企业数字化对IPO长期表现影响研究

方 芳,张燕飞,王 天

(中国人民大学 应用经济学院,北京 100872)

一、引 言

高效的资源配置是构建以国内大循环为主体、国内国际双循环新发展格局的基础。股权融资作为直接融资的重要途经,发展股票市场是缓解中国企业融资困境的重要手段,首次公开募股(IPO)是股票市场吐旧容新的关键环节。一方面,IPO为企业筹集经营必需的资金;另一方面,IPO也为资本市场提供了投资标的。2020年新版《中华人民共和国证券法》出台,明确规定证券发行实行注册制,标志着监管层对于提升市场资源配置效率的决心。然而,IPO长期弱势现象严重阻碍了资本市场资源配置的效率,成为了资本市场发展过程中饱受诟病的痛点,长期以来受到大量学者的关注。

随着人工智能、区块链、云计算、大数据等“ABCD”技术的涌现和发展,企业的生产经营环境已经发生了巨大变革,越来越多的企业开始探索如何通过数字化实现业务与技术的深度融合从而驱动业绩提升[1]。党的十九届四中全会将数据确认为生产要素,反映了数据要素是当前支撑经济高质量发展的新引擎。长远来看,技术进步有助于更透明充分收集、整合和披露金融资产信息,为减少风险溢价提供支持,优化金融市场的定价逻辑与效率[2]。习近平总书记指出,要以信息流带动技术流、资金流、人才流、物资流,促进资源配置优化,促进全要素生产率提升。那么企业数字化能否提升金融资源配置效率呢?其作用机制又是什么?鲜有学者探究企业数字化对企业IPO长期表现的影响及其机制。因此,本文拟对企业数字化对IPO长期表现的影响、路径机制进行识别检验,为理解上市企业数字化和IPO长期表现提供新的证据。

为了打开企业数字化影响IPO长期表现的黑箱,本文设计了两个机制检验,从“过度关注”角度出发,企业数字化提高了企业信息披露能力和财务状况,缓解了企业与资本市场之间的信息不对称程度,降低了IPO抑价,从而减少了因一级市场价格扭曲造成的大量非理性投资者的“追涨”行为,随着时间推移,股价将向企业真实价值均值回归,非理性投资者的“过度关注”行为越少意味着IPO长期表现越好;从异质信念角度出发,数字化水平较低的企业与资本市场信息不对称程度较高,投资者对于企业的分歧较大、异质信念较为分散。在中国股票市场做空成本较高的前提下,相应企业股价被高估的程度更严重,上市后随着经营信息的不断披露,投资者对企业分歧减小,资本市场重新对企业进行定价,IPO长期表现更差。

因此,本文利用注册制后在科创板和创业板上市企业的IPO数据,结合一元多重中介效应模型进行实证分析,结果表明数字化水平高的企业IPO长期表现更佳,这一结果无论是从“过度关注”角度还是“异质信念”角度都得到验证。进一步,本文考虑了不同企业属性对企业数字化影响IPO长期表现的敏感程度,结果表明,企业数字化对民营企业、高管持股比例高以及融资约束较强的企业IPO长期表现影响更为显著。

本文的创新点有三个:第一,目前鲜有学者研究企业数字化对一级市场定价以及IPO长期表现的影响,本研究是对现有研究的有益补充;第二,聚焦注册制改革后创业板和科创板市场,是首次从注册制背景出发研究中国资本市场IPO长期表现;第三,通过引入多重中介效应模型,首次从过度关注和异质信念两个机制分析比较了企业数字化对IPO长期表现的不同中介效应。

二、文献综述

(一)数字化领域

企业数字化是以数据的高效流动改善技术、资金、人才等生产要素配置效率,并降低环境不确定性对企业冲击的系统性进程[3]。企业数字化的动因和经济后果是学者们研究的核心问题,具体而言,企业数字化如何影响企业生产经营活动是目前学界关注的热点话题。宏观层面,王开科等认为数字技术在企业生产经营中的应用有助于提升社会生产效率[4];微观层面,Mikalef等发现企业通过构建不同的数据管理系统,实现了数字化驱动下的“降成本”“强创新”,进一步改善了生产效率[5];Boland等认为企业数字化更多地体现于组织和运营模式的变革,进而赋能业绩增长[6]。易露霞等发现企业数字化可以通过提升内部治理质量、缓解企业与资本市场的信息不对称程度、提升财务稳定性以及提升创新能力四个渠道提高企业业绩[7]。陈红、沈剑飞等研究发现,企业数字化有助于优化企业劳动力结构和改善企业资本结构,进而提升企业价值[8-9]。

现有关于企业数字化与资本市场的研究较少。目前,学界关于企业数字化可以增加市场透明度、加强数据流动性从而降低信息不对称性已经达成共识[10-11]。刘绪光和肖翔从逻辑上分析了企业数字化可以降低信息不对称带来的风险溢价[2]。吴非等研究发现,企业数字化可以通过强化市场正面预期、增强企业创新能力以及提升企业财务稳定性和价值三个路径提升企业股票流动性[12]。雷光勇等基于股价同步性视角研究发现,企业数字化可以提升资本市场效率,其具体机制为吸引分析师关注和提高股票流动性水平缓解与资本市场间信息不对称程度进而降低股价同步性[13]。林川基于股价崩盘风险的视角研究发现,企业数字化通过提升企业披露信息质量降低了股价崩盘风险[14]。但目前并没有研究从经验数据出发分析企业数字化对IPO长期表现的影响。

(二)IPO长期弱势领域

IPO长期弱势现象一直是一个备受学界关注的问题。IPO长期弱势理论研究最早由Miller提出,异质信念假说认为在卖空限制下,由于市场上不同投资者对于企业的预期有所差异,上市初期股价只能体现出乐观投资者的观点,随着时间的推移和经营信息的不断释放,使得股价逐渐回归企业真实价值,从而导致了IPO长期弱势[15]。

Ritter认为上市初期市场的过度关注引发的大多数投资者超买的行为会在一定程度上推高股价,短期内的高收益过后会出现长期收益的反转[16]。Ljungqvist等建立了一个关于IPO和投资者情绪的反应模型,对IPO抑价、长期弱势等现象进行了解释[17]。Seasholes和Wu检验了市场关注对于投资者行为的影响,发现涨停的股票吸引了投资者注意力,并引发了投资者对于该股票的过量买入[18]。饶育蕾等基于过度关注假说进行了进一步拓展,研究发现媒体的高度关注也会导致短期内的高收益以及过后的长期弱势现象[19],这一发现与Ritter对IPO股票的描述较为一致[16]。方先明和张若璇认为投资者的关注能力有限,企业上市一段时间后投资者的注意力就会转移到新发行的股票,在一定程度上会加剧长期弱势现象[20],并且如果企业在发行时受到价格管制,长期弱势现象更为显著。

大多数学者都对新股长期弱势是一个在全球市场普遍存在的现象达成了共识,且股票长期市场表现与公司异质性特征如成立年限、行业类别、股权结构、收购活动、风险投资情况和公开财务信息、新股发行特征如发行规模,以及投资者在上市初期的多样化预期和非理性情绪密切相关[21-22]。邹高峰等选取中国2005—2010年施行询价之后的IPO企业为样本,研究发现投资者情绪和意见分歧是导致IPO企业出现短期股价高估,长期股价弱势现象的原因[23-24]。周仕盈和杨朝军从炒作新股的现象出发,研究发现短期估值与长期收益率呈显著的负相关关系[25]。Datta等通过比较IPO和不同类型的反向杠杆收购企业的累计异常收益率,发现IPO累计异常收益率与投资者拥有的信息量显著正相关,投资者拥有的信息越少或者说企业与投资者间信息不对称程度越高,乐观投资者情绪越高,更容易导致IPO长期弱势现象[26]。

经过文献梳理可知,现有研究在以下几个方面仍有不足:第一,现有文献少有研究企业数字化对资本市场的影响,并且没有文献基于IPO长期表现视角研究企业数字化的经济后果。第二,自2014年新股定价隐形管制后对于IPO长期表现的研究出现了空白。2014年实行新股23倍市盈率定价限制后,一级市场丧失了市场化定价功能,同时学界关于IPO长期表现的研究也因此出现了空白,已有文献选取样本多为2014年之前上市的企业。第三,已有IPO长期表现研究几乎都基于核准制制度背景,鲜有基于注册制背景的IPO长期表现研究。不同时代背景下,市场环境和上市企业属性也有较大差异。

在当前注册制市场环境下,信息有效性成为影响资产定价的关键力量,随着企业数字化的快速发展,资本市场所获取的信息质量和效率都得到了提升,本文将从异质信念和过度关注角度探讨企业数字化对IPO长期表现的影响。

三、影响机制

(一)过度关注机制

过度关注是指,投资者受时间和精力的限制因此倾向于购买能够引起其注意的股票,从而抬高相应股票价格,出现短期异常收益增高和随后收益反转的现象[27]。Seasholes和Wu发现涨停或短期内涨幅较大的股票吸引了投资者注意力,并引发了对于该股票的超买[18]。周孝华和陈鹏程认为中国股票市场中囤积了大量的炒新散户投资者,“羊群行为”会将上市初期的股票价格推向偏离企业真实价值的高位[28]。张劲帆等发现IPO抑价率越高,炒新投资者参与的热情越高涨[29]。

赢者诅咒、信息传递等经典假说都认为信息不对称程度与企业IPO抑价率呈显著正相关关系[30-31]。数字技术的应用大幅提升了企业对非标准化和非结构化数据的处理能力,处理后得到并向市场输出的标准化数据可以缓解企业和资本市场的信息不对称程度[32]。因此,企业数字化可以通过缓解信息不对称程度降低企业IPO抑价率,继而降低了投资者对于相应企业的过度关注,大大改善了长期弱势现象。过度关注机制如图1所示。由此本文提出如下假设:

图1 过度关注机制

假设1:基于过度关注路径,数字化程度较高的企业与资本市场的信息不对称程度较低,IPO抑价率更低,避免了投资者的过度关注,继而IPO长期表现更好。

(二)异质信念机制

异质信念假说认为在卖空限制下,上市初期股价只能体现出乐观投资者的观点,随着时间的推移和经营信息不断释放,使得股价逐渐回归企业真实价值,从而导致了IPO长期弱势[15]。在异质信念假说基础上,张维和张永杰认为上市企业与资本市场间信息不对称程度会加剧投资者之间的意见分歧,从而导致IPO长期弱势现象[33]。近年来,快速发展的数字经济通过提升金融资产信息的透明度和充分性,有效降低了信息不对称程度[2]。异质信念机制如图2所示。

因此在异质信念路径下,随着企业数字化程度的加深,企业可以更好地向资本市场传递信息,减小了投资者之间的意见分歧[12]。与此同时,创业板和科创板企业在上市初期没有融券业务,具备卖空限制。更小的意见分歧意味着企业上市初期股价偏移企业真实价值的程度更小,缓解了长期弱势现象。因此,本文提出如下假设:

假设2:基于异质信念路径,数字化程度较高的企业与资本市场的信息不对称程度较低,投资者意见分歧更小,进而IPO长期表现更好。

四、研究设计

(一)样本选取

为了捕捉注册制背景下企业数字化对IPO长期表现的影响,本文选择创业板2020年8月24日(开始施行注册制)至2022年2月23日之间IPO的股票(1)只选用创业板和科创板企业作为样本,是因为在本文完成时(2022年),主板尚未实行注册制。,以及科创板2019年7月22日(科创板创立)至2022年2月23日之间IPO的股票。考虑到创业板和科创板企业多为落实创新驱动和科技强国战略、推动高质量发展的高新技术企业,同时发行规模(2)创业板和科创板企业发行后总股本不低于3 000万元;公开发行的股份达到公司股份总数的25%以上;公司股本总额超过人民币4亿元的,公开发行股份的比例为10%以上。和上市标准(3)诸多上市标准中,两个板块对于预计市值高于10亿元的企业均需要最近一年净利润为正且营业收入大于1亿元……类似的上市标准在两个板块间并没有显著差异。要求均较为接近,因此同时对两个板块的企业进行实证检验。进一步地,在稳健性检验部分,本文控制了所属板块固定效应,确保了检验结果的严谨性。

企业IPO数据全部来自Wind数据库,样本剔除了金融、保险行业的企业,同时为了避免异常值的影响,对所有变量作双侧1%的缩尾处理,最终的样本包括672家上市企业。

(二)变量定义

1.被解释变量。为检验企业数字化对IPO长期表现的影响,采用事件研究法,选取事件窗口期间的累计异常收益作为被解释变量,衡量新股上市的长期市场表现。异常收益率是指实际收益率减去市场基准收益率的差值。因样本是创业板和科创板市场的股票企业属性在一定程度上相似,并且科创板50指数在科创板成立初期并未推出,本文选取创业板指数收益率作为市场基准收益率,即:

ARit=Rit-Rmt

(1)

第i只股票在[t1,t2]时间窗口的累计异常收益率为t1至t2时间段内异常收益率的逐日加总,即:

(2)

将新股上市日作为时间日(t=0),选择上市后31个交易日起至270个交易日(约1年),即[31,270]作为研究IPO长期表现的区间。从上市31个交易日后开始计算IPO长期表现是因为新股上市初期股价波动较大。这与相关文献在研究长期表现时剔除上市初期股价表现的做法一致[34]。选取约1年的时间窗口是因为:(1)创业板实行注册制和科创板建立时间较短;(2)大量研究表明1年的时间窗口已经足够观察到长期弱势现象;(3)描述性统计部分可以看到本文所选样本计算出的长期收益(LCAR240)的均值为24.35%,已经出现长期弱势现象;(4)计算长期表现时,若区间跨度较大可能会受到其他因素干扰,如企业重大经营变动和再融资等事件。参考方先明和张若璇的做法[20],本文进一步将时间窗口细分为[31,90]、[31,150]、[31,210]和[31,270];用LCAR60、LCAR120、LCAR180、LCAR240检验企业数字化对IPO长期表现的影响。

2.解释变量。根据上文的理论机制分析,本文的核心解释变量为企业数字化、IPO抑价率和换手率。

(1)企业数字化。本文借鉴吴非等的方法研究企业数字化程度[12]。以《中小企业数字化赋能专项行动方案》《关于推进“上云用数赋智”行动培育新经济发展实施方案》《2020年数字化趋势报告》以及近年《政府工作报告》为蓝本,进一步扩充数字化的特征词库,从底层技术运用和技术实践应用两个层面构造了图3的特征词图谱。通过Python爬虫技术归集了本文样本企业的招股说明书,并通过文本分析技术统计了词库中关键词的出现次数,在此基础上,剔除关键词前存在否定词语的表述,同时也剔除非本公司的“数字化”关键词,加总后取对数得到每个企业的数字化指标。

图3 企业数字化的结构化特征词图谱

(2)IPO抑价率。本文选取IPO抑价率作为过度关注理论的代理变量。考虑到科创板和注册制后的创业板上市首日没有涨跌幅限制,采用企业上市首日涨幅度量IPO抑价率:

UPi=(Pi1-Pi0)/Pi0

(3)

(3)分析师预测意见分歧。Diether等认为分析师预测意见分歧是是异质信念的直观体现[35],本文使用相同的方法计算分析师预测意见分歧指标衡量企业上市初期的投资者异质信念:

(4)

其中SD(AFi)和MEAN(AFi)分别为样本企业截至上市后3个交易日分析师预测目标价的标准差和均值。

3.控制变量。参考以往文献,本文从市场环境、企业基本面、发行因素三个方面选取控制变量[21,24,36],并控制了上市年份(Year)和行业(INDUSTRY)固定效应。本文选取企业所在省份金融发展程度,用省内上市企业市值与GDP比值(FD)作为市场环境控制变量;选取上市前一年的资产负债率(LEV)、每股经营活动产生的现金流量净额(CASH)和流动比率(CR)作为企业基本面控制变量;选取截至上市时的企业成立年限(FirmAge)、发行总规模的自然对数(Ln Offering Shares)、中签率(LOTTERY)和上市时的限售股比例(TRADERATION)作为发行因素的控制变量。

与此同时,考虑到2021年9月18日新股询价新规(4)关于发布《上海证券交易所科创板股票发行与承销实施办法(2021年修订)》的通知,http:∥www.sse.com.cn/lawandrules/sselawsrules/stock/star/issue/c/c_20210918_5594161.shtml;关于发布《深圳证券交易所创业板首次公开发行证券发行与承销业务实施细则(2021年修订)》的通知,http:∥www.szse.cn/lawrules/rule/stock/list/issue/t20210918_588484.html。发布并实施。询价新规将询价时最高报价剔除比例由此前的“不低于10%”调整为“不超过3%”,实践中一般是1%,这一政策使得新股定价更加市场化。为了控制询价新规对IPO表现的影响,本文设置了虚拟变量After,新规影响2021年10月20日之后上市的企业,因此企业发行上市时间在2021年10月20日之后After取1,否则取0。

(三)模型构建

1.基准模型。为了检验企业数字化与IPO累计异常收益率的关系,本文设定基准模型如下:

LCAR=α+βDCG+γControls+ε

(5)

其中,LCAR是企业的累计异常收益率,DCG表示企业的数字化程度,Controls表示控制变量,若β显著为正,则表示企业数字化能提高企业IPO之后的累计异常收益率,即企业数字化可以改善IPO长期股价表现。

2.机制检验。从整体上检验企业数字化对IPO累计异常收益率的影响后,本文从两个路径出发进一步解释企业数字化对IPO累计异常收益率的影响,建立包含两个中介变量的实证模型,以检验过度关注和异质信念的中介效应存在与否,及其对IPO累计异常收益率的具体影响。一元并行多重中介模型是中介模型的一种特殊形式,仅有一个自变量但存在多个中介变量,该模型与普通中介模型相比的优势在于能够将多个影响机制放入一个结构模型进行系统性分析,可以对个别中介效应、总体中介效应分别进行估计、检验与比较,具体方法参见柳士顺和凌文辁的研究[37]。构建如下一元多重中介效应模型:

UPi=β0+β1DCGi+β2Controlsi+εi

(6)

AFDi=ρ0+ρ1DCGi+ρ2Controlsi+εi

(7)

LCARi=γ0+γ1DCGi+γ2UPi+γ3AFDi+γ4Controlsi+εi

(8)

式(5)～(8)为本文建立的一元多重中介模型。式(5)中β为核心解释变量DCG的估计系数,表示企业数字化对IPO长期表现的总效应;式(6)、(7)刻画了过度关注机制和异质信念机制与解释变量DCG以及控制变量的关系,其中UP、AFD分别为过度关注和异质信念机制的两个中介变量,β1和ρ1分别为解释变量对中介变量的估计系数,Controlsi为控制变量,εi为随机扰动项;式(8)刻画了被解释变量LCAR与机制变量、解释变量的总关系,其中γ1为解释变量GCG对被解释变量LCAR的直接效应,γ2和γ3为控制DCG影响后UP和AFD对LCAR的直接效应。在上述模型中,过度关注中介效应(也即间接效应)为系数β1、γ2的乘积,异质信念中介效应为系数ρ1、γ3的乘积,其与总效应和直接效应的关系为下式:

α=γ1+β1γ2+ρ1γ3

(9)

(四)描述性统计

表1报告了描述性统计结果,其中对被解释变量LCAR做了均值为0的单变量t检验,结果显示,LCAR60、LCAR120、LCAR180和LCAR240均在1%水平上显著小于0,并且随着时间的推移,累计异常收益率的均值越来越小(绝对值越来越大),表明样本新股长期弱势现象随着上市时间的增加日益显现,另外,因为创业板实施不久,新上市企业上市时间不同,因此四个区间累计异常收益率的观测值不同。平均IPO抑价率为185.8%,表明新股普遍受到过度关注。本文构造的分析师预测意见分歧指标的均值为0.21,表明新股上市后投资者的异质信念较大。

表1 描述性统计

五、实证分析

(一)基准回归

表2报告了企业数字化水平对IPO长期表现的基准回归结果。结果显示,企业数字化的相关系数均为正数,且当长期收益的计算区间为60、120、180和240日时显著不等于0,表明企业数字化对IPO长期表现有显著的正向影响,有助于缓解IPO长期弱势现象。

表2 基准回归结果

(二)异质性分析

在第一部分检验中,本文基于全样本视角考察了企业数字化对IPO长期表现的影响。但值得注意的是,在不同企业属性差异下,企业数字化传递至IPO长期表现可能存在非对称效果,对这类情况的探讨有助于形成差异化的政策导向。为了进一步探究企业数字化对不同上市企业IPO长期表现的影响程度,下面从企业是否是民营企业、高管持股比例和融资约束三个角度进行异质性分析。

1.基于上市企业是否民营企业的分样本检验。表3汇报了企业产权属性的分样本检验结果。如表中结果所示,相较于国有企业,企业数字化对民营企业的IPO长期表现有显著的正向影响,列(1)～(4)中民营企业的DCG回归系数均为正,且通过了统计显著性检验;列(5)～(8)中国有企业DCG回归系数均与0没有显著性差异。

表3 是否民营企业的分样本检验

本文认为合理的解释可能是,在上市过程中,国有企业可以看作拥有政府的背书,因此相较于民营企业信息不对称程度较低。企业数字化在一定程度上降低了民营企业与市场的信息不对称程度,缓解了IPO抑价现象,从而减少了市场的过度关注行为;与此同时,企业数字化也缓解了投资者对于民营企业的异质信念,因此企业数字化显著提高了民营企业的IPO长期表现。

2.基于上市企业高管持股比例的分样本检验。本文依据样本企业内部高管持股比例的中位数,将大于该中位数的企业划分为高管持股比例高的企业,否则为持股比例低的企业,以此研究不同高管持股比例下数字化程度对IPO长期表现的影响。表4汇报了企业高管持股比例的分样本检验结果。如结果所示,企业数字化对高管持股比例高的企业的IPO长期表现有显著的正向影响,列(1)～(4)中民营企业的DCG回归系数均为正,且通过了统计显著性检验;列(5)～(8)中国有企业DCG回归系数均与0没有显著性差异。

表4 高管持股比例的分样本检验

表5 融资约束的分样本检验

在IPO过程中,持股比例较高的高管有更大的动机尽可能多地为企业融资,因此他们会尽可能地利用相关的数字技术降低与市场的信息不对称程度从而提高发行价格,在一定程度上降低了市场的过度关注行为,从而提升了企业的IPO长期表现。另一方面,在上市之后高管持股比例更高的企业有更强的动机维护企业股价的稳定性,因此会更好地利用数字技术降低资本市场与企业之间的信息不对称性,通过降低异质信念提升了IPO长期表现。

3.基于上市企业融资约束的分样本检验。融资约束常用的测度有KZ指数,WW指数和SA指数。鞠晓生等认为SA指数的计算方法不含杠杆率、现金流等变量,能够避免与本文使用的控制变量可能存在的内生性问题[38]。因此,本文采用SA指数对企业融资约束进行度量,计算公式如下:

(10)

其中,Size是企业总资产(单位为百万元)的自然对数,Age是企业年龄。计算得到的SA指数均为负数,绝对值越大代表融资约束越强,因此本文使用SA指数的绝对值。

本文依据样本企业融资约束的中位数,将大于该中位数的企业划分为融资约束强的企业,否则为融资约束较为宽松的企业,以此研究不同融资约束下数字化程度对IPO长期表现的影响。表5汇报了融资约束的分样本检验结果。如结果所示,企业数字化对融资约束高的企业的IPO长期表现有显著的正向影响,列(1)～(4)中民营企业的DCG回归系数均为正,且通过了统计显著性检验;而列(5)～(8)中国有企业DCG回归系数均与0没有显著性差异。

这主要是由于融资约束强的企业对IPO的成功发行更加重视,可能会为了IPO的成功刻意抑价,而企业的数字化通过降低企业与资本市场的信息不对称性提高了发行成功率,从而更大程度缓解企业IPO抑价率,减少了资本市场的过度关注行为,继而提升了企业IPO长期表现。

六、机制检验

基准回归仅就“企业数字化—IPO长期表现”进行了整体刻画,尚未对具体的机制进行说明,下面从“过度关注”和“异质信念”机制两个渠道出发进行识别检验,基于一元并行多重中介模型对企业数字化影响IPO长期表现的不同渠道进行分析。同时,为了避免样本非正态分布的问题,本文参考温忠麟和叶宝娟提出的Bootstrap方法,对一元并行多重中介效应进行分析[39]。

表6～13分别汇报了企业数字化对不同时间区间IPO长期表现的一元并行多重中介效应的分析结果,以及相应的Bootstrap检验结果。其中,表6、表7汇报的是LCAR60的检验结果;表8、表9汇报的是LCAR120的检验结果;表10、表11汇报的是LCAR180的检验结果;表12、表13汇报的是LCAR240的检验结果。

表6 LCAR60一元并行多重中介效应分析(N=557)

表7 LCAR60一元并行多重中介效应的Bootstrap检验结果

表8 LCAR120一元并行多重中介效应分析(N=469)

表9 LCAR120一元并行多重中介效应的Bootstrap检验结果

表10 LCAR180一元并行多重中介效应分析(N=370)

表11 LCAR180一元并行多重中介效应的Bootstrap检验结果

表12 LCAR240一元并行多重中介效应分析(N=283)

表13 LCAR240一元并行多重中介效应的Bootstrap检验结果

基于分析结果本文进行以下三方面分析。第一,个别中介效应分析。首先分析过度关注机制,表6中回归(1)显示企业数字化对IPO抑价率影响的相关系数为-8.087,并且在5%水平上显著,回归(3)中IPO抑价率对IPO长期表现影响的系数为-0.012,并且在5%水平上显著,结合表7(LCAR60)过度关注间接效应(0.103)Bootstrap检验的95%置信区间为正,可以认为企业数字化通过降低上市初期市场投资者对企业的过度关注行为,进而改善了IPO长期表现。类似地,表8和表9的结果显示在LCAR120这一区间过度关注间接效应(0.408)依然显著。然而,表10～13结果显示,拉长区间至LCAR180(表10、表11)和LCAR240(表12、表13)时,过度关注机制无法通过Bootstrap检验。本文认为一种可能的解释是,上市初期IPO抑价率引起的过度关注行为所导致的股价异象随着交易时间的增加和经营信息的不断释放已在一年左右得到了修复,因此当关注LCAR180和LCAR240时,企业数字化的过度关注机制便已失效。

与此同时,结合表6～13中对于LCAR60(表6、表7)、LCAR120(表8、表9)、LCAR180(表10、表11)、LCAR240(表12、表13)的异质信念机制检验结果,可以发现,即使拉长时间区间,异质信念机制也都通过了显著性检验,表6(LCAR60)、表8(LCAR 120)、表10(LCAR180)、表12(LCAR240)中回归(2)企业数字化对异质信念的相关系数均显著为负;回归(3)异质信念对IPO长期表现的相关系数均显著为负,表7(LCAR60)、表9(LCAR120)、表11(LCAR180)、表13(LCAR 240)中异质信念间接效应Bootstrap检验的95%置信区间均为正。

第二,总体中介效应分析。表7(LCAR60)和表9(LCAR120)结果显示,过度关注机制和异质信念机制中介效应均在5%水平上显著为正。这说明在企业上市后中长期时间内,企业数字化通过降低市场的过度关注行为和缓解市场中的意见分歧两个渠道对改善IPO长期表现产生了积极作用。进一步观察表7(LCAR60)和表9(LCAR120)发现,企业数字化影响IPO长期表现的直接效应均未通过Bootstrap显著性检验(置信区间含0值)。这说明在剔除过度关注和异质信念机制的中介效应后,企业数字化水平提高不会直接改善IPO长期表现。本文提出的过度关注机制和异质信念机制是企业数字化改善IPO长期表现的重要机制,剔除这两种中介效应之后,企业数字化对IPO长期表现的直接效应反而不明显。

第三,个别中介效应比较。表7的结果显示,企业数字化经由过度关注机制和异质信念机制对IPO长期表现产生的中介效应分别为0.103和0.327,在总体中介效应中分别占比24%和76%;表9对于LCAR120的检验结果显示,二者(0.408和0.702)在总体中介效应中分别占比37%和63%。可以认为上市后中长期内过度关注机制和异质信念机制都是重要的影响机制。表11(LCAR180)和表13(LCAR240)结果显示,过度关注机制无法通过Bootstrap显著性检验,而异质信念机制依然显著。本文认为随着上市时间的增加,企业数字化通过缓解市场内意见分歧进而改善IPO长期表现是主要的影响机制。

从机制检验的结果来看,数字化一方面通过缓解过度关注行为对IPO长期表现产生影响;另一方面通过减小市场对于企业的意见分歧产生影响,本文认为,在现实中两个路径是同时存在的。

七、稳健性检验

(一)替换数字化指标

本文通过文本分析技术使用招股说明书中企业数字化关键词词频作为衡量企业数字化水平的核心解释变量,虽然该指标是目前学界较为主流的刻画企业数字化水平的指标,但考虑到该指标存在一定的争议,为了使本文的结论更加严谨,使用国泰安数据库公布的企业数字化转型指标(5)来自国泰安中国上市公司数字化转型研究数据库。进行稳健性检验。该指标从企业的战略引领、技术驱动、组织赋能,企业数字化成果及应用,中观层面的环境支撑六个维度刻画了企业的数字化水平,并且不同维度的多级指标均设置了不同的权重。表14汇报了稳健性检验结果,在替换数字化指标后,结论依然保持一致。

表14 替换数字化指标

(二)控制所属板块固定效应

虽然科创板和创业板的上市规模、上市条件等属性均较为相似,但为了使结果更加稳健,本文进一步控制了所属板块固定效应。表15中结果显示,企业数字化对IPO长期表现(LCAR60、LCAR120、LCAR180和LCAR240)的影响均显著为正,与本文主要结论一致。

表15 控制所属板块固定效应

(三)采用BHAR法计算长期收益

本文采用购买并持有异常收益率(BHAR)法计算长期收益,替代文中LCAR进行稳健性检验,计算公式如下:

(11)

选择与文中相同的时间区间[31,90]、[31,150]、[31,210]和[31,270]计算得到的BHAR均值全部显著为负,表明购买并持有异常收益率呈现出和累计异常收益率一致的长期弱势。在此基础上,同样使用一元多重中介模型检验了基准回归结果和过度关注以及异质信念影响机制,结果与本文的主要结论一致。

八、结论与建议

本文以2019—2022年在创业板和科创板上市的672家企业为样本,并创新性地运用招股说明书中数字化关键词来刻画不同企业的数字化程度,检验了企业数字化水平对IPO长期表现的影响,并基于过度关注和异质信念两个机制深入探究其中原因。研究发现,企业数字化可以显著改善企业的IPO长期弱势现象,一方面,从过度关注路径出发,本研究发现数字化可以缓解企业的IPO抑价率从而减少了炒新投资者对于企业的过度关注行为,减少了股价在上市初期的超买行为,继而长期表现更好;另一方面,从异质信念路径出发,企业数字化向资本市场传递出更多结构化、标准化的信息,便于被投资者识别,减少了投资者对于上市企业的意见分歧,上市初期股价向上偏离得到改善,IPO长期表现更为良好。两个机制都说明了企业数字化可以通过缓解信息不对称改善企业长期IPO表现。更进一步,本文从是否民营企业、高管持股比例两方面设计了异质性检验,结果表明企业数字化可以显著改善民营企业和高管持股比例较高的企业的IPO长期表现。

根据本文的研究结论,就如何提升资本市场资源配置效率提出如下建议:第一,大力推进企业数字化,改善企业IPO长期表现,降低企业为信息不对称付出的IPO成本。中国应主动顺应新兴数字技术高速发展的浪潮,把握企业数字化转型机遇,鼓励数字技术与企业生产经营的深度融合,帮助企业实现高质量发展的同时提升企业向资本市场的信息传递效率和质量。借助企业数字化转型,强化发行企业信息披露的标准化和结构化,降低其他市场参与主体识别企业的信息成本,提升资本市场与实体经济发展的接洽度。第二,缓解新股市场供需失衡,培育投资者价值投资理念。供需失衡是吸引二级市场投资者参与“炒新”的一个重要因素,缓解新股供需失衡问题可以在一定程度上抑制过度关注行为,进而改善IPO长期表现。从供给端来看,随着注册制的全面实行,先前IPO严格的核准制被打破,新股的供给速度加快。从需求端看,打破投资者内心的“新股不败”神话,淡化“炒新”氛围至关重要。缓解供需失衡的同时需要增强投资者教育,一方面,价值投资理念有助于缓解非理性投资者对于新股的过度关注行为;另一方面,随着投资者日渐成熟,将在一定程度上减小市场中不同投资者的异质信念。随着新股供需更加平衡和投资者理念的成熟,IPO长期表现将得到改善。