軍民融合政策對(duì)軍工上市公司長(zhǎng)期股價(jià)的影響

余冬平， 沈蘭鳳

(中央財(cái)經(jīng)大學(xué) 財(cái)經(jīng)研究院， 北京 100081)

軍民融合是國(guó)家統(tǒng)籌經(jīng)濟(jì)建設(shè)與國(guó)防建設(shè)的重大戰(zhàn)略，黨的十七大、十八大、十九大報(bào)告相繼對(duì)軍民融合式發(fā)展作了戰(zhàn)略部署。習(xí)近平也曾指出：“進(jìn)一步做好軍民融合式發(fā)展這篇大文章，堅(jiān)持需求牽引、國(guó)家主導(dǎo)，努力形成基礎(chǔ)設(shè)施和重要領(lǐng)域軍民深度融合的發(fā)展格局。”[1]在此背景下，為打破軍民二元分離現(xiàn)狀，最終形成全要素、多領(lǐng)域和高效率的軍民融合發(fā)展格局，中國(guó)國(guó)家相關(guān)部門相繼出臺(tái)了一系列與軍民融合相關(guān)的政策法規(guī)。目前具有中國(guó)特色的軍民融合發(fā)展政策制度體系已初具規(guī)模，為推動(dòng)各領(lǐng)域軍民融合發(fā)展提供了良好的政策環(huán)境支撐。

中國(guó)學(xué)者對(duì)軍民融合政策的相關(guān)研究主要集中于定性和定量?jī)蓚€(gè)層面。在定性層面，有學(xué)者側(cè)重對(duì)軍民融合政策的現(xiàn)狀和存在問題的進(jìn)行研究[2-6]，也有學(xué)者將政策工具的理論應(yīng)用于軍民融合政策的相關(guān)研究中[7]，還有學(xué)者側(cè)重對(duì)軍民融合的文本內(nèi)容進(jìn)行分析[8-9]。在定量層面，相關(guān)學(xué)者頗具創(chuàng)新地將PMC指數(shù)模型與AE技術(shù)相結(jié)合，構(gòu)建了二級(jí)指標(biāo)對(duì)10項(xiàng)軍民融合政策進(jìn)行定量評(píng)價(jià)[10]。

綜上來看，中國(guó)學(xué)者對(duì)軍民融合政策的研究多集中于定性層面，而對(duì)軍民融合政策定量層面的研究相對(duì)較少。筆者擬從定量層面著手，將宏觀層面的軍民融合政策與微觀層面的軍工上市公司建立聯(lián)系，并從十一大軍工集團(tuán)旗下的86家軍工上市公司長(zhǎng)期股價(jià)異常收益這一視角對(duì)軍民融合政策的效果進(jìn)行評(píng)估。對(duì)軍民融合相關(guān)政策進(jìn)行評(píng)價(jià)是軍民融合政策科學(xué)有效實(shí)施的前提和保證，也為中國(guó)軍民融合政策調(diào)整和優(yōu)化方向的確定提供了良好支撐，具有重大的理論和實(shí)踐意義[10]：一方面，有助于從體制改革和制度創(chuàng)新等方面為推動(dòng)軍民融合深度發(fā)展尋求治理之策，從而為中國(guó)繼續(xù)深化實(shí)施軍民融合發(fā)展戰(zhàn)略提供優(yōu)化方向指導(dǎo)；另一方面，對(duì)軍民融合深度發(fā)展時(shí)期頒布的政策進(jìn)行評(píng)估，有助于豐富軍民融合政策定量研究理論文獻(xiàn)庫，助力實(shí)現(xiàn)“拆壁壘、破堅(jiān)冰、去門檻”的戰(zhàn)略目的。

一、軍民融合政策梳理與選取

自2013年以來，習(xí)近平指出：“要統(tǒng)籌經(jīng)濟(jì)建設(shè)和國(guó)防建設(shè)，努力實(shí)現(xiàn)富國(guó)和強(qiáng)軍的統(tǒng)一，進(jìn)一步做好軍民融合式發(fā)展這篇大文章?！盵1]此后，為了促進(jìn)軍民融合發(fā)展，政府相關(guān)部門紛紛頒布了一系列政策文件。表1是2013年以后頒布的與軍民融合相關(guān)的政策法規(guī)，選自國(guó)務(wù)院、國(guó)防部、國(guó)家國(guó)防科技工業(yè)局(以下簡(jiǎn)稱“國(guó)防科工局”)、工業(yè)和信息化部等國(guó)家有關(guān)部門以及北大法寶數(shù)據(jù)庫等。

由于軍民融合政策法規(guī)數(shù)量眾多，為保證政策選取的準(zhǔn)確性和代表性，按照以下原則對(duì)政策進(jìn)行了整理和篩選：一是選取2013年以后頒布的軍民融合政策。因2013年以前頒布的軍民融合政策數(shù)量相對(duì)較少，故選取2013年以后頒布的軍民融合政策作為政策樣本。二是選取發(fā)文單位為國(guó)務(wù)院、全國(guó)人民代表大會(huì)、工業(yè)和信息化部以及各部委級(jí)別的軍民融合政策?？紤]到各省(自治區(qū)、直轄市)頒布的軍民融合政策是上述級(jí)別軍民融合政策的補(bǔ)充，因而筆者不將其納入考慮范圍。三是選取直接與軍民融合密切相關(guān)的政策文件。四是選取意見、計(jì)劃、規(guī)劃、思路、方案和綱要等政策文件類型。據(jù)此，筆者最終選取了24份有效政策樣本，如表1所示。

表1 2013—2018年國(guó)家層面的軍民融合政策

續(xù)表

二、研究設(shè)計(jì)

相關(guān)研究結(jié)果顯示，公司在特定的事件發(fā)生后，在很長(zhǎng)一段時(shí)間內(nèi)會(huì)獲得異常收益[11-13]。為了探究軍民融合政策的頒布對(duì)軍工上市公司長(zhǎng)期股價(jià)是否會(huì)帶來顯著影響，基于長(zhǎng)期事件分析法的購買并持有法，筆者構(gòu)建了基準(zhǔn)投資組合以控制或消除新上市偏差和再平衡偏差，并通過自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值來消除偏度偏差。

(一)長(zhǎng)期事件分析法的爭(zhēng)論與選取

1. 長(zhǎng)期事件分析法的爭(zhēng)論

在相關(guān)金融文獻(xiàn)中，主要采用兩種方法來測(cè)量長(zhǎng)期異常收益率，即日歷時(shí)間投資組合法和購買并持有法，但究竟哪種方法是長(zhǎng)期事件分析的最佳方法，一直存在爭(zhēng)議。

Lyon等通過模擬研究后認(rèn)為，購買并持有法是衡量投資者長(zhǎng)期經(jīng)驗(yàn)的更好方法，應(yīng)該用于長(zhǎng)期事件分析中[11]。同時(shí)，Cowan和Sergeant在其模擬中重點(diǎn)研究了購買并持有基準(zhǔn)法，發(fā)現(xiàn)用基準(zhǔn)投資組合法不能克服Lyon等所討論的偏斜度偏差，且樣本量越大，偏斜度偏差越小[14]。Mitchell和Stafford認(rèn)為，日歷時(shí)間投資組合法是衡量長(zhǎng)期異常收益的首選[15]。

當(dāng)然，還有一些學(xué)者對(duì)這兩種異常收益率的衡量方法提出了質(zhì)疑。Brav和Gompers認(rèn)為，購買并持有法中樣本觀察中的橫截面依賴性在一些抽樣情況下，可能會(huì)導(dǎo)致測(cè)試中指定的統(tǒng)計(jì)數(shù)據(jù)不準(zhǔn)確[16]。Lyon等認(rèn)為，日歷時(shí)間投資組合法雖消除了樣本公司之間的橫向依賴問題，但與購買并持有異常收益不同，異常收益測(cè)度不能精確地衡量投資者經(jīng)驗(yàn)[11]。

2. 長(zhǎng)期事件分析法的選取

Lyon等以及Cowan和Sergeant等認(rèn)為，購買并持有異常收益率(BHAR)是適當(dāng)?shù)墓烙?jì)量，因?yàn)樗熬_地衡量了投資者的經(jīng)驗(yàn)”[11，14]。因此，筆者使用購買并持有法來研究軍民融合深度發(fā)展時(shí)期頒布的政策對(duì)十一大軍工集團(tuán)旗下的86家軍工上市公司的長(zhǎng)期異常收益率的影響。BHAR的計(jì)算公式為

(1)

式中：Rit為公司i在t時(shí)期的長(zhǎng)期購買并持有收益；Rbenchmark,t為公司i在t時(shí)期的特定基準(zhǔn)的長(zhǎng)期收益；τ為考察的時(shí)間區(qū)間。

(2)

式中：wig為公司i的權(quán)重；N為樣本公司的數(shù)量。

(二)數(shù)據(jù)來源和基準(zhǔn)投資組合的構(gòu)建

1. 數(shù)據(jù)來源

數(shù)據(jù)來源于國(guó)泰君安數(shù)據(jù)庫，該數(shù)據(jù)庫提供了2012年1月— 2020年12月所有A股上市公司個(gè)股月度收益率和流通市值、總市值和賬面市值比的可用數(shù)據(jù)。其中，總市值代表公司總體規(guī)模的大小，計(jì)算方式為股票價(jià)格×發(fā)行總股數(shù)；流通市值為當(dāng)前股價(jià)×實(shí)際可流通股本；賬面市值比為公司所有者權(quán)益總額/公司市值，同時(shí)也是市凈率的倒數(shù)。

2. 樣本公司的選取標(biāo)準(zhǔn)

通過Wind數(shù)據(jù)庫查找十一大軍工集團(tuán)旗下的軍工上市公司共計(jì)89家，剔除*ST集成、*ST嘉陵和*ST天雁3家ST公司，最后剩下86家軍工上市公司。選取這86家軍工上市公司主要基于以下原因：第一，十一大軍工集團(tuán)旗下的軍工上市公司主要是在深圳證券交易所和上海證券交易所上市，上市時(shí)已經(jīng)規(guī)定了公司的規(guī)模，可以有效剔除公司規(guī)模等方面的異質(zhì)性對(duì)公司股票價(jià)格變動(dòng)的影響；第二，選取的86家軍工上市公司涵蓋了軍工行業(yè)的航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，具有較好的代表性；第三，十一大軍工集團(tuán)旗下的軍工上市公司都是國(guó)有企業(yè)，更容易受到國(guó)家宏觀政策的影響。

3. 基準(zhǔn)投資組合的構(gòu)建

Lyon等以及Kothari 和 Warner研究表明，用于檢驗(yàn)股票長(zhǎng)期異常收益率的方法會(huì)產(chǎn)生錯(cuò)誤指定的嚴(yán)重后果。同時(shí)，還強(qiáng)調(diào)了造成這種錯(cuò)誤指定的三種 來源，即新上市偏差、再平衡偏差和偏度偏差。新上市偏差會(huì)在測(cè)試統(tǒng)計(jì)中產(chǎn)生正的偏差，而再平衡偏差和偏度偏差會(huì)產(chǎn)生負(fù)的偏差[11，17]。因此，在運(yùn)用長(zhǎng)期事件分析法計(jì)算軍民融合深度發(fā)展政策的頒布對(duì)軍工上市公司長(zhǎng)期異常收益率的過程中，為控制以上三種偏差源可能會(huì)對(duì)軍工上市公司長(zhǎng)期異常收益率產(chǎn)生的錯(cuò)誤指定的嚴(yán)重后果，需要構(gòu)建基準(zhǔn)投資組合來控制或消除新上市偏差和再平衡偏差，同時(shí)，還需要通過自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值來控制或消除偏度偏差。

根據(jù)Mitchell和Stafford[15]的研究，為避免相鄰政策的相互影響，對(duì)每個(gè)樣本公司兩年內(nèi)只取第一次事件。長(zhǎng)期事件分析法分析的一個(gè)關(guān)鍵是通過構(gòu)建基準(zhǔn)投資組合，從而控制或消除新上市偏差和再平衡偏差。因此，在基于長(zhǎng)期事件分析法來衡量軍民融合深度發(fā)展政策對(duì)軍工上市企業(yè)股價(jià)的長(zhǎng)期異常收益率的過程中，需要構(gòu)建基準(zhǔn)投資組合。基準(zhǔn)投資組合是筆者根據(jù)2012—2019年 A股 所有上市公司的規(guī)模和賬面市值比構(gòu)成的，具體分為以下步驟：

首先，把t-1年7月至t年6月看作是一個(gè)完整日歷年。在t-1年6月末把A股所有上市公司(包括86家軍工上市公司)按照市值大小劃分為5個(gè) 投資組合；接著，在t-1年12月末將所有A股上市公司按照賬面市值比的大小劃分為5個(gè)投資組合，并將這5個(gè)投資組合置于t-1年 6月末按照市值大小劃分的5個(gè)投資組合中。于是，在每個(gè)日歷月都有了基于市值和賬面市值比劃分的25個(gè)投資組合。

每個(gè)日歷月，86家軍工上市公司的市值和賬面市值比匹配的基準(zhǔn)投資組合被認(rèn)為是在事件月之前構(gòu)建的25個(gè)基準(zhǔn)投資組合中的一個(gè)，這些基準(zhǔn)投資組合在市值和賬面市值比上與事件公司匹配。市值與賬面市值比匹配的基準(zhǔn)投資組合在t個(gè)月內(nèi)的收益為

(3)

式中：BRi為對(duì)照組持有收益率；t=0為事件月；nt為t月的公司數(shù)量；rjt為j公司在t月的月收益；τ-1為考察的時(shí)間區(qū)間。

在計(jì)算單個(gè)公司的BHAR時(shí)，強(qiáng)加兩個(gè)確保所有BHAR代表真實(shí)的兩年購買并持有收益的條件。首先，由于退市并非所有軍工上市公司在事件結(jié)束后都有完整的兩年有效收益數(shù)據(jù)，因此，需要使用基準(zhǔn)投資組合收益來填充缺失的樣本公司收益。其次，在形成基準(zhǔn)投資組合時(shí)不會(huì)進(jìn)行再平衡，因此，每個(gè)BHAR都是真實(shí)的。這意味著每個(gè)日歷月計(jì)算的是25個(gè)市值和賬面市值比組合中每個(gè)組合的兩年收益。

(三)統(tǒng)計(jì)檢驗(yàn)與模擬方法

通常，小公司和高賬面市值比公司的普通股易獲得高收益率。因而，筆者根據(jù)公司市值和賬面市值比來選擇投資組合或控制公司。但是，在某些抽樣情況下，只使用基于公司市值和賬面市值比的基準(zhǔn)投資組合或控制公司僅僅控制或消除新上市偏差和再平衡偏差。由于BHAR計(jì)算方法本身帶來的偏度偏差并沒有得到解決，所以就易產(chǎn)生錯(cuò)誤指定的嚴(yán)重后果。因此，為了防止長(zhǎng)期事件分析中出現(xiàn)錯(cuò)誤指定的情況，筆者引入兩種常見的消除和控制偏度偏差的統(tǒng)計(jì)方法。

1. 自助法偏度調(diào)整后的T統(tǒng)計(jì)量

Lyon等的研究發(fā)現(xiàn)，長(zhǎng)期購買并持有的異常收益是正偏態(tài)的，這種正偏態(tài)會(huì)導(dǎo)致負(fù)偏態(tài)T統(tǒng) 計(jì)量，且在大規(guī)模的模擬研究中，基于自助法偏度調(diào)整后的T統(tǒng)計(jì)量的測(cè)試在測(cè)試1年異常收益方面比傳統(tǒng)T統(tǒng)計(jì)量測(cè)試更有效[11]。

使用構(gòu)建的基準(zhǔn)投資組合或購買并持有基準(zhǔn)投資組合計(jì)算出的異常收益控制或消除了新上市偏差和再平衡偏差，這可追溯至Lyon等[11]的相關(guān)研究中，但未能控制或消除購買并持有法計(jì)算過程中的偏度偏差。因此，為了控制或消除使用購買并持有基準(zhǔn)投資組合計(jì)算長(zhǎng)期異常收益時(shí)的偏度偏差，提倡使用自助法偏度調(diào)整后的T統(tǒng)計(jì)量，公式為

(4)

(5)

(6)

2. 經(jīng)驗(yàn)p值

用來評(píng)估長(zhǎng)期異常股票收益顯著性的最后一種方法是Brock等[18]、Ikenberry等[19]、Ikenberry等[20]、Lee[21]以及Rau和Vermaelen[22]使用的方法，在該方法得到了零假設(shè)下股票長(zhǎng)期異常收益的經(jīng)驗(yàn)分布。具體來說，對(duì)于每個(gè)有事件月t的軍工上市公司，隨機(jī)選擇替換一個(gè)在事件月t中具有相同市值的賬面市值比的A股上市公司。這一過程一直持續(xù)至原始軍工上市公司中的每個(gè)公司在這個(gè)偽投資組合中由一家控制公司代表。該投資組合為每個(gè)軍工上市公司包含一個(gè)隨機(jī)抽取的公司，并在時(shí)間上具有相似的規(guī)模和按市值計(jì)價(jià)的特征。在形成1個(gè) 單獨(dú)的偽現(xiàn)金組合后，使用購買并持有的規(guī)模/賬面市值比基準(zhǔn)投資組合來評(píng)估長(zhǎng)期業(yè)績(jī)，恰如對(duì)原始樣本所做的那樣。形成單個(gè)偽投資組合后，使用與原始樣本相同的購入并持有規(guī)模/賬面市價(jià)基準(zhǔn)投資組合來估算長(zhǎng)期表現(xiàn)，這就產(chǎn)生了一種異常表現(xiàn)的觀察結(jié)果。這種異常表現(xiàn)是通過隨機(jī)形成1個(gè)與原始樣本市值和賬面市值比特征相同的投資組合而獲得的。整個(gè)過程重復(fù)進(jìn)行，直至得到1 000個(gè) 偽現(xiàn)金流，因此也得到了1 000個(gè)平均異常收益觀測(cè)值。這些觀測(cè)值被用來近似表示長(zhǎng)期平均異常收益的經(jīng)驗(yàn)分布。

三、實(shí)證結(jié)果分析

(一)總體樣本實(shí)證結(jié)果分析

表2為等權(quán)平均組合下86家軍工上市公司長(zhǎng)期平均異常收益，表3為流通市值加權(quán)下86家軍工上市公司長(zhǎng)期平均異常收益。由表2和表3可知：在24個(gè)事件月內(nèi)，86家軍工上市公司的長(zhǎng)期平均異常收益，無論是在等權(quán)平均組合下還是流通市值加權(quán)下，均為正值。且從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值都通過了顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)86家軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表2 等權(quán)平均組合下86家軍工上市公司長(zhǎng)期平均異常收益

表3 流通市值加權(quán)下86家軍工上市公司長(zhǎng)期平均異常收益

圖1為86家軍工上市公司長(zhǎng)期平均異常收益率。由圖1可知：第一，在24個(gè)事件月內(nèi)，86家軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同；第二，86家軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，在第20個(gè)至第22個(gè)事件月都出現(xiàn)了峰值。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)86家軍工上市公司的長(zhǎng)期股份有顯著正向影響，且在政策頒布后的第20個(gè)至第22個(gè)事件月，這種政策效應(yīng)表現(xiàn)得最為明顯。

圖1 86家軍工上市公司長(zhǎng)期平均異常收益率

(二)分樣本實(shí)證結(jié)果分析

為進(jìn)一步探究軍民融合深度發(fā)展政策的頒布對(duì)不同行業(yè)類別軍工上市公司長(zhǎng)期股價(jià)的影響是否存在顯著差異，筆者將86家軍工上市公司劃分為航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，按照長(zhǎng)期事件分析法的相關(guān)步驟，來探究軍民融合深度發(fā)展政策的頒布對(duì)不同行業(yè)類別軍工上市公司長(zhǎng)期股價(jià)的影響。

1. 航空行業(yè)類別軍工上市公司實(shí)證結(jié)果

圖2為航空行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率。由圖2可知：第一，在24個(gè)事件月內(nèi)，航空行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同。第二，在第13個(gè)和第14個(gè)事件月，航空行業(yè)類別軍工上市公司長(zhǎng)期異常收益率出現(xiàn)了第一個(gè)小峰值，隨后又略微下降；在第21個(gè)事件月，又出現(xiàn)了第二個(gè)峰值。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)航空行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響，且在第21個(gè)事件月前后這種政策效應(yīng)表現(xiàn)得最為明顯。

圖2 航空行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表4為航空行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益。由表4可知：在24個(gè)事件月內(nèi)，航空行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益，無論是在等權(quán)平均組合下還是流通市值加權(quán)下，均為正值，且從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值在大多數(shù)事件月內(nèi)都通過了顯著性檢驗(yàn)，表明軍民融合深度發(fā)展政策的頒布對(duì)航空行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表4 航空行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

2. 兵器行業(yè)類別軍工上市公司實(shí)證結(jié)果

圖3為兵器行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率。由圖3可知：第一，在24個(gè)事件月內(nèi)，兵器行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同，但流通市值加權(quán)下的長(zhǎng)期異常收益率略微高于等權(quán)平均下的長(zhǎng)期平均異常收益率。第二，在第14個(gè)事件月，兵器行業(yè)類別軍工上市的長(zhǎng)期平均異常收益率出現(xiàn)了第一個(gè)小峰值，隨后又急劇下降；在第21個(gè)事件月，則出現(xiàn)了第二個(gè)峰值，同時(shí)也是24個(gè)事件月內(nèi)的最大值。由此表明，軍民融合深度發(fā)展政策在頒布后的第21個(gè) 事件月對(duì)兵器行業(yè)類別軍工上市公司的股價(jià)影響最大。

圖3 兵器行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表5為兵器行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益。由表5可知：在24個(gè)事件月內(nèi)，兵器行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值。除第5個(gè) 、第9個(gè)和第24個(gè)事件月外，兵器行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益都通過了顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)兵器行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表5 兵器行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

3.航天行業(yè)類別軍工上市公司實(shí)證結(jié)果

圖4為航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率。由圖4可知：第一，在24個(gè)事件月內(nèi)，航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同，但流通市值加權(quán)下的長(zhǎng)期異常收益率略微高于等權(quán)平均下的長(zhǎng)期平均異常收益率。第二，在24個(gè)事件月內(nèi)，航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率的變化可以分為兩個(gè)階段：第一個(gè)階段(前21個(gè)事件月內(nèi))，航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率大體呈現(xiàn)波折上升趨勢(shì)，且在第21個(gè)事件月達(dá)到峰值；第二個(gè) 階段(第22個(gè)至第24個(gè)事件月)，航天行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率呈現(xiàn)下降趨勢(shì)。由此表明，軍民融合深度發(fā)展政策的頒布在第21個(gè)事件月對(duì)航天行業(yè)類別軍工上市公司的股價(jià)影響最為顯著。

圖4 航天行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表6為航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益。由表6可知：第一，在24個(gè)事件月內(nèi)，航天行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；第二，從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值在大多數(shù)事件月內(nèi)都通過了顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)航天行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表6 航天行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

4. 電子行業(yè)類別軍工上市公司實(shí)證結(jié)果

圖5為電子行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率。由圖5可知：第一，在24個(gè)事件月內(nèi)，電子行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值，且二者走向趨同；第二，在前19個(gè)事件月內(nèi)軍工上市公司的長(zhǎng)期平均異常收益率大體呈現(xiàn)波折上升趨勢(shì)，而在第20個(gè)事件月出現(xiàn)下降，在第21個(gè)事件月又重回更大峰值。

圖5 電子行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表7為電子行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益。由表7可知：第一，在24個(gè)事件月內(nèi)，電子行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；第二，從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值在24個(gè)事件月內(nèi)都通過了顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)電子行業(yè)類別的軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表7 電子行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

5. 核工行業(yè)類別軍工上市公司的實(shí)證結(jié)果

圖6為是核工行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率。由圖6可知：第一，在24個(gè)事件月內(nèi)，核工行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，在等權(quán)平均和流通市值加權(quán)下的走向趨同，但等權(quán)平均下的收益率略微高于流通市值加權(quán)下的收益率；第二，在前21個(gè)事件月內(nèi)，核工行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，在等權(quán)平均和流通市值加權(quán)下都呈現(xiàn)波折上升趨勢(shì)，且在第21個(gè)事件月都達(dá)到峰值，隨后又都呈現(xiàn)下降趨勢(shì)。

圖6 核工行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表8為核工行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益。由表8可知：除第3個(gè)和第4個(gè)事件月外，核工行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值。但從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值在大多數(shù)事件月內(nèi)都沒有通過顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)核工行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)沒有顯著正向影響。

表8 核工行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

筆者認(rèn)為，出現(xiàn)這種現(xiàn)象的原因主要在于，核工行業(yè)是典型的軍民融合產(chǎn)業(yè)，核工業(yè)技術(shù)具有軍民兩用特點(diǎn)。當(dāng)前，中國(guó)核工行業(yè)的軍用和民用都處于快速發(fā)展時(shí)期，一批軍用技術(shù)取得了重要成果，大量民用技術(shù)也已達(dá)到世界先進(jìn)水平。這些技術(shù)很大一部分都可以軍民兩用，或者具有軍民兩用的潛力。在軍民融合大背景推動(dòng)下，核工行業(yè)軍工上市公司占用了大量民用核工業(yè)技術(shù)，使核工行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)不受政策頒布的顯著影響。

6. 船舶行業(yè)類別軍工上市公司實(shí)證結(jié)果

圖7為船舶行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率。由圖7可知：在前21個(gè)事件月內(nèi)，船舶行業(yè)類別軍工上市公司的長(zhǎng)期平均異常收益率，無論是在等權(quán)平均下還是流通市值加權(quán)下，都呈現(xiàn)波折上升趨勢(shì)，且在第21個(gè)事件月出現(xiàn)了最大值，隨后則呈現(xiàn)急劇下降趨勢(shì)。

圖7 船舶行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益率

表9為船舶行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益。由表9可知：在24個(gè)事件月內(nèi)，船舶行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益，無論是在等權(quán)平均下還是流通市值加權(quán)下，均為正值；但從結(jié)果來看，傳統(tǒng)T統(tǒng)計(jì)量、自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值在大多數(shù)的事件月內(nèi)都通過了顯著性檢驗(yàn)。由此表明，軍民融合深度發(fā)展政策的頒布對(duì)船舶行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

表9 船舶行業(yè)類別軍工上市公司長(zhǎng)期平均異常收益

四、結(jié)論與展望

(一)結(jié)論

筆者基于長(zhǎng)期事件分析法，選取2013—2018年期頒布的24份軍民融合政策為政策樣本，十一大軍工集團(tuán)旗下的86家軍工上市公司為公司樣本，且從軍工上市公司長(zhǎng)期股價(jià)異常收益這一視角對(duì)軍民融合深度發(fā)展政策進(jìn)行定量評(píng)估，并得出如下結(jié)論：

第一，為了推動(dòng)軍民融合深度發(fā)展，切實(shí)打破軍民二元分離的格局，目前具有中國(guó)特色的軍民融合發(fā)展政策制度體系已初具規(guī)模，這為推動(dòng)各領(lǐng)域軍民融合發(fā)展提供了良好的政策制度環(huán)境支撐。但軍民融合政策依然存在著政策多、法規(guī)少，綜合性法規(guī)多、專項(xiàng)性法規(guī)少，單一發(fā)文多、聯(lián)合發(fā)文少等問題。

第二，基于長(zhǎng)期事件分析法，構(gòu)建了25組市值和賬面市值比不同的基準(zhǔn)投資組合以便控制或消除新上市偏差和再平衡偏差，并運(yùn)用了自助法偏度調(diào)整后的T統(tǒng)計(jì)量和經(jīng)驗(yàn)p值來控制或消除偏度偏差。實(shí)證結(jié)果顯示，軍民融合深度發(fā)展政策的頒布對(duì)十一大軍工集團(tuán)旗下的86家軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

第三，為進(jìn)一步探究軍民融合政策的頒布對(duì)不同行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)影響是否存在顯著差異，筆者將86家軍工上市公司分為航空、兵器、航天、電子、核工和船舶六大行業(yè)類別，實(shí)證結(jié)果顯示，軍民融合深度發(fā)展政策的頒布對(duì)軍工上市公司的長(zhǎng)期股價(jià)存在顯著差異。其中，對(duì)核工行業(yè)類別軍工上市公司長(zhǎng)期股價(jià)沒有顯著影響，而對(duì)其他行業(yè)類別軍工上市公司的長(zhǎng)期股價(jià)有顯著正向影響。

(二)展望

在長(zhǎng)期事件分析法的運(yùn)用中，雖然公司市值和賬面市值比在最近的金融經(jīng)濟(jì)學(xué)研究中受到了較大關(guān)注，但Lyon等認(rèn)為，事前回歸表現(xiàn)和產(chǎn)業(yè)集群效應(yīng)同樣會(huì)對(duì)事件公司的長(zhǎng)期異常收益率產(chǎn)生影響[11]。同時(shí)，也有相關(guān)學(xué)者對(duì)購買并持有基準(zhǔn)法持懷疑態(tài)度，認(rèn)為該方法容易受到橫截面相關(guān)性、匹配標(biāo)準(zhǔn)不足、新股發(fā)行、周期性平衡和長(zhǎng)期異常收益偏態(tài)分布相關(guān)偏差等方面影響。鑒于此，未來在進(jìn)一步分析軍民融合深度發(fā)展政策對(duì)軍工上市公司長(zhǎng)期股價(jià)的影響時(shí)，一方面，在構(gòu)建基準(zhǔn)投資組合的同時(shí)，應(yīng)考慮將產(chǎn)業(yè)集群和事前回歸表現(xiàn)等因素納入其中；另一方面，可以嘗試采用新的事件研究方法，如日歷時(shí)間投資組合法，對(duì)事件公司的長(zhǎng)期異常收益開展研究。