高新技術企業資質認定與上市企業股價崩盤風險
——基于產業政策微觀實施的證據

孫 剛，鄭 琦

(1.浙江財經大學東方學院，浙江 嘉興 314408；2.長沙理工大學經濟與管理學院，湖南 長沙 410114)

一、引 言

2006年召開的全國科技大會及之后2007年黨的“十七大”明確提出，科技發展要緊緊圍繞經濟社會發展這一中心任務，要解決制約經濟社會發展的關鍵問題，要建立以企業為主體、以市場為導向、產學研相結合的技術創新體系。尤其是高科技產業不再是獨立發展的產業，而要與傳統產業全面結合。從黨的“十八大”進一步強調堅持走中國特色自主創新道路、實施創新驅動發展戰略，到黨的“十九大”報告中“創新”一詞出現了近六十次，創新被視為是引領發展的第一動力。隨著我國經濟發展方式從“李嘉圖式增長”逐漸向“熊彼特式增長”轉型，處于經濟轉型升級和新舊動能轉換的關鍵期，探討政府干預行為和方式究竟對我國創新驅動發展產生何種深遠影響，尤其是對于微觀市場和企業層面而言，目前的相關研究尚無定論。創新驅動發展的基本內涵是指通過產業升級和轉型，實現經濟發展的創新驅動，改變過去依賴以勞動力和資源投入驅動的狀況，而產業政策須率先轉型升級。2015年3月頒布的《中共中央國務院關于深化體制機制改革加快實施創新驅動發展戰略的若干意見》指出，要強化產業政策對創新的引導。推動“政策鏈”“資金鏈”“創新鏈”和“產業鏈”的深度融合，政府亟待加強規劃和引導，通過宏觀政策支持和機制創新，為“多鏈融合”創造良好的生態環境。鑒于企業的創新主體地位，探究產業政策精準引導微觀企業創新驅動發展的實現機制和路徑具有現實意義和價值。

國內外學術界對產業政策的爭議聚焦于要實施什么樣的產業政策，把重點轉移至該如何制定、激勵、實施、評估產業政策上(Stiglitz，2015；林毅夫等，2018)[1][2]，對建立優化產業政策治理體系提供了正確的方向。考慮到產業政策影響的重要性、持久性和廣泛性，本文聚焦于產業政策作用的某一細分領域——高科技產業領域，選取政府“高新技術企業”資質認定(以下簡稱“高新認定”)這一產業政策具體執行機制作為研究政府創新干預行為的切入點，并選擇資本市場股價崩盤風險問題作為考察對象，檢驗政府干預行為在高科技產業政策引導創新驅動發展過程中抑制信息“失真”和信息“扭曲”的作用機制。

一直以來，金融和會計領域學者將資本市場中股價變化歸結為企業未來發展的新信息。Roll(1988)指出，市場和行業等信息僅僅能解釋股價變動的很小一部分，他推測市場交易者可以借助對企業特質信息套利來驅動股價變化[3]。Morck等(2000)發現，在產權保護不到位的國家，企業股價波動的同步性程度更高，這些國家企業股價很大程度上是被市場、行業層面信息所驅動[4]。Jin等(2006)指出，企業信息不透明是導致股價同步性和股價崩盤風險的重要動因，信息不透明的企業積累下來的負面信息，一旦釋放將導致股價嚴重下跌，該現象被稱之為股價崩盤風險[5]。在我國“政治+政府”“官場+市場”氛圍濃厚的經濟環境中，采取“自上而下”治理模式的產業政策，與其他諸如財稅、貨幣金融、科技創新等國家宏觀政策相似，在“市場失靈”情況下致力于扮演“有為政府”的“幫助之手”。“高新認定”作為高科技領域產業政策的微觀實施機制，其實質上以一種異質性的方式直接且深刻地影響著企業的管理者行為、企業治理、投融資決策、信息披露策略以及日常實際運營活動，生產并向市場釋放出復雜、異質且可置信的企業特質性訊息，從而吸引證券分析師、機構投資者等金融中介利用其處理和挖掘復雜信息并提供投資建議的能力和優勢，并借助資本市場上眾多套利投資者的交易活動，增強企業股價對特質信息的吸收效率，減少了信息“失真”和信息“扭曲”，降低了股價崩盤的風險。

本文聚焦于產業政策執行中的政府行為和政治因素，研究了“高新認定”政策對股價崩盤風險的影響，研究發現基于高科技產業政策實施的政府干預行為顯著降低了企業股價崩盤風險。本文有如下三點學術貢獻：(1)拓展了傳統產業政策的衡量方法，不再僅限于將產業歸納為未獲得支持、一般支持、重點支持以及限制性行業等傳統文本劃分法，嘗試從微觀實施視角衡量產業政策的影響，直接捕捉并考察產業政策執行中政府行為的影響機制。(2)提供了政府行為作用于股價崩盤風險的微觀證據，豐富了歷史文獻主要從政治關聯、信息披露、金融中介、企業治理、微觀市場結構以及非正式制度等視角考察降低企業股價崩盤風險的實現渠道，是對以往研究政治因素與股價崩盤風險文獻的有益補充。(3)指出產業政策微觀實施將為企業帶來增量特質信息，影響企業股價信息含量、信息風險乃至信息定價。本文從資本市場視角探索了高科技領域產業政策微觀實施對股價崩盤風險的影響及其可能路徑，提供了資本市場對產業政策等宏觀政策信息進行合理定價的證據，有益于優化政府創新資源配置決策。

二、文獻回顧、理論分析與研究假說

(一)文獻回顧

企業股價崩盤風險研究的歷史文獻可分為兩大類，一類為研究股價崩盤風險的影響因素，另一類為研究股價崩盤風險的經濟后果，其中第一類文獻占絕對主體。因此，文獻回顧主要集中于第一類研究，從事該類研究的學者主要持有“信息觀”“代理觀”和“政治觀”三種主流觀點。“信息觀”源自Jin等(2006)[5]，他們認為不透明的信息披露環境是導致股價崩盤風險的重要因素。隨后Hutton等(2009)利用企業盈余操縱程度衡量企業信息環境，研究發現信息環境越不透明，企業股價同步性程度越高，企業管理者越會壓制負面消息的及時披露，從而企業股價崩盤風險越高，支持了Jin等(2006)的研究[6]。Francis等(2011)進一步發現，研發費用、成本費用和現金流操縱等真實盈余管理行為越嚴重，企業股價崩盤風險也越高。可見，會計盈利操縱抑或是真實盈利操縱背后均隱藏著企業內部人控制“壞消息”披露的動機，當這些負面信息積累到一定程度，企業美好前景被“刺破”之時，股價崩盤現象則難以避免[7]。

而持有“代理觀”的學者認為，股東之間以及股東與管理者之間的代理問題是影響股價崩盤風險的重要因素。Xu等(2014)從高管在職消費[8]、Kim等(2011)從高管股權激勵[9]、Jia(2018)從高管薪酬差距[10]、Yuan等(2016)從高管責任保險[11]、Hong等(2017)從控股股東兩權分離等多個視角分析了代理成本對企業股價崩盤風險的影響[12]。總體上，高管在職消費、股權激勵、薪酬差距以及兩權分離等因素均預示著企業內部埋伏著潛在代理沖突和風險，未來股價崩盤風險更高，而高管責任保險則從保險機制上消除了高管為了卸責而掩蓋負面信息的動機，反而有利于降低股價崩盤風險。

持有“政治觀”的學者則嘗試從政府行為和政治因素視角解釋股價崩盤風險現象。Lee等(2017)發現，委派官員到國企任職顯著增加了企業股價崩盤風險，但是在非國企中，聘用具有政府部門履職經歷人士擔任高管，則顯著降低了企業股價崩盤風險，政治因素在產權性質不同的企業中對負面消息得以釋放并融入股價的作用機制不盡相同[13]。Gao等(2019)和Piotroski等(2015)則發現腐敗嚴重地區的企業股價崩盤風險顯著更高，部分歸因于政治家及其關聯企業出于政治目的壓制負面消息披露[14][15]。對于成熟資本市場而言，從“信息觀”和“代理觀”兩個維度的研究文獻已相當豐富，但從“政治觀”維度進一步拓展政府行為、政治因素對股價崩盤風險的影響仍具有現實意義。我國新興加轉型期，關系型交易、政治關聯、政府干預、政府管制、政商聯系等廣泛嵌入于企業經濟活動之中，使得政府的宏觀政策、調控、管制、干預等信息不可被忽視(陳冬華等，2018)，進一步研究政府行為對股價崩盤風險的影響仍具有現實意義[16]。

(二)理論分析

政府在我國經濟發展過程中扮演著極其重要的角色，與財政政策、貨幣政策、財稅政策等宏觀政策類似，產業政策規劃、實施過程無不體現了政府“有形之手”的存在。首先，從產業政策決策程序看，產業政策制定是一個集科學性和可靠性為一體的民主決策過程，須結合經濟發展實際情況和現實需要，由政策制定者提出符合經濟發展的目標，充分集合政府黨政機構、社會智庫、學術研究組織等力量，是制度化、規范化、程序化的公共決策過程。在產業政策執行過程中，各級地方政職能部門、行業協會凝聚共識、形成合力，判斷目標行業是否需要支持、給予何種力度的支持以及根據先前支持情況和行業未來發展預期進一步決定是否繼續支持或者改變支持力度等。因此，從決策程序看，我國產業政策制定和實施具有科學基礎。

再者，從產業政策實踐看，普遍存在著“政出多頭”“閉門造車”“重數量、輕質量”“缺乏相機決策”“重制定、輕評估”等現象，缺乏政策立法、激勵、執行、監督、考核和退出機制等頂層設計。地方政府“歪曲性”“選擇性”“抵制式”“照搬式”地實施產業政策的現象一定程度上揭示了從中央到地方多層次產業政策實施的委托代理困境和矛盾。并且，由于涉及資源分配、利益協調，加之政企信息不對稱，產業政策實施中常引發諸如“為尋扶持而研發”“為上市而扶持”“偽高新”“騙補”“研發操縱”“微創新”等企業“迎合”產業政策的代理問題(楊國超等，2017)[17]。

最后，從產業政策的微觀經濟后果看，作為政府“有形之手”的重要工具，產業政策兼有政府干預和限制競爭的雙重特點(江飛濤等，2010)，具備選擇性和資源配置功能[18]。陳冬華等(2010)研究表明，我國產業政策是影響微觀企業投融資的重要因素[19]。在產業政策重點鼓勵和支持行業，特別是國有企業，其IPO，SEO融資規模增速顯著更快。各級政府通過執行產業政策，將諸如經營性用地、政府補貼、信貸或者權益融資等資源，配置到獲得產業政策重點支持行業，顯著促進了受支持行業的企業投資(黎文靖等，2014)[20]。從中央到地方，產業政策被“層層加碼”。此外，產業政策實施會向市場傳遞出激進的政策“信號”(李莉等，2015)[21]，加劇管理者過度自信和投資沖動(畢曉方等，2015)[22]，弱化企業治理的監督作用(祝繼高等，2015)[23]，激勵企業管理者選擇激進的信息披露策略(黎文飛等，2019)[24]、策略性研發(黎文靖等，2016)以及支付高溢價實施“政策套利性”并購等(鐘寧樺等，2019)[25][26]。可見，產業政策深刻地影響著微觀企業的投融資決策、信息披露策略以及實質性經營活動，并通過資本市場投資者、行業證券分析師、機構投資者等中介機構的信息發現、挖掘、分析及交易活動，促進了企業特質信息的產生、加工和傳播。

(三)研究假說

作為高科技領域產業政策的微觀實施機制，“高新認定”一直是我國各級政府引導、激勵、評價企業創新活動的重要機制。1988年，國務院批準實施了我國高科技產業促進計劃，首批批準了53個國家級高新區，通過界定“高新技術企業”，促進、支持高科技產業發展。以科技部、財政部、國家稅務總局聯合下發的《高新技術企業認定管理辦法》(國科發火〔2016〕32號)為例，獲得“高新認定”的企業首先需要符合國家高科技產業扶持方向，在《國家重點支持的高新技術領域》內，持續進行研發成果轉化，形成并擁有自主核心知識產權，并以此為基礎開展經營活動，同時滿足注冊時間、技術所屬領域、是否擁有核心自主產權、科技人員占比、研發強度、高新產品收入占比、創新能力評價、生產和環保安全等條件，企業創新能力的綜合評價、定量定性評價相結合，注重企業研發活動與知識產權、成果轉化、高新產品收入之間的內在邏輯合理性。獲得認定的企業將在諸如市場準入、項目招投標與審批核準、供地審批、貸款行政核準、金融市場融資、財稅優惠、科技補貼、資金獎勵、品牌宣傳等方面獲得政府優惠或優先政策支持。“高新認定”由三部委各級機關具體負責全國高新技術企業認定的指導、管理和監督，旨在構建由科技、財稅等政府部門、社會中介機構、技術和財務專家等共同參與的責任共擔、成績分享、協同聯動機制(1)為滿足“高新認定”工作的管理需要，中國注冊會計師協會專門頒布實施了《高新技術企業認定專項審計指引》(2008)，指導和規范注冊會計師執行“高新認定”專項審計業務。。

借助“高新認定”這一正式制度安排，實現高科技領域產業政策在微觀企業層面的“落地生根”，實質上作用于企業管理者行為、投融資決策、信息披露策略以及治理機制等，深刻影響著微觀企業的實際運營，在政府和市場間形成了一種新型政企動態聯系，減少滯后的市場化環境對企業創新活動的阻礙(許玲玲，2018)[27]，有效提升企業創新能力(孫剛等，2018)[28]，凸顯了“有為政府”的“扶持之手”功能，向市場傳遞出企業資質得到政府認證的積極訊息(雷根強等，2018)[29]，有助于緩解產業政策執行中政府與企業、企業與市場之間的信息不對稱及“逆向選擇”，發揮了實施國家宏觀經濟政策在抑制信息“失真”和“扭曲”上的作用，客觀上促進了企業特質信息的生產和傳播，提高了企業股價信息含量，避免企業負面信息的持續積累，減少了企業股價崩盤風險。但另一方面，高科技領域產業政策執行中形成的政企關聯容易滋生政府、企業代理問題乃至“政企合謀”，促使獲得政府支持的企業更傾向于保持不透明的信息披露狀態，更多地進行信息披露操縱以持續獲取社會資源(楊國超等，2017)[17]。企業內部人更加傾向于壓制不利于企業運營的負面信息，國家宏觀經濟政策實施則加劇了信息“失真”和“扭曲”，從而阻礙了企業特質信息的釋放，導致企業股價信息含量較低。當負面信息積累至峰值，無法被抑制而披露出來，企業股價崩盤則不可避免。結合上述分析，本文提出兩個有待檢驗的競爭性研究假說，在其他條件相同的情況下，作為高科技產業政策的重要實施機制：

原假設H0：獲得“高新認定”后，企業股價崩盤風險顯著降低。

備擇假設H1：獲得“高新認定”后，企業股價崩盤風險顯著增大。

三、數據來源、篩選與研究設計

(一)數據來源與篩選

本文將“高新認定”作為我國高科技領域產業政策實施的一種重要微觀機制，手工整理形成了1994～2019年初上市企業“科技認定”數據庫，該數據庫研究優勢在于能夠準確鎖定“高新認定”批準日，克服以往有關產業政策經濟后果研究假設所有企業均在同一個時間點上接受政策“沖擊”，能更有效控制內生性問題，提高檢驗有效性。其他財務、治理、分析師數據則均來自CSMAR數據庫。本文對研究樣本做了如下篩除：(1)“高新認定”以外的其他“科技認定”類型；(2)雖提出“高新認定”申請但未獲通過的企業樣本；(3)認定對象為企業前身、企業產品、控股股東的企業樣本；(4)企業上市之前獲得“高新認定”資質的企業樣本；(5)非首次獲得“高新認定”的企業樣本；(6)股票代碼以2、4、8、9開頭的企業樣本；(7)變量有缺失值的企業樣本。為控制異常值，連續變量均在1%和99%分位數處做了縮尾處理。數據處理和回歸分析使用統計軟件SAS9.4和STATA16。

(二)研究設計

本文假設“高新認定”行為具有政策效果隨時間改變的動態特征。由于每家企業獲得“高新認定”的時間點不同，本研究采用“動態追蹤數據”“多期處理效應”與“事件研究法”相結合的思路控制內生性，檢驗研究假說。第一步，借鑒事件研究法，確定每家企業獲得“高新認定”的批準年份第t年，賦值為0；認定前第t-1年、t-2年分別賦值為-1年、-2年；認定后第t+1年、t+2年分別賦值為1年、2年，以此類推。考慮到“高新認定”支持周期為三年，本文選取認定前、后各三年為研究窗口。為便于動態考察每家企業獲得認定前、后股價崩盤風險的變化，須保證每家企業能夠生存一個研究窗口，因此本文構造了一個動態追蹤數據集。第二步，檢驗追蹤數據是否滿足共同趨勢假設，即獲得“高新認定”的企業在其被認定之前的股價崩盤風險是否與基期相比具有顯著差異，本文通過設置0-1啞變量標識各年度效應。以股價崩盤風險為被解釋變量，若該樣本滿足共同趨勢假設，則年度效應啞變量在認定前均統計不顯著(或者多數情況不顯著)，但認定后各期應統計顯著，則可認為“高新認定”政策具有處理效應。第三步，在滿足共同趨勢假設前提下，企業獲得認定后的樣本為處理組，賦值為1；獲得認定前的樣本為控制組，賦值0。利用差分法動態考察認定前、后股價崩盤風險變化，展開多元線性回歸分析，檢驗原假說和備擇假說。

1.基本模型

借鑒Chen等(2001)的研究，為保障研究結論不受指標構建的影響，本文構建了三個指標反映企業股價崩盤風險[30]。首先，利用式(1.1)估計企業周收益率。

ri,t=γ0+γ1rm,t-2+γ2rm,t-1+γ3rm,t+γ4rm,t+1+γ5rm,t+2+εi,t

(1.1)

其中ri,t為該股票i在年度第t周的收益率，rm,t為股票在第t周經過流通股市值加權的平均收益率。式(1.1)中為控制股票非同步性交易的影響，加入市場收益率超前和滯后兩項，利用上式回歸殘差項εi,t加1處理后取自然對數，即wi,t=ln(1+εi,t)，得到股票i在第t周經市場調整后的收益率。進而，本文利用該指標構造如下兩個指標反映股價崩盤風險：第一個指標為股票i經過市場調整后周收益率負偏態指標，計算方法如式(1.2)。第二個衡量股價崩盤風險的指標為股價上漲相對于下跌的波動性比例指標(duvol)，該指標根據股票i經過市場調整后的周收益率是否大于平均收益，從而將股票收益分為上漲和下跌兩個階段的股價波動樣本，分別計算兩個子樣本中股票收益的標準差并經標準化處理，具體計算詳見式(1.3)，其中nu和nd表示股票i經過市場調整后的周收益率大于和小于平均收益率的周數。

(1.2)

(1.3)

借鑒Chen等(2018)的研究[31]，企業股價崩盤風險主要源自政治風險和企業內部人尋租，出于完成政治任務或者內部人自利等動機隱藏企業的“壞消息”，當這些負面訊息累積到無法繼續隱藏之時就會突然爆發出來，從而引發股價崩盤。但在不存在“壞消息”的情形下，政府代理人和企業內部人沒有隱匿“好消息”的動機，由于其隱藏“壞消息”的概率遠大于隱藏“好消息”的概率，股票收益率上漲的概率要遠大于下跌的概率；反之，如果“壞消息”集中釋放，股票收益率下跌幅度將會大于上漲幅度。在不存在政治風險或者內部人尋租的完美狀態下，企業股票收益率上漲和下跌的概率應均等、無偏。

綜上，ncskew和duvol兩個指標反映了企業由于政治風險和內部人自利等動機引發的股價崩盤風險，ncskew越大，股票收益率負偏態程度越嚴重，股價崩盤風險越高。duvol越大，股票收益率偏向下跌的程度越嚴重，股價崩盤風險越高。第三個衡量股價崩盤風險的指標為crash，該指標為wi,t=ln(1+εi,t)是否有小于該指標均值-3.2倍wi,t的標準差，如是，賦值為1，否則為0。本文利用式(2)以及式(3)的probit回歸模型檢驗獲得“高新認定”對企業股價崩盤概率的影響。解釋變量為二元啞變量cert，當企業獲得“高新認定”后，賦值為1，否則為0。重點關注cert的回歸系數α1、β1及其統計顯著性(下同)，若回歸系數顯著為正數，則表明獲得“高新認定”將顯著增加企業股價崩盤概率；反之，若回歸系數顯著為負數，則表明獲得“高新認定”將顯著降低企業股價崩盤概率。

ncskewi,t+1(duvoli,t+1)=α0+α1certi,t+α2ncskewi,t(duvoli,t)+ν×controlsi,t+φi,t

(2)

prob(crashi,t+1=1)=β0+β1certi,t+β2crashi,t+υ×controlsi,t+ζi,t

(3)

controls為企業和制度層面控制變量，包括：托賓的Q值，用流通股市值、非流通股面值與債務面值之和與資產面值的比表示；成長性，用營業收入變化值與期初營業收入的比表示；資產規模，用總資產取自然對數表示；資產負債率，以負債面值與資產面值的比表示；資產收益率，以凈利潤與資產面值的比表示；股利支付率，以每股稅前現金股利與每股收益的比表示；研發投入，以研發支出占營業收入的比表示，未披露研發支出的樣本賦值為0；收益率波動，以年度周收益率標準差表示；操縱性應計項目，利用Dechow等(1995)修正瓊斯模型估算[32]；股票回報率，以考慮現金紅利再投資的年度股票回報率表示；股票換手率，以月平均換手率與上一年月平均換手率之差表示；資本性投資，以購建和處置固定資產、無形資產和其他長期資產現金收支凈額與資產面值的比表示；第一大股東持股，以第一大股東持股數占總股本的比表示；機構投資者持股，以機構投資者持股數占總股本的比表示；產權性質，當最終控制人為國有企業、政府、國有大學等機構的，賦值為1，否則為0；是否國際“四大”審計，當主審會計師事務所為普華永道、德勤、安永、畢馬威“四大”國際公司時，賦值為1，否則為0；政治關聯，當董事長或者總經理具有曾經在中央或地方政府、黨委、政協、人大、民主黨派、社會團體、高等院校等任職經歷者，則認為企業具有政治關系，賦值為1，否則為0；注冊地市場化進程指數，取自樊綱等(2011)、王小魯等(2017)編著的各省份市場化進程指數中“減少政府對企業干預”子指數[33][34]；行業效應，按中國證監會《中國上市企業分類指引》(2012)，將所有上市企業分為除金融行業外的各行業大類二元0-1虛擬變量，其中制造類企業按照行業前兩位代碼設置虛擬變量；年度效應，0-1虛擬變量。

2.拓展分析

(1)產業政策微觀實施對企業信息環境的影響分析。Jin等(2006)的“信息觀”以及后續持“代理觀”“政治觀”的諸多研究均證實，信息披露環境不透明是導致股價崩盤風險的重要動因[5]。本節擬從企業股價信息含量、會計信息質量、證券分析師預測等三方面，進一步拓展分析“高新認定”政策影響企業股價崩盤風險的可能路徑和傳導機制。若獲得“高新認定”能夠顯著降低企業崩盤風險成立，則表明企業獲得認定會抑制政府代理人、控股股東或管理層掩蓋“壞消息”的傾向，增加股票價格對企業特質信息的反映，從而提高企業特質信息對股價波動的解釋能力，股價波動同步性程度會降低，反之亦然。本文借鑒Durnev等(2003)的研究構建企業股價波動同步性研究指標[35]。

ri,t=δ0+δ1rm,t+δ2rI,t+νi,t

(4)

式(4)中期中ri.t為第t周股票i的收益率，rm.t為第t周市場指數的收益率，rI.t為第t周行業I的收益率。回歸模型的擬合優度r2反映股價波動同步性(syn)，該指標越高，則說明市場和行業因素對股票價格的解釋程度越高，即股價中反映的多為行業和市場信息；反之，則股價中反映的多為企業特質信息。式(5)旨在考察獲得“高新認定”對股價波動同步性的影響，重點關注解釋變量cert的回歸系數ρ1及其顯著性。

syni,t+1=ρ0+ρ1certi,t+ρ2syni,t+ω×controlsi,t+?i,t

(5)

借鑒以往文獻，本文利用式(6)通過考察獲得“高新認定”對企業操縱性盈利、實際盈利波動性、證券分析師盈利預測偏差的影響，進一步識別出以“高新認定”為代表的產業政策微觀實施對股價崩盤風險影響的途徑，重點關注cert的回歸系數κ1。其中：指標da為依據經修正的Jones模型計算的操縱性應計項目，并取絕對值|da|，反映企業會計透明度。Std_feps，std_fepscls和accuracy分別表示證券分析師每股收益預測值標準差、除以收盤價后的分析師每股收益預測標準差、證券分析師預測準確度(以證券分析師預測的每股收益減去當年實際每股收益后的絕對值再除以預測前一個交易日該股票收盤價格表示)，這三個指標反映了證券分析師盈利預測的準確度；earningvol反映了企業過去滾動五年實際每股收益的標準差，該指標越高，說明企業盈利波動幅度越大，盈利波動風險越高，盈利穩定性越差。式(6)統一用變量opacity表示上述五個指標。

opacityi,t=κ0+κ1certi,t+σ×controlsi,t+ζi,t

(6)

(2)產業政策微觀實施對企業價值的影響分析。若“高新認定”為代表的產業政策實施機制能夠降低企業信息風險，則獲得“高新認定”的企業其未來的股權價值應更高，反之亦然。本文利用持有至到期超額收益率、企業年度考慮現金股利再投資的投資回報率、托賓的Q值三個指標，從不同角度衡量企業相對價值和股東財富。持有至到期超額收益率的計算方法如式(7)所示，其中，ri,t表示企業第t月考慮現金紅利再投資的個股收益率；e(ri,t)表示第t月股票期望收益率，用t月按流通市值加權并考慮現金紅利再投資的月綜合市場收益率替代；T表示時間區間，股票i持有至到期超額收益率考察區間為公歷年度12個月的累積回報率。利用式(8)考察獲得“高新認定”對股東財富和企業相對價值的影響，仍重點關注解釋變量cert的回歸系數及其統計顯著性，在controls所選變量的基礎上還控制了：企業風險，以企業系統性風險beta值表示；流通A股比例，以流通A股股數占總股本的比表示；高管持股比例，以高管持股數占總股本的比表示；分析師關注度，以年度跟蹤分析該企業的證券分析師或團隊數加1后取自然對數表示。

(7)

bhari,t+1(reti,t+1|tobin’sQi,t+1)=γ0+γ1certi,t+μ×controlsi,t+ψit

(8)

四、實證檢驗結果與分析

(一)描述性統計分析

在本文整理到的獲得各種類型“科技認定”資質的企業樣本中，A股上市企業占97.8%，約97.8%的“科技認定”屬于“高新認定”，占各類科技資質認定比重最大，其它諸如“高科技企業”“火炬計劃”“863計劃”等“科技認定”類型僅占2.2%，與其他“科技認定”相比，“高新認定”適用范圍更廣。國家級“科技認定”為3493起，占98%，其他省級“科技認定”只占2%。從“科技認定”對象看，認定對象分布于上市企業本身、下屬企業、企業前身、企業產品以及企業控股股東，其中獲得認定且認定對象為上市企業本身及其下屬企業的“科技認定”數占到99.6%。從“科技認定”的地區分布看，廣東、浙江、江蘇三省排名前三，反映出地區經濟發展水平與創新程度顯著正相關。從行業分布看，制造業，信息傳輸、軟件和信息技術服務業排名前二，分別為占82.9%和8.1%。未報告的其他相關變量的描述性統計結果均在合理值范圍內。

(二)多元統計分析

以股價崩盤風險指標ncskew_q為例，企業獲得“高新認定”當年為第t年。前三年為t-3年，設為基期。認定前兩年為t-2年，年度效應啞變量用dif1表示，當企業處于認定前兩年時，dif1=1，否則為0，同理設置t-1、t、t+1、t+2等各期年度效應啞變量dif2至dif5。dif1(t值=-0.01)，dif2(t值=-1.64)均不顯著，而t、t+1、t+2年的年度效應啞變量dif3(t值-2.91)，dif4(t值=-2.16)，difno5(t值=-2.08)均通過5%的統計顯著性檢驗門檻。這表明，在認定之前的三年里，獲得認定的企業股價崩盤風險并沒有顯著變化，股價崩盤風險是在企業獲得認定后才顯著降低的，滿足樣本的共同趨勢假設。本文還檢驗了其他股價崩盤風險指標的共同趨勢假設的滿足情況，基本結論無本質性變化，限于篇幅未逐一呈報。

1.基礎回歸分析

表1和表2報告了“高新認定”政策對股價崩盤風險影響的回歸分析結果，表1第(1)至(6)列分別報告了采用以分市場等權平均法、分市場流通市值平均法、分市場總市值平均法計算的企業股價崩盤風險指標為因變量的回歸結果。“高新認定”以三年為考核期，考核期滿達標后方可獲得連續支持，因此，本文將樣本鎖定在企業獲得“高新認定”前、后各三年，變量cert的回歸系數在各列回歸中均為負數，且在統計上顯著，表明獲得產業政策支持的企業，在獲得“高新認定”后其股價崩盤風險是顯著降低的。表2的結果也表明，獲得認定后企業股價崩盤概率也是呈下降趨勢的，國家產業政策具有抑制企業信息“失真”和“扭曲”的作用，總體上支持原假說。

表1 產業政策微觀實施與企業股價崩盤風險

表2 產業政策微觀實施與企業股價崩盤風險：基于崩盤概率的Probit分析

2.拓展分析

(1)基于企業信息環境的分析。旨在檢驗“高新認定”政策是否以及如何影響企業會計信息質量、企業股價信息含量以及證券分析師預測，從而揭示產業政策微觀實施影響企業股價崩盤風險的完整圖景。首先，基于企業會計信息質量的分析。表3第(1)列報告的結果顯示，企業獲“高新認定”后，其會計盈余操縱的程度顯著更低，無論是“向上”抑或是“向下”的盈余操縱均顯著下降，變量cert的回歸系數顯著為負數，企業會計信息質量是顯著提高的，改善了企業信息環境。其次，基于企業股價同步性的分析。若企業獲得“高新認定”后，股價崩盤風險的降低是由于產業政策的微觀實施實質上影響企業投融資和運營活動，增加了企業層面的特質信息制造，并緩解了企業隱藏“壞消息”的傾向，則企業特質信息將在更大比例上解釋股價波動。表3第(2)、(3)列顯示，變量cert的回歸系數均為負數，且在1%水平統計顯著，表明企業獲得認定后，增強了股價對企業特質信息的反映，提高了企業特質信息對股價波動的解釋能力，股價波動同步性程度顯著降低，與原假設預期一致。最后，基于證券分析師預測偏差的分析。如果“高新認定”政策能夠通過更好地促進企業特質信息的釋放，進而抑制企業掩蓋負面信息的概率，則應觀察到跟蹤獲得“高新認定”企業的證券分析師做出的盈利預測偏差將顯著降低。基于該判斷，本文從三個維度反映證券分析師預測偏差及預測難度，分別是：證券分析師盈利預測不確定性、證券分析師盈利預測偏差、企業實際盈利波動。表4各列報告的回歸結果進一步說明，跟蹤“高新認定”企業的分析師盈利預測不確定性、分析師盈利預測偏差、實際企業盈利波動性均顯著降低，分析師開展盈利預測的難度有所下降，各列中變量cert的回歸系數均顯著為負數(第4列cert的回歸系數雖然為負數，但不顯著；當將研究窗口延伸至“高新認定”前、后六年時，未報告的以earningvol為因變量的回歸結果顯示，變量cert回歸系數t值為1.73，且在10%水平顯著)。

表3 產業政策微觀實施與企業股價同步性

表4 產業政策微觀實施與證券分析師盈利預測不確定性、預測偏差及預測難度

(2)基于企業價值的分析。本文關注“高新認定”對企業價值的影響，在未控制任何企業特征變量的基礎上，刻畫企業獲得認定前、后36個月(或72個月)持有至到期超額收益率(bhar)的變化。三組樣本分別為：(a)全樣本；(b)認定范圍為上市企業本身，且為首次認定樣本；(c)認定范圍為上市企業本身或其子企業，且為首次認定樣本。采用任何一組企業樣本，獲得認定后，股權投資者的財富均顯著增加，具體表現在：獲得認定后(圖中橫軸0點對應著認定批準當月)，股權投資者持有至到期超額收益率均顯著增加，企業長期股價表現更佳，企業股東財富增長幅度均顯著躍升。可見，從長期趨勢看，獲得“高新認定”對企業價值有積極、正面且顯著的影響(限于篇幅，本文僅報告了基于樣本(a)的36個月和72個月分析結果)。最后，本文通過多元統計分析考察獲得“高新認定”是否增進股東財富和企業相對價值。利用企業年度考慮現金紅利再投資的收益率、托賓的Q值以及企業持有至到期超額收益率三個指標衡量企業價值或者股東財富變化。表5的回歸結果表明，變量cert的回歸系數均顯著為正數，無論采用哪種指標衡量企業相對價值或者股東財富變化，結果均支持獲得“高新認定”后企業相對價值或者股東財富顯著高于“高新認定”前，因而從多維度、動態視角繼續支持了原假設的理論分析，即：“高新認定”可以通過優化企業信息環境這一條路徑，改善股價信息含量，減少信息風險，不僅減少了企業股價崩盤風險，而且最終也增加了企業相對價值和股東財富。

圖1 企業獲得“高新認定”前、后36個月的bhar

圖2 企業獲得“高新認定”前、后72個月的bhar

表5 產業政策微觀實施與企業價值

五、總 結

本文圍繞“產業政策要準”這一核心問題，聚焦于我國產業政策微觀實施的經濟后果問題，從上市企業信息風險的視角，檢驗分析了“高新認定”這一具體的高科技產業政策實施機制對企業股價崩盤風險的影響。研究發現，對于獲得“高新認定”的上市企業，其未來股價崩盤風險顯著降低。進一步拓展分析表明，“高新認定”可以顯著減少企業盈利操縱，增強盈利穩定性，增加企業層面特質信息的生成和特質信息對股價的解釋程度，提高股價信息含量，降低股價同步性，且證券分析師等金融中介對企業盈利預測的難度下降、準確度提高。從企業價值角度，“高新認定”也顯著促進了企業相對價值和股東財富。

總體上，從信息環境視角，作為高科技領域產業政策的微觀執行機制，“高新認定”發揮了較積極的創新治理效果，產業政策實施中的政府干預行為顯著降低了股價崩盤風險，促進了企業特質信息的穩步釋放，降低了未來股價信息風險，增強了股價信息效率，從微觀企業層面進一步支持和拓展了陳冬華等(2018)的研究[16]。本文力求剖析產業政策精準實施的“黑箱”，跳出“要不要產業政策”等問題的討論，承認產業政策普遍存在的事實，將重點轉移至該如何制定、激勵、執行、評估產業政策上，對產業政策有效且精準執行提供了經驗證據，對拓展和豐富創新驅動發展戰略中產業政策精準支持長效機制，助力產業政策實施機制和執行方式轉型具有一定的政策借鑒意義。