軍民融合政策對軍工上市公司長期股價的影響

余冬平， 沈蘭鳳

(中央財經(jīng)大學(xué) 財經(jīng)研究院， 北京 100081)

軍民融合是國家統(tǒng)籌經(jīng)濟建設(shè)與國防建設(shè)的重大戰(zhàn)略，黨的十七大、十八大、十九大報告相繼對軍民融合式發(fā)展作了戰(zhàn)略部署。習(xí)近平也曾指出：“進一步做好軍民融合式發(fā)展這篇大文章，堅持需求牽引、國家主導(dǎo)，努力形成基礎(chǔ)設(shè)施和重要領(lǐng)域軍民深度融合的發(fā)展格局?！盵1]在此背景下，為打破軍民二元分離現(xiàn)狀，最終形成全要素、多領(lǐng)域和高效率的軍民融合發(fā)展格局，中國國家相關(guān)部門相繼出臺了一系列與軍民融合相關(guān)的政策法規(guī)。目前具有中國特色的軍民融合發(fā)展政策制度體系已初具規(guī)模，為推動各領(lǐng)域軍民融合發(fā)展提供了良好的政策環(huán)境支撐。

中國學(xué)者對軍民融合政策的相關(guān)研究主要集中于定性和定量兩個層面。在定性層面，有學(xué)者側(cè)重對軍民融合政策的現(xiàn)狀和存在問題的進行研究[2-6]，也有學(xué)者將政策工具的理論應(yīng)用于軍民融合政策的相關(guān)研究中[7]，還有學(xué)者側(cè)重對軍民融合的文本內(nèi)容進行分析[8-9]。在定量層面，相關(guān)學(xué)者頗具創(chuàng)新地將PMC指數(shù)模型與AE技術(shù)相結(jié)合，構(gòu)建了二級指標(biāo)對10項軍民融合政策進行定量評價[10]。

綜上來看，中國學(xué)者對軍民融合政策的研究多集中于定性層面，而對軍民融合政策定量層面的研究相對較少。筆者擬從定量層面著手，將宏觀層面的軍民融合政策與微觀層面的軍工上市公司建立聯(lián)系，并從十一大軍工集團旗下的86家軍工上市公司長期股價異常收益這一視角對軍民融合政策的效果進行評估。對軍民融合相關(guān)政策進行評價是軍民融合政策科學(xué)有效實施的前提和保證，也為中國軍民融合政策調(diào)整和優(yōu)化方向的確定提供了良好支撐，具有重大的理論和實踐意義[10]：一方面，有助于從體制改革和制度創(chuàng)新等方面為推動軍民融合深度發(fā)展尋求治理之策，從而為中國繼續(xù)深化實施軍民融合發(fā)展戰(zhàn)略提供優(yōu)化方向指導(dǎo)；另一方面，對軍民融合深度發(fā)展時期頒布的政策進行評估，有助于豐富軍民融合政策定量研究理論文獻庫，助力實現(xiàn)“拆壁壘、破堅冰、去門檻”的戰(zhàn)略目的。

一、軍民融合政策梳理與選取

自2013年以來，習(xí)近平指出：“要統(tǒng)籌經(jīng)濟建設(shè)和國防建設(shè)，努力實現(xiàn)富國和強軍的統(tǒng)一，進一步做好軍民融合式發(fā)展這篇大文章。”[1]此后，為了促進軍民融合發(fā)展，政府相關(guān)部門紛紛頒布了一系列政策文件。表1是2013年以后頒布的與軍民融合相關(guān)的政策法規(guī)，選自國務(wù)院、國防部、國家國防科技工業(yè)局(以下簡稱“國防科工局”)、工業(yè)和信息化部等國家有關(guān)部門以及北大法寶數(shù)據(jù)庫等。

由于軍民融合政策法規(guī)數(shù)量眾多，為保證政策選取的準(zhǔn)確性和代表性，按照以下原則對政策進行了整理和篩選：一是選取2013年以后頒布的軍民融合政策。因2013年以前頒布的軍民融合政策數(shù)量相對較少，故選取2013年以后頒布的軍民融合政策作為政策樣本。二是選取發(fā)文單位為國務(wù)院、全國人民代表大會、工業(yè)和信息化部以及各部委級別的軍民融合政策?？紤]到各省(自治區(qū)、直轄市)頒布的軍民融合政策是上述級別軍民融合政策的補充，因而筆者不將其納入考慮范圍。三是選取直接與軍民融合密切相關(guān)的政策文件。四是選取意見、計劃、規(guī)劃、思路、方案和綱要等政策文件類型。據(jù)此，筆者最終選取了24份有效政策樣本，如表1所示。

表1 2013—2018年國家層面的軍民融合政策

續(xù)表

二、研究設(shè)計

相關(guān)研究結(jié)果顯示，公司在特定的事件發(fā)生后，在很長一段時間內(nèi)會獲得異常收益[11-13]。為了探究軍民融合政策的頒布對軍工上市公司長期股價是否會帶來顯著影響，基于長期事件分析法的購買并持有法，筆者構(gòu)建了基準(zhǔn)投資組合以控制或消除新上市偏差和再平衡偏差，并通過自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值來消除偏度偏差。

(一)長期事件分析法的爭論與選取

1. 長期事件分析法的爭論

在相關(guān)金融文獻中，主要采用兩種方法來測量長期異常收益率，即日歷時間投資組合法和購買并持有法，但究竟哪種方法是長期事件分析的最佳方法，一直存在爭議。

Lyon等通過模擬研究后認為，購買并持有法是衡量投資者長期經(jīng)驗的更好方法，應(yīng)該用于長期事件分析中[11]。同時，Cowan和Sergeant在其模擬中重點研究了購買并持有基準(zhǔn)法，發(fā)現(xiàn)用基準(zhǔn)投資組合法不能克服Lyon等所討論的偏斜度偏差，且樣本量越大，偏斜度偏差越小[14]。Mitchell和Stafford認為，日歷時間投資組合法是衡量長期異常收益的首選[15]。

當(dāng)然，還有一些學(xué)者對這兩種異常收益率的衡量方法提出了質(zhì)疑。Brav和Gompers認為，購買并持有法中樣本觀察中的橫截面依賴性在一些抽樣情況下，可能會導(dǎo)致測試中指定的統(tǒng)計數(shù)據(jù)不準(zhǔn)確[16]。Lyon等認為，日歷時間投資組合法雖消除了樣本公司之間的橫向依賴問題，但與購買并持有異常收益不同，異常收益測度不能精確地衡量投資者經(jīng)驗[11]。

2. 長期事件分析法的選取

Lyon等以及Cowan和Sergeant等認為，購買并持有異常收益率(BHAR)是適當(dāng)?shù)墓烙嬃?，因為它“精確地衡量了投資者的經(jīng)驗”[11，14]。因此，筆者使用購買并持有法來研究軍民融合深度發(fā)展時期頒布的政策對十一大軍工集團旗下的86家軍工上市公司的長期異常收益率的影響。BHAR的計算公式為

(1)

式中：Rit為公司i在t時期的長期購買并持有收益；Rbenchmark,t為公司i在t時期的特定基準(zhǔn)的長期收益；τ為考察的時間區(qū)間。

(2)

式中：wig為公司i的權(quán)重；N為樣本公司的數(shù)量。

(二)數(shù)據(jù)來源和基準(zhǔn)投資組合的構(gòu)建

1. 數(shù)據(jù)來源

數(shù)據(jù)來源于國泰君安數(shù)據(jù)庫，該數(shù)據(jù)庫提供了2012年1月— 2020年12月所有A股上市公司個股月度收益率和流通市值、總市值和賬面市值比的可用數(shù)據(jù)。其中，總市值代表公司總體規(guī)模的大小，計算方式為股票價格×發(fā)行總股數(shù)；流通市值為當(dāng)前股價×實際可流通股本；賬面市值比為公司所有者權(quán)益總額/公司市值，同時也是市凈率的倒數(shù)。

2. 樣本公司的選取標(biāo)準(zhǔn)

通過Wind數(shù)據(jù)庫查找十一大軍工集團旗下的軍工上市公司共計89家，剔除*ST集成、*ST嘉陵和*ST天雁3家ST公司，最后剩下86家軍工上市公司。選取這86家軍工上市公司主要基于以下原因：第一，十一大軍工集團旗下的軍工上市公司主要是在深圳證券交易所和上海證券交易所上市，上市時已經(jīng)規(guī)定了公司的規(guī)模，可以有效剔除公司規(guī)模等方面的異質(zhì)性對公司股票價格變動的影響；第二，選取的86家軍工上市公司涵蓋了軍工行業(yè)的航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，具有較好的代表性；第三，十一大軍工集團旗下的軍工上市公司都是國有企業(yè)，更容易受到國家宏觀政策的影響。

3. 基準(zhǔn)投資組合的構(gòu)建

Lyon等以及Kothari 和 Warner研究表明，用于檢驗股票長期異常收益率的方法會產(chǎn)生錯誤指定的嚴重后果。同時，還強調(diào)了造成這種錯誤指定的三種 來源，即新上市偏差、再平衡偏差和偏度偏差。新上市偏差會在測試統(tǒng)計中產(chǎn)生正的偏差，而再平衡偏差和偏度偏差會產(chǎn)生負的偏差[11，17]。因此，在運用長期事件分析法計算軍民融合深度發(fā)展政策的頒布對軍工上市公司長期異常收益率的過程中，為控制以上三種偏差源可能會對軍工上市公司長期異常收益率產(chǎn)生的錯誤指定的嚴重后果，需要構(gòu)建基準(zhǔn)投資組合來控制或消除新上市偏差和再平衡偏差，同時，還需要通過自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值來控制或消除偏度偏差。

根據(jù)Mitchell和Stafford[15]的研究，為避免相鄰政策的相互影響，對每個樣本公司兩年內(nèi)只取第一次事件。長期事件分析法分析的一個關(guān)鍵是通過構(gòu)建基準(zhǔn)投資組合，從而控制或消除新上市偏差和再平衡偏差。因此，在基于長期事件分析法來衡量軍民融合深度發(fā)展政策對軍工上市企業(yè)股價的長期異常收益率的過程中，需要構(gòu)建基準(zhǔn)投資組合?；鶞?zhǔn)投資組合是筆者根據(jù)2012—2019年 A股 所有上市公司的規(guī)模和賬面市值比構(gòu)成的，具體分為以下步驟：

首先，把t-1年7月至t年6月看作是一個完整日歷年。在t-1年6月末把A股所有上市公司(包括86家軍工上市公司)按照市值大小劃分為5個 投資組合；接著，在t-1年12月末將所有A股上市公司按照賬面市值比的大小劃分為5個投資組合，并將這5個投資組合置于t-1年 6月末按照市值大小劃分的5個投資組合中。于是，在每個日歷月都有了基于市值和賬面市值比劃分的25個投資組合。

每個日歷月，86家軍工上市公司的市值和賬面市值比匹配的基準(zhǔn)投資組合被認為是在事件月之前構(gòu)建的25個基準(zhǔn)投資組合中的一個，這些基準(zhǔn)投資組合在市值和賬面市值比上與事件公司匹配。市值與賬面市值比匹配的基準(zhǔn)投資組合在t個月內(nèi)的收益為

(3)

式中：BRi為對照組持有收益率；t=0為事件月；nt為t月的公司數(shù)量；rjt為j公司在t月的月收益；τ-1為考察的時間區(qū)間。

在計算單個公司的BHAR時，強加兩個確保所有BHAR代表真實的兩年購買并持有收益的條件。首先，由于退市并非所有軍工上市公司在事件結(jié)束后都有完整的兩年有效收益數(shù)據(jù)，因此，需要使用基準(zhǔn)投資組合收益來填充缺失的樣本公司收益。其次，在形成基準(zhǔn)投資組合時不會進行再平衡，因此，每個BHAR都是真實的。這意味著每個日歷月計算的是25個市值和賬面市值比組合中每個組合的兩年收益。

(三)統(tǒng)計檢驗與模擬方法

通常，小公司和高賬面市值比公司的普通股易獲得高收益率。因而，筆者根據(jù)公司市值和賬面市值比來選擇投資組合或控制公司。但是，在某些抽樣情況下，只使用基于公司市值和賬面市值比的基準(zhǔn)投資組合或控制公司僅僅控制或消除新上市偏差和再平衡偏差。由于BHAR計算方法本身帶來的偏度偏差并沒有得到解決，所以就易產(chǎn)生錯誤指定的嚴重后果。因此，為了防止長期事件分析中出現(xiàn)錯誤指定的情況，筆者引入兩種常見的消除和控制偏度偏差的統(tǒng)計方法。

1. 自助法偏度調(diào)整后的T統(tǒng)計量

Lyon等的研究發(fā)現(xiàn)，長期購買并持有的異常收益是正偏態(tài)的，這種正偏態(tài)會導(dǎo)致負偏態(tài)T統(tǒng) 計量，且在大規(guī)模的模擬研究中，基于自助法偏度調(diào)整后的T統(tǒng)計量的測試在測試1年異常收益方面比傳統(tǒng)T統(tǒng)計量測試更有效[11]。

使用構(gòu)建的基準(zhǔn)投資組合或購買并持有基準(zhǔn)投資組合計算出的異常收益控制或消除了新上市偏差和再平衡偏差，這可追溯至Lyon等[11]的相關(guān)研究中，但未能控制或消除購買并持有法計算過程中的偏度偏差。因此，為了控制或消除使用購買并持有基準(zhǔn)投資組合計算長期異常收益時的偏度偏差，提倡使用自助法偏度調(diào)整后的T統(tǒng)計量，公式為

(4)

(5)

(6)

2. 經(jīng)驗p值

用來評估長期異常股票收益顯著性的最后一種方法是Brock等[18]、Ikenberry等[19]、Ikenberry等[20]、Lee[21]以及Rau和Vermaelen[22]使用的方法，在該方法得到了零假設(shè)下股票長期異常收益的經(jīng)驗分布。具體來說，對于每個有事件月t的軍工上市公司，隨機選擇替換一個在事件月t中具有相同市值的賬面市值比的A股上市公司。這一過程一直持續(xù)至原始軍工上市公司中的每個公司在這個偽投資組合中由一家控制公司代表。該投資組合為每個軍工上市公司包含一個隨機抽取的公司，并在時間上具有相似的規(guī)模和按市值計價的特征。在形成1個 單獨的偽現(xiàn)金組合后，使用購買并持有的規(guī)模/賬面市值比基準(zhǔn)投資組合來評估長期業(yè)績，恰如對原始樣本所做的那樣。形成單個偽投資組合后，使用與原始樣本相同的購入并持有規(guī)模/賬面市價基準(zhǔn)投資組合來估算長期表現(xiàn)，這就產(chǎn)生了一種異常表現(xiàn)的觀察結(jié)果。這種異常表現(xiàn)是通過隨機形成1個與原始樣本市值和賬面市值比特征相同的投資組合而獲得的。整個過程重復(fù)進行，直至得到1 000個 偽現(xiàn)金流，因此也得到了1 000個平均異常收益觀測值。這些觀測值被用來近似表示長期平均異常收益的經(jīng)驗分布。

三、實證結(jié)果分析

(一)總體樣本實證結(jié)果分析

表2為等權(quán)平均組合下86家軍工上市公司長期平均異常收益，表3為流通市值加權(quán)下86家軍工上市公司長期平均異常收益。由表2和表3可知：在24個事件月內(nèi)，86家軍工上市公司的長期平均異常收益，無論是在等權(quán)平均組合下還是流通市值加權(quán)下，均為正值。且從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值都通過了顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對86家軍工上市公司的長期股價有顯著正向影響。

表2 等權(quán)平均組合下86家軍工上市公司長期平均異常收益

表3 流通市值加權(quán)下86家軍工上市公司長期平均異常收益

圖1為86家軍工上市公司長期平均異常收益率。由圖1可知：第一，在24個事件月內(nèi)，86家軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同；第二，86家軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，在第20個至第22個事件月都出現(xiàn)了峰值。由此表明，軍民融合深度發(fā)展政策的頒布對86家軍工上市公司的長期股份有顯著正向影響，且在政策頒布后的第20個至第22個事件月，這種政策效應(yīng)表現(xiàn)得最為明顯。

圖1 86家軍工上市公司長期平均異常收益率

(二)分樣本實證結(jié)果分析

為進一步探究軍民融合深度發(fā)展政策的頒布對不同行業(yè)類別軍工上市公司長期股價的影響是否存在顯著差異，筆者將86家軍工上市公司劃分為航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，按照長期事件分析法的相關(guān)步驟，來探究軍民融合深度發(fā)展政策的頒布對不同行業(yè)類別軍工上市公司長期股價的影響。

1. 航空行業(yè)類別軍工上市公司實證結(jié)果

圖2為航空行業(yè)類別軍工上市公司長期平均異常收益率。由圖2可知：第一，在24個事件月內(nèi)，航空行業(yè)類別軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同。第二，在第13個和第14個事件月，航空行業(yè)類別軍工上市公司長期異常收益率出現(xiàn)了第一個小峰值，隨后又略微下降；在第21個事件月，又出現(xiàn)了第二個峰值。由此表明，軍民融合深度發(fā)展政策的頒布對航空行業(yè)類別軍工上市公司的長期股價有顯著正向影響，且在第21個事件月前后這種政策效應(yīng)表現(xiàn)得最為明顯。

圖2 航空行業(yè)類別軍工上市公司長期平均異常收益率

表4為航空行業(yè)類別軍工上市公司長期平均異常收益。由表4可知：在24個事件月內(nèi)，航空行業(yè)類別軍工上市公司的長期平均異常收益，無論是在等權(quán)平均組合下還是流通市值加權(quán)下，均為正值，且從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值在大多數(shù)事件月內(nèi)都通過了顯著性檢驗，表明軍民融合深度發(fā)展政策的頒布對航空行業(yè)類別軍工上市公司的長期股價有顯著正向影響。

表4 航空行業(yè)類別軍工上市公司長期平均異常收益

2. 兵器行業(yè)類別軍工上市公司實證結(jié)果

圖3為兵器行業(yè)類別軍工上市公司長期平均異常收益率。由圖3可知：第一，在24個事件月內(nèi)，兵器行業(yè)類別軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同，但流通市值加權(quán)下的長期異常收益率略微高于等權(quán)平均下的長期平均異常收益率。第二，在第14個事件月，兵器行業(yè)類別軍工上市的長期平均異常收益率出現(xiàn)了第一個小峰值，隨后又急劇下降；在第21個事件月，則出現(xiàn)了第二個峰值，同時也是24個事件月內(nèi)的最大值。由此表明，軍民融合深度發(fā)展政策在頒布后的第21個 事件月對兵器行業(yè)類別軍工上市公司的股價影響最大。

圖3 兵器行業(yè)類別軍工上市公司長期平均異常收益率

表5為兵器行業(yè)類別軍工上市公司長期平均異常收益。由表5可知：在24個事件月內(nèi)，兵器行業(yè)類別軍工上市公司的長期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值。除第5個 、第9個和第24個事件月外，兵器行業(yè)類別軍工上市公司的長期平均異常收益都通過了顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對兵器行業(yè)類別軍工上市公司的長期股價有顯著正向影響。

表5 兵器行業(yè)類別軍工上市公司長期平均異常收益

3.航天行業(yè)類別軍工上市公司實證結(jié)果

圖4為航天行業(yè)類別軍工上市公司的長期平均異常收益率。由圖4可知：第一，在24個事件月內(nèi)，航天行業(yè)類別軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同，但流通市值加權(quán)下的長期異常收益率略微高于等權(quán)平均下的長期平均異常收益率。第二，在24個事件月內(nèi)，航天行業(yè)類別軍工上市公司的長期平均異常收益率的變化可以分為兩個階段：第一個階段(前21個事件月內(nèi))，航天行業(yè)類別軍工上市公司的長期平均異常收益率大體呈現(xiàn)波折上升趨勢，且在第21個事件月達到峰值；第二個 階段(第22個至第24個事件月)，航天行業(yè)類別軍工上市公司長期平均異常收益率呈現(xiàn)下降趨勢。由此表明，軍民融合深度發(fā)展政策的頒布在第21個事件月對航天行業(yè)類別軍工上市公司的股價影響最為顯著。

圖4 航天行業(yè)類別軍工上市公司長期平均異常收益率

表6為航天行業(yè)類別軍工上市公司的長期平均異常收益。由表6可知：第一，在24個事件月內(nèi)，航天行業(yè)類別軍工上市公司的長期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；第二，從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值在大多數(shù)事件月內(nèi)都通過了顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對航天行業(yè)類別軍工上市公司的長期股價有顯著正向影響。

表6 航天行業(yè)類別軍工上市公司長期平均異常收益

4. 電子行業(yè)類別軍工上市公司實證結(jié)果

圖5為電子行業(yè)類別軍工上市公司的長期平均異常收益率。由圖5可知：第一，在24個事件月內(nèi)，電子行業(yè)類別軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同；第二，在前19個事件月內(nèi)軍工上市公司的長期平均異常收益率大體呈現(xiàn)波折上升趨勢，而在第20個事件月出現(xiàn)下降，在第21個事件月又重回更大峰值。

圖5 電子行業(yè)類別軍工上市公司長期平均異常收益率

表7為電子行業(yè)類別軍工上市公司長期平均異常收益。由表7可知：第一，在24個事件月內(nèi)，電子行業(yè)類別軍工上市公司的長期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；第二，從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值在24個事件月內(nèi)都通過了顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對電子行業(yè)類別的軍工上市公司的長期股價有顯著正向影響。

表7 電子行業(yè)類別軍工上市公司長期平均異常收益

5. 核工行業(yè)類別軍工上市公司的實證結(jié)果

圖6為是核工行業(yè)類別軍工上市公司長期平均異常收益率。由圖6可知：第一，在24個事件月內(nèi)，核工行業(yè)類別軍工上市公司的長期平均異常收益率，在等權(quán)平均和流通市值加權(quán)下的走向趨同，但等權(quán)平均下的收益率略微高于流通市值加權(quán)下的收益率；第二，在前21個事件月內(nèi)，核工行業(yè)類別軍工上市公司的長期平均異常收益率，在等權(quán)平均和流通市值加權(quán)下都呈現(xiàn)波折上升趨勢，且在第21個事件月都達到峰值，隨后又都呈現(xiàn)下降趨勢。

圖6 核工行業(yè)類別軍工上市公司長期平均異常收益率

表8為核工行業(yè)類別軍工上市公司長期平均異常收益。由表8可知：除第3個和第4個事件月外，核工行業(yè)類別軍工上市公司長期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值。但從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值在大多數(shù)事件月內(nèi)都沒有通過顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對核工行業(yè)類別軍工上市公司的長期股價沒有顯著正向影響。

表8 核工行業(yè)類別軍工上市公司長期平均異常收益

筆者認為，出現(xiàn)這種現(xiàn)象的原因主要在于，核工行業(yè)是典型的軍民融合產(chǎn)業(yè)，核工業(yè)技術(shù)具有軍民兩用特點。當(dāng)前，中國核工行業(yè)的軍用和民用都處于快速發(fā)展時期，一批軍用技術(shù)取得了重要成果，大量民用技術(shù)也已達到世界先進水平。這些技術(shù)很大一部分都可以軍民兩用，或者具有軍民兩用的潛力。在軍民融合大背景推動下，核工行業(yè)軍工上市公司占用了大量民用核工業(yè)技術(shù)，使核工行業(yè)類別軍工上市公司的長期股價不受政策頒布的顯著影響。

6. 船舶行業(yè)類別軍工上市公司實證結(jié)果

圖7為船舶行業(yè)類別軍工上市公司長期平均異常收益率。由圖7可知：在前21個事件月內(nèi)，船舶行業(yè)類別軍工上市公司的長期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，都呈現(xiàn)波折上升趨勢，且在第21個事件月出現(xiàn)了最大值，隨后則呈現(xiàn)急劇下降趨勢。

圖7 船舶行業(yè)類別軍工上市公司長期平均異常收益率

表9為船舶行業(yè)類別軍工上市公司長期平均異常收益。由表9可知：在24個事件月內(nèi)，船舶行業(yè)類別軍工上市公司長期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；但從結(jié)果來看，傳統(tǒng)T統(tǒng)計量、自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值在大多數(shù)的事件月內(nèi)都通過了顯著性檢驗。由此表明，軍民融合深度發(fā)展政策的頒布對船舶行業(yè)類別軍工上市公司的長期股價有顯著正向影響。

表9 船舶行業(yè)類別軍工上市公司長期平均異常收益

四、結(jié)論與展望

(一)結(jié)論

筆者基于長期事件分析法，選取2013—2018年期頒布的24份軍民融合政策為政策樣本，十一大軍工集團旗下的86家軍工上市公司為公司樣本，且從軍工上市公司長期股價異常收益這一視角對軍民融合深度發(fā)展政策進行定量評估，并得出如下結(jié)論：

第一，為了推動軍民融合深度發(fā)展，切實打破軍民二元分離的格局，目前具有中國特色的軍民融合發(fā)展政策制度體系已初具規(guī)模，這為推動各領(lǐng)域軍民融合發(fā)展提供了良好的政策制度環(huán)境支撐。但軍民融合政策依然存在著政策多、法規(guī)少，綜合性法規(guī)多、專項性法規(guī)少，單一發(fā)文多、聯(lián)合發(fā)文少等問題。

第二，基于長期事件分析法，構(gòu)建了25組市值和賬面市值比不同的基準(zhǔn)投資組合以便控制或消除新上市偏差和再平衡偏差，并運用了自助法偏度調(diào)整后的T統(tǒng)計量和經(jīng)驗p值來控制或消除偏度偏差。實證結(jié)果顯示，軍民融合深度發(fā)展政策的頒布對十一大軍工集團旗下的86家軍工上市公司的長期股價有顯著正向影響。

第三，為進一步探究軍民融合政策的頒布對不同行業(yè)類別軍工上市公司的長期股價影響是否存在顯著差異，筆者將86家軍工上市公司分為航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，實證結(jié)果顯示，軍民融合深度發(fā)展政策的頒布對軍工上市公司的長期股價存在顯著差異。其中，對核工行業(yè)類別軍工上市公司長期股價沒有顯著影響，而對其他行業(yè)類別軍工上市公司的長期股價有顯著正向影響。

(二)展望

在長期事件分析法的運用中，雖然公司市值和賬面市值比在最近的金融經(jīng)濟學(xué)研究中受到了較大關(guān)注，但Lyon等認為，事前回歸表現(xiàn)和產(chǎn)業(yè)集群效應(yīng)同樣會對事件公司的長期異常收益率產(chǎn)生影響[11]。同時，也有相關(guān)學(xué)者對購買并持有基準(zhǔn)法持懷疑態(tài)度，認為該方法容易受到橫截面相關(guān)性、匹配標(biāo)準(zhǔn)不足、新股發(fā)行、周期性平衡和長期異常收益偏態(tài)分布相關(guān)偏差等方面影響。鑒于此，未來在進一步分析軍民融合深度發(fā)展政策對軍工上市公司長期股價的影響時，一方面，在構(gòu)建基準(zhǔn)投資組合的同時，應(yīng)考慮將產(chǎn)業(yè)集群和事前回歸表現(xiàn)等因素納入其中；另一方面，可以嘗試采用新的事件研究方法，如日歷時間投資組合法，對事件公司的長期異常收益開展研究。