-
为全面推进金融改革、完善金融服务，《关于2015年深化经济体制改革重点工作的意见》将股票发行审核制向注册制的转变作为中国资本市场改革的重点。但是，信息披露制度和资本市场退市制度的不完善导致股票发行注册制改革一推再推①。当前，中国除科创板外的证券发行依然实行核准制②，企业竭力争取IPO 资格。因此，在IPO注册制尚未全面实施、监管机构（或交易所）继续沿用审核手段的背景下，哪些因素可能有助于企业通过审核获得IPO资格，既是近年来学界关注的热点问题，也是拟上市企业和相关中介机构苦苦寻求的良方。
已有文献从关系网络、政治联系、券商和会计师事务所等角度研究了可能影响企业IPO审核通过率的因素及后果。Yang（2013）研究发现，申请IPO企业自身的关系网络及政治联系会对IPO审核通过率产生影响。申请企业与发审委的联系强度（杜兴强等，2013）、会计师事务所（陈运森等，2014）、承销商（郭泓和赵震宇，2006）、中介机构等社会资源（李敏才和刘峰，2012）对拟上市企业的IPO审核通过率有正向影响。由此可见，在中国这样一个“关系”与隐性契约广泛存在（杜兴强等，2010）的资本市场中，充分调动一切可利用资源，与发审委委员建立联系，无疑是助力企业成功IPO的重要手段。
近年来，中小板和创业板市场的快速发展不仅为中国创业企业解决融资难问题提供了机会，也为风险投资这一新型金融中介的发展提供了平台，风险投资在中国资本市场的影响力逐渐增大。据统计，截至2017年年底，约54%的中小板和创业板上市企业具有风险投资背景③。但是，对于被投资企业引入风险投资动机以及风险投资机构介入企业动机等问题的研究，中外结论差异显著。在西方成熟市场，风险投资机构主要是为处于初创阶段的企业提供资金支持；在中国，企业为实现上市目标而进行改制时大量引入风险投资机构，助力被投资企业成功IPO是风险投资机构最重要、最容易获得超额收益的投资方式。近年来，风险投资机构倾向于在企业发展的中后期进行投资（如Pre−IPO投资），以便投资后能在短时间内获得收益。对企业而言，风险投资机构的引入对企业发展战略具有重大影响；而对风险投资机构而言，无论是追求超额财务回报还是提升机构声誉，风险投资机构均有较强的动力帮助拟上市企业顺利通过IPO审核（张子炜等，2012）。已有研究发现，风险投资介入企业后，对企业首次IPO审核通过率具有显著促进作用，并加速了企业IPO审核进程（蔡卫星等，2013；曾庆生等，2016）。吴育辉等（2016）则进一步发现，风险投资可以通过对拟上市企业专业董事会秘书的聘用及其作用的发挥来提升企业IPO成功率并加速其进程。风险投资机构在投资过程中会根据投资阶段、行业或地域的不同以及自身的资源禀赋来选择专业化或多元化投资策略，不同投资策略的选择会促成风险投资机构在特定领域投资经验的累积，进而影响投资成功率和投资绩效。从已有研究看，鲜有文献从行业投资经验累积的角度，考察风险投资行业专长对企业IPO审核通过率的影响。此外，在当前IPO核准制下，上市前企业利用一切可利用资源进行攻关、包装等，历经考验获得上市资格后，股价却一路下滑、业绩变脸现象比比皆是。因此，不考虑企业上市后的经济后果，仅以企业是否成功IPO来评判风险投资对被投资企业IPO的影响可能并不全面。基于中国股市的“政策市”特征，新股发行数量及发行节奏受股票市场冷热程度的影响，牛市期间新股发行与审核速度均大大提升，但在熊市期间，证监会会通过把控节奏来减少新股发行对市场的冲击。基于上述分析，本文将聚焦以下研究问题：（1）风险投资行业专长是否影响企业IPO审核通过率?如果是，有何经济后果（长期市场业绩和财务业绩波动）?（2）上述影响是否因牛熊市存在显著差异?（3）上述影响的机理与路径是什么?
本文可能的贡献如下：（1）从IPO审核通过率及IPO后企业长期市场业绩和财务业绩波动视角，拓展了风险投资行业经验在助力企业成长过程中所发挥作用的研究，也为风险投资行业专长的价值创造机理（特定行业专业化投资有助于提升风险投资机构对创业企业的增值服务和监督控制能力）提供经验证据；（2）为企业甄选风险投资机构提供了依据，也为监管部门提高IPO审核效率和合理分配市场资源提供决策参考。风险投资机构在特定行业积累的资源和力量，不仅有助于提高企业IPO审核通过率，还有助于提升企业IPO后的长期市场业绩、降低企业IPO后的财务业绩波动。因此，对于企业而言，选择合适的风险投资机构、借助风险投资机构的专业能力和关系资源，不仅有助于企业实施发展战略，还有助于降低企业IPO后业绩变脸的风险，缓解来自证监会的业绩监管压力。
-
行业专长最早出现在会计师和审计师研究中（Deangelo，1981），之后拓展到其他领域。与会计师、审计师行业类似，风险投资行业专长的主要影响因素是执业经验（Hamilton和Wright，1982），尤其是在特定行业的执业经验积累。董静等（2017）将风险投资行业专长定义为风险投资机构在特定行业的长期投资过程中积累的知识经验、投资技能和相关社会网络资源。Gupta和Sapienza（1992）研究表明，风险投资凭借在某个领域的资源积累和专业知识，能够更快、更有效地解决关键问题。
首先，基于风险投资的筛选功能，风险投资机构积累的行业经验越多，越有可能筛选出优质企业。根据Sørensen（2007）提出的风险投资机构排序选择效应，经验丰富的风险投资机构挑选到优质企业的可能性更大。付辉和周方召（2017）认为风险投资与企业之间存在互选效应，“好企业”更容易吸引“好风投”。因此，高行业专长的风险投资机构具有筛选出更有发展潜力企业方面的能力，这可能是其助力企业成功IPO的一个重要因素。其次，根据资源能力和社会关系网络理论，行业经验丰富的风险投资能更持久、更专注地提供高质量增值服务，并根据企业的发展规划提出建设性意见，帮助企业构建合理的制度体系，从而最大程度地发挥管理监督作用（董静等，2017）。Dimov等（2007）发现行业专业化程度低的风险投资在投资对象的筛选上偏好增值服务需求较低的企业，因此对企业提供的增值服务有限。最后，从投资风险控制的角度看，具有丰富特定行业经验的投资机构依据积累的经验，不仅会在投资前对所熟悉行业的企业发展前景做出更准确的判断以降低错投风险，而且会在投资后利用积累的特定行业关系网络和行业专门知识，帮助被投资企业克服技术难题与发展瓶颈，以识别、评估和应对潜在风险（Matusik和Fitza，2012）。综上，被投资企业在高行业专长风险投资机构的帮助下（筛选、增值服务、风险控制等），更容易实现价值增值，也更容易通过证监会的IPO审核。
中国作为一个经济转型国家，政府在资源配置方面发挥了更好的作用，IPO市场也不例外，关系资源对于企业获取资金支持、缓解融资约束、争取各类优惠政策等具有重要作用。因此，企业将与政府部门、中介机构建立关系网作为发展战略之一（张建君和张志学，2005）。具有丰富特定行业知识与经验的风险投资机构，凭借其在特定领域内累积的关系资源，可以引入更有助于企业上市的承销商、会计师事务所、律师事务所等中介机构。李敏才和刘峰（2012）发现，为企业服务的中介机构背后的社会资源与企业成功IPO的概率呈正相关关系。因此，拥有丰富社会关系资源的高行业专长风险投资机构能更好地帮助企业通过证监会的IPO审核。
行为公司金融理论提出了融资的市场时机假说（Market Timing Hypothesis），股票价格波动为企业提供了最佳融资时期或融资机会窗口。Ibbotson和Jaffe（1975）发现新股发行存在冷热不均现象，即新股发行具有周期性，一段时期有大量企业上市，一段时期企业上市数量又较少（Loughran和Ritter，2000），这种IPO市场的“热销现象”在全世界范围内均不同程度地存在。但是中国股票市场有其特殊性，因为发行监管的存在，政府对新股发行的干预导致中国股市“热销现象”并不显著（应益荣和刘士杰，2004）。而上市制度由审批制转向核准制后，中国股票IPO市场的“热销现象”逐渐形成，其原因在于2001年股票发行核准制实施，监管部门的推荐指标被取消，权限被削弱，但监管部门依然保持着对企业上市成功与否的最后决策权（董晓林和高君，2008）。中国新股发行的冷热程度与股票市场整体行情的联动性紧密相关，股票市场的牛熊市会影响监管层对新股发行审核的宽严程度。当宏观经济向好、增长预期增强或市场出现非理性繁荣时，监管机构一般都会通过增加供给的方式（如加快IPO审核进程、放松审核要求）来满足市场需求或降低股票市场的非理性程度。随着证监会对IPO审核的适度放松，成功IPO企业数量随之增加，从而导致申请上市企业背后的各类关系资源（包括风险投资行业专长）在推动企业顺利通过IPO审核中发挥的作用大大减弱，因为申请企业只需满足证监会规定的条件，并按照正常的申报流程进行准备，就会具有较高的IPO成功可能性（蔡宁，2016）。因此，牛市期间风险投资行业专长的高低对企业IPO审核的影响可能并不明显。当股市低迷时，考虑到市场承受能力、二级市场的稳定性以及对股民权益的保护，证监会会严格把关IPO审核，控制新股发行规模和进程，适时减少IPO通过的企业数量或延迟企业上市的时间（邵新建等，2010）。也就是说，当股市低迷进入熊市周期时，鉴于新股发行对股票二级市场承受力造成冲击，证监会根据二级市场状况进行审批节奏、审核严格程度以及审批数量等方面的控制，导致IPO审核更加严格。相比牛市，熊市期间IPO审核通过率明显偏低，申请上市企业之间的竞争更加激烈，风险投资行业专长在竞争稀缺资源中的重要作用更加凸显。风险投资机构熟悉IPO流程，并且位于证监会、投行、会计师事务所等社会关系网络资源的中心位置，可以为推动企业IPO进程提供更及时、精准的服务。高行业专长的风险投资机构，不仅可以筛选出更具上市潜力的企业，还可利用自身的专业服务和社会关系网络提供针对性的增值服务，在审核从严的情况下，通过承销商或会计师事务所获知相关的过会信息，及时掌握证监会审核的关注点，从容应对证监会的严格审查，帮助被投资企业顺利过会。
据此，本文提出如下研究假说：
H1：高行业专长的风险投资机构对企业IPO审核通过率具有显著的正向促进作用，且该作用在熊市期间更显著。
-
从风险投资的筛选功能看，具有专业化知识或经验的风险投资机构能更准确地对特定行业企业未来的发展前景和成长性做出合理预期，也更有能力识别被投资企业隐藏的“坏信息”，避免选择到“柠檬”企业（Cumming，2006），进而判断被投资企业是否具有投资价值。因此，高行业专长风险投资机构筛选出的企业“质地”更优，上市后的市场表现更好，财务业绩波动程度也更低。从风险投资的增值服务功能看，高行业专长风险投资机构凭借其专业性和丰富经验，通过拥有可以与被投资企业分享的关系网络，有针对性地为企业提供服务。Large和Muegge（2008）发现风险投资机构可以在企业运营、管理等各方面提供增值服务，如为企业打造特有的供应链、帮助企业整合供应链（Matusik和Fitza，2012），及时向企业传递行业发展动态，为企业战略决策提供支持等。从风险投资的监督控制功能看，对管理者的监管不严极易导致公司业绩的大幅波动（Bertrand和Mullainathan，2003；曾雪云和徐经长，2015）。高行业专长风险投资机构在同一行业内精耕细作已久，积累了丰富的特定行业经验，能够更有效地实施适当的监督控制以应对不确定性并规避风险，确保企业平稳运营。党兴华等（2014）研究发现，具有特定专业知识和经验的高行业专长风险投资机构能为企业引荐高质量的承销商和审计机构等外部监督机制，使得企业面临更加严格的监督，促使企业管理层决策稳健，减少企业业绩波动，提升企业长期市场业绩。根据Dimov等（2007）的研究，行业专业化程度低的风险投资机构对企业的投后管理更多停留在财务层面上，因此很有可能引起应计盈余管理等财务报表粉饰行为，一旦企业成功上市后，随着风险投资机构的退出，企业就会出现市场业绩下滑、财务业绩剧烈波动的情况。董静等（2017）研究发现，低行业专长风险投资机构更多是为了通过IPO退出这一渠道获取巨额利益而对企业进行财务包装或盈余管理，推动企业仓促上市，表现出“逐名”行为。而高行业专长风险投资机构则可以根据其在特定行业的投资经验以及对该行业企业财务特征的了解，降低其与被投资企业之间的信息不对称程度；基于维护自身声誉的考虑，高行业专长风险投资机构也会采取一系列措施（如参与企业内部治理、规范管理层行为等）抑制企业盈余管理行为，从而避免企业IPO后业绩的剧烈波动和股价的大幅下跌。
基于前文分析，在股市低迷时期，如果企业自身不具备过硬的业绩实力，就难以通过证监会的严格审核。能在股市低迷时期成功过会并上市的企业一般具有较强的业绩实力，只要其在上市后继续保持积极的经营策略，IPO后的市场业绩理应不会出现明显下滑。同时，在股市低迷时期企业通过IPO审核且有高行业专长风险投资机构介入，会向市场传递企业未来发展前景良好的信号，有利于增强投资者信心。据此可以推断，有高行业专长风险投资机构支持的企业，IPO后能拥有更好的市场业绩表现。基于股票市场与实体经济之间的联系，当股市低迷时，企业面临不确定性更高的市场环境，而CEO的决策容易受到环境不确定性的影响，从而导致企业业绩的较大波动（谢盛纹和叶王春子，2014）。具有丰富专业知识和经验的风险投资机构能够对行业发展前景和趋势做出更加准确的预判，帮助企业及时应对环境变化，识别潜在风险（Matusik和Fitza，2012），化解不确定性风险（Gompers等，2009），并通过发挥监督控制职能（Muscarella等，1990）帮助企业科学决策，减少业绩波动。
据此，本文提出如下研究假说：
H2：高行业专长风险投资机构有助于提升企业IPO后长期市场业绩、抑制企业IPO后财务业绩波动，且上述作用在熊市期间更显著。
-
本文从2009−2016年所有在深交所中小板和创业板首次申请过会的1,250家企业中，筛选出有风险投资机构介入④的678家企业作为研究样本，简称VC样本。本文需要进一步研究企业IPO后的长期市场业绩和财务业绩波动，故从VC样本中挑选出成功上市的企业样本，简称上市样本。在剔除金融行业企业、数据缺失企业后，得到上市样本（IPO后经济后果的研究样本）544家。企业是否首次过会成功的数据来自万德数据库、巨潮资讯网，风险投资数据来自CVSource数据库，其余数据均来自CSMAR数据库。为消除极端值的影响，本文对模型中的连续变量进行上下5%的Winsorize处理。数据处理采用Stata 15统计软件。
-
1. 被解释变量
Pass：虚拟变量，反映申请IPO的企业是否首次审核就成功过会⑤。若是则取值为1，否则为0。
BHAR：企业IPO后的长期市场业绩。本文借鉴张学勇和张叶青（2016）的研究，采用如下公式计算BHAR：
$$ BHA{R_i} = \prod\nolimits_{t = 1}^T {(1 + {R_{i,t}})} - \prod\nolimits_{t = 1}^T {(1 + M{R_t})} $$ (1) 其中，Ri,t是公司i在t月的个股收益率；MRt是t月的市场收益率，从IPO次月开始计算，计算周期为12个月。
SDROA：企业IPO后的财务业绩波动。借鉴刘美玉等（2015）的研究，本文以ROA的标准差来衡量SDROA，即对样本企业每年各季度ROA取标准差，考虑到风险投资对企业业绩影响的滞后性，将业绩波动的测量滞后一年处理。
2. 解释变量
行业专长（SPEC）为风险投资机构在特定行业投资经验的积累。行业专长这一概念最早出现在会计、审计研究领域，而后被其他领域的学者参考运用。参照董静等（2017）的方法，本文采用主导风险投资机构在特定行业的投资次数来度量风险投资行业专长。具体计算公式如下：
$$ SPE{C_{i,k}} = {\left({\sum\limits_{t = 0}^n {{S_{i,t,k}}} } \right)^{1 + IPS}} $$ (2) 其中，i表示主导风险投资机构，t表示时期，n是主导风险投资机构对企业的首次投资日期，k是被投资企业所在行业；Si,t,k表示主导风险投资机构i在t时期对k行业进行投资的次数；幂权数IPS度量风险投资机构对k行业的专注程度，等于当前样本日期前主导风险投资机构在k行业的投资次数占其同期全部投资次数的比例。
3. 控制变量
借鉴已有研究，本文选取以下控制变量：净资产收益率、成长性、资产负债率、资产规模、保荐机构声誉、会计师事务所、市场化指数、企业产权性质、企业IPO市值与账面价值比率、企业年龄、董事会规模、股权集中度。具体变量定义见表1。
表 1 变量定义
名称 符号 定义 IPO审核通过率 Pass 虚拟变量，若申请IPO的企业首次审核就成功过会，取1，否则为0 IPO后长期市场业绩 BHAR 企业IPO后12个月购买并持有的异常收益 IPO后财务业绩波动 SDROA 企业IPO后一年各季度ROA的标准差 风险投资行业专长 SPEC 主导风险投资机构在特定行业的投资次数 净资产收益率 Roe VC样本：上会前两年净资产收益率均值 成长性 Growth VC（上市）样本：上会（市）前两年营业收入复合增长率 资产负债率 Lev VC（上市）样本：上会（市）前一年资产负债率 资产规模 Size VC（上市）样本：上会（市）前一年总资产的自然对数 保荐机构声誉 Underwrt 若企业IPO当年和前一年各证券公司首发承销金额之和排名前10，取1，否则为0 会计师事务所 Audit 若IPO当年和前一年会计师事务所排名前10，取1，否则为0 企业产权性质 SOE 若企业实际控制人为国有企业，取1，否则为0 企业IPO市值与账面价值比率 MB 公司IPO时市值与账面价值的比率 企业年龄 Age 企业从成立到申请过会的月份取对数 董事会规模 Board 企业IPO当年董事会总人数 股权集中度 H10 企业IPO当年前十大股东的股权集中度 市场化指数 Mktindex 王小鲁等（2017）的市场化指数 行业 Ind 行业虚拟变量，若企业属于互联网、电信及增值服务IT和医疗健康行业，取1，否则为0 年度 Year 年度虚拟变量 -
为检验本文的研究假说，借鉴刘美玉等（2015）、曾庆生等（2016）、张学勇和张叶青（2016）的研究，本文构建如下回归模型：
$$ \begin{split} Pass =\; & \alpha + {\beta _1}SPEC + {\beta _2}Underwrt + {\beta _3}Audit + {\beta _4}SOE + {\beta _5}Mktindex + {\beta _6}Roe \\ & + {\beta _7}Growth + {\beta _8}Lev + {\beta _9}Size + {\beta _{10}}Age + \sum Ind + \sum Year + \varepsilon \end{split} $$ (3) $$ \begin{split} BHAR = \;& \alpha + {\beta _1}SPEC + {\beta _2}MB + {\beta _3}Growth + {\beta _4}Size + {\beta _5}Lev + {\beta _6}Age + {\beta _7}Board \\ & + {\beta _8}Mktindex + {\beta _9}SOE + \sum Ind + \varepsilon \end{split} $$ (4) $$ \begin{split} SDROA =\;& \alpha + {\beta _1}SPEC + {\beta _2}H{\textit{10}} + {\beta _3}Board + {\beta _4}Lev + {\beta _5}Size + {\beta _6}Growth \\ &+ {\beta _7}Age + {\beta _8}Mktindex + {\beta _9}SOE + \sum Ind + \sum Year + \varepsilon \end{split} $$ (5) -
本文研究样本为中小板和创业板企业，故以深成指作为划分对象。借鉴Pagan和Sossounov（2003）、陶瑜（2017）关于牛熊市的划分方法，依据波峰波谷理论对2009−2016年中国股票市场进行牛熊市的判定，具体划分结果如下：2009年1月至2009年12月、2010年8月至2011年4月、2014年4月至2015年6月、2016年4月至2016年12月为牛市；2010年1月至2010年7月、2011年5月至2014年3月、2015年7月至2016年3月为熊市。
-
表2报告了主要变量的描述性统计结果。678家企业有风险投资机构介入，其IPO审核通过率平均为87.6%，说明风险投资机构介入可能是助力企业上市的重要推手，即被投资企业引入风险投资机构，借助其资源和经验来提升IPO审核通过率。风险投资行业专长（SPEC）的均值为3.456，标准差为5.828，说明不同风险投资机构之间行业专长差异较大。企业IPO后长期市场业绩（BHAR）的均值为0.160，说明企业在上市后一年内，整体而言持有股票的超额收益为正；考虑财务业绩波动的滞后性特征，采取滞后一期处理的企业IPO后财务业绩波动（SDROA）的均值为0.022，标准差仅为0.011，说明有风险投资机构介入的企业在上市后没有出现剧烈的业绩波动，整体经营状况较稳定。
表 2 主要变量描述性统计
变量 样本数 均值 标准差 最大值 最小值 Pass 678 0.876 0.330 1.000 0.000 SPEC 678 3.456 5.828 21.700 0.000 BHAR 544 0.160 0.617 1.928 −0.447 SDROA 544 0.022 0.011 0.070 0.001 SPEC 544 3.579 5.725 20.930 0.000 注：限于篇幅，其余变量的描述性统计结果未报告，资料备索。 -
变量相关性分析结果⑥显示，模型各变量间的相关系数均小于0.5，说明模型不存在严重的多重共线性问题。风险投资行业专长（SPEC）与IPO审核通过率（Pass）、长期市场业绩（BHAR）分别在1%和5%水平上显著正相关，说明风险投资行业专长越高，企业IPO审核通过率越高，IPO后长期市场业绩越好；风险投资行业专长（SPEC）与财务业绩波动（SDROA）负相关，说明风险投资行业专长越高，企业IPO后的财务业绩波动越小。
-
表3报告了风险投资行业专长对IPO审核通过率影响的回归结果。列（1）的结果显示，风险投资行业专长与IPO审核通过率在5%水平上显著正相关，说明与低行业专长风险投资机构支持的企业相比，高行业专长风险投资机构支持的企业具有更高的IPO成功率；列（2）的结果表明，牛市期间风险投资行业专长对IPO审核通过率没有显著影响；列（3）的结果显示，熊市期间风险投资行业专长与IPO审核通过率在5%水平上显著正相关。上述结果支持假说H1。
表 3 风险投资行业专长与IPO审核通过率
变量 Pass 全样本 牛市 熊市 (1) (2) (3) SPEC 0.100** 0.094 0.153** (2.348) (1.402) (2.282) Underwrt 0.107 0.084 0.258 (0.340) (0.167) (0.523) Audit −0.011 0.466 −0.461 (−0.035) (1.001) (−0.968) SOE −0.055 −1.455 (−0.068) (−1.371) Mktindex 0.201 0.197 0.124 (1.530) (1.008) (0.590) Roe −2.970** −4.380** −0.820 (−2.430) (−2.566) (−0.408) Growth −0.148 1.852 −3.489** (−0.175) (1.489) (−2.476) Lev −4.385*** −6.414*** −3.222** (−4.437) (−3.991) (−2.140) Size 2.283*** 1.726*** 3.082*** (6.668) (3.564) (5.540) Age −1.211*** −1.669*** −1.005* (−3.493) (−2.784) (−2.055) 行业/年度 Yes Yes Yes Adj R2 0.418 0.340 0.527 LR Chi2 212.370 71.480 141.960 观测值 678 332 282 注：括号内为z值，***、**、*分别表示在0.01、0.05、0.1水平上显著；牛市样本回归中，SOE被剔除的原因：牛市362个样本中只有30个样本是国有企业，国有企业数量较少可能导致SOE这一变量在牛市样本中不存在个体差异；分样本之和不等于总样本，原因在于：熊市样本中，在对行业、年度进行控制时，部分行业和年度虚拟变量因多重共线性被删除。 表4报告了风险投资行业专长对企业IPO后长期市场业绩、财务业绩波动影响的回归结果。列（1）的结果显示，风险投资行业专长与企业IPO后长期市场业绩在5%水平上显著正相关，说明与低行业专长风险投资机构支持的企业相比，高行业专长风险投资机构支持的企业上市后的长期市场业绩更好。列（2）的结果表明，风险投资行业专长的高低对牛市过会企业的IPO后长期市场业绩没有显著影响。列（3）的结果显示，风险投资行业专长与熊市过会企业的IPO后长期市场业绩在1%水平上显著正相关。列（4）的结果显示，风险投资行业专长与企业IPO后财务业绩波动在10%水平上显著负相关，说明高行业专长风险投资机构支持的企业IPO后财务业绩波动更小。列（5）的结果表明，牛市期间风险投资行业专长对企业IPO后财务业绩波动没有显著影响。列（6）的结果显示，熊市期间风险投资行业专长与企业IPO后财务业绩波动在10%水平上显著负相关。综上，相比于股市高涨时期，股市低迷时期高行业专长风险投资机构在促进企业IPO后长期市场业绩提升、抑制企业IPO后财务业绩波动方面的作用更加突出。上述结果支持假说H2。
表 4 风险投资行业专长与企业IPO后长期市场业绩、财务业绩波动
变量 BHAR SDROA 全样本 牛市 熊市 全样本 牛市 熊市 (1) (2) (3) (4) (5) (6) SPEC 0.010** 0.007 0.015*** −0.0001* −0.0001 −0.0002* (2.149) (0.947) (2.757) (−1.889) (−1.046) (−1.704) MB 0.043*** 0.037** 0.042*** (3.450) (1.998) (2.678) H10 0.005 0.007 0.004 (1.576) (1.553) (0.940) Size 0.104** 0.173** −0.029 −0.001 −0.001 −0.002 (2.283) (2.582) (−0.480) (−1.529) (−0.687) (−1.488) Lev −0.561*** −0.908*** −0.097 −0.011*** −0.006 −0.014*** (−3.047) (−3.368) (−0.403) (−3.610) (−1.427) (−3.169) Growth −0.049 0.023 0.089 0.012*** 0.012*** 0.014*** (−0.356) (0.098) (0.569) (5.504) (3.629) (4.428) Age 0.129*** 0.184*** 0.043 0.001 0.001 0.001 (3.075) (2.810) (0.862) (1.284) (1.382) (0.726) Board −0.005 −0.009 0.016 0.000 0.0002 0.0001 (−0.228) (−0.277) (0.539) (0.126) (0.434) (0.155) Mktindex 0.021 0.031 −0.006 −0.0004 −0.0004 −0.001 (1.043) (1.028) (−0.261) (−1.359) (−0.916) (−1.096) SOE −0.120 −0.159 −0.074 0.003* 0.004 0.003 (−1.056) (−0.859) (−0.575) (1.882) (1.643) (1.044) 行业 Yes Yes Yes Yes Yes Yes 年度 No No No Yes Yes Yes Adj R2 0.089 0.122 0.045 0.127 0.119 0.120 F 6.328 4.988 2.211 5.916 3.407 3.326 观测值 544 287 257 544 287 257 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著。 -
高行业专长风险投资机构与企业之间可能存在样本自选择问题。借鉴张学勇和张叶青（2016）的研究，本文采取工具变量两阶段法对可能的内生性问题进行修正。参考沈维涛等（2013）的研究，本文选取在风险投资机构介入企业的前一年，风险投资机构所在省份某一行业的企业数量占该省份同行业所有企业数量的比重（IV）作为工具变量，进行内生性检验。风险投资机构的投资具有地理临近性偏好，所在省份某行业的企业数量越多，投资该行业企业的可能性越大，从而影响风险投资行业专长的高低，但不会影响企业是否通过IPO审核。第一阶段为企业选择高行业专长风险投资机构的可能性，采用Probit模型回归，引入虚拟变量SPEC_D，以SPEC的中位数为划分依据，若SPEC大于中位数，取1，否则为0。
第一阶段回归模型：
$$ \begin{split} SPEC\_D =\; & \alpha + {\beta _1}IV + {\beta _2}Underwrt + {\beta _3}Audit + {\beta _4}SOE + {\beta _5}Mktindex + {\beta _6}Roe \\ &+ {\beta _7}Growth + {\beta _8}Lev + {\beta _9}Size + {\beta _{10}}Age + \sum Ind + \sum Year + \varepsilon \end{split} $$ (6) 第二阶段回归模型：
$$ \begin{split} Pass =\; & \alpha + {\beta _1}SPEC\_D + {\beta _2}Underwrt + {\beta _3}Audit + {\beta _4}SOE + {\beta _5}Mktindex + {\beta _6}Roe \\ &+ {\beta _7}Growth + {\beta _8}Lev + {\beta _9}Size + {\beta _{10}}Age + uhat + \sum Ind + \sum Year + \varepsilon \end{split} $$ (7) 回归结果如表5所示。在第一阶段回归中，工具变量IV与风险投资行业专长（SPEC_D）在1%水平上显著正相关，证实了工具变量的有效性。在第二阶段回归中，本文将第一阶段模型的回归残差加入基本回归模型作为控制变量，风险投资行业专长仍然与IPO审核通过率在5%水平上显著正相关。上述结果表明，在考虑了内生性的情况下，风险投资行业专长依然对企业IPO审核具有显著的促进作用。
表 5 内生性检验
变量 SPEC_D Pass (1) (2) IV 1.830*** (3.970) SPEC_D 0.769** (2.109) uhat −2.525 (−1.140) Contorls Yes Yes 行业/年度 Yes Yes Adj R2 0.042 0.413 LR Chi2 35.860 191.910 观测值 632 632 注：括号内为z值，***、**、*分别表示在0.01、0.05、0.1水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。 -
本文采用BHAR18（18个月）替代BHAR（12个月），对风险投资行业专长与企业IPO后长期市场业绩的关系进行稳健性检验；改变总资产收益率的计算方法，对风险投资行业专长与企业IPO后财务业绩波动的关系进行稳健性检验。表6报告的稳健性检验结果，与主回归结果基本一致。
表 6 稳健性检验
变量 BHAR18 SDROA 全样本 牛市 熊市 全样本 牛市 熊市 SPEC 0.017** 0.0001 0.023*** −0.0002** −0.0002 −0.0002* (2.225) (0.008) (3.565) (−2.234) (−1.433) (−1.791) Controls Yes Yes Yes Yes Yes Yes 行业 Yes Yes Yes Yes Yes Yes 年度 No No No Yes Yes No Adj R2 0.081 0.107 0.062 0.111 0.116 0.099 F 5.804 4.428 2.696 5.246 3.339 2.864 观测值 544 287 257 544 287 257 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。 -
上文结果已证实风险投资行业专长有助于提升企业IPO审核通过率，并且这些企业IPO后的长期市场业绩较好，财务业绩波动也较小。那么，风险投资行业专长通过怎样的机制发挥上述作用?依据前文的理论分析，筛选企业、提供增值服务和监督控制是高行业专长风险投资机构发挥作用的机制。据此，本文在假说H1上会样本（678家企业）的基础上，获得路径检验的504家企业样本数据，进一步检验风险投资行业专长对企业IPO审核的影响机制。构建模型如下：
$$\begin{split} EN/ENs = \; &\alpha + {\beta _1}SPEC + {\beta _2}Mktindex + {\beta _3}VCAge + {\beta _4}Stage + {\beta _5}OfferSize \\ & + {\beta _6}IvstDur + {\beta _7}EPReg + \sum Ind + \sum Year + \varepsilon\end{split}$$ (8) $$\begin{split} AV =\; &\alpha + {\beta _1}SPEC + {\beta _2}Mktindex + {\beta _3}VCAge + {\beta _4}Stage + {\beta _5}OfferSize + {\beta _6}IvstDur \\ &+ {\beta _7}EPReg + \sum Ind + \sum Year + \varepsilon \end{split}$$ (9) $$\begin{split} SC =\; &\alpha + {\beta _1}SPEC + {\beta _2}Mktindex + {\beta _3}VCAge + {\beta _4}Stage + {\beta _5}OfferSize + {\beta _6}IvstDur \\ &+ {\beta _7}EPReg + \sum Ind + \sum Year + \varepsilon\end{split}$$ (10) 风险投资筛选企业能力的衡量。付辉和周方召（2017）认为，风险投资的筛选能力越强，越能筛选出优质企业，即经验丰富的风险投资更能挖掘“好企业”。考虑到风险投资的筛选能力难以直接度量，本文将“好企业”的度量指标作为衡量风险投资筛选能力的替代变量，即采用企业在上会前得到风险投资的融资轮数（EN）和不同轮次中风险投资数目的总和（ENs）衡量风险投资筛选企业的能力。
风险投资增值服务能力的衡量。参考董静等（2017）的研究并考虑数据可得性，本文从以下三方面度量风险投资提供的增值服务：（1）后续融资增值服务（AVFinance），即主导风险投资机构是否利用其社会关系网络为企业后续融资提供服务。若存在某一风险投资机构曾和主导风险投资机构共同投资过其他企业，在主导风险投资机构介入企业后，该风险投资机构也对企业进行投资，则认为主导风险投资机构为企业提供了后续融资服务，AVFinance取1，否则为0；（2）上市支持增值服务（AVIPO），若主导风险投资机构利用自身的社会关系网络为企业推荐承销商，AVIPO取1，否则为0；（3）基于投资阶段的增值服务（AVStage），若风险投资介入时企业处于创业初期或发展期，AVStage取1，否则为0。以上三方面增值服务计数总和为风险投资为某一企业提供的增值服务（AV）。
风险投资监督控制能力的衡量。参考董静等（2017）的研究并考虑数据可得性，本文从以下两方面度量风险投资的监督控制能力：（1）防范法律风险的监督控制（SCLegalrisk），若主导风险投资机构利用关系网络为企业推荐律师事务所，SCLegalrisk取1，否则为0；（2）基于投资策略的监督控制（SCStrategy），若风险投资机构对企业采用联合投资方式，SCStrategy取1，否则为0。两种监督控制之和为风险投资对某一企业的监督控制能力（SC）。
主要控制变量。企业周期（Stage）：若风险投资机构介入时企业处于初创期或发展期，Stage取1，否则为0；融资规模（OfferSize）：企业在过会前获得风险投资机构的全部投资金额的自然对数；风险投资年龄（VCAge）：主导风险投资机构从成立到首次进入被投资企业的时间；投资时长（IvstDur）：主导风险投资机构从对企业初始投资到企业成功过会的时间；所在区域（EPReg）：若企业在东部地区，EPReg取1，否则为0。
表7报告了影响机制的检验结果。列（1）、列（2）的结果表明，行业专长高低对风险投资机构的筛选能力没有显著影响，即高行业专长风险投资机构在筛选企业方面并没有显著优势。列（3）的结果表明，行业专长高低对风险投资机构提供的增值服务有显著正向影响，即高行业专长风险投资机构能为企业提供更多的增值服务。列（4）的结果表明，行业专长高低对风险投资机构的监督控制能力有显著正向影响，即高行业专长风险投资机构能对被投资企业实施更有效的监督控制。综上，高行业专长风险投资机构在筛选企业方面没有显著优势，但能更好地发挥增值服务和监督控制作用。上述结果表明，行业经验丰富的风险投资机构主要通过增值服务、风险控制等手段，提升被投资企业的IPO审核通过率，改善企业经营状况，提升企业IPO后长期市场业绩，抑制企业IPO后的财务业绩波动。
表 7 机制检验
变量 筛选企业能力EN 筛选企业能力ENs 增值服务能力AV 监督控制能力SC （1） （2） （3） （4） SPEC −0.008 −0.019 0.014*** 0.010** (−1.264) (−1.529) (3.144) (2.107) Mktindex 0.031 0.046 −0.014 0.022 (1.032) (0.691) (−0.648) (0.964) VCAge 0.016* 0.021 0.020*** 0.009 (1.688) (1.145) (3.038) (1.185) Stage 0.298*** 0.564*** 0.949*** 0.009 (3.425) (3.322) (15.585) (0.140) OfferSize 0.402*** 1.090*** 0.209*** 0.318*** (9.136) (12.705) (6.774) (9.625) IvstDur 0.103*** 0.115 −0.006 −0.025 (2.784) (1.590) (−0.240) (−0.906) EPReg −0.046 0.194 0.030 −0.056 (−0.517) (1.113) (0.472) (−0.828) 行业/年度 Yes Yes Yes Yes Adj R2 0.197 0.276 0.415 0.180 F 9.802 14.674 26.495 8.841 观测值 504 504 504 504 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著。 -
本文选取2009−2016年深交所中小板和创业板申请IPO的企业为研究对象，考察风险投资行业专长对企业IPO审核通过率、IPO后长期市场业绩和财务业绩波动的影响。研究发现：高行业专长风险投资机构有助于提升企业IPO审核通过率，且这种促进作用在熊市期间更显著；从市场业绩看，高行业专长风险投资机构对企业IPO后长期市场业绩有正向促进作用，且这种促进作用在熊市期间更显著；从财务业绩波动看，高行业专长风险投资机构有助于抑制企业IPO后财务业绩波动，且这种抑制作用在熊市期间更显著。进一步对影响机制检验后发现，高行业专长风险投资机构在增值服务能力和监督控制能力方面能够发挥积极作用，而在投资前的筛选企业能力方面没有表现出明显优势。
本文获得如下启示：首先，对于试图通过引入风险投资机构推进上市进程、加快企业发展的中小创业企业，本文的研究提供了提升企业IPO通过率的有效途径：引入高行业专长风险投资机构。行业经验丰富的风险投资机构凭借其在特定行业累积的经验和社会关系网络，不仅能提升企业IPO审核通过率，还能帮助投资者获得满意的超额回报，抑制企业上市后的财务业绩波动。其次，本文的研究为风险投资机构选择专业化还是多元化投资策略提供了决策参考。正确的投资策略不仅能保证超额的投资回报，还能提升风险投资机构的市场声誉。对风险投资机构而言，被投资企业成功上市是展现、提升其声誉的最佳途径。最后，本文的研究为投资者决策及监管机构的资源配置提供了实证依据。有行业经验丰富的风险投资机构介入，无疑是向市场传递了创业企业经营发展稳定、上市前景良好等信号，有助于投资者做出科学决策，也减轻了监管机构的监管压力。
-
摘要: 文章选取2009−2016年深交所中小板和创业板申请IPO的企业为研究对象，探究风险投资行业专长对企业IPO审核通过率、IPO后长期市场业绩及财务业绩波动的影响。研究发现，高行业专长风险投资机构有助于提升企业IPO审核通过率，且这种提升作用在熊市期间更显著；高行业专长风险投资机构对企业IPO后长期市场业绩有正向促进作用，有助于抑制企业IPO后财务业绩波动，且上述影响在熊市期间更显著。机制检验发现，高行业专长风险投资机构的优势主要体现在能更好地发挥增值服务和监督控制作用，在投资前的筛选企业能力方面并无明显优势。
Does Industrial Specialty of Venture Capital Affect IPO Review and Approval? Empirical Evidence from SME Board and GEM
Abstract: Based on the firms of Shenzhen SME Board and GEM that apply for IPO, this paper explores the effect of venture capital’s industrial specialty on approval probability of IPO application, Post-IPO long-term market performance, and firm performance fluctuations. The result shows that venture capitals with high industrial specialty promote the approval probability of IPO application, and this effect is more significant in bear market sample. Venture capitals with high industrial specialty promote the Post-IPO long-term market performance and inhibit the Post-IPO performance fluctuations, and the above effects are also significant in bear market sample. Mechanism test finds that venture capitals with high industrial specialty show an advantage mainly in the value-added services and supervision after invest, and have no obvious advantage in the ability to screen firms before invest. -
表 1 变量定义
名称 符号 定义 IPO审核通过率 Pass 虚拟变量，若申请IPO的企业首次审核就成功过会，取1，否则为0 IPO后长期市场业绩 BHAR 企业IPO后12个月购买并持有的异常收益 IPO后财务业绩波动 SDROA 企业IPO后一年各季度ROA的标准差 风险投资行业专长 SPEC 主导风险投资机构在特定行业的投资次数 净资产收益率 Roe VC样本：上会前两年净资产收益率均值 成长性 Growth VC（上市）样本：上会（市）前两年营业收入复合增长率 资产负债率 Lev VC（上市）样本：上会（市）前一年资产负债率 资产规模 Size VC（上市）样本：上会（市）前一年总资产的自然对数 保荐机构声誉 Underwrt 若企业IPO当年和前一年各证券公司首发承销金额之和排名前10，取1，否则为0 会计师事务所 Audit 若IPO当年和前一年会计师事务所排名前10，取1，否则为0 企业产权性质 SOE 若企业实际控制人为国有企业，取1，否则为0 企业IPO市值与账面价值比率 MB 公司IPO时市值与账面价值的比率 企业年龄 Age 企业从成立到申请过会的月份取对数 董事会规模 Board 企业IPO当年董事会总人数 股权集中度 H10 企业IPO当年前十大股东的股权集中度 市场化指数 Mktindex 王小鲁等（2017）的市场化指数 行业 Ind 行业虚拟变量，若企业属于互联网、电信及增值服务IT和医疗健康行业，取1，否则为0 年度 Year 年度虚拟变量 
下载: 导出CSV
表 2 主要变量描述性统计
变量 样本数 均值 标准差 最大值 最小值 Pass 678 0.876 0.330 1.000 0.000 SPEC 678 3.456 5.828 21.700 0.000 BHAR 544 0.160 0.617 1.928 −0.447 SDROA 544 0.022 0.011 0.070 0.001 SPEC 544 3.579 5.725 20.930 0.000 注：限于篇幅，其余变量的描述性统计结果未报告，资料备索。
下载: 导出CSV
表 3 风险投资行业专长与IPO审核通过率
变量 Pass 全样本 牛市 熊市 (1) (2) (3) SPEC 0.100** 0.094 0.153** (2.348) (1.402) (2.282) Underwrt 0.107 0.084 0.258 (0.340) (0.167) (0.523) Audit −0.011 0.466 −0.461 (−0.035) (1.001) (−0.968) SOE −0.055 −1.455 (−0.068) (−1.371) Mktindex 0.201 0.197 0.124 (1.530) (1.008) (0.590) Roe −2.970** −4.380** −0.820 (−2.430) (−2.566) (−0.408) Growth −0.148 1.852 −3.489** (−0.175) (1.489) (−2.476) Lev −4.385*** −6.414*** −3.222** (−4.437) (−3.991) (−2.140) Size 2.283*** 1.726*** 3.082*** (6.668) (3.564) (5.540) Age −1.211*** −1.669*** −1.005* (−3.493) (−2.784) (−2.055) 行业/年度 Yes Yes Yes Adj R2 0.418 0.340 0.527 LR Chi2 212.370 71.480 141.960 观测值 678 332 282 注：括号内为z值，***、**、*分别表示在0.01、0.05、0.1水平上显著；牛市样本回归中，SOE被剔除的原因：牛市362个样本中只有30个样本是国有企业，国有企业数量较少可能导致SOE这一变量在牛市样本中不存在个体差异；分样本之和不等于总样本，原因在于：熊市样本中，在对行业、年度进行控制时，部分行业和年度虚拟变量因多重共线性被删除。
下载: 导出CSV
表 4 风险投资行业专长与企业IPO后长期市场业绩、财务业绩波动
变量 BHAR SDROA 全样本 牛市 熊市 全样本 牛市 熊市 (1) (2) (3) (4) (5) (6) SPEC 0.010** 0.007 0.015*** −0.0001* −0.0001 −0.0002* (2.149) (0.947) (2.757) (−1.889) (−1.046) (−1.704) MB 0.043*** 0.037** 0.042*** (3.450) (1.998) (2.678) H10 0.005 0.007 0.004 (1.576) (1.553) (0.940) Size 0.104** 0.173** −0.029 −0.001 −0.001 −0.002 (2.283) (2.582) (−0.480) (−1.529) (−0.687) (−1.488) Lev −0.561*** −0.908*** −0.097 −0.011*** −0.006 −0.014*** (−3.047) (−3.368) (−0.403) (−3.610) (−1.427) (−3.169) Growth −0.049 0.023 0.089 0.012*** 0.012*** 0.014*** (−0.356) (0.098) (0.569) (5.504) (3.629) (4.428) Age 0.129*** 0.184*** 0.043 0.001 0.001 0.001 (3.075) (2.810) (0.862) (1.284) (1.382) (0.726) Board −0.005 −0.009 0.016 0.000 0.0002 0.0001 (−0.228) (−0.277) (0.539) (0.126) (0.434) (0.155) Mktindex 0.021 0.031 −0.006 −0.0004 −0.0004 −0.001 (1.043) (1.028) (−0.261) (−1.359) (−0.916) (−1.096) SOE −0.120 −0.159 −0.074 0.003* 0.004 0.003 (−1.056) (−0.859) (−0.575) (1.882) (1.643) (1.044) 行业 Yes Yes Yes Yes Yes Yes 年度 No No No Yes Yes Yes Adj R2 0.089 0.122 0.045 0.127 0.119 0.120 F 6.328 4.988 2.211 5.916 3.407 3.326 观测值 544 287 257 544 287 257 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著。
下载: 导出CSV
表 5 内生性检验
变量 SPEC_D Pass (1) (2) IV 1.830*** (3.970) SPEC_D 0.769** (2.109) uhat −2.525 (−1.140) Contorls Yes Yes 行业/年度 Yes Yes Adj R2 0.042 0.413 LR Chi2 35.860 191.910 观测值 632 632 注：括号内为z值，***、**、*分别表示在0.01、0.05、0.1水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。
下载: 导出CSV
表 6 稳健性检验
变量 BHAR18 SDROA 全样本 牛市 熊市 全样本 牛市 熊市 SPEC 0.017** 0.0001 0.023*** −0.0002** −0.0002 −0.0002* (2.225) (0.008) (3.565) (−2.234) (−1.433) (−1.791) Controls Yes Yes Yes Yes Yes Yes 行业 Yes Yes Yes Yes Yes Yes 年度 No No No Yes Yes No Adj R2 0.081 0.107 0.062 0.111 0.116 0.099 F 5.804 4.428 2.696 5.246 3.339 2.864 观测值 544 287 257 544 287 257 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。
下载: 导出CSV
表 7 机制检验
变量 筛选企业能力EN 筛选企业能力ENs 增值服务能力AV 监督控制能力SC （1） （2） （3） （4） SPEC −0.008 −0.019 0.014*** 0.010** (−1.264) (−1.529) (3.144) (2.107) Mktindex 0.031 0.046 −0.014 0.022 (1.032) (0.691) (−0.648) (0.964) VCAge 0.016* 0.021 0.020*** 0.009 (1.688) (1.145) (3.038) (1.185) Stage 0.298*** 0.564*** 0.949*** 0.009 (3.425) (3.322) (15.585) (0.140) OfferSize 0.402*** 1.090*** 0.209*** 0.318*** (9.136) (12.705) (6.774) (9.625) IvstDur 0.103*** 0.115 −0.006 −0.025 (2.784) (1.590) (−0.240) (−0.906) EPReg −0.046 0.194 0.030 −0.056 (−0.517) (1.113) (0.472) (−0.828) 行业/年度 Yes Yes Yes Yes Adj R2 0.197 0.276 0.415 0.180 F 9.802 14.674 26.495 8.841 观测值 504 504 504 504 注：括号内为t值，***、**、*分别表示在0.01、0.05、0.1水平上显著。
下载: 导出CSV
-
[1] 蔡宁. 2016. “逐名”抑或“增值”?——风险投资政治背景与公司成功上市. 投资研究 (11): 36−55. [2] 蔡卫星, 胡志颖, 何枫. 2013. 政治关系、风险投资与IPO机会——基于创业板申请上市公司的经验分析. 财经研究 (5): 51−61. [3] 陈运森, 郑登津, 李路. 2014. 民营企业发审委社会关系、IPO资格与上市后表现. 会计研究 (2): 12−19. doi: 10.3969/j.issn.1003-2886.2014.02.003 [4] 党兴华, 张晨, 王育晓. 2014. 风险投资机构专业化与投资绩效——来自中国风险投资业的经验证据. 科技进步与对策 (12): 7−11. doi: 10.6049/kjjbydc.2013100279 [5] 董静, 汪江平, 翟海燕, 汪立. 2017. 服务还是监控: 风险投资机构对创业企业的管理——行业专长与不确定性的视角. 管理世界 (6): 82−103. doi: 10.3969/j.issn.1002-5502.2017.06.007 [6] 董晓林, 高君. 2008. 我国股票市场IPO热销现象的实证研究. 投资研究 (9): 8−12. [7] 杜兴强, 陈韫慧, 杜颖洁. 2010. 寻租、政治联系与“真实”业绩——基于民营上市公司的经验证据. 金融研究 (10): 135−157. [8] 杜兴强, 赖少娟, 杜颖洁. 2013. “发审委”联系、潜规则与IPO市场的资源配置效率. 金融研究 (3): 143−156. [9] 付辉, 周方召. 2017. 创业企业IPO靠自己还是靠“风投”?——基于双边选择效应视角的经验证据. 财经研究 (5): 132−146. [10] 郭泓, 赵震宇. 2006. 承销商声誉对IPO公司定价、初始和长期回报影响实证研究. 管理世界 (3): 122−128. [11] 李敏才, 刘峰. 2012. 社会资本、产权性质与上市资格——来自中小板IPO的实证证据. 管理世界 (11): 110−123. [12] 刘美玉, 王帅, 南晖. 2015. 高管薪酬差距、管理层权力与公司业绩波动——基于中小板上市公司的实证研究. 预测 (1): 48−53. [13] 邵新建, 巫和懋, 覃家琦, 王道平. 2010. 中国IPO市场周期: 基于投资者情绪与政府择时发行的分析. 金融研究 (11): 123−143. [14] 沈维涛, 叶小杰, 徐伟. 2013. 风险投资在企业IPO中存在择时行为吗——基于我国中小板和创业板的实证研究. 南开管理评论 (2): 133−142. doi: 10.3969/j.issn.1008-3448.2013.02.014 [15] 陶瑜. 2017. 机构投资者行为对股票市场稳定性影响研究. 北京: 北京邮电大学. [16] 王小鲁, 樊纲, 余静文. 2017. 中国分省份市场化指数报告(2016). 北京: 社会科学文献出版社. [17] 吴育辉, 吴世农, 张秋煌, 魏志华. 2016. 董秘的职业背景会影响企业IPO进程吗? 财务研究 (2): 11−24. [18] 谢盛纹, 叶王春子. 2014. CEO权力、环境不确定性与盈余管理. 会计与经济研究 (3): 21−36. [19] 应益荣, 刘士杰. 2004. 我国股票IPOs热销市场的实证研究. 江西师范大学学报(自然科学版) (3): 232−236. [20] 曾庆生, 陈信元, 洪亮. 2016. 风险投资入股、首次过会概率与IPO耗时——来自我国中小板和创业板的经验证据. 管理科学学报 (9): 18−33. doi: 10.3969/j.issn.1007-9807.2016.09.002 [21] 曾雪云, 徐经长. 2015. 上市公司审计委员会履职行为的审慎度与业绩波动. 财务研究 (3): 63−73. [22] 张建君, 张志学. 2005. 中国民营企业家的政治战略. 管理世界 (7): 94−105. [23] 张学勇, 张叶青. 2016. 风险投资、创新能力与公司IPO的市场表现. 经济研究 (10): 112−125. [24] 张子炜, 李曜, 徐莉. 2012. 私募股权资本与创业板企业上市前盈余管理. 证券市场导报 (2): 60−70. [25] Bertrand, M., and S. Mullainathan. 2003. Enjoying the quiet life? Corporate governance and managerial preferences. Journal of Political Economy 111(5): 1043−1075. doi: 10.1086/376950 [26] Cumming, D. 2006. Adverse selection and capital structure: Evidence from venture capital. Entrepreneurship Theory & Practice 30(2): 155−183. [27] Deangelo, L. E. 1981. Auditor size and audit quality. Journal of Accounting and Economics 3(3): 183−199. doi: 10.1016/0165-4101(81)90002-1 [28] Dimov, D., D. A. Shepherd, and K. M. Sutcliffe. 2007. Requisite expertise, firm reputation, and status in venture capital investment allocation decisions. Journal of Business Venturing 22(4): 481−502. [29] Gompers, P., A. Kovner, and J. Lerner. 2009. Specialization and success: Evidence from venture capital. Journal of Economics and Management Strategy 18(3): 817−844. doi: 10.1111/j.1530-9134.2009.00230.x [30] Gupta, A. K., and H. J. Sapienza. 1992. Determinants of venture capital firms’ preferences regarding the industry diversity and geographic scope of their investments. Journal of Business Venturing 7(5): 347−362. doi: 10.1016/0883-9026(92)90012-G [31] Hamilton, R. E., and W. F. Wright. 1982. Internal control judgments and effects of experience: Replications and extensions. Journal of Accounting Research 20(2): 756−765. doi: 10.2307/2490899 [32] Ibbotson, R. G., and J. F. Jaffe. 1975. “Hot Issue” markets. Journal of Finance 30(4): 1027−1042. [33] Large, D., and S. Muegge. 2008. Venture capitalists’ non-financial value-added: An evaluation of the evidence and implications for research. Venture Capital 10(1): 21−53. doi: 10.1080/13691060701605488 [34] Loughran, T., and J. Ritter. 2000. Uniformly least powerful tests of market efficiency. Journal of Financial Economics 55(3): 361−389. doi: 10.1016/S0304-405X(99)00054-9 [35] Matusik, S. F., and M. A. Fitza. 2012. Diversification in the venture capital industry: Leveraging knowledge under uncertainty. Strategic Management Journal 33(4): 407−426. doi: 10.1002/smj.1942 [36] Muscarella, C., J. W. Peavy, M. Vetsuypens, and C. B. Barry. 1990. The role of venture capital in the creation of public companies: Evidence from the going-public process. Journal of Financial Economics 27(2): 447−471. doi: 10.1016/0304-405X(90)90064-7 [37] Pagan, A. R., and K .A. Sossounov. 2003. A simple framework for analyzing bull and bear markets. Journal of Applied Econometrics 18(1): 23−46. doi: 10.1002/jae.664 [38] Sørensen, M. 2007. How smart is smart money? A two-sided matching model of venture capital. Journal of Finance 62(6): 2725−2762. doi: 10.1111/j.1540-6261.2007.01291.x [39] Yang, Z. F. 2013. Do political connections add value to audit firms? Evidence from IPO audits in China. Contemporary Accounting Research 30(3): 891−921. doi: 10.1111/j.1911-3846.2012.01177.x
点击查看大图
表(7)
计量
- 文章访问数: 6501
- HTML全文浏览量: 399
- PDF下载量: 2267
- 被引次数: 0
