股權(quán)集中度、環(huán)境不確定性與股價崩盤風(fēng)險

李明麗

摘要：本文通過實證分析探討了環(huán)境不確定性對股價崩盤風(fēng)險的影響，以及股權(quán)集中度的調(diào)節(jié)作用。研究結(jié)果發(fā)現(xiàn)，環(huán)境不確定性與股價崩盤風(fēng)險顯著正相關(guān)，同時，股權(quán)集中度對兩者的正相關(guān)關(guān)系發(fā)揮顯著的負(fù)向調(diào)節(jié)作用。

關(guān)鍵詞：環(huán)境不確定性;股價崩盤風(fēng)險;股權(quán)集中度

目前，我國資本市場還不夠完善，股價的起起落落會影響投資者的心理，引發(fā)股票市場動蕩，不利于資本市場的穩(wěn)定和實體經(jīng)濟(jì)的發(fā)展。在兩權(quán)分離的企業(yè)中，管理層可能為了一己之私藏匿信息，導(dǎo)致管理層與投資者之間的信息不對稱。股價崩盤風(fēng)險是通過交易過程逐步顯現(xiàn)藏匿信息的結(jié)果，因此代理問題是企業(yè)防范風(fēng)險過程中不可忽視的重要因素。環(huán)境不確定性的風(fēng)險越高，會加大企業(yè)業(yè)績波動幅度，使投資者無法對管理層的行為進(jìn)行準(zhǔn)確預(yù)測，管理層也就越有機(jī)會藏匿真實信息，增加信息不對稱因素。股權(quán)集中度在公司治理機(jī)制中起著決定性的作用，能加強(qiáng)對管理層的監(jiān)督，減少信息不對稱。

一、文獻(xiàn)綜述

股價的“暴漲暴跌”嚴(yán)重影響資本市場的健康有序發(fā)展，尤其是股價的急速下跌現(xiàn)象，影響金融市場的穩(wěn)定性，危及實體經(jīng)濟(jì)的發(fā)展。因此，對于影響股價崩盤風(fēng)險影響因素的討論一直是當(dāng)前學(xué)術(shù)界關(guān)注的熱點問題。葉康濤等人（2015）研究發(fā)現(xiàn)較高的信息披露水平能抑制崩盤風(fēng)險的發(fā)生。樂婷（2016）指出超額高管薪酬與股價崩盤風(fēng)險之間的關(guān)系受產(chǎn)權(quán)性質(zhì)的影響。這些都是通過減少代理成本來降低股價崩盤風(fēng)險。

針對環(huán)境不確定性和股權(quán)集中度問題，申慧慧和吳聯(lián)生（2012）認(rèn)為當(dāng)環(huán)境不確定性較高時，股東不能對企業(yè)未來的經(jīng)營成果形成合理預(yù)期，也不能對管理層行為進(jìn)行準(zhǔn)確地評估。廖義剛（2015）提出環(huán)境不確定性會導(dǎo)致管理層將自己機(jī)會主義行為而造成的企業(yè)損失歸結(jié)于外部環(huán)境的不穩(wěn)定性。王丹和彭晨宸（2018）研究發(fā)現(xiàn)股權(quán)集中度與財務(wù)績效正相關(guān)，而且在投資者保護(hù)較低的情況下，這種關(guān)系更加明顯。

二、理論分析與假設(shè)提出

在新興加轉(zhuǎn)型的經(jīng)濟(jì)環(huán)境下，企業(yè)的外部環(huán)境難以預(yù)測。一方面，外部環(huán)境不確定性的增加，會影響企業(yè)經(jīng)營業(yè)績的不穩(wěn)定。另一方面，較高的環(huán)境不確定性會加大股東對管理層監(jiān)管的難度，增加管理層藏匿信息的空間。此外當(dāng)企業(yè)面臨的外部環(huán)境不確定性越高，進(jìn)行真實盈余管理的動機(jī)就越強(qiáng)。盈余管理會在一定程度上導(dǎo)致股價暴跌的發(fā)生。這都進(jìn)一步揭示出管理層在較高的環(huán)境不確定性下，出于掩蓋利益侵占行為和維護(hù)自身利益的需要，向外界藏匿企業(yè)的真實信息。當(dāng)信息被逐漸披露時，就會產(chǎn)生股價暴跌的現(xiàn)象?；谝陨戏治?，本文提出以下待檢驗的研究假說：

假設(shè)1：在相同條件下，環(huán)境不確定性與股價崩盤風(fēng)險呈正相關(guān)關(guān)系。

股權(quán)集中度作為公司治理體制中的一項重要途徑和工具，在減輕股東和管理層之間的信息不對稱程度發(fā)揮著重要作用。蔣紅蕓和李茜茜（2017）研究發(fā)現(xiàn)股權(quán)集中度對股價崩盤風(fēng)險起監(jiān)督作用，通過監(jiān)督削弱管理層藏匿壞消息的動機(jī)，進(jìn)而降低股價崩盤風(fēng)險。環(huán)境不確定性給企業(yè)帶來經(jīng)濟(jì)后果的有效抑制需要緩解股東和管理層之間的代理問題。因此，股權(quán)集中度會在一定程度上減少信息不對稱，進(jìn)而抑制環(huán)境不確定性對股價崩盤風(fēng)險的正向作用?；谝陨戏治?，本文提出以下待檢驗的研究假說：

假設(shè)2：在相同條件下，股權(quán)集中度對環(huán)境不確定性與股價崩盤的正相關(guān)關(guān)系發(fā)揮顯著的負(fù)向調(diào)節(jié)作用。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)說明

本文選取深交所2007-2016年全部A股上市公司為研究樣本，并對所需數(shù)據(jù)做了如下處理：剔除ST公司、金融行業(yè)公司、股票交易周數(shù)小于30的樣本和有缺失值的公司，得到10367個數(shù)據(jù)。以股價崩盤風(fēng)險（NCSKEW、DUVOL）作為因變量，以環(huán)境不確定性（EU）作為自變量，以股權(quán)集中度（CR）作為調(diào)節(jié)變量，并控制公司規(guī)模（SIZE）、成長性（MB）、財務(wù)杠桿（LEV）、經(jīng)營業(yè)績（ROA）、獨(dú)董比例（INDRATIO）、股權(quán)性質(zhì)（SOE）等指標(biāo)。

（二）模型構(gòu)建

模型1：NCSKEW（DUVOL）= β0+β1EU

+β2SIZE+β3LEV+β4MB+β5ROA+β6SOE+

β7INDRATIO+β8YEAR+β9INDUSTRY+ε

模型2：NCSKEW（DUVOL）= β0+β1EU

+β2CR+β3EU*CR+β4SIZE+β5Lev+β6MB+

β7ROA+β8SOE+β9INDRATIO+β10YEAR+

β11INDUSTRY+ε

四、實證分析

（一）描述性統(tǒng)計分析

表1為主要變量的描述性統(tǒng)計結(jié)果，NCSKEW的極差為3.85，其標(biāo)準(zhǔn)差為0.682，DUVOL的值介于-1.044和0.575之間，標(biāo)準(zhǔn)差為0.330，兩個指標(biāo)值的范圍和標(biāo)準(zhǔn)差都比較大，說明我國股票市場中股本崩盤的風(fēng)險總體較大，不同公司之間的股價崩盤風(fēng)險差異明顯。EU的最小值為0.079，最大值為11.401，這表明我國上市公司的環(huán)境不確定性參差不齊。CR的最大值為0.847，最小值為0.203，說明各公司的股權(quán)集中度分布不均。

（二）回歸分析

表2報告了模型1和2的回歸結(jié)果。由于篇幅的限制，這里只列出了主要解釋變量的回歸結(jié)果。從回歸結(jié)果可看出，模型1驗證了環(huán)境不確定性與股價崩盤風(fēng)險在1%的水平上顯著為正。模型2驗證了股權(quán)集中度與股價崩盤風(fēng)險顯著負(fù)相關(guān)關(guān)系，且股權(quán)集中度在環(huán)境不確定性與股價崩盤的正相關(guān)關(guān)系中發(fā)揮著顯著的負(fù)向調(diào)節(jié)作用。

（三）穩(wěn)健性檢驗

為了確保研究結(jié)論的可靠性，本文用第一大股東持股比例來衡量度量股權(quán)集中度，回歸結(jié)果與前文結(jié)論一致?；谄邢蓿€(wěn)健結(jié)果未列出。

五、結(jié)論與分析

本文通過實證檢驗股權(quán)集中度、環(huán)境不確定性與股價崩盤風(fēng)險三者之間的關(guān)系，發(fā)現(xiàn)環(huán)境不確定性與股價崩盤風(fēng)險呈顯著的正相關(guān)關(guān)系，加大了股價崩盤風(fēng)險發(fā)生的可能性，給資本市場帶來較大的負(fù)面影響。同時，股權(quán)集中度對環(huán)境不確定性與股價崩盤的正相關(guān)關(guān)系發(fā)揮顯著的負(fù)向調(diào)節(jié)作用，抑制了環(huán)境不確定性給企業(yè)股價崩盤帶來的負(fù)面經(jīng)濟(jì)后果。

參考文獻(xiàn)：

[1]葉康濤，曹豐，王化成.內(nèi)部控制信息披露能夠降低股價崩盤風(fēng)險嗎？[J].金融研究，2015 （2）：192-206.

[2]申慧慧，吳聯(lián)生.股權(quán)性質(zhì)、環(huán)境不確定性與會計信息的治理效應(yīng)[J].會計研究，2012 （8）：8-16+96.

[3]王丹，彭晨宸.股權(quán)集中度、投資者保護(hù)與財務(wù)績效——基于國家層面創(chuàng)新型企業(yè)的經(jīng)驗證據(jù)[J].財會通訊，2018 （12）：35-40+129.