非财务指标对上市公司估值及后市表现影响——以TMT和互联网企业为例

非财务指标对上市公司估值及后市表现影响以TMT和互联网企业为例宏观锂济研宏2o13年第12期 非财务指标对上市公司估值 及后市表现影响 以TMT和互联网企业为例 谌 鹏 内容提要 TMT和互联 网行业是我国高新技 术行业的代表，其非财务特征尤其受到关注。本文 主要借助OSI模型对该行业按照产业特征进行分 层归类，然后研究其企业估值和后市表现。实证结 果表明企业业务模式、规模效应、企业治理以及科 研技术这些指标对估值都有一定影响，但后市表现 上，主要受企业业务模式和企业治理指标的影响。 基于此，在对TMT行业进行资产配置的时候，可投 资于TMT和互联网行业中业务趋于多元化的、家 族式的且没有风险资本入股的企业。 关键词 TMT和互联 网企业 非财务指标 企业估值 后市表现 一、引言及文献综述 企业IPO价格行为是指首次公开发行(IPO)股 票价格的变化过程，这个过程以上市 日为界分成两 个阶段 ，一个是从发行价格到上市价格的变化 ，为 初始收益；一个是 IPO后的价格变化 ，称之为后市 变现。部分研究已经表明，IPO的中长期后市表现 往往会差于市场或同类非新股票的表现，该现象称 之为IPO的长期弱势。对于股票估值和后市的研 究，过去主要侧重于解释该现象在整个股票市场出 现的原因，行业内的差异研究却往往被忽视。 本 文将 重点 关 注 TMT(Technology，Media， Telecom)和互联网企业，韩军(2011)认为电信网、 广播电视网、互联网三网融合实质性步伐已经真正 启动，这为 TMT和互联 网行业的公司创造出巨大 的发展机会。研究这类型企业，我们必须关注其独 特的产业特征及“软实力”，所以在分析他们财务指 标的同时，也必须对非财务指标进行合理的影响论 证 。 首先，本文会先找出影响TMT和互联网企业估 值的非财务指标，而非财务指标在企业价值研究中 经常被忽视，但随着对股票估值的准确性要求不断 提高，该领域逐渐开始得到重视。国外方面，Klein (1996)等发现，出现管理层收购时，在IPO前管理 层留有大部分股份的企业，其股票估值会要更高。 在研究高新技术产业方面，Rajgopal(2002)等研究 了美国互联网企业的IPO，发现网络优势好的互联 网企业会有更高的估值。在国内研究方面，蒋国云 (2005)和王向楠(2012)曾把公司治理指标引入上 市企业的估值中，发现公司治理结构显著影响企业 的股价水平 ；李曜和张子炜(2011)发现私募股权和 天使资本对在创业板上市的企业产生不同的估值 影响。可见非财务指标对企业的价值影响是存在 的、显著的，对他们的研究是对财务指标研究的一 种补充。 其次，研究股票的IPO后的后市表现，现在主 流的研究方向在证明IPO后的长期弱势 ，Loughran 和Ritter(1995)研究了美国在 19870-1990年IPO的 企业后5年的股市表现，发现他们长期表现差于那 些非 IPO的企业 ；Brav和Gompers(1997)研究了美 国900多个企业的后市表现，发现拥有风险资本入 股的企业后市表现更优。国内方面，江洪波(2007) 认为 IPO的定价非有效造就了后市表现异常的现 象 ，从而违背有效市场假说 ；王春峰和罗建春 (2002)以我国1997-1998年上市的A股企业为样 本，通过超额累计收益率对比发现，这些企业在 宏观锂济研完2013年第12期 IPO后3年内的股市表现都弱于市场；陈琪(2012) 和王宗萍(2013)也得到相似的结论。以上关于后市 表现的研究侧重点在IPO企业和非IPO企业的比 较，而且几乎一致性认为具有长期弱势，但并没有 挖掘对于具有较强产业特征的IPO企业，如TMT行 业企业在分行业下的后市价值。为了让研究更具现 实指导意义 ，本文主要找出对 TMT和互联网企业 后市表现具有区分效果的非财务指标。 二、产业分层以及非财务指标选取 TMT和互联网行业是具有明显产业特征差异 的行业，其价值的评定不能通过简单的财务指标来 体现，业务模式、企业治理、科研水平、规模等级等 非财务指标也能对其价值产生影响。本文的研究思 路主要为，首先按照产业特征对行业内企业划分层 级，继而在实证基础上找出影响这些企业估值的非 财务指标，最后，在这些非财务指标的指导下，通过 累计收益率分析该行业的IPO企业的后市表现及 原因。 (一)TMT和互联网产业分类 TMT，是通信、媒体和科技(Technology，Media， Telecom)的合称，其中技术主要是指信息技术，从 本质上看，通信是整个TMT行业的载体和基础，媒 体则代表了内容和整合，而科技是以互联网技术为 核心的技术服务手段和技术快速升级过程；三者的 关系代表了支撑信息运行、信息连通和增值平台、 信息的制造和整合三类信息通信的基本功能。其 中，通信网络是组成和支撑其他媒体和互联网及信 息技术的基础网络，其核心是网络协议，也就是通 信网络设备间通信规则的正式称谓，只有相同网络 协议的计算机才能进行信息交换，是计算机和其他 设备在网络中实现通信时必须遵守的约定，从上述 角度讲，通信协议可以说是整个通信及网络系统实 现的“元规则”，也就是说，TMT行业就是在通信协 议基础上的实现和变革过程。 通信协议的技术特征及其演进过程对整个行 业的技术特点产生最本质的影响，在此基础上影响 产品和服务的特征，而产品和服务的特征及其企 业、行业在市场中的发展共同强烈影响着整个TMT 行业的产业发展特征、甚至决定着产业发展的格 局。正是因为通信协议具有“元规则”的作用，他实 际上成为了TMT行业 的“法律”，并 由此沿着技术 特征一产品服务特征一行业规则一产业格局一产 业特征的路径深深影响着全产业链的演进和发展。 OSI参考模型(OSIRM)，其全称为开放系统互 缒用层 J议 缒用层 瘦用层 丧示层JJ议 农示层 表示层 会活 仂-议 会话层 会话层 运输层 议 运输屡 运输层 嘲 屡封议 l蚓络 饥议 刚络层 删络屡 链路朕协议 键路 淡 数据链路层 通信 数据链路层 子网 物娥 议 物 -'LIh2 议 物理 物理联 图1 OSI协议层之间的关系 93 宏巩锂济研完2013年第12期 连参 考模 型 (Open System Interconnection Refer ence Mode1)。作为通信领域内应用最广泛的协议 框架，是通信和网络协议的“基本法”，为分析TMT 行业的产业链分层研究提供了一个可供参考的功 能性结构框架。 这个模型把网络通信的工作分为七层，它们由 高到低分别是应用层(Application Layer)、表示层 (Presentation Layer)、会话层 (Session Layer)、传输 层(Transport Layer)、网络层(Network Layer)、数据链 路层 (Data Link Layer)和物理层 (Physical Layer)。 从高往低看，最高四层主要负责端到端的数据通信 工作，最低三层则主要负责搭建网络通信的链接线 路。各层级都有具体的功能，且相互支持。 OSI协议提供的基本模型构成了所有通信系统 的“元规则”，在通信协议基础上运行的设备以及 其各层系统也完全是按照OSI协议来呈现其特点 的。基于此 ，引人 OSI七层协议的框架用于TMT和 互联网行业的产业分析是可行的。 在现代TMT和互联网产业中，基于OSI协议七 层的框架，每层都有相关的产业对其进行支持和服 务，因而服务于OSI协议的不同层级决定了该设备 或系统所处的产业链位置。从OSI框架下衍生出来 的产业链可以分为三个层级基础网络运营层， 服务基础承载层以及互联网和服务运营层，本文将 基于这三个层级把TMT和互联网行业的企业进行 分层归类。第一层级为基础网络运营层，主要包含 网络基础设备制造商等；第二层级为服务基础承载 层，主要包含网络平台的运营商和终端设备(含操 作系统)制造商等；第三层级为互联网和服务运营 层，主要包含网络基础接人服务商、网络垂直频道 服务商、网络聚合社交服务商等。根据OSI模型的 层级特性决定了每个层级都有其独特的产业链位 置，通过分层实证筛选出共同和独特的非财务影响 指标 ，对TMT和互联网行业的估值和后市表现将 会有重要的指导意义。 本文根据TMT和互联网企业的第一主营业务 收入的类型对他们进行归类分层。 (二)非财务指标的选取依据 对TMT和互联网企业进行归类分层后，下一 步就是选择非财务指标。本文在参考以往文献研究 的基础上，对非财务指标进行四个方面的综合划 分，分别为业务模式、规模效应、企业治理以及科研 技术水平。 企业业务模式的代理变量为企业的第一主营 业务收入 占比，该变量可以相对看出企业在该行业 中是倾向于多元化经营模式还是单一化经营模式。 由于研究企业规模较为常用的是企业的资产 量，而本文从非财务因素出发，选取能界定规模的 非财务变量，此处将使用子公司数量为规模效应的 代理变量。一般而言，子公司数量越多，企业在管理 成本、科研支出等方面的规模效应会越显著。 企业治理涉及企业的多个方面，本文的关注点 主要为企业的家族性质以及近些年兴起的风险资 本人股性质。家族式管理在中国上市企业中是一个 比较普遍的属性，家族企业一般权力相对集中，决 策更具保守型，对TMT和互联网行业而言，会对创 新开发和营销网络构建产生一定的影响。风险资本 人股对企业的上市影响也是显著的，Megginson和 Weiss(1991)认为有风险投资家参与的企业其市场 估值将会受到影响，李曜和张子炜(2011)用国内的 创业板的数据实证了这点。本文把两变量设置为两 个虚拟变量。 在科研技术水平方面，为了避免疏漏，本文选 择了科研人员比例、科研开发支出占比以及知识产 权数作为TMT和互联网企业在这方面的代理变 量。创新水平一定程度与科研人员和支出有关，而 知识产权数则是企业的一个技术壁垒。他们对企业 的长期利润影响都较大，是估值和后市表现不可忽 视的变量。 三、TMT和互联网企业估值的实证分析 (一)数据来源和处理 为了区别于TMT和互联网企业前期估值和后 市表现的期间，本文使用企业的IPO首发价来表示 股票的价值。为了消除大市对其价格的影响，把首 发价格“归一化”，每个企业首发价格都除以当天的 行业指数(行业指数选取复权申万行业指数，数据 来源为Wind数据库)，并对该数值乘以100，获得相 对首发价格(c price)，以此作为本文模型的解释变 量。 由于企业估值都是从财务指标出发的，如果完 宏观饪济研完2013年第12期 全脱离财务指标进行建模，即使本文的实证结果显 著，那么其回归也有可能是“伪回归”。参考过去文 献，估值的最常用的财务指标为ROE(X )，故本文 的模型以ROE这个财务指标为基准进行扩展。 另一方面，为了研究非财务指标对这些TMT企 业价值的影响，在上部分已经说明挑选七个非财务 指标的原因，这些指标包含科研人员比例(x。)、科 研开发支出占总收入比例(x：)，企业拥有的知识产 权数量(x。)、企业拥有的子企业数()(4)以及企业的 主营业务 占比(x )，以及两个虚拟变量 ：是否为家 族企业(ram)和是否有风险资本人股(risk)。 本文选取的企业上市期间为2000年 1月 1日 至 2012年 6月 ，样本企业共有 159家。所有指标均 选取IPO前一年的数据为准 ，ROE来源为 Wind数 据库，非财务指标均由其招股说明书的具体内容搜 集整理而成，剔除异常值后，样本总数为108个。 (二)实证模型 考虑到王月溪和庄尹波(2010)使用的多因素 估值模型在我国A股有较好的适用性且修正简便， 而本文要研究非财务指标对上市企业首发价格的 影响，故可以参照该估值模型修正如下： c_price=oo+OlXl+azX2+ctsX3+o4X4+osXs+ct6X6+ n7fam+o8risk 但由于变量过多，为了避免出现多重性，影响 回归的可信性，故本文将参考杜勇和陈建英(2013) 在估算我国亏损上市公司财务价值时所采用的主 成分分析法进行模型简化以及变量降维。由于变量 是否为家族企业(ram)和是否有风险资本入股 (risk)为两个虚拟变量 ，放进主成分变量反而会增 加解释难度，故只对剩下的六个变量进行主成分构 造。变量 x。至x 由于量纲不齐 ，所以先对他们进行 标准化，然后再进行主成分估计。当主成分到第四 个的时候，方差贡献超过85，故可以忽略第五和 第六个主成分的作用。 主成分分析起到了降维和排除非线性的作 用，本文的六个变量可以转为四个特征向量，然后 进行载荷矩阵旋转，从而得到四个主成分的表达 式。把主成分加入到模型中，可以把本文的多因素 模型调整如下 ： c_price=ao+a,F+a2F2+osFs+o4F4+osfam+a6risk (三 )实证结果 代人数据，然后按照上面的层级分类方法，把 108个企业样本数据分成三组，然后对不同层级的 企业群数据进行相同模型的实证，结果如表 1所 示。 表 1 IPO价格(c_price)实证分析结果 l 第一层级 第二层级 第三层级 I 家族指标 0-38 092 O03 风险资本指标 OO8 -007 -086 l 第一主成分 一025 -0033 0-26 半， l 第二主成分 066 023串聿 0-37 第 ：丰成分 -024 00809 0294 第四主成分 0147; -003 009 常数项 l|49籼 术 159籼 丰 245 R O65 067 O75 样本个数 47 34 27 注：“ 、“料”、“料 分别表示在 10、5、1的范围内显 著。 在把各主成分的显著变量进行分解，可以得到 表2，每个系数代表了指标对每个层级企业估值的 影响程度。 表2 非财务指标对各层级企业相对估值的影响程度 指标类型 非财务指标 第一层级 第二层级 第三层级 业务模式 主营业务比例 -344 004 018 规模效应 子企业数 -359 一O13 024 是否为家族企业 0-38 092 企业治理 是否风险资本入股 -086 科研人员比例 -239 009 O1O 科研技术 科研开发支出占比 OO6 O10 007 知识产权数 一049 OO8 -0O1 从业务模式指标的结果来看，主营业务比例对 第二、三层级的影响并不大；对第一层级影响最大， 且是负效应的，反映市场希望该行业第一层级的企 业业务模式更多元化一点。 而规模效应指标子企业数对各层级企业 的估值影响都是负效应的，预示着投资者对整个 TMT和互联网行业的企业规模都不希望过大，子企 业越多，规模越大，投资者反而会对该企业估值下 降。 企业治理方面，家族企业指标只对第一、二层 级显著，风险资本人股指标只对第三层级显著，从 这里可以看出对于第一、二层级，投资者更倾向于 95 宏观锯济研 2013年第12期 对家族性质的企业高估值。而对第三层级，市场则 厌恶有风险投资者的加入，这与李曜和张子炜 (201 1)的结果有一定的相似。 三个科研技术水平指标科研人员比例、科 研开发支出占比和知识产权数对各个层级企业虽 然有显著影响，除了对第一层级的企业受科研人员 比例一定的影响外，其他影响程度都不大，而且对 企业的估值产生负效应。 总结起来，本文选取的七个非财务指标中，除 了家族企业指标和风险资本入股指标有着较为明 显的层级特性外，其他都能对TMT和互联网企业 的估值产生显著影响。从这个结论出发，再继续深 入研究这些企业IPO后的后市表现。 四、TMT和互联网企业基于非财务指标 的后市表现 (一)模型构建和数据处理 前述分析已经研究了IPO估值的主要非财务 影响因素，以下将从首次公开发行后的二级市场表 现来分析是否能够完全反映前述分析的非财务指 标 ，这对 于资本 市场 的资源配 置尤 为重要 (Loughran和 Ritter，1995；Bray和 Gompers，1997)。 这一部分仍然沿用前述的我国TMT行业典型上市 企业作为样本，通过研究其3年的后市表现来进行 计算相应的BHAR的数值，并结合之前分析选取的 非财务指标进一步分析业务模式、规模效应 、企业 治理和科研技术等非财务指标对TMT上市企业的 后市影响情况。 后市表现参考丁松良(2003)所用的持有至出 售 的超 额 收 益率 BHAR(buyandhold abnormal return)模型，此模型主要用于表现企业相对于行业 市场的相对收益，其计算方法如下： mini37。delist mini37，delist BHAR n (1 )一n (1+啪 ) t=2 t=2 其中，上市首月t值设定为2，即上市一个月后 开始计算；min37，delist代表第37个月、上市到退 市或已上市月份的最小值，截止时问为2013年2月 份。ri 代表上市企业i在统计方法中的第t个月的月 度收益率，mri 在时问上与之相对应的市场月度收 益率。对于我国市场，受限于指数存续期间的有效 性，本文采取申万行业指数的月度收益率作为相应 的市场月度收益率。 首先对样本中所有企业的BHAR数据进行剔 除异常数据，通过散点图分析，可以得出华胜天成、 易华录、航天信息、川大智胜4家企业的BHAR数 据明显异于其他样本企业，因而在分析中将其剔 除，剩下104个企业数据。具体过程见图2。 腮 婀 T畀 ，姒 蛞 耿 凤 生 三。 刎 l淋 开 吊 旧 州 耿 - ， - t ， 一 图2 后市表现散点图 (二)具体指标对后市表现影响分析 按照上述方法处理数据，获得全样本企业的 BHAR，其均值为1175，也就是TMT和互联网企 业在首发后的后市表现是明显优于市场水平的，此 结果和很多主流研究结果相反，主流结果大部分都 是证明了IPO的长期弱势，从而可以看到分行业研 究的重要性。 4 3 2 1 O l ， 2 5 1 O 5 5 _ I l 0 0 1 宏巩锯济研 2013年第12期 第一，业务模式指标上，对样本主营业务占比 进行从低到高排序，对在中值处进行划分，再求其 均值，而且对其均值的差异性进行T值检验，得到 表 3。可以看 出，主营业务 占比对该行业的后市表 现能产生显著的影响，主营业务占比相对低的该行 业企业获得了高于市场2416的优异表现，而主 营业务占比相对高的该行业企业表现却输给大市。 表3 业务模式指标对 BHAR影响 I主营业务占比中位数J前50BHAR均值l后50BHAR均值l T值 l l 63 2416 I O66 l202 f 注：“ 、“ 、“料 分别表示两个收益在 10、5、1的 显著性水平下有差异，表4一表6同。 第二，规模效应指标上，处理和业务模式指标 处理相似，也做了排序区分。结果显示子公司更多 的企业后市表现更为优异，但是从T值检验来看， 前50和后50的均值差异不显著，所以规模效应 指标对后市表现的影响并不显著。 表4 规模效应指标对 BHAR影响 l子公司数量中位数 l前50BHAR均值l后50BHAR均值l T值 l l 2 l 854 l 1496 f一051 l 第三 ，企业治理指标上的处理更为复杂。因为 从上一部分知道，家族企业指标只对第一、二层级 企业影响显著，而风险资本入股指标只对第三层级 的企业影响显著 ，故检验后市表现的时候 ，家族企 业指标的数据样本只选择第一和第二层级的企业， 风险资本入股指标的数据样本则只选择第三层级 的企业。从下面的结果看来，家族企业的后市表现 超越市场收益2969，也远优于非家族TMT和互 联网企业的663，差异显著。风险资本人股方面， 没有风险资本的TMT和互联网企业表现高于大市 2765，也显著优于没有风险资本人股的。 表 5 企业治理指标对 BHAR影响 指标为 1 指标为0 T值 家族企业指标 2969 663 一191 风险资本人股指标 -004 2765 2O4 第四，科研技术水平指标上，三个指标的处理 和上面的业务模式、规模效应指标处理是相似的， 先是从低到高进行排序然后在中值处进行划分，其 BHAR差异如表6所示。除了科研人员比例对后市 影响有显著差异外，其他两个科研技术指标对后市 影响并不显著。科研人员比例高的企业会超越市场 2006的收益，但其和科研人员比例低的企业差异 显著性不是很强。 表6 科研技术水平指标对BHAR影响 科研技术指标 中值 前50BHAR均值 后 50BHAR均值 T值 科研人员比例 38 344 20O6 134* 科研支出占比 7 844 1506 -053 知识产权数 23 7-31 16-2O -071 (三)实证结果分析 把后市表现的实证结果和IPO估值的实证结 果进行对比，可以发现，两者存在一定的一致性，而 这个一致性主要从TMT和互联网行业的竞争特性 和我国总体技术水平来解释。 首先是业务模式上，投资者在估值阶段会给倾 向于多元化的模式给予更高估值，同时后市阶段， 倾向于多元化模式的企业股票表现会更好。TMT和 互联网行业的第一层级企业面对的市场需求有限， 同时第二层级受到电信运营商的垄断挤压，故这两 个层级的市场份额竞争尤为激烈；第三层级企业具 有一定的需求创造功能，竞争局面存在却不如第 一、二层级激烈。在这种竞争激烈的市场里面，业务 多元化可以一定程度弥补在竞争力不足时的收入 减少，从而保证企业的业绩。 按照波特五力模型，规模效应能形成一定的进 入障碍。但是在实证中发现，估值上规模效应产生 了负效用 ，也就是投资者并不认同规模效应在我国 的竞争阻碍作用。在我国具有规模效应的主要是央 企、国企(本数据样本也是如此)，而他们的业绩、管 理水平大部分都不如人意，从而规模效应产生的竞 争优势反而逐渐不被我国投资者认同。在后市表现 方面，规模效应变量更是没有产生收益上的差异。 在企业治理理论 中，家族企业 由于过于集权 ， 往往存在很多缺点。但是在本文的实证结果发现， 第一、二层级的TMT和互联网企业的家族属性提 高了企业估值，也推高了企业后市表现。因为该行 业的第一、二层级的市场竞争最为激烈，过于激进 的企业决策是增加了投资风险，而家族式管理下的 保守型决策会让企业在激烈竞争的市场中更具生 宏观锂济研充2013年第12期 存力。第三层级是最接近消费者的层级 ，可称之为 最“草根”的层级。这一层级的企业往往通过开发各 种创新软件或者平台创业，具有一定的需求创造功 能，也是最容易找到风险投资的行业。但从结果看 来，风险资本人股会使得这些企业的估值下降，同 时，后市表现也不如人意，从现实情况分析 ，这个现 象主要和我国风险资本的习惯做法相关。我国的风 险投资往往存在急于套现的现象，会在企业上市后 短期内进行撤资，使得股价出现下跌，所以投资者 对风险资本入股的企业都会预期出现股价“跳水”， 投资这类企业应充分考虑上述情况。 最后，科研技术水平指标上，前期IPO估值和 后市表现的两类实证结果都颇为意外，因为根据波 特五力模型，在TMT和互联网这种高新技术的行 业中，科研技术水平应该是一种很关键的竞争力， 但实证结果表明我国投资者并不买账。在IPO估值 阶段，科研技术指标产生了负效用；在后市阶段，科 研指标只有科研人员比例提高了企业的后市表现。 解释上述现象 ，一方面因为我国在TMT和互联 网 上的总体技术水平较世界先进水平仍有较大差距， 即使开发新的技术也只是在模仿追赶 ，很难形成核 心竞争力；另一方面，因为我国知识产权相关法律 法规仍有很大提升空间，且行业保护意识薄弱 ，从 而导致开发新技术也不一定能获得投资者的认可， 因为投资者会预期技术领先期限很短，技术开发性 价比很低 五、结论与建议 从以上实证分析可以发现，TMT和互联网企业 的估值和后市表现受非财务指标影响具有一定的 复杂性 ，但也具有一致性 ： 第一 ，业务模式上 ，该行业多元化经营的企业 会获得更好的估值，而且主要表现在第一层级的企 业上。多元化会推动该行业企业有更好的后市表 现，多元化模式能补充激烈市场竞争下的业绩不 足，符合这个行业的生存特性。 第二，规模效应上，此效应对三个层级的企业 影响都是显著的负效应，因为规模经济主要出现在 拥有国家背景的企业上，使得我国投资者对这个效 应并不认同。而且在后市上，该效应的影响更是非 98 显著 的。 第三 ，企业治理上，TMT和互联网行业第一、二 层级的企业具有家族属性会有更高的估值和后市 表现，主要因为第一、二层级市场竞争最为激烈，家 族企业的保守性决策更具生存力。第三层级的企业 没有风险资本入股估值会更高，以及后市表现会更 好，这表示风险资本在二级市场并不受欢迎。 第四，科研技术水平对三个层级企业的估值影 响不大，甚至对第一层级起了负作用 ；而后市表现 上，这三个指标则出现两个失效，只剩下科研人员 比例指标有显著作用。这个结果主要归因于我国的 总体技术水平较低和知识产权保护意识较弱。 基于本文的研究，对该行业的资产配置提出以 下建议 ： 首先，投资于该行业要密切关注企业的非财务 指标。无论是TMT和互联网企业的估值还是后市 表现，都与非财务指标密切相关。股票市场的资源 配置往往关心最多的是企业的财务数据，但是企业 的股票估值和收益是由整个市场来决定的，投资者 不会只根据财务数据而去影响股市，所以只靠企业 的财务数据，分析结果很容易出现偏颇。非财务指 标是企业盈利的调整指标，也不可忽视。 其次，对非财务指标的作用需要清楚市场的反 应。例如在TMT和互联网这类高新技术的行业中， 科研能力无疑是很重要的，但是科研指标只是较弱 地影响了企业在股市中的估值和后市表现。这违反 了多数人的直觉，所以在逻辑存在多个可能性的情 况下，后验式看待影响因素会更合理。 再次，从投资者的角度看，科研技术水平并不 是驱动TMT和互联网企业股票价值的主要因素。 这个结果是由我国的总体行业技术水平和知识产 权保护水平的背景决定的，而投资者在这个维度上 对股票价值的扭曲源 自于技术水平的低下和制度 的缺失。所以要纠正这个行业在这个方面的价值， 必须推动TMT和互联网核心技术的研发 ，以及政 策上加强知识产权的保护。 最后，企业业务模式、家族企业和风险资本是 影响TMT和互联网企业估值和后市表现的关键指 标。从本文的结果可以看到，企业倾向于业务多元 化模式，或者企业具有家族属性都会让该行业的企 业具有更高估值和更好的后市表现，而风险资本入 宏巩饪济研完2013年第12期 股的企业则应该注意，其估值和后市表现可能差强 人意。 注释 ： 本文也做了KMO检验，证明主成分分析是合理的。 参考文献： 陈琪：我国上市公司经营性资产质量评价与成长性 研究以制造业上市公司为例，中南财经政法大学学 报12012年第 1期。 杜勇、陈建英 ：中国亏损上市公司的财务价值：概 念、特征与度量，宏观经济研究)2o13年第5期。 韩军：三网融合下传媒产业发展的路径及对策分 析，宏观经济研究12011年第12期。 蒋国云、薛斐：公司治理对上市公司估值影响的实 证研究，世界经济情况)2005年第15期。 江洪波：解读IPO价格行为“异象”基于行为金 融模型和有效市场假说的分析，价格理论与实践)2007 年第 4期。 李曜、张子炜 ：私募股权、天使资本对创业板市场 IPO抑价的不同影响，财经研究12011年第8期。 王春峰、罗建春：我国股票IPOs长期弱势现象的实 证研究，南开经济研究12002年第3期。 王向楠、张立明：企业社会资本与企业绩效关系的 元分析，西部论坛2012年第5期。 王月溪、庄尹波：我国IPO定价多因素模型设计实 证研究，哈尔滨商业大学学报(社会科学版)12010年第4 期 。 王宗萍、王强：持续经营不确定性审计意见对财务 困境的预测效用来自中国A股上市公司2o072011 年的经验数据，西部论坛)2013年第3期。 Brav，Aand Gompanies，P?A，Myth or reality?The long-run underpefformanee of initial public offering from venture and nonventur