賣空對創新質量的影響
——基于知識產權密集型公司的經驗證據

劉亭立，姜 瑩

（北京工業大學經濟與管理學院，北京 100124）

一、引言

構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局是未來新發展階段的“國之大計”，這一戰略選擇的基本內涵是以高水平的自立自強和科技自主創新來實現新經濟循環的暢通無阻（黃群慧，2021）?！笆濉币詠?，中國創新的步伐在逐漸加快，根據國家統計局公布的中國創新指數數據，以2005 年的創新指數100 為基數，2005—2019 年中國創新指數逐年升高，總體創新情況逐年提高。但是從創新指數構成的四個維度（創新投入、創新產出、創新成效、創新環境）進行分析，可以發現推動中國創新指數增速的主要方面是創新產出，其次是創新環境，而最為重要的創新成效相較其他三個維度的變化，是增長最慢的。

知識產權（專利）密集型產業（以下簡稱：知產密集型產業）是推進創新成效的主戰場。根據《知識產權（專利）密集型產業統計分類（2019）》（國家統計局令第25 號），知產密集型產業至少應當具備下列條件之一：①行業發明專利規模和密集度均高于全國平均水平；②行業發明專利規模和R&D 投入強度高于全國平均水平，且屬于戰略性新興產業、高技術制造業、高技術服務業；③行業發明專利密集度和R&D 投入強度高于全國平均水平，且屬于戰略性新興產業、高技術制造業、高技術服務業。2018 年全國知產密集型產業增加值為107090 億元，占比達到了國內生產總值（GDP）的11.6%，具有強勁的增長潛力。但與此同時，由于創新活動孵化周期長、風險高、投入大和不可逆等特點，僅僅靠其內源融資無法維持高投入、見效慢的創新工作，知產密集型產業普遍存在著更大的外源融資需求。外源融資行為必然會得到投資者的關注，賣空者就是其中之一（侯鑫和褚劍，2019），由賣空者所帶來的外部壓力會對經理人行為造成積極或消極的影響，一旦消極影響大于其積極影響，那將是得不償失。因此，僅僅考慮如何緩解融資約束是不夠的，融資約束緩解過程中外部利益相關者的影響同樣也是需要關注的問題。

2010 年3 月，賣空機制的推出結束了中國資本市場買漲不買跌的單邊交易局面。賣空機制又稱作空、沽空，是指在投資者看跌一家公司或需要對沖做多風險的情況下，承擔一定比例的保證金以融得證券，在當前時點價格較高的情況下進行賣出，待未來證券價格下跌時，重新買入相同數量的證券歸還給證券公司。在該過程中，投資者與證券公司約定賣出價格越高，到期日公司股票價格越低，則投資者獲利越多，投資者就越有動力挖掘標的公司負面信息，打壓公司股價（段然和蔡花艷，2021）。因此，上市公司面臨著可能被賣空者惡意攻擊的風險。從2010 年實施賣空以來，我國賣空標的范圍歷經六次擴容，從2010 年第一次擴容只有90 家，到2019 年8 月第六次擴容至1600 家，占比達到A 股上市公司總數的36.63%。隨著擴容的不斷深入，未來我國上市公司全面開放賣空交易將是必然趨勢。探究和復盤賣空交易對實體經濟的影響，有助于更好地發揮資本市場促進科技、資本和實體經濟高質量循環，以創新主力軍——知產密集型企業為研究對象，則能更好的捕捉賣空交易對創新質量的影響，而我國漸進式擴容的賣空機制為這一研究提供了絕佳的準自然實驗場景。

本文的主要貢獻在于：①豐富了知產密集型產業的研究，深入剖析了該產業上市公司在創新、二級市場表現等方面的發展現狀及市場潛力，有助于為后續研究提供新的思路；②立足于委托代理理論，厘清高管及股東在賣空交易背景下的決策偏好，從公司治理角度明確了賣空交易影響創新質量的作用路徑及效果，為有爭議的問題提供了新的證據支撐；③響應國家對知產密集型產業研究的需要，立足于當前資本市場交易機制變化，探討資本市場助力科技創新的現實路徑，有助于為科技、資本及實體經濟的高水平循環提供政策建議。

二、理論分析與假說發展

賣空機制逐漸成為我國金融市場的重要組成部分。但無論是國外成熟的資本市場，還是我國新興資本市場，對于賣空交易的影響均持有兩種截然相反的觀點。一方面，賣空交易者具有信息中介的作用，空頭頭寸是向市場釋放的一種風險信號（Pownall 和Simko，2005），為負面信息的擴散提供了通道（Gao 和Ding，2019），賣空機制能夠增強資本市場有效性，提高股票市場的定價效率（Chang et al，2014；李科等，2014；李志生等，2015），減少了股價的異質性波動（潘凌云和董竹，2021），從而更好地幫助資本市場發揮其證券價格發現功能（Boulton et al，2020；Boehmer 和Wu，2013；Saffi 和Sigurdsson，2010）。而另一方面，具有內部信息的知情做空者可能會借此獲利，甚至會引起股價的大幅波動，使得其他投資者所面臨的風險水平有所增加（Bai et al，2006）。Allen 和Gale（1991）從非對稱風險視角提出，當賣空約束被放松以后，潛在賣空交易量變多，可能加劇市場波動、增大崩盤風險，這一觀點在后續中外學者的研究中也得到了驗證（褚劍和方軍雄，2016；許紅偉和陳欣，2012；廖士光，2011；Goldstein 和Guembel，2008；Morris 和Shin，1998）。與我國大陸市場2010 年才允許賣空交易有所不同，香港市場從1994 年開始允許賣空交易且允許“裸賣空”交易的存在①“裸賣空”（naked short selling），是指投資者無需借入股票即可直接在市場上賣出根本不存在的股票，在股價進一步下跌時再買回股票獲得利潤的投資手法。進行“裸賣空”的交易者只要在交割日期前買入股票，交易即獲成功。由于“裸賣空”賣出的是不存在的股票，量可能非常大，因此會對股價造成劇烈沖擊。，直至1998年因亞洲金融危機而禁止了“裸賣空”。曾有學者通過對香港市場的研究發現，賣空在為市場提供更大流動性的同時也會促使股價慢漲急跌，其杠桿屬性更是放大了這一風險（Henry 和Mckenzie，2006），并且因賣空導致的恐慌性拋售及流動性緊張會嚴重破壞市場參與者的信心（Karpoff 和Lou，2010）。

就賣空機制對公司創新的影響而言，現有研究并未達成一致。通過對32 個成熟資本市場及新興資本市場的數據進行實證檢驗后，Hsu et a（l2014）認為資本市場的發展有利于技術密集型行業創新水平的提高。權小鋒和尹洪英（2017）也認為融資融券制度具有“創新激勵效應”，能夠提升公司的創新效率；此外，還有一些研究發現賣空能夠顯著提升公司的創新投入、專利申請數量的增長（王春燕等，2018；陳怡欣等，2018）。但與此同時，也存在另一種聲音，代表性的觀點是賣空威脅促使實用新型專利和外觀設計專利這兩類“短平快”但創新程度略低的專利增加，而發明專利并未同步提高，致使整體專利結構惡化、申請質量下降（郝項超等，2018；林志帆和龍曉旋，2019；譚小芬和錢佳琪，2020）。通過Blind et a（l2006）的動機模型，可以更好的解釋這一現象，當公司股票成為賣空標的后，將面臨著股價短期下跌的壓力（Mitchell et al，2004），同時股票流動性會增加，不利于公司創新（Fang et al，2014），企業不得不將應該用作長期投資的資金，轉而投資一些短期內便可獲得收益，或至少可以產生外部利好信號的項目，以“策略性”專利活動向外部市場釋放偽利好信號，以暫時穩定或抬升股價，從而間接使得長期研發創新的投入被削減，并且，這種消極影響在內部治理機制不完善的公司中會體現的更加明顯（劉飛等，2020；王蕾茜等，2019）。因此，賣空交易可能會成為風險及負面影響的“放大器”，因為賣空交易帶有“杠桿”的屬性，能夠撬動巨額資金涌入市場，導致市場投機過度，反而會加劇資產價格的異常波動，迫使管理者做出降低財務風險或投資水平的決策（張紅偉等，2016；彭章等，2021）。

創新是高風險的投資行為，而企業創新失敗則會成為做空者獲利的機會（Karpoff 和Lou，2010），這迫使經理人在進行高風險的研發創新活動時，更加謹慎或保守，甚至出現逆向選擇行為，比如“專利灌水”和“專利泡沫”現象，主要表現為過度追求創新產出數量，但以犧牲創新質量為代價（王蘭芳等，2019；張杰和鄭文平，2018；申宇等，2018）。發生逆向選擇行為的動機在于，創新產出數量的增加這一信息更易被外部投資者所獲取，高科技公司其專利產出對提高市值的利好效應甚至是傳統行業公司的四倍之高（李詩等，2012），而創新質量往往需要一定的時間和專業知識才能判斷，不易被“散戶”所辨識。但林志帆和龍曉旋（2019）也提到，即使是發明類型專利，仍然存在“灌水”的空間。因為發明專利通過形式審查后，國家知識產權局需要18 個月后才會公開申請內容，除非企業自己主動披露或申請提前公開，否則投資者很難跟進一年半以上，直至明確專利是否最終取得授權。因此近年來“創新追趕”“專利泡沫”等主題詞的占比在創新領域的研究中有所增加，并逐步成為創新活動內在質量下降的代名詞。

從目前的文獻來看“，矛盾性結論”似乎是有關賣空與創新關系研究的主要特征，產生這一問題的原因之一可能恰恰在于研究樣本的多元化所帶來的異質性影響，因為不同行業的創新環境、創新需求有著巨大差異。因此，本文將研究對象聚焦于知產密集型公司，基于產業特征探究賣空對此類公司創新質量的影響及其作用路徑，對于準確的捕捉資本市場賣空機制對創新的影響，更好的理解知產密集型公司的創新成效具有積極意義。

鑒于以上分析，本文提出如下競爭性假說1：

賣空顯著提高了知產密集型公司的創新質量（H1a）；

賣空顯著降低了知產密集型公司的創新質量（H1b）。

三、研究設計

（一）樣本選擇與數據來源

本文以我國2007—2019 年滬深主板A 股上市公司中的知識產權（專利）密集型公司為研究樣本。具體而言，本文采用《國民經濟行業分類》（GB/T 4754—2017）作為知產密集型行業與上市公司行業分類的銜接，進而初步篩選出知產密集型公司?！吨R產權（專利）密集型產業統計分類（2019）》共包括7 大類31 中類，對應《國民經濟行業分類》（GB/T 4754—2017）中的188 個國民經濟行業小類。知產密集型行業分類編碼由四位數字組成，其統計分類表列示了各知產密集型行業分類所對應的國民經濟行業分類的四位數小類代碼。而目前上市公司行業分類參照證監會發布的《上市公司行業分類指引（2012 年修訂）》，行業分類編碼由一位字母與兩位數字組成，兩位數字可對應至《國民經濟行業分類》（GB/T 4754—2017）的門類及兩位數行業大類。故而本文采用《國民經濟行業分類》（GB/T 4754—2017）作為《知識產權（專利）密集型產業統計分類（2019）》與《上市公司行業分類指引（2012 年修訂）》的行業代碼匹配依據，從而得到知識產權（專利）密集型公司。

具體匹配過程如下：將《知識產權（專利）密集型產業統計分類（2019）》的4 位代碼小類與《國民經濟行業分類》（GB/T 4754—2017）的4 位代碼小類進行匹配，以此確定知產密集型分類中的4 位代碼小類所屬的國民經濟行業門類及大類。例如：《知識產權（專利）密集型產業統計分類（2019）》中，認定行業代碼3921、6312 屬于知識產權密集型產業。在《國民經濟行業分類》（GB/T 4754—2017）中找到3921、6312 分別對應的行業門類及大類為C39、I63，則認為行業分類為C39、I63 的A 股上市公司，屬于知識產權（專利）密集型上市公司。經匹配，得到截至2021 年第一季度末共2690 家知產密集型上市公司。知產密集型產業所覆蓋的證監會行業分類情況見表1。

表1 知產密集型上市公司所屬證監會行業分類及數量分布

專利被引用次數及專利國際分類號（IPC）數據來源于國家知識產權局專利檢索及分析系統②國家知識產權局專利檢索及分析系統：http：//pss-system.cnipa.gov.cn/sipopublicsearch/portal/uiIndex.shtml。，并通過手工整理獲得。賣空標的公司名單來自于上海證券交易所及深圳證券交易所公布的名單③賣空標的名單來源于上海證券交易所融資融券公告模塊http：//www.sse.com.cn/disclosure/magin/announcement/，深圳證券交易所融資融券標的證券信息模塊http：//www.szse.cn/disclosure/margin/object/index.html。。財務數據來源于國泰安（CSMAR）數據庫，缺失數據結合萬得（WIND）數據庫及銳思（RESSET）數據庫進行補充。鑒于知產密集型行業較少，為控制行業差異，本文采用證監會2012 年上市公司行業分類的二級分類進行劃分。

在此基礎上，按照如下方法對樣本做進一步篩選：①剔除金融行業的公司；②剔除被ST、*ST 處理的樣本；③剔除存在B 股及H 股的公司；④剔除實驗期間被調出賣空標的名單的公司；⑤篩選出符合知產密集型行業的公司。最終得到1133 家公司4794 個公司-年面板數據。同時，為消除極端值對實證結果的影響，本文對存在偏態的連續型變量做上下1%縮尾處理。實證部分采用STATA15.0 軟件進行數據處理。

（二）模型構建與變量說明

1.主模型

鑒于賣空交易機制的漸進式擴容特征，本文采用多期倍分法（time-varying DID，又名多時點DID）來檢驗賣空對知產密集型公司創新質量的影響。參考Beck et a（l2010）及譚小芬和錢佳琪（2020）的多期倍分法模型設定，本文構建的主檢驗模型如式（1）所示：

其中：因變量invi，n為創新質量，分別從知識寬度與專利被引量兩方面對創新質量進行更加全面的考量；下角標i、n表示公司i在第n期的創新質量，因為涉及對創新質量滯后多期的檢驗，故而此處采用n代指當期或之后多期；listi表示公司i是否為賣空標的公司；posti，t表示公司i在第t期是否可進行賣空交易；listi×posti，t表 示listi和posti，t兩個變量的交乘項，表示公司i在第t期是否受到了賣空的影響，即因個體而異的處理期虛擬變量，其系數α1表示樣本的平均處理效應，即知產密集型公司受到賣空影響前后的變化，為主檢驗的解釋變量。需要說明的是，模型（1）中未加入構成交乘項的兩個獨立變量，即listi和posti，t，僅有交乘項listi×posti，t，因為listi作為處理組虛擬變量，僅控制了組別層面不隨時間變化的特征，而μi是控制了個體（公司）層面不隨時間變化的特征，故而μi相較于listi包含了更多信息。若將二者同時加入，則會產生多重共線性問題。同理，模型中也不需要加入處理期虛擬變量posti，t，因為模型中已經含有代表時間固定效應的變量λt，λt控制了每一期的時間效應，而posti，t僅控制了處理期前后的時間效應?？刂谱兞恐饕譃槿齻€層次進行考慮。首先是財務指標方面，分別采用了資產負債率（lev）、公司規模（size）、固定資產占比（fix）及無形資產占比（intang）4 個指標；其次是內部治理層面，采用了股權集中度（top1）、董事獨立性（indpt）、股東人數（shrnum）、股東大會次數（meetnum）四個指標進行控制；最后對公司自身屬性也做了一定程度的控制，采用了股權性質（state）、上市年齡（age）、所屬省份（province）進行控制。εi，t為本回歸模型的殘差項。

2.主要變量說明

（1）知識寬度（inv1）：參考范瀚文和曾繁華（2021）對創新質量的度量方式，結合赫芬達爾指數的思路，采用式（2）進行計算。與眾多文獻完全按照赫芬達爾指數法計算創新質量的方式不同，該方法為新增大組與既有大組設置了不同的權重，新增大組權重更高（張杰和鄭文平，2018；高林等，2014），說明一項專利中，所涉及的IPC 分類號中新增大組越多，知識寬度越大，創新性越強。

其中：υ為專利IPC 分類號的大組類別數；ω為大組總數。

（2）專利被引量（inv2）：采用專利被引用次數的對數進行度量。變量的具體度量方式見表2。

表2 變量定義表

四、實證結果與分析

（一）特征事實分析

1.基于我國賣空交易量的特征事實分析

圖1 列示了2010—2020 年賣空交易情況，其中賣空交易量采用融券交易股數的數量進行統計。

圖1 主要由兩部分組成，主（左）坐標軸對應柱狀圖，展示兩組樣本的流通股情況。次（右）坐標軸對應折線圖，展示兩組樣本賣空交易量占各自流通股總數的比值。柱狀圖為百分比堆積柱狀圖，即知產密集型公司流通股股數及非知產密集型流通股股數分別占總流通股股數的比例，兩比值之和為100%。知產密集型公司數量占上市公司總數近60%，而其在二級市場的流通股股數卻非常少，2010 年不足10%，后續雖逐年上漲，但增幅較慢，直至2020 年仍不到30%。相比之下，數量僅占40%的非知產密集型公司在二級市場的流通股股數已達70%以上。此外，由折線可以看出，2019 年之前，兩組樣本的賣空交易量趨勢相同，交易體量相近，知產密集型公司交易量略小。而2019—2020 年兩組樣本差異驟增，主要原因在于知產密集型公司被賣空比例陡增，非知產密集型公司的賣空交易趨勢穩定。出現這樣的異常情況很可能源于2019 年超400 家企業被取消了“高新技術企業”資格這一信號，導致外部投資者對創新型企業出現消極情緒，對其內在價值及股價信息含量產生懷疑，亦或是跟風做空，使得知產密集型公司的賣空交易量出現巨幅波動，而這一影響甚至持續到了2020 年，雖然賣空交易量有所回落，但較歷史水平仍處于高位。

圖1 各組賣空交易量情況

2.上市公司創新產出的差距事實

為了剖析不同類型的公司在創新投入方面的差異，本文以是否為賣空標的公司及是否為知產密集型公司作為樣本的分組依據，將上市公司分為四組：可賣空知產密集型公司、不可賣空知產密集型公司、可賣空非知產密集型公司、不可賣空非知產密集型公司。為最大程度反應客觀事實，此處對于上市公司創新產出的描述不做樣本篩選，而是對所能獲取的全部觀測值進行描述，故此發明專利申請量與授權量觀測值總數會略有不同。不同類型公司的發明專利申請量和授權量分析情況見表3。

表3 創新產出的分組對照

表3 中發明專利申請量占比及授權量占比的計算方法為，發明專利申請量或發明專利授權量占三類專利（發明專利、實用新型專利、外觀設計專利）申請或授權總量的比例，并以各組樣本量為權重進行了小計。通過對比賣空標的的知產密集型公司和非賣空標的知產密集型公司可以發現，賣空標的知產密集型公司其無論是發明專利的申請量還是授權量均最高，而非賣空標的知產密集型公司相較非知產密集型公司沒有突出表現，反而均值較小。間接說明了賣空與知產密集型公司創新產出有較強的相關關系，但尚無法判斷是因賣空促使其創新產出增加，還是公司出于穩定或對外傳遞利好消息的動機而刻意為之，并且通過計算四組樣本的發明專利授權率（發明專利授權量均值/發明專利申請量均值）可知，賣空標的知產密集型公司的發明專利授權率在四組樣本中最低，為37.19%，其他三組樣本的授權率均在40%以上。由此說明，賣空標的知產密集型公司其創新效率與創新產出并不成正比。因此只通過申請量與授權量數據是無法深入揭示其創新質量是否得到真正提升。

表4 列示了創新產出分組的T 檢驗結果。在以是否為賣空標的進行分組后（PANEL A），可以看出無論是發明專利申請數量和占比及發明專利授權數量和占比這四個指標方面，兩組樣本均存在顯著的組間均值差異。且賣空標的組在此四個指標方面表現都優于非賣空標的組，說明賣空標的組在創新產出方面存在顯著的優勢。在以是否為知產密集型公司進行分組后（PANEL B），可以發現知產密集型公司組其以上四項指標均高于非知產密集型公司，并存在顯著的組間均值差異。說明知產密集型公司創新產出情況顯著優于非知產密集型公司。對表3 中組間差異的顯著性給予了進一步支撐。

表4 創新產出T 檢驗

（二）描述性統計分析

表5 列示了各變量的描述性統計情況，并針對賣空標的公司及非賣空標的公司進行了分組對比。表5 中，對賣空標的公司簡記為是，對非賣空標的公司簡記為否。從分組描述性統計中，可以發現在度量創新質量的兩個指標方面，賣空標的知產密集型公司兩項指標的平均值都高于非賣空標的組，但賣空標的知產密集型公司其無形資產占比均值卻低于非賣空標的知產密集型上市公司，最大的可能在于現有創新成果價值被低估。股東大會的召開次數相對非賣空標的公司也更少，股東人數更多，其余方面的指標差異并不大，由此可以推測出，賣空標的公司確實更容易受到外部投資者的關注與監督，所面對的來自資本市場的壓力也不言而喻，而外部投資者也可能存在低估或未挖掘到企業真實創新質量的情況。

表5 分組描述性統計

（三）主要變量的相關性分析

主要控制變量的相關性分析結果見表6。右上三角列示Pearson 檢驗，左下三角列示Spearman 檢驗。通過對各變量間相關性分析，并未發現變量間存在嚴重共線性問題。

表6 主變量相關性分析

（四）賣空對創新質量的基準回歸結果分析

在分別以知識寬度、專利被引量作為被解釋變量創新質量的代理變量回歸后發現，賣空對上市公司創新質量有顯著的抑制作用，具體回歸結果見表7。

表7 賣空對創新質量的回歸結果

多期倍分法模型中的解釋變量賣空差分項與當期被解釋變量知識寬度在1%的水平上顯著負相關，說明賣空機制實施后，知產密集型公司發明專利的知識寬度變窄，創新質量下降。滯后一期的知識寬度在10%水平上顯著為負，說明賣空機制下，知產密集型公司發明專利的知識寬度變窄，并且這種負面影響還會持續。此外，解釋變量賣空差分項與被解釋變量專利被引量同樣在1%水平上顯著負相關，并且與滯后三期的專利被引量均顯著負相關，說明賣空機制實施后，知產密集型公司專利被引次數減少，受同行認可度降低，對未來其他專利的借鑒及貢獻度減少，進而說明其創新質量是在下降的。結合以上兩方面均支持了假說1b，即賣空顯著降低了上市公司的創新質量。

五、基于委托代理理論的渠道檢驗

由于研發創新屬于高風險的投資項目，管理層可能會對高度不確定性的項目進行規避，從而減少對于創新活動的各項投入（Belloc，2012；Kothari et al，2015）。因此，研發創新方面的管理層短視行為其根源還是委托代理問題，是經理人與股東利益不一致情況下的博弈。賣空交易并不受企業管理者的歡迎（De Angelis et al，2017），事實證據表明，上市公司被大量賣空所帶來的股價下跌風險會加速經理人的離任，亦或是增加短期內的利益攫取，導致委托代理問題加劇，代理成本上升。據此，本文將進一步構建中介模型，從委托代理的角度對賣空影響知產密集型公司創新質量的渠道進行檢驗。

從實踐來看，做空機構對于股價的整體走向極具“影響力”，如渾水（Muddy Water）、美奇金（J.Capital Research）、香椽（Citron）、格勞克斯（Glaucus）及哥譚市（Gotham City）等做空機構通過前期調研、建立空頭倉位、發布做空報告、待股價大幅下跌后再買入證券返還的方式獲利，本質上做空機構的目的還是盈利。倘若做空機構避重就輕，發布刻意引導性的做空報告以期更多投資者跟風做空時，則對上市公司產生了非常嚴重的負面影響，并未起到市場監督者的作用，也未能真正揭示企業的內在價值，反而迫使企業在短期內采用相對“保守”的發展戰略以規避潛在被賣空所帶來的巨大損失。通常管理層任期有限，而其薪酬往往與在職表現掛鉤或迫于外部投資者壓力等問題（Mitchell et al，2004），企業高管傾向于將資源投入到短期活動，甚至會犧牲公司的長期價值來實現短期的盈利目標（Graham et al，2005；Bhojraj 和Libby，2005），不利于企業的長期發展（Stein，1988，1989；Ederer 和Manso，2013）?？梢酝普?，賣空壓力會加劇經理人的自利行為，經理人為保證自己任期內業績，也往往會做出減少高風險投資甚至犧牲企業長期發展的決策，與大股東的利益目標“背道而馳”。經理人的減持行為是自利傾向的主要表現（黃俊威，2020），劉姝威（2015）通過對2015 年6 月滬指暴跌原因進行分析后發現，暴跌的很大原因來自于近1300 家上市公司大股東及高管大量減持套現，市值近5000 億元，半個月內的減持程度近乎等同于2014 年全年市場減持總額的兩倍之高；另外，有能力責任心強或任期長的經理人更有動力通過積極的方式來提高企業價值，減少公司股價下跌的可能。因此，經理人任期是較為合適的中介變量。

模型（1）的回歸結果已經驗證了賣空對創新質量存在顯著的負向影響，參考溫忠麟和葉寶娟（2014）的逐步回歸法，本文在此基礎上建立了模型（3）及模型（4）以檢驗代理成本的中介效應。

其中：manager代表總經理任期，以總經理任職天數的對數進行度量。模型（3）對應逐步回歸法的第二步檢驗，即自變量賣空差分項與中介變量代理成本間是否顯著相關。若θ1顯著，則賣空與代理成本存在顯著相關關系，繼而進行下一步檢驗。模型（4）對應逐步回歸法的第三步檢驗，即在加入中介變量的情況下，自變量賣空差分項與因變量創新質量仍然顯著相關，且中介變量代理成本同樣與因變量創新質量顯著相關，即α＇1與θ2均顯著，則代理成本的部分中介效應成立，說明賣空壓力迫使知產密集型公司的經理人任期縮短，抑制了公司長期研發的創新動力，更甚者會進行利益攫取，代理成本隨之上升。因此，無論從管理層戰略決策方面，還是公司短期投入方面均可能因經理人任期的縮短致使創新質量降低。模型（3）和模型（4）的控制變量與模型（1）保持一致，簡寫為controlsi，t。中介效應的檢驗結果見表8。

表8 的（1）、（2）列分別為以知識寬度和專利被引量作為創新質量代理變量的模型（1）的回歸結果。兩組結果均顯示為α1在1%水平下顯著。表8 的（3）列為模型（3）中系數θ1的回歸結果，為-0.121，在1%水平下顯著。表8 的（4）列和（5）列分別為以知識寬度和專利被引量作為創新質量代理變量的模型（4）的回歸結果。表8 的（4）列中，α＇1為-0.140，在1%水平下顯著，且其絕對值相較（1）列的α1有所減小。同時，系數θ2的回歸結果在1%水平下顯著，以上兩點符合逐步回歸法的判定依據，驗證了中介效應的存在。同理，表8 的（5）列在以專利被引量為創新質量代理變量的模型中，同樣驗證了此中介效應的存在。因此，以上結果均體現了賣空促使總經理任期縮短，代理成本上升，對創新質量產生不利影響。

表8 基于代理成本的中介效應檢驗

六、穩健性檢驗

（一）內生性檢驗

對于反向因果的推測主要基于兩個方面。一方面，是從創新投入角度，研發投入金額增加，傳遞給資本市場利好信號，從而減少外部投資者的做空可能；另一方面，從創新產出角度，專利申請量或授權量的增加，可以幫助公司股價的提升，減少被賣空的程度。而本文所采用的創新質量度量方式很好的規避了這種可能存在的反向因果問題。因為，賣空者多會關注分析師所發布的研究報告或企業發布的公告，但是往往這些資料中，并不會清楚的列示公司具體的專利國際分類號（IPC）及專利被引次數。也就意味著，做空者很少可能會注意并抓取到以上兩點信息。進而賣空者決策更多是依據公開資料中所常見的研發人員及資金的投入和產出，所以通過專利國際分類號（IPC）及專利被引用次數能夠更大程度上規避與賣空的反向因果問題，從而可以更好的度量出公司真正的創新質量。此外，本文也通過實證的方式對這一推理進行驗證。

對于反向因果的檢驗，本文采用最直觀的方式，將模型（1）中代表賣空的解釋變量與被解釋變量創新質量互換位置，具體如模型（5）所示。

其中：shorti，t代表賣空交易量。與模型（1）有所不同的是，在反向因果的檢驗中，為了驗證是否存在公司創新質量變化引致賣空者的融券賣出行為，故而采用對賣空的定量度量方式替代賣空差分項這一定性度量方式，即以融券賣出量除以流通股股數的方式進行測度。需要說明的是，因融券賣出量建立在樣本只有賣空標的公司的基礎上。因此該檢驗的樣本量相對主體檢驗較少。創新質量的度量方式保持不變，仍通過知識寬度及專利被引量兩個角度進行衡量。模型（5）中解釋變量為創新質量，其系數β1為回歸結果的重點。若β1結果顯著，說明創新能夠影響賣空交易量，進而說明賣空對知識寬度、專利被引量的影響可能存在反向因果的問題。反之，若β1結果不顯著，則反向因果不成立。模型（5）的回歸結果見表9。

表9 的回歸結果表明，以知識寬度及專利被引量作為解釋變量后，其與賣空交易量的回歸系數不顯著，證明了以知識寬度及專利被引量作為創新質量的度量并不會與賣空交易量產生反向因果的問題。

表9 反向因果檢驗結果

（二）替換變量的度量方法

首先，對主檢驗中賣空的代理變量進行替換，由賣空的定性度量方式，即交互項list×post替換為賣空的定量度量方式——融券賣出量除以流通股股數。其次，更換知識寬度的計算方法。知識寬度的另一測度方式參照張杰和鄭文平（2018）對創新質量的度量，采用赫芬達爾指數的設計思路，依據專利的IPC 設計創新質量代理變量。具體如下：類赫芬達爾指數的知識寬度=1-∑σ2，其中σ為IPC 中各大組分類所占比重，數值越大代表所用知識寬度越大，專利質量越高。具體回歸結果見表10。

表10 替換主要變量度量方法的穩健性檢驗

通過以上對解釋變量和被解釋變量更換度量方式進行替代性檢驗后，賣空交易量與創新質量在5%水平上顯著負相關，賣空差分項與更換計算方式的知識寬度在1%水平上負相關。綜上，更換代理變量度量方式后的回歸結果與主檢驗結論一致，說明賣空降低了知產密集型公司創新質量這一結論成立且穩健。

此外，進一步從財務角度對代理成本進行度量，以總資產周轉率表征代理成本（王明琳等，2014）?？傎Y產周轉率越高，代理成本越低。其內在邏輯是，賣空威脅往往使得管理層進行更為保守的決策，如同資本市場的投資者，保守的投資并不會使資金效率最大化，資金持有人往往會為了規避風險而降低資金的使用效率。因此對于公司而言，其總資產的周轉效率也能看出其經理人的決策傾向和相應的經濟后果。如果經理人因為賣空威脅而做出保守決策，則公司利用其資產進行經營的效率會隨之下降，直觀的體現為總資產周轉率的下降。檢驗方法同樣采用逐步回歸法，回歸模型與模型（1）、模型（3）和模型（4）基本一致，僅將模型（3）和模型（4）的總經理任期（manager）這一代理變量替換為總資產周轉率（agency）這一代理變量。具體如模型（6）和模型（7）所示。

其中：agencyi，t表示總資產周轉率。回歸結果見表11。

表11 的（1）列和表11 的（2）列為分別以知識寬度和專利被引量為創新質量代理變量的模型（1）的回歸結果，對應逐步回歸法的第一步檢驗。系數α1在1%水平下顯著，為表7 所驗證的賣空對創新質量存在顯著負向影響。表11 的（3）列為模型（6）的回歸結果，對應逐步回歸法的第二步檢驗。系數γ1在1%水平下顯著，系數為負，說明賣空會降低總資產周轉率，繼而說明賣空一定程度上增加了代理成本。表11 的（4）列和（5）列為分別以知識寬度和專利被引量為創新質量代理變量的模型（7）的回歸結果，對應逐步回歸法的第三步。系數α″1和γ2均在1%水平下顯著，且α″1的絕對值小于α1，說明現階段賣空確實加重了委托代理問題，使得管理層在研發創新方面做出更多不利決策，導致創新質量下降。系數γ1與γ2的乘積即為中介效應的影響大小。在以專利被引量為創新質量代理變量的回歸中，該中介效應同樣成立，且同樣體現為賣空加劇了委托代理問題，使得創新質量下降，佐證了前述研究結論。

表11 改變代理成本度量方法的穩健性檢驗

（三）Sobel 中介效應檢驗

在檢驗賣空對創新質量影響的主檢驗中，采用了逐步回歸法對中介效應進行檢驗。在穩健性檢驗部分，采用系數乘積檢驗法中的Sobe（l1982，1987）檢驗方法對中介效應進行補充性檢驗。Sobel 檢驗所采用的模型與逐步回歸法相同，增加了對于模型（3）和模型（4）中θ1與θ2系數的聯合檢驗，其檢驗統計量方法如式（8）所示。此檢驗法能夠避免因為其中一個系數不顯著導致整個中介效應不成立的問題，彌補了逐步回歸法檢驗力低的不足。因為實踐中往往存在弱中介效應，若有遮掩效應（suppression）的疊加，則會導致逐步回歸中部分系數不顯著，中介效應難以檢出的問題。Sobel 檢驗結果見表12，其中：Goodman-1（Aroian）及Goodman-2 與Sobel三行共同列示Sobel 檢驗的結果；a coefficient表示解釋變量對中介變量的影響；b coefficient表示中介變量對被解釋變量的影響。

其中：Z表示Z統計量，即對于模型（4）中θ1與θ2系數聯合檢驗的統計量；為系數θ1的估計值；為系數θ2的估計值；Sθ1θ2為系數θ1θ2的標準誤。

由表12 可以看出，檢驗結果前三行Sobel 檢驗結果所對應的P值均在1%水平上顯著，說明中介效應成立。a coefficient及b coefficient分別匯報了θ1與θ2的系數值及其顯著性，與逐步回歸法的檢驗結果基本一致，且更詳細的匯報了中介效應在總效應中的占比。在以知識寬度作為創新質量代理變量的回歸中，代理成本起到的中介效應占賣空對創新質量總效應的32.4%。在以專利被引量作為創新質量代理變量的回歸中，代理成本起到的中介效應占賣空對創新質量總效應的5.7%，前述結果穩健。

表12 Sobel 中介效應檢驗

七、結論與建議

本文響應“十四五規劃”以高質量創新引領高質量發展這一戰略導向，聚焦于知識產權（專利）密集型產業，基于賣空交易機制實施滿十年，交易標的歷經六次擴容這一研究背景，采用多期倍分法對賣空的實施效果進行檢驗。本文通過對國際專利分類號（IPC）進行深度解讀，從專利自身屬性的角度對創新質量進行剖析，同時以專利被引量這一客觀指標進行佐證，多角度、全方位、深層次的對創新的實質效果進行度量。研究發現，賣空對知識產權（專利）密集型公司的創新質量具有顯著負向影響，且會持續至少一到三年。這一影響主要通過委托代理路徑進行傳導。研究表明，賣空這一交易機制的放開及后續實際賣空交易量的變動均會對上市公司經理人決策產生影響，從目前來看主要是消極影響，直接體現為專利寬度的減少，削弱了對同行的借鑒和啟發意義，專利被引次數減少，在一定程度上降低了創新的社會價值。

根據以上研究結論，本文提出相應的政策建議：

首先，解決現階段賣空對創新內在價值的消極影響應該從兩頭抓起，一頭是外部投資者，另一頭是上市公司。外部投資者端要推動健全各類專業投資者長周期考核機制，引導投資者深層次解讀上市公司研發信息。近年來，我國逐漸加強對知識產權的保護，可以推測上市公司在研發方面的關鍵信息也將會被保護的更加嚴格，所以教育投資者深層次解讀上市公司披露的研發信息，既能幫助投資者挖掘企業內在價值，減少投機行為，又能促進上市公司注重創新成果質量，將更多資源投放至研發創新領域，以此形成良性循環。上市公司端要完善健全經理人內部激勵機制，促進經理人與大股東利益目標一致化，可以通過股權激勵等方式緩解經理人道德風險行為，延長其任期及穩定性，從而緩解委托代理問題所引致的公司研發創新被削減或“做表面文章”的現象。

其次，鼓勵金融機構為科技創新型公司拓展融資渠道，建立更有針對性的信審機制，提高審批效率，縮短申請周期。知產密集型公司大多具有注重研發的特點，而研發活動本身是高投入、高風險、見效慢的活動，但融資又是此類企業生存發展的必然選擇，大量的融資必然會伴隨融資風險。與此同時，賣空的規模還在不斷的加大，更是“險上加險”。但當賣空已成必然且無法躲避，公司要調整自身的融資結構，平衡融資所帶來的收益和風險，以創造最利于公司創新的環境。

最后，審慎有序逐步放開賣空機制，加強對做空機構及做空報告的監管。賣空機制的引入，初衷是為了化解只有買空機制下“單邊市”的市場風險，以及證券供求失衡所帶來的市場巨幅震蕩的可能，對沖股價下跌時投資者所承受的巨大損失，推動股價與企業真實業績的關聯度，同時健全了資本市場的外部監督機制，助力市場長期穩定健康發展。現階段賣空標的范圍還在不斷擴容，可賣空空間也在持續擴大，科創板也加入了賣空標的的隊伍。因此在供給面不斷擴大的基礎上，更要充分發揮市場的力量，給予這類未來支撐和引領國家高質量發展的主力軍隊伍健康的成長環境。雖然目前我國本土的專業做空機構還為數不多，并未出現大量惡意做空事件，但是隨著賣空標的公司數量的增多，加之注冊制未來的全面推廣，科創板板塊的急速發展，完善對做空機構的監管，才能促使做空機構真正發揮出市場外部監督者的作用。