基金经理社会关系网络的溢价效应——来自中国股票型基金的经验证据

The Premium Effect of Fund Managers’ Social Networks—Empirical Evidence from Equity Funds in China

摘要: 本文研究基金经理社会关系网络对基金绩效的溢价效应及影响机制，结合校友关系和同事关系两个维度构建基金经理的综合社会网络属性指标。研究发现：基金经理社会关系网络对基金绩效有溢价效应，且主要体现在直接和亲密的社会关系上。社会关系网络能够帮助基金经理获得更多公司特质信息，提高证券选择能力，但是未能显著提高市场时机把握能力。基金经理的社会关系网络便利了私有信息传递，提高了基金所含私有信息含量，成为帮助基金获得超额收益的重要影响因素。基金经理的社会关系网络形成了信息沟通渠道，直接渠道传递的信息更具有决策价值，同时本文结论也反应出内幕交易相关监管制度在认定范围、判断标准等方面的一些不足。

Abstract: We study the premium effect of fund managers’ social networks on fund performance and the in-fluencing mechanisms. We construct a comprehensive social network index of fund managers by combining the two dimensions of alumni relationships and colleague relationships. The empirical results show that social networks of fund managers have a premium effect on fund performance, which is mainly concentrated in direct and intimate social relationships. Social networks can provide fund managers with more firm-specific information and improve the ability of securities selec-tion, but can not significantly improve the ability of market timing. Social networks of fund managers facilitate the transfer of private information and increase private information contained in the funds, which becomes an important influencing factor that generates excess returns for funds. Social networks of fund managers form information communication channels, and the information transmitted through direct channels is more valuable for decision-making. The conclusions of this paper also reflect deficiencies in the regulatory system related to insider trading, such as identification scope and judgment standards.

1. 引言

作为专业投资者的代表，股票型基金承担了发掘市场信息、改善市场定价效率的重要金融功能 [1] [2]。社会关系互动往往会影响投资者的行为决策，对于金融市场的影响也受到越来越多的学者关注 [3] [4]。具体到基金投资绩效研究层面，基金经理是基金的“主心骨”，而基金经理这个职业也是一种“圈子” [5]。这种“圈子”关系是否构成了基金经理的一项重要的能力，是否实现了基金投资绩效的溢价效应及其实现机制，是本文想要研究的课题。

相较于成熟的国外基金市场，中国基金市场起步较晚，但发展速度非常快，已成为中国投资者投资的重要渠道。中国的基金经理并不是一路专业化、职场化培养的，而是随着中国资本市场不断发展而不断自身成长起来的。各基金产品由各基金经理进行单独管理，对于基金绩效的波动起决定性作用。基金经理成长过程中形成的个人特征如何影响基金绩效是一个值得研究的话题。综合校友关系和历任公司产生的同事关系两个维度，本文构建了基金经理的综合性社会网络的中心度指标。基于2016年至2020年1176位基金经理和148只普通股票型开放式基金的数据，实证发现：1) 基金社会关系网络对基金绩效存在溢价效应。直接联系越多越亲密的基金经理，其绩效水平也越高，而间接社会关系对投资业绩影响不大。2) 基金经理的社会关系网络主要提高了基金经理的择股能力，对于择时能力的影响则较小。3) 基金社会关系网络对基金绩效的影响机制在于基金经理可通过社会关系网络获取更多的私有信息。直接的社会关联越丰富和亲密的基金经理可获得的私有信息广度和深度也越高，从而获取更高的基金收益。

本文潜在的学术贡献如下：1) 相较于之前许多学者所研究的基金个人特质，本文突破了单独个体的局限性视角，进一步考虑了基金经理的社会属性。本文将基金经理的校友关系和同事关系联系起来综合反映基金经理的社会关系网络，从两个维度更加全面地表现了基金经理的社会网络。2) 本文分析了基金经理的社会关系网络对基金绩效影响的传导机制，提供了社会关系网络影响基金经理可获得的私有信息、提高基金经理择股能力进而影响基金绩效的实证证据。本文提出综合社会关系网络是评价基金经理个人能力的重要方面，将基金经理的社会关系网络引入到基金绩效的归因因素之一可以丰富和完善基金绩效的评价体系。3) 本文提出的一系列启示和建议可以为相关监管制度提供参考。社会关系网络中信息的传递是隐蔽的，这对监管水平提出了更高的要求，需要不断更新跟踪监管的渠道和方式，完善关于内幕信息的法律制度。

2. 理论回顾和研究假设

2.1. 基金经理社会关系网络对基金绩效的影响

国外学者较早开展了对基金经理个人特征与基金业绩表现之间的关系研究。Treynor和Mazuy是最早进行这项研究的学者。他们以资本资产定价模型为依据，研究基金经理对市场的决策判断力对基金绩效的影响 [6]。此后，各学者对基金经理的各类个人特征进行各种研究，包括学历、性别、工作经验等。学历方面，Golec发现拥有MBA学位的基金经理业绩优于普通学士学位的基金经理 [7]。Chevalier和Ellison研究表明，基金经理毕业于综合排名靠前的院校，更容易获得更高的超额收益 [8]。也有学者指出性别会影响基金风格，女性基金经理在日常进行基金管理时会更加细致，面对风险时也会更加理性和客观，基金经理的性别对基金绩效的影响可能比年龄、工作年限等因素更大 [9]。关于从业情况，陈立梅认为任职年限是基金经理影响基金绩效的重要因素，只有任职时间足够长的基金经理才能够影响基金的绩效表现，而任期较短的基金经理反而往往起负面作用 [10]。Massa和Patgiri基于薪酬激励理论认为，基金经理的薪酬激励越高，可以降低基金经理的道德风险，提高基金业绩 [11]。

在诸多基金经理的个人特征中，社会关系网络是极其重要的一方面。首先，已有研究表明市场信息对基金经理的投资决策会产生重要影响。机构投资者之间存在广泛的信息互动，促进了私有信息的传播，成为影响投资选择的关键因素 [12]。例如，陈新春等发现基金经理积极通过建立社会关系网络来获取信息 [13]；Cohen等认为社会关系会左右投资偏好，基金经理更愿意买入校友高管的上市公司的股票 [14]。其次，诸多学者开始关注教育网络、业务网络和地理网络等社会关系网络对基金投资组合和投资收益的实际影响 [15]。杨玉龙等进一步研究认为虽然校友关系确实会传递信息有助于基金业绩的提升，但是由于媒体报道的存在，会削弱该信息的效用 [16]。李晓梅和刘志新对地理社交网络进行研究，认为“口碑效应”导致同城基金经理绩效趋向相似度较高。因为地理距离较近，相同信息传播更快，所以同城基金经理会持有类似的投资组合 [17]。Ozsoylev也得出相同的结论，共享社会网络的基金经理做出相同决策的概率较高 [18]。

然而，以往对基金经理社会关系网络的度量也局限在教育、业务网络中的一个方面，很少对社会关系网络进行综合考量。Ozsoylev等认为信息在社会关系网络中是由内向外传播的，中心度越高的基金经理获得信息的时间越早，也更容易因此获得超额收益 [19]。本文认为，对社会关系网络的研究应该综合学缘和司缘两方面。校友和同事关系越丰富的基金经理社会网络中心度越高，获得的市场信息越丰富和及时，因此对基金超额收益产生正面影响。社会关系亲疏有别，直接关联的社会关系能够提供更有价值的信息，产生更高的溢价效应。基于以上分析，本文提出假设1：

假设1：基金经理的社会网络中心度越高，基金超额收益率越高，并且这一效应主要体现在社会关系网络的直接联系上。

2.2. 基金经理社会关系的影响机制

2.2.1. 社会关系网络与基金经理投资能力

Fama将基金的投资预测能力分为微观和宏观两个层面 [20]。前者主要指对于个股未来走势的预测能力，体现了证券选择能力；后者则是对市场整体方向的预测能力，体现了市场时机把握能力。Chang和Lewellen对基金经理的选股能力和择时能力分别进行了考察，发现选股能力强的基金经理的择时能力普遍偏低 [21]。后续针对中国的研究发现，中国基金普遍缺乏显著的证券选择能力和市场时机把握能力 [22]。在基金市场竞争加剧的背景下，基金的市场时机把握能力尤其趋于减弱 [23]。然而，已有的研究基金绩效的文献尚未充分回答社会关系网络对基金经理两类投资能力的影响。本文认为社会关系网络带来的私有信息有助于基金经理甄别出具有投资价值的标的公司，提高基金经理的择股能力，为基金经理带来超常的获利能力。由于市场时机把握能力主要在于基金经理对整个市场组合未来收益的判断，与单支股票非系统性风险的相关性较小，因此本文认为社会关系网络对择时能力的提升效果相对较弱。本文提出以下假设：

假设2：基金经理的社会关系网络创造的基金超额收益主要体现在基金经理的择股能力。

2.2.2. 社会关系网络与基金私有信息

根据有效市场假说，在完全有效的市场中，投资者无法持续获得超额收益；而在不完全市场中，投资者可以利用私有信息实现超额收益 [24]。市场对公司特质信息的掌握程度是降低股价同步性、提高资本市场资源配置效率的关键因素 [25] [26]。社会关系网络形成的紧密联系加快了信息传播的速度，传递了影响投资决策的私有信息，可以形成基金经理的信息资源优势 [27]。Hong等指出机构投资者可在社会网络中观察学习，通过促进信息传递的方式获取超额投资收益 [12]。针对中国基金的实证研究显示，基金在重仓股配置方面具有显著的网络传染性，形成了一种基于关系网络中共有信息的“伪羊群效应”。社会网络信息已经成为了基金经理的主要投资依据，而非个股信息或行业信息 [28]。基于以上分析，社会关系网络已经成为信息共享的重要渠道，可能产生资源效应并且提升基金资产配置效率。本文认为基金超额收益的一个重要来源是通过基金经理社会关系网络传递的私有信息，并提出以下假设：

假设3：基金经理的社会关系网络便利了私有信息传递，提高了基金所含私有信息含量，进而提高基金绩效。

3. 研究设计

3.1. 指标构建

3.1.1. 社会网络指标

本文的研究样本为2016年至2020年1176位基金经理和148只普通股票型开放式基金。为构建较为完整的基金经理的社会关系，获取所有开放式基金的基金经理的历任公司信息和教育背景信息，本文从Wind数据库、RESSET数据库和国泰安数据库的基金经理的简历数据中，通过手动整理，剔除无相关信息的基金经理后，筛选得到共1176位基金经理的就读学校、历任公司信息，并计算社会网络中心度。考虑到中国高校由于历史原因的合并、更名等情况，本文将基金经理简历中的毕业院校一律更改为最新名称。具体步骤如下：① 建立基金经理毕业院校的一模矩阵、基金经理的历任公司的一模矩阵A[0,1]，如基金经理从某高校毕业则赋值为1，否则为0；如基金经理就职过某公司则赋值为1，否则为0；② 将二模矩阵A[0,1]与其转置矩阵相乘，遂得到新矩阵B，再将矩阵对角线数值赋值为0；对于非对角线上的数值，该数值大小意味着与毕业院校的交集次数；③ 将两个矩阵相加，得到基金经理的社会关系网络矩阵，综合显示基金经理的校友关系和同事关系。本文使用Ucinet 6 软件计算基金经理社会关系网络的中心度。

1) 程度中心度：表示基金经理在关系网络中直接关联其他基金经理的人数，即直接的校友关系或同事关系。

$DEGRE{E}_i=\frac{{{\displaystyle \sum }}_j{X}_{i,j}}{g-1}$ (1)

其中，i为基金经理，j为其他基金经理，X为基金经理i和j之间的社会网络连接，g为网络节点总数。

2) 中介中心度：表示基金经理在整个社会网站中的位置地位，通过基金经理i，可以将原本没有连接的基金经理联系起来。中间中心度指该节点所在位置上有多少其他节点相连的最短路径，体现了社会关系网络的间接联系。

$BETWEE{N}_i=\frac{{{\displaystyle \sum }}_{j<k}{g}_{jk\left(ni\right)}/g_{jk}}{\left(g-1\right)\left(g-2\right)}$ (2)

其中， $g_{jk}$ 表示基金经理j和基金经理k之间经过的路径总数， $g_{jk\left(ni\right)}$ 表示基金经理j和基金经理k之间的路径包含基金经理i的数量。

3) 亲疏中心度：表示基金经理直接关系和间接关系之和的倒数。亲疏中心度越高，社会关系网络越亲密。

$CLOS{E}_i={\left({\displaystyle {\sum }_{j=1}^{k}d\left(i,j\right)}\right)}^{-1}$ (3)

其中， $d\left(i,j\right)$ 表示基金经理i和基金经理j的最短距离长度。

3.1.2. 基金绩效指标

本文选取普通股票型开放式基金作为研究对象，并排除QDII和偏股基金。本文筛选出具有2016~2020年五年有效数据的基金共148只，并从Wind数据库中提取出基金的净值走势和基金分红。为度量基金业绩，本文建立如下的Carhart四因子模型获取基金的超额收益率：

$R_{p,t}-R_{f,t}={\alpha }_t+{\beta }_1\left(R_{m,t}-R_{f,t}\right)+{\beta }_{2}SM{B}_t+{\beta }_{3}HM{L}_t+{\beta }_{4}MO{M}_t+{\epsilon }_t$ (4)

其中， $R_{p,t}$ 为t时刻基金的复权净值收益率， $R_{p,t}=\left(N{A}_t-N{A}_{t-1}+DIV{D}_{t-1}\right)/N{A}_{t-1}$ ； $N{A}_t$ 代表基金在t时刻的基金单位净值； $DIV{D}_{t-1}$ 代表t-1时刻的基金红利分配， $R_{f,t}$ 代表无风险收益率，以一年期的定期存款利率除以360来度量； $R_{m,t}$ 代表每日市场收益率，本文以沪深300指数的日收益率来度量； $SM{B}_t$ 表示t时刻的规模回归因子，本文以申万小盘股指数的日收益率和申万大盘股的日收益之差来度量； $HM{L}_t$ 表示t时刻的账面市值比回归因子，以申万低市净率的指数和申万高市净率的指数的日收益率之差来度量； $MO{M}_t$ 表示t时刻的动量回归因子，以申万绩优股的指数和申万亏损股的指数的日收益率之差来度量。

3.1.3. 择股能力和择时能力指标

为探究基金经理的投资能力是否体现在择股能力和择时能力，本文采用TM模型进行验证。TM模型在CAPM模型上引入了二次项，即：

$R_{p,t}-R_{f,t}={\alpha }_p+{\beta }_1\left(R_{m,t}-R_{f,t}\right)+{\beta }_2{\left(R_{m,t}-R_{f,t}\right)}^2+{\epsilon }_t$ (5)

其中，若 ${\alpha }_p>0$ 显著表示基金经理具有选股能力； ${\beta }_2>0$ 显著表示基金经理具有择时能力。

将TM模型与Fama-Franch三因子模型相结合，可以消除基金风格绩效的影响。TM-FF3模型为：

$R_{p,t}-R_{f,t}={\alpha }_p+{\beta }_1\left(R_{m,t}-R_{f,t}\right)+{\beta }_2{\left(R_{m,t}-R_{f,t}\right)}^2+{\gamma }_{1}SM{B}_t+{\gamma }_{2}HM{L}_t+{\epsilon }_t$ (6)

若上式中 ${\alpha }_p>0$ 显著，则择股能力变量STOCK赋值为1，反之赋值为0；若 ${\beta }_2>0$ 显著，则择时能力变量TIME赋值为1，否则为0。

3.1.4. 基金私有信息指标

本文借鉴Amihud和Goyenko构建衡量基金的私有信息量 [29]。具体做法是：首先，通过choice数据库得到基金的前十持仓股票和持仓比例，将每只股票t-60月至t月的月收益率与沪深 300指数的收益率进行回归，得到股票t 月的私有信息指标1-R²；其次，采取逐月滚动回归(Rolling Regression)，滚动窗口为60个月，从而得到每只股票每个月的私有信息指标；最后，以股票的持仓金额占基金总值之比作为加权系数，计算基金的私有信息含量PPI，计算公式如下：

$PP{I}_{i,t}={\displaystyle \sum {\omega }_i\left(1-R_i^2\right)}$ (7)

3.1.5. 其他控制变量指标

根据陆蓉等、Chen等对基金绩效影响因素的研究，本文选取以下影响基金绩效的控制变量 [30] [31]：基金规模(SIZE)，季度净值总量的自然对数；基金家族规模(FSIZE)，基金管理人旗下的基金净值的自然对数；基金年龄(AGE)，该基金成立以来的时间自然对数；基金收益率波动率(STD)，基金净值收益标准差；基金的换手率(TOVER)，基金股票换仓市值与基金净值大小之比；基金的绩效激励(COMP)，基金管理费用占总费用比例。数据来自choice数据库。

3.2. 描述性统计

本文构建了基金经理由校友关系与同事关系所搭建的社会关系网络，由Ucient和Netdraw绘制基金经理的社会网络图谱。主要变量的描述性统计结果见表1。

Table 1. Descriptive statistics of variables

表1. 变量描述性统计

4. 基本实证结果

本文使用Carhart四因子模型对基金经理的社会关系网络与基金绩效进行分析。由于基金业绩是日度变量，社会关系网络指标是年度变量，为进一步分析社会关系网络与基金绩效的真实关系，本文采用Fama-MacBeth横截面回归并进行检验。以ALPHA为因变量，社会关系网络中心度为自变量并引入其他控制变量，设置以下回归模型。回归结果见表2。

$\begin{array}{c}ALPH{A}_{i,t}={\beta }_0+{\beta }_{1}NETWOR{K}_{i,t}+{\beta }_{2}SIZ{E}_{i,t-1}+{\beta }_{3}FSIZ{E}_{i,t-1}+{\beta }_{4}AG{E}_{i,t-1}\\ +{\beta }_{5}TOVE{R}_{i,t-1}+{\beta }_{6}ST{D}_{i,t-1}+{\beta }_{7}COM{P}_{i,t-1}+{\epsilon }_{i,t}\end{array}$ (8)

NETWORK表示基金经理的社会关系网络，包含中介中心度、程度中心度、亲疏中心度三个维度。如表2所示，程度中心度、中介中心度和亲疏中心度的回归系数均为正，且程度中心度和亲疏中心度的系数均通过5%水平上的显著性检验。具有较高广度中心度和深度中心度的基金经理创造的超额收益更高。基金经理的社会关系网络的溢价效应存在，且主要体现在直接联系的社会关系上。中介中心度等指标体现的间接联系的价值效应则相对较弱。

Table 2. Social networks and fund performance

表2. 社会关系网络与基金绩效

注：^*，^**，^***分别表示10%，5%，1%的水平下显著，()内的t值为经WHITE调整后的t检验值。

5. 基金经理社会网络与基金业绩影响机制分析

5.1. 社会关系网络与基金经理投资能力

为探究社会关系网络对于基金经理两种投资能力的影响，本文采用LOGIT模型对基金经理的投资能力与社会关系网络进行模型回归。

$\begin{array}{c}ABILIT{Y}_{i,t}={\beta }_0+{\beta }_{1}NETWOR{K}_{i,t}+{\beta }_{2}SIZ{E}_{i,t-1}+{\beta }_{3}FSIZ{E}_{i,t-1}+{\beta }_{4}AG{E}_{i,t-1}\\ +{\beta }_{5}TOVE{R}_{i,t-1}+{\beta }_{6}ST{D}_{i,t-1}+{\beta }_{7}COM{P}_{i,t-1}+{\epsilon }_{i,t}\end{array}$ (9)

回归结果如表3所示。在前三列考察的择股能力方面，基金经理的社会关系网络的三个中心度指标的系数都显著为正，社会关系网络提高了基金经理的择股能力。基金经理的社会关系网络中心度越高，在整个社会关系网络中信息交换更充分，有利于选择出未来价格走势更有利的股票。后三列的结果显示，在择时能力方面，基金经理的社会关系网络的三个中心度指标的系数都不显著。由于对市场时机的把握主要依赖于基金经理对宏观走势的预测，与单只股票的特有信息关联较弱，因此社会关系网络没有显著提升基金经理的择时能力。

Table 3. Social networks and investment ability of fund managers

表3. 社会关系网络与基金经理投资能力

注：^*，^**，^***分别表示10%，5%，1%的水平下显著，()内的值为z检验值。

5.2. 社会关系网络与基金私有信息

市场微观结构理论提出价格形成的本质原因是信息的解释、融合和传导。基金超额收益的机理可能是基金经理通过社会关系网络获取的私有信息体现在基金绩效中。为探究基金经理的社会关系网络与股票组合的私有信息含量的关系，本文建立如下回归模型：

$\begin{array}{c}PP{I}_{i,t}={\beta }_0+{\beta }_{1}NETWOR{K}_{i,t}+{\beta }_{2}SIZ{E}_{i,t-1}+{\beta }_{3}FSIZ{E}_{i,t-1}+{\beta }_{4}AG{E}_{i,t-1}\\ +{\beta }_{5}TOVE{R}_{i,t-1}+{\beta }_{6}ST{D}_{i,t-1}+{\beta }_{7}COM{P}_{i,t-1}+{\epsilon }_{i,t}\end{array}$ (10)

回归结果见表4。中心度指标的回归系数均为正，且程度中心度和亲疏中心度的系数均通过5%的显著性检验。由此可知，基金经理的社会关系网络会产生私有信息，且直接联系的广度中心度和深度中心度越高的基金经理，其投资组合中的股票所含有的私有信息含量也越高。上述结果也与前文结论相吻合：处在社会网络中心、具有更深社会关系网络的基金经理，将会在市场中获得更多的市场私有信息，实现超额收益。然而，中介中心度高的基金经理在社会网络中承担间接中介角色较多，信息传递链条越长，降低了信息的有效性和及时性，对于基金绩效的影响作用有限。

Table 4. Social networks and private information of funds

表4. 社会关系网络与基金私有信息

注：^*，^**，^***分别表示10%，5%，1%的水平下显著，()内的t值为经WHITE调整后的t检验值。

6. 研究结论和启示建议

6.1. 研究结论

本文采用基金经理的社会网络的中心度指标度量基金经理的社会关系，以程度中心度、亲疏中心度和中间中心度三个指标，学缘和司缘两个维度来构建基金经理的社会关系网络，并分析社会关系网络对基金绩效的溢价效应和影响机制。研究结论如下：直接社会关系越丰富且越亲密的基金经理，获取的私有信息含量越高，从而提高基金投资效益。间接社会关系没有表现出显著的溢价效应。基金的社会关系网络传递的私有信息可以帮助基金经理甄别出未来价格走势更有利的股票，体现为基金经理更强的证券选择能力。社会关系网络对于市场时机把握的宏观预测能力没有显著的提升作用。

6.2. 启示和建议

1) 对基金经理而言，在进行投资判断和投资决策时，应合理利用自身的社会关系网络合法有效地获取公司特质信息，但应对所获取的信息进行分析和审判。基金经理的社会关系网络会带来更多的信息渠道，然而所获得的信息并不全部具有决策价值。例如基金经理处于社会关系网络中心的中介位置间接且重复，就不会显著增加获得的私有信息价值，对基金的投资收益率影响也较弱。基金经理若中介中心度较高，应注意所接收到的私有信息是否经过多次传递而失真失效的情况。

此外，在注重人与人之间关系的人情社会，投资交易也往往容易形成“圈子”文化，需要警惕以小群体规模产生的关系型交易的负面影响。仅仅依赖于社会关系网络提供的信息难以实现圈子内的超额收益，创造更高的超额收益的关键还是在于基金经理对市场走势和个股潜力的判断，对各类风险敞口的适时调整。圈子中基于共同信息进行的决策还容易引发羊群效应，加剧市场的不稳定因素，违背机构投资者发挥市场稳定器作用的初衷。

2) 对监管层而言，私有信息对基金绩效的溢价效应说明当前中国资本市场仍然存在高度的信息不对称。根据市场有效性理论，投资者只有在不完全市场中才可能获得超额收益。机构投资者相较于中小投资者拥有更多的信息渠道，更有可能通过内幕交易获得超常收益，如此会侵犯中小投资者的权益。

本文通过实证分析得出基金经理社会关系网络对基金绩效的溢价效应主要是通过基金的私有信息含量来影响传导的。私有信息包括一些非重大、非公开的信息，也包括重大非公开的内幕消息。根据特许金融分析师(CFA)的道德标准，从业者可以通过自己所获得的非重大非公开信息来进行投资判断和投资决策，但不允许使用重大非公开信息。根据中国2014年修订的《证券法》第七十五条的定义，内幕消息为在证券交易活动中，涉及公司的财务、经营或者对该公司相关证券的价格有重大影响的尚未公开的信息。投资者利用内幕信息用于投资判断和交易决策的属于非法行为。然而，社会关系网络联系过程中的信息传递往往有一定隐蔽性，且内幕信息往往不会以固定的形式出现，在许多情况下基金经理交往过程中的内幕信息传递较难被发现或查处。

中国对于内幕信息认定的法律制度仍存在一些不足。首先，内幕信息的认定范围较窄。中国目前采用穷取法来对内幕信息进行描述，并将此与社会上的内幕信息进行一一匹配，这种方法虽然操作性强，但是不能穷尽生活中所有的内幕信息交易，存在没有被列举出来的重大非公开内幕消息的漏网之鱼。其次，中国对于内幕信息的判断标准不统一，因此在实践过程中比较难排除不可靠及标准外的信息，对于谣言、误传的信息和内幕信息的之间的界限没有明确的认定标准，增加了处罚标准确定的难度。最后，中国在认定内幕人时也依旧使用列举法，将内幕人的身份作为判定标准，而不是以是否掌握内幕信息作为判定标准，导致有部分人有获得内幕信息的渠道，却不在监管范围内。通过社会关系网络传递的私有信息渠道较为隐蔽，社会关系网络的传递过程较难全程连续监管跟踪，是监管层面临的重要挑战。

基金项目

中国人民大学2020年度拔尖创新人才培育资助计划成果。

NOTES

^*通讯作者。