1.3　国内研究现状

我国资本市场仍处于发展阶段，市场监管条例法规还不够健全，对于该问题的研究基本沿用国外学者的传统思路和方法。

一部分学者从法律法规或博弈论角度研究不同市场环境下各类市场变量的相关性，如刘宪权在其文章《操纵证券、期货市场犯罪的本质与认定》中指出市场操纵的目标和各种手段，以及各种反操纵方法和目的，并从法律法规角度说明了如何对市场操纵进行调查取证，整个分析主要倾向于市场操纵问题在法律上的定性分析；李志辉等强调股票市场对外开放，给深市、沪市引入了新的市场操纵者，研究市场开放对股票市场的操纵具有重要意义；苏冬蔚等利用内幕消息优势系统研究何种因素会影响内幕交易，并指出唯有健全规范才能防止内幕交易；李梦雨通过对价格操纵者、动量投资者和非知情投资者的博弈行为进行分析，用倍差法考察股市中的操纵交易，并用Logit模型设计市场操纵预警机制；沈冰等以博弈理论为基础，刻画期货市场联合操纵行为的演化过程，并依据各种操纵行为的演化可能性，提出相应的指导性建议；杨巧曼利用双头博弈模型对非寡头企业合谋操纵行为的过程和机制进行研究；扈文秀等建立包含操纵者和内幕合谋者的市场操纵博弈模型，并分析市场操纵的过程、机理和可能的收益；张强等基于特定市场场景和模型，把交易者分为三类：知情者、非知情且非耐心者和非知情但耐心者，每类按照特定交易规则构建交易强度函数，分析知情交易与非知情交易随市场流动性的变化规律；金赫和殷晓峰分析了《中华人民共和国证券法》中反操纵监管条例所存在的瑕疵，两者的侧重点不尽相同，前者偏重对当前市场的操纵行为进行分类整理，后者偏重对中美资本市场监管条例的异同进行剖析；马丽认为政府在反操纵中扮演着重要角色，政府应加大监管的实施力度，促进上市公司及时披露真实信息；贾晓月指出中国股票市场存在较强的投机气氛，其不仅研究了股指期货市场操纵行为发生的可能性，还研究了操纵行为模式，最后提出了监管部门的管理建议；亓玉霞以“叶志刚案”“朱炜明案”为样本，结合该类“抢帽子”交易操纵案情，对“抢帽子”交易操纵的特征、行为认定有关问题进行了详尽总结，并与“老鼠仓”类交易操纵行为进行对比，研究“抢帽子”类交易操纵行为的本质，最终依据国内监管实情，从立法和执法等角度提出建议；刘宪权等以法律为研究视角，提出操纵证券、期货市场等行为的本质应是滥用优势对市场进行非法调控，而不是通常理解的欺诈，操纵行为对经济学意义上的市场秩序进行破坏，违背了“三公原则”；焦增军等认为无论幌骗交易是否形成“人为价格”，显然都破坏了市场的应有秩序，属于特殊的市场操纵行为，但不能简单地将之与欺诈混为一谈，立法时应从本质上对两者进行区分；沈友耀等指出在金融科技背景下，以高频交易为代表的交易技术催生了新型市场操纵违法行为，对此我国应制定相对应的反市场操纵条例，以增强法律适用性，可以通过高频交易商注册备案制、建立专门的高频交易监控和追踪系统，从而应对高频交易操纵难以被发现的难题；刘溪等假设市场被非知情交易者操纵，认为交易者对基本面的认知存在偏差，从而构建了市场操纵下的理性预期均衡模型，通过实证指出，噪声信息在市场的传播过程中加剧了股票的波动，从而价格中的信息含量被进一步降低，股票价格也由此与基本面产生偏离，交易者数量增多，可能会产生更剧烈的股价波动，价格将会持续偏离；张超等认为全球金融一体化进程和金融科技的发展给证券市场操纵者提供了新的市场操纵手段和套利空间，市场操纵的认定标准需要应势而变，更加深入关注市场操纵的违法实质，而有关市场操纵的整体分析框架和局部基础问题的理论研究进展缓慢，既有的理论突破也因为过于着重细微与个案，难以形成对监管具有指导作用的普适性认定标准，证券市场操纵的分析需要与证券欺诈区别开来，借助域外比较研究寻求与我国市场现实相匹配的制度设置；郭锋基于大数据、人工智能、区块链的视角分析数字科技对证券市场及其监管的影响，认为通过大数据、实时数据检测等技术对执法目标进行改正，将有助于提高执法效率；李珍等对新《证券法》中操纵市场条款修订的得失进行评析，指出新修订的《中华人民共和国证券法》虽然增加列举了虚假申报与蛊惑交易等操纵市场行为类型，取消了“抢帽子”操纵的特殊主体限制，具有科学合理性，但新《证券法》中还存在蛊惑交易操纵的行为模式列举不全、要求虚假申报操纵必须撤单不尽合理、交易型操纵与信息型操纵的界限规定不清等问题；周奇等以金融市场微观结构为视角，基于竞争性理性预期均衡的框架，建立非知情交易者异质信念下风险资产定价模型，推导出关于风险资产的贝叶斯线性均衡价格，并基于此研究内幕交易者的市场操纵行为，推论得到由于知情交易者存在信念偏差，故对交易需求和均衡价格都有较大影响；汤欣等以行政处罚案例为样本，对操纵行为进行认定，结论显示证监会在对操纵行为判罚的实践中，逐渐形成了颇具特点的标准，并指出对于操纵行为的主观意图要件构成及认定路径，操纵行为与内幕交易、虚假陈述等其他违法行为发生牵连竞合的认定处理规则，多种违法目的、多次操纵行为并存时的盈亏抵扣等违法所得问题，还需要专门进行讨论研究。

另一部分学者从实证角度分析市场变量的波动性，使用传统市场变量建模，监测市场操纵行为。刘振清、杜阳、吴崇林等均应用逻辑回归作为基本工具分析市场变量和市场操纵行为的关系，三篇文章选择不同的市场变量（如期现基差、国内外市场比价、持仓总量、超常收益率、换手率、投资回报率、日收益率、交易量、空盘量等）分析和衡量市场操纵行为。刘成立等通过股东持股比例和户均持股比例变动等指标，并使用分位数回归模型对各类股东的异常交易行为进行界定。陆蓉等在国内首先使用数据挖掘技术对股票操纵行为的判别问题进行建模，但研究依然沿用市场变量（贝塔系数、收益率、人均市值、换手率、波动率和成交金额）的波动和回归分析的思路，并比较逻辑回归、决策树和神经网络三种模型对市场操纵行为的判别性能，指出神经网络性能优于其他两种，但未对三种数据挖掘模型的参数做交叉验证，仅采用模型的默认设置，也并未说明如何分割时间序列的数据集为“训练集”“验证集”和“测试集”，而数据挖掘模型依赖充分交叉验证获得稳定的参数配置，因此，陆蓉的研究成果不足以辅助建立操纵行为的实时监测模型。李志辉应用向量自回归模型和一维线性回归模型对电子交易市场的远期价格和现货价格进行分析，利用一维线性回归模型的累计残差判断市场操纵行为。张传海使用GARCH类、随机游走两种模型研究了我国股市的波动性，结论显示我国股市存在剧烈震荡。贺立龙使用ARCH类模型研究了我国交易市场指数的波动性，结论显示我国股市存在明显的ARCH效应，并且波动性可以用ARCH类模型进行描述。曲永刚等得出相反的结论，认为我国股市本身是稳定的，影响我国股市的波动性是政策法规。田树喜等通过EGARCH模型分析了两大股票交易市场的收益波动性，结论显示两大股票交易市场确实存在剧烈波动。王志强等提出股市的涨跌限制效应，并通过实证得出若股价在涨跌时触及限制，则将产生股价波动性溢出效应和价格发现延迟效应，以及流动性干扰效应。王卓琼和孟卫东使用ARCH、GARCH模型，对上证市场的股价波动性进行分析，通过实证得出上证市场存在着较强的ARCH效应，GARCH模型可以对这种效应进行较好的消除。沈晨和胡代平以证监会所公布的案件为样本，注重研究操纵期前后40天股票的表现，并以适当的特征变量为指标建立了股价预警机制。周春生等对Mei和Zhou（2003）的模型进行了扩展，以禁止卖空的交易限制为视角，探究了市场操纵发生的前提，结果显示：交易型市场操纵行为通过有限套利限制、非充分理性投资两个条件，从股票市场获得利润；套利的难度和获得操纵利润的难度成反比；我国股市虽然限制卖空，但仍有操纵的可能。王安兴以股票收益率条件时间序列为样本，构建GARCH模型，对股票的被操纵性进行识别，结果显示，若符合收益率条件方差稳定的条件，则股票价格偏离其价值后将在有限时间内恢复到其价值；若条件不成立，金融资产价格偏离后几乎不能恢复。常健等通过动态博弈模型，分析了机构操纵和个人投资之间的相互博弈。张维等使用模型对市场操纵进行量化研究，重点分析了期货市场收益率的波动性，通过GARCH模型识别市场是否被操纵，随后对研究对象的日交易量、日持仓量和流动比率等指标的异常进行研究，结果显示，研究对象的特征与跨市场操纵过程一致，故而断定其为市场操纵。周杰等的研究样本范围更广，其通过Logistic模型对20年的市场操纵案例进行研究，得出累计超额收益率、条件波动率、非流动性比率、股权集中度和股权制衡度等指标可以建立更好的超警预期模型的结论；累计超额收益率和条件波动率越大，非流动性比率、股权集中度、股权制衡度越小，越容易发生内幕信息操纵。胡金霞对证券操纵相关案例使用归类研究法，通过建立BP神经网络股价操纵监管模型，为监管机构强化监管提供了建议。葛钰杰等用哈药股份（600644）的低频数据分析了不同时段的收益率和成交量，随后按时间序列对事件期的期望收益率、成交量进行估计，将估计结果与实际数据对比，验证了假设的正误，最终使用Granger因果检验法对公告日前后收益率与交易量的变化进行了原因的辨析，得出不同投资者在获取公司的重大信息时存在信息时差、大股东在获取信息时更全面且及时的结论。张建锋等以2000年之后的A股操纵案数据为基础，从操纵所需的资金优势和非操纵者跟随交易角度考虑，使用Logistic模型得出符合以下几种特征的股票更易被操纵的结论：流通市值小、户均持股市值低、单位市值资本公积金与单位市值净资产高。夏文学以中国证监会查处的140起股价操纵案例为样本，研究得出衡量股价操纵行为的4个交易指标，即换手率、超常收益率、股东人数变化率和股东人均市值。李梦雨采用博弈模型和倍差法研究了股价操纵行为，研究结果发现：被实施操纵的股票在日收益率、有效价差、交易规模等方面与未被实施操纵的股票之间存在显著差异。孙煦初使用2016年11月和12月的5秒高频数据，研究了订单簿斜率与资产价格之间的关系，发现订单簿斜率可以较好地解释高频环境中的市场异象，并能够识别市场操纵行为。