公司名称、投资者认知与公司价值，本文主要内容关键词为：公司名称论文,认知论文,投资者论文,价值论文,公司论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
对大多数投资者而言，从几千只股票中选择优质的投资对象是一个充满挑战的过程。Tversky and Kahneman(1973)等心理学研究指出，面对这类复杂的决策问题，人们会更多地依赖心理捷径来简化决策过程。Zajonc(1980)进一步提出，在这种情形下投资者通常倾向于选择那些相对熟悉的股票以规避风险。随后的一系列研究为这一观点提供了经验证据：French and Poterba(1991)发现投资者更偏好在国内上市的股票；Coval and Moskowitz(1999，2001)以及Huberman(2001)的研究表明，甚至连华尔街的基金经理们也不能免俗，他们更青睐总部位于当地的公司。 在当今这个信息爆炸的时代，投资者没有时间和精力处理海量的信息，对市场信息普遍存在有限关注，可能会影响信息的解读和传播效率(李小晗和朱红军，2011)，进而影响股票价格和收益(俞庆进和张兵，2012)。 公司名称是一家公司的招牌，易于记忆和辨识，往往构成了投资者对公司的第一印象，而且浓缩了公司所在地、所属行业和经营理念等信息，投资者对公司名称的主观感受可能在选股的过程中产生潜移默化的影响，进而影响公司价值。 为了考察公司名称对投资者选择和公司价值的影响，本文试图构建一套符合中国人思维模式和信息处理习惯的公司名称评价体系，以定量反映投资者对公司名称的主观感受；并通过实证研究检验公司名称评分与投资者持股意愿、股票流动性和公司价值之间的关系。 本文其他部分安排如下：第二部分进行文献综述并提出研究假设；第三部分构建公司名称评价体系，展示评分结果；第四部分为公司名称与投资者认知和公司价值关系的研究设计和实证研究结果；第五部分为稳健性检验；第六部分总结全文，提出政策建议。 二、文献综述与研究假设 (一)文献综述 近年来，随着心理学和行为金融学的发展，越来越多的学者开始关注名称与信息加工、消费者认知和投资者决策之间的关系。Oppenheimer(2006)发现简短的名称更易处理和记忆，会产生积极的心理暗示，得到更高的评价。Song and Schwarz(2009)指出，消费者通常认为名称古怪冗长的食品添加剂更不安全。Alter and Oppenheimer(2006)的实验表明，对公司业绩进行预测时，名称朗朗上口的公司往往被寄予更高的期望。Bao et al.(2008)研究发现，名称越容易发音的产品，品牌认可度越高。Green and Jame(2013)则指出，名称简短、易于发音的公司股东更多，股票换手率更高。 我国股票对应的名称主要有股票简称和公司名称。近年来，国内学者陆续开始关注股票简称与股价的关系，但是由于缺乏全面系统的名称评价体系，这些研究往往聚焦于股票简称更名事件对股价的影响(刘力和田雅静，2004)，或者针对简称相似的配对股票研究其收益率联动关系(李广子等，2011)，样本范围受到较大限制，无法揭示出更具一般性和普遍性的规律。刘亚琴(2008)设计了基于调查问卷的股票简称评价体系，并进一步研究了股票简称和股价的关系。然而，基于调查问卷的评价结果对受调查者的分布较为敏感，通常难以保证结果的可靠性；同时，上市公司及其产品的宣传广告和反复曝光会影响受调查者的主观判断，那些实力雄厚、业绩良好的公司更容易在调查问卷中得到高分，从而产生内生性的问题。 本文认为，我国上市公司股票简称限于4个汉字，信息量非常有限，某些公司为了追逐热门概念，想方设法变更股票简称进行包装炒作，导致股票简称名不副实。因此，股票简称对投资者认知的长期影响较小。相比之下，公司名称蕴含的信息量更为丰富，更能反映公司的实际情况，可能会对投资者认知和公司价值产生持续的影响。 (二)研究假设 Oppenheimer(2006)、Song and Schwarz(2009)等一系列研究表明，影响投资者记忆和处理公司名称的因素首先是名称的长短。其次，我国上市公司名称中存在很多简称、单字词和自造词，这些字词表义不明确，对于未被普遍接受的自造词，人们不得不将其拆分为一个个单字词进行记忆，增加了信息处理的障碍，影响了公司名称的通顺度。刘亚琴(2008)指出，蕴含吉祥或者褒义的公司名称会使人产生美好的联想，从而受到投资者的青睐。此外，与常见字词相比，人们对生僻字接触较少，对其意义比较模糊，会产生一种陌生和疏远的感觉，“模糊厌恶”理论认为对未知的恐惧决定了人们更倾向于选择那些容易辨识的投资对象。 因此，本文认为我国上市公司名称的简洁度、通顺度、寓意以及易辨识度均会影响投资者对其股票的主观感受。中小投资者对股票的青睐程度集中反映在股东人数的多少。机构投资者普遍采用分散化的投资策略，投资了某家公司就已经表明了其对该公司的认可，他们对股票的青睐程度首先反映在持股机构投资者家数的多少；其次，机构投资者对更加青睐的股票往往会提高持股比例，他们对所投资的股票的相对青睐程度还反映在机构投资者平均持股比例的高低①。据此，本文提出如下研究假设： 假设1：简短、通顺、由常见字词组成以及蕴含美好寓意的公司名称更受投资者喜爱，这类公司股东人数和持股机构投资者更多，机构投资者平均持股比例更高。 我国股市的投资主体是中小投资者，普遍以短线投资为主；机构投资者持股比例有限，持股时间相对较长。因此，股票的流动性主要取决于中小投资者交易的活跃程度。Demsetz(1968)指出由于股票的持有决策和买入决策存在密切联系，股票潜在投资者数量与当前持股人数成正比。在投资者结构不变的情况下，随着股东人数的增加，股票日常的供给和需求均会增加，股票的成交量和换手率随之增加，大举卖出和买入对股价的冲击随之减小。结合假设1，我们提出如下研究假设： 假设2：简短、通顺、由常见字词组成以及蕴含美好寓意的公司名称更受投资者喜爱，这类公司的股票具有更好的流动性。 本文认为公司名称可以通过直接和间接两条渠道影响公司价值。Shleifer(1986)以及Kaul et al.(2000)认为股票的需求曲线是向下倾斜的，公司名称越受投资者青睐，股票的需求曲线越靠右，均衡价格越高，权益市值和公司价值越大(直接效应)。Merton(1987)提出，公司股东人数越少，投资者承担的交易风险和持股成本越高，股票估值越低。Amihud and Mendelson(1986)以及陈辉等(2011)则指出，股票流动性水平的提高有助于降低交易风险和必要回报率，促进公司价值的提升。结合前两个研究假设，公司名称可以通过影响投资者认知间接影响公司价值(间接效应)。据此，我们提出本文的第三个研究假设： 假设3：简短、通顺、由常见字词组成以及蕴含美好寓意的公司名称更受投资者喜爱，投资者对这类公司的估值更高，公司价值更大。 三、公司名称评价体系设计和评分结果 (一)研究样本 在对公司名称评价指标进行定义之前，首先需要对研究样本进行一定的说明。本文选用了1992至2009年②非金融企业中上市至少一年的A股上市公司作为研究样本，剔除以下公司：名称中含有高校等科研机构名称、人名和母公司名称等信息的公司③；纯粹由地域信息和行业信息组成公司名称的公司④；公司名称中含有“中国”、“中华”、“华夏”、“神州”、“九州”、“国际”、“世界”、“五洲”、“环球”及其简称以及公司名称中不含公司所在地信息的公司⑤；纯粹以序数词作为公司字号的公司⑥；公司名称中含有英文字母缩写和阿拉伯数字的公司⑦以及考察年度被标记为ST、*ST、SST、S*ST、PT的公司，最终得到882个不同的上市公司名称。 (二)公司名称评价体系设计 本文设计的公司名称评价体系旨在反映投资者初次接触到一个公司名称时对其简洁度、通顺度、寓意和易辨识度的主观感受，从语言角度衡量公司名称的信息处理体验。 我国上市公司名称一般以“股份有限公司”结尾，然而投资者在记忆时往往会直接过滤掉这些冗余信息。因此，本文首先略去公司名称中的的后缀，如“股份有限公司”、“企业”、“集团”等。其次，去掉公司名称中所在地的行政区划级别，如“省”、“市”、“经济特区”等，统一所在地名称的格式。 汉语具有独特的构词特征，有单字词、双字词、三字词、四字成语等。投资者在记忆和处理信息时，通常将其切分为具有独立意义的单字词或多字词语，以此作为“最小信息单元”进行加工处理。因此，本文将调整后的公司名称切分为具有独立意义的“最小信息单元”，并要求这些信息单元为《现代汉语词典》第6版收录的主词条或者未被收录的地名等专有名词，以保证切词具有统一、权威的标准。例如，“深圳世纪星源”应切分为“深圳；世纪；星；源”，其中“最小信息单元”以分号隔开。在此基础上，本文分别构建公司名称的简洁度、通顺度、寓意和易辨识度评价指标如下。 计算调整后公司名称中“最小信息单元”的个数n，将公司名称简洁度Concision定义为1/n。 公司名称中的单字词表义不明确，会影响名称的通顺度。因此，计算调整后公司名称中单字词“最小信息单元”的个数s，将公司名称通顺度Fluency定义为1/(1+s)。 本文将人类普遍的美好追求、愿望(如健康、快乐、成功)，普遍推崇、歌颂的美德(如坚强、勇敢、真诚)以及普遍熟悉的具有美好象征意义的事物总结出来，以“具有吉祥或者褒义”加以概括。统计调整后公司名称中“具有吉祥或者褒义”的“最小信息单元”的个数m，将公司名称寓意值Auspiciousness定义为m。 为了衡量公司名称易辨识度，需要计算公司名称在日常生活中的相对使用频率。公司名称整体的使用频率在很大程度上受到公司声誉以及广告宣传等因素的影响，不宜作为语言意义上的易辨识度。因此，本文采用公司名称中“最小信息单元”的相对使用频率构建易辨识度指标。 近年来，随着计算语言学的兴起，许多国家纷纷开始收集整理来自不同领域的大量文本，建立语料库对本国语言的使用情况进行统计。Feng(2006)对国内主要的语料库进行了全面的比较和评价，他指出，北京大学计算语言学研究所建立的现代汉语语料库(后文简称“北大语料库”)覆盖面广，规模之大国内尚无先例，正确率也达到了国内最高水平。因此，我们以公司名称中“最小信息单元”在“北大语料库”中出现的相对频率作为其易辨识度的代理变量。 我国公司名称一般由公司所在地和字号组成，部分样本还包括行业信息。这三部分信息具有不同的性质和意义，因此本文将分别计算这三部分信息的易辨识度。 公司名称可能包括了一个以上的行政区划，然而投资者往往只关注最低一级行政区划的信息。因此本文将公司名称所含地名易辨识度定义为Location Freq=F(
)/F(北京)，其中
是公司名称中最低一级行政区划的名称，F(
)表示
在“北大语料库”中的记录条数。 字号是公司名称的核心部分，具有独特的品牌效应和辨识信息，投资者对这部分信息的记忆和处理最为细致，因此我们将字号易辨识度定义为字号中所有“最小信息单元”相对使用频率的几何平均值⑧，
其中p为字号中“最小信息单元”的个数，F(
)/F(的)表示字号中单字词“最小信息单元”的相对使用频率，F(
)/F(发展)表示字号中多字词“最小信息单元”的相对使用频率。单字词作为更小的信息单位，使用频率的数量级显著高于多字词。因此，本文认为计算字号涉及字词的相对使用频率时，对单字词和多字词应使用不同的分母。 行业信息反映了公司的主营业务，一般由行业简称或单字词、修饰性词语、主体部分和补充信息四个部分构成，不同部分的字词之间不宜进行比较，因此我们将所含行业信息易辨识度定义为行业信息中所有“最小信息单元”相对使用频率的几何平均值，
其中q为行业信息中“最小信息单元”的个数，
(设备)分别表示行业信息中简称或单字词、修饰性词语、主体部分和补充信息的相对使用频率。 最后，我们在上述定义的基础上将公司名称的简洁度、通顺度、寓意值分别在Min-Max标准化的基础上开平方，将所含地名、字号和行业信息易辨识度分别在Min-Max标准化的基础上开四次方⑨，并将其求和得到公司名称的综合得分Name Score⑩。 (三)公司名称评分结果展示 根据上述指标设计，我们对样本中882个公司名称分别进行了计算，其中388个不含行业信息，其余494个包含行业信息，计算结果的统计特征如表1所示。
表2展示了两类子样本中公司名称综合得分最高和最低的5家公司及其评分结果。
注：在两个子样本中，1、2、3、4、5和-1、-2、-3、-4、-5分别表示公司名称综合得分排名最高和最低的5位。公司名称中的“最小信息单元”以分号隔开。公司名称下方括号里依次为该名称的简洁度、通顺度、寓意值、所含地名易辨识度、字号易辨识度、所含行业信息易辨识度(仅公司名称含有行业信息的子样本)和综合得分。 四、研究设计和实证分析 (一)变量选取与回归模型设计 本文首先将分别考察公司名称各项指标与该公司股票年末持股户数n[，R]、持股机构投资者家数n[，I]和机构投资者平均持股占流通股比例θ[，I](单位为%)的关系，分别以ln(n[，R])、ln(n[，I]+1)和ln(θ[，I]+1)作为被解释变量，记为Retail Holders、Inst Holders和Inst Avg Share。公司规模可能会影响投资者的持股意愿，因此引入Size及Size[2]作为控制变量，其中Size为公司资本市值(即年末发行在外的股份数与年末收盘价的乘积(11)，单位为百万元)的10的对数值。持股成本和交易成本同样会影响投资者的持股决策，因此引入股价的倒数1/Price和股票换手率Turnover作为控制变量，其中Price为年度内每个交易日中间价(即日内最高价和最低价的均值)的平均值，Turnover为该股票在年度内的月均换手率。此外，股票上市的时间越长，沉淀下来的股东往往越多，机构投资者也可能不断增持，因此引入股票上市以来经历月份数的自然对数值Age作为控制变量。Gompers and Metrick(2001)指出，为了追逐更高的投资回报，投资者可能更倾向于购买那些净值市价比高的、持续上涨的、波动性更大和盈利性更好的股票。因此，我们引入B-to-M，Momentum，Volatility和Profitability等控制变量，其中B-to-M为年末净值市价比；Momentum为该股票年度内的收益惯性，即从年末看过去12个月到过去2个月的累计连续复合收益率；Volatility为年度内各月份收益率标准差(单位为%)的自然对数值；Profitability为EBITDA与总资产账面价值的比值，如果EBITDA为负数，则令Profitability等于0，并令相应的指示变量为1。Grullon et al.(2004)认为广告投入同样会影响投资者的持股意愿，因此引入年度广告投入的10底对数值Advertising作为控制变量，如果缺少年度广告投入数据，则令Advertising等于0，并令相应的指示变量等于1。Chen et al.(2004)的研究发现，入选S&P500指数会导致股票投资者基数的增加，入选大盘指数的股票往往市值较大，机构投资者的持股比例相对较低，因此引入CSI 300虚拟变量来控制这一现象的潜在影响。由于我国沪深300股票指数2005年才正式推出，在2005年以前，本文分别选取上证30指数(1996-2001)、上证180指数(2002-2004)和深圳成分指数(1995-2004)作为沪深两市以前年度的参考股指，如果某只股票年末属于上述指数的成分股，则CSI 300等于1，否则CSI 300等于0。机构投资者持股可能会挤占中小投资者的投资空间，本文在研究公司名称与股东户数的关系时还将引入机构投资者持股占流通股的比例Inst Share作为控制变量，具体考察这种挤占效应的大小。另外，本文还将对年度和行业(12)虚拟变量进行控制，以消除时间趋势以及行业差异的影响。 其次，本文进一步考察公司名称各项指标与该公司股票流动性水平的关系。借鉴Hasbrouck(2009)、Green and Jame(2013)的思路，本文将分别采用年度内股票的月均换手率Turnover和基于日度交易数据构造的股票非流动性指标Illiquidity作为股票流动性的代理变量。其中Turnover偏重量的角度；Illiquidity则综合反映了成交量对股票价格的冲击。Hasbrouck(2009)指出Amihud(2002)构造的非流动性指标存在大量极端值，不宜直接用于回归模型，并提出了如下改进版本：
其中D为年度内交易量非零的交易日数，
为第d个交易量非零交易日的日收益率(单位为%)，
为该交易日的交易金额(单位为元)，本文以该指标衡量股票在年度内的非流动性水平。影响股票流动性的因素与影响持股户数的因素大体相同，除了Turnover以外，我们引入与研究假设1时相同的控制变量。 模型1：为检验假设1，构建如下回归模型：
在模型1和模型2中，
分别取公司名称综合得分和各项细分指标。控制变量
包括Size，
，1/Price，Turnover(仅模型1)，Age，B-to-M，Momentum，Volatility，Profitability，Advertising，CSI 300和Inst Share(仅模型1中Retail Holders的再检验)。 为了检验公司名称与公司价值的关系，本文主要以非流通股折价70%的托宾Q值(
)和市净率的自然对数值ln(M-to-B)作为公司价值的代理变量。随着公司逐渐步入生命周期的成熟期，公司价值趋于下降，因此引入Age作为控制变量。销售收入及其变化趋势集中体现了公司未来的成长潜力，因此引入销售增长率GS和销售收入的10底对数值Sales作为控制变量。盈利性水平Profitability直接反映在当前的股价中，我们也将予以控制。研发投入、广告投入都会增加公司的未来收益，但是不会直接影响公司资产的账面价值，因此我们引入R&D/Sales(13)，Adver/Sales两个控制变量。有形资产比例较低的公司往往在技术创新和人力资本上有较高的投入，未来的成长潜力更大，因此引入有形资产与总资产账面价值的比值Tangibility作为控制变量。此外，我们还将引入财务杠杆Leverage和股利支付Payout作为控制变量。其中，Leverage为总负债与总资产的比值，Payout为该年度派发股利与净回购支出之和与净利润的比值。考虑到入选沪深300股票指数有利于投资者基数和股票流动性的增加，本文引入CSI 300虚拟变量来控制该因素对公司价值的影响。最后，本文对年度和行业虚拟变量进行控制。 模型3：为检验假设3，构建如下回归模型：
其中Value分别采用
和ln(M-to-B)。Name
分别选取公司名称综合得分和各项细分指标。控制变量
包括Age，GS，Sales，Profitability，R&D/Sales，Adver/Sales，Tangibility，Leverage，Payout和CSI 300。 (二)变量的描述性统计 本文在前述样本基础上剔除缺少个别指标或者存在异常指标的观测值，最终得到784家上市公司的5104组观测值，其中746家上市公司的4729组观测值包括股东户数信息，769家上市公司的4611组观测值包括机构投资者持股信息，742家上市公司的4388组观测值同时包括股东户数和机构投资者持股信息。整理计算后相关变量的描述性统计指标如表3所示。
(三)实证分析 与不含行业信息的公司名称相比，含有行业信息的公司名称具有更多的信息含量，而且本文针对这两类公司名称构建的评价指标体系不尽相同，因此在这一部分我们将就前面提出的三个模型分别对公司名称不含和含有行业信息的子样本进行回归。 表4展示了公司名称与股东户数和持股机构投资者家数之间的关系。其中模型(1)、(2)、(5)、(6)为公司名称不含行业信息子样本的回归结果，其余4个模型为公司名称含有行业信息子样本的回归结果。股东户数的样本期间为1993-2009年，机构投资者持股的样本期间为1998-2009年。本文略去了常数项、年度和行业虚拟变量的结果以节约篇幅。模型(1)和(3)的回归结果表明，在公司名称不含和含有行业信息的子样本中，公司名称综合得分每提高1个单位，其股东户数将分别增加4.09%和4.13%。模型(2)和(4)的回归结果显示，公司股东户数与公司名称的各项细分指标均显著正相关，公司名称简洁度、字号易辨识度和寓意值对散户持股意愿的影响最大。模型(5)-(8)的回归结果表明，在两类子样本中，持股机构投资者家数与公司名称综合得分和各类细分指标均显著正相关，且所有评价指标的系数基本上都在1%的水平上显著。在公司名称不含和含有行业信息的子样本中，公司名称综合得分每提高1个单位，其持股机构投资者家数将分别增加3.14%和3.67%。这些结果表明公司名称不仅会影响普通投资者的投资选择和持股意愿，对机构投资者也会产生类似的影响。总体来讲，公司名称对机构投资者投资选择的影响程度相对较小，但是机构投资者选股时更易受到公司名称通顺度的影响。
表5展示了公司名称与机构投资者平均持股比例之间的关系，此外还展示了考虑机构投资者挤占效应时公司名称与股东户数之间的关系。为了节约篇幅，这里只展示主要解释变量的回归结果。模型(5)-(8)的结果显示，机构投资者平均持股比例与公司名称综合得分以及各项细分指标均显著正相关，且回归系数均在1%的水平上显著，表明简短、通顺、由常见字词组成且蕴含美好寓意的公司名称不仅会受到更多机构投资者的青睐，而且会进一步吸引机构投资者增加筹码，提高持股比例。在公司名称不含和含有行业信息的子样本中，公司名称综合得分每提高1个单位，其机构投资者平均持股比例将分别增加1.35%和1.59%。模型(1)-(4)的结果显示，公司股东户数与机构投资者持股比例显著负相关，表明机构投资者持股的确会挤占中小投资者的投资空间，导致散户数量减少。此外，对比模型(1)-(4)与表4中相应模型的结果可以看出，控制了机构投资者持股比例以后，公司股东户数与公司名称综合得分以及各项细分指标仍显著正相关，且回归系数的显著性有不同程度的上升，表明这种挤占作用有限，总体来看这类公司还是拥有更多中小投资者。表4和表5的回归结果与假设1的结论基本一致。
为了检验公司名称与股票流动性之间的关系，我们对两个子样本按照模型2进行回归，回归结果见表6。为了节约篇幅，这里只展示主要解释变量的回归结果。根据模型(1)-(4)的结果，股票的月均换手率与公司名称的综合得分以及各项细分指标均显著正相关，且这些指标的回归系数均在1%的水平上显著。在公司名称不含和含有行业信息的子样本中，公司名称综合得分每提高1个单位，其股票月均换手率将分别增加2.21和2.47个单位。模型(5)-(8)的结果则表明，股票的非流动性指标与公司名称的综合得分以及各项细分指标均显著负相关，且这些指标的回归系数均在1%的水平上显著。这些结果充分支持了假设2的结论。 最后，表7列示了公司名称与公司价值的关系，即模型3的回归结果。为了节约篇幅，这里只展示主要解释变量的回归结果。除了Fluency、Location Freq和Industry Freq回归系数的显著性略低以外，公司名称其他评价指标的回归系数均在1%的水平上显著，公司价值与这些评价指标均显著正相关。在公司名称不含和含有行业信息的子样本中，公司名称综合得分每提高1个单位，公司的市净率将分别提高1.86%和2.08%。表7的结果与假设3的预期完全相符。
五、稳健性检验 为了进一步检验公司名称对公司价值的间接影响和直接影响，在回归模型3中，我们还引入股票的流动性水平作为控制变量(14)。 在两类子样本中分别引入Turnover和Illiquidity作为控制变量以后，公司名称综合得分的回归系数明显下降，尤其是引入非流动性水平作为控制变量的模型中，回归系数的显著性水平有所降低。公司价值与股票换手率显著正相关，与股票的非流动性水平显著负相关，且二者的系数均在1%的水平上显著。这些结果表明公司名称通过影响投资者认知水平影响公司价值的间接效应的确存在。在控制了股票流动性水平之后，公司价值与公司名称综合得分之间仍然存在显著正相关关系则说明，除了间接效应外，公司名称还可以通过影响股票的需求曲线直接影响股票均衡价格、权益市值和公司价值。 另外，我国上市公司的名称在上市后很少变更，本文构建的公司名称评价指标通常并不会随着时间不断变化，采用固定效应面板模型得到的回归结果有待进一步检验。因此，我们采用Fama and Mac Beth出(1973)的方法对本文主要实证模型中每年的横截面数据依次进行回归，并对所有年份的回归系数进行算术平均(15)。 对比Fama and Macb Beth(1973)横截面模型和固定效应面板模型的回归结果可以看出，两个模型中公司名称综合得分的回归系数符号相同，大小较为接近，而且在Fama and Mac Beth(1973)横截面模型中公司名称综合得分的回归系数同样在1%的水平上显著。因此，本文采用固定效应面板模型得到的结果是稳健的、可靠的。 六、结论和政策建议 本文构建了符合中国人思维模式和信息处理习惯的公司名称评价体系，以公司名称的简洁度、通顺度、寓意以及易辨识度刻画投资者对公司名称的主观感受，并以1992-2009年间中国A股784家上市公司的5104组年度观测数据作为样本，研究了公司名称评分与投资者认知和公司价值之间的关系。 研究发现，简短、通顺、由常见字词组成以及蕴含美好寓意的公司名称更受投资者喜爱，这类公司的股东人数和持股机构投资者更多，机构投资者平均持股比例更高，股票的换手率更高，成交量对股价的冲击更小，公司价值更高。在控制了股票的流动性水平以后，公司价值与公司名称综合得分之间仍然存在显著的正相关关系，且更高的流动性有助于提高公司价值。这些结果表明公司名称的确可以通过本文提出的两条渠道对公司价值产生持续的影响。 本研究为公司提升品牌影响力和公司价值指出了一条新的思路：即可以在公司命名和更名的过程中投入更多的精力，尽可能地创造出一些简短、通顺、由常见字词组成的公司名称，同时要格外重视公司名称字号(品牌)部分的构思，结合公司的主营业务特点、经营理念和实际情况，形成蕴含美好寓意，能够产生积极联想的字号，使投资者易于记忆和辨识，逐渐产生品牌认同感。 此外，本研究还可以帮助有关监管部门从定量的角度评价、比较和分析我国上市公司的名称，从而进一步规范上市公司名称和股票简称，杜绝名不副实的公司名称和股票简称，从一个侧面治理恶意炒作和上市圈钱的现象，保证我国股市的健康持续发展。 作者感谢匿名审稿人的宝贵意见和建设性建议，当然文责自负。 ①非常感谢审稿专家指出这一点。 ②为了测度公司名称易辨识度，本文采用了北京大学现代汉语语料库(http://ccl.pku.edu.cn:8080/ccl_corpus/index.jsp)的统计结果，该语料库最近一次更新的时间为2009年7月，因此本文的研究样本截止至2009年。 ③高校等科研机构、人名以及母公司的声誉会对投资者的判断产生很大影响。为了提高公司名称评价指标的可靠性和可比性，本文剔除了公司名称中含有这些信息的子样本。 ④这类公司实际上是以地域的声誉作为公司字号，与标准的字号信息不具有可比性。 ⑤根据《企业名称登记管理规定》第七条，这类公司的命名享有特殊待遇，需要从研究样本中剔除。 ⑥如“第一”、“第二”等，这些字号往往是在特定历史时期由于同一行业的多家国有或集体所有企业先后在全国或某个地区设立而形成的，这种字号本身并未传达出公司的经营理念等信息，与标准的字号信息不具有可比性。 ⑦汉语字词与英文字母、阿拉伯数字所传达的信息不具有可比性，无法在统一的指标框架下研究。 ⑧几何平均值通常更适用于对比率、指数等进行平均。此外，如果字号名称中出现一个极不常见的“最小信息单元”，会对投资者的主观感受产生较大的影响，与算数平均值相比，几何平均值能够更好地体现这一特征。 ⑨这种处理主要是为了降低指标的偏度和峰度，使不同指标的均值和中值相对接近，降低不同指标加总时权重不平衡的影响，提高综合指标的可靠性。 ⑩对于公司名称不含行业信息的子样本，Name Score=Concision+Fluency+Auspiciousness+Location Freq+Brand Freq；对于公司名称含有行业信息的子样本，Name Score=Concision+Fluency+Auspiciousness+Location Freq+Brand Freq+Industry Freq。 (11)Chen and Xiong(2001)指出，我国非流通股的转让价格通常仅为流通股交易价格的20%-30%，因此本文在计算资本市值时对非流通股按折价70%计算，后文计算托宾Q值时也进行同样的处理。 (12)行业分类在证监会行业分类标准的基础上去掉金融、保险业，划分为农林牧渔业、采掘及制造业、水电煤公用事业、建筑及房地产业、交通运输及仓储业、信息通讯、贸易、社会服务、文化传媒和综合类等十大类。 (13)我国上市公司2007年以前的财务报表没有专门的项目披露研发支出，2007年以后虽然在财务报表附注中增加了研发支出项目，但是由于涉及公司商业秘密等原因，大部分公司均未披露该项支出。考虑到研发支出中的费用化支出部分直接转入管理费用，计入当期损益，因此我们以管理费用作为研发支出的估计值。 (14)由于表7的回归样本中有一部分缺少股东户数和持股机构投资者家数的观测值，如果引入这两者作为控制变量，需要相应缩小回归样本，得到的回归系数无法直接进行比较，因此这里不再引入股东户数和持股机构投资者家数这两个控制变量。 (15)非常感谢审稿专家提出的宝贵建议。
标签：机构投资者论文; 股票论文; 公司价值论文; 股票价值论文; 回归模型论文; 控制变量论文;
