一、引 言
根据经济社会发展的需要,中国政府制定和颁布了一系列的产业政策,其初衷在于引导资本投向,促进产业结构优化,提高资源配置效率。现有文献基于宏观经济政策影响微观财务行为的逻辑架构,研究了银行信贷、政府补助、突破行业壁垒等具体支持形式的产业政策是否以及如何影响微观企业的资源配置行为及其效率问题(例如,黎文靖和李耀淘,2014;Chen等,2017;王克敏等,2017);而忽视了股票市场对产业政策的反应这一中间环节(韩乾和洪永淼,2014),鲜有文献考察股票市场在产业政策引导企业资源配置过程中扮演的角色。
相对于西方成熟资本市场,中国资本市场仍是一个不完善的新兴市场。个人投资者在投资主体构成和交易规模上都占有绝对比例,但是投资者的专业知识和经验相对缺乏;中国股市交易制度上的特殊性使得投资者面临的卖空限制要显著高于成熟股市,卖空限制制约了理性投资者的套利行为(Gu等,2018)。由于中国资本市场投资者“散户化”特征以及有限套利的制度背景,我们观察到的基本经济事实在于,中国资本市场具有“政策市”的典型特征。产业政策对资本市场中的金融资产价格和投资者行为具有重要影响(韩乾和洪永淼,2014),每一次产业政策的出台,往往都会引发股票市场上投资者情绪的波动;并且许多公司为了获得股票市场的认同,追随股票市场热衷的题材,调整公司的投资策略(花贵如等,2010;2011),导致微观企业投资效率的改变,影响产业政策的效果(陆蓉等,2017)。例如,在产业政策的影响下,2000 年当股票市场青睐“高科技”概念时,上百家上市公司纷纷投向科技产业;2005 年形成“生物技术热”,2008年又转投“新能源”,2015 年游戏、VR 等文化产业受到产业政策的支持和股票市场的热捧,大量企业又开始进行文化产业的投资扩张。因此,中国资本市场投资者“散户化”状况、有限套利的制度背景以及由此所带来的典型的“政策市”特征为我们考察政府颁布的产业政策如何影响股票市场的投资者情绪,以及受到影响的投资者情绪怎样传导至实体经济的公司资源配置创造了独特的“实验室”。
党的十八届三中全会明确提出,要使市场在资源配置中起决定性作用和更好发挥政府作用。政府和市场的关系已是国家治理和社会经济发展的关键问题(步丹璐和兰宗,2020),如何更好地发挥政府对宏观经济的调控作用并充分发挥市场在资源配置过程中的决定性作用,已成为新时代学术界和监管层关注的重大理论与现实问题。从投资者有限理性的角度考察市场情绪在产业政策引导企业资源配置过程中的中介作用,对从微观企业的角度更加深入地理解国家政策、市场作用和企业行为之间的关系具有重要的研究价值和现实意义。
鉴于上述研究动机,结合中国政府主导的产业政策具有“强制性变迁”的特征(江飞涛和李晓萍,2010),沿着“政府颁布政策→市场如何理解→公司怎样反应→经济后果如何”的逻辑思路,本文拟考察以下三个逐层递进的问题:第一,股票市场上有限理性的投资者如何理解政府颁布的产业政策,这将引起投资者情绪怎样的反应?第二,在考虑了产业政策引导投资的传统路径下,上市公司是否以及为何因产业政策对投资者情绪的影响而改变其资源配置?其传导路径又是什么?第三,产业政策外生冲击下的投资者情绪向实体经济的公司资源配置的传导会对微观企业的资源配置效率和公司价值带来怎样的后果?
以产业政策未涉及的行业作为参照组,将产业政策鼓励支持和淘汰限制的行业作为两大考察组,基于“并非有效”的中国资本市场,借鉴代表性偏误、市场择机与迎合等社会心理学和行为金融的相关理论,本文研究发现:第一,政府颁布的产业政策与股票市场的投资者情绪存在显著的正相关性,鼓励支持类的产业政策显著提升了投资者情绪,而淘汰限制类的产业政策则显著抑制了投资者情绪。第二,鼓励支持类产业政策引起的投资者情绪越高,企业投资水平越高,过度投资越严重,投资不足越低;反之,淘汰限制类产业政策导致的投资者情绪越低,企业投资水平越低,投资不足越严重,过度投资越少。第三,上述影响的深层机制在于,一方面,产业政策引起投资者情绪及其相应的股票价格错误定价,并将改变企业的股权融资成本,从而影响股权融资依赖型企业的投资行为,即“股权融资依赖渠道”;另一方面,为了维持或提高短期股价以获取私人利益,理性的公司管理层可能会利用公司资源配置行为迎合投资者情绪,将资金投向产业政策支持和股票市场青睐的热点行业,即“管理者迎合渠道”。最后,总体上产业政策外生冲击下的投资者情绪对企业资源配置的影响造成了公司价值的损毁,并且不同影响渠道具有显著的差异,利用投资者情绪降低股权融资成本所进行的资本投资显著提升了公司价值,而迎合市场情绪所进行的资源配置行为显著毁损了企业价值。
区别于现有文献,基于“并非有效的资本市场”的视角,本文考察政府颁布的产业政策如何影响股票市场的投资者情绪,以及受到影响的投资者情绪怎样向实体经济的公司资源配置传导,本文的边际贡献可能体现在以下几个方面:第一,揭示了产业政策作为“外生性因素”在投资者情绪形成及演化过程中的作用,这将丰富投资者情绪形成方面的文献,有助于从微观企业视角理解公共政策对股票市场的影响。现有文献主要探究投资者心理偏差的“内在性因素”(例如,代表性偏差、过度自信和保守主义)对股票市场投资者的心理状态和主观预期的影响(Baker和Wurgler,2007)。区别于以前,本文基于中国政府主导的产业政策具有“强制性变迁”的特征,研究外生性的产业政策因素对投资者情绪的影响。第二,本文基于投资者有限理性的角度,研究非有效的股票市场在产业政策引导企业资源配置过程中扮演的角色,有助于我们更加深入地理解政府、市场和企业之间的关系,也为今后政策制定和执行过程中如何协调政府、市场和企业的关系提供了借鉴。然而,当前关于产业政策与公司投资决策的研究主要从税收优惠、政府补助和银行信贷等具体政策支持形式的角度研究产业政策是否以及如何影响微观企业的资源配置行为及其效率问题(例如,黎文靖和李耀淘,2014;王克敏等,2017;金宇超等,2018)。第三,本文为产业政策的实施效果具有两面性的特征提供了微观证据。作为中国政府引导资源配置和优化产业结构重要工具的产业政策是否有效,一直是理论界和实务界关注的重大问题。本文研究发现,产业政策通过投资者情绪的中介作用,可能会加剧或缓解企业的投资过度和投资不足。这从微观企业资源配置效率的角度,为产业政策的实施效果具有两面性提供了新证据。
二、理论分析与研究假设
基于“政府颁布政策→市场如何理解→公司怎样反应→经济后果如何”的逻辑思路,我们以产业政策未涉及的行业作为参照组,将产业政策鼓励支持和淘汰限制的行业作为两大考察组,研究政府颁布的产业政策如何影响股票市场的投资者情绪,以及受到影响的投资者情绪怎样向实体经济的公司资本投资传导(如图1所示)。
随着融资融券制度推出以及机构投资者不断发展,中国股票市场的卖空渠道和投资者结构得到一定程度的优化。但是与较成熟的股票市场相比,我国股票市场起步较晚,目前虽已初具规模并取得显著成就,但仍是一个不完善的新兴市场。中国资本市场仍然存在严重的卖空限制,制约了理性投资者的套利行为,个人投资者在投资主体构成和交易规模上都占有绝对比例,投资者的专业知识和经验相对缺乏,使得投资者情绪和相应的股票错误定价在一个较长的时间范围内持续存在(Gu等,2018)。
中国政府颁布的产业政策具有选择性和不确定性等特征(江飞涛和李晓萍,2010),有限理性的投资者对产业政策的理解能力有限,产业政策对投资者情绪具有重要影响,并将导致股票价格在短期甚至长期内偏离其基本价值。以下将借鉴行为公司财务理论、社会心理学的代表性偏差理论,结合投资者情绪的定义、中国资本市场现实状况和产业政策特征,详细阐述产业政策是否以及如何影响和塑造投资者情绪及其相应的股票错误定价。
首先,关于产业政策是否影响投资者情绪,我们认为在产业政策的不确定性以及中国资本市场以个人投资者为主体的结构状况下,投资者情绪的心理因素在股票定价和投资决策中具有重要影响。行为公司财务理论认为,投资者情绪是投资者对企业未来现金流量和风险的主观预期和判断,并导致股票价格短期甚至长期系统性地偏离其基本价值(Baker等,2003;花贵如等,2010);外部环境的复杂性和不确定性越大,投资者情绪对个体决策的影响越大(Nofsinger,2005)。作为政府颁布的公共政策,产业政策的披露和实施(韩乾和洪永淼,2014)具有不确定性(Julio和Yook,2012),在以个人投资者为主体的中国金融市场中,投资者的专业知识和投资经验相对不足,在不确定条件下,投资者情绪的心理因素会对股票定价和投资决策产生重要影响。其次,关于产业政策如何影响投资作者情绪,我们认为,根据选择性的产业政策,有限理性的投资者会对公司进行大致的分类,按照类别而不是全部信息对公司未来的现金流和风险进行主观预期和判断,从而形成投资者情绪和相应的股票错误定价。社会心理学的代表性偏差理论认为,人们在不确定情形下通常会抓住问题的某个特征直接推断结果,而不考虑这种特征出现的真实概率以及与特征有关的其他原因。在金融市场中,有限理性的投资者在作出资产组合选择决策时,往往会先将资产按某种“标准”进行大致的分类,然后对不同类别资产的未来现金流量和风险进行相应的主观判断和预期,而该判断与具体资产的基本面无关(Barberis和Shleifer,2003)。中国政府采取“选择性”的产业政策,不同时期对每个产业采取“鼓励支持”“淘汰限制”和“非涉及”三种不同类型的差别化政策。由于有限理性和信息不对称,股票市场的投资者对相关产业所能创造的未来现金流量及风险大小在当前很难做出准确估计,只能根据产业政策的类型,将所涉及的公司划分为不同的类别,并按照类别而不是全部信息对其进行主观预期和判断,从而形成相应的投资者情绪。具体来说,对于鼓励支持类政策所涉及的上市公司,投资者将整体性地调高其主观预期(Chen等,2017),对其未来现金流量和风险作出系统性的乐观评价,从而引起该类行业的投资者情绪及股价的整体性上涨。反之,对于淘汰限制类产业政策的出台,投资者将作出悲观评价,从而引起该类行业的投资者情绪及股价的整体性下滑。基于上述理论分析,本文提出假说H1:相比于产业政策未涉及的企业,鼓励支持类产业政策会引起相关企业投资者情绪的上涨,淘汰限制类产业政策将导致相关企业投资者情绪的下降。
如果政府主导的产业政策引起了股票市场上投资者情绪的波动,我们进一步追问,上市公司投资行为是否因产业政策对投资者情绪的影响而改变?基于投资者有限理性而企业管理者完全理性的基础假设,从理论上指出,看似“盲目”的投资行为其实是上市公司管理层应对“并非有效的股票市场”的理性结果;结合股权融资的市场择机效应和公司管理层谋取私人收益的动机这两个方面,从理论上分析产业政策外生冲击下的投资者情绪对公司投资行为的传导路径,即股权融资依赖路径和管理者迎合路径。
在股权融资路径方面,政府推出的产业政策会导致股票市场的投资者调整其对相关行业的主观预期和判断(陈冬华等,2010),从而引起投资者情绪的波动及相关行业股价的系统性偏差,并将带来相关行业股权融资条件的变化(Baker等,2003;Jensen,2005)。由此,理性的公司管理者可以通过“利用”投资者情绪,择机发行投资者热衷题材的股票,以降低募集资金成本,推动相关投向资本的扩张。具体来说,鼓励支持类产业政策的出台将导致相关行业投资者情绪的上涨及相应股价的系统性高估,这将降低该类资本投向的股权融资成本,放松股权融资依赖企业的融资约束(Campello和Graham,2013),从而刺激该类资本投向的扩张,并将加剧企业的过度投资,缓解企业的投资不足;反之,淘汰限制类产业政策的颁布将导致相关行业投资者情绪的系统性下滑以及相应股价的严重低估,依赖股权融资的企业将面临外部融资成本过高或根本筹集不到股权资本的困境,此时理性的企业管理者则不得不放弃良好的投资项目(Jensen,2005),这将加剧企业的投资不足,缓解企业的投资过度。
在公司管理者迎合路径方面,根据行为公司财务中的迎合理论(Polk和Sapienza,2009),为了维持或提高短期股价以获取私人利益,实施股权激励的上市公司管理层可能会利用公司资本投向去迎合投资者情绪,将资本投向股票市场青睐的热点行业。具体来说,由于信息不对称,潜在投资者只能通过观察企业投资行为来判断企业价值,其信念更新不服从贝叶斯过程(Polk和Sapienza,2009)。鼓励支持类产业政策的推出会引起投资者对相关资本投向的预期回报和风险持过分乐观的态度(高涨的投资者情绪),倘若他们拒绝投资于投资者认为可盈利的项目,投资者仍会抛售企业股票,导致股票价格下降,并将引起实施股权激励的上市公司管理层私人利益受损(Grundy和Li,2010)。这将促使上市公司资本投资追随股票市场投资者情绪而不断变化,并不断向受市场追捧的热点行业投入资金,加大企业的投资量。这对于本身就存在投资不足的企业,可以说是无可厚非,甚至还能通过迎合投资者情绪来缓解自身投资不足的情况,从而对企业自身的资源配置进行优化。但是对于投资过度的企业,这种迎合投资者情绪的管理者的短视行为可能会造成企业过度投资的进一步恶化,企业自身的资源配置出现扭曲,最终可能会导致企业在经营上陷入困境。反之,淘汰限制类产业政策的出台则会引起投资者对相关资本投向的预期回报和风险作出过分悲观的认知性评价(低落的投资者情绪),为了维持股价谋求私人收益,实施股权激励的上市公司决策者将尽可能地回避该类投向的资本扩张。这对于过度投资的企业来说,不失为一件好事,企业可以通过减少投资使得整体投资水平趋于合理化,有利于管理层优化企业的资源配置效率。但这对于投资不足的企业来说,投资水平的进一步降低会恶化企业的投资不足问题。
因此,从股权融资依赖和管理者迎合这两个路径的分析来看,产业政策可以通过投资者情绪影响企业的投资行为,并对资源配置效率产生两面性的影响。由此本文提出假设H2:产业政策冲击下的投资者情绪越高,企业投资水平越高,过度投资越严重,投资不足越低。
三、研究设计
(一)研究模型。为验证假设1,本文将构建如下模型(1):
$ St{m_{it}} = {{\rm{\alpha }}_0} + {{\rm{\alpha }}_1}IP{P_{it}} + {{\rm{\alpha }}_2}IP{N_{it}} + {{\rm{\alpha }}_3}Control + {\rm{\varepsilon }} $ | (1) |
在模型(1)中,Stmit为t时期i企业的投资者情绪,我们借鉴花贵如等(2010;2011),采用分解Tobin’s Q的方法衡量投资者情绪。①以产业政策未涉及的企业为参考组,IPPit表示t时期i企业是否受到产业政策的鼓励支持,1表示鼓励支持,0表示其他;类似地,IPNit表示t时期i企业是否受到产业政策的淘汰限制,1表示淘汰限制,0表示其他。对于 IPPit和IPNit的具体衡量方法,我们在Chen等(2017)、张新民等(2017)等文献基础上,首先参照《十一五规划纲要》《十二五规划纲要》《十三五规划纲要》和《产业结构调整指导目录》等政府文件,手工整理各样本年度每个行业涉及的产业政策类型,具体包括未涉及、鼓励支持、淘汰限制三种类型,并依据证监会发布的《上市公司行业分类指引2001》明确受政策支持、淘汰或未涉及产业政策的行业代码;然后,依据样本企业所在的具体年度和行业信息,确定IPPit和IPNit的数值。其余的控制变量参考花贵如等(2010)及黎文靖和李耀淘(2014)的研究,控制了管理费用率TTM,自由现金流FCF、国有属性SOE、销售净利率Profit、固定资产比率FA、股权集中度Owner10和独立董事比例Dd等公司层面状况;此外,增加无风险利率水平Bond和经济发展水平Gdpgro以控制宏观因素对投资者情绪的影响;同时在回归时控制年度和行业效应。具体变量定义如表1所示。
变量名称 | 符号 | 变量描述 |
企业投资水平 | Invit | 构建固定资产、无形资产和其他长期资产支付的现金除以期末公司总资产 |
过度投资 | Overinvit | 企业的投资过度,借鉴Richardson(2006)中的度量方法所得 |
投资不足 | Underinvit | 企业的投资不足,借鉴Richardson(2006)中的度量方法所得 |
产业支持 | IPPit | 企业所属行业的产业政策类型,1表示支持,0表示其他 |
产业淘汰 | IPNit | 企业所属行业的产业政策类型,1表示淘汰,0表示其他 |
投资者情绪 | Stmit | 企业的投资者情绪 |
股权集中度 | Owner10it | 企业的前10大股东持股比例 |
管理费用率 | TTMit | 企业的管理费用/营业收入 |
自由现金流 | FCFit | 企业的自由现金流 |
销售净利率 | Profitit | 企业的销售净利率 |
资产负债率 | LEVit | 企业的资产负债率 |
固定资产比率 | FAit | 企业的固定资产比率 |
国有属性 | SOE | 表示是否为国有企业,是国有企业取1,否则取0 |
独董比例 | Ddit | 企业的独立董事占董事会总人数的比例 |
无风险利率水平 | Bondt | 十年期国债利率 |
经济发展水平 | Gdpgrot | GDP增长速度 |
信贷支持 | loanit | 企业获得的长期贷款与短期贷款之和的增量/期初总资产 |
政府补贴 | subit | 政府产业补贴/企业营业收入 |
年度 | Year | 年度虚拟变量,共11个年度虚拟变量 |
行业 | Ind | 行业虚拟变量,行业按证监会的二级行业分类标准,形成虚拟变量 |
模型(1)回归的预期为:如果
为验证假设2,本文拟借鉴温忠麟等(2004)提出的检验中介效应的程序,在模型(1)的基础上,再建立模型(2)和模型(3):
$ In{v_{it}}\left( {Overin{v_{it}},\;Underin{v_{it}}} \right) = {{\rm{\alpha }}_0} + {{\rm{\alpha }}_1}IP{P_{it}} + {{\rm{\alpha }}_2}IP{N_{it}} + {{\rm{\alpha }}_3}Control + {\rm{\varepsilon }} $ | (2) |
$ In{v_{it}}\left( {Overin{v_{it}},Underin{v_{it}}} \right) = {{\rm{\alpha }}_0} + {{\rm{\alpha }}_1}IP{P_{it}} + {{\rm{\alpha }}_2}IP{N_{it}} + {{\rm{\alpha }}_3}St{m_{it}} + {{\rm{\alpha }}_4}Control + {\rm{\varepsilon }} $ | (3) |
其中,变量Invit表示企业投资水平,参考花贵如等(2011)、张新民等(2017)的研究,采用构建固定资产、无形资产和其他长期资产支付的现金与期末公司总资产的比值进行衡量;变量Overinvit和Underinvit表示投资过度和投资不足的程度,借鉴Richardson(2006)进行衡量。参考黎文靖和李耀淘(2014)的研究设计,我们控制了管理费用率TTM,自由现金流FCF、国有属性SOE、销售净利率Profit、固定资产比率FA、股权集中度Owner10以及行业和年度效应。考虑到产业政策实施的五年中还有其他很多相关配套政策出台,例如政府补贴和信贷优惠政策等,这种因果关系很难将其界定是由产业政策所引起。为了缓解上述遗漏变量引起的因果识别问题,借鉴冯飞鹏(2018)的研究设计,我们进一步控制政府补贴sub和信贷支持loan。由于上述模型为递归模型并且所有变量都是显变量,可以依次对方程(2)、方程(1)和方程(3)进行回归来替代路径分析(温忠麟等,2004)。上述递归模型的检验程序和实证预期如下:首先对模型(2)进行回归分析,如果变量的系数
(二)样本选取与数据来源。本文以中国沪深A股2006 年至2016 年共11年的所有A股上市公司为初始样本。先剔除金融行业的公司;再剔除相关数据缺失的公司;最后,为消除极端值的影响,对主要连续变量处于0—1%和99%—100%之间的极端值样本进行了winsorize处理。
Overinvit、Underinvit、Stmit、IPPit、IPNit等主要变量通过回归计算或者手工整理统计,其余原始数据均来自于国泰安数据库。行业分类标准参照证监会二级行业分类标准。
四、实证回归结果
(一)描述性统计及相关性分析。主要变量的描述性统计分析如表2所示。20 581个样本中的投资额的均值为0.032,中位数为0.016;其中有8 296个样本存在投资过度的现象,12 285个样本存在投资不足的问题。这表明当前中国企业资源配置过程中投资不足问题更加严重,这与花贵如等(2010)的方向一致,说明我们的估算结果是可靠的。这可能是因当前我国企业存在比较大的融资约束与企业高管的薪酬管制,导致企业整体投资不足。在所有样本中,38.1%的样本得到了国家有关产业政策的支持,仅有11.7%的样本是属于国家限制淘汰的,其他的样本都是属于产业政策没有明确提出是否支持或淘汰的行业,这表明中国产业政策具有“选择性特征”(江飞涛和李晓萍,2010)。投资者情绪的最小值为−4.057,而最大值为8.862,标准差为1.915,投资者情绪波动较大,与中国资本市场的实际情况相符,具有比较好的研究价值和机遇。
变量 | 样本总量 | 均值 | 标准差 | 最小值 | 中位数 | 最大值 |
Inv | 20 581 | 0.032 | 0.087 | −0.263 | 0.016 | 0.372 |
Overinv | 8 296 | 0.071 | 0.078 | 0.000 | 0.041 | 0.353 |
Underinv | 12 285 | 0.045 | 0.040 | 0.000 | 0.036 | 0.237 |
Stm | 20 581 | −0.018 | 1.915 | −4.057 | −0.328 | 8.862 |
IPP | 20 581 | 0.381 | 0.486 | 0.000 | 0.000 | 1.000 |
IPN | 20 581 | 0.117 | 0.321 | 0.000 | 0.000 | 1.000 |
表3为主要变量的相关性分析结果。可以看出,鼓励支持类的产业政策与企业的投资额、过度投资和投资者情绪之间存在显著的正相关关系,而与投资不足呈显著的负相关关系;反之,淘汰限制类的产业政策与企业的投资额、投资过度和投资者情绪之间存在显著的负相关关系,而与投资不足呈显著的正相关关系。这与假说1、2的预期是一致。
Inv | Overinv | Underinv | stm | IPP | IPN | |
Inv | 1 | |||||
Overinv | 0.930*** | 1 | ||||
Underinv | −0.806*** | 1 | ||||
Stm | 0.014** | 0.135*** | −0.067*** | 1 | ||
IPP | 0.063*** | 0.180*** | −0.036*** | 0.089*** | 1 | |
IPN | −0.046*** | −0.120*** | 0.056*** | −0.165*** | −0.285*** | 1 |
为了更直观地显示样本期间产业政策和投资者情绪之间的关系,我们绘制了受不同类型产业政策影响的投资者情绪历年趋势变化图。如图2 所示,总体来说,产业政策鼓励支持类企业的年均投资者情绪显著高于产业政策淘汰限制类企业的投资者情绪。这表明对于产业政策鼓励支持类的企业,投资者对其未来现金流量和风险作出了系统性的乐观预期和判断,并导致股票价格系统性偏高于基本价值,即推高投资者情绪;反之,淘汰限制类产业政策的出台会导致投资者做出悲观评价,从而引起该类企业的投资者情绪及股价的整体性下滑。因此,作为外部宏观环境的产业政策,可以塑造微观投资者的内在心理和情绪。这与社会心理学的代表性偏差理论相符,也与假说1的预期一致。
(二)实证结果检验。
1. 产业政策与投资者情绪的回归分析:假说H1的检验。通过模型(1)检验产业政策对投资者情绪的影响,具体回归结果如表4所示。表4的第(1)列为整体回归结果,可以看出,IPP的回归系数为0.256,在1%的水平上显著,这表明相对于产业政策未涉及的企业,鼓励支持类的产业政策对公司层面的投资者情绪具有积极的影响。这与现有文献的研究结论相一致(如:Chen等,2017;谭劲松等,2017等)。另外我们看到IPN的回归系数为−0.961,同时亦在1%的水平上显著,表明淘汰限制类的产业政策对企业层面的投资者情绪产生了显著负面的影响。在此基础上,再进一步区分投资过度和投资不足,并进行分组回归,如表4列(2)和列(3)所示,结论与全样本回归基本相同。因此,通过整体回归和分组回归的结果可以推断假设1成立。
(1)Stm | (2)Stm ( Over ) | (3)Stm(Under) | |
IPP | 0.256*** | 0.263*** | 0.259*** |
(5.25) | (3.46) | (4.08) | |
IPN | −0.961*** | −1.002*** | −0.880*** |
(−14.77) | (−9.98) | (−10.23) | |
Owner10 | 1.096*** | 0.908*** | 1.206*** |
(12.74) | (6.80) | (10.72) | |
TTM | 0.049*** | 0.047*** | 0.050*** |
(35.62) | (20.75) | (28.69) | |
FCF | −0.002*** | −0.003** | −0.002 |
(−2.84) | (−2.35) | (−1.43) | |
Profit | 0.007*** | 0.012*** | 0.005*** |
(9.53) | (9.25) | (4.78) | |
FA | −0.010*** | −0.014*** | −0.008*** |
(−10.30) | (−9.67) | (−6.11) | |
SOE | 0.029 | 0.002 | 0.043 |
(1.00) | (0.05) | (1.15) | |
Dd | 1.725*** | 1.473*** | 1.933*** |
(7.26) | (3.96) | (6.28) | |
Bond | 0.073** | 0.154*** | 0.023 |
(2.53) | (3.40) | (0.60) | |
Gdpgro | 0.015 | 0.012 | 0.015 |
(1.36) | (0.70) | (1.02) | |
Year/ Industry | 控制 | 控制 | 控制 |
Constant | −1.216*** | −0.744** | −1.506*** |
(−5.04) | (−2.08) | (−4.57) | |
N | 20 581 | 8296 | 12285 |
Adj. R2 | 0.109 | 0.124 | 0.109 |
从控制变量的结果来看,在企业层面,固定资产比率FA与投资者情绪呈显著的负相关关系,而销售净利率Profit与投资者情绪之间呈显著的正相关关系,并且管理费用率TTM、独立董事比例Dd对投资者情绪具有显著的积极影响,这表明资本市场投资者热衷于轻资产、高成长性和公司治理优良的企业。在宏观层面,十年期国债收益率Bond对投资者情绪具有显著的正向影响,说明基础无风险利率越高,投资者情绪越高。上述投资者情绪与宏微观因素之间的关系与现实资本市场和Baker等(2006)预期相一致。
2. 产业政策、投资者情绪与企业投资效率:假说H2的检验。借鉴温忠麟等(2004)提出并应用的检验中介效应的程序,我们在对模型(1)进行回归基础上,进一步将样本划分为全样本、投资过度、投资不足三个小组,继续对模型(2)和(3)进行回归,分别检验投资者情绪在产业政策影响公司投资水平、投资过度、投资不足的过程中所扮演的角色。回归结果详见表5。
表5的列(1)、列(3)和列(5)给出了产业政策对企业投资及其效率影响的回归结果(模型2)。可以看出,鼓励支持类的产业政策(IPP)与企业投资水平(Inv)和企业过度投资(Overinv)在1%水平上显著正相关,与投资不足(Underinv)在1%水平上显著负相关。这说明支持类的产业政策确实刺激了企业投资,加剧了过度投资,缓解了投资不足。而淘汰类的产业政策(IPN)与投资过度在5%水平上显著为负,与投资不足在1%水平上显著为正。淘汰类政策与企业投资额检验不显著,说明淘汰类政策不能显著减少投资额。这可能是因为企业部分项目的投资具有不可逆性,需要不断地追加投资才能保证项目的正常运行,无法在短时间内抽回,所以导致淘汰限制类的产业政策没能显著减少企业的投资额。总体来说,这与假设分析是一致的。此外,根据温忠麟等(2004)的思路,上述结果也表明可以进行下一步的中介效应检验。
接下来,在引入投资者情绪的中介变量后,对模型(3)进行中介效应的回归检验。从表5列(2)的回归结果来看,投资者情绪Stm的系数在1%水平上显著为正,而且支持类政策IPP的系数在1%的水平下显著为正,IPN系数仍不显著,这个结果说明了鼓励支持类的产业政策对企业投资行为的影响部分是通过投资者情绪的中介效应产生的,即投资者情绪扮演了部分中介角色。从列(4)和列(6)看出,投资者情绪Stm的系数在1%水平上都显著为正,鼓励支持类政策IPP对投资过度和不足影响的系数在1%的水平下显著为正和负,这表明鼓励支持类的产业政策对加剧企业过度投资、缓解企业投资不足的作用部分是通过投资者情绪的中介效应而产生的,即投资者情绪扮演了部分中介角色。而淘汰限制类政策IPN对投资过度影响的系数不显著,而对投资不足影响的系数在1%水平上显著为正,这表明消极淘汰类的产业政策对企业过度投资的缓解效应主要是通过投资者情绪的中介效应而产生的,即投资者情绪扮演了完全中介角色,而其对投资不足的加剧效应部分是通过投资者情绪的中介效应产生的,即投资者情绪扮演了部分中介角色。因此,根据上述实证结果可以得出一个结论:产业政策对企业投资和企业资源配置效率的影响至少部分是通过投资者情绪的中介效应而实现,而且投资者情绪对企业投资效率的中介效应存在两面性。产业政策冲击下的投资者情绪越高,企业投资水平越高,过度投资越严重,投资不足越低。从而支持了假说2。为稳健起见,本文还进行了Sobel 检验,模型(3)中α3与模型(1)中α1(或α2)的积为零的原假设检验结果显示,Z值为2.008(−2.265),且都在5%的水平上显著,这说明鼓励支持类或淘汰限制类的产业政策(IPP或IPN)通过投资者情绪影响企业投资水平的中介效应成立。类似地,产业政策影响过度投资和投资不足过程中,投资者情绪中介效应的 Sobel 检验Z值在1%的水平上显著,说明中介效应也成立。
(1) | (2) | (3) | (4) | (5) | (6) | |
Inv | Inv | Overinv | Ooverinv | Underinv | Uunderinv | |
IPP | 0.0087***(4.08) | 0.0085***(3.95) | 0.0148***(4.89) | 0.0134***(4.45) | −0.0071***(−5.33) | −0.0065***(−4.91) |
IPN | −0.0018(−0.62) | −0.0008(−0.28) | −0.0101**(−2.52) | −0.0047(−1.17) | 0.0084***(4.63) | 0.0064***(3.56) |
Owner10 | 0.0732***(19.21) | 0.0720***(18.80) | 0.0366***(6.79) | 0.0311***(5.80) | −0.0136***(−5.71) | −0.0107***(−4.46) |
TTM | −0.0001**(−2.19) | −0.0002***(−2.92) | 0.0007***(8.35) | 0.0005***(5.39) | 0.0003***(8.15) | 0.0004***(10.86) |
FCF | 0.0291***(11.29) | 0.0294***(11.42) | −0.0002(−0.06) | 0.0017(0.44) | −0.0230***(−14.86) | −0.0238***(−15.44) |
Profit | 0.0008***(23.05) | 0.0007***(22.80) | 0.0004***(8.64) | 0.0004***(7.40) | −0.0002***(−9.52) | −0.0002***(−9.12) |
FA | 0.0013***(32.63) | 0.0014***(32.79) | 0.0016***(26.55) | 0.0017***(28.01) | 0.0001**(2.24) | 0.0000(1.56) |
SOE | −0.0140***(−11.19) | −0.0141***(−11.21) | −0.0072***(−4.09) | −0.0072***(−4.14) | −0.0014*(−1.75) | −0.0013(−1.64) |
loan | 0.3070***(44.88) | 0.3076***(44.97) | 0.1583***(16.87) | 0.1596***(17.17) | −0.0968***(−21.29) | −0.0990***(−21.89) |
sub | 0.2539***(3.96) | 0.2526***(3.94) | 0.3200***(3.67) | 0.3095***(3.59) | 0.0583(1.42) | 0.0596(1.46) |
Stm | 0.0010***(3.34) | 0.0056***(12.65) | −0.0023***(−11.91) | |||
Year/ Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Constant | −0.0428***(−5.58) | −0.0417***(−5.44) | −0.0191*(−1.95) | −0.0143(−1.48) | 0.0392***(7.55) | 0.0366***(7.09) |
N | 20 581 | 20 581 | 8 296 | 8 296 | 12285 | 12285 |
Adj. R2 | 0.217 | 0.217 | 0.214 | 0.229 | 0.148 | 0.158 |
Sobeltest(IPP)--Z值 | 2.008** | 3.935*** | −4.439*** | |||
Sobeltest(IPN)--Z值 | −2.265** | −7.773*** | 7.206*** |
五、进一步研究:影响机制及其对公司价值的深层影响
(一)影响机制检验。上述实证结果表明,产业政策通过投资者情绪影响企业投资行为及其效率,接下来我们进一步研究其影响机制。如前文理论框架分析所述,产业政策外生冲击下的投资者情绪可能会通过股权融资和管理者迎合两条渠道作用于企业投资活动,我们将对这两条传导路径进行检验。
1. 股权融资渠道。在股权融资渠道方面,政府推出的产业政策会导致股票市场的投资者调整对相关企业的主观预期和判断(陈冬华等,2010),从而引起投资者情绪的波动及相关企业股价的系统性偏差,并将带来相关企业股权融资条件的变化(Baker等,2003;Jensen,2005;郝颖等,2010),从而影响企业投资行为及资源配置效率。因此,产业政策外生冲击下的投资者情绪对上市公司资源配置行为具有显著的正向影响,而且股权融资动机越大,上市公司资源配置行为对投资者情绪波动就越敏感。为识别股权融资依赖渠道,本文建立模型(4)进行检验:
$ In{v_{it}}\left( {Overin{v_{it}},Underin{v_{it}}} \right) = {{\rm{\alpha }}_0} + {{\rm{\alpha }}_1}IPP + {{\rm{\alpha }}_2}IPN + {{\rm{\alpha }}_3}St{m_{it}} + {{\rm{\alpha }}_4}EF + {{\rm{\alpha }}_5}St{m_{it}} \times EF + {{\rm{\alpha }}_6}Control + {\rm{\varepsilon }} $ | (4) |
其中,EF代表企业股权融资依赖程度,用Baker等(2003)以及Dong等(2006)方法计算,即股权融资依赖程度 =(公司所有者权益账面值变化额 − 留存收益变化额)/总资产。为了更有效地区分企业股权融资依赖程度,若上述变量计算结果大于0,EF取值为 1;反之,取值为0。其他各项变量与模型(3)定义相同。
表6的列(1)—(3)报告了股权融资依赖渠道的回归结果。可以看出,在因变量为企业投资和企业过度投资的列(1)和列(2)中,投资者情绪(Stm)的系数在1%的水平下显著为正,股权融资依赖程度(EF)和投资者情绪(Stm)的交互项系数也分别在1%和5%的水平上显著为正;而在因变量为投资不足的列(3)中,投资者情绪Stm及其与股权依赖程度(EF)交互项系数都在1%的水平下显著为负,这说明相比于股权融资依赖程度较小的企业,在股权融资依赖程度较大的企业中,投资者情绪对企业资源配置行为和效率的影响更大。因此,该影响机制得以检验。
(1)Inv | (2)Overinv | (3)Uunderinv | (4)Inv | (5)Overinv | (6)Underinv | |
Stm | 0.0011**(2.08) | 0.0040***(4.78) | −0.0018***(−5.41) | 0.0006*(1.79) | 0.0047***(9.61) | −0.0022***(−10.23) |
IPP | 0.0080***(3.79) | 0.0130***(4.32) | −0.0066***(−5.01) | 0.0082***(3.83) | 0.0134***(4.47) | −0.0065***(−4.86) |
IPN | −0.0010(−0.35) | −0.0050(−1.26) | 0.0063***(3.52) | −0.0010(−0.36) | −0.0047(−1.18) | 0.0065***(3.62) |
EF | 0.0222***(18.35) | 0.0082***(4.53) | −0.0061***(−8.28) | |||
Stm×EF | 0.0028***(4.40) | 0.0020**(2.08) | −0.0010***(−2.58) | |||
Inct | 0.0098***(5.57) | 0.0038(1.61) | −0.0034***(−3.03) | |||
Stm×Inct | 0.0020**(2.46) | 0.0048***(4.45) | −0.0020***(−3.80) | |||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 20 581 | 8 296 | 12 285 | 20 581 | 8 296 | 12285 |
Adj. R2 | 0.231 | 0.231 | 0.165 | 0.219 | 0.231 | 0.162 |
2. 管理者迎合渠道。在公司管理者迎合路径方面,根据行为公司财务中的迎合理论(Polk和Sapienza,2009),为了维持或提高短期股价以获取私人利益,实施股权激励的上市公司管理层可能会利用公司资本投资去迎合投资者情绪,所以得到政府产业政策支持的企业会增加企业的投资以迎合市场上的投资者情绪。因此,产业政策外生冲击下的投资者情绪对上市公司的资本投资具有显著的正向影响,而且股权激励程度越高,上市公司资源配置对投资者情绪波动就越敏感。为识别管理者迎合渠道,本文建立模型(5)进行检验:
$ In{v_{it}}\left( {Overin{v_{it}},Underin{v_{it}}} \right) = {{\rm{\alpha }}_0} + {{\rm{\alpha }}_1}IPP + {{\rm{\alpha }}_2}IPN + {{\rm{\alpha }}_3}St{m_{it}} + {{\rm{\alpha }}_4}Inct + {{\rm{\alpha }}_5}St{m_{it}} \times Inct + {{\rm{\alpha }}_6}Control + {\rm{\varepsilon }} $ | (5) |
其中,股权激励程度借鉴韩慧博等(2012)的研究设计,采用是否股权激励(Inct)进行计量,其他各项变量与模型(3)定义相同。表6的列(4)—列(6)为管理层迎合传导路径的检验结果。不难看出,在因变量为企业投资和企业过度投资的列(4)和列(5)中,管理层股权激励和投资者情绪的交互项系数分别在5%和1%的水平上显著为正,而在因变量为投资不足的列(6)中,上述系数在1%的水平上显著为负,这些数据检验结果表明,相比于没有实施股权激励的企业,投资者情绪越高,设置激励计划的企业高管更倾向于进行投资,且加剧了过度投资,缓解了投资不足。因此,管理层迎合渠道得以检验。
(二)对公司价值的深层影响。③上文结果表明,产业政策外生影响下投资者情绪会引起公司资源配置行为和效率的变化,并且公司股权融资依赖程度或管理层股权激励越大,上述变化越显著。那么,值得进一步追问的重要问题在于,公司根据产业政策外生冲击下的投资者情绪调整自身的投资行为,又将对公司价值带来怎样的深层影响?公司股权融资依赖程度和管理层股权激励程度不同对公司价值的影响是否又有差异?
在投资情绪影响公司投资行为的 “股权融资依赖渠道”中,公司可能会利用投资者情绪降低股权融资成本,而“迎合渠道”中,利用投资者情绪提高股价,以从股权激励中获利,本质上是利用市场投资者情绪导致的错误定价进行管理层“套利”。因此,前者可能会提升公司价值,而后者将可能有损于公司价值。我们拟通过考察公司当前和未来的绩效表现,从事后角度检验投资者情绪对公司价值的影响,具体的检验模型如下:
$ RO{E_{it}}\left( {RO{E_{it + 1}}} \right) = {\alpha _0} + {\alpha _1}IPP + {\alpha _2}IPN{\rm{ }} + {\alpha _3}St{m_{it}} + {\alpha _4}EF + {\alpha _5}St{m_{it}} \times EF + {\alpha _6}Control + \varepsilon $ | (6) |
$ RO{E_{it}}\left( {RO{E_{it + 1}}} \right) = {\alpha _0} + {\alpha _1}IPP + {\alpha _2}IPN{\rm{ }} + {\alpha _3}St{m_{it}} + {\alpha _4}Inct + {\alpha _5}St{m_{it}} \times Inct + {\alpha _6}Control + \varepsilon $ | (7) |
其中,借鉴王立彦和张继东(2007)以及花贵如等(2010)的研究设计,采用当年和未来一年的净资产收益率(ROEit,ROEit+1)衡量当前和未来的公司价值,其他各项变量与上述模型定义相同。表7结果显示,列(1)和列(4)中投资者情绪Stm的回归系数在1%和10%的水平上显著为负,说明总体上产业政策外生影响下的投资者情绪对企业资源配置的影响造成了公司价值的损毁;列(2)和列(5)中Stm×EF的回归系数在10%和5%的水平上显著为正,说明在投资情绪影响公司投资行为的 “股权融资依赖渠道”中,公司利用投资者情绪降低股权融资成本,进而进行的投资行为有益于提升公司价值;列(3)和列(6)中Stm×Inct的回归系数均在 5%的水平上显著为负,说明公司管理层为了自身“套利”而迎合市场情绪进行的投资会加剧对企业价值的毁损。
(1)ROEt | (2)ROEt | (3)ROEt | (4)ROEt+1 | (5)ROEt+1 | (6)ROEt+1 | |
Stm | −0.0014***(−3.27) | −0.0027***(−3.51) | −0.0011**(−2.43) | −0.0001*(−1.73) | −0.0017*(−1.70) | 0.0005(0.82) |
IPP | 0.0062**(2.21) | 0.0057**(2.04) | 0.0058**(2.07) | 0.0023(0.61) | 0.0018(0.48) | 0.0016(0.44) |
IPN | 0.0142***(3.82) | 0.0141***(3.81) | 0.0139***(3.74) | 0.0018(0.37) | 0.0016(0.32) | 0.0013(0.26) |
EF | 0.0251***(15.97) | 0.0220***(10.50) | ||||
Stm×EF | 0.0015*(1.67) | 0.0023**(1.99) | ||||
Inct | 0.0140***(6.20) | 0.0237***(7.88) | ||||
Stm×Inct | −0.0023**(−2.14) | −0.0034**(−2.44) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 20 581 | 20 581 | 20 581 | 20 581 | 20 581 | 20 581 |
Adj. R2 | 0.494 | 0.500 | 0.495 | 0.099 | 0.104 | 0.102 |
六、稳健性检验
(一)产业政策变更前后投资者情绪对公司投资水平、投资效率影响的检验。考虑到某些企业特征因素可能同时影响企业受产业政策支持力度及资源配置,借鉴王克敏等(2017)的研究设计,我们以产业政策变更作为外生冲击,比较产业政策变更前后的公司资源配置行为及效率差异,以克服上述内生性问题。
具体地,本文所述“产业政策变更”包含产业政策“从无到有”和“从有到无”两个方面。对于产业政策“从无到有”,如果公司上一个五年计划期内不受产业政策鼓励(淘汰限制),当前五年计划期内受产业政策鼓励(淘汰限制),则定义当前五年计划期 POSTIP_1=1(POSTIN_1=1),上一个五年计划期 POSTIP_1=0(POSTIN_1=0);相似地,对于产业政策“从有到无”,如果公司上一个 五年计划期内受产业政策鼓励(淘汰限制),当前五年计划期内不受产业政策鼓励(淘汰限制),则定义当前五年计划期 POSTIP_2=1(POSTIN_2=1),上一个五年计划期 POSTIP_2=0(POSTIN_2=0)。
本文针对十一五到十二五的产业政策变更,分别加入产业政策“从无到有”和“从有到无”变量,构建模型(8)和模型(9)以检验产业政策变更前后,投资者情绪与公司投资水平及投资效率的关系,回归结果见表8和表9。
$\begin{aligned} In{v_{tj}}\left( {Overin{v_{tj}},Underin{v_{tj}}} \right) = & {\alpha _0} + {\alpha _1}St{m_{it}} + {\alpha _2}POSTIP\_1\left( {POSTIN\_1} \right) \\ &+ {\alpha _3}St{m_{it}} \times POSTIP\_1\left( {POSTIN\_1} \right) + {\alpha _4}Control + \varepsilon \end{aligned}$ | (8) |
$\begin{aligned} In{v_{tj}}\left( {Overin{v_{tj}},Underin{v_{tj}}} \right) = & {\alpha _0} + {\alpha _1}St{m_{it}} + {\alpha _2}POSTIP\_2\left( {POSTIN\_2} \right)\\ & + {\alpha _3}St{m_{it}} \times POSTIP\_1\left( {POSTIN\_1} \right) + {\alpha _4}Control + \varepsilon \end{aligned}$ | (9) |
表8为产业政策发生“从无到有”变化时,公司投资者情绪与投资水平、投资效率的回归结果。数据显示,针对支持类的产业政策(列(1)—列(3)),投资者情绪与产业政策“从无到有”的交乘项对企业投资水平以及过度投资的影响分别在5%和1%的水平上显著为正,对投资不足的影响在5%水平上显著为负。这说明,支持类产业政策发生“从无到有”变更后,受产业政策鼓励或重点支持阶段,公司迎合因政策支持产生的投资者情绪而增加投资,一方面会造成企业的投资过度,另一方面可能缓解企业的投资不足。针对淘汰类的产业政策(列(4)—列(6)),投资者情绪与产业政策“从无到有”的交乘项对企业的投资水平以及过度投资的影响都显著为负,而对投资不足的影响显著为正,说明在产业变更的外生冲击下,淘汰类产业政策会通过投资者情绪抑制企业投资行为,并加剧投资不足,缓解投资过度。
(1) | (2) | (3) | (4) | (5) | (6) | |
Inv | Overinv | Underinv | Inv | Overinv | Underinv | |
Stm×POSTIP_1 | 0.0037** | 0.0069*** | −0.0023** | |||
(2.15) | (3.29) | (−2.00) | ||||
Stm | −0.0014 | 0.0016 | −0.0011 | −0.0009 | 0.0052*** | −0.0021* |
(−1.01) | (1.01) | (−1.11) | (−0.71) | (3.15) | (−1.89) | |
POSTIP_1 | 0.0164 | 0.0065 | 0.0113 | |||
(1.60) | (0.52) | (1.64) | ||||
Stm×POSTIN_1 | −0.0038* | −0.0047* | 0.0057*** | |||
(−1.75) | (−1.80) | (3.03) | ||||
POSTIN_1 | −0.0026 | −0.0205** | −0.0063 | |||
(−0.32) | (−2.14) | (−0.88) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 1 672 | 676 | 996 | 1 892 | 867 | 1 025 |
Adj. R2 | 0.197 | 0.218 | 0.167 | 0.132 | 0.171 | 0.153 |
表9为产业政策发生“从有到无”变化时,公司投资者情绪与投资水平、投资效率的回归结果。类似地,数据显示,针对支持类的产业政策(列(1)—列(3)),投资者情绪与产业政策“从有到无”的交乘项与投资水平和过度投资显著为负,与投资不足显著为正,说明当企业失去产业政策的扶持时,会通过投资者情绪缓解企业的投资过度,优化企业的投资效率;但也有可能加剧了企业的投资不足问题。针对淘汰类的产业政策(列(4)—列(6)),投资者情绪与产业政策“从有到无”的交乘项与投资水平和过度投资均显著为正,与投资不足显著为负。这说明当企业不再被列为国家淘汰限制的产业时,投资者的负面情绪将会减少,而企业也会迎合这种情绪的改变,增加企业的投资,这将缓解企业的投资不足问题,提升企业的投资效率,但也会使得企业过度投资的情况更为严重。
(1) | (2) | (3) | (4) | (5) | (6) | |
Inv | Overinv | Uunderinv | Inv | Overinv | Uunderinv | |
Stm×POSTIP_2 | −0.0057** | −0.0055* | 0.0039** | |||
(−2.49) | (−1.94) | (2.05) | ||||
Stm | −0.0003 | −0.0002 | −0.0022 | 0.0092* | −0.0018 | 0.0018 |
(−0.17) | (−0.09) | (−1.57) | (1.69) | (−0.18) | (0.50) | |
POSTIP_2 | −0.0431*** | −0.0440*** | 0.0305*** | |||
(−4.62) | (−3.92) | (4.17) | ||||
Stm×POSTIN_2 | 0.0140* | 0.0232* | −0.0114** | |||
(1.76) | (1.77) | (−2.08) | ||||
POSTIN_2 | 0.0257 | 0.1406** | −0.0854*** | |||
(0.62) | (2.30) | (−2.65) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 1 486 | 625 | 861 | 188 | 69 | 119 |
Adj. R2 | 0.255 | 0.308 | 0.230 | 0.374 | 0.359 | 0.312 |
因此,以产业政策的变更作为外生事件的冲击进行稳健性检验的结果,与实证检验的结果一致,表明在控制了内生性问题以后并不会影响本文主要的研究发现。
(二)其他的稳健性检验。
(1)投资者情绪内生性。为缓解内生性导致的回归偏误,本文借鉴张前程和杨德才(2015)的方法选取投资者情绪变量的一阶滞后项作为工具变量(IV),并采用两阶段回归实现工具变量估计。(2)重新测算投资者情绪。借鉴花贵如等(2011)的研究设计,本文选取滞后一期半年期的动量指标(Stma)作为替代变量。④(3)重新测算企业投资。参考王克敏等(2017),采用(购建固定资产、无形资产和其他长期资产支付的现金+取得子公司及其他营业单位支付的现金净额−处置固定资产、无形资产和其他长期资产收回的现金净额−处置子公司及其他营业单位收到的现金净额)/上年总资产衡量投资水平。上述检验结果并未改变本文的主要结论。
七、研究结论与启示
基于产业政策“强制性变迁”和中国资本市场“有限理性”的典型特征,沿着“政府颁布政策→市场如何理解→公司怎样反应→经济后果如何”的逻辑思路,文章实证研究了股票市场在产业政策引导企业资源配置过程中扮演的角色。研究发现:第一,政府颁布的产业政策对股票市场的投资者情绪具有重要影响。相比于产业政策未涉及的企业,鼓励支持类产业政策会引起相关企业投资者情绪的上涨,淘汰限制类产业政策则会导致投资者情绪的下降。第二,产业政策外生影响下投资者情绪会引起企业资源配置行为和效率的变化。鼓励支持类产业政策所的投资者情绪越高,企业投资水平越高,便越会加剧过度投资,缓解投资不足;反之,淘汰限制类产业政策所引起的投资者情绪越低,企业投资水平越低,将越会恶化投资不足,减轻投资过度。这表明在产业政策引导企业资源配置过程中,投资者情绪扮演了中介效应的角色,并且对产业政策实施效果具有正反两方面的影响。第三,企业股权融资依赖程度或管理层股权激励程度越大,企业资源配置对投资者情绪的波动越敏感。这表明看似“盲目”地追随市场情绪和题材的资源配置行为,其实是上市公司管理层应对“并非有效的股票市场”的理性选择的结果。因此,产业政策外生冲击下的投资者情绪可能会通过股权融资和迎合两条渠道作用于企业投资活动。第四,总体上,产业政策外生冲击下的投资者情绪对企业资源配置的影响造成了公司价值的损毁,并且不同特征的公司具有显著的差异,其中,股权融资依赖性公司会利用投资者情绪降低股权融资成本,其所进行的资本投资有益于提升公司价值;而存在股权激励的公司管理层为了自身“套利”,其迎合市场情绪进行的投资加剧了企业价值的毁损。
上述研究的科学意义和应用价值在于:(1)研究股票市场的投资者对产业政策的理解及投资者情绪的反应规律。在理论上,有助于从微观企业的视角理解公共政策如何影响股票市场的基本理论问题,揭示外生性因素在投资者情绪形成和演化中的作用机理;在实务上,有益于投资者有效识别产业政策所带来的投资机会和风险,保护投资者权益,也为监管层科学制定和审慎推出产业政策提供参考。(2)考察产业政策外生冲击下的投资者情绪是否影响公司资源配置行为和效率,有助于我们更加深刻地理解市场在国家政策引导企业行为中的作用,为我们带来了清晰的政策含义,即政府在运用产业政策引导企业资源配置的过程中,不能忽视金融市场对产业政策的反应这一中间环节,需要重视和有效利用“非有效的资本市场”的资源配置功能。(3)进一步通过检验和识别产业政策外生冲击下的投资者情绪影响公司资本行为和效率的路径,有利于揭示“并非有效的”股票市场波动向实体经济传导的微观机理,这对“后金融危机时代”科学规避资产价格波动对实体经济的冲击具有重要的现实意义。
① 该种方法的理论基础在于,Tobin’s Q不仅包含未来的投资机会,也包含投资者情绪引致的股票错误定价。因此,该方法将Tobin’s Q对描述公司基本面的变量组(股东权益净利率、主营业务收入增长率、资产负债率、规模)进行回归,同时控制行业和年度效应,以拟合值作为反映投资机会基本Q的度量,以残差作为投资者情绪的代理变量。
② 部分是产业政策通过政府补贴和信贷等传统路径直接影响企业投资行为和效率。
③ 本部分的分析和检验受到匿名审稿人意见的启发,感谢其建设性的意见。
④ 这是因为众多实证研究表明,动量效应是由于投资者非理性导致的证券市场股票价格“错误定价”的一种市场现象,因此使用动量指标来衡量投资者情绪是合理的。
[1] | 步丹璐, 兰宗. 政府和市场的互动与企业战略实现——中国道路自信在京东方案例中的现实依据[J]. 财经研究, 2020(8): 108–123. |
[2] | 冯飞鹏. 产业政策、信贷配置与创新效率[J]. 财经研究, 2018(7): 142–153. |
[3] | 韩慧博, 吕长江, 李然. 非效率定价、管理层股权激励与公司股票股利[J]. 财经研究, 2012(10): 47–56. |
[4] | 韩乾, 洪永淼. 国家产业政策、资产价格与投资者行为[J]. 经济研究, 2014(12): 143–158. |
[5] | 花贵如, 刘志远, 许骞. 投资者情绪、企业投资行为与资源配置效率[J]. 会计研究, 2010(11): 49–55. DOI:10.3969/j.issn.1003-2886.2010.11.008 |
[6] | 花贵如, 刘志远, 许骞. 投资者情绪、管理者乐观主义与企业投资行为[J]. 金融研究, 2011(9): 178–191. |
[7] | 金宇超, 施文, 唐松, 等. 产业政策中的资金配置: 市场力量与政府扶持[J]. 财经研究, 2018(4): 4–19. |
[8] | 黎文靖, 李耀淘. 产业政策激励了公司投资吗[J]. 中国工业经济, 2014(5): 122–134. |
[9] | 陆蓉, 何婧, 崔晓蕾. 资本市场错误定价与产业结构调整[J]. 经济研究, 2017(11): 104–118. |
[10] | 王克敏, 刘静, 李晓溪. 产业政策、政府支持与公司投资效率研究[J]. 管理世界, 2017(3): 113–124. |
[11] | 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614–620. |
[12] | 张新民, 张婷婷, 陈德球. 产业政策、融资约束与企业投资效率[J]. 会计研究, 2017(4): 12–18. DOI:10.3969/j.issn.1003-2886.2017.04.002 |
[13] | Baker M, Stein J C, Wurgler J. When does the market matter? Stock prices and the investment of equity-dependent firms[J]. The Quarterly Journal of Economics, 2003, 118(3): 969–1005. DOI:10.1162/00335530360698478 |
[14] | Baker M, Wurgler J. Investor sentiment and the cross-section of stock returns[J]. The Journal of Finance, 2006, 61(4): 1645–1680. DOI:10.1111/j.1540-6261.2006.00885.x |
[15] | Campello M, Graham J R. Do stock prices influence corporate decisions? Evidence from the technology bubble[J]. Journal of Financial Economics, 2013, 107(1): 89–110. DOI:10.1016/j.jfineco.2012.08.002 |
[16] | Chen D H, Li O Z, Xin F. Five-year plans, China finance and their consequences[J]. China Journal of Accounting Research, 2017, 10(3): 189–230. DOI:10.1016/j.cjar.2017.06.001 |
[17] | Dong M, Hirshleifer D, Richardson S, et al. Does investor misvaluation drive the takeover market?[J]. The Journal of Finance, 2006, 61(2): 725–762. DOI:10.1111/j.1540-6261.2006.00853.x |
[18] | Gu M, Kang W J, Xu B. Limits of arbitrage and idiosyncratic volatility: Evidence from China stock market[J]. Journal of Banking & Finance, 2018, 86: 240–258. |
[19] | Jensen M C. Agency costs of overvalued equity[J]. Financial Management, 2005, 34(1): 5–19. DOI:10.1111/j.1755-053X.2005.tb00090.x |
[20] | Nofsinger J R. Social mood and financial economics[J]. Journal of Behavioral Finance, 2005, 6(3): 144–160. DOI:10.1207/s15427579jpfm0603_4 |
[21] | Polk C, Sapienza P. The stock market and corporate investment: A test of catering theory[J]. The Review of Financial Studies, 2009, 22(1): 187–217. DOI:10.1093/rfs/hhn030 |
[22] | Richardson S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2-3): 159–189. DOI:10.1007/s11142-006-9012-1 |
[23] | Sobel M E. Direct and indirect effects in linear structural equation models[A]. Long J S. Common problems/proper solutions[M]. Beverly Hills, CA: SAGE, 1988. |