Blockchain Information Disclosure and Capital Market response: Evidence from Chinese A-share Listed Companies
-
摘要: 区块链技术与实体产业深度融合将助力数字经济高质量发展。基于发展中国家视角，利用中国非金融上市公司各类公告，运用事件研究法，解析资本市场对公司披露区块链信息这一事件的反应。研究发现：披露区块链信息的公司在[-1, 1]事件窗口期股票市值上涨0.424%，2017—2019年间以及通过非定期性公告披露信息的公司回报率更高；比较而言，披露区块链信息的公司显著增加了研发创新费用，并能吸引更多的投资者关注，且非投机性公司投入的研发创新费用相对更多；资本市场对不同类别区块链信息的反应存在异质性。研究结论为有效防范和监管区块链技术应用过程中可能发生的金融风险提供了启示和借鉴。Abstract: The deep integration of blockchain technology and real industry will help the high-quality development of digital economy. Using various announcements of Chinese non-financial listed companies, the paper employs the event study method to analyze the capital market's reaction to the event that companies disclose blockchain investment. It is found that companies disclosing blockchain information increased by 0.424% in stock market capitalization during the [-1, 1] event window, with higher returns from 2017-2019 and through non-periodic announcements; companies that have disclosed blockchain information significantly increased their R&D innovation expenses and attracted more investor attention compared to companies that do not disclose blockchain information. Non-speculative companies invest more in R&D innovation expenses compared to speculative companies; there is heterogeneity in capital market responses to different types of blockchain announcements. Based on the perspective of developing countries, this study investigates how blockchain information disclosure affects capital markets, and provides a reference for effective prevention and regulation of financial risks that may occur in the process of the application of blockchain technology.
-
Key words:
- blockchain /
- blockchain information disclosure /
- capital market /
- digital economy /
- company value /
- investor attention
-
表 1 区块链信息的描述分类
分类 投机性 非投机性 合计 百分比 Panel A：年份 2016 15 25 40 3.042 2017 32 76 108 8.213 2018 105 237 342 26.007 2019 131 261 392 29.810 2020(1—6月) 179 254 433 32.928 合计 462 853 1 315 100 Panel B：行业 A农、林、牧、渔业 1 5 6 0.456 B采矿业 1 3 4 0.304 C制造业 174 256 430 32.700 D电力、热力、燃气及水生产和供应业 4 12 16 1.217 E建筑业 5 15 20 1.521 F批发和零售业 21 38 59 4.487 G交通运输、仓储和邮政业 21 30 51 3.878 H住宿和餐饮业 1 1 2 0.152 I信息传输、软件和信息技术服务业 157 308 465 35.361 J金融业 29 107 136 10.342 K房地产业 6 18 24 1.825 L租赁和商务服务业 23 24 47 3.574 M科学研究和技术服务业 5 10 15 1.141 N水利、环境和公共设施管理业 0 2 2 0.152 O居民服务、修理和其他服务业 0 1 1 0.076 Q卫生和社会工作 1 5 6 0.456 R文化、体育和娱乐业 11 17 28 2.129 S公共管理、社会保障和社会组织 2 1 3 0.228 合计 462 853 1 315 100 Panel C：区域 东部 351 708 1 059 80.532 中部 62 88 150 11.407 西部 49 57 106 8.061 合计 462 853 1 315 100 
下载: 导出CSV
表 2 主要变量的描述性统计
变量 平均值 中位数 25%分位数 75%分位数 标准差 观测量 Car11 0.004*** 0.000 -0.027 0.030 6.084 788 Car22 0.004*** -0.002 -0.033 0.034 7.324 788 Anti_1 0.439 0 0 1 0.497 788 Fre 0.555 1 0 1 0.497 788 Block 0.645 1 0 1 0.479 788 lnassets 22.246 22.130 21.369 22.930 1.245 788 LEV 0.398 0.389 0.247 0.537 0.190 788 ROA 0.028 0.038 0.017 0.069 0.101 788 MTB 3.881 2.723 1.813 4.244 13.113 788 INS 0.266 0.217 0.073 0.422 0.223 788 注：对Car11和Car22进行单变量t检验，原假设是变量均值为0。检验方法为双尾t检验，*、**、***分别代表在10%、5%和1%水平上显著。下表同。
下载: 导出CSV
表 3 基本回归结果
Panel A (1) (2) (3) (4) (5) Car [-1, 1] Car [-1, 1] Car [-1, 1] Car [-1, 1] Car [-1, 1] Anti_1 1.621***(2.96) 1.595***(2.93) Fre -0.016(-0.03) -0.884(-1.50) Block 0.008(0.02) -0.350(-0.63) Year2017 4.367**(2.50) 4.635**(2.46) Year 2018 4.685***(2.97) 5.055***(2.97) Year2019 3.361**(2.17) 3.472**(2.05) Year2020 2.405(1.58) 2.588(1.53) 控制变量 控制 控制 控制 控制 控制 城市效应 控制 控制 控制 控制 控制 行业效应 控制 控制 控制 控制 控制 聚类层面 公司 公司 公司 公司 公司 N 788 788 788 788 788 R2 0.231 0.218 0.218 0.240 0.254 Panel B Car [-2, 2] Car [-2, 2] Car [-2, 2] Car [-2, 2] Car [-2, 2] Anti_1 1.853***(2.74) 1.782*(2.60) Fre 0.311(0.48) -0.725(-0.99) Block 0.352(0.53) -0.034(-0.05) Year2017 4.799**(2.56) 5.087**(2.46) Year2018 5.641***(3.58) 6.029***(3.41) Year2019 3.463**(2.31) 3.661**(2.10) Year2020 2.637*(1.77) 2.969*(1.65) 控制变量 控制 控制 控制 控制 控制 常数项 10.966(1.39) 11.119(1.40) 11.241(1.40) 8.384(1.07) 8.406(1.05) 城市效应 控制 控制 控制 控制 控制 行业效应 控制 控制 控制 控制 控制 聚类层面 公司 公司 公司 公司 公司 N 788 788 788 788 788 R2 0.226 0.215 0.215 0.240 0.251 注: 括号内为稳健标准误，并在公司层面进行了Cluster调整。下表同。
下载: 导出CSV
表 4 更换解释变量的累积超额收益率回归结果
变量名称 (1) (2) (3) (4) Car [-1, 1] Car [-2, 2] Car [-1, 1] Car [-2, 2] Ann 1.825**(2.06) 3.477***(3.11) Set_1 0.221(0.35) 0.182(0.25) Set_2 -0.265(-0.40) -0.987(-1.10) 控制变量 控制 控制 控制 控制 常数项 10.553(1.52) 9.299(1.18) 11.274(1.62) 10.480(1.28) 城市效应 控制 控制 控制 控制 行业效应 控制 控制 控制 控制 聚类层面 公司 公司 公司 公司 N 788 788 788 788 R2 0.227 0.236 0.219 0.217
下载: 导出CSV
表 5 PSM方法平行趋势检验
变量名称 实验组 控制组 差异 N Mean N Mean Mean p-value Panel A: Balance tests (pre-matching) lnassets 1109 22.313 19748 22.232 -0.081 0.054* LEV 1109 0.436 19748 0.443 0.007 0.866 ROA 1109 -0.011 19742 0.025 0.036 0.000*** MTB 1109 -2.335 19716 5.032 7.367 0.000*** INS 722 0.272 15428 0.304 0.032 0.000*** Panel B: Balance tests (post-matching) lnassets 721 22.292 721 22.272 0.020 0.769 LEV 721 0.459 721 0.434 0.026 0.577 ROA 721 -0.025 721 -0.016 -0.008 0.853 MTB 721 4.107 721 3.721 0.386 0.306 INS 721 0.256 721 0.272 -0.016 0.181
下载: 导出CSV
表 6 投资者关注度特征的回归结果
变量名称 (1)
全样本(2)
非投机VS控制组(3)
投机VS控制组(4)
非投机VS投机Anindex Anindex Anindex Anindex Treat 0.846***(5.07) 0.984***(4.48) 0.578#(1.50) -0.115(-0.55) 控制变量 是 是 是 是 常数项 -7.870***(-3.47) -6.706***(-2.81) -10.481***(-2.79) -5.884**(-2.24) 时间效应 控制 控制 控制 控制 公司效应 控制 控制 控制 控制 聚类层面 公司 公司 公司 公司 N 1 442 956 484 722 R2 0.285 0.359 0.472 0.306 注：#的显著性水平为13.3%。
下载: 导出CSV
表 7 创新投入特征的回归结果
变量名称 (1)
全样本(2)
非投机组VS控制组(3)
投机组VS控制组(4)
非投机组VS投机组RD/AT RD/AT RD/AT RD/AT Treat 0.004**(2.40) 0.006** (2.30) 0.002(0.62) 0.006**(1.98) Dummy_rd 0.010***(5.38) 0.008**(2.46) 0.007**(2.09) 0.008*(1.73) 控制变量 是 是 是 是 常数项 0.036*(1.68) 0.0208(0.73) 0.004(0.11) 0.035(0.90) 时间效应 控制 控制 控制 控制 公司效应 控制 控制 控制 控制 聚类层面 公司 公司 公司 公司 N 1 442 956 484 722 R2 0.489 0.498 0.523 0.495
下载: 导出CSV
-
[1] YERMACK D. Corporate governance and blockchains[J]. Review of Finance, 2017, 21(1): 7-31. [2] CIOROIANU I, CORBET S, LARKIN C. The differential impact of corporate blockchain-development as conditioned by sentiment and financial desperation[J]. Journal of Corporate Finance, 2021, 66(12): 1-29. [3] CHENG S F, FRANCO G D, JIANG H, et al. Riding the blockchain mania: public firms' speculative 8-K disclosures[J]. Management Science, 2019, 65(12): 5901-5913. doi: 10.1287/mnsc.2019.3357 [4] 王群, 李馥娟, 倪雪莉, 等. 区块链共识算法及应用研究[J]. 计算机科学与探索, 2022(6): 1214-1242. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTS202206018.htm [5] CONG L W, HE Z. Blockchain disruption and smart contracts[J]. Review of Financial Studies, 2019, 32(5): 1754-1797. doi: 10.1093/rfs/hhz007 [6] 徐忠, 邹传伟. 区块链能做什么、不能做什么?[J]. 金融研究, 2018(11): 1-16. doi: 10.3969/j.issn.1009-3109.2018.11.001 [7] 高廷帆, 陈甬军. 区块链技术如何影响审计的未来——一个技术创新与产业生命周期视角[J]. 审计研究, 2019(2): 3-10. doi: 10.3969/j.issn.1002-4239.2019.02.002 [8] 房巧玲, 高思凡, 曹丽霞. 区块链驱动下基于双链架构的混合审计模式探索[J]. 审计研究, 2020(3): 12-19. doi: 10.3969/j.issn.1002-4239.2020.03.002 [9] 宋旭光, 花昀, 何宗樾. 区块链技术对国民经济核算发展的影响[J]. 统计研究, 2021(2): 3-14. doi: 10.19343/j.cnki.11-1302/c.2021.02.001 [10] 杨德明, 夏小燕, 金淞宇, 等. 大数据、区块链与上市公司审计费用[J]. 审计研究, 2020(4): 68-79. doi: 10.3969/j.issn.1002-4239.2020.04.013 [11] AUTORE D M, CLARKE N, JIANG D. Blockchain speculation or value creation? evidence from corporate investments[J]. Financial Management, 2020, 50(3): 727-746. [12] 龚强, 班铭媛, 张一林. 区块链、企业数字化与供应链金融创新[J]. 管理世界, 2021(2): 22-34, 3. doi: 10.3969/j.issn.1002-5502.2021.02.004 [13] 谭春桥, 刘瑞环, 赵程伟. 基于区块链技术的疫苗供应链定价策略研究[J]. 管理工程学报, 2022(6): 205-240. https://www.cnki.com.cn/Article/CJFDTOTAL-GLGU202206017.htm [14] LENG K, BI Y, JING L, et al. Research on agricultural supply chain system with double chain architecture based on blockchain technology[J]. Future Generation Computer Systems, 2018, 86: 641-649. doi: 10.1016/j.future.2018.04.061 [15] GALVEZ J F, MEJUTO J C, SIMAL-GANDARA J. Future challenges on the use of blockchain for food traceability analysis[J]. TrAC Trends in Analytical Chemistry, 2018, 107(10): 222-232. [16] ANDONI M, ROBU V, FLYNN D, et al. Blockchain technology in the energy sector: a systematic review of challenges and opportunities[J]. Renewable and Sustainable Energy Reviews, 2019, 100(2): 143-174. https://www.sciencedirect.com/science/article/pii/S1364032118307184 [17] CHRISTIDIS K, DEVETSIKIOTIS M. Blockchains and smart contracts for the internet of things[J]. Ieee Access, 2016, 4(5): 2292-2303. [18] CHEN M A, WU Q, YANG B. How valuable is fintech innovation[J]. Review of Financial Studies, 2019, 32(5): 2062-2106. doi: 10.1093/rfs/hhy130 [19] AUTORE D M, CLARKE N, JIANG D. Blockchain speculation or value creation? evidence from corporate investments[J]. Financial Management, 2020, 50(3): 727-746. [20] CAHILL D, BAUR D G, LIU Z F, et al. I am a blockchain too: how does the market respond to companies' interest in blockchain?[J]. Journal of Banking & Finance, 2020, 113: 105740. https://www.sciencedirect.com/science/article/pii/S0378426620300078 [21] SHILLER R. Irrational exuberance[M]. Princeton, NJ: Princeton University Press, 2000: 3-5. [22] 彭惠. 信息不对称下的羊群行为与泡沫——金融市场的微观结构理论[J]. 金融研究, 2000(11): 5-19. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ200011001.htm [23] FORBES. How to bet on blockchain without buying cryptocurrencies[J]. Forbes, 2018, 1: 23. [24] TETLOCK P C. Giving content to investor sentiment: the role of media in the stock market[J]. Journal of Finance, 2007, 62(3): 1139-1168. doi: 10.1111/j.1540-6261.2007.01232.x [25] HONG H, STEIN J C. Disagreement and the stock market[J]. Journal of Economic Perspectives, 2007, 21(2): 109-128. doi: 10.1257/jep.21.2.109 [26] CHEN C W, PANTZALIS C, PARK J C. Press coverage and stock price deviation from fundamental value[J]. Journal of Financial Research, 2013, 36(2): 175-214. doi: 10.1111/j.1475-6803.2013.12007.x [27] 游家兴, 吴静. 沉默的螺旋: 媒体情绪与资产误定价[J]. 经济研究, 2012 (7): 141-152. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201207012.htm [28] PASTOR L, VERONESI P. Technological revolutions and stock prices[J]. The American Economic Review, 2009, 99(4): 1451-1483. [29] ROUBINI N. Why blockchain and bitcoin will never keep the promises they make[J]. The Australian Financial Review, 2018, 4: 0130. [30] BROWN S J, WARNER J B. Using daily stock returns: the case of event studies[J]. Journal of Financial Economics, 1985, 14(1): 3-31. [31] 李常青, 魏志华, 吴世农. 半强制分红政策的市场反应研究[J]. 经济研究, 2010(3): 144-155. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201003013.htm [32] 刘丽华, 徐艳萍, 饶品贵, 等. 一损俱损: 违规事件在企业集团内的传染效应研究[J]. 金融研究, 2019(6): 113-131. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201906007.htm [33] 刘行, 陈澈. 消费税征收环节后移对企业的影响——来自股票市场的初步证据[J]. 经济研究, 2021(3): 100-115. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202103008.htm [34] HANLON M, LESTER R, VERDI R. The effect of repatriation tax costs on U.S. multinational investment[J]. Journal of Financial Economics, 2015, 116(1): 179-196. [35] 张继德, 廖微, 张荣武. 普通投资者关注对股市交易的量价影响——基于百度指数的实证研究[J]. 会计研究, 2014(8): 52-59, 97. https://www.cnki.com.cn/Article/CJFDTOTAL-KJYJ201408007.htm [36] 俞庆进, 张兵. 投资者有限关注与股票收益——以百度指数作为关注度的一项实证研究[J]. 金融研究, 2012(8): 152-165. [37] 罗知, 齐博成. 环境规制的产业转移升级效应与银行协同发展效应——来自长江流域水污染治理的证据[J]. 经济研究, 2021(2): 174-189. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202102012.htm [38] FAMA E F, FRENCH K R. Testing trade-off and pecking order predictions about dividends and debt[J]. Review of Financial Studies, 2002, 15(1): 1-33. https://academic.oup.com/rfs/article/15/1/1/1618822 [39] FLANNERY M J, RANGAN K P. Partial adjustment toward target capital structures[J]. Journal of Financial Economics, 2006, 79(3): 469-506. https://www.sciencedirect.com/science/article/pii/S0304405X05001571 [40] 姜琪, 张佳鑫, 狄慧敏. 区块链技术驱动数字经济高质量发展的问题与对策研究——基于供给侧与需求侧的理论逻辑[J]. 金融教育研究, 2021(3): 3-12. https://www.cnki.com.cn/Article/CJFDTOTAL-JXJR202103001.htm -
点击查看大图
图(5) / 表(7)
计量
- 文章访问数: 213
- HTML全文浏览量: 118
- PDF下载量: 350
- 被引次数: 0