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

2020-06-13吴静宜郭晓顺

武汉理工大学学报（信息与管理工程版） 2020年2期

吴静宜，郭晓顺

(武汉理工大学管理学院，湖北武汉 430070)

纵观我国股市的发展，暴涨暴跌的背后，常常伴随着众多政策的出台。政策环境与资本市场之间的关系逐渐成为研究热点。其中，政策不确定性作为政策环境中对资本市场影响最关键的因素之一，受到了国内外学者的广泛关注。如CHRISTOU等[1]研究发现政策不确定性的增加会降低股票市场的价值。BIALKOWSKI等[2]研究表明总统选举会增大企业面临的政策不确定程度，使股票的波动性增大。LI等[3]研究发现政策不确定性冲击对美国股票具有负向和不对称的影响。YOU等[4]研究表明中国政策不确定性与股市价值负相关。JIN等[5]通过构建新的CPP指数来衡量中国的经济政策不确定性程度，结果表明经济不确定性程度的增加会加剧股价崩盘风险。由此可见，政策不确定性对资本市场的影响普遍存在，值得学者进一步深入探讨。在中国特有的政治背景下，官员作为当地的领导者，对于当地关键资源、政策导向具有绝对的话语权。因此，笔者从地方官员变更的视角，探究在政府官员主导的政策环境下政策不确定性与股价崩盘风险之间的特有关联，具有一定的现实意义。

大量研究表明，在中国的政策环境下，地方官员变更会直接导致当地政策的不确定性增大。如陈德球等[6]指出在我国的制度环境下，地方官员掌握着当地众多的关键资源，当地各项政策的制定与执行依赖于在任官员的政策导向。由于官员晋升压力与异质性的存在，新任官员在上任之际会对原有政策加以调整甚至取消。因此，当地方官员变更时企业面临的政策不确定性将显著增强。才国伟等[7]指出官员变更会带来旧政策的废止与新政策的执行，导致当地政策不确定性增强。因此，笔者用地方官员变更来衡量政策不确定性，探讨以官员为主导的政治环境下，官员变更所导致的政策不确定性对企业股价崩盘风险的影响，并拟解决以下问题：①由于官员变更导致的政策不确定性的提高是否会对企业股价崩盘风险产生影响；②在信息不对称程度较高和新任官员来源于外省的情况下，是否会加剧政策不确定性对企业股价崩盘风险的影响；③政策不确定性对企业股价崩盘风险的影响是否存在产权差异和地区差异；④党代会的召开是否会带来政策不确定性，并对股价崩盘风险产生影响。

1 理论分析与研究假设

1.1 政策不确定性对企业股价崩盘风险的影响

企业股价崩盘是指证券市场上，股票价格无限度下降的现象。股价崩盘风险主要来源于企业的经营风险和信息披露风险。当企业经营风险增大时，企业经营状况的恶化将加大企业股价波动幅度以及企业股价左偏的程度。信息披露风险指由于企业与投资者之间的信息不对称，使得企业能够隐藏大量的负面信息，当其超过一定阈值时，积累的负面信息便会瞬时集中释放到市场中，造成企业股价崩盘[8]。从经营风险的角度分析，当企业外部的政策不确定性增加时，会加剧企业的经营风险，从而增大企业股价崩盘风险。刘海洋等[9]研究发现地方官员变更所带来的政策不确定性，会对企业运营和信贷等方面产生严重影响，使得企业的经营风险增大。这是因为官员绩效考核机制和异质性的存在，使新任官员可能会改变原有政策的方向与范围，以区别于前任官员的功绩，作为以后升迁的资本[10]。如前任官员可能致力于发展当地的旅游业，而新任官员可能更倾向于发展新兴产业来推动当地的发展。这种政策上的强烈转变，使企业在地方官员变更之际，面临较高的政策不确定性，这种政策不确定性将会对企业的生产经营产生巨大的影响，甚至加速某些企业的倒闭。因此政策不确定性的增加，会加大企业经营风险，进而会加剧企业的股价崩盘风险。

从信息披露风险分析，当地方官员变更时，由于企业难以预估新上任官员的政策走向与偏好，企业投资支出将本能性地缩减，使得投资者判断企业未来收益与风险难度上升[11]。同时为尽可能减小政策不确定性对企业所带来的影响，企业一方面会尽可能减少负面信息的披露，另一方面会减弱公司投资对股价的敏感程度，降低股价的信息含量，使投资者与企业的信息不对称程度加剧，导致企业股价崩盘风险增加。据此，笔者提出以下假设：

H1地方官员变更导致的政策不确定性与企业股价崩盘风险之间显著正相关。

1.2 不同晋升模式下，政策不确定性对企业股价崩盘风险的影响

笔者借鉴文献[9]的做法，将官员晋升模式分为本地升迁与异地调任。晋升模式的不同意味着新任官员对当地政策执行与调整程度的差异，其带来的政策不确定性强度将有所不同，从而对企业股价崩盘风险造成的影响程度也不同。相对于异地调任官员而言，本地升迁官员更可能延续原有政策。一方面，本地升迁官员在任职地工作时间较长，对当地经济环境和发展状况等方面的了解程度更深。加之其作为当地政府领导层的一员，可能参与过原有政策的讨论与制定，对原有政策的认可度更高，更可能延续原有政策。此时官员变更所带来的政策不确定性强度较小，对企业和资本市场的影响也相对较小。另一方面，由于本地升迁官员与前任官员共事时间长，关系较为密切，一般基于原有情面关系，不会马上打破原有的政治环境[12]。而外地调任官员由于工作环境和政策理念等方面的差异，对原政策加以调整或施行新政的可能性相对较大。且其与前任官员存在关联的可能性较小，不会由于情面关系而延续原有政策，从而更可能推行自身认可度更高的新政。同时，由于上级绩效考核机制的实行，新任官员很可能推行新政，来区别于前任官员的功绩，以此作为未来升迁的资本。因此，当新任官员由异地升迁时，其所带来的政策不确定性冲击较大，会对当地企业的生存发展和经营风险产生较为严重的影响，使得企业的股价崩盘风险上升。据此，笔者提出以下假设：

H2在新任官员由外地调任的样本中，政策不确定性对企业股价崩盘风险的影响更显著。

1.3 不同信息不对称程度下，政策不确定性对企业股价崩盘风险的影响

信息隐藏假说认为股价崩盘的根源在于负面信息的隐藏。面对政策不确定性对企业经营所带来的影响，由于信息不对称程度不同的企业隐藏负面信息的能力有所不同，因此对股价崩盘风险的影响程度也存在差异。当信息不对称程度较低时，由于投资者获取企业真实运营状况的信息较为容易，且获取成本低。因此企业隐藏负面信息的能力有限，且易被投资者所察觉，企业的股价崩盘风险受政策波动的影响也相对较小。当信息不对称程度较高时，由于投资者需要花费更多的精力与成本获取企业的信息，使投资者难以了解企业的真实运营状况[13]。当政策不确定性强度加大时，企业隐藏负面信息的动机与能力更强，且不易被投资者察觉，此时股价与企业实际情况的背离程度更大，股价崩盘风险加剧。据此，笔者提出以下假设：

H3在信息不对称程度较高的环境下，政策不确定性对企业股价崩盘风险的影响更显著。

2 研究设计

2.1 样本选择与数据来源

笔者以2003—2017年我国A股上市公司为样本，为保证数据的代表性与准确性，剔除如下样本：①金融类公司；②年周收益率少于30个观测值的样本；③注册地在西藏的样本；④ST、*ST公司样本；⑤数据缺失样本。最终得到23 368个公司年度样本。相关数据主要来自国泰安数据库、地方年鉴及择城网。笔者采用Stata15.0进行数据处理，并对连续数据进行上下1%的缩尾处理。

2.2 变量定义

2.2.1 股价崩盘风险

借鉴蒋德权等[14]的做法，采用NCSKEW和DUVOL来衡量企业股价崩盘风险。具体操作如下：首先，利用式(1)剔除市场等因素的影响；其次，构造公式Wi,s=ln(1+εi,s)，计算公司周特有收益率Wi,s；最后，基于Wi,s计算负收益偏态系数NCSKEWi,t和收益率上下波动比例DUVOLi,t，NCSKEWi,t、DUVOLi,t越大，股价崩盘风险越大[15]。

ri,s=αi+β1，irm,s-2+β2，irm,s-1+

β3，irm,s+β4，irm,s+1+β5，irm,s+2+εi,s

(1)

(2)

(3)

式中：ri,s为第s周个股i的收益率；rm,s为市场在第s周经流通市值加权的平均收益率；εi,s为残差;n为股票i在第t年交易的周数；nu、nd分别为股票i的周特有收益率大于、小于年平均收益率的周数;up、down分别为股票i的周收益率高于、低于s期平均收益率的子样本。

2.2.2 政策不确定性

由于在中国特殊的政治背景下，地方官员变更，通常伴随着政策的调整与改变。因此笔者从地方官员变更视角出发，借鉴文献[16]的做法，将企业注册地市长、市委书记变更及市长、市委书记任一变更作为政策不确定性的衡量指标。由于我国存在市长、市委书记连任及由市长直接晋升为市委书记的情况，这类情况对于当地的政策变动的影响较小，因此笔者以官员实质性变更来衡量政策不确定性，将此类情况视为地方官员未变更进行处理。同时考虑到新任官员对当地经济及企业产生实质影响的迟滞性，借鉴文献[17]的做法，将1—6月发生的官员变更视为当年变更，7—12月发生的官员变更视为下一年变更。

对于市长及市委书记晋升模式的定义，笔者根据文献[18]的做法，将未发生官员变更的年份赋值为0，将发生官员变更且新任官员来自于本地的年份赋值为1，将新任官员由异地升迁的年份赋值为2,以此来反映当地企业面临的政策不确定性的强度。

2.2.3 信息不对称程度

借鉴文献[13]的做法，以修正Jones模型残差的绝对值(AbsACC)衡量信息不对称程度。并以年度、行业中位数为标准将样本分为信息不对称程度高和信息不对称程度低两组。

2.2.4 控制变量

借鉴以往学者的做法，选择月均超额换手率、收益波动、平均周收益率、公司规模、账市比、总资产报酬率、资产负债率作为控制变量。具体变量定义及说明如表1所示。

表1 变量定义及说明

2.3 模型构建

为验证假设H1和假设H3，构建模型Ⅰ，如式(4)所示。

CrashRi,t=β0+β1Policy_uncertaintyi,t+

β2OTURNOVERi,t-1+β3SIGMAi,t-1+

β4RETi,t-1+β5ROAi,t-1+β6SIZEi,t-1+

β7LEVi,t-1+β8BMi,t-1+εi,t-1

(4)

为验证假设H2，构建模型Ⅱ，如式(5)所示。

CrashRi,t=β0+β1PU_EXi,t+

β2OTURNOVERi,t-1+β3SIGMAi,t-1+

β4RETi,t-1+β5ROAi,t-1+β6SIZEi,t-1+

β7LEVi,t-1+β8BMi,t-1+εi,t-1(5)

式中：CrashRi,t为第t期股价崩盘风险指标NCSKEWi,t和DUVOLi,t；Policy_uncertaintyi,t为第t期政策不确定性指标,包括任一变更、书记变更和市长变更；PU_EXi,t为第t期政策不确定性强度指标，包括市长变更晋升模式(MA_EXTERNALi,t)与书记变更晋升模式(SE_EXTERNALi,t)。

3 实证分析

3.1 描述性统计

变量的描述性统计结果如表2所示,可知NCSKEWi，t和DUVOLi,t的均值分别为-0.271和-0.187，标准差分别为0.691和0.480，表明股价崩盘风险的两个衡量指标在样本间存在一定的差异。衡量政策不确定性的两个指标CHANGE_MAi，t和CHANGE_SEi，t的均值分别为0.267和0.171，标准差分别为0.442和0.377。两者之间差异较大，可能是因为笔者定义的官员变更为实质性变更。在我国由当地市长升迁为当地市委书记或兼任市委书记的情况较为普遍，而此类变更由于官员并没有实质上的更替，对于当地政策加以改变的可能性较小，引起政策不确定性的冲击程度较小。因此未将这类情况纳入书记变更，市委书记变更较市长变更的均值及标准差更小。

表2 主要变量的描述性统计

注：样本量为23 368

3.2 回归分析

3.2.1 政策不确定性对股价崩盘风险的影响

政策不确定性与股价崩盘风险的回归结果如表3所示，可知两个股价崩盘风险指标NCSKEWi,t和DUVOLi,t与CHANGE_EITHERi,t、CHANGE_MAi,t的回归系数均为正，且在1%水平上显著。NCSKEWi,t与CHANGE_SEi,t的回归系数为0.027，在5%水平上显著，DUVOLi,t与CHANGE_SEi,t的回归系数为0.028，在1%水平上显著，表明由于官员变更带来的政策不确定性会显著增大当地企业股价崩盘风险，假设H1得到验证。这说明不论是市长变更还是书记变更，其带来的政策不确定性都会使得企业股价崩盘风险加剧。

表3 政策不确定性与股价崩盘风险回归结果(仅列示主要变量)

注：***、**和*分别表示在1%、5%和10%水平上显著，下同；样本量为23 368

此外，衡量股价崩盘风险的两个指标NCSKEWi,t和DUVOLi,t与MA_EXTERNALi,t的回归系数分别为0.020和0.023，且均在1%水平上显著。NCSKEWi,t与SE_EXTERNALi,t的回归系数为0.014，在5%水平上显著；DUVOLi,t与SE_EXTERNALi,t的回归系数为0.014，在1%水平上显著，表明政策不确定性对企业股价崩盘风险的影响在外地调任官员样本中更为显著，假设H2得到验证。

3.2.2 按信息不对称程度分组回归

政策不确定性对不同信息不对称程度企业股价崩盘风险影响的分组回归结果如表4所示，可以看出，当因变量为NCSKEWi,t时，在信息不对称程度高的企业中，NCSKEWi,t与政策不确定性指标CHANGE_SEi,t和CHANGE_MAi,t的回归系数均为正，且在1%水平上显著。这说明当信息不对称程度较高时，不论市长变更还是书记变更，均会加剧企业股价崩盘风险。当信息不对称程度较低时，相关关系均不显著。当衡量股价崩盘风险的指标为DUVOLi,t时，在信息不对称程度高的企业中，DUVOLi,t与CHANGE_SEi,t的回归系数为0.044，且在1%水平上显著；在信息不对称程度较低的企业中，DUVOLi,t与CHANGE_SEi,t的回归系数为0.019，且两者的相关关系不显著。这说明市委书记变更对不同信息不对称企业股价崩盘风险的影响有显著差异。在信息不对称程度高的企业中，DUVOLi,t与CHANGE_MAi,t的回归系数为0.050，在1%水平上显著；在信息不对称程度低的企业中，DUVOLi,t与CHANGE_MAi,t的回归系数为0.020，在10%水平上显著。对于市长变更，两个股价崩盘风险指标衡量结果具有一定差异，可能是因为衡量股价崩盘风险指标的两个指标的均值与标准差有一定的差异。笔者进一步对DUVOLi,t与CHANGE_MAi,t的回归结果进行组间系数差异检验，探究股价崩盘风险的衡量指标为DUVOLi,t时，在不同信息不对称程度下，市长变更对企业股价崩盘风险是否具有显著差异。结果显示其P值为0.055，表明当因变量为DUVOLi,t时，信息不对称程度高的组中CHANGE_MAi,t的系数在10%水平上显著区别于信息不对称程度低的组。综上可知，政策不确定性对股价崩盘风险的影响在信息不对称程度高的企业中更显著，假设H3得到验证。

表4 按信息不对称程度分组回归结果(仅列主要变量)

3.2.3 进一步检验

(1)政策不确定性对企业股价崩盘风险影响的地区差异分析。由于东部地区的监管环境和市场化水平相对更高，分析师获取信息的能力更强，因此在东部地区分析师对企业的跟踪度更高。分析师关注的提高，能帮助投资者获取更多关于公司经营的真实信息，不仅可以起到对企业的监督作用，还能缓解双方的信息不对称性[19]，降低股价崩盘风险。因此，笔者引入交互项CHANGEi,t×AREAi,t，进一步考察官员变更导致的政策不确定性对企业股价崩盘风险的影响是否存在地区差异，回归结果如表5所示。由表5可知，CHANGEi,t×AREAi,t这一交互项的估计系数为分别-0.003和-0.006，但不显著，说明政策不确定性对企业股价崩盘风险的影响在不同地区间差异不大。这可能是由于官员异质性的存在，使新上任官员更可能推行新政来区别于前任官员的功绩，且这是一种普遍的现象，由此引发的政策不确定性对股价崩盘风险的影响，无法依靠分析师跟踪来有效缓解。

(2)政策不确定性对企业股价崩盘风险影响的产权性质差异分析。对于官员变更对国有企业与非国有企业的影响，目前尚未达成共识。部分学者认为，国有企业属于当前权力机构，更可能成为新任官员寻租的对象，因此更容易受到当前政策的影响。也有学者认为，相较于非国有企业，国有企业更易获得相关政策信息，提前预防，从而能缓解官员变更所带来的政策调整与改变的影响，因此由官员变更所引发的政策不确定性对股价崩盘风险的影响在非国有企业更显著。为此，笔者在上述模型中引入了交互项CHANGEi,t×SOEi,t，考察在不同产权性质的企业中，政策不确定性对股价崩盘风险的影响是否存在不同。

表5 进一步检验回归结果(仅列主要变量)

注：样本量为23 368

由表5可知，CHANGEi,t×SOEi,t这一交互项的系数分别为0.010和0.011，但不显著。说明地方官员变更所带来的政策不确定性对国有企业和非国有企业股价崩盘风险的影响没有实质性区别。这可能是由于虽然国有企业更易获得相关信息提前进行预防，但是他们也更容易成为政府寻租的目标，两者的相互影响使得国有企业在地方官员变更时，也同样面临较大的政策不确定性，使得两者的股价崩盘风险均会有所提高，但并无显著差异。

(3)党代会与企业股价崩盘风险。在我国，党代会每5年举行一次。当全国党代会召开换届会时，地方换届会通常会在前一年或当年举行当地的换届会。在任期制下，地方官员变更具有一定的政治周期性，因此笔者试图探究官员换届的政治周期性所带来的政策不确定性的周期性对资本市场的影响是否存在显著的周期性。在样本数据中，全国党代会于2007年、2012年和2017年召开过换届会。在这些年份，地方召开当地换届会的可能性较大，且官员变更的比例与频率更高，对当地产生的政策不确定性的影响更深。因此，笔者以党代会的召开来替代政策不确定性的刻画，进一步研究在我国的政治环境下，党代会的召开是否会加剧当地的政策不确定性，增大企业股价崩盘风险。

从表5可以看出，NCSKEWi,t和DUVOLi,t与DANGi,t的回归系数分别为0.094和0.083，且在1%水平上显著。可见在党代会召开年度，企业股价崩盘风险也会显著加剧。这说明政策不确定性对股价崩盘风险的影响呈现出周期性的特点，进一步验证了我国政治环境变化对企业及资本市场的影响。

4 稳健性检验

为了确保实证结论的稳健性，笔者分别从替换变量和剔除样本两方面对实证结论进行稳健性检验。①替换股价崩盘风险指标。借鉴褚剑等[20]的做法，使用周特有收益率小于年均值两倍标准差以下的周数占当年股票交易总周数比例(FREQUENCY)作为股价崩盘风险的替代指标。②剔除注册地为直辖市的样本。由于北京、天津、重庆、上海4个直辖市属于省级，为避免领导层级以及权力的差异性对研究结论产生的影响，将其剔除后重新进行回归。稳健性检验结果如表6所示，可以看出主要实证结论与前文一致。

5 结论

以2003—2017年我国A股上市公司为研究样本，分析了政策不确定性对股价崩盘风险的影响。结果表明，由于地方官员变更导致的政策不确定性会显著增大当地企业股价崩盘风险；且在新上任官员来源于异地及信息不对称程度高的样本中，政策不确定性对股价崩盘风险的影响更显著。此外，通过引入不同的交互项进一步检验发现：①虽然东西部地区监管环境及市场化水平不同，但政策不确定性对企业股价崩盘风险的影响程度并没有显著区别。②不论国有企业还是非国有企业，企业股价崩盘风险受政策不确定性影响的差异并不显著。③党代会召开所带来的政策不确定性将显著增大企业的股价崩盘风险，并呈现出周期性的特点。