企業創新投入與資本市場反應

田雅婧

【摘要】企業創新作為具有高風險與信息不對稱性的內部活動，究竟會對股價崩盤風險與股價特質性波動產生怎樣的影響，已有研究并未得出一致結論。本文以2007～2017年非金融類A股上市公司為樣本，探究企業創新投入對于股價崩盤風險和股價特質性波動的作用效果。OLS回歸結果表明，企業創新投入顯著降低了股價崩盤風險，同時提高了企業特質性波動。為解決內生性問題，本文使用雙重差分模型（DID）對因果關系進行檢驗。研究發現，相比于不符合研發支出加計扣除政策條件的企業，符合這一政策條件的企業在政策實施后的股價崩盤風險顯著下降，特質性波動顯著上升，與OLS回歸結果一致。上述結論在PSM-DID等多項穩健性測試中保持一致。本文研究對于上市公司加強研發信息披露，投資者優化投資決策，以及政府部門完善資本市場制度均具有重要啟示。

【關鍵詞】創新投入；崩盤風險；特質性波動；雙重差分

【中圖分類號】F812；F832；F275

一、引言

“防范系統性金融風險”與“創新驅動發展戰略”是近年來黨和國家在各項重大會議、報告中反復提及的熱點詞匯。2019年2月22日，習近平總書記在主持中共中央政治局第十三次集體學習時提出：“防范化解金融風險特別是防止發生系統性金融風險，是金融工作的根本性任務”。這一根本性任務的提出，不僅指明了我國資本市場今后的目標，同時也從側面反映了我國資本市場近年來存在的風險與隱憂。事實上，自2015年8月至2018年7月，我國資本市場累計發生“千股跌?！爆F象18次，防范系統性風險、加強投資者理性投資、完善資本市場制度等各項工作迫在眉睫。2019年3月5日，國務院總理李克強在發布的2019年國務院政府工作報告中提出，“過去一年，我國深入實施創新驅動發展戰略，創新能力和效率進一步提升。”

然而，結合已有研究對于企業創新活動特點的總結，“創新驅動發展戰略”所帶來的“高風險”，似乎與“防范系統性金融風險”的根本性任務背道而馳：企業創新活動因其長周期、高投入、信息不對稱性強的特點，普遍被認為具有高風險的特性。上市公司積極從事研發活動，落實創新驅動發展戰略，似乎會進一步加強信息不對稱，導致股價崩盤風險提高、特質性波動降低。那么，我們不禁產生疑問：“創新驅動發展戰略”在實踐中究竟有沒有導致股價崩盤風險的提升與特質性波動的下降，其政策效應真的與“防范金融風險”的目標相悖嗎？

本文緊密結合我國“創新驅動發展戰略”與“防范金融風險”兩大政策焦點，以2007～2017年我國A股上市公司為樣本，探究企業創新投入對于股價崩盤風險和股價特質性波動的作用效果。OLS回歸結果顯示，企業創新投入顯著降低了股價崩盤風險，同時提高了特質性波動，“創新驅動發展戰略”并未阻礙“防范金融風險”的根本性任務。為解決已有研究中企業創新活動與股價崩盤風險、股價特質性波動存在的內生性問題，本文基于財政部、國家稅務總局、科技部于2015年聯合發布的《關于完善研究開發費用稅前加計扣除政策的通知》作為外生政策沖擊，使用雙重差分模型（DID）對因果關系進行檢驗。研究發現，相比于不符合研發投入加計扣除政策條件的企業，符合這一政策條件的企業在政策實施后的股價崩盤風險顯著下降，特質性波動顯著上升，與上述OLS回歸結果一致。上述結論在使用基于傾向得分匹配的雙重差分模型（PSM-DID）、更換自變量定義等多種穩健性檢驗中依然成立。本文研究較好地解決了創新投入與資本市場反應之間的內生性問題，為探討股價崩盤風險和股價特質性波動提供了新的視角，為維護資本市場穩定健康發展提供了新的思路。

二、文獻綜述與理論分析

（一）創新與股價崩盤風險

股價崩盤風險不僅加大投資者的投資風險，且不利于維護資本市場健康穩定發展，受到監管者、投資者和學術界的廣泛關注。部分研究表明，管理者存在隱瞞壞消息、釋放好消息的傾向，而當壞消息累積到一定程度，集中釋放出來時，會對公司股價造成巨大的負面沖擊（Jin和Myers，2006；Hutton等，2009）。近年來，我國政府出臺了研發支出加計扣除等一系列鼓勵企業開展創新活動的政策，我國企業研發投入隨之不斷增加，且企業創新活動具有一定的信號作用，然而鮮有學者探究企業創新對于股價崩盤風險的影響（周銘山等，2017）。

已有研究關于創新對股價崩盤風險影響的結論并不一致。一方面，企業創新活動所具有的高風險、長周期、高信息不對稱性的特點，使得市場中的投資者對于企業創新活動的信息掌握不足，因此加劇了股價崩盤風險。創新投入越多的企業，其高管通常不愿意向外部投資者提供過多關于企業創新情況的信息，因此該企業往往具有更高的股價崩盤風險（Kim和Zhang，2016）。此外，近年來政府頒布一系列創新補貼和優惠政策，進一步強化了投資者投資創新型企業股票的信心（韓乾和洪永淼，2014），推升股價進而增加股價崩盤風險（Xu等，2013）。另一方面，也有部分研究表明創新投入可以有效抑制股價崩盤風險。投資者往往對高創新投入的企業更加關注，增加了對企業的信息解讀效率，提高了股價信息含量，進而降低了股價崩盤風險（Hutton等，2009）。周銘山等（2017）從“投資者關注”的角度對創業板上市公司展開研究，發現創新投入越多，股價崩盤風險越低。

關于創新和股價崩盤風險，已有研究的局限性在于：一方面，創新和股價崩盤風險之間存在的內生性問題并沒有得到較好的解決，且兩者之間的正負相關關系并不明確，仍然存在較大爭議。另一方面，創新投入的數據存在偏差，已有研究通常將“研發費用”作為企業創新投入的金額，致使創新投入數據的完整性與準確性存在不足?；谝陨戏治觯捎趧撔峦度肱c股價崩盤風險的關系不確定，本文提出以下對立假設：

H1a：企業創新投入越多，股價崩盤風險越低；

H1b：企業創新投入越多，股價崩盤風險越高。

（二）創新與股價特質性波動

股價特質性波動是由于企業異質性的特點綜合影響而形成的股價波動。Ferreira 和Laux（2007）和Chen等（2007）等的研究表明特質性波動是股價中公司信息含量的代理變量，股價特質性波動越大，表明股價中包含公司更多的特質信息。已有研究從公司特質信息角度出發，探究了諸多股價特質性波動的影響因素，包括公司自身經營風險、財務風險、會計信息質量等。創新作為公司的一項重要特質信息，會向外釋放信號，影響投資者的決策，對股價特質性波動造成影響，而創新對股價特質性波動的影響具有不確定性。

對于高新技術企業而言，其技術創新水平等非財務信息比財務信息更加吸引投資者關注，成為證券基本面分析的重要依據（徐欣等，2016）。一方面，企業的創新活動所需資金量大，成本高昂，且結果具有高度的不確定性，使得企業現金流和收益波動性加大，進而增加了股票的異質性風險，可能使股價特質性波動增加；另一方面，企業的創新活動一旦成功，將帶來可觀的收益和現金流，若企業的創新績效一直維持在較高水平，且信息透明度較高，投資者可以合理預期到企業的創新投入將產生較為穩定的回報，股票的異質性風險將被降低，股價特質性波動可能減?。ê饬?，2016）。

基于以上分析，由于創新投入與股價特質性波動的關系不確定，本文提出以下對立假設：

H2a：企業創新投入越多，股價特質性波動越小；

H2b：企業創新投入越多，股價特質性波動越大。

（三）DID外生事件——研發支出加計扣除政策

財政部、國家稅務總局、科技部于2015年聯合發布的《關于完善研究開發費用稅前加計扣除政策的通知》（財稅[2015]119號）規定，企業開展研發活動中實際發生的研發費用，未形成無形資產計入當期損益的，在按規定據實扣除的基礎上，按照本年度實際發生額的50%，從本年度應納稅所得額中扣除；形成無形資產的，按照無形資產成本的150%在稅前攤銷，并將允許加計扣除研發費用的范圍進一步細化，使其與高新技術企業的研發費用口徑更加匹配。此外，該政策中規定，不適用稅前加計扣除政策的行業包括：煙草制造業；住宿和餐飲業；批發和零售業；房地產業；租賃和商務服務業；娛樂業；財政部和國家稅務總局規定的其他行業，形成了具有說服力的實驗組與對照組。2015年研發支出加計扣除政策對政策適用行業的企業創新投入可能產生更大的影響，促使其開展更多的研發活動。

本文選取2015年研發支出加計扣除政策為外生事件，將政策適用行業的企業作為實驗組，將其他行業企業作為控制組，運用雙重差分模型，研究企業創新活動對股票流動性和股價波動性的影響。

三、研究設計

（一）樣本選擇及數據來源

本文選取2007～2017年中國境內非金融類A股上市公司為研究樣本，本文基于企業年報中董事會報告披露的企業研發投入、財務報表附注中“管理費用”、“研發支出”兩個科目明細，手工補充企業研發投入數據。為消除極端值影響，對所有連續變量進行了上下1%的Winsorize處理。本文所用數據來源于國泰安經濟金融研究數據庫（CSMAR）、銳思數據庫（Resset）和同花順數據庫。

（二）模型設計

1.OLS回歸

本文首先采用普通OLS回歸考察創新與股價崩盤風險、股價特質性波動的關系，構建模型（1）與模型（2）分別進行探究：

其中，NCSKEW和DUVOL是股價崩盤風險衡量指標，值越大，代表股價崩盤風險越高；Idio1和Idio2用于衡量股價特質性波動，數值越大，股價特質性波動越大。RD表示企業的創新投入。此外，本文選用公司規模（Size）、盈利能力（ROA）、財務杠桿（Lev）、成長性（BtoM）、是否二職合一（Duality）、上市交易所（Listexg）、產權性質（SOE）等公司研究領域常用變量作為控制變量，同時控制年度固定效應與行業固定效應。變量定義如表1所示。

2.DID模型構建

2015年研發支出加計扣除政策列出“負面清單”，明確了政策不適用的行業，并將研發費用的口徑細化，使之和高新技術企業研發支出的口徑更加匹配，將對高新技術企業的創新投入產生更大的促進作用。因此，本文根據行業性質劃分實驗組和控制組，令適用行業企業為實驗組，令非適用行業企業為控制組，運用雙重差分模型，考察2015年研發支出加計扣除政策實施后，創新投入的增加是否帶來股價崩盤風險與股價特質性波動的顯著變化，研究模型如下：

四、實證結果分析

（一）描述性統計

表2列示了描述性統計結果。股價崩盤風險指標NCSKEW均值為-0.151，中位數為-0.618；DUVOL均值為-0.08，中位數為-0.13，均值略大于中位數，崩盤風險呈現出輕微右偏的特征。股價特質性波動指標Idio1均值為0.0236，中位數為0.0224；Idio2均值為0.0264，中位數為0.0247，股價特質性波動基本呈正態分布。企業創新投入指標RD均值為0.0211，中位數為0.0164，均值大于中位數，創新投入呈右偏狀態，高創新投入的企業占比仍然較少，創新投入的整體水平偏低。

（二）多元回歸分析

表3為普通最小二乘法回歸結果，觀察表格第1列和第2列可以發現，RD系數顯著為負，企業創新投入與股價崩盤風險負相關，企業創新投入越多，股價崩盤風險越低，且對于兩個崩盤風險指標NCSKEW和DUVOL，RD的系數均在1%的水平上顯著為負，驗證了假設H1a。表3的第3列和第4列顯示，企業創新投入和股價特質性波動正相關，企業創新投入越多，股價特質性波動越高，股價中包含更多的公司特質信息，驗證了假設H2b。對于兩個股價特質性波動指標Idio1和Idio2，RD的系數均在1%的水平上顯著為正。為避免內生性問題，本文對自變量和除年份、行業外的控制變量進行了滯后一期處理。

表4為DID模型回歸結果，表格第1列和第2列顯示，交乘項Post*Treat的系數均顯著為負，表明2015年研發支出加計扣除政策實施后，股價崩盤風險顯著降低，即創新投入對股價崩盤風險具有抑制作用。表格第3列和第4列顯示交乘項Post*Treat的系數均顯著為正，表明政策實施后，公司股價特質性波動顯著增大，也即創新投入越高，股價特質性波動越大。上述結果表明OLS回歸結論具有穩健性。

五、穩健性檢驗

上文中OLS回歸使用的創新投入指標RD以總資產作為分母來消除規模效應（李萬福等，2017），此處使用營業收入消除規模效應，生成創新投入指標RD_R來進行穩健性檢驗，回歸結果如表5所示。觀察發現，因變量為股價崩盤風險時，RD_R的系數顯著為負，當因變量為股價特質性波動時，RD_R的系數顯著為正，結論與上述 OLS回歸結果一致。

為了使實驗組和對照組更加具有可比性，并驗證上述研究結論的穩健性，本文進一步使用傾向性得分匹配法（PSM）對二者進行了匹配，而后采用雙重差分模型（DID）進行檢驗，回歸結果如表6所示。觀察表6發現，第1列和第2列交乘項系數仍然顯著為負，第3列和第4列交乘項系數仍然顯著為正，再次驗證了創新投入越多，股價崩盤風險越低，而股價特質性波動越大的結論。

六、研究結論及建議

本文以2007～2017年非金融類A股上市公司為樣本，首先采用OLS回歸探究了企業創新投入與股價崩盤風險以及股價特質性波動的關系；其次，借助2015年發布實施研發支出加計扣除政策這一外生事件，運用雙重差分模型（DID）進一步驗證了企業創新投入與資本市場反應之間的關系。研究發現，企業創新投入越多，股價崩盤風險越小，而股價特質性波動越大。該結果表明，企業創新投入增加使得股價中包含了更多的公司特質信息，提高了股價信息含量，而不至于使“壞消息”長期隱藏，降低了未來發生崩盤的可能性。此外，本文采用傾向性得分匹配法（PSM-DID）等方法進行了穩健性檢驗，結論依然穩健。本文研究較好地解決了創新投入與資本市場反應之間的內生性問題，為探討股價崩盤風險和股價特質性波動提供了新的視角，為維護資本市場穩定健康發展提供了新的思路。

根據研究結論，本文提出以下政策建議：首先，企業應增加創新投入，加強研發信息披露，提升公司信息透明度。雖然創新活動具有高度不確定性，但最有可能培育出企業的核心競爭力，如前文所述，高創新投入的企業更容易獲得投資者的關注，最終提升信息效率，降低股價崩盤風險。其次，政府需進一步加強市場監管，讓“好消息”和“壞消息”都能及時在資本市場得到反饋，避免風險的累積。同時，應進一步加強金融風險監控，建立風險預警機制，及時發現風險并化解風險。最后，投資者應充分關注企業創新信息，合理評估投資風險，優化投資決策。

主要參考文獻：

[1]Jin L.，and S.C.Myers.R2 around The World： New Theory and New Tests[J].Journal of Financial Economics，2006（2）： 257-292.

[2]Hutton A.P.，and A.J.Marcus， and H.Tehranian.Opaque Financial Reports，R2，and Crash Risk[J].Journal of Financial Economics，2009（1）： 67-86.

[3]周銘山，張倩倩，楊丹.創業板上市公司創新投入與市場表現：基于公司內外部視角[J].經濟研究，2017（11）：135-149.

[4]Kim J.B.，and L.Zhang. Accounting Conversation and Stock Price Crash Risk： Firm-level Evidence[J]. Contemporary Accounting Research，2016（1）： 412-441.

[5]韓乾，洪永淼.國家產業政策、資產價格與投資者行為[J].經濟研究，2014（12）：143-158.

[6]Xu N.，Jiang X.，Chan K.C.and Yi Z..Analyst Coverage，Optimism and Stock Price Crash Risk： Evidence from China[J].Pacific-Basin Finance Journal，2013（25）：217-239.

[7]Ferreira M.A.，Laux P.A.Corporate Governance， Idiosyncratic Risk，and Information Flow[J].Journal of Finance，2007（62）：951-989.

[8]Chen Q.，I.Goldstein and W.Jiang.Pricing Informativeness and Investment Sensitivity to Stock Price[J].Review of Financial Studies，2007（20）：619-650.

[9]徐欣，夏蕓，李春濤.企業自主研發、IPO折價與創新能力的信號效應——基于中國創業板上市公司的實證研究[J].經濟管理，2016（6）：71-85.

[10]衡力.技術創新、公司治理與股票特質性風險——基于制造業上市公司面板數據[D].合肥工業大學，2016.

[11]李萬福，杜靜，張懷.創新補助究竟有沒有激勵企業創新自主投資——來自中國上市公司的新證據[J].金融研究，2017（10）：130-145.

[12]Chen J.，H.Hong，and J.C.Stein.Forecasting Crashes： Trading Volume，Past Returns，and Conditional Skewness in Stock Prices.[J]Journal of Financial Economics，2001（ 61）： 345-381.

[13]Chang E.C.，Cheng J.W.，and Khorana，A.An examination of herd behavior in equity markets： An international perspective[J].Journal of Banking & Finance，2000（24）： 1651–1679.

[14]Bali T.G.and Cakici N.Idiosyncratic volatility and the cross section of expected returns[J].Journal of Financial and Quantitative Analysis，2008（43）： 29-58.

[15]Zhang chu A.Reexamination of the Causes of Timevaring Stock Return Volatilities[J].Journal of Finance and Quantitative Analysis，2010（3）： 663-684.