黄 辉

在实现中国式现代化的过程中,我们需要进一步完善金融市场,以支撑经济的高质量发展。法与金融学的相关研究表明,投资者保护的法治水平是影响金融市场发展的主要因素。(1)E.g., Rafael La Porta et al., Legal Determinants of External Finance, the Journal of Finance, Vol. 52, 1997, pp. 1131-1150; Rafael La Porta et al., Law and Finance, Journal of Political Economy, Vol.106, 1998, pp. 1113-1155.这些研究引起了许多争议,其中一个主要批评是其过于注重法律条文而忽视了法律执行。(2)E.g., John C. Coffee, Jr., Law and the Market: The Impact of Enforcement, University of Pennsylvania Law Review, Vol.156, 2007, pp.229-311.“法律的生命在于执行”,制定良好的法律条文无疑很重要,但法律制度的有效性最终取决于执法。法律执行问题在证券市场内幕交易的规管上尤为突出,因为内幕交易非常隐蔽,素以发现难、侦破难和处罚难著称,同时又会严重损害投资者利益和市场信心。因此,如果只有内幕交易法律但执行不力,则无法有效遏制内幕交易。(3)Utpal Bhattacharya &Hazem Daouk, The World Price of Insider Trading, the Journal of Finance, Vol.57, 2002, pp.75-108.

我国自上世纪90年代初成立上海和深圳两个证券交易所以来,就积极借鉴域外经验逐步建立了内幕交易法律体系,主要包括《证券法》的相关条款,以及一些法规、司法解释和指引性文件等,比如2007年证监会制定的《证券市场内幕交易行为认定指引(试行)》(以下简称《2007指引》),(4)参见《中国证券监督管理委员会关于〈证券市场操纵行为认定指引(试行)〉暨〈证券市场内幕交易行为认定指引(试行)〉的通知》。该通知本质上是证监会的一份内部指引文件,旨在帮助其工作人员更好地理解和执行内幕交易法律。2020年10月,证监会发布《关于修改、废止部分证券期货制度文件的决定》,废除了该指引。2012年最高人民法院、最高人民检察院联合发布的一个处理内幕交易刑事案件的司法解释(以下简称《2012解释》)等。(5)参见《最高人民法院和最高人民检察院关于办理内幕交易和泄露内幕信息刑事案件具体应用法律若干问题的解释》。我国内幕交易法律的执行情况如何?执法力度在国际上处于什么水平?影响执法力度的因素有哪些?我国内幕交易法律应当如何继续完善?针对这些问题,本文收集了我国截至2019年证券法生效之前的所有相关内幕交易案件,运用描述统计和多元回归等方法,对于我国内幕交易执法情况进行全面和深入的实证研究,并与相关境外法域进行比较,包括美国、英国、澳大利亚、加拿大、新加坡和中国香港地区,最后基于实证数据对我国2019年证券法修订的得与失进行评估,指出未来继续完善的方向。(6)由于本文的实证研究期间截至2019年证券法生效之日,当时适用的证券法为2005年修订并于2014年修正的《证券法》,因此,除非特别指出,本文所引的证券法条文均为该版本。

一、研究背景、问题面向与方法选择

(一)内幕交易的构成要件和法律渊源

内幕交易的构成要件主要包括内幕人员、内幕信息、行为类型和主观状态等。首先,2005年《证券法》第73条概括地禁止证券交易内幕信息的知情人和非法获取内幕信息的人利用内幕信息从事证券交易活动。第74条列举了一些被视为“证券交易内幕信息的知情人”的人员,还有一个涵盖“其他人”的兜底条款。《2007指引》进一步列举了几种可能属于上述兜底条款的人。(7)参见《2007指引》第6条第2款。此外,第76条将非法获取重大非公开信息的人也纳入内幕人员的范围,《2007指引》对该条款涵盖的人员进行了列举。(8)参见《2007指引》第6条。另外,《2012解释》规定了刑事诉讼中认定“非法获取内幕信息”的三种情形。(9)参见《2007指引》第2条。

《证券法》第75条第(1)款规定,内幕信息是指“证券交易活动中,涉及公司的经营、财务或者对该公司证券的市场价格有重大影响的尚未公开的信息”,然后,该条第(2)款列举了内幕信息的一些具体类型,另外也有一个兜底条款,即证监会规定的“其他信息”。

内幕交易责任的主观要件包括以下三个方面。首先,内幕人员确实拥有内幕信息。其次,内幕人员知道或应当知道其所拥有的信息是内幕信息。从法理上讲,这两点没有理论争议,主要是证据问题,因此,证监会和法院一直在探索举证责任倒置的解决方式。根据《2007指引》第20条,如果行为人有正当理由相信内幕信息已公开或者事先不知道泄露的信息为内幕信息,则可以免除内幕交易责任。《2012解释》对刑事诉讼中的举证责任倒置作出了规定。再次,在交易时仅仅拥有内幕信息是否就足以导致法律责任,还是需要进一步表明内幕人实际使用了该信息?这一问题在国际上被称为“信息的拥有与使用”之争,主要有四种不同观点。(10)Hui Huang, The Insider Trading “Possession versus Use” Debate: An International Analysis, Securities Regulation Law Journal, Vol.33, 2006, pp.130-151.《证券法》在这一问题上比较模糊,但根据《2007指引》第20条第1款和《2012解释》第4条,通常情况下拥有内幕信息就足够,但内幕人可以反证没有利用内幕信息而免责。此外,就内幕人的行为类型而言,除了交易行为,泄露信息和建议买卖行为也被禁止。(11)参见《证券法》第76条。

(二)内幕交易的法律责任及其限定

法律执行的保障和后果是法律责任,我国内幕交易的法律责任共有三种类型,包括行政责任、刑事责任和民事责任,前两种统称为公共执行,第三种称为私人执行。首先,根据《证券法》第202条,内幕交易的行政责任包括责令依法处理非法持有的证券、没收违法所得和罚款等。然而,“违法所得”一词的含义并不清楚。首先,“违法所得”是否包括通过内幕交易避免的损失?有学者似乎把“违法所得”理解为“违法利润”,认为应当修改第202条,以便适用于避免损失的案件。(12)Charlie Xiaochuan Weng &Jingwei Jia, Assessing the Administrative Sanctions Regime for Insider Trading in China: An Empirical Approach, Asian Journal of Comparative Law, Vol.10, 2016, pp.343-358.此外,第202条对如何计算违法所得没有具体规定。《2007指引》提供了一些指导,第21条规定,违法所得是指行为人实施内幕交易行为获取的不正当利益,即行为人买卖证劵获得的收益或规避的损失。第22和23条进而对于如何计算违法所得提供了指导。因此,第202条似乎可以用来处理避免损失的案件,本文将通过案例数据来检验这一推测。

《刑法》第180条规定了内幕交易的刑事责任,包括罚金、拘役和有期徒刑等。《2012解释》对“情节严重”和“情形特别严重”等进行了界定,相关考量因素包括交易总额、获利或者避免损失总额、内幕交易违法行为次数等,(13)参见《2012解释》第6条,第7条。契合2010年最高人民检察院与公安部联合发布的内幕交易刑事立案标准。(14)参见《最高人民检察院公安部关于公安机关管辖的刑事案件立案追诉标准的规定(二)》(2010)第35条。该规定在2022年4月被修订。为检验这些因素在现实中的运用和影响,本文将对于相关案例进行回归统计分析。

《证券法》原则上规定了内幕交易的民事责任,但没有提供具体的适用指导,比如原告范围、因果关系认定和损害赔偿标准等。(15)参见《证券法》第76条。现实中,内幕交易的民事赔偿案件很少,基本上都没有胜诉。(16)例如,2008年陈宁丰诉陈建良案撤诉,2009年陈祖灵诉潘海深案和2012年李岩诉黄光裕案均未成功。2015年9月30日,光大证券内幕交易民事案件在上海第二中级人民法院宣判,成为首例胜诉案件,但该案情况特殊,属于指定管辖。其后至今,未有提起其他民事案件。因此,与行政责任和刑事责任相比,民事责任在目前我国内幕交易法的执行中运用不彰,且限于篇幅,故不作为本文研究的对象。

(三)研究方法的选择

本文有三个主要研究目标,并根据这些目标,在研究方法上进行了创新。第一,对相关案件的时间分布、内幕人的身份、内幕信息的性质和刑事处罚的运用等进行描述性统计。这方面已有一些研究,但研究区间较早,案例样本不够全面。例如,笔者于2006年的一个早期研究考察了我国截至2003年底的所有内幕交易案件;(17)Hui Huang, International Securities Markets: Insider Trading Law in China, London, Kluwer Law International, 2006.该研究后来在2012年更新(以下简称“2012年研究”),将样本扩大至2011年5月。(18)Hui Huang, Insider Trading and the Regulation on China’s Securities Market: Where Are We Now and Where Do We Go From Here? Journal of Business Law, Vol.5, 2012, pp.379-404.近年来,我国加大了对内幕交易的执法力度,有必要及时跟进研究,因此,本文将研究区间扩展到2020年3月1日(2019年新证券法生效之日),(19)以2019年证券法生效时间作为截止日的主要考虑是,一方面通过研究2019证券法生效之前的案例去揭示前期的执法情况,以评判2019证券法修订的得失;另一方面,将来可以对于生效前后两个阶段进行对比研究,以评估新证券法的实效。时间跨度约为30年,是目前案例覆盖最全面的研究。(20)近年来国内出现了一些相关的实证研究,如彭冰:《内幕交易行政处罚案例初步研究》,载《证券法苑》2010年第2期;蔡奕:《我国证券市场内幕交易的法学实证分析——来自31起内幕交易成案的统计分析》,载《证券市场导报》2011年第7期;邢会强:《证券欺诈规制的实证研究》,中国法制出版社2016年版;彭志等:《中国资本市场20年内幕交易行为案例综述》,载《财经研究》2017第12期。这些研究有重要价值,但研究区间较早,且研究方法限于描述性统计,国际比较分析不足。为了揭示近年来的新情况,本文将与“2012年研究”的相关发现进行纵向对比;另外,也将我国情况与其他法域进行横向对比。(21)Victor Lei &Ian Ramsay, Insider Trading Enforcement in Australia, Law and Financial Markets Review, Vol.8, 2014, pp.214-226; Hong Kiu Chan, Raymond Siu Yeung Chan &John Kong Shan Ho, Enforcement of Insider Trading Law in Hong Kong: What Insights Can We Learn From Recent Convictions? Australian Journal of Corporate Law, Vol.28, 2013, pp.271-303.

第二,通过观察证监会和法院对内幕交易实施处罚的类型、幅度和频率来衡量公共执法的强度。2017年,澳大利亚墨尔本大学法学院一个研究团队提出了一个用于测算内幕交易处罚力度的量化模型。(22)Lev Bromberg, George Gilligan &Ian Ramsay, The Extent and Intensity of Insider Trading Enforcement—An International Comparison, Journal of Corporate Law Studies, Vol.17, 2017, pp.73-110.该模型首先根据各类处罚的严厉程度确定相应的等级体系,然后进行基本赋值,并根据处罚的具体规模或持续时间,对于赋值进行加权调整。该量化模型已经在多个法域被用于测算内幕交易执行力度,效果很好,且积累了很多相关的数据,因此,本文借鉴它来研究中国案例,并与相关的境外数据进行对比。

第三,对影响内幕交易处罚力度的相关因素进行识别、测算和分析。第二个研究目标已经对于处罚力度进行了赋值量化,因此,这里将采用多元回归分析方法,构建一个数学模型,其中的因变量就是处罚力度,属于连续变量,而自变量就是法条提及的各种影响因素,检验这些因素是否以及在多大程度上对于执法力度产生了具有统计学意义的显著影响。

二、内幕交易执法的特征:描述统计

(一)总体情况:案例数量和类型

在研究期间内,本文发现了410起案件,与“2012年研究”发现的39起相比,案件数量大幅增加。这表明我国近年来内幕交易的执法力度有了显著提高。本文将研究期间以五年窗口进行划分,以显示案件的时间分布。图1显示,自2011年以来,案件数量呈爆炸性增长,2011-2015五年期间的案例达到150个,2016-2019期间为四年,而案例高达223个。(23)本文研究期间截止到2020年3月1日,但2020年前两个月没有案例,故案例统计实际上截止到2019年底。因此,在2011年至2020年3月约9年的期间内,案例总数为373个,而1991年至2010年20年的案例总数仅为37个,不足前者的十分之一。

图1:案件的时间分布

从案件类型看,行政处罚案件为342起,占全部案件的83.41%,表明我国在执行内幕交易法时非常依赖行政处罚。另外,刑事处罚也越来越多。在研究样本中,刑事案件共有68个,占比16.59%。我国对内幕交易的刑事追诉起步缓慢,虽然刑事责任自1997年起就已存在,但直到2003年才在深深房一案中适用。(24)参见深圳市罗湖区人民法院(2003)深罗法刑初字第115号刑事判决书(叶环保、顾健内幕交易案)。不过,自2008年以来,刑事案件明显增长,特别是2011年以来,大多年份的刑事案件数量都在5个以上,2017年和2019年更是达到两位数。

(二)内幕人员的类型

由于在一些案件中有多名被告,因此,本文统计的被告数量有666个。上市公司的控制人、董事、高级管理人员等传统内幕人占比17.11%;加上其母公司和子公司的传统内幕人,传统内幕人总数仅为136人,占所有被告人的20.42%。与此相比,“2012年研究”发现传统内幕人是最大的内幕人群体,占比高达70%。

表1显示,最大的内幕人群体是推定内幕人。他们本身不是内幕人,但由于参与了相关上市公司的重大交易而获得了内幕信息,包括上市公司聘请的为重大交易提供专业服务的人员,例如投资银行人士、会计师和律师等。共有151名推定内幕人,占比高达22.67%,而在2012年的研究中,只有5名此类内幕人,占比仅为10%。证券监管官员在3起案件中成为内幕人。(25)参见郑州市中级人民法院(2011)郑刑一初字第14号刑事判决书(肖时庆内幕交易案,肖时庆时任中国证监会上市公司监管部副主任);中国证监会(2014)77号行政处罚决定书(李洪弢案,李洪涛在深圳证券交易所中小企业监管部工作)。

表1:内幕人是谁?

第74条第(7)款的兜底条款在实践中得到了积极使用。在11起案件中,此条款用以处罚了非证券监管机构的政府官员,比如市长和发改委官员等;(26)参见江苏省南通市中级人民法院(2010)通中刑二初字第5号刑事判决书(刘宝春等人内幕交易案,刘宝春时任南京市经济委员会主任);广东省广州市中级人民法院(2011)刑二初字第67号刑事判决书(李启红等人内幕交易案,李启红时任中山市市长)。在2起案件中,处罚了上市公司的兄弟公司及其董事、监事和高级管理人员。(27)参见中国证监会(2010)22号行政处罚决定书;福建省厦门市中级人民法院(2010)闽刑终字第398号刑事判决书(上海祖龙景观开发有限公司等内幕交易案)。有10名被告被列为“其他人”,因为很难将他们归入通常的内幕人类别,主要来自光大证券案。(28)参见中国证监会(2013)59号行政处罚决定书。

如前所述,内幕人员还涵盖非法获取重大非公开信息的人员,主要包括三类人员:(1)通过非法途径获取内幕信息的人员;(2)主要内幕人的近亲或者与主要内幕人有其他密切关系的人员;(3)通过其他途径获取内幕信息的人员。其中,第二类最多,占全部案件的33%,表明“管住身边人”的重要性。

(三)内幕信息的类型

本文发现,超过60%案件的内幕信息涉及并购,主要原因有以下三个。首先,并购交易总能导致价格的重大波动,从而为内幕交易创造了机会。其次,并购活动通常涉及很多人,使得相关信息很容易泄露,增加了内幕交易的机会。最后,我国并购法律制度还不够完善,特别是在信息披露方面,为内幕交易提供了温床。从比较法角度看,英国和美国等法域也有类似情况。(29)Paul Barnes, Stock Market Efficiency, Insider Dealing and Market Abuse, 154-61 (Farnham: Gower. 2009); K. Alexander, Chapter 37-Market Structures and Market Abuse, in Handbook of Safeguarding Global Financial Stability, 386 (Gerard Caprio, Jr., et al. eds., 2013); Kenneth R. Ahern, Information Networks: Evidence from Illegal Insider Trading Tips, Journal of Financial Economics, Vol.125, 2017, pp.31-32.

第二大类内幕信息是关于重大合同或投资的,共有84起案件,占比18.54%。本文也发现了其他类型的内幕信息,涉及股利分配计划、资本增加或收益。总体而言,上述发现与“2012年研究”的结果相似。

需要指出的是,在高达96.69%的案例中,内幕信息都是正面的利好消息,即如果信息被披露将推高相关证券的价格。基于正面的内幕信息,内幕人通常会事先购买相关证券,在信息公开后再出售。美国等法域也有类似情况,但负面内幕信息的比例高于我国。(30)Kenneth R. Ahern, Information Networks: Evidence from Illegal Insider Trading Tips, Journal of Financial Economics, Vol.125, 2017, pp.31-32.该文发现负面的内幕信息占比大概25%。

我国鲜有涉及负面内幕信息的案件并不奇怪。一方面,这类案件通常更难发现和证明,因为内幕交易行为是单向的,只出售证券而避免损失。相比之下,基于正面信息的内幕交易需要“先买后卖”,从而留下更多的侦查线索和证据。另一方面,在我国,利用负面信息进行内幕交易的机会很少。现实中,基于负面信息的内幕交易主要有两种方式:(1)内幕人在负面信息公布之前出售自己持有的相关证券。然而,除了传统的内幕人,比如控股股东和持有公司股份的董监高等,其他内幕人不太可能持有相关证券。另外,对于董事、监事、高管人员,其持股情况受到严格监管,如有变更,必须予以披露,而且他们不能随意出售股份。(2)知情人也可以通过卖空相关证券而获利,即先借来相关证券并出售,然后在负面信息公开导致价格下跌后买回。我国从2010年开始允许融资融券交易,但有各种限制,包括交易者的资格、卖空证券的范围和数额等。(31)参见《证券公司融资融券业务管理办法》第12条(规定投资者的资格要求);第18条(规定允许证券的范围)。简言之,内幕人员很难通过负面消息进行交易而获利,因此案件数量不多。

(四)内幕交易行为的类型

表2显示了不同类型的内幕交易行为。“只交易”类别有383宗,占全部案件的83.80%。这一类型通常是最隐秘的,因为只有内幕人自己进行了交易。近年来随着我国对内幕交易的监管越来越严厉,内幕人变得越来越谨慎,通常选择“闷声发大财”式的交易,而不是泄露信息或建议他人交易。

表2:内幕交易的行为类型

本文进一步发现,在“只交易”的案例中,在2008年之前,使用他人账户进行交易的案例很少,但在随后几年中,这一比例大致上升到20%至40%之间,2014年后更是逐步攀升,2016年达到48.33%,2018和2019年更是超过50%。这表明,利用他人账户进行交易的问题很普遍,而且近年来日益严重,使得内幕交易更为隐蔽,增加查处难度。

(五)违法所得的计算

金钱性处罚措施是重要的行政和刑事责任方式,包括纠正性金钱处罚(没收违法所得)和惩罚性金钱处罚(罚款与罚金)。这些处罚方式都是以违法所得为参照,但如何理解和计算违法所得存在争议。

本文发现,在总共666名被告中,391名通过内幕交易获得了正利润,占比近60%,这些案件都是将实际利润数额作为处罚依据,在没收利润之外,又进行罚款。另一方面,125名内幕人的最终利润为负,一个主要原因是,在内幕信息披露后,内幕人继续持有证券,希望价格进一步上涨,但随后由于市场总体走势或其他原因导致价格下跌,内幕人最终反而赔钱。这些案件大都是以名义利润作为处罚依据,但由于没有实际利润,就只是罚款。比如,在黄光裕内幕交易案中,黄光裕在内幕消息公布后的账面盈利是3亿元,但一直持有,后来由于2008年全球金融危机导致股市大跌,不但没有盈利,反而倒亏65%,因此,黄光裕被判处罚金6亿元,是其当初账面浮盈的两倍。(32)参见北京市第二中级人民法院(2010)二中刑初字第689号刑事判决书(国美电器有限公司受贿、黄光裕非法经营、内幕交易案)。

与获得违法利润的案件相比,规避损失案件非常少(只有24起),仅占全部案件的3.60%。这是因为规避损失通常是利用负面的利空信息,而如前所述,在我国利用负面的内幕信息进行内幕交易的机会很少,而且更难发现。在这些案件中,由于没有违法利润,通常只进行了罚款。

三、内幕交易执法的强度及其影响因素:多元回归

(一)执法强度的赋值与计算

本部分将借鉴澳大利亚墨尔本大学法学院研究团队对内幕交易执法强度的一项重要研究(以下简称“墨大研究”),该研究对于内幕交易的各种处罚方式进行了量化赋值,并比较了六个重要法域的执法强度,包括澳大利亚、加拿大(安大略省)、中国香港、新加坡、英国和美国。(33)Lev Bromberg, George Gilligan &Ian Ramsay, The Extent and Intensity of Insider Trading Enforcement—An International Comparison, Journal of Corporate Law Studies, Vol.17, 2017, pp.73-110.由于该研究涵盖2009年1月1日至2015年12月31日的七年期间,因此,为了具有可比性,本文使用我国的同期数据进行研究,并根据国情对数据进行相应调整。

“墨大研究”将处罚分为四大类,包括监禁刑(custodial sentences)、市场禁入(banning orders)、惩罚性罚款(punitive pecuniary sanctions)和纠正性/恢复性罚款(corrective/restorative pecuniary sanctions)。这种分类方法对我国也适用。本文对于我国上述各种处罚的强度分别进行了统计并进行了加总,限于篇幅,这里不展示分别统计的结果,而是直接报告总体强度,并探究其影响因素。

显然,不同类型的处罚在处罚效果方面具有可替代性,当监管机构或法院在决定判罚时,他们通常是考虑整体的处罚效果。为了衡量执法的整体强度,我们借鉴“墨大研究”的量化模型,为每个处罚赋值。需要指出,本文也根据国情进行了一些必要调整,比如,鉴于我国与其他法域经济发展水平的差异,根据人均GDP对相关数据进行了调整,以更科学地反映处罚措施的社会效应。(34)人均GDP数据来自于世界银行(http://data.World Bank.org/indicator/NY.GDP.PCAP.CD),根据2009年至2015年这七年中每一年的比率计算平均数。

表3显示,我国的处罚强度总值为3449.23,仅次于美国,远高于其他法域。经市值调整后,我国的处罚总值是所有法域中最高的,几乎是美国的三倍;澳大利亚位列第二,但明显落后于我国。需要注意,虽然我国处罚强度的总值很高,但平均数和中位数是第二低的,这表明除了某些大案要案之外,我国对内幕交易的处罚整体上并不严厉。

表3:我国与境外法域的处罚数值比较

(二)研究假设与检验模型

本部分利用多元回归方法探讨内幕交易处罚的影响因素。由于处罚分为行政处罚和刑事处罚两大类,因此,需要对它们分别研究。在行政处罚中,罚款是主要的处罚类型,因此,将首先研究罚款的决定因素,然后将各种行政处罚类型加总进行研究。同样,对于刑事案件,首先研究作为主要刑事处罚类型的监禁刑期的决定因素,然后将各种刑事处罚作为一个整体进行研究。这就有四个不同的因变量:(1)行政罚款;(2)行政处罚的总值,包括行政罚款和其他类型的行政处罚;(3)监禁刑期;(4)刑事处罚的总值,包括有期徒刑和其他类型的刑事处罚。这些因变量的数值来自于前文中的赋值计算。

在确定自变量时,首先根据前文对于我国内幕交易法律的讨论,假设以下几个因素可能对处罚有影响。第一是违法所得,体现为实际利润、名义利润或规避损失;第二,行为特征,体现为是否存在交易、泄露信息、建议买卖等多种违规行为,或同一类违规行为多次发生;第三,内幕人身份,体现为内幕人是否为董事、监事、高管或者证监会工作人员,这些人身份特殊,通常是内幕信息的源头;第四,是否造成特别恶劣社会影响;第五,是否存在自首、供述、立功等减轻处罚因素。

除了以上五个因素之外,我们在阅读判决的基础上,增加了另外两个潜在因素。第一,受内幕交易影响的上市公司的身份,即上市公司是否为国有控股公司。内幕信息是上市公司的财产,内幕交易实质上侵犯了上市公司的财产权。(35)Henry Manne, Insider Trading and the Stock Market (1966); Stephen M. Bainbridge, Regulating Insider Trading in the Post-Fiduciary Duty Era: Equal Access or Property Rights? in Stephen M. Bainbridge (ed.), Research Handbook on Insider Trading 80-98 (2013).因此,涉及国有控股上市公司的内幕交易可能受到更严厉的惩罚。第二,如前所述,内幕人越来越多地选择使用他人账户进行交易,以逃避责任。理论上讲,处罚对违法者的威慑效果是处罚强度和被处罚概率的函数。由于使用他人账户可能减少被抓被罚的概率,因此,理论上这种行为会受到从重处罚,以达到预期的威慑水平。

综上,我们使用以下多元回归模型分别确定行政罚款、行政处罚总值、监禁刑期和刑事处罚总值的决定因素。

行政罚款/行政处罚/监禁刑期/刑事处罚=α+β1* 违法所得+β2*违规数量+β3*内幕人身份+β4*社会影响+ β5*减轻因素+β6*上市公司身份+β7*账户+ε

其中,因变量为:

●行政罚款=行政罚款数额;

●行政处罚=案件获得的所有行政处罚,包括行政罚款和其他行政处罚;

●监禁刑期=以监禁月数计算的监禁刑期;

●刑事处罚=案件获得的所有刑事处罚,包括有期徒刑和其他刑事处罚。

自变量为:

1.违法所得=内幕人实际利润或名义利润或规避损失;

2.违规数量=如果存在多种类型的违规活动(包括交易、泄露信息和建议买卖)或同一类型违规活动多次发生,则虚拟变量为1,否则为0;

3.内幕人身份=如果内幕人是涉案公司及其关联公司的董事、监事或高管或证监会的工作人员,则虚拟变量为1,否则为0;

4.社会影响=如果案件造成特别恶劣的社会影响,则虚拟变量为1,否则为0;

5.减轻因素=如果存在自首、供述和立功等减轻因素,则虚拟变量为1,否则为0;

6.上市公司身份=如果涉案公司是国有控股,则虚拟变量为1,否则为0;

7.账户=如果内幕人使用他人账户进行交易,则虚拟变量为1,否则为0。

α和βs (待估计的系数)是常数,而ε是残基变量(误差项)。

(三)行政罚款、监禁刑期的影响因素

为了检验回归模型的有效性,特别是自变量的多重共线性问题,首先需要对回归模型中的所有变量进行Pearson相关性分析。表4显示,违法所得与社会影响之间的二元相关系数很大(0.140),在0.01水平上具有统计学意义(双尾)。所有自变量之间的最大相关系数在上市公司身份和账户之间(0.200),在0.01水平上(双尾)具有统计学意义。但是,所有其他自变量相关系数的绝对值都在0.140以下,且这些变量的最大方差膨胀因子(VIF)为1.054,远低于4-5的经验阈值,表明没有严重的多重共线性问题。

表4:以行政罚款为因变量的所有变量的Pearson相关分析

另外,表4显示,因变量与一些自变量(包括违法所得和社会影响)显著相关,为自变量对因变量的影响提供了一些初步支持。然而,Pearson相关分析只关注因变量与各个自变量之间的孤立的相关性,但多个自变量之间可能会相互影响,因此需要进行多元回归模型来进一步分析。表5显示了多元回归结果。回归模型的拟合效果很好,F值为164.461,其p值为0.000,校正R2为0.767,表明该模型已经涵括了行政罚款的主要影响因素。另外,模型中四个自变量的系数具有统计学意义。其中,社会影响是最重要的因素;(36)t值为2.879,p值为0.004,具有统计学意义上的显著性。其次是违法所得。(37)t值为2.717,p值为0.007,具有统计学意义上的显著性。违法所得系数为0.903,p值为0.000,显示该变量与行政罚款数额高度相关,从而表明证监会通常基于违法所得进行罚款。

表5: 行政罚款决定因素的回归分析

需要注意,上市公司身份的影响有显著性,p值为0.096。其系数的负号表明,当上市公司为国有控股公司时,行政罚款显著较低。这与涉及国有控股公司案件的处罚强度应该更大的预测相反。对此有两种可能的解释:1)国有控股上市公司的内幕人通常具有强大的社会政治资源,因此能够获得从轻处罚;2)如前所述,2010年后我国加大了对内幕交易的打击力度,导致案件增多,处罚强度加大。我国证券市场最初主要是为国有企业筹集资金而建立的,但2010年后国有企业大多完成上市,非国有企业的上市比例越来越高。因此,上市公司身份的负系数有可能是由于涉及内幕交易的公司身份分布不均造成的。

另外,本文以41起刑事案件中87个被告的量刑数据为基础,对影响刑期的主要因素进行了研究。同样,为了检验研究模型的有效性,首先对回归模型中的所有变量进行Pearson相关性分析,然后进行多元回归分析。本文发现,上文提到的回归模型中四个自变量的系数都具有统计学意义。其中,减轻因素最显著,(38)t值为-2.894,p值为0.005,具有统计学意义上的显著性。而违法所得的系数为0.437,表明了内幕人每从交易中获得一百万元违法所得,就可能被多判处0.437个月的有期徒刑。

(四)行政处罚、刑事处罚总值的影响因素

上文分别研究了行政罚款数额和监禁时间长短的主要决定因素。现实中,行政和刑事案件通常还有其他处罚措施,在决定如何惩罚内幕人时,监管机构或法官会将各种处罚进行整体考虑。因此,本文将行政或刑事处罚的总值作为因变量,运用以下回归模型来分别研究行政处罚和刑事处罚的决定因素:

行政处罚/刑事处罚的整体强度=α+β1*违法所得+β2*违规数量+β3*内幕人身份+β4*社会影响+β5*减轻因素+β7*账户+ε

表6显示了行政处罚总值的回归结果。回归模型的F值为19.741,p值为0.000,校正R2为0.232,拟合性良好,表明已经涵括了对行政处罚总体强度的主要决定因素。模型中三个自变量的系数具有统计学意义,社会影响是其中最重要的因素;(39)t值为7.069,p值为0.000,具有统计学意义上的显著性。其次是减轻因素。(40)t值为-4.231,p值为0.000,具有统计学意义上的显著性。

表6:行政处罚总体强度的影响因素的回归分析

本文对于刑事处罚的总体强度也进行了回归分析,回归模型的F值为6.466,p值为0.000,校正R2为0.276,拟合性良好,表明已经涵括了对刑事处罚总值的主要决定因素,包括账户、违法所得和减轻因素等,其中账户是最重要的因素。(41)t值为3.622,p值为0.001,具有统计学意义上的显著性。系数为6.337,说明如果利用他人账户进行交易,就会增加6.337的刑事处罚值。

四、实证结果分析与建议

(一)主要实证发现及其意义

本文实证研究的主要发现总结如下:

1.近年来内幕交易案件数量显著增长。在1991年至2010年的20年中,总共只有37个案例。然而,2011-2015年五年期间的案件增长为150起,2016-2019年四年期间的案件更高达223件。在总共410个案件中,行政案件342起,占比为83.41%,表明我国在执行内幕交易法时非常依赖行政处罚。虽然刑事处罚的数量相对不多,但近年来增长明显,显示打击力度不断加强。

2.从内幕人员类型来看,董事、高管人员等传统内幕人所占比例不断下降,而其他类型的内幕人员日益增多,尤其是中介机构人员。从内幕信息类型看,超过半数的案件都是与并购相关的内幕信息。此外,在超过96%的案件中,内幕信息都是正面的利多消息,显示了我国证券市场“单边市”的特征。从内幕交易行为类型看,“只交易”案件占比很高,此外,利用他人账户进行交易的趋势明显,表明内幕交易变得日益隐蔽。

3.从执法强度看,我国的总体处罚强度仅次于美国,但远高于其他法域。我国的处罚总值在所有法域中最高,但平均数和中位数是倒数第二,表明除了一些大案要案外,大多数案件的处罚强度并不高。(42)已有学者指出,证监会的执法策略主要是关注大案要案。参见吕成龙:《触不可及还是近在咫尺?——证监会内幕交易执法的风格与逻辑》,载《证券法苑》2019年第1期。本文的实证发现印证了上述问题。相比而言,目前已有研究在进行处罚强度的测算时通常只看某种或某几种处罚,比如罚款的数额与倍数,而忽视其他处罚,比如市场禁入和有期徒刑等;(43)参见吕成龙:《中国证监会内幕交易处罚的裁量之治》,载《法学评论》2021年第5期。或者对于各种处罚方式单独测算,而没有进行加总评估,(44)参见张舫:《对证监会执法强度的实证分析》,载《现代法学》2016年第1期。因此,本文通过赋值将所有处罚进行加总计算,更能准确反映我国内幕交易的处罚力度。

4.从影响处罚的因素看,行政罚款数额的主要影响因素包括违法所得和社会影响;有期徒刑的主要影响因素包括违法所得、内幕人身份、减轻情节和利用他人账户交易等;行政处罚总体强度的主要影响因素包括社会影响、减轻情节和使用他人账户交易等;刑事处罚总体强度的主要影响因素包括减轻情节、使用他人账户交易和违法所得等。

上述实证结果具有重要的理论和现实意义。首先,可为评估我国内幕交易法律的执行情况提供一手的数据,从而进一步提升执法水平和完善立法。本文揭示了我国内幕交易行政处罚和刑事处罚的相关经验,特别是处罚的影响因素,可作为监管机关和法院适用法律以及发布相关指引或司法解释的基础。其次,这些实证结果可以作为监督证监会执法水平的参考,同时促进证监会执法体系的优化。2010年证监会在上海、广东、深圳3个辖区开展试点,赋予地方证监局行政处罚权,2015年将试点推向全国。有学者指出,地方监管局“呈现出对同一类型违法行为处罚裁量幅度的各自偏好”,建议制定统一的处罚裁量指引。(45)参见吕成龙:《证监会地方执法的绩效实证与机制改革》,载《行政法学研究》2021年第4期。本文的实证模型可用以科学地检验地方证监局的处罚尺度是否有重大差异,并为证监会出台处罚裁量指引提供参考。最后,本文的实证方法可用以预测内幕交易案件可能受到的法律处罚,对于律师有重大意义,也能够影响潜在内幕人的行为选择,实现精准防范和威慑。这是当前法律科技(LegalTech)的一个核心功能,是大数据分析在法律研究和适用中的一个重要方向。

(二)对于2019证券法修订的评价

2019年,我国对证券法进行了重大修订,包括内幕交易制度的核心规则和配套规则,引起广泛关注,本文实证研究可以为这些规则的评价提供客观和坚实的数据基础。

首先,2019年证券法增加第51条第5款,在内幕人员范围中纳入“上市公司收购人或者重大资产交易方及其控股股东、实际控制人、董事、监事和高级管理人员”,这契合本文的实证发现。并购是内幕交易的高发场合,以前是通过旧证券法第76条和《2012解释》下的兜底类型予以规管,因此,有必要将这类内幕人员单列出来进行明确规定,凸显其重要性,加强威慑效果。

其次,第51条新增第8款,规定内幕人员也包括“因法定职责对证券的发行、交易或者对上市公司及其收购、重大资产交易进行管理可以获取内幕信息的有关主管部门、监管机构的工作人员”。本文发现,现实中已经有不少案例涉及上述人员,但以前只规定了证监会工作人员是内幕人员,因此,对于他们只能援用兜底条款进行处理。从比较法看,香港明确规定了内幕人员的外延涵括“任何公职人员或知名人士”,比如行政会议成员、立法会议员、负有相关行政或监管职责的委员会或团体、交易所成员等。(46)参见香港特别行政区《证券及期货条例》第248条。相对而言,内地股市受政策影响更大,甚至称为政策市,很多政府机关和监管机构都可能接触到重大非公开信息,因此,第8款具有合理性。但从表达逻辑上看,该款可以覆盖专门规定证监会人员的第7款,建议将来与第7款进行整合。

再次,第191条大幅提高了内幕交易的行政罚款,包括绝对数额和相对倍数。一方面,虽然我国的处罚总值很高,但平均数和中位数很低,表明除了一些大案要案外,我国大多数案件的处罚强度并不高。因此,在罚款的数额方面,第191条有助于既要打大老虎,也要打苍蝇,从而提升案件的总体执法强度。但另一反面,提高罚款的倍数可能意义不大。2019年之前罚款金额的上限规定为违法所得的5倍,而本文发现,现实中这一比例平均为311.18%,绝大多数案件是1倍,近年来更多是3倍,只有少量案件出现了顶格的5倍罚款。从比较法看,海外法域基本上都是1倍。因此,原来的5倍上限基本够用,2019年修订将倍数提高到10倍,似乎并无太大必要,而且过高的行政罚款可能影响民事责任的追究,不利于投资者的赔偿救济。

最后,第58条将不得“出借自己的证券账户或者借用他人的证券账户从事证券交易”的禁止性规定从原来的法人大幅扩展到了“任何单位和个人”。有人认为,此条过于宽泛,有不当限制交易权利之虞。从比较法上看,海外法域确实也没有类似的规定。然而,此条的扩张在中国国情下有其合理性。虽然此条不是直接规管内幕交易,但属于内幕交易法律的重要配套规则。本文发现,近年来我国出现借用他人账户以逃避内幕交易责任的明显趋势,给内幕交易的执法造成严重困难,因此,证监会和法院在进行处罚量刑时,通常会将借用他人账户从事内幕交易作为一个重要因素。比如,在我国香港地区著名的杜军内幕交易案中,(47)HKSAR v. Du Jun [2012] HKEC 1280.上诉法官在量刑时,特别提到了杜军是通过自己的账户交易,显示欺诈性不强,是最终减刑的一个重要考量因素。

(三)内幕交易执法的完善建议

根据前面实证发现,本文提出一些完善建议。这些建议主要针对内幕交易法律规则,包括内幕人员范围、违法所得计算和举证责任等,因为这些规则会直接影响执法标准,并最终影响执法强度。当然,执法强度还与执法机制本身有关,包括执法人员数量、质量、经费,以及诸如有奖举报等举措,但这些问题并不限于内幕交易,故此处不赘,留待以后进行专门研究。

1.内幕人员的界定方法

我国证券法在内幕人员的界定路径上存在重大缺陷,包括逻辑上的冲突和技术上的繁复,从而影响法律适用。2019年证券法继续对于内幕人员问题采用了列举方式,使得内幕人员的名单一再增长,即使这样,仍难免不周全,导致法律漏洞。前文述及,2019年证券法增加了第51条第8款,将内幕人员范围扩展到证监会之外的其他监管机构和政府机关,从而可以覆盖2011年原中山市长李启红案而无需援引兜底条款。然而,在不断打补丁的过程中,新条款与老条款之间容易导致抵牾,比如,这个新加的第8款实际上可以涵括针对证监会官员的第7款,毕竟证监会也是“因法定职责对证券的发行、交易或者对上市公司及其收购、重大资产交易进行管理可以获取内幕信息的有关主管部门、监管机构”。另外,这种列举方式难免挂一漏万,比如,第51条第1款增加了发行人自己也是内幕人员,第2款和第3款分别将发行人的母公司和子公司纳入内幕人员范围,但似乎遗漏了上市公司的兄弟公司。现实中,为了弥补列举式立法的漏洞问题,证监会不得不通过2007年《内幕交易指引》等内部文件的形式进行补足,而这在形式上难谓正当,该规范性文件的效力层级较低,引发合法性质疑。最后,根据本文实证结果,即使在2019证券法的加长版内幕人员名单下,有些人还是无法归入已有的内幕人员名单中,只能通过兜底条款予以涵括。

这个问题实际上反映了我国内幕交易法律的构建体系问题。我国仍然采用了内幕人员与内幕信息分别界定的传统模式,容易导致内在的逻辑冲突。比如,第51条列举了各种内幕人员,但这些人都必然是内幕人员吗?他们都一定能接触到内幕信息吗?除了这些人,如果其他人知悉了内幕信息,是否应当也视为内幕人员?实际上,第51条是根据相关人员的身份与职位等界定内幕人,带有强烈的贴标签色彩,称为“个人联结”标准,是内幕人员界定的传统方法,以美国为代表。然而,近年来以澳大利亚为代表的更多国家开始采用“信息联结”标准,以内幕信息为核心构建内幕交易法律体系,先界定内幕信息,然后将内幕人员定义为拥有内幕信息之人,至于其身份,在所不问。(48)同前注,Hui Huang书。

2.内幕交易的规管理论

在更基本的层面上,内幕交易法律的构建模式反映了内幕交易的规管理论问题,从而导致立法技术上的路径依赖。2019年证券法第50条完全复制了2005年证券法第73条,规定了两类人员需承担内幕交易责任:一类是“内幕信息知情人”,另一类是“非法获取内幕信息的人”。这两类人员的关系令人困惑。从语义上看,“内幕信息知情人”似乎能够完全涵括“非法获取内幕信息的人”。确实,一个人成为“内幕信息知情人”,要么是合法获取、要么是非法获取内幕信息。以数学的集合概念来表达,“非法获取内幕信息的人”是“内幕信息知情人”的一个子集,二者是包含关系。然而,第53条的表述似乎是将二者视为相互独立的并列关系,即“非法获取内幕信息的人”不在“内幕信息知情人”的范畴之内。那么,到底什么是“内幕信息知情人”和“非法获取内幕信息的人”?为何会出现这种明显的逻辑冲突?

如前所述,第51条通过列举的方式界定了“内幕信息知情人”,根据相关人员的身份与职位等列举了各种内幕人员,实际上是借鉴了美国的“内幕交易古典理论”,而2012《内幕交易解释》界定了“非法获取内幕信息的人”,实际上是运用了美国的“信息盗用理论”。这两个理论都是以交易过程中的信义关系为基础,故可以被统称为“以信义义务为基础的理论”。

实际上,美国基于信义义务的内幕交易理论存在很多缺陷,导致法律的模糊不清,甚至有时相互矛盾,因此,中国内幕交易法律也出现类似问题毫不为奇。而且,由于我国缺乏信义义务的法律传统,对于“非法获取内幕信息的人”的理解更为混乱。有学者认为,2012《内幕交易解释》“三大类非法获取内幕信息的情形,实际上超越了《证券法》规定的范围。”(49)陈洁:《内幕交易事实认定中自由裁量权的适用及其规制——以内幕交易“知悉”要件的推定为视角》,载《清华法学》2018年第6期。当然,由于我国证券法有兜底条款,即“证监会规定的其他人”,我国内幕人的范围富有弹性,取决于证监会的自由裁量。本文实证研究发现,该兜底条款在实践中运用很频繁,虽然有效打击了内幕交易,但也导致了法律的不确定性。

相较而言,上文提及的“信息联结”标准采用的是“信息机会平等理论”,即信息获取的机会必须平等。根据该理论,内幕交易责任适用于所有人,而不论其身份和职位。从逻辑上讲,该理论关注宏观层面的证券市场秩序维护,从而避开微观层面的个人关系问题,操作上也就更为简便。近年来,越来越多法域选择采用该理论规管内幕交易,我国应该借鉴该理论对内幕交易法律体系进行结构性的改革。(50)Robin Hui Huang, The Regulation of Insider Trading in China: A Critical Review and Proposals for Reform, Australian Journal of Corporate Law, Vol.17, 2005, p.281.

3.违法所得的计算

从概念上看,违法所得可以分为两种主要形式,即违法利润和规避损失,而利润又可为正利润和负利润。前文实证发现表明,证监会根据内幕交易的利润正负进行不同处理:在正利润案件中,通常直接以实际利润作为违法所得,而在负利润案件中,则以名义利润为准。这种区别可能会导致处罚的不公平。

在香港,罚款都是以名义利润为准,而不管内幕人员最终获得的是正利润还是负利润。比如,在杜军内幕交易案中,杜军在内幕交易公布之前买入相应股票,然后,在内幕信息公布之后分两批卖出,第一批获利3343万港币,但第二批由于2008年全球金融危机而亏损3134万港币,因此,杜军实际只盈利大概200万港币。然而,法院没有以这个实际利润作为罚款基础,而是计算了名义利润,也就是杜军在内幕信息公布后立即卖出全部股票可以赚取的利润,大概为2332万港币,并最终按照这个数值进行罚款。如果杜军案发生在内地,可能会视为正利润案件,从而没收违法所得200万港币,并进行一定倍数的罚款,其最终处罚力度将低于香港法院的判决。这将产生一个很反常的结果:如果内幕交易的实际利润很低,金钱处罚也就很低,而如果内幕交易产生亏损,则内幕交易人不但要承担投资损失,而且根据名义利润施加的金钱处罚还更高,就像黄光裕案一样,这显然不符合过罚相当的原则,也有失公平。

另外,即使是在负利润的情况下,证监会也并非总是适用名义利润,而是定额罚款。比如,在与黄光裕案几乎同时期、案情也类似的赵建广内幕交易案中,赵建广本来有所获利,但没有及时卖出,最终由于市场大跌而倒亏35万元,证监会只对赵建广处以10万元罚款,而不是根据名义利润进行处罚。早在2010年就有学者对此提出批评,(51)参见彭冰:《内幕交易行政处罚案例初步研究》,载《证券法苑》2010年第2期。本文实证研究显示,证监会似乎已经意识到这一问题,近年来在处罚时主要以名义利润作为罚款的计算基础。

综上,本文建议统一采用名义利润设定惩罚性金钱处罚(罚款或罚金),而不管内幕交易的最终结果是正利润或负利润,但是,对于纠正性金钱处罚(没收违法所得),需要进行区分,只有当利润为正时才进行没收。另外,是否内幕人的所有收益都应一律视为违法所得,包括其在内幕消息公布后继续持有而取得的收益?现实中证监会是如此操作,因为这样做既可以避免识别和分离市场因素影响的难题,又可以防止违法人的不当得利。然而,这种做法应当有个限度,否则对于被告人有失公平。美国法院对此施加了“合理期间”的限制,即被告人在内幕信息公布后一个合理期间内的收益可以视为违法所得,但此之后的收益就不应涵括,毕竟这是被告人承担市场风险而取得的收益。(52)同前注, Hui Huang书,第265-268页。此限制比较合理,值得借鉴。

4.举证责任与抗辩事由

实证研究发现,现实中一个比较突出的问题是举证责任的分配以及抗辩事由。根据最高人民法院2011年发布的《关于审理证券行政处罚案件证据若干问题的座谈会纪要》,法院在审理证券行政处罚案件时,应当考虑某些证券违法行为的特殊性,采用举证倒置方式,由监管机构承担主要违法事实的证明责任,通过推定的方式适当向原告、第三人转移部分特定事实的证明责任。具体到内幕交易案件,如果监管机构提供的证据能够证明几种特定情形,且被处罚人不能作出合理说明或者提供证据排除其存在利用内幕信息从事相关证券交易活动的,法院就可以确认被诉处罚决定认定的内幕交易行为成立。

总体而言,上述举证倒置规则极大减轻了监管机关的举证责任,对于打击内幕交易发挥了重要作用,使得我国处罚强度很高,但也引发一些问题。一方面,现实中证监会对于推定规则有过度适用之嫌,适用条件和标准比较模糊,包括“基本吻合”、“较为吻合”、“高度吻合”等。法院在行政诉讼中已经明确指出上述问题,(53)参见北京市高级人民法院(2018)京行终445号,苏嘉鸿与中国证券监督管理委员会二审行政判决书。学者也对此表示担忧。(54)同前注,陈洁文。在法理上,监管机构或检控人应当承担举证责任,既可以是直接证据,也可以是间接证据或环境证据,而不管何种证据,都应当形成完整的证据闭环。而且,这种推定实际上包括了三个重要方面:第一是推定相关人员拥有相关信息,第二是推定这些人知道那些信息属于内幕信息,第三是推定这些人实际上使用了那些内幕信息。综上,这种推定规则在范围上很宽泛,在标准上很模糊,在效果上很严重,因此,境外法域对此非常慎重。在本文比较研究的六个境外法域中,除了新加坡,都没有采用举证倒置规则,而且,新加坡的推定规则只适用于某些特定人群,比如董事等与公司有联系的传统内幕人。(55)Securities and Futures Act (Singapore), s 218(4).

另一方面,由于推定范围很宽,需要规定一些抗辩事由,以避免责任过苛。很多境外法域都明确规定了抗辩事由,比如澳大利亚,新加坡和香港等。(56)Hong Kong Securities and Futures Ordinance, ss 271, 272 and 273; Securities and Futures Act (Singapore), ss222-230; Corporations Act 2001 (Australia), ss1043B to 1043K.这些抗辩事由包括中国墙机制(Chinese wall),(57)参见黄辉:《大型金融和市场机构中的中国墙制度:英美法系的经验与教训》,载《清华法学》2007年第1期。利用自身信息交易,(58)参见陈洁:《“利用自身信息交易”作为内幕交易抗辩规则的建构——兼论我国内幕交易安全港规则的基本框架》,载《现代法学》2021年第5期。拥有信息但没有使用,(59)曾洋:《证券内幕交易的“利用要件”》,载《环球法律评论》2013年第6期。不以获利或减损为目标的交易等。在黄光裕内幕交易案中,其中一个抗辩理由就是其交易目的是长期持有而非套现获利,但法院认为,无论黄光裕在买卖中关村股票时所持何种目的,只要作为内幕信息的知情者,在内幕信息价格交易敏感期内买卖该特定证券,无论是否获利,均不影响对内幕交易犯罪性质的认定。(60)参见北京市第二中级人民法院(2010)二中刑初字第689号刑事判决书(国美电器有限公司受贿、黄光裕非法经营、内幕交易案)。这个“不论目的”的观点值得商榷,抗辩事由机制需要完善。

四、余论

本文通过案例数据和回归统计方法研究了我国内幕交易的执法情况,特别是执法强度和影响因素,具有客观性和科学性的优势,但同时也有局限性,需要注意几点。首先,需要关注中国国情问题。我国有很多独特的政治、经济和文化等因素,可能影响与其他法域的可比性。当然,不同法域的可比性是比较法上的一个固有问题,本文已经尽力进行了处理,比如通过人均GDP对于相关数据予以调整。从大方向上看,其他法域至少能提供一些比较基准和参考指标,还是胜过完全闭门造车。不过,虽然我国的执法强度与其他六个法域相当,但这并不一定意味着这个强度对于我国是最优或适合的。作为一个新兴加转轨的市场,也正处在发展中的阶段,我国的内幕交易发生率应该不同于(很可能是高于)其他法域,那么,我国需要的执法强度水平应该更高,而不能满足于国际平均水平。至于我国的最优执法强度应当是什么水平,需要进一步研究。

其次,需要关注执法风格问题。近年来我国内幕交易刑事案件明显增长,特别是2011年以来,几乎每年的刑事案件数量都有5至7个。这类似于美国以处罚为主的硬性执法风格,而不同于英国强调以教化为主的柔性执法风格。在本文实证研究中,各种执法方式的赋值不同,刑事处罚的赋值远高于行政处罚和市场禁入等,比如,监禁刑的基本值高达18,而终身市场禁入的基本值是7,行政罚款的基本值更是只有4。因此,在这个赋值方式下,美国的硬性执法风格强调刑事处罚,(61)US Congress, Illegal Insider Trading: How Widespread Is the Problem and Is There Adequate Criminal Enforcement? Hearing Before the Committee on the Judiciary United States Senate,2006.其评分自然就高,在本文的执法强度榜单上排名第一。相对而言,具有绅士文化传统的英国对于白领人士很少适用刑法。虽然英国证券市场有几百年历史,内幕交易在上世纪八十年代才入刑,且直到2009年才有第一起刑事案件,(62)B. Harris and A. Harnes, Disciplinary and Regulatory Proceedings, 5th ed (Jordans, 2009), Ch.17.居然比我国还晚,数量更远少于我国,因此英国在榜单上排名倒数第三。然而,执法的目的不是简单的处罚,一罚了之不能解决问题,如何平衡执法的惩罚和教育功能,应当采取何种执法风格,需要更多研究。

最后,需要关注执法效率问题。研究执法强度的目的在于评估执法效果,即对于违法行为的威慑效果,这既取决于已发现案件的处罚力度,也包括案件发现的概率。对于违法人员而言,这就是违法成本问题。在法经济学上,违法成本可以简化表达为违法者被抓的概率与被抓后各种惩罚的乘积,即:违法成本=被抓概率 * 惩罚力度。(63)同前注,Hui Huang书, Chapter 3.被抓概率是实际案例与潜在案例(发生了但未被查处的违法案例)的一个比率,其数值越高,表明被查处的可能性越大。该比率反过来对应违法暗数,即没被发现的违法案例占全部案例的比例,数值越高,表明漏网之鱼越多。(64)参见白建军:《法律实证研究方法》,北京大学出版社2014年版,第322-323页。被抓概率或违法暗数反映了执法效率问题。本文发现,我国内幕交易变得越来越隐蔽,查处难度越来越高,体现在内幕人员类型、内幕行为类型以及使用他人账户进行交易等方面。这方面可以加强监管科技的运用,通过大数据和人工智能等科技手段降低违法暗数,提升执法效率。