内部控制质量、监管处罚与股价崩盘风险——基于威慑信号传递视角分析

李志园 黄 政

（湖南工商大学，湖南 长沙 410205）

一、引言

资本市场是市场层面集中传播经济金融重大风险的主要渠道，也是制度层面防范化解重大风险的重要突破口。如何洞悉资本市场所面临的深层次问题、稳定国家经济安全是“十四五”时期中国改革成功的关键所在。因此，防范化解股价崩盘风险不仅成为国内外学术界、投资者等研究的热点领域，也是国家经济安全稳定的主题之一。对比其他拥有较成熟证券市场的国家，我国的监管体系和法律法规体系正在逐步完善，但国内受到违规处罚的上市公司屡次挑战监管底线的情况仍旧存在。在这种情况下，用监管处罚抑制股价崩盘风险是否有效？以往的研究分别探讨了监管处罚的效果和内部控制对股价崩盘风险的影响，但目前针对监管处罚威慑信号以及该内外部治理机制合力如何影响企业股价崩盘风险的研究较少。在此基础上，内部控制质量、监管处罚与股价崩盘风险三者之间的关系受到其他何种因素的影响也是值得进一步探究的问题。

与以往文献不同，本文研究监管处罚、内部控制质量和股价崩盘风险三者关系的主要贡献有：一是利用威慑理论与信号传递理论，以威慑信号为突破口揭示监管处罚对股价崩盘风险的滞后效应，促进监管处罚效果的全面认识并拓展股价崩盘风险影响因素的研究；二是探讨内部控制质量对监管处罚与股价崩盘风险的调节效应，丰富内部控制与监管处罚的相关文献；三是基于中国经济转型升级的背景下，进一步探究三者之间的关系在不同产权性质和制度环境下存在的差异，为政府监管部门进一步履行监管职能、提高上市公司质量提供微观证据。

二、文献回顾与理论假说

（一）股价崩盘风险

股价崩盘，又称股价暴跌，具体是指股票市场上由于某些原因出现了股票大量抛售，导致股价无限度下跌或泡沫崩溃的现象。现有文献主要聚焦于研究股价崩盘风险的内在根源及影响因素，当前学术界普遍认可Jin &Myers（2006）研究概括的公司层面股价崩盘的成因“信息隐藏假说”，该假说认为股价崩盘风险产生的本质是由于信息不对称引起的结果，代理人出于提高薪酬、维护声誉等自利动机，在信息对外披露阶段选择隐瞒公司负面消息、释放利好消息，最终导致负面消息累积突破承载力快速倾泻至股票市场，随即带来股价崩盘的发生。通过整理文献可知，大部分学者从管理层、企业和社会环境三个层面选择提高上市公司信息披露质量与抑制管理层信息操纵行为这一作用路径去研究股价崩盘风险的影响因素。

（二）监管处罚与股价崩盘风险

威慑理论是搭建违规与处罚两者关系的经典理论，该理论主要包括针对违规主体的一般威慑与非违规主体观察违规主体而约束自身行为的特殊威慑，本研究中不区分该两种威慑。结合理性选择理论（Rational Choice Theory，RCT）可知，违规行为产生的原因在于收益与成本的权衡。监管部门对资本市场违规主体实施处罚的目的并不仅仅限于受罚企业，更重要的是对市场其他企业的威慑、警示作用，即产生威慑效应。当市场中违规主体受罚的信息传递至市场后，市场中的理性决策者潜意识会比较受罚主体类似违规行为的预期收益与预期成本，当该类违规行为的预期成本高于预期收益时，不论受罚企业或其他企业都将会避免出现类似违法违规行为。

资本市场违法违规行为治理效果的提升关键在于监管处罚是否具有威慑性。一方面，出于对违规成本与守法效益的考量，监管处罚对违规主体具有声誉毁损、诉讼风险等冲击（辛清泉等，2013），受到违规处罚后，公司会相应调整外部董事比例以改善内部控制质量（Marciukaityte et al.，2006），落实监管政策建议降低高管持股比例、提高财务信息质量，同时实施惩罚措施以约束责任主体利己主义行为，降低代理成本等（王海燕和陈华，2011）。另一方面，企业高管大多以违规公司所受到的惩罚和股价变动幅度作为违规行为产生的条件（陆蓉和常维，2018），“处罚”这一事件释放的“零容忍”威慑信号不仅让企业意识到违规行为被发现的概率正在大幅提升，也扭转了企业对违规成本与收益的判断，进而抑制企业高管违规动机，有效阻断企业违规传染（马壮和王云，2019），减少资本市场违法违规行为的发生。

处罚的力度是支撑监管处罚威慑性的关键因素，若处罚强度不足，那么监管处罚很可能流于形式，达不到预期效果，这也能够解释以往学者关于监管处罚效果的意见不一致之处。Becker（1968）的犯罪威慑模型指出，提高处罚严厉程度能增加犯罪成本，威慑潜在犯罪动机。大多数学者认为监管部门的处罚力度与上市公司违规程度呈反向关系，只有不断提升处罚力度，使得违规成本持续超过违规收益，监管处罚才能释放强烈的威慑信号，企业才会选择遵循市场规则。自2020 年修订新证券法以来，证监会从重从严从快打击违法犯罪活动，从多方面进行制度性调整，如加大违规成本、提高信息披露质量、保护中小投资者权益等。不仅如此，《中华人民共和国刑法修正案（十一）》针对违规披露、不披露重要信息罪等进一步从行政执法、民事追偿和刑事惩戒三方面提高了刑罚，形成了稳固的法治体系，证券违法犯罪惩罚强度过低的状况已经得到根本扭转。

股价崩盘风险主要由信息不对称引发的管理层利己主义行为所导致（Jin &Myers，2006），监管处罚通过大幅提升处罚力度能够增强威慑作用，进而威慑受罚企业纠正违规行为、降低信息不对称，从而抑制未来股价崩盘风险。监管处罚除了给受罚企业带来高额罚款、法律诉讼等显性成本外，还会导致公司形象恶化、高管声誉毁损、投资者信心丧失等隐性成本。处罚释放的威慑信号深刻影响了资本市场上市公司及其高管对违规成本与风险的判断，当违规总成本显著大于短期违规收益时，高管为修复声誉将会自觉减少隐瞒坏消息的捂盘行为或者主动离职以规避处罚；企业将纠正违法违规行为，为挽回损失而大力强化监督机制，提升信息披露质量，增强债权人、投资者等利益相关者的信心，这些积极措施将减少市场违法违规行为，降低未来股价崩盘发生的概率。因此，本文研究监管处罚影响股价崩盘风险的滞后效应，主要基于“是否处罚”的存在性检验，认为监管处罚释放“零容忍”威慑信号能够约束高管信息操纵行为，提升企业信息披露质量，预防企业未来股价崩盘风险。据此，本文提出假设：

H1：其他条件不变时，监管处罚可以释放明确的威慑信号，有效抑制上市公司未来股价崩盘风险。

（三）内部控制质量、监管处罚与股价崩盘风险

内部控制作为企业内部的风险控制机制，不仅是制衡管理层权力必不可少的措施，也是保证公司合法合规经营的基础制度。高质量内部控制集结五要素功能能够约束管理层利己主义行为并降低信息不对称，从而抑制股价崩盘风险（黄政和吴国萍，2017）。有不少文献研究发现监管处罚威慑有效性与公司内部控制紧密相关，两者都能缓解信息不对称引发的委托代理问题，但关于内部控制质量是否会影响以及如何影响监管处罚与公司未来股价波动之间的关系，较少有学者具体展开研究。

现实情况中，公司内部控制易受高管“挟制”，高管权力过大是制约内部控制有效性的主要因素（刘启亮等，2013）。可见，内部控制即使有效，也不一定能发挥抑制管理层信息操纵行为的作用，这本质上仍是一种低质量的内部控制。从外部治理机制可知，处罚释放的“零容忍”信号能够从法律上对公司高管形成威慑与警示，抑制高管权力过大的情况，且管理层并不能操纵监管处罚。但在现实当中，监管处罚能否完全发挥威慑作用需要企业内外部治理机制协调配合，才能达到“惩一儆百”的治理效果（褚剑和方军雄，2021）。故在防范股价崩盘风险中，内部控制质量与监管处罚不仅能够独立对股价崩盘风险产生抑制作用，且当二者共存时，内部控制质量会通过监管处罚调节威慑信号的强弱来影响监管处罚与未来股价崩盘风险之间的关系。

内部控制质量对监管处罚与股价崩盘风险的关系呈现削弱还是增强的作用尚未可知。一方面，内部控制质量能够从降低信息不对称、增加违法违规行为曝光度这一路径强化监管处罚的威慑力与概率，以此增强监管处罚抑制股价崩盘风险的治理效果。高质量内部控制有利于提升信息披露质量的完整性与可靠性（董望和陈汉文，2011），加速监管部门识别企业或高管的违规动机与行为。伴随着监管部门持续增长的处罚力度与处罚概率，市场内违规企业遭受重大损失，强化了监管处罚对其他企业的警示教育。由此可见，高内部控制质量会增加违规行为的曝光度，有助于监管处罚释放“零容忍”信号威慑市场主体，进而减少上市公司未来股价崩盘风险。因此，可能存在的情况是，内部控制质量有助于正向调节监管处罚与股价崩盘风险的负相关关系。

另一方面，内部控制质量也可通过缓解委托代理冲突和抑制高管信息操纵行为，降低监管处罚的概率，以此削弱监管处罚与股价崩盘风险的负向影响。首先，公司拥有良好的内部治理机制可以弥补执法效率和力度的不足（Klapper &Love，2004），高质量内部控制能够发挥监督和制衡功能，及时识别管理层利己主义行为，该种约束违法违规行为的效能可以替代处罚的作用。当公司内部控制低效率时，管理层权力制衡机制失效，代理冲突加剧，会计信息失真，内部违法违规行为层出不穷，加剧监管处罚的概率和严厉程度。此时实施有效的监管处罚能够释放强烈的威慑信号，使外部治理机制的功能渗透至公司内部以替代失效的内部控制制度，从而预防未来股价崩盘风险。由此可见，内部控制质量有助于负向调节监管处罚与股价崩盘风险的负相关关系。

综上所述，内部控制质量对监管处罚与未来股价崩盘风险两者关系的调节作用可能体现为增强，也可能体现为削弱。据此，本文提出以下假设：

H2a：既定条件下，内部控制质量会增强监管处罚与未来股价崩盘风险之间的负相关关系。

H2b：既定条件下，内部控制质量会削弱监管处罚与未来股价崩盘风险之间的负相关关系。

三、研究设计

（一）数据来源与样本筛选

为了验证内部控制质量与监管处罚对股价崩盘风险的影响，本文选择2000—2019 年受到中国证监会及其派出机构处罚的沪深A 股上市公司作为研究样本。样本数据主要来源于国泰安数据库，内部控制指数来自迪博数据库，原始数据使用Stata 16软件进行相关统计分析。为排除异常公司样本的干扰，本文对样本进行以下筛选：剔除ST 和*ST 公司；剔除数据缺失或异常的公司；剔除金融保险业公司；剔除年交易周数小于30 的样本。最终，经过数据筛选以及PSM倾向性得分匹配得到数据样本2533份。

（二）变量定义及模型构建

1.股价崩盘风险。为使股价崩盘风险的度量满足合理性和适用性，通过借鉴其他学者做法（Jin &Myers，2006；王贞洁和徐静，2020），以负收益偏态系数（NCSKEW）和收益上下波动比率（DUVOL）两种指标为基础，本文采用超前一期NCSKEW和DUVOL指标度量股价崩盘风险，该指标的基础构建分别由以下步骤组成：

第一步，利用模型（1）估算公司特有周收益率：

考虑到市场与行业情况的影响，其中，ri,t表示股票i第t周的收益率，rm,t为市场m第t周经流通市值加权而得的市场平均收益率，计算出模型（1）中的回归残差εi,t，进而可得出个股i的特有周收益率wi,t。

第二步，结合以上结果，计算股价崩盘风险的同期衡量指标。负收益偏态系数和收益上下波动比率指标数值越大，表示股价崩盘风险越大。负收益偏态系数：

收益上下波动比率：

其中，n为个股i在t年年度交易周数，nup、ndown分别表示特有周收益率高于或低于当年均值的周数。

2.监管处罚。监管处罚是以国泰安数据库中的《中国上市公司违规信息总表》为基础，以中国证监会及其派出机构等处理单位发布的“处理日期”为标准确定处罚时间。违规类型主要包括虚假记载、推迟披露、重大遗漏、披露不实、虚列资产、违规买卖股票、虚构利润、内幕交易、违规担保等。关于监管处罚的度量，本文参考Lian et al.（2011）的方法，以是否受到监管处罚（Penalty）设置虚拟变量来表征，受到监管处罚当年取1作为处理组，反之取0列入控制组。

3.调节变量。本文借鉴逯东等（2015）的方法，使用迪博内部控制指数加1的自然对数表示，同时采用曹越等（2018）学者的做法，将内部控制质量依据中位数进行高低分组，低于内部控制指数中位数为低质量组，反之为高质量组。

4.控制变量。通过对现有的股价崩盘风险文献进行研究，本文还对以下影响股价崩盘风险的变量进行了控制：周特有收益标准差（Sigma）；特有收益平均值（Ret）；公司规模（Size）；财务杠杆（Lev），即资产负债率；公司盈利能力（Roa），即总资产净利润率；投资者异质性（Dturn），即月均超额换手率除以100；市账比（MB），即市值与资产总计之比；信息不透明程度（AbsACC）；管理费用率（Mfee）；销售费用率（Sfee）；年度和行业哑变量。变量定义具体详情参见表1。

表1 变量代码及说明

5.模型设计。为检验假设H1的合理性与真实性，本文主要借鉴王贞洁和徐静（2020）、曹越等（2018）的方法，以内部控制指数按中位数界定的虚拟变量对模型进行分组回归，检验调节效应，并建立模型（5）检验监管处罚对上市公司未来股价崩盘风险的影响，同时检验内部控制质量对二者关系的调节效应：

其中，Crash是超前一期的NCSKEW和DUVOL，用于衡量股价崩盘风险；Penalty表示是否受到监管处罚的自变量；其余变量都为控制变量。若本文的假设H1成立，则β1显著小于0；若假设H2a成立，则当ICQ是高质量时，β1显著为负；若假设H2b成立，则当ICQ是低质量时，β1显著为负。

6.倾向得分匹配（PSM）。为解决股价崩盘风险引发监管处罚（Penalty）的内生性问题，本文借鉴Lian et al.（2011）的方法，以处理组进行PSM匹配后得到的样本对假设进行实证回归，比较同一个股在“受到监管处罚”和“未受到监管处罚”两种情况下未来股价崩盘风险的差异。在满足匹配样本均衡性的条件下，受到监管处罚的处理组含有1283个观测值，未受处罚的对照组包括1250 个观测值。同时，还采用了固定效应模型，共控制个体、行业、年度三项固定效应，有助于消除不随时间变化因素导致的内生性并缓解遗漏变量问题。

四、实证分析及结果

（一）描述性统计

表2为描述性统计结果，通过数据整体显示可知：度量股价崩盘风险指标的F_NCSKEW与F_DUVOL均值分别为-0.273、-0.183，两者标准差分别为0.765 和0.497，数据波动较大，各样本的股价崩盘风险截然不同；内部控制质量（ICQ）的均值为6.129，标准差为1.426，最大值与最小值分别为0和6.905，两者相差较大表明各上市公司间的内部控制质量存在明显的不平衡。另外，从Penalty的均值0.507 和标准差0.500来看，监管处罚对上市公司来说比较普遍，且上市公司是否受到处罚的前后差异明显，这也侧面体现了本文的研究意义。

表2 描述性统计

（二）相关性分析

由表3中数据可知：超前一期股价崩盘风险指标F_NCSKEW和F_DUVOL之间的相关系数为0.874，在1%的显著性水平下显著，说明这两个代理变量可互为稳健性检验。监管处罚（Penalty）与股价崩盘风险之间的相关系数只是单纯考虑两两变量之间的关系，不显著的原因主要是本文样本为不可控数据，监管处罚和超前一期股价崩盘风险的相关性检验没有控制其他影响因素或者存在遗漏重要变量。

表3 相关性分析

（三）监管处罚与股价崩盘风险

为了检验监管处罚对股价崩盘风险的影响，本文使用固定效应模型进行回归，验证假设H1。结果如表4所示，其中，第1列和第2列仅控制解释变量Penalty，除年度和行业个体效应以外，不考虑其他任何控制变量，监管处罚（Penalty）与股价崩盘风险的系数均在1%的水平下显著为负。第3 列和第4 列加入了影响上市公司股价崩盘风险的其他控制变量，两者之间的回归系数在5%的水平下显著为负。由此可见，在我国资本市场上，监管处罚能发挥威慑和警示功能，约束管理层行为和提高信息披露质量，从而降低企业未来股价崩盘风险，因此本文假设H1得到验证。

表4 回归结果

（四）内部控制质量的调节效应检验

表5 列（1）和列（2）的实证结果验证了内部控制质量与股价崩盘风险之间存在显著负相关关系。结合表4可知，内部控制质量和监管处罚各自能够独立抑制股价崩盘风险。为了检验内部控制质量对监管处罚与股价崩盘风险之间的负相关关系产生正向还是负向的调节效应，本文将总样本进行分组筛选，得到高低内控质量两个子样本进行分析，检验结果如下：

1.内部控制质量增强监管处罚与股价崩盘风险二者负相关关系的假设检验。对比表4 和表5 第（3）至第（4）列的回归结果可知，监管处罚与股价崩盘风险原本的系数分别为-0.127 和-0.078，在5%的水平下显著，高质量内部控制组中两者的系数大幅上升，分别为0.010和-0.059，模型（5）中的β1并不显著。从数值的显著性来看，在高质量内部控制组中，监管处罚与股价崩盘风险之间负相关关系的显著性大幅降低，因此内部控制质量在调节监管处罚与股价崩盘风险之间负相关关系时并没有体现出增强的效果，本文假设H2a不成立。

2.内部控制质量削弱监管处罚与股价崩盘风险二者负相关关系的检验。表5 第（5）至第（6）列是在低质量内部控制组中得到的回归结果，结果显示，Penalty的系数由-0.127和-0.078 分别变成了-0.333和-0.156，显著性水平得到提升，表明低质量内控下公司内部治理紊乱，违法违规行为无法被预先监督，监管处罚能够弥补内部控制缺陷，抑制股价崩盘风险的发生，低质量内部控制能够增强监管处罚抑制股价崩盘风险的作用。由此可见，内部控制质量对两者关系具有负向调节效应，即内部控制质量削弱了监管处罚与股价崩盘风险之间的负相关关系，假设H2b得以验证。

表5 内部控制质量的调节效应检验

五、稳健性测试

（一）Heckman两阶段检验

本文验证监管处罚、内部控制质量和股价崩盘风险三者之间的关系时，可能产生部分内生性问题。因此，为保证研究结论的稳健性，本文采用Heckman 两阶段模型以解决样本自选择问题。检验结果如表6所示，IMR变量不完全显著，说明经过PSM 后的样本存在轻微样本偏差，通过Heckman两阶段检验能够修正该样本偏差，得出结论与前文一致。

表6 Heckman两阶段检验

（二）更换解释变量定义范围

为了检验回归结果的稳健性，本文缩小监管处罚的范围，如果公司当年因信息披露违规受到监管处罚，则Penalty取值为1，否则为0，信息披露违规类型包括虚假记载、推迟披露、重大遗漏、虚构利润、披露不实、虚列资产等。回归结果如表7 所示，监管处罚（Penalty）的回归系数仍显著为负，进一步支持了本文假设H1和假设H2b的研究结论。

表7 更换解释变量定义范围

（三）进一步控制其他变量

为进一步缓解遗漏变量、增强结论的稳健性，本文进一步控制可能影响公司股价崩盘风险的因素：董事会人数（Board）、独立董事比例（Indep）、董事长和总经理是否兼任（Dual）。由于本文样本时间跨度较长，原始数据存在缺失值，导致含有进一步控制其他变量的样本与前文样本观测值存在差异。将上述变量加入模型（5）重新进行固定效应回归后，实证结果依然支持上述研究结论。

六、进一步讨论

（一）基于产权性质的分组检验

LLSV开创的“法与金融”领域内的大量研究成果证明证券监管机制、产权保护和制度环境等外部因素产生的差异会对公司的行为决策产生重大影响。基于此，本文将在上述研究的基础上探究不同产权性质和制度环境是否会影响三者的关系。

产权性质作为公司治理结构的基本要素，不仅直接影响企业的内部控制环境，同时也影响上市公司受到行政处罚的概率及其应对行政处罚的策略（刘慧婷和杨永聪，2018）。首先，国企享有政府的大力支持，同时受到更广泛的监督，加之反腐力度的递增，国企违法违规的行为得到抑制，受到监管处罚的概率大大减少。其次，国企在政企博弈中拥有较高的政治关联度，通常受到的行政处罚比非国企更轻（陈冬华等，2012），该种“选择性偏见”导致监管处罚对国企的有效性显著低于非国有企业。由此可见，不论公司内部治理效果如何，国企因“选择性偏见”的存在，使得监管处罚释放的威慑信号效应较低，难以对股价波动产生良好的治理作用；而非国有企业为避免遭受重大损失，更有动力选择加强内部控制降低受罚概率，从而削弱监管处罚与股价崩盘风险的负相关关系。

表8 进一步控制其他变量

本文借鉴当前主流文献的做法，以State代表上市公司产权性质的虚拟变量，若实控人为国企时则取值为1，否则为0。由于缺少2000年至2002年的实际控制人原始数据，故样本量相应减少。高质量内控下，国企与非国企受到的监管处罚对股价崩盘风险的作用并不显著。结果如表9 所示，相比国有企业，非国有企业性质有利于增强监管处罚对股价崩盘风险的抑制作用，内部控制质量的负向调节作用更显著。

表9 产权性质分组的回归结果

（二）基于制度环境的分组检验

制度环境涵盖了与政治、经济和文化相关的法律、法规与习俗，监管处罚正是依靠制度环境中的法治水平来减少资本市场违规、舞弊等行为。较好的制度环境下，监管机制与法律制度趋于完善，远远超过了内部控制的治理效果，公司倾向于通过正常经营、控制风险来谋取利润而非通过其他违法违规行为（刘启亮等，2012），极大降低了内部控制质量的削弱作用。而制度环境差的地区，法治化程度较差，违法违规行为带来的收益远大于成本，管理层有强烈的动机推迟、隐藏坏消息，极大增强了未来股价崩盘风险。

借鉴罗进辉和杜兴强（2014）的做法，采用中国各地区市场化指数进行回归，当该地区市场化进程总得分大于当年全国各个地区市场化进程总得分的中位数时，MKT为1，否则为0。表10在数据匹配时存在缺失值，固定效应回归结果为：在高制度环境下，不论公司内部控制质量如何，监管处罚抑制股价崩盘风险的效果都不显著；而在低制度环境下，监管处罚抑制股价崩盘风险的作用和内部控制质量的负向调节作用显著。

表10 制度环境分组的回归结果

七、结论及建议

股价崩盘是当前防范化解重大风险和维护国家经济安全须解决的重大问题，上市公司提升内部控制质量，证券监管部门加强监管处罚，两者合力能够切实防控上市公司风险，推进资本市场高质量发展。基于此，本文研究监管处罚释放威慑信号以抑制未来股价崩盘风险的作用机制，以及监管处罚与内部控制质量协同治理对未来股价波动的影响，并探讨这些影响是否会随着产权性质、制度环境等的差异而变化。实证结果表明，监管处罚能够产生并传递威慑信号，纠正企业违法违规行为，降低上市公司未来股价崩盘风险；内部控制质量能够约束高管信息操纵行为，有助于降低处罚的概率，削弱监管处罚对未来股价崩盘风险的影响；由于我国国情的特殊性，上述两种现象在非国有企业与制度环境不完善的地区中更显著。

上述结论表明监管处罚是抑制未来股价崩盘风险的重要治理手段，内部控制质量是监管处罚与股价波动关系的重要调节机制。首先，证券监管部门应当完善法律法规体系，保证监管独立性和处罚威慑性，向市场大力宣传典型案件，传递“零容忍”信号，强化对市场主体的警示教育。其次，防范化解重大风险需要监管处罚与内部治理协调配合，由外部监管处罚为开端，将其威慑效应逐步延伸至企业内部，企业应当切实增强内部控制体系建设，督促管理层自警自省、校正违规思想与行为的偏差，形成内外联动的治理体系。最后，相关部门在建设充分的市场化改革、公正的法律制度以及有效的要素市场时，还应当重视“吹哨人”的作用，使外部监管无法触及的不端行为加速被曝光，以提高监管效能，促使市场体系更开放包容、公平公正。