软信息不对称与上市公司长期主动停牌

郭思永 杨 鲁 黄子育

一、引言

交易机制是证券市场微观结构理论的主要内容(Demsetz,1968[1])，而停牌制度是世界各国资本市场广泛运用的交易机制，是解决公司“内部人”与“外部人”之间信息不对称，防止内幕交易，保障全体股东之间的公平、公正交易权利的一项重要制度安排。不同于境外成熟证券市场上存在的时间很短(几分钟或数小时)的警示性停牌，我国A股市场还长期存在上市公司停牌早、停牌多、停牌长的现象。根据Wind数据库的统计，2007—2017年间，我国上市公司年均一个交易日以上的停牌次数多达4 000次，平均每次停牌时长约8个交易日。停牌问题也一度成为妨碍我国A股纳入摩根士丹利资本国际指数(MSCI)的一个重要因素。

近来研究发现上市公司随意停牌造成了投资者利益受损，且更容易在停牌过程中出现内部人的私利行为(石阳等,2019[2])。但是，随意停牌作为公司的内生行为，仅仅是一种外在表象，其背后的停牌动因可能更值得探究。并且，投资者作为理性个体，为何没有识破上市公司长期随意停牌的机会主义行为动机或坐视利益受损，已有文献亦没有深入探讨。信息不对称因素一直是现有文献用来解释停牌现象的动因，但是这些研究更多关注于停复牌之后的交易行为影响上，且得到了不一致的结论。部分研究发现停牌有利于投资者获取交易前的更多信息，提升了交易决策的有效性，提高了股票的价格发现功能(Greenwald和Stein,1991[3];Kodres和Obrien,1993[4];Corwin和Lipson,2000[5];Chen等,2003[6])，并且较长时间停牌的信息传播降低了不确定性，减少了停牌之后的波动性和交易成本(Christie等,2002[7])。不过，停牌对股票交易行为造成不利影响的观点和证据也同样存在，如停牌损害了信息的连续释放，会歪曲价格发现功能(Corwin和Lipson,2000[5])，对价格稳定性和流动性产生了不利影响(Subrahmanyam,1994[8];Lee等,1994[9];廖静池等,2009[10];胡婷等,2017[11];Hautsch和Horvath,2019[12])。但是，这些研究均以投资者与公司之间的信息不对称作为逻辑起点，却对信息不对称的产生原因或量化问题未深入探讨，停牌与信息之间的关系在逻辑上存在跳跃，这也直接导致了上述研究结论的不一致。

上市公司的信息能够被区分为“软信息”和“硬信息”(Liberti和Petersen,2019[13])。“软信息”往往是“口述信息”，只能通过人与人之间面对面的交流来获得，且在传递过程中，信息内容更可能失真或漏损(Liberti和Petersen,2017[13];Loughran,2008[14])。我国地域辽阔，自然资源和环境各地迥异，交通运输基础设施区域差异巨大，公司与投资者之间的地理距离制约了信息传递的效率，加剧了信息不对称程度。现代信息技术和网络的快速发展，虽便利了信息内容独立于信息收集过程且易于量化的“硬信息”的存储和传输，但是依赖面对面交流获得的“软信息”仍受地理区位因素的影响。我国始于2008年的高速铁路网建设，极大压缩了地理时空距离，便利了投资者、公司之间面对面“软信息”的交流，降低了信息搜集成本，提升了信息质量。这些均为我们解释上市公司停牌与信息不对称之间的问题提供了新的思路。故此，本文以公司地理位置作为衡量软信息不对称的变量，以高铁开通这一外生冲击作为切入点，考察了上市公司长期停牌的信息约束条件。研究发现，上市公司的长期停牌时长和次数与上市公司的地理位置显著相关，当公司地处大都市或临近大都市时，停牌时长显著更低，停牌次数显著更少。同时采用双重差分(DID)模型发现，高铁开通之后带来的高铁效应显著减弱了由地理距离带来的“软信息”传输障碍。

本文的探索主要体现在如下：一是已有股票停复牌的研究主要关注于公司股票交易时触发了交易所的停牌交易规则而引起的短期被动停牌(Greenwald和Stein,1991[3];Kodres和Obrien,1993[4];Corwin和Lipson,2000[5];Chen等,2003[6];Subrahmanyam,1994[8];Lee等,1994[9];廖静池等,2009[10];胡婷等,2017[11];Hautsch和Horvath,2019[12])，默认停牌原因是公司“内部人”与“外部人”之间存在信息不对称，而信息不对称产生的原因并未进行探究。而本文聚焦于公司长期主动停牌，并从停牌时长和停牌次数两个维度探究了上市公司的长期停牌动因，增补了停复牌问题的研究。二是拓展了“软信息”对企业行为影响的研究。本文采用上市公司的地理位置作为软信息不对称衡量指标，并以高铁开通验证“软信息”约束放松对公司长期停牌行为的影响，这不仅很好地缓解了内生性问题，还为上市公司主动停牌行为的解释，以及政府监管部门依地理禀赋差异的国情维护投资者交易权利并兼顾交易效率，提供了理论支撑和经验证据。

二、理论分析与研究假说

我国境内上市公司的停牌制度由交易所制定并监管。自1998年开始建立停牌制度，经过2000年和2001年对停牌事项的调整和补充后，上海证券交易所和深圳证券交易所(以下简称“上交所”“深交所”)为了适应信息传播速度加快的现状并且增强交易的连续性，于2002年4月把停牌的最短期限从半天改为1小时。2004年和2006年，停牌制度又随着上市规则的改变调整了停牌事项涵盖的内容，但没有改变停牌的最短期限。2012年上交所和深交所又取消了异常波动停牌制度。然而，我国与国际成熟市场下的停牌制度存在很大差异，境外市场多是警示性停牌，往往是上市公司股票交易时触发了交易所设定的停牌交易规则而引致的短期被动停牌，停牌时长往往只有几分钟或数小时；而我国还存在大量的例行停牌，如上市公司因重大事由而提出的长期停牌，且停牌时点、时长或次数均由公司管理层或控股股东决定，其停牌时长往往长于一个交易日乃至数月。2015年6、7月份股市急速下跌，市场和投资者反映较为集中的停牌早、停牌多和停牌长的问题日显突出。据此，2016年5月，上交所及深交所分别出台了《上市公司筹划重大事项停复牌业务指引》等一系列有关停复牌的业务指引和备忘录，以期减少停牌事由、缩短停牌时间。但是，我国股市散户众多、投资者成熟度不高，公司与外部投资者之间信息不对称程度很高，市场上的价格操纵行为还比较严重。这种信息不对称，不仅在于公司“内部人”比“外部人”具有天然的信息优势，还因为我国幅员辽阔，自然资源和地质环境各地区差异巨大，交通基础设施薄弱一直是某些偏远地区经济发展的最大瓶颈，地理区位因素造成了区域经济发展的不平衡(刘生龙和胡鞍钢,2011[15])，而且相比于政策因素具有更久的延迟效应(Demurger等,2002[16])，这无疑制约了外部投资者与公司“内部人”之间信息沟通的广度和深度。具体分析如下：

首先，地理距离限制了上市公司重大事件中“软信息”的有效传播。Liberti和Petersen(2019)[13]将上市公司的信息划分为“软信息”和“硬信息”。“硬信息”是能够量化，内容具有客观性，且信息内容的认知和解读不会因人而异的一种可以标准化的信息。而“软信息”往往以语言文字表述，难以数字化，往往只能通过面对面的口口相传，且信息内容在传递过程中更可能失真或漏损(Liberti和Petersen,2019[13];Loughran,2008[14])。现代信息技术和网络的进步虽然使“硬信息”的空间传递成本缩减接近于零，但是，“软信息”传输的阻力和与之相伴的“软信息不对称”并不会消失。因此，当上市公司注册地与投资者处于同一地区或临近时，投资者就有更多的机会通过与当地公司的经理人、员工、客户或供应商等进行面对面的沟通，或者通过日常接触本地公司和本地的新闻报导来了解该公司或加强对公司的监督(Coval和Moskowitz,2001[17];Gaspar和Massa,2007[18];王菊仙等,2016[19])，这非常有利于投资者对公司重大事项信息的获取。

其次，“本地偏爱”加剧了投资者与偏远地区上市公司在重大事项之间的信息不对称。投资者存在非均衡地理分布特征，大都市聚集了更多的机构投资者和活跃的个人投资者(Loughran和Schultz,2006[20])。我国投资者在以北京、上海和深圳为中心的长三角、珠三角和环渤海地区的集中度超过70%(刘江会和朱敏,2015[21])。根据《中国证券登记结算统计年鉴2016》发布的“年末A股账户开户代理机构地区分布”资料，投资者开户数和证券营业部集聚在北京、上海、广州或深圳(以下简称“北上广深”)这些中心大都市，这些城市的账户开户代理机构占比为52.15%。并且，这些投资者偏爱投资于地理临近公司的股票，这种“本地偏爱”(local bias)(Coval和Moskowitz,1999[22])克服了“软信息”传输和交流障碍，直接降低了投资者与地理临近的上市公司之间的信息不对称，也使投资者赚取了可观的超常回报(Coval和Moskowitz,2001[17];Baik等,2010[23];宋玉等,2012[24])。因此，地处大都市的投资者对地理临近公司的重大事项了解得更多，知道得更早；这些地处大都市的上市公司也就无需或少需通过停牌来提升投资者的价格预测和缓解投资者与公司之间的软信息不对称。而位于偏远地区的上市公司，由于“软信息”传输带来的障碍，为了使主要处于大都市的机构投资者或个人活跃投资者知晓公司信息，就需要停牌或停牌时间更长。

再次，分析师对偏远地区的公司信息解读更少，预测精度更低，致使软信息不对称程度在上市公司与外部投资者之间更高。分析师作为资本市场的重要信息中介，能够利用其专有知识和信息搜集加工的相对优势，向资本市场提供公司的经营或投资等信息。然而，分析师主要位于金融发展水平更高的城市金融中心(Loughran和Schultz,2006[20];Malloy,2005[25])。分析师与公司之间的地理临近会增加盈利预测准确性(Malloy,2005[25])，国内学者也研究发现分析师与上市公司注册地的地理距离越近，分析师更新盈余预测的频率越高，预测准确度越高(王菊仙等,2016[19])。因此，地处大都市的分析师会更偏爱地理临近的本地上市公司。而偏远城市的公司由于被较少的分析师追随(Loughran和Schultz,2005[26])，公司信息被解读的就会较少，预测准确度也更低，导致了投资者与公司之间更大的信息不对称。而停牌有助于减少信息的不对称性，使投资者在重要信息出现时，能够有充足的时间重新评估资产价格，进而增加市场的透明度，防止内幕交易，以利于保护投资者利益。故而，同样事件，地处偏远城市的上市公司，就需要停牌或更长时间停牌才能让外部投资者知悉。

综上，我们得出研究假说1：

H1：地处大都市的上市公司的停牌时长和次数要显著低于地处非大都市的上市公司。

自2008年我国第一条高速铁路京津城际建成通车，目前我国已建成世界上最大规模的高速铁路网，截至2017年12月总里程达2.5万公里，有29个省级行政区及香港特别行政区开通高铁。高铁使人们的生活和工作方式发生了重大变化，使相邻省份成为一日生活圈，促进了沿路地区的经济发展(张俊,2017[27])，扩展了风险投资中心城市的投资辐射范围(龙玉等,2017[28])，使中国迈向“高铁社会”。高铁的开通压缩了中心城市与沿线中小城市之间的时空距离，大大降低了由时空距离引起的软信息不对称，降低了上市公司因重大事件所带来的长期停牌概率。

与高速公路相比，高铁具有绝对速度优势，更大压缩了中心城市与中小城市间的时空距离，并且高铁只运载“人”，而人是传递“软信息”最有效媒介，人与人当面接触在传递信息方面更为有效。与航空的点对点运输相比，高铁是线状运输，这极大增加了网络密度，拉近了高铁沿线县域城市与中心城市的距离(张俊,2017[27])；同时，高铁运载量高，时间密度大，且很少会受天气等自然环境的影响，这又减少了公司与投资者之间面对面交流上的时间不确定性。可见，企业与投资者群体之间，通过具有“同城化”效应的高铁网络构筑的城市圈和经济带，更加紧密地联系在一起(黄张凯等,2016[29])。以公司停牌事由中的重大资产重组为例，高铁开通一方面有利于公司向外界传递信息，提高了分析师盈余预测的精准度(杨青等,2019[30])和公司会计稳健性(吴克平等，2019[31])，有效缓解了高铁开通地区的上市公司的资产误定价现象(赵玲和黄昊,2019[32])，另一方面提高了投资者、重组方、券商等对公司实地考察的便利性，便于重组双方获得更多的“软信息”(Loughran,2008[14];Petersen和Rajan,2002[33])，提高了重组磋商效率，明确了投资者预期，提升了上市公司停牌运用的质量，也可以有效避免上市公司滥用停牌制度。同时，高铁的开通也便利了投资者或监管部门对公司的监督，使公司不能或不敢以重大事件为借口随意长期停牌。

为此，本文提出研究假说2：

H2：高铁通车之后，高铁开通城市的长期停牌时长或次数的减少要显著高于其他城市。

三、研究设计

(一)样本选取与数据来源

本文上市公司交易停复牌数据、公司的财务指标、股权结构情况、终极控制人等资料均来自CSMAR研究数据库，同时根据上市公司公布的停复牌等相关公告补充收集并验证了数据资料。由于上交所和深交所于2002年4月对停复牌制度进行了改革，把停牌的最短期限从半天改为1小时，之后于2004年和2006年又随着上市规则的改变进行了调整，同时考虑到2005年和2006年股权分置改革的影响，我们选取2007—2016年的所有上市公司作为研究对象。由于金融类公司资本结构、业务经营和会计处理的特殊性，我们剔除了金融类上市公司，同时剔除了B股公司和数据缺失样本，最终得到有效样本19 892个。为了避免极端值对实证分析结果的影响，我们对连续变量在1%和99%水平上进行缩尾处理。

(二)变量设定

1.被解释变量。

停牌变量，我们通过上市公司的年停牌时长和年停牌次数来定义。由于我们只研究公司重大事件的主动性停牌，考虑到警示性停牌的影响，我们只选取了每次停牌时间在一个交易日(也就是4小时)以上的样本进行停牌分析。由于停牌时长总是大于0，考虑到经典线性模型(CLM)的多元回归假设要求，对停牌时长(Halttime)变量我们取该公司一年的累计停牌时长的自然对数。停牌次数(Haltfre)是该上市公司一年的累计停牌次数。

2.解释变量。

地理位置作为主要解释变量，用以衡量公司的软信息不对称。公司总部通常位于业务核心区域，是供应商、经销商或投资者与公司之间交流和沟通的中心(Davis和Henderson,2008[34])，公司总部的地理位置会对公司回报产生重要影响(Pirinsky和Wang,2006[35])，因此，参考现有研究(如Pirinsky和Wang(2006)[35]、Loughran(2008)[14]和El Ghoul等(2013)[36]等)，本文以公司总部的注册地为基准，通过以下三种方式进行量化。其一是Metro虚拟变量。如果公司的注册地址位于北上广深这四大城市，则定义Metro为1，否则为0。作为一线城市的北上广深，在中国大陆城市中的综合实力和竞争力处于绝对领先地位，它们拥有雄厚的经济基础，可观的政治资源和极为便利的交通。其二是上市公司注册地到北上广深的距离(Distance)。距离越小，交通会更为便利，软信息不对称程度更低。具体计算过程参照El Ghoul等(2013)[36]等的研究，采用Google地球搜索上市公司注册地的经纬度，然后按照经纬度计算北上广深这四大城市分别至该公司注册地之间距离的自然对数，再取其最小者。其三是AirDistance变量。根据中国民航数据总局统计，按近几年中国大陆地区机场的旅客吞吐量数据统计排名，我们以前十大机场所在的城市(北京、上海(浦东和虹桥机场)、广州、深圳、成都、杭州、西安、昆明、重庆)为航空中心，定义AirDistance为上市公司注册地到航空中心的最短距离的自然对数，距离越小，交通越便利，软信息不对称程度越低。

3.控制变量。

由于我们主要研究由地理位置带来的信息不对称影响，为了避免其他信息不对称因素的干扰，我们采用了常用的信息不对称变量——公司的账面市价比(B/M)进行控制。公司上一期末的账面市价比越小，说明公司的市场价值越大，公司资产中的无形资产越多，信息不对称越高，公司的停牌时长和次数越多，因此，我们预测符号为负。公司上一期末的资产报酬率(ROA)越低，操控停牌的动机越强，预测符号为负。已有研究发现股权集中度与公司实施停牌的可能性呈显著负相关关系(孙建飞,2017[37])，因此我们控制了上一期末大股东持股比例(Largeshare)并预测符号为负。根据公司终极控制人的产权性质定义了民营企业哑变量(Private)。同时，公司资产规模(Size)和负债比例(Lev)，也可能会影响到上市公司的停牌。考虑到我国停牌制度一直在发展完善，为了消除年份固定效应的影响，我们还控制了年度哑变量(Year)。

(三)模型设计

模型(1)用来检验公司地理位置对上市公司停牌时长和停牌次数的影响，依假说1，预测Metro变量的回归系数α1为负，即注册在大都市的上市公司，停牌时长更短，停牌次数更少。同时，我们还以距离大都市的最短物理距离(Distance)或距离全国十大机场的最短物理距离(AirDistance)在稳健分析中进行了回归分析。由于部分样本公司在样本期间注册地发生迁址，当被解释变量为上市公司的停牌时长时，我们可以采用面板数据的固定效应模型。当被解释变量为上市公司停牌次数时，由于被解释变量为非负整数，我们采用面板数据的泊松回归。我们参照已有研究(龙玉等,2017[28])构建双重差分(DID)模型(2)，以2007—2016年期间开通高铁的城市作为处理组，未开通高铁城市作为控制组，以捕获“高铁开通”这一准自然实验事件对公司长期停牌的影响，进行因果推断。为了确保外生性，我们参照龙玉等(2017)[28]的研究，剔除了北京、上海、天津和重庆这些直辖市以及各省省会城市，因为这些城市的重要性会影响高铁网络的规划本身。关键解释变量是模型(2)中“是否开通高铁”(HSR)与“通车前后”(After)两个指示变量的交乘项，我们预测符号为负。

Halttimet/Haltfret=α0+α1Metrot/Distancet/AirDistancet

+α2Largesharet-1+α3B/Mt-1

+α4ROAt-1+α5Privatet-1+α6Sizet-1

+α7Levt-1+α∑Year+γt+εt

(1)

Halttimet/Haltfret=α0+α1HSRt+α2Aftert+α3HSRt

×Aftert+α4Largesharet-1

+α5B/Mt-1+α6ROAt-1

+α7Privatet-1+α8Sizet-1+α9Levt-1

+α∑Year+γt+εt

(2)

四、实证结果与分析

(一)描述性统计分析

表1是停牌次数的分年度统计，可以看出，整年没有长期停牌过的上市公司从2007年的1家升至2016年的1 322家，整年只有1次停牌的从2007年的160家升至2016年的800家；整年停牌次数3～5次的公司数目则呈逐年下降趋势；停牌次数大于5小于等于10次的公司从2007年的263家降为2016年的8家，下降非常明显；当停牌次数大于10次时，得到类似结果。由此可见，上市公司的长期停牌次数从2007年至2016年呈逐年下降趋势，更多的公司全年没有停牌过。图1是停牌时长的分年统计，可以看出各年长期停牌时长差异较大，其中2007年上市公司停牌总时长为142 214小时，停牌次数最多，达5 623次，平均每次停牌时长达25.29小时，相当于6个多交易日。之后几年停牌总时长、停牌次数和平均每次停牌时长逐步下降。但到了2014、2015和2016年，停牌时长均大幅提高，2015年达到了354 526小时，平均每次停牌时长达到了97.64小时，接近25个交易日，这主要是2015年我国发生严重的股灾，长期停牌成了上市公司避难和大股东自救以维护控股地位的方式(李姗姗,2016[38])。之后2016年上市公司的停牌总时长依然维持高位，但是单次停牌的时长则达到了样本期间的最高点115小时。由上可知，虽然我国上市公司的长期停牌次数呈逐年降低之势，但是停牌的总时长和单次停牌的时长却逐年增加，近几年特别突出。

表1 停牌次数的分年统计

图1 停牌时长的分年统计

表2提供了样本的描述性统计。首先，上市公司的年停牌时长(Halttime)的均值为2.566，说明全部样本的停牌时长约为13小时，时间比较长。上市公司的年停牌次数(Haltfre)的均值为2.12，表明大多数公司一年平均停牌2次左右，最大值达到了36次。这均表明我国上市公司长期停牌在市场交易过程中是一个非常普遍的现象。大都市变量(Metro)均值为0.257，表明注册地在北上广深这四大城市的上市公司约占总样本的1/4，集聚性非常明显。Distance变量均值为4.333(换算为约76km)，中位数为5.644(283km)，最大值为7.788(2 411km)，可见我国幅员辽阔，上市公司注册地距离北上广深这四大中心城市的最短距离差异非常大。上市公司注册地距离主要航空中心的最短距离的自然对数(AirDistance)也具有类似特征。停牌之前大股东的持股比例(Largeshare)的均值为36.10%，股权集中度比较高，大股东对上市公司的控制力比较强。

表2 描述性统计

(二)相关性检验

表3报告了变量之间的Pearson相关系数，我们发现上市公司停牌时长(Halttime)和停牌次数(Haltfre)的相关系数为0.528，高度相关且在1%的统计水平上显著。上市公司停牌时长(Halttime)和停牌次数(Haltfre)与描述上市公司注册地在北上广深这四大都市的变量(Metro)均在1%的水平上显著负相关，说明上市公司的注册地如果在大都市，则上市公司的停牌时长和停牌次数均会较低，这初步验证了本文的研究假说1。表征距离北上广深四大都市的地理距离的变量(Distance)和距离航空中心最短距离的变量(AirDistance)与上市公司的停牌时长和停牌次数均在1%的统计水平上显著正相关，说明距离大都市或航空中心的地理距离越近，上市公司停牌的时长越短、次数越少，这也与我们的研究假说1一致。上市公司的账面市价比(B/M)与公司停牌的时长和次数在1%的统计水平上显著负相关，表明公司的信息不对称程度越高，公司的停牌时长和次数越大。上市公司的资产报酬率(ROA)与公司停牌的时长和次数在1%的统计水平上显著负相关，说明公司的经营业绩越差，公司的停牌时长和次数越大。公司的规模(Size)与公司停牌的时长和次数显著负相关，公司的负债(Lev)与公司停牌的时长和次数显著正相关，这表明公司规模越大，债务比例越低，公司的停牌时长越短，次数越少。

表3 变量之间的Pearson相关性分析

(三)回归分析结果

当被解释变量为上市公司停牌时长时，我们采用面板数据的固定效应模型进行回归，并使用稳健标准误以控制异方差影响。表4模型(1)中大都市的变量(Metro)在5%的水平上显著为负，说明上市公司的注册地在北上广深时，上市公司的停牌时长相比于其他地区更低，支持了我们的研究假说1。模型(2)或模型(3)中主要解释变量Distance或AirDistance也在5%的统计水平上显著正相关，表明上市公司注册地距离大都市或航空中心的距离越远，上市公司的停牌时长越长。模型(1)～模型(3)中停牌之前大股东的持股比例(Largeshare)在1%的水平上显著为负，表明大股东持股比例越高，公司的停牌时长越短，与已有研究一致(孙建飞,2017[37])。上市公司的账面市价比(B/M)与公司停牌的时长在1%的统计水平上显著负相关，表明公司的信息不对称程度越高，公司的停牌时长越长。上市公司的资产报酬率(ROA)与公司停牌的时长在1%的统计水平上显著负相关，说明公司的经营业绩越差，公司的停牌时长越长。公司的规模(Size)与公司停牌的时长显著负相关，公司的负债(Lev)与公司停牌的时长显著正相关，表明公司规模越小，债务比例越高，公司的停牌时长越长。

表4的模型(4)～模型(6)是当被解释变量为上市公司停牌次数时的面板泊松回归结果。我们发现当公司处于大都市(模型(4))、或者距离大都市距离较近(模型(5))或者距离我国的航空中心较近(模型(6))时，上市公司的停牌次数在5%或1%的水平上显著更低，支持了我们的研究假说1。需要说明的是，由于面板数据的泊松回归采用最大似然估计，当因变量为0时，个体观测值对于条件似然函数的贡献为0，因此，当某一个体组因变量为0时，在估计固定效应泊松回归时将被去掉，表4的模型(4)～模型(6)中因此删掉81个观测值。同时，由于最大似然估计为组内回归，因此，只有一个观测值的组也会被删掉，这样又删掉了226个观测值，最终样本数为19 585。

表4 公司地理位置影响上市公司停牌的回归结果

表5是高铁通车对上市公司停牌影响的双重差分分析。为最大程度上保证高铁通车这一冲击的外生性，我们参照龙玉等(2017)[28]的研究，剔除了北上广深以及直辖市和省会城市；又由于2015年股灾之年，大量上市公司为了避难而进行躲跌式停牌，公司在交易行为方面可能异于其他年份，故而我们也剔除2015年的样本。模型(1)是高铁通车对公司长期停牌时长的影响，我们发现高铁开通城市与高铁通车时间点的交乘项(HSR×After)在1%的统计水平上显著负相关，表明这些城市开通高铁后，公司的停牌时长明显变短。模型(3)是高铁通车对公司长期停牌次数的影响，交乘项(HSR×After)也在5%的统计水平上显著负相关，意味着高铁通车后，降低了这些城市中上市公司的停牌次数，验证了我们的研究假说2。模型(2)和模型(4)是我们控制年度固定效应后的回归，结果依然显著。

表5 高铁效应对上市公司停牌影响的回归结果

五、进一步深入分析及稳健性检验

(一)产权性质的调节作用分析

长期以来，国有经济在我国国民经济中占据主导地位，政府控股的企业普遍承担着战略性和社会性的政策负担(林毅夫和李志赟,2004[39])，某种程度上，国有企业就是政府的延伸(卢闯等,2013[40])。高度的政府信用可以强化投资者的信心，降低企业经营的不确定性(方红星等,2013[41])，政府提供的这种隐形担保使公司不必因重大事件而通过停牌来稳定投资者对公司股价的预期，因此上市公司注册地的地理位置差异对国有企业停牌的影响有限。同时，民营上市公司主要受到证监会的监管，而国有上市公司还受到国资委、财政部等部门的监管。以股权激励为例，国有上市公司在审批、激励收益限制和考核指标规定方面均受到除证监会之外国资委、财政部等部门的制度约束(邵帅等,2014[42])，因此在制度合规性方面会胜于民营企业，采用“躲跌式”长期停牌的可能性较小，且不会因注册地地理位置而产生显著差异。为此，我们认为地处大都市的民营性质的上市公司的停牌时长或次数要低于地处非大都市的民营上市公司，而国有企业差异性较弱。

表6是因产权性质差异对公司地理位置影响上市公司停牌的分析。可以看出，当公司的终极控制人是民营企业时，模型(1)中大都市的变量(Metro)在1%的水平上显著为负，而模型(2)中大都市的变量系数绝对值更小且不显著，这说明民营公司的停牌时长受注册地地理位置影响，当注册地在北上广深时，相比于国有企业，上市公司的停牌时长更短。模型(3)与模型(4)、模型(5)与模型(6)分别是解释变量Distance和AirDistance民营企业和国有企业对比的回归结果，均得到了上述一致结论。表6模型(7)～模型(12)是被解释变量为停牌次数时的回归结果，可以看出，模型(11)中，民营企业的主要解释变量(AirDistance)显著为正，而模型(12)的系数并不显著，这表明当民营企业的公司总部注册地距离航空中心的距离越远，停牌次数越多，与我们的预期相符。表6模型(7)～模型(10)中的主要解释变量的系数方向虽然一致于上面的理论推演，但并不显著。

表6 产权性质不同对公司地理位置影响上市公司停牌的分析

(二)内生性影响的稳健分析

已有研究指出，以地理位置衡量信息不对称一般不会带来内生性问题(El Ghoul等,2013[36])。但为了增强研究结论的可靠性，本文还是做了如下稳健检验。参照已有研究(Loughran和Schultz,2005[26];El Ghoul等,2013[36];John等,2011[43])，农业类或公用事业部门经营的公司位于反映其生产过程性质的区域，这类公司的生产经营依附于当地自然资源，公司注册地往往更不可能由公司的停复牌确定。我们以证监会2012年行业分类为依据，选取农业类和公用事业类公司为样本进行检验，发现表7模型(1)～模型(3)中，当以公司停牌时长为被解释变量时，无论是以大都市(Metro)、公司注册地距离大都市的距离(Distance)还是公司注册地距离航空中心的距离(AirDistance)表征软信息不对称，结果依然显著。

表7 农业类和公用事业类公司中地理位置与公司停牌的回归结果

(三)考虑平均停牌时长的稳健分析

考虑到公司重大事项中分阶段披露与间断性停牌有利于公司信息披露，我们以年内每次长期停牌的平均时长(Haltmean)作为被解释变量进行稳健分析，其定义为公司年累计长期停牌总时长除以年累计停牌次数(Haltfre)之后，再取自然对数。表8中模型(1)～模型(3)是假说1的回归结果，可以看出地理位置变量在统计上均显著，且与预期一致，支持了我们的研究假说1。模型(4)～模型(5)是假说2的回归分析，可以看出交乘项(HSR×After)显著为负，表明高铁开通后，由于压缩了空间距离，公司的平均停牌时长显著变短，支持了我们的研究假说2。

表8 平均停牌时长的稳健回归分析

同时，考虑到同样公司重大事件越多，信息不对称程度越高，公司选择停牌的次数就会越多或时长越长。因此，为了克服重大事件影响的偏差，我们还计算了“重大事件的平均停牌时长”变量，即年停牌时长与重大事件次数的比率，并作为被解释变量进行回归分析。针对假说1的分析，主要解释变量依然显著，有力支持了我们的研究假说；针对假说2的分析，交乘项不显著，这可能是由于公司公告内容的重要性存在差异，并且公司对是否需要公告的事件也存在认知上主观偏差的原因所致。囿于篇幅所限，我们没有列出回归结果。

(四)考虑股灾或产品市场竞争因素影响的稳健分析

2015年6、7月间，我国股市崩盘似地下跌，数以千计的公司异常停牌以防止或逃脱股灾，在此背景下，停牌似乎已经成了上市公司避难和大股东自救以维护控股地位的一剂良方(李姗姗,2016[38])，因此，2015年作为股灾之年，公司在交易行为方面可能异于其他年份，我们剔除2015年的样本进行了回归分析，研究结果不变。

上市公司的外部产品市场竞争越激烈，不确定性对公司的影响会更大，而较长时间的停牌有利于降低信息传播过程中的不确定性。因此，产品市场竞争程度越高，公司的停牌时长越长，停牌次数越多。同时，高铁开通极大压缩了中心城市与中小城市间的时空距离，增加了地区竞争，进而增加了停牌时长和次数。为了排除此竞争性因素影响，我们参照已有研究，分别以赫芬达尔-赫希曼指数(HHI)、勒纳指数(Lerner index)及行业内上市公司数量等指标衡量公司产品市场竞争程度并进行了控制分析，主要研究结果不变。(1)囿于篇幅所限，没有列出回归结果，留存备索。

六、结论与启示

以地理位置量化公司与外部投资者之间存在的软信息不对称，本文实证研究发现公司的长期停牌时长和次数与上市公司的地理位置显著相关。当上市公司注册地位于或临近大都市时，上市公司的停牌时长和次数均较少；当公司注册地远离航空中心时，上市公司的停牌时长和次数均较多。进一步研究发现，高铁开通之后带来的高铁效应显著减弱了由地理距离带来的“软信息”传输障碍。

基于研究结果，启示如下。公司地理位置是上市公司停复牌的重要影响因素。对于地处偏远地区的上市公司来说，由于与投资者之间软信息不对称程度更高，这不但会影响投资人在投资之前的估值，而且会影响投资之后的监督。因此，对上市公司而言，明确停牌事由、预告停牌期限，采用重大事项的分阶段披露，有助于缓解市场和投资者反映较为集中的停牌早、停牌多、停牌长的问题。从政府角度来说，地理位置带来的信息劣势是天然固有的，这在公司的长期停牌中体现得非常明显。而交通基础设施建设对经济活动具有正外部性，对经济发展具有“乘数效应”，通过加快高铁等基础设施的建设，有利于打破“软信息”传输的壁垒。这对于偏远地区上市公司减少长期停牌的时间和次数，破解停牌多、停牌长的现实问题，具有重要的现实意义。同时，这也意味着停复牌的主动权应该交给企业、交给市场，而不能在制度设计上搞“一刀切”，从制度层面逐步去除停牌附加功能，细化披露要求，增强停牌约束，并严厉打击内幕交易，是完善停复牌制度的方向。最后，需要指出的是，上市公司的地理位置如何影响公司股价波动性或流动性，高铁开通如何作用于公司股价波动性，是值得我们进一步深入思考的问题，本文也为此类后续研究提供了思路。