IPO溢價(jià)和風(fēng)險(xiǎn)投資
——來(lái)自科創(chuàng)板的實(shí)證研究

曹夢(mèng)弋

(浙江萬(wàn)里學(xué)院國(guó)貿(mào)與會(huì)展系 浙江寧波 315104)

IPO抑價(jià)是指發(fā)行定價(jià)過(guò)低或二級(jí)市場(chǎng)反應(yīng)過(guò)度導(dǎo)致IPO收盤價(jià)高于發(fā)行價(jià)的現(xiàn)象。長(zhǎng)期以來(lái)，我國(guó)資本市場(chǎng)IPO抑價(jià)率居高不下，在全球資本市場(chǎng)中顯著高于其他國(guó)家。IPO的抑價(jià)超額收益讓三方受益：上市公司可以從一級(jí)市場(chǎng)獲得融資，投資者可以通過(guò)提價(jià)獲得資本收益，承銷商可以通過(guò)成功IPO提高聲譽(yù)。中國(guó)市場(chǎng)仍處于發(fā)展階段，IPO抑價(jià)率相對(duì)成熟等典型新興市場(chǎng)較高。新股配置率低、IPO收益率高，使得投資者忽視對(duì)公司質(zhì)量的分析，通過(guò)非理性羊群效應(yīng)推高二級(jí)市場(chǎng)價(jià)格。IPO高抑價(jià)助長(zhǎng)了承銷商不負(fù)責(zé)任的指導(dǎo)和焦慮的業(yè)績(jī)。上市公司依賴市場(chǎng)預(yù)期和宣傳噱頭獲得充足融資，而不是追求長(zhǎng)期利益。為改革股市，踐行市場(chǎng)機(jī)制，科技創(chuàng)新板(STAR)推出注冊(cè)制、限價(jià)新規(guī)。經(jīng)典的IPO抑價(jià)理論基于信息不對(duì)稱、制度假設(shè)和行為金融學(xué)，關(guān)注上市公司、投資者和承銷商之間的關(guān)系。風(fēng)險(xiǎn)投資文獻(xiàn)中，既有降低IPO抑價(jià)的認(rèn)證1(certification)和監(jiān)管2(monitoring)效應(yīng)，也有支持IPO抑價(jià)的逐名3(grandstanding)、逆向選擇4(adverse selection)和市場(chǎng)支配力5(market power)假說(shuō)。本文以截至2021年3月31日的科創(chuàng)板公司為樣本，以風(fēng)險(xiǎn)投資參與度、是否有國(guó)際背景和持股比例為主要解釋變量，結(jié)合Heckman兩步分析和穩(wěn)健檢驗(yàn)緩解內(nèi)生性問題。首先，風(fēng)險(xiǎn)投資參與投資與IPO抑價(jià)沒有顯著相關(guān)性。其次，風(fēng)投的國(guó)際背景與IPO抑價(jià)正向顯著相關(guān)，我們認(rèn)為這是逆選擇效應(yīng)導(dǎo)致科創(chuàng)公司的高估。再次，風(fēng)險(xiǎn)投資的持股股數(shù)與IPO抑價(jià)顯著正相關(guān)，這和風(fēng)險(xiǎn)投資深度參與公司業(yè)務(wù)的示范作用有關(guān)。最后，針對(duì)一級(jí)市場(chǎng)的企業(yè)、投資者和監(jiān)管當(dāng)局，本文提出了相應(yīng)的對(duì)策建議。

1 數(shù)據(jù)和模型

1.1 數(shù)據(jù)

本文數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR數(shù)據(jù)庫(kù)。因變量為IPO抑價(jià)率，由首日收盤價(jià)與發(fā)行價(jià)的差額和發(fā)行價(jià)的比值來(lái)衡量。

研究者普遍使用市場(chǎng)指數(shù)對(duì)抑價(jià)率進(jìn)行調(diào)整，保證數(shù)據(jù)的穩(wěn)健性。因?yàn)檠芯繀^(qū)間沒有成熟的科創(chuàng)板指數(shù)，本文使用創(chuàng)業(yè)板市場(chǎng)指數(shù)作為替代。M0為IPO當(dāng)日市場(chǎng)開盤指數(shù)，M1為IPO當(dāng)日市場(chǎng)收盤價(jià)，本文將在穩(wěn)健性檢驗(yàn)中使用該定義衡量IPO抑價(jià)。

本文從CSMAR中收集了公司IPO前有關(guān)風(fēng)險(xiǎn)投資的數(shù)據(jù)，用vc作為風(fēng)險(xiǎn)投資參與度的解釋變量。當(dāng)vc=1時(shí)，有風(fēng)險(xiǎn)投資參與；當(dāng)vc=0時(shí)，沒有風(fēng)險(xiǎn)投資人參與。此外，使用vcbg作為風(fēng)險(xiǎn)投資背景的解釋變量。如果vcbg=1，就意味著該風(fēng)險(xiǎn)投資具有包括香港地區(qū)等全球機(jī)構(gòu)在內(nèi)的國(guó)際背景；如果vcbg=0，就意味著該風(fēng)險(xiǎn)投資機(jī)構(gòu)是本土風(fēng)投。對(duì)于風(fēng)投的持股情況，CSMAR披露持股規(guī)模最大的風(fēng)投信息，因此本文使用解釋變量shvc表示最大風(fēng)險(xiǎn)投資的持股比例。

關(guān)于控制變量，本文收集了上市公司的成立時(shí)間、資產(chǎn)規(guī)模、權(quán)益收益率和新股配置率及IPO的換手率等財(cái)務(wù)數(shù)據(jù)。由于無(wú)法直接找到市盈率數(shù)據(jù)，本文將發(fā)行價(jià)格除以發(fā)行前的每股收益作為替代。數(shù)據(jù)樣本為2016年1月1日—2021年3月31日，因?yàn)榈谝患铱苿?chuàng)板公司于2019年6月上市，我們可以獲得過(guò)去三年的財(cái)務(wù)數(shù)據(jù)?；诂F(xiàn)有學(xué)者研究，控制變量選擇理由如下：(1)成立時(shí)間：成立日期與IPO日期的差異。理論上，較年輕的公司公開披露信息較少，加劇了信息的不對(duì)稱，這種不確定性可能導(dǎo)致IPO抑價(jià)加劇。(2)資產(chǎn)規(guī)模：發(fā)行前資產(chǎn)規(guī)模較大的公司管理更規(guī)范、信息披露較為全面，有助于降低IPO抑價(jià)。此外，資產(chǎn)規(guī)模較大的公司發(fā)行成本相對(duì)較小，也可能降低IPO抑價(jià)。為了使變量更穩(wěn)定，我們使用了此前三年的平均資產(chǎn)規(guī)模。(3)ROE：ROE是反映資本運(yùn)營(yíng)效率和投資價(jià)值的盈利能力財(cái)務(wù)指標(biāo)。本文使用年末三年期加權(quán)平均權(quán)益收益率。(4)市盈率：發(fā)行市盈率代表公司的預(yù)期估值。較高的市盈率預(yù)示著潛在的價(jià)值和對(duì)投資者的吸引力。IPO抑價(jià)將以二級(jí)市場(chǎng)更高的價(jià)格補(bǔ)償不知情的投資者。(5)換手率：IPO的換手率反映了投資者的積極性和市場(chǎng)流動(dòng)性，也可以反映市場(chǎng)分化程度。(6)新股配置率：配置率代表市場(chǎng)對(duì)IPO的情緒。投資者申請(qǐng)購(gòu)買新股越多，配置率越低，拿不到新股的投資者在發(fā)行后會(huì)更加積極地參與二級(jí)市場(chǎng)，可能導(dǎo)致IPO抑價(jià)。

此外，與配置率、換手率相比，其他四個(gè)控制變量相對(duì)較大，為了更精確，我們把這些變量取對(duì)數(shù)處理，刪除了一些市盈率和凈資產(chǎn)收益率為負(fù)值的股票。以下標(biāo)簽是變量的名稱：

（1）lnte：成立時(shí)間(年)對(duì)數(shù)；

（2）lnAsset：資產(chǎn)規(guī)模對(duì)數(shù)(百萬(wàn))；

（3）LnROE：ROE的對(duì)數(shù)(%)；

（4）lnPE: PE的對(duì)數(shù)；

（5）tr：周轉(zhuǎn)率；

（6）ar：新股配置率(%)。

1.2 模型

第一，使用Pearson檢測(cè)變量間的線性相關(guān)性，避免回歸模型參數(shù)的多重共線性帶來(lái)的回歸偏差。Pearson相關(guān)量表可以指示相關(guān)強(qiáng)度，相關(guān)系數(shù)越高，相關(guān)性越強(qiáng)，相關(guān)系數(shù)矩陣也可以顯示相關(guān)性的顯著性。后續(xù)多元回歸分析的前提是解釋變量具有交叉顯著性，沒有過(guò)度相關(guān)性。第二，應(yīng)用多元線性回歸、Heckman二階選擇模型進(jìn)行實(shí)證分析及穩(wěn)健性檢驗(yàn)。

1.2.1 多元回歸

本文將建立多元回歸模型來(lái)檢驗(yàn)風(fēng)險(xiǎn)投資家相關(guān)變量和IPO抑價(jià)率的關(guān)系，具體回歸方程如下：

經(jīng)典線性回歸模型的前提是隨機(jī)誤差項(xiàng)滿足齊次性，即方差相同。如果方差不同，線性回歸模型具有異方差性，影響參數(shù)估計(jì)的無(wú)偏性、有效性和顯著性結(jié)果，此時(shí)普通最小二乘法不適用。為了發(fā)現(xiàn)是否存在異方差，本文使用了白檢驗(yàn)來(lái)檢查卡方統(tǒng)計(jì)的P值。

1.2.2 Heckman選擇模型

風(fēng)投的投資決策存在內(nèi)生性問題，例如優(yōu)質(zhì)企業(yè)會(huì)選擇名氣大的風(fēng)險(xiǎn)投資機(jī)構(gòu)，以期獲得更好的投后服務(wù)。為了修正該選擇性偏誤，本文采用Heckman二階選擇模型。具體步驟如下：

第一，建立Probit模型以風(fēng)險(xiǎn)投資參數(shù)虛擬變量為因變量：

其中，X為自變量，即OLS回歸模型中的公司財(cái)務(wù)控制變量。

第二，將一階回歸中得到逆米爾斯比(IMR)和風(fēng)險(xiǎn)投資相關(guān)變量帶入二階段回歸模型，具體如下：

2 實(shí)證結(jié)果

2.1 統(tǒng)計(jì)數(shù)據(jù)

2.1.1 全樣本統(tǒng)計(jì)

VC相關(guān)描述性統(tǒng)計(jì)如表1所示。

表1 VC相關(guān)描述性統(tǒng)計(jì)

IPO平均抑價(jià)率為1.515，意味著科創(chuàng)板新股平均股價(jià)漲150%。IPO抑價(jià)現(xiàn)象在全球股市廣泛存在。Stoll and Curley（1970）在首次公開發(fā)行日發(fā)現(xiàn)了價(jià)格升值的證據(jù)。Ibbotson（1975）研究發(fā)現(xiàn)，20世紀(jì)60年代美國(guó)市場(chǎng)首次公開發(fā)行（IPO）平均為11.4%。發(fā)達(dá)市場(chǎng)和新興市場(chǎng)存在不同程度的IPO抑價(jià)。在歐美市場(chǎng)，IPO抑價(jià)率一般在20%以下（陶濤，2017）；對(duì)于其他新興市場(chǎng)，馬來(lái)西亞IPO平均抑價(jià)率為9.4%（Wong等，2017年），伊朗經(jīng)市場(chǎng)調(diào)整后的IPO平均抑價(jià)率低于12%（Karami等，2014）。

為減少新股發(fā)行過(guò)度炒作，配合發(fā)行體制改革，滬深證券交易所在一系列實(shí)施新股發(fā)行監(jiān)管后，將新股首日最高價(jià)格區(qū)間限定為發(fā)行價(jià)格的44%。新政策出臺(tái)前，多數(shù)創(chuàng)業(yè)板市場(chǎng)股票IPO抑價(jià)率為正，并呈現(xiàn)不規(guī)則的價(jià)格走勢(shì)。這一衡量旨在釋放一段交易日內(nèi)的價(jià)格變化，而不是在IPO中聚集，預(yù)計(jì)投資者會(huì)根據(jù)以下市場(chǎng)表現(xiàn)判斷個(gè)股。不過(guò)，多數(shù)股價(jià)可能會(huì)漲至最大區(qū)間，并在后續(xù)交易日以漲停告終。從2014—2016年底251家創(chuàng)業(yè)板上市公司的數(shù)據(jù)來(lái)看（發(fā)行日沒有限價(jià)的借殼上市公司除外），IPO抑價(jià)率在44%左右，標(biāo)準(zhǔn)差為0.2%（曲等，2017）。因此，行政手段無(wú)法提高發(fā)行市場(chǎng)效率，仍存在不合理的投資行為。

同時(shí)，在本文的樣本中，80%的上市公司有風(fēng)險(xiǎn)投資機(jī)構(gòu)的參與，但其中只有3%有海外背景，最大的風(fēng)投機(jī)構(gòu)有8.5%的股權(quán)。這些數(shù)據(jù)表明風(fēng)險(xiǎn)投資已經(jīng)成為科創(chuàng)企業(yè)的重要外部資金來(lái)源，但海外風(fēng)投機(jī)構(gòu)的參與度并不高。

表2 控制變量描述性統(tǒng)計(jì)

表2顯示樣本公司的財(cái)務(wù)統(tǒng)計(jì)數(shù)據(jù)。上市前，科創(chuàng)企業(yè)的平均市盈率為35，最大值為410，和同期的創(chuàng)業(yè)板上市公司比較，2019—2020年創(chuàng)業(yè)板平均市盈率分別為40.84、55.52和59.87，該數(shù)據(jù)表明同期內(nèi)科創(chuàng)板的市盈率平均值并無(wú)特別高估。另外，平均成立時(shí)間為13.91年，最年輕的公司為5.64年，意味著上市科創(chuàng)公司平均而言已經(jīng)進(jìn)入成熟發(fā)展階段。上市前，平均ROE為19.05%，最低ROE為4.05%，最高為69.90%，整體盈利能力較好。平均資產(chǎn)為6.76億元，區(qū)間為1.52億～341億元，表明科創(chuàng)板上市公司既有輕資產(chǎn)企業(yè)，又有重資產(chǎn)企業(yè)。從新股配置率來(lái)看，低配率表明投資熱情強(qiáng)烈，不成功的申請(qǐng)投資者會(huì)去二級(jí)市場(chǎng)增加需求，增加IPO抑價(jià)。平均換手率74.5%，區(qū)間61.1%～86.6%，反映了市場(chǎng)情緒和投機(jī)現(xiàn)象。由于科創(chuàng)板前五天沒有漲停限制，所以投資者有提高交易頻率實(shí)現(xiàn)利潤(rùn)最大化的傾向。

2.1.2 子樣本統(tǒng)計(jì)

如表3所示，風(fēng)險(xiǎn)支持公司IPO平均抑價(jià)率較高，且分散程度略高，同時(shí)有海外背景風(fēng)投參與的IPO抑價(jià)率均值較高。

表3 風(fēng)投參與分類IPO抑價(jià)率

2.2 Pearson相關(guān)性檢驗(yàn)

Pearson相關(guān)可以對(duì)變量之間的相關(guān)性做出初步判斷。從相關(guān)系數(shù)矩陣來(lái)看，系數(shù)值幾乎在0.5以下，說(shuō)明變量間相關(guān)性較弱，適合做回歸分析。從系數(shù)的顯著性水平來(lái)看，IPO抑價(jià)率與風(fēng)險(xiǎn)投資家參與度的關(guān)系不顯著；IPO抑價(jià)與風(fēng)險(xiǎn)投資背景之間的系數(shù)在10%水平上正向顯著；對(duì)于最大風(fēng)險(xiǎn)投資持股情況，10%顯著性水平存在正相關(guān)。結(jié)果表明，科創(chuàng)板IPO抑價(jià)在一定程度上不同于已有理論，有必要結(jié)合風(fēng)險(xiǎn)投資和中國(guó)市場(chǎng)的特點(diǎn)來(lái)解釋最終結(jié)果（見表4）。

2.3 OLS回歸結(jié)果

表5呈現(xiàn)OLS回歸結(jié)果，模型(1)～(3)用風(fēng)險(xiǎn)投資參與變量(vc)、風(fēng)險(xiǎn)投資的海外背景(vcbg)和風(fēng)險(xiǎn)投資的股權(quán)份額(shvc)作為主要的解釋變量。在模型(4)～(5)中，將三個(gè)vc變量?jī)蓛山M合，并在(6)中一起進(jìn)行回歸，找出它們對(duì)IPO抑價(jià)的組合影響及它們之間關(guān)系的顯著性。

表4 Pearson相關(guān)性檢驗(yàn)

表5 OLS回歸結(jié)果

模型（1）中，風(fēng)險(xiǎn)投資參與度和IPO的系數(shù)為負(fù)，但在統(tǒng)計(jì)上并不顯著，原因可能是模型有遺漏變量的問題，這些變量可能包括公司的其他財(cái)務(wù)信息及與風(fēng)險(xiǎn)投資相關(guān)的變量，如公司中風(fēng)險(xiǎn)投資家的數(shù)量或是否存在風(fēng)險(xiǎn)投資家的銀團(tuán)投資。

在模型（2）中，風(fēng)險(xiǎn)投資家背景與IPO抑價(jià)之間不存在顯著關(guān)系。從風(fēng)投參與度和背景數(shù)據(jù)來(lái)看，超過(guò)78.7%的公司是風(fēng)投支持的，但只有6家公司有國(guó)際風(fēng)險(xiǎn)投資的參與。因此，風(fēng)險(xiǎn)背景虛擬變量無(wú)法提供足夠的方差，對(duì)IPO抑價(jià)的解釋力較小。

在模型（3）中，最大風(fēng)險(xiǎn)投資機(jī)構(gòu)持股與IPO抑價(jià)在10%水平上存在顯著正相關(guān)。本文認(rèn)為這一現(xiàn)象可能和限售期有關(guān)：限售期限制了風(fēng)投機(jī)構(gòu)股份必須在公司上市后的一段期限內(nèi)才能出售其持有股份，該舉措的目的是避免市場(chǎng)波動(dòng)。風(fēng)險(xiǎn)投資家持股越多，二級(jí)市場(chǎng)投資者購(gòu)買新股、推高價(jià)格的信心就越大，從而增加了IPO抑價(jià)。

在模型（4）中，本文同時(shí)考慮了風(fēng)險(xiǎn)投資人的參與和風(fēng)險(xiǎn)投資人的背景。結(jié)果顯示，vc統(tǒng)計(jì)上不顯著，而vcbg與IPO抑價(jià)正相關(guān)，并且在10%水平上顯著。由于科創(chuàng)板相對(duì)不成熟，處于成長(zhǎng)期，且信息不對(duì)稱，更有可能找到風(fēng)險(xiǎn)投資的支持，獲得高估，導(dǎo)致逆向選擇效應(yīng)和IPO抑價(jià)。

模型（5)中，vc在10%水平上顯著與IPO抑價(jià)負(fù)相關(guān)，shvc在5%水平上顯著與IPO抑價(jià)正相關(guān)。該模型顯示，將風(fēng)險(xiǎn)投資家持股納入風(fēng)險(xiǎn)投資參與變量考慮時(shí)，vc可以降低信息不對(duì)稱和IPO抑價(jià)。此外，在風(fēng)險(xiǎn)投資家參與的影響下，持股變量的顯著性水平高于個(gè)體效應(yīng)模型（3）。

模型（6）結(jié)合了風(fēng)險(xiǎn)投資參與、背景和持股的影響。風(fēng)險(xiǎn)投資家參與度和背景對(duì)IPO抑價(jià)沒有顯著影響；風(fēng)險(xiǎn)投資家持股5%顯著，與IPO抑價(jià)正相關(guān)；風(fēng)投參與度和國(guó)際背景不顯著，可能是投資者在科創(chuàng)板初期仍持謹(jǐn)慎態(tài)度，無(wú)法充分認(rèn)識(shí)到國(guó)際風(fēng)險(xiǎn)投資家的認(rèn)證效應(yīng)。也就是說(shuō)，風(fēng)險(xiǎn)投資家的參與度和國(guó)際背景沒有為科創(chuàng)板上市公司提供額外的信號(hào)。

2.4 Heckman檢測(cè)

風(fēng)險(xiǎn)投資家的投資決策存在內(nèi)生性問題，風(fēng)險(xiǎn)投資家是否投資不是隨機(jī)選擇，典型的內(nèi)生性問題包括遺漏變量和逆向選擇。本文采用Heckman兩階段檢測(cè)并且緩解由逆向選擇帶來(lái)的內(nèi)生性問題。

第一，本文用Probit模型估計(jì)科創(chuàng)板公司財(cái)務(wù)數(shù)據(jù)對(duì)風(fēng)險(xiǎn)投資機(jī)構(gòu)參與投資的影響，結(jié)果如表6所示。

表6 風(fēng)險(xiǎn)投資參與Probit回歸

表7 Heckman兩階段風(fēng)險(xiǎn)投資特征與IPO抑價(jià)

結(jié)果顯示，市盈率正向影響5%顯著水平，因此高市盈率反映了市場(chǎng)預(yù)期估值，由于原始股價(jià)與高發(fā)行價(jià)的差異，可能會(huì)增加風(fēng)險(xiǎn)投資機(jī)構(gòu)的投資決定；新股配置率和風(fēng)投參與負(fù)向相關(guān)，較低的配置率反映了投資者對(duì)IPO的熱情及投資者對(duì)上市公司的預(yù)期表現(xiàn)；換手率與風(fēng)投決策1%顯著正相關(guān)，代表高換手率可以提高交易效率和收益規(guī)模，和風(fēng)投機(jī)構(gòu)的投資決定正向相關(guān)。

第二，利用第一步得到的逆米爾斯比率(IMR)和其他風(fēng)投相關(guān)變量在全公司樣本(full sample)與有風(fēng)險(xiǎn)投資參與的公司子樣本(vc=1)進(jìn)行回歸。在有風(fēng)險(xiǎn)參與的IPO子樣本中對(duì)這兩個(gè)變量進(jìn)行回歸時(shí)，和之前的OLS回歸類似，shvc在5%顯著性水平上具有正向影響，而vcbg仍不具有統(tǒng)計(jì)顯著性。

在模型（3）～（4）中，vcbg在全樣本和風(fēng)險(xiǎn)支持樣本中均具有5%的顯著性水平，市場(chǎng)支配力假說(shuō)可以解釋風(fēng)險(xiǎn)投資背景與IPO抑價(jià)之間的正相關(guān)關(guān)系。本文中的國(guó)際風(fēng)險(xiǎn)投資機(jī)構(gòu)大多是專注于亞洲公司的經(jīng)驗(yàn)豐富的機(jī)構(gòu)，其素質(zhì)可以吸引優(yōu)秀的市場(chǎng)參與者給予被支持公司較高的估值，從而促進(jìn)IPO抑價(jià)，通過(guò)增加所有者財(cái)富來(lái)提升聲譽(yù)。

此外，在模型（5）～（6）中，無(wú)論是在全樣本還是子樣本中，風(fēng)險(xiǎn)投資機(jī)構(gòu)持股與IPO抑價(jià)都存在正相關(guān)風(fēng)投機(jī)構(gòu)持股向投資者傳遞公司價(jià)值的信號(hào)，吸引投資。也就是說(shuō)，風(fēng)險(xiǎn)投資家的深度參與可以通過(guò)發(fā)揮示范作用，帶動(dòng)其他投資者參與IPO，提高股價(jià)。

2.5 穩(wěn)健測(cè)試

因篇幅關(guān)系，本文進(jìn)行的穩(wěn)健檢驗(yàn)未列出。第一，將被解釋變量從IPO抑價(jià)變?yōu)槭袌?chǎng)指數(shù)調(diào)整后的IPO抑價(jià)。結(jié)果顯示，vcbg在進(jìn)行個(gè)體回歸時(shí)，在5%水平上正向統(tǒng)計(jì)顯著。這一結(jié)果強(qiáng)化了國(guó)際風(fēng)險(xiǎn)投資機(jī)構(gòu)在投資科創(chuàng)板公司時(shí)存在逆向選擇傾向，更有可能以IPO抑價(jià)的形式導(dǎo)致較高估值。第二，針對(duì)Heckman兩步選擇方程的穩(wěn)健回歸顯示，風(fēng)險(xiǎn)投資背景（vcbg）與持股（shvc）組合效應(yīng)（模型(1)和(2）)，無(wú)論是全樣本還是子樣本，股數(shù)對(duì)IPO抑價(jià)都有顯著的正向影響。

2.6 OLS和Heckman穩(wěn)健測(cè)試前后總結(jié)

與文獻(xiàn)綜述中的理論和前人研究相比，OLS結(jié)果表明風(fēng)險(xiǎn)投資人參與并不能有效提供認(rèn)證和監(jiān)控，這與Cao等(2013)、Wang等(2013)的研究一致。對(duì)于風(fēng)險(xiǎn)投資人背景，本文的發(fā)現(xiàn)是國(guó)際背景與IPO抑價(jià)正相關(guān)，這與現(xiàn)有對(duì)中國(guó)市場(chǎng)的研究不同，本文認(rèn)為科創(chuàng)板市場(chǎng)具有不同的運(yùn)行機(jī)制，國(guó)際風(fēng)險(xiǎn)投資機(jī)構(gòu)對(duì)這樣一個(gè)由信息不對(duì)稱公司組成的陌生市場(chǎng)可能存在較大的逆向選擇效應(yīng)。同時(shí)，由于風(fēng)險(xiǎn)投資參與引發(fā)的市場(chǎng)積極信號(hào)，風(fēng)險(xiǎn)投資持股或持股數(shù)量與IPO抑價(jià)正相關(guān)。

3 結(jié)語(yǔ)

本文對(duì)一級(jí)市場(chǎng)的參與者和監(jiān)督者提出相關(guān)對(duì)策建議：首先，風(fēng)險(xiǎn)投資機(jī)構(gòu)，需要改善對(duì)被投資公司的增值服務(wù)，而不是著眼于短期IPO退出收益。風(fēng)險(xiǎn)投資家作為重要的市場(chǎng)參與者，應(yīng)該發(fā)揮配置資源、促進(jìn)高科技公司發(fā)展的作用，而不是市場(chǎng)泡沫。完善專業(yè)化管理，提供長(zhǎng)期增值服務(wù)，發(fā)揮認(rèn)證效應(yīng)。對(duì)被投資公司給予合理定價(jià)，降低逆向選擇風(fēng)險(xiǎn)至關(guān)重要。其次，科技型上市公司應(yīng)對(duì)IPO抑價(jià)持理性態(tài)度，只有提高企業(yè)質(zhì)量和價(jià)值才能帶來(lái)資本市場(chǎng)的長(zhǎng)期成功。如果想要在科創(chuàng)板上市的公司，就應(yīng)該認(rèn)識(shí)到市場(chǎng)化注冊(cè)制度的重要性，即高IPO抑價(jià)或因發(fā)行價(jià)格較低而導(dǎo)致融資受限，或有可能滑到高交易價(jià)格以下。選擇合適的風(fēng)險(xiǎn)投資，獲得長(zhǎng)期引導(dǎo)，通過(guò)資源協(xié)調(diào)提升公司實(shí)力，追逐合適的上市機(jī)會(huì)。再次，投資者尤其是零售投資者要獨(dú)立決策，客觀分析，切勿盲目投資，跟風(fēng)投機(jī)。最后，監(jiān)管者要提高發(fā)行有效性，減少市場(chǎng)信息不對(duì)稱，引導(dǎo)風(fēng)險(xiǎn)投資的投機(jī)行為，保護(hù)個(gè)人投資者，加快注冊(cè)制改革，促進(jìn)市場(chǎng)自律。政府要加強(qiáng)事中事后市場(chǎng)控制，履行市場(chǎng)化權(quán)力。新股配置和定價(jià)應(yīng)該對(duì)中小投資者有更多的保護(hù)，減少非理性行為。定價(jià)應(yīng)包含更廣泛的信息，以維護(hù)市場(chǎng)交易秩序。

本文的局限性在于風(fēng)險(xiǎn)支持公司和非風(fēng)險(xiǎn)支持公司相比，數(shù)量過(guò)多，使得虛擬變量方差過(guò)小，無(wú)法獲得足夠的解釋力。另外，對(duì)數(shù)處理導(dǎo)致這些市盈率和ROE為負(fù)的公司被刪除，可能導(dǎo)致遺漏變量的情況。