产业政策对上市公司股票市场收益率的影响研究——基于业绩传导机制.pdf

64作者简介：谢海芳，副教授，研究方向为资本市场和公司金融；张锦坪，硕士研究生，主要研究方向为资本市场。2023年4月SECURITIES&FUTURESOF CHINA证券市场中国证券期货DOl:10.19766/ki.zgzqqh.2023.2.007产业政策对上市公司股票市场收益率的影响研究基于业绩传导机制谢海芳张锦坪（西华大学经济学院成都610039)摘要：以“十三五”期间的产业政策为样本，运用中介效应模型研究了产业政策、业绩和股票收益率三者之间的传导机制。结果表明，18 0 个交易日内，业绩遮掩了产业政策对股票收益率的负向效应，使股票收益率有所上升；2 7 0 个交易日内，产业政策对业绩具有显著正向影响，但此时产业政策不会通过业绩影响股票收益率；36 0 个交易日内，产业政策对业绩无显著影响，此时也不存在产业政策影响业绩进而影响股票收益率的传导机制。关键词：产业政策；业绩；股票收益率；遮掩效应一、引言产业政策在我国经济的发展史中占据着重要的地位。我国重大经济结构的调整和转型、加强和改善宏观调控、提高产业质量、弥补市场不足以及促进经济体制改革，这些都需要产业政策的扶持和引导。此外，股票市场是经济的晴雨表，能够综合反映某个行业或产业的发展。股票价格的形成不仅需要强大的信息基础，而且要受来自社会经济、金融环境等诸多因素的影响，以“政策市”著称的我国股票市场更与各种政策息息相关。回顾以往关于产业政策和股票市场的研究，主要侧重于研究某一行业的政策对股票价格的影响，而未深究产业政策会通过何种途径影响股票收益率。另外，学者们从理论上认为产业政策会通过提升受惠企业的业绩，进而提升股票收益率，但未有证实。本文对现有研究主要有以下贡献：从现实数据的角度证实了产业政策会提升业绩、进而提升股票收益率这一理论假设。将全样本进行分类，证实了产业政策影响业绩进而影响股票收益率这一机制主要体现在非国有全资控股的其他企业中。以往研究产业政策的文献主要局限于单一时间段，本文表明了不同期间内产业政策对股票收益率的影响是不同的。二、文献综述（一）关于产业政策的研究关于产业政策的研究，宏观层面主要是研究产业政策的重要作用。如Chen和Xie（2 0 19）研究发现产业政策对经济的增长有显著的正向影本文的产业政策是指明确未来几年产业发展方向的长期产业政策；为了实现一定经济社会目标的短期产业调控政策不在本文研究范围内。65产业政策对上市公司股票市场收益率的影响研究第2 期响，产业结构合理化是促进经济增长的重要渠道。Galischeva（2 0 19）指出印度的产业政策有助于解决一系列的社会问题，如就业、营养不良，等等。Mao等（2 0 2 1）指出中国的产业政策是否有助于一个行业的生产力增长，取决于该产业相对于世界前沿的发展阶段。微观层面多集中于对企业和投资者的影响。韩乾和洪永淼（2 0 14）指出，产业政策在公布后短期内能给投资者带来较高超额收益，但在中长期对收益率没有影响。黎文靖和李耀淘（2 0 14）研究发现总体上产业政策并没有显著提升企业投资，但产业政策能够增加民营企业的投资，但这一结果在国有企业中并不显著。二行业政策颁布对股市的影响研究关于行业政策对于股票市场的影响研究，我国学者基本上都得出了行业政策的颁布对股市有显著影响的结论，但并不是股票市场对所有的产业政策反应都一致。孙志红和卢新生（2 0 11）发现“一号文件”的政策效应显著，但十七届三中全会的惠农政策的效应检验并没有发现预期的反应。马敏侃（2 0 12）证明了新能源产业政策对上市企业具有正面积极的推动作用，并且这一作用可以在当日的股价上体现出来。朱华桂和乔联宝（2 0 16）以公开上市的新闻出版类企业为样本，指出出版企业改制政策对行业发展有显著影响。叶飞洋和贾凡胜（2 0 16）通过2 0 12 年年底至2013年中国政府对光伏产业政策进行股票市场研究，指出政策的全面性、详细程度、连续性会极大地影响产业的发展。罗煜（2 0 17）根据文化产业政策及文化产业事件对上市公司股价进行研究，发现了行业事件的发生消息会被提前泄露，市场提前反应，而投资者对文化产业政策没有提前预判和预知的能力。王裕熊和靳厚忠（2 0 17）的研究表明体育产业政策给体育上市公司带来显著正向影响，特别是将主业聚焦在体育产业的股票收益更多。关于政策对于股票市场的影响研究中，学者们一致得出了政策颁布对股票价格有短期影响的结论。胡永宏（2 0 10）通过研究农业政策对农业上市公司股价波动的影响，得出政策对农业股股价波动有一定程度的短期影响的结论。张华（2 0 14）证明了农业类上市公司政策效应明显，政策效应同时具有短期和长期效应，并且政策效应存在市场差异、规模差异、区域差异和主题差异。张晓萍（2 0 15）以家电行业为例研究了产业政策的股票市场效应，她指出产业政策的实施在短期内是有效的，长期来看产业政策对股票市场的影响因产业政策而变。朱启莹和黄海燕（2 0 16）实证检验了关于加快发展体育产业促进体育消费的若干意见对体育类上市公司资本市场价值有较明显的短期正向冲击，具有一定的持续性。陈歌（2 0 17）研究了扶持政策对新能源汽车产业发展的影响，根据事件研究法发现了扶持政策的实施对新能源汽车产业短期有显著正向影响。王晨宇（2 0 18）发现医药行业“十三五”相关产业政策的发布确实对医药行业相关上市公司股票收益率短期波动产生了显著影响。（三）产业政策和股票市场相结合的文献研究我国也有研究产业政策和股票市场的文献。陈冬华和姚振哗（2 0 18）以我国产业政策实施的影响为切人点，研究发现政府行为也可能降低股票价格同步性，提高股票价格中公司特质信息的含量。陆静和喻浩（2 0 2 3）的研究表明，产业政策会通过加剧重点发展行业内产品市场的竞争程度、增加行业内经营环境的不确定性以及降低会计信息披露质量三条路径来提高重点发展行业的股票特质波动率。综上所述，基于产业政策与股票市场的文献多是从某行业或某产业来研究产业政策对股票市场的影响，而将涉及多数产业的政策与股票市场结合的文献数量却极少。本文的创新点在于以往文献还未有从产业政策影响企业业绩进而影响股票收益率这一机制来进行研究。故本文试图以2016一2 0 2 0 年的产业政策为样本，从现实数据来证明这一点。三、理论分析关于产业政策对微观企业业绩的影响，不同的学者有着不同的看法。部分学者认为，产业政策的颁布有利于企业业绩的提升。如赵卿（2 0 16）的研究就发现了长期性产业政策鼓励发展的企业经营业绩得到了明662023年4月中国证券期货显增长。刘婷婷亭（2 0 19）也指出产业政策能够显著提升企业绩效。市场失灵理论与资源赋理论为此结论提供了理论支撑。根据市场失灵理论，市场配置资源存在垄断、外部性以及信息不完全等问题，进而使社会不能达到帕累托最优。此时，政府介市场有利于提升企业资源配置和生产效率，进而提升企业业绩。根据资源赋理论，在其他条件不变的情况下，若某种资源相对丰富，那么企业就可以利用低成本的优势，快速地发展起来，使企业业绩提升。通俗地讲，产业政策会通过给予税收优惠、放松项目审批以及研发活动补贴等给予受产业政策支持的企业更好的经济机会和发展环境，而这些均有利于企业业绩的提升。而一般来说，企业业绩与股票收益率呈正相关关系。也就是说，产业政策会通过企业业绩的提升，进而提升股票收益率。与上述分析不同的是，也有部分学者认为产业政策不利于企业业绩的提升。他们指出，产业政策支持的行业虽然可以以较低成本获得信贷等，但由于没能高效利用这些资源，反而对行业发展不利。根据资源咒理论，资源的过度集中会使产能过剩，从而造成资源的浪费，因而产业政策是无效的。如余东华和邱璞（2 0 17）指出中国的产业政策中，政府对企业的判断有失合理性，从而使企业进行大量的盲目投资，企业业绩降低。除此之外，政府在给予企业便利的同时，也转移了本该由政府承担的社会责任，这也会降低企业绩效。此外，韩超等（2 0 17）也指出供给型产业政策会引导企业进行非生产性投资，并且不能维持竞争，这也会降低企业业绩。步丹璐等（2 0 17）指出受产业政策支持的企业异地股权投资金额、投资次数和投资省份数会明显增加，但异地股权投资会显著降低企业经营业绩。企业业绩的降低会使企业内在价值降低，从而降低股票收益率。基于以上分析，本文试图通过实证的方法检验产业政策对于企业业绩的影响。在此基础之上，检验产业政策是否会通过影响业绩，进而影响股票收益率。此外，产业政策到底是会正向影响业绩从而导致股票收益率上升，还是负向影响业绩导致股票收益率下降，本文也试图给予解答。四、研究设计数据来源与处理本文以“十三五”其期间的产业政策作为样本，来研究产业政策对上市公司股票市场收益率的影响。本文的产业政策数据均来自中国产业政策网，筛选出的政策所涉及产业包括但不限于环保、农业、电力、交通、医药、能源等行业。根据研究的需要，本文对产业数据做了如下处理：国家部委发布的地方性政策因影响范围小，故本文对该类产业政策做了剔除处理；本文剔除了政策所涉及个股少于5个的产业政策；鉴于金融行业的复杂性，本文删除了金融类的产业政策。最后，根据筛选后的产业政策确定政策所涉及的股票。本文的股票价格、股票状态以及行业分类数据来自锐思数据库，货币供给量来自中经网，其余数据均来自国泰安数据库。本文对政策所涉及的个股进行了如下处理：剔除B股数据；剔除政策颁布后新上市个股数据；剔除ST、*ST数据；为防止极端值的影响，对所有变量进行1%水平上的winsorize处理。（二）数据描述本文首先呈现了产业政策颁布后的股票收益率和业绩平均变化图。如图1所示。图1中，ret代表产业政策颁布后股票收益率的变化趋势，ROA代表产业政策颁布后业绩的变化趋势。以往的研究文献表明，企业业绩变化会引起企业内在价值发生变化，相应地股票收益率也会随之而变。然而，图1却显示产业政策颁布后18 0 个交易日、2 7 0 个交易日和36 0 个交易日企业平均业绩均为正；而企业平均股票收益率只在产业政策颁布后18 0 个交易日为正，在政策颁布后2 7 0 个交易日和36 0 个交易日均为负。产业政策颁布后，平均股票收益率和平均业绩呈现不同的变化趋势。产业政策颁布后，业绩一路上扬。股票收益率仅在政策颁布后18 0 个交易日有所上升，而在政策颁布后2 7 0 个交易日和36 0 个交易日持续下跌。那么，在不同时期内，产业政策对业绩有怎样的影响？产业政策是否会通过业绩间接影响股票收益率？为解决上述问题，本文67型形式如下：期内产业政策是否会对股票收益率产生影响。模效应模型，本文先构建了模型（2），检验一段时否通过影响业绩进而影响股票收益率。根据中介介效应检验程序，来检验一段时期内产业政策是其次，本文借鉴温忠麟等(2004)提出的中和3 6 0定效应(time),8为残差项。T分别取18 0、2 7 0(TAT)以及行业固定效应(industry)和时间固中度(LMS流动比率（LR）、总资产周转率量。控制变量包括资产负债率（T D R）、股权集被解释变量；IP代表产业政策，作为主要解释变模型(1)ROA为总资产收益率，作为产业政策对上市公司股票市场收益率的影响研究第2 期0.07ret一ROA0.06216380.05124140.0322940.030.0321066-0.01190180270360交易日（个）%-0.05-0.0832964-0.09-0.13-0.17-0.1660496图1股票收益率、业绩变化趋势拟构建固定效应模型和中介效应模型，来探讨产业政策颁布后18 0 个交易日、2 7 0 个交易日和36 0个交易日，产业政策对企业业绩的影响以及业绩是否扮演了产业政策影响股票收益率的传导机制。(三)研究模型首先，为检验一段时期内产业政策是否会对企业业绩产生影响，本文构建了固定效应模型如式（1)所示。ROAi,+T=Xo+X,IPi,+X,TDRi,+7+X4LMS;i,+T+X,LRi,+r+X,TATl,+r+X,nature,+industry+time+?(1)R;,+=o+,IPi,+controls+industry+time+u,(2)模型（2）中，R为股票收益率，作为被解释变量；IP代表产业政策，作为主要解释变量。模型（2）的控制变量（controls）有企业规模（Si z e）、账面市值比（BM）、资产负债率（TDR）、货币供给增长率（grate）、市净率（PB）和市场收益率（Rm），u i 为残差项。除此之外，本文参照以往绝大多数文献，如花贵如等（2 0 2 1）的做法，模型中控制了行业固定效应（industry）和时间固定效应（time）。T 分别取18 0、2 7 0 和36 0。最后，在模型（2）的基础上，本文再次建立了模型（3）禾和模型（4），具体形式如下：ROAi,+r=o+,lP,+controls+industry+time+u2(3)Ri,+=o+,IP,+,ROA;,+7+controls+industry+time+u3(4)上述模型中，R为股票收益率，作为被解释变量；IP代表产业政策，作为主要解释变量；中介变量为企业业绩，用ROA来衡量，控制变量的选取参照模型（2），u2，u s 为残差项。T分别取180、2 7 0 和36 0。四）变量说明股票收益率（Ri,T）。具体计算方式为Ri+7=Pit+T-Pit其中，Pi为股票i第t日的收盘价格，PitPit+r为股票i第t+T日的收盘价格，Ri,+7为股票i第t+T日的收益率。产业政策（IP，）。本文借鉴黎文靖和李耀淘（2 0 14）的研究，并结合本文实际，在产业政策规划政策文件中出现“加快发展”“加速推动”“加快构建”“大力发展”“鼓励”“加快建设”“培育壮大”“加快完善”等字眼的行业，视为国682023年4月中国证券期货家支持的行业。股票i根据证监会行业分类前三位代码以及相关概念板块共同确定。若第t日有产业政策颁布，则IP取值为1；若第t日无产业政策颁布，则IP取值为0。企业业绩（ROA）。本文借鉴了王秀丽和梁诗卉（2 0 16）的做法，用总资产收益率ROA来衡量业绩。控制变量（controls）。模型（1）中，控制变量参考了部分学者如张璇等（2 0 2 1）等、王芳等（2 0 19）及饶茜和侯席培（2 0 17）的研究，选取了资产负债率（TDR）、股权集中度（LMS）、流动比率（LR）、总资产周转率（TAT）以及行业固定效应（industry）和时间固定效应（time）。此外，中介效应模型在参考市场模型的基础上，借鉴周孝华和傅能普（2 0 13）、张玉华等（2 0 16）的研究，将企业规模（Size）、账面市值比（BM）、市净率（PB）、广义货币供应量增长率（g r a t e）以及资产负债率（TDR）作为控制变量引人模型。所有变量的具体定义如表1所示。表1变量符号及定义说明变量符号变量定义变量说明R股票收益率具体算法参考上文IP产业政策当日有产业政策颁布，取值为1；当日无政策颁布，取值为0ROA总资产收益率净利润/总资产余额Size企业规模流通市值的自然对数BM账面市值比资产总计/市值TDR资产负债率负债/资产mi+r-mitgratei+=mi+r和mi为第t+T日和第t日所对应的月度货币grate货币供给增长率mit供给量PB市净率股票市值/净资产Pi+T-PtR,+T=，P，和P+分别为沪深30 0 第t日和第t+T日的收盘价格，Rm市场收益率PtR+r为沪深30 0 第t+T日的收益率LMS股权集中度公司第二大股东至第十大股东持股比例之和LR流动比率流动资产/流动负债TAT总资产周转率营业收入/资产总额期末余额industry/time行业/时间固定效应行业/时间虚拟变量五、实证结果（一）产业政策对企业业绩的影响表2 为模型（1)的实证结果，用于考察一段时间内产业政策对企业业绩的影响。根据表2可知，产业政策在18 0 个交易日内以及2 7 0 个交易日内对业绩的边际影响分别为0.0 147 和0.0488，且分别在5%和1%的水平上显著。在360个交易日内，产业政策对企业业绩没有显著样本期间，产业政策以隐形抑制为主。产业政策主要涉及鼓励支持的行业，故IP仅取值为1和0。69产业政策对上市公司股票市场收益率的影响研究第2 期影响。这表明，在产业政策颁布后的18 0 个交易日以及2 7 0 个交易日，产业政策提升了企业的业绩。表2模型（1)实证结果180个交易日270个交易日360个交易日变量ROAROAROA0.0147*0.0488*0.0451IP(0.00646)(0.0122)(0.0581)-0.0606-0.0933*-0.132*TDR(0.00486)(0.00790)(0.0118)0.000139*0.0002060.000318*LMS(0.0000444)(0.0000766)(0.000114)0.002370.00387*0.004927*LR(0.000386)(0.000668)(0.00102)0.0449*0.0978*0.0980*TAT(0.00296)(0.00671)(0.00854)0.0007480.001180.00205nature(0.00133)(0.00229)(0.00336)industryYesYesYestimeYesYesYes0.00179-0.0109-0.00914cons(0.0124)(0.0227)(0.0654)N547935422548R200.1850.2230.232注：*，*，*分别表示10%、5%、1%的显著性水平，括号内报告的是稳健标准误。*P0.1，*P 0.0 5，*P0.01,下同。(二)中介效应模型回归结果下文分别呈现了模型（2）、模型（3）和模型（4）18 0 个交易日、2 7 0 个交易日和36 0 个交易日的中介效益模型实证结果。为便于区分，180个交易日中，模型（2）中变量IP所对应的系数记为8，模型（3）中变量IP所对应的系数记为18，模型（4）中变量IP和变量ROA所对应的系数分别记为18和18。后文2 7 0 个交易日和36 0 个交易日以此类推（见表3）。表318 0 个交易日中介效应模型实证结果(1)(2)(3)变量RROAR-0.414*0.0120-0.451*IP(0.0169)(0.0122)(0.0164)-2.487*-0.0149-2.652*Rm(0.446)(0.142)(0.468)0.00935*0.00936*-0.00264Size(0.00414)(0.000624)(0.00420)0.270*-0.0737*0.3641*TDR(0.0253)(0.00426)(0.0263)-14.19*-1.174-12.69grate(7.822)(0.876)(8.920)-0.686*-0.00920*-0.675*BM(0.0296)(0.00387)(0.0294)-0.04110.00278*-0.0446*PB(0.00264)(0.000327)(0.00270)1.281*ROA(0.0989)industryYesYesYestimeYesYesYes2.099*0.08992.259*cons(0.595)(0.0730)(0.675)N516351655163R20.4210.2080.443由表3中第（1）列可以看出，18 0 个交易日内，产业政策在1%的水平上对股票收益率有显著负向影响，即产业政策对股票收益率的总效应为-0.414。由表3的第（2）列可得，18 为0.0120，在统计上不显著。根据第（3）列可知，变量系数18为-0.451，在1%的水平上显著，这表明产业政策对股票收益率的直接效应为-0.451；18 为1.2 8 1，也在1%的水平上显著。根据中介效应检验程序，需进行Bootstrap检验。检验结果显示置信区间不包括0，这表明此时产业政策会通过影响业绩，间接影响股票收益率。具体来说，1、B和异号，故此时存在遮掩效应。即18 0 个交易日内，业绩遮掩了产业政702023年4月中国证券期货策对股票收益率的直接负向效应，使股票收益率有所上升，由-0.451上升至-0.414。此时，间180Q180Y1B2接效应与直接效应比例的绝对值约R:/80为0.0 34。由表4可知，2 7 0 个交易日内，产业政策对股票收益率的总效应27为0.9 8 7，对股票收益270率的直接效应27为0.8 14，分别在1%和10%的水平上显著。表4中，系数2 7 和系数27仅有一个显著，故此时需进行Bootstrap检验是否存在产业政策影响业绩，进而影响股票收益率的间接效应。检验结果表明，间接效应不显著。故2 7 0个交易内，产业政策不会通过影响业绩影响股票收益率。2 7 0 个交易日内，产业政策分别会对股票收益率和业绩产生显著影响，但此时不存在三者之间的传导机制。这可能是本文的数据所导致的，业绩没有公布日数据，这与股票收益率所相对应的日数据并不完全匹配。但这也部分说明了，此时投资者没有进行价值投资。表42 7 0 个交易日中介效应模型实证结果(1)(2)(3)变量RROAR0.987*0.1430.814*IP(0.455)(0.0907)(0.442)7.0230.1846.821*Rm(1.604)(0.324)(1.572)0.02150.0144*0.00377*Size(0.00580)(0.000996)(0.00570)0.327*-0.1133*0.467*TDR(0.0355)(0.00724)(0.0368)59.0726.0527.41grate(87.75)(17.44)(84.83)-0.902*-0.0166*-0.883*BM(0.0404)(0.00712)(0.0402)-0.05800.00459*-0.0638*PB(0.00417)(0.000642)(0.00426)1.238*ROA(0.107)industryYesYesYestimeYesYesYes续表(1)(2)(3)变量RROAR-8.055-3.254-4.101cons(10.01)(1.990)(9.674)N327533253275R20.4100.2440.442由表5第（1）列可知，36 0 个交易日内，产业政策在1%的水平上对股票收益率有负向影响，其变量系数为-0.2 38，表明产业政策对股票收益率的总效应为-0.2 38。列（2）和列（3）中，变量系数36 和36仅有一个显著，故进行Boot-strap检验。结果表明，36 0 个交易日内，产业政策不会通过影响业绩进而影响股票收益率。表536 0 个交易日中介效应模型实证结果(1)(2)(3)变量RROAR-0.238*0.0226-0.267*IP(0.0759)(0.0436)(0.0875)0.3350.356-0.105Rm(1.352)(0.803)(1.576)0.03810.0179*0.0156*Size(0.00751)(0.00148)(0.00746)0.364*-0.155*0.559*TDR(0.0463)(0.0106)(0.0486)3.787-1.2235.270grate(5.362)(2.712)(5.915)-0.991*-0.0317*-0.954*BM(0.0524)(0.0101)(0.0511)-0.0554*0.00449*-0.0611*PB(0.00425)(0.000856)(0.00441)1.247*ROA(0.103)industryYesYesYestimeYesYesYes-0.546-0.228-0.252cons(0.551)(0.176)(0.551)N240424232404R20.4610.2430.49971产业政策对上市公司股票市场收益率的影响研究第2 期(三)异质性检验国有企业和非国有企业在经营目标、政府干预以及政府资源获得方面存在较大差异，而产业政策的实施中政府和企业占据了重要地位。于是，为了考察业绩在产业政策影响不同股权性质的企业股票收益率中扮演的作用，此部分将全样本分为国有企业和非国有全资控股的其他企业两个子样本来进行异质性检验。表6、表7 和表8分别为18 0 个交易日、2 7 0 个交易日和36 0 个交易日的子样本中介效应模型异质性检验结果。由表6 可知，18 0 个交易日内，产业政策对国有企业的总效应不显著，故此时不存在产业政策影响股票收益率的机制问题。18 0 个交易日内，产业政策对非国有全资控股的其他企业在1%的水平上具有显著的负向影响，其系数取值为-0.435。由于模型（2）的变量系数18 和模型（3）的变量系数18在非国有全资控股的其他企业中只有一个系数显著，故进行了Bootstrap检验。检验结果表明，对于非国有全资控股的其他企业中，产业政策会通过影响企业业绩，间接影响股票收益率。具体来说，18 0 个交易日内，非国有全资控股的其他企业中，中介效应模型表现为遮掩效应。即业绩会遮掩产业政策对股票收益率的负向影响，使得股票收益率从-0.48 1上升至-0.435。此时，间接效应与直接效应比例的绝对值为0.0 39。这表明，企业业绩在非国有全资控股的企业中是产业政策影响股票收益率的因素。表6180个交易日中介效应模型异质性检验结果国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROARRROAR0.306-0.1460.475-0.4350.0137*-0.481*IP(0.500)(0.0738)(0.490)(0.0199)(0.0150)(0.0198)1.156*1.337*ROA(0.173)(0.122)controlsYesYesYesYesYesYesindustryYesYesYesYesYesYestimeYesYesYesYesYesYes1.908*0.2411.629*1.240*-0.02881.335*cons(0.990)(0.147)(0.968)(0.192)(0.0474)(0.191)N200620062006315731593157R20.4900.2110.5020.4200.2350.445表7270个交易日中介效应模型异质性检验结果国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROARRROAR1.412*0.007111.414*1.0110.1770.807IP(0.434)(0.101)(0.416)(0.664)(0.143)(0.676)1.524*1.155*ROA(0.182)(0.129)722023年4月中国证券期货续表国有企业其他企业变量(1)（2)(3)(4)(5)(6)RROARRROARcontrolsYesYesYesYesYesYesindustryYesYesYesYesYesYestimeYesYesYesYesYesYes-27.44*0.776-28.883*-4.390-4.652*0.993cons(9.343)(2.395)(9.058)(12.67)(2.477)(12.17)N127012921270200520332005R20.4640.3070.4940.4300.2510.461表7 中，产业政策对国有企业的股票收益率的总效应和直接效应均在1%的水平上为正。根据中介效应检验流程，进行Bootstrap检验。结果表明，2 7 0 个交易日内，对于国有企业来说，产业政策不会通过影响业绩，间接影响股票收益率。根据表7 中第（4）列、第（5）列以及第（6）列可知，对于非国有全资控股的企业来说，产业政策不会对个股收益率产生显著性影响，Bootstrap检验也表明间接效应不显著。故此时也不会存在产业政策影响业绩，进而影响股票收益率的传导机制。由表8 可知，36 0 个交易日内，产业政策对国有企业没有显著性影响。根据Bootstrap检验结果，产业政策不会通过影响业绩，间接股票收益率。对于非国有全资控股的其他企业来说，产业政策在36 0 个交易日内会对股票收益率在1%的水平上产生显著负向影响，其总效应为-0.2 8 6，直接效应为-0.2 8 5。Bootstrap检验结果表明，间接效应不显著，故此时不存遮掩效应或中介效应。(四）)稳健性检验为了检验产业政策、业绩和股票收益率三者之间关系的稳健性，本文采取了改变业绩衡量指标的方法，即用净资产收益率（ROE）代替总资产收益率（ROA）的方法，来进行模型回归。产业政策对业绩的稳健性检验结果如表9 所示。根据实证结果，产业政策在18 0 个交易日、2 7 0 个交易日对企业业绩仍具有显著正向影响。36 0 个交易日IP所对应的值正处于10%显著性水平的分界线上，此时的差距可能是由于总资产收益率和净资产收益率本身的差距所造成。表8360个交易日中介效应模型异质性检验结果国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROARRROAR-0.186-0.00082-0.187-0.286-0.00100-0.285*IP(0.118)(0.0366)(0.128)(0.0587)(0.0108)(0.0592)1.539*1.1577*ROA(0.211)(0.120)controlsYesYesYesYesYesYesindustryYesYesYesYesYesYes73产业政策对上同股票市场收益率的影响研究第2 期续表国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROARRROARtimeYesYesYesYesYesYes0.0588-0.1240.271-0.559-0.406*-0.0787cons(0.906)(0.215)(0.846)(0.588)(0.106)(0.576)N928933928147614901476R0.4880.3170.5230.4690.2380.506表9模型（1)移稳健性检验结果180个交易日270个交易日360个交易日变量ROEROEROE0.03290.0929*0.221*IP(0.00799)(0.0244)(0.134)-0.0811-0.110*-0.208*TDR(0.0121)(0.0184)(0.0334)0.0002390.000364*0.000530*LMS(0.0000913)(0.000150)(0.000252)0.00136*0.00294*0.00233LR(0.000629)(0.00103)(0.00180)0.08340.182*0.182*TAT(0.00659)(0.0130)(0.0201)0.002050.003770.00632nature(0.00277)(0.00465)(0.00775)industryYesYesYestimeYesYesYes-0.00717-0.0313-0.142cons(0.0176)(0.0343)(0.140)N547135382548R0.1190.1470.145继续进行影响机制分析，具体稳健性结果如下所示。表10 和表11分别为全样本稳健性检验结果，表12、表13和表14为子样本稳健性检验结果。表10180个交易日中介效应模型稳健性检验结果(1)(2)(3)变量RROER-0.414*0.0302*-0.446*IP(0.0169)(0.0181)(0.0165)742023年4月中国证券期货续表(1)(2)(3)变量RROER0.595*ROE(0.0468)controlsYesYesYesindustryYesYesYestimeYesYesYes2.099-0.263*2.291*cons(0.595)(0.112)(0.649)N516351595157R20.4210.1270.441由表10 可知，18 0 个交易日内，产业政策仍对股票收益率具有显著负向影响。由表10 中第（2）列和第（3）列可知，系数18 和系数31均显著，则间接效应显著。1、B31和B180异号，故模型仍具体表现为遮掩效应。业绩遮掩了产业政策对股票收益率的负向影响，使股票收益率由-0.446 上升至-0.414。间接效应与直接效应比例的绝对值为0.0 40 3。表11表明，270个交易日内，产业政策对股票收益率具有正向影响；36 0 个交易日内，产业政策对股票收益率具有负向影响。对2 7 0 个交易日和36 0 个交易日分别进行Bootstrap检验。结果表明，2 7 0个交易日和36 0 个交易日间接效应均不显著，故不存在产业政策影响业绩，进而影响股票收益率的传导机制。根据表12 中国有企业模型回归结果可知，产业政策对股票收益率不显著，故此时不存在产业政策影响股票收益率的机制问题。对非国有全资控股的其他企业来说，经Bootstrap检验，间接效应存在。此时，模型仍表现为遮掩效应，间接效应占直接效应的比例绝对值为0.0 47。由表13可知，检验2 7 0 个交易日内，两个子样本均不存在产业政策影响业绩这一影响机制的稳健性需进行Bootstrap检验。检验结果表明，间接效应不存在。这表明上文的研究结果是稳健的。表11中介效应模型稳健性检验结果270个交易日360个交易日变量(1)(2)(3)(4)(5)(6)RROERRROER0.987*0.2870.806*-0.2380.162*-0.324*IP(0.455)(0.207)(0.444)(0.0759)(0.0994)(0.0966)0.635*0.529*ROE(0.0533)(0.0540)controlsYesYesYesYesYesYesindustryYesYesYesYesYesYestimeYesYesYesYesYesYes-8.055-5.631-4.541-0.546-0.154-0.458cons(10.01)(4.069)(9.733)(0.551)(0.389)(0.568)N327533243274240424232404R20.4100.1560.4430.4610.1410.49475产业政策对上市公司股票市场收益率的影响研究第2 期表12180个交易日中介效应模型稳健性检验结果国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROERRROER0.306-0.417*0.491-0.435*0.0322-0.480*IP(0.500)(0.229)(0.494)(0.0199)(0.0227)(0.0198)0.445*0.700*ROA(0.0735)(0.0586)controlsYesYesYesYesYesYesindustryYesYesYesYesYesYestimeYesYesYesYesYesYes1.908*0.6041.641*1.240*-0.150*1.391*cons(0.990)(0.447)(0.975)(0.192)(0.0841)(0.190)N200620052005315731543152R20.4900.1270.5010.4200.1620.445表13270个交易日中介效应模型稳健性检验结果国有企业其他企业变量(1)(2)(3)(4)(5)(6)RROERRROER1.412*0.08561.364*1.0110.3150.820IP(0.434)(0.199)(0.414)(0.664)(0.363)(0.693)0.636*0.610*ROA(0.0880)(0.0622)controlsYesYesYesYesYesYesindustryYesYesYesYesYesYestimeYesYesYesYesYesYes-27.44*-0.0278-27.61-4.390-7.513*0.189cons(9.343)(4.085)(9.031)(12.67)(5.200)(12.29)N127012921270200520322004R20.4640.1750.4930.4300.1870