金融投资VS创新导向：中美贸易战冲击下哪类企业更受伤？

奥鹏网院作业

金融投资VS创新导向：中美贸易战冲击下哪类企业更受伤？
崔彦哲1 王铁成2 赵林丹3

(1.北京大学深圳研究生院城市规划与设计学院，广东 深圳 518055；2.温州商学院金融贸易学院，浙江 温州 325000；3.南开大学经济学院，天津 300071)

摘 要： 本文采用事件研究法度量了2018-2019年间中美贸易战四次重大时间节点上的冲击对中国上市公司造成的影响，分析了贸易冲击对不同类型的上市公司股价影响的差异。研究结果表明，在面对外部贸易负面冲击时，金融资产配置水平较高的企业股价下跌的程度明显高于金融资产配置水平较低的企业；创新可以在一定程度上抵御负面冲击的影响；路径分析表明，企业金融资产配置主要挤出的是发明专利和实用新型专利这两类自主创新水平较高的专利，导致企业的产品差异化程度降低，从而削弱了企业抵御外部贸易冲击的硬实力，最终引发投资者信心不足。本文的研究可以为政府引导“金融服务实体经济”提供一定的政策参考，为政府有关部门应对不确定的外部贸易环境以及对上市企业金融资产配置行为实施监管提供经验支撑。

关键词： 金融资产配置； 国际贸易冲击； 事件研究法； 企业创新

一、引言与文献综述
自20世纪80年代以来，伴随着金融管制的不断放松，金融创新活动日趋活跃，以美国为代表的发达经济体呈现出明显的金融化趋势。经济过度金融化、产业空心化被认为是引发2008年金融危机的重要原因[1]。对我国而言，“脱实向虚”也是经济发展中面临的一个重要问题。从微观角度来看，“脱实向虚”的一个重要表现是金融资产在企业资产结构中的比重不断提高、金融投资收益在企业利润中的占比不断上升，也就是所谓的实体企业“金融化”(financialization)的现象。根据万德金融数据统计显示，2016年有767家非金融上市公司购买了包括理财产品、信托贷款等金融资产，总规模超过7200亿元人民币。此外非金融上市公司来自金融渠道获利的营业利润的占比呈现稳步上升的趋势，该占比在2014年超过20%[2]。

我国经济中的“脱实向虚”现象引起了党和国家领导人的密切关注。在2015年底召开的中央经济工作会议上，习近平总书记就指出，“大量资金流向虚拟经济，使资产泡沫膨胀，金融风险逐步显现，社会再生产中的生产、流通、分配、消费整体循环不畅”。2018年10月在广东省考察调研时，习近平总书记进一步指出，“从大国到强国，实体经济发展至关重要，任何时候都不能脱实向虚”。

从成因上来看，实体经济“脱实向虚”、非金融企业“金融化”具有一定的普遍性和客观性。从上市公司的情况来看，导致企业“金融化”的因素包括：(1)机构投资者的短视。机构投资者持股是实体公司金融化的重要原因，短视机构投资者持股显著地驱动了实体公司的金融化，特别是对于民营企业而言，机构投资者的这种影响程度更深[3]；(2)企业管理层的金融背景。杜勇等(2019)[4]的研究表明，上市公司CEO金融背景对企业“金融化”具有显著的正向影响，这是因为，一方面，具有金融背景的公司管理层在进行金融投资时更加自信；另一方面，拥有金融机构、特别是银行工作经历的CEO对各种融资方式的流程、方案更为熟悉，能够为企业带来更加稳定的融资渠道以及额度更大的融资支持，这为上市公司进行金融投资创造了宽松的条件；(3)社会责任。企业承担社会责任提高了其金融资产配置水平，这是因为，企业承担社会责任一方面有利于其获取关键资源，另一方面可以在一定程度上缓解企业的融资约束；(4)政策不确定性。一方面，经济政策不确定性的上升意味着企业实体投资收益面临更大的风险，这会抑制企业的固定资产投资、研发投资等实体经济活动[5]，在这种情况下，企业可能会转而选择进行金融投资；另一方面，经济政策不确定性的上升导致企业难以预测未来的市场需求，企业现金流的不确定性将随之提高，这导致企业必须进行预防性储蓄，此时管理层倾向于通过增持大量流动性资产和营运资本管理来应对可能出现的负面冲击，以此来降低企业的经营风险[6]；(5)金融体制。我国企业的融资以间接融资为主，且银行在发放贷款的过程中存在着差别性对待风险异质性企业的现象，即经营风险越小的企业越能够从银行获得更多的信贷支持，而高风险的企业则难以从银行获得足够的贷款支持，部分高风险企业只能通过影子银行获得融资，这大大推高了影子银行的收益率。面对高收益率的诱惑，能够获得信贷资金的低风险企业会理性地减少实业投资，将廉价的银行信贷资金转投到影子银行，造成了企业“金融化”的现象[7]。

无论是内部因素(如投资者特征、企业管理层背景)导致企业的“金融化”，还是外部因素(如政策不确定性、金融体制)导致企业对金融投资的偏好，都可以归结为企业对利润的追求和对风险的规避。总之，无论是何种因素，驱动企业“金融化”的深层原因都是企业利润对金融投资收益的依赖性高于对生产性活动的依赖性[8]。

上述研究在一定程度上厘清了企业“金融化”行为的原因，但企业的行为不仅会受到长期性、结构性因素的影响，也会受到短期的、意外冲击因素的影响。新政策的出现、颠覆性技术的出现与应用、金融危机以及其他来自外部的意外冲击因素等，都会对企业产生重要影响。

值得关注的一个例子是通用电气。通用电气公司成立于1892年，通用电气不仅改变了美国家庭的电器，而且改变了美国人的生活方式，在20世纪的大部分时间里，通用电气只是一家电器公司。1980年，杰克·韦尔奇(Jack Welch)开始掌管通用电气，成为该公司的首席执行官。在20世纪80年代和90年代期间，通用电气的市值出现了爆炸式增长，并于2001年成为全球市值最高的上市公司。市值的飙升得益于韦尔奇对通用电气业务的重组，在韦尔奇的领导下，通用电气制造业的比重开始下降，业务重点逐渐转移到多元化业务上，最主要的一项业务便是金融服务业。到20世纪90年代末，通用电气资本(GE Capital)成为推动通用电气盈利增长的引擎，1998年来自通用电气资本的收入占了通用电气整体收入的将近50%。通用电气的管理层之所以被金融服务业所吸引，其关键原因是金融服务业能够以相对较少的投资获得高额利润。2001年，伊梅尔特接替韦尔奇继任通用电气CEO，并继续以收购方式在金融服务领域扩张。但是，2008年爆发的金融危机瞬间改变了外部环境，导致通用电气短期融资枯竭，无法按时偿还720亿美元债务，不得不向政府求助。此后通用电气虽然渡过难关，但金融危机后监管部门实施的限制短期融资以及提高贷款储备等措施大大增加了通用电气资本运作的难度，金融部门的利润贡献也显著下降。2015年4月，通用电气宣布退出长期以来作为企业利润支柱的金融业务，回归工业制造的老本行，终结了多年以来以融资扩张、信贷泡沫等方式来追求超高利润的时代。虽然经历了金融危机的洗礼之后通用电气开始回归实体制造业，但其衰落的趋势却也难以改变。2018年6月，通用电气被道琼斯工业指数剔除，结束了其111年的成员历史。

以上内容分析了企业“金融化”产生的原因及结果。进一步的追问就是：哪些因素能够抑制企业的“金融化”行为？通用电气的例子表明，企业的“金融化”行为既可以因内部因素而出现，同时意外冲击因素也可能导致企业的“去金融化”行为。针对外部冲击因素对“金融化”企业影响的系统性研究尚不多见，本文拟从中美贸易战这一短期意外冲击因素出发，分析贸易战如何影响“金融化”类型的企业和“非金融化”类型的企业(创新导向型企业)。

关于企业金融资产配置行为是否加剧了国际贸易冲击带来的负面影响，目前尚未有文献给出直接的经验证据。本文采取事件研究法，从上市公司的股价表现切入，选取了四个关键时间点来研究在中美贸易战过程中负向冲击对上市公司产生的影响，再从中选取持续的实质性的负面冲击，尝试从企业创新作用机制的视角切入，研究不同金融资产配置水平的上市企业受到外部贸易冲击的负面影响是否存在显著差异。本文的边际贡献在于，从直观的股价表现切入，在评估中美贸易战对我国上市企业造成何种程度影响的基础上，针对金融资产配置水平不同的上市企业在应对外部贸易冲击时的不同股价反应展开深入探讨，丰富和拓展了企业“金融化”是否能抵御外部负面冲击的相关研究。一方面，本文可以为上市企业调整金融资产配置比例、提高产品技术含量、增加投资者信心，以及防范过度依赖国际市场带来的贸易冲击提供证据；另一方面，还可以为政府部门应对不确定的外部贸易环境以及对上市企业金融资产配置行为实施监管提供经验、数据支撑。因此，本文具有重要的理论意义和现实意义。

二、理论分析与研究假设
在此次中美贸易战的过程中，发生过多轮美方对中国加征关税的事件，这些事件通过直接和间接的方式对企业造成了不同程度的冲击。从直接影响来看，加征关税名单中的企业由于关税的增加降低了出口竞争力，出口额下降对企业经营活动造成影响。从间接影响来看，投资者认为中美贸易战会恶化我国经济形势，进而产生悲观情绪，导致非贸易清单上的行业也会受到影响[9]。在此次中美贸易战中，重要时间节点发生的贸易冲击会不会对企业造成实质性的负面影响？特别是在经济“脱实向虚”背景下，企业的“金融化”行为是否又会加剧贸易冲击带来的负面影响？本文从企业创新的视角切入，认为企业金融资产配置将会挤出企业创新投入，而企业创新对于抵御外部贸易冲击又具有重要作用，以此逻辑进行分析，试图对上述问题进行解答。

(一)企业“金融化”行为与负面冲击的影响
企业“金融化”行为将深刻影响企业主业业绩、创新活动、财务风险等。从宏观层面来看，金融领域的潜在风险已经引起政府部门的关注，但金融风险只是表征，实体经济发展中存在的问题才是根源，特别是实体企业金融化可能给经济发展带来的系统性风险才是更应该关注的问题[10]。从理论上来看，实体企业配置金融资产会对主业业绩带来正面和负面两个方面的影响。一方面，企业运用部分资金进行金融投资可以在一定程度上提高资产的流动性，能够起到应对主业投资资金短缺的作用，从而促进企业主业业务的发展；另一方面，企业将资金过多地用于金融资产投资以及房地产投资，将导致企业缺乏足够的资金进行研发投资、更新设备[11]，这将抑制企业主营业务的发展。针对中国上市公司“金融化”行为的实证研究表明，金融资产并未扮演“蓄水池“角色缓解企业未来投资不足，反而通过降低企业的创新产出和实物投资负面影响了企业的未来主业业绩[12-13]。除了影响企业主业业绩之外，“金融化”行为还会导致企业未来的股价崩盘风险上升，具体地，上市公司持有金融资产占总资产的比重每上升1个标准差，该公司未来一年的股价崩盘风险将提高约0.055个标准差，进一步的分析表明，金融投资水平更高的企业与外界的信息不对称程度更高[14]。此外，实体企业对金融资产的过度偏好会直接影响到企业的财务状况。虽然企业的“金融化”可以在短期内提高企业的利润水平和股息，但通过这种方式获得的利润以及资金来源于金融资源的供给而非企业主业业务利润的增长，不仅难以改变金融资源错配的状况，还有可能影响到企业的金融环境[15]。综上所述，若企业“金融化”的程度较高，企业未来的主业业绩将会受到更大的影响，企业的财务状况趋向于更差，并且“金融化”程度较高的企业的股价还具有更高的崩盘风险。基于上述分析，本文提出假设1。

H1 与金融资产配置水平较高的上市企业相比，金融资产配置水平较低的上市企业受到的负面冲击相对较小。

(二)企业创新对应对贸易冲击的影响
企业金融资产配置显著抑制了企业的创新投资，而创新对于企业抵御外部冲击而言具有重要作用。Leamer(2007)[16]提出，创新能够保证产品质量，并将其产品与低工资国家的出口产品区别开来。由于国与国之间的工资差距可能很大，产品成本竞争并不是最优手段。相反，与低成本进口产品相比，企业加大创新投入并且致力于提高产品质量才可能在国际贸易竞争中具备一定的优势，即创新被视为抵御低成本国际贸易竞争的有效保护手段。Akcigit等(2018)[17]针对研发补贴如何帮助国内企业应对全球竞争，提出了企业创新通过内生决定技术动态，从而决定了企业市场领导力和贸易流动方向。Akcigit等的分析表明，1981年美国引入的R&D税收抵免政策是应对国外竞争的有效政策措施，即研发投入可以减轻国际贸易冲击。Hombert和Matray(2018)[18]在研究创新能否帮助美国制造业避免来自中国的进口竞争问题时，检验了创新减轻贸易冲击对企业绩效影响的作用机制，发现研发创新投入会增加产品差异化程度，同时产品差异化会缓解进口渗透冲击对于本土企业业绩的影响，验证了围绕产品差异化的创新对于缓解外部冲击所起到的积极作用。

虽然创新是一个相对较为漫长的过程，但是创新水平高的上市公司却能够在外部经济环境变化时向投资者传递出积极的信号，即这些企业在遭遇危机时可能比一般企业具有更强的适应能力和调整能力。Hartman(2009)[19]就曾提出，创新提高了企业应对不断变化的外部环境的灵活性和反应速度。那么，投资者可能就不会过于担心在外部环境负面冲击下失去财富，因此投资者对这类企业面临外部不利环境时的反应就不会过于消极，甚至可能是积极的。Adcock等(2014)[20]采用研发投入和专利水平等多个创新代理变量，研究了金融危机期间创新与股票市场对负面新闻反应的关系，发现在负面消息公布日及以后，股票市场中创新水平高的样本的超额收益明显高于创新水平低的样本，研究结果表明投资者在危机时期比非危机时期更看重企业创新能力，企业的创新能力极大地增强了投资者对企业在困难时期发挥有效竞争能力的信心，进而能够阻止这类上市企业的股票价格进一步下跌或者下跌幅度比创新水平低的上市企业要小。因而，创新通过产品差异化和投资者信心的共同作用，可以减少国际贸易冲击给企业带来的负面影响。基于上述分析，本文提出假设2。

H2 与“金融化”的企业相比，坚持创新导向的企业受到的负面冲击相对较小。

三、实证研究设计
(一)样本选择与数据来源
本文选取沪深两市上市的所有A股公司作为样本范围，考察在2018年爆发的中美贸易战期间上市公司的短期市场反应，以及上市企业配置金融资产的行为是否会加剧外部贸易冲击带来的负面影响。样本公司的选择遵循以下程序：(1)剔除了金融行业；(2)剔除了数据缺失的上市公司；(3)剔除了估计窗口内不足30个交易日的上市公司；(4)剔除了事件窗口内不足5个交易日的上市公司；(5)剔除了事件日前后有重大重组事件、停牌等事项的上市公司。本文所涉及的企业金融资产配置数据和创新专利数据均为2017年年末的数据，数据来源于CSMAR数据库和WIND资讯金融终端。

(二)事件日的确定和事件窗与估计窗的选择
在中美贸易战持续升级的过程中，为了评估重要事件对实体企业带来的实质性冲击，本文经过对中美贸易战时间线的梳理，总结了以下与加征关税有关的重要时间节点，如表1所示。

表1 中美贸易战加征关税事件回顾(美国时间)

width=682,height=380,dpi=110
注：表格为作者根据网上新闻资料汇总整理。

不难看出，美方对华采取的加征关税的贸易手段大致存在公告日和实施日，由于在公告日已明确指出对应实施日的确切时间，针对实施日，市场已有一个预期，并不能准确反映外部冲击的突发性，所以，本文选取公告日作为事件日展开相应研究。类似地，Berkowitz等(2015)[21]也提到，与正式实施日相比，将文件公告日或通过日作为事件日会使研究场景更加干净。由于存在公告日可能不在交易日时段的情况，因此本文确定的事件日标准如下：如果公告日的北京时间当天为交易日时段，就把该公告日的北京时间当天作为事件日；如果公告日的北京时间当天为非交易日时段，就把其后的首个交易日作为事件日。按此标准，本文选取的四个事件日的北京时间分别为：2018年3月23日、2018年6月19日、2018年9月19日和2019年5月6日。理论上这四次重要事件都可能给实体企业带来冲击，但是本文并不能预先估计中美贸易战的这四次重要事件带给实体企业的实际冲击，只能从这四次重要事件的累计超额收益率的表现来看，筛选出带给实体企业较为持续的实质性负面冲击的事件。为了行文的简洁，本文对上述四次重要事件依次编号为事件一至事件四。

为了避免在选择估计窗和事件窗时存在较大的主观性，本文参考大多数文献的做法[22]，选择相对较短的20个交易日即[-10,10]作为事件窗。由于中美贸易战处在不断升级和频繁变化的过程中，因此，对上述四个事件均采用统一的估计窗，即事件一的估计窗[-190,-11]用于估计正常收益率(2017年6月15日至2018年3月8日的180个交易日)，后面三次事件中股票收益率的常数沿用之前事件一估计窗口的width=11,height=17,dpi=110和width=19,height=19,dpi=110这样可以保证回归系数的稳定性。

(三)变量定义与说明
1．企业金融资产配置

本文采用2017年企业金融资产除以总资产来衡量企业配置金融资产的程度。对于金融资产的范畴，借鉴王永钦等(2015)[23]和胡奕明等(2017)[24]的研究成果，结合资产负债表及附注，给出本文金融资产的范畴。金融资产=交易性金融资产+可供出售金融资产+持有至到期投资+长期应收款+投资性房地产+长期股权投资+其他应收款+其他流动资产(1)投资性房地产：非金融企业大量进入房地产的资金是用来投机炒作而非用于生产经营。长期股权投资：这里仅指非金融企业持有银行、券商或信托等金融机构的股权。其他应收款：部分企业间的贷款往来和企业理财等计入了此会计科目，需要从中剥离。其他流动资产：大量上市公司成为影子银行的放贷机构，借用银行的低息贷款投入到委托贷款、理财产品或者信托产品中，需要从中剥离。。

2．创新专利数量

本文采用2017年公司持有的有效专利总数来衡量企业的创新水平，并且进一步细分为发明专利、实用新型专利和外观设计专利三种不同类型的创新专利。这三类专利反映了企业不同层次的创新能力，发明专利在一定程度上更能体现企业的自主创新能力，所以需要的创新投入最多[25]，实用新型专利次之，外观设计专利需要的创新投入最少。

(四)研究方法
本文拟采用事件研究法对在中美贸易战持续升级背景下不同金融资产配置水平的实体企业受到的冲击进行深入研究。事件研究法是一种运用统计思想针对某项经济事件对资产价格造成影响的程度和持续时间进行度量及检验的研究方法。在理性的市场上，某个事件对企业的影响会在相对短暂的一段时间反映在相应的资产价格的变动上，因此可以通过对公司价值变动的计量分析来评价事件的影响。对于上市公司而言，就是研究事件发生前后公司股价是否发生了异常变动。最先提出事件研究法的是Dolley(1933)[26]，他运用“事件研究法”针对1921—1931年间的95个样本考察了股票分割的股价效应。随后经Ball和Brown(1968)[27]、Binder和Pesaran(1998)[28]进行了拓展和完善。目前事件研究法已发展为一种成熟的方法，又称累积超额收益率(CAR)分析法。事件研究法计算异常收益率的模型主要有三种：均值调整模型、市场调整模型以及市场模型。Brenner(1979)[29]认为市场模型是最常见的预测收益率的方法，该模型假设事件窗内证券的预期收益与同期的市场收益率存在线性关系，且该模型的预测能力与其他复杂模型一样好。因此，本文根据市场模型来计算事件窗口期内各上市公司的超额收益率，实证模型具体如下。

(1)以股票i在(T0，T1)天的实际交易数据计算股票的系数。以(T0，T1)天内市场指数的实际收益率Rmt和各样本股票的实际收益率Rit为样本，采用回归分析，估计市场模型Rit=αi+βiRmt，以得到个股在此区间αi和βi的估计值width=11,height=17,dpi=110和width=19,height=19,dpi=110并将其视为个股(T2，T3)天内αi和βi的正常取值。其中，(T0，T1)为估计窗，如图1所示，Rit为考虑了现金红利再投资的个股收益率，Rmt为沪深300指数的市场收益率。

width=130,height=12,dpi=110
(2)估计(T2，T3)天的正常收益率width=26,height=19,dpi=110利用模型Rit=αi+βiRmt计算样本股票在(T2，T3)天的正常收益率。其中αi和βi取上一步计算得出的width=11,height=17,dpi=110和width=45,height=19,dpi=110取(T2，T3)天内沪深300指数的实际收益率。其中(T2，T3)为事件窗，如图1所示。

(3)计算股票的超额收益率。股票在(T2，T3)天的超额收益率为

width=111,height=18,dpi=110
(4)计算股票i在第t日的累计超额收益率为

width=127,height=19,dpi=110
(5)计算所有样本股票在(T2，T3)天内日平均超额收益率。即每个交易日所有股票超额收益率的算术平均值，第t日的平均超额收益率为

width=120,height=32,dpi=110
(6)计算所有样本股票在(T2，T3)天内日累计超额收益率。第t日的CAR为width=133,height=19,dpi=110由此可见，CAR表示事件对所有样本股票的总体平均影响。

(7)累计超额收益率的显著性检验。为了判断上面计算出来的结果是否是由股价随机波动引起的，还需要做统计显著性检验。如果检验结果显著，则表明事件期内股价变动不是由随机因素产生，该特定事件对股价有显著影响。根据市场模型，假设事件发生对股价无影响时的均值服从均值为0的正态分布，即

检验假设 H0:CAR=0，

检验统计量为

width=144,height=38,dpi=110
其中，width=378,height=30,dpi=110

根据上述假设，如果事件发生对股价无影响，那么统计量tCAR服从自由度为n-1的t分布。给定显著性水平，可以得到检验结果。结合本文的研究，本文首先对全样本的CAR进行t检验，初步判断中美贸易战是否给实体企业带来了负面冲击；然后，将实体企业按金融资产配置水平的高低进行分组，检验不同组别的CAR是否显著不同，以及两组CAR的相对大小，来判断金融资产配置水平越高的企业是否在外部贸易冲击中受到的负面影响越大。

四、实证结果与分析
(一)CAR和AAR结果分析
2018年3月23日(简称事件一)，美国总统特朗普在白宫签署备忘录，这是美方正式挑起中美贸易战的重要标志，拉开了中美贸易战的序幕，依据上述模型计算得出2 901家A股上市公司的CAR和AAR。2018年6月15日(简称事件二)，美方正式公布了加征关税的清单和时间表，加征商品总额价值500亿美元，加征税率为25%，美方将口头上的挑衅落实到了执行文件上，中美贸易战在酝酿了三个月以后正式进入实战阶段，依据上述模型计算得出2 955家A股上市公司的CAR和AAR。2018年9月18日(简称事件三)，美方将加征关税的商品范围增加了2 000亿美元，加征税率为10%，中美贸易战进一步升级，依据上述模型计算得出3 073家A股上市公司的CAR和AAR。2019年5月5日(简称事件四)，美国总统特朗普在个人推特上发布对中国2 000亿美元的商品加征税率由10%提高到25%，5月10日正式实施，中美贸易战持续激化，依据上述模型计算得出3 126家A股上市公司的CAR和AAR。然后，利用stata15.0软件分别对这四个事件窗口期内的CAR和AAR进行异于0的单样本t检验，检验结果如表2和表3所示。最后，本文还绘制了这四个事件窗口期[-10,10]内的CAR变化趋势，结果如图2所示。

由表2可知，样本公司在事件二至事件四的事件窗[-10,10]内CAR值均显著为负，仅在事件一(2018年3月23日特朗普签署备忘录事件)，事件窗[-10,10]内CAR值显著为正。这说明在中美贸易战挑起的初期，美国政府的备忘录只是提出将对我国出口商品加征关税，但是否实施以及如何实施并不确定，广大投资者对此持观望态度，可能更多地认为这是美国在国际贸易方面威慑其他国家采取的常用手段，并不一定付诸行动。因此，仅在事件日前后一天，市场受到了较小的负面冲击。此外，中方紧随其后针对美方备忘录做出了强硬回应，促使我国投资者更加充满信心，因此短期内市场效应大都为正。随着美方真正落实清单，中美贸易战正式打响并且步步升级，贸易战不再停留在“口头”上，这对广大投资者而言，是确切的利空消息，严重影响了我国广大投资者的投资情绪，开始抛售或不购买看跌的企业股票，市场明显受到了负面冲击。此外，研究结果还表明，在整个事件窗[-10,10]内，事件三的CAR值最小，达到-0.060，并且通过了显著性检验。

width=693,height=346,dpi=110
图2 不同事件的CAR变化趋势图

表2 不同事件的CAR值及其检验结果

width=682,height=93,dpi=110
注：***为1%水平下显著，**为5%水平下显著，*为10%水平下显著，下同。

由表3可知，样本公司在事件一、事件二和事件四的事件日当天AAR值均显著为负，仅在事件三(2018年9月18日美方扩大征税商品范围事件)事件日当天AAR值显著为正。这说明，相对于扩大征税商品范围，关税税率的高低带给市场的即时冲击可能更大，因为2018年9月18日美方虽然宣布将对从中国进口的2 000亿美元的商品加征关税，但税率暂定为10%，并没有和上一批500亿美元的商品清单一样，一开始就设定为25%，所以事件日当天带来的负向冲击并不是很大。但是，2 000亿美元的商品清单基本涵盖了中国2017年出口美国的商品总价值的一半，中美贸易战的升级对我国实体企业带来的负面冲击持续发酵，影响可能更具全面性和长久性。当2019年5月5日特朗普个人推特上发布将2 000亿美元的商品关税税率提高到25%，事件日当天的AAR显著为负，达到-0.031，为事件窗[-10,10]内受到冲击较大的时间点。此外，2018年3月23日以及2018年6月15日两个事件日当天的AAR值均为事件窗[-10,10]内受到冲击最大的时间点，分别为-0.036和-0.049，带给股票市场的即时冲击均较大。

由图2可知，对比四个事件CAR变化走势图，样本公司在整个事件窗[-10,10]内的CAR走势并不完全一样。针对事件一，CAR在事件日之前的走势在小范围内震荡，在事件日以后的走势总体上呈现增长的趋势，并且CAR基本位于大于0的位置，仅在事件日当天位于0以下。针对事件二，CAR在事件日之前的走势总体呈现下降的趋势，在事件日之后的走势总体呈现增长的趋势，并且CAR在整个事件窗[-10,10]内基本位于小于0的位置。针对事件三，CAR在整个事件窗[-10,10]内总体呈现下降的趋势，并且CAR基本位于小于0的位置，在事件日后的第10个交易日达到最低。针对事件四，CAR的整体走势与事件二类似，这里不再赘述。

表3 不同事件的AAR值及其检验结果

width=686,height=911,dpi=110
上述四个事件CAR和AAR的图表分析表明，在中美贸易战这四个重大时间节点中，市场反应并不完全相同。针对事件二和事件四，市场投资者对中美贸易战的这两次重大事件有敏感的提前预判，该事件可能发生的信息在真正发生前就已经被市场投资者所捕获，所以，从事件发生日前5个交易日开始，市场就表现出负向反应。而事件一作为贸易战正式挑起的标志，可能市场并没有在事件日之前捕捉到更多确定的信息，所以仅在事件日当天表现出下跌的负向反应。事件一、事件二和事件四还具有的共同点是，在事件发生以后，市场的自愈能力都较强，表现出回升的正向反应。可能的原因是：事件一只是美方政府提出将要对从我国进口的商品大规模征收高额关税，但并没有具体的实施清单和时间表，中方政府次日也做出了应战的回应；事件二在美方政府提出500亿美元的关税加征商品清单的当日，中方政府立即用涵盖同等价值的商品清单的关税政策进行了强有力的回击，这两次事件均表明了中方政府驾驭和处理贸易战的能力和决心，投资者对此也是充满信心，因此事件一和事件二的贸易事件并没有给企业带来持续性的冲击。事件四作为中美贸易战后续的重大事件，无论是加征的商品范围，还是加征的关税额度，在经历了前三次相同类别事件的冲击后，市场会发生自愈而变得更加成熟有效，因此，事件四的贸易事件也并没有给企业带来持续性的冲击。针对事件三，美国政府将加征关税商品范围进一步扩大了2000亿美元，本轮清单打击面非常广，几乎包括衣食住行、轻工业、机械制造等普通人能想到的各方各面，乃至收藏及古董，美方是想对中国向美国的出口形成全面震慑，中美贸易战急剧升级。而中方政府能做出回应的仅是对新一轮的600亿美元的美国商品加征关税，在双方较量的筹码上，600亿对抗2 000亿实属悬殊，因此，广大理性投资者就会降低对中美贸易战未来发展的预期，从而采取不购买或卖出企业股票的行为以规避投资风险。因此，事件三的贸易事件给企业带来了较为持续的实质性的负面冲击。

综上所述，本文将重点研究的外部贸易负面冲击锁定为2018年9月18日的中美贸易战升级事件，即事件三。其他三个事件在事件日前的交易日虽然市场反应是负向的，但是在事件日后的交易日市场反应变为正向的，说明这三个事件对于市场造成的冲击是即时的、短暂的。相较于贸易战爆发阶段，贸易战进一步升级阶段的规模更大，覆盖的商品范围更广，意味着涉及的实体企业更多，并且由CAR走势图可以看出带给市场的负面冲击持续时间更久，因此更适合作为本文研究问题的事件冲击源，即在较为持续的实质性的负面冲击下，企业金融资产配置行为是否加剧了国际贸易冲击带来的负面影响(2)本文还采用了较长的事件窗[0,30]进行了稳健性检验，在事件日之后更长的事件窗口期内发现，针对事件三的持续性外部贸易负面冲击在事件日之后延续了近20个交易日，触底接近-0.100。而对于其他事件，市场仍然表现为事件日之后就迅速反弹，带来的负面冲击是即时的、短暂的，对实体企业并没有造成实质性的负面冲击。并且，本文采用事件窗[0,30]也进行后续的全样本和子样本分析的稳健性检验，文章结论仍然不变。。

(二)全样本统计性检验结果分析
本文分别按金融资产配置水平(Fin)的高低以及创新专利数量(Patent)的多少分组，以中位数为界，大于中位数为高的组别，小于中位数为低的组别。然后，本文对CAR进行分组检验，检验结果如表4和表5所示。

由表4可知，在事件窗[-10,10]内，金融资产配置水平低的组别(Fin_Low)，CAR值为-0.053，而金融资产配置程度高的组别(Fin_High)，CAR值为-0.062。可以看出，无论金融资产配置水平高的企业还是低的企业，CAR值均显著为负，这充分说明在此次事件窗口期内，绝大部分实体企业的股票价格均受到了外部贸易冲击的负面影响。还可以看出，金融资产配置水平低的组别的CAR值高于金融资产配置水平高的组别，CAR差值为0.009，并在5%的统计水平下通过了显著性检验。总体而言，在面临较大的外部国际贸易冲击时，金融资产配置水平较低的企业受到的负面冲击普遍要小于金融资产配置水平较高的企业。

表4 以金融资产配置分组的CAR统计性检验结果

width=682,height=56,dpi=110
由表5可知，针对创新专利数量多少不同的组别，在事件窗[-10,10]内，CAR值也各不相同。其中，企业总的有效专利又可以细分为发明专利、实用新型专利和外观设计专利。可以看出，有效专利、发明专利和实用新型专利数量少的组别(Patent_Low)的CAR值分别为-0.066、-0.065和-0.069，数量多的组别(Patent_High)的CAR值分别为-0.049、-0.051和-0.047，即专利数量少的组别的CAR值均低于专利数量多的组别，并且均在1%的统计水平下通过了显著性检验，其中CAR差值最大的是实用新型专利，CAR差值达到-0.023。外观设计专利的结果则相反，数量少的组别的CAR值为-0.057，数量多的组别的CAR值为-0.059，即专利数量少的组别的CAR值高于专利数量多的组别，CAR差值为0.002，但是并没有通过显著性检验。总体来看，在面临较大的外部国际贸易冲击时，创新专利数量较少的企业受到的负面冲击普遍要大于创新专利数量较多的企业。

表5 以专利数量分组的CAR统计性检验结果

width=682,height=125,dpi=110
进一步地，检验了企业配置金融资产是否通过企业创新水平对企业抵御外部贸易冲击产生影响。本文针对企业金融资产配置水平的高低分组对创新专利数量进行了分组t检验，结果如表6所示。由表6可知，企业金融资产配置水平低的组别，有效专利、发明专利和实用新型专利数量取对数以后的均值分别为4.301、2.865和3.608，企业金融资产配置水平高的组别，有效专利、发明专利和实用新型专利数量取对数以后的均值分别为4.189、2.715和3.417，即金融资产配置水平低的组别的创新水平均高于金融资产配置水平高的组别，并且在5%的统计水平下通过了显著性检验，其中创新水平差值最大的是实用新型专利，差值达到0.191。针对外观设计专利的结果则不同，企业金融资产配置水平低的组别的专利数量取对数以后的均值为1.450，高的组别的专利数量取对数以后的均值为1.731，即金融资产配置水平低的组别的外观设计创新水平要低于金融资产配置水平高的组别，并且在1%的统计水平下通过了显著性检验，差值为-0.281。也就是说，金融资产配置水平较低的企业就总的有效专利以及细分的发明专利和实用新型专利的创新水平而言要高于金融资产配置水平高的企业，而针对外观设计的创新水平则相反。这说明，企业配置金融资产主要挤出了对于自主创新水平要求较高的发明专利和实用新型专利，进而降低了企业的产品差异化程度，并削弱了投资者对于上市企业的信心，最终造成企业在抵御外部国际贸易负面冲击时股价表现更差。

在分析了上述不同分组情形下CAR均值差异的基础上，为了更加直观清晰地观察上述各个分组在整个事件窗[-10,10]内CAR值变化走势是否存在明显差异，本文还绘制了以下CAR变化趋势图，具体见图3。

表6 以金融资产配置分组的专利数量统计性检验结果

width=682,height=125,dpi=110
width=693,height=476,dpi=110
图3 不同类型上市企业CAR变化趋势图

由图3a可知，无论企业金融资产配置水平高或低，CAR值在整个事件窗[-10,10]内总体上为负且呈现下降趋势，与事件日之前相比，在事件日后的子窗口内下降趋势更为明显。而针对企业金融资产配置水平低的组别(Fin_Low)的CAR值始终位于金融资产配置水平高的组别(Fin_High)之上，这也说明，在面临较大的持续性外部贸易负面冲击时，金融资产配置水平低的企业抵御贸易冲击的能力要强于金融资产配置水平高的企业。由图3b可知，针对有效专利水平高的组别(Patent_High)的CAR值始终位于有效专利水平低的组别(Patent_Low)之上，这也说明，在面临较大的持续性外部贸易负面冲击时，有效专利水平高的企业抵御贸易冲击的能力要强于有效专利水平低的企业。图3c至图3e是细分专利类型的CAR值变化走势图，其中，发明专利(Invention)和实用新型专利(Utility)的结果和总的有效专利类似，并且可以直观看出，实用新型专利水平高低不同组别之间CAR值的差距最大。而针对外观设计专利(Design)，专利水平高的组别从位于专利水平低的组别之上逐渐呈现出两者重合的趋势。这也说明，在面临较大的持续性外部贸易负面冲击时，相对于外观设计专利水平低的企业而言，外观设计专利水平高的企业在抵御贸易冲击时并不具备长期优势，所体现出来的优势逐渐遭到削弱。这可能是由于外观设计专利的自主创新水平不足，不容易形成产品差异化的绝对优势，从而很难与其他同质产品区分开来，投资者对此信心不足，因而，企业很难实现减少受到的贸易冲击的目的，股价表现最终无差异。

(三)子样本统计性检验结果分析
为了保证检验结果的稳健性，本文在全样本检验分析的基础上，分别从行业维度和区域维度出发，对子样本展开进一步的分析。

1．行业子样本

对美国而言，中国是美国的第三大出口目的国，也是美国的第一大进口来源国。对中国而言，美国是中国的第一大出口目的国，也是中国第六大进口来源国。因此，中美贸易战升级意味着受到波及的行业范围覆盖更广，大部分行业都可能面临较大的外部贸易冲击。那么在这场没有硝烟的贸易战中，就行业间对比而言，中国哪些行业受到的负面影响更大呢？本文根据2012年证监会行业分类标准，将样本企业分为17个门类，包括制造业、采矿业、建筑业等，并按照CAR值从小到大进行排序，结果如表7所示。表7仅展示了CAR值显著小于-0.05的行业，即受到外部贸易冲击相对较大的行业。由表7可知，在事件窗[-10,10]内，CAR值排名靠前的是科学研究和技术服务业以及信息传输、软件和信息技术服务业，两者均在-0.110以下，这基本符合美国对我国实施加税清单所涉及的行业，此次中美贸易战美国打击和遏制我国高新技术企业高速发展的意图十分明显。此外，还可以看到，在事件窗[-10,10]内，样本量最大的制造业CAR值也达到了-0.062，这也说明美国希望通过发动贸易战来打击和逼迫中国放弃“中国制造2025”等产业政策以达到扩大美国制造业出口市场、维护美国高新技术产业优势地位、阻碍中国制造业转型升级的目的，以长期保持和巩固美国制造业优势(3)美方对从中国进口商品加征关税所涉及的领域，主要包括高性能医疗器械、生物医药、新材料、农机装备、工业机器人、新一代信息技术、新能源汽车、航空产品及高铁装备等，正是针对《中国制造2025》中列出的十大重点领域。。

针对上述受到中美贸易战负面冲击较大的行业子样本，本文再次根据企业金融资产配置水平的中位数进行了高低分组，同样对CAR值进行了分组检验，检验结果如表8所示。由表8可知，在事件窗[-10,10]内，针对金融资产配置水平低的组别，CAR值为-0.064，针对金融资产配置水平高的组别，CAR值为-0.072。可以看出，针对受到外部贸易冲击较大的行业子样本，金融资产配置水平低的组别的CAR值仍然高于金融资产配置水平高的组别，CAR差值为0.008，并在10%的统计水平下通过了显著性检验。针对行业子样本，本文的基本结论仍然成立，即在面临较大的持续性外部贸易冲击时，金融资产配置水平较低的企业受到的负面冲击普遍要小于金融资产配置水平较高的企业。

表7 不同行业的CAR值及其检验结果

width=682,height=181,dpi=110
表8 以金融资产配置分组的CAR统计性检验结果表——行业子样本

width=682,height=63,dpi=110
2．区域子样本

为了进一步保证子样本分析的稳健性，除了行业分类的维度，本文还基于上市企业所属区域的异质性对全样本进行了划分，分为东部地区、中部地区和西部地区。理论上，东部地区依据地理位置优势，拥有优良的港口、交通便利，在进出口贸易方面具有先天优势，因此遭受中美贸易战的负面冲击可能更大。本文根据上市企业的注册地，将上市企业划分为东部地区、中部地区和西部地区，并按照CAR值从小到大进行了排序，结果如表9所示。

由表9可知，在事件窗[-10,10]内，无论东、中、西部地区的企业，CAR值均显著为负，其中CAR值排名首位的是东部地区，其CAR值明显低于中部和西部地区，而中部地区和西部地区的CAR值相差无几，结果基本符合预期。很显然，这一波中美贸易战中，出口型城市受到的负面影响更大，而中国“出口依存度”比较高的城市基本上都集中在珠三角和长三角等东部城市。针对上述受到中美贸易战负面冲击较大的区域子样本，本文再次根据企业金融资产配置水平的中位数进行了高低分组，同样对CAR值进行了分组t检验，检验结果如表10所示。由表10可知，在事件窗[-10,10]内，针对金融资产配置水平低的组别，CAR值为-0.059，针对金融资产配置水平高的组别，CAR值为-0.068。可以看出，针对受到外部贸易冲击较大的区域子样本，金融资产配置水平低的组别的CAR值仍然高于金融资产配置水平高的组别，CAR差值为0.009，并在5%的统计水平下通过了显著性检验。针对区域子样本，本文的基本结论仍然成立，即在面临较大的持续性外部贸易冲击时，金融资产配置水平较低的企业受到的负面冲击普遍要小于金融资产配置水平较高的企业。

表9 不同区域的CAR值及其检验结果表

width=682,height=83,dpi=110
表10 以金融资产配置分组的CAR统计性检验结果表——区域子样本

width=682,height=63,dpi=110
四、结论与建议
本文利用事件研究法分析了2018-2019年期间四次中美贸易摩擦这一外部冲击事件对我国上市企业造成的实际影响。实证研究结果表明：(1)在面对外部贸易负面冲击时，金融资产配置水平较高的企业股价下跌的程度明显大于金融资产配置水平较低的企业，即企业“金融化”行为加剧了贸易冲击带给企业的负面影响；(2)创新可以在一定程度上抵御负面冲击的影响。本文的实证研究结果表明，在面临较大的外部国际贸易冲击时，创新专利数量较少的企业受到的负面冲击普遍要大于创新专利数量较多的企业；(3)组间差异分析表明，受到贸易负面冲击最大的行业是科学研究和技术服务业，其次是信息传输、软件和信息技术服务业，受到贸易负面冲击最大的区域是东部地区，并且针对遭受负面冲击较大的子样本的分析，文章的基本结论仍然不变；(4)路径分析表明，企业金融资产配置主要挤出的是发明专利和实用新型专利这两类自主创新水平较高的专利，导致企业的产品差异化程度降低，从而削弱了企业抵御外部贸易冲击的硬实力，最终引发投资者信心不足。

根据上述研究结论，本文提出如下对策建议：首先，进一步深化金融体制改革，不断增强金融服务实体经济的能力，引导金融资源配置到创新等关键领域。从长远视角来看，能够真正影响一国经济长期发展的关键是资源配置。各种稀缺的资源，如资本、人力资源、能源等，究竟引导这些资源去发展实体经济，还是将稀缺资源投入能够产生短期收益但投机色彩较重的环节中，在长期来看对一个经济体的发展将产生根本不同的影响。因此，应该充分发挥金融服务实体经济的功能，避免企业过度“金融化”行为对实体经济的影响以及过度投机等问题；其次，强化对企业“金融化”行为的监管，监管部门要高度关注企业金融资产配置的动机。实体企业过度配置金融资产的行为一方面影响企业的研发投入，对企业长期发展不利，另一方面也可能助长资本市场的过度投机行为，导致系统性风险的出现。因此，监管部门应加强对企业，特别是针对上市公司配置金融资产活动的监管，进一步规范上市公司金融资产及有关收益的信息披露，提高企业金融资产配置行为的信息透明度；最后，政府应出台相关政策措施，鼓励实体企业回归实体领域，提高自身产品的科技含量，增大产品差异化程度，使企业致力于增强产品的核心竞争力，进而提高企业在面临外部贸易冲击时的应对能力。

参考文献

[1]CROTTY J. Structural causes of the global financial crisis: a critical assessment of the “new financial architecture”[J]. Cambridge Journal of Economics,2009,33(4):563-580.

[2]张成思,张步昙. 中国实业投资率下降之谜:经济金融化视角[J]. 经济研究,2016,51(12):32-46.

[3]刘伟,曹瑜强. 机构投资者驱动实体经济“脱实向虚”了吗[J]. 财贸经济,2018,39(12):80-94.

[4]杜勇,谢瑾,陈建英. CEO金融背景与实体企业金融化[J]. 中国工业经济,2019(5):136-154.

[5]GULEN H,ION M. Policy uncertainty and corporate investment [J]. The Review of Financial Studies,2016,29(3):523-564.

[6]李浩举,程小可,郑立东. 经济政策不确定性、营运资本管理与企业价值[J]. 中央财经大学学报,2016(3):72-81.

[7]彭俞超,黄志刚. 经济“脱实向虚”的成因与治理:理解十九大金融体制改革[J]. 世界经济,2018,41(9):3-25.

[8]KRIPPNER G R. The financialisation of the American economy [J]. Socio-Economic Review,2005,3(2):173-208.

[9]尹志超,路慧泽,潘北啸. 中美贸易战对中国股市的影响——基于事件研究法的分析[J]. 管理学刊,2020,33(1):18-28.

[10]黄群慧. 论新时期中国实体经济的发展[J]. 中国工业经济,2017(9):5-24.

[11]TORI D,ONARAN Ö. The effects of financialisation and financial development on investment:evidence from firm-level data for Europe:Working Paper [R]. [S.l.:s.n.],2017.

[12]杜勇,张欢,陈建英. 金融化对实体企业未来主业发展的影响:促进还是抑制[J]. 中国工业经济,2017(12):113-131.

[13]李泉,肖红梅. 实体企业金融化对公司绩效的影响研究[J]. 兰州学刊,2021(12):1-16.

[14]彭俞超,倪骁然,沈吉. 企业“脱实向虚”与金融市场稳定——基于股价崩盘风险的视角[J].经济研究,2018,53(10):50-66.

[15]TRIVEDI S R. Financialisation and accumulation:a firm-level study in the Indian context [J]. Procedia Economics and Finance,2014,11(14):348-359.

[16]LEAMER E. A flat world,a level playing field,a small world after all,or none of the above? [J]. Journal of Economic Literature,2007,45(1):83-126.

[17]AKCIGIT U,ATES S T,IMPULLITTI G. Innovation and trade policy in a globalized world:NBER Working Paper Series No.24543 [R]. [S.l.:s.n.],2018.

[18]HOMBERT J,MATRAY A. Can innovation help US manufacturing firms escape import competition from China? [J]. Journal of Finance,2018,73(5):2003-2039.

[19]HARTMAN N. Sure ways to tackle uncertainty in tough time[N/OL]. Financial Times,2009-02-05 [2020-10-10]. http://www.ft.com/reports/managingdownturn.

[20]ADCOCK C,HUA X,MAZOUZ K,et al. Does the stock market reward innovation? European stock index reaction to negative news during the global financial crisis [J]. Journal of International Money and Finance,2014(49):470-491.

[21]BERKOWITZ D,LIN C,MA Y. Do property rights matter? Evidence from a property law enactment [J]. Journal of Financial Economics,2015,116(3):583-593.

[22]袁显平,张园园,马晓梅. “营改增”对上市公司股价影响研究[J]. 价格理论与实践,2018(5):95-98.

[23]王永钦,刘紫寒,李嫦,等. 识别中国非金融企业的影子银行活动——来自合并资产负债表的证据[J]. 管理世界,2015(12):24-40.

[24]胡奕明,王雪婷,张瑾. 金融资产配置动机：“蓄水池”或“替代”?——来自中国上市公司的证据[J]. 经济研究,2017,52(1):181-194.

[25]张杰. 进口对中国制造业企业专利活动的抑制效应研究[J]. 中国工业经济,2015(7):68-83.

[26]DOLLEY J C. Characteristics and procedure of common stock split-ups [J]. Harvard Business Review,1933,11(3):316-326.

[27]BALL R,BROWN P.An empirical evaluation of accounting income numbers [J].Journal of Accounting Research,1968,6(2):159-178.

[28]BINDER M,PESARAN M H. Decision making in the presence of heterogeneous information and social interactions [J]. International Economic Review,1998,39(4):1027-1052.

[29]BRENNER M. The sensitivity of the efficient market hypothesis to alternative specifications of the market model [J]. Journal of Finance,1979,34(4):915-929.

Financial Investment Versus Innovation Orientation: Which Types of Enterprises are More Injured under the Impact of the Sino-US Trade War?
CUI Yan-zhe1, WANG Tie-cheng2, ZHAO Lin-dan3

(1.School of Urban Planning and Design, Peking University Shenzhen Graduate School, Shenzhen 518055, China;2.School of Finance and Trade, Wenzhou Business School, Wenzhou 325000, China;3.School of Economics, Nankai University, Tianjin 300071, China)

Abstract：This paper uses the event study method to measure the impact of the four major time points of the Sino-US trade war on Chinese listed enterprises during 2018-2019 and analyzes the differences in the impact of trade shocks on the stock prices of different types of listed enterprises. The research results show that in the face of negative trade shocks, the stock price of enterprises with higher levels of financial asset allocation falls significantly more than enterprises with lower levels of financial asset allocation. Innovation can resist the impact of negative shocks to a certain extent. The path analysis shows that, the allocation of financial assets mainly squeezes out patents with a relatively high level of independent innovation, such as invention patents and utility model patents, which reduces the degree of product differentiation, thus weakening the hard power of enterprises to resist trade shocks, and ultimately triggered a decline in investor confidence. This paper can provide certain policy reference for the government to guide “financial services to the real economy”, and provide experience support for relevant government departments to deal with the uncertain external trade environment and to supervise the financial asset allocation behavior of listed enterprises.

Key words：financial asset allocation; international trade shocks; event-study methodology; enterprise innovation

中图分类号：F830；F742

文献标识码：A

文章编号：1005-1007(2022)04-0036-16

收稿日期：2020-12-11

基金项目：国家社会科学基金项目(18ZDA093)。

作者简介：崔彦哲，男，北京大学深圳研究生院城市规划与设计学院博士后，主要从事产业经济与大数据研究；王铁成(通讯作者)，男，温州商学院讲师，博士，主要从事产业政策、收入分配研究；赵林丹，女，南开大学经济学院博士生，主要从事公司金融与资本市场研究。

责任编辑 胡少龙