■謝文武，葉聰穎，汪 濤

企業(yè)并購作為整合資本市場資源的重要方式，對提高資本配置效率、迅速擴大企業(yè)規(guī)模、提升競爭力有顯著的作用。隨著近年來企業(yè)并購案的迅猛增加，商譽值作為企業(yè)并購的伴隨產(chǎn)物更是呈井噴式的增長。A股上市公司商譽凈值的總量從2007年的376.13億元擴張到了2018年第三季度的14457億元，并購商譽已經(jīng)成為資本市場關(guān)注的焦點。雖然商譽能夠為企業(yè)帶來超額利潤，但是由于A股上市企業(yè)并購信息披露的不透明性、商譽計量方法存在偏差等原因，許多企業(yè)披露的商譽并未體現(xiàn)其真實價值，企業(yè)并購引發(fā)股價暴漲暴跌的問題也逐漸凸顯出來。但是，現(xiàn)有關(guān)于股價崩盤風(fēng)險的研究，對并購商譽的關(guān)注不足，且一般選擇公司內(nèi)部層面和市場層面中的其中一個進行考察，本文則基于信息不對稱假說在市場和公司兩個層面以2008-2016年的A股上市公司為研究樣本，對商譽影響股價崩盤風(fēng)險的作用機制進行研究。

一、理論分析和假說

由于股價崩盤會對金融市場和實體經(jīng)濟的產(chǎn)生巨大負面影響，學(xué)界已經(jīng)對股價崩盤風(fēng)險產(chǎn)生的機制進行了廣泛而透徹的研究。早在20世紀(jì)80年代外國學(xué)者就對股價崩盤風(fēng)險的成因進行理論建模，Blanchard&Watson（1982）發(fā)現(xiàn)在人們的理性行為和理性預(yù)期下，資產(chǎn)的價格會出現(xiàn)偏離基礎(chǔ)價值的情況，并從線性理性預(yù)期模型中分解出一個泡沫項，他們認為股價泡沫是引發(fā)股價崩盤的原因。Campbell&Hentschel（1991）則認為利空和利好消息都會增加預(yù)期的股價波動，為了補償股價波動帶來的風(fēng)險，投資者會要求更高的回報率，利好消息會帶來股價的向上波動，但是更高的預(yù)期回報率會抵消部分波動。然而，當(dāng)利空消息傳來時，投資者更高的回報預(yù)期會加劇利空消息帶來的股價向下波動，即利空消息帶來的股價下行幅度比利好消息帶來的股價上行幅度更大，從而推斷股價崩盤是波動不對稱現(xiàn)象導(dǎo)致的。之后一些學(xué)者拋棄了市場轉(zhuǎn)而研究個股，放松了完全信息的條件，從信息不對稱角度去研究股價暴漲暴跌現(xiàn)象?；谛畔⒉粚ΨQ假說，Grossman（1988）通過利用不完全信息建立模型，提出股票市場是不完全信息市場，進而在信息不對稱的角度解釋了股價崩盤的成因。Hutton et al.（2009）指出公司管理層出于職業(yè)憂慮、職位晉升、期權(quán)行權(quán)的原因，會傾向于隱瞞“壞消息”，而負面消息累積到一個極限無法隱藏的時候，將會爆發(fā)于外部市場，公司股價會受到巨大沖擊以至于崩盤。

上述三種理論和假說都豐富了學(xué)界對股價崩盤成因的研究。然而，已有研究表明，股價崩盤風(fēng)險形成的主要原因是信息不對稱理論下管理層為實現(xiàn)自身利益選擇向投資者和市場隱瞞壞消息（Kothari et al.，2009；Kim et al.，2011）。在此理論框架下，學(xué)者主要從市場層面和公司層面研究股價崩盤風(fēng)險。在公司層面上，蔣紅蕓和王雄元（2018）提出內(nèi)部監(jiān)督信息披露越充分和內(nèi)部控制質(zhì)量越高，企業(yè)股價崩盤風(fēng)險越低。孫淑偉等（2017）發(fā)現(xiàn)高管減持與股價崩盤風(fēng)險顯著正相關(guān)。王化成等（2015）發(fā)現(xiàn)大股東持股比例越高，對公司的監(jiān)督作用越強，公司的股價崩盤風(fēng)險越低。在市場層面上，林永堅等（2018）認為股票流動性越高，股價崩盤風(fēng)險越大。但是鮮有文章在信息不對稱的作用機制下研究并購商譽對股價崩盤的影響，僅有趙燕和趙秀芳（2016）提出并購中確認的商譽數(shù)額對并購后高管薪酬的提高具有顯著的正向影響。Masters et al.（2008）指出若商譽發(fā)生大規(guī)模減值，則高管任期一般不超過三年。公司管理層出于職業(yè)生涯和薪酬的目的，會傾向于提高并購商譽的價格來保證自身的職位和薪酬。在市場層面，并購商譽可能被公司用于修改當(dāng)期的會計信息。鄭海英等（2014）認為公司支付較高的商譽成本能夠提升當(dāng)期公司業(yè)績，商譽成本在以后的期間與公司業(yè)績呈顯著的負相關(guān)。由此說明，商譽并不能持續(xù)地提升公司業(yè)績，商譽記錄在資產(chǎn)負債表的價格（歷史成本）并不能反映其真實價值，其很有可能作為公司粉飾會計信息的工具而存在。所以，本文認為并購商譽的確認在公司和市場層面均存在信息不對稱的情況，而信息不對稱會使股票價格高度偏離其基礎(chǔ)價值，當(dāng)由于信息不對稱產(chǎn)生的負面消息爆發(fā)于市場時，就會引發(fā)股價崩盤。根據(jù)上述研究，提出假設(shè)H1。

假設(shè)H1：經(jīng)凈利潤調(diào)整后的商譽與未來的股價崩盤風(fēng)險正相關(guān)。

為了解釋商譽在信息不對稱作用機制的基礎(chǔ)上影響股價崩盤，筆者認為公司層面的信息不透明度可以有效的捕捉公司管理層為了自身利益而進行巨額商譽合并從而操縱公司盈余的痕跡。傅超（2016）發(fā)現(xiàn)一些上市公司商譽存在會計信息質(zhì)量問題，并進一步指出商譽可能成為公司高管進行盈余操縱的工具。因此，將可操縱應(yīng)計的絕對值定義為信息不透明度，以此來反映公司管理層控制并購商譽規(guī)模的行為。在市場層面，媒體披露的壞消息的多少體現(xiàn)了公司與投資者之間信息不對稱的程度。媒體負面消息越多，公司粉飾會計信息的情況就更廣泛地被市場和投資者了解。反之，媒體負面消息越少，媒體對該公司缺乏監(jiān)督作用，公司篡改會計信息的行為就變得更加隱蔽，公司和投資者之間的信息不對稱程度就更高，更容易引發(fā)股價崩盤。關(guān)于媒體對股價崩盤的作用，羅進輝和杜興強等（2014）認為，相較于媒體關(guān)注度高的企業(yè)，媒體關(guān)注較少的企業(yè)信息不對稱程度更高，股價崩盤風(fēng)險更顯著。因此，將媒體披露的壞消息數(shù)定義為媒體負面報道，以此來體現(xiàn)公司與市場之間的信息不對稱程度。根據(jù)信息不對稱作用機制在公司和市場層面的體現(xiàn)，提出假設(shè)H2和假設(shè)H3。

假設(shè)H2：公司的信息不透明程度越高，管理層操縱盈余的空間越大，越能加劇商譽值對未來的股價崩盤風(fēng)險的正向影響程度。

假設(shè)H3：媒體負面報道越少，媒體對公司的監(jiān)督越少，信息不對稱水平越高，越能加劇商譽值對未來的股價崩盤風(fēng)險的正向影響程度。

二、研究設(shè)計

（一）樣本選擇和數(shù)據(jù)來源

商譽在2007年作為單獨科目正式出現(xiàn)在企業(yè)報表上，但是由于2007年商譽規(guī)模較小，商譽納入資產(chǎn)負債表在2008年后才逐漸常態(tài)化，且計算股價崩盤風(fēng)險需要滯后一期的數(shù)據(jù)。因此，將2008-2016年的A股上市公司為作為分析股價波動的對象。并剔除了以下樣本：金融類受管制的公司，以及股票被進行特殊處理的公司；撰寫時已退市的公司數(shù)據(jù)；每年交易周數(shù)小于30的樣本，避免交易周數(shù)過少影響股價崩盤風(fēng)險的估算；數(shù)據(jù)缺失樣本。最終得到了17142個上市公司年度樣本。將連續(xù)變量在1%的水平上進行兩側(cè)縮尾。此外，還對回歸標(biāo)準(zhǔn)誤進行公司層面的群聚調(diào)整（cluster），以確?；貧w結(jié)果是無偏的。全文的相關(guān)數(shù)據(jù)來自國泰安數(shù)據(jù)庫、Wind數(shù)據(jù)庫和百度新聞。

（二）變量定義

1.股價崩盤風(fēng)險

參照Kim et al（2011）和許年行等（2012）的研究，采用兩個指標(biāo)來衡量股價崩盤風(fēng)險，過程如下：

首先，在模型（1）中用市場收益率對股票i的周收益率進行回歸。

其中，Rit為公司i股票的每周收益率，Rmt為考慮現(xiàn)金收益的A股市場收益率，εit為模型1回歸結(jié)果的殘差，是個股收益率無法被市場收益率解釋的部分。這一部分如果為負數(shù)，則代表股票i在受到除了市場以外的因素影響下，股價下降。因此，εi，t如果為負數(shù)且絕對值越大，代表公司股價由于非市場原因?qū)е碌牡酱?，越容易引發(fā)股價崩盤風(fēng)險。使用Wit=ln（1+εit）這一公式對εit進行調(diào)整，得到特質(zhì)收益率Wit。第一個指標(biāo)負收益偏態(tài)系數(shù)NCSKEWit的計算方法為：模型（2）中，n是股票i在第t年的交易周數(shù)，該指標(biāo)的值越大，股價崩盤風(fēng)險越高。

第二個指標(biāo)收益率上下波動比率DUVOLit的計算公式為：

其中，nu（nd）為股票i的周回報率高于（低于）當(dāng)年回報率均值的周數(shù)。DUVOLit越大，股價崩盤風(fēng)險越高。

2.商譽

通過本年是否產(chǎn)生商譽用虛擬變量（GW_dum）將觀測值分為產(chǎn)生商譽組和未產(chǎn)生商譽組。產(chǎn)生商譽時，虛擬變量為1，否則取0。選取經(jīng)凈利潤調(diào)整后的商譽值（GW）作為文章的解釋變量，具體計算方法為記錄在公司第t年資產(chǎn)負債表的商譽值減去記錄在公司第t-1年資產(chǎn)負債表的商譽值得到商譽值的增量，再用增量除以公司第t年的凈利潤。

這樣設(shè)計被解釋變量有以下三點原因：第一，經(jīng)凈利潤調(diào)整后的商譽值（GW）能夠有效地展現(xiàn)每年公司商譽的增值，來確定企業(yè)并購事項是否發(fā)生。第二，根據(jù)鄭海英等（2014）、馮科和楊威（2018）的相關(guān)研究，商譽與本年公司業(yè)績呈正相關(guān)。經(jīng)凈利潤調(diào)整后的商譽值（GW）越大，代表并購商譽提升本年度業(yè)績的能力越小，從而體現(xiàn)出并購商譽定價與其真實價值并不匹配，存在人為操縱的痕跡。第三，經(jīng)過凈利潤調(diào)整的商譽值（GW）可以有效地控制企業(yè)凈利潤對商譽規(guī)模的干擾。

3.信息不對稱

采用信息不透明度AbsACC，即依據(jù)Jones模型得到的可操縱應(yīng)計的絕對值（Dechow et al.，1995），作為在公司層面衡量上市公司信息不對稱程度的變量。AbsACC的值越大，意味著公司的信息透明度越低。下面是計算AbsACC所用的公式：

首先，用模型（4）控制年份和行業(yè)進行回歸，得到系數(shù)α1、α2、α3。其次，將系數(shù)代入到模型（5）中計算出NDAt。然后，在模型（6）中利用模型（4）、（5）獲得的數(shù)據(jù)計算出DAt。最后，對DAt取絕對值得到信息不透明度AbsACC。其中，TAt是公司在本年度的總應(yīng)計項目，是凈利潤和經(jīng)營現(xiàn)金流的差額；At-1為公司在上年度的總資產(chǎn)；NDAt是公司本年度的非操縱應(yīng)計盈余；ΔSt是公司本年度與上年度營業(yè)收入的增量；ΔRt是公司本年度與上年度應(yīng)收賬款的增量；PPEt為公司本年度固定資產(chǎn)；DAt是公司本年度的可操縱性應(yīng)計盈余。

媒體負面報道（Badnewst）指的是第t年的媒體披露的某公司壞消息數(shù)。采用Badnewst作為在市場層面衡量上市公司信息不對稱程度的變量。Badnewst的值越小，意味著公司的信息不對稱程度越高。該變量的來源為百度新聞，將上市公司的名稱作為關(guān)鍵詞，在百度新聞中搜索文章全文，通過搜索主題和關(guān)鍵詞找出負面消息數(shù)，即百度新聞在第t年報道的關(guān)于公司i的負面消息數(shù)。

4.控制變量

參考Hutton et al.，（2009）和王化成等（2015）等的相關(guān)研究，選取了公司規(guī)模、托賓Q值、總資產(chǎn)收益率、資產(chǎn)負債率、月平均超額換手率、特質(zhì)收益率的年均值、特質(zhì)收益率的年標(biāo)準(zhǔn)差作為控制變量。此外，本文還控制了年份和行業(yè)。

表1 變量的定義與度量

三、實證分析

（一）描述性統(tǒng)計分析

表2列示了主要研究變量的描述性統(tǒng)計結(jié)果。結(jié)果顯示，NCKSEWt+1和DUVOLt+1的均值分別為-0.2559和-0.1658，中間值分別為-0.2148和-0.1577，標(biāo)準(zhǔn)差分別為0.6815和0.4715，這表明這兩個指標(biāo)的樣本間差異比較大，且分布左偏。商譽（GW）的均值為0.1809大于中間值（0.0000），極大值為6.8301，極小值為-0.3621，代表商譽的右偏性很強，且公司間確認的商譽值差異較大。GW_dum的標(biāo)準(zhǔn)差0.4264，上市公司是否產(chǎn)生商譽的差異較大。Badnews極大值為294，極小值為2，媒體對每家公司的負面報道差異明顯。AbsACC的標(biāo)準(zhǔn)差為0.0863，極大和極小值為0.5183和0.0009，上市公司間的信息不透明度差異不明顯。

表2 主要變量描述性統(tǒng)計

（二）相關(guān)性統(tǒng)計分析

表3分析了本文主要變量的皮爾遜相關(guān)系數(shù)。其中，因變量NCKSEWt+1和DUVOLt+1的相關(guān)性為0.88，是十分顯著的正相關(guān)關(guān)系，代表了這兩個變量的一致性較強。商譽有無（GW_dum）與兩個因變量的相關(guān)系數(shù)分別為0.041和0.031，在1%的水平上顯著正相關(guān)；此外，商譽（GW）和兩個因變量的相關(guān)性在1%的水平上顯著為正，相關(guān)性為0.043和0.040，這初步證明了H1和H2。關(guān)于信息不對稱指標(biāo)與因變量的關(guān)系，AbsACC與因變量關(guān)系并不顯著，但Badnews與兩個因變量均在1%的水平上顯著正相關(guān)。

（三）單變量分析

在回歸分析之前先對主要變量進行單變量分析。根據(jù)樣本公司本年是否產(chǎn)生商譽，本文將總樣本分為本年產(chǎn)生商譽（以下簡稱“有商譽”）的子樣本和本年未產(chǎn)生商譽（以下簡稱“無商譽”）的子樣本。表4列示了樣本分組下各相關(guān)變量的描述性統(tǒng)計量及其差異檢驗。

表3 主要變量相關(guān)性分析

表4 差異檢驗

通過比較兩組樣本，可以發(fā)現(xiàn)：一是有商譽組的負收益偏態(tài)系數(shù)NCSKEWt+1和收益率上下波動比率DUVOLt+1高于無商譽組，表明本年度有商譽的子樣本股價崩盤風(fēng)險更大；二是有商譽組的商譽值GW均值達到了2.8%，表明商譽已經(jīng)成為并購公司的重要資產(chǎn)之一；三是有商譽組的壞消息數(shù)要高于無商譽組，表明媒體對產(chǎn)生并購商譽的公司傾向于披露更多的壞消息；四是有商譽組的公司規(guī)模、托賓Q值、總資產(chǎn)收益率要顯著的高于無商譽組，說明并購商譽多發(fā)生在公司規(guī)模較大、公司市值被高估、盈利能力較好的公司。差異性檢驗結(jié)果對假設(shè)H1提供了初步的支持。

（四）回歸分析

1.驗證假設(shè)H1

表5展示了商譽有無與股價崩盤風(fēng)險的回歸結(jié)果?；貧w（1）和（3）的結(jié)果表明，商譽有無GW_dum與NCSKEWt+1和DUVOLt+1的系數(shù)分別為0.0466和0.0164，在5%和10%的水平上顯著正相關(guān)。在加入控制變量后，回歸（2）和（4）的系數(shù)分別為0.0559和0.0270，在1%和5%的水平上顯著正相關(guān)。相比回歸（1）和（3），顯著性有所提升。以上結(jié)果與假設(shè)H1一致。

表5 商譽有無與股價崩盤風(fēng)險的回歸結(jié)果

2.驗證假設(shè)2和假設(shè)3

根據(jù)相關(guān)研究和分析，推測公司的信息不對稱程度越高，商譽與股價崩盤風(fēng)險的正相關(guān)關(guān)系就越顯著。為了驗證上述猜測，在公司層面，用信息不透明度AbsACC作為體現(xiàn)信息不對稱的指標(biāo)；在市場層面，用媒體負面報道Badnews作為代表信息不對稱的指標(biāo)。信息不透明度AbsACC對應(yīng)的是管理層隱瞞負面消息的程度，信息不透明度AbsACC的值越大，代表管理層對投資者隱瞞的壞消息越多，信息不對稱越嚴重；媒體負面報道Badnews對應(yīng)的是媒體對上市公司的監(jiān)督作用，媒體負面報道Badnews越少，代表媒體監(jiān)督作用發(fā)揮的效果不足，市場對公司壞消息的了解較少，公司不實的會計信息越多，信息的不對稱程度越高。因此，筆者將通過商譽和信息不透明度的交乘項GW×AbsACC和商譽和媒體負面報道的交乘項GW×Badnews與衡量股價崩盤風(fēng)險的兩個指標(biāo)做回歸，共同解釋信息不對稱對商譽加劇股價崩盤風(fēng)險的作用機制。

表6 信息不對稱假說：信息不透明度

表6展示了商譽（GW）與商譽和信息不透明度的交乘項（GW×AbsACC）對股價崩盤風(fēng)險的回歸結(jié)果?；貧w（1）、（2）、（3）、（4）中GW的系數(shù)分別為0.0153、0.0132、0.0760、0.0893，分別在5%和10%的水平上顯著為正。更重要的是，回歸（1）和（2）中GW×AbsACC與NCSKEWt+1在1%的水平上正相關(guān)，雖然回歸（3）和（4）GW×AbsACC與DUVOL的系數(shù)顯著性降低，但保持回歸（1）和（2）的結(jié)論不變。這說明信息不透明度越高，商譽與股價崩盤風(fēng)險的正相關(guān)關(guān)系越顯著，這一結(jié)果與假設(shè)H2一致。因此，認為在公司層面，信息不對稱理論能有效地解釋商譽加劇股價崩盤風(fēng)險的原因。

表7 信息不對稱假說：媒體負面報道

續(xù)表7

表7展示了商譽（GW）與商譽和媒體負面報道的交乘項（GW×Badnews）對股價崩盤風(fēng)險的回歸結(jié)果?；貧w（1）和（2）中GW和NCSKEWt+1在1%的水平上顯著為正；對應(yīng)的GW×Badnews的系數(shù)分別為-0.000139和-0.000656，在1%的水平上與NCSKEWt+1顯著負相關(guān)。此外，本文發(fā)現(xiàn)回歸（3）、（4）中GW和DUVOLt+1在5%的水平上依然正相關(guān)；對應(yīng)的GW×Badnews系數(shù)分別為-0.000780和-0.000323，在10%的水平上與DUVOLt+1顯著為負。這驗證了媒體負面報道少，商譽和股價崩盤風(fēng)險的正相關(guān)關(guān)系就更顯著，證實了假設(shè)H3。因此，認為在市場層面，信息不對稱理論能有效的作用于商譽對股價崩盤風(fēng)險的影響。

四、穩(wěn)健性檢驗

（一）更換變量和模型度量指標(biāo)

1.其他指標(biāo)衡量股價崩盤風(fēng)險

根據(jù)Callen and Fang（2015）和吳曉暉等（2019）的相關(guān)研究，采用公司股票收益發(fā)生下行和上行的頻率之差來衡量股價崩盤風(fēng)險。當(dāng)公司的周特質(zhì)收益率Wi，t低于（高于）其均值的3.09個標(biāo)準(zhǔn)差時，則將該周定義為下行周（上行周）。然后，統(tǒng)計公司股票收益率在一年內(nèi)發(fā)生下行周和上行周的差值，并用CRASH_COUNTt表示，該值越大，發(fā)生崩盤的概率越大。由于CRASH_COUNTt屬于離散變量，本文用有序多分類logistic回歸對假設(shè)H1～H4進行檢驗，相關(guān)研究結(jié)論仍然成立。

2.其他指標(biāo)衡量商譽

采用經(jīng)營業(yè)利潤調(diào)整后的商譽（本年商譽增量除本年營業(yè)利潤）和經(jīng)總資產(chǎn)調(diào)整后的商譽（本年商譽增量除本年總資產(chǎn)）來替換原有的經(jīng)凈利潤調(diào)整的商譽GW對假設(shè)H2～H4進行檢驗，相關(guān)研究結(jié)論不變。

（二）內(nèi)生性檢驗

采用相同行業(yè)、相同地區(qū)以及相同產(chǎn)權(quán)性質(zhì)的商譽均值作為商譽（GW）的工具變量，使用兩階段最小二乘法（2SLS）來檢驗內(nèi)生性。在相關(guān)性方面，同行業(yè)、同地區(qū)和同產(chǎn)權(quán)性質(zhì)的公司經(jīng)營業(yè)務(wù)、地方政策和公司制度存在相似之處，因此他們與本公司的商譽（GW）存在相關(guān)性。此外，在內(nèi)生性方面，尚沒有文獻證明相同行業(yè)、相同地區(qū)以及相同產(chǎn)權(quán)性質(zhì)的其他公司商譽會影響本公司未來的股價崩盤風(fēng)險，所以以上工具變量是外生的。商譽與股價崩盤風(fēng)險的兩階段最小二乘法（2SLS）的第一階段結(jié)果顯示商譽GW和三個工具變量關(guān)系在1%的水平上顯著，第二階段回歸結(jié)果表明商譽與t+1年的股價崩盤風(fēng)險仍然顯著正相關(guān)，這和假設(shè)H1的結(jié)論相同。

五、結(jié)論

本文基于2008-2016年滬深A(yù)股上市公司的并購商譽數(shù)據(jù)，在理論分析和實證研究相結(jié)合的基礎(chǔ)上，研究商譽、信息不對稱以及股價崩盤風(fēng)險三者之間的關(guān)系。結(jié)果發(fā)現(xiàn)：有商譽的公司能夠顯著加劇未來股價崩盤風(fēng)險。商譽值與未來股價崩盤風(fēng)險呈顯著正相關(guān)。作用機制研究表明，信息不對稱理論會作用于商譽和股價崩盤風(fēng)險的關(guān)系，即在商譽影響股價崩盤風(fēng)險時，公司信息透明度越低、管理層操縱商譽實現(xiàn)自身利益的可能性越高，公司的股價崩盤風(fēng)險越大。公司負面消息越少則說明媒體監(jiān)督作用不足，公司和投資者之間的信息不對稱程度高，股價崩盤風(fēng)險更顯著。以上經(jīng)驗證據(jù)說明，高商譽并購的經(jīng)濟后果之一是加劇公司未來股價崩盤風(fēng)險，但公司能夠通過提高披露信息質(zhì)量，減少信息不對稱程度來降低這種風(fēng)險。

基于前文的實證研究，提出應(yīng)該在以下幾個方面利用并購市場優(yōu)化金融資源的配置效應(yīng)：首先，在并購業(yè)務(wù)發(fā)生的時候，應(yīng)科學(xué)合理地評估并購對公司整體業(yè)績的促進作用并確保這種促進作用具有可持續(xù)性，以避免在并購以后由于業(yè)績問題導(dǎo)致公司股價出現(xiàn)的崩盤風(fēng)險；其次，監(jiān)管層應(yīng)該制定科學(xué)的監(jiān)管政策，規(guī)范上市公司的并購行為，設(shè)置防火墻，防止部分上市公司利用并購等資本運作手段拉升股價、進行減持，這樣才能真正保證投資者的利益；最后，在上市公司進行并購的時候，監(jiān)管層應(yīng)該基于科學(xué)的并購流程與規(guī)則，對并購行為進行嚴格的監(jiān)控，確保并購重組的有序發(fā)展。結(jié)合上述的分析，強調(diào)商譽資產(chǎn)是公司對并購資產(chǎn)的公允價值高于其賬面價值估計的體現(xiàn)，在這樣的背景下，企業(yè)會計信息不穩(wěn)健的可能性會明顯增大，而會計穩(wěn)健性是會計信息質(zhì)量的一個重要維度。在這樣的條件下，并購帶來的商譽資產(chǎn)會導(dǎo)致會計穩(wěn)健性的缺失，從而導(dǎo)致會計信息質(zhì)量的降低，在其他因素的影響下，可能會加劇上市公司未來股價崩盤的可能性。本文的研究豐富了關(guān)于股價崩盤風(fēng)險影響因素的相關(guān)文獻，并為以中國為代表的新興市場中的上市公司并購行為及影響提供了直接可靠的實證檢驗依據(jù)，提醒所有的監(jiān)管者和市場參與者關(guān)注并購商譽及其帶來的影響。