摘要：在以技术创新为核心的经济高质量发展战略背景下，作为资本市场专业的机构投资者如何关注公司的创新战略方向对公司在金融市场上的投融资活动举足轻重。文章基于2007—2019年A股上市公司发明专利分类号数据，构造衡量公司创新战略差异的创新专注度指标，研究公司创新专注度与机构投资者持股决策的关系。结果发现，公司创新专注度越高，机构投资者持股家数越多、持股比例越高。机制分析表明，公司创新专注度越高，其盈利能力越强、破产风险越低，也更易被市场低估，具有更高的盈余意外和超额预期收益以及较低的波动率风险。进一步，使用开放式主动偏股型公募基金的股票持仓数据构造了基金持股组合的创新专注度变量和基金业绩衡量指标，研究发现，基金组合创新专注度越高基金未来业绩表现越好，说明“聪明钱效应”是机构投资者偏好持有创新专注度较高公司的主要动机。文章的经验证据有助于理解公司创新战略差异与机构投资者持股决策的关系，对公司调整创新战略吸引资本具有重要现实意义。
关键词：机构投资者，创新战略，创新专注度，聪明钱效应
一、引言
创新战略在公司技术创新过程中具有重要引领作用，不同公司所偏好的创新战略有很大差异。创新战略差异的识别通常需要分析公司产品类型、技术专利等非结构化的非财务信息，而市场普通投资者一般没有能力及时正确处理这一复杂信息（Gu，2005）。研究发现，专业机构的投资经理对公司技术创新相关信息的卓越理解，使其能够选择到被低估的绩优股，进而获得更好的投资业绩，所以机构投资者有能力且会花费一定成本来处理和理解这方面的信息（孔高文等，2019；McLemore et al.，2022）。但是，机构投资者在投资决策时是否会关注公司创新战略差异，目前少有文献涉及，本文通过构造衡量公司创新战略差异的创新专注度指标，探究公司创新专注度与机构投资者持股决策的关系。
公司在“探索新的可能性”和“利用旧的确定性”之间的战略差异会反映在经营业绩和市场表现上（March，1991）。其中，创新专注度较高的利用式创新由于创新成功概率比较高，一般对公司绩效的正向作用要比探索式创新大（李忆、司有和，2008）。因此，本文首先从公司经营业绩和股票市场表现这两个视角分析机构投资者关注公司创新战略的影响机制。已有实证研究发现创新战略可以显著影响公司经营绩效和市场价值，也对公司长期发展有重要影响。创新专注度较高的利用式创新公司其经营业绩更好（Uotila et al.，2009），股价崩盘风险更低（Jia，2018），同时创新专注度较高的利用式创新公司股票更容易被市场低估，从而可以获得更高的超额预期收益（Fitzgerald et al.，2021）。因此，本文认为机构投资者能够通过分析技术创新相关信息，识别出创新专注度较高的利用式创新公司具有更好的经营绩效和股票市场表现，才会将创新战略纳入其持股决策的考虑因素中。
机构投资者是具有专业信息收集、信息处理与判断技能的“聪明投资者”，为了获取更好的投资业绩，会基于信息优势主动将公司创新战略差异纳入到其持股决策的考虑因素中。为了进一步检验这个影响机制，本文创新性地使用开放式主动偏股型公募基金的股票持仓数据，构造了基金持股组合的创新专注度变量和基金业绩衡量指标，直接检验基金持股组合的创新专注度是否会影响基金业绩。结果发现基金持股组合的创新专注度越高，基金未来的业绩表现越好，且这种优秀的投资业绩并不是基金自身别的特征带来的，说明“聪明钱效应”是机构投资者将公司创新战略差异纳入持股决策的重要机制。
本文可能存在以下几个方面的边际贡献：第一，目前关于公司创新战略的文献大多关注决定公司创新战略差异的影响因素，或者关注不同的创新战略对公司经营业绩或资本市场表现的影响，而本研究考察机构投资者是否关注公司的创新战略差异，提供了机构投资者偏好持有创新专注度较高的利用式创新公司的经验证据，对机构投资者持股决策影响因素的文献有所贡献。第二，本文不仅从公司创新战略影响经营业绩与股票市场表现的视角，而且从机构投资者“聪明钱效应”的视角，研究了机构投资者偏好创新专注度较高的利用式创新公司的影响机制。结果发现，在A股市场上，创新专注度较高的公司有更强的盈利能力、更低的破产风险、更高的超额预期收益和更低的股票波动率，基金持股组合中如果创新专注度比较集中会带来较好的投资业绩。这些经验证据对公司偏好不同创新战略产生的经济后果的相关研究是有益补充，也是对研究基金业绩影响因素的文献有所贡献，对公司调整创新战略吸引资本、制定具有稳定性的创新支持政策具有重要现实意义。
二、文献回顾与研究假设
（一）公司创新战略差异的相关研究
相关研究通常认为公司创新存在两种战略：创新专注程度较高的利用式创新和创新专注程度较低的探索式创新（March，1991；李忆、司有和，2008）。部分研究认为公司的创新战略会影响公司经营绩效和资本市场表现。He and Wong（2004）发现探索式创新与利用式创新之间的交互作用与公司销售收入增长率呈正相关关系。Uotila et al.（2009）发现公司的利用式创新程度与公司的财务绩效是正U型关系。王凤彬等（2012）实证发现在中国公司中，两种创新战略都对公司市场绩效产生正向影响，但与公司财务绩效是U型关系。苏昕、周升师（2019）研究发现探索式创新对企业竞争地位的影响具有“拐点效应”，呈正U型，利用式创新则促进企业竞争地位的提升。
近些年，有一些研究探讨公司创新战略的选择对公司在资本市场表现的影响，Jia（2017）基于美股研究发现分析师更加关注偏好利用式创新战略的公司。Litov et al.（2012）认为分析师搜集和分析探索式创新公司的信息成本更高，同时探索式创新公司更难以估值，因此导致其分析师覆盖率比较低。Jia（2018）分析美股市场，发现偏向探索式创新的公司具有更高的股价崩盘风险，主要的机制是相比于利用式创新的项目，探索式创新的项目失败概率更高，并且公司不愿意披露失败的探索式创新项目，致使负面信息不断积累。Fitzgerald et al.（2021）发现专注于利用式创新而非探索式创新的公司往往会产生较好的短期经营业绩，分析师没有发现这一点，进一步研究发现专注于利用式创新的公司利润往往会超过市场的盈利预期，由此公司股票可以获得超额收益。从上述的文献梳理，可以发现关于公司偏好不同创新战略所产生的经济后果研究，目前的实证研究主要集中在分析美股市场，虽然李哲等（2021）发现A股市场上分析师更加关注突破式创新的公司，但他们定义的突破式创新公司与本文的创新战略又不相同。本文认为公司偏好持有创新专注度较高的利用式创新公司的核心机制之一就是创新专注度较高的公司具有较好的经营绩效和资本市场表现，因此，本文这一机制方面的实证分析也是对目前国内相关研究的有益补充。
（二）机构投资者持股的创新偏好
机构投资者作为金融市场重要参与方，在公司融资、市场流动性和公司治理等方面都发挥着关键作用（Aghion et al.，2013）。研究发现，机构投资者的持股偏好主要集中在地理位置相近（Bernile et al.，2015）、社交联系紧密（Kuchler et al.，2022）、净损失成本较低（田澍等，2012）、公司经营业绩较好（姚颐等，2011）、公司治理水平较好（Bushee et al.，2014）和公司社会绩效较高（黎文靖、路晓燕，2015）的公司或行业。这说明机构投资者作为“聪明的投资者”是有能力解读公司财务以及其他影响公司价值的信息（Bushee et al.，2019）。陆蓉、孙欣钰（2021）的研究发现，机构投资者不仅能解读公司基本面信息，而且还可以通过制造市场概念股来影响散户投资者的情绪，说明机构投资者相对于散户有更多技能来理解市场各种信息。翟淑萍等（2022）研究也发现机构投资者之间会相互交流，通过降低信息不对称的优势可以降低企业的违约风险，进一步说明了机构投资者的信息优势。
技术创新是公司的核心竞争力，影响公司的经营业绩与股票市场表现。部分研究表明，公司股票价格在反应技术创新方面的信息时不够全面，由此导致了股票价格的可预测性，可能的原因是技术创新相关信息是非财务信息，普通投资者难以处理此类信息（Lee et al.，2019）。而机构投资者作为拥有专业技能的投资者，是否有能力解读关于公司技术创新相关的信息，最近一些研究探讨了机构投资者持股的创新偏好。McLemore et al.（2022）研究发现，基金经理对技术创新相关信息的卓越理解可以使其管理的基金获得超额收益。孔高文等（2019）基于A股的研究发现，基金经理在投资组合中增加创新型公司股票，长期来看可以获得更高的超额收益，主要原因是创新型公司被市场严重低估。周方召等（2021）基于中国上市公司专利数据研究发现，机构投资者偏好持有专利产出更多的公司。综上所述，机构投资者基于自身专业的信息处理技能，能够通过分析公司技术创新相关信息来选择股票，以此获得优秀的投资业绩，表明机构投资者有持股的创新偏好。但是，最近的相关研究主要集中在机构投资者重点关注公司创新产出的数量、质量和效率方面，而关于引领技术创新的创新战略是否也是机构投资者重点关注的方面，目前的国内外研究并没有涉及。
（三）研究假设
偏向利用式创新战略的高创新专注度公司会更多地使用已有的知识、技术以及专利来进行新产品开发、新服务执行以及新专利的发明，一般来说，延续已有的创新路径可以使得公司在更少投入的情况下获得较大利润，同时因为公司申请发明专利主要目的就是为了获得垄断利润，所以公司在自己以往专利“护城河”的基础上不断巩固加强可以获得稳定的盈利与现金流（李忆、司有和，2008）。进一步，实施利用式创新战略的公司开发新的产品与发明新的专利都是在已有知识的基础之上进行的，开发与申请成功的概率比较大，未来面临的不确定性也比较少，公司经营风险也会小很多（Jia，2018），信用评级一般来说比较高。相反，偏向探索式创新的低创新专注度公司会更多地开拓新领域、发明与自身以往专利无关的新专利，这会使得公司投入大量的人力、物力以及财力，会消耗公司大量现金流与利润，短时间内很难获得收益，并且新领域的开发一般具有很大不确定性，失败的概率很大，有可能会使得公司陷入“探索-变革-失败”的过度探索陷阱，公司的经营风险比较大（王凤彬等，2012）。机构投资者被认为是专业的投资者，具有强大的投研团队，能够通过分析公司复杂的基本面信息，从而识别公司未来的经营业绩，因此机构投资者之所以偏好持有高创新专注度公司，主要是因为高创新专注度公司具有更优秀的经营业绩，“聪明”的机构投资者可以从中获取更好的投资业绩。
公司的创新战略作为公司创新投入和创新产出的路径指导，长远且深层次影响公司的经营业绩与市场表现，现有研究已经证明创新专注度较高的利用式创新公司可以获得较好的经营业绩和更高的股票超额收益（Fitzgerald et al.，2021）。机构投资者作为金融市场重要的参与者，具有专业技能的投资者，具有信息挖掘能力与解读能力（张宗新、杨通旻，2014）。本文认为机构投资者会把公司创新战略差异纳入到其持股决策中，据此提出：
假设1：机构投资者偏好持有创新专注度较高的利用式创新公司。
三、样本数据与研究设计
（一）样本数据
本文以全部A股上市公司为研究对象，样本期间为2007—2019年。由于计算公司创新战略衡量指标需要用到自公司成立以来的累计专利空间，因此专利分类号数据起始时间为数据库开始时间，本文所用专利分类号数据最早开始时间为1990年。本文用到的发明申请专利分类号数据、发明申请专利数据、创新投入数据、机构持股数据、公司基本信息、分析师盈余预测数据、公司治理与信息披露数据、地区高校相关数据等来源于中国研究数据服务平台（CNRDS）的相关数据库，基金持股数据、基金收益率数据、公司财务数据、股票交易数据等来自于国泰安（CSMAR）相关数据库，公司产品与行业分类销售收入数据来自于Chioce金融终端，无风险利率数据来自于锐思金融研究数据库（RESSET/DB）。
获得数据后为了避免异常数据对主要分析结果产生影响，本文对相关数据进行了如下预处理：第一，剔除金融与房地产行业，金融行业财务报表与普通生产型公司财务报表具有不可比的特征，同时由于房地产行业其发展特征属于高杠杆高周转类似于大金融板块，同时房地产行业申请专利数据比较少；第二，剔除净资产为负的公司观测值；第三，为了使用日度交易数据计算公司股票市场风险、换手率与特质波动率等变量，剔除每年度有效交易日小于150天的观测值。第四，为了避免离群值对回归分析结论的影响，对所有连续型变量进行前后1%的缩尾处理。
（二）变量定义
1.机构投资者持股偏好
参考黎文靖、路晓燕（2015）等相关研究，使用年末机构投资者持股占公司总股本的比例（IOT）和上市公司股票被多少家机构投资者持有（ION）来衡量机构投资者持股偏好。
2.创新专注度
本文采用公司发明申请专利分类号数据来计算公司对已有技术领域的利用程度相对于新技术领域的探索程度，以此来区分公司的创新战略差异性。参考Fitzgerald et al.（2021）的方法来计算公司创新专注度，具体计算公式如下：
（1）
其中，fi，k，t为公司i在t年二级IPC分类下的第k个专利类别占比，fi，t=（fi，1，t，fi，2，t，⋯，fi，k，t）表示公司i在t年二级IPC分类下的K维专利空间，gi，k，t−1为公司i从成立至t-1年累计的二级IPC分类下的第k个专利类别占比，gi，t=（gi，1，t，gi，2，t，⋯，gi，k，t）表示公司i从成立至t-1年累计的二级IPC分类下的K维专利空间。若一个公司在t年发明申请的专利技术类别与其历史专利类别空间没有任何重叠，则Inva_ISPi，t为0；若一个公司在t年发明申请的专利技术类别与其历史专利类别空间完全重叠，则Inva_ISPi，t为1，因此当Inva_ISPi，t越接近于1的时候公司的创新战略更可能是创新专注度较高的利用式创新，而Inva_ISPi，t越接近于0的时候公司的创新战略更可能是创新专注度较低的探索式创新。
3.公司经营业绩
参考李忆、司有和（2008）和Fitzgerald et al.（2021）等研究，本文采用总资产收益率（ROA，净利润比期初总资产）、营业利润（Profit，营业利润比期初总资产）、经营现金流（CFO，经营现金流净额比期初总资产）和Altman-Z值（Z）来表示公司的经营绩效。Altman-Z值参考张小茜、孙璐佳（2017）来计算，具体如下：
Z=6.56X1+3.2X2+6.72X3+1.05X4+3.25 （2）
其中X1=（流动资产-流动负债）/总资产，X2=（盈余公积+未分配利润）/总资产，X3=息税前利润/总资产，X4=净资产/总负债，Z值越大表示公司破产风险越小。上述关于Altman-Z值公式中财务指标的权重参数主要参考张小茜、孙璐佳（2017）的论文。
4.公司股票市场表现
使用分析师盈余意外（EPS_Surprise）来表示公司盈利能力被资本市场低估程度，使用年度股票超额收益率（r_year）和年度股票波动率（sd_year）代表公司股票的收益与风险。具体计算公式如下：
（3）
其中，EPSi，t表示公司i在t年的真实每股净利润，
表示公司i在t年的一致预期的每股净利润，一致预期的每股净利润是所有分析师预测的每股净利润的均值，TAPSi，t表示公司i在t年的每股总资产。
（4）
（5）
其中，Ri，m，t表示公司i的股票在t年m月的考虑分红再投资的月度收益率，RFm，t表示t年m月的月度无风险收益率。
5.控制变量
参考宋玉等（2012）、黎文靖、路晓燕（2015）等研究，本文加入可能同时影响公司创新战略与机构投资者持股偏好的公司特征变量，资产负债率（Leverage）、净资产收益率（ROE）、研发投入（RDA）、账面市值比（BM）、固定资产占比（Tangible）、公司规模（Size）、公司年龄（Est_Age）。孔高文等（2019）的研究发现机构投资者偏好创新型公司，因此，为了控制公司创新产出对估计结果的影响，加入发明申请专利总数（Invija）作为创新产出的代理变量。田澍等（2012）研究发现中国机构投资者偏好持有交易成本低、波动率小等净损失成本低的上市公司股票，为此本文进一步加入股票市场风险（BETA）、换手率（TURN）、年度非流动性（ILLIQ）、特质波动率（IVOL）作为控制变量。关于以上变量的具体定义方法参看表1的变量定义表。
（三）回归模型设定
1.基准模型设定
首先检验公司创新专注度对机构投资者持股决策的影响，设定基准回归模型如下：
（6）
其中，下标i表示公司，t表示年份，j表示行业，p表示省份。被解释变量Institution_holdi，t表示机构投资者持股偏好，衡量指标为机构投资者持股比例与机构投资者家数；解释变量Inva_ISPi，j，p，t−1为公司创新专注度，衡量指标是用专利分类号计算得到的创新专注度；控制变量Xi，j，p，t−1为公司财务特征变量；λj为行业固定效应，τt为年份固定效应，ρp为省份固定效应，表示控制不可观测的行业特征、时间效应与地区经济发展水平。
2.机制分析模型设定
对于机构投资者偏好持有创新专注度较高的利用式创新公司的主要原因，前文分析提出了两个机制来解释：公司经营业绩与资本市场表现。本文设定如下回归模型来验证机制解释的正确性。
（7）
其中，Performancei，t代表公司经营的业绩表现与资本市场表现，经营业绩的代理变量为总资产收益率（ROA）、营业利润（Profit）、经营现金流（CFO）和Altman-Z值，资本市场表现的代理变量为分析师盈余意外（EPS_Surprise）、年度股票超额收益率（r_year）和年度股票波动率（sd_year）。模型其余的变量设定和符号含义与基准回归模型一致。
四、实证结果与分析
（一）描述性统计与分组分析
表2报告了主要变量的描述性统计与按创新专注度分组的均值。衡量公司创新战略模式的创新专注度（Inva_ISP）的均值（avg）为0.65，中位数（q50）为0.77，标准差为0.33，有效观测数（Obs）为18030，可以看出创新专注度有一点左偏现象，说明大部分公司偏好创新专注度较高的利用式创新战略。机构投资者持股比例（IOT）的均值为0.29，75%分位数（q75）为0.46，表明A股上市公司的机构投资者持股比例普遍偏低，这与目前研究认为A股散户投资者占主导地位的共识是一致的。公司发明申请专利总数（Invija）均值为45.76，中位数为12.31，存在严重的右偏现象，在后面回归模型中对其做对数变换。
表2的G1、G2、G3列是主要变量按创新专注度分组的均值。具体来说，第一，每年末按照公司创新专注度衡量指标（Inva_ISP）把全部公司分为3组，第1组小于30%分位数称之为创新专注度较低的探索式创新公司，第3组大于70%分位数称之为创新专注度较高的利用式创新公司，30%-70%之间的为第2组；第二，在下一年末计算每组公司的主要变量的均值；第三，把每组公司特征变量再在时间序列上求均值。创新专注度较高的利用式创新公司（G3）的机构投资者家数均值为110.71、机构投资者持股比例均值为35.23%；而创新专注度较低的探索式创新公司（G1）的机构投资者家数均值为61.10、机构投资者持股比例均值为31.08%，这说明机构投资者更加偏好持有创新专注度较高的利用式创新公司。另外，创新专注度较高的利用式创新公司的经营绩效（ROA、Profit、CFO、Z）和股票市场表现（EPS_Surprise、r_year、sd_year）明显好于创新专注度较低的探索式创新公司。从其他方面来看，创新专注度较高的利用式创新公司的创新产出（Invija）也明显高于创新专注度较低的探索式创新公司，同时具有更低的净损失成本（TURN、ILLIQ、IVOL）。综上表明，机构投资者更加偏好持有创新专注度较高的利用式创新公司，本文提出的创新专注度较高的利用式创新公司具有更好的经营绩效与资本市场表现得到初步验证，说明了机构投资者作为专业的投资者具有辨别公司技术创新相关信息和公司价值好坏的能力。
（二）基准回归模型结果
表3报告了公司创新专注度对机构投资者持股决策影响的主回归结果。模型（1）和模型（2）是主回归模型，模型（3）至模型（8）是加入不同控制变量与不同固定效应模型设定。其中，对于机构投资者家数（ION）做了对数变换[ln_ION=ln（ION+1）]以保证估计结果的稳健性。从模型（1）、（2）的估计结果看，创新专注度（Inva_ISP）对机构投资者持股偏好具有正向影响且在1%显著水平下显著。其他条件不变，公司创新专注度指标每增加一个标准差，则其机构投资者家数增加大约0.2417×0.3271=7.91%，机构投资者持股比例增加大约0.0324×0.3271=1.06%，说明公司创新战略的差异对机构投资者持股偏好的影响不仅统计显著，而且经济意义上也很显著。
虽然在主回归模型中已经加入了研发投入变量（RDA），但为了避免遗漏创新产出变量给估计结果带来偏误，在模型（3）、（4）中加入了公司年度总的发明申请专利总数，并对其做了对数变换[ln（Invija+1）]，回归结果表明创新专注度对机构投资者持股偏好具有正向影响且依旧在1%显著水平下显著，同时发现创新产出更多的公司机构投资者持股家数更多，但是创新产出对机构投资者持股比例影响不显著。田澍等（2012）通过对A股的研究发现机构投资者偏好流动性好、交易成本低等净损失较低的公司股票，为了避免上市公司股票交易特征对回归结果的影响，在模型（5）、（6）中进一步加入了公司股票的市场风险（BETA）、换手率（TURN）、流动性（ILLIQ）与年度特质波动率（IVOL），回归模型的估计结果显示创新专注度的系数依旧是1%水平显著为正，并且发现机构投资者偏好换手率小、流动性大的公司股票，这与已有的研究一致。宋玉等（2012）研究发现公司的区域位置会影响机构投资者持股偏好，为此，模型（7）、（8）在固定行业与年份的基础上，增加了固定公司注册地的省份固定效应，模型估计结果与前文一致。综上所述，经过一系列的计量模型设定后，本文的假说1得到验证：机构投资者更加偏好持有创新专注度较高的利用式创新公司。
（三）内生性分析
本文的基准模型已经将所有解释变量滞后一期尽可能避免互为因果导致的内生性问题，但是依旧可能存在的内生性问题有以下几个：第一，可能因衡量公司创新战略的创新专注度指标（Inva_ISP）存在测量误差导致随机扰动项与核心解释变量存在相关性，从而引起的内生性问题。第二，因为一些不可观测的重要解释变量遗漏导致随机扰动项与核心解释变量相关引起内生性问题。第三，因为一些重要控制变量遗漏使得基准模型设定错误而引起的内生性问题。针对以上三个可能存在的内生性挑战，本文参考已有研究分别使用线性累积量估计、工具变量估计以及考虑加入可能影响估计结果的重要控制变量来尽可能解决一部分内生性问题。
1.线性累积量估计
Erickson et al.（2014）在研究资本结构的决定因素时，为了解决解释变量的测量误差问题，提出了线性累积量估计方法，使用高阶的可观测的样本累积量替代不可观测的原变量。因此，本文使用线性累积量估计方法来尽可能解决测量偏误带来的统计推断失效。除了设定创新专注度指标为错误测量的变量外，本文认为研发投入数据由于是公司自愿披露，因此也可能存在测量误差，故也设定公司研发投入存在测量偏误。参考Erickson et al.（2014）使用聚类加权矩阵（CLS）方法来分析面板数据。由于估计需要去均值的数据，同时不会在内部计算固定效果，因此估计结果不报告常数项。为了避免累积量最高阶数的设定对估计结果的影响，本文设定累积量最高五阶与最高七阶来表明估计结果的稳健性。
表4报告了线性累积量估计结果。模型（1）、（2）是在累积量最高五阶的设定下的估计结果，结果显示公司创新专注度对机构投资者家数与持股比例依旧在1%与5%水平上显著为正。累积量最高七阶的设定下，模型（3）、（4）的估计结果显示公司创新专注度指标系数均在1%水平上显著，且系数比五阶更大。综上所述，在考虑了测量误差后采用线性累积量的估计结果，依旧表明机构投资者偏好持有创新专注度较高的利用式创新公司。
2.工具变量估计
本文选取公司注册所在地级市的高校数量（Hedistnum）与高校教师人数（Hlgisteanum）作为公司创新战略衡量指标的工具变量。首先，其满足工具变量的相关性要求。高等院校是一个地区的重要科研力量（刘雯等，2020），一般来说高校的科研路径依赖性比较强，专注于某个领域的研究会始终如一，如果某个地区高校数量很多，说明这个地区的科研实力很强，但是这个地区的科研路径依赖程度也会比较强，上市公司一般都是当地的龙头公司，一般会与当地科研院所建立比较强的科研联系，公司的科研创新路径也会受到当地的高校科研影响，因此本文认为地区的高等院校数量越多，则本地的公司创新专注度越高，而高校教师人数与高校数量紧密联系，所以为了稳健性也使用了高校教师人数作为工具变量。其次，地区的高校数量对机构投资者持股偏好没有直接影响，从而满足工具变量的外生性条件。
表5报告了工具变量两阶段最小二乘估计结果，由于高校数量与高校教师人数都具有很强的右偏现象且绝对数量比较大，对其都进行对数变换[ln_Hedistnum=ln（Hedistnum+1）、ln_Hlgisteanum=ln（Hlgisteanum+1）]。模型（1）、（2）、（3）是以地区高校数量作为工具变量的估计结果，模型（1）为第一阶段的回归结果，地区高校数量的估计系数为正，且在1%水平上显著，证明地区高校数量作为工具变量的相关性条件得到满足，第一阶段排除控制变量后回归得到的Cragg-Donald Wald F统计量（CD-F）为33.37，远大于10，说明不存在弱工具变量问题。模型（2）、（3）是第二阶段的回归结果，公司创新专注度系数在1%水平下显著为正，说明在考虑内生性问题后本文的结论依旧成立，机构投资者更加偏好持有创新专注度较高的利用式创新公司。模型（4）、（5）、（6）是采用地区高校教师人数作为工具变量后的估计结果，模型（4）的第一阶段回归结果显示，高校教师人数显著正向影响公司创新专注度，CD-F统计量为34.02，表明不存在弱工具变量问题，模型（5）、（6）的第二阶段回归结果也显示，机构投资者偏好持有创新专注度较高的利用式创新公司。
3.增加公司治理与信息披露作为控制变量
公司治理能力可能是机构投资者投资决策时考虑的重要方面（谭松涛、傅勇，2009），同时公司治理能力与公司创新战略也可能存在某种关系。为了避免公司治理水平对基准回归结果的干扰，本文参考已有研究使用公司第一大股东持股比例（TOP1）、董事总人数（DrcNum）、独立董事占全部董事总人数的比例（InDrcRat）代表公司治理水平。公司信息披露质量是影响机构投资者分析公司基本面信息的关键，本文使用上交所及深交所对上市公司在各个年度中的信息披露表现所作出的工作评价作为公司信息披露质量的代理变量（INFO），其中2001—2010年采用的是“优秀、良好、合格、不合格”；2011年以后采用的是“A、B、C、D”，本文对其编码为4、3、2、1，数值越大表明信息披露质量越高。表6的模型（1）、（2）报告了在基准回归模型基础上加入公司治理与信息披露质量的估计结果，公司创新专注度的估计系数依旧显著为正，表明在考虑公司治理水平与信息披露质量之后，机构投资者依旧偏好持有创新专注度较高的利用式创新公司。
4.增加公司多元化经营战略作为控制变量
公司的创新战略很有可能受到公司多元化经营战略的影响，公司如果为了开拓更加多元的业务，必然需要探索不同领域的创新，并且公司多元化经营战略也会吸引机构投资者对其战略路径进行分析，从而影响机构投资者对其的持股偏好。为了解决公司多元化经营战略对基准回归结果可能的影响，本文参考巫景飞等（2008）构建公司业务多元化的赫芬达尔指数做作为控制变量，具体计算公式如下：
（8）
其中，Xi，h，t表示公司i在t年在h行业的销售收入，Yi，t表示公司i在t年的总销售收入，HHI_Indi，t值越大表示公司经营战略多元化程度越高。为了准确衡量公司经营战略多元化程度，本文还按照公司在当年按不同产品类型的销售收入计算得到的赫芬达尔指数HHI_proi，t，另外还使用上市公司子公司个数（Segment）作为经营战略多元化程度的代理变量，在做回归模型时对其做ln（Segment+1）变换。
表6中模型（3）、（4）报告了在加入公司多元化经营战略控制变量后的估计结果，公司创新专注度的估计系数显著为正，模型（5）至（8）是更换不同的多元化经营战略后的估计结果，依旧支持基准回归的结论。
综合以上实证结果，在考虑内生性问题挑战后，经过稳健估计，本文主要结论依旧成立，说明机构投资者偏好持有创新专注度较高的利用式创新公司。
（四）稳健性分析①
1.更换创新专注度衡量方式
发明授权专利使得公司可以独享垄断利润，所以发明申请专利只有获得授权才会具有真正的经济效益。为了进一步检验专利分类号数据构造的公司创新专注度指标的有效性，本文使用发明授权专利分类号构造了公司创新专注度指标（Invg_ISP）。为了使得创新专注度指标对利用式创新战略与探索式创新战略更具有区分度，本文构造了两个创新专注度的虚拟变量②，当创新专注度大于当年所有公司创新专注度中位数则定义为创新专注度较高的利用式创新公司，否则为创新专注度较低的探索式创新公司。实证结果表明本文的主要结论依旧稳健。
2.使用三级IPC分类构造创新专注度
前文构造的创新专注度变量都是使用二级IPC分类方法，而二级IPC分类最多有145个类别，这可能会使得由于分类过于宽泛导致公司的创新专注度普遍偏大，为了避免这个问题对本文主要结果的影响，使用三级IPC分类方法再次用公式（1）构造公司创新专注度变量，三级IPC分类最多有670个类别，足以区分公司发明专利的类别领域。同时，为了使得结果更具稳健性，也使用发明授权的专利分类号构造公司创新专注度和创新专注度虚拟变量。实证结果表明本文的主要结论依旧稳健。
3.长期效应分析
技术创新所产生的经济后果一般都具有滞后效应，这是因为发明专利转化为可销售的公司产品需要一定的时间，公司创新战略作为技术创新的引领，其所产生的影响应该也具有滞后效应，本文基准回归中对公司创新战略的衡量指标采取了滞后一年的操作。本文分析公司创新专注度对机构投资者持股偏好影响的长期效应，具体来说，本文将计算未来3年和5年的机构持股家数与持股比例均值，然后用滞后一年的公司创新专注度指标对其进行回归。实证结果表明本文的主要结论依旧稳健。
五、机制分析
（一）机制分析Ⅰ：公司经营业绩和经营风险
创新专注度较高的利用式创新公司会更多的使用已有的知识、技术以及专利来进行新产品开发、新服务执行以及新专利的发明。一般来说，延续已有的创新路径可以使得公司在更少投入的情况下获得较大利润，同时因为公司申请发明专利主要目的就是为了获得垄断利润，所以公司在自己以往专利“护城河”的基础上不断巩固加强，可以获得稳定的盈利与现金流（李忆、司有和，2008）。进一步，创新专注度较高的利用式创新公司开发新的产品与发明新的专利都是在已有知识的基础之上进行的，开发与申请成功的概率比较大，未来面临的不确定性也比较少，公司经营风险也会小很多（Jia，2018）。相反，创新专注度较低的探索式创新公司会更多地开拓新领域、发明与自身以往领域无关的新领域的专利，这会使得公司投入大量的人力、物力以及财力，会消耗公司大量现金流与利润，短时间内很难获得收益，并且新领域的开发一般具有很大不确定性，发明失败的概率很大，有可能会使公司陷入“探索-变革-失败”的过度探索陷阱，公司的经营风险比较大（王凤彬等，2012）。机构投资者被认为是专业的投资者，具有强大的投研团队，可以识别公司的经营业绩与经营风险，所以本文认为机构投资者之所以偏好持有创新专注度较高的利用式创新公司，主要是因为创新专注度较高的利用式创新公司具有更优秀的经营业绩和更低的经营风险。
表7报告了公司创新专注度与公司经营业绩和经营风险之间的回归结果。表7中模型（1）至模型（4）的回归结果显示，公司创新专注度越高其总资产收益率（ROA）越高、营业利润（Profit）越高、经营现金流（CFO）也越大以及公司破产风险（Z）更低，并且所有模型都在1%水平上具有统计显著性。模型（5）至模型（8）是同时控制省份固定效应，回归结果与模型（1）至模型（4）一致，并且创新专注度的回归系数没有发生明显变化。综上说明，创新专注度较高的利用式创新公司具有更优秀的经营业绩和更低的经营风险，证明了本文的第一个机制解释。
（二）机制分析Ⅱ：公司股票市场表现
公司创新过程是无形性且具有高度不确定性的（Atanassov and Liu，2020），因此，即使公司为其创新发明申请了专利，进而间接向公众披露了其技术发展和创新战略模式，普通的投资者在评估公司价值时可能依旧难以处理这些与技术创新相关的信息（Hirshleifer et al.，2013）。同时，由于认知上的偏差，普通投资者可能会更关注创新专注度较低的探索式创新公司，而不是关注创新专注度较高的利用式创新公司。普通投资者可能会忽视那些为了巩固先前已有研究基础的创新发明专利所产生的潜在重大价值，而是选择更加关注那些开辟新领域、更令人兴奋的创新发明。另一方面公司管理层也更有可能披露与公司当前专利组合有很大不同的专利申请信息（Kogan et al.，2017）。公司管理层会更加重视强调公司的探索性创新活动，以便在公众媒体上建立他们“创新先驱者”或“探索创新者”的声誉，以此吸引媒体对公司及其主要管理层进行更多报道（Raimondo，2019），公司管理层可能会从这种增加的媒体关注中获得货币和其他私人利益。以上两方面的机制意味着普通投资者更可能关注创新专注度较低的探索式创新公司，创新专注度较高的利用式创新公司很少受到投资者关注，经常被市场低估其盈利能力和市场价值，但是创新专注度较高的利用式创新公司有更好的经营业绩和更低的经营风险，所以本文认为机构投资者能够通过分析公司技术创新相关信息，识别出创新专注度较高的利用式创新公司的盈利能力被市场严重低估，未来将获得更高的预期收益和更低的风险，进而将公司创新专注度差异纳入其持股决策的考虑因素中。
表8报告了创新专注度与公司股票市场表现的回归结果。模型（1）的公司创新专注度系数在1%水平上显著为正，表明公司的创新专注度越高其未来一年的盈余意外（EPS_Surprise）越大，说明创新专注度较高的利用式创新公司的盈利能力被市场严重低估。模型（2）和模型（3）的公司创新专注度系数分别显著为正和负，表明创新专注度较高的利用式创新公司的公司股票在未来一年有更高的超额预期收益率（r_year）和更低的波动率（sd_year）。模型（4）、（5）、（6）表明进一步加入省份固定效应后的主要估计结果依旧不变。
综合以上实证结果表明，创新专注度较高的利用式创新公司往往会有较好的经营业绩和较低的经营风险，股票市场的分析师并没有发现这一点，使得创新专注度较高的利用式创新公司的实际利润往往会超过市场的盈利预期，股票市场没有及时反映有关公司创新战略的信息，相对于创新专注度较低的探索式创新公司，创新专注度较高的利用式创新公司的市场价值被低估了，使得创新专注度较高的利用式创新公司未来会获得更高的预期收益。本文提出的公司不同创新战略导致不一样的经营绩效和股票市场表现的两个机制解释得到了验证。
（三）机制分析Ⅲ：基金业绩表现
虽然前文两个机制分析一定程度上解释了机构投资者偏好持有创新专注度比较高的利用式创新公司的原因，但是依旧需要一些更加直接的证据来验证本文假说提出的主要动机，那就是机构投资者作为拥有强大投研能力和信息分析能力的投资者，持有更多创新专注度比较高的利用式创新公司主要是为了获得更好的投资业绩，也就是“聪明钱效应”。本节以开放式主动股票型和混合型基金为研究样本，设计实证策略来检验“聪明钱效应”这个机制，以开放式主动股票型和混合型基金作为分析样本主要原因是主动偏股型基金更能体现出基金经理主动分析公司复杂信息的能力。若“聪明钱效应”的机制可以解释机构投资者偏好持有创新专注度比较高的利用式创新公司，那么本节猜想基金组合的创新专注度越高则基金业绩表现会更好，下面分别构造基金组合的创新专注度衡量指标和基金业绩的衡量指标实证检验“聪明钱效应”的机制。
1.基金组合的创新专注度
使用开放式基金半年报和年报中持股明细数据计算每期基金持股组合的加权平均创新专注度变量，计算公式如下：
（9）
其中，wm，i，t表示报告期末t基金m持有公司i的市值占基金净值比例，Inva_ISPi，t−1表示公司i上一年的创新专注度，因此Inva_ISP_FPm，t−1表示基金m在报告期末持股加权的创新专注度。
2.基金业绩
参考李志冰、刘晓宇（2019）等相关研究，本文构造了四个衡量基金业绩的指标，包括基金原始超额收益、经市场模型调整的超额收益以及经CAPM和CH4（Liu et al.，2019）③定价模型调整后的基金Alpha。其中，基金原始超额收益（ER）是基金在τ月的收益率减去τ月的无风险收益率，如公式（10）；经市场模型调整的超额收益（MAR）是基金在τ月的原始超额收益减去τ月的市场的超额收益，如公式（11）；经CAPM和CH4定价模型调整后的基金Alpha是剔除基金投资风格所隐含的风险暴露后的基金经理主动管理能力的衡量指标，具体而言，采用公式（12）和（13）以24个月的固定窗口滚动回归估计出基金的因子风险暴露，进而使用最近一个月的基金超额收益减去风险暴露带来的收益，即得到基金Alpha。
（10）
（11）
（12）
（13）
其中，Rm，τ表示基金原始收益率，RFτ表示无风险收益率，MKTτ表示市场因子，SMBτ表示规模因子，VMGτ表示价值因子，PMOτ表示换手率因子，所有数据都为月度频率数据。
为了将月度的基金业绩变量与基金组合的创新专注度变量匹配，本文将月度基金业绩换算为半年度的基金业绩变量，因为基金业绩本质上是经风险调整的超额收益率，因此，本文采用计算累计超额收益率的方式计算半年度的基金业绩变量，具体计算公式如下：
（14）
其中，αm，t，1为基金m在第t期中第1个月的月度基金业绩，αm，t，6为基金m在第t期中第6个月的月度基金业绩，Fund_alpham，t为基金m在第t期的半年度基金业绩。
3.回归模型设定
为了检验基金组合的创新专注度对基金业绩的影响，设定如下回归模型：
（15）
其中，下标m表示基金，t表示时间。被解释变量Fund_alpham，t表示基金业绩，衡量指标为前文构造的四个基金超额收益率；解释变量Inva_ISP_FPm，t−1为基金组合的创新专注度，衡量指标为基金组合持股加权的创新专注度；控制变量Xm，t−1为基金的一些特征和市场特征，本文中使用期末基金资产净值取对数（TNA）作为基金规模控制变量，使用基金收益率过去12个月的标准差（FUND_VOL）作为基金波动率控制变量，使用基金成立到报告期的年数（FUND_AGE）作为基金年龄控制变量，使用股票市场过去6个月累计超额收益率（MKT_RET）作为市场收益控制变量；λm为基金个体固定效应，τt为时间固定效应，表示控制不可观测的基金个体特征与时间效应；εm，t表示随机扰动项。
表9报告了基金组合的创新专注度对基金业绩的影响回归结果。模型（1）至模型（4）是没有控制时间固定效应而控制了市场收益的回归模型，四个模型中基金组合的创新专注度系数都在1%水平上显著为正，说明基金持股组合中创新专注度越高，基金的业绩表现会更好，本节的“聪明钱效应”机制得到验证。虽然前四个模型已经控制了市场收益，但是依旧有一些随时间变化但是不可观测的宏观经济变量会影响基金业绩，为了使得模型估计更具稳健性，模型（5）至模型（8）控制了时间和基金个体双向固定效应，模型（5）至模型（7）回归结果显示基金组合的创新专注度系数依旧都在1%水平上显著为正，模型（8）中基金组合创新专注度与经过CH4因子定价模型调整后的基金业绩在10%水平上显著为正。综合以上实证结果说明，以主动偏股型公募基金为代表的机构投资者偏好持有创新专注度较高的利用式创新公司，主要是因为机构投资者有能力分析较为复杂的公司创新战略模式，进而得到创新专注度较高的利用式创新公司有较好的经营业绩和较好的股票市场表现，持有这类公司股票可以使得自身的投资业绩变得更好，且这种优秀的投资业绩并不是基金自身别的特征带来的。
六、研究结论与启示
本文以A股上市公司为研究对象，利用公司发明专利分类号数据构造可以衡量公司创新战略差异的创新专注度指标，实证检验了机构投资者的创新战略持股偏好。研究结果表明：第一，机构投资者偏好持有创新专注度较高的利用式创新公司，在考虑衡量偏误后采用线性累积量估计方法、在考虑遗漏变量后采用工具变量估计方法以及增加不同控制变量后本文的假说依旧成立，更换不同衡量创新战略的创新专注度指标后以及考虑长期效应后本文的结论依旧稳健。第二，创新专注度较高的利用式创新公司有更强的盈利能力、更低破产风险、更高的股票预期超额收益以及更低的波动率风险，机构投资者作为专业的“聪明投资者”有能力分析公司创新战略差异所导致的公司经济后果差异。第三，基金组合创新专注度越高，基金未来业绩表现越好，说明机构投资者在把公司创新战略差异纳入其持股决策考虑因素后可以带来更好的投资业绩。
本文研究结论可能存在的启示在于：第一，对于普通投资者而言，公司创新战略的相关信息对选股决策是重要的，专业的机构投资者已经在其持股时考虑了公司创新战略的相关信息，且取得了较好的投资业绩。投资组合的创新专注度越高可能会给投资组合带来越好的业绩表现。因此，应该重视分析公司技术创新相关信息，这不仅能给投资组合带来更好的业绩表现而且能降低组合风险。第二，本文实证结果也给公司决策者提供了有关公司融资决策与信息披露方面的指导。股票市场对创新专注度较高的公司存在低估，这可能会降低其股权融资的倾向，会促使创新专注度较高的公司管理者更倾向于使用债务来资助公司的创新投资。意味着追求创新专注度较高的利用式创新战略公司需要为投资者提供更多的创新信息披露，这可以进一步提振公司股价对公司基本面价值的反应。
注释：
①限于篇幅，实证结果并未展示，备索。
②参考相关文献的做法（Kuchler et al.，2022），使用中位数将连续型变量公司创新专注度转为离散型虚拟变量，以增加文章实证分析稳健性。
③关于CH4因子定价模型的因子数据来自于Robert F. Stambaugh的网站：https://finance.wharton.upenn.edu/～stambaug/。
参考文献：
孔高文、胡林峰、孔东民、王琴，2019，“基金持股的创新偏好与基金业绩研究”，《管理科学学报》，第12期，第70-83页。
黎文靖、路晓燕，2015，“机构投资者关注企业的环境绩效吗？——来自我国重污染行业上市公司的经验证据”，《金融研究》，第12期，第97—112页。
李忆、司有和，2008，“探索式创新、利用式创新与绩效：战略和环境的影响”，《南开管理评论》，第5期，第4-12页。
李哲、黄静、孙健，2021，“突破式创新对分析师行为的影响——基于上市公司专利分类和引证数据的证据”，《经济管理》，第5期，第192-208页。
李志冰、刘晓宇，2019，“基金业绩归因与投资者行为”，《金融研究》，第2期，第188-206页。
刘雯、曹思未、叶静怡，2020，“社会网络与高校专利技术成果转移”，《世界经济》，第9期，第173-192页。
陆蓉、孙欣钰，2021，“机构投资者概念股偏好与股市泡沫骑乘”，《中国工业经济》，第3期，第174-192页。
宋玉、沈吉、范敏虹，2012，“上市公司的地理特征影响机构投资者的持股决策吗？——来自中国证券市场的经验证据”，《会计研究》，第7期，第72-79+97页。
苏昕、周升师，2019，“双元性创新与企业竞争地位——来自中国上市企业的经验数据”，《南方经济》，第5期，第52-77页。
谭松涛、傅勇，2009，“管理层激励与机构投资者持股偏好”，《中国软科学》，第7期，第109-114页。
田澍、林树、俞乔，2012，“新兴市场环境下机构投资者投资行为——基于中国大陆资本市场的研究”，《金融研究》，第8期，第139-151页。
王凤彬、陈建勋、杨阳，2012，“探索式与利用式技术创新及其平衡的效应分析”，《管理世界》，第3期，第96-112页。
巫景飞、何大军、林（日韦）、王云，2008，“高层管理者政治网络与企业多元化战略：社会资本视角——基于我国上市公司面板数据的实证分析”，《管理世界》，第8期，第107—118页。
姚颐、刘志远、相二卫，2011，“中国基金在投资中是否追求了价值？”，《经济研究》，第12期，第45-58页。
翟淑萍、缪晴、甦叶，2022，“‘同治’还是‘同谋’：机构投资者抱团与企业违约风险”，《南方经济》，第12期，第42-59页。
张小茜、孙璐佳，2017，“抵押品清单扩大、过度杠杆化与企业破产风险——动产抵押法律改革的‘双刃剑’效应”，《中国工业经济》，第7期，第175-192页。
张宗新、杨通旻，2014，“盲目炒作还是慧眼识珠？——基于中国证券投资基金信息挖掘行为的实证分析”，《经济研究》，第7期，第138-150+164页。
周方召、潘婉颖、傅亚静，2021，“上市公司技术创新与异质性机构投资者持股偏好”，《软科学》，第4期，第91-98页。
Aghion，P.，Van Reenen，J. and Zingales，L.，2013，“Innovation and Institutional Ownership”，American Economic Review，103（1）：277-304.
Amihud，Y，2002，“Illiquidity and Stock Returns：Cross-Section and Time-Series Effects”，Journal of Financial Markets，5（1）：31-56.
Ang，A.，Hodrick，R. J.，Xing，Y. and Zhang，X. Y.，2006，“The Cross-Section of Volatility and Expected Returns”，The Journal of Finance，61（1）：259-299.
Atanassov，J. and Liu，X. D.，2020，“Can Corporate Income Tax Cuts Stimulate Innovation？”，Journal of Financial and Quantitative Analysis，55（5）：1415-1465.
Bernile，G.，Kumar，A. and Sulaeman，J.，2015，“Home away from Home：Geography of Information and Local Investors”，The Review of Financial Studies，28（7）：2009-2049.
Bushee，B. J.，Carter，M. E. and Gerakos，J.，2014，“Institutional Investor Preferences for Corporate Governance Mechanisms”，Journal of Management Accounting Research，26（2）：123-149.
Bushee，B. J.，Goodman，T. H. and Sunder，S. V.，2019，“Financial Reporting Quality，Investment Horizon，and Institutional Investor Trading Strategies”，The Accounting Review，94（3）：87-112.
Erickson，T.，Jiang，C. H. and Whited，T. M.，2014，“Minimum Distance Estimation of the Errors-In-Variables Model Using Linear Cumulant Equations”，Journal of Econometrics，183（2）：211-221.
Fama，E. F. and French，K. R.，1993，“Common Risk Factors in the Returns on Stocks and Bonds”，Journal of Financial Economics，33（1）：3-56.
Fitzgerald，T.，Balsmeier，B.，Fleming，L. and Manso，G.，2021，“Innovation Search Strategy and Predictable Returns”，Management Science，67（2）：1109-1137.
Gu，F.，2005，“Innovation，Future Earnings，and Market Efficiency”，Journal of Accounting，Auditing & Finance，20（4）：385-418.
He，Z. L. and Wong，P. K.，2004，“Exploration vs. Exploitation：An Empirical test of The Ambidexterity Hypothesis”，Organization Science，15（4）：481-494.
Hirshleifer，D.，Hsu，P. H. and Li，D. M.，2013，“Innovative Efficiency and Stock Returns”，Journal of Financial Economics，107（3）：632-654.
Jia，N.，2018，“Corporate Innovation Strategy and Stock Price Crash Risk”，Journal of Corporate Finance，53：155-173.
Jia，N.，2017，“Corporate Innovation Strategy，Analyst Forecasting Activities and the Economic Consequences”，Journal of Business Finance & Accounting，44（5-6）：812-853.
Kogan，L.，Papanikolaou，D.，Seru，A. and Stoffman，N.，2017，“Technological Innovation，Resource Allocation，and Growth”，The Quarterly Journal of Economics，132（2）：665-712.
Kuchler，T.，Li，Y.，Peng，L.，Stroebel，J. and Zhou，D. X.，2022，“Social Proximity to Capital：Implications for Investors and Firms”，The Review of Financial Studies，35（6）：2743-2789.
Lee，C. M. C.，Sun，S. T.，Wang，R. and Zhang，R.，2019，“Technological Links and Predictable Returns”，Journal of Financial Economics，132（3）：76-96.
Litov，L. P.，Moreton，P. and Zenger，T. R.，2012，“Corporate Strategy，Analyst Coverage，and the Uniqueness Paradox”，Management Science，58（10）：1797-1815.
Liu，J. N.，Stambaugh，R. F. and Yuan，Y.，2019，“Size and Value in China”，Journal of Financial Economics，134（1）：48-69.
March，J. G.，1991，“Exploration and Exploitation in Organizational Learning”，Organization Science，2（1）：71-87.
McLemore，P.，Sias，R. W.，Wan，C. and Yüksel，H. Z.，2022，“Active Technological Similarity and Mutual Fund Performance”，Journal of Financial and Quantitative Analysis，57（5）：1862-1884.
Raimondo，C.，2019，“The Media and The Financial Markets：A Review”，Asia-Pacific Journal of Financial Studies，48（2）：155-184.
Uotila，J.，Maula，M.，Keil，T. and Zahra，S. A.，2009，“Exploration，Exploitation，and Financial Performance：Analysis of S&P500Corporations”，Strategic Management Journal，30（2）：221-231.
王志强，东北财经大学金融学院，E-mail：wangzhiqiang@dufe.edu.cn，通讯地址：辽宁省大连市沙河口区尖山街217号，邮编：116025；杨高飞（通讯作者），百瑞信托有限责任公司博士后科研工作站，E-mail：yanggaofei626@163.com，通讯地址：河南省郑州市郑东新区商务外环路10号中原广发金融大厦22层，邮编：450018；熊海芳，东北财经大学金融学院，E-mail：dahai229@163.com。
