高新技术企业资质认定与上市企业股价崩盘风险——基于产业政策微观实施的证据

孙 刚，郑 琦

(1.浙江财经大学东方学院，浙江 嘉兴 314408；2.长沙理工大学经济与管理学院，湖南 长沙 410114)

一、引 言

2006年召开的全国科技大会及之后2007年党的“十七大”明确提出，科技发展要紧紧围绕经济社会发展这一中心任务，要解决制约经济社会发展的关键问题，要建立以企业为主体、以市场为导向、产学研相结合的技术创新体系。尤其是高科技产业不再是独立发展的产业，而要与传统产业全面结合。从党的“十八大”进一步强调坚持走中国特色自主创新道路、实施创新驱动发展战略，到党的“十九大”报告中“创新”一词出现了近六十次，创新被视为是引领发展的第一动力。随着我国经济发展方式从“李嘉图式增长”逐渐向“熊彼特式增长”转型，处于经济转型升级和新旧动能转换的关键期，探讨政府干预行为和方式究竟对我国创新驱动发展产生何种深远影响，尤其是对于微观市场和企业层面而言，目前的相关研究尚无定论。创新驱动发展的基本内涵是指通过产业升级和转型，实现经济发展的创新驱动，改变过去依赖以劳动力和资源投入驱动的状况，而产业政策须率先转型升级。2015年3月颁布的《中共中央国务院关于深化体制机制改革加快实施创新驱动发展战略的若干意见》指出，要强化产业政策对创新的引导。推动“政策链”“资金链”“创新链”和“产业链”的深度融合，政府亟待加强规划和引导，通过宏观政策支持和机制创新，为“多链融合”创造良好的生态环境。鉴于企业的创新主体地位，探究产业政策精准引导微观企业创新驱动发展的实现机制和路径具有现实意义和价值。

国内外学术界对产业政策的争议聚焦于要实施什么样的产业政策，把重点转移至该如何制定、激励、实施、评估产业政策上(Stiglitz，2015；林毅夫等，2018)[1][2]，对建立优化产业政策治理体系提供了正确的方向。考虑到产业政策影响的重要性、持久性和广泛性，本文聚焦于产业政策作用的某一细分领域——高科技产业领域，选取政府“高新技术企业”资质认定(以下简称“高新认定”)这一产业政策具体执行机制作为研究政府创新干预行为的切入点，并选择资本市场股价崩盘风险问题作为考察对象，检验政府干预行为在高科技产业政策引导创新驱动发展过程中抑制信息“失真”和信息“扭曲”的作用机制。

一直以来，金融和会计领域学者将资本市场中股价变化归结为企业未来发展的新信息。Roll(1988)指出，市场和行业等信息仅仅能解释股价变动的很小一部分，他推测市场交易者可以借助对企业特质信息套利来驱动股价变化[3]。Morck等(2000)发现，在产权保护不到位的国家，企业股价波动的同步性程度更高，这些国家企业股价很大程度上是被市场、行业层面信息所驱动[4]。Jin等(2006)指出，企业信息不透明是导致股价同步性和股价崩盘风险的重要动因，信息不透明的企业积累下来的负面信息，一旦释放将导致股价严重下跌，该现象被称之为股价崩盘风险[5]。在我国“政治+政府”“官场+市场”氛围浓厚的经济环境中，采取“自上而下”治理模式的产业政策，与其他诸如财税、货币金融、科技创新等国家宏观政策相似，在“市场失灵”情况下致力于扮演“有为政府”的“帮助之手”。“高新认定”作为高科技领域产业政策的微观实施机制，其实质上以一种异质性的方式直接且深刻地影响着企业的管理者行为、企业治理、投融资决策、信息披露策略以及日常实际运营活动，生产并向市场释放出复杂、异质且可置信的企业特质性讯息，从而吸引证券分析师、机构投资者等金融中介利用其处理和挖掘复杂信息并提供投资建议的能力和优势，并借助资本市场上众多套利投资者的交易活动，增强企业股价对特质信息的吸收效率，减少了信息“失真”和信息“扭曲”，降低了股价崩盘的风险。

本文聚焦于产业政策执行中的政府行为和政治因素，研究了“高新认定”政策对股价崩盘风险的影响，研究发现基于高科技产业政策实施的政府干预行为显著降低了企业股价崩盘风险。本文有如下三点学术贡献：(1)拓展了传统产业政策的衡量方法，不再仅限于将产业归纳为未获得支持、一般支持、重点支持以及限制性行业等传统文本划分法，尝试从微观实施视角衡量产业政策的影响，直接捕捉并考察产业政策执行中政府行为的影响机制。(2)提供了政府行为作用于股价崩盘风险的微观证据，丰富了历史文献主要从政治关联、信息披露、金融中介、企业治理、微观市场结构以及非正式制度等视角考察降低企业股价崩盘风险的实现渠道，是对以往研究政治因素与股价崩盘风险文献的有益补充。(3)指出产业政策微观实施将为企业带来增量特质信息，影响企业股价信息含量、信息风险乃至信息定价。本文从资本市场视角探索了高科技领域产业政策微观实施对股价崩盘风险的影响及其可能路径，提供了资本市场对产业政策等宏观政策信息进行合理定价的证据，有益于优化政府创新资源配置决策。

二、文献回顾、理论分析与研究假说

(一)文献回顾

企业股价崩盘风险研究的历史文献可分为两大类，一类为研究股价崩盘风险的影响因素，另一类为研究股价崩盘风险的经济后果，其中第一类文献占绝对主体。因此，文献回顾主要集中于第一类研究，从事该类研究的学者主要持有“信息观”“代理观”和“政治观”三种主流观点。“信息观”源自Jin等(2006)[5]，他们认为不透明的信息披露环境是导致股价崩盘风险的重要因素。随后Hutton等(2009)利用企业盈余操纵程度衡量企业信息环境，研究发现信息环境越不透明，企业股价同步性程度越高，企业管理者越会压制负面消息的及时披露，从而企业股价崩盘风险越高，支持了Jin等(2006)的研究[6]。Francis等(2011)进一步发现，研发费用、成本费用和现金流操纵等真实盈余管理行为越严重，企业股价崩盘风险也越高。可见，会计盈利操纵抑或是真实盈利操纵背后均隐藏着企业内部人控制“坏消息”披露的动机，当这些负面信息积累到一定程度，企业美好前景被“刺破”之时，股价崩盘现象则难以避免[7]。

而持有“代理观”的学者认为，股东之间以及股东与管理者之间的代理问题是影响股价崩盘风险的重要因素。Xu等(2014)从高管在职消费[8]、Kim等(2011)从高管股权激励[9]、Jia(2018)从高管薪酬差距[10]、Yuan等(2016)从高管责任保险[11]、Hong等(2017)从控股股东两权分离等多个视角分析了代理成本对企业股价崩盘风险的影响[12]。总体上，高管在职消费、股权激励、薪酬差距以及两权分离等因素均预示着企业内部埋伏着潜在代理冲突和风险，未来股价崩盘风险更高，而高管责任保险则从保险机制上消除了高管为了卸责而掩盖负面信息的动机，反而有利于降低股价崩盘风险。

持有“政治观”的学者则尝试从政府行为和政治因素视角解释股价崩盘风险现象。Lee等(2017)发现，委派官员到国企任职显著增加了企业股价崩盘风险，但是在非国企中，聘用具有政府部门履职经历人士担任高管，则显著降低了企业股价崩盘风险，政治因素在产权性质不同的企业中对负面消息得以释放并融入股价的作用机制不尽相同[13]。Gao等(2019)和Piotroski等(2015)则发现腐败严重地区的企业股价崩盘风险显著更高，部分归因于政治家及其关联企业出于政治目的压制负面消息披露[14][15]。对于成熟资本市场而言，从“信息观”和“代理观”两个维度的研究文献已相当丰富，但从“政治观”维度进一步拓展政府行为、政治因素对股价崩盘风险的影响仍具有现实意义。我国新兴加转型期，关系型交易、政治关联、政府干预、政府管制、政商联系等广泛嵌入于企业经济活动之中，使得政府的宏观政策、调控、管制、干预等信息不可被忽视(陈冬华等，2018)，进一步研究政府行为对股价崩盘风险的影响仍具有现实意义[16]。

(二)理论分析

政府在我国经济发展过程中扮演着极其重要的角色，与财政政策、货币政策、财税政策等宏观政策类似，产业政策规划、实施过程无不体现了政府“有形之手”的存在。首先，从产业政策决策程序看，产业政策制定是一个集科学性和可靠性为一体的民主决策过程，须结合经济发展实际情况和现实需要，由政策制定者提出符合经济发展的目标，充分集合政府党政机构、社会智库、学术研究组织等力量，是制度化、规范化、程序化的公共决策过程。在产业政策执行过程中，各级地方政职能部门、行业协会凝聚共识、形成合力，判断目标行业是否需要支持、给予何种力度的支持以及根据先前支持情况和行业未来发展预期进一步决定是否继续支持或者改变支持力度等。因此，从决策程序看，我国产业政策制定和实施具有科学基础。

再者，从产业政策实践看，普遍存在着“政出多头”“闭门造车”“重数量、轻质量”“缺乏相机决策”“重制定、轻评估”等现象，缺乏政策立法、激励、执行、监督、考核和退出机制等顶层设计。地方政府“歪曲性”“选择性”“抵制式”“照搬式”地实施产业政策的现象一定程度上揭示了从中央到地方多层次产业政策实施的委托代理困境和矛盾。并且，由于涉及资源分配、利益协调，加之政企信息不对称，产业政策实施中常引发诸如“为寻扶持而研发”“为上市而扶持”“伪高新”“骗补”“研发操纵”“微创新”等企业“迎合”产业政策的代理问题(杨国超等，2017)[17]。

最后，从产业政策的微观经济后果看，作为政府“有形之手”的重要工具，产业政策兼有政府干预和限制竞争的双重特点(江飞涛等，2010)，具备选择性和资源配置功能[18]。陈冬华等(2010)研究表明，我国产业政策是影响微观企业投融资的重要因素[19]。在产业政策重点鼓励和支持行业，特别是国有企业，其IPO，SEO融资规模增速显著更快。各级政府通过执行产业政策，将诸如经营性用地、政府补贴、信贷或者权益融资等资源，配置到获得产业政策重点支持行业，显著促进了受支持行业的企业投资(黎文靖等，2014)[20]。从中央到地方，产业政策被“层层加码”。此外，产业政策实施会向市场传递出激进的政策“信号”(李莉等，2015)[21]，加剧管理者过度自信和投资冲动(毕晓方等，2015)[22]，弱化企业治理的监督作用(祝继高等，2015)[23]，激励企业管理者选择激进的信息披露策略(黎文飞等，2019)[24]、策略性研发(黎文靖等，2016)以及支付高溢价实施“政策套利性”并购等(钟宁桦等，2019)[25][26]。可见，产业政策深刻地影响着微观企业的投融资决策、信息披露策略以及实质性经营活动，并通过资本市场投资者、行业证券分析师、机构投资者等中介机构的信息发现、挖掘、分析及交易活动，促进了企业特质信息的产生、加工和传播。

(三)研究假说

作为高科技领域产业政策的微观实施机制，“高新认定”一直是我国各级政府引导、激励、评价企业创新活动的重要机制。1988年，国务院批准实施了我国高科技产业促进计划，首批批准了53个国家级高新区，通过界定“高新技术企业”，促进、支持高科技产业发展。以科技部、财政部、国家税务总局联合下发的《高新技术企业认定管理办法》(国科发火〔2016〕32号)为例，获得“高新认定”的企业首先需要符合国家高科技产业扶持方向，在《国家重点支持的高新技术领域》内，持续进行研发成果转化，形成并拥有自主核心知识产权，并以此为基础开展经营活动，同时满足注册时间、技术所属领域、是否拥有核心自主产权、科技人员占比、研发强度、高新产品收入占比、创新能力评价、生产和环保安全等条件，企业创新能力的综合评价、定量定性评价相结合，注重企业研发活动与知识产权、成果转化、高新产品收入之间的内在逻辑合理性。获得认定的企业将在诸如市场准入、项目招投标与审批核准、供地审批、贷款行政核准、金融市场融资、财税优惠、科技补贴、资金奖励、品牌宣传等方面获得政府优惠或优先政策支持。“高新认定”由三部委各级机关具体负责全国高新技术企业认定的指导、管理和监督，旨在构建由科技、财税等政府部门、社会中介机构、技术和财务专家等共同参与的责任共担、成绩分享、协同联动机制(1)为满足“高新认定”工作的管理需要，中国注册会计师协会专门颁布实施了《高新技术企业认定专项审计指引》(2008)，指导和规范注册会计师执行“高新认定”专项审计业务。。

借助“高新认定”这一正式制度安排，实现高科技领域产业政策在微观企业层面的“落地生根”，实质上作用于企业管理者行为、投融资决策、信息披露策略以及治理机制等，深刻影响着微观企业的实际运营，在政府和市场间形成了一种新型政企动态联系，减少滞后的市场化环境对企业创新活动的阻碍(许玲玲，2018)[27]，有效提升企业创新能力(孙刚等，2018)[28]，凸显了“有为政府”的“扶持之手”功能，向市场传递出企业资质得到政府认证的积极讯息(雷根强等，2018)[29]，有助于缓解产业政策执行中政府与企业、企业与市场之间的信息不对称及“逆向选择”，发挥了实施国家宏观经济政策在抑制信息“失真”和“扭曲”上的作用，客观上促进了企业特质信息的生产和传播，提高了企业股价信息含量，避免企业负面信息的持续积累，减少了企业股价崩盘风险。但另一方面，高科技领域产业政策执行中形成的政企关联容易滋生政府、企业代理问题乃至“政企合谋”，促使获得政府支持的企业更倾向于保持不透明的信息披露状态，更多地进行信息披露操纵以持续获取社会资源(杨国超等，2017)[17]。企业内部人更加倾向于压制不利于企业运营的负面信息，国家宏观经济政策实施则加剧了信息“失真”和“扭曲”，从而阻碍了企业特质信息的释放，导致企业股价信息含量较低。当负面信息积累至峰值，无法被抑制而披露出来，企业股价崩盘则不可避免。结合上述分析，本文提出两个有待检验的竞争性研究假说，在其他条件相同的情况下，作为高科技产业政策的重要实施机制：

原假设H0：获得“高新认定”后，企业股价崩盘风险显著降低。

备择假设H1：获得“高新认定”后，企业股价崩盘风险显著增大。

三、数据来源、筛选与研究设计

(一)数据来源与筛选

本文将“高新认定”作为我国高科技领域产业政策实施的一种重要微观机制，手工整理形成了1994～2019年初上市企业“科技认定”数据库，该数据库研究优势在于能够准确锁定“高新认定”批准日，克服以往有关产业政策经济后果研究假设所有企业均在同一个时间点上接受政策“冲击”，能更有效控制内生性问题，提高检验有效性。其他财务、治理、分析师数据则均来自CSMAR数据库。本文对研究样本做了如下筛除：(1)“高新认定”以外的其他“科技认定”类型；(2)虽提出“高新认定”申请但未获通过的企业样本；(3)认定对象为企业前身、企业产品、控股股东的企业样本；(4)企业上市之前获得“高新认定”资质的企业样本；(5)非首次获得“高新认定”的企业样本；(6)股票代码以2、4、8、9开头的企业样本；(7)变量有缺失值的企业样本。为控制异常值，连续变量均在1%和99%分位数处做了缩尾处理。数据处理和回归分析使用统计软件SAS9.4和STATA16。

(二)研究设计

本文假设“高新认定”行为具有政策效果随时间改变的动态特征。由于每家企业获得“高新认定”的时间点不同，本研究采用“动态追踪数据”“多期处理效应”与“事件研究法”相结合的思路控制内生性，检验研究假说。第一步，借鉴事件研究法，确定每家企业获得“高新认定”的批准年份第t年，赋值为0；认定前第t-1年、t-2年分别赋值为-1年、-2年；认定后第t+1年、t+2年分别赋值为1年、2年，以此类推。考虑到“高新认定”支持周期为三年，本文选取认定前、后各三年为研究窗口。为便于动态考察每家企业获得认定前、后股价崩盘风险的变化，须保证每家企业能够生存一个研究窗口，因此本文构造了一个动态追踪数据集。第二步，检验追踪数据是否满足共同趋势假设，即获得“高新认定”的企业在其被认定之前的股价崩盘风险是否与基期相比具有显著差异，本文通过设置0-1哑变量标识各年度效应。以股价崩盘风险为被解释变量，若该样本满足共同趋势假设，则年度效应哑变量在认定前均统计不显著(或者多数情况不显著)，但认定后各期应统计显著，则可认为“高新认定”政策具有处理效应。第三步，在满足共同趋势假设前提下，企业获得认定后的样本为处理组，赋值为1；获得认定前的样本为控制组，赋值0。利用差分法动态考察认定前、后股价崩盘风险变化，展开多元线性回归分析，检验原假说和备择假说。

1.基本模型

借鉴Chen等(2001)的研究，为保障研究结论不受指标构建的影响，本文构建了三个指标反映企业股价崩盘风险[30]。首先，利用式(1.1)估计企业周收益率。

ri,t=γ0+γ1rm,t-2+γ2rm,t-1+γ3rm,t+γ4rm,t+1+γ5rm,t+2+εi,t

(1.1)

其中ri,t为该股票i在年度第t周的收益率，rm,t为股票在第t周经过流通股市值加权的平均收益率。式(1.1)中为控制股票非同步性交易的影响，加入市场收益率超前和滞后两项，利用上式回归残差项εi,t加1处理后取自然对数，即wi,t=ln(1+εi,t)，得到股票i在第t周经市场调整后的收益率。进而，本文利用该指标构造如下两个指标反映股价崩盘风险：第一个指标为股票i经过市场调整后周收益率负偏态指标，计算方法如式(1.2)。第二个衡量股价崩盘风险的指标为股价上涨相对于下跌的波动性比例指标(duvol)，该指标根据股票i经过市场调整后的周收益率是否大于平均收益，从而将股票收益分为上涨和下跌两个阶段的股价波动样本，分别计算两个子样本中股票收益的标准差并经标准化处理，具体计算详见式(1.3)，其中nu和nd表示股票i经过市场调整后的周收益率大于和小于平均收益率的周数。

(1.2)

(1.3)

借鉴Chen等(2018)的研究[31]，企业股价崩盘风险主要源自政治风险和企业内部人寻租，出于完成政治任务或者内部人自利等动机隐藏企业的“坏消息”，当这些负面讯息累积到无法继续隐藏之时就会突然爆发出来，从而引发股价崩盘。但在不存在“坏消息”的情形下，政府代理人和企业内部人没有隐匿“好消息”的动机，由于其隐藏“坏消息”的概率远大于隐藏“好消息”的概率，股票收益率上涨的概率要远大于下跌的概率；反之，如果“坏消息”集中释放，股票收益率下跌幅度将会大于上涨幅度。在不存在政治风险或者内部人寻租的完美状态下，企业股票收益率上涨和下跌的概率应均等、无偏。

综上，ncskew和duvol两个指标反映了企业由于政治风险和内部人自利等动机引发的股价崩盘风险，ncskew越大，股票收益率负偏态程度越严重，股价崩盘风险越高。duvol越大，股票收益率偏向下跌的程度越严重，股价崩盘风险越高。第三个衡量股价崩盘风险的指标为crash，该指标为wi,t=ln(1+εi,t)是否有小于该指标均值-3.2倍wi,t的标准差，如是，赋值为1，否则为0。本文利用式(2)以及式(3)的probit回归模型检验获得“高新认定”对企业股价崩盘概率的影响。解释变量为二元哑变量cert，当企业获得“高新认定”后，赋值为1，否则为0。重点关注cert的回归系数α1、β1及其统计显著性(下同)，若回归系数显著为正数，则表明获得“高新认定”将显著增加企业股价崩盘概率；反之，若回归系数显著为负数，则表明获得“高新认定”将显著降低企业股价崩盘概率。

ncskewi,t+1(duvoli,t+1)=α0+α1certi,t+α2ncskewi,t(duvoli,t)+ν×controlsi,t+φi,t

(2)

prob(crashi,t+1=1)=β0+β1certi,t+β2crashi,t+υ×controlsi,t+ζi,t

(3)

controls为企业和制度层面控制变量，包括：托宾的Q值，用流通股市值、非流通股面值与债务面值之和与资产面值的比表示；成长性，用营业收入变化值与期初营业收入的比表示；资产规模，用总资产取自然对数表示；资产负债率，以负债面值与资产面值的比表示；资产收益率，以净利润与资产面值的比表示；股利支付率，以每股税前现金股利与每股收益的比表示；研发投入，以研发支出占营业收入的比表示，未披露研发支出的样本赋值为0；收益率波动，以年度周收益率标准差表示；操纵性应计项目，利用Dechow等(1995)修正琼斯模型估算[32]；股票回报率，以考虑现金红利再投资的年度股票回报率表示；股票换手率，以月平均换手率与上一年月平均换手率之差表示；资本性投资，以购建和处置固定资产、无形资产和其他长期资产现金收支净额与资产面值的比表示；第一大股东持股，以第一大股东持股数占总股本的比表示；机构投资者持股，以机构投资者持股数占总股本的比表示；产权性质，当最终控制人为国有企业、政府、国有大学等机构的，赋值为1，否则为0；是否国际“四大”审计，当主审会计师事务所为普华永道、德勤、安永、毕马威“四大”国际公司时，赋值为1，否则为0；政治关联，当董事长或者总经理具有曾经在中央或地方政府、党委、政协、人大、民主党派、社会团体、高等院校等任职经历者，则认为企业具有政治关系，赋值为1，否则为0；注册地市场化进程指数，取自樊纲等(2011)、王小鲁等(2017)编著的各省份市场化进程指数中“减少政府对企业干预”子指数[33][34]；行业效应，按中国证监会《中国上市企业分类指引》(2012)，将所有上市企业分为除金融行业外的各行业大类二元0-1虚拟变量，其中制造类企业按照行业前两位代码设置虚拟变量；年度效应，0-1虚拟变量。

2.拓展分析

(1)产业政策微观实施对企业信息环境的影响分析。Jin等(2006)的“信息观”以及后续持“代理观”“政治观”的诸多研究均证实，信息披露环境不透明是导致股价崩盘风险的重要动因[5]。本节拟从企业股价信息含量、会计信息质量、证券分析师预测等三方面，进一步拓展分析“高新认定”政策影响企业股价崩盘风险的可能路径和传导机制。若获得“高新认定”能够显著降低企业崩盘风险成立，则表明企业获得认定会抑制政府代理人、控股股东或管理层掩盖“坏消息”的倾向，增加股票价格对企业特质信息的反映，从而提高企业特质信息对股价波动的解释能力，股价波动同步性程度会降低，反之亦然。本文借鉴Durnev等(2003)的研究构建企业股价波动同步性研究指标[35]。

ri,t=δ0+δ1rm,t+δ2rI,t+νi,t

(4)

式(4)中期中ri.t为第t周股票i的收益率，rm.t为第t周市场指数的收益率，rI.t为第t周行业I的收益率。回归模型的拟合优度r2反映股价波动同步性(syn)，该指标越高，则说明市场和行业因素对股票价格的解释程度越高，即股价中反映的多为行业和市场信息；反之，则股价中反映的多为企业特质信息。式(5)旨在考察获得“高新认定”对股价波动同步性的影响，重点关注解释变量cert的回归系数ρ1及其显著性。

syni,t+1=ρ0+ρ1certi,t+ρ2syni,t+ω×controlsi,t+ϑi,t

(5)

借鉴以往文献，本文利用式(6)通过考察获得“高新认定”对企业操纵性盈利、实际盈利波动性、证券分析师盈利预测偏差的影响，进一步识别出以“高新认定”为代表的产业政策微观实施对股价崩盘风险影响的途径，重点关注cert的回归系数κ1。其中：指标da为依据经修正的Jones模型计算的操纵性应计项目，并取绝对值|da|，反映企业会计透明度。Std_feps，std_fepscls和accuracy分别表示证券分析师每股收益预测值标准差、除以收盘价后的分析师每股收益预测标准差、证券分析师预测准确度(以证券分析师预测的每股收益减去当年实际每股收益后的绝对值再除以预测前一个交易日该股票收盘价格表示)，这三个指标反映了证券分析师盈利预测的准确度；earningvol反映了企业过去滚动五年实际每股收益的标准差，该指标越高，说明企业盈利波动幅度越大，盈利波动风险越高，盈利稳定性越差。式(6)统一用变量opacity表示上述五个指标。

opacityi,t=κ0+κ1certi,t+σ×controlsi,t+ζi,t

(6)

(2)产业政策微观实施对企业价值的影响分析。若“高新认定”为代表的产业政策实施机制能够降低企业信息风险，则获得“高新认定”的企业其未来的股权价值应更高，反之亦然。本文利用持有至到期超额收益率、企业年度考虑现金股利再投资的投资回报率、托宾的Q值三个指标，从不同角度衡量企业相对价值和股东财富。持有至到期超额收益率的计算方法如式(7)所示，其中，ri,t表示企业第t月考虑现金红利再投资的个股收益率；e(ri,t)表示第t月股票期望收益率，用t月按流通市值加权并考虑现金红利再投资的月综合市场收益率替代；T表示时间区间，股票i持有至到期超额收益率考察区间为公历年度12个月的累积回报率。利用式(8)考察获得“高新认定”对股东财富和企业相对价值的影响，仍重点关注解释变量cert的回归系数及其统计显著性，在controls所选变量的基础上还控制了：企业风险，以企业系统性风险beta值表示；流通A股比例，以流通A股股数占总股本的比表示；高管持股比例，以高管持股数占总股本的比表示；分析师关注度，以年度跟踪分析该企业的证券分析师或团队数加1后取自然对数表示。

(7)

bhari,t+1(reti,t+1|tobin’sQi,t+1)=γ0+γ1certi,t+μ×controlsi,t+ψit

(8)

四、实证检验结果与分析

(一)描述性统计分析

在本文整理到的获得各种类型“科技认定”资质的企业样本中，A股上市企业占97.8%，约97.8%的“科技认定”属于“高新认定”，占各类科技资质认定比重最大，其它诸如“高科技企业”“火炬计划”“863计划”等“科技认定”类型仅占2.2%，与其他“科技认定”相比，“高新认定”适用范围更广。国家级“科技认定”为3493起，占98%，其他省级“科技认定”只占2%。从“科技认定”对象看，认定对象分布于上市企业本身、下属企业、企业前身、企业产品以及企业控股股东，其中获得认定且认定对象为上市企业本身及其下属企业的“科技认定”数占到99.6%。从“科技认定”的地区分布看，广东、浙江、江苏三省排名前三，反映出地区经济发展水平与创新程度显著正相关。从行业分布看，制造业，信息传输、软件和信息技术服务业排名前二，分别为占82.9%和8.1%。未报告的其他相关变量的描述性统计结果均在合理值范围内。

(二)多元统计分析

以股价崩盘风险指标ncskew_q为例，企业获得“高新认定”当年为第t年。前三年为t-3年，设为基期。认定前两年为t-2年，年度效应哑变量用dif1表示，当企业处于认定前两年时，dif1=1，否则为0，同理设置t-1、t、t+1、t+2等各期年度效应哑变量dif2至dif5。dif1(t值=-0.01)，dif2(t值=-1.64)均不显著，而t、t+1、t+2年的年度效应哑变量dif3(t值-2.91)，dif4(t值=-2.16)，difno5(t值=-2.08)均通过5%的统计显著性检验门槛。这表明，在认定之前的三年里，获得认定的企业股价崩盘风险并没有显著变化，股价崩盘风险是在企业获得认定后才显著降低的，满足样本的共同趋势假设。本文还检验了其他股价崩盘风险指标的共同趋势假设的满足情况，基本结论无本质性变化，限于篇幅未逐一呈报。

1.基础回归分析

表1和表2报告了“高新认定”政策对股价崩盘风险影响的回归分析结果，表1第(1)至(6)列分别报告了采用以分市场等权平均法、分市场流通市值平均法、分市场总市值平均法计算的企业股价崩盘风险指标为因变量的回归结果。“高新认定”以三年为考核期，考核期满达标后方可获得连续支持，因此，本文将样本锁定在企业获得“高新认定”前、后各三年，变量cert的回归系数在各列回归中均为负数，且在统计上显著，表明获得产业政策支持的企业，在获得“高新认定”后其股价崩盘风险是显著降低的。表2的结果也表明，获得认定后企业股价崩盘概率也是呈下降趋势的，国家产业政策具有抑制企业信息“失真”和“扭曲”的作用，总体上支持原假说。

表1 产业政策微观实施与企业股价崩盘风险

表2 产业政策微观实施与企业股价崩盘风险：基于崩盘概率的Probit分析

2.拓展分析

(1)基于企业信息环境的分析。旨在检验“高新认定”政策是否以及如何影响企业会计信息质量、企业股价信息含量以及证券分析师预测，从而揭示产业政策微观实施影响企业股价崩盘风险的完整图景。首先，基于企业会计信息质量的分析。表3第(1)列报告的结果显示，企业获“高新认定”后，其会计盈余操纵的程度显著更低，无论是“向上”抑或是“向下”的盈余操纵均显著下降，变量cert的回归系数显著为负数，企业会计信息质量是显著提高的，改善了企业信息环境。其次，基于企业股价同步性的分析。若企业获得“高新认定”后，股价崩盘风险的降低是由于产业政策的微观实施实质上影响企业投融资和运营活动，增加了企业层面的特质信息制造，并缓解了企业隐藏“坏消息”的倾向，则企业特质信息将在更大比例上解释股价波动。表3第(2)、(3)列显示，变量cert的回归系数均为负数，且在1%水平统计显著，表明企业获得认定后，增强了股价对企业特质信息的反映，提高了企业特质信息对股价波动的解释能力，股价波动同步性程度显著降低，与原假设预期一致。最后，基于证券分析师预测偏差的分析。如果“高新认定”政策能够通过更好地促进企业特质信息的释放，进而抑制企业掩盖负面信息的概率，则应观察到跟踪获得“高新认定”企业的证券分析师做出的盈利预测偏差将显著降低。基于该判断，本文从三个维度反映证券分析师预测偏差及预测难度，分别是：证券分析师盈利预测不确定性、证券分析师盈利预测偏差、企业实际盈利波动。表4各列报告的回归结果进一步说明，跟踪“高新认定”企业的分析师盈利预测不确定性、分析师盈利预测偏差、实际企业盈利波动性均显著降低，分析师开展盈利预测的难度有所下降，各列中变量cert的回归系数均显著为负数(第4列cert的回归系数虽然为负数，但不显著；当将研究窗口延伸至“高新认定”前、后六年时，未报告的以earningvol为因变量的回归结果显示，变量cert回归系数t值为1.73，且在10%水平显著)。

表3 产业政策微观实施与企业股价同步性

表4 产业政策微观实施与证券分析师盈利预测不确定性、预测偏差及预测难度

(2)基于企业价值的分析。本文关注“高新认定”对企业价值的影响，在未控制任何企业特征变量的基础上，刻画企业获得认定前、后36个月(或72个月)持有至到期超额收益率(bhar)的变化。三组样本分别为：(a)全样本；(b)认定范围为上市企业本身，且为首次认定样本；(c)认定范围为上市企业本身或其子企业，且为首次认定样本。采用任何一组企业样本，获得认定后，股权投资者的财富均显著增加，具体表现在：获得认定后(图中横轴0点对应着认定批准当月)，股权投资者持有至到期超额收益率均显著增加，企业长期股价表现更佳，企业股东财富增长幅度均显著跃升。可见，从长期趋势看，获得“高新认定”对企业价值有积极、正面且显著的影响(限于篇幅，本文仅报告了基于样本(a)的36个月和72个月分析结果)。最后，本文通过多元统计分析考察获得“高新认定”是否增进股东财富和企业相对价值。利用企业年度考虑现金红利再投资的收益率、托宾的Q值以及企业持有至到期超额收益率三个指标衡量企业价值或者股东财富变化。表5的回归结果表明，变量cert的回归系数均显著为正数，无论采用哪种指标衡量企业相对价值或者股东财富变化，结果均支持获得“高新认定”后企业相对价值或者股东财富显著高于“高新认定”前，因而从多维度、动态视角继续支持了原假设的理论分析，即：“高新认定”可以通过优化企业信息环境这一条路径，改善股价信息含量，减少信息风险，不仅减少了企业股价崩盘风险，而且最终也增加了企业相对价值和股东财富。

图1 企业获得“高新认定”前、后36个月的bhar

图2 企业获得“高新认定”前、后72个月的bhar

表5 产业政策微观实施与企业价值

五、总 结

本文围绕“产业政策要准”这一核心问题，聚焦于我国产业政策微观实施的经济后果问题，从上市企业信息风险的视角，检验分析了“高新认定”这一具体的高科技产业政策实施机制对企业股价崩盘风险的影响。研究发现，对于获得“高新认定”的上市企业，其未来股价崩盘风险显著降低。进一步拓展分析表明，“高新认定”可以显著减少企业盈利操纵，增强盈利稳定性，增加企业层面特质信息的生成和特质信息对股价的解释程度，提高股价信息含量，降低股价同步性，且证券分析师等金融中介对企业盈利预测的难度下降、准确度提高。从企业价值角度，“高新认定”也显著促进了企业相对价值和股东财富。

总体上，从信息环境视角，作为高科技领域产业政策的微观执行机制，“高新认定”发挥了较积极的创新治理效果，产业政策实施中的政府干预行为显著降低了股价崩盘风险，促进了企业特质信息的稳步释放，降低了未来股价信息风险，增强了股价信息效率，从微观企业层面进一步支持和拓展了陈冬华等(2018)的研究[16]。本文力求剖析产业政策精准实施的“黑箱”，跳出“要不要产业政策”等问题的讨论，承认产业政策普遍存在的事实，将重点转移至该如何制定、激励、执行、评估产业政策上，对产业政策有效且精准执行提供了经验证据，对拓展和丰富创新驱动发展战略中产业政策精准支持长效机制，助力产业政策实施机制和执行方式转型具有一定的政策借鉴意义。