公司价值渠道

　　大量文献研究了公司治理、国际交叉上市以及政治背景等因素对上市公司价值的影响,如Miller(1999)、Foerster and Karolyi(1999)、La Porta et al.(2002)、Doidge et al.(2004)、吴文峰等(2008)与曹裕等(2010)。A&M(1986)最早提出了流动性可能对上市公司价值产生影响的观点。他们关于买卖价差对资产定价影响的研究结果表明,上市公司采取的提高流动性的财务政策可能会增加公司价值。现有关于流动性对上市公司价值影响的研究,大多以事件研究为基本思路,考察某一流动性变化事件(如交易机制变化、上市宣告)对公司价值的影响。Grammatikos and Papaioannou(1986)、Kadlec and McConnell(1994)检验了公司在NYSE上市的股票价值效应,发现了上市宣告导致了价格增加,而该价格增加与流动性改善正相关。Amihud et al.(1997)检验了特拉维夫证券交易所交易机制改进产生的价值效应。他们的研究结果表明,流动性增加提高了公司价值。Fang et al.(2009)以2 642家美国三大证券交易所的上市公司为样本,研究了股票流动性与公司价值之间的关系。研究结果表明,股票流动性好(相对有效价差较小)的公司具有较好的业绩表现。

　　虽然Fang et al.(2009)提供了美国上市公司流动性与公司价值之间的正向关系,但是对于其他市场的研究尚不多见。为了获得关于流动性对公司上市决策影响的内在机理之公司价值渠道的证据,以及流动性对公司价值影响的可靠证据,本节以全球四大知名证券交易所的中国海外上市公司为研究样本,对流动性与公司价值之间的关系进行了实证研究。

一、理论分析与研究假设——流动性与公司价值

　　1.理论分析

　　流动性与公司价值之间的关系受到了广泛关注,许多研究者提出了各种流动性如何影响公司价值的作用机制。较多文献关注的是流动性通过作用于代理问题而对营业业绩(Operating Performance)产生的影响。这类理论中的重要文献是Maug(1998),他建立了一个大关系投资者的监督决策(Monitoring Decision)的模型。大关系投资者监督公司与交易的目的是从由他的监督行为所引起的价格溢价中获益。Maug得出结论,流动性好的股票市场(而非限制公司控制的市场)更倾向于支持有效的公司治理。Edmans(2009)、Admati and Pfleiderer(2009)与Palmiter(2002)所提出的理论认为,流动性可能会使得管理自律。如果管理者的薪酬与股价挂钩,那么流动性增加就提高了管理者进行内部人交易的机会成本。以上理论预测,流动性对公司业绩的影响与公司代理问题的程度相关。

　　尽管许多模型强调了流动性对于解决管理层与股东代理问题的好的作用,但是,也有研究者注意到了市场流动性对公司代理问题产生的潜在负作用。Coffee(1991)与Bhide(1993)认为,尽管流动性激励了来自公司外部人对股票的购买,但是它也为大股东的潜在行为提供了便利。因此,流动性可能鼓励了大股东用脚投票,而当他们对公司业绩不满意时就卖掉自己所持有的股票。Goldstein and Guembel(2008)表明,当投机者利用流动性进行卖空策略操作时,负的反馈机制就可能出现,而这将损害公司价值。

　　与基于代理的理论不同的是,Subrahmanyam and Titman(2001)与Khanna and Sonti(2004)表明,即使在代理问题不存在时,流动性也正向影响了公司业绩。他们认为,好的流动性激励信息交易者的进入,信息交易者使得价格对于利益相关者而言更具有信息。正如Khanna and Sonti(2004)所指出的那样,信息交易者将他们的交易对管理者行为的影响视为影响其决策策略的因素,交易更加主动,从而使得价格更具有信息。这种反馈机制改善了营业业绩,放松了财务约束。这两种作用共同增加了公司业绩。另外,非财务利益相关者去或留的决策影响了公司的现金流。当利益相关者与公司之间的关系很脆弱,或者与现有项目相关的现金流具有高度不确定性时,这个现象就具有特殊的价值。这是因为,在这种情况下,正向影响机制(Positive Cascades,成功与好消息预示着更多的成功)更具有价值。基于反馈机制的理论表明,流动性对公司业绩的影响与公司的经营对股价信息含量的敏感度是成正比的。

　　基于代理的理论与基于反馈机制的理论都强调的是流动性对营业业绩的影响。然而,流动性也可能会通过改变贴现率而影响公司价值。如果潜在投资者像Holmström and Tirole(2001)那样评估流动性,那么流动性差的股票将会在交易时打折扣。这意味着,股票流动性与基于公司业绩的市场价格之间具有正向关系。Baker and Stein(2004)认为,流动性可能是公司估值的一个敏感指数(Sentiment Indicator)。在他们的模型中,高流动性股票的价值是被高估的。因为高流动性股票具有较低的未来预期收益,因此在交易时存在溢价。

　　2.研究假设

　　以上关于流动性对公司价值影响的理论中,无论认为流动性影响的是营业业绩,还是资产定价,大多数理论都认为,流动性提高了公司价值。因此为了获得流动性对公司价值影响的实证证据,本节提出以下研究假设:流动性²⁵越好,公司价值越高。

二、样本选择与数据来源

　　由于样本公司的日交易行情数据与财务数据是进行流动性与公司价值关系分析所必需的数据,因此本节仍以第五章第一节所获得的行情数据与财务数据均具备的样本为本节的初始样本²⁶。具体而言,包括主板市场样本Ⅰ(由193家港交所主板公司与122家新交所主板公司构成)与稳健性检验样本Ⅰ(由79家纳斯达克公司与23家伦交所AIM公司构成),共417家。

　　选择2007~2009年为样本期间,剔除数据缺失以及年末资产为负值的年份,最终获得了415个样本公司在2007~2009年间的1 163个样本。其中,2007年、2008年和2009年的样本公司分别为377家、394家和392家;港交所主板、新交所主板、纳斯达克和伦交所AIM的样本公司分别为558家、335家、206家和64家。

　　港交所主板、新交所主板与伦交所AIM样本公司的行情数据来自COMPUSTAT(Global);纳斯达克样本公司的行情数据来自CRSP。本节所采用的其他数据,包括财务数据、市场指数收益数据与汇率数据的数据来源同第五章第一节。

三、实证模型与变量的定义

　　本节构建如下检验模型,并使用OLS多元回归分析方法检验本节提出的研究假设。

Value=α+β₁Liquid+β₂Log(Asset)+β₃ROA+β₄Lev+β₅Salegrowth+β₆R&DR+β₇Beta+γ_jInd_j+ε(6.1)

其中,α为截距,β₁~β₇、γ_j为回归系数,ε为残差。模型各变量的含义如下:

　　1.公司价值(Value)

　　本节以托宾q表示公司价值。在大量研究中,托宾q(公司市值与资产重置成本的比率)已经被广泛用作公司价值的衡量指标(Fang et al.,2009),如Morck et al.(1988)、Yermack(1996)、Gompers et al.(2003)与Doidge et al.(2009)。在国内的大量研究中,也多以托宾q作为公司价值的衡量指标²⁷,如夏立军和方轶强(2005)、吴文峰等(2008)与石美娟和童卫华(2009)。本节采用Doidge et al.(2009)所使用的托宾q计算方法,计算公式为:

　　Tobinq=

=(6.2)

　　其中,各指标均为年末数。

　　2.流动性(Liquid)

　　本节所采用的流动性指标包括交易量、换手率与非流动性,计算方法见第四章第五节。

　　当以交易量(或换手率)作为流动性衡量指标时,如果β₁大于0,则表示交易量(或换手率)越大(即流动性越好),公司价值越高,这就支持了研究假设。当以非流动性作为流动性衡量指标时,如果β₁小于0,则表示非流动性越小(即流动性越好),公司价值越高,这就支持了研究假设。

　　3.控制变量

　　Log(Asset)为年末总资产(货币单位换算为美元)的自然对数,用以衡量样本公司的规模因素。ROA为总资产收益率(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为资产负债率(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。Salegrowth为销售收入增长率(单位为%),用以衡量样本公司的成长性。

　　此外,本节借鉴贺小刚和连燕玲(2009),考虑了公司的研发投入与市场风险,但这两个指标的计算方法与他们所采用的有所不同。由于本节的研究样本涉及4个市场,样本公司的规模差距较大,因此研发投入因素采用研发收入比(R&DR)来表示,是研发投入与销售收入之间的比率。市场风险用贝塔系数(Beta)来表示,是当年样本股票的贝塔值。在利用CAPM模型计算贝塔系数时,对于港交所主板、新交所主板、纳斯达克与伦交所AIM的样本公司,分别采用恒生指数、海峡时报指数、纳斯达克综合指数与金融时报AIM综合指数的收益作为市场指数收益。

　　Ind表示样本公司所属的行业,与第五章第一节一样,仍以全球行业分类标准为划分依据。所有样本公司共涉及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。

四、描述性统计结果与分析

　　各解释变量(除行业变量)的描述性统计结果见表6.1。其中,1 163家样本公司在2007~2009年间的托宾q均值为1.4576²⁸。Fang et al.(2009)报告的美国三大证券交易所的8 290家样本公司,在1993~2004年间不连续的6年中的托宾q均值为1.828;吴文峰等(2008)报告的1999~2004年间1 046家沪深两市民营公司的托宾q均值为1.661;雷光勇等(2009)报告的341家沪深两市样本公司,在2003~2005年间的托宾q均值为1.19。因此,本节样本公司的托宾q值与这些研究所得出的结果相似。其他变量的描述性统计结果此处不再赘述。

表6.1样本描述性统计(一)

变　量

均值

中值

最大值

最小值

标准差

观测数

缺失值

Tobinq

1.4576

0.9830

34.5984

0.1729

1.9284

1 163

0

Liquid(Logvol)

13.3275

13.3152

19.1469

6.8389

2.1092

1 162

1

Liquid(Turnover)

0.7338

0.3157

22.4601

0.0031

1.6550

1 162

1

Liquid(Illiq)

0.2305

0.1890

2.5820

0.0000

0.2449

1 162

1

Log(Asset)

5.6452

5.5410

10.5632

0.3272

1.5245

1 163

0

ROA

4.7048

5.9052

56.6386

-601.141

24.7904

1 162

1

Lev

40.5033

35.4921

3 035.758

0.9931

91.0998

1 163

0

Salegrowth

30.7581

16.3565

4 334.834

-187.448

162.272

1 155

8

R&DR

6.7857

1.2125

1 900

-2.4194

77.9307

596

567

Beta

0.7995

0.7626

5.7311

-2.1569

0.5100

1 163

0

　　行业变量的描述性统计见表6.2。从所有样本所属的行业来看,属于非必需消费品行业、信息技术行业与工业行业的样本公司最多。对于各年度分样本而言,情况类似。因此,从描述性统计结果来看,未发现不同年度上市的样本公司所属的行业差异。

表6.2样本描述性统计(二)

行　业

所有样本

2007年

2008年

2009年

个数

占比(%)

个数

占比(%)

个数

占比(%)

个数

占比(%)

能源

33

2.84

10

2.65

11

2.79

12

3.06

材料

194

16.68

64

16.97

65

16.50

65

16.58

工业

217

18.66

70

18.57

75

19.04

72

18.37

非必需消费品

258

22.18

82

21.75

88

22.33

88

22.45

必需消费品

132

11.35

45

11.94

44

11.17

43

10.97

卫生保健

49

4.21

15

3.98

16

4.06

18

4.59

信息技术

223

19.18

72

19.10

76

19.29

75

19.13

电信服务

18

1.55

6

1.59

6

1.52

6

1.53

公用事业

39

3.35

13

3.45

13

3.30

13

3.32

合计

1 163

100

377

100

394

100

392

100

五、多元回归结果与分析

　　1.对所有样本的多元回归分析

　　表6.3是对所有样本公司的流动性与公司价值的多元回归结果。其中,模型6-1是纳入研发收入比时的结果,模型6-2是不纳入研发收入比时的结果。数据显示,当以交易量或换手率作为流动性衡量指标时,流动性指标的回归系数均大于0,且均在5%的显著性水平下显著。这说明,在控制了其他控制变量之后,交易量较大或换手率较高的上市公司其公司价值较高。当以非流动性作为流动性衡量指标时,流动性指标的回归系数均小于0,且在大样本情况下(未控制研发收入比变量)在5%的显著性水平下显著,而在小样本情况下(控制了研发收入比变量)不显著。这说明,在大样本情况下,非流动性较小的上市公司其公司价值较高。因此,上述结果表明,流动性越好的公司,其公司价值越高。该结论与Fang et al.(2009)以相对买卖价差作为流动性衡量指标所得出的结论一致。这支持了研究假设。

表6.3流动性与公司价值的多元回归分析——所有样本

变　量

Liquid=Log(Vol)

Liquid=Turnover

Liquid=Illiq

模型6-1

模型6-2

模型6-1

模型6-2

模型6-1

模型4-2

Intercept

-0.5389

(-0.60)

-0.8024^**

(-1.96)

1.4047

(1.78)

0.8871^***

(2.76)

1.3050

(1.55)

1.3638^***

(3.85)

Liquid

0.2124^***

(4.09)

0.1880^***

(6.03)

0.2173^***

(6.18)

0.2231^***

(7.63)

-0.3646

(-1.00)

-1.0001^***

(-4.69)

Log(Asset)

-0.2746^***

(-3.61)

-0.2168^***

(-5.13)

-0.0998^*

(-1.80)

-0.0686^**

(-2.20)

-0.0801

(-1.36)

-0.1017^***

(-3.02)

ROA

0.0348^***

(4.97)

0.0085^***

(4.27)

0.0316^***

(4.58)

0.0076^***

(3.85)

0.0334^***

(4.65)

0.0066^***

(3.27)

Lev

0.0051

(1.34)

0.0107^***

(20.09)

0.0045

(1.20)

0.0108^***

(20.51)

0.0053

(1.37)

0.0108^***

(20.20)

Salegrowth

0.0006

(0.89)

0.0004

(1.35)

0.0002

(0.30)

0.0001

(0.49)

0.0006

(0.78)

0.0002

(0.84)

R&DR

0.0021^**

(2.17)

-

0.0021^**

(2.17)

-

0.0022^**

(2.20)

-

Beta

0.2794^**

(1.98)

0.2633^***

(2.79)

0.1694

(1.20)

0.2208^**

(2.35)

0.3090^**

(2.11)

0.2970^***

(3.13)

Ind

包括

包括

包括

包括

包括

包括

F Value

4.58^***

36.81^***

6.13^***

39.00^***

3.44^***

35.36^***

R Square

0.1063

0.3117

0.1373

0.3242

0.0820

0.3032

Number of Observations

594

1153

594

1153

594

1153

　　注:1.括号中的数值为t值;

　　2.*、**和***分别表示在10%、5%和1%的水平下显著。

　　对于控制变量而言,其中,(1)公司规模[Log(Asset)]与托宾q显著负相关,这一结果与夏立军和方轶强(2005)、吴文峰等(2008)的发现一致;(2)资产获益能力(ROA)与托宾q显著正相关,该结论与雷光勇等(2009)等的发现一致;(3)市场风险(Beta)与托宾q显著正相关,该结论与李心丹等(2007)以夏普率度量的公司风险与托宾q之间的关系一致,但是却与贺小刚和连燕玲(2009)所得出的结论恰好相反。我们认为,这可能与我国沪深交易所对公司系统风险的定价与国外知名交易所存在较大差异有关。其他控制变量对公司价值的影响此处不再赘述。

　　2.对各年度样本的多元回归分析

　　为了验证以上结论的稳健性,本节又以各年度样本对此进行了分析。表6.4是对各年度样本公司的流动性与公司价值多元回归结果。鉴于研发收入比造成的数据量缺失问题比较严重,因此本部分未将研发收入比纳入多元回归模型。数据显示,以各年度样本进行的分析所得出的结果与所有样本相似,从而证实了上述结论的稳健性。

表6.4流动性与公司价值的多元回归分析——各年度样本

变　量

Liq=Log(Vol)

Liq=Turnover

Liq=Illiq

2007

2008

2009

2007

2008

2009

2007

2008

2009

Intercept

0.1246

(0.11)

-0.3458

(-1.23)

-0.3274

(-0.63)

1.6729^**

(2.10)

0.5146^**

(2.29)

0.7007^*

(1.69)

1.9639^**

(2.17)

0.7777^***

(3.16)

0.9343^**

(1.99)

Liquid

0.1470^*

(1.77)

0.1013^***

(4.30)

0.1166^***

(3.01)

0.2361^***

(4.31)

0.1251^***

(5.87)

0.3065^***

(4.43)

-1.2779

(-1.15)

-0.5682^***

(-4.35)

-0.4526^*

(-1.77)

Log(Asset)

-0.1311

(-1.20)

-0.1251^***

(-3.89)

-0.0662

(-1.17)

-0.0429

(-0.53)

-0.0383^*

(-1.71)

0.0342

(0.84)

-0.0440

(-0.50)

-0.0626^***

(-2.59)

0.0110

(0.23)

ROA

0.0447^***

(3.38)

0.0023^**

(2.51)

0.0141^***

(3.00)

0.0465^***

(3.59)

0.0017^*

(1.96)

0.0093^**

(1.99)

0.0433^***

(3.25)

0.0014

(1.57)

0.0114^**

(2.41)

Lev

-0.0076

(-1.25)

0.0111^***

(49.41)

0.0047^*

(1.81)

-0.0077

(-1.31)

0.0111^***

(51.27)

0.0039

(1.51)

-0.0066

(-1.06)

0.0111^***

(50.09)

0.0050^*

(1.87)

Salegrowth

0.0003

(0.69)

0.0003

(1.22)

0.0010

(0.90)

0.0001

(0.20)

0.0002

(0.77)

0.0009

(0.84)

0.0002

(0.39)

0.0002

(0.96)

0.0010

(0.92)

Beta

0.2801

(1.17)

0.0683

(0.97)

-0.0427

(-0.36)

0.2079

(0.88)

0.0156

(0.22)

-0.1837

(-1.47)

0.2968

(1.23)

0.1241^*

(1.81)

-0.0530

(-0.42)

Ind

包括

包括

包括

包括

包括

包括

包括

包括

包括

F Value

2.45^***

206.99^***

3.65^***

3.65^***

216.50^***

4.49^***

2.31^***

207.23^***

3.18^***

R-Square

0.0875

0.8857

0.1197

0.1250

0.8902

0.1433

0.0830

0.8858

0.1059

Number of

Observations

373

389

391

373

389

391

373

389

391

　　注:1.括号中的数值为t值;

　　2.*、**和***分别表示在10%、5%和1%的水平下显著。

六、小结

　　本节以在港交所主板、新交所主板、纳斯达克与伦交所AIM上市的415家中国海外上市公司为研究样本,研究了流动性对公司价值的影响。与第五章一致,仍然选择交易量、换手率与非流动性来衡量样本公司的流动性,用托宾q来表示公司价值,采用OLS多元回归模型检验了流动性对公司价值的影响。

　　在控制了公司规模、资产获益能力、成长性、财务杠杆、市场风险以及行业等因素的前提下,多元回归结果表明,流动性越好,上市公司的公司价值就越高。该结论与Fang et al.(2009)以相对买卖价差作为流动性衡量指标所得出的结论一致。

　　本节的研究结论证实了流动性对公司上市决策影响的公司价值渠道:上市公司的流动性越好,公司的价值越高。因此,这激励公司选择了流动性较好的证券交易所上市。