开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
自党中央把军民融合发展上升为国家战略以来，一系列政策密集推出，从2015年的26项激增到2017、2018年的60多项，其效果如何？一方面，我国军民融合政策有力地推进了一些地区军民融合深度发展[1]，制约我国军民融合发展的政策性问题正在得到解决[2]，已初步建立起系统完备、衔接配套、有效激励的军民融合制度体系，产业结构优化效果初显[3]；另一方面，仍存在政策法规和运行机制滞后[4-5]、支撑军民融合发展的配套政策和相关法规缺乏系统性[6-7]、政策法规适用范围和影响力明显不足等问题。因此，有必要从不同视角，采用多种方法对已出台的军民融合政策进行评价，为政策调整与完善优化提供理论指导和实践支撑。
军民融合发展的着力点在企业[8]，因此从企业投资者视角评价军民融合政策极具理论意义和现实意义。本文拟利用上市公司股票交易信息，采用事件研究法定量分析2016—2018年出台的国家级军民融合政策短期效果，分析不同类别投资者对每项政策以及所有政策的响应是否显著和正面，由此间接评价现阶段军民融合政策实施效果，对进一步完善军民融合发展政策法规制度体系以及军民融合投资决策机制具有一定参考价值。
现阶段关于我国军民融合政策效果评价的研究主要采用定性方法，定量研究文献极少。定性评价方面，章磊等[9]基于政策文本，从政策工具和研发活动两个维度评价军民融合科技政策体系；张于喆等[3]基于军民融合实践，从融合体制、融合能力、融合绩效3个方面评价当前军民融合的政策效果；闫宏等[10-11]借鉴公共政策理论体系层次方法，采用典型案例分析法，对创新示范区产业发展实践进行评价。定量评价方面，王进富等[12]基于PMC-AE指数模型，从政策本身的合理性和可行性角度对军民融合政策文本进行量化评价；雷晓康等[13]采用多元回归模型分析财政政策对西部地区军民融合上市公司发展的影响。上述研究仅局限于特定政策和地域的军民融合政策效果评价，缺乏从投资主体视角以及运用量化分析方法对多项军民融合政策和政策体系的综合效果评价，尤其是基于事件研究法的实证研究尚属空白。
一般来说，政策效果评价往往是在其实施一段时间后进行，但也有较多文献借助资本市场对政策的响应进行效果评价[14]。事件研究法理论认为，在理性市场上，某个事件对企业的影响会在相对短暂的时间内反映在相应资产价格变动上。因此，可以通过研究事件发生前后上市公司股价变动，评价事件的影响[15]。在国外，事件研究法已被广泛应用于金融、会计、法律和经济等领域[16] ；在国内，事件研究法也被广泛应用于政策法规效果评价，如房地产“新国十条”[17]、体育产业发展政策[18]、环境政策[19]、金融危机后宏观政策[20]、研发支出税收激励政策[21]等。
借鉴黄春荣等[22]提出的我国军民融合主体行为理论框架，分析军民融合企业投资者在接收到军民融合政策信息后可能出现的响应，并据此进行政策效果评价。
经济学中的利益相关者理论能够解释军民融合政策如何兼顾中观层面的4个重要参与主体——军方、中央军工企业、地方政府(地方国有军工企业)、民营企业的利益并争取共赢。因此，评价军民融合政策不仅要考虑政策的政治正确性，还要考虑军民融合相关主体在接收到政策后可能出现的响应[22]。只有政策得到各个主体积极支持和配合，才能实现促进军民融合深度发展的政策目标，否则政策目标将难以实现。
公共管理领域也涉及到委托代理关系[23]，从公共管理学角度看，军民融合中的中央政府和各执行组织的关系实质上是一种委托代理关系。该视角下军民融合政策的核心问题是，中央政府怎样通过有针对性的激励和监督措施，鼓励相关主体积极主动地参与军民融合事业，即组织领导体系的建构和有效运作以及政策工具的合理应用。
从政策工具理论视角看，军民融合政策的中心目标就是通过强制、激励、市场、服务等政策工具[24]，使各主体逐步进入到系统中并形成一个相互融合的网络。考虑到强制型政策工具容易造成效率损失，激励型政策工具具有较强的政策引导功能，服务型政策工具控制能力相对较弱，市场型工具本身也会“失灵”。因此，可以根据不同类型政策工具应用情况，对政策效果作出大致判断。
如何识别相关主体在接收到军民融合政策信息后可能出现的响应？目前一个常用的方法是事件研究法。某项军民融合政策如果能够为企业带来预期收益，就会提升企业价值，企业股东和新的投资者在接收到政策信息后会抓住机会购入股票，从而抬升股票价格，这就意味着该项政策得到了企业股东的积极支持和配合，即该项政策对军民融合发展有积极影响，反之则认为是消极影响。若某项政策发布前后，企业股票价格走势没有显著变化，则认为该项政策对军民融合发展没有显著影响。
借鉴学界和中证指数有限公司对我国军民融合企业的类型划分，本文所指的3类企业是军工集团下属上市公司、地方国有军工企业和民参军企业，为行文方便，下文依次将其简称为军工企业、地方军工企业和民企。
从现实来看，一方面，军民融合是一项涉及多个环节与多元主体的系统工程，在军民融合网络中，各个主体的决策和行为都受到市场、政府双重因素影响[25]；另一方面，谋求军民融合深度发展，最重要的就是习主席说的“破坚冰，动奶酪”，在改革建立相关体制机制的同时，调整利益结构。从期望理论[26]视角看，一方面，军民深度融合虽然有利于国家长期经济发展，但在短期内可能会对军工企业、地方军工企业的利益造成一定冲击；另一方面，民企会受益或至少不会受损。从利益相关者理论视角看，一方面，各类企业响应国家军民融合政策参与军民融合，被视为积极履行社会责任，有利于提升企业价值，因此3类企业都有响应政策参与军民融合的积极性；另一方面，从历史和利益关系的一致性、紧密程度来看，军方与军工企业、地方军工企业、民企的关系是递减的，军方等利益相关者在政策决策中的影响力越大，越有利于在实践中捍卫自身利益。
综合以上分析，并基于政策工具理论，就某一项政策效果评价提出如下4个研究假设：
H1：受政策强制约束和监督的主体对军民融合政策的响应是消极的、负面的，即军民融合政策效果是负面的。
H2：受政策激励的主体对军民融合政策的响应是积极的、正面的，即军民融合政策效果是正面的。
H3：短期的服务型、市场型军民融合政策效果是负面的。
H4：利益相关者在政策决策中影响力不相当的情况下，影响力大的企业主体对军民融合政策的响应最强；反之，利益相关者在某一项政策决策中影响力大致相当的情况下，军工企业的响应最弱。
从政策体系视角看，目前支撑我国军民融合发展的配套政策体系不健全，特别是我国已出台的国家级军民融合政策大多是在动军工企业的“奶酪”，不能适应不同主体的利益诉求。在政策落实中，一方面，各主体有选择地执行于己有利的政策，各主体对政策响应的差异较大；另一方面，表现为“决心大”和“落实难”，政策综合影响力明显不足。理论与实践表明，中央军民融合发展委员会成立后逐步扭转了这种局面，中央融委的成立明确了委托者的角色，强化了监督功能[27]，实际上也起到了对军民融合参与者极大的政治激励作用。中央融委以其超脱地位以及权威高效的巨大体制力量足以协调和保障各参与方的经济利益。因此，针对政策综合效果评价，提出如下研究假设：
H5：总体而言，现阶段我国军民融合政策综合效果不显著。
H6：总体而言，中央融委成立后军民融合政策综合效果变化趋势积极向好。
H7：总体而言，现阶段我国军民融合政策对3类企业的综合效果存在显著差异。其中，对民企综合效果最好，地方军工企业次之，军工企业最差。
采用事件研究法，首先要明确界定政策事件的内容、事件日、事件窗等，然后确定样本选择标准，最后明确累计收益率的计算和检验方法，以及运算结果的解读方法。
首先，本文中国家级军民融合政策是指由党中央、国务院、中央军委及其所属部门制定的政策文件以及中央融委历次会议及其通过的文件、法规、政策等重大决策信息，并且能在官方网站查询到确切政策决策信息首次公开日期和政策文本。其次，重大政策决策颁布、发布日期为2016年1月1日—2018年12月31日，主要基于以下考虑：①2015年3月12日，习近平总书记在十二届全国人大三次会议解放军代表团全体会议上首次提出把军民融合发展上升为国家战略；②由于2015 年6 月中旬至8 月底中国发生股市危机[28]，股市异常数据会影响事件分析法分析结果的准确性；③2019年中央几乎没有发布新的军民融合重大政策决策。再次，政策事件的选择还要符合事件研究法的前提条件，即事件日之间的间隔天数应大于事件窗的天数。最后，选择军民融合政策信息公开日期为事件日(t=0)，若事件信息公开日期为节假日，则事件日为节假日后的第一个交易日。此外，事件分析法应用中，事件的CAR对于估计窗、事件窗等的变化比较敏感，若选择不当，同一事件的CAR数值及其显著性会有极大差异，由此会导致错误的分析结论，因此稳健性检验十分必要。
综上可知，估计窗过短会影响期望收益率估计的准确性，事件窗长度过长则使得很多政策事件因不满足要求而被剔除，由此导致政策事件过少，又会影响该项研究的意义。因此，本文确定估计窗为[-135，-14]，事件窗为[-10,10]；稳健性检验的估计窗为[-105，-14]，事件窗为[-10,10]、[-5,5]等。
符合以上条件的政策事件共有12项，其主要内容、事件日、事件在下文图表中的表述标识等如表1所示。
选择已经或即将参与军民融合的上市公司作为研究样本，因为该类企业对军民融合政策最为关注，对政策信息的响应也比其它企业敏感。首先，选择中证指数公司发布的中证军工龙头指数、中证军工指数、民参军主题指数、中证中航军工指数、军工信息安全150指数中的成分股公司，以及锐思数据库、同花顺、东方财富网等财经数据库中与军民融合直接有关的军工和军民融合概念板块公司，剔除重复的公司；然后，剔除各事件估计窗、事件窗内的ST公司，剔除估计窗内日收益率数据缺失30个交易日以上或事件窗内日收益率数据缺失3个交易日以上的公司，得到符合条件的样本公司239家。符合条件的样本公司市场板块、类型结构(依据中证指数的分类)如表2所示。
表1 军民融合重大决策、政策事件内容、事件日界定
事件标识事件日政策主要内容P12016/2/29《2016年国防科工局军民融合专项行动计划》P22016/3/25《关于经济建设和国防建设融合发展的意见》P32016/12/9发布2016年度军转民目录和民参军目录P42017/1/23中央军民融合发展委员会成立于2017年1月22日P52017/2/24《推进装备领域军民融合深度发展的思路举措》P62017/9/22中央军民融合发展委员会第二次全体会议,通过了《“十三五”国防科技工业发展规划》等4项政策文件P72017/10/18发布2017年度军转民目录和民参军目录P82017/12/4《关于推动国防科技工业军民融合深度发展的意见》P92018/1/18《关于支持中央单位深入参与所在区域全面创新改革试验的通知》P102018/7/31《统筹推进标准化军民融合工作总体方案》P112018/10/15十九届中央军民融合发展委员会第二次会议,通过了《关于加强军民融合发展法治建设的意见》P122018/12/27《武器装备科研生产许可专业(产品)目录(2018年版)》
政策信息来源：工业和信息化部网站(www.miit.gov.cn),国家军民融合公共服务平台(jmjh.miit.gov.cn)，中国国防工业企业协会网站(www.ndie.cn)
表2 受政策事件影响的样本公司分布结构
政策事件军工企业地方军工民企深A沪A中小创业合计P135686518565539168P234676417545737165P343687520596443186P444727422616344190P545757522616547195P642808222596954204P743788021616752201P842818121626754204P946788322657050207P1048829523647662225P1152849524627570231P12528710024608273239
数据来源：笔者整理
本文采用市场模型估计股票的正常(预期)收益率。其中，个股日收益率、指数收益率等数据均来源于锐思数据库。
事件窗内n支公司股票在[t1,t2]内的平均累计异常收益率记为CAR[t1,t2]，通过对事件期间的平均累积异常收益率变化进行统计检验，可确定事件对股指在时间段内的持续影响。检验单次事件在事件窗的累积异常收益率采用J2统计量，CARt对N个事件综合累计异常收益率NCAR的统计检验，采用TNCAR检验统计量，其分布如下：
其中，NCAR、S2(NCAR)分别为N个事件CAR在t2时点上的截面样本均值和样本方差。
基于Fama等[29]在股票分拆事件研究中所采用的累计异常收益(CAR) 法，判断、检验政策事件的短期影响效果。如果CAR在政策事件日或其前后事件窗内基本保持不变，并在零附近随机波动，则认为该政策事件没有效果；如果CAR在事件日或其前后事件窗内显著为正(负)，在图形上表现为异常收益率在零值之上大幅偏移，则认为该政策事件有显著的积极正面(消极负面)效果。对N项政策的综合效果判断亦然。
首先对CAR运算结果进行稳健性检验，这是进一步利用CAR分析政策效果的前提和基础；然后利用CAR分析所有企业股东对某一政策事件的响应，检验H1、H2、H3；再分析3类主体对某一政策事件的响应差异，检验H4；最后利用NCAR分析N项政策事件的综合效果，检验H5、H6、H7。
根据上文运算方法，运用excel VBA和Eviews软件编程计算CAR及其检验统计量。估计窗分别为[-135，-14]、[-105，-14]时，不同事件窗内，分别以各事件对应的所有公司为样本(见表2)，计算得到的CAR及其显著性检验结果分别如表3、4所示。
表3 估计窗为[-135，-14]时不同事件窗内CAR及其显著性检验结果
[-10,0][-10,1][-10,3][-10,5][-10,10][-1,1][-3,3][-5,5]P1-0.022∗-0.024∗-0.031∗-0.034∗-0.035∗-0.0177∗-0.026 7∗-0.040 5∗P20.016∗0.017∗0.010.0120.010.008 3∗0.009 20.016 8∗P3-0.014∗-0.02∗-0.015∗-0.007-0.002-0.012 7∗-0.008 3∗0.000 4P40.018∗0.02∗0.018∗0.032∗0.03∗0.0137∗0.009∗0.019 9∗P5-0.017∗-0.018∗-0.017∗-0.018∗-0.019∗0.0019-0.004-0.002P60.011∗0.014∗0.023∗0.03∗0.014∗0.0050.0185∗0.0306∗P7-0.015∗-0.024∗-0.022∗-0.029∗-0.035∗-0.0139∗-0.0232∗-0.0277∗P8-0.003-0.0010.0070.015∗0.028∗0.024 8∗0.021 5∗0.009 4∗P9-0.04∗-0.033∗-0.042∗-0.035∗-0.045∗0.0035∗-0.0211∗-0.016∗P100.013∗0.012∗0.01∗0.011∗0.014∗-0.0010.0023∗-0.000 1∗P11-0.052∗-0.045∗-0.048∗-0.062∗-0.048∗-0.003 8∗-0.015 8∗-0.027 7∗P120.0080.0070.047∗0.067∗0.054∗-0.0030.038 8∗0.067 2∗
注：*表示在5%水平下显著，下同
表4 估计窗为[-105，-14]时不同事件窗内CAR及其显著性检验结果
[-10,0][-10,1][-10,3][-10,5][-10,10][-1,1][-3,3][-5,5]P1-0.0298∗-0.0332∗-0.0435∗-0.0484∗-0.0519∗-0.0205∗-0.0325∗-0.0506∗P20.022 4∗0.022 1∗0.016 6∗0.018 1∗0.016 9∗0.006 5∗0.008 50.019 9∗P3-0.004 2-0.009 2∗-0.002 70.006 9∗0.016 6∗-0.010 5∗-0.002 30.009 4∗P40.015 3∗0.016 7∗0.013 4∗0.026 8∗0.022 6∗0.012 1∗0.005 9∗0.015 7∗P5-0.009 8∗-0.009 5∗-0.007 4-0.007 5-0.005 20.003 90.0010.005 3∗P60.014 6∗0.018 8∗0.028 2∗0.035∗0.018 6∗0.007 8∗0.021 8∗0.034 9∗P7-0.018 2∗-0.027 6∗-0.025 7∗-0.033 4∗-0.040 5∗-0.014 5∗-0.024 6∗-0.030 4∗P8-0.007 3∗-0.005 30.001 60.009 50.020 1∗0.022 6∗0.019 1∗0.004 6P9-0.035 9∗-0.028 7∗-0.037 4∗-0.029 7∗-0.055 2∗0.004 9∗-0.018 1∗-0.012 5∗P100.000 3∗-0.003-0.010 4-0.010 1-0.012 8-0.006 5-0.011 7-0.016 6P11-0.038 5∗-0.029 4∗-0.029 4∗-0.046∗-0.025 5∗-0.000 1-0.004 3∗-0.014 6∗P120.01 42∗0.013 9∗0.054 3∗0.077 4∗0.067 5∗-0.001 20.042 8∗0.068 2∗
为进行稳健性检验，需要从以下4个方面比较估计窗分别为[-135，-14]、[-105，-14]时，CAR值的正负号和显著性是否存在显著差异：①CAR[-1,1]、CAR[-3,3]、CAR[-5,5] ；②CAR[-10,1]、CAR[-10,3]、CAR[-10,5]；③CAR[-10,0]、CAR[-10,10]；④估计窗为[-135，-14]时，CAR[-10,1]、CAR[-10,3]、CAR[-10,5]与改变事件窗后的CAR[-1,1]、CAR[-3,3]、CAR[-5,5]。以第①项的差异分析为例，对某个政策事件，若在估计窗为[-135，-14]时每个事件窗内CAR值的正负号和显著性(见表3)分别与估计窗为[-105，-14]时CAR值的正负号和显著性(见表4)相同，则称为一致；若仅存在一个CAR值的正负号和显著性不相同，则称为基本一致；若存在两个及以上CAR值的正负号和显著性不相同，则称为不一致。其它3项也据此原则判别。综合以上4项判别，若某项政策的4项判别结果都一致，则称该项政策的检验结论为高度稳健；若存在一项及以上判别结果不一致，则检验结论为不稳健；其它情况为基本稳健。稳健性检验结果如表5所示。
综合可知，CAR不稳健政策有2项，稳健、基本稳健和高度稳健政策分别有1、4、5项。删除CAR不稳健的政策P5和P10。下文主要利用表3中估计窗为[-135，-14]时的CAR数值和显著性信息及其CAR走势(如图1—4所示)，分析CAR具有稳健性的10项政策效果。
表5 各事件CAR运算结果稳健性检验
第一方面第二方面第三方面第四方面检验结论P1一致一致一致一致高度稳健P2一致基本一致基本一致一致基本稳健P3一致基本一致基本一致一致基本稳健P4一致一致一致一致高度稳健P5一致一致不一致基本一致不稳健P6一致一致一致一致高度稳健P7一致一致一致一致高度稳健P8基本一致一致一致基本一致基本稳健P9一致一致一致基本一致基本稳健P10一致不一致不一致不一致不稳健P11一致一致一致一致高度稳健P12基本一致一致一致基本一致基本稳健
4.2.1 企业对单个政策事件的响应及理论假设验证
表3结果显示，政策P1、P3、P7、P9、P11的CAR[t1,t2]在事件日或其前后事件窗内显著为负，表明其政策效果为显著负面；政策P2、P4、P6、P8、P12的CAR[t1,t2]在事件日或其前后事件窗内显著为正，表明其政策效果为显著正面。
图1显示，政策P11的CAR最小，从事件日前9天到前6天持续大幅下降，事件日前5天到前3天小幅上升并稳定在-0.003附近，事件日前2天到事件日大幅下降到-0.054，事件日后1天稍有回升，之后基本稳定在-0.055附近。这种变化趋势表明，投资者事先就对该政策有消极的利空预期，消化政策消息后仍持利空看法。该项政策的主旨是加强法制建设，营造公平环境，推行竞争性采购，引导国有军工企业有序开放，提高民口民营企业参与竞争的比例，其主要目的是约束和监督军工类企业。类似的还有政策P1、P9，可见，对于这3项政策而言，H1得到验证。
图2显示，政策P3、P7的CAR走势基本相似，P7的CAR相对更小。政策P3、P7是关于信息公开的，属于短期的、控制能力相对较弱的服务型政策工具，现实中这类政策效果也确实不佳，对其响应消极是合乎情理的。由表3可知，政策P3的CAR在事件日及其后3天显著小于零，响应为负面，事件日后第4、5天的CAR仍为负但不显著；政策P7的CAR在事件日及其后11天均显著小于零，响应为负面。由此，H3得到验证。
图1 政策P1、P9、P11的CAR走势
图2 政策P3、P7的CAR走势
图3显示，政策P8的CAR最小，从事件日前6天到前2天持续大幅下降，但在事件日前1天开始回升，一直持续到事件日后6天，之后小幅下降，到事件日后8天后仍呈上升态势。这种变化趋势表明，投资者事先就对该政策有消极的利空预期。但事件日前1天可能预先得知政策内容，从而转变原先预期，持利多看法。该项政策虽然有扩大军工开放等似乎不利于军工企业的条文，这可能是诱发事件日前几天市场利空的原因。但是，在太空、网络、海洋等高科技领域军民优势互补性极强，特别是设立国家国防科技工业军民融合产业投资基金等激励性措施的利好信息得到投资者确认后响应积极，形成看多预期并持续强化。因此可以认为H2成立。政策P2的CAR从事件日前7天开始上升，到事件日后1天达到顶点，其后维持小幅水平波动态势。这种变化趋势表明，投资者事先就对该政策有一定利多预期，消化政策消息后仍持利多看法。政策P2旨在挖掘军民融合整体效益与巨大潜力，军地联合组织实施推出一批重大工程、重大项目将为企业带来新的获利机会，实质上属于激励性政策工具，引发了参与主体的利好预期和积极响应。因此，对于这项政策而言，H2得到部分验证。
图3 政策P2、P8、P12的CAR走势
图4 政策P4、P6的CAR走势
政策P12的CAR走势不能从政策本身得到合理解释。由于该政策大幅降低军品市场准入门槛，有利于民企和地方军工企业，但考虑到该政策对军工企业不利，因而这3类企业的综合响应不会过于剧烈。但是，这一反常响应可以用特殊时段的股市联动效应和反向激励理论来解释。美国的贸易霸凌和极限施压行径激发了国人希望强军自卫的坚强意志，投资者以实际行动支持军民融合企业，元旦节后开市军工板块全面飘红，2019年1月3日，16家军工股涨停；美国人则等来了一个“黑色星期四”，股市暴跌。随着信息扩散，投资者乐观情绪持续高涨，政策P12的CAR在事件日后5天(2019/1/7)达到最大值0.0672。某种意义上也可以把美国的贸易霸凌和极限施压行径看作是对军民融合企业投资者的反向激励。在这种意义上可以认为H2成立。
图4显示，在事件日前后5天内政策P4、P6的CAR走势基本相似，政策P4、P6的CAR从事件日前5天到前1天维持小幅波动，事件日后一周内持续较大幅度上升。其中，P4的CAR甚至上升到事件日后8日的0.04，之后小幅回落到0.03的较高水平上，这种走势表明，投资者事先没有预计到这一利好信息，获取政策信息后响应积极；P6的CAR在事件日后5天就开始回落，最终维持在0.005附近，投资者响应的积极性远低于P4。可见，中央融委成立并开展工作，强化了各参与方的利好信念，即H2得到部分验证。
4.2.2 3类投资者对政策事件的响应差异及假设验证
以每个事件对应的3类公司分别作为样本计算CAR，结果如表6所示。从两个角度判断各类企业对政策响应是否存在差异，即响应性质(利空或利多)和响应程度(相对强或弱)。
首先，利用CAR[-10,10]判断各类企业响应性质差异。若CAR[-10,10]<0，则表明该类企业对政策的响应为利空或负面，反之则为利多或正面。表6显示，仅政策P2的CAR[-10,10]正负号不一致，表明军工企业对政策P2的响应为利空或负面，地方军工企业和民企的响应为利多或正面。但是，各类企业的CAR[-10,10]均未通过显著性检验，因此可以认为各类企业对政策P2的响应性质几乎没有差异。对其它9项政策，各类企业的响应都是一致的。
表6 各类企业CAR[-10,10]及其显著性检验结果
军工企业地方军工民企响应性质差异P1-0.046 5∗-0.039 6∗-0.036 5∗无P2-0.013 10.005 50.001 3有P30.031 8∗0.017 2∗0.014∗无P40.030 7∗0.043 4∗0.043 2∗无P60.020 7∗0.011 70.012 3∗无P7-0.034 3∗-0.034 2∗-0.032 8∗无P80.042 9∗0.036 7∗0.036 7∗无P9-0.093 2∗-0.071 3∗-0.067 8∗无P11-0.067 1∗-0.055 2∗-0.046 5∗无P120.058 3∗0.061∗0.068 6∗无
其次， 利用各类企业的CAR[-10,t2](其中t2=-9，-8，……，9，10)数值相对大小判断各类企业对政策响应的程度(相对强或弱)是否存在差异。可以直接观察各类企业的CAR走势图，得到大致判断结果，并据此检验H4。为行文方便，以政策P2为例，各类企业的CAR在走势图中分别标示为P2军、P2地、P2民，如图5所示。
关于H4的前半部分，可以由两个方面的政策P2 、P3、P7得到验证。图5显示，CAR走势从事件日前2天开始新一波上升，事件日达到顶点，说明各主体对政策出台都有积极预期。其中，地方军工企业的CAR最大、民企次之、军工企业最小，表明地方军工企业对政策P2的响应最为积极。究其原因，政策P2是国家战略的顶层设计，核心目标是实现军队后勤保障、交通通讯等基础设施建设领域军地资源共享，地方军工企业具有军地双重身份，对政策决策有较大影响。由3类企业对政策P3、P7的CAR走势图(见图6)可知，虽然事件日后其走势相反，但其共同特征是军工企业的CAR最大，响应最强。该类政策决策要点是，军转民目录主要根据军队和军工集团需求公开征集确定，民参军目录存在涉密问题，主要根据军队和军工集团要求进行纸质文件推送，即军工企业对这两项政策决策影响力均较大。
图5 3类企业对政策P2的CAR走势
图6 3类企业对政策P3、P7的CAR走势
其余7项政策决策中，3类企业的影响力大致相当。政策P1、P4、P9、P11、P12可以验证H4的后半部分。图7、8、9分别是3类企业对政策P1与P4、政策P11与P12、政策P9的CAR走势图，其共同特征是事件日及之后军工企业的CAR最小，响应最弱。其原因已在上文有所论述，不再赘述。
由政策P6、P8关于3类企业的CAR走势图(见图10)可知，各类企业的CAR[-10,t2]非常接近，相对大小关系多变，可以认为3类企业对政策P6、P8的响应几乎相同。H4对政策P6、P8不成立，由此反过来可以说明这两项政策效果最为理想，最大限度地减少了利益相关者间的利益冲突，形成了积极的政策合力。
图7 3类企业对政策P1、P4的CAR走势
图8 3类企业对政策P11、P12的CAR走势
图9 3类企业对政策P9的CAR走势
图10 3类企业对政策P6、P8的CAR走势
从政策体系角度分析，把CAR具有稳健性的10项政策看作一个整体，采用综合累计异常收益率NCAR分析其综合效果和结构性差异。
根据上文方法计算NCAR及其检验统计值TNCAR，结果如表7所示(仅列示了事件日后的运算结果)。其中，前NCAR、后NCAR分别表示中央融委成立前、后的综合累计异常收益率，事件窗内NCAR、前NCAR、后NCAR的走势如图11所示。仍采用类似运算方法，得到各类企业为样本的综合累计异常收益率，分别以军NCAR、地NCAR、民NCAR标示，其事件窗内走势如图12所示。利用以上数据信息分析并验证H5、H6、H7。
4.3.1 10项政策综合效果分析
由表7可知，10项政策的NCAR在事件日后都小于零，表明综合政策效果是负面的。检验统计值TNCAR的绝对值也都小于5%显著性水平下的检验临界值2.262 2，接受零假设，即综合政策效果不显著。图11显示，NCAR从事件日前9天开始下降，到事件日前2天开始小幅回调，事件日后1天到第5天大幅上升，此后有所回调。这表明投资者提前获悉政策发布消息并对该消息持负面看法，在消化具有负面影响的政策信息后，投资信心有所恢复，但仍低于事件日前7天的水平。总体而言，现阶段我国军民融合政策综合效果是负面的，但不显著，因此H5得到验证。
4.3.2 中央融委成立前、后政策综合效果差异分析
根据前文分析，由表7可知，融委成立前的 3项政策以及成立后的 7项政策的综合效果是负面的，但不显著。图11显示，事件日前2天到事件日后2天的前NCAR、后NCAR走势是相反的，事件日后3天以后的前NCAR基本在-0.01水平波动，但后NCAR持续上升，到事件日后第5天达到最大值0.002 6，然后回落在0附近波动。表明投资者对这两个阶段的政策综合响应是有差异的，即融委成立后的政策综合效果虽然仍是负面的，但呈现出逐步趋向正面的发展态势。
表7 事件日后NCAR及其t检验统计值
t2NCARTNCAR前NCART前NCAR后NCART后NCAR0-0.009 2-1.280 6-0.006 6-0.690 7-0.010 3-1.099 91-0.008 8-1.276 2-0.009-0.849 5-0.008 8-0.997 92-0.006 9-0.893 8-0.011 9-1.250 2-0.004 8-0.4713-0.005 3-0.574 5-0.012 1-1.223 8-0.002 5-0.197 44-0.005 1-0.488 8-0.010 3-0.803-0.002 8-0.206 75-0.001-0.089 1-0.009 7-0.892 30.002 70.167 36-0.001 8-0.163 9-0.010 9-0.919 80.002 10.139 17-0.003 1-0.292-0.009 6-0.719 9-0.000 4-0.028 28-0.004 5-0.414 9-0.009 4-0.797 2-0.002 4-0.163 89-0.004 2-0.374 6-0.010 7-0.863 8-0.001 4-0.095 210-0.002 9-0.273-0.009-0.820 6-0.000 3-0.023 9
注：TNCAR、T前NCAR、T后NCAR对应5%显著性水平下的双边检验临界值分别为t0.025(9)=2.26 22、t0.025(2)=4.302 7、t0.025(6)=2.446 9
利用成对数据t检验法检验H6，即假设中央融委成立后，军民融合政策效果有所提高，为左边检验。选取事件日后11天的前NCAR、后NCAR，零假设为：
H0:后NCAR[-10,t2]-前NCAR[-10,t2]>0 (其中t2=0，1，……，9，10)
剔除融委成立前、后两个时期市场趋势的影响后，计算可得检验统计值t=-0.012 4，临界值为-t0.05(10)=-1.812 5，因此不能拒绝零假设，接受H6。
图11 所有政策与融委成立前、后的NCAR走势
图12 3类企业的NCAR走势
4.3.3 10项政策对3类企业综合效果差异分析
图12显示，军NCAR事件日后1天降到最低值-0.013 67，此后上升，到事件日后第5天达到最大值-0.000 1，然后回落在-0.006 7附近波动。表明军工企业投资者对这10项政策的综合响应最为负面，3类企业的NCAR在事件日后11天也均不显著(限于篇幅，未列出其运算结果)。
利用成对数据t检验法检验H7。选取事件日后11天的NCAR，零假设为：
H01:民NCAR[-10,t2]-军NCAR[-10,t2]>0
H02:地NCAR[-10,t2]-军NCAR[-10,t2]>0
H03:民NCAR[-10,t2]-地NCAR[-10,t2]>0
其中，t2=0，1，……，9，10。计算可得检验统计值分别为14.3、12.1、18.74，5%显著性水平下临界值为-t0.05(10)=-1.812 5，表明3个零假设都不能拒绝，接受H7。
综合以上理论和实证分析，结论如下：①总体而言，2016—2018年间我国军民融合政策综合效果是负面的，但不显著；②中央融委成立后，军民融合政策效果有所提高，虽然政策综合效果仍是负面的，但呈现出逐步趋向正面的发展态势，由此可以预见，随着政策体系的完善，其积极的综合效果会越来越好；③无论从单项政策影响还是多项政策的综合影响看，军工企业的响应最为消极；④利益相关者在政策决策中影响力不平衡的政策、短期临时性政策效果是负面的；⑤将中央军民融合发展委员会第二次全体会议通过的多项政策作为一个政策事件来看，其响应效果是最好的，其中，《关于推动国防科技工业军民融合深度发展的意见》的政策效果最好，因为各参与方都能从中发掘出新的利益增长点。
本文的理论意义在于，采用我国军民融合概念板块上市公司数据证实了学者构建的涵盖中观、微观和个体层面的军民融合主体行为理论分析框架，部分验证了参与军民融合的相关社会主体、组织、个体在接收到政策后可能出现的反应。基于该理论逻辑，要破解军民融合发展的主要矛盾，克服军地部分参与主体“大利大干、小利小干、无利不干”等倾向性问题，一方面应顺势而为，相机采用财政(税收、补贴、政府采购)、金融(基金、股改、信贷)等政策措施，将短期、局部的“无利、小利”扭转为“有利、大利”，才能吸引和激励更多主体参与到军民融合事业中来；另一方面，要抓住军方和军工企业这个军民融合主要矛盾的主要方面，通过体系化组织(如成立中央和地方各级融委、退役军人事务部等)、法律法规、政策等措施，在保证其整体长远发展利益前提下，充分发挥其中坚和尖刀作用，持续带领和推进军民融合各领域向深度融合发展。具体建议如下：
首先，补齐政策体系不完善的短板，向军民融合参与主体发出协调一致、目标明确、长期稳定的政策信号，特别是要消除短期利益受到冲击的主体(目前主要是军工企业)对未来的担忧，才能形成各主体积极参与的宏大合力。此外，借鉴我国经济改革“先增量、后存量”的成功经验，完善军民融合政策体系，不断开辟新的军民融合发展领域(如“一带一路”建设、海洋、太空、新能源等)并提供政策支持，让各参与方特别是军工企业有新的利益增长空间，以新的利益增量弥补存量改革中的损失，补齐军工企业等参与主体动力不足、行动滞后的短板。
其次，政策发布的时机也很重要，相互配套的政策同时或短期内密集出台，有利于参与主体形成全面、整体、稳定的积极预期。现阶段是军民融合由初步融合向深度融合过渡，进而实现跨越发展的关键期，要准确把握不同领域军民融合政策出台的时序性、时效性，及时清理不合时宜的旧法规文件，出台新政策，完善政策体系。此外，目前国际形势正处在百年变局的转折点，各种战略力量加快分化组合，要因时因势出台相关政策，推动军民融合与“一带一路”协同发展。
再次，强化中央融委组织领导管理体系作为军民融合委托者的角色，结合新时代伟大斗争新特点，应用反向激励原理强化监督功能和刚性约束，提升政策的执行力。军民融合深度发展实质上就是对各参与方利益结构重塑的过程，需要中央融委以其超脱地位和权威高效的组织领导，协调和保障各参与方的经济利益，这是军民融合发展的内因。军民融合发展也需要外因推动，特别是近期美国对华发动的贸易战、科技战等狙击和遏制中国高科技发展的无理、霸凌行为，必将激发我国更加发奋自强，有利于促进和加快军地双方在资源整合等方面达成共识，发挥举国体制优势，加快各领域军民深度融合发展。
最后，对投资者而言，新兴领域的军民融合发展前景广阔，极具投资价值。一方面，海洋、太空、网络空间、生物、新能源等领域军民共用性强，是我国当前国防和经济社会建设向高质量发展的重要动力源泉；另一方面，为充分发挥军地双方优势，民营企业应尽量避开目前国有军工集团的主营业务，主攻新兴领域。鉴于近年来中国国防支出、研发支出等继续稳定增长，有力保障和支撑了新兴领域产业发展，同时，我国具有集中力量办大事的文化、制度优势和办之必成的历史经验，因此可以预见，我国新兴领域的军民融合发展前景可期。
本文也不可避免存在一些不足：仅针对事件窗和估计窗的变化，而没有采用期望收益率的不同估计方法进行稳健性检验，仅采用短期事件研究法检验军民融合政策的股市效应。后续可采用GARCH模型分析军民融合政策的长期股市效应，探索应用双重差分模型、合成控制法等政策评估定量分析方法研究军民融合政策效果。
[1] 崔玉平.政策引领 江西加速推进军民融合深度发展[N].中国工业报, 2015-07-13.
[2] 张于喆, 周振.习近平关于军民融合发展的战略思想研究——军民融合培育新动能的机理、现状与建议[J].经济社会体制比较, 2019(4):9-17.
[3] 刘晋豫.当前我国军民融合发展新态势、新政策与新思路[J].军民两用技术与产品, 2018(5):44-47.
[4] 姬文波.党的十八大以来军民融合发展战略的深化与拓展[J].国防, 2017(8):23-31.
[5] 于川信.以五大体系建设支撑军民融合深度发展[J].中国国情国力, 2017(1):13-15.
[6] 董新泉.我国军民融合法律法规建设问题研究[J].南京理工大学学报(社会科学版), 2018, 31(2):16-19.
[7] 邓纯熙.军民融合发展的政策激励机制现状、问题与优化探究[J].创新创业理论研究与实践, 2019(7):7-10.
[8] 李宏宽, 何海燕, 蔡静静, 等.考虑评估指标关联性的我国军民融合发展水平评估研究——基于DEMATEL-ANP模型与灰色关联分析法[J].科技进步与对策, 2018, 35(9):113-122.
[9] 章磊, 胡慧姿, 李肇欣.军民融合背景下军民两用技术研发政策研究[J].中国科技论坛, 2018(5):121-127.
[10] 闫宏, 顾桐菲, 付勇, 等．军民融合政策体系建设研究[J].军事运筹与系统工程, 2019, 33(1): 63-68.
[11] 张嘉国,李正锋.军民融合创新示范区建设的问题分析与对策[J].西北工业大学学报(社会科学版),2018(4):84-88.
[12] 王进富, 杨青云, 张颖颖.基于PMC-AE指数模型的军民融合政策量化评价[J].情报杂志, 2019, 38(4): 66-73.
[13] 雷晓康，陈诗含.西部地区军民融合企业发展比较及支持政策——基于我国西部地区18家军民融合概念上市公司数据[J].国防科技, 2018,39(1):21-26.
[14] 蒋彧，陈鹏.中国股市的“领导人出访”效应研究[J].南大商学评论, 2017(4):1-15.
[15] 汪昌云，戴稳胜，张思城.基于EVIEWS的金融计量学[M].北京：中国人民大学出版社, 2011.
[16] FAMA E F.Efficient capital markets:II[J].Journal of Finance, 1991, 4(6):1575-1617.
[17] 陈丹妮，薛志宏，陈瑶.房地产政策调控效应的截面异质性[J].统计研究, 2013, 30(11):92-98.
[18] 王裕雄，靳厚忠.中国体育产业新政效果如何——来自资本市场的证据[J].北京体育大学学报, 2017,40(1):16-21.
[19] 李旸, 陈浩苗.环保政策对我国碳排放权交易价格的影响研究——以湖北、广东和深圳碳排放权交易试点为例[J].国土资源科技管理, 2018,35(4):l06-115.
[20] 田金方, 王文静.金融危机后宏观政策的发布对股市是否产生了冲击——基于高频数据的研究[J].财政金融研究, 2018(5):130-137.
[21] 杨令仪, 杨默如.研发支出税收激励政策对公司股价的影响——基于事件研究法[J].华侨大学学报(哲学社会科学版), 2019(1):49-66.
[22] 黄春荣, 谭清美, 王子龙.跨层级军民融合主体行为分析理论框架[J].南大商学评论, 2017(4):175-192.
[23] JENES M, MACKLING.Theory of the firm: managerial behavior, agency cost and ownership structure[J].Journal of Financial Economics,1976(4):1-7.
[24] 唐兴霖, 王双喜．军民融合政策工具应用分析[J].经济社会体制比较, 2018(3):166-172.
[25] 阎波, 张炜．科技军民融合政策：实施逻辑与路径选择[J].上海交通大学学报(哲学社会科学版), 2018(6):73-80.
[26] PRITCHARD RD,ASHWOOD EL.Managing motivation:a manager's guide to diagnosing and improving motivation[M].New York, NY:LEA/Psychology Press,2007.
[27] 曾立, 胡宇.“委托—代理” 视角下建立军民融合管理机构的思考[J].湖南大学学报(社会科学版), 2017,31(1):82-81.
[28] 吴晓求.股市危机、逻辑结构与多因素分析[J].财经智库, 2016,1(3):5-37.
[29] FAMA E F, FRENCH K R.Dividend yields and expected stock returns[J].Journal of Financial Economics,1988,22(1):3-25.