曹 豐 張雪燕

(湖南大學(xué) 工商管理學(xué)院，湖南 長沙 410082)

一、引 言

股價崩盤是指股價突然劇烈下跌的現(xiàn)象，這種非預(yù)期的股價劇烈震蕩給資本市場帶來了巨大沖擊，嚴(yán)重?fù)p害了投資者利益，不利于金融市場健康穩(wěn)定發(fā)展，嚴(yán)重時還會引發(fā)系統(tǒng)性金融風(fēng)險。2015年，A股市場出現(xiàn)的“千股跌?！爆F(xiàn)象，嚴(yán)重?fù)p害了投資者對資本市場的信心，引起了監(jiān)管層、學(xué)術(shù)界和實務(wù)界的廣泛關(guān)注。2017年，黨的十九大報告明確提出“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。2020年，央行和銀保監(jiān)會在年度工作會議上，把“堅決打贏防范化解金融風(fēng)險攻堅戰(zhàn)”作為年度重點工作之一①。2021年，銀保監(jiān)會主席郭樹清在國務(wù)院新聞辦公室舉行的新聞發(fā)布會上進(jìn)一步表示：“把防范風(fēng)險作為金融業(yè)的永恒主題，毫不松懈地監(jiān)控和化解各類金融風(fēng)險，強(qiáng)化金融法治，完善長效機(jī)制。”②這一系列舉措表明黨和國家對防范金融風(fēng)險的高度重視，對穩(wěn)定經(jīng)濟(jì)發(fā)展的堅定決心和態(tài)度。在此背景下，開展股價崩盤風(fēng)險的相關(guān)研究，對防范化解金融風(fēng)險、維護(hù)資本市場平穩(wěn)健康發(fā)展，具有重要現(xiàn)實意義。

隨著我國博彩業(yè)的快速發(fā)展，投機(jī)氛圍廣泛存在。通常而言，博彩消費越高，投機(jī)氛圍越濃厚[1]。據(jù)財政部統(tǒng)計，2019年全國彩票銷售額為4220.53億元，相較于2008年的1063.13億元，增長了近3倍，這充分反映了國內(nèi)居民日益旺盛的博彩需求以及投機(jī)氛圍的廣泛存在。此外，據(jù)北京師范大學(xué)公布的“中國彩民行為網(wǎng)絡(luò)調(diào)查”結(jié)果顯示，早在2012年我國彩民就已逾2億人，而截至2019年底，我國股民人數(shù)僅為1.6億人③，這也表明了投機(jī)氛圍在我國普遍存在。近年來，財政部針對博彩業(yè)出臺的一系列管理條例、管理辦法和事項通知④，也體現(xiàn)了國家對維護(hù)博彩業(yè)平穩(wěn)健康發(fā)展的積極態(tài)度。

投機(jī)氛圍對公司財務(wù)決策的影響吸引了學(xué)者們的廣泛關(guān)注，相關(guān)文獻(xiàn)著力探究了投機(jī)氛圍與企業(yè)創(chuàng)新[1][2][3][4]、財務(wù)錯報[5]、戰(zhàn)略變革[6]、審計費用[7]、避稅[8]和金融化[9]之間的關(guān)系。但是，尚未有研究探討投機(jī)氛圍對公司股價崩盤風(fēng)險的影響。那么，投機(jī)氛圍是否會影響股價崩盤風(fēng)險呢？如果會，傳導(dǎo)路徑又是怎樣的？

為解答上述疑問，我們以2008～2019年A股非金融類上市公司為研究樣本，基于管理層有限理性，考察了投機(jī)氛圍對公司未來股價崩盤風(fēng)險的影響。研究發(fā)現(xiàn)，投機(jī)氛圍顯著提高了公司未來股價崩盤風(fēng)險；當(dāng)高管學(xué)習(xí)經(jīng)歷豐富、面臨的監(jiān)督較強(qiáng)、公司所在地人口流動量較大時，投機(jī)氛圍對股價崩盤風(fēng)險的正向影響減弱。機(jī)制檢驗表明，投機(jī)氛圍提高了公司的風(fēng)險承擔(dān)水平、導(dǎo)致了更為嚴(yán)重的過度投資，從而增加了未來股價崩盤風(fēng)險。

本文可能的研究貢獻(xiàn)主要體現(xiàn)在以下四個方面：第一，本文基于管理層有限理性視角，研究了投機(jī)氛圍對股價崩盤風(fēng)險的影響，豐富了股價崩盤風(fēng)險影響因素的相關(guān)文獻(xiàn)；第二，本文從股價崩盤風(fēng)險、公司風(fēng)險承擔(dān)和過度投資三個角度發(fā)現(xiàn)了投機(jī)氛圍的經(jīng)濟(jì)后果，從而豐富了投機(jī)氛圍的相關(guān)文獻(xiàn)；第三，本文發(fā)現(xiàn)投機(jī)氛圍通過提高公司風(fēng)險承擔(dān)水平并導(dǎo)致嚴(yán)重的過度投資，增加了公司未來股價崩盤風(fēng)險，從而揭示了投機(jī)氛圍影響股價崩盤風(fēng)險的作用機(jī)理；第四，本文為研究投機(jī)氛圍等非正式制度在公司財務(wù)中的作用提供了一定的啟示，這對完善上市公司治理、引導(dǎo)資本市場平穩(wěn)健康發(fā)展具有重要參考價值。

余文結(jié)構(gòu)安排如下：第二部分為文獻(xiàn)綜述，第三部分為研究假設(shè)，第四部分為研究設(shè)計，第五部分為實證結(jié)果，第六部分為穩(wěn)健性檢驗，第七部分為進(jìn)一步分析，第八部分為影響機(jī)制分析，最后為研究結(jié)論與啟示。

二、文獻(xiàn)綜述

(一)股價崩盤風(fēng)險

國內(nèi)外學(xué)者主要從管理層完全理性和有限理性這兩個角度對股價崩盤風(fēng)險的成因進(jìn)行了研究?；诠芾韺油耆硇缘难芯空J(rèn)為，由于代理問題的存在，管理層出于避稅[10]、構(gòu)建企業(yè)帝國[11]等自利動機(jī)，往往傾向于隱藏和囤積公司內(nèi)部的負(fù)面信息，當(dāng)負(fù)面信息積累到一定程度并最終釋放時，會導(dǎo)致公司股價崩盤[12][13][14]?；诠芾韺佑邢蘩硇缘难芯縿t認(rèn)為，由于管理層文化背景、認(rèn)知水平以及價值觀等差異，他們會產(chǎn)生心理和行為偏差[15]，難以完全理性評估自己的能力和投資項目的風(fēng)險與收益，進(jìn)而忽視項目中的負(fù)面信息，當(dāng)投資項目的弱勢表現(xiàn)以及負(fù)面信息積累到一定程度并集中釋放時，會導(dǎo)致公司的股價崩盤。例如，一系列研究表明，管理層過度自信的心理偏差導(dǎo)致其低估投資項目的風(fēng)險、高估自己的能力以及項目的預(yù)期收益，從而使公司長期持有凈現(xiàn)值為負(fù)的項目，并忽視項目中的負(fù)面信息，致使公司的不良業(yè)績與負(fù)面信息不斷積累，最終導(dǎo)致公司股價崩盤[16][17]。

(二)投機(jī)氛圍

博彩在全球各地普遍存在，博彩參與程度所代表的投機(jī)氛圍是外部環(huán)境氛圍的重要組成部分[1]。已有大量學(xué)者討論了投機(jī)或博彩氛圍對各類公司財務(wù)決策的影響。如趙奇峰等研究發(fā)現(xiàn)，博彩氛圍會影響管理層的判斷和決策進(jìn)而阻礙企業(yè)創(chuàng)新[2]；但陳欣和陳德球、Chen等、Adhikari和Agrawal則得出了相反結(jié)論，他們發(fā)現(xiàn)，當(dāng)企業(yè)位于投機(jī)或博彩氛圍濃厚的地區(qū)時，管理層更傾向于投資風(fēng)險大、收益高的創(chuàng)新項目，從而促進(jìn)了企業(yè)創(chuàng)新[1][3][4]。此外，Christensen等認(rèn)為，企業(yè)所在地較高的博彩偏好氛圍放大了管理層的風(fēng)險容忍度，管理層更愿意在財務(wù)報告披露中承擔(dān)風(fēng)險，企業(yè)財務(wù)錯報的可能性更大[5]。喬朋華等研究發(fā)現(xiàn)，博彩氛圍強(qiáng)化了管理層心理韌性的風(fēng)險承擔(dān)性和戰(zhàn)略變革偏好，進(jìn)而促進(jìn)企業(yè)進(jìn)行戰(zhàn)略變革[6]。最后，Callen和Fang、Alharbi等、胡妍等還分別圍繞投機(jī)或博彩氛圍與審計費用、企業(yè)避稅、金融化等展開了有益探索[7][8][9]。

上述研究表明，投機(jī)氛圍影響了管理層的心理和行為決策，致使管理層產(chǎn)生有偏的主觀判斷，并在企業(yè)財務(wù)決策中更具冒險性和投機(jī)性，從而對公司財務(wù)決策造成影響?？梢?，投機(jī)氛圍是影響公司財務(wù)決策的重要因素之一。

(三)文化氛圍與股價崩盤風(fēng)險

從國內(nèi)外已有文獻(xiàn)來看，文化氛圍影響股價崩盤風(fēng)險的原因可以分成兩類：一是基于管理層完全理性，認(rèn)為文化影響了管理層的自利動機(jī)；二是基于管理層有限理性，認(rèn)為文化造成了管理層的認(rèn)知偏差。

從管理層完全理性層面來看，宗教文化[18]、儒家文化[19]和信任文化[20]可以抑制經(jīng)理人的自利動機(jī)，減少管理層出于自利動機(jī)而藏匿負(fù)面信息的行為，從而降低股價崩盤風(fēng)險。從管理層有限理性層面來看，國家層面的個人主義文化差異會引起管理層心理和行為偏差[15]，導(dǎo)致其高估自身對負(fù)面信息的消化與處理能力，誤認(rèn)為負(fù)面信息可以被吸收從而不需要及時對外披露，因此增加了股價崩盤風(fēng)險。然而，目前從管理層有限理性層面上展開的股價崩盤風(fēng)險研究較少。考慮到受文化氛圍等因素的影響，管理層通常具有不同的認(rèn)知結(jié)構(gòu)和價值觀，他們往往是有限理性的。因此，本文從管理層有限理性視角，探索投機(jī)氛圍對公司未來股價崩盤風(fēng)險的影響，并進(jìn)一步研究其中的作用機(jī)理。

三、研究假設(shè)

大量研究表明，文化氛圍對公司財務(wù)決策有顯著影響。制度經(jīng)濟(jì)學(xué)理論指出，個體和組織的行為決策不僅受正式制度的約束和限制，還受文化氛圍等非正式制度潛移默化的影響[1]。具體表現(xiàn)在以下兩個方面：一是，不同文化塑造出的管理者，其決策風(fēng)格往往迥異，而管理者的決策風(fēng)格會影響公司人員招聘等決策。如Rivera研究發(fā)現(xiàn)，管理層傾向于雇傭那些與其本土文化和價值觀類似的員工，以防止員工反對他們投資風(fēng)險和收益較高的項目[21]。二是，由于文化氛圍的不同，管理者的風(fēng)險偏好往往有所差異，而這一差異也會影響管理層的行為和企業(yè)財務(wù)決策。例如，Adhikari和Agrawal研究發(fā)現(xiàn)，銀行總部所在地濃厚的宗教氛圍，使得管理層存在較強(qiáng)的風(fēng)險厭惡心理，從而減少了風(fēng)險性投資，降低了銀行的風(fēng)險承擔(dān)水平[22]?？梢?，文化氛圍是影響管理層行為和公司財務(wù)決策的重要因素。

投機(jī)氛圍產(chǎn)生的“風(fēng)險偏好”和“控制幻覺”對個體的心理特征和行為決策具有重要影響。一方面，受投機(jī)氛圍影響的個體存在“風(fēng)險偏好”。具體來說，投機(jī)氛圍會影響個體對風(fēng)險的感受和認(rèn)知，提高其對風(fēng)險的容忍度，從而對不確定事件持樂觀態(tài)度，因此，他們更加傾向于選擇風(fēng)險性較大的項目。例如，Kumar等研究發(fā)現(xiàn)，在賭博氛圍濃厚的地區(qū)，機(jī)構(gòu)投資者更傾向于交易或持有風(fēng)險較大的彩票類股票[23]。喬朋華等認(rèn)為，在博彩氛圍興盛的地區(qū)，管理層更愿意進(jìn)行風(fēng)險性較大的戰(zhàn)略變革[6]。另一方面，受投機(jī)氛圍影響的個體存在“控制幻覺”。具體來說，個體深信自己對不確定事件具有較強(qiáng)控制力，認(rèn)為自己的技能可以影響和控制不確定性事件的結(jié)果，從而高估自己的能力和項目成功的可能性。如，李濤和周開國指出，受外界博彩氛圍的影響，參與博彩的個體相信，憑借自己的技能所做出的決策能提高獲勝概率[24]；Kumar研究發(fā)現(xiàn)，在賭博氛圍濃厚的地區(qū)，個人投資者會高估彩票類股票帶來的收益，從而在該類股票上的投資更多[25]。

在“風(fēng)險偏好”和“控制幻覺”的影響下，投機(jī)氛圍扭曲了管理層對投資項目的篩選與決策，從而增加了公司未來股價崩盤風(fēng)險。首先，當(dāng)企業(yè)所在地投機(jī)氛圍濃厚時，在“風(fēng)險偏好”的影響下，管理層在尋找投資項目時，更可能選擇高風(fēng)險項目進(jìn)行投資。這是因為“風(fēng)險偏好”使得管理層對風(fēng)險的感知更為樂觀，對失敗的容忍度也更高。當(dāng)面臨各種不確定因素時，管理層可能會認(rèn)為不利事件對投資項目的影響有限，從而提高了投資高風(fēng)險項目的可能性。而較多的高風(fēng)險項目，使公司利潤面臨較大波動，提高了公司陷入財務(wù)風(fēng)險甚至破產(chǎn)清算的可能，從而增加了股價崩盤風(fēng)險。

其次，當(dāng)企業(yè)所在地投機(jī)氛圍濃厚時，在“控制幻覺”的影響下，管理層評估投資項目時，會高估投資項目的未來現(xiàn)金流，把凈現(xiàn)值為負(fù)的項目認(rèn)定為好項目。這是因為“控制幻覺”使得管理層對投資項目的預(yù)期回報更為樂觀，從而高估項目未來的收益，低估項目失敗的風(fēng)險，使企業(yè)更可能投資凈現(xiàn)值為負(fù)的項目。當(dāng)這些不良項目的弱勢表現(xiàn)逐漸積累、無法繼續(xù)推進(jìn)時，負(fù)面信息釋放到市場中，最終引致公司股價崩盤。

最后，在“控制幻覺”的影響下，管理層實施投資項目之后，往往會忽視投資項目反饋的負(fù)面信息，使凈現(xiàn)值為負(fù)的項目持續(xù)進(jìn)行。這是因為“控制幻覺”使得管理層高估自己對投資項目的控制能力，即使投資項目出現(xiàn)虧損，也仍然相信自己有能力扭虧為盈。進(jìn)而，管理層可能忽視投資過程中的負(fù)面信息，并認(rèn)為負(fù)面信息帶來的不良影響是可以解決和消除的。因為他們堅信，目前的困難是暫時且偶然的，憑借自己的能力會獲得預(yù)期收益，從而持續(xù)推進(jìn)凈現(xiàn)值為負(fù)的項目。當(dāng)項目最終無法開展下去時，積累的負(fù)面信息將集中涌入市場，導(dǎo)致股價暴跌。

基于以上分析，我們推測當(dāng)企業(yè)所在地的投機(jī)氛圍濃厚時，一方面，管理層在“風(fēng)險偏好”的影響下，尋找投資項目時，偏好風(fēng)險性項目，導(dǎo)致公司面臨較高的經(jīng)營與財務(wù)風(fēng)險。另一方面，管理層在“控制幻覺”的影響下，評估投資項目時，會高估投資項目的未來現(xiàn)金流，把凈現(xiàn)值為負(fù)的項目認(rèn)定為好項目；在實施投資項目之后，由于高估了自己的控制力，往往會忽視投資項目反饋的負(fù)面信息，使凈現(xiàn)值為負(fù)的項目持續(xù)進(jìn)行。因此，當(dāng)投資項目的弱勢表現(xiàn)以及負(fù)面信息逐步積累到一定程度而集中釋放時，公司股價發(fā)生崩盤。綜上，我們提出以下研究假設(shè)：

H1：企業(yè)所在地投機(jī)氛圍越濃厚，企業(yè)的股價崩盤風(fēng)險越高。

基于上述分析，本文研究假設(shè)提出的邏輯框架如圖1所示。

圖1 研究假設(shè)提出的邏輯框架

四、研究設(shè)計

(一)樣本選取與數(shù)據(jù)來源

借鑒趙奇峰等的研究[2]，考慮到中國31個省(自治區(qū)、直轄市)⑤2008年之前的彩票銷售數(shù)據(jù)披露不全，故本文的樣本區(qū)間為2008～2019年。參考李沁洋和許年行、曹豐等的研究[12][13]，本文剔除了滬深兩市A股中金融業(yè)、ST、*ST等處于特殊狀態(tài)的樣本，以及主要變量存在缺失值的樣本。為了排除極端值的影響，我們對所有連續(xù)變量在上下1%的水平上進(jìn)行了縮尾處理。最終，本文的樣本包含了21922個公司—年度觀測值。其中，彩票銷售數(shù)據(jù)來自各省(自治區(qū)、直轄市)的統(tǒng)計年鑒，其他財務(wù)數(shù)據(jù)、股票交易數(shù)據(jù)來自CSMAR數(shù)據(jù)庫和CNRDS數(shù)據(jù)庫。

(二)變量定義

1.股價崩盤風(fēng)險。借鑒已有研究[12][13][14]，本文采用NCSKEW和DUVOL衡量公司的股價崩盤風(fēng)險。為計算這兩個指標(biāo)，本文首先通過如下模型計算公司的特有周收益率(Wi,t)：

ri,t=αi+β1rM,t-2+β2rM,t-1+β3rM,t+β4rM,t+1+β5rM,t+2+εi,t

(1)

公式(1)中，ri,t為股票i在第t周考慮現(xiàn)金紅利再投資的收益率；rM,t為A股所有公司在第t周按流通市值加權(quán)的平均收益率⑥。取上述回歸的殘差項εi,t，股票i在第t周的特有收益率為：Wi,t=ln(1+εi,t)。接下來，我們基于股票特有周收益率構(gòu)建NCSKEW和DUVOL。第一，負(fù)收益率偏態(tài)系數(shù)NCSKEW的計算方法如公式(2)所示，其中n為股票i在第t年中交易的周數(shù)。

(2)

第二，收益上下波動比率DUVOL的計算方法如公式(3)所示，其中nu(nd)為公司i的周特有收益率高于(低于)年平均收益率的周數(shù)。

(3)

2.投機(jī)氛圍。本文采用以下三個指標(biāo)衡量公司所在地的投機(jī)氛圍：第一，利用各省(自治區(qū)、直轄市)福利彩票和體育彩票銷售額之和占各省(自治區(qū)、直轄市)生產(chǎn)總值的比重(Lottery)作為當(dāng)?shù)赝稒C(jī)氛圍的代理變量[2]，該指標(biāo)越大，說明當(dāng)?shù)夭┎势贸潭仍礁撸稒C(jī)氛圍越濃厚；第二，利用各省(自治區(qū)、直轄市)福利彩票和體育彩票銷售額之和與各省(自治區(qū)、直轄市)常住人口數(shù)之比(Lottery2)作為當(dāng)?shù)赝稒C(jī)氛圍的代理變量[1]，進(jìn)行穩(wěn)健性檢驗；第三，為更精細(xì)地捕捉投機(jī)氛圍，我們利用各地級市福利彩票和體育彩票銷售額之和占各地級市生產(chǎn)總值的比重(Lottery3)作為當(dāng)?shù)赝稒C(jī)氛圍的代理變量，進(jìn)行穩(wěn)健性檢驗⑦。

(三)模型設(shè)定

參考已有研究[2][3]，為檢驗投機(jī)氛圍對企業(yè)股價崩盤風(fēng)險的影響，本文設(shè)定如下回歸模型：

(4)

模型(4)中，NCSKEWt+1和DUVOLt+1為第t+1期的兩個股價崩盤風(fēng)險指標(biāo)，Lotteryt為第t期各地區(qū)投機(jī)氛圍指標(biāo)。ControlVariblest為表1中定義的第t期的控制變量，主要包括：本期的負(fù)收益偏態(tài)系數(shù)(LagNCSKEW)、月平均超額換手率(OTurnover)、股票波動率(Sigma)、股票回報率(Ret)、企業(yè)規(guī)模(Size)、賬面市值比(BM)、資產(chǎn)負(fù)債率(Lev)、資產(chǎn)回報率(ROA)、會計信息不透明度(AbsACC)。此外，還控制了年度和行業(yè)固定效應(yīng)，并對回歸系數(shù)的標(biāo)準(zhǔn)誤在公司層面進(jìn)行了聚類處理⑧。本文主要變量定義詳見表1。

表1 主要變量定義

五、實證結(jié)果

(一)描述性統(tǒng)計

表2列示了文中主要變量的描述性統(tǒng)計結(jié)果。兩個股價崩盤風(fēng)險指標(biāo)NCSKEW和DUVOL的均值分別為-0.277和-0.244，與李沁洋和許年行、曹豐等的研究中所報告的數(shù)值差別不大[12][13]；標(biāo)準(zhǔn)差分別為0.659和0.454，說明這兩個指標(biāo)在樣本公司間存在較大差異。投機(jī)氛圍指標(biāo)Lottery的均值為0.029，這說明中國各地區(qū)彩票銷售額占地區(qū)生產(chǎn)總值的比重平均為2.9%，與趙奇峰等的研究中所報告的數(shù)值差別不大[2]。其他變量的分布均在合理范圍之內(nèi)，不再一一贅述。

表2 描述性統(tǒng)計

(二)回歸分析

首先，為檢驗投機(jī)氛圍的直接影響，模型(4)未放入控制變量時的估計結(jié)果報告在表3的列(1)和列(3)。結(jié)果可見，Lottery的回歸系數(shù)均在1%的水平上顯著為正，表明企業(yè)所在地投機(jī)氛圍越濃厚，其未來股價崩盤風(fēng)險越高。其次，為進(jìn)一步確認(rèn)這一正向關(guān)系是否穩(wěn)健，我們在回歸中加入了一系列控制變量。在列(2)和列(4)中，Lottery的回歸系數(shù)仍然均在1%的水平上顯著為正，表明在控制了一系列影響股價崩盤風(fēng)險的因素后，投機(jī)氛圍與公司股價崩盤風(fēng)險之間的正相關(guān)關(guān)系依然成立。此外，從經(jīng)濟(jì)意義上看，平均而言，企業(yè)所在地的投機(jī)氛圍每上升一個標(biāo)準(zhǔn)差，下一期股價崩盤風(fēng)險指標(biāo)NCSKEW(DUVOL)的提升幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的4.4%(5.2%)。這一經(jīng)濟(jì)影響與企業(yè)資產(chǎn)負(fù)債率(Lev)和股票波動率(Sigma)相當(dāng)⑨。由此可見，不論是從統(tǒng)計意義上還是經(jīng)濟(jì)意義上講，企業(yè)所在地投機(jī)氛圍對公司未來股價崩盤風(fēng)險均有顯著的正向影響。

表3 投機(jī)氛圍對公司股價崩盤風(fēng)險的影響

六、穩(wěn)健性檢驗

(一)固定效應(yīng)模型

為了控制可能遺漏的不隨時間改變的公司固定因素對回歸結(jié)果的影響，我們采用公司固定效應(yīng)模型重新估計了模型(4)。表4的結(jié)果表明，Lottery與股價崩盤風(fēng)險指標(biāo)至少在10%的水平上顯著為正，表明本文的研究結(jié)果并不是因為遺漏了某些不隨時間改變的解釋變量所致。

表4 公司固定效應(yīng)模型

(二)工具變量檢驗

為進(jìn)一步克服潛在的內(nèi)生性問題，本文使用中國31個省(自治區(qū)、直轄市)人口平均受教育年限(EduYear)作為投機(jī)氛圍的工具變量，該指標(biāo)反映了一個地區(qū)人口受教育的總體水平，是衡量地區(qū)教育發(fā)展水平的重要指標(biāo)。某地區(qū)人口受教育程度越低，其投機(jī)偏好越強(qiáng)烈，對博彩的態(tài)度也更加積極[25]；相反，若某地區(qū)人口受教育程度越高，越容易形成理性的觀念，對博彩的態(tài)度也更加消極，博彩消費越低，投機(jī)氛圍越淡?？梢?，地區(qū)教育發(fā)展水平與該地區(qū)投機(jī)氛圍負(fù)相關(guān)。

中國人口的受教育程度一般分為5個級別：文盲和半文盲、小學(xué)、初中、高中和中專、大專及以上。借鑒白雪梅的研究[26]，將這5個級別的教育年限分別定義為1、6、9、12、16年，然后根據(jù)2008～2018年《中國統(tǒng)計年鑒》中全國人口變動情況抽樣調(diào)查數(shù)據(jù)和2010年全國人口普查數(shù)據(jù)，得到人口受教育年限的構(gòu)成資料，最后采用公式(5)計算的平均受教育年限衡量地區(qū)的教育發(fā)展水平。公式(5)中i=1、2、3、4、5代表受教育程度，Ti=1、6、9、12、16為相應(yīng)的受教育年限，Pi是受教育程度為i水平的人口比重。

(5)

表5 工具變量檢驗

(三)變量度量的穩(wěn)健性檢驗

1.股價崩盤風(fēng)險度量?？紤]到不同板塊的市場回報率不同，我們采取綜合A股和創(chuàng)業(yè)板的分市場回報率來計算股票周特有收益率，進(jìn)而得到新的股價崩盤風(fēng)險指標(biāo)NCSKEW2和DUVOL2。

2.投機(jī)氛圍度量。一方面，我們利用各省(自治區(qū)、直轄市)彩票銷售額與各省(自治區(qū)、直轄市)常住人口數(shù)之比(Lottery2)作為當(dāng)?shù)赝稒C(jī)氛圍的代理變量；另一方面，我們采用各地級市的彩票銷售額占各地級市生產(chǎn)總值的比重(Lottery3)作為當(dāng)?shù)赝稒C(jī)氛圍的代理變量。

表6的結(jié)果顯示，無論是采用新的股價崩盤風(fēng)險指標(biāo)(NCSKEW2和DUVOL2)，還是采用新的投機(jī)氛圍指標(biāo)(Lottery2和Lottery3)，投機(jī)氛圍與公司股價崩盤風(fēng)險之間的正相關(guān)關(guān)系依然顯著。這意味著，本文結(jié)論對主要變量的衡量偏誤并不敏感。

表6 變量度量的穩(wěn)健性檢驗

七、進(jìn)一步分析

(一)高管學(xué)習(xí)經(jīng)歷差異的影響

高階理論表明，高管的學(xué)習(xí)經(jīng)歷會對其決策產(chǎn)生重要影響。不同學(xué)歷、是否具有海外經(jīng)歷的高管對企業(yè)決策的影響存在較大差異。學(xué)歷較高的高管在校時間長，長期受到“遵守倫理”“踐行道德”等價值觀的熏陶，行事風(fēng)格往往更加理性、謹(jǐn)慎[27]。因此，我們推測當(dāng)公司高管的學(xué)歷較高時，其具有理性、客觀理念的概率也越高。此時，投機(jī)氛圍對股價崩盤風(fēng)險的正向作用較弱。

海外經(jīng)歷通常被認(rèn)為是有良好教育和專業(yè)技能的標(biāo)志，具有海外經(jīng)歷的高管能改善公司的治理水平[28]。因此，我們推測，當(dāng)公司高管具有海外經(jīng)歷時，其行為決策更加謹(jǐn)慎、客觀。此時，投機(jī)氛圍對股價崩盤風(fēng)險的正向作用較弱。

基于上述分析，本文參考李茜和張建君的研究[29]，分別用本科及以上學(xué)歷高管占比(Academic)和有海外經(jīng)歷的高管占比(Oversea)來衡量高管的學(xué)習(xí)經(jīng)歷。利用它們和Lottery的交互項(Lottery×Academic和Lottery×Oversea)來檢驗其對投機(jī)氛圍與股價崩盤風(fēng)險之間關(guān)系的影響。表7的回歸結(jié)果顯示，Lottery×Academic和Lottery×Oversea的回歸系數(shù)均顯著為負(fù)，表明當(dāng)公司高管的學(xué)歷較高、具有海外經(jīng)歷時，投機(jī)氛圍對公司股價崩盤風(fēng)險的正向影響較弱。

表7 高管學(xué)習(xí)經(jīng)歷差異的影響

(二)高管面臨的監(jiān)督水平差異的影響

監(jiān)督水平的強(qiáng)弱會對管理層的行為決策產(chǎn)生重要影響[14]。因此，我們推測，當(dāng)管理層面臨的監(jiān)督較為嚴(yán)格時，其決策會受到更多制約，此時投機(jī)氛圍對管理層心理和行為決策產(chǎn)生的負(fù)面影響較??；當(dāng)面臨的監(jiān)督較弱時，管理層更有可能根據(jù)個人習(xí)慣、心理偏好做出決策，此時投機(jī)氛圍對管理層的影響較大。

本文借鑒Kim等的做法[14]，用分析師關(guān)注人數(shù)(Analyst)和機(jī)構(gòu)投資者持股比例(Institution)來衡量管理層面臨的監(jiān)管水平強(qiáng)弱。表8的回歸結(jié)果顯示，Lottery×Analyst和Lottery×Institution的回歸系數(shù)均顯著為負(fù)，表明當(dāng)高管面臨的監(jiān)督較強(qiáng)時，投機(jī)氛圍對公司股價崩盤風(fēng)險的正向作用較弱。

表8 高管面臨監(jiān)督水平差異的影響

(三)人口流動的影響

隨著中國經(jīng)濟(jì)的發(fā)展，人口流動越來越頻繁，外來人口帶來了外來文化，這會對當(dāng)?shù)氐奈幕a(chǎn)生一定沖擊，并使該地區(qū)的文化環(huán)境變得更復(fù)雜[30]。因此，當(dāng)公司所在地人口流動量較大時，外來文化對當(dāng)?shù)赝稒C(jī)氛圍的沖擊也較大，從而會削弱當(dāng)?shù)赝稒C(jī)氛圍的影響；相反，當(dāng)公司所在地人口流動量較小時，外來文化對當(dāng)?shù)赝稒C(jī)氛圍的沖擊也較小。因此，我們推測，當(dāng)公司所在地人口流動量較大時，當(dāng)?shù)赝稒C(jī)氛圍對股價崩盤風(fēng)險的正向作用減弱。

本文采用中國31個省(自治區(qū)、直轄市)取對數(shù)化后的流動人口數(shù)量(Popmobility1)和客運量(Popmobility2)來衡量人口流動量的大小。回歸結(jié)果見表9，Lottery×Popmobility1和Lottery×Popmobility2的回歸系數(shù)均顯著為負(fù)，表明當(dāng)公司所在地具有較多的流動人口和較大的客運量時，投機(jī)氛圍對公司股價崩盤風(fēng)險的正向作用較弱。

表9 人口流動的影響

八、影響機(jī)制分析

(一)風(fēng)險承擔(dān)路徑

正如上文所述，投機(jī)氛圍帶來的“風(fēng)險偏好”使管理層在尋找投資項目時，偏好風(fēng)險性項目，較多的高風(fēng)險項目使企業(yè)表現(xiàn)出較高的風(fēng)險承擔(dān)水平。進(jìn)一步的，較多高風(fēng)險項目會使公司未來的利潤面臨很大的波動，提高了公司陷入財務(wù)風(fēng)險甚至破產(chǎn)清算的可能，最終增加了股價崩盤風(fēng)險。因此，我們推測，投機(jī)氛圍通過提高企業(yè)的風(fēng)險承擔(dān)水平，進(jìn)而導(dǎo)致公司股價崩盤。

借鑒周澤將等的研究[31]，我們分別采用通過公式(6)和公式(7)計算的經(jīng)行業(yè)和年度均值調(diào)整后的公司總資產(chǎn)收益率的波動性(RiskTaking1)以及經(jīng)行業(yè)和年度均值調(diào)整后的總資產(chǎn)收益率最大值與最小值的差額(RiskTaking2)衡量企業(yè)風(fēng)險承擔(dān)水平。其中，AdjROA表示經(jīng)行業(yè)和年度均值調(diào)整后的資產(chǎn)收益率，下標(biāo)i、j、t分別表示公司、行業(yè)與年度，T=5表示滾動5期計算企業(yè)風(fēng)險承擔(dān)水平。RiskTaking1和RiskTaking2的值越大，企業(yè)的風(fēng)險承擔(dān)水平越高。

(6)

RiskTaking2it=Max(AdjROAijt,……,AdjROAijt+T)-Min(AdjROAijt,……,AdjROAijt+T) (T=5)

(7)

本文使用模型(8)檢驗投機(jī)氛圍對公司風(fēng)險承擔(dān)的影響。參考周澤將等的研究[31]，模型(8)中的控制變量(ControlVariable_RT)包括：企業(yè)規(guī)模(Size)、貨幣資金(Cash)、資產(chǎn)負(fù)債率(Lev)、資產(chǎn)回報率(ROA)、營業(yè)收入增長率(Growth)、上市年限(Age)、實質(zhì)控制人所擁有的企業(yè)所有權(quán)比例(Ownership)、兩權(quán)分離度(Wedge)、市場化水平(Market)以及年度和行業(yè)固定效應(yīng)。

(8)

表10中列(1)和列(2)的回歸結(jié)果顯示，Lottery與RiskTaking1和RiskTaking2均顯著正相關(guān)，表明投機(jī)氛圍提高了企業(yè)的風(fēng)險承擔(dān)水平，符合本文的預(yù)期。

(二)過度投資路徑

投機(jī)氛圍帶來的“控制幻覺”使管理層在評估投資項目時，把凈現(xiàn)值為負(fù)的項目認(rèn)定為好項目；在實施投資項目之后，忽視投資項目反饋的負(fù)面信息，使凈現(xiàn)值為負(fù)的項目持續(xù)進(jìn)行，較多的投資凈現(xiàn)值為負(fù)的項目使企業(yè)表現(xiàn)出較為嚴(yán)重的過度投資。進(jìn)一步的，當(dāng)投資項目的弱勢表現(xiàn)以及負(fù)面信息逐步積累到一定程度而集中釋放時，公司股價發(fā)生崩盤。因此，我們推測，投機(jī)氛圍通過引發(fā)企業(yè)過度投資行為，進(jìn)而導(dǎo)致股價崩盤。

本文利用模型(9)的殘差設(shè)計了兩個過度投資指標(biāo)：其一，采用王兵等的做法[32]，分年度分行業(yè)對模型(9)進(jìn)行回歸并計算殘差，用殘差為正的部分衡量過度投資(OverInvest1)；其二，采用劉行和葉康濤的做法[33]，利用公司固定效應(yīng)模型估計模型(9)，并將殘差為正的部分作為過度投資(OverInvest2)。模型(9)中，Invt為公司當(dāng)年新增資本投資額；Tobinqt-1為公司上一年托賓值；Levt-1為公司上一年的資產(chǎn)負(fù)債率；Casht-1為公司上一年的貨幣資金持有量；Sizet-1為公司上一年期末總資產(chǎn)的自然對數(shù)；Aget-1為公司上一年的上市年限；Rett-1為公司上一年的股票收益率，以考慮現(xiàn)金紅利再投資的年回報率衡量；Invt-1為公司上一年的新增資本投資額。OverInvest1和OverInvest2的值越大，企業(yè)的過度投資行為越嚴(yán)重。

Invt=α0+α1Tobinqt-1+α2Levt-1+α3Casht-1+α4Sizet-1+α5Aget-1+α6Rett-1+α7Invt-1+εt

(9)

本文使用模型(10)檢驗投機(jī)氛圍對公司過度投資的影響。參考王兵等的研究[32]，模型(10)中的控制變量(ControlVariable_OI)包括：企業(yè)規(guī)模(Size)、資產(chǎn)負(fù)債率(Lev)、資產(chǎn)回報率(ROA)、上市年限(Age)、第一大股東持股比例(Bighold)、董事會規(guī)模(Bdsize)、監(jiān)事會規(guī)模(Supbdsize)、監(jiān)事會比例(Supbdsh)、高管持股比例(Mshare)、獨董比例(Indepen)、企業(yè)經(jīng)營現(xiàn)金流(CFO)、產(chǎn)權(quán)性質(zhì)(SOE)、企業(yè)投資水平(Inv)以及年度和行業(yè)固定效應(yīng)。

(10)

表10中列(3)和列(4)的結(jié)果顯示，Lottery與OverInvest1和OverInvest2均顯著正相關(guān)，表明投機(jī)氛圍導(dǎo)致了企業(yè)的過度投資行為，符合本文的預(yù)期。

表10 投機(jī)氛圍與企業(yè)風(fēng)險承擔(dān)和過度投資

九、研究結(jié)論與啟示

文化氛圍等外在環(huán)境會影響個體的心理特征和行為決策，是影響經(jīng)濟(jì)增長的深層次因素，也是近年來學(xué)術(shù)界和實務(wù)界關(guān)注的熱點問題。本文以2008～2019年滬深兩市A股非金融類上市公司為樣本，從管理層有限理性層面探索了投機(jī)氛圍對公司股價崩盤風(fēng)險的影響，研究發(fā)現(xiàn)：投機(jī)氛圍顯著提高了公司未來股價崩盤風(fēng)險。在進(jìn)行固定效應(yīng)模型檢驗、工具變量檢驗、改變核心變量度量方式等多種穩(wěn)健性檢驗后，該結(jié)論依然成立。進(jìn)一步分析表明，當(dāng)高管學(xué)習(xí)經(jīng)歷豐富、面臨的監(jiān)督較強(qiáng)、公司所在地人口流動量較大時，投機(jī)氛圍對公司股價崩盤風(fēng)險的正向作用減弱。最后，影響機(jī)制分析的結(jié)果表明，投機(jī)氛圍提高了公司的風(fēng)險承擔(dān)水平，導(dǎo)致了公司更為嚴(yán)重的過度投資，從而增加了未來股價崩盤風(fēng)險。

本文的研究結(jié)論有以下幾點啟示：第一，企業(yè)應(yīng)考慮投機(jī)氛圍導(dǎo)致管理層心理和行為決策的差異性，并對投機(jī)氛圍的傳播路徑進(jìn)行監(jiān)控和改善，以促進(jìn)企業(yè)長遠(yuǎn)發(fā)展；第二，企業(yè)應(yīng)將正式制度的建設(shè)與文化氛圍等非正式制度相結(jié)合，充分考慮企業(yè)決策過程中蘊(yùn)含的文化動因，以不斷完善公司治理、提高決策效率；第三，政府部門應(yīng)出臺相應(yīng)政策措施，提高社會公眾對投機(jī)氛圍的認(rèn)識和了解，適當(dāng)引導(dǎo)博彩業(yè)的健康、有序發(fā)展，使博彩業(yè)在帶動經(jīng)濟(jì)發(fā)展的同時，將其帶來的負(fù)面影響降到最低，這對完善上市公司治理、引導(dǎo)資本市場健康發(fā)展具有重要參考價值。

注釋：

①詳情請參見：http://www.pbc.gov.cn/goutongjiaoliu/113456/113469/3955023/index.html和http://www.cbirc.gov.cn/cn/view/pages/ItemDetail.html?docId=884698&itemId=915&generaltype=0。

②詳情請參見：http://www.scio.gov.cn/xwfbh/xwbfbh/wqfbh/44687/45008/index.htm。

③東方財富網(wǎng)股票賬戶統(tǒng)計詳細(xì)數(shù)據(jù)：http://data.eastmoney.com/cjsj/gpkhsj.html。

④例如：財政部2009年《彩票管理條例》、2012年《彩票管理條例及其實施細(xì)則》、2012年《彩票發(fā)行銷售管理辦法》、2015年《關(guān)于進(jìn)一步規(guī)范和加強(qiáng)彩票資金構(gòu)成比例政策管理的通知》、2020年《關(guān)于做好疫情防控期間彩票發(fā)行銷售工作有關(guān)事宜的通知》等。

⑤由于統(tǒng)計口徑存在較大差異，本文沒有將中國香港特別行政區(qū)、中國澳門特別行政區(qū)和中國臺灣納入樣本。

⑥此外，我們還嘗試了總市值加權(quán)平均收益率，所得結(jié)論沒有實質(zhì)變化。

⑦我們嘗試搜集了樣本期間內(nèi)中國353個地級市的彩票銷售收入，但是僅303個城市披露了共計2106個城市—年度數(shù)據(jù)，占比約54%(2106/(353×11))，缺失值較多。此外，各地級市在彩票銷售收入的統(tǒng)計口徑上也存在差異。因此，我們僅將該數(shù)據(jù)用在了穩(wěn)健性檢驗中。

⑧本文還嘗試了對回歸系數(shù)的標(biāo)準(zhǔn)誤在公司和年度層面進(jìn)行雙重聚類處理，研究結(jié)論沒有實質(zhì)差異。

⑨企業(yè)資產(chǎn)負(fù)債率Lev每增加一個標(biāo)準(zhǔn)差，使得下一期NCSKEW的下降幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的1.6%(0.051×0.210/0.659)，使得下一期DUVOL的下降幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的2.4%(0.051×0.210/0.454)；股票波動率Sigma每增加一個標(biāo)準(zhǔn)差，使得下一期NCSKEW的下降幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的6.3%(1.654×0.025/0.659)，使得下一期DUVOL的下降幅度相當(dāng)于樣本標(biāo)準(zhǔn)差的8.7%(1.588×0.025/0.454)。