李潤澤 孫安文

【摘要】文章以2011—2019年我國A股上市公司專利被引數(shù)據(jù)為樣本，研究了企業(yè)創(chuàng)新與股票收益（RET）的關(guān)系及其影響路徑。研究結(jié)果顯示：根據(jù)專利被引程度（PCI）所構(gòu)造的對沖策略可以使投資者獲得不低于7.2%的超額收益（年化）；公司的PCI與RET是顯著正相關(guān)的，且投資者關(guān)注度會對其產(chǎn)生負(fù)向影響。文章的研究不僅豐富了企業(yè)創(chuàng)新與股票收益研究方面的文獻(xiàn)，而且也為實(shí)務(wù)界（尤其是基金公司）提供了投資建議。

【關(guān)鍵詞】企業(yè)創(chuàng)新；專利被引信息；股票收益；資產(chǎn)定價(jià)；有限注意力

【中圖分類號】F230；F83

★ 基金項(xiàng)目：本文為中國人民大學(xué)科學(xué)研究基金“中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助”（編號21XNH127）項(xiàng)目成果。

一、引言

近幾年來，科技突破對社會和經(jīng)濟(jì)產(chǎn)生了巨大影響，如智能手機(jī)改變了人們的購物方式和交流方式，人工智能（AI）取代了一些人類基礎(chǔ)性的工作，基因研究計(jì)劃加快了醫(yī)藥的研究與開發(fā)，云計(jì)算和大數(shù)據(jù)改變了城市管理方式等。這些科技創(chuàng)新在改變世界的同時(shí)，也使商業(yè)競爭變得越來越激烈，公司破產(chǎn)的速度也越來越迅速，曾經(jīng)屹立百年的公司柯達(dá)由于數(shù)碼相機(jī)技術(shù)對光學(xué)技術(shù)的替代而轟然倒塌。因此，科技與創(chuàng)新對于一個(gè)公司的生存、發(fā)展以及繁榮昌盛至關(guān)重要，在某些行業(yè)，比如信息產(chǎn)業(yè)、新材料產(chǎn)業(yè)和生物制藥產(chǎn)業(yè)，創(chuàng)新是這些公司最主要的核心競爭力。

然而，一項(xiàng)創(chuàng)新的產(chǎn)生需要花費(fèi)多年時(shí)間和大量金錢，中間要經(jīng)過多個(gè)環(huán)節(jié)，并且一項(xiàng)創(chuàng)新的經(jīng)濟(jì)價(jià)值具有很高的不確定性，因此，創(chuàng)新是一項(xiàng)高價(jià)值但同時(shí)又是高風(fēng)險(xiǎn)的企業(yè)活動（Hirshleifer等，2012）。而對于投資者來說，評估企業(yè)創(chuàng)新能力并不是一件容易的事情。首先，創(chuàng)新是以舊的事物為基礎(chǔ)，研發(fā)創(chuàng)造新的事物，由于新事物是推陳出新產(chǎn)生的，所以對創(chuàng)新的評估就不能照搬過去標(biāo)準(zhǔn)化的程序和度量標(biāo)準(zhǔn)來評判。其次，評估創(chuàng)新需要投資者具備一定的專業(yè)分析能力，需要對公司的經(jīng)濟(jì)價(jià)值有基本判斷，并結(jié)合公司自身的經(jīng)濟(jì)實(shí)力以及公司所處行業(yè)的發(fā)展趨勢綜合評估。因此，對于投資者來說，評估創(chuàng)新是一件復(fù)雜且困難的事情。而且，已有眾多心理學(xué)實(shí)驗(yàn)證明，個(gè)人對于復(fù)雜和晦澀難懂的信息給予較少的注意力，這會導(dǎo)致投資者忽視或者低估創(chuàng)新的價(jià)值（Hirshleifer等，2018），進(jìn)而導(dǎo)致市場錯估公司價(jià)值。

關(guān)于錯估公司價(jià)值，F(xiàn)ama（1970）在20世紀(jì)70年代提出了有效市場假說。該假說認(rèn)為，如果市場是有效的，那么股票價(jià)格能夠根據(jù)新獲得的信息迅速反應(yīng)并完全調(diào)整，最終充分反映公司的價(jià)值。因此，在資本市場上，股票不會被錯誤定價(jià)，投資者也找不到投資策略來獲取超額收益。后來，越來越多的學(xué)者通過實(shí)證研究發(fā)現(xiàn)，資本市場并非完全有效，而是存在各種市場異象，比如Titman等（2004）發(fā)現(xiàn)的資本投資異象，Jegadeesh和Titman（1993）發(fā)現(xiàn)的動量異象等。這些市場異象表明，美國的資本市場并不是完全有效的。相比美國的資本市場，中國資本市場起步比較晚，發(fā)展有待進(jìn)一步完善。在此背景下，本文提出中國的資本市場上投資者可能會錯估創(chuàng)新對公司價(jià)值的影響，從而可以找到有效的投資策略來獲得超額報(bào)酬。

目前最能體現(xiàn)公司創(chuàng)新能力的指標(biāo)就是公司擁有的專利（Hall，2001；Trajtenberg，1989；Trajtenberg，1990）。當(dāng)A公司的專利確認(rèn)了行業(yè)標(biāo)準(zhǔn)，而其他公司為了避免開發(fā)自己標(biāo)準(zhǔn)時(shí)所面臨技術(shù)和成本的不確定性，將會引用該專利，這將使A公司形成生態(tài)網(wǎng)絡(luò)（Shapiro和Varian，1998）。成功的生態(tài)網(wǎng)絡(luò)可以給公司創(chuàng)造巨大和可持續(xù)的經(jīng)濟(jì)價(jià)值，而公司也會因此取得戰(zhàn)略優(yōu)勢，比如高通公司的芯片專利、微軟公司的windows系統(tǒng)、谷歌公司的安卓系統(tǒng)、蘋果公司的智能手機(jī)專利、華為公司的5G專利等。而一項(xiàng)專利被引程度越高，由該項(xiàng)專利所形成的標(biāo)準(zhǔn)就會被更多的公司所接受，那么給公司打造的生態(tài)網(wǎng)絡(luò)的規(guī)模也就越大，進(jìn)而給公司帶來的價(jià)值也就越大。因此，本文以公司專利被引程度來衡量公司的創(chuàng)新強(qiáng)度，進(jìn)而探究公司創(chuàng)新與股票未來收益的關(guān)系。

本文的理論意義在于：國內(nèi)關(guān)于企業(yè)創(chuàng)新與股票收益的研究，主要從公司研發(fā)投入和公司專利授予信息的角度進(jìn)行研究，較少從公司專利被引信息進(jìn)行研究。即使有文獻(xiàn)從專利被引信息研究企業(yè)創(chuàng)新與股票收益的關(guān)系，但其數(shù)據(jù)也是聚焦于某個(gè)行業(yè)并且年限較短（李牧南等，2019）。本文使用2011—2019年所有A股上市公司的專利被引信息來進(jìn)行研究，行業(yè)覆蓋較全面，且時(shí)間跨度長。因此，本文的研究不僅豐富了企業(yè)創(chuàng)新與股票收益相關(guān)方面的文獻(xiàn)，而且有利于了解現(xiàn)有資產(chǎn)定價(jià)理論的不足，從而完善資本市場定價(jià)理論。

本文的實(shí)踐意義在于：隨著中國金融業(yè)改革開放的不斷深入，越來越多的境外投資者將會轉(zhuǎn)戰(zhàn)到中國資本市場，尤其是其中的量化投資基金公司。截止到2018年，全球量化對沖基金管理的資產(chǎn)規(guī)模為2.88萬億美元1。而截止到2018年，國內(nèi)量化對沖公募基金管理的資產(chǎn)規(guī)模僅是603.9億元2。當(dāng)國內(nèi)的基金公司不能夠在量化投資領(lǐng)域占據(jù)領(lǐng)先地位時(shí)，這勢必會對國內(nèi)投資者造成重大不利影響。因此，通過發(fā)現(xiàn)中國資本市場上的創(chuàng)新異象，不僅可以為國內(nèi)基金公司提供量化投資策略，提升國內(nèi)基金公司的實(shí)力，而且也可以提升應(yīng)對金融風(fēng)險(xiǎn)的能力。

二、文獻(xiàn)綜述

Eberhart等（2004）研究了1951—2001年期間美國上市公司發(fā)生重大研發(fā)支出事件對公司股票收益以及經(jīng)營業(yè)績的影響。他們發(fā)現(xiàn)：公司增加研發(fā)支出，投資者未來可以獲得超額收益，這符合市場錯誤定價(jià)理論；公司增加研發(fā)支出會顯著提升公司未來的經(jīng)營業(yè)績。

Guo等（2006）研究了研發(fā)支出對公司IPO表現(xiàn)的影響。他們發(fā)現(xiàn)：公司研發(fā)強(qiáng)度（研發(fā)支出/營業(yè)收入）增加會使公司IPO定價(jià)較低；研發(fā)強(qiáng)度與公司長期績效呈顯著正相關(guān)關(guān)系；研發(fā)支出會影響分析師對公司IPO長期業(yè)績的預(yù)測。他們認(rèn)為，由于研發(fā)支出導(dǎo)致信息不對稱，使得市場對研發(fā)強(qiáng)度高的公司進(jìn)行了低估。后來，隨著投資者獲取更多的信息和了解公司的研發(fā)信息，市場又修正了之前的錯誤定價(jià)。王昊翔（2013）分析了研發(fā)費(fèi)用與企業(yè)價(jià)值的關(guān)系，研究發(fā)現(xiàn)研發(fā)投入在短期內(nèi)會因研發(fā)是否成功產(chǎn)生正反兩方面影響，但從長期來看，能提升企業(yè)盈利能力。

上面這些研究主要是通過研發(fā)支出來衡量創(chuàng)新，以研究創(chuàng)新與公司價(jià)值以及股票收益的關(guān)系。然而，衡量公司的創(chuàng)新不僅僅可以從投入端，也可以從產(chǎn)出端來研究，比如專利。

Hirshleifer等（2013）以專利數(shù)量構(gòu)造了創(chuàng)新效率指標(biāo)（IE）。結(jié)果顯示，無論采用三因子還是四因子模型，創(chuàng)新效率高的投資組合的超額收益要遠(yuǎn)大于創(chuàng)新效率低的投資組合的超額收益。在控制了相關(guān)變量后，Hirshleifer等人發(fā)現(xiàn)創(chuàng)新效率與公司股票收益呈顯著正相關(guān)關(guān)系。最后，Hirshleifer等人還通過構(gòu)造EMI因子來檢驗(yàn)創(chuàng)新效率能夠預(yù)測股票收益的原因。結(jié)果顯示，投資者的有效注意力導(dǎo)致了創(chuàng)新效率的預(yù)測作用。

Gu（2005）以公司專利被引數(shù)量來衡量公司的創(chuàng)新質(zhì)量。為了去除行業(yè)影響和創(chuàng)新時(shí)效性的影響，Gu以公司近5年的新授予專利的被引數(shù)量占同類新授予專利的總被引數(shù)量的比例來衡量公司創(chuàng)新的質(zhì)量。通過對美國1975—1999年間的上市公司進(jìn)行實(shí)證研究，Gu發(fā)現(xiàn)，公司新增的專利被引數(shù)量與公司未來的盈余呈正相關(guān)關(guān)系，并且，市場未能對此進(jìn)行及時(shí)反應(yīng)，從而導(dǎo)致公司新增的專利被引數(shù)量與公司未來股票收益也呈正相關(guān)關(guān)系。

除了研究創(chuàng)新對公司本身的影響，學(xué)者們也觀察到了創(chuàng)新的溢出效應(yīng)。

Jiang等（2016）按照研發(fā)支出水平和研發(fā)支出增長率從全樣本中挑選出一部分公司作為研發(fā)支出的“領(lǐng)導(dǎo)者”，然后將領(lǐng)導(dǎo)者所在行業(yè)的其他公司定義為研發(fā)支出的“同行者”。研究發(fā)現(xiàn)，如果行業(yè)中的“領(lǐng)導(dǎo)者”的研發(fā)投入使得行業(yè)整體研發(fā)支出大幅度增加，那么行業(yè)中的“同行者”的股票收益會有正的超額收益，并且經(jīng)營業(yè)績也會顯著提升。Jiang等人還檢驗(yàn)了行業(yè)外生事件沖擊對實(shí)證結(jié)果的干擾，結(jié)果顯示，外生事件沖擊不能解釋溢出效應(yīng)。最后，作者們認(rèn)為投資者對“同行者”公司關(guān)注度低導(dǎo)致了研發(fā)支出的溢出效應(yīng)。

Lee等（2019）以兩家公司專利在專利類別上的相關(guān)系數(shù)來構(gòu)造兩家公司的“科技關(guān)聯(lián)度”。然后，將科技關(guān)聯(lián)公司的上期股票收益乘以相應(yīng)的科技關(guān)聯(lián)度作為“焦點(diǎn)”公司的科技關(guān)聯(lián)收益。他們發(fā)現(xiàn)，買入科技關(guān)聯(lián)收益高的投資組合，賣空科技關(guān)聯(lián)收益低的投資組合，投資者可以獲得1.17%的月度超額收益；科技關(guān)聯(lián)收益與公司未來的股票收益呈顯著正相關(guān)關(guān)系，即控制了其他關(guān)聯(lián)效應(yīng)，比如行業(yè)關(guān)聯(lián)效應(yīng)，供應(yīng)鏈關(guān)聯(lián)效應(yīng)，顧客關(guān)聯(lián)效應(yīng)等。通過以上實(shí)證結(jié)果，Lee等人認(rèn)為創(chuàng)新的溢出效應(yīng)可以體現(xiàn)在公司專利布局方面。

國內(nèi)對創(chuàng)新與股票收益方面的研究，主要從研發(fā)投入和專利數(shù)量角度出發(fā)，較少地從專利被引角度進(jìn)行研究，具體來言：

羅婷等（2009）以中國A股2002—2006年間披露研發(fā)信息的上市公司為樣本，研究了研發(fā)投入與公司價(jià)值的關(guān)系。通過實(shí)證研究發(fā)現(xiàn)，公司研發(fā)投入與未來業(yè)績呈正相關(guān)關(guān)系，與公司股票未來收益也呈正相關(guān)關(guān)系，但與同期股票收益不相關(guān)。

徐欣和唐清泉（2010）以上市公司的專利數(shù)量和類別來研究創(chuàng)新活動對公司價(jià)值（托賓Q值）的影響。他們以中國A股市場2002—2006年間的公司為對象，搜集企業(yè)的研發(fā)投入數(shù)據(jù)。此外，徐欣和唐清泉還研究了不同類別（發(fā)明型、實(shí)用型以及外觀設(shè)計(jì)型）專利對企業(yè)價(jià)值的影響。發(fā)現(xiàn)研發(fā)投入強(qiáng)度顯著提升公司價(jià)值，發(fā)明型專利數(shù)量能夠顯著提升公司價(jià)值，但實(shí)用型專利和外觀設(shè)計(jì)型專利不能顯著提升公司價(jià)值。

以中國A股市場2006—2013年間的公司為研究對象，楊亭亭等（2017）研究了公司創(chuàng)新能力與股票收益的關(guān)系。從公司擁有優(yōu)先權(quán)專利數(shù)量、權(quán)利要求項(xiàng)數(shù)、發(fā)明專利占比、專利發(fā)明人數(shù)量、國際公布條數(shù)以及專利覆蓋范圍六個(gè)方面進(jìn)行主成份分析，楊亭亭等人構(gòu)造了創(chuàng)新能力指標(biāo)（PQ）。研究結(jié)果顯示，公司創(chuàng)新能力和股票未來收益呈顯著正相關(guān)關(guān)系，并且創(chuàng)新能力在科技行業(yè)中作用更為顯著；以創(chuàng)新能力對公司進(jìn)行分組，發(fā)現(xiàn)在三因子和四因子模型下，投資組合可以獲得超額報(bào)酬；最后，楊亭亭等人借鑒三因子和五因子模型，構(gòu)造了創(chuàng)新因子（IMO）。結(jié)果表明，將IMO加入到三因子和四因子模型中，投資組合的阿爾法不顯著，這說明創(chuàng)新能力對股票收益具有解釋能力。

總結(jié)上述文獻(xiàn)綜述發(fā)現(xiàn)，企業(yè)創(chuàng)新能夠提升公司的價(jià)值，但是，由于市場不是完全有效的，這導(dǎo)致企業(yè)的創(chuàng)新價(jià)值被市場低估。投資者獲取更多的信息并逐漸了解公司的創(chuàng)新價(jià)值后，市場將會修正之前的錯誤定價(jià)。

三、研究設(shè)計(jì)

（一）假設(shè)提出

經(jīng)濟(jì)研究已經(jīng)發(fā)現(xiàn)，專利的被引程度能夠顯示該項(xiàng)專利的經(jīng)濟(jì)價(jià)值和科技重要性。Trajtenberg（1989，1990）研究發(fā)現(xiàn)，專利被引強(qiáng)度與該項(xiàng)專利的社會福利呈正相關(guān)關(guān)系。Lanjouw和Schankerman（2001）發(fā)現(xiàn)被訴訟的專利往往是那些被引頻率高的專利，這表明專利被引強(qiáng)度與其經(jīng)濟(jì)價(jià)值存在關(guān)系。此外，高被引的專利也證明了公司的科技領(lǐng)導(dǎo)力和科技優(yōu)勢地位。Lieberman和Montgomery（1988）研究表明，科技領(lǐng)導(dǎo)力是公司獲得先發(fā)優(yōu)勢的主要動力，即領(lǐng)先公司可以獲得超過平均利潤的超額收益。他們還認(rèn)為專利獲得和創(chuàng)新成功是公司持續(xù)保持科技領(lǐng)先地位的關(guān)鍵因素。因此，高被引的專利所帶來的技術(shù)優(yōu)勢能夠確立公司的科技領(lǐng)先地位，反過來科技領(lǐng)先地位又能夠使公司獲得先發(fā)優(yōu)勢和持續(xù)盈利的能力。

雖然，專利能夠給公司帶來經(jīng)濟(jì)價(jià)值，但是，資本市場不是完全有效的，投資者不能及時(shí)對公司專利價(jià)值進(jìn)行正確評估，股價(jià)不能及時(shí)反映公司價(jià)值。Hirshleifer等（2012）認(rèn)為：專利的研發(fā)需要公司花費(fèi)巨額的資金，同時(shí)也需要大量的時(shí)間進(jìn)行實(shí)驗(yàn)；在研發(fā)過程中，公司要經(jīng)過多個(gè)環(huán)節(jié)的測試；創(chuàng)新的經(jīng)濟(jì)價(jià)值的不確定性很高，創(chuàng)新是一項(xiàng)高收益但同時(shí)又是高風(fēng)險(xiǎn)的企業(yè)活動。此外，Hirshleifer等（2018）認(rèn)為，專利是從已有的舊事物中創(chuàng)造出來的新事物。由于新事物是新出現(xiàn)的，因此，就不能用過去標(biāo)準(zhǔn)化的程序和度量標(biāo)準(zhǔn)來評判一項(xiàng)新專利的經(jīng)濟(jì)價(jià)值。還有，理解專利對公司的經(jīng)濟(jì)價(jià)值，不僅要了解專利本身，還要了解和評估公司自身的經(jīng)濟(jì)實(shí)力以及公司所處行業(yè)的發(fā)展趨勢。而大量的心理學(xué)實(shí)驗(yàn)表明，個(gè)人對于復(fù)雜和晦澀難懂的信息給予較少的注意力，即投資者注意力有限。這會導(dǎo)致投資者忽視或者低估企業(yè)創(chuàng)新所包含的價(jià)值信息，使得股價(jià)不能及時(shí)反映公司專利的價(jià)值?；诖?，本文提出如下假設(shè)：

H1：投資者可以通過公司專利被引信息獲得超額報(bào)酬。

H2：在其他條件一樣的情況下，公司專利的被引程度與公司未來的股票收益呈正相關(guān)關(guān)系。

H3：在投資者關(guān)注度高的公司里，公司專利的被引程度與公司未來股票收益的正相關(guān)關(guān)系被減弱。

（二）變量定義及度量

（三）實(shí)證方法

1.日歷時(shí)間組合法

參照Lee等（2019），在t+1年的6月末，將公司按照PCI的大小，從小到大進(jìn)行排序，然后將樣本進(jìn)行五等分，構(gòu)成五組投資組合（1表示PCI值最小的一組，5表示PCI值最大的一組），然后將投資組合持有一年。計(jì)算各個(gè)投資組合在t+1年7月至t+2年6月期間每月的投資收益時(shí)，采用兩種方法，即等權(quán)加權(quán)法和價(jià)值加權(quán)法。

本文預(yù)期，由于市場不能及時(shí)對公司的專利價(jià)值進(jìn)行反應(yīng)，通過這樣構(gòu)造的對沖策略，投資者可以獲得顯著為正的超額收益，即假設(shè)1成立。

2.多元回歸模型

本文預(yù)期PCI的系數(shù)顯著為正，PCI×Attention交乘項(xiàng)的系數(shù)顯著為負(fù)。

（四）數(shù)據(jù)來源

本文選擇以2011—2019年間在中國上市的A股上市公司為研究對象，所有變量的數(shù)據(jù)均來自CNRDS和CSMSR數(shù)據(jù)庫。本文對初始數(shù)據(jù)進(jìn)行了如下處理：1.從樣本中剔除了金融行業(yè)和被ST的公司；2.剔除賬面市值比為負(fù)的樣本；3.為了剔除異常值的影響，本文對所有變量進(jìn)行了1%的Winsorize處理；4.由于本文展示的回歸結(jié)果保留了3位小數(shù)，為了能正確顯示PCI和SIZE的系數(shù)，我們將PCI擴(kuò)大并將SIZE縮小100 000 000倍。

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)及相關(guān)性分析

表2是對本文主要變量進(jìn)行描述性統(tǒng)計(jì)，包括平均值、標(biāo)準(zhǔn)差以及四分位數(shù)。從表中可以看出，股票收益（RETt+1）接近16.5%，遠(yuǎn)遠(yuǎn)高于無風(fēng)險(xiǎn)報(bào)酬率，但是其中位數(shù)為-2.2%，低于無風(fēng)險(xiǎn)報(bào)酬率，股票收益的中位數(shù)與平均數(shù)的差距相當(dāng)于0.29個(gè)標(biāo)準(zhǔn)差。樣本PCI的平均數(shù)為0.038，中位數(shù)為0.015，中位數(shù)小于平均數(shù)，其差距相當(dāng)于0.21個(gè)標(biāo)準(zhǔn)差，與RETt+1有相似的分布。這可能預(yù)示著RETt+1與PCI存在一定的關(guān)系。

表3展示的是各個(gè)變量之間的相關(guān)系數(shù)，下三角是皮爾遜相關(guān)系數(shù)，上三角是斯皮爾曼相關(guān)系數(shù)。從表中可以看出，RETt+1與PCI的皮爾遜相關(guān)系數(shù)為0.009，不顯著；但是，RETt+1與PCI的斯皮爾曼相關(guān)系數(shù)是0.03，且顯著。這在一定程度上可以表明RETt+1與PCI存在正的相關(guān)關(guān)系。此外，PCI與其他控制變量的相關(guān)系數(shù)的絕對值均不超過0.3，說明PCI與其他變量之間不存在共線性的問題。并且，其他變量之間的相關(guān)系數(shù)的絕對值也不超過0.4，說明變量之間不存在共線性問題。

（二）實(shí)證結(jié)果分析

1.日歷時(shí)間組合法

表4展示了投資組合分別在三因子模型、四因子模型和五因子模型下的Alpha收益。1～5列表示按照PCI將公司等分成5組的投資組合（1表示PCI值最低的一組，5表示PCI值最高的一組），5-1列表示對沖策略，即買入第5組、賣出第1組。

從表4可以看出，在每年6月末，買入第5組的投資組合，同時(shí)賣出金額相同的第1組的投資組合，然后持有一年，投資者可以每月獲得不少于0.6%的超額收益。以上結(jié)果表明，市場不是完全有效的，股價(jià)沒有完全反映專利的被引信息。通過專利被引信息來構(gòu)建對沖策略，投資者每年可以獲得7.2%以上的超額收益，假設(shè)1成立。此外，投資組合的超額收益隨著PCI值的增加而增加，這表明專利被引信息與股票收益是呈正相關(guān)關(guān)系，支持了假設(shè)2。

2.多元回歸分析

日歷時(shí)間組合法雖然也支持假設(shè)2，但是它是根據(jù)單一變量來進(jìn)行分組的，沒有控制其他變量，下面采用多元回歸分析，來檢驗(yàn)假設(shè)2和假設(shè)3。

表5是對模型（1）回歸的結(jié)果，回歸結(jié)果（1）控制了固定效應(yīng)和時(shí)間效應(yīng)，回歸結(jié)果（2）只控制了固定效應(yīng)?；貧w結(jié)果（1）和（2）都顯示，PCI的系數(shù)顯著為正，這說明市場最初沒有及時(shí)反映公司專利的被引信息，專利被引信息在以后的時(shí)間里被市場逐步反映，結(jié)果支持了假設(shè)2。

表6是對模型（2）的回歸結(jié)果，回歸（1）是以機(jī)構(gòu)持股比例的中位數(shù)來將樣本分為受關(guān)注度高和受關(guān)注度低的兩組，回歸（2）是以機(jī)構(gòu)持股比例的平均數(shù)來將樣本分為受關(guān)注度高和受關(guān)注度低的兩組。在回歸（1）中，PCI的系數(shù)為0.978，顯著為正，與假設(shè)2的推斷一致。并且，PCI和Attention交乘項(xiàng)的系數(shù)為-0.439，且顯著為負(fù)。這表明受關(guān)注度高的公司，其專利被引信息更容易被市場反映，這與假設(shè)3的推斷一致。在回歸（2）中，PCI的系數(shù)為0.940，且顯著為正，與假設(shè)2的推斷一致。雖然在回歸（2）中，PCI和Attention交乘項(xiàng)的系數(shù)為-0.357不顯著，但其t值為-1.533，接近1.67，也可以在一定程度上支持假設(shè)3的推斷。

以上實(shí)證結(jié)果表明，資本市場不是完全有效的，市場不能對專利被引信息進(jìn)行及時(shí)反映。因此，市場不能完全反映公司專利的被引信息，導(dǎo)致公司股價(jià)被低估，投資者可以通過專利被引信息獲得超額收益。而這種市場異象很可能是投資者注意力有限導(dǎo)致的。

五、穩(wěn)健性檢驗(yàn)

（一）日歷時(shí)間投資組合

本文通過用價(jià)值加權(quán)法計(jì)算的投資組合收益來進(jìn)行穩(wěn)健性測試。表7顯示，在每年6月末，買入第5組的投資組合，同時(shí)賣出金額相同的第1組的投資組合，然后持有一年，投資者每月可以獲得不少于0.5%的超額收益，年度可獲6%以上超額收益。表7的結(jié)果和表4的結(jié)果一致，說明了日歷時(shí)間組合法的實(shí)證結(jié)果穩(wěn)健，同時(shí)也說明了對沖策略的可靠性。此外，在三種模型下，投資組合的超額收益與PCI值基本呈單調(diào)遞增關(guān)系，同樣支持了假設(shè)2。

（二）Fama-MacBeth回歸方法

參照Fama和Macbeth（1973）的做法，采用Fama-MacBeth回歸方法來檢驗(yàn)假設(shè)2和假設(shè)3，回歸結(jié)果見表8。

表8展示的是對模型（1）的回歸結(jié)果。其中，回歸（1）控制了行業(yè)效應(yīng)，回歸（2）沒有控制行業(yè)效應(yīng)。PCI在回歸（1）和回歸（2）的系數(shù)分別為0.288和0.350，且均顯著。公司專利被引程度與公司股票的未來收益呈顯著正相關(guān)關(guān)系，支持了假設(shè)2。

表9展示的是對模型（2）的回歸結(jié)果。其中，回歸（1）和回歸（2）使用機(jī)構(gòu)持有比例的中位數(shù)來對樣本進(jìn)行分組；回歸（3）和回歸（4）使用機(jī)構(gòu)持有比例的平均值對樣本進(jìn)行分組。在回歸（1） （4）中，PCI的系數(shù)均顯著為正，PCI×Attention的系數(shù)不顯著。雖然PCI×Attention的系數(shù)不顯著，但是，其在四個(gè)回歸結(jié)果中都為負(fù)，在一定程度上也可以支持假設(shè)3。

六、結(jié)論與啟示

根據(jù)有效資本市場假說，資本市場是一個(gè)沒有任何成本、高效率、理想化的市場。在有效資本市場假說下，證券的價(jià)格等于其價(jià)值。一旦與證券價(jià)值相關(guān)的信息被披露，市場就會迅速做出調(diào)整，使其價(jià)格重新等于價(jià)值，因此，沒有任何人或交易策略可以提前利用信息賺取超額回報(bào)。事實(shí)上，由于證券市場上存在各種成本，比如交易成本、證券持有成本，同時(shí)市場參與者的注意力有限，資本市場并非是完全有效的。因此，市場不能及時(shí)對信息做出反應(yīng)，從而錯估了股票價(jià)值。但從長期看，價(jià)格會向價(jià)值回歸。因此，投資者通過買入被低估的股票同時(shí)賣出被高估的股票就可以獲得超額收益。

本文以2011—2019年我國A股上市公司專利被引數(shù)據(jù)為樣本，研究了企業(yè)創(chuàng)新與股票收益關(guān)系及其影響路徑。研究結(jié)果顯示：（1）在每年6月末，投資者買入PCI最高的等權(quán)加權(quán)（價(jià)值加權(quán)）投資組合，同時(shí)賣出金額相同的PCI最低的等權(quán)加權(quán)（價(jià)值加權(quán)）投資組合，并持有一年后可以獲得每年不低于7.2%（按等權(quán)加權(quán)測算）或6.0%（按價(jià)值加權(quán)測算）的超額收益；（2）公司的PCI與股票的未來收益存在顯著的正相關(guān)性。這說明市場沒有及時(shí)反映公司的專利被引信息，市場低估了公司專利的被引價(jià)值；（3）PCI與RETt+1的關(guān)系會受投資者關(guān)注度的影響，即在投資者關(guān)注度高的公司里，PCI的系數(shù)要小于其在投資者關(guān)注度低的公司里的系數(shù)。這表明投資者的有限注意力是導(dǎo)致市場對公司專利被引信息低估的原因之一。

在理論方面，本文的研究不僅豐富了企業(yè)創(chuàng)新與股票收益研究方面的文獻(xiàn)，而且為進(jìn)一步完善資本市場定價(jià)理論提供了方向；在實(shí)踐方面，本文的研究不僅可以為實(shí)務(wù)界，尤其是基金公司，提供投資建議，而且也可以提升中國資本市場的有效性，使市場能夠正確評估公司的創(chuàng)新能力，進(jìn)而促使公司進(jìn)行更多高質(zhì)量的創(chuàng)新。

主要參考文獻(xiàn)：

[1]Hirshleifer，D.，Low，A.，& Teoh，S.H.（2012）.Are overconfident CEOs better innovators The Journal of Finance，67（4），1457-1498.

[2]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2018）.Innovative originality，profitability，and stock returns.The Review of Financial Studies，31（7），2553-2605.

[3]Fama，E.F.（1970），Efficient capital markets： A review of theory and empirical work，The Journal of Finance，25（2），383–417.

[4]Titman，S.，Wei，K.J.，& Xie，F(xiàn).（2004）.Capital investments and stock returns.Journal of Financial and Quantitative Analysis，39（4），677-700.

[5]Jegadeesh，N.，& Titman，S.（1993）.Returns to buying winners and selling losers： Implications for stock market efficiency.The Journal of Finance，48（1），65-91.

[6]Eberhart，A.C.，Maxwell，W.F.，& Siddique，A.R.（2004）. An examination of long‐term abnormal stock returns and operating performance following R&D increases. The Journal of Finance，59（2），623-650.

[7]Guo，R.J.，Lev，B.，& Shi，C.（2006）.Explaining the Short‐and Long‐Term IPO Anomalies in the US by R&D.Journal of Business Finance & Accounting，33（3‐4），550-579.

[8]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2013）.Innovative efficiency and stock returns.Journal of Financial Economics，107（3），632-654.

[9]Gu，F(xiàn).（2005）.Innovation，future earnings，and market efficiency.Journal of Accounting，Auditing & Finance，20（4），385-418.

[10]Jiang，Y.，Qian，Y.，& Yao，T.（2016）.R&D spillover and predictable returns.Review of Finance，20（5），1769-1797.

[11]Lee，C.M.，Sun，S.T.，Wang，R.，& Zhang，R.（2019）. Technological links and predictable returns.Journal of Financial Economics，132（3），76-96.

[12]王昊翔.研發(fā)費(fèi)用投入與企業(yè)價(jià)值相關(guān)性研究——基于國內(nèi)上市高新技術(shù)企業(yè)的數(shù)據(jù)[J].國際商務(wù)財(cái)會，2013（03）：5-9.

[13]羅婷，朱青，李丹.解析R&D投入和公司價(jià)值之間的關(guān)系[J].金融研究，2009（06）：100-110.

[14]徐欣，唐清泉.R&D活動、創(chuàng)新專利對企業(yè)價(jià)值的影響——來自中國上市公司的研究[J].研究與發(fā)展管理，2010，22（04）：20-29.

[15]李牧南，褚雁群，王流云.專利質(zhì)量的不同維度指標(biāo)與托賓Q值的關(guān)系測度[J].科學(xué)學(xué)研究，2019，37（07）：1164-1173+1202.

[16]楊亭亭，黎智滔，李仲飛.上市公司技術(shù)創(chuàng)新能力與股票收益——來自中國資本市場的證據(jù)[J].當(dāng)代財(cái)經(jīng)，2017（08）：56-68.

[17]Trajtenberg，M.（1989）.The welfare analysis of product innovations，with an application to computed tomography scanners.Journal of Political Economy，97（2），444-479.

[18]Trajtenberg，M.（1990）.A penny for your quotes： patent citations and the value of innovations.The Rand Journal of Economics，172-187.

[19]Shapiro，C.，Carl，S.，& Varian，H.R.（1998）. Information rules： a strategic guide to the network economy.Harvard Business Press.

[20]Lanjouw，J.O.，& Schankerman，M.（2001）. Characteristics of patent litigation： a window on competition.RAND Journal of Economics，129-151.

[21]Lieberman，M.B.，& Montgomery，D.B.（1988）. First‐mover advantages.Strategic Management Journal，9（S1），41-58.

[22]Hall，B.H.，Jaffe，A.B.，& Trajtenberg，M.（2001）.The NBER patent citation data file： Lessons，insights and methodological tools （No.w8498）.National Bureau of Economic Research.

[23]張圣平，于麗峰，李怡宗，陳欣怡.媒體報(bào)導(dǎo)與中國A股市場盈余慣性——投資者有限注意的視角[J].金融研究，2014（07）：154-170.

[24]Fama，E.F.，& French，K.R.（1992）.The cross‐section of expected stock returns.The Journal of Finance，47（2），427-465.

[25]Carhart，M.M.（1997）.On persistence in mutual fund performance.The Journal of Finance，52（1），57-82.

[26]Fama，E.F.，& French，K.R.（2015）.A fivefactor asset pricing model.Journal of Financial Economics，116（1），1-22.

[27]Fama，E.F.，& MacBeth，J.D.（1973）.Risk，return，and equilibrium：Empirical tests.Journal of Political Economy，81（3），607-636.