企業(yè)投資效率視角的股價同步性與風(fēng)險研究

石 英

一、引言

近幾年，我國資本市場出現(xiàn)了很多“異象”，而股價同步性和股價崩盤風(fēng)險是其中比較熱門的話題。全球資本市場中經(jīng)常出現(xiàn)“暴跌”現(xiàn)象，引起了實(shí)務(wù)界和理論界的關(guān)注，股票“暴跌”既不利于市場的穩(wěn)定，也給投資者（特別是中小投資者）帶來了較大損失。如：2015年，中國臺灣市場“HTC”股價在短短三個月內(nèi)暴跌五成以上；中國大陸市場中的“暴風(fēng)科技”，自2016年3月至6月，股價從115元下跌到55元； 2015年5月20日，中國香港市場“高銀地產(chǎn)”和“高銀金融”當(dāng)日下跌超過50%；美國上市公司“Valeant”在2015年3月15日當(dāng)天下跌超過50%。以上實(shí)例說明：如何防止股價“暴漲暴跌”成為監(jiān)管層急需解決的難題之一，對股價崩盤風(fēng)險的影響因素進(jìn)行研究具有理論和實(shí)際價值。

根據(jù)前人關(guān)于股價崩盤風(fēng)險的研究，本文認(rèn)為關(guān)于股價崩盤風(fēng)險影響因素的研究主要沿著信息不對稱（或信息透明度）的思路展開。而上市公司的信息不對稱程度主要來源于兩個方面：自身的信息不對稱程度、股東或高管故意隱瞞壞消息。第一，當(dāng)上市公司自身的信息不對稱程度較高時，公司股價可能被投資者 “高估”，一旦高估形成的“泡沫”破滅，股價會在短期內(nèi)大幅下跌，帶來股價崩盤風(fēng)險。已經(jīng)有學(xué)者研究發(fā)現(xiàn)公司的信息不對稱程度越高，公司未來的股價崩盤風(fēng)險越大，而公司治理水平、分析師關(guān)注、盈余管理水平等起到調(diào)節(jié)作用（Jin和Myers，2006；Hutton 等，2009；潘越和戴亦一，2011）；后來，很多學(xué)者沿著自身信息不對稱的思路進(jìn)行了廣泛研究，發(fā)現(xiàn)分析師樂觀偏差、機(jī)構(gòu)投資者的羊群效應(yīng)與股價崩盤風(fēng)險顯著正相關(guān)，而媒體監(jiān)督、投資者保護(hù)水平越高和內(nèi)部信息披露水平的提高會降低股價崩盤風(fēng)險（許年行等2012；許年行等，2013；羅進(jìn)輝和杜興強(qiáng)2014；王化成等，2014；葉康濤等，2015）。第二，公司大股東或管理層存在故意隱瞞壞消息的動機(jī)，而壞消息一旦暴露市場，公司股價會在短期內(nèi)大幅下跌，帶來股價崩盤的風(fēng)險。有學(xué)者研究發(fā)現(xiàn)公司內(nèi)部人拋售股票的凈額與股價崩盤風(fēng)險顯著正相關(guān)（Marin和Oliver，2008；吳戰(zhàn)篪和李曉龍，2015）。同樣有研究證明CEO的特征及大股東持股比例會影響股價崩盤風(fēng)險，有學(xué)者研究發(fā)現(xiàn)女性CEO能夠抑制股價崩盤風(fēng)險，而女性CFO與股價崩盤風(fēng)險不存在顯著相關(guān)關(guān)系（李小榮和劉行，2012），大股東持股比例能夠抑制股價崩盤風(fēng)險（王化成等，2015），而CEO過度自信促進(jìn)了股價崩盤風(fēng)險（Kim等，2016），有研究發(fā)現(xiàn)上市公司避稅行為與股價崩盤風(fēng)險顯著正相關(guān)（江軒宇，2013）。然而，關(guān)于股價同步性與股價崩盤風(fēng)險的研究還比較欠缺，股價同步性體現(xiàn)了公司特質(zhì)信息融入到股價的效率，是公司信息不對稱程度及公司治理水平的表現(xiàn)，因而，研究股價同步性與股價崩盤風(fēng)險的關(guān)系顯得必要且重要。

綜上所述，本文利用2003年-2017年我國上市公司為樣本，對股價同步性與股價崩盤風(fēng)險的相關(guān)關(guān)系進(jìn)行研究，結(jié)果發(fā)現(xiàn)：股價同步性與股價崩盤風(fēng)險顯著正相關(guān)，在進(jìn)行各種穩(wěn)健性檢驗(yàn)后，本文的研究結(jié)論仍然成立。在企業(yè)性質(zhì)和業(yè)績分組檢驗(yàn)中，本文發(fā)現(xiàn)：國有企業(yè)樣本組和業(yè)績較差的樣本中，兩者之間的正相關(guān)關(guān)系更加顯著。而在進(jìn)一步分析中，本文發(fā)現(xiàn)公司內(nèi)外部治理水平較差、信息不對稱程度較高的樣本組中，兩者之間的正相關(guān)關(guān)系更加顯著。

二、文獻(xiàn)回顧與研究假設(shè)

（一）股價崩盤風(fēng)險文獻(xiàn)回顧

國內(nèi)外關(guān)于股價崩盤風(fēng)險的研究已經(jīng)取得一定的成果，歸納起來，本文認(rèn)為影響股價崩盤風(fēng)險的路徑主要是信息不對稱（或信息透明度）。而信息不對稱（或信息透明度）主要體現(xiàn)在兩大方面：自身的信息不對稱程度、內(nèi)部人故意隱瞞公司信息。第一，當(dāng)公司自身的信息不對稱程度較高時，由于投資者高估導(dǎo)致股價“泡沫”，一旦信息不對稱程度降低，公司股價崩盤風(fēng)險隨時來臨，Jin和Myers(2006)研究發(fā)現(xiàn)公司信息不對稱程度越高，股價未來崩盤風(fēng)險越高，Hutton等（2009）、潘越等（2011）發(fā)現(xiàn)類似結(jié)論。隨后，有學(xué)者從內(nèi)部信息控制質(zhì)量、會計(jì)穩(wěn)健性等角度研究發(fā)現(xiàn)類似結(jié)論（葉康濤等，2015；Kim和Zhang，2016)；第二，內(nèi)部人故意隱藏公司信息，而一旦信息暴露，股價很可能在短期內(nèi)下跌較多，從而導(dǎo)致股價崩盤風(fēng)險。有學(xué)者研究發(fā)現(xiàn)內(nèi)部人拋售股票的行為會提升股價未來崩盤風(fēng)險（Marin和Oliver，2008；吳戰(zhàn)篪、李曉龍，2015），同樣，有學(xué)者認(rèn)為大股東持股、上市公司違規(guī)行為、公司高管特征等都會對股價未來崩盤風(fēng)險產(chǎn)生影響（王化成等，2015；沈華玉等，2017；李小榮等，2012），而江軒宇（2013）、Kim 和Zhang（2011）研究發(fā)現(xiàn)公司避稅行為、CEO過度自信也是股價崩盤風(fēng)險的根源。此外，有學(xué)者從機(jī)構(gòu)投資者持股、媒體監(jiān)督、投資者保護(hù)、分析師預(yù)測等角度對股價崩盤風(fēng)險的影響進(jìn)行研究（許年行等，2013；羅進(jìn)輝等，2014；王化成等，2014；許年行等，2012），得到了前文類似的結(jié)論。

表1 主要變量說明

表2 描述性統(tǒng)計(jì)分析

表3 變量的Pearson和Spearman相關(guān)系數(shù)

（二）股價同步性與股價崩盤風(fēng)險

股價同步性高可能是信息不對稱程度較高的體現(xiàn)。目前，關(guān)于信息不對稱程度與股價同步性的研究還沒有得到一致的結(jié)論。有些學(xué)者研究發(fā)現(xiàn)信息不對稱程度越高，股價同步性越高（Morck等，2000），Hutton（2009）以歐美國家的樣本研究發(fā)現(xiàn)，公司的信息不對稱程度越高，股價同步性越高；Ding等（2008）從會計(jì)準(zhǔn)則的角度研究，發(fā)現(xiàn)當(dāng)一個國家會計(jì)準(zhǔn)則質(zhì)量較低或信息披露質(zhì)量較差時，股價同步性會越高。游家興等（2006）研究發(fā)現(xiàn)，隨著我國制度的逐步完善，股價同步性逐步降低；王鳳華等（2009）研究發(fā)現(xiàn)由于我國投資者的羊群效應(yīng)，會計(jì)信息質(zhì)量的提高并不會降低股價崩盤風(fēng)險；史永等（2014）研究發(fā)現(xiàn)XBRL的使用顯著降低了股價同步性。而另外一部分學(xué)者研究發(fā)現(xiàn)相反的結(jié)論，王亞平等（2009）利用我國上市公司樣本，研究發(fā)現(xiàn)公司的信息不對稱程度越高，股價同步性越低；金智（2010）研究發(fā)現(xiàn)，會計(jì)信息質(zhì)量與股價同步性顯著正相關(guān)，股價同步性高可能是公司內(nèi)外部治理水平較差的體現(xiàn)。朱紅軍等（2007）研究發(fā)現(xiàn)，證券分析師的搜尋活動降低了股價同步性；王亞平等（2009）研究發(fā)現(xiàn)，機(jī)構(gòu)投資者持股比例與股價同步性顯著負(fù)相關(guān)；黃俊等（2014）研究發(fā)現(xiàn)新聞媒體報道與股價同步性顯著負(fù)相關(guān)；饒育蕾等（2013）研究發(fā)現(xiàn)QFII持股比例與股價同步性顯著負(fù)相關(guān)。王艷艷等（2013）研究發(fā)現(xiàn)國有銀行貸款與股價同步性顯著正相關(guān)，在國有企業(yè)中，兩者的正相關(guān)關(guān)系更加顯著。

表4 回歸分析結(jié)果

總體來說，按照股價崩盤風(fēng)險的第一條影響路徑，當(dāng)股價同步性越高時，公司的信息不對稱程度越高，從而導(dǎo)致未來股價崩盤風(fēng)險；按照股價崩盤風(fēng)險的第二條影響路徑，當(dāng)股價同步性越高時，公司的治理水平越差，因而，內(nèi)部人更有動機(jī)和環(huán)境隱瞞公司壞消息，而一旦壞消息暴露，股價未來崩盤的風(fēng)險越大。基于此，本文提出如下假設(shè)：

H1：股價同步性與股價崩盤風(fēng)險顯著正相關(guān)。

H2：當(dāng)信息不對稱程度越高時，股價同步性與股價崩盤風(fēng)險的正相關(guān)關(guān)系越顯著。

H3：當(dāng)公司內(nèi)部或外部治理水平較差時，股價同步性與股價崩盤風(fēng)險的正相關(guān)關(guān)系越顯著。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

本文以2003年-2017年中國上市公司為樣本，借鑒Kim 和Zhang（2011）、許年行等（2012）、王化成等（2014）的研究，本文樣本剔除過程如下：第一，剔除當(dāng)年虧損（ST或＊ST）的公司以及金融證券類上市公司；第二，剔除當(dāng)年交易周數(shù)小于30的樣本觀測值，避免由此導(dǎo)致的股價崩盤風(fēng)險指標(biāo)計(jì)算誤差；第三，剔除變量值缺失的樣本，最終剩下20339個公司--年度觀測值，為了減少極端值對實(shí)證結(jié)果的影響，文中所有的連續(xù)變量都進(jìn)行了縮尾處理。

（二）變量定義

1.股價崩盤風(fēng)險的衡量

借鑒前人研究（Jin和Myers，2006；Kim 等，2011），本文股價崩盤風(fēng)險的衡量指標(biāo)主要有兩個，即NRS和DU。

NRS是指經(jīng)過市場調(diào)整后的某只股票的周收益負(fù)偏態(tài)系數(shù)。計(jì)算方法如下：

第一步，通過模型（1）計(jì)算經(jīng)過市場調(diào)整后的某只股票收益率的殘差項(xiàng)：

其中，ri，t是指公司 i第 t周的收益率，而rm，t是市場第t周的平均收益率，對于市場周收益的計(jì)算，本文采用經(jīng)過流通市值加權(quán)平均，并且考慮現(xiàn)金紅利再投資的市場回報率。殘差εi，t表示經(jīng)過市場調(diào)整后的收益率。

第二步，求出某只股票的周收益率 wi，t=ln(1+εi，t)。

表5 分組檢驗(yàn)結(jié)果（按企業(yè)性質(zhì)與業(yè)績好壞分組）

第三步，利用模型（2）求出股價崩盤風(fēng)險的第一個指標(biāo)NRS。

DU是某只股票周收益率大于或小于平均周收益率的比例。計(jì)算方法如下：

式中，nu是指年度中某只股票的周收益率大于平均周收益率的周數(shù)，nd是指年度中某只股票的周收益率小于平均周收益率的周數(shù)。

NRS和DU都是股價崩盤風(fēng)險的正向指標(biāo)。

2.股價同步性

股價同步性主要衡量個股價格變動與市場變動的關(guān)聯(lián)性，根據(jù)Morck等（2000）、Jin和Myers（2006）的研究，全球市場中，中國的股價同步性高居前三位。主要是通過模型（4）計(jì)算出個股收益相對于市場收益回歸后得到的R2來衡量同步性，由于R2取值在0-1之間，不符合正太分布的原則，因而，本文對R2進(jìn)行對數(shù)處理，見模型（5），最終得到股價同步性指標(biāo)，記為Syn。

式中，ra，t是指公司a第t周的收益率，而rm，t是市場第t周的平均收益率，ri，t是指公司a所在行業(yè)所有上市公司股票的第t周的平均收益率，R2即為模型（4）的擬合度。

3.其他變量

借鑒Kim等（2011）、許年行等（2012）的研究，本文控制變量包括：滯后一期的周收益負(fù)偏態(tài)系數(shù)（NRS）、月超額換手率（Eme）、平均周收益率（Mwt）、周收益率的波動（Mrs）、公司規(guī)模（Size）、公司業(yè)績（Roa）、公司市值賬面比（Mb）、公司負(fù)債率（Debt）、公司透明度（Trans）、年度（Year）和行業(yè)（Ind）。此外，在穩(wěn)健性檢驗(yàn)中，本文還用到的變量包括：信息不對稱程度（Asy）、是否二職合一（Dual）、機(jī)構(gòu)投資者持股比例（Insti）、獨(dú)立董事比例（Inp）、董事會規(guī)模（Bsize）、可操縱性盈余（Da）、會計(jì)穩(wěn)健性（Cscore）。具體變量說明見表1。

（三）模型設(shè)計(jì)

為了檢驗(yàn)本文的假設(shè)H1，具體采用模型（6）：

模型中因變量是指股價崩盤風(fēng)險，主要用NRS和DU兩個指標(biāo)來衡量。自變量是第t年上市公司的股價同步性。cvariablest是本文中的控制變量，Year和Ind分別控制年度和行業(yè)。根據(jù)假設(shè)H1，β1的系數(shù)為正。

為了驗(yàn)證本文的假設(shè)H2和H3，在影響機(jī)制的分析中，本文按照信息不對稱程度高低、公司內(nèi)外部治理水平高低（是否二職合一、獨(dú)立董事比例高低、機(jī)構(gòu)投資者持股比例高低）對樣本進(jìn)行了分組檢驗(yàn)。

表6 分組檢驗(yàn)結(jié)果（信息不對稱程度高低分組）

表7 二職合一分組檢驗(yàn)

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)分析

描述性統(tǒng)計(jì)結(jié)果顯示：股價崩盤風(fēng)險的兩個指標(biāo)NRS和DU的均值分別為-0.281和-0.218，與已有研究結(jié)果非常接近（許年行等，2012；王化成等，2014）。上市公司股價同步性的均值為-0.822，與朱紅軍等（2007）、王亞平等（2009）的研究結(jié)果類似。其他變量的描述性統(tǒng)計(jì)結(jié)果都在合理范圍之類。

（二）相關(guān)關(guān)系分析

表3是各變量之間的相關(guān)關(guān)系結(jié)果，下三角是Pearson相關(guān)系數(shù)，上三角是Spearman相關(guān)系數(shù)。NRS和DU的相關(guān)系數(shù)超過0.92，且在0.01水平上顯著，說明股價崩盤風(fēng)險兩個指標(biāo)的數(shù)值比較一致。同時，在不考慮其他因素的影響下，股價同步性（Syn）與股價崩盤風(fēng)險的兩個指標(biāo)在0.01水平上顯著正相關(guān)，支持假設(shè)H1，而其他控制變量至少在0.1水平上與股價崩盤風(fēng)險的兩個指標(biāo)顯著相關(guān)。

（三）回歸分析

回歸分析的結(jié)果見表4，模型（1）和（3）是單獨(dú)納入股價同步性時的回歸結(jié)果，說明無論采用NRS還是采用DU，股價同步性與股價崩盤風(fēng)險在0.001水平上都顯著正相關(guān)；模型（2）和（4）是納入相關(guān)控制變量后的回歸結(jié)果，顯示股價同步性與股價崩盤風(fēng)險在0.001上顯著正相關(guān)。控制變量中，與滯后一期的股價崩盤風(fēng)險NRS(t-1)在0.01水平上顯著負(fù)相關(guān)，與滯后一期的平均周收益率Mwt(t-1)在0.01水平上顯著正相關(guān)，與滯后一期的市值賬面比MB(t-1)在0.1水平上顯著正相關(guān)，這些結(jié)論與已有研究結(jié)果（Kim等，2011；許年行等，2012；王化成等，2014）基本一致。總之，在控制相關(guān)變量后，股價同步性與股價崩盤風(fēng)險顯著正相關(guān)，支持假設(shè)H1。

表8 獨(dú)立董事比例分組檢驗(yàn)

（四）進(jìn)一步分析

同時，股價同步性在不同企業(yè)性質(zhì)和不同業(yè)績的公司中可能存在差異，因此，本文繼續(xù)按照企業(yè)性質(zhì)、業(yè)績好壞對樣本進(jìn)行分組檢驗(yàn)，具體結(jié)果見表5。結(jié)果顯示：在國有企業(yè)和業(yè)績較差的樣本組中，股價同步性與股價崩盤風(fēng)險顯著正相關(guān)。一方面說明國有企業(yè)中股價同步性比非國有企業(yè)更高（王艷艷等，2013），也說明上市公司業(yè)績較差的時候，其股價同步性更高（金智，2010）。

五、影響機(jī)制分析

（一）信息不對稱程度的檢驗(yàn)

根據(jù)股價崩盤風(fēng)險的影響路徑分析，上市公司信息不對稱程度太高可能會導(dǎo)致股價崩盤風(fēng)險（Jin和 Myers，2006；Hutton等，2009）。因而，本文根據(jù)相關(guān)研究，用修正Jones模型殘差的絕對值（Trans）來衡量公司信息不對稱程度。當(dāng)Trans大于等于年度--行業(yè)中位數(shù)（或均值）時，取值為1，即Asy=1。否則Asy=0，根據(jù)Asy的值將樣本分為兩組，重新驗(yàn)證股價同步性與股價崩盤風(fēng)險的相關(guān)關(guān)系，結(jié)果見表6。研究結(jié)論顯示：信息不對稱程度較高的樣本組中，股價同步性與股價崩盤風(fēng)險顯著正相關(guān)，而信息不對稱程度較低的樣本組中，兩者的正相關(guān)關(guān)系并不顯著，與前人研究結(jié)果基本一致（Kim等，2011；王化成等，2015），支持假設(shè)H2。

（二）內(nèi)外部治理水平的檢驗(yàn)

已有研究表明：公司的內(nèi)外部治理水平越低，股價同步性越高，如：二職合一、獨(dú)立董事比例高低、機(jī)構(gòu)投資者持股比例高低等（高鳳蓮和王志強(qiáng)，2016； 葉康濤等，2007）。表7至表9是按照是否二職合一、獨(dú)立董事比例高低、機(jī)構(gòu)投資者持股比例高低進(jìn)行分組檢驗(yàn)的結(jié)果。

表7中的結(jié)果顯示：二職合一時，股價同步性與股價崩盤風(fēng)險在0.001水平上顯著正相關(guān)，而二職不合一時，兩者關(guān)系并不顯著。說明當(dāng)二職合一時，公司的治理水平較低，股價同步性越高，從而促進(jìn)了股價崩盤風(fēng)險。表8的結(jié)果與表7類似，顯示獨(dú)立董事比例越低時，股價同步性與股價崩盤風(fēng)險在0.001水平上顯著正相關(guān)，而獨(dú)立董事比例較高時，兩者關(guān)系并不顯著。表9的結(jié)果和表7、表8類似，顯示機(jī)構(gòu)投資者持股比例較低時，股價同步性與股價崩盤風(fēng)險在0.001水平上顯著正相關(guān)，而持股比例較高時，兩者關(guān)系并不顯著。綜述所述，在公司內(nèi)外部治理水平較低時，股價同步性與股價崩盤風(fēng)險顯著正相關(guān)，當(dāng)公司外部治理水平較高時，兩者關(guān)系并不顯著。說明股價同步性可能通過公司內(nèi)外部治理水平影響股價崩盤風(fēng)險，支持假設(shè)H3。

六、穩(wěn)健性檢驗(yàn)

1.內(nèi)生性問題

模型中公司業(yè)績、市值賬面比會影響到股價同步性，也會影響到股價崩盤風(fēng)險，因而模型可能存在內(nèi)生性問題，盡管模型都采用滯后一期的變量值。借鑒已有研究（Kim等，2011；沈華玉等，2017），本文采用年度行業(yè)（Synyi）和年度地區(qū)（Synyr）中其他公司的股價同步性的均值，作為本公司股價同步性（Syn）的工具變量。之所以選取這兩個變量作為工具變量，因?yàn)樗鼈儩M足兩個條件：第一，相關(guān)性。由于同行業(yè)或同地區(qū)的上市公司在外部環(huán)境、行業(yè)特性等方面具有較高的相似度，因此，年度行業(yè)和年度地區(qū)的股價同步性均值與本公司股價同步性有較高的相關(guān)性。第二，外生性。目前，還沒有證據(jù)表明年度行業(yè)和年度地區(qū)股價同步性均值會影響本公司的股價崩盤風(fēng)險。

表9 機(jī)構(gòu)投資者持股比例

工具變量--固定效應(yīng)模型的兩階段回歸結(jié)果顯示（限于篇幅，本部分穩(wěn)健性檢驗(yàn)結(jié)果未列示。下同），公司股價同步性與年度行業(yè)及年度地區(qū)其他公司股價同步性均值在0.01水平上顯著正相關(guān)，符合相關(guān)性原則。股價崩盤風(fēng)險兩個指標(biāo)NRS和DU的第二階段回歸結(jié)果顯示：股價同步性與股價崩盤風(fēng)險顯著正相關(guān)。工具變量--差分模型的兩階段回歸結(jié)果，與固定效應(yīng)模型的結(jié)果類似。同時，一系列的輔助檢驗(yàn)顯示：工具變量不存在識別不足、弱工具變量和過度識別等問題，說明工具變量選取合適。綜上所述，采用工具變量兩階段回歸的方法，本文的結(jié)論仍然穩(wěn)健，支持假設(shè)H1。

2.進(jìn)一步控制其他因素的影響

考慮到可能由于遺漏變量導(dǎo)致本文結(jié)論不穩(wěn)健，本文參考已有研究（Kim等2016，王化成等，2015），在原有模型中加入可能影響股價崩盤風(fēng)險的多組變量，包括會計(jì)穩(wěn)健性（Cscore）、是否二職合一（Dual）、董事會規(guī)模（Bsize）、獨(dú)立董事比例（Inp）。其中，會計(jì)穩(wěn)健性指標(biāo)根據(jù)Khan和Watts（2009）的定義計(jì)算而來。結(jié)果顯示：股價同步性與股價崩盤風(fēng)險的兩個指標(biāo)仍然顯著正相關(guān)，會計(jì)穩(wěn)健性、董事會規(guī)模和獨(dú)立董事比例與股價崩盤風(fēng)險沒有顯著的相關(guān)關(guān)系，而二職合一在0.1水平上與股價崩盤風(fēng)險顯著負(fù)相關(guān)，與王化成等（2015）結(jié)果一致。綜上所述，在進(jìn)一步加入會計(jì)穩(wěn)健性、公司治理等相關(guān)變量后，本文結(jié)果仍然穩(wěn)健。

3.構(gòu)建子樣本

為了減少由于樣本偏差對研究結(jié)果帶來的影響，本文構(gòu)建了一個子樣本，剔除所有創(chuàng)業(yè)板的公司，對模型進(jìn)行重新檢驗(yàn)，剔除變量值缺失后，共有12517個年度--公司觀測樣本。創(chuàng)業(yè)板上市公司在股權(quán)結(jié)構(gòu)、上市條件、監(jiān)管制度、財務(wù)信息都與其他上市公司存在一定的差異（李維安等，2013），因而，其股價同步性對股價崩盤風(fēng)險的影響與其他上市公司也可能存在差異。回歸結(jié)果顯示，在子樣本中，股價同步性與股價崩盤風(fēng)險仍然顯著正相關(guān)，本文結(jié)論仍然穩(wěn)健。

4.固定效應(yīng)模型和差分模型

為了減少公司個體因素對研究結(jié)論的影響，本文繼續(xù)使用固定效應(yīng)模型和差分模型進(jìn)行檢驗(yàn)，結(jié)果顯示：股價同步性與股價崩盤風(fēng)險的兩個指標(biāo)在0.001水平上顯著正相關(guān)，說明在控制個體差異影響后，本文結(jié)論仍然穩(wěn)健。

5.雙重聚類調(diào)整

為了減少模型的自相關(guān)和異方差等問題，根據(jù)已有研究，本文按個體和年度兩個方面進(jìn)行雙重聚類調(diào) 整（Petersen，2009；Kim 等，2011），結(jié)果顯示：股價同步性與股價崩盤風(fēng)險的兩個指標(biāo)在0.05水平上仍然顯著正相關(guān)，本文結(jié)論仍然穩(wěn)健。

6.組間效應(yīng)模型和隨機(jī)效應(yīng)模型

本文正文中的模型均采用固定效應(yīng)模型，為了驗(yàn)證結(jié)果的穩(wěn)健性，本文還采用組間效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸，結(jié)果顯示：股價同步性與股價崩盤風(fēng)險的兩個指標(biāo)在0.001水平上顯著正相關(guān)，說明本文結(jié)果并不受到模型選擇的影響。

七、研究結(jié)論與啟示

本文以2003-2017年我國上市公司為樣本，考察了股價同步性與股價崩盤風(fēng)險的關(guān)系，結(jié)果發(fā)現(xiàn)：股價同步性與股價崩盤風(fēng)險顯著正相關(guān)，在進(jìn)行各種穩(wěn)健性檢驗(yàn)后，本文的研究結(jié)論仍然成立。在企業(yè)性質(zhì)和業(yè)績分組檢驗(yàn)中，本文發(fā)現(xiàn)：國有企業(yè)樣本組和業(yè)績較差的樣本中，兩者之間的正相關(guān)關(guān)系更加顯著。而在進(jìn)一步分析中，本文發(fā)現(xiàn)公司內(nèi)外部治理水平較差、信息不對稱程度較高的樣本組中，兩者之間的正相關(guān)關(guān)系更加顯著。

本文考察了股價同步性對股價崩盤風(fēng)險的影響，研究結(jié)果主要有以下幾個方面的啟示：

第一，信息不對稱程度較高、國有企業(yè)、業(yè)績較差的上市公司，股價同步性與股價崩盤風(fēng)險正相關(guān)關(guān)系更加顯著。因而，監(jiān)管部門應(yīng)該加強(qiáng)對上市公司信息披露水平的監(jiān)管，通過合理的法律法規(guī)和制度設(shè)計(jì)來減輕國有企業(yè)的股價同步性。

第二，在公司內(nèi)外部治理水平較差時，公司股價同步性越高，從而影響股價崩盤風(fēng)險，因而，監(jiān)管層、上市公司如何提升內(nèi)外部治理水平變得必要且重要。