公司創新專注度與機構投資者持股

王志強　楊高飛　熊海芳

摘 要：在以技術創新為核心的經濟高質量發展戰略背景下，作為資本市場專業的機構投資者如何關注公司的創新戰略方向對公司在金融市場上的投融資活動舉足輕重。文章基于2007—2019年A股上市公司發明專利分類號數據，構造衡量公司創新戰略差異的創新專注度指標，研究公司創新專注度與機構投資者持股決策的關系。結果發現，公司創新專注度越高，機構投資者持股家數越多、持股比例越高。機制分析表明，公司創新專注度越高，其盈利能力越強、破產風險越低，也更易被市場低估，具有更高的盈余意外和超額預期收益以及較低的波動率風險。進一步，使用開放式主動偏股型公募基金的股票持倉數據構造了基金持股組合的創新專注度變量和基金業績衡量指標，研究發現，基金組合創新專注度越高基金未來業績表現越好，說明“聰明錢效應”是機構投資者偏好持有創新專注度較高公司的主要動機。文章的經驗證據有助于理解公司創新戰略差異與機構投資者持股決策的關系，對公司調整創新戰略吸引資本具有重要現實意義。

關鍵詞：機構投資者 創新戰略 創新專注度 聰明錢效應

DOI：10.19592/j.cnki.scje.400822

JEL分類號：G11，G23，O31? ?中圖分類號：F830

文獻標識碼：A? ?文章編號：1000 - 6249（2023）07 - 042 - 21

一、引言

創新戰略在公司技術創新過程中具有重要引領作用，不同公司所偏好的創新戰略有很大差異。創新戰略差異的識別通常需要分析公司產品類型、技術專利等非結構化的非財務信息，而市場普通投資者一般沒有能力及時正確處理這一復雜信息（Gu，2005）。研究發現，專業機構的投資經理對公司技術創新相關信息的卓越理解，使其能夠選擇到被低估的績優股，進而獲得更好的投資業績，所以機構投資者有能力且會花費一定成本來處理和理解這方面的信息（孔高文等，2019；McLemore et al.，2022）。但是，機構投資者在投資決策時是否會關注公司創新戰略差異，目前少有文獻涉及，本文通過構造衡量公司創新戰略差異的創新專注度指標，探究公司創新專注度與機構投資者持股決策的關系。

公司在“探索新的可能性”和“利用舊的確定性”之間的戰略差異會反映在經營業績和市場表現上（March，1991）。其中，創新專注度較高的利用式創新由于創新成功概率比較高，一般對公司績效的正向作用要比探索式創新大（李憶、司有和，2008）。因此，本文首先從公司經營業績和股票市場表現這兩個視角分析機構投資者關注公司創新戰略的影響機制。已有實證研究發現創新戰略可以顯著影響公司經營績效和市場價值，也對公司長期發展有重要影響。創新專注度較高的利用式創新公司其經營業績更好（Uotila et al.，2009），股價崩盤風險更低（Jia，2018），同時創新專注度較高的利用式創新公司股票更容易被市場低估，從而可以獲得更高的超額預期收益（Fitzgerald et al.，2021）。因此，本文認為機構投資者能夠通過分析技術創新相關信息，識別出創新專注度較高的利用式創新公司具有更好的經營績效和股票市場表現，才會將創新戰略納入其持股決策的考慮因素中。

機構投資者是具有專業信息收集、信息處理與判斷技能的“聰明投資者”，為了獲取更好的投資業績，會基于信息優勢主動將公司創新戰略差異納入到其持股決策的考慮因素中。為了進一步檢驗這個影響機制，本文創新性地使用開放式主動偏股型公募基金的股票持倉數據，構造了基金持股組合的創新專注度變量和基金業績衡量指標，直接檢驗基金持股組合的創新專注度是否會影響基金業績。結果發現基金持股組合的創新專注度越高，基金未來的業績表現越好，且這種優秀的投資業績并不是基金自身別的特征帶來的，說明“聰明錢效應”是機構投資者將公司創新戰略差異納入持股決策的重要機制。

本文可能存在以下幾個方面的邊際貢獻：第一，目前關于公司創新戰略的文獻大多關注決定公司創新戰略差異的影響因素，或者關注不同的創新戰略對公司經營業績或資本市場表現的影響，而本研究考察機構投資者是否關注公司的創新戰略差異，提供了機構投資者偏好持有創新專注度較高的利用式創新公司的經驗證據，對機構投資者持股決策影響因素的文獻有所貢獻。第二，本文不僅從公司創新戰略影響經營業績與股票市場表現的視角，而且從機構投資者“聰明錢效應”的視角，研究了機構投資者偏好創新專注度較高的利用式創新公司的影響機制。結果發現，在A股市場上，創新專注度較高的公司有更強的盈利能力、更低的破產風險、更高的超額預期收益和更低的股票波動率，基金持股組合中如果創新專注度比較集中會帶來較好的投資業績。這些經驗證據對公司偏好不同創新戰略產生的經濟后果的相關研究是有益補充，也是對研究基金業績影響因素的文獻有所貢獻，對公司調整創新戰略吸引資本、制定具有穩定性的創新支持政策具有重要現實意義。

二、文獻回顧與研究假設

（一）公司創新戰略差異的相關研究

相關研究通常認為公司創新存在兩種戰略：創新專注程度較高的利用式創新和創新專注程度較低的探索式創新（March，1991；李憶、司有和，2008）。部分研究認為公司的創新戰略會影響公司經營績效和資本市場表現。He and Wong（2004）發現探索式創新與利用式創新之間的交互作用與公司銷售收入增長率呈正相關關系。Uotila et al.（2009）發現公司的利用式創新程度與公司的財務績效是正U型關系。王鳳彬等（2012）實證發現在中國公司中，兩種創新戰略都對公司市場績效產生正向影響，但與公司財務績效是U型關系。蘇昕、周升師（2019）研究發現探索式創新對企業競爭地位的影響具有“拐點效應”，呈正U型，利用式創新則促進企業競爭地位的提升。

近些年，有一些研究探討公司創新戰略的選擇對公司在資本市場表現的影響，Jia（2017）基于美股研究發現分析師更加關注偏好利用式創新戰略的公司。Litov et al.（2012）認為分析師搜集和分析探索式創新公司的信息成本更高，同時探索式創新公司更難以估值，因此導致其分析師覆蓋率比較低。Jia（2018）分析美股市場，發現偏向探索式創新的公司具有更高的股價崩盤風險，主要的機制是相比于利用式創新的項目，探索式創新的項目失敗概率更高，并且公司不愿意披露失敗的探索式創新項目，致使負面信息不斷積累。Fitzgerald et al.（2021）發現專注于利用式創新而非探索式創新的公司往往會產生較好的短期經營業績，分析師沒有發現這一點，進一步研究發現專注于利用式創新的公司利潤往往會超過市場的盈利預期，由此公司股票可以獲得超額收益。從上述的文獻梳理，可以發現關于公司偏好不同創新戰略所產生的經濟后果研究，目前的實證研究主要集中在分析美股市場，雖然李哲等（2021）發現A股市場上分析師更加關注突破式創新的公司，但他們定義的突破式創新公司與本文的創新戰略又不相同。本文認為公司偏好持有創新專注度較高的利用式創新公司的核心機制之一就是創新專注度較高的公司具有較好的經營績效和資本市場表現，因此，本文這一機制方面的實證分析也是對目前國內相關研究的有益補充。

（二）機構投資者持股的創新偏好

機構投資者作為金融市場重要參與方，在公司融資、市場流動性和公司治理等方面都發揮著關鍵作用（Aghion et al.，2013）。研究發現，機構投資者的持股偏好主要集中在地理位置相近（Bernile et al.，2015）、社交聯系緊密（Kuchler et al.，2022）、凈損失成本較低（田澍等，2012）、公司經營業績較好（姚頤等，2011）、公司治理水平較好（Bushee et al.，2014）和公司社會績效較高（黎文靖、路曉燕，2015）的公司或行業。這說明機構投資者作為“聰明的投資者”是有能力解讀公司財務以及其他影響公司價值的信息（Bushee et al.，2019）。陸蓉、孫欣鈺（2021）的研究發現，機構投資者不僅能解讀公司基本面信息，而且還可以通過制造市場概念股來影響散戶投資者的情緒，說明機構投資者相對于散戶有更多技能來理解市場各種信息。翟淑萍等（2022）研究也發現機構投資者之間會相互交流，通過降低信息不對稱的優勢可以降低企業的違約風險，進一步說明了機構投資者的信息優勢。

技術創新是公司的核心競爭力，影響公司的經營業績與股票市場表現。部分研究表明，公司股票價格在反應技術創新方面的信息時不夠全面，由此導致了股票價格的可預測性，可能的原因是技術創新相關信息是非財務信息，普通投資者難以處理此類信息（Lee et al.，2019）。而機構投資者作為擁有專業技能的投資者，是否有能力解讀關于公司技術創新相關的信息，最近一些研究探討了機構投資者持股的創新偏好。McLemore et al.（2022）研究發現，基金經理對技術創新相關信息的卓越理解可以使其管理的基金獲得超額收益。孔高文等（2019）基于A股的研究發現，基金經理在投資組合中增加創新型公司股票，長期來看可以獲得更高的超額收益，主要原因是創新型公司被市場嚴重低估。周方召等（2021）基于中國上市公司專利數據研究發現，機構投資者偏好持有專利產出更多的公司。綜上所述，機構投資者基于自身專業的信息處理技能，能夠通過分析公司技術創新相關信息來選擇股票，以此獲得優秀的投資業績，表明機構投資者有持股的創新偏好。但是，最近的相關研究主要集中在機構投資者重點關注公司創新產出的數量、質量和效率方面，而關于引領技術創新的創新戰略是否也是機構投資者重點關注的方面，目前的國內外研究并沒有涉及。

（三）研究假設

偏向利用式創新戰略的高創新專注度公司會更多地使用已有的知識、技術以及專利來進行新產品開發、新服務執行以及新專利的發明，一般來說，延續已有的創新路徑可以使得公司在更少投入的情況下獲得較大利潤，同時因為公司申請發明專利主要目的就是為了獲得壟斷利潤，所以公司在自己以往專利“護城河”的基礎上不斷鞏固加強可以獲得穩定的盈利與現金流（李憶、司有和，2008）。進一步，實施利用式創新戰略的公司開發新的產品與發明新的專利都是在已有知識的基礎之上進行的，開發與申請成功的概率比較大，未來面臨的不確定性也比較少，公司經營風險也會小很多（Jia，2018），信用評級一般來說比較高。相反，偏向探索式創新的低創新專注度公司會更多地開拓新領域、發明與自身以往專利無關的新專利，這會使得公司投入大量的人力、物力以及財力，會消耗公司大量現金流與利潤，短時間內很難獲得收益，并且新領域的開發一般具有很大不確定性，失敗的概率很大，有可能會使得公司陷入“探索-變革-失敗”的過度探索陷阱，公司的經營風險比較大（王鳳彬等，2012）。機構投資者被認為是專業的投資者，具有強大的投研團隊，能夠通過分析公司復雜的基本面信息，從而識別公司未來的經營業績，因此機構投資者之所以偏好持有高創新專注度公司，主要是因為高創新專注度公司具有更優秀的經營業績，“聰明”的機構投資者可以從中獲取更好的投資業績。

公司的創新戰略作為公司創新投入和創新產出的路徑指導，長遠且深層次影響公司的經營業績與市場表現，現有研究已經證明創新專注度較高的利用式創新公司可以獲得較好的經營業績和更高的股票超額收益（Fitzgerald et al.，2021）。機構投資者作為金融市場重要的參與者，具有專業技能的投資者，具有信息挖掘能力與解讀能力（張宗新、楊通旻，2014）。本文認為機構投資者會把公司創新戰略差異納入到其持股決策中，據此提出：

假設1：機構投資者偏好持有創新專注度較高的利用式創新公司。

三、樣本數據與研究設計

（一）樣本數據

本文以全部A股上市公司為研究對象，樣本期間為2007—2019年。由于計算公司創新戰略衡量指標需要用到自公司成立以來的累計專利空間，因此專利分類號數據起始時間為數據庫開始時間，本文所用專利分類號數據最早開始時間為1990年。本文用到的發明申請專利分類號數據、發明申請專利數據、創新投入數據、機構持股數據、公司基本信息、分析師盈余預測數據、公司治理與信息披露數據、地區高校相關數據等來源于中國研究數據服務平臺（CNRDS）的相關數據庫，基金持股數據、基金收益率數據、公司財務數據、股票交易數據等來自于國泰安（CSMAR）相關數據庫，公司產品與行業分類銷售收入數據來自于Chioce金融終端，無風險利率數據來自于銳思金融研究數據庫（RESSET/DB）。

獲得數據后為了避免異常數據對主要分析結果產生影響，本文對相關數據進行了如下預處理：第一，剔除金融與房地產行業，金融行業財務報表與普通生產型公司財務報表具有不可比的特征，同時由于房地產行業其發展特征屬于高杠桿高周轉類似于大金融板塊，同時房地產行業申請專利數據比較少；第二，剔除凈資產為負的公司觀測值；第三，為了使用日度交易數據計算公司股票市場風險、換手率與特質波動率等變量，剔除每年度有效交易日小于150天的觀測值。第四，為了避免離群值對回歸分析結論的影響，對所有連續型變量進行前后1%的縮尾處理。

（二）變量定義

1.機構投資者持股偏好

參考黎文靖、路曉燕（2015）等相關研究，使用年末機構投資者持股占公司總股本的比例（IOT）和上市公司股票被多少家機構投資者持有（ION）來衡量機構投資者持股偏好。

2.創新專注度

本文采用公司發明申請專利分類號數據來計算公司對已有技術領域的利用程度相對于新技術領域的探索程度，以此來區分公司的創新戰略差異性。參考Fitzgerald et al.（2021）的方法來計算公司創新專注度，具體計算公式如下：

5.控制變量

參考宋玉等（2012）、黎文靖、路曉燕（2015）等研究，本文加入可能同時影響公司創新戰略與機構投資者持股偏好的公司特征變量，資產負債率（Leverage）、凈資產收益率（ROE）、研發投入（RDA）、賬面市值比（BM）、固定資產占比（Tangible）、公司規模（Size）、公司年齡（Est_Age）。孔高文等（2019）的研究發現機構投資者偏好創新型公司，因此，為了控制公司創新產出對估計結果的影響，加入發明申請專利總數（Invija）作為創新產出的代理變量。田澍等（2012）研究發現中國機構投資者偏好持有交易成本低、波動率小等凈損失成本低的上市公司股票，為此本文進一步加入股票市場風險（BETA）、換手率（TURN）、年度非流動性（ILLIQ）、特質波動率（IVOL）作為控制變量。關于以上變量的具體定義方法參看表1的變量定義表。

（三）回歸模型設定

1.基準模型設定

首先檢驗公司創新專注度對機構投資者持股決策的影響，設定基準回歸模型如下：

Institution_?oldi，t=β0+β1Inva_ISPi，j，p，t?1+γXi，j，p，t?1+λj+τt+ρp+εi，j，p，t? （6）

其中，下標i表示公司，t表示年份，j表示行業，p表示省份。被解釋變量[Institution_holdi，t]表示機構投資者持股偏好，衡量指標為機構投資者持股比例與機構投資者家數；解釋變量[Inva_ISPi，j，p，t?1]為公司創新專注度，衡量指標是用專利分類號計算得到的創新專注度；控制變量[Xi，j，p，t?1]為公司財務特征變量；[λj]為行業固定效應，[τt]為年份固定效應，[ρp]為省份固定效應，表示控制不可觀測的行業特征、時間效應與地區經濟發展水平。

2.機制分析模型設定

對于機構投資者偏好持有創新專注度較高的利用式創新公司的主要原因，前文分析提出了兩個機制來解釋：公司經營業績與資本市場表現。本文設定如下回歸模型來驗證機制解釋的正確性。

Performancei，t=β0+β1Inva_ISPi，j，p，t?1+γXi，j，p，t?1+λj+τt+ρp+εi，j，p，t? （7）

其中，[Performancei，t]代表公司經營的業績表現與資本市場表現，經營業績的代理變量為總資產收益率（ROA）、營業利潤（Profit）、經營現金流（CFO）和Altman-Z值，資本市場表現的代理變量為分析師盈余意外（EPS_Surprise）、年度股票超額收益率（r_year）和年度股票波動率（sd_year）。模型其余的變量設定和符號含義與基準回歸模型一致。

四、實證結果與分析

（一）描述性統計與分組分析

表2報告了主要變量的描述性統計與按創新專注度分組的均值。衡量公司創新戰略模式的創新專注度（Inva_ISP）的均值（avg）為0.65，中位數（q50）為0.77，標準差為0.33，有效觀測數（Obs）為18030，可以看出創新專注度有一點左偏現象，說明大部分公司偏好創新專注度較高的利用式創新戰略。機構投資者持股比例（IOT）的均值為0.29，75%分位數（q75）為0.46，表明A股上市公司的機構投資者持股比例普遍偏低，這與目前研究認為A股散戶投資者占主導地位的共識是一致的。公司發明申請專利總數（Invija）均值為45.76，中位數為12.31，存在嚴重的右偏現象，在后面回歸模型中對其做對數變換。

表2的G1、G2、G3列是主要變量按創新專注度分組的均值。具體來說，第一，每年末按照公司創新專注度衡量指標（Inva_ISP）把全部公司分為3組，第1組小于30%分位數稱之為創新專注度較低的探索式創新公司，第3組大于70%分位數稱之為創新專注度較高的利用式創新公司，30%-70%之間的為第2組；第二，在下一年末計算每組公司的主要變量的均值；第三，把每組公司特征變量再在時間序列上求均值。創新專注度較高的利用式創新公司（G3）的機構投資者家數均值為110.71、機構投資者持股比例均值為35.23%；而創新專注度較低的探索式創新公司（G1）的機構投資者家數均值為61.10、機構投資者持股比例均值為31.08%，這說明機構投資者更加偏好持有創新專注度較高的利用式創新公司。另外，創新專注度較高的利用式創新公司的經營績效（ROA、Profit、CFO、Z）和股票市場表現（EPS_Surprise、r_year、sd_year）明顯好于創新專注度較低的探索式創新公司。從其他方面來看，創新專注度較高的利用式創新公司的創新產出（Invija）也明顯高于創新專注度較低的探索式創新公司，同時具有更低的凈損失成本（TURN、ILLIQ、IVOL）。綜上表明，機構投資者更加偏好持有創新專注度較高的利用式創新公司，本文提出的創新專注度較高的利用式創新公司具有更好的經營績效與資本市場表現得到初步驗證，說明了機構投資者作為專業的投資者具有辨別公司技術創新相關信息和公司價值好壞的能力。

（二）基準回歸模型結果

表3報告了公司創新專注度對機構投資者持股決策影響的主回歸結果。模型（1）和模型（2）是主回歸模型，模型（3）至模型（8）是加入不同控制變量與不同固定效應模型設定。其中，對于機構投資者家數（ION）做了對數變換［ln_ION=ln（ION+1）］以保證估計結果的穩健性。從模型（1）、（2）的估計結果看，創新專注度（Inva_ISP）對機構投資者持股偏好具有正向影響且在1%顯著水平下顯著。其他條件不變，公司創新專注度指標每增加一個標準差，則其機構投資者家數增加大約0.2417×0.3271=7.91%，機構投資者持股比例增加大約0.0324×0.3271=1.06%，說明公司創新戰略的差異對機構投資者持股偏好的影響不僅統計顯著，而且經濟意義上也很顯著。

雖然在主回歸模型中已經加入了研發投入變量（RDA），但為了避免遺漏創新產出變量給估計結果帶來偏誤，在模型（3）、（4）中加入了公司年度總的發明申請專利總數，并對其做了對數變換［ln（Invija+1）］，回歸結果表明創新專注度對機構投資者持股偏好具有正向影響且依舊在1%顯著水平下顯著，同時發現創新產出更多的公司機構投資者持股家數更多，但是創新產出對機構投資者持股比例影響不顯著。田澍等（2012）通過對A股的研究發現機構投資者偏好流動性好、交易成本低等凈損失較低的公司股票，為了避免上市公司股票交易特征對回歸結果的影響，在模型（5）、（6）中進一步加入了公司股票的市場風險（BETA）、換手率（TURN）、流動性（ILLIQ）與年度特質波動率（IVOL），回歸模型的估計結果顯示創新專注度的系數依舊是1%水平顯著為正，并且發現機構投資者偏好換手率小、流動性大的公司股票，這與已有的研究一致。宋玉等（2012）研究發現公司的區域位置會影響機構投資者持股偏好，為此，模型（7）、（8）在固定行業與年份的基礎上，增加了固定公司注冊地的省份固定效應，模型估計結果與前文一致。綜上所述，經過一系列的計量模型設定后，本文的假說1得到驗證：機構投資者更加偏好持有創新專注度較高的利用式創新公司。

（三）內生性分析

本文的基準模型已經將所有解釋變量滯后一期盡可能避免互為因果導致的內生性問題，但是依舊可能存在的內生性問題有以下幾個：第一，可能因衡量公司創新戰略的創新專注度指標（Inva_ISP）存在測量誤差導致隨機擾動項與核心解釋變量存在相關性，從而引起的內生性問題。第二，因為一些不可觀測的重要解釋變量遺漏導致隨機擾動項與核心解釋變量相關引起內生性問題。第三，因為一些重要控制變量遺漏使得基準模型設定錯誤而引起的內生性問題。針對以上三個可能存在的內生性挑戰，本文參考已有研究分別使用線性累積量估計、工具變量估計以及考慮加入可能影響估計結果的重要控制變量來盡可能解決一部分內生性問題。

1.線性累積量估計

Erickson et al.（2014）在研究資本結構的決定因素時，為了解決解釋變量的測量誤差問題，提出了線性累積量估計方法，使用高階的可觀測的樣本累積量替代不可觀測的原變量。因此，本文使用線性累積量估計方法來盡可能解決測量偏誤帶來的統計推斷失效。除了設定創新專注度指標為錯誤測量的變量外，本文認為研發投入數據由于是公司自愿披露，因此也可能存在測量誤差，故也設定公司研發投入存在測量偏誤。參考Erickson et al.（2014）使用聚類加權矩陣（CLS）方法來分析面板數據。由于估計需要去均值的數據，同時不會在內部計算固定效果，因此估計結果不報告常數項。為了避免累積量最高階數的設定對估計結果的影響，本文設定累積量最高五階與最高七階來表明估計結果的穩健性。

表4報告了線性累積量估計結果。模型（1）、（2）是在累積量最高五階的設定下的估計結果，結果顯示公司創新專注度對機構投資者家數與持股比例依舊在1%與5%水平上顯著為正。累積量最高七階的設定下，模型（3）、（4）的估計結果顯示公司創新專注度指標系數均在1%水平上顯著，且系數比五階更大。綜上所述，在考慮了測量誤差后采用線性累積量的估計結果，依舊表明機構投資者偏好持有創新專注度較高的利用式創新公司。

2.工具變量估計

本文選取公司注冊所在地級市的高校數量（Hedistnum）與高校教師人數（Hlgisteanum）作為公司創新戰略衡量指標的工具變量。首先，其滿足工具變量的相關性要求。高等院校是一個地區的重要科研力量（劉雯等，2020），一般來說高校的科研路徑依賴性比較強，專注于某個領域的研究會始終如一，如果某個地區高校數量很多，說明這個地區的科研實力很強，但是這個地區的科研路徑依賴程度也會比較強，上市公司一般都是當地的龍頭公司，一般會與當地科研院所建立比較強的科研聯系，公司的科研創新路徑也會受到當地的高校科研影響，因此本文認為地區的高等院校數量越多，則本地的公司創新專注度越高，而高校教師人數與高校數量緊密聯系，所以為了穩健性也使用了高校教師人數作為工具變量。其次，地區的高校數量對機構投資者持股偏好沒有直接影響，從而滿足工具變量的外生性條件。

表5報告了工具變量兩階段最小二乘估計結果，由于高校數量與高校教師人數都具有很強的右偏現象且絕對數量比較大，對其都進行對數變換［ln_Hedistnum=ln（Hedistnum+1）、ln_Hlgisteanum=ln（Hlgisteanum+1）］。模型（1）、（2）、（3）是以地區高校數量作為工具變量的估計結果，模型（1）為第一階段的回歸結果，地區高校數量的估計系數為正，且在1%水平上顯著，證明地區高校數量作為工具變量的相關性條件得到滿足，第一階段排除控制變量后回歸得到的Cragg-Donald Wald F統計量（CD-F）為33.37，遠大于10，說明不存在弱工具變量問題。模型（2）、（3）是第二階段的回歸結果，公司創新專注度系數在1%水平下顯著為正，說明在考慮內生性問題后本文的結論依舊成立，機構投資者更加偏好持有創新專注度較高的利用式創新公司。模型（4）、（5）、（6）是采用地區高校教師人數作為工具變量后的估計結果，模型（4）的第一階段回歸結果顯示，高校教師人數顯著正向影響公司創新專注度，CD-F統計量為34.02，表明不存在弱工具變量問題，模型（5）、（6）的第二階段回歸結果也顯示，機構投資者偏好持有創新專注度較高的利用式創新公司。

3.增加公司治理與信息披露作為控制變量

公司治理能力可能是機構投資者投資決策時考慮的重要方面（譚松濤、傅勇，2009），同時公司治理能力與公司創新戰略也可能存在某種關系。為了避免公司治理水平對基準回歸結果的干擾，本文參考已有研究使用公司第一大股東持股比例（TOP1）、董事總人數（DrcNum）、獨立董事占全部董事總人數的比例（InDrcRat）代表公司治理水平。公司信息披露質量是影響機構投資者分析公司基本面信息的關鍵，本文使用上交所及深交所對上市公司在各個年度中的信息披露表現所作出的工作評價作為公司信息披露質量的代理變量（INFO），其中2001—2010年采用的是“優秀、良好、合格、不合格”；2011年以后采用的是“A、B、C、D”，本文對其編碼為4、3、2、1，數值越大表明信息披露質量越高。表6的模型（1）、（2）報告了在基準回歸模型基礎上加入公司治理與信息披露質量的估計結果，公司創新專注度的估計系數依舊顯著為正，表明在考慮公司治理水平與信息披露質量之后，機構投資者依舊偏好持有創新專注度較高的利用式創新公司。

4.增加公司多元化經營戰略作為控制變量

公司的創新戰略很有可能受到公司多元化經營戰略的影響，公司如果為了開拓更加多元的業務，必然需要探索不同領域的創新，并且公司多元化經營戰略也會吸引機構投資者對其戰略路徑進行分析，從而影響機構投資者對其的持股偏好。為了解決公司多元化經營戰略對基準回歸結果可能的影響，本文參考巫景飛等（2008）構建公司業務多元化的赫芬達爾指數做作為控制變量，具體計算公式如下：

其中，[Xi，h，t]表示公司i在t年在h行業的銷售收入，[Yi，t]表示公司i在t年的總銷售收入，[HHI_Indi，t]值越大表示公司經營戰略多元化程度越高。為了準確衡量公司經營戰略多元化程度，本文還按照公司在當年按不同產品類型的銷售收入計算得到的赫芬達爾指數[HHI_proi，t]，另外還使用上市公司子公司個數（Segment）作為經營戰略多元化程度的代理變量，在做回歸模型時對其做ln（Segment+1）變換。

表6中模型（3）、（4）報告了在加入公司多元化經營戰略控制變量后的估計結果，公司創新專注度的估計系數顯著為正，模型（5）至（8）是更換不同的多元化經營戰略后的估計結果，依舊支持基準回歸的結論。

綜合以上實證結果，在考慮內生性問題挑戰后，經過穩健估計，本文主要結論依舊成立，說明機構投資者偏好持有創新專注度較高的利用式創新公司。

（四）穩健性分析1

1.更換創新專注度衡量方式

發明授權專利使得公司可以獨享壟斷利潤，所以發明申請專利只有獲得授權才會具有真正的經濟效益。為了進一步檢驗專利分類號數據構造的公司創新專注度指標的有效性，本文使用發明授權專利分類號構造了公司創新專注度指標（Invg_ISP）。為了使得創新專注度指標對利用式創新戰略與探索式創新戰略更具有區分度，本文構造了兩個創新專注度的虛擬變量2，當創新專注度大于當年所有公司創新專注度中位數則定義為創新專注度較高的利用式創新公司，否則為創新專注度較低的探索式創新公司。實證結果表明本文的主要結論依舊穩健。

2.使用三級IPC分類構造創新專注度

前文構造的創新專注度變量都是使用二級IPC分類方法，而二級IPC分類最多有145個類別，這可能會使得由于分類過于寬泛導致公司的創新專注度普遍偏大，為了避免這個問題對本文主要結果的影響，使用三級IPC分類方法再次用公式（1）構造公司創新專注度變量，三級IPC分類最多有670個類別，足以區分公司發明專利的類別領域。同時，為了使得結果更具穩健性，也使用發明授權的專利分類號構造公司創新專注度和創新專注度虛擬變量。實證結果表明本文的主要結論依舊穩健。

3.長期效應分析

技術創新所產生的經濟后果一般都具有滯后效應，這是因為發明專利轉化為可銷售的公司產品需要一定的時間，公司創新戰略作為技術創新的引領，其所產生的影響應該也具有滯后效應，本文基準回歸中對公司創新戰略的衡量指標采取了滯后一年的操作。本文分析公司創新專注度對機構投資者持股偏好影響的長期效應，具體來說，本文將計算未來3年和5年的機構持股家數與持股比例均值，然后用滯后一年的公司創新專注度指標對其進行回歸。實證結果表明本文的主要結論依舊穩健。

五、機制分析

（一）機制分析Ⅰ：公司經營業績和經營風險

創新專注度較高的利用式創新公司會更多的使用已有的知識、技術以及專利來進行新產品開發、新服務執行以及新專利的發明。一般來說，延續已有的創新路徑可以使得公司在更少投入的情況下獲得較大利潤，同時因為公司申請發明專利主要目的就是為了獲得壟斷利潤，所以公司在自己以往專利“護城河”的基礎上不斷鞏固加強，可以獲得穩定的盈利與現金流（李憶、司有和，2008）。進一步，創新專注度較高的利用式創新公司開發新的產品與發明新的專利都是在已有知識的基礎之上進行的，開發與申請成功的概率比較大，未來面臨的不確定性也比較少，公司經營風險也會小很多（Jia，2018）。相反，創新專注度較低的探索式創新公司會更多地開拓新領域、發明與自身以往領域無關的新領域的專利，這會使得公司投入大量的人力、物力以及財力，會消耗公司大量現金流與利潤，短時間內很難獲得收益，并且新領域的開發一般具有很大不確定性，發明失敗的概率很大，有可能會使公司陷入“探索-變革-失敗”的過度探索陷阱，公司的經營風險比較大（王鳳彬等，2012）。機構投資者被認為是專業的投資者，具有強大的投研團隊，可以識別公司的經營業績與經營風險，所以本文認為機構投資者之所以偏好持有創新專注度較高的利用式創新公司，主要是因為創新專注度較高的利用式創新公司具有更優秀的經營業績和更低的經營風險。

表7報告了公司創新專注度與公司經營業績和經營風險之間的回歸結果。表7中模型（1）至模型（4）的回歸結果顯示，公司創新專注度越高其總資產收益率（ROA）越高、營業利潤（Profit）越高、經營現金流（CFO）也越大以及公司破產風險（Z）更低，并且所有模型都在1%水平上具有統計顯著性。模型（5）至模型（8）是同時控制省份固定效應，回歸結果與模型（1）至模型（4）一致，并且創新專注度的回歸系數沒有發生明顯變化。綜上說明，創新專注度較高的利用式創新公司具有更優秀的經營業績和更低的經營風險，證明了本文的第一個機制解釋。

（二）機制分析Ⅱ：公司股票市場表現

公司創新過程是無形性且具有高度不確定性的（Atanassov and Liu，2020），因此，即使公司為其創新發明申請了專利，進而間接向公眾披露了其技術發展和創新戰略模式，普通的投資者在評估公司價值時可能依舊難以處理這些與技術創新相關的信息（Hirshleifer et al.，2013）。同時，由于認知上的偏差，普通投資者可能會更關注創新專注度較低的探索式創新公司，而不是關注創新專注度較高的利用式創新公司。普通投資者可能會忽視那些為了鞏固先前已有研究基礎的創新發明專利所產生的潛在重大價值，而是選擇更加關注那些開辟新領域、更令人興奮的創新發明。另一方面公司管理層也更有可能披露與公司當前專利組合有很大不同的專利申請信息（Kogan et al.，2017）。公司管理層會更加重視強調公司的探索性創新活動，以便在公眾媒體上建立他們“創新先驅者”或“探索創新者”的聲譽，以此吸引媒體對公司及其主要管理層進行更多報道（Raimondo，2019），公司管理層可能會從這種增加的媒體關注中獲得貨幣和其他私人利益。以上兩方面的機制意味著普通投資者更可能關注創新專注度較低的探索式創新公司，創新專注度較高的利用式創新公司很少受到投資者關注，經常被市場低估其盈利能力和市場價值，但是創新專注度較高的利用式創新公司有更好的經營業績和更低的經營風險，所以本文認為機構投資者能夠通過分析公司技術創新相關信息，識別出創新專注度較高的利用式創新公司的盈利能力被市場嚴重低估，未來將獲得更高的預期收益和更低的風險，進而將公司創新專注度差異納入其持股決策的考慮因素中。

表8報告了創新專注度與公司股票市場表現的回歸結果。模型（1）的公司創新專注度系數在1%水平上顯著為正，表明公司的創新專注度越高其未來一年的盈余意外（EPS_Surprise）越大，說明創新專注度較高的利用式創新公司的盈利能力被市場嚴重低估。模型（2）和模型（3）的公司創新專注度系數分別顯著為正和負，表明創新專注度較高的利用式創新公司的公司股票在未來一年有更高的超額預期收益率（r_year）和更低的波動率（sd_year）。模型（4）、（5）、（6）表明進一步加入省份固定效應后的主要估計結果依舊不變。

綜合以上實證結果表明，創新專注度較高的利用式創新公司往往會有較好的經營業績和較低的經營風險，股票市場的分析師并沒有發現這一點，使得創新專注度較高的利用式創新公司的實際利潤往往會超過市場的盈利預期，股票市場沒有及時反映有關公司創新戰略的信息，相對于創新專注度較低的探索式創新公司，創新專注度較高的利用式創新公司的市場價值被低估了，使得創新專注度較高的利用式創新公司未來會獲得更高的預期收益。本文提出的公司不同創新戰略導致不一樣的經營績效和股票市場表現的兩個機制解釋得到了驗證。

（三）機制分析Ⅲ：基金業績表現

雖然前文兩個機制分析一定程度上解釋了機構投資者偏好持有創新專注度比較高的利用式創新公司的原因，但是依舊需要一些更加直接的證據來驗證本文假說提出的主要動機，那就是機構投資者作為擁有強大投研能力和信息分析能力的投資者，持有更多創新專注度比較高的利用式創新公司主要是為了獲得更好的投資業績，也就是“聰明錢效應”。本節以開放式主動股票型和混合型基金為研究樣本，設計實證策略來檢驗“聰明錢效應”這個機制，以開放式主動股票型和混合型基金作為分析樣本主要原因是主動偏股型基金更能體現出基金經理主動分析公司復雜信息的能力。若“聰明錢效應”的機制可以解釋機構投資者偏好持有創新專注度比較高的利用式創新公司，那么本節猜想基金組合的創新專注度越高則基金業績表現會更好，下面分別構造基金組合的創新專注度衡量指標和基金業績的衡量指標實證檢驗“聰明錢效應”的機制。

1.基金組合的創新專注度

使用開放式基金半年報和年報中持股明細數據計算每期基金持股組合的加權平均創新專注度變量，計算公式如下：

其中，[wm，i，t]表示報告期末t基金m持有公司i的市值占基金凈值比例，[Inva_ISPi，t?1]表示公司i上一年的創新專注度，因此[Inva_ISP_FPm，t?1]表示基金m在報告期末持股加權的創新專注度。

2.基金業績

參考李志冰、劉曉宇（2019）等相關研究，本文構造了四個衡量基金業績的指標，包括基金原始超額收益、經市場模型調整的超額收益以及經CAPM和CH4（Liu et al.，2019）1定價模型調整后的基金Alpha。其中，基金原始超額收益（ER）是基金在[τ]月的收益率減去[τ]月的無風險收益率，如公式（10）；經市場模型調整的超額收益（MAR）是基金在[τ]月的原始超額收益減去[τ]月的市場的超額收益，如公式（11）;經CAPM和CH4定價模型調整后的基金Alpha是剔除基金投資風格所隱含的風險暴露后的基金經理主動管理能力的衡量指標，具體而言，采用公式（12）和（13）以24個月的固定窗口滾動回歸估計出基金的因子風險暴露，進而使用最近一個月的基金超額收益減去風險暴露帶來的收益，即得到基金Alpha。

其中，[Rm，τ]表示基金原始收益率，[RFτ]表示無風險收益率，[MKTτ]表示市場因子，[SMBτ]表示規模因子，[VMGτ]表示價值因子，[PMOτ]表示換手率因子，所有數據都為月度頻率數據。

為了將月度的基金業績變量與基金組合的創新專注度變量匹配，本文將月度基金業績換算為半年度的基金業績變量，因為基金業績本質上是經風險調整的超額收益率，因此，本文采用計算累計超額收益率的方式計算半年度的基金業績變量，具體計算公式如下：

其中，[αm，t，1]為基金m在第t期中第1個月的月度基金業績，[αm，t，6]為基金m在第t期中第6個月的月度基金業績，[Fund_alpham，t]為基金m在第t期的半年度基金業績。

3.回歸模型設定

為了檢驗基金組合的創新專注度對基金業績的影響，設定如下回歸模型：

其中，下標m表示基金，t表示時間。被解釋變量[Fund_alpham，t]表示基金業績，衡量指標為前文構造的四個基金超額收益率；解釋變量[Inva_ISP_FPm，t?1]為基金組合的創新專注度，衡量指標為基金組合持股加權的創新專注度；控制變量[Xm，t?1]為基金的一些特征和市場特征，本文中使用期末基金資產凈值取對數（TNA）作為基金規模控制變量，使用基金收益率過去12個月的標準差（FUND_VOL）作為基金波動率控制變量，使用基金成立到報告期的年數（FUND_AGE）作為基金年齡控制變量，使用股票市場過去6個月累計超額收益率（MKT_RET）作為市場收益控制變量；[λm]為基金個體固定效應，[τt]為時間固定效應，表示控制不可觀測的基金個體特征與時間效應；[εm，t]表示隨機擾動項。

表9報告了基金組合的創新專注度對基金業績的影響回歸結果。模型（1）至模型（4）是沒有控制時間固定效應而控制了市場收益的回歸模型，四個模型中基金組合的創新專注度系數都在1%水平上顯著為正，說明基金持股組合中創新專注度越高，基金的業績表現會更好，本節的“聰明錢效應”機制得到驗證。雖然前四個模型已經控制了市場收益，但是依舊有一些隨時間變化但是不可觀測的宏觀經濟變量會影響基金業績，為了使得模型估計更具穩健性，模型（5）至模型（8）控制了時間和基金個體雙向固定效應，模型（5）至模型（7）回歸結果顯示基金組合的創新專注度系數依舊都在1%水平上顯著為正，模型（8）中基金組合創新專注度與經過CH4因子定價模型調整后的基金業績在10%水平上顯著為正。綜合以上實證結果說明，以主動偏股型公募基金為代表的機構投資者偏好持有創新專注度較高的利用式創新公司，主要是因為機構投資者有能力分析較為復雜的公司創新戰略模式，進而得到創新專注度較高的利用式創新公司有較好的經營業績和較好的股票市場表現，持有這類公司股票可以使得自身的投資業績變得更好，且這種優秀的投資業績并不是基金自身別的特征帶來的。

六、研究結論與啟示

本文以A股上市公司為研究對象，利用公司發明專利分類號數據構造可以衡量公司創新戰略差異的創新專注度指標，實證檢驗了機構投資者的創新戰略持股偏好。研究結果表明：第一，機構投資者偏好持有創新專注度較高的利用式創新公司，在考慮衡量偏誤后采用線性累積量估計方法、在考慮遺漏變量后采用工具變量估計方法以及增加不同控制變量后本文的假說依舊成立，更換不同衡量創新戰略的創新專注度指標后以及考慮長期效應后本文的結論依舊穩健。第二，創新專注度較高的利用式創新公司有更強的盈利能力、更低破產風險、更高的股票預期超額收益以及更低的波動率風險，機構投資者作為專業的“聰明投資者”有能力分析公司創新戰略差異所導致的公司經濟后果差異。第三，基金組合創新專注度越高，基金未來業績表現越好，說明機構投資者在把公司創新戰略差異納入其持股決策考慮因素后可以帶來更好的投資業績。

本文研究結論可能存在的啟示在于：第一，對于普通投資者而言，公司創新戰略的相關信息對選股決策是重要的，專業的機構投資者已經在其持股時考慮了公司創新戰略的相關信息，且取得了較好的投資業績。投資組合的創新專注度越高可能會給投資組合帶來越好的業績表現。因此，應該重視分析公司技術創新相關信息，這不僅能給投資組合帶來更好的業績表現而且能降低組合風險。第二，本文實證結果也給公司決策者提供了有關公司融資決策與信息披露方面的指導。股票市場對創新專注度較高的公司存在低估，這可能會降低其股權融資的傾向，會促使創新專注度較高的公司管理者更傾向于使用債務來資助公司的創新投資。意味著追求創新專注度較高的利用式創新戰略公司需要為投資者提供更多的創新信息披露，這可以進一步提振公司股價對公司基本面價值的反應。

參考文獻

孔高文、胡林峰、孔東民、王琴，2019，“基金持股的創新偏好與基金業績研究”，《管理科學學報》，第12期，第70-83頁。

黎文靖、路曉燕，2015，“機構投資者關注企業的環境績效嗎？——來自我國重污染行業上市公司的經驗證據”，《金融研究》，第12期，第97—112頁。

李憶、司有和，2008，“探索式創新、利用式創新與績效：戰略和環境的影響”，《南開管理評論》，第5期，第4-12頁。

李哲、黃靜、孫健，2021，“突破式創新對分析師行為的影響——基于上市公司專利分類和引證數據的證據”，《經濟管理》，第5期，第192-208頁。

李志冰、劉曉宇，2019，“基金業績歸因與投資者行為”，《金融研究》，第2期，第188-206頁。

劉雯、曹思未、葉靜怡，2020，“社會網絡與高校專利技術成果轉移”，《世界經濟》，第9期，第173-192頁。

陸蓉、孫欣鈺，2021，“機構投資者概念股偏好與股市泡沫騎乘”，《中國工業經濟》，第3期，第174-192頁。

宋玉、沈吉、范敏虹，2012，“上市公司的地理特征影響機構投資者的持股決策嗎？——來自中國證券市場的經驗證據”，《會計研究》，第7期，第72-79+97頁。

蘇昕、周升師，2019，“雙元性創新與企業競爭地位——來自中國上市企業的經驗數據”，《南方經濟》，第5期，第52-77頁。

譚松濤、傅勇，2009，“管理層激勵與機構投資者持股偏好”，《中國軟科學》，第7期，第109-114頁。

田澍、林樹、俞喬，2012，“新興市場環境下機構投資者投資行為——基于中國大陸資本市場的研究”，《金融研究》，第8期，第139-151頁。

王鳳彬、陳建勛、楊陽，2012，“探索式與利用式技術創新及其平衡的效應分析”，《管理世界》，第3期，第96-112頁。

巫景飛、何大軍、林（日韋）、王云，2008，“高層管理者政治網絡與企業多元化戰略：社會資本視角——基于我國上市公司面板數據的實證分析”，《管理世界》，第8期，第107—118頁。

姚頤、劉志遠、相二衛，2011，“中國基金在投資中是否追求了價值？”，《經濟研究》，第12期，第45-58頁。

翟淑萍、繆晴、甦葉，2022，“‘同治還是‘同謀：機構投資者抱團與企業違約風險”，《南方經濟》，第12期，第42-59頁。

張小茜、孫璐佳，2017，“抵押品清單擴大、過度杠桿化與企業破產風險——動產抵押法律改革的‘雙刃劍效應”，《中國工業經濟》，第7期，第175-192頁。

張宗新、楊通旻，2014，“盲目炒作還是慧眼識珠？——基于中國證券投資基金信息挖掘行為的實證分析”，《經濟研究》，第7期，第138-150+164頁。

周方召、潘婉穎、傅亞靜，2021，“上市公司技術創新與異質性機構投資者持股偏好”，《軟科學》，第4期，第91-98頁。

Aghion， P.， Van Reenen， J. and Zingales， L.， 2013， “Innovation and Institutional Ownership”， American Economic Review， 103（1）： 277-304.

Amihud， Y， 2002， “Illiquidity and Stock Returns： Cross-Section and Time-Series Effects”， Journal of Financial Markets， 5（1）： 31-56.

Ang， A.， Hodrick， R. J.， Xing， Y. and Zhang， X. Y.， 2006， “The Cross‐Section of Volatility and Expected Returns”， The Journal of Finance， 61（1）： 259-299.

Atanassov， J. and Liu， X. D.， 2020， “Can Corporate Income Tax Cuts Stimulate Innovation？”， Journal of Financial and Quantitative Analysis， 55（5）： 1415-1465.

Bernile， G.， Kumar， A. and Sulaeman， J.， 2015， “Home away from Home： Geography of Information and Local Investors”， The Review of Financial Studies， 28（7）： 2009-2049.

Bushee， B. J.， Carter， M. E. and Gerakos， J.， 2014， “Institutional Investor Preferences for Corporate Governance Mechanisms”， Journal of Management Accounting Research， 26（2）： 123-149.

Bushee， B. J.， Goodman， T. H. and Sunder， S. V.， 2019， “Financial Reporting Quality， Investment Horizon， and Institutional Investor Trading Strategies”， The Accounting Review， 94（3）： 87-112.

Erickson， T.， Jiang， C. H. and Whited， T. M.， 2014， “Minimum Distance Estimation of the Errors-In-Variables Model Using Linear Cumulant Equations”， Journal of Econometrics， 183（2）： 211-221.

Fama， E. F. and French， K. R.， 1993， “Common Risk Factors in the Returns on Stocks and Bonds”， Journal of Financial Economics， 33（1）： 3-56.

Fitzgerald， T.， Balsmeier， B.， Fleming， L. and Manso， G.， 2021， “Innovation Search Strategy and Predictable Returns”， Management Science， 67（2）： 1109-1137.

Gu， F.， 2005， “Innovation， Future Earnings， and Market Efficiency”， Journal of Accounting， Auditing & Finance， 20（4）： 385-418.

He， Z. L. and Wong， P. K.， 2004， “Exploration vs. Exploitation： An Empirical test of The Ambidexterity Hypothesis”， Organization Science， 15（4）： 481-494.

Hirshleifer， D.， Hsu， P. H. and Li， D. M.， 2013， “Innovative Efficiency and Stock Returns”， Journal of Financial Economics， 107（3）： 632-654.

Jia， N.， 2018， “Corporate Innovation Strategy and Stock Price Crash Risk”， Journal of Corporate Finance， 53： 155-173.

Jia， N.， 2017， “Corporate Innovation Strategy， Analyst Forecasting Activities and the Economic Consequences”， Journal of Business Finance & Accounting， 44（5-6）： 812-853.

Kogan， L.， Papanikolaou， D.， Seru， A. and Stoffman， N.， 2017， “Technological Innovation， Resource Allocation， and Growth”， The Quarterly Journal of Economics， 132（2）： 665-712.

Kuchler， T.， Li， Y.， Peng， L.， Stroebel， J. and Zhou， D. X.， 2022， “Social Proximity to Capital： Implications for Investors and Firms”， The Review of Financial Studies， 35（6）：2743-2789.

Lee， C. M. C.， Sun， S. T.， Wang， R. and Zhang， R.， 2019， “Technological Links and Predictable Returns”， Journal of Financial Economics， 132（3）： 76-96.

Litov， L. P.， Moreton， P. and Zenger， T. R.， 2012， “Corporate Strategy， Analyst Coverage， and the Uniqueness Paradox”， Management Science， 58（10）： 1797-1815.

Liu， J. N.， Stambaugh， R. F. and Yuan， Y.， 2019， “Size and Value in China”， Journal of Financial Economics， 134（1）： 48-69.

March， J. G.， 1991， “Exploration and Exploitation in Organizational Learning”， Organization Science， 2（1）： 71-87.

McLemore， P.， Sias， R. W.， Wan， C. and Yüksel， H. Z.， 2022， “Active Technological Similarity and Mutual Fund Performance”， Journal of Financial and Quantitative Analysis， 57（5）：1862-1884.

Raimondo， C.， 2019， “The Media and The Financial Markets： A Review”， Asia-Pacific Journal of Financial Studies， 48（2）： 155-184.

Uotila， J.， Maula， M.， Keil， T. and Zahra， S. A.， 2009， “Exploration， Exploitation， and Financial Performance： Analysis of S&P 500 Corporations”， Strategic Management Journal， 30（2）： 221-231.

Corporate Innovation Focus and Institutional Investor Ownership：

Evidence from Listed Firm Patent Classification Number Data

Wang Zhiqiang Yang Gaofei Xiong Haifang

Abstract： Innovation strategies play an important leading role in a companys technological innovation process， and the innovation strategies preferred by different companies vary significantly. The identification of innovation strategy differences usually requires the analysis of unstructured non-financial information such as company product types and technology patents， and the average market investor is generally not capable of correctly processing this complex information in a timely manner. It was found that the superior understanding of information related to technological innovation of companies by investment managers of professional institutions enables them to select undervalued outperforming stocks and thus achieve better investment performance， so institutional investors have the ability and will spend some cost to process and understand this information. However， there is little literature on whether institutional investors pay attention to differences in firm innovation strategies when making investment decisions. This paper explores the relationship between firm innovation focus and institutional investors stock ownership decisions by constructing an innovation focus indicator that measures differences in firm innovation strategies.

Based on the data of invention patent classification numbers of A-share listed companies from 2007 to 2019， this paper constructs an innovation focus index to measure the differences of companies innovation strategies and investigates the relationship between companies innovation focus and institutional investors‘ shareholding decisions. The results find that the higher the innovation focus of a company， the more the number of institutional investors shareholdings and the higher the shareholding ratio. The mechanism analysis shows that the higher the innovation focus of a company， the more profitable it is， the lower the risk of bankruptcy， and the more likely it is to be undervalued by the market， with higher surplus surprises and excess expected returns and lower volatility risk. Further， we construct the innovation focus variables and fund performance measures for the fund portfolio using the equity position data of open-end active public equity funds， and find that the higher the innovation focus of the fund portfolio， the better the future performance of the fund， indicating that the “smart money effect” is the main motivation for institutional investors to prefer holding companies with higher innovation focus. The empirical evidence in this paper is useful for understanding the relationship between differences in firms “innovation strategies and institutional investors” shareholding decisions， and has important practical implications for firms to adjust their innovation strategies to attract capital.

Keywords： Institutional Investors； Innovation Strategy； Innovation Focus； Smart Money Effect

（責任編輯：柳陽）

*王志強，東北財經大學金融學院，E-mail：wangzhiqiang@dufe.edu.cn，通訊地址：遼寧省大連市沙河口區尖山街217號，郵編：116025；楊高飛（通訊作者），百瑞信托有限責任公司博士后科研工作站，E-mail：yanggaofei626@163.com，通訊地址：河南省鄭州市鄭東新區商務外環路10號中原廣發金融大廈22層，郵編：450018；熊海芳，東北財經大學金融學院，E-mail：dahai229@163.com。作者文責自負。

基金項目：本文受國家自然科學基金面上項目（71873023）“股市極端波動中流動性螺旋的微觀機制與治理研究”、2022年度遼寧省教育廳基本科研項目（LJKMR20221589）“機構投資者對上市公司質量實際影響的同群效應研究”資助。

1限于篇幅，實證結果并未展示，備索。

2參考相關文獻的做法（Kuchler et al.，2022），使用中位數將連續型變量公司創新專注度轉為離散型虛擬變量，以增加文章實證分析穩健性。

1關于CH4因子定價模型的因子數據來自于Robert F. Stambaugh的網站：https：//finance.wharton.upenn.edu/～stambaug/。