时间:2021-09-09 作者:吴德军 胡其昊
[大]
[中]
[小]
摘要:
时有发生的股价崩盘现象影响了资本市场的平稳运行以及实体经济的健康发展,受到监管者和投资者的广泛关注,是近几年研究的热点问题。现有文献表明,信息不对称下管理层隐藏坏消息的行为是造成股价崩盘风险的主要原因(Jin 和Myers,2006 ;Hutton 等,2009)。学者们对股价崩盘风险的影响因素做了大量研究 :从公司外部因素看,机构投资者(许年行等,2013)、分析师研报(伊志宏等,2019)、媒体监督(罗进辉和杜兴强,2014)以及审计师专长(江轩宇和伊志宏,2013)都会影响公司股价崩盘风息披露(叶康涛等,2015)等也会对公司股价崩盘风险产生影响。
近年来,随着地理经济学在财务学领域的逐渐引入,学者们发现公司地理特征会对其财务行为产生影响。Malloy(2005)发现上市公司所在地的分析师具有更多的信息优势,其预测精度比异地分析师更高。Chh...
时有发生的股价崩盘现象影响了资本市场的平稳运行以及实体经济的健康发展,受到监管者和投资者的广泛关注,是近几年研究的热点问题。现有文献表明,信息不对称下管理层隐藏坏消息的行为是造成股价崩盘风险的主要原因(Jin 和Myers,2006 ;Hutton 等,2009)。学者们对股价崩盘风险的影响因素做了大量研究 :从公司外部因素看,机构投资者(许年行等,2013)、分析师研报(伊志宏等,2019)、媒体监督(罗进辉和杜兴强,2014)以及审计师专长(江轩宇和伊志宏,2013)都会影响公司股价崩盘风息披露(叶康涛等,2015)等也会对公司股价崩盘风险产生影响。
近年来,随着地理经济学在财务学领域的逐渐引入,学者们发现公司地理特征会对其财务行为产生影响。Malloy(2005)发现上市公司所在地的分析师具有更多的信息优势,其预测精度比异地分析师更高。Chhaochharia 等(2012) 发现地理位置邻近的投资者能更好发挥监督作用并获得更高的收益。张洪辉等(2019)发现独立董事与上市公司距离越远,独立董事参会次数越少,进而影响公司财务报告质量。此外,除了地理距离,有学者发现上市公司地理分散度会通过影响信息获取和内外部监管进而对公司财务行为产险 ;从公司内部因素来看,管理层特征与企业行为也会影生影响。Garcia 和Norl(i2012)发现地理分散度低的企业其响公司股价崩盘风险,如管理层过度自信(Kim 等, 2016)、 CEO 性别(李小荣和刘行,2012)、控股股东股权质押(谢德仁等,2015)、企业社会责任(权小锋等,2015)、内控信投资者认可度较低,通常会要求更高的股票收益率以弥补其多元化不足的问题。Petya 和Marco(2016)研究表明地理分散度高的公司具有较低的会计信息可比性和更大的盈余管理空间,导致分析师更容易发布不准确、有偏颇的盈利预测信息。Shi 等(2015)发现与地理位置集中的公司相比,地理分散度高的公司拥有更高的真实盈余管理水平和更低的应计盈余管理水平。综上所述,现有文献表明公司地理分散度会对信息不对称程度产生影响,而信息不对称下管理层隐藏坏消息又是股价崩盘风险成因之一,因此, 本文将深入探究公司地理分散度与股价崩盘风险的关系。
本文通过手工收集A 股上市公司2009~2018 年控股和参股公司的地理位置,测算出上市公司经营地的地理分散度,对地理分散度和公司股价崩盘风险的关系进行实证检验。研究结果显示,上市公司地理分散度越高,股价崩盘风险越大。进一步分析发现,地理分散度显著增加了管理层持股与在职消费,降低了审计质量,公司内外部治理水平的下降给管理层隐瞒坏消息提供了空间,增加了股价崩盘风险,说明公司内外部治理在地理分散度与股价崩盘风险之间起到了中介作用。
本文的贡献主要体现在以下方面 :一是拓展了地理分散度对公司财务行为影响的相关文献。已有文献中有关地理经济学与财务学的交叉研究主要关注的是地理距离,本文创新性地从公司地理分散度的视角出发,探究公司地理分散度是否会对其股价崩盘风险产生影响,丰富了地理经济学的研究。二是为股价崩盘风险影响因素研究提供了新的视角。以往有关股价崩盘风险的文献主要集中于分析信息透明度(潘越等,2011)、年报可读性(Kim 等,2019)、高管股权激励(Kim 等,2011)、CEO 特征(李小荣和刘行, 2012)和分析师行为偏差(许年行等,2012)等对股价崩盘风险的影响,本文从公司地理分散度的视角分析其对股价崩盘风险的影响,拓展了股价崩盘风险影响因素的研究。
股票崩盘或暴跌是金融学和财务学领域的热点问题。近年来学者们对其成因的研究在管理层“坏消息捂盘”假说上达成一致。“坏消息捂盘”假说认为管理层出于自身利益的考虑,在信息披露中更倾向于隐瞒或推迟披露坏消息而加速披露好消息(Pastena 和Ronen, 1979),坏消息随时间的推移在公司内部不断积累,一旦超过上限,坏消息将集中释放出来,进而对公司股价造成极大的负面冲击并最终崩盘(Jin 和Myers,2006 ;Hutton 等,2009)。
以往文献更多关注企业经营业务的多元化,但随着市场化进程的不断推进,上市公司的经营地也呈现出多元化的态势。许多学者开始进行地理经济学与财务学的交叉研究,如地理距离越远,证券分析师更新盈余预测的频率越低,预测准确度越低(王菊仙等,2016);独立董事距离上市公司越远,公司的财务报告质量越低(张洪辉等, 2019);上市公司注册地距证监会派出机构的地理距离越远,监管机构的信息效应与威慑效应越弱,该公司的股价崩盘风险越大(田利辉和王可第,2019)。除了地理距离以外,也有学者发现公司地理分散度会影响股票收益、公司决策、盈余管理、公司价值、分析师预测等(Gao 等,2008 ; Landier 等,2009 ;Garcia 和 Norli,2012 ;Shi 等,2015 ; Petya 和Marco,2016)。Garcia 等(2012)用美国上市公司样本研究发现地理分散度会显著降低公司股票收益。Shi 等(2015)发现与地理位置集中的公司相比,地理分散度高的公司拥有更高的真实盈余管理水平和更低的应计盈余管理水平。Petya 和Marco(2016)的研究表明分析师对地理分散度高的企业更容易发布不准确、有偏颇的盈利预测。上述文献从不同角度提供了公司地理特征的经济后果证据, 然而,上市公司地理分散度是否影响其股价崩盘风险,结果仍待检验。
地理距离会影响信息沟通成本、内外部治理的有效性, 进而影响股东与公司之间的信息不对称程度,而任何影响信息不对称程度的因素都有可能对股价崩盘风险产生影响。对于地理分散度对股价崩盘风险可能产生的影响,本文认为存在削弱和加强两种可能性,分别对应“信息透明观” 和“监督失灵观”。
“信息透明观”下,公司地理分散度越高,参与信息获取的投资者越多,投资者获取信息的渠道越广,坏消息越不容易被隐藏。首先,地理分散度高的企业,往往拥有更高的投资者认知和更大的投资者储备(Garcia 和Norli, 2012),投资者自身获取信息的能力更强。在这种情况下,投资者对公司以及行业的认知更为详尽,公司和投资者之间的信息不对称程度得到降低。其次,由于地理分散度高的企业在全国各地拥有很多控股公司和参股公司,同时也会有更多的利益相关方(Petya 和Marco,2016),因此投资者获取信息的渠道越广。而且,地理分散度高的公司通常有更高的上市年龄、偿债能力、净营业资产(Shi 等, 2017),这些特征会吸引更多媒体以及分析师的关注,如罗进辉和杜兴强(2014)发现媒体报道能够发挥信息中介和公共监督的积极作用,降低公司与投资者之间的信息不对称程度。因此,从投资者自身、投资者信息渠道以及外部监督等角度来看,公司地理分散度提高会降低信息不透明度, 使管理层囤积坏消息变得更为困难,股价发生崩盘的风险更小。
因此,本文提出假设1a :H1a :公司地理分散度越高,股价崩盘风险越小。“监督失灵观”下,从外部监督有效性来看,地理分散度高会增加外部治理参与者的信息收集成本以及信息整合成本,使得他们无法发挥有效的外部监督作用。例如,Choi 等(2012)发现当地审计师存在地理位置优势,能够促进其与客户公司高管、员工、供应商的信息交流,更好地约束管理层有偏的盈余报告并提高审计服务质量。而地理上的分散提高了审计成本和审计难度,若客户公司地理分散度高, 受限于更高的交通成本、时间成本等审计成本,审计师发现客户舞弊及隐瞒坏消息的概率也将降低,其降低信息不对称、缓解代理问题的作用被削弱。分析师、机构投资者、媒体等其他外部治理者的信息获取都可能受到公司经营地域过度分散的影响,导致他们无法很快获取和汇总不同经营地域的信息。从内部监督的角度来看,地理分散度高意味着上市公司对其下属公司管理层的监督难度加大,坏消息的隐藏更难以被发现。上市公司的经营地理分散带来的高信息复杂程度会导致企业和各个利益相关方之间产生一种动态博弈(Jin 等,2017)。为了迎合更多的利益相关者,企业会通过各种方式如真实盈余管理向利益相关者传递积极有效的信号(Shi 等, 2015),因此,较高的地理分散度使得上市公司管理层具有了隐藏坏消息的动机。同时,地理分散增加了信息沟通成本和监管成本,也给管理层隐瞒坏消息提供了空间,地理上的分散所产生的摩擦可能会减慢信息的汇总甚至有可能遗漏异地经营企业管理层隐瞒的坏消息,随着时间的推移,坏消息积累最后爆发导致股价发生崩盘。
因此,本文提出假设1b :
H1b :公司地理分散度越高,股价崩盘风险越大。
(一)样本与数据来源
本文的研究对象为2009~2018 年间的A 股上市公司。选择2009 年为样本期间起点主要是考虑到2008 年金融危机产生的影响,2009 年前后上市公司所处的经济环境存在较大差异,可能影响本文地理分散度等主要研究变量的一致性。本文地理分散度的基本数据(上市公司控股和参股
公司的经营地域信息)来源于Wind 数据库 ;股价崩盘风险和其他相关控制变量的数据均来自国泰安CSMAR 数据库。为了得到更稳健的结果,本文参考股价崩盘风险相关文献,剔除了每年交易周数小于30、主要变量缺失以及来
自金融行业的样本,最终得到9 389 个公司- 年度样本。为了降低极端值对研究结果的影响,对文中所有连续变量进行了上下1% 分位数的缩尾处理。
(二)变量定义
1. 股价崩盘风险的度量
借鉴Kim 等(2011)的做法,本文分别采用股票负收益偏态系数(Ncskew)和收益上下波动的比率(Duvol)两种指标来衡量股价崩盘风险,具体算法如下 :
首先,利用市场的周收益率数据,根据公式(1)对股票i 的周收益率数据进行调整 :
Ri,t=α0+α1Rm,t-2+α2Rm,t-1+α3Rm,t+α4Rm,t+1+α5Rm,t+2+εi,t (1) 其中,Ri,t 代表每个年度公司i 的股票在第t 周考虑现金红利再投资的周收益率,Rm,t 代表每个年度第t 周经流通市值加权的平均周收益率。为了调整股票非同步交易的影响,在公式(1)中加入了市场收益的超前一期、超前二期以及滞后一期、滞后二期。
其次,股票i 在第t 周的特有收益为Wi,t = ln(1+εi,t), 其中,εi,t 是公式(1)的回归残差。基于Wi,t 构造出了以下两个变量 :
一是使用负收益偏态系数(Ncskew)来度量股价崩盘风险 :
(2) 其中,n 为股票i 在某年的交易周数。Ncskew 的值越大,意味着负收益偏态系数越大,股价崩盘风险越高。
二是采用收益率上下波动比率(Duvol)度量股价崩盘风险。对于每个公司、年度,定义特质收益率小于(大于) 均值的周为下跌(上涨)周。然后分别计算出下跌周和上涨周特质收益率的标准差,得出下跌波动率和上涨波动率。最后,以下跌波动率除以上涨波动率并取自然对数得到Duvol 指标。计算公式如下 :
(3)其中,nu 和nd 分别代表公司t 的股价周特有收益率 Wi,t大于和小于其年平均收益率的周数。Duvol 的值越大,股价崩盘风险越大。
2. 地理分散度的度量本文参考Garcia 和Norl(i2012)、Shi 等(2015)的方法,名识别其经营所在地,并通过上市公司官网、年报、天眼查和企查查等补充和核实每一个被控股或参股公司的经营结合我国上市公司信息披露制度,利用wind 数据库的基本资料,通过手工处理获得样本上市公司的地理分散度指标。具体方法如下:首先,通过Wind 数据库“多维数据”中的“深度资料”获取每个公司的“控股或参股公司”数据(包括子公司、孙公司、联营公司以及合营公司四类控股或参股公司);然后,根据上述被控股或参股公司名称所包含的地地 ;最后,根据被控股或参股公司经营所在地涉及31 个省份情况得出区间为1 至31 的地理分布数值,将其加1 后取自然对数得到地理分散度GD 指标。
3. 控制变量
借鉴已有研究,本文控制了以下因素的影响 :本期的负收益偏态系数(Ncskew)、本期的收益上下波动比率
表1 变量定义
变量类型 | 变量名称 | 变量度量 |
被解释变量 | Ncskewi,t+1 | 股票i 在第t+1 年的负收益偏态系数 |
Duvoli,t+1 | 股票i 在第t+1 年的收益上下波动比率 | |
解释变量 | GDi,t | 具体定义参见正文 |
中介变量 | Msharei,t | 管理层持股比例 |
Perksi,t | 管理层在职消费,为管理费用减董监高薪酬总额减坏账准备减存货跌价准备减当年无形资产摊销额 | |
DAi,t | 按照修正的Jones 模型计算的操纵性应计 | |
控制变量 | Sizei,t | 总资产的自然对数 |
Roei,t | 扣除特殊项目前的总收入除以净资产 | |
Levi,t | 总负债除以总资产 | |
Mbi,t | 市账比,公司市场价值除以账面价值 | |
Reti,t | 公司的年平均周特有收益率 | |
Sigmai,t | 收益波动,公司该年度周特有收益率的标准差 | |
Dturni,t | 月均超额换手率 | |
Top1i,t | 第一大股东持股比例 | |
Industry | 行业虚拟变量 | |
Year | 年度虚拟变量 |
表2 描述性统计
变量 | N | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
Ncskew | 9 389 | -0.308 | -0.262 | 0.672 | -3.686 | 3.121 |
Duvol | 9 389 | -0.209 | -0.208 | 0.467 | -2.223 | 2.088 |
GD | 9 389 | 1.114 | 1.099 | 0.492 | 0.693 | 3.296 |
Ret | 9 389 | -0.001 | -0.001 | 0.001 | -0.011 | 0.000 |
Sigma | 9 389 | 0.044 | 0.042 | 0.017 | 0.010 | 0.150 |
Size | 9 389 | 22.600 | 22.410 | 1.302 | 19.050 | 28.480 |
Lev | 9 389 | 0.484 | 0.493 | 0.198 | 0.010 | 1.059 |
Mb | 9 389 | 0.630 | 0.638 | 0.234 | 0.032 | 1.430 |
Dturn | 9 389 | 0.505 | 0.387 | 0.415 | 0.002 | 3.988 |
Roe | 9 389 | 0.078 | 0.076 | 0.120 | -5.068 | 0.990 |
DA | 9 389 | 0.062 | 0.040 | 0.089 | 0.000 | 2.470 |
Top1 | 9 389 | 0.365 | 0.350 | 0.157 | 0.003 | 0.900 |
(Duvol)、月平均超额换手率(Dturn)、公司年度周收益率的标准差(Sigma)、股票年度平均周收益率(Ret)、公司规 模(Size)、市账比(Mb)、负债率(Lev)、净资产收益率(Roe)以及信息不透明度(DA)、第一大股东持股比例(Top1)。另外,本文还控制了年份与行业固定效应。
变量定义情况参见表1。
(三)模型构建
本文构建如下模型(4)检验上市公司的地理分散度是否会对企业股价崩盘风险产生影响。Crashriski,t+1=α0+α1GDi,t+αiControlsi,t+∑Industry+∑Year+εi,t
(4)表3 地理分散度与股价崩盘风险的回归结果
(一)描述性统计
表2 为样本期间各变量的描述性统计结果,结果显示股价崩盘风险变量的均值为-0.308(Ncskew)、-0.209(Duvol),与以往研究基本一致。解释变量地理分散度GD最小值为0.693,最大值为3.296,可见样本公司之间的经营分散程度存在较大差异,因此研究其所产生的经济后果既具有学术意义也具有现实意义。
(二)多元回归分析结果——地理分散度与股价崩盘风险
表3 列示了地理分散度对股价崩盘风险的回归结果。从表中可以看到,地理分散度与股价崩盘风险的两个变量的回归系数分别为0.0451 和0.0275,在1%和5% 水平上显著,说明地理分散度和股价崩盘风险之间存在显著的正相关关系,验证了本文的假设1b,即地理上的分散增大了企业的股价崩盘风险。从控制变量上看,Sigma、Ret 与崩盘风险显著正相关,Mb 与崩盘风险显著负相关,与已有研究结论一致。
(三)进一步研究
为了探究地理分散度对股价崩盘风险影响的作用机理,本文从内部治理和外部监督两个角度出发,参考温忠麟等(2004)的中介效应检验法,进一步探究地理分散度影响股价崩盘风险的路径。
1. 地理分散度、内部治理与股价崩盘风险
从内部治理机制角度来看,地理空间上的分散无形之中给各异地控股和参股公司的信息沟通与治理带来了阻碍,这种阻碍会减慢信息的汇总甚至有可能遗漏异地控股和参股企业管理层隐瞒的坏消息,导致公司股价未来崩盘注 :*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t 值
风险增大。
已有文献表明,有效的内部治理能够减少代理问题, 抑制管理层自利、隐瞒坏消息等行为。随着管理层持股比例的提高,其对企业的控制力增强,高管可能会追求个人利益,有意降低信息透明度,使得自身难以被替换,即可能存在壁垒效应(Entrenchment Effect)。Morck 等(1988)
表4 管理层持股比例的中介效应检验
(1) Ncskewi,t+1 | (2) Duvoli,t+1 | (3) Ncskewi,t+1 | (4) Duvoli,t+1 | (5) Msharei,t | |
Constant | 0.1627 | 0.2439* | 0.0080 | 0.1319 | 0.5995*** |
(0.82) | (1.75) | (0.04) | (0.94) | (12.37) | |
GDi,t | 0.0442*** | 0.0273** | 0.0320** | 0.0184* | 0.0466*** |
(2.85) | (2.49) | (2.05) | (1.66) | (12.74) | |
Msharei,t | 0.2699*** | 0.1972*** | |||
(6.34) | (6.29) | ||||
Reti,t | 129.2626*** | 74.3678*** | 124.0579*** | 70.5979*** | 21.0869*** |
(4.84) | (4.18) | (4.67) | (3.98) | (2.80) | |
Sigmai,t | 8.1210*** | 4.5012*** | 7.6382*** | 4.1534*** | 1.7452*** |
(5.03) | (4.12) | (4.74) | (3.80) | (4.31) | |
Sizei,t | -0.0130 | -0.0150** | -0.0045 | -0.0089 | -0.0328*** |
(-1.45) | (-2.38) | (-0.50) | (-1.40) | (-14.77) | |
Levi,t | -0.0592 | -0.0355 | -0.0163 | -0.0041 | -0.1599*** |
(-1.32) | (-1.14) | (-0.36) | (-0.13) | (-14.26) | |
Mbi,t | -0.2729*** | -0.1867*** | -0.3097*** | -0.2132*** | 0.1342*** |
(-5.85) | (-5.77) | (-6.65) | (-6.60) | (11.00) | |
Dturni,t | -0.0298 | -0.0080 | -0.0474** | -0.0210 | 0.0651*** |
(-1.30) | (-0.50) | (-2.05) | (-1.29) | (9.25) | |
Roei,t | 0.2058*** | 0.1455*** | 0.1781*** | 0.1252*** | 0.1046*** |
(2.87) | (3.46) | (2.68) | (3.23) | (3.13) | |
DAi,t | 0.1844*** | 0.0980** | 0.1712*** | 0.0883** | 0.0503*** |
(2.86) | (2.45) | (2.66) | (2.22) | (3.43) | |
Top1i,t | -0.0177 | -0.0072 | -0.0083 | -0.0002 | -0.0344*** |
(-0.38) | (-0.22) | (-0.18) | (-0.01) | (-3.17) | |
Ncskewi,t | 0.0706*** | 0.0658*** | |||
(6.64) | (6.20) | ||||
Duvoli,t | 0.0575*** | 0.0525*** | |||
(5.46) | (4.98) | ||||
行业固定效应 | YES | YES | YES | YES | YES |
年度固定效应 | YES | YES | YES | YES | YES |
Observations | 8 937 | 8 937 | 8 937 | 8 937 | 8 937 |
R-squared | 0.0772 | 0.0726 | 0.0808 | 0.0765 | 0.2090 |
F | 20.82 | 20.51 | 21.60 | 21.31 | 65.76 |
注 :*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t 值发现较高的管理层持股比例意味着股东和外部力量难以有效约束管理层的自利行为,管理层可能借其控制权侵占股东财富,产生代理成本。同样,在职消费作为代理成本的另一种表现形式,其财务成本超过了为企业带来的绩效增量,过高的在职消费势必也会侵害股东的权益(Yermack,2006)。因此,本文借鉴现有研究,以管理层持股比例(Burns 和Kedie,2006)及管理层在职消费(罗宏和黄文华, 2008)作为衡量内部治理水平的代理变量,研究内部治理
表5 管理层在职消费的中介效应检验
(1) Ncskewi,t+1 | (2) Duvoli,t+1 | (3) Ncskewi,t+1 | (4) Duvoli,t+1 | (5) Perksi,t | |
Constant | 0.1540 | 0.2050 | 0.0239 | 0.1524 | 0.0439*** |
(0.79) | (1.48) | (0.13) | (1.16) | (3.74) | |
GDi,t | 0.0455*** | 0.0281** | 0.0421*** | 0.0263** | 0.0070*** |
(2.94) | (2.55) | (2.76) | (2.45) | (8.59) | |
Perksi,t | 0.3880* | 0.2146 | |||
(1.93) | (1.52) | ||||
Reti,t | 155.7471*** | 99.6733*** | 155.9653*** | 99.5460*** | -0.6799 |
(5.42) | (5.20) | (5.51) | (4.99) | (-0.39) | |
Sigmai,t | 9.4513*** | 5.8308*** | 8.9354*** | 5.6578*** | 0.0371 |
(5.60) | (5.10) | (5.52) | (4.96) | (0.40) | |
Sizei,t | -0.0135 | -0.0148** | -0.0079 | -0.0125** | -0.0012** |
(-1.54) | (-2.38) | (-0.95) | (-2.12) | (-2.03) | |
Levi,t | -0.0638 | -0.0450 | -0.0546 | -0.0408 | -0.0168*** |
(-1.43) | (-1.45) | (-1.22) | (-1.29) | (-6.36) | |
Mbi,t | -0.2739*** | -0.1859*** | -0.2896*** | -0.1905*** | -0.0195*** |
(-5.99) | (-5.80) | (-6.61) | (-6.18) | (-5.97) | |
Dturni,t | -0.0401 | -0.0131 | -0.0006 | -0.0043 | -0.0017** |
(-1.64) | (-0.75) | (-0.03) | (-0.37) | (-2.20) | |
Roei,t | 0.1755*** | 0.1225*** | 0.1537*** | 0.1102*** | 0.0496*** |
(2.60) | (2.96) | (2.58) | (2.63) | (3.82) | |
DAi,t | 0.1501** | 0.0800** | 0.1539** | 0.0849* | -0.0126 |
(2.28) | (1.97) | (2.42) | (1.90) | (-1.58) | |
Top1i,t | -0.0295 | -0.0108 | -0.0238 | -0.0106 | 0.0053** |
(-0.64) | (-0.33) | (-0.52) | (-0.33) | (2.05) | |
Ncskewi,t | 0.0753*** | 0.0741*** | |||
(7.16) | (7.11) | ||||
Duvoli,t | 0.0613*** | 0.0607*** | |||
(5.84) | (5.73) | ||||
行业固定效应 | YES | YES | YES | YES | YES |
年度固定效应 | YES | YES | YES | YES | YES |
Observations | 9 109 | 9 109 | 9 109 | 9 109 | 9 109 |
R-squared | 0.0766 | 0.0724 | 0.0768 | 0.0726 | 0.245 |
F | 21.01 | 20.72 | 20.06 | 20.79 | 90.29 |
注 :*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t 值水平是否会在地理分散度与股价崩盘风险之间的正相关关系中发挥中介作用。
表4 为管理层持股比例的中介效应检验结果。首先, 考虑到表3 回归中部分样本没有管理层持股数据,表4的列(1)与列(2)仅用含有管理层持股数据的样本对地理分散度和股价崩盘风险的关系重新进行回归,结果与表3 相似,GD 的系数在两种股价崩盘风险度量下分别在1% 和5% 水平上显著为正,通过了中介效应的第一步检
表6 审计质量的中介效应检验
(1) Ncskewi,t+1 | (2) Duvoli,t+1 | (3) Ncskewi,t+1 | (4) Duvoli,t+1 | (5) DAi,t | |
Constant | 0.1195 | 0.2045 | 0.1290 | 0.2090 | -0.0577* |
(0.62) | (1.51) | (0.67) | (1.54) | (-1.79) | |
GDi,t | 0.0456*** | 0.0277*** | 0.0449*** | 0.0274*** | 0.0047* |
(3.05) | (2.64) | (3.00) | (2.61) | (1.86) | |
DAi,t | 0.1551** | 0.0739* | |||
(2.52) | (1.71) | ||||
Reti,t | 133.7855*** | 82.8778*** | 133.4261*** | 82.7039*** | 2.5715 |
(5.07) | (4.68) | (5.09) | (4.49) | (0.58) | |
Sigmai,t | 8.3118*** | 4.9542*** | 8.2771*** | 4.9379*** | 0.2185 |
(5.25) | (4.60) | (5.31) | (4.51) | (0.83) | |
Sizei,t | -0.0112 | -0.0140** | -0.0116 | -0.0142** | 0.0026* |
(-1.30) | (-2.30) | (-1.34) | (-2.33) | (1.79) | |
Levi,t | -0.0689 | -0.0455 | -0.0641 | -0.0432 | -0.0311*** |
(-1.58) | (-1.50) | (-1.46) | (-1.40) | (-4.22) | |
Mbi,t | -0.2757*** | -0.1877*** | -0.2783*** | -0.1890*** | 0.0166** |
(-6.14) | (-5.97) | (-6.22) | (-6.01) | (2.21) | |
Dturni,t | -0.0260 | -0.0048 | -0.0272 | -0.0054 | 0.0080** |
(-1.16) | (-0.30) | (-1.19) | (-0.34) | (2.07) | |
Roei,t | 0.1868*** | 0.1318*** | 0.1712*** | 0.1244*** | 0.1008*** |
(2.83) | (3.22) | (2.95) | (3.05) | (10.40) | |
Top1i,t | -0.0314 | -0.0145 | -0.0275 | -0.0127 | -0.0251*** |
(-0.69) | (-0.46) | (-0.62) | (-0.41) | (-3.36) | |
Ncskewi,t | 0.0730*** | 0.0726*** | |||
(7.02) | (7.07) | ||||
Duvoli,t | 0.0589*** | 0.0587*** | |||
(5.68) | (5.63) | ||||
行业固定效应 | YES | YES | YES | YES | YES |
年度固定效应 | YES | YES | YES | YES | YES |
Observations | 9 388 | 9 388 | 9 388 | 9 388 | 9 388 |
R-squared | 0.0745 | 0.0712 | 0.0751 | 0.0713 | 0.0255 |
F | 21.76 | 21.58 | 22.76 | 21.60 | 8.441 |
注 :*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t 值验。然后,我们进行第二步也即检验中介变量管理层持股(Mshare)与解释变量地理分散度(GD)之间的关系,表4 列(5)的结果表明,相对于地理分布集中的企业,地理分散度高的企业管理层持股比例更高,说明地理分散增加了企业的代理成本。最后,我们将中介变量和解释变量加入回归中进行中介效应检验的第三步,列(3)与列(4)的结果显示,无论是以Ncskew 还是Duvol 衡量股价崩盘风险, Mshare 的系数均在1% 水平上显著为正,说明企业地理分散度越高,企业内部治理水平越低,表现为管理层持股比例的提高,这种情况下管理层可能进行更多的自利行为隐瞒坏消息进而导致未来股价更可能发生崩盘 ;但解释变量GD 的系数也同样显著为正,这表明企业内部治理水平仅
表7 稳健性检验 :工具变量
第一阶段 | 第二阶段 | |||
GDi,t | Ncskewi,t+1 | Duvoli,t+1 | ||
Constant | -3.1238*** | -3.1319*** | 1.3579*** | 1.1548 *** |
(-28.09) | (-28.11) | (3.79) | (4.53) | |
GD_IV | 0.4779*** | 0.4751*** | ||
(13.02) | (12.93) | |||
GDi,t | 0.3629*** | 0.2664*** | ||
(3.20) | (3.31) | |||
Ncskewi,t | 0.0350*** | 0.0397*** | ||
(5.02) | (3.54) | |||
Duvoli,t | 0.0481*** | 0.0238** | ||
(4.79) | (2.10) | |||
Reti,t | 27.0048 | 27.0441 | 173.4357*** | 104.2091*** |
(1.50) | (1.50) | (6.55) | (5.58) | |
Sigmai,t | 2.4125** | 2.3942** | 6.5803*** | 3.3602*** |
(2.25) | (2.25) | (4.18) | (3.03) | |
Sizei,t | 0.1686*** | 0.1691*** | -0.0906*** | -0.0721*** |
(32.48) | (32.49) | (-4.13) | (-4.63) | |
Levi,t | 0.0255 | 0.0280 | 0.0476 | 0.0247* |
(0.84) | (0.92) | (1.06) | (0.78) | |
Mbi,t | -0.1581*** | -0.1626*** | -0.2444*** | -0.1529*** |
(-5.54) | (-5.70) | (-5.18) | (-4.57) | |
Dturni,t | 0.0402*** | 0.0415*** | -0.0168 | -0.0020 |
(2.70) | (2.79) | (-0.74) | (-0.13) | |
Roei,t | 0.4098*** | 0.4199*** | 0.8368*** | 0.5633*** |
(3.69) | (3.78) | (4.99) | (4.75) | |
DAi,t | 0.0655 | 0.0665 | 0.0163 | 0.0080 |
(1.25) | (1.27) | (0.21) | (0.14) | |
Top1i,t | -0.3397*** | -0.3411*** | 0.0511 | 0.0486 |
(-11.13) | (-11.18) | (0.84) | (1.12) | |
Observations | 9 389 | 9 389 | 9 389 | 9 389 |
R-squared | 0.1823 | 0.1821 | 0.0400 | 0.0600 |
F | 190.01 | 189.76 |
注:*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内数据前两列为t 值,后两列为z 值起到了部分中介的作用。
为了进一步验证内部治理水平的中介效应,本文参考陈冬华等(2005)、叶康涛和刘行(2014)的做法,以管理层在职消费(Perks)来衡量企业代理成本与内部治理的有效性,进一步检验内部治理的中介效应。表5 为管理层在职
表8 稳健性检验 :替换变量度量方式
(1) Crashi,t+1 | (2) Ncskewi,t+1 | (3) Duvoli,t+1 | |
Constant | 2.4316** | 0.1459 | 0.2242* |
(2.44) | (0.76) | (1.66) | |
GD_Dummyi,t | 0.2142*** | 0.0312** | 0.0204** |
(2.69) | (2.26) | (2.11) | |
Ncskewi,t | 0.0719*** | ||
(6.91) | |||
Duvoli,t | 0.0586*** | ||
(5.65) | |||
Crashi,t | 0.0008 | ||
(0.01) | |||
Reti,t | -45.2263 | 133.9284*** | 83.0893*** |
(-0.26) | (5.10) | (4.72) | |
Sigmai,t | -9.2789 | 8.4421*** | 5.0557*** |
(-0.99) | (5.35) | (4.71) | |
Sizei,t | -0.1747*** | -0.0139 | -0.0160*** |
(-3.68) | (-1.62) | (-2.63) | |
Levi,t | 0.5167** | -0.0019 | -0.0016 |
(2.14) | (-0.04) | (-0.05) | |
Mbi,t | -0.2528 | -0.2435*** | -0.1648*** |
(-1.05) | (-5.23) | (-5.01) | |
Dturni,t | -0.2339* | -0.0287 | -0.0066 |
(-1.70) | (-1.28) | (-0.41) | |
Roei,t | 1.8275** | 0.7602*** | 0.5257*** |
(2.18) | (4.62) | (4.35) | |
DAi,t | 0.5819* | 0.1441** | 0.0666* |
(1.95) | (2.25) | (1.67) | |
Top1i,t | 0.1354 | -0.0457 | -0.0241 |
(0.54) | (-1.01) | (-0.76) | |
年度固定效应 | YES | YES | YES |
行业固定效应 | YES | YES | YES |
Observations | 9 389 | 9 389 | 9 389 |
R-squared | 0.0800 | 0.0790 | 0.0760 |
F | 21.98 | 21.90 | 21.34 |
注:*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t值消费的中介效应检验结果,与表4 类似,中介变量(Perks) 在以Ncskew 衡量的股价崩盘风险模型下通过了三步检验, 部分表明公司在地理上的分散给管理层进行自利行为提供了便利,带来管理层在职消费的增加,给公司未来股价发生崩盘埋下隐患。
综上,上述两组检验结果均表明地理分散度弱化了公司的内部治理,进而导致未来股价崩盘风险的增加。
2. 地理分散度、外部治理与股价崩盘风险
从外部治理机制角度来看,审计师作为资本市场重要的外部治理力量之一,其在缓解代理问题方面发挥着重要的作用(Jensen 和Meckling,1976)。高质量的审计能帮助股东及投资者做出正确理性的投资决策,降低资本市场的信息不对称性,进而降低股价崩盘风险(万东灿,2015)。从“监督失灵观”来看,地理分散度高会给外部审计师了解被审计单位以及实施审计程序带来地理上的障碍和更高额的审计成本,使其难以发现被审计单位的舞弊行为。因此, 本文借鉴原红旗和韩维芳(2012)、Ernstberger 等(2020)、郑登津和武健(2021)的研究,用可操纵应计利润(DA)来 衡量企业的外部审计质量(该值越高说明会计信息质量越低,审计质量越差),进一步探究地理分散度是否通过外部审计质量影响股价崩盘风险。
表6 是以DA 衡量审计质量的中介效应检验结果。首先,列(1)与列(2)的回归结果显示,地理分散度对股价崩盘风险的两种度量方式均在1% 的水平上显著正相关,通过第一步中介检验。随后,我们将DA 与解释变量GD 进行回归,列(5)的结果表明地理分散度显著降低了审计质量。最后,我们检验了被解释变量Crashrisk、解释变量GD 和中介变量DA 的关系,列(3)与列(4)的结果显示,DA 的系数分别在5% 和10% 水平上显著为正,说明审计质量起到了部分中介作用,即地理分散度降低了企业的审计质量, 使得管理层有机会进行更多的盈余管理,导致未来更可能发生股价崩盘风险。
因此,上述中介效应检验证实了本文假设1b,企业地理分散度会影响内部治理以及外部监督的有效性,进而影响公司的未来股价崩盘风险。
(四)稳健性检验
为了验证结果的稳健性,本文进行了如下检验 :
1. 工具变量法
本文首先使用工具变量来解决潜在的内生性问题,借鉴Shi 等(2015)方法,选取除去本公司以外当年同行业其他公司地理分散度的平均值作为工具变量GD_IV,进行两阶段回归(2SLS),检验结果如表7 所示,F 统计量为190.01 和189.76,远大于10,为强工具变量。第二阶段的
表9 稳健性检验 :控制地区经济差异因素
(1) Ncskewi,t+1 | (2) Duvoli,t+1 | |
Constant | -0.1730 | 0.0123 |
(-0.75) | (0.08) | |
GDi,t | 0.0418*** | 0.0243** |
(2.66) | (2.18) | |
Ncskewi,t | 0.0730*** | |
(6.72) | ||
Duvoli,t | 0.0598*** | |
(5.50) | ||
GDPi,t | 0.0337*** | 0.0209*** |
(3.11) | (2.76) | |
Reti,t | 121.8500*** | 75.8192*** |
(4.50) | (4.21) | |
Sigmai,t | 7.5993*** | 4.4604*** |
(4.66) | (4.04) | |
Sizei,t | -0.0169* | -0.0168*** |
(-1.86) | (-2.60) | |
Levi,t | 0.0209 | 0.0225 |
(0.43) | (0.66) | |
Mbi,t | -0.2338*** | -0.1676*** |
(-4.77) | (-4.84) | |
Dturni,t | -0.0232 | -0.0021 |
(-0.96) | (-0.12) | |
Roei,t | 0.8695*** | 0.6305*** |
(5.03) | (5.01) | |
DAi,t | 0.0043 | -0.0021 |
(0.04) | (-0.04) | |
Top1i,t | -0.0353 | -0.0230 |
(-0.74) | (-0.69) | |
年度固定效应 | YES | YES |
行业固定效应 | YES | YES |
Observations | 9 389 | 9 389 |
R-squared | 0.0810 | 0.0790 |
F | 20.07 | 19.64 |
注:*、**、*** 分别代表在10%、5%、1% 的水平上显著,括号内为t 值结果显示,股价崩盘风险和地理分散度的回归系数分别为0.3629、0.2664,均在1%的水平上显著相关。说明地理分散度越高的企业未来发生股价崩盘的可能性越大,回归结果与本文的假设1b 一致。
2. 替换股价崩盘风险衡量指标
在稳健性检验中,替换被解释变量股价崩盘风险的衡量方式,以Crash(虚拟变量,若公司当年实际发生股价崩盘则赋值为1,否则为0)作为新的被解释变量,重新进行回归分析。表8 第(1)列回归结果显示,地理分散度与股价崩盘风险的回归系数依然显著为正,假设1b 依然成立。
3. 替换地理分散度指标
考虑到地理分散度变量度量准确性的问题,本文构建一个新的哑变量GD_Dummy(若公司当年的地理分散度高于行业—年度均值则赋值为1,否则为0)重新进行回归分析。表8 第(2)列与第(3)列的结果表明,地理分散度与股价崩盘风险依然显著正相关。
4. 控制地理区域经济发展水平差异的潜在影响
由于中国各个省级行政区的面积差异较大,且经济发展程度和社会文化环境等均存在较大区别,为了进一步控制地理区位经济发展水平差异对本文结果的潜在影响,本文新增上市公司所在省份的GDP 作为控制变量重新进行回归,表9 的结果显示,地理分散度GD 的系数至少在5% 水平上显著,说明本文的研究结果依然稳健。
本文以2009~2018 年我国A 股非金融上市公司为研究样本,实证检验了地理分散度对公司未来股价崩盘风险的影响,并进一步考察了公司内外部治理水平的中介效应。研究结果表明,地理分散度通过影响内外部治理有效性进而影响公司的股价崩盘风险。从内部治理的角度来看,公司地理分散度高往往意味着更高的内部管理成本和信息沟通成本,加剧了公司的代理问题,给管理层隐藏坏消息提供便利,进而增加公司的股价崩盘风险。从外部治理的角度来看,企业经营地理分散受制于过高的审计成本,审计质量下降,增大了企业的股价崩盘风险。在进行了一系列稳健性测试后,该结论依然成立。
本文的研究结论对于上市公司监管和企业内部管理具有以下启示 :首先,对外部监管机构而言,应加强对地理分散度的关注,对地理分散度高的企业加大监管力度,尤其是对审计质量差的企业,重点关注其股价崩盘风险。其次,对企业而言,进行经营地域上扩张的同时也要加强公司的内部控制,建立完善的信息沟通制度,减少管理层隐瞒坏消息的空间。最后,对于投资者而言,要适当关注企业的地理分散程度与内外部治理有效性,降低投资风险。
主要参考文献 :
[1] 江轩宇,伊志宏.审计行业专长与股价崩盘风险[J].中国会计评论,2013,11(2):133-150.
[2] 李小荣,刘行.CEO vs CFO: 性别与股价崩盘风险[J]. 世界经济,2012,35(12):102-129.
[3] 罗宏,黄文华.国企分红、在职消费与公司业绩[J].管理世界,2008,(9):139-139.
[4] 罗进辉,杜兴强.媒体报道、制度环境与股价崩盘风险
[J].会计研究,2014,(9):53-59.
[5] 潘越,戴亦一,林超群.信息不透明、分析师关注与个股暴跌风险[J].金融研究,2011,(9):138-151.
[6] 权小锋,吴世农,尹洪英.企业社会责任与股价崩盘风险 :“价值利器”或“自利工具”?[J].经济研究,2015, 50(11):49-64.
[7] 宋献中,胡珺,李四海.社会责任信息披露与股价崩盘风险——基于信息效应与声誉保险效应的路径分析[J]. 金融研究,2017,(4):161-175.
[8] 田利辉,王可第.山高皇帝远 :地理距离与上市公司股价崩盘风险的经验证据[J].南方经济,2019,(11):34-52.
[9] 万东灿.审计收费与股价崩盘风险[J].审计研究, 2015,(5):85-93.
[10] 王菊仙,王玉涛,鲁桂华.地理距离影响证券分析师预测行为吗?[J].中央财经大学学报,2016,(1):61-72.
[11] 温忠麟,张雷,侯杰泰,刘红云.中介效应检验程序及其应用[J].心理学报,2004,(5):111-117.
[12] 谢德仁,郑登津,崔宸瑜.控股股东股权质押是潜在的“地雷”吗?——基于股价崩盘风险视角的研究[J].管理世界,2016,(5):128-140.
[13] 许年行,江轩宇,伊志宏.分析师利益冲突、乐观偏差与股价崩盘风险[J].经济研究,2012,47(7):127-140.
[14] 许年行,于上尧,伊志宏.机构投资者羊群行为与股价崩盘风险[J].管理世界,2013,(7):31-43.
[15] 叶康涛,曹丰,王化成.内部控制信息披露能够降低股价崩盘风险吗?[J].金融研究,2015,(2):192-206.
[16] 叶康涛,刘行.公司避税活动与内部代理成本[J].金融研究,2014,(9):158-176.
[17] 伊志宏,朱琳,陈钦源.分析师研究报告负面信息披露与股价暴跌风险[J].南开管理评论,2019,(5):192-206.
[18] 原红旗,韩维芳.会计师事务所的地区竞争优势与审计质量[J]. 审计研究,2012,(2):67-74.
[19] 张洪辉,平帆,章琳一.独立董事地理距离与财务报告质量[J].审计研究,2019,(1):81-90.
[20] 郑登津,武健. 会计信息质量检查与审计质量[J]. 审计
研究,2021,(1):71-82.
[21] Burns, N., Kedia, S. The impact of performance-based compensation on misreporting[J]. Journal of Financial Economics, 2006, 79(1): 35-67.
[22] Chhaochharia, V., Kumar, A., Niessen-Ruenzi, A. Local
investors and corporate governance [ J]. Journal of Accounting and Economics, 2012, 54(1): 42-67.
[23] Ernstberger, J., Koch, C., Schreiber, E.M., Trompeter, G.
Are audit firms’ compensation policies associated with audit quality?[J]. Contemporary Accounting Research, 2020, 37
(1): 218–244.
[24] Gao, W.L., Ng, L.L., Wang, Q.H. Does geographic dispersion affect firm valuation? [J]. Journal of Corporate Finance, 2008, 14(5): 674-687.
[25] ]Garcia, D., Norli, O. Geographic dispersion and stock returns[J]. Journal of Financial Economics, 2012, 106(3): 547-565.
[26] Hutton, A.P., Marcus, A.J., Tehranian, H. Opaque financial reports, R² and crash risk [J]. Journal of Financial Economics, 2009, 94(1): 67-86.
[27] Jensen, M.C., Meckling, W.H. Theory of the firm:
managerial behavior, agency costs, capital structure[J]. Journal of Financial Economics, 1976, 76: 323-339.
[28] Jin, L., Myers, S.C. R² around the world: new theory and
new tests [J]. Journal of Financial Economics, 2006, 79(1): 257-292.
[29] Kim, C., Wang, K., Zhang, L. Readability of 10-K reports and stock price crash risk[J]. Contemporary Accounting Research, 2019, 10(1): 1911-3846.
[30] Kim, J.B., Li, Y., Zhang, L. CFOs versus CEOs: Equity
incentives and crashes[J]. Journal of Financial Economics,
2011, 101(3): 713-730.
[31] Kim, J.B., Zheng, W., Zhang, L. CEO overconfidence and stock price crash risk[J]. Contemporary Accounting Research, 2016, 33(4): 1720-1749.
[32] Landier, A., Nair, V.B., Wulf, J. Trade offs in staying close:
corporate decision making and geographic dispersion[J]. Review of Financial Studies, 2009, 22(3): 1119-1148.
[33] Malloy, C.J. The geography of equity analysis[J]. Journal of
Finance, 2005, 60(2): 719-755.
[34] Pastena,V., Ronen, J. Some hypotheses on the pattern of management’s informal disclosures[ J]. Journal of Accounting Research, 1979, 17(2): 550-564.
[35] Petya, P., Marco, M.M. Firm geographic dispersion and financial analysts’ forecasts[J]. Journal of Banking & Finance, 2016, 64: 71-89.
[36] Shi, G.F., Sun, J.F., Luo, R. Geographic dispersion and earnings management[J]. Journal of Account and Public Policy, 2015, 34: 490-508.
[37] Shi, G.F., Sun, J.F., Zhang, L. Corporate social responsibility
and geographic dispersion[J]. Journal of Accounting and Public Policy, 2017, 9(1): 1-29.
Geographic Dispersion and Stock Price Crash Risk
WU De-jun, HU Qi-hao
Key words: geographic dispersion; stock price crash risk; internal governance; external governance
(责任编辑 王安琪)
相关推荐