作为资本市场进一步对外开放的重大突破,A股纳入摩根士丹利公司(MSCI)新兴市场指数(下文简称A股入摩)对于我国金融改革开放起着举足轻重的作用。自2013年6月12日MSCI宣布启动对中国A股纳入MSCI新兴市场指数审议及征询工作起,A股就迈入了艰辛的入摩历程,四度冲击却三次折戟而回,最终于2017年6月21日取得成功。A股入摩成功不仅是我国资本市场国际化的现实需求,也为理论研究提出了新的命题。从资本市场层面来看,A股入摩会带来增量资金、估值效应以及国际化,将有益于加快推进我国资本市场的健康发展并助力于提升微观企业的治理水平。但是A股入摩是否会如政府和社会公众所期望的那样成功地与国际接轨,有效地推进国内市场的制度改革并改善企业的治理水平?如果存在该类效应,那么究竟是像强心剂一样“立竿见影”还是如水滴石穿般“厚积薄发”?这是本文需要重点关注的问题。
A股入摩所产生的特质信息必将成为分析师关注的焦点。分析师是资本市场重要的信息媒介(Healy和Palepu,2001),在结合自身专业技能对企业的公众信息进行专业化的高质量、高效率解读以及对私有信息的深度挖掘方面有其独到之处(Lang等,2003;Ramnath等,2008),为投资者献言献策是缓解资本市场信息不对称的重要机制。A股入摩会吸引更多的分析师加入(Bae等,2006),基于信息不对称理论,分析师关注的上升会增加企业的曝光率,传递给市场更多的私有信息(李琳和张敦力,2017),有利于降低信息不对称,改善市场信息治理与监管。因此,本文拟从分析师关注视角,考察A股入摩的信息治理效应。
鉴于此,本文以A股入摩正式宣布和A股入摩正式生效作为选取研究样本的切入点,对2017年6月21日A股入摩正式宣布的222只标的股与2018年6月1日A股入摩正式生效的226只标的股作为研究的初始样本,运用事件研究法,考察A股入摩的市场反应及其信息治理效应,研究结果表明:第一,A股入摩会吸引更多投资者进入,引起标的股市场反应表现为正。第二,A股入摩的信息治理效应主要表现为“厚积薄发”,即从长期而言,分析师关注程度越高的企业,其股票回报高于分析师关注程度低的企业,A股入摩使分析师关注缓解资本市场信息不对称的作用趋于显著。此外,A股入摩的信息治理效应在国有企业中表现得更为显著。进一步研究发现,在非“四大”审计分组与市场化进程滞后组中,A股入摩的信息治理效应在国有企业样本中的表现更为显著。
本文的贡献可能在于:首先,本文基于中国独特的制度环境,以中国现阶段资本市场转型面临的来自于微观治理的挑战为现实背景,考察了A股入摩的信息治理效应,本研究有利于我国资本市场信息治理的进一步完善,对有效实现我国资本市场国际化具有一定的启示和实践意义。其次,本文从分析师关注视角分析A股入摩的信息治理效应,试图揭示A股入摩对我国资本市场信息治理的作用,一定程度上丰富而后拓展了分析师研究文献。第三,本文进一步指出不同产权性质下信息治理效应的显著性差异及其研究结论,同时也为“新兴/转轨”经济背景下新兴资本市场发展导向的相关研究提供了基于宏微观的差异化证据。
二、制度背景与文献回顾作为中国资本市场改革开放的核心和关键内容之一,A股入摩的成功在一定程度上直接决定着资本市场的国际化接轨进程与微观企业的转型升级。A股入摩的成功主要会给国内资本市场带来两个变化。首先,资本市场对外开放进一步加强,A股入摩意味着中国资本市场进一步实现国际化(陶士贵和范佳奕,2018),资本市场开放和自由化有助于进一步推动金融发展、实现经济增长(Bekaert等,2005);资本市场国际化会重塑新兴市场资产定价的估值体系(Harvey,2001),更多的信息含量将纳入股价,实现合理定价(Malkiel和Fama,1970);韩国、中国台湾地区的经验表明,股票指数纳入MSCI新兴市场指数后,有助于实现本地市场与发达市场的融合从而实现与国际化接轨,长此以往有益于资本市场建设(杜玉林,2016)。
其次,借助摩根士丹利公司的业务影响力,A股所受国际关注度会大幅提升,会吸引更多境外投资者与分析师的加入。指数编制业务作为摩根士丹利公司的核心业务,全球绝大部分排名靠前的资产管理机构均为其客户,截至2017年底,约有5 700多家基金对MSCI指数进行了追踪。对于新兴市场而言,境外机构投资者理性的投资行为,有助于重塑新兴市场的投资理念,缓解“羊群效应”,降低股价同步性,稳定股价(Banerjee,1992;杨墨竹,2008;李江平,2018)。A股入摩及中国经济体量持续攀升的双重背景下,势必会引起国际范围内投资者与分析师对A股的关注。
中国正处于经济转型的进程中,资本市场的国际化与经济转型的现实状况相辅相成,具有双向推动的作用(何诚颖等,2013)。与此同时,在“新兴/转轨”制度背景下我国资本市场发展尚未成熟、法律制度对投资者保护较弱、金融体系尚未完备(Allen等,2005),A股入摩是否能够迎接资本市场国际化所带来的挑战,是否能够发挥资源配置功能的积极效应,是否能够实现资本市场对外开放预期的经济效益,仍有待商榷。因此,研究A股入摩带来的经济后果成为一个重要命题。
目前国内外与A股入摩直接相关的文献相对较少。Tu和Chang(2012)利用MSCI中国台湾指数,研究分析师对1999—2007年股票增加的反应,发现分析师对新增加股票的预测误差更小,且国际分析师比本地分析师预测更加准确。Hung和Shiu(2016)考察了MSCI中国台湾指数成分变化的市场反应,发现新增股票的异常收益率显著为正,被剔除股票的异常收益率显著为负,且境外投资者倾向于购买新增股票、出售被剔除股票。杜玉林(2016)以韩国股指入摩为例,考察新兴市场与发达市场的融合度,结果表明新兴市场的开放有助于双方市场的融合。李江平(2018)基于深股通交易前10名的标的股数据,研究A股入摩对A股价格波动的影响,实证发现A股入摩有利于稳定证券市场,建议资本市场应进一步对外开放。基于上述研究,本文将新兴市场中国的A股入摩来考察其信息治理效应,检验A股入摩对我国资本市场对外开放进程的影响,有助于丰富相关研究,提供政策支持及战略反思,具有较为深远的理论指导与实践意义。
三、理论分析与研究假设A股入摩不仅进一步加快了我国资本市场对外开放步伐,也引起了境内外投资者和其他利益相关者的广泛关注,并为A股市场的信息治理及信息监管水平的提升开创了有利条件。第一,A股入摩吸引投资者关注和增量资金流入,引致市场需求上涨。MSCI指数作为国际资本市场专业和权威指数,A股的加入不仅开放了外资对标的股的关注,也会带动国内投资者的加入,吸引国内外增量资金的流入将会推动市场需求上涨。从市场的供求关系来看,需求的上涨同步引致股价的攀升,投资者参与效应将会加大。
第二,A股入摩将更多的信息含量纳入股价,促成企业价值的被发现。A股入摩吸引了境外搜集和处理市场信息更为专业的投资机构,通过多方对标的股信息的挖掘,缓解了资本市场的信息不对称,使得更多有用的信息纳入到股价中。Bae等(2012)认为境外机构投资者有着更高的专业素养及知识资源去搜集和处理市场信息;钟覃琳和陆正飞(2018)认为沪港通作为内地市场与国际市场互联互通机制,实现境内外投资者双向开放将更多的信息含量纳入股价,有效提高了资本市场效率。考虑A股潜在的投资价值及“羊群效应”,离岸人民币等资本极有可能借助RQFII等机制回流A股市场,从而推动股票价格上升(陶士贵和范佳奕,2018)。因此,本文预期A股入摩会吸引更多投资者进入,吸引增量资金流入,改变市场的供求关系;同时,专业的境外机构通过对标的股票信息的挖掘,缓解上市企业信息不对称,促成企业价值的被发现。两者相辅相成,引起标的股市场反应表现为正。基于以上分析,本文提出以下假设:
H1:A股入摩会吸引更多投资者关注A股市场,引起标的股市场反应表现为正。
同一般散户投资者相比,证券分析师具有挖掘和分析上市企业信息的优势,并以自身的声誉影响投资者,通过缓解投资者和上市企业之间的信息不对称,对上市企业的信息披露具有一定的监督和治理效应。A股入摩作为我国资本市场的重大事件,首先,A股入摩会吸引更多分析师关注,并增加对标的上市企业信息的深度挖掘。A股入摩吸引了更多专业能力突出、国际化分析师的加入以及相应增加的追踪和信息挖掘(Bae等,2006),企业所受分析师关注越高,意味着企业的曝光率越高,更多与企业有关的私有信息将传递给外部市场(李琳和张敦力,2017),提高信息传播效率和转换效率(Easley和O’hara,2004),市场上的投资者将更快地得到信息并予以回应,并及时地反映在股票价格上,有益于缓解投资者与上市企业之间的信息不对称。随着分析师关注的增加,预测准确度提高,更多的分析师关注提高了企业价值(Lang等,2003),这表明更多的分析师关注能够有效解释被关注股票的价格波动与投资回报。
其次,境外投资者会寻求与分析师的合作,形成战略同盟,对标的上市企业的信息挖掘更加深入。境外机构投资者因其跨境外来性,在本地市场处于信息劣势地位(Choe等,2005),为高效率地整合信息资源以缓解对本地市场的信息劣势并博取高额回报,境外投资者与分析师的战略同盟有助于为己方做出优质的投资决策打下可靠的基础。考虑到A股入摩发生的时间较短,短期内进入国内资本市场的资金量有限,分析师关注和境外机构投资者等加入需要一定的时间和过程。随着境外机构投资者的涌入,高额回报的诱惑与已有优势的强强联合将促使其对微观企业的外部治理效用的有效发挥及其对于市场监管及交易制度的“查缺补漏”有所建树,有助于真实信息披露水平的提高(Chung等,2002;Hartzell和Starks,2003;段云和李菲,2014)。因此,本文预期A股入摩的信息治理效应不会“立竿见影”,而是主要表现为“厚积薄发”。基于以上分析,本文提出以下假设:
H2:从长期而言,分析师关注越高的企业,其股票回报高于分析师关注低的企业。
四、研究设计(一)事件及事件窗口
为考察A股入摩对资本市场的影响及其信息治理效应,本文运用事件研究法进行研究。首先,确定事件的事件日:A股入摩正式宣布日(2017年6月21日)和A股入摩正式生效日(2018年6月1日)。其次,为测算在A股入摩正式宣布和正式生效发生前股票的正常收益率,以事件日前20个交易日为起点,向前追溯90个交易日作为估计窗口。最后,为观测事件期内异常收益率与累积异常收益率,以事件日作为起点,向前后分别追溯和推延9个交易日,作为检验时间窗口的时窗长度。在两个事件的时间窗口跨度中,本文为了同时考察事件期内的变化,选取(−1,1)、(−3,3)、(−5,5)、(−9,9)这四个不同时间窗口进行相应的分析。
(二)异常收益率与累积异常收益率
异常收益率的估计,主要以个股收益率与正常收益率的差值来衡量。借鉴Kothari和Warner(2004)、袁显平和柯大钢(2006)等研究,本文采用应用最为广泛的市场模型进行正常收益率的测算。首先,在市场模型下,记录估计参数
${R_{i,t}} = {\alpha _i} + {\beta _i}{R_{mt}} + {\varepsilon _{i,t}}$ | (1) |
其中,
根据得到的估计参数
$A{R_{i,t}} = {R_{i,t}} - {\alpha _i} - {\beta _i}{R_{mt}}$ | (2) |
$CA{R_i}({t_1},{t_2}) = \sum\limits_{{t_1}}^{{t_2}} {A{R_{i,t}}} $ | (3) |
(三)样本选择与数据来源
本文依据A股入摩发生的时间线进行时间点梳理,并以A股入摩正式宣布和A股入摩正式生效作为选取样本的时间节点,对2017年6月21日A股入摩正式宣布的222只标的股与2018年6月1日正式生效的226只标的股分别进行手工整理,将其作为初始样本。根据以下标准进一步进行样本筛选:(1)剔除事件窗口期无连续交易行情的样本;(2)两个事件的估计窗口跨度均为90个交易日,当交易数据不足90个交易日时,将向前继续追溯15个交易日的数据用以补充数据,如果追溯15个交易日仍不足90个交易日,则将此样本剔除;(3)剔除相关数据缺失的样本。最终,A股入摩正式宣布的样本为199个,正式生效的样本为216个。其他财务数据均来源于国泰安数据库(CSMAR),对主要连续变量进行上下1%的Winsorize处理,数据处理均采用STATA软件。
(四)主要变量定义及模型设定
为了检验A股入摩的信息治理效应,本文建立了以下计量模型:
$\begin{aligned} CA{R_i}({t_1},{t_2}) \!= & {\alpha _0} \!+\! {\alpha _1}Coverag{e_i} \!+\! {\alpha _2}Salar{y_i} \!+\! {\alpha _3}Inpa{y_i} \!+\! {\alpha _4}P/{E_i} \!+\! {\alpha _5}Top{1_i} \!+\! {\alpha _6}Tobin{Q_i}\quad \\ & + {\alpha _7}Outsid{e_i} + {\alpha _8}Le{v_i} + {\alpha _9}Liq{u_i} + {\alpha _{10}}Marke{t_i} + {\alpha _{11}}Industry + \varepsilon \end{aligned} $ | (4) |
其中,被解释变量为市场反应,市场反应由累积异常收益率(CAR)确定;分析师关注(Coverage)采用分析师追踪数量予以衡量,但在稳健性检验中,本文采用研报数量(Report)来度量分析师关注。
在借鉴已有研究(Chen等,2007;佟岩等,2015;权小锋等,2017;张蕊和管考磊,2017;陈运森等,2018;李青原和黄威,2018;屈依娜和陈汉文,2018)的基础上,本文还控制了高管薪酬(Salary)、行业股利支付率(Indpay)、市盈率(P/E)、股权集中度(Top1)、托宾Q值(TobinQ)、是否境外审计(Outside)、资产负债率(Lev)、流动性(Liqu)、市场化进程(Market)与行业虚拟变量(Industry)等变量。
五、实证分析(一)描述性统计分析
表1是主要变量的描述性统计结果,Panel A是A股入摩正式宣布的结果,Panel B是A股入摩正式生效的结果。与Panel A的结果相比,Panel B中分析师关注(Coverage)的均值为22.028,中值为21,均有显著提升①,表明A股入摩正式宣布后,分析师对于标的股的关注有了显著的提升,更多的分析师参与了标的股的关注与追踪。Panel A和Panel B中控制变量的描述性结果存在一定差异,但整体上均与主流结果保持一致。
Panel A:A股入摩正式宣布 | ||||||
Var | N | Mean | Std. | Min | Median | Max |
Coverage | 199 | 14.523 | 8.977 | 1 | 12 | 46 |
Salary | 199 | 15.161 | 0.813 | 13.475 | 14.970 | 17.283 |
Indpay | 199 | 0.310 | 0.040 | 0.230 | 0.340 | 0.380 |
P/E | 199 | 42.494 | 97.610 | 6.359 | 20.601 | 1067.080 |
Top1 | 199 | 39.719 | 16.359 | 9.900 | 38.180 | 76.310 |
TobinQ | 199 | 1.113 | 1.145 | 0.136 | 0.660 | 7.454 |
Outside | 199 | 0.231 | 0.423 | 0 | 0 | 1 |
Lev | 199 | 0.604 | 0.220 | 0.147 | 0.640 | 0.942 |
Liqu | 199 | 0.772 | 0.238 | 0.100 | 0.840 | 1.000 |
Market | 199 | 0.628 | 0.485 | 0 | 1 | 1 |
Panel B:A股入摩正式生效 | ||||||
Var | N | Mean | Std. | Min | Median | Max |
Coverage | 216 | 22.028 | 12.508 | 1 | 21 | 68 |
Salary | 216 | 15.299 | 0.801 | 13.835 | 15.176 | 17.116 |
Indpay | 216 | 0.314 | 0.047 | 0.170 | 0.350 | 0.350 |
P/E | 216 | 26.711 | 24.328 | 6.359 | 20.272 | 192.797 |
Top1 | 216 | 38.420 | 16.964 | 10.450 | 37.155 | 74.180 |
TobinQ | 216 | 0.199 | 0.400 | 0 | 0 | 1 |
Outside | 216 | 1.499 | 1.898 | 0.136 | 0.762 | 11.072 |
Lev | 216 | 0.578 | 0.222 | 0.103 | 0.592 | 0.940 |
Liqu | 216 | 0.801 | 0.219 | 0.211 | 0.877 | 1.000 |
Market | 216 | 0.620 | 0.486 | 0 | 1 | 1 |
(二)A股入摩市场反应的检验
为全面考察A股入摩的市场反应及其治理效应,本文选取(−1,1)、(−3,3)、(−5,5)、(−9,9)四个不同跨度的事件窗口的日异常收益率AR与累积异常收益率CAR进行时间趋势分析。图1是A股入摩正式宣布期内不同时间跨度的AR与CAR趋势图,反映出股票市场对A股入摩正式宣布的事前、事后反应比较剧烈且波动较大,波动剧烈的原因可能在于:投资者通常依据自身所获得的信息持续调整预期,对自身投资行为进行不断修正。在A股入摩正式宣布前,鉴于前三次A股申摩的失败经验,市场中充斥着“看好”和“看衰”的信息,信息冲突导致投资者们对股价走势的预期不一致,产生了不同或者完全相反的投资行为,反映在股价的剧烈波动中。A股入摩正式宣布后,A股入摩已成既定事实,是我国资本市场对外开放的利好事件。随着信号传递和投资者参与度的上升,累积异常收益率CAR不断上涨,表现为“看好”的正向市场效应。
图2是A股入摩正式生效期内不同时间跨度的AR与CAR趋势图。与图1市场反应波动剧烈不同的是,市场对A股入摩正式生效的反应较小②,这可能是因为在A股入摩正式宣布发生后,A股入摩已成既定事实,市场已经逐步消化了A股入摩正式宣布所传递的特质信息带来的影响,所以A股入摩正式生效带来的市场反应并不那么显著。从图1和图2的CAR(−9,9)趋势图来看,A股入摩正式宣布和正式生效的发生均对股票市场产生了正向影响,表现为显著为正的累积异常收益;联系CAR(−1,1)与CAR(−3,3)的趋势图可知,2017年6月21日之后产生了明显的正的异常收益率和累积异常收益率,且累积异常收益率接近于2%;从时间趋势可见,A股入摩对股票市场收益率的影响是正向的。以上趋势说明,即便存在与国外制度的落差,境内外投资者的行为仍一致表达出对A股市场国际化的“看好”,积极的参与度提振了MSCI标的股的市场行情,市场反应表现为正,印证了假设1。
本文还对事件窗口内各天的异常收益率AR和累积异常收益率CAR是否显著异于0进行显著性检验。表2是A股入摩正式宣布和正式生效的AR显著性检验结果;表3是A股入摩正式宣布和正式生效的CAR均值及显著性检验结果。从表2可知,A股入摩正式宣布样本中,在T=−1、−2、−4、−5日,AR的T检验均表现出显著性但有正有负,说明事前信息冲突导致投资者投资行为的不一致,直接反应在股价的剧烈波动上。在T=0、1、2、3日,A股入摩正式宣布样本中的T值均表现出正向的显著性,结合表3中CAR的显著性检验结果,均值T检验均表现出在1%水平下的正向显著,这意味着A股入摩对股票市场收益率的影响是正向的,吸引了投资者的参与,并带动了标的股股价上涨,从而进一步支持了假设1。
事件日 | A股入摩正式宣布 | A股入摩正式生效 | |||
T值 | P值 | T值 | P值 | ||
AR−9 | 1.049 | 0.148 | −0.547 | 0.293 | |
AR−8 | 0.729 | 0.233 | −3.256 | 0.000 | |
AR−7 | 0.509 | 0.306 | 1.151 | 0.126 | |
AR−6 | −0.240 | 0.405 | −1.618 | 0.946 | |
AR−5 | −2.948 | 0.002 | 1.824 | 0.035 | |
AR−4 | −1.861 | 0.032 | 2.054 | 0.021 | |
AR−3 | 0.295 | 0.384 | −1.313 | 0.095 | |
AR−2 | 3.633 | 0.000 | 0.761 | 0.224 | |
AR−1 | −3.104 | 0.001 | 1.264 | 0.104 | |
AR0 | 4.713 | 0.000 | 0.842 | 0.200 | |
AR1 | 3.467 | 0.000 | −2.145 | 0.017 | |
AR2 | 2.860 | 0.002 | −0.664 | 0.254 | |
AR3 | 4.035 | 0.000 | −0.416 | 0.339 | |
AR4 | −0.963 | 0.168 | 0.515 | 0.304 | |
AR5 | −1.389 | 0.083 | −2.643 | 0.004 | |
AR6 | 0.572 | 0.284 | 1.714 | 0.044 | |
AR7 | −3.725 | 0.000 | 0.848 | 0.199 | |
AR8 | −2.429 | 0.008 | 0.684 | 0.248 | |
AR9 | −5.270 | 0.000 | 1.107 | 0.135 |
时间窗口 | 均值 | T值 | P值 | |
A股入摩正式宣布 | (−1,1) | 0.003 | 4.079 | 0.000 |
(−3,3) | 0.008 | 11.996 | 0.000 | |
(−5,5) | 0.004 | 5.789 | 0.000 | |
(−9,9) | 0.006 | 9.218 | 0.000 | |
A股入摩正式生效 | (−1,1) | 0.001 | 0.940 | 0.174 |
(−3,3) | −0.001 | −0.838 | 0.201 | |
(−5,5) | 0.003 | 3.260 | 0.001 | |
(−9,9) | −0.001 | −0.948 | 0.172 |
联合考察图2、表2及表3的结果,由于A股入摩已成既定事实,A股入摩正式生效并未对股票市场造成巨大冲击,其异常收益率及累积异常收益率波动均较小,在事前、事后并没有表现出剧烈波动;但累积收益率在(−5,5)窗口表现出正向的显著性,CAR(−9,9)趋势图中亦呈现出累积异常收益率在波动中逐步上升的趋势。A股入摩正式生效虽未表现出如同A股入摩正式宣布对市场带来的剧烈影响,但其整体上仍表现出相对正向的市场反应,进一步说明假设1是稳健的。
(三)A股入摩的信息治理效应
A股入摩的信息治理效应表现为“立竿见影”还是“厚积薄发”,本文的界定如下:若A股入摩正式宣布样本与A股入摩正式生效样本中分析师关注(Coverage)和累积异常收益率(CAR)均为显著正向关系,则定义为“立竿见影”;若A股入摩正式宣布样本中分析师关注和累积异常收益率的关系不显著,而A股入摩正式生效样本中两者的正向关系显著,则定义为“厚积薄发”。
表4是A股入摩的信息治理效应的检验结果。从表4来看,A股入摩正式宣布样本的结果显示,分析师关注(Coverage)只与CAR(−1,1)、(−3,3)呈显著正相关关系,其余并不显著;图1的CAR(−1,1)、(−3,3)趋势图中呈现出较为剧烈的累积异常收益率波动,这意味着在A股入摩正式宣布发生时,分析师关注只限于解释短期内剧烈的市场反应,而无法针对相对长期的市场反应形成有效解释,A股入摩的信息治理效应并未表现为“立竿见影”。但在A股入摩正式生效样本中,分析师关注(Coverage)均在1%或5%水平上与累积异常收益率CAR呈显著正相关关系,这意味着A股入摩吸引了众多的分析师参与关注与追踪标的股③,标的企业曝光率随之增加,他们提供的信息快速且有效被反映至股价当中。从长期而言,分析师关注越高的企业,其相应的股票回报也越高,A股入摩的信息治理效应并非是“立竿见影”,而是表现为“厚积薄发”,这一结果支持了假设2。
(四)稳健性检验
为保证研究结果的稳健性,本文进行了以下稳健性检验:(1)内生性检验。在借鉴Yu(2008)做法的基础上,同时考虑本文样本的特殊性,引入工具变量(Broker),其衡量方式为前一年该公司对外发布过研究报告的券商数目。第一阶段的回归结果显示工具变量(Broker)的系数在1%的显著性水平上显著,表明这不是一个弱工具变量,且前一年计算出来的券商数目应当与当期的随机误差项不相关,也不会同累积日常收益率产生双向因果效应,故该工具变量是有效的工具变量。在A股入摩正式宣布与正式生效样本中,其结果均与前文相一致,这说明结果是稳健的。(2)进一步将事件期进行扩展,相应地扩大窗口期,采用时间窗口为(−10,10)、(−12,12)、(−15,15)的累积异常收益(CAR)相应地放入模型进行回归分析检验,结果依然稳健,进一步支持了前文假设。(3)更换分析师关注变量,采用研报数量(Report)代替分析师跟踪数量(Coverage)进行回归,得到的结果与前文保持一致。(4)为了避免海内外同时上市公司样本所带来的影响,本文在回归模型中增加“是否海外上市公司(Overseas)”的控制变量,重新进行回归后所得结果与前文一致。
A股入摩正式宣布 | A股入摩正式生效 | ||||||||
CAR | (−1,1) | (−3,3) | (−5,5) | (−9,9) | (−1,1) | (−3,3) | (−5,5) | (−9,9) | |
Coverage | 0.001*** | 0.001*** | 0.000 | 0.000 | 0.001** | 0.001*** | 0.001*** | 0.001** | |
(2.84) | (2.81) | (−0.87) | (0.54) | (2.21) | (3.07) | (3.04) | (2.45) | ||
Salary | −0.001 | 0.003 | 0.004 | 0.004 | 0.001 | 0.003 | 0.008 | 0.009 | |
(−0.46) | (0.68) | (0.74) | (0.58) | (0.22) | (0.54) | (1.17) | (1.02) | ||
Indpay | −0.023 | −0.086 | −0.081 | −0.279 | 0.0920 | 0.278 | 0.339 | 0.489 | |
(−0.40) | (−0.79) | (−0.75) | (−1.54) | (0.45) | (0.77) | (0.82) | (1.04) | ||
P/E | −0.000*** | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | |
(−2.83) | (−1.52) | (0.18) | (−0.16) | (−0.03) | (−0.02) | (−1.39) | (−0.09) | ||
Top1 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.001 | |
(0.32) | (0.07) | (0.48) | (1.07) | (1.16) | (0.02) | (0.90) | (1.38) | ||
TobinQ | 0.002 | 0.001 | 0.002 | −0.007 | 0.009 | −0.006 | −0.004 | −0.003 | |
(0.41) | (0.15) | (0.42) | (−1.20) | (1.46) | (−0.78) | (−0.37) | (−0.21) | ||
Outside | −0.010** | −0.013** | −0.017** | −0.015 | 0.001 | 0.002 | 0.009** | 0.008* | |
(−2.49) | (−2.24) | (−2.43) | (−1.65) | (0.57) | (0.82) | (2.56) | (1.94) | ||
Lev | 0.000 | −0.038 | −0.002 | −0.022 | −0.009 | 0.000 | 0.044 | 0.067 | |
(0.00) | (−1.31) | (−0.05) | (−0.53) | (−0.40) | (−0.02) | (1.23) | (1.47) | ||
Liqu | −0.019* | −0.020 | 0.001 | 0.003 | 0.021 | 0.025 | 0.030 | 0.014 | |
(−1.96) | (−1.47) | (0.11) | (0.21) | (1.32) | (1.35) | (1.33) | (0.53) | ||
Market | 0.001 | −0.010* | −0.011 | −0.016 | 0.002 | 0.020** | 0.013 | 0.013 | |
(0.21) | (−1.67) | (−1.50) | (−1.63) | (0.33) | (2.09) | (1.15) | (0.95) | ||
Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | |
_cons | 0.029 | 0.018 | −0.017 | 0.071 | −0.111 | −0.179* | −0.316*** | −0.355** | |
(0.66) | (0.24) | (−0.22) | (0.67) | (−1.39) | (−1.80) | (−2.76) | (−2.52) | ||
R2 | 0.199 | 0.257 | 0.203 | 0.228 | 0.157 | 0.201 | 0.274 | 0.236 | |
N | 199 | 199 | 199 | 199 | 216 | 216 | 216 | 216 | |
注:回归结果均为最小二乘法的稳健标准误估计;***、**、*分别表示1%、5%和10%的显著性水平,括号中为t值。 |
一方面,在中国二元经济体制及国有企业混合所有制改革的大背景下,研究国企治理具有较高的理论与现实意义。相对于非国有企业,国有企业信息透明度更低(Hung等,2012;Fan等,2013)。随着资本市场对外开放的逐步推进,国有企业的治理环境亦会发生较大改变。有文献指出,在发达资本市场上市的企业,信息透明度更加高(Doidge等,2004;Khanna等,2004)。A股入摩带来我国资本市场的进一步对外开放与国际化接轨,那么私有信息更多的国有企业受到的影响会有多大?在国有企业混合所有制改革的现实背景下,本文基于产权性质差异进一步考察A股入摩对国有企业的信息治理效应。
(一)基于产权性质差异的初步检验
在中国独特的制度环境下,为保证国有企业更好地履行社会责任(Shleifer和Vishny,1994),政府对国有企业具有“父爱主义倾向”(周黎安,2004),政府通常会给予更多的补贴和支持,这是国有企业具有的天然优势。另一方面,因国有企业的产权界定不清与所有者缺位,导致管理层决策往往受大股东意愿影响(李志文和宋衍蘅,2003),股权集中度较高导致股权制衡失效(孙光国等,2015),具有独治化特征(戚聿东和张任之,2019),这也会造成国企更大的盈余管理动机以及更严重的代理问题(吴武清等,2017)。非国有企业往往受限于要素市场上禀赋资源争夺的天然劣势,例如融资渠道等的相对约束(Allen等,2005),力求以其较好的治理水平谋得生存与发展,以积极的态度披露高质量的信息达到政治寻租、降低税负等目的(Godfrey,2005;邹萍,2018),以更优秀的业绩来吸引投资者的资本投入。因此,从竞争压力与代理问题的双重层面来看,国有企业通常会保留更多的私有信息(Hung等,2012;Fan等,2013),而非国有企业往往会向市场上的参与者传递更多公开信息以博取生存空间与竞争优势,信息透明度较高。
一方面,A股入摩有助于深化资本市场的对外开放,随着更多的分析师、战略同盟对上市国有企业持续追踪及相应曝光率的增加(Bae等,2006;李琳和张敦力,2017;吴武清等,2017),大部分增量信息将会以更有效率的方式投入市场,逐渐形成市场倒逼机制,促成国有企业的信息治理。另一方面,分析师偏好于选择更多私有信息的企业进行关注和追踪,更多的公开信息反而会促使分析师放弃关注和追踪(Fischer等,2010)。与此相契合的是,私有信息较多的国有企业显然将成为分析师关注的焦点,且随着分析师群体的国际化,更为理性的分析手段将会对国有企业的基本面进行深刻剖析,原本潜藏于水面之下的“冰山”呈现给市场投资者的将不再是“一角”。因此,A股入摩的信息治理效应可能在国有企业中更为显著。
为进一步考察产权性质差异的影响,本文在模型(4)中加入了产权性质(Soe)变量、产权性质与分析师关注的交互变量(Soe×Coverage),建立了模型(5)予以研究:
$\begin{aligned} CA{R_i}({t_1},{t_2}) = & {\alpha _0} + {\alpha _1}Coverag{e_i} + {\alpha _2}So{e_i} + {\alpha _3}So{e_i} \times Coverag{e_i} + {\alpha _4}Salar{y_i} \\ & + {\alpha _5}Inpa{y_i} + {\alpha _6}P/{E_i} + {\alpha _7}Top{1_i} + {\alpha _8}Tobin{Q_i} + {\alpha _9}Outsid{e_i} + \\ & {\alpha _{10}}Le{v_i} + {\alpha _{11}}Liq{u_i} + {\alpha _{12}}Marke{t_i} + {\alpha _{13}}Industry + \varepsilon \end{aligned} $ | (5) |
其中,产权性质(Soe)以实际控制人性质来确定“国/非”,为了便于解释回归结果,本文将非国有企业定义为1,国有企业则定义为0,其余变量与模型(4)一致。
表5是考虑产权性质差异的A股入摩信息治理效应初步检验结果。从表5来看,A股入摩正式宣布样本的结果显示,分析师关注(Coverage)的表现仍与前文结果保持一致,进一步支持了假设2。分析师关注与产权性质的交互项(Soe×Coverage)仅与CAR(−1,1)、(−3,3)呈显著负相关关系,其余并不显著。A股入摩正式生效样本结果中,分析师关注与产权性质的交互项(Soe×Coverage)均在5%或10%水平上与累积异常收益率CAR呈显著负相关关系,这表明A股入摩的信息治理效应在国有企业样本中表现得更为显著,即分析师关注对国有企业股票回报的解释力度更大,即A股入摩的信息治理效应在国有企业中更为显著。
A股入摩正式宣布 | A股入摩正式生效 | ||||||||
CAR | (−1,1) | (−3,3) | (−5,5) | (−9,9) | (−1,1) | (−3,3) | (−5,5) | (−9,9) | |
Coverage | 0.001*** | 0.001*** | 0.000 | 0.001 | 0.001*** | 0.001*** | 0.002*** | 0.002*** | |
(3.93) | (4.07) | (−0.26) | (0.92) | (3.83) | (3.76) | (3.79) | (3.70) | ||
Soe | 0.024** | 0.038*** | 0.016 | 0.012 | 0.012 | 0.012 | 0.018 | 0.032 | |
(2.44) | (2.63) | (0.95) | (0.54) | (0.76) | (0.71) | (0.98) | (1.40) | ||
Soe×Coverage | −0.001* | −0.002*** | −0.001 | −0.001 | −0.001* | −0.001* | −0.002** | −0.003** | |
(−1.96) | (−2.75) | (−1.37) | (−0.94) | (−1.96) | (−1.77) | (−2.05) | (−2.56) | ||
控制变量_cons | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | |
0.029 | 0.004 | −0.039 | 0.038 | −0.133* | −0.205** | −0.347*** | −0.394*** | ||
(0.65) | (0.05) | (−0.48) | (0.35) | (−1.69) | (−2.02) | (−2.98) | (−2.79) | ||
R2 | 0.241 | 0.298 | 0.212 | 0.233 | 0.202 | 0.236 | 0.308 | 0.279 | |
N | 199 | 199 | 199 | 199 | 216 | 216 | 216 | 216 | |
注:回归结果均为最小二乘法的稳健标准误估计;***、**、*分别表示1%、5%和10%的显著性水平,括号中为t值。 |
(二)进一步检验:基于审计质量分组
审计质量会直接影响投资者获取的信息含量,较高的审计质量意味着较多的可靠信息被公开,有益于缓解市场的信息不对称。事务所规模是高质量审计结果的基本保障,更大的事务所倾向于提供更高质量的审计服务,“四大”的审计质量显著高于非“四大”(DeAngelo,1981;吴昊旻,2015)。因此,本文选择是否“四大”审计(Big4)作为审计质量差异的分组变量进行回归检验,当该企业年报为“四大”审计时取值为1,否则为0。从表6可知,非“四大”审计组的结果显著优于“四大”审计组,说明A股入摩对国有企业的信息治理效应在非“四大”审计组中更为显著。
Big4=0 | Big4=1 | ||||||||
CAR | (−1,1) | (−3,3) | (−5,5) | (−9,9) | (−1,1) | (−3,3) | (−5,5) | (−9,9) | |
Coverage | 0.001*** | 0.002*** | 0.002*** | 0.002** | 0.000 | 0.001 | 0.001 | 0.001 | |
(2.80) | (2.81) | (2.86) | (2.44) | (0.96) | (1.11) | (1.44) | (1.46) | ||
Soe | 0.020 | 0.023 | 0.035 | 0.048 | −0.008 | −0.009 | −0.009 | 0.011 | |
(0.93) | (1.01) | (1.35) | (1.40) | (−0.25) | (−0.31) | (−0.27) | (0.25) | ||
Soe×Coverage | −0.002** | −0.002* | −0.003** | −0.004** | 0.000 | 0.000 | 0.000 | −0.001 | |
(−2.01) | (−1.84) | (−2.47) | (−2.50) | (0.01) | (0.08) | (0.21) | (−0.41) | ||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | |
_cons | −0.102 | −0.102 | −0.273 | −0.350* | −0.034 | 0.027 | 0.232 | 0.320 | |
(−0.83) | (−0.64) | (−1.53) | (−1.66) | (−0.19) | (0.14) | (1.26) | (1.31) | ||
R2 | 0.241 | 0.263 | 0.357 | 0.324 | 0.267 | 0.472 | 0.561 | 0.497 | |
N | 129 | 129 | 129 | 129 | 87 | 87 | 87 | 87 | |
注:回归结果均为最小二乘法的稳健标准误估计;***、**、*分别表示1%、5%和10%的显著性水平,括号中为t值。 |
(三)进一步检验:基于市场化进程分组
市场监管的低效会导致对内部人约束机制的缺失,且在市场化进程滞后的情况下,政府对企业的干预更多,这会显著增加企业与投资者的信息不对称性。本文选择市场化进程(Market)作为市场化进程差异的分组变量进行回归检验,当该企业所处市场化进程大于平均值时取值为1,否则为0。从表7可知,市场化进程滞后组的结果显著优于市场化进程领先组,说明A股入摩对国有企业的信息治理效应在市场化进程滞后组中更为显著,即市场化进程越滞后、信息环境越差的情况下,A股入摩的信息治理效应越强,这与表6中基于审计质量差异分组结果同步证明了A股入摩对资本市场信息环境治理的有效深化。
Market=0 | Market=1 | ||||||||
CAR | (−1,1) | (−3,3) | (−5,5) | (−9,9) | (−1,1) | (−3,3) | (−5,5) | (−9,9) | |
Coverage | 0.001* | 0.002** | 0.002* | 0.002* | 0.001*** | 0.001*** | 0.002*** | 0.002*** | |
(1.87) | (2.27) | (1.85) | (1.86) | (3.37) | (4.04) | (2.94) | (3.03) | ||
Soe | 0.058*** | 0.036 | 0.018 | 0.029 | −0.026 | −0.007 | 0.003 | 0.026 | |
(3.13) | (1.29) | (0.50) | (0.73) | (−1.24) | (−0.31) | (0.11) | (0.89) | ||
Soe×Coverage | −0.003*** | −0.003*** | −0.003** | −0.004** | 0.001 | 0.000 | 0.000 | −0.002 | |
(−4.20) | (−2.70) | (−2.03) | (−2.61) | (0.75) | (−0.04) | (−0.44) | (−1.37) | ||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | |
_cons | −0.122 | −0.218 | −0.287 | −0.405 | −0.093 | −0.110 | −0.256** | −0.306* | |
(−0.68) | (−0.92) | (−1.17) | (−1.41) | (−1.36) | (−1.19) | (−1.98) | (−1.91) | ||
R2 | 0.351 | 0.310 | 0.356 | 0.362 | 0.352 | 0.449 | 0.463 | 0.423 | |
N | 82 | 82 | 82 | 82 | 134 | 134 | 134 | 134 | |
注:回归结果均为最小二乘法的稳健标准误估计;***、**、*分别表示1%、5%和10%的显著性水平,括号中为t值。 |
(一)研究结论
本文以A股入摩正式宣布和A股入摩正式生效作为选取研究样本的切入点,对2017年6月21日A股入摩正式宣布的222只标的股名单与2018年6月1日A股入摩正式生效的226只标的股名单作为研究的初始样本,运用事件研究法,考察A股入摩的市场反应及其信息治理效应,研究结果表明:第一,A股入摩的实施吸引更多投资者进入,引起标的股市场反应表现为正。第二,A股入摩的信息治理效应主要表现为“厚积薄发”,即从长期来看,分析师关注程度越高的企业,其股票回报高于分析师关注程度低的企业,A股入摩使分析师关注缓解资本市场信息不对称的作用趋于显著。在进一步研究中,结合中国二元经济体制及国有企业混合所有制改革的现实背景,本文基于产权性质差异视角考察A股入摩对国有企业的信息治理效应,发现A股入摩的信息治理效应在国有企业中表现得更为显著。在此基础上,本文进一步基于审计质量、市场化进程分组检验其对国有企业的信息治理效应,研究结果表明,在非“四大”审计分组与市场化进程滞后组中,A股入摩的信息治理效应在国有企业样本中的表现更为显著。
(二)管理启示
本文主要从以下三个方面提供相关的管理启示:第一,政府角度。鉴于A股入摩的信息治理效应正在逐步显现,在考虑风险的基础上,政府可以适当丰富外资引入机制,亦或扩大QFII、沪港通等现有平台的每日额度,推动资金的加速流入,同时接纳更多的国际化投资者,支持政府监管与市场治理的双向并行,建立市场“倒逼”机制,从更深层次处推动资本市场制度建设并落实有效监管,正确地引导和实现资本市场与实体经济的协调发展。第二,上市企业角度。伴随A股入摩的逐步深入,分析师关注将会对市场治理以及预测企业价值提供有效助益。上市企业应主动致力于提升信息治理水平,坚持披露高质量信息以吸引国际化的分析师关注,进一步提升企业知名度,从而实现企业价值最大化的目标。第三,国有企业改革角度。本文研究结果认为A股入摩有益于提升国有企业的信息治理水平,尤其是对于信息不对称更为严重的国有企业而言。在国有企业混合所有制改革的现实背景下,有效把握A股入摩这一契机,实现更深层次的改革优化显得尤为重要。
(三)不足与展望
本文的不足之处在于:首先,囿于数据限制,本文未能采用更长时间跨度的样本,无法考察随时间推移变化的情况。其次,本文主要着眼于分析师关注视角,未能结合其他视角全面考察A股入摩的信息治理效应。未来可从以下两个方面进行深入研究:第一,随着时间的推移以及样本的不断补充,未来可以选择更长时间跨度的样本进行研究,对本文研究提供一个有力补充。第二,考虑从实体经济未来发展的层面出发,探究A股入摩对微观企业的影响机制及其经济后果。
① 关于分析师关注(Coverage)的均值T检验结果为MSCI正式生效事件样本的分析师关注1%水平下显著高于MSCI正式宣布事件样本,T值为6.946。
② 从图1与图2的CAR(-9,9)趋势图纵轴区间大小可知,图1中AR和CAR的波动远远大于图2。
③ 前文分析师关注(Coverage)的均值T检验结果表明,MSCI正式宣布事件后分析师数量显著增加。
[1] | 杜玉林. 新兴股票市场与发达股票市场融合动态研究——基于韩国股指纳入MSCI-EM指数的实证分析[J]. 价格理论与实践, 2016(12): 131–134. |
[2] | 何诚颖, 刘林, 徐向阳, 等. 外汇市场干预、汇率变动与股票价格波动——基于投资者异质性的理论模型与实证研究[J]. 经济研究, 2013(10): 29–42, 97. |
[3] | 李江平. 纳入明晟指数究竟会带给A股什么——基于深港通制度的反事实评估方法研究[J]. 金融经济学研究, 2018(4): 77–86. |
[4] | 戚聿东, 张任之. 新时代国有企业改革如何再出发?——基于整体设计与路径协调的视角[J]. 管理世界, 2019(3): 17–30. |
[5] | 屈依娜, 陈汉文. 现金股利政策、内部控制与市场反应[J]. 金融研究, 2018(5): 191–206. |
[6] | 陶士贵, 范佳奕. QFII、人民币汇率与股票价格的动态关系——基于TVP-SV-VAR模型的实证分析[J]. 上海经济研究, 2018(2): 61–73. |
[7] | 钟覃琳, 陆正飞. 资本市场开放能提高股价信息含量吗?——基于“沪港通”效应的实证检验[J]. 管理世界, 2018(1): 169–179. |
[8] | Allen F, Qian J, Qian M J. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 2005, 77(1): 57–116. |
[9] | Bae K H, Ozoguz A, Tan H P, et al. Do foreigners facilitate information transmission in emerging markets?[J]. Journal of Financial Economics, 2012, 105(1): 209–227. |
[10] | Chung R, Firth M, Kim J B. Institutional monitoring and opportunistic earnings management[J]. Journal of Corporate Finance, 2002, 8(1): 29–48. |
[11] | Doidge C, Karolyi G A, Stulz R M. Why are foreign firms listed in the U. S. worth more?[J]. Journal of Financial Economics, 2004, 71(2): 205–238. |
[12] | Easley D, O’hara M. Information and the cost of capital[J]. The Journal of Finance, 2004, 59(4): 1553–1583. |
[13] | Fan J P H, Wong T J, Zhang T Y. Institutions and organizational structure: The case of state-owned corporate pyramids[J]. The Journal of Law, Economics, and Organization, 2013, 29(6): 1217–1252. |
[14] | Fischer P E, Stocken P C. Analyst information acquisition and communication[J]. The Accounting Review, 2010, 85(6): 1985–2009. |
[15] | Hartzell J C, Starks L T. Institutional investors and executive compensation[J]. The Journal of Finance, 2003, 58(6): 2351–2374. |
[16] | Hung C W, Shiu C Y. Trader activities, ownership, and stock price reactions to MSCI standard index changes: Evidence from Taiwan[J]. Journal of Multinational Financial Management, 2016, 36: 49–63. |
[17] | Hung M, Wong T J, Zhang T Y. Political considerations in the decision of Chinese SOEs to list in Hong Kong[J]. Journal of Accounting and Economics, 2012, 53(1-2): 435–449. |
[18] | Lang M H, Lins K V, Miller D P. ADRs, analysts, and accuracy: Does cross listing in the United States improve a firm’s information environment and increase market value?[J]. Journal of Accounting Research, 2003, 41(2): 317–345. |
[19] | Tu C J, Chang Y. Analyst responses to stock-index adjustments: Evidence from MSCI Taiwan Index additions[J]. Review of Financial Economics, 2012, 21(2): 82–89. |
[20] | Yu F. Analyst coverage and earnings management[J]. Journal of Financial Economics, 2008, 88(2): 245–271. |