2007年至2011年中国外商投资法律和政策的定量分析
韩一淳 著*
胡诗雪、宋子笠 译**
内容摘要:本文通过定量方式研究和评价2007年至2011年间中国外商投资的法律和政策对中国上市公司表现的影响。本文将中国所有在上海和深圳证劵交易所上市的A股公司分为77个行业类别,并根据2007年版本的《外商投资产业目录》将这些行业划分为两个组别,即未受限制行业和受限制行业。在此基础上,本文对比评估未受限制行业和受限制行业上市公司的表现。本文的研究结果表明,受限制行业上市公司表现明显低于未受限行业上市公司表现。
关键词:外商投资产业目录 定量研究 上市公司
一、引言
中国于1979年开始实施其首个外商投资法律——《中外合资经营企业法》(下简称“合资法”)。而自从该法颁布后,中国的外商投资法律历经了一系列修改才形成了现有的体系,这将在下文介绍。基于此,本文提出这样一个问题:中国的外商投资法律或政策经历这些年的变化后是成功的吗?
回答这一问题我们需要首先定义两个问题:第一,什么是中国的外商投资政策;第二,如何定义“成功”。
为了定义中国外商投资政策,我们将从早期到现阶段的外商投资法律发展历史进行回顾。此处我们使用“法律”和“政策”这两个一定程度上可替换的概念来指代中国外商投资规则,因为此类规则往往介于法律和政策之间。中国的外商投资法律可以分为以下两个主要部分:一是外国投资者如何投资,这一部分由全国人大(中国立法机关)通过的外商投资企业法规定;二是外国投资者可投资什么,这一部分由国务院(中国行政机关)颁布的《指导外商投资方向规定》(下简称“指导”)规定。从“指导”中可以看出,中国的外商投资法律含有政策导向的特征,这一点本文将随后进行分析。
当我们对中国的外商投资法律是什么有了较好认识后,接下来我们需要定义何为“成功的法律”。一般而言,一项法律即使可被衡量,衡量其是否成功也是困难的。如果一个国家实施一项法律允许企业污染河流而无需承担任何责任,即使其大大增加了经济的产出,这一法律也极有可能被认为是一个不成功的立法。但无论如何,基于本文的目的,我们假设“成功”可以通过计算上交所和深交所中上市公司股东财富的增加来衡量。股东财富的增加伴随着上市公司资本的增加,而上市公司资本增加要么因为其生产利润增加,要么因为其获得了更多投资。当然,实施一项外商投资法律需要考虑很多目的,但一个外商投资体系的目的不可能既非帮助国内企业获得更多利润,亦非使其获得更多投资。因此,我们将采用简单但是传统理论经常采用的金融模型来统计股东财富的增加。
最后,我们将股东增加或减少的财富与中国的外商投资政策联系起来。为了使统计结果有意义,我们需要将两者统一,使其拥有尽可能多的相似性而仅仅存在很少相异的自变量。所幸的是,中国的现实情况降低了这一工作的难度。在1995年,国务院首次公布了《外商投资产业指导目录》(下简称为“目录”)。该目录是政府对指导外商投资方向规定的解释和具体实施规则。由于指导仅仅是模糊的政策,因此很难通过其明确具体范围,例如受鼓励的外商投资产业中“国际化需求高”具体指什么是不清楚的。因此,目录对这些模糊的政策进行了细化,例如“100吨及以上巨型起重机的设计和生产”是被鼓励的外商投资产业。在该目录中所列的每一个单独的产业只能归入“鼓励类”、“限制类”或“禁止类”中的一类。目录中未列出的产业则默认为“允许类”。该目录每2-4年更新一次,基本划定了特定外商投资政策的实施期限。最近更新的目录于2011年11月1日生效,结束了2007年11月生效的目录4年的实施期限。这样,我们就有了一套从2007-2011年(下简称为“有效期”)关于产业类型的完整信息,以及这些产业在该时期在证券市场上的表现情况。
在这些数据的基础上,我们能够得到每一产业或行业各自在有效期内的表现。从而,我们将运用投资组合分析和统计检验的方法判断产业或行业表现与目录上对不同产业的限制程度是否存在相关性。
二、文献综述
在法学研究中运用定量方法仍存在广泛争议。法律经济学派认为,通过数字、运用统计方法,可以比较出哪些法律是更好的法律,或者分析规则带来了哪些结果。例如,在合同法领域,承诺是采用“发出主义”还是“收到主义”;在侵权领域,是采用严格责任规则更好还是过错责任规则更佳,等等。法律和经济学者运用经济分析的方法可以回答以上问题,即比较某一规则的成本和收益;前者形如多少人被杀、多少房屋被烧毁,后者形如保险公司可以少支付多少赔偿、败诉的被告需要多支付的赔偿。如果规则实施的成本低于收益,则该规则就是好的,否则则是坏的。在收益相同的情况下,如果规则A实施的成本小于规则B实施的成本,则规则A相比是更好的。
罗纳德·科斯1961年“社会成本的问题”一文被认为是现代法律经济学的开端。该文作为历史上印证率最高的法学文章,体现了其对现代法学思想的影响力。在这篇文章中,科斯通过经济模型指出,现代通信业的基本法律对无线电频率的监管对频率的分配是无效,因为市场参与者们将通过谈判最终达成波段的分配协议,而不论政府最初的分配方案是什么。[1]
自科斯这篇突破性文章之后,几乎所有可被分析的法律及可能的效果都进行了类似的实证分析。例如,对资本市场价格的法律效果的研究、对公司管辖权的研究、对董事的规则研究、对收购并购限制或鼓励的规则的研究。统计方法的灵活性(也是其可能存在的缺陷)在于它可以将任何两个变量进行相关性分析,而无论这些变量之间的关系是否有意义——可能是法律和社会福利,也可能是天气预报播音员裙子的颜色和下雨的可能性。这导致了在法学中运用实证分析方法的研究呈现爆炸式增长,已存在的众多文献且这一数量还在不断增加。[2]
法律经济学派中,衍化的一个新分支即“法律与金融”。这一名称源于La Porta等人的一篇名为“法律与金融”[3]的开创性文章(该文提出了著名的LLSV模型)。该领域关注法律(主要是法律渊源,如普通法和大陆法)对不同金融指标的影响,例如公司估值、红利、所有权集中度(LLSV模型)[4],资本分配(Wurgler)[5],股价(Morck等)[6],金融脆弱性(Johnson等)[7],以及工业、产业和国民经济发展(Demirguc-Kunt等)[8]。法律和金融的发展显示了在法学领域更广泛地运用统计方法的趋势,这一趋势在主流经济学理论中亦是如此。
但运用实证方法研究中国法律并不常见,英文的研究则更少。Liebman和 Milhaupt (2007) 分析了上海和深圳证券交易所规则对上市公司市值的影响。[9]这一文章关注的是交易所对上市公司及其董事的制裁措施。该文运用了“事件研究”(event study)的统计方法来捕捉当交易所宣布其对上市公司或其董事采取制裁之后数据中的“超额收益”。Liebman发现,这种制裁往往导致消极的超额收益,从而他得出结论,中国证券市场中,投资者在进行投资决策时事实上考虑了证券交易的制裁措施。而在该研究之前一般的看法是:中国证券市场存在众多内部交易和市场操纵,因此所有中国投资者都将证券市场视为一个“赌局”而非真实反映公司价值的市场,从而中国投资者在投资时并不会关心对证券交易的处罚。Liebman通过实证的方法强有力地论证了中国证券市场的监管存在一定的有效性,否定了上述误解。
三、中国的外商投资法律
如上所述,中国的外商投资法律主要对两个方面进行监管:一是外商如何在中国进行投资,二是外商可以在中国投资什么。一般而言,大多数规定主要针对前者,例如数量众多的有关中外合资经营企业、中外合作经营企业、外商独资企业和有关合格境外机构投资者的法律。由于现有文献对这一部分已有众多成果,我们仅仅对此做一简要说明。
然而,上述第二个方面的现有研究相比于第一个方面还不多,而这一部分与本文的主题更相关。因此,对中国外商投资法律的主要介绍将围绕这一部分展开。
(一)外国投资者的投资形式
1.中外合资经营企业
中国于1979年通过了其首个外商投资的法律,即《中外合资经营企业法》(下简称“合资法”)[10]。在此之前, 有关中外合资经营企业主要通过中国共产党的政策或政府内部非公开指示进行监管。[11] 合资法为外资打开了中国的大门。外国投资者可以与中方投资者组建合资公司。在一个中外合资企业中,外国投资者的投资需要占总资本的25%以上,并按注册资本中的比例分担利润、损失和投资。[12]合资 双方应根据合资协议条款组建董事会。[13] 中外合资企业可以享受税收上减免的特别优惠待遇但需要遵守中国有关外汇管制的义务。[14] 中国政府同样允许中外合资企业在中国境外建立的分支机构在中国市场上出售产品。[15]
2.中外合作经营企业
在1979年实施的《中外合资经营企业法》中,合资各方应根据出资比例分享利润。而一些投资者希望在其出资受到严格比例限制的情况下提前获得利润;也有一些投资者不希望受到中外合资经营企业法中对董事会要求的限制。[16] 这些外国投资者的诉求导致了现实中出现了一种新型的在1979年法律中未规定的投资形式,即中外合作经营企业(下简称“合作企业”)。直到1988年,有关中外合作经营企业的法律才出台。[17] 在此之前,虽然立法上没有专门针对中外合作经营企业的规定,但现实中这种模式却已广泛使用。1988年的《中外合作经营企业法》的出台确认了实践中已存在的类似协议的合法性,体现并延续了官方对外资所持的灵活态度。[18]
虽然新法出台,但由于其在许多方面存在模糊性,使外国投资者和政府官员仍按照其以往做法继续参照中外合资经营企业法的规则。[19] 直到中外合作经营企业出现15年后,即1995年,《中外合作经营企业法的实施条例》才明确了中外合作经营企业成立、组织结构和运营过程中的细则。[20]
3.外商独资企业
外商独资企业(WFOE)的出现是为了满足部分外国投资者对其在华投资拥有完整所有权的需求。[21]《外商独资企业法》及其实施条例分别于1986年和1990年公布。外商独资企业由于其完全由外国投资者所有而与中国投资者没有联系,从而其与中外合资企业和中外合作企业有着本质的不同。
如上所述,《中外合资经营企业法》、《中外合作经营企业法》和《外商独资企业法》共同构成了中国外商直接投资三种重要投资形式的基本法律。除此之外,众多条例和规则以及监管机关的通知也实际指导着中国的外商直接投资实践。[22]
(二)外国投资者的投资范围
1.《指导外商投资方向暂行规定》和《外商投资产业指导目录》
《指导外商投资方向暂行规定》(即“指导”)和《外商投资产业指导目录》(即“目录”)于1995年由国家计划委员会、国家经济贸易委员会、对外贸易经济合作部公布实施。[23] 在此之前,中国公认的外商投资政策是模糊的,且分布在不同的立法中。这种模糊性导致了对外商投资审核的武断和随意。指导和目录的产生正是为了减少在外商投资审核中的模糊性和不确定性,当然,中国政府也用它们引导外商投资使之符合国家计划和社会发展目标。[24]
《外商投资产业指导目录》将外商投资的项目分为四类,分别为“鼓励类”、“允许类”、“限制类”和“禁止类”。鼓励、限制和禁止类在目录上进行列明,而未列出的产业即允许类项目。[25]
《指导外商投资方向暂行规定》列出了六类被鼓励的领域:1)农业、能源、交通、原料加工;2)国内欠缺的行业;3)能满足国际市场需求的行业;4)利用新科技和/或新设备对自然资源和可再生资源进行综合利用,同时预防和控制环境污染;和5)利于中部和西部的发展。[26]属于以上鼓励类产业的项目将享受特别优惠待遇并减少审批过程中的审查。
《指导外商投资方向暂行规定》亦列出了限制的项目,包括:1)属于国内已开发或者已引进技术,生产能力已能满足国内市场需求的; 2)属于国家吸收外商投资试点或者实行专卖的产业的; 3)属于从事稀有、贵重矿产资源勘探、开采的; 4)属于需要国家统筹规划的产业的; 5)属于国家法律、行政法规规定限制的其他项目。[27]
在指导中被禁止的项目包括:1)属于危害国家安全或者损害社会公共利益的;2)属于对环境造成污染损害,破坏自然资源或者损害人体健康的;3)属于占用大量耕地,不利于保护、开发土地资源,或者危害军事设施安全和使用效能的;4)属于运用我国特有工艺或者技术生产产品的;5)属于国家法律、行政法规规定禁止的其他项目。[28]
《外商投资产业指导目录》是随指导同时公布的。目录列出了指导中四大类下具体的产业,是政府对外商投资项目进行审核的基本指南。目录将根据经济和科技发展定期进行修订。[29]最近一次修订的2011年目录,共涵盖了400余个行业部门、产品、科技、基础设施项目和服务。[30]
在指导下,外商投资项目由于其不符合国家经济发展计划而受到禁止或限制。中国对外商投资的禁止和限制反应了若干常见的顾虑,包括:对国内产业的保护(否则可能使国内产业屈服于外国公司的控制),对奢侈性消费的限制和对原材料进口的需求,避免产能过剩。[31] 中国官员并未对其限制外商投资的目的秘而不宣,他们认为《指导外商投资方向暂行规定》“建立的目的在于鼓励和引导外商投资产业从劳动力密集型制造业和不动产转向高科技和高附加值产业的合资合作。”[32]
四、外商投资产业指导目录的历史演变
1995年外商投资产业指导目录先后经历了1997年、2002年、2004年、2007年4次修订,而第5次也是最近一次修订是2011年4月。2007和2011年修订目录背后中国政府的考虑因素相当明确,包括房地产价格、环境污染、中西部发展、不断增持的外汇、以及产业结构向高科技制造业发展战略等。[33] 同样,每一次修订都受到当时宏观政治、经济环境的影响。我们通过梳理产业指导目录的历史可以得到目前目录的情况及其与本研究的关系。
(一)1997年第一次修订
并无太多文献对1997年第一次对产业指导目录的修改给予特别关注。该版本主要的修订变化在于:1)增加了受鼓励的产业;2)将中西部受鼓励产业分列;3)生产产品全部用于出口的企业自动列入受鼓励类别中。[34]但是这一时期外国对中国的投资规模小并且集中在特定的低端制造业中,因此学界未对1997年的修订版本给予太多关注。
(二)2002年第二次修订
2002年修订版本产生于中国外商投资法律体系基本框架成型之时。[35]该版本还受到了中国加入WTO的深刻影响。[36]由于WTO体系下市场准入的义务,许多产业由原来的禁止性类别变为鼓励类和限制类产业。[37]中国入世议定书中明确覆盖的产业包括石油和天然气、汽车、国际远洋运输、通讯、零售、批发和代理服务、保险(人身保险和财产保险)、证券、证券经纪和基金管理、广告服务等。[38]
2002年修订版本进一步强调了中国中西部的发展。例如采矿业一般而言是受限的,但如果其位于中西部则受到鼓励。这一政策通过另一文件,即国家发展与改革委员会和商务部《中国中西部地区外商投资优势产业目录》来实施。这一目录最早于2000年公布,分别于2004年和2008年经历了两次主要修改。2008年目录中考虑到中西部地区的环境保护问题逐渐对采矿业进行了限制。[39]
(三)2004年第三次修订
2004年目录由部门改革后的商务部和国家发展与改革委员会(下简称为“发改委”)公布。[40] 2004年修订的内容极少,只有少数产业与2002年版本相比有所改变。
其中尤其引人注意的是广播电视制作和发行,以及电影制作产业均从原来的禁止类变为了限制类。[41]在2004年版本实施之后亦允许外国所有权进入工程、装修、影院运营产业。
(四)2007年第四次修订
2007年目录是本研究关注的核心,其是中国从2007年至2011年12月四年间外商投资的基本指南。该目录由发改委和商务部于2007年12月1日公布,涉及的产业或行业由原来的370个陡增至478个。
在2007年目录中,一些采矿行业受到新的禁止,尤其是涉及贵重有色金属(例如钨和钼)的行业。稀土和放射性矿物的开采同样受到禁止。在制造业中,几乎所有传统的制造业都从鼓励类中“除名”。[42]玩具、家具、鞋、纺织品、高能、钢铁、铝、造纸和水泥甚至被列入了限制类。上述所谓的“生产产品全部用于出口将受到鼓励”的规则也被取消。出口企业在2007年修订中不再继续享受特别优惠。[43]只有高科技相关的制造业继续列在鼓励类产业中。考虑到当时不断增长的房价,2007年目录增加了对房地产相关行业的限制。[44]
传媒、发行、网络企业受到了限制。而新闻网站、电影制造、在线试听、网络服务、网络文化运营则被列入了禁止名单。
2007年目录尤其鼓励铁路运输行业的发展,即允许外资进入高铁和城市轨道系统的研发、制造和维护等领域。
开放金融领域是2007年目录的关注焦点。期货公司原来是禁止类而07年后变成了受限类。证券公司与原来一样依然受限。保险公司虽然依然受限,但取消了非人寿保险领域的外资所有权上线,对人寿保险的外资所有权上线依然是50%。
对服务业和娱乐业的限制有所放松。物流、广告、评级、会计和审计列为受鼓励产业。健身、体育设施、培训、旅游为娱乐业的受鼓励产业。2007年版本也体现了中国对环保的承诺:回收循环、清洁生产、循环能源、可再生能源、生态保护、和资源的高效利用被列入鼓励类目录。
(五)2011年第五次修订
2011年4月1日,发改委和商务部联合公布了2011年修订的《外商投资产业指导目录》。[45]与2007年目录一样,新目录继续强调了对高科技、节能、环保和服务业的关注。
传统的整车制造业和汽车研发机构从以前的鼓励类降到允许类。而可替换能源、环保型汽车则加入了鼓励类。
2011年目录取消了对医疗机构的限制,并且不再要求外商以合资形式进行投资。这意味着外国投资者可以在中国建立外资医院。
在金融服务领域,风险投资被列为鼓励类。金融租赁和拍卖则从受限类变为允许类。鼓励类中还增加了知识产权服务,例如专利和商标代理、知识产权咨询公司,以及职业教育产业。而图书发行和进口、报纸和杂志、影音制品和电子图书从过去的禁止类上升为允许类产业。
自从外商投资产业指导目录1995年诞生之日起,其共经历了五次修订,其中最近的一次是2011年4月。我们从中可以观察到以下趋势和特征:1)鼓励高科技产业,限制传统制造业;2)保护自然资源和环境;3)依据WTO的承诺开放金融和其他服务领域;4)考虑不断膨胀的房地产价格;5)对媒体、特别是网络进行严格监管。
五、对中国2007-2011年外商投资政策的评估
这一部分中我们试图对中国2007-2011年外商投资法律和政策进行评估。上一部分中我们已经对《外商投资产业指导目录》的内容和作用有了清楚的认识,接下来我们将利用2007年版本的目录作为相关期中国外商投资法律的代表。这样,我们能够评价2007年目录的实施是否成功。再次说明的是,“成功”意味着相对其内上市公司股东财富的增加。
为了评价是否成功,我们首先需要获得相关数据并对其进行整理。
(一)数据库
原始数据可以从上海和深圳交易所下载自2007年11月1日至2011年10月31日A股、B股及创业版每天交易信息和。这些数据可以通过沪深指数(CSI)数据库获得。CSI指数类似于道琼斯指数,它提供的沪深300指数是上交所和深交所广泛运用的基准指数。而数据的时间范围为2007年11月1日至2011年10月31日,这样可以与我们的相关期保持一致。原始数据包括了大约1280个上市公司约1000个交易日的交易数据。故总共大概有120万个数据。
在获得了这一原始数据后,我们将2007年11月1日前未上市和2011年10月31日前被停牌的上市公司的信息排除,这样才能保证所有的数据都受到2007年产业目录的影响。当然,我们也发现2007年11月1日和2011年10月31日都是交易日,我们将其包括进来将减少相关期首尾数据缺失值问题。
接下来,我们去除所有上交所和深交所中B股的数据和创业版数据。去除B股,是因为B股的计量单位为美元和港币,这将带来数值上的不统一。又由于B股市值相对较小,因此将其排除在外不会对本研究造成太大影响。这样,我们得到了1193个上市公司的信息。
我们对这1193个公司相关期内的复合投资回报率进行进行计算。计算方法为对每一天的回报率进行加总。我们也考虑到了年终以现金或股份形式的分红,但是由于计算的复杂性,我们无法统计所有的净现金流,如股票增发带来的收益。也许将来的研究可以将净现金流也计算进来并对结果进行微调。
下图是对1193家上市公司投资回报率的直观描述。
从图中可知,大部分公司2007年-2011年的累积投资回报率都是负值。这一点与这一时期全球经济危机密切相关。在相关期内,沪深300指数损失了市值的39%,这大概为图中数据的平均值。沪深300指数包括了在上交所和深交所上市的300家最大的公司的股票指数。这证明了我们的数据到目前为止基本准确。
(二)对上市公司进行行业分类
在有了完整的数据后,我们将以上所有上市公司分为77个类别。分类将按照证监会(CSRC)2008年2月修订的工业分类标准进行。[46]CSRC标准中共有88个类别,我们使用其中的77个类别来对我们的数据库进行分类。所有上交所和深交所的公司均归入其中的一类。虽然证监会的分类与产业指导目录的分类基本一致,但并非完全统一。(详见附录A)
将上述1193家上市公司归入77个类别后,其中最大的类别是不动产(88家上市公司),也有许多类别只有1至2家上市公司,但平均而言每一类别有15.5家公司,详见附录A。各行业受限与否详见附录B。
(三)计算行业回报率
我们在众多计算回报率的方式中选择一种简单的计算方式,即比较每一行业2007年11月1日至2011年11月1日的总市值。这一总市值是该行业所有上市公司市值的加总。例如汽车工业的总市值是该行业上市公司安徽江淮汽车有限公司(600418)、北汽福田汽车有限公司(600166)、比亚迪汽车有限公司(002594)等该行业上市公司的市值总和。计算公式为:
2011.10.31日该行业总市值
某行业回报率 = ----------------------------------------------------
2007.11.1日该行业总市值
所有上述行业各自的回报率详见附录C。
(四)对行业回报率的分析
根据附录C,在相关期内,上交所和深交所上市公司的总市值下降了43%。这意味着中国的股票在2011年的价值只有2007年价值的57%。但并非所有行业的市值都下降。虽然整个市场的市值下降了,但仍然有一些行业保持领先,其中有59个行业下降的幅度低于43%。下图为这77个行业回报率的分布:
(五)行业回报率和行业限制间的关系
1.行业限制
在77个行业中,50个行业属于鼓励类或允许类的外商投资行业,其余27个则受到限制或禁止。具体情形详见附录B表格。
这里我们将简要分析对行业的限制如何影响了行业的回报率。
2.外商投资受限制行业的国内行业市值比允许行业市值损失更多
在2007-2011年期间,外商投资受限制行业相应的国内行业市值损失了53%,而外商投资未受限制行业的国内行业市值仅损失了27%。在所有27个外商投资受限制行业中,仅有6个行业(22%)市值未受损,包括:不动产/不动产管理;食品和饮料/饮料制造;造纸和印刷/印刷;农、林、牧、渔/渔;社会服务/卫生、保健和护理;通讯和文化产业/出版业。
然而,未受限制行业的50个行业中有26个行业(52%)市值有所增加。下图表示的是受限制行业和未受限制行业各自的回报率分布:
未受限制行业的回报率从图中看分布更加均匀,回报率基本在0%-10%内浮动。而受限制行业的回报率波动很大,回报率多分布在-30%在-60%间。
3.受限制行业损失的市值比证券市场平均损失多
观察一个行业自己的损失和盈利固然重要,但同样重要的是比较其与整个市场的损失和盈利。如果市场上的某一参与者损失了25%,而市场上平均损失了43%,而则实际上前者的表现是良好的。因此我们这里将分析受限制行业上市公司之所以表现不佳是否是由于经济疲软造成的。
我们将受限制行业与整个证券市场进行比较发现:
- 在27个受限制行业中,13个行业(48%)比证券市场平均表现得差。
- 在50个未受限制行业中,只有5个行业(10%)的表现不及证券市场平均表现。
这意味着在所有77个行业中,只有18个行业(23%)的证券市场表现不及市场的总体表现。而这18个行业中,13个行业(72%)是外商投资产业指导目录中受限的产业。一般而言,77个行业中应该是一半的行业(即38个)优于平均表现而另一半的行业表现劣于平均表现,但为何现实是59个行业表现良好而18个行业表现欠佳呢?这说明这18个表现欠佳的行业(其中72%是受限制行业)相比其他行业而言规模更大且损失更多。
这18个低于市场平均表现的行业列表如下(按照损失幅度排序):
行业名称 |
回报率 |
是否受限 |
所占比重 |
交通运输/水运 |
-78.69% |
是 |
1.60% |
金融和保险/保险 |
-75.51% |
是 |
6.86% |
采矿/石油和天然气开采 |
-74.22% |
否 |
6.16% |
金融和保险/证券和期货 |
-65.46% |
是 |
1.29% |
金属和非金属/黑色金属铸造和压轧 |
-63.89% |
否 |
3.67% |
通信和文化产业/信息传递服务 |
-60.56% |
是 |
0.10% |
运输/轨道运输 |
-60.04% |
是 |
1.30% |
金属和非金属/有色金属铸造和压轧 |
-56.73% |
是 |
3.83% |
运输/运输服务 |
-53.29% |
否 |
2.26% |
金融和保险/银行 |
-51.15% |
是 |
23.26% |
石油化工/石油加工和精炼 |
-48.14% |
是 |
0.58% |
IT/通讯服务 |
-47.35% |
是 |
0.97% |
房地产/房地产开发和运营 |
-46.50% |
是 |
4.82% |
采矿/煤矿开采和加工 |
-46.19% |
是 |
6.86% |
木材和建材/家具制造 |
-45.98% |
否 |
0.05% |
社会服务/租赁服务 |
-44.96% |
是 |
0.07% |
公共事业/电、汽、热水生产和供应 |
-44.24% |
是 |
2.78% |
-43.91% |
否 |
0.07% |
|
总计 |
|
|
66.54% |
市场平均 |
-42.44 |
|
100.00% |
这18个市值下降的行业的市值占到了整个市场的66.54%。这66.54%中的54.3%(即66.54%的81.3%)是外商投资受限的行业。简言之,中国2007-2011年间损失市值中的81.3%,由于其受到外商投资限制而消失了。当然,如上表所示,占总市值23.3%的金融业由于2008年全球金融危机影响严重受损,这无疑影响了受限制行业的总体表现。
六、数据结果分析
上述分析是简单的静态分析,结果虽然具有启发性,但某些人可能会质疑“81.3%似乎很高,但这一数据又能说明什么呢?有可能这仅仅因为运气不好罢了。”
因此,这一节我们将通过更加复杂的统计方法进一步论证:受到外商投资限制的行业和其市值表现不佳之间确实存在着显着性,并且未受限制行业和受限制行业与其市值表现差异之间亦存在着统计上的显着性。
(一)风险分析
不同的企业和不同的行业之间存在不同的特性。某些企业和行业更加稳定,另一些则波动巨大;某些企业和行业与经济发展一致,另一些则相反。学者们将这种特性为“风险”。
1.标准偏差
原始风险是由回报率的标准偏差计量的。假设甲长期(如10年)投资某只股票并且某天都观察其股价变化,那么他对今天该股预期的盈利情况会形成一个较为准确的判断(包括预期收益和平均收益)。同样,他对该股票何时上升以及何时下降也会有一个较为准确的判断(即标准偏差)。由于他10年间平均每天能赚1美元,因此我们预计明天他也会将赚1美元。但如果明天他只赚了80美分,他也无需担心,因为之前有的日子中他每天赚了1美元20美分,从而多出来的20美分可以弥补损失。但是如果明天他只赚了50美分,这将使得我们重新怀疑他对其投资公司的了解和信息是否依然准确。标准偏差越高说明该投资者的投资时好时坏,其对该公司的投资回报也越不稳定。在本研究中,标准偏差越高则说明企业或行业的投资风险越大。
2.Beta 值
但是,即使是最精明的企业家、银行家或基金经理也无法预测到某些事件的发生,例如全球变暖、洪水、宏观经济政策(如外商投资政策)变化等。这些变化影响了市场中的每个人,而不仅仅限于一家企业,是整个系统的风险,因此被称为“系统风险”。
一个精明的商人不仅仅能在市场好的时候赚钱,也能在市场不好的时候赚钱或减少自己的损失。我们不能准确预测明天的市场情况,因此我们无法准确预测该商人明天的盈利情况。但是,我们知道在市场好的时候甲每天能赚1.2美元,而市场不好的时候他每天能赚0.8美元。如果明天和今天的市场状况一样,那么如果今天甲赚了1美元,明天他也将赚1美元。我们得出这一结论是基于他过去10年间每一天的表现得出的。我们将这种对系统风险的敏感度称为Beta。每一公司、行业、甚至国家都有自己独特的Beta系数,就如同一个公司的名称或一个人的长相。Beta值可能在长期中会随着公司或行业的改变而改变,但在短期中却基本保持稳定。
(二)投资组合估值
不同的公司有不同的风险特征,因此评价一个公司的市场表现不能仅仅看其回报率。一项组合是不同资产的集合,或不同公司或行业的股票的集合。投资组合的表现如同一个公司的表现一样,也不能仅仅从他的回报率去评价。如果某人建立了一家赌博公司,一个聪明的投资者不会因为这个公司在第一年甚至前五年间赚了很多钱而盲目向其投资。因为这个公司的一年的总账目可能是这样的:有300天每天损失100美元、有50天每天不亏不赚、有15天每天赚10万美元。虽然这家赌博公司一年下来确实是盈利的,但多数人会将其盈利归于“运气”或小概率发生,而这意味着高风险。
由于存在着“高风险、高收益”的限制,利润必须通过对风险的分析进行校准,主要原因在于:面对同样的收益,一个投资者偏好更低的风险投资形式;而面对同样的风险,一个投资者偏好更高的收益回报形式。
上述考虑使得我们接下来将使用现在广泛运用的评价公司或行业(如投资组合)的统计方法对数据进行统计。这些方法中,最广泛运用的方式是特雷纳指标(Treynor measure)、夏普比率(Sharpe ratio)和约翰逊-阿尔法指标(Jensen Alpha)。
1.特雷纳指标
美国经济学家Jack L. Treynor是首位为投资者提供投资组合回报(包括其风险)复合评估方式的人。他的目标是找到一个对所有投资者均适用的评估方式,而无论投资者的个人风险偏好。他认为风险存在于两个方面:一是市场波动产生的风险,二是单个证券波动产生的风险。
他引入了“证券市场线”( the security market line)的概念来定义投资组合回报和市场回报率之间的关系。该斜线代表了投资组合和市场之间的相关变动性(通过Beta值来测算)。Beta系数是某一股票、投资组合或市场的变动率。如果该斜线斜率越大、则说明风险和回报的越呈正相关。
特雷纳指标,亦被称为“波动率补偿”(“the reward to volatility ratio”),其计算公式为:
(投资组合回报率 – 无风险折现率))
特雷纳指标 = -----------------------------------------------
Beta值
该公式的分子是风险溢价,分母则与投资组合的风险一致,结果值表示投资组合中每一单位风险获得的收益。因此,特雷纳指标越高,该投资组合越好。对整个市场而言,其特雷纳指标与Beta都是1。
Chioua等学者在其2010年发表的文章中用特雷纳指标和夏普比率来衡量经风险校准后的股票市场。该文章还讨论了一国的法制环境和各国法律环境的差异如何影响了不同阶段一国股票的表现和风险。[47]这一研究成果证明在英国普通法系国家的股票比在大陆法系国家的股票(尤其是法国和西班牙法典影响的国家的股票)拥有更高的风险溢价。Chioua等同样发现一个法律体系如果效率高、腐败少、投资者保护强、政治环境稳定,则该法律体系股票市场的风险更低、表现更好。
2.夏普比率
夏普比率和特雷纳指标基本相似,但评价风险的方式不仅仅考虑系统风险(即Beta值),还考虑了投资组合的标准偏差。这一公式由Bill Sharpe 提出,是其提出著名的CAPM资产定价模型并将其延伸运用来比较投资组合和资本市场线时诞生的。夏普比率公式如下:
(投资组合回报率 – 无风险折现率)
夏普比率 = -------------------------------------------
投资回报标准偏差
与特雷纳指标不同的是,夏普比率同时用回报率和投资多元化(通过分母中的标准偏差评价投资组合风险)来对基金经理进行评价。因为其更加准确地考虑了投资组合的风险,因此,夏普比率更适合用来评价分散性较高的投资组合。
3.约翰逊-阿尔法指标
这一统计方法是根据其创立者Michael C. Jensen命名的,它计算了一个投资组合预期收益的超额收益,又被称为“Alpha值”。
约翰逊-阿尔法指标计算了考虑市场风险时投资组合回报率中超出市场均值的部分有多少可以归功于基金经理的能力。数值越高,则风险调整报酬率越高。一个投资组合如果连续获得正超额收益,将有一个正的alpha值,否则将有一个负的alpha值。计算alpha值的公式为:
约翰逊-阿尔法指标= 投资组合收益 – 投资组合收益基准
其中投资组合收益基准 = 无风险回报率 + Beta *(市场回报率 – 无风险回报率)
如果约翰逊-阿尔法指标值越高,说明投资组合越好。市场的Alpha值是0. Sedanoa在其2003年发表的文章中用约翰逊-阿尔法指标对互惠基金的表现进行了评价,其中考察了法律对投资的限制和交易成本与互惠基金最佳收益之间的关系。[48]
(三)对行业评价的分析
上述三种方式的评价结果如附录C所示。由于计算每个行业的标准偏差相较于Beta值更加困难,加之本研究的目的,这里我们未采用夏普指标。这是由于中国股票交易数据并不规律,例如1193个上市公司中一些公司4年中仅仅交易了约600天。这种不规律性使得计算出的标准偏差并不准确。但是,用其他计算方式显示的结果之间有90%的一致性,因而这些结果高度相似。
运用特雷纳指标时,我们发现77个行业中只有15个行业风险调整报酬率低于市场整体水平(而在前一部分我们运用简单统计方式计算出有18个行业的回报率低于市场平均水平)。这15个行业中,有11个(即15个的73%)行业外商投资受到限制。考虑到每个行业所占比重后,这15个行业市值中的80.27%受到外商投资限制。下图显示的是77个行业中未受限制行业和受限制行业各自的特雷纳指标:
我们可以从上图中再次看出外商投资受限制行业的风险调整报酬率更低。这一结果与使用简单统计方法得出的结果非常类似。各行业具体数据详见附录D。
使用约翰逊-阿尔法指标的结果也基本一致,即15个市场表现欠缺的行业与使用特雷纳指标得出的结果是相同的,两者仅仅在排名上稍有区别。数据同样显示市场表现不及平均水平中的80.27%受到了外商投资的限制。未受限和受限的行业的对比图如下所示:
如前所述,外商投资未受限制行业比受限制行业的市场表现更好。
(四)对比未受限制行业与受限制行业
现在我们得到的结果是:中国证券市场表现不及平均水平的行业中的多数受到了外商投资的限制,但是这并不得说明受限制行业整体劣于未受限制行业。例如,在77个行业中有27个受限制行业,损失最多的18个行业中13个是受限制行业,那么受限制行业中剩下的14个行业依然可能是损失最少的前14个行业,从而受限制行业整体水平可能高于未受限制行业。虽然实际中不太可能,但我们必须用成熟的统计方法考察这种假设的可能性,从而使我们的结论严谨、确定。
1.T检验和P值
当比较两组数据时,将使用以下检验方法:1)一般T检验(即T-Test);2)韦尔奇T检验;和3)Mann-Whitney检验。T检验一般用于两组数据的总方差或分布类似,而韦尔奇T检验则假定两组数据的方差[49]并不类似。但以上两种T检验都假定数据呈正太分布。[50] Mann-Whitney检验则适用于数据无规律分布,即不呈正太分布的情况。在比较平均收益时,由于投资组合回报的分布并不是规则的(因为一个组合或一个上市公司只可能损失100%,但其获益却无上限),因此Mann-Whitney检验能发挥其最大作用。
对于两组样本数据的T检验,我们假设两组样本数据概率相同。例如,如果我们抛掷硬币20次,那么一般假定是10次正面朝上10次背面朝上。但如果我们抛掷20次后发现14次是正面而6次是背面。这种结果是不寻常的吗?或硬币有瑕疵吗?实际上这种情况确有可能出现,因为统计上出现14次以上正面或14次以上背面的概率是11%。即如果某人抛掷硬币以20次为一个周期,那么在抛掷11个周期中有1个周期会出现14次以上正面或背面朝上。在统计中,11%即P值。P值是两组数据样本相等的概率——P值越低,两组数据样本的相似度越低。一般而言,如果P值小于5%,我们可以认为两组样本数据不相等,例如一组优于另一组。以抛硬币为例,如果抛掷20次中有15次正面朝上,一般会假设硬币有瑕疵(即正反不同),因为出现这一情况的概率是4%(小于5%)。
2.比较未受限制行业和受限制行业的市场表现
用T检验对未受限制行业和受限制行业进行比较的结果如附录F所示。两者平均回报率相差27.3%。这意味着未受限制行业的市场表现远远高于受限制行业,因为统计数据可以告诉我们27.3%的差异的显着性。
为了说明这27.3%差异的显着性,我们首先假设受限制行业和未受限制行业是一样的。这样我们可以计算两者出现27.3%的差异的概率。我们将同时使用T检验和Mann-Whitney检验。
对于T检验而言,P值为3.84%。这意味着若受限制行业和未受限制行业市场表现相同,仅仅有3.84%的可能性我们得到受限制行业回报率低于未受限制行业达27.3%。换言之,这一情况每26年才会出现一次。但这期间正好本研究出现了这一结果的可能性会有多大呢?并不高。因此将其解释为受限制行业确实比未受限制行业的市场表现差似乎更合理。
而当我们用Mann-Whitney检验时,P值是0.17%。这一结果如上所述具有更强的说服力。如果受限制行业实际上与未受限制行业表现是一样好的,那么出现市值差异达27.3%的可能性要588年才会发生。这意味着一个经济学家得再生7-8次才有机会见证这一“奇迹”。因此,我们认为受限制行业和未受限制行业实际上并不是一样好的。
接下来我们比较两组的约翰逊-阿尔法值。如前所述,约翰逊-阿尔法指标是用来比较投资组合回报率超出市场风险调整报酬率的。同样,我们发现T检验和Mann-Whitney检验的P值分别为3.46%和0.24%,说明在风险调整报酬率下,未受限制行业的表现明显优于受限制行业。具体数据详见附录G。
最后,我们用T检验和Mann-Whitney检验比较两组的特雷纳指标,发现P值分别为5.38%和0.22%。这说明未受限制行业表现明显优于受限制行业。需要特别指出的是,特雷纳指标没有将整个股票市场的表现考虑进入,因此受限制行业的糟糕表现不能归于整个市场表现不佳这一原因。显然,所有的统计结果都说明这一事实,即受限制行业的股票市场表现远远不及未受限制行业的表现。具体数据详见附录H。
七、本研究的局限性
本研究可能存在以下局限:
(一)证监会行业分类标准和外商投资产业指导目录对产业进行分类无法完全匹配
证监会分类中仅仅有77种相当宽泛的分类,而外商投资产业指导目录的分类则更想详细。例如,在电力行业,发电量高于30000百万瓦特的发电厂受到鼓励,而低于30000百万瓦特的发电厂则被限制。那么电力行业是受限行业还是未受限行业呢?类似情况下,我们只能依靠直觉判断这一行业是受到更多限制还是受到更多鼓励。即如果仅仅只有“喂养熊猫”是受限制的,那么本研究将“喂养动物”归入未受限行列。另外,研究中也仅仅根据规则的文本意思进行分类,例如目录中说“石油和天然气的开采和发展”是鼓励类产业,我们就将其放在鼓励类一栏,而不考虑现实中这一行业的情况并非如此。
(二)样本规模不尽如人意
本研究的样本限于77个行业,其中50个为鼓励类或允许类产业(即非受限),而27个为限制类或禁止类产业(即受限)。而现代统计学一般要求样本数量在40个以上或最少不低于30个结果才具有显着性。当研究样本少于30个时通常需要运用其他特别的规则。这种统计上严谨的规则并没有在本研究中使用,因此存在缺陷。但如果我们当初研究的样本单位不是行业而扩大到1193个上市公司,也许可以弥补这一缺陷。
(三)相关期中发生了一个特别的事件:2008年全球金融危机
我们的相关期为2007年至2011年,而全球在2008年爆发了金融危机。所有金融机构都因为这张危机蒙受了巨大损失。在中国,金融机构占据了上市资本总值的23%。这种现象可能因为中国的股票市场还不成熟,上市的公司大多与资本市场(如金融机构)联系密切从而可以优先上市。两个因素可能导致本研究的偏颇性:一是金融机构占中国资本市场的主要部分,二是2008年金融危机对金融机构不同程度的影响。
(四)用投资组合理论分析行业情况
现代投资组合理论基本假设是,一个审慎的投资基金经理将通过分散投资来降低风险。换言之,一个审慎的基金经理将同时购买麦当劳的股票和梅赛德斯-奔驰的股票,这样当经济繁荣时,更多的人将买豪车而少吃麦当劳,而当经济不景气时,则相反,总之无论怎样都都一部分是盈利的,从而降低投资组合的波动性。
但考虑到某个行业所有的公司时,上述风险组合假定则并不适用。单个行业的回报率(未被分散风险)可能存在显着的回归误差从而影响我们的结论。
八、结论
在2007-2011年期间,外商投资受限制行业的股票市场表现不及外商投资未受限制行业的股票市场表现。这是否说明对外商投资的规制导致了特定行业的市场表现?也许是,也许不是。因为股票价格受到一系列因素的影响而波动,包括许多(甚至大量)难以衡量的因素,且每一个因素都难以完全决定某一行业在全球经济泥潭中的表现。
假设比尔吃了一块巧克力和一个胡萝卜,约翰吃了一块糖和一个胡萝卜,玛丽吃了一个冰激凌和一个胡萝卜,结果他们三个人都坏了一颗牙。那么,他们坏牙是什么因素造成的呢?
是因为巧克力、糖果和冰激凌,还是因为胡萝卜太甜了?现实中,上述因素可能都不是原因:也许,比尔、约翰和玛丽现实中有100个其他的理由导致了他们的坏牙,包括用牙卫生、饮食习惯、遗传、气候、文化、生活水平等等。这些理由对其坏牙的影响可能远远高于一个冰激凌或胡萝卜的影响,而他们三个却恰巧同时坏了牙齿。因此在他们的脑中,总是会怀疑是由于胡萝卜太甜导致了自己的坏牙,因为也无法完全排除这种可能性。
对国内产业的保护主义是好是坏?对外商的限制是否造成了国内同类公司的懒惰从而竞争力下降?如果政府不对早期国内产业进行保护,是否这些产业将全部被扼杀在摇篮中?这些争论自东印度公司和波士顿倾茶时期就产生了,并且未来也不会停止。
这篇文章中,笔者证明了外商投资受限制行业在2007-2011年间的市场表现不如外商投资未受限制行业同期市场表现。需注意的是,如果我们将A-Z共26个英文字母进行排列组合,我们将得到26*25/2=325个配对。同理,任意两组公司之间,假设一组公司以J开头、另一组公司以N开头(而J组公司和N组公司之间并不存在任何联系),都可能会得出上述受限制行业和未受限制行业之间相同的结果。这一现象在统计上被称为“数据挖掘错误”——我们总是能在足够多的数据中找到两个因素之间的联系,这种联系也许仅仅是偶然的,但我们却错误地认为其存在因果关系。
是否对外商投资的限制导致了受限制行业股票市场表现不佳?还是因为这些行业股票市场表现不佳才限制外资的进入?亦或两者间的关系仅仅是一种巧合?这些问题有待后来的学者们对外商投资产业限制及行业市场表现的关系本质进行进一步的实证研究。
证监会编号 |
产业名称 |
上市公司数量 |
市值比重 |
A01 |
农、林、牧、渔业|农业 |
11 |
0.32% |
A03 |
农、林、牧、渔业|林业 |
3 |
0.04% |
A05 |
农、林、牧、渔业|畜牧业 |
3 |
0.04% |
A07 |
农、林、牧、渔业|渔业 |
6 |
0.16% |
B01 |
采矿业|煤炭开采和洗选业 |
22 |
6.86% |
B03 |
采矿业|石油和天然气开采业 |
1 |
6.16% |
B05 |
采矿业|黑色金属矿采选业 |
2 |
0.09% |
B07 |
采矿业|有色金属矿采选业 |
6 |
1.00% |
B50 |
采矿业|开采辅助活动 |
3 |
0.85% |
C01 |
食品和饮料业|食品制造业 |
19 |
0.47% |
C03 |
食品和饮料业|食品加工业 |
9 |
0.37% |
C05 |
食品和饮料业|饮料加工业 |
26 |
2.99% |
C11 |
纺织、服饰业|纺织业 |
26 |
0.40% |
C13 |
纺织、服饰业|纺织服装、服饰业 |
15 |
0.48% |
C14 |
纺织、服饰业|皮革、毛皮、羽毛及其它制品业 |
1 |
0.04% |
C21 |
木材加工和家具制造业|木材加工和木、竹、藤、棕、草制品业 |
3 |
0.05% |
C25 |
木材加工和家具制造业|家具制造业 |
2 |
0.05% |
C31 |
造纸和印刷业|造纸和纸制品业 |
17 |
0.38% |
C35 |
造纸和印刷业|印刷业 |
3 |
0.03% |
C37 |
造纸和印刷业|文教、工美、体育和娱乐用品制造业 |
1 |
0.01% |
C41 |
石油化工业|石油加工和精炼业 |
11 |
0.58% |
C43 |
石油化工业|化学原料和化学制品制造业 |
74 |
1.88% |
C47 |
石油化工业|化学纤维制造业 |
19 |
0.53% |
C48 |
石油化工业|橡胶制品业 |
7 |
0.16% |
C49 |
石油化工业|塑料制品业 |
13 |
0.33% |
C51 |
电力|电力零部件制造业 |
40 |
0.93% |
C55 |
电力|日常电力设施制造业 |
7 |
0.24% |
C57 |
电力|其他电力设施制造业 |
6 |
0.09% |
C61 |
金属和非金属矿物|非金属矿物制品业 |
40 |
1.59% |
C65 |
金属和非金属矿物|黑色金属冶炼和压延加工业 |
26 |
3.67% |
C67 |
金属和非金属矿物|有色金属冶炼和压延加工业 |
25 |
3.83% |
C69 |
金属和非金属矿物|金属制品业 |
17 |
0.47% |
C71 |
机械制造业|通用设备制造业 |
34 |
0.90% |
C73 |
机械制造业|专用设备制造业 |
43 |
2.12% |
C75 |
机械制造业|运输设备制造业 |
55 |
3.13% |
C76 |
机械制造业|电力设备及零件制造业 |
51 |
1.96% |
C78 |
机械制造业|仪器、仪表、办公设备制造业 |
6 |
0.06% |
C81 |
67 |
2.22% |
|
C85 |
制药业|生物产品业 |
13 |
0.37% |
C99 |
其他制造业|其他制造业 |
5 |
0.09% |
D01 |
公共事业|电力、蒸汽、热水生产和供应 |
48 |
2.78% |
D03 |
公共事业|天然气生产和供应 |
1 |
0.07% |
D05 |
公共事业|自来水生产和供应 |
7 |
0.26% |
E01 |
建筑业|土木工程和铸造业 |
24 |
0.81% |
E05 |
建筑业|建筑装饰和装修 |
2 |
0.08% |
F01 |
运输业|铁路运输 |
3 |
1.30% |
F03 |
运输业|公路运输业 |
1 |
0.01% |
F07 |
运输业|水路运输业 |
10 |
1.60% |
F09 |
运输业|航空运输业 |
6 |
1.33% |
F11 |
运输业|运输辅助服务业 |
31 |
2.26% |
F21 |
运输业|仓储业 |
2 |
0.05% |
G81 |
IT|通讯及相关设备制造 |
24 |
0.66% |
G83 |
IT|电脑及相关设备制造 |
11 |
0.42% |
G85 |
IT|通讯服务 |
4 |
0.97% |
G87 |
IT|电脑应用服务 |
19 |
0.57% |
H01 |
批发和零售业|食品、饮料、烟草及日用品批发业 |
6 |
0.11% |
H03 |
批发和零售业|能源、原材料、机械及电子设备批发业 |
9 |
0.19% |
H09 |
批发和零售业|其他批发业 |
1 |
0.01% |
H11 |
批发和零售业|零售业 |
55 |
1.75% |
H21 |
批发和零售业|商业经纪及代理服务业 |
27 |
1.00% |
I01 |
金融和保险|银行业 |
14 |
23.26% |
I11 |
金融和保险|保险业 |
2 |
6.86% |
I21 |
金融和保险|证券和期货业 |
4 |
1.29% |
J01 |
房地产|房地产开发和运营 |
88 |
4.82% |
J05 |
房地产|房地产管理 |
4 |
0.05% |
K01 |
社会服务业|公共设施服务业 |
9 |
0.28% |
K20 |
社会服务业|学术、科研服务业 |
3 |
0.05% |
K30 |
社会服务业|餐饮业 |
1 |
0.01% |
K32 |
社会服务业|酒店业 |
5 |
0.10% |
K34 |
社会服务业|旅游业 |
13 |
0.23% |
K37 |
社会服务业|卫生、保健和护理业 |
1 |
0.01% |
K39 |
社会服务业|租赁业 |
1 |
0.07% |
L01 |
通讯和文化产业 |出版业 |
2 |
0.06% |
L10 |
通讯和文化产业 |广播、电影和电视业 |
2 |
0.06% |
L20 |
通讯和文化产业 |信息传播业 |
1 |
0.10% |
L99 |
通讯和文化产业 |其他通讯和文化产业 |
1 |
0.01% |
M |
综合|综合 |
13 |
0.56% |
总计 |
|
1193 |
100.00% |
未受限产业 |
受限产业 |
|
1 |
农业 |
林业 |
2 |
畜牧业 |
渔业 |
3 |
石油和天然气开采 |
煤炭开采和洗选业 |
4 |
黑色金属矿开采 |
有色金属矿开采 |
5 |
采矿服务业 |
饮料制造业 |
6 |
食品加工业 |
印刷业 |
7 |
食品制造业 |
文教、工美、体育和娱乐用品制造业 |
8 |
纺织业 |
石油加工与精炼 |
9 |
服装及其他纤维制品生产 |
有色金属冶炼和压延加工业 |
10 |
皮革、皮毛、羽毛和其他制品生产 |
电、蒸汽和热水生产及供应 |
木材加工和竹、藤、棕、草制品业 |
铁路运输业 |
|
12 |
家具制造业 |
公路运输业 |
13 |
造纸和纸制品业 |
水路运输业 |
14 |
化学原料和产品制造 |
通讯服务业 |
15 |
化学纤维制造业 |
能源、原材料、机械及电子设备批发业 |
16 |
橡胶制造业 |
商业经纪和代理服务业 |
17 |
塑料制造业 |
银行业 |
18 |
电子零部件制造业 |
保险业 |
19 |
日常电力设施制造业 |
证券和期货 |
20 |
其他电子设施制造业 |
房地产开发和运营 |
21 |
非金属矿产 |
房地产管理 |
22 |
黑色金属冶炼和压延加工业 |
卫生、保健和护理业 |
23 |
金属制品业 |
租赁业 |
24 |
通用设备制造 |
出版业 |
25 |
特殊设备制造 |
广播、电影和电视业 |
26 |
交通设备制造 |
信息传播业 |
27 |
电子零部件制造 |
其他通讯和文化产业 |
28 |
仪器、仪表、办公设备制造业 |
|
29 |
制药业 |
|
30 |
生物制品业 |
|
31 |
其他制造业 |
|
32 |
天然气生产和供应 |
|
33 |
自来水生产和供应 |
|
34 |
土木工程和铸造业 |
|
35 |
建筑装饰和装修 |
|
36 |
航空运输业 |
|
37 |
运输辅助服务业 |
|
38 |
仓储业 |
|
39 |
通讯及相关设备制造业 |
|
40 |
电脑相关设备制造业 |
|
41 |
电脑应用服务业 |
|
42 |
食品、饮料、烟草及日用品批发业 |
|
43 |
其他批发业 |
|
44 |
零售业 |
|
45 |
公共设施服务业 |
|
46 |
学术、科研服务业 |
|
47 |
餐饮业 |
|
48 |
酒店业 |
|
49 |
旅游业 |
|
50 |
综合 |
序号 |
产业名称 |
是否受限 |
Treynor系数 |
Jensen系数 |
|
1 |
运输业|水路运输业 |
1 (受限) |
-78.69% |
-0.70 |
-0.28 |
2 |
金融和保险业|保险业 |
1 |
-75.51% |
-0.80 |
-0.34 |
3 |
采矿业|石油和天然气开采 |
0 (未受限) |
-74.22% |
-0.89 |
-0.38 |
4 |
金融和保险业|证券和期货 |
1 |
-65.46% |
-0.55 |
-0.11 |
5 |
金属 和非金属|黑色金属冶炼和压延加工业 |
0 |
-63.89% |
-0.63 |
-0.18 |
6 |
通讯和文化产业 |信息传播业 |
1 |
-60.56% |
-0.62 |
-0.17 |
7 |
运输业|铁路运输业 |
1 |
-60.04% |
-0.73 |
-0.24 |
8 |
金属和非金属|有色金属冶炼和压延加工业 |
1 |
-56.73% |
-0.46 |
-0.01 |
9 |
运输业|运输辅助服务业 |
0 |
-53.29% |
-0.62 |
-0.14 |
10 |
金融和保险业|银行业 |
1 |
-51.15% |
-0.73 |
-0.20 |
11 |
石油化工|石油加工与精炼 |
1 |
-48.14% |
-0.57 |
-0.10 |
12 |
IT|通讯服务业 |
1 |
-47.35% |
-0.55 |
-0.09 |
13 |
房地产|房地产开发和运营 |
1 |
-46.50% |
-0.45 |
0.01 |
14 |
采矿业|煤炭开采和洗选业 |
1 |
-46.19% |
-0.46 |
0.00 |
15 |
木材和家具|家具制造业 |
0 |
-45.98% |
-0.46 |
-0.01 |
16 |
社会服务业|租赁业 |
1 |
-44.96% |
-0.44 |
0.02 |
17 |
公用事业|电、蒸汽和热水生产及供应 |
1 |
-44.24% |
-0.48 |
-0.02 |
18 |
公用事业|天然气生产和供应 |
0 |
-43.91% |
-0.40 |
0.07 |
19 |
市场均值 |
|
-42.45% |
-0.46 |
0.00 |
20 |
农业,林业,畜牧业,渔业|林业 |
1 |
-42.37% |
-0.42 |
0.04 |
21 |
运输业|航空运输业 |
0 |
-42.29% |
-0.40 |
0.07 |
22 |
采矿业|采矿服务业 |
0 |
-40.27% |
-0.39 |
0.07 |
23 |
综合|综合 |
0 |
-38.78% |
-0.38 |
0.09 |
24 |
公用事业|自来水生产和供应 |
0 |
-35.19% |
-0.34 |
0.14 |
25 |
批发和零售业|能源、原材料、机械及电子设备批发业 |
1 |
-34.90% |
-0.34 |
0.13 |
26 |
造纸和印刷业|文教、工美、体育和娱乐用品制造业 |
1 |
-33.58% |
-0.32 |
0.16 |
27 |
纺织业和服装业|皮革、毛皮、羽毛及其它制品业 |
0 |
-30.87% |
-0.34 |
0.12 |
28 |
造纸和印刷业|造纸和纸质产品 |
0 |
-29.61% |
-0.30 |
0.18 |
29 |
采矿业|有色金属矿开采 |
1 |
-28.87% |
-0.28 |
0.21 |
30 |
纺织业和服装业|服装及其他纤维制品生产 |
0 |
-26.81% |
-0.28 |
0.18 |
31 |
批发和零售业|商业经纪和代理服务业 |
1 |
-25.98% |
-0.24 |
0.26 |
32 |
机械制造|交通工具制造业 |
0 |
-23.84% |
-0.25 |
0.24 |
33 |
社会服务业|旅游业 |
0 |
-16.37% |
-0.19 |
0.29 |
34 |
木材和家具|木材加工和木、竹、藤、棕、草制品业 |
0 |
-14.53% |
-0.16 |
0.34 |
35 |
社会服务业|酒店业 |
0 |
-14.07% |
-0.17 |
0.30 |
36 |
机械制造|仪器、仪表、办公设备制造业 |
0 |
-13.34% |
-0.15 |
0.34 |
37 |
批发和零售业|零售业 |
0 |
-5.61% |
-0.09 |
0.35 |
38 |
石油化工|化学原料和产品制造 |
0 |
-4.87% |
-0.07 |
0.43 |
39 |
通讯和文化产业 |其他通讯和文化产业 |
1 |
-3.88% |
-0.06 |
0.47 |
40 |
通讯和文化产业 |广播、电影和电视业 |
1 |
-3.35% |
-0.06 |
0.45 |
41 |
农业,林业,畜牧业,渔业|畜牧业 |
0 |
-2.75% |
-0.06 |
0.41 |
42 |
石油化工|塑料制造业 |
0 |
-2.36% |
-0.05 |
0.43 |
43 |
采矿业|黑色金属矿开采 |
0 |
-1.89% |
-0.04 |
0.53 |
44 |
IT|电脑相关设备制造业 |
0 |
-1.14% |
-0.04 |
0.45 |
45 |
石油化工|化学纤维制造业 |
0 |
-1.00% |
-0.04 |
0.45 |
46 |
运输业|公路运输业 |
1 |
-0.40% |
-0.03 |
0.47 |
47 |
纺织业和服装业|纺织业 |
0 |
0.58% |
-0.02 |
0.50 |
48 |
房地产|房地产管理 |
1 |
0.90% |
-0.02 |
0.49 |
49 |
批发和零售业|食品、饮料、烟草和日用品批发业 |
0 |
4.10% |
0.01 |
0.44 |
50 |
社会服务业|公共设施服务业 |
0 |
7.09% |
0.03 |
0.55 |
51 |
金属和非金属|非金属矿物制品业 |
0 |
7.95% |
0.04 |
0.54 |
52 |
金属和非金属|金属制品业 |
0 |
8.21% |
0.04 |
0.55 |
53 |
社会服务业|餐饮业 |
0 |
10.08% |
0.06 |
0.59 |
54 |
机械制造|特殊设备制造 |
0 |
12.11% |
0.08 |
0.59 |
55 |
食品和饮料|饮料制造业 |
1 |
12.79% |
0.12 |
0.47 |
56 |
制药业|生物制品业 |
0 |
13.48% |
0.11 |
0.51 |
57 |
工程|土木工程和铸造业 |
0 |
13.64% |
0.10 |
0.60 |
58 |
运输业|仓储业 |
0 |
15.36% |
0.10 |
0.66 |
59 |
机械制造|电子零部件制造 |
0 |
17.29% |
0.13 |
0.61 |
60 |
机械制造|通用设备制造 |
0 |
20.24% |
0.16 |
0.67 |
61 |
电子|日常电力设施制造业 |
0 |
26.52% |
0.23 |
0.69 |
62 |
IT|电脑应用服务业 |
0 |
28.78% |
0.25 |
0.72 |
63 |
电子|电子零部件制造业 |
0 |
29.73% |
0.24 |
0.77 |
64 |
IT|通讯和相关设备制造 |
0 |
32.82% |
0.30 |
0.74 |
65 |
石油化工|橡胶制造业 |
0 |
36.44% |
0.32 |
0.80 |
66 |
造纸和印刷业|印刷业 |
1 |
38.41% |
0.32 |
0.85 |
67 |
农业,林业,畜牧业,渔业|农业 |
0 |
40.30% |
0.34 |
0.87 |
68 |
批发和零售业|其他批发业 |
0 |
42.60% |
0.36 |
0.89 |
69 |
制药业|制药业 |
0 |
44.04% |
0.43 |
0.84 |
70 |
食品和饮料|食品加工业 |
0 |
44.43% |
0.36 |
0.93 |
71 |
电子|其他电子设施制造业 |
0 |
56.83% |
0.46 |
1.06 |
72 |
社会服务业|学术、科研服务业 |
0 |
59.66% |
0.68 |
0.94 |
73 |
其他制造业|其他制造业 |
0 |
64.61% |
0.55 |
1.13 |
74 |
农业,林业,畜牧业,渔业|渔业 |
1 |
69.85% |
0.64 |
1.14 |
75 |
食品和饮料|食品制造业 |
0 |
89.63% |
0.84 |
1.34 |
76 |
社会服务业|卫生、保健和护理业 |
1 |
112.59% |
1.08 |
1.56 |
77 |
通讯和文化产业 |出版业 |
1 |
141.01% |
1.57 |
1.78 |
78 |
工程|建筑装饰和装修 |
0 |
294.89% |
2.98 |
3.36 |
序号 |
产业名称 |
是否受限 |
4-year aggregate return |
ind_w_beta |
treynor |
weight |
relative weight |
1 |
采矿业|石油和天然气开采 |
0 |
0.257762 |
0.871075 |
-0.89082 |
6.16% |
10.01% |
2 |
金融和保险业|保险业 |
1 |
0.244895 |
0.981807 |
-0.80346 |
6.86% |
11.13% |
3 |
运输业|铁路运输业 |
1 |
0.399559 |
0.865747 |
-0.73252 |
1.30% |
2.11% |
4 |
金融和保险业|银行业 |
1 |
0.488528 |
0.750671 |
-0.72629 |
23.26% |
37.78% |
5 |
运输业|水路运输业 |
1 |
0.213129 |
1.175343 |
-0.69818 |
1.60% |
2.60% |
6 |
金属和非金属|黑色金属冶炼和压延加工业 |
0 |
0.361111 |
1.072688 |
-0.62704 |
3.67% |
5.97% |
7 |
通讯和文化产业 |信息传播业 |
1 |
0.394434 |
1.030132 |
-0.6206 |
0.10% |
0.16% |
8 |
运输业|运输辅助服务业 |
0 |
0.467079 |
0.920427 |
-0.61564 |
2.26% |
3.67% |
9 |
石油化工|石油加工与精炼 |
1 |
0.518588 |
0.898239 |
-0.57351 |
0.58% |
0.94% |
10 |
IT|通讯服务业 |
1 |
0.526472 |
0.914056 |
-0.55496 |
0.97% |
1.57% |
11 |
金融和保险业|证券和期货 |
1 |
0.345388 |
1.259404 |
-0.54656 |
1.29% |
2.09% |
12 |
公用事业|电、蒸汽和热水生产及供应 |
1 |
0.557605 |
0.996947 |
-0.47759 |
2.78% |
4.52% |
13 |
木材和家具|家具制造业 |
0 |
0.540192 |
1.063073 |
-0.46426 |
0.05% |
0.08% |
14 |
金属和非金属|有色金属冶炼和压延加工业 |
1 |
0.432672 |
1.300616 |
-0.46214 |
3.83% |
6.22% |
15 |
采矿业|煤炭开采和洗选业 |
1 |
0.538131 |
1.073343 |
-0.46174 |
6.86% |
11.14% |
|
|
|
|
|
|
61.58% |
100.00% |
|
市场均值 |
|
0.575544 |
1 |
-0.45819 |
1 |
|
序号 |
产业名称 |
是否受限 |
jensen |
1 |
采矿业|石油和天然气开采 |
0 (未受限) |
-0.37685 |
2 |
金融和保险业|保险业 |
1 (受限) |
-0.33898 |
3 |
运输业|水路运输业 |
1 |
-0.28207 |
4 |
运输业|铁路运输业 |
1 |
-0.2375 |
5 |
金融和保险业|银行业 |
1 |
-0.20126 |
6 |
金属和非金属|黑色金属冶炼和压延加工业 |
0 |
-0.18113 |
7 |
通讯和文化产业 |信息传播业 |
1 |
-0.1673 |
8 |
运输业|运输辅助服务业 |
0 |
-0.14492 |
9 |
金融和保险业|证券和期货 |
1 |
-0.1113 |
10 |
石油化工|石油加工与精炼 |
1 |
-0.10358 |
11 |
IT|通讯服务业 |
1 |
-0.08845 |
12 |
公用事业|电、蒸汽和热水生产及供应 |
1 |
-0.01934 |
13 |
木材和家具|家具制造业 |
0 |
-0.00645 |
14 |
金属和非金属|有色金属冶炼和压延加工业 |
1 |
-0.00513 |
15 |
采矿业|煤炭开采和洗选业 |
1 |
-0.00381 |
|
市场 |
|
0 |
Summary |
Permitted |
Restricted |
Statistics |
|
|
N |
50 |
27 |
Arithmetic mean |
1.079 |
0.806 |
Confid. Interv. for popul. mean |
/ |
/ |
Variance |
0.293 |
0.295 |
Standard deviation |
0.541 |
0.543 |
Standard error |
0.077 |
0.105 |
Mean absolute deviation |
0.331 |
0.402 |
Median |
1.023 |
0.576 |
Confid. Interv. for popul. median |
/ |
/ |
Median absolute deviation |
0.263 |
0.177 |
Midspread |
0.502 |
0.478 |
Tukey's trimean |
1.027 |
0.659 |
Number of outliers |
|
|
|
|
|
F-Test |
|
|
Degree of freedom |
49 |
26 |
F value |
1.0081 |
|
F value critical (alpha= 0,05) |
1.7228 |
|
equal variance ? |
yes (F value < F critical) |
|
p (same variance) |
0.4766 |
|
|
|
|
Midspreads comparison |
|
|
Ratio between midspreads |
1.051 |
|
Similar midspreads ? |
yes |
|
|
|
|
t Test (independent samples) |
|
|
Difference between means |
0.273 |
|
Degree of freedom |
75 |
|
t value |
2.1075 |
|
p (significance) |
0.0384 |
|
% confidence |
96.16 |
|
|
|
|
Welch's t (for unequal variance) |
|
|
Difference between means |
/ |
|
Degree of freedom |
/ |
|
Welch's t |
/ |
|
p (significance) |
/ |
|
% confidence |
/ |
|
|
|
|
Mann-Whitney |
|
|
U |
381.0000 |
|
z |
3.1332 |
|
p (significance) |
0.0017 |
|
% confidence |
99.83 |
|
Summary |
Permitted |
Restricted |
Statistics |
|
|
N |
50 |
27 |
Arithmetic mean |
0.533 |
0.258 |
Confid. Interv. for popul. mean |
/ |
/ |
Variance |
0.288 |
0.286 |
Standard deviation |
0.536 |
0.535 |
Standard error |
0.076 |
0.103 |
Mean absolute deviation |
0.327 |
0.397 |
Median |
0.504 |
0.042 |
Confid. Interv. for popul. median |
/ |
/ |
Median absolute deviation |
0.226 |
0.221 |
Midspread |
0.459 |
0.563 |
Tukey's trimean |
0.492 |
0.114 |
Number of outliers |
|
|
|
|
|
F-Test |
|
|
Degree of freedom |
49 |
26 |
F value |
1.0063 |
|
F value critical (alpha= 0,05) |
1.8258 |
|
equal variance ? |
yes (F value < F critical) |
|
p (same variance) |
0.5068 |
|
|
|
|
Midspreads comparison |
|
|
Ratio between midspreads |
0.816 |
|
Similar midspreads ? |
yes |
|
|
|
|
t Test (indipendent samples) |
|
|
Difference between means |
0.275 |
|
Degree of freedom |
75 |
|
t value |
2.1517 |
|
p (significance) |
0.0346 |
|
% confidence |
96.54 |
|
|
|
|
Welch's t (for unequal variance) |
|
|
Difference between means |
/ |
|
Degree of freedom |
/ |
|
Welch's t |
/ |
|
p (significance) |
/ |
|
% confidence |
/ |
|
|
|
|
Mann-Whitney |
|
|
U |
390.0000 |
|
z |
3.0371 |
|
p (significance) |
0.0024 |
|
% confidence |
99.76 |
|
Summary |
Permitted |
Restricted |
Statistics |
|
|
N |
50 |
27 |
Arithmetic mean |
0.049 |
-0.207 |
Confid. Interv. for popul. mean |
/ |
/ |
Variance |
0.294 |
0.311 |
Standard deviation |
0.543 |
0.558 |
Standard error |
0.077 |
0.107 |
Mean absolute deviation |
0.322 |
0.401 |
Median |
-0.008 |
-0.420 |
Confid. Interv. for popul. median |
/ |
/ |
Median absolute deviation |
0.244 |
0.201 |
Midspread |
0.469 |
0.504 |
Tukey's trimean |
-0.002 |
-0.359 |
Number of outliers |
|
|
|
|
|
F-Test |
|
|
Degree of freedom |
49 |
26 |
F value |
1.0568 |
|
F value critical (alpha= 0,05) |
1.7228 |
|
equal variance ? |
yes (F value < F critical) |
|
p (same variance) |
0.4225 |
|
|
|
|
Midspreads comparison |
|
|
Ratio between midspreads |
0.930 |
|
Similar midspreads ? |
yes |
|
|
|
|
t Test (indipendent samples) |
|
|
Difference between means |
0.256 |
|
Degree of freedom |
75 |
|
t value |
1.9590 |
|
p (significance) |
0.0538 |
|
% confidence |
94.62 |
|
|
|
|
Welch's t (for unequal variance) |
|
|
Difference between means |
/ |
|
Degree of freedom |
/ |
|
Welch's t |
/ |
|
p (significance) |
/ |
|
% confidence |
/ |
|
|
|
|
Mann-Whitney |
|
|
U |
388.0000 |
|
z |
3.0584 |
|
p (significance) |
0.0022 |
|
% confidence |
99.78 |
|
*作者为哥伦比亚大学法学院法学博士(JD),2012年北京大学法学院中国法硕士项目(LLM)毕业生,曾就职于DLA Piper律师事务所香港办公室,现任职于韩国Yulchon律师事务所。
**译者均为北京大学法学院国际经济法硕士研究生。
[1] Coase, Ronald H. , The Problem of Social Cost, Journal of Law and Economics 3 (1): 1–44,1960.
[2] See Bouckaert, Boudewijn and De Geest, Gerrit (eds.), Encyclopedia of Law and Economics, 2000.
[3] La Porta, Rafael, Lopez-de-Silanes, Florencio, Shleifer, Andrei, and Vishny, Robert W., Law and Finance, Journal of Political Economy 106, 1113-1155, 1998.
[4] Id.
[5] Wurgler, Jeffrey, Financial Markets and the Allocation of Capital, Journal of Financial Economics 58, 187-214, 2000.
[6] Morck, Randall Yeung, Bernard, and Yu, Wayne, The Information Content of Stock Markets: Why do Emerging Markets have Synchronous Price Movements?, Journal of Financial Economics 58, 215-260, 2000.
[7] Johnson, Simon, Boone, Peter, Breach, Alasdair, and Friedman, Eric, Corporate Governance in the Asian Financial Crisis, Journal of Financial Economics 58, 141-186, 2000.
[8] Demirgüç-Kunt, Asli and Vojislav Maksimovic, Law, Finance and Firm Growth, Journal of Finance 53, 2107-2137, 1998.
[9] Liebman, Benjamin L. and Curtis J. Milhaupt , Reputational Sanctions in China's Securities Market, Columbia Law Review, volume 108, 2008.
[10] 参见中华人民共和国《中外合资经营企业法》,1979年7月1日第五届全国人民代表大会第二次会议通过。
[11] Jian Zhou, National Treatment in Foreign Investment Law: A Comparative Study from a Chinese Perspective, 10 Touro Int'l L. Rev. 39, 2000.
[12] 同上,另见合资法第4条。
[13]同上,另见合资法第6条。
[14]同上,另见合资法第8-9条。
[15]同上,另见合资法第10条。
[16] Stanley Lubman, Looking for Law in China, Colum. J. Asian L. Vol.20, 2006, p.11.
[17] 同上;另参见中华人民共和国《中外合作经营企业法》,1988年4月13日第七届全国人民代表大会第一次会议通过。
[18] Stanley Lubman, Looking for Law in China, 20 Colum. J. Asian L. 1, 11, 2006,p.12.
[19] 同上。
[20] 同上。
[21] 同上。
[22] Jian Zhou, National Treatment in Foreign Investment Law: A Comparative Study from a Chinese Perspective, 10 Touro Int'l L. Rev. 39, 2000, p.56.
[23] 同上,第125页。
[24] 同上,第126页。
[25] 同上,另参见《指导外商投资方向暂行规定》第4条。
[26] 同上,另参见规定第5条。
[27] 同上,第127页;另参见规定第6条。
[28] 同上,第128页;另参见规定第7条。
[29] 同上,第128页;另参见规定第3条。
[30] Fang Jian et al., China - New Foreign Investment Catalogue Released, 21 April 2011, http://www.linklaters.com/News/LatestHotTopics/2011/Pages/China_New_Foreign_Investment_Catalogue_Released.aspx.
[31] Brad L. Bacon, The People's Republic of China and the World Trade Organization: Anticipating a United States Congressional Dilemma, Minn. J. Global Trade, Vol.369, 2000, p.402.
[32] 同上。
[33] Fang Jian et al., China - New Foreign Investment Catalogue Released, 21 April 2011, http://www.linklaters.com/News/LatestHotTopics/2011/Pages/China_New_Foreign_Investment_Catalogue_Released.aspx.
[34] Liang Tao, Foreign Investment Catalogues and Investment Environment in China, China Law Update, January 2009, http://works.bepress.com/tim_liang/1.
[35] 《外商投资产业指导目录》(2002年3月11日发布)。
[36] Michael Burke et al, China Law, International Law, Vol.36, 2002.
[37] Julia Ya Qin, Trade, Investment and Beyond: The Impact of WTO Accession on China's Legal System, The China Quarterly, Vol.191, 2007, pp.720-741.
[38] Michael Burke et al, China Law, 36 Int'l L. 815, 2002.
[39] Markus Taube et al. Main Issues on Foreign Investment in China’s Regional Development: Prospects and Policy Challenges, 2002, p.18.
[40] 《外商投资产业指导目录》(2004年11月30日发布)。
[41] 同上。
[42] China Market Intelligence--China's 2007 Foreign Investment Guide, China Business Review Feb. 1, 2008, http://chinabusinessreview.com/public/0801/cmi.html.
[43] 同上。
[44] Françoise Nicolas, China and Foreign Investors The End of a Beautiful Friendship?, 2008, p.22, Asie Visions.
[45] 《外商投资产业指导目录》(2011年12月24日公布)。
[47] See Wan-Jiun Paul Chioua, Alice C. Leeb, Cheng-Few Leec, Stock Return, Risk, and Legal Environment Around the World, International Review of Economics & Finance, Volume 19, , pp. 95–105, 2010.
[48] Miguel Martínez Sedanoa, Legal Constraints, Transaction Costs and the Evaluation of Mutual Funds, The European Journal of Finance, Volume 9, Issue 3, 2003.
[49]方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。例如,参加奥运会的马拉松选手的纪录大致类似,从而其方差很小,而业余马拉松选手参加北京马拉松比赛的成绩差异大从而其方差大,因为业余选手的能力不在一个水平上。同理,股票市场回报率的方差要大于某个行业的股票回报率方差,因为样本类型越统一,其方差越小。方差的平方根即标准偏差。
[50] 正太分布,即著名的“钟形曲线”,其可能是一个曲线图、柱状图或概率分布图,其中主要观察组内平均值。基本而言,如果知道了某组的均值和方差(解释如上),就可以大致得出改组的分布曲线。正太分布曲线的主要特征为:95%的观察值出现在两个标准差之间并且 99.7% 的观察值出现在三个平均标准差之间。例如,如果所有中国男子的身高均值为170厘米,而185厘米的身高被认为是高个子(达到这一水平的只有总人数的5%=2个标准差),那么任何身高超过 193 厘米的男子将被认为是巨人。从而我们需要重新判断我们的标准是否与现实吻合。