一、引 言
自供给侧改革推进以来,中国经济呈现稳定增长趋势,结构调整步伐平稳。然而,面对复杂多变的国际形势和经济全球化的现实,中国经济发展依然面临较大的压力,金融风险等不确定因素在不断累积,各类突发事件屡见不鲜。比如,在2015年6月至9月短短三个月内,上海证券综合指数暴跌,投资者损失惨重。又如,2018年中国股灾,上海证券指数由1月29日的3587跌至12月28日的2493。此外,不少企业因为经营原因而出现股价暴跌等现象,如金亚科技2016年结束复牌后的跌停、长春长生2018年疫苗案的爆发等。在此背景下,如何更好地防范化解系统性金融风险,顺利推进经济新常态发展,就成为当前亟需解决的重要难题。2017年金融会议指出:“要提高防范化解金融风险能力,以强化金融监管为重点,以防范系统性金融风险为底线,加快相关法律法规建设”。2019年党的十九届四中全会也明确提出:“要加强资本市场基础制度建设,健全具有高度适应性、竞争力、普惠性的现代金融监管体系,有效防范化解金融风险”。制度和现实背景反映出防控和化解金融风险的急迫性和重要性,而金融风险又与中国资本市场发展息息相关。同时,作为当前金融风险的具体表现之一,股价崩盘严重危害着投资者的个人财富和证券市场的健康发展,且易被量化,因而长期以来成为学术界和实务界所关注的重点对象。鉴于此,从股价崩盘的角度探讨和厘清经济周期与金融风险之间的关系,以有效防范化解金融风险,促进经济稳定增长,这不仅具有很好的学术价值,还具有一定的现实意义。
经济学理论表明,经济的扩张或衰退会影响企业外部环境。经济周期变化会使企业经营环境的不确定性增大(陈冬等,2016),进而影响企业行为策略。有学者就经济周期影响企业行为问题展开了研究。比如,Begenau和Salomao(2019)分析了经济周期对不同规模公司债务融资和股权融资的影响。Jiang等(2015)考察了经济周期如何影响企业管理层的盈利预测频率和预测误差。Dangl和Wu(2016)还从投资水平的角度研究了经济周期对管理者和投资者的心理作用。而遗憾的是,鲜有学者从股价崩盘风险的角度对经济周期问题进行探讨。
理论上,作为企业经营发展所依托的外部环境,经济周期会对投资者和管理者的心理预期以及公司投融资环境产生一定影响,从而影响企业股价崩盘风险。具体地,在经济扩张期间,市场良好的发展趋势会给予管理者和投资者更大的信心,从而导致过度自信和产生心理偏差。同时,经济扩张周期还会改变企业投融资环境,使企业的外部融资能力和投资动机增强,进而带来更高的股价崩盘风险。当然,上述逻辑推理有待实证检验。
本文以2011—2017年中国A股上市公司为样本,从股价崩盘的角度检验了经济周期与金融风险之间的关系,并分析了行业垄断、经济政策不确定性和地区经济发展水平等情境因素在上述关系中的作用,以及经济周期影响股价崩盘风险的关键机制。本文可能的贡献主要体现在:第一,现有文献主要从企业行为等角度考察经济周期问题(Dangl和Wu,2016;陈武朝,2013),本文则是从股价崩盘风险角度进行研究。这不仅丰富了经济周期领域的研究文献,还有助于防控化解金融风险,促进经济稳定发展。第二,现有文献大多从动因和内外部治理机制角度分析对股价崩盘风险的影响(Yin和Tian,2017;An等,2018),本文则立足于中国当前发展现状和宏观现实,从股价崩盘角度检验了经济周期与金融风险之间的关系,从而拓展了股价崩盘风险的影响因素研究。第三,结合行业垄断、经济政策不确定性和地区经济发展水平等情境因素,以及经济周期影响股价崩盘风险的关键机制,本文丰富了对宏观经济周期相关问题的理解,也为不同地区的政府宏观调控和企业优化资源配置提供了一定的参考。
二、文献回顾、理论分析与研究假设
(一)文献回顾
作为金融风险的一种具体表现,股价崩盘指的是股价在较短的时间内呈现大幅下跌状况,通常是由过度隐瞒负面消息而集中爆发所致。信息隐藏假说认为,企业管理层有动机和能力故意隐瞒企业的负面消息,动机可能来源于管理层个人私利、职业发展等。负面消息累积到一定程度而集中爆发后,会造成公司股价暴跌。基于信息隐藏假说,国内外学者主要从公司内部成员和外部环境两个角度,研究了造成股价崩盘的原因以及如何降低股价崩盘风险。
从内部成员角度考察股价崩盘风险动因的研究主要关注了管理层能力(Habib和Hasan,2017)、CEO年龄(Andreou等,2017)和投资者情绪(Yin和Tian,2017)等因素。而从外部环境角度研究股价崩盘风险动因的文献则关注了民族文化(An等,2018)、SOX法令(Lobo等,2020)和社会责任信息强制披露政策(田利辉和王可第,2017)。此外,有学者还发现股票流动性和商誉也会对企业股价崩盘风险产生正向影响(Chang等,2017;王文姣等,2017)。
就如何抑制企业股价崩盘风险的问题,学者大多从内部和外部治理机制层面展开分析。关于内部治理机制,现有文献主要从利益相关者、信息质量等角度进行分析。在利益相关者方面,学者发现女性CFO(Li和Zeng,2019)、短期债务放款人(Dang等,2018)以及多个大股东(姜付秀等,2018)都会抑制企业股价崩盘风险。而在信息质量方面,由于信息披露是解决企业信息不对称和代理问题的关键,现有研究大多从管理层对企业年报讨论与分析的信息含量(孟庆斌等,2017)及公司信息披露考评数据(肖土盛等,2017)角度,考察了信息质量对企业股价崩盘的影响。还有学者发现企业股权结构、审计质量(Yeung和Lento,2018)和工会(Liao和Ouyang,2017)也会显著影响企业股价崩盘风险。而关于外部治理机制,现有文献主要从正式制度和非正式制度两个角度进行分析。正式制度主要包括制度惩罚(Chen等,2018)、收购保护(Bhargava等,2017)和国际财务报告准则(Lim等,2016),非正式制度则包括社会信任(Li等,2017)、宗教传统(Li和Cai,2016)和预防性监管(张俊生等,2018)。
由上述文献可知,有关股价崩盘风险动因和内部治理机制的文献较为丰富,但对于宏观经济周期如何影响企业股价崩盘风险却鲜有涉及。因此,本文将深入探讨经济周期对金融风险的可能影响。这不仅有助于科学认识和把握宏观经济发展规律,而且对防范金融风险和促进经济稳定发展具有一定的参考作用。
(二)理论分析与研究假设
作为金融风险的主要表现之一,股价崩盘严重危害着证券市场的健康发展,备受学术界和实务界重视。而导致该现象的主要原因包括坏信息隐瞒和市场信息不对称等。当知情交易者与非知情交易者之间存在信息不对称时,知情交易者拥有更多的私有信息,并以此来判断股价变化,而非知情交易者则只能通过市场信息和知情交易者的行为来推测股价变化。此时,如果管理者隐瞒的坏消息即知情交易者知晓的私有信息被披露,则会造成股价崩盘。
作为公司经营依托的宏观外部环境,经济周期不仅会影响企业管理者的心理特征和投融资水平,导致企业坏消息累积,还会加剧企业金融化,从而增加企业股价崩盘风险。具体地,经济周期主要通过以下四个方面增强管理层隐瞒坏消息的动机,从而导致较高的股价崩盘风险:
第一,经济扩张周期会诱发管理者的心理偏差,产生过度自信等心理变化,从而导致较高的股价崩盘风险。在经济扩张期间,市场呈现良好的发展趋势,管理者的投资倾向较强,但此时的投资行为并非完全理性(张荣武等,2011)。投资者在经济扩张期间对未来经营具有更强的信心,产生过度自信等心理变化。这可能会使投资者错误地高估收益而低估风险,引发企业过度投资,从而增强管理者刻意隐瞒坏消息的动机,导致较高的股价崩盘风险(江轩宇和许年行,2015)。
第二,经济扩张周期会增强管理者的盈余管理动机,从而导致较高的股价崩盘风险。在经济扩张期间,市场呈现繁荣发展的趋势,投资者面对坏消息的反应比面对好消息更加强烈。如果公司同时出现相同程度的好消息与坏消息,坏消息会对公司造成更大的影响。而为了迎合投资者的这种心理,管理者可能会实施盈余管理行为,以释放公司发展良好的信号(王红建等,2015),从而造成部分坏消息被隐瞒,信息失真度上升,会计稳健性下降,从而导致较高的股价崩盘风险。
第三,经济扩张周期会提高公司的外部融资水平,从而增加股价崩盘风险。在经济扩张期间,国家货币政策较为宽松,市场经营环境较好,银行等信贷机构在审核方面也较为宽松(吴华强等,2015)。此时,企业外部融资成本下降,负债融资水平上升(周泽将等,2020),企业有动机和能力进行风险投资。此外,负债融资水平上升还会加剧股东与债权人之间的利益冲突。也就是说,为了实现股东利益最大化,管理者会更多地选择那些能够增加股权价值但减少企业价值的投资项目,从而产生过度投资,导致较高的股价崩盘风险(Landier和Thesmar,2009)。
第四,经济扩张周期会增强企业追逐利益的动机,加剧企业金融化,从而增加企业股价崩盘风险。大多研究表明,中国上市公司大多出于利益最大化动机而进行金融资产投资(顾雷雷等,2020)。而根据上文分析,在经济扩张期间,市场前景较好,管理层的投资倾向较强(张荣武等,2011),此时追逐利润的动机也较强。在此背景下,企业会加大金融资产投资,提高金融化程度。当企业经营出现问题而导致盈利水平下降时,出于个人私利和职业发展的动机,企业管理层可能会将资金投向一些“短平快”的金融项目,以平滑利润和粉饰报表(彭俞超等,2018),从而导致较高的股价崩盘风险。
基于上述分析,本文认为经济扩张周期会诱发管理者的心理偏差,增强盈余管理动机,提高企业的负债融资水平和金融投资水平,从而增加股价崩盘风险。因此,本文提出以下假设:其他条件不变时,经济扩张周期会显著增加企业股价崩盘风险。
三、研究设计
(一)样本选取与数据来源
本文选取2011−2017年中国A股上市公司为初始样本,然后做了如下筛选:第一,剔除金融行业和保险行业的观测值;第二,剔除ST和PT等处于异常状态的观测值;第三,剔除相关数据缺失的观测值。经过筛选后,本文最终得到11899个观测值。此外,为了避免极端值可能带来的不利影响,本文对所有连续变量进行了上下1%的winsorize处理。本文的宏观经济周期数据来自中经网经济统计数据库,其他数据来自CSMAR国泰安数据库,分析软件为stata15.0。
(二)模型设定与变量定义
为了检验经济周期对企业股价崩盘风险的影响,本文参考Lee和Wang(2017)的研究,构建了如下模型:
$ \begin{aligned} CRAS{H_{it}} = & {\beta _0} + {\beta _1}GA{P_{it - 1}} + {\beta _2}CRAS{H_{it - 1}} + {\beta _3}SIZ{E_{it - 1}} + {\beta _4}LE{V_{it - 1}} + {\beta _5}RO{A_{it - 1}} + {\beta _6}TOP{5_{it - 1}} \\ & + {\beta _7}INDE{P_{it - 1}} + {\beta _8}BOAR{D_{it - 1}} + {\beta _9}SAL{A_{it - 1}} + {\beta _{10}}GRO{W_{it - 1}} + {\beta _{11}}ABSAC{C_{it - 1}} \\ & + {\beta _{12}}B{M_{it - 1}} + {\beta _{13}}OTUR{N_{it - 1}} + {\beta _{14}}RE{T_{it - 1}} + {\beta _{15}}SIGM{A_{it - 1}} + IND + {{\epsilon} _{it}} \end{aligned} $ | (1) |
其中,CRASHit表示第t期的股价崩盘风险。本文参考Kim等(2011)的研究,采用NCSKEWit和DUVOLit作为企业股价崩盘风险的度量指标,具体算法如下:
根据式(2),剔除市场因素对个股收益率的影响。式(2)中Rit为公司i的股票在第t周的收益率,RMt为市场第t周的加权平均收益率。残差
$ {R_{it}} = {\alpha _i} + {\beta _1}{R_{Mt - 2}} + {\beta _2}{R_{Mt - 1}} + {\beta _3}{R_{Mt}} + {\beta _4}{R_{Mt + 1}} + {\beta _5}{R_{Mt + 2}} + {{\epsilon } _{it}} $ | (2) |
第一个衡量股价崩盘风险的指标为公司股票负收益偏态系数NCSKEWit,计算方法见式(3),其中n为股票i在第t年交易的周数。
$ NCSKE{W_{it}} = - \left[ {n{{\left( {n - 1} \right)}^{3/2}}\sum {{W^{3}_{it}}} } \right] \Bigg{/} \left[ {\left( {n - 1} \right)\left( {n - 2} \right){{\left( {\sum {{W^{2}_{it}}} } \right)}^{3/2}}} \right] $ | (3) |
第二个衡量股价崩盘风险的指标为公司股票收益率上下波动的比率,记为DUVOLit,计算方法见式(4),其中nu和nd分别为股票i的周回报率高于和低于当年回报率均值的周数。
$ DUVO{L_{it}} = \log \left\{ {\left[ {({n_u} - 1)\sum\limits_{DOWN} {{W^{2}_{it}}} } \right]} \Bigg{/} \left[ {\left( {{n_d} - 1} \right)\sum\limits_{UP} {{W^{2}_{it}}} } \right] \right\} $ | (4) |
NCSKEWit和DUVOLit的数值越大,企业股价崩盘风险越高。
主要解释变量GAPit−1表示为第t−1的经济周期变量。借鉴现有文献(Ravn和Uhlig,2002)的做法,本文采用宏观经济HP滤波方法进行度量。具体地,本文利用HP滤波法剔除2010—2016年中国GDP增长率的长期趋势,得到实际GDP增长率缺口GAP。GAPit−1大于0则表明实际GDP增长率超过预期的实际经济增长率,经济处于扩张阶段;反之,则表明实际GDP增长率低于预期的实际经济增长率,经济处于收缩阶段。
控制变量主要包括企业规模SIZEit−1(期末总资产的自然对数)、财务杠杆LEVit−1(期末负债总额与期末资产总额之比)、盈利能力ROAit−1(净利润与平均资产总额之比)、股权集中度TOP5it−1(前五大股东持股数与总股数之比)、独立董事比例INDEPit−1(独立董事人数与董事会总人数之比)、董事会规模BOARDit−1(董事会总人数的自然对数)、高管薪酬SALAit−1(公司前三位高管薪酬总额的自然对数)、成长能力GROWit−1(主营业收入增长率)、盈余管理水平ABSACCit−1(操纵性应计利润的绝对值,操纵性应计利润通过修正后的Jones模型估计得到)、市账比BMit−1(总资产/(年末股价×流通股股数+每股净资产×非流通股股数))、月均超额换手率OTURNit−1(第t年与第t−1年的股票月平均换手率之差)、股票周特质收益率RETit−1(股票的平均周特质收益率)、股票收益波动率SIGMAit−1(股票周收益率的标准差)以及行业虚拟变量IND(参照中国证监会行业分类标准(2012),涉及17个行业,设置16个虚拟变量)。根据理论预期,式(1)中经济周期变量GAPit−1的系数β1应显著大于0。
为了消除数量级的差异,本文将经济周期变量GAPit−1和股票周特质收益率RETit−1乘以100,将月均超额换手率OTURNit−1除以100。
四、实证结果分析
(一)描述性统计
表1列示了本文主要变量的描述性统计结果。NCSKEWit的均值和标准差分别为−0.2666和0.6886,DUVOLit的均值和标准差分别为−0.1681和0.4713,表明不同上市公司之间的股价崩盘风险波动较大。GAPit−1的最大值和最小值分别为0.4000和−0.7149,标准差为0.3333,表明经济存在一定的周期性波动,但波动幅度较小,发展相对平稳。TOP5it−1的均值为0.5313,表明样本公司前五大股东的平均持股比例为53.13%,反映出中国上市公司的股权较为集中。INDEPit−1的均值为0.3717,表明平均每家公司董事会中有37.17%的董事为独立董事,符合证监会对独立董事占比最低1/3的要求。GROWit−1的标准差为1.4601,表明中国上市公司之间的成长性存在较大差异。
变量 | 观测值 | 均值 | 标准差 | 最小值 | 25%分位数 | 中位数 | 75%分位数 | 最大值 |
NCSKEWit | 11 899 | −0.2666 | 0.6886 | −2.4294 | −0.6402 | −0.2176 | 0.1533 | 1.5544 |
DUVOLit | 11 899 | −0.1681 | 0.4713 | −1.3591 | −0.4764 | −0.1664 | 0.1450 | 1.0435 |
GAPit−1 | 11 899 | −0.0187 | 0.3333 | −0.7149 | −0.1604 | 0.0466 | 0.2434 | 0.4000 |
NCSKEWit−1 | 11 899 | −0.2732 | 0.6789 | −2.3939 | −0.6453 | −0.2278 | 0.1535 | 1.4183 |
DUVOLit−1 | 11 899 | −0.1760 | 0.4681 | −1.3604 | −0.4824 | −0.1749 | 0.1414 | 0.9654 |
SIZEit−1 | 11 899 | 21.9880 | 1.1600 | 19.5245 | 21.1414 | 21.8472 | 22.6750 | 25.8612 |
LEVit−1 | 11 899 | 0.4183 | 0.2090 | 0.0439 | 0.2480 | 0.4114 | 0.5822 | 0.8875 |
ROAit−1 | 11 899 | 0.0534 | 0.0433 | 0.0000 | 0.0210 | 0.0433 | 0.0737 | 0.2248 |
TOP5it−1 | 11 899 | 0.5313 | 0.1526 | 0.1879 | 0.4195 | 0.5370 | 0.6464 | 0.8826 |
INDEPit−1 | 11 899 | 0.3717 | 0.0524 | 0.3333 | 0.3333 | 0.3333 | 0.4000 | 0.5714 |
BOARDit−1 | 11 899 | 2.1504 | 0.1941 | 1.6094 | 2.0794 | 2.1972 | 2.1972 | 2.7081 |
SALAit−1 | 11 899 | 14.1745 | 0.6665 | 12.5073 | 13.7469 | 14.1609 | 14.5856 | 16.0282 |
GROWit−1 | 11 899 | 0.5051 | 1.4601 | −0.6788 | −0.0215 | 0.1530 | 0.4751 | 11.2905 |
ABSACCit−1 | 11 899 | 0.0704 | 0.0836 | 0.0008 | 0.0202 | 0.0459 | 0.0878 | 0.5364 |
BMit−1 | 11 899 | 0.8537 | 0.8325 | 0.0827 | 0.3422 | 0.5764 | 1.0184 | 4.8990 |
OTURNit−1 | 11 899 | 0.3509 | 0.2323 | 0.0334 | 0.1797 | 0.2934 | 0.4619 | 1.1921 |
RETit−1 | 11 899 | −0.1414 | 0.1278 | −0.8138 | −0.1702 | −0.1019 | −0.0627 | −0.0158 |
SIGMAit−1 | 11 899 | 0.0496 | 0.0200 | 0.0179 | 0.0357 | 0.0455 | 0.0588 | 0.1275 |
(二)相关性分析
表2中左下角列示的是主要变量之间的Pearson相关系数,右上角列示的是Spearman相关系数。GAPit−1与NCSKEWit和DUVOLit之间的Pearson相关系数分别为0.0635和0.0521,均在1%的水平上显著为正,表明经济周期与企业股价崩盘风险呈正相关关系,这初步支持了本文的研究假设。Spearman相关性分析结果基本保持一致,因而不再赘述。
NCSKEWit | DUVOLit | GAPit−1 | NCSKEWit−1 | DUVOLit−1 | |
NCSKEWit | 0.8822*** | 0.0505*** | 0.0845*** | 0.0834*** | |
DUVOLit | 0.8770*** | 0.0495*** | 0.0761*** | 0.0750*** | |
GAPit−1 | 0.0635*** | 0.0521*** | 0.0205** | 0.0050 | |
NCSKEWit−1 | 0.0757*** | 0.0697*** | 0.0201** | 0.8814*** | |
DUVOLit−1 | 0.0785*** | 0.0732*** | 0.0032 | 0.8757*** | |
注:***、**和*分别表示在1%、5%和10%的水平上显著。 |
(三)基本回归结果
经济周期与企业股价崩盘风险的多元回归结果见表3。列(1)中GAPit−1的系数为0.1407,在1%的水平上显著为正(T值为7.4146);列(2)中GAPit−1的系数为0.0897,也在1%的水平上显著为正(T值为6.9482)。上述结果表明,经济扩张周期显著增加了企业股价崩盘风险,研究假设得到了验证。在经济扩张期间,良好的市场发展趋势会诱发管理者产生心理偏差,增强其盈余管理动机,同时会降低企业的债务融资成本,提高债务融资和金融投资水平,从而增加股价崩盘风险。
(1) | (2) | |||
NCSKEWit | DUVOLit | |||
系数 | T值 | 系数 | T值 | |
Con | 0.6968*** | 3.1934 | 0.7031*** | 4.6630 |
GAPit−1 | 0.1407*** | 7.4146 | 0.0897*** | 6.9482 |
CRASHit−1 | 0.0303*** | 3.1278 | 0.0223** | 2.3446 |
SIZEit−1 | −0.0303*** | −3.3738 | −0.0332*** | −5.5357 |
LEVi,t−1 | 0.1097** | 2.4370 | 0.0447 | 1.4506 |
ROAit−1 | 0.6379*** | 3.7185 | 0.3591*** | 3.0700 |
TOP5it−1 | −0.2085*** | −3.8729 | −0.0931** | −2.5313 |
INDEPit−1 | 0.0571 | 0.4082 | 0.0439 | 0.4599 |
BOARDit−1 | −0.1409*** | −3.5372 | −0.0999*** | −3.7230 |
SALAit−1 | 0.0089 | 0.8120 | 0.0086 | 1.1304 |
GROWit−1 | 0.0019 | 0.3931 | 0.0015 | 0.4673 |
ABSACCit−1 | −0.1281 | −1.5151 | −0.1084* | −1.9532 |
BMit−1 | −0.1072*** | −7.8403 | −0.0614*** | −6.8007 |
OTURNit−1 | −0.4023*** | −9.3621 | −0.2494*** | −8.4208 |
RETit−1 | 0.9076*** | 4.4525 | 0.6493*** | 4.7125 |
SIGMAit−1 | 6.3024*** | 4.5249 | 3.9925*** | 4.2239 |
IND | 控制 | 控制 | ||
Adj. R2 | 0.0553 | 0.0544 | ||
观测值 | 11 899 | 11 899 | ||
注:***、**和*分别表示在1%、5%和10%的水平上显著,T值经过个体层面的cluster调整。 |
控制变量中,SIZEit−1的系数显著为负,表明较大规模的资产有助于降低企业股价崩盘风险;ROAit−1的系数显著为正,表明企业盈利水平越高,股价崩盘风险越高;TOP5it−1的系数显著为负,表明前五大股东持股比例会显著降低企业股价崩盘风险;BOARDit−1的系数显著为负,表明董事会规模越大,企业股价崩盘风险越低;BMit−1的系数显著为负,说明企业市账比越高,股价崩盘风险越低。
(四)稳健性检验
1. 变更经济周期度量方法。本文参考汤铎铎(2007)的研究,进一步采用BK滤波分析法和CF滤波分析法,剔除了2010—2016年GDP实际增长率的趋势项,得到滞后一期的经济周期变量GAP1it−1和GAP2it−1。新的检验结果没有发生实质性改变,表明上文研究结果是稳健的。
2. 采用工具变量法。为了减弱内生性问题的干扰,本文采用工具变量法重新进行了检验。具体地,选择国家人均电力消耗增长(即当期人均电力消耗−上期人均电力消耗)作为工具变量,并将滞后一期的国家人均电力消耗增长放入模型中。选择这一工具变量的原因如下:第一,作为民生改善的一种重要体现,电力消耗能够促进经济增长(潘伟和熊建武,2018)。就本文而言,人均电力消耗的增长反映的是经济扩张的快慢,对本文中的经济周期变量(实际GDP增长率缺口)有正向作用,人均电力消耗增长越快,实际GDP增长率缺口越大,满足工具变量的相关性假设。第二,作为一项民生活动,国家人均电力消耗难以影响企业行为和股价崩盘风险,满足工具变量的外生性假设。新的检验结果没有发生实质性改变,表明上文研究结果是稳健的。
3. 控制个体固定效应。经济周期与股价崩盘风险的关系可能会受到个体之间差异的影响,本文进一步控制个体固定效应重新进行了检验。新的检验结果没有发生实质性改变,表明上文研究结果是稳健的。
五、情境分析
(一)行业垄断
垄断企业是指在市场中占据绝对优势的企业。垄断企业可以凭借垄断获取高额利润,且承担的风险和不确定性较小(郭淑娟和惠宁,2014)。由此可知,垄断企业和非垄断企业之间存在一定差异,在经济扩张期间,两类企业管理层的投融资行为动机不同。这可能会对经济周期与企业股价崩盘风险的关系产生一定影响,具体表现在:第一,由于存在垄断壁垒,其他企业难以与垄断企业形成竞争关系,垄断企业在经营过程中的危机感不强,导致其竞争压力和业绩压力较小,管理层追逐利益的动机相对较弱。因此,在经济扩张期间,垄断企业管理层较难被市场良好的发展趋势所影响,此时其更愿意按部就班地发展,以保证企业经营的稳定性和持续性,从而具有较低的股价崩盘风险。第二,垄断企业可以凭借垄断来保证自身经营发展,但在一定程度受到政府的干预,政府目标的嵌入决定了企业蕴含着较强的风险规避特征(李文贵和余明桂,2012),导致垄断企业管理层的风险规避水平较高。在经济扩张期间,为了避免遭受处罚以及维护自身地位和声誉,垄断企业的管理层会更加谨慎行事,盈余管理动机和投资动机较弱,企业股价崩盘风险较小。
基于上述两个方面的分析,本文认为经济扩张周期对垄断企业股价崩盘风险的影响较小。为此,本文在式(1)的基础上构建了如下模型:
$ \begin{aligned} CRAS{H_{it}} = & {\beta _0} + {\beta _1}GA{P_{it - 1}} + {\beta _2}GA{P_{it - 1}} \times MON{O_{it - 1}} + {\beta _3}MON{O_{it - 1}} + {\beta _4}CRAS{H_{it - 1}} \\ & + {\beta _5}SIZ{E_{it - 1}} + {\beta _6}LE{V_{it - 1}} + {\beta _7}RO{A_{it - 1}} + {\beta _8}TOP{5_{it - 1}} + {\beta _9}INDE{P_{it - 1}} + {\beta _{10}}BOAR{D_{it - 1}} \\ & + {\beta _{11}}SAL{A_{it - 1}} + {\beta _{12}}GRO{W_{it - 1}} + {\beta _{13}}ABSAC{C_{it - 1}} + {\beta _{14}}B{M_{it - 1}} + {\beta _{15}}OTUR{N_{it - 1}} \\ & + {\beta _{16}}RE{T_{it - 1}} + {\beta _{17}}SIGM{A_{it - 1}} + IND + {\epsilon _{it - 1}} \end{aligned} $ | (5) |
其中,MONOit−1为滞后一期的垄断行业变量,参考岳希明和蔡萌(2015)的研究,选取以下行业作为垄断行业:电信和其他信息传输服务业、邮政业、航空运输业、水上运输业、铁路运输业、电力煤气及水的生产与供应业、石油加工炼焦及核燃料加工业、烟草制品业、石油和天然气开采业。如果企业所属行业为垄断行业,则赋值为1,否则为0。
回归结果见表4。列(1)中GAPit−1×MONOit−1的系数为−0.0821,在5%的水平上显著为负(T值为−2.3651);列(2)中GAPit−1×MONOit−1的系数为−0.0477,也在5%的水平上显著为负(T值为−2.0148)。上述结果表明,与非垄断企业相比,经济扩张周期增加股价崩盘风险的作用在垄断企业中较弱。垄断企业的管理层追逐利益的动机相对较弱,风险规避水平较高,这抑制了经济扩张周期对企业过度投资、盈余管理以及金融投资的促进作用,从而增加股价崩盘风险的作用较弱。
(1) | (2) | |||
NCSKEWit | DUVOLit | |||
系数 | T值 | 系数 | T值 | |
Con | 0.7087*** | 3.2474 | 0.7134*** | 4.7362 |
GAPit−1 | 0.1818*** | 6.9433 | 0.1137*** | 6.5017 |
GAPit−1×MONOit−1 | −0.0821** | −2.3651 | −0.0477** | −2.0148 |
MONOit−1 | 0.0296 | 1.6104 | 0.0258** | 2.0601 |
Controls | 控制 | 控制 | ||
IND | 控制 | 控制 | ||
Adj. R2 | 0.0558 | 0.0549 | ||
观测值 | 11 899 | 11 899 | ||
注:***、**和*分别表示在1%、5%和10%的水平上显著,T值经过个体层面的cluster调整。 |
(二)经济政策不确定性
经济政策不确定性指的是经济主体无法预测政府何时及如何改变相关经济政策的程度,这可能在一定程度上影响管理者的心理特征、判断能力和决策行为,从而对经济周期与企业股价崩盘风险的关系产生一定影响,具体表现在,第一,从管理者的角度来看,经济政策不确定性越高,企业管理者越难从市场上充分了解当前的行业情况及发展状况(彭俞超等,2018)。此时,管理者的判断能力和决策能力有所下降,在经济扩张期间难以做出合理而有效的决策,从而可能导致错误的投资,企业股价崩盘风险增大。第二,从企业的角度来看,经济政策不确定性上升会引起市场的波动,在一定程度上提高债务融资成本,导致企业的债务融资水平下降,这为经济扩张周期促进企业债务融资提供了空间,从而企业股价崩盘风险增大。
基于上述两个方面的分析,本文认为经济政策不确定性越高,经济扩张周期增加企业股价崩盘风险的作用越强。为此,本文在式(1)的基础上构建了如下模型:
$ \begin{aligned} CRAS{H_{it}} = & {\beta _0} + {\beta _1}GA{P_{it - 1}} + {\beta _2}GA{P_{it - 1}} \times EP{U_{it - 1}} + {\beta _3}EP{U_{it - 1}} + {\beta _4}CRAS{H_{it - 1}} \\ & + {\beta _5}SIZ{E_{it - 1}} + {\beta _6}LE{V_{it - 1}} + {\beta _7}RO{A_{it - 1}} + {\beta _8}TOP{5_{it - 1}} + {\beta _9}INDE{P_{it - 1}} + {\beta _{10}}BOAR{D_{it - 1}} \\ & + {\beta _{11}}SAL{A_{it - 1}} + {\beta _{12}}GRO{W_{it - 1}} + {\beta _{13}}ABSAC{C_{it - 1}} + {\beta _{14}}B{M_{it - 1}} + {\beta _{15}}OTUR{N_{it - 1}} \\ & + {\beta _{16}}RE{T_{it - 1}} + {\beta _{17}}SIGM{A_{it - 1}} + IND + {\epsilon_{it - 1}} \end{aligned} $ | (6) |
其中,EPUit−1为滞后一期的经济政策不确定性变量,数据来源于Baker等(2016)构建的经济政策不确定性指数。具体地,本文参考顾夏铭等(2018)的研究,采用年度算术平均的方式,通过月度经济政策不确定性指数来计算年度经济政策不确定性指数。
回归结果见表5。列(1)中GAPit−1×EPUit−1的系数为0.1589,在1%的水平上显著为正(T值为4.9551);列(2)中GAPit−1×EPUit−1的系数为0.1577,也在1%的水平上显著为正(T值为7.1631)。上述结果表明,经济政策不确定性越高,经济扩张周期增加企业股价崩盘风险的作用越强。经济政策不确定性上升在一定程度上会降低管理者的决策判断能力,从而可能导致错误的投资,企业股价崩盘风险增大。此外,当经济政策不确定性较高时,债务融资成本较高,企业融资水平较低,这为经济扩张周期缓解企业融资压力提供了空间,从而企业股价崩盘风险增大。
(1) | (2) | |||
NCSKEWit | DUVOLit | |||
系数 | T值 | 系数 | T值 | |
Con | 0.9145*** | 4.1758 | 0.9107*** | 6.0747 |
GAPit−1 | −0.2114*** | −2.8101 | −0.2598*** | −5.0076 |
GAPit−1×EPUit−1 | 0.1589*** | 4.9551 | 0.1577*** | 7.1631 |
EPUit−1 | 0.0269*** | 3.1182 | 0.0263*** | 4.5236 |
Controls | 控制 | 控制 | ||
IND | 控制 | 控制 | ||
Adj. R2 | 0.0606 | 0.0655 | ||
观测值 | 11 899 | 11 899 | ||
注:***、**和*分别表示在1%、5%和10%的水平上显著,T值经过个体层面的cluster调整。 |
(三)地区经济发展水平
不同经济发展水平的地区在竞争强度和资源供给方面存在一定差异,这可能在一定程度上影响企业的经营策略,从而对经济周期与企业股价崩盘风险的关系产生一定影响,具体表现在:第一,地区经济发展水平越高,人均消费能力越强,企业间竞争越激烈(李爽,2017)。为了保持竞争力和经营水平,在经济扩张期间,企业的投资倾向更强,管理层对未来市场发展有更强的信心。但此时,投资并非完全理性,可能错误地高估利益,而低估投资项目的风险,从而导致企业过度投资,股价崩盘风险增大。第二,地区经济发展水平越高,企业融资水平越高,资源越充足(蔡翔和赵娟,2019)。在经济扩张期间,企业的实物投资和金融投资动机更强,且拥有更多的资源进行各项投资活动。此时,企业的过度投资和金融投资水平上升,股价崩盘风险增大。
基于上述两个方面的分析,本文认为地区经济发展水平越高,经济扩张周期增加企业股价崩盘风险的作用越强。为此,本文在式(1)的基础上构建了如下模型:
$ \begin{aligned} CRAS{H_{it}} = & {\beta _0} + {\beta _1}GA{P_{it - 1}} + {\beta _2}GA{P_{it - 1}} \times GD{P_{it - 1}} + {\beta _3}GD{P_{it - 1}} + {\beta _4}CRAS{H_{it - 1}} \\ & + {\beta _5}SIZ{E_{it - 1}} + {\beta _6}LE{V_{it - 1}} + {\beta _7}RO{A_{it - 1}} + {\beta _8}TOP{5_{it - 1}} + {\beta _9}INDE{P_{it - 1}} + {\beta _{10}}BOAR{D_{it - 1}} \\ & + {\beta _{11}}SAL{A_{it - 1}} + {\beta _{12}}GRO{W_{it - 1}} + {\beta _{13}}ABSAC{C_{it - 1}} + {\beta _{14}}B{M_{it - 1}} + {\beta _{15}}OTUR{N_{it - 1}} \\ & + {\beta _{16}}RE{T_{it - 1}} + {\beta _{17}}SIGM{A_{it - 1}} + IND + {\epsilon_{it - 1}} \end{aligned} $ | (7) |
其中,GDPit−1表示滞后一期的地区经济发展水平,参考陈梦根和张帅(2020)的研究,使用各省人均生产总值取自然对数进行衡量,数据来源于中经网统计数据库。
回归结果见表6。列(1)中GAPit−1×GDPit−1的系数为0.1191,在1%的水平上显著为正(T值为2.8889);列(2)中GAPit−1×GDPit−1的系数为0.1126,也在1%的水平上显著为正(T值为4.0086)。上述结果表明,地区经济发展水平越高,经济扩张周期增加企业股价崩盘风险的作用越强。地区经济发展水平越高,市场竞争越激烈,资源越充足。这在一定程度上会加剧企业过度投资和金融化,增加股价崩盘风险。
(1) | (2) | |||
NCSKEWit | DUVOLit | |||
系数 | T值 | 系数 | T值 | |
Con | 0.6347** | 2.4399 | 0.6434*** | 3.5574 |
GAPit−1 | −1.1469** | −2.5730 | −1.1275*** | −3.7146 |
GAPit−1×GDPit−1 | 0.1191*** | 2.8889 | 0.1126*** | 4.0086 |
GDPit−1 | 0.0117 | 0.7024 | 0.0110 | 0.9823 |
Controls | 控制 | 控制 | ||
IND | 控制 | 控制 | ||
Adj. R2 | 0.0558 | 0.0555 | ||
观测值 | 11 899 | 11 899 | ||
注:***、**和*分别表示在1%、5%和10%的水平上显著,T值经过个体层面的cluster调整。 |
六、机制分析
由上文可知,经济扩张周期会影响管理者的心理特征和企业的投融资水平,从而增加企业股价崩盘风险。那么,其中是否存在可能的影响机制?为了解答这一问题,本文将从过度投资、盈余管理、银行贷款、金融化程度和信息环境五个方面做进一步分析。
第一,从过度投资的角度来看,经济扩张周期会加剧企业的过度投资,从而增加股价崩盘风险。理论上,投资活动以企业价值最大化为最终目标。但实际上,由于受到代理问题、信息不对称以及管理层能力等因素的影响,企业在进行投资时往往偏离上述目标,这会加剧过度投资,最终增加股价崩盘风险(江轩宇和许年行,2015)。根据上文分析,经济扩张周期会诱发管理者的心理偏差和过度自信,导致当前的心理预期高于实际情况,从而企业投资偏离目标方向,过度投资水平升高,股价崩盘风险增大。此外,经济扩张周期还会缓解企业的债务融资压力,提高其债务融资水平,从而加剧企业过度投资,增加股价崩盘风险。基于上述分析,本文认为经济扩张周期会加剧企业过度投资,增加股价崩盘风险。
第二,从盈余管理的角度来看,经济扩张周期会增强管理者的盈余管理动机,从而增加企业股价崩盘风险。盈余管理是上市公司的一种常见行为,也是学术界和实务界研究的重要话题之一。管理者通常利用这种行为来影响企业盈余,以实现特定盈余报告目标,如薪酬计划、股权发行等,造成企业财务信息失真,信息不透明度上升,从而增加股价崩盘风险(Boehme和May,2016)。在经济扩张期间,良好的市场发展趋势会影响投资者的心理预期,投资者对坏消息的反应程度相对于好消息更加剧烈。这可能会造成管理者故意隐瞒坏消息,通过盈余管理行为来掩饰真实发展情况,迎合投资者的心理预期,导致企业信息透明度下降,股价崩盘风险增大。基于上述分析,本文认为经济扩张周期会加剧企业盈余管理,增加股价崩盘风险。
第三,从银行贷款的角度来看,经济扩张周期会缓解企业债务融资压力,增加银行贷款,从而增加股价崩盘风险。根据上文分析,投资决策受到管理者特征的影响,过度自信、心理偏差等因素会加剧企业过度投资。而投资决策还受到相关资源的制约。作为一项资源消耗活动,投资行为具有很强的资源依赖性,资金就是重要的资源之一。在经济扩张期间,国家货币政策有所宽松,债务融资能力上升(吴华强等,2015),企业从银行获得贷款比较容易。这为管理者的投资决策提供了资金上的支持,可能加剧企业过度投资,增加股价崩盘风险。基于上述分析,本文认为经济扩张周期会提高企业银行贷款,增加股价崩盘风险。
第四,从企业金融化的角度来看,经济扩张周期会增强企业投资金融资产的动机,从而增加股价崩盘风险。金融化指的是企业脱实向虚的一种趋势,在追逐利益的目标下,更多的企业将资产投资在金融、房产等利润丰厚的行业,导致虚拟经济比重升高。通常而言,金融资产有两种功能,一种是帮助上市公司规避风险,当流动资金周转困难时,可以适时配置和出售金融资产;另一种则是帮助企业追逐利润,上市公司可以通过投资金融项目来谋取高额收益。大多研究表明,我国上市公司大多出于利益动机而持有金融资产,谋取高额利益(顾雷雷等,2020)。根据上文分析,在经济扩张期间,市场前景较好,管理者通过投资金融资产来获取高额利润的动机较强,企业的金融化程度较高。企业会通过金融投资活动来粉饰企业经营信息,隐瞒坏消息,导致股价崩盘风险增大(彭俞超等,2018)。基于上述分析,本文认为经济扩张周期会加剧企业金融化,增加股价崩盘风险。
第五,从分析师跟踪的角度来看,经济扩张周期会影响企业信息环境,从而增加股价崩盘风险。在经济扩张期间,为了满足投资者需要和自身利益需求,有更多的分析师会去跟踪报告上市公司,企业信息环境得到改善。虽然有研究表明企业信息越透明,股价崩盘风险越小,但是从分析师跟踪的角度来看,企业信息环境的改善不一定能够抑制,反而可能增加股价崩盘风险,具体表现在:第一,分析师更倾向于发布乐观消息(Easterwood和Nutt,1999),而且由于面对利益冲突,可能不愿披露企业的负面消息(O’Brien等,2005)。受到分析师乐观偏差的影响,上市企业的负面消息可能会被隐藏,并随分析师数量的增多而累积。这会给投资者造成假象,表面上看企业被多个分析师跟踪报告,信息透明度高,实则负面消息被隐藏,企业股价被高估,股价崩盘风险增大。第二,分析师披露的信息越多,股票信息透明度越高,这可能会阻碍知情交易者的交易,降低股票市场的流动性(张肖飞和李焰,2013),从而导致股价崩盘。当市场股票流动性较低时,如果有人大量买卖股票,尽管其中不包含任何信息,但是若被误以为是由坏消息所引起的,受羊群效应影响,不知情投资者则会盲目卖出大量股票,从而导致股价崩盘。
为了检验经济扩张周期是否通过加剧企业过度投资、盈余管理和金融化,增加银行贷款,以及改善信息环境而增加股价崩盘风险,本文在式(1)的基础上构建了如下模型:
$ \begin{aligned} O{I_{it}}(ABSAC{C_{it}},LOA{N_{it}}, & RATI{O_{it}},AN{A_{it}}) = {\beta _0} + {\beta _1}GA{P_{it - 1}} + {\beta _2}SIZ{E_{it - 1}} + {\beta _3}LE{V_{it - 1}} \\ & + {\beta _4}RO{A_{it - 1}} + {\beta _5}TOP{5_{it - 1}} + {\beta _6}INDE{P_{it - 1}} + {\beta _7}BOAR{D_{it - 1}} \\ & + {\beta _8}SAL{A_{it - 1}} + {\beta _9}GRO{W_{it - 1}} + {\beta _{10}}ABSAC{C_{it - 1}} + {\beta _{11}}B{M_{it - 1}} \\ & + {\beta _{12}}OTUR{N_{it - 1}} + {\beta _{13}}RE{T_{it - 1}} + {\beta _{14}}SIGM{A_{it - 1}} + IND + {\epsilon_{it - 1}} \end{aligned} $ | (8) |
其中,OIit表示过度投资,参考Richardson(2006)的研究,以大于0的残差来衡量企业过度投资。盈余管理水平ABSACCit参考周泽将和汪帅(2019)的研究,采用操纵性应计利润的绝对值来衡量,其中操纵性应计利润通过修正后的Jones模型估计得到。银行贷款LOANit参考郭瑾等(2017)的研究,使用长期借款、短期借款和一年内到期长期负债三者之和与期末总资产之比进行度量。金融化程度RATIOit参考Demir(2009)的研究,使用企业持有的金融资产与期末总资产之比进行度量,其中金融资产包括持有到期投资、交易性金融资产、投资性房地产、可供出售的金融资产、应收股利和应收利息等科目。信息环境变量ANAit参考吴战篪和李晓龙(2015)的研究,使用分析师跟踪作为代理变量,等于分析师跟踪数量加1后取自然对数。
回归结果见表7,列(1)至列(5)分别对应过度投资OIit、盈余管理ABSACCit、银行贷款LOANit、金融化程度RATIOit和信息环境ANAit。列(1)至列(5)中GAPit−1的系数均在1%的水平上显著为正,表明经济扩张周期显著加剧了企业过度投资、盈余管理和金融化,增加了银行贷款,改善了信息环境,从而在一定程度上增加了企业股价崩盘风险。
(1) | (2) | (3) | (4) | (5) | |
OIit | ABSACCit | LOANit | RATIOit | ANAit | |
Con | 0.1316*** | 0.3068*** | 0.1996*** | −0.0561 | −10.0623*** |
(6.6223) | (12.3971) | (3.3283) | (−1.5103) | (−24.0901) | |
GAPit−1 | 0.0057*** | 0.0079*** | 0.0127*** | 0.0044*** | 0.0667*** |
(3.4953) | (3.6369) | (4.9410) | (3.7104) | (3.2426) | |
Controls | 控制 | 控制 | 控制 | 控制 | 控制 |
IND | 控制 | 控制 | 控制 | 控制 | 控制 |
Adj. R2 | 0.0523 | 0.1369 | 0.5063 | 0.1206 | 0.3826 |
观测值 | 4 547 | 11 899 | 11 899 | 10 604 | 11 899 |
注:***、**和*分别表示在1%、5%和10%的水平上显著,T值经过个体层面的cluster调整。 |
七、结论与启示
在中国经济转型的关键时期和全球经济震荡的形势下,防范金融风险成为当前社会经济发展的主题。鉴于此,本文以2011−2017年中国A股上市公司为研究样本,从企业股价崩盘的角度检验了经济周期与金融风险之间的关系,并探讨了行业垄断、经济政策不确定性和地区经济发展水平等情境因素的作用,以及经济周期影响企业股价崩盘风险的机制。研究发现,经济扩张周期会增加企业股价崩盘风险,企业股价崩盘风险呈现明显的顺周期特征。这种顺周期特征在经济政策不确定性较高时,以及经济发展水平较高的地区比较明显,而行业垄断则会显著削弱这种顺周期特征。机制分析表明,经济扩张周期显著加剧了企业过度投资、盈余管理和金融化,增加了银行贷款,改善了信息环境,从而在一定程度上增加了企业股价崩盘风险。
本文不仅拓展了经济周期和股价崩盘风险领域的研究,而且对优化资源配置、提高宏观调控水平、防范金融风险以及促进社会经济稳定发展具有一定的参考作用。本文提出以下三点建议:第一,投资者和管理者应积极关注经济扩张周期所增加的股价崩盘风险,避免盲目投资扩张,促进金融市场稳定发展。本文研究表明,经济扩张周期会带来较好的行业发展前景,造成投资者的心理偏差、过度自信等,导致企业过度投资,股价崩盘风险增大。因此,在经济扩张期间,投资者在做出投资决策之前应非理性因素纳入考虑范畴,避免过度投资所导致的股价崩盘风险。第二,政府监管部门应加强经济扩张期间的政策引导,对市场进行宏观调控,确保融资和投资水平处于平稳状态,以合理防范化解金融风险。除了管理者的心理特征外,经济扩张周期还会提高企业的债务融资水平和金融化程度,从而增加企业股价崩盘风险。因此,在经济扩张期间,监管部门在货币政策宽松的同时应密切关注融资压力和金融投资比重,以合理把握股价崩盘风险,促进经济平稳发展。第三,管理者和监管部门应考虑行业垄断、经济政策不确定性和地区经济发展水平等情境因素,避免股价崩盘风险所引起的金融市场震荡。在竞争性行业、经济政策不确定性较高时以及经济发展水平较高的地区,经济扩张周期增加企业股价崩盘风险的作用更强。因此,在上述情境下,管理者和监管部门应提前防控经济扩张周期所带来的心理特征和投融资环境的变化,防范股价崩盘等金融风险。
[1] | 蔡翔, 赵娟. 大学−企业−政府协同创新效率及其影响因素研究[J]. 软科学, 2019(2): 56–60. |
[2] | 陈冬, 孔墨奇, 王红建. 投我以桃, 报之以李: 经济周期与国企避税[J]. 管理世界, 2016(5): 46–63. |
[3] | 陈梦根, 张帅. 中国地区经济发展不平衡及影响因素研究——基于夜间灯光数据[J]. 统计研究, 2020(6): 40–54. |
[4] | 陈武朝. 经济周期、行业周期性与盈余管理程度——来自中国上市公司的经验证据[J]. 南开管理评论, 2013(3): 26–35. DOI:10.3969/j.issn.1008-3448.2013.03.004 |
[5] | 顾雷雷, 郭建鸾, 王鸿宇. 企业社会责任、融资约束与企业金融化[J]. 金融研究, 2020(2): 109–127. |
[6] | 郭瑾, 刘志远, 彭涛. 银行贷款对企业风险承担的影响: 推动还是抑制?[J]. 会计研究, 2017(2): 42–48. DOI:10.3969/j.issn.1003-2886.2017.02.007 |
[7] | 郭淑娟, 惠宁. 我国垄断行业企业高管薪酬制度研究[J]. 经济管理, 2014(9): 91–102. |
[8] | 姜付秀, 蔡欣妮, 朱冰. 多个大股东与股价崩盘风险[J]. 会计研究, 2018(1): 68–74. DOI:10.3969/j.issn.1003-2886.2018.01.011 |
[9] | 江轩宇, 许年行. 企业过度投资与股价崩盘风险[J]. 金融研究, 2015(8): 141–158. |
[10] | 李爽. 专利制度是否提高了中国工业企业的技术创新积极性——基于专利保护强度和地区经济发展水平的“门槛效应”[J]. 财贸研究, 2017(4): 13–24. |
[11] | 李文贵, 余明桂. 所有权性质、市场化进程与企业风险承担[J]. 中国工业经济, 2012(12): 115–127. |
[12] | 孟庆斌, 杨俊华, 鲁冰. 管理层讨论与分析披露的信息含量与股价崩盘风险——基于文本向量化方法的研究[J]. 中国工业经济, 2017(12): 132–150. |
[13] | 潘伟, 熊建武. 电力消耗、经济增长与CO2排放量的实证分析——基于中国面板数据 [J]. 中国管理科学, 2018(3): 152–159. |
[14] | 彭俞超, 韩珣, 李建军. 经济政策不确定性与企业金融化[J]. 中国工业经济, 2018(1): 137–155. |
[15] | 汤铎铎. 三种频率选择滤波及其在中国的应用[J]. 数量经济技术经济研究, 2007(9): 144–156. DOI:10.3969/j.issn.1000-3894.2007.09.014 |
[16] | 田利辉, 王可第. 社会责任信息披露的“掩饰效应”和上市公司崩盘风险——来自中国股票市场的DID-PSM分析[J]. 管理世界, 2017(11): 146–157. DOI:10.3969/j.issn.1002-5502.2017.11.011 |
[17] | 王红建, 李青原, 陈雅娜. 盈余管理、经济周期与产品市场竞争[J]. 会计研究, 2015(9): 44–51. DOI:10.3969/j.issn.1003-2886.2015.09.006 |
[18] | 王文姣, 傅超, 傅代国. 并购商誉是否为股价崩盘的事前信号? ——基于会计功能和金融安全视角[J]. 财经研究, 2017(9): 76–87. |
[19] | 吴华强, 才国伟, 徐信忠. 宏观经济周期对企业外部融资的影响研究[J]. 金融研究, 2015(8): 109–123. |
[20] | 吴战篪, 李晓龙. 内部人抛售、信息环境与股价崩盘[J]. 会计研究, 2015(6): 48–55. DOI:10.3969/j.issn.1003-2886.2015.06.007 |
[21] | 肖土盛, 宋顺林, 李路. 信息披露质量与股价崩盘风险: 分析师预测的中介作用[J]. 财经研究, 2017(2): 109–120. |
[22] | 岳希明, 蔡萌. 垄断行业高收入不合理程度研究[J]. 中国工业经济, 2015(5): 5–17. |
[23] | 张俊生, 汤晓建, 李广众. 预防性监管能够抑制股价崩盘风险吗? ——基于交易所年报问询函的研究[J]. 管理科学学报, 2018(10): 112–126. DOI:10.3969/j.issn.1007-9807.2018.10.009 |
[24] | 张荣武, 沈庆元, 聂慧丽. 经济周期、投资者心理偏差与资产定价[J]. 会计研究, 2011(7): 45–51. DOI:10.3969/j.issn.1003-2886.2011.07.007 |
[25] | 张肖飞, 李焰. 股票市场透明度对价格发现效率的影响——基于开盘竞价方式转变的事件研究[J]. 系统工程理论与实践, 2013(5): 1089–1098. DOI:10.3969/j.issn.1000-6788.2013.05.001 |
[26] | 周泽将, 高雅萍, 张世国. 营商环境影响企业信贷成本吗[J]. 财贸经济, 2020(12): 117–131. |
[27] | 周泽将, 汪帅. 董事会权威性、内部控制和审计质量——新时代背景下国有企业的经验证据[J]. 审计研究, 2019(5): 95–102. DOI:10.3969/j.issn.1002-4239.2019.05.013 |
[28] | An Z, Chen Z A, Li D H, et al. Individualism and stock price crash risk[J]. Journal of International Business Studies, 2018, 49(9): 1208–1236. DOI:10.1057/s41267-018-0150-z |
[29] | Andreou P C, Louca C, Petrou A P. CEO age and stock price crash risk[J]. Review of Finance, 2017, 21(3): 1287–1325. DOI:10.1093/rof/rfw056 |
[30] | Baker S R, Bloom N, Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics, 2016, 131(4): 1593–1636. DOI:10.1093/qje/qjw024 |
[31] | Begenau J, Salomao J. Firm financing over the business cycle[J]. The Review of Financial Studies, 2019, 32(4): 1235–1274. DOI:10.1093/rfs/hhy099 |
[32] | Bhargava R, Faircloth S, Zeng H C. Takeover protection and stock price crash risk: Evidence from state antitakeover laws[J]. Journal of Business Research, 2017, 70: 177–184. DOI:10.1016/j.jbusres.2016.08.021 |
[33] | Boehme R D, May A D. Multinational corporations and stock price crash risk[J]. International Journal of Finance & Banking Studies, 2016, 5(4): 39–63. |
[34] | Chang X, Chen Y Y, Zolotoy L. Stock liquidity and stock price crash risk[J]. Journal of Financial and Quantitative Analysis, 2017, 52(4): 1605–1637. DOI:10.1017/S0022109017000473 |
[35] | Chen Y S, Xie Y, You H, et al. Does crackdown on corruption reduce stock price crash risk? Evidence from China[J]. Journal of Corporate Finance, 2018, 51: 125–141. DOI:10.1016/j.jcorpfin.2018.05.005 |
[36] | Dang V A, Lee E, Liu Y K, et al. Corporate debt maturity and stock price crash risk[J]. European Financial Management, 2018, 24(3): 451–484. DOI:10.1111/eufm.12134 |
[37] | Dangl T, Wu Y C. Corporate investment over the business cycle[J]. Review of Finance, 2016, 20(1): 337–371. DOI:10.1093/rof/rfv003 |
[38] | Demir F. Financial liberalization, private investment and portfolio choice: Financialization of real sectors in emerging markets[J]. Journal of Development Economics, 2009, 88(2): 314–324. DOI:10.1016/j.jdeveco.2008.04.002 |
[39] | Easterwood J C, Nutt S R. Inefficiency in analysts’ earnings forecasts: Systematic misreaction or systematic optimism?[J]. The Journal of Finance, 1999, 54(5): 1777–1797. DOI:10.1111/0022-1082.00166 |
[40] | Habib A, Hasan M M. Managerial ability, investment efficiency and stock price crash risk[J]. Research in International Business and Finance, 2017, 42: 262–274. DOI:10.1016/j.ribaf.2017.07.048 |
[41] | Jiang H Y, Habib A, Gong R. Business cycle and management earnings forecasts[J]. Abacus, 2015, 51(2): 279–310. DOI:10.1111/abac.12047 |
[42] | Kim J B, Li Y H, Zhang L D. CFOs versus CEOs: Equity incentives and crashes[J]. Journal of Financial Economics, 2011, 101(3): 713–730. DOI:10.1016/j.jfineco.2011.03.013 |
[43] | Landier A, Thesmar D. Financial contracting with optimistic entrepreneurs[J]. The Review of Financial Studies, 2009, 22(1): 117–150. DOI:10.1093/rfs/hhn065 |
[44] | Li W F, Cai G L. Religion and stock price crash risk: Evidence from China[J]. China Journal of Accounting Research, 2016, 9(3): 235–250. DOI:10.1016/j.cjar.2016.04.003 |
[45] | Li X R, Wang S S, Wang X. Trust and stock price crash risk: Evidence from China[J]. Journal of Banking & Finance, 2017, 76: 74–91. |
[46] | Li Y W, Zeng Y Q. The impact of top executive gender on asset prices: Evidence from stock price crash risk[J]. Journal of Corporate Finance, 2019, 58: 528–550. DOI:10.1016/j.jcorpfin.2019.07.005 |
[47] | Liao Q F, Ouyang B. Organized labor, corporate governance, and stock price crash risk[J]. Review of Accounting and Finance, 2017, 16(4): 424–443. DOI:10.1108/RAF-01-2016-0006 |
[48] | Lim H, Kang S K, Kim H. Auditor quality, IFRS adoption, and stock price crash risk: Korean evidence[J]. Emerging Markets Finance and Trade, 2016, 52(9): 2100–2114. DOI:10.1080/1540496X.2016.1184142 |
[49] | Lobo G, Wang C, Yu X O, et al. Material weakness in internal controls and stock price crash risk[J]. Journal of Accounting, Auditing & Finance, 2020, 35(1): 106–138. |
[50] | O’Brien P C, Mcnichols M F, Hsiou-Wei L. Analyst impartiality and investment banking relationships[J]. Journal of Accounting Research, 2005, 43(4): 623–650. DOI:10.1111/j.1475-679X.2005.00184.x |
[51] | Richardson S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2−3): 159–189. DOI:10.1007/s11142-006-9012-1 |
[52] | Yeung W H, Lento C. Ownership structure, audit quality, board structure, and stock price crash risk: Evidence from China[J]. Global Finance Journal, 2018, 37: 1–24. DOI:10.1016/j.gfj.2018.04.002 |
[53] | Yin Y G, Tian R F. Investor sentiment, financial report quality and stock price crash risk: Role of short-sales constraints[J]. Emerging Markets Finance and Trade, 2017, 53(3): 493–510. DOI:10.1080/1540496X.2015.1093844 |