股市状态、股权集中与现金股利政策
一、引言
上市公司股利问题一直是国内外研究者关注的一个焦点。Fuller and Goldstein（2011）研究发现，在熊市中股利的重要性要大于股利在牛市中的重要性。相比牛市，熊市中支付股利的上市公司的股价每个月表现要强于不支付上市公司1%到2%，而且在熊市增加股利发放比起牛市增加股利更加重要。那么上市公司是否会在不同股票市场状态下采取不同的股利政策？在不同市场状态下，股权集中度对上市公司股利政策的影响是否一致？前人研究极大的丰富了股利政策的相关理论，其中包括各种解释“股利之谜”的理论以及在不同国家中，因持股对象性质及持股比例不同而对股利政策产生了不一致的影响。但很少有学者研究在股市不同状态下股权集中对于股利政策的影响。因此本文在结合前人研究的成果上区分了股市状态，并且考察了在股市不同状态下股权集中对于股利政策的影响。本文采用面板数据的Tobit模型与面板数据的Logit模型分析了牛市与牛熊中股权集中度与现金股利政策的关系。
二、研究设计
（一）研究假设 首先根据代理成本理论，（Claessens and Fan，2003）当上市公司股权集度比较低的时候，委托代理问题就存在于全体股东与公司管理层之间。当公司不存在绝对控股股东时，管理层出于自身利益的考虑都会倾向于少分配或者不分配现金股利。当上市公司股权集中度比较高时就出现了控股股东，控股股东可以凭借其对公司的控制力，实现对上市公司管理层的控制，所以此时的委托代理问题转变为控股股东与非控股股东的利益冲突问题。由于信息的不对称，控股股东有可能通过各种手段比如关联交易侵占非控股股东的利益。在股权高度集中的中国，这就演变为大股东与小股东之间的利益冲突，具体表现为大股东凭借其控制权地位进行侵害小股东利益的“掏空”行为（Shleifer and Vishny，1997）。但在不同的市场状态下，大股东的“掏空”行为并不一致。控股股东的收益来自来四个方面：资本利得，股利收益，侵占收益，发放股利带来的溢价。一方面，根据迎合理论，由于市场投资者对支付股利公司的投机性需求，导致支付股利公司与不支付股利公司的价值产生差异（又称为股利溢价），而理性的公司经理人可以洞察到这种时变的股利溢价。为了追求公司短期价值的最大化，经理人将制定相应的股利政策去迎合市场投资者的这种需求，以提升公司的股价。Fuller and Goldstein（2011）认为股票市场在不同状态下，支付股利公司与不支付股利公司的价值产生差异存在区别，在熊市中的这种股票溢价大于牛市中的股票溢价。另一方面，股利分配的信号理论认为公司会通过股利向投资者传递公司的未来盈利可以稳定增长的信号。而传递这种信号的终于目标就是为了获得投资者的投资。在牛市中，个股普遍都会有比较大的涨幅，个股的价值与价格已经存在很大差距，在这种情况投资所获得的资本利得已经远远大于股票的现金股利，所以在这时候发放现金股利对上市公司来说，传递稳定增长信号的作用不明显。在熊市中，在难以获得正的资本利得情况下现金股利变得尤为重要，此时发放现金股利传递公司稳定增长信号的作用更为明显。所以对上市公司来说牛市中发放股利带来的效用小于熊市中股利带来的效用。这也更进一步证实了熊市中股票溢价大于牛市中的股票溢价。假设控股股东效用函数为Max U（Rd，Ru），约束条件为cxRd + cyRu≤ I，其中Rd≥0 ，Ru≥0。其中Rd是指控股股东获得的股利收益以及股利溢价，Ru是指控股股东通过控制公司所获得的其他收益。为了获得相应收益，控股股东必须付出一定成本，如购买上市公司股权所需要的资金、技术，攫取私人收益时应对法律起诉的成本及声誉损失等，同时终极股东掌握的资源是有限的，因此设他所投入的全部资源为I，为取得Rd和Ru而付出的单位成本分别为cx和cy。由图（1）所示，效用曲线和约束线的切点E代表终极控制股东在一定的资源约束下所能达到的最优效用均衡点，其中横坐标表示股东收益Rd的数量，纵坐标代表股东收益Ru的数量。
那么基于迎合理论以及信号理论的分析，在牛市的时候，控股股东的侵占收益大于股利收益以及股利溢价之和， 因此大股东会选择进行侵占小股东利益，而少发放现金股利。这时控股股东选择的均衡点为E点。在熊市的时候，大股东的股利收益以及股利溢价之和大于侵占收益，因此控股股东会选择多发放股利，同时加大侵占活动。这时股东花费相同的成本却能获得更多的收益Rd，约束线由原来的GI变成了GH，新的均衡点为F点。因此在牛市中，股权集中度对股利政策没有影响。但是在熊市中，随着控股股东股权集中度的提高其对公司控制权的加强，为了维护自身利益控股股东会更加热衷于发放现金红利，因此本文提出假设：
假设1：在牛市中，在A股上市公司中股权集中度与公司现金股利政策不存在显著的关系；
假设2：在熊市中，在A股上市公司中股权集中度与公司现金股利政策存在显著的正相关关系
（二）样本选取和数据来源 本文以在深圳证券交易所主板上市的483家A股公司为研究的初始样本，为了保证数据的有效性，根据以下选择标准对原始样本进行了严格的筛选。原始数据来自国泰安数据库（CSMAR）。本文全部分析通过Stata10和excel统计软件实现。（1）由于会计准则和市场环境的差异会对股利政策的选择带来影响，因此本文研究中只包含仅发行A股的上市公司，不包括同时发行A股、B股或H股的公司。（2）为了消除行业特殊性对股利政策的影响，研究排除了金融业的上市公司。（3）为了考察正常经营公司的股利政策，排除ST、PT的公司。（4）剔除资料不全的公司，并且剔除一些存在异常值的公司。最终得到符合上述条件的有效样本为2003-2011年间358家上市公司的3214个观测值。 （三）变量定义 本文选取如下变量：（1）因变量：在国内一些学者的研究中衡量股利政策的替代变量多选取上市公司派发的股利这一定量指标。本文为了克服以上缺陷，以现金股利发放的相对量和是否发放现金股利两个方面为出发点，构造了上市公司现金红利占总资产的比重（Div_to_a）、上市公司现金红利占净利润的比重（Div_to_np）和上市公司是否分配现金红利（Div-Dum）作为股利政策的替代变量。其中Div-Dum是虚拟变量，1表示支付了现金股利，0表示没有支付现金股利。（2）自变量。关于股权集中度，本文选取了上市公司第一大股东持股占总股本比重（Pones）和前十大股东持股占总股本的比重（Ptens）作为考察股权集中的变量。（3）控制变量。本文选取了公司规模、财务杠杆、盈利能力、股利信号以及行业虚拟变量作为控制变量。公司成长性用公司总资产的增长率来衡量以及营运能力用流动资产的增长率来衡量。其中股利信号使用因变量的滞后值来表示，所以Di的取值分别是D1、D2和D3。在原始数据中有6个行业的分类，本文在删除金融行业以后建立了4个行业虚拟变量，分别是Industry1房地产，Industry2综合，Industry3工业，Industry4商业。具体的变量设计情况见表（1）。
（四）模型建立 由于面板数据不但能提供大量数据、增加自由度、减轻共线性和提高估计的有效性，而且可以控制个体的异质性，减少误差偏差，所以本文使用面板数据进行建模。在模型选择上，由于衡量股利政策的变量一定不会是负值，而且因变量的许多观测值都为零，因变量为截取数据时，使用一般的估计方法会存在偏差，因此本文借鉴了Singhania et al.（2012）等学者的研究成果，使用面板数据的Tobit模型来来研究股利决策中关于股利占比的变量。另外本文借鉴Fama and French（2001）运用Logit回归模型来研究公司是否支付股利。根据研究假设，本文面板数据的Tobit模型以及Logit模型如下：
Divit*=β0+β1Ponesit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk） +εit；Divit=max（0， Divit*） （1）
Divit*=β0+β1Ptensit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit；Divit=max（0， Divit*） （2）
Pr（Div-Dum=1）=logit（β0+β1Ponesit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit （3）
Pr（Div-Dum=1）=logit（β0+β1Ptensit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit （4）
其中β是回归系数，i是指样本公司的序号，k是行业代码，t是指公历的年份，ε是指误差项，Divit包括等于Div_to_ait和Div_to_npit 两种情况。
三、实证检验分析
（一）股市状态的确立 我国股票市场发展时间短、波动也较成熟股市频繁， 为了使判别标准更适用于诊断我国股市的牛、熊市周期， 在借鉴的基础上Pagan and Sossounov（2003）牛、熊市判别标准作了适当的调整。股市年度价格水平用 Pt表示。如果Pt是一个宽度为 3年的价格窗口中的最大值即lnPt-1 （二）描述性统计 根据本文的假设，给出不同市场状态中各个变量的统计性描述，从表（2）统计性描述中可以看到熊市中Div以及Div_to_a的均值略微小于牛市，但是Div_to_np却大于牛市。熊市中个被解释变量的最大值均大于牛市。熊市中的股权集中率高于牛市。从简单的样本统计量难以看出不同市场中股权集中度对于现金股利政策的影响，因此需要采用其他方法继续分析。 （三）牛市面板数据回归分析 如表（3）所示本文对牛市运行时间即2006年、2007年和2009年的面板数据建立了6个模型，即模型（1）到模型（6）。本文从两方面考察股权集中度对现金股利政策的影响。一方面通过面板数据的Tobit模型检验第一大股东持股率以及前十大股东持股率对发放现金股利的相对量的影响，从模型（1）（2）（4）（5）中可以得出股权集中对于现金股利政策的影响是不显著的，在四个模型当中，股权集中度变量都没有通过10%显著水平下的假设检验。另一方面通过构造面板数据的Logit模型，检验股权集中度对于上市公司是否发放现金股利的影响，从模型（3）和（6）中可以得到第一大股东的持股率对于上市公司股利政策的决定没有影响，十大股东持股率对于上市公司股利政策的决定具有微弱的影响，其变量通过了10%的显著性检验。所以总的来说，根据对于牛市数据的建模可以得出股权集中度对于上市公司现金股利政策市不存在显著的影响。另外各个控制变量的显著性水平也比较高，大多数都通过1%的显著性检验。另外，财务杠杠与成长性指标与股利政策存在负相关关系，盈利性指标、经营能力指标和公司规模指标与股利政策存在正的相关的关系，符合前人研究的成果。通过面板数据的模型分析，证实了假设1，即在牛市中，在A股上市公司中股权集中度与公司现金股利政策不存在显著关系。 （四）熊市面板数据回归分析 本文对熊市运行时间即2003年、2004年、2005年、2008年、2010年和2011年的面板数据建立了6个模型，即模型（7）到模型（12）（如表4所示）。从Tobit模型（7）（8）（10）（11）中可以得出股权集中对于现金股利政策的影响是显著的，在四个模型当中，除了（7）中的第一大股东持股率的参数只通过了5%的显著性检验外，其他模型中股权集中度的指标都通过1%的显著性检验。并且从参数的符号可以得出，股权集中度对于现金股利政策具有正的影响，即股权集中度越高，上市越倾向于发放相对更多的现金股利。另一方面从Logit模型（9）和（12）中可以得到第一大股东的持股率对于上市公司股利政策的决定具有显著的影响，其参数都通过了1%的显著性检验。并且股权集中度与上市公司是否发放股利存在正相关的关系。所以总的来说，根据对于熊市数据的建模可以得出股权集中度对于上市公司现金股利政策市存在显著的影响，并且股权集中度与现金股利政策存在正相关的关系。 另外各个控制变量的显著性水平也比较高，大多数都通过1%的显著性检验。另外，财务杠杠与成长性指标与股利政策存在负相关关系，盈利性指标、经营能力指标和公司规模指标与股利政策存在正的相关的关系，符合本文的预期。综上所述，通过面板数据的模型分析，证实了假设2，在熊市中，在A股上市公司中股权集中度与公司现金股利政策存在显著的正相关关系。 如何促使上市公司的现金股利政策趋于理性，成为现金股利研究的重点，亦是中国证券市场持续健康发展的需要。国内关于此话题的探讨，大都从公司内部因素出发，一定程度上忽视了公司所处股票市场环境。基于此背景，本文对2003年至2011年之间的牛市与熊市状态进行了划分，探讨不同股市状态下股权集中度对上市公司现金股利政策的影响。本文采用面板数据的Tobit模型与面板数据的Logit模型分析了牛市与牛熊中股权集中度与现金股利政策的关系。实证表明，牛市中股权集中度对现金股利政策没有解释能力，但是在熊市中，股权集中度却对现金股利政策的有良好的解释能力，股权集中度与现金股利存在正相关的关系。 *本文系海口经济学院2013年度人才专项基金项目“海南上市公司资本结构优化分析”（项目编号：hjkr13-02）阶段性成果
