本章第一节的研究是在Piotroski and Srinivasan(2008)的研究框架下展开的,即综合考虑了影响公司上市决策的交易所特征因素与公司特征因素。但是需要指出的是,除了交易所特征因素与公司特征因素之外,交易所所在国家或地区的财务披露要求与法律保护水平也是影响公司上市决策的重要因素。
国外许多文献从财务披露要求角度对公司上市决策进行了研究。Huddart et al.(1999)利用一个理性预期模型研究了财务披露要求如何影响了公司的上市决策。在基本模型的假设条件下,他们发现交易集中在高披露标准的交易所,从而激励交易所在设置披露要求时实施“力争上游”策略,以最大化交易量。这是因为,决定上市决策的公司内部人为了在交易成本最低的交易所追随流动性而更好地隐藏他们的交易,而宁愿放弃信息优势。Biddle and Saudagaran(1995)对142位外国公司上市专家进行了调查,从而获得了财务披露指数,并利用此指数研究了财务披露水平对公司选择外国证券交易所的影响。实证结果表明,一个公司在某个外国交易所上市的概率与该交易所的财务披露水平负相关,证实了财务披露水平对公司上市决策的影响。但是,该结论与Huddart et al.(1999)的结论正好相反。
La Porta et al.(1997,1998)最早研究了法律与金融之间的关系,发现法律保护比较好的证券市场中,小投资者的利益能够得到较好的保护。Coffee(1999)和Stulz(1999)认为如果一个国家的法律保护水平比较低,那么该国的公司可以在法律保护比较好的证券市场上市,这种跨国上市可以提高公司的治理水平,从而得到投资者的认可。Reese and Weisbach(2002)通过分析在美国上市的国外公司海外上市之后的表现,证实了在海外上市确实具有积极的公司治理效应。以上研究表明,公司可以通过选择在投资者法律保护较好的国家上市来提高公司的治理水平,从而提高公司的价值。
本节在考虑财务披露水平与法律保护水平的前提下,结合第一节的结论研究了综合样本下的流动性对公司上市决策的影响。与第一节一致,为了获得流动性对公司上市决策影响的直接证据,提出以下研究假设:证券交易所的流动性20越好,公司去该交易所上市的可能性就越大。
一、实证模型与变量的定义
1.实证模型
与本章第一节一致,本节仍然采用Logistic模型来考察流动性对公司上市决策的影响,并采用极大似然法来估计各回归系数。以所有中国海外上市公司为研究样本,对于每一家中国公司海外上市的证券交易所,建立以下Logistic模型(以下模型以港交所为例):
Logit(P|HKListing=1)=α+β1ONLiquid_HK+β2DifFDL_HK+β3DifLaw_HK+β4Asset+β5ROA+β6Lev+γjIndj+ε (5.5)
其中,被解释变量Logit(P|HKListing=1)表示样本公司选择在港交所上市的概率与选择在其他交易所上市的概率比值的自然对数。对于港交所上市公司样本,被解释变量取值为1;对于其他证券交易所上市公司样本,被解释变量取值为0。由Logistic回归的定义可知,样本公司选择在港交所上市的概率为:
P(HKListing=1)=(5.6)
其中,Xi表示式(5.5)中的6个解释变量。需要说明的是,由于第二章的实证结果(具体见表5.5、表5.6和表5.7)表明,3个交易所特征变量对公司上市决策的影响均不显著,因此本节的上市决策分析未考虑交易所特征变量。此外,公司特征变量中的销售收入增长率对公司上市决策的影响也不显著,且数据缺失比较严重,因此本节的分析也未考虑销售收入增长率因素。
对回归系数βi估计值的显著性检验采用Wald检验,其公式为:
W=(5.7)
其中,Std()为回归系数βi估计值的标准差。如果Wald检验显著,则表示解释变量对被解释变量的影响显著,否则表示影响不显著。
由本节第二部分的样本选择可知,除港交所之外,本节研究还涉及以下证券交易所:新交所、纳斯达克、纽交所和伦交所AIM。对于这四个交易所均需建立Logistic模型来分析流动性对公司上市决策的影响。从形式来看,所建立的模型与式(5.5)相似,主要区别在于被解释变量。对于纳斯达克、纽交所、新交所和伦交所AIM而言,Logistic模型的被解释变量分别为Logit(P|SGListing=1)、Logit(P|NAListing=1)、Logit(P|NYListing=1)和Logit(P|AIListing=1),其含义分别表示样本公司选择在新交所上市的概率与选择在其他交易所上市的概率比值的自然对数、样本公司选择在纳斯达克上市的概率与选择在其他交易所上市的概率比值的自然对数、样本公司选择在纽交所上市的概率与选择在其他交易所上市的概率比值的自然对数和样本公司选择在伦交所AIM上市的概率与选择在其他交易所上市的概率比值的自然对数。
2.变量的定义
以上Logistic模型除了流动性指标之外,还包括反映证券交易所所在国家的财务披露水平变量与投资者法律保护水平变量,以及反映公司特征的控制变量。
(1)序数流动性水平。
ONLiquid_HK表示用序数表示的样本公司在港交所配对公司的流动性水平。该指标的获取过程如下:首先,以同行业且上市日期最接近作为配对标准,获得每个样本公司分别在伦交所AIM、港交所、纳斯达克、纽交所和新交所的配对公司,这样每个样本公司均得到5个配对公司;其次,计算每个样本的5个配对公司的流动性指标,这样每个样本公司均得到在5个证券交易所的流动性指标;最后,对每个样本公司所获得的5个流动性指标从小到大进行排序,赋值从1~5,其中流动性最好的赋值为5,最差的赋值为1(对于交易量与换手率指标而言,按照从小到大依次赋值为1~5;对于非流动性指标而言,按照从大到小依次赋值为1~5)。该赋值即为样本公司在每个证券交易所配对公司的序数流动性水平,其中样本公司在港交所配对公司的序数流动性水平即为该指标。
序数流动性水平指标的系数β1是本节分析的重点。对于某个在港交所上市的样本公司而言,如果该样本公司用序数表示的流动性水平为5,则表示该样本公司选择了流动性最好的交易所上市。因此,按照研究假设,该指标的预测值应该为正数,即样本公司在港交所配对公司的序数流动性水平越高,该样本公司选择在港交所上市的概率越大。
本节所采用的流动性指标包括交易量、换手率与非流动性,换手率与非流动性的计算公式见第四章第五节。对于交易量与换手率指标而言,采用的是配对公司在样本公司上市前1年的日平均交易量与日平均换手率;对于非流动性指标而言,采用的是配对公司在样本公司上市前1年的非流动性。
对于新交所、纳斯达克、纽交所和伦交所AIM而言,该变量分别为ONLiquid_SG、ONLiquid_NA、ONLiquid_NY和ONLiquid_AI,分别表示样本公司在新交所配对公司的序数流动性水平、样本公司在纳斯达克配对公司的序数流动性水平、样本公司在纽交所配对公司的序数流动性水平和样本公司在伦交所AIM配对公司的序数流动性水平。
(2)控制变量。
①财务披露水平差异。
DifFDL_HK表示香港的财务披露水平与样本公司上市证券交易所所在国家或地区的财务披露水平之间的差异,用以衡量财务披露水平对公司上市决策的影响。DifFDL_HK=FDL_HK-FDL_X,其中,FDL_HK表示香港的财务披露水平,FDL_X表示样本公司上市证券交易所所在国家或地区的财务披露水平。对于港交所、新交所、纳斯达克、纽交所和伦交所AIM的上市公司样本而言,FDL_X分别表示中国香港、新加坡、美国和英国的财务披露水平。
本节选择La Porta et al.(2006)所提出的“披露要求指数”(Disclosure Requirements Index)作为财务披露水平的代理变量。披露要求指数主要衡量了以下6个方面的内容:准备上市的公司是否将招股说明书送交到潜在投资者手中、公司高管和董事的薪酬披露、公司股权结构披露、公司高管和董事的持股情况披露、非经常性经营活动披露以及关联交易披露。根据La Porta et al.(2006),中国香港、新加坡、英国与美国的财务披露水平分别为0.92、1.00、0.83和1.00。
香港的财务披露水平差异的系数β2如果为正,则表示香港的财务披露水平越高于其他证券交易所,则样本公司选择港交所上市的概率越高。这就支持了Huddart et al.(1999)所得出的结论,即上市公司均集中在财务披露水平高的证券交易所。如果该系数为负,则表示香港的财务披露水平越高于其他证券交易所,则样本公司选择港交所上市的概率越低。这就支持了Biddle and Saudagaran(1989,1995)的实证结论,即公司倾向于选择在财务披露水平低的证券交易所上市。
对于新交所而言,该变量为DifFDL_SG,表示新加坡的财务披露水平与样本公司上市证券交易所所在国家或地区的财务披露水平之间的差异。DifFDL_SG=FDL_SG-FDL_X,其中,FDL_SG表示新加坡的财务披露水平。对于纳斯达克与纽交所而言,该变量为DifFDL_US,表示美国的财务披露水平与样本公司上市证券交易所所在国家或地区的财务披露水平之间的差异。DifFDL_US=FDL_US-FDL_X,其中,FDL_US表示美国的财务披露水平。对于伦交所AIM而言,该变量为DifFDL_UK,表示英国的财务披露水平与样本公司上市证券交易所所在国家或地区的财务披露水平之间的差异。DifFDL_UK=FDL_UK-FDL_X,其中,FDL_UK表示英国的财务披露水平。
②投资者法律保护水平差异。
DifLaw_HK表示香港的投资者法律保护水平与样本公司上市证券交易所所在国家或地区的投资者法律保护水平之间的差异,用以衡量投资者法律保护水平对公司上市决策的影响。DifLaw_HK=Law_HK-Law_X,其中,Law_HK表示香港的投资者法律保护水平,Law_X表示样本公司上市证券交易所所在国家或地区的投资者法律保护水平。对于港交所、新交所、纳斯达克、纽交所和伦交所AIM的上市公司样本而言,Law_X分别表示中国香港、新加坡、美国和英国的投资者法律保护水平。
借鉴La Porta et al.(2006),本节选择La Porta et al.(1997)所提出的“反董事权利”(Antidirector Rights)作为一个国家投资者法律保护水平的代理变量。La Porta et al.(1997)认为对小股东权利的保护主要体现在投票权方面,因此,他们主要关注各国公司法对股东投票过程的7个方面规定,具体包括一股一票的权利、是否允许邮寄投票或网上投票、是否要求股东在股东大会前后一段时间中把股票寄存在公司或托管银行中、累计投票权、小股东反抗公司不合理行为的权利、优先认购增发股票的权利以及召开特别股东大会所需要的股份比例。根据La Porta et al.(1997),香港、新加坡、英国与美国的法律保护水平分别为4、3、4和5。
香港的投资者法律保护水平差异的系数β3如果为正,则表示香港的投资者法律保护水平越高于其他证券交易所,则样本公司选择港交所上市的概率越高。这就支持了Coffee(1999)、Stulz(1999)与Reese and Weisbach(2002)的结论,即为了提高公司的治理水平与投资者的认可程度,公司可以选择在投资者法律保护较好的证券交易所上市。
对于新交所而言,该变量为DifLaw_SG,表示新加坡的投资者法律保护水平与样本公司上市证券交易所所在国家或地区的投资者法律保护水平之间的差异。DifLaw_SG=Law_SG-Law_X,其中,Law_SG表示新加坡的财务披露水平。对于纳斯达克与纽交所而言,该变量为DifLaw_US,表示美国的投资者法律保护水平与样本公司上市证券交易所所在国家或地区的投资者法律保护水平之间的差异。DifLaw_US=Law_US-Law_X,其中,Law_US表示美国的投资者法律保护水平。对于伦交所AIM而言,该变量为DifLaw_UK,表示英国的投资者法律保护水平与样本公司上市证券交易所所在国家或地区的投资者法律保护水平之间的差异。DifLaw_UK=Law_UK-Law_X,其中,Law_UK表示英国的投资者法律保护水平。
③公司特征变量。
Asset表示样本公司上市前1年末总资产(单位为百万美元21),用以衡量样本公司的规模因素。ROA表示样本公司上市前1年的总资产收益率(单位为%),用以衡量样本公司的资产获益能力,是息税前净利润与年末总资产之间的比率。Lev表示样本公司上市前1年的资产负债率(单位为%),用以衡量样本公司的负债情况,是年末总负债与年末总资产之间的比率。
Ind表示样本公司所属的行业,以全球行业分类标准(Global Industry Classification Standard,GICS)为划分依据。与第一节一致,所有样本公司也共涉及9个行业,分别为能源、材料、工业、非必需消费品、必需消费品、卫生保健、信息技术、电信服务与公用事业。
二、样本选择与数据来源
1.样本选择
伦交所AIM市场于1995年6月成立,而本节的分析中需要获取每个样本公司在伦交所AIM的配对公司,及其在对应样本公司上市前1年的行情数据,因此从720家初始样本22中剔除掉1997年1月1日之前上市的样本。这样就得到了各证券交易所在1997年之后的上市样本(称为97年后样本),具体如下23:295家港交所公司、134家新交所公司、96家纳斯达克公司、46家纽交所公司与42家伦交所AIM公司。
为了分析综合样本下流动性对公司上市决策的影响,需要获得每个样本公司在以上5个证券交易所的配对公司。由于配对标准为同行业(仍以GSECTOR变量作为配对用行业变量)且上市日期最接近,因此从WRDS获得5个证券交易所全部上市公司的行业与上市日期24进行配对,以上样本在WRDS的财务数据情况及其在各个市场获得的配对公司情况见表5.10。表5.10中的最后1列即为本节获得的253个最终样本(称为综合样本,其所包括的样本公司见附录B),其中包括106家港交所公司、54家新交所公司、59家纳斯达克公司、20家纽交所公司与14家伦交所AIM公司。
表5.10WRDS提供的样本公司数据及其配对情况统计
证券交易所
97年后
样本数
提供财务数据
的样本数
获得配对公司的样本数1
港交所
新交所
纳斯达克
纽交所
伦交所AIM
合并2
港交所
295
246
175
205
188
203
223
106
新交所
134
110
103
99
77
97
104
54
纳斯达克
96
95
90
87
76
82
90
59
纽交所
46
43
37
41
36
30
39
20
伦交所AIM
42
21
20
21
18
18
21
14
合计
613
515
425
453
395
430
477
253
注:1.由于WRDS提供的财务数据中上市日期变量缺失严重,导致未获得配对公司的样本较多;
2.表示在5个证券交易所均有配对公司的样本数。
2.数据来源
本节所采用的配对用数据、各样本的配对公司的行情数据、各样本的财务数据以及汇率的数据来源同第一节。
三、综合样本检验的实证结果与分析
本节分别对5个证券交易所进行了Logistic模型分析,采用综合样本检验了流动性对公司上市决策的影响。由于各证券交易所所具有的样本量存在较大的不平衡性,从而导致对除港交所之外的其他4个交易所所进行的Logistic模型分析未能获得有效的极大似然估计。因此,本节只报告了对港交所的Logistic模型分析的描述性统计与回归结果,并进行分析。
1.综合样本检验的描述性统计结果与分析——对港交所的分析
对港交所进行Logistic模型分析的各解释变量(除行业变量)的描述性统计结果见表5.11。其中,Panel A给出的是港交所样本公司的变量描述性统计,Panel B给出的是除港交所之外的其他4个交易所样本公司的变量描述性统计。数据显示,港交所样本公司的序数交易量的均值为4.2830,而其他4个交易所样本公司的序数交易量的均值为2.6259。这说明,平均而言,在所有5个配对样本中,港交所样本公司在港交所的配对样本的日平均交易量排序,高于其他4个交易所样本公司在港交所的配对样本的日平均交易量排序。序数换手率与序数非流动性的情况与之类似。因此,可以初步断定,港交所样本公司选择了流动性较好的证券交易所上市,而其他4个交易所的样本公司没有选择流动性较差的证券交易所上市。
表5.11综合样本描述性统计——港交所
变 量
均 值
中 值
最大值
最小值
标准差
观测数
Panel A(HKListing=1)
ONLiquid_HK(Vol)
4.2830
5
5
2
0.9929
106
ONLiquid_HK(Turnover)
3.1887
3
5
1
0.7821
106
ONLiquid_HK(Illiq)
3.5189
4
5
1
1.1891
106
Asset
662.9927
204.966
9796.412
5.7148
1376.273
81
ROA
14.6888
13.5634
46.0013
-3.3914
10.3995
81
Lev
56.2185
56.621
89.7990
3.3571
17.5868
81
Panel B(HKListing=0)
ONLiquid_HK(Vol)
2.6259
2
5
1
1.7010
147
ONLiquid_HK(Turnover)
2.8503
3
5
1
0.9534
147
ONLiquid_HK(Illiq)
2.7007
3
5
1
1.2574
147
Asset
236.9423
41.6969
22875.82
2.9
1979.832
133
ROA
22.6923
20.4810
131.1856
-135.949
25.0755
133
Lev
50.0391
48.2933
193.7783
2.0967
27.3226
133
控制变量的描述性统计结果此处不再赘述。需要说明的是,由于3个公司财务因素观测数较流动性观测数少,因此在进行Logistic分析时根据是否考虑公司财务因素而分为两种情况:模型5-7与模型5-8是不考虑公司财务因素的2个模型,模型5-9与模型5-10是考虑公司财务因素的2个模型。
行业变量的描述性统计见表5.12。从所有综合样本所属的行业来看,属于非必需消费品行业、工业与材料行业的样本公司最多。港交所样本、新交所样本与纽交所样本的行业分布与所有综合样本情况相似,而纳斯达克样本与伦交所AIM样本则属于信息技术行业的最多。此外,卫生保健行业在纽交所与伦交所AIM分布较多,均居第二位。因此,从描述性统计结果来看,不同交易所上市的样本公司所属的行业存在一定差异。因此,在进行Logistic回归分析时分别进行考虑行业因素与不考虑行业因素的分析。
表5.12综合样本行业变量描述性统计
行 业
港交所样本
新交所样本
纳斯达克样本
个数
占比(%)
个数
占比(%)
个数
占比(%)
能源
5
4.72
1
1.85
3
5.09
材料
19
17.92
10
18.52
6
10.17
工业
19
17.92
12
22.22
8
13.56
非必需消费品
31
29.25
17
31.48
15
25.42
必需消费品
9
8.49
6
11.11
5
8.47
卫生保健
10
9.44
3
5.56
2
3.39
信息技术
8
7.55
5
9.26
18
30.51
电信服务
4
3.77
0
0
0
0
公用事业
1
0.94
0
0
2
3.39
合计
106
100
54
100
59
100
行 业
纽交所样本
伦交所AIM样本
所有综合样本
个数
占比(%)
个数
占比(%)
个数
占比(%)
能源
0
0
1
7.14
10
3.95
材料
2
10.00
2
14.29
39
15.41
工业
0
0
2
14.29
41
16.20
非必需消费品
7
35.00
1
7.14
71
28.06
必需消费品
3
15.00
1
7.14
24
9.49
卫生保健
4
20.00
3
21.43
22
8.70
信息技术
3
15.00
4
28.57
38
15.02
电信服务
1
5.00
0
0
5
1.98
公用事业
0
0
0
0
3
1.19
合计
20
100
14
100
253
100
2.综合样本检验的Logistic模型回归结果与分析——对港交所的分析
采用综合样本,对港交所进行流动性对公司上市决策影响的Logistic模型分析回归结果见表5.13、表5.14与表5.15(分别以交易量、换手率与非流动性作为流动性衡量指标)。模型5-7是未纳入样本公司财务特征因素与行业因素时得出的结果,模型5-8是仅未纳入样本公司财务特征因素时得出的结果,模型5-9是仅未纳入行业因素时得出的结果,模型5-10是将所有因素都纳入时得出的结果。
(1)港交所Logistic模型的回归结果——以交易量作为流动性指标。
表5.13是以交易量作为流动性指标获得的回归结果。数据显示,4个模型的序数流动性水平的回归系数均大于0,这表明对于综合样本而言,在港交所配对公司的日平均交易量越高于该样本公司在其他4个证券交易所配对公司的日平均交易量,则该样本公司选择在港交所主板上市的概率越高,并且,所有4个模型的该回归系数均在5%的显著性水平下显著。因此,可以得出结论:样本公司选择了流动性更高的证券交易所上市,即流动性显著影响了样本公司的上市决策,从而支持了研究假设。
表5.13中的数据表明,财务披露水平差异的回归系数均在5%的显著性水平下显著大于0。这说明对于综合样本而言,样本公司倾向于选择财务披露水平较高的证券交易所上市。这提供了与Huddart et al.(1999)所预测的结论一致的证据。然而,投资者法律保护水平差异的回归系数均显著小于0,这表明对于综合样本而言,样本公司倾向于选择投资者保护水平较低的国家上市,从而与Reese and Weisbach(2002)等得出的结论矛盾。
此外,表5.13中的数据还表明,公司财务特征因素对上市决策的影响在5%的显著性水平下基本上不显著。这表明公司的规模、资产获益能力与负债情况并未对上市证券交易所的选择产生显著影响。该结论与第一节对相同文化背景下的研究结论存在一定差异。以交易量作为流动性衡量指标时,行业变量对公司上市决策的影响均不显著(表5.13未列出行业变量的回归结果)。
表5.13 交易量与公司上市决策的Logistic回归分析——综合样本之港交所
变 量
模型5-7
模型5-8
模型5-9
模型5-10a
Intercept
-4.8708***
(42.95)
-3.3160
(1.53)
-3.5643***
(11.64)
-8.3540
(0.00)
ONLiquid_HK
1.6164***
(52.69)
1.9321***
(49.43)
1.6799***
(37.71)
2.3100***
(31.37)
DifFDL_HK
39.5796***
(63.99)
49.8522***
(48.71)
44.2054***
(51.44)
66.0412***
(30.90)
DifLaw_HK
-1.9004***
(20.34)
-2.1576***
(18.62)
-1.5957***
(11.44)
-1.7025***
(7.59)
Asset
-
-
0.0002*
(3.63)
0.0004**
(4.15)
ROA
-
-
-0.0215*
(3.59)
-0.0311*
(3.65)
Lev
-
-
-0.0191*
(3.00)
-0.0305**
(4.15)
Ind
不包括
包括
不包括
包括
ChiSquare(Likelihood Ratio)
206.73***
227.27***
177.57***
204.42***
Number of Observations
(HKEX/SGX/NASDAQ/NYSE/AIM)
253
(106/54/59/20/14)
214
(81/49/53/20/11)
注:1.括号中的数值为Wald ChiSquare值;
2.*、**和***分别表示在10%、5%和1%的水平下显著;
3.注a表示该模型回归结果中提示:极大似然估计可能不存在。
(2)港交所Logistic模型的回归结果——以换手率作为流动性指标。
表5.14是以换手率作为流动性指标获得的回归结果。数据显示,4个模型的序数流动性水平的回归系数均大于0,这表明对于综合样本而言,在港交所配对公司的日平均换手率越高于该样本公司在其他4个证券交易所配对公司的日平均换手率,则该样本公司选择在港交所主板上市的概率越高;除模型5-9以外,其余3个模型的该回归系数均在5%的显著性水平下显著。因此,可以得出结论:样本公司选择了流动性更高的证券交易所上市,即流动性显著影响了样本公司的上市决策,从而支持了研究假设。这与以交易量作为流动性衡量指标得出的结论一致。
表5.14 换手率与公司上市决策的Logistic回归分析——综合样本之港交所
变 量
模型5-7
模型5-8
模型5-9
模型5-10 a
Intercept
-0.7830
(1.34)
-1.0505
(0.56)
0.5777
(0.32)
-9.2522
(0.00)
ONLiquid_HK
0.5620***
(7.13)
1.0345***
(13.05)
0.4269*
(2.86)
0.8790**
(6.38)
DifFDL_HK
37.0856***
(74.32)
38.6699***
(67.54)
38.6203***
(59.32)
42.6678***
(54.93)
DifLaw_HK
0.1458
(0.28)
0.0474
(0.03)
0.4096
(1.47)
0.3155
(0.74)
Asset
-
-
0.0001
(2.65)
0.0001
(0.97)
ROA
-
-
-0.0173
(1.84)
-0.0173
(1.56)
Lev
-
-
-0.0137
(1.71)
-0.0173
(2.36)
Ind
不包括
包括
不包括
包括
Chi Square(Likelihood Ratio)
129.33***
146.65***
114.02***
132.55***
Number of Observations
(HKEX/SGX/NASDAQ/NYSE/AIM)
253
(106/54/59/20/14)
214
(81/49/53/20/11)
注:1.括号中的数值为Wald Chi Square值;
2.*、**和***分别表示在10%、5%和1%的水平下显著;
3.注a表示该模型回归结果中提示:极大似然估计可能不存在。
此外,以换手率作为流动性衡量指标时得出的财务披露水平差异与公司财务特征因素对公司上市决策的影响,与以交易量作为流动性衡量指标时得出的结果一致。但是,在以换手率作为流动性衡量指标时,投资者法律保护水平对公司上市决策的影响不显著,且符号与以交易量作为流动性衡量指标时正好相反。与以交易量作为流动性衡量指标得出的结论一致,以换手率作为流动性衡量指标时,行业变量对公司上市决策的影响也均不显著(表5.14未列出行业变量的回归结果)。
(3)港交所Logistic模型的回归结果——以非流动性作为流动性指标。
表5.15是以非流动性作为流动性指标获得的回归结果。数据显示,4个模型的序数流动性水平的回归系数均大于0,这表明对于综合样本而言,在港交所配对公司的非流动性越低于该样本公司在其他4个证券交易所配对公司的非流动性,则该样本公司选择在港交所主板上市的概率越高;除模型5-10以外,其余3个模型的该回归系数均在5%的显著性水平下显著。因此,可以得出结论:样本公司选择了流动性更高的证券交易所上市,即流动性显著影响了样本公司的上市决策,从而支持了研究假设。这与以交易量和换手率作为流动性衡量指标得出的结论一致。
表5.15 非流动性与公司上市决策的Logistic回归分析——综合样本之港交所
变 量
模型5-7
模型5-8
模型5-9
模型5-10 a
Intercept
-0.2170
(0.17)
0.4926
(0.11)
0.7007
(0.62)
-7.7770
(0.00)
ONLiquid_HK
0.3472**
(0.3472)
0.3839**
(5.66)
0.3411**
(3.86)
0.3700*
(3.66)
DifFDL_HK
34.5608***
(65.38)
34.9684***
(64.56)
36.8573***
(56.03)
38.9090***
(56.15)
DifLaw_HK
0.2713
(0.97)
0.2215
(0.60)
0.4803
(2.03)
0.3758
(1.09)
Asset
-
-
0.0001
(0.72)
0.0000
(0.12)
ROA
-
-
-0.0186
(2.23)
-0.0167
(1.42)
Lev
-
-
-0.0111
(1.19)
-0.0124
(1.36)
Ind
不包括
包括
不包括
包括
Ch Square(Likelihood Ratio)
127.64***
136.33***
115.07***
128.82***
Number of Observations
(HKEX/SGX/NASDAQ/NYSE/AIM)
253
(106/54/59/20/14)
214
(81/49/53/20/11)
注:1.括号中的数值为Wald Chi Square值;
2.*、**和***分别表示在10%、5%和1%的水平下显著;
3.注a表示该模型回归结果中提示:极大似然估计可能不存在。
此外,以非流动性作为流动性衡量指标时得出的财务披露水平差异与公司财务特征因素对公司上市决策的影响,与以交易量和换手率作为流动性衡量指标时得出的结果一致。但是,与以换手率作为流动性衡量指标时所得出的结论一致,投资者法律保护水平对公司上市决策的影响不显著,且符号与以交易量作为流动性衡量指标时正好相反。与以交易量和换手率作为流动性衡量指标得出的结论一致,以非流动性作为流动性衡量指标时,行业变量对公司上市决策的影响也均不显著(表5.15未列出行业变量的回归结果)。
以上回归结果表明,对港交所的Logistic模型分析采用3个不同的流动性衡量指标得出了一致的结论,即对于综合样本而言,流动性是公司上市决策的显著影响因素。除此之外,财务披露水平差异也是影响公司上市决策的重要因素。然而,对于综合样本而言,投资者法律保护水平差异与公司规模、资产获益能力以及负债情况等变量并未对公司上市决策产生显著影响。
四、小结
本节以253家来自港交所、新交所、纳斯达克、纽交所与伦交所AIM的中国上市公司为研究样本,研究了综合样本下流动性对公司上市决策的影响。与第一节一致,仍然采用选择交易量、换手率与非流动性这三个指标作为流动性的衡量指标。本节结合第一节的研究结论,在考虑财务披露水平与投资者法律保护水平的前提下,采用Logistic模型实证研究了流动性对公司上市决策的影响。
对港交所进行的Logistic模型分析得到的回归结果表明,在控制了财务披露水平差异、投资者法律保护水平差异与公司特征因素之后,样本公司选择了流动性更高的证券交易所上市,从而支持了研究假设,即流动性显著影响了样本公司的上市决策。该结论与第二章对相同文化背景样本的研究所得出的结论一致,从而证实了流动性对证券交易所对上市资源的竞争具有显著影响。
此外,本节的研究结果证实了财务披露水平对公司上市决策具有正向的显著影响,即证券交易所所在国家的财务披露水平越高,样本公司选择该交易所的概率越高。
本节与第一节的研究证实了流动性对公司上市决策产生了显著影响,那么为什么流动性会影响公司的上市决策呢?即流动性对公司上市决策影响的内在机理有哪些?本部分在第六章对此进行了研究。
关于流动性对公司上市决策影响的内在机理,本部分提出了两个可能的渠道:公司价值渠道与资本成本渠道。本部分在第六章分别分析流动性对上市公司价值与资本成本的影响,以期为流动性对公司上市决策影响的内在机理提供可能的解释。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
