财经论丛杂志已发表格式范文参考
1.科技与金融结合试点政策与股票系统性风险
作者：李天一
作者单位：中共中央党校
关键词：科技金融;股票系统性风险;耐心资本;个人投资者非理性行为
〔摘 要〕 本文通过2008年至2023年上市公司的相关数据，将“促进科技和金融结合 试点”政策作为准自然实验，运用多时点双重差分模型，深入探析科技金融对资本市场系 统性风险所产生的影响和机制。结果发现，科技金融的发展会加剧股票市场的系统性风 险，且通过一系列稳健性检验。机制研究发现，一方面，耐心资本能够缓解科技金融发展 对股票市场系统性风险的影响，机构投资者持股越稳定，缓释效果越好；另一方面，信息 不对称导致的个人投资者非理性行为是系统性风险加剧的一个影响机制。异质性检验 发现，影响主要集中在信息披露质量较低、非国有企业、非创业板上市公司以及位于东部 地区的公司。本研究揭示了科技金融与股票系统性风险关联与异质性，指明了耐心资本 与个人投资者非理性行为的机制作用，为监管部门预防风险、引导理性投资提供现实证 据，有助于推动资本市场实现健康发展。
一、引 言
当前全球经济增长不确定性加剧，贸易保护主义愈演愈烈，叠加地缘政治冲突，对中国的经济 安全和金融安全构成威胁。在资本市场中，股票的系统性风险是不可忽视的因素，市场内生脆弱 性（朱子言和刘晓星，2023）、政策外溢效应（邓可斌等，2018；冯燕妮等，2020）和非理性金融行为 （佟孟华等，2018）都会增加股票系统性风险。股票市场与宏观经济环境之间是动态关联的，股票 价格波动通过财富效应渠道（胡永刚和郭长林，2012）传导至实体经济，既影响投资者信心与消费 决策，又反作用于宏观经济政策的实施效果；在2008年国际金融危机之后，各国对系统性金融风险 的关注度显著提升，并对其高度的跨市场传染性有了深刻认识（杨子晖和周颖刚，2018）。需要注 意的是，系统性风险与特质性风险不同，无法通过分散投资的方式来消除，而是会对整个市场或者 多个行业产生影响。当前，中国上市公司的系统性风险占比约为50%（邓可斌和龚振，2023），超过 发达国家的平均水平。
在新型举国体制下，科技与金融的融合程度日益加深，构建科技金融支持体系已成为必然之 势。短期来看，科技金融的发展伴随着一定的风险性，容易引发资产泡沫风险（何剑等，2021），并 且在一定程度上扩大了资本市场的系统性风险。理论上，科技金融与股票系统性风险之间存在着 双向的作用力。一方面，科技金融的发展为科技创新企业提供了强有力的资金支持，有效缓解了 融资难题（Ding et al.，2022），并推动了技术创新（马凌远和李晓敏，2019）和产业结构升级（张驰和 王满仓，2023）。另一方面，科技产业固有的高度不确定性与高风险性，导致股票市场面临更多不 稳定性因素。科技企业通常需要投入巨额资金用于研发，且回报周期较长。研发失败或市场需求变动均可能对企业经营绩效产生显著影响，从而引发股票价格的剧烈波动，并最终加剧股票的系 统性风险。目前关于科技金融与股票市场系统性风险关联性的研究，存在一定研究空白。本文将 2011年及 2016年全国“促进科技与金融结合试点”政策作为准自然实验，深入探究科技金融发展 对股票市场系统性风险的影响与机制，旨在为金融市场稳定性研究提供新的视角和实证分析。
耐心资本具备缓解科技金融对系统性风险潜在加剧效应的能力。耐心资本与“热钱”（Hot Money）不同，坚持长期投资原则并深刻理解科技企业，从而保障了科技金融生态系统的稳定性。 近些年来，国家高度重视培育耐心资本。党的二十届三中全会明确提出要“发展耐心资本”，2024 年中央经济工作会议指出“健全多层次金融服务体系，壮大耐心资本，更大力度吸引社会资本参与 创业投资，梯度培育创新型企业”①，2024年中央金融委员会办公室（简称中央金融办）、中国证券监 督管理委员会（简称证监会）联合印发《关于推动中长期资金入市的指导意见》，体现了对耐心资本 发展的深刻认识与有力部署。截至2024年8月底，专业机构投资者持有的A股流通市值较2019年 初增长超过一倍，在 A股流通市值中的占比从 17%提升至 22%②。因此，本文提出了“机构投资者 择股风险分化”机制，剖析科技金融对股票系统性风险的作用路径，探究耐心资本在其中的作用 机制。
个人投资者的理性程度同样会影响科技金融对系统性风险的作用。在资本市场中，个人投资 者也占据重要的地位，2024年A股新开户近2500万户，其中个人投资者达2492.14万户，占比高达 99.69%③。整体来看，中国资本市场有 2.25亿投资者，中小散户占比超 99%④。因此，保护个人投 资者合法权益至关重要，也体现了金融工作的政治性与人民性。2024年国务院印发《关于进一步 促进资本市场健康发展的若干意见》（即新“国九条”），着重强调“必须始终践行金融为民的理念， 突出以人民为中心的价值取向，更加有效保护投资者特别是中小投资者合法权益，助力更好满足 人民群众日益增长的财富管理需求”⑤，同年证监会发布10项投资者保护相关制度规则，强化投资 者权益保护。个人投资者的理性程度对资本市场健康影响重大，中国的个人投资者通常是非理性 的，且非理性程度甚于机构投资者（兰俊美等，2019）。因此，本文提出“个人投资者非理性行为”机 制，从散户行为视角阐释科技金融对股票系统性风险的影响机制。
基于此，本文选取2008~2023年期间的上市公司作为样本，将“促进科技与金融结合试点”政策 视作准自然实验，运用多时点双重差分模型，探究科技金融发展对资本市场系统性风险的影响，同 时研究科技金融发展、耐心资本、散户非理性行为与股票系统性风险之间的内在关联，为政策制定 及风险防范提供科学依据。研究发现，科技金融发展在一定程度上会扩大股票系统性风险，增加 了市场的波动性，该结果通过了平行趋势检验、异质性处理效应检验、时间和空间安慰剂检验，在 替换被解释变量以及选取排除其他政策干扰的子样本依旧稳健。为深入探究影响机制，本文分别 从机构投资者和个人投资者展开分析。从机构投资者角度来看，择股风险分化机制表明耐心资本 对股票系统性风险具有缓解作用。机构投资者持股稳定性越高，科技金融对股票系统性风险的影 响越弱。从个人投资者角度来看，个人投资者的非理性行为也是重要影响因素。个人投资者关注 度低、信息获取不足，容易产生非理性行为。这些非理性行为会在股票市场中不断传导和放大，最 终致使科技金融发展在股票市场中导致系统性风险加剧。异质性检验表明，对于信息披露质量欠 佳的上市公司，科技金融会提升其股票系统性风险，而对信息披露质量优良的公司，该影响并不显著；在企业性质方面，科技金融会提高非国企股票系统性风险，但对国企的影响不明显；就所在交 易市场而言，科技金融政策对非创业板公司的股票系统性风险影响显著，对创业板公司则无显著 影响；从地域来看，在东部地区，科技金融会提高股票系统性风险，在其他地区这一影响并不突出。
本文在研究中有以下三方面边际贡献。第一，以“促进科技与金融结合试点”作为准自然冲 击，运用多时点 DID 模型，验证了科技金融发展和股票系统性风险之间的联系。同时上述影响存 在显著的异质性，科技金融发展对股票系统性风险的影响主要在信息披露质量差、非国有企业、非 创业板公司以及东部发达地区上市企业。第二，科技金融发展虽在一定程度上提高了股票市场系 统性风险，但耐心资本的介入有明显缓释作用。耐心资本能减少市场短期波动，推动资本长期稳 定投资，从而降低系统性风险。后续应积极引导培育耐心资本，让其更好地支持科技企业与股票 市场，助力资本市场稳健发展。第三，探究个人投资者非理性行为如何成为科技金融加剧股票系 统性风险的作用机制。因信息不对称，个人投资者易做出非理性投资决策。从个人投资者视角剖 析风险形成机制，可为监管部门制定政策提供参考。强化投资者教育，引导个人投资者理性投资 至关重要。
二、制度背景与研究假设
本部分将梳理中国科技金融的制度背景，包括科技金融的形成、发展与体系化历程，并提出文 章的主要研究假设，探究科技金融对股票系统性风险的影响与机制。
（一）中国的科技金融政策
如今，金融支持在科技创新中占据着越来越重要的地位（Hsu et al.，2014），科技金融凭借其独 特的资源整合与创新赋能机制，在促进要素流动、推动产业升级等方面发挥着关键作用。倡导金 融赋能科技并非一项新政策，背后有着清晰的历史脉络，并与不同的发展阶段密切相关。
1.科技金融的出现与形成
1985 年，《中共中央关于科学技术体制改革的决定》颁布，明确提出要促进技术与经济结合。 同年，中国人民银行与国务院科技领导小组办公室联合发布《关于积极开展科技信贷的联合通 知》，国内首笔科技贷款发放，标志着科技金融在中国正式诞生，为科技与金融的深度融合奠定了 坚实基础，为地方开展科技金融创新实践提供了指导和支持。科技金融的理论源头可以追溯到邓 小平关于科技和金融的论断。1988邓小平年提出了“科学技术是第一生产力”，1991邓小平年提出 了“金融很重要，是现代经济的核心。金融搞好了，一着棋活，全盘皆活” ①。从实践成果来看，大量 科技人员纷纷“下海”创办科技型公司，政府部门也明确表态支持科技工作者创业，例如在20世纪 80年代后期，时任北京市委书记的李锡铭代表北京市委、市政府，旗帜鲜明地支持中关村科技企业 的创业活动②；科技金融探索出的“科技贷款赋能科技企业”模式，成功培育了联想、海尔等知名科 技企业。
2.科技金融的发展
2006年国务院颁布了《国家中长期科学和技术发展规划纲要（2006-2020年）》和《实施〈国家中 长期科学和技术发展规划纲要（2006-2020年）〉若干配套政策的通知》（简称“60条”），紧紧围绕“自 主创新”，强调要配套财政、金融、政府采购、知识产权保护、人才队伍建设等方面。需要强调的是，“60条”提出要建立支持自主创新的多层次资本市场。允许券商、保险公司开展创投业务，支持有 条件的高新技术企业在国内主板和中小企业板上市。此后，国家发改委、科技部、财政部等部门进 一步细化了相关政策，先后出台了约100项具体措施，旨在推动企业成为技术创新的核心力量，助 力创新型国家的建设①。至此，我国科技金融政策体系已初步构建完成。财税政策、金融政策以及 科技政策均从不同维度高度支持科技金融的发展。
3.科技金融的体系化建设期
为指导和支持地方开展科技金融创新实践，2011年和 2016年，科学技术部与原“一行三会”② 分两批开展“促进科技和金融结合试点”工作。首批确立16个地区为试点，包括中关村国家自主创 新示范区、天津市、上海市、江苏省、浙江省“杭温湖甬”地区、安徽省“合芜蚌”自主创新综合实验 区、武汉市、长沙高新区、广东省“广佛莞”地区、重庆市、成都高新区、绵阳市、关中—天水经济区 （陕西）、大连市、青岛市、深圳市③；第二批确定9个城市为试点，包括郑州市、厦门市、宁波市、济南 市、南昌市、贵阳市、银川市、包头市和沈阳市④。此后，科技金融支持政策持续细化，各地积极探索 多元化融资路径，助力科技创新企业解决资金难题。
“十四五”规划纲要中明确提出要“完善科技创新体制机制”，强调要“加大研发投入，健全政府 投入为主、社会多渠道投入机制，加大对基础前沿研究支持。完善金融支持创新体系，促进新技术 产业化规模化应用”。党的二十大明确提出2035年建成科技强国，提出“强化企业科技创新主体地 位，发挥科技型骨干企业引领支撑作用，营造有利于科技型中小微企业成长的良好环境，推动创新 链产业链资金链人才链深度融合”。2023年 10月我国中央金融工作会议首次总结了金融工作的 五大篇章，科技金融作为五大篇章之首，充分彰显了金融服务科技创新的重要使命。党的二十届 三中全会进一步对“深化科技体制改革”作出系统部署。在宏观政策指引与时代发展需求的背景 下，科技金融作为一种创新性的金融业态应运而生，并实现了迅速发展。科技金融通过整合金融 资源与科技创新要素，缓解科技创新过程中的资金短缺困境，促进科技成果向现实生产力的高效 转化。政府、金融机构、科技企业等多元主体的积极参与，为科技金融在支持科技创新方面赋予了 强大的发展动能与实践效能。
自2023年金融五大篇章提出后，全国出台了多项科技金融相关政策。2024年4月证监会发布 《资本市场服务科技企业高水平发展的十六项措施》（简称“科创板十六条”），指出资本市场要“从 上市融资、并购重组、债券发行、私募投资等全方位”⑤服务科技创新；同年 6月，证监会发布《关于 深化科创板改革 服务科技创新和新质生产力发展的八条措施》（简称“科创板八条”），其中第一条 着重强调了“强化科创板‘硬科技’定位。严把入口关，坚决执行科创属性评价标准，优先支持新产 业新业态新技术领域突破关键核心技术的‘硬科技’企业在科创板上市”⑥，充分发挥科创板作为科 技创新服务“试验田”的作用；也在同年6月，中国人民银行等七部门联合印发《关于扎实做好科技 金融大文章的工作方案》，提出“推动金融机构和金融市场全面提升科技金融服务能力、强度和水 平，为各类创新主体的科技创新活动提供全链条全生命周期金融服务，精准支持国家重大科技任 务、科技型企业培育发展、战略性新兴产业发展和未来产业布局、传统产业技术改造和基础再造、国家和区域科技创新高地建设等重点领域”①；同年 10月，中国人民银行和科技部联合印发《关于 做好重点地区科技金融服务的通知》，目的在于“指导和推动北京、长三角、粤港澳大湾区等科技要 素密集地区做好科技金融服务”②。
（二）研究假设
理论上，科技金融能够从微观和宏观两个层面影响股票的系统性风险。从微观角度来看，加 强对科技的金融支持能够通过风险投资（陈建丽，2020）和专项信贷等渠道为科技型企业提供资金 （Ding et al.，2022）。虽然它能推动技术创新（马凌远和李晓敏，2019），但是容易产生扭曲效应：一 是政策补贴信号可能诱发企业研发投入偏离最优生产边界，形成超越基本面需求的过度投资；二 是在信息不对称与投资者有限理性交互作用下，市场对“硬科技”政策的过度解读易催生估值泡 沫；三是政策目录设定的“硬科技”标准可能会导致企业研发资源配置同质化，削弱市场多样性并 放大关联性风险。因此，短期内科技金融可能会加剧资产泡沫风险（何剑等，2021），进而提高股票 系统性风险，而中长期因市场纠偏机制与政策效力衰减，其影响渐趋平缓。从宏观角度来看，科技 金融相关政策通过产业政策倾斜可能会重塑市场生态格局。一方面，税收优惠、上市绿色通道等 制度安排降低科技企业的生态位竞争门槛，诱发过度进入与产能结构性过剩；另一方面，政策驱动 下传统产业与新兴产业间的资源再配置摩擦加剧，导致跨行业风险关联度非线性攀升。在初期表 现为科技企业数量激增与市场占比快速扩张，但产业结构的剧变打破原有均衡状态，使得经济系 统对外部冲击的吸收能力下降，因此可能会提高股票市场出现系统性风险的概率。综上，系统性 风险程度受微观因素影响，也与宏观经济运行、金融市场成熟度及政府干预等宏观因素密切相关 （杨子晖等，2022），微观层面的创新扭曲与宏观层面的结构失衡都可能成为科技金融推高股票市 场系统性风险的原因，为此提出假设1。
假设 1：科技与金融结合试点政策会显著影响股票的系统性风险，短期会加剧股票系统性 风险。
进一步来看，金融科技对不同类型企业的股票系统性风险影响存在显著差异。第一，上市公 司的信息质量越低，信息透明度越差，股价崩盘风险就越大（潘越等，2011；肖土盛等，2017）。科技 金融相关政策虽然带来了机会，但是如果企业信息披露不充分，内部运营问题很难被及时察觉，管 理层可能会制定不合理的投入研发决策，导致资金浪费和错配，从而加剧股票系统性风险。第二， 非国有企业规模通常较小、抗风险能力弱，外部融资难度大（张瑾华等，2016）。因此，科技金融政 策对它们的影响更为显著（陈建丽，2020）。由于非国企风险管理能力不及国企，可能存在盲目跟 风加大研发投入的风险，从而引发股票价格大幅波动。第三，投资者对不同板块存在刻板印象，非 创业板被视为稳健但成长缓慢。在政策刺激下，如果业绩承诺未兑现，会打破投资者对稳健性的 预期，加剧股价波动（徐飞等，2019）。机构投资者配置非创业板多遵循价值蓝筹逻辑，政策扰动下 会频繁调仓。而创业板公司成长预期波动大，投资者对政策扶持早有预期，能快速消化政策信息， 且其股价波动多源于行业技术竞争，而非单一政策落地，市场恐慌不易扩散成系统性风险。第四， 东部地区经济与金融市场发达，科技金融相关政策会吸引资金流入科技领域。然而，资金分配不 均可能导致部分企业过度融资，盲目扩张投资项目，增加经营风险与股票市场系统性风险。同时， 资金从传统行业撤出，会加剧这些行业资金短缺与股价波动，增加股票波动风险。非东部地区科 技产业发展滞后，短期内科技金融政策难以形成大规模产业集群，对股票市场影响可能不明显。
假设 2：科技金融政策会加剧信息披露质量较低、非国有企业、非创业板公司以及发达地区上市企业股票的系统性风险。
在科技金融政策与股票系统性风险的复杂关系中，耐心资本扮演着重要角色。作为科技创新 领域的重要支撑力量（李三希等，2024），耐心资本在国家政策的引导下与科技金融深度融合，主要 通过以下三种路径来体现。第一，耐心资本具有长期投资的特性，这不仅稳定了科技企业的资金 来源，减轻了短期财务压力（Aghion et al.，2013），还显著降低了企业的流动性风险（王祎帆和杨翰 方，2024），有效抑制了企业短债长投的套利冲动，为企业的稳健发展提供了保障。第二，耐心资本 能够强化企业内部治理（Evans and Fahlenbrach，2012；Appel et al.，2016），降低管理层人员流失风 险，并提高董事会的决策效率（许长新和杨李华，2018），增强企业应对市场变化和风险挑战的能 力，减轻了对股票市场的负面影响，从而提升了股票的稳定性，有效降低了股票系统性风险。第 三，在市场剧烈波动时期，战略型投资者的逆向增持行为可以打破交易型投资者的羊群效应。与 之形成鲜明对比的是，交易型投资者往往受短期利益驱动，在市场下行期间恐慌性抛售，会放大政 策冲击的波动传导（李向前，2002）。在耐心资本界定上，本文参考了已有文献刻画机构投资者持 股稳定性（Lee and Chung，2015；李争光等，2016；许长新和杨李华，2018），稳定性越高，说明资本越 “耐心”，以此来分析资本的耐心程度在科技与金融结合试点政策与股票系统性风险间的作用机 制，提出“机构投资者择股风险分化”机制，详见假设3。
假设3：根据“机构投资者择股风险分化”机制，耐心资本能够有效缓解科技与金融结合试点政 策对股票系统性风险的影响。
科技金融对股票市场系统性风险的作用机制，不仅体现在机构投资者行为的传导效应上，还 与个人投资者行为特征之间形成了复杂的相互作用。当政策引导资金向科技领域倾斜时，市场关 注度的结构性转变将显著影响个人投资者的信息环境与决策模式。依据行为金融学理论，政策激 发的“科技投资热潮”可能导致五种非理性行为。第一，处置效应（Shefrin and Statman，1985）在政 策敏感型股票中表现尤甚，投资者过早兑现政策利好企业的盈利头寸，却长期持有技术路线偏离 政策导向的亏损资产，导致风险错配。第二，过度自信驱使投资者高估政策扶持企业的成长前景 （Odean，1999）。第三，羊群效应形成政策信息瀑布（李志文等，2010），个人投资者对“硬科技”“卡 脖子”等政策术语的过度解读，引发概念板块的共振式波动。第四，损失厌恶心理（Kahneman and Tversky，1979）在政策衰退阶段导致市场反应呈现出非对称性特征。具体而言，在科技股价格下跌 的市场行情中，投资者的卖出力度显著大于价格上涨时的买入力度。第五，代表性偏差（Tversky and Kahneman，1974）导致投资者将个别政策不恰当地推广为整体趋势。由于个人投资者在决策 过程中表现出有限理性的特点，交易者的情绪波动会直接影响其买卖行为，从而对资产市场的价 格形成机制产生显著影响（林树和俞乔，2010）。鉴于金融市场的特性，非理性行为往往会引发风 险的循环性放大，对股票市场的稳定性构成潜在威胁。
上述非理性行为在数字时代被社交媒体进一步放大，而股吧等平台的热度成为关键影响因 素。通常情况下，股吧的活跃度越高，意味着投资者在该平台上的讨论和信息分享越频繁。活跃 的股吧讨论氛围可降低非知情交易者的逆向选择问题（黄灿和蒋青嬗，2022），即避免信息匮乏的 投资者在交易中处于劣势。伴随信息透明度提高，股票流动性增强，更多投资者基于充足信息，更 有信心做出明智投资决策，从而积极参与市场。此外，社交媒体上存在“用嘴投票”现象，能影响股 价、引发监管机构关注、吸引媒体报道，向管理层传递预警信号，发挥治理功能（孙鲲鹏等，2020；王 丹等，2020），进而提升企业信息披露意愿。所以，股吧活跃度提升，对投资者是积极信号，也是信 息交互过程（郑建东等，2022），有助于纠正投资者信息偏差，减少非理性行为。据此提出假设4。
假设4：依据“个人投资者非理性行为”机制，个人投资者关注度低、信息获取不足，容易产生非 理性行为，从而使得股票系统性风险提高。
三、研究设计
本部分旨在为实证分析提供数据支持，涵盖样本选取说明，模型设定方式，被解释变量、核心 解释变量与耐心资本等变量的详细说明，并汇报了主要变量的描述性统计。
（一）样本说明
本文以2008~2023年期间的上市公司为样本，来自主板（包含上海主板、深圳主板）、科创板、创 业板、北交所等多个交易市场，总观测值为34929个。股票系统性风险及其他公司层面变量数据， 主要源自国泰安数据库（CSMAR）和中国研究数据服务平台（CNRDS），城市层面的控制变量来自 《中国城市统计年鉴》。由于各公司上市年份不同，且部分控制变量存在缺失情况，本研究的数据 集属于非平衡面板数据集。对于城市层面缺失的控制变量，本文基于 ARIMA 模型进行填补。此 外，为确保数据质量，对样本做如下处理：（1）剔除ST、*ST或PT的公司样本；（2）剔除金融行业公司 样本；（3）对连续变量进行双侧1%的缩尾处理。
（二）模型设定
本文使用多时点 DID模型（Staggered DID）进行回归估计，验证科技金融发展对股票系统性风 险的影响，具体如式（1）所示。
其中，被解释变量 Betai，j，c，t 为在行业 j 城市 c 的公司 i 在第 t 年的股票系统性风险，核心解释变量 Techfini，j，c，t表示公司 i 所在的城市 c 在第 t 年是否受到“促进科技与金融结合试点”政策的影响， 如果在第 t 年被选定为试点项目，则从第 t 年起该值将被设定为 1，否则为 0。Controlsi，j，c，t代表 公司层面和城市层面的控制变量，公司层面的控制变量包括固定资产增长率（Growth_asset）、 应收账款与收入比（AR_ratio）、所有者权益比率（Equity_ratio）、财务杠杆（Leverage）、前十大股 东 持 股 比 例（Owner_ten）和 总 资 产（Ln_Asset），城 市 层 面 的 控 制 变 量 包 括 人 均 GDP （Ln_GDP_per）、金 融 机 构 各 项 贷 款 余 额 占 比（Finance_GDP）、普 通 高 等 学 校 在 校 人 数 占 比 （HR）、使用外资金额占比（FDI_GDP）、泰勒指数（TI）和人口密度（POP）。Firmi 指的是公司个 体固定效应，Yeart 代表时间固定效应，εi，j，c，t 是随机误差项，并在城市层面进行聚类处理，以捕 捉政策冲击的空间相关性。
为了深入探讨科技金融对股票系统性风险影响中的作用机制，本文引入科技金融与耐心资本 持股稳定性（SDi，j，c，）t 的交互项，具体如式（2）所示。
最后，为了检验“个人投资者非理性行为”机制，鉴于散户关注度会左右个人投资者非理性行 为，本文对上市公司在东方财富网股吧的年度发帖数量（Ln_Post）、阅读次数（Ln_Read）和评论次数 （Ln_Comment）进行分组回归检验，对比科技金融发展与股票系统性风险间的关系因果关系是否受 个人投资者关注程度的影响。
（三）变量说明
1.被解释变量
本文以股票系统性风险（Beta）为核心解释变量，按照资产定价模型，依据一年期数据算出个股 风险因子。计算时，采用了考虑现金红利再投资的日个股回报率作为个股收益率的计算方式。此 外，为得到市场组合收益率，采用了以总市值加权平均法计算的考虑现金红利再投资的日市场回 报率。为了确保计算的准确性，还使用了日度化无风险利率作为无风险利率的参考值。通过这一 系列计算，最终得出了股票系统性风险的具体数值。
2.核心解释变量
在本文中，科技金融（Techfin）作为核心解释变量，来衡量科技金融的发展情况。研究选取了 2011年的 16个地区以及 2016年的 9个地区作为“促进科技与金融结合试点”政策的区域（张驰和 王满仓，2023；王振宇和逄雯婷，2024），目的是评估政策所带来的冲击效应。具体来说，对于每一 个企业i，如果它所在的地区c实施了“促进科技与金融结合试点”政策，那么从政策实施的当年t开 始，以及在所有后续的年份里，Techfin的值将被设定为1，表示该企业受到了政策的影响；反之，如 果企业所在地区没有实施该政策，则Techfin的值为0，表示该企业未受到政策的影响。
3.耐心资本
本文根据机构投资者的持股行为，对耐心资本进行度量和分类（李争光等，2016；许长新和杨 李华，2018）。战略型投资者偏好长期持有上市公司股票，积极投身公司治理，推动公司战略转型 与价值提升，以实现长期收益。而交易型投资者更重视短期收益，频繁买卖股票，平均持股期限较 短。因此，公司机构投资者持股相对波动越小，则更能表明其为耐心资本。具体计算方式如式（3） 所示。
其中，INVHi，j，c，t代表公司i在第t年的股票机构投资者比例。首先计算企业在前三年［t-3， t-1］机构 投资者的标准差 Std (INVHi，j，c，t - 1，INVHi，j，c，t - 2，INVHi，j，c，t - 3 )，再进一步通过式（3）计算机构投资者持 股稳定性 SD，即通过当期持股比例与前三年标准差的比值来衡量 SD。该指标可以衡量相对波动 程度，如果SD较小，说明标准差相对均值较大，机构投资者持股的离散程度较高，波动较大；反之， 如果SD较大，说明标准差相对均值较小，机构投资者持股的离散程度较低，相对比较稳定。
4.其他变量
本文的公司层面的控制变量为：固定资产增长率（Growth_asset），衡量企业发展能力，用固定资 产净额本期期末值减去固定资产净额本期期初值，所得差值再除以固定资产净额本期期初值来计 算；应收账款与收入比（AR_ratio），用来衡量企业的经营效率，计算方法是应收账款金额除以营业 收入金额；所有者权益比率（Equity_ratio），反映企业的资本结构，通过股东权益合计金额除以资产 总额金额来计算；财务杠杆（Leverage），用于评估企业风险水平，计算方式为将净利润、所得税费用 与财务费用之和除以净利润与所得税费用之和；股权性质：通过前十大股东持股比例（Owner_ten） 衡量企业股权集中度，即企业前十大股东各自持股比例相加，得到的总和即为该指标数值；总资产 （Ln_Asset）：用以衡量企业规模，将企业资产各项目的总计金额加上 1，再取对数；企业信息披露 （Inform）分为四个等级，范围在［1，4］之间，其中1代表优秀，2代表良好，3代表合格，而4则代表不 合格。
本文使用的城市层面的控制变量参考已有文献（马凌远和李晓敏，2019；周少甫等，2023），具 体如下：人均 GDP（Ln_GDP_per），衡量地区的经济发展水平，用人均 GDP 加 1取对数来计算；金融 机构各项贷款余额占比（Finance_GDP），衡量地区的金融发展水平，以年末金融机构各项贷款余额 与地区生产总值之比来计算；普通高等学校在校人数占比（HR），衡量地区的人力资本水平，以普通 高等学校在校人数与地区总人口之比来计算；（FDI_GDP），衡量地区的开放程度，以当年实际使用 外资金额（美元）与地区生产总值（元）之比来计算；泰勒指数（TI），衡量地区的产业结构合理化，计 算方式参考陈庆江等（2018），如式（4）所示，其中 Y是地区生产总值，Yn是第 n产业增加值（n=1，2， 3），L是地区就业总人数，Ln是第n产业就业人数（n=1，2，3）；人口密度（POP），以当年该地区人数与 地区平方公里之比来计算。
此外，本文参考杨晓兰等（2016）和江轩宇等（2021）的研究，根据股吧舆论衡量散户投资者关 注度。具体的指标如下：发帖数量（Ln_Post），先算出上市公司在东方财富网股吧的年度热帖发帖 总数，将其加1后取自然对数；阅读次数（Ln_Read），把上市公司在东方财富网股吧的年度热帖被阅 读总次数加 1后取自然对数；评论次数（Ln_Comment），将上市公司在东方财富网股吧的年度热帖 被跟帖评论总次数加1后取自然对数。
（四）描述性统计
表 1汇报了本文主要变量缩尾处理后的描述性统计结果。具体来看，股票系统性风险（Beta） 均值为 1.11，标准差达 0.31，说明各公司股票系统性风险差异明显。科技金融（Techfin）均值为 0.53，标准差是0.50，这意味着不同公司受“促进科技与金融结合试点”政策影响程度差异较大。其 他变量均有不同程度缺失，但无显著异常值。
四、科技金融发展与股票系统性风险
本节研究重点聚焦于“促进科技与金融结合试点”政策对股票系统性风险的影响。首先，汇报 基于多时点 DID 模型得出的基准回归结果。随后，为了确保回归结果的可靠性，将上述回归结果 进行稳健性检验，依次开展平行趋势检验、异质性处理效应检验，进行时间安慰剂检验、空间安慰 剂检验，同时还更换被解释变量、选取排除其他政策干扰的子样本。
（一）多时点DID回归
本文以“促进科技与金融结合试点”政策作为准自然实验，使用多时点 DID 回归分析法，探究其对股票市场系统性风险的影响，具体如表 2所示。在表 2中，列（1）汇报了控制年份和公司固定 效应后，引入科技金融变量的回归结果。列（2）在列（1）基础上，进一步控制城市层面的聚类标准 误。列（3）引入公司层面的控制变量，同时保持对年份和公司固定效应的控制。列（4）则在列（3） 基础上，进一步引入城市层面的控制变量。回归结果发现，在列（3）和列（4）中，科技金融（Techfin） 的回归估计系数在 5% 的统计水平上显著为正。在引入公司层面和城市层面的控制变量后， Techfin的回归估计系数为 0.0241。这一初步回归结果与假设 1相符，即科技和金融结合试点政策 对股票系统性风险存在正向的显著影响。说明了由科技金融所催生的创新和变革，在某种程度上 可能加剧了股票市场的波动性，从而对市场稳定性造成了负面影响。
（二）稳健性检验
1.平行趋势检验
DID模型能够有效应用的前提是满足平行趋势检验，即在“促进科技与金融结合试点”政策实 施产生冲击之前，实验组和对照组之间不会出现随时间推移而显著变化的差异。为此，本文进行 了相应的检验。考虑到 2011年和 2016年分别出现了两轮“促进科技与金融结合试点”政策冲击， 本文将政策冲击发生的第0年设定为基准年份，并构建了一组时间虚拟变量，具体包含基准年份当 年、基准年份前后各 1年、2年、3年以及 4年。需要说明的是，基期+4年这一区间涵盖了距离政策 冲击时间超过4年的所有样本，而基期-4年则包含了距离政策冲击时间不足4年的样本。此外，其 他用于分析的控制变量与模型式（1）完全一致。检验结果如图1所示，标注了90%的置信区间。从 结果来看，在政策冲击发生前的-4期、-3期、-2期和-1期，“促进科技与金融结合试点”政策的回归 估计系数均不具有显著性，这充分说明在政策冲击实施之前，实验组与对照组之间的差异并不明 显。然而，政策正式实施之后，尤其是在+2期和+3期，政策的回归估计系数分别在10%和5%的统 计显著性水平上为正，说明在这些时期，实验组与对照组的股票系统性风险产生了显著差异，从而 也说明“促进科技与金融结合试点”政策有一定的滞后性。本文确定政策冲击时刻为“促进科技与 金融结合试点”政策当年，之后需要实施具体的配套政策，与政策传递到企业端存在一定时滞，本 文发现在政策之后第2期开始显著，第3期影响更大，整体来看科技金融的影响呈现先增加再衰退 的趋势。综上，通过了平行趋势检验，符合DID模型的应用条件。
2.异质性处理效应检验
考虑到多时点 DID 估计方法可能忽略个体之前的异质性，参考现有文献（卢盛峰和张浩天， 2024；汤 玉 刚 和 张 鹤 鹤 ，2024），本 文 通 过 Callaway and Sant Difference-in-Differences（简 称 为 CSDID）方法来检验多时点DID估计量的稳健性（Callaway and Sant’ Anna，2021）。CSDID方法将样 本细分为不同的组，分别评估各组的处理效应，随后通过不同的加总方式计算得到不同的处理效 应。表3汇报了不同加总方式的回归结果。其中，列（1）通过等权重简单加权平均求和，得到简单 加权平均处理效应；列（2）通过距离首次被处理时间分组加权求和，得到动态平均处理效应；列（3） 按照正常年份分组加权求和，得到日历平均处理效应；列（4）按照首次被处理的时间分组加权求 和，分组平均处理效应。结果表明，无论按照上述的哪种方式加总计算处理效应，科技金融的估计 系数均在5%的统计水平上显著为正，说明基准回归的结果是稳健的。
3.安慰剂检验
在安慰剂检验阶段，依次进行了时间安慰剂检验（in-time placebo test）和空间安慰剂检验（inspace placebo test）。
在进行时间安慰剂检验时，本文将两轮政策的冲击时间分别提前一年、两年，作为“伪处理时 间”。从理论上看，提前科技和金融结合试点政策时间，真实的科技金融发展冲击还未到来。所 以，此检验中科技金融的回归系数不应显著。时间安慰剂检验结果如图2所示，呈现不同“伪处理 时间”下科技金融的回归估计系数及95%置信区间。结果表明，冲击时间提前一年或两年，科技金 融的估计系数都不显著，验证了时间安慰剂检验的有效性。
在进行空间安慰剂检验时，本文从样本里无放回地随机抽取一定数量个体作为“伪处理个体” （fake treatment unit），进行多时点DID回归，计算安慰剂效应的估计值。此过程重复500次，最终得 到如图3所示的安慰剂效应分布。结果显示，空间安慰剂效应的分布主要集中在零附近，这表明在 “伪处理个体”中，科技金融政策的回归系数在统计学意义上不显著。同时，如表2中的列（4）所示， 基础回归里科技金融系数的估计值为 0.0241，在图 3中以红色实线呈现。该估计值与密度估计曲 线的交点，和“伪处理个体”随机抽样的结果差异明显，进一步证实了本文之前基准回归结果的稳 健性，并非因偶然因素产生。
4.替换被解释变量
在此前的回归分析中，以股票的系统性风险（Beta）作为解释变量。其中，计算Beta指标采用以 总市值加权平均法计算的考虑现金红利再投资的日市场回报率。在开展稳健性检验时，本文改用 流通市值加权平均法，计算考虑现金红利再投资的日市场回报率，资本资产定价模型里其他变量 的计算方式维持不变，将其作为个股系统性风险的稳健性检验指标（Beta_C）。回归分析结果如下 表4的列（1）所示。结果显示，科技金融的回归估计系数在10%统计水平依旧显著为正，系数估计 值为0.0213，与表2列（4）中的估计值接近，由此验证了替换被解释变量后，回归结果具有稳健性。
5.排除其他政策干扰
考虑到在2011年和2016年两次“促进科技与金融结合试点”政策实施期间，还存在2015年推 出的“大众创业、万众创新”政策（简称为“双创”政策），“双创”政策旨在支持创新与创业，与本文重 点关注的科技与金融结合试点政策高度相关，从而对本文的回归结果产生了干扰。为此，本文将 在稳健性检验中通过调整样本周期来进行稳健性检验，单独检验2011年的科技和金融结合试点政 策的效果，选取冲击前后的2008年~2015年作为观测子样本，进行稳健性检验，回归结果如表4的 列（2）所示。结果发现，科技金融的回归估计系数在 5%的统计水平上显著为正，说明排除“双创” 政策的干扰后，本文的回归结果依旧稳健。
五、机制分析
本节将聚焦科技金融影响股票系统性风险的内在机制，依次从机构投资者和个人投资者的视 角进行检验，研究机构投资者择股风险分化和个人投资者非理性行为的机制，为深入探究科技金 融与股票市场系统性风险之间的关联提供实证支持。
（一）机构投资者择股风险分化
在股票市场环境下，科技金融对于不同类型的持股主体，如非耐心资本和稳定型机构投资者， 会产生各异的风险影响，进而促使股票系统性风险呈现出分化态势。在本节，将具体研究科技金 融的择股风险分化机制。按照式（2）引入科技金融与耐心资本（SD）的交乘项，进一步探究耐心资 本的机制作用。其中，SD的值越大，意味着机构投资者持股稳定性越高，资本“耐心”越足；机构投 资者持股的稳定性越大，资本越有“耐心”；相反，SD的值越小，表明持股稳定性越低，资本“耐心”越缺。回归结果如表5所示，其中列（1）仅引入了科技金融、科技金融与耐心资本、耐心资本、年份固 定效应与公司固定效应，列（2）和列（3）依次增加公司层面和城市层面的控制变量。结果显示，在 列（1）和列（2）中，科技金融与耐心资本（SD）交乘项的系数估计值均在1%统计水平显著为负。这 表明机构持股稳定性越高，科技金融对股票系统性风险的影响就越会被削弱，再次验证了耐心资 本对系统性风险的缓解作用。
结果表明，科技金融发挥着类似分化器的作用。对于非耐心资本持股的公司，科技金融会使 得这些公司股票的风险特征发生明显变化，因为非耐心资本的特性，比如短视、易受短期波动影 响等，提高股票的系统性风险。而对于稳定型机构投资者持股的公司，由于这些投资者自身的稳 健性和抗干扰性，科技金融因素不会明显改变他们的持股稳定性，进而不会显著影响这些公司股 票的系统性风险。所以，从整体股票市场来看，就出现了因持股主体不同而产生的风险分化 现象。
（二）个人投资者非理性行为
接下来，本文将继续探讨科技金融对股票系统性风险的影响机制，重点研究散户投资者的非 理性行为。股吧论坛中的发帖数量、阅读次数以及评论次数等变量能够衡量个人投资者的情绪以 及投资者之间的互动状况。根据年度行业数据的中位数，将这三个指标依次划分为高、低两组。 回归结果如下表 6所示，其中列（1）和列（2）为根据东方财富网股吧的年度热帖发帖总量分组，列 （3）和列（4）为根据阅读总量分组，列（5）和列（6）为根据评论总量分组。根据表6的回归结果，在发 帖总量、阅读总量以及评论总量的低组中，科技金融的系数显著为正，而在高组中，该系数并不显 著。这一结果表明，当散户投资者活跃度较低时，科技和金融结合试点政策的推行可能会进一步 加剧股票市场的系统性风险。可能的原因是，当散户投资者参与度不高时，市场中的信息不对称 问题会更加突出，使得市场对科技和金融结合试点政策的反应变得更加敏感和不稳定。而在散户 投资者活跃度较高的情形下，市场信息能够更广泛、更迅速地传播，这有助于缓解信息不对称的状 况，进而减轻科技和金融结合试点政策对股票系统性风险可能产生的负面影响。
结果显示，在发帖数量较少的组别中，个人投资者更有可能表现出非理性行为。这是因为该 部分投资者信息获取渠道有限，对科技金融相关的动态和风险了解不足。当科技金融的发展带来 市场变化时，他们可能会产生过度反应，或者盲目跟风进行操作。比如，在面对新的科技金融产品 或模式时，散户可能会在未充分评估潜在风险的情况下，就贸然进行投资。这种非理性的投资行 为会进一步加剧市场的波动，从而导致股票的系统性风险上升。与之相对的是，在发帖数量较多 的组别中，个人投资者更倾向于展现出理性行为。通常情况下，较高的发帖量意味着投资者之间 的信息交流更加频繁，能够获取更为全面的科技金融信息，其中涵盖了风险评估、市场发展趋势等 重要内容。基于这些丰富的信息，投资者能够进行更为理性的分析，并做出合理的决策。例如，当 科技金融的发展可能引发股票市场的变化时，他们会综合考量公司的基本面、行业的发展前景等 多种因素，通过合理配置资产、实施有效的风险控制策略等方式来应对市场变化，而不是盲目地受 市场情绪的影响。此类理性行为对于维系市场稳定性具有积极作用，从而有效抑制科技金融对股 票市场系统性风险的潜在提升效应。
六、异质性分析
本节进一步分析了科技和金融结合试点政策对股票系统性风险产生的异质性影响，依次从企 业信息披露质量、公司产权性质、所在交易市场以及所处地区差异这四个不同维度进行检验。
（一）公司信息披露质量
根据公司信息披露质量展开的分组回归结果如下表7所示。其中，列（1）、列（2）和列（3）分别 汇报了信息披露质量为优秀、良好以及较差（评分处于合格和不合格区间）的企业，受科技和金融 结合试点政策影响下股票系统性风险的变化情况。从表7可见，科技金融的回归系数仅在列（3）显 著为正，且在 1%统计水平上显著。这意味着，科技金融对股票系统性风险的提升作用，主要体现 在信息披露质量欠佳的上市公司样本中，对信息披露质量优秀和良好的公司，该作用并不显著。 其原因或许是，信息披露质量差的公司，信息透明度低，投资者难以精准评估公司价值与风险，致 使市场对这些公司的反应更为敏感、波动。科技和金融结合试点政策的推行，可能进一步加剧这 类公司的信息不对称问题，进而增大股票的系统性风险。
（二）公司产权性质
根据公司产权性质分组回归的结果如表 8 所示。列（1）展示了科技和金融结合试点政策对 国有企业股票系统性风险的影响，列（2）汇报了该政策在非国有企业样本中的影响情况。如表 8 所示，科技和金融结合试点政策对国有企业和非国有企业股票系统性风险的影响差异显著。其 中，该政策对国有企业的影响系数较小，且在统计上不显著；而在非国有企业中，科技金融的系数 在 1% 统计水平显著为正，系数估计绝对值达 0.0542，相比表 2 列（4）的基准回归结果，高出 2.25 倍。这表明，相较于国有企业，非国有企业的股票系统性风险受科技和金融结合试点政策的影响 更为显著。背后可能的原因是，科技和金融结合试点政策通过提供资金支持、税收优惠等举措， 有力推动了非国有企业在科技创新与研发上的投入，提升了企业竞争力与市场表现。在股票市 场中，这种政策效应体现为系统性风险上升，源于投资者对这些企业未来增长和盈利能力的预期 更高。
（三）公司股票所在交易市场
接下来根据公司股票所在交易市场的不同进行分组检验，分析科技和金融结合试点政策在不 同股票交易市场的影响。回归的结果如下表9所示。具体来看，列（1）汇报了对创业板公司科技和 金融结合试点政策对股票系统性风险的影响，列（2）汇报了对于非创业板公司科技和金融结合试 点政策对股票系统性风险的影响，列（3）聚焦非创业板中沪深主板样本，排除了科创板和北交所。 结果表明，在列（2）中，对于在非创业板上市的公司，科技和金融结合试点政策对其股票系统性风 险的影响系数较大，且在 5%的统计水平上具有显著性。列（3）聚焦沪深主板时，科技金融的系数 估计值同样在 5%的统计水平上显著为正。但对于在创业板上市的公司，科技和金融结合试点政 策的影响系数较小，且在统计意义上不显著。这意味着科技和金融结合试点政策对成长型企业的 股票系统性风险影响相对较小。可能的原因是，成长型企业通常具有较高的风险偏好和创新活 力，而成熟企业则更依赖于稳定的金融环境和政策支持。因此，成熟企业对科技和金融结合试点 政策的反应更为敏感，从而导致其股票系统性风险的变化更为显著。此外，创业板市场的投资者 结构和交易机制可能与主板市场存在差异，这也可能是导致科技和金融结合试点政策对创业板公 司影响不显著的原因之一。
（四）公司所在区域
最后，依据公司所在区域的不同展开异质性检验，探究科技和金融结合试点政策在东部、中部 和西部地区对股票市场系统性风险的异质性影响。回归结果如下表10所示，列（1）、列（2）和列（3） 分别汇报了东部地区、中部地区和西部地区的回归结果。结果发现，东部地区科技金融的系数估 计值显著为正，这说明科技金融在东部地区会显著正向影响股票系统性风险。而在中部地区科技 金融的系数估计值为负，不过该结果在统计上并不显著。在西部地区，科技金融的系数估计值虽 为正，但同样并不显著。由此可以发现，科技金融对股票系统性风险的影响主要体现在东部地区， 在中部和西部地区的影响并不显著，这反映出科技和金融结合试点政策在不同区域存在明显差 异。背后的原因可能是，科技和金融结合试点政策在不同区域的影响差异与地区经济发展水平、 金融市场成熟度、企业类型以及产业结构等多种因素相关。
七、结 论
本文以2008~2023年的上市公司为样本，以“促进科技和金融结合试点”政策作为准自然实验， 探究科技金融对股票系统性风险的影响，并研究内在的作用机制。本文发现，科技金融的发展在 一定程度上增加了股票的系统性风险，使得市场的波动性增强。机构投资者择股风险分化机制的 作用在于，耐心资本能够缓解股票系统性风险，机构投资者的持股越稳定，科技金融发展对系统性 风险的影响就越弱。个人投资者非理性行为机制的作用在于，个人投资者面对的信息不对称越少 个体投资者的非理性行为越少，进而会缓解股票市场的系统性风险。异质性分析表明，科技金融 对股票系统性风险的影响主要集中在信息披露质量较差、非国有、非创业板和东部地区的上市 公司。
结合研究结论，本文提出以下两点政策建议。
一是大力发展耐心资本。耐心资本对降低科技金融发展引发的股票系统性风险，发挥着重要 的缓释作用。因此，需多管齐下，推动耐心资本发展，充分发挥稳定风险、助力创新的效能。一方 面，积极引导社保基金、养老基金等长期资金入场。这类资金具备天然长期属性，可扮演耐心资本 角色。通过投入有潜力的科技创新项目，为企业发展提供长期稳定的资金支持。同时，改善机构 投资者结构，降低市场短期波动，增强稳定性。另一方面，营造良好市场生态，弘扬资本市场长期 主义文化，改变投资者过度追求短期利益的观念。同时，优化创投全链条政策，从税收优惠、简化 审批等方面，引导和激励社会资本投早投小投硬科技。对早期硬科技投资给予税收减免，降低投 资成本。简化审批流程，让企业更快获得融资。促使投资者与创新企业形成紧密“共同体”，携手 促进科技金融稳健发展。
二是积极引导投资者理性参与资本市场。个人投资者活跃度低时，信息不对称问题加剧，易 催生非理性投资行为，推高股票系统性风险。为改善这一状况，要强化投资者教育，着重培养风险 意识，引导其摒弃投机心态，树立长期、理性的投资理念，避免因冲动而遭受损失。与此同时，必须 健全投资者保护机制。监管部门应加大执法力度，对市场操纵、内幕交易等恶劣违法行为，予以严 厉打击，确保市场的公平、公正与透明，为投资者筑牢权益防线，营造安心的投资环境。此外，还应 鼓励机构投资者发挥专业优势。鼓励其利用线上互动平台，如股吧、投资论坛等，与个人投资者积极互动。通过分享专业的投资分析、传授风险管理技巧，引导个人投资者理性决策，为资本市场注 入更多理性力量，促进市场平稳健康发展。
