定向增發抑價分解研究
——基于雙邊隨機邊界分析的新視角

徐 輝，周孝華

(重慶大學經濟與工商管理學院，重慶 400030)

1 引言

定向增發是指上市公司借助非公開發行方式向符合相關規定的特定認購對象發行新股的一種股權再融資方式。自2006年引入定向增發制度以來，作為重要的股權再融資方式，定向增發一直備受青睞。與此同時，定向增發高抑價現象成為一種新常態，已經引起社會公眾的廣泛關注。針對定向增發高抑價問題，早期研究主要集中于西方發達經濟體，并聚焦于一級市場的誘因，相繼提出了監督假說、信息不對稱假說、管理層防御假說以及流動性缺失補償假說等代表性理論假說。上述理論假說均假定二級市場完全有效，而且只能部分解釋定向增發高抑價現象。然而，作為新興經濟體的中國，其資本市場依然處于成長階段，有效性明顯滯后于西方發達資本市場[1]。另外，定向增發過程中新股折價發行是相較于二級市場股票交易價格來說的，而股票交易價格極易受到外部市場環境以及投資者情緒的影響[2]。因此，忽視二級市場的錯誤定價問題而僅僅考慮一級市場定價因素，這顯然不能合理解釋定向增發高抑價問題，應該關注造成二級市場錯誤定價的誘因。俞靜和徐斌[3]認為，定向增發高抑價問題主要是由二級市場溢價是造成的，而并非一級市場有意抑價所致。權小鋒和吳世農[4]基于投資者有限關注視角解釋了股票價格被拉高的原因，并認為投資者有限精力決定了其不能對所有股票信息充分反應[5]。支曉強和鄧路[6]從認購對象異質性層面考察了投資者異質信念對定向增發抑價的影響，發現機構投資者認購新股有利于降低抑價率，而大股東認購新股會促使抑價率上升。彭韶兵等[7]立足于宏觀制度環境，發現政府補助是誘發定向增發高抑價的重要因素。

隨著研究的深入，學者們已經注意到二級市場錯誤定價問題對定向增發高抑價的影響。然而，鮮有文獻同時考慮一級市場與二級市場錯誤定價問題對定向增發高抑價的作用機制。同時，考慮到中國股票市場新股發行價格普遍被高估的事實[3,8]，本文借鑒Kumbhakar和Parmeter[9]的雙邊隨機邊界模型，構建一個新的定向增發抑價分解模型來考察中國上市公司定向增發高抑價的形成原因。顯然，一級市場中新股的發行價格泡沫對定向增發抑價產生負向影響，即折價效應，而二級市場中的交易價格泡沫對定向增發抑價產生正向影響，即溢價效應。據此，結合雙邊隨機邊界理論，本文合理地將定向增發抑價分解為折價效應和溢價效應，并定量分析二者的相對大小，以此確定導致定向增發高抑價的主導因素。基于上述分析，本文選取2007—2017年度內已完成定向增發新股的滬深兩市A 股上市公司為研究對象，首先使用隨機邊界模型分析了定向增發新股的定價效率，然后利用雙邊隨機邊界模型實現了定向增發抑價的分解。結果發現：定向增發新股的發行價格與交易價格均存在泡沫；折價效應與溢價效應均對定向增發抑價施加了顯著的影響，但后者是導致高抑價的主導因素；溢價效應在國有企業、大股東全認購、牛市以及信息透明度較低的子樣本中更嚴重。

本文的貢獻主要在于：第一，深化了對定向增發高抑價的理論認知。與以往研究主要聚焦于折扣率[10]、政府補助[7]、信息不對稱[11]以及利益輸送[12]等視角不同，本文借助雙邊隨機邊界模型，首次將定向增發抑價中一級市場與二級市場因素這兩個不同層面的誘因置于同一個研究框架中，實現了二者之間的量化與可比，并發現新股發行價格和交易價格均被高估。這一發現為定向增發新股的低效定價提供了新的經驗證據。第二，拓展了定向增發抑價分解理論的研究范疇。不同于Hunt-McCool等[13]和黃順武等[8]的研究，本文立足于中國股市實情，將抑價分解模型由IPO市場延伸到定向增發領域，發展了一個新的定向增發抑價分解模型，采用極大似然估計法測算出折價效應與溢價效應，發現溢價效應是造成定向增發高抑價的主導誘因。這為厘清定向增發高抑價的形成機理提供了理論指導與方法支撐。第三，從管理啟示層面上看，為提高定向增發新股的定價效率提供了一定的啟發。本文發現溢價效應在國有企業中更嚴重，上述結論為合理評估國有企業改革等政策所引發的微觀治理效果提供了新的視角。

2 定向增發抑價的形成機理分析

2.1 一級市場折價效應

中國資本市場的政治色彩較濃，深受政府“有形之手”的干預，而且上市公司主要是由國有企業改制而來，這意味著定向增發新股是一種利好信號，且不存在折價發行的動機[14-15]。一方面，中國式詢價發行機制下承銷商不再擁有新股的分配權，但市場化改革賦予了其定價權。從最大化承銷收入的層面上看，承銷商等利益相關者可以獲取投資者對新股關注度的信息，并預期新股上市后股價會上漲，尤其是投資者情緒過度樂觀時，承銷商擁有強烈的經濟動機利用樂觀情緒有意抬高發行價格。另一方面，管理層遴選定向增發對象時表現出明顯的選擇性偏好，更青睞于消極投資者[16]。同時，機構投資者對股市行情以及股票收益預期更加敏感，而且資金充裕，管理層傾向于抬高發行價格而降低融資成本[11]。因此，機構投資者的認購行為會拉高發行價格。彭韶兵等[7]強調，管理層通常并不希望機構投資者干預公司治理活動，傾向于高價發行來限制機構投資者的認購行為。

此外，從風險角度看，鎖定期在一定程度上增加了潛在的持股風險，有效約束了大股東的利益輸送行為，故不存在折價增發新股的動機。如果定向增發新股的發行價格偏低，那么就會向二級市場傳遞新股被高估的信號，進而導致股票交易價格向發行價格靠攏。一旦鎖定期結束，股票交易價格極有可能跌破發行價格，并造成大股東無利可圖[3]。定向增發預案公告發布以后，市場會依據大股東支持效應采取相應的行動，如果大股東承諾認購比例越大，則說明其對股價保持樂觀預期[17]，越能促進股價的上升；如果定向增發預案順利進入實施階段，大股東的支持效應將會通過詢價對象的報價得以體現，支持效應越大，詢價對象對未來持有樂觀預期，相應地報價也就越高，進而導致發行價格也會越高[7]。綜上，定向增發新股的發行價格普遍偏高，存在價格泡沫，而發行價格泡沫對定向增發抑價產生負向影響，即折價效應。

2.2 二級市場溢價效應

中國資本市場依然處于成長階段，其有效性明顯滯后于發達資本市場[1]，而外部市場環境以及投資者情緒能夠顯著影響投資者行為[2,7]。中國股市暴漲暴跌意味著投資者普遍存在非理性行為，比如過度樂觀、認知偏差等行為，而二級市場溢價問題在很大程度上取決于投資者的非理性行為[18-19]。石建勛等[20]認為，投資者的非理性行為促使股價偏離其內在價值，牛市行情下的過度樂觀情緒勢必會催生投資者的盲目“看漲”心理。認知偏差假說認為，過度樂觀的情緒導致投資者對定向增發公告之前的利好信息反應過度，而對利空信息明顯反應不足[20-21]。因此，投資者情緒能夠影響某一股價甚至整個股市的波動[1,22]。尤其是牛市行情下投資者普遍保持樂觀情緒，推動了二級市場股價的上升[3]。

投資者異質信念是中國資本市場的重要特征[22]。異質信念假說認為，投資者關注有效刺激了新股的認購需求，但對新股供給影響甚微，進而加劇了投資者意見分歧程度，在賣空限制下，悲觀投資者難以及時執行空頭操作，因此股價更多反映的是樂觀投資者的意見[23]，這意味著股價通常會存在溢價現象，而且投資者意見分歧越嚴重，溢價問題就越嚴重[24]。投資者關注理論認為，投資者有限的精力決定了其不能對股市中所有股票的信息充分反應，通常只是認購自身青睞的股票，進而拉高了股價[4,23]。此外，中國投資者表現出明顯的從眾行為偏好[1]，其本質上屬于信號放大行為，通過放大利好消息的影響效應來推高二級市場股價[7]。羅琦和伍敬侗[23]認為，存在價格泡沫的新股通常備受投資者青睞，高漲的市場情緒極易誘發“博傻效應”，進而促使新股需求曲線外移，新股供給受限的情況下高價買入新股的投資者傾向于制造價量關系，以此吸引噪音投資者進場炒作，形成“擊鼓傳花”的游戲，最終造成股價飆升的局面。綜上，定向增發新股在二級市場上的交易價格存在明顯的價格泡沫，而交易價格泡沫對定向增發抑價產生正向影響，即溢價效應。

3 研究方法和數據

3.1 雙邊隨機邊界模型

若資本市場完全有效，則發行人與投資者可以根據公司價值的最優邊界準確估算定向增發新股的發行價格，進而可以將定向增發抑價率控制在較低的水平，甚至可以達到零。事實上，股票內在價值的準確估算僅僅停留在理論層面，在實際操作過程中，嚴重的信息不對稱問題以及個體預期的異質性在很大程度上導致了個體之間存在較大的估價偏差。因此，在定向增發過程中，發行人與外部投資者的估價偏差誘發了定向增發抑價問題。

Hunt-McCool等[13]強調，股票價格存在一個有效邊界，處于有效邊界上的價格可以反映出基本面的特征以及股市狀況，能夠對股票內在價值進行無偏估計[8]。因此，參照黃順武等[8]的做法，將定向增發股票價格的有效邊界表示如下：

lnP*=F(X)+δ

(1)

其中，P*表示定向增發股票價格的有效邊界，即股票內在價值的無偏估計；X表示能夠對股票價值產生影響的特征變量；δ表示隨機誤差項，用于測度隨機因素導致股票實際價值偏離有效價值的幅度。

如前所述，中國股票價格的有效邊界僅僅是一種理想狀態，真實的股票價格與有效邊界之間必然存在不同程度的偏差。因此，本文為了真實刻畫定向增發股票的發行價格與交易價格，將其設定如下式：

lnP1=F1(X;α)+ξ+μ

(2)

lnP2=F2(X;β)+ζ+ω

(3)

其中，P1和P2分別表示定向增發股票的發行價格與交易價格；參數α和β表示未知的參數項；ξ和ζ表示隨機誤差項，用于測度隨機因素導致發行價格和交易價格偏離股票內在價值的幅度；μ和ω分別表示非隨機因素使得定向增發股票的發行價格和交易價格偏離有效邊界的幅度。特別地，若μ=0或ω=0，則說明發行價格或交易價格處于有效邊界上，定價效率達到最大。

定向增發抑價是指定向增發股票的交易價格相對于發行價格的偏離程度。據此，可以將定向增發抑價按照下式表示：

Pu=(P2-P1)/P2

(4)

其中，Pu表示定向增發抑價。將(4)式兩邊同時取對數后，可以得到(5)式：

ln(1/(1-Pu))=lnP2-lnP1

(5)

令lnPu=ln(1/(1-Pu))，這一設定的優點在于：不影響原有性質的基礎上，便于后文的計量分析。將(2)、(3)式代入到(5)式中，即可推導出定向增發抑價分解模型，如(6)式所示：

lnPu=f(X;γ)+ν+ω-μ

(6)

其中，變量X代表導致定向增發抑價現象的影響因素，涉及到發行價格部分和交易價格部分；γ表示未知參數項；ν表示隨機誤差項；μ和ω的含義同前文。

借助(6)式將定向增發抑價分解為兩個部分，分別為一級市場因素與二級市場因素。如前所述，盡管μ和ω可能取正數，也可能取負數，但結合前文的理論分析以及前期研究均表明，股價被高估在中國資本市場中已經是一種新常態[8,15]，后文的估計結果也證明了這一點。因此，本文假設μ>0和ω>0，并以此討論定向增發抑價分解模式。

依據前文的分布假設，可以得出復合干擾項的分布密度函數：

(7)

其中，φ(·)和Φ(·)分別表示標準正態分布的概率密度函數及其累積分布函數，其他參數設定如下：

(8)

結合式(7)和(8)能夠推導出第it個觀測值所對應的對數似然函數，具體形式如下：

lnL(xit;θ)=-ln(σμ+σω)+ln[exp(ait)Φ(cit)+exp(bit)Φ(dit)]

(9)

其中，θ={β,σv,σμ,σω}均是未知參數。得到各個參數的估計值后，便能夠利用似然比法檢驗折價效應與溢價效應是否能夠顯著影響定向增發抑價，檢驗統計量如下：

LR=-2[L(H0)-L(H1)]

(10)

其中，L(H0)和L(H1)分別表示原假設與備擇假設下的對數似然函數值，此統計量服從漸進卡方分布，自由度為約束條件的個數。

為得到各個上市公司的ωit和μit的點估計值，必須首先推出ωit和μit的條件分布：

(11)

(12)

其中，λ=(1/σμ)+(1/σω),Nit=exp(bit-ait)Mit

Mit=Φ(dit)+exp(ait-bit)Φ(cit)

根據式(11)、(12)便可以測量出折價效應與溢價效應的相對大小，其具體形式如下：

(13)

(14)

綜上，結合式(13)、(14)便可以得到折價效應與溢價效應的凈效應：

NI=Pef-Def=E(e-μit-e-ωit|εit)

(15)

其中，Def表示折價效應，Pef表示溢價效應，NI表示溢價效應與折價效應的差值，即凈效應。顯然，當NI>0，則說明溢價效應是導致定向增發抑價的主導因素；當NI<0，則說明折價效應是導致定向增發抑價的主導因素。

3.2 計量經濟模型的設定

本文旨在正確估算出折價效應和溢價效應，并進一步明確造成定向增發抑價的主導因素。為此，參考章衛東等[11]、彭韶兵等[7]的研究，選取能夠反映公司特征、一級市場特征以及二級市場特征的關鍵變量作為控制變量，并在式(2)、(3)與(6)的基礎上，進一步設定如下實證模型：

LnP1=α0+α1Growthit+α2Sizeit+α3Ownit+α4TOP1it+α5ROAit+α6Boardit+α7GGit+α8MFRit+α9Powerit+α10DSizeit+α11Repit+α12Tunnelit+α13INSit+ξit+μit

(16)

LnP2=β0+β1Growthit+β2Sizeit+β3Ownit+β4TOP1it+β5ROAit+β6Boardit+β7GGit+β8MFRit+β9Powerit+β10Indexit+β11Turnoverit+β12Demandit+β13MEPit+β13MUit+ζit+ωit

(17)

LnPu=γ0+γ1Growthit+γ2Sizeit+γ3Ownit+γ4TOP1it+γ5ROAit+γ6Boardit+γ7GGit+γ8MFRit+γ9Powerit+γ10DSizeit+γ11Repit+γ12Tunnelit+γ13INSit+γ14Indexit+γ15Turnoverit+γ16Demandit+γ16MEPit+γ17MUit+νit+ωit-μit

(18)

其中，LnPu表示定向增發折價，其值等于(定價基準日前二十個交易日公司股票均價-預案宣告定向增發新股的價格)/定價基準日前二十個交易日公司股票均價[11]；Growth表示成長性，用上市公司增發前三個會計年度主營業務平均增長率衡量；Size表示公司規模，用期末總資產的自然對數衡量；Own表示產權性質，依據最終控制人性質，若為非國有，則取1，否則取0；Top1為第一大股東持股比例；ROA為總資產收益率；Board表示董事會規模，用董事會人數衡量；GG表示高管持股比例；MFR表示管理費用率，其值等于管理費用/營業收入；Power表示董事長與總經理是否二職兼任，若是兼任則為1，否則為0；Tunnel表示大股東所認購股份的比例；INS表示機構投資者所認購股份的比例；Rep根據承銷商排名，若排名前十位，則取1，否則取0；DSize表示定向增發發行規模，用發行數量的自然對數衡量；Index表示市場環境，用定向增發期間上證A 股指數變動量衡量，即(上市公告日上證A 股指數-定價基準日上證A 股指數)/發行期間上證A 股指數變量的算術平均數；Turnover表示投資者情緒，可以反映出投資者心理的一個潛變量，選取宣告時點的封閉式基金折價率(CEFD)、IPO發行數(IPON)、IPO首日收益率(IPOR)以及A 股市場換手率(TURN)，并用主成分分析法構建投資者情緒復合指標，其中CEFD表示每月最后一個交易日規模以上的封閉式基金加權平均折價率，TURN表示每月成交資金額與流通市值的比例，本文旨在去“噪”而不是降維，故選取第一主成分作為投資者情緒代理指標；Demand表示認購需求，用網上中簽率衡量；MU表示市場漲幅，即增發公告日收盤價除以公告日前30天收盤價-1；MEP表示大盤市盈率，即每股市價除以每股收益。表1報告了變量的具體定義。

3.3 樣本篩選和描述性統計

3.3.1 樣本選取

2007年新會計準則開始實施，會計核算方法做了相應調整，為避免這一政策的干擾，本文選取2007—2017年度已完成定向增發新股的滬深兩市A 股上市公司作為初始樣本，該研究區間幾乎覆蓋了A 股市場中所有實施定向增發的上市公司，故本文研究樣本比較完整，具有代表性。在此基礎上，對原始樣本進行如下篩選：(1)剔除金融業上市公司；(2)對于定向增發兩次(含)以上的上市公司，僅保留第一次定向增發的數據，以排除因研究區間的重疊所導致錯誤統計結果的可能性；(3)剔除定向增發上一年度進入破產重整程序的上市公司；(4)剔除發行價低于定向增發前每股凈資產的上市公司。經篩選后，得到2927個有效觀測值。本文所用定向增發的數據來源于WIND數據庫，其余財務數據均來自于CSMAR和CCER數據庫，使用的統計軟件是STATA14。

3.3.2 變量描述性統計

表1報告了主要變量的描述性統計結果。定向增發抑價(LnPu)的均值為0.308，最大值高達2.263，這表明中國上市公司普遍存在定向增發高抑價現象。產權性質(Own)的均值為0.635，說明樣本公司中有63.5%是國有企業，由此可見，定向增發的高抑價現象主要發生在國有企業中[7]。定向增發過程中大股東所認購股份比例(Tunnel)的均值為0.202，機構投資者所認購股份比例(INS) 均值為0.392，則非特定投資者認購股份比例的均值為0.406，這說明定向增發過程中上市公司偏好于多元化的股東。第一大股東持股比例(TOP1)的均值為0.358，最大值竟然達到了0.899，這說明中國上市公司的股權依然比較集中，一些公司甚至存在“一股獨大”現象。此外，其他變量統計結果也均在合理范圍內，說明本文樣本選擇合理，具有代表性。

表1 變量的描述性統計結果與定義

續表1 變量的描述性統計結果與定義

4 實證檢驗結果與分析

4.1 隨機邊界模型的估計結果

本文首先利用隨機上界模型和隨機下界模型來判定定向增發新股發行價格和交易價格存在折價還是溢價現象。表2列示了隨機邊界模型的檢驗結果。隨機上邊界模型的參數γ對應的T統計量分別為0.0018和0.0047，這意味著γ并非顯著地異于零，即定向增發新股發行價格和交易價格的定價效率幾乎接近于1。然而，這一檢驗結果并不意味著市場定價一定有效，僅僅說明股票定價沒有被低估，而且隨機上邊界模型無法判定股票定價是否高于其內在價值。為此，本文利用隨機下界模型來進一步判定定向增發新股發行價格和交易價格是否存在溢價現象。隨機下邊界模型的參數γ對應的T統計量分別為0.948和0.962，均顯著地異于零，說明中國上市公司定向增發過程中股票價格系統性地高于其內在價值。因此，一級市場與二級市場均存在價格泡沫。由此可見，非對稱誤差項μ>0和ω>0均成立。

表2 模型(16)、(17)、(18)的檢驗結果

續表2 模型(16)、(17)、(18)的檢驗結果

控制變量方面，定向增發過程中大股東所認購股份的比例(Tunnel)和機構投資者所認購股份的比例(INS)均能顯著抑制新股發行價格，可能是因為二者持有的限售股降低了新股的流動性，增加了潛在的持股風險，進而借助新股折價的方式進行補償，這一發現支持了流動性補償假說。投資者情緒(Turnover)和市場漲幅(MU)的回歸系數均顯著大于零，說明投資者情緒和市場漲幅均有利于推高二級市場股票交易價格[20]。其余變量的估計結果也與已有研究基本一致，故模型設定合理。

4.2 雙邊隨機邊界模型的估計結果

如前所述，非對稱誤差項μ>0和ω>0均成立。為此，后文在上述條件和模型(18)的基礎上，分析定向增發抑價分解問題，結果如表2所示。非對稱誤差項μ和ω均在1%的水平上顯著大于零，這意味著定向增發新股發行價格以及交易價格的系統性偏差部分均對定向增發抑價施加了重要的影響。在控制股票價格系統性偏差部分的情況下，投資者情緒(Turnover)、大盤市盈率(MEP)以及市場漲幅(MU)的回歸系數均為正，且至少在5%的水平上顯著，由此可見，三者均對定向增發抑價起到“推手”的作用，同時說明中國資本市場有效程度相對較低，新股定價泡沫越大，其在二級市場上的交易價格通常會被哄抬得越高[23]。究其原因：一方面，發行價格被高估的新股通常會備受投資者的青睞，而投資者的狂熱追捧行為極易導致市場情緒高漲，進而極易誘發“博傻效應”，最終推動新股的需求曲線外移；另一方面，大股東和機構投資者持有的新股均有限售期，即增發新股上市后的供給量會受到控制，而高價買入新股的投資者傾向于借助制造價量關系的方式誘惑噪音投資者入場進行炒作，進而形成“擊鼓傳花”的局面，并推動新股價格非理性的上漲，最終造成定向增發高抑價現象。

4.3 定向增發抑價分解結果：折價效應與溢價效應

4.4 折價效應、溢價效應以及凈效應的統計結果

前文結果表明，溢價效應對定向增發抑價的影響處于主導地位，即二級市場因素是關鍵誘因。為此，本文將進一步對折價效應(Def)、溢價效應(Pef)以及凈效應(NI)進行統計分析。表4顯示，溢價效應的均值為0.263，明顯大于折價效應的均值0.123，且前者的中位數也大于后者。同時，均值和中值差異性檢驗的結果也支持了上述結論在統計上的顯著性。此外，凈效應的均值為0.140，且P25分位數也大于零，這再次證明了溢價效應顯著大于折價效應。

表3 定向增發抑價分解的測度結果

表4 折價效應、溢價效應以及凈效應的統計結果

注：(1)均值檢驗法為T檢驗,對應的是T值,中位數檢驗法是Wilcoxon秩和檢驗，對應的是Z值。

4.5 穩健性檢驗

產權性質、認購對象、市場周期以及信息透明度能夠影響投資者情緒，進而導致投資者對股價的意見分歧出現較大差異[2,7]。那么，這些差異是否會導致定向增發抑價也會存在差異呢？為此，將從上述四個層面對凈效應進行異質性檢驗，結果如表5所示。

表5 凈效應(NI)的異質性檢驗結果

注：參考彭韶兵等[7]的做法，利用可操縱性應計的絕對值×(-1)來衡量信息透明度；Panel B是以混合認購為基準組。

基于產權異質性的再檢驗。依據最終控制人性質，將全樣本劃分為國有與非國有兩個子樣本。Panel A中的單變量差異性檢驗結果說明，國有企業凈效應對應的統計值均大于非國有企業。由此可見，溢價效應是造成定向增發抑價的主導因素，且這種現象在國有企業中更顯著。這可能是因為：國有企業與政府之間的“天然”關系賦予了其在稅收、政府補貼等方面的優勢，而這些優勢為其帶來利好效應，進而吸引投資者青睞，并對其發展前景持有更樂觀的預期，最終導致國有企業的股價在二級市場上更容易被高估。

基于定向增發認購對象的異質性再檢驗。根據認購對象，將全樣本劃分為大股東全認購、機構投資者全認購以及混合認購三個子樣本。Panel B中的單變量差異性檢驗結果說明，凈效應在大股東全認購、混合認購以及機構投資者全認購中的顯著程度依次減弱，這一發現也支持了流動性缺失補償假說的觀點“禁售期導致新股不能及時完全流通，增加了大股東與機構投資者的潛在風險，通常借助折價方式予以補償”。

基于市場周期的異質性再檢驗。依據中證500指數市場狀態劃分標準，將市場周期劃分為熊市與牛市兩個子樣本。Panel C顯示：即使處于熊市階段，凈效應的各項統計指標都大于零，但熊市時期的凈效應要明顯小于牛市時期。這說明，無論是熊市還是牛市，溢價效應都會導致定向增發抑價現象的發生，而且是主導因素。究其原因：在牛市階段，投資者保持樂觀情緒，非對稱信息效應更多的是表現為收益正向沖擊效應，即“利好”消息對股價的影響會顯著強于“利空”消息；但在熊市階段，投資者保持悲觀情緒，非對稱信息效應更多的是表現為收益負向沖擊效應，即“利空”消息對股價的影響顯著強于“利好”消息[19]。此外，異質信念假說認為，投資者關注刺激了新股的購買需求，但對新股供給影響甚微，在賣空限制下，悲觀投資者難以及時執行空頭操作。因此，股價更多反映的是樂觀投資者的意見[23]，這意味著股價通常會存在溢價現象，而且投資者之間的意見分歧越嚴重，股票溢價問題就越嚴重[24]。

基于信息透明度的異質性再檢驗。依據信息透明度的中位數，將全樣本劃分為信息透明度較低和較高兩個子樣本。Panel D顯示：凈效應的統計指標都大于零，但隨著信息透明度的增強，凈效應的均值顯著減小，說明信息透明度的提升，可以抑制定向增發抑價，這證實了Kim 和Zhang[25]的觀點“信息越透明越有利于抑制二級市場溢價效應”。一方面，信息透明度越高越有利于緩解信息不對稱，加速公司內部消息傳播，投資者能夠及時獲取相關信息，進而有效壓縮大股東的“尋租”空間。另一方面，信息越透明越便于公眾監督，進而降低了以折價方式實施利益輸送的可能性[7]。因此，信息透明度的增強降低了股票溢價的可能性，有效緩解了定向增發抑價問題。

綜上，盡管產權性質、定向增發認購方式、市場周期以及信息透明度的差異對定向增發抑價產生了不同影響，但是溢價效應始終大于折價效應，說明溢價效應確實是導致定向增發抑價的主導因素。

5 結語

定向增發高抑價問題日益嚴重，是學術界研究的熱點。針對定向增發高抑價問題，以往國外研究主要聚焦于一級市場，而忽視二級市場的錯誤定價問題。然而，作為新興經濟體，中國市場環境和制度背景同發達經濟體存在較大差異，而這些差異可能導致國外已有的定向增發抑價理論并不適用于中國股票市場。因此，本文將定向增發高抑價的誘因細分為一級市場折價效應和二級市場溢價效應，首次引入雙邊隨機邊界模型探究高抑價的形成機理，發展了一個新的抑價分解模型，并選取2007—2017年度內已完成定向增發新股的滬深兩市A 股上市公司作為研究樣本，進行了實證檢驗，結果表明：(1)定向增發新股的發行價格與交易價格均存在下邊界，說明兩者均被高估，存在價格泡沫。(2)折價效應與溢價效應均對定向增發抑價施加了顯著的影響。具體而言，前者對定向增發抑價的影響比重為14.75%，而后者對定向增發抑價的影響比重為85.25%。由此可見，相較于溢價效應，盡管折價效應對定向增發抑價產生了一定的影響，但是這一影響相對較弱，溢價效應是導致定向增發高抑價的主導因素。(3)對于全樣本，其凈效應的各項統計指標均大于零，說明溢價效應對定向增發抑價的影響程度遠大于折價效應，前者是導致定向增發高抑價的主導因素。(4)異質性檢驗結果表明，上述結論依然成立，而且溢價效應對定向增發高抑價的影響程度在國有企業、大股東全認購、牛市階段以及信息透明度較低的子樣本中更加顯著。

本文結論的政策啟示在于：(1)溢價效應是定向增發高抑價的主要誘因，投資者情緒又是溢價效應的關鍵因素。為此，以散戶為主的中國股市，培育成熟、理性的投資者是其現階段亟需解決的首要問題，引導和規范散戶的投資行為有利于緩解股票交易價格溢出問題。(2)定向增發過程中，上市公司應該適當引進機構投資者，這樣既可以約束大股東的利益輸送行為，又可以提高公司治理水平。(3)加大國有企業市場化改革的力度，尤其要重視政府補助所引發的過度樂觀情緒，投資者的狂熱追捧極易推高股價[7]。此外，政府部門應減輕國有企業的政策性負擔。(4)信息透明度是造成定向增發高抑價的主要誘因，同時信息披露質量也是影響散戶投資者非理性投資的關鍵因素。因此，亟需進一步提升信息透明度，并加強上市公司的信息披露質量，旨在向外部投資者傳遞準確的信息，引導投資者尤其是散戶理性投資，合理決策。