资本市场开放提高企业投资效率了吗？——基于“沪港通”政策的异质性影响分析

于 博，吴菡虹

(1.天津财经大学金融学院，天津 300222；2.天津大学管理与经济学部，天津 300072)

一、引 言

自2002年以来，我国逐步推出了以QFII、QDII和RQFII等为代表的资本市场开放政策，但复杂的审批流程及锁定期安排限制了境外资金的积极性，制约了开放的程度。十八大以来，我国政府加快了金融市场双向开放进程。2014年11月17日，沪港通正式开通。截至2020年12月末，沪港通北向资金累计净流入额比上年度增加6658亿元，首次超过2万亿元，而12月当月的资金净流入额也创下月度新高，达到1101亿元。伴随资金互联互通程度的加强，沪港通这一资本市场开放政策对于吸引国际机构投资者乃至战略投资者参与内地股票市场产生了里程碑意义。尽管与资本市场开放相关的政策评价研究已得到了学术界的普遍关注，但现有研究主要集中在资本市场开放对宏观经济增长[1]、经济波动[2][3]、市场风险[4]、价格波动[5]、市场联动[6]、市场效率[7]、企业绩效[8]、企业投资[9][10][11]等方面。本文将通过构建融资约束(特别是创新融资约束)的政策传导机制，分析沪港通对企业投资效率的影响作用，从而进一步探索沪港通政策的微观经济内涵。

本文主要结论如下：(1)沪港通开通后，标的股面临的融资约束水平较开通前显著降低。(2)将“标的企业”细分为投资不足和投资过度两类后发现，沪港通政策的实施虽然可以通过缓解融资约束来提高投资不足类企业的投资效率，但也会由于降低约束而推升过度投资类企业在投资上的非效率。这为反思资本市场开放对实体企业投资质量(效率)的异质性影响提供了实证参考。(3)以研发支出为媒介，检验发现沪港通虽然对过度投资存在一种直接激励效应，但也可以通过提升企业创新投资水平来间接促进企业产能升级，从而降低过度投资。这为理解资本市场开放对创新驱动构成协同作用、进而优化实体经济增长质量，提供了逻辑依据与实证参考。

本文边际贡献在于：(1)通过构建融资约束这一政策传导机制，论述并检验了沪港通这一资本市场开放政策对企业投资效率的影响以及这一影响的异质性特征，进而辩证地反思了开放政策的真实效果，丰富并优化了政策评价的视角和思路，也拓展了宏观经济政策与微观企业效率互动关系的研究边界。(2)通过证明沪港通可以缓解融资约束来激励企业创新，进而间接改善企业投资效率，揭示出资本市场开放的创新协同效应及其在提高实体经济增长质量(效率)方面的积极作用，从而将开放、创新与增长质量纳入统一框架。

二、文献回顾与研究假设

(一)文献回顾与评述

现有文献主要从资本市场开放(金融自由化)视角对经济增长、经济波动、市场风险与价格波动、市场效率、企业价值与企业投资等内容展开研究。(1)经济增长。现有研究认为股票市场开放通常与经济增长显著关联，但这种关联的显著程度存在国家间的异质性。Bekaert等(2005)认为当考虑国与国之间的异质性时(如法律环境、机构质量、投资环境和金融发展程度)，资本账户的开放对经济增长的影响是不同的[1]。(2)经济波动。Bekaert等(2006)发现金融开放水平越高，消费增长的波动性下降幅度越大[2]；Iwata和Wu(2009)运用非线性SVAR证实了股票市场开放会带来国际风险分担，因此能降低宏观经济风险的冲击强度[3]。(3)市场风险与价格波动。王鹏和吴金宴(2018)基于协高阶矩发现，沪港通开通后上海对香港的风险传染增强[4]。钟凯等(2018)发现沪港通有助于企业提高信息披露质量，而信息不对称水平的下降减少了公司股价的异质性波动[5]。(4)市场联动与市场效率。于博和吴菡虹(2020a)发现沪港通和深港通政策提高了沪港之间以及深港之间的情绪联动水平[6]。钟覃琳和陆正飞(2018)发现，沪港通通过知情交易将公司特质性信息纳入股票价格，从而减少了股价同步性，增强了资本市场运行效率[7]。(5)企业投资水平与投资绩效。连立帅等(2019a；2019b)分别从沪港通交易制度会增强企业投资-股价敏感性和非财务信息定价敏感性的视角，证明了沪港通会增强股价对企业投资的积极引导作用[9][10]。于博和吴菡虹(2020b)发现沪港通政策的实施有助于提升成分股企业的绩效水平[8]。(6)投资效率。截至目前，分析资本市场开放与成分股投资效率关系的研究并不多见，少量文献也仅是以公司信息质量[11]、市场定价效率[9]、机构投资者治理效应[8]为传导机制，探讨沪港通的开通如何对实体经济投资效率产生积极作用。相比之下，本文则从企业融资约束这一政策传导机制出发，从直接和间接两个角度来解读沪港通对企业投资效率的影响以及该影响的异质性。

(二)研究逻辑与假设

1.沪港通与企业融资约束关系分析

(1)沪港通→优化股权结构→降低代理成本→缓解融资约束。代理成本是导致企业在股权融资市场或债权融资市场面临高额风险溢价的主要原因之一。由于股权结构以及董事会结构的变动会对不同类型的代理成本产生激励或抑制作用，因此会对融资风险溢价和外部融资成本构成影响。如，姚立杰等(2010)发现监事会规模越大，融资成本越低，而股权集中度越高，融资成本越高[12]。随着沪港通交易的不断深入，机构投资者对沪港通个股的累计投资呈不断增长趋势，因而，当机构投资者借沪港通渠道成为上市公司股东后，会加强对大股东及高管的监督，进而降低代理成本、缓解融资约束。(2)沪港通→提升信息披露意愿→降低信息不对称→缓解融资约束。沪港通开通会引来众多境外机构投资者持股内地上市公司，面对更多来自国际市场的机构投资人，上市公司存在强化披露以博取机构投资的意愿，而信息披露水平的上升有助于缓解企业信息不对称带来的融资约束。(3)沪港通→价格发现→减少非理性波动→降低融资风险溢价→缓解融资约束。Baker和Wurgler(2004)指出，非理性投资者经常会通过抛售股票来迫使理性的管理者采取行动来“迎合”其短期需要，从而“倒逼”管理层实施短期内有助于拉升股价、但长期却不一定有利于企业价值最大化的迎合性投资行为[13]。非理性投资者会激励非效率投资，进而提高外部融资的风险溢价，从而提高企业融资成本、强化融资约束。然而，沪港通政策有助于提升股票市场的价格发现功能[14]，抑制市场的非理性波动水平，进而减少管理层的迎合投资，缓解非效率投资带来的风险溢价，降低权益融资成本，缓解企业融资约束。(4)沪港通→降低市场分割→提高流动性→降低融资成本→缓解融资约束。沪港通的开通减少了香港投资者投资内地市场的繁琐程序及汇兑损失，降低市场分割程度，从而提升市场流动性。从流动性与权益成本负相关[15]的角度分析，流动性的提升有利于降低流动性风险溢价，进而降低权益融资成本，缓解融资约束。综合以上四点分析，提出如下假设：

假设1：沪港通的开通有助于降低标的企业的融资约束水平。

2.沪港通与企业投资效率关系分析

与程新生等(2012)发现强化非财务信息披露具有“双刃剑”效应的逻辑[16]相似，本文认为融资约束的缓解也是一把“双刃剑”，它既有可能进一步激化过度投资企业的投资激进度，进而恶化投资效率，也有可能弥补投资不足类企业的资金短缺，从而提高投资效率。原因在于：沪港通带来融资约束状况的改善对于我国上市公司而言很可能是一种“意外之喜”。由于融资约束改善并非在预期之内，且企业难以预期沪港通引发的融资约束改善能否具有长久性，因此，企业更有可能将这种融资条件的改善视为一种暂时性改善，从而将其用于延续已有的投资策略，而不是去优化和调整现有投资战略。如果在原有的投资策略下企业处于投资不足的状态，那么融资约束的缓解正好缓解了其投资不足，降低企业的非效率投资水平；类似地，如果在原有的投资策略下，企业处于过度投资状态，融资约束的缓解也会加剧其过度投资，提升企业的非效率投资水平。综上，本文认为沪港通的开通虽然会缓解标的企业的融资约束，但由于企业个体特征差异，该缓解效应的经济后果也会因此存在异质性特征，即存在如下异质性预期：

假设2：沪港通的实施对标的企业的投资效率具有异质性影响，表现为既会通过缓解投资不足类企业的融资约束来减少投资不足，也会通过缓解过度投资类企业的融资约束加剧其过度投资。

研发(R&D)投资是企业的一项长期战略投资。与固定资产投资相比，研发投资受经济波动的影响更小，其增长趋势更稳定[17]。然而，由于研发支出的风险性很高，故企业研发投资受融资约束影响的程度甚至比固定资产投资还要高[18]。上述研究对本文的启示在于：沪港通的实施使成分股融资约束水平得到缓解后，研发投资会分享这一收益，即创新投资的融资约束水平降低。由于研发(创新)投入的提升有助于推动企业产能升级，从而将过度投资置换为有效投资，因此，虽然沪港通的实施从直接影响上看会对过度投资构成激励(假设2)，但从“激励创新投资→提升投资效率”这一间接传导渠道上看，沪港通的实施将通过提升研发投资在化解过剩产能方面的能力间接降低企业过度投资。即存在假设：

假设3：沪港通虽然对过度投资企业的非效率投资存在直接激励，但也通过缓解创新融资约束提升了技术创新对过剩产能的化解程度，从而间接提高了过度投资企业的投资效率。

三、实证设计

(一)PSM估计

由于沪港通成分股存在“自选择”问题，所以本文采用PSM估计来控制可观测的“混淆变量”对“选择”的扰动。首先，估计选择方程(1)在选择方程的设计上，本文将解释变量限定于以下几类因素：一是与企业融资能力有关的因素，如公司年龄(用其自然对数衡量)、财务杠杆水平(资产负债率)、抵押融资能力(固定资产增长率)和股权再融资水平(所有者权益的年度增长率)；二是与盈利能力相关的因素，如营业利润增长率和营业收入增长率；三是与现金流循环能力相关的因素，如每股经营活动产生的现金流量净额和现金净流量增长率；四是成长性因素，如净利润增长率和总资产增长率；五是与公司治理有关的因素，如股权集中度(前十大股东持股比例合计)、产权性质(国有企业取1，非国有企业取0)、两权分离情况(董事长兼任总经理取1，否则取0)、独立董事比例；六是市场表现因素，如市盈率、市净率和股票流动性(流通股占总股本的比例)。本文运用逐步回归法(Stepwise)对上述影响因素进行了筛选，最终保留了显著度在20%以内的变量作为选择变量以反映它们对选择性偏差的影响(筛选过程去除了显著性较低的固定资产增长率、所有者权益的年度增长率、两权分离情况、独立董事比例和市盈率)。，计算股票被选入成分股的倾向得分。其次，根据倾向得分值对处理组和控制组样本进行匹配(匹配年度为2014年，匹配方法同时采用了近邻、半径及核匹配)。最后，在PSM配对基础上报告处理组和控制组的输出变量(融资约束和投资效率)在政策实施后各年(2015年、2016年、2017年)的平均处置效应(ATT值)，从而揭示成分股与非成分股在融资约束及投资效率方面的差异及演变，进而对沪港通政策效果进行评价。本文PSM估计的输出变量包括融资约束水平(SA)和企业投资效率(BIAS)。由于非效率投资的方向并不相同，故BIAS又被进一步划分为投资过度(BIASover)和投资不足(BIASunder)。

(二)DID/PSM-DID估计

PSM的局限在于仅适用于依“可观测因素”选择的情况，无法控制不可观测因素对选择的影响。这时，可进一步借助DID估计量(双重差分过程)去掉“非时变不可观测因素”对选择的扰动作用。本文实证过程将同时列示DID(2)保留普通DID估计是希望证明即使把成分股选择看成是一种“随机”实验，本文的研究结论也依然成立。以及PSM-DID估计结果。DID模型的具体构建如式(1)所示。

SAi,t/BIASover,i,t/BIASunder,i,t=α0+βListi*Periodt+γZi,t+δt+fi+εi,t

(1)

模型(1)中，Listi为分组虚拟变量，若股票列入沪港通成分股取1，未列入则取0；Periodt为政策时段虚拟变量，若样本所在年度为政策实施期(2015—2017年)，则Periodt=1，若不在政策实施期(2012—2014年)，则取0；Listi*Periodt为双重差分项，β代表的是DID模型下沪港通政策的影响效果。Zi,t是控制变量，主要控制三类因素的影响：一是公司治理对融资约束和投资效率的影响，如股权集中度(TOP10)、独立董事比例(Independence)、两权分离情况(Seperation)、管理费用率(Management)；二是现有融资摩擦的影响，如杠杆水平(Lev)、现金持有水平(Cash)；三是投资机会的影响，如抵押融资能力(FixGth)。δt和fi分别指时点固定效应和个体固定效应。模型(1)样本期为2012—2017年。其中，2014年为政策实施当期、2015—2017年为政策实施后。

DID估计需满足平行趋势假设，故本文通过模型(2)检验平行趋势，向量Zi,t为控制变量，其定义同模型(1)。平行趋势考察事前处理组和控制组趋势特征，故t取2011—2013年。若平行趋势条件成立，则模型(2)中，政策实施前的各年度虚拟变量与List的交叉项系数(βt)应不显著。

BIASover,i,t/BIASunder,i,t=α0+∑βtListi*Yeart+γZi,t+fi+δt+εi,t

(2)

(三)“处理效应”估计

双重差分过程只能过滤掉“非时变不可观测因素”，而PSM估计也只能排除依“可观测因素”带来的“自选择”问题。此时，因潜在的“不可观测时变因素”带来的“自选择”问题依然无法排除。不可观测“时变”因素的影响有可能存在，因为随着经济形势、政策环境的变化，企业的隐性竞争力(不可观测)会随时间改变。如在经济转型与结构调整过程中，我国实行“去产能、去库存、去杠杆”政策，这使得过去因政策支持而具有隐形竞争力的企业将失去其优势，而最初这类企业被选入沪港通标的股时，这一隐性优势很可能是决定其成为成分股的重要因素之一。为解决“依时变不可观测变量”选择的问题，本文将采用内生处理效应模型进行估计，并同时报告基于Heckit两步法[19]和MLE一步法的估计结果。

无论是MLE估计还是Heckit两步法，在对“选择过程”进行结构建模时，均涉及两个方程：第一阶段的“处理(选择)方程”，如式(3)；第二阶段的“结果方程”，如式(4)。

(3)

(4)

其中，“结果方程”中的向量Xi则参考模型(1)中的控制变量。由于“处理方程”中的向量Zi须包含工具变量zi，即zi需满足Cov(Zi,εi)=0。因此，Zi除了包含在Xi中的股权集中度(TOP10)和投资增长率(FixGth)两个变量之外，还包含了与选择(List)相关，但与投资效率关联较弱的股票流动性(Liq)和市净率(PB)。

综上，假设1和假设2的检验过程会同时采用PSM、DID、PSM-DID及处理效应四种方式。而假设3的估计，本文将借助线性扩展模型(ERM)来完成，因为该模型提供了更为便捷的交互项检验机制。包含交叉项的处理效应模型(5)所示，其中，R&D表示研发投入水平。包含R&D*List后，回归结果会分别汇报成分股和非成分股的研发投入对过度投资的影响。若假设3成立，则预期R&D(List=1)的回归系数应显著为负，而R&D(List=0)的回归系数很可能不显著。

(5)

ERM模型除了可以提供内生处理效应估计结果，还可以提供外生处理效应估计结果。两者的共同点是均认为选择过程是非随机的。但后者强调“非随机”是由样本自身的选择导致的，即“自选择”引发非随机实验；前者则假定“非随机”是由外生决策导致，即“外生决策”引发非随机实验。因此，外生处理效应不涉及模型(3)估计及工具变量设定问题。

四、样本选择与描述性统计

(一)样本选择

本文从万得数据库提取2012—2017年上证A股上市公司年度财务数据。遵照现有研究规范，剔除了符合以下特征的样本数据：(1)剔除2012年以后上市的公司，以保证所有样本在沪港通开通前后的时间窗口一致。(2)剔除金融行业以及ST、ST*和SST的样本。(3)自2014年11月17日沪港通开通以来，列入沪港通的上市公司名单每年均有调整。考虑到调整的比例较小，因此，为了避免少数标的股因调整而影响事件分析的精度，本文只将2014年12月31日、2015年12月31日、2016年12月31日和2017年12月31日都被列为沪港通标的股的企业视为处理组企业。同时，将上述四年都没有被列入沪港通的股票视为未列入沪港通的控制组企业，即剔除了只有个别年度列入成分股的样本。(4)为避免A/H股因外资引入而对沪港通开通效果造成干扰，剔除A/H股。(5)剔除截至2017年12月31日沪港通持股比例为零的样本。最终，共得到566家企业3396个样本构成的平衡面板数据。其中，处理组294家、控制组272家。

(二)变量定义

模型(1)—(5)中涉及的变量定义方式和度量口径如表1所示。

表1 变量定义

续表

(三)主要变量的描述性统计

本文对核心变量进行了上下1%的缩尾处理，处理后各变量的描述性统计如表2所示。SA均值为-3.82，这表明我国上市企业总体而言仍面临较高的融资约束。从均值上看，过度投资和投资不足水平均较高，说明我国上市企业非理性投资水平比较普遍且呈现两极分化特征。

表2 主要变量的描述性统计

五、实证结果与分析

(一)对假设1与假设2的检验(含稳健性检验)

1.PSM估计结果(3)匹配质量会较大程度上决定估计的有效性，因此本文对匹配前后的数据平衡条件(Data Balancing)进行了检验，并借助核密度函数图观察了共同支撑条件。限于篇幅，不再列示，作者备索。

表3显示，从影响方向上看，SA和BIASover的ATT值均显著为正，BIASunder的ATT值均显著为负。这表明沪港通的开通对于企业融资约束确实存在缓解作用，假设1得证。同时，由于沪港通降低了投资不足企业的非投资效率，但增加了过度投资企业的非效率投资，因此假设2得证。

表3 PSM检验结果

续表

2.DID估计结果与平行趋势检验

表4显示，SA回归下的交叉项系数均显著为正，说明沪港通的开通确实缓解了成分股企业的融资约束，假设1得证；对于过度投资(BIASover)组而言，交叉项系数均显著为正，说明沪港通确实会提高过度投资企业的非理性投资水平；对于投资不足(BIASunder)组而言，各列交叉项系数均显著为负，说明沪港通显著弥补了投资不足类企业的投资缺失，假设2得证。

表4 DID回归结果

遵循现有规范，本文对DID估计中的因变量进行了平行趋势检验，相关结果如表5所示。在投资效率的共同趋势检验中，无论过度投资还是投资不足，交叉项系数均不显著。这表明，在政策实施前，沪港通标的股和非标的股具有共同趋势，即满足共同趋势假设。

表5 平行趋势检验结果

图1 处理组和控制组SA逐年变化趋势对比

SA的“共同”趋势则可由图1描述。从2011年至2017年，控制组的融资约束是一条向右下方倾斜的直线(虚线)，即伴随时间推移，控制组的融资约束在直线加强。相比之下，处理组的融资约束在2014年后出现了一个明显的上偏特征(呈现结构性突变)。比较处理组2014年后的“真实融资约束线”与“融资约束趋势线”之间的差异，可发现其融资约束的斜率减缓，这为假设1推测沪港通确实有助于缓解成分股企业融资约束提供了有力支持。

3.PSM-DID估计结果与安慰剂检验

(1)PSM-DID估计。由表6可知，SA回归中的交叉项系数显著为正，表明沪港通缓解了标的企业的融资约束水平；BIASunder回归中的交叉项系数均显著为负，说明沪港通的推出有助于降低标的企业中投资不足样本的非效率投资水平；BIASover回归中的交叉项系数显著为正，说明沪港通的推出加剧了过度投资样本的非效率投资。上述结果均与假设1和假设2的预期完全一致。

表6 PSM-DID回归结果

(2)安慰剂检验。借鉴Chen等(2015)的做法[22]，本文在PSM配对基础上进一步给出了安慰剂检验的结果。安慰剂检验主要针对控制组进行。安慰剂模型的控制变量与DID检验(模型1)保持一致，只不过增加了Period这一代表沪港通政策冲击的时点变量——若所在年度为2015—2017年，则Period=1，其余年度为0。安慰剂检验的思路是对控制组进行分样本回归，重点观测Period对其投资效率的影响，由于控制组并未真正参与沪港通交易，所以，Period作为一种安慰剂，对其投资效率将不存在真实影响，即预期Period的回归系数将不显著。表7给出了经过“近邻匹配”后的安慰剂检验结果，Period的回归系数均不显著，安慰剂检验通过。

表7 安慰剂检验结果

4.处理效应检验

表8表明，在SA的回归中，List的系数均显著为正，说明沪港通缓解了标的企业的融资约束；在BIASover的回归中，List系数均显著为正，表明沪港通的推出加剧了过度投资组的非效率投资；在BIASunder的回归中，List系数均显著为负，说明沪港通的推出缓解了投资不足组的非效率投资。上述结果均再次验证了假设1和假设2。

表8 处理效应估计结果

(二)对假设3的检验

从表9可知，非成分股(List=0)企业的创新投入(R&D)对过度投资都没有弱化作用，但成分股(List=1)企业的创新投入(R&D)对过度投资均有显著的弱化效应，这表明沪港通的实施确实可以通过支持创新投资这一间接方式弱化企业过度投资，从而假设3成立。综合前文分析，虽然沪港通在缓解融资约束的同时，对过度投资类企业也产生了一定的投资激励，从而导致其过度投资有加剧倾向，但是，沪港通对融资约束的缓解也有助于降低研发投资的融资约束、鼓励企业加大研发投资。研发支出强度的提高会推动企业加速产能升级、消化过剩产能，因此沪港通的推出对于实施创新驱动战略具有重要意义。

表9 沪港通激励过度投资的分组异质性检验(5)由于表9中内生处理效应的选择变量与表8一致，限于篇幅，不再列示，作者备索。

六、结论与意义

本文研究了沪港通开通对上市公司投资效率的影响以及这一影响的异质性及其形成逻辑。PSM、DID、PSM-DID和处理效应等估计结果均显示：(1)沪港通的开通有助于缓解标的企业的融资约束水平。(2)融资约束的缓解对于不同类型的成分股的投资效率具有异质性影响——对于那些存在过度投资的标的企业，融资约束的缓解有助于进一步强化其投资偏好，因此会对过度投资构成激励作用。但是，对于那些存在投资不足的标的企业，沪港通的开通缓解了融资摩擦，因此有助于弥补投资不足、提高投资效率。(3)对于存在过度投资的高研发企业而言，沪港通政策本身虽然激励了其过度投资，但是却可以通过激励创新来间接降低过度投资。

学术界对资本市场开放的政策效果一直以来都存在争议。虽然主流研究倾向于强调股票市场开放对一国经济和金融发展的积极作用，但也不乏偏向负面的结论。相比之下，本文的研究以融资约束为媒介，在肯定了沪港通对缓解融资约束的积极作用后，辩证式地给出了沪港通政策在影响企业投资效率方面的异质性结论，这为差异化政策评价提供了微观逻辑依据。此外，通过检验沪港通政策能够间接(通过创新)优化企业投资效率，进一步反思了资本市场开放在创新协同方面的战略意义，并由此反思了资本市场开放通过助力创新来提高实体经济增长质量方面的潜力，从而将开放、创新与增长纳入了一个统一的分析框架，也为构建创新驱动战略与资本市场开放战略之间的联系提供了理论参考。