企业创新对股票预期收益的影响——融资约束存在吗？

刘宇杰 阳佳余

（南开大学金融学院 天津市 300350）

一、引言

创新对经济增长存在促进作用，为推动我国经济长期增长、促进战略性新兴产业发展并缩小与国际产业发展水平间的差距，国家提出创新驱动发展战略。围绕创新驱动发展的战略布局，企业积极响应，开启了以创新驱动产业发展的新篇章。对于企业发展而言，新兴及中小企业需培养出独特的竞争优势以立足市场，行业领军者也需要通过不断创新发展形成持久的吸引力来巩固市场地位，因此大量研究探讨企业创新与企业绩效、企业价值的关系，认为企业创新研发对企业绩效具有促进作用（戴志敏等，2021）。同时，股票市场作为经济的“晴雨表”，股票收益表现是宏观经济发展的直观体现，因此已有研究也进一步探讨企业创新与股票收益的关系，并发现企业创新与企业股票收益挂钩（Lev 和Sougiannis，1996），企业研发投入越高，股票超额收益越大（李强等，2018）。

尽管创新活动可以视作企业释放利好，但创新活动也存在着投资周期较长、资金需求量大、产出结果不确定性较强等特征，而且创新活动存在严重的信息不对称，致使企业更容易面临融资约束，尽管创新本身会通过减轻金融套利交易来缓解融资约束（于博和杨洁，2020）。若企业无法为其开展的创新活动筹集足够的资金，将导致相关创新活动的暂停或终止。创新活动的暂停和终止会产生多方面的后果：一是会显著降低企业价值，二是会阻碍技术不确定性的解决，三是增加了企业竞争对手预先完成创新活动的可能性。因此，融资约束对企业顺利开展创新活动，以及对创新产出成果转化为更高企业股票收益率两方面，均具有重要影响。

二、文献综述与研究假设

（一）企业创新与预期超额收益

近年资产定价领域对于股票预期超额收益的研究大多围绕多因子的挖掘与检验。自Fama 和French（1992）利用Fama Macbeth 横截面回归法验证了三因子模型可以较好解释横截面股票预期收益率后，Carhart（1997）分析了动量因子，Fama 和French（2015）在三因子模型中加入盈利能力和投资风格因子，认为五因子模型能更好地预测股票市场收益率。此外，反转因子和特质波动率（Jiang 等，2009）也被认为具有显著的解释效力。但由于样本范围、因子构造等诸多方面存在差异，各因子对于股票预期收益的解释能力存在不同。国内研究表明，我国A 股市场存在显著的规模效应和反转效应，但动量效应不显著（马超群和张浩，2005），而在国外股票市场具有良好解释力的五因子模型在我国A 股市场的表现却不尽如意（赵胜民等，2016）。特质波动率效应在中国股市存在，但在价格极差、最大日收益率和换手率的共同作用下，特质波动率与股票预期收益间的负向关系将不再显著（Jiang 等，2009）。尽管目前已有多达百个因子被发现具有显著预测性，但在得到学界和市场广泛关注后，不少因子的预测能力消失（Harvey等，2016）。因此目前资产定价领域对因子挖掘的关注有所降低，部分研究（Green 等，2016）开始借助机器学习等方法来预测股票收益率。

另一方面，股票预期收益率也是企业未来发展潜力和投资者对企业经营信心的体现，受企业经营状况及企业特征的直接影响。部分学者尝试从公司金融角度对股票预期收益率的影响因素进行探讨。研究发现，基础财务指标较好的公司（Piotroski，2000）将获得更高的预期超额收益。

企业创新作为公司金融领域的重要话题被广泛研究。现有研究侧重于分析企业创新与企业绩效、企业价值的关系，认为企业创新研发对企业绩效具有促进作用（戴志敏等，2021）。部分研究借助Fama Macbeth 横截面回归法探讨企业创新与企业股票预期收益之间的关系，并发现企业创新能力对企业股票收益具有显著的促进作用（Hirshleifer等，2018）。而目前针对我国股票市场的研究相对较少，李强等（2018）研究发现沪深两市企业的R&D 投资对股票预期收益具有显著的正向影响。胡志强和裴开兵（2020）通过投资组合分类方法发现我国股票市场上高研发溢出吸收效应组的企业比低研发溢出吸收效应组能取得更高的股票超额收益。

就理论上而言，本文认为创新与企业未来股票超额收益之间存在正向关系，作用机制有三：

一是投资者可能无法对创新信号做出及时和准确反应，从而低估企业股票市场的表现。由于创新涉及到许多不确定性维度，通常需要广泛的专业知识来评估。因此，投资者对企业创新信号中所包含的利好信息的忽视或低估所导致的投资行为偏差，将造成对企业现时股价低估，从而形成企业股票市场的预期超额表现（Hirshleifer 等，2018）。二是根据Q 理论（Liu 等，2009），企业具备较高的创新能力往往意味着其有更高的盈利能力和预期收益水平。如果其为开展创新活动而购买的资本具有较高风险，那么作为风险补偿，将在其创新支出上获得更高的预期回报。并且具有较高创新能力企业随后在专利方面更具有生产力（Dierickx 和Cool，1989），且可以据此获得更高的利润和股票回报。三是随着Berk 等（1999）开创性地将企业资产分解为在位资产和未来一系列的增长期权，在位资产随着增长期权的不断执行而逐渐积累，进而导致增长期权在总资产构成中的相对重要性和在位资产的系统风险动态变化，并因此影响资产总体的系统风险和股票预期收益率。企业开展创新活动也是在“创造”新的增长机会，而增长期权的系统性风险通常远高于在位资产，因此通过提高增长期权在企业资产构成中的相对重要性而提高资产总体的系统风险，并最终使得企业创新与股票预期收益具有正向关系（李强等，2018）。综上，本文提出假设1：

企业创新对企业股票预期超额收益有正向影响。

（二）融资约束渠道的影响机制

关于企业融资能力的衡量，大多数文献首先刻画企业是否受到融资约束。Fazzari 等（1988）采用投资－现金流敏感度（Investment-Cashflow Sensitivity）对企业是否受到融资约束进行识别。当企业面临融资约束时，企业的投资决策不仅取决于投资机会，还受到自身财务状况的影响。鉴于此，诸多研究以企业所面临信息成本高低进行分类，考虑不同样本集企业的投资－现金流敏感程度可能存在差异（Whited，1992），常用企业特征变量包括企业规模、企业年限、企业与产业集团或金融集团的联系、企业的股利政策以及发行债券所属等级等。但经验证并未得出一致结论，因为现金流不仅包含财务信息，也包含关于投资机会的信息。即便企业没有融资约束，其投资和现金流也可能存在正相关关系（Fazzari 等，1988）。因此，采用单一指标很难同时反映资金供求的差异性信息。基于此，Kaplan 和Zingales（1997）依据企业年报、股东信件、公司公告、债券条款等定性信息，将企业按融资约束程度不同分为5 大类，并构造融资约束KZ 指标。此外，Bellone 等（2010）直接根据企业规模、资产收益率、流动性比率等财务指标，构建总体评分指标。

由于企业创新投资需要大量的资金支持，且具有高风险性、高不确定性以及信息不对称等特征，企业创新活动也面临融资约束影响。从内部融资来说，企业内部现金流情况会直接影响企业在创新活动上的资金投入，改善企业内部融资渠道，从而促进创新投资活动顺利开展（Brown 和Petersen，2011）。从外部融资视角看，政府补助、股权融资、债权融资均会对企业创新活动产生促进作用（李汇东等，2013），外部融资渠道受限将会给企业创新活动带来负面影响。大量实证研究表明企业融资约束会抑制企业自身的创新研发（鞠晓生等，2013）。企业创新活动的顺利推进需要大量稳定的资金支持，促进形成有效的企业创新产出（Qiu 和Wan，2015），从而推动企业股票市场表现。据此，本文提出假设2：

融资约束会抑制企业创新对股票预期超额收益的促进作用。

三、数据来源与变量选择

（一）数据来源

本文选取2005-2019 年沪深两市非金融业且未被ST 的A 股企业为样本，剔除所有股票IPO 后6 个月内的交易数据和账面市值比为负的股票，并对所有连续变量在1%和99%的水平上进行Winsorize 缩尾处理。本文使用的财务数据、股票收益率数据和无风险利率数据来源于国泰安数据库，研发投资数据来自Wind 数据库，专利申请数据来自中国研究数据服务平台的CIRD 数据库。

为研究企业创新对股票预期超额收益的影响作用以及融资约束对此关系的影响，本文将分别使用投资组合分类法和Fama Macbeth 横截面回归进行分析。本文参考Fama 和French（1992）的做法，将T 年6 月至T+1 年5 月视为一个投资周期，并将T-1年财务数据分别与T 年6 月至T+1 年5 月的股票超额收益数据相匹配；同时为了解决内生性问题并预测收益率，将月度股票市值数据滞后一期，即将t-1 月股票市值数据与t月股票超额收益率数据匹配。

（二）企业创新的衡量

有部分学者采用无形资产净额增量占总资产比重衡量企业创新。不过更多研究使用研发投资作为企业创新投入的代理变量，使用专利和引文情况来衡量创新产出（丁重和邓可斌，2014）。但是由于我国缺少专利引文数据库，国内研究企业创新能力文献普遍使用专利申请数量来衡量产出情况（李婧等，2010）。基于已有研究基础，本文将分别从投入和产出双口径来衡量企业创新情况。为测度企业创新投入，本文参考既有研究选取了研发支出/营业收入额、研发支出/总资产两个指标（李强等，2018）；而为了测度企业创新产出，本文分别使用ln（1+发明专利申请+实用新型专利申请+外观设计专利申请）、ln（1+发明专利申请）两个指标（郭癑，2018）。

（三）融资约束的衡量

本文采用多指标定性回归和多指标定量评分方法分别构建了KZ index 和FC score 指标来衡量企业的融资约束情况。

1.KZ index。参 照Kaplan 和Zingales（1997）、李强等（2018）的做法，本文选取企业股利支付率（PR）、货币资金/总资产（CA）、经营活动现金流净额/总资产（CFA）、资产负债率（LEV）以及托宾Q 值（Q）五个财务指标，利用线性组合方式构建得到融资约束指标KZ index。各指标的线性组合系数计算方法为：首先，在每个财务年度末期，根据企业是否发放现金股利、货币资金/总资产、经营活动现金流净额/总资产和资产负债率指标分别对样本企业进行分组。具体地，如果企业当期发放现金股利，则设虚拟变量KZ=0，否则KZ=1；如果企业货币资金/总资产指标高于中位数，则设虚拟变量KZ=0，否则KZ=1；如果企业经营活动现金流净额/总资指标产高于中位数，则设虚拟变量KZ=0，否则KZ=1；如果企业资产负债率低于中位数，则设置虚拟变量KZ=0，否则KZ=1。

然后，定义KZ=KZ+KZ+KZ+KZ。用KZ 对每股现金股利、货币资金/总资产、经营活动现金流净额/总资产、资产负债率以及托宾Q 值进行有序Logit 回归，得到回归结果见表1。最后，回归后各解释变量回归系数作为各指标的线性参数，估算得到企业的融资约束指标KZ index。KZ index 越大，意味着企业受到的融资约束越强。

表1 KZ index 构建的有序Logit 回归结果

根据以上各指标的回归系数结果，本文构建的KZ index 的线性公式如下：

2.FC score。参照阳佳余（2015）的方法，本文从企业是否受到内源资金约束、外源资金约束及企业的盈利能力三方面选取指标对企业融资能力进行衡量，构建得到本文的第二个融资约束指标FC score。选取的指标包括：（1）货币资金比率，即企业货币资金占总资产的比率，反映企业内源资金的相对充裕程度。该比率越高，说明企业内源融资能力越强，受到的融资约束越弱。（2）经营活动现金流净额/总资产，反映企业经营活动状况及营业活动的盈利能力，相应的盈利可用于满足企业的投资需求。该值越大，表示融资约束越弱。（3）销售净利率，即企业息税后利润占销售收入的比率。该比率越高，企业融资能力越强，融资约束越弱。（4）清偿比率，即企业所有者权益占总负债比率，侧重于揭示财务结构的稳健程度以及自有资金对偿债风险的承受能力。该指标越高，企业偿债能力越强，融资约束越弱。（5）企业规模，采用企业总资产对数值进行衡量。由于企业总资产通常是银行考虑企业信用质量的重要依据，企业规模越大，企业获得金融机构贷款的可能性越高。同时大规模企业往往具有更充裕的现金流，小规模企业更容易受到融资约束。（6）有形资产净值比率，即企业有形资产占总资产的比率。企业有形资产可以作为获取银行信贷的抵押资产，因此有形资产比重越高，越容易获得银行信贷支持，融资约束越弱。

在指标可加性问题上，借鉴Bellone 等（2010）的构建方法，对每个指标定义变量值1-5，分别表示该企业位于同年同行业中的80%-100%、60%-80%、40%-60%、20%-40%、0%-20%，判断每个企业每一年度的指标分类分属于何种情况并获得对应值，并加总构造得到综合得分情况FC score。FC score值越高，企业受到的融资约束越强，融资环境越差。

（四）描述性统计和相关性分析

在Fama Macbeth 横截面回归中，为了更好地探讨创新—预期超额收益关系，本文参考以往使用Fama Macbeth 回归法研究股票收益的文献（Hirshleifer 等，2018），选取市场组合溢价（EM）、规模因子（SIZE）、账面市值 比（BTM）、动量因子（MOM）、反转因子（REV）等常见的因子变量，以及企业主要特征变量，包括权益净利率（ROE）、资产增长率（AG）、一般资本支出（IA）作为控制变量，具体的变量符号及定义见表2。表3 是本文变量的描述性统计情况。

表2 经验研究变量说明

表3 变量的描述性统计

通过对主要变量进行相关性分析发现，除企业股票预期超额收益与市场组合溢价的相关性系数为0.52 之外，其余表中所有相关系数绝对值都远低于0.5，排除了变量间存在多重共线性的可能。

四、投资组合分类结果及分析

本文首先采用投资组合分类法来分析企业创新和股票预期超额收益的关系，较高水平的创新活动可能与未来的超额收益有关。

（一）单变量投资组合分类估计

为检验这一假设，首先需要进行单变量投资组合排序，以观察超额收益的变化趋势。本文将样本企业等分为5 组，组别1-5分别为T-1 年创新指标0-20%、20%-40%、40%-60%、60%-80%、80%-100%区间内的企业组合，组别1 为创新投入/产出最低的企业组合，组别5 为创新投入/产出最高的企业组合；为了更好地检验创新—预期超额收益关系，本文构建了一个零成本的对冲投资组合（Hedge portfolio），即买入高创新投资组合（80%-100%分位），卖空低创新投资组合（0-20%分位）。假定在接下来的12 个月（T 年6月至T+1 年5 月）持有这些投资组合，并计算它们市值加权后的月平均超额收益。

表4 的Panel A 反映了创新投入口径分组下各投资组合的月平均超额收益，以及Newey-West调整后的t值，Panel B反映了创新产出口径下的分组结果。Panel A 的结果显示，以创新投入指标RDTS 分组后的企业投资组合1-5 的预期超额收益率从0.68%逐步增加至1.43%，对冲组合获得0.75%的预期超额收益且在5%的水平下显著；同时，以创新投入指标RDTA 分组下的企业投资组合1-5 的预期超额收益从0.68%逐渐增大到1.41%，并且对冲组合在1%的显著性水平下获得0.73%的超额收益。这些结果表明随着创新投入强度增大，投资组合的平均超额收益呈显著增大态势。而创新产出口径下，随着创新产出指标PAT 的增大，组别1 到组别2 的月平均超额收益从0.96%增加至1.2%，之后平均超额收益逐步下降至0.93%，且对冲组合并未能获得显著的正超额收益；这种组合超额收益先增长后下降的现象在PATM 分组下同样存在，即随着投资组合创新产出强度增加，各组别平均超额收益的增长趋势不一致。

表4 单变量分组结果

（二）独立双变量投资组合分类

为检验创新和融资约束对股票预期超额收益的交互影响，本文利用独立双变量投资组合分组观察这一作用机制。具体而言，本文在T 年5 月底对创新指标和融资约束指标进行5×5 的双重分组排序，即在T 年5月底依据创新指标和融资约束指标分别将样本企业等分为5 组，组别1-5 分别对应指标0-20%、20%-40%、40%-60%、60%-80%、80%-100%区间内企业形成的投资组合，则创新指标分组下的组别1 为同年创新能力最低的企业组合，组别5 为同年创新能力最高的企业组合；而融资约束指标分组下的组别1 为同年融资能力最好的企业组合，组别5 为同年融资受限最强、融资能力最差的企业组合。然后将两个指标分类下的组合交叉，共形成25 个投资组合。同时，模型在每个融资约束分组中构建了一个创新指标对冲组合（即买入高创新指标投资组合5，卖空低创新指标投资组合1），在每个创新分组中构建了融资约束指标对冲组合（即买入低融资约束投资组合1，卖空高融资约束投资组合5）。假定在未来12 个月（T 年6 月至T+1年5 月）持有这些投资组合，并计算所有投资组合市值加权后的月平均超额收益。表5报告了创新投入的RDTS、RDTA 指标与融资约束指标KZ index、FC score 之间的独立双变量分组下各投资组合的月平均超额收益，以及Newey-West 调整后的t 值。

表5 创新投入与融资约束独立双变量投资组合分类结果

根据投资组合分类后的月平均超额收益结果可以看出，在RDTS 和KZ index 双重分类下，随着各投资组合的RDTS 值增大即企业创新投入强度增大，各投资组合的月平均超额收益基本呈现不断增大的趋势。除KZ index 组别3 和5，RDTS 各分组的变化趋势不一致外，其余KZ index 组别1、2、4 下RDTS 分组体现的增长趋势均明显，且对应的对冲组合均获得正超额收益。具体地，在KZ index 组别1 中，RDTS 组别1-5 的月平均超额收益从0.71%逐步上升至1.54%，其对冲组合的超额收益在10%的显著性水平下为0.83%；组别2 中，RDTS 组别1-5 的月平均超额收益从0.64%逐渐上升至1.57%，其对冲组合的超额收益在5%的显著性水平下为0.93%；KZ index 组别4 中，RDTS 组别1-5 的月平均超额收益从0.48%逐步上升至1.26%，其对应对冲组合的超额收益为0.78%。在不同融资约束情况下，随着创新投入强度增大、企业投资组合月平均超额收益增长的趋势在更换了创新投入指标（RDTA）

和融资约束指标（FC score）后依旧清晰存在。这充分说明，考虑了融资约束影响机制，企业创新和企业股票预期超额收益间依旧存在稳健的正向关系。

五、Fama-Macbeth 回归结果及分析

（一）创新—预期超额收益的Fama-Macbeth回归

为了更清晰地分析融资约束对预期超额收益的影响，本文使用Fama-Macbeth 横截面回归来进一步检测创新对股票收益率的预测关系。同时，为确保投资者可以获得财务数据，假定允许年度财务数据和月度股票超额收益率数据之间存在至少六个月的滞后。具体地，本文将T 年6 月至T+1 年5月的月度股票超额收益率与最新可获取的T-1 年的企业年度财务数据相匹配，然后在每个月时点t 对所有样本企业进行OLS 横截面回归（式（2）中Innov表示创新投入及创新产出指标，controls表示控制变量），最后针对所有月份横截面回归得到的回归系数进行Newey-west 时间序列回归调整，得到最终的回归系数和调整后t 值。得到的创新投入和创新产出双口径下的的Fama-Macbeth 回归结果见表6。

表6 创新投入对股票预期超额收益的Fama-Macbeth 回归结果

回归结果显示，在创新投入口径下，在控制了市场组合溢价（EM）、规模因子（SIZE）、账面市值比（BTM）、动量因子（MOM）及反转因子（REV）后，RDTS 对股票预期超额收益回归系数在5%的显著性水平下为0.0205，RDTA 对股票预期超额收益的回归系数在1%显著性水平下为0.0218；考虑企业主要特征变量（资产增长率AG、权益净利率ROE及一般资本支出IA）影响后的RDTS 对股票预期超额收益的回归系数为0.0233，RDTA为0.0211，且均在5%的水平下显著。将解释变量更换为创新产出指标PAT、PATM 后，这种显著的正向影响依旧存在。在仅控制市场组合溢价（EM）、规模因子（SIZE）、账面市值比（BTM）、动量因子（MOM）及反转因子（REV）下的回归结果中，PAT、PATM 对股票预期超额收益的回归系数分别为0.0113、0.0157；纳入其他企业主要特征变量后的回归系数分别为0.0110、0.0165，且所有结果均在5%水平下显著。以上结果表明，在控制了企业其他特征和行业影响后，企业创新能力越强，企业股票预期超额收益率越高，即企业创新能力对企业股票预期收益具有稳健的正向影响，很好地支持了假设1。

（二）融资约束对创新—预期超额收益关系的影响

为进一步探讨融资约束对企业创新—预期超额收益关系的影响，本文将融资约束指标与创新指标交互项引入Fama-Macbeth回归中以考察其调节作用，具体的回归公式如下：

引入交互项的回归结果如表7 所示。其中，回归模型（1）-（4）为创新投入口径下的回归结果，（5）-（8）为创新产出口径下的回归结果，（1）、（2）、（5）、（6）是纳入创新指标与KZ index 交互项的回归结果，（3）、（4）、（7）、（8）是纳入对应创新指标与FC score 交互项的回归结果。可以发现，创新投入指标RDTS、RDTA 均对股票预期超额收益有显著的正向作用，而RDTS×KZ index、RDTS×FC score 对股票预期超额收益的回归系数分别为-0.0150、-0.0426，且均在10%的水平下显著；RDTA×KZ index、RDTA×FC score 的回归系数均在5%显著性水平下为-0.0124、-0.0336，说明创新投入口径下融资约束对企业创新—预期超额收益关系具有显著且稳健的抑制作用。创新产出方面，PAT、PATM对预期超额收益的影响在1%水平下为正，纳入融资约束影响后的交互项PAT×KZ index、PAT×FC score、PATM×KZ index 及PATM×FC score 的回归系数均显著为负，分别是-0.0114、-0.0314、-0.0109 及-0.0374，即企业创新产出对企业股票预期超额收益有正向影响，但会受到融资约束的显著抑制。因此，创新双口径下的回归结果表明，无论是投入或者产出口径衡量下的企业创新都对股票预期超额收益有显著的促进作用，但融资约束会显著抑制创新对预期超额收益的促进作用。

表7 考虑创新与融资约束交互项下的Fama-Macbeth 回归结果

续表7 考虑创新与融资约束交互项下的Fama-Macbeth 回归结果

融资约束之所以会削弱创新对预期收益的促进作用，其原因在于，一旦企业面临融资约束，企业通常会中断、停止或放弃创新项目；而且融资约束严重情况下，企业更可能因某个或某些创新研发项目的失败而陷入严重危机。此外，回归中其他企业变量，如市值规模SIZE、权益净利率ROE、反转因子REV 对企业股票预期超额收益率的显著影响与前文一致，也进一步体现了回归结果的稳健性。

六、结论与启示

本文分别依据创新指标和融资约束指标对我国沪深两市A 股上市企业进行了单变量和独立双变量投资组合分类，发现随着各投资组合创新强度的提高，投资组合预期超额收益出现增长趋势，这一结论即使考虑了融资约束机制也依然存在。此外，本文进行了Fama-Macbeth 横截面回归。在考虑创新投入和产出双口径、变换创新指标、融资约束指标及采用交互项后，研究表明，企业创新可以显著促进企业股票出现预期超额收益，但这一促进作用会受到融资约束的抑制。基于本文的研究结果，企业加大创新研发力度将有效改善企业股票市场表现，助推我国经济增长。因此，企业应积极响应国家创新驱动发展战略，以创新驱动产业升级。同时，国家应不断完善资本市场体系、提高金融发展水平，以缓解企业融资约束，保障企业创新活动顺利开展，促进创新—预期超额收益转化机制的有效运行。