信息披露质量与股价崩盘风险:分析师预测的中介作用

Information Disclosure Quality and Stock Price Crash Risk: The Mediating Role of Analyst Forecast

肖土盛 1 2,宋顺林 1 2,李路 3 4

1中央财经大学 会计学院,北京 100081
2中央财经大学 中国管理会计研究与发展中心,北京 100081
3上海外国语大学 国际金融贸易学院,上海 200083
4上海外国语大学 金融创新与发展研究中心,上海 200083
摘要:

文章利用深交所上市公司信息披露考评数据,考察了公司信息披露质量对股价崩盘风险的影响,以及作为信息中介的证券分析师所发挥的作用。研究发现,公司信息披露质量与股价崩盘风险显著负相关,且这一结果主要是由信息披露质量下降引起股价崩盘风险增加所致,而信息披露质量提高对股价崩盘风险的缓解作用不明显。此外,文章发现良好的信息披露质量能够显著降低分析师的预测误差,而较低的预测误差可进一步缓解股价崩盘风险,这说明分析师预测活动在信息披露质量与股价崩盘风险之间起中介作用。文章的研究对于认识分析师在资本市场中的作用,以及提高信息披露质量、降低股价崩盘风险、促进资本市场平稳发展具有重要的理论与现实意义。

关键词:股价崩盘风险,信息披露质量,分析师预测,中介效应

基金项目:国家自然科学基金项目(71402197,71502183)

引言

股价“暴涨暴跌”是资本市场的一种重要现象,特别是“暴跌”所带来的股价崩盘风险给投资者的财富、资本市场的平稳运行以及实体经济的健康发展带来极大的冲击和破坏,因而受到监管者和投资者的广泛关注(许年行等,2012)。由于制度性安排等原因,我国资本市场整体呈现大起大落、剧烈波动的格局。据滕泰等(2008)统计,我国股市在1996-2008年发生了四次大的暴跌事件,平均持续时间为22.5个月,平均振幅高达51.6%。在我国,股价崩盘的案例并不罕见。例如,2011年“重庆啤酒”十三年乙肝疫苗梦破碎,复牌后连续9个交易日跌停,短短两个月内股价从81元剧跌至21元,市值蒸发了近75%。在我国金融风险逐渐累积的大背景下,深入剖析股价崩盘风险的成因,对降低我国资本市场金融风险、促进资本市场平稳发展、优化资源配置具有重要的理论与现实意义。

Jin和Myers (2006)从信息释放者与接受者之间的信息不对称角度阐述了股价崩盘风险的成因,认为出于自身利益考虑,管理层不愿及时披露公司负面消息,负面消息累积到一定程度并突然集中披露时将引发股价崩盘。在这一理论框架下,之后的研究主要从会计信息质量(Hutton等,2009;Defond等,2015)、管理层激励(Kim等,2011a)、税收规避(Kim等,2011b;江轩宇,2013)、分析师和机构投资者(An和Zhang,2013;许年行等,2012;许年行等,2013)、媒体监督(罗进辉和杜兴强,2014)以及投资者保护(王化成等,2014)等方面对股价崩盘风险进行了研究。从Jin和Myers (2006)的研究不难发现,股价崩盘风险本质上是信息不对称所引发的后果,加强公司信息披露显然有助于降低股价崩盘风险。然而,鲜有研究直接从信息披露的角度对该问题进行探讨。

信息披露是资本市场最基本的制度安排之一。良好的信息披露有助于降低投融资双方的信息不对称和资金成本,提高资本市场的资金配置效率。为了维护资本市场稳定发展和保护投资者利益,我国监管部门出台了一系列政策法规,规范和引导上市公司的信息披露行为,为提高公司信息披露质量奠定了制度基础。尽管如此,我国上市公司信息披露问题层出不穷,对公司声誉和投资者信心产生了极大的负面影响。罗进辉(2014)统计发现,2002-2010年,近九成上市公司的信息披露质量摇摆不定。因此,本文的第一个研究问题是,我国上市公司信息披露质量的提高是否能够缓解资本市场信息不对称,进而降低股价崩盘风险?

作为资本市场重要的信息中介,证券分析师在上市公司和投资者之间扮演着“信息传递者”的角色,他们利用专业知识与信息收集加工的相对优势,向市场参与者提供合理反映证券内在价值的信息,从而降低资本市场的信息不对称程度(何贤杰等,2013;李馨子和肖土盛,2015)。分析师参与市场体现在信息生产、传递与吸收各个环节,从而为上市公司信息披露质量影响股价崩盘风险提供了有效途径。为此,本文的第二个研究问题是,证券分析师在上市公司信息披露质量影响股价崩盘风险中是否起着中介作用?

为了回答上述问题,本文以2001-2013年深交所上市公司为样本,研究了公司信息披露质量对股价崩盘风险的影响,以及证券分析师是否起中介作用。研究发现,上市公司信息披露质量与股价崩盘风险显著负相关,且这主要是由信息披露质量下降使股价崩盘风险增加所致,信息披露质量上升对股价崩盘风险的缓解作用则不明显。此外,良好的信息披露质量能够显著降低分析师的预测误差,而较低的分析师预测误差进一步缓解了股价崩盘风险,说明分析师预测活动具有中介作用。这些证据表明,良好的信息披露通过改善分析师预测活动、降低信息不对称程度,缓解了上市公司股价在未来发生崩盘的风险。

本文的研究贡献主要体现在:第一,从公司信息披露实践,为股价崩盘风险的成因提供了更直接的证据。以往的研究主要集中于分析会计信息质量、管理层激励、税收规避、分析师和机构投资者等的影响(Jin和Myers,2006;Hutton等,2009;Kim等,2011a,b;An和Zhang,2013;Defond等,2015;潘越等,2011;许年行等,2012;江轩宇,2013)。而股价崩盘风险本质上是信息释放者与接受者之间信息不对称所引发的后果,是一个信息问题。相对于Hutton等(2009)基于财务指标构造的信息透明度代理变量,本文基于上市公司信息披露实践构造的信息披露质量指标更加直接和全面地反映了一个公司整体的信息环境。基于财务指标(如操纵性应计)构造的信息透明度代理变量不仅受企业固有的经营不确定性影响,还容易受到其他一些盈余管理动机的影响。而本文基于深交所信息披露考评构造的信息披露质量指标综合反映了上市公司的信息披露实践,且直接反映了公司信息披露的好与坏,是更好的衡量信息不对称程度的指标。第二,本文为公司信息披露质量影响未来股价崩盘风险提供了一个可能路径。本文发现,作为资本市场信息中介的分析师在公司信息披露质量与股价崩盘风险之间发挥着中介作用。与许年行等(2012)发现分析师乐观偏差会提高股价崩盘风险的结论类似,本文发现分析师预测越准确,股价崩盘风险越小。第三,本文的研究结论对相关监管部门具有一定的政策启示。加强上市公司信息披露有助于缓解信息不对称,降低股价崩盘风险,进而更好地保护投资者利益,促进资本市场健康有序发展。

文献回顾与研究假说

Jin和Myers (2006)建立的信息模型表明,管理层出于自身利益考虑,存在隐藏公司负面消息的动机。随着经营的持续,负面消息不断积累,达到一定程度并突然集中披露时将导致股票价格急剧下降,甚至引发股价崩盘。Hutton等(2009)进一步发现,公司信息透明度与股价崩盘风险显著负相关。因为公司的信息透明度越低,投资者越无法准确感知管理层藏匿负面消息的行为,从而管理层越容易进行信息管理,所以公司股价未来崩盘的风险越大。Bleck和Liu (2007)则提出,为了确保项目顺利实施,管理层存在隐藏不利消息的动机,从而投资者在早期无法发现投资项目净现值为负的事实,这类投资项目的亏损累积到一定程度被市场发觉时将造成股价大幅大跌。Kim等(2011a)比较了CEO与CFO的股权激励与股价崩盘风险的关系,认为管理层为实现自身股权价值最大化而倾向于采取短期行为(包括隐藏公司负面消息),导致股价崩盘风险增大。李小荣和刘行(2012)发现女性CEO能显著降低股价崩盘风险,而女性CFO的影响则不显著。Kim等(2011b)以及江轩宇(2013)研究发现,税收规避为管理层隐藏负面消息和寻租行为提供了便利,从而税收规避程度与股价崩盘风险正相关。类似地,刘春和孙亮(2015)发现,较强的税收征管力度能够促使公司及时释放坏消息,降低股价崩盘风险,从而起到投资者保护的作用。潘越等(2011)的研究表明,上市公司信息透明度越低,股价崩盘风险越高,而分析师关注可以缓解信息不透明对股价崩盘风险的影响。许年行等(2012)认为,分析师倾向于向市场传递乐观的盈余预测和股票评级等正面信息,而选择性忽略负面信息,这种乐观偏差将导致公司负面信息难以及时传递至外部投资者,从而增加股价崩盘风险。许年行等(2013)发现机构投资者的羊群行为提高了公司股价崩盘风险。类似地,曹丰等(2015)发现机构投资者持股显著增大了公司股价崩盘风险。罗进辉和杜兴强(2014)发现,媒体对上市公司的频繁报道显著降低了股价崩盘风险,发挥了积极的信息中介和公共监督作用。叶康涛等(2015)发现,公司内部控制信息披露水平越高,其股价崩盘风险越低。王化成等(2015)则发现,大股东持股通过发挥监督效应和减少掏空行为,降低了公司股价未来崩盘的风险。

从现有文献来看,股价崩盘风险本质上源于信息不对称或信息不透明。第一,信息不透明使市场投资者无法观察到企业真实业绩,或被企业虚假情况所蒙蔽,产生对股价的误判,而一旦投资者识别或获得企业真实运营状况,其股价就会暴跌(李小荣和刘行,2012)。第二,对于信息透明度低的公司,管理层更容易进行信息管理,投资者和股东难以及时发现净现值为负的投资项目,亏损累积到一定程度时将引致股价暴跌(Bleck和Liu,2007)。第三,在信息不对称的情况下,具有信息优势的管理层出于自身利益(包括货币薪酬、在职消费等)的考虑,往往会刻意隐藏对公司股价不利的“坏消息”,随着经营的持续,负面消息会逐渐累积,达到一定程度并突然集中披露时将引发股价崩盘(Jin和Myers,2006)。

信息不透明在很大程度上是管理层没有及时、准确和充分地向外部投资者披露公司真实状况所引起的。作为公司的内部人,管理层具有信息优势,虽然他们负有向监管者和外部投资者披露信息的义务,但是作为本质上的信息分配者,在法律和制度许可的范围内,他们在一定程度上拥有信息披露内容和披露时机的选择权(潘越等,2011)。为了规范和引导上市公司的信息披露行为,深交所从2001年起对上市公司信息披露的及时性、准确性、完整性和合法性四个方面进行考核评价,并综合考虑上市公司信息披露行为对市场和投资者的影响、上市公司受奖惩情况以及遵守《上市规则》情况等多种因素。

理论上,良好的信息披露有助于降低投资者和公司之间的信息不对称程度,并可从以下几方面影响公司股价崩盘风险:第一,良好的信息披露使投资者能够较真实地了解公司实际经营情况,减少股价与公司基本面的背离,从而避免股价虚高所可能导致的未来突然崩盘。第二,良好的信息披露增加了公司透明度,能够帮助投资者和股东在事前更好地识别和阻止管理层投资净现值为负的项目,从而避免巨额亏损所可能导致的股价在未来突然崩盘。第三,良好的信息披露能够为外部投资者监督或激励管理层提供依据,既增加了管理层隐藏负面信息的成本,也抑制了管理层的机会主义行为,从而促使管理层更及时地披露公司负面信息,降低了负面信息累积所可能引发的股价崩盘风险。基于此,我们提出以下研究假说:

假说1:上市公司信息披露质量越高,其股价崩盘风险越低。

经过十多年的发展,证券分析师已成为我国资本市场的重要参与者,并在缓解信息不对称方面发挥了至关重要的作用。作为资本市场重要的信息中介,分析师在资本市场中扮演着信息使用者和提供者的双重角色(Schipper,1991;李馨子和肖土盛,2015)。

首先,作为信息的专业使用者,分析师利用上市公司的相关信息进行预测。分析师预测时所用信息包括公共信息和私有信息,前者为所有分析师所知晓,后者则是分析师个体所特有。相对于私有信息,由于获取成本较低,公共信息是分析师进行盈余预测的重要信息来源。良好的信息披露直接降低了分析师的信息收集成本,同时提高了财务报告信息质量,从而降低了信息使用者对会计信息解读的偏差,这些都有助于分析师最终形成高质量的盈余预测。因此,我们认为分析师预测误差与公司信息披露质量负相关。

其次,作为信息的专业提供者,分析师利用专业知识与信息收集加工的相对优势,向市场参与者提供合理反映证券内在价值的信息,降低证券市场的价格偏离,从而降低股价崩盘风险(何贤杰等,2013)。分析师能够通过各种公开和非公开渠道获取上市公司一手资料,在多重交织的信息网络覆盖下,管理层隐藏的负面信息能够被及早发掘,公司真实面貌将被更全面、多角度地揭示和解读,这有助于降低股价崩盘风险(潘越等,2011)。分析师预测误差越小,说明投资者与公司之间的信息不对称程度越低,投资者越了解公司实际经营情况,其未来股价崩盘风险也就越低。因此,我们认为分析师预测误差与公司股价崩盘风险正相关。

综上分析,证券分析师参与市场体现在信息生产、传递与吸收各个环节,从而为公司信息披露质量影响股价崩盘风险提供了有效途径。因此,我们预期上市公司信息披露质量也会对股价崩盘风险产生间接影响,这种影响主要是通过分析师预测活动这一中间机制实现的。基于此,我们提出以下中介效应假说:

假说2:分析师预测活动在公司信息披露质量影响股价崩盘风险中发挥中介作用。

研究设计

样本期间与数据来源。

本文所需股价数据、分析师数据以及公司财务数据主要来自CSMAR数据库,同时用RESSET数据库对分析师预测数据进行补充。衡量信息披露质量的上市公司信息披露考评结果来源于深交所网站的“信息披露考评”栏目。样本期间为2001-2013年,主要是因为深交所2001年5月发布《上市公司信息披露工作考核办法》,从2002年起就信息披露对上市公司进行考评。

根据以往的研究,我们对初始样本进行了如下筛选:(1)为了估计股价崩盘风险指标,剔除每年交易周数小于30的样本;(2)剔除金融企业样本;(3)剔除净资产为负的样本;(4)剔除控制变量缺失的样本。本文最终得到9 156个观测值。此外,为了减轻异常值的影响,我们对所有连续变量在上下1%的水平上分年度进行了Winsorize处理。

主要变量定义。

1. 股价崩盘风险(CRASH)。借鉴Chen等(2001)、Kim等(2011a)以及江轩宇(2013)的方法,本文采用负收益偏态系数(NCSKEW)和收益上下波动率(DUVOL)来度量股价崩盘风险。首先,计算股票i第t周的特有收益率Wi, t。为此,我们建立了如下模型:

\begin{document} $ {{R}_{i, j}}={{\alpha }_{i}}+{{\beta }_{1}}{{R}_{m, t-2}}+{{\beta }_{2}}{{R}_{m, t-1}}+{{\beta }_{3}}{{R}_{m, t}}+{{\beta }_{4}}{{R}_{m, t+1}}+{{\beta }_{5}}{{R}_{m, t+2}}+{{\varepsilon }_{i, t}} $ \end{document}

其中,Ri, t为股票i第t周的收益率,Rm, t为第t周经流通市值加权的市场收益率。为了调整股票非同步性交易的影响(Dimson,1979),式(1)中还加入了市场收益率的滞后和超前各两期。股票特有收益率为:Wi, t=Ln (1+εi, t),其中εi, t为式(1)的残差。然后,基于特有收益率Wi, t构造以下两个变量:(1)负收益偏态系数(NCSKEW):

\begin{document} $ NCSKE{{W}_{i, t}}=-\left[n{{\left( n-1 \right)}^{3/2}}\sum{W_{i, t}^{3}} \right]/\left[\left( n-1 \right)\left( n-2 \right){{\left( \sum{W_{i, t}^{2}} \right)}^{3/2}} \right] $ \end{document}

其中,n为股票i每年的交易周数。NCSKEW的数值越大,股价崩盘风险越大。

(2) 收益上下波动率(DUVOL):

\begin{document} $ DUVO{{L}_{i, t}}=\log \left\{ \left[\left( {{n}_{UP}}-1 \right)\sum\limits_{DOWN}{W_{i, t}^{2}} \right]/\left[\left( {{n}_{DOWN}}-1 \right)\sum\limits_{UP}{W_{i, t}^{2}} \right] \right\} $ \end{document}

其中,nUP(nDOWN)为股票i的周特有收益率Wi, t大于(小于)年平均收益率的周数。DUVOL的数值越大,股价崩盘风险越大。

2. 信息披露质量(SCORE)。本文采用深交所对上市公司的年度信息披露考评作为信息披露质量的代理指标。相对于其他指标,该考评指标较为客观,具有一定的权威性,且能够较为全面地反映公司整体的信息披露质量。深交所的最终考评结果分为优秀、良好、合格与不合格四个等级。①借鉴曾庆生(2014)的做法,若考评结果为优秀或良好,则归为信息披露高质量公司,SCORE取值为1;若考评结果为合格或不合格,则归为信息披露低质量公司,SCORE取值为0。

① 从2011年开始,信息披露考评结果分为A、B、C、D四个等级,分别与原来的优秀、良好、合格与不合格相对应。

3. 分析师预测误差(AF_Error)。若分析师在同一年度对某个公司有多次盈余预测,本文选取该分析师在年报披露日前最近一次发布的盈余预测来衡量盈余预测误差,计算公式为:AF_Error=|Actual Earnings-Median(Forecasted Earnings)|/Price。其中,Actual Earnings等于公司实际净利润除以年末总股数,Forecasted Earnings等于分析师预测的公司净利润除以年末总股数,Price为年初股价。考虑到公司总股本的变动会使分析师发布的每股收益(EPS)预测数据与按年末总股数计算的实际每股收益缺乏可比性,借鉴何贤杰等(2013)的研究,我们基于分析师对净利润的预测值,统一使用年末总股数对净利润数据进行了标准化处理。AF_Error的数值越大,分析师盈余预测的准确性越低。

模型构建。

为了检验假说1,我们构建了以下模型:

\begin{document} $ CRAS{{H}_{i, t+1}}={{\alpha }_{0}}+{{\alpha }_{1}}SCOR{{E}_{i, t}}+\gamma \sum{Control{{s}_{i, t}}+\sum{Industry}+{{\varepsilon }_{i, t+1}}} $ \end{document}

其中,CRASHi, t+1分别用公司i在t+1年的NCSKEW和DUVOL来度量,SCOREi, t表示公司i在t年的信息披露质量,Controlsi, t为控制变量,Industry为行业哑变量。根据以往的文献(Chen等,2001;Kim等,2011a,b),模型中控制了以下变量:(1)月平均超额换手率(DTURN),等于公司t年的月平均换手率减去t-1年的月平均换手率;(2)特有收益率波动(Sigma),等于t年周特有收益率Wi, t的标准差;(3)平均周特有收益率(RET),等于t年平均周特有收益率;(4)公司规模(SIZE),等于公司总资产的自然对数;(5)账面市值比(BM),等于公司账面权益价值除以公司总市值;(6)资产负债率(LEV),等于公司总负债除以总资产;(7)总资产收益率(ROA),等于公司净利润除以总资产;(8)操纵性应计绝对值(ABACC),其中操纵性应计由修正Jones模型估计得到;(9)公司治理综合指数(CG_Index),借鉴白重恩等(2005)的方法,对8个公司治理指标进行主成分分析,根据第一大主元得到;(10)机构持股比例(InsHold),等于t年末机构投资者持股比例之和;(11)投资者保护水平(Protect),采用樊纲等(2011)编制的中国市场化指数中的“市场中介组织的发育和法律制度环境”来衡量各地区的投资者保护水平。此外,我们还在模型中控制了前一期的股价崩盘风险NCSKEWt和DUVOLt。根据假说1,式(4)中SCORE的系数α1应显著为负。

为了检验假说2,我们根据温忠麟等(2006)的研究,采用依次检验法:第一步,做因变量对自变量的回归。用含有分析师预测的样本对式(4)重新进行检验。第二步,做中介变量对自变量的回归。采用以下模型来检验信息披露质量对分析师盈余预测的影响:

\begin{document} $ AF\_Erro{{r}_{i, t}}={{\alpha }_{0}}+{{\alpha }_{1}}SCOR{{E}_{i, t}}+\gamma \sum{Control{{s}_{i, t}}+\sum{Industry}+{{\varepsilon }_{i, t+1}}} $ \end{document}

其中,Controls包括公司规模(SIZE)、分析师跟踪人数(N_AF)、前三年股票收益波动性(RetStd)、前三年股票收益率与季度会计盈余的相关性(Corr)、未预期盈余(UE)、预测时长(Horizon)、操纵性应计绝对值(ABACC)以及公司治理指数(CG_Index)等。第三步,做因变量对自变量和中介变量的回归。采用以下模型来检验分析师预测是否存在中介效应:

\begin{document} $ CRAS{{H}_{i, t+1}}={{\alpha }_{0}}+{{\alpha }_{1}}SCOR{{E}_{i, t}}+{{\beta }_{1}}AF\_Erro{{r}_{i, t}}+\gamma \sum{Control{{s}_{i, t}}+\sum{Industry}+{{\varepsilon }_{i, t+1}}} $ \end{document}

若前两步中系数α1显著为负,第三步中介变量系数β1显著为正,则存在中介效应。

实证结果分析

描述性统计分析。

表 1报告了深交所信息披露考评结果与股价崩盘风险的单变量分析结果。从全样本来看,NCSKEW和DUVOL的均值分别为-0.3131和-0.2227,与以往的研究文献类似。Panel A报告了采用NCSKEW衡量股价崩盘风险的结果。我们发现,信息披露考评结果为优秀或良好的公司股价崩盘风险较低,而考评结果为不合格的公司股价崩盘风险上升尤为明显。在信息披露高质量样本中,股价崩盘风险的均值为-0.3423;在信息披露低质量样本中,股价崩盘风险的均值为-0.2194。检验结果表明,两组样本的均值和中位数均在1%的水平上存在显著差异。Panel B则报告了采用DUVOL衡量股价崩盘风险的结果,与Panel A基本类似,不再赘述。表 1结果表明,信息披露质量与股价崩盘风险存在负相关关系,这为上市公司信息披露质量的提高有助于降低股价崩盘风险提供了初步的证据。

1
上市公司信息披露质量与股价崩盘风险
样本观测数Panel A: CRASH=NCSKEWPanel B: CRASH=DUVOL
均值中位数标准差均值中位数标准差
全样本9 156-0.3131-0.28260.6921-0.2227-0.22240.4782
优秀1 311-0.2797-0.24840.6592-0.2074-0.20400.4635
良好5 674-0.3568-0.32390.6916-0.2508-0.24610.4740
合格1 954-0.2261-0.21990.7078-0.1649-0.17010.4941
不合格217-0.1583-0.09290.6528-0.1008-0.07760.4620
披露质量高6 985-0.3423-0.30610.6863-0.2427-0.23640.4723
披露质量低2 171-0.2194-0.20760.7026-0.1585-0.16280.4912
均值/中位数检验T=7.25[p < 0.001]Z=7.12[p < 0.001]T=7.04[p < 0.001]Z=6.67[p < 0.001]

相关性分析结果(受篇幅限制未列示)显示,SCORE与NCSKEW和DUVOL的相关系数均显著为负,即公司信息披露质量越高,其股价崩盘风险越小。NCSKEW和DUVOL的相关系数为0.882,说明两种方法度量的股价崩盘风险具有内在一致性。

信息披露质量与股价崩盘风险。

表 2报告了假说1的检验结果。Panel A结果显示,SCORE的系数在1%水平上显著为负,即公司信息披露质量越高,其股价崩盘风险越低。从经济意义上看,相对于信息披露低质量公司,信息披露高质量公司的股价崩盘风险下降约25%。这表明公司信息披露质量对股价崩盘风险的影响具有统计和经济意义上的显著性。对于控制变量,与Chen等(2001)、Hutton等(2009)以及许年行等(2013)的研究一致,Sigma、RET和BM均与股价崩盘风险显著负相关。CG_Index的系数显著为负,表明公司治理水平越高,其股价崩盘风险越低。InsHold的系数显著为正,Protect的系数则显著为负,分别与曹丰等(2015)以及王化成等(2014)的研究发现一致。其他控制变量则不显著。

2
信息披露质量对股价崩盘风险的影响
Panel A:SCOREPanel B:SCORE_R
(1)NCSKEWt+1(2)DUVOLt+1(3)NCSKEWt+1(4)DUVOLt+1
Constant0.1745(0.39)0.2417(0.74)0.1930(0.44)0.2519(0.77)
SCOREt-0.0840***(-3.64)-0.0525***(-3.23)-0.0272**(-2.01)-0.0184*(-1.76)
DTURNt0.0484(0.94)0.0503(1.27)0.0492(0.95)0.0507(1.28)
Sigmat-11.140**(-2.42)-7.3239**(-2.11)-11.472**(-2.51)-7.5297**(-2.18)
RETt-1.8577***(-2.69)-1.1594**(-2.15)-1.9340***(-2.83)-1.2059**(-2.24)
SIZEt0.0007(0.04)-0.0047(-0.37)-0.0000(-0.00)-0.0049(-0.40)
BMt-0.4139***(-5.01)-0.2901***(-4.80)-0.4204***(-4.99)-0.2941***(-4.79)
LEVt0.0424(0.87)0.0230(0.69)0.0462(0.94)0.0248(0.76)
ROAt0.2083(1.41)0.0633(0.56)0.1592(1.12)0.0360(0.32)
ABACCt0.0275(0.18)0.0454(0.40)0.0343(0.22)0.0491(0.42)
CG_Indext-0.0221***(-2.84)-0.0108**(-2.28)-0.0227***(-2.97)-0.0111**(-2.43)
InsHoldt1.1604***(5.53)0.7054***(4.48)1.1410***(5.41)0.6956***(4.40)
Protectt-0.0126***(-3.69)-0.0078***(-3.58)-0.0130***(-3.81)-0.0081***(-3.69)
NCSKEWt0.0209(0.87)0.0069(0.50)0.0229(0.93)0.0081(0.57)
DUVOLt0.0737**(2.32)0.0613***(3.51)0.0741**(2.34)0.0616***(3.50)
Industry控制控制控制控制
Adj.R20.05190.05010.05020.0487
观测数9 1569 1569 1569 156

在Panel B中,我们改用SCORE_R来衡量公司信息披露质量。若考评为优秀,则SCORE_R赋值为3;若考评为良好,则SCORE_R赋值为2;若考评为合格,则SCORE_R赋值为1;若考评为不合格,则SCORE_R赋值为0。结果显示,SCORE_R的系数也显著为负。表 2结果表明,公司信息披露质量与股价崩盘风险显著负相关,支持了假说1。

为了减轻遗漏变量或内生性问题可能对研究结论产生的影响,本文进一步考察了公司信息披露质量变化是否引致其股价崩盘风险变化。首先根据公司前后连续两年信息披露考评的变化情况,将研究样本划分为信息披露质量下降、信息披露质量不变以及信息披露质量上升三个子样本,然后考察股价崩盘风险在各子样本中的变化情况。表 3报告了单变量分析结果。我们发现,约17%的公司信息披露质量下降,约19%的公司信息披露质量上升,余下约64%的公司信息披露质量则没有发生变化。从Panel A中可以看到,信息披露质量下降的公司股价崩盘风险上升,而披露质量不变或上升的公司股价崩盘风险则下降。相对于披露质量上升或不变的公司,披露质量下降的公司股价崩盘风险显著上升,均值和中位数的差异在5%水平上均显著。而相对于披露质量不变的样本,披露质量上升样本的股价崩盘风险并没有显著下降。Panel B报告了以ΔDUVOL来衡量股价崩盘风险变化的结果,与Panel A类似。

3
信息披露质量变化与股价崩盘风险变化
考评结果变化观测数Panel A:ΔCRASH=ΔNCSKEWPanel B: ΔCRASH=ΔDUVOL
均值中位数标准差均值中位数标准差
下降1 2770.04430.00850.95640.02730.03000.6676
不变4 930-0.0613-0.04920.9216-0.0398-0.04510.6342
上升1 476-0.0602-0.02780.9508-0.0335-0.02880.6580
均值/中位数检验
下降vs.不变T=3.54[p < 0.001]Z=3.07[p=0.002]T=3.24[p=0.001]Z=2.88[p=0.004]
上升vs.不变T=0.04[p=0.967]Z=0.36[p=0.720]T=0.33[p=0.745]Z=0.50[p=0.618]
下降vs.上升T=2.87[p=0.004]Z=2.26[p=0.024]T=2.40[p=0.016]Z=1.99[p=0.046]

表 4报告了信息披露质量变化对股价崩盘风险影响的回归结果。我们以变量DNG_SCORE(UP_SCORE)来衡量公司信息披露质量的下降(上升),若公司信息披露质量下降(上升),则DNG_SCORE(UP_SCORE)取值为1,否则为0。相应地,模型中因变量为股价崩盘风险的变化(ΔCRASH)。Panel A结果显示,DNG_SCORE的系数在1%的水平上显著为正,UP_SCORE的系数则不显著,表明公司信息披露质量下降将引致股价崩盘风险显著增加,而信息披露质量提高对股价崩盘风险的缓解作用则不明显,这与表 1的描述性统计结果一致。此外,为了排除信息披露质量不变样本可能给研究结论造成的干扰,我们在Panel B中剔除了前后两年信息披露考评结果没有发生变化的样本。结果显示,DNG_SCORE的系数在1%的水平上显著为正。这表明相对于披露质量上升的样本,披露质量下降样本的股价崩盘风险显著增加。

4
信息披露质量变化对股价崩盘风险变化的影响
Panel A:全样本Panel B:剔除SCORE不变样本
(1)ΔNCSKEWt(2)ΔDUVOLt(3)ΔNCSKEWt(4)ΔDUVOLt
Constant-0.0662(-0.52)-0.0439(-0.53)-0.1231(-0.61)-0.0847(-0.69)
DNG_SCOREt0.1239***(3.36)0.0776***(3.33)0.1137***(3.04)0.0670***(2.77)
UP_SCOREt-0.0051(-0.24)0.0011(0.07)
ΔDTURNt-0.1478**(-2.57)-0.1252***(-3.29)-0.1817***(-3.18)-0.1576***(-4.38)
ΔSigmat4.0796(0.68)1.2147(0.30)6.0632(0.92)4.8233(1.16)
ΔRETt1.7394(1.63)0.8138(1.13)1.4968(1.27)1.0395(1.38)
ΔSIZEt0.1327(1.43)0.0654(1.02)0.1336*(1.66)0.0451(0.87)
ΔBMt0.3471(1.50)0.2907**(1.96)0.4151(1.63)0.3461**(2.09)
ΔLEVt-0.2229(-0.85)-0.1587(-0.82)-0.3527(-1.02)-0.2665(-1.09)
ΔROAt-0.8676***(-4.58)-0.6358***(-4.70)-1.0137***(-3.66)-0.7083***(-3.20)
ΔABACCt0.2301(1.37)0.2332**(2.21)0.6054***(2.68)0.4887***(3.22)
ΔCG_Indext0.0248(0.80)-0.0119(-0.49)-0.0234(-0.63)-0.0242(-0.87)
ΔInsHoldt0.8206*(1.75)0.5055*(1.89)0.0061(0.01)0.1214(0.26)
ΔProtectt-0.0107(-0.47)-0.0111(-0.63)-0.0006(-0.02)0.0005(0.03)
Industry控制控制控制控制
Adj.R20.04710.05560.04650.0608
观测数7 6837 6832 7532 753

表 3和表 4结果表明,公司信息披露质量的变化将引致其股价崩盘风险的变化,尤其是信息披露质量下降将使股价崩盘风险显著增加,这为上市公司信息披露质量影响股价崩盘风险提供了进一步的证据支持。

信息披露质量与股价崩盘风险:分析师的中介作用。

表 5报告了假说2的检验结果。如上文所述,本文采用依次检验法来分析公司信息披露质量是否通过分析师预测活动的中介作用对股价崩盘风险产生影响。首先,考虑到很大一部分公司没有分析师跟踪,列(1)和列(2)仅用含有分析师预测的样本对因变量CRASH与自变量SCORE的关系重新进行了检验。不难发现,回归结果与表 2中Panel A类似,SCORE的系数均在1%水平上显著为负。然后,我们对中介变量AF_Error与自变量SCORE的关系进行了检验,结果见列(5)。可以发现,SCORE的系数在1%水平上显著为负。相对于披露低质量样本,披露高质量样本的分析师预测误差下降约65%(相对于AF_Error的均值1.352),说明良好的信息披露质量能够显著提升分析师预测的准确性。最后,我们运用式(6)对因变量CRASH与自变量SCORE和中介变量AF_Error的关系进行了检验。列(3)和列(4)结果显示,无论是用NCSKEW还是DUVOL来衡量股价崩盘风险,AF_Error的系数在1%水平上均显著为正,说明分析师预测具有中介效应。在加入中介变量后,SCORE的系数仍显著,说明分析师预测仅起到了部分中介作用。假说2得到验证。

5
信息披露质量与股价崩盘风险:分析师的中介作用
因变量:CRASHt+1(1)(2)(3)(4)因变量:AF_Errort(5)
NCSKEWt+1DUVOLt+1NCSKEWt+1DUVOLt+1AF_Errort
Constant-0.4490-0.2754-0.4652-0.2864Constant-6.5951***
(-0.79)(-0.67)(-0.82)(-0.70)(-4.62)
SCOREt-0.0786***-0.0489***-0.0732***-0.0452***SCOREt-0.8657***
(-3.33)(-3.15)(-3.03)(-2.88)(-4.20)
AF_Errort0.0075***0.0051***SIZEt0.2385***
(2.69)(2.87)(3.46)
DTURNt-0.01000.0090-0.01320.0068N_AFt-0.4903***
(-0.23)(0.29)(-0.31)(0.22)(-5.97)
Sigmat-7.3725-3.7487-6.9644-3.4701RetStdt3.6782*
(-1.07)(-0.83)(-1.00)(-0.76)(1.89)
RETt-1.3448-0.6454-1.2398-0.5737Corrt0.0455
(-1.29)(-0.92)(-1.18)(-0.81)(0.40)
SIZEt0.01710.00880.01670.0084UEt0.1881***
(0.75)(0.52)(0.74)(0.51)(6.25)
BMt-0.3950***-0.2715***-0.3931***-0.2703***Horizont0.7087***
(-4.53)(-3.86)(-4.47)(-3.83)(9.52)
LEVt0.09890.07480.09820.0744ABACCt1.5444*
(1.16)(1.24)(1.14)(1.22)(1.89)
ROAt0.8854***0.5222**1.0181***0.6128***CG_Indext-0.0677*
(3.58)(2.58)(4.22)(3.18)(-1.94)
ABACCt0.01080.0145-0.0168-0.0043
(0.09)(0.13)(-0.13)(-0.04)
CG_Indext-0.0049-0.0036-0.0050-0.0037
(-0.54)(-0.53)(-0.55)(-0.53)
InsHoldt1.2066***0.7690***1.2157***0.7753***
(4.91)(4.19)(4.96)(4.24)
Protectt-0.0051*-0.0032-0.0051*-0.0032
(-1.74)(-1.64)(-1.72)(-1.62)
NCSKEWt0.0429*0.00770.0423*0.0073
(1.77)(0.43)(1.78)(0.41)
DUVOLt0.03160.0505**0.03170.0505**
(0.77)(2.00)(0.77)(2.00)
Industry控制控制控制控制Industry控制
Adj.R20.05070.04470.05130.0452Adj.R20.1809
观测数5 5875 5875 5875 587观测数5 587

结论与政策启示

本文利用2001-2013年深交所披露的上市公司信息披露考评数据,研究了公司信息披露质量对股价崩盘风险的影响,以及作为信息中介的证券分析师所扮演的角色。研究发现,公司信息披露质量越高,其股价崩盘风险越低,这主要是由披露质量下降使股价崩盘风险显著增加所致,而披露质量上升对股价崩盘风险的缓解作用则不明显。此外,良好的信息披露质量能够显著降低分析师的预测误差,而较低的分析师预测误差进一步缓解了股价崩盘风险,从而支持了分析师预测活动在信息披露质量与股价崩盘风险之间起中介作用。这些证据表明,上市公司良好的信息披露通过改善分析师预测活动、降低信息不对称,缓解了其股价在未来发生崩盘的风险。

本文的研究结论对监管部门具有一定的政策启示。首先,为切实保护投资者利益,监管层必须严格督促上市公司进一步提高信息披露质量,尤其是信息披露考评不佳的公司。以往的研究让我们认识到提高信息披露质量有助于缓解内部人的代理问题,对投资者利益有间接影响。本文则发现,公司信息披露质量影响股价崩盘风险,对投资者利益有直接影响。其次,重视信息披露的完整性和及时性。信息披露的真实性无疑是信息披露质量的重要维度,但是鉴于股价崩盘风险的重要性,信息披露的完整性和及时性也不可小觑。如果上市公司信息披露不完整,存在重大遗漏,或者选择性地披露好消息、隐藏坏消息,则容易引发股价暴跌风险,极大地损害投资者利益。类似地,公司信息(尤其是负面信息)披露不及时,也会增加股价崩盘风险。最后,发挥市场中介机构的积极作用,抑制其消极作用。发达的信息中介(如证券分析师行业)是资本市场透明度的重要保障。然而,证券分析师也是一把“双刃剑”,一方面,分析师的信息搜寻和解读功能有助于改善公司信息环境,减少证券市场的价格偏离,从而降低公司股价崩盘风险;另一方面,分析师存在乐观偏差,往往对好消息推波助澜、对坏消息避之不及,从而增加股价崩盘风险(许年行等,2012)。简言之,监管部门应加强制度建设,完善信息环境,以提高市场定价效率,避免股价暴跌现象,从而更好地保护投资者利益,促进我国资本市场健康有序发展。


参考文献

1 白 重恩,刘 俏,陆 洲. 中国上市公司治理结构的实证研究. 经济研究,2005,(2):81-91.
2 曹 丰,鲁 冰,李 争光. 机构投资者降低了股价崩盘风险吗?. 会计研究,2015,(11):55-61.
3 樊 纲,王 小鲁,朱 恒鹏. 中国市场化指数--各地区市场化相对进程2011年度报告.2011.
4 何 贤杰,肖 土盛,朱 红军. 所有权性质、治理环境与企业社会责任信息披露的经济后果. 中国会计与财务研究,2013,(2):60-91.
5 江 轩宇. 税收征管、税收激进与股价崩盘风险. 南开管理评论,2013,(5):152-160.
6 李 小荣,刘 行. CEO vs CFO:性别与股价崩盘风险. 世界经济,2012,(12):102-129.
7 李 馨子,肖 土盛. 管理层业绩预告有助于分析师盈余预测修正吗?. 南开管理评论,2015,(2):30-38.
8 刘 春,孙 亮. 税收征管能降低股价暴跌风险吗?. 金融研究,2015,(8):159-174.
9 罗 进辉,杜 兴强. 媒体报道、制度环境与股价崩盘风险. 会计研究,2014,(9):53-59.
10 罗 进辉. 上市公司的信息披露质量为何摇摆不定?. 投资研究,2014,(1):134-152.
11 潘 越,戴 亦一,林 超群. 信息不透明、分析师关注与个股暴跌风险. 金融研究,2011,(9):138-151.
13 王 化成,曹 丰,高 升好. 投资者保护与股价崩盘风险. 财贸经济,2014,(10):73-82.
14 王 化成,曹 丰,叶 康涛. 掏空还是监督:大股东持股比例与股价崩盘风险. 管理世界,2015,(2):76-88.
15 温 忠麟,张 雷,侯 杰泰. 有中介的调节变量和有调节的中介变量. 心理学报,2006,(3):448-452.
16 许 年行,江 轩宇,伊 志宏. 分析师利益冲突、乐观偏差与股价崩盘风险. 经济研究,2012,(7):127-140.
17 许 年行,于 上尧,伊 志宏. 机构投资者羊群行为与股价崩盘风险. 管理世界,2013,(7):31-43.
18 叶 康涛,曹 丰,王 化成. 内部控制信息披露能够降低股价崩盘风险吗?. 金融研究,2015,(2):192-206.
19 曾 庆生. 高管及其亲属买卖公司股票时"浑水摸鱼"了?--基于信息透明度对内部人交易信息含量的影响研究. 财经研究,2014,(12):15-26.
20 An H,Zhang T. Stock price synchronicity, crash risk, and institutional investors. Journal of Corporate Finance,2013,21(1):1-15.
21 Bleck A,Liu X. Market transparency and the accounting regime. Journal of Accounting Research,2007,45(2):229-256. DOI:10.1111/joar.2007.45.issue-2.
22 Chen J,Hong H,Stein J. Forecasting crashes:Trading volume, past returns, and conditional skewness in stock prices. Journal of Financial Economics,2001,61(3):345-381. DOI:10.1016/S0304-405X(01)00066-6.
23 DeFond M,Hung M,Li S. Does mandatory IFRS adoption affect crash risk?. The Accounting Review,2015,90(1):265-299. DOI:10.2308/accr-50859.
24 Dimson E. Risk measurement when shares are subject to infrequent trading. Journal of Financial Economics,1979,7(2):197-226. DOI:10.1016/0304-405X(79)90013-8.
25 Hutton A,Marcus A,Tehranian H. Opaque financial reports, R2, and crash risk. Journal of Financial Economics,2009,94(1):67-86. DOI:10.1016/j.jfineco.2008.10.003.
26 Jin L,Myers S. R2 around the world:New theory and new tests. Journal of Financial Economics,2006,79(2):257-292. DOI:10.1016/j.jfineco.2004.11.003.
27 Kim J,Li Y,Zhang L. CFOs versus CEOs:Equity incentives and crashes. Journal of Financial Economics,2011a,101(3):713-730. DOI:10.1016/j.jfineco.2011.03.013.
28 Kim J,Li Y,Zhang L. Corporate tax avoidance and stock price crash risk:Firm-level analysis. Journal of Financial Economics,2011b,100(3):639-662. DOI:10.1016/j.jfineco.2010.07.007.
29 Petersen M. Estimating standard errors in finance panel data sets:Comparing approach. Review of Finance Studies,2009,22(1):435-480. DOI:10.1093/rfs/hhn053.
30 Schipper K. Analysts' forecasts. Accounting Horizons,1991,5(4):105-121.