全球证券监管机构都面临识别内幕交易的挑战。我们研究人类观察者是否具备识别内幕交易的能力，并利用实验室资本市场调查哪些交易模式能表征内幕交易。进一步，我们检验了内幕交易者对被检测和惩罚威胁的行为反应如何影响观察者的检测能力。我们发现市场交易数据包含与内幕交易活动相关的信息。观察者在一定程度上成功地识别和使用这些信息来识别知情的交易者。

      在大多数资本市场，如果交易涉及到重要非公开信息，也就是内幕信息，就是要受到监管的。但以前的研究就发现，我们实行的监管措施在一些情况下是有效的，但是在一些特定的情况下它也会失效。

       比如说，Biggerstaff（2017）等人发现，当企业内部人士拥有更长久的信息优势时，他们的交易时间会变长。这个特质或许可以作为一个信号帮助我们侦测内幕交易，但另外有一些作者认为当有经验的交易者或高管进行交易时，这些信号检测私人信息的能力较弱。虽然还有一些证据表明市场参与者能够推断内幕交易是否存在并且发现究竟是什么样的内幕信息，但这些论文仅提供了有限的证据。

       由于内幕交易在大多数国家都是被法律禁止的，所以很难用实证数据来研究这个问题。但内幕交易以及内幕交易监管又确确实实地存在于许多市场中，我们在研究资本市场时应该基于关注。因此，在本文中，我们转向实验室实验来研究内幕交易及其检测。我们采用这种方法来研究哪些交易模式能说明内幕交易者的存在，并探索市场观察者识别内幕交易和区分不内幕交易的能力。最后，我们测试了内幕交易者如何应对被发现和惩罚的威胁，以及他们的行为反应如何影响观察者的检测能力。

       实验设计包括有惩罚环节和没有惩罚环节两种，在每种实验设计种一共会进行16组实验，每组实验包括10个正式轮次，每个轮次包含两个并行的市场，每组12个被试。12名被试中有2人是市场观察者，有10人是交易者。被试被随机分配身份，且在整组实验中角色不变。

       前文刚提到，实验设计包括有惩罚环节和没有惩罚环节两种。Treatment NOLEG代表着一种没有任何内幕交易监管的基本市场，观察者和交易者的行为相互不影响。Treatment LEG代表着会执行内幕交易立法的市场，也就是会惩罚那些被观察者识别出的内幕交易者，取消他们的利润，并把这些利润重新分配给那些普通交易者。

       每轮交易有两个观察者观察市场，但自己不参与交易。在有两个市场同时运作的时期，每个市场由一个观察者观察。当在一段时间内只有一个市场在运行时，两个观察者看到的是同一个市场。市场交易者用开放式指令簿在多单位连续双向拍卖中交易同质资产。每个交易者的实验收益与他们的期末财富有关，期末财富是通过合计现金余额和该交易者存货中的资产价值计算出来的。如果交易者知道内幕信息，他们就会利用它来最大化自己收益。观察者可以看到详细的交易者行为统计，包括9个具体指标：提交的订单数量、取消的订单数量，通过自己提交订单交易的体量，通过市场总体订单交易的体量，买入量，卖出量，买入卖出差量，订单均价，订单均量。

       作者使用实验中收集的数据测试了几个假设，分为与观察者行为相关的假设和与内幕交易者行为相关的假设两个部分。具体内容会在实验结果中简要展示。

结果1：研究发现被观察者“怀疑进行内幕交易”的交易者实际上知情的概率为55.8%，而一个交易者是否知情的无条件概率为50%，也就是随便挑一个交易者，它本来应该有一半可能知情，有一半可能不知情。检验这两个百分数是否有显著差异，得到P值小于0.001，所以假设H1a成立，被怀疑进行内幕交易的交易者比未被怀疑的交易者更有可能知情。

结果2：研究发现被观察者”怀疑进行内幕交易”的交易者实际上知情的概率为55.8%，而被观察者“选择为内幕交易者”的交易者实际上知情的概率为56.3%。检验这两个百分数是否有显著差异，得到否定结果，所以假设H2a不成立，被选为内幕交易者的交易者并不比被怀疑为内幕交易者的交易者更有可能知情。

结果3：作者还构建了一个叫做“零智能观察者”的东西来评估实验中人类观察者的评估能力，这个零智能观察者就是通过随机抽样来选择怀疑对象，人类观察者是通过推测来选择怀疑对象。作者介绍了一个比较抽象的计算方法来给二者的识别能力打分，并用于检测我们实验中的人类观察者，发现在NOLEG实验中，36个观察者有28个表现比零智能观察者好，在LEG实验中，36个观察者有21个表现比零智能观察者好，粗略证明假设H2成立，在识别内幕交易者方面，人类观察者比零智能观察者更成功。

结果4：在最后一个观察者行为分析中，作者研究了观察者对可用信息的使用。对9个交易指标的使用频次如Figure 4所示，证明观察者试图通过以下三点来确定内幕交易者：(1)使用限价指令进行交易的股票数量，(2)买卖的股票数量，以及(3)平均交易价格。然而，观察人士并不依赖于有关交易者取消限价订单数量的信息”，这和我们在假设中分析的不同。

结论5：看Table 4最右边两列第一行可知，观察者在选择怀疑对象和举报对象时，并不能通过是否在LEG市场中这个标准来帮助自己做出判断，这些结果与H2形成对比，H2假设观察者在无内幕交易惩罚机制（NOLEG）中比在有惩罚机制（LEG）中更能成功地发现内幕交易者。观察者的最终收益与其怀疑和举报的正确率正相关，我们没有发现任何证据表明观察者的盈利能力存在实验间的差异。这就得到了结论5“与H2相反，没有证据表明观察者在NOLEG中从侦查内幕交易者中获得的利润高于在LEG中”。

       从Table 4中第三列这个框显示的显著性结果来看，没有证据表明内幕交易者更有可能取消订单。这个线索我们可以和Table 5的结果放在一起分析。

结论6：Table 5给出了订单在执行前被取消的概率和订单在交易结束时保持开放的概率的概率回归。TraderInformed是一个虚拟变量，如果提交限价指令的交易者是内幕交易者，这个虚拟变量等于1。我们可以看到，内幕交易者取消限价订单的比例似乎略高，但系数只是略有显著性。总的来说，我们得到结论6“没有明确的证据支持或拒绝H3，即不能证明内幕交易者提交的限价订单比不内幕交易者更多地被取消”。

结论7：在H4中，我们推测，与非内幕交易者的指令相比，内幕交易者的指令在交易结束时未平仓的概率更大。从该Table 5的第2列数值中我们发现，内幕交易者在交易结束时确实留有较高的限价单开仓比例，但系数值不显著。所以得到结论7“没有明确证据支持H4，即内幕交易者在市场收盘时提交的未执行的限价订单比不内幕交易者多”。

       作者通过在实验室模拟交易市场研究市场观察者如何识别内幕交易者的能力，并探究哪些交易行为的特征能表明内幕交易的存在，同时进一步测试了内幕交易者在有监管和惩罚机制时所表现出来的行为变化如何影响观察者的监测能力。文章发现内幕交易者的行为的确呈现出一定的规律性，比如在市场收盘时提交的未执行的限价订单比非内幕交易者要多。文章还发现市场观察者的确通过一些交易特征来确定内幕交易者，比如使用限价指令进行交易的股票数量、买卖的股票数量以及平均交易价格。

       全文思路非常清晰，从交易者和观察者两个层面，在有惩罚机制和无惩罚机制的两种市场情况下，有条有理的从9个交易行为特征出发，研究了市场观察员是如何发现内幕交易者的。而且研究内容非常详尽，作者最大化了实验数据的利用程度，运用的数据处理手段也多种多样，即包含直观展现数据差异的柱形图与热力图，也包含展现数据相关关系的Probit与OLS回归表格。而且作者还将不同图表之间的结果相互联系，表现出严谨的治学精神，值得我们学习。

*文章来源：行为金融学实验研究平台

*侵权必删