产,如厂房、设备、原材料等).此外,企业利用这些非流动资产从事生产,在时期2将会获得矛万元的回报,
其中童满足:
叠=pz+f。
,葶z—lv(o,盯:
).
在时期1,公司有一个新的投资项目,于是公司管理者需决定如何将现有的现金在中期红利发放与新增
项目投资之间进行分配.记7(,y>0)代表投资于新项目的现金比例,1一,y则为公司发放的红利比例.若7>1,表明公司用于新增项目的投资超出了公司在时期0所拥有的现金,此时公司将通过部分外部融资来弥补资金的不足.
设新项目的产出为:
雪=南o^(7)(1+gy).其中,g。
一N(O,q2,)代表产出的波动,k(k>0)为产出参数,大的七值代表高的边际产出,同时也代表企业有好的成长机会;九(.)为产出函数,满足危,(.)>0,^”(.)<0.即新增项目的产出是资金投入量的凹函数,新项目的边际回报依赖于投资资金的来源.如果公司拥有大量的现金并用其中很少的一部分投资于新项目(即7很小,那么边际回报会较高;若公司通过外部融资而投资f:
新项目(即7很大),自f二外部融资成本大于内部融资,因而其边际回报较低,满足优序融资理论的一般特性.后面的实证分析,也验证了这一假设.新增项目的预期产出为kah('y).
新增项目后,公司的总价值为:
V=a(1一,y)+(1一o)比+惫n尼(,y).记:
A=a(1~,y)+(1一n)儿,G=kah(7),则A和G分别代表公司的现有资产和公司的成长性价值,即V=A+G.
记p月、pG分别为公司的现有资产和成长价值,则公司总资产p可分解为现有资产pA和成长价值pG的加权平均(Bernardo等【12】,朱宏泉等[131):
卢=钞+罟pG
(1)
若记股票的不流动性为A,依据Kyle[14]的市场模型,A=1/(2p).将表达式
(1)代入A=1/(2Z)中可
得:
A=V/[2(A卢月+GpG)].
由于公司的现有资产pA和成长价值pG的取值分别与公司的现有资产和成长性价值在总资产中所占比重相关,而现有资产A和成长性价值G在总资产中所占比重又与,y相关.因此,股票的流动性是,y的函数.A关于7的一阶导数为:
由于^,(.)>0,因此,oA/O,),的正负,完全取决于现有资产卢^和成长价值卢G.7越大,表明管理者将公司现有现金中的较大部分(甚至通过外部融资)用于新增项目的投资,因而公司现有资产的不确定性增加、流动性减小、卢A增大;同时,随着投资的增加,公司未来现金流的不确定性增大,导致pG增大.相反,7越小,表明管理者较少地将公司的现金用于新增项目的投资,因而公司现有资产的不确定性减小、流动性增大、卢A减小;同时,公司未来现金流的不确定性也会因投资的减少而降低,带来pG值减小.因此,虽然理论上7值
的改变,会带来萨和pA大小的改变,但公司自身的内在特性和其所在的行业等市场外部环境,也会显著地
影响到pG和pA的取值.朱宏泉等的研究发现:
在中国证券市场中,绝大部分行业的股票其pG显著大于∥A,仅传播与文化产业和建筑业,股票的pG显著小于卢A.即在中国证券市场中,对绝大部分行业的股票,都有oa/07<0.为此,本文的基本假设是:
假设一股票流动性与资产流动性间呈正相关的关系.
由于公司的成长性价值G(=kah(,、/))既与公司的现金a和投资比重,y相关,还与投资的边际产出k相关,有更大成长机会的公司其投资回报更高.因而,对给定的a,管理者会将公司现有现金中的更大部分用于新增项目的投资(即较高的7),此时现有资产的流动性降低,现有资产流动性对股票流动性的正向影响减弱.同时,公司未来现金流的不确定性增大,未来资产对股票流动性的负向影响增强,从而股票流动性变得更差.得出的第二个假设为:
假设二有更大成长机会(大的k值)的公司,资产流动性与股票流动性间的关系更弱.
企业在生产过程中,常常需要持有大量的现金(如Bates等人【15】).究其目的:
一方面,企业为了降低生产成本,会减少库存和应收帐款,从而增大公司未来现金流的不确定性;另一方面,出于偿还债务等因素考虑,公司也会预防性地增加现金储蓄.因而,对那些外部融资越难的公司,其现金持有比例越高、资产的流动性也会越好.同时,公司每增加一个单位现金收入,用于新增项目的投资比重也会减少.因此,如果两家公司拥有相同的成长机会(即相同的k)和资产流动性,A公司外部融资较B公司容易,那么,A公司的投资水平将高于B公司的投资水平.本文的第三个假设是:
假设三外部融资越难的公司,股票流动性与资产流动性间的相关性更强.下面将利用中国证券市场数据来验证这些假设的有效性.
3数据及变量定义
3.1样本选取中国证券市场受政策等外部因素的影响较大,证券价格走势的持续期仅有三个月左右,远低于美国等证
券市场(如Wang[16]).因此,实证分析中以季度为时间单位(若以年为时间单位,结果没有质的差异),以2002年至2009年为时间区间(因从2002年开始,上市公司才对外公布季度财务报告),以A股市场为研究对象.同时考虑到数据的稳定性,选取2006年底之前上市的公司,保证每只股票上市后至少有3年数据.另外,考虑到财务数据的可比性,剔除了金融类上市公司股票,筛选后有效样本共1403只股票.为了避免各变量极端值对结果的潜在影响,将各变量的最大和最小1%范围内的数据分别用99%和1%处的值替代,即抹平了数据中的极值.
3.2变量定义
1)被解释变量股票流动性.关于股票流动性的测度一直是市场微观结构研究的热点和难点,但到目前为止人们对流动性的测度仍没有一个统一的指标.基于高频数据的报价价差及有效价差等直接测度法,适用于相对较短的时间区间;而基于日交易数据的流动性测度指标,如换手率、Amihud[17]的不流动性测度(ILLIQ)等间接测度指标,则可用于对相对较长的样本进行分析.另外,现有的实证分析结果也表明,Amihud[17】的基于价格冲击的不流动性指标(ILLIQ)能较好地测度股票的流动性(Goyenko等(18J,朱宏泉等【19】,梁丽珍和孔东民[20]).因此,在本文中我们以ILLIQ作为股票流动性的度量.
依据Amihud[17】的定义,股票i在第k日的不流动性ILLIQ铀为:
ILLIQ油=÷等苎,其中Ti舢voli,%
分别为股票i在第k日的收益率和成交金额(单位:
十亿元).因此,ILLIQi,k度量了每单位交易对股票价格的冲击.ILLIQtk值越大(小),每单位交易带来的股票价格的变化也越大(小),市场深度越浅(深),即股票的流动性越差(好).由于ILLIQt,k指标的有偏斜性(Goyenko等【18]),在实证分析中,取其平方根以对有
偏斜性进行修正.定义股票i在第t季度的不流动性QILLIQi,t为:
QILLIQi,t=丙i1∑拦“/:
鲁甚,其中,
Mt为股票i在t季度的交易天数.
2)解释变量资产流动性.借鉴Berger和Bouwman[21|、Gopalan[11】的资产流动性测度方法,将资产负
债表中的资产按其流动性的高低赋予一定的权重(o~1),然后对各类资产的账面价值加权平均、并除以公司
的总资产(去除公司规模的影响)得到资产的流动性测度.
定义资产流动性的第一个测度指标WALl¨为:
由现金的完全流动性,对公司的现金赋予权重1、而其
它资产赋予权重o.即:
.
其中,CA讹,TAi,£分别为公司i在t季度末的现金和总资产,OA“为除现金以外的其它资产.显然,WALli,£与前面模型中的a相一致.
虽然WALl“与前面理论模型中的a相一致,但它遗漏了其它资产的流动性信息,因为它假定除现金以外的其它所有资产都是非流动的.为此,对除现金以外的其它流动性资产赋予0.5的权重得到第二个资产流动性指标WAL2“为:
其中,FA“为公司i在t季度末的有形资产,OAi,c为除流动资产、有形资产以外的其它资产.3)控制变量上市公司的自身特征与股票市场的整体表现均会影响到个股的流动性.为此,借鉴国内外
已有研究工作,本文选取6个可能影响股票流动性的指标(Gopalan等【11】,靳云汇和杨文【22】,陆正飞和辛宇[23】,万树平E241).所有控制变量均为滞后一期的值.
①公司规模.公司规模是影响股票流动性的重要因素,用季末公司的股票市值(自然对数值)作为公司规模的度量,LOGCAP=LOG(市值,单位亿)
万方数据
②公司成长性.用总资产的增长率作为公司成长性的度量,GROWTH=(期末资产一期初资产)/期初资产;
③公司盈利性.用公司净利润与总资产的比率作为公司盈利能力的度量,ROA=净利润/总资产;④个股在二级市场中的表现.用个股收益的市场溢价度量,JE7见4兄=公司个股季度收益一流通市值加权
注:
Q1,Q3分别代表四分之‘分位数和四分之三分位数.
表1给出了各变量的基本统计特征.从表中数据可知,个股的不流动性测度(QILLIQ)的均值为1.408,大于其中值1.198,QILLIQ的标准差为o.900,且四分之三分位数为四分之一分位数的2.68倍,这表明个股间的不流动性存在较大的差异.在个股的资产流动性测度指标中,公司现金与总资产之比(WALl)的均值、中值分别为o.143和o.117,表明A股上市公司总体上持有的现金量均较大,这与美国证券市场中上市公司持有较多的现金现象相似(如Bates等人【15I).在控制变量中,个股季度收益的市场溢价(BHAR)的中值小于零,表明在本文所选取的时间内,一半以上的A股上市公司其季度收益低于市场的平均收益.同样,超过25%的样本公司其资产增涨率小于零(GROWTH的四分之一分位数QI=一0.017),说明部分A股上市公司在一些季度,其资产不但没有增大,反而有所下降.另外,通过CR5可以看出A股上市公司股权集中度相对较高,一半以上的公司前五大股东持股比例高于56%.不同样本公司(或在不同的季度)间,其规模(LOGCAP)、盈利性(ROA)也存在较大的差异.
表2给出了各变量间的Pearson相关系数及概率值.从表中数据可知,股票的不流动性与资产流动性测度指标WALl负相关,但与另外两个资产性指标WAL2及WAL3却正相关.即:
仅从相关系数看,资产流动性与股票流动性间的相关性因资产流动性测度指标的不同而不同.同时,股票的不流动性与除股权集中度以外的所有控制变量均显著负相关.公司的规模(LOGCAP)、成长性(GROWTH)、盈利性(ROA)、个股的市场表现(BHAR)和股票收益的波动性(STDEV)等,均会对股票的流动性产生正向的影响.另外,股权集中度(CR5)对股票的流动性有显著的负面影响.除了盈利性(ROA)与公司规模(LOGCAP)之间的相关系数达o.3668,其余各控制变量之间的相关系数均在正负o.3之间.
4实证结果与分析
4.1资产流动性对股票流动性的影响前面的理论分析表明,股票流动性与资产流动性间的相关性具有不确定性.一方面公司持有高额的现金
会降低现有资产的不确定性,从而提高股票的流动性;但另一方面,高额的现金也会增大投资可能性,导致公
司现有资产的流动性降低和未来现金流的不确定性增高,从而降低股票的流动性.二者作用的结果,关键是看两种效应中谁起主导作用.而通过前面的模型分析,假设一认为股票流动性与资产流动性呈正相关的关系.下面将在控制影响股票流动性的相关因素后,进一步检验假设一是否成立.
(6)
从表3可知,资产的流动性对股票的流动性有显著的正向影响.公司持有的现金占公司总资产的比例(WALl)每提高l%,股票的不流动性平均下降o.338%;WAL2、WAL3每提高1%,股票的不流动性平均分别下降o.127%和o.159%.这表明,虽然公司高额的现金会促使管理者增加投资,导致未来现金流的不确定性增大,但高额的现金对降低现有资产的不确定性效果更强.因此,在中国证券市场中,总体上公司资产的流动性越高,股票的流动性也越好;在公司的各类流动性资产中,现金对股票流动性的影响最大.
另外,表3中的数据还显示,除了资产的流动性外,公司自身的特性和股票的市场表现,也会显著地影响到股票的流动性.公司规模(LOGCAP)越大,市场、投资者对其关注程度也越高,股票的流动性也会越好;公司的业绩越好(即ROA和GROWTH越大)、股票的超额收益(BHAR)越高,越易受到投资者的追捧,公司股票的流动性也会越好;公司股权集中度(CR5)越高,信息不对称程度也越高,市场中股票交易量就会越少,因而股票的不流动性越高.
4.2成长性对股票流动性和资产流动性之间相关性的影响前面的理论分析表明,如果公司的成长机会越大,公司的投资回报也就越高.因此,若两家公司现金持有
量相同,成长机会越大的公司,管理者会将现金中的更大部分用于新增项目的投资.其结果是在减小现金量的同时,增大未来现金流的不确定性,导致资产的流动性下降,从而降低股票的流动性.为了验证这一假设,我们以总资产增长率(GROWTH)作为公司成长机会的度量,在每个季度末将样本按GROWTH的大小分为三组(分点取有效数据的0.3、0.7分位数),对应于GROWTH值大的一组(记为HIGH)和GROWTH值小的一组(记为LOW)分别估计模型(6),表4给出了回归估计结果.
注:
以总资产增长率(GROWTH)作为公司成长机会的度量,在每个季度末将样本按GROWTH的大小分为三组
(分点取有效数据的0.3、0.7分位数),对应于GROWTH值大的一组记为HIGH和GROWTH值小的一组记为LOW.表中最后一行的ACoef给出的是按公司成长性分组后HIGH与LOW两组系数差额的均值及相应的P值.
从表4中数据可知,在控制了公司的自身特征和股票的市场表现后,成长机会大的公司和成长机会小的公司,资产流动性系数均显著小于零,但成长机会大的公司资产流动性系数的绝对值显著小于成长机会小的公司的对应值.以WALl为例,若公司持有的现金占总资产的比重每增加1%,成长机会大的公司其股票的不流动性平均减少o.314%,但成长机会小的公司,股票的不流动性平均减少0.413%,二者相差0.099%,具有
经济和统计上的显著性(当资产的流动性测度为WAL3时,系数的差异在常规水平下不显著).这一结果说
叽成长机会越大(小)的公司,其股票流动性与资产流动性的相关性越弱(强).因此,假设二得以验证.
4.3融资约柬对股票流动性与资产流动性间相关性的影响
为了检验假设三:
外部融资越难的公司,股票流动性与资产流动性间的相关性越强,本文选用公司规模
和国有股占总股本的比例作为公司融资难易程度的度量.
公司规模的大小,在一定程度上决定了公司外部融资的难易程度.公司规模越大(小),其外部融资越容易(难).因此,规模越大的公司,越有可能将公司的现金更多地用于新增项目的投资,带来资产流动性的下降,从而促使股票的流动性减弱.为了验证这一假说,在每个季度末我们将样本按公司规模的大小分为三组(分
点仍取有效数据的o.3、o.7分位数),对规模大的一组(记为HIGH)和规模小的一组(记为LOW),分别估计模型(6),结果列于表5.
注:
以公司规模(LOGCAP)作为其融资难易程度的一个度量,在每个季度末将样本按LOGCAP的大小分为三组(分点取有效数据的0.3、0.7分位数),对应于LOGCAP值大的一组记为HIGH和LOGCAP值小的一组记为
LOW.表中最后—行的ACoef给出的是按公司成长性分组后HIGH与LOW两组系数差额的均值及相应的P值.
从表5中数据可知,在控制了公司的自身特征和股票的市场表现后,规模小的公司其资产流动性系数显著小于零,而规模大的公司其资产流动性系数虽然小于零但不显著.这表明,规模越大(小),其股票流动性
与资产流动性的相关性越弱(强).以WALl为例,当公司持有的现金占总资产的比重每增加1%时,规模大的公司其股票的不流动性平均减少o.031%,而规模小的公司其股票的不流动性平均减少0.606%,二者相差o.575%,具有经济和统计上的显著性.对于资产流动性的其它两个度量指标,这种关系也同样成立.
在中国经济市场化改革进程中,政府出于社会稳定等诸多因素的考虑,常常赋予国有公司更多、更容易的外部融资机会,而非国有公司外部融资相对较难.因此,公司在外部融资机会上所存在的差异,会极大地影响到公司存留现金的比例,从而影响到资本和股票的流动性以及二者间的相关性.为此,以国有股占公司总
股本的比例大小作为国有与非国有公司的划分标准(若以终极控股股东的性质来区分国有和非国有公司,结
果没有质的差异).与前面的分组方法相同,在每个季度末以国有股占公司总股本的比例大小将样本分为三组(分点仍取有效数据的o.3、o.7分位数),对比例大的一组(记为HIGH)和比例小的一组(记为LOW),分
别估计模型(6),回归结果列于表6.
5实证结果的有效性检验
5.1股票流动性的测度虽然Amihud[”】的不流动性指标(ILLIQ)能较好地度量股票的流动性(Goyenko等[18],梁丽珍和孔东
民t201),但朱宏泉等【19)基于中国证券市场的实证分析表明,在不同的市场环境下(牛市、熊市),ILLIQ的测度效果存在差异.为了检验前面的分析结果是否与股票的流动性度量指标的选取相关,另选用两个常用的基于日交易数据的度量指标,换手率、Pastor和Stambaugh(2003)测度指标,作为股票流动性的度量,重复前面的分析过程,发现结果没有质的差异1.这表明,本文所得结果,与流动性度量指标的选取无关.本文中没有考虑基于高频数据的流动性测度指标,主要是因为数据获取的限制.现有的数据库,仅从2004年开始才有高频、分笔数据,较短的时间区间,会影响到结果的稳定性.另外,Goyenko等【18】的研究结果也表明,基于日交易数据的不流动性度量指标ILLIQ,确实很好地测度了交易对股票价格的冲击.
5.2模型的估计方法
考虑到股票流动性的自相关性,前面在估计模型(6)时,采用的是Fama-Macbeth回归.为了进一步检验现有结果是否与模型的估计方法相关,我们在模型(6)中加入季度时间o/1变量,并控制误差项的异方差
性,采用面板回归重新估计模型(6),结果也无质的差异.这表叽本文所得结果也与模型的估计方法无关.
1.为节