企业债务违约风险影响股票流动性吗？

2020-09-14谭春枝闫宇聪

暨南学报(哲学社会科学版) 2020年9期

谭春枝，闫宇聪

一、引言

近年来，随着世界经济的不断下行，我国公司债务违约问题日益凸显。自2014年3月 “11超日债”正式违约以来，我国债券违约事件不断增多，违约金额也日益加大。中国人民银行发布的《中国金融稳定报告》显示，2015年债券市场违约金额为117.3亿元，到2018年已增长到1 154.5亿元。除了债券违约，商业银行的不良贷款额也不断攀升。银监会的数据显示，2015年的不良贷款余额为12 744亿元，到2018年已超过20 000亿元。银行不良贷款额的大幅增加也从侧面反映了公司债务违约问题的严重性。

违约是公司生命中最具破坏性的事件之一，会带来诸多影响。国内外学者对企业债务违约风险经济后果的研究并不多，且主要集中在股票收益、企业的融资政策和审计费用、衍生证券价格等方面。企业债务违约风险的变化会改变交易者的心理预期，使得交易者对企业价值进行重新评估，并更改投资决策，从而造成股票供求关系的失衡以及流动性的较大变化。因此，企业债务违约风险会对股票流动性产生影响。但从目前所掌握的文献看，鲜有研究涉及相关方面。在我国企业债务违约风险日益增加、所带来的负面影响逐渐凸显的现实背景下，加强企业债务违约风险对股票流动性影响的研究，具有重要的理论价值和现实意义。

本文以2009—2018年间在沪深A股上市的公司为研究对象，实证研究了企业债务违约风险对股票流动性的影响。研究发现，企业债务违约风险与股票流动性呈显著的负相关关系，在利用工具变量法和倾向得分匹配—双重差分法进行内生性检验，并实施一系列其他稳健性检验后，结论依然成立。同时，企业债务违约风险对股票流动性的影响具有异质性：国有企业债务违约风险对股票流动性的负向影响要弱于非国有企业；位于市场化程度较高地区的上市公司，其债务违约风险对股票流动性的负向影响更大。在进一步的中介效应研究中还发现，企业债务违约风险会通过减少投资者的融资规模降低股票的流动性。

本文研究的边际贡献如下：(1)本文丰富了股票流动性影响因素的相关研究。以往从公司层面研究股票流动性影响因素的文献侧重于企业信息披露或公司治理等角度，而本文基于企业债务违约风险的视角来研究股票流动性，有助于更全面地了解股票流动性在公司层面的影响因素。(2)目前学术界鲜有文献从股票流动性的角度来研究债务违约风险的经济后果，本文从微观层面提供了企业债务违约风险影响股票流动性的直接证据。(3)本文利用中介效应模型来研究企业债务违约风险影响股票流动性的渠道和机制，并最终从投资者的角度验证了“企业债务违约风险作用于股票流动性”的有效路径。

二、文献回顾与理论假设

(一)文献回顾

与本文的研究主题密切相关的文献主要有两大类：一是研究股票流动性的影响因素；二是企业债务违约风险的经济后果。

1.股票流动性的影响因素

股票流动性受到交易者行为、个股特性、公司及宏观经济层面等因素的影响。在交易者行为层面，股票持有者和场外关注者的心理预期、持仓头寸和交易策略会影响到股票交易的供需平衡，进而影响股票流动性。在个股特性层面，个股的交易量、股票价格和收益率波动都对股票流动性有显著的解释能力。个股交易量越大，该股票的深度越深，股票流动性越强；个股价格越高，其交易成本增加，固定量资金可以进行交易的股票数量减少，股票流动性降低；个股的收益率波动越大，投资者掌握和理解信息的差异就越大，信息不对称程度也就越深，同时较大的收益率波动会使流动性提供者面临较大的逆向选择成本，最终增大买卖价差，降低股票的流动性。在公司层面，当公司积极缓解信息不对称程度时，如参与投资者会议、提高公司年报自愿披露水平等，都会提高股票流动性；与此同时，较低的股权集中度和较高的公司治理水平也会提高股票流动性。此外，有少数学者从宏观经济层面研究了宏观经济因素对股票流动性的影响。

2.企业债务违约风险的经济后果

关于企业债务违约风险经济后果的研究目前主要集中在个股和公司层面，其中公司层面的研究更为丰富。

在个股层面，主要研究都集中于股票收益率。尽管有学者认为债务违约风险与1980年后美国的股票收益之间存在负相关关系，但其他学者指出，这仅仅是因为1980年前后美国较高的破产申请数量导致的，而实际上债务违约风险与股票收益之间存在很强的正相关关系。而对于规模较小且账面市值比较高的公司来说，高违约风险的公司获取的回报率要高于低违约风险的公司。在公司层面，债务违约风险会对企业融资产生影响。有研究认为由于债务违约使部分控制权和监督权转向债权人，债务违约后企业与债权人之间的激励冲突对公司债务政策会产生很大的影响。同时也有研究认为债务违约风险能反映出企业面临一定的财务困难，债权人可以要求上市公司进行较高的流动性披露和管理，限制临时性融资需求，从而导致上市公司面临比较严峻的融资约束。为避免上述不良影响的出现，企业管理人员往往会采用盈余管理的方式来避免违约的发生，因此较高的债务违约风险会增强企业盈余管理动机，加大企业的盈余管理。由于债务违约风险较高的企业会受到更为严厉的外部监督，因此企业往往使用真实盈余管理来代替应计盈余管理。而真实盈余管理会推迟或取消研发支出，因此较高的企业债务违约风险还会抑制企业的创新研发投入。这些行为影响了会计信息的质量，使审计风险提升，因此债务违约风险较高的企业审计费用出现了明显的提高。此外，还有学者研究了企业债务违约风险对相关衍生品价格的影响或利用中国债券市场的违约实例研究了债券违约对涉事信用评级机构的影响等。

3.文献述评

对于股票流动性影响因素的研究来说，现有文献主要关注交易者行为、个股特性、公司及宏观经济等视角，其中基于公司层面的研究主要集中在企业的信息披露或公司治理层面，鲜有文献涉及企业债务违约风险对股票流动性的影响。至于企业债务违约风险的经济后果，据目前所掌握的文献来看，尚未发现债务违约风险对股票流动性影响的相关研究。企业债务违约风险的变化会改变交易者的心理预期和投资决策，从而打破股票的供求平衡，进而导致股票流动性的变化。因此，企业债务违约风险应该会对股票流动性产生影响。基于目前国内外理论研究的不足，本文从企业债务违约风险这一重要视角来研究其对股票流动性的影响机理和作用渠道。

(二)研究假设

1.企业债务违约风险对股票流动性的影响

当一家企业接近违约时，因股票风险加大，做市商需要更高的回报，因此他们往往引入更大的买卖价差，也就是说，做市商在违约风险较高的股票中提供的流动性较少。在指令驱动的交易机制下，没有做市商提供流动性，流动性的提供和需求取决于股票持有者和场外关注者。

一方面，如果上市企业债务违约风险增大，这两类交易者的心理预期将发生改变，会对企业价值进行重新评估，并改变投资行为或投资决策，从而造成该股票短期供求关系失衡，进而对股票流动性产生较大影响。例如，当企业因现金流管理不善而陷入财务困境导致违约风险提高时，交易者会迅速根据企业财务状况抛售所持股票或者推迟购买该公司股票，进而导致企业股票流动性大幅下降。

另一方面，如果上市企业债务违约风险增大，管理者可能会选择性公开或推迟公开相关信息，从而导致信息不对称程度增加，交易者逆向选择问题凸显，进而影响股票流动性。例如，当企业陷入财务困境时，管理者可能只公开对自己有利的信息或推迟公布对自己不利的信息，这会加大管理者和交易者之间的信息不对称。理性的交易者为了防止亏损只愿意以小于或等于行业股价的均值来完成该股票的购买行为，从而导致优质股票因其股价高于行业均值而不受交易者青睐，那么，交易者愿意选择的股票质量会不断下降，而这又会进一步降低交易者对现有股票的估值。如此循环，股票交易的活跃程度会降低，股票流动性会大幅下降。

企业债务违约风险也可能会通过投资者的融资行为来影响股票流动性。当企业债务违约风险不断增大，甚至出现真正的违约行为时，市场会出现大量的负面消息，股票价格会大幅度下跌，之前选择融资持有股票的投资者在融资杠杆的作用下会发生严重亏损。为了止损，投资者会选择卖出股票偿还融资，与此同时那些未持有该股票的投资者也不会进行相关投资，从而投资者的融资买入行为受到抑制。融资买入行为的减少，会导致股票供求关系的失衡，进而使个股流动性下降。投资者的融资行为一般会从两方面影响股票的流动性：一是融资买入行为会直接增加股票需求；二是融资买入行为会间接向市场传递股票价格被低估的信号，从而吸引其他投资者加入购买的行列。因此，我们可以推断，当企业债务违约风险增大时，理性的投资者借入资金买进股票的行为会受到抑制，融资规模减小，进而导致股票流动性下降。

此外，当企业债务违约风险提高或发生违约时，债权人对公司的债务政策会做很大的调整，债务人的声誉也会遭受损失，企业后续的债务融资困难加大，其债务融资的规模会下降，资本结构会因此而发生改变，进而企业股票的流动性受到影响。

综上所述，本文提出如下研究假设：

假设1：其他条件相同，企业债务违约风险与股票流动性之间存在负相关关系。

假设2：其他条件相同，企业债务违约风险会通过投资者融资行为影响股票流动性。

2.产权性质的调节效应

由于所有者缺位，国有企业经常被认为缺乏有效的监督和激励机制，相较于其他企业，其代理成本较高，治理机制较弱。国有企业的这些特征导致其股票流动性相对较低。当债务违约风险增大时，与非国有企业相比，国有企业债务违约风险对股票流动性的边际负向影响较小。此外，国有产权能够为企业发挥隐性担保作用，并帮助国企获得银行信贷，当企业债务违约风险增加时，交易者抛售股票或延迟买入股票的动机相较于非国有企业而言要弱些，其股票流动性的下降幅度也因此而较小。综上所述，本文提出如下假设：

假设3：其他条件相同，企业的国有属性抑制了企业债务违约风险对股票流动性的负向影响。

3.市场化程度的调节效应

一般来说，市场化程度较高的地区，其法治化程度相对较高，市场监督机制也更健全，处于该地区的企业信息透明度高，更重视自身声誉且具有较强的遵纪守法意识，因此其信息披露的质量更高，其股票本身就具有较高的流动性。而市场化程度较低的地区，政府干预较为严重，处于该地区的企业财务会计信息质量往往较低，其股票流动性也相对较低。因此，当市场化程度较高地区的企业债务违约风险增大时，其对股票流动性产生的边际负向影响会大于市场化程度较低地区的上市企业。与此同时，由于信息不对称程度较低，处于市场化程度较高地区的企业债务违约风险增加时，交易者因能较为准确地获取企业财务信息而及时抛售股票或延迟买入股票，这会加大股票的供求不平衡，进而导致股票流动性的下降。综上所述，本文提出如下研究假设：

假设4：其他条件相同，市场化程度越高，企业债务违约风险对股票流动性的负向影响越强。

三、研究设计

(一)数据来源

本文以2009—2018年间在沪深两市A股上市的公司为研究对象，初始研究样本包括3 489家企业24 938个公司年度样本。本文对样本数据进行了如下处理：(1)剔除了存在财务指标缺失的数据。(2)因金融业的财务报表与普通工商企业差异过大，本文按照惯例剔除金融行业类公司的样本数据。(3)本文依照惯例剔除了ST和ST*类公司的样本数据。(4)为排除异常值的影响，本文在1%的水平上对所有财务指标进行了缩尾处理(Winsorize)。最终得到2009—2018年间18 730个公司年度样本。所有相关财务数据来自CSMAR数据库和RESSET数据库；行业分类数据来自申银万国公布的行业分类标准。

(二)计量模型设定

第一，为了控制不随公司个体变化的异质性，缓解由非时变变量所造成的内生性问题，本文采用多元线性回归模型、固定效应模型作为基准模型来验证企业债务违约风险对股票流动性的影响(假设1)，基准模型(1)设定如下：

Liq

Risk

+∑

Contral

YearDum

IndustryDum

IdDum

(1)

其中，

Liq

为被解释变量，代表个股流动性；

Risk

为解释变量，代表企业债务违约风险；∑

Contral

为控制变量的集合；

YearDum

为年份哑变量，

IndustryDum

为行业哑变量,

IdDum

为公司哑变量。

第二，企业债务违约风险可能直接影响股票流动性，也可能通过影响投资者的融资行为而间接影响股票流动性(假设2)。为了检验债务违约风险如何通过影响投资者的融资行为来影响股票的流动性，本文采用路径分析法进行分析，构建中介效应模型方程组，具体如下：

(2)

(3)

在方程(2)～(3)中，

为中间变量，是投资者融资行为的代理变量。第三，产权性质和市场化程度可能在债务违约风险对股票流动性的影响中存在调节效应(假设3和假设4)。为了检验这些调节效应，本文在模型1的基础上，进一步引入产权性质(

soe

)与债务违约风险(

Risk

)、市场化程度(

Mkt

)与债务违约风险的交乘项，来检验假设3和假设4。具体模型设定如下：

YearDum

IndustryDum

IdDum

(4)

YearDum

IndustryDum

IdDum

(5)

在方程(4)～(5)中，

soe

是产权性质，

Mkt

是企业所在地区的市场化程度。

(三)变量定义

1.解释变量

本文选择logit模型来对企业债务违约风险进行估计。财务困境又称“财务危机”，严重的财务困境是“ 企业破产”，企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”。本文参考吴世农和卢贤义的研究，定义logit回归模型如下：

(6)

(7)

其中

Risk

是陷入财务困境的概率，

是盈利增长率，计算方式为(当期净利润-上期净利润)/上期净利润*100%；

是资产报酬率，计算方式为息税前利润/平均资产总额；

是流动比率，计算方式为流动资产合计/流动负债合计；

是长期负债股东权益比率，计算方式为长期负债/股东权益；

是营运资本/总资产，

是资产周转率，计算方式为总营业额/总资产值。

2.被解释变量

本文考虑使用

Amihud

非流动性指标衡量股票流动性。

Amihud

指标为股票在时间

内的收益率与交易额的比值，主要衡量股价对交易量的敏感程度。由于

Amihud

是一个非流动性指标，为了更直观地体现流动性，本文对该指标取了负对数值，计算公式如下：

(8)

其中，

代表股票，

代表年份，

代表交易日；

代表股票日收益率(%)；

Volume

代表日交易额(百万元)。此外，本文根据Roll和Richard提出的间接衡量有效价差的做法，使用

Roll

指标衡量股票流动性。为了精确显示股票流动性，本文将该指标除以年内日均成交金额(万元)，并取负对数值。具体计算公式如下：

(9)

其中，

代表股票，

代表年份，

代表交易日；

是第

天的收盘价，

是年内日均成交额(万元)。

3.控制变量

参考目前已有的文献，本文控制了一系列可能影响股票流动性的变量。(1)流通股比例。一般情况而言，流通股比例较低的企业，其流通股股东和非流通股股东的信息不对称程度较大，流动性往往较低。(2)交易活动。交易活动与买卖价差呈现负相关的关系，交易活动越多，股票的流动性就越高。(3)每股收益。每股收益较大的企业往往具有更好的业绩和更高的投资价值，其股票流动性就越高。(4)企业大小。相较于小企业而言，大企业更容易受到分析师和投资者的跟踪分析，这会降低其盈余管理的水平，减少信息不对称，进而使其具有较高的股票流动性。(5)年个股交易金额。个股交易金额较低的企业相对于个股交易金额较高的企业而言，往往存在着流动性不足的风险。(6)收益价格比。收益价格比越高，市价相对于股票的盈利能力越低，投资风险就越小，股票流动性往往会越高。(7)收益率波动。股票收益率波动越大，表示投资者对于该股票未来价值的预期差异越大，这使得流动性提供者面临较大的逆向选择成本，从而增大买卖价差，导致股票流动性的下降。此外，本文在回归中控制年度、行业以及公司固定效应。

4.工具变量、中介变量

本文参考姜付秀等的做法，选取上市企业高管是否过度自信作为工具变量，并参考其他学者的做法，将融资余额作为投资者融资行为(假设2的中介变量)的代理变量。

本文选取的变量其计算方法如表1所示，表2报告了变量的描述性统计结果，表3报告了变量的Pearson相关系数矩阵；表4报告了

VIF

多重共线性检验。

表4 多重共线性检验

表3 变量的相关系数矩阵

表1 变量的定义

表2 变量的描述性统计结果

四、实证结果和稳健性检验

(一)企业债务违约风险与股票流动性

本文采用固定效应模型研究企业债务违约风险对股票流动性的影响，此外为了消除截面相关、异方差等因素的影响，本文采用个体聚类效应对估计结果中的标准误进行修正。企业债务违约风险(

Risk

)对股票流动性(

Amihud

或

Roll

)影响的单变量和多元回归结果如表5中的第(1)、(2)、(5)和(6)列所示，被解释变量为股票流动性(

Amihud

或

Roll

)，解释变量为企业债务违约风险(

Risk

)。由表5第(1)、(5)列报告的结果可知，在没有控制可能影响股票流动性因素的情况下，企业债务违约风险(

Risk

)的系数分别为-1.034和-0.669，且均在1%的水平上显著。由表5第(2)、(6)列报告的结果可知，在控制了一系列可能影响股票流动性的因素后，企业债务违约风险(

Risk

)的系数为-0.887和-0.603，且均在1%的水平上显著，验证了假设1，即当企业债务违约风险增大时，其股票流动性就会降低。从经济意义上看，企业债务违约风险(

Risk

)上升一个标准差，以

Amihud

指标衡量的股票流动性就下降7.72%(0.887*0.087)，以

Roll

指标衡量的股票流动性也下降5.25%(0.603*0.087)，这说明企业债务违约风险对股票流动性的影响不仅在统计的意义上显著，在经济意义上也显著。

表5 债务违约风险与股票流动性

(二)产权性质的调节效应

本文将产权性质设置为一个虚拟变量

soe

，国有企业为1，非国有企业为0。表5第(3)、(7)列报告了其回归结果，其中交互项系数分别为0.296和0.235，并且都在5%的水平上显著，这表明产权性质在债务违约风险作用于股票流动性的过程中存在着正向调节效应，即相较于非国有企业，国有企业的债务违约风险对股票流动性的负向影响受到了抑制，从而验证了假设3。

(三)市场化程度的调节效应

本文根据樊纲等(2019)发布的2008—2016年中国市场化指数来衡量企业的市场化程度。参考俞红海等的做法，采用2008—2016年各地区指标的年平均增长幅度作为2017年和2018年的增长幅度，计算获得2017—2018年市场化指数数据。根据市场化指数的中位数，本文将企业的市场化程度设置为一个虚拟变量

Mkt

，市场化程度高的为1，市场化程度低的为0。表5第(4)、(8)列报告了其回归结果，其中交互项系数分别为-0.178和-0.235，并且至少在10%的水平上显著，这表明市场化程度在债务违约风险作用于股票流动性的影响中存在负向调节效应，即市场化程度较高的地区，企业债务违约风险对股票流动性的负向影响增强，从而验证了假设4。

(四)稳健性检验

1.结构化模型

除了使用二值选择模型估计企业债务违约风险外，本文还使用Merton的结构距离—违约模型的简化版本来度量企业债务违约风险。计算

EDF

的公式如下：

(10)

(11)

EDF

,=N(-

(12)

其中,

Equity

,是股权的市场价值，按年末已发行股票数量和股票价格的乘积计算。

Debt

,是债务的面值，表示年末流动负债和长期债务的一半的总和。

,-1是公司过去的年度回报，根据上一年的年度股票回报率计算得出。

δE

,是公司股票收益波动率，使用上一年的日股票回报率的标准差平均后的年化值。

δV

,是企业资产波动率的近似值。

,被设定为一年。N(·)是累积标准正态分布函数。我们将

EDF

作为债务违约风险的代理变量进行回归，结果如表6第(1)、(2)列所示，

EDF

均在5%的水平上显著为负，这说明企业违约风险的增加会降低股票的流动性。2.

Zeros

指标本文还使用

Zeros

流动性不足指标衡量股票流动性。为了精确显示股票流动性，本文将该指标除以年内日均成交金额(万元)，并取负对数值。具体计算公式如下：

(13)

其中，

是一年，

′是该年度内的零收益天数。

是年内日均成交额(万元)。我们将

Zeros

指标作为衡量股票流动性的指标并将其代入回归方程，结果如表6第(3)列所示，

Zeros

指标的系数为-1.413，并且在1%的水平上显著，这说明企业违约风险的增加确实会降低股票的流动性。

3. 混合OLS回归

本文使用混合OLS回归模型进行估计，结果如表6第(4)、(5)列所示，企业违约风险(

Risk

)的系数均为负且在1%的水平上显著，这说明企业违约风险的增加会降低股票的流动性。

表6 违约风险与股票流动性稳健性检验

五、企业债务违约风险影响股票流动性的内生性检验

虽然本文对债务违约风险是否影响流动性感兴趣，但流动性也可能对违约风险产生影响。例如，如果监管成本高昂，流动性可以使公司治理更加有效，从而导致债务违约概率降低。因此，为了克服逆向因果关系对模型带来的干扰，本文采用工具变量法和PSM-DID法同时缓解模型可能存在的内生性问题。

(一)基于工具变量法的内生性检验

由于上市公司管理者过度自信会显著影响企业债务违约风险，因此为了进一步缓解内生性对本文结论的影响，本文使用“上市公司管理者过度自信”作为工具变量。过度自信的管理者会采取扩张战略，加大企业陷入财务困境的可能性，从而增大企业债务违约风险。因此本文预计，管理者越过度自信，企业债务违约风险就越大。本文将高管薪酬的相对比例作为管理者过度自信的衡量指标。其计算方法为：薪酬最高的前三名高管薪酬之和/所有高管的薪酬之和。该值越高，说明管理者越过度自信。本文按照该变量的中位数生成一个虚拟变量

CON

，该变量大于中位数时虚拟变量取1，其余取0。本文首先验证工具变量的外生性，通过控制内生变量检验工具变量是否与被解释变量相关来验证工具变量的外生性，验证结果如表7第(1)～(6)列所示。当被解释变量(

Amihud

或

Roll

)分别对解释变量(

Risk

)和工具变量(

CON

)进行回归时，两者都显著为负；当把两者同时放入回归时，工具变量的系数不再显著。这说明工具变量并不直接影响股票流动性，而只通过企业债务违约风险(

Risk

)影响股票流动性。

表7 工具变量的外生条件检验

本文将代表“管理者过度自信”的虚拟变量

CON

带入2SLS模型中，表8报告了二阶段最小二乘法的回归结果。其中第一阶段回归显示，工具变量与内生变量显著正相关。

Partial

统计量为25.99，大于常规的临界值 10，表明工具变量对内生变量具有较强的解释力。弱工具变量检验结果显示，弱工具变量沃尔德检验值为26.93，大于10%偏误下的临界值16.38，因此拒绝所选工具变量为弱工具变量的原假设，即不存在弱工具变量问题。工具变量的可识别检验结果显示，Anderson典则相关系数

统计量为25.86，在1%水平上拒绝了“工具变量不可识别”的原假设。即“上市公司管理者过度自信”可以作为企业债务违约风险的工具变量。从第二阶段回归结果可知，无论是以

Amihud

还是

Roll

指标衡量的股票流动性为被解释变量，债务违约风险代理变量

Risk

的系数仍至少在10%水平上显著为负，并且系数绝对值大小相比之前的结果有明显增大。这就表明企业债务违约风险的提高会降低股票流动性，也就是说，企业债务违约风险对股票流动性的影响效应是真实存在的。

表8 企业债务违约风险的工具变量回归结果

(二)基于倾向得分匹配—双重差分法的内生性检验

本文将2013年进行强力反腐所推出的《关于进一步规范党政领导干部在企业兼职(任职)问题的意见》(中组发〔2013〕18号)作为企业违约风险的外生政策冲击，进行倾向得分匹配—双重差分。在2013年以后，强力反腐对很多企业产生严重影响。反腐败力求打击官员的腐败行为，因而其不但提高了政府官员为企业提供庇护的成本和风险，而且极大地提高了企业寻求政治关联的成本，降低了企业寻求政治关联的激励，从而削弱甚至斩断了企业的政治关联。而企业政治关联程度越高，政府的隐性担保越大，在投资失败或陷入财务困境时更有可能获得政府的支持与救助，最终会对企业债务违约风险产生影响。将高强度反腐作为债务违约风险外部冲击的选择是基于以下两个原因：首先，高强度反腐不太可能受到股票流动性的驱动。其次，高政治关联企业的债务违约风险在高强度反腐前后会有明显变化。因此本文能够实施DID分析，以测试债务违约风险的较大增加是否与股票流动性的较大下降相关联。

本文关注的重点是2013年实施高强度反腐后中央组织部发布18号文的前一年和后一年。为了研究债务违约风险如何影响股票流动性，本文采用了PSM—DID方法。首先，计算政治关联得分，本文按照上市企业董监高的政治背景级别及影响力进行打分：副部级及以上7分，正厅级6分，副厅级5分，正处级4分，副处级3分，正科级2分，副科级及以下1分；全国人大代表、政协委员6分；省级人大代表、政协委员4分；市级以下人大代表、政协委员2分。然后，将每年每个企业所有董监高的政治关联得分进行加总得到企业的政治关联总得分。本文将年度政治关联总得分在11分(政治关联总得分的中位数)以上的企业设置为实验组，将年度政治关联总得分在11分或以下的企业设置为对照组。选取所有控制变量指标作为匹配变量将控制组和实验组匹配起来，匹配方法采用核匹配法。

表9为PSM的平衡性检验。结果显示，在匹配后各匹配变量标准偏差的绝对值都低于5%。平衡性检验的结果表明，匹配满足了平衡性假设，即本文中参与匹配的变量和使用的匹配方法都是恰当的，因此可以进行下一步的DID分析。

表9 匹配变量的平衡性检验结果

在倾向得分匹配之后，本文在回归模型中进行DID分析，如下所示：

Liq

Treatment

After

Treatment

After

(14)

其中，

Treatment

为实验组和对照组的虚拟变量，若为实验组(即政治关联总得分在11以上的公司)，则

Treatment

为1，若为对照组(即政治关联水平在11或以下的公司)，则

Treatment

为0；

After

为政策发生前后时间的虚拟变量，若为2012年，则

After

为0，若为2014年，则

After

为1；

Treatment

After

为两个变量之间的交互项；

IndustryDum

代表行业哑变量。交互项的系数

则是我们需要研究的处理效应。由于预期债务违约风险加大会导致股票流动性的减少，因此本文预期交互项系数符号为负。倾向得分匹配完成后，本文剔除未匹配的企业数据，对匹配后的样本进行DID分析，得到的结果如表10所示。其中，第(1)、(2)、(3)列的被解释变量为

Amihud

，第(5)、(6)、(7)列的被解释变量为

Roll

。第(1)列和第(5)列表示不加入控制变量的DID回归结果，第(2)列和第(6)列表示

表10 双重差分估计结果

加入控制变量但未控制行业固定效应的DID回归结果，第(3)列和第(7)列表示加入控制变量且控制行业固定效应的DID回归结果。由表10的第(3)列和第(7)列可知，以

Amihud

或

Roll

指标衡量股票流动性作为被解释变量，

Treatment

After

的系数分别为-0.112和-0.104，且均在1%的水平上显著，这表明与对照组相比，18号文发布后，实验组的

Amihud

(

Roll

)指标降幅较大，为11.2%(10.4%)。这是因为政府发布的高强度反腐18号文对企业政治关联的弱化，严重降低了实验组(高政治关联)企业的隐性担保程度，使实验组在投资失败或陷入财务困境时可能获得政府的支持与救助大幅减少，进而增大企业的债务违约风险，降低股票流动性。为了避免遗漏变量等问题，我们进一步设计了一个安慰剂测试(Placebo Test)来对DID模型进行稳健性检验。安慰剂测试的基本思路是：对于上述自然实验中受到影响的样本企业，我们假定高强度反腐18号文的发布提前一年，即假定政府在2012年发布高强度反腐18号文。然后我们按照之前相同的方法进行倾向得分匹配，对匹配后的样本进行DID分析，检验交互项

Treatment

After

与

Amihud

或

Roll

之间的相关性，相关结果见表10的第(4)列和第(8)列。从表10的第(4)列和第(8)列可以看出，假定高强度反腐18号文的发布提前一年，交互项

Treatment

After

在回归中不再显著，这说明确实是由于企业债务违约风险的升高降低了股票流动性。

六、企业债务违约风险对股票流动性影响的路径分析

本文通过中介效应模型来探究债务违约风险如何通过投资者的融资行为来影响股票的流动性。我们选择投资者的融资余额为投资者融资行为的代理变量，并将所有连续型变量进行标准化处理，回归结果如表11所示，由第(3)列可以看出，企业债务违约风险(

Risk

)的系数为-0.249，且在1%的水平上显著。这说明当企业债务违约风险增大时，投资者的融资行为发生改变，理性的投资者借入资金买进该企业股票的行为受到抑制，从而使得融资余额减少。第(4)列和第(5)列结果显示，融资余额(

)的系数分别为0.263和0.254，且均在1%的水平上显著。这说明投资者的融资行为会增加股票的流动性。而在控制了融资余额(

)之后，企业债务违约风险(

Risk

)的系数分别为-0.033和-0.025，且至少在5%的水平上显著。这说明投资者融资行为的改变可以部分解释企业债务违约风险对股票流动性的影响。根据模型我们得出，企业债务违约风险(

Risk

)经过投资者融资行为这个中介变量影响以

Amihud

(或

Roll

)指标所衡量的股票流动性的中介效应为15.92%(或20.14%)。因此，中介效应模型的实证结果验证了本文的假设2。

表11 以融资余额作为中介变量的中介效应模型回归结果

续上表

七、结论与建议

综上所述，本文得出如下结论：企业债务违约风险越大，股票流动性越差；企业债务违约风险对股票流动性的负向影响在非国有企业或位于市场化程度较高地区的企业中更为明显；进一步的中介效应分析表明，企业债务违约风险通过影响投资者的融资行为来影响股票流动性，即企业违约风险越大，投资者的融资余额越小，股票流动性越差，中介效应的大小为15.92%(或20.14%)。

针对以上研究结论，本文从企业、政府两个维度提出如下政策建议：(1)对企业而言，企业债务违约风险的增大会对股票流动性产生不良影响，从而影响其个股的生命力，因此企业需要审慎地做出债务融资决策并加强公司的经营管理等，以此来降低企业债务的违约风险。(2)针对一些有市场前景，但财务压力较大的企业，政府在必要时可以组建金融资产管理公司，对这些企业进行市场化、法治化的债转股操作，通过债权转股权、参与企业重大事务决策等方式缓解企业的债务压力，降低其债务违约风险，避免企业因债务违约风险增加而对股票流动性产生跨市场的传导效应。(3)由于融资交易具有杠杆效应，债务违约风险增大时投资者融资行为的转变会带来羊群效应，因此相关部门可进一步完善我国股票市场的融资融券机制，在风险测评和征信测评的基础上增加专业知识测评等，以此提高融资融券的准入门槛，并引导投资者理性地进行融资交易，从而避免因企业债务违约风险增加而给股票流动性带来难以承受的损失和其他影响。

暨南学报(哲学社会科学版)

2020年9期