中国股票市场达到涨幅限制的影响因素实证分析——基于2010-2012年交易数据，本文主要内容关键词为：实证论文,股票市场论文,涨幅论文,中国论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
过去的两年多，我国A股市场犹如惊弓之鸟一直在“跌跌不休”的漫漫熊市中挣扎，2011年更是熊冠全球主要市场，股指重回十年前，沪指全年跌幅达21.68％，深成指跌幅达28.41％，两市近6万亿元市值灰飞烟灭。让众多期望在股市中分一杯羹的投资者折戟沉沙，损失惨重。尽管市场对于A股下跌的原因一直争论不休，有人认为A股连续下跌是因为通胀压力较大，国际经济形势严峻复杂而导致的国内经济下滑预期加重。有的则认为是IPO发行频率过快，对市场抽血严重，致使市场资金严重不足，投资者们纷纷离场。还有人认为这是我国A股市场制度不健全，许多上市公司业绩弄虚作假，极大地伤害了投资者，使得投资者像远离毒品一样远离股市。但不可否认的是在如此萧条的大背景下，却并非所有股票均走势疲软，当我们将视角转向统计数据时，则会惊奇地发现，A股市场的众多个股走势用气势如虹来形容一点也不为过。
笔者统计，在过去的500个交易日中①，纵使大盘一路走低，A股个股却产生过近6800次涨停，平均每个交易日有13个之多。更让人称奇的是，在500个交易日中的某个很短的时间区间内，连续和间歇涨停超过十次的股票多达120只，这表明平均每四个交易日市场上就会出现一只短期累计涨幅达160％的个股②。而超过7次涨停的A股更是多达319只，意味着平均不到两天市场会涌现出一只累计涨幅翻倍的个股。如果将所有上市A股在这500个交易日中按有过涨停与否进行分类，会发现一部分股票经常有涨停发生，剩下的则从来没有出现涨停。那么，这些涨停个股是否真正具有投资价值，对广大投资者是“天使还是魔鬼”？哪些因素显著地影响着这些涨停的个股和那些从来不涨停的个股？这些都是本文要进行深入探讨和研究的主要内容。
二、文献回顾
如今在大多数国家和地区，股票市场是不设置涨跌幅限制的。这得益于它们市场的完善性和规范性。但是缺乏涨跌幅限制机制，也给投资者带来了不少风险。2012年2月29日，日股尔必达因申请破产保护，股价一天狂跌98％，创日本股市跌幅纪录，持有该股票的投资者因此而损失惨重。而我国在1996年12月26日之前，是没有股价涨跌幅度限制的，后来为了减少过度投机和股价的暴涨暴跌给广大投资者带来的投资风险，证监会规定，以该日期为时间窗口，除上市首日没有涨跌幅限制之外，股票(含A、B股)、基金类证券在一个交易日内的交易价格相对上一交易日收市价格的涨跌幅度不得超过10％，ST股票不超过5％。该制度一直沿用至今。
目前学术界对涨跌停的研究主要围绕在制度层面合理性的探讨中。至今仍然存在两种不同甚至截然相反的观点。一种认为涨跌停制度对限制波动性具有积极作用，如Kodres和O'Brien(1994)检验了不完全市场模式下期货市场涨跌停板制度的福利效应，认为涨跌停板制度为市场执行风险提供一种担保，促使市场参与者共同分担执行风险。当价格波动被基本面信息驱动时，合理设计的涨跌幅度相比无限制的交易可以带来帕雷托改进效果。当流动性冲击很大时，涨跌停板制度在为风险规避者提供避风港的同时会带给风险偏好者损失。Lee和Kim(1995)以1989年1月1日到1989年12月31日的韩国股市为研究对象进行实证分析，结果发现价格设限确能降低股票价格的波动性。吴祥林等(2003)利用A股市场1996-2000年交易数据，采取非参数方法得出，在股价发生涨跌停时，虽然涨跌幅限制不能完全消除过度反应，但是可以显著地减小过度反应的程度，并且涨跌停本身并不是导致过度反应的原因，因为大幅度变化但未达到涨跌停时也存在过度反应。
当然也有许多学者认为涨跌幅限制对市场存在消极影响。Fama(1989)指出涨跌幅限制使得价格发现过程被干扰，潜在的波动性将会增加，交易量将在接下来的交易日达到很高，使得股价变化不能完全反映基本经济因素的影响，增加投资者的不确定性和股价波动性。Roll(1988)认为，涨跌停机制只会影响价格调整的速度，但并不会对价格调整的幅度产生影响。Phylaktis等(1999)检验了希腊股市的涨跌停机制对市场波动的影响，他们也认为价格限制机制只会影响股票价格的调整速度，并不会对市场的波动率产生影响。王铁峰等(2005)从波动性、流动性、定价有效性、停牌助涨性和停牌助跌性等五个方面探讨了中国股票市场异常波动停牌制度的有效性，结果发现异常波动停牌在减少市场波动和非理性投资方面没有达到预期效果。而廖静池等(2009)从复牌后的交易量和波动性入手，分析了中国股票市场停牌制度的有效性，得出停牌并没有起到监管层预期的效果、反而降低了市场效率的结论。
通过对现行文献的梳理发现，已有的研究主要围绕涨跌停板制度对股价波动性等方面的影响上，即集中在涨跌停板制度是否设置合理的层面上。鲜有文献提及涨停股票的本身特性及对其进行深层次探讨，结合所有上市公司涨停的历史数据在微观层面进行的研究更是缺乏。从市场的角度出发，涨停是该股受到市场追捧的极端反映，是看多看空者的隔空博弈。涨停是看多该股者占据了完全上风的极端情形，表明投资者极度看好该股的后市走向，连续涨停的个股更是往往会引爆市场热点，吸引众多投资者的目光。因此完全有理由相信，从市场的买卖强度和决心视角分析，涨幅为9.5％与涨停板虽然在涨幅上相差不大，但在市场的决心体现上迥异，涨停反映了市场的坚决和毫不犹豫的态度。另一方面，由于资本市场的复杂性和波动性，试图预测股价的各种模型，因为各种随机因素和人们心理变幻莫测，解释效果往往显得苍白无力。但数据显示涨停股可能是一个例外。
本文统计了500个交易日内涨停6780次，发现即使在A股指数一路走低、市场情绪不稳定、投资者意见很难达成共识的情况下，涨停股在涨停后第二日开盘价或收盘价会高出前一天涨停时收盘价的还是接近6200次，这意味着如果一位投资者在某只股票涨停当日购入该股，第二日能够获利的概率高达91.5％。此外，一个有趣的现象还包括，对调查期内涨停次数超过14次的40只股票统计发现，这40只股票在它们每次涨停后的第二天高开或者以高于昨天的价格收盘的概率高达99.1％，似乎向市场彰显了其强者恒强的独特魅力。正是基于以上情形，哪些因素能够显著地影响股票的涨停与否，也是广大投资者感兴趣的一个问题。
基于每只股票的涨停次数，本文对涨停个股与其对照组之间进行了盈利能力比较，此外还通过将行业因素、换手率、新股、流通股本、除权等各种因素纳入不同模型对样本进行了检验，以识别这些因素对样本的涨停影响是否显著，从而认识个股特性和个股涨停现象之间的内在关系，拓展了学者之前对涨停现象的一些认识，有助于对微观市场的行为研究提供新的视角。
文章共6个部分，余下章节安排如下：第三节介绍了数据来源，对涨停股票的行业分布、流通股本分布以及业绩情况进行了详细描述；第四节构建了计量模型，并对涨停与行业分布、股本、除权、新股和换手率之间的关系进行了实证检验；第五节进行了稳健性检验；第六节进行总结并给出政策建议。
三、数据选取与特征事实
(一)数据选取
本文研究使用的数据包括2010年5月25日至2012年6月15日的500个交易日期间沪深A股上市公司所有的涨停③过的股票数据。在该时期，上证股指起始于2654点，收于2306点，最高上触至3187点，最低探底到2132点。总体看来，绝大部分时间处于下跌状态。本文选取这段时间的数据主要基于以下考虑：一是由于市场中投资者偏好可能会随着时间而动态变化，选取最新的数据能够有效及时地反映其最新的偏好，让研究的结果更加稳健和具有时效性。二是这段时间A股大部分时间处于下降通道，数据正好可以被认为是市场对处于下跌状态如何反映的一个有效样本。
文中股票的涨停数据、换手率和行业分类的数据来自通达信行情软件。此外，A股流通股本、归母公司净利润等指标取自国泰安CSMAR经济金融证券数据库，股票除权信息、新股信息等来自东方财富网的数据频道。需要说明的是，和以往的文献处理方法不同，本文保留了部分ST股。原因在于，两年中许多之前不是ST的上市公司，因为业绩亏损，而在后期行情中沦为ST公司。而不少此类公司在之前股价上涨期间有不俗的表现。如*ST华科、*ST大成、*ST国商、*ST锌业等股票，在没有披星戴帽之前，均是市场上炙手可热的明星股，都曾有过短时间内12次涨停(9.9％)以上的不俗走势，被ST之后让人大跌眼镜。如果按ST标准一刀切，剔除掉此类股票，会对样本的有效性和完整性产生负面影响。剔除掉剩余的不满足条件的ST股，最终共得到样本股票总数2272只。
(二)特征事实
1.行业分布
表1提供了按行业细分的涨停频率数据，从中可以初步推测出市场对各行业的偏爱程度。
从表中可知，总体上房地产行业以两年间涨停586次居所有行业榜首。电子信息、化工、机械、电子器件、有色金属和生物制药等等行业紧随其后，均有超过300次的涨停次数，这六个行业涨停次数总计占全部行业的近45％。而船舶制造、公路桥梁、自行车、家居行业、其他制造业、摩托车等行业则明显受到市场冷落。这一方面是因为各板块的股票数量不同，另一方面则是因为市场对股票的反应在一定程度上受国家行业政策导向影响。如有色行业受下游刚性需求增长和国家政策倾斜的影响，长期被市场看好，以至于只要其它行业的股票投资涉足有色行业，就会被市场追捧出几个涨停。电子器件作为现代产业的发展的基础在各领域得到广泛应用，如LED芯片、功率器件、传感器件、电力电容、磁性材料、控制芯片等等都面临巨大发展机遇，也在A股市场中热点频现。而一直在风口浪尖上的房地产行业，因为受人关注，板块中股票数很多，而且板块中的股票联动性非常大，往往某只地产股涨停后，其它的地产股也会跟风涨停，因此涨停次数居首位。
如果将各个行业的股票数也考虑进去，则是有色金属行业的股票最容易受到市场的追捧，有色金属行业共有股票60只，平均每只股票涨停次数超过6次，大幅领先其它行业。这个数据还没有包括房地产行业和其他行业中很多股票因投资有色金属遭市场资金围堵而涨停的情况。一个明显的例子是，大盘钢铁股包钢股份，流通股本67亿股，因为投资矿产，疯狂涨停18次，在市场交易最激烈的60个交易日，总计换手率高达600％，交易总额1100亿人民币。如将数据加权平均来看，市场对包钢股份的资金投入相当于全年共计6000亿人民币，这等于我国很多省份2011年度GDP总额的一大半。市场对有色金属行业的狂热程度可见一斑。
2.流通股规模(流通股份数)
表2为按照上市公司流通股本划分的涨停个股的股本情况。数据显示，流通股本10亿以下的股票占据了涨停样本中89.3％的比重，而流通股本超过10亿的股票无论是从股票数还是涨停次数上看，均不到11％。同时，涨停股票主要集中在1-2亿和2-5亿流通股本的两个区间，从股票数上观察分别为18％和33.3％，涨停次数上也是这两个区间最多，分别为19.5％和35.9％。这表明流通股本在1-5亿的股票可能更受市场追捧。如果按股票平均次数统计，1-2亿流通股本的股票平均每股涨停次数5.27次，为所有股本区间中最多。这也表明，相对于流通股本较大的股票，市场更偏好流通股本较小的股票。
3.股票业绩
纵然涨停的原因有很多种，如受市场追捧的题材、重组预期、业绩出现爆发增长等等，但最终可以认为是市场对股票未来利润增长的直接反应。为了分析股票间业绩增长差异的情况，首先要选择一个衡量的指标。本文选择归母公司净利润这个指标来表示，这也是衡量一个公司盈利的通用指标。它指的是上市公司营业期间最终获得的利润，反映了公司整体的经营情况。通过母公司净利润的变化，可以动态地揭示公司的经营变动情况。理论上，涨停次数多的股票，母公司净利润应该呈显著递增趋势。
表3和表4提供了分类上市公司的业绩情况。以中报比较，2010年涨停股票中公司盈利的有1040家，亏损的128家，盈亏比为8.1∶1；而未涨停股票中公司盈利和亏损的分别有554家和27家，盈亏比为20∶1。2011年中报情况类似。仅从这个层面看，未涨停股票相对于涨停股票的公司盈利情况要好。按业绩同比增长情况比较，业绩同比增长的有680家，占盈利公司的56％，剔除1％的极端值后，这些公司平均业绩增幅为188％；而股票未涨停的公司业绩同比增长的为403家，占比55％，平均增长90％。这表明两类公司同比增长的比例相差无几，但是股票涨停的公司平均业绩增长幅度较未涨停的公司大。
再来观察年报情况。股票涨停的上市公司两年的年报大多数也是盈利的，但是业绩出现了较大程度的下滑。2011年年终盈利的1292家上市公司中，仅727家业绩同比出现增长，占比56％，另外44％的公司净利润则出现了不同程度的下滑。在同比增长的公司里面，平均增长率为152％。更值得警惕的是，在年报中93家盈利少于0的上市公司中，有58只曾涨停次数超过5次，其中短期涨停次数超过7次、股价短期翻倍的公司更是达33家，由此市场的盲目炒作性可见一斑。而未涨停的公司中，同比增长的略少，为53％。这说明涨停组的股票财务运营情况并不比对照组的股票有明显优势。
四、模型与实证检验
(一)模型设定
本文采用logit回归模型和零膨胀泊松回归两种模型分别检验涨停和未涨停股票的影响因素。其中logit回归模型为二元响应模型，被解释变量只有0和1两种情况。而零膨胀泊松回归模型则是计数模型，被解释变量为事件发生的次数。
1.logit回归模型
鉴于样本期内出现1次涨停的股票有很大的偶然性，比如有时大盘突然上涨幅度很大，带动了投资者的热情，此时会有涨停潮现象出现，或者久跌出现反弹而涨停。而这与股票本身没有多大联系。因此在该模型中，本文将研究样本分为两组，第一组是涨停次数大于2次(包含2次)的股票，第二组为涨停次数为1次和0次的股票。
被解释变量“是否涨停大于等于2次”是标准的二元变量，适合采用probit模型和logit模型等二元响应模型进行估计。至于选择哪个模型主要出于方便，不过当模型中包含连续的解释变量或者大量观测点集中分布于两端时，选择logit模型更合适，故本文选择logit模型：
为了表达式的简洁，这里用industry来代替变量estate,elec,chem,mach,elecdev,nonferrous和other。
2.扩展的泊松回归(poisson regression)—零膨胀泊松回归(zero－inflated negative binomial regression)
模型的被解释变量为观测值的发生次数，文中为每家上市公司股票发生涨停的次数。这样可以更加充分地利用样本信息，因为在logit模型中，涨停20次的股票和涨停2次的股票是被同样看待的，而在零膨胀泊松回归模型中，涨停次数这个关键信息也得到了充分的应用。传统的泊松回归要求被解释变量的方差和数学期望相等，不满足要求则结果不可信，而零膨胀泊松回归将此要求放松，于是本文运用零膨胀泊松回归，而且其更适用于被解释变量中包含大量0值的情况。零膨胀泊松回归模型为：
行业指标(industry)指的是将上市公司根据主营业务按行业分类，在通达信中该股票所属的行业。由于2272家上市公司分属于许多不同的行业，而不同的行业受市场和资金追捧的程度不同，有理由相信所属行业会对股票的涨停与否产生影响。这里引入虚拟变量来表示股票的行业。由于篇幅原因，这里将涨停次数最多的6个行业设置虚拟变量，以检验这些行业是否对股票涨停存在显著的影响。共设置7个虚拟变量代表所有行业，其中estate＝1，0分别代表股票属于和不属于房地产行业，elec＝1，0分别代表股票属于和不属于电子信息行业，chem＝1，0分别代表股票属于和不属于化工行业，mach＝1，0分别代表股票属于和不属于机械行业，elecdev＝1，0分别代表股票属于和不属于电子设备行业，nonferrous＝1，0分别代表股票属于和不属于有色金属行业，other＝1，0分别代表股票属于和不属于除了这六个行业外的其它行业。这样就将所有股票按行业进行了归类。
股票是否是新股(new)：将500个交易日内上市的股票设为新股次新股，标记为1，否则为0。这样以便考察市场对统计期内进入市场的股票整体是否有特殊的过激反应，特别是2010年开始深交所创业板公司大量登陆A股市场。
股票在期间是否除权(de)：许多股票在除权前后均有过不俗的走势，如苏宁电器便是其中典型代表，得益于当时行业的高速成长，其股价上市3年内涨幅2100％，令投资者赚得盆满钵满，不能否认的是苏宁电器股价的暴涨离不开其股本的扩张，上市3年里，其股本先后经历了10转10派1，10转8，10转10等一系列扩张，期间均有连续涨停加速其上涨经历。而2012年年初川润股份也是因为10转10，股价(按前复权折算)在29个交易日内从4.5元连续涨停至12.88元，涨幅达186％。这里以在两年内是否存在过10转9以上的除权为划分标准，设置虚拟变量de＝1，0分别代表有过和没有10转9以上的除权行为，以检验除权是否对涨停有显著的影响。
股票的换手率(exchange)：换手率是股市中非常重要的指标，例如徐晟等(2012)就曾用换手率对资本结构的影响进行过相关研究。而作为最常用的反映多空博弈指标的换手率，在一定程度上也反映了股票的交易活跃情形，在一般的情况下，股票换手率很少会超过10％，但是涨停前后出现巨量换手的情况则是A股市场常见的现象，例如大盘股包钢股份在涨停中曾有过多次20％的换手率，小盘股如冠昊生物更是创下连续22天每天超过20％超高换手率的记录，期间伴随多次涨停，股价也一个月内从20元快速上涨到42元。这里设置虚拟变量，500个交易日内有过超过5次10％换手率的股票为1，否则为0。
股票流通股数(size)：用股票流通股数代表股票的股本大小，这里取2011年年初的股票流通股数来代表流通股本的大小。之所以不选用最新的流通股本，是因为随着时间推移，股票的流通股本会因为解禁、除权等市场因素而增多，而在此之前市场对股价就会有所反映。
(二)实证分析
logit回归模型和零膨胀泊松回归模型的计算结果如表7所示：
模型1和模型2研究了我国A股市场中涨停板的影响因素，其结果总结在表7中。模型1单独检测了行业对涨停的影响，6个行业均为显著。模型1表明在涨停排行前六的行业中，有5个行业正面影响了股票的涨停。平均而言，如果一只股票属于房地产行业，则其在市场上的涨停的概率就增加了22个百分点，同样如果一只股票属于有色金属行业，则涨停的概率会增加35个百分点。由此看来，在边际影响为正的5个行业中，有色金属行业的涨停概率最高。这也与之前的计算相符合。而相反的是涨停频率排名第四的机械行业，边际影响却为负数－0.09。这表明和处于涨停集合中的机械行业股票相比，更多的机械行业的股票属于不涨停的那个集合中，由此可以推测出市场对机械行业的关注并不平均，只有小部分行业中的股票受推崇。而其它5个行业是整体被市场看好。
模型2在模型1的基础上增加了4个影响因素，可以发现，换手率对涨停的影响因素显著为正，换手率高的股票比换手率低的要在涨停的概率上增加30个百分点。我们的结论也和Miller(1977)的结论一致，Miller认为股票如果存在异常交易量(在A股市场中超过10％的换手率)，则该股会吸引众多投资者的关注，进而导致股价的上升。这是因为在一个存在着卖空限制的市场中，交易量异常增多在增加看多者的数量的同时，还会让持有该股票的人产生惜售心理，这样总体看来市场对股票的需求增加了，导致了随后股票的上涨，极端时便产生了涨停。相同的，除权因素也显著为正。虽然除权对于股东而言影响是中性的，因为在增加投资者持有股票数量的同时，投资者手中股票的价格也下降了。其仍然涨停的原因本文认为有两方面：第一，一般只有业绩良好的公司才会有高转送等除权行为，市场上的涨停便是对这些公司良好业绩持续下去的一个预期。第二，市场上之前便存在过除权前后，很多股票会被市场追捧至涨停的经历，因此投资者会认为只要有除权行为，股票便会涨停。这种心理预期在一定程度上也对涨停产生了一定的推波助澜的作用。相反的是新股的影响因素为负，这也意味市场对新股存在着十分明显的两极分化的态度。在本文统计的期间内，共有近500多家公司登陆A股市场，而有过2次及以上涨停经历的不到40％，超过60％的新股只涨停过1次和从未有过涨停的经历。一部分新股因为有着热点题材受市场追捧，在短期内涨幅翻倍还继续上涨，这往往扭曲和搅乱了市场的投资价值观，让许多散户投资者因盲目跟风购入而最后高处接盘站岗，损失惨重。同时一部分新股则处于上市首日开盘价便是历史最高价的尴尬处境。最后，流通股本的系数为负，表明流通股本的增加会对涨停产生负面影响，这也解释了为什么中国石油尽管屡次荣登全球最赚钱公司的宝座，但是为什么几乎从来不涨停⑤。
模型3和模型4研究了市场上涨停频率的影响因素，结果同样见表7。模型3单独研究了6个行业，和模型1和模型2不同的是，6个行业中，只有房地产行业和有色金属行业仍在1％的水平下显著。这表明这两个行业在整体上的涨停既平均又频繁，而其它的行业则不是。模型4在模型3的基础上加入了换手率、除权、新股、流通股本等因素，和模型1、模型2相同，这四个因素也在1％的水平下显著，符号相同。这表明影响涨停的因素在影响涨停的频率上同样适用，也再次印证了我们的结论，同时证明了A股市场的涨停现象存在诸多影响因素。
五、稳健性检验
为保证结论的有效性，我们进行了稳健性分析，具体做法如下：首先重新选择股票样本，将涨停2次的股票剔除掉，这样股票样本集合变成了涨停2次以下的和涨停3次及以上的所有股票，重新对模型2和模型4做logit同归和零膨胀泊松回归，模型回归结果显示行业换手率、除权、新股、流通股本等因素符号不变，仍然显著。同样，剔除涨停2次和3次的股票，用剩下的股票对模型2和4进行检验，结果仍然变化不大，符号相同。同时，由下我们的样本是A股市场的全部上市公司，这些都表明我们之前的结论是稳健可靠的。
六、结论
本文统计了近两年来A股市场每只股票的涨停次数，并运用两种模型加以验证。主要有以下实证发现：首先，市场对股票的极度追捧具有行业集聚性，如房地产行业和有色金属行业，说明市场反应往往受宏观政策影响。其次，流通股本对涨停有负面影响。这表明市场上“炒小盘股”的现象比较严重。另外，新股次新股对涨停影响总体上为负，零膨胀泊松回归的结果更加证实，新股次新股方面存在两极分化，市场资金向小部分新股倾斜，这部分新股往往被炒作多次甚至连续涨停。市场对股票的追捧，往往在很大程度上是根据其噱头而非其真实的业绩。例如最新的Wind资讯数据显示，2012年2455家上市公司披露中报共得净利润1.02万亿元，而16家上市银行净利润5452.29亿，占比高达53.57％，但是这些银行的股价却一路走低，交通银行股价更是跌破其每股净资产，同样业绩优秀的浦发银行、光大银行、华夏银行的股价也逼近其每股净资产。相反的是市场在2012年初已经明确知道*ST锌电(原罗平锌电)亏损严重的情况下，还是将其股价1个月内连炒出9个涨停，股价从6元涨到16.8元。
最后，由于股价快速上涨在时间上严重透支了股价，绝大部分股票的股价均不能在高位持续，短期上涨过快的股票往往下跌速度也快，将盲目跟风的投资者套牢。例如在本文统计的涨停次数超过7次的319只股票中，超过9成的个股均在达到高点之后的半年内跌幅超过50％。这样的恶意炒作的现象成了击鼓传花般的博傻游戏(戴园晨，2001)，超高的换手率便是很好的证明，最后接盘者往往会亏损严重。因此如何像发达国家股票市场一样建立一个规范健康的投资市场，让股价有着强有力的业绩(如Google,Apple公司因业绩增长而股价不断创新高)而非虚无缥缈的噱头支撑，也是监管者亟须考虑的问题。
感谢语：非常感谢编审和匿名评审的建设性修改建议，当然文责自负。
注释：
①上证年线基于250个交易日计算，因此我们以2012－6－15日为准向前推500日，即两年的数据为研究对象。
②一般情况下，尽管股票连续涨停的期间也会有下跌，但是会因存在上涨(没涨停)将下跌的影响抵消。
③本文将涨停定义为：(当日收盘价－前一日收盘价)/前一日收盘价＞9.9％。其中新股上市首日、股改复牌上市、增发后复牌、因连续三年亏损暂时停牌、扭亏后复牌等情况不受涨幅限制的情况本文作单独剔除处理。
④相对于证监会的分类标准，本文采用通达信软件的行业划分标准更能细腻地展现涨停分布。
⑤2008年9月19日因下调印花税，A股市场历史上罕见集体涨停的那次例外。
标签：股票论文; 换手率论文; 中国股票市场论文; 股票涨停论文; 回归模型论文; 涨停板预测论文; 流通股本论文; 除权论文; 有色金属论文; a股市场论文;