返回 管理论文 首页
分析师为高R&D投入企业提供了有效信息吗

  【摘 要】 选取2007―2015年我国A股全部上市公司作�檠�本,研究发现,研发投入强度越大的企业,股价同步性越低、跟踪的分析师越多;并且分析师跟踪会增强研发投入强度与股价同步性之间的负向关系。这种关系表现为分析师跟踪加剧了投资者的非理性投资行为和股价的异常波动、噪音,从而使股价同步性进一步降低,而不是通过分析师跟踪的压力效应影响企业研发活动本身来影响股价同步性,这一结论在分析师跟踪当期和分析师跟踪下一期均成立。
  【关键词】 股价同步性; 分析师跟踪; R&D投入强度
  【中图分类号】 F275.5 【文献标识码】 A 【文章编号】 1004-5937(2018)04-0065-06
  一、引言
  股价同步性的高低是衡量资本市场运行效率的标志之一。关于股价同步性的成因,现有“信息效率观”[1]和“非理性行为观”[2]两种观点。“信息效率观”认为股价同步性低体现了较好的信息披露环境与质量。“非理性行为观”认为某些股票信息环境较差,在信息逐渐披露的过程中投资者不理性行为较多,股价波动较大,从而股价同步性低体现了较差的信息披露环境和质量。哪种观点更能解释我国不同R&D投入强度企业之间的股价同步性差异,目前尚无定论。在此基础上,分析师作为外部信息中介其跟踪如何调节R&D投入强度与股价同步性之间的关系,是增加股价中的公司特质信息还是增加噪音,是本文研究的主要问题。这一问题在我国目前具有重要的现实意义。党的十八大以来,我国全面实施创新驱动发展战略,把科技创新视为提高社会生产力和综合国力的战略支撑,宏微观研发投入不断加大。我国A股上市公司2015年研发投入总支出超3 414亿元人民币,相比2014年增长近30%。面对这一趋势,我国上市公司研发投入信息的有效传递对改善我国资本市场信息环境,提高市场效率十分重要。
  本文的贡献主要体现在:不同于大多数学者从“信息效率观”出发分析股价同步性有效性,并研究不同分析师个人特征的影响,本文研究发现对于不同R&D投入强度企业,股价同步性的“非理性行为”视角更具解释力,补充了股价同步性的相关文献。同时,本文发现分析师倾向于跟踪R&D投入强度更高的企业,增加了高R&D投入强度企业投资者决策时的噪音,使其股价同步性进一步降低,补充了分析师跟踪的相关文献,揭示了分析师报告对于高R&D投入强度企业成为“噪音”,而不是提供更多有用公司特质信息的可能性,并在此基础上分析了我国分析师现状及其成为“噪音”的合理原因,有利于促进分析师群体的行为规范和监管政策的完善。
  二、理论分析与研究假设
  R&D活动通常会经历开始―失败―突破―新技术诞生―专利权―产品化―市场化等一系列过程,具有很大的不确定性。同时,研发不同阶段风险点及风险程度存在较大差异,投资者很难通过公开途径或借鉴其他公司研发项目等过往收益信息来进行价值判断[3],投资者获取R&D活动信息很大程度上依赖上市公司年报及社会责任报告等公开信息。而R&D活动的内在不确定性给会计确认、计量和披露带来了很大的困难。目前我国会计准则对研发活动的规定实质是支出的费用化和有条件的资本化,对披露的内容和格式未做具体规定。同时对研发密集的高科技行业,非财务信息的披露更加重要[4],财务报告对R&D活动的具体情况及研发进展等非财务信息披露甚少,财务报告对R&D活动价值披露不完全,影响了会计信息的基本信号传递功能[5],作为重要信息披露渠道的财务报告难以解决R&D活动的信息不对称[6]。管理层可通过自愿披露来缓解信息不对称[7],高R&D投入强度企业会更主动地进行自愿披露[8]。然而,自愿披露并不能消除不同R&D投入强度企业之间信息不对称的差异[9],因为自愿披露的信息是未经审计的信息,可靠性较差[10];对于投资者来说,从自愿披露中获取信息的关注成本更高[11];管理层不会披露有关研发项目的全部信息[12]。因此,不同R&D投入强度企业之间信息不对称存在差异,R&D投入强度越大的企业信息环境越差、信息不对称越严重。在不同的信息环境质量下,不同R&D投入强度企业之间的股价信息含量差异如何,体现在其股价同步性上。
  股价同步性的“信息效率观”认为股价同步性低体现了较好的信息披露环境与质量[13],低R&D投入强度企业公司特质信息更容易获取和判断,信息不对称更小,信息披露环境较好,大量公司特质信息能反映到股价中,具有较低的股价同步性;而高R&D投入强度企业,存在大量难以获取和判断的研发活动等信息,股价更多地反映市场、行业等因素,与市场走势存在“同涨同跌”的现象,股价信息含量较低,股价同步性较高,因此提出假设1a:企业R&D投入强度越高,股价同步性越高。
  而根据“非理性行为观”,较差的信息环境是股价同步性下降的主要的原因[14],股价同步性反映的是股票收益中的噪声、泡沫,投资者“狂热”和“恐慌”心理所引发的“追涨杀跌”和“从众”等与公司基本面无关的非理性行为和因素[15]。对于高研发投入强度的企业,投资者难以获取、分析公开信息价值含量,同时投资者追“高新技术股”“研发密集股”等题材股的行为普遍,意图通过投机获取超额收益,造成较大的股价异常波动,使其股价同步性较低;相较之下,低研发投入企业则较少成为投机者的追逐对象,股价异常波动较小。因而企业R&D投入强度越高,面临的非理性行为越多,股价异常波动越大,股价同步性越低,因此提出假设1b:企业R&D投入强度越高,股价同步性越低。
  分析师作为信息中介会影响不同R&D投入强度企业间的股价同步性差异。分析师通过权衡收益与成本选择跟踪标的[16],分析师偏好跟踪收益较大(待披露信息量较大等)、跟踪成本较小(当前信息披露环境质量较好等)的公司[17]。Barth et al.[18]发现分析师投入更多资源来收集和分析R&D 投入强度高的公司。徐欣等[5]认为分析师为了个人利益(明星分析师评选等)有动机跟踪R&D活动,对研发企业做到准确盈利预测和成功的投资推荐是对分析师能力的最好证明,跟踪收益较大。因此提出假设2:企业R&D投入强度越高,分析师跟踪人数越多。   分析师以其专业技能可以更准确地判断企业R&D活动价值。跟踪高R&D投入强度企业的分析师通过多种方式获取相关领域研究的最新进展,例如阅读专业书籍、参加前沿会议等,并通过其社会关系获得与行业领先的研究专家交流的机会,获得专业咨询意见[19],可以识别不同类型的专利,为跟踪企业R&D活动提供深层次信息,有助于投资者有效获取及判断高R&D投入强度企业的研发信息含量,改善其信息环境,进一步影响股价同步性。根据“信息效率观”,企业R&D投入强度越高,股价同步性越高,分析师作为投资者和上市公司之间的信息传输桥梁,为R&D投入强度高的企业披露R&D活动等公司特质信息,改善企业的信息披露环境与质量,增加股价信息含量,降低股价同步性,削弱R&D投入强度与股价同步性之间的正向关系。因此提出假设3a:分析师跟踪会削弱R&D投入强度与股价同步性的正向关系。
  事实上,卖方分析师并非处于独立的职业环境,而面临着多重利益冲突和压力。首先,我国卖方分析师与基金经理关系十分微妙:新财富明星分析师作为分析师的重要荣誉,关乎其前途和钱途,而基金经理拥有大部分打分权,分析师在研报中有迎合基金经理的倾向并耗费大量精力维护同基金经理的关系,精力与资源的有限性使其很难获取研发的深入信息;券商研究机构与基金公司“交易分仓”的收入模式也在一定程度上限制了分析师的话语权,券商为了从基金公司获得更多的交易佣金和分仓收入,存在根据市场及基金经理偏好造热点现象,分析师利用投资者的非理性投资情绪,加剧投资者追高新技术题材股现象,造成股价的异常大幅波动,股价同步性降低。其次,券商为获得上市公司的承销业务,与上市公司管理层保持良好的私人关系以获取更优质信息的同时,大资金、强势上市公司荐股�l发。此外,分析师受到券商自营业务的压力影响,对于投资者关注度较高的高R&D投入强度企业,利用投资者情绪成为其惯用手段。这些利益冲突和压力一方面使得高R&D投入强度企业的分析师报告可靠性、可信程度更差;另一方面我国分析师评级及盈余预测普遍存在乐观倾向,对于高R&D投入强度企业,分析师预测准确性更低[20],可信度进一步下降。根据“非理性行为观”,分析师的跟踪会进一步增加高研发投入企业的噪音,加剧投资者的非理性行为,引起股价的大幅波动,进一步降低股价同步性。因此提出假设3b:分析师跟踪会增强R&D投入强度与股价同步性之间的负向关系。
  综上所述,本文的逻辑如图1所示。
  三、研究设计与方法
  (一)研究样本
  本文选取2007―2015年A股上市公司作为样本,研发投入数据来源于Wind数据库,其余数据来源于CSMAR数据库,对原始数据进行如下处理:(1)剔除金融行业上市公司;(2)剔除市净率小于0的样本;(3)对连续变量进行1%的Winsor处理;(4)剔除缺失值,共获得8 597个观测值。
  (二)模型设计和变量定义
  1.针对假设1构建模型1
  SYNCHi,t=α+β1RD_Pi,t-1+β2Control+ε (1)
  (1)被解释变量:股价同步性SYNCHi,t
  根据Xu[22]的做法,对每一年进行如下回归:
  Ri,w,t=β0+β1Rm,w,t+β2Rm,w-1,t+β3RI,w,t+β4RI,w-1,t+εi,w,t
  其中,Ri,w,t为股票i第t年第w周考虑现金红利再投资的收益率;Rm,w,t为A股所有股票第t年第w周经流通市值加权的平均收益率;RI,w,t为股票i第t年第w周对应行业I的资产组合(不包含公司i)经流通市值加权的平均收益率。由以上模型得到每个公司一年的确定性系数R2并进行对数化处理:
  SYNCHi,t=LnR■■÷1-R■■
  (2)解释变量
  研发投入强度为第t-1年对公司i研发投入的金额/营业收入,表示为RD_Pi,t-1。
  (3)控制变量
  分析师跟踪人数COVi,t;市值的自然对数MVi,t;股票年度换手率TURNOVERi,t;总资产负债率LEVELi,t;机构持股比例HOLDi,t;净资产收益率ROEi,t,年度和行业哑变量。
  2.针对假设2构建模型2
  COVi,t=α+β1RD_Pi,t-1+β2Control+ε (2)
  (1)被解释变量
  分析师跟踪人数为第t年对公司i跟踪的券商数量,对其进行加1取对数的处理,表示为COVi,t。
  (2)解释变量
  研发投入强度RD_Pi,t-1(同模型1)。
  (3)控制变量
  深证100指数哑变量SHEN100,上证180指数SHANG180,考虑现金红利再投资的年个股回报率Yretwd,市值的自然对数MVi,t;市账比MBi,t;股票年度换手率TURNOVERi,t;总资产负债率LEVELi,t;机构持股比例HOLDi,t;净资产收益率ROEi,t,年度和行业哑变量。
  由于被解释变量为正整数,不满足OLS中因变量正负无穷连续的假设,因此使用Negative Binomial回归。
  3.针对假设3构建模型3
  SYNCHi,t=α+β1COVi,t+β2XRDi,t+β3Xi,t+β4Control+ε
  (3)
  (1)被解释变量:股价同步性(同模型1)
  (2)解释变量:分析师跟踪人数(同模型2)、研发投入强度(同模型1)及其交乘项
  由于两个变量均为连续变量,为了解决多重共线性问题,对解释变量及其交乘项进行去中心化处理,即交乘项为(COVi,t-COVmean)(XRDi,t-XRDmean),表示为Xi,t。
  (3)控制变量   根据伊志宏[21]等,选用控制变量:
  市值的自然对数MVi,t;市账比MBi,t;股票年度换手率TURNOVERi,t;总资产负债率LEVi,t;机构持股比例HOLDi,t;净资产收益率ROi,t,年度和行业哑变量。
  (4)内生性问题
  本文结论可能受内生性问题的干扰,即分析师可能会倾向关注股价同步性更低的高R&D投入强度公司。为了缓解内生性问题,使用股价波动性VOLi,t和E_COVi,t作为COVi,t的工具变量进行2-SLS回归,具体构建方法同Xu et al.[22]。
  四、��证结果及分析
  2007―2015年,我国A股上市企业研发投入总额不断增加。2015年研发投入总额达3 414.98亿元,比2014年增长近30%(详见表1)。从行业分布来看,研发投入强度最高的行业为软件和信息技术服务业,平均研发投入额超过营业收入的10%,最大研发投入强度达25%以上。此外,互联网和仪器仪表等设备制造业的研发投入强度也位于前列(详见表2)。而餐饮业、运输业等行业的研发投入强度较低,平均研发投入强度低于1%。
  根据描述性统计表(表3),股价同步性均值为-1.06,所有值在-6.17至6.77之间变化,标准差接近1。分析师跟踪券商家数进行取对数处理后均值为2.01,研发投入强度的均为0.037,最小研发投入强度约为0.1%,最大研发投入强度超过25%。SHANG180和SHEN180为哑变量。
  从回归的角度,根据表4的OLS结果,研发投入强度与股价同步性的关系显著为负,支持了“非理性行为观”,即研发投入强度越大的企业,股价中的噪声、泡沫越大,股价异常波动越大,股价同步性越低,这一结论支持了假设1b,否定了假设1a。在控制行业、年度的情况下,净资产收益率、机构持股比例和换手率与股价同步性的关系显著为负,净资产收益率、机构持股比例越高的企业通常面临的信息环境更好,股价中的公司特质信息含量更高,股价同步性更低。更高的换手率可能意味着更多的投资者非理性短线投机,因而股价噪音较大,波动性较大,股价同步性更低。
  根据表4的Negative Binomial回归结果,研发投入强度与分析师跟踪的关系显著为正,即研发投入强度越大的企业,跟踪的分析师越多,支持了假设2。高研发投入强度的企业待披露的研发投入信息量较大,信息披露需求较高,给分析师大量空间去挖掘信息,充分发挥其作用,对这类企业的准确分析判断是对分析师个人的能力的重要证明,跟踪收益大于跟踪成本,分析师更倾向于跟踪高研发投入强度的企业。在控制行业、年度的情况下,净资产收益率、机构投资者持股比例和市值越高、杠杆越低的企业,基本面情况更好,更受分析师青睐。
  表5通过OLS和2SLS回归验证了分析师跟踪对R&D投入强度与股价同步性的调节效应,结论显示分析师与研发投入强度的交乘项与股价同步性的关系为显著负相关,验证了假设3b,分析师跟踪会增强R&D投入强度与股价同步性之间的负向关系。经验证假设1b的非理性行为观,企业R&D投入强度越高股价中的噪音越多,股价同步性越低,同时,假设2验证分析师有动机跟踪R&D投入强度高的企业,然而跟踪的分析师出于利益等原因,对高R&D投入强度企业投入的有效分析资源有限,并存在根据市场及基金经理偏好造热点、推热股现象,高研发投入企业常常受其追捧。分析师利用投资者的非理性投资情绪,推动投资者追高新技术题材股现象,加剧了投资者的非理性投资行为和股价的异常波动,股价中的噪音更多,股价同步性更低,因而分析师跟踪增强了R&D投入强度与股价同步性之间的负向关系。控制变量的符号未发生变化。
  五、进一步分析
  分析师对研发投入强度与股价同步性的调节作用存在另一种可能的解释。He et al.[23]发现分析师预测比较注重短期业绩,在其压力下管理层会减少研发投入,尤其是投资风险较高、研发周期较长的研发项目投入来提高短期业绩迎合分析师。谢震等[24]也发现分析师跟踪会使管理层减少研发投入。因此另一种可能的解释是分析师跟踪导致企业减少研发投入,因而影响研发投入强度企业与股价同步性的关系。由于本文实证检验证明,研发投入强度与股价同步性二者关系为负,因而在分析师跟踪的压力效应下,分析师跟踪导致企业减少研发投入会使得股价同步性上升,如图2所示。
  也就是说,若分析师并不是通过增加噪音和投资者的非理性投资行为来影响股价同步性,而是通过压力效应来改变企业行为,减少研发投入强度,影响股价同步性的话,分析师跟踪将会弱化二者的负向关系,这与本文假设3的实证结果不一致。同时,考虑到分析师跟踪对企业的压力效应可能存在一定的滞后性,本文检验了当期分析师跟踪与下一期研发投入强度的交乘项对下一期股价同步性的影响。经检验仍显著为负,进一步支持本文的结论。
  六、结论及启示
  第一,本文发现企业研发投入强度越高,股价同步性越低,支持了股价同步性的非理性行为观。对于信息不对称程度较大的高研发投入强度企业,面临的投资者非理性行为较严重,低股价同步性中以噪声、泡沫等信息为主,随着企业研发投入强度增大成为趋势,高研发投入强度企业的股价信息含量亟待提高,这对资本市场资源的有效配置至关重要。第二,本文发现企业研发投入越高,分析师跟踪越多。分析师在选择跟踪对象时对待披露信息量较大的高研发投入强度企业,具有明显的偏好。第三,分析师跟踪并没有提供有效的研发活动信息,降低股价中的噪音,反而进一步推动了投资者的非理性投资行为,使高R&D投入企业的股价波动性更大,增强了R&D投入强度与股价同步性的负向关系,并且这种结果不是通过影响分析师跟踪后企业调整其研发投入实现的。这一结论说明,对于高R&D投入强度企业,分析师跟踪难度较大,完成有深度、有时效性、有价值的分析报告需要投入大量人力物力,而我国卖方分析师群体独立性较差,与“基金经理”存在密不可分的利益关系,甚至会与大资金一起强势荐股,诱发投资者不理性投资行为,造成股价异常波动,股价同步性降低,从中获取超额收益。相关监管部门应加强对分析师的激励和引导,促进分析师为高R&D投入企业等信息披露需求更强的企业披露更多的公司特质信息,减少噪音,引导投资者理性投资行为,便于投资者对高R&D投入企业的真实价值判断和资本市场的有效配置,提高资本市场的有效性。   【参考文献】
  [1] ROLL,RICHARD.Presidential address:R2[J]. Journal of Finance,1988,43(3):541-66.
  [2] KENNETH D W.Dividend innovations and stock price volatility[J]. Econometrica,1988,56(1):37-61.
  [3] ABOODY,LEV BARUCH. Information asymmetry,R&D and insider gains[J].Journal of Finance,2000,55(6):2747-2766.
  [4] AMIR E,LEV B. Value-relevance of nonfinancial information:The wireless communications industry[J]. Journal of Accounting and Economics,1996,22(1):3-30.
  [5] 徐欣,唐清泉.财务分析师跟踪与企业R&D活动――来自中国证券市场的研究[J].金融研究,2010(12):173-189.
  [6] XU B,MAGNAN M L,ANDRE P E. The stock market valuation of R&D information in biotech firms[J]. Contemporary Accounting Research,2007,24(4):1291-1318.
  [7] CALLEN J L,GAVIOUS I,SEGAL D. The complementary relationship between financial and non-financial information in the biotechnology industry and the degree of investor sophistication[J]. Journal of Contemporary Accounting & Economics,2010,6(2):61-76.
  [8] TASKER S C. Bridging the information gap: Quarterly conference calls as a medium for voluntary disclosure[J]. Review of Accounting Studies,1998,3(1):137-167.
  [9] GUO R J,LEV B,ZHOU N. Competitive costs of disclosure by Biotech IPOs[J]. Journal of Accounting Research,2004,42(2):319-355.
  [10] JONES D A. Voluntary disclosure in R&D-intensive industries[J]. Contemporary Accounting Research,2007,24(2):489-522.
  [11] BHATTACHARYA S,RITTER J R. Innovation and communication:Signalling with partial disclosure[J]. Journal of Financial and Quantitative Analysis,1980,15(4):853-854.
  [12] ANTON J J,YAO D A. The sale of ideas:Strategic disclosure,property rights,and contracting[J].Review of Economic Studies,2002,69(3):513-531.
  [13] MORCK R,YEUNG B,YU W. The information content of stock markets:why do emerging markets have synchronous stock price movements?[J]. Journal of Financial Economics,2000,58(1):215-260.
  [14] KELLY. Information efficiency and firm-specific return variation[D]. Working Paper,Arizona State University,2005.
  [15] �S年行,洪涛,吴世农,等.信息传递模式、投资者心理偏差与股价“同涨同跌”现象[J]. 经济研究,2011(4):135-146.
  [16] 李春涛,赵一,徐欣,等. 按下葫芦浮起瓢:分析师跟踪与盈余管理途径选择[J]. 金融研究,2016(4):144-157.
  [17] 代昀昊. 分析师跟踪、监督效应与企业行为研究[D].华中科技大学博士学位论文,2015.
  [18] BARTH M E,KASZNIK R,MCNICHOLS M F. Analyst coverage and intangible assets[J]. Journal of Accounting Research,2001,39(1):1-34.
  [19] PALMON D,YEZEGEL A. R&D intensity and the value of analysts’recommendations[J].Contemporary Accounting Research,2012,29(2):621-654.
  [20] ELI AMIR,BARUCH LEV,THEODORE SOUGIA-
  NNIS. Do financial analysts get intangibles?[J]. European Accounting Review,2003,12(4):635-659.
  [21] 伊志宏,李颖,江轩宇.女性分析师关注与股价同步性[J]. 金融研究,2015(11):175-189.
  [22] XU N,CHAN K C,JIANG X,et al. Do star analysts know more firm-specific information? Evidence from China[J]. Journal of Banking & Finance,2013,37(1):89-102.
  [23] HE J,TIAN X. The dark side of analyst coverage: The case of innovation[J]. Journal of Financial Economics,2013,109(3):856-878.
  [24] 谢震,艾春荣.分析师关注与公司研发投入:基于中国创业板公司的分析[J].财经研究,2014(2):108-119.

【相关论文推荐】
  • 分析师到底可信吗?
  • 分析师评级、信息与泡沫
  • 分析师跟踪能改变环境信息披露吗
  • 证券分析师的信息解读与证券市场有效性
  • R&D投入提升了企业价值吗?
  • 注了水的证券分析师
  • 如何利用网络信息为企业科研提供有效情报服务
  • 投资黄金,你需要黄金分析师吗?
  • 分析师对IPO首日价位预测准确吗
  • 在线服务

    服务承诺