大宗交易、信息透明度與崩盤風險

鄭州大學西亞斯國際學院 朱彬彬

大宗交易、信息透明度與崩盤風險

鄭州大學西亞斯國際學院 朱彬彬

本文選取我國A股上市公司2002-2015年的數據作為研究樣本，分析了大宗交易是否會影響上市公司的股價崩盤風險，并進一步考察了大宗交易在信息透明度存在差異的樣本中其降低股價崩盤風險作用所存在的差異。研究發現：（1）大宗交易與上市公司的股價崩盤風險之間存在顯著的負相關關系，當上市公司發生大宗交易成交、大宗交易成交金額越大時，上市公司的股價崩盤風險越低，大宗交易作為一種外部市場交易機制能夠降低上市公司的股價崩盤風險；（2）在進一步控制了上市公司自身的信息透明度變量之后，大宗交易與上市公司信息透明度交叉項的回歸系數依然顯著，說明大宗交易降低股價崩盤風險的作用在信息透明程度較低的上市公司中更加顯著，進一步支持了大宗交易降低上市公司的股價崩盤風險的效應。

大宗交易 信息透明度 股價崩盤風險

一、引言

崩盤風險（Crash Ri sk）是指股票價格在沒有顯著的外部新增信息的情況下突然出現大幅下跌的風險。股價崩盤嚴重損害了上市公司投資者的利益，對資本市場的信心造成極大的沖擊，阻礙了金融市場的健康快速發展，短期內迅速的財富蒸發效應甚至會威脅實體經濟的穩定發展，帶來一定的社會不穩定問題。股價崩盤的現象不論在成熟的歐美資本市場還是在新興的我國資本市場都并不罕見：1987年10月19日，美國道瓊斯指數開盤即下跌67點，全天由2246.72點狂跌到1738.47點，跌幅達22.6%；2015年7月，暴風科技（300431.SZ）不到10個交易日的時間內股價從300元暴跌至200元，市值蒸發達到三分之一。大宗交易（Bl ock t radi ng）是指單筆交易規模大于市場平均交易規模的交易，大宗交易機制的產生是為了減弱短時期內大規模的成交對二級市場產生的巨大價格沖擊，同時降低大規模交易的交易成本。我國深圳證券交易所和上海證券交易所分別于2002年2月和2003年1月先后推出了股票大宗交易的制度。目前，大宗交易己成為資本市場穩定持續發展所不可或缺的部分。在這種形勢下，如何提高大宗交易的價格發現效率、滿足投資者的交易需求、大宗交易能否作為一種具備價格發現功能的外部機制抑制股價崩盤風險，已成為學術界、實務界和監管機構所關注的重點問題。本文試圖分析和梳理大宗交易機制與股價崩盤風險相關關系和影響機制，通過信息不對稱的視角和大宗交易機制的價格發現功能考察其對股價崩盤風險的抑制作用，并給予實務界、監管層在實踐層面進一步完善大宗交易機制的建議和意見。

二、文獻綜述

（一）國外文獻 Rom er（1993）率先從理論的層面對股價崩盤現象進行了研究，指出資產價格的波動并一定是由于新增外部信息或者投資者的非理性行為所導致的，而是由于存在信息不對稱的情形，不同投資者之間擁有的信息質量存在差異，股票價格也無法充分包含市場所有投資者持有的私有信息。Ji n和M yers（2006）研究發現，在信息不透明程度高的國家，股價同步性和崩盤風險也更高。Ki m等（2011a）研究發現，二者之間存在顯著的正相關關系。文章認為避稅導致了更多的管理層尋租和對負面消息的隱藏行為，避稅因其復雜性為管理者隱藏負面消息提供了天然的屏障，同時為管理層進行資源轉移提供了便利。最終，隱藏的負面消息的集中釋放導致股價崩盤。此外，文章還發現有效的外部監督，例如機構投資者持股、分析師覆蓋、公司控制權市場的收購壓力等，可以有效減弱避稅動機與崩盤風險之間的關系。Ki m等（2011b）研究發現，CFO的股權和期權激勵與其股價崩盤風險之間存在顯著的正相關關系。被授予期權的管理層在其任期內為最大化個人的期權激勵價值，往往會選擇隱藏負面消息，將公司股票價格維持在較高的水平，從而導致公司的崩盤風險增加。Xu等（2013）研究發現，分析師覆蓋的提高會導致崩盤風險上升，而且這種正相關關系在分析師更為樂觀時以及分析師隸屬于與投資銀行或者基金有商業關系的券商時更為明顯，說明分析師受到來自各方面的利益沖突，無法完全真實地披露股票的私有信息，而是普遍表現出樂觀傾向，導致負面消息積累，增加崩盤風險。但是，分析師的個人聲譽或其隸屬于的券商聲譽較高時，這一關系不再顯著。

（二）國內文獻 李增泉等（2011）研究發現，上述上市公司股價中所包含的特有信息更少，公司的股票同步性更高，崩盤風險也更大。李小榮等（2012）研究發現，由于女性高管的代理成本更低（女性的道德水平更高）、信息不透明程度更低（女性更強調溝通、合作和信任的企業文化）、風險規避程度更高等，女性高管尤其是女性CEO能夠顯著降低公司的崩盤風險。羅進輝和杜興強（2014）研究發現，媒體能夠發揮積極的信息中介和公共監督作用，對上市公司的報道能夠顯著降低股價未來崩盤的風險，說明媒體關注是彌補我國市場經濟規范運作制度缺失的一種重要治理機制安排。而且，上市公司所在地的制度環境越完善，股價崩盤風險越低。王化成等（2015）發現，隨著上市公司第一大股東持股比例的提高，股價崩盤風險呈現顯著下降的趨勢，研究結論支持了大股東的“監督效應”，和“更少掏空效應”，而且大股東同時通過以上兩種效應影響股價崩盤風險。

三、理論分析與研究假設

股價崩盤的形成機制分析。從前人的研究結果來看，導致股價崩盤風險的主要原因是投資者負面私人信息的集中釋放。對其他投資者信息質量的不確定性會導致投資者無法區分擁有的私有信息是否已經被股票價格所反映，進行估值時會做出錯誤的判斷，從而股價并沒有包含全部的私有信息。隨著交易的進行，對其他投資者信息質量的不確定性逐漸降低，投資者信息之間的優劣區別也慢慢呈現。當投資者擁有的負面私有信息集中釋放，市場就會出現崩盤的現象。圖1列示了股價崩盤的主要產生機制。

圖1 股價崩盤的主要產生機制

因此，股價崩盤風險主要來自于由信息不透明所導致的錯誤估值、隨著時間推移信息逐漸無法隱藏而被迫集中釋放。以往的研究從公司的內部機制、外部沖擊等多個視角研究了什么因素會對崩盤風險產生影響、產生何種影響，歸根到底最終還是會落腳在是否存在隱藏信息帶來的信息不透明的問題。

大宗交易機制對股價信息透明程度的影響。大宗交易指單筆交易規模遠超過市場平均單筆交易規模的交易，為避免因交易量過大對二級市場產生較大的沖擊，因此選擇通過樓上市場、場外交易的形式來實現。

目前，國內外的研究文獻對于大宗交易如何影響市場寬度和市場深度進行了理論分析和實證研究，發現大宗交易機制的推出有利于增強市場的流動性。大宗交易推出的主要目的在于讓交易雙方可以一次性完成大量的交易，降低交易成本，同時減弱因短期流動性對股票市場價格產生的沖擊。大宗交易主要發生在樓上市場中，樓上市場專門為大宗交易而開設的專用交易市場。負責大宗交易的樓上經紀商或交易員在接受客戶的交易委托后，會通過電話系統搜尋大宗交易的交易對手并與其就交易價格進行談判磋商，并最終完成交易。大宗交易降低崩盤風險的作用機制。大宗交易如何降低崩盤風險存在兩種可能的路徑：信息假說（Inf orm at i on H ypot hesi s）：不同于二級市場根據市場行情直接交易，大宗交易的過程中買賣雙方會有更直接的接觸和信息交換的過程，交易雙方的對股票所擁有的私有信息能夠反映在成交的價格中，從而增加了股票價格中的信息含量，減弱了私有信息累積的過程，進而降低了私有信息集中釋放可能給股票市場帶來的崩盤風險；交易假說（Trade H ypot hesi s）：大宗交易的成交規模往往較大，如果直接通過二級市場交易來完成，會因為短期內大額訂單的進入，對股價價格產生較大的影響。其中，大額賣方訂單的進入會顯著破壞二級市場供求關系的平衡，導致股票價格出現大幅的下跌，并可能引發投資者的恐慌情緒和羊群心理，從而引發股價崩盤。大宗交易機制避免了上述的可能性，其不會直接影響二級市場交易情況，從而可能在一定程度上發揮了降低崩盤風險的作用。圖2列示了大宗交易降低上市公司崩盤風險的可能作用機制，本文主要集中于研究信息假說作用機制的影響。

圖2 大宗交易降低股價崩盤的作用機制

大宗交易機制對股價崩盤風險的影響。根據以往文獻對股價崩盤風險的生成機理研究，在信息不對稱的情況下，負面消息的累積和集中釋放是導致股價崩盤風險的一個重要原因。大宗交易作為一種具備價格發現功能的交易機制，而且交易雙方能夠在交易過程中通過直接的磋商和談判來完成交易，最終的成交價格包含了交易雙方對于上市公司所持有的私有信息情況，從而降低了負面信息的隱藏，抑制了股價崩盤的風險。據此提出假設1：

假設1：上市公司大宗交易與其股價崩盤風險之間存在負相關關系，而且大宗交易規模越大、大宗交易成交量占比越高，上市公司的股價崩盤風險越低

上市公司信息透明度對股價崩盤風險的影響。為檢驗大宗交易降低崩盤風險的作用機制是基于信息假說而非交易假說，本文引入上市公司的信息透明度這一變量，并通過檢驗其與大宗交易的交叉項的回歸系數及符號的形式進行路徑檢驗。大宗交易降低股價崩盤風險的主要機制在于通過交易過程能夠向市場傳遞關于上市公司的部分私有信息。因此，上市公司自身的信息透明度會影響該機制作用的過程和效果。當上市公司自身的信息透明度較高時，潛在被隱藏的私有信息較少，大宗交易機制釋放私有信息降低股價崩盤風險的效應相對更弱；而當上市公司的信息透明程度較低時，潛在被隱藏的私有信息也相對更多，大宗交易能夠釋放出相對更多的私有信息，從而降低股價崩盤風險的效應也更強。為了衡量上市公司自身的信息透明度，本文選擇了媒體關注度、分析師覆蓋和市場化指數3個指標。上市公司的媒體關注度越低、分析師覆蓋越低、市場化指數越低，說明其信息不透明程度越高，潛在的未知私有信息也就更多，大宗交易降低股價崩盤風險的效應也相對更加顯著，據此提出假設2：

假設2a：上市公司的媒體關注度越高，大宗交易降低崩盤風險的效應越不顯著，其與股價崩盤風險的負相關關系越弱假設2b：上市公司的分析師覆蓋越高，大宗交易降低崩盤風險的效應越不顯著，其與股價崩盤風險的負相關關系越弱假設2c：上市公司的非流動性指數越低，大宗交易降低崩盤風險的效應越顯著，其與股價崩盤風險的負相關關系越強

四、研究設計

（一）樣本選擇與數據來源 本文選擇的研究樣本是2002-2015年期間我國所有A股上市公司。本文所使用的大宗交易數據來自于Wind資訊數據庫，媒體關注度、機構投資者持股和大股東持股比例等數據來自于RESSET金融數據庫，其余數據均來自于CSAMR經濟金融研究數據庫。其中，我國大宗交易制度于2002年開始正式推行，故本文的研究區間選擇為2002至2015年。對于初始研究樣本數據，本文進行了如下的篩選和處理：（1）剔除金融行業公司，因為金融類上市公司的監管制度和報表結構與其他行業相比存在較大差異；（2）剔除年度的周收益率少于30個觀測的樣本，保證股價崩盤風險指標計算的可靠性；（3）剔除被ST處理的上市公司，因為ST公司的財務異常，交易機制與正常上市公司也存在差異；（4）剔除資不抵債的公司，即資產負債率超過100%的研究樣本；（5）剔除在B股或者H股交叉上市的公司；（6）剔除數據有缺失的研究樣本。經過上述處理后，本文共得到了16534個公司—年度層面的觀測。

（二）變量定義

（1）被解釋變量。股價崩盤風險。本文以3種方法測度估計崩盤風險指標。為測度崩盤風險指標的大小，需要根據上市公司每周的收益率測算公司的周特有收益率Wi，t，具體方法如下：首先，本文參考Di m son（1979）的做法，利用公司—年度的周收益率數據進行如下回歸：

其中，Ri，t為上市公司i第t周考慮現金紅利再投資的收益率，Rm，t為所有上市公司在第t周經流通市值加權的平均收益率。

公司的周特有收益率：

其中εi，t為以上回歸方程的殘差。

其次，根據公司的周特有收益率數據計算下列指標：

崩盤事件發生的啞變量（Crash Dummy）。若上市公司在第t年內發生過崩盤事件，則該變量定義為1，否則定義為0。

其中，Average（Wi，t）代表上市公司i第t年的周特定收益率平均值，σi，t代表上市公司i第t年的周特定收益率的標準差。

如果上市公司i在第t年至少發生了一次上述公式的情形，則CrashDum m y取值為1，否則取值為0。

上述公式定義崩盤風險啞變量的主要邏輯在于：如果上市公司的收益率出現了極端值（本文以超過3.09個標準差來測度，在正態分布中對應0.1%的概率），說明其已經不是正常的收益率，即股價已發生崩盤的情況。

負收益偏態系數（NCSKEW）。本文以負收益偏態系數來衡量崩盤風險的大小，負收益偏態系數越大，說明偏態系數負的程度越嚴重，崩盤風險越大。具體公式如下：

其中，n為一年的時間內上市公司i的交易周數。

收益上下波動比率（DUVOL）。本文以收益上下波動比率（DUVOL）來衡量崩盤風險的大小，收益上下波動比率越大，說明股票收益率分布更傾向于左偏，崩盤風險越高。具體公式如下：

其中，nu（nd）代表上市公司i在第t年內周特有收益率高于（低于）年度平均收益Wi，t的周數。

（2）解釋變量。大宗交易：大宗交易啞變量（Block Dummy），本文以上市公司i在第t年內是否發生過大宗交易來衡量Block Dummy，若發生了大宗交易則取值為1，否則取值為0；大宗交易頭寸（Block Volume），本文以上市公司i在第t年內發生過的大宗交易總成交金額來衡量BlockVolume，為保證該指標的平滑，本文對成交金額進行對數處理；大宗交易活躍度（Block Proportion），本文以上市公司i在第t年內發生過的大宗交易總成交金額占其全年總成交金額的比例來衡量Block Proportion。

媒體關注度：本文選擇使用上市公司i在第t年被媒體報道的次數作為衡量媒體關注度情況的指標，數據來源于RESSET金融數據庫的公司動態新聞情況，根據所有公司的媒體報道事件進行整理后取得。

分析師覆蓋：本文選擇使用上市公司i在第t年被分析師進行盈利預測和投資評級的數量的總和來衡量分析師覆蓋的指標，數據來源于國泰安經濟金融數據庫，根據分析師出具的盈利預測和投資評級進行整理后取得。

非流動性指標：本文參考Am i hud（2002）的做法，以上市公司日均絕對收益率和成交量的比率作為衡量非流動性的指標。具體計算公式如下：

其中，Ri，y,d代表上市公司i在第y年的第d個交易日的收益率，Vol di，y,d代表上市公司i第y年第d個交易日的成交金額（單位為百萬元人民幣），Di，y代表上市公司i在第y年間交易天數。

（3）其他控制變量。本文參考Xu等（2013）的做法，控制下列變量，具體情況參見表1。

表1 控制變量指標及定義情況

除此之外，本文還在回歸模型中加入了行業啞變量及年度啞變量，分別用以控制行業固定效應和年度固定效應。

（三）模型構建

（1）大宗交易對崩盤風險的影響。本文以模型（1）來來檢驗前文提出的假設1。若假設1成立，則β1的系數應顯著為負。

其中，CrashRi ski，t分別用Crash Dummy、NCSKEW和DUVOL來度量，BlockTradei，t分別用Block Dummy、Block Volume、Bl ock Proportion來度量，ControlVariablesi，t-1為滯后一期（t-1）年的數值來度量。

（2）上市公司信息透明度的影響。本文使用模型（2）來檢驗公司自身的信息透明程度是否影響股價崩盤風險：

其中，Opaquei，t分別用Media、Analyst和Illi quidity來檢驗假設2。若假設2a成立，β2的系數應為正；若假設2b成立，β2的系數應為正；若假設2c成立，β2的系數應顯著為負。

五、實證分析

（一）描述性統計 根據表2所列示的描述性統計結果，本文發現：（1）崩盤事件啞變量（CrashDum m y）平均值為0.138，即13.8%的研究樣本發生過崩盤事件；（2）NCSKEW和DUVOL指標的平均數分別為-0.214和-0.140，標準差分別為0.996和0.808，說明這兩個指標在不同上市公司間存在較大差異，其中NCSKEW的均值與許年行等（2014）、王化成等（2015）的結果基本相同，DUVOL指標存在一定的差異，可能是由于研究區間選擇及樣本處理等原因所致；（3）大宗交易啞變量（Bl ock Dum m y）的均值為0.250，說明25%的樣本在研究期間內發生過大宗交易的情形；（4）大宗交易活躍度（Bl ock Proport i on）的均值為0.003，說明大宗交易在報告期內的活躍度總體處于較低水平，所有研究樣本的成交金額中僅有0.3%的比例由大宗交易構成。

表2 主要變量的描述性統計

（二）相關性分析 本文模型主要變量的相關性分析結果如表3所示，左下角代表Spearm an相關系數。根據相關性系數分析，本文發現：（1）大宗交易的度量指標之間的相關系數也較高，Block Dummy、Block Volume和Block Proportion之間的相關系數均在0.95以上，且均在1%的水平上顯著，說明大宗交易的度量指標一致性較好；（2）崩盤風險指標與大宗交易指標的相關系數均為負，Crash Dummy與大宗交易指標之間的相關性稍弱，但依然至少在10%的水平上顯著，NCSKEW和DUVOL指標與大宗交易指標的相關性均在1%的水平上顯著，說明在不考慮其他因素的情況下，大宗交易與崩盤風險呈現負相關的關系，符合本文假設H1的預期，即大宗交易能夠有效降低股價崩盤風險：（3）Media、Analyst與崩盤風險呈現負相關關系，Illiq與崩盤風險呈正相關關系，說明信息不透明程度高的公司崩盤風險更大，與本文假設2的預期一致；（4）其他控制變量之間的相關性系數均處于較低水平，說明本文擬采用的回歸模型的多重共線性問題較弱。

表3 主要變量的相關性分析

（三）回歸分析

（1）大宗交易對崩盤風險的影響。表4、表5分別報告了以NCSKEW、DUVOL作為因變量的模型回歸的主要結果，本文采用了OLS模型進行回歸。本文同時對以Crash Dum m y作為因變量的模型進行了回歸，分別采用了Logit和Probit模型，模型的回歸系數均不顯著，因此在此處未進行報告。同時，本文的所有回歸均已控制年度和行業效應，因篇幅所限年度和行業啞變量的回歸系數未進行報告。根據表4和表5的回歸結果，當大宗交易的衡量指標為Block Dummy和Block Volume時，大宗交易與崩盤風險呈現顯著的負相關關系，說明大宗交易的價格發現功能能夠向市場傳遞私有信息，從而降低上市公司的股價崩盤風險。當大宗交易的控制變量為Block Proportion時，被解釋變量為DUVOL和NCSKEW的模型均不顯著，主要原因可能在于當前大宗交易的活躍度相對于二級市場場內交易較低，大宗交易成交額占比普遍處于較低水平，因此對崩盤風險的影響不顯著。在控制變量方面，Ret、M B、Size均與崩盤風險呈現顯著的正相關關系，Turnover、Sigma與崩盤風險呈現負相關關系，與Kim等（2011a，2011b）和Xu等（2013）等的結果基本一致；其他控制變量均不顯著。綜上，在控制了其他因素對崩盤風險的影響后，大宗交易與崩盤風險之間呈現顯著的負相關關系，說明上市公司的大宗交易越活躍，通過其傳遞的私有信息也越多，公司的負面消息隱藏和累積更困難，崩盤風險越低，從而支持了本文的假設1。

表4 大宗交易與崩盤風險（N C SKEW）相關關系回歸結果

表5 大宗交易與崩盤風險（D U VO L）相關關系回歸結果

（2）上市公司信息透明度的影響。表6、表7分別報告了以NCSKEW、DUVOL作為因變量的模型回歸的主要結果，本文采用了OLS模型進行回歸，在模型中加入Opaque和Block Trade的交叉項以考察信息透明度對大宗交易與崩盤風險關系的影響。同時，控制變量中的Lev和Roa因均不顯著，故在表6和表7中未予披露。根據表6和表7的回歸結果，本文發現在衡量信息透明度的指標為媒體關注度（Media）和分析師覆蓋（Analyst）時，大宗交易與信息透明度交叉項的回歸系數均為正，與假設2a和假設2b的預測結果一致；衡量信息透明度的指標為非流動性（Illiq）時，大宗交易與信息透明度交叉項的回歸系數為負，且顯著大于大宗交易指標的回歸系數，與假設2c的預期一致：（1）大宗交易與媒體關注度、分析師覆蓋的交叉項系數符號為正，說明對于媒體關注度較高、分析師覆蓋較多的上市公司，其信息透明度較高，通過大宗交易向市場傳遞被隱藏的私有信息較少，大宗交易降低崩盤風險的效應不顯著；（2）大宗交易與非流動性的交叉項系數顯著為負，且交叉項系數顯著小于大宗交易變量的回歸系數，說明對于非流動性較高的公司，其信息透明度較低，通過大宗交易能夠向市場傳遞私有信息，降低負面消息的隱藏，從而降低公司的股價崩盤風險。綜上，在回歸模型中加入信息透明度的變量并分別考察其對大宗交易與崩盤風險負相關關系的影響后，均與假設2所預期的一致，說明了上市公司的信息透明程度越低，通過大宗交易向市場傳遞私有信息以降低公司的股價崩盤風險的效應越強，驗證了本文提出的假設2，證明了大宗交易通過影響上市公司的信息透明度來抑制崩盤風險的機制。

表6 信息透明度對大宗交易與崩盤風險（NC SKEW）相關關系的影響

表7 信息透明度對大宗交易與崩盤風險（D U VO L）相關關系的影響

六、結論

本文的研究發現：（1）大宗交易與上市公司的股價崩盤風險之間存在顯著的負相關關系，當上市公司有大宗交易成交、大宗交易成交金額越大時，其股價崩盤風險越低，大宗交易作為一種外部市場交易機制能夠降低上市公司的股價崩盤風險；（2）進一步控制上市公司自身的信息透明度之后，大宗交易與上市公司信息透明度交叉項的回歸系數依然顯著，說明大宗交易降低股價崩盤風險的效應在信息透明程度較低的上市公司中更顯著，大宗交易通過向市場傳遞私有信息以提高上市公司的信息透明程度，進而降低其股價崩盤風險。研究結果說明大宗交易機制確實能夠起到降低股價崩盤風險的作用，而且主要是通過增強上市公司信息透明度的機制來實現，這要求監管機構、投資者等市場參與者高度重視大宗交易機制的價格發現功能，進一步完善大宗交易的交易機制，提高大宗交易的交易效率和靈活性，充分發揮其降低股價崩盤風險的作用，實現資本市場的穩定和健康發展。

［1］李增泉、葉青、賀卉：《企業關聯、信息透明度與股價特征》，《會計研究》2011年第1期。

［2］李小榮、劉行：《CEO vs CFO：性別與股價崩盤風險》，《世界經濟》2012年第12期。

［3］羅進輝、杜興強：《媒體報道、制度環境與股價崩盤風險》，《會計研究》2014年第9期。

［4］王化成、曹豐、葉康濤：《監督還是掏空：大股東持股比例與股價崩盤風險》，《管理世界》2015年第2期。

［5］Romer D.Rational Asset Price Movements Without News.The American Economic Review,1993.

［6］Jin L.and S.C.Myers.R2 around the World:New Theory and New Tests.Journalof Financial Economics,2006.

［7］Hutton A.P.,A.J.Marcus and H.Tehranian.Opaque Financial Reports,R2 and crash risk.Journal of Financial Economics,2009.

［8］Kim J.B.,Y.Liand L.Zhang.Corporate Tax Avoidance and Stock Price Crash Risk:Firm-Level Analysis.Journal of Financi al Economics,201l a.

［9］Kim J.B.,Y.Liand L.Zhang.CFOsversusCEOs:Equity Incentivesand Crashes.Journalof Financial Economics,201l b.

［10］Xu N.,X.Ji ang and K.C.Chan.Anal yst Coverage，Optimismand Stockprice Crash Risk：Evidence from China. Paci f i c-Basi n Fi nance Journal,2013.

［11］Al zahrani A.,Gregori ou A.and H udson R.Can M arket Fri ct i ons Real l y Expl ai nt he Pri ce Im pact Asym m et ry of Bl ock Trades?Evidence from the Saudi Stock Market.Emerging Markets Review,2012.

（編輯 彭文喜）