智力资本信息披露如何影响股价同步性？
——来自我国高科技上市公司的经验证据

傅传锐 林爱贤 王焰辉

(福州大学 经济与管理学院，福建 福州 350108)

一、引言及相关文献综述

智力资本信息披露与股价同步性间的关系是现代金融与智力资本跨学科的新议题。股价同步性，即个股价格波动与市场价格波动间的关联程度，是表征股票市场定价效率的重要指标(Roll，1988)。在监管制度有待健全、法律执行效率不高且以奉行追涨杀跌、短线交易策略的散户为投资者主体的新兴市场中，盲目跟风、价格泡沫、情绪偏见等噪音行为被视为股价形成过程中的重要不确定因素，是个股股价异质性波动的主要来源，降低了股价同步性(Lee et al.，2011；Hu et al.，2013；王亚平 等，2009)。

随着当前全球经济从工业化时代向知识经济时代的转型，以无形性、知识密集为典型特征，囊括人力资本要素(员工知识、技能与经验)、结构资本要素(企业文化、管理流程、专利技术、商标，以及企业与顾客、供应商、政府部门等利益相关者间的关系纽带)在内的智力资本日益取代传统有形生产要素，成为企业价值创造的战略性资源(Bollen et al.，2005)。与企业智力资本开发管理相关的各类信息受到监管当局、机构投资者、分析师等市场参与者的广泛关注(Li et al.，2012)。同时，企业也将智力资本信息披露作为缓解合法性压力、传递利好信号的重要方式(傅传锐 等，2018a)。那么，一个自然而然的问题是，企业对外输出的智力资本信息是否能够被外部投资者所准确识别、解读并用于指导其投资交易呢？换言之，智力资本信息能否有效融入股票价格，帮助投资者合理研判公司价值并作出理性决策，降低噪音交易对股价形成的干扰，进而提高个股价格与整体市场价格间的运行同步性呢？对这一问题的回答，不但有助于加深对智力资本信息披露经济后果的认识，而且对于进一步提升和优化我国现阶段资本市场的运行效率具有重要的启发意义。

遗憾的是，现有文献对智力资本信息披露与股价同步性间的关系并未给予足够的关注。来自智力资本方面的新近研究考察了智力资本信息披露可能产生的多维经济后果，发现：企业披露更多的智力资本信息存在降低股权融资成本(Boujelbene et al.，2013)、吸引更多的分析师跟踪(Farooq et al.，2014b)、提高股票市场价格(张丹，2008；Ellis et al.，2015)等诸多积极效应，但也会对披露企业的竞争地位产生一定的消极影响(傅传锐 等，2019)。不难发现，上述研究均没有将股价同步性纳入智力资本信息披露可能的作用对象加以考察。在股价同步性的相关研究中，一些学者陆续探讨了社会责任信息披露、环境信息披露等典型特质性信息对股价同步性的影响，结论上存在一定的分歧。Utz(2018)的研究发现，在欧洲、日本与美国的股票市场上，企业的社会责任水平越高，其股票的股价同步性越强。王艳艳等(2014)以我国A股上市公司为样本，发现：社会责任报告仅在首次披露时存在对股价同步性的降低效应；首次披露后，社会责任报告缺乏增量信息。Dai et al.(2018)的研究表明，我国上市公司的社会责任信息披露水平与股价同步性正相关，且分析师与机构投资者对上述关系均会产生正向调节作用。李新丽等(2019)虽然也找到了社会责任信息披露提高股价同步性的证据，但是却发现机构投资者与分析师关注在上述关系中分别发挥负向、正向调节作用。张淑惠等(2015)基于沪市A股公司的实证分析显示，环境信息披露显著增强了股价同步性。危平等(2018)以上证环境敏感型行业为研究对象，不仅找到了环境信息披露与股价同步性正相关的证据，而且发现分析师关注负向调节环境信息披露对股价同步性的正向影响。

已有研究为我们探寻同样作为企业关键特质性信息的智力资本信息披露对股价同步性的可能影响提供了重要参考。然而，与国内外监管部门已经为社会责任报告、环境信息营造了相对完备的信息披露引导环境不同(1)比如，近年来我国颁布的《上市公司社会责任指引》(2006年)、《环境信息公开办法(试行)》(2007年)、《上市公司环境信息披露指引》(2008年)、《上市公司环境信息披露指南(征求意见稿)》(2010年)、《关于加强企业环境信用体系建设的指导意见》(2015年)等，逐步规范了相应企业在社会责任、环境信息披露过程中的操作细则。，当前除欧盟、日本等发达经济体颁布了智力资本信息披露指南外，包括我国在内的许多国家或地区尚未对智力资本信息披露设定系统、全面的政策指引或规范。披露规范的缺失导致企业对外报告的智力资本信息在内容、格式、时效性、披露程度甚至术语概念方面均存在较大的随意性或不一致性。不仅如此，诸如员工知识、工作态度、品牌声誉、客户忠诚度等多数智力资本要素仍游离于企业强制性信息披露的政府监管范畴之外，受制于内部管理者的自由裁量权。由此可见，实践中存在的局限可能导致现阶段企业对外报告的智力资本要素的信息含量还无法与规范披露的社会责任信息、环境信息相提并论。智力资本信息披露究竟能否为投资者提供有价值的基本面信息，缓解个股信息的不对称性进而提高股价同步性，仍是一个未有现成结论的经验性问题。同时，虽然Dai et al.(2018)、危平等(2018)、李新丽等(2019)未能就机构投资者和分析师在社会责任、环境信息披露与股价同步性间的关系中所发挥的调节效应的方向性达成共识，但总体上肯定了机构投资者与分析师的信息挖掘、处理与传播的功能。那么，机构投资者、分析师是否也可能通过自身的信息中介或信息交易影响智力资本信息披露对股价同步性的传导机制呢？在研究智力资本信息披露与股价同步性间的关系时，如果忽略了机构投资者、分析师所扮演的特定角色，则可能导致结论的有效性难以得到保证。

基于上述分析，本文以2011—2016年间我国A股高科技上市公司为样本，先利用内容分析法手工采集的年报智力资本信息大样本数据构建出智力资本信息披露指数，而后实证检验了智力资本信息披露对股价同步性的影响，以及机构投资者、分析师在上述关系中的调节效应。较之已有研究，本文的贡献主要体现在：其一，研究了智力资本信息披露与股价同步性间的关系，不仅从股价同步性的新视角，丰富了智力资本信息披露的经济后果方面的文献，而且拓展了股价同步性影响因素的研究边界。其二，揭示了智力资本信息披露对股价同步性的影响路径，以及机构投资者、分析师在智力资本信息披露影响股价同步性的过程中所发挥的异质性作用。这不仅有助于增进我们对新兴加转轨资本市场环境中股价形成机制的理解，而且能够为相关监管部门推进资本市场深化改革提供重要的决策参考。

二、研究假设

(一)智力资本信息披露与股价同步性

从现有文献来看，国内外学者关于股价同步性的形成机制存在两种截然不同的观点。一种是以Roll(1988)、Morck et al.(2000)等为代表的特质信息论。该观点认为，公司层面的特定信息产生了个股的异质性回报波动，股价越是能有效反映公司特质信息，异质性波动程度越高，个股与大盘指数间的波动越可能脱节，股价同步性越低。换言之，特质信息论持股价同步性负向反映股票市场信息效率的立场。另一种是噪音论。持这一观点的研究(West，1988；Chan et al.，2006；Dasgupta et al.，2010；Farooq et al.，2014a；Li et al.，2014)认为，个股的异质性波动源自诸如狂热、误定价等噪音行为，而非公司特质信息。市场上的噪音交易越多，个股的异质性波动越剧烈，股价同步性越低。此时，披露更多的公司特质信息，不仅不会降低股价同步性，反而会通过增进投资者对公司的理解、减少不确定预期，进而抑制非理性的噪音行为及其对股票价格的影响，提高股价同步性。也就是说，股价同步性能够正向体现资本市场的信息效率。

不论是特质信息论还是噪音论，都得到了不同国家或地区资本市场背景下经验证据的支持。已有研究(Lee et al.，2011；Hu et al.，2013；王亚平 等，2009；罗进辉 等，2015；张淑惠 等，2015)指出，特质信息论可能更适合解释欧美等成熟资本市场的股价同步性机理问题。因为成熟市场的信息传递效率高，公司特质信息能够充分迅速地融入股价，噪音较少。与之不同，由于新兴资本市场往往以缺乏专业分析技能的散户为投资者主体，且监管与信息披露制度不健全，股票价格更多是由非理性的噪音交易所驱动，而非基于对公司个体信息的理性研判与合理估值。因此，噪音论更适宜于阐释新兴市场中存在的股价同步性现象。张淑惠等(2015)、危平等(2018)的研究发现，我国A股上市公司通过披露更多的环境信息，可以达到“降噪”的作用，进而提高股价同步性。周林洁(2014)认为，公司基本面信息的不确定性会诱发投资者的投机行为，增加股价变动中的噪音交易成分，从而降低股价同步性。钟凯等(2018)发现，“沪港通”的实施提高了相应标的股票的信息披露质量，降低了噪音交易引发的股价异质性波动。

作为唯一同时满足Barney(1991)所提出的价值性、稀缺性、难以模仿与不可替代等属性的异质性资源，智力资本是推动企业价值创造不可或缺的核心中枢(Bollen et al.，2005)。如何培育、开发与运作各类智力资本要素决定了企业能否实现价值增值与长期可持续发展。显然，智力资本信息是关乎企业战略规划与核心运营的重要信息(Garanina et al.，2017)。因此，当噪音成为影响股价同步性的主要因素时，企业披露更多的智力资本信息有助于降低外部投资者对企业价值链、战略与业务发展方向等基本面的不确定认知，提高对企业未来现金流与合理价值的估计准确度，减少投资决策偏误与投机行为，降低噪音引致的个股波动异质性，进而提高股价同步性。不仅如此，智力资本信息披露为资本市场带来的关于企业未来发展的前瞻性预期还会增加当前股价对未来可能发生事件的信息含量，减弱未来事件实际发生时新信息对个股的特质性冲击(Dasgupta et al.，2010)，从而进一步提高股价同步性。

基于上述分析，本文提出：

H1：智力资本信息披露水平与股价同步性正相关。

(二)分析师关注对智力资本信息披露与股价同步性间关系的调节效应

作为联结投资者与上市公司的纽带，分析师同时扮演着信息搜寻与信息解读的双重角色(Ramnath

et al.，2008)。一方面，分析师能够通过电话访谈、实地调研、行业协会、公司自有数据库等多种私有渠道获取关于公司基本面的未公开信息；另一方面，分析师可以运用自身的专业知识与技术对收集到的信息进行分析、筛选，过滤出关键内容，并通过发布研报、荐股评级等方式引导市场参与者的投资方向。显然，不论是扮演何种角色，分析师对股票的跟踪关注都能够为市场提供增量信息，改善企业内外部的信息不对称性(Liu et al.，2011)。并且，越是对信息透明度低、信息晦涩、难以理解或处理成本高的股票而言，分析师的信息解读功能越重要，越会受到投资者的关注(Huang et al.，2018)。近期的相关研究发现，分析师通过揭示公司更多的基本面信息，加速了股票价格对这些特质性信息的吸收(Huang et al.，2018；Cheng et al.，2016)，进而抑制了非理性的噪音交易对股价的影响，提高了市场定价效率(金大卫 等，2016；危平 等，2018)。

与一般的财务信息相比，智力资本信息往往艰涩隐晦、难以直观解读(Holland et al.，2003)。在现行的财务制度下，智力资本要素的开发投入与效益产出都很难实现准确识别与货币计量，包括我国在内的绝大多数国家或地区尚未将智力资本信息纳入企业财务报表的强制性披露范畴，也未制定系统的披露规范或指导意见(Abeysekera，2010；傅传锐 等，2018b)。大多数的智力资本要素只能在企业管理者的自由裁量权下，依靠管理者对智力资本参差不齐的认知与理解进行信息披露，形式多样，且缺乏统一或得到广泛认可的度量尺度。同时，各类智力资本信息由于缺乏专门、相对独立的披露模块，而不得不散落、夹杂在财务报告的各个角落。可以说，智力资本信息披露标准的缺失致使智力资本信息的发现与挖掘成为一项耗时耗力的工作。不仅如此，智力资本要素形成过程所具有的因果模糊性(Lippman et al.，1982)、社会复杂性(Dierickx et al.，1989)以及对历史特定环境的依赖性(Barney，1991)，也使得智力资本投入产出的不确定性远高于传统有形物质资本(傅传锐，2014)。因此，如何通过企业披露的有限的智力资本信息来合理推断企业内部各类智力资本的开发运行规律与价值创造贡献，无疑是极为复杂艰巨的任务，远非一般投资者所能胜任，这就要求分析师积极介入以提供信息中介服务。分析师凭借在信息渠道与专业分析技能方面的相对优势，能够较为有效地收集、处理、甄别、解读企业的智力资本信息，并向资本市场参与者提供基于这些智力资本信息加工得出的关于企业未来盈余、发展前景的预测与估值意见(García-Meca et al.，2007；Farooq，2016)，从而避免投资者在信息不对称的情形下出现过度投机、定价偏差等非理性交易，减少市场噪音可能引致的个股异质性波动。显然，分析师关于智力资本信息的供给服务在一定程度上降低了投资者对上市公司通过年报途径直接披露的智力资本信息的依赖，减弱了年报智力资本信息对非理性噪音交易的抑制效应，而且分析师的信息供给服务越多，这种弱化作用越大。换言之，对于分析师关注度高的股票，年报智力资本信息披露的“降噪”作用降低，其对股价同步性的正向影响减弱。

基于上述分析，本文提出：

H2：智力资本信息披露水平与股价同步性间的正相关关系随分析师关注度的提高而减弱。

(三)机构投资者对智力资本信息披露与股价同步性间关系的调节效应

机构投资者是现代资本市场的重要组成部分。与中小投资者相比，机构投资者不但拥有资金优势，而且具备较强的信息解读与专业投资能力。庞大的资金体量与较高的持股比例使得机构投资者难以像散户一样追涨杀跌、博取短线价差，他们主要采取“买入并持有”的价值型投资策略，通过基本面分析，配置业绩优良、低波动性的股票(史永东 等，2014)。机构投资者的交易行为不仅可以直接将其通过收集、加工得到的公司基本面信息融入股价(Grossman et al.，1980)，而且能够同时向市场传递信号，引导其他投资者的关注与跟进，加快股价对特质性信息的吸收速度(熊家财 等，2014)。因此，机构投资者的信息发现与信息交易可以增加市场的理性投资，减少盲目跟风、投机泡沫、情绪偏见等非理性噪音行为。来自国内外资本市场的经验证据也证实，机构投资者持股能够提高股票价格的信息含量(Piotroski et al.，2004；朱红军 等，2007)、降低噪音成分并进一步改善资产定价效率(王亚平 等，2009；罗进辉 等，2015；Dai et al.，2018)。

新近研究还发现，机构投资者已经具备对作为企业战略性资源的智力资本的价值选择能力(傅传锐，2017)，即机构投资者已经认识到智力资本在企业价值增值链中发挥着不可替代的作用，更加重视企业在员工专业技能、管理流程、专利发明、专有技术、品牌、客户忠诚度等各类智力资本要素方面的培育、开发与运作，并积极收集、挖掘相关的具体信息，将之运用于评估企业的内在价值以及制定投资决策等方面。显然，机构投资者对智力资本的价值选择促使其将所掌握的关于公司智力资本运营状况与未来发展前景的特质性信息融入股票价格，降低了噪音对股价的干扰。并且，机构投资者持有个股的股权比例越高，其搜寻与处理信息的规模效应越大(Ramalingegowda et al.，2012)，这有助于进一步激励其加大对个股信息收集、分析与运用的力度。因此，对于机构投资者持股比例较高的股票，其股价中包括智力资本在内的各类特质性信息的含量较高，股价受噪音的影响较小。这在一定程度上减弱了企业经由年报披露的智力资本信息的“降噪”作用，导致其与股价同步性间的正相关程度降低。

基于上述分析，本文提出：

H3：智力资本信息披露水平与股价同步性间的正相关关系随机构投资者持股比例的提高而减弱。

三、研究设计

(一)样本选择与数据来源

本文以2011—2016年间在沪深A股市场交易的所有高科技上市公司为初始样本。借鉴李莉等(2014)、傅传锐等(2018c)的研究，我们根据证监会颁布的《上市公司行业分类指引》，选取行业代码首位为G以及前两位分别为C5、C7、C8的行业作为高科技行业，具体包括信息技术、电子、机械、设备、仪表、医药与生物制品业。年报是上市公司最主要的公开信息发布媒介，其经过外部审计，因此可信度较高。本文通过收集上述行业样本公司的年报中披露的各类智力资本信息来构建智力资本信息披露指数。由于当年年报通常在次年年初到4月底之间公布，而年报所述信息只有在其披露后，才能对资本市场参与者以及股价产生影响。因此，本文在实证研究中使用2011—2015年的智力资本信息披露指数，股价同步性的计算时间区间则相应顺延一年，即2012—2016年。此外，由于股价同步性是通过个股周收益率、市场周收益率等周数据计算而得，为保证用于估计股价同步性的样本容量充足，我们借鉴Morck et al.(2000)、王亚平等(2009)、黄俊等(2014)的做法，剔除了年度个股周收益率数据不足30个观察值的样本。同时，对于研究中所需变量数据缺失的样本，也予以剔除。最终获得的样本包括4502个公司年度观察值。本文对所有连续型变量进行了1%、99%分位点上的缩尾处理(Winsorize)，以控制极端异常值对研究结果的可能影响。

除智力资本信息披露数据通过人工阅读上市公司年报进而提取得到以外，其他变量数据均取自CSMAR数据库。

(二)变量定义

1.被解释变量：股价同步性

参考Xu et al.(2013)、Chan et al.(2014)与黄灿等(2017)的做法，本文分两步计算股价同步性。

第一步，构建回归模型(1)逐年估计个股的R2。

RETj,w,t=α0+α1RM,w,t+α2RM,w-1,t+α3RI,w,t+α4RI,w-1,t+ε

(1)

其中：RETj,w,t表示个股j在第t年第w周考虑现金红利再投资的回报率；RM,w,t、RM,w-1,t分别表示所有A股股票在第t年第w周、第w-1周经流通市值加权的市场平均回报率；RI,w,t、RI,w-1,t分别表示个股j所在行业I除个股j以外所有股票在第t年第w周、第w-1周经流通市值加权的行业平均回报率；α0为常数项，α1～α4为估计系数；ε为随机误差项。由于上市公司的当年年报是在次年4月底前公布，为了使股价能够充分吸收年报传递的信息，我们在模型(1)中以当年5月1日至次年4月30日作为一个年度周期计算个股的年度拟合优度R2。

第二步，在通过模型(1)估计得到个股的年度R2的基础上，对其进行对数化处理以满足变量的正态性要求。

(2)

Synchj,t即为个股j在t年的股价同步性指标。

2.解释变量：智力资本信息披露指数

本文借鉴Hidalgo et al.(2011)、Li et al.(2012)、Boujelbene et al.(2013)、张丹(2008)等研究的做法，使用内容分析法采集样本公司年报中披露的智力资本信息。数据采集小组由金融学专业的23位研究生与50位本科生组成，他们在接受培训后被要求逐份阅读2011—2015年间的样本公司年报，并以句子、图表为基础分析单元，对其中涉及各类智力资本要素的相关内容予以记录(傅传锐 等，2018a)。本文参考Sullivan(2000)、Pulic(2004)对智力资本要素结构的观点，将智力资本信息划分为人力资本信息和结构资本信息两大类。为反映上市公司披露智力资本信息的真实意愿，我们根据证监会颁布的《公开发行证券的公司信息披露内容与格式准则第2号——年度报告的内容与格式》与企业会计准则，剔除了属于监管政策强制性要求上市公司披露的智力资本信息，仅保留属于上市公司自愿披露范畴的智力资本信息。经上述处理，人力资本、结构资本自愿信息披露的项目分别有7项、25项，总计32项。智力资本信息披露项目情况详见表1(傅传锐 等，2018b)。

表1 智力资本信息披露项目

进一步，采用5量点打分法给不同披露形式的信息项目赋予不同分值，以反映不同信息披露形式间的差异性。当年报中不存在任何与特定信息项目相关的披露内容时，该项目的披露得分计为0。当年报以纯文字形式、非货币型数字、货币型数字、图表形式披露特定信息项目时，其披露得分分别计为1分、2分、3分、4分。

在完成上述处理后，根据式(3)计算智力资本信息披露指数：

(3)

其中：ICDI表示智力资本信息披露指数；di为第i个智力资本自愿信息披露项目的实际得分；n为智力资本自愿信息披露项目的数量。

3.分组变量

分析师关注(Coverage)。借鉴胡军等(2015)、Guo et al.(2019)的做法，以当年对个股发布预测报告的分析师人数来度量分析师对个股的关注程度。由于当年年报通常在次年4月底前披露，为使分析师跟踪人数的统计周期与年报发布的周期相匹配，我们用当年5月1日至次年4月30日间对个股发布预测报告的分析师人数衡量当年的分析师关注度。

机构投资者持股(Inst)。参考王亚平等(2009)、Dyck et al.(2019)的做法，以包括基金、证券公司、企业年金、信托基金、保险公司、QFII等在内的所有机构投资者在年末持有上市公司的总股数与上市公司的流通股股数的比值表示上市公司当年的机构投资者持股比例。

4.控制变量

为控制其他因素对股价同步性的可能影响，本文借鉴朱红军等(2007)、黄灿等(2017)、Dai et al.(2018)的做法，在回归中纳入以下控制变量：公司规模(Size)，个股年末流通市值的自然对数；盈利能力(ROE)，净资产收益率，即年营业利润与所有者权益的比值；第一大股东持股比例(First)，年末第一大股东持股数占总股本的比例；换手率(Turnover)，个股年成交量与总股本的比值；董事会规模(Boardsize)，董事会成员数的自然对数；监事会规模(Supbsize)，监事会成员数的自然对数；管理层权力(Manapower)，董事长与总经理由同一人兼任时，取值为1，否则取值为0；管理层薪酬(Manasalary)，董监高前三名薪酬总额的自然对数；产权性质(Soe)，国有控股时，取值为1，否则取值为0。此外，本文还控制了年度(Year)与行业(Ind)虚拟变量。

(三)模型设定

为检验H1，本文构建了如下回归模型(4)：

Synchi,t=β0+β1×ICDIi,t-1+β2×Sizei,t+β3×ROEi,t+β4×Firsti,t+β5×Turnoveri,t+

β6×Manapoweri,t+β7×Boardsizei,t+β8×Supbsizei,t+β9×Manasalaryi,t+

β10×Soei,t+∑Year+∑Ind+εt

(4)

其中，β0为常数项，β1～β10为估计系数，ε为随机误差项，i、t分别表示公司、年份，Synchi,t表示上市公司i在t年5月1日至次年4月30日间的股价同步性。由于在t年4月底前公布的是t-1年的年报，因此回归中使用的是滞后一期的智力资本信息披露指数(ICDI)变量。其余各变量定义同上文。根据H1，我们预期ICDI的系数β1显著为正。

为检验H2，本文先以分析师关注(Coverage)的中位数为分组指标，将全样本划分为分析师关注度高组(Coverage大于中位数)与分析师关注度低组(Coverage小于或等于中位数)，然后进行分组估计。根据H2，我们预期，在分析师关注度低样本组，β1不仅显著为正，而且数值(显著性)要明显大(强)于分析师关注度高样本组的对应系数。

H3的检验过程与H2类似，也是先将全样本划分为机构持股比例高组(Inst大于中位数)与持股比例低组(Inst小于或等于中位数)，再进行分组估计。根据H3，我们预期，在机构持股比例低组，β1不仅显著为正，而且数值(显著性)要明显大(强)于机构持股比例高样本组的对应系数。

此外，为增强检验效力，本文还使用连玉君等(2010)提出的Bootstrap方法对分析师关注度高、低组，以及机构持股比例高、低组间的β1值进行了组间差异性检验。

四、实证分析

(一)描述性统计

表2报告了主要变量的描述性统计结果。由表2可知，R2的均值与中位数分别为0.426、0.415，与已有文献(Gul et al.，2010；王亚平 等，2009；胡军 等，2015)测算的我国A股上市公司股票的R2的数值较为接近。R2的最小值为0.0748，最大值为0.808，表明个股之间股价同步性的差距较为悬殊，分布很不均匀。Synch是由R2对数转换而来，其均值为-0.346，最小值为-2.516，最大值为1.438，分布更具正态性。表2还显示，样本公司ICDI的均值为0.277，中位数为0.281，最小值为0.117，最大值为0.422，表明目前我国高科技公司的智力资本信息披露水平普遍较低，平均超过70%的自愿披露项目未得到披露，并且不同公司间的智力资本信息披露水平差异较大。

从控制变量的分析结果来看，ROE、First、Manapower、Soe的均值分别为0.0636、0.333、0.308、0.287，表明样本公司的平均净资产收益率约为6.36%，第一大股东平均持有约1/3的公司股本，将近31%的样本公司的董事长兼任总经理，约29%的样本公司为国有控股。

表2 主要变量的描述性统计

(二)回归结果

1.全样本回归

表3报告了全样本下回归模型(4)的估计结果。其中，列(1)、(2)为在控制年份与行业特征变量的基础上，分别放入ICDI与主要控制变量的回归结果。列(3)为同时放入ICDI与所有控制变量的回归结果。表3显示，ICDI在列(1)、(3)中的系数估计值分别为0.3774、0.3528，且均在5%水平上显著。这表明，智力资本信息披露能显著提高股价同步性。因此，H1得到支持。

表3 全样本回归结果

2.分样本回归

表4汇报了回归模型(4)的分组估计结果。其中，列(1)、(2)为按分析师关注度分组后的回归结果，列(3)、(4)为按机构持股比例分组后的回归结果。

在列(1)中，ICDI的系数估计值为0.6211，且在1%水平上显著；在列(2)中，ICDI的系数估计值为0.0814，但未能在10%水平上显著。显然，ICDI在列(1)中的系数估计值明显大于其在列(2)中的系数估计值，而且前者的显著性更强。与此同时，组间系数差异的Bootstrap经验P值为0.006，在1%水平上显著，进一步表明ICDI在分析师关注度低组的系数估计值要大于分析师关注度高组的对应估计值。上述结果意味着，对于分析师关注度较低的上市公司而言，智力资本信息披露能够显著提高公司的股价同步性；而在分析师关注度高的上市公司中，智力资本信息披露只能对股价同步性发挥有限且不显著的影响。因此，分析师关注弱化了智力资本信息披露对股价同步性的正向效应。H2得到证实。

在列(3)中，ICDI的系数估计值为0.5336，且在5%水平上显著；在列(4)中，ICDI的系数估计值仅为0.1410，且未能在10%水平上显著。同时，Bootstrap组间差异的经验P值为0.0112，也在5%水平上显著。这意味着，不论就系数估计值大小还是统计显著性而言，列(3)中的ICDI都明显大于或强于列(4)中的ICDI。由此可见，在机构持股比例较低的样本组，上市公司通过披露较多的智力资本信息能够有效增强其股价同步性；而在机构持股比例较高的样本组，即便上市公司披露更多的智力资本信息，也无助于对股价同步性产生积极作用。换言之，智力资本信息披露对股价同步性的积极影响随机构投资者持股比例的提高而被弱化了。假设H3得到验证。

表4 分组回归结果

五、稳健性检验

为增强研究结论的可靠性，我们进行了一系列的稳健性检验。

(一)重新度量股价同步性

前文在通过模型(1)计算个股的年度R2时，不仅考虑了与个股收益率(RETj,w,t)同期的市场收益率(RM,w,t)、行业收益率(RI,w,t)，也考虑了滞后一期的市场收益率(RM,w-1,t)、行业收益率(RI,w-1,t)。但是，也有较多文献(王亚平 等，2009；姜超，2013；Bai et al.，2017；Dai et al.，2018)仅考虑了同期市场收益率与行业收益率对个股收益率的影响。为此，我们参照已有研究(An et al.，2013；周林洁，2014；黄灿 等，2017)的做法，利用模型(5)重新计算个股的年度拟合优度R2。

RETj,w,t=α0+α1RM,w,t+α2RI,w,t+ε

(5)

模型(5)中各变量定义同模型(1)。我们将基于同期数据的模型(5)估计得到的个股年度R2放入式(2)中进行对数化处理，重新度量个股的股价同步性。在此基础上，重复前文的回归过程，检验结果列于表5。从中可见，前文研究结论并未发生明显改变。

表5 重新度量股价同步性的回归结果

(二)改变智力资本信息披露指数计分方法

在上文中，我们通过对不同披露形式的智力资本信息赋予不同分值的多尺度计量方式构建了智力资本信息披露指数，这种做法不仅可以度量出智力资本信息在披露数量上的多寡，而且能够刻画出信息披露的质量。即便是同一内容，不同的披露形式也可能对信息接收者产生不尽相同的传播效果。比如，使用图表形式进行展示要比纯文字的表述方式更加直观、形象，更易被外部投资者关注与使用，进而能够更加快速、充分地融入交易决策与股价。显然，在研究中使用基于多尺度计量的智力资本信息披露指数更有利于估计上市公司披露的智力资本信息对投资者的信息含量。然而，部分研究(Li et al.，2008；Abeysekera，2010；Haji et al.，2012)却认为，多尺度计量方法因为需要编码者对不同披露形式进行人工判断，从而可能出现主观判断偏差，因此只统计特定智力资本信息是否披露而不考虑其具体披露形式的“二分值法”能够最大限度地克服主观误差，提高度量的客观准确性。为确保结论的可靠性，本文也参考相关研究(Hidalgo et al.，2011；傅传锐 等，2018c)的做法，使用“二分值法”来重新构建智力资本信息披露指数：

(6)

在基于“二分值法”重新算得智力资本信息披露指数后，再按前述研究过程进行回归，分析结果列于表6。从中可见，上文结论仍然成立。

表6 使用“二分值”法度量智力资本信息披露指数的回归结果

(三)使用交互项回归分析调节效应

前文主要通过分样本回归分别考察了分析师关注度、机构投资者持股比例对智力资本信息披露与股价同步性间关系的调节效应。除此之外，直接将调节变量与解释变量的交互项放入回归中，也是一种检验调节效应存在与否的常用方法。为此，我们在模型(4)中分别引入分析师关注度、机构投资者持股比例与智力资本信息披露的交乘项，重新进行回归，结果列于表7。不难发现，ICDI在列(1)、(2)中的系数估计值均在5%水平上显著为正，表明智力资本信息披露能够显著提高股价同步性。同时，ICDI与分析师关注度、机构投资者持股比例的交乘项(ICDI×Coverage、ICDI×Inst)的系数估计值分别在5%、1%水平上显著为负，表明分析师关注度与机构投资者持股比例对智力资本信息披露与股价同步性间的关系均存在显著的负向调节效应。

表7 调节效应的交互项回归检验

(四)工具变量法

在上文分析中，我们通过将智力资本信息披露变量滞后一期处理的方式来缓解同期智力资本信息披露与股价同步性间可能存在的互为因果的内生性问题。出于稳健性的考虑，此处进一步使用工具变量法进行处理。具体地，选取剔除本公司后的同行业智力资本信息披露指数的平均值(ICDI_IND)作为工具变量。从经济直觉上看，上市公司会受到其所处行业内其他公司的智力资本信息披露行为的影响，但是行业智力资本信息披露水平又不会直接影响公司的股价同步性，因而满足工具变量的选取条件。表8报告了全样本与分样本下的工具变量回归结果。从中可以发现，不论是全样本还是分样本，工具变量(ICDI_IND)的F统计量均在1%水平上高度显著，Kleibergen-Paap rk LM检验也都在1%水平上拒绝了不可识别的原假设，说明行业平均智力资本信息披露水平是一个合适的外生工具变量。经过工具变量法克服内生性问题后，回归结果仍与前文结论一致。

表8 工具变量法回归结果

(五)倾向得分匹配法

为控制回归中可能存在的样本自选择问题，我们参考已有文献(Rosenbaum et al.，1983；程子健 等，2015)的做法，使用倾向得分匹配方法(Propensity Score Matching，PSM)进一步分析智力资本信息披露对股价同步性的影响。

首先，根据智力资本信息披露指数(ICDI)的中位数将全样本划分为高水平智力资本信息披露组(即处理组，ICDI高于样本中位数)与低水平智力资本信息披露组(即控制组，ICDI低于或等于样本中位数)。已有研究发现，企业资产规模(Size，个股年末流通市值的自然对数)、资产收益率(ROE，年营业利润与所有者权益的比值)、大股东持股(First，年末第一大股东持股数占总股本的比例)、董事会规模(Boardsize，董事会成员人数的自然对数)、独立董事比例(Independent，年末独立董事人数与董事会成员人数之比)、高管薪酬(Salary，高管前三名薪酬总和的自然对数)等因素可能会影响企业的智力资本信息披露水平(White et al.，2007；Hidalgo et al.，2011；Haji et al.，2013；傅传锐 等，2018b)。因此，以这些潜在影响因素，以及行业、年度虚拟变量为匹配变量构建Logit回归模型进行估计，并计算样本公司的倾向得分值。具体公式如下：

P(Wi|Xi=xi)=E(Wi)=Exp(xiβ)/

(1+Exp(xiβ))

(7)

其中：β为样本公司Logit回归中各匹配变量的估计系数；xi为样本公司智力资本信息披露的影响因素；E(Wi)为估计的倾向得分值。其次，在估计得到倾向得分值后，按照最近邻匹配1∶1的原则对处理组和控制组进行配对。

图1为匹配前后处理组和控制组公司倾向得分值的核密度曲线。由图1可见，在匹配前，处理组和控制组的倾向得分值的概率分布差异较大；在匹配后，两组样本的倾向得分值的核密度曲线基本吻合。进一步，对匹配效果进行平衡性检验，结果如表9所示。不难发现，匹配后所有变量偏差的绝对值都控制在5%以内，所有t检验都无法拒绝处理组和控制组间无显著差异的原假设。因此，不论是匹配前后的倾向得分值概率密度分布比较还是匹配变量平衡性检验，都表明匹配效果良好。

利用匹配后的样本，我们重复了前文的回归过程。由表10可见，重新检验得到的结果与前文结论无实质性差异。

图1 匹配前后倾向得分值的核密度曲线

表9 匹配变量的平衡性检验

(六)将基金持股比例作为分组变量

证券投资基金是最主要的机构投资者代表。较之其他机构投资者，证券投资基金的持股比例更高，而且信息收集与处理能力更强，更热衷于扮演积极股东的角色，是机构投资者参与持股公司治理的主导力量(梅洁 等，2016)。基金持股能够为其他市场参与者提供更多的关于持股公司的信息，进而有助于提高信息透明度，减轻噪音交易对市场定价的干扰，即基金持股会影响智力资本信息披露的“降噪”效应。在一些研究(李延喜 等，2011；蔡宏标 等，2015；梅洁 等，2016；代昀昊，2018)中，证券投资基金持股被直接作为机构持股的代理指标。有鉴于此，本文也遵从上述做法，重新进行分组回归。由表11可见，结果与前文结论基本保持一致。

表11 按基金持股比例进行分组的回归结果

(七)改变分析师关注度计算方法

前文在使用一个年度内对个股发布预测报告的分析师人数作为分析师关注度的度量指标时，并未考虑同一分析师可能在一个年度内对某支股票进行多次预测的情形。实际上，随着分析师对其所跟踪个股的了解不断深入，其可能会根据最新掌握的公司特质信息作出动态的预测行为，进而使个股的信息透明度不断提升。相较于仅统计发布预测报告的分析师人数，分析师对个股的预测次数更可能全面反映分析师对个股的关注程度以及个股的特质信息环境。基于这一考虑，我们借鉴已有文献(Dai et al.，2018；危平 等，2018)的做法，利用同一年度内分析师对个股的预测报告的份数总和度量分析师关注度，并重新进行分组回归。表12的分析结果显示，前文结论仍然成立。

表12 按分析师预测次数进行分组的回归结果

六、进一步研究

(一)传导路径检验

正如前文所述，智力资本信息披露之所以能够提高股价同步性，关键在于上市公司通过披露智力资本信息向资本市场提供了更多的有价值的基本面信息，缓解了个股的信息不对称问题。那么，智力资本信息披露究竟能否降低上市公司的信息不对称呢？目前，尚无文献就此展开探讨。基于此，本文构建了以信息不对称(Asymmetry)为中介变量的中介效应方程组对这一问题进行检验。具体如下所示：

Synchi,t=α0+α1×ICDIi,t-1+α2×Sizei,t+α3×ROEi,t+α4×Firsti,t+α5×Turnoveri,t+

α6×Manapoweri,t+α7×Boardsizei,t+α8×Supbsizei,t+α9×Manasalaryi,t+

α10×Soei,t+∑Year+∑Ind+εt

(8)

Asymmetryi,t=β0+β1×ICDIi,t-1+β2×Sizei,t+β3×ROEi,t+β4×Firsti,t+β5×Turnoveri,t+

β6×Manapoweri,t+β7×Boardsizei,t+β8×Supbsizei,t+β9×Manasalaryi,t+

β10×Soei,t+∑Year+∑Ind+εt

(9)

Synchi,t=γ0+γ1×ICDIi,t-1+γ2Asymmetryi,t+γ3×Sizei,t+γ4×ROEi,t+γ5×Firsti,t+

γ6×Turnoveri,t+γ7×Manapoweri,t+γ8×Boardsizei,t+γ9×Supbsizei,t+

γ10×Manasalaryi,t+γ11×Soei,t+∑Year+∑Ind+εt

(10)

上述方程中，Asymmetry表示信息不对称，其他变量定义与模型(4)相同。参考已有文献(Hutton et al.，2009；潘越 等，2011；吴武清 等，2017)的做法，分别用修正琼斯模型(Dechow et al.，1995)和DD模型(Dechow et al.，2002)度量出的上市公司盈余管理程度作为信息不对称(Asymmetry_Jones、Asymmetry_DD)的代理指标。修正琼斯模型、DD模型分别通过估计方程(11)、(12)计算盈余管理程度。

(11)

(12)

其中，i、t分别表示公司、年度，TA表示总应计利润，A表示资产总额，ΔREV为营业收入增加额，ΔREC为应收账款增加额，PPE为固定资产，CFO为经营活动产生的现金流量净额。盈余管理水平为上述两个方程的回归残差的绝对值|

εi,t|

。盈余管理指标越大，表明上市公司的信息不对称程度越高。

表13报告了中介效应的检验结果。从中可见，ICDI在列(1)、(3)、(4)、(6)中的系数估计值都在5%水平上显著为正，表明智力资本信息披露能够显著提高股价同步性。ICDI在列(2)、(5)中的系数估计值都在1%水平上显著为负，表明智力资本信息披露显著降低了信息不对称性。Asymmetry_Jones、Asymmetry_DD的系数估计值分别在列(3)、(6)中显著为负，表明信息不对称程度越高，股价同步性越低。上述结果说明，智力资本信息披露确实能够经由降低信息不对称这一路径提高股价同步性。此外，Sobel检验、Aroian检验与Goodman检验也都在1%或5%水平上显著拒绝了不存在中介效应的原假设。这再次证实，信息不对称在智力资本信息披露对股价同步性的影响中发挥显著的中介作用。

表13 信息不对称的中介效应检验结果

(二)分类智力资本信息披露与股价同步性

前文考察了总体智力资本信息披露与股价同步性间的关系，那么人力资本、结构资本等分类智力资本信息披露在提高股价同步性方面是否也存在类似影响呢？对此，我们参照式(3)，分别利用式(13)、(14)计算了人力资本信息披露指数(HCDI)与结构资本信息披露指数(SCDI)。

(13)

(14)

其中：di为人力资本或结构资本内部第i个信息披露项目的实际得分；对于人力资本、结构资本信息披露而言，n分别为7、25。

在算得人力资本信息披露指数和结构资本信息披露指数后，分别用HCDI、SCDI替换ICDI，并放入模型(4)，重复前文的检验过程。表14、表15报告了人力资本信息披露、结构资本信息披露与股价同步性间的回归结果。从中可见，不论是HCDI还是SCDI，其在全样本与分析师关注度低、机构投资者持股比例低样本组的系数估计值均显著为正，而在分析师关注度高、机构投资者持股比例高样本组的系数估计值都不显著。这表明，分类智力资本信息披露对股价同步性的影响与总体智力资本信息披露相似。

表14 人力资本信息披露与股价同步性

表15 结构资本信息披露与股价同步性

七、结论与启示

本文选取2011—2016年间我国A股高科技上市公司为样本，实证考察了智力资本信息披露对股价同步性的影响，以及分析师关注、机构投资者对这一关系的调节效应。结果表明：第一，智力资本信息披露能够显著提高股价同步性。第二，分析师关注、机构投资者在智力资本信息披露与股价同步性的关系中均存在显著为负的调节作用，即智力资本信息披露对股价同步性的正向影响随分析师关注度、机构投资者持股比例的提高而减弱。进一步研究发现：信息不对称在智力资本信息披露对股价同步性的影响中发挥显著的中介作用；与总体智力资本信息披露相似，人力资本、结构资本信息披露对股价同步性也存在显著的正向影响。

本文结论为全面深化我国资本市场改革提供了有益启示。其一，会计准则制定部门应紧密结合国情，尽快出台智力资本信息披露框架与指南，推动智力资本信息的市场供给。在操作细则上，要明确各类智力资本要素的货币化公允价值计量方法，规范对外报告中的智力资本术语、内容、时效性与格式。在实施范围上，采取“先试点后推广”的原则，先选择部分高科技上市公司进行报告试点，而后根据试点经验反馈与其他行业的智力资本要素特点逐步推广。其二，监管部门要大力发展合格的机构投资者与分析师队伍。一方面，要引导机构投资者秉持长期价值投资理念，促使其关注和运用企业智力资本要素的相关信息，进而助推智力资本信息加速融入其交易行为，提高股价中的智力资本信息含量。另一方面，要督促分析师加强智力资本相关知识的学习与补充，提高其准确挖掘和解读企业对外输出的各类智力资本信息的能力。在此基础上，借助分析师的信息中介渠道将智力资本信息以更加直观、易懂的方式传播给投资者，从而有效改善企业内外部信息不对称的局面。其三，投资者要深入研究上市公司披露的智力资本信息，并结合经由分析师报告传递的智力资本相关信息，跟踪上市公司的智力资本投资运行动向，进而做出合理的投资决策，降低资产配置的异质性波动风险。