1.1研究背景：

内幕交易(Insider Trading)行为是指拥有“实质性的非公开信息”人员买卖证券的行为。公司内部人(公司大股东、董事会成员、公司高管)凭借对上市公司拥有的控制权及信息不对称优势，通过操纵重大信息披露非法攫取利益的内幕交易行为，非法侵蚀了中小投资者的合法利益，极大扭曲了市场价格对公司资产价值的反应能力,严重降低了证券市场资产的配置效率。我国证券市场信息披露机制、投资者保护机制、实时监控机制等还有待进一步健全，这强化了内部人实施内幕交易行为的动机，致使内部人内幕交易行为屡禁不止。因此如何有效识别进而防范内部人利用控制权优势、信息优势及资金优势进行内幕交易行为，促进资本市场健康发展、保护中小投资者的利益是目前我国资本市场面临的重要问题。

1.2研究意义：

目前,我国管理层对内幕交易行为的监管主要是事后惩处，这使中小投资者与上市公司的损失无法弥补。La Porta等(2006)认为对内幕交易行为的事后惩处在较大程度上是低效率甚至是无效的。但由于内幕交易行为的复杂性、难以甄别性,造成了对内幕交易行为事中识别与控制的困难性。如何对内幕交易事中行为进行识别与控制是管理层期待解决的重要问题。国内目前对内幕交易的识别主要分为知情交易识别和超常收益判定两方面。其中前者已经有了较为成熟的识别模型及相应的判定临界值，而后者则更多偏向于定性的描述与理论上的分析。本文将从超常收益判定的角度出发，定量的给出内幕交易的识别模型，并加以实证检验并对我国在不同市场环境下对内幕交易的识别给出建议。

1.3国内外研究综述：

内幕交易行为的复杂性、危害性、隐蔽性、识别的困难性及其防控形势的严峻性，成为近年来各国学者越来越关注的重点与焦点问题。从现有文献来看，对内幕交易行为的监管、法律规制的研究较多，但是对内幕交易行为的识别研究较少。对内幕交易行为的识别研究，主要集中在知情交易与超常收益等两个方面。

在知情交易识别方面， Easley，Kiefer，O’Hara和Paperman在1996、1997年使用二叉树描述内幕交易行为的整个过程，提出了著名的估计知情交易概率(Probability of Informed Based Trading ，PIN)的EKOP模型(PIN模型)。随后大多数研究都是按照其核心思想对EKOP模型进行了有效拓展。White和Ready(2004)运用EK0P模型实证检验了美国证券市场的知情交易概率,分析了影响PIN大小的相关因素,并发现PIN与相对买卖价差存在着显著正相关关系；Brown等(2001)运用EKOP模型估算的PIN值与信息披露质量指标(AIMR)呈显著负相关关系,并且与二级市场的交易量呈显著负相关关系；在我国，汪贵浦(2002)较早对内幕交易行为进行了研究,通过测量内幕交易行为发生过程中的信息含量,运用Logistic分析对内幕交易行为做了二元判别,构建了较为简易的内幕交易的判别体系；杨之曙和姚松瑶(2004)以EKOP模型为基础，通过对上交所上市公司的交易数据实证检验后，验证了EKOP模型；王春峰等(2005)通过构建知情交易概率、流动性和波动性关系的回归模型，得出了沪深A股市场知情交易概率与市场流动性正相关、然而与波动性负相关的实证结论；攀登和施东晖(2006)构建了基于订单驱动市场的知情交易概率的测度模型,并对上交所上市公司进行了实证分析；韩立岩等(2008)以EKOP模型为基础,分析了上交所上市公司知情交易概率的特征,并实证检验了知情交易概率的风险定价能力；由于交易制度与市场结构等的差异，以及中国证券市场是一个典型的订单驱动市场，基于做市商市场的EKOP模型在我国证券市场的应用有较大的局限性。

在超常收益判定方面，大部分研究观点认为从对内幕交易行为的监控角度来看超常收益判定方法较为有效，因此基于超常收益判断的事件研究法不断得到改进。Jeng等(2003)运用三种不同的估计模型对超常收益进行了估算；孙开连等(2003)把内幕信息的敏感指标设定为机构投资者的持股数量，对内幕交易行为的识别进行了实证分析与检验；王春峰等(2003)对回报率、波动性与交易量间之间的变化关系进行了实证检验；张新和祝红梅(2003)实证检验了公司重大“利好”消息总是与内幕交易行为相伴随；晏艳阳等(2006)以沪深A股市场股改试点公司为样本，实证检验了累积超常收益率的波动与内幕交易行为之间的关系；王化成等(2008)通过单个上市公司分析了控制权转移的微观市场反应；蔡宁(2012)通过分析业绩预告前后大股东的减持事件，实证检验了大股东利用信息优势实施内幕交易行为；岳宝宏和王化成(2013)运用多元回归模型实证检验了控制权转移中内幕交易严重程度的影响因素。

在其它方面，Nyholm(2002)提出的知情交易概率的测度方法是通过对报价驱动市场的研究而得出的；Liorente等(2002)基于私人信息的交易找出了测量交易过程中信息不对称的方法(LMSW法)；^[李心丹等(2008)通过内幕交易行为动机结构模块(SEM)对内幕交易行为进行了判别；张宗新等(2007、2008)把神经网络的数据挖掘方法运用到内幕交易行为的识别上，提高了判别正确率；唐齐鸣等(2007、2009)将公司治理结构的变量引入到内幕交易行为识别模型，得到了较高的判别正确率。