股權(quán)集中度如何影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)？
——基于2007—2018年滬深A(yù)股上市公司的經(jīng)驗(yàn)證據(jù)

童 喆，歐紹華

(湖南工業(yè)大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 株洲 412007)

0 引言

維護(hù)金融穩(wěn)定是習(xí)近平新時(shí)代中國(guó)特色社會(huì)主義經(jīng)濟(jì)思想中的重要一環(huán).而股價(jià)崩盤(pán)會(huì)使股東資產(chǎn)嚴(yán)重縮水，瓦解資本市場(chǎng)應(yīng)有的性能，造成整個(gè)市場(chǎng)的震蕩[1]67.2015年中國(guó)A股市場(chǎng)遭遇了“千股跌?！钡木薮笪C(jī)，僅3周時(shí)間跌幅超過(guò)30%的A股有1 932只，占比82.6%，引發(fā)了投資者的恐慌.進(jìn)入2017年以來(lái)，頻頻出現(xiàn)個(gè)股極速崩盤(pán)，到2018年上證指數(shù)和深圳成指分別下跌24.59%和34.42%.股價(jià)崩盤(pán)的一個(gè)重要原因在于股東更偏好公示利好信息、隱藏壞信息，當(dāng)累積到難以隱藏時(shí)，股價(jià)就會(huì)崩盤(pán)[2].一方面，我國(guó)上市公司股權(quán)結(jié)構(gòu)高度集中，大股東因更有動(dòng)力進(jìn)行監(jiān)督降低股東與管理層的信息不對(duì)稱(chēng)成本；另一方面，一股獨(dú)大也促使大股東侵占中小股東的利益，利用信息不對(duì)稱(chēng)隱匿掏空行為和壞消息.而創(chuàng)新型企業(yè)擁有的新專(zhuān)利也存在認(rèn)知門(mén)檻，構(gòu)筑起公司和投資者之間的壁壘，增加了信息不對(duì)稱(chēng)的程度[3].大股東具備動(dòng)機(jī)和能力監(jiān)督經(jīng)理人，使其按股東利益行事，保證風(fēng)險(xiǎn)項(xiàng)目的執(zhí)行[4].在我國(guó)金融市場(chǎng)極易匯聚風(fēng)險(xiǎn)的背景下，研究股權(quán)集中度對(duì)股市的影響和研發(fā)投入在兩者間的中介作用，可以為金融市場(chǎng)制度建設(shè)提供一定的理論指導(dǎo).

以往研究股價(jià)崩盤(pán)風(fēng)險(xiǎn)多從企業(yè)外部治理機(jī)制、內(nèi)部管理者個(gè)人特征著手.筆者從股權(quán)結(jié)構(gòu)層面進(jìn)行研究，引入中介變量研發(fā)投入，進(jìn)一步補(bǔ)充各因素對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的綜合影響.此外，拓寬了研究的角度，在區(qū)分產(chǎn)權(quán)性質(zhì)后，研究了影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)的各種因素是否還存在顯著的作用效果.研究結(jié)論有助于企業(yè)調(diào)整股權(quán)結(jié)構(gòu)，減少金融市場(chǎng)上的投資風(fēng)險(xiǎn).

1 理論分析與研究假設(shè)

1.1 股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)

信息公告是引起股價(jià)波動(dòng)的主要原因之一.從委托代理角度看，管理者與股東沒(méi)有完全相同的利益目標(biāo)，大多數(shù)研究認(rèn)為公司高管出于各種利己動(dòng)機(jī)會(huì)進(jìn)行不良項(xiàng)目投資，并采取手段掩蓋其本質(zhì)，使股東無(wú)法察覺(jué)，在這一過(guò)程中管理者往往會(huì)選擇暫時(shí)隱藏公司的負(fù)面消息[5-6].企業(yè)信息越不透明，管理者隱瞞負(fù)面消息的難度越低.但是隨著時(shí)間流逝，負(fù)面消息會(huì)一直蓄積，最后被引爆，使得股價(jià)大幅下跌[7].從投資者角度來(lái)看，信息不透明也讓外部投資者無(wú)法了解企業(yè)真實(shí)內(nèi)情，進(jìn)而高估企業(yè)股價(jià).因此,提高信息透明度是降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)的一個(gè)重要途徑.提高信息披露質(zhì)量不僅能讓股東更好地了解企業(yè)，也可以持續(xù)強(qiáng)化投資者對(duì)企業(yè)的信任感，減少股價(jià)大幅波動(dòng)的可能.

股權(quán)集中度對(duì)公司治理及資本市場(chǎng)經(jīng)濟(jì)后果的影響是學(xué)術(shù)界的研究熱點(diǎn)，我國(guó)上市公司的股權(quán)相對(duì)集中，而股權(quán)集中度一定程度上可以緩解企業(yè)信息不透明.利益協(xié)同效應(yīng)指出，當(dāng)大股東和企業(yè)目標(biāo)一致時(shí)，若發(fā)現(xiàn)管理層欺上瞞下,會(huì)將其撤換.從監(jiān)督效應(yīng)來(lái)看，股權(quán)集中度可以使大股東更樂(lè)于加入企業(yè)的日常管理，從而減少內(nèi)部信息舞弊行為，緩解兩者之間的代理問(wèn)題，抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)[8].股權(quán)結(jié)構(gòu)也具有治理企業(yè)的內(nèi)在特性.王化成等提出“更少掏空效應(yīng)”和“更多掏空效應(yīng)”，發(fā)現(xiàn)大股東持股比例越高，越有動(dòng)力監(jiān)督企業(yè)日常運(yùn)行，減少掩飾信息的可能，從而降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)[9]45;譚松濤等指出大股東更追求投資的絕對(duì)回報(bào)，所以資產(chǎn)價(jià)值的短期波動(dòng)并不會(huì)影響大股東的繼續(xù)持股，這在一定程度上緩解了股價(jià)崩盤(pán)[10];卜華等認(rèn)為存在股權(quán)質(zhì)押行為的上市公司風(fēng)險(xiǎn)較高，更容易引發(fā)股價(jià)崩盤(pán)，但這種正相關(guān)關(guān)系隨著股權(quán)集中度的提高而得到緩解，這是由于大股東的監(jiān)督抑制了中小股東“搭便車(chē)”，同時(shí)大股東為了資產(chǎn)的保值和升值，也減少了對(duì)企業(yè)資源的攫取[11].總而言之，股權(quán)會(huì)影響到大股東的監(jiān)督動(dòng)力，股權(quán)集中可以減少管理者對(duì)公司利益的侵害，并提高信息的透明度，進(jìn)而降低股價(jià)崩盤(pán)風(fēng)險(xiǎn).基于此，提出假設(shè)：

H1 企業(yè)的股權(quán)集中度越高，將來(lái)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)越低.

1.2 股權(quán)集中度與研發(fā)投入

股權(quán)集中度是公司所有權(quán)結(jié)構(gòu)的核心.一方面，大股東出于道德風(fēng)險(xiǎn)和逆向選擇，可能去掠奪中小股東的利益，同時(shí)關(guān)聯(lián)交易也會(huì)更加頻繁，導(dǎo)致利益輸送行為發(fā)生，并最終弱化研發(fā)投入[12].另一方面，股權(quán)過(guò)于集中，會(huì)帶來(lái)相應(yīng)風(fēng)險(xiǎn)的集中，大股東要承擔(dān)較高的風(fēng)險(xiǎn)[13].出于風(fēng)險(xiǎn)規(guī)避心理,大股東承擔(dān)的企業(yè)特殊風(fēng)險(xiǎn)會(huì)隨著持股占比增加而增加，可能導(dǎo)致研發(fā)費(fèi)用縮減.股權(quán)集中度較低的公司，分散的所有權(quán)會(huì)提高管理者決策的靈活性，更愿意進(jìn)行研發(fā)投入并獲取專(zhuān)利，所以股權(quán)集中對(duì)研發(fā)投入存在不利影響[14].基于此，提出假設(shè)：

H2 企業(yè)的股權(quán)集中度越高，將來(lái)的研發(fā)投入越少.

1.3 研發(fā)投入的中介作用

出于風(fēng)險(xiǎn)規(guī)避心理，企業(yè)的股權(quán)越集中，研發(fā)費(fèi)用支出越少.而研發(fā)活動(dòng)較多的公司，盈余管理傾向較強(qiáng)[1]70，這是股價(jià)崩盤(pán)風(fēng)險(xiǎn)的一個(gè)危險(xiǎn)信號(hào).原因在于研發(fā)投入的經(jīng)濟(jì)后果具有較強(qiáng)的不確定性.一方面，不存在能獲取研發(fā)投入公允報(bào)價(jià)的交易市場(chǎng)[15]；另一方面，研發(fā)投入資本化的確認(rèn)很大程度上依賴(lài)于管理者的主觀決斷，而部分高管可能通過(guò)研發(fā)投入資本化進(jìn)行盈余管理以維護(hù)利益[16].這些都會(huì)加劇企業(yè)內(nèi)外信息的不對(duì)稱(chēng)，誘發(fā)股價(jià)崩盤(pán).也就是說(shuō)，股權(quán)集中度通過(guò)減少研發(fā)投入來(lái)降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)，研發(fā)投入成為中介變量.由于目前相關(guān)研究較少，不能確定是部分中介效應(yīng)還是完全中介效應(yīng)，由此提出假設(shè):

H3a 在其他條件不變的情況下，研發(fā)投入在股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間發(fā)揮部分中介作用.

H3b 在其他條件不變的情況下，研發(fā)投入在股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間發(fā)揮完全中介作用.

1.4 不同產(chǎn)權(quán)性質(zhì)下股權(quán)集中度對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響

產(chǎn)權(quán)性質(zhì)不同，大股東發(fā)揮自身功能的程度不一.國(guó)有企業(yè)管理層更在意自己的政治生涯，面對(duì)重大決策時(shí)，傾向于做出保守的選擇[17]，所以大股東的監(jiān)督作用會(huì)隨之減弱，即國(guó)有背景削減了股權(quán)集中度對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的抑制作用.非國(guó)有企業(yè)大股東的利益與企業(yè)利益一致，引起股價(jià)崩盤(pán)的可能性更低.大股東的意愿會(huì)影響企業(yè)研發(fā)投入的多少，國(guó)有企業(yè)的大股東只參與經(jīng)營(yíng)，不具有剩余收益的分配權(quán)，所以基本不存在通過(guò)減少研發(fā)投入來(lái)進(jìn)行利益輸送.因此，非國(guó)有企業(yè)的股權(quán)集中度可能會(huì)通過(guò)減少研發(fā)投入，進(jìn)而抑制股價(jià)崩盤(pán).據(jù)此，提出假設(shè)：

H4 相較于國(guó)有企業(yè)，股權(quán)結(jié)構(gòu)和研發(fā)投入在非國(guó)有企業(yè)中會(huì)對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)造成更顯著的影響.

2 研究設(shè)計(jì)

2.1 研究樣本與數(shù)據(jù)來(lái)源

從2006年開(kāi)始，證監(jiān)會(huì)提高了研發(fā)支出的披露要求，由于股價(jià)崩盤(pán)風(fēng)險(xiǎn)存在一定的滯后性，故選用2007—2018年滬深A(yù)股公司的年度觀察數(shù)據(jù)為樣本，按以下步驟進(jìn)行篩選:1)剔除金融類(lèi)、保險(xiǎn)類(lèi)企業(yè)樣本；2)剔除ST和*ST的企業(yè)樣本；3)剔除年交易周數(shù)不足30的企業(yè)樣本；4)剔除主要變量數(shù)據(jù)異常和缺失的樣本.最后得到10 448個(gè)樣本數(shù)據(jù)，均進(jìn)行上下1%的縮尾處理.所有數(shù)據(jù)來(lái)源于CSMAR數(shù)據(jù)庫(kù)，運(yùn)用Stata 13處理數(shù)據(jù).

2.2 變量定義

2.2.1 被解釋變量

借鑒Jeong-Bon Kim[18]和王化成[9]48等的研究，以負(fù)收益偏態(tài)系數(shù)(NCSKEW)和收益上下波動(dòng)比率(DUVOL)兩種方法測(cè)量股價(jià)崩盤(pán)風(fēng)險(xiǎn)，具體計(jì)算步驟如下.

首先，剔除市場(chǎng)因素影響，擴(kuò)展市場(chǎng)模型，計(jì)算出殘差值εi,t.

ri,t=αi+β1rm,t-2+β2rm,t-1+β3rm,t+
β4rm,t+1+β5rm,t+2+εi,t.

(1)

式中,ri,t為第t周公司i的收益率，rm,t為股票所在市場(chǎng)第t周流通市值加權(quán)平均收益率，rm,t-2、rm,t-1、rm,t+1和rm,t+2為前后兩期的市場(chǎng)加權(quán)平均收益率.由式(1)回歸得出殘差εi,t.

然后,用εi,t計(jì)算公司i的周收益ωi,t.

ωi,t=ln(1+εi,t).

(2)

最后,以ωi,t為基礎(chǔ)，計(jì)算NCSKEW和DUVOL，計(jì)算過(guò)程如下:

(3)

式中,n表示上市公司i在第t年交易的周數(shù).NCSKEW取值和股價(jià)崩盤(pán)風(fēng)險(xiǎn)正向相關(guān).

(4)

式中，ωi,t表示第t年公司i的周收益，nu表示大于年平均收益率的周數(shù)，nd表示小于年平均收益率的周數(shù).DUVOL取值和股價(jià)崩盤(pán)風(fēng)險(xiǎn)正向相關(guān).

2.2.2 解釋變量

借鑒陳德萍、陳永圣的做法，股權(quán)集中度由第一大股東持股比例(PFIRS)表示[19]，所擁有的股權(quán)越多，占比越大，說(shuō)明所在企業(yè)的股權(quán)越集中.

2.2.3 中介變量

研發(fā)投入(RD)由研發(fā)費(fèi)用在營(yíng)業(yè)收入中所占的比值來(lái)度量，比值越大，說(shuō)明研發(fā)投入越高.

2.2.4 控制變量

參考已有研究設(shè)置了控制變量，詳見(jiàn)表1.

表1 變量定義表

2.3 模型設(shè)計(jì)

為驗(yàn)證H1和H4，建立如下模型：

NCSKEW(DUVOL)i,t=α0+α1PFIRSi,t-1+
α2CVi,t-1+∑IND+∑YEAR+μi,t-1.

(5)

上市公司股權(quán)集中度可以通過(guò)減少研發(fā)投入，影響負(fù)面信息的傳遞，緩解股價(jià)崩盤(pán)風(fēng)險(xiǎn).為了檢驗(yàn)H2和H3，通過(guò)三步法依次檢驗(yàn)回歸系數(shù)，設(shè)定模型如下：

RDi,t-1=β0+β1PFIRSi,t-1+β2CVi,t-1+
∑IND+∑YEAR+μi,t-1.

(6)

NCSKEW(DUVOL)i,t=
γ0+γ1RDi,t-1+γ2PFIRSi,t-1+
γ3CVi,t-1+∑IND+∑YEAR+μi,t-1.

(7)

模型中CV表示的是控制變量，為了緩解內(nèi)生性問(wèn)題，用Stata 13自動(dòng)生成滯后一期的解釋變量和控制變量數(shù)據(jù).首先若模型(5)中α1顯著為負(fù)，表明股權(quán)集中度對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)起到抑制作用，H1得證.其次檢驗(yàn)?zāi)Ｐ?6)中β1的顯著性，若顯著為負(fù)，表明股權(quán)集中度會(huì)減少企業(yè)研發(fā)投入，H2得證.最后對(duì)模型(7)中的γ1、γ2進(jìn)行檢驗(yàn),若γ2顯著為負(fù)，同時(shí)α1、β1都顯著為負(fù)，表明研發(fā)投入具有中介效應(yīng)，能影響到股權(quán)集中度抑制股價(jià)崩盤(pán)的效果，H3得證；若γ1顯著，表明存在部分中介效應(yīng)，不顯著則表明存在完全中介效應(yīng).此外分組檢驗(yàn)?zāi)Ｐ?5)中α1的顯著性，若非國(guó)企組大于國(guó)企組，則H4得證.

3 實(shí)證結(jié)果與分析

3.1 描述性統(tǒng)計(jì)

變量描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2.NCSKEW的最小值和最大值分別為-2.461和1.714，標(biāo)準(zhǔn)差為0.711；DUVOL的最小值和最大值分別為-1.375和 1.066，標(biāo)準(zhǔn)差為0.477,說(shuō)明股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)在樣本中存在較大差異，股價(jià)波動(dòng)較大.PFIRS的最小值和最大值分別為8.448和74.180，標(biāo)準(zhǔn)差為14.724，說(shuō)明樣本企業(yè)的股權(quán)結(jié)構(gòu)大相徑庭，部分企業(yè)的第一大股東持有大部分股權(quán)，個(gè)別企業(yè)的股權(quán)被多個(gè)股東所均分，這些企業(yè)的股權(quán)結(jié)構(gòu)并不合理.RD的均值為0.037，標(biāo)準(zhǔn)差為0.035，說(shuō)明我國(guó)A股上市公司研發(fā)投入并不高.在控制變量中，國(guó)企僅占39.0%，ROA均值為0.043，LEV 均值為0.421，說(shuō)明樣本公司的總資產(chǎn)收益率較低而負(fù)債水平較高.其余各控制變量的分布不存在異常情況，均處于合理范圍內(nèi).

表2 變量描述性統(tǒng)計(jì)

3.2 相關(guān)性檢驗(yàn)

主要變量Pearson相關(guān)系數(shù)矩陣見(jiàn)表3.由檢驗(yàn)結(jié)果可知:股價(jià)崩盤(pán)風(fēng)險(xiǎn)和控制變量基本存在顯著的相關(guān)關(guān)系，說(shuō)明控制變量的設(shè)置是合理的.DUVOL和NCSKEW的相關(guān)系數(shù)為0.878，說(shuō)明這兩個(gè)指標(biāo)可以互相參考，保持著較好的一致性.PFIRS與NCSKEW、DUVOL的相關(guān)系數(shù)分別為-0.035和-0.030，在1%的水平下顯著負(fù)相關(guān)，初步驗(yàn)證了H1.RD與PFIRS的相關(guān)系數(shù)為-0.153，在1%的水平下顯著負(fù)相關(guān)，這與H2的預(yù)期一致.NCSKEW和DUVOL都與RD在1%的水平下顯著正相關(guān)，這在一定程度上證實(shí)了中介效應(yīng)的存在，但究竟支持了H3a還是H3b，需要進(jìn)一步的回歸分析.此外,各主要變量間的相關(guān)系數(shù)大都小于0.5，不存在顯著的多重共線性，可得到真實(shí)有效的回歸結(jié)果.

表3 相關(guān)性檢驗(yàn)結(jié)果

3.3 回歸分析

3.3.1 股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)

從表4可看出，Hausman檢驗(yàn)結(jié)果顯示P值小于0.01，說(shuō)明此模型在1%顯著水平下拒絕隨機(jī)效應(yīng)的假設(shè)，更適合使用固定效應(yīng)模型進(jìn)行回歸分析.回歸結(jié)果顯示所有模型通過(guò)了F檢驗(yàn)，所選擇的變量對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響整體是顯著的.回歸(1)和回歸(3)是對(duì)PFIRS進(jìn)行的單變量回歸，PFIRS的系數(shù)分別為-0.021和-0.017，都在1%的水平下顯著負(fù)相關(guān).回歸(2)和回歸(4)加入一系列控制變量，PFIRS的回歸系數(shù)為-0.018和-0.014，顯著性降低但依舊在1%的水平下顯著負(fù)相關(guān).結(jié)果表明,衡量股價(jià)崩盤(pán)風(fēng)險(xiǎn)的兩種指標(biāo)所得到的結(jié)果相似，股權(quán)集中度在一定程度上可以抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)，H1得到證實(shí).

表4 股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)回歸結(jié)果

表4(續(xù))

3.3.2 研發(fā)投入的中介作用

首先，由表4的回歸(2)、回歸(4)可知PFIRS與NCSKEW和DUVOL顯著負(fù)相關(guān)，通過(guò)了中介效應(yīng)第一步檢驗(yàn).其次，表5的回歸(1)檢驗(yàn)了PFIRS對(duì)RD的影響，系數(shù)為-0.013，在1%的水平下顯著，說(shuō)明股權(quán)集中度越高，企業(yè)的研發(fā)投入越少，通過(guò)了中介效應(yīng)的第二步檢驗(yàn)，同時(shí)證實(shí)了H2.最后，在表5的回歸(2)、回歸(3)中加入中介變量RD，同時(shí)檢驗(yàn)股權(quán)集中度和研發(fā)投入對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響.RD對(duì)NCSKEW和DUVOL的系數(shù)分別為1.582和1.397，均在1%的水平下顯著正相關(guān)；PFIRS對(duì)NCSKEW和DUVOL的系數(shù)減小為-0.007和-0.005，均不顯著，因此不用進(jìn)行Sobel檢驗(yàn).綜合來(lái)看，三步法模型中系數(shù)α1、β1和γ1均顯著，這意味著在股權(quán)集中度的內(nèi)生作用影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)時(shí)，研發(fā)投入存在顯著的中介效應(yīng).由于系數(shù)γ2小于α1，且不顯著，第三步檢驗(yàn)中PFIRS的回歸系數(shù)減小，顯著性消失,說(shuō)明研發(fā)投入發(fā)揮的是完全中介效應(yīng)，從而拒絕了H3a，證實(shí)了H3b.結(jié)果表明，過(guò)多地研發(fā)投入可能使公司陷入財(cái)務(wù)危機(jī)，進(jìn)而提高股價(jià)崩盤(pán)風(fēng)險(xiǎn).當(dāng)企業(yè)股權(quán)集中度高時(shí)，大股東可能不愿過(guò)多地投資于風(fēng)險(xiǎn)較大、不確定性強(qiáng)的研發(fā)活動(dòng)，進(jìn)而減少股價(jià)崩盤(pán)風(fēng)險(xiǎn).

表5 研發(fā)投入的中介作用

3.3.3 進(jìn)一步檢驗(yàn)

為了研究產(chǎn)權(quán)性質(zhì)是否會(huì)影響股權(quán)集中度的內(nèi)生作用，不同產(chǎn)權(quán)的企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)是否受原有因素的影響，進(jìn)一步區(qū)分各企業(yè)之間的差異，將10 448個(gè)樣本數(shù)據(jù)按照產(chǎn)權(quán)所屬情況進(jìn)行劃分，得到6 457條非國(guó)企樣本數(shù)據(jù)，3 991條國(guó)企樣本數(shù)據(jù)，用相同的方法分別對(duì)兩個(gè)樣本組進(jìn)行回歸,結(jié)果如表6所示.可以看到PFIRS在Panel A的回歸(1)和回歸(2)中系數(shù)分別為-0.025和-0.020，在1%的水平下顯著；在Panel B的回歸(1)和回歸(2)中系數(shù)分別為-0.014和-0.013，均未通過(guò)顯著性水平檢驗(yàn).說(shuō)明非國(guó)有企業(yè)股權(quán)集中度對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)影響更顯著，表6的回歸結(jié)果有效支持了H4.

表6 區(qū)分產(chǎn)權(quán)性質(zhì)分組回歸

表6(續(xù))

4 穩(wěn)健性檢驗(yàn)

4.1 替換解釋變量

借鑒賀炎林等的做法，更換股權(quán)集中度的衡量標(biāo)準(zhǔn)，采用前五大股東持股比例(OC5)和前十大股東持股比例(OC10)重復(fù)前文驗(yàn)證過(guò)程[20]，回歸結(jié)果見(jiàn)表7，解釋變量和中介變量的顯著性水平與前文假設(shè)的結(jié)果一致，驗(yàn)證了研究結(jié)論的穩(wěn)健性.

表7 替換股權(quán)集中度衡量指標(biāo)

4.2 工具變量法

為了進(jìn)一步緩解可能存在的雙向因果關(guān)系，以同行業(yè)同地區(qū)同一年度內(nèi)其他公司的第一大股東持股比例的均值(IV_P)作為第一大股東持股比例(PFIRS)的工具變量，使用兩階段最小二乘法(2SLS)，采用Hausman檢驗(yàn)、弱工具變量檢驗(yàn)來(lái)確保工具變量法的正確性.因?yàn)橥袠I(yè)同地區(qū)的公司生產(chǎn)經(jīng)營(yíng)環(huán)境相似，所以股權(quán)結(jié)構(gòu)特征相似，而其他公司的股權(quán)結(jié)構(gòu)并不會(huì)直接作用于本公司股價(jià)，因此滿(mǎn)足工具變量的需求，既存在相關(guān)性也存在外生性.工具變量的回歸結(jié)果驗(yàn)證研究結(jié)論仍然成立.

5 結(jié)論

基于2007—2018年我國(guó)滬深A(yù)股上市公司數(shù)據(jù)，以研發(fā)投入為中介變量，探討股權(quán)結(jié)構(gòu)的內(nèi)生作用是否會(huì)引起股價(jià)波動(dòng)，加大股價(jià)崩盤(pán)的風(fēng)險(xiǎn)，考查研發(fā)投入在此影響中是起到部分中介效應(yīng)還是完全中介效應(yīng).研究發(fā)現(xiàn)：1)股權(quán)集中度一定程度上會(huì)影響大股東心理和行為，從而起到抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用，即股權(quán)越集中，上市公司的股價(jià)越?jīng)]有崩盤(pán)風(fēng)險(xiǎn).這是因?yàn)槌鲇凇氨O(jiān)督效應(yīng)”和“利益協(xié)同效應(yīng)”，控股股東會(huì)更主動(dòng)參與公司治理，規(guī)范企業(yè)信息公布制度，增加透明度，維持公司股價(jià)穩(wěn)定.2)研發(fā)投入會(huì)引發(fā)市場(chǎng)的樂(lè)觀預(yù)期，因此在股權(quán)集中度對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響中起到完全中介作用.高研發(fā)投入會(huì)使分析師和投資者對(duì)企業(yè)業(yè)績(jī)出現(xiàn)樂(lè)觀預(yù)測(cè)偏差，產(chǎn)生股價(jià)泡沫，最終引發(fā)股價(jià)崩盤(pán).而出于風(fēng)險(xiǎn)規(guī)避心理，控股股東會(huì)通過(guò)減少研發(fā)投入來(lái)降低股價(jià)崩盤(pán)風(fēng)險(xiǎn).3)相較于國(guó)有企業(yè)，這一影響在非國(guó)有企業(yè)中較為顯著.

研究結(jié)論對(duì)完善企業(yè)股權(quán)結(jié)構(gòu)，維持金融市場(chǎng)穩(wěn)定有一定的借鑒意義.對(duì)理論分析者而言，不僅為股價(jià)崩盤(pán)風(fēng)險(xiǎn)在公司層面受何影響提供了合理解釋?zhuān)瑫r(shí)也為股權(quán)集中度如何影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)提供了直接的經(jīng)驗(yàn)證據(jù).對(duì)企業(yè)而言，需要通徹了解相關(guān)法律法規(guī)，嚴(yán)格調(diào)整股權(quán)結(jié)構(gòu)，通過(guò)構(gòu)筑相對(duì)集中、多個(gè)大股東并存的股權(quán)結(jié)構(gòu)來(lái)緩解代理問(wèn)題.制定科學(xué)的規(guī)章制度，當(dāng)管理層隱瞞負(fù)面消息時(shí)有法可依，降低股價(jià)崩盤(pán)風(fēng)險(xiǎn).在宏觀層面，可以重新審視信息披露制度和監(jiān)管制度，秉持差異化的政策管理供給，最大程度發(fā)揮集中股權(quán)帶來(lái)的正面作用.

研究也存在一定的不足：未細(xì)分研發(fā)投入的類(lèi)別，區(qū)分高研發(fā)投入和低研發(fā)投入后，這種中介效應(yīng)是否還存在，未來(lái)將進(jìn)一步拓展該領(lǐng)域，以豐富股權(quán)集中度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)關(guān)系的研究.