劉劭睿，李正杰，劉佳麗

（1.吉林大學(xué) 經(jīng)濟(jì)學(xué)院，吉林 長春 130012；2.上海交通大學(xué)，上海 200240）

一、引 言

股票的流動性水平蘊(yùn)含了諸多投資參考信息，如Amihud和Mendelson（1986）首次提出了“流動性溢價(jià)理論”［1］，即流動性較高的股票，預(yù)期收益率較低，而流動性較低的股票，為了彌補(bǔ)其流動性風(fēng)險(xiǎn)，往往具有較高的預(yù)期收益率。張慶君等（2020）［2］、張昱城等（2021）［3］的研究認(rèn)為，股票流動性與上市公司的債務(wù)違約風(fēng)險(xiǎn)、市場尾部風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系。馮根福等（2017）［4］認(rèn)為，股票流動性的提升有助于提高企業(yè)的技術(shù)創(chuàng)新水平，加快資本結(jié)構(gòu)調(diào)整速度。但是，流動性也并非越高越好，熊文敏（2020）發(fā)現(xiàn)，股票流動性越高，股價(jià)崩盤的風(fēng)險(xiǎn)和可能性越大。［5］

作為資本市場的重要參與者，機(jī)構(gòu)投資者的行為及其影響一直受到學(xué)界的廣泛關(guān)注。例如，司海濤（2018）研究發(fā)現(xiàn)，占比最高的四種調(diào)研方式分別為：實(shí)地調(diào)研、電話溝通、特定對象調(diào)研、書面詢問，這四類調(diào)研形式合計(jì)占比91.5%，且實(shí)地調(diào)研和電話溝通所占比例分別超過50%和25%。［6］李昊洋等（2018）、譚勁松等（2016）、楊鳴京等（2018）的研究發(fā)現(xiàn)，機(jī)構(gòu)投資者調(diào)研能通過提高上市公司信息披露水平來抑制公司避稅，還可以改善公司治理水平，提高被調(diào)研上市公司創(chuàng)新績效。［7－9］楊俠等（2020）指出，機(jī)構(gòu)投資者調(diào)研對上市公司經(jīng)營管理可以起到監(jiān)督作用，從而提高會計(jì)信息質(zhì)量，提升企業(yè)內(nèi)部控制有效性。［10］進(jìn)一步地，趙陽等（2019）提出，機(jī)構(gòu)投資者實(shí)地調(diào)研通過推動資本市場監(jiān)督和媒體監(jiān)督的方式，促進(jìn)企業(yè)環(huán)境治理。［11］王珊（2017）發(fā)現(xiàn)，機(jī)構(gòu)投資者實(shí)地調(diào)研對上市公司的真實(shí)盈余管理以及管理層的盈余管理水平都產(chǎn)生了顯著的抑制作用。［12］

總體來看，現(xiàn)有研究成果雖然多樣，但卻鮮有學(xué)者研究機(jī)構(gòu)投資者調(diào)研行為與被調(diào)研公司股票流動性的關(guān)系。

二、理論分析及研究假設(shè)

（一）機(jī)構(gòu)投資者調(diào)研對個(gè)股流動性的作用

上市公司股票流動性與企業(yè)的資本成本、融資約束、股票崩盤風(fēng)險(xiǎn)等因素有關(guān)。已有文獻(xiàn)發(fā)現(xiàn)股票流動性與上市公司的債務(wù)違約風(fēng)險(xiǎn)、市場尾部風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系，而與企業(yè)的技術(shù)創(chuàng)新水平、資本結(jié)構(gòu)調(diào)整速度呈正相關(guān)關(guān)系。［13－15］熊文敏（2020）則通過實(shí)證研究發(fā)現(xiàn)了股價(jià)崩盤風(fēng)險(xiǎn)和股票流動性的同向變動關(guān)系。［5］熊家財(cái)?shù)龋?016）提出，優(yōu)化股權(quán)結(jié)構(gòu)、公司治理、完善信息披露制度，有利于降低信息不對稱，提高股票流動性。［16］

機(jī)構(gòu)投資者的調(diào)研活動可以對上述股票流動性的影響因素產(chǎn)生一定的作用，如降低企業(yè)違規(guī)率、緩解企業(yè)的融資約束、降低其資本成本。［17－18］張佩等（2020）研究發(fā)現(xiàn)，機(jī)構(gòu)投資者的調(diào)研活動可以提高企業(yè)的創(chuàng)新績效，［19］黃清華等（2019）指出機(jī)構(gòu)投資者的調(diào)研活動可以降低股價(jià)崩盤風(fēng)險(xiǎn)等。［20］此外，陳玲弟（2019）認(rèn)為機(jī)構(gòu)投資者的活躍程度可以正向影響股票流動性。［21］

綜上，上市公司股票流動性的影響因素較多，而機(jī)構(gòu)投資者的調(diào)研行為可以對這些影響因素中的一部分產(chǎn)生一定的沖擊，故可以推測機(jī)構(gòu)投資者的調(diào)研活動能夠間接或直接地影響被調(diào)研公司的個(gè)股流動性。基于此，本文提出以下假設(shè)：

假設(shè)H1a：機(jī)構(gòu)投資者的調(diào)研行為可以顯著提高上市公司股票流動性。

假設(shè)H1b：機(jī)構(gòu)投資者調(diào)研的廣度和頻度與被調(diào)研公司的股票流動性呈正相關(guān)關(guān)系。

（二）機(jī)構(gòu)投資者調(diào)研對個(gè)股流動性的影響路徑——信息效應(yīng)

一方面，提高信息披露水平、企業(yè)透明度，減緩信息不對稱程度，可以提高股票流動性。比如，巫升柱（2007）指出，自愿的信息披露水平可以提高股票流動性。［22］部分學(xué)者認(rèn)為其內(nèi)在的作用機(jī)制在于，高水平的信息披露可以緩解信息不對稱問題，從而降低上市公司的資本成本［23－26］，進(jìn)而提高其股票流動性，因?yàn)楣善绷鲃有院唾Y本成本具有負(fù)相關(guān)關(guān)系。［1］

另一方面，機(jī)構(gòu)投資者調(diào)研可以提高相關(guān)企業(yè)的信息披露數(shù)量，在一定程度上緩解信息不對稱問題，從而提高上市公司股票流動性。李昊洋等（2018）、譚勁松等（2016）都發(fā)現(xiàn)機(jī)構(gòu)投資者調(diào)研可以提高企業(yè)的信息披露水平，從而降低信息不對稱程度。

總括來看，機(jī)構(gòu)投資者的調(diào)研行為可以挖掘相關(guān)企業(yè)的更多內(nèi)部信息，因此，本文初步推測，機(jī)構(gòu)投資者調(diào)研行為可以降低企業(yè)信息不對稱程度，進(jìn)而提高公司股票流動性。基于此，本文提出假設(shè)H2：

假設(shè)H2：機(jī)構(gòu)投資者調(diào)研可以通過發(fā)揮信息效應(yīng)、提高信息披露數(shù)量、降低信息不對稱程度的作用機(jī)制來提高上市公司股票流動性。

三、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)來源

本文選取2013～2019年深交所A股全部上市公司作為總樣本。同時(shí)，對數(shù)據(jù)樣本做以下處理：（1）剔除金融類上市公司；（2）剔除ST、*ST、PT企業(yè)，減少非正常經(jīng)營的公司對總體數(shù)據(jù)的干擾；（3）剔除數(shù)據(jù)缺失的樣本；（4）對剩余樣本的各主要變量在1%和99%的水平上進(jìn)行Winsorize處理，最終得到含有9188條有效樣本觀測值的平衡面板數(shù)據(jù)。

（二）變量定義

1.個(gè)股流動性（LLIQ）。參考現(xiàn)有文獻(xiàn)，本文選取兩個(gè)指標(biāo)衡量個(gè)股流動性，統(tǒng)稱為LLIQ。

（1）LnLLIQ：近年來，關(guān)于個(gè)股流動性的衡量指標(biāo)中，Amihud（2002）提出的流動性匱乏年度指標(biāo)ILLIQ受到廣泛肯定和應(yīng)用。［27］ILLIQ越大，代表個(gè)股在該年度的流動性越差，故本文對該非流動性指標(biāo)、取對數(shù)后再乘以“－1”從而得到流動性指標(biāo)LnLLIQ，其數(shù)值越大則代表個(gè)股在該年度流動性越強(qiáng)。計(jì)算公式如式（1）所示：

其中，Diy為股票i在y周期內(nèi)的有效交易天數(shù)；Riyd為股票i在y周期內(nèi)第d天考慮現(xiàn)金紅利再投資的日收益率；VOLDivyd表示股票i在y周期內(nèi)第d天的日成交金額（單位：百萬元人民幣）。

（2）ToverYF：流通股數(shù)的年換手率指標(biāo)。具體定義如式（2）所示：

2.機(jī)構(gòu)投資者調(diào)研活動（INVESTORS）。本文用以下四個(gè)指標(biāo)來對機(jī)構(gòu)投資者調(diào)研行為進(jìn)行量化：

（1）Whether，為二分類變量啞變量，上市公司當(dāng)年接受機(jī)構(gòu)投資者調(diào)研取1，否則取0。

（2）LnFrequency，機(jī)構(gòu)投資者調(diào)研頻度的代理變量，即單個(gè)上市公司在對應(yīng)年度內(nèi)受到調(diào)研的總次數(shù)加一取自然對數(shù)。

（3）LnInstitutions，機(jī)構(gòu)投資者調(diào)研廣度的代理變量，即單個(gè)上市公司在對應(yīng)年度內(nèi)接待的調(diào)研機(jī)構(gòu)總數(shù)加一的自然對數(shù)。

（4）LnPeople，機(jī)構(gòu)投資者調(diào)研廣度的代理變量，即單個(gè)上市公司在對應(yīng)年度內(nèi)接待的參與調(diào)研的總?cè)舜危▉碜詸C(jī)構(gòu)）加一取自然對數(shù)。

3.作用機(jī)制變量（Nvals）。潘越等（2011）發(fā)現(xiàn)，分析師關(guān)注度與信息不對稱程度呈顯著的負(fù)相關(guān)關(guān)系。［23］因此，本文選取分析師關(guān)注度（Nvals）作為信息不對稱程度的代理變量。進(jìn)一步地，借鑒燕鱗（2016）等的做法，選取當(dāng)年所有分析師團(tuán)隊(duì)對每家上市公司出具的盈余預(yù)測報(bào)告數(shù)量代表其當(dāng)期Nvals。［24］

4.控制變量（Controls）。本文選取上市公司杠桿率（LEV）、無形資產(chǎn)占比（Intratio）、賬面市值比（BM）、凈資產(chǎn)收益率（ROE）、托賓Q（TobinQ）、企業(yè)規(guī)模的對數(shù)（即公司年初資產(chǎn)總額的對數(shù)，記作LnS-ize）、年收盤價(jià)（Yprice）、公司股權(quán)結(jié)構(gòu)（第一大股東持股比例Top1、第2～10大股東持股比例總和Top2～10）。此外，本研究還加入年度和行業(yè)虛擬變量，以控制其對個(gè)股年度流動性的影響。

（三）模型設(shè)計(jì)

為檢驗(yàn)假設(shè)H1a和假設(shè)H1b，本文構(gòu)造了基于面板數(shù)據(jù)的多元線性回歸模型：

在模型（3）中，LLIQi，t即個(gè)股流動性變量 LnLLIQi，t；INVESTORSi，t即機(jī)構(gòu)投資者調(diào)研行為變量；Controlsi，t即各個(gè)控制變量的統(tǒng)稱；此外還加入了行業(yè)和年度虛擬變量，以控制行業(yè)和年度效應(yīng)；εi，t為隨機(jī)擾動項(xiàng)。

為了進(jìn)一步驗(yàn)證假設(shè)H2，構(gòu)建模型（4）和模型（5）：

若 α1、β1、γ1、γ2都顯著，且 γ1＜ α1，則認(rèn)為部分中介效應(yīng)顯著，信息效應(yīng)成立；若 α1、β1、γ2顯著，γ1不顯著，則證明存在完全中介效應(yīng)，信息效應(yīng)成立，β1·γ2即為機(jī)構(gòu)投資者調(diào)研活動對個(gè)股流動性的間接效應(yīng)。中介效應(yīng)在總效應(yīng)中所占的比例見式（6）：

（四）描述性統(tǒng)計(jì)

流動性指標(biāo)取對數(shù)后最大值5.812，最小值1.079；對數(shù)形式的公司年接待調(diào)研機(jī)構(gòu)數(shù)最大值5.501，對應(yīng)原始數(shù)據(jù)244家，中位數(shù)2.303，對應(yīng)原始數(shù)據(jù)為9家，而最小值為0，可見這一變量在不同公司中差異很大；年受調(diào)研次數(shù)的對數(shù)形式最大值為3.466，對應(yīng)原始數(shù)據(jù)31次，中位數(shù)1.099，對應(yīng)原始數(shù)據(jù)2次，最小值為0，這一變量在不同公司中差別也較大；同理，對數(shù)形式的年接待調(diào)研人數(shù)最大值6.105，對應(yīng)原始數(shù)據(jù)447人，中位數(shù)2.485，對應(yīng)原始數(shù)據(jù)11人，而最小值為0，故該變量在不同企業(yè)中波動也較大。

四、實(shí)證結(jié)果分析

（一）機(jī)構(gòu)投資者調(diào)研對上市公司個(gè)股流動性水平影響的回歸分析

表1顯示了模型（1）的多元線性回歸結(jié)果。從列（1）可以看出，在控制了其他相關(guān)因素后，機(jī)構(gòu)投資者調(diào)研行為的發(fā)生（Wheather）與被調(diào)研公司的股票流動性（LnLLIQ）之間的回歸系數(shù)在1%的水平上顯著，且符號為正，證明機(jī)構(gòu)投資者調(diào)研行為的發(fā)生的確可以顯著提高被調(diào)研公司的股票流動性，該結(jié)果支持了本文的假設(shè)H1a。

表1 模型（1）多元回歸結(jié)果

進(jìn)一步地，從列（2）～（4）中，可以發(fā)現(xiàn)機(jī)構(gòu)投資者對上市公司的調(diào)研活動發(fā)生的次數(shù)越多、參與的機(jī)構(gòu)家數(shù)越多、參與的工作人員越多，被調(diào)研公司的股票流動性越大，體現(xiàn)在年度調(diào)研頻率（LnFrequency）、參與調(diào)研機(jī)構(gòu)數(shù)（LnInstitutions）、參與調(diào)研人數(shù)（LnPeople）均與被調(diào)研公司股票流動性（LnLLIQ）在1%的水平上顯著相關(guān)，且系數(shù)為正。故機(jī)構(gòu)投資者對上市公司調(diào)研活動的頻度和廣度越大，被調(diào)研公司的股票流動性水平越高，這一結(jié)果印證了本文的假設(shè)H1b。

（二）機(jī)構(gòu)投資者調(diào)研行為對個(gè)股流動性影響的機(jī)制——中介效應(yīng)分析

表2和表3是將模型（3）、（4）、（5）的方程聯(lián)立得到的中介效應(yīng)檢驗(yàn)結(jié)果。可見，將INVESTORS變量中的啞變量 Whether代入模型回歸后（表2），α1、β1、γ1、γ2都在 1%的水平上顯著（分別為 0.138、6.391、0.103、0.006），且 γ1＜α1，說明了部分中介效應(yīng)的成立。借助公式（6），可以得出，中介效應(yīng)在總效應(yīng)中的占比為27.13%，中介作用顯著。

表2 模型（1）、（2）、（3）回歸結(jié)果比較（中介效應(yīng)檢驗(yàn)）——Whether

同理，將INVESTORS中的連續(xù)變量LnInstitutions代入中介效應(yīng)模型進(jìn)行回歸，結(jié)果如表3所示，α1、β1、γ1、γ2都在 1%的水平上顯著（分別為 0.055、3.913、0.036、0.005），且 γ1＜α1，說明了部分中介效應(yīng)的成立。借助公式（4），可以得出，中介效應(yīng)在總效應(yīng)中的占比為35.21%，中介作用更加顯著。

表 3 模型（1）、（2）、（3）回歸結(jié)果比較（中介效應(yīng)檢驗(yàn)）——LnInstitutions

與此類似，將LnFrequency及LnPeople分別代入中介效應(yīng)檢驗(yàn)?zāi)Ｐ突貧w后，α1、β1、γ1、γ2也都在1%的水平上顯著，且γ1＜α1，說明了部分中介效應(yīng)的成立。

綜合以上回歸結(jié)果可以發(fā)現(xiàn)，機(jī)構(gòu)投資者對上市公司的調(diào)研活動可以顯著促進(jìn)被調(diào)研企業(yè)的股票流動性；進(jìn)一步地，機(jī)構(gòu)投資者的調(diào)研活動可以提高被調(diào)研公司受資本市場分析師對被調(diào)研公司股票的關(guān)注度，進(jìn)而增加該企業(yè)的信息披露數(shù)量，從而在一定程度上緩解資本市場上關(guān)于該公司股票的信息不對稱程度，最終提高該公司股票的流動性水平。這說明，機(jī)構(gòu)投資者對上市公司的調(diào)研行為可以通過信息效應(yīng)影響被調(diào)研企業(yè)股票的流動性水平，部分中介效應(yīng)成立。

五、內(nèi)生性問題及穩(wěn)健性檢驗(yàn)

（一）內(nèi)生性問題

本文通過以上實(shí)證檢驗(yàn)，發(fā)現(xiàn)機(jī)構(gòu)投資者調(diào)研行為能夠顯著地增強(qiáng)被調(diào)研上市公司的股票流動性，且這種促進(jìn)機(jī)制的中介因子是被調(diào)研公司的信息披露數(shù)量，但機(jī)構(gòu)投資者可能本身就會傾向于對信息披露質(zhì)量更好、信息不對稱程度較低、規(guī)模較大的上市公司進(jìn)行調(diào)研，而具有這些特征的上市公司本身就可能具有更強(qiáng)的股票流動性。因此以上的實(shí)證檢驗(yàn)結(jié)果可能會受到內(nèi)生性問題的影響，尤其是反向因果問題。

為解決反向因果、遺漏重要變量等內(nèi)生性問題，本文采用工具變量法（IV）和兩階段最小二乘法（2SLS），參考譚勁松等（2016）［8］、楊俠等（2020）［10］的做法，選取滯后一期的主解釋變量作為工具變量。限于篇幅，這里只展示對主解釋變量LnInstitutions做2SLS回歸的結(jié)果。

首先進(jìn)行異方差穩(wěn)健的Durbin-Wu-Hausman檢驗(yàn)，結(jié)果中P值分別為0.0004和0.0004，故在1%的水平下拒絕機(jī)構(gòu)投資者調(diào)研變量外生的原假設(shè)，說明原解釋變量確實(shí)存在一定的內(nèi)生性；其次進(jìn)行弱相關(guān)檢驗(yàn)，F(xiàn)值為3576.52，partical-R2為0.315，均較大，且P值為0.000，在1%的水平上拒絕了弱工具變量的原假設(shè)，說明工具變量具有強(qiáng)相關(guān)性。

表4為兩階段回歸結(jié)果，第一階段回歸結(jié)果顯示，工具變量與主解釋變量具有顯著的正相關(guān)性；第二階段回歸結(jié)果中，機(jī)構(gòu)投資者調(diào)研變量的系數(shù)仍在1%的水平上顯著為正，但絕對值較原回歸模型（1）更大，說明進(jìn)行內(nèi)生性控制具有其必要性，但研究結(jié)論與此前一致，即機(jī)構(gòu)投資者調(diào)研行為可以提高被調(diào)研上市公司股票流動性水平。

表4 工具變量2SLS回歸結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.更換因變量衡量指標(biāo)進(jìn)行回歸。選取個(gè)股換手率ToverYF指標(biāo)為個(gè)股流動性衡量指標(biāo)，替代Ln-LLIQ進(jìn)行重新估計(jì)，機(jī)構(gòu)投資者調(diào)研變量系數(shù)依舊顯著，且符號為正，這也進(jìn)一步驗(yàn)證了本文前述結(jié)論的正確性。

2.增加控制變量。增加年個(gè)股回報(bào)率等控制變量后，重新進(jìn)行模型（1）～（3）的回歸，結(jié)果仍顯著，且與前述研究結(jié)論一致，限于篇幅，正文不再報(bào)告。

3.只對被調(diào)研過的上市公司進(jìn)行回歸。為避免樣本選擇偏差帶來的誤差，本文只保留年度受機(jī)構(gòu)調(diào)研次數(shù)觀測值不為0的樣本，再次進(jìn)行回歸分析，結(jié)果仍然顯著，且系數(shù)符號不變，這也進(jìn)一步驗(yàn)證了本文結(jié)論的正確性。

4.排除多重共線性的影響。為防止多重共線性對本文回歸結(jié)果的影響，本文還計(jì)算了所有回歸模型的方差膨脹因子（VIF）值，結(jié)果顯示VIF平均值為4.52，所有的VIF值均不超過10，故可以基本排除嚴(yán)重的多重共線性對回歸結(jié)果的影響。

5.中介效應(yīng)的穩(wěn)健性檢驗(yàn)——Sobel檢驗(yàn)。本文在此前運(yùn)用聯(lián)立方程，逐步檢驗(yàn)回歸系數(shù)顯著性的方法驗(yàn)證了信息效應(yīng)的存在，但該方法仍然存在一些不足之處，如抑制和遮蓋弱中介效應(yīng)等。［28］因此，參考卜君等（2020）［17］的做法，做進(jìn)一步的Sobel檢驗(yàn)，發(fā)現(xiàn)Z 值分別為11.11（Whether）、11.9（Lnfrequency）、10.85（Lninstitutions）、10.72（LnPeople），且 P 值皆小于0.01，證明了本文中介效應(yīng)結(jié)論的正確性。

六、進(jìn)一步研究

部分現(xiàn)有文獻(xiàn)揭示，機(jī)構(gòu)投資者的調(diào)研活動對上市公司的經(jīng)濟(jì)影響在股權(quán)結(jié)構(gòu)不同［7］、所有權(quán)性質(zhì)不同［15］的企業(yè)中表現(xiàn)出不同的作用強(qiáng)度。據(jù)此推測，在國有企業(yè)和非國有企業(yè)中，機(jī)構(gòu)投資者調(diào)研對上市公司股票流動性的影響效果可能存在一定差別，故本文構(gòu)建加入交乘項(xiàng)的調(diào)節(jié)效應(yīng)模型（5），用以檢驗(yàn)被調(diào)研上市公司所有權(quán)性質(zhì)在投資者調(diào)研活動對個(gè)股流動性影響中的調(diào)節(jié)作用。其中，StateOwnedi，t為公司性質(zhì)啞變量，若上市公司為國營或國有控股，則取值為1，否則取值為0；此外，加入投資者調(diào)研變量與被調(diào)研上市公司性質(zhì)的交乘項(xiàng)與此相同；控制變量及行業(yè)和年度變量等其他因素保持不變。

若ω1和ω3都顯著，則說明調(diào)節(jié)效應(yīng)顯著存在，在此基礎(chǔ)上，若ω1和ω3符號相同，則說明調(diào)節(jié)變量StatePwmedi，t可以加強(qiáng)解釋變量對被解釋變量的影響效果；若ω1和ω3符號相反，則說明調(diào)節(jié)變量State-Ownedi，t能夠削弱解釋變量對被解釋變量的影響效果。

調(diào)節(jié)效應(yīng)模型的回歸結(jié)果如表5所示。在列（1）～（3）中，ω1都在1%的水平上顯著且為正。不同之處在于，列（1）中的ω3在5%的水平上顯著，列（2）中的ω3在10%的水平上顯著，但ω3在列（3）中并不顯著。此外，列（1）～（3）中的ω3也都為正，與ω1同號。說明在列（1）、（2）中調(diào)節(jié)效應(yīng)顯著存在，且會加強(qiáng)解釋變量對被解釋變量的作用效果。

表5 調(diào)節(jié)效應(yīng)回歸結(jié)果

同時(shí)，觀察到列（1）～（3）中的ω2也都在5%的水平上顯著為負(fù)；在控制行業(yè)、年度及其他控制變量，并對個(gè)股流動性（LnLLIQ）及公司性質(zhì)（StateOwned）單獨(dú)回歸后發(fā)現(xiàn)，其回歸系數(shù)在1%的水平上顯著為負(fù)（限于篇幅，正文未報(bào)告），說明國營或國有控股上市公司可能傾向于具有更低的股票流動性。參考現(xiàn)有文獻(xiàn)的研究結(jié)論，國有企業(yè)由政府控制，其追求的是社會福利的最大化，享有特殊待遇，其管理層具有官員身份，缺少動機(jī)緩解代理沖突、減輕信息不對稱程度［25］，因此可能對部分國有企業(yè)的股票流動性帶來負(fù)向影響?？紤]邊際效應(yīng)遞減的作用特點(diǎn)，對股票流動性較低的上市公司進(jìn)行調(diào)研，可能對其流動性產(chǎn)生更大的邊際促進(jìn)效果。

以上分析結(jié)果說明，在上市公司每年接受的機(jī)構(gòu)投資者調(diào)研活動中，調(diào)研廣度的提高可以同步促進(jìn)企業(yè)的股票流動性，且這種促進(jìn)作用在國營或國有控股的上市公司中表現(xiàn)得更為明顯；而上市公司每年度接受調(diào)研的頻率（總次數(shù)）的增加雖然也會顯著提高其股票流動性，但這種提高效果卻并未在所有權(quán)性質(zhì)不同的上市公司中表現(xiàn)出明顯的差異。

七、結(jié)論與對策建議

本文基于平衡面板數(shù)據(jù)對機(jī)構(gòu)投資者調(diào)研行為對被調(diào)研上市公司的股票流動性的作用效果及其機(jī)制進(jìn)行研究。研究發(fā)現(xiàn)，從作用效果來看，機(jī)構(gòu)投資者調(diào)研活動的發(fā)生的確會促進(jìn)被調(diào)研上市公司股票流動性水平的提高，并且調(diào)研的頻度和廣度越大，其股票流動性越高；從作用機(jī)制來看，機(jī)構(gòu)投資者調(diào)研活動是通過發(fā)揮信息效應(yīng)來影響股票流動性的，即機(jī)構(gòu)投資者調(diào)研活動可以吸引更多的資本市場分析師關(guān)注被調(diào)研上市公司，從而通過增加與該公司相關(guān)的研報(bào)數(shù)量等途徑增加該公司的信息披露數(shù)量，進(jìn)而提高其信息透明度、降低信息不對稱程度，最終提高該上市公司股票流動性水平。進(jìn)一步研究發(fā)現(xiàn)，機(jī)構(gòu)投資者調(diào)研活動中，調(diào)研廣度的提高對個(gè)股流動性的增強(qiáng)作用在國有和非國有企業(yè)中都很顯著，但在國有企業(yè)中效果更強(qiáng)。本文的研究結(jié)果可以為機(jī)構(gòu)投資者在資本市場中提高上市公司信息披露質(zhì)量、削弱信息不對稱程度、提高資本市場效率的作用等領(lǐng)域的研究提供一定的理論依據(jù)，并帶來一定的政策啟示。

基于以上研究結(jié)論，本文提出以下對策建議：

（1）機(jī)構(gòu)投資者應(yīng)積極發(fā)揮其信息作用和治理作用，降低交易市場的信息不對稱程度，為建立更加有效的資本市場做出貢獻(xiàn)。

（2）上市公司應(yīng)從自身內(nèi)部強(qiáng)化經(jīng)營結(jié)構(gòu)和管理方式，提高盈利能力；積極接受投資者的調(diào)研請求，依法如實(shí)回答相關(guān)問題；服從監(jiān)管部門的管理，按時(shí)披露相關(guān)信息，且保證披露信息的真實(shí)性和可靠性。

（3）監(jiān)管部門應(yīng)進(jìn)一步加大審查力度，防止上市公司信息的違規(guī)披露對廣大投資者的利益造成損害，同時(shí)應(yīng)鼓勵機(jī)構(gòu)投資者開展各種形式的調(diào)研活動，鼓勵上市公司接受投資者的調(diào)研，構(gòu)建更加完善的投資環(huán)境。