公司創新投入對股票特質風險的影響
——基于有中介調節效應的檢驗

陸靜 邱于航 秦大超

(重慶大學經濟與工商管理學院，重慶 400030)

一、引言

股票特質風險又被稱為特質波動，是指不被共同因子或者市場收益率變化所解釋的個股風險，是相對于宏觀經濟政策變化、匯率變動等系統性風險而言的，主要與公司層面的特征因素及投資者行為有關(Campbell et al.，2001)[8]。在A股市場中，科技概念、熱點炒作等現象屢見不鮮，尤其在市場行情較差(較好)時，不乏一些科技概念股票出現逆市大漲(大跌)的情況，這說明A股投資者在投資技術創新類公司時面臨著較高的特質風險，其后果是削弱了資本市場的價格發現和資源配置功能，增大了公司的融資成本(江軒宇等，2020)[30]，不利于資本市場穩定發展。當前，我國正處于向創新經濟的轉軌過程中，在國家大力倡導和政策指引下，A股上市公司的創新投入規模不斷創新高，在此背景下，探究創新投入對股票特質風險的影響及其機制，具有重要的現實意義。

國內已有少量文獻開始探討公司創新投入與股價波動風險的關系。一方面，這些文獻主要考察公司創新與股價崩盤風險或股價同步性的關系(周銘山等，2017；林川和杜思俊，2019；李啟佳等，2020)[43][34][32]。股價崩盤風險往往以股價波動的高階距來測量，代表小概率事件；而股價同步性衡量的是行業乃至市場層面股價波動的同步性，這兩個指標都較少直接反映股票的特質風險，這為本文研究公司創新投入與股票特質風險的關系留下了空白。另一方面，現有研究尚未獲得較為一致的結論，如周銘山等(2017)[43]基于我國創業板上市公司的實證研究發現，更多的創新投入通過吸引更多的投資者關注，進一步提高了市場對公司特質信息的解讀和傳遞效率，致使創新投入降低了股價崩盤風險；而林川和杜思俊(2019)[34]的實證結果與之相反，發現公司的創新投入越多，其股價崩盤風險反而更高。這激起了本文對我國上市公司創新投入對股價波動風險影響機制的研究興趣。

本文可能的貢獻在于：第一，豐富了公司創新投入與市場表現之間關系的認識，證實了創新給公司帶來的不確定性將導致個股特質風險的增加。已有文獻關于創新投入對資本市場表現影響的經驗證據非常有限，且目前國內研究主要專注于創新投入與股價崩盤風險或股價同步性的關系，而這兩個指標都較少直接反映股票的特質風險。本文從特質風險的角度研究了創新投入與市場表現之間的關系，發現由于創新投入包含了較多公司特質信息，高創新投入公司具有更高的股票特質風險。第二，通過引入投資者異質信念，打開了創新投入影響股價波動機制的黑箱。本文發現，投資者異質信念在創新投入與股票特質風險間發揮著非常重要的中介作用，拓寬了對投資者異質信念經濟后果的認識。第三，通過創新信息環境的改善，可以緩解創新投入在資本市場引起的負面效應。公司創新投入的增加會加大股價波動性，如何降低創新投入在資本市場的負面效應，是一個極具現實意義的話題。本文關于調節效應的分析表明，可以通過更加透明的創新信息環境降低創新投入的負面效應，鼓勵、引導證券分析師充分發揮信息中介作用，能夠有效緩解創新投入對股票市場的負面影響，這對于監管部門、上市公司和投資者都具有重要的參考價值。

二、文獻回顧與研究假設

(一)公司創新投入與股票市場

在股票市場中，買入高創新投入公司的股票將面臨更高的投資風險。一是技術創新本身就是一種具有高度不確定性和高風險性的投資活動。創新不僅需要高投入，而且新技術或者新產品的研究開發能否取得成功存在極大不確定性，相比于廠房、設備等有形資產投入而言，創新投入產生了更具不確定的未來收益(Kothari et al.，2002)[19]。二是創新信息的有限披露會加劇企業與投資者之間的信息不對稱。一方面，創新不僅需要高投入，而且產出具有相當大的不確定性，但管理者沒有動機揭示企業創新投入的潛在風險，因為這些風險會直接影響企業價值，進而影響其薪酬水平，因此投資者對創新潛在的風險信息知之甚少。同時，為了防止有關新技術的信息泄露，創新投入越多的上市公司向市場披露的信息往往越少，這導致更嚴重的信息不對稱和股價崩盤風險(Kim and Zhang，2016；李啟佳等，2020)[18][32]。另一方面，研發支出的會計處理也不能清晰地反映出創新投入的真實價值及其對公司盈利的貢獻，研發支出的費用化可能會導致投資者低估創新投入轉化為未來無形資產的能力(Chan et al.，2001)[9]。來自創業板的經驗證據表明，我國公司在創新信息披露方面仍不能滿足投資者的信息需求，存在明顯的信息披露不足(韓鵬和岳園園，2016)[28]。

企業與投資者之間的信息不對稱會加劇股價的特質波動(Rajgopal and Venkatachalam，2011)[23]。Gharbi et al.(2014)[13]發現，研發信息披露不足所產生的信息不對稱是造成研發密集型公司股價波動風險過高的重要原因。如果管理層有選擇地隱藏信息，由此產生的信息風險可能會增加投資者對公司未來獲利能力的不確定性判斷，從而引起股價波動(Pastor and Veronesi，2003)[22]。Jiang et al.(2009)[17]指出，選擇性信息披露會導致更高的特質波動，并且這一現象在不成熟投資者較多的股票市場中表現得更為明顯。當公司較少或者選擇性地披露創新信息時，投資者只能借助有限的可獲得信息對公司創新投入的價值及其潛在風險進行判斷，從而對公司未來發展前景的不確定性判斷增加，導致股票的特質波動風險上升。

從股票收益的角度看，資本市場存在對公司創新投入價值認識不清或者創新信息滯后反應的現象。國外早期文獻認為，由于投資者過于關注短期利潤而對公司戰略上的創新投入不夠重視，高創新投入公司的市場價值可能會被低估(Hall，1993)[14]。創新投入價值難以量化，而資產負債表又不能準確地反映公司創新投入的真實價值，這也可能導致投資者低估公司的市場價值(Chan et al.，2001)[9]。創新的專業性和獨特性使得外部人士很難從行業內其他公司的產品和業績中推測目標公司創新成果的生產力和價值，而有關創新的研發項目、技術可行性以及無形資產價值等詳細信息掌握在內部人手中，造成內部人或者公司的套利、機會主義行為(Aboody and Lev，2000；周銘山等，2017)[1][43]。已有研究發現，公司IPO前創新投入強度的增加會導致更高的IPO抑價(胡志穎等，2015)[29]，而對于已經上市的公司，由于市場對創新投入的價值往往認識不足或者反應不及時，持有高創新投入公司股票可以獲得長期正超額收益率(Cohen et al.，2013)[10]。Hirshleifer et al.(2013)[15]進一步指出，投資者的有限關注是市場對公司創新信息反應不足的主要因素之一。然而，分析師通過發揮其信息中介職能作用，能夠顯著提高股票市場對公司創新投入的估值(Zhang and Melissa，2018)[26]。

從市場環境角度看，相較于發達國家市場，A股市場的制度不夠完善，投資者結構不夠成熟，特別是A股市場中非理性的個人投資者居多；相較于機構投資者，個人投資者缺乏相關的專業知識和技術，很難評估企業創新投入的價值以及創新信息的真實性，這在一定程度上會加劇創新投入對股票特質波動風險的正向影響。

綜上，本文提出假設：

H1：公司創新投入越大，股票特質風險越高。

(二)投資者異質信念的中介作用

經典資本資產定價模型(CAPM)的同質性假設認為，投資者對資產收益分布的預期是相同的，這就要求市場中所有投資者都能同時、免費地獲得所有信息，并且對這些信息的處理方式相同。如果這兩個條件不能同時滿足，則投資者的信念就是異質的，即市場中不同投資者對同一股票在相同持有期下的期望收益及其分布的估計是不一樣的。Miller(1977)[20]首次提出異質信念這一概念，并將其成因歸咎于信息的不完全和投資者的有限理性。Hong and Stein(2007)[16]則進一步將異質信念的形成機制總結為：緩慢的信息流入、有限關注和先驗信念的異質性。信息從產生、傳播到接收的過程可能需要較長時間，信息的漸進流動意味著投資者接收信息存在著時間差異，而有限關注和先驗信念的異質性則意味著不同投資者對接收信息處理方式和結果的不同?，F實中，由于資金和專業上的優勢，一部分市場參與者擁有更多的信息渠道，比如機構投資者和證券分析師，因而他們比一般投資者擁有更多的非公開信息，由此造成的信息不對稱也會加大市場參與者之間的不同信念。

由于公司財務報告披露的與研發支出有關的財務信息并不能準確地反映創新投入的真實價值及其對公司未來盈利能力的貢獻，加上缺乏專業知識和技術，普通投資者對公司開發新產品、新技術或其他有關創新的信息難以準確把握，從而對創新投資的價值以及風險的認知產生不同偏差。與此同時，公司對于創新的非財務信息披露也相當有限而且具有選擇性，因此，投資者想要獲得更詳細的創新信息就必須付出更多的時間和精力，這增大了投資者獲取創新信息的成本，由此產生的信息不對稱也會造成具有相同認知偏差的投資者對股票收益的信念不同。因此，公司創新投入的增加可能會加劇不同投資者對公司未來發展前景的意見分歧，進而對股票的期望收益及其分布產生異質信念。由此，本文提出假設：

H2：創新投入會對投資者異質信念產生正向影響。

作為股票市場參與者的投資者的行為決策會對股價產生直接影響。CAPM模型假定所有投資者具有相同信念，而現實中投資者之間的信念差異往往較大，甚至截然相反。當市場中存在較為嚴重的賣空限制時，悲觀者難以通過賣空交易向市場傳遞其對未來股價的悲觀預期，而樂觀者的做多行為將導致當前股價主要反映了樂觀者的預期從而被高估(Miller，1977)[20]。此外，不同投資者對于股票期望收益的信念差異會誘發短期內的投機性交易，投機者企圖在未來某個時期以更高的價格轉售給其他樂觀者，造成股價的投機性泡沫(Morris，1996)[21]。已有文獻研究表明，投資者之間的意見分歧會正向推動風險資產價格的波動性(Shalen，1993；Anderson et al.，2005)[24][3]。通過構建基于投資者不同信念的消費資本資產定價模型，楊華蔚和韓立巖(2011)[40]從理論上證明了投資者對公司層面風險因素的不同信念將導致股票特質風險的上升。

A股市場存在較嚴重的賣空限制，近十年來雖有所緩解，但賣空限制仍然存在。A股市場在2010年3月31日實施融資融券交易，之后逐步對滿足條件的股票放開融券業務。即使部分股票放開了融券業務，由于較高的資金門檻，一般投資者也難以通過融券對這部分股票進行賣空。這使得A股股票很容易在一段時間內受到樂觀者、投機者的做多交易行為影響，導致價格嚴重偏離其基本面價值，使得股價在未來出現反轉，導致股票特質波動增加。研究表明，A股市場投資者信念的異質性程度與股票特質風險存在正相關關系(楊華蔚和韓立巖，2011；左浩苗等，2011)[40][45]，投資者對股價分歧度的增加也會降低市場模型對股票收益的定價效率，進而加大股票的特質風險(劉維奇等，2014)[35]。

已有文獻的理論研究和經驗證據都表明，在較嚴重的賣空限制背景下，A股市場中投資者異質信念的上升會加大股票特質風險?；诩僭O2的分析可知，因為創新信息的不完全披露以及投資者的有限理性，創新投入的增加會加大投資者對于股票收益的信念差異，投資者之間信念差異的擴大又會正向推動股票特質風險，所以，公司創新投入很可能通過投資者異質信念這一中介機制對股票特質風險產生間接影響。因此，本文提出假設：

H3：投資者異質信念在創新投入與股票特質風險之間發揮了中介作用。

(三)公司創新信息環境的調節作用

證券分析師擁有挖掘、收集和傳播公司特質信息的能力。分析師通過發揮其信息中介作用，能夠將公司創新投入價值和風險信息傳遞給投資者，提高市場對公司創新投入的定價效率(Zhang and Melissa，2018)[26]。朱紅軍等(2007)[44]指出，我國證券分析師作為信息服務中介顯著提高了股價的信息含量，提高了市場的信息效率。分析師對公司關注度的增加會提高股價信息的傳播效率(Brennan and Swaminathan，1993；Ayers and Freeman，2003)[7][5]。分析師通過發布研報向投資者提供更多專業信息，深度挖掘上市公司相關信息，使上市公司信息環境更加透明。公司信息環境越透明，投資者可獲得的信息越全面、可靠，使得投資者能夠較為準確地了解公司的真實情況，降低企業與市場與之間的信息不對稱性，進而降低股價的波動性(辛清泉等，2014)[38]。

由于公司創新信息披露不足以及投資者的有限理性，公司創新投入的增加會加大投資者對于股票收益的異質信念程度，進而對股票特質風險產生正向推動作用。如果公司的創新信息環境得到改善，如公司創新有關的信息被更多地挖掘和披露，公司創新信息環境將變得更加透明，這有助于投資者較為準確地評估公司未來價值而對股票預期回報形成較為一致的判斷，進而降低股價特質波動。由此，本文提出假設：

H4：公司創新信息環境的透明度負向調節公司創新投入與投資者異質信念之間的關系。

H5：公司創新信息環境的透明度通過投資者異質信念這一中介機制對創新投入與股票特質風險間的關系進行負向調節。

綜上，本文理論模型如圖1所示。

圖1 公司創新投入與股票特質風險之間的理論模型

三、研究設計

(一)樣本選擇與數據來源

中國證監會在2007年底發布的《關于做好上市公司2007年年度報告及相關工作的通知》(以下簡稱《2007年通知》)中首次要求上市公司應當詳細規范地披露研發支出以及技術創新情況，并且本文引用的CSMAR數據庫的研發支出數據也是從2007年開始記錄的，因此，本文上市公司創新投入數據起始時間為2007年，終止時間為2019年。由于創新投入影響的滯后性，本文以2008―2020年國內A股上市公司的股票特質風險為被解釋變量，并對樣本數據進行如下篩選：(1)剔除金融類上市公司樣本；(2)剔除有退市風險(ST或*ST)的上市公司樣本；(3)剔除變量數據缺失的樣本；(4)剔除年交易天數少于120日的樣本；(5)剔除上市時間不足一年的公司樣本。經過以上篩選過程后，最終得到18586個公司-年度觀測值，創新投入數據的年度分布如表1所示。本文所有數據來源于CSMAR數據庫。

表1 創新投入樣本數據年度分布

從表1列示的分布結果可以看出，2007―2011年的樣本量較其他年份少，可能的原因在于：首先，《2007年通知》主要強調新舊會計制度的銜接，只要求上市公司“應當在年報中披露研發投入”，所以，2007―2011年的研發投入屬于自愿性披露信息，有相當一部分公司沒有披露該信息；其次，2012年9月，中國證監會修訂了《公開發行證券的公司信息披露內容與格式準則第2號——年度報告的內容與格式》，其中第二十一條明確指出“公司應當披露已對報告期產生重要影響以及未對報告期產生影響但對未來具有重要影響的事項，內容包括：……研發支出”，因此，自2012年度開始，只要公司的創新投入存在“重要影響”，那么研發支出就是強制性披露信息，所以，此后的樣本量有了較大增加。

(二)變量定義

1.股票特質風險

在實證研究中，股票特質風險的度量指標被稱為特質波動率，通常由CAPM模型或者Fama-French三因子模型的殘差計算得到。在已有文獻計算特質波動率的方法基礎上，本文將基于CAPM模型和Fama-French三因子模型計算得出的特質波動率乘以100作為衡量股票特質風險(IRisk)的代理指標。具體計算過程如下：

參考Durnev et al.(2003)[12]計算股票特質波動率的方法，本文將個股收益率按如下模型分年度進行回歸：

其中，ri為股票i的收益率，rm為A股市場收益率，rj為公司i所在行業j的行業收益率，ε為殘差項，t表示時間。將回歸得到的殘差值的標準差乘以100，作為衡量個股特質風險的指標，用Ivol_c表示。

此外，本文按照Ang et al.(2006)[4]的方法，將個股的超額收益率對Fama-French三因子指標分年度進行回歸：

其中，rf為無風險收益率，MKT、SMB及HML分別為按流通市值加權的市場溢價因子、市值因子和賬面市值比因子。同樣，將回歸得到的殘差值的標準差乘以100，作為衡量個股特質風險的指標，用Ivol_ff表示。

參考現有文獻的普遍做法，本文使用日度交易數據計算個股的特質波動率。另外，本文將由周度交易數據計算得到的個股特質風險指標用于穩健性檢驗。

2.創新投入

已有文獻多使用研發支出與營業收入的比值衡量公司創新投入(Chan et al.，2001；Gharbi et al.，2014；周銘山等，2017)[9][13][43]，并且我國上市公司財報也采用研發投入與營業收入的比值來反映公司的創新投入情況。因此，為緩解公司規模產生的偏差，本文仍然采用研發投入的強度指標(即研發支出與營業收入比值)衡量公司的創新投入(R&D)。在穩健性檢驗中，本文將公司所在行業新產品銷售收入作為工具變量，并使用兩階段最小二乘法(2SLS)進行實證檢驗。

3.投資者異質信念

已有文獻度量投資者異質信念的常用指標主要包括三個：分析師預測分歧(Diether et al.，2002)[11]、換手率(Boehme et al.，2006；楊華蔚和韓立巖，2009；左浩苗等，2011)[6][39][45]與超額收益的波動率(Boehme et al.，2006)[6]。由于超額收益的波動率與特質波動率在計算方法上存在關聯性，而分析師預測分歧也因不能代表A股市場中廣大中小投資者的意見分歧而受到質疑，因此，這兩個指標都被排除?；诓煌畔⒒蛘咭庖姺制?，不同投資者對同一股票在相同持有期下預期回報的估計存在差別，樂觀者會買入股票而悲觀者會選擇賣出，而買賣股票的換手率則在一定程度上反映了所有投資者的異質信念。因此，本文選擇日均換手率(Turnov)作為度量投資者異質信念的代理變量，計算方法如下：

4.公司創新信息環境

Zhang and Melissa(2018)[26]研究發現，分析師能準確地向其他金融市場參與者(尤其是投資者)傳達公司創新活動的信息，并幫助他們了解這些長期投資的真實價值，即分析師能顯著降低圍繞公司研發投入的信息不確定性。因此，分析師關注度在一定程度上能刻畫企業創新信息透明度。

本文將分析師關注度作為衡量公司創新信息環境透明度的代理指標，但分析師并不是隨機地選擇追蹤對象，他們會傾向于關注那些規模大、負債水平低、盈利能力強以及高成長的公司(李春濤等，2014)[31]，而規模大、盈利能力強的公司往往具備較高的抗風險能力或者研發水平。因此，直接將對該公司進行過追蹤分析的分析師團隊數量作為度量公司創新信息透明度的指標，可能會產生分析師對“優質”公司的自選擇問題，并且以分析師團隊數量衡量的分析師關注度包含了公司各類信息，并不僅僅是創新信息。因此，為排除公司自身的“優質”特征因素和公司規模、業績、經營風險等信息，使分析師關注更多地與公司創新信息聯系起來，本文參考Yu(2008)[25]以及余明桂等(2017)[42]的做法，構建了模型(4)：

其中，Analysts為對該公司發布的盈余預測和投資評級報告的數量加1的自然對數。Lev、Roe、Size、Bm、Io分別表示年末公司的財務杠桿率、凈資產收益率、公司規模、賬面市值比和機構投資者持股比，機構投資者包括基金、證券公司、QFII、保險公司、社?；?、信托公司、財務公司、銀行8個明細類別(曹豐等，2015)[27]。i表示公司，t表示年份。將模型(4)回歸得到的殘差值εi,t作為排除了公司自身“優質”因素、公司規模、業績、經營風險等信息的分析師關注度指標(Netana)，用來度量公司創新信息環境的透明度。

5.控制變量

參考已有文獻的研究，本文除了控制公司規模(Size)、財務杠桿率(Lev)、賬面市值比(Bm)、凈資產收益率(Roe)、股利分紅(Div)、現金流波動(Cfvol)與機構投資者持股比(Io)等公司基本面特征外，還將日均換手率(Turnov)、個股收益率(Ret)的上一期值納入到控制變量。此外，在面對激烈的產品市場競爭時，公司可能會調整研發支出(Aghion et al.，2005)[2]，而市場競爭又會對股票特質風險產生正向推動作用(吳昊旻等，2012)[37]，因此本文將衡量產品市場競爭環境的行業集中度(HHI)指標作為控制變量。

本文具體的變量定義如表2所示。在實證分析中，為了減輕異常值對回歸結果的影響，對所有連續變量都進行了上下1%的縮尾處理。

表2 變量定義

(三)模型設計

本文采用上一期創新投入對當期投資者異質信念和股票特質風險進行回歸的計量模型，并同時控制時間固定效應與行業固定效應。本文借鑒溫忠麟等(2004)[36]給出的步驟分三步檢驗投資者異質信念的中介作用。

第一步，檢驗假設1，模型構建如下：

其中，特質風險IRiski,t用股票i在t年的特質波動率Ivol_c與Ivol_ff衡量，R&Di,t-1表示公司i在t-1年的創新投入，Controls為控制變量，Ind與Year分別表示不隨時間變化的行業固定效應和不隨公司變化的時間固定效應，εi,t為誤差項。如果β1顯著為正，說明創新投入與股票特質風險呈正相關關系，則驗證了假設1。

第二步，檢驗假設2，構建如下模型：

其中，Turnovi,t為t年表征投資者異質信念的日均換手率。如果系數β2顯著為正，說明創新投入對投資者異質信念具有正向推動作用，則驗證了假設2。

在對回歸模型(5)(6)進行估計后，進行第三步檢驗，在模型(5)的右邊加入變量Turnovi,t，得到如下模型：

檢驗回歸模型(7)的系數δ，如果系數δ也顯著，則驗證了假設3，即投資者異質信念在創新投入與股票特質風險之間發揮了中介作用；如果β3顯著，則說明投資者異質信念發揮的是部分中介作用，如果不顯著，則發揮的是完全中介作用。此外，利用Sobel檢驗對中介效應進行檢驗，并計算出中介效應比例。

參考葉寶娟與溫忠麟(2013)[41]的方法，本文構建了有中介的調節效應模型，并采用依次檢驗法驗證假設4、5以及圖1的理論模型，具體模型如下：

其中，分析師關注度(Netana)為調節變量。檢驗過程依次分為三步：第一步，檢驗模型(8)的系數c3，如果不顯著，則檢驗結束；如果顯著，說明分析師的信息作用調節了創新投入與股票特質風險之間的關系，并進行下一步檢驗。第二步，檢驗模型(9)和(10)的系數a3和b1，如果a3顯著，說明分析師關注度調節了創新投入與投資者異質信念之間的關系，同時b1也顯著的話，則說明分析師關注度通過投資者異質信念這一中介機制對創新投入與股票特質風險間的關系進行調節；如果a3和b1不同時顯著，則說明不存在中介的調節效應。第三步，在a3和b1同時顯著的前提下，觀察模型(10)的系數c'3顯著性，如果c'3顯著，說明調節效應有部分中介；如果不顯著，則說明調節效應是完全中介的，圖1的理論模型得到驗證。此外，利用Sobel檢驗對中介效應進行檢驗，并計算出中介效應比例。

四、實證結果與分析

(一)描述性統計

表3列示了主要變量的描述性統計結果。數據顯示：(1)特質波動率指標Ivol_c與Ivol_ff的均值分別為2.184和2.185，都高于它們的中位數2.103和2.110，且標準差都較低，說明樣本公司的股票特質風險普遍較高，投資者面臨著較高的投資風險。(2)創新投入R&D均值為0.043，說明樣本期間公司平均每年研發支出與營業收入的比值僅為0.043，整體研發投入水平較低；75分位值是25分位值的3.7倍，說明不同公司之間創新投入強度的差異性較大。(3)表示投資者異質信念的日均換手率Turnov的均值為2.238%，這意味著A股市場的換手率較高，投資者意見分歧程度較大。(4)從投資者結構方面看，我國股票市場還不夠成熟，機構投資者的平均持股比僅為0.063，說明在我國股票市場中專業機構投資者持股相對較少。由于篇幅限制，其他變量的統計特征在此不再贅述。

表3 主要變量的描述性統計結果

本文根據創新投入的年度中位數將樣本劃分為高創新投入組與低創新投入組，并比較兩組樣本日均換手率和特質波動率的差異性。表4列示了分組檢驗的結果。在高創新投入組中，特質波動率Iovl_c、Ivol_ff的均值分別為2.282和2.271，在低創新投入組中，特質波動率Iovl_c、Ivol_ff的均值分別為2.085和2.099，兩組樣本的均值在1%水平下顯著存在差異。此外，高創新投入組的日均換手率Turnov的均值為2.498%，也在1%水平下顯著高于低創新投入組的均值1.979%。表4的分組檢驗結果表明，創新投入對投資者異質信念和股票特質風險都存在統計顯著的正向推動作用。

表4 分組檢驗結果

(二)回歸結果分析

表5列示了模型(5)～(7)的回歸結果。模型(5)回歸結果顯示，創新投入(R&Dt-1)對股票特質波動率(Ivol_ct和Ivol_fft)的回歸系數分別為0.708和0.874，且在1%水平下顯著，說明創新投入顯著地正向影響了股票的特質風險。以表5第1列為例，創新投入一個標準差的變化，將導致股票特質波動率I v o l_c的標準差變化約0.030(=0.708*0.043)，這大約是Ivol_c標準差的4.5%(=0.708*0.043/0.680)，且在統計上是顯著的。關于Ivol_ff的系數也類似，因此，驗證了本文假設1。

參考溫忠麟等(2004)[36]檢驗中介效應的步驟，本文在模型(5)R&Dt-1的系數β1顯著的基礎上進行了第二步檢驗。表5模型(6)回歸結果顯示，創新投入(R&Dt-1)對投資者異質信念(Turnovt)的回歸系數為1.717，且在1%水平下顯著，說明創新投入會正向影響投資者異質信念，驗證了本文假設2。進入檢驗第三步，模型(7)中Turnovt的系數δ顯著為正，而R&Dt-1的系數β3明顯減小，且Sobel檢驗結果表明Turnovt是一個中介變量，中介效用占比為52.848%(44.655%)，即投資者異質信念在創新投入與股票特質風險之間發揮了中介作用，驗證了本文假設3。

表5 投資者異質信念的中介效應

控制變量回歸結果表明，對于資產規模(Size)更小、杠桿率(Lev)更高、凈資產回報率(Roe)更低、個股年回報率(Ret)更高的股票，投資者異質信念和股票特質波動風險更高。

表6為公司創新信息環境調節作用的檢驗結果。模型(8)回歸結果顯示，R&Dt-1×Netanat對Ivol_ct的回歸系數c3為-0.268，且在10%水平下顯著，表明創新投入與股票特質風險的正向關系隨著分析師關注度的增加而顯著降低，說明更多的分析師跟蹤有助于降低創新信息的不對稱性，進而降低股票特質風險。在模型(8)系數c3顯著的基礎上，進入檢驗第二步，觀察模型(9)和(10)的系數a3和b1的顯著性：模型(9)回歸結果顯示，R&Dt-1×Netanat的回歸系數a3為-0.815，且在5%水平下顯著，說明分析師關注度負向調節了創新投入與投資者異質信念之間的關系；同時，模型(10)回歸結果顯示，Turnovt的系數b1分別為0.194和0.206，且都在1%水平下顯著，且Sobel檢驗結果表明存在有中介的調節效應。中介效應比例為58.807%(89.480%)，說明調節效應是部分中介，即分析師的信息作用部分通過投資者異質信念這一路徑，負向調節了創新投入與股票特質風險間的關系。表6的回歸結果支持了本文提出的理論模型(見圖1)。

表6 公司創新信息環境的調節效應

五、穩健性檢驗

(一)加入滯后兩階的創新投入(R&Dt-2)

企業創新往往是比較長期的過程，因此，創新投入對于股票特質風險影響的滯后階數可能大于一階。為了緩解這一顧慮，本文在模型(5)～(7)中加入滯后兩階的創新投入(R&Dt-2)，進行重新估計。表7列示了加入R&Dt-2后模型(5)～(7)的估計結果，結果表明在加入R&Dt-2后，創新投入仍顯著正向地影響了股票的特質風險，且投資者異質信念仍在創新投入與股票特質風險之間發揮了部分中介作用，結果支持了表5結論的穩健性。

表7 投資者異質信念的中介效應：加入R&Dt-2

(二)用專利申請數量衡量公司創新

除了使用創新投入來衡量公司創新，本文還從創新產出的角度，使用專利申請數量來衡量公司創新。在中國的專利體系下，專利被分為三大類，即發明專利、實用新型專利以及外觀設計專利。由于發明專利被認為是三類專利中最為優質、對企業最有價值的一類專利(李詩等，2012)[33]，本文使用1加發明專利申請數量的自然對數(Patentt-1)來衡量公司的創新，更換解釋變量后對模型(5)～(7)進行重新估計。表8列示了使用專利申請數量作為解釋變量的模型(5)～(7)的估計結果，結果表明，在更換解釋變量后，表5結論依然穩健。

表8 投資者異質信念的中介效應：更換解釋變量

(三)加入滯后一階的特質風險(IRiskt-1)

模型(5)(7)可能存在遺漏變量的問題，為了緩解這一問題，本文在模型(5)(7)中加入滯后一階的特質風險(IRiskt-1)并對其進行重新估計。表9列示了加入IRiskt-1后模型(5)(7)的估計結果，結果表明在緩解遺漏變量這一問題后，創新投入仍顯著正向地影響了股票的特質風險，且投資者異質信念仍在創新投入與股票特質風險之間發揮了部分中介作用，支持了表5結論的穩健性。

表9 投資者異質信念的中介效應：加入IRiskt-1

(四)剔除數據嚴重缺失的年份

根據表1的數據分布結果可以發現，2007―2011年缺失大量創新投入數據，這可能存在樣本選擇偏差問題。為了緩解這一問題，本文將數據嚴重缺失的年份剔除，只保留2012―2019年之間的創新投入數據，并對模型(5)～(7)進行重新估計。表10列示了剔除數據嚴重缺失年份后模型(5)～(7)的估計結果，結果表明，在剔除數據嚴重缺失的年份后，表5結論仍然穩健。

表10 投資者異質信念的中介效應：剔除數據嚴重缺失年份

(五)工具變量

由于創新投入與股票特質風險之間可能存在潛在的內生性問題，本文將公司所在行業新產品銷售收入(Sale_Ind)作為工具變量，因為上市公司會根據同行業新產品的銷售收入情況來調整未來的創新投入。一般來說，同行業新產品的收入越高，公司越有可能加大創新投入。此外，同行業新產品的收入情況是嚴格外生變量，這保證了工具變量的外生性。表11列示了選擇公司所在行業新產品銷售收入作為工具變量的兩階段最小二乘法(2SLS)回歸結果。第(1)列列示了第一階段回歸結果，自變量為同行業新產品銷售收入的自然對數除以100，創新投入(R&Dt-1)的系數為0.035，且在1%水平下顯著，表明高的同行業新產品銷售收入會吸引上市公司加大創新投入。弱工具變量檢驗的F值為21.415，大于經驗值10，表明同行業新產品銷售收入不是弱工具變量。表11第(2)～(6)列列示了在使用工具變量的情況下模型(5)～(7)的回歸結果，結果表明，在使用工具變量解決內生性問題后，表5結論仍然穩健。

表11 投資者異質信念的中介效應：工具變量

(六)周度交易數據計算的特質波動率

前文計算特質波動率采用日度交易數據。本文改變數據頻率，采用周度交易數據重新計算特質波動率。為了保證有足夠的觀測值用于回歸，本文剔除了年交易周數少于20周的樣本，其他樣本篩選與前文一致。根據周度交易數據重新計算個股特質波動率，并將其代入模型(5)～(7)，得到的回歸結果見表12，與前文基本一致，表明本文的實證結果不受用于計算特質波動率指標的數據頻度的影響。

表12 投資者異質信念的中介效應：更換被解釋變量

六、結論與建議

本文使用2007―2020年滬深A股上市公司的樣本數據，從創新信息的不對稱以及投資者行為的角度，分析了公司創新投入對股票特質風險的影響機制。研究發現，由于公司創新信息的有限披露以及投資者的有限理性，公司創新投入將對股票特質風險產生顯著的正向影響，并且投資者異質信念在兩者之間發揮了部分中介作用。

本文的實證結果表明，公司創新信息的有限披露所產生的信息不對稱是造成高創新投入股票特質風險較高的重要原因。分析師的信息中介作用能夠有效緩解企業與市場之間創新信息的不對稱程度，降低創新投入對投資者異質信念的正向影響，進而負向調節創新投入與股票特質風險之間的正相關關系。這說明透明的信息環境有助于降低投資者對于股票預期收益的意見分歧，從而避免股價過度波動?？萍紕撔鹿緫敽侠淼毓加嘘P研發創新活動的信息，盡可能地滿足廣大投資者對公司創新信息的需求，這有利于公司股票價格的穩定。

在國家創新戰略背景下，為了使資本市場更好地服務科技創新實體經濟，更加充分地發揮資源配置和價格發現的功能，對于資本市場的主要參與者和監管部門，本文提出如下建議：(1)對上市公司而言，增加有關創新的自愿性信息披露，降低由創新帶來的股價波動風險。創新不僅是公司響應國家戰略號召，也是其增強市場競爭力、提升公司價值的重要活動，但創新信息在投資者之間的異質信念將導致其股價產生較大波動。上市公司可以通過自愿性信息披露，降低有關創新的信息不對稱程度，從而減少股價波動。(2)對投資者而言，應增強風險意識，提高對上市公司基本面尤其是創新活動的識別能力，以有效抑制創新信息產生的異質信念，減少非理性投資行為，從而起到降低股價波動的作用。(3)對以證券分析師為代表的中介而言，應客觀、真實地向投資者分析和傳達公司信息，幫助投資者合理評估公司價值并提出較為理性的投資策略，在資本市場上起到正確的信息中介作用，進而降低投資者異質信念，促進資本市場穩定發展。(4)對監管部門而言，應進一步鼓勵市場參與者披露和解讀有關公司創新的信息，提高創新信息環境的透明度。在條件成熟時，不僅要求上市公司披露創新投入的金額，而且要求其披露創新對公司市場價值或股價的短期和長期影響，這不僅有利于降低個股波動風險，而且有利于防范資本市場的系統風險。

本文僅從創新信息的不對稱性以及投資者行為的角度去分析公司創新對股價特質風險的影響，缺乏從可能存在的業績波動角度的進一步討論。因此，本文關于公司創新投入對股票市場影響機理的探究仍然不夠全面，存在進一步補充改進的空間。 ■