田雅婧

【摘要】企業(yè)創(chuàng)新作為具有高風(fēng)險與信息不對稱性的內(nèi)部活動，究竟會對股價崩盤風(fēng)險與股價特質(zhì)性波動產(chǎn)生怎樣的影響，已有研究并未得出一致結(jié)論。本文以2007～2017年非金融類A股上市公司為樣本，探究企業(yè)創(chuàng)新投入對于股價崩盤風(fēng)險和股價特質(zhì)性波動的作用效果。OLS回歸結(jié)果表明，企業(yè)創(chuàng)新投入顯著降低了股價崩盤風(fēng)險，同時提高了企業(yè)特質(zhì)性波動。為解決內(nèi)生性問題，本文使用雙重差分模型（DID）對因果關(guān)系進行檢驗。研究發(fā)現(xiàn)，相比于不符合研發(fā)支出加計扣除政策條件的企業(yè)，符合這一政策條件的企業(yè)在政策實施后的股價崩盤風(fēng)險顯著下降，特質(zhì)性波動顯著上升，與OLS回歸結(jié)果一致。上述結(jié)論在PSM-DID等多項穩(wěn)健性測試中保持一致。本文研究對于上市公司加強研發(fā)信息披露，投資者優(yōu)化投資決策，以及政府部門完善資本市場制度均具有重要啟示。

【關(guān)鍵詞】創(chuàng)新投入；崩盤風(fēng)險；特質(zhì)性波動；雙重差分

【中圖分類號】F812；F832；F275

一、引言

“防范系統(tǒng)性金融風(fēng)險”與“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”是近年來黨和國家在各項重大會議、報告中反復(fù)提及的熱點詞匯。2019年2月22日，習(xí)近平總書記在主持中共中央政治局第十三次集體學(xué)習(xí)時提出：“防范化解金融風(fēng)險特別是防止發(fā)生系統(tǒng)性金融風(fēng)險，是金融工作的根本性任務(wù)”。這一根本性任務(wù)的提出，不僅指明了我國資本市場今后的目標(biāo)，同時也從側(cè)面反映了我國資本市場近年來存在的風(fēng)險與隱憂。事實上，自2015年8月至2018年7月，我國資本市場累計發(fā)生“千股跌?！爆F(xiàn)象18次，防范系統(tǒng)性風(fēng)險、加強投資者理性投資、完善資本市場制度等各項工作迫在眉睫。2019年3月5日，國務(wù)院總理李克強在發(fā)布的2019年國務(wù)院政府工作報告中提出，“過去一年，我國深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，創(chuàng)新能力和效率進一步提升。”

然而，結(jié)合已有研究對于企業(yè)創(chuàng)新活動特點的總結(jié)，“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”所帶來的“高風(fēng)險”，似乎與“防范系統(tǒng)性金融風(fēng)險”的根本性任務(wù)背道而馳：企業(yè)創(chuàng)新活動因其長周期、高投入、信息不對稱性強的特點，普遍被認為具有高風(fēng)險的特性。上市公司積極從事研發(fā)活動，落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，似乎會進一步加強信息不對稱，導(dǎo)致股價崩盤風(fēng)險提高、特質(zhì)性波動降低。那么，我們不禁產(chǎn)生疑問：“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”在實踐中究竟有沒有導(dǎo)致股價崩盤風(fēng)險的提升與特質(zhì)性波動的下降，其政策效應(yīng)真的與“防范金融風(fēng)險”的目標(biāo)相悖嗎？

本文緊密結(jié)合我國“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”與“防范金融風(fēng)險”兩大政策焦點，以2007～2017年我國A股上市公司為樣本，探究企業(yè)創(chuàng)新投入對于股價崩盤風(fēng)險和股價特質(zhì)性波動的作用效果。OLS回歸結(jié)果顯示，企業(yè)創(chuàng)新投入顯著降低了股價崩盤風(fēng)險，同時提高了特質(zhì)性波動，“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”并未阻礙“防范金融風(fēng)險”的根本性任務(wù)。為解決已有研究中企業(yè)創(chuàng)新活動與股價崩盤風(fēng)險、股價特質(zhì)性波動存在的內(nèi)生性問題，本文基于財政部、國家稅務(wù)總局、科技部于2015年聯(lián)合發(fā)布的《關(guān)于完善研究開發(fā)費用稅前加計扣除政策的通知》作為外生政策沖擊，使用雙重差分模型（DID）對因果關(guān)系進行檢驗。研究發(fā)現(xiàn)，相比于不符合研發(fā)投入加計扣除政策條件的企業(yè)，符合這一政策條件的企業(yè)在政策實施后的股價崩盤風(fēng)險顯著下降，特質(zhì)性波動顯著上升，與上述OLS回歸結(jié)果一致。上述結(jié)論在使用基于傾向得分匹配的雙重差分模型（PSM-DID）、更換自變量定義等多種穩(wěn)健性檢驗中依然成立。本文研究較好地解決了創(chuàng)新投入與資本市場反應(yīng)之間的內(nèi)生性問題，為探討股價崩盤風(fēng)險和股價特質(zhì)性波動提供了新的視角，為維護資本市場穩(wěn)定健康發(fā)展提供了新的思路。

二、文獻綜述與理論分析

（一）創(chuàng)新與股價崩盤風(fēng)險

股價崩盤風(fēng)險不僅加大投資者的投資風(fēng)險，且不利于維護資本市場健康穩(wěn)定發(fā)展，受到監(jiān)管者、投資者和學(xué)術(shù)界的廣泛關(guān)注。部分研究表明，管理者存在隱瞞壞消息、釋放好消息的傾向，而當(dāng)壞消息累積到一定程度，集中釋放出來時，會對公司股價造成巨大的負面沖擊（Jin和Myers，2006；Hutton等，2009）。近年來，我國政府出臺了研發(fā)支出加計扣除等一系列鼓勵企業(yè)開展創(chuàng)新活動的政策，我國企業(yè)研發(fā)投入隨之不斷增加，且企業(yè)創(chuàng)新活動具有一定的信號作用，然而鮮有學(xué)者探究企業(yè)創(chuàng)新對于股價崩盤風(fēng)險的影響（周銘山等，2017）。

已有研究關(guān)于創(chuàng)新對股價崩盤風(fēng)險影響的結(jié)論并不一致。一方面，企業(yè)創(chuàng)新活動所具有的高風(fēng)險、長周期、高信息不對稱性的特點，使得市場中的投資者對于企業(yè)創(chuàng)新活動的信息掌握不足，因此加劇了股價崩盤風(fēng)險。創(chuàng)新投入越多的企業(yè)，其高管通常不愿意向外部投資者提供過多關(guān)于企業(yè)創(chuàng)新情況的信息，因此該企業(yè)往往具有更高的股價崩盤風(fēng)險（Kim和Zhang，2016）。此外，近年來政府頒布一系列創(chuàng)新補貼和優(yōu)惠政策，進一步強化了投資者投資創(chuàng)新型企業(yè)股票的信心（韓乾和洪永淼，2014），推升股價進而增加股價崩盤風(fēng)險（Xu等，2013）。另一方面，也有部分研究表明創(chuàng)新投入可以有效抑制股價崩盤風(fēng)險。投資者往往對高創(chuàng)新投入的企業(yè)更加關(guān)注，增加了對企業(yè)的信息解讀效率，提高了股價信息含量，進而降低了股價崩盤風(fēng)險（Hutton等，2009）。周銘山等（2017）從“投資者關(guān)注”的角度對創(chuàng)業(yè)板上市公司展開研究，發(fā)現(xiàn)創(chuàng)新投入越多，股價崩盤風(fēng)險越低。

關(guān)于創(chuàng)新和股價崩盤風(fēng)險，已有研究的局限性在于：一方面，創(chuàng)新和股價崩盤風(fēng)險之間存在的內(nèi)生性問題并沒有得到較好的解決，且兩者之間的正負相關(guān)關(guān)系并不明確，仍然存在較大爭議。另一方面，創(chuàng)新投入的數(shù)據(jù)存在偏差，已有研究通常將“研發(fā)費用”作為企業(yè)創(chuàng)新投入的金額，致使創(chuàng)新投入數(shù)據(jù)的完整性與準(zhǔn)確性存在不足?；谝陨戏治?，由于創(chuàng)新投入與股價崩盤風(fēng)險的關(guān)系不確定，本文提出以下對立假設(shè)：

H1a：企業(yè)創(chuàng)新投入越多，股價崩盤風(fēng)險越低；

H1b：企業(yè)創(chuàng)新投入越多，股價崩盤風(fēng)險越高。

（二）創(chuàng)新與股價特質(zhì)性波動

股價特質(zhì)性波動是由于企業(yè)異質(zhì)性的特點綜合影響而形成的股價波動。Ferreira 和Laux（2007）和Chen等（2007）等的研究表明特質(zhì)性波動是股價中公司信息含量的代理變量，股價特質(zhì)性波動越大，表明股價中包含公司更多的特質(zhì)信息。已有研究從公司特質(zhì)信息角度出發(fā)，探究了諸多股價特質(zhì)性波動的影響因素，包括公司自身經(jīng)營風(fēng)險、財務(wù)風(fēng)險、會計信息質(zhì)量等。創(chuàng)新作為公司的一項重要特質(zhì)信息，會向外釋放信號，影響投資者的決策，對股價特質(zhì)性波動造成影響，而創(chuàng)新對股價特質(zhì)性波動的影響具有不確定性。

對于高新技術(shù)企業(yè)而言，其技術(shù)創(chuàng)新水平等非財務(wù)信息比財務(wù)信息更加吸引投資者關(guān)注，成為證券基本面分析的重要依據(jù)（徐欣等，2016）。一方面，企業(yè)的創(chuàng)新活動所需資金量大，成本高昂，且結(jié)果具有高度的不確定性，使得企業(yè)現(xiàn)金流和收益波動性加大，進而增加了股票的異質(zhì)性風(fēng)險，可能使股價特質(zhì)性波動增加；另一方面，企業(yè)的創(chuàng)新活動一旦成功，將帶來可觀的收益和現(xiàn)金流，若企業(yè)的創(chuàng)新績效一直維持在較高水平，且信息透明度較高，投資者可以合理預(yù)期到企業(yè)的創(chuàng)新投入將產(chǎn)生較為穩(wěn)定的回報，股票的異質(zhì)性風(fēng)險將被降低，股價特質(zhì)性波動可能減?。ê饬Γ?016）。

基于以上分析，由于創(chuàng)新投入與股價特質(zhì)性波動的關(guān)系不確定，本文提出以下對立假設(shè)：

H2a：企業(yè)創(chuàng)新投入越多，股價特質(zhì)性波動越??；

H2b：企業(yè)創(chuàng)新投入越多，股價特質(zhì)性波動越大。

（三）DID外生事件——研發(fā)支出加計扣除政策

財政部、國家稅務(wù)總局、科技部于2015年聯(lián)合發(fā)布的《關(guān)于完善研究開發(fā)費用稅前加計扣除政策的通知》（財稅[2015]119號）規(guī)定，企業(yè)開展研發(fā)活動中實際發(fā)生的研發(fā)費用，未形成無形資產(chǎn)計入當(dāng)期損益的，在按規(guī)定據(jù)實扣除的基礎(chǔ)上，按照本年度實際發(fā)生額的50%，從本年度應(yīng)納稅所得額中扣除；形成無形資產(chǎn)的，按照無形資產(chǎn)成本的150%在稅前攤銷，并將允許加計扣除研發(fā)費用的范圍進一步細化，使其與高新技術(shù)企業(yè)的研發(fā)費用口徑更加匹配。此外，該政策中規(guī)定，不適用稅前加計扣除政策的行業(yè)包括：煙草制造業(yè)；住宿和餐飲業(yè)；批發(fā)和零售業(yè)；房地產(chǎn)業(yè)；租賃和商務(wù)服務(wù)業(yè)；娛樂業(yè)；財政部和國家稅務(wù)總局規(guī)定的其他行業(yè)，形成了具有說服力的實驗組與對照組。2015年研發(fā)支出加計扣除政策對政策適用行業(yè)的企業(yè)創(chuàng)新投入可能產(chǎn)生更大的影響，促使其開展更多的研發(fā)活動。

本文選取2015年研發(fā)支出加計扣除政策為外生事件，將政策適用行業(yè)的企業(yè)作為實驗組，將其他行業(yè)企業(yè)作為控制組，運用雙重差分模型，研究企業(yè)創(chuàng)新活動對股票流動性和股價波動性的影響。

三、研究設(shè)計

（一）樣本選擇及數(shù)據(jù)來源

本文選取2007～2017年中國境內(nèi)非金融類A股上市公司為研究樣本，本文基于企業(yè)年報中董事會報告披露的企業(yè)研發(fā)投入、財務(wù)報表附注中“管理費用”、“研發(fā)支出”兩個科目明細，手工補充企業(yè)研發(fā)投入數(shù)據(jù)。為消除極端值影響，對所有連續(xù)變量進行了上下1%的Winsorize處理。本文所用數(shù)據(jù)來源于國泰安經(jīng)濟金融研究數(shù)據(jù)庫（CSMAR）、銳思數(shù)據(jù)庫（Resset）和同花順數(shù)據(jù)庫。

（二）模型設(shè)計

1.OLS回歸

本文首先采用普通OLS回歸考察創(chuàng)新與股價崩盤風(fēng)險、股價特質(zhì)性波動的關(guān)系，構(gòu)建模型（1）與模型（2）分別進行探究：

其中，NCSKEW和DUVOL是股價崩盤風(fēng)險衡量指標(biāo)，值越大，代表股價崩盤風(fēng)險越高；Idio1和Idio2用于衡量股價特質(zhì)性波動，數(shù)值越大，股價特質(zhì)性波動越大。RD表示企業(yè)的創(chuàng)新投入。此外，本文選用公司規(guī)模（Size）、盈利能力（ROA）、財務(wù)杠桿（Lev）、成長性（BtoM）、是否二職合一（Duality）、上市交易所（Listexg）、產(chǎn)權(quán)性質(zhì)（SOE）等公司研究領(lǐng)域常用變量作為控制變量，同時控制年度固定效應(yīng)與行業(yè)固定效應(yīng)。變量定義如表1所示。

2.DID模型構(gòu)建

2015年研發(fā)支出加計扣除政策列出“負面清單”，明確了政策不適用的行業(yè)，并將研發(fā)費用的口徑細化，使之和高新技術(shù)企業(yè)研發(fā)支出的口徑更加匹配，將對高新技術(shù)企業(yè)的創(chuàng)新投入產(chǎn)生更大的促進作用。因此，本文根據(jù)行業(yè)性質(zhì)劃分實驗組和控制組，令適用行業(yè)企業(yè)為實驗組，令非適用行業(yè)企業(yè)為控制組，運用雙重差分模型，考察2015年研發(fā)支出加計扣除政策實施后，創(chuàng)新投入的增加是否帶來股價崩盤風(fēng)險與股價特質(zhì)性波動的顯著變化，研究模型如下：

四、實證結(jié)果分析

（一）描述性統(tǒng)計

表2列示了描述性統(tǒng)計結(jié)果。股價崩盤風(fēng)險指標(biāo)NCSKEW均值為-0.151，中位數(shù)為-0.618；DUVOL均值為-0.08，中位數(shù)為-0.13，均值略大于中位數(shù)，崩盤風(fēng)險呈現(xiàn)出輕微右偏的特征。股價特質(zhì)性波動指標(biāo)Idio1均值為0.0236，中位數(shù)為0.0224；Idio2均值為0.0264，中位數(shù)為0.0247，股價特質(zhì)性波動基本呈正態(tài)分布。企業(yè)創(chuàng)新投入指標(biāo)RD均值為0.0211，中位數(shù)為0.0164，均值大于中位數(shù)，創(chuàng)新投入呈右偏狀態(tài)，高創(chuàng)新投入的企業(yè)占比仍然較少，創(chuàng)新投入的整體水平偏低。

（二）多元回歸分析

表3為普通最小二乘法回歸結(jié)果，觀察表格第1列和第2列可以發(fā)現(xiàn)，RD系數(shù)顯著為負，企業(yè)創(chuàng)新投入與股價崩盤風(fēng)險負相關(guān)，企業(yè)創(chuàng)新投入越多，股價崩盤風(fēng)險越低，且對于兩個崩盤風(fēng)險指標(biāo)NCSKEW和DUVOL，RD的系數(shù)均在1%的水平上顯著為負，驗證了假設(shè)H1a。表3的第3列和第4列顯示，企業(yè)創(chuàng)新投入和股價特質(zhì)性波動正相關(guān)，企業(yè)創(chuàng)新投入越多，股價特質(zhì)性波動越高，股價中包含更多的公司特質(zhì)信息，驗證了假設(shè)H2b。對于兩個股價特質(zhì)性波動指標(biāo)Idio1和Idio2，RD的系數(shù)均在1%的水平上顯著為正。為避免內(nèi)生性問題，本文對自變量和除年份、行業(yè)外的控制變量進行了滯后一期處理。

表4為DID模型回歸結(jié)果，表格第1列和第2列顯示，交乘項Post*Treat的系數(shù)均顯著為負，表明2015年研發(fā)支出加計扣除政策實施后，股價崩盤風(fēng)險顯著降低，即創(chuàng)新投入對股價崩盤風(fēng)險具有抑制作用。表格第3列和第4列顯示交乘項Post*Treat的系數(shù)均顯著為正，表明政策實施后，公司股價特質(zhì)性波動顯著增大，也即創(chuàng)新投入越高，股價特質(zhì)性波動越大。上述結(jié)果表明OLS回歸結(jié)論具有穩(wěn)健性。

五、穩(wěn)健性檢驗

上文中OLS回歸使用的創(chuàng)新投入指標(biāo)RD以總資產(chǎn)作為分母來消除規(guī)模效應(yīng)（李萬福等，2017），此處使用營業(yè)收入消除規(guī)模效應(yīng)，生成創(chuàng)新投入指標(biāo)RD_R來進行穩(wěn)健性檢驗，回歸結(jié)果如表5所示。觀察發(fā)現(xiàn)，因變量為股價崩盤風(fēng)險時，RD_R的系數(shù)顯著為負，當(dāng)因變量為股價特質(zhì)性波動時，RD_R的系數(shù)顯著為正，結(jié)論與上述 OLS回歸結(jié)果一致。

為了使實驗組和對照組更加具有可比性，并驗證上述研究結(jié)論的穩(wěn)健性，本文進一步使用傾向性得分匹配法（PSM）對二者進行了匹配，而后采用雙重差分模型（DID）進行檢驗，回歸結(jié)果如表6所示。觀察表6發(fā)現(xiàn)，第1列和第2列交乘項系數(shù)仍然顯著為負，第3列和第4列交乘項系數(shù)仍然顯著為正，再次驗證了創(chuàng)新投入越多，股價崩盤風(fēng)險越低，而股價特質(zhì)性波動越大的結(jié)論。

六、研究結(jié)論及建議

本文以2007～2017年非金融類A股上市公司為樣本，首先采用OLS回歸探究了企業(yè)創(chuàng)新投入與股價崩盤風(fēng)險以及股價特質(zhì)性波動的關(guān)系；其次，借助2015年發(fā)布實施研發(fā)支出加計扣除政策這一外生事件，運用雙重差分模型（DID）進一步驗證了企業(yè)創(chuàng)新投入與資本市場反應(yīng)之間的關(guān)系。研究發(fā)現(xiàn)，企業(yè)創(chuàng)新投入越多，股價崩盤風(fēng)險越小，而股價特質(zhì)性波動越大。該結(jié)果表明，企業(yè)創(chuàng)新投入增加使得股價中包含了更多的公司特質(zhì)信息，提高了股價信息含量，而不至于使“壞消息”長期隱藏，降低了未來發(fā)生崩盤的可能性。此外，本文采用傾向性得分匹配法（PSM-DID）等方法進行了穩(wěn)健性檢驗，結(jié)論依然穩(wěn)健。本文研究較好地解決了創(chuàng)新投入與資本市場反應(yīng)之間的內(nèi)生性問題，為探討股價崩盤風(fēng)險和股價特質(zhì)性波動提供了新的視角，為維護資本市場穩(wěn)定健康發(fā)展提供了新的思路。

根據(jù)研究結(jié)論，本文提出以下政策建議：首先，企業(yè)應(yīng)增加創(chuàng)新投入，加強研發(fā)信息披露，提升公司信息透明度。雖然創(chuàng)新活動具有高度不確定性，但最有可能培育出企業(yè)的核心競爭力，如前文所述，高創(chuàng)新投入的企業(yè)更容易獲得投資者的關(guān)注，最終提升信息效率，降低股價崩盤風(fēng)險。其次，政府需進一步加強市場監(jiān)管，讓“好消息”和“壞消息”都能及時在資本市場得到反饋，避免風(fēng)險的累積。同時，應(yīng)進一步加強金融風(fēng)險監(jiān)控，建立風(fēng)險預(yù)警機制，及時發(fā)現(xiàn)風(fēng)險并化解風(fēng)險。最后，投資者應(yīng)充分關(guān)注企業(yè)創(chuàng)新信息，合理評估投資風(fēng)險，優(yōu)化投資決策。

主要參考文獻：

[1]Jin L.，and S.C.Myers.R2 around The World： New Theory and New Tests[J].Journal of Financial Economics，2006（2）： 257-292.

[2]Hutton A.P.，and A.J.Marcus， and H.Tehranian.Opaque Financial Reports，R2，and Crash Risk[J].Journal of Financial Economics，2009（1）： 67-86.

[3]周銘山，張倩倩，楊丹.創(chuàng)業(yè)板上市公司創(chuàng)新投入與市場表現(xiàn)：基于公司內(nèi)外部視角[J].經(jīng)濟研究，2017（11）：135-149.

[4]Kim J.B.，and L.Zhang. Accounting Conversation and Stock Price Crash Risk： Firm-level Evidence[J]. Contemporary Accounting Research，2016（1）： 412-441.

[5]韓乾，洪永淼.國家產(chǎn)業(yè)政策、資產(chǎn)價格與投資者行為[J].經(jīng)濟研究，2014（12）：143-158.

[6]Xu N.，Jiang X.，Chan K.C.and Yi Z..Analyst Coverage，Optimism and Stock Price Crash Risk： Evidence from China[J].Pacific-Basin Finance Journal，2013（25）：217-239.

[7]Ferreira M.A.，Laux P.A.Corporate Governance， Idiosyncratic Risk，and Information Flow[J].Journal of Finance，2007（62）：951-989.

[8]Chen Q.，I.Goldstein and W.Jiang.Pricing Informativeness and Investment Sensitivity to Stock Price[J].Review of Financial Studies，2007（20）：619-650.

[9]徐欣，夏蕓，李春濤.企業(yè)自主研發(fā)、IPO折價與創(chuàng)新能力的信號效應(yīng)——基于中國創(chuàng)業(yè)板上市公司的實證研究[J].經(jīng)濟管理，2016（6）：71-85.

[10]衡力.技術(shù)創(chuàng)新、公司治理與股票特質(zhì)性風(fēng)險——基于制造業(yè)上市公司面板數(shù)據(jù)[D].合肥工業(yè)大學(xué)，2016.

[11]李萬福，杜靜，張懷.創(chuàng)新補助究竟有沒有激勵企業(yè)創(chuàng)新自主投資——來自中國上市公司的新證據(jù)[J].金融研究，2017（10）：130-145.

[12]Chen J.，H.Hong，and J.C.Stein.Forecasting Crashes： Trading Volume，Past Returns，and Conditional Skewness in Stock Prices.[J]Journal of Financial Economics，2001（ 61）： 345-381.

[13]Chang E.C.，Cheng J.W.，and Khorana，A.An examination of herd behavior in equity markets： An international perspective[J].Journal of Banking & Finance，2000（24）： 1651–1679.

[14]Bali T.G.and Cakici N.Idiosyncratic volatility and the cross section of expected returns[J].Journal of Financial and Quantitative Analysis，2008（43）： 29-58.

[15]Zhang chu A.Reexamination of the Causes of Timevaring Stock Return Volatilities[J].Journal of Finance and Quantitative Analysis，2010（3）： 663-684.