吳靜宜，郭曉順

(武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070)

縱觀我國(guó)股市的發(fā)展，暴漲暴跌的背后，常常伴隨著眾多政策的出臺(tái)。政策環(huán)境與資本市場(chǎng)之間的關(guān)系逐漸成為研究熱點(diǎn)。其中，政策不確定性作為政策環(huán)境中對(duì)資本市場(chǎng)影響最關(guān)鍵的因素之一，受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。如CHRISTOU等[1]研究發(fā)現(xiàn)政策不確定性的增加會(huì)降低股票市場(chǎng)的價(jià)值。BIALKOWSKI等[2]研究表明總統(tǒng)選舉會(huì)增大企業(yè)面臨的政策不確定程度，使股票的波動(dòng)性增大。LI等[3]研究發(fā)現(xiàn)政策不確定性沖擊對(duì)美國(guó)股票具有負(fù)向和不對(duì)稱的影響。YOU等[4]研究表明中國(guó)政策不確定性與股市價(jià)值負(fù)相關(guān)。JIN等[5]通過構(gòu)建新的CPP指數(shù)來衡量中國(guó)的經(jīng)濟(jì)政策不確定性程度，結(jié)果表明經(jīng)濟(jì)不確定性程度的增加會(huì)加劇股價(jià)崩盤風(fēng)險(xiǎn)。由此可見，政策不確定性對(duì)資本市場(chǎng)的影響普遍存在，值得學(xué)者進(jìn)一步深入探討。在中國(guó)特有的政治背景下，官員作為當(dāng)?shù)氐念I(lǐng)導(dǎo)者，對(duì)于當(dāng)?shù)仃P(guān)鍵資源、政策導(dǎo)向具有絕對(duì)的話語權(quán)。因此，筆者從地方官員變更的視角，探究在政府官員主導(dǎo)的政策環(huán)境下政策不確定性與股價(jià)崩盤風(fēng)險(xiǎn)之間的特有關(guān)聯(lián)，具有一定的現(xiàn)實(shí)意義。

大量研究表明，在中國(guó)的政策環(huán)境下，地方官員變更會(huì)直接導(dǎo)致當(dāng)?shù)卣叩牟淮_定性增大。如陳德球等[6]指出在我國(guó)的制度環(huán)境下，地方官員掌握著當(dāng)?shù)乇姸嗟年P(guān)鍵資源，當(dāng)?shù)馗黜?xiàng)政策的制定與執(zhí)行依賴于在任官員的政策導(dǎo)向。由于官員晉升壓力與異質(zhì)性的存在，新任官員在上任之際會(huì)對(duì)原有政策加以調(diào)整甚至取消。因此，當(dāng)?shù)胤焦賳T變更時(shí)企業(yè)面臨的政策不確定性將顯著增強(qiáng)。才國(guó)偉等[7]指出官員變更會(huì)帶來舊政策的廢止與新政策的執(zhí)行，導(dǎo)致當(dāng)?shù)卣卟淮_定性增強(qiáng)。因此，筆者用地方官員變更來衡量政策不確定性，探討以官員為主導(dǎo)的政治環(huán)境下，官員變更所導(dǎo)致的政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響，并擬解決以下問題：①由于官員變更導(dǎo)致的政策不確定性的提高是否會(huì)對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響；②在信息不對(duì)稱程度較高和新任官員來源于外省的情況下，是否會(huì)加劇政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響；③政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響是否存在產(chǎn)權(quán)差異和地區(qū)差異；④黨代會(huì)的召開是否會(huì)帶來政策不確定性，并對(duì)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響。

1 理論分析與研究假設(shè)

1.1 政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響

企業(yè)股價(jià)崩盤是指證券市場(chǎng)上，股票價(jià)格無限度下降的現(xiàn)象。股價(jià)崩盤風(fēng)險(xiǎn)主要來源于企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)和信息披露風(fēng)險(xiǎn)。當(dāng)企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)增大時(shí)，企業(yè)經(jīng)營(yíng)狀況的惡化將加大企業(yè)股價(jià)波動(dòng)幅度以及企業(yè)股價(jià)左偏的程度。信息披露風(fēng)險(xiǎn)指由于企業(yè)與投資者之間的信息不對(duì)稱，使得企業(yè)能夠隱藏大量的負(fù)面信息，當(dāng)其超過一定閾值時(shí)，積累的負(fù)面信息便會(huì)瞬時(shí)集中釋放到市場(chǎng)中，造成企業(yè)股價(jià)崩盤[8]。從經(jīng)營(yíng)風(fēng)險(xiǎn)的角度分析，當(dāng)企業(yè)外部的政策不確定性增加時(shí)，會(huì)加劇企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，從而增大企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。劉海洋等[9]研究發(fā)現(xiàn)地方官員變更所帶來的政策不確定性，會(huì)對(duì)企業(yè)運(yùn)營(yíng)和信貸等方面產(chǎn)生嚴(yán)重影響，使得企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)增大。這是因?yàn)楣賳T績(jī)效考核機(jī)制和異質(zhì)性的存在，使新任官員可能會(huì)改變?cè)姓叩姆较蚺c范圍，以區(qū)別于前任官員的功績(jī)，作為以后升遷的資本[10]。如前任官員可能致力于發(fā)展當(dāng)?shù)氐穆糜螛I(yè)，而新任官員可能更傾向于發(fā)展新興產(chǎn)業(yè)來推動(dòng)當(dāng)?shù)氐陌l(fā)展。這種政策上的強(qiáng)烈轉(zhuǎn)變，使企業(yè)在地方官員變更之際，面臨較高的政策不確定性，這種政策不確定性將會(huì)對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)產(chǎn)生巨大的影響，甚至加速某些企業(yè)的倒閉。因此政策不確定性的增加，會(huì)加大企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，進(jìn)而會(huì)加劇企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)。

從信息披露風(fēng)險(xiǎn)分析，當(dāng)?shù)胤焦賳T變更時(shí)，由于企業(yè)難以預(yù)估新上任官員的政策走向與偏好，企業(yè)投資支出將本能性地縮減，使得投資者判斷企業(yè)未來收益與風(fēng)險(xiǎn)難度上升[11]。同時(shí)為盡可能減小政策不確定性對(duì)企業(yè)所帶來的影響，企業(yè)一方面會(huì)盡可能減少負(fù)面信息的披露，另一方面會(huì)減弱公司投資對(duì)股價(jià)的敏感程度，降低股價(jià)的信息含量，使投資者與企業(yè)的信息不對(duì)稱程度加劇，導(dǎo)致企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)增加。據(jù)此，筆者提出以下假設(shè)：

H1地方官員變更導(dǎo)致的政策不確定性與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)之間顯著正相關(guān)。

1.2 不同晉升模式下，政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響

筆者借鑒文獻(xiàn)[9]的做法，將官員晉升模式分為本地升遷與異地調(diào)任。晉升模式的不同意味著新任官員對(duì)當(dāng)?shù)卣邎?zhí)行與調(diào)整程度的差異，其帶來的政策不確定性強(qiáng)度將有所不同，從而對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)造成的影響程度也不同。相對(duì)于異地調(diào)任官員而言，本地升遷官員更可能延續(xù)原有政策。一方面，本地升遷官員在任職地工作時(shí)間較長(zhǎng)，對(duì)當(dāng)?shù)亟?jīng)濟(jì)環(huán)境和發(fā)展?fàn)顩r等方面的了解程度更深。加之其作為當(dāng)?shù)卣I(lǐng)導(dǎo)層的一員，可能參與過原有政策的討論與制定，對(duì)原有政策的認(rèn)可度更高，更可能延續(xù)原有政策。此時(shí)官員變更所帶來的政策不確定性強(qiáng)度較小，對(duì)企業(yè)和資本市場(chǎng)的影響也相對(duì)較小。另一方面，由于本地升遷官員與前任官員共事時(shí)間長(zhǎng)，關(guān)系較為密切，一般基于原有情面關(guān)系，不會(huì)馬上打破原有的政治環(huán)境[12]。而外地調(diào)任官員由于工作環(huán)境和政策理念等方面的差異，對(duì)原政策加以調(diào)整或施行新政的可能性相對(duì)較大。且其與前任官員存在關(guān)聯(lián)的可能性較小，不會(huì)由于情面關(guān)系而延續(xù)原有政策，從而更可能推行自身認(rèn)可度更高的新政。同時(shí)，由于上級(jí)績(jī)效考核機(jī)制的實(shí)行，新任官員很可能推行新政，來區(qū)別于前任官員的功績(jī)，以此作為未來升遷的資本。因此，當(dāng)新任官員由異地升遷時(shí)，其所帶來的政策不確定性沖擊較大，會(huì)對(duì)當(dāng)?shù)仄髽I(yè)的生存發(fā)展和經(jīng)營(yíng)風(fēng)險(xiǎn)產(chǎn)生較為嚴(yán)重的影響，使得企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)上升。據(jù)此，筆者提出以下假設(shè)：

H2在新任官員由外地調(diào)任的樣本中，政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響更顯著。

1.3 不同信息不對(duì)稱程度下，政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響

信息隱藏假說認(rèn)為股價(jià)崩盤的根源在于負(fù)面信息的隱藏。面對(duì)政策不確定性對(duì)企業(yè)經(jīng)營(yíng)所帶來的影響，由于信息不對(duì)稱程度不同的企業(yè)隱藏負(fù)面信息的能力有所不同，因此對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響程度也存在差異。當(dāng)信息不對(duì)稱程度較低時(shí)，由于投資者獲取企業(yè)真實(shí)運(yùn)營(yíng)狀況的信息較為容易，且獲取成本低。因此企業(yè)隱藏負(fù)面信息的能力有限，且易被投資者所察覺，企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)受政策波動(dòng)的影響也相對(duì)較小。當(dāng)信息不對(duì)稱程度較高時(shí)，由于投資者需要花費(fèi)更多的精力與成本獲取企業(yè)的信息，使投資者難以了解企業(yè)的真實(shí)運(yùn)營(yíng)狀況[13]。當(dāng)政策不確定性強(qiáng)度加大時(shí)，企業(yè)隱藏負(fù)面信息的動(dòng)機(jī)與能力更強(qiáng)，且不易被投資者察覺，此時(shí)股價(jià)與企業(yè)實(shí)際情況的背離程度更大，股價(jià)崩盤風(fēng)險(xiǎn)加劇。據(jù)此，筆者提出以下假設(shè)：

H3在信息不對(duì)稱程度較高的環(huán)境下，政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響更顯著。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來源

筆者以2003—2017年我國(guó)A股上市公司為樣本，為保證數(shù)據(jù)的代表性與準(zhǔn)確性，剔除如下樣本：①金融類公司；②年周收益率少于30個(gè)觀測(cè)值的樣本；③注冊(cè)地在西藏的樣本；④ST、*ST公司樣本；⑤數(shù)據(jù)缺失樣本。最終得到23 368個(gè)公司年度樣本。相關(guān)數(shù)據(jù)主要來自國(guó)泰安數(shù)據(jù)庫、地方年鑒及擇城網(wǎng)。筆者采用Stata15.0進(jìn)行數(shù)據(jù)處理，并對(duì)連續(xù)數(shù)據(jù)進(jìn)行上下1%的縮尾處理。

2.2 變量定義

2.2.1 股價(jià)崩盤風(fēng)險(xiǎn)

借鑒蔣德權(quán)等[14]的做法，采用NCSKEW和DUVOL來衡量企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。具體操作如下：首先，利用式(1)剔除市場(chǎng)等因素的影響；其次，構(gòu)造公式Wi,s=ln(1+εi,s)，計(jì)算公司周特有收益率Wi,s；最后，基于Wi,s計(jì)算負(fù)收益偏態(tài)系數(shù)NCSKEWi,t和收益率上下波動(dòng)比例DUVOLi,t，NCSKEWi,t、DUVOLi,t越大，股價(jià)崩盤風(fēng)險(xiǎn)越大[15]。

ri,s=αi+β1，irm,s-2+β2，irm,s-1+

β3，irm,s+β4，irm,s+1+β5，irm,s+2+εi,s

(1)

(2)

(3)

式中：ri,s為第s周個(gè)股i的收益率；rm,s為市場(chǎng)在第s周經(jīng)流通市值加權(quán)的平均收益率；εi,s為殘差;n為股票i在第t年交易的周數(shù)；nu、nd分別為股票i的周特有收益率大于、小于年平均收益率的周數(shù);up、down分別為股票i的周收益率高于、低于s期平均收益率的子樣本。

2.2.2 政策不確定性

由于在中國(guó)特殊的政治背景下，地方官員變更，通常伴隨著政策的調(diào)整與改變。因此筆者從地方官員變更視角出發(fā)，借鑒文獻(xiàn)[16]的做法，將企業(yè)注冊(cè)地市長(zhǎng)、市委書記變更及市長(zhǎng)、市委書記任一變更作為政策不確定性的衡量指標(biāo)。由于我國(guó)存在市長(zhǎng)、市委書記連任及由市長(zhǎng)直接晉升為市委書記的情況，這類情況對(duì)于當(dāng)?shù)氐恼咦儎?dòng)的影響較小，因此筆者以官員實(shí)質(zhì)性變更來衡量政策不確定性，將此類情況視為地方官員未變更進(jìn)行處理。同時(shí)考慮到新任官員對(duì)當(dāng)?shù)亟?jīng)濟(jì)及企業(yè)產(chǎn)生實(shí)質(zhì)影響的遲滯性，借鑒文獻(xiàn)[17]的做法，將1—6月發(fā)生的官員變更視為當(dāng)年變更，7—12月發(fā)生的官員變更視為下一年變更。

對(duì)于市長(zhǎng)及市委書記晉升模式的定義，筆者根據(jù)文獻(xiàn)[18]的做法，將未發(fā)生官員變更的年份賦值為0，將發(fā)生官員變更且新任官員來自于本地的年份賦值為1，將新任官員由異地升遷的年份賦值為2,以此來反映當(dāng)?shù)仄髽I(yè)面臨的政策不確定性的強(qiáng)度。

2.2.3 信息不對(duì)稱程度

借鑒文獻(xiàn)[13]的做法，以修正Jones模型殘差的絕對(duì)值(AbsACC)衡量信息不對(duì)稱程度。并以年度、行業(yè)中位數(shù)為標(biāo)準(zhǔn)將樣本分為信息不對(duì)稱程度高和信息不對(duì)稱程度低兩組。

2.2.4 控制變量

借鑒以往學(xué)者的做法，選擇月均超額換手率、收益波動(dòng)、平均周收益率、公司規(guī)模、賬市比、總資產(chǎn)報(bào)酬率、資產(chǎn)負(fù)債率作為控制變量。具體變量定義及說明如表1所示。

表1 變量定義及說明

2.3 模型構(gòu)建

為驗(yàn)證假設(shè)H1和假設(shè)H3，構(gòu)建模型Ⅰ，如式(4)所示。

CrashRi,t=β0+β1Policy_uncertaintyi,t+

β2OTURNOVERi,t-1+β3SIGMAi,t-1+

β4RETi,t-1+β5ROAi,t-1+β6SIZEi,t-1+

β7LEVi,t-1+β8BMi,t-1+εi,t-1

(4)

為驗(yàn)證假設(shè)H2，構(gòu)建模型Ⅱ，如式(5)所示。

CrashRi,t=β0+β1PU_EXi,t+

β2OTURNOVERi,t-1+β3SIGMAi,t-1+

β4RETi,t-1+β5ROAi,t-1+β6SIZEi,t-1+

β7LEVi,t-1+β8BMi,t-1+εi,t-1(5)

式中：CrashRi,t為第t期股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEWi,t和DUVOLi,t；Policy_uncertaintyi,t為第t期政策不確定性指標(biāo),包括任一變更、書記變更和市長(zhǎng)變更；PU_EXi,t為第t期政策不確定性強(qiáng)度指標(biāo)，包括市長(zhǎng)變更晉升模式(MA_EXTERNALi,t)與書記變更晉升模式(SE_EXTERNALi,t)。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

變量的描述性統(tǒng)計(jì)結(jié)果如表2所示,可知NCSKEWi，t和DUVOLi,t的均值分別為-0.271和-0.187，標(biāo)準(zhǔn)差分別為0.691和0.480，表明股價(jià)崩盤風(fēng)險(xiǎn)的兩個(gè)衡量指標(biāo)在樣本間存在一定的差異。衡量政策不確定性的兩個(gè)指標(biāo)CHANGE_MAi，t和CHANGE_SEi，t的均值分別為0.267和0.171，標(biāo)準(zhǔn)差分別為0.442和0.377。兩者之間差異較大，可能是因?yàn)楣P者定義的官員變更為實(shí)質(zhì)性變更。在我國(guó)由當(dāng)?shù)厥虚L(zhǎng)升遷為當(dāng)?shù)厥形瘯浕蚣嫒问形瘯浀那闆r較為普遍，而此類變更由于官員并沒有實(shí)質(zhì)上的更替，對(duì)于當(dāng)?shù)卣呒右愿淖兊目赡苄暂^小，引起政策不確定性的沖擊程度較小。因此未將這類情況納入書記變更，市委書記變更較市長(zhǎng)變更的均值及標(biāo)準(zhǔn)差更小。

表2 主要變量的描述性統(tǒng)計(jì)

注：樣本量為23 368

3.2 回歸分析

3.2.1 政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響

政策不確定性與股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果如表3所示，可知兩個(gè)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEWi,t和DUVOLi,t與CHANGE_EITHERi,t、CHANGE_MAi,t的回歸系數(shù)均為正，且在1%水平上顯著。NCSKEWi,t與CHANGE_SEi,t的回歸系數(shù)為0.027，在5%水平上顯著，DUVOLi,t與CHANGE_SEi,t的回歸系數(shù)為0.028，在1%水平上顯著，表明由于官員變更帶來的政策不確定性會(huì)顯著增大當(dāng)?shù)仄髽I(yè)股價(jià)崩盤風(fēng)險(xiǎn)，假設(shè)H1得到驗(yàn)證。這說明不論是市長(zhǎng)變更還是書記變更，其帶來的政策不確定性都會(huì)使得企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)加劇。

表3 政策不確定性與股價(jià)崩盤風(fēng)險(xiǎn)回歸結(jié)果(僅列示主要變量)

注：***、**和*分別表示在1%、5%和10%水平上顯著，下同；樣本量為23 368

此外，衡量股價(jià)崩盤風(fēng)險(xiǎn)的兩個(gè)指標(biāo)NCSKEWi,t和DUVOLi,t與MA_EXTERNALi,t的回歸系數(shù)分別為0.020和0.023，且均在1%水平上顯著。NCSKEWi,t與SE_EXTERNALi,t的回歸系數(shù)為0.014，在5%水平上顯著；DUVOLi,t與SE_EXTERNALi,t的回歸系數(shù)為0.014，在1%水平上顯著，表明政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響在外地調(diào)任官員樣本中更為顯著，假設(shè)H2得到驗(yàn)證。

3.2.2 按信息不對(duì)稱程度分組回歸

政策不確定性對(duì)不同信息不對(duì)稱程度企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)影響的分組回歸結(jié)果如表4所示，可以看出，當(dāng)因變量為NCSKEWi,t時(shí)，在信息不對(duì)稱程度高的企業(yè)中，NCSKEWi,t與政策不確定性指標(biāo)CHANGE_SEi,t和CHANGE_MAi,t的回歸系數(shù)均為正，且在1%水平上顯著。這說明當(dāng)信息不對(duì)稱程度較高時(shí)，不論市長(zhǎng)變更還是書記變更，均會(huì)加劇企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。當(dāng)信息不對(duì)稱程度較低時(shí)，相關(guān)關(guān)系均不顯著。當(dāng)衡量股價(jià)崩盤風(fēng)險(xiǎn)的指標(biāo)為DUVOLi,t時(shí)，在信息不對(duì)稱程度高的企業(yè)中，DUVOLi,t與CHANGE_SEi,t的回歸系數(shù)為0.044，且在1%水平上顯著；在信息不對(duì)稱程度較低的企業(yè)中，DUVOLi,t與CHANGE_SEi,t的回歸系數(shù)為0.019，且兩者的相關(guān)關(guān)系不顯著。這說明市委書記變更對(duì)不同信息不對(duì)稱企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響有顯著差異。在信息不對(duì)稱程度高的企業(yè)中，DUVOLi,t與CHANGE_MAi,t的回歸系數(shù)為0.050，在1%水平上顯著；在信息不對(duì)稱程度低的企業(yè)中，DUVOLi,t與CHANGE_MAi,t的回歸系數(shù)為0.020，在10%水平上顯著。對(duì)于市長(zhǎng)變更，兩個(gè)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)衡量結(jié)果具有一定差異，可能是因?yàn)楹饬抗蓛r(jià)崩盤風(fēng)險(xiǎn)指標(biāo)的兩個(gè)指標(biāo)的均值與標(biāo)準(zhǔn)差有一定的差異。筆者進(jìn)一步對(duì)DUVOLi,t與CHANGE_MAi,t的回歸結(jié)果進(jìn)行組間系數(shù)差異檢驗(yàn)，探究股價(jià)崩盤風(fēng)險(xiǎn)的衡量指標(biāo)為DUVOLi,t時(shí)，在不同信息不對(duì)稱程度下，市長(zhǎng)變更對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)是否具有顯著差異。結(jié)果顯示其P值為0.055，表明當(dāng)因變量為DUVOLi,t時(shí)，信息不對(duì)稱程度高的組中CHANGE_MAi,t的系數(shù)在10%水平上顯著區(qū)別于信息不對(duì)稱程度低的組。綜上可知，政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在信息不對(duì)稱程度高的企業(yè)中更顯著，假設(shè)H3得到驗(yàn)證。

表4 按信息不對(duì)稱程度分組回歸結(jié)果(僅列主要變量)

3.2.3 進(jìn)一步檢驗(yàn)

(1)政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)影響的地區(qū)差異分析。由于東部地區(qū)的監(jiān)管環(huán)境和市場(chǎng)化水平相對(duì)更高，分析師獲取信息的能力更強(qiáng)，因此在東部地區(qū)分析師對(duì)企業(yè)的跟蹤度更高。分析師關(guān)注的提高，能幫助投資者獲取更多關(guān)于公司經(jīng)營(yíng)的真實(shí)信息，不僅可以起到對(duì)企業(yè)的監(jiān)督作用，還能緩解雙方的信息不對(duì)稱性[19]，降低股價(jià)崩盤風(fēng)險(xiǎn)。因此，筆者引入交互項(xiàng)CHANGEi,t×AREAi,t，進(jìn)一步考察官員變更導(dǎo)致的政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響是否存在地區(qū)差異，回歸結(jié)果如表5所示。由表5可知，CHANGEi,t×AREAi,t這一交互項(xiàng)的估計(jì)系數(shù)為分別-0.003和-0.006，但不顯著，說明政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響在不同地區(qū)間差異不大。這可能是由于官員異質(zhì)性的存在，使新上任官員更可能推行新政來區(qū)別于前任官員的功績(jī)，且這是一種普遍的現(xiàn)象，由此引發(fā)的政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響，無法依靠分析師跟蹤來有效緩解。

(2)政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)影響的產(chǎn)權(quán)性質(zhì)差異分析。對(duì)于官員變更對(duì)國(guó)有企業(yè)與非國(guó)有企業(yè)的影響，目前尚未達(dá)成共識(shí)。部分學(xué)者認(rèn)為，國(guó)有企業(yè)屬于當(dāng)前權(quán)力機(jī)構(gòu)，更可能成為新任官員尋租的對(duì)象，因此更容易受到當(dāng)前政策的影響。也有學(xué)者認(rèn)為，相較于非國(guó)有企業(yè)，國(guó)有企業(yè)更易獲得相關(guān)政策信息，提前預(yù)防，從而能緩解官員變更所帶來的政策調(diào)整與改變的影響，因此由官員變更所引發(fā)的政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在非國(guó)有企業(yè)更顯著。為此，筆者在上述模型中引入了交互項(xiàng)CHANGEi,t×SOEi,t，考察在不同產(chǎn)權(quán)性質(zhì)的企業(yè)中，政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響是否存在不同。

表5 進(jìn)一步檢驗(yàn)回歸結(jié)果(僅列主要變量)

注：樣本量為23 368

由表5可知，CHANGEi,t×SOEi,t這一交互項(xiàng)的系數(shù)分別為0.010和0.011，但不顯著。說明地方官員變更所帶來的政策不確定性對(duì)國(guó)有企業(yè)和非國(guó)有企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響沒有實(shí)質(zhì)性區(qū)別。這可能是由于雖然國(guó)有企業(yè)更易獲得相關(guān)信息提前進(jìn)行預(yù)防，但是他們也更容易成為政府尋租的目標(biāo)，兩者的相互影響使得國(guó)有企業(yè)在地方官員變更時(shí)，也同樣面臨較大的政策不確定性，使得兩者的股價(jià)崩盤風(fēng)險(xiǎn)均會(huì)有所提高，但并無顯著差異。

(3)黨代會(huì)與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。在我國(guó)，黨代會(huì)每5年舉行一次。當(dāng)全國(guó)黨代會(huì)召開換屆會(huì)時(shí)，地方換屆會(huì)通常會(huì)在前一年或當(dāng)年舉行當(dāng)?shù)氐膿Q屆會(huì)。在任期制下，地方官員變更具有一定的政治周期性，因此筆者試圖探究官員換屆的政治周期性所帶來的政策不確定性的周期性對(duì)資本市場(chǎng)的影響是否存在顯著的周期性。在樣本數(shù)據(jù)中，全國(guó)黨代會(huì)于2007年、2012年和2017年召開過換屆會(huì)。在這些年份，地方召開當(dāng)?shù)負(fù)Q屆會(huì)的可能性較大，且官員變更的比例與頻率更高，對(duì)當(dāng)?shù)禺a(chǎn)生的政策不確定性的影響更深。因此，筆者以黨代會(huì)的召開來替代政策不確定性的刻畫，進(jìn)一步研究在我國(guó)的政治環(huán)境下，黨代會(huì)的召開是否會(huì)加劇當(dāng)?shù)氐恼卟淮_定性，增大企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。

從表5可以看出，NCSKEWi,t和DUVOLi,t與DANGi,t的回歸系數(shù)分別為0.094和0.083，且在1%水平上顯著。可見在黨代會(huì)召開年度，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)也會(huì)顯著加劇。這說明政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響呈現(xiàn)出周期性的特點(diǎn)，進(jìn)一步驗(yàn)證了我國(guó)政治環(huán)境變化對(duì)企業(yè)及資本市場(chǎng)的影響。

4 穩(wěn)健性檢驗(yàn)

為了確保實(shí)證結(jié)論的穩(wěn)健性，筆者分別從替換變量和剔除樣本兩方面對(duì)實(shí)證結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)。①替換股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)。借鑒褚劍等[20]的做法，使用周特有收益率小于年均值兩倍標(biāo)準(zhǔn)差以下的周數(shù)占當(dāng)年股票交易總周數(shù)比例(FREQUENCY)作為股價(jià)崩盤風(fēng)險(xiǎn)的替代指標(biāo)。②剔除注冊(cè)地為直轄市的樣本。由于北京、天津、重慶、上海4個(gè)直轄市屬于省級(jí)，為避免領(lǐng)導(dǎo)層級(jí)以及權(quán)力的差異性對(duì)研究結(jié)論產(chǎn)生的影響，將其剔除后重新進(jìn)行回歸。穩(wěn)健性檢驗(yàn)結(jié)果如表6所示，可以看出主要實(shí)證結(jié)論與前文一致。

5 結(jié)論

以2003—2017年我國(guó)A股上市公司為研究樣本，分析了政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響。結(jié)果表明，由于地方官員變更導(dǎo)致的政策不確定性會(huì)顯著增大當(dāng)?shù)仄髽I(yè)股價(jià)崩盤風(fēng)險(xiǎn)；且在新上任官員來源于異地及信息不對(duì)稱程度高的樣本中，政策不確定性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響更顯著。此外，通過引入不同的交互項(xiàng)進(jìn)一步檢驗(yàn)發(fā)現(xiàn)：①雖然東西部地區(qū)監(jiān)管環(huán)境及市場(chǎng)化水平不同，但政策不確定性對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響程度并沒有顯著區(qū)別。②不論國(guó)有企業(yè)還是非國(guó)有企業(yè)，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)受政策不確定性影響的差異并不顯著。③黨代會(huì)召開所帶來的政策不確定性將顯著增大企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)，并呈現(xiàn)出周期性的特點(diǎn)。

表6 穩(wěn)健性檢驗(yàn)

針對(duì)上述研究結(jié)論，筆者提出以下建議：①政府部門應(yīng)加強(qiáng)政策制定與執(zhí)行的延續(xù)性與穩(wěn)定性。②監(jiān)管部門應(yīng)當(dāng)完善信息披露制度，加強(qiáng)對(duì)企業(yè)的監(jiān)管，從法律層面上規(guī)范與提高信息披露水平。③企業(yè)應(yīng)當(dāng)加強(qiáng)對(duì)于政府以及政策動(dòng)態(tài)的關(guān)注，增強(qiáng)自身的風(fēng)險(xiǎn)應(yīng)對(duì)能力，以降低官員變更所帶來的政策不確定性對(duì)企業(yè)的影響。