銀行競爭降低了公司股價崩盤風(fēng)險嗎?
——來自A股上市公司的數(shù)據(jù)檢驗

黃飛鳴 嚴(yán) 涵 賴少杰

(江西財經(jīng)大學(xué),江西 南昌 330013)

一、引言

不時發(fā)生的上市公司股價崩盤事件引發(fā)了投資者恐慌和證券市場紊亂。如何有效降低股價崩盤風(fēng)險的不利影響是備受關(guān)注的一個熱點話題。本文從企業(yè)外部債權(quán)人——銀行所處的市場結(jié)構(gòu)視角探究公司股價崩盤風(fēng)險的影響機(jī)制。本文的研究邏輯為:銀行業(yè)競爭通過銀行信貸和銀行監(jiān)督渠道對企業(yè)產(chǎn)生影響,可能促使其減少壞消息的隱藏,降低企業(yè)股價崩盤風(fēng)險,同時銀行競爭會鼓勵企業(yè)公開披露更多信息,提升其會計信息質(zhì)量。

與已有文獻(xiàn)相比,本文的邊際貢獻(xiàn)主要體現(xiàn)在:一是現(xiàn)有研究鮮有涉及銀行作為外部債權(quán)人對微觀企業(yè)的治理作用,本文則以股價崩盤風(fēng)險為落腳點研究銀行業(yè)市場結(jié)構(gòu)對微觀企業(yè)的影響,進(jìn)一步研究企業(yè)是否會在銀行的信貸供應(yīng)和監(jiān)督作用下改善經(jīng)營、降低風(fēng)險,豐富了銀行經(jīng)濟(jì)學(xué)的理論成果;二是本文聚焦于外部債權(quán)人而非企業(yè)內(nèi)部特征視角,將銀行競爭這一動態(tài)因素納入研究框架,為股價崩盤風(fēng)險影響因素相關(guān)研究提供了全新視角,拓展了企業(yè)股價崩盤風(fēng)險的相關(guān)文獻(xiàn);三是有別于已有文獻(xiàn)探討銀行競爭與宏觀系統(tǒng)性風(fēng)險的研究,本文聚焦于資本市場的企業(yè)股價崩盤風(fēng)險這一微觀視角,對銀行競爭與金融風(fēng)險的相關(guān)研究做出了有益補(bǔ)充。

二、文獻(xiàn)回顧與假說提出

已有研究認(rèn)為管理層隱藏壞消息的機(jī)會主義是導(dǎo)致企業(yè)崩盤風(fēng)險的主要原因。根據(jù)“管理層捂盤”假說,當(dāng)負(fù)面信息被儲存到閾值,積累的壞消息將被釋放到市場中,從而導(dǎo)致公司股價崩盤(Jin et al.,2006;Hutton et al.,2009)。也有不少文獻(xiàn)從代理問題視角探究股價崩盤風(fēng)險的決定因素,例如管理層對特質(zhì)信息的操縱行為(Kim et al.,2011a;林樂 等,2016)。在此邏輯下,公司股價崩盤風(fēng)險取決于管理層是否有意愿、有能力披露公司的負(fù)面消息?，F(xiàn)有的文獻(xiàn)對于管理層囤積壞消息和由此帶來的股價崩盤風(fēng)險影響因素做了大量研究,包括管理層特征(Kim et al.,2011b)、公司治理(Kim et al.,2019)、企業(yè)社會責(zé)任(黃金波 等,2022)、外部監(jiān)督(江軒宇 等,2013)等。

基于委托代理沖突框架,股價崩盤風(fēng)險很大程度上取決于公司與其投資者(股權(quán)人和債權(quán)人)的聯(lián)系。An et al.(2013)、華鳴等(2018)、Kim et al.(2019)等從股權(quán)投資者或外國機(jī)構(gòu)投資者角度進(jìn)行研究,發(fā)現(xiàn)其顯著地降低了企業(yè)的股價崩盤風(fēng)險,突出了外部投資者的監(jiān)督職能。這與其他外部監(jiān)督因素如分析師(Kim et al.,2019)、審計(江軒宇 等,2013;Callen et al.,2017)、行政監(jiān)管(Kubick et al.,2016;汶海 等,2020)等的研究一致。作為企業(yè)債權(quán)人,銀行的監(jiān)督作用也是規(guī)范企業(yè)行為的重要機(jī)制。值得注意的是,鮮有文獻(xiàn)直接考察公司債權(quán)人對崩盤風(fēng)險的影響。作為債權(quán)人的銀行在收集企業(yè)的“軟信息”方面具有比較優(yōu)勢(林毅夫 等,2009),會顯著影響企業(yè)經(jīng)理層的行為,而二級市場的股權(quán)投資者可能更在乎企業(yè)的短期業(yè)績,不能夠很好地幫助企業(yè)解決隱藏壞消息的問題(Chang et al.,2017)。作為企業(yè)經(jīng)營的重要利益相關(guān)者,銀行通過向企業(yè)提供信貸資金的方式源源不斷向?qū)嶓w經(jīng)濟(jì)“輸血”,同時也會發(fā)揮自身信息和專業(yè)優(yōu)勢,通過篩選、監(jiān)督借款人規(guī)范企業(yè)行為,降低經(jīng)營風(fēng)險。

通過對現(xiàn)有文獻(xiàn)的梳理,可以發(fā)現(xiàn),對于股價崩盤風(fēng)險的決定因素研究,市場結(jié)構(gòu)是一個探索相對不足的領(lǐng)域。王雷(2015)通過對中國上市公司的研究,認(rèn)為產(chǎn)品市場競爭程度越高,企業(yè)未來的股價崩盤風(fēng)險越低。Li et al.(2019)則認(rèn)為激烈的產(chǎn)品市場競爭會加劇壞消息的囤積和崩盤風(fēng)險。現(xiàn)代金融理論認(rèn)為,銀行不僅在對借款人篩選、監(jiān)督以及提供流動性方面具有關(guān)鍵作用(Diamond,1984;Kashyap et al.,2002),在獲取借款人內(nèi)部信息方面也具有天然優(yōu)勢(Denis et al.,2003;Bharath et al.,2008),從而能夠有效減輕委托代理沖突。

在中國,銀行信貸是企業(yè)的主要融資來源。因此,銀行競爭勢必對企業(yè)經(jīng)營行為造成影響?，F(xiàn)有研究表明,銀行競爭程度上升能夠有效降低中小企業(yè)的信貸約束(Chong et al.,2013)。銀行市場結(jié)構(gòu)的變化是銀行在篩選、監(jiān)督和提供信貸融資等方面變化的重要淵源(Jayaratne et al.,1996)。從銀行信貸角度來看,銀行競爭會改善信貸供應(yīng)條件、降低企業(yè)融資成本(姜付秀 等,2019;李志生 等,2020),影響企業(yè)資金供給(劉星 等,2015;姜付秀 等,2019),提高公司的資本結(jié)構(gòu)調(diào)整速度(Jiang et al.,2017)。銀行競爭還會促進(jìn)企業(yè)的研發(fā)投入,利于企業(yè)創(chuàng)新(唐清泉 等,2015;蔡競 等,2016;張杰 等,2017;李波 等,2020)。對銀行競爭的企業(yè)微觀效應(yīng)的研究還包括提高企業(yè)負(fù)債水平、優(yōu)化企業(yè)資本結(jié)構(gòu)(李志生 等,2020),有效降低企業(yè)盈余管理水平(孟慶斌 等,2021),提升企業(yè)投資水平和資源配置效率(李志生 等,2021),促進(jìn)企業(yè)成長(方芳 等,2016)以及僵尸企業(yè)形成(劉沖 等,2020)等。Jiang et al.(2019)則認(rèn)為銀行競爭擠壓了銀行利潤率,對關(guān)系貸款和流動性創(chuàng)造不利,導(dǎo)致受信貸限制的公司不太可能得到銀行的資金。從銀行監(jiān)督角度來看,Bai et al.(2018)認(rèn)為銀行競爭更激烈的市場,會提高銀行整體效率,降低篩選和監(jiān)督借款人的成本,Bushman et al.(2016)則認(rèn)為來自競爭對手的壓力、爭奪貸款客戶,會迫使銀行放松如選擇和信息調(diào)查,從而造成其對借款人的篩選和監(jiān)督的效率降低。從信息透明度角度來看,現(xiàn)有研究關(guān)注到了銀行競爭對其自身信息透明度的影響,Jiang et al.(2016)認(rèn)為激烈的競爭減少了銀行的會計重述頻率,銀行自愿披露與競爭結(jié)構(gòu)呈顯著正相關(guān)(Burks et al.,2018)。

綜上,現(xiàn)代公司治理中的委托代理問題可能導(dǎo)致管理層在一段時間內(nèi)隱藏壞消息進(jìn)而導(dǎo)致股價崩盤,銀行則通過提供信貸和監(jiān)督對企業(yè)產(chǎn)生重要影響,銀行業(yè)市場結(jié)構(gòu)的變化在很大程度上能改變銀行信貸和監(jiān)督。因此,銀行競爭對企業(yè)股價崩盤風(fēng)險的影響取決于以下兩個方面:一是銀行競爭加劇會影響對企業(yè)的信貸供給;二是銀行競爭加劇會影響銀行對企業(yè)的監(jiān)督,降低企業(yè)負(fù)面消息的隱藏,對企業(yè)股價崩盤風(fēng)險產(chǎn)生影響。

進(jìn)一步地,從信貸供應(yīng)角度看,在銀行競爭更為激烈的信貸市場中,企業(yè)會有更多的潛在貸款人選擇和更優(yōu)的信貸條款,會有更強(qiáng)的議價能力(Chava et al.,2013),主要表現(xiàn)在信貸可得性的增加和企業(yè)融資成本的降低上,通常對企業(yè)經(jīng)營發(fā)展更為有利。對于企業(yè)管理層來說,隱藏壞消息的“收益”是更好地獲得信貸融資,降低融資成本,提高投資收益,在銀行競爭更激烈的環(huán)境下,為了獲得貸款融資而去隱藏負(fù)面消息的動機(jī)會減弱,但是寬松的信貸市場也可能降低企業(yè)隱藏壞消息的“成本”,因為當(dāng)面對更多潛在貸款人時,即使被發(fā)現(xiàn)有隱藏信息活動,企業(yè)的信貸融資狀況也不會受到太大影響,因此,管理層可能為了攫取私人利益仍隱藏公司負(fù)面消息,增加企業(yè)股價崩盤風(fēng)險。從銀行對借款人的監(jiān)督角度看,一方面,如果銀行監(jiān)督的改善效果占主導(dǎo)地位,激烈的競爭就會引發(fā)更嚴(yán)格的銀行監(jiān)督,這在一定程度上會縮小管理者操縱信息隱藏壞消息的空間,降低企業(yè)股價崩盤風(fēng)險;另一方面,為了應(yīng)對來自競爭對手的壓力,爭奪貸款客戶,銀行可能被迫放松對借款人的選擇和信息調(diào)查,而銀行內(nèi)部的復(fù)雜性和層次結(jié)構(gòu)可能削弱了銀行有效的風(fēng)險管理,給授信的公司經(jīng)理層更大的靈活性,操縱信息披露而導(dǎo)致股價崩盤。

基于以上分析,提出如下對立研究假說:

H1a:銀行競爭會降低企業(yè)股價崩盤風(fēng)險;

H1b:銀行競爭會增加企業(yè)股價崩盤風(fēng)險。

三、研究設(shè)計

(一)數(shù)據(jù)來源與樣本選擇

本文研究樣本為 2006—2019 年的中國A股上市公司。銀行競爭數(shù)據(jù)通過手工整理中國銀監(jiān)會網(wǎng)站的相關(guān)數(shù)據(jù),將企業(yè)辦公所在地與該城市的銀行競爭程度進(jìn)行匹配,并進(jìn)一步計算得到(詳見變量選擇部分);上市公司主要財務(wù)數(shù)據(jù)來自國泰安(CSMAR)數(shù)據(jù)庫。借鑒姜付秀等(2019)、司登奎等(2021)的做法,結(jié)合本文研究目的,對樣本按照以下程序篩選和處理:(1)剔除金融類上市公司;(2)刪除ST和*ST公司;(3)剔除負(fù)債率大于 100% 的樣本;(4)剔除數(shù)據(jù)缺失及不連續(xù)的樣本;(5)為消除極端值影響,對所有連續(xù)變量按照首尾各1%進(jìn)行縮尾處理。最終,得到10749個觀測樣本數(shù)據(jù)。

(二)變量選擇

1.銀行競爭(HHI)

借鑒Chong et al.(2013)、姜付秀等(2019),使用各銀行分支機(jī)構(gòu)數(shù)量占比來度量各地級市銀行競爭狀況。具體地,利用中國銀監(jiān)會官網(wǎng)上公布的24萬多條銀行機(jī)構(gòu)的金融許可證信息,手工整理并計算出各家銀行各個年度在各個地級城市的分支機(jī)構(gòu)數(shù)量,進(jìn)而構(gòu)建各地級市銀行業(yè)的赫芬達(dá)爾-赫希曼指數(shù)(HHI),以此衡量銀行競爭水平。其計算方法如下:

(1)

其中:Branches為第k個銀行在該地區(qū)分支機(jī)構(gòu)數(shù)量;Total_Branches為該地區(qū)銀行所有分支機(jī)構(gòu)數(shù)量。該指數(shù)取值范圍為(0,1),且為負(fù)向指標(biāo),該值越大,表明銀行競爭程度越低。按此方法構(gòu)建的銀行競爭面板數(shù)據(jù),不僅能捕捉到各個城市間的銀行競爭差異,而且能反映銀行競爭水平隨時間變化的趨勢,以便于更好地研究銀行競爭所導(dǎo)致的經(jīng)濟(jì)后果。

2.企業(yè)股價崩盤風(fēng)險(CrashRisk)

參考已有研究(彭俞超 等,2018;黃金波 等,2022;司登奎 等,2021),采用股票周收益率指標(biāo)來衡量企業(yè)的股價崩盤風(fēng)險。按照年份對公司i在該年的股票周收益率數(shù)據(jù)進(jìn)行以下回歸:

ri,j=β0+β1rm,j-2+β2rm,j-1+β3rm,j+β4rm,j+1+β5rm,j+2

(2)

其中:ri,j為股票i在第j周的收益率,rm,j為第j周的流通市值加權(quán)平均市場收益率。取上述回歸的殘差項,股票i在第j周的特有收益為wi,j=ln(1+εi,j)。

基于股票特有收益構(gòu)建如下兩個指標(biāo):

其一為負(fù)收益偏態(tài)系數(shù) NCSKEW,計算方法為:

(3)

其中:n為股票i在當(dāng)年度交易的周數(shù)。

其二為收益率上下波動比率DUVOL,計算方法為:

(4)

其中: nu、nd分別表示一年中股票周特有收益率大于、小于年平均收益率的周數(shù)。

(三)模型設(shè)定

為了研究銀行業(yè)競爭對企業(yè)股價崩盤風(fēng)險的影響,回歸模型設(shè)定如下:

CrashRiski,t=β0+β1HHIi,t+β2ROAi,t+β3SIZEi,t-1+β4LEVi,t-1+β5MBi,t-1+

β6DTURNi,t-1+β7RETi,t-1+β8SIGMAi,t-1+τi+νi,t+γt+εi,t

(5)

其中:下標(biāo)i、t分別表示企業(yè)與年份。CrashRisk代表企業(yè)股票崩盤風(fēng)險,具體用NCSKEW和DOVUL兩種指標(biāo)衡量。HHI衡量公司所在地區(qū)的銀行競爭水平?？紤]到公司具有時變特征,參考Kim et al.(2011a)的研究,將公司的資產(chǎn)收益率(ROA)、規(guī)模(SIZE)、杠桿率(LEV)、市賬率(MB)作為控制變量,為與已有文獻(xiàn)保持一致,除代表盈利能力的ROA外(1)由于公司的盈利能力與同期股票崩盤風(fēng)險具有顯著關(guān)聯(lián)(Kim et al.,2011a;Kim et al.,2011b),參考Kim et al.(2011a)的研究,資產(chǎn)收益率(ROA)不做滯后一期處理。,其余指標(biāo)均作滯后一期處理。此外,還選取與股票市場特性相關(guān)的控制變量股票換手率(DTURN)、股票回報率(RET)、股票波動率(SIGMA),為與已有文獻(xiàn)保持一致,也作滯后一期處理。τi表示年份固定效應(yīng),υi,t表示行業(yè)固定效應(yīng),γt表示個體固定效應(yīng),εi,t為誤差項。

控制變量說明見表1。

表1 控制變量說明

(四)主要變量描述性統(tǒng)計分析

表2為主要變量的描述性統(tǒng)計結(jié)果。股價崩盤風(fēng)險指標(biāo)NCSKEW均值為-0.324,中位數(shù)為-0.282,標(biāo)準(zhǔn)差為0.677;股價崩盤風(fēng)險指標(biāo)DUVOL均值為-0.225,中位數(shù)為-0.222,標(biāo)準(zhǔn)差為0.462。這與彭俞超等(2018)的結(jié)果基本一致,意味著樣本公司總體股價崩盤風(fēng)險有著較大差異。銀行競爭指標(biāo)HHI樣本期內(nèi)均值0.099,標(biāo)準(zhǔn)差0.041,說明不同城市之間銀行競爭程度差異較大,也與姜付秀等(2019)對中國地市級銀行競爭的估量接近。

表2 主要變量描述性統(tǒng)計結(jié)果

四、實證分析

(一)基準(zhǔn)回歸結(jié)果分析

對公司所在城市的銀行競爭指標(biāo)與股價崩盤風(fēng)險之間的關(guān)系進(jìn)行實證檢驗,結(jié)果見表3。

表3 銀行競爭與股價崩盤風(fēng)險的回歸結(jié)果

從表3列(1)、(2)可以看出,銀行競爭(HHI)的回歸系數(shù)均為正,且均在1%的水平上顯著,由于HHI指標(biāo)為負(fù)向指標(biāo),這表明企業(yè)所在地銀行競爭水平加劇,會顯著企業(yè)降低股價崩盤風(fēng)險。從經(jīng)濟(jì)意義上看,公司所在城市銀行競爭度增加1個標(biāo)準(zhǔn)差,其股價崩盤風(fēng)險指標(biāo)NCSKEW及DUVOL分別下降約2.63%和9.40%。(2)參照 Kim et al.(2019)的做法,銀行競爭增加1個標(biāo)準(zhǔn)差,其股價崩盤風(fēng)險指標(biāo)NCSKEW及DUVOL標(biāo)準(zhǔn)差變動計算方法分別為:0.435×0.041/0.677≈0.0263,1.059×0.041/0.462≈0.0940。為了解決模型遺漏變量問題,列(3)、(4)為采用控制年份、行業(yè)、個體效應(yīng)的固定效應(yīng)模型的回歸結(jié)果?？梢钥吹?銀行競爭與公司股價崩盤風(fēng)險的回歸系數(shù)分別為1.654、0.835,且在1%的水平上顯著,由于HHI指標(biāo)為負(fù)向指標(biāo),即銀行競爭與公司股價崩盤風(fēng)險負(fù)相關(guān)。從經(jīng)濟(jì)意義上看,當(dāng)銀行競爭度增加1個標(biāo)準(zhǔn)差,公司股價崩盤風(fēng)險指標(biāo)NCSKEW、DUVOL的標(biāo)準(zhǔn)差會分別顯著下降約10.02%和7.41%。(3)1.654×0.041/0.677≈0.1002,0.835×0.041/0.462≈0.0741。上述回歸結(jié)果與研究假說H1a相符。

控制變量的結(jié)果進(jìn)一步表明,銀行競爭與公司股價崩盤風(fēng)險的聯(lián)系還受公司特征和股票市場特性相關(guān)的因素影響,較大的公司規(guī)模(SIZE)、較高的杠桿率(LEV)、較低的市賬率(MB)往往與更高可能的股價崩盤風(fēng)險相關(guān),而資產(chǎn)收益率(ROA)系數(shù)顯著為負(fù)則表明公司的盈利能力上升能幫助降低公司股價崩盤風(fēng)險。股票波動率(SIGMA)的系數(shù)顯著為負(fù),這表明若股票在前一年保持了較低的波動水平,則它在未來一年的股價崩盤風(fēng)險可能更高。

(二)內(nèi)生性檢驗

盡管對公司個體來說,銀行競爭屬于外生變量,但不能完全排除兩者仍存在內(nèi)生性問題。一方面,可能是由于股價高崩盤風(fēng)險的公司集聚在銀行競爭程度較高的地區(qū),從而導(dǎo)致反向因果關(guān)系解釋了本文的研究發(fā)現(xiàn)。另一方面,不可觀測的時間趨勢、公司特征抑或是遺漏其他關(guān)鍵變量導(dǎo)致了銀行競爭與股價崩盤風(fēng)險呈顯著的負(fù)相關(guān)關(guān)系。本文擬采用如下兩種方式來緩解兩者間潛在的內(nèi)生性問題:

1.雙重差分模型

2009年4月,中國銀監(jiān)會印發(fā)的《關(guān)于〈中小商業(yè)銀行分支機(jī)構(gòu)市場準(zhǔn)入政策的調(diào)整意見(試行)〉的通知》(銀監(jiān)辦發(fā)〔2009〕143號)規(guī)定,“在該城市所在省(自治區(qū))內(nèi)的其他城市再申請設(shè)立下設(shè)分行和支行,不再受數(shù)量指標(biāo)控制。城市商業(yè)銀行在法人住所所在省(自治區(qū)、直轄市)內(nèi)設(shè)立分支機(jī)構(gòu),不再受數(shù)量指標(biāo)控制。股份制商業(yè)銀行和城市商業(yè)銀行在同城設(shè)立支行,不受數(shù)量指標(biāo)控制?！币虼?在銀監(jiān)辦發(fā)〔2009〕143號文(以下簡稱2009年143號文)實施后,股份制商業(yè)銀行和城市商業(yè)銀行的營業(yè)網(wǎng)點明顯增長,中國的城市間銀行競爭結(jié)構(gòu)受到了一定的外生性沖擊。

本文將這一事件作為一個“準(zhǔn)自然實驗”,參考王彥超等(2020)的做法,對政策實施前各城市的銀行競爭HHI指數(shù)按高低來區(qū)分處理組和對照組。具體地,首先計算出樣本公司所在城市政策出臺之前兩年的銀行競爭HHI指數(shù)的均值,并按高中低進(jìn)行分區(qū),將其中最高的1/3設(shè)定為處理組、最低的1/3設(shè)定為對照組。相較于直接比較公司在2009年143號文實施前后的股價崩盤風(fēng)險的變化,通過比較高銀行競爭度和低銀行競爭度城市在2009年143號文實施前后公司股價崩盤風(fēng)險變化的差異,可以有效緩解其他潛在因素對研究結(jié)果的干擾,從而更好地識別銀行競爭與公司股價崩盤風(fēng)險之間的因果關(guān)系。因此,本文使用雙重差分法檢驗2009年143號文對公司股價崩盤風(fēng)險的影響,并構(gòu)建模型如下。

CrashRiski,t=α0+α1Treatt×Postt+α2Treatt+α3Postt+α4Controlsi,t+τi+νi,t+γt+εi,t

(6)

其中:下標(biāo)i表示公司,t表示年份。CrashRisk代表公司股票崩盤風(fēng)險,具體用NCSKEW和DOVUL兩種指標(biāo)衡量。Treat為啞變量,若樣本公司位于低銀行競爭度城市,則取1;若樣本公司位于高銀行競爭度城市,則取0。Post為時間虛擬變量,當(dāng)樣本處于2009年以后則賦值為1,反之賦值為0。Controls為控制變量,與基準(zhǔn)回歸模型保持一致。τi表示年份固定效應(yīng),υi,t表示行業(yè)固定效應(yīng),γt表示個體固定效應(yīng),εi,t為誤差項。

表4為上述雙重差分模型的回歸結(jié)果?？梢钥吹?股價崩盤風(fēng)險指標(biāo)NCSKEW、DUVOL與交互項Treat×Post的回歸系數(shù)均為負(fù),且分別在1%和5%的水平上顯著,說明2009年143號文對銀行分支機(jī)構(gòu)放松管制,提升了銀行競爭水平,對所在城市的公司股價崩盤風(fēng)險具有顯著降低作用。在使用雙重差分模型控制內(nèi)生性后,銀行競爭能顯著降低企業(yè)股價崩盤風(fēng)險的結(jié)論依舊成立,進(jìn)一步驗證了本文研究結(jié)果的穩(wěn)健性。

表4 內(nèi)生性檢驗——雙重差分模型回歸結(jié)果

2.工具變量法

為了進(jìn)一步控制未觀測到的企業(yè)特征變量和反向因果關(guān)系帶來的內(nèi)生性問題,參考李志生等(2020)的研究,利用1937年城市銀行分支機(jī)構(gòu)數(shù)量和2009年分支機(jī)構(gòu)設(shè)立放寬管制事件構(gòu)造工具變量(IV),進(jìn)行兩階段最小二乘回歸分析。具體來說,以2009年143號文銀行分支機(jī)構(gòu)放松管制事件為基準(zhǔn),生成放寬分支機(jī)構(gòu)設(shè)立管制虛擬變量,將樣本期劃分為2006—2008年和2009—2019年兩個區(qū)間,并分別賦值1和2。工具變量(IV)為1937年城市銀行分支機(jī)構(gòu)數(shù)量與前述放寬管制虛擬變量的乘積。通過上述方法構(gòu)造工具變量的合理性主要體現(xiàn)在兩個方面:一是相關(guān)性。1937年城市銀行分支機(jī)構(gòu)數(shù)量可以用來衡量不同地區(qū)的金融市場基礎(chǔ),良好的金融市場基礎(chǔ)有利于新的銀行分支機(jī)構(gòu)設(shè)立,而2009年143號文出臺之后股份制商業(yè)銀行和城市商業(yè)銀行分支機(jī)構(gòu)數(shù)量出現(xiàn)大幅增加,地區(qū)銀行競爭愈發(fā)激烈,因此工具變量與公司所在地銀行競爭水平正相關(guān)。二是外生性。考慮到1937年與樣本區(qū)間社會經(jīng)濟(jì)發(fā)展?fàn)顩r的巨大差異,1937年城市銀行分支機(jī)構(gòu)數(shù)量與數(shù)十年后其他地區(qū)宏觀因素和工業(yè)企業(yè)特征相關(guān)程度較低,2009年143號文放松異地設(shè)立分支機(jī)構(gòu)政策屬于外生沖擊,進(jìn)一步保證了工具變量的外生性。表5報告了兩階段最小二乘回歸模型的回歸結(jié)果。

表5 內(nèi)生性檢驗——工具變量回歸結(jié)果

表5列(1)第一階段回歸結(jié)果表明,工具變量(IV)與樣本區(qū)間銀行競爭指數(shù)(HHI)正相關(guān),系數(shù)在1%水平上顯著,且F統(tǒng)計量表明該變量非弱工具變量,與本文的預(yù)期一致。表5列(2)、(3)結(jié)果表明,第二階段HHI回歸系數(shù)在1%水平上顯著,表明使用工具變量控制內(nèi)生性后,銀行競爭能顯著降低公司股價崩盤風(fēng)險的結(jié)論依舊穩(wěn)健,即研究假說H1a成立。

(三)穩(wěn)健性檢驗

1.替換解釋變量

采用替換核心指標(biāo)的方法對回歸結(jié)果進(jìn)行穩(wěn)健性檢驗。除赫芬達(dá)爾指數(shù)(HHI)外,還有另一個被學(xué)界廣泛認(rèn)可的行業(yè)集中度指標(biāo)CRn。參考姜付秀等(2019)、嚴(yán)楷等(2019),利用中國銀監(jiān)會公布的關(guān)于銀行機(jī)構(gòu)的金融許可證信息,手工整理并計算出各銀行各個年度在各個城市的分支機(jī)構(gòu)數(shù)量,再計算前三大銀行(CR3)和前五大銀行(CR5)分支機(jī)構(gòu)占比,以此衡量銀行競爭水平,計算方法如下:

(7)

(8)

除NCSKEW和DUVOL指標(biāo)外,參考Hutton et al.(2009),使用預(yù)測公司股票價格是否會出現(xiàn)崩盤的啞變量CRASH作為崩盤風(fēng)險的代理變量,只要個股的周特有收益wi,t滿足式(9)即取1,否則取0:

(9)

其中:Average(wi,t)為公司i周特有收益年度均值,σi為公司i當(dāng)年周特有收益標(biāo)準(zhǔn)差。

與基準(zhǔn)回歸模型設(shè)定保持一致,分別使用CR3和CR5作為銀行競爭度的代理變量、CRASH作為公司股價崩盤風(fēng)險的代理變量分別進(jìn)行回歸,結(jié)果如表6所示。可以看到,替換銀行競爭代理變量為CR3和CR5、替換股價崩盤風(fēng)險代理變量為CRASH的回歸系數(shù)均為正且在1%水平上顯著,說明銀行競爭加劇能顯著降低公司股價崩盤風(fēng)險水平,進(jìn)一步驗證了結(jié)論的穩(wěn)健性。

表6 穩(wěn)健性檢驗——替換關(guān)鍵指標(biāo)結(jié)果

2.加入其他控制變量

在原基準(zhǔn)回歸模型中加入其他控制變量,緩解因遺漏變量帶來的內(nèi)生性問題,回歸結(jié)果見表7。

在列(1)、(2)中,考慮宏觀經(jīng)濟(jì)因素對公司股價崩盤風(fēng)險的影響,選取經(jīng)濟(jì)政策不確定性(EPU)、貨幣政策(MP)和宏觀經(jīng)濟(jì)景氣一致性指數(shù)(ECO)作為控制變量。其中,經(jīng)濟(jì)政策不確定性(EPU)以斯坦福大學(xué)和芝加哥大學(xué)聯(lián)合發(fā)布的月度中國經(jīng)濟(jì)政策不確性指數(shù)的算術(shù)平均值度量;貨幣政策(MP)以貨幣供應(yīng)量M2增長率減去GDP增長率和CPI增長率度量,若該指標(biāo)大于中位數(shù),賦值為1,表示寬松的貨幣政策,反之則賦值為0(陸正飛 等,2011);宏觀經(jīng)濟(jì)景氣一致性指數(shù)(ECO)以國家統(tǒng)計局發(fā)布的宏觀經(jīng)濟(jì)景氣指數(shù)中的一致性指數(shù)度量,作為衡量宏觀經(jīng)濟(jì)波動的代理變量。在控制宏觀經(jīng)濟(jì)因素后,可以發(fā)現(xiàn)本文的研究結(jié)論依舊穩(wěn)健。

在列(3)、(4)中,參照彭俞超等(2018)的研究,加入企業(yè)會計相關(guān)指標(biāo),如會計穩(wěn)健性(Cscore)、盈余質(zhì)量(ACC_EM)、避稅程度(ETR)等作為控制變量。其中,Cscore按照Khan et al.(2009)的C_score模型計算得出,該指標(biāo)越高說明會計盈余對壞消息靈敏程度越高,會計穩(wěn)健性越高;ACC_EM使用修正Jones模型計算出的企業(yè)操縱性應(yīng)計利潤的絕對值來表示;ETR用有效稅率表示,該指標(biāo)越高說明企業(yè)避稅程度越低。在控制了上述會計相關(guān)指標(biāo)后,本文的研究結(jié)論依舊穩(wěn)健。

為了減少城市層面因素對模型的影響,在列(5)、(6)中添加城市國內(nèi)生產(chǎn)總值增速(GDP)、城市人口增長率(Population)兩個變量,同時控制城市固定效應(yīng),結(jié)果顯示,股價崩盤風(fēng)險的NCSKEW、DUVOL回歸系數(shù)均在1%水平上顯著,與基準(zhǔn)回歸模型保持一致,結(jié)論依舊穩(wěn)健。

此外,本文將加入的其他控制變量都納入模型,并控制城市固定效應(yīng),回歸結(jié)果見列(7)、(8),NCSKEW、DUVOL回歸系數(shù)為0.437和0.663,分別在5%和1%水平上顯著,進(jìn)一步驗證了結(jié)論的穩(wěn)健性。

五、影響機(jī)制檢驗

與其他公開債務(wù)市場的債權(quán)人不同,銀行能夠更加靈活地調(diào)整相關(guān)信貸計劃,在監(jiān)督借款公司的行為方面具有更加強(qiáng)大的信息優(yōu)勢。因此,理論上,銀行競爭可以通過銀行信貸和銀行監(jiān)督渠道降低企業(yè)股價崩盤風(fēng)險。

1.銀行信貸渠道檢驗

長期以來,中國形成了間接融資“一枝獨大”的融資結(jié)構(gòu),企業(yè)融資主要依靠銀行信貸資金。那么,企業(yè)對銀行信貸依賴程度越高,銀行業(yè)結(jié)構(gòu)的變化對企業(yè)的經(jīng)營活動產(chǎn)生的影響將越大。參考Rajan et al.(1998)和Cetorelli et al.(2006)的研究,根據(jù)企業(yè)對外部資金的需求來評估其銀行融資依賴度,具體地,以總資本支出與經(jīng)營性現(xiàn)金流之差來衡量。Cetorelli et al.(2006)通過此種方法構(gòu)建銀行融資依賴度,發(fā)現(xiàn)其與企業(yè)實際使用的銀行及其他機(jī)構(gòu)融資高度相關(guān)。本文以銀行融資依賴度指標(biāo)的中位數(shù)為界將樣本分為高銀行融資依賴度和低銀行融資依賴度兩個子樣本,對基準(zhǔn)模型進(jìn)行重新回歸,結(jié)果如表8列(1)～(4)所示?？梢钥吹?相較于低銀行融資依賴度的公司,銀行競爭對公司股價崩盤風(fēng)險的影響在高銀行融資依賴度的公司中會更為明顯,且對崩盤風(fēng)險的兩種衡量指標(biāo)NCSKEW和DUVOL都是如此。對比發(fā)現(xiàn),低銀行融資依賴度公司子樣本的回歸系數(shù)在模型估計中都變得更小和更不顯著。這一結(jié)果表明,銀行競爭會通過增加信貸供應(yīng),降低企業(yè)融資約束,減小公司股價崩盤的可能性。

表8 影響機(jī)制檢驗結(jié)果

2.銀行監(jiān)督渠道檢驗

理論上,若銀行競爭環(huán)境的變化不能通過改變銀行篩選和監(jiān)督借款人的能力來影響公司股價崩盤風(fēng)險,就不會觀測到銀行競爭對借款公司信息透明程度的影響。參考Jin et al.(2006)、孟慶斌等(2019)的研究,計算股價同步性指數(shù),衡量公司的信息透明度,該值越大表示股價同步性越高,股價特質(zhì)信息越低,信息不對稱程度越高。以其中位數(shù)為界將樣本公司分為高透明度和低透明度兩個樣本,對基準(zhǔn)模型進(jìn)行重新回歸?；貧w結(jié)果如表8列(5)～(8)所示,可以看到,相比于高透明度公司,銀行競爭對股價崩盤風(fēng)險的影響在低透明度公司要更為顯著。從核心解釋變量回歸系數(shù)上看,低透明度公司股價崩盤風(fēng)險變量NCSKEW的系數(shù)約是高透明度公司的2.92倍,DUVOL的系數(shù)甚至由正轉(zhuǎn)負(fù),說明銀行競爭對股價崩盤風(fēng)險的影響在透明度低的公司中更為顯著,銀行對借款人的監(jiān)督起到了明顯作用,這也與銀行競爭與股價崩盤風(fēng)險通過銀行監(jiān)督渠道來聯(lián)系的推斷一致。(4)本文還參考黃飛鳴等(2021)的做法,使用中介效應(yīng)模型來驗證銀行信貸渠道和銀行監(jiān)督渠道,由于篇幅所限,中介效應(yīng)模型回歸結(jié)果未予列示,留存?zhèn)渌鳌?/p>

六、進(jìn)一步討論

(一)銀行競爭對會計信息質(zhì)量的影響

負(fù)面消息的隱藏往往表現(xiàn)在企業(yè)會計信息質(zhì)量上。若此假說成立,銀行會勸阻管理層的不當(dāng)行為,鼓勵公開披露,減少囤積的負(fù)面消息的披露,從而降低企業(yè)股價崩盤風(fēng)險。盈余管理是財務(wù)披露中最廣泛采用的方式之一,通過這種方式管理層能夠使用多種方法規(guī)避損失報告,從而隱藏公司的負(fù)面消息,并保留可能導(dǎo)致投資者賣空股票的其他重大信息。借鑒Zhang et al.(2019)、孟慶斌等(2021)的研究,采用Dechow et al.(1995)提出的橫截面修正的Jones模型,以操縱性應(yīng)計利潤(ACC_EM)的絕對值表示盈余管理程度。本文使用盈余管理作為因變量,對銀行競爭與其關(guān)系構(gòu)建以下模型進(jìn)行回歸:

ACC_EMi,t=θ0+θ1HHIi,t+θ2ROAi,t+θ3SIZEi,t+θ4LEVi,t+θ5MBi,t+θ6IOi,t+

θ7BIG4i,t+θ8CRi,t+θ9WCi,t+τi+νi,t+γt+εi,t

(10)

其中:控制變量與基準(zhǔn)回歸模型中反映公司特征變量一致,即ROA(資產(chǎn)收益率)、SIZE(公司規(guī)模)、LEV(公司杠桿率)、MB(公司市賬率);此外,參考孟慶斌等(2021)的研究,還選取IO(公司股權(quán)特性)、BIG4(四大會計師事務(wù)所審計)、CR(公司流動資產(chǎn)比例)、WC(公司營運資本比率)作為控制變量。

回歸結(jié)果如表9所示。由列(1)可以看到,隨著銀行競爭的加劇,借款公司的盈余管理水平相應(yīng)降低,操縱性應(yīng)計利潤有所下降。進(jìn)一步按照盈余管理的方向分組,從列(2)、(3)可以看到,操縱性應(yīng)計利潤為正(ACC_EM+)和操縱性應(yīng)計利潤為負(fù)(ACC_EM-)結(jié)果均與銀行競爭水平呈負(fù)相關(guān),與列(1)回歸結(jié)果保持一致,這說明銀行競爭對于公司向上和向下操縱利潤的行為都起到了一定的約束監(jiān)督作用,但是ACC_EM-回歸系數(shù)不顯著,說明相較于向下操縱利潤,銀行競爭對向上操縱利潤的行為所起的監(jiān)督約束作用更為明顯。

表9 銀行競爭對會計信息披露影響檢驗結(jié)果

此外,為了更全面地捕捉會計披露中的隱藏信息,進(jìn)一步探討財務(wù)重述所補(bǔ)充的財務(wù)報告質(zhì)量。此前研究也表明,財務(wù)重述可能與管理層故意隱瞞負(fù)面信息有關(guān),且負(fù)面的重述往往會動搖投資者的信心,導(dǎo)致股價下跌甚至崩盤。替換模型(10)中的因變量操縱性應(yīng)計利潤(ACC_EM)為財務(wù)重述(Restatement)虛擬變量,從表9列(4)可以看到,回歸系數(shù)為1.396,且在1%水平上顯著,即銀行競爭度上升1%,財務(wù)重述下降1.396%,這表明在更具銀行競爭力的狀態(tài)下,公司進(jìn)行財務(wù)重述的可能性相對更小。這也反映了在銀行競爭更加激烈的市場環(huán)境中,借款企業(yè)的會計信息披露質(zhì)量會顯著提高,負(fù)面消息披露也更加充分,一定程度上降低了股價的崩盤風(fēng)險。

(二)企業(yè)異質(zhì)性分析

1.企業(yè)所有權(quán)性質(zhì)的影響

將樣本企業(yè)按照國有企業(yè)和民營企業(yè)進(jìn)行分組,分樣本回歸結(jié)果如表10所示。對于民營企業(yè)來說,銀行競爭與其股價崩盤風(fēng)險的相關(guān)性為負(fù)但不顯著,但銀行競爭能顯著降低國有企業(yè)的股價崩盤風(fēng)險。原因可能是,與民營企業(yè)相比,國有企業(yè)產(chǎn)權(quán)不明晰導(dǎo)致委托代理問題更加嚴(yán)重,更容易囤積負(fù)面消息,且國有企業(yè)資本規(guī)模較大,擔(dān)負(fù)較多的社會責(zé)任,一旦負(fù)面消息得到釋放,會引起更多的關(guān)注,導(dǎo)致股價反應(yīng)劇烈。而銀行競爭的加劇會帶來對借款人更為嚴(yán)格的監(jiān)督,且相較于民營企業(yè),對國有企業(yè)的監(jiān)督更為嚴(yán)格(Chemmanur et al.,2020),進(jìn)而減少國有企業(yè)負(fù)面消息的隱藏,降低其股價崩盤風(fēng)險。

表10 異質(zhì)性檢驗——所有權(quán)性質(zhì)結(jié)果

2.企業(yè)公司治理的影響

參考周茜等(2020)等的研究,本文基于高管薪酬、獨立董事比例等7個指標(biāo)并使用主成分分析法構(gòu)建公司治理指數(shù)(5)參考既有文獻(xiàn)做法,從監(jiān)督、激勵、決策多方面構(gòu)造綜合性指標(biāo)來度量公司治理水平。具體而言,用高管薪酬與高管持股比例來表示公司治理中的激勵機(jī)制,用獨立董事比例與董事會規(guī)模來表示董事會的監(jiān)督作用,用機(jī)構(gòu)持股比例與股權(quán)制衡度(第二至第五大股東持股比例之和/控股股東持股)來表示股權(quán)結(jié)構(gòu)的監(jiān)督作用,用董事長與總經(jīng)理是否兩職合一來表示總經(jīng)理的決策權(quán)力?；谏鲜?個指標(biāo),運用主成分分析法構(gòu)建公司治理指數(shù)。,得分越高說明公司治理水平越高,然后以公司治理指數(shù)的中位數(shù)為界進(jìn)行高低兩組分樣本回歸,結(jié)果如表11所示?？梢钥吹?銀行競爭對公司股價崩盤風(fēng)險的影響在公司治理水平較差組中更為顯著。原因可能是,治理水平高的公司委托代理問題相對更小,自身信息透明度更高,股價崩盤風(fēng)險相對更低,銀行競爭對公司治理水平差的企業(yè)改善作用更為明顯。

表11 異質(zhì)性檢驗——公司治理結(jié)果

3.企業(yè)外部金融市場環(huán)境的影響

中國區(qū)域經(jīng)濟(jì)的發(fā)展不平衡導(dǎo)致不同城市中的市場環(huán)境、法律環(huán)境和金融發(fā)展程度等方面都存在很大的差異。本文使用王小魯?shù)?2019)金融市場化指數(shù)來衡量金融市場環(huán)境,指數(shù)越大,意味著該地區(qū)的金融市場化程度越高,制度環(huán)境越完善,并基于指數(shù)的中位數(shù)進(jìn)行分組檢驗。回歸結(jié)果如表12所示,在金融市場化程度高的地區(qū),銀行競爭與企業(yè)股價崩盤風(fēng)險無顯著相關(guān)關(guān)系。原因可能是,金融市場化程度越高、市場機(jī)制越完善地區(qū)的企業(yè)融資方式越多,越不依賴于銀行融資。此外,在金融市場化程度較高的地區(qū)信息傳遞效率較高,負(fù)面消息難以囤積,而在金融市場化程度較低的地區(qū),銀行競爭能顯著降低公司股價崩盤風(fēng)險,銀行信貸和銀行監(jiān)督起了更好的作用。

表12 異質(zhì)性檢驗——企業(yè)外部金融市場環(huán)境結(jié)果

(三)互聯(lián)網(wǎng)發(fā)展的沖擊

隨著互聯(lián)網(wǎng)的快速發(fā)展,空間距離的阻礙日趨減弱,基于地理臨近獲取“軟信息”的優(yōu)勢似乎不復(fù)存在。為了驗證這一觀點,參考張爍珣等(2019)的研究,加入互聯(lián)網(wǎng)發(fā)展水平(Internet)作為控制變量,并使用每個城市互聯(lián)網(wǎng)接入人數(shù)來衡量每個城市的互聯(lián)網(wǎng)發(fā)展水平,結(jié)果見表13。

表13 考慮互聯(lián)網(wǎng)發(fā)展對傳統(tǒng)物理網(wǎng)點的影響

從列(1)、(2)可以看到,核心解釋變量銀行競爭度對公司股價崩盤風(fēng)險變量NCSKEW和DUVOL無論是符號還是顯著性均未發(fā)生變化,說明即使互聯(lián)網(wǎng)技術(shù)迅速發(fā)展,銀行競爭仍然會影響公司股價崩盤風(fēng)險,互聯(lián)網(wǎng)發(fā)展對于股價崩盤風(fēng)險影響為正,這意味著互聯(lián)網(wǎng)的發(fā)展促使信息快速傳播,負(fù)面消息難以隱藏,與股價崩盤風(fēng)險呈正相關(guān)。從列(3)、(4)可以看到,銀行競爭(HHI)與互聯(lián)網(wǎng)發(fā)展水平(Internet)的交互項系數(shù)為負(fù),說明互聯(lián)網(wǎng)發(fā)展會削弱以分支機(jī)構(gòu)衡量的銀行競爭對公司股價崩盤風(fēng)險的影響,主要因為隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,物理網(wǎng)點的重要性在不斷下降。

七、研究結(jié)論與政策建議

銀行競爭通過銀行信貸和銀行監(jiān)督對企業(yè)產(chǎn)生影響,減少其負(fù)面消息的隱藏,提升會計信息質(zhì)量,降低公司股價崩盤風(fēng)險。實證研究發(fā)現(xiàn),公司所在城市銀行競爭加劇會顯著降低企業(yè)股價崩盤風(fēng)險,且這一影響在國有企業(yè)、公司治理水平低和市場化程度低地區(qū)的企業(yè)更為明顯;在考慮互聯(lián)網(wǎng)技術(shù)迅速發(fā)展時,銀行競爭仍然會影響公司股價崩盤風(fēng)險,但傳統(tǒng)物理網(wǎng)點競爭的影響有所下降。

本文的研究結(jié)論有以下政策啟示:第一,要繼續(xù)推動金融供給側(cè)結(jié)構(gòu)性改革,充分發(fā)揮銀行業(yè)良性競爭帶來的“鯰魚效應(yīng)”,提升銀行經(jīng)營水平和甄別風(fēng)險、控制風(fēng)險的能力,發(fā)揮銀行業(yè)改善實體企業(yè)融資環(huán)境降低經(jīng)營風(fēng)險的優(yōu)勢作用,促進(jìn)銀行業(yè)和實體經(jīng)濟(jì)共生共榮、協(xié)調(diào)發(fā)展。第二,政府及證券市場監(jiān)管部門應(yīng)強(qiáng)化對上市公司內(nèi)部治理和信息披露的要求,防范股價崩盤風(fēng)險,維護(hù)金融市場穩(wěn)定;企業(yè)要重視內(nèi)部治理機(jī)制的建立,更要實時關(guān)注外部融資環(huán)境的變化,積極調(diào)整各項決策以適應(yīng)外部環(huán)境變化,提升自身的競爭優(yōu)勢,防范經(jīng)營風(fēng)險。第三,互聯(lián)網(wǎng)金融等現(xiàn)代科技的發(fā)展在一定程度上能夠減弱空間距離因素對企業(yè)融資的影響,為此應(yīng)繼續(xù)推行互聯(lián)網(wǎng)金融的發(fā)展,鼓勵商業(yè)銀行在風(fēng)險可控的基礎(chǔ)上進(jìn)行金融創(chuàng)新,更好地服務(wù)實體經(jīng)濟(jì)。