李润泽 孙安文

【摘要】文章以2011—2019年我国A股上市公司专利被引数据为样本，研究了企业创新与股票收益（RET）的关系及其影响路径。研究结果显示：根据专利被引程度（PCI）所构造的对冲策略可以使投资者获得不低于7.2%的超额收益（年化）；公司的PCI与RET是显著正相关的，且投资者关注度会对其产生负向影响。文章的研究不仅丰富了企业创新与股票收益研究方面的文献，而且也为实务界（尤其是基金公司）提供了投资建议。

【关键词】企业创新；专利被引信息；股票收益；资产定价；有限注意力

【中图分类号】F230；F83

★ 基金项目：本文为中国人民大学科学研究基金“中央高校基本科研业务费专项资金资助”（编号21XNH127）项目成果。

一、引言

近几年来，科技突破对社会和经济产生了巨大影响，如智能手机改变了人们的购物方式和交流方式，人工智能（AI）取代了一些人类基础性的工作，基因研究计划加快了医药的研究与开发，云计算和大数据改变了城市管理方式等。这些科技创新在改变世界的同时，也使商业竞争变得越来越激烈，公司破产的速度也越来越迅速，曾经屹立百年的公司柯达由于数码相机技术对光学技术的替代而轰然倒塌。因此，科技与创新对于一个公司的生存、发展以及繁荣昌盛至关重要，在某些行业，比如信息产业、新材料产业和生物制药产业，创新是这些公司最主要的核心竞争力。

然而，一项创新的产生需要花费多年时间和大量金钱，中间要经过多个环节，并且一项创新的经济价值具有很高的不确定性，因此，创新是一项高价值但同时又是高风险的企业活动（Hirshleifer等，2012）。而对于投资者来说，评估企业创新能力并不是一件容易的事情。首先，创新是以旧的事物为基础，研发创造新的事物，由于新事物是推陈出新产生的，所以对创新的评估就不能照搬过去标准化的程序和度量标准来评判。其次，评估创新需要投资者具备一定的专业分析能力，需要对公司的经济价值有基本判断，并结合公司自身的经济实力以及公司所处行业的发展趋势综合评估。因此，对于投资者来说，评估创新是一件复杂且困难的事情。而且，已有众多心理学实验证明，个人对于复杂和晦涩难懂的信息给予较少的注意力，这会导致投资者忽视或者低估创新的价值（Hirshleifer等，2018），进而导致市场错估公司价值。

关于错估公司价值，Fama（1970）在20世纪70年代提出了有效市场假说。该假说认为，如果市场是有效的，那么股票价格能够根据新获得的信息迅速反应并完全调整，最终充分反映公司的价值。因此，在资本市场上，股票不会被错误定价，投资者也找不到投资策略来获取超额收益。后来，越来越多的学者通过实证研究发现，资本市场并非完全有效，而是存在各种市场异象，比如Titman等（2004）发现的资本投资异象，Jegadeesh和Titman（1993）发现的动量异象等。这些市场异象表明，美国的资本市场并不是完全有效的。相比美国的资本市场，中国资本市场起步比较晚，发展有待进一步完善。在此背景下，本文提出中国的资本市场上投资者可能会错估创新对公司价值的影响，从而可以找到有效的投资策略来获得超额报酬。

目前最能体现公司创新能力的指标就是公司拥有的专利（Hall，2001；Trajtenberg，1989；Trajtenberg，1990）。当A公司的专利确认了行业标准，而其他公司为了避免开发自己标准时所面临技术和成本的不确定性，将会引用该专利，这将使A公司形成生态网络（Shapiro和Varian，1998）。成功的生态网络可以给公司创造巨大和可持续的经济价值，而公司也会因此取得战略优势，比如高通公司的芯片专利、微软公司的windows系统、谷歌公司的安卓系统、苹果公司的智能手机专利、华为公司的5G专利等。而一项专利被引程度越高，由该项专利所形成的标准就会被更多的公司所接受，那么给公司打造的生态网络的规模也就越大，进而给公司带来的价值也就越大。因此，本文以公司专利被引程度来衡量公司的创新强度，进而探究公司创新与股票未来收益的关系。

本文的理论意义在于：国内关于企业创新与股票收益的研究，主要从公司研发投入和公司专利授予信息的角度进行研究，较少从公司专利被引信息进行研究。即使有文献从专利被引信息研究企业创新与股票收益的关系，但其数据也是聚焦于某个行业并且年限较短（李牧南等，2019）。本文使用2011—2019年所有A股上市公司的专利被引信息来进行研究，行业覆盖较全面，且时间跨度长。因此，本文的研究不仅丰富了企业创新与股票收益相关方面的文献，而且有利于了解现有资产定价理论的不足，从而完善资本市场定价理论。

本文的实践意义在于：随着中国金融业改革开放的不断深入，越来越多的境外投资者将会转战到中国资本市场，尤其是其中的量化投资基金公司。截止到2018年，全球量化对冲基金管理的资产规模为2.88万亿美元1。而截止到2018年，国内量化对冲公募基金管理的資产规模仅是603.9亿元2。当国内的基金公司不能够在量化投资领域占据领先地位时，这势必会对国内投资者造成重大不利影响。因此，通过发现中国资本市场上的创新异象，不仅可以为国内基金公司提供量化投资策略，提升国内基金公司的实力，而且也可以提升应对金融风险的能力。

二、文献综述

Eberhart等（2004）研究了1951—2001年期间美国上市公司发生重大研发支出事件对公司股票收益以及经营业绩的影响。他们发现：公司增加研发支出，投资者未来可以获得超额收益，这符合市场错误定价理论；公司增加研发支出会显著提升公司未来的经营业绩。

Guo等（2006）研究了研发支出对公司IPO表现的影响。他们发现：公司研发强度（研发支出/营业收入）增加会使公司IPO定价较低；研发强度与公司长期绩效呈显著正相关关系；研发支出会影响分析师对公司IPO长期业绩的预测。他们认为，由于研发支出导致信息不对称，使得市场对研发强度高的公司进行了低估。后来，随着投资者获取更多的信息和了解公司的研发信息，市场又修正了之前的错误定价。王昊翔（2013）分析了研发费用与企业价值的关系，研究发现研发投入在短期内会因研发是否成功产生正反两方面影响，但从长期来看，能提升企业盈利能力。

上面这些研究主要是通过研发支出来衡量创新，以研究创新与公司价值以及股票收益的关系。然而，衡量公司的创新不仅仅可以从投入端，也可以从产出端来研究，比如专利。

Hirshleifer等（2013）以专利数量构造了创新效率指标（IE）。结果显示，无论采用三因子还是四因子模型，创新效率高的投资组合的超额收益要远大于创新效率低的投资组合的超额收益。在控制了相关变量后，Hirshleifer等人发现创新效率与公司股票收益呈显著正相关关系。最后，Hirshleifer等人还通过构造EMI因子来检验创新效率能够预测股票收益的原因。结果显示，投资者的有效注意力导致了创新效率的预测作用。

Gu（2005）以公司专利被引数量来衡量公司的创新质量。为了去除行业影响和创新时效性的影响，Gu以公司近5年的新授予专利的被引数量占同类新授予专利的总被引数量的比例来衡量公司创新的质量。通过对美国1975—1999年间的上市公司进行实证研究，Gu发现，公司新增的专利被引数量与公司未来的盈余呈正相关关系，并且，市场未能对此进行及时反应，从而导致公司新增的专利被引数量与公司未来股票收益也呈正相关关系。

除了研究创新对公司本身的影响，学者们也观察到了创新的溢出效应。

Jiang等（2016）按照研发支出水平和研发支出增长率从全样本中挑选出一部分公司作为研发支出的“领导者”，然后将领导者所在行业的其他公司定义为研发支出的“同行者”。研究发现，如果行业中的“领导者”的研发投入使得行业整体研发支出大幅度增加，那么行业中的“同行者”的股票收益会有正的超额收益，并且经营业绩也会显著提升。Jiang等人还检验了行业外生事件冲击对实证结果的干扰，结果显示，外生事件冲击不能解释溢出效应。最后，作者们认为投资者对“同行者”公司关注度低导致了研发支出的溢出效应。

Lee等（2019）以两家公司专利在专利类别上的相关系数来构造两家公司的“科技关联度”。然后，将科技关联公司的上期股票收益乘以相应的科技关联度作为“焦点”公司的科技关联收益。他们发现，买入科技关联收益高的投资组合，卖空科技关联收益低的投资组合，投资者可以获得1.17%的月度超额收益；科技关联收益与公司未来的股票收益呈显著正相关关系，即控制了其他关联效应，比如行业关联效应，供应链关联效应，顾客关联效应等。通过以上实证结果，Lee等人认为创新的溢出效应可以体现在公司专利布局方面。

国内对创新与股票收益方面的研究，主要从研发投入和专利数量角度出发，较少地从专利被引角度进行研究，具体来言：

罗婷等（2009）以中国A股2002—2006年间披露研发信息的上市公司为样本，研究了研发投入与公司价值的关系。通过实证研究发現，公司研发投入与未来业绩呈正相关关系，与公司股票未来收益也呈正相关关系，但与同期股票收益不相关。

徐欣和唐清泉（2010）以上市公司的专利数量和类别来研究创新活动对公司价值（托宾Q值）的影响。他们以中国A股市场2002—2006年间的公司为对象，搜集企业的研发投入数据。此外，徐欣和唐清泉还研究了不同类别（发明型、实用型以及外观设计型）专利对企业价值的影响。发现研发投入强度显著提升公司价值，发明型专利数量能够显著提升公司价值，但实用型专利和外观设计型专利不能显著提升公司价值。

以中国A股市场2006—2013年间的公司为研究对象，杨亭亭等（2017）研究了公司创新能力与股票收益的关系。从公司拥有优先权专利数量、权利要求项数、发明专利占比、专利发明人数量、国际公布条数以及专利覆盖范围六个方面进行主成份分析，杨亭亭等人构造了创新能力指标（PQ）。研究结果显示，公司创新能力和股票未来收益呈显著正相关关系，并且创新能力在科技行业中作用更为显著；以创新能力对公司进行分组，发现在三因子和四因子模型下，投资组合可以获得超额报酬；最后，杨亭亭等人借鉴三因子和五因子模型，构造了创新因子（IMO）。结果表明，将IMO加入到三因子和四因子模型中，投资组合的阿尔法不显著，这说明创新能力对股票收益具有解释能力。

总结上述文献综述发现，企业创新能够提升公司的价值，但是，由于市场不是完全有效的，这导致企业的创新价值被市场低估。投资者获取更多的信息并逐渐了解公司的创新价值后，市场将会修正之前的错误定价。

三、研究设计

（一）假设提出

经济研究已经发现，专利的被引程度能够显示该项专利的经济价值和科技重要性。Trajtenberg（1989，1990）研究发现，专利被引强度与该项专利的社会福利呈正相关关系。Lanjouw和Schankerman（2001）发现被诉讼的专利往往是那些被引频率高的专利，这表明专利被引强度与其经济价值存在关系。此外，高被引的专利也证明了公司的科技领导力和科技优势地位。Lieberman和Montgomery（1988）研究表明，科技领导力是公司获得先发优势的主要动力，即领先公司可以获得超过平均利润的超额收益。他们还认为专利获得和创新成功是公司持续保持科技领先地位的关键因素。因此，高被引的专利所带来的技术优势能够确立公司的科技领先地位，反过来科技领先地位又能够使公司获得先发优势和持续盈利的能力。

虽然，专利能够给公司带来经济价值，但是，资本市场不是完全有效的，投资者不能及时对公司专利价值进行正确评估，股价不能及时反映公司价值。Hirshleifer等（2012）认为：专利的研发需要公司花费巨额的资金，同时也需要大量的时间进行实验；在研发过程中，公司要经过多个环节的测试；创新的经济价值的不确定性很高，创新是一项高收益但同时又是高风险的企业活动。此外，Hirshleifer等（2018）认为，专利是从已有的旧事物中创造出来的新事物。由于新事物是新出现的，因此，就不能用过去标准化的程序和度量标准来评判一项新专利的经济价值。还有，理解专利对公司的经济价值，不仅要了解专利本身，还要了解和评估公司自身的经济实力以及公司所处行业的发展趋势。而大量的心理学实验表明，个人对于复杂和晦涩难懂的信息给予较少的注意力，即投资者注意力有限。这会导致投资者忽视或者低估企业创新所包含的价值信息，使得股价不能及时反映公司专利的价值。基于此，本文提出如下假设：

H1：投资者可以通过公司专利被引信息获得超额报酬。

H2：在其他条件一样的情况下，公司专利的被引程度与公司未来的股票收益呈正相关关系。

H3：在投资者关注度高的公司里，公司专利的被引程度与公司未来股票收益的正相关关系被减弱。

（二）变量定义及度量

（三）实证方法

1.日历时间组合法

参照Lee等（2019），在t+1年的6月末，将公司按照PCI的大小，从小到大进行排序，然后将样本进行五等分，构成五组投资组合（1表示PCI值最小的一组，5表示PCI值最大的一组），然后将投资组合持有一年。计算各个投资组合在t+1年7月至t+2年6月期间每月的投资收益时，采用两种方法，即等权加权法和价值加权法。

本文预期，由于市场不能及时对公司的专利价值进行反应，通过这样构造的对冲策略，投资者可以获得显著为正的超额收益，即假设1成立。

2.多元回归模型

本文预期PCI的系数显著为正，PCI×Attention交乘项的系数显著为负。

（四）数据来源

本文选择以2011—2019年间在中国上市的A股上市公司为研究对象，所有变量的数据均来自CNRDS和CSMSR数据库。本文对初始数据进行了如下处理：1.从样本中剔除了金融行业和被ST的公司；2.剔除账面市值比为负的样本；3.为了剔除异常值的影响，本文对所有变量进行了1%的Winsorize处理；4.由于本文展示的回归结果保留了3位小数，为了能正确显示PCI和SIZE的系数，我们将PCI扩大并将SIZE缩小100 000 000倍。

四、实证结果

（一）描述性统计及相关性分析

表2是对本文主要变量进行描述性统计，包括平均值、标准差以及四分位数。从表中可以看出，股票收益（RETt+1）接近16.5%，远远高于无风险报酬率，但是其中位数为-2.2%，低于无风险报酬率，股票收益的中位数与平均数的差距相当于0.29个标准差。样本PCI的平均数为0.038，中位数为0.015，中位数小于平均数，其差距相当于0.21个标准差，与RETt+1有相似的分布。这可能预示着RETt+1与PCI存在一定的关系。

表3展示的是各个变量之间的相关系数，下三角是皮尔逊相关系数，上三角是斯皮尔曼相关系数。从表中可以看出，RETt+1与PCI的皮尔逊相关系数为0.009，不显著；但是，RETt+1与PCI的斯皮尔曼相关系数是0.03，且显著。这在一定程度上可以表明RETt+1与PCI存在正的相关关系。此外，PCI与其他控制变量的相关系数的绝对值均不超过0.3，说明PCI与其他变量之间不存在共线性的问题。并且，其他变量之间的相关系数的绝对值也不超过0.4，说明变量之间不存在共线性问题。

（二）实证结果分析

1.日歷时间组合法

表4展示了投资组合分别在三因子模型、四因子模型和五因子模型下的Alpha收益。1～5列表示按照PCI将公司等分成5组的投资组合（1表示PCI值最低的一组，5表示PCI值最高的一组），5-1列表示对冲策略，即买入第5组、卖出第1组。

从表4可以看出，在每年6月末，买入第5组的投资组合，同时卖出金额相同的第1组的投资组合，然后持有一年，投资者可以每月获得不少于0.6%的超额收益。以上结果表明，市场不是完全有效的，股价没有完全反映专利的被引信息。通过专利被引信息来构建对冲策略，投资者每年可以获得7.2%以上的超额收益，假设1成立。此外，投资组合的超额收益随着PCI值的增加而增加，这表明专利被引信息与股票收益是呈正相关关系，支持了假设2。

2.多元回归分析

日历时间组合法虽然也支持假设2，但是它是根据单一变量来进行分组的，没有控制其他变量，下面采用多元回归分析，来检验假设2和假设3。

表5是对模型（1）回归的结果，回归结果（1）控制了固定效应和时间效应，回归结果（2）只控制了固定效应。回归结果（1）和（2）都显示，PCI的系数显著为正，这说明市场最初没有及时反映公司专利的被引信息，专利被引信息在以后的时间里被市场逐步反映，结果支持了假设2。

表6是对模型（2）的回归结果，回归（1）是以机构持股比例的中位数来将样本分为受关注度高和受关注度低的两组，回归（2）是以机构持股比例的平均数来将样本分为受关注度高和受关注度低的两组。在回归（1）中，PCI的系数为0.978，显著为正，与假设2的推断一致。并且，PCI和Attention交乘项的系数为-0.439，且显著为负。这表明受关注度高的公司，其专利被引信息更容易被市场反映，这与假设3的推断一致。在回归（2）中，PCI的系数为0.940，且显著为正，与假设2的推断一致。虽然在回归（2）中，PCI和Attention交乘项的系数为-0.357不显著，但其t值为-1.533，接近1.67，也可以在一定程度上支持假设3的推断。

以上实证结果表明，资本市场不是完全有效的，市场不能对专利被引信息进行及时反映。因此，市场不能完全反映公司专利的被引信息，导致公司股价被低估，投资者可以通过专利被引信息获得超额收益。而这种市场异象很可能是投资者注意力有限导致的。

五、稳健性检验

（一）日历时间投资组合

本文通过用价值加权法计算的投资组合收益来进行稳健性测试。表7显示，在每年6月末，买入第5组的投资组合，同时卖出金额相同的第1组的投资组合，然后持有一年，投资者每月可以获得不少于0.5%的超额收益，年度可获6%以上超额收益。表7的结果和表4的结果一致，说明了日历时间组合法的实证结果稳健，同时也说明了对冲策略的可靠性。此外，在三种模型下，投资组合的超额收益与PCI值基本呈单调递增关系，同样支持了假设2。

（二）Fama-MacBeth回归方法

参照Fama和Macbeth（1973）的做法，采用Fama-MacBeth回归方法来检验假设2和假设3，回归结果见表8。

表8展示的是对模型（1）的回归结果。其中，回归（1）控制了行业效应，回归（2）没有控制行业效应。PCI在回归（1）和回归（2）的系数分别为0.288和0.350，且均显著。公司专利被引程度与公司股票的未来收益呈显著正相关关系，支持了假设2。

表9展示的是对模型（2）的回归结果。其中，回归（1）和回归（2）使用机构持有比例的中位数来对样本进行分组；回归（3）和回归（4）使用机构持有比例的平均值对样本进行分组。在回歸（1） （4）中，PCI的系数均显著为正，PCI×Attention的系数不显著。虽然PCI×Attention的系数不显著，但是，其在四个回归结果中都为负，在一定程度上也可以支持假设3。

六、结论与启示

根据有效资本市场假说，资本市场是一个没有任何成本、高效率、理想化的市场。在有效资本市场假说下，证券的价格等于其价值。一旦与证券价值相关的信息被披露，市场就会迅速做出调整，使其价格重新等于价值，因此，没有任何人或交易策略可以提前利用信息赚取超额回报。事实上，由于证券市场上存在各种成本，比如交易成本、证券持有成本，同时市场参与者的注意力有限，资本市场并非是完全有效的。因此，市场不能及时对信息做出反应，从而错估了股票价值。但从长期看，价格会向价值回归。因此，投资者通过买入被低估的股票同时卖出被高估的股票就可以获得超额收益。

本文以2011—2019年我国A股上市公司专利被引数据为样本，研究了企业创新与股票收益关系及其影响路径。研究结果显示：（1）在每年6月末，投资者买入PCI最高的等权加权（价值加权）投资组合，同时卖出金额相同的PCI最低的等权加权（价值加权）投资组合，并持有一年后可以获得每年不低于7.2%（按等权加权测算）或6.0%（按价值加权测算）的超额收益；（2）公司的PCI与股票的未来收益存在显著的正相关性。这说明市场没有及时反映公司的专利被引信息，市场低估了公司专利的被引价值；（3）PCI与RETt+1的关系会受投资者关注度的影响，即在投资者关注度高的公司里，PCI的系数要小于其在投资者关注度低的公司里的系数。这表明投资者的有限注意力是导致市场对公司专利被引信息低估的原因之一。

在理论方面，本文的研究不仅丰富了企业创新与股票收益研究方面的文献，而且为进一步完善资本市场定价理论提供了方向；在实践方面，本文的研究不仅可以为实务界，尤其是基金公司，提供投资建议，而且也可以提升中国资本市场的有效性，使市场能够正确评估公司的创新能力，进而促使公司进行更多高质量的创新。

主要参考文献：

[1]Hirshleifer，D.，Low，A.，& Teoh，S.H.（2012）.Are overconfident CEOs better innovators The Journal of Finance，67（4），1457-1498.

[2]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2018）.Innovative originality，profitability，and stock returns.The Review of Financial Studies，31（7），2553-2605.

[3]Fama，E.F.（1970），Efficient capital markets： A review of theory and empirical work，The Journal of Finance，25（2），383–417.

[4]Titman，S.，Wei，K.J.，& Xie，F.（2004）.Capital investments and stock returns.Journal of Financial and Quantitative Analysis，39（4），677-700.

[5]Jegadeesh，N.，& Titman，S.（1993）.Returns to buying winners and selling losers： Implications for stock market efficiency.The Journal of Finance，48（1），65-91.

[6]Eberhart，A.C.，Maxwell，W.F.，& Siddique，A.R.（2004）. An examination of long‐term abnormal stock returns and operating performance following R&D increases. The Journal of Finance，59（2），623-650.

[7]Guo，R.J.，Lev，B.，& Shi，C.（2006）.Explaining the Short‐and Long‐Term IPO Anomalies in the US by R&D.Journal of Business Finance & Accounting，33（3‐4），550-579.

[8]Hirshleifer，D.，Hsu，P.H.，& Li，D.（2013）.Innovative efficiency and stock returns.Journal of Financial Economics，107（3），632-654.

[9]Gu，F.（2005）.Innovation，future earnings，and market efficiency.Journal of Accounting，Auditing & Finance，20（4），385-418.

[10]Jiang，Y.，Qian，Y.，& Yao，T.（2016）.R&D spillover and predictable returns.Review of Finance，20（5），1769-1797.

[11]Lee，C.M.，Sun，S.T.，Wang，R.，& Zhang，R.（2019）. Technological links and predictable returns.Journal of Financial Economics，132（3），76-96.

[12]王昊翔.研发费用投入与企业价值相关性研究——基于国内上市高新技术企业的数据[J].国际商务财会，2013（03）：5-9.

[13]罗婷，朱青，李丹.解析R&D投入和公司价值之间的关系[J].金融研究，2009（06）：100-110.

[14]徐欣，唐清泉.R&D活动、创新专利对企业价值的影响——来自中国上市公司的研究[J].研究与发展管理，2010，22（04）：20-29.

[15]李牧南，褚雁群，王流云.专利质量的不同维度指标与托宾Q值的关系测度[J].科学学研究，2019，37（07）：1164-1173+1202.

[16]杨亭亭，黎智滔，李仲飞.上市公司技術创新能力与股票收益——来自中国资本市场的证据[J].当代财经，2017（08）：56-68.

[17]Trajtenberg，M.（1989）.The welfare analysis of product innovations，with an application to computed tomography scanners.Journal of Political Economy，97（2），444-479.

[18]Trajtenberg，M.（1990）.A penny for your quotes： patent citations and the value of innovations.The Rand Journal of Economics，172-187.

[19]Shapiro，C.，Carl，S.，& Varian，H.R.（1998）. Information rules： a strategic guide to the network economy.Harvard Business Press.

[20]Lanjouw，J.O.，& Schankerman，M.（2001）. Characteristics of patent litigation： a window on competition.RAND Journal of Economics，129-151.

[21]Lieberman，M.B.，& Montgomery，D.B.（1988）. First‐mover advantages.Strategic Management Journal，9（S1），41-58.

[22]Hall，B.H.，Jaffe，A.B.，& Trajtenberg，M.（2001）.The NBER patent citation data file： Lessons，insights and methodological tools （No.w8498）.National Bureau of Economic Research.

[23]张圣平，于丽峰，李怡宗，陈欣怡.媒体报导与中国A股市场盈余惯性——投资者有限注意的视角[J].金融研究，2014（07）：154-170.

[24]Fama，E.F.，& French，K.R.（1992）.The cross‐section of expected stock returns.The Journal of Finance，47（2），427-465.

[25]Carhart，M.M.（1997）.On persistence in mutual fund performance.The Journal of Finance，52（1），57-82.

[26]Fama，E.F.，& French，K.R.（2015）.A fivefactor asset pricing model.Journal of Financial Economics，116（1），1-22.

[27]Fama，E.F.，& MacBeth，J.D.（1973）.Risk，return，and equilibrium：Empirical tests.Journal of Political Economy，81（3），607-636.