基金共同持股对股票定价效率的影响：基于股价信息含量的深度剖析

基金共同持股对股票定价效率的影响：基于股价信息含量的深度剖析一、引言1.1研究背景与动机近年来，中国基金行业发展迅猛，在推动资本市场繁荣和优化资源配置方面发挥着关键作用。从市场规模来看，基金资产净值持续攀升，各类基金产品如股票型基金、债券型基金、混合型基金以及货币市场基金等百花齐放，满足了不同投资者的多样化需求。与此同时，个人投资者与机构投资者的比例逐渐趋于平衡，这不仅反映出市场参与主体的多元化，也体现了基金行业在投资者结构优化方面取得的显著进展。在基金市场蓬勃发展的进程中，基金共同持股现象愈发普遍。众多基金同时持有同一只或一组股票，这种共同持股行为深刻影响着股票市场的运行机制。一方面，共同持股的基金凭借其专业的投资能力和丰富的信息资源，能够对上市公司进行更为深入的研究与分析，进而提升市场对股票价值的认知和挖掘，推动股价向其内在价值靠拢。另一方面，当基金共同持股过度集中时，可能引发投资行为的趋同，导致市场信息传递出现偏差，增加股价波动的风险，对股票市场的稳定性产生不利影响。股票定价效率作为衡量股票市场有效性的核心指标，直接关系到市场资源配置的合理性和效率。准确的股票定价能够引导资金流向最具价值和发展潜力的企业，促进资本的有效配置，推动实体经济的健康发展。而股价信息含量是影响股票定价效率的关键因素，它反映了股票价格中所包含的关于公司基本面、市场预期、行业动态等多方面的信息。股价信息含量越高，股票价格就越能准确地反映公司的真实价值，市场参与者就能依据更准确的信息做出投资决策，从而提高股票定价效率。若股价信息含量不足，股票价格可能偏离其内在价值，导致市场资源配置扭曲，降低市场效率。因此，深入探究基金共同持股对股价信息含量的影响，进而揭示其对股票定价效率的作用机制，具有重要的理论与现实意义。1.2研究目的与意义本研究旨在深入剖析基金共同持股与股价信息含量、股票定价效率之间的内在联系，为资本市场参与者和监管者提供理论支持和实践指导。基金共同持股现象在资本市场中日益普遍，其对股价信息含量和股票定价效率的影响备受关注。通过对相关理论和实证的研究，能够更加清晰地认识基金共同持股在资本市场中的作用机制，为投资者、基金管理者以及监管机构提供有价值的参考依据。从理论层面来看，基金共同持股对股价信息含量和股票定价效率的影响是复杂且多面的，现有研究尚未形成统一的结论。部分研究认为，基金作为专业的机构投资者，具有更强的信息收集和分析能力，共同持股能够促进信息在市场中的传播，提高股价信息含量，进而提升股票定价效率。而另一部分研究则指出，基金共同持股可能引发羊群行为，导致市场信息同质化，降低股价信息含量，对股票定价效率产生负面影响。本研究将综合运用多种研究方法，深入探讨基金共同持股与股价信息含量、股票定价效率之间的关系，有助于丰富和完善资本市场理论体系，为后续研究提供新的视角和思路。在实践意义上，对于投资者而言，准确理解基金共同持股对股价信息含量和股票定价效率的影响，能够帮助他们更加科学地制定投资策略，提高投资决策的准确性和有效性。投资者可以通过关注基金共同持股的动态，分析其对股价信息的影响，更好地把握股票价格的走势，从而实现资产的保值增值。对于基金管理者来说，研究结果有助于他们优化投资组合管理，提升投资绩效。基金管理者可以根据研究结论，合理调整共同持股的比例和结构，避免过度集中持股带来的风险，同时充分利用共同持股的优势，提高信息获取和利用效率，为投资者创造更大的价值。对于监管机构而言，深入了解基金共同持股对市场的影响，能够为其制定更加科学合理的监管政策提供依据，有助于维护资本市场的稳定健康发展。监管机构可以通过加强对基金共同持股行为的监管，规范市场秩序，防止市场操纵和信息不对称等问题的发生，保障投资者的合法权益，促进资本市场的公平、公正和透明。1.3研究方法与创新点在研究方法上，本研究综合运用多种方法，力求全面、深入地剖析基金共同持股与股价信息含量、股票定价效率之间的关系。实证研究法是本研究的核心方法，通过收集和整理大量的金融市场数据，包括基金持股数据、股票价格数据以及上市公司财务数据等，运用统计分析和计量经济学模型，对研究假设进行严谨的检验。例如，构建多元线性回归模型，以股价信息含量为被解释变量，基金共同持股比例、基金持股数量等为解释变量，同时控制公司规模、财务杠杆、行业特征等因素，来探究基金共同持股对股价信息含量的影响。运用面板数据模型，考虑时间和个体的双重效应，进一步分析基金共同持股与股票定价效率之间的动态关系，增强研究结果的可靠性和说服力。案例分析法也是本研究的重要方法之一。选取具有代表性的基金和上市公司作为案例，深入分析其基金共同持股的具体情况，包括持股比例的变化、持股时间的长短以及持股策略的调整等，以及这些因素对股价信息含量和股票定价效率产生的实际影响。通过对具体案例的详细解读，能够更加直观地展现基金共同持股在实际市场中的作用机制，为实证研究结果提供有力的补充和验证。比如，选取某一时期内多家基金共同持有且股价表现异常的上市公司，分析基金共同持股在该公司股价波动、信息传播以及市场定价过程中所扮演的角色，揭示其中存在的问题和潜在的风险。本研究在研究视角和变量选取等方面具有一定的创新之处。在研究视角上，现有研究大多单独关注基金持股对股价信息含量或股票定价效率的影响，较少将三者纳入统一的分析框架。本研究从股价信息含量的独特视角出发，深入探究基金共同持股如何通过影响股价信息含量，进而作用于股票定价效率，为理解资本市场的运行机制提供了新的思路和视角。这种综合性的研究视角有助于全面把握基金共同持股在资本市场中的复杂影响，弥补了以往研究的不足。在变量选取方面，本研究引入了一些新的变量，以更准确地衡量基金共同持股的特征和股价信息含量的变化。例如，采用基金共同持股的集中度指标，不仅考虑了基金持股的数量，还关注了持股在不同基金之间的分布情况，能够更全面地反映基金共同持股的程度和结构。在衡量股价信息含量时，除了传统的股价波动非同步性指标外，还引入了文本挖掘技术，从上市公司的年报、公告以及新闻报道等文本信息中提取与公司价值相关的关键词和情感倾向，构建新的股价信息含量指标，从而更深入地挖掘股价中所包含的隐性信息，提高研究的准确性和深度。二、理论基础与文献综述2.1相关理论基础2.1.1有效市场假说有效市场假说（EfficientMarketHypothesis，EMH）由美国经济学家尤金・法玛（EugeneF.Fama）于20世纪70年代正式提出，是现代金融理论的重要基石之一。该假说认为，在一个有效的证券市场中，证券价格能够迅速、准确地反映所有与证券估价相关的信息，市场参与者无法通过利用已有的信息获取持续的超额收益。有效市场假说主要包括三种形式：弱式有效市场、半强式有效市场和强式有效市场。在弱式有效市场中，股票价格已经充分反映了历史交易数据中的所有信息，如过去的股价、成交量等。这意味着技术分析无法帮助投资者获得超额收益，因为基于历史价格和成交量所构建的技术指标并不能预测未来股价的走势。投资者无法通过研究股票价格的历史图表或运用技术分析工具来发现价格的规律，从而获取高于市场平均水平的回报。半强式有效市场认为，股票价格不仅反映了历史交易信息，还反映了所有公开的相关信息，包括公司的财务报表、宏观经济数据、行业动态等。在这种市场形式下，基本分析也失去了价值，因为所有公开信息已经被充分纳入股价中。投资者通过分析公司的财务状况、行业前景等公开资料，也难以获得超额收益，因为市场已经对这些信息做出了及时反应。强式有效市场是有效市场的最高形式，它假设股票价格反映了所有公开和非公开的信息，包括内幕信息。在强式有效市场中，即使是掌握内幕信息的投资者也无法从中获取超额收益，因为市场已经将所有信息都反映在股价中，实现了真正的公平和公正。然而，在现实市场中，由于存在信息不对称和市场操纵等因素，强式有效市场几乎是不存在的。有效市场假说对股价信息含量和股票定价效率具有重要的理论支持。如果市场是有效的，股价能够充分反映所有相关信息，那么股价信息含量就会较高，股票定价效率也会相应提高。在有效市场中，投资者能够根据股价所包含的信息做出合理的投资决策，资金会流向价值被低估的股票，远离价值被高估的股票，从而实现资源的有效配置。若市场存在无效性，股价无法准确反映信息，就会导致股价信息含量降低，股票定价效率下降，市场资源配置也会出现扭曲。2.1.2信息不对称理论信息不对称理论是由乔治・阿克洛夫（GeorgeAkerlof）、迈克尔・斯宾塞（MichaelSpence）和约瑟夫・斯蒂格利茨（JosephE.Stiglitz）等经济学家在20世纪70年代提出的，该理论指出，在市场交易中，交易双方所掌握的信息存在差异，信息充足的一方往往处于有利地位，而信息贫乏的一方则处于不利地位。这种信息不对称可能导致市场失灵，影响资源的有效配置。在资本市场中，信息不对称普遍存在于投资者、上市公司和其他市场参与者之间。上市公司内部管理层对公司的真实经营状况、财务状况以及未来发展前景等信息有着更深入、全面的了解，而外部投资者只能通过公司披露的公开信息来了解公司情况，这就导致了投资者与上市公司之间的信息不对称。不同投资者之间也可能存在信息不对称，机构投资者通常拥有更专业的研究团队、更丰富的信息渠道和更强大的信息处理能力，相比个人投资者，他们能够获取更多、更准确的信息。信息不对称在基金共同持股与股价信息传递中发挥着重要作用。当多家基金共同持有某只股票时，基金之间可能存在信息不对称。一些基金可能通过深入的调研和分析，掌握了关于该股票的独特信息，而其他基金可能并不知晓。这种信息不对称可能导致基金在投资决策上出现差异，掌握更多信息的基金可能会做出更合理的投资决策，而信息不足的基金可能会盲目跟风，从而影响股价信息的有效传递。信息不对称还可能导致基金之间的“搭便车”行为。一些基金可能会依赖其他基金的研究成果和投资决策，而不愿意投入资源进行独立的信息收集和分析，这也会影响股价信息的充分挖掘和传递，进而对股票定价效率产生负面影响。2.2文献综述2.2.1基金共同持股相关研究基金共同持股是指多只基金同时持有同一只或一组股票的现象。随着资本市场的发展，基金共同持股现象愈发普遍，受到了学术界和实务界的广泛关注。从概念界定来看，基金共同持股强调的是不同基金在股票投资组合上的重叠部分，这种重叠反映了基金在投资决策过程中的某种共识或相似的投资逻辑。在现状方面，众多学者对基金共同持股的规模、分布等进行了研究。有研究通过对我国基金市场的数据分析发现，近年来基金共同持股的比例呈现上升趋势，在一些热门股票上，基金共同持股的集中度较高。部分行业龙头股往往吸引了大量基金的共同持有，这些股票的市值较大、业绩相对稳定，符合基金长期投资的理念。这种共同持股现象在不同规模的基金之间也存在差异，大型基金由于资金量大，更倾向于持有流动性好、市值较大的股票，从而导致在某些股票上的共同持股更为集中；而小型基金则可能为了追求更高的收益，选择一些具有成长潜力的中小市值股票进行共同持股，但整体持股规模相对较小。基金共同持股的影响因素是多方面的。宏观经济环境对基金共同持股有着重要影响，在经济增长稳定、市场前景向好时，基金更倾向于共同持有一些业绩稳定、受益于经济增长的行业股票，如消费、金融等行业的龙头企业。行业发展趋势也是基金共同持股的重要考量因素，处于新兴产业、具有高增长潜力的行业，如新能源、半导体等，往往会吸引众多基金的共同关注和持股，因为这些行业未来的发展空间广阔，有望为基金带来丰厚的回报。公司基本面因素同样不容忽视，具有良好盈利能力、稳定现金流和高成长性的公司更容易成为基金共同持股的对象，基金通过深入研究公司的财务报表、经营策略等基本面信息，判断公司的投资价值，从而做出共同持股的决策。2.2.2股价信息含量相关研究股价信息含量是指股票价格中所包含的关于公司基本面、市场预期、行业动态等方面的信息程度，它是衡量股票市场有效性的重要指标之一。准确度量股价信息含量对于理解股票市场的运行机制和投资者的决策行为具有重要意义。在度量方法上，目前主要有股价波动非同步性指标、知情交易概率指标等。股价波动非同步性指标是通过计算股票价格波动与市场整体波动的相关性来衡量股价信息含量，若股票价格波动与市场整体波动的相关性较低，说明股价中包含了更多的公司特质信息，股价信息含量较高；反之，若相关性较高，则股价信息含量较低。知情交易概率指标则是从市场交易的角度出发，通过分析买卖订单流的不平衡程度等因素，来推断市场中知情交易者的交易概率，进而衡量股价信息含量，知情交易概率越高，说明股价中包含的私有信息越多，股价信息含量越高。影响股价信息含量的因素也是学者们研究的重点。公司层面的因素包括公司治理结构、信息披露质量等。良好的公司治理结构能够有效地监督管理层的行为，提高公司决策的科学性和透明度，从而增加公司特质信息的产生和传播，提高股价信息含量。例如，独立董事比例较高的公司，能够更好地发挥监督作用，对管理层的决策进行制衡，使得公司的信息披露更加真实、准确、完整，进而提高股价信息含量。高质量的信息披露能够使投资者更全面、及时地了解公司的经营状况和发展前景，减少信息不对称，促进信息在市场中的有效传播，从而提高股价信息含量。市场层面的因素如市场交易活跃度、投资者结构等也会对股价信息含量产生影响。市场交易活跃度高，意味着更多的投资者参与到市场交易中，信息的交流和传播更加频繁，有助于挖掘和反映更多的信息，提高股价信息含量。机构投资者由于具有专业的研究能力和丰富的信息渠道，其在市场中的比例增加，能够促进信息的有效利用和传播，提高股价信息含量；而个人投资者相对缺乏专业知识和信息分析能力，其大量参与市场可能会导致噪声交易增加，降低股价信息含量。2.2.3基金共同持股与股价信息含量关系研究目前，关于基金共同持股与股价信息含量关系的研究尚未形成统一的结论，不同的研究基于不同的理论基础和研究方法，得出了多样化的观点。部分研究认为，基金共同持股能够提高股价信息含量。基金作为专业的机构投资者，拥有专业的研究团队和丰富的信息渠道，能够对上市公司进行深入的研究和分析。当多只基金共同持有某只股票时，它们之间会通过各种途径进行信息交流和共享，如参加上市公司的调研活动、行业研讨会等，这有助于挖掘更多关于公司基本面、行业动态等方面的信息，并将这些信息反映在股价中，从而提高股价信息含量。基金的共同持股行为还可以向市场传递积极的信号，吸引更多的投资者关注该股票，促进信息的进一步传播和扩散，增强市场对股票价值的认知和挖掘，进而提高股价信息含量。然而，也有一些研究指出，基金共同持股可能会降低股价信息含量。当基金共同持股过度集中时，可能会引发羊群行为。基金经理为了避免业绩落后于同行，往往会模仿其他基金的投资行为，而忽视对股票基本面的独立研究和分析。这种羊群行为导致基金投资决策的同质化，市场上的信息也趋于一致，缺乏多样性和创新性，从而减少了股价中所包含的公司特质信息，降低了股价信息含量。基金共同持股还可能导致市场信息的垄断和操纵。一些大型基金凭借其资金优势和信息优势，可能会在市场上进行操纵股价的行为，通过散布虚假信息、联合炒作等手段，误导其他投资者，使股价偏离其真实价值，破坏市场的信息传递机制，降低股价信息含量。2.2.4股价信息含量与股票定价效率关系研究股价信息含量与股票定价效率之间存在着紧密的内在联系，股价信息含量的高低直接影响着股票定价效率的水平。当股价信息含量较高时，股票价格能够更准确地反映公司的真实价值。股价中包含了丰富的公司基本面信息，如公司的盈利能力、财务状况、发展前景等，以及市场预期、行业动态等信息。投资者可以依据这些准确的信息，对股票的价值进行合理的评估和判断，从而做出更为准确的投资决策。在这种情况下，股票价格能够及时、有效地调整，使其与公司的内在价值保持一致，提高了股票定价效率。市场上的投资者能够根据股价所反映的信息，准确地识别出价值被低估或高估的股票，进而进行买卖操作，促使股价回归到合理水平，实现资源的有效配置。相反，若股价信息含量较低，股票价格可能无法真实地反映公司的价值。股价中缺乏足够的公司特质信息，或者包含了大量的噪声信息，投资者难以从股价中获取准确的信息来评估股票的价值。这就导致投资者在做出投资决策时面临较大的不确定性，容易出现误判。股票价格可能会偏离其真实价值，高估或低估公司的价值，从而降低股票定价效率。若股价被高估，会吸引过多的资金流入，造成资源的浪费；若股价被低估，会导致公司的融资困难，影响公司的发展，最终导致市场资源配置的扭曲，降低市场效率。2.2.5文献评述现有研究在基金共同持股、股价信息含量以及它们之间的关系等方面取得了丰硕的成果，为本文的研究奠定了坚实的基础。在基金共同持股方面，对其概念、现状和影响因素的研究较为深入，为理解基金共同持股现象提供了全面的视角。关于股价信息含量，在度量方法和影响因素的研究上也有诸多建树，为准确衡量股价信息含量和分析其影响因素提供了有效的方法和思路。在两者关系的研究中，虽然存在不同观点，但也为进一步探讨提供了方向。现有研究仍存在一些不足之处。在基金共同持股与股价信息含量关系的研究中，结论尚未统一，且研究视角和方法有待进一步拓展。部分研究仅从单一因素出发，探讨基金共同持股对股价信息含量的影响，缺乏对多种因素综合作用的考量。在研究方法上，大多采用传统的计量经济学模型，对于一些新兴的研究方法，如文本挖掘、机器学习等技术的应用还不够广泛，可能无法充分挖掘和分析复杂的市场信息。对于股价信息含量与股票定价效率关系的研究，虽然已有一定的理论基础，但在实证研究方面还需要更多的经验证据来支持和验证。本文将在前人研究的基础上，进一步拓展研究视角，综合考虑多种因素，运用多种研究方法，深入探究基金共同持股与股价信息含量、股票定价效率之间的关系，以期为资本市场的理论研究和实践发展做出贡献。通过引入新的变量和研究方法，更全面、准确地揭示三者之间的内在联系，为投资者的决策提供更有价值的参考依据，也为监管机构制定合理的政策提供理论支持，促进资本市场的健康、稳定发展。三、研究设计3.1研究假设基金作为专业的机构投资者，在资本市场中扮演着重要角色，其共同持股行为对股价信息含量和股票定价效率的影响备受关注。从理论和实践来看，基金共同持股既可能通过积极的信息挖掘和传播提高股价信息含量，进而提升股票定价效率；也可能由于羊群行为和信息垄断等因素降低股价信息含量，对股票定价效率产生负面影响。基于此，本文提出以下竞争性假设：假设1：基金共同持股能够提高股价信息含量，进而提升股票定价效率基金拥有专业的研究团队和丰富的信息渠道，具备更强的信息收集与分析能力。当多家基金共同持有某只股票时，它们会对该股票进行深入研究，挖掘公司的基本面信息、行业动态以及市场趋势等。这些基金之间还会通过各种途径进行信息交流与共享，如参加上市公司的调研活动、行业研讨会等，使得更多有价值的信息能够被市场所知晓。这种信息的充分挖掘和广泛传播，能够增加股价中所包含的公司特质信息，提高股价信息含量。当股价信息含量提高时，股票价格能够更准确地反映公司的真实价值，投资者可以依据更准确的信息做出投资决策，从而促进股票价格向其内在价值靠拢，提高股票定价效率。假设2：基金共同持股会降低股价信息含量，进而降低股票定价效率当基金共同持股过度集中时，可能引发羊群行为。基金经理为了避免业绩落后于同行，往往会模仿其他基金的投资行为，而忽视对股票基本面的独立研究和分析。这种羊群行为导致基金投资决策的同质化，市场上传播的信息也趋于一致，缺乏多样性和创新性。大量基金同时买入或卖出同一只股票，使得股价波动更多地受到市场情绪和资金流动的影响，而较少反映公司的真实价值，从而减少了股价中所包含的公司特质信息，降低了股价信息含量。基金共同持股还可能导致市场信息的垄断和操纵。一些大型基金凭借其资金优势和信息优势，可能会在市场上进行操纵股价的行为，通过散布虚假信息、联合炒作等手段，误导其他投资者，使股价偏离其真实价值，破坏市场的信息传递机制，降低股价信息含量，进而降低股票定价效率。3.2样本选择与数据来源本研究选取2015年1月1日至2024年12月31日作为样本区间，旨在全面且深入地探究基金共同持股与股价信息含量、股票定价效率之间的关系。在这一时期，中国资本市场经历了显著的发展与变革，基金市场规模不断扩大，投资者结构持续优化，为研究提供了丰富且具有代表性的数据样本。同时，该时间段涵盖了不同的市场周期，包括牛市、熊市以及震荡市，能够更全面地反映基金共同持股行为在不同市场环境下的表现及其对股价信息含量和股票定价效率的影响。研究样本主要来源于中国A股市场的上市公司。为确保数据的有效性和可靠性，对初始样本进行了严格的筛选。首先，剔除了金融行业的上市公司，这是因为金融行业具有独特的资本结构、监管要求和业务模式，其财务指标和市场表现与其他行业存在较大差异，若将其纳入样本，可能会对研究结果产生干扰，影响研究结论的准确性和普适性。其次，排除了被ST、*ST或PT的上市公司，这些公司通常面临财务困境、经营异常或违规行为等问题，其股价波动和信息披露可能受到特殊因素的影响，无法代表正常经营公司的情况，剔除这些公司有助于提高样本的质量和研究的科学性。对样本数据进行了1%和99%分位数的缩尾处理，以消除极端值对研究结果的影响，使数据更加稳健，增强研究结论的可靠性。基金持股数据主要来源于Wind数据库，该数据库是金融领域广泛使用的专业数据平台，提供了全面、准确且及时的基金持股信息，包括基金的基本信息、持仓明细、持股比例等。通过Wind数据库，可以获取研究样本区间内各基金对A股上市公司的持股数据，为分析基金共同持股现象提供了丰富的数据支持。股价数据和上市公司财务数据则来源于CSMAR数据库，该数据库汇集了中国证券市场的各类数据，涵盖了上市公司的股价行情、财务报表、公司治理等多个方面，数据质量高、覆盖面广，能够满足本研究对股价信息含量和股票定价效率分析的需求。在数据处理过程中，运用了专业的数据处理软件和统计分析工具，如Stata和Excel。首先，对从Wind和CSMAR数据库获取的原始数据进行清洗，检查数据的完整性和准确性，去除重复数据、缺失值和错误数据。针对部分缺失的财务数据，通过查阅上市公司的年报、公告等公开资料进行补充和核实，确保数据的可靠性。使用Stata软件对数据进行描述性统计分析，计算各变量的均值、中位数、标准差、最小值和最大值等统计量，以初步了解数据的分布特征和变量之间的关系。运用Stata软件构建回归模型，进行多元线性回归分析和面板数据模型分析，以检验研究假设，探究基金共同持股与股价信息含量、股票定价效率之间的关系。3.3变量定义与度量3.3.1被解释变量股价信息含量是衡量股票价格中所包含的公司特质信息和市场信息的重要指标，对股票定价效率有着关键影响。在本研究中，借鉴Morck等（2000）的方法，采用股价波动非同步性指标（R2）来度量股价信息含量。具体计算过程如下：首先，运用市场模型对每只股票的周收益率进行回归分析，回归方程为：R_{i,t}=\alpha_{i}+\beta_{1}R_{m,t}+\beta_{2}R_{m,t-1}+\beta_{3}R_{m,t+1}+\varepsilon_{i,t}其中，R_{i,t}表示股票i在第t周考虑现金红利再投资的收益率；R_{m,t}表示A股所有股票在第t周经流通市值加权的平均收益率；R_{m,t-1}和R_{m,t+1}分别表示滞后一期和领先一期的市场收益率；\alpha_{i}为截距项；\beta_{1}、\beta_{2}、\beta_{3}为回归系数；\varepsilon_{i,t}为随机误差项。通过上述回归得到的拟合优度R^{2}，其取值范围在0到1之间，R^{2}的值越高，表明股票价格波动更多地受到市场整体因素的影响，股价中包含的公司特质信息较少，股价信息含量较低；反之，R^{2}的值越低，则说明股价波动更多地反映了公司自身的特质信息，股价信息含量较高。为了更直观地反映股价信息含量，对R^{2}进行转换，构建变量PIN，计算公式为：PIN=\ln\left(\frac{1-R^{2}}{R^{2}}\right)PIN值越大，代表股价波动的同步性越低，股价信息含量越高。股票定价效率是研究的核心变量之一，它反映了股票价格对公司内在价值的反映程度。本文采用价格延迟指标（D1）来度量股票定价效率，该指标由Hou和Moskowitz（2005）提出，通过衡量资产价格对市场信息的调整速度来反映定价效率。具体计算步骤如下：用单只股票的收益率对同期以及滞后四期的市场收益进行回归，回归方程为：r_{i,t}=\alpha_{i}+\beta_{1}r_{m,t}+\beta_{2}r_{m,t-1}+\beta_{3}r_{m,t-2}+\beta_{4}r_{m,t-3}+\beta_{5}r_{m,t-4}+\varepsilon_{i,t}其中，r_{i,t}表示时间t时股票i的收益率；r_{m,t}表示时间t时的市场收益率；r_{m,t-n}表示滞后n期的市场收益率（n=1,2,3,4）；\alpha_{i}为截距项；\beta_{1}、\beta_{2}、\beta_{3}、\beta_{4}、\beta_{5}为回归系数；\varepsilon_{i,t}为随机误差项。对上述模型进行估计，得到原始模型的回归决定系数R^{2}；然后，令滞后的市场收益率的系数为零，对回归方程进行估计，得到限制模型的回归决定系数R'^{2}。基于上述计算，得到价格延迟指标D1，计算公式为：D1=\frac{R^{2}-R'^{2}}{1-R'^{2}}D1取值越小，表明资产收益率对过去的市场信息的依赖程度越低，资产用来吸收市场信息所需的时间越短，从而定价效率越高。3.3.2解释变量基金共同持股程度是本研究的关键解释变量，它反映了多只基金同时持有同一只股票的情况。为了准确度量基金共同持股程度，采用基金共同持股比例（Overlap）这一指标。具体计算方法为：首先，确定在某一特定时间点，持有某只股票的所有基金；然后，计算这些基金持有的该股票的总市值占该股票流通市值的比例，即为基金共同持股比例。例如，在某季度末，有n只基金持有股票A，基金j持有股票A的市值为MV_{j}，股票A的流通市值为MV_{total}，则基金共同持股比例Overlap的计算公式为：Overlap=\frac{\sum_{j=1}^{n}MV_{j}}{MV_{total}}基金共同持股比例越高，说明该股票被多只基金共同持有的程度越高，基金共同持股现象越显著。3.3.3控制变量为了更准确地探究基金共同持股与股价信息含量、股票定价效率之间的关系，本研究选取了一系列控制变量，以排除其他因素对研究结果的干扰。公司规模（Size）是一个重要的控制变量，通常用公司的总资产的自然对数来衡量。较大规模的公司往往受到更多的市场关注，其信息披露相对更充分，可能对股价信息含量和股票定价效率产生影响。例如，大型上市公司由于业务多元化、财务状况稳定，其股价波动可能更受市场整体因素的影响，股价信息含量相对较低；而小型公司可能具有更高的成长性和不确定性，其股价可能包含更多的公司特质信息，股价信息含量较高。财务杠杆（Lev）也是需要控制的因素，一般用资产负债率来表示，即总负债与总资产的比值。财务杠杆反映了公司的债务融资水平，高财务杠杆可能意味着公司面临更大的财务风险，这可能影响投资者对公司的预期和信心，进而影响股价信息含量和股票定价效率。高负债公司的股价可能对财务风险相关的信息更为敏感，股价波动可能更多地反映公司的财务状况，从而影响股价信息含量和股票定价效率。公司的盈利能力（ROE）同样不容忽视，以净资产收益率来衡量，它反映了公司运用股东权益获取利润的能力。盈利能力强的公司通常被市场认为具有更高的价值，其股价可能更能准确地反映公司的内在价值，从而对股票定价效率产生积极影响。盈利能力较强的公司，其股价可能更稳定，定价效率更高；而盈利能力较弱的公司，股价可能存在较大的不确定性，定价效率较低。行业因素对股价信息含量和股票定价效率也有显著影响，不同行业的市场竞争程度、信息透明度、发展前景等存在差异，这些因素都会影响股价信息的传递和股票定价。为了控制行业因素的影响，本研究设置了行业虚拟变量（Industry），根据证监会的行业分类标准，将上市公司划分为不同的行业，对于每个行业设置一个虚拟变量，当公司属于该行业时，虚拟变量取值为1，否则为0。年度因素也是影响股价信息含量和股票定价效率的重要因素，不同年份的宏观经济环境、政策变化、市场波动等都会对股票市场产生影响。因此，本研究设置了年度虚拟变量（Year），对于每个年份设置一个虚拟变量，当数据属于该年份时，虚拟变量取值为1，否则为0，以控制年度因素对研究结果的影响。表1展示了本研究中各变量的定义和度量方法，清晰地呈现了被解释变量、解释变量和控制变量的具体内容，为后续的实证分析奠定了基础。变量类型变量名称变量符号度量方法被解释变量股价信息含量PIN通过市场模型回归计算R^{2}，再经转换得到PIN=\ln\left(\frac{1-R^{2}}{R^{2}}\right)被解释变量股票定价效率D1通过双变量回归计算原始模型和限制模型的R^{2}，进而得到D1=\frac{R^{2}-R'^{2}}{1-R'^{2}}解释变量基金共同持股比例Overlap持有某股票的基金持有的该股票总市值占该股票流通市值的比例控制变量公司规模Size公司总资产的自然对数控制变量财务杠杆Lev资产负债率，即总负债与总资产的比值控制变量盈利能力ROE净资产收益率控制变量行业虚拟变量Industry根据证监会行业分类标准设置虚拟变量控制变量年度虚拟变量Year根据年份设置虚拟变量3.4模型构建为了深入探究基金共同持股与股价信息含量、股票定价效率之间的关系，构建如下多元线性回归模型：PIN_{i,t}=\alpha_{0}+\alpha_{1}Overlap_{i,t}+\sum_{j=1}^{n}\alpha_{j+1}Control_{j,i,t}+\sum_{k}\lambda_{k}Industry_{k}+\sum_{l}\mu_{l}Year_{l}+\varepsilon_{i,t}D1_{i,t}=\beta_{0}+\beta_{1}Overlap_{i,t}+\sum_{j=1}^{n}\beta_{j+1}Control_{j,i,t}+\sum_{k}\gamma_{k}Industry_{k}+\sum_{l}\delta_{l}Year_{l}+\xi_{i,t}在上述模型中，i表示上市公司，t表示时间（年份）；\alpha_{0}和\beta_{0}为常数项；\alpha_{1}和\beta_{1}分别为基金共同持股比例（Overlap）与股价信息含量（PIN）、股票定价效率（D1）之间的回归系数，是本研究重点关注的参数，其正负和大小反映了基金共同持股对股价信息含量和股票定价效率的影响方向和程度；\alpha_{j+1}和\beta_{j+1}为控制变量的回归系数；\lambda_{k}和\gamma_{k}为行业虚拟变量的系数，用于控制行业固定效应，以消除不同行业之间的系统性差异对研究结果的影响；\mu_{l}和\delta_{l}为年度虚拟变量的系数，用于控制年度固定效应，以考虑不同年份宏观经济环境、政策变化等因素对研究变量的影响；\varepsilon_{i,t}和\xi_{i,t}为随机误差项，代表模型中未被解释的部分。第一个模型以股价信息含量（PIN）为被解释变量，用于分析基金共同持股比例（Overlap）对股价信息含量的影响。通过该模型，可以检验假设1和假设2中关于基金共同持股对股价信息含量影响的部分。若\alpha_{1}显著为正，说明基金共同持股能够提高股价信息含量，支持假设1；若\alpha_{1}显著为负，则表明基金共同持股会降低股价信息含量，支持假设2。第二个模型以股票定价效率（D1）为被解释变量，用于探究基金共同持股比例（Overlap）对股票定价效率的作用。通过该模型，可以进一步验证假设1和假设2中关于基金共同持股对股票定价效率影响的部分。若\beta_{1}显著为负，说明基金共同持股能够提升股票定价效率，支持假设1；若\beta_{1}显著为正，则意味着基金共同持股会降低股票定价效率，支持假设2。在回归分析过程中，采用普通最小二乘法（OLS）对模型进行估计。为了确保回归结果的可靠性和稳健性，对模型进行了一系列的检验和处理。进行了多重共线性检验，通过计算方差膨胀因子（VIF）来判断各变量之间是否存在严重的多重共线性问题。若VIF值大于10，则表明存在多重共线性，需要对变量进行调整或剔除。进行了异方差检验，采用怀特检验（WhiteTest）来判断模型是否存在异方差性。若存在异方差，会影响回归结果的有效性，采用稳健标准误（RobustStandardErrors）来修正异方差问题，以提高回归结果的可靠性。四、实证结果与分析4.1描述性统计对样本数据进行描述性统计，结果如表2所示。从表中可以看出，股价信息含量（PIN）的均值为-0.892，标准差为0.745，说明不同上市公司的股价信息含量存在一定差异，部分公司的股价信息含量较高，而部分公司相对较低。最小值为-2.531，最大值为1.324，进一步表明股价信息含量在样本中分布较为广泛。股票定价效率（D1）的均值为0.135，标准差为0.087，说明股票定价效率在不同公司之间也存在波动。最小值为0.012，最大值为0.456，显示出样本中股票定价效率的差异较大，部分公司的股票定价效率较高，能够快速、准确地反映市场信息，而部分公司的定价效率较低，存在价格延迟和信息反应不及时的问题。基金共同持股比例（Overlap）的均值为0.086，标准差为0.062，表明基金共同持股程度在样本中存在一定的离散性。最小值为0.001，说明部分股票被基金共同持有的比例极低，而最大值为0.354，显示出某些股票受到基金的高度共同关注和持有，基金共同持股现象在不同股票上表现出明显的差异。公司规模（Size）的均值为22.135，标准差为1.256，反映出样本中上市公司的规模存在一定的差异。规模较大的公司在市场中具有更强的影响力和资源优势，其信息披露和市场关注度可能与小规模公司不同，这可能对股价信息含量和股票定价效率产生影响。财务杠杆（Lev）的均值为0.423，标准差为0.187，说明样本公司的财务杠杆水平参差不齐。财务杠杆较高的公司面临较大的财务风险，其股价可能对财务风险相关的信息更为敏感，从而影响股价信息含量和股票定价效率。盈利能力（ROE）的均值为0.089，标准差为0.065，表明样本公司的盈利能力存在一定的波动。盈利能力强的公司通常被市场认为具有更高的价值，其股价可能更能准确地反映公司的内在价值，进而对股票定价效率产生积极影响。通过对各变量描述性统计结果的分析，可以初步了解样本数据的基本特征和分布情况，为后续的实证分析提供基础。各变量的差异反映了上市公司在不同方面的特点和市场表现的多样性，这也为研究基金共同持股与股价信息含量、股票定价效率之间的关系提供了丰富的样本基础。在后续的研究中，将进一步通过回归分析等方法，深入探究这些变量之间的内在联系，以揭示基金共同持股对股价信息含量和股票定价效率的影响机制。变量观测值均值标准差最小值最大值PIN18456-0.8920.745-2.5311.324D1184560.1350.0870.0120.456Overlap184560.0860.0620.0010.354Size1845622.1351.25619.56825.347Lev184560.4230.1870.0560.892ROE184560.0890.065-0.3210.2874.2相关性分析对主要变量进行相关性分析，结果如表3所示。从表中可以看出，基金共同持股比例（Overlap）与股价信息含量（PIN）的相关系数为0.125，在1%的水平上显著正相关，初步表明基金共同持股比例的增加可能会提高股价信息含量，这与假设1中关于基金共同持股能够提高股价信息含量的观点相符。基金共同持股比例的增加意味着更多的基金对该股票进行研究和关注，这些基金凭借其专业的研究能力和丰富的信息渠道，能够挖掘更多关于公司基本面、行业动态等方面的信息，并将这些信息反映在股价中，从而提高股价信息含量。基金共同持股比例（Overlap）与股票定价效率（D1）的相关系数为-0.118，在1%的水平上显著负相关，初步说明基金共同持股比例的增加可能会提升股票定价效率，这也与假设1中基金共同持股能够提升股票定价效率的观点一致。当基金共同持股比例增加时，股价信息含量提高，股票价格能够更准确地反映公司的真实价值，投资者可以依据更准确的信息做出投资决策，促进股票价格向其内在价值靠拢，进而提高股票定价效率。股价信息含量（PIN）与股票定价效率（D1）的相关系数为-0.136，在1%的水平上显著负相关，表明股价信息含量的提高与股票定价效率的提升之间存在密切的联系。股价信息含量越高，股票价格中包含的公司特质信息越多，股票价格越能准确地反映公司的真实价值，从而有助于提高股票定价效率。在控制变量方面，公司规模（Size）与股价信息含量（PIN）的相关系数为-0.087，在1%的水平上显著负相关，说明公司规模越大，股价信息含量可能越低。大型公司通常受到更多的市场关注，其信息披露相对更充分，但也可能导致股价波动更多地受到市场整体因素的影响，股价中包含的公司特质信息相对较少。公司规模（Size）与股票定价效率（D1）的相关系数为0.075，在1%的水平上显著正相关，表明公司规模越大，股票定价效率可能越高。大型公司由于其规模优势和市场影响力，可能更容易获得市场信息，股价对信息的反应更加及时，从而提高股票定价效率。财务杠杆（Lev）与股价信息含量（PIN）的相关系数为-0.068，在1%的水平上显著负相关，说明财务杠杆越高，股价信息含量可能越低。高财务杠杆的公司面临较大的财务风险，其股价可能更多地反映财务风险相关的信息，而减少了公司特质信息的含量。财务杠杆（Lev）与股票定价效率（D1）的相关系数为0.059，在1%的水平上显著正相关，表明财务杠杆越高，股票定价效率可能越高。这可能是因为高财务杠杆的公司在面临财务风险时，其股价对风险信息的反应更加敏感，促使市场更快地对其价值进行调整，从而提高股票定价效率。盈利能力（ROE）与股价信息含量（PIN）的相关系数为0.092，在1%的水平上显著正相关，说明盈利能力越强，股价信息含量可能越高。盈利能力强的公司通常具有更好的基本面和发展前景，其股价中可能包含更多关于公司价值的信息。盈利能力（ROE）与股票定价效率（D1）的相关系数为-0.081，在1%的水平上显著负相关，表明盈利能力越强，股票定价效率可能越高。盈利能力强的公司更容易被市场认可，其股价更能准确地反映公司的内在价值，从而提高股票定价效率。相关性分析结果初步揭示了各变量之间的线性关系，为后续的回归分析提供了基础。但相关性分析只能反映变量之间的初步关系，不能确定因果关系，因此需要进一步通过回归分析来深入探究基金共同持股与股价信息含量、股票定价效率之间的关系。变量PIND1OverlapSizeLevROEPIN1D1-0.136***1Overlap0.125***-0.118***1Size-0.087***0.075***0.062***1Lev-0.068***0.059***0.048***0.421***1ROE0.092***-0.081***0.056***0.237***0.189***1注：*、、*分别表示在1%、5%、10%的水平上显著4.3回归结果分析4.3.1基金共同持股与股价信息含量回归结果运用Stata软件对构建的基金共同持股与股价信息含量回归模型进行估计，结果如表4所示。在模型1中，仅加入基金共同持股比例（Overlap）作为解释变量，控制变量暂未加入。结果显示，基金共同持股比例（Overlap）的回归系数为0.236，在1%的水平上显著为正。这表明在不考虑其他因素的情况下，基金共同持股比例的增加与股价信息含量的提高之间存在显著的正相关关系，即基金共同持股比例越高，股价信息含量越高。这初步验证了假设1中关于基金共同持股能够提高股价信息含量的观点，说明基金的共同持股行为可能通过促进信息的挖掘和传播，增加了股价中所包含的公司特质信息，从而提高了股价信息含量。在模型2中，加入了公司规模（Size）、财务杠杆（Lev）、盈利能力（ROE）等控制变量以及行业虚拟变量（Industry）和年度虚拟变量（Year），以控制其他因素对股价信息含量的影响。结果显示，基金共同持股比例（Overlap）的回归系数为0.215，依然在1%的水平上显著为正。这进一步证实了基金共同持股与股价信息含量之间的正向关系在考虑了多种控制因素后仍然成立，增强了研究结果的可靠性。从控制变量来看，公司规模（Size）的回归系数为-0.078，在1%的水平上显著为负，说明公司规模越大，股价信息含量越低。这可能是因为大型公司受到更多的市场关注，其信息披露相对更充分，但也导致股价波动更多地受到市场整体因素的影响，股价中包含的公司特质信息相对较少。财务杠杆（Lev）的回归系数为-0.056，在1%的水平上显著为负，表明财务杠杆越高，股价信息含量越低。高财务杠杆的公司面临较大的财务风险，其股价可能更多地反映财务风险相关的信息，而减少了公司特质信息的含量。盈利能力（ROE）的回归系数为0.085，在1%的水平上显著为正，说明盈利能力越强，股价信息含量越高。盈利能力强的公司通常具有更好的基本面和发展前景，其股价中可能包含更多关于公司价值的信息。行业虚拟变量（Industry）和年度虚拟变量（Year）也在模型中表现出一定的显著性，说明不同行业和年份对股价信息含量存在影响，进一步验证了控制这些因素的必要性。变量PIN（模型1）PIN（模型2）Overlap0.236***（3.56）0.215***（3.28）Size-0.078***（-2.97）Lev-0.056***（-2.54）ROE0.085***（3.12）Industry否是Year否是Cons-0.923***（-4.65）-0.895***（-4.28）N1845618456R20.0320.058注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著4.3.2股价信息含量与股票定价效率回归结果对股价信息含量与股票定价效率的回归模型进行估计，结果如表5所示。在模型3中，仅考虑股价信息含量（PIN）对股票定价效率（D1）的影响，未加入控制变量。结果显示，股价信息含量（PIN）的回归系数为-0.106，在1%的水平上显著为负，表明股价信息含量与股票定价效率之间存在显著的负相关关系，即股价信息含量越高，股票定价效率越高。这一结果与理论预期相符，当股价中包含更多的公司特质信息时，股票价格能够更准确地反映公司的真实价值，投资者可以依据更准确的信息做出投资决策，从而提高股票定价效率，进一步验证了假设1中关于股价信息含量能够提升股票定价效率的观点。在模型4中，加入了公司规模（Size）、财务杠杆（Lev）、盈利能力（ROE）等控制变量以及行业虚拟变量（Industry）和年度虚拟变量（Year）。此时，股价信息含量（PIN）的回归系数为-0.092，依然在1%的水平上显著为负，说明在控制了其他因素后，股价信息含量与股票定价效率之间的负相关关系仍然稳健。从控制变量的回归结果来看，公司规模（Size）的回归系数为0.068，在1%的水平上显著为正，说明公司规模越大，股票定价效率越高。大型公司由于其规模优势和市场影响力，可能更容易获得市场信息，股价对信息的反应更加及时，从而提高股票定价效率。财务杠杆（Lev）的回归系数为0.051，在1%的水平上显著为正，表明财务杠杆越高，股票定价效率越高。这可能是因为高财务杠杆的公司在面临财务风险时，其股价对风险信息的反应更加敏感，促使市场更快地对其价值进行调整，从而提高股票定价效率。盈利能力（ROE）的回归系数为-0.075，在1%的水平上显著为负，说明盈利能力越强，股票定价效率越高。盈利能力强的公司更容易被市场认可，其股价更能准确地反映公司的内在价值，从而提高股票定价效率。行业虚拟变量（Industry）和年度虚拟变量（Year）同样在模型中表现出一定的显著性，表明不同行业和年份对股票定价效率存在影响，控制这些因素有助于更准确地研究股价信息含量与股票定价效率之间的关系。变量D1（模型3）D1（模型4）PIN-0.106***（-4.23）-0.092***（-3.67）Size0.068***（3.15）Lev0.051***（2.46）ROE-0.075***（-3.08）Industry否是Year否是Cons0.148***（5.26）0.139***（4.87）N1845618456R20.0250.049注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著4.3.3基金共同持股、股价信息含量与股票定价效率中介效应检验为了进一步探究股价信息含量在基金共同持股与股票定价效率之间是否存在中介作用，采用逐步回归法进行中介效应检验，结果如表6所示。首先，进行基金共同持股比例（Overlap）对股票定价效率（D1）的回归，结果如表6中的模型5所示，基金共同持股比例（Overlap）的回归系数为-0.125，在1%的水平上显著为负，表明基金共同持股比例的增加能够显著提升股票定价效率，这与前面的相关性分析和回归结果一致。然后，进行基金共同持股比例（Overlap）对股价信息含量（PIN）的回归，结果如表6中的模型2所示，基金共同持股比例（Overlap）的回归系数为0.215，在1%的水平上显著为正，说明基金共同持股比例的增加能够显著提高股价信息含量。最后，将股价信息含量（PIN）加入到基金共同持股比例（Overlap）与股票定价效率（D1）的回归模型中，结果如表6中的模型6所示。此时，基金共同持股比例（Overlap）的回归系数为-0.098，在1%的水平上显著为负，股价信息含量（PIN）的回归系数为-0.085，在1%的水平上显著为负。与模型5相比，加入股价信息含量（PIN）后，基金共同持股比例（Overlap）对股票定价效率（D1）的回归系数绝对值减小，且仍然显著，这表明股价信息含量在基金共同持股与股票定价效率之间起到了部分中介作用。为了进一步验证中介效应的显著性，采用Bootstrap检验法进行稳健性检验。设定Bootstrap抽样次数为5000次，检验结果显示，股价信息含量（PIN）的中介效应置信区间为[-0.028，-0.015]，不包含0，进一步证实了股价信息含量在基金共同持股与股票定价效率之间存在显著的中介作用。这意味着基金共同持股不仅可以直接影响股票定价效率，还可以通过提高股价信息含量，进而间接提升股票定价效率。基金的共同持股行为通过促进信息的挖掘和传播，增加了股价中所包含的公司特质信息，使股票价格能够更准确地反映公司的真实价值，从而提高了股票定价效率。变量D1（模型5）D1（模型6）Overlap-0.125***（-4.76）-0.098***（-3.67）PIN-0.085***（-3.34）Size0.065***（3.02）0.063***（2.95）Lev0.049***（2.37）0.047***（2.29）ROE-0.073***（-3.02）-0.071***（-2.98）Industry是是Year是是Cons0.136***（4.92）0.132***（4.85）N1845618456R20.0450.056注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著4.4稳健性检验为了确保研究结果的可靠性和稳定性，进行了一系列稳健性检验。首先，采用替换变量法对关键变量进行重新度量。在衡量股价信息含量时，除了使用股价波动非同步性指标（PIN）外，还引入了另一种度量方法——信息效率指标（IE）。该指标由Roll（1988）提出，通过计算股票收益率的方差与市场收益率方差的比值来衡量股价信息含量，其计算公式为：IE=1-\frac{\sigma^{2}(r_{i,t})}{\sigma^{2}(r_{m,t})}其中，\sigma^{2}(r_{i,t})表示股票i在时间t的收益率方差，\sigma^{2}(r_{m,t})表示市场在时间t的收益率方差。IE值越大，说明股价中包含的公司特质信息越多，股价信息含量越高。运用该指标重新对基金共同持股与股价信息含量的关系进行回归分析，结果如表7所示。在模型7中，仅加入基金共同持股比例（Overlap）作为解释变量，结果显示基金共同持股比例（Overlap）的回归系数为0.208，在1%的水平上显著为正，表明基金共同持股比例的增加与股价信息含量（IE）的提高之间存在显著的正相关关系。在模型8中，加入了控制变量以及行业虚拟变量和年度虚拟变量，基金共同持股比例（Overlap）的回归系数为0.186，依然在1%的水平上显著为正，这与前文使用PIN指标的回归结果一致，进一步验证了基金共同持股能够提高股价信息含量的结论。变量IE（模型7）IE（模型8）Overlap0.208***（3.12）0.186***（2.85）Size-0.065***（-2.46）Lev-0.048***（-2.17）ROE0.076***（2.78）Industry否是Year否是Cons-0.856***（-4.02）-0.823***（-3.87）N1845618456R20.0280.052注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著其次，考虑到样本数据可能存在的异常值对研究结果的影响，对样本进行了进一步的筛选和处理。采用了1%和99%分位数的双边缩尾处理，对主要变量进行了极端值调整，以确保数据的稳健性。重新进行回归分析，结果如表8所示。在对样本进行缩尾处理后，基金共同持股与股价信息含量回归模型中，基金共同持股比例（Overlap）的回归系数为0.212，在1%的水平上显著为正；股价信息含量与股票定价效率回归模型中，股价信息含量（PIN）的回归系数为-0.090，在1%的水平上显著为负；基金共同持股、股价信息含量与股票定价效率中介效应检验模型中，基金共同持股比例（Overlap）的回归系数为-0.096，在1%的水平上显著为负，股价信息含量（PIN）的回归系数为-0.083，在1%的水平上显著为负。这些结果与未进行缩尾处理时的回归结果基本一致，说明研究结果在处理异常值后依然稳健。变量PIN（缩尾处理）D1（缩尾处理）D1（中介效应，缩尾处理）Overlap0.212***（3.25）-0.122***（-4.65）-0.096***（-3.62）PIN-0.090***（-3.58）-0.083***（-3.27）Size-0.076***（-2.89）0.063***（2.98）0.061***（2.89）Lev-0.054***（-2.48）0.047***（2.32）0.045***（2.25）ROE0.083***（3.06）-0.072***（-2.99）-0.070***（-2.93）Industry是是是Year是是是Cons-0.889***（-4.23）0.133***（4.81）0.129***（4.75）N184561845618456R20.0560.0430.054注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著再次，采用滞后一期的解释变量进行回归分析，以缓解可能存在的内生性问题。由于基金共同持股与股价信息含量、股票定价效率之间可能存在双向因果关系，即股价信息含量和股票定价效率也可能影响基金的共同持股决策。将基金共同持股比例（Overlap）滞后一期，重新进行回归分析，结果如表9所示。在基金共同持股与股价信息含量回归模型中，滞后一期的基金共同持股比例（Overlap(-1)）的回归系数为0.209，在1%的水平上显著为正；在股价信息含量与股票定价效率回归模型中，股价信息含量（PIN）的回归系数为-0.091，在1%的水平上显著为负；在基金共同持股、股价信息含量与股票定价效率中介效应检验模型中，滞后一期的基金共同持股比例（Overlap(-1)）的回归系数为-0.097，在1%的水平上显著为负，股价信息含量（PIN）的回归系数为-0.084，在1%的水平上显著为负。这些结果表明，在考虑内生性问题后，研究结论依然成立，进一步增强了研究结果的可靠性。变量PIN（滞后一期）D1（滞后一期）D1（中介效应，滞后一期）Overlap(-1)0.209***（3.18）-0.123***（-4.68）-0.097***（-3.64）PIN-0.091***（-3.62）-0.084***（-3.30）Size-0.075***（-2.86）0.064***（3.02）0.062***（2.96）Lev-0.053***（-2.45）0.048***（2.35）0.046***（2.28）ROE0.082***（3.03）-0.073***（-3.01）-0.071***（-2.96）Industry是是是Year是是是Cons-0.885***（-4.20）0.134***（4.83）0.130***（4.77）N184561845618456R20.0550.0440.055注：括号内为t值，*、、*分别表示在1%、5%、10%的水平上显著通过上述多种稳健性检验方法，从不同角度验证了研究结果的可靠性。无论是替换变量、处理异常值还是缓解内生性问题，研究结论均保持一致，即基金共同持股能够提高股价信息含量，进而提升股票定价效率。这些稳健性检验结果为研究结论提供了有力的支持，增强了研究的可信度和说服力。五、案例分析5.1案例选择依据为了更直观、深入地验证基金共同持股与股价信息含量、股票定价效率之间的关系，本研究选取了九丰能源（605090.SH）和顺丰控股（002352.SZ）作为典型案例进行分析。这两家公司在行业地位、业务特点、市场影响力以及基金共同持股情况等方面具有独特性和代表性，能够为研究提供丰富的实践依据。九丰能源作为清洁能源领域的重要企业，近年来在行业内发展迅速，业务布局不断拓展，已逐步构建起“一主两翼”的业务发展格局，形成“清洁能源—能源服务—特种气体”三大板块高效协同发展的业务体系。公司的发展态势和业务模式受到市场的广泛关注，吸引了众多基金的共同持有。其在清洁能源行业的领先地位，使得对其基金共同持股情况的研究，能够反映出在新兴能源产业中，基金共同持股对股价信息含量和股票定价效率的影响。顺丰控股是快递物流综合服务行业的龙头企业，凭借完善的立体基础设施网络和强大的管控模式，在市场中占据重要地位。公司的业务覆盖范围广泛，服务质量和品牌知名度较高，具有较高的市场关注度和投资价值，同样吸引了大量基金的共同持股。研究顺丰控股的基金共同持股现象，有助于了解在成熟的物流行业中，基金共同持股与股价信息含量、股票定价效率之间的内在联系。从基金共同持股比例来看，九丰能源和顺丰控股在不同时期均呈现出较高的基金共同持股比例，且持股比例的变化较为明显，这为研究基金共同持股比例的动态变化对股价信息含量和股票定价效率的影响提供了丰富的数据基础。在市场环境方面，两家公司在不同市场周期下的股价表现和市场反应各不相同，能够更好地体现出基金共同持股在不同市场条件下对股价信息含量和股票定价效率的作用差异。选择这两家具有代表性的公司作为案例，通过对其基金共同持股情况、股价信息含量以及股票定价效率的深入分析，能够为实证研究结果提供有力的补充和验证，增强研究结论的可靠性和说服力。5.2案例公司基本情况介绍5.2.1九丰能源九丰能源是一家专注于清洁能源领域的企业，在行业内具有重要地位。公司成立于1990年，2018年正式变更为股份有限公司，并于2021年在上交所A股上市。经过多年的发展，九丰能源已构建起“一主两翼”的业务发展格局，形成“清洁能源—能源服务—特种气体”三大板块高效协同发展的业务体系。在清洁能源业务方面，主要由LNG与LPG构成，这是公司大力发展的核心主业。公司通过布局“海气+陆气”双资源池，以长约及现货采购方式锁定上游资源，为终端客户提供用气保障能力强、具有成本竞争力的LNG、LPG产品及服务。能源服务业务主要由能源作业（回收处理+辅助排采）与能源物流（接收站、船舶等）构成，是清洁能源业务的延伸。能源作业服务通过能源作业及运营服务方式，为上游资源方提供天然气回收处理配套服务及低产低效天然气井增产服务，借此获取陆气资源；能源物流服务主要通过LNG船运、LNG接收与仓储、LNG槽运等方式为自身及客户提供综合基础设施服务。特种气体业务主要通过“自主生产+销售”的模式布局氦气及氢气，是当前公司积极布局和重点发展的新赛道业务。其中氦气通过内蒙森泰LNG工厂BOG提氦及进口液氦槽罐的模式，实现国产气氦+进口液氦的双资源保障；氢气通过现场制气和零售供气的模式为客户提供综合供气方案；下游终端方面拓展区域零售气站、商业航天配套特气项目。未来在特气环节，公司将锚定发展航空航天特气，并积极布局其他气体资源。从股权结构来看，张建国和蔡丽红夫妇为公司实控人。截至2023年年报披露，公司第一大股东为九丰控股。张建国和蔡丽红夫妇直接持有公司11.48%和4.92%的股权，通过九丰控股间接持有公司31.7%股权，通过盈发投资控制公司3.35%股权，合计控制公司51.45%的股权。公司还滚动实施中长期激励计划，根据2022-2024年发展经营规划，于2022年9月推出第一期员工持股计划，深度绑定公司核心管理层及业务骨干，实现公司与员工的目标统一与利益共享。在财务状况上，九丰能源的营收和净利润呈现出良好的增长态势。2018年以来，公司利润稳步增长；2020年因疫情影响，营收有阶段性承压，但净利润受益于LNG、LPG吨毛利提升而实现增长。2021年，随着长协资源的落地，公司LNG销量大幅提升，营收实现快速增长，净利润受全球天然气价格极端波动影响略有下滑。2022年公司积极优化一体化顺价模式，伴随着四川森泰与华油中蓝的收购完成，公司成功打造“海气+陆气”双资源平台，资源供应格局整体优化，营收及利润得以进一步增厚。进入2023年，虽有全球天然气价格下跌的不利影响，但公司凭借三大业务板块的协同发力，实现经营业绩的稳步增长，2023年实现营收265.66亿元，同比增长11%；能源服务与特种气体业务持续发力，成为新的利润增长点，推动公司利润稳步增长，2023年实现归母净利润13.06亿元，同比增长20%。LNG为目前公司最大的营收及毛利贡献来源，2023年LNG业务营收占公司总营收的比重达到61%（包含能源作业业务贡献）。5.2.2顺丰控股顺丰控股是快递物流综合服务行业的龙头企业，在市场中占据重要地位。公司成立于1993年，服务范围起初为华南地区，而后扩展至整个国内市场。2002年，公司实施差异化战略，采用直营模式，瞄准高端市场，品牌知名度迅速提升。自2008年起，公司开拓海外市场，把握全球需求，逐步形成竞争优势。经过多年的发展，顺丰控股已成为中国第一大、全球第四大快递物流综合服务商，为各类客户提供智能化、一体化供应链解决方案。公司建立了完善的立体基础设施网络和强大的管控模式。在直营模式下，顺丰控股对关键流程和核心资源具备强有力的管控，确保了运营的规范化和高效化，从而增强整个网络系统的稳定性。同时，公司还建立了“天网+地网+信息网”三网合一的智能物流基础设施系统，涵盖了航空运输、地面运输、仓储管理以及信息技术等多个方面，为客户提供高效、快捷、安全的物流服务。在股权结构方面，截至2022年6月30日，深圳明德控股发展有限公司为公司的控股股东，持股比例为50.86%，王卫通过明德控股对公司实施控制。此外，香港中央结算有限公司、深圳市招广投资有限公司、宁波顺达丰润创业投资合伙企业等也是公司的重要股东。公司的股权结构相对集中，这有助于公司决策的高效执行和战略的稳定实施。财务状况上，顺丰控股的营收规模庞大且持续增长。随着业务的不断拓展和市场份额的扩大，公司的营业收入逐年攀升。在利润方面，虽然受到市场竞争、成本上升等因素的影响，利润存在一定的波动，但总体保持在较高水平。公司注重成本控制和运营效率的提升，通过优化物流网络、提高信息化水平等措施，不断降低运营成本，提高盈利能力。在资产负债方面，公司的资产结构较为合理，固定资产和流动资产配置均衡，具备较强的偿债能力和资金流动性，为公司的持续发展提供了坚实的财务保障。5.3基金共同持股情况分析对九丰能源和顺丰控股的基金共同持股情况进行深入分析，有助于揭示基金共同持股的特征及其对股价信息含量和股票定价效率的影响。从基金共同持股比例来看，九丰能源在2021-2023年期间，基金共同持股比例呈现出先上升后略有下降的趋势。2021年，随着公司成功上市，其在资本市场的影响力逐渐扩大，吸引了众多基金的关注，基金共同持股比例达到了15.6%。在2022年，公司积极优化一体化顺价模式，打造“海气+陆气”双资源平台，业务布局的完善进一步提升了公司的投资价值，基金共同持股比例上升至18.3%。到了2023年，虽然全球天然气价格下跌对公司业务产生了一定影响，但凭借三大业务板块的协同发力，公司经营业绩依然保持稳步增长，然而基金共同持股比例略有下降，为17.1%。这可能是由于部分基金在市场波动的情况下，对投资组合进行了调整，减持了部分九丰能源的股票。顺丰控股的基金共同持股比例在2021-2023年期间也有明显变化。2021年，公司面临着市场竞争加剧、成本上升等多重压力，业绩出现一定波动，基金共同持股比例为22.5%。2022年，公司通过优化业务结构、加强成本控制等措施，业绩逐步改善，基金共同持股比例上升至25.8%，显示出基金对公司发展前景的信心增强。进入2023年，随着公司业务的持续稳定发展，市场份额进一步扩大，基金共同持股比例达到了28.4%，表明基金对顺丰控股的投资热情持续高涨。从基金持股数量来看，九丰能源和顺丰控股在不同时期均被众多基金持有。九丰能源在2021年被35只基金持有，到2022年增加至48只，2023年略有减少，为42只。这反映出在公司业务发展的不同阶段，基金对其关注程度有所波动，但总体上仍保持较高的关注度。顺丰控股在2021年被86只基金持有，2022年增加到102只，2023年进一步增长至115只，显示出随着公司市场地位的巩固和业务的拓展，越来越多的基金选择持有其股票。从基金类型来看，持有九丰能源和顺丰控股的基金类型丰富多样，包括股票型基金、债券型基金、混合型基金等。股票型基金通常追求较高的收益，对公司的成长性和盈利能力较为关注，它们持有九丰能源和顺丰控股的股票，主要是看好公司在行业内的发展前景和投资价值。债券型基金则更注重投资的安全性和稳定性，它们持有这两家公司的股票，可能是基于对公司财务状况和现金流稳定性的认可。混合型基金兼具股票型基金和债券型基金的特点，其投资决策更加灵活，会根据市场情况和公司基本面的变化，适时调整对九丰能源和顺丰控股的持股比例。基金共同持股比例的变化与公