汪 洋

(安徽師范大學 經濟管理學院， 安徽 蕪湖 241002)

一、引言及相關文獻回顧

2014年8月25日，“新三板”引入做市商交易制度，旨在提高市場流動性。由于主要服務于中小微企業(yè)，加之處于建設期，相關制度尚有缺失，“新三板”市場的信息不對稱程度較高。而信息不對稱對做市商制度有效性有顯著影響。

相關研究發(fā)端于Glosten et al.(1985)，其首次論證做市商依據(jù)訂單流中包含的信息來設定報價。信息不對稱的存在是做市商擴大價差的原因(張元萍 等, 2011)。做市商通過擴大價差來保護自己免受逆向選擇的損害(Grossman et al.,1980;Glosten,1987)。逆向選擇導致存貨成本上升，進而引發(fā)了買賣價差的擴大(Huh et al.,2015)。有研究表明做市商與做市交易企業(yè)的地理毗鄰關系能很好地克服信息不對稱問題。Loughran et al.(2005)利用企業(yè)處于城市和農村的地理位置不同，證明地理變量對做市商獲取信息的影響，進而對流動性產生影響。Kedia et al.(2008)發(fā)現(xiàn)本地做市商更加有利于做市企業(yè)流動性。Kedia et al.(2011)發(fā)現(xiàn)當做市商與做市企業(yè)處于同一都市圈時，由于存在信息優(yōu)勢，可以提高流動性和市場效率。Anand et al.(2011)發(fā)現(xiàn)做市商越接近于企業(yè)總部，越能夠獲得更多內部信息，表現(xiàn)為其做市報價差越小。國內雖然較為缺乏地理距離與做市商制度有效性的直接研究，但也有文獻證明我國存在地理距離對信息不對稱的影響。黃福廣等(2014)認為由于地理距離增加了信息搜集成本，使得我國風險投資存在“本地偏好”。劉江會等(2015)認為地理距離會影響投資者“軟信息”不對稱程度，進而導致不同地區(qū)企業(yè)IPO成本不同。王菊仙等(2016)認為地理距離的遠近決定了分析師獲取私有信息的難易程度和成本高低，從而表現(xiàn)出分析行為差異。

基于或者是主要基于信息不對稱因素考慮，《全國中小企業(yè)股份轉讓系統(tǒng)股票轉讓細則(試行)》規(guī)定：“掛牌公司股票擬采取做市轉讓方式的，其中一家做市商應為推薦其股票掛牌的主辦券商或該主辦券商的母(子)公司”。主辦券商由于推薦企業(yè)掛牌和開展后續(xù)輔導工作，毫無疑問，對掛牌企業(yè)的了解程度要高于其他可能成為做市商的券商。由于深度參與和持續(xù)服務，主辦券商與所推薦企業(yè)存在緊密的利益相關性，因此，主辦券商最初很可能傾向于選擇更容易獲取“軟信息”的企業(yè)作為推薦對象。也就是說，主辦券商很可能也有“本地偏好”，地理距離是其選擇企業(yè)和產生信息優(yōu)勢的主要來源。由于股轉系統(tǒng)的該規(guī)定具有“一票否決”的特征，降低了掛牌企業(yè)采用做市轉讓方式的概率，是存在一定的負面影響的。如果主辦券商的信息優(yōu)勢僅僅來源于距離優(yōu)勢，則放松該政策約束是值得考慮的，因為其它距離相近的券商也能發(fā)揮相同的信息優(yōu)勢，而企業(yè)則能更加充分利用現(xiàn)有券商資源，獲得做市交易資格。如果主辦券商尚有距離之外的獲取信息的優(yōu)勢，則當前政策規(guī)定更具有合理性。

本研究的目的之一是要在“新三板”市場上檢驗地理距離是否會影響做市商制度有效性?！靶氯濉庇枚潭虄赡甑臅r間發(fā)展成世界上掛牌企業(yè)數(shù)量最多的場外交易市場，其成長路徑完全不同于成熟資本主義國家場外市場，這種情況下，基于國外資本市場的相關理論是否還有效是需要實證檢驗的。目的之二是要檢驗主辦券商作為做市商是否比其他做市商能更有效地提高流動性。如果有，這種優(yōu)勢是來源于地理距離因素，還是來源于地理距離之外的其他特征。以期能為評估和調整現(xiàn)有做市商政策提供參考意見。

二、理論分析與研究假設

(一)理論分析

1.“新三板”做市商角色定位的假設分析

在國外經典理論中，對于做市商掌握信息程度持有不同假設而衍生出兩種理論框架：一是非知情交易者假設。發(fā)端于Demsetz(1968)的存貨模型表明，做市商因為處于信息劣勢，面對知情交易者的逆向選擇，設定防御性差價，導致流動性下降。二是知情交易者假設。始于Glosten et al.(1985)的序貫模型則表明，因為信息上的優(yōu)勢(或者相對較小的劣勢)，做市商有主動作為的傾向，從而通過積極調整報價，使得定價更具信息含量，導致流動性上升。股轉系統(tǒng)規(guī)定，我國目前只有券商才有資格申請做市商資格，并且主辦券商必須是企業(yè)做市商之一。相對于其他法人機構，券商在資金規(guī)模、人才優(yōu)勢、社會網(wǎng)絡和投資經驗方面更具優(yōu)勢，尤其是主辦券商對企業(yè)了解程度更勝于其他法人機構。因此，“新三板”做市商的角色定位更加接近于知情交易者，而不是非知情交易者。

2.“新三板”做市商報價行為的動機分析

以知情交易者假設為出發(fā)點，做市商在報價行為上會出現(xiàn)兩種傾向：一是融入私有信息，縮小報價價差，導致流動性提高。二是利用信息優(yōu)勢，擴大價差，對非知情交易者實施逆向選擇，導致流動性下降。由于“新三板”實施的是競爭性做市商制度，即每家做市交易企業(yè)至少有兩家做市商為其提供報價。股轉系統(tǒng)規(guī)定，“如有2筆以上做市申報到價的，按照價格優(yōu)先、時間優(yōu)先原則成交”。出于提高成交概率和市場份額的考慮(Anand et al.,2011)，做市商在競爭過程中有動機融入私人信息，縮小報價價差，而不是反向為之。Glosten et al.(1985)更是在其競爭性模型中論證做市商的收益為零，即處于競爭中的做市商會最大限度縮小價差，而不是擴大價差。另外，出于保護自然人投資者的考慮，《股轉系統(tǒng)投資者適當性管理細則》實際上限定了“新三板”是一個機構投資者為主的市場。這就使得市場上投資者異質性減小，做市商利用信息優(yōu)勢實施逆向選擇的可能性下降。所以，在“新三板”市場上，做市商更可能出于提高成交概率和市場份額動機，融入私人信息，縮小報價價差，提高股票流動性。

3.基于地理距離的做市商信息優(yōu)勢來源分析

距離企業(yè)更近的做市商相對于其他做市商更具信息優(yōu)勢主要源于：一是更易通過社會網(wǎng)絡獲取企業(yè)“軟信息”。近的距離有助于形成更密切的社會網(wǎng)絡，做市商可以借助于當?shù)鼐W(wǎng)絡，例如金融機構(的借貸信息)，與企業(yè)高層的社會交往，獲取更多的企業(yè)“軟信息”(Kang et al.,2008;Kedia et al.,2008) 。二是更易通過直接參與獲取企業(yè)“軟信息”。Schultz(2003)的研究表明，由于“本地偏好”，當?shù)刈鍪猩谈锌赡苤熬蛥⑴c過企業(yè)的承銷、并購和銷售預測。Malloy(2005)、Madureira et al. (2008)則認為本地分析師對企業(yè)的預測更準確，而本地做市商與本地分析師關系更密切。以上參與行為造就了本地做市商的信息優(yōu)勢。三是投資者“本地偏好”帶給本地做市商的信息優(yōu)勢。當?shù)赝顿Y者多為知情交易者(Coval et al.,2001)，其在投資時有“本地偏好”(Ivkovich et al.,2005)，而本地投資者的報價申請多會流向本地做市商(Kedia et al.,2011)。這就使得本地做市商面臨的訂單流中有信息含量的報價比率上升。由于之前的分析假定做市商是知情交易者，其會主動吸收信息，而不是被動防御性的加大價差，所以訂單流中信息含量的增加是一種信息優(yōu)勢的來源。

綜上可知，做市商距離企業(yè)的地理距離越近，越容易獲取企業(yè)的“軟信息”，更具有信息優(yōu)勢。根據(jù)“新三板”的各類制度設定，做市商更接近于知情交易者的角色定位，并且傾向于以提高成交概率和市場份額動機為報價動機，因此，會將私人信息融入報價調整和縮小價差設定，從而產生提高流動性的效果。

(二)研究假設

根據(jù)理論分析，在此提出：

H1：做市商與做市企業(yè)的距離反向影響企業(yè)股票的流動性。

由于“新三板”采用的是競爭性做市商制度，競爭是促進私人信息融入報價的動力。因此，企業(yè)有一家近距離的做市商和有多家近距離的做市商，對流動性的影響應該是不一樣的。又由于本文將做市商假設為知情交易者，其會主動根據(jù)有信息含量的訂單流調整自己的報價。而距離企業(yè)最近的做市商報價應該最有信息含量，并且其他做市商會根據(jù)它的報價調整自己的報價。因此，企業(yè)的流動性最終應該是由距離企業(yè)最近的做市商所決定。據(jù)此，將假設1分解成兩個子假設，即：

H1a：其它條件相同情況下，與做市企業(yè)距離相近的做市商數(shù)量越多，該企業(yè)股票的流動性越強。

H1b：其它條件相同情況下，與做市企業(yè)最近的做市商距離越小，該企業(yè)股票的流動性越強。

不同地區(qū)的金融發(fā)達程度不同，投資者、銀行以及券商的密集程度不同，則處于不同地區(qū)的企業(yè)所受到的關注程度，做市商獲取信息的難易程度也不同，因此，信息不對稱的程度也會有所差異。如果企業(yè)處于金融發(fā)達地區(qū)，企業(yè)信息會變得更加透明，地理距離產生的信息優(yōu)勢理應變弱，據(jù)此，提出：

H2：當企業(yè)處于金融發(fā)達城市，做市商與企業(yè)的地理距離對企業(yè)股票流動性的影響會減弱。

如果近距離的做市商是通過社會網(wǎng)絡實現(xiàn)對企業(yè)“軟信息”的獲取，那么專注于某一地區(qū)的做市商自然會有更強的社會網(wǎng)絡，更可能從各類社會渠道獲取企業(yè)信息，因此，理應更好地發(fā)揮出地理距離對流動性的影響作用。據(jù)此，提出：

H3：當做市商對某一地區(qū)有更高專注度時，做市商與企業(yè)的地理距離對企業(yè)股票流動性的影響會加強。

政策規(guī)定申請做市交易企業(yè)的做市商之一必須為其主辦券商。如果通過本文的檢驗能夠發(fā)現(xiàn)，在提高股票流動性方面，主辦券商確實優(yōu)于其他做市商，則能夠更充分的證明當前政策的合理性。因此，提出：

H4：主辦券商作為做市商相比其他做市商能為企業(yè)股票提供更多的流動性。

進一步地，把H4細分為兩部分：一是，如果如H1b所設，企業(yè)股票流動性受最近的做市商報價影響，那么當主辦券商不是距離企業(yè)最近的做市商也應該能夠提供額外的流動性，否則它在地理距離因素方面對流動性的影響就與其他做市商并無區(qū)別。據(jù)此，提出：

H4a：當主辦券商不是距離最近的做市商時，依然可以為企業(yè)提供額外的流動性。

二是，如果控制了地理距離因素后，主辦券商的其它因素能對企業(yè)股票流動性形成額外影響，也能夠說明主辦券商的特殊性。主辦券商與信息優(yōu)勢相關的因素主要表現(xiàn)為信息的獲取能力和理解能力。一般來說獲取能力與規(guī)模有關，而理解能力與經驗有關。據(jù)此，提出：

H4b：當控制住地理距離因素后，主辦券商的規(guī)模越大、經驗越多，越能夠提高企業(yè)的流動性。

三、實證檢驗

(一)樣本選取

2014年第三季度過半才開始實施做市商制度，為了數(shù)據(jù)的可比性，本文選取2015—2016兩年中采用做市交易方式的企業(yè)年度數(shù)據(jù)作為樣本。選擇方法為當Wind數(shù)據(jù)庫顯示年底交易方式為做市交易時，該掛牌企業(yè)入選樣本。并對以下樣本進行了剔除：(1)賬面資產負債率小于0或者大于100%的樣本；(2)金融類公司樣本；(3)年度成交量不為零的天數(shù)少于120的公司樣本；(4)存在缺失值的樣本。最終獲得有效樣本1030個。所有連續(xù)型變量樣本均進行了上下1%的Winsor縮尾處理。數(shù)據(jù)來源于Wind數(shù)據(jù)庫，以及根據(jù)Wind數(shù)據(jù)手工計算所得。

(二)變量設計

1.因變量

流動性是一個綜合性的概念，學有多種指標來衡量，每種指標實際上測度的是流動性的某個緯度(張錚，2014)。由于本文關注的是距離引發(fā)的報價價差變化，參照已有研究(陳輝 等，2011，2012)，本文選用相對有效價差和相對報價價差作為流動性衡量指標。因為假設競爭性做市商制度會引發(fā)所有做市商根據(jù)最有信息含量的報價進行自我報價調整，所以本文測度的是做市交易企業(yè)所有做市商(而不是某一做市商)整體的價差設定水平。股轉系統(tǒng)每日向外公布的是做市商實時最高3個價位買入申報價格、最低3個價位賣出申報價格，所以依據(jù)股轉系統(tǒng)公布數(shù)據(jù)所計算的指標，更傾向于代表做市商整體價差水平?？紤]到信息含量被所有做市商吸收和做出報價調整的時差，參照馬超(2015)的做法，本文采用日交易數(shù)據(jù)取年度平均值計算指標，具體如下：

(1)

(2)

其中，liq1代表相對有效價差，liq2代表相對報價價差。price代表股票交易日收盤價，ask代表交易日股票交易最高價，bid代表交易日股票交易最低價，D為本年度內單只股票交易量不為0的天數(shù)，d為D中的某一天。liq1、liq2越大，表明流動性越差。

2.自變量

同城做市商數(shù)量。如果做市商與做市交易企業(yè)處于同一城市即為同城做市商，以同城做市商的數(shù)量多少為該變量值。

同省做市商數(shù)量。如果做市商與做市交易企業(yè)處于同一省份即為同省做市商，以同省做市商的數(shù)量多少為該變量值。

與做市交易企業(yè)最近的做市商距離。本文從Wind數(shù)據(jù)庫獲取企業(yè)和做市商的具體地址，然后利用可視化地圖(http://www.citydt.com/geo.html)導出相應經緯度坐標(十進制)，再根據(jù)Anand et al.(2011)的方法計算出做市企業(yè)到其所有做市商的距離，選擇其中最小值取對數(shù)為該變量取值。計算公式如下：

d= R×arccos(cos(lon1×π/

180-lon2×π/

180)×cos(lat1×π/

180)×

cos(lat2×π/

180)+sin(lat1×π/

180)×sin(lat2×π/

180))

(3)

其中:(lon1, lat1)為企業(yè)坐標;(lon2, lat2)為做市商坐標;R為地球半徑，取值6371千米。

以上三個變量計算中，所用企業(yè)和做市商的地址均為企業(yè)和做市商總部所在地辦公地址。

金融發(fā)達城市。虛擬變量。將截至2016年底的所有券商總部所處城市進行統(tǒng)計，最為密集的三個城市分別為北京(18家)、上海(18家)和深圳(16家)，第四名成都(4家)與前三名相去甚遠。當企業(yè)處于這三座城市時，變量取值為1，處于其它城市時變量取值為0。

地區(qū)專注度。用做市商在每個城市中做市企業(yè)數(shù)量除以其做市服務企業(yè)總數(shù)量，代表該變量取值。

主辦券商與企業(yè)同城。虛擬變量。如果主辦券商作為做市商與做市交易企業(yè)處于同一城市，則變量取值為1，否則為0 。

除主辦券商之外的同城做市商數(shù)量。如果主辦券商作為做市商與企業(yè)同城，則用同城做市商數(shù)量減1作為該變量取值。

主辦券商距離。以主辦券商到企業(yè)的距離為該變量取值。

主辦券商非最近做市商。虛擬變量。如果主辦券商為最近的做市商變量取值為0，否則取值為1。

主辦券商規(guī)模。用主辦券商資產規(guī)模取對數(shù)表述該變量。

主辦券商經驗。用主辦券商成立距離樣本年份的時間間隔代表經驗。具體計算為樣本所處年份減去主辦券商成立時間加1，然后取對數(shù)。

3.控制變量

參照已有研究(Kedia et al.,2011；Anand et al.,2011)，選擇三個層面的控制變量：市場交易層面，包括價格、成交量、波動性；公司層面，包括資產報酬率、資產負債率和前十大股東持股比例；行業(yè)和年度變量。

變量具體計算方法見表1。

表1 變量匯總表

(三)待檢驗模型

具體如下：

liq1it(liq2it)=α+β1lcit(lpit、dlit)+∑φjcontrolit+εit

(4)

liq1it(liq2it)=α+β1rlcit(dlit)+β2mlcit(mfit×mdit)+∑φjcontrolit+εit

(5)

liq1it(liq2it)=α+β1dlit+β2fcit×dlit(ffit×dlit)+∑φjcontrolit+εit

(6)

模型(4)、(5)用于檢驗地理距離對流動性的影響，模型(6)用于檢驗主辦券商是否比其他做市商提供了額外的流動性。其中，control代表控制變量。

(四)統(tǒng)計性描述

從表2可以看出，相對有效價差和相對報價價差指標均值相近，兩指標各自的最小值與最大值差距較大，說明樣本中股票流動性差異較大。與企業(yè)同省份的做市商平均接近1個，同城做市商數(shù)量平均達到0.56個。與企業(yè)最近的做市商距離，最大值與最小值相差數(shù)十倍，說明做市商到企業(yè)的距離分布差異較大。有34%的樣本企業(yè)地處北京、上海、深圳三個城市。做市商在每個城市中的做市企業(yè)數(shù)，平均占其做市服務企業(yè)總數(shù)的1/4不到，說明做市商對于特定地區(qū)的關注度并不高。有20%的主辦券商與其做市企業(yè)處于同一城市，有1/3的主辦券商屬于距離企業(yè)最近的做市商?？刂谱兞恐兄档米⒁獾氖瞧髽I(yè)前10大股東持股比率平均高達87%，“新三板”企業(yè)股權非常集中，這也是可能存在高度不透明信息的一個信號。其它具體信息見表2。

表2 變量統(tǒng)計表

表3 變量相關性檢驗表

注：*代表在10%置信水平上顯著。

相關性檢驗結果(詳見表3)顯示，除了lp、lc、dl、rlc變量之間存在顯著高度相關性外，其它變量均不存在高度相關性。由于上述高度線性相關變量并不會同時出現(xiàn)在同一個檢驗模型中，因此不存在多重共線性問題。

圖1做市商與做市交易企業(yè)分布圖(2015—2016年)

數(shù)據(jù)來源：Wind數(shù)據(jù)庫。

(五)單變量檢驗

利用經緯度畫出做市商與企業(yè)的分布圖(見圖1)。其中菱形散點為做市交易企業(yè)的分布情況，在經度110—120度，緯度25—40度區(qū)間比較密集。同時用連線將做市商所處位置進行連接?？梢钥闯鲎鍪猩堂芗瘏^(qū)域與企業(yè)密集區(qū)域重復度很高，做市商形成的網(wǎng)絡基本覆蓋了全部做市企業(yè)，并沒有企業(yè)特別遠離做市商。初步可以看出做市商有選擇臨近企業(yè)進行做市服務的趨勢。

表4 樣本中各省/直轄市掛牌企業(yè)和做市商數(shù)量列表

分年度對各省份掛牌企業(yè)和做市商數(shù)量進行統(tǒng)計，同時計算各省份掛牌企業(yè)選擇本省做市商的頻次(見表4)。數(shù)據(jù)顯示，掛牌企業(yè)數(shù)量、做市商數(shù)量以及本省做市商服務本省企業(yè)的次數(shù)(即同城次數(shù))最多的前三個省份均為北京、廣東和上海。然而這三個地區(qū)中的企業(yè)獲得單個本地做市商的服務概率并不高，甚至比較低，即單位頻次較低(單位頻次=同城次數(shù)/做市商數(shù)/企業(yè)數(shù))，原因在于這些地區(qū)雖然有較多的本地做市商，但是本地的掛牌企業(yè)更多，而每個做市商服務企業(yè)的數(shù)量又非常有限，所以這些地區(qū)的企業(yè)獲取本地做市商資源的難度反而更大。

根據(jù)計算出的做市商到各自做市企業(yè)的平均距離及券商到所有做市交易企業(yè)的平均距離，進行分組T檢驗(結果見表5)。結果顯示，做市商到其做市企業(yè)的平均距離，顯著小于券商到所有做市交易企業(yè)的平均距離，進一步說明券商在充當做市商時有顯著的“本地偏好”。分年度進行T檢驗，則發(fā)現(xiàn)2015和2016年度，做市商到其做市企業(yè)的平均距離都要顯著小于券商到所有做市交易企業(yè)的平均距離，但是這種差距在減小。該檢驗反映出做市商選擇做市企業(yè)的動態(tài)過程：首先選擇臨近的企業(yè)，隨著業(yè)務拓展選擇范圍向遠處拓展。

表5 地理距離單變量檢驗表

注：***表示在1%置信水平上顯著。

① 樣本中部分主辦券商推薦的企業(yè)均沒有采用做市交易方式。

主辦券商到做市企業(yè)的平均距離與做市商到其做市企業(yè)的平均距離的T檢驗顯示，主辦券商比其他做市商到企業(yè)的平均距離更近，但差異并不顯著；而主辦券商作為做市商到企業(yè)的平均距離顯著小于券商到所有做市交易企業(yè)的平均距離。該檢驗初步說明：主辦券商在選擇企業(yè)時有“本地偏好”，但是主辦券商作為做市商并不比其他做市商有顯著的距離優(yōu)勢。

分別計算掛牌企業(yè)的本省做市商占本省份全部做市商數(shù)量的比例及其全部做市商占全國做市商數(shù)量的比例，然后來檢驗兩組比例是否存在顯著差異(見表6)，從而論證從企業(yè)的角度來看是否更偏好選擇本省做市商。結果顯示，企業(yè)的本省份做市商占企業(yè)全部做市商數(shù)量比例均值為0.1782，企業(yè)全部做市商占全國做市商比例為0.0731，T檢驗顯示兩組均值在1%置信水平上顯著不同，企業(yè)更偏好在本地選擇做市商。而北、上、廣地區(qū)掛牌企業(yè)本地做市商占本省份做市商數(shù)量的比例均值要顯著低于全國其它地區(qū)，主要原因在于這三個地區(qū)的做市商固然較多，但是掛牌企業(yè)數(shù)量更多，而做市商服務的企業(yè)數(shù)量有限，因此，這三個地方的企業(yè)其實更難獲得本地做市商的服務。與表4的結果相同。結合上文企業(yè)偏好選擇本地做市商，充分說明在相互選擇的過程中主要是做市商而不是企業(yè)處于主導地位。

表6 企業(yè)本地做市商數(shù)量占比統(tǒng)計表

注：***表示在1%置信水平上顯著。

② 因為有的省份沒有做市商，所以樣本總量小于1030個。

(六)回歸檢驗結果與解讀

分別以相對有效價差和相對報價價差作為因變量的回歸結果非常一致(見表7)：lp變量系數(shù)在1%置信水平上顯著為負，即與企業(yè)同省份的做市商數(shù)量越多，股票流動性越強。lc變量系數(shù)也在1%置信水平上顯著為負，即與企業(yè)同城的做市商數(shù)量越多，股票流動性越強。從不同范圍(省、區(qū)、市)界定相近做市商概念，檢驗后均顯示，當相近做市商數(shù)量越多時，該企業(yè)股票的流動性越強。比較系數(shù)絕對值可知，lc的系數(shù)絕對值要大于lp，說明將相近做市商概念界定得更小時，這種影響更突出。因此，H1a得以驗證。dl系數(shù)在1%置信水平上顯著為正，即與企業(yè)最近的做市商的距離越小，股票流動性越強。H1b得以驗證。lp、lc、dl分別從不同范圍和不同方法上衡量了地理距離對做市交易企業(yè)股票流動性的影響，并得出了一致的結論，即地理距離對做市交易企業(yè)股票流動性有反向影響。

表7 地理距離影響流動性檢驗結果表

注：***、**、*分別代表在1%、5%、10%置信水平上顯著。下同。

控制變量方面，市場交易層面的控制變量的影響較為顯著：price系數(shù)在1%置信水平上顯著為負。較高的價格可能代表著市場對企業(yè)的認可，有利于提高流動性。vol和sd系數(shù)均在1%置信水平上顯著為正。成交量越大，波動性越強，則做市商價差設置越大。原因在于這兩項因素對做市商的存貨要求更高。公司層面只有資產報酬率在部分模型中呈現(xiàn)出顯著性。

在模型中加入反映地區(qū)金融發(fā)達程度和做市商對特定地區(qū)關注度的變量，結果見表8，可以看到：相對有效價差和相對報價價差作為因變量的回歸結果趨于一致。dl系數(shù)依然在1%置信水平上顯著為正。列(1)、(3)中，fc與dl的交叉項系數(shù)為負，數(shù)值絕對值很小，不顯著。當企業(yè)位于北京、上海、深圳時，發(fā)達的金融體系有削弱地理距離產生信息優(yōu)勢的傾向，但作用微乎其微。其原因可能在于，盡管發(fā)達的金融體系有利于信息透明，但是上述地區(qū)的中小微企業(yè)所受關注依然較少。列(2)、(4)中，gf與dl的交叉項系數(shù)為正，數(shù)值絕對值很小，不顯著。做市商選擇做市的企業(yè)集中于某一地區(qū)時，地理距離有更好發(fā)揮信息獲取優(yōu)勢的趨勢。但是這種特征在樣本中并沒有顯示出顯著性效應。原因可能在于，做市商制度引入不久，且券商數(shù)量相對于掛牌企業(yè)來說太少，做市商處于“跑馬圈地”階段。為了搶占市場排名，形成行業(yè)聲譽，做市商更注重做市數(shù)量，很難形成對某一地區(qū)企業(yè)的聚焦關注。

表8 金融發(fā)達程度、地區(qū)關注度、地理距離與流動性檢驗結果表

進一步將主辦券商的影響進行分離檢驗，結果見表9，可以看到：列(1)、(4)中，rlc系數(shù)在1%置信水平上顯著為負，mlc系數(shù)為負但不顯著,即當其他做市商與企業(yè)處于同一城市時，隨著同城做市商數(shù)量增加，流動性也會顯著增加，而主辦券商屬于同城做市商時并沒有額外帶來流動性的顯著增長。列(2)、(5)中，dl系數(shù)依然顯著正，mf與md的交叉項系數(shù)為正，不顯著，且數(shù)值絕對值很小，即只有當主辦券商屬于距離企業(yè)最近的做市商時才對流動性產生顯著影響，一旦主辦券商不是最近的做市商，主辦券商的距離遠近并不能對流動性產生顯著影響。上述檢驗說明流動性受相近做市商數(shù)量以及最近做市商距離的影響，而不是受做市商身份——是否是主辦券商的影響。列(3)、(6)中，dl系數(shù)依然顯著正，mcap和mexp系數(shù)為負，但均不顯著。在控制了地理距離因素以后，主辦券商的規(guī)模特征和經驗特征都沒有對流動性提供額外顯著的影響?？偟膩砜矗谔岣吡鲃有苑矫?，主辦券商并沒有表現(xiàn)出比其他做市商更有優(yōu)勢的特征。這與Kedia et al.(2011) 的結論趨于一致，即當?shù)刈鍪猩讨械摹绊敿墶弊鍪猩滩]有比其他做市商擁有更多的企業(yè)信息。

表9 主辦券商、地理距離與流動性檢驗結果表

(續(xù)表9)

liq1(1)(2)(3)liq2(4)(5)(6)mexp-0．0005(0．0007)-0．0007(0．0009)price-0．0027???(0．0008)-0．0028???(0．0008)-0．0024???(0．0008)-0．0050???(0．0011)-0．0051???(0．0011)-0．0046???(0．0010)vol0．0038???(0．0006)0．0037???(0．0006)0．0035???(0．0006)0．0071???(0．0008)0．0069???(0．0008)0．0066???(0．0008)sd0．0110???(0．0012)0．0110???(0．0012)0．0109???(0．0012)0．0135???(0．0015)0．0135???(0．0015)0．0135???(0．0015)l．roa-0．0001?(0．0001)-0．0001(0．0001)-0．0001(0．0001)-0．0001?(0．0001)-0．0001?(0．0001)-0．0001(0．0001)l．lev-0．0000(0．0000)-0．0000(0．0000)-0．0000(0．0000)-0．0000(0．0000)-0．0000(0．0000)-0．0000(0．0000)l．hold-0．0000(0．0001)-0．0000(0．0001)-0．0000(0．0001)-0．0000(0．0001)-0．0000(0．0001)-0．0001(0．0001)年份控制控制控制控制控制控制行業(yè)控制控制控制控制控制控制＿cons-0．0747???(0．0141)-0．0824???(0．0149)-0．0726???(0．0153)-0．1153???(0．0181)-0．1250???(0．0192)-0．1114???(0．0198)樣本103010301030103010301030F39．18???39．54???33．97???49．38???50．35???42．83???R20．50410．50380．50570．54300．54230．5453R2＿adj．0．49920．49900．50020．53850．53780．5402

四、穩(wěn)健性檢驗

為了防止?jié)撛诘牡谌揭蛩丶扔绊懽鍪猩踢x擇做市企業(yè)，又影響流動性所引發(fā)的內生性問題，本文選擇工具變量進行地理距離對流動性影響的穩(wěn)健性檢驗。

沿用陳云松(2012)的思路，借鑒Kedia et al. (2011)的方法，用位于同一城市中除目標企業(yè)以外的其它企業(yè)同城做市商數(shù)量均值(ivlc)和最近做市商距離均值(ivdl)，作為工具變量。其思路是：由于處于同一地區(qū)，不同企業(yè)面臨的做市商數(shù)量和距離大致相近，其它企業(yè)的相近做市商數(shù)量和距離特征與目標企業(yè)應該具有相似性。但是其它企業(yè)相近做市商數(shù)量和距離不會影響目標企業(yè)的流動性。兩階段檢驗顯示：第一階段檢驗中ivlc和ivdl系數(shù)均在1%置信水平上顯著為正，F(xiàn)統(tǒng)計值分別為20.21和49.32，均超過臨界值10，所以選用的工具變量不存在弱工具變量問題。在第二階段檢驗中，lc系數(shù)依然顯著為負，dl系數(shù)依然顯著為正，即同城做市商數(shù)量越多，股票流動性越強；與企業(yè)最近的做市商距離越小，股票的流動性越強。穩(wěn)健性檢驗驗證了上文實證結果。

表10 工具變量(2SLS)檢驗結果表

(續(xù)表10)

第一階段lc(1)第二階段liq1(2)第二階段liq2(3)第一階段dl(4)第二階段liq1(5)第二階段liq2(6)sd-0．0650??(0．0314)0．0106???(0．0017)0．0129???(0．0023)0．0556(0．0581)0．0111???(0．0012)0．0136???(0．0015)l．roa-0．0007(0．0036)0．0000(0．0001)-0．0000(0．0001)-0．0065(0．0066)-0．0001(0．0001)-0．0001(0．0001)l．lev0．0032(0．0026)0．0001(0．0001)0．0002(0．0001)-0．0051(0．0031)-0．0000(0．0000)-0．0000(0．0000)l．hold-0．0033(0．0041)-0．0003(0．0003)-0．0005(0．0005)0．0113??(0．0057)-0．0000(0．0001)-0．0000(0．0001)年份控制控制控制控制控制控制行業(yè)控制控制控制控制控制控制＿cons-3．3217???(1，1359)-0．0543??(0．0268)-0．0828??(0．0380)4．8545???(1，3377)-0．0896???(0．0191)-0．1333???(0．0243)樣本637637637978978978F20．21???24．04???27．59???49．32???41．99???52．69???R20．22480．32380．33010．31440．49940．5379R2＿adj．0．21370．31410．32050．30800．49480．5336

考慮到有一些“新三板”企業(yè)曾經更換過主辦券商，為了保證有關主辦券商研究結論的穩(wěn)健性，從Wind數(shù)據(jù)庫中收集了2015—2016年樣本企業(yè)中發(fā)生過主辦券商變更的企業(yè)名單(共計23家企業(yè)，涉及41個樣本)，并予以剔除，重新進行了檢驗，結果(見表11)與上文一致。

表11 剔除主辦券商發(fā)生變動樣本檢驗結果

五、結論及啟示

本文利用2015—2016年“新三板”做市交易企業(yè)樣本進行了實證檢驗，結果顯示：(1)同城或者同省的做市商越多，企業(yè)股票流動性越強；與最近的做市商之間距離越小，企業(yè)股票流動性越強。這說明地理距離對于做市商獲取信息優(yōu)勢非常重要。(2)總的來說，主辦券商作為做市商，并沒有比其他做市商在提高流動性方面提供了額外顯著的影響。(3)至少在本文的樣本中，地區(qū)金融發(fā)達程度和做市商對地區(qū)的關注度，還不足以顯著影響到地理距離對流動性的影響。

本文的增量貢獻主要在于：首先，結合“新三板”現(xiàn)有的政策設定，論證了將做市商設定為知情交易者的合理性，這為后續(xù)的理論分析和假設提出奠定了堅實的基礎。之前的相關研究一般直接認定做市商的角色設定，缺乏假設選用的合理性論證。其次，間接論證了競爭性做市商制度在“新三板”的適用性。已有研究(Menkveld et al.,2013; 張瀛,2007)強調信息不對稱程度嚴重的市場不宜采用競爭性做市商制度。但本文的檢驗表明，通過競爭(相近做市商數(shù)量)，有信息含量的報價(最近做市商距離)會被其他做市商吸收并用于報價調整。這充分說明競爭在信息獲取和信息傳遞方面發(fā)揮的作用。

據(jù)此，提出本文的政策建議：

在只能由券商充當做市商的前提下，規(guī)范和強化“新三板”的信息披露非常緊迫和重要。如果地理距離對信息獲取，乃至對流動性的影響如此顯著和穩(wěn)健，那只能說明當前“新三板”企業(yè)的信息不對稱程度的確很高。券商數(shù)量有限，且分布集中于發(fā)達地區(qū)，地理距離不能改變的前提下，有效的信息披露是緩解信息不對稱重要手段，對于提高做市商制度有效性非常重要。

陳輝,顧乃康,萬小勇. 2011. 股票流動性、股權分置改革與公司價值[J]. 管理科學(3):43-55.

陳輝,汪前元. 2012. 機構投資者如何影響股票流動性? 交易假說抑或信息假說[J]. 商業(yè)經濟與管理(6):71-80.

陳云松. 2012. 邏輯、想象和詮釋:工具變量在社會科學因果推斷中的應用[J]. 社會學研究(6):192-216.

黃福廣,彭濤,邵艷. 2014. 地理距離如何影響風險資本對新企業(yè)的投資術[J]. 南開經濟評論(6):83-95.

劉江會,朱敏. 2015. 地理因素會影響中國企業(yè) IPO 的成本嗎?基于“軟信息不對稱”的視角[J]. 經濟管理(10):31-41.

馬超. 2015. 機構投資者獨立性與股票流動性:基于深圳主板 A 股市場上市公司的實證研究[J]. 金融經濟學研究(4):65-74.

王菊仙,王玉濤,魯桂華. 2016. 地理距離影響證券分析師預測行為嗎[J]. 中央財經大學學報(1):61-72.

張瀛. 2007. 做市商、流動性與買賣價差: 基于銀行間債券市場的流動性分析[J]. 世界經濟(10):86-95.

張元萍,李穎. 2011. 中國股票市場的做市商制度探討:基于信息不對稱下市場參與者整體福利和交易成本的分析[J]. 經濟問題(9):91-95.

張崢,李怡宗,張玉龍,等. 2014. 中國股市流動性間接指標的檢驗:基于買賣價差的實證分析[J]. 經濟學(季刊)(1):233-262.

ANAND A, GATCHEV V A, MADUREIRA L, et al. 2011. Geographic proximity and price discovery: evidence from NASDAQ [J]. Journal of Financial Markets, 14(2):193-226.

COVAL J D, MOSKOWITZ T J. 2001. The geography of investment: informed trading and asset prices [J]. Journal of Political Economy, 109(4):811-841.

DEMSETZ H. 1968. Why regulate utilities [J]. The Journal of Law and Economics, 11(1):55-65.

GLOSTEN L R. 1987. Components of the bid-ask spread and the statistical properties of transaction prices [J]. The Journal of Finance, 42(5):1293-1307.

GLOSTEN L R, MILGROM P R. 1985. Bid,ask and transaction prices in a specialist market with heterogeneously informed traders [J]. Journal of Financial Economics, 14(1):71-100.

GROSSMAN S J, STIGLITZ J E. 1980. On the impossibility of informationally efficient markets [J]. The American Economic Review, 70(3):393-408.

HUH S W, LIN H, MELLO A S. 2015. Options market makers hedging and informed trading: theory and evidence [J]. Journal of Financial Markets, 23(1):26-58.

IVKOVICH Z, WEISBENNER S. 2005. Local does as local is: information content of the geography of individual investors′ common stock investments [J]. The Journal of Finance, 60(1):267-306.

KANG J K, KIM J M . 2008. The geography of block acquisitions [J]. The Journal of Finance, 63(6):2817-2858.

KEDIA S, PANCHAPAGESAN V, UYSAL V B. 2008. Geography and acquirer returns [J]. Journal of Financial Intermediation, 17(2):256-275.

KEDIA S, ZHOU X. 2009. Insider trading and conflicts of interest: evidence from corporate bonds [R]. Working Paper, Rutgers University.

KEDIA S, ZHOU X. 2011. Local market makers, liquidity and market quality [J]. Journal of Financial Markets, 14(4):540-567.

LOUGHRAN T, SCHULTZ P. 2005. Liquidity: urban versus rural firms [J]. Journal of Financial Economics, 78(2):341-374.

MADUREIRA L, UNDERWOOD S. 2008. Information, sell-side research, and market making [J]. Journal of Financial Economics, 90(2):105-126.

MALLOY C J. 2005. The geography of equity analysis [J]. The Journal of Finance, 60(2):719-755.

MENKVELD A J, WANG T. 2013. How do designated market makers create value for small-caps [J]. Journal of Financial Markets, 16(3):571-603.

SCHULTZ P. 2003. Who makes markets [J]. Journal of Financial Markets, 6(1):49-72.