交易透明度对证券场外交易信息效率的影响

基金项目：
国家留学基金委和美国富布莱特基金会联合资助项目“美国场外市场交易制度研究”

作者简介：
王宇琼（1980—），女，湖南长沙人，中国社会科学院财经战略研究院博士后，研究方向：金融市场与国际金融。

摘 要：黑池交易系统（Dark Pools）是美国近年发展较快的非公开交易平台， 其信息透明度较低，可提供匿名交易的服务，并由此实现信息的非公开传递。通过扩展后验信念收敛速率的模型来描述不同交易透明度下场外市场的信息显示速率， 发现私人信息与公共信息共存有利于信息更快地显示，因而私人信息渠道与公共信息渠道共存有利于提升信息效率，由此解释了非公开交易平台的价值，也为我国场外市场的分层发展提供可行建议.

关键词：
非公开交易平台; 黑池交易系统;交易透明度;信息效率

中图分类号：F274 文献标识码：
A 文章编号：1003-7217（2020）03-0056-08

一、引 言

黑池交易系统（Dark Pools）是场外交易市场近年发展较快的非公开交易平台。据美国咨询公司TABB Group统计，2005-2013年黑池在欧、美证券市场中所占交易份额已分别上升至11%和14%;2015年黑池交易量约占美国全部股票交易份额15%。“黑池”是因其可豁免于ECN（Electronic Communications Network）有关持续公布价格信息的条例得名，其属于非公开交易平台的一种。而亚洲地区非公开交易平台发展相对缓慢，可能和亚洲地区注重保护交易透明度，抑制非公开交易有关。非公开交易平台在不同地区的发展迥异也对应了学界关于交易透明度对市场质量影响的争议，现有研究关注到市场透明度与市场效率并非简单的正相关关系，但缺乏对交易制度和信息效率之间关系的深入理解，难以形成更有针对性的制度建议。为此，本文从市场微观结构的视角，分别比较不同市场交易透明度下（是否设置非公开交易平台）场外市场的信息机制，深入刻画不同交易透明度对市场信息效率的影响，以期对我国场外市场发展非公开交易平台提供借鉴。

二、文献综述

黑池交易平台的特点是交易透明度低。交易透明度（Market Transparency）指市场参与者可观察交易过程信息的能力，信息包括价格、报价、成交量、指令流来源、交易者身份等;一般可划分为交易前（Pre-trade）透明度、交易后（Post-trade）透明度和交易匿名性[1]。交易前透明度指在交易执行前市场订单的价格与数量，以及做市商的买卖报价等交易信息的披露情况;交易后透明度指成交后交易情况的公布，包括成交数量和价格等信息;交易匿名性是指交易各方是否向交易对手或其他投资者公开身份。

黑池交易前信息透明度低，并提供匿名交易的服务，仅交易后仍必须报告SEC（美国证券交易委员会），其交易首先在会员之间自动对盘，剩余才连接交易所寻找承接，由于自动对盘的过程由黑池交易平台控制，因此，买、卖以及成交价都不需要向交易所及公众披露。同时，黑池还禁止系统内客户向系统披露交易信息，所以，黑池是一个半封闭的交易平台，其信息传递是公共显示和私人渠道共存的，这和场内交易仅存在公共渠道信息传递、信息强制披露形成了鲜明对比。

现有研究认为交易信息透明度对市场运行的质量（特别是流动性和价格效率）都有着重要的影响，但交易透明度与市场的信息效率非简单的正相关关系。有研究认为增加透明度可提升市场流动性，继而提高信息效率;随着市场透明度的上升，交易者可更迅速获得市场的价格和成交的信息，这有利于信息更快地在市场传播[2，3]，但完全透明对市场运行并不是最有利的，透明度的上升同时也会损害市场的质量，因为透明度过高的市场存在不知情投资者（Uninformed Traders）的信息“搭便车”问题，知情投资者为了防止信息泄露，会采取更复杂或隐蔽的交易策略，从而减慢信息进入市场的速度[4]。因此，流动性和知情交易者都使用未披露的订单来争夺流动性供应，在不透明市场中，交易者增加积极性以提高执行概率，因而如果没有信息摩擦，市场不透明性会提高流动性[5]。实证层面因为不透明市場的交易数据缺乏，一般采用数据模拟的方式开展研究：Bloomfield和OHara （1999）发现透明市场的价格发现效率更高，但其他市场质量的指标在下降，比如买卖价差、交易量等[6];而Flood等（1999）实证检验显示若市场过于透明，信息进入市场的速度会下降[7]。王艳（2006）在对证券交易透明度和信息显示制度的理论综述中总结：只有在市场具有足够深度及竞争性时，提高交易指令单内容的透明度才能降低价格波动性并提高市场流动性，否则透明度增加反而使得市场流动性下降和波动性增加，降低市场效率[8]。

更进一步，对于非公开交易平台（例如黑池）的利弊研究，国内外学者也有不同观点。从市场效率看，张见地（2010）认为黑池交易可以避免信息的泄露，降低市场影响成本，确保更能控制委托单，保证独立的交易策略，享受改善价格的可能性[9];而IyerK （2015）从社会公众利益的角度出发，认为黑池的交易费用会随之传导到大众开放的市场，降低社会的福利[10]。从市场微观结构视角，Vega（2006）发现公共信息可能分散交易者的信念，导致价格的调整速度慢，造成公告后盈余缓慢消退（Post-earnings announcement drift）;而私人信息不会分散信息交易者的信念，价格调整迅速，不会出现公告后盈余惯性[11]。Zhu（2014）则认为，虽然整体看黑池不会损害价格发现的功能，但也不排除在订单信息不对称的存在损害价格发现的功能[12]。

综上所述，现有研究对市场信息机制与市场绩效之间的关系尚未取得完全一致的结论，对交易透明度达到怎样的程度是最合适的也存在众多分歧。而对于类似黑池的非公开交易平台，国内研究更多停留在黑池交易的概念和功能分析的层面，对非公开交易平台的运行机制缺乏研究，国外更多倾向于研究黑池交易的外部性，对黑池交易的监管研究还未构成理论体系，尤其缺乏对交易制度和信息效率之间关系的深入理解，难以形成更有针对性的制度建议。我国的证券场外市场尚在发展初期，场外市场未来层次化发展也将面临类似黑池市场的透明度问题，因此，本文拟从市场微观结构视角研究不同交易透明度对场外市场信息效率的影响，为我国的场外市场层次化发展提供建议。

三、不同交易透明度下场外市场的信息模型

在私人拍卖环境里，交易人通过学习私人信息，其后验信念可收敛到完全信息显示[13]。假设私人信息显示的强度服从泊松分布，则交易人后验信念的收敛速率等于私人信息显示强度。按前文所述，场外市场可设置不同交易透明度，即公开和非公开交易平台并存，因而市场同时有公共和私人信息渠道。本文模型刻画了交易人分别在两个交易平台的学习，比较其后验信念收敛速率在不同交易透明度下的表现，证明了场外分层可加快信息显示。

（一）场外市场非公开交易的信息模型

建模刻画非公开交易时，柜台市场交易人的后验信念收敛过程为：假定柜台市场的交易方随机分布，且各自信息非对称;双边交易时互换私人信息，随之更新其后验信念，后验信念将在学习中收敛到完全信息显示，收敛速率为私人信息显示的强度，也即交易的强度[13]。

1.模型设定。

某连续交易方的固有信息禀赋为随机变量X， 且各交易方信息禀赋独立;假设所有交易方都服从初始信息分布μ0，且各交易方初始信息分布对称。若每个交易方随机遇到其他交易方，相遇过程服从强度为λ的泊松分布;相遇的交易方通过询价向对方显示其私人信息，交易方的出价反映了其后验信念的分布，此分布由其信息禀赋和交易前学习的结果决定。

2.私人信息显示模型。

令h（m，t）代表t时刻无公共信息渠道时私人信息空间的概率分布， 事件X=H和事件X=L;令μ为空间概率量度的一个随机过程，μT（A）代表t时刻的后验信息集A，构建μT=Γh（μ0，t），zn-1+（zn-zn-1）=Γh（μ0，t），zn[13]，并以此计算后验信念的分布Ft及其收敛速率。

定义Ft表示事件{X=H}时的累计分布函数FH（t），FT（P）=P（PH（t）≤P|X=H），p∈[0，1]。随着时间推移，交易人吸收的信息增多，Ft收敛至累积分布函数F

[email protected]

（即完全信息显示），代表X=H状态所有后验信息分布为1：可表示为p<1时，F

[email protected]

（p）=0，F

[email protected]

（1）=0 。考虑到每个信念分布都是一对一的，可利用t时刻任意随机变量X的条件分布Vt计算X=H状态下后验信念的分布Ft：

FT（P）=Vt（-

[email protected]

，log p（1-p）-log PHPL）（1）

αt=h（μ0，t）是无公共信息披露时的信念分布，满足式（2）的私人信息显示速率的条件分布，其计算的是数量恒定的L个经纪人交换信息时得到的私人信息分布，即：

dαtdt=λ（∑

[email protected]

l=2qlα*lt-αt），α0=μ0（2）

式（2）说明没有公共信息显示时，αt将以λ的速率收敛到完全信息显示。

（二）模型扩展：公开非公开交易的信息显示模型

在非公开交易的信息显示模型下加入公共信息渠道的影响，刻画柜台市场公开非公开交易平台共存时的信息显示;并和仅有公共信息渠道的模式对比，通过不同交易透明度下后验信息收敛速率的比较，考察非公开交易平台的存在意义。

1.模型设定。

公共信息每年以η的平均速率随机显示。

令公共信息显示过程服从泊松分布η>0，得到如下结果：在时刻t的公共和私人信息联合分布Vt=αt×βt;αt如式（2），βt为满足式（3）的条件分布，

其初始分布满足 δt为0。

dβtdt=-ηβt+ηβt×∑

[email protected]

k=1pkα*kt （3）

因Vt是μ0的函數，且μ0存在两种分布状态，状态X=H和状态X=L;Vt也会存在两种结果，状态X=H下的分布和状态X=L下的分布。

任意时刻t 都有：

Vt=E（μtX）（4）

2.信念分布的动态推导。

为了计算信念分布Vt， 首先，单独计算时段t，每个公共信息显示的T1，T2，…，TN（t）时的信念分布;然后，计算某时刻公共和私人信息的联合分布Vt。

公共信息显示的分布Z1等于K1次独立私人信息显示的加总h（μ0，t）*k1，其中K1给定，用上标*K代表K项的多项式乘积，有T1时刻预期的信息分布：EμT1T1，X=E[h（μ0t）×h（μ0t）*k1T1，X]=∑

[email protected]

k=1pkhμ0，Tn*k+1。

而在第二次信息显示T2前，即T1时刻和T2时刻之间的预期信念分布为：

h（h（h（μ0，t），T2-T1）×∑

[email protected]

k=1pkh（μ0，T1）*k， 所以T2时刻的预期信念分布为：

EμT2T1，T2，…，X=h（μ0，T2）×∑

[email protected]

k=1pkh（μ0，T1）*k×∑

[email protected]

k=1pkh（μ0，T2）*k。

由此推广到任意时刻的预期信息分布，令N（T）代表t时刻已发生的公共信息显示次数，则有：

EμtT1，T2，…，TN（t），X=h（μ0，t）×

ΓN（t）n=1pkh（μ0，Tn）*K（5）

其中对于任意的概率分布αi，…，αk， 计 ΓN（t）i=1αi=α1×α2×…×αk。

3.求解后验信念分布。

为了计算交易方在t时刻的联合信念分布概率Vt， 首先需要计算αt和βt的精确解，分别代表通过私人和公共信息渠道收敛的交易人后验信念分布的概率。

Duffie，Giroux和Manso（2009）论证了模型（2）存在唯一解，即通过私人渠道收敛的信念分布αt为：

αt=e-λt∑

[email protected]

n=1an（t）μ*n0（6）

其中，λ为无公众信息渠道时私人信息显示速率，系数an（t）非负，单调递增，循环递进;定义a1（t）=1，且aj（t）=λ∑jk=2∫t0e-λ（k-1）sqk

∑j1+...+jk=j∏kh=1ajh（s）ds。

并且存在lim t→

[email protected]

an（t）=φn， 其中f（z） = ∑

[email protected]

n=1φnzn。

式（3）的解可由Fourier转换得到，直到时刻t存在n个公共信息显示，公共信息的到达时间在[0，t]均匀分布，信息显示速率为η，通过公共信息渠道收敛的交易人后验信念分布βt服从：

βt=exp （η（∫t0∑

[email protected]

k=1-t））=defe-ηt∑

[email protected]

n=0ηnn！

（∫t0∑

[email protected]

k=1pkα*ks）*n （7）

βt=e-ηt∑

[email protected]

n=1bn（t）μ*n0（8）

其中：

bn（t）=1;bn（t）=∑jk=1ηkk！∑i1+..+ikdi1（t），…，dik（s）;dj（t）=∑jk=1pk∫t0（e-λks∑i1+…+ik=jai1（s）…aik（s））ds。

综上，得到αt和βt信念分布的精确解，分别通过私人和公共信息渠道收敛的交易人后验信念分布的概率，由此可计算总信息分布Vt：给定分布X，在时刻t任意交易者的后验信念分布服从：

Vt=e-（λ+η）t∑

[email protected]

n=1cn（t）μ*n0 （9）

其中，系数Cj（t）可定义为C1=1， Cn（t）=∑n-1k=1ak（t）bn-k（t）;系数非负且随着t的增加单调递增，且存在对于每个数Cj（t），存在lim t→

[email protected]

cj（t）=φj。

另可定义幂函数：

g（z）=∑

[email protected]

j=1φjzj （10）

由式（9）可知，任意时间t，交易者的信念分布Vt是其初始分布μ0的卷积混叠函数;系数e-（λ+η）tcn（t） 是交易获得（n-1）个其他经纪人初始信息的概率，信息渠道可以是公共渠道，也可以是私人渠道。

4.计算信息收敛速率。分别考察存在私人信息渠道和不存在私人信息渠道两种情境下，交易方后验信念收敛到完全信息显示的速率。

假设每个交易方的后验信念都将收敛到完全信息显示; 计Ft为任意交易方{X = H}的后驗信念的联合分布函数（CDF函数），Ft将收敛到完全信息显示CDF，可计为 Ft（p）→F

[email protected]

（p）（因为F

[email protected]

为常量的随机变量CDF，收敛分布此处等同于收敛概率）。令后验信念收敛到完全信息显示的速率为r>0， 对于任意p∈[0，1] 存在常数k0>0和k1满足：

e-rtk0≤FT（p）-F

[email protected]

（p）≤e-rtk1 （11）

若信息收敛速率r>0存在，则其唯一;因F

[email protected]

（p）=0，则式（11）变换为：

e-rtk0≤FT（p）≤e-rtk1（12）

其中P为[ 0，1] 的任意分布， 常量k0，k1>0。

令Φ（z） = ∑

[email protected]

n=1pnzn

Φ（z）分布在[0，1]之间。

（1）计算公共和私人信息渠道共存的后验信念的收敛速率。

定义后验信念分布的收敛速率：假定所有经纪人的后验信念{X = H}状态时分布为1;在{X = L}状态时，分布为0。此时的后验信念收敛到完全信息显示，定义变量a为0或者1的信念状态，可计算事件{X=H}时的收敛速率 vt-

[email protected]

，a。令Y1…Yi为对于给定的X，独立分布于μ0=α0，随机变量代入公共和私人信息渠道均存在的vt公式和Ft（P）公式。

Ft（p）=vt（（-

[email protected]

，a））=

e-（λ+η）t∑

[email protected]

n=1cn（t）μ*n0（t）（（-

[email protected]

，a））=

e-（λ+η）t∑Nn=1cn（t）P「∑ni=1（Yi-an）≤0+

e-（λ+η）t∑

[email protected]

n=N+1cn（t）P「∑ni=1（Yi-an）≤

0≤βe-（λ+η）t+e-（λ+η）∑

[email protected]

n=N+1φneacγn （14）

由式（10）可知：

∑

[email protected]

n=N+1φnzn《g（z）=∑

[email protected]

n=1φnzn（15）

将式（15）代入式（14）得：

Ft（p）=vt（（-∞，a））≤e-（λ+η）（β+eaCg（γ）），其中β+eaCg（γ）为常量。由此，根据式（12）可知，λ+η为存在唯一的收敛速率。即当公共和私人信息渠道共存时，如果私人信息的收敛速率λ严格为正， 后验信念收敛到完全信息显示的速率是公共和私人信息收敛速率之和λ+η，并且收敛速率与交易人的数量分布不存在相关性，这和仅存在公共信息渠道情形不同。

（2）计算没有私人信息渠道（λ=0）时，后验信念收敛到完全信息显示的速率。首先，定义X=H状态下初始分布μ0，时间生成函数M（s）满足：

s→M（s）=∫esxdμ0（x） （16）

且若s∈-c，0（17）

存在常数c>0，使得 M（s）为有限值。

另根据克莱姆大偏差定理（Cramer"s Large Deviations Theoem）可得数量计量函数：

R=sup y∈R（-log M（y）） （18）

根据式（16）和式（17），对于任意a>0，ε>0，扩展式（12）可得：存在严格为正的常数k0，k1>0 使得：

k0e-（R+∈）k≤μ*k0（-

[email protected]

，a）≤k1e-Rt （19）

另根据式（11）定义“近似收敛速率”r>0：当ε>0，P为[0，1]的任意分布，常量k0，k1>0。若存在：

e-（r+ε）tk0≤Ft（p）-F

[email protected]

（p）≤e-rtk1（20）

则r为唯一的近似收敛速率。

由式（9）可知，当cn（t） 非负时，后验信念收敛到完全信息均衡的速率：

Vt=e-（λ+η）t∑

[email protected]

n=1cn（t）μ*n0=∑

[email protected]

n=1e-ηtcn（t）μ*n0（21）

同时，因为没有私人信息渠道，αt=μ0，通过式（11）和 βt的定义（式7），后验信念收敛到完全信息均衡的速率vt还可表达为：

vt=αt×βt=

μ0×∑

[email protected]

k=0（ηt）kk！e-ηt（∑

[email protected]

n-1pnμ*n0）×k（22）

将式（19）双边均乘以∑

[email protected]

n=1e-ηtcn（t）可得：

Vt（-

[email protected]

，a）=∑

[email protected]

n=1e-ηtcn（t）μ*k0（-

[email protected]

，a）≤

k1∑

[email protected]

n=1e-ηtcn（t）e-Rn（23）

将式（22）代入式（21）可得：

∑

[email protected]

n=1e-ηtcn（t）e-Rn=∑

[email protected]

n=1vtμ*ne-Rn

=e-R∑

[email protected]

k=0（ηt）kk！e-ηt∑

[email protected]

n=1pne-Rnk

=e-R∑

[email protected]

K=0ηtkk！e-ηtφ（e-R）k

=e-Rexp -η1-φe-Rt （24）

將式（24）代入式（23）可得：

Vt（（-

[email protected]

，a））≤k1e-Rexp （-η（1-φ（e-R））t） （25）

令仅存在公共渠道的信息收敛速率为ρ， 如果Φ（e-R）>0，由式（20）近似收敛速率的定义可得 ρ=η1-φ（e-R）为公共渠道的信息收敛速率。且存在：

隨着黑池系统功能逐渐完善，交易量快速上升而投资主体日趋多元，其市场影响力也日渐复杂， 形成多方面的潜在风险。主要包括：（1）非公开交易市场内外信息不对称，损害市场公平和有效性;（2）高频交易者参与度上升，加剧了信息泄露与价格操纵风险。为应对黑池属性转变所产生的潜在风险，欧美监管当局开始提倡提高非公开交易平台的信息透明度：美国证券交易委员会在2009年的《Regulation AB》中对信息披露提出三项建议[15]：一是完全公开黑池内可执行交易意向单（Actionable IOIs），对其实行与公开市场订单完全相同的披露要求;二是将黑池公开最优报价订单和相应订单交易权限的阈值由现行的5%降至0.25%。三是为黑池创立一个相同等级的交易后的透明度，实时进行身份披露。这反映了非公开交易平台规模达到一定程度时，交易透明度需要提升。这也印证了前文研究结果，市场透明度和信息效率的关系呈非线性，一定程度的非透明利于提升信息效率，但非透明度到达阀值后反而不利于市场质量，因此需要提升市场透明度。

（二）我国场外市场层次化发展的政策建议

在我国基本法律准许建立和发展场外非公开交易平台的大前提下， 对于场外非公开交易平台的监管先应当明确其构建原则，应当从其设立的基本条件和审慎性要求等方面着手强化风险防范 ，扬长避短， 发挥场外非公开交易平台的优势。借鉴美国对黑池的一些监管政策，对我国场外非公开交易平台健康发展提供了几条政策建议：

一是场外证券非公开交易平台的构建原则。证券场外交易不能游离于监管之外，不能成为证券业的“影子银行”，应将它置身于宏观审慎监管的大框架之下，建立统一监管框架，这样才能在降低风险的情况下为市场提供流动性和发展的空间。参考美国黑池交易平台的经验，中国可在证券公司柜台市场的基础上发展场外非公开交易平台，其经纪商必须成为自律组织的成员并接受其监管，遵守客户委托最佳执行原则 ， 并建立投资者保护制度。

二是场外证券非公开交易平台的构建前提。

在一个机构投资者和个人投资者并存的市场，不同投资者对信息的发掘和分析能力差异巨大，而本文模型对交易者的假定是初始信息禀赋相似，正是在此设定下非公开交易和公开交易并存实现了信息效率的改善。因而合格投资人制度是非公开交易平台构建的前提。构建投资者分类制度应当有前瞻性，应考虑合格投资人制度如何配合非公开交易市场的发展。新市场的发展之初投资人的准入可采用注册制，辅以一定的信息披露和报告机制以保证其资质，待市场发展到一定程度，再逐渐优化和简化相关制度设计以维护信息非公开渠道。非公开交易平台主要相关方的资质考虑如下：（1）非公开交易平台主办人资质：
承办券商或金融机构需要取得政府授予的经营牌照并定期审核。这样既可降低券商借用自由资金和内部信息在非公开交易谋取超额利润的风险。（2）非公开交易平台投资人资质：非公开交易平台的投资人需要进行合格投资人审核：申请人必须是法团，必须拥有适当的组织架构，具备合适资格的人员以确保它能履行在监管制度下的责任， 以及拥有适当的基础设施和内部监控系统以便有效地管理风险、避免利益冲突及制备妥善的审计记录。

三是结合市场实践逐步实现场外市场层次化发展，分步骤采取差异化监管措施。

待场外市场发展较为成熟、市场结构层次逐渐分化时，可考虑在明确不同市场功能定位的基础上，采取差异化监管措施发展非公开交易平台，在维护市场透明度的同时满足多样化的交易需求。场外市场构建非公开交易平台的目标是提供分层的交易透明度，非公开交易平台在市场准入、投资者适当性、交易制度、信息披露和监管制度等方面与公开交易平台存在很大差别，表1整理了美国不同层次的场外市场的层次结构和制度差异，供我国场外交易市场层次化发展提供借鉴。

按照SEC要求，充分披露财务信息、经营信息、审计信息、成交价格信息和交易量信息

交易必须在90秒内通过自动确认交易服务系统报告，其它交易在T+1内报告;定期报告财务信息

一般没有要求，特殊情况下要求提供适量的信息

根据D条例，信息披露因投资者资格不同而有所不同，对QIB不要求发行人主动提供特定信息

参考文献：

[1] O′Hara M， G Oldfield. The microeconomics of market making[J]. Journal of Financial and Quantitative analysis， 1986， 21（4）：361-376.

[2] Pagano， Macro， Ailsa Roell.Transparency and liquidity：
a comparison of auction and dealer markets with informed trading[J]. Journal of Finance ，1996， 51（2）：
579-611.

[3] Andrea M. Buffa. Insider trade disclosure， market efficiency， and liquidity[EB/J]. SSRN Electronic Journal， 10.2139/ssrn.1102126，2011.

[4] Shmuel Baruch. Who benefits from an open limit-order book[J]. Journal of Business， 2005，78 （4）：1267-1306.

[5] Arie E， Gozluklu. Pre-trade transparency and informed trading：
experimental evidence on undisclosed orders[J].Journal of Financial Markets， 2016， 28（3）：
91-115.

[6] Bloomfield R，OHara M.Market transparency：
who wins and who loses？[J]. The Review of Financial Studies， 1999， 12（1）：
5-35.

[7] Mark D. Flood， Ronald Huisman，Kees G Koedijk，Ronald J Mahieu.Quote disclosure and price discovery in multiple-dealer financial markets[J]. The Review of Financial Studies， 1999，12（1）：
37-59.

[8] 王艳，郭剑光，孙培源.证券交易的透明度与信息揭示制度：理论综述[J].证券市场导报，2006（3）：71-77.

[9] 张见地.交易所多元化經营分析[Z].证交资料第 574期，2010.

[10]Iyer K， Johari R， Moallemi C C. Welfare analysis of dark pools [M].Published on OPLOG Seminar Series， Sauder School of Business， UBC， Vancouver， Mar 2015.

[11]Vega Clara. Stock price reaction to public and private information[J]. Journal of Financial Economics， 2006， 82（1）：
103-133.

[12]Zhu Haoxiang.Do dark pols harm price discovery？ [J]. Review of Financial Studies， 2014，27 （3）：747-789.

[13]Duffie Darrell， Gaston Giroux，Gustavo Manso. Information percolation[J]. American Economics Journal：
Microeconomic Theory， 2010（ 2）：
100-111.

[14]CFA Institute.Regulation of NMS stock alternative trading systems[R]，File No. S7-23-15，2012.

[15]梁建. 欧美黑池交易平台的监管进展及启示 [J].清华金融评论，2016（8）：110-112.

（责任编辑：王铁军）

The Impact of Trading Transparency on Information Efficiency of OTC Markets

WANG Yuqiong

（National Academy of Economic Strategy，CASS，Beijing 100028，China）

Abstract：Dark Pools is the growing private trading platform in the United States in recent years. It has low information transparency and provides anonymous trading services. Thus it can realize the non-public transmission of information. The Article establish public， non-public information display model in over-the-counter （OTC） market， to measure and compare information revealing speed different under different trade transparency. The model assumes information displayed in Poisson process， when the non-public and public information coexist， information reveal faster than only in public information channels. The economic implications are that information transparency has impact on information efficiency， thus establishing nonpublic trading platform on the OTC market can improve market efficiency.

Key words：non-public trading platform; dark pool trading system; trading transparency; information efficiency