一、引 言
2020年底,保险资金持股总市值为1.52万亿元,约占A股流通市值的3.44%,是仅次于证券投资基金的第二大机构投资者。但是,受2016年“险资举牌”“宝万之争”等负面事件的影响,保险公司经营属性的异质性问题引起了公众和监管部门的广泛关注,监管机构不得不出台一系列措施,严格限制保险资金的投资行为。2020年12月,国务院常务委员会在部署人身险重点工作时指出,“提升保险资金长期投资能力,防止保险资金运用投机化”。与社保基金、信托基金等机构投资者相比,保险公司的资金运用除了追求投资收益,还受经营属性及监管规定的影响。为此,本文从保险公司经营属性的异质性角度出发考察不同经营属性的保险公司对上市公司股价崩盘风险的影响,以全面了解保险机构投资者如何在资本市场发挥作用及对金融系统稳健性的影响。
关于“保险姓保”,从理论上分析保险的本质主要包含两个方面:一是通过风险分散和损失补偿发挥保障职能;二是通过积聚社会资金并管理基金发挥金融职能。从公司经营实践的角度分析,保险公司一方面在负债端吸收保费承担风险提供风险保障;另一方面在资产端进行投资获得收益,从而成为实体经济和金融市场的重要稳定力量。
然而,部分具有地产背景的非传统金融集团获得保险牌照后,其控股的保险公司经营模式有别于传统保险公司。这些公司倾向于在承保端出售“中短期理财险”以获得现金流,在资产端频繁举牌进行权益类投资或利用资金优势在二级市场恶意炒作牟取暴利,影响了上市企业经营活动,给整个金融体系带来了不利影响。个别公司通过这种经营模式获得了极高的投资收益,引发中、小保险公司和新开业公司竞相效仿,炒作“险资概念股”。这种机构投资者抱团行为不仅恶化了资本市场的信息环境,而且加剧了股价的崩盘风险,严重破坏了金融市场的稳定性。保险资金从“压舱石”到“野蛮人”角色的转变主要源于部分保险公司颠倒了保障属性与金融属性,干扰了市场的发展方向(魏华林,2018)。
遗憾的是,目前上市保险公司的数目很少,万德、国泰安等数据库缺乏必要的保险公司财务信息,过往文献只是笼统的将保险公司视作机构投资者中的一类来研究其整体的持股行为、偏好和特征,忽略了保险公司在经营属性上的差异。显然,从保险公司经营属性分化的角度出发研究不同经营属性的保险公司持股行为对资本市场稳定产生的正(负)外部性是更为重要的问题。2017年监管机构出台了一系列监管政策,提出“保险姓保”来纠正行业乱象,规范保险资金运用和公司治理,这为研究保险机构投资者对金融市场稳定性的影响提供了非常好的自然实验场所。
在已有文献基础上,本文拓展了前人的研究边际,手工整理了67家寿险公司2010—2018年的非平衡面板数据,测度寿险公司的经营属性,分析保险机构投资者持股对资本市场稳定性的影响。我们发现:(1)金融属性较强的寿险公司持股上市公司时,会显著加剧未来股价的崩盘风险,保障属性较强的寿险公司持股时,会显著抑制股价崩盘风险;(2)当寿险公司金融属性较强且持股比例较低时,上市公司未来的股价崩盘风险较高;(3)2017年监管机构要求“保险姓保”后,有效抑制了金融属性较强的寿险公司的投机行为,稳定了资本市场,但对保障属性较强的寿险公司的持股行为并无显著影响。
二、文献综述与研究假设
(一)相关文献综述
1. 机构投资者对资本市场稳定性的影响
关于机构投资者能否起到稳定资本市场的作用,学术界一直存在争议。一些学者认为,机构投资者发挥了“市场稳定器”的作用,比如社会保障基金和传统保险资金具有长期价值投资导向,降低了市场的波动性(盛军锋等,2008;王咏梅和王亚平,2011);另一些学者认为,机构投资者在资本市场“追涨杀跌”加剧了资金炒作,助推了股市的暴涨暴跌(陈国进等,2010;吴晓晖等,2019)。近年来,更多学者着重考虑不同机制下,机构投资者对股价崩盘风险的影响,主要包括:①持股比例:机构投资者持股比例较高能否通过参与公司治理,从而降低(提高)股票崩盘风险(杨海燕等,2012;曹丰等,2015);②“羊群行为”:机构投资者信息趋同,并没有掌握有价值的私有信息,从而表现为“羊群行为”,加剧了金融市场的脆弱性(许年行等,2013);③持股周期:中国的机构投资者具有短期投机倾向,恶化了市场环境,造成股价崩盘(Jiang和Kim,2015)。
2. “保险姓保”与保险机构投资者
“保险姓保”要求“保险回归保障”“保险回归本源”。但是,保险公司作为国家金融体系的三大支柱之一,尽管与银行和券商在运营上存在较大差别,但资金融通属性是其天然属性,只是受宏观经济、政策法规和行业发展的制约而不断变化。对保险公司股东而言,只有在负债端出售产品不断扩大保费规模,在资产端投资股票等金融工具或是不动产实现保值增值才能维持盈利(仲赛末和赵桂芹,2018)。因此,魏华林(2018)强调,保险应该是金融属性和保障属性的统一,保险公司过分强调金融属性忽视保障属性时,才会干扰市场发展的方向。美国国际集团(AIG)就曾因为过度重视保险经营的金融属性而出现危机,引发了学者对保险公司是否会触发系统性风险的广泛探讨。目前学界和业界的普遍共识是,人身险、财产险和再保险公司的传统业务不会危害金融系统的稳健性,但是和资本市场相关联的非核心业务可能会加剧风险传染效应(Cummins和Weiss,2014;Eling和Pankoke,2016)。
最近几年,一些研究从机构投资者视角对保险公司持股如何影响资本市场进行了分析。比如,韩浩等(2017)认为,“险资举牌”对上市公司的短期股价波动产生了显著影响,特别是以战略投资为名的“举牌”,更是引发了市场震荡。夏常源等(2020)认为,保险资金持股加剧了股价崩盘风险,大型寿险公司是公司股价崩盘的“加速器”。此外,刘璐等(2019)和余海宗等(2019)则认为,保险公司参与上市公司治理可以降低上市公司股价波动。这些研究主要对保险公司按照规模、所有权性质或是产险、寿险行业进行简单分类,未有学者考虑保险公司经营属性的异质性。
从以上文献可以看出,关于保险资金对资本市场的影响,主要分析保险资金对上市公司股价波动的影响;关于保险公司经营属性的讨论,主要还处于定性分析阶段,未有文献根据经营属性的异质性研究保险资金持股对资本市场稳定性产生的正(负)外部性。为此,本文结合保险公司经营特点,以寿险公司为样本,从不同层面度量保险公司的经营属性,实证分析保险机构经营属性异质性对资本市场稳定性的影响,以及2017年监管加强后,保险公司持股对资本市场稳定性产生的影响。
(二)研究假设
寿险公司的保费来源稳定,保单期限较长(通常在10—20年左右),保险资金运用长期遵循稳健和审慎原则,以满足“保单赔付存在不确定性”的经营特点。刘璐等(2019)认为,保险公司投资股票注重安全性和收益性,不仅没有追涨杀跌,而且在股市低迷时起到了稳定市场的作用。传统上,保险公司多是“成熟的机构投资者”,坚持长期价值投资理念,在维护我国资本市场稳定性上一直发挥着积极作用。但是,当保险公司收取的保费不足以弥补保险标的损失和经营管理费用时,就会通过资金运用弥补承保业务的亏损(魏华林,2018)。
2014—2016年,部分寿险公司金融属性增强,这些公司通过承保高费用率、高保证收益率的中、短期理财险快速抢夺市场份额;而负债端的高成本势必要求这些公司在资本市场进行短期、高风险投资,或者举牌上市公司,获得高收益率来满足万能险的刚性兑付。保险资金选择“中等市值、股权分散、分红高、估值低、绩效好”的股票投资,还具有以下动机:(1)当保险公司持股比例超过20%时,不仅可以把上市公司列入联营企业,按比例计提对方的净利润,而且持股资金会按市值计入“长期股权投资”;(2)在“偿二代”监管规则下,计提蓝筹股资本的风险因子最低;(3)争夺优质上市公司的经营控制权,扩大财务杠杆。
其他中、小保险机构与新开业保险公司争相效仿这种盈利模式,炒作“险资概念”题材。吴晓晖等(2019)指出,机构投资者抱团持股比例与股价崩盘风险呈显著正相关关系。现实中,“险资持股”的羊群行为确实加剧了股价崩盘风险,万科A、廊坊发展等“险资概念”股票数次暴涨暴跌,个别公司更被监管机构谴责为“野蛮人”。这种持股行为特征与传统保险公司(被动型机构投资者)存在显著差别,不应简单地归为同一类型的机构投资者。为此,我们提出研究假设H1:保障属性较强的保险公司持股上市公司时,上市公司未来的股价崩盘风险较低;金融属性较强的保险公司持股上市公司时,上市公司未来的股价崩盘风险较高。
随着持股比例的上升,机构投资者就会有更强的动力监督持股公司的管理成本,从而有效缓解股东和管理层的委托代理问题,抑制经理人机会主义信息披露行为,降低股价崩盘风险(王化成等,2015;Crane等,2016)。机构投资者成为大股东后,不仅可以改善企业经营质量,而且可以解决股权分散条件下中、小投资者用“脚”投票的问题。但是,Jiang和Kim(2015)认为,中国股票市场的机构投资者参与公司治理程度不高,多是财务投资者,以证券投资基金为例,基金持股周期短,交易频繁,具有短期投机特征(杨海燕等,2012)。
与基金等短期投机倾向明显的机构投资者相比,金融属性较强的保险公司有更强烈的动机成为战略投资者,甚至控股上市公司。比如,安邦保险2016年11月举牌中国建筑,持股比例超过8%后,曾提出要在六个月内进一步增持到20%以上。一方面,保险公司增加持股比例更容易满足偿付能力监管要求和资金运用规定;另一方面,这些保险公司背后的民营资本(比如恒大人寿举牌廊坊发展,前海人寿举牌南玻A),都有争夺优质上市公司经营控制权的动机。所以,当持股上市公司的比例超过一定阈值时,就会有更强的动机参与公司治理,抑制股价崩盘风险。基于此,我们提出研究假设H2:在未控股上市公司前,金融属性强的保险公司持股比例越高,上市公司股价崩盘风险越高。
三、保险公司经营属性的评估与测算
(一)保险公司经营属性指标体系的设计
我们以寿险公司为样本,首先根据寿险公司经营特征设计金融属性和保障属性的评估指标,再将相应指标赋值。金融属性在实践中可以被视为因保险公司业务资金沉淀时间较长而随之而来的资金运用,是保险公司投资职能的体现。因此,我们从保险资金来源与资金运用后果方面进行测算。保障属性是保险的基本属性,保险公司出售保险产品,并在保险事故发生后向保单持有人履行赔付或给付义务是寿险公司风险转移职能的体现。因此我们从承保效能和承保结果出发进行测算。各指标的变量定义如表1所示。
一级指标 | 二级指标 | 变量 | 变量定义 | 变量符号 |
寿险公司经营属性指标 | 金融属性 | X1. 高风险资产占比 | 投资资产占比=(货币资金+交易性金融资产+可供出售金融资产+持有至到期资产+买入返售金融资产+保户质押贷款)/公司总资产 | + |
X2. 投资收益率 | 投资收益率=(投资收益+公允价值变动收益+汇兑收益)/年末总资产 | + | ||
X3. 万能险保费占比 | 在监管机构披露的寿险规模保费数据中,保户投资款新增缴费即代表了万能险等高现价产品的规模情况,因此本文用“保户投资款新增交费”占规模保费(原保险保费收入、保户投资款新增交费和投连险独立账户新增交费之和)的比例表征万能险产品的比例 | + | ||
X4. 银邮渠道保费占比 | 银邮渠道保费收入占总保费的比例,寿险公司的“理财险”主要通过银邮渠道销售 | + | ||
保障属性 | Y1. 承保杠杆 | 承保杠杆,用保费与所有者权益的比值表示,一般用来衡量承保风险和流动性风险 | 适度 | |
Y2. 融资系数 | 以准备金与保费收入的比值来表示,即保费中形成保险基金的量,实际反映了保险公司保费收入可以使用的时间,该值越大,准备金可用时间越长,产品保障功能越强 | + | ||
Y3. 综合赔付率 | 综合赔付率=(赔付支出-摊回赔付支出+提取保险责任准备金−摊回保险责任准备金)/已赚保费 | 适度 | ||
Y4. 综合费用率 | 综合费用率=(业务及管理费+手续费及佣金+保险业务税金及附加−摊回分保费用)/已赚保费 | 适度 | ||
注:部分指标测算标准来源于《保险公司法人机构经营评价指标》(保监发[2015]80号)。 |
对二级指标方向的选取都以一级指标为判断依据。比如,万能险保费占比越高,保险公司金融属性越强,两者之间正相关关系显著,将其选取为正向指标。但是,仍有部分指标无法简单地用“越大越好”或“越小越好”来衡量,以适度指标进行设计。比如,承保杠杆(保费与所有者权益之比)指标,既有可能是公司承保规模过大,超过承保限额;也可能是承保业务没有完全展开,资本使用不足。因此,以行业中位数为标准,分别排序打分。
本文通过手动匹配《中国保险年鉴》、各保险公司年度报告和中国银保监会官方网站的数据,收集了2010—2018年中国67家人身险公司的非平衡面板数据作为样本。由于经营业务和统计指标缺失,文中样本剔除了养老险等专业型公司。为降低异常值对样本数据真实经营情况的影响,剔除了开业未满三年的保险公司,对连续型变量在1%和99% 处进行了缩尾处理。
(二)经营属性的测算
1. 统计指标处理
为了体现“指标值表现越优异,进一步提升难度越大”的统计规律(徐国祥等,2008),在使用综合评价分析之前,先将部分指标进行了指数化的标准化处理,其中正向指标按式(1)处理,适度指标按式(2)处理,处理后的指标取值和经营属性方向一致,取值在[0,100]范围内。①
$ Index{X_{it}}{\rm{ = 100}} \times {e^{\left[ {a \times ({x_{it}} - \max \,{x_{it}})} \right]}}$ | (1) |
其中,
$Index{X_{it}}{\rm{ = 100}} \times {e^{\left[ {{\rm{ - (}}{x_{it}} - fit\,{x_{it}}{)^2}/2{a^2}} \right]}}$ | (2) |
其中,
2. 寿险公司经营属性
本文参考徐国祥等(2008)和原保监会编制的《保险公司法人机构经营评价指标》对经营指标进行主观赋权。为了更好地挖掘每项指标的贡献性,赋予所有指标相等权重。
表2反映了寿险行业2010—2018年各种经营属性的描述性统计情况。无论金融属性还是保障属性,各个公司差异都较大。以金融属性为例,各公司的最小值为2.2484,最大值为76.8215,5%的分位数为4.6948,95%的分位数是41.3979,说明行业中寿险公司的金融属性强弱呈两极分化态势。从2010—2018年寿险行业两类指标均值的变化趋势上看,金融属性在2013年最低,2017年最高;保障属性在2015年达到最低,尽管在2016年后有所提高,但距离2012年的峰值还有较大差距。
属性 | 观测值 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 | 95%分位数 | 5%分位数 |
金融属性 | 523 | 17.9757 | 15.2636 | 12.1746 | 2.2484 | 76.8215 | 41.3979 | 4.6948 |
保障属性 | 523 | 42.0473 | 45.3809 | 18.0270 | 0 | 94.6330 | 71.4956 | 15.3041 |
数据来源:作者整理所得,指标值按从低到高排序,以此得出5%和95%的分位数。 |
四、研究设计
(一)研究样本
以2010年至2018年的沪深两市A股上市公司为研究样本,并剔除了PT、ST类上市公司。由于解释变量需要使用滞后一期的数据,剔除了当年上市的股票样本。考虑到金融机构的特殊性,又剔除了金融类上市公司样本,最终得到3 271家上市公司21 472个年度观测值。接着,整理了各家寿险机构持股情况的固定季度公告,将寿险公司对上市公司的季度平均持股比例作为寿险公司当年的持股比例。然后,将寿险机构持股的上市公司全样本进行了匹配,确定了各家上市公司是否有寿险机构持股、持股的寿险机构数目、寿险公司持有的上市公司股票比例等相关信息。所用的上市公司交易数据和财务数据来自国泰安数据库,保险公司在二级市场的详细持股数据来自万德数据库。
A股市场寿险公司持股的情况如表3所示。2018年的3 271家样本上市公司中,共有597家有寿险机构持股,占比为18.52%,寿险资金的平均持股比例为2.67%。样本中的113家上市公司被多家寿险机构持股,最多有4家寿险机构持股同一家上市公司;寿险机构持股上市公司比例较高的年度是2015和2016年,有寿险机构持股的上市公司比例分别为37.91%和37.29%。
年度 | 股票数目: 总量 |
股票数目: 寿险资金持股 |
寿险资金持股
数目占比 |
单只股票寿险资金
平均持股比例 |
股票数目: 多家寿险公司持股 |
单只股票最大持股
寿险公司数目 |
2010 | 1 606 | 604 | 37.61% | 2.54% | 184 | 4 |
2011 | 1 908 | 740 | 38.78% | 2.60% | 254 | 5 |
2012 | 2 135 | 735 | 34.43% | 2.66% | 238 | 5 |
2013 | 2 219 | 689 | 31.05% | 2.41% | 224 | 5 |
2014 | 2 262 | 714 | 31.56% | 2.38% | 216 | 5 |
2015 | 2 482 | 941 | 37.91% | 2.61% | 281 | 4 |
2016 | 2 601 | 970 | 37.29% | 2.56% | 259 | 5 |
2017 | 9 88 | 836 | 27.98% | 2.50% | 202 | 5 |
2018 | 3 271 | 597 | 18.25% | 2.67% | 113 | 4 |
(二)主要变量
1. 因变量:股价崩盘风险
借鉴已有研究(许年行等,2013;Deng等,2018),以经市场调整后的周收益率负偏度指标(NCSKEW)及股价上升和下降阶段波动性的差异(DUVOL)两项指标衡量股价崩盘风险。其中,NCSKEW值越大表示偏度系数负的程度越严重;DUVOL值越大代表收益率分布更倾向于左偏。因此,两项指标值越大代表崩盘风险越高。
(1)NCSKEW 指标。通过式(3)对个股周收益率
$ {R}_{i, t}={\beta }_{0}+{\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}+{\epsilon }_{i, t} $ | (3) |
NCSKEW指标的计算如式(4)所示:
$ NCSKE{W}_{i, t}=-[n{\left(n-1\right)}^{{\frac{3}{2}}}\sum {W}_{i, t}^{3}]/\left[\left(n-1\right)\left(n-2\right){\left(\sum {W}_{i, t}^{2}\right)}^{{\frac{3}{2}}}\right] $ | (4) |
式(4)中,n为股票i在第t年交易的周数。
(2)DUVOL指标。DUVOL指标的计算如式(5)所示:
$ DUVOL=\ln \left\{\right[\left({n}_{u}-1\right)\sum\nolimits_{down}{W}_{i, t}^{2}]/[\left({n}_{d}-1\right)\sum\nolimits_{up}{W}_{i, t}^{2}\left]\right\} $ | (5) |
其中,
2. 主要解释变量
(1)经营属性。③本文主要分析与没有寿险机构持股的上市公司相比,金融属性(保障属性)强/弱的寿险机构持股上市公司是否显著影响了上市公司的股价崩盘风险,以此判断不同经营属性的寿险机构对资本市场稳定性影响的差异。将第三部分计算得到的保险公司金融属性指数和保障属性指数分别以当年中位数为界分为两组,高金融属性组(FHigh)、低金融属性组(FLow)和高保障属性组(IHigh)、低保障属性组(ILow)四个虚拟变量作为主要解释变量。
(2)保险公司持股比例。将寿险机构年度持股数据,按持股比例低于5%,持股比例大于5%但不是控股股东与是控股股东,分为低(HLow)、中(HMid)、高(HHigh)三组。
3. 控制变量
参考许年行(2013)和王化成等(2015)设定控制变量,具体如表4所示:
控制变量 | 符号 | 定义 |
换手率变化 | Turn | 股票i换手率的变化,本年度换手率较上年度换手率变化的百分比 |
周收益率均值 | Ret | 股票i在t年周收益率均值 |
周收益率波动率 | Sigma | 股票i在t年的周收益率标准差 |
资产规模 | Size | 股票i总资产的自然对数 |
账面市值比 | BM | 股票i净资产比权益市值 |
杠杆率 | Lev | 股票i总负债与总资产之比 |
资产回报率 | Roa | 净利润与总资产之比 |
信息不对称 | Dac | 调整Jones模型估计得到的可操纵应计 |
(三)计量模型的设定
为研究假设H1,使用式(6)检验与没有寿险机构持股的上市公司相比,金融属性较强的寿险机构是否会提高所持股票的崩盘风险,保障属性较强的寿险机构是否会降低所持股票的崩盘风险。
$ Cras{h}_{i,t}={\beta }_{0}+{\beta }_{1}Typ{e}_{i, a, t-1}+Contro{l}_{i, t-1} $ | (6) |
其中,
为研究假设H2,利用式(7)检验寿险机构持股比例对经营属性与股价崩盘风险关系的调节作用。
$ Cras{h}_{i,t}={\beta }_{0}+{\beta }_{1}HTyp{e}_{i,a,t-1}+Contro{l}_{i,t-1} $ | (7) |
式(7)中,
(四)主要变量的描述性统计
主要研究变量的描述性统计特征如表5所示。DUVOL和NCSKEW的均值(标准差)分别为−0.181(0.556)和−0.018(0.112),位于合理区间范围内。从标准差可以发现,用这两项指标衡量的股价崩盘风险在样本公司间存在较大的差异。
变量 | 观测值 | 均值 | 最小值 | 中位数 | 最大值 | 标准差 |
DUVOL | 21 460 | −0.181 | −3.787 | −0.174 | 3.3949 | 0.556 |
NCSKEW | 21 460 | −0.018 | −0.765 | −0.014 | 0.8949 | 0.112 |
FIN | 6 826 | 14.051 | 4.154 | 10.784 | 76.8213 | 9.6371 |
INSUR | 6 826 | 48.637 | 0.000 | 48.907 | 94.633 | 16.0357 |
Ret(%) | 21 472 | 0.033 | −3.379 | −0.094 | 7.9437 | 0.9555 |
Sigma(%) | 21 472 | 6.439 | 0.000 | 5.826 | 27.277 | 2.724 |
BM | 21 472 | 0.388 | −1.693 | 0.332 | 2.046 | 0.258 |
Lev(%) | 21 472 | 44.07 | −19.470 | 42.366 | 2 945.40 | 35.7321 |
Roa(%) | 21 472 | 4.53 | −671.39 | 3.99 | 2078.76 | 17.99 |
Dac | 20 788 | 0.089 | 0.000 | 0.051 | 18.3454 | 0.2673 |
Turn(%) | 18 180 | 7.630 | −100 | −16.569 | 1,045 | 79.211 |
Size | 21 471 | 3.772 | −4.657 | 3.536 | 12.532 | 1.497 |
五、实证结果分析
(一)经营属性与股价崩盘风险
本文首先验证了寿险公司经营属性对上市企业未来股价崩盘风险的影响,结果如表6列(1)至列(4)所示:ILow和IHigh项的系数都显著且符号相反,说明相对于没有寿险资金持股的上市公司,保障属性较强的保险机构持股上市公司会降低上市公司股价崩盘风险,同时保障属性较弱的保险机构持股上市公司会增加上市公司崩盘风险;FHigh项的系数均显著为正(分别在1%和5%的显著性水平下),说明金融属性较强的保险机构持股上市公司同样会提高上市公司崩盘风险。表6列(5)和列(6)同时考虑了保险机构的金融属性和保障属性,结果显示,当保障属性较强且金融属性较弱的保险公司持股上市公司时,股价崩盘风险会显著降低;而当上市公司被保障属性较低且金融属性较强的保险公司持股时,股价崩盘风险会显著提高。综合来说,实证结果与研究假设H1一致。
模型变量 | (1)DUVOL | (2)NCSKEW | (3)DUVOL | (4)NCSKEW | (5)DUVOL | (6)NCSKEW |
ILow | 0.0279***(2.6633) | 0.0052**(2.4392) | ||||
IHigh | −0.0539**(−2.3887) | −0.0088**(−1.9926) | ||||
FLow | 0.0067(0.6023) | 0.0018(0.8109) | ||||
FHigh | 0.0425***(2.6696) | 0.0071**(2.1859) | ||||
ILow_FHigh | 0.0198*(1.6939) | 0.0043*(1.7776) | ||||
ILow_FLow | 0.0486***(2.8612) | 0.0077**(2.2247) | ||||
IHigh_FLow | −0.0789***(−2.9798) | −0.0139**(−2.5629) | ||||
IHigh_FHigh | 0.0066(0.1636) | 0.0037(0.4509) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
年度固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 15 070 | 15 070 | 15 070 | 15 070 | 15 070 | 15 070 |
R-squared | 0.0797 | 0.0660 | 0.0792 | 0.0657 | 0.0801 | 0.0663 |
注:***、**、* 分别表示参数估计在1%、5%、10%的显著性水平下是显著的,括号内为t值,下同。列(1)和列(2)主要解释变量为高保障属性组(IHigh)和低保障属性组(ILow)两个虚拟变量;列(3)和列(4)主要解释变量为高金融属性组(FHigh)和低金融属性组(FLow)的两个虚拟变量;列(5)和列(6)主要解释变量为低保障属性—高金融属性组(ILow_FHigh)、低保障属性—低金融属性组(ILow_FLow)、高保障属性—低金融属性(IHigh_FLow)、高保障属性—高金融属性(IHigh_FHigh)四个虚拟变量。 |
(二)持股比例对股价崩盘风险的影响
考虑持股比例后,经营属性分化对股价崩盘风险影响的具体结果如表7所示。列(1)和列(2)中,IHigh_HLow、IHigh_HMid、IHigh_HHigh的系数都显著为负,说明上市公司被保障属性较强的保险公司持股时,在任一种情形下,不管是持股比例低于5%、持股比例大于5%但不是控股股东或是控股股东时,都可以显著抑制股价崩盘风险。此外IHigh_HLow、IHigh_HMid、IHigh_HHigh三项系数的绝对值逐渐递增,表明对于随着持股比例的上升,保障属性对股价“稳定器”的作用相应增强。相反,通过表7列(3)和列(4)可以发现,金融属性较强的保险公司在未控股上市公司前,随着持股比例的上升,会显著加剧上市企业股价崩盘风险,这也是监管机构批评恒大人寿等公司“短线炒作”的主因。此外,FHigh_HHigh的系数不显著为负,说明金融属性较强的保险公司控股上市企业时会降低崩盘风险,但并不显著。
模型 | (1) | (2) | 模型 | (3) | (4) | |
变量 | DUVOL | NCSKEW | 变量 | DUVOL | NCSKEW | |
ILow_HLow | 0.0248** | 0.0047** | FLow_HLow | 0.0003 | 0.0008 | |
(2.3004) | (2.1122) | (0.0277) | (0.3567) | |||
ILow_HMid | 0.0622** | 0.0117** | FLow_HMid | 0.0021 | 0.0101 | |
(2.2303) | (2.0538) | (0.8787) | (1.2545) | |||
ILow_HHigh | −0.0433 | −0.0060 | FLow_HHigh | −0.2685** | −0.0743* | |
(−1.5505) | (−1.5517) | (−1.8813) | (−1.8632) | |||
IHigh_HLow | −0.0671*** | −0.0123*** | FHigh_HLow | 0.0448*** | 0.0065* | |
(−2.8982) | (−2.5891) | (2.6314) | (1.8527) | |||
IHigh_HMid | −0.1738* | −0.0522*** | FHigh_HMid | 0.0922** | 0.0113 | |
(−1.9219) | (−2.8142) | (2.1281) | (1.5120) | |||
IHigh_HHigh | −0.3615* | −0.0931** | FHigh_HHigh | −0.3765 | −0.0472 | |
(−1.6879) | (−2.2391) | (−0.9846) | (−0.6024) | |||
控制变量 | 控制 | 控制 | 控制变量 | 控制 | 控制 | |
行业固定效应 | 控制 | 控制 | 行业固定效应 | 控制 | 控制 | |
年度固定效应 | 控制 | 控制 | 年度固定效应 | 控制 | 控制 | |
观测值 | 15 070 | 15 070 | 观测值 | 15 070 | 15 070 | |
R-squared | 0.0804 | 0.0671 | R-squared | 0.0799 | 0.0663 | |
注:列(1)和列(2)为保障属性与持股比例组合形成的6个虚拟变量;列(3)和列(4)为金融属性与持股比例组合形成的6个虚拟变量。 |
(三)监管政策
监管政策对保险资金投资风格和投资方向具有重要的影响。2016年末,监管部门明确表态不支持保险资金短期大量频繁炒作股票。2017年初,原中国保监会为加强保险资金投资监管,坚持“保险姓保”,防范个别公司的激进投资行为和集中度风险,维护保险资产安全和金融市场稳定健康发展,出台了多项政策④。
为检验强化监管是否对寿险机构持股带来的崩盘风险产生了调节作用,在式(6)中分别加入了ILow×Post2017、IHigh×Post2017和FLow×Post2017、FHigh×Post2017的交乘项,其中Post2017是虚拟变量,监管强化(2017年)当年及之后为1,否则为0。使用准自然实验的方法验证2017年监管加强后保险公司经营属性对股价崩盘风险的影响。实证结果如表8所示。
从表8中可以看出,FHigh×Post2017和ILow×Post2017的系数皆显著为负,表明2017年加强对保险公司投资资金的监管后,相对于没有寿险机构持股的股票,金融属性较高或者保障属性较低的寿险机构所持股票股价崩盘风险显著降低,监管政策对寿险机构的投机行为起到了明显的限制作用。与此同时,可发现对于保障属性较强的保险公司,文件发布对其并没有显著影响,符合我们的假设,即中国人寿、中国平安和太平洋人寿这类保障属性较强的传统寿险公司,一直发挥着资本市场“压舱石”的作用。
模型 | (1) | (2) | 模型 | (3) | (4) | |
变量 | DUVOL | NCSKEW | 变量 | DUVOL | NCSKEW | |
FLow | 0.0044(1.4628) | 0.0064(1.4332) | ILow | 0.0405***(3.3978) | 0.0070***(3.3027) | |
FHigh | 0.0533***(2.8369) | 0.0080**(2.0854) | IHigh | −0.0286**(−2.1165) | −0.0045*(1.8777) | |
FLow×Post2017 | −0.1005*(−1.8963) | −0.0068(−1.4204) | ILow×Post2017 | −0.0475**(−2.0245) | −0.0036*(−1.8401) | |
FHigh×Post2017 | −0.1016**(−2.2130) | −0.0221**(−2.2985) | IHigh×Post2017 | 0.0035(0.3587) | −0.0008(−0.2399) | |
Post2017 | 0.0142(0.7413) | 0.0180***(4.5911) | Post2017 | 0.0153(0.8001) | 0.0174***(4.5264) | |
控制变量 | 控制 | 控制 | 控制变量 | 控制 | 控制 | |
行业固定效应 | 控制 | 控制 | 行业固定效应 | 控制 | 控制 | |
年度固定效应 | 控制 | 控制 | 年度固定效应 | 控制 | 控制 | |
观测值 | 15 070 | 15 070 | 观测值 | 15 070 | 15 070 | |
R-squared | 0.0803 | 0.0664 | R-squared | 0.0805 | 0.0666 |
六、机制检验
(一)股价同步性
上述研究表明,金融属性较强的保险公司持股会增加股票的崩盘风险,而保障属性较强的保险公司持股会降低股票的崩盘风险。本文认为,上述现象产生的重要原因在于两种类型的保险公司会对股价同步性产生不同的影响。股价同步性的大小与公司层面特质信息的含量呈反比,与市场层面的信息含量呈正比,股价同步性越高,说明个股的价格波动容易受到市场情绪的影响,增加了公司股价的崩盘风险。对于金融属性强的保险公司,经营特征的本质性变化会使其投资行为趋同于证券投资基金,许年行等(2013)、苏冬蔚和熊家财(2013)的研究都发现证券投资基金持股会降低股价中私有信息的含量,造成股价同步性显著上升并导致股价出现“同涨同跌”。相反,传统保险资金的市场交易会增加股价中的特质性信息,进而降低股价同步性(尹雷,2010)。基于上述分析,建立以下模型检验保险机构持股与股价同步性的关系,以及持股比例对两者关系的影响,如式(8)和式(9)所示:
$ SY{N}_{i,t}={\beta }_{0}+{\beta }_{1}Typ{e}_{i,a,t}+Contro{l}_{i,t} $ | (8) |
$ SY{N}_{i,t}={\beta }_{0}+{\beta }_{1}Typ{e}_{i,a,t}\times Hol{d}_{i,t}+Contro{l}_{i,t} $ | (9) |
式(8)中,被解释变量
$ SY{N}_{i,t}=\mathrm{ln}\left(\frac{{R}_{i,t}^{2}}{1-{R}_{i,t}^{2}}\right) $ | (10) |
式(10)中,
模型变量 | (1)SYN | 模型变量 | (2)SYN | |
ILow | 0.0188(1.6093) | FLow | 0.0003(0.8867) | |
IHigh | −0.0190**(−2.1802) | FHigh | 0.0101**(2.0479) | |
控制变量 | 控制 | 控制变量 | 控制 | |
行业固定效应 | 控制 | 行业固定效应 | 控制 | |
年度固定效应 | 控制 | 年度固定效应 | 控制 | |
观测值 | 14 560 | 观测值 | 14 560 | |
R-squared | 0.3335 | R-squared | 0.3336 |
模型变量 | (1)SYN | 模型变量 | (2)SYN | |
ILow_HLow | 0.0219***(6.5280) | FLow_HLow | 0.0014(0.7645) | |
ILow_HMid | −0.0116(−1.3353) | Flow_HMid | 0.0026(0.2297) | |
ILow_HHigh | −0.0110(−0.1963) | FLow_HHigh | −0.0712(1.5954) | |
IHigh_HLow | 0.0111(1.5505) | FHigh_HLow | 0.0176***(3.3423) | |
IHigh_HMid | −0.0729***(−3.1352) | FHigh_HMid | 0.0321***(2.6377) | |
IHigh_HHigh | −0.0924**(−2.2569) | FHigh_HHigh | 0.0072(1.3650) | |
控制变量 | 控制 | 控制变量 | 控制 | |
行业固定效应 | 控制 | 行业固定效应 | 控制 | |
年度固定效应 | 控制 | 年度固定效应 | 控制 | |
观测值 | 14 560 | 观测值 | 14 560 | |
R-squared | 0.3343 | R-squared | 0.3347 |
表9(式(6)的回归结果)的列(1)中,IHigh项的系数显著为负,列(2)中FHigh项的系数显著为正,表明保障属性较强的保险机构持股会降低股价同步性,而金融属性较强的保险机构持股会提高股价同步性。表10报告了式(9)的回归结果,其中列(1)IHigh_HMid和IHigh_HHigh的系数都显著为负,且系数绝对值逐渐增大,表明对于保障属性较强的保险机构,随着持股比例的上升,所持股票股价同步性会显著下降。对于金融属性较强的保险机构(表10列(2)),在成为上市公司第一大股东前,随着持股比例的上升,股价同步性也会逐步上升。
(二)羊群效应
与传统保险资金主要定位于长期价值投资相比,金融属性较强的保险机构由于承保业务成本较高,投资目标上更加注重提高短期绝对收益率。现实中,单家保险机构在资金规模上远远大于其他机构投资者,金融属性较强的寿险公司在市场上的短期频繁交易会引发市场关注,其他机构投资者和散户都有动机模仿和跟随寿险机构的交易行为,从而产生羊群效应。羊群效应会使投资者忽略自身所掌握的私有信息而根据其他投资者的投资决策做出投资选择,导致其所掌握的私有信息无法融入到股价中,从而降低了资本市场的信息透明度和定价效率,提高了崩盘风险(Bikhchandani和Sharma,2001)。为检验这一机制,本文参考Chang等(2000)和孙培源等(2002)的研究,使用基于CAPM模型的CSAD方法研究了保险机构持股是否会产生行业层面的羊群效应,模型如下:
$ CSA{D}_{i,t}={\beta }_{0}+{\beta }_{1}{R}_{M,t}^{2}+{\beta }_{2}{R}_{M,t}^{2}\times Chang{e}_{i,t-1}+{\beta }_{3}\left|{R}_{M,t}\right|+{\beta }_{4}\left|{R}_{M,t}\right|\times Chang{e}_{i,t-1} $ | (11) |
式(11)中,被解释变量
$ CSA{D}_{i,t}=\frac{1}{N}\sum\nolimits_{j=1}^{N}\left|{R}_{j,t}-{R}_{M,t}\right| $ | (12) |
式(12)中
式(11)中,
模型变量 | (1)CSAD | (2)CSAD | (3)CSAD | (4)CSAD |
$ \left|{R}_{M}\right| $
|
0.5230***(6.2205) | 0.5312***(6.2008) | 0.5308***(6.2242) | 0.5272***(6.1252) |
$ \left|{R}_{M}\right|\times Change $
|
0.0154(1.0539) | −0.0106(−0.8463) | 0.0383(1.3318) | −0.0011(−0.1096) |
$ {R}_{M}^{2} $
|
−2.4684***(−4.3300) | −2.4639***(−4.1384) | −2.4593***(−4.1663) | −2.4476***(−4.1228) |
$ {R}_{M}^{2}\times Change $
|
−4.4044**(−1.9965) | 0.7151(0.3409) | −0.2298(−0.6958) | 2.5344***(3.1240) |
控制变量 | 控制 | 控制 | 控制 | |
行业固定效应 | 控制 | 控制 | 控制 | 控制 |
季度固定效应 | 控制 | 控制 | 控制 | 控制 |
观测值 | 2 651 | 2 651 | 2 651 | 2 651 |
R-squared | 0.4739 | 0.4723 | 0.4724 | 0.4729 |
注:括号中t值并由行业异方差稳健标准误计算得到。列(1)Change项为t−1季度行业i中高金融属性保险机构总持股比例变化,列(2)Change项为t−1季度行业i中低金融属性保险机构总持股比例变化,列(3)Change项为t−1季度行业i中低保障属性保险机构总持股比例变化,列(4)Change项为t−1季度行业i中高保障属性保险机构总持股比例变化。 |
(三)持股稳定性
本文理论分析的一个关键假设是,金融属性较强的保险机构在持股行为上表现出明显的投机特点,交易更为频繁。为验证这一假设,本文对金融属性(保障属性)与保险机构持股稳定性间的关系进行了研究,具体模型如下:
$ {Stable}_{i,j,t}={\beta }_{0}+{\beta }_{1}typ{e}_{j}+{Control}_{i,j,t} $ | (13) |
式(13)中,被解释变量
模型变量 | (1)Stable1 | (2)Stable1 | (3)Stable1 | (4)Stable2 | (5)Stable2 | (6)Stable2 |
FIN | −0.0371*** (−9.9410) |
−0.0408*** (−10.8991) |
−0.0287*** (−8.0488) |
−0.0308*** (−8.6031) |
||
INSUR | 0.0127*** (8.0332) |
0.0146*** (9.1904) |
0.0070*** (4.5917) |
0.0084*** (5.5041) |
||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
个体固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
季度固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
观测值 | 22 578 | 22 578 | 22 578 | 22 578 | 22 578 | 22 578 |
R-squared | 0.5641 | 0.5633 | 0.5662 | 0.4885 | 0.4872 | 0.4893 |
注:列(1)至列(3)被解释变量Stable1为非零持股节点数(Non-zero-points),列(1)至列(3)被解释变量Stable2为非减持节点数(Maintain-stake-points)。回归结果控制了保险机构−个股层面的个体固定效应和季度固定效应。 |
表12中列(1)、列(3)、列(4)和列(6)中,FIN项的系数皆在1%水平下显著为负,表明随着保险机构金融属性的上升,其持股稳定性会显著下降;相对应地,列(2)、列(3)、列(5)和列(6)中,INSUR项的系数皆在1%水平下显著为正,表明保障属性较强的保险机构持股稳定性较高。
七、总结与建议
本文从经营属性异质性角度出发,探讨了保险公司经营属性对资本市场稳定性的影响,丰富了相关领域的研究。研究发现:第一,金融属性较强的寿险公司持股上市公司时,加剧了股价未来的崩盘风险;保障属性较强的寿险公司持股上市公司时,抑制了股价未来的崩盘风险;第二,保险公司金融属性较强且持股上市公司的比例较小时,会显著提高股价未来的崩盘风险;第三,2017年,监管机构加强了对保险公司投资行为的监管,金融属性较高或者保障属性较低的寿险公司的“激进投资”行为得到了有效控制,保障属性较强的寿险公司的投资行为没有受到显著影响;第四,我们对股价同步性、羊群行为和持股周期进行的机制检验进一步证实了上述结论。作为重要的机构投资者,保险公司在实际经营中需要协调金融属性与保障属性,继续当好社会风险管理的“压舱石”。因此,监管机构需要从微观和中观两个层面来识别保险公司经营属性并进行治理,引导保险公司回归保障本源,推动我国保险业高质量发展。
① 离差标准化可以消除观测值量纲和变量自身变异大小因素的影响。
② 受篇幅限制,各家寿险公司在样本区间的经营属性没在正文中列出,详细内容可见工作论文。
③ 对于多家寿险机构同时持有同一家上市公司的情况,我们按持股比例对金融(保障)属性加权平均值。
④ 《关于进一步加强保险监管 维护保险业稳定健康发展的通知》《关于进一步加强保险业风险防控工作的通知》《关于强化保险监管 打击违法违规行为 整治市场乱象的通知》《关于保险业支持实体经济发展的指导意见》《关于弥补监管短板 构建严密有效保险监管体系的通知》等系列文件,简称“1+4”系列文件。
[1] | 曹丰, 鲁冰, 李争光, 徐凯. 机构投资者降低了股价崩盘风险吗[J]. 会计研究, 2015(11): 55–61. DOI:10.3969/j.issn.1003-2886.2015.11.008 |
[2] | 陈国进, 张贻军, 刘淳. 机构投资者是股市暴涨暴跌的助推器吗? —来自上海A股市场的经验证据[J]. 金融研究, 2010(11): 45–59. |
[3] | 韩浩, 宋亚轩, 刘璐. 险资举牌对被举牌公司股价波动的影响研究——基于事件研究法的实证分析[J]. 保险研究, 2017(8): 73–88. |
[4] | 刘璐, 王向楠, 张文欣. 保险机构持股行为对上市公司股价波动的影响[J]. 保险研究, 2019(2): 28–40. |
[5] | 盛军锋, 邓勇, 汤大杰. 中国机构投资者的市场稳定性影响研究[J]. 金融研究, 2008(9): 143–151. |
[6] | 苏冬蔚, 熊家财. 股票流动性、股价信息含量与CEO薪酬契约[J]. 经济研究, 2013(11): 56–70. |
[7] | 孙培源, 施东晖. 基于CAPM的中国股市羊群行为研究——兼与宋军、吴冲锋先生商榷[J]. 经济研究, 2002(2): 64–70. |
[8] | 王化成, 曹丰, 叶康涛. 监督还是掏空: 大股东持股比例与股价崩盘风险[J]. 管理世界, 2015(2): 45–57. |
[9] | 王咏梅, 王亚平. 机构投资者如何影响市场的信息效率——来自中国的经验证据[J]. 金融研究, 2011(10): 112–126. |
[10] | 魏华林. 保险的本质、发展与监管[J]. 金融监管研究, 2018(8): 1–20. DOI:10.3969/j.issn.2095-3291.2018.08.001 |
[11] | 吴晓晖, 郭晓冬, 乔政. 机构投资者抱团与股价崩盘风险[J]. 中国工业经济, 2019(2): 119–137. |
[12] | 夏常源, 王靖懿, 傅代国. 保险资金持股与股价崩盘风险—市场“稳定器”还是崩盘“加速器”?[J]. 经济管理, 2020(4): 158–174. |
[13] | 徐国祥, 李宇海, 王博. 我国保险公司经营状况综合评价研究[J]. 统计研究, 2008(4): 76–81. DOI:10.3969/j.issn.1002-4565.2008.04.013 |
[14] | 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[J]. 管理世界, 2013(7): 31–43. |
[15] | 杨海燕, 韦德洪, 孙健. 机构投资者持股能提高上市公司会计信息质量吗? ——兼论不同类型机构投资者的差异[J]. 会计研究, 2012(9): 16–23. DOI:10.3969/j.issn.1003-2886.2012.09.003 |
[16] | 余海宗, 何娜, 夏常源. 保险资金持股与内部控制有效性研究[J]. 审计研究, 2019(5): 77–85. DOI:10.3969/j.issn.1002-4239.2019.05.011 |
[17] | 尹雷. 机构投资者持股与股价同步性分析[J]. 证券市场导报, 2010(3): 72–77. |
[18] | 仲赛末, 赵桂芹. 经营模式对寿险公司财务状况的影响—基于资产负债管理视角[J]. 经济管理, 2018(9): 155–172. |
[19] | Bikhchandani S, Sharma S. Herd behavior in financial markets[J]. IMF Staff Papers, 2001, 47: 279–310. |
[20] | Cheng J, Elyasiani E, Jia J. Institutional ownership stability and risk taking: evidence from the life–health insurance industry[J]. Journal of Risk and Insurance, 2011, 78(3): 609–641. |
[21] | Chang E C, Cheng J W, Khorana A. An examination of herd behavior in equity markets: an international perspective[J]. Journal of Banking & Finance, 2000. |
[22] | Crane A D, Koch A, Sébastien M. Institutional investor cliques and governance[J]. Journal of Financial Economics, 2019, 133(1): 175–197. DOI:10.1016/j.jfineco.2018.11.012 |
[23] | Cummins J D, Weiss M A. Systemic risk and the U.S. insurance sector[J]. Journal of Risk and Insurance, 2014, 81(3): 489–528. DOI:10.1111/jori.12039 |
[24] | Deng X, Hung S, Qiao Z. Mutual fund herding and stock price crashes[J]. Journal of Banking & Finance, 2018, 94(9): 166–184. |
[25] | Eling M, Pankoke D A. Systemic risk in the insurance sector: a review and directions for future research: systemic risk in the insurance sector[J]. Risk Management and Insurance Review, 2016, 19(2): 249–284. DOI:10.1111/rmir.12062 |
[26] | Jiang F, Kim K A. Corporate governance in China: a modern perspective[J]. Journal of Corporate Finance, 2015, 32(3): 190–216. |