虚拟创业板市场与主板市场差异比较研究

真炮手

表14：周收益率比较（所有样本）
样本数 均值 方差 偏度 峰度
深市虚拟板周收益率 367 0.003041 0.056586 1.866576 31.296984
深市主板周收益率 367 0.001463 0.053668 1.489397 29.611004
沪市虚拟板周收益率 301 0.006087 0.043964 0.309837 3.605530
沪市主板周收益率 301 0.002909 0.036749 -0.512036 4.751307
深沪虚拟板周收益率 367 0.003220 0.054428 2.249428 34.831129
深沪主板周收益率 367 0.002153 0.050462 1.729199 25.160443
为了消除特殊事件对各指数周收益率的异常影响，我们将周收益率中偏离均
值三个标准差以上的样本定义为异常样本，予以删除，以保证分布形态免受特殊
事件的影响。去除异常数据后的描述统计结果如下：
表15：周收益率比较（去除异常值）
样本数 均值 方差 偏度 峰度
深市虚拟板周收益率 364 0.003197 0.042618 0.279274 1.823388
深市主板周收益率 364 0.001713 0.040367 0.173646 1.047630
沪市虚拟板周收益率 296 0.004631 0.037895 0.158162 0.257865
沪市主板周收益率 299 0.003210 0.033697 0.068145 0.784424
深沪虚拟板周收益率 364 0.003277 0.040530 0.197119 1.449591
深沪主板周收益率 363 0.001719 0.038636 -0.004508 1.418716
我们发现，去除异常值前，除了沪市主板指数周收益率呈左偏尖峰分布以外，
其它各板指数周收益率均呈右偏尖峰分布；而去除差异值后，偏度和峰度均显著
下降，趋向于对称分布。
更进一步，我们采用K－S（柯尔莫哥和斯米诺夫）检验法，对各板指数周收
益率是否服从正态分布进行统计检验。
表16：各板指数周收益率K－S 检验（所有样本）
深市虚拟板 深市主板 沪市虚拟板 沪市主板 深沪虚拟板 深沪主板
样本数 367 367 301 301 367 367
样本均值 0.003041 0.001463 0.006087 0.002909 0.003220 0.002153
样本标准差 0.056586 0.053668 0.043964 0.036749 0.054428 0.050462
D（x）最大绝对值0.114566 0.111505 0.083388 0.072535 0.109367 0.105980
D（x）最大正值 0.114566 0.111505 0.083388 0.072535 0.109367 0.105980
D（x）最大负值 -0.102483 -0.110326 -0.062666 -0.062517 -0.108497 -0.099670
Z统计量 2.194772 2.136121 1.446722 1.258438 2.095172 2.030287
相伴概率 0.000131 0.000218 0.030414 0.084225 0.000308 0.000526
可以发现，在0.05 的显著水平上，只有沪市主板指数的周收益率与正态分布
无显著差异，其它各板指数的周收益率都不服从正态分布。我们将异常值去除，

真炮手

再次进行检验，得到如下结果：
表17：各板指数周收益率K－S 检验（去除异常值）
深市虚拟板 深市主板 沪市虚拟板 沪市主板 深沪虚拟板 深沪主板
样本数 364 364 296 299 364 363
样本均值 0.003197 0.001713 0.004631 0.003210 0.003277 0.001719
样本标准差 0.042618 0.040367 0.037895 0.033697 0.040530 0.038636
D（x）最大绝对值 0.069988 0.068320 0.056575 0.066316 0.063826 0.067583
D（x）最大正值 0.069988 0.068320 0.056575 0.066316 0.063826 0.067583
D（x）最大负值 -0.049030 -0.053306 -0.038508 -0.046089 -0.042767 -0.057598
Z统计量 1.335283 1.303457 0.973351 1.146715 1.217723 1.287636
相伴概率 0.056538 0.066878 0.299668 0.144116 0.103035 0.072591
发现在0.05 的显著水平上，不能拒绝各板指数周收益率服从正态分布的假设。
因此，为了比较虚拟板与主板指数周收益率的均值是否存在显著差异，我们可以
采用参数检验法进行检验。
两独立样本t 检验是在总体分布服从正态分布的前提下，通过分析样本数据
来推断样本来自的两独立总体的均值是否无显著差异。它的零假设是，样本来自
的两独立总体的均值没有显著差异。我们对剔除异常值后的样本进行检验，得到
如下结果：
①深市虚拟板与深市主板的比较
表18：深市指数周收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F统计量
F 值相伴
概率 t 值 自由度
T 值相伴
概率 均值差 均值差的标准误下限 上限
深市周收益率 如果方差相等 0.512654 0.474222 0.482515 726.000000 0.629585 0.001485 0.003077 -0.004556 0.007525
如果方差不相等 0.482515 723.873885 0.629586 0.001485 0.003077 -0.004556 0.007525
从检验结果来看，首先，F 值的相伴概率大于显著性水平0.05，可以认为深
市虚拟板指数和深市主板指数周收益率的方差无显著差异。其次，T 统计量的相伴
概率也大于显著性水平0.05，因此不能拒绝零假设，可以认为深市虚拟板指数周
收益率均值与深市主板指数周收益率均值无显著差异。
②沪市虚拟板与沪市主板的比较
表19：沪市指数周收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F 统计量
F 值相伴
概率 t 值 自由度
T 值相伴
概率 均值差 均值差的标准误下限 上限

真炮手

沪市周收益率如果方差相等 4.734249 0.029962 0.48329 593 0.629069 0.00142 0.002939 -0.004352 0.007193
如果方差不相等 0.48300 583.6015 0.629274 0.00142 0.002941 -0.004356 0.007197
从检验结果来看，首先，F 值的相伴概率小于显著性水平0.05，因此可以认
为沪市虚拟板指数和沪市主板指数的周收益率的方差有显著差异。其次，T 统计量
的相伴概率大于显著性水平0.05，因此不能拒绝零假设，可以认为沪市虚拟板指
数周收益率均值与沪市主板指数周收益率均值无显著差异。
③深沪市虚拟板与深沪市主板的比较
表20：深沪市指数周收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F统计量
F 值相伴
概率 t 值 自由度
T 值相伴
概率 均值差 均值差的标准误下限 上限
深市周收益率 如果方差相等 0.71248 0.398899 0.53043 725 0.595979 0.00156 0.002937049 -0.004208 0.007324
如果方差不相等 0.53046 723.52964 0.595955 0.00156 0.002936856 -0.004208 0.007324
从检验结果来看，首先，F 值的相伴概率大于显著性水平0.05，因此可以认
为深沪市虚拟板指数和深沪市主板指数的周收益率的方差无显著差异。其次，T 统
计量的相伴概率大于显著性水平0.05，因此不能拒绝零假设，可以认为深沪市虚
拟板指数周收益率均值与深沪市主板指数周收益率均值无显著差异。
综上所述，对于全部样本来说，在0.05 的显著水平上，只有沪市主板的周收
益率与正态分布无显著差异，而其它各板的周收益率都不服从正态分布。但在去
除异常值后，发现在0.05 的显著水平上，不能拒绝各虚拟板及各主板周收益率服
从正态分布的假设。进一步经过检验发现，在去除异常值后，除了沪市虚拟板和
沪市主板的周收益率的方差有显著差异以外，沪市虚拟板和沪市主板的周收益率
的均值、深市虚拟板和深市主板周收益率的方差和均值、深沪市虚拟板和深沪市
主板周收益率的方差和均值都没有显著差异。
3、月收益率比较
我们依然用股价的对数一阶差分作为收益率指标，即
Rt=ln(Pt/Pt-1)=ln(Pt)- ln(Pt-1)
其中Rt 代表当月月收益率，Pt 代表当月收盘指数，Pt-1 代表上月收盘指数，对
各板指数月收益率进行统计分析，得到如下结果：
表21：月收益率比较（所有样本）
样本数 均值 方差 偏度 峰度
深市虚拟板月收益率 88 0.013504 0.103296 0.729077 1.351705

真炮手

深市主板月收益率 88 0.006742 0.095358 0.710703 1.310088
沪市虚拟板月收益率 73 0.023684 0.099581 1.751181 6.264435
沪市主板月收益率 73 0.011231 0.073313 0.756759 2.086162
深沪虚拟板月收益率 88 0.014254 0.09587 0.721384 0.692903
深沪主板月收益率 88 0.008972 0.091539 0.289618 1.273186
为了消除特殊事件对各指数月收益率的异常影响，我们将月收益率中偏离均
值三个标准差以上的样本定义为异常样本，予以删除，以保证分布形态免受特殊
事件的影响。去除异常数据后的描述统计结果如下：
表22：月收益率比较（去除异常值）
样本数 均值 方差 偏度 峰度
深市虚拟板月收益率 87 0.00915 0.095428 0.331464 0.043103
深市主板月收益率 87 0.003413 0.090624 0.562401 1.152008
沪市虚拟板月收益率 72 0.017204 0.083349 0.728621 1.448951
沪市主板月收益率 72 0.007281 0.06554 0.07717 -0.27843
深沪虚拟板月收益率 88 0.014254 0.09587 0.721384 0.692903
深沪主板月收益率 87 0.005673 0.086649 0.030095 0.910355
我们发现，去除异常值前，各板指数月收益率均呈微弱右偏尖峰分布；而去
除差异值后，偏度和峰度均有下降，更趋向于对称分布。
更进一步，我们采用K－S（柯尔莫哥和斯米诺夫）检验法，对各板指数月收
益率是否服从正态分布进行统计检验。
表23：各板月收益率K－S 检验（所有样本）
深市虚拟板 深市主板 沪市虚拟板 沪市主板 深沪虚拟板 深沪主板
样本数 88 88 73 73 88 88
样本均值 0.013504 0.006742 0.023684 0.011231 0.014254 0.008972
样本标准差 0.103296 0.095358 0.099581 0.073313 0.09587 0.091539
D（x）最大绝对值0.086878 0.095652 0.118694 0.06177 0.095263 0.076412
D（x）最大正值 0.086878 0.095652 0.118694 0.055164 0.095263 0.063509
D（x）最大负值 -0.05164 -0.09474 -0.07364 -0.06177 -0.04593 -0.07641
Z统计量 2.194772 2.136121 1.446722 1.258438 2.095172 2.030287
相伴概率 0.000131 0.000218 0.030414 0.084225 0.000308 0.000526
可以发现，在0.05 的显著水平上，只有沪市主板指数的月收益率与正态分布
无显著差异，其它各板指数的月收益率都不服从正态分布。我们将异常值去除，
再次进行检验，得到如下结果：
表24：各板月收益率K－S 检验（去除异常值）
深市虚拟板 深市主板 沪市虚拟板 沪市主板 深沪虚拟板 深沪主板

真炮手

样本数 364 364 296 299 364 363
样本均值 87 87 72 72 88 87
样本标准差 0.00915 0.003413 0.017204 0.007281 0.014254 0.005673
D（x）最大绝对值 0.095428 0.090624 0.083349 0.06554 0.09587 0.086649
D（x）最大正值 0.076755 0.092663 0.077812 0.062018 0.095263 0.073304
D（x）最大负值 0.076755 0.088507 0.077812 0.062018 0.095263 0.04915
Z统计量 -0.04892 -0.09266 -0.04627 -0.04729 -0.04593 -0.0733
相伴概率 0.715924 0.864307 0.66026 0.52624 0.893645 0.683735
发现在0.05 的显著水平上，不能拒绝各板指数月收益率服从正态分布的假设。
因此，为了比较虚拟板指数与主板指数月收益率的均值是否存在显著差异，我们
可以采用参数检验法进行检验。
我们依然采用两独立样本t 检验法，对剔除异常值后的样本进行检验，得到
如下结果：
①深市虚拟板与深市主板的比较
表25：深市月收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F 统计量
F 值相伴
概率 t 值 自由度
T值相伴概
率 均值差
均值差的标
准误 下限 上限
深市周收益率 如果方差相等 0.78960 0.375448 0.451245 174 0.652375 0.00676 0.014986 -0.02282 0.03634
如果方差不相等 0.451245 172.899 0.652378 0.00676 0.014986 -0.02282 0.036342
从检验结果来看，首先，F 值的相伴概率大于显著性水平0.05，可以认为深
市虚拟板指数和深市主板指数月收益率的方差无显著差异。其次，T 统计量的相伴
概率也大于显著性水平0.05，因此不能拒绝零假设，可以认为深市虚拟板指数月
收益率均值与深市主板指数月收益率均值无显著差异。
②沪市虚拟板与沪市主板的比较
表26：沪市月收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F 统计量
F 值相伴
概率 t 值 自由度
T 值相伴
概率 均值差
均值差的标准
误 下限 上限
沪市周收益率 如果方差相等 1.788746 0.1831880.86048 144 0.390954 0.012454 0.014473 -0.01615 0.041061
如果方差不相等 0.86048 132.327 0.39108 0.012454 0.014473 -0.01617 0.041082
从检验结果来看，首先，F 值的相伴概率大于显著性水平0.05，因此可以认
为沪市虚拟板指数和沪市主板指数的月收益率的方差无显著差异。其次，T 统计量
的相伴概率大于显著性水平0.05，因此不能拒绝零假设，可以认为沪市虚拟板指

真炮手

数月收益率均值与沪市主板指数月收益率均值无显著差异。
③深沪市虚拟板与深沪市主板的比较
表27：深沪市月收益率独立样本t 检验
LeveneF 检验法 均值相等的t 检验法 均值差95%置信区间
F统计量
F 值相伴
概率 t 值 自由度
T 值相伴
概率 均值差
均值差的
标准误 下限 上限
深市周收益率 如果方差相等 0.33163 0.565445 0.37381 174 0.70900 0.005282 0.01413 -0.02261 0.033171
如果方差不相等 0.37381 173.6294 0.70900 0.005282 0.01413 -0.02261 0.033171
从检验结果来看，首先，F 值的相伴概率大于显著性水平0.05，因此可以认
为深沪市虚拟板指数和深沪市主板指数的月收益率的方差无显著差异。其次，T 统
计量的相伴概率大于显著性水平0.05，因此不能拒绝零假设，可以认为深沪市虚
拟板指数月收益率均值与深沪市主板指数月收益率均值无显著差异。
综上所述，对于全部样本来说，在0.05 的显著水平上，只有沪市主板的月收
益率与正态分布无显著差异，而其它各板的月收益率都不服从正态分布。但在去
除异常值后，发现在0.05 的显著水平上，不能拒绝各虚拟板及各主板月收益率服
从正态分布的假设。进一步经过检验发现，在去除异常值后，各虚拟板与相应各
主板的月收益率的方差和均值都没有显著差异。
（三）换手率比较
为了考察各虚拟板与各主板在成交量上的差别，我们选择以换手率作为衡量
指标，即
Vt=Volt/Capt
其中，Vt 为日换手率，Volt 为日成交金额，Capt 为当日流通市值。Volt 和Capt
的计算均剔除了当日上市新股的成交金额和流通市值。
对各板指数日换手率进行统计分析，得到如下结果：
表28：日换手率比较（所有样本）
样本数 最小值 最大值 总和 均值 方差
深市虚拟板日换手率 1800 0 0.575785 52.94611 0.029415 0.03892
深市主板日换手率 1800 0 0.575785 53.248 0.029582 0.038336
沪市虚拟板日换手率 1478 0.002136 0.254379 33.36423 0.022574 0.024749
沪市主板日换手率 1478 0.003307 0.124903 32.9534 0.022296 0.018502
深沪虚拟板日换手率 1800 0 0.575785 51.19406 0.028441 0.036814
深沪主板日换手率 1800 0.003066 0.420228 53.58618 0.02977 0.035019
从上表可以较直观地看出，各虚拟板指数与各主板指数的日换手率均值几乎

真炮手

相等。为了消除特殊事件对各板指数日换手率的异常影响，我们将换手率中偏离
均值三个标准差以上以及换手率为0 的样本定义为异常样本，予以删除，以保证
分布形态免受特殊事件的影响。去除异常数据后的描述统计结果如下：
表29：日换手率比较（去除异常值）
样本数 最小值 最大值 总和 均值 方差
深市虚拟板日换手率 1762 0.000723 0.143531 45.01723 0.025549 0.024922
深市主板日换手率 1767 0.002627 0.142579 46.42668 0.026274 0.026252
沪市虚拟板日换手率 1443 0.002136 0.095472 28.77666 0.019942 0.017531
沪市主板日换手率 1451 0.003307 0.077594 30.45013 0.020986 0.015869
深沪虚拟板日换手率 1767 0.000723 0.138044 44.57706 0.025228 0.024449
深沪主板日换手率 1773 0.003066 0.134536 47.6739 0.026889 0.024359
上表显示，在去除异常值后，尽管各板指数日换手率均值与总和都有所下降，
但各虚拟板指数与各主板指数日换手率的均值依然相差不大，几乎相等。
更进一步，我们采用K－S（柯尔莫哥和斯米诺夫）检验法，对各板日换手率
是否服从正态分布进行统计检验。
表30：各板指数日换手率K－S 检验（去除异常值）
深市虚拟板 深市主板 沪市虚拟板 沪市主板 深沪虚拟板 深沪主板
样本数 1762 1767 1443 1451 1767 1773
样本均值 0.025549 0.026274 0.019942 0.020986 0.025228 0.026889
样本标准差 0.024922 0.026252 0.017531 0.015869 0.024449 0.024359
D（x）最大绝对值 0.172942 0.200473 0.187045 0.156677 0.181273 0.17739
D（x）最大正值 0.172942 0.200473 0.187045 0.156677 0.181273 0.17739
D（x）最大负值 -0.16041 -0.18554 -0.159 -0.1376 -0.15999 -0.16668
Z统计量 7.259443 8.427006 7.105249 5.968125 7.619925 7.469351
相伴概率 0 0 0 0 0 0
发现各板指数日换手率（去除异常值）都不符合正态分布。因此，为了比较
虚拟板与主板日换手率的均值及分布是否存在显著差异，我们采用非参数检验法
进行检验。我们利用前述的曼－惠特尼U 检验法和K－S（柯尔莫哥和斯米诺夫）
检验法进行了检验，发现各虚拟板指数与相应各主板指数在成交量特征上没有显
著差异。
五、上市公司基本面比较
（一）行业分布比较
我们分别对深市虚拟板、沪市虚拟板、深市主板、沪市主板上市公司进行行

真炮手

业分布的分析，得出如下结果：
（1）深市虚拟板行业分布
深市虚拟板中包含了从农林牧渔到综合类共13 个行业。其中机械设备及仪表
制造类所占比重最大，共有6 家，占深市虚拟板样本股的21.4%；其次是批发和零
售贸易业，有5 家，占深市虚拟板样本股的17.9%；再次是房地产业和石油、化学、
塑胶、塑料业，分别有3 家，分别占深市虚拟板样本股的10.7%；金属、非金属及
综合类各有2 家，分别占深市虚拟板样本股的7.1%；农林牧渔、交通运输仓储、
医药及生物制品、信息技术、纺织服装、食品饮料、社会服务业分别有1 家，分
别占深市虚拟板样本股的3.6%。
表31：深市虚拟板行业分布
（2）沪市虚拟板行业分布
沪市虚拟板中包含了从农林牧渔到综合类共14 个行业。其中批发和零售贸易
业所占比重最大，有4 家，占沪市虚拟板样本股的17.4%；其次是机械设备及仪表
制造类、食品饮料、交通运输仓储、金属及非金属、信息技术、石油化学塑胶塑
料业，各有2 家，分别占沪市虚拟板样本股的8.7%；再次是农林牧渔、纺织服装、
造纸及纸制品、电力蒸气、装修装饰、社会服务业及综合类各有1 家，分别占沪
市虚拟板样本股的4.3%。
公司分类
1 3.6 3.6 3.6
1 3.6 3.6 7.1
1 3.6 3.6 10.7
3 10.7 10.7 21.4
2 7.1 7.1 28.6
6 21.4 21.4 50.0
1 3.6 3.6 53.6
1 3.6 3.6 57.1
1 3.6 3.6 60.7
5 17.9 17.9 78.6
3 10.7 10.7 89.3
1 3.6 3.6 92.9
2 7.1 7.1 100.0
28 100.0 100.0
A 农、林、牧、渔业
C0 食品、饮料
C1 纺织、服装、皮毛
C4 石油、化学、塑胶
、C
6 金属、非金属
C7 机械、设备、仪表
C8 医药、生物制品
F 交通运输、仓储业
G 信息技术业
H 批发和零售贸易
J 房地产业
K 社会服务业
M 综合类
Total
Valid
Frequency Percent
Valid
Percent
Cumulative
Percent

真炮手

表32：沪市虚拟板行业分布
（3）深沪两市虚拟板行业分布
表33：深沪市虚拟板行业分布
深沪两市虚拟板中包含了从农林牧渔到综合类共16 个行业。其中批发和零售
贸易业所占比重最大，有9 家，占深沪市虚拟板样本股的17.6%；其次是机械设备
及仪表制造类，有8 家，占深沪市虚拟板样本股的15.7%；石油化学塑胶塑料业有
公司分类
1 4.3 4.3 4.3
2 8.7 8.7 13.0
1 4.3 4.3 17.4
1 4.3 4.3 21.7
2 8.7 8.7 30.4
2 8.7 8.7 39.1
2 8.7 8.7 47.8
1 4.3 4.3 52.2
1 4.3 4.3 56.5
2 8.7 8.7 65.2
2 8.7 8.7 73.9
4 17.4 17.4 91.3
1 4.3 4.3 95.7
1 4.3 4.3 100.0
23 100.0 100.0
A 农、林、牧、
C0 食品、饮料
C1 纺织、服装
C31 造纸及纸制
C4 石油、化学
C6 金属、非金
C7 机械、设备
D01 电力、蒸汽
E05 装修装饰业
F 交通运输、仓
G 信息技术业
H 批发和零售贸
K 社会服务业
M 综合类
Total
Valid
Frequency Percent
Valid
Percent
Cumulative
Percent
公司分类
2 3.9 3.9 3.9
3 5.9 5.9 9.8
2 3.9 3.9 13.7
1 2.0 2.0 15.7
5 9.8 9.8 25.5
4 7.8 7.8 33.3
8 15.7 15.7 49.0
1 2.0 2.0 51.0
1 2.0 2.0 52.9
1 2.0 2.0 54.9
3 5.9 5.9 60.8
3 5.9 5.9 66.7
9 17.6 17.6 84.3
3 5.9 5.9 90.2
2 3.9 3.9 94.1
3 5.9 5.9 100.0
51 100.0 100.0
A 农、林、牧、渔业
C0 食品、饮料
C1 纺织、服装、皮毛
C31 造纸及纸制品业
C4 石油、化学、塑胶
、塑料
C6 金属、非金属
C7 机械、设备、仪表
C8 医药、生物制品
D01 电力、蒸汽、热水
的生产和供应业
E05 装修装饰业
F 交通运输、仓储业
G 信息技术业
H 批发和零售贸易
J 房地产业
K 社会服务业
M 综合类
Total
Valid
Frequency Percent
Valid
Percent
Cumulative
Percent

真炮手

5 家，占深沪市虚拟板样本股的9.8%；金属及非金属有4 家，占深沪市虚拟板样
本股的7.8%；交通运输仓储、食品饮料、综合类、房地产类、信息技术各有3 家，
分别占深沪市虚拟板样本股的5.9%；农林牧渔、纺织服装、社会服务业各有2 家，
分别占深沪市虚拟板样本股的3.9%；造纸及纸制品、电力蒸气、装修装饰、医药
生物制品各有1 家，分别占深沪市虚拟板样本股的2.0%。
（4）深沪两市整体行业分布情况
我们分别将深沪两市1995 年以来上市新股的行业分布进行了统计，得到如下
结果：
表34：深沪两市整体行业分布情况
公司分类 深市 百分比 沪市 百分比
A 农、林、牧、渔业 11 3.21% 16 3.40%
B 采掘业 8 2.33% 5 1.06%
C0 食品、饮料 17 4.96% 26 5.52%
C1 纺织、服装、皮毛 15 4.37% 25 5.31%
C2 木材、家具 0 0.00% 1 0.21%
C3 造纸、印刷 7 2.04% 11 2.34%
C4 石油、化学、塑胶、塑料 42 12.24% 55 11.68%
C5 电子 14 4.08% 7 1.49%
C6 金属、非金属 40 11.66% 45 9.55%
C7 机械、设备、仪表 55 16.03% 70 14.86%
C8 医药、生物制品 22 6.41% 30 6.37%
C99 其他制造业 3 0.87% 8 1.70%
D 电力、蒸汽、热水的生产和供应业 11 3.21% 20 4.25%
E 建筑业 7 2.04% 9 1.91%
F 交通运输、仓储业 10 2.92% 33 7.01%
G 信息技术业 19 5.54% 31 6.58%
H 批发和零售贸易 19 5.54% 27 5.73%
I 金融保险 1 0.29% 3 0.64%
J 房地产业 5 1.46% 9 1.91%
K 社会服务业 15 4.37% 18 3.82%
L 传播与文化业 2 0.58% 3 0.64%
M 综合类 20 5.83% 19 4.03%
合计 343 100.00% 471 100.00%
为了比较的方便，我们将上述分类按照高低顺序进行重新排列，得到如下表
结果：
表35：深市行业分布对比
排名 深市主板 百分比 深市虚拟板 百分比

真炮手

1 C7 机械、设备、仪表 16.03 C7 机械、设备、仪表 21.4
2 C4 石油、化学、塑胶、塑料 12.24 H 批发和零售贸易 17.9
3 C6 金属、非金属 11.66 C4 石油、化学、塑胶、塑料 10.7
4 C8 医药、生物制品 6.41 J 房地产业 10.7
5 M 综合类 5.83 C6 金属、非金属 7.1
6 G 信息技术业 5.54 M 综合类 7.1
7 H 批发和零售贸易 5.54 C1 纺织、服装、皮毛 3.6
8 C0 食品、饮料 4.96 G 信息技术业 3.6
9 C1 纺织、服装、皮毛 4.37 C0 食品、饮料 3.6
10 K 社会服务业 4.37 C8 医药、生物制品 3.6
11 C5 电子 4.08 F 交通运输、仓储业 3.6
12 A 农、林、牧、渔业 3.21 K 社会服务业 3.6
13 D 电力、蒸汽、热水的生产和供应业 3.21 A 农、林、牧、渔业 3.6
14 F 交通运输、仓储业 2.92 C5 电子 0.0
15 B 采掘业 2.33 D 电力、蒸汽、热水的生产和供应业 0.0
16 C3 造纸、印刷 2.04 B 采掘业 0.0
17 E 建筑业 2.04 C3 造纸、印刷 0.0
18 J 房地产业 1.46 E 建筑业 0.0
19 C99 其他制造业 0.87 C99 其他制造业 0.0
20 L 传播与文化业 0.58 I 金融保险 0.0
21 I 金融保险 0.29 L 传播与文化业 0.0
22 C2 木材、家具 0.00 C2 木材、家具 0.0
表36：沪市行业分布对比
排名 沪市主板 百分比 沪市虚拟板 百分比
1 C7 机械、设备、仪表 14.86 H 批发和零售贸易 17.4
2 C4 石油、化学、塑胶、塑料 11.68 C7 机械、设备、仪表 8.7
3 C6 金属、非金属 9.55 C4 石油、化学、塑胶、塑料 8.7
4 F 交通运输、仓储业 7.01 C6 金属、非金属 8.7
5 G 信息技术业 6.58 G 信息技术业 8.7
6 C8 医药、生物制品 6.37 F 交通运输、仓储业 8.7
7 H 批发和零售贸易 5.73 C0 食品、饮料 8.7
8 C0 食品、饮料 5.52 M 综合类 4.3
9 C1 纺织、服装、皮毛 5.31 C1 纺织、服装、皮毛 4.3
10 D 电力、蒸汽、热水的生产和供应业 4.25 D 电力、蒸汽、热水的生产和供应业 4.3
11 M 综合类 4.03 K 社会服务业 4.3
12 K 社会服务业 3.82 A 农、林、牧、渔业 4.3
13 A 农、林、牧、渔业 3.40 C3 造纸、印刷 4.3
14 C3 造纸、印刷 2.34 E 建筑业 4.3
15 E 建筑业 1.91 C8 医药、生物制品 0.0
16 J 房地产业 1.91 J 房地产业 0.0
17 C99 其他制造业 1.70 C5 电子 0.0
18 C5 电子 1.49 C99 其他制造业 0.0

真炮手

19 B 采掘业 1.06 L 传播与文化业 0.0
20 L 传播与文化业 0.64 B 采掘业 0.0
21 I 金融保险 0.64 I 金融保险 0.0
22 C2 木材、家具 0.21 C2 木材、家具 0.0
表37：深沪市行业分布对比
排名 深沪主板 百分比 深沪虚拟板 百分比
1 C7 机械、设备、仪表 15.36 H 批发和零售贸易 17.6
2 C4 石油、化学、塑胶、塑料 11.92 C7 机械、设备、仪表 15.7
3 C6 金属、非金属 10.44 C4 石油、化学、塑胶、塑料 9.8
4 C8 医药、生物制品 6.39 C6 金属、非金属 7.8
5 G 信息技术业 6.14 M 综合类 5.9
6 H 批发和零售贸易 5.65 G 信息技术业 5.9
7 C0 食品、饮料 5.28 C0 食品、饮料 5.9
8 F 交通运输、仓储业 5.28 F 交通运输、仓储业 5.9
9 C1 纺织、服装、皮毛 4.91 J 房地产业 5.9
10 M 综合类 4.79 C1 纺织、服装、皮毛 3.9
11 K 社会服务业 4.05 K 社会服务业 3.9
12 D 电力、蒸汽、热水的生产和供应业 3.81 A 农、林、牧、渔业 3.9
13 A 农、林、牧、渔业 3.32 C8 医药、生物制品 2.0
14 C5 电子 2.58 D 电力、蒸汽、热水的生产和供应业 2.0
15 C3 造纸、印刷 2.21 C3 造纸、印刷 2.0
16 E 建筑业 1.97 E 建筑业 2.0
17 J 房地产业 1.72 C5 电子 0.0
18 B 采掘业 1.60 C99 其他制造业 0.0
19 C99 其他制造业 1.35 B 采掘业 0.0
20 L 传播与文化业 0.61 L 传播与文化业 0.0
21 I 金融保险 0.49 I 金融保险 0.0
22 C2 木材、家具 0.12 C2 木材、家具 0.0
从表35 至表37 内容可以看到，在深市主板和沪市主板行业排名均位于前列
的机械设备仪表、石油化学塑胶塑料、金属非金属等行业在深市虚拟板和沪市虚
拟板上同样位于前列；在各虚拟板上占重要地位的批发零售行业，在各主板上则
位列较后；在各主板上占较重要地位的医药生物制品行业，在各虚拟板上则位列
较后；房地产类在深市虚拟板位列较前，但在其他各虚拟板和各主板上则位列显
著居后；信息技术类在各虚拟板和各主板上的位列差不多，都居中间偏前一点的
位置；综合类在深市位居较前列，但在沪市则位居偏后；交通运输仓储类在沪市
位居较前列，但在深市则位居稍后一些；食品饮料、纺织服装、社会服务业等，
位列相差不多，各有交错；其他行业则均普遍居后。总的来看，各虚拟板与各主
板在公司行业分布上具有一些共性，但也具有各自不同的特点；而深沪两市无论

真炮手

主板还是虚拟板也都存在一些差异性。
（二）公司规模比较
1、流通市值
虚拟创业板上市公司规模的发展变化可以从其流通市价总值的发展变化来进
行衡量。我们以股票交易首日收盘价乘以初始流通股发行量作为上市初始日的流
通市值，以2002 年8 月30 日的收盘价乘以当时的流通量作为现在的流通市值，
分别对深沪虚拟板和主板进行了比较，得到如下结果：
表38：流通市值比较
样本数 极差 最小值 最大值 总和 均值 标准差 离散系数 偏态系数 峰度系数
深市虚拟初始流通市值 28 5.82E+08 8.76E+07 6.69E+08 9.55E+09 3.41E+08 1.55E+08 0.45 0.19 -0.69
深市虚拟流通市值 28 1.87E+09 4.62E+08 2.34E+09 2.52E+10 9.01E+08 4.24E+08 0.47 1.73 3.93
倍数 3.22 5.28 3.49 2.64 2.64 2.74 8.96 -5.73
深市上市初始流通市值 342 5.02E+09 7.66E+07 5.09E+09 2.51E+11 7.34E+08 6.46E+08 0.88 2.92 13.46
深市流通市值 342 4.62E+09 2.39E+08 4.86E+09 3.87E+11 1.13E+09 6.84E+08 0.60 2.18 6.50
倍数 0.92 3.12 0.95 1.54 1.54 1.06 0.75 0.48
沪市虚拟初始流通市值 23 1.09E+09 1.63E+08 1.26E+09 1.42E+10 6.17E+08 2.65E+08 0.43 0.11 0.20
沪市虚拟流通市值 23 1.82E+09 3.56E+08 2.18E+09 1.95E+10 8.48E+08 4.65E+08 0.55 1.73 2.71
倍数 1.67 2.18 1.73 1.37 1.37 1.75 15.91 13.36
沪市上市初始流通市值 471 1.59E+10 4.61E+07 1.60E+10 4.66E+11 9.89E+08 1.32E+09 1.34 6.97 61.51
沪市流通市值 471 9.96E+09 3.21E+08 1.03E+10 5.72E+11 1.21E+09 1.02E+09 0.84 4.66 29.34
倍数 0.62 6.95 0.64 1.23 1.23 0.77 0.67 0.48
深沪虚拟初始流通市值 51 1.17E+09 8.76E+07 1.26E+09 2.37E+10 4.66E+08 2.51E+08 0.54 0.72 0.46
深沪虚拟流通市值 51 1.98E+09 3.56E+08 2.34E+09 4.47E+10 8.77E+08 4.39E+08 0.50 1.65 2.79
倍数 1.70 4.06 1.86 1.88 1.88 1.75 2.30 6.10
深沪市上市初始流通市值 813 1.59E+10 4.61E+07 1.60E+10 7.17E+11 8.82E+08 1.10E+09 1.25 7.50 79.04
深沪流通市值 813 1.00E+10 2.39E+08 1.03E+10 9.59E+11 1.18E+09 8.94E+08 0.76 4.45 30.36
倍数 0.63 5.17 0.64 1.34 1.34 0.81 0.59 0.38
从上表可以看到，
（1）从流通市值的总和和均值指标来看，深市虚拟板2002 年8 月底的流通
市值总和是这些股票初始上市时流通市值总和的2.64 倍，而深市主板的流通市值
总和是这些股票初始上市时流通市值总和的1.54 倍；沪市虚拟板2002 年8 月底
的流通市值总和是这些股票初始上市时流通市值总和的1.37 倍，而沪市主板的流
通市值总和是这些股票初始上市时流通市值总和的1.23 倍；深沪市虚拟板2002
年8 月底的流通市值总和是这些股票初始上市时流通市值总和的1.88 倍，而深沪

真炮手

市主板的流通市值总和是这些股票初始上市时流通市值总和的1.34 倍。此外，各
板流通市值的均值也呈同样的特点。可以看出虚拟创业板的公司流通市值规模整
体较主板公司流通市值规模整体增加得较快。
（2）从流通市值的极差指标等离散指标来看，深市虚拟板、沪市虚拟板、深
沪两市虚拟板的极差普遍显著扩大，而深市主板、沪市主板、深沪两市主板的极
差却普遍显著缩小。究其原因，可以看到主板流通市值的最小值普遍都有较显著
的增加，而主板流通市值的最大值却同时普遍减小，这就造成了主板流通市值极
差的缩小。而虚拟板流通市值在最小值普遍都有显著增加的同时，流通市值的最
大值也同时普遍增加，虽然虚拟板流通市值最大值增加的幅度小于流通市值最小
值增加的幅度，但由于最大值较最小值相差一个数量级，所以虚拟板的流通市值
极差扩大。
虚拟板流通市值的最小值和最大值都普遍显著增加，但极差增大，说明虚拟
板上市公司的流通市值规模普遍有显著发展，但发展并不平均，公司流通市值规
模之间的差距逐渐拉大。
主板流通市值最小值普遍增加，但最大值普遍减小，极差缩小，说明主板里
初始上市时流通市值规模较小的上市公司有显著发展，但初始上市时流通市值规
模较大的上市公司则规模下降，公司流通市值规模之间的差距逐渐缩小。
这种公司规模差距的变化也可以从上表中的离散系数指标看出，各虚拟板流
通市值的离散系数都有所增加，说明离散程度增大；而各主板流通市值的离散系
数都有所下降，说明离散程度减小。
（3）从流通市值的偏态指标来看，无论各虚拟板还是各主板都呈右偏分布，
且各主板右偏程度显著大于各虚拟板右偏程度。从各板偏态系数的变化情况来看，
各虚拟板的偏态系数普遍显著上升，说明各虚拟板的公司规模分布右偏程度变得
更强，而各主板的偏态系数普遍显著下降，说明各主板公司规模的右偏程度变得
减弱。这一点说明，在虚拟板上，的确存在部分公司流通市值规模极大增长，使
公司流通市值规模的极大值显著增大的情况，说明一部分公司存在着较强的公司
流通市值规模的扩张能力。
（4）从流通市值的峰度指标来看，深市虚拟板初始流通市值为负值，说明流
通市值围绕中心点分布的较少并且分布的尾较短。除了深市虚拟板初始流通市值

真炮手

以外，其他各板流通市值的峰度都为正值，都呈尖峰分布，说明它们的分布都比
正态分布更瘦更高，并有更长的尾。从各板峰度系数的变化情况来看，各虚拟板
的峰度系数普遍显著上升，说明各虚拟板的公司规模分布尖峰程度变得更强，尾
变得更长，而各主板的峰度系数普遍显著下降，说明各主板公司规模的尖峰程度
变得减弱，尾变得稍短。这也从侧面说明了各虚拟板公司流通市值规模分布的离
散程度加大，而各主板公司流通市值规模分布的离散程度减小。
以上分析说明，在公司流通市值规模的发展变化上，虚拟板与主板具有显著
不同的特点。
我们将各虚拟板和各主板的流通市值作直方图（参见图4），从图中更可直观
看出，虚拟板与主板在流通市值的分布及发展变化上具有显著的不同。

真炮手

在考察了流通市值的上述分布特征后，我们进一步考察流通市值的另一个分
布特征，即上市公司流通市值分布的集中度。我们以各板流通市值最大的前五家
上市公司为考察样本，分析各板上市公司流通市值分布的集中度，得到如下结果：
表39：流通市值集中度情况
公司家数 流通市值集中度
深市虚拟初始 28 29.75%
深市虚拟目前 28 31.76%
深市上市初始 342 8.42%
深市目前 342 5.43%
沪市虚拟初始 23 33.36%
沪市虚拟目前 23 40.06%
沪市上市初始 471 12.45%
沪市目前 471 7.25%
深沪市虚拟初始 51 19.99%
深沪市虚拟目前 51 21.77%
深沪市上市初始 813 8.09%
深沪市目前 813 4.33%
上表看出，各虚拟板流通市值集中度普遍上升，而各主板流通市值集中度则
普遍下降，这说明虚拟板中一部分上市公司的流通市值规模迅速扩大，上市公司

真炮手

流通市值规模之间的差距开始扩大；而主板中上市公司流通市值规模之间的差距
在缩小。
由于流通市值是由股价和流通量决定的，为了进一步分析到底哪个因素的作
用更大一些，我们对流通量和股价进行了进一步的分析。
2、流通量
我们对各板流通量的变化进行了统计分析，得到如下结果：
表40：流通量比较
样本数 极差 最小值 最大值 总和 均值 标准差 离散系数偏态系数 峰度系数
深市虚拟初始流通量 28 3.410E+07 1.090E+07 4.500E+07 7.449E+08 2.660E+07 9.703E+06 0.365 0.09 -1.07
深市虚拟流通量 28 1.664E+08 3.250E+07 1.989E+08 2.150E+09 7.679E+07 4.287E+07 0.558 1.72 2.68
倍数 4.88 2.98 4.42 2.89 2.89 4.42 18.89 -2.50
深市上市初始流通量 342 3.400E+08 1.000E+07 3.500E+08 1.882E+10 5.487E+07 5.250E+07 0.957 3.05 11.90
深市流通量 342 7.372E+08 1.350E+07 7.507E+08 4.050E+10 1.181E+08 8.765E+07 0.742 2.80 12.62
倍数 2.17 1.35 2.14 2.15 2.15 1.67 0.92 1.06
沪市虚拟初始流通量 23 3.150E+07 1.350E+07 4.500E+07 7.700E+08 3.348E+07 9.391E+06 0.281 -0.51 -0.51
沪市虚拟流通量 23 3.210E+08 1.500E+07 3.360E+08 1.628E+09 7.080E+07 6.978E+07 0.986 2.83 9.39
倍数 10.19 1.11 7.47 2.11 2.11 7.43 -5.53 -18.46
沪市上市初始流通量 471 2.790E+09 1.000E+07 2.800E+09 3.687E+10 7.827E+07 1.806E+08 2.308 10.78 138.67
沪市流通量 471 2.785E+09 1.500E+07 2.800E+09 5.523E+10 1.173E+08 1.740E+08 1.484 10.47 142.64
倍数 1.00 1.50 1.00 1.50 1.50 0.96 0.97 1.03
深沪市虚拟初始流通量 51 3.410E+07 1.090E+07 4.500E+07 1.515E+09 2.970E+07 1.008E+07 0.339 -0.16 -1.03
深沪市虚拟流通量 51 3.210E+08 1.500E+07 3.360E+08 3.779E+09 7.409E+07 5.607E+07 0.757 2.61 8.98
倍数 9.41 1.38 7.47 2.49 2.49 5.56 -16.64 -8.72
深沪市上市初始流通量 813 2.790E+09 1.000E+07 2.800E+09 5.569E+10 6.841E+07 1.420E+08 2.075 13.05 214.19
深沪市流通量 813 2.787E+09 1.350E+07 2.800E+09 9.573E+10 1.176E+08 1.440E+08 1.224 10.92 176.35
倍数 1.00 1.35 1.00 1.72 1.72 1.01 0.84 0.82
从上表可以看到，
（1）从流通量的总和和均值指标来看，深市虚拟板2002 年8 月底的流通量
总和是这些股票初始上市时流通量总和的2. 89 倍，而深市主板的流通量总和是
这些股票初始上市时流通量总和的2.15 倍；沪市虚拟板2002 年8 月底的流通量
总和是这些股票初始上市时流通量总和的2.11 倍，而沪市主板的流通量总和是这
些股票初始上市时流通量总和的1.50 倍；深沪市虚拟板2002 年8 月底的流通量
总和是这些股票初始上市时流通量总和的2.49 倍，而深沪市主板的流通量总和是
这些股票初始上市时流通量总和的1.72 倍。此外，上市公司流通量的均值也呈同

真炮手

样的特点。表40 和表39 比较，可以看到，流通量总和及均值比流通市值总和及
均值增加得多，说明无论虚拟板还是主板，公司规模整体增加主要来源于流通量
的增加。
（2）从流通量的极差等离散指标来看，深市虚拟板、沪市虚拟板、深沪两市
虚拟板流通量的极差普遍显著扩大，而除了深市主板流通量极差有所扩大外，沪
市主板、深沪两市主板流通量的极差则变化不大。其中沪市虚拟板流通量极差扩
大极为突出。究其原因，可以看到除了深市主板外，各主板流通量的最小值的增
加普遍都略大于各自最大值的增加，这就造成了主板流通量的极差变化得不大。
而各虚拟板流通量在最小值普遍都有增加的同时，流通量的最大值也同时更显著
增加，造成虚拟板的流通量极差产生较大的扩大。
虚拟板流通量的极差的显著增大，说明虚拟板上市公司的流通量规模普遍有
显著发展，但发展很不均衡，公司流通量规模之间的差距逐渐拉大。从上表中的
离散系数指标看出，各虚拟板流通量的离散系数都有所增加，说明离散程度增大。
主板流通量最小值普遍略微增加，但最大值普遍没有太大变化，极差变化不大。
但从上表中的离散系数指标看出，各主板流通量的离散系数都有所下降，说明离
散程度减小。
（3）从流通量的偏态指标来看，除了沪市虚拟板初始流通量和深沪市虚拟板
初始流通量以外，其它各虚拟板和各主板流通量都呈右偏分布，且各主板流通量
右偏程度显著大于各虚拟板右偏程度。从各板偏态系数的变化情况来看，各虚拟
板流通量的偏态系数普遍显著上升，说明各虚拟板的流通量分布右偏程度变得更
强；而各主板的偏态系数普遍略有下降，说明各主板流通量的右偏程度变得减弱。
这一变化情况与流通市值的变化情况具有相似的特点。同样说明，在虚拟板上，
的确存在部分公司流通量规模极大增长，使公司流通量规模的极大值显著增大的
情况，说明一部分公司存在着较强的流通量规模的扩张能力。
（4）从流通量的峰度指标来看，深市虚拟板、沪市虚拟板、深沪市虚拟板初
始流通量的峰度系数均为负值，说明流通量围绕中心点分布的较少并且分布的尾
较短。除此之外的各主板流通量和现在的各虚拟板流通量的峰度系数都为正值，
都呈尖峰分布，说明它们的分布都比正态分布更瘦更高，并有更长的尾。从各板
峰度系数的变化情况来看，各虚拟板的峰度系数普遍显著上升，说明各虚拟板的

真炮手

公司流通量分布的尖峰程度变得更强，尾变得更长；而各主板的峰度系数除深沪
主板外普遍略有上升，说明各主板公司规模的尖峰程度也略有增强，尾也略有增
长。而深沪主板的峰度系数略有下降，说明深沪主板整体的公司流通量分布的尖
峰程度变得减弱，尾变得稍短。这也从侧面说明了各虚拟板公司和深市主板、沪
市主板的流通量规模分布的离散程度有所加大，而深沪主板整体流通量规模分布
的离散程度减小。
以上分析说明，在公司流通量规模的发展变化上，虚拟板与主板同样具有显
著不同的特点。
我们将各虚拟板和各主板的流通量作直方图（参见图5），从图中更可直观看
出，虚拟板与主板在流通量的分布及发展变化上具有显著的不同

真炮手

3、流通价格
我们对各板的流通价格的变化进行了统计分析，得到如下结果：
表41：流通价格比较
从上表可以看到：
样本数 极差 最小值 最大值 均值 标准差 离散系数 偏态系数 峰度系数
深市虚拟交易首日收盘价 28 16.47 4.93 21.40 12.97 4.32 0.33 0.00 -0.75
深市虚拟流通价格 28 20.44 8.26 28.70 12.68 4.53 0.36 1.96 4.76
倍数 1.24 1.68 1.34 0.98 1.05 1.07 1363.79 -6.35
深市交易首日收盘价 342 52.94 4.41 57.35 15.08 7.75 0.51 1.97 6.37
深市流通价格 342 31.08 2.51 33.59 10.93 4.25 0.39 1.58 3.98
倍数 0.59 0.57 0.59 0.72 0.55 0.76 0.80 0.63
沪市虚拟交易首日收盘价 23 20.56 9.24 29.80 18.12 5.81 0.32 0.43 -0.55
沪市虚拟流通价格 23 18.67 6.48 25.15 14.97 4.75 0.32 0.18 0.07
倍数 0.91 0.70 0.84 0.83 0.82 0.99 0.41 -0.12
沪市交易首日收盘价 471 88.58 3.42 92.00 15.88 8.16 0.51 2.79 18.26
沪市流通价格 471 46.26 3.67 49.93 12.53 4.75 0.38 1.86 9.01
倍数 0.52 1.07 0.54 0.79 0.58 0.74 0.66 0.49
深沪市虚拟交易首日收盘价 51 24.87 4.93 29.80 15.29 5.62 0.37 0.55 0.16
深沪市虚拟流通价格 51 22.22 6.48 28.70 13.72 4.73 0.34 1.01 1.12
倍数 0.89 1.31 0.96 0.90 0.84 0.94 1.85 6.95
深沪市交易首日收盘价 813 88.58 3.42 92.00 15.54 7.99 0.51 2.48 13.86
深沪市流通价格 813 47.42 2.51 49.93 11.85 4.61 0.39 1.74 7.31
倍数 0.54 0.73 0.54 0.76 0.58 0.76 0.70 0.53