开放科学(资源服务)标识码(OSID)：
Thus,it is suggested that government departments should continue to deepen the reform of the issuance and trading systems of the securities market, such as the Science and Technology Innovation Board and the registration system, to enhance the maturity and inclusiveness of the capital market. On the one hand, the launch of the Science and Technology Innovation Board will provide a smooth exit channel for VCs investing in technology enterprises, guiding VCs to invest more actively in technology start-ups; on the other hand, the promotion of the registration system will lower the threshold of financial indicators for listing and increase the speed of IPO issuance, which will lead to a decrease in the overall valuation premium and liquidity level of listed companies, but innovative enterprises with scarcity will obtain a higher valuation pricing, enhancing the return on innovation premium returns from VC investments in technology companies going public. Although the registration system has been steadily promoted in the A-share market since 2021, the current substantive review phase controlled by the exchanges and the SFC still plays a decisive role in the process of listing companies. Therefore, the financial regulators should expeditiously promote the effective implementation of the registration system in accordance with the provisions of the Securities Law, and further leverage the role of the capital market in optimizing resource allocation.
The innovations and contributions of this paper are as follows. Firstly, a dynamic game-theoretic model of the investment and financing activities between VCs and technology enterprises with incomplete information is constructed and solved under the premise of market incentives, which enriches the academic application of signal theory in the field of venture capital. Secondly, it verifies the value discovery ability of VCs to innovative enterprises, and provides reference for the government to continuously promote the development of the venture capital market. Thirdly, this study finds that the A-share market's insufficient market incentives for VCs to return returns on investment in innovative enterprises have led the venture capital market to deviate from equilibrium. It also provides data support of practical significance for financial regulators to further improve the issuance system of the securities market and enhance the resource allocation efficiency of the venture capital market.
开放科学(资源服务)标识码(OSID)：
中共十九大报告指出我国已进入创新型国家建设的关键时期。近年来,不断升级的中美贸易战背后是两国科技力量的比拼,严峻的国际形势凸显了实现中国科技强国战略目标的重要性和迫切性。初创型科技企业是引领科技创新的重要载体,对技术进步起重要推动作用,但由于企业规模偏小,抵御经营风险的能力较弱,在研发投入过程中普遍面临严重的融资约束。我国初创型科技企业获取外部融资的主要方式有银行贷款、政府补贴和股权直接融资。然而,商业银行对初创企业存在明显的“规模歧视”。受财政预算约束,政府研发补贴难以惠及绝大多数初创型科技企业。风险投资作为企业直接融资渠道,理应在促进企业研发投入、提升企业创新能力方面发挥资源配置作用。
然而,由于起步较晚和发展时间较短,我国针对初创科技企业风险投资市场的有效供给不足。一方面,国内初创科技企业不断涌现,对于研发投入的融资需求日益旺盛。我国高新技术企业数量从2017年的13.06万家增至2020年的27.5万家,年均增速保持在25%以上;另一方面,风险投资市场募资节奏放缓,资金增量不断收缩,资源错配问题依然存在。清科集团发布的数据显示,自2017年我国股权投资基金募资规模达到1.78万亿元峰值以来,近3年呈持续下降趋势,2020年已经降至1.19万亿元。近年来,风险资本(以下简称“VC”)投资主要集中于以电商、团购和直播等作为增长驱动力的消费及互联网领域,对以颠覆式创新作为增长驱动力的半导体、生物医药和先进制造业关注较少。2020年IPO上市A股科技企业中仍有187家未获得VC支持,占当年IPO发行企业总数的35.5%。风险投资市场资金供给不足和资源错配问题使我国初创科技企业面临愈发严峻的融资困境。基于此,本文基于信号理论和激励理论,剖析我国风险投资市场对科技企业资源配置低效的原因。
Hellmann &Puri[1]指出,VC对科技企业的投资决策面临信息不对称风险,即创新活动产出具有高度不确定性,有可能会诱发潜在道德风险,导致双方出现逆向选择。近年来,国内外学者利用信号理论研究初创科技企业投资信息不对称问题,包括企业战略、技术创新和行业发展趋势等因素对VC的信号作用[2-4]。以往研究表明,当投融资双方信息不对称时,创新信号释放与识别成为破解初创科技企业融资困境的关键因素。
以往学者主要围绕创新信号“发”或“收”构建模型,揭示初创科技企业与VC在投融资活动过程中的信息传递机制。
(1)企业如何发出创新信号?Haeussler等[5]研究发现,企业专利信息显著影响其获得VC投资的可能性与投资金额,但其信号作用随着融资轮次增加而递减;Carolin 等[6]通过构建企业专利活动过程模型,指出包括申请、评审和复议在内的专利活动各个环节均为VC评估企业创新能力提供了有价值的信息;Hoenen 等[2]构建包括科技企业专利、团队技术经验和企业资质在内的多维创新信号模型,发现团队技术经验的信号作用显著,而专利信息并不能对VC传递企业创新能力信号;陈晋等[7]指出,突破性专利对VC的信号传递作用大于渐进性专利。综上所述,尽管众多学者都将专利信息视作企业创新的重要信号,但对于专利类型和专利活动所传递的企业创新能力差异有待深入探讨。
(2)VC能否识别创新信号?VC与科技企业信号传递及甄别机制成立的前提条件是VC能否获得企业创新能力的先验概率分布,从而筛选出具有创新潜质的初创企业。Conti 等[8]将专利信息作为企业创新能力信号,结合VC投资偏好差异,得到不同投资风格VC对创新信号的反应函数,并求解出均衡状态,指出多数VC对初创科技企业的风险厌恶态度导致企业风险投资不足;徐向阳等[9]构建VC专利信号敏感度模型,研究不同类型VC对专利信号敏感度的差异,发现技术认知能力更强的民营VC和公司型VC对专利信号更敏感,投资回报收益也更高;陈晋等[10]从制度逻辑视角出发,认为国有VC将投资创新企业视为自身绩效衡量的重要指标,基于信号理论构建模型发现,国有VC倾向于投资专利创新信号更强的企业。综上所述,VC风险偏好程度、技术认知水平和社会责任属性等因素均会影响其对创新信号的识别能力和敏感度,并有可能导致VC对初创科技企业投资不足。
现有文献大多从企业或VC单一视角构建信号理论模型,研究创新信号在VC与企业之间的信息传递和识别机制。实际上,“企业是否选择发出信号”和“VC能否识别信号”是两个相互独立又密切相关的问题。只有两者同时成立,创新信号对风险投资市场优化资源配置的作用才具备有效性。因此,本文将风险投资市场中企业和VC两个行为主体纳入动态博弈模型分析框架,考察两者行为对彼此决策的影响,求解市场达到均衡状态的有效性信号。
激励理论指出,对于不同偏好的市场参与者而言,如实披露信息可能不符合自身最佳利益,尽管对整体市场具有正外部性,但由于个体无法将这一效应内部化,因此个体会选择谎报、隐瞒自身偏好[11]。企业是否愿意通过发送创新信号如实披露自身创新能力,取决于信号成本与获得VC投资概率及VC投资强度之间的关系。企业创新能力在证券市场上获得溢价程度的估值体系代表证券市场对VC投资创新型企业的激励机制,估值溢价程度影响VC对创新潜质企业的投资强度,证券市场是否具备VC激励相容机制是风险投资市场形成分离均衡的关键条件之一。与以往研究仅关注VC和企业两个博弈主体不同,本文将市场激励规则因素纳入理论模型,研究激励机制对风险市场资源配置效率的影响。
本文围绕风险投资市场对科技企业资源配置效率偏低问题,加入创新信号和市场激励因素对VC与科技企业投融资活动的影响,建立不完全信息下动态博弈信号理论模型,考察投融资参与双方的最优行为策略,求解使创新能力强的企业更倾向于发出创新信号并获得VC支持的分离均衡条件,尝试解答如下问题:中国风险投资市场对科技企业资源配置低效是因为创新信号无效还是市场激励不足?
本文贡献体现为:①在考虑市场激励因素的前提下,构建并求解不完全信息下VC与科技企业投融资活动动态博弈信号理论模型,有助于拓展信号理论在风险投资领域的学术应用;②检验VC对创新企业的价值发现能力,可为政府持续推动风险投资市场发展提供参考依据;③研究A股市场创新投资市场激励不足导致风险投资市场偏离均衡状态,有助于为金融监管部门完善证券市场发行制度、提高风险投资市场资源配置效率提供证据支撑。
信号理论假设信号传递是有成本的,且企业信号传递成本与创新能力成反比[1]。企业传递创新信号的行为对VC形成信息反馈,为VC提供企业关于未来创新绩效的先验概率。在均衡状态下,创新信号构成创新活动的准入门槛,创新能力强的企业更倾向于传递信号,创新能力弱的企业则拒绝传递信号。
基于信号传递理论,本文构建科技企业向VC传递创新信号的模型:假设存在两家企业,N:{1,2},企业创新能力为{θ1,θ2},均为企业的私有信息,θ1>θ2。VC投中θ1的收益为E,投中θ2的收益为0。因此,VC的目标是当θ=θ1时进行投资,当θ=θ2时放弃投资。当企业不发送信号时,VC把θ1识别为θ1的概率为P(VC=1|θ1)=α1,把θ1识别为θ2的概率为P(VC=0|θ1)=1-α1,把θ2识别为θ2的概率为P(VC=0|θ2)=α2,把θ2识别为θ1的概率为P(VC=1|θ2)=1-α2。
企业动作集包含两个:可选择发出信号M,或者不发送信号N。
当企业决定发出信号M时,企业需要投入研发费用,企业1和企业2为此投入的成本分别为{m1,m2},且m1<m2。
当VC接收到信号M后,会对P(θ)进行修正,VC把θ1识别为θ1的概率为
且α1'>α1;VC把θ2识别为θ2的概率为
且α2'<α2。企业与VC的整个决策过程如图1所示。
图1 创新信号传递非对称信息动态博弈模型
Fig.1 Dynamic game process of asymmetric information in innovation signal transmission
1.1.1 企业分离均衡成立条件
企业效用函数(Bj)是获得VC投资(I)的期望减去为此付出的信号成本(mi)。其中,i表示企业类型,j表示企业i在作出信号行为选择后是否获得投资的具体情境,Bj如表1所示。
表1 Bj的定义
Tab.1 Definitions of Bj
变量名变量定义B1当θ1企业选择发出信号并获得VC投资时,θ1的期望效用B2当θ1企业选择发出信号但未获得VC投资时,θ1的期望效用B3当θ1企业选择不发出信号并获得VC投资时,θ1的期望效用B4当θ1企业选择不发出信号且未获得VC投资时,θ1的期望效用B5当θ2企业选择发出信号并获得VC投资时,θ2的期望效用B6当θ2企业选择发出信号但未获得VC投资时,θ2的期望效用B7当θ2企业选择不发出信号并获得VC投资时,θ2的期望效用B8当θ2企业选择不发出信号且未获得VC投资时,θ2的期望效用
B1=I-m1;B2=-m1;B3=I;B4=0;
所以,如果企业1选择M,则期望效用EB(M|θ1)为:
(1)
如果企业1选择N,则期望效用EB(N|θ1)为:
EB(N|θ1)=α1*I-(1-α1)*0
(2)
当EB(M|θ1)≥EB(N|θ1)时,企业1选择M。
B5=I-m2;B6=-m2;B7=I;B8=0
所以,如果企业2选择M,则期望效用EB(M|θ2)为:
(3)
如果企业2选择N,则期望效用EB(N|θ2)为:
EB(N|θ2)=α2*I-(1-α2)*0
(4)
当EB(M|θ2)≥EB(N|θ2)时,企业2选择N。
综上所述,使创新潜力更强的θ1企业选择发出信号(M)而创新潜力较弱的θ2企业选择不发出信号(N)的分离均衡条件为:
EB(M|θ1)>EB(N|θ1)
(5)
EB(M|θ2)<EB(N|θ2)
(6)
即:
(7)
(8)
1.1.2 VC分离均衡成立条件
VC效用函数(Ak)是投资企业获得的预期投资收益(E)减去投资成本(I)。其中,k表示VC在根据信号作出投资决策后是否获得投资收益的具体情境,如表2所示。
表2 Ak的定义
Tab.2 Definitions of Ak
变量名变量定义A1当θ1企业发出信号且VC选择投资时,VC的期望效用A2当θ1企业发出信号且VC放弃投资时,VC的期望效用A3当θ1企业未发出信号且VC选择投资时,VC的期望效用A4当θ1企业未发出信号且VC放弃投资时,VC的期望效用A5当θ2企业发出信号且VC选择投资时,VC的期望效用A6当θ2企业发出信号且VC放弃投资时,VC的期望效用A7当θ2企业未发出信号且VC选择投资时,VC的期望效用A8当θ2企业未发出信号且VC放弃投资时,VC的期望效用
A1=A3=E-I;A2=A4=A6=A8=0;A5=A7=I
所以,如果VC在出现M的情况下选择投资,则期望效用A(VC=1|M)为:
(9)
如果VC在出现M的情况下选择不投资,则期望效用EA(VC=0|M)为:
(10)
当EA(VC=1|M)>EA(VC=0|M)时,VC选择出现M时进行投资。
如果VC在出现N的情况下选择投资,则期望效用A(VC=1|N)为:
EA(VC=1|N)=α1*A3+(1-α2)*A7=e*α1+I*α1-I*α2-I
(11)
如果VC在出现N的情况下选择不投资,则期望效用EA(VC=0|N)为:
EA(VC=0|N)=α1*A6+(1-α2)*A8=0
(12)
当EA(VC=1|N)<EA(VC=0|N)时,VC选择出现N时放弃投资。
综上所述,使VC在出现信号M时对企业投资以及未出现信号N时不对企业投资的分离均衡条件为:
EA(VC=1|M)>EA(VC=0|M)
(13)
EA(VC=1|N)<EA(VC=0|N)
(14)
即:
(15)
其中,e=E/I为VC对创新企业投资单位成本所对应的投资回报超额收益率。
通过以上模型推导,本文得出以下结论:
(1)若存在创新信号M,mi为企业i发出创新信号所付出的成本,当
时,企业选择不发出信号;当
时,企业选择发出信号,即创新信号对企业创新能力具有区分作用。
(2)VC具备识别企业创新信号的能力,即创新信号对VC而言具有可识别性。
(3)在VC通过创新信号修正对企业投资先验概率P的前提下,VC投资创新企业获得的收益e满足条件:
即VC对创新企业投资回报的溢价收益率具备适度性。
只有当以上条件同时满足后,VC与企业在投融资市场才存在分离均衡状态:创新能力强的企业倾向于发出创新信号,并获得VC支持;反之,创新能力弱的企业倾向于不发出创新信号,无法获得VC支持。
1.2.1 我国风险投资市场对科技企业优化资源配置的作用与效率
近年来,关于VC投资行为的研究普遍指出,我国VC对初创科技企业投资存在风险厌恶问题。杨晓艳[12]研究发现,我国风险资本更倾向于投资上市前研发投入小、业绩更好的企业,这类企业在上市后业绩表现较差;余琰等[13]认为,国有VC并不关注创新型企业,往往会借助其国有背景,以较低投资成本在较晚阶段进行投资,从而扭曲风险投资市场的资源配置效率。尽管初创科技企业投资风险大于发展更成熟、研发投入更低的企业,但此类企业上市却能够给予VC股东以更高的投资回报。清科集团公布的数据显示,让VC获得50倍以上回报的科技项目平均投资期超过10年。2020年,我国VC在IT技术、半导体和先进制造业早期项目投资案例数合计达到1 409起,占全部行业投资案例数的44.65%,但投资金额合计为692亿元,仅占全行业总投资额的35.45%。可见,我国VC对初创科技企业的投资意愿并非持完全回避态度,但投资强度受风险偏好的影响。因此,我国风险投资市场对科技企业资源配置效率偏低的主要原因并非VC对创新能力更强的科技企业投资意愿不足,而是投资强度不足。
本文通过IPO发行时点VC对企业的持股比例衡量VC对企业的投资强度。VC持股比例受两方面因素的影响:①VC投资资金绝对额。基于对企业发展前景的预期,VC决定为企业投入相应数额资金,高比例VC持股意味着VC投入企业的资金更多;②VC投资企业发展阶段。企业在估值较低的初创期引入VC,往往会付出较高比例的股权。VC之所以冒着早期介入风险对企业进行投资并大比例持股,必然是看重企业发展前景。因此,VC高比例持股是基于专业判断所作出的投资行为,VC对企业的持股比例越高,投资强度越大。
本文通过检验VC是否选择创新能力更强的科技企业进行投资,以及是否倾向于对创新能力更强的科技企业加大投资强度,考察我国风险投资市场对科技企业资源配置的功能与效率,并提出如下假设:
H1a:VC投资的科技企业,其创新绩效更高;
H1b:VC投资强度越大,科技企业创新绩效越高。
1.2.2 创新信号对企业创新能力的可区分性
创新信号有效性是不完全信息下动态博弈信号理论模型的均衡条件之一,创新信号对创新能力的可区分性是创新信号有效性存在的必要条件之一。因此,本文从构建创新信号指标入手,检验创新信号对企业创新能力的可区分性。
国外学者对创新信号的研究普遍围绕专利展开,往往将专利成果作为创新信号的代理变量[3,14]。然而,发明专利从申请到授权周期漫长,导致大部分科技企业初期无法获得专利成果,加之专利申请成功率受到企业研发投入的影响,所以用专利成果测度企业创新能力可能存在时滞效应。Carolin 等[6]指出,专利申请过程中产生的相关信息也能体现企业创新能力。从时间维度看,专利申请行为发生在专利授权之前,科技企业初创期专利申请行为更加多见;从区分维度看,专利申请行为是企业前期研发创新成果的体现,对于创新能力不同的初创企业来说,是否申请专利意味着前期是否付出相应研发投入。因此,本文将初创企业专利申请行为定义为创新信号。
本文认为,不同企业发出创新信号的成本差异是实现信号可区分性的关键。由于无法获取每个企业发出创新信号的成本数据,考虑到创新能力差异会显著影响企业创新绩效水平,所以通过实证研究检验:如果在初创期选择发出信号的企业其成熟期创新绩效更高,则说明创新能力不同的两类初创企业均会根据各自成本函数采取不同创新行为,该创新行为具有区分意义。为此,本文通过检验A股上市科技企业初创期专利申请行为对创新能力的信号作用,进一步检验我国风险投资市场创新信号的可区分性。据此,本文提出如下假设:
H2:初创科技企业专利申请行为对成熟期创新绩效发挥信号作用。
1.2.3 创新信号对VC的可识别性
信息优势方向信息劣势方发送关于自身质量的可识别信号是解决信息不对称问题的关键[1]。在有效的风险投资市场中,VC作为信息弱势方,根据企业发送的创新信号进行风险投资。如果VC具备创新信号识别能力,则可以选择更具创新能力的科技企业进行投资,以降低信息不对称和逆向选择风险。因此,创新信号有效性的另一个必要条件是创新信号对VC的可识别性。
然而,以往研究指出,我国VC对企业创新信号的识别能力和敏感程度各不相同。陈晋等[10]研究发现,相较于民营VC,国有VC更关注企业创新信号,能给企业带来更好的创新效应,体现了国有VC的“社会价值假说”;余琰[13]等认为,国有VC未体现政府创新扶持初衷,而是体现了“私人利益假说”;徐向阳[9]等研究发现,技术认知能力更强的民营VC和公司型VC对专利信号更敏感。因此,本文通过检验我国VC投资决策对初创科技企业创新信号的识别能力,进一步检验创新信号对VC的可识别性。据此,提出如下假设:
H3:VC能够识别初创科技企业的创新信号,并投资发出创新信号的企业。
1.2.4 VC对创新企业投资回报超额收益率的适度性
在伴有逆向选择的双边交易中,如果存在某个直接显示机制,使得可如实执行的优势策略转变为每个参与者的最优策略,则相应行为集合的社会选择函数为激励相容[15]。本文从激励相容角度分析我国风险投资市场资源配置作用失效的原因。从上文假设可知,e代表投资创新企业相对于投资非创新企业的超额收益率。从理论模型激励相容均衡条件可知,VC投资创新企业获得的超额投资收益率越低,其对创新企业的投资强度I越低。当
时,创新企业发出信号可获得的收益(I-m1)较低,其发出信号的意愿也大大降低,从而使VC无法通过创新信号识别创新型企业,分离均衡无法实现;反之,VC投资创新企业获得的超额投资收益率越高,VC对创新企业的投资意愿越强烈,对创新企业的投资强度I越大。当e>(α1+1-α2)/α1时,对于非创新企业而言,尽管发出创新信号的成本更高(m2>m1),但由于获得投资的收益(I-m2)不断变大,因此非创新企业也倾向于发出创新信号,信号可区分性失效,分离均衡亦无法实现。本文通过测算我国VC投资创新企业超额收益率水平是否具备适度性,检验我国风险投资市场对创新投资的激励相容性。据此,提出如下假设:
H4:我国VC对创新企业投资回报的超额收益率具备适度性。
根据美国信息技术与创新基金会综合经合组织(OECD)的定义,科技型行业包括制药、医疗器械、计算机和电子、半导体组件、专用器械设备、航空部件和产品、数据处理。本文选取Wind行业分类中对应的以上行业,将2005—2020年A股上市科技企业作为研究样本,数据来源于Wind数据库和国泰安数据库,企业初创期专利申请数据通过企查查数据库手动检索获得。另外,本文作如下处理:①剔除ST和ST*公司;②剔除数据不全的公司;③剔除资产重组或借壳上市的公司;④剔除国企改制和集体企业改制公司;⑤剔除集团剥离业务单独设立的公司;⑤剔除成立未满5年即上市的公司。最后,共获得919家公司数据。
由于不同行业科技企业生命周期存在较大差异,难以通过统一年限对企业初创期和成熟期进行界定,因此本文根据不同行业特征对企业初创期进行界定。
(1)由于制造业属于技术、资金和劳动密集型产业,技术创新活动需要依赖厂房、设备和材料等硬件条件,因此本文借鉴Park 等[16]的研究,将制造业企业初创期设为5年。
(2)以软件和半导体为代表的信息技术市场具有产品生命周期短和技术更新频率快的特征。摩尔定律指出每18个月集成电路产品性能将提高一倍,成本将下降一半。Conti 等[8]指出,信息技术行业属于典型的人才密集型和技术密集型轻资产行业,企业创新活动周期较其它行业短,因此本文将信息技术行业初创期设为3年。
(3)陈红等[17]研究发现,医药制造业药物研发创新活动具有研发周期长和研发费用投入大的特点。完成临床试验通常是新药发明专利申请的前置条件,而临床试验周期一般为3～7年,因此本文将医药行业初创期设为7年。本文参考陈红等[17]的研究,将企业实现IPO上市的年份界定为企业进入成熟期。
(1)发明专利申请行为。徐向阳等[9]指出,专利成果具有获取成本高、难以模仿、可观察等信号特点。企业专利申请行为是研发投入的结果,也是专利授权的前提。科技企业在资源稀缺的初创期加大研发投入将面临较大风险,对于创新能力较弱的初创企业而言,初期投入研发资源进行专利申请失败风险更大,因此理性的弱能力企业会知难而退。对于创新能力强的初创企业而言,研发投入失败风险较小,它们更倾向于投入研发创新并申请专利,因此初创期企业专利申请行为对VC甄别企业创新能力具有良好的信号作用。由于初创期企业成立仅3～7年,而专利申请到授权公示可能长达2年以上,所以专利申请行为比专利授权结果更能真实反映初创期企业的创新能力。本文借鉴黎文靖和郑曼妮(2016)的做法,选取具有实质性创新价值的发明专利申请行为作为创新信号的代理变量。
除发明专利申请行为外,本文还根据信息技术行业和制造业创新活动特点,增加如下创新信号指标:①受技术路径依赖和行业技术标准限制的影响,专利、软件著作权和集成电路布图等研发创新成果均有助于提升信息技术企业市场占有率,因此本文将信息技术行业中软件企业著作权和半导体企业集成电路布图作为该类企业的创新信号;②制造业产品创新多针对产品形状、构造提出新型实用技术方案。本文参考陈晋等(2016)的研究,将实用新型专利申请行为作为该行业企业的创新信号。
(2)创新绩效:借鉴李政和陆寅宏[18]的研究,从创新产出视角使用发明专利授权数度量。
(3)VC投资:以公司上市前VC股东作为VC被创新信号吸引的代理变量。考虑到VC投资与企业创新信号之间可能互为因果,故本文剔除初创期获得VC投资的样本,仅考察在初创期之后进行投资的VC样本。
(4)VC投资强度:以公司持股比例最高的VC股东作为VC投资强度的代理变量。
(5)创新企业投资回报超额收益率:托宾Q值可以反映上市企业市场价值,本文采用创新企业与非创新企业上市年末的托宾Q值之比度量。
(6)控制变量。根据以往学者对创新绩效和VC持股的研究,本文设置如下控制变量:资产负债率、经营性现金流、总资产流转率、资产规模、企业年龄、股权性质、所属行业、企业成立时间。
本文变量定义与取值如表3所示。
表3 变量定义与取值
Tab.3 Variable definitions and values
变量类型变量名称 变量符号变量说明自变量 创新行为信号PI全部企业发明专利申请行为、软件企业软件著作权申请行为、半导体企业集成电路布图申请行为、制造业企业实用新型专利申请行为,申请企业取值为1,否则为0VC投资强度VCS企业上市前全部VC股东合计持股比例因变量 创新绩效IP企业上市年份累计发明专利授权数,累计数加1的自然对数VC投资VC上市前是否有VC投资,有VC持股取值为1,否则取值为0创新企业投资回报超额收益率E创新企业与非创新企业上市第2年度末的托宾Q值之比控制变量资产规模A上市年末总资产的自然对数资产负债率LEV上市年末总资产与总负债的比值经营性现金流OCF上市年末经营性现金流与总资产的比值总资产流转率TAT上市年末存货周转率公司年龄CA从公司成立至上市年限长度股权性质OWN民营企业为0,非民营企业为1行业I公司所处Wind一级行业分类时间T企业上市年份
为检验VC是否选择企业进行投资与科技企业创新绩效的关系,本文构建如下模型:
IPi=σ0+σ1*VCi+σk*Controlk,i+I+T+ε1
(16)
其中,Controlk,i代表相关控制变量,I和T分别表示行业与年份固定效应,下同。
为检验VC对科技企业投资强度与企业创新绩效关系的影响,本文构建如下模型:
IPi=γ0+γ1*VCSi+γg*Controlg,i+I+T+ε2
(17)
为检验创新信号对创新绩效的作用,本文构建如下模型:
IPi=β0+β1*PIi+βj*Controlj,i+I+T+ε3
(18)
为检验创新信号对风险投资的可识别性,本文如下构建模型:
Logistics(VC=1)i=α0+α1*PIi+αs*Controls,i+I+T+ε4
(19)
为检验创新企业投资回报超额收益率(e)的适度性,本文使用统计分析方法分别计算样本数据的e值分布及其适度性区间,并考察e值分布是否介于区间之内。
3.1.1 我国风险投资市场对科技企业资源配置功能与效率的影响
表4第1列检验结果显示,有VC股东的科技企业创新绩效显著高于无VC股东的科技企业,即VC倾向于选择创新能力更强的科技企业进行投资,因此假设H1a得到验证。表4第2列检验结果显示,VC投资强度与科技企业创新绩效之间无显著关系,即VC并不会对创新能力更强的科技企业加大投资强度,因此假设H1b未得到验证。创新能力更强的企业获得VC投资的概率更高,说明我国风险投资市场对科技企业发挥资源优化配置作用;创新能力更强的企业未获得VC的重点支持,说明我国风险投资市场对科技企业资源配置效率偏低。
表4 假设H1、H2、H3回归结果
Tab.4 Regression results of the Hypothesis 1-3
变量IPIPIPVCPI1.055***(0.089)0.688***(0.171)VC0.165*(0.085)VCS0.009(0.007)A0.416***(0.070)0.451***(0.079)0.406***(0.061)0.044 (0.099)CA0.003(0.010)0.011(0.013)0.067***(0.012)-0.052**(0.023)LEV0.001(0.002)0.002(0.003)0.001(0.002)0.109*(0.005)OCF1.586***(0.562)1.897***(0.677)1.328**(0.527)1.593(1.096)TAT-0.056(0.14)-0.008(0.130)-0.089(0.101)-0.821***(0.209)OWN0.170(0.130)0.128(0.163)0.111(0.119)0.037(0.226)行业固定效应控制控制控制控制时间固定效应控制控制控制控制常数项-7.224***(1.629)-6.533***(1.991)-7.854***(1.378)-1.028(2.045)样本数量919610919919调整后R20.2850.2760.3870.098
注:***、 **、*分别表示1%、5%和10%显著性水平,括号内为标准误,下同
3.1.2 我国风险投资市场创新信号有效性检验
表4第3列检验结果显示,科技公司在初创期的创新信号越强烈,企业创新能力越强,企业成熟期创新绩效越高,因此假设H2得到验证。表4第4列检验结果显示,在初创期发出创新信号的科技企业获得VC支持的概率更大,因此假设H3得到验证。这表明,专利申请行为对企业创新能力具有明显信号作用,且对VC具备可识别性。
3.1.3 创新企业投资回报溢价收益率适度性检验
以企业创新绩效中位数为分界点,将中位数以上的企业定义为创新型企业、中位数以下企业定义为非创新型企业,运用“一对一”最邻近匹配方法估计企业创新绩效对托宾Q值的影响,发现平均处理效应(ATT)在匹配后不显著(该PSM模型协变量选择满足匹配平衡性假设),表明企业创新绩效与上市后托宾Q值无显著相关性(见表5)。
表5 PSM方法对创新绩效与托宾Q值的估计结果
Tab.5 Estimation results of innovation performance and Tobin Q by PSM method
解释变量处理变量样本处理组控制组差分标准误差T值TQIP匹配前1.7321.4950.2360.0584.03***匹配后1.7101.5780.1310.0651.85
删除无法配对的样本,获得236个可以“一对一”匹配的样本,形成118组新样本。每组样本包括一对除创新绩效存在差异、其余控制变量都较为接近的企业,将其托宾Q值相除,得到创新企业投资回报溢价收益率e。
e=TQ1/TQ0
(20)
其中,TQ1为创新企业上市后的托宾Q值,TQ0为非创新企业上市后的托宾Q值,e值分布情况如表6所示。
表6 e值分布情况
Tab.6 Distribution of the e value
0 注:e的均值为1.230 9,中位数为1.092 1
根据企业i是否属于创新企业、是否发出创新信号以及是否被VC投资,本文计算以下概率变量的统计值,如表7所示。
表7 α1、α2、α1'与α2'的统计值
Tab.7 Statistical values of α1、α2、α1' and α2'
α1α2α1'α2'55.68%48.91%82.77%29.81%
根据理论模型结论,本文得到e值的适度性区间为:
emax=(α1+1-α2)/α1=1.92
(21)
emin=(α1'+1-α2')/α1'=1.84
(22)
e统计值结果显示:①有40.67%的e值小于1,即匹配样本组中存在相当比例的创新型企业估值溢价低于非创新型企业;②e的中位数和均值均小于emin,即大部分匹配样本组创新估值溢价均低于e值适度性区间的下限水平。从e值分布情况看,仅有3个样本介于[emin,emax]之间,即2.54%的e值满足适度性条件,13.55%的e值过大,83.91%的e值过小。
以上统计结果表明,A股市场对VC投资创新企业回报的超额收益率整体偏低,H4未得到验证。原因可能在于,激励不足导致VC对创新企业的投资偏好降低,投资强度不足使创新企业无法获得足够的融资支持,从而对创新企业技术进步造成不利影响,进一步损害其在A股市场的估值溢价,使风险投资市场不断偏离分离均衡状态,在一二级市场之间形成恶性循环。
为保证实证研究结果的稳健性,本文替代核心变量进行稳健性检验,替代变量定义与取值如表8所示。将变量替代后,回归结果表明本文实证结果比较稳健,如表9所示。
表8 替代变量定义与取值
Tab.8 Definitions and values of the substitutive variables
原变量 替代变量名称 替代变量符号 变量说明 创新绩效无形资产价值 IA企业上市前1年无形资产总额扣除土地使用权的账面价值并取对数VC投资强度VC投资金额 VCM持股比例最大的VC股东投资金额
表9 稳健性检验结果
Tab.9 Robustness test results
变量IAIAIAIPPI0.360**(0.161)VC0.069*(0.138)VCS-0.010(0.016)VCM0.034(0.081)A0.868***(0.105)0.921***(0.143)0.871***(0.107)0.325***(0.093)CA0.007(0.020)-0.007(0.023)-0.013(0.018)0.007(0.023)OCF1.098(1.499)1.088(2.064)1.192(1.495)1.275*(0.654)LEV0.002(0.004)-0.002(0.006)0.001(0.004)0.004(0.005)TAT-0.080(0.190)-0.131(0.291)-0.067(0.197)0.103(0.152)OWN0.501***(0.178)0.498**(0.227)0.522*(0.179)0.045(0.203)行业固定效应控制控制控制控制时间固定效应控制控制控制控制常数项-0.973(1.924)-0.828(2.536)-0.826(2.002)-5.332***(1.762)样本数量845569845541调整后R20.2020.1920.1980.253
进一步,为克服内生性对回归结果造成的不良影响,本文采用工具变量法进行稳健性检验。高阶梯队理论认为,管理者个人特征通过影响企业技术创新决策作用于企业创新绩效。企业创始人是公司成立的核心人员,是公司初创期的战略制定者和执行者。创始人专业背景特征影响企业认知水平与行为偏好,进而影响企业战略决策行为(胡元木等,2017)。在企业初创期,创始人对企业战略选择的影响更显著。因此,本文选取创始人技术背景作为工具变量进行两阶段回归,采用Wald F统计量检验工具变量是否存在弱识别问题,结果表明不存在弱识别。两阶段回归结果与本文实证结果保持一致,限于篇幅不再一一列示。
研发投入大、周期长且产出不确定的创新风险使初创科技企业面临严重的融资约束,我国风险投资市场长期以来一直存在初创科技企业资源配置低效问题。基于信号理论和激励理论,本文建立不完全信息下VC与初创科技企业投融资活动的动态博弈信号理论模型,求解使风险投资市场实现分离均衡的前提条件,即创新信号的有效性以及创新投资的激励相容性,得出如下结论:①我国风险投资市场能够优化科技企业资源配置,但资源配置效率偏低;②初创科技企业专利申请等创新信号能够传递企业创新能力信息并吸引VC支持,但VC对创新企业投资回报的超额收益率偏低,这一结论在经过稳健性检验后依然成立。由理论模型可知,创新信号虽然有效但风险投资市场无法实现分离均衡的原因在于证券市场对VC投资创新企业的激励相容条件不成立。
根据上述研究结论,本文提出如下启示:
(1)构建动态博弈信号理论模型,丰富了信号理论和激励理论在风险投资领域中的应用。不同于以往研究,本文从参与投融资活动的VC和企业双方博弈视角出发,结合激励相容原则,提出风险投资市场实现分离均衡的前提条件,对研究风险投资市场资源配置效率提供了一种新思路。
(2)我国VC具备识别科技企业创新信号的能力。政府应积极引导保险、银行理财、国有资本等资金有效、长期入市,增加风险投资市场资金有效供给,缓解VC长期以来面临的募资难困境。同时,VC对科技企业投资具有“背书作用”,政府研发补贴和银行信贷审批应重点支持拥有VC股东背景的初创科技企业,提升对创新型企业金融扶持的精准度。
(3)金融监管部门在制度设计方面应充分提升创新投资激励相容性。A股市场对VC投资创新企业激励不足是引发我国风险投资市场资源配置效率偏低的主要原因。因此,政府部门应不断深化科创板、注册制等证券市场发行与交易制度改革,提升资本市场成熟度和包容性。一方面,科创板的推出让投资科技企业的VC获得顺畅的退出通道,有利于VC积极投资初创科技企业;另一方面,全面推进注册制可降低上市财务指标门槛并提升IPO发行速度,使上市公司整体估值溢价和流动性水平下降,稀缺性创新企业可通过证券市场获得更高的估值定价,提升VC投资科技企业的创新溢价收益回报。尽管2021年以来全面注册制已经在A股市场稳步推进,但由交易所和证监会把控的实质性审核在企业上市过程中仍起决定性作用。因此,金融监管部门应尽快根据证券法规定全面推进注册制的生效落地,引导VC加大对具有创新潜质的初创科技企业的投资力度,进一步发挥资本市场优化资源配置的作用。
本文存在如下不足:一是在创新信号如何影响风险资本投资行为的研究命题中,风险资本投资行为模式范围有待扩展。除投资强度选择这一特征外,还可以对投资时点选择、联合投资或独立投资方式选择等展开研究;二是未来将关注风险资本异质性条件下,创新信号对异质性风险资本投资行为的不同影响,如风险资本所有制异质性、声誉异质性、是否具有产业背景异质性等;三是缺乏资本市场制度改革对风险资本投资行为激励与影响的研究视角,如科创板和北交所推出是否会提升科技企业在证券市场中的创新能力估值溢价水平,从而影响风险资本对初创科技企业创新信号的敏感度等。在资本市场激励制度作用下,风险资本个体投资行为如何影响风险投资市场资源配置效率问题,仍有待拓展。
[1] HELLMANN T, PURI M. The interaction between product market and financing strategy: the role of venture capital[J]. Review of Financial Studies, 2000,13(4): 959-984.
[2] HOENEN S,KOLYMPIRIS C,SCHOENMAKERS W.The diminishing signaling value of patents between early rounds of venture capital financing[J]. Research Policy, 2014,43(6): 956-989.
[3] HOENIG D, HENKEL J. Quality signals? the role of patents, alliances, and team experience in venture capital financing[J]. Research Policy, 2015, 44(5): 1049-1064.
[4] EWENS M, NANDA R, RHODES M. Cost of experimentation and the evolution of venture capital[J].Journal of Financial and Economics, 2018, 126(3): 422-442.
[5] HAEUSSLER C, HARHOFF D, MUELLER E. How patenting informs VC investors——the case of biotechnology[J]. Research Policy, 2014, 43(8):1286-1298.
[6] CAROLIN H, DIETMAR H, ELISABETH M. How patenting informs VC investors——the case of biotechnology[J]. Research Policy, 2014, 35(6):258-284.
[7] 陈晋,唐松莲,张明珏,等.创新企业专利信号与风险投资估值——突破性、渐进性创新专利与风险情境因素[J]. 管理学季刊,2016,4(4): 72-96.
[8] CONTI A, THURSBY M, ROTHAERMEL F T. Show me the right stuff: signals for high-tech startups[J]. Journal of Economics &Management Strategy, 2013,22(2): 341-364.
[9] 徐向阳,陆海天,孟为. 风险投资与企业创新:基于风险资本专利信号敏感度的视角[J]. 管理评论,2018,20(10):59-72.
[10] 陈晋,李卢真,郝斌,等.企业创新信号与政府风险投资[J]. 管理学季刊,2021,15(6):72-103.
[11] ANDREU MAS-COLELL, MICHAEL D WHINSTOM, JERRY R GREEN. Microeconomic theory[M]. Oxford:Oxford University Press, 1995.
[12] 杨晓艳. 风险投资的选择方向:“好苹果”抑或“坏苹果”——基于中国创业板上市公司的经验证据[J]. 南方金融,2014,36(6):54-59.
[13] 余琰,罗炜,李怡宗,等.国有风险投资的投资行为和投资成效[J]. 经济研究,2014,60(2):32-46.
[14] AUDRETSCH D B,BNTE W,MAHAGAONKAR P.Financial signaling by innovative nascent ventures: the relevance of patents and prototypes[J]. Research Policy, 2012,41(8):1407-1421.
[15] MYERSON R B. Game theory[M]. Harvard: Harvard University Press, 1991.
[16] PARK H D,TZABBAR D.Venture capital, CEO′s source of power, and innovation novelty at different life stage of a new venture[J]. Organization Science, 2016, 27(2): 336-353.
[17] 陈红,张玉,刘东霞.政府补助、税收优惠与企业创新绩效——不同生命周期阶段的实证研究[J].南开商业评论,2019,22(3):14-27.
[18] 李政,陆寅宏. 国有企业真的缺乏创新能力吗——基于上市公司所有权性质与创新绩效的实证分析与比较[J].经济理论与经济管理,2014,34(2):27-38.