軟信息不對(duì)稱與上市公司長期主動(dòng)停牌

郭思永 楊 魯 黃子育

一、引言

交易機(jī)制是證券市場微觀結(jié)構(gòu)理論的主要內(nèi)容(Demsetz,1968[1])，而停牌制度是世界各國資本市場廣泛運(yùn)用的交易機(jī)制，是解決公司“內(nèi)部人”與“外部人”之間信息不對(duì)稱，防止內(nèi)幕交易，保障全體股東之間的公平、公正交易權(quán)利的一項(xiàng)重要制度安排。不同于境外成熟證券市場上存在的時(shí)間很短(幾分鐘或數(shù)小時(shí))的警示性停牌，我國A股市場還長期存在上市公司停牌早、停牌多、停牌長的現(xiàn)象。根據(jù)Wind數(shù)據(jù)庫的統(tǒng)計(jì)，2007—2017年間，我國上市公司年均一個(gè)交易日以上的停牌次數(shù)多達(dá)4 000次，平均每次停牌時(shí)長約8個(gè)交易日。停牌問題也一度成為妨礙我國A股納入摩根士丹利資本國際指數(shù)(MSCI)的一個(gè)重要因素。

近來研究發(fā)現(xiàn)上市公司隨意停牌造成了投資者利益受損，且更容易在停牌過程中出現(xiàn)內(nèi)部人的私利行為(石陽等,2019[2])。但是，隨意停牌作為公司的內(nèi)生行為，僅僅是一種外在表象，其背后的停牌動(dòng)因可能更值得探究。并且，投資者作為理性個(gè)體，為何沒有識(shí)破上市公司長期隨意停牌的機(jī)會(huì)主義行為動(dòng)機(jī)或坐視利益受損，已有文獻(xiàn)亦沒有深入探討。信息不對(duì)稱因素一直是現(xiàn)有文獻(xiàn)用來解釋停牌現(xiàn)象的動(dòng)因，但是這些研究更多關(guān)注于停復(fù)牌之后的交易行為影響上，且得到了不一致的結(jié)論。部分研究發(fā)現(xiàn)停牌有利于投資者獲取交易前的更多信息，提升了交易決策的有效性，提高了股票的價(jià)格發(fā)現(xiàn)功能(Greenwald和Stein,1991[3];Kodres和Obrien,1993[4];Corwin和Lipson,2000[5];Chen等,2003[6])，并且較長時(shí)間停牌的信息傳播降低了不確定性，減少了停牌之后的波動(dòng)性和交易成本(Christie等,2002[7])。不過，停牌對(duì)股票交易行為造成不利影響的觀點(diǎn)和證據(jù)也同樣存在，如停牌損害了信息的連續(xù)釋放，會(huì)歪曲價(jià)格發(fā)現(xiàn)功能(Corwin和Lipson,2000[5])，對(duì)價(jià)格穩(wěn)定性和流動(dòng)性產(chǎn)生了不利影響(Subrahmanyam,1994[8];Lee等,1994[9];廖靜池等,2009[10];胡婷等,2017[11];Hautsch和Horvath,2019[12])。但是，這些研究均以投資者與公司之間的信息不對(duì)稱作為邏輯起點(diǎn)，卻對(duì)信息不對(duì)稱的產(chǎn)生原因或量化問題未深入探討，停牌與信息之間的關(guān)系在邏輯上存在跳躍，這也直接導(dǎo)致了上述研究結(jié)論的不一致。

上市公司的信息能夠被區(qū)分為“軟信息”和“硬信息”(Liberti和Petersen,2019[13])?！败浶畔ⅰ蓖恰翱谑鲂畔ⅰ保荒芡ㄟ^人與人之間面對(duì)面的交流來獲得，且在傳遞過程中，信息內(nèi)容更可能失真或漏損(Liberti和Petersen,2017[13];Loughran,2008[14])。我國地域遼闊，自然資源和環(huán)境各地迥異，交通運(yùn)輸基礎(chǔ)設(shè)施區(qū)域差異巨大，公司與投資者之間的地理距離制約了信息傳遞的效率，加劇了信息不對(duì)稱程度?，F(xiàn)代信息技術(shù)和網(wǎng)絡(luò)的快速發(fā)展，雖便利了信息內(nèi)容獨(dú)立于信息收集過程且易于量化的“硬信息”的存儲(chǔ)和傳輸，但是依賴面對(duì)面交流獲得的“軟信息”仍受地理區(qū)位因素的影響。我國始于2008年的高速鐵路網(wǎng)建設(shè)，極大壓縮了地理時(shí)空距離，便利了投資者、公司之間面對(duì)面“軟信息”的交流，降低了信息搜集成本，提升了信息質(zhì)量。這些均為我們解釋上市公司停牌與信息不對(duì)稱之間的問題提供了新的思路。故此，本文以公司地理位置作為衡量軟信息不對(duì)稱的變量，以高鐵開通這一外生沖擊作為切入點(diǎn)，考察了上市公司長期停牌的信息約束條件。研究發(fā)現(xiàn)，上市公司的長期停牌時(shí)長和次數(shù)與上市公司的地理位置顯著相關(guān)，當(dāng)公司地處大都市或臨近大都市時(shí)，停牌時(shí)長顯著更低，停牌次數(shù)顯著更少。同時(shí)采用雙重差分(DID)模型發(fā)現(xiàn)，高鐵開通之后帶來的高鐵效應(yīng)顯著減弱了由地理距離帶來的“軟信息”傳輸障礙。

本文的探索主要體現(xiàn)在如下：一是已有股票停復(fù)牌的研究主要關(guān)注于公司股票交易時(shí)觸發(fā)了交易所的停牌交易規(guī)則而引起的短期被動(dòng)停牌(Greenwald和Stein,1991[3];Kodres和Obrien,1993[4];Corwin和Lipson,2000[5];Chen等,2003[6];Subrahmanyam,1994[8];Lee等,1994[9];廖靜池等,2009[10];胡婷等,2017[11];Hautsch和Horvath,2019[12])，默認(rèn)停牌原因是公司“內(nèi)部人”與“外部人”之間存在信息不對(duì)稱，而信息不對(duì)稱產(chǎn)生的原因并未進(jìn)行探究。而本文聚焦于公司長期主動(dòng)停牌，并從停牌時(shí)長和停牌次數(shù)兩個(gè)維度探究了上市公司的長期停牌動(dòng)因，增補(bǔ)了停復(fù)牌問題的研究。二是拓展了“軟信息”對(duì)企業(yè)行為影響的研究。本文采用上市公司的地理位置作為軟信息不對(duì)稱衡量指標(biāo)，并以高鐵開通驗(yàn)證“軟信息”約束放松對(duì)公司長期停牌行為的影響，這不僅很好地緩解了內(nèi)生性問題，還為上市公司主動(dòng)停牌行為的解釋，以及政府監(jiān)管部門依地理稟賦差異的國情維護(hù)投資者交易權(quán)利并兼顧交易效率，提供了理論支撐和經(jīng)驗(yàn)證據(jù)。

二、理論分析與研究假說

我國境內(nèi)上市公司的停牌制度由交易所制定并監(jiān)管。自1998年開始建立停牌制度，經(jīng)過2000年和2001年對(duì)停牌事項(xiàng)的調(diào)整和補(bǔ)充后，上海證券交易所和深圳證券交易所(以下簡稱“上交所”“深交所”)為了適應(yīng)信息傳播速度加快的現(xiàn)狀并且增強(qiáng)交易的連續(xù)性，于2002年4月把停牌的最短期限從半天改為1小時(shí)。2004年和2006年，停牌制度又隨著上市規(guī)則的改變調(diào)整了停牌事項(xiàng)涵蓋的內(nèi)容，但沒有改變停牌的最短期限。2012年上交所和深交所又取消了異常波動(dòng)停牌制度。然而，我國與國際成熟市場下的停牌制度存在很大差異，境外市場多是警示性停牌，往往是上市公司股票交易時(shí)觸發(fā)了交易所設(shè)定的停牌交易規(guī)則而引致的短期被動(dòng)停牌，停牌時(shí)長往往只有幾分鐘或數(shù)小時(shí)；而我國還存在大量的例行停牌，如上市公司因重大事由而提出的長期停牌，且停牌時(shí)點(diǎn)、時(shí)長或次數(shù)均由公司管理層或控股股東決定，其停牌時(shí)長往往長于一個(gè)交易日乃至數(shù)月。2015年6、7月份股市急速下跌，市場和投資者反映較為集中的停牌早、停牌多和停牌長的問題日顯突出。據(jù)此，2016年5月，上交所及深交所分別出臺(tái)了《上市公司籌劃重大事項(xiàng)停復(fù)牌業(yè)務(wù)指引》等一系列有關(guān)停復(fù)牌的業(yè)務(wù)指引和備忘錄，以期減少停牌事由、縮短停牌時(shí)間。但是，我國股市散戶眾多、投資者成熟度不高，公司與外部投資者之間信息不對(duì)稱程度很高，市場上的價(jià)格操縱行為還比較嚴(yán)重。這種信息不對(duì)稱，不僅在于公司“內(nèi)部人”比“外部人”具有天然的信息優(yōu)勢，還因?yàn)槲覈鶈T遼闊，自然資源和地質(zhì)環(huán)境各地區(qū)差異巨大，交通基礎(chǔ)設(shè)施薄弱一直是某些偏遠(yuǎn)地區(qū)經(jīng)濟(jì)發(fā)展的最大瓶頸，地理區(qū)位因素造成了區(qū)域經(jīng)濟(jì)發(fā)展的不平衡(劉生龍和胡鞍鋼,2011[15])，而且相比于政策因素具有更久的延遲效應(yīng)(Demurger等,2002[16])，這無疑制約了外部投資者與公司“內(nèi)部人”之間信息溝通的廣度和深度。具體分析如下：

首先，地理距離限制了上市公司重大事件中“軟信息”的有效傳播。Liberti和Petersen(2019)[13]將上市公司的信息劃分為“軟信息”和“硬信息”。“硬信息”是能夠量化，內(nèi)容具有客觀性，且信息內(nèi)容的認(rèn)知和解讀不會(huì)因人而異的一種可以標(biāo)準(zhǔn)化的信息。而“軟信息”往往以語言文字表述，難以數(shù)字化，往往只能通過面對(duì)面的口口相傳，且信息內(nèi)容在傳遞過程中更可能失真或漏損(Liberti和Petersen,2019[13];Loughran,2008[14])。現(xiàn)代信息技術(shù)和網(wǎng)絡(luò)的進(jìn)步雖然使“硬信息”的空間傳遞成本縮減接近于零，但是，“軟信息”傳輸?shù)淖枇团c之相伴的“軟信息不對(duì)稱”并不會(huì)消失。因此，當(dāng)上市公司注冊地與投資者處于同一地區(qū)或臨近時(shí)，投資者就有更多的機(jī)會(huì)通過與當(dāng)?shù)毓镜慕?jīng)理人、員工、客戶或供應(yīng)商等進(jìn)行面對(duì)面的溝通，或者通過日常接觸本地公司和本地的新聞報(bào)導(dǎo)來了解該公司或加強(qiáng)對(duì)公司的監(jiān)督(Coval和Moskowitz,2001[17];Gaspar和Massa,2007[18];王菊仙等,2016[19])，這非常有利于投資者對(duì)公司重大事項(xiàng)信息的獲取。

其次，“本地偏愛”加劇了投資者與偏遠(yuǎn)地區(qū)上市公司在重大事項(xiàng)之間的信息不對(duì)稱。投資者存在非均衡地理分布特征，大都市聚集了更多的機(jī)構(gòu)投資者和活躍的個(gè)人投資者(Loughran和Schultz,2006[20])。我國投資者在以北京、上海和深圳為中心的長三角、珠三角和環(huán)渤海地區(qū)的集中度超過70%(劉江會(huì)和朱敏,2015[21])。根據(jù)《中國證券登記結(jié)算統(tǒng)計(jì)年鑒2016》發(fā)布的“年末A股賬戶開戶代理機(jī)構(gòu)地區(qū)分布”資料，投資者開戶數(shù)和證券營業(yè)部集聚在北京、上海、廣州或深圳(以下簡稱“北上廣深”)這些中心大都市，這些城市的賬戶開戶代理機(jī)構(gòu)占比為52.15%。并且，這些投資者偏愛投資于地理臨近公司的股票，這種“本地偏愛”(local bias)(Coval和Moskowitz,1999[22])克服了“軟信息”傳輸和交流障礙，直接降低了投資者與地理臨近的上市公司之間的信息不對(duì)稱，也使投資者賺取了可觀的超?；貓?bào)(Coval和Moskowitz,2001[17];Baik等,2010[23];宋玉等,2012[24])。因此，地處大都市的投資者對(duì)地理臨近公司的重大事項(xiàng)了解得更多，知道得更早；這些地處大都市的上市公司也就無需或少需通過停牌來提升投資者的價(jià)格預(yù)測和緩解投資者與公司之間的軟信息不對(duì)稱。而位于偏遠(yuǎn)地區(qū)的上市公司，由于“軟信息”傳輸帶來的障礙，為了使主要處于大都市的機(jī)構(gòu)投資者或個(gè)人活躍投資者知曉公司信息，就需要停牌或停牌時(shí)間更長。

再次，分析師對(duì)偏遠(yuǎn)地區(qū)的公司信息解讀更少，預(yù)測精度更低，致使軟信息不對(duì)稱程度在上市公司與外部投資者之間更高。分析師作為資本市場的重要信息中介，能夠利用其專有知識(shí)和信息搜集加工的相對(duì)優(yōu)勢，向資本市場提供公司的經(jīng)營或投資等信息。然而，分析師主要位于金融發(fā)展水平更高的城市金融中心(Loughran和Schultz,2006[20];Malloy,2005[25])。分析師與公司之間的地理臨近會(huì)增加盈利預(yù)測準(zhǔn)確性(Malloy,2005[25])，國內(nèi)學(xué)者也研究發(fā)現(xiàn)分析師與上市公司注冊地的地理距離越近，分析師更新盈余預(yù)測的頻率越高，預(yù)測準(zhǔn)確度越高(王菊仙等,2016[19])。因此，地處大都市的分析師會(huì)更偏愛地理臨近的本地上市公司。而偏遠(yuǎn)城市的公司由于被較少的分析師追隨(Loughran和Schultz,2005[26])，公司信息被解讀的就會(huì)較少，預(yù)測準(zhǔn)確度也更低，導(dǎo)致了投資者與公司之間更大的信息不對(duì)稱。而停牌有助于減少信息的不對(duì)稱性，使投資者在重要信息出現(xiàn)時(shí)，能夠有充足的時(shí)間重新評(píng)估資產(chǎn)價(jià)格，進(jìn)而增加市場的透明度，防止內(nèi)幕交易，以利于保護(hù)投資者利益。故而，同樣事件，地處偏遠(yuǎn)城市的上市公司，就需要停牌或更長時(shí)間停牌才能讓外部投資者知悉。

綜上，我們得出研究假說1：

H1：地處大都市的上市公司的停牌時(shí)長和次數(shù)要顯著低于地處非大都市的上市公司。

自2008年我國第一條高速鐵路京津城際建成通車，目前我國已建成世界上最大規(guī)模的高速鐵路網(wǎng)，截至2017年12月總里程達(dá)2.5萬公里，有29個(gè)省級(jí)行政區(qū)及香港特別行政區(qū)開通高鐵。高鐵使人們的生活和工作方式發(fā)生了重大變化，使相鄰省份成為一日生活圈，促進(jìn)了沿路地區(qū)的經(jīng)濟(jì)發(fā)展(張俊,2017[27])，擴(kuò)展了風(fēng)險(xiǎn)投資中心城市的投資輻射范圍(龍玉等,2017[28])，使中國邁向“高鐵社會(huì)”。高鐵的開通壓縮了中心城市與沿線中小城市之間的時(shí)空距離，大大降低了由時(shí)空距離引起的軟信息不對(duì)稱，降低了上市公司因重大事件所帶來的長期停牌概率。

與高速公路相比，高鐵具有絕對(duì)速度優(yōu)勢，更大壓縮了中心城市與中小城市間的時(shí)空距離，并且高鐵只運(yùn)載“人”，而人是傳遞“軟信息”最有效媒介，人與人當(dāng)面接觸在傳遞信息方面更為有效。與航空的點(diǎn)對(duì)點(diǎn)運(yùn)輸相比，高鐵是線狀運(yùn)輸，這極大增加了網(wǎng)絡(luò)密度，拉近了高鐵沿線縣域城市與中心城市的距離(張俊,2017[27])；同時(shí)，高鐵運(yùn)載量高，時(shí)間密度大，且很少會(huì)受天氣等自然環(huán)境的影響，這又減少了公司與投資者之間面對(duì)面交流上的時(shí)間不確定性?？梢?，企業(yè)與投資者群體之間，通過具有“同城化”效應(yīng)的高鐵網(wǎng)絡(luò)構(gòu)筑的城市圈和經(jīng)濟(jì)帶，更加緊密地聯(lián)系在一起(黃張凱等,2016[29])。以公司停牌事由中的重大資產(chǎn)重組為例，高鐵開通一方面有利于公司向外界傳遞信息，提高了分析師盈余預(yù)測的精準(zhǔn)度(楊青等,2019[30])和公司會(huì)計(jì)穩(wěn)健性(吳克平等，2019[31])，有效緩解了高鐵開通地區(qū)的上市公司的資產(chǎn)誤定價(jià)現(xiàn)象(趙玲和黃昊,2019[32])，另一方面提高了投資者、重組方、券商等對(duì)公司實(shí)地考察的便利性，便于重組雙方獲得更多的“軟信息”(Loughran,2008[14];Petersen和Rajan,2002[33])，提高了重組磋商效率，明確了投資者預(yù)期，提升了上市公司停牌運(yùn)用的質(zhì)量，也可以有效避免上市公司濫用停牌制度。同時(shí)，高鐵的開通也便利了投資者或監(jiān)管部門對(duì)公司的監(jiān)督，使公司不能或不敢以重大事件為借口隨意長期停牌。

為此，本文提出研究假說2：

H2：高鐵通車之后，高鐵開通城市的長期停牌時(shí)長或次數(shù)的減少要顯著高于其他城市。

三、研究設(shè)計(jì)

(一)樣本選取與數(shù)據(jù)來源

本文上市公司交易停復(fù)牌數(shù)據(jù)、公司的財(cái)務(wù)指標(biāo)、股權(quán)結(jié)構(gòu)情況、終極控制人等資料均來自CSMAR研究數(shù)據(jù)庫，同時(shí)根據(jù)上市公司公布的停復(fù)牌等相關(guān)公告補(bǔ)充收集并驗(yàn)證了數(shù)據(jù)資料。由于上交所和深交所于2002年4月對(duì)停復(fù)牌制度進(jìn)行了改革，把停牌的最短期限從半天改為1小時(shí)，之后于2004年和2006年又隨著上市規(guī)則的改變進(jìn)行了調(diào)整，同時(shí)考慮到2005年和2006年股權(quán)分置改革的影響，我們選取2007—2016年的所有上市公司作為研究對(duì)象。由于金融類公司資本結(jié)構(gòu)、業(yè)務(wù)經(jīng)營和會(huì)計(jì)處理的特殊性，我們剔除了金融類上市公司，同時(shí)剔除了B股公司和數(shù)據(jù)缺失樣本，最終得到有效樣本19 892個(gè)。為了避免極端值對(duì)實(shí)證分析結(jié)果的影響，我們對(duì)連續(xù)變量在1%和99%水平上進(jìn)行縮尾處理。

(二)變量設(shè)定

1.被解釋變量。

停牌變量，我們通過上市公司的年停牌時(shí)長和年停牌次數(shù)來定義。由于我們只研究公司重大事件的主動(dòng)性停牌，考慮到警示性停牌的影響，我們只選取了每次停牌時(shí)間在一個(gè)交易日(也就是4小時(shí))以上的樣本進(jìn)行停牌分析。由于停牌時(shí)長總是大于0，考慮到經(jīng)典線性模型(CLM)的多元回歸假設(shè)要求，對(duì)停牌時(shí)長(Halttime)變量我們?nèi)≡摴疽荒甑睦塾?jì)停牌時(shí)長的自然對(duì)數(shù)。停牌次數(shù)(Haltfre)是該上市公司一年的累計(jì)停牌次數(shù)。

2.解釋變量。

地理位置作為主要解釋變量，用以衡量公司的軟信息不對(duì)稱。公司總部通常位于業(yè)務(wù)核心區(qū)域，是供應(yīng)商、經(jīng)銷商或投資者與公司之間交流和溝通的中心(Davis和Henderson,2008[34])，公司總部的地理位置會(huì)對(duì)公司回報(bào)產(chǎn)生重要影響(Pirinsky和Wang,2006[35])，因此，參考現(xiàn)有研究(如Pirinsky和Wang(2006)[35]、Loughran(2008)[14]和El Ghoul等(2013)[36]等)，本文以公司總部的注冊地為基準(zhǔn)，通過以下三種方式進(jìn)行量化。其一是Metro虛擬變量。如果公司的注冊地址位于北上廣深這四大城市，則定義Metro為1，否則為0。作為一線城市的北上廣深，在中國大陸城市中的綜合實(shí)力和競爭力處于絕對(duì)領(lǐng)先地位，它們擁有雄厚的經(jīng)濟(jì)基礎(chǔ)，可觀的政治資源和極為便利的交通。其二是上市公司注冊地到北上廣深的距離(Distance)。距離越小，交通會(huì)更為便利，軟信息不對(duì)稱程度更低。具體計(jì)算過程參照El Ghoul等(2013)[36]等的研究，采用Google地球搜索上市公司注冊地的經(jīng)緯度，然后按照經(jīng)緯度計(jì)算北上廣深這四大城市分別至該公司注冊地之間距離的自然對(duì)數(shù)，再取其最小者。其三是AirDistance變量。根據(jù)中國民航數(shù)據(jù)總局統(tǒng)計(jì)，按近幾年中國大陸地區(qū)機(jī)場的旅客吞吐量數(shù)據(jù)統(tǒng)計(jì)排名，我們以前十大機(jī)場所在的城市(北京、上海(浦東和虹橋機(jī)場)、廣州、深圳、成都、杭州、西安、昆明、重慶)為航空中心，定義AirDistance為上市公司注冊地到航空中心的最短距離的自然對(duì)數(shù)，距離越小，交通越便利，軟信息不對(duì)稱程度越低。

3.控制變量。

由于我們主要研究由地理位置帶來的信息不對(duì)稱影響，為了避免其他信息不對(duì)稱因素的干擾，我們采用了常用的信息不對(duì)稱變量——公司的賬面市價(jià)比(B/M)進(jìn)行控制。公司上一期末的賬面市價(jià)比越小，說明公司的市場價(jià)值越大，公司資產(chǎn)中的無形資產(chǎn)越多，信息不對(duì)稱越高，公司的停牌時(shí)長和次數(shù)越多，因此，我們預(yù)測符號(hào)為負(fù)。公司上一期末的資產(chǎn)報(bào)酬率(ROA)越低，操控停牌的動(dòng)機(jī)越強(qiáng)，預(yù)測符號(hào)為負(fù)。已有研究發(fā)現(xiàn)股權(quán)集中度與公司實(shí)施停牌的可能性呈顯著負(fù)相關(guān)關(guān)系(孫建飛,2017[37])，因此我們控制了上一期末大股東持股比例(Largeshare)并預(yù)測符號(hào)為負(fù)。根據(jù)公司終極控制人的產(chǎn)權(quán)性質(zhì)定義了民營企業(yè)啞變量(Private)。同時(shí)，公司資產(chǎn)規(guī)模(Size)和負(fù)債比例(Lev)，也可能會(huì)影響到上市公司的停牌?？紤]到我國停牌制度一直在發(fā)展完善，為了消除年份固定效應(yīng)的影響，我們還控制了年度啞變量(Year)。

(三)模型設(shè)計(jì)

模型(1)用來檢驗(yàn)公司地理位置對(duì)上市公司停牌時(shí)長和停牌次數(shù)的影響，依假說1，預(yù)測Metro變量的回歸系數(shù)α1為負(fù)，即注冊在大都市的上市公司，停牌時(shí)長更短，停牌次數(shù)更少。同時(shí)，我們還以距離大都市的最短物理距離(Distance)或距離全國十大機(jī)場的最短物理距離(AirDistance)在穩(wěn)健分析中進(jìn)行了回歸分析。由于部分樣本公司在樣本期間注冊地發(fā)生遷址，當(dāng)被解釋變量為上市公司的停牌時(shí)長時(shí)，我們可以采用面板數(shù)據(jù)的固定效應(yīng)模型。當(dāng)被解釋變量為上市公司停牌次數(shù)時(shí)，由于被解釋變量為非負(fù)整數(shù)，我們采用面板數(shù)據(jù)的泊松回歸。我們參照已有研究(龍玉等,2017[28])構(gòu)建雙重差分(DID)模型(2)，以2007—2016年期間開通高鐵的城市作為處理組，未開通高鐵城市作為控制組，以捕獲“高鐵開通”這一準(zhǔn)自然實(shí)驗(yàn)事件對(duì)公司長期停牌的影響，進(jìn)行因果推斷。為了確保外生性，我們參照龍玉等(2017)[28]的研究，剔除了北京、上海、天津和重慶這些直轄市以及各省省會(huì)城市，因?yàn)檫@些城市的重要性會(huì)影響高鐵網(wǎng)絡(luò)的規(guī)劃本身。關(guān)鍵解釋變量是模型(2)中“是否開通高鐵”(HSR)與“通車前后”(After)兩個(gè)指示變量的交乘項(xiàng)，我們預(yù)測符號(hào)為負(fù)。

Halttimet/Haltfret=α0+α1Metrot/Distancet/AirDistancet

+α2Largesharet-1+α3B/Mt-1

+α4ROAt-1+α5Privatet-1+α6Sizet-1

+α7Levt-1+α∑Year+γt+εt

(1)

Halttimet/Haltfret=α0+α1HSRt+α2Aftert+α3HSRt

×Aftert+α4Largesharet-1

+α5B/Mt-1+α6ROAt-1

+α7Privatet-1+α8Sizet-1+α9Levt-1

+α∑Year+γt+εt

(2)

四、實(shí)證結(jié)果與分析

(一)描述性統(tǒng)計(jì)分析

表1是停牌次數(shù)的分年度統(tǒng)計(jì)，可以看出，整年沒有長期停牌過的上市公司從2007年的1家升至2016年的1 322家，整年只有1次停牌的從2007年的160家升至2016年的800家；整年停牌次數(shù)3～5次的公司數(shù)目則呈逐年下降趨勢；停牌次數(shù)大于5小于等于10次的公司從2007年的263家降為2016年的8家，下降非常明顯；當(dāng)停牌次數(shù)大于10次時(shí)，得到類似結(jié)果。由此可見，上市公司的長期停牌次數(shù)從2007年至2016年呈逐年下降趨勢，更多的公司全年沒有停牌過。圖1是停牌時(shí)長的分年統(tǒng)計(jì)，可以看出各年長期停牌時(shí)長差異較大，其中2007年上市公司停牌總時(shí)長為142 214小時(shí)，停牌次數(shù)最多，達(dá)5 623次，平均每次停牌時(shí)長達(dá)25.29小時(shí)，相當(dāng)于6個(gè)多交易日。之后幾年停牌總時(shí)長、停牌次數(shù)和平均每次停牌時(shí)長逐步下降。但到了2014、2015和2016年，停牌時(shí)長均大幅提高，2015年達(dá)到了354 526小時(shí)，平均每次停牌時(shí)長達(dá)到了97.64小時(shí)，接近25個(gè)交易日，這主要是2015年我國發(fā)生嚴(yán)重的股災(zāi)，長期停牌成了上市公司避難和大股東自救以維護(hù)控股地位的方式(李?yuàn)檴?2016[38])。之后2016年上市公司的停牌總時(shí)長依然維持高位，但是單次停牌的時(shí)長則達(dá)到了樣本期間的最高點(diǎn)115小時(shí)。由上可知，雖然我國上市公司的長期停牌次數(shù)呈逐年降低之勢，但是停牌的總時(shí)長和單次停牌的時(shí)長卻逐年增加，近幾年特別突出。

表1 停牌次數(shù)的分年統(tǒng)計(jì)

圖1 停牌時(shí)長的分年統(tǒng)計(jì)

表2提供了樣本的描述性統(tǒng)計(jì)。首先，上市公司的年停牌時(shí)長(Halttime)的均值為2.566，說明全部樣本的停牌時(shí)長約為13小時(shí)，時(shí)間比較長。上市公司的年停牌次數(shù)(Haltfre)的均值為2.12，表明大多數(shù)公司一年平均停牌2次左右，最大值達(dá)到了36次。這均表明我國上市公司長期停牌在市場交易過程中是一個(gè)非常普遍的現(xiàn)象。大都市變量(Metro)均值為0.257，表明注冊地在北上廣深這四大城市的上市公司約占總樣本的1/4，集聚性非常明顯。Distance變量均值為4.333(換算為約76km)，中位數(shù)為5.644(283km)，最大值為7.788(2 411km)，可見我國幅員遼闊，上市公司注冊地距離北上廣深這四大中心城市的最短距離差異非常大。上市公司注冊地距離主要航空中心的最短距離的自然對(duì)數(shù)(AirDistance)也具有類似特征。停牌之前大股東的持股比例(Largeshare)的均值為36.10%，股權(quán)集中度比較高，大股東對(duì)上市公司的控制力比較強(qiáng)。

表2 描述性統(tǒng)計(jì)

(二)相關(guān)性檢驗(yàn)

表3報(bào)告了變量之間的Pearson相關(guān)系數(shù)，我們發(fā)現(xiàn)上市公司停牌時(shí)長(Halttime)和停牌次數(shù)(Haltfre)的相關(guān)系數(shù)為0.528，高度相關(guān)且在1%的統(tǒng)計(jì)水平上顯著。上市公司停牌時(shí)長(Halttime)和停牌次數(shù)(Haltfre)與描述上市公司注冊地在北上廣深這四大都市的變量(Metro)均在1%的水平上顯著負(fù)相關(guān)，說明上市公司的注冊地如果在大都市，則上市公司的停牌時(shí)長和停牌次數(shù)均會(huì)較低，這初步驗(yàn)證了本文的研究假說1。表征距離北上廣深四大都市的地理距離的變量(Distance)和距離航空中心最短距離的變量(AirDistance)與上市公司的停牌時(shí)長和停牌次數(shù)均在1%的統(tǒng)計(jì)水平上顯著正相關(guān)，說明距離大都市或航空中心的地理距離越近，上市公司停牌的時(shí)長越短、次數(shù)越少，這也與我們的研究假說1一致。上市公司的賬面市價(jià)比(B/M)與公司停牌的時(shí)長和次數(shù)在1%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，表明公司的信息不對(duì)稱程度越高，公司的停牌時(shí)長和次數(shù)越大。上市公司的資產(chǎn)報(bào)酬率(ROA)與公司停牌的時(shí)長和次數(shù)在1%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，說明公司的經(jīng)營業(yè)績越差，公司的停牌時(shí)長和次數(shù)越大。公司的規(guī)模(Size)與公司停牌的時(shí)長和次數(shù)顯著負(fù)相關(guān)，公司的負(fù)債(Lev)與公司停牌的時(shí)長和次數(shù)顯著正相關(guān)，這表明公司規(guī)模越大，債務(wù)比例越低，公司的停牌時(shí)長越短，次數(shù)越少。

表3 變量之間的Pearson相關(guān)性分析

(三)回歸分析結(jié)果

當(dāng)被解釋變量為上市公司停牌時(shí)長時(shí)，我們采用面板數(shù)據(jù)的固定效應(yīng)模型進(jìn)行回歸，并使用穩(wěn)健標(biāo)準(zhǔn)誤以控制異方差影響。表4模型(1)中大都市的變量(Metro)在5%的水平上顯著為負(fù)，說明上市公司的注冊地在北上廣深時(shí)，上市公司的停牌時(shí)長相比于其他地區(qū)更低，支持了我們的研究假說1。模型(2)或模型(3)中主要解釋變量Distance或AirDistance也在5%的統(tǒng)計(jì)水平上顯著正相關(guān)，表明上市公司注冊地距離大都市或航空中心的距離越遠(yuǎn)，上市公司的停牌時(shí)長越長。模型(1)～模型(3)中停牌之前大股東的持股比例(Largeshare)在1%的水平上顯著為負(fù)，表明大股東持股比例越高，公司的停牌時(shí)長越短，與已有研究一致(孫建飛,2017[37])。上市公司的賬面市價(jià)比(B/M)與公司停牌的時(shí)長在1%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，表明公司的信息不對(duì)稱程度越高，公司的停牌時(shí)長越長。上市公司的資產(chǎn)報(bào)酬率(ROA)與公司停牌的時(shí)長在1%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，說明公司的經(jīng)營業(yè)績越差，公司的停牌時(shí)長越長。公司的規(guī)模(Size)與公司停牌的時(shí)長顯著負(fù)相關(guān)，公司的負(fù)債(Lev)與公司停牌的時(shí)長顯著正相關(guān)，表明公司規(guī)模越小，債務(wù)比例越高，公司的停牌時(shí)長越長。

表4的模型(4)～模型(6)是當(dāng)被解釋變量為上市公司停牌次數(shù)時(shí)的面板泊松回歸結(jié)果。我們發(fā)現(xiàn)當(dāng)公司處于大都市(模型(4))、或者距離大都市距離較近(模型(5))或者距離我國的航空中心較近(模型(6))時(shí)，上市公司的停牌次數(shù)在5%或1%的水平上顯著更低，支持了我們的研究假說1。需要說明的是，由于面板數(shù)據(jù)的泊松回歸采用最大似然估計(jì)，當(dāng)因變量為0時(shí)，個(gè)體觀測值對(duì)于條件似然函數(shù)的貢獻(xiàn)為0，因此，當(dāng)某一個(gè)體組因變量為0時(shí)，在估計(jì)固定效應(yīng)泊松回歸時(shí)將被去掉，表4的模型(4)～模型(6)中因此刪掉81個(gè)觀測值。同時(shí)，由于最大似然估計(jì)為組內(nèi)回歸，因此，只有一個(gè)觀測值的組也會(huì)被刪掉，這樣又刪掉了226個(gè)觀測值，最終樣本數(shù)為19 585。

表4 公司地理位置影響上市公司停牌的回歸結(jié)果

表5是高鐵通車對(duì)上市公司停牌影響的雙重差分分析。為最大程度上保證高鐵通車這一沖擊的外生性，我們參照龍玉等(2017)[28]的研究，剔除了北上廣深以及直轄市和省會(huì)城市；又由于2015年股災(zāi)之年，大量上市公司為了避難而進(jìn)行躲跌式停牌，公司在交易行為方面可能異于其他年份，故而我們也剔除2015年的樣本。模型(1)是高鐵通車對(duì)公司長期停牌時(shí)長的影響，我們發(fā)現(xiàn)高鐵開通城市與高鐵通車時(shí)間點(diǎn)的交乘項(xiàng)(HSR×After)在1%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，表明這些城市開通高鐵后，公司的停牌時(shí)長明顯變短。模型(3)是高鐵通車對(duì)公司長期停牌次數(shù)的影響，交乘項(xiàng)(HSR×After)也在5%的統(tǒng)計(jì)水平上顯著負(fù)相關(guān)，意味著高鐵通車后，降低了這些城市中上市公司的停牌次數(shù)，驗(yàn)證了我們的研究假說2。模型(2)和模型(4)是我們控制年度固定效應(yīng)后的回歸，結(jié)果依然顯著。

表5 高鐵效應(yīng)對(duì)上市公司停牌影響的回歸結(jié)果

五、進(jìn)一步深入分析及穩(wěn)健性檢驗(yàn)

(一)產(chǎn)權(quán)性質(zhì)的調(diào)節(jié)作用分析

長期以來，國有經(jīng)濟(jì)在我國國民經(jīng)濟(jì)中占據(jù)主導(dǎo)地位，政府控股的企業(yè)普遍承擔(dān)著戰(zhàn)略性和社會(huì)性的政策負(fù)擔(dān)(林毅夫和李志赟,2004[39])，某種程度上，國有企業(yè)就是政府的延伸(盧闖等,2013[40])。高度的政府信用可以強(qiáng)化投資者的信心，降低企業(yè)經(jīng)營的不確定性(方紅星等,2013[41])，政府提供的這種隱形擔(dān)保使公司不必因重大事件而通過停牌來穩(wěn)定投資者對(duì)公司股價(jià)的預(yù)期，因此上市公司注冊地的地理位置差異對(duì)國有企業(yè)停牌的影響有限。同時(shí)，民營上市公司主要受到證監(jiān)會(huì)的監(jiān)管，而國有上市公司還受到國資委、財(cái)政部等部門的監(jiān)管。以股權(quán)激勵(lì)為例，國有上市公司在審批、激勵(lì)收益限制和考核指標(biāo)規(guī)定方面均受到除證監(jiān)會(huì)之外國資委、財(cái)政部等部門的制度約束(邵帥等,2014[42])，因此在制度合規(guī)性方面會(huì)勝于民營企業(yè)，采用“躲跌式”長期停牌的可能性較小，且不會(huì)因注冊地地理位置而產(chǎn)生顯著差異。為此，我們認(rèn)為地處大都市的民營性質(zhì)的上市公司的停牌時(shí)長或次數(shù)要低于地處非大都市的民營上市公司，而國有企業(yè)差異性較弱。

表6是因產(chǎn)權(quán)性質(zhì)差異對(duì)公司地理位置影響上市公司停牌的分析?？梢钥闯?，當(dāng)公司的終極控制人是民營企業(yè)時(shí)，模型(1)中大都市的變量(Metro)在1%的水平上顯著為負(fù)，而模型(2)中大都市的變量系數(shù)絕對(duì)值更小且不顯著，這說明民營公司的停牌時(shí)長受注冊地地理位置影響，當(dāng)注冊地在北上廣深時(shí)，相比于國有企業(yè)，上市公司的停牌時(shí)長更短。模型(3)與模型(4)、模型(5)與模型(6)分別是解釋變量Distance和AirDistance民營企業(yè)和國有企業(yè)對(duì)比的回歸結(jié)果，均得到了上述一致結(jié)論。表6模型(7)～模型(12)是被解釋變量為停牌次數(shù)時(shí)的回歸結(jié)果，可以看出，模型(11)中，民營企業(yè)的主要解釋變量(AirDistance)顯著為正，而模型(12)的系數(shù)并不顯著，這表明當(dāng)民營企業(yè)的公司總部注冊地距離航空中心的距離越遠(yuǎn)，停牌次數(shù)越多，與我們的預(yù)期相符。表6模型(7)～模型(10)中的主要解釋變量的系數(shù)方向雖然一致于上面的理論推演，但并不顯著。

表6 產(chǎn)權(quán)性質(zhì)不同對(duì)公司地理位置影響上市公司停牌的分析

(二)內(nèi)生性影響的穩(wěn)健分析

已有研究指出，以地理位置衡量信息不對(duì)稱一般不會(huì)帶來內(nèi)生性問題(El Ghoul等,2013[36])。但為了增強(qiáng)研究結(jié)論的可靠性，本文還是做了如下穩(wěn)健檢驗(yàn)。參照已有研究(Loughran和Schultz,2005[26];El Ghoul等,2013[36];John等,2011[43])，農(nóng)業(yè)類或公用事業(yè)部門經(jīng)營的公司位于反映其生產(chǎn)過程性質(zhì)的區(qū)域，這類公司的生產(chǎn)經(jīng)營依附于當(dāng)?shù)刈匀毁Y源，公司注冊地往往更不可能由公司的停復(fù)牌確定。我們以證監(jiān)會(huì)2012年行業(yè)分類為依據(jù)，選取農(nóng)業(yè)類和公用事業(yè)類公司為樣本進(jìn)行檢驗(yàn)，發(fā)現(xiàn)表7模型(1)～模型(3)中，當(dāng)以公司停牌時(shí)長為被解釋變量時(shí)，無論是以大都市(Metro)、公司注冊地距離大都市的距離(Distance)還是公司注冊地距離航空中心的距離(AirDistance)表征軟信息不對(duì)稱，結(jié)果依然顯著。

表7 農(nóng)業(yè)類和公用事業(yè)類公司中地理位置與公司停牌的回歸結(jié)果

(三)考慮平均停牌時(shí)長的穩(wěn)健分析

考慮到公司重大事項(xiàng)中分階段披露與間斷性停牌有利于公司信息披露，我們以年內(nèi)每次長期停牌的平均時(shí)長(Haltmean)作為被解釋變量進(jìn)行穩(wěn)健分析，其定義為公司年累計(jì)長期停牌總時(shí)長除以年累計(jì)停牌次數(shù)(Haltfre)之后，再取自然對(duì)數(shù)。表8中模型(1)～模型(3)是假說1的回歸結(jié)果，可以看出地理位置變量在統(tǒng)計(jì)上均顯著，且與預(yù)期一致，支持了我們的研究假說1。模型(4)～模型(5)是假說2的回歸分析，可以看出交乘項(xiàng)(HSR×After)顯著為負(fù)，表明高鐵開通后，由于壓縮了空間距離，公司的平均停牌時(shí)長顯著變短，支持了我們的研究假說2。

表8 平均停牌時(shí)長的穩(wěn)健回歸分析

同時(shí)，考慮到同樣公司重大事件越多，信息不對(duì)稱程度越高，公司選擇停牌的次數(shù)就會(huì)越多或時(shí)長越長。因此，為了克服重大事件影響的偏差，我們還計(jì)算了“重大事件的平均停牌時(shí)長”變量，即年停牌時(shí)長與重大事件次數(shù)的比率，并作為被解釋變量進(jìn)行回歸分析。針對(duì)假說1的分析，主要解釋變量依然顯著，有力支持了我們的研究假說；針對(duì)假說2的分析，交乘項(xiàng)不顯著，這可能是由于公司公告內(nèi)容的重要性存在差異，并且公司對(duì)是否需要公告的事件也存在認(rèn)知上主觀偏差的原因所致。囿于篇幅所限，我們沒有列出回歸結(jié)果。

(四)考慮股災(zāi)或產(chǎn)品市場競爭因素影響的穩(wěn)健分析

2015年6、7月間，我國股市崩盤似地下跌，數(shù)以千計(jì)的公司異常停牌以防止或逃脫股災(zāi)，在此背景下，停牌似乎已經(jīng)成了上市公司避難和大股東自救以維護(hù)控股地位的一劑良方(李?yuàn)檴?2016[38])，因此，2015年作為股災(zāi)之年，公司在交易行為方面可能異于其他年份，我們剔除2015年的樣本進(jìn)行了回歸分析，研究結(jié)果不變。

上市公司的外部產(chǎn)品市場競爭越激烈，不確定性對(duì)公司的影響會(huì)更大，而較長時(shí)間的停牌有利于降低信息傳播過程中的不確定性。因此，產(chǎn)品市場競爭程度越高，公司的停牌時(shí)長越長，停牌次數(shù)越多。同時(shí)，高鐵開通極大壓縮了中心城市與中小城市間的時(shí)空距離，增加了地區(qū)競爭，進(jìn)而增加了停牌時(shí)長和次數(shù)。為了排除此競爭性因素影響，我們參照已有研究，分別以赫芬達(dá)爾-赫希曼指數(shù)(HHI)、勒納指數(shù)(Lerner index)及行業(yè)內(nèi)上市公司數(shù)量等指標(biāo)衡量公司產(chǎn)品市場競爭程度并進(jìn)行了控制分析，主要研究結(jié)果不變。(1)囿于篇幅所限，沒有列出回歸結(jié)果，留存?zhèn)渌鳌?/p>

六、結(jié)論與啟示

以地理位置量化公司與外部投資者之間存在的軟信息不對(duì)稱，本文實(shí)證研究發(fā)現(xiàn)公司的長期停牌時(shí)長和次數(shù)與上市公司的地理位置顯著相關(guān)。當(dāng)上市公司注冊地位于或臨近大都市時(shí)，上市公司的停牌時(shí)長和次數(shù)均較少；當(dāng)公司注冊地遠(yuǎn)離航空中心時(shí)，上市公司的停牌時(shí)長和次數(shù)均較多。進(jìn)一步研究發(fā)現(xiàn)，高鐵開通之后帶來的高鐵效應(yīng)顯著減弱了由地理距離帶來的“軟信息”傳輸障礙。

基于研究結(jié)果，啟示如下。公司地理位置是上市公司停復(fù)牌的重要影響因素。對(duì)于地處偏遠(yuǎn)地區(qū)的上市公司來說，由于與投資者之間軟信息不對(duì)稱程度更高，這不但會(huì)影響投資人在投資之前的估值，而且會(huì)影響投資之后的監(jiān)督。因此，對(duì)上市公司而言，明確停牌事由、預(yù)告停牌期限，采用重大事項(xiàng)的分階段披露，有助于緩解市場和投資者反映較為集中的停牌早、停牌多、停牌長的問題。從政府角度來說，地理位置帶來的信息劣勢是天然固有的，這在公司的長期停牌中體現(xiàn)得非常明顯。而交通基礎(chǔ)設(shè)施建設(shè)對(duì)經(jīng)濟(jì)活動(dòng)具有正外部性，對(duì)經(jīng)濟(jì)發(fā)展具有“乘數(shù)效應(yīng)”，通過加快高鐵等基礎(chǔ)設(shè)施的建設(shè)，有利于打破“軟信息”傳輸?shù)谋趬尽＿@對(duì)于偏遠(yuǎn)地區(qū)上市公司減少長期停牌的時(shí)間和次數(shù)，破解停牌多、停牌長的現(xiàn)實(shí)問題，具有重要的現(xiàn)實(shí)意義。同時(shí)，這也意味著停復(fù)牌的主動(dòng)權(quán)應(yīng)該交給企業(yè)、交給市場，而不能在制度設(shè)計(jì)上搞“一刀切”，從制度層面逐步去除停牌附加功能，細(xì)化披露要求，增強(qiáng)停牌約束，并嚴(yán)厲打擊內(nèi)幕交易，是完善停復(fù)牌制度的方向。最后，需要指出的是，上市公司的地理位置如何影響公司股價(jià)波動(dòng)性或流動(dòng)性，高鐵開通如何作用于公司股價(jià)波動(dòng)性，是值得我們進(jìn)一步深入思考的問題，本文也為此類后續(xù)研究提供了思路。