5.1.1 样本选取与数据来源 ..................................... 27
5.1.2 描述性统计分析 ......................................... 27
第五章 实证过程与结果分析
5.1 承销商对 IPO 首日抑价的影响
5.1.1 样本选取与数据来源
截止到 2020 年 12 月 31 日，在科创板挂牌交易的企业有 215 家。从已成功上市的企业行业分布看，主要集中于生物医药、材料、电子科技、资本货物、半导体生产、汽车与汽车零部件生产、机械设备、信息技术服务和设备制造等行业，这些行业前期都需要大量的资金投入，而未来的成长空间更为广阔。本文的样本是 2019.7.22-2020.12.31 于科创板登陆的上市企业，筛出研发强度、营业收入增长率等重要指标缺失的数据，最后可选择的样本数量为 177。其中承销商声誉是按照前文主成分分析后的排名进行赋值；研发投入强度是取自 2017-2019 年近三年的平均数；发行规模是指新股发行的数量，由于数值庞大，因此以万股为单位。本文数据均取自 Wind 数据库，而后使用 Excel 作数据处理并用 stata 进行实证检验。
5.1.2 描述性统计分析
从表 5-1 的结果并结合样本的实际情况可以得出，科创板 IPO 首日平均抑价率为 160.29%，最高的是国盾量子，首日抑价率达到 923.91%，最低的是建龙微纳，抑价率为-2.15%，上市首日即跌破发行价，说明不同上市公司抑价情况存在个体差异，但是由于标准差小于均值，数据的整体波动不大。如果仅以 2019 年的 70 家上市公司来说，抑价率为 115%，所以科创板市场高抑价现象依旧存在并且持续时间长，抑价程度有扩大的趋势。承销商声誉的均值为 0.5819，说明有大约 58.19%左右的科创企业是经由排名前九的高声誉承销商辅导上市，表明目前承销商的格局呈现明显分化、向头部券商集中的态势，科创公司为了更准确的定价以及能顺利筹集到资金更愿意向头部券商倾斜。
第六章 研究结论与讨论
6.1 基于承销商声誉对 IPO 定价效率影响的结论与讨论
本文首先构建承销商声誉综合评价体系，选取承销商业绩水平、从业人员数量、资产规模、资产质量、信息技术投入、公益性支出等变量提取出主成分，写出因子分析式，并计算承销商声誉综合得分，得到最终排名。接下来，以科创板上市的 177 家公司为研究对象，以承销商声誉和承销商跟投比例作为主要解释变量，选取能够体现科创板特征和成长性的变量，如研发投入强度、营业收入增长等，先是实证分析了承销商声誉和承销商跟投比例等其他变量对 IPO 首发抑价率的影响，最后又选取了已上市一年的 79 家企业研究了对新股长期回报率的影响，具体的结论与讨论如下。
承销商声誉对 IPO 首日抑价率具有显著负向影响，也就是说排名越靠前的承销商为公司定价越接近其内在价值，承销商定价水平越高，承销商声誉能够充分发挥认证中介功能，有效降低 IPO 抑价率。因此，发行人在选择承销商时，高声誉是一个重要考虑因素。而承销商声誉对新股长期回报率的影响并不显著。首先是存在客观条件的限制，样本数据本身不足所带来的局限性。在论文完成之际，选取的科创板上市公司数据是截止到 2021 年 2 月 5 日，剔除掉部分数据缺失情况，上市公司数量不到 200 家，与主板、创业板的上市企业数量相比还相对较少。加上科创板这个概念在开板前就已经被媒体炒作，在证券市场掀起了一股热潮，投资者情绪也比较高涨。这种条件下，投资者可能会忽视承销商声誉这一因素，一定程度上承销商声誉机制无法发挥应有的作用。不过对已成立一周年的 79 家企业的市场价格进行观察发现，有 13 只股票跌破了发行价。所以对科创板新股长期表现要拉长时间看，随着时间推移，承销商和实际控制人可以开始解禁卖出股票时，对市场的流动性又会产生较大影响。另外，由于科创板企业未来的不确定性很大，企业生命周期处于早期或成长阶段，估值模型较为复杂，也在一定程度上限制了承销商定价能力的发挥。基于以上描述，未来还可以探究投资者情绪对科创板 IPO 定价效率的影响。
参考文献（略）
