中国债券信息网：债券价格信息含量与资本配置效率

债券价格信息含量与资本配置效率 梁墨 王燕 杨盛琦 摘要：资本市场中信息的产生和聚合是影响资本配置的重要因素。本文从债 券价格信息反应速度、债券价格异质性信息含量和债券价格预测能力三个维 度，基于中国债券市场数据构建了五种债券价格信息含量指标。在全市场和 不同子市场中，五种指标均反映出 2006 年至 2020 年间债券价格信息含量的 上升趋势，表明市场定价效率的不断提高。基于上市公司层面的债券价格信 息含量指标，本文研究了债券价格信息含量是否对公司的资本配置存在“市 场反馈效应”。实证研究发现，债券价格异质性信息含量对于公司资本配置 效率能够产生正向显著影响，且具有经济显著性。实证结果进一步验证了公 司管理层也能够从债券价格中获取投资人私有的增量信息，从而优化公司投 资决策，从企业内部的微观机制上提升资本配置效率。 1 （一）引言 资本市场的主要作用之一是信息的产生和聚合，而价格不仅是信息最直 接的反映方式，更是高效资源配置的基础要素。一般认为，“定价效率”与 “价格信息含量”是等价的，即价格信息含量越高，市场的定价效率越高， 市场越有效。价格信息含量不仅仅影响金融市场内部的良好运转，还能够通 过“市场反馈效应”对于公司管理决策产生影响从而传导到实体经济。不少 理论文献研究了交易者进行信息生产的动机 (Glosten and Milgrom, 1985； Holmstrom and Tirole, 1993)。Bond et al. (2012) 提出，市场价格中的 信息既来自于企业披露的信息，也来自于参与交易的投资者。股价中蕴含的 投资者的私有信息能够帮助企业管理者进行投资决策，体现了股价信息含量 对资本配置效率的促进作用。 已有文献多集中于研究股票价格信息含量的度量指标及其对于实体经 济的影响，作为企业融资另一个主要渠道的债权融资，关于债券价格信息含 量的研究目前相对较少。本文尝试借鉴股市价格信息有效性的测度思想，针 对债券市场特征加以改良，从债券价格信息反应速度、债券价格异质性信息 含量和债券价格预测能力三个维度构建债券价格信息含量指标体系，并构造 对应的市场指标，尝试展示中国债券市场价格信息含量的特征，从价格信息 含量角度刻画中国债券市场发展。同时，本文通过研究债券价格信息含量对 于上市公司投资价格敏感度的影响，检验在股票价格信息之外，债券价格信 息含量对于资本配置是否具有“市场反馈效应”，从而探寻中国债券市场作 为影响企业资本配置的渠道的潜力。 本文研究结果表明，随着中国债券市场的不断完善，债券市场价格信息 含量整体上呈现上升趋势，市场定价效率越来越高。从上市公司层面，本文 验证了公司管理层能够从流通性较好的债券的价格中，获取市场投资者私有 2 的增量信息，从而优化公司投资决策，从企业内部的微观机制上影响资本配 置决策。指标体系中，债券价格异质性信息含量对于上市公司投资效率具有 显著正向影响，与股票价格异质性信息含量的影响方向一致。指标体系中， 控制股票价格异质性信息含量和其他控制变量处于平均水平时，若公司的债 券价格异质性信息含量从 75th 水平降低到 25th 水平，其总资产投资价格敏 感度将提高 43.50%。 文章内容按照以下方式组织：第二部分阐述了价格信息含量及其度量、 价格信息含量对于资本配置效率影响的文献研究情况；第三部分提出了本文 的债券价格信息含量的度量方法设计；第四部分从时序角度上展现了债券市 场价格信息含量的度量结果；第五部分展示了债券价格信息含量对资本配置 效率影响的实证结果；第六部分对于全文进行总结并提出政策启示。 （二）文献综述 1.价格信息含量及其度量 已 有 文 献 大 多 集 中 研 究 股 票 市 场 的 价 格 信 息 含 量 (price informativeness)。Roll(1988)从价格非同步性的角度出发，基于股票收益 率与市场或行业基准之间的相关性 (高相关性被解释为低信息含量) 测度 价格信息含量；Easley et al. (1996) 基于订单流提出知情交易概率的测 度标准；Bai et al. (2016) 从股价对于未来盈利的预测能力角度测度价格 信息含量。Gleason and Lee (2003) 从收益率对于分析师报告发布事件的 反应速度来度量价格信息包含新信息的速度。Hou and Moskowitz (2005) 从 个股价格对于市场整体信息的反应速度衡量价格信息包含的速度。Morck et al. (2000), Chun et al. (2008) 从市场收益率对于个股收益率的解释能 力角度度量价格信息含量。 3 相比而言，提出针对于债券市场价格信息含量测度方法的文献较少。 Griffin et al. (2010) 将债券分析师报告的数量用于测度信息生产的基准。 Chen and Lu (2017) 从债券价格信息包含速度、信息生产和个券信息含量 的角度测度债券价格信息含量。有关债券价格信息含量的文献多数探究披露 制度要求和交易信息透明度对于价格信息含量的影响。部分文献认为，增加 交易信息透明度有助于交易参与者从价格中获取信息，有利于价格信息含量 的提高。Lewis and Schwert (2018) 采用非重合期间的债券逐笔交易收益 率度量债券价格信息含量，实证研究表明交易信息透明度提高虽然降低了客 户交易成本和做市成本，但也降低了知情交易者参与市场交易的激励，从而 降低了债券市场价格信息含量，由此强调了市场监管者在改善市场信息环境 时面临的权衡。Chen and Lu (2019) 研究结果表明，严格的披露要求挤出 了债券市场中私人信息生产，但是总体上提升了定价效率。Konstantinos and Tolikas (2016) 、Hui-Ju Tsai (2014) 等对债券市场有效性的研究侧 重从股票市场和债券市场信息交互反应的角度集中研究债券价格对于发行 公司信息的反应是否快速而准确。时文朝(2009)实证检验了增强透明度对于 中国银行间债券市场信息效率的影响，结果表明增强透明度会降低银行间债 券市场平均价格、交易量及交易量方差对于流动性信息效率的影响，但增强 透明度时价格的波动性对于流动性的信息效率影响无明显变化。高强、邹恒 甫 (2010) 从债券回报率的可预测性的角度，表明整体上中国债券市场上企 业债券和公司债券的信息有效性还比较低，公司债券的信息有效性普遍高于 企业债券。徐荟竹、李文伟 (2018) 采用重标极差分析法对债券市场信息效 率进行度量，探究债券市场分割如何通过流动性损失和信息不对称两个渠道 影响价格的信息有效性。 4 2.价格信息含量与资本配置效率 （1）价格信息含量影响资本配置效率的理论基础 已有研究表明，价格信息含量可以通过影响公司的投资决策从而对于资 本配置效率产生影响。Greenwood and Jovanovic (1990) 以及 King and Levine (1993) 提出了金融市场上的信息生产如何促进有效投资的内生增 长模型。有效的金融市场可以促进投资决策效率提升。当价格的信息含量更 高时，外部投资者面临的信息不对称程度减少。因此，外部投资者更愿意为 一级市场中的公司提供资本，促进投资 (Stiglitz and Weiss, 1981) 。通 过该渠道，价格信息含量会影响公司从一级市场上募资的难易程度和实体投 资。二级市场影响投资决策的渠道与上述不同，二级市场通过聚集众多投资 者的信息指导管理层的行动 (Hayek, 1945)。Bond et al. (2012) 对价格 信息含量进行进一步的划分和定义，将价格信息含量总量称为预测价格效率 (Forecasting Price Efficiency) ，例如价格预测公司基本面的能力；将 用于决策、市场披露的信息含量部分称为启示价格效率 (Revelatory Price Efficiency) 。Edmans et al. (2017) 从理论和实证上证明，管理决策不 仅取决于价格中的信息总量，而且还取决于信息的来源。 （2）价格信息含量影响资本配置效率的实证分析 实证研究从时序和截面两个层面开展价格信息含量对于资本配置效率 影响的研究。Bai (2016)从时序的角度研究了金融市场整体股价信息量的变 化。通过将下一期的盈利对当期的股价/估值进行截面回归，将回归系数与 截面估值的标准差的乘积作为当期市场整体的启示性信息含量的衡量，并基 于该指标研究了市场整体有效性的变化。Carpenter, Lu and Whitelaw (2020) 在 Bai (2016) 的基础上研究了中国的情况，并着重对比了不同国有股权比 例的公司的股票价格信息含量，结果表明国有股权比例较高的公司股票价格 5 信息含量较低。另一类研究关注于市场反馈效应是否存在，即“股票价格所 反映出的信息反馈到公司管理层，为公司提供有效的增量信息，从而帮助公 司更好地进行投资”。Chen, Goldstein and Jiang (2007) 基于市场反馈 效应理论，利用知情交易概率（PIN）和股价非同步性两个指标作为股价中 蕴含的私有信息的代理变量，研究了股票价格中的私有信息作为调节变量， 对投资-股价敏感性的影响。股价中的私有信息越多，投资对股价的敏感性 越强。Edmans, Goldstein and Jiang (2012) 提出用股票市场价格相对真 实价值的折价幅度对并购概率的影响来研究“金融市场的真实影响”更为直 接。 也有其他文献通过探究价格信息含量对劳动投资效率(Ben-Nasr and Alshwer, 2016) 、对全要素生产率(David et al., 2016; Bennett, Stulz and Wang, 2020) 、对 其他 公司 的外 部性 (Campello and Graham, 2013; Foucault and Frésard, 2014)的影响，从而研究价格信息含量和实体经济 之间的联系。顾乃康 (2010)基于 2001-2007 年的数据通过非同步性指标衡 量股价的信息含量，发现股票价格信息含量的高低并没有影响到投资和股价 之间的敏感性。杨继伟 (2011) 研究了股票价格信息含量对资本配置效率的 影响，其中股票价格信息含量的度量方式包括：1）知情交易概率、2）对未 来盈利信息的捕捉、3）股价波动的非同步性。与 Chen, Goldstein and Jiang (2007)相比，杨继伟(2011)用资本投入对资本产出比的敏感性衡量资本配置 效率，并且将资本配置效率划分为行业层面、区域层面、企业层面和企业内 部层面（是否过度投资、投资对现金流的敏感度）四个维度。 6 （三）债券价格信息含量的度量方法设计 1.数据来源 本文选择了 1996 年 7 月至 2020 年 12 月中国债券市场全部债券的日频 交易数据，以及股票、债券市场指数的日频数据，构建衡量债券价格信息含 量的指标。所用数据来自于 CSMAR 数据库及 Wind 数据终端。考虑到 2005 年我国启动了短期融资券发行，放开发行主体限制，并打破了债券发行审批 制、引入备案制，从流动性角度而言 2006 年之后市场流动性水平也得到了 显著提升，因此在指标构建和实证分析中，本文选用 2006 年 1 月至 2020 年 12 月的时间区间。 2.债券价格信息含量指标体系构建 本文从三种维度进行债券价格信息含量指标体系的构建，分别为债券价 格信息反应速度、债券价格异质性信息含量以及债券价格预测能力。 （1）债券价格信息反应速度指标 本文采用 Hou and Moskowitz (2005) 提出的 Delay 指标的方法，来衡 量债券回报率对市场信息反应的延迟程度。对于单只债券而言，市场信息包 括了股票市场、债券市场以及剩余期限相同的债券组合的收益率情况，债券 自身的收益率中会存在对市场信息的反应。当延迟越小，即 Delay 值越低时， 认为债券价格信息反应速度越快。对于回报率计算，本文将日数据按照股票 市场的交易周进行降频，得到周度回报率这一指标，排除由于股票市场与债 券市场波动中包含过多噪声的影响，也避免了较高频数据（如日度）面临的 非同步交易等微观结构问题。 7 指标构建中，将债券的周度收益对当期以及前四期的股票市场、债券市 场和债券组合收益率进行回归。其中，表示债券 i 在第 t 周的收益率，表示 第 t 周的债券市场价值加权收益率，表示第 t 周的股票市场价值加权收益率， 表示第 t 周的与债券 i 期限相似的债券构成的组合的收益率。假如债券的价 格对于市场信息的反应迅速，则有显著不为 0，而不显著。 “延迟”指标 Delay 的构建有两种算法，第一种“延迟”指标为 1 减去 有限制回归与无限制回归的之比，限制条件为对于所有的，令。第二种“延 迟”指标为所有绝对值的加权和与所有与的绝对值之和的比值。当“延迟” 指标的数值越大时，意味着债券回报的波动更多地被滞后的市场回报所解释， 即债券价格对于市场本期新信息的反应存在的延迟更严重，价格有效性更低。 在以上的回归中，对于四种的计算方式如下。对于债券 i，其第 t 周的 收益率为本周的周均价加上最后一个交易日的应计利息和本周发放的票息 除以上周的周均价加上上周最后一个交易日的应计利息的对数。 债券的周均价由周内成交总额除以周内总成交量来计算。对于债券市场 的价值加权收益率，使用中债-新综合财富（总值）指数计算。对于股票市 场的价值加权收益率，使用 Wind 全 A 指数计算。对于债券组合收益率，分 别按照其剩余期限，划分为 1 年以下、1 至 3 年、3 至 5 年、5 至 7 年、7 至 10 年和 10 年以上共六类，对应于相应的中债-新综合财富指数计算。 8 （2）债券价格异质性信息含量指标 与上一部分的思路相同，本文基于上述回归方程(1)，从债券价格异质 性信息含量的角度构建两种指标，分别为和。两个拟合优度指标越大，证明 债券当期收益更多的来源于市场信息，即价格中包含的异质性信息含量越低。 在后文中将有限制条件的记为 R-Sqr1，无限制条件的记为 R-Sqr2。 （3）债券价格预测能力指标 本文参考 Lewis and Schwert (2018) 提出的方法，采用非重叠季度的 绝对收益指标 Drift 作为债券价格信息含量的衡量标准。对于单只债券， Drift 指标反映了债券价格预测能力，当债券价格信息含量越低时，债券价 格的未来路径不确定性越高，价格预测能力越弱。因此，当 Drift 值越大时， 价格信息含量越低。 其中，由于数据可得性问题，本文的表示债券 i 在第 t 个季度内的有交 易发生的第 j 天，N 表示在债券 i 在第 t 个季度内的有交易发生的总天数。 考虑到部分债券交易不频繁，本文要求个券在非重叠季度中至少有 3 次交易。 Drift 指标的构造逻辑可以从现金流折现的定价方法来理解。假设资产 i 的现金流情况满足如下过程，其中表示可预测的现金流，表示不可预测的 现金流，反映了资产的价格信息有效性。资产当前的价格可以视为未来现金 流的折现值，表示资产 i 的资本成本。 此处价格信息有效性水平越高，债券价格当中的不确定因素就越小，从 现金流折现的等式中体现为价格偏离确定性的现金流折现值的水平就越小， 即所定义的 Drift 指标越小。下表呈现了本文所构建的债券价格信息含量指 9 标体系，共包含五种指标，且全部为逆向指标，即指标数值越低，证明债券 市场价格信息含量越高。 表 1 债券价格信息含量度量指标体系 方面指标 债券价格信息反应速度 债券价格异质性信息含量 债券价格信息预测能力 指标 名称 Delay1 Delay2 R-Sqr1 R-Sqr2 Drift 正向指标 指标属性 逆向指标 √ √ √ √ √ 适度指标 3.债券市场价格信息含量指标合成方法 本文通过赋权的方式基于个券的价格信息含量指标获得债券市场整体 价格信息含量的度量。以个券发行时实际筹集到的资金总量为权重对个券进 行加权平均处理，以区别不同债券发行规模对于整个市场的影响程度差异。 本文感兴趣的市场除了债券市场整体之外，还度量了国债、企业债、公司债 三个细分市场的价格信息含量情况。 10 （四）债券市场价格信息含量的度量结果和分析 1.整体债券市场价格信息含量的度量结果和分析 利用上节构建的五个指标，本文测算了中国 2006-2020 年债券市场价格 信息含量，从债券价格信息反应速度、债券价格异质性信息含量、债券价格 预测能力三个维度来看，中国债券市场整体上均呈现价格有效性不断提升的 趋势。 图 1 中国 2006-2020 年债券市场价格信息含量度量结果 从图 1 的度量结果来看，债券价格信息反应速度变动趋势相对确定， 除 2017 年略有下降之外，其余年份均较上一年有所提升，2012 年达到 2006-2020 年期间均值水平以上，2010 年价格信息反应速度提升最为明显， Delay1 和 Delay2 指标分别较上年下降 0.138、0.168。债券价格异质性信息 含量整体上呈现上升趋势，但是短期趋势切换较为频繁，2007、2011 年债 券价格异质性信息含量较上一年有所降低，2014 年达到期间均值水平以上， 时间略晚于其他维度，2014 年价格异质性信息含量提升最为明显，R-Sqr1 11 和 R-Sqr2 指标分别较上年下降 0.089、0.099。债券价格预测能力在 2007 年急剧上升，且达到期间均值水平以上，后期在 2013、2014 年有小幅回落， 但整体上呈现提升趋势且 2019 年后维持在稳定水平。 表 2 中国 2006-2020 年债券市场价格信息含量度量结果 年份 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Delay1 0.681 0.646 0.506 0.493 0.355 0.331 0.256 0.210 0.097 0.077 0.049 0.067 0.035 0.035 0.028 Delay2 0.767 0.729 0.672 0.600 0.433 0.417 0.311 0.250 0.113 0.092 0.072 0.079 0.047 0.044 0.041 R-Sqr1 0.064 0.086 0.158 0.122 0.097 0.107 0.111 0.128 0.039 0.053 0.036 0.031 0.016 0.033 0.021 R-Sqr2 0.214 0.363 0.347 0.276 0.199 0.250 0.187 0.157 0.058 0.061 0.053 0.054 0.031 0.029 0.027 Drift 2.004 0.010 0.012 0.010 0.010 0.008 0.005 0.011 0.031 0.004 0.003 0.003 0.003 0.003 0.003 2.细分市场价格信息含量的度量结果和分析 分国债、企业债和公司债的市场价格信息含量的度量结果均表明整体趋 势上三类债券细分市场的价格信息有效性不断提升，横向对比上，三类细分 市场的短期变动趋势略有差异。 2011 年国债市场的债券价格信息反应速度、债券价格异质性信息含量 均有较大回落，Delay1、Delay2、R-Sqr1、R-Sqr2 指标分别较上一年增加 0.240、0.289、0.093、0.262，2012 年随即提升至 2010 年水平。横向对比 来看，国债市场的债券价格预测能力的整体水平较高，期间 Drift 指标均值 12 为 0.023，远低于整体市场的 Drift 指标均值 0.141，国债市场的债券价格 预测能力在 2014 年出现急剧下降，Drift 指标飙升至 0.192。 图 2 中国 2006-2020 年国债市场价格信息含量度量结果 企业债市场价格信息含量变动模式和整体市场较为类似，但是收敛速度 更快，2016 年及其之后各指标维持在相对稳定的水平。2007 年企业债市场 的债券价格信息反应速度、债券价格异质性信息含量均出现明显的下降， Delay1、Delay2、R-Sqr1、R-Sqr2 指标分别较上一年增加 0.113、0.129、 0.030、0.197，同年，债券价格预测能力却有明显提升，Drift 指标较上一 年减少 2.367 至 0.022 的水平。自 2008 年至 2015 年，企业债市场的债券价 格信息反应速度、债券价格异质性信息含量开启上行通道，速度可观。 13 图 3 中国 2006-2020 年企业债市场价格信息含量度量结果 公司债市场的债券价格信息反应速度、债券价格异质性信息含量的明显 下降发生在 2010 年，Delay1、Delay2、R-Sqr2 指标分别较上一年增加 0.188、 0.218、-0.204（R-Sqr1 变动趋势略有不同，2010 年减少 0.004）。横向对 比来看，公司债市场的债券价格异质性信息含量相比整体市场水平较低，期 间 R-Sqr1、R-Sqr2 的均值为 0.149、0.199，而整体市场的 R-Sqr1、R-Sqr2 的均值为 0.073、0.154。收敛速度上，公司债市场的债券价格信息反应速 度、债券价格异质性信息含量均在 2020 年才出现明显收敛，较为缓慢。公 司债市场的债券价格预测能力的整体水平较高，期间 Drift 指标均值为 0.018，远低于整体市场的 Drift 指标均值 0.141；与国债市场类似，公司 债市场的债券价格预测能力在 2014 年出现急剧下降，Drift 指标飙升至 0.175。 14 图 4 中国 2006-2020 年公司债市场价格信息含量度量结果 15 表 3 中国 2006-2020 年国债、企业债、公司债细分市场的市场价格信息含量度量结果 年份 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Delay1 0.642 0.710 0.517 0.507 0.263 0.503 0.262 0.344 0.303 0.142 0.037 0.070 0.044 0.016 0.012 Delay2 0.722 0.741 0.592 0.558 0.307 0.596 0.272 0.384 0.317 0.157 0.049 0.077 0.066 0.018 0.020 国债 R-Sqr1 0.087 0.073 0.064 0.103 0.095 0.187 0.086 0.069 0.053 0.054 0.034 0.017 0.019 0.004 0.012 R-Sqr2 0.237 0.372 0.247 0.279 0.103 0.366 0.137 0.268 0.109 0.102 0.022 0.040 0.045 0.007 0.012 Drift 0.031 0.011 0.009 0.012 0.017 0.004 0.007 0.012 0.192 0.011 0.008 0.003 0.015 0.012 0.004 Delay1 0.577 0.690 0.529 0.532 0.374 0.362 0.267 0.219 0.123 0.045 0.022 0.031 0.019 0.017 0.004 企业债 Delay2 R-Sqr1 0.641 0.071 0.771 0.101 0.718 0.173 0.598 0.104 0.467 0.130 0.427 0.097 0.302 0.124 0.256 0.100 0.149 0.061 0.052 0.010 0.026 0.011 0.035 0.011 0.022 0.007 0.020 0.007 0.005 0.002 R-Sqr2 0.183 0.380 0.385 0.290 0.270 0.248 0.170 0.158 0.086 0.026 0.018 0.027 0.014 0.015 0.003 Drift 2.389 0.022 0.017 0.011 0.012 0.015 0.008 0.011 0.027 0.005 0.003 0.005 0.003 0.003 0.002 Delay1 - 0.528 0.254 0.442 0.377 0.346 0.371 0.357 0.257 0.110 0.108 0.080 0.054 0.034 公司债 Delay2 R-Sqr1 - - - 0.622 0.774 0.319 0.303 0.170 0.522 0.165 0.446 0.145 0.405 0.134 0.466 0.151 0.406 0.076 0.297 0.102 0.141 0.060 0.126 0.052 0.096 0.039 0.063 0.039 0.040 0.017 R-Sqr2 - 0.671 0.119 0.324 0.293 0.235 0.298 0.174 0.184 0.086 0.078 0.061 0.041 0.022 Drift 0.008 0.002 0.019 0.008 0.008 0.012 0.006 0.009 0.175 0.007 0.005 0.005 0.005 0.004 0.004 - 16 - （五）债券价格信息含量对资本配置效率的影响 1.模型设定 在公司层面，本文研究了债券价格信息含量对资本配置效率的影响。 参考 Chen, Goldstein 和 Jiang（2007）对于股票价格信息含量的研究， 本文设定了类似的研究方法。本文在第三部分构造的个券价格信息含量 指标的基础上，将发行主体为上市公司的债券数据进行保留，并且对同 一家公司，使用不同年份中该公司发行的所有债券的价格信息含量数据 的加权平均值作为该年度公司的债券价格信息含量指标。不同债券的权 重由债券的实际发行量所决定，即发行人在发行债券时实际筹集到的资 金总量。基准回归模型的设定如下： 其中，表示公司 i 在年份 t 的投资额，和表示时间和行业的固定效 应，行业采用中国证监会 2012 年行业分类中的一级行业。对于反映投资 规模的因变量，本文通过总资产变动的百分比刻画。 表示公司 i 在年份 t-1 的托宾 Q 值，计算方式为公司市场价值加上 资产账面价值减去股本账面价值，再除以公司总资产，刻画了公司的成 长性和市场对于公司未来利润的预期。表示公司 i 在年份 t-1 的债券价 格信息含量，对应公司层面的 Delay1，Delay2，R-Sqr1，R-Sqr2 和 Drift 五种指标。 控制变量 Control 包括六个。第一为年份 t-1 的总资产规模倒数。 由于构建因变量和自变量时都需要除以上一期账面总资产，加入这一变 17 量可以避免伪相关的问题。第二为公司该年度的经营活动产生的现金流， 已有文献如 Fazzari 等（1988）指出当期的现金流情况可能会影响公司 本期的投资决策。对于经营活动产生的现金流的处理，仍然除以上一期 账面总资产以保证数量级的一致。在此基础上，第三个控制变量是经营 活动产生的现金流与债券价格信息含量的交互项。第四个控制变量为， 表示第 t 年未来三年按照价值加权的市场累计回报。Loughran 和 Ritter （1995）等指出，公司在其股票价格被高估时，即股票未来预期收益较 低时，倾向于增加投资。因此加入这一控制变量可以控制公司管理层对 于其投资决策的市场择时行为。对于最后两年的观测，分别使用未来两 年和一年的回报作为的取值。 第五个控制变量为股票价格信息含量。在 Chen, Goldstein 和 Jiang （2007）的研究发现，股票价格信息含量对于公司的投资有显著的正向 影响。一种刻画股票价格信息含量的方法是价格的非同步性指标，通过 将股票收益对同期股票市场收益和公司所在行业的整体收益回归来计算。 对于如下回归 指标定义为，为回归的拟合优度，与债券价格信息含量不同，这一指标 为正向指标，即取值越高表明股票价格特质性信息含量越多。表示属于 行业 j 的股票 i 在第 t 周的考虑现金红利再投资的周个股回报率；表示 同时期的股票市场回报率，仍通过 Wind 全 A 指数计算；表示第 t 周行业 j 的回报率，按照证监会 2012 版一级行业分类，将同行业中所有公司的 回报率按照前一周结束时公司的个股总市值进行加权平均求得。对于个 股 i 而言，计算其年度的指标。类似的，第六个控制变量为股票价格信 18 息含量与托宾 Q 的交互项。加入这两个变量有助于尽可能地避免遗漏变 量偏误的问题。 对于（2）式的回归，本文关注于系数。为债券价格信息含量与托宾 Q 的交互项的系数，反映了债券价格信息含量对投资效率的影响，当时 （本文信息含量指标均为负向指标），认为债券价格信息含量的提高对 于投资效率提升具有促进作用。表 4 是上述变量的描述性统计结果。 表 4 主要变量的描述性统计 ChgAsset Delay1 Delay2 R-Sqr1 R-Sqr2 Drift 1/Asset CF 均值 0.1477 0.7483 0.8972 0.2366 0.5377 0.0369 0.0104 0.0500 1.0489 标准差 0.2630 0.1734 0.0749 0.2437 0.2375 0.3404 0.0132 0.0786 0.7010 最小值 -0.9725 0.2029 0.5145 0.0003 0.0500 0.0000 0.0000 -0.3728 0.0918 25% 0.0203 0.6438 0.8620 0.0622 0.3560 0.0026 0.0022 0.0134 0.5980 75% 0.2180 0.8795 0.9529 0.3245 0.7062 0.0111 0.0139 0.0927 1.2750 最大数 4.9547 0.9985 0.9980 1.0000 1.0000 8.5621 0.1423 0.6574 5.8839 观测数 3,335 926 926 1,278 926 2,441 3,444 3,437 3058 2.实证结果 本节展示了各债券价格信息含量指标对资本配置效率的影响，其中 资本配置效率以投资效率（即投资对价格变动的敏感程度）指代。表 5 至表 9 分别展示了 Delay1、Delay2、R-Sqr1、R-Sqr2 及 Drift 指标对 于资本配置效率的影响，其中第（2）列至第（6）列分别依次添加控制 变量：股价信息含量及其与托宾 Q 的交互项、公司现金流及其与债券价 格信息含量的交互项、未来三年公司股价累积收益、时间固定效应、行 业固定效应。 19 主要回归结果总结为以下几点：（1）表征债券价格信息反应速度的 Delay1、Delay2 对于投资效率的影响不显著。（2）表征债券价格异质 性信息含量的 R-Sqr1 对于投资效率具有显著正向影响，即债券价格异质 性信息含量越高的公司具有更高的投资效率，实证结果在加入其他控制 变量时依然稳健；但是同样表征债券价格异质性信息含量的 R-Sqr2 的对 应系数并不显著，结果不稳健。（3）表征债券价格预测能力的 Drift 对 于投资效率的影响不显著。 更进一步分析，如表 7 中所示，R-Sqr1 对于投资效率的结果较为稳 健。如第（6）列所示，在控制所有控制变量、时间和行业固定效应之后， R-Sqr1*Q 的系数为-0.108，对应 t 值为-2.120，在 5%水平下显著。这表 明，债券价格异质性信息含量越高（R-Sqr1 指标越小）的公司的投资价格敏感度越大，即投资效率越高，促进债券价格异质性信息含量的提 高有助于从微观机制上提升资本配置效率。给定 R-Sqr1 的 25th、50th、 75th 分位数为 0.0622、0.2366、0.3245，StockInfo 的均值为 0.5254， 回归结果表明，R-Sqr1 处于 75th 水平（R-Sqr1=0.3245）、StockInfo 处 于 50th （ StockInfo=0.5254 ） 的 公 司 ， 其 投 资 价 格 敏 感 度 为 0.0651[=-0.079+(-0.108)*0.3245+0.341*0.5254] 。 如 果 该 公 司 的 R-Sqr1 从 75th 水平降低到 25th 水平，其投资价格敏感度将提高 43.50% 至 0.0934。 至于控制变量，表 5 至表 9 中 StockInfo 的系数大部分显著为负， StockInfo*Q 的系数均至少在 10%水平上显著为正，这表明股价信息含量 越高的公司，投资价格敏感度越高，这一点与 Chen, Goldstein 和 Jiang （2007）研究发现一致。 20 VARIABLES 表 5 Delay1 对资本配置效率的影响 (1) (2) (3) (4) (5) (6) ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset Delay1 Q Delay1*Q 1/Asset StockInfo StockInfo*Q CF Delay1*CF Constant 0.0242 (0.246) 0.107** (2.100) -0.0416 (-0.633) -0.313 (-0.454) 0.00232 (0.0306) 0.00296 (0.0298) 0.0173 (0.264) -0.0208 (-0.313) -0.108 (-0.156) -0.208** (-2.499) 0.123** (2.259) 0.135 (1.447) -0.0455 (-0.430) 0.0189 (0.288) -0.0227 (-0.341) -0.0566 (-0.0808 ) -0.208** (-2.498) 0.122** (2.231) -0.647 (-1.332) 0.861 (1.357) 0.172* (1.758) -0.0459 (-0.414) 0.0261 (0.384) -0.0342 (-0.498) 0.111 (0.155) -0.188** (-2.138) 0.112** (1.994) -0.633 (-1.250) 0.922 (1.397) -0.0220 (-1.052) 0.175* (1.699) -0.0671 (-0.607) -0.00640 (-0.0919 ) -0.00133 (-0.0192 ) 0.380 (0.512) -0.0842 (-0.932) 0.115** (2.011) -0.911* (-1.763) 1.219* (1.819) 0.148 (0.728) -0.0437 (-0.283) -0.0398 (-0.369) 0.00703 (0.102) -0.0153 (-0.224) 1.094 (1.480) -0.0429 (-0.473) 0.110* (1.932) -0.553 (-1.085) 0.984 (1.502) 0.165 (0.836) -0.0350 (-0.191) Observation s R-squared year FE industry FE 870 0.048 870 0.054 870 0.056 803 0.054 803 0.089 √ 803 0.164 √ √ VARIABLES 表 6 Delay2 对资本配置效率的影响 (1) (2) (3) (4) (5) (6) ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset Delay2 0.0666 -0.00765 -0.0461 0.0698 0.0114 -0.0362 (0.271) (-0.0310 (-0.176) (0.253) (0.0416) (-0.135) 21 Q Delay2*Q 1/Asset StockInfo StockInfo*Q CF Delay2*CF Constant 0.0661 (0.458) 0.0107 (0.0663) -0.395 (-0.578) -0.0388 (-0.177) ) -0.0658 (-0.426) 0.0699 (0.430) -0.129 (-0.188) -0.222** * (-2.662) 0.132** (2.419) 0.152 (0.655) -0.0703 (-0.454) 0.0746 (0.457) -0.131 (-0.189) -0.222** * (-2.664) 0.132** (2.425) -0.613 (-0.463) 0.671 (0.456) 0.187 (0.766) -0.0580 (-0.362) 0.0583 (0.346) -0.0178 (-0.0251 ) -0.206** (-2.334) 0.125** (2.216) 0.833 (0.579) -0.878 (-0.550) -0.0215 (-1.027) 0.0887 (0.344) -0.0807 (-0.503) 0.0781 (0.466) 0.330 (0.448) -0.0945 (-1.043) 0.122** (2.137) 0.931 (0.647) -1.032 (-0.646) 0.120 (0.589) -0.0846 (-0.300) -0.124 (-0.784) 0.125 (0.762) 1.088 (1.479) -0.0609 (-0.669) 0.124** (2.168) 1.103 (0.785) -1.019 (-0.654) 0.145 (0.731) -0.00820 (-0.0269 ) Observations R-squared year FE industry FE 870 0.047 870 0.055 870 0.055 803 0.052 803 0.086 √ 803 0.164 √ √ VARIABLES R-Sqr1 Q R-Sqr1*Q 表 7 R-Sqr1 对资本配置效率的影响 (1) (2) (3) (4) (5) (6) ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset 0.241*** (3.640) 0.174*** (12.55) -0.143** * 0.257*** (4.026) -0.0783** * (-2.685) -0.161*** 0.279*** (4.276) -0.0752** * (-2.583) -0.156*** 0.217*** (2.593) -0.101** * (-3.125) -0.0975* 0.246*** (2.919) -0.100** * (-2.942) -0.119** 0.213** (2.571) -0.0790* * (-2.275) -0.108** 22 1/Asset StockInfo StockInfo*Q CF R-Sqr1*CF Constant (-3.561) -0.822 (-1.207) (-4.127) 0.363 (0.544) -0.511*** (-8.308) 0.358*** (9.768) -0.117** * (-5.475) 0.224*** (5.179) (-3.994) 0.515 (0.771) -0.503*** (-8.183) 0.350*** (9.544) 0.352*** (2.622) -0.545 (-1.294) 0.201*** (4.570) (-1.932) 0.705 (1.012) -0.528** * (-7.862) 0.369*** (9.440) 0.395*** (2.730) -0.446 (-0.950) -0.0384* (-1.854) (-2.336) 0.893 (1.224) -0.436** * (-6.195) 0.370*** (9.105) 0.387*** (2.675) -0.461 (-0.980) 0.0847 (0.377) (-2.120) 1.863** (2.562) -0.362** * (-5.116) 0.341*** (8.404) 0.574*** (3.992) -0.408 (-0.886) 0.108 (0.494) 0.241*** 0.0322 -0.0435 (4.777) (0.239) (-0.254) Observation s R-squared year FE industry FE 1,195 0.168 1,195 0.230 1,195 0.235 1,066 0.251 1,066 0.270 √ 1,066 0.329 √ √ VARIABLES R-Sqr2 Q R-Sqr2*Q 1/Asset StockInfo 表 8 R-Sqr2 对资本配置效率的影响 (1) (2) (3) (4) (5) (6) ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset -0.0461 (-0.585) 0.0338 (1.022) 0.0689 (1.351) -0.333 (-0.488) -0.0273 (-0.344) -0.0249 (-0.570) 0.0525 (1.019) -0.128 (-0.187) -0.195** -0.0277 (-0.322) -0.0248 (-0.568) 0.0523 (1.010) -0.144 (-0.208) -0.196** -0.00613 (-0.0681 ) -0.0256 (-0.568) 0.0478 (0.895) -0.0374 (-0.0528 ) -0.180** -0.0203 (-0.226) -0.0376 (-0.819) 0.0594 (1.122) 0.357 (0.487) -0.0682 -0.0586 (-0.673) -0.0477 (-1.033) 0.0825 (1.602) 1.088 (1.486) -0.0219 23 StockInfo*Q CF R-Sqr2*CF Constant Observations R-squared year FE industry FE 0.0516 (1.049) (-2.346) 0.115** (2.104) 0.149** (2.320) (-2.347) 0.115** (2.102) -0.0314 (-0.117) 0.0211 (0.0473) 0.151** (2.271) (-2.042) 0.108* (1.914) -0.0273 (-0.0981 ) 0.107 (0.229) -0.0279 (-1.323) 0.148** (2.125) (-0.753) 0.105* (1.833) -0.0183 (-0.0650 ) 0.0206 (0.0436) 0.136 (0.674) -0.0828 (-0.610) (-0.241) 0.0978* (1.719) 0.201 (0.733) -0.0306 (-0.0667 ) 0.163 (0.826) -0.0447 (-0.260) 870 0.052 870 0.058 870 0.058 803 0.056 803 0.091 √ 803 0.168 √ √ VARIABLES 表 9 Drift 对资本配置效率的影响 (1) (2) (3) (4) (5) (6) ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset ChgAsset Drift Q Drift*Q 1/Asset StockInfo StockInfo*Q CF 0.0249 (0.567) 0.0934*** (13.27) -0.0137 (-0.565) -1.570*** (-3.409) 0.0278 (0.643) -0.0714* ** (-3.562) -0.0161 (-0.676) -0.980** (-2.139) -0.356** * (-7.931) 0.238*** (8.832) 0.0518 (1.116) -0.0708* ** (-3.538) -0.0216 (-0.894) -0.940** (-2.044) -0.357** * (-7.958) 0.236*** (8.769) 0.183*** (2.894) 0.0459 (0.936) -0.0902* ** (-4.012) -0.0211 (-0.828) -0.867* (-1.725) -0.397** * (-7.670) 0.262*** (8.734) 0.230*** (3.164) 0.0524 (1.070) -0.0865* ** (-3.661) -0.0228 (-0.898) -0.888* (-1.689) -0.324** * (-5.929) 0.254*** (8.263) 0.228*** (3.097) 0.0652 (1.362) -0.0627* ** (-2.589) -0.0296 (-1.191) -0.320 (-0.605) -0.271** * (-4.916) 0.228*** (7.365) 0.377*** (5.010) 24 Drift*CF Constant 0.00652 (0.635) 0.237*** (8.154) -0.303 (-1.520) 0.228*** (7.800) -0.326 (-1.548) -0.0300* (-1.888) 0.269*** (7.658) -0.329 (-1.569) 0.0216 (0.0996) 0.157 (1.298) -0.345* (-1.683) 0.0371 (0.175) 0.0797 (0.594) Observation s R-squared year FE industry FE 2,266 0.076 2,264 0.107 2,264 0.111 1,844 0.123 1,844 0.136 √ 1,844 0.181 √ √ （六）结论与政策启示 本文从债券价格信息反应速度、债券价格异质性信息含量、债券价格预测 能力三个维度提出了中国债券的价格信息含量的度量指标，展现了中国债券市 场整体及国债、企业债和公司债三个细分债券市场的价格信息含量变动趋势， 并通过探究债券价格信息含量对于投资价格敏感度的影响研究债券价格信息含 量对于企业内部层面的资本配置效率的影响。研究结果表明，随着中国债券市 场的完善，债券市场价格信息含量整体上呈现上升趋势，市场定价效率越来越 高。指标体系中，债券价格异质性信息含量指标 R-Sqr1 对于企业投资效率具有 显著负向影响，表明异质性信息含量提高能提升资本配置效率，模型包含股价 信息含量影响、公司现金流状况、公司未来盈利预期、时间及行业固定效应时， 结果依旧稳健。其他变量处于均值水平时，若公司的 R-Sqr1 从 75th 水平降低 到 25th 水平，其投资价格敏感度将提高 43.50%，从 0.0651 提高至 0.0934。总 体而言，本文验证了债券市场的“市场反馈效应”，公司管理层也能够从债券 价格中获取投资人私有的增量信息，从而优化公司投资决策，从企业内部的微 观机制上提升资本配置效率。本文表明，债券市场价格信息含量对于资本配置 25 效率具有正向影响，从而影响实体经济的发展，提高市场透明度、激励信息的 生产和获取的监管政策具有重要意义。 参考文献 [1] Bai, Jennie, Thomas Philippon, and Alexi Savov. 2016. “Have Financial Markets Become More Informative?” Journal of Financial Economics 122(3):625–54. [2] Bennett, Benjamin, René Stulz, and Zexi Wang. 2020. “Does the Stock Market Make Firms More Productive?” Journal of Financial Economics 136(2):281–306. [3] Ben-Nasr, Hamdi and Abdullah A. Alshwer. 2016. “Does Stock Price Informativeness Affect Labor Investment Efficiency?” Journal of Corporate Finance 38:249–71. [4] Bond, Philip, Alex Edmans, and Itay Goldstein. 2012. “The Real Effects of Financial Markets.” Annual Review of Financial Economics 4(1):339–60. [5] Campello, Murillo and John R. Graham. 2013. “Do Stock Prices Influence Corporate Decisions? Evidence from the Technology Bubble.” Journal of Financial Economics 107(1):89–110. [6] Carpenter, Jennifer N., Fangzhou Lu, and Robert F. Whitelaw. 2021. “The Real Value of China’s Stock Market.” Journal of Financial Economics 139(3):679–96. 26 [7] Chen, Jia and Ruichang Lu. 2017. “Market Transparency and Pricing Efficiency : Evidence from Corporate Bond Market.” Working Paper (December):1–48. [8] Chen, Jia and Ruichang Lu. 2019. “Does Public Disclosure Crowd Out Private Information Production?” SSRN Electronic Journal. [9] Chen, Qi, Itay Goldstein, and Wei Jiang. 2007. “Price Informativeness and Investment Sensitivity to Stock Price.” Review of Financial Studies 20(3):619–50. [10] Chun, Hyunbae, Jung-Wook Kim, Randall Morck, and Bernard Yeung. 2008. “Creative Destruction and Firm-Specific Performance Heterogeneity.” Journal of Financial Economics 89(1):109–35. [11] Cristi A. Gleason and Charles M. C. Lee. 2003. “Analyst Forecast Revisions and Market Price Discovery.” The Accounting Review 78(1): 193-225. [12] David, Joel M., Hugo A. Hopenhayn, and Venky Venkateswaran. 2016. “Information, Misallocation, and Aggregate Productivity *.” The Quarterly Journal of Economics 131(2):943–1005. [13] EASLEY, DAVID, NICHOLAS M. KIEFER, MAUREEN O’HARA, and JOSEPH B. PAPERMAN. 1996. “Liquidity, Information, and Infrequently Traded Stocks.” The Journal of Finance 51(4):1405–36. [14] EDMANS, ALEX, ITAY GOLDSTEIN, and W. E. I. JIANG. 2012. “The Real Effects of Financial Markets: The Impact of Prices on Takeovers.” The Journal of Finance 67(3):933–71. 27 [15] Edmans, Alex, Sudarshan Jayaraman, and Jan Schneemeier. 2017. “The Source of Information in Prices and Investment-Price Sensitivity.” Journal of Financial Economics 126(1):74–96. [16] Foucault, Thierry and Laurent Fresard. 2014. “Learning from Peers’ Stock Prices and Corporate Investment.” Journal of Financial Economics 111(3):554–77. [17] Glosten, Lawrence R. and Paul R. Milgrom. 1985. “Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders.” Journal of Financial Economics 14(1):71–100. [18] Greenwood, Jeremy and Boyan Jovanovic. 1990. “Financial Development, Growth, and the Distribution of Income.” Journal of Political Economy 98(5, Part 1):1076–1107. [19] Griffin, John M., Patrick J. Kelly, and Federico Nardari. 2010. “Do Market Efficiency Measures Yield Correct Inferences? A Comparison of Developed and Emerging Markets.” The Review of Financial Studies 23(8):3225–77. [20] Hayek, F.A. , 1945. “The use of knowledge in society.” American Economic Review 35, 519–530 . [21] Holmström, Bengt and Jean Tirole. 1993. “Market Liquidity and Performance Monitoring.” Journal of Political Economy 101(4):678–709. [22] Hou, Kewei and Tobias J. Moskowitz. 2005. “Market Frictions, Price Delay, and the Cross-Section of Expected Returns.” The Review of Financial Studies 18(3):981–1020. 28 [23] J. E. Stiglitz and A. Weiss. 1981. “Credit Rationing in Markets with Imperfect Information.” American Economic Review 71(3):393-410. [24] King, Robert G. and Ross Levine. 1993. “Finance, Entrepreneurship and Growth.” Journal of Monetary Economics 32(3):513–42. [25] Lewis, Ryan and Michael Schwert. 2018. “The Effects of Transparency on Trading Profits and Price Informativeness: Evidence From Corporate Bonds.” SSRN Electronic Journal. [26] Morck, Randall, Bernard Yeung, and Wayne Yu. 2000. “The Information Content of Stock Markets: Why Do Emerging Markets Have Synchronous Stock Price Movements?” Journal of Financial Economics 58(1):215–60. [27] ROLL, RICHARD. 1988. “R2.” The Journal of Finance 43(3):541–66. [28] Tolikas, Konstantinos. 2016. “The Relative Informational Efficiency of Corporate Retail Bonds: Evidence from the London Stock Exchange.” International Review of Financial Analysis 46:191–201. [29] Tsai, Hui-Ju. 2014. “The Informational Efficiency of Bonds and Stocks: The Role of Institutional Sized Bond Trades.” International Review of Economics & Finance 31:34–45. [30] 高强,邹恒甫.企业债券与公司债券的信息有效性实证研究[J].金融研 究,2010(07):99-117. [31] 顾乃康,陈辉.股票流动性、股价信息含量与企业投资决策[J].管理科 学,2010,23(01):88-97. 29 [32] 时文朝.增强透明度对我国银行间债券市场信息效率的影响——以交易信 息对流动性的影响为例[J].金融研究,2009(12):99-108. [33] 徐荟竹,李文伟.中国债券市场分割与信息有效性研究——基于跨市场债 券的实证分析[J].投资研究,2018,37(05):48-56. [34] 杨继伟.股价信息含量与资本投资效率——基于投资现金流敏感度的视角 [J].南开管理评论,2011,14(05):99-108. 30