肖霆　韓淑婷　王龍

摘? ?要：本文以自然實(shí)驗(yàn)的方法研究股市崩盤沖擊與個(gè)股暴跌風(fēng)險(xiǎn)之間是否存在因果關(guān)系。利用2008年的A股市場(chǎng)崩盤事件以及國(guó)內(nèi)特殊的IPO暫停制度作為自然實(shí)驗(yàn)的設(shè)計(jì)機(jī)會(huì)，本文發(fā)現(xiàn)：（1）在股市崩盤中上市的新股相比較于市場(chǎng)逐漸恢復(fù)后上市的新股具有顯著更低的暴跌風(fēng)險(xiǎn);（2）進(jìn)一步研究表明，當(dāng)再次發(fā)生股市崩盤時(shí)，上述顯著的差異進(jìn)一步強(qiáng)化。穩(wěn)健的研究結(jié)果證明股市崩盤沖擊會(huì)顯著降低個(gè)股暴跌風(fēng)險(xiǎn)。

關(guān)鍵詞：股市崩盤;自然實(shí)驗(yàn);個(gè)股暴跌風(fēng)險(xiǎn)

中圖分類號(hào)：F830.9? 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1674-2265（2019）09-0071-08

DOI：10.19647/j.cnki.37-1462/f.2019.09.010

一、引言

經(jīng)歷是使個(gè)體決策行為發(fā)生改變的重要因素，外在的負(fù)向經(jīng)歷將改變個(gè)體行為模式。這一點(diǎn)在金融領(lǐng)域的研究中也得到諸多證據(jù)支持。近些年來，對(duì)個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的研究視角大多集中在資本市場(chǎng)的群體非理性行為以及上市公司的公司治理矛盾上，以及影響群體行為與上市公司治理的其他間接因素①。Chen等（2001）在建立相關(guān)因素與個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的統(tǒng)計(jì)關(guān)系中發(fā)現(xiàn)在其他因素不變的條件下，個(gè)股在發(fā)生股價(jià)崩盤后會(huì)有更大的風(fēng)險(xiǎn)再次發(fā)生股價(jià)暴跌;他們認(rèn)為個(gè)股的股價(jià)崩盤“沖擊”對(duì)個(gè)股暴跌風(fēng)險(xiǎn)產(chǎn)生的是推動(dòng)作用。鑒于此，我們聯(lián)想到股市頻繁發(fā)生的劇烈震蕩是否與個(gè)股股價(jià)崩盤之間也存在因果聯(lián)系？由于Chen等（2001）建立的股價(jià)崩盤“沖擊”與暴跌風(fēng)險(xiǎn)之間的相關(guān)關(guān)系是基于回歸檢驗(yàn)的方法，存在遺漏變量與統(tǒng)計(jì)誤差的可能。因此這種相關(guān)關(guān)系能否被認(rèn)為是因果關(guān)系無法肯定。基于以上兩點(diǎn)考慮，本文擬運(yùn)用更為準(zhǔn)確的方法檢驗(yàn)股市崩盤“沖擊”與個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)之間的因果聯(lián)系。

本文擬利用2008年發(fā)生的全球股市動(dòng)蕩以及國(guó)內(nèi)特有的IPO暫停制度作為自然實(shí)驗(yàn)的設(shè)計(jì)機(jī)會(huì)。將在2008年股市崩盤中上市的“新股”作為自然實(shí)驗(yàn)的處理組樣本，而將在股市崩盤后上市的“新股”作為控制組樣本。比較處理組樣本與控制組樣本在同一較長(zhǎng)的統(tǒng)計(jì)周期內(nèi)其個(gè)股暴跌風(fēng)險(xiǎn)是否會(huì)有差異，從而初步判斷股市崩盤沖擊是否是個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的原因。本文的研究貢獻(xiàn)在于：通過自然實(shí)驗(yàn)的方法建立了股市動(dòng)蕩與個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的因果聯(lián)系，對(duì)研究個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的原因有一定的補(bǔ)充。

二、研究回顧與基本假設(shè)

（一）對(duì)股價(jià)崩盤的研究回顧

目前對(duì)個(gè)股股價(jià)崩盤的研究已經(jīng)形成了一個(gè)較為完整的理論框架。從文獻(xiàn)發(fā)展的邏輯來說，對(duì)股價(jià)崩盤的研究經(jīng)歷了從股市崩盤研究到個(gè)股股價(jià)崩盤研究的轉(zhuǎn)變;早在20世紀(jì)80年代，Campbell和Hentschel（1992）等人相繼提出“波動(dòng)率反饋機(jī)制”，他們認(rèn)為負(fù)面消息進(jìn)入市場(chǎng)的波動(dòng)率上升會(huì)放大負(fù)面消息造成的影響從而造成嚴(yán)重的崩盤;Romer（1992）進(jìn)一步認(rèn)為，股市崩盤其實(shí)是負(fù)面信息由積累到逐步釋放的過程。進(jìn)入21世紀(jì)以來，對(duì)股價(jià)崩盤的研究開始轉(zhuǎn)向個(gè)股股價(jià)的崩盤，Chen等（2001）與Hong和Stein（2003）首先基于行為金融的非理性假定發(fā)現(xiàn)投資者的異質(zhì)信念造成了個(gè)股收益的負(fù)偏態(tài)與較高的波動(dòng)率，且賣空機(jī)制的限制將加重異質(zhì)信念的影響。隨后，有文獻(xiàn)從機(jī)構(gòu)投資者的異質(zhì)性（Callen和Fang，2013）、機(jī)構(gòu)投資者的持有量（高昊宇等，2017）、內(nèi)部投資者“內(nèi)部交易”（Jinshuai H等， 2014）等投資主體角度分析對(duì)個(gè)股股價(jià)崩盤的影響。

自Jin和Myers（2006）與Hutton等（2009）等人基于市場(chǎng)信息不透明度以及上市公司會(huì)計(jì)信息不透明度的角度研究個(gè)股股價(jià)崩盤以來，當(dāng)前已經(jīng)普遍認(rèn)為造成個(gè)股股價(jià)崩盤的重要原因之一是“管理層捂盤”。由于在委托代理沖突下，管理層因薪酬契約、職業(yè)聲譽(yù)、福利津貼以及商業(yè)帝國(guó)構(gòu)建等動(dòng)機(jī)存在較大的機(jī)會(huì)主義行為或盈余管理行為（Kothari等，2009），從而隱藏公司在經(jīng)營(yíng)管理過程中形成的負(fù)面消息，當(dāng)負(fù)面消息積累到一定程度無法隱藏時(shí)而被迫釋放，造成股價(jià)崩盤。基于這個(gè)視角，有較多的文章研究上市公司隱瞞負(fù)面信息（Ball，2009）、進(jìn)行稅收規(guī)避（Kim等，2011）、管理層股權(quán)激勵(lì)或超額薪酬（Xu等，2014）、上市公司治理結(jié)構(gòu)（Andreou等，2016）、管理層討論與分析所披露的信息含量（孟慶斌等，2017），或者從企業(yè)社會(huì)責(zé)任（Zhang等，2016）、聲譽(yù)保險(xiǎn)效應(yīng)（宋獻(xiàn)中等，2017）等上市公司角度來探討個(gè)股價(jià)崩盤的影響。當(dāng)然，除從資本市場(chǎng)與公司治理兩大視角來研究個(gè)股股價(jià)的崩盤外，還有其他諸如從宗教傳統(tǒng)（曾愛民和魏志華，2017）、審計(jì)師專長(zhǎng)（馬笑芳等，2018）、社交媒體（丁慧和呂長(zhǎng)江，2018）、政府審計(jì)（褚劍和方軍雄，2017）、國(guó)際貿(mào)易網(wǎng)絡(luò)（徐飛等，2018）等其他外部性視角來研究個(gè)股股價(jià)崩盤發(fā)生的原因。

（二）基本假設(shè)

事件“沖擊”與決策后果之間的聯(lián)系主要與決策者的決策過程有關(guān)。決策者作出決策依賴于信息加工與信念，而事件“沖擊”會(huì)因時(shí)間變化而對(duì)決策者的信念產(chǎn)生影響。股市崩盤是市場(chǎng)中沖擊較大的負(fù)面事件，其伴隨的資產(chǎn)價(jià)格下滑導(dǎo)致了投資者遭受較大的資產(chǎn)損失并挫傷了投資信心。投資者因受這一負(fù)面事件的影響而在以后的投資策略中更為謹(jǐn)慎，從而降低了資產(chǎn)價(jià)格未來的泡沫量，也因此降低了資產(chǎn)的暴跌風(fēng)險(xiǎn)?；诖?，假定股市動(dòng)蕩“沖擊”將會(huì)對(duì)個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)產(chǎn)生抑制作用。

假設(shè)1：在股市崩盤中上市的個(gè)股暴跌風(fēng)險(xiǎn)低于未在股市崩盤中上市的個(gè)股。

另外，負(fù)面沖擊對(duì)決策者決策信念的影響并不會(huì)馬上表現(xiàn)出來。通常來說，只有在再次發(fā)生相似的負(fù)面沖擊才會(huì)讓受過原有極端負(fù)面沖擊的決策者具有較為明顯的決策變化。在資本市場(chǎng)中，投資者雖然因股市崩盤這一極端負(fù)面事件使其投資趨于謹(jǐn)慎，但在市場(chǎng)較為平穩(wěn)時(shí)，這種謹(jǐn)慎的投資策略并不會(huì)在資產(chǎn)收益分布上較為明顯地反映出來;但是隨著股市崩盤的再次發(fā)生，經(jīng)歷過股市崩盤的資產(chǎn)與未經(jīng)歷過股市崩盤資產(chǎn)的差異會(huì)更明顯地表現(xiàn)出來?；诖?，我們提出假設(shè)2。

假設(shè)2：當(dāng)股市崩盤的再次發(fā)生，在股市崩盤中上市的個(gè)股暴跌風(fēng)險(xiǎn)顯著低于未在股市崩盤中上市的個(gè)股。

三、研究設(shè)計(jì)

（一）制度背景

本文希望找到一個(gè)自然機(jī)會(huì)，可以獲得兩組天然隨機(jī)的個(gè)股樣本，一組個(gè)股樣本為在金融危機(jī)下引起的股市崩盤中上市的個(gè)股樣本，而另一組個(gè)股樣本為金融危機(jī)后股市企穩(wěn)回升中上市的個(gè)股樣本。比較兩組樣本在相同統(tǒng)計(jì)周期的收益分布尤其是個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)是否會(huì)有顯著性的差異，并借此判斷股市崩盤對(duì)個(gè)股的收益分布是否會(huì)有持續(xù)性的影響②。

在2008年，美國(guó)次級(jí)債券危機(jī)爆發(fā)并引發(fā)了全球性的股市崩盤，歐洲、美國(guó)甚至亞洲市場(chǎng)都相繼出現(xiàn)了股市的巨幅崩盤，代表性股指大幅下跌。2008年9月25日，為降低金融危機(jī)導(dǎo)致的股市進(jìn)一步崩盤尤其是防止雷曼兄弟破產(chǎn)造成的股市崩盤蔓延，中國(guó)證監(jiān)會(huì)暫停了所有的IPO進(jìn)程。2009年7月11日，在經(jīng)歷191日的IPO暫停期后，監(jiān)管當(dāng)局適應(yīng)市場(chǎng)形勢(shì)而重啟IPO市場(chǎng)。2008年次貸危機(jī)中實(shí)施的IPO暫停為我們提供了一次自然實(shí)驗(yàn)的機(jī)會(huì)，幫助我們獲得了天然隨機(jī)分開的兩組樣本：即于2008年次貸危機(jī)中且在IPO暫停前發(fā)行上市的個(gè)股樣本，將其作為處理組;于次貸危機(jī)后IPO重啟時(shí)發(fā)行上市的個(gè)股樣本，將其作為控制組。我們可以通過分析兩組樣本在相同統(tǒng)計(jì)周期中的個(gè)股收益分布差異來判斷股市崩盤對(duì)個(gè)股收益分布的影響。

（二）樣本選擇

本文研究的是2008年和2009年發(fā)行上市的個(gè)股樣本，其周收益數(shù)據(jù)與基本財(cái)務(wù)數(shù)據(jù)從萬得資訊數(shù)據(jù)庫(kù)的股票數(shù)據(jù)瀏覽與基本財(cái)務(wù)數(shù)據(jù)中獲取。由于研究暴跌風(fēng)險(xiǎn)問題要求在回歸過程中使用更多解釋變量的滯后項(xiàng)，故本文未采用2010年的數(shù)據(jù)，同時(shí)由于2015年我國(guó)爆發(fā)了新一輪的股災(zāi)，兩組樣本在這之后都變成了遭受沖擊的樣本，與本文研究主題不符。經(jīng)綜合考慮，本文最終將兩組實(shí)驗(yàn)樣本的統(tǒng)計(jì)周期定于2011年1月至2015年12月。為保證接下來變量計(jì)算結(jié)果的準(zhǔn)確性，個(gè)股股價(jià)收益為股票收盤價(jià)格對(duì)數(shù)收益率，且剔除收益率缺失達(dá)到26周的個(gè)股（由于一年的平均交易周數(shù)為52周，缺失達(dá)到一半以上將容易影響統(tǒng)計(jì)結(jié)果）;財(cái)務(wù)數(shù)據(jù)全部為會(huì)計(jì)年度年報(bào)數(shù)據(jù)，且剔除財(cái)務(wù)數(shù)據(jù)缺失的個(gè)股樣本。此外，由于IPO上市存在市場(chǎng)選擇機(jī)會(huì)，為保證樣本數(shù)據(jù)的隨機(jī)性，剔除處理組與控制組樣本中IPO申請(qǐng)時(shí)期不在2008年的樣本③，最后剔除行業(yè)為貨幣金融業(yè)務(wù)的上市公司樣本（由于貨幣金融行業(yè)的公司資產(chǎn)負(fù)債表的數(shù)值與其他行業(yè)相比存在較大的差別，其資產(chǎn)負(fù)債率較高且資產(chǎn)規(guī)模較為龐大），最終獲得270個(gè)個(gè)股統(tǒng)計(jì)樣本的觀測(cè)數(shù)據(jù)。

（三） 變量定義與計(jì)算

1. 個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)。借鑒Chen等（2001）與許年行（2012）等對(duì)個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)的看法，將個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)定義為個(gè)股收益的負(fù)偏程度，通常來說，收益負(fù)偏是說明在正收益厚尾的局面下負(fù)收益突然增大的情況，其可以刻畫出個(gè)股收益極端分布的情形。Hutton等（2009）直接將其定義為負(fù)偏度系數(shù)NCSKEW，即股價(jià)收益的三階矩與標(biāo)準(zhǔn)差三次方之比的相反數(shù);當(dāng)負(fù)偏度系數(shù)越大時(shí)，代表個(gè)股收益出現(xiàn)了較大的極端負(fù)收益。另外，Chen等（2001）也提出均值收益上下波動(dòng)率DUVOL也可以在某些層面上衡量個(gè)股收益的暴跌，是因?yàn)镈UVOL其實(shí)就是個(gè)股均值以下的方差與均值以上的方差之比的自然對(duì)數(shù)值;當(dāng)個(gè)股出現(xiàn)暴跌時(shí)，其在均值以下的部分波動(dòng)會(huì)突然增大，從而造成上下波動(dòng)率數(shù)值較大。

NCSKEW與DUVOL指標(biāo)都是以個(gè)股收益作為衡量方法，為降低個(gè)股收益的非平穩(wěn)性，通常通過擴(kuò)展市場(chǎng)指數(shù)模型的方法，來獲得個(gè)股收益不能為市場(chǎng)收益所解釋的特有收益（Hutton等，2009），許年行等（2012）在市場(chǎng)指數(shù)模型中加入超前滯后項(xiàng)以降低非同步性市場(chǎng)收益的影響;但由于擴(kuò)展指數(shù)模型殘差并不服從正態(tài)分布，所以需進(jìn)行邏輯轉(zhuǎn)換并最終以特有收益的邏輯轉(zhuǎn)換值作為暴跌風(fēng)險(xiǎn)系數(shù)計(jì)算的個(gè)股收益。

其中，[Rm]是A股流通市值加權(quán)平均收益率;[Ri]是個(gè)股的對(duì)數(shù)收益率;[n]代指股票i在統(tǒng)計(jì)周期中每一年的交易周數(shù);[Wi，t]代表股票i每一年特有收益的均值;[nd]代表股票i在統(tǒng)計(jì)周期中收益低于均值的交易周數(shù)，[nu]代表股票i在統(tǒng)計(jì)周期中收益高于均值的交易周數(shù)。

2. 主要解釋變量。通過自然實(shí)驗(yàn)的方法驗(yàn)證“沖擊”對(duì)個(gè)股收益分布的影響。將自然實(shí)驗(yàn)中對(duì)處理組與控制組的分組變量作為主要的解釋變量，將分組變量定義為Dum，當(dāng)個(gè)股樣本為控制組樣本時(shí)，Dum取0;而當(dāng)個(gè)股樣本為處理組樣本時(shí)，Dum取1。

本文賦予處理組與控制組不同的“沖擊”是指處理組的個(gè)股樣本是在“股市崩盤”中上市的個(gè)股樣本，而控制組樣本是指不是在“股市崩盤”中上市的個(gè)股樣本。因此這里用股市崩盤代指“沖擊”，參考Chen等（2001）的說法，股市崩盤是指價(jià)格的大幅度下降而出現(xiàn)大部分負(fù)收益的情況，從收益分布上來說即出現(xiàn)較大的負(fù)偏度。因此，股市崩盤以負(fù)偏度系數(shù)代替。

其中，[Rm]為滬深300股指的收益率，n為每年市場(chǎng)交易周數(shù);[Rm]為滬深300股指收益率每年的平均周收益率。從計(jì)算結(jié)果來看，2013年與2015年的股市崩盤系數(shù)MarketCrash均為正值，也即是說這兩年都發(fā)生了較為明顯的收益負(fù)偏現(xiàn)象，尤以2015年最為明顯。2015年的MarketCrash系數(shù)達(dá)到了0.929，基本與2014年出現(xiàn)的最為明顯的正偏現(xiàn)象持平;即在一個(gè)完整的市場(chǎng)周期中，牛市中的收益出現(xiàn)顯著正偏，而熊市中的收益出現(xiàn)顯著負(fù)偏。

3. 其他控制變量。學(xué)者們普遍認(rèn)為影響個(gè)股暴跌風(fēng)險(xiǎn)的因子主要可以概括為個(gè)股股價(jià)的市場(chǎng)風(fēng)險(xiǎn)因子以及上市公司的特有信息因子。市場(chǎng)風(fēng)險(xiǎn)因子主要為：股價(jià)特有收益均值Ret，即在計(jì)算個(gè)股暴跌風(fēng)險(xiǎn)時(shí)以擴(kuò)展指數(shù)模型計(jì)算的個(gè)股特有收益，個(gè)股特有收益均值越高即代表個(gè)股的超額收益正偏程度越高，則暴跌風(fēng)險(xiǎn)越低;股價(jià)特有收益標(biāo)準(zhǔn)差Sigma，其所衡量的是個(gè)股超額收益的特質(zhì)波動(dòng)，當(dāng)特質(zhì)波動(dòng)越高時(shí)，股價(jià)的暴跌風(fēng)險(xiǎn)也會(huì)越高;個(gè)股超額換手率Dturn，即當(dāng)年月平均換手率與過去一年月平均換手率之差。Chen等（2001）用經(jīng)驗(yàn)證據(jù)證明超額換手率是衡量個(gè)股投資者異質(zhì)信念的合適指標(biāo)，當(dāng)投資者異質(zhì)性越強(qiáng)時(shí)，則超額換手率會(huì)越大，其股價(jià)暴跌風(fēng)險(xiǎn)越大。而上市公司的特有信息因子則主要為：上市公司規(guī)模Size，即公司會(huì)計(jì)報(bào)表上每年總資產(chǎn)的自然對(duì)數(shù)值，股價(jià)橫截面收益存在較大的規(guī)模效應(yīng)，即當(dāng)上市公司規(guī)模越大時(shí)，風(fēng)險(xiǎn)溢價(jià)越低，股價(jià)暴跌風(fēng)險(xiǎn)也將越低;上市公司資產(chǎn)負(fù)債率Lev，即賬面期末負(fù)債總額與賬面期末資產(chǎn)總額之比。上市公司市值賬面比MB，即上市公司的股票總市值與股票會(huì)計(jì)賬目?jī)r(jià)值之比，股票總市值為流通市值（期末股價(jià)與流通股本乘積）與非流通市值（每股凈資產(chǎn)與非流通股本乘積）之和，股票會(huì)計(jì)賬目?jī)r(jià)值為賬面期末所有者權(quán)益總額;總資產(chǎn)報(bào)酬率ROA，即企業(yè)在一定周期內(nèi)獲得的報(bào)酬總額（息稅前利潤(rùn)）與平均資產(chǎn)總額（期初資產(chǎn)總額與期末資產(chǎn)總額的平均值）的比值。MB度量的是上市公司的經(jīng)營(yíng)質(zhì)量，數(shù)值越大代表上市公司經(jīng)營(yíng)質(zhì)量越高，其股價(jià)暴跌風(fēng)險(xiǎn)越低;但ROA越大即表明其息稅前利潤(rùn)越大，這會(huì)造成較大的掏空路徑或盈余管理路徑，從而會(huì)推動(dòng)個(gè)股股價(jià)崩盤。會(huì)計(jì)信息質(zhì)量Abacc，即通過修正Jones模型（Hutton，2009）計(jì)算出的應(yīng)計(jì)盈余管理的絕對(duì)值;由Jin和Myers（2006）、Kim等（2011）發(fā)展的管理層“捂盤”假說認(rèn)為，個(gè)股發(fā)生股價(jià)暴跌主要是因?yàn)樨?fù)面信息積累到一定程度的結(jié)果，而造成負(fù)面信息積累則是因?yàn)楣芾韺拥挠喙芾硇袨椋虼?，企業(yè)的會(huì)計(jì)信息越透明，代表管理層的盈余管理程度越低，則股價(jià)的信息不對(duì)稱程度越低，暴跌風(fēng)險(xiǎn)也會(huì)越低。在進(jìn)行回歸統(tǒng)計(jì)時(shí)，這些控制變量為全部滯后一期的變量。

為了降低自選擇的偏差，即處理組樣本與控制組樣本在它們上市前公司并不存在明顯的差異，我們也進(jìn)行了上市前3年即2005—2007年的樣本特征的差異對(duì)比，包括成長(zhǎng)性、規(guī)模、負(fù)債率以及會(huì)計(jì)盈余管理，從檢驗(yàn)結(jié)果來看，選擇樣本在上市前3年的會(huì)計(jì)賬目上并沒有明顯的差異，只不過控制組的3年復(fù)合增長(zhǎng)率與每年的規(guī)模要高于處理組。而處理組在2008年即上市之年表現(xiàn)出顯著更高的盈余管理，與新股發(fā)行上市有一定關(guān)系，即上市公司為了成功實(shí)現(xiàn)上市會(huì)進(jìn)行會(huì)計(jì)報(bào)表的修正，使得上市公司獲得更高的市場(chǎng)認(rèn)可度④。

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)

表1為主要被解釋變量與解釋變量、其他控制變量未分組下的描述性統(tǒng)計(jì)結(jié)果與相關(guān)系數(shù)表;描述性統(tǒng)計(jì)指標(biāo)包括變量的均值、中位數(shù)、標(biāo)準(zhǔn)差、最小值與最大值?？傮w樣本的暴跌風(fēng)險(xiǎn)系數(shù)NCSKEW與DUVOL均值相差不大，都約為-0.036;處理組在全樣本中的暴跌風(fēng)險(xiǎn)系數(shù)NCSKEW與DUVOL均值分別為-0.104與-0.065，都遠(yuǎn)小于總體樣本的均值，控制組在全樣本中的暴跌風(fēng)險(xiǎn)系數(shù)均值為0.043與-0.001，遠(yuǎn)高于總體樣本均值。描述性統(tǒng)計(jì)結(jié)果也已經(jīng)較為明顯地證明具有股市崩盤“沖擊”的個(gè)股表現(xiàn)出了更低的暴跌風(fēng)險(xiǎn)，也即股市崩盤的負(fù)面沖擊對(duì)個(gè)股暴跌風(fēng)險(xiǎn)有較強(qiáng)的抑制作用。主要分組變量Dum均值為0.537，即處理組樣本占全部樣本的53.7%，而控制組樣本占全部樣本的46.3%;兩組樣本在數(shù)量上總體相差不大。

（二）單變量分析

表2是在計(jì)算54只個(gè)股樣本在2011—2015年的股價(jià)暴跌風(fēng)險(xiǎn)系數(shù)與其他控制變量以后按照處理組與控制組分組的均值比較與均值T檢驗(yàn)比較?？傮w來說，處理組樣本的暴跌風(fēng)險(xiǎn)均值都要低于控制組樣本，但在2014年出現(xiàn)了反轉(zhuǎn)即處理組樣本的暴跌風(fēng)險(xiǎn)均值要高于控制組樣本。聯(lián)系當(dāng)時(shí)的資本市場(chǎng)情況，2014年下半年股市出現(xiàn)暴漲，市場(chǎng)進(jìn)入牛市階段。而從差異檢驗(yàn)結(jié)果來看，發(fā)現(xiàn)2015年及2013、2015年全樣本的T檢驗(yàn)最為明顯，即便是經(jīng)過防止小樣本誤差的bootstrap調(diào)整仍是如此，且處理組與控制組的暴跌風(fēng)險(xiǎn)差異在2015年最明顯?？梢姡幚斫M與控制組樣本的暴跌風(fēng)險(xiǎn)系數(shù)差異會(huì)在再次發(fā)生股市崩盤時(shí)發(fā)生更為明顯的差異。通過對(duì)處理組與控制組樣本的在統(tǒng)計(jì)周期內(nèi)的控制變量單變量均值比較與T值差異比較發(fā)現(xiàn)：兩組樣本除市賬比外各個(gè)變量并不存在較為明顯的差異。

（三）多元回歸分析

假設(shè)1所提出的股市崩盤“沖擊”會(huì)對(duì)個(gè)股樣本的暴跌風(fēng)險(xiǎn)具有抑制作用，即在股市崩盤中上市的個(gè)股比未在股市崩盤中上市的個(gè)股樣本會(huì)表現(xiàn)出更低的股價(jià)暴跌風(fēng)險(xiǎn)。也即是說分組變量Dum對(duì)個(gè)股樣本的股價(jià)暴跌風(fēng)險(xiǎn)有明顯的抑制作用，Dum對(duì)NCSKEW與DUVOL的多元回歸系數(shù)應(yīng)為負(fù)值，且應(yīng)顯著為負(fù)。表3第（1）、（2）列分別是Dum與NCSKEW以及DUVOL的多元回歸結(jié)果，回歸結(jié)果包含所有控制變量，為更好說明回歸參數(shù)系數(shù)的顯著性水平而公布了每一個(gè)參數(shù)系數(shù)的t值。從顯著性結(jié)果來看，在所有解釋變量中，分組變量Dum對(duì)被解釋變量的參數(shù)系數(shù)顯著性最強(qiáng)，Dum對(duì)NCSKEW的參數(shù)系數(shù)為-0.193（t=-2.13），Dum對(duì)DUVOL的參數(shù)系數(shù)為-0.091（t=-2.08）。分組變量對(duì)個(gè)股樣本的暴跌風(fēng)險(xiǎn)系數(shù)為顯著負(fù)向影響，考慮到分組變量的定義，即經(jīng)歷股市崩盤“沖擊”的個(gè)股樣本在個(gè)股暴跌風(fēng)險(xiǎn)上比沒經(jīng)歷股市崩盤“沖擊”的個(gè)股樣本更低。股市崩盤的負(fù)面“沖擊”對(duì)個(gè)股樣本的收益分布產(chǎn)生了一定的抑制作用。

表3多元回歸結(jié)果中的第（3）列與第（4）列是檢驗(yàn)假設(shè)2的結(jié)果。在多元回歸中加入股市崩盤系數(shù)Marketcrash以及交乘項(xiàng)Dum[×]Marketcrash，交乘項(xiàng)的作用就是希望檢驗(yàn)出若再次出現(xiàn)股市崩盤時(shí)，處理組樣本與控制組樣本個(gè)股暴跌風(fēng)險(xiǎn)的差異。從回歸結(jié)果來看，發(fā)現(xiàn)分組變量Dum參數(shù)系數(shù)絕對(duì)值與t值增大，Dum對(duì)NCSKEW的參數(shù)系數(shù)絕對(duì)值增大0.029，對(duì)DUVOL的參數(shù)系數(shù)絕對(duì)值增大0.013。且交乘項(xiàng)的參數(shù)系數(shù)絕對(duì)值高于分組變量，可看出在引入股市崩盤系數(shù)后，股市崩盤系數(shù)每提高1個(gè)單位，處理組比控制組在暴跌風(fēng)險(xiǎn)系數(shù)上會(huì)降低0.25個(gè)單位（NCSKEW）與0.12個(gè)單位（DUVOL）;交乘項(xiàng)參數(shù)系數(shù)t統(tǒng)計(jì)量都在5%以內(nèi)的統(tǒng)計(jì)水平上顯著。

多元回歸的結(jié)果總體驗(yàn)證了股市崩盤“沖擊”對(duì)個(gè)股收益分布的三階矩即暴跌風(fēng)險(xiǎn)的影響，且從統(tǒng)計(jì)結(jié)果上認(rèn)為股市崩盤負(fù)面“沖擊”對(duì)個(gè)股收益分布三階矩產(chǎn)生了一定的抑制作用。即負(fù)面沖擊會(huì)影響投資者的投資信念，抑制認(rèn)知偏差。

（四）穩(wěn)健性檢驗(yàn)

本文所計(jì)算的個(gè)股收益的暴跌風(fēng)險(xiǎn)是基于個(gè)股收益的三階矩分布以及二階矩分布角度考慮，但Marin（2008）以及Firth等 （2005）等人從概率的角度認(rèn)為個(gè)股收益的暴跌風(fēng)險(xiǎn)是一種極端負(fù)收益出現(xiàn)的概率。而這種極端負(fù)收益即指?jìng)€(gè)股收益遠(yuǎn)低于均值調(diào)整項(xiàng)，Marin（2008）將均值調(diào)整項(xiàng)定義為個(gè)股收益均值與一定閾值下的標(biāo)準(zhǔn)差之差;并將閾值定義為個(gè)股收益落在極端負(fù)面收益以外的概率t值⑤。為避免因變量定義問題而造成的解釋偏差，我們也對(duì)個(gè)股特有收益的極端負(fù)收益出現(xiàn)概率進(jìn)行了計(jì)算：

其中，[Wi，t]是個(gè)股收益經(jīng)過擴(kuò)展指數(shù)模型（1）計(jì)算后經(jīng)（2）式調(diào)整的特有收益，[Wi，t]為個(gè)股特有收益在一定周期內(nèi)的均值，[δ]為個(gè)股特有收益在一定周期內(nèi)的標(biāo)準(zhǔn)差，[λ]為閾值，在本文中以正態(tài)分布中0.1%的單側(cè)概率t值作為閾值即[λ]為3.09（Kim等， 2011）。

從圖2的Crash結(jié)果分布來看，可以看出除2014年外，處理組樣本發(fā)生個(gè)股崩盤的樣本個(gè)數(shù)都小于控制組樣本發(fā)生個(gè)股崩盤的樣本個(gè)數(shù)。從每一年的比較來看，2015年控制組樣本與處理組樣本發(fā)生個(gè)股崩盤的樣本個(gè)數(shù)差值最大，控制組發(fā)生個(gè)股崩盤樣本數(shù)量為處理組樣本的2倍;而控制組在統(tǒng)計(jì)周期中每年發(fā)生個(gè)股崩盤的樣本數(shù)量變化基本與市場(chǎng)表現(xiàn)保持一致?？刂平M與處理組在Crash的計(jì)算結(jié)果上與NCSKEW以及DUVOL保持一致，但由于自然實(shí)驗(yàn)的樣本數(shù)量為54只，其數(shù)量較小，若擴(kuò)大閾值以增大樣本數(shù)量則容易引入市場(chǎng)噪聲而影響結(jié)果。我們?cè)囍?%的概率作為閾值發(fā)現(xiàn)處理組與控制組間的個(gè)股崩盤樣本數(shù)量之間并無明顯的差異與規(guī)律，所以在此只報(bào)道0.1%閾值下的個(gè)股崩盤樣本計(jì)算結(jié)果。

由表4可知，通過Logit模型對(duì)Crash變量與其他變量的多元回歸分析發(fā)現(xiàn)分組變量的參數(shù)系數(shù)符號(hào)仍舊為負(fù)，即處理組樣本的個(gè)股暴跌風(fēng)險(xiǎn)要比控制組低0.61%;但分組變量的參數(shù)系數(shù)t值顯著性降低了。在引入股市崩盤系數(shù)進(jìn)行假設(shè)2檢驗(yàn)時(shí)交乘項(xiàng)Dum[×]crash_ncskew符號(hào)仍舊為負(fù)，但顯著性消失;但分組變量顯著性提高，且符號(hào)未變。這或與樣本量較小且二者計(jì)算方法有較大差異有關(guān)。

此外，為避免因樣本量太小造成的檢驗(yàn)結(jié)果誤差，在穩(wěn)健性檢驗(yàn)中對(duì)樣本的選擇周期也進(jìn)行了調(diào)整，即將控制組與處理組中選股的周期由3個(gè)月擴(kuò)大至6個(gè)月，將處理組個(gè)股上市的月份由2008年4月至6月擴(kuò)大至3月至8月;將控制組個(gè)股上市的月份由2009年7月至9月擴(kuò)大至7月至12月。在按照我們實(shí)驗(yàn)的剔除條件進(jìn)行剔除后，觀測(cè)樣本數(shù)量擴(kuò)大至1070個(gè)。對(duì)假設(shè)1與假設(shè)2進(jìn)行多元回歸分析，回歸結(jié)果與實(shí)驗(yàn)中的檢驗(yàn)結(jié)果保持一致，說明實(shí)驗(yàn)中的樣本數(shù)量并未影響到檢驗(yàn)結(jié)果。

五、結(jié)論

本文以自然實(shí)驗(yàn)的方法初步檢驗(yàn)了股市動(dòng)蕩與個(gè)股股價(jià)暴跌風(fēng)險(xiǎn)之間的因果關(guān)系。檢驗(yàn)結(jié)果發(fā)現(xiàn)，這種因果關(guān)系在統(tǒng)計(jì)結(jié)果上存在且表現(xiàn)為抑制作用：股市崩盤的負(fù)面“沖擊”對(duì)個(gè)股的股價(jià)暴跌風(fēng)險(xiǎn)有顯著的抑制作用，處理組樣本在暴跌風(fēng)險(xiǎn)系數(shù)上要顯著比控制組樣本低。本文驗(yàn)證了市場(chǎng)沖擊對(duì)股價(jià)行為的影響，可以幫助投資者更深入地認(rèn)識(shí)市場(chǎng)價(jià)格形成機(jī)制。

當(dāng)然，本文僅僅是基于一個(gè)實(shí)驗(yàn)的樣本數(shù)據(jù)，選擇的樣本數(shù)據(jù)與總體實(shí)驗(yàn)數(shù)據(jù)還有一定的差距。并且由于樣本數(shù)據(jù)較小，檢驗(yàn)結(jié)果是否具有普遍性還有待更大數(shù)據(jù)樣本的檢驗(yàn)。2015年股災(zāi)又提供了一次自然實(shí)驗(yàn)機(jī)會(huì)，但由于在本文撰寫完畢時(shí)，其研究區(qū)間相對(duì)太短，故未能選取相關(guān)數(shù)據(jù)進(jìn)行更多的論證。此外，本文對(duì)股市崩盤風(fēng)險(xiǎn)的定量方法還有待商榷，還需進(jìn)一步準(zhǔn)確的定義好代理變量的關(guān)系以保證結(jié)果的準(zhǔn)確性。

注：

①在如今金融市場(chǎng)波動(dòng)日益增大的情況下，有許多學(xué)者研究個(gè)股的股價(jià)崩盤風(fēng)險(xiǎn)，包括股價(jià)崩盤風(fēng)險(xiǎn)的衡量方法以及產(chǎn)生較大的個(gè)股股價(jià)崩盤風(fēng)險(xiǎn)的原因。目前，產(chǎn)生的共識(shí)是個(gè)股股價(jià)的崩盤風(fēng)險(xiǎn)主要是指?jìng)€(gè)股出現(xiàn)大幅度的價(jià)格下跌與負(fù)收益現(xiàn)象，是出現(xiàn)極端負(fù)收益的一種情況（Hong和Stein，2003）;也即是說個(gè)股收益的二階矩有較為明顯的波動(dòng)而三階矩的偏度分布則出現(xiàn)較為明顯的負(fù)收益分布。

②股市震蕩與個(gè)股股價(jià)崩盤并非同一概念，當(dāng)前學(xué)術(shù)界諸如Chen等（2001），Hong和Stein（2003），Hutton等（2009）等研究的都是基于個(gè)股層面的股價(jià)崩盤風(fēng)險(xiǎn)。而參照Marin和Olivier（2008）等的觀點(diǎn)，是指資本市場(chǎng)出現(xiàn)大面積的個(gè)股股價(jià)下跌，且出現(xiàn)較大的負(fù)收益程度。

③我國(guó)企業(yè)實(shí)現(xiàn)IPO上市要經(jīng)歷較長(zhǎng)的流程，從提交申請(qǐng)材料到最后發(fā)行上市平均等待時(shí)間為3—9個(gè)月，其中還并不包括排隊(duì)與IPO暫停的時(shí)間。而更為重要的是，監(jiān)管當(dāng)局對(duì)企業(yè)發(fā)行上市存在一定的選擇即在市場(chǎng)較為繁榮時(shí)鼓勵(lì)上市，而在市場(chǎng)蕭條時(shí)抑制上市;且企業(yè)也會(huì)在市場(chǎng)繁榮時(shí)申請(qǐng)上市而在市場(chǎng)蕭條時(shí)推遲上市。因此為降低處理組樣本與控制組樣本的自選擇，而將企業(yè)申請(qǐng)上市時(shí)間定為同一年。

④限于文章篇幅，結(jié)果未予列出。

⑤Marin（2008）在數(shù)據(jù)檢驗(yàn)中將閾值定為2，對(duì)個(gè)股收益分別從三個(gè)角度計(jì)算，即未調(diào)整前的對(duì)數(shù)收益、經(jīng)市場(chǎng)收益調(diào)整的超額收益以及經(jīng)市場(chǎng)指數(shù)模型中Beta值調(diào)整的特有收益。本文由于已經(jīng)計(jì)算出市場(chǎng)擴(kuò)展指數(shù)模型的特有收益，所以直接以特有收益的均值進(jìn)行均值標(biāo)準(zhǔn)差調(diào)整計(jì)算。

參考文獻(xiàn)：

[1]Chen J，Hong H，Stein J C. 2001. Forecasting Crashes：Trading Volume，Past Returns，and Conditional Skewness in Stock Prices[J].Journal of Financial Economics，61（3）.

[2]Hong H，Stein J C. 2003. Differences of Opinion， Short-sales Constraints， and Market Crashes[J].The Review of Financial Studies，16（2）.

[3]Campbell J Y，Hentschel L. 1992. No News is Good News：An Asymmetric Model of Changing Volatility in Stock Returns[J].Journal of Financial Economics，31（3）.

[4]Romer D. 1992. Rational Asset Price Movements Without News[R].National Bureau of Economic Research，83（5）.

[5]Callen J L，F(xiàn)ang X. 2013. Institutional Investor Stability and Crash Risk： Monitoring Versus Short-termism？[J].Journal of Banking & Finance，37（8）.

[6]Jinshuai H，Jeong-Bon K，Wenrui Z. 2014. Insider Trading and Stock Price Crash Risk：International Evidence from a Natural Experiment[J].SSRN Electronic Journal.

[7]Jin L，Myers S C. 2006. R2 Around the World：New Theory and New Tests[J].Journal of Financial Economics，79（2）.

[8]Hutton A P，Marcus A J， Tehranian H. 2009. Opaque Financial Reports，R2，and Crash Risk[J].Journal of Financial Economics，94（1）.

[9]Kothari S P，Shu S，Wysocki P D. 2009. Do Managers Withhold Bad News？[J].Journal of Accounting Research，47（1）.

[10]Ball R. 2009. Market and Political/Regulatory Perspectives on the Recent Accounting Scandals[J].Journal of Accounting Research，47（2）.

[11]Kim J B，Li Y，Zhang L. 2011. Corporate Tax Avoidance and Stock Price Crash Risk： Firm-level Analysis[J].Journal of Financial Economics，100（3）.

[12]Xu N，Li X，Yuan Q et al. 2014. Excess Perks and Stock Price Crash Risk：Evidence from China[J].Journal of Corporate Finance，25.

[13]Andreou P C，Antoniou C，Horton J，et al. 2016. Corporate Governance and Firm-specific Stock Price Crashes[J]. European Financial Management，22（5）.

[14]Zhang M，Xie L，Xu H. 2016. Corporate Philanthropy and Stock Price Crash Risk： Evidence from China[J].Journal of Business Ethics，139（3）.

[15]Marin J M，Olivier J P. 2008. The Dog that did not Bark：Insider Trading and Crashes[J].The Journal of Finance， 63（5）.

[16]Firth M ， Chen G M，Gao N D，et al.? Is China's Securities Regulatory Agency A Toothless Tiger？Evidence from Enforcement Actions[J].Social Science Electronic Publishing.

[17]權(quán)小鋒，吳世農(nóng).投資者關(guān)注、盈余公告效應(yīng)與管理層公告擇機(jī)[J].金融研究，2010，（11）.

[18]呂江林，李明生，石勁.人民幣升值對(duì)中國(guó)股市影響的實(shí)證分析[J].金融研究，2007，（6）.

[19]高昊宇，楊曉光，葉彥藝.機(jī)構(gòu)投資者對(duì)暴漲暴跌的抑制作用：基于中國(guó)市場(chǎng)的實(shí)證[J].金融研究，2017，（2）.

[20]孟慶斌，楊俊華，魯冰.管理層討論與分析披露的信息含量與股價(jià)暴跌風(fēng)險(xiǎn)——基于文本向量化方法的研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2017，（12）.

[21]宋獻(xiàn)中，胡珺，李四海.社會(huì)責(zé)任信息披露與股價(jià)暴跌風(fēng)險(xiǎn)——基于信息效應(yīng)與聲譽(yù)保險(xiǎn)效應(yīng)的路徑分析[J].金融研究，2017，（4）.

[22]曾愛民，魏志華.宗教傳統(tǒng)影響股價(jià)暴跌風(fēng)險(xiǎn)嗎？——基于“信息披露”和“管理自律”的雙重視角[J].經(jīng)濟(jì)管理，2017，39（11）.

[23]馬笑芳，周中勝，張?zhí)K斌，邵蔚，張康建.審計(jì)行業(yè)專長(zhǎng)與股價(jià)暴跌風(fēng)險(xiǎn)的關(guān)系分析[J].蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018，39（2）.

[24]丁慧，呂長(zhǎng)江，陳運(yùn)佳.投資者信息能力：意見分歧與股價(jià)暴跌風(fēng)險(xiǎn)——來自社交媒體“上證e互動(dòng)”的證據(jù)[J].管理世界，2018，34（9）.

[25]褚劍，方軍雄.政府審計(jì)的外部治理效應(yīng)：基于股價(jià)暴跌風(fēng)險(xiǎn)的研究[J].財(cái)經(jīng)研究，2017，43（4）.

[26]徐飛，唐建新，程利敏.國(guó)際貿(mào)易網(wǎng)絡(luò)與股價(jià)崩盤傳染：競(jìng)爭(zhēng)性貨幣貶值視角[J].國(guó)際金融研究，2018，（12）.

[27]許年行，江軒宇，伊志宏，徐信忠.分析師利益沖突、樂觀偏差與股價(jià)暴跌風(fēng)險(xiǎn)[J].經(jīng)濟(jì)研究，2012，47（7）.

Abstract：This paper studies whether there is a causal relationship between a stock market crash and firm-level stock price crash risk by natural experiment， taking Chinese A-shares market turbulence in 2008 and the special domestic IPO suspension system as the designing opportunity of natural experiment. The study finds that：（1）compared with the new stocks listed in the stock market after the gradual recovery，those listed in the stock market crash have significantly lower risk of slump;（2）the further research suggests that the differences above are much more significant when a stock market crash occurs again. Steady research shows that a stock market crash can remarkably reduce the risk of firm-level stock price crash.

Key Words：stock market crash，natural experiment，risk of firm-level stock price crash

（責(zé)任編輯? ? 孫? ?軍;校對(duì)? ?MM，GX）