文/沈丹（華東師范大學(xué)經(jīng)濟與管理學(xué)部）

目前學(xué)術(shù)界對資本市場上股價崩盤風(fēng)險的研究成果已比較豐富，現(xiàn)有文獻大多集中在股價暴跌影響因素的研究上，主要從公司管理層的信息操縱、大股東持股、會計穩(wěn)健性、獨立審計等方面進行分析。多數(shù)學(xué)者認為，信息環(huán)境的低透明度是造成其爆發(fā)的根本原因。公司管理層在日常經(jīng)營管理過程中對公司不利的信息往往會加以隱匿，而普通投資者無法獲得這些不利信息，使其囤積到臨界點才會爆發(fā)出來，最終導(dǎo)致股價崩盤風(fēng)險。機構(gòu)投資者實地調(diào)研有助于與公司管理層交流，是否有利于減少管理者對負面信息的隱瞞，挖掘有價值的信息，促進公司提高信息披露質(zhì)量，并對崩盤風(fēng)險產(chǎn)生緩解作用呢？因此，對于實地調(diào)研與股價崩盤風(fēng)險的相關(guān)關(guān)系值得去研究，本文實證驗證了兩者之間的影響關(guān)系，以及信息披露質(zhì)量是否能起到中介傳導(dǎo)作用。

一、文獻綜述

目前學(xué)術(shù)界從不同的角度對股價崩盤風(fēng)險進行了研究。Kim et al（2014）認為公司表現(xiàn)出較高的社會責(zé)任感，承諾保持高標準的透明度，更少地囤積負面消息，對股價崩盤風(fēng)險具有緩解作用[1]。楊松令等（2020）認為企業(yè)有時會注意同行業(yè)公司的行為來影響自己的決策，特別是控股股東股權(quán)質(zhì)押行為會使同伴企業(yè)效仿，從而導(dǎo)致崩盤風(fēng)險傳染[2]。劉笑霞、狄然（2019）從獨立機構(gòu)投資者持股比例的角度研究，認為獨立機構(gòu)投資者為了獲利而降低在監(jiān)管上的成本，從而加強管理層機會主義的動機，使得公司股價崩盤風(fēng)險加大[3]。相對來說，從公司信息披露質(zhì)量的視角來研究股價崩盤風(fēng)險的文獻較少。張軍等（2019）認為上市公司股價同步性越高，說明越多特質(zhì)信息沒有被投資者所獲得，資源不能得到合理配置，導(dǎo)致股價被高估從而引發(fā)崩盤風(fēng)險[4]。而在信息不對稱程度較高、治理水平較低的公司，管理層隱瞞負面消息的動機較強，股價同步性的正相關(guān)關(guān)系則更加顯著（石英，2019）[5]。江婕等（2021）從公開信息、私人信息等多個維度選取衡量信息透明度的指標，發(fā)現(xiàn)公司信息越不透明，崩盤風(fēng)險越高[6]。

總體來講，學(xué)術(shù)界從機構(gòu)投資者調(diào)研的視角來研究股價崩盤風(fēng)險的成果較少，再結(jié)合公司信息披露質(zhì)量來探討是否存在中介效應(yīng)的文獻更為罕見。因此，本文將對相關(guān)問題進行研究。

二、研究設(shè)計

（一）數(shù)據(jù)來源

本文選取2011-2020年的我國A股上市公司作為樣本，相關(guān)數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。本文剔除金融行業(yè)上市公司、曾被ST或*ST的公司觀測值以及數(shù)據(jù)缺失的上市公司。同時，用STATA16對連續(xù)變量進行了1%水平上的winsorize縮尾極值處理。最終選擇上市公司488家，共4880個樣本觀測值。

（二）變量選取

1.被解釋變量

根據(jù)以往文獻研究，本文采用負收益偏態(tài)系數(shù)（NCSKEW）、收益上下波動比率（DUVOL）來度量股價崩盤風(fēng)險。計算步驟為：

先將單只股票與市場的周收益率進行回歸，計算周特質(zhì)收益率Wit,w，其公式為：

公式（1）中，Rit,w表示第w周股票i的收益率，Rmt,w表示第w周市場的回報率?？紤]到異步性交易的影響，加入了“滯后期”和“超前期”的市場收益率。根據(jù)回歸結(jié)果，利用殘差εit,w來計算股票的周特質(zhì)收益率，即Wit,w=ln(1+εit,w)。

然后，再根據(jù)股票周收益率Wit,w來構(gòu)建下面兩個指標。

①股票收益負偏態(tài)系數(shù)（NCSKEW）

其中，n為t年度股票i的總交易周數(shù)，Wi,t為年度t股票i的平均特質(zhì)收益率，即Wit,w的年度平均值。

②股票收益上下波動比率（DUVOL）

公式（3）中，nu為t年度股票i的Wit,w大于其年度平均的周數(shù)，nd為t年度股票i的Wit,w小于其年度平均的周數(shù)。

2.解釋變量

機構(gòu)投資者實地調(diào)研。調(diào)研方式包括現(xiàn)場報告會、咨詢會、參觀考察、深度訪談等，本文選取2011-2020年被實地調(diào)研的488家上市公司作為研究對象，采用該公司本年度被實地調(diào)研總次數(shù)加1的自然對數(shù)，作為機構(gòu)投資者實地調(diào)研的替代變量，用INS表示。

3.中介變量

信息披露質(zhì)量。按照交易所對公司信息披露考核結(jié)果的不同，分別將優(yōu)秀、良好、合格與不合格賦值為1-4，用INFO表示。

4.控制變量

借鑒以往文獻，在模型中加入5個控制變量：公司總資產(chǎn)收益率（ROA）、公司資產(chǎn)負債率（LEV）、上市公司股權(quán)性質(zhì)（SOE）、上市公司規(guī)模（SIZE）、股票年換手率（TURN），用以控制其他可能引發(fā)股價崩盤的因素。各變量說明如表1所示。

表1 變量定義表

（三）模型構(gòu)建

本文構(gòu)建模型4：

其中，Crash表示被調(diào)研公司的股價崩盤風(fēng)險，分別用NCSKEW和DUVOL進行表示；INS表示機構(gòu)投資者實地調(diào)研，INFO表示信息披露質(zhì)量，t和t+1分別表示機構(gòu)投資者實地調(diào)研當(dāng)年與之后一年，Controls為控制變量，εi,t為隨機擾動項。

為了驗證信息披露質(zhì)量是否在機構(gòu)投資者實地調(diào)研對公司股價崩盤的影響中起傳導(dǎo)作用，本文構(gòu)建模型5和模型6：

三、實證結(jié)果與分析

（一）描述性統(tǒng)計

變量的描述性統(tǒng)計結(jié)果如表2所示。NCSKEW和DUVOL均值分別為-0.271和-0.177，最大值分別為1.682和1.022，最小值分別為-2.443和-1.287，方差分別為0.707和0.467，表明不同上市公司發(fā)生股價崩盤風(fēng)險的程度不同。

表2 描述性統(tǒng)計結(jié)果表

（二）回歸結(jié)果與分析

1.實證結(jié)果分析

根據(jù)Hausman檢驗結(jié)果，本文采取固定效應(yīng)模型。模型4的回歸結(jié)果如表3所示。當(dāng)用NCSKEW表示Crash時，機構(gòu)投資者實地調(diào)研（INS）的系數(shù)分別為-0.024和-0.025，都在10%的水平下顯著負相關(guān)。當(dāng)DUVOL表示Crash時，機構(gòu)投資者實地調(diào)研（INS）的系數(shù)分別為-0.20和-0.21，都在5%的水平下顯著負相關(guān)。說明被解釋變量隨著調(diào)研頻率的增加而減小，機構(gòu)投資者實地調(diào)研可以通過信息發(fā)掘和公司治理降低公司股價崩盤風(fēng)險。

表3 機構(gòu)投資者實地調(diào)研對股價崩盤風(fēng)險的影響

2.考慮中介效應(yīng)的實證結(jié)果分析

對模型5、6進行固定效應(yīng)回歸，如表4所示。機構(gòu)投資者實地調(diào)研（INS）在5%的水平下顯著為負，說明提高調(diào)研頻率，能夠促使管理層重視信息披露問題，使公司披露的信息更充分、更及時，有利于提高公司信息披露質(zhì)量。當(dāng)NCSKEW表示Crash時，信息披露質(zhì)量（INFO）、機構(gòu)投資者實地調(diào)研（INS）分別在5%、10%顯著為負。而當(dāng)DUVOL表示Crash時，這兩個變量分別在10%、5%顯著為負。說明信息披露質(zhì)量發(fā)揮了部分中介效應(yīng)。調(diào)研頻率越高，一方面直接降低崩盤風(fēng)險，另一方面還可以通過信息披露質(zhì)量的提高間接緩解崩盤風(fēng)險。

表4 考慮中介效應(yīng)的回歸結(jié)果

四、結(jié)論

本文以2011-2020年我國A股上市公司為樣本，研究機構(gòu)投資者實地調(diào)研對上市公司股價崩盤風(fēng)險的影響，并探討上市公司信息披露質(zhì)量的中介效應(yīng)。研究表明，實地調(diào)研有助于降低上市公司股價崩盤風(fēng)險，信息披露質(zhì)量可以發(fā)揮部分中介效應(yīng)，實地調(diào)研能夠提高上市公司信息披露質(zhì)量，而信息披露質(zhì)量的提升能夠?qū)蓛r崩盤風(fēng)險起到緩解的作用。