機構投資者調研行為與上市公司股票流動性

劉劭睿，李正杰，劉佳麗

（1.吉林大學 經濟學院，吉林 長春 130012；2.上海交通大學，上海 200240）

一、引 言

股票的流動性水平蘊含了諸多投資參考信息，如Amihud和Mendelson（1986）首次提出了“流動性溢價理論”［1］，即流動性較高的股票，預期收益率較低，而流動性較低的股票，為了彌補其流動性風險，往往具有較高的預期收益率。張慶君等（2020）［2］、張昱城等（2021）［3］的研究認為，股票流動性與上市公司的債務違約風險、市場尾部風險呈顯著的負相關關系。馮根福等（2017）［4］認為，股票流動性的提升有助于提高企業的技術創新水平，加快資本結構調整速度。但是，流動性也并非越高越好，熊文敏（2020）發現，股票流動性越高，股價崩盤的風險和可能性越大。［5］

作為資本市場的重要參與者，機構投資者的行為及其影響一直受到學界的廣泛關注。例如，司海濤（2018）研究發現，占比最高的四種調研方式分別為：實地調研、電話溝通、特定對象調研、書面詢問，這四類調研形式合計占比91.5%，且實地調研和電話溝通所占比例分別超過50%和25%。［6］李昊洋等（2018）、譚勁松等（2016）、楊鳴京等（2018）的研究發現，機構投資者調研能通過提高上市公司信息披露水平來抑制公司避稅，還可以改善公司治理水平，提高被調研上市公司創新績效。［7－9］楊俠等（2020）指出，機構投資者調研對上市公司經營管理可以起到監督作用，從而提高會計信息質量，提升企業內部控制有效性。［10］進一步地，趙陽等（2019）提出，機構投資者實地調研通過推動資本市場監督和媒體監督的方式，促進企業環境治理。［11］王珊（2017）發現，機構投資者實地調研對上市公司的真實盈余管理以及管理層的盈余管理水平都產生了顯著的抑制作用。［12］

總體來看，現有研究成果雖然多樣，但卻鮮有學者研究機構投資者調研行為與被調研公司股票流動性的關系。

二、理論分析及研究假設

（一）機構投資者調研對個股流動性的作用

上市公司股票流動性與企業的資本成本、融資約束、股票崩盤風險等因素有關。已有文獻發現股票流動性與上市公司的債務違約風險、市場尾部風險呈負相關關系，而與企業的技術創新水平、資本結構調整速度呈正相關關系。［13－15］熊文敏（2020）則通過實證研究發現了股價崩盤風險和股票流動性的同向變動關系。［5］熊家財等（2016）提出，優化股權結構、公司治理、完善信息披露制度，有利于降低信息不對稱，提高股票流動性。［16］

機構投資者的調研活動可以對上述股票流動性的影響因素產生一定的作用，如降低企業違規率、緩解企業的融資約束、降低其資本成本。［17－18］張佩等（2020）研究發現，機構投資者的調研活動可以提高企業的創新績效，［19］黃清華等（2019）指出機構投資者的調研活動可以降低股價崩盤風險等。［20］此外，陳玲弟（2019）認為機構投資者的活躍程度可以正向影響股票流動性。［21］

綜上，上市公司股票流動性的影響因素較多，而機構投資者的調研行為可以對這些影響因素中的一部分產生一定的沖擊，故可以推測機構投資者的調研活動能夠間接或直接地影響被調研公司的個股流動性。基于此，本文提出以下假設：

假設H1a：機構投資者的調研行為可以顯著提高上市公司股票流動性。

假設H1b：機構投資者調研的廣度和頻度與被調研公司的股票流動性呈正相關關系。

（二）機構投資者調研對個股流動性的影響路徑——信息效應

一方面，提高信息披露水平、企業透明度，減緩信息不對稱程度，可以提高股票流動性。比如，巫升柱（2007）指出，自愿的信息披露水平可以提高股票流動性。［22］部分學者認為其內在的作用機制在于，高水平的信息披露可以緩解信息不對稱問題，從而降低上市公司的資本成本［23－26］，進而提高其股票流動性，因為股票流動性和資本成本具有負相關關系。［1］

另一方面，機構投資者調研可以提高相關企業的信息披露數量，在一定程度上緩解信息不對稱問題，從而提高上市公司股票流動性。李昊洋等（2018）、譚勁松等（2016）都發現機構投資者調研可以提高企業的信息披露水平，從而降低信息不對稱程度。

總括來看，機構投資者的調研行為可以挖掘相關企業的更多內部信息，因此，本文初步推測，機構投資者調研行為可以降低企業信息不對稱程度，進而提高公司股票流動性。基于此，本文提出假設H2：

假設H2：機構投資者調研可以通過發揮信息效應、提高信息披露數量、降低信息不對稱程度的作用機制來提高上市公司股票流動性。

三、研究設計

（一）樣本選取與數據來源

本文選取2013～2019年深交所A股全部上市公司作為總樣本。同時，對數據樣本做以下處理：（1）剔除金融類上市公司；（2）剔除ST、*ST、PT企業，減少非正常經營的公司對總體數據的干擾；（3）剔除數據缺失的樣本；（4）對剩余樣本的各主要變量在1%和99%的水平上進行Winsorize處理，最終得到含有9188條有效樣本觀測值的平衡面板數據。

（二）變量定義

1.個股流動性（LLIQ）。參考現有文獻，本文選取兩個指標衡量個股流動性，統稱為LLIQ。

（1）LnLLIQ：近年來，關于個股流動性的衡量指標中，Amihud（2002）提出的流動性匱乏年度指標ILLIQ受到廣泛肯定和應用。［27］ILLIQ越大，代表個股在該年度的流動性越差，故本文對該非流動性指標、取對數后再乘以“－1”從而得到流動性指標LnLLIQ，其數值越大則代表個股在該年度流動性越強。計算公式如式（1）所示：

其中，Diy為股票i在y周期內的有效交易天數；Riyd為股票i在y周期內第d天考慮現金紅利再投資的日收益率；VOLDivyd表示股票i在y周期內第d天的日成交金額（單位：百萬元人民幣）。

（2）ToverYF：流通股數的年換手率指標。具體定義如式（2）所示：

2.機構投資者調研活動（INVESTORS）。本文用以下四個指標來對機構投資者調研行為進行量化：

（1）Whether，為二分類變量啞變量，上市公司當年接受機構投資者調研取1，否則取0。

（2）LnFrequency，機構投資者調研頻度的代理變量，即單個上市公司在對應年度內受到調研的總次數加一取自然對數。

（3）LnInstitutions，機構投資者調研廣度的代理變量，即單個上市公司在對應年度內接待的調研機構總數加一的自然對數。

（4）LnPeople，機構投資者調研廣度的代理變量，即單個上市公司在對應年度內接待的參與調研的總人次（來自機構）加一取自然對數。

3.作用機制變量（Nvals）。潘越等（2011）發現，分析師關注度與信息不對稱程度呈顯著的負相關關系。［23］因此，本文選取分析師關注度（Nvals）作為信息不對稱程度的代理變量。進一步地，借鑒燕鱗（2016）等的做法，選取當年所有分析師團隊對每家上市公司出具的盈余預測報告數量代表其當期Nvals。［24］

4.控制變量（Controls）。本文選取上市公司杠桿率（LEV）、無形資產占比（Intratio）、賬面市值比（BM）、凈資產收益率（ROE）、托賓Q（TobinQ）、企業規模的對數（即公司年初資產總額的對數，記作LnS-ize）、年收盤價（Yprice）、公司股權結構（第一大股東持股比例Top1、第2～10大股東持股比例總和Top2～10）。此外，本研究還加入年度和行業虛擬變量，以控制其對個股年度流動性的影響。

（三）模型設計

為檢驗假設H1a和假設H1b，本文構造了基于面板數據的多元線性回歸模型：

在模型（3）中，LLIQi，t即個股流動性變量 LnLLIQi，t；INVESTORSi，t即機構投資者調研行為變量；Controlsi，t即各個控制變量的統稱；此外還加入了行業和年度虛擬變量，以控制行業和年度效應；εi，t為隨機擾動項。

為了進一步驗證假設H2，構建模型（4）和模型（5）：

若 α1、β1、γ1、γ2都顯著，且 γ1＜ α1，則認為部分中介效應顯著，信息效應成立；若 α1、β1、γ2顯著，γ1不顯著，則證明存在完全中介效應，信息效應成立，β1·γ2即為機構投資者調研活動對個股流動性的間接效應。中介效應在總效應中所占的比例見式（6）：

（四）描述性統計

流動性指標取對數后最大值5.812，最小值1.079；對數形式的公司年接待調研機構數最大值5.501，對應原始數據244家，中位數2.303，對應原始數據為9家，而最小值為0，可見這一變量在不同公司中差異很大；年受調研次數的對數形式最大值為3.466，對應原始數據31次，中位數1.099，對應原始數據2次，最小值為0，這一變量在不同公司中差別也較大；同理，對數形式的年接待調研人數最大值6.105，對應原始數據447人，中位數2.485，對應原始數據11人，而最小值為0，故該變量在不同企業中波動也較大。

四、實證結果分析

（一）機構投資者調研對上市公司個股流動性水平影響的回歸分析

表1顯示了模型（1）的多元線性回歸結果。從列（1）可以看出，在控制了其他相關因素后，機構投資者調研行為的發生（Wheather）與被調研公司的股票流動性（LnLLIQ）之間的回歸系數在1%的水平上顯著，且符號為正，證明機構投資者調研行為的發生的確可以顯著提高被調研公司的股票流動性，該結果支持了本文的假設H1a。

表1 模型（1）多元回歸結果

進一步地，從列（2）～（4）中，可以發現機構投資者對上市公司的調研活動發生的次數越多、參與的機構家數越多、參與的工作人員越多，被調研公司的股票流動性越大，體現在年度調研頻率（LnFrequency）、參與調研機構數（LnInstitutions）、參與調研人數（LnPeople）均與被調研公司股票流動性（LnLLIQ）在1%的水平上顯著相關，且系數為正。故機構投資者對上市公司調研活動的頻度和廣度越大，被調研公司的股票流動性水平越高，這一結果印證了本文的假設H1b。

（二）機構投資者調研行為對個股流動性影響的機制——中介效應分析

表2和表3是將模型（3）、（4）、（5）的方程聯立得到的中介效應檢驗結果。可見，將INVESTORS變量中的啞變量 Whether代入模型回歸后（表2），α1、β1、γ1、γ2都在 1%的水平上顯著（分別為 0.138、6.391、0.103、0.006），且 γ1＜α1，說明了部分中介效應的成立。借助公式（6），可以得出，中介效應在總效應中的占比為27.13%，中介作用顯著。

表2 模型（1）、（2）、（3）回歸結果比較（中介效應檢驗）——Whether

同理，將INVESTORS中的連續變量LnInstitutions代入中介效應模型進行回歸，結果如表3所示，α1、β1、γ1、γ2都在 1%的水平上顯著（分別為 0.055、3.913、0.036、0.005），且 γ1＜α1，說明了部分中介效應的成立。借助公式（4），可以得出，中介效應在總效應中的占比為35.21%，中介作用更加顯著。

表 3 模型（1）、（2）、（3）回歸結果比較（中介效應檢驗）——LnInstitutions

與此類似，將LnFrequency及LnPeople分別代入中介效應檢驗模型回歸后，α1、β1、γ1、γ2也都在1%的水平上顯著，且γ1＜α1，說明了部分中介效應的成立。

綜合以上回歸結果可以發現，機構投資者對上市公司的調研活動可以顯著促進被調研企業的股票流動性；進一步地，機構投資者的調研活動可以提高被調研公司受資本市場分析師對被調研公司股票的關注度，進而增加該企業的信息披露數量，從而在一定程度上緩解資本市場上關于該公司股票的信息不對稱程度，最終提高該公司股票的流動性水平。這說明，機構投資者對上市公司的調研行為可以通過信息效應影響被調研企業股票的流動性水平，部分中介效應成立。

五、內生性問題及穩健性檢驗

（一）內生性問題

本文通過以上實證檢驗，發現機構投資者調研行為能夠顯著地增強被調研上市公司的股票流動性，且這種促進機制的中介因子是被調研公司的信息披露數量，但機構投資者可能本身就會傾向于對信息披露質量更好、信息不對稱程度較低、規模較大的上市公司進行調研，而具有這些特征的上市公司本身就可能具有更強的股票流動性。因此以上的實證檢驗結果可能會受到內生性問題的影響，尤其是反向因果問題。

為解決反向因果、遺漏重要變量等內生性問題，本文采用工具變量法（IV）和兩階段最小二乘法（2SLS），參考譚勁松等（2016）［8］、楊俠等（2020）［10］的做法，選取滯后一期的主解釋變量作為工具變量。限于篇幅，這里只展示對主解釋變量LnInstitutions做2SLS回歸的結果。

首先進行異方差穩健的Durbin-Wu-Hausman檢驗，結果中P值分別為0.0004和0.0004，故在1%的水平下拒絕機構投資者調研變量外生的原假設，說明原解釋變量確實存在一定的內生性；其次進行弱相關檢驗，F值為3576.52，partical-R2為0.315，均較大，且P值為0.000，在1%的水平上拒絕了弱工具變量的原假設，說明工具變量具有強相關性。

表4為兩階段回歸結果，第一階段回歸結果顯示，工具變量與主解釋變量具有顯著的正相關性；第二階段回歸結果中，機構投資者調研變量的系數仍在1%的水平上顯著為正，但絕對值較原回歸模型（1）更大，說明進行內生性控制具有其必要性，但研究結論與此前一致，即機構投資者調研行為可以提高被調研上市公司股票流動性水平。

表4 工具變量2SLS回歸結果

（二）穩健性檢驗

1.更換因變量衡量指標進行回歸。選取個股換手率ToverYF指標為個股流動性衡量指標，替代Ln-LLIQ進行重新估計，機構投資者調研變量系數依舊顯著，且符號為正，這也進一步驗證了本文前述結論的正確性。

2.增加控制變量。增加年個股回報率等控制變量后，重新進行模型（1）～（3）的回歸，結果仍顯著，且與前述研究結論一致，限于篇幅，正文不再報告。

3.只對被調研過的上市公司進行回歸。為避免樣本選擇偏差帶來的誤差，本文只保留年度受機構調研次數觀測值不為0的樣本，再次進行回歸分析，結果仍然顯著，且系數符號不變，這也進一步驗證了本文結論的正確性。

4.排除多重共線性的影響。為防止多重共線性對本文回歸結果的影響，本文還計算了所有回歸模型的方差膨脹因子（VIF）值，結果顯示VIF平均值為4.52，所有的VIF值均不超過10，故可以基本排除嚴重的多重共線性對回歸結果的影響。

5.中介效應的穩健性檢驗——Sobel檢驗。本文在此前運用聯立方程，逐步檢驗回歸系數顯著性的方法驗證了信息效應的存在，但該方法仍然存在一些不足之處，如抑制和遮蓋弱中介效應等。［28］因此，參考卜君等（2020）［17］的做法，做進一步的Sobel檢驗，發現Z 值分別為11.11（Whether）、11.9（Lnfrequency）、10.85（Lninstitutions）、10.72（LnPeople），且 P 值皆小于0.01，證明了本文中介效應結論的正確性。

六、進一步研究

部分現有文獻揭示，機構投資者的調研活動對上市公司的經濟影響在股權結構不同［7］、所有權性質不同［15］的企業中表現出不同的作用強度。據此推測，在國有企業和非國有企業中，機構投資者調研對上市公司股票流動性的影響效果可能存在一定差別，故本文構建加入交乘項的調節效應模型（5），用以檢驗被調研上市公司所有權性質在投資者調研活動對個股流動性影響中的調節作用。其中，StateOwnedi，t為公司性質啞變量，若上市公司為國營或國有控股，則取值為1，否則取值為0；此外，加入投資者調研變量與被調研上市公司性質的交乘項與此相同；控制變量及行業和年度變量等其他因素保持不變。

若ω1和ω3都顯著，則說明調節效應顯著存在，在此基礎上，若ω1和ω3符號相同，則說明調節變量StatePwmedi，t可以加強解釋變量對被解釋變量的影響效果；若ω1和ω3符號相反，則說明調節變量State-Ownedi，t能夠削弱解釋變量對被解釋變量的影響效果。

調節效應模型的回歸結果如表5所示。在列（1）～（3）中，ω1都在1%的水平上顯著且為正。不同之處在于，列（1）中的ω3在5%的水平上顯著，列（2）中的ω3在10%的水平上顯著，但ω3在列（3）中并不顯著。此外，列（1）～（3）中的ω3也都為正，與ω1同號。說明在列（1）、（2）中調節效應顯著存在，且會加強解釋變量對被解釋變量的作用效果。

表5 調節效應回歸結果

同時，觀察到列（1）～（3）中的ω2也都在5%的水平上顯著為負；在控制行業、年度及其他控制變量，并對個股流動性（LnLLIQ）及公司性質（StateOwned）單獨回歸后發現，其回歸系數在1%的水平上顯著為負（限于篇幅，正文未報告），說明國營或國有控股上市公司可能傾向于具有更低的股票流動性。參考現有文獻的研究結論，國有企業由政府控制，其追求的是社會福利的最大化，享有特殊待遇，其管理層具有官員身份，缺少動機緩解代理沖突、減輕信息不對稱程度［25］，因此可能對部分國有企業的股票流動性帶來負向影響。考慮邊際效應遞減的作用特點，對股票流動性較低的上市公司進行調研，可能對其流動性產生更大的邊際促進效果。

以上分析結果說明，在上市公司每年接受的機構投資者調研活動中，調研廣度的提高可以同步促進企業的股票流動性，且這種促進作用在國營或國有控股的上市公司中表現得更為明顯；而上市公司每年度接受調研的頻率（總次數）的增加雖然也會顯著提高其股票流動性，但這種提高效果卻并未在所有權性質不同的上市公司中表現出明顯的差異。

七、結論與對策建議

本文基于平衡面板數據對機構投資者調研行為對被調研上市公司的股票流動性的作用效果及其機制進行研究。研究發現，從作用效果來看，機構投資者調研活動的發生的確會促進被調研上市公司股票流動性水平的提高，并且調研的頻度和廣度越大，其股票流動性越高；從作用機制來看，機構投資者調研活動是通過發揮信息效應來影響股票流動性的，即機構投資者調研活動可以吸引更多的資本市場分析師關注被調研上市公司，從而通過增加與該公司相關的研報數量等途徑增加該公司的信息披露數量，進而提高其信息透明度、降低信息不對稱程度，最終提高該上市公司股票流動性水平。進一步研究發現，機構投資者調研活動中，調研廣度的提高對個股流動性的增強作用在國有和非國有企業中都很顯著，但在國有企業中效果更強。本文的研究結果可以為機構投資者在資本市場中提高上市公司信息披露質量、削弱信息不對稱程度、提高資本市場效率的作用等領域的研究提供一定的理論依據，并帶來一定的政策啟示。

基于以上研究結論，本文提出以下對策建議：

（1）機構投資者應積極發揮其信息作用和治理作用，降低交易市場的信息不對稱程度，為建立更加有效的資本市場做出貢獻。

（2）上市公司應從自身內部強化經營結構和管理方式，提高盈利能力；積極接受投資者的調研請求，依法如實回答相關問題；服從監管部門的管理，按時披露相關信息，且保證披露信息的真實性和可靠性。

（3）監管部門應進一步加大審查力度，防止上市公司信息的違規披露對廣大投資者的利益造成損害，同時應鼓勵機構投資者開展各種形式的調研活動，鼓勵上市公司接受投資者的調研，構建更加完善的投資環境。