資本市場開放提高企業投資效率了嗎？
——基于“滬港通”政策的異質性影響分析

于 博，吳菡虹

(1.天津財經大學金融學院，天津 300222；2.天津大學管理與經濟學部，天津 300072)

一、引 言

自2002年以來，我國逐步推出了以QFII、QDII和RQFII等為代表的資本市場開放政策，但復雜的審批流程及鎖定期安排限制了境外資金的積極性，制約了開放的程度。十八大以來，我國政府加快了金融市場雙向開放進程。2014年11月17日，滬港通正式開通。截至2020年12月末，滬港通北向資金累計凈流入額比上年度增加6658億元，首次超過2萬億元，而12月當月的資金凈流入額也創下月度新高，達到1101億元。伴隨資金互聯互通程度的加強，滬港通這一資本市場開放政策對于吸引國際機構投資者乃至戰略投資者參與內地股票市場產生了里程碑意義。盡管與資本市場開放相關的政策評價研究已得到了學術界的普遍關注，但現有研究主要集中在資本市場開放對宏觀經濟增長[1]、經濟波動[2][3]、市場風險[4]、價格波動[5]、市場聯動[6]、市場效率[7]、企業績效[8]、企業投資[9][10][11]等方面。本文將通過構建融資約束(特別是創新融資約束)的政策傳導機制，分析滬港通對企業投資效率的影響作用，從而進一步探索滬港通政策的微觀經濟內涵。

本文主要結論如下：(1)滬港通開通后，標的股面臨的融資約束水平較開通前顯著降低。(2)將“標的企業”細分為投資不足和投資過度兩類后發現，滬港通政策的實施雖然可以通過緩解融資約束來提高投資不足類企業的投資效率，但也會由于降低約束而推升過度投資類企業在投資上的非效率。這為反思資本市場開放對實體企業投資質量(效率)的異質性影響提供了實證參考。(3)以研發支出為媒介，檢驗發現滬港通雖然對過度投資存在一種直接激勵效應，但也可以通過提升企業創新投資水平來間接促進企業產能升級，從而降低過度投資。這為理解資本市場開放對創新驅動構成協同作用、進而優化實體經濟增長質量，提供了邏輯依據與實證參考。

本文邊際貢獻在于：(1)通過構建融資約束這一政策傳導機制，論述并檢驗了滬港通這一資本市場開放政策對企業投資效率的影響以及這一影響的異質性特征，進而辯證地反思了開放政策的真實效果，豐富并優化了政策評價的視角和思路，也拓展了宏觀經濟政策與微觀企業效率互動關系的研究邊界。(2)通過證明滬港通可以緩解融資約束來激勵企業創新，進而間接改善企業投資效率，揭示出資本市場開放的創新協同效應及其在提高實體經濟增長質量(效率)方面的積極作用，從而將開放、創新與增長質量納入統一框架。

二、文獻回顧與研究假設

(一)文獻回顧與評述

現有文獻主要從資本市場開放(金融自由化)視角對經濟增長、經濟波動、市場風險與價格波動、市場效率、企業價值與企業投資等內容展開研究。(1)經濟增長。現有研究認為股票市場開放通常與經濟增長顯著關聯，但這種關聯的顯著程度存在國家間的異質性。Bekaert等(2005)認為當考慮國與國之間的異質性時(如法律環境、機構質量、投資環境和金融發展程度)，資本賬戶的開放對經濟增長的影響是不同的[1]。(2)經濟波動。Bekaert等(2006)發現金融開放水平越高，消費增長的波動性下降幅度越大[2]；Iwata和Wu(2009)運用非線性SVAR證實了股票市場開放會帶來國際風險分擔，因此能降低宏觀經濟風險的沖擊強度[3]。(3)市場風險與價格波動。王鵬和吳金宴(2018)基于協高階矩發現，滬港通開通后上海對香港的風險傳染增強[4]。鐘凱等(2018)發現滬港通有助于企業提高信息披露質量，而信息不對稱水平的下降減少了公司股價的異質性波動[5]。(4)市場聯動與市場效率。于博和吳菡虹(2020a)發現滬港通和深港通政策提高了滬港之間以及深港之間的情緒聯動水平[6]。鐘覃琳和陸正飛(2018)發現，滬港通通過知情交易將公司特質性信息納入股票價格，從而減少了股價同步性，增強了資本市場運行效率[7]。(5)企業投資水平與投資績效。連立帥等(2019a；2019b)分別從滬港通交易制度會增強企業投資-股價敏感性和非財務信息定價敏感性的視角，證明了滬港通會增強股價對企業投資的積極引導作用[9][10]。于博和吳菡虹(2020b)發現滬港通政策的實施有助于提升成分股企業的績效水平[8]。(6)投資效率。截至目前，分析資本市場開放與成分股投資效率關系的研究并不多見，少量文獻也僅是以公司信息質量[11]、市場定價效率[9]、機構投資者治理效應[8]為傳導機制，探討滬港通的開通如何對實體經濟投資效率產生積極作用。相比之下，本文則從企業融資約束這一政策傳導機制出發，從直接和間接兩個角度來解讀滬港通對企業投資效率的影響以及該影響的異質性。

(二)研究邏輯與假設

1.滬港通與企業融資約束關系分析

(1)滬港通→優化股權結構→降低代理成本→緩解融資約束。代理成本是導致企業在股權融資市場或債權融資市場面臨高額風險溢價的主要原因之一。由于股權結構以及董事會結構的變動會對不同類型的代理成本產生激勵或抑制作用，因此會對融資風險溢價和外部融資成本構成影響。如，姚立杰等(2010)發現監事會規模越大，融資成本越低，而股權集中度越高，融資成本越高[12]。隨著滬港通交易的不斷深入，機構投資者對滬港通個股的累計投資呈不斷增長趨勢，因而，當機構投資者借滬港通渠道成為上市公司股東后，會加強對大股東及高管的監督，進而降低代理成本、緩解融資約束。(2)滬港通→提升信息披露意愿→降低信息不對稱→緩解融資約束。滬港通開通會引來眾多境外機構投資者持股內地上市公司，面對更多來自國際市場的機構投資人，上市公司存在強化披露以博取機構投資的意愿，而信息披露水平的上升有助于緩解企業信息不對稱帶來的融資約束。(3)滬港通→價格發現→減少非理性波動→降低融資風險溢價→緩解融資約束。Baker和Wurgler(2004)指出，非理性投資者經常會通過拋售股票來迫使理性的管理者采取行動來“迎合”其短期需要，從而“倒逼”管理層實施短期內有助于拉升股價、但長期卻不一定有利于企業價值最大化的迎合性投資行為[13]。非理性投資者會激勵非效率投資，進而提高外部融資的風險溢價，從而提高企業融資成本、強化融資約束。然而，滬港通政策有助于提升股票市場的價格發現功能[14]，抑制市場的非理性波動水平，進而減少管理層的迎合投資，緩解非效率投資帶來的風險溢價，降低權益融資成本，緩解企業融資約束。(4)滬港通→降低市場分割→提高流動性→降低融資成本→緩解融資約束。滬港通的開通減少了香港投資者投資內地市場的繁瑣程序及匯兌損失，降低市場分割程度，從而提升市場流動性。從流動性與權益成本負相關[15]的角度分析，流動性的提升有利于降低流動性風險溢價，進而降低權益融資成本，緩解融資約束。綜合以上四點分析，提出如下假設：

假設1：滬港通的開通有助于降低標的企業的融資約束水平。

2.滬港通與企業投資效率關系分析

與程新生等(2012)發現強化非財務信息披露具有“雙刃劍”效應的邏輯[16]相似，本文認為融資約束的緩解也是一把“雙刃劍”，它既有可能進一步激化過度投資企業的投資激進度，進而惡化投資效率，也有可能彌補投資不足類企業的資金短缺，從而提高投資效率。原因在于：滬港通帶來融資約束狀況的改善對于我國上市公司而言很可能是一種“意外之喜”。由于融資約束改善并非在預期之內，且企業難以預期滬港通引發的融資約束改善能否具有長久性，因此，企業更有可能將這種融資條件的改善視為一種暫時性改善，從而將其用于延續已有的投資策略，而不是去優化和調整現有投資戰略。如果在原有的投資策略下企業處于投資不足的狀態，那么融資約束的緩解正好緩解了其投資不足，降低企業的非效率投資水平；類似地，如果在原有的投資策略下，企業處于過度投資狀態，融資約束的緩解也會加劇其過度投資，提升企業的非效率投資水平。綜上，本文認為滬港通的開通雖然會緩解標的企業的融資約束，但由于企業個體特征差異，該緩解效應的經濟后果也會因此存在異質性特征，即存在如下異質性預期：

假設2：滬港通的實施對標的企業的投資效率具有異質性影響，表現為既會通過緩解投資不足類企業的融資約束來減少投資不足，也會通過緩解過度投資類企業的融資約束加劇其過度投資。

研發(R&D)投資是企業的一項長期戰略投資。與固定資產投資相比，研發投資受經濟波動的影響更小，其增長趨勢更穩定[17]。然而，由于研發支出的風險性很高，故企業研發投資受融資約束影響的程度甚至比固定資產投資還要高[18]。上述研究對本文的啟示在于：滬港通的實施使成分股融資約束水平得到緩解后，研發投資會分享這一收益，即創新投資的融資約束水平降低。由于研發(創新)投入的提升有助于推動企業產能升級，從而將過度投資置換為有效投資，因此，雖然滬港通的實施從直接影響上看會對過度投資構成激勵(假設2)，但從“激勵創新投資→提升投資效率”這一間接傳導渠道上看，滬港通的實施將通過提升研發投資在化解過剩產能方面的能力間接降低企業過度投資。即存在假設：

假設3：滬港通雖然對過度投資企業的非效率投資存在直接激勵，但也通過緩解創新融資約束提升了技術創新對過剩產能的化解程度，從而間接提高了過度投資企業的投資效率。

三、實證設計

(一)PSM估計

由于滬港通成分股存在“自選擇”問題，所以本文采用PSM估計來控制可觀測的“混淆變量”對“選擇”的擾動。首先，估計選擇方程(1)在選擇方程的設計上，本文將解釋變量限定于以下幾類因素：一是與企業融資能力有關的因素，如公司年齡(用其自然對數衡量)、財務杠桿水平(資產負債率)、抵押融資能力(固定資產增長率)和股權再融資水平(所有者權益的年度增長率)；二是與盈利能力相關的因素，如營業利潤增長率和營業收入增長率；三是與現金流循環能力相關的因素，如每股經營活動產生的現金流量凈額和現金凈流量增長率；四是成長性因素，如凈利潤增長率和總資產增長率；五是與公司治理有關的因素，如股權集中度(前十大股東持股比例合計)、產權性質(國有企業取1，非國有企業取0)、兩權分離情況(董事長兼任總經理取1，否則取0)、獨立董事比例；六是市場表現因素，如市盈率、市凈率和股票流動性(流通股占總股本的比例)。本文運用逐步回歸法(Stepwise)對上述影響因素進行了篩選，最終保留了顯著度在20%以內的變量作為選擇變量以反映它們對選擇性偏差的影響(篩選過程去除了顯著性較低的固定資產增長率、所有者權益的年度增長率、兩權分離情況、獨立董事比例和市盈率)。，計算股票被選入成分股的傾向得分。其次，根據傾向得分值對處理組和控制組樣本進行匹配(匹配年度為2014年，匹配方法同時采用了近鄰、半徑及核匹配)。最后，在PSM配對基礎上報告處理組和控制組的輸出變量(融資約束和投資效率)在政策實施后各年(2015年、2016年、2017年)的平均處置效應(ATT值)，從而揭示成分股與非成分股在融資約束及投資效率方面的差異及演變，進而對滬港通政策效果進行評價。本文PSM估計的輸出變量包括融資約束水平(SA)和企業投資效率(BIAS)。由于非效率投資的方向并不相同，故BIAS又被進一步劃分為投資過度(BIASover)和投資不足(BIASunder)。

(二)DID/PSM-DID估計

PSM的局限在于僅適用于依“可觀測因素”選擇的情況，無法控制不可觀測因素對選擇的影響。這時，可進一步借助DID估計量(雙重差分過程)去掉“非時變不可觀測因素”對選擇的擾動作用。本文實證過程將同時列示DID(2)保留普通DID估計是希望證明即使把成分股選擇看成是一種“隨機”實驗，本文的研究結論也依然成立。以及PSM-DID估計結果。DID模型的具體構建如式(1)所示。

SAi,t/BIASover,i,t/BIASunder,i,t=α0+βListi*Periodt+γZi,t+δt+fi+εi,t

(1)

模型(1)中，Listi為分組虛擬變量，若股票列入滬港通成分股取1，未列入則取0；Periodt為政策時段虛擬變量，若樣本所在年度為政策實施期(2015—2017年)，則Periodt=1，若不在政策實施期(2012—2014年)，則取0；Listi*Periodt為雙重差分項，β代表的是DID模型下滬港通政策的影響效果。Zi,t是控制變量，主要控制三類因素的影響：一是公司治理對融資約束和投資效率的影響，如股權集中度(TOP10)、獨立董事比例(Independence)、兩權分離情況(Seperation)、管理費用率(Management)；二是現有融資摩擦的影響，如杠桿水平(Lev)、現金持有水平(Cash)；三是投資機會的影響，如抵押融資能力(FixGth)。δt和fi分別指時點固定效應和個體固定效應。模型(1)樣本期為2012—2017年。其中，2014年為政策實施當期、2015—2017年為政策實施后。

DID估計需滿足平行趨勢假設，故本文通過模型(2)檢驗平行趨勢，向量Zi,t為控制變量，其定義同模型(1)。平行趨勢考察事前處理組和控制組趨勢特征，故t取2011—2013年。若平行趨勢條件成立，則模型(2)中，政策實施前的各年度虛擬變量與List的交叉項系數(βt)應不顯著。

BIASover,i,t/BIASunder,i,t=α0+∑βtListi*Yeart+γZi,t+fi+δt+εi,t

(2)

(三)“處理效應”估計

雙重差分過程只能過濾掉“非時變不可觀測因素”，而PSM估計也只能排除依“可觀測因素”帶來的“自選擇”問題。此時，因潛在的“不可觀測時變因素”帶來的“自選擇”問題依然無法排除。不可觀測“時變”因素的影響有可能存在，因為隨著經濟形勢、政策環境的變化，企業的隱性競爭力(不可觀測)會隨時間改變。如在經濟轉型與結構調整過程中，我國實行“去產能、去庫存、去杠桿”政策，這使得過去因政策支持而具有隱形競爭力的企業將失去其優勢，而最初這類企業被選入滬港通標的股時，這一隱性優勢很可能是決定其成為成分股的重要因素之一。為解決“依時變不可觀測變量”選擇的問題，本文將采用內生處理效應模型進行估計，并同時報告基于Heckit兩步法[19]和MLE一步法的估計結果。

無論是MLE估計還是Heckit兩步法，在對“選擇過程”進行結構建模時，均涉及兩個方程：第一階段的“處理(選擇)方程”，如式(3)；第二階段的“結果方程”，如式(4)。

(3)

(4)

其中，“結果方程”中的向量Xi則參考模型(1)中的控制變量。由于“處理方程”中的向量Zi須包含工具變量zi，即zi需滿足Cov(Zi,εi)=0。因此，Zi除了包含在Xi中的股權集中度(TOP10)和投資增長率(FixGth)兩個變量之外，還包含了與選擇(List)相關，但與投資效率關聯較弱的股票流動性(Liq)和市凈率(PB)。

綜上，假設1和假設2的檢驗過程會同時采用PSM、DID、PSM-DID及處理效應四種方式。而假設3的估計，本文將借助線性擴展模型(ERM)來完成，因為該模型提供了更為便捷的交互項檢驗機制。包含交叉項的處理效應模型(5)所示，其中，R&D表示研發投入水平。包含R&D*List后，回歸結果會分別匯報成分股和非成分股的研發投入對過度投資的影響。若假設3成立，則預期R&D(List=1)的回歸系數應顯著為負，而R&D(List=0)的回歸系數很可能不顯著。

(5)

ERM模型除了可以提供內生處理效應估計結果，還可以提供外生處理效應估計結果。兩者的共同點是均認為選擇過程是非隨機的。但后者強調“非隨機”是由樣本自身的選擇導致的，即“自選擇”引發非隨機實驗；前者則假定“非隨機”是由外生決策導致，即“外生決策”引發非隨機實驗。因此，外生處理效應不涉及模型(3)估計及工具變量設定問題。

四、樣本選擇與描述性統計

(一)樣本選擇

本文從萬得數據庫提取2012—2017年上證A股上市公司年度財務數據。遵照現有研究規范，剔除了符合以下特征的樣本數據：(1)剔除2012年以后上市的公司，以保證所有樣本在滬港通開通前后的時間窗口一致。(2)剔除金融行業以及ST、ST*和SST的樣本。(3)自2014年11月17日滬港通開通以來，列入滬港通的上市公司名單每年均有調整。考慮到調整的比例較小，因此，為了避免少數標的股因調整而影響事件分析的精度，本文只將2014年12月31日、2015年12月31日、2016年12月31日和2017年12月31日都被列為滬港通標的股的企業視為處理組企業。同時，將上述四年都沒有被列入滬港通的股票視為未列入滬港通的控制組企業，即剔除了只有個別年度列入成分股的樣本。(4)為避免A/H股因外資引入而對滬港通開通效果造成干擾，剔除A/H股。(5)剔除截至2017年12月31日滬港通持股比例為零的樣本。最終，共得到566家企業3396個樣本構成的平衡面板數據。其中，處理組294家、控制組272家。

(二)變量定義

模型(1)—(5)中涉及的變量定義方式和度量口徑如表1所示。

表1 變量定義

續表

(三)主要變量的描述性統計

本文對核心變量進行了上下1%的縮尾處理，處理后各變量的描述性統計如表2所示。SA均值為-3.82，這表明我國上市企業總體而言仍面臨較高的融資約束。從均值上看，過度投資和投資不足水平均較高，說明我國上市企業非理性投資水平比較普遍且呈現兩極分化特征。

表2 主要變量的描述性統計

五、實證結果與分析

(一)對假設1與假設2的檢驗(含穩健性檢驗)

1.PSM估計結果(3)匹配質量會較大程度上決定估計的有效性，因此本文對匹配前后的數據平衡條件(Data Balancing)進行了檢驗，并借助核密度函數圖觀察了共同支撐條件。限于篇幅，不再列示，作者備索。

表3顯示，從影響方向上看，SA和BIASover的ATT值均顯著為正，BIASunder的ATT值均顯著為負。這表明滬港通的開通對于企業融資約束確實存在緩解作用，假設1得證。同時，由于滬港通降低了投資不足企業的非投資效率，但增加了過度投資企業的非效率投資，因此假設2得證。

表3 PSM檢驗結果

續表

2.DID估計結果與平行趨勢檢驗

表4顯示，SA回歸下的交叉項系數均顯著為正，說明滬港通的開通確實緩解了成分股企業的融資約束，假設1得證；對于過度投資(BIASover)組而言，交叉項系數均顯著為正，說明滬港通確實會提高過度投資企業的非理性投資水平；對于投資不足(BIASunder)組而言，各列交叉項系數均顯著為負，說明滬港通顯著彌補了投資不足類企業的投資缺失，假設2得證。

表4 DID回歸結果

遵循現有規范，本文對DID估計中的因變量進行了平行趨勢檢驗，相關結果如表5所示。在投資效率的共同趨勢檢驗中，無論過度投資還是投資不足，交叉項系數均不顯著。這表明，在政策實施前，滬港通標的股和非標的股具有共同趨勢，即滿足共同趨勢假設。

表5 平行趨勢檢驗結果

圖1 處理組和控制組SA逐年變化趨勢對比

SA的“共同”趨勢則可由圖1描述。從2011年至2017年，控制組的融資約束是一條向右下方傾斜的直線(虛線)，即伴隨時間推移，控制組的融資約束在直線加強。相比之下，處理組的融資約束在2014年后出現了一個明顯的上偏特征(呈現結構性突變)。比較處理組2014年后的“真實融資約束線”與“融資約束趨勢線”之間的差異，可發現其融資約束的斜率減緩，這為假設1推測滬港通確實有助于緩解成分股企業融資約束提供了有力支持。

3.PSM-DID估計結果與安慰劑檢驗

(1)PSM-DID估計。由表6可知，SA回歸中的交叉項系數顯著為正，表明滬港通緩解了標的企業的融資約束水平；BIASunder回歸中的交叉項系數均顯著為負，說明滬港通的推出有助于降低標的企業中投資不足樣本的非效率投資水平；BIASover回歸中的交叉項系數顯著為正，說明滬港通的推出加劇了過度投資樣本的非效率投資。上述結果均與假設1和假設2的預期完全一致。

表6 PSM-DID回歸結果

(2)安慰劑檢驗。借鑒Chen等(2015)的做法[22]，本文在PSM配對基礎上進一步給出了安慰劑檢驗的結果。安慰劑檢驗主要針對控制組進行。安慰劑模型的控制變量與DID檢驗(模型1)保持一致，只不過增加了Period這一代表滬港通政策沖擊的時點變量——若所在年度為2015—2017年，則Period=1，其余年度為0。安慰劑檢驗的思路是對控制組進行分樣本回歸，重點觀測Period對其投資效率的影響，由于控制組并未真正參與滬港通交易，所以，Period作為一種安慰劑，對其投資效率將不存在真實影響，即預期Period的回歸系數將不顯著。表7給出了經過“近鄰匹配”后的安慰劑檢驗結果，Period的回歸系數均不顯著，安慰劑檢驗通過。

表7 安慰劑檢驗結果

4.處理效應檢驗

表8表明，在SA的回歸中，List的系數均顯著為正，說明滬港通緩解了標的企業的融資約束；在BIASover的回歸中，List系數均顯著為正，表明滬港通的推出加劇了過度投資組的非效率投資；在BIASunder的回歸中，List系數均顯著為負，說明滬港通的推出緩解了投資不足組的非效率投資。上述結果均再次驗證了假設1和假設2。

表8 處理效應估計結果

(二)對假設3的檢驗

從表9可知，非成分股(List=0)企業的創新投入(R&D)對過度投資都沒有弱化作用，但成分股(List=1)企業的創新投入(R&D)對過度投資均有顯著的弱化效應，這表明滬港通的實施確實可以通過支持創新投資這一間接方式弱化企業過度投資，從而假設3成立。綜合前文分析，雖然滬港通在緩解融資約束的同時，對過度投資類企業也產生了一定的投資激勵，從而導致其過度投資有加劇傾向，但是，滬港通對融資約束的緩解也有助于降低研發投資的融資約束、鼓勵企業加大研發投資。研發支出強度的提高會推動企業加速產能升級、消化過剩產能，因此滬港通的推出對于實施創新驅動戰略具有重要意義。

表9 滬港通激勵過度投資的分組異質性檢驗(5)由于表9中內生處理效應的選擇變量與表8一致，限于篇幅，不再列示，作者備索。

六、結論與意義

本文研究了滬港通開通對上市公司投資效率的影響以及這一影響的異質性及其形成邏輯。PSM、DID、PSM-DID和處理效應等估計結果均顯示：(1)滬港通的開通有助于緩解標的企業的融資約束水平。(2)融資約束的緩解對于不同類型的成分股的投資效率具有異質性影響——對于那些存在過度投資的標的企業，融資約束的緩解有助于進一步強化其投資偏好，因此會對過度投資構成激勵作用。但是，對于那些存在投資不足的標的企業，滬港通的開通緩解了融資摩擦，因此有助于彌補投資不足、提高投資效率。(3)對于存在過度投資的高研發企業而言，滬港通政策本身雖然激勵了其過度投資，但是卻可以通過激勵創新來間接降低過度投資。

學術界對資本市場開放的政策效果一直以來都存在爭議。雖然主流研究傾向于強調股票市場開放對一國經濟和金融發展的積極作用，但也不乏偏向負面的結論。相比之下，本文的研究以融資約束為媒介，在肯定了滬港通對緩解融資約束的積極作用后，辯證式地給出了滬港通政策在影響企業投資效率方面的異質性結論，這為差異化政策評價提供了微觀邏輯依據。此外，通過檢驗滬港通政策能夠間接(通過創新)優化企業投資效率，進一步反思了資本市場開放在創新協同方面的戰略意義，并由此反思了資本市場開放通過助力創新來提高實體經濟增長質量方面的潛力，從而將開放、創新與增長納入了一個統一的分析框架，也為構建創新驅動戰略與資本市場開放戰略之間的聯系提供了理論參考。