股权集中度如何影响股价崩盘风险？——基于2007—2018年沪深A股上市公司的经验证据

童 喆，欧绍华

(湖南工业大学 经济与贸易学院，湖南 株洲 412007)

0 引言

维护金融稳定是习近平新时代中国特色社会主义经济思想中的重要一环.而股价崩盘会使股东资产严重缩水，瓦解资本市场应有的性能，造成整个市场的震荡[1]67.2015年中国A股市场遭遇了“千股跌停”的巨大危机，仅3周时间跌幅超过30%的A股有1 932只，占比82.6%，引发了投资者的恐慌.进入2017年以来，频频出现个股极速崩盘，到2018年上证指数和深圳成指分别下跌24.59%和34.42%.股价崩盘的一个重要原因在于股东更偏好公示利好信息、隐藏坏信息，当累积到难以隐藏时，股价就会崩盘[2].一方面，我国上市公司股权结构高度集中，大股东因更有动力进行监督降低股东与管理层的信息不对称成本；另一方面，一股独大也促使大股东侵占中小股东的利益，利用信息不对称隐匿掏空行为和坏消息.而创新型企业拥有的新专利也存在认知门槛，构筑起公司和投资者之间的壁垒，增加了信息不对称的程度[3].大股东具备动机和能力监督经理人，使其按股东利益行事，保证风险项目的执行[4].在我国金融市场极易汇聚风险的背景下，研究股权集中度对股市的影响和研发投入在两者间的中介作用，可以为金融市场制度建设提供一定的理论指导.

以往研究股价崩盘风险多从企业外部治理机制、内部管理者个人特征着手.笔者从股权结构层面进行研究，引入中介变量研发投入，进一步补充各因素对股价崩盘风险的综合影响.此外，拓宽了研究的角度，在区分产权性质后，研究了影响股价崩盘风险的各种因素是否还存在显著的作用效果.研究结论有助于企业调整股权结构，减少金融市场上的投资风险.

1 理论分析与研究假设

1.1 股权集中度与股价崩盘风险

信息公告是引起股价波动的主要原因之一.从委托代理角度看，管理者与股东没有完全相同的利益目标，大多数研究认为公司高管出于各种利己动机会进行不良项目投资，并采取手段掩盖其本质，使股东无法察觉，在这一过程中管理者往往会选择暂时隐藏公司的负面消息[5-6].企业信息越不透明，管理者隐瞒负面消息的难度越低.但是随着时间流逝，负面消息会一直蓄积，最后被引爆，使得股价大幅下跌[7].从投资者角度来看，信息不透明也让外部投资者无法了解企业真实内情，进而高估企业股价.因此,提高信息透明度是降低股价崩盘风险的一个重要途径.提高信息披露质量不仅能让股东更好地了解企业，也可以持续强化投资者对企业的信任感，减少股价大幅波动的可能.

股权集中度对公司治理及资本市场经济后果的影响是学术界的研究热点，我国上市公司的股权相对集中，而股权集中度一定程度上可以缓解企业信息不透明.利益协同效应指出，当大股东和企业目标一致时，若发现管理层欺上瞒下,会将其撤换.从监督效应来看，股权集中度可以使大股东更乐于加入企业的日常管理，从而减少内部信息舞弊行为，缓解两者之间的代理问题，抑制股价崩盘风险[8].股权结构也具有治理企业的内在特性.王化成等提出“更少掏空效应”和“更多掏空效应”，发现大股东持股比例越高，越有动力监督企业日常运行，减少掩饰信息的可能，从而降低股价崩盘风险[9]45;谭松涛等指出大股东更追求投资的绝对回报，所以资产价值的短期波动并不会影响大股东的继续持股，这在一定程度上缓解了股价崩盘[10];卜华等认为存在股权质押行为的上市公司风险较高，更容易引发股价崩盘，但这种正相关关系随着股权集中度的提高而得到缓解，这是由于大股东的监督抑制了中小股东“搭便车”，同时大股东为了资产的保值和升值，也减少了对企业资源的攫取[11].总而言之，股权会影响到大股东的监督动力，股权集中可以减少管理者对公司利益的侵害，并提高信息的透明度，进而降低股价崩盘风险.基于此，提出假设：

H1 企业的股权集中度越高，将来的股价崩盘风险越低.

1.2 股权集中度与研发投入

股权集中度是公司所有权结构的核心.一方面，大股东出于道德风险和逆向选择，可能去掠夺中小股东的利益，同时关联交易也会更加频繁，导致利益输送行为发生，并最终弱化研发投入[12].另一方面，股权过于集中，会带来相应风险的集中，大股东要承担较高的风险[13].出于风险规避心理,大股东承担的企业特殊风险会随着持股占比增加而增加，可能导致研发费用缩减.股权集中度较低的公司，分散的所有权会提高管理者决策的灵活性，更愿意进行研发投入并获取专利，所以股权集中对研发投入存在不利影响[14].基于此，提出假设：

H2 企业的股权集中度越高，将来的研发投入越少.

1.3 研发投入的中介作用

出于风险规避心理，企业的股权越集中，研发费用支出越少.而研发活动较多的公司，盈余管理倾向较强[1]70，这是股价崩盘风险的一个危险信号.原因在于研发投入的经济后果具有较强的不确定性.一方面，不存在能获取研发投入公允报价的交易市场[15]；另一方面，研发投入资本化的确认很大程度上依赖于管理者的主观决断，而部分高管可能通过研发投入资本化进行盈余管理以维护利益[16].这些都会加剧企业内外信息的不对称，诱发股价崩盘.也就是说，股权集中度通过减少研发投入来降低股价崩盘风险，研发投入成为中介变量.由于目前相关研究较少，不能确定是部分中介效应还是完全中介效应，由此提出假设:

H3a 在其他条件不变的情况下，研发投入在股权集中度与股价崩盘风险之间发挥部分中介作用.

H3b 在其他条件不变的情况下，研发投入在股权集中度与股价崩盘风险之间发挥完全中介作用.

1.4 不同产权性质下股权集中度对股价崩盘风险的影响

产权性质不同，大股东发挥自身功能的程度不一.国有企业管理层更在意自己的政治生涯，面对重大决策时，倾向于做出保守的选择[17]，所以大股东的监督作用会随之减弱，即国有背景削减了股权集中度对股价崩盘风险的抑制作用.非国有企业大股东的利益与企业利益一致，引起股价崩盘的可能性更低.大股东的意愿会影响企业研发投入的多少，国有企业的大股东只参与经营，不具有剩余收益的分配权，所以基本不存在通过减少研发投入来进行利益输送.因此，非国有企业的股权集中度可能会通过减少研发投入，进而抑制股价崩盘.据此，提出假设：

H4 相较于国有企业，股权结构和研发投入在非国有企业中会对股价崩盘风险造成更显著的影响.

2 研究设计

2.1 研究样本与数据来源

从2006年开始，证监会提高了研发支出的披露要求，由于股价崩盘风险存在一定的滞后性，故选用2007—2018年沪深A股公司的年度观察数据为样本，按以下步骤进行筛选:1)剔除金融类、保险类企业样本；2)剔除ST和*ST的企业样本；3)剔除年交易周数不足30的企业样本；4)剔除主要变量数据异常和缺失的样本.最后得到10 448个样本数据，均进行上下1%的缩尾处理.所有数据来源于CSMAR数据库，运用Stata 13处理数据.

2.2 变量定义

2.2.1 被解释变量

借鉴Jeong-Bon Kim[18]和王化成[9]48等的研究，以负收益偏态系数(NCSKEW)和收益上下波动比率(DUVOL)两种方法测量股价崩盘风险，具体计算步骤如下.

首先，剔除市场因素影响，扩展市场模型，计算出残差值εi,t.

ri,t=αi+β1rm,t-2+β2rm,t-1+β3rm,t+
β4rm,t+1+β5rm,t+2+εi,t.

(1)

式中,ri,t为第t周公司i的收益率，rm,t为股票所在市场第t周流通市值加权平均收益率，rm,t-2、rm,t-1、rm,t+1和rm,t+2为前后两期的市场加权平均收益率.由式(1)回归得出残差εi,t.

然后,用εi,t计算公司i的周收益ωi,t.

ωi,t=ln(1+εi,t).

(2)

最后,以ωi,t为基础，计算NCSKEW和DUVOL，计算过程如下:

(3)

式中,n表示上市公司i在第t年交易的周数.NCSKEW取值和股价崩盘风险正向相关.

(4)

式中，ωi,t表示第t年公司i的周收益，nu表示大于年平均收益率的周数，nd表示小于年平均收益率的周数.DUVOL取值和股价崩盘风险正向相关.

2.2.2 解释变量

借鉴陈德萍、陈永圣的做法，股权集中度由第一大股东持股比例(PFIRS)表示[19]，所拥有的股权越多，占比越大，说明所在企业的股权越集中.

2.2.3 中介变量

研发投入(RD)由研发费用在营业收入中所占的比值来度量，比值越大，说明研发投入越高.

2.2.4 控制变量

参考已有研究设置了控制变量，详见表1.

表1 变量定义表

2.3 模型设计

为验证H1和H4，建立如下模型：

NCSKEW(DUVOL)i,t=α0+α1PFIRSi,t-1+
α2CVi,t-1+∑IND+∑YEAR+μi,t-1.

(5)

上市公司股权集中度可以通过减少研发投入，影响负面信息的传递，缓解股价崩盘风险.为了检验H2和H3，通过三步法依次检验回归系数，设定模型如下：

RDi,t-1=β0+β1PFIRSi,t-1+β2CVi,t-1+
∑IND+∑YEAR+μi,t-1.

(6)

NCSKEW(DUVOL)i,t=
γ0+γ1RDi,t-1+γ2PFIRSi,t-1+
γ3CVi,t-1+∑IND+∑YEAR+μi,t-1.

(7)

模型中CV表示的是控制变量，为了缓解内生性问题，用Stata 13自动生成滞后一期的解释变量和控制变量数据.首先若模型(5)中α1显著为负，表明股权集中度对股价崩盘风险起到抑制作用，H1得证.其次检验模型(6)中β1的显著性，若显著为负，表明股权集中度会减少企业研发投入，H2得证.最后对模型(7)中的γ1、γ2进行检验,若γ2显著为负，同时α1、β1都显著为负，表明研发投入具有中介效应，能影响到股权集中度抑制股价崩盘的效果，H3得证；若γ1显著，表明存在部分中介效应，不显著则表明存在完全中介效应.此外分组检验模型(5)中α1的显著性，若非国企组大于国企组，则H4得证.

3 实证结果与分析

3.1 描述性统计

变量描述性统计结果见表2.NCSKEW的最小值和最大值分别为-2.461和1.714，标准差为0.711；DUVOL的最小值和最大值分别为-1.375和 1.066，标准差为0.477,说明股价崩盘风险指标在样本中存在较大差异，股价波动较大.PFIRS的最小值和最大值分别为8.448和74.180，标准差为14.724，说明样本企业的股权结构大相径庭，部分企业的第一大股东持有大部分股权，个别企业的股权被多个股东所均分，这些企业的股权结构并不合理.RD的均值为0.037，标准差为0.035，说明我国A股上市公司研发投入并不高.在控制变量中，国企仅占39.0%，ROA均值为0.043，LEV 均值为0.421，说明样本公司的总资产收益率较低而负债水平较高.其余各控制变量的分布不存在异常情况，均处于合理范围内.

表2 变量描述性统计

3.2 相关性检验

主要变量Pearson相关系数矩阵见表3.由检验结果可知:股价崩盘风险和控制变量基本存在显著的相关关系，说明控制变量的设置是合理的.DUVOL和NCSKEW的相关系数为0.878，说明这两个指标可以互相参考，保持着较好的一致性.PFIRS与NCSKEW、DUVOL的相关系数分别为-0.035和-0.030，在1%的水平下显著负相关，初步验证了H1.RD与PFIRS的相关系数为-0.153，在1%的水平下显著负相关，这与H2的预期一致.NCSKEW和DUVOL都与RD在1%的水平下显著正相关，这在一定程度上证实了中介效应的存在，但究竟支持了H3a还是H3b，需要进一步的回归分析.此外,各主要变量间的相关系数大都小于0.5，不存在显著的多重共线性，可得到真实有效的回归结果.

表3 相关性检验结果

3.3 回归分析

3.3.1 股权集中度与股价崩盘风险

从表4可看出，Hausman检验结果显示P值小于0.01，说明此模型在1%显著水平下拒绝随机效应的假设，更适合使用固定效应模型进行回归分析.回归结果显示所有模型通过了F检验，所选择的变量对股价崩盘风险的影响整体是显著的.回归(1)和回归(3)是对PFIRS进行的单变量回归，PFIRS的系数分别为-0.021和-0.017，都在1%的水平下显著负相关.回归(2)和回归(4)加入一系列控制变量，PFIRS的回归系数为-0.018和-0.014，显著性降低但依旧在1%的水平下显著负相关.结果表明,衡量股价崩盘风险的两种指标所得到的结果相似，股权集中度在一定程度上可以抑制股价崩盘风险，H1得到证实.

表4 股权集中度与股价崩盘风险回归结果

表4(续)

3.3.2 研发投入的中介作用

首先，由表4的回归(2)、回归(4)可知PFIRS与NCSKEW和DUVOL显著负相关，通过了中介效应第一步检验.其次，表5的回归(1)检验了PFIRS对RD的影响，系数为-0.013，在1%的水平下显著，说明股权集中度越高，企业的研发投入越少，通过了中介效应的第二步检验，同时证实了H2.最后，在表5的回归(2)、回归(3)中加入中介变量RD，同时检验股权集中度和研发投入对股价崩盘风险的影响.RD对NCSKEW和DUVOL的系数分别为1.582和1.397，均在1%的水平下显著正相关；PFIRS对NCSKEW和DUVOL的系数减小为-0.007和-0.005，均不显著，因此不用进行Sobel检验.综合来看，三步法模型中系数α1、β1和γ1均显著，这意味着在股权集中度的内生作用影响股价崩盘风险时，研发投入存在显著的中介效应.由于系数γ2小于α1，且不显著，第三步检验中PFIRS的回归系数减小，显著性消失,说明研发投入发挥的是完全中介效应，从而拒绝了H3a，证实了H3b.结果表明，过多地研发投入可能使公司陷入财务危机，进而提高股价崩盘风险.当企业股权集中度高时，大股东可能不愿过多地投资于风险较大、不确定性强的研发活动，进而减少股价崩盘风险.

表5 研发投入的中介作用

3.3.3 进一步检验

为了研究产权性质是否会影响股权集中度的内生作用，不同产权的企业股价崩盘风险是否受原有因素的影响，进一步区分各企业之间的差异，将10 448个样本数据按照产权所属情况进行划分，得到6 457条非国企样本数据，3 991条国企样本数据，用相同的方法分别对两个样本组进行回归,结果如表6所示.可以看到PFIRS在Panel A的回归(1)和回归(2)中系数分别为-0.025和-0.020，在1%的水平下显著；在Panel B的回归(1)和回归(2)中系数分别为-0.014和-0.013，均未通过显著性水平检验.说明非国有企业股权集中度对股价崩盘风险影响更显著，表6的回归结果有效支持了H4.

表6 区分产权性质分组回归

表6(续)

4 稳健性检验

4.1 替换解释变量

借鉴贺炎林等的做法，更换股权集中度的衡量标准，采用前五大股东持股比例(OC5)和前十大股东持股比例(OC10)重复前文验证过程[20]，回归结果见表7，解释变量和中介变量的显著性水平与前文假设的结果一致，验证了研究结论的稳健性.

表7 替换股权集中度衡量指标

4.2 工具变量法

为了进一步缓解可能存在的双向因果关系，以同行业同地区同一年度内其他公司的第一大股东持股比例的均值(IV_P)作为第一大股东持股比例(PFIRS)的工具变量，使用两阶段最小二乘法(2SLS)，采用Hausman检验、弱工具变量检验来确保工具变量法的正确性.因为同行业同地区的公司生产经营环境相似，所以股权结构特征相似，而其他公司的股权结构并不会直接作用于本公司股价，因此满足工具变量的需求，既存在相关性也存在外生性.工具变量的回归结果验证研究结论仍然成立.

5 结论

基于2007—2018年我国沪深A股上市公司数据，以研发投入为中介变量，探讨股权结构的内生作用是否会引起股价波动，加大股价崩盘的风险，考查研发投入在此影响中是起到部分中介效应还是完全中介效应.研究发现：1)股权集中度一定程度上会影响大股东心理和行为，从而起到抑制股价崩盘风险的作用，即股权越集中，上市公司的股价越没有崩盘风险.这是因为出于“监督效应”和“利益协同效应”，控股股东会更主动参与公司治理，规范企业信息公布制度，增加透明度，维持公司股价稳定.2)研发投入会引发市场的乐观预期，因此在股权集中度对股价崩盘风险的影响中起到完全中介作用.高研发投入会使分析师和投资者对企业业绩出现乐观预测偏差，产生股价泡沫，最终引发股价崩盘.而出于风险规避心理，控股股东会通过减少研发投入来降低股价崩盘风险.3)相较于国有企业，这一影响在非国有企业中较为显著.

研究结论对完善企业股权结构，维持金融市场稳定有一定的借鉴意义.对理论分析者而言，不仅为股价崩盘风险在公司层面受何影响提供了合理解释，同时也为股权集中度如何影响股价崩盘风险提供了直接的经验证据.对企业而言，需要通彻了解相关法律法规，严格调整股权结构，通过构筑相对集中、多个大股东并存的股权结构来缓解代理问题.制定科学的规章制度，当管理层隐瞒负面消息时有法可依，降低股价崩盘风险.在宏观层面，可以重新审视信息披露制度和监管制度，秉持差异化的政策管理供给，最大程度发挥集中股权带来的正面作用.

研究也存在一定的不足：未细分研发投入的类别，区分高研发投入和低研发投入后，这种中介效应是否还存在，未来将进一步拓展该领域，以丰富股权集中度与股价崩盘风险关系的研究.