Managerial Power Intensity, Internal and External Monitoring and Stock Price Crash Risk
-
摘要: 针对“股价暴跌”这一金融异象，选取沪深两市2007—2017年A股上市公司作为研究对象，采用主成分分析法构建管理层权力强度的综合衡量指标，分析管理层权力强度对公司股价崩盘风险的影响及内外部监督对两者关系的调节作用。研究结果表明，管理层权力强度越大，上市公司股价未来的崩盘风险越高；同时，有效的内部控制和更多的分析师跟踪能够抑制管理层权力强度对公司股价崩盘风险的正向作用，但证券分析师的外部监督作用仅在非乐观预期的样本公司中发挥作用。该研究结论不仅拓展了管理层权力强度经济后果方面的文献，对于防范股价崩盘风险、促进股市平稳健康发展也具有重要的理论意义和实践启示。Abstract: In view of the financial anomaly of "stock price plunge", this paper selects A-share listed companies in Shanghai and Shenzhen Stock Exchanges from 2007 to 2017 as the research object, uses principal component analysis method to construct a comprehensive measurement index of management power, and deeply analyzes the impact of management power on stock price crash risk and the regulatory role of internal and external monitoring on the relationship between them. The results show that the greater the managerial power, the higher the stock price crash risk of listed companies; at the same time, effective internal control and more analyst following can inhibit the role of managerial power in promoting the risk of stock price crash, but the external supervision of security analysts only plays a role in non-optimistic expected sample companies. The findings of this study not only enrich the literature on the economic consequences of managerial power, but also are of significance theoretically and practically in preventing the risk of stock price crash and promoting the stable development of the stock market.
-
一、 引言
2018年7月以来，长生生物因涉嫌信息披露违法被立案调查，受疫苗行业的负面新闻影响，国产疫苗公司股价集体暴跌，370亿市值瞬间蒸发。无独有偶，受娱乐圈“阴阳合同”的影响，整个影视板块股价暴跌，多家影视公司遭遇平仓危机。无疑，股价崩盘事件频发，不仅损害股东财富，引起投资者的恐慌，极大地动摇了公众对资本市场的信心，还阻碍了金融市场的健康发展，因而关于股价崩盘风险的研究受到投资界、证券监管部门和学术界的高度重视。为此，针对中国股市这一独特的金融异象(潘越等，2011)[1]，探讨如何缓解和抑制公司股价崩盘风险、保护股东和投资者的利益具有重要的理论和现实意义。
股价崩盘本质上是公司信息不透明引起的结果(Hutton等，2009)[2]。管理者出于职业生涯和个人声誉的考虑隐瞒利空消息，当坏消息的累积超过阈值时，公司大量的负面消息瞬间披露，导致公司股票价格大幅下跌(Jin和Myers，2006)[3]。由此可以看出，管理者是影响公司股价崩盘风险的重要因素。目前学者们主要从CFO与CEO的性别(李小荣和刘行，2012)[4]、CEO年龄(Andreou等，2016)[5]、CEO过度自信(曾爱民等，2017)[6]、CFO兼任董秘(彭情和郑宇新，2018)[7]、财务总监地位(蒋德权等，2018)[8]等角度来探讨管理者的背景特征对股价崩盘的影响，却鲜有文献将管理者权力强度与公司股价崩盘风险结合起来进行研究；同时，已有文献较少考虑内外部监督对管理层权力强度的抑制和约束作用。作为公司内部监督的一个重要方面，有效的内部控制能够减轻管理层与股东之间的代理冲突，进一步保护投资者利益；而作为公司外部监督的一个重要内容，分析师跟踪有助于降低管理层与外部投资者之间的信息不对称程度，提高公司的可信度。这两者都可以在一定程度上有效约束管理层的机会主义行为。基于此，本文拟对该问题进行深入分析，采用2007—2017年沪深A股上市公司数据，实证检验管理层权力强度对上市公司股价崩盘风险的影响，探讨内外部监督机制对于管理层权力强度影响股价崩盘风险的调节作用，以期对已有研究产生边际贡献。本文的研究结果表明，管理层权力强度与股价崩盘风险之间显著正相关，有效的内外部监督能够抑制管理层权力强度对上市公司未来股价崩盘风险的正向影响；在考虑稳健性和内生性的影响之后，该研究结论仍然成立。
本文可能的边际贡献主要体现在以下两个方面：(1)已有文献主要从管理层性别、年龄、过度自信以及地位等角度展开研究，本文突破以往的代理理论研究框架，基于股价崩盘风险视角，丰富了管理层权力强度经济后果方面的研究内容，同时为股价崩盘风险的成因提供了新的研究视角。(2)本文在探讨管理层权力强度与股价崩盘风险关系的基础上，发现内部控制和分析师跟踪分别作为公司内部监督和外部监督的有效机制，可以在一定程度上抑制管理层权力强度对股价崩盘的正向作用，在拓展相关文献的同时，对于如何降低管理层权力强度的负面影响具有较重要的政策启示。
二、 文献综述与研究假设
（一） 管理层权力强度与股价崩盘风险
自Jin和Myers(2006)[3]基于管理层捂盘理论，从信息不对称视角检验出信息透明度与股价暴跌风险呈显著负相关关系以来，如何抑制管理层的机会主义行为并降低公司股价崩盘风险引起了学者们的极大关注。整体而言，学者们主要从公司治理和管理层背景特征两个角度对股价崩盘风险展开研究。
第一，关于公司治理。Hutton等(2009)[2]研究发现，信息透明度越低的公司股价崩盘风险越高，进一步支持了Jin和Myers(2006)[3]的观点；许年行等(2012、2013)[9－10]研究证实，分析师的乐观偏差使负面信息不能及时地披露给外部投资者而加剧公司未来股价崩盘的风险，且机构投资者的羊群行为由于降低了私有信息融入股价的程度而提高了公司股价的崩盘风险；权小锋等(2015)[11]分析发现，上市公司将履行社会责任作为一种“自利工具”而加剧了公司股票崩盘风险；沈华玉等(2017)[12]认为，控股股东控制权会产生“隧道”效应从而提升股价崩盘风险；同时，为了享受超额津贴，高管有长期隐瞒坏消息的动机，从而导致公司未来的股价崩盘风险更高(Xu等，2014)[13]；张晓宇和徐龙炳(2017)[14]的实证研究表明，配合限售股解禁及减持的资本运作作为大股东掏空的一种手段有可能引发股市动荡，从而导致股价崩盘风险。此外，学者们研究发现，会计稳健性(Kim和Zhang，2015)[15]、第一大股东持股比例的提高(王化成等，2015)[16]、公司内控信息披露水平的完善(叶康涛等，2015)[17]、媒体报道的介入(罗进辉和杜兴强，2014)[18]以及独立董事制度的改革(梁权熙和曾海舰，2016)[19]等等，均有助于抑制管理者的捂盘行为，减少其囤积坏消息的可能性，从而减轻公司未来的股价崩盘风险。进一步地，管理层可能会采用一些激进和复杂的避税策略来转移资金或囤积坏消息，这也会增加公司股价未来的崩盘风险(Kim等，2011a)[20]；而税收征管却可以通过改善公司治理来抑制管理层的机会主义行为，从而降低股价大跌的风险(江轩宇，2013)[21]。
第二，关于管理层背景特征。曾爱民等(2017)[6]研究发现，CEO的过度自信会显著提高股价崩盘风险；而CFO兼任董秘(彭情和郑宇新，2018)[7]、财务总监地位(将德权等，2018)[8]等则能显著降低股价崩盘风险；李小荣和刘行(2012)[4]从性别角度进行研究，发现女性CEO能够显著降低股价崩盘风险，但女性CFO却无此显著作用。在分析影响股价剧烈波动的因素中，已有文献虽然初步涉及对管理者背景特征的研究，但是缺少对管理层权力强度的探讨，而处于公司决策中心的管理层，其权力强度大小对公司的经营活动有着重大的影响。当公司管理层权力强度越大时，公司的收益波动性增大，股价有可能出现大涨大跌的趋势，公司出现经营极端值的可能性显著提高(权小锋和吴世农，2010)[22]，那么，其权力强度是否会给公司股价带来崩盘风险呢？这为本文研究管理层权力强度如何影响公司股价崩盘风险提供了难得的契机。
管理层权力是指管理层按照自己的思想组织生产以及经营活动的权力, 但多数情况下，管理层权力是指当公司的监督力度不足时管理层所表现出的超出其特定控制权的影响力。基于委托代理理论，股东赋予管理层处理公司日常经营事务和参与公司战略决策的权力，但是股东和管理层之间的利益并不完全一致。在为公司做出重大决策时，管理层往往面临着两难选择，即是最大化股东价值以实现公司价值最大化，还是为了个人利益而剥夺股东的利益？这些决策中需要考虑的一个关键因素就是管理层拥有的权力大小。对于管理层来说，一定程度的管理层权力能够激励其发挥经营才能，提高公司价值；但过度集中的管理层权力则有可能诱发管理层的投机主义行为，增大股价波动性，损害公司价值。下面具体分析之。
首先需要说明的是，学术研究中的股价崩盘风险指的是公司股票收益左偏的程度，并不一定是公司股价真的发生崩盘行为(谢德仁等，2016)[23]。如果一家公司的管理层拥有公司股权，并且面临着来自股东和投资者层面较为严格的监督，那么在一定程度上管理层和公司股东的利益趋于一致。管理层权力越大，他们可能有更强的动机来进行市值管理，缓解管理层与外界投资者的信息不对称程度，降低股价大涨大跌的可能性。然而在目前的经济体制下，监督机制缺乏和不完善容易导致管理层权力过度膨胀。随着权力强度的不断增加，管理层可控资源增加，更有可能通过谋取超额私有收益(权小锋等，2010)[24]和超额在职消费(张铁铸和沙曼，2014)[25]等各种自利措施进行寻租，从而增加上市公司的违规风险(Khanna等，2015；魏志华等，2017)[26－27]，最终损害公司的价值。同时，为了构建自己的商业帝国，管理者更易于进行非效率投资(如投资于净现值为负的项目)，但为了避免坏消息暴露带来的名誉受损、被迫离职或受到法律惩罚等各种严重后果，管理者有多种动机来隐瞒坏消息，致使坏消息在企业内部随着时间的推移而不断囤积；但当其囤积到一定程度时，累积的坏消息集中在资本市场释放，会造成公司股价在短时间内大幅下跌(张瑞君和徐鑫，2017)[28]。
随着管理层权力的增大，管理层对自身能力更易过度自信，倾向于高估投资项目的现金流，无法理性地评估项目投资过程中的负面反馈信息，低估投资面临的风险。同时，为了避免投资者停止项目，他们不愿意透露负面消息(Malmendier等，2011)[29]，但一旦投资者知晓企业的真实经营状况，累积的负面信息就会集中暴发，导致股价瞬间崩盘。除此之外，过度自信的管理层出于本能发布的乐观预测导致公司的负面信息很难及时传递给外部投资者，这将直接加剧公司的股价崩盘风险。
综上所述，管理层能否成功隐瞒坏消息，关键在于他们影响决策的能力；更具体地，正是管理层过于集中的权力给了他们转移公司资源以获取利润并向投资者隐藏坏消息的手段和理由，从而导致了股价暴跌。基于以上分析，提出以下假设：
假设1：在其他条件相同时，管理层权力强度的提升会加剧公司的股价崩盘风险。
（二） 内部监督、管理层权力强度与股价崩盘风险
既然管理层权力强度的增加会加剧公司股价未来崩盘的风险，那么有效的公司治理机制是否能够及时抑制管理层的机会主义行为呢？选择一种内在的监督机制来制衡管理层权力的滥用，降低管理层利用权力谋取私利可能是一种有效的治理方法，而内部控制被公认为是一种行之有效的权力制衡手段，通过事前防范、事中控制、事后纠正三大程序涵盖决策、执行和监督的全过程(朱朝晖和许文瀚，2018)[30]。首先，通过事前建立一套严格的内部控制制度，明确管理层的职责权限，对管理层的行为进行规范，建立良好的治理机制；其次，董事会等可以依照制度对管理层权力的行使进行监督，提升事中的信息沟通效率，尽可能地抑制管理层的逆向选择等自利行为；最后，对已被发现的财务舞弊和违规操纵行为进行惩戒并及时纠正(周美华，2016)[31]。完善的公司内部控制制度能够有效地对管理层在经营过程中拥有的权力进行监督，使管理层更好地履行职责，从而抑制其投机主义行为(Mitra等，2013)[32]；同时，完善的内部控制制度能够使投资者及时了解企业的真实经营状况，降低管理层与外部投资者之间的信息不对称程度，提高企业的信息透明度，降低管理层对不良信息的囤积，进一步缓解因管理层权力滥用所导致的股价崩盘风险(Chen等，2015)[33]。基于以上分析，本文提出以下假设：
假设2：在其他条件不变时，有效的内部控制能够抑制管理层权力强度对股价崩盘风险的影响。
（三） 外部监督、管理层权力强度与股价崩盘风险
良好的外部监督机制有利于对管理层的行为进行监督和制约，从而抑制管理层的寻租行为。作为重要的外部监督机制，分析师跟踪在信息传递过程中发挥着信息中介和监督作用。首先，管理层发布的信息具有一定的专业性和复杂性，分析师利用专业知识进行解读和预测，提高了信息的透明度，降低了管理层与外部投资者之间的信息不对称性，压缩了管理层囤积坏消息的空间，提高了投资者识别企业风险和收益的能力。其次，管理层发布的业绩预告等相关信息是分析师进行盈余预测的重要信息来源(李馨子和肖土盛，2015)[34]，这些业绩预告受到分析师的跟踪和追捧，有利于提高分析师预测的准确性。随着分析师跟踪人数的增加，投资者对该公司的关注程度明显增加，有动机和能力对管理层权力在经营过程中的运用进行监督和制约(Yu，2008)[35]，从而降低管理层隐藏坏消息的动机和机会，缓解管理层对公司股价崩盘风险的影响。基于以上分析，提出如下假设：
假设3a：在其他条件不变时，良好的外部监督机制能够抑制管理层权力强度对股价崩盘风险的影响。具体来讲，随着分析师跟踪人数的增加，管理层权力强度对股价崩盘风险的影响得以弱化。
但是，受利益冲突、乐观预期等理性或者非理性因素的影响，证券分析师在很多时候并未能公允、客观地提供其所掌握的私有信息。在乐观偏差的作用下，公司的许多负面信息并不能通过证券分析师的研究报告及时披露给外部投资者，从而增加上市公司股价崩盘风险的概率(许年行等，2012)[9]。基于以上分析，本文进一步补充上述假设：
假设3b：证券分析师的外部监督作用可能仅存在于分析师非乐观预期的样本公司中。
三、 研究设计
（一） 样本选择与数据来源
本文选取中国沪深A股非金融类上市公司作为初始研究样本，考虑到数据的可得性，样本区间为2007—2017年。借鉴已有研究，对数据进行了如下处理：(1)为了可靠地度量股价崩盘风险，剔除股票年度周收益少于30个观测值的公司样本；(2)剔除净资产为负值且无法获得管理层权力、财务和公司治理数据的公司。经过上述处理，共获得7 234个公司-年度数据。文中用到的内部控制指数数据来源于迪博公司的内部控制与风险管理数据库，其余来自CSMAR数据库。为消除极端值的影响，对主要连续变量在1%和99%的水平上进行Winsorize处理。
（二） 变量测度
1. 股价崩盘风险(Crash Risk)
借鉴Kim等(2011a)[20]、许年行等(2012)[9]学者的做法，采用以下步骤构造股价崩盘风险指标。
第一步，根据模型(1)计算公司股票的特有收益率：
$$ {R_{i, t}} = {\beta _0} + {\beta _1}{R_{m, t - 2}} + {\beta _2}{R_{m, t - 1}} + {\beta _3}{R_{m, t}} + {\beta _4}{R_{m, t + 1}} + {\beta _5}{R_{m, t + 2}} + {\varepsilon _{i, t}} $$ (1) 其中，Ri, t表示股票i在第t周考虑现金红利再投资的收益率，Rm, t为所有股票第t周按流通市值加权的收益率；式中还加入了市场平均收益率的两期超前项和两期滞后项来控制非同步性交易带来的影响。通过计算模型(1)的回归残差εi, t，可得股票i在第t周的公司特有收益率Wi, t=Ln(1+εi, t)。
第二步，根据Wi, t分别构造股价崩盘风险的两个度量指标。其中，负收益偏态系数NCSKEWi, t的计算方法如下：
$$ NCSKE{W_{i,t}} = - [n{(n - 1)^{3/2}}\sum {W_{i,t}^3} ]/[(n - 1)(n - 2){(\sum {W_{i,t}^2} )^{3/2}}] $$ (2) 式(2)中，n为每一年股票i的交易周数。NCSKEWi, t的值越大，表明公司的特有收益负偏态程度越大，股价崩盘风险越大。
收益上下波动比例DUVOLi, t的计算方法如下：
$$ DUVO{L_{i,t}} = Log\left\{ {[({n_u} - 1)\sum\limits_{Down} {W_{i,t}^2} ]/[({n_d} - 1)\sum\limits_{Up} {W_{i,t}^2} ]} \right\} $$ (3) 式(3)中，nu代表公司i的股价周特有收益率Wi, t大于其年平均收益率$\overline {{W_{i,t}}} $的上涨周数，nd代表公司i的股价周特有收益率Wi, t小于其年平均收益率$\overline {{W_{i,t}}} $的下跌周数。DUVOLi, t的值越大，表明公司股票收益越左偏，股价崩盘风险越大。
2. 管理层权力强度(Power)
借鉴权小锋和吴世农(2010)[22]、周美华等(2016)[31]的做法，通过对以下5个指标进行主成分回归，构建管理层权力强度综合指标(Power)：(1)CEO与董事长是否两职合一，当公司CEO兼任董事长时取值为1，否则为0；当CEO兼任董事长时管理层权力强度较大。(2)董事会规模，等于当年度董事会总人数。其规模越大，管理层权力强度越大。(3)内部董事比例，等于董事会中内部董事人数与董事会总人数之比，其中内部董事人数等于董事会总人数减去独立董事人数。其值越大，表明管理层权力强度越大。(4)股权分散度，等于第二至第十大股东持股比例与第一大股东持股比例的比值。其比值越大，表明管理层权力强度越大。(5)管理层持股，用管理层的持股比例来测量。其比值越大，表明管理层权力强度越大。可以看出，当管理层权力强度综合指标(Power)取值越大时，管理层权力强度越大。
3. 调节变量
本文选择内部控制作为内部监督机制的衡量指标，内部控制质量指标(Ic)选用DIB(迪博)公布的中国上市公司内部控制指数的自然对数进行度量。选择分析师跟踪数量和分析师乐观偏差作为外部监督机制的衡量指标，分析师跟踪数量(Analyst)选择当年度上市公司的分析师跟踪人数来表示。借鉴杨棉之和刘洋(2016)[36]的做法，分析师乐观偏差(Optimism)的度量方法如下：在跟踪上市公司的分析师中，如果发布公司的预测收益与实际收益差值大于0的分析师所占比例超过50%，则取值为1，否则为0。
4. 控制变量
借鉴Kim等(2011a)[20]、许年行等(2012)[9]的做法，本文控制了月平均超额换手率(Dturn)、周特有收益率的标准差(Sigma)、周特有收益率(Ret)、公司规模(Size)、资产负债水平(Lev)、总资产收益率(Roa)、市账比(MB)和公司信息透明度(Abacc)等变量来进行研究。此外，还控制了行业(Ind)和年度(Year)效应的影响。各变量定义见表 1。
表 1 主要变量定义变量类型 变量名称 变量符号 定义 被解释变量 负收益偏态系数 NCSKEW 选择财务年度内公司周特有收益率分布偏度的负值来衡量，取值越大，表示股价崩盘风险越高 上下波动比率 DUVOL 选择财务年度内下跌周特有收益率标准差与上涨周特有收益率标准差的比值的自然对数来衡量，取值越大，表示股价崩盘风险越高 解释变量 管理层权力强度 Power 选择采用主成分分析法构建的管理层权力强度综合指标来衡量 调节变量 内部控制质量 Ic 选择DIB(迪博)公布的中国上市公司内部控制指数的自然对数来衡量 分析师跟踪数量 Analyst 选择当年度上市公司的分析师跟踪人数取自然对数来衡量 分析师乐观偏差 Optimism 乐观偏差分析师比例超过50%，取值为1，否则为0 控制变量 月平均超额换手率 Dturn 选择股票i在第t年的月平均换手率与第t-1年的月平均换手率之差来衡量 周特有收益率的标准差 Sigma 选择股票i在第t年周特有收益的标准差来衡量 周特有收益率 Ret 选择股票i在第t年的平均周收益率来衡量 公司规模 Size 选择期末总资产的自然对数来衡量 资产负债水平 Lev 选择期末总负债与期末总资产之比来衡量 总资产收益率 Roa 选择净利润与期末总资产之比来衡量 市账比 MB 选择公司总市值与权益账面价值之比来衡量 公司信息透明度 Abacc 采用调整的Jones模型计算得到 行业 Ind 行业固定效应 年份 Year 年份固定效应 （三） 回归模型设定
为了验证管理层权力强度与公司股价崩盘风险之间的关系，本文将股价崩盘风险作为被解释变量，管理层权力强度作为解释变量，设定如下基本回归模型：
$$ \begin{array}{l} CrashRis{k_{i, t}} = {\beta _0} + {\beta _1}Powe{r_{i, t - 1}} + {\beta _2}Dtur{n_{i, t - 1}} + {\beta _3}Sigm{a_{i, t - 1}} + {\beta _4}{\mathop{\rm Re}\nolimits} {t_{i, t - }}_1 + {\beta _5}Siz{e_{i, t - 1}} + \\ \;\;\;\;\;\;\;\;\;\;\;\;{\beta _6}Le{v_{i, t - 1}} + {\beta _7}Ro{a_{i, t - 1}} + {\beta _8}M{B_{i, t - 1}} + {\beta _9}Abac{c_{i, t - 1}} + \sum {Ind} + \sum {Year} + {\varepsilon _{i, t}} \end{array} $$ (4) 式(4)中，如果β1的系数显著为正，则表明管理层权力强度的提升会加剧公司的股价崩盘风险，假设1得到验证。
为了验证内部控制质量是否在管理层权力强度影响公司股价崩盘风险中起调节作用，设定如下回归模型：
$$ \begin{array}{l} CrashRis{k_{i, t}} = {\beta _0} + {\beta _1}Powe{r_{i, t - 1}} + {\beta _2}I{c_{i, t - 1}} + {\beta _3}Powe{r_{i, t - 1}} \times I{c_{i, t - 1}} + {\beta _4}Dtur{n_{i, t - }}_1 + \\ \;\;\;\;\;\;\;\;\;\;\;\;{\beta _5}Sigm{a_{i, t - 1}} + {\beta _6}{\mathop{\rm Re}\nolimits} {t_{i, t - 1}} + {\beta _7}Siz{e_{i, t - 1}} + {\beta _8}Le{v_{i, t - 1}} + {\beta _9}Ro{a_{i, t - 1}} + \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\beta _{10}}M{B_{i, t - 1}} + {\beta _{11}}Abac{c_{i, t - 1}} + \sum {Ind} + \sum {Year} + {\varepsilon _{i, t}} \end{array} $$ (5) 式(5)中，如果β3的系数显著为负，则表明内部控制质量能够显著抑制管理层权力强度对公司股价崩盘的影响，假设2得到验证。
为了验证分析师跟踪是否在管理层权力强度影响公司股价崩盘风险中起调节作用，设定如下回归模型：
$$ \begin{array}{l} CrashRis{k_{i, t}} = {\beta _0} + {\beta _1}Powe{r_{i, t - 1}} + {\beta _2}Analys{t_{i, t - 1}} + {\beta _3}Powe{r_{i, t - 1}} \times Analys{t_{i, t - 1}}\\ \;\;\;\;\;\;\;\; + {\beta _4}Dtur{n_{i, t - }}_1 + {\beta _5}Sigm{a_{i, t - 1}} + {\beta _6}{\mathop{\rm Re}\nolimits} {t_{i, t - 1}} + {\beta _7}Siz{e_{i, t - 1}} + {\beta _8}Le{v_{i, t - 1}}\\ \;\;\;\;\; + {\beta _9}Ro{a_{i, t - 1}} + {\beta _{10}}M{B_{i, t - 1}} + {\beta _{11}}ABAC{C_{i, t - 1}} + \sum {Ind} + \sum {Year} + {\varepsilon _{i, t}} \end{array} $$ (6) 式(6)中，如果β3的系数显著为负，则表明分析师跟踪数量的增加能够显著抑制管理层权力强度对公司股价崩盘的影响，假设3得到验证。
此外，为了检验分析师乐观偏差对分析师跟踪外部监督作用的发挥是否有影响，本文将样本按乐观偏差分析师比例是否超过50%分为两组，分别检验模型(6)中各变量的回归结果是否有显著差异。
四、 实证结果分析与讨论
（一） 描述性统计与相关系数分析
从表 2可以看出，股价崩盘风险两个度量指标NCSKEWt的均值为-0.398，中位数为-0.376，标准差为0.740；DUVOLt的均值为-0.231，中位数为-0.230，标准差为0.370，表明公司之间的股价崩盘风险差异较大。管理层权力强度(Powert-1)的均值为-0.134，最小值为-0.764，最大值为1.172，标准差为0.434，表明公司间的管理层权力强度相差也较大。其余控制变量的分布均在合理范围之内。
表 2 主要变量的描述性统计变量 样本数 均值 标准差 最小值 最大值 分位点 25% 50% 75% NCSKEWt 7 234 -0.398 0.740 -2.665 1.433 -0.842 -0.376 0.055 DUVOLt 7 234 -0.231 0.370 -1.144 0.673 -0.482 -0.230 0.027 Powert-1 7 234 -0.134 0.434 -0.764 1.172 -0.463 -0.278 0.104 Dturnt-1 7 234 0.013 0.228 -0.667 0.696 -0.107 0.006 0.132 Rett-1 7 234 -0.001 0.006 -0.015 0.016 -0.015 -0.001 0.003 Sigmat-1 7 234 0.046 0.016 0.019 0.998 0.035 0.044 0.055 Sizet-1 7 234 22.500 1.263 19.531 25.912 21.588 22.312 23.269 Levt-1 7 234 0.472 0.198 0.058 0.931 0.322 0.478 0.624 Roat-1 7 234 0.048 0.047 -0.157 0.193 0.020 0.042 0.042 Mbt-1 7 234 2.400 1.528 0.907 10.124 1.375 1.944 2.864 ABACCt-1 7 234 0.064 0.069 0.001 0.436 0.020 0.044 0.083 Ict-1 7 234 6.436 0.785 0 6.839 6.473 6.538 6.586 Analystt-1 7 234 2.164 0.845 0.693 3.714 1.609 2.197 2.833 Optimismt-1 4 527 0.668 0.471 0 1 0 1 1 表 3报告了变量之间的Pearson相关系数：(1)股价崩盘风险的两个度量指标NCSKEWt和DUVOLt的相关系数为0.957，且在1%的水平上显著，表明这两个度量指标具有很好的一致性；(2)NCSKEWt和DUVOLt与管理层权力强度(Powert-1)至少在5%的水平上显著正相关，初步验证了假设1，其他控制变量与股价崩盘风险的相关关系也基本符合预期。与此同时，其他控制变量之间的相关系数最大为0.519，其余的都远小于0.5，表明回归模型中不存在严重的多重共线性问题。另外，通过计算各变量的方差膨胀因子(VIF值)来判断各解释变量之间是否存在多重共线性问题，结果显示，各变量的VIF值最大为1.87，远小于10，进一步说明解释变量之间不存在多重共线性问题。
表 3 变量的Pearson相关系数NCSKEWt DUVOLt Powert-1 Dturnt-1 Rett-1 Sigmat-1 Sizet-1 Levt-1 Roat-1 Mbt-1 Abacct-1 NCSKEWt 1.000 DUVOLt 0.957*** 1.000 Powert-1 0.023** 0.014*** 1.000 Dturnt-1 -0.077*** -0.093*** 0.007 1.000 Rett-1 0.063*** 0.068*** 0.014 0.060*** 1.000 Sigmat-1 -0.011 -0.025** 0.133*** 0.480*** 0.261*** 1.000 Sizet-1 -0.076 -0.069*** -0.289*** -0.068*** -0.076*** -0.212*** 1.000 Levt-1 -0.041*** -0.038*** -0.261*** -0.017 -0.005 -0.011 0.519*** 1.000 Roat-1 0.071*** 0.067*** 0.092*** -0.056*** 0.087*** -0.050*** -0.135*** -0.450*** 1.000 Mbt-1 0.078*** 0.066*** 0.262*** 0.107*** 0.164*** 0.378*** -0.500*** -0.449*** 0.375*** 1.000 Abacct-1 0.030*** 0.031*** 0.026** -0.032*** 0.033*** 0.088*** -0.010*** 0.102*** 0.055*** 0.057*** 1.000 注：*、**、***分别表示在10%、5%和1%的水平上显著，下表同 （二） 回归结果与分析
1. 管理层权力强度与股价崩盘风险的回归结果
表 4直接报告了假设1的回归结果，其中列(1)和列(2)的被解释变量为NCSKEWt，列(3)和列(4)的被解释变量为DUVOLt。列(1)和列(3)检验了在不考虑控制变量的情况下，管理层权力强度对股价崩盘风险的影响；可以看出，无论是NCSKEWt还是DUVOLt作为被解释变量，管理层权力强度与股价崩盘之间都在1%的水平上显著正相关，表明在不考虑其他因素的情况下，随着管理层权力强度的提高，公司的股价崩盘风险显著加剧。列(2)和列(4)则是考虑了控制变量时管理层权力强度对股价崩盘风险的影响；可以看出，管理层权力强度与股价崩盘风险都在5%的水平上显著正相关，表明在考虑其他影响因素的情况下，公司的股价崩盘风险随着管理层权力强度的提高显著增加，其余控制变量的影响也在合理预期内。研究结果验证了假设1。
表 4 管理层权力强度与股价崩盘风险的基本回归结果变量 NCSKEWt DUVOLt 国有企业 非国有企业 NCSKEWt DUVOLt NCSKEWt DUVOLt (1) (2) (3) (4) (5) (6) (7) (8) Powert-1 0.165*** 0.133** 0.082*** 0.065** 0.094** 0.038* 0.036 0.023 (2.78) (2.23) (2.77) (2.19) (2.09) (1.74) (0.73) (0.93) Dturnt-1 -0.080 -0.040 -0.045 -0.032* -0.031 -0.013 (-1.29) (-1.29) (-1.16) (-1.73) (-1.17) (-1.01) Rett-1 6.286*** 3.106*** 3.298* 2.036** 4.788*** 2.152** (3.60) (3.58) (1.77) (2.24) (2.79) (2.53) Sigmat-1 2.032** 0.855* 3.219*** 1.397*** 0.864 0.477 (2.08) (1.76) (3.33) (2.97) (0.96) (1.08) Sizet-1 0.015 0.006 -0.006 -0.005 -0.030 -0.017 (0.45) (0.34) (-0.18) (-0.28) (-1.05) (-1.19) Levt-1 -0.081 -0.048 0.151 0.080*** 0.201* 0.085*** (-0.62) (-0.75) (1.17) (1.28) (1.86) (2.75) Roat-1 0.099 0.048 0.280 0.165 0.022 0.102* (0.29) (0.28) (0.94) (1.14) (0.08) (1.89) Mbt-1 0.028** 0.019*** 0.039*** 0.024*** 0.041*** 0.019*** (2.12) (2.95) (2.61) (3.24) (6.46) (3.52) Abacct-1 0.136 0.018 0.103 0.046 0.038*** 0.047 (0.09) (0.24) (0.68) (0.62) (3.51) (0.66) Con -0.200*** -0.679 -0.132*** -0.336 -0.862 -0.439 -0.245 -0.144 (-6.84) (-0.91) (-9.07) (-0.91) (-1.14) (-1.19) (-0.40) (-0.48) Ind 控制 控制 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 控制 控制 N 7 234 7 234 7 234 7 234 3 978 3 978 3 255 3 255 R2 0.040 0.048 0.045 0.055 0.053 0.066 0.081 0.083 F 28.63*** 17.49*** 32.65*** 19.97*** 17.63*** 22.10*** 14.07*** 18.37*** 注：括号内为t值，下表同 此外，考虑到在中国当前的制度背景下很多上市公司由国企改制而来，与非国有企业相比，国有企业的管理层对企业的经营决策具有较大的控制权和更多的自由裁量权，尤其是在所有者缺位的情况下，董事会结构以及内部控制制度薄弱进一步加强了管理层的权力强度。此种情况下，出于对自己政治使命和职业声誉的考虑，集中所有力量抑制坏消息成为管理层的一种本能(Piotroski等，2015)[37]；同时，国有企业高管更换和选聘中政治因素的考量客观上加剧了高管层的职位堑壕效应(刘星等，2012)[38]。因此，当上市公司产权性质不同时，管理层权力强度对股价崩盘风险的影响是否存在显著差异？这也是本文需要进一步考虑的问题。
从表 4的(5)(6)列可以看出，当上市公司为国有企业时，无论是NCSKEWt还是DUVOLt作为被解释变量，管理层权力强度与股价崩盘之间都显著正相关；从表 4的(7)(8)列可以看出，当上市公司为非国有企业时，无论是NCSKEWt还是DUVOLt作为被解释变量，管理层权力强度与股价崩盘之间虽然仍为正相关，但并不显著。进一步地，采用Bootstrap法重复抽样1 000次，经验p值分别为0.036和0.079，在5%和10%的水平上显著，证实了两组回归系数之间差异的显著性。
2. 内部控制在管理层权力强度影响股价崩盘风险中的调节作用
表 5直接报告了假设2的回归结果，其中列(1)(2)的被解释变量为NCSKEWt，列(3)(4)的被解释变量为DUVOLt。为了检验内部控制对管理层权力强度影响股价崩盘风险的调节效应，本文引入交乘项Powert-1×Ict-1作为解释变量。研究结果表明，管理层权力强度Powert-1在5%的水平上显著正相关，与前述研究基本一致；交互项Powert-1×Ict-1至少在5%的水平上显著负相关，表明内部控制的确抑制了管理层权力强度对公司股价崩盘风险的正向影响，有效发挥了内部监督作用，假设2得到验证。同时，Ict-1本身与股价崩盘风险显著负相关(系数为-0.023，t值为3.49)或者负相关(系数为-0.010，t值为-1.44)。
表 5 管理层权力强度、内外部监督与股价崩盘风险的回归结果变量 NCSKEWt DUVOLt (1) (2) (3) (4) Powert-1 0.287**(1.97) 0.322***(3.19) 0.065**(2.20) 0.169***(3.37) Ict-1 -0.023***(-3.49) -0.010(-1.44) Powert-1×Ict-1 -0.042**(-2.43) -0.041***(-10.70) Analystt-1 0.030(1.47) 0.020**(2.01) Powert-1×Analystt-1 -0.088**(-2.37) -0.048***(-2.63) Dturnt-1 -0.082(-1.31) -0.080(-1.29) -0.041(-1.31) -0.040(-1.29) Rett-1 6.412***(3.67) 6.621***(3.78) 3.156***(3.63) 3.324***(3.82) Sigmat-1 1.989**(2.04) 1.841*(1.88) 0.838*(1.73) 0.731(1.50) Sizet-1 0.194(0.56) -0.009(-0.26) 0.008(0.45) -0.010(-0.56) Levt-1 -0.058(-0.44) -0.051(-0.40) -0.031(-0.49) -0.030(-0.47) Roat-1 0.159(0.46) -0.024(-0.07) 0.078(0.46) -0.034(-0.19) Mbt-1 0.027**(2.04) 0.023*(1.74) 0.019***(2.86) 0.016**(2.44) Abacct-1 0.009(0.06) 0.023(0.15) 0.016(0.21) 0.023(0.31) Con -0.610(-0.82) -0.190(-0.25) -0.308(-0.83) -0.025(-0.07) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 7 234 7 234 7 234 7 234 R2 0.048 0.050 0.055 0.057 F 15.67*** 16.15*** 18.91*** 18.63*** 3. 分析师跟踪在管理层权力强度影响股价崩盘风险中的调节作用
假设3的回归结果见表 5，其中列(1)(2)的被解释变量为NCSKEWt，列(3)(4)的被解释变量为DUVOLt。为了检验分析师跟踪对管理层权力强度影响股价崩盘风险的调节效应，本文引入交乘项Powert-1×Analystt-1作为解释变量。研究结果表明，管理层权力强度Powert-1在1%的水平上显著正相关，与前述研究基本一致；交互项Powert-1×Analystt-1至少也在5%的水平上显著负相关，表明随着分析师跟踪人数的增加，管理层权力强度对股价崩盘风险的正向影响得以弱化，分析师跟踪有效发挥了外部监督作用，假设3a得到验证。
需要注意的是，从表 5的(2)(4)列可以看出，虽然交互项Powert-1×Analystt-1与股价崩盘风险显著负相关，但是Analystt-1本身与股价崩盘风险正相关(系数为0.030，t值为1.47)或者显著正相关(系数为0.020，t值为2.01)，表明证券分析师本身反而会加剧公司股票崩盘的风险，这可能与前文提到的分析师偏向于乐观预期有关。因此，本文进一步将分析师跟踪的样本按照乐观偏差的分析师比例是否超过50%分为乐观预期样本和非乐观预期样本，回归结果如表 6所示。
表 6 管理层权力强度、外部监督与股价崩盘风险的回归结果(分样本)变量 Optimism=1 Optimism=0 NCSKEWt DUVOLt NCSKEWt DUVOLt (1) (2) (3) (4) Powert-1 0.796*(1.76) 0.548**(2.09) 0.311**(2.37) 0.121***(4.79) Analystt-1 0.508**(2.23) 0.286**(2.45) -0.131**(-2.43) -0.065**(-2.29) Powert-1×Analystt-1 0.587(1.40) 0.225(1.04) -0.110**(-2.25) -0.049***(-5.23) Dturnt-1 0.112(0.32) 0.079(0.44) -0.103(-1.30) -0.048(-1.16) Rett-1 10.39(0.83) 3.107(0.49) 3.278(0.70) 2.543(1.05) Sigmat-1 18.10**(2.14) 8.385*(1.94) -0.634(-0.28) -0.448(-0.38) Sizet-1 0.268(0.56) 0.124(0.51) -0.063**(-2.12) -0.022(-1.43) Levt-1 -1.271(-1.07) -0.853(-1.40) 0.188(0.91) 0.062(0.58) Roat-1 0.865(0.26) -0.628(-0.37) -0.816(-0.91) -0.209(-0.45) Mbt-1 0.042(0.36) 0.080(1.32) 0.063**(2.16) 0.028*(1.83) Abacct-1 0.163(0.01) -0.038(-0.06) 0.396(0.94) 0.156(0.71) Con -8.387(-0.78) -4.029(-0.73) 0.475(0.70) 0.018(0.05) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 2 546 2 546 1 981 1 981 R2 0.253 8 0.263 0 0.193 1 0.145 3 F 1.95*** 2.04*** 33.34*** 28.53*** 从表 6的(1)(2)列可以看出，对于存在乐观预期的分析师跟踪子样本来说，分析师跟踪并没有降低管理层权力强度对股价崩盘风险的影响程度，反而提升了管理层权力强度与股价崩盘风险的相关性(回归不显著)，同时分析师跟踪本身会增加股价崩盘风险，这与前文的分析及许年行等(2012)[9]的结论一致。相反，从表 6的(3)(4)列可以看出，对于非乐观预期的分析师跟踪子样本来说，分析师跟踪显著降低了管理层权力强度对公司股价崩盘风险的正向影响。可以看出，如果大部分分析师所做的乐观预测越少，反而有利于分析师快速识别公司隐藏的坏消息，降低公司未来股价崩盘风险。同时，在此类样本中，分析师跟踪本身也与股价崩盘风险显著负相关。假设3b得到验证。
上述研究表明，在分析师乐观预期较小的公司，随着分析师跟踪人数的增加，提高了信息的透明度，压缩了管理层囤积坏消息的空间，降低了公司股价崩盘风险。然而，股价崩盘风险较低的公司，其分析师跟踪人数也较多，有时候甚至出现羊群效应，因此两者之间可能互为因果关系，模型存在着内生性问题。本文已经将分析师跟踪人数变量取值滞后一期，此外还借鉴李春涛等(2014)[39]的文献，利用上市公司是否属于沪深300成分股(HS300)作为分析师跟踪人数的工具变量，采用两阶段回归(2SLS)重新估计分析师非乐观预期样本的回归结果。
如表 7所示，在第一阶段回归中，HS300与Analystt显著正相关(系数为0.741，在1%水平上显著)；第二阶段回归显示，在考虑了分析师跟踪的内生性问题之后，分析师跟踪仍然显著降低了管理层权力强度对公司股价崩盘风险的正向影响，进一步支持了本文的研究结论。
表 7 非乐观预期样本中分析师跟踪人数的内生性检验回归结果第一阶段回归 第二阶段回归 解释变量 被解释变量
(Analystt)解释变量 被解释变量 NCSKEWt DUVOLt HS300 0.741***(10.29) Powert-1 0.432**(2.35) 0.153*(1.76) Instrumented Analystt-1 -0.131*(-1.87) -0.092**(-1.97) Powert-1×Instrumented Analystt-1 -0.197**(2.59) -0.115***(-7.96) Con 0.027(1.20) Con 0.190(0.97) 0.432**(1.98) Ind 控制 Ind 控制 控制 Year 控制 Year 控制 控制 N 1 981 N 1 981 1 981 R2 0.287 4 R2 0.172 1 0.165 8 F 14.29*** F 24.56*** 19.31*** （三） 稳健性检验
1. 改变关键变量的度量指标
股价崩盘风险是本文的核心指标，为了检验回归结果的稳健性，参考Kim等(2011a)[20]、梁权熙和曾海舰(2016)[19]的做法，在财务年度内，如果公司在某一周的特质收益率低于其年度均值以下3.2个标准差，则定义该周为崩盘周，当财务年度内至少出现一个崩盘周时，公司-年度崩盘风险指标CRASH取值为1，否则取值为0。研究结果如表 8所示。可以看出，采用新的方法重新度量股价崩盘风险后，不论是否考虑控制变量，管理层权力强度(Powert-1)与公司股价崩盘风险(CRASHt)都在1%的水平上显著正相关，进一步支持了本文的研究结论。
表 8 稳健性检验回归结果改变关键变量的度量指标 新增影响因素 解释
变量被解释变量
(CRASHt)解释
变量被解释变量
(SYNCH)解释
变量被解释变量 NCSKEWt DUVOLt (1) (2) (3) (4) (5) (6) Powert-1 0.003***
(3.39)0.003***
(3.16)Power -0.157***
(-3.19)-0.126**
(-2.47)Powert-1 0.140**
(2.29)0.068**
(2.26)Dturnt-1 0.002
(1.46)State 0.110
(1.22)Dturnt-1 -0.090
(-1.43)-0.044
(-1.41)Rett-1 -0.045
(-0.70)Size 0.128***
(4.63)Rett-1 6.517***
(3.67)3.192***
(3.61)Sigmat-1 0.064**
(2.29)Roa -0.885***
(-4.02)Sigmat-1 1.736*
(1.75)0.676
(1.37)Sizet-1 0.001*
(1.82)Leverage -0.414***
(-4.07)Sizet-1 0.006
(0.17)-0.001
(-0.08)Levt-1 -0.001
(-1.57)Lholding 0.269
(1.59)Levt-1 -0.065
(-0.49)-0.035
(-0.54)Roat-1 -0.003
(-0.56)Inholding -0.246***
(-4.66)Roat-1 0.298
(0.80)0.123
(0.66)Mbt-1 0.000**
(2.10)Growth -0.007
(-0.89)Mbt-1 0.021
(1.52)0.016**
(2.33)Abacct-1 -0.003
(-0.96)Abacct-1 -0.034
(-0.22)-0.003
(-0.04)Ict-1 -0.020
(-0.24)-0.011
(-0.27)Analystt-1 0.043**
(2.18)0.027***
(2.80)Big4 -0.031
(-0.30)-0.015
(-0.30)Con 0.003***
(6.17)-0.134*
(-1.76)con 0.600***
(21.53)-2.014***
(-3.43)Con -0.418
(-0.45)-0.152
(-0.33)Ind 控制 控制 Ind 控制 控制 Ind 控制 控制 Year 控制 控制 Year 控制 控制 Year 控制 控制 N 13 626 13 626 N 8 201 8 201 N 7 234 7 234 R2 0.023 0.061 R2 0.306 8 0.314 1 R2 0.051 0.058 F 11.48*** 3.51*** F 352.25*** 194.07*** F 15.30*** 17.65*** 此外，本文采用股价同步性来衡量公司股价崩盘的程度。前文的实证结果表明，随着管理层权力强度的提高，公司的股价崩盘风险随之增大，这在一定程度上说明权力越高的管理层越有可能降低公司的私有信息融入股价的程度。为了进一步验证该结果，本文直接考察管理层权力强度与股价同步性之间的关系。作为资本市场定价效率的一个重要测度指标，股价同步性可以衡量上市公司特有信息融入股价的程度。由于中国资本市场存在着较大噪音，当股价同步性越高时，股票市场的定价效率越高；反之，当股价同步性越低时，股票市场的定价效率就越低，两者之间呈正相关关系(王亚平，2009)[40]。基于此，本文认为，如果管理层手中的权力给了他们转移公司资源以获取利润并向投资者隐藏坏消息的手段和理由，那么随着管理层权力强度的提高，被管理层隐藏的公司特质信息越多，可供投资者挖掘的私有信息越多，通过交易融入股价的私有信息也就越多，从而降低了股价同步性(冯用富等，2009)[41]，管理层权力强度与股价同步性之间应呈负相关关系。
为此，构建如下实证模型以检验管理层权力强度与股价同步性之间的关系：
$$ \begin{array}{l} SYNCH = {\beta _0} + {\beta _1}Power + {\beta _2}State + {\beta _3}Size + {\beta _4}Leverage + {\beta _5}Lholding + \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\beta _6}Inholding + {\beta _7}Growth + \sum {Ind} + \sum {Year} + \varepsilon \end{array} $$ (7) 式(7)中，SYNCH为股价同步性，度量方法如下：
$$ SYNC{H_i} = Ln\left\lfloor {R_i^2/(1 - R_i^2)} \right\rfloor $$ (8) 式(8)中，Ri2为式(1)中的年度回归拟合优度值，表示公司的个股收益中被市场收益所解释的部分。参考已有研究，本文选择公司股权性质(State)、公司规模(Size)、负债水平(Leverage)、第一大股东持股比例(Lholding)、机构投资者持股比例(Inholding)、公司成长性(Growth)作为控制变量，并对行业(Ind)和年度(Year)的影响加以控制。
从表 8的第(3)列可以看出，在不考虑控制变量的情况下，管理层权力强度与股价同步性在1%的水平上显著负相关；从第(4)列可以看出，在考虑控制变量的情况下，管理层权力强度与股价同步性在5%的水平上显著负相关。这在一定程度上表明管理层隐藏了更多的公司特质信息，再次验证了我们的基本结论。
2. 进一步控制其他因素的影响
考虑到遗漏变量有可能导致研究结论不稳健，本文将内部控制质量(Ic)、“四大”审计(Big4)、分析师跟踪(Analyst)等可能影响股价崩盘风险的内外部监督因素加入基本回归模型中。从表 8的(5)(6)列可以看出，被解释变量不论是NCSKEWt还是DUVOLt，管理层权力强度(Powert-1)与公司股价崩盘风险(CRASHt)均在5%的水平上依然显著正相关，进一步验证了本文的研究结论。
（四） 内生性检验
本文已将回归模型的解释变量和控制变量滞后一期，可以在一定程度上克服潜在的内生性问题。为了使研究结论更加稳健，将使用两阶段回归(2SLS)进一步控制内生性对研究结论的影响。借鉴王化成等(2015)[16]的相关研究，采用同年度同行业其他公司管理层权力强度的均值(Industry Mean)作为管理层权力强度的工具变量。原因如下：所在同一行业的公司面临着相似的行业特征和经营风险，故满足相关性要求；同行业其他公司的管理层权力强度无法直接影响本公司的股价崩盘风险，故满足外生性要求。
从表 9可以看出：第一阶段回归结果显示，管理层权力强度的均值(Industry Mean)与管理层权力强度(Power)在1%的水平上显著正相关；第二阶段回归结果显示，在控制内生性问题之后，管理层权力强度与公司股价崩盘风险在1%的水平上仍然显著正相关。从而进一步验证了本文的结论。
表 9 内生性检验回归结果第一阶段回归 第二阶段回归 解释变量 被解释变量
(Powert)解释变量 被解释变量 NCSKEWt DUVOLt Industry Meant 0.830***(34.13) Instrumented Powert-1 0.797***(3.67) 0.360***(3.41) Dturnt -0.068***(-7.77) Dturnt-1 -0.134***(-3.39) -0.067***(-3.48) Rett 0.873***(3.24) Rett-1 5.799***(4.76) 2.953***(5.00) Sigmat 0.743***(5.04) Sigmat-1 2.909***(4.41) 1.311***(4.09) Sizet 0.016***(4.07) Sizet-1 -0.050**(-2.56) -0.026***(-2.71) Levt -0.007*(-1.82) Levt-1 -0.012(-0.32) -0.016(-0.89) Roat 0.042**(2.51) Roat-1 0.013(0.14) 0.019(0.40) Mbt 0.001(1.50) Mbt-1 0.005(1.59) 0.003**(1.98) Abacct 0.043***(2.83) Abacct-1 0.113*(1.72) 0.056*(1.75) Con -0.547***(-6.38) Con 0.405(0.96) 0.166(0.81) Ind 控制 Ind 控制 控制 Year 控制 Year 控制 控制 N 12 817 N 12 817 12 817 R2 0.132 9 R2 0.064 0.067 F 13.57*** F 29.30*** 37.46*** 五、 研究结论与政策启示
本文选择沪深两市2007—2017年A股上市公司数据为研究样本，以管理层权力强度为切入点，聚焦公司股价崩盘风险，实证检验了在公司经营中起决策作用的管理层权力强度是否会对公司股价崩盘风险产生影响。研究结论表明，随着管理层权力强度的提高，公司的股价崩盘风险也随之增大；进一步的研究表明，有效的内部控制和更多的分析师跟踪可以抑制管理层权力强度对公司股价崩盘的正向作用，且分析师跟踪的外部监督作用仅在非乐观预期的样本公司中发挥作用。
本文的研究具有如下政策启示：“把权力关进制度的笼子”，尤其是当管理层对公司的经营决策有较大控制权时，规范管理层权力强度，约束管理层的自由裁量权，优化权力配置显得尤为重要；而良好的内外部监督机制能够有效约束管理层权力强度，这也为降低公司股价崩盘风险，提高股票市场的定价效率提供了理论和实证支持。
当然，本文的研究还存在进一步完善的地方，如不同控制主体的管理层权力强度可能存在较大差异，而本文只是从国有企业和非国有企业视角做了初步比较，未来可以考虑从家族企业和非家族企业这个视角进行研究。在考虑外部监督机制时，还可以从机构投资者、媒体监督等视角来考察，或者共同探讨其发挥的作用。
-
表 1 主要变量定义
变量类型 变量名称 变量符号 定义 被解释变量 负收益偏态系数 NCSKEW 选择财务年度内公司周特有收益率分布偏度的负值来衡量，取值越大，表示股价崩盘风险越高 上下波动比率 DUVOL 选择财务年度内下跌周特有收益率标准差与上涨周特有收益率标准差的比值的自然对数来衡量，取值越大，表示股价崩盘风险越高 解释变量 管理层权力强度 Power 选择采用主成分分析法构建的管理层权力强度综合指标来衡量 调节变量 内部控制质量 Ic 选择DIB(迪博)公布的中国上市公司内部控制指数的自然对数来衡量 分析师跟踪数量 Analyst 选择当年度上市公司的分析师跟踪人数取自然对数来衡量 分析师乐观偏差 Optimism 乐观偏差分析师比例超过50%，取值为1，否则为0 控制变量 月平均超额换手率 Dturn 选择股票i在第t年的月平均换手率与第t-1年的月平均换手率之差来衡量 周特有收益率的标准差 Sigma 选择股票i在第t年周特有收益的标准差来衡量 周特有收益率 Ret 选择股票i在第t年的平均周收益率来衡量 公司规模 Size 选择期末总资产的自然对数来衡量 资产负债水平 Lev 选择期末总负债与期末总资产之比来衡量 总资产收益率 Roa 选择净利润与期末总资产之比来衡量 市账比 MB 选择公司总市值与权益账面价值之比来衡量 公司信息透明度 Abacc 采用调整的Jones模型计算得到 行业 Ind 行业固定效应 年份 Year 年份固定效应 
下载: 导出CSV
表 2 主要变量的描述性统计
变量 样本数 均值 标准差 最小值 最大值 分位点 25% 50% 75% NCSKEWt 7 234 -0.398 0.740 -2.665 1.433 -0.842 -0.376 0.055 DUVOLt 7 234 -0.231 0.370 -1.144 0.673 -0.482 -0.230 0.027 Powert-1 7 234 -0.134 0.434 -0.764 1.172 -0.463 -0.278 0.104 Dturnt-1 7 234 0.013 0.228 -0.667 0.696 -0.107 0.006 0.132 Rett-1 7 234 -0.001 0.006 -0.015 0.016 -0.015 -0.001 0.003 Sigmat-1 7 234 0.046 0.016 0.019 0.998 0.035 0.044 0.055 Sizet-1 7 234 22.500 1.263 19.531 25.912 21.588 22.312 23.269 Levt-1 7 234 0.472 0.198 0.058 0.931 0.322 0.478 0.624 Roat-1 7 234 0.048 0.047 -0.157 0.193 0.020 0.042 0.042 Mbt-1 7 234 2.400 1.528 0.907 10.124 1.375 1.944 2.864 ABACCt-1 7 234 0.064 0.069 0.001 0.436 0.020 0.044 0.083 Ict-1 7 234 6.436 0.785 0 6.839 6.473 6.538 6.586 Analystt-1 7 234 2.164 0.845 0.693 3.714 1.609 2.197 2.833 Optimismt-1 4 527 0.668 0.471 0 1 0 1 1
下载: 导出CSV
表 3 变量的Pearson相关系数
NCSKEWt DUVOLt Powert-1 Dturnt-1 Rett-1 Sigmat-1 Sizet-1 Levt-1 Roat-1 Mbt-1 Abacct-1 NCSKEWt 1.000 DUVOLt 0.957*** 1.000 Powert-1 0.023** 0.014*** 1.000 Dturnt-1 -0.077*** -0.093*** 0.007 1.000 Rett-1 0.063*** 0.068*** 0.014 0.060*** 1.000 Sigmat-1 -0.011 -0.025** 0.133*** 0.480*** 0.261*** 1.000 Sizet-1 -0.076 -0.069*** -0.289*** -0.068*** -0.076*** -0.212*** 1.000 Levt-1 -0.041*** -0.038*** -0.261*** -0.017 -0.005 -0.011 0.519*** 1.000 Roat-1 0.071*** 0.067*** 0.092*** -0.056*** 0.087*** -0.050*** -0.135*** -0.450*** 1.000 Mbt-1 0.078*** 0.066*** 0.262*** 0.107*** 0.164*** 0.378*** -0.500*** -0.449*** 0.375*** 1.000 Abacct-1 0.030*** 0.031*** 0.026** -0.032*** 0.033*** 0.088*** -0.010*** 0.102*** 0.055*** 0.057*** 1.000 注：*、**、***分别表示在10%、5%和1%的水平上显著，下表同
下载: 导出CSV
表 4 管理层权力强度与股价崩盘风险的基本回归结果
变量 NCSKEWt DUVOLt 国有企业 非国有企业 NCSKEWt DUVOLt NCSKEWt DUVOLt (1) (2) (3) (4) (5) (6) (7) (8) Powert-1 0.165*** 0.133** 0.082*** 0.065** 0.094** 0.038* 0.036 0.023 (2.78) (2.23) (2.77) (2.19) (2.09) (1.74) (0.73) (0.93) Dturnt-1 -0.080 -0.040 -0.045 -0.032* -0.031 -0.013 (-1.29) (-1.29) (-1.16) (-1.73) (-1.17) (-1.01) Rett-1 6.286*** 3.106*** 3.298* 2.036** 4.788*** 2.152** (3.60) (3.58) (1.77) (2.24) (2.79) (2.53) Sigmat-1 2.032** 0.855* 3.219*** 1.397*** 0.864 0.477 (2.08) (1.76) (3.33) (2.97) (0.96) (1.08) Sizet-1 0.015 0.006 -0.006 -0.005 -0.030 -0.017 (0.45) (0.34) (-0.18) (-0.28) (-1.05) (-1.19) Levt-1 -0.081 -0.048 0.151 0.080*** 0.201* 0.085*** (-0.62) (-0.75) (1.17) (1.28) (1.86) (2.75) Roat-1 0.099 0.048 0.280 0.165 0.022 0.102* (0.29) (0.28) (0.94) (1.14) (0.08) (1.89) Mbt-1 0.028** 0.019*** 0.039*** 0.024*** 0.041*** 0.019*** (2.12) (2.95) (2.61) (3.24) (6.46) (3.52) Abacct-1 0.136 0.018 0.103 0.046 0.038*** 0.047 (0.09) (0.24) (0.68) (0.62) (3.51) (0.66) Con -0.200*** -0.679 -0.132*** -0.336 -0.862 -0.439 -0.245 -0.144 (-6.84) (-0.91) (-9.07) (-0.91) (-1.14) (-1.19) (-0.40) (-0.48) Ind 控制 控制 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 控制 控制 N 7 234 7 234 7 234 7 234 3 978 3 978 3 255 3 255 R2 0.040 0.048 0.045 0.055 0.053 0.066 0.081 0.083 F 28.63*** 17.49*** 32.65*** 19.97*** 17.63*** 22.10*** 14.07*** 18.37*** 注：括号内为t值，下表同
下载: 导出CSV
表 5 管理层权力强度、内外部监督与股价崩盘风险的回归结果
变量 NCSKEWt DUVOLt (1) (2) (3) (4) Powert-1 0.287**(1.97) 0.322***(3.19) 0.065**(2.20) 0.169***(3.37) Ict-1 -0.023***(-3.49) -0.010(-1.44) Powert-1×Ict-1 -0.042**(-2.43) -0.041***(-10.70) Analystt-1 0.030(1.47) 0.020**(2.01) Powert-1×Analystt-1 -0.088**(-2.37) -0.048***(-2.63) Dturnt-1 -0.082(-1.31) -0.080(-1.29) -0.041(-1.31) -0.040(-1.29) Rett-1 6.412***(3.67) 6.621***(3.78) 3.156***(3.63) 3.324***(3.82) Sigmat-1 1.989**(2.04) 1.841*(1.88) 0.838*(1.73) 0.731(1.50) Sizet-1 0.194(0.56) -0.009(-0.26) 0.008(0.45) -0.010(-0.56) Levt-1 -0.058(-0.44) -0.051(-0.40) -0.031(-0.49) -0.030(-0.47) Roat-1 0.159(0.46) -0.024(-0.07) 0.078(0.46) -0.034(-0.19) Mbt-1 0.027**(2.04) 0.023*(1.74) 0.019***(2.86) 0.016**(2.44) Abacct-1 0.009(0.06) 0.023(0.15) 0.016(0.21) 0.023(0.31) Con -0.610(-0.82) -0.190(-0.25) -0.308(-0.83) -0.025(-0.07) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 7 234 7 234 7 234 7 234 R2 0.048 0.050 0.055 0.057 F 15.67*** 16.15*** 18.91*** 18.63***
下载: 导出CSV
表 6 管理层权力强度、外部监督与股价崩盘风险的回归结果(分样本)
变量 Optimism=1 Optimism=0 NCSKEWt DUVOLt NCSKEWt DUVOLt (1) (2) (3) (4) Powert-1 0.796*(1.76) 0.548**(2.09) 0.311**(2.37) 0.121***(4.79) Analystt-1 0.508**(2.23) 0.286**(2.45) -0.131**(-2.43) -0.065**(-2.29) Powert-1×Analystt-1 0.587(1.40) 0.225(1.04) -0.110**(-2.25) -0.049***(-5.23) Dturnt-1 0.112(0.32) 0.079(0.44) -0.103(-1.30) -0.048(-1.16) Rett-1 10.39(0.83) 3.107(0.49) 3.278(0.70) 2.543(1.05) Sigmat-1 18.10**(2.14) 8.385*(1.94) -0.634(-0.28) -0.448(-0.38) Sizet-1 0.268(0.56) 0.124(0.51) -0.063**(-2.12) -0.022(-1.43) Levt-1 -1.271(-1.07) -0.853(-1.40) 0.188(0.91) 0.062(0.58) Roat-1 0.865(0.26) -0.628(-0.37) -0.816(-0.91) -0.209(-0.45) Mbt-1 0.042(0.36) 0.080(1.32) 0.063**(2.16) 0.028*(1.83) Abacct-1 0.163(0.01) -0.038(-0.06) 0.396(0.94) 0.156(0.71) Con -8.387(-0.78) -4.029(-0.73) 0.475(0.70) 0.018(0.05) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 2 546 2 546 1 981 1 981 R2 0.253 8 0.263 0 0.193 1 0.145 3 F 1.95*** 2.04*** 33.34*** 28.53***
下载: 导出CSV
表 7 非乐观预期样本中分析师跟踪人数的内生性检验回归结果
第一阶段回归 第二阶段回归 解释变量 被解释变量
(Analystt)解释变量 被解释变量 NCSKEWt DUVOLt HS300 0.741***(10.29) Powert-1 0.432**(2.35) 0.153*(1.76) Instrumented Analystt-1 -0.131*(-1.87) -0.092**(-1.97) Powert-1×Instrumented Analystt-1 -0.197**(2.59) -0.115***(-7.96) Con 0.027(1.20) Con 0.190(0.97) 0.432**(1.98) Ind 控制 Ind 控制 控制 Year 控制 Year 控制 控制 N 1 981 N 1 981 1 981 R2 0.287 4 R2 0.172 1 0.165 8 F 14.29*** F 24.56*** 19.31***
下载: 导出CSV
表 8 稳健性检验回归结果
改变关键变量的度量指标 新增影响因素 解释
变量被解释变量
(CRASHt)解释
变量被解释变量
(SYNCH)解释
变量被解释变量 NCSKEWt DUVOLt (1) (2) (3) (4) (5) (6) Powert-1 0.003***
(3.39)0.003***
(3.16)Power -0.157***
(-3.19)-0.126**
(-2.47)Powert-1 0.140**
(2.29)0.068**
(2.26)Dturnt-1 0.002
(1.46)State 0.110
(1.22)Dturnt-1 -0.090
(-1.43)-0.044
(-1.41)Rett-1 -0.045
(-0.70)Size 0.128***
(4.63)Rett-1 6.517***
(3.67)3.192***
(3.61)Sigmat-1 0.064**
(2.29)Roa -0.885***
(-4.02)Sigmat-1 1.736*
(1.75)0.676
(1.37)Sizet-1 0.001*
(1.82)Leverage -0.414***
(-4.07)Sizet-1 0.006
(0.17)-0.001
(-0.08)Levt-1 -0.001
(-1.57)Lholding 0.269
(1.59)Levt-1 -0.065
(-0.49)-0.035
(-0.54)Roat-1 -0.003
(-0.56)Inholding -0.246***
(-4.66)Roat-1 0.298
(0.80)0.123
(0.66)Mbt-1 0.000**
(2.10)Growth -0.007
(-0.89)Mbt-1 0.021
(1.52)0.016**
(2.33)Abacct-1 -0.003
(-0.96)Abacct-1 -0.034
(-0.22)-0.003
(-0.04)Ict-1 -0.020
(-0.24)-0.011
(-0.27)Analystt-1 0.043**
(2.18)0.027***
(2.80)Big4 -0.031
(-0.30)-0.015
(-0.30)Con 0.003***
(6.17)-0.134*
(-1.76)con 0.600***
(21.53)-2.014***
(-3.43)Con -0.418
(-0.45)-0.152
(-0.33)Ind 控制 控制 Ind 控制 控制 Ind 控制 控制 Year 控制 控制 Year 控制 控制 Year 控制 控制 N 13 626 13 626 N 8 201 8 201 N 7 234 7 234 R2 0.023 0.061 R2 0.306 8 0.314 1 R2 0.051 0.058 F 11.48*** 3.51*** F 352.25*** 194.07*** F 15.30*** 17.65***
下载: 导出CSV
表 9 内生性检验回归结果
第一阶段回归 第二阶段回归 解释变量 被解释变量
(Powert)解释变量 被解释变量 NCSKEWt DUVOLt Industry Meant 0.830***(34.13) Instrumented Powert-1 0.797***(3.67) 0.360***(3.41) Dturnt -0.068***(-7.77) Dturnt-1 -0.134***(-3.39) -0.067***(-3.48) Rett 0.873***(3.24) Rett-1 5.799***(4.76) 2.953***(5.00) Sigmat 0.743***(5.04) Sigmat-1 2.909***(4.41) 1.311***(4.09) Sizet 0.016***(4.07) Sizet-1 -0.050**(-2.56) -0.026***(-2.71) Levt -0.007*(-1.82) Levt-1 -0.012(-0.32) -0.016(-0.89) Roat 0.042**(2.51) Roat-1 0.013(0.14) 0.019(0.40) Mbt 0.001(1.50) Mbt-1 0.005(1.59) 0.003**(1.98) Abacct 0.043***(2.83) Abacct-1 0.113*(1.72) 0.056*(1.75) Con -0.547***(-6.38) Con 0.405(0.96) 0.166(0.81) Ind 控制 Ind 控制 控制 Year 控制 Year 控制 控制 N 12 817 N 12 817 12 817 R2 0.132 9 R2 0.064 0.067 F 13.57*** F 29.30*** 37.46***
下载: 导出CSV
-
[1] 潘越, 戴亦一, 林超群. 信息不透明、分析师关注与个股暴跌风险[J]. 金融研究, 2011(9): 138-151. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201109013.htm [2] HUTTON A P, MARCUS A J, TEHRANIAN H. Opaque financial reports, R2, and crash risk [J]. Journal of Financial Economics, 2009, 94(1): 67-86. doi: 10.1016/j.jfineco.2008.10.003 [3] JIN L, MYERS S C. R2 around the world: new theory and new tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292. doi: 10.1016/j.jfineco.2004.11.003 [4] 李小荣, 刘行. CEO vs CFO: 性别与股价崩盘风险[J]. 世界经济, 2012(12): 102-129. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201212009.htm [5] ANDREOU P C, LOUCA C, PETROU A P. CEO age and stock price crash risk[J]. Social Science Electronic Publishing, 2016, 21: 56. doi: 10.1111/1911-3846.12217 [6] 曾爱民, 林雯, 魏志华, 等. CEO过度自信、权力配置与股价崩盘风险[J]. 经济理论与经济管理, 2017(8): 75-90. doi: 10.3969/j.issn.1000-596X.2017.08.006 [7] 彭情, 郑宇新. CFO兼任董秘降低了股价崩盘风险吗——基于信息沟通与风险规避的视角[J]. 山西财经大学学报, 2018(4): 49-61. https://www.cnki.com.cn/Article/CJFDTOTAL-SXCJ201804004.htm [8] 蒋德权, 姚振晔, 陈冬华. 财务总监地位与企业股价崩盘风险[J]. 管理世界, 2018(3): 153-166. doi: 10.3969/j.issn.1002-5502.2018.03.013 [9] 许年行, 江轩宇, 伊志宏, 等. 分析师利益冲突、乐观偏差与股价崩盘风险[J]. 经济研究, 2012(7): 127-140. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201207011.htm [10] 许年行, 于上尧, 伊志宏. 机构投资者羊群行为与股价崩盘风险[J]. 管理世界, 2013(7): 31-43. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201307006.htm [11] 权小锋, 吴世农, 尹洪英. 企业社会责任与股价崩盘风险: "价值利器"或"自利工具"?[J]. 经济研究, 2015(11): 49-64. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201511005.htm [12] 沈华玉, 吴晓晖, 吴世农. 控股股东控制权与股价崩盘风险: "利益协同"还是"隧道"效应?[J]. 经济管理, 2017(4): 65-83. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201704006.htm [13] XU N, X LI, Q YUAN, et al. Excess perks and stock price crash risk: evidence from China[J]. Journal of Corporate Finance, 2014, 25: 419-434. doi: 10.1016/j.jcorpfin.2014.01.006 [14] 张晓宇, 徐龙炳. 限售股解禁、资本运作与股价崩盘风险[J]. 金融研究, 2017(11): 158-174. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201711011.htm [15] KIM J-B, L ZHANG. Accounting conservatism and stock price crash risk: firm-level evidence[R]. Contemporary Accounting Research, forthcoming, 2015. [16] 王化成, 曹丰, 叶康涛. 监督还是掏空: 大股东持股比例与股价崩盘风险[J]. 管理世界, 2015(2): 45-57, 187. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201502008.htm [17] 叶康涛, 曹丰, 王化成. 内部控制信息披露能够降低股价崩盘风险吗?[J]. 金融研究, 2015(2): 192-206. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201502017.htm [18] 罗进辉, 杜兴强. 媒体报道、制度环境与股价崩盘风险[J]. 会计研究, 2014(9): 53-59, 97. doi: 10.3969/j.issn.1003-2886.2014.09.007 [19] 梁权熙, 曾海舰. 独立董事制度改革、独立董事的独立性与股价崩盘风险[J]. 管理世界, 2016(3): 144-159. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201603013.htm [20] KIM J- B, Y LI, L ZHANG. Corporate tax avoidance and stock price crash risk: firm-level analysis[J]. Journal of Financial Economics, 2011a, 100: 639-662. doi: 10.1016/j.jfineco.2010.07.007 [21] 江轩宇. 税收征管、税收激进与股价崩盘风险[J]. 南开管理评论, 2013(5): 152-160. doi: 10.3969/j.issn.1008-3448.2013.05.016 [22] 权小锋, 吴世农. CEO权力强度、信息披露质量与公司业绩的波动性——基于深交所上市公司的实证研究[J]. 南开管理评论, 2010(4): 142-153. doi: 10.3969/j.issn.1008-3448.2010.04.017 [23] 谢德仁, 郑登津, 崔宸瑜. 控股股东股权质押是潜在的"地雷"吗?——基于股价崩盘风险视角的研究[J]. 管理世界, 2016(5): 128-140, 188. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201605014.htm [24] 权小锋, 吴世农, 文芳. 管理层权力强度、私有收益与薪酬操纵[J]. 经济研究, 2010(11): 73-87. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201011009.htm [25] 张铁铸, 沙曼. 管理层能力、权力与在职消费研究[J]. 南开管理评论, 2014(5): 63-72. doi: 10.3969/j.issn.1008-3448.2014.05.008 [26] KHANNA V, KIM E H, YAO L. CEO Connectedness and corporate fraud[J]. Journal of Finance, 2015(3): 1203-1252. http://smartsearch.nstl.gov.cn/paper_detail.html?id=d7f9edd7f82ed707f30fade033bd340e [27] 魏志华, 李常青, 曾爱民, 等. 关联交易、管理层权力强度与公司违规——兼论审计监督的治理作用[J]. 审计研究, 2017(5): 87-95. doi: 10.3969/j.issn.1002-4239.2017.05.013 [28] 张瑞君, 徐鑫. 母子公司统一审计与股价崩盘风险[J]. 会计研究, 2017(9): 76-82, 97. doi: 10.3969/j.issn.1003-2886.2017.09.011 [29] ULRIKE MALMENDIER, GEOFFREY TATE, JON YAN. Overconfidence and early-life experiences: the effect of managerial traits on corporate financial policies[J]. The Journal of Finance, 2011, 66(5): 1687-1733. doi: 10.1111/j.1540-6261.2011.01685.x [30] 朱朝晖, 许文瀚. 管理层语调是否配合了盈余管理行为[J]. 广东财经大学学报, 2018(1): 86-98. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG201801008.htm [31] 周美华, 林斌, 林东杰. 管理层权力强度、内部控制与腐败治理[J]. 会计研究, 2016(3): 56-63, 96. doi: 10.3969/j.issn.1003-2886.2016.03.008 [32] MITRA S, JAGGI B, HOSSAIN M. Internal control weaknesses and accounting conservatism: evidence from the post-sarbanes-oxley period[J]. Journal of Accounting, Auditing & Finance, 2013, 28(2): 152-191. doi: 10.1177/0148558x13479057 [33] CHEN X, ZHANG F, ZHANG S. CEO duality and stock price crash risk: evidence from China[J]. European Accounting Review, 2015, 26: 125-152. http://www.researchgate.net/publication/314472377_ceo_duality_and_stock_price_crash_risk_evidence_from_china [34] 李馨子, 肖土盛. 管理层业绩预告有助于分析师盈余预测修正吗[J]. 南开管理评论, 2015(2): 30-38. doi: 10.3969/j.issn.1008-3448.2015.02.004 [35] YU F F. Analyst coverage and earnings management[J]. Journal of Financial Economics, 2008, 2: 245-271. http://search.ebscohost.com/login.aspx?direct=true&db=buh&AN=32174551&site=ehost-live [36] 杨棉之, 刘洋. 盈余质量、外部监督与股价崩盘风险——来自中国上市公司的经验证据[J]. 财贸研究, 2016(5): 147-156. https://www.cnki.com.cn/Article/CJFDTOTAL-CMYJ201605017.htm [37] PIOTROSKI J D, WONG T J, ZHANG T. Political incentives to suppress negative information: evidence from Chinese listed firms[J]. Journal of Accounting Research, 2015, 53(2): 405-459. doi: 10.1111/1475-679X.12071 [38] 刘星, 代彬, 郝颖. 高管权力与公司治理效率——基于国有上市公司高管变更的视角[J]. 管理工程学报, 2012(1): 1-12. doi: 10.3969/j.issn.1004-6062.2012.01.001 [39] 李春涛, 宋敏, 张璇. 分析师跟踪与企业盈余管理——来自中国上市公司的证据[J]. 金融研究, 2014(7): 124-139. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201407009.htm [40] 王亚平, 刘慧龙, 吴联生. 信息透明度、机构投资者与股价同步性[J]. 金融研究, 2009(12): 162-174. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ200912015.htm [41] 冯用富, 董艳, 袁泽波, 等. 基于R~2的中国股市私有信息套利分析[J]. 经济研究, 2009(8): 50-59, 98. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200908004.htm 期刊类型引用(24)
1. 安灵，杜嫄璐. 国有资本经营预算制度对股利平稳性的影响. 财会月刊. 2025(04): 54-60 . 
百度学术2. 王昌荣，苟露峰. 国企混改、管理层权力制衡可以促进国有企业绿色技术创新吗?. 东岳论丛. 2025(04): 121-133 . 百度学术3. 孙自愿，马琳，王文娇. 数字赋能“有效论”:数字化转型对重污染企业绿色创新的双向效应. 北京工商大学学报(社会科学版). 2024(03): 53-66 . 百度学术4. 王子玥，赵雨笛，任昕宇. 数字化转型、管理层权力强度与企业内部控制质量. 科学决策. 2024(07): 1-15 . 百度学术5. 赵晶，金泽俊，杜宗雪. 内部人减持的风险溢出效应——传导路径与调节机制. 数量经济研究. 2024(03): 94-121 . 百度学术6. 倪国爱，朱芙蓉. 连锁股东对权益资本成本的影响研究. 铜陵学院学报. 2024(05): 9-14 . 百度学术7. 毕鹏，单书进. 企业对外担保与资产误定价. 财会月刊. 2024(23): 117-122 . 百度学术8. 谭民俊，刘华伦，刘建秋. 董事高管责任保险、党组织参与治理与股价崩盘风险. 云南财经大学学报. 2024(12): 64-80 . 百度学术9. 邱静，朱科威. 连锁股东与企业财务重述：治理协同抑或竞争合谋. 吉林工商学院学报. 2024(06): 71-78 . 百度学术10. 张怡宁. 管理层权力对企业ESG表现的影响研究. 商业观察. 2024(35): 108-112 . 百度学术11. 王清刚，吴志秀. 其他综合收益影响银行信用贷款决策吗?. 财贸研究. 2023(03): 94-109 . 百度学术12. 方家瑶. 浅谈股价崩盘风险的内外部影响因素——一个综述. 中国集体经济. 2022(10): 90-93 . 百度学术13. 符号亮，丁杰，郭小群. 管理层语调操纵的信息夸大效应——基于股价崩盘视角. 财会月刊. 2022(11): 90-99 . 百度学术14. 赵保国，王琨. 高管变更对股价崩盘风险的影响. 北京邮电大学学报(社会科学版). 2021(01): 80-89 . 百度学术15. 郭慧婷，黄程兰子. 持股结构、分析师关注与股价崩盘风险. 会计之友. 2021(09): 91-99 . 百度学术16. 杨国成，王智敏. 民营企业参与扶贫能抑制其股价崩盘风险吗. 广东财经大学学报. 2021(02): 86-101 . 本站查看17. 华玉清. 基于环境不确定性的管理层权力对或有事项信息披露的影响. 市场周刊. 2021(08): 85-88 . 百度学术18. 沈萍，闫瑞阳. 管理层权力、分析师跟踪与股价同步性. 郑州航空工业管理学院学报. 2021(04): 76-90 . 百度学术19. 吴静宜，郭晓顺. 政策不确定性与企业股价崩盘风险:基于地方官员变更视角的实证分析. 武汉理工大学学报(信息与管理工程版). 2020(02): 168-175 . 百度学术20. 胡珺，潘婧，陈志强，周林子. 非执行董事的公司治理效应研究——股价崩盘风险的视角. 金融论坛. 2020(09): 61-71 . 百度学术21. 戴维奇，姜浩然. 监管与反监管:CEO自恋与公司创业投资. 财经论丛. 2020(12): 78-87 . 百度学术22. 于博，毛?玄，吴菡虹. 客户集中度、融资约束与股价崩盘风险. 广东财经大学学报. 2019(05): 62-75 . 本站查看23. 张曼. 股价崩盘风险文献综述. 现代商贸工业. 2019(36): 97-100 . 百度学术24. 于博，范璐. “稳定器”还是“助推器”?——机构投资者持股与股票异常收益风险. 河海大学学报(哲学社会科学版). 2019(06): 80-90+112 . 百度学术其他类型引用(69)
-
下载:
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<thead>
<tr>
<td class="table_top_border" align="center">变量类型</td>
<td class="table_top_border" align="center">变量名称</td>
<td class="table_top_border" align="center">变量符号</td>
<td class="table_top_border" align="center">定义</td>
</tr>
</thead>
<tbody>
<tr>
<td class="table_top_border2" align="center">被解释变量</td>
<td class="table_top_border2">负收益偏态系数</td>
<td class="table_top_border2" align="center"><i>NCSKEW</i></td>
<td class="table_top_border2">选择财务年度内公司周特有收益率分布偏度的负值来衡量，取值越大，表示股价崩盘风险越高</td>
</tr>
<tr>
<td align="center">
</td><td>上下波动比率</td>
<td align="center"><i>DUVOL</i></td>
<td>选择财务年度内下跌周特有收益率标准差与上涨周特有收益率标准差的比值的自然对数来衡量，取值越大，表示股价崩盘风险越高</td>
</tr>
<tr>
<td align="center">解释变量</td>
<td>管理层权力强度</td>
<td align="center"><i>Power</i></td>
<td>选择采用主成分分析法构建的管理层权力强度综合指标来衡量</td>
</tr>
<tr>
<td align="center">调节变量</td>
<td>内部控制质量</td>
<td align="center"><i>Ic</i></td>
<td>选择DIB(迪博)公布的中国上市公司内部控制指数的自然对数来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>分析师跟踪数量</td>
<td align="center"><i>Analyst</i></td>
<td>选择当年度上市公司的分析师跟踪人数取自然对数来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>分析师乐观偏差</td>
<td align="center"><i>Optimism</i></td>
<td>乐观偏差分析师比例超过50%，取值为1，否则为0</td>
</tr>
<tr>
<td align="center">控制变量</td>
<td>月平均超额换手率</td>
<td align="center"><i>Dturn</i></td>
<td>选择股票i在第t年的月平均换手率与第t-1年的月平均换手率之差来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>周特有收益率的标准差</td>
<td align="center"><i>Sigma</i></td>
<td>选择股票i在第t年周特有收益的标准差来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>周特有收益率</td>
<td align="center">Ret</td>
<td>选择股票i在第t年的平均周收益率来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>公司规模</td>
<td align="center"><i>Size</i></td>
<td>选择期末总资产的自然对数来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>资产负债水平</td>
<td align="center"><i>Lev</i></td>
<td>选择期末总负债与期末总资产之比来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>总资产收益率</td>
<td align="center">Roa</td>
<td>选择净利润与期末总资产之比来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>市账比</td>
<td align="center"><i>MB</i></td>
<td>选择公司总市值与权益账面价值之比来衡量</td>
</tr>
<tr>
<td align="center">
</td><td>公司信息透明度</td>
<td align="center"><i>Abacc</i></td>
<td>采用调整的Jones模型计算得到</td>
</tr>
<tr>
<td align="center">
</td><td>行业</td>
<td align="center"><i>Ind</i></td>
<td>行业固定效应</td>
</tr>
<tr>
<td class="table_bottom_border" align="center">
</td><td class="table_bottom_border">年份</td>
<td class="table_bottom_border" align="center"><i>Year</i></td>
<td class="table_bottom_border">年份固定效应</td>
</tr>
</tbody>
</table></div></foreignObject></svg>)