企業創新與股票收益

李潤澤 孫安文

【摘要】文章以2011—2019年我國A股上市公司專利被引數據為樣本，研究了企業創新與股票收益（RET）的關系及其影響路徑。研究結果顯示：根據專利被引程度（PCI）所構造的對沖策略可以使投資者獲得不低于7.2%的超額收益（年化）；公司的PCI與RET是顯著正相關的，且投資者關注度會對其產生負向影響。文章的研究不僅豐富了企業創新與股票收益研究方面的文獻，而且也為實務界（尤其是基金公司）提供了投資建議。

【關鍵詞】企業創新；專利被引信息；股票收益；資產定價；有限注意力

【中圖分類號】F230；F83

★ 基金項目：本文為中國人民大學科學研究基金“中央高校基本科研業務費專項資金資助”（編號21XNH127）項目成果。

一、引言

近幾年來，科技突破對社會和經濟產生了巨大影響，如智能手機改變了人們的購物方式和交流方式，人工智能（AI）取代了一些人類基礎性的工作，基因研究計劃加快了醫藥的研究與開發，云計算和大數據改變了城市管理方式等。這些科技創新在改變世界的同時，也使商業競爭變得越來越激烈，公司破產的速度也越來越迅速，曾經屹立百年的公司柯達由于數碼相機技術對光學技術的替代而轟然倒塌。因此，科技與創新對于一個公司的生存、發展以及繁榮昌盛至關重要，在某些行業，比如信息產業、新材料產業和生物制藥產業，創新是這些公司最主要的核心競爭力。

然而，一項創新的產生需要花費多年時間和大量金錢，中間要經過多個環節，并且一項創新的經濟價值具有很高的不確定性，因此，創新是一項高價值但同時又是高風險的企業活動（Hirshleifer等，2012）。而對于投資者來說，評估企業創新能力并不是一件容易的事情。首先，創新是以舊的事物為基礎，研發創造新的事物，由于新事物是推陳出新產生的，所以對創新的評估就不能照搬過去標準化的程序和度量標準來評判。其次，評估創新需要投資者具備一定的專業分析能力，需要對公司的經濟價值有基本判斷，并結合公司自身的經濟實力以及公司所處行業的發展趨勢綜合評估。因此，對于投資者來說，評估創新是一件復雜且困難的事情。而且，已有眾多心理學實驗證明，個人對于復雜和晦澀難懂的信息給予較少的注意力，這會導致投資者忽視或者低估創新的價值（Hirshleifer等，2018），進而導致市場錯估公司價值。

關于錯估公司價值，Fama（1970）在20世紀70年代提出了有效市場假說。該假說認為，如果市場是有效的，那么股票價格能夠根據新獲得的信息迅速反應并完全調整，最終充分反映公司的價值。因此，在資本市場上，股票不會被錯誤定價，投資者也找不到投資策略來獲取超額收益。后來，越來越多的學者通過實證研究發現，資本市場并非完全有效，而是存在各種市場異象，比如Titman等（2004）發現的資本投資異象，Jegadeesh和Titman（1993）發現的動量異象等。這些市場異象表明，美國的資本市場并不是完全有效的。相比美國的資本市場，中國資本市場起步比較晚，發展有待進一步完善。在此背景下，本文提出中國的資本市場上投資者可能會錯估創新對公司價值的影響，從而可以找到有效的投資策略來獲得超額報酬。

目前最能體現公司創新能力的指標就是公司擁有的專利（Hall，2001；Trajtenberg，1989；Trajtenberg，1990）。當A公司的專利確認了行業標準，而其他公司為了避免開發自己標準時所面臨技術和成本的不確定性，將會引用該專利，這將使A公司形成生態網絡（Shapiro和Varian，1998）。成功的生態網絡可以給公司創造巨大和可持續的經濟價值，而公司也會因此取得戰略優勢，比如高通公司的芯片專利、微軟公司的windows系統、谷歌公司的安卓系統、蘋果公司的智能手機專利、華為公司的5G專利等。而一項專利被引程度越高，由該項專利所形成的標準就會被更多的公司所接受，那么給公司打造的生態網絡的規模也就越大，進而給公司帶來的價值也就越大。因此，本文以公司專利被引程度來衡量公司的創新強度，進而探究公司創新與股票未來收益的關系。

本文的理論意義在于：國內關于企業創新與股票收益的研究，主要從公司研發投入和公司專利授予信息的角度進行研究，較少從公司專利被引信息進行研究。即使有文獻從專利被引信息研究企業創新與股票收益的關系，但其數據也是聚焦于某個行業并且年限較短（李牧南等，2019）。本文使用2011—2019年所有A股上市公司的專利被引信息來進行研究，行業覆蓋較全面，且時間跨度長。因此，本文的研究不僅豐富了企業創新與股票收益相關方面的文獻，而且有利于了解現有資產定價理論的不足，從而完善資本市場定價理論。

本文的實踐意義在于：隨著中國金融業改革開放的不斷深入，越來越多的境外投資者將會轉戰到中國資本市場，尤其是其中的量化投資基金公司。截止到2018年，全球量化對沖基金管理的資產規模為2.88萬億美元1。而截止到2018年，國內量化對沖公募基金管理的資產規模僅是603.9億元2。當國內的基金公司不能夠在量化投資領域占據領先地位時，這勢必會對國內投資者造成重大不利影響。因此，通過發現中國資本市場上的創新異象，不僅可以為國內基金公司提供量化投資策略，提升國內基金公司的實力，而且也可以提升應對金融風險的能力。

二、文獻綜述

Eberhart等（2004）研究了1951—2001年期間美國上市公司發生重大研發支出事件對公司股票收益以及經營業績的影響。他們發現：公司增加研發支出，投資者未來可以獲得超額收益，這符合市場錯誤定價理論；公司增加研發支出會顯著提升公司未來的經營業績。

Guo等（2006）研究了研發支出對公司IPO表現的影響。他們發現：公司研發強度（研發支出/營業收入）增加會使公司IPO定價較低；研發強度與公司長期績效呈顯著正相關關系；研發支出會影響分析師對公司IPO長期業績的預測。他們認為，由于研發支出導致信息不對稱，使得市場對研發強度高的公司進行了低估。后來，隨著投資者獲取更多的信息和了解公司的研發信息，市場又修正了之前的錯誤定價。王昊翔（2013）分析了研發費用與企業價值的關系，研究發現研發投入在短期內會因研發是否成功產生正反兩方面影響，但從長期來看，能提升企業盈利能力。

上面這些研究主要是通過研發支出來衡量創新，以研究創新與公司價值以及股票收益的關系。然而，衡量公司的創新不僅僅可以從投入端，也可以從產出端來研究，比如專利。

Hirshleifer等（2013）以專利數量構造了創新效率指標（IE）。結果顯示，無論采用三因子還是四因子模型，創新效率高的投資組合的超額收益要遠大于創新效率低的投資組合的超額收益。在控制了相關變量后，Hirshleifer等人發現創新效率與公司股票收益呈顯著正相關關系。最后，Hirshleifer等人還通過構造EMI因子來檢驗創新效率能夠預測股票收益的原因。結果顯示，投資者的有效注意力導致了創新效率的預測作用。

Gu（2005）以公司專利被引數量來衡量公司的創新質量。為了去除行業影響和創新時效性的影響，Gu以公司近5年的新授予專利的被引數量占同類新授予專利的總被引數量的比例來衡量公司創新的質量。通過對美國1975—1999年間的上市公司進行實證研究，Gu發現，公司新增的專利被引數量與公司未來的盈余呈正相關關系，并且，市場未能對此進行及時反應，從而導致公司新增的專利被引數量與公司未來股票收益也呈正相關關系。

除了研究創新對公司本身的影響，學者們也觀察到了創新的溢出效應。

Jiang等（2016）按照研發支出水平和研發支出增長率從全樣本中挑選出一部分公司作為研發支出的“領導者”，然后將領導者所在行業的其他公司定義為研發支出的“同行者”。研究發現，如果行業中的“領導者”的研發投入使得行業整體研發支出大幅度增加，那么行業中的“同行者”的股票收益會有正的超額收益，并且經營業績也會顯著提升。Jiang等人還檢驗了行業外生事件沖擊對實證結果的干擾，結果顯示，外生事件沖擊不能解釋溢出效應。最后，作者們認為投資者對“同行者”公司關注度低導致了研發支出的溢出效應。

Lee等（2019）以兩家公司專利在專利類別上的相關系數來構造兩家公司的“科技關聯度”。然后，將科技關聯公司的上期股票收益乘以相應的科技關聯度作為“焦點”公司的科技關聯收益。他們發現，買入科技關聯收益高的投資組合，賣空科技關聯收益低的投資組合，投資者可以獲得1.17%的月度超額收益；科技關聯收益與公司未來的股票收益呈顯著正相關關系，即控制了其他關聯效應，比如行業關聯效應，供應鏈關聯效應，顧客關聯效應等。通過以上實證結果，Lee等人認為創新的溢出效應可以體現在公司專利布局方面。

國內對創新與股票收益方面的研究，主要從研發投入和專利數量角度出發，較少地從專利被引角度進行研究，具體來言：

羅婷等（2009）以中國A股2002—2006年間披露研發信息的上市公司為樣本，研究了研發投入與公司價值的關系。通過實證研究發現，公司研發投入與未來業績呈正相關關系，與公司股票未來收益也呈正相關關系，但與同期股票收益不相關。

徐欣和唐清泉（2010）以上市公司的專利數量和類別來研究創新活動對公司價值（托賓Q值）的影響。他們以中國A股市場2002—2006年間的公司為對象，搜集企業的研發投入數據。此外，徐欣和唐清泉還研究了不同類別（發明型、實用型以及外觀設計型）專利對企業價值的影響。發現研發投入強度顯著提升公司價值，發明型專利數量能夠顯著提升公司價值，但實用型專利和外觀設計型專利不能顯著提升公司價值。

以中國A股市場2006—2013年間的公司為研究對象，楊亭亭等（2017）研究了公司創新能力與股票收益的關系。從公司擁有優先權專利數量、權利要求項數、發明專利占比、專利發明人數量、國際公布條數以及專利覆蓋范圍六個方面進行主成份分析，楊亭亭等人構造了創新能力指標（PQ）。研究結果顯示，公司創新能力和股票未來收益呈顯著正相關關系，并且創新能力在科技行業中作用更為顯著；以創新能力對公司進行分組，發現在三因子和四因子模型下，投資組合可以獲得超額報酬；最后，楊亭亭等人借鑒三因子和五因子模型，構造了創新因子（IMO）。結果表明，將IMO加入到三因子和四因子模型中，投資組合的阿爾法不顯著，這說明創新能力對股票收益具有解釋能力。

總結上述文獻綜述發現，企業創新能夠提升公司的價值，但是，由于市場不是完全有效的，這導致企業的創新價值被市場低估。投資者獲取更多的信息并逐漸了解公司的創新價值后，市場將會修正之前的錯誤定價。

三、研究設計

（一）假設提出

經濟研究已經發現，專利的被引程度能夠顯示該項專利的經濟價值和科技重要性。Trajtenberg（1989，1990）研究發現，專利被引強度與該項專利的社會福利呈正相關關系。Lanjouw和Schankerman（2001）發現被訴訟的專利往往是那些被引頻率高的專利，這表明專利被引強度與其經濟價值存在關系。此外，高被引的專利也證明了公司的科技領導力和科技優勢地位。Lieberman和Montgomery（1988）研究表明，科技領導力是公司獲得先發優勢的主要動力，即領先公司可以獲得超過平均利潤的超額收益。他們還認為專利獲得和創新成功是公司持續保持科技領先地位的關鍵因素。因此，高被引的專利所帶來的技術優勢能夠確立公司的科技領先地位，反過來科技領先地位又能夠使公司獲得先發優勢和持續盈利的能力。

雖然，專利能夠給公司帶來經濟價值，但是，資本市場不是完全有效的，投資者不能及時對公司專利價值進行正確評估，股價不能及時反映公司價值。Hirshleifer等（2012）認為：專利的研發需要公司花費巨額的資金，同時也需要大量的時間進行實驗；在研發過程中，公司要經過多個環節的測試；創新的經濟價值的不確定性很高，創新是一項高收益但同時又是高風險的企業活動。此外，Hirshleifer等（2018）認為，專利是從已有的舊事物中創造出來的新事物。由于新事物是新出現的，因此，就不能用過去標準化的程序和度量標準來評判一項新專利的經濟價值。還有，理解專利對公司的經濟價值，不僅要了解專利本身，還要了解和評估公司自身的經濟實力以及公司所處行業的發展趨勢。而大量的心理學實驗表明，個人對于復雜和晦澀難懂的信息給予較少的注意力，即投資者注意力有限。這會導致投資者忽視或者低估企業創新所包含的價值信息，使得股價不能及時反映公司專利的價值。基于此，本文提出如下假設：

H1：投資者可以通過公司專利被引信息獲得超額報酬。

H2：在其他條件一樣的情況下，公司專利的被引程度與公司未來的股票收益呈正相關關系。

H3：在投資者關注度高的公司里，公司專利的被引程度與公司未來股票收益的正相關關系被減弱。

（二）變量定義及度量

（三）實證方法

1.日歷時間組合法

參照Lee等（2019），在t+1年的6月末，將公司按照PCI的大小，從小到大進行排序，然后將樣本進行五等分，構成五組投資組合（1表示PCI值最小的一組，5表示PCI值最大的一組），然后將投資組合持有一年。計算各個投資組合在t+1年7月至t+2年6月期間每月的投資收益時，采用兩種方法，即等權加權法和價值加權法。

本文預期，由于市場不能及時對公司的專利價值進行反應，通過這樣構造的對沖策略，投資者可以獲得顯著為正的超額收益，即假設1成立。

2.多元回歸模型

本文預期PCI的系數顯著為正，PCI×Attention交乘項的系數顯著為負。

（四）數據來源

本文選擇以2011—2019年間在中國上市的A股上市公司為研究對象，所有變量的數據均來自CNRDS和CSMSR數據庫。本文對初始數據進行了如下處理：1.從樣本中剔除了金融行業和被ST的公司；2.剔除賬面市值比為負的樣本；3.為了剔除異常值的影響，本文對所有變量進行了1%的Winsorize處理；4.由于本文展示的回歸結果保留了3位小數，為了能正確顯示PCI和SIZE的系數，我們將PCI擴大并將SIZE縮小100 000 000倍。

四、實證結果

（一）描述性統計及相關性分析

表2是對本文主要變量進行描述性統計，包括平均值、標準差以及四分位數。從表中可以看出，股票收益（RETt+1）接近16.5%，遠遠高于無風險報酬率，但是其中位數為-2.2%，低于無風險報酬率，股票收益的中位數與平均數的差距相當于0.29個標準差。樣本PCI的平均數為0.038，中位數為0.015，中位數小于平均數，其差距相當于0.21個標準差，與RETt+1有相似的分布。這可能預示著RETt+1與PCI存在一定的關系。

表3展示的是各個變量之間的相關系數，下三角是皮爾遜相關系數，上三角是斯皮爾曼相關系數。從表中可以看出，RETt+1與PCI的皮爾遜相關系數為0.009，不顯著；但是，RETt+1與PCI的斯皮爾曼相關系數是0.03，且顯著。這在一定程度上可以表明RETt+1與PCI存在正的相關關系。此外，PCI與其他控制變量的相關系數的絕對值均不超過0.3，說明PCI與其他變量之間不存在共線性的問題。并且，其他變量之間的相關系數的絕對值也不超過0.4，說明變量之間不存在共線性問題。

（二）實證結果分析

1.日歷時間組合法

表4展示了投資組合分別在三因子模型、四因子模型和五因子模型下的Alpha收益。1～5列表示按照PCI將公司等分成5組的投資組合（1表示PCI值最低的一組，5表示PCI值最高的一組），5-1列表示對沖策略，即買入第5組、賣出第1組。

從表4可以看出，在每年6月末，買入第5組的投資組合，同時賣出金額相同的第1組的投資組合，然后持有一年，投資者可以每月獲得不少于0.6%的超額收益。以上結果表明，市場不是完全有效的，股價沒有完全反映專利的被引信息。通過專利被引信息來構建對沖策略，投資者每年可以獲得7.2%以上的超額收益，假設1成立。此外，投資組合的超額收益隨著PCI值的增加而增加，這表明專利被引信息與股票收益是呈正相關關系，支持了假設2。

2.多元回歸分析

日歷時間組合法雖然也支持假設2，但是它是根據單一變量來進行分組的，沒有控制其他變量，下面采用多元回歸分析，來檢驗假設2和假設3。

表5是對模型（1）回歸的結果，回歸結果（1）控制了固定效應和時間效應，回歸結果（2）只控制了固定效應。回歸結果（1）和（2）都顯示，PCI的系數顯著為正，這說明市場最初沒有及時反映公司專利的被引信息，專利被引信息在以后的時間里被市場逐步反映，結果支持了假設2。

表6是對模型（2）的回歸結果，回歸（1）是以機構持股比例的中位數來將樣本分為受關注度高和受關注度低的兩組，回歸（2）是以機構持股比例的平均數來將樣本分為受關注度高和受關注度低的兩組。在回歸（1）中，PCI的系數為0.978，顯著為正，與假設2的推斷一致。并且，PCI和Attention交乘項的系數為-0.439，且顯著為負。這表明受關注度高的公司，其專利被引信息更容易被市場反映，這與假設3的推斷一致。在回歸（2）中，PCI的系數為0.940，且顯著為正，與假設2的推斷一致。雖然在回歸（2）中，PCI和Attention交乘項的系數為-0.357不顯著，但其t值為-1.533，接近1.67，也可以在一定程度上支持假設3的推斷。

以上實證結果表明，資本市場不是完全有效的，市場不能對專利被引信息進行及時反映。因此，市場不能完全反映公司專利的被引信息，導致公司股價被低估，投資者可以通過專利被引信息獲得超額收益。而這種市場異象很可能是投資者注意力有限導致的。

五、穩健性檢驗

（一）日歷時間投資組合

本文通過用價值加權法計算的投資組合收益來進行穩健性測試。表7顯示，在每年6月末，買入第5組的投資組合，同時賣出金額相同的第1組的投資組合，然后持有一年，投資者每月可以獲得不少于0.5%的超額收益，年度可獲6%以上超額收益。表7的結果和表4的結果一致，說明了日歷時間組合法的實證結果穩健，同時也說明了對沖策略的可靠性。此外，在三種模型下，投資組合的超額收益與PCI值基本呈單調遞增關系，同樣支持了假設2。

（二）Fama-MacBeth回歸方法

參照Fama和Macbeth（1973）的做法，采用Fama-MacBeth回歸方法來檢驗假設2和假設3，回歸結果見表8。

表8展示的是對模型（1）的回歸結果。其中，回歸（1）控制了行業效應，回歸（2）沒有控制行業效應。PCI在回歸（1）和回歸（2）的系數分別為0.288和0.350，且均顯著。公司專利被引程度與公司股票的未來收益呈顯著正相關關系，支持了假設2。

表9展示的是對模型（2）的回歸結果。其中，回歸（1）和回歸（2）使用機構持有比例的中位數來對樣本進行分組；回歸（3）和回歸（4）使用機構持有比例的平均值對樣本進行分組。在回歸（1） （4）中，PCI的系數均顯著為正，PCI×Attention的系數不顯著。雖然PCI×Attention的系數不顯著，但是，其在四個回歸結果中都為負，在一定程度上也可以支持假設3。

六、結論與啟示

根據有效資本市場假說，資本市場是一個沒有任何成本、高效率、理想化的市場。在有效資本市場假說下，證券的價格等于其價值。一旦與證券價值相關的信息被披露，市場就會迅速做出調整，使其價格重新等于價值，因此，沒有任何人或交易策略可以提前利用信息賺取超額回報。事實上，由于證券市場上存在各種成本，比如交易成本、證券持有成本，同時市場參與者的注意力有限，資本市場并非是完全有效的。因此，市場不能及時對信息做出反應，從而錯估了股票價值。但從長期看，價格會向價值回歸。因此，投資者通過買入被低估的股票同時賣出被高估的股票就可以獲得超額收益。

本文以2011—2019年我國A股上市公司專利被引數據為樣本，研究了企業創新與股票收益關系及其影響路徑。研究結果顯示：（1）在每年6月末，投資者買入PCI最高的等權加權（價值加權）投資組合，同時賣出金額相同的PCI最低的等權加權（價值加權）投資組合，并持有一年后可以獲得每年不低于7.2%（按等權加權測算）或6.0%（按價值加權測算）的超額收益；（2）公司的PCI與股票的未來收益存在顯著的正相關性。這說明市場沒有及時反映公司的專利被引信息，市場低估了公司專利的被引價值；（3）PCI與RETt+1的關系會受投資者關注度的影響，即在投資者關注度高的公司里，PCI的系數要小于其在投資者關注度低的公司里的系數。這表明投資者的有限注意力是導致市場對公司專利被引信息低估的原因之一。

在理論方面，本文的研究不僅豐富了企業創新與股票收益研究方面的文獻，而且為進一步完善資本市場定價理論提供了方向；在實踐方面，本文的研究不僅可以為實務界，尤其是基金公司，提供投資建議，而且也可以提升中國資本市場的有效性，使市場能夠正確評估公司的創新能力，進而促使公司進行更多高質量的創新。

主要參考文獻：

[1]Hirshleifer，D.，Low，A.，& Teoh，S.H.（2012）.Are overconfident CEOs better innovators The Journal of Finance，67（4），1457-1498.

[2]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2018）.Innovative originality，profitability，and stock returns.The Review of Financial Studies，31（7），2553-2605.

[3]Fama，E.F.（1970），Efficient capital markets： A review of theory and empirical work，The Journal of Finance，25（2），383–417.

[4]Titman，S.，Wei，K.J.，& Xie，F.（2004）.Capital investments and stock returns.Journal of Financial and Quantitative Analysis，39（4），677-700.

[5]Jegadeesh，N.，& Titman，S.（1993）.Returns to buying winners and selling losers： Implications for stock market efficiency.The Journal of Finance，48（1），65-91.

[6]Eberhart，A.C.，Maxwell，W.F.，& Siddique，A.R.（2004）. An examination of long‐term abnormal stock returns and operating performance following R&D increases. The Journal of Finance，59（2），623-650.

[7]Guo，R.J.，Lev，B.，& Shi，C.（2006）.Explaining the Short‐and Long‐Term IPO Anomalies in the US by R&D.Journal of Business Finance & Accounting，33（3‐4），550-579.

[8]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2013）.Innovative efficiency and stock returns.Journal of Financial Economics，107（3），632-654.

[9]Gu，F.（2005）.Innovation，future earnings，and market efficiency.Journal of Accounting，Auditing & Finance，20（4），385-418.

[10]Jiang，Y.，Qian，Y.，& Yao，T.（2016）.R&D spillover and predictable returns.Review of Finance，20（5），1769-1797.

[11]Lee，C.M.，Sun，S.T.，Wang，R.，& Zhang，R.（2019）. Technological links and predictable returns.Journal of Financial Economics，132（3），76-96.

[12]王昊翔.研發費用投入與企業價值相關性研究——基于國內上市高新技術企業的數據[J].國際商務財會，2013（03）：5-9.

[13]羅婷，朱青，李丹.解析R&D投入和公司價值之間的關系[J].金融研究，2009（06）：100-110.

[14]徐欣，唐清泉.R&D活動、創新專利對企業價值的影響——來自中國上市公司的研究[J].研究與發展管理，2010，22（04）：20-29.

[15]李牧南，褚雁群，王流云.專利質量的不同維度指標與托賓Q值的關系測度[J].科學學研究，2019，37（07）：1164-1173+1202.

[16]楊亭亭，黎智滔，李仲飛.上市公司技術創新能力與股票收益——來自中國資本市場的證據[J].當代財經，2017（08）：56-68.

[17]Trajtenberg，M.（1989）.The welfare analysis of product innovations，with an application to computed tomography scanners.Journal of Political Economy，97（2），444-479.

[18]Trajtenberg，M.（1990）.A penny for your quotes： patent citations and the value of innovations.The Rand Journal of Economics，172-187.

[19]Shapiro，C.，Carl，S.，& Varian，H.R.（1998）. Information rules： a strategic guide to the network economy.Harvard Business Press.

[20]Lanjouw，J.O.，& Schankerman，M.（2001）. Characteristics of patent litigation： a window on competition.RAND Journal of Economics，129-151.

[21]Lieberman，M.B.，& Montgomery，D.B.（1988）. First‐mover advantages.Strategic Management Journal，9（S1），41-58.

[22]Hall，B.H.，Jaffe，A.B.，& Trajtenberg，M.（2001）.The NBER patent citation data file： Lessons，insights and methodological tools （No.w8498）.National Bureau of Economic Research.

[23]張圣平，于麗峰，李怡宗，陳欣怡.媒體報導與中國A股市場盈余慣性——投資者有限注意的視角[J].金融研究，2014（07）：154-170.

[24]Fama，E.F.，& French，K.R.（1992）.The cross‐section of expected stock returns.The Journal of Finance，47（2），427-465.

[25]Carhart，M.M.（1997）.On persistence in mutual fund performance.The Journal of Finance，52（1），57-82.

[26]Fama，E.F.，& French，K.R.（2015）.A fivefactor asset pricing model.Journal of Financial Economics，116（1），1-22.

[27]Fama，E.F.，& MacBeth，J.D.（1973）.Risk，return，and equilibrium：Empirical tests.Journal of Political Economy，81（3），607-636.