股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注：“趨之若鶩”還是“退避三舍”

王愛(ài)群， 李靜波,2， 蕭朝興， 陳柔君

（1. 吉林大學(xué) 管理學(xué)院，吉林 長(zhǎng)春 130012； 2. 深圳市大數(shù)據(jù)研究院，廣東 深圳 518000；3. 臺(tái)灣東華大學(xué) 管理學(xué)院，臺(tái)灣 花蓮 97003）

一、引 言

股價(jià)崩盤①股價(jià)崩盤指的是個(gè)股股價(jià)毫無(wú)征兆地在短期內(nèi)出現(xiàn)暴跌的情形，股價(jià)崩盤風(fēng)險(xiǎn)則指這種暴跌出現(xiàn)的概率。是資本市場(chǎng)的夢(mèng)魘事件，但這種災(zāi)難性事件卻在全球范圍內(nèi)尤其在中國(guó)資本市場(chǎng)上屢屢上演，且每每當(dāng)這種事件發(fā)生時(shí)信息匱乏的中小投資者更有可能成為最大的受害者。中共十九大報(bào)告中，習(xí)近平總書記明確提出未來(lái)金融服務(wù)實(shí)體經(jīng)濟(jì)的底線是守住系統(tǒng)性金融風(fēng)險(xiǎn)不爆發(fā)。在這種背景下，政府、業(yè)界與學(xué)術(shù)界展開(kāi)了對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的廣泛研究。根據(jù)法瑪?shù)挠行袌?chǎng)理論，如果市場(chǎng)是有效的，股價(jià)崩盤爆發(fā)的根源在于公司基本面價(jià)值的突然暴跌，但Chen等（2001）證明了這一解釋并不成立。隨后學(xué)者們從代理理論的框架出發(fā)，建立了“信息隱藏說(shuō)”，對(duì)這一現(xiàn)象形成的機(jī)制進(jìn)行了說(shuō)明：經(jīng)理人因?yàn)榻?jīng)營(yíng)決策不善導(dǎo)致公司業(yè)績(jī)變差，出于自利動(dòng)機(jī)，經(jīng)理人會(huì)選擇各種復(fù)雜性手段阻止此類壞消息傳入市場(chǎng)，并刻意制造或提前釋放好消息以抬高股價(jià)，一旦壞消息突破閾值釋放到市場(chǎng)，投資者急售手中的股票，股價(jià)就暴跌（Jin和Myers，2006）。總體而言，該假說(shuō)認(rèn)為股價(jià)崩盤風(fēng)險(xiǎn)是公司經(jīng)營(yíng)風(fēng)險(xiǎn)與信息風(fēng)險(xiǎn)在資本市場(chǎng)的綜合反映，而這一假說(shuō)截至目前也得到了眾多學(xué)者在經(jīng)驗(yàn)證據(jù)方面的支持（Hutton等，2009；Kim等，2011a，b；Xu等，2014；Kim等，2018；Habib和Hasan，2017；李增泉等，2011；江軒宇和許年行，2015；孫淑偉等，2017；楊威等，2018）。

證券分析師（以下簡(jiǎn)稱分析師）作為資本市場(chǎng)上不可或缺的主體，是聯(lián)結(jié)上市公司和投資者的信息紐帶，承擔(dān)著緩解兩者間信息不對(duì)稱的重要職能。相對(duì)于普通投資者，分析師們身為訓(xùn)練有素的專業(yè)人士具備更多的信息優(yōu)勢(shì)和分析能力，他們既可以充分搜集和深度分析上市公司的財(cái)務(wù)報(bào)告、招股說(shuō)明書等公開(kāi)文件，又可以通過(guò)實(shí)地調(diào)研與管理層溝通等私人途徑來(lái)掌握大量關(guān)于公司的一手信息（褚劍等，2019）。此外，分析師們還擁有豐富的信息傳播渠道，能易于通過(guò)電視、報(bào)紙及網(wǎng)絡(luò)等媒體發(fā)布自己的觀點(diǎn)（潘越等，2011）。那么分析師是否有可能提前為投資者特別是廣大中小投資者挖掘公司的內(nèi)在價(jià)值以揭示公司存在的股價(jià)崩盤風(fēng)險(xiǎn)，或者借由信息傳遞機(jī)制來(lái)強(qiáng)化公司在治理上的安排從而降低股價(jià)崩盤風(fēng)險(xiǎn)，以保護(hù)投資者們免遭巨額損失呢？分析師關(guān)注是一切分析師行為的邏輯起點(diǎn)，要使分析師能夠充分發(fā)揮上述保護(hù)職能的前提是分析師愿意跟蹤報(bào)道那些股價(jià)崩盤風(fēng)險(xiǎn)更高的公司，這也是本文關(guān)注的問(wèn)題。

分析師的注意力是有限的，他們究竟對(duì)何種類型的公司感興趣，Bhushan（1989）針對(duì)此問(wèn)題最早展開(kāi)了系統(tǒng)性的研究，他認(rèn)為分析師對(duì)一家公司的關(guān)注程度等于投資者需求和分析師愿意供給的均衡值，并據(jù)此思想構(gòu)建了分析師服務(wù)的供求關(guān)系模型。后續(xù)的一系列與分析師關(guān)注水平影響因素有關(guān)的論文均在此模型框架下展開(kāi)?，F(xiàn)有研究大致可分為兩方面：一方面，發(fā)現(xiàn)分析師關(guān)注與公司經(jīng)營(yíng)活動(dòng)息息相關(guān)，已有文獻(xiàn)分別從公司并購(gòu)重組（Chaney等，1999）、研發(fā)創(chuàng)新投入（Huang和Zhang，2011）、產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)激烈程度（Haw等，2015）、公司經(jīng)營(yíng)戰(zhàn)略（何熙瓊和尹長(zhǎng)萍，2018）等方面展開(kāi)；另一方面，它還與公司的信息環(huán)境關(guān)系密切，公司信息數(shù)量（白曉宇，2009）、信息透明度（方軍雄，2007）、公司治理狀況（Gu等，2013；董望等，2017）、盈余質(zhì)量（Christensen 等，2013）、年報(bào)可讀性（丘心穎等，2016）均會(huì)影響分析師做出是否決定跟蹤某家公司的決策。然而截至目前，卻鮮有學(xué)者直接將公司的經(jīng)營(yíng)活動(dòng)與信息環(huán)境相結(jié)合來(lái)考察對(duì)分析師關(guān)注的影響，股價(jià)崩盤風(fēng)險(xiǎn)是公司最極端的風(fēng)險(xiǎn)，是公司經(jīng)營(yíng)活動(dòng)和信息環(huán)境在股價(jià)上的綜合投射，本文將以此為切入點(diǎn)展開(kāi)對(duì)分析師關(guān)注的討論。

理論上，股價(jià)崩盤風(fēng)險(xiǎn)會(huì)同時(shí)影響投資者對(duì)分析師服務(wù)的需求和分析師愿意供給的數(shù)量。一方面，從需求端看，高股價(jià)崩盤風(fēng)險(xiǎn)的公司往往會(huì)因?yàn)榉菍?duì)稱性披露經(jīng)營(yíng)上的好消息而迎來(lái)股價(jià)上漲，但由于這種上漲是人為操縱的，因而投資者們同時(shí)又會(huì)觀察到一些與公司良好經(jīng)營(yíng)完全不符的跡象，如非效率投資明顯增加（江軒宇和許年行，2015；Habib和Hasan，2017）、會(huì)計(jì)穩(wěn)健性大幅度下降（Kim等，2018）、公司內(nèi)部人士大規(guī)模拋售股票（孫淑偉等，2017）等。當(dāng)投資者受到諸如專業(yè)知識(shí)、信息獲得渠道等各種條件的限制，會(huì)難以甄別股價(jià)的上漲是因?yàn)楣蓛r(jià)被高估還是成長(zhǎng)性的體現(xiàn)，此時(shí)投資者會(huì)對(duì)有關(guān)公司股票內(nèi)在價(jià)值的信息產(chǎn)生較大需求，自然也就對(duì)分析師理性聲音的渴望會(huì)更加強(qiáng)烈。另一方面，從供給端看，首先，公司股價(jià)崩盤風(fēng)險(xiǎn)越大，蘊(yùn)含的信息風(fēng)險(xiǎn)越大，分析師越難獲得高質(zhì)量的公開(kāi)信息源，迫使分析師的預(yù)測(cè)不得不依賴挖掘私有信息，這會(huì)增加分析師提供服務(wù)的顯性成本；其次，分析師即使可以通過(guò)私有信息的增加補(bǔ)充公開(kāi)信息披露質(zhì)量的不足，降低信息風(fēng)險(xiǎn)，但由于經(jīng)營(yíng)風(fēng)險(xiǎn)變大，盈余預(yù)測(cè)出錯(cuò)的概率仍會(huì)加大（Bricker等，1999）。從職業(yè)生涯考慮，分析師誤判將損害分析師聲譽(yù)，影響他們的長(zhǎng)遠(yuǎn)利益，分析師的聲譽(yù)機(jī)制會(huì)增加分析師提供服務(wù)的隱性成本，成本的增加會(huì)降低分析師提供服務(wù)的熱情。由此可知，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響在理論上尚無(wú)確定的方向，這屬于一個(gè)有待實(shí)證檢驗(yàn)的問(wèn)題。

基于上述考慮，本文以2005-2016年中國(guó)A股上市公司為研究樣本，實(shí)證檢驗(yàn)了股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響。研究發(fā)現(xiàn)，股價(jià)崩盤風(fēng)險(xiǎn)較高的公司會(huì)吸引更多的分析師跟蹤報(bào)道?？傮w而言，上市公司股價(jià)崩盤風(fēng)險(xiǎn)每增加1個(gè)標(biāo)準(zhǔn)差，該公司未來(lái)一年會(huì)增加0.629（0.533）個(gè)券商團(tuán)隊(duì)跟蹤，表明分析師在選擇跟蹤目標(biāo)時(shí)會(huì)考慮股價(jià)崩盤風(fēng)險(xiǎn)的因素。在進(jìn)行了包括內(nèi)生性檢驗(yàn)在內(nèi)的一系列穩(wěn)健性檢驗(yàn)后，這一結(jié)論依然成立。進(jìn)一步地，對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響分析師關(guān)注的內(nèi)在機(jī)理進(jìn)行了探討，發(fā)現(xiàn)股價(jià)崩盤風(fēng)險(xiǎn)通過(guò)投資者信息需求這條路徑影響分析師的關(guān)注水平。最后，本文還考察了投資者異質(zhì)信念、投資者情緒、機(jī)構(gòu)投資者的持股比例對(duì)股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注之間關(guān)系的影響，發(fā)現(xiàn)在投資者分歧度越大、投資者情緒越高漲、機(jī)構(gòu)投資者的持股比例越高時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的正向影響更顯著。

本文的貢獻(xiàn)主要體現(xiàn)在以下四個(gè)方面：第一，股價(jià)崩盤風(fēng)險(xiǎn)是近年來(lái)財(cái)務(wù)金融學(xué)領(lǐng)域最熱的話題之一，但目前相關(guān)研究都著眼于成因，而僅有少量論文討論了除股價(jià)崩盤外的其他微觀層面的經(jīng)濟(jì)后果（An等，2015；喻靈，2017；褚劍和方軍雄，2017；于傳榮等，2017）。本文立足于分析師關(guān)注，在微觀層面探究了股價(jià)崩盤風(fēng)險(xiǎn)的經(jīng)濟(jì)后果，豐富了這一領(lǐng)域的文獻(xiàn)。第二，分析師是如何決定是否關(guān)注某家公司的，是一切分析師行為的邏輯起點(diǎn)，自然也構(gòu)成了一切研究分析師文獻(xiàn)的最基礎(chǔ)性研究。本文選擇從公司極端風(fēng)險(xiǎn)這一從未有過(guò)的視角切入研究對(duì)分析師關(guān)注的影響，在理論上拓寬了研究分析師關(guān)注影響因素的視野，深化了對(duì)分析師關(guān)注行為動(dòng)機(jī)的認(rèn)識(shí)。第三，本文的研究結(jié)論表明分析師的確會(huì)重點(diǎn)關(guān)注那些股價(jià)崩盤風(fēng)險(xiǎn)高的公司。上述發(fā)現(xiàn)也為監(jiān)管部門盡快建立獎(jiǎng)懲機(jī)制，鼓勵(lì)分析師扮演好信息中介與外部治理的角色，以保護(hù)投資者權(quán)益提供了可行性依據(jù)。第四，在以往有關(guān)探討股價(jià)崩盤風(fēng)險(xiǎn)影響因素的論文中，對(duì)分析師的作用有著完全相反的經(jīng)驗(yàn)證據(jù)。Xu等（2013）認(rèn)為分析師的關(guān)注會(huì)增加股價(jià)崩盤風(fēng)險(xiǎn)，而在潘越等（2011）、謝盛紋和陶然（2017）的論文中卻發(fā)現(xiàn)當(dāng)公司信息透明度較低時(shí)，分析師的關(guān)注可以增加透明度，從而降低股價(jià)崩盤風(fēng)險(xiǎn)。本研究為解開(kāi)這一謎團(tuán)提供可能的線索，分析師會(huì)主動(dòng)跟蹤報(bào)道股價(jià)崩盤風(fēng)險(xiǎn)較高的公司，并起到抑制風(fēng)險(xiǎn)的作用，但由于該抑制效果是部分抑制的（潘越等，2011），造成分析師關(guān)注會(huì)增加股價(jià)崩盤風(fēng)險(xiǎn)的“假象”。

二、文獻(xiàn)回顧與研究假設(shè)

（一）股價(jià)崩盤風(fēng)險(xiǎn)的文獻(xiàn)回顧

自2008年全球金融危機(jī)到2015年中國(guó)股災(zāi)發(fā)生，如何抑制股價(jià)崩盤風(fēng)險(xiǎn)，降低股價(jià)崩盤的發(fā)生已成為政府、業(yè)界及學(xué)術(shù)界的新興焦點(diǎn)問(wèn)題。學(xué)者們首先在委托—代理理論的框架下建立的“信息隱藏說(shuō)”，對(duì)股價(jià)崩盤的形成機(jī)理進(jìn)行了系統(tǒng)性解釋：經(jīng)理人做出過(guò)度投資或投資不足等錯(cuò)誤的經(jīng)營(yíng)決策導(dǎo)致公司業(yè)績(jī)變差（江軒宇和許年行，2015；Habib和Hasan，2017），但經(jīng)理人的薪酬、職業(yè)前途及政治晉升等與股價(jià)掛鉤（Kim等，2011a；Xu等，2014），出于機(jī)會(huì)主義動(dòng)機(jī)，經(jīng)理人會(huì)通過(guò)加速披露或人為制造經(jīng)營(yíng)中的好消息而推遲或藏匿壞消息的策略，以抬高股價(jià)。初始由于采取的盈余管理（Hutton等，2009）、激進(jìn)的稅收規(guī)避（Kim等，2011b）、關(guān)聯(lián)交易（李增泉等，2011）、復(fù)雜的并購(gòu)計(jì)劃（楊威等，2018）等手段較為隱蔽，外部投資者無(wú)法掌握公司的內(nèi)幕消息，但隨著時(shí)間的推移會(huì)計(jì)穩(wěn)健性會(huì)變差（Kim等，2018）、公司內(nèi)部知情人士也開(kāi)始逐步拋棄手中的股票（孫淑偉等，2017），當(dāng)壞消息的數(shù)量最終突破閾值涌入市場(chǎng)后，投資者短期內(nèi)集中大規(guī)模拋售手中股票，引發(fā)股價(jià)雪崩（Jin和Myers，2006）。從以上機(jī)理可知，股價(jià)崩盤是公司出現(xiàn)一系列經(jīng)營(yíng)風(fēng)險(xiǎn)后又引發(fā)了信息風(fēng)險(xiǎn)的結(jié)果，是一個(gè)公司治理的問(wèn)題，已有文獻(xiàn)沿著內(nèi)外部?jī)煞矫娴闹卫砝^續(xù)展開(kāi)了研究。從內(nèi)部來(lái)看，內(nèi)部控制要求嚴(yán)格（葉康濤等，2015）、獨(dú)立董事獨(dú)立程度高（梁權(quán)熙和曾海艦，2016）、大股東持股比例多（王化成等，2015）的公司股價(jià)崩盤風(fēng)險(xiǎn)較低；從外部來(lái)看，審計(jì)師與政府的審計(jì)（Robin和Zhang，2015）、媒體的報(bào)道（羅進(jìn)輝和杜興強(qiáng)，2014）、機(jī)構(gòu)投資者的介入（Callen和Fang，2013）都會(huì)降低股價(jià)崩盤事件發(fā)生的概率，但對(duì)于分析師在其中所扮演的角色至今沒(méi)有統(tǒng)一的結(jié)論。Xu等（2013）以中國(guó)上市公司整體為研究樣本，發(fā)現(xiàn)被分析師跟蹤的公司更容易發(fā)生股價(jià)崩盤；但當(dāng)潘越等（2011）、謝盛紋和陶然（2017）單獨(dú)選取中國(guó)上市公司中信息透明度較低的那部分公司為樣本研究得出的結(jié)論卻與“整體效應(yīng)”完全相反，且依照對(duì)“整體效應(yīng)”的解釋邏輯，分析師的關(guān)注會(huì)使這類公司股價(jià)崩盤的可能性更大而不是更小。學(xué)者們除研究股價(jià)崩盤風(fēng)險(xiǎn)的影響因素之外，還有少量文獻(xiàn)研究了股價(jià)崩盤風(fēng)險(xiǎn)在微觀層面除股價(jià)崩盤外的其他的經(jīng)濟(jì)后果，股價(jià)崩盤風(fēng)險(xiǎn)相對(duì)較高的公司，未來(lái)的融資成本（An等，2015；喻靈，2017）、審計(jì)費(fèi)用（褚劍與方軍雄，2017）會(huì)大幅度提高，公司的高管會(huì)被減薪以示懲罰（于傳榮等，2017）。

（二）分析師關(guān)注的文獻(xiàn)回顧

證券分析師是資本市場(chǎng)上聯(lián)結(jié)上市公司和投資者的重要中介。其主要職能是采集與上市公司相關(guān)的各類信息，并利用自身的專業(yè)知識(shí)和技能對(duì)采集到的信息進(jìn)行深度分析、加工及處理，最后在此基礎(chǔ)上為投資者提供與公司內(nèi)在價(jià)值相關(guān)的研究報(bào)告，包括盈利預(yù)測(cè)、目標(biāo)估值及買賣建議。早期對(duì)證券分析師的研究來(lái)源于會(huì)計(jì)盈余價(jià)值相關(guān)性與市場(chǎng)有效性文獻(xiàn)對(duì)預(yù)期盈余的需求，研究發(fā)現(xiàn)證券分析師提供的盈利預(yù)測(cè)值比時(shí)間序列模型提供的盈余預(yù)測(cè)值更精確，表明分析師可以提高市場(chǎng)信息含量。隨后的研究開(kāi)始轉(zhuǎn)至盈利預(yù)測(cè)的前端，即分析師做出盈利預(yù)測(cè)決策前會(huì)考慮哪些相關(guān)因素，這些因素是如何在決策過(guò)程中發(fā)揮作用的，具體包括選擇性關(guān)注、預(yù)測(cè)偏差及分歧度等。

在眾多前端決策中，分析師關(guān)注是第一步，即分析師是如何決定是否跟蹤報(bào)道某家上市公司的。Bhushan（1989）最早構(gòu)建了分析師服務(wù)供求關(guān)系的經(jīng)典理論模型，提供了一個(gè)公司特征對(duì)分析師關(guān)注影響的思路。該模型的基本思想是：分析師服務(wù)的均衡數(shù)量是由投資者對(duì)分析師服務(wù)的需求和分析師愿意供給的水平共同決定的。同時(shí)，分析師服務(wù)的總需求與總供給又是公司特征的函數(shù)，公司特征會(huì)影響分析師服務(wù)的總需求或總供給或者同時(shí)影響雙方，進(jìn)而影響分析師服務(wù)的均衡數(shù)量。如果用供求曲線說(shuō)明，即分析師服務(wù)的均衡數(shù)量由供求曲線的交點(diǎn)決定，而公司特征會(huì)影響供求曲線位置的變化，進(jìn)而影響供求曲線交點(diǎn)的位置和均衡數(shù)量。此后大量的實(shí)證研究在供求關(guān)系模型的框架下對(duì)影響分析師關(guān)注的因素進(jìn)行了考察，發(fā)現(xiàn)一方面它與公司的經(jīng)營(yíng)活動(dòng)聯(lián)系緊密，當(dāng)公司并購(gòu)重組活動(dòng)發(fā)生越多（Chaney等，1999）、創(chuàng)新投入力度越大（Huang和Zhang，2011）、產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)激烈程度越高（Haw等，2015）、公司經(jīng)營(yíng)戰(zhàn)略越激進(jìn)（何熙瓊和尹長(zhǎng)萍，2018），分析師越較少跟蹤；另一方面它還與公司的信息環(huán)境密切相關(guān)，如果公司能夠披露更多的相關(guān)信息（白曉宇，2009）、不斷加強(qiáng)公司治理（Gu等，2013；董望等，2017）、持續(xù)改善盈余質(zhì)量（Christensen 等，2013）、創(chuàng)造更高的信息透明度（方軍雄，2007）、提升年報(bào)可讀性（丘心穎等，2016），則會(huì)得到更多分析師的關(guān)注。

（三）股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響

股價(jià)崩盤風(fēng)險(xiǎn)越高的公司預(yù)示著越容易采取非對(duì)稱性來(lái)披露公司經(jīng)營(yíng)上“好”“壞”消息的策略，當(dāng)市場(chǎng)是有效的，好消息被市場(chǎng)消化融入股價(jià)，而壞消息則因?yàn)椴啬涠槐环从常罱K該公司在二級(jí)市場(chǎng)上被投資者觀察到的表現(xiàn)為股價(jià)迅速上漲（Pastena和 Ronen，1979；Kothari等，2009）。由于是人為操縱抬高股價(jià)，投資者們一方面從公司經(jīng)理人公開(kāi)披露的信息當(dāng)中得知眾多有關(guān)公司經(jīng)營(yíng)的好消息，但另一方面又會(huì)觀察到一些與這些好消息完全不符的跡象。首先，非效率投資明顯增加。投資是影響企業(yè)價(jià)值的重要原因（McConnell和Muscarella，1985），不管是投資不足還是過(guò)度投資都會(huì)降低企業(yè)價(jià)值。在有關(guān)股價(jià)崩盤風(fēng)險(xiǎn)的眾多文獻(xiàn)中，多位學(xué)者曾指出投資效率低是高股價(jià)崩盤風(fēng)險(xiǎn)公司的重要特征之一（江軒宇和許年行，2015；Habib和Hasan，2017）。其次，會(huì)計(jì)穩(wěn)健性大幅度下降。會(huì)計(jì)穩(wěn)健性反映的是會(huì)計(jì)謹(jǐn)慎原則，其內(nèi)涵在于要求會(huì)計(jì)提前確認(rèn)損失而延遲確認(rèn)收益（Basu，1997），各國(guó)的會(huì)計(jì)準(zhǔn)則都普遍對(duì)財(cái)務(wù)報(bào)告的會(huì)計(jì)穩(wěn)健性做出要求（Watt，2003）。而在Kim等（2018）的研究中卻發(fā)現(xiàn)，那些股價(jià)崩盤風(fēng)險(xiǎn)越高的公司財(cái)務(wù)報(bào)告普遍表現(xiàn)的會(huì)計(jì)穩(wěn)健性越差。最后，甚至發(fā)生內(nèi)部人士開(kāi)始大規(guī)模拋售自身所持股票的情形。公司內(nèi)部人士包括公司大股東和高層管理人員等，由于內(nèi)部人士是掌握關(guān)于公司私有信息最多的人，因此內(nèi)部人士拋售歷來(lái)被視為企業(yè)經(jīng)營(yíng)不善、前景堪憂的信號(hào)（Seyhun和Bradley，1997）。孫淑偉等（2017）的研究也證實(shí)了我國(guó)上市公司內(nèi)部人士在大比例減持前，確實(shí)存在故意壓制公司壞消息并使用多種手段抬高股價(jià)，直至出現(xiàn)股價(jià)崩盤的情況。這一系列異象不得不使投資者的心里對(duì)股價(jià)的上漲是因?yàn)楣竟蓛r(jià)高估還是源于公司未來(lái)的成長(zhǎng)性畫上相當(dāng)大的問(wèn)號(hào)，然而投資者受到諸如專業(yè)知識(shí)、信息獲得渠道等各種條件的限制無(wú)法自尋答案，從而對(duì)提供股票內(nèi)在價(jià)值信息的分析師們產(chǎn)生較大需求。

股價(jià)崩盤風(fēng)險(xiǎn)除影響投資者對(duì)分析師服務(wù)的需求外，也通過(guò)影響分析師提供服務(wù)的顯性與隱性成本來(lái)影響供給。分析師進(jìn)行盈余預(yù)測(cè)時(shí)必須充分占有信息，只有信息充分、可靠才能做出正確評(píng)價(jià)。胡奕明等（2003）針對(duì)國(guó)內(nèi)所有券商分析師發(fā)放問(wèn)卷調(diào)查，結(jié)果顯示在問(wèn)卷所列的11種信息來(lái)源中，上市公司公開(kāi)披露信息位居榜首，成為分析師最重要的信息來(lái)源。當(dāng)公司股價(jià)崩盤風(fēng)險(xiǎn)越高時(shí)蘊(yùn)含的信息風(fēng)險(xiǎn)越高，分析師越難獲得高質(zhì)量的公開(kāi)信息源，不得不花費(fèi)更多的成本去挖掘私有信息。除了顯性成本以外，分析師對(duì)該類公司預(yù)測(cè)還會(huì)增加隱性成本。分析師即使可以通過(guò)增加私有信息補(bǔ)充公開(kāi)信息披露質(zhì)量的不足以降低信息風(fēng)險(xiǎn)，但因?yàn)楣窘?jīng)營(yíng)風(fēng)險(xiǎn)變大，經(jīng)營(yíng)的不確定性增加，未來(lái)盈余波動(dòng)變大，分析師盈余預(yù)測(cè)難度增加，因此分析師預(yù)測(cè)出錯(cuò)的概率也會(huì)隨之大大增加（Bricker等，1999）。分析師提供的證券咨詢服務(wù)屬于無(wú)形產(chǎn)品，投資者無(wú)法事前評(píng)估該產(chǎn)品，只能依靠分析師聲譽(yù)做出推測(cè)，分析師聲譽(yù)越好，投資者便認(rèn)為發(fā)表的研究報(bào)告價(jià)值越大。良好的聲譽(yù)能幫助分析師提高在資本市場(chǎng)上討價(jià)還價(jià)的能力，在我國(guó)，如果某位分析師能被《新財(cái)富》雜志評(píng)選為年度最佳分析師，則意味著其個(gè)人價(jià)值、收入及地位的大幅度上升（許年行等，2012）。在聲譽(yù)制度的約束下，分析師們出于長(zhǎng)遠(yuǎn)利益及職業(yè)生涯的考慮，會(huì)盡量減少預(yù)測(cè)出錯(cuò)的概率，提高預(yù)測(cè)準(zhǔn)確性（Fang和Yasuda，2009）。

綜上所述，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注存在正反兩方面的效應(yīng)。一方面，公司股價(jià)崩盤風(fēng)險(xiǎn)升高往往伴隨人為操縱的股價(jià)上漲，同時(shí)股價(jià)崩盤風(fēng)險(xiǎn)上升還意味著公司信息環(huán)境不佳，在這種情況下投資者難以甄別股價(jià)的上漲是因?yàn)楣蓛r(jià)被高估還是成長(zhǎng)性的體現(xiàn)，就會(huì)增加投資者對(duì)研究基本面的專業(yè)人士-分析師提供信息的需求，從而增加分析師的關(guān)注。另一方面，股價(jià)崩盤風(fēng)險(xiǎn)高，分析師難以獲取高質(zhì)量的公開(kāi)信息來(lái)源，此時(shí)分析師的預(yù)測(cè)不得不依賴私有信息的挖掘，這會(huì)增加分析師提供服務(wù)的顯性成本；同時(shí)即使可以通過(guò)增加私有信息補(bǔ)充公共信息披露的不足降低了信息風(fēng)險(xiǎn)，但公司經(jīng)營(yíng)風(fēng)險(xiǎn)過(guò)大，仍然會(huì)加大分析師盈余預(yù)測(cè)出錯(cuò)的概率，增加分析師聲譽(yù)受損的隱性成本；而成本的增加又會(huì)減少分析師對(duì)服務(wù)的供給。究竟哪種效應(yīng)會(huì)占主導(dǎo)，屬于實(shí)證問(wèn)題，為此本文將提出如下兩個(gè)競(jìng)爭(zhēng)性的假說(shuō)。

假設(shè)1a：當(dāng)投資者的需求占主導(dǎo)效應(yīng)時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)越大，證券分析師關(guān)注越多。

假設(shè)1b：當(dāng)分析師預(yù)測(cè)成本占主導(dǎo)效應(yīng)時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)越大，證券分析師關(guān)注越少。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來(lái)源

考慮到在2005年之前多數(shù)上市公司并沒(méi)有分析師關(guān)注，數(shù)據(jù)庫(kù)收錄的2005年以前與分析師有關(guān)的數(shù)據(jù)也較少，本文選取2005-2016年中國(guó)A股上市公司為初始樣本。然后按照如下標(biāo)準(zhǔn)對(duì)初始樣本進(jìn)行了篩選：（1）剔除金融保險(xiǎn)類的樣本上市公司；（2）剔除每年交易周數(shù)小于30周的樣本上市公司，以便更可靠地估計(jì)股價(jià)崩盤風(fēng)險(xiǎn)的指標(biāo)；（3）剔除ST及*ST的樣本上市公司；（4）剔除數(shù)據(jù)缺失的樣本上市公司。根據(jù)上述樣本選擇程序，本文最終得到了16 505個(gè)“公司—年度”觀測(cè)值。研究中所使用的分析師數(shù)據(jù)、股票交易數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)均來(lái)自于CSMAR數(shù)據(jù)庫(kù)。為了控制極端值對(duì)結(jié)果產(chǎn)生的影響，本文對(duì)所有的連續(xù)變量在1%和99%的水平上進(jìn)行Winsorize處理。

（二）變量定義

1. 分析師關(guān)注。參考白曉宇（2009）的研究，本文判斷一個(gè)上市公司是否有分析師關(guān)注的根據(jù)為，是否有券商團(tuán)隊(duì)針對(duì)此公司發(fā)布過(guò)盈利預(yù)測(cè)或投資評(píng)價(jià)報(bào)告?；诖耍疚亩x一個(gè)上市公司當(dāng)年分析師關(guān)注人數(shù)為，當(dāng)年發(fā)布過(guò)有關(guān)上市公司盈利預(yù)測(cè)或投資評(píng)價(jià)報(bào)告的券商團(tuán)隊(duì)數(shù)量。比如：2013年，假設(shè)共有25家券商團(tuán)隊(duì)發(fā)布過(guò)44份關(guān)于貴州茅臺(tái)（600519）的盈利預(yù)測(cè)報(bào)告或投資評(píng)價(jià)報(bào)告，不管這份報(bào)告涉及多少分析師的名字，本文都認(rèn)為2013年共有25個(gè)分析師關(guān)注了貴州茅臺(tái)。做出以上安排的原因在于，券商報(bào)告通常以團(tuán)隊(duì)名義共同簽署發(fā)布，很難界定每份報(bào)告中具體涉及的分析師數(shù)量，因此本文認(rèn)為用券商團(tuán)隊(duì)關(guān)注的數(shù)量代替分析師個(gè)人關(guān)注的數(shù)量來(lái)衡量分析師對(duì)上市公司的關(guān)注水平，應(yīng)是恰當(dāng)且不存在較大選擇性誤差的。

2. 股價(jià)崩盤風(fēng)險(xiǎn)。借鑒前人的研究（Chen等，2001；Kim等，2011a，b；Xu等，2013），本文分別采用股票負(fù)收益偏態(tài)系數(shù)（NCSKEW）和收益上下波動(dòng)的比率（DUVOL）兩種指標(biāo)來(lái)衡量股價(jià)崩盤風(fēng)險(xiǎn)。具體計(jì)算方法如下：

首先，利用市場(chǎng)的周收益率數(shù)據(jù)，根據(jù)式（1）對(duì)股票i的周收益率數(shù)據(jù)進(jìn)行調(diào)整：

其中，ri，t代表每個(gè)年度公司i的股票在第t周考慮現(xiàn)金紅利再投資的周收益率，rm，t代表每個(gè)年度第t周市場(chǎng)經(jīng)流通市值加權(quán)的平均周收益率。為了調(diào)整股票非同步交易的影響，本文還在式（1）中加入了市場(chǎng)收益的超前一期、超前二期以及滯后一期、滯后二期。股票i在第t周的特有收益為Wi，t=ln（1+εi，t），εi，t是式（1）的回歸殘差。

其次，基于Wi，t構(gòu)造出了以下兩個(gè)變量：

第一個(gè)變量股票負(fù)收益偏態(tài)系數(shù)NCSKEW為：其中，n是股票i每個(gè)年度的交易周數(shù)。NCSKEW衡量股票i的負(fù)收益偏態(tài)系數(shù)，是一個(gè)衡量股價(jià)崩盤風(fēng)險(xiǎn)的正向指標(biāo)。其數(shù)值越大，股價(jià)崩盤風(fēng)險(xiǎn)越大；反之，數(shù)值越小，則股價(jià)崩盤風(fēng)險(xiǎn)越小。

第二個(gè)變量收益上下波動(dòng)的比率DUVOL：

其中，nu和nd分別代表的是股票上漲（UP）和下跌（DOWN）的周數(shù)，當(dāng)股票i的周收益Wi，t高于當(dāng)年股票周平均收益時(shí)，定義該周為上漲周；反之，則定義為下跌周。與股票負(fù)收益偏態(tài)系數(shù)（NCSKEW）類似，DUVOL也是一個(gè)正向指標(biāo)。

3. 控制變量

在研究分析師關(guān)注行為時(shí)，根據(jù)現(xiàn)有文獻(xiàn)（Haw等，2015；董望等，2017；何熙瓊和尹長(zhǎng)萍，2018），本文在模型中控制了如下變量：公司規(guī)模（Size），它等于公司總資產(chǎn)的自然對(duì)數(shù)；業(yè)績(jī)水平（Roe），它等于公司凈利潤(rùn)與所有者權(quán)益之比；審計(jì)質(zhì)量（Big4），為虛擬變量，如果報(bào)告期當(dāng)年是四大會(huì)計(jì)師事務(wù)所審計(jì)則取1，否則取0；業(yè)績(jī)波動(dòng)（Vsales），它等于公司近三年?duì)I業(yè)收入除以總資產(chǎn)的標(biāo)準(zhǔn)差；財(cái)務(wù)杠桿（Lev），它等于總負(fù)債比總資產(chǎn)；市值賬面比（Mb），它等于每股市價(jià)乘以流通股加上每股凈資產(chǎn)乘以非流通股之和比權(quán)益賬面凈值。同時(shí)，本文還在模型中加入了年度虛擬變量和行業(yè)虛擬變量，以分別控制年度與行業(yè)固定效應(yīng)。具體變量定義如表1所示。

總之，初步研究顯示胃腸道微生態(tài)與胰腺癌及急、慢性胰腺炎的發(fā)生和發(fā)展存在相關(guān)性，但與其他疾病相比，目前研究胰腺疾病胃腸道微生態(tài)的數(shù)據(jù)十分有限，且相關(guān)機(jī)制不明確。胃腸道微生態(tài)能否作為對(duì)早期胰腺癌或CP診斷的潛在標(biāo)志物或AP治療靶點(diǎn)尚需進(jìn)一步研究。

表 1 變量表

（三）模型設(shè)計(jì)

本文使用以下模型來(lái)檢驗(yàn)假設(shè)H1a和H1b，具體模型設(shè)計(jì)如式（4）。模型中，Analyst為第t+1期分析師關(guān)注人數(shù)；Crash為第t期的兩個(gè)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW和DUVOL；ControlVariable為第t期的控制變量；YR和Ind分別為年度和行業(yè)虛擬變量。根據(jù)假設(shè)H1a，Crasht的系數(shù)β1應(yīng)顯著為正；根據(jù)假設(shè)H1b，Crasht的系數(shù)β1應(yīng)顯著為負(fù)。

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)分析

表2報(bào)告了各主要變量的描述性統(tǒng)計(jì)結(jié)果。從表2可以看出，樣本上市公司分析師關(guān)注人數(shù)Analyst的均值為5.098，中位數(shù)為2，最小值為0，最大值為48，標(biāo)準(zhǔn)差為6.823，這與白曉宇（2009）的研究相一致。均值明顯大于中位數(shù)，最小值與最大值差異較大且標(biāo)準(zhǔn)差較大，說(shuō)明分析師對(duì)樣本上市公司的關(guān)注程度是存在整體右偏的，少數(shù)上市公司聚集了較多分析師的目光，中國(guó)分析師關(guān)注的集群效應(yīng)正在逐步形成的過(guò)程中。另外，從表2還可以看出，兩個(gè)衡量股價(jià)崩盤風(fēng)險(xiǎn)的變量NCSKEW 和DUVOL的均值分別為-0.238和-0.155，中位數(shù)分別為-0.195和1.315，這與Xu等（2013）所報(bào)告的數(shù)值相差不大。其他相關(guān)變量的分布也都在合理范圍內(nèi)。

表 2 描述性統(tǒng)計(jì)分析

（二）相關(guān)性分析

表3列示了主要變量的相關(guān)系數(shù)。兩個(gè)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW和DUVOL的相關(guān)系數(shù)大約為0.88，且在1%的水平上顯著，說(shuō)明這兩個(gè)指標(biāo)對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的衡量具有很好的一致性。分析師關(guān)注人數(shù)Analyst與NCSKEW及DUVOL的相關(guān)系數(shù)為正，且均在1%水平上顯著，說(shuō)明在不考慮其他因素的情況下，股價(jià)崩盤風(fēng)險(xiǎn)越高的公司在未來(lái)會(huì)得到更多的分析師關(guān)注，符合假設(shè)H1a的預(yù)期。

表 3 變量相關(guān)性分析

（三）單變量分析

本文在回歸分析前，按照股價(jià)崩盤風(fēng)險(xiǎn)是否大于年度、行業(yè)中位數(shù)，將樣本上市公司分為高股價(jià)崩盤風(fēng)險(xiǎn)組和低股價(jià)崩盤風(fēng)險(xiǎn)組兩組，并對(duì)主要變量進(jìn)行了分組差異檢驗(yàn)。表4是單變量分析的結(jié)果，其中Panel A與Panel B分別是采用NCSKEW與DUVOL對(duì)各變量進(jìn)行分組后的差異檢定結(jié)果。結(jié)果顯示，在高股價(jià)崩盤風(fēng)險(xiǎn)的組中，分析師人數(shù)Analyst的均值和中位數(shù)要大于低股價(jià)崩盤風(fēng)險(xiǎn)組，初步驗(yàn)證假設(shè)H1a。從表4中還可以發(fā)現(xiàn)，其他影響分析師關(guān)注的因素在組間也存在顯著的差異，因此，本文將通過(guò)回歸分析進(jìn)一步控制其他因素的影響，才能更好地驗(yàn)證假設(shè)H1。

表 4 單變量分析

（四）回歸分析

表5報(bào)告了OLS的回歸結(jié)果。在回歸（1）中使用衡量股價(jià)崩盤風(fēng)險(xiǎn)的指標(biāo)為NCSKEW，回歸（1）中只控制了年度和行業(yè)效應(yīng)，未控制其他變量，發(fā)現(xiàn)NCSKEW的系數(shù)為0.790，在1%的統(tǒng)計(jì)水平上顯著；回歸（2）進(jìn)一步控制了其他影響分析師關(guān)注的變量，NCSKEW的系數(shù)增大至1.101，且仍在1%的統(tǒng)計(jì)水平上顯著。這一結(jié)果驗(yàn)證了假設(shè)H1a。在回歸（3）和回歸（4）中，將衡量股價(jià)崩盤風(fēng)險(xiǎn)的指標(biāo)換為DUVOL，得出的結(jié)論不變。表5的回歸結(jié)果從經(jīng)濟(jì)意義上看，整體而言，公司股價(jià)崩盤風(fēng)險(xiǎn)每增加1單元標(biāo)準(zhǔn)差，下一期會(huì)增加0.629（0.553）個(gè)券商分析師團(tuán)隊(duì)的關(guān)注。①使用股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW，股價(jià)崩盤風(fēng)險(xiǎn)每增加1單位標(biāo)準(zhǔn)差，分析師關(guān)注度增加0.665×（0.790+1.101）/2=0.629；使用股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)DUVOL，股價(jià)崩盤風(fēng)險(xiǎn)每增加1單位標(biāo)準(zhǔn)差，分析師關(guān)注度增加0.461×（0.896+1.502）/2=0.553。另外，從控制變量上看，Size、Roe、Big4和Mb與分析師關(guān)注顯著正相關(guān)，Vsales和Lev與分析師關(guān)注顯著負(fù)相關(guān)，這與已有的研究相一致（Haw等，2015；董望等，2017；何熙瓊和尹長(zhǎng)萍，2018）。

表 5 股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析

五、穩(wěn)健性檢驗(yàn)

（一）關(guān)于內(nèi)生性的檢驗(yàn)

盡管在本文的回歸模型中設(shè)計(jì)自變量滯后因變量一期，已經(jīng)在某些程度上解決了內(nèi)生性問(wèn)題對(duì)研究結(jié)論的干擾，但為了穩(wěn)健性方面的考慮，本文將使用如下四種方法進(jìn)一步解決論文的內(nèi)生性問(wèn)題。

1. PSM配對(duì)回歸分析。由于股價(jià)崩盤風(fēng)險(xiǎn)高與低的公司不是隨機(jī)產(chǎn)生的，它們之間可能有本質(zhì)的區(qū)別。為了解決自選擇偏誤問(wèn)題，本文采用傾向評(píng)分匹配（PSM）方法，在低股價(jià)崩盤風(fēng)險(xiǎn)的公司當(dāng)中，選取一組與高股價(jià)崩盤風(fēng)險(xiǎn)的公司在其他特征上相似的公司來(lái)構(gòu)建對(duì)照組進(jìn)行分析。這一方法的具體做法如下：第一步，按照NCSKEW、DUVOL是否高于年度、行業(yè)中位數(shù)生成相應(yīng)的啞變量；第二步，進(jìn)行l(wèi)ogistic回歸得到每個(gè)觀測(cè)值的傾向性評(píng)分，回歸的因變量為第一步生成的啞變量，自變量為本文基準(zhǔn)模型中的控制變量；第三步，按照最相鄰匹配法，從低股價(jià)崩盤風(fēng)險(xiǎn)組的公司選擇傾向得分最接近的樣本，作為高股價(jià)崩盤風(fēng)險(xiǎn)組公司的匹配樣本；最后一步，用匹配出的新樣本重新實(shí)證分析。表6的Panel A是對(duì)匹配后的新樣本繼續(xù)按照NCSKEW與DUVOL是否大于年度、行業(yè)中位數(shù)分兩組，分組后對(duì)各變量進(jìn)行均值差異檢驗(yàn)的結(jié)果。由Panel A可見(jiàn)，在高股價(jià)崩盤風(fēng)險(xiǎn)組中，分析師人數(shù)Analyst的均值仍顯著大于低股價(jià)崩盤風(fēng)險(xiǎn)組，與表4結(jié)果保持一致，支持假設(shè)H1a。匹配后的控制變量Big4、Vsales、Lev組間的差異不再顯著，而控制變量Size、Roe、Mb組間的差異雖然仍然顯著但與表4中差異的結(jié)果是完全相反的。①以控制變量size的差異結(jié)果為例，表2中的高股價(jià)崩盤風(fēng)險(xiǎn)組的size在1%的顯著性水平上小于低股價(jià)崩盤風(fēng)險(xiǎn)組；樣本經(jīng)過(guò)用psm方法處理之后，高股價(jià)崩盤風(fēng)險(xiǎn)組的size在1%的顯著性水平上大于低股價(jià)崩盤風(fēng)險(xiǎn)組。表6 Panel B是匹配后的新樣本回歸的結(jié)果，從中發(fā)現(xiàn)在解決自選擇偏誤問(wèn)題之后，股價(jià)崩盤風(fēng)險(xiǎn)仍在1%的顯著性水平上正向影響分析師關(guān)注，本文結(jié)論不發(fā)生改變。

表 6 股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析-PSM

2. 工具變量回歸。本文研究發(fā)現(xiàn)股價(jià)崩盤風(fēng)險(xiǎn)越高的上市公司分析師關(guān)注會(huì)越高，但在Xu等（2013）的研究中也顯示，由于樂(lè)觀偏差分析師的普遍存在，分析師會(huì)更傾向于發(fā)布一些較樂(lè)觀的報(bào)告與評(píng)級(jí)，這一行為將幫助公司管理層藏匿壞消息，促使公司股價(jià)崩盤風(fēng)險(xiǎn)增加，即可能存在互為因果的問(wèn)題。為了緩解該問(wèn)題對(duì)研究結(jié)論產(chǎn)生的影響，本文將采用工具變量?jī)呻A段回歸法（2SLS）進(jìn)行回歸，將同年度同行業(yè)其他公司的股價(jià)崩盤風(fēng)險(xiǎn)的中位數(shù)（Indmedian_Crash）以及同年度同地區(qū)其他公司的股價(jià)崩盤風(fēng)險(xiǎn)的中位數(shù)（Provmedian_Crash）作為股價(jià)崩盤風(fēng)險(xiǎn)的工具變量。理論上，這兩個(gè)變量應(yīng)該滿足工具變量相關(guān)性與外生性的要求：首先，從相關(guān)性方面看，同行業(yè)同地區(qū)的上市公司可能面臨類似的外部環(huán)境，因此，它們的股價(jià)崩盤風(fēng)險(xiǎn)間具有一定的相關(guān)性；其次，從外生性方面看，尚未有證據(jù)表明同地區(qū)同行業(yè)的其他上市公司的股價(jià)崩盤風(fēng)險(xiǎn)會(huì)影響分析師對(duì)本公司的關(guān)注。當(dāng)然，工具變量是否合適還需要進(jìn)行相關(guān)檢驗(yàn)。表7報(bào)告了2SLS的估計(jì)結(jié)果。由表7的第（3）列和第（4）列可知，在控制了內(nèi)生性問(wèn)題后，股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注仍然在1%的水平上顯著正相關(guān)，證明假設(shè)H1a成立。另外，表7還報(bào)告了工具變量的選擇是否合理的統(tǒng)計(jì)性檢驗(yàn)：首先，兩個(gè)工具變量與當(dāng)期股價(jià)崩盤風(fēng)險(xiǎn)正相關(guān)，F(xiàn)值顯著，Shea's Partial R2相較于整個(gè)模型的R2很大，這就排除了工具變量為弱工具變量的可能性；其次，Sargan卡方不顯著，則不能拒絕工具變量是外生的原假設(shè)，工具變量不存在過(guò)度識(shí)別的問(wèn)題。

表 7 股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析-工具變量法

表 8 更長(zhǎng)的預(yù)測(cè)窗口回歸分析

4. 固定效應(yīng)模型。為了控制模型中可能遺漏的公司不隨時(shí)間變化而發(fā)生變化的固定因素對(duì)回歸結(jié)果帶來(lái)的影響，本文采用固定效應(yīng)模型對(duì)相關(guān)結(jié)果進(jìn)行了重新檢定，結(jié)果發(fā)現(xiàn)股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注依舊在1%的水平上顯著正相關(guān)，說(shuō)明本文的研究結(jié)論并不是因?yàn)檫z漏了某些公司的固定因素而導(dǎo)致的。

（二）敏感性測(cè)試

1. 變更衡量分析師關(guān)注變量。為了檢驗(yàn)研究結(jié)果對(duì)分析師關(guān)注指標(biāo)的敏感性，本文在衡量分析師的關(guān)注水平時(shí)，除采用發(fā)布過(guò)有關(guān)上市公司盈利預(yù)測(cè)或投資評(píng)價(jià)報(bào)告的券商團(tuán)隊(duì)數(shù)量（Analyst）外，還使用分析師發(fā)布的盈利預(yù)測(cè)或投資評(píng)價(jià)報(bào)告數(shù)量（余桂明等，2017）作為穩(wěn)健性檢驗(yàn)，回歸結(jié)果表明股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注依舊在1%的水平上顯著正相關(guān)。

2. 數(shù)據(jù)極端值敏感性測(cè)試。為了排除回歸結(jié)果是由數(shù)據(jù)極端值造成的，本文將進(jìn)行如下數(shù)據(jù)極端值敏感性測(cè)試。首先，采用啞變量重現(xiàn)衡量分析師關(guān)注，上市公司如果當(dāng)年有券商發(fā)布股票盈利預(yù)測(cè)或投資評(píng)價(jià)報(bào)告則取1，否則取0。其次，對(duì)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)進(jìn)行排序，分成四組，然后按順序從小到大分別賦值為1、2、3、4，生成自變量NCSKEW_RANK（DUVOL_RANK）。最后，用新生成的因變量與自變量重新進(jìn)行Logistic回歸，回歸結(jié)果表明股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注依舊顯著正相關(guān)，說(shuō)明本文的研究結(jié)論并不是數(shù)據(jù)極端值導(dǎo)致的。

（三）其他穩(wěn)健性檢驗(yàn)

1. 股價(jià)真實(shí)崩盤與分析師關(guān)注。之前的實(shí)證結(jié)果已經(jīng)充分說(shuō)明了股價(jià)崩盤風(fēng)險(xiǎn)高的公司未來(lái)會(huì)得到更多分析師的關(guān)注，且關(guān)注的原因是因?yàn)橥顿Y者在面對(duì)公司股價(jià)的上漲而公司信息卻又不透明情況下，會(huì)困惑于股價(jià)上漲是高估還是成長(zhǎng)性，因而對(duì)分析師披露股票基本面信息產(chǎn)生需求。但除了該種可能性外，另一種可能的解釋是，基于模型的因變量與自變量滯后一期，股價(jià)崩盤風(fēng)險(xiǎn)過(guò)高的公司可能會(huì)在下一期出現(xiàn)真實(shí)的股價(jià)崩盤，一旦公司真實(shí)情況曝出，投資者受市場(chǎng)恐慌情緒的影響會(huì)爭(zhēng)先恐后賣出手中的股票，股價(jià)在短期內(nèi)出現(xiàn)暴跌而被嚴(yán)重低估，未來(lái)會(huì)產(chǎn)生高的預(yù)期收益，有利于分析師給出正面預(yù)測(cè)，這也會(huì)吸引更多的分析師關(guān)注。為了能夠排除第二種解釋，本文設(shè)計(jì)了如下穩(wěn)健性檢驗(yàn)。首先，選取了兩個(gè)直接的變量來(lái)衡量公司股價(jià)是否發(fā)生真實(shí)性的崩盤。第一個(gè)變量參考Hutton等（2009）的做法，選擇股價(jià)崩盤風(fēng)險(xiǎn)的啞變量（CRASH）。若股票i的特有周收益Wi，t在一年內(nèi)至少出現(xiàn)一次低于年周特有收益的均值減去3.09個(gè)標(biāo)準(zhǔn)差，則CRASH取值為1，若未出現(xiàn)，則CRASH取值為0；第二個(gè)變量參考Piotroski等（2015）的做法，選擇股票暴跌的頻率（FREQUE），F(xiàn)REQUE的具體構(gòu)造方法為，股票i的特有周收益Wi，t小于年周特有收益的均值減去1.96個(gè)標(biāo)準(zhǔn)差的周數(shù)占年交易周數(shù)的比例。表9的因變量、控制變量、樣本公司與表5主回歸保持一致，而自變量為CRASH和FREQUE時(shí)重新進(jìn)行回歸的結(jié)果。發(fā)現(xiàn)當(dāng)只控制了年度和行業(yè)效應(yīng)，未控制其他變量時(shí)，股價(jià)真實(shí)性崩盤對(duì)分析師關(guān)注沒(méi)有顯著影響；當(dāng)進(jìn)一步控制了其他影響分析師關(guān)注的變量后，CRASH（FREQUE）回歸系數(shù)的t值為2.45（3.51），股價(jià)真實(shí)性崩盤對(duì)分析師關(guān)注在1%（5%）的統(tǒng)計(jì)水平上有顯著的正向影響，但與表5中NCSKEW（DUVOL）回歸系數(shù)t值17.46（15.81）相比明顯下降。如果股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的正向影響是基于第二種解釋，那么CRASH（FREQUE）的系數(shù)t值就應(yīng)當(dāng)大于表5中NCSKEW（DUVOL）的回歸系數(shù)t值，該結(jié)果也就對(duì)第二種解釋在一定程度上進(jìn)行了排除的原因。

表 9 股價(jià)真實(shí)崩盤與分析師關(guān)注的回歸結(jié)果

2. 負(fù)二項(xiàng)分布回歸。由于因變量分析師關(guān)注人數(shù)取值均是正整數(shù)，根據(jù)Rock等（2000）的研究，對(duì)分析師關(guān)注影響因素的實(shí)證論文適用計(jì)數(shù)模型，應(yīng)優(yōu)先采用負(fù)二項(xiàng)回歸法，本文的穩(wěn)健性檢驗(yàn)將用這一方法替換OLS重新進(jìn)行回歸，回歸結(jié)果支持假設(shè)H1a。

3. 更加穩(wěn)健的標(biāo)準(zhǔn)誤算法。Petersen（2009）為了克服自相關(guān)與異方差問(wèn)題對(duì)統(tǒng)計(jì)推斷結(jié)果的影響，對(duì)標(biāo)準(zhǔn)誤差在個(gè)體和時(shí)間上作了雙重聚類調(diào)整。為了得到更穩(wěn)健的結(jié)果，本文采用Petersen（2009）的方法，對(duì)回歸t值進(jìn)行了雙重聚類調(diào)整，回歸結(jié)果仍然支持假設(shè)H1a。

六、進(jìn)一步分析

（一）投資者信息需求路徑檢驗(yàn)

如前文所述，股價(jià)崩盤風(fēng)險(xiǎn)會(huì)通過(guò)影響投資者對(duì)信息的需求而影響分析師關(guān)注水平，即股價(jià)崩盤風(fēng)險(xiǎn)高意味著股價(jià)被人為操縱上漲，投資者受到各種條件限制無(wú)法甄別是股價(jià)泡沫還是公司成長(zhǎng)性的體現(xiàn)，會(huì)增加投資者對(duì)有關(guān)公司內(nèi)在價(jià)值的信息需求，從而增加分析師的關(guān)注。到底路徑分析是否正確，本文借鑒溫忠麟等（2004）提出的中介因子檢驗(yàn)方法，設(shè)計(jì)了如下路徑模型進(jìn)行驗(yàn)證。

其中Path2的因變量為投資者信息需求（Information），本文采用東方財(cái)富網(wǎng)股吧發(fā)帖數(shù)量去衡量，具體的變量計(jì)算方式是用股吧年發(fā)帖數(shù)量的自然對(duì)數(shù)比總資產(chǎn)的自然對(duì)數(shù)，Information取值越大，說(shuō)明投資者對(duì)信息的需求越旺盛。同時(shí)進(jìn)一步控制了與投資者信息需求有關(guān)的因素，包括規(guī)模、盈利能力、負(fù)債率、賬面市值比、銷售增長(zhǎng)率、流動(dòng)性以及年度和行業(yè)。若Path1中Crash的回歸系數(shù)β1和Path2中Crash的回歸系數(shù)δ1是顯著的，Path3中Information的回歸系數(shù)γ2是顯著的，而Path3中Crash的回歸系數(shù)γ1不再顯著，Sobel Z統(tǒng)計(jì)值顯著，則說(shuō)明投資者信息需求具有完全中介效應(yīng)。若Path1中Crash的回歸系數(shù)β1和Path2中Crash的回歸系數(shù)δ1是顯著的；Path3中Information和Crash的回歸系數(shù)γ2和γ1都是顯著的，且Path3中Crash的回歸系數(shù)γ1小于Path1中Crash的回歸系數(shù)β1，Sobel Z統(tǒng)計(jì)值顯著，則說(shuō)明投資者信息需求具有部分中介效應(yīng)。因?yàn)楣砂砂l(fā)帖的方式從2008年開(kāi)始慢慢興起，本文選取2009-2016年中國(guó)A股上市公司為初始樣本。

表10報(bào)告了以投資者信息需求為中介因子的路徑分析結(jié)果，其中Panel A與Panel B分別用NCSKEW與DUVOL衡量股價(jià)崩盤風(fēng)險(xiǎn)。首先，考察不包括中介因子的路徑Path1，回歸結(jié)果表明，NCSKEW與DUVOL的回歸系數(shù)分別為1.403與1.947，在1%的統(tǒng)計(jì)性水平上顯著。然后，考察有關(guān)中介因子（Information）的路徑模型Path2可知，NCSKEW與DUVOL的回歸系數(shù)分別為0.007與0.011，在1%的統(tǒng)計(jì)性水平上顯著，表明股價(jià)崩盤風(fēng)險(xiǎn)越高的公司，投資者對(duì)信息的需求程度越高。最后，考察同時(shí)包括股價(jià)崩盤風(fēng)險(xiǎn)因子（NCSKEW與DUVOL）和中介因子（Information）在內(nèi)的路徑模型Path3的回歸結(jié)果表明，股價(jià)崩盤風(fēng)險(xiǎn)因子（NCSKEW與DUVOL）和中介因子（Information）的回歸系數(shù)仍然為正，且在1%的統(tǒng)計(jì)性水平上顯著，但是相比Path1股價(jià)崩盤風(fēng)險(xiǎn)因子（NCSKEW與DUVOL）的系數(shù)和t值都有下降，系數(shù)從1.403（1.947）下降到1.200（1.640），t值從18.48（16.88）下降到15.64（14.10）。在Panel A與Panel B中，Sobel Z統(tǒng)計(jì)值分別為10.822與11.366，且均在1%的統(tǒng)計(jì)性水平上顯著。以上結(jié)果說(shuō)明投資者信息需求是股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注之間的中介變量，承擔(dān)的是部分中介效應(yīng)。

表 10 股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注-路徑分析

（二）分組檢驗(yàn)

分析師是為投資者服務(wù)的，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師的影響很大程度上取決于投資者的需求。在這一節(jié)中，本文將分別考察投資者異質(zhì)信念、投資者情緒以及機(jī)構(gòu)投資者持股比例對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注正向關(guān)系的影響。

1. 按投資者異質(zhì)信念進(jìn)行分組的檢驗(yàn)。投資者異質(zhì)信念與情緒是行為金融學(xué)對(duì)投資者群體行為進(jìn)行研究的兩大重要研究分支。投資者異質(zhì)信念（又稱作投資者意見(jiàn)分歧），指的是在相同持有期下的條件期望收益率、方差—協(xié)方差矩陣或其變動(dòng)方式的估計(jì)不同。異質(zhì)信念的形成機(jī)制為：信息無(wú)法以相同的效果在市場(chǎng)間同步地傳遞至投資者，加之投資者本身注意力有限，其個(gè)人的經(jīng)歷、知識(shí)背景也存在較大差異，因此投資者們?cè)趯?duì)同一股票的價(jià)值作判斷時(shí)往往會(huì)存在意見(jiàn)分歧。由前文可知，投資者信息需求是股價(jià)崩盤風(fēng)險(xiǎn)影響分析師關(guān)注的重要路徑，投資者之間存在的分歧度越大，因?yàn)橘u空限制的存在，悲觀的投資者被迫離開(kāi)市場(chǎng)，而股票主要反映的是樂(lè)觀投資者的預(yù)期，這將導(dǎo)致股票價(jià)格被系統(tǒng)性高估得越嚴(yán)重（Miller，1977）。投資者分歧度越大，意味著經(jīng)理人利用各種手段隱瞞壞消息、拉升股價(jià)的計(jì)謀得逞的可能性越大，基本面與價(jià)格背離的情況越嚴(yán)重，會(huì)引起投資者對(duì)分析師提供信息的需求增多。因此，本文的結(jié)果可預(yù)期為，當(dāng)投資者分歧度越大時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大?；谝陨戏治觯梃bBoehme等（2006）對(duì)投資者異質(zhì)信念的衡量方法，本文將根據(jù)投資者異質(zhì)信念程度將全樣本分為高分歧與低分歧兩組并分組進(jìn)行實(shí)證檢驗(yàn)。分組回歸結(jié)果如表11所示，從中發(fā)現(xiàn)無(wú)論是Crash的回歸系數(shù)還是t值，投資者分歧度較高的組都比分歧度較低的組高。由此可見(jiàn)，投資者分歧度越大，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大。

表 11 投資者異質(zhì)信念、股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析

2. 按投資者情緒進(jìn)行分組的檢驗(yàn)。投資者情緒指的是投資者對(duì)股市未來(lái)悲觀或樂(lè)觀的一種心理預(yù)期。行為金融學(xué)的眾多研究發(fā)現(xiàn)，情緒與股票收益有明顯的相關(guān)性，當(dāng)投資者情緒高漲（低落）時(shí)，投資者會(huì)高估（低估）公司股票的價(jià)值（Brown和Cliff，2005）。Baker和Wurgler（2006）對(duì)美國(guó)股市1961-2002年的運(yùn)行狀況進(jìn)行梳理后發(fā)現(xiàn)，美國(guó)股市泡沫階段幾乎均出現(xiàn)在投資者情緒高漲時(shí)。當(dāng)投資者情緒高漲時(shí)，投資者普遍的自信心理會(huì)促使其對(duì)金融資產(chǎn)的需求增加，這種情況下經(jīng)理人通過(guò)隱藏公司負(fù)面報(bào)道，依靠“找題材，尋噱頭，編故事”等手段刺激股價(jià)增長(zhǎng)的有效性會(huì)大大提高，與投資者情緒低落期相比，沒(méi)有基本面支撐的公司更有可能在情緒高漲時(shí)被大幅度高估值，但此時(shí)投資者也會(huì)更加無(wú)法辨別高股價(jià)是泡沫還是成長(zhǎng)性的體現(xiàn)，投資者對(duì)分析師的需求也便相對(duì)更大。因此，從本文的結(jié)果中可預(yù)期為，投資者情緒越高漲，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大?；谝陨戏治?，借鑒易志高和茅寧（2009）對(duì)投資者情緒的衡量方法，本文將根據(jù)投資者情緒將全樣本分為高情緒組和低情緒組并分組進(jìn)行實(shí)證檢驗(yàn)。分組回歸結(jié)果如表12所示。從表12中可以發(fā)現(xiàn)，無(wú)論是Crash的回歸系數(shù)還是t值，投資者情緒高的組都比投資者情緒低的組高。由此可見(jiàn)，投資者情緒越高漲，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大。

表 12 投資者情緒、股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析

3. 按機(jī)構(gòu)投資者持股比例進(jìn)行分組。券商的客戶分為兩大類：一類是個(gè)人投資者；另一類是機(jī)構(gòu)投資者。雖然個(gè)人投資者數(shù)量在投資者中占比有絕對(duì)優(yōu)勢(shì)，但因?yàn)槲覈?guó)基金公司等機(jī)構(gòu)投資者亦不具備交易所的會(huì)員資格，要想從事證券買賣活動(dòng)，必須租用券商的交易席位，付給券商分倉(cāng)傭金，因此機(jī)構(gòu)投資者的分倉(cāng)傭金收入才是券商經(jīng)紀(jì)收入的主要來(lái)源。一般來(lái)說(shuō)，各大券商分析師的薪資和獎(jiǎng)金水平是直接與其創(chuàng)造的經(jīng)紀(jì)收入掛鉤的。除此之外，機(jī)構(gòu)投資者還掌握每一年《新財(cái)富》雜志舉辦的明星分析師的直接投票權(quán)。那么，分析師們不管是出于幫助所屬券商刺激交易量獲得傭金收入還是出于自身職業(yè)前途發(fā)展的考慮，都會(huì)有極大動(dòng)力去滿足機(jī)構(gòu)投資者對(duì)研究報(bào)告的需求。對(duì)于股價(jià)崩盤風(fēng)險(xiǎn)越高的公司而言，如果更多的是機(jī)構(gòu)投資者對(duì)公司股價(jià)上漲的真實(shí)原因存在質(zhì)疑需要分析師信息支持時(shí)，受到更大的利益驅(qū)動(dòng)分析師亦會(huì)更加關(guān)注。因此，從本文的結(jié)果可預(yù)期為，機(jī)構(gòu)投資者持股比例①本文所指的機(jī)構(gòu)投資者主要包括：證券投資基金、QFII、券商、保險(xiǎn)公司、社?；?、信托、財(cái)務(wù)公司和銀行。越高，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大?；谝陨戏治?，本文根據(jù)機(jī)構(gòu)投資者持股比例將全樣本分為高機(jī)構(gòu)投資者持股比例和低機(jī)構(gòu)投資者持股比例兩組并分組進(jìn)行實(shí)證檢驗(yàn)。分組回歸結(jié)果如表13所示。從表13中可以發(fā)現(xiàn)，無(wú)論是Crash的回歸系數(shù)還是t值，機(jī)構(gòu)投資者持股比例高組都比低組高。由此可見(jiàn)，機(jī)構(gòu)投資者持股越高，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的影響越大。

表 13 機(jī)構(gòu)投資者比例、股價(jià)崩盤風(fēng)險(xiǎn)與分析師關(guān)注的回歸分析

七、結(jié)論與政策建議

股價(jià)崩盤是資本市場(chǎng)的一個(gè)重大異象，它的發(fā)生不但會(huì)造成投資者尤其是中小投資者財(cái)富的巨額損失，還會(huì)大大打擊投資者的投資信心，最后甚至可能阻礙宏觀經(jīng)濟(jì)的平穩(wěn)發(fā)展，因此股價(jià)崩盤得到了政府、業(yè)界與學(xué)術(shù)界的共同關(guān)注。因?yàn)榉ì數(shù)挠行袌?chǎng)理論無(wú)法合理解釋股價(jià)崩盤的現(xiàn)象，學(xué)者們建立了“信息隱藏說(shuō)”對(duì)股價(jià)崩盤的形成機(jī)制進(jìn)行了解釋。根據(jù)上述假說(shuō)，股價(jià)崩盤屬于公司信息不對(duì)稱的極端經(jīng)濟(jì)后果，分析師是資本市場(chǎng)的重要信息中介，對(duì)于此種情況會(huì)有何種反應(yīng)。分析師關(guān)注是一切分析師行為的邏輯起點(diǎn)，本文從該視角出發(fā)選取了2005-2016年滬深A(yù)股非金融類上市公司的交易與財(cái)務(wù)數(shù)據(jù)，運(yùn)用了OLS回歸、固定效應(yīng)模型、二階段最小二乘法及傾向得分匹配等方法研究了股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的作用。

研究結(jié)果表明，公司股價(jià)崩盤風(fēng)險(xiǎn)與未來(lái)分析師的關(guān)注水平顯著正相關(guān)，隨著公司的股價(jià)崩盤風(fēng)險(xiǎn)的提高，分析師關(guān)注水平顯著上升，但當(dāng)股價(jià)崩盤后這一相關(guān)性會(huì)減弱甚至消失。在進(jìn)行了包括內(nèi)生檢驗(yàn)在內(nèi)的多組穩(wěn)健性檢驗(yàn)后這一關(guān)系保持不變。進(jìn)一步的路徑分析表明，股價(jià)崩盤風(fēng)險(xiǎn)越高，股價(jià)高估水平越高，在公司信息不透明且受到各種條件限制下，投資者無(wú)法厘清股價(jià)的上漲是泡沫還是成長(zhǎng)性，因此對(duì)有關(guān)內(nèi)在價(jià)值信息的迫切需求會(huì)導(dǎo)致分析師關(guān)注的增加。最后截面分組表明，在投資者分歧度越大、投資者情緒越高漲、機(jī)構(gòu)投資者的持股比例越高時(shí)，股價(jià)崩盤風(fēng)險(xiǎn)對(duì)分析師關(guān)注的正向影響更顯著。

證券分析師是資本市場(chǎng)的一股重要外部治理力量，早在20世紀(jì)初，Jesen和Meckling在奠定代理理論的文獻(xiàn)中就曾前瞻性地指明，分析師將在監(jiān)督公司行為、提高公司信息透明度、改善公司治理中扮演重要角色。但現(xiàn)實(shí)生活中，分析師也曾因過(guò)分樂(lè)觀、盲目跟風(fēng)、經(jīng)常變臉等違反職業(yè)道德的行為被大眾詬病。名嘴抑或黑嘴需要政府和證券監(jiān)管部門監(jiān)督引導(dǎo)。本文的研究結(jié)論表明，股價(jià)崩盤風(fēng)險(xiǎn)高的公司的確會(huì)招致更多分析師的關(guān)注報(bào)道，這是充分發(fā)揮分析師職能的大前提，政府及證券監(jiān)管部門可以針對(duì)此結(jié)論制定獎(jiǎng)懲機(jī)制，積極引導(dǎo)分析師更加勤勉盡職地向投資者披露公司的真實(shí)情況，以便降低負(fù)面消息爆發(fā)對(duì)股市造成的沖擊與破壞，切實(shí)保護(hù)投資者權(quán)益。