1、股票流动性与公司创新基于创新行业的实证分析 胡勇 李意 乔元波 清华大学经济管理学院 清华大学中国金融研究中心 山东大学县域发展研究院 摘 要： 对于高流动性的中国股票市场,股票流动性如何影响公司创新?本文从管理层短期行为视角进行了探讨,采用中国 A 股市场数据,运用回归分析及双重差分进行检验,发现股票非流动性指标正向影响发明专利和专利总量,结论支持了股票流动性抑制公司创新的假设。其影响机理是,当外部冲击导致股票流动性增加时,会吸引更多的基金公司持股,这些公司更注重短期业绩,促使公司高管进行短期投资而减少创新支出;但股票流动性通过提高公司高管薪酬股价敏感性而抑制公司创新的机理没有通过显著性检验
2、。政府和证券监管层因此可以通过市场制度建设、交易机制改革等行为控制过高的股票流动性,从而刺激公司进行创新型项目。关键词： 股票流动性; 公司创新; 机构投资者; 双重差分; 作者简介：胡勇:清华大学经济管理学院,博士研究生;作者简介：李意:清华大学中国金融研究中心,博士研究生;作者简介：乔元波:山东大学县域发展研究院,博士。Liquidity of stock and corporate innovation empirical research based on innovative industriesHu Yong Li Yi Qiao Yuanbo Abstract： How does
3、 the liquidity of stock market impact the corporate innovation? This paper employs the data of the A share stock market, applies the regression analysis and difference-in-difference model for examination, and discovers the liquidity of stock market significantly imposes negative impact on the number
4、 and quality of patents, the conclusion supports that the liquidity restrains the corporate innovation. And the impact mechanism is due to the positive correlation of stock liquidity and shareholding ratio of mutual funds, when the stock liquidity raises to attract increasing number of shareholding
5、ratio of funds, these funds attach greater importance to short term performance, therefore, restrains the corporate innovation. Even though, the stock liquidity can impact the corporate innovation through raising the remuneration of managing directors, this approach is not demonstrated by the signif
6、icance tests. Government and securities can boost the innovation by improving the marketing system, trading mechanism to change the liquidity of stocks.Keyword： stock liquidity; corporate innovation; institutional investors; difference-in-difference; 一、引言自 2008 年国际金融危机以来,资本市场如何更好的服务实体经济,越来越受到学者和业界的关
7、注(Edmans 等,2012)。创新是驱动国家经济增长的重要力量,也是企业实现高速成长、保持长期竞争优势的源泉(Solow,1957;Porter,1992)。资本市场如何影响公司创新,是一个颇具理论意义和现实意义的问题。中国股票市场的一个显著特征是,其流动性远高于发达市场流动性(Chordia 等,2000;陆超,2015)。由于中国股市交易机制和法律法规不完善、投资者结构中散户所占比重高、缺乏投资经验以及风险偏好程度高等因素(朱小斌和江晓东,2006),造成中国股市一直以来存在着换手率居世界各国(地区)股市高位的现象。以创业板为例,在 2009 年(深圳创业板开板)到 2015 年期间,
8、深圳创业板比香港创业板、美国 NASDAQ 等同类股票市场年均换手率要大得多,存在数倍甚至数十倍的关系,如表 1 所示。表 1 2009 年-2015 年创业板流动性(年均换手率)比较 下载原表 虽然已有文献基于中国的证据,认为股票流动性能促进公司投资水平(熊家财和苏冬蔚,2014;陆超,2015),但是在当前创新驱动经济发展的背景下,过高的流动性利于公司创新吗?从理论上看,流动性可以通过多方面影响创新,例如流动性通过降低代理成本、提升股价信息含量,从而影响公司创新投资和创新产出;流动性会影响机构投资者的进出,但对于机构投资者到底是促进还是抑制创新并没有一致认识(雷倩华等,2012;孔东民等,
9、2015;胡淑娟和黄晓莺,2014);流动性通过影响恶意并购事件的发生而抑制创新投资(Shleifer 和 Summers,1988);流动性影响高管基于股价的薪酬态度从而影响创新等。从这些影响途径出发的理论分析,并没有产生一个确定的分析框架,因此流动性究竟如何影响公司创新尚不得而知。从实证方面看,源于创新数据难以获得等原因,这方面文献尚处于起步阶段,Fang等(2014)是第一篇研究股票流动性与公司创新的研究,其提供了来自美国资本市场的经验证据。而中国这方面的实证研究则几乎是空白,仅有个别文献从资本市场发展的视角,采用宏观数据进行了初步的流动性与创新之间的相关性探讨(张晖,2009)。因此,
10、对于中国高流动性的股票市场,研究流动性与公司创新的关系及其影响机理,显得十分必要。在明确股票流动性与公司创新两者之间的关系后,政府和证券监管者可以通过改变金融市场管制和证券法规来影响股票流动性,从而影响公司创新行为(Fang 等,2014)。本文的目的在于通过讨论选择一个合适的理论视角,采用来自中国资本市场的样本公司股票流动性、公司创新以及其它公司基本面的微观数据,以多种回归分析方法(OLS 稳健回归、面板随机效应、面板固定效应)实证揭示股票流动性与公司创新的关系,并进一步探究其影响机理。本文的创新及意义是:(1)现有文献主要是从择时融资、降低代理成本以及提升股价信息含量等角度研究公司创新,共
11、同点是将创新投资置入公司整体投资行为中考虑。但创新项目的投资风险、投资期限以及对资本市场效率的敏感性与公司固定资产投资迥异,两者在争夺公司资源时具有一定程度的相互替代性。因此,本文从能体现公司创新活动特征的公司短期模型视角出发,探究股票流动性对公司创新的影响机理,能深化相关理论。(2)流动性与公司创新的研究,难点在于某些因素可能同时影响公司创新和流动性,即流动性能影响公司创新、公司创新也可以影响流动性。本文选择影响流动性的外部冲击因素事件,采用 DID 方法和中介检验方法,缓解了内生性问题对结果产生的影响。(3)依据实证分析结果提供了相关政策建议。全文各部分安排如下:第二部分进行文献回顾并提出
12、研究假设,第三部分是研究设计、数据来源与描述性统计,第四部分是实证结果分析,第五部分是稳健性检验及内生性问题,最后一部分是结论与政策建议。二、文献回顾和研究假设关于股票流动性的研究,早期文献主要关注流动性与资产定价(Amihud 和Mendelson,1986;苏东蔚和麦元勋,2004)、流动性影响公司资本结构(Lipson 和Mortal,2009)和流动性影响公司治理(Kang苏冬蔚和熊家财,2015)几个方面。近几年逐步出现了流动性如何影响实体经济的研究,例如流动性影响企业资本配置行为和效率(熊家财和苏冬蔚,2014),该领域正受到越来越多研究者的重视。(一)股票流动性与公司投资熊家财和
13、苏冬蔚(2014)研究发现,股票流动性有助于缓解投资不足和抑制过度投资,其影响机制是流动性可以提高股票信息含量和降低代理成本,从这个角度研究两者关系的还有顾乃康和陈辉(2010)。陆超(2015)采用中国 A 股上市公司2003-2012 年的面板数据,研究发现股票换手率大小与公司投资水平显著正相关,其影响途径在于高的股票流动性能促进公司发行股票融资,从而促进投资。可以初步认为,创新投资作为公司投资的重要内容之一,也受到股票流动性的影响。但要探究其具体影响机制,并不能完全照搬流动性影响公司投资的机制,原因在于公司固定资产投资及其它投资与创新投资之间可能存在相互替代性。来自 wind 资讯的数据
14、显示,一家 A 股上市公司每年的创新研发支出仅相当于固定资产投资的 1/2-1/10,而且创新投资项目由于投资风险性大、投资期限长以及更难以估值,其对资本市场效率相关指标更敏感(Dong and Hirshleife、Teoh,2007;Polk and Sapienza,2009)。因此,当流动性上升时,因降低代理成本和提升信息含量而对公司投资总量与对公司创新投资产生的影响,可能显现出完全相反的效果。事实上,已有不少学者质疑资本主义的创新精神,认为抑制创新精神正是源于良好的公司治理降低委托代理成本和信息不对称程度(Chiristensen,2014;Porter,1992),Rafferty
15、(2012)也认为公司治理与公司创新的关系对一些非观测效应和工具变量异常敏感,可见公司治理水平与公司创新的关系并不确定,若以股票流动性通过提升公司治理水平途径判断其对公司创新的影响,并无助于我们解释一些关于公司创新的实际现象。(二)股票流动性与公司创新股票流动性对公司创新的影响,本质上应该回归到 Stein(1988)提出的公司管理者短期模型。判断标准是,促进公司短期行为的因素会直接抑制公司创新(Ferreira 等,2012)。短期模型告诉我们(stein,1988;1989),投资者流动性需求、公司管理层薪酬股价敏感度、被并购概率以及未来项目成功率对当期收益的敏感程度等,成为影响公司短期行
16、为的重要因素。Fang 等(2014)就是一篇以短期模型视角研究公司创新的文献,作者采用美国资本市场数据,研究发现股票流动性越高公司专利申请量和专利引用量越低。两者的关系源于,流动性增加时短期机构投资者越来越多,或者流动性增加时公司被恶意并购的概率增加,这两种情况均阻碍了公司创新。中国情景不同于成熟的美国资本市场,需要具体分析影响短期行为各因素的可能性。未来项目对当期收益的敏感程度取决于单个公司的特点,由于本文所取数据来自于全部 A 股数据,涵盖了主板、中小板和创业板上市公司,各公司其敏感程度差异很大且难以度量,而中国资本市场上的恶意并购数量较少,这两个方面不作为本文检验是否影响公司短期行为的
17、因素。因此,关于股票流动性如何影响公司短期行为的途径主要在于通过影响机构投资者或公司高管对于薪酬股价的敏感性而发生作用。中国的经验证据表明,股票流动性的增加能促进机构投资者比例的增加(雷倩华等,2012;孔东民等,2015;胡淑娟等,2014),以及股票流动性有助于提高 CEO 薪酬股价敏感性(苏冬蔚和熊家财,2013)。这两个因素如何影响公司短期行为(公司创新)呢?关于机构投资者和公司创新的关系,历来存在争论。例如,Porter(1992)持有机构投资者短视论观点,认为机构投资者更看重公司短期业绩,促进了公司短期行为;而 Kochahar相反,民营公司其 CEO 更大程度采取市场化的薪酬激励
18、,会更关注业绩薪酬(温军和冯根福,2012;Firth et al.,2006)。因此,外部因素导致的股票流动性增加会吸引那些短期机构投资者的进入,会促进公司高管对短期股票价格的关注,这两者均会阻碍公司创新行为;而且,基于CEO 薪酬股价敏感性受到流动性影响大小不同,不同属性的企业其创新受到股票流动性的影响程度不同。由此本文提出如下假设:假设一:股票市场流动性会抑制公司创新。假设二:股票流动性增加会促进证券基金投资者的进入,从而负向影响公司创新。假设三:股票流动性与公司创新的关系取决于公司产权性质,国有上市公司股票流动性与公司创新的负相关关系减弱。三、研究设计、数据来源与描述性统计(一)研究设
19、计为了讨论股票流动性与公司创新之间的关系,本文采用面板回归方法进行研究,为了检验假设 1,建立如下基本模型:在对方程(1)进行回归结果分析的基础上,将进一步检验其影响机制。采用双重差分(DID)方法,通过外部性冲击股票流动性的自然实验,检验通过短期机构者途径而影响公司创新的情况,即假设 2;采用企业属性与流动性交乘项回归,检验通过 CEO 薪酬股价敏感性途径而影响公司创新的情况,即假设 3。如图 1 所示。图 1 股票流动性影响公司创新机理检验 下载原图1. 因变量以专利申请衡量创新产出对公司创新的度量,一些文献采用研发投入数据,但研发支出容易受到会计准则的影响。相比较而言,专利申请量则更能真
20、实反映公司创新水平,越来越多的受到研究者的采用(陈玉罡等,2015)。中国政府(国家知识产权局)提供的专利申请数据主要包括发明专利、新型实用型专利以及外观设计专利。普遍认为外观设计并不能很好的代表创新的程度,因此本文不考虑外观设计。发明专利最能体现创新的本质,将其视为创新质量,同时将发明专利和新型实用型专利数的和视为创新数量(田轩,2015)。2. 解释变量股票流动性股票流动性是市场以合理价格交易资产的能力,包括市场宽度、深度、弹性和及时性四个维度,一般可通过买卖价差、成交速度以及价格冲击指标进行度量。但是,对于机构投资者来说,最重要的流动性因素是交易对价格的冲击(Kamara 等,2008)
21、。因此,在考虑交易数据可得性基础上,并参考 Fang 等(2014)、熊家财和苏冬蔚(2014)、Amihud(1986)、苏冬蔚等(2013)、徐晟等(2012)等文献,本文选择非流动性指标和年日均换手率作为股票流动性的度量指标。(1)非流动性指标 ILLIQ其中,r itd和 Vitd分别为股票 i 在第 t 年第 d 天的投资回报率和交易金额;D it为当年总交易天数; 为每百万元成交额所引起的价格变化,取年平均值并乘以 100 后即为非流动性指标。ILLIQ it越高,单位成交金额对价格的冲击就越大,股票流动性越低。(2)年日均换手率 turnover其中,VOL itd为股票 i 在
22、 t 年第 d 天的成交数量,LNS itd为股票 i 在 t 年第 d 天的流通股数,D it为股票 i 在 t 年的总交易天数。3. 控制变量根据 Fang 等(2014)、熊家财和苏冬蔚(2014)、解维敏和方红星(2011)的研究,本文构建以下控制影响公司创新的公司和行业特征变量:公司规模、产品市场竞争、增长机会、公司年龄、杠杆率、公司属性等。产品市场竞争的度量一般采用行业集中度(HHI)来显示,本文采用文献普遍方法赫芬达尔(HERFINDAHL)度量,其公式为:其中,A i为一个行业内某公司某年份的营业总收入,A 为一个行业内所有公司某年份的营业总收入。从数据可获性考虑,采用中国 A
23、 股市场的所有公司计算不同行业的 HERFINDAHL 指数。以上各变量定义的总结如表 2 所示。表 2 变量定义 下载原表 表 2 变量定义 下载原表 (二)数据来源本文以沪深 A 股市场的上市公司为研究对象。基于以下几方面考虑对公司进行了筛选:(1)不同板块的可比性,需涵盖主板、中小板和创业板(2009 年 10 月 23日开板)的数据,选择 2010 年2015 年的上市公司数据;(2)为降低公司 IPO 带来的不可控因素,剔除了当年上市的公司数据;(3)剔除 ST 类公司;(4)剔除数据不详的公司。行业的选择。大部分创新公司为高科技、成长性好的企业,具有涉及创新的研发支出和专利数据的公
24、司主要分布于一些重点制造业,例如计算机制造业,其它行业例如批发和零售业、房地产业以及住宿和餐饮业等,只有一些零星式的相关创新数据。因此,按证监会大类行业标准(2012 年),选择计算机、通信和其他电子设备制造业、医药制造业以及通用设备制造业三大制造业,并考虑研究得出具有普适性的结论,软件和信息技术服务业这个服务业也被纳入研究对象。专利数据来源以及处理。专利数据主要来源于国泰安数据服务中心中国上市公司专利研究数据库,并通过国家知识产权局专利公布公告网http:/ 以及专利信息服务平台http:/ 220 家公司,数据时间跨度为 2010 年-2015 年。(三)描述性统计股票流动性、公司特征以及
25、行业特征等因素对公司创新的影响具有滞后性(Fang等,2014),主要原因是创新投资(例如研发)是基于提前研发预算安排,而专利的申请也并非当年基于公司投资行为而产生结果。因此,因变量专利数据时间跨度为 2011 年-2015 年共 5 年时间,解释变量以及控制变量均为 2010 年-2014 年(影响滞后)共 5 年时间。各变量的描述性统计如表 3 所示。表 3 描述性统计 下载原表 表 3 描述性统计 下载原表 从描述性统计表中可以看出,平均来看,每个公司每年的专利总量(发明件和新型实用件)为 56.24 件,其中发明为 40 件,表明样本公司中发明专利占主体。但同时不同公司之间差异又特别大
26、,有的公司年发明专利达到接近五千件。通过最大值和最小值以及标准差来看,不同年份的公司个体专利绩效差异较大,说明不同公司的创新能力不一样。表 4 各解释变量相关系数矩阵 下载原表 可以看出,发明专利和专利总量均与年日均换手率负相关,这与假设 1 一致;但却与非流动性指标负相关,而与假设 1 相反。说明了股票流动性与公司创新存在显著相关性,但需要进一步在控制影响公司创新的相关变量基础上,采用多元回归分析探究两者之间的因果关系。发明专利和专利总量与 tobinq 负相关,与资产负债率、公司规模正相关。解释变量之间的相关系数大多数低于 0.3,说明解释变量之间不存在多重共线性,因此我们可以将这些因素同
27、时作为解释变量进行回归分析。四、实证结果(一)股票流动性对公司创新的影响对于前面的回归模型,我们就发明专利和专利总量对选择的所有解释变量分别采用 OLS 稳健回归和面板随机效应进行回归,回归结果如表 5 中方程(1)(4)所示。表 5 回归结果 下载原表 可以看出,关于非流动性指标(衡量股票单位价格变化所需要的股票交易量)与专利申请量之间的关系,4 个回归方程中系数均为正,表明非流动性指标显著促进了发明专利和专利数据。股票 t 年流动性越高,公司 t+1 年专利申请量越少,即股票流动性抑制了公司创新。这个结果与 Fang 等(2014)所采用美国数据进行的实证结论相同,也与 Ferreira
28、等(2012)的理论模型结论一致。其它控制变量中,公司规模与专利总量显著正相关,规模越大的企业表明财力物力人力相对雄厚,对一些看得见的创新投入产出(例如专利总量)愿意持久投资(马光荣等,2014;Jeferson 等,2004)。资产负债率显著促进专利总量,也与发明专利正相关但并不显著,这说明公司创新行为中,可能源于越高的公司负债激励了公司创新产出;但发明专利对创新的要求更高、风险更高,更多的依赖于外部融资,因此与公司负债的程度没有显著的关系。专利总量 Tobinq 值与专利显著负相关,这个相关性与 fang 等(2014)一致,可以解释为 tobinq 值高的公司没有研发创新压力,不会努力提
29、高专利产出效率。公司年龄显著负向影响公司专利产出(专利总量和发明专利),说明新成立的公司创新动机越强,而随着公司年龄的增长创新成本越高,专利产出越少(鞠晓生等,2013)。从以上回归分析来看,对公司创新专利申请量的影响主要源于几个渠道:公司整体实力(规模)、压力与激励机制(资产负债率、市场竞争、Tobin q)以及公司生命周期(年龄)。但公司股票流动性抑制公司创新是通过什么渠道实现的,需要进一步讨论分析。(二)影响机理检验一:机构投资者途径下面选择一个外部冲击流动性而不直接影响创新的因素,采用双重差分法(DID)检验该因素对机构投资者持股的影响,进而影响公司创新专利产出。这里采用 DID 方法
30、的步骤是,搜寻出受外部事件影响的公司,将其作为实验组,按相关特征找出与之匹配的未受影响公司的对照组。分析实验组事件前后的变化、对照组前后变化,以及试验组与对照组前后变化的差值是否显著,最后进行中介检验。2011 年温州动车追尾事故的事件发生后,相关高铁产业链的多家公司受到这一重大不利消息的冲击,股票流动性受到严重影响,并直接影响了机构投资者的投资策略和持股比例,而但这一外部消息冲击并不直接影响公司创新行为。这里主要采用手工信息查找 2011 年明显受温州动车追尾事故影响的公司,通过证监会指定信息披露网站巨潮资讯 、证券时报 、上海证券报 以及相关重要财经网站进行筛选,最后确定包括中国北车、中国
31、铁建、辉煌科技等 31 家受影响上市公司,这些公司分布于高铁产业链条中,涵盖了车辆制造、综合监控、信号系统等环节公司。在控制了行业和年份后,参考陈玉罡(2015)和 Palepu(1986),采用“广义最短距离法”作为筛选手段,选择在公司规模(市值)、盈利能力(ROA)、负债(资产负债率)以及运营能力(总资产周转率)等 4 个方面与实验组相近的未受温州动车追尾事故影响的对照组。实验组和对照组按 1:1 比例配对,均为 31 家上市公司。在实验组和控制组的基础上,分析事故发生前后年平均换手率变化、基金持股比例变化以及专利申请变化情况,如表 6 所示:表 6 2010-2011 年实验组-对照组均值差异检验(Z 值检验) 下载原表 结果表明,在动车事故发生前后,与对照组相比,实验组上市公司的股票平均换手率、基金持股比率、专利申请数量均有显著差异,即流动性显著下降、基金持股比例显著下降,专利申请量显著增加。对于对照组,换手率前后显著下降,这可能是由于 2011 年前后相关政策所致,而基金持股和专利申请数量前后则没有显著差异。但在实验组与对照组的差异差值方面,平均换手率、基金持股比例、专利
