就是根据最优买卖报价中点值(Mid)与每笔成交价格的比较,如果成交价格大于最优买卖报价中点值,则判断为买方驱动,令指示变量xt等于1,如果成交价格小于最优买卖报价中点值,则判断为卖方驱动,令指示变量xt等于-1,如果成交价格刚好等于最优买卖报价中点值,则令指示变量xt等于0。根据两种不同处理方法计算结果类似,本 文只报告 了第二 种 处 理 方 法 后 的 结 果。通过这两步的分析就可以得到方差分解模型所需要的变量最终就可以计算获得事件前后每只股票的定价误差。据此,首先分析得到透明度增加前后的定价误差 (σs),其次,考虑到不同股票价格的差异以及价格的波动,本文又采用日内交易价格的标准差(σp)对定价误差做了标准化处理。表5报告了透明度增加前后的定价误差(σs),以及标准化后的定价误差(σs/σp)的均值结果。为了分析价格发现效率的变化,又做了横截面差异显着性的检验,均值T检验的结果也在表5列示。由表5可 知,总 体 检 验 的 结 果 表 明,定 价 误差的标准差、标准化后的定价误差的标准差分别显着降低了0.061(数量级为10-3)、0.0097,对应的T值分别为-2.221和-2.191。这说明限价订单簿透明度提高后,披露信息的增加使得交易价格偏离有效价格的程度降低,价格能够反映更多的市场信息,因此,价格发现效率明显提高。从交易频率、交易量和交易金额的分组比较结果来看,事 件 后 的 定 价 误 差 的 标 准 差 均 小 于 事 件前,并且在交易频率的最高组、交易量的最低组、交易金额 的中间组 表现为显着 降 低。从 标 准 化后的定 价 误 差 的 比 较 结 果 来 看,除 了 一 个 增 加外,其他均表现为降低,并且在交易频率和交易量的最高组和最低组、以及交易金额的高和中间组均表现为显着性降低。这充分证明,限价订单簿透明度提高后,定价误差的标准差显着降低,交易价格更加接近于随机游走,交易价格更加有效,价格发现效率提高。

5.2 对收益序列的自相关性的分析

收益自相关系数也是对价格发现效率的一种衡量[10,25],因此,本节采用收益序列的一阶自相关系数的绝对值对价格发现效率作进一步的检验与分析。由于收益序列的自相关程度会受到买卖价差的影响,与董锋和韩立岩[13]研究不同的是,本文的收益是根据最优买卖报价中点值计算获得。根据有效市场理论,价格发现效率越高,则证券的交易价格应该越接近于随机游走,收益序列的自相关程度也应该越低。表6报告了间隔为10分钟和20分钟的收益序列自相关系数绝对值(|AR10|、|AR20|)结果,本文还做了间隔为5分钟和30分钟的收益序列自相关系数分析,与间隔为10分钟和20分钟的结果类似,本文只报告了间隔为10分钟和20分钟的结果。由表6可知,总体结果表明,间隔为10分钟的收益序列自相关系数的绝对值|AR10|由事件前的0.0567降 低 为 事 件 后 的0.0464,显 着 降 低 了0.0102;间隔为20分钟的收益序列自相关系数的绝对值|AR20|由事件前的0.0609降低为事件后的0.0504,显着降低了0.0105。|AR10|、|AR20|的中位数也由事件前的0.0440、0.0494降低为事件后的0.0351、0.0377。从交易频率、交易量和交易金额的分组比较结果来看,除了两个增加外,其他均表现为降低,并且在交易频率和交易金额的最高组、以及交易量的中间组均表现为显着的下降,这与总体结果一致。说明透明度增加后,交易价格更加接近于随机游走,收益序列的自相关程度显着降低,价格发现效率显着提高。进一步证明了基于定价误差角度的分析,因此可以得出结论,透明度增加后,交易价格更加接近于随机游走,交易价格偏离有效价格的定价误差降低,收益序列的自相关程度也显着降低,价格发现效率提高。

6 结语

2003年12月8日沪深证券交易所买卖盘揭示范围由三档变为五档,即股票市场透明度提高。基于此,本文选择深证100指数成分股作为研究样本,选择事件日前后20个交易日分别作为事件前和事件后两个窗口期进行分析。首先对事件前后的交易量、交易金额以及交易频率做了描述性统计分析。其次运 用被广泛应用的基于误差修正模型的信息份额模型研究了限价订单簿的信息含量,这个模型要优于其他模型,不仅适用于报价驱动的发达资本市场,也适用于订单驱动的新兴资本市场,在学术界得到普遍任可和广泛应用,因此我们也采用了这个模型进行分析。最后,文章进一步从定价误差角度分析价格发现效率的变化。结果表明:(1)在股票市场透明度提高前,最优买卖报价中点、最近一笔成交价、第二档和第三档报价对于价格发现的贡献分别为44.67%、26.19%、16%和13.15%,股票市场 透 明 度 提 高 后 分 别 为35.35%、18.72%、13.60%和11.63%。(2)新增加的第四档、第五档报价对于价格发现的贡献分别为10.98%和9.73%,具有边际信息含量,对投资者是有价值的,投资者能够据此出合理的投资决策,有助于价格发现。(3)根据方差分解获得的定价误差在事件前后的差异显着性结果表明:股票市场透明度增加后定价误差显着降低。这充分证明了股票市场透明度提高以后交易价格偏离有效价格的程度变小,价格发现效率显着提高,交易价格更加有效