葉小杰 李峻澤

【摘要】市場經濟的發(fā)展對于成熟穩(wěn)健的資本市場提出了更高要求， 也對企業(yè)信息披露和市場監(jiān)管帶來了新考驗， 能否通過強化監(jiān)管促進資本優(yōu)化配置、 傳遞正確的價格信號， 成為亟待解決的問題。本文基于AH交叉上市公司股價相關性視角， 以文本分析為基礎進行量化處理， 檢驗市場間監(jiān)管差異對股價相關性的影響， 探究如何提升資本市場資源配置效率。研究發(fā)現： AH監(jiān)管差異與交叉上市企業(yè)股價相關性存在顯著的正相關關系； 企業(yè)數字化轉型程度則對上述關系具有調節(jié)效應， 企業(yè)數字化轉型程度較低時， 監(jiān)管差異與股價相關性的關系更加顯著；數字化轉型程度高時， 原相關關系則不顯著。此外， 對于股權集中度較高的企業(yè)， 監(jiān)管差異擴大對股價相關性的影響更加突出； 在考慮了AH股溢價水平方向的基礎上， 隨著A股監(jiān)管水平的相對提升， AH股價會逐漸趨于一致。

【關鍵詞】監(jiān)管差異；股價相關性；企業(yè)數字化轉型；AH交叉上市公司

【中圖分類號】 F832? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）03-0128-10

一、 引言

一般而言， 在有效市場中， 商品的價格是對其價值的反映， 股票價格對于證券市場而言亦然（Fama，1965）。在有效的證券市場中， 當市場存在理性有序的交易時， 隨著買賣換手的進行， 股價應當趨近于反映企業(yè)最真實的當前狀況和盈利預期（陸靜等，2002；吳世農等，1997）。此時， 信息不對稱的程度會得到最大抑制， 投資者能夠做出理性選擇， 市場也能夠充分引導資本的效用最大化配置。然而， 市場往往是非理性的， 一方面， 投資者的投資行為并不完全受經濟利益這一單一變量的影響， 市場中存在許多“噪音”影響投資者決策（Shiller，2005）； 另一方面， 個人投資行為的理性很可能導致集體的非理性（楊國超，2013）。資本市場運行理性與否， 與其運行效率之間存在相關性（姜超，2013）， 股價同步性是衡量資本配置效率的一項重要指標。A股市場作為尚不成熟的資本市場， 上市公司股價往往不能完全反映企業(yè)經營績效， 而受到大量市場情緒的影響， 造成單一股票價格往往追隨大盤價同向變動， 甚至于出現“板塊聯動”的現象。股價相關性意味著企業(yè)的基本面信息并未被完全反映， 股票價格不能向投資者傳遞正確的信號， 因此， 資本市場資源配置的作用遭到了削弱（Jeffrey Wurgler，2000；朱紅軍等，2007）。

近年來， 隨著我國資本市場不斷發(fā)展， 不少企業(yè)選擇在大陸和中國香港均上市， 形成“A+H”的股權結構。香港資本市場發(fā)展較早， 與國際資本市場接軌程度更深入， 并且在信息披露等方面的規(guī)定相較A股市場而言更加嚴格， 因此可以認為H股市場更加成熟， 其股價反映的信息更能體現企業(yè)運作的真實面貌（胡章宏等，2008）。企業(yè)在A股和H股同步同價上市， 其股價變動趨勢有時同步， 有時卻相互背離， 二者之間存在一定的互動性， 這種價格伴隨的程度， 體現了AH交叉上市公司的股價是否充分反映其基本面。一般而言， 當基本面信息充分披露時， 市場各方投資者均可根據所得信息做出正確判斷和預期， 同一企業(yè)的A股和H股價格應當高度相關； 反之， 則會存在背離現象， A股漲而H股跌， 亦或相反。然而， A股與H股存在的監(jiān)管差異與某股票AH價格的相關性之間有無顯著的關系？其影響路徑和作用機理又是如何？

A股和H股市場存在較大的監(jiān)管差異。自2013年“信息直通車”改革開始， A股市場使用問詢函的方式進行問詢監(jiān)管， 使得一線監(jiān)管責任從證監(jiān)會下放到各交易所。除此之外， 交易所還會采用某些非處罰性監(jiān)管措施， 例如監(jiān)管警示函、 責令整改、 監(jiān)管談話和責令公開說明等方式進行監(jiān)管。然而， H股采取了完全不同的監(jiān)管思路。H股采用兩級監(jiān)管結構， 香港交易所負責監(jiān)管所有與上市相關的事宜， 而香港證券及期貨事務監(jiān)察委員會（簡稱“香港證監(jiān)會”）有法定職責監(jiān)督和監(jiān)察香港交易所履行其與上市相關的職能和職責。此外， A股全部的監(jiān)管問詢函件與上市公司回函函件的具體內容， 幾乎從未在香港交易所進行同步披露， 甚至于遞延披露的情況也不存在， 這就造成了AH監(jiān)管差異， 某些A股監(jiān)管的重點可能并未受到香港交易所和香港證監(jiān)會的關注。AH交叉上市公司也出于謹慎態(tài)度， 不會主動披露其答復其他資本市場監(jiān)管的內容。

近年來， 數字經濟的發(fā)展推動了企業(yè)進行數字化轉型。當信息技術助推企業(yè)和投資者數字化轉型程度提升時， 上市公司的信息披露質量能否得到改善？股價集中度對于公司治理水平和信息披露質量產生了一定的影響。在不同企業(yè)股權集中度的差異下， 監(jiān)管水平的提升是否有助于提升信息披露質量， 從而提高股價相關性？這些都是值得研究的問題。

本文選取AH交叉上市公司共90家作為基礎樣本， 通過對各個公司樣本觀察期內的AH股價相關性進行計算， 采用擬合優(yōu)度R2和Pearson相關系數作為股價相關性的度量值， 進而檢驗股價相關性與AH監(jiān)管差異的關系。同時， 本文將企業(yè)數字化轉型程度和企業(yè)股權集中度作為調節(jié)變量， 通過分組回歸和交叉項回歸檢驗了企業(yè)數字化水平、 企業(yè)股權集中度對上述關系的影響。此外， 還通過Bootstrap增廣樣本方法和增加控制變量法進行了穩(wěn)健性檢驗， 結果顯著。

本文研究意義如下： 第一， 豐富了股價相關性與上市公司監(jiān)管的相關研究， 從AH交叉上市公司角度出發(fā)， 探究監(jiān)管差異對個股股價相關性的影響， 揭示了其中的影響機理， 為提升資本市場資源配置運行效率提供了理論基礎和實證證據。第二， 為優(yōu)化交易所一線監(jiān)管的治理效果提出了新思考， 揭示了監(jiān)管水平的提升有助于提高資本市場效率， 從而有助于證券監(jiān)管部門和交易所加強上市公司信息披露監(jiān)管、 提升信息披露質量。第三， 對于企業(yè)數字化轉型和股權結構創(chuàng)新提供了理論支持， 從企業(yè)數字化轉型和股權集中度角度， 研究了其對于監(jiān)管差異和股價相關性關系的影響機制， 為如何提高資本運作效率提出了一些合理的政策建議， 有利于鼓勵企業(yè)積極實施數字化轉型。

二、 文獻綜述與假設提出

（一）監(jiān)管差異與股價相關性

不同股票市場上的同一公司股票， 其價格常常出現“同漲同跌”的情形， 其程度被稱為股價波動的相關性， 即A股和H股同股票股價走勢的一致性程度。股票價格受到諸多因素的影響， 包括理性因素和非理性因素。一般而言， 上市公司的財務績效、 信息披露程度、 年報審計意見以及股利政策都與其股價之間存在顯著的相關性。董欣欣（2011）認為， 企業(yè)規(guī)模、 盈利能力對股票價格有著積極影響。基于信息化和投資者行為的視角， 機構投資者行為往往會左右股價波動（王為楨，2008）， 甚至導致股價崩盤風險（許年行等，2013）。同時， 股價包含更多關于上市公司“基本面”的優(yōu)質信息， 能夠降低股價的相關性， 從而提升資本市場效率（朱紅軍等，2007）。Jeffrey Wurgler（2000）認為， 股價相關性， 體現除股票價格對企業(yè)特有信息的反映程度， 即當股價相關性越高時， 股價越難以反映企業(yè)的真實價值； 當資本市場相對成熟， 其股價相關性就會越低， 市場才能夠利用價格調節(jié)機制， 充分把握資本的逐利性， 實現資本這一稀缺資源的優(yōu)化配置。

投資者做出投資決策， 依賴于有關企業(yè)經營的信息獲取。要考慮的一種極端情況是， 當投資者完全無法獲取任何與企業(yè)經營相關的信息時， 理性的投資者應當將資本用于其他投資項目而非投資股票（假設不存在非理性情境）。要考慮的另一種極端情況是， 企業(yè)完全、 及時、 準確且完整地披露了一切與之相關的信息， 那么此時投資者獲利情況完全依賴于對信息的處理分析能力， 企業(yè)的價值完全由基本面決定， 而不受市場因素的影響（同樣假設不存在非理性情境）。然而， 市場中的投資者往往是非理性的， 投資者獲取、 解釋信息的能力存在差異（Kalay，2015）， 其投資行為受多重心理因素影響， 包括羊群效應（李志文等，2010；陳皓雪等，2022）、 損失厭惡心理（詹澤雄和吳宗法，2022；Shefrin和Statman，1985）以及過度自信（Barber和Odean，2001；李心丹等，2002）。因此， 高質量的信息披露將有利于投資者做出理性決策。

AH兩市監(jiān)管差異通過如下幾個方面對股價相關性產生影響：

1. 信息披露質量是影響的路徑之一。信息披露質量受多種因素的影響。一方面是企業(yè)層面的股權結構（劉立國和杜瑩，2003；Keim，1978）、 成長性（于團葉等，2013）、 董監(jiān)高水平等； 另一方面是市場監(jiān)管部門的監(jiān)管力度（陳運森等，2018；李曉溪等，2019）。

A股交易所問詢函監(jiān)管在我國證券監(jiān)管中發(fā)揮著重要作用， 滬深交易所審核上市公司公布的信息并對其披露的合規(guī)性、 真實性、 準確性進行評估后， 對可能存在的問題提出問詢， 同時要求上市公司在規(guī)定的時間內予以解釋說明、 補充披露或更正。問詢函監(jiān)管的歷史最早可以追溯到美國證券交易委員會在1934年設立時對于有關職能開展做出的相關規(guī)定。在2002年， 《薩班斯—奧克斯利法案》第408節(jié)正式規(guī)定， 對每家上市公司的文件至少每三年審核一次。如果公司的報告違反了GAAP的規(guī)定， 或者披露有缺陷需要進一步解釋澄清時， 美國證券交易委員會的公司財務部就會向該公司發(fā)放問詢函并要求回函， 此種方式的“對話”可能反復多次， 直至問題得以解決為止， 以確保投資者獲得重要信息， 保障信息披露的可靠性， 防止欺詐和操控。

H股監(jiān)管的形式則有所不同。香港資本市場實行兩級監(jiān)管制度， 即香港上市申請和首次公開募股受到兩級結構的監(jiān)管。香港交易所負責監(jiān)管所有與上市相關的事宜， 而香港證監(jiān)會有法定職責監(jiān)督和監(jiān)察香港交易所履行其與上市相關的職能和職責。其主要管理CWUMPO（關于公司發(fā)行證券和招股說明書文件）、 SFO（關于市場不當行為如內幕交易和其他與證券相關的犯罪）以及收購、 合并和股份購回守則（關于收購中的公平交易）。上市規(guī)則、 CWUMPO、 SFO和守則相結合是涵蓋上市申請、 首次公開招股和上市后活動的主要法規(guī)。

2. 資本市場的運行效率與監(jiān)管水平的差異息息相關。由于監(jiān)管方式和手段的差異， 以及監(jiān)管的嚴格程度、 監(jiān)管主體的強勢與否均會造成監(jiān)管質量差異， 這種差異會導致在A股、 H股交叉上市公司信息披露的不一致性。例如， 上海證券交易所問詢函監(jiān)管的內容以及公司回函的內容， 并未在H股同步披露， 這種信息不對稱會對兩地投資者的投資決策產生影響。以往學者僅從宏觀大盤指數層面進行研究， 較少從微觀層面探討監(jiān)管差異對股價相關性的影響。

3. AH兩市資本市場成熟度差異性也是影響因素之一。一方面， A股市場是半封閉市場， 其信息質量、 投資者水平和信息不對稱程度相對H股更高， A股投資者更有可能做出非理性的投資行為， 而不是基于廣泛的信息， 對企業(yè)基本面做出判斷， 又或者即使做出了判斷， 由于信息的缺失， 其判斷可能存在更大的誤差； 另一方面， H股以機構投資者為主， 投資風格偏向于穩(wěn)健、 可持續(xù)； A股投資者則以散戶為主， 投資風格偏向于成長性。因此， 當監(jiān)管差異擴大， 即A股監(jiān)管水平相對于H股監(jiān)管水平的提升幅度擴大時， 意味著A股市場加強了監(jiān)管， 提升了信息披露質量， 從而降低了A股的信息不對稱性。A股投資者在掌握了更加全面的信息以后， 會傾向于更加理性的投資行為， 從而使其整體風格趨于穩(wěn)健， 對于H股的股價波動可能產生追隨和參考效應， 使得股價波動的相關性提高。

此外， 從行為金融學的角度考察， 還有如下可能的作用機理： 第一， 監(jiān)管差異的擴大， 使得A股投資者相較于H股投資者而言， 其信息獲取程度和質量的提升幅度更高， 造成了信息和知識的富集， 這種富集削弱了投資者的非理性程度， 使得A股投資者對原先能夠擁有高質量信息的H股投資者的投資方向產生了更強的追隨效應， 股價相關性隨之加強。第二， 監(jiān)管差異的擴大使得A股市場信息披露的質量、 深度、 范圍均有所增加， 使得A股市場的有效性提升， 其股價更能反映企業(yè)基本面， 從而有效引導資源配置。H股投資者對于A股市場反映出的股價， 存在著與第一種解釋相反的追隨效應， 即H股股價追隨A股（盡管由于A股市場的半封閉性和弱有效性， 該解釋的說服力較弱）?；诖?， 本文提出：

H1： AH監(jiān)管差異與交叉上市公司 股價相關性存在顯著的正相關關系。

（二）數字化轉型程度的影響

數字化技術的發(fā)展引起了學界對其與企業(yè)和經濟發(fā)展之間關系的廣泛研究。李坤旺等（2015）從企業(yè)異質性和信息化比較優(yōu)勢角度進行研究， 認為信息化密度高的企業(yè)具有更好的出口績效， 并且在其他條件相同的情況下， 這種效應在信息基礎設施水平高的地區(qū)會得以放大。然而， 鮮有文章探討企業(yè)信息化應用水平與其信息披露質量之間的內在聯系， 更無學者研究對投資者行為和市場有效性的作用機理。僅有的文獻是張?zhí)煳鞯龋?003）基于電子財務報告和多層報告界面等技術層面， 探討了信息技術對信息披露在技術上的影響力。二者之間的關系究竟如何， 是值得探討的問題。本文認為， 企業(yè)數字化轉型程度在兩個方面對監(jiān)管差異和股價相關性的關系產生影響。

1. 企業(yè)數字化轉型有助于資本市場降低信息不對稱程度。吳非等（2021）通過分析2007 ～ 2018年上市公司數字化轉型程度與股價流動性之間的關系， 認為企業(yè)數字化轉型有助于降低信息不對稱程度。企業(yè)在“設計—開發(fā)—生產—銷售”的環(huán)節(jié)中會產生大量的信息， 也埋沒了許多有價值的信息。王海芳等（2022）檢驗了數字化轉型對企業(yè)年報可讀性的影響， 他們認為： 企業(yè)數字化轉型有助于改善上市公司年報可讀性， 進而提升信息披露質量， 緩解信息的不對稱。Chen等（2021）通過研究分析師預測行為的影響因素， 認為企業(yè)實施數字化轉型后公共信息準確性有所提高， 但無法提升私有信息的準確度。企業(yè)數字化轉型， 一是有助于企業(yè)充分挖掘其冗余信息中的潛在價值， 利用數字化技術批量處理整合原先非條理性的信息， 提升信息利用效率； 二是有利于企業(yè)在整合原先復雜信息的基礎上， 向市場和投資者披露更加完備、 及時、 準確可靠的信息， 便于投資者做出理性投資行為。企業(yè)數字化轉型從上述兩個方面均有助于提升信息披露質量， 進而提高資本市場的資源配置效率。

2. 企業(yè)數字化轉型有助于提升信息披露質量。冼依婷等（2022）認為， 企業(yè)數字化轉型能夠通過提高管理層的數據應用能力、 增強披露動力和帶來披露壓力以促進業(yè)績預告質量的提高。劉志遠和劉潔（2001）則討論了內部控制和信息技術之間的關系， 認為信息技術密度的提升有助于提高內控效率、 增強內控效果。此外， 企業(yè)數字化轉型程度的提升還有助于提高企業(yè)績效（汪淼軍等，2006）、 促進企業(yè)創(chuàng)新（王莉娜和張國平，2018）。在行業(yè)宏觀生態(tài)方面， 企業(yè)數字化轉型有助于提升企業(yè)跨界競爭的能力和積極性（張驍等，2019）， 提升企業(yè)和行業(yè)創(chuàng)新效率， 促進行業(yè)整體發(fā)展進步。還有文獻研究了信息披露對企業(yè)數字化轉型的反向影響。尉昊和趙甜甜（2022）研究發(fā)現， 積極披露ESG信息的企業(yè)可以通過加大技術創(chuàng)新驅動數字化轉型?；诖?， 本文提出：

H2：? 企業(yè)數字化轉型程度會弱化AH監(jiān)管差異與交叉上市公司股價相關性之間的關系。

（三）股權集中度的影響

現有研究表明， 股權結構越復雜， 在金字塔股權結構下， 控股股東與實際控制人的分離使得公司內部權力結構多元化趨勢越強。同時， 公司治理層面的制度安排也會對企業(yè)信息披露質量產生影響。高燕等（2022）認為， 非控股大股東退出威脅能緩解信息不對稱， 有助于提升資本市場效率。伊志宏等（2010）研究發(fā)現， 公司治理機制的合理安排能夠對信息披露產生促進作用。王斌等（2008）從獨董比例的角度研究發(fā)現， 上市公司信息披露質量與獨立董事在董事會中所占的比例存在顯著的正相關關系， 而與兩權分離率呈負相關關系。在股權集中度較高的企業(yè)， 大股東一家獨大的可能性較高， 違規(guī)行為可能難以得到有效制約， 其原先的公司治理可能較差； 在股權集中度較低的企業(yè)， 其內部的權力制衡相對有效， 公司治理水平也相對較高。因此， 對于股權集中度較高的企業(yè)， 監(jiān)管水平的提高有助于提升信息披露質量， 從而提升股價相關性。基于此， 本文提出：

H3： 企業(yè)股權集中度會強化AH監(jiān)管差異與交叉上市公司股價相關性之間的關系。

三、 研究設計

（一）樣本選擇和數據來源

本文選取新冠疫情爆發(fā)前（2020年1月前）于A股滬市和H股上市的企業(yè)共93家為研究初始樣本， 剔除1家退市企業(yè)和2家ST企業(yè)， 樣本數共計90家。由于新冠疫情給股票市場可能造成的系統(tǒng)性風險難以合理度量， 因此本文選取了上述90家企業(yè)在2020年6月30日 ～ 2022年6月30日的股價數據， 完全覆蓋了新冠疫情的期間， 間接控制了疫情對業(yè)績差異和市場表現的影響。剔除不匹配的數據后， 共獲得股價數據樣本44460個。本文關于A股市場問詢監(jiān)管的情況全部由手工搜集整理， 來源于“上海交易所—披露—監(jiān)管信息公開—監(jiān)管措施/監(jiān)管問詢模塊”； 其余數據來源于CSMAR數據庫和WIND數據庫， 并經過手工處理。

（二）變量定義與字段說明

1. 被解釋變量。本文被解釋變量為交叉上市企業(yè)的AH股價相關性， 用兩個指標進行衡量， 一是觀察期內A股和H股股價的Pearson系數（鄭儒彬，2009；錢智俊等，2018）， 二是使用各上市公司AH股價擬合優(yōu)度R2衡量股價的相關性（李增泉，2005；朱紅軍，2007）， 取LOG［R2/（1-R2）］以滿足OLS回歸的條件， 從而代替Pearson系數參與回歸， 二者度量同一指標。

2. 解釋變量。解釋變量為AH監(jiān)管差異， 該指標由A股監(jiān)管水平表征系數減去H股監(jiān)管水平表征系數后確定。其中， A股監(jiān)管水平采用監(jiān)管問詢的次數、 頁數、 問題數量進行度量， 同時一并考慮受到監(jiān)管工作的程度（監(jiān)管工作函計1分，監(jiān)管警示計2分，通報批評計3分，公開譴責和公開認定計4分）， 求自然對數后作為指標值。H股監(jiān)管水平不便于通過文本分析獲取， 故采用股價變動的標準差（SD）的倒數作為間接指標值。該指標的合理性在于， 當監(jiān)管充分適當時， 根據有效市場假說， 企業(yè)的股價應當高度反映其基本面特征， 使得標準差理論上應當趨近于零， 因此股價的波動性（標準差）反映出股價中包含的不理性程度， 該不理性由監(jiān)管缺失造成的信息披露不充分所引致， 因此取倒數， 以反映H股監(jiān)管水平。

3. 調節(jié)變量。

（1）數字化轉型程度。目前針對企業(yè)數字化轉型的諸多研究中， 普遍采用兩種思路。一是定性分析（肖靜華，2020）， 二是通過某些指標對企業(yè)數字化轉型水平進行量化（吳非等，2021）， 進而設置虛擬變量加以實證分析。本文采用CSMAR數據庫關于數字化轉型程度的指標， 其度量方式是通過分析多種數字化技術（人工智能、區(qū)塊鏈、云計算、大數據、數字應用）的細分指標在其報告中的提及次數， 對數字化轉型程度加以量化。

（2）股權集中度。本文采用第一大股東持股比例作為衡量指標。

4. 控制變量（Controls）。本文參考陳運森等（2018）和吳非等（2021）的研究， 選取如下控制變量： 流動性（采用區(qū)間日均換手率衡量）、 信息披露質量（采用股東權益保護、ESG、公共關系、社會責任、經營不足之處的披露和獨立披露與否衡量，若披露則賦值為1，否則為0）、 企業(yè)規(guī)模（采用企業(yè)凈資產的自然對數衡量）、 企業(yè)風險（采用資產負債率衡量）、 上市年限（采用觀察期末時點2022年6月30日減去A股、 H股上市日期的孰晚日期衡量）、 投資機會（采用托賓Q值衡量）、 成長性（采用凈資產平均收益率的增長率衡量）。

（三）模型設計

借鑒朱紅軍等（2007）和游家興等（2007）的研究， 本文構建如下模型：

Pearson（R2）=α0+β1Supervision_Du+β2Controls1+ε （1）

其中， Pearson（R2）表示被解釋變量AH股價相關性， 即AH交叉上市公司的A股股價和H股股價之間變動趨勢的相關程度。Supervision_Du表示監(jiān)管差異， 通過A股監(jiān)管水平系數與H股監(jiān)管水平系數之差得到。Controls1表示全部的控制變量。

四、 實證檢驗

（一）描述性統(tǒng)計

表2為描述性統(tǒng)計結果。被解釋變量Pearson系數指代了AH交叉上市公司AH股價的相關性， 其中位數大于均值， 說明整體樣本分布右偏。此外， 本文使用Winsorize方法對變量進行了縮尾處理， 其前后1%的數據采用了改變1%和99%水平上對應的分位數對異常值進行替代。

表3展示了按照數字化轉型程度高低進行分組后的描述性統(tǒng)計結果。當數字化轉型程度>2時， 將數字化轉型程度賦值為1， 否則賦值為0。由表3可知， 當企業(yè)數字化轉型程度高時， Supervision_Du的均值大于中位數， 說明數據左偏； 當企業(yè)數字化轉型程度低時， Supervision_Du的均值小于中位數， 說明分組數據和整體數據的右偏受到了TransDigit的影響。被解釋變量Pearson的變化不明顯。

表4展示了單變量檢驗結果， 基于監(jiān)管差異的中位數劃分監(jiān)管差異程度高低組， 檢驗其變量均值是否存在顯著差異。其中， 在監(jiān)管差異低組， 其股價相關性變量Pearson系數和R2的均值分別為0.628和-0.166， 而在監(jiān)管差異高組， 二者均值分別為0.825和0.590， 分別增加了0.197和0.756， 且均在1%的水平上顯著， 初步支持了監(jiān)管差異的擴大會導致股價相關性提升。

此外， 本文通過對回歸結果的方差膨脹因子進行檢驗， 從而排除可能存在的嚴重近似多重共線性問題。利用模型（1）和模型（2）進行多元回歸以后， 其方差膨脹因子均滿足1

（二）實證回歸

1. AH股價相關性與AH監(jiān)管差異。本文首先根據模型（1）進行回歸分析， 分別在不考慮任何控制變量和考慮控制變量的情形下進行回歸， 結果如表5所示。

回歸結果顯示， 在不考慮控制變量的前提下， AH股價相關性與AH監(jiān)管差異存在顯著的正相關性； 考慮了控制變量之后， 該相關性仍然顯著， 同時， 企業(yè)規(guī)模和股票流動性水平也與股價相關性之間存在線性關系， 且在1%的水平上顯著。使用被解釋變量的另一標志值R2， 回歸后發(fā)現， 無論是否考慮控制變量， 上述顯著性仍然存在。使用Pearson系數參與回歸， 在不考慮任何控制變量時， 監(jiān)管差異增加1%會引起股價相關性增加0.03%； 考慮控制變量后， 該指標略有下降， 但仍在1%的水平上顯著。使用R2參與回歸， 在不考慮任何控制變量時， 監(jiān)管差異增加1%會引起股價相關性增加0.117%； 考慮控制變量后， 監(jiān)管差異增加1%將會引起股價相關性增加約0.11%。

2. 數字化轉型程度的調節(jié)效應。本文還根據企業(yè)數字化轉型程度分組檢驗了不同數字化轉型程度下AH股價相關性與AH監(jiān)管差異之間的關系， 用以研究數字化轉型程度的調節(jié)效應。為了探討AH上市公司數字化轉型程度對上述因變量與自變量關系顯著性的影響， 按上市公司數字化轉型程度Level_Tech進行分組回歸， 當Level_Tech>2時將數字化轉型程度TransDigit賦值為1， 否則賦值為0， 用以衡量數字化轉型程度的影響?；诖耍?將模型（1）修改得到以下模型：

Pearson（R2）=α0+β1Supervision_Du+β2TransDigit+β3Controls2+β4Athos+ε （2）

其中， Controls2表示剔除了Level_Tech變量的控制變量， Athos表示Supervision_Du與TransDigit的交叉項。

表6為企業(yè)數字化轉型程度的調節(jié)效應檢驗。由表6可知， 當企業(yè)數字化轉型程度較低時（TransDigit=0）， 股價相關性與監(jiān)管差異之間的正向線性關系仍然顯著， 同時， 股票流動性和企業(yè)上市年限與其關系也在5%的水平上顯著； 當企業(yè)數字化轉型程度較高時（TransDigit=1）， 監(jiān)管差異與股價相關性之間不再存在顯著關系。由于企業(yè)數字化轉型程度直接影響了其信息披露的能力和水平， 理論上來說， 數字化轉型程度越高的企業(yè)， 其非財務信息和財務信息的整合度越高， 其進行信息披露的能力越強， 但同時隱瞞披露、 披露虛假信息的可能性也相應增加。因此， 當數字化轉型程度低時， 資本市場仍能通過監(jiān)管對企業(yè)信息披露質量加以約束， 從而促進資源的有效配置； 而數字化轉型程度的提高， 使得這種作用機制不再突出。

表7為企業(yè)數字化轉型程度的調節(jié)效應檢驗結果。由表7可知， 當使用R2作為被解釋變量時， 交叉項Athos（Supervision_Du×TransDigit）的系數在5%的水平上顯著； 而使用Pearson用以表征股價相關性時， Athos的系數在10%的水平上顯著， 但主要結果不存在較大差異。結合表5的分組回歸檢驗結果， 可以認為企業(yè)數字化轉型程度對于AH監(jiān)管差異和AH股價相關性之間的線性關系存在顯著影響。

企業(yè)數字化轉型可以有效降低信息不對稱程度， 提升信息質量， 提振市場信息， 傳遞良好的投資信號。此時， 由于存在其他因素影響信息披露質量， A股投資者依賴監(jiān)管提升所帶來的追隨效應減弱。因此， 當數字化水平較高時， AH監(jiān)管差異與AH股價相關性的關系不顯著； 當數字化水平較低時， AH監(jiān)管差異與AH股價相關性的關系顯著。

3. 股權集中度的調節(jié)效應。本文從公司治理角度， 進一步研究股權集中度對AH股價相關性與AH監(jiān)管差異之間關系的影響。選取樣本公司觀察區(qū)間中點的股權集中度， 設置新變量Cons， 將股權集中度大于50設為Cons=1， 其余為Cons=0。此外， 引入調節(jié)變量Picos（Cons與Supervision_Du的交叉項）， 基于模型（3）進行交叉回歸。

Pearson（R2）=α0+β1Supervision_Du+β2Cons+

β3Picos+β4Controls1+ε （3）

股權集中度作為調節(jié)變量的回歸結果如表8所示。引入交叉項Picos后， AH股價相關性與AH監(jiān)管差異之間的相關關系依然顯著存在， 同時交叉項系數也顯著為正。這是因為， 股權集中度較高的企業(yè)， 大股東一家獨大的可能性較高， 違規(guī)行為可能難以得到有效制約， 其公司治理可能較差； 在股權集中度較低的上市公司， 其內部的權力制衡相對有效， 公司治理水平也相對較高。因此， 對于股權集中度較高的企業(yè)， 監(jiān)管水平的提高有助于提升信息披露質量， 從而提升股價相關性。

（三）穩(wěn)健性檢驗

由于樣本數較小且非面板數據， 常用的工具變量法、 雙重差分法等方法均不適用， 因此本文擬采用增廣樣本和增加控制變量的檢驗方法進行穩(wěn)健性檢驗。

1. 增廣樣本檢驗。本文采用Bootstrap增廣樣本再回歸的方式進行穩(wěn)健性檢驗。表9清晰地表明進行增廣樣本回歸的結果仍然顯著， 說明本文結果穩(wěn)健。

2. 增加控制變量。本文在原變量基礎之上， 增加了兩個控制變量， 分別為股權制衡度（以第二至第九大股東持股比例衡量）和兩權分離度。在新增上述兩個控制變量后， 穩(wěn)健性檢驗結果如表10所示。 結果顯示， 解釋變量在1%的水平上顯著， 說明本文結果依然穩(wěn)健。

五、 進一步研究

（一）AH股溢價水平與AH監(jiān)管差異

在現有研究的基礎上， 本文進一步針對樣本企業(yè)具體的AH股溢價水平和AH監(jiān)管差異之間的關系做出回歸分析。本文根據WIND數據庫提供的2020年6月30日 ～ 2022年6月30日AH股價溢價指數作為衡量AH溢價方向的指標。其中， 若該指數為正， 則A股相對于H股溢價； 反之， 若該指數為負， 則說明出現了H股高于A股股價的倒掛現象。根據該指數， 設立新變量Premium， 用于代替Pearson系數和R2參與回歸， 結果如表11所示。結果顯示， AH股溢價水平與AH監(jiān)管差異之間存在顯著的負相關性， 即隨著AH監(jiān)管差異的擴大， A股相對于H股的溢價水平會逐漸縮小， 即AH股價會逐漸趨于一致， 由于信息不對稱所導致的AH股票估值定價差異會隨之縮小。當不考慮任何控制變量時， AH監(jiān)管差異每擴大1%， A股相對于H股的溢價水平將會縮小3.213%。在考慮了控制變量以后， 該效應更加突出， 即AH監(jiān)管差異擴大1%將會引起A股溢價水平降低3.459%。

（二）擴展樣本期間

表12呈現了將樣本選取區(qū)間擴展到2017 ～ 2022年后的回歸結果。本文將樣本中90家企業(yè)的股價選定區(qū)間由2020 ～ 2022年擴展至2017 ～ 2022年， 通過剔除通脹因素后的周期性調整市盈率， 對股價數據進行了t-1期的移動加權平均處理， 從而熨平了疫情等“黑天鵝”所造成的系統(tǒng)性風險對股價的極端影響。根據2017 ～ 2022年的股價數據， 絕大部分樣本公司均有1233個股價數據， 據此計算出其Pearson系數和R2， 并通過上述同樣的處理方法將其整理用以表征被解釋變量?？紤]同樣的控制變量的影響進行多元回歸， 其結果分別在5%和10%的水平上顯著。

六、 結論與建議

（一）結論

深化監(jiān)管體制改革是黨的十九大后證券市場監(jiān)管的改革趨勢。隨著社會主義市場經濟體制不斷發(fā)展成熟， 越來越多的企業(yè)采用“A+H”的模式上市融資。A股和H股在監(jiān)管方式、 嚴格程度和監(jiān)管主體方面均存在較大差異， 投資者素質和信息披露水平也有所不同。同時， 數字經濟的不斷發(fā)展倒逼企業(yè)進行數字化轉型升級， 提升信息整合和處理能力， “互聯網＋”“數字化”等概念已經成為中國經濟發(fā)展和企業(yè)成長的重要驅動因素。

本文選取了2020年1月之前已于A股和H股上市的90家企業(yè)為樣本， 通過多元回歸分析和穩(wěn)健性檢驗， 得出如下結論：? A股與H股的監(jiān)管差異與股價相關性之間存在顯著的正相關關系； 企業(yè)數字化轉型程度與監(jiān)管水平互相替代， 當數字化程度高時， 監(jiān)管差異不再顯著影響股價相關性； 企業(yè)股權集中度會強化監(jiān)管差異與股價相關性之間的關系， 當股權集中度較高時， 監(jiān)管差異與股價相關性的關系更加顯著。此外， 本文進一步研究還發(fā)現， 在考慮了AH股溢價水平方向的基礎上， 隨著A股監(jiān)管水平的相對提升， AH股價會逐漸趨近一致。并且， 將樣本區(qū)間擴大后， 上述結論依然成立。

（二） 建議

基于上述研究結論， 本文提出如下政策建議：

一是從資本市場宏觀層面看， 強化監(jiān)管， 以嚴格有效的監(jiān)管為健全信息披露制度和提升資本市場運行效率“保駕護航”。股價相關性意味著企業(yè)的基本面信息并未被完全反映， 股票價格不能向投資者傳遞正確的信號。2017年10月兩大交易所深入落實黨的十九大報告的重要舉措就是“切實履行一線監(jiān)管職責”， 牢牢守住不發(fā)生系統(tǒng)性金融風險的底線， 進而實現黨的十九大報告提出的“防范重大風險”的要求。首先， 證券監(jiān)管機構和交易所加強監(jiān)管， 其中交易所應當積極擔負起一線監(jiān)管職責， 通過更加嚴格的監(jiān)管措施和逐漸趨同的監(jiān)管標準， 不斷縮小A股和H股監(jiān)管水平的差異， 從而降低股價相關性， 充分發(fā)揮市場配置資源的作用， 促進資源優(yōu)化配置， 通過價格引導資本流動。其次， 政府和證券行業(yè)自治組織加強A股和H股投資者之間的互聯互通， 以提升信息披露的一致性和及時性， 保證投資者能夠最大程度地獲取完整、 有效、 及時的信息， 從而做出合理的投資決策。最后， 政府積極推進資本市場與國際接軌， 不斷提升A股市場的信息披露水平， 使得A股市場發(fā)展成強式有效的資本市場， 推動資源配置效率的提升， 增強監(jiān)管質量。

二是從微觀主體企業(yè)層面看， 大力推動企業(yè)數字化轉型升級。一方面， 政府順應數字化發(fā)展潮流， 對企業(yè)數字化轉型給予一定的政策支持， 鼓勵支持和引導企業(yè)數字化技術的開發(fā)和應用； 另一方面， 企業(yè)自身因地制宜、 審時度勢， 充分把握數字化轉型的契機， 通過數字技術的廣泛應用， 提升信息處理和披露的質量與效率。

【 主 要 參 考 文 獻 】

陳運森，鄧祎璐，李哲．非處罰性監(jiān)管具有信息含量嗎？——基于問詢函的證據［ J］．金融研究，2018（4）：155 ～ 171．

胡章宏，王曉坤．中國上市公司A股和H股價差的實證研究［ J］．經濟研究，2008（4）：119 ～ 131．

李坤望，邵文波，王永進．信息化密度、信息基礎設施與企業(yè)出口績效——基于企業(yè)異質性的理論與實證分析［ J］．管理世界，2015（4）：52 ～ 65．

李曉溪，楊國超，饒品貴．交易所問詢函有監(jiān)管作用嗎？——基于并購重組報告書的文本分析［ J］．經濟研究，2019（5）：181 ～ 198．

李志文，余佩琨，楊靖．機構投資者與個人投資者羊群行為的差異［ J］．金融研究，2010（11）：77 ～ 89．

劉立國，杜瑩．公司治理與會計信息質量關系的實證研究［ J］．會計研究，2003（2）：28 ～ 36+65．

劉志遠，劉潔．信息技術條件下的企業(yè)內部控制［ J］．會計研究，2001（12）：32 ～ 36．

汪淼軍，張維迎，周黎安．信息技術、組織變革與生產績效——關于企業(yè)信息化階段性互補機制的實證研究［ J］．經濟研究，2006（1）：65 ～ 77．

王海芳，姜道平，許瑩．數字化轉型能否提高信息披露質量？——基于年報可讀性的研究［ J］．管理現代化，2022（2）：58 ～ 65．

王莉娜，張國平．信息技術、人力資本和創(chuàng)業(yè)企業(yè)技術創(chuàng)新——基于中國微觀企業(yè)的實證研究［ J］．科學學與科學技術管理，2018（4）：111 ～ 122．

尉昊，趙甜甜．企業(yè)ESG信息披露對數字化轉型的影響研究——基于年報文本相似性分析的經驗證據［ J］．現代金融，2022（7）：28 ～ 34．

吳非，胡慧芷，林慧妍，任曉怡．企業(yè)數字化轉型與資本市場表現——來自股票流動性的經驗證據［ J］．管理世界，2021（7）：130 ～ 144+10．

冼依婷，何威風．企業(yè)數字化轉型影響業(yè)績預告質量嗎［ J］．山西財經大學學報，2022（9）：100 ～ 113．

肖靜華．企業(yè)跨體系數字化轉型與管理適應性變革［ J］．改革，2020（4）：37 ～ 49．

許年行，于上堯，伊志宏．機構投資者羊群行為與股價崩盤風險［ J］．管理世界，2013（7）：31 ～ 43．

游家興，張俊生，江偉．制度建設、公司特質信息與股價波動的同步性——基于R2研究的視角［ J］．經濟學（季刊），2007（1）：189 ～ 206．

詹澤雄，吳宗法．心理賬戶、損失厭惡與行為資產配置實證研究［ J］．運籌與管理，2022（8）：177 ～ 184．

鄭儒彬．上市公司主要財務指標與股價變動的相關性分析［ J］．財會研究，2009（5）：49 ～ 51．

Barber B. M.， Odean T.. Boys will be boys： Gender， overconfidence， and common stock investment［ J］．Quarterly Journal of Economics， 2001（1）： 261 ～ 292．

Gill Segal，Ivan Shaliastovich，Amir Yaron. Good and bad uncertainty： Macroeconomic and financial market implications［ J］． Journal of Financial Economics，2015（2）：369 ～ 397．

Jeffrey Wurgler. Financial markets and the allocation of capital［ J］． Journal of Financial Economics，2000（1）：187 ～ 214．

Shefrin H.， Statman M.. The Disposition to sell winners too early and ride losers too long： Theory and evidence［ J］． The Journal of Finance，1985（3）：777 ～ 790．

【作者單位】上海國家會計學院， 上海 201702