我國上市公司股價崩盤風險研究

謝鳳鳴

摘要：本文選取2008年至2018年我國A股上市公司為樣本，實證測度了我國非金融類上市公司的股價崩盤風險。結果表明：我國上市公司的股價崩盤風險在樣本期間呈現比較明顯的周期特征;2008-2014年出現股價崩盤風險的個股占比在10%以下，2015年后這一比例上升到16%以上，2016年甚至達到了47.2%。石油和天然氣開采、水上運輸業、黑色金屬冶煉及壓、航空運輸業等行業的股價崩盤風險比較小，而生態保護和環境治理、食品制造業、紡織服裝和服飾業、漁業、林業等行業的股價崩盤風險較大。

關鍵詞：股價崩盤風險 ? 周期性 ? 上市公司

一、導論

資本市場中股票價格的暴漲暴跌會擾亂市場的交易秩序，降低資源配置效率，甚至引發社會動蕩。近年來學者們明顯加大了對股價崩盤風險的關注與研究。目前我國資本市場不夠成熟，投資者的羊群行為較為明顯，內部交易、老鼠倉不時發生。而國內對于股價崩盤風險的研究近幾年才開始，主要集中于解釋股價崩盤風險的形成機制和影響要素。對于股價崩盤風險的測度研究較少。本文主要研究比較目前國內使用的主要的股價崩盤風險測度方法。希望能更準確的測度股價崩盤風險。

二、文獻綜述

有關股價崩盤風險的研究主要分為兩個階段。21 世紀之前，相關研究主要集中在市場層面，即研究市場整體突然暴跌情況。Gennotte and Leland（1990）指出：在沒有重大消息的情況下，對沖策略被歸咎于1987年10月的股市崩盤;但傳統模型無法解釋相對少量的股票賣出如何導致股票市場如此大的暴跌。他們據此提出了一種理性預期模型，認為價格在塑造期望中起著重要作用，從信息不對稱視角解釋股價崩盤風險。另一部分學者認為股價下跌，企業的營運杠桿和財務杠桿會加大，則收益波動性變大，股價崩盤風險也會放大（Black，1976;Christie，1982）。但這種解釋與實際數據存在一定的矛盾，因為對于股票的日數據來說，短時間內，價格的下跌無法對股價的波動性產生顯著影響，導致股價崩盤（Schwert，1989;Bekaert and Wu，2000）。

進入 21世紀之后，Chen等（2001）將股價崩盤風險的研究拓展到個股，即研究單個上市公司的股票價格崩盤風險。Chen等（2001）通過一系列橫截面回歸來預測個股日收益率的偏差。Jin and Myers（2006）基于代理理論和信息不對稱進行了分析，認為公司內部高管會傾向于隱瞞“壞消息”，隨著公司的持續經營，消息不斷積累，則外部會高估公司股價，產生了泡沫。而負面消息聚集到一個極限的時候，將會爆發于外部市場，公司股價出現崩盤風險。Kim，J.，Zhang（2013）研究發現：在投資者保護，財務披露要求，金融市場自由化，機構基礎設施質量較差的國家，內幕交易執法對股價崩盤風險的負面影響更為明顯。

最近幾年，國內學者對中國市場的股票崩盤風險做了較多的研究。許年行等（2012）研究發現：分析師樂觀偏差與上市公司未來股價崩盤風險之間顯著正相關。趙靜等（2018）研究發現高鐵的開通促進了信息的跨地區流動，降低了所在地上市公司股價崩盤風險，這種降低作用在信息不對稱程度較高和外部監管環境較弱的情況下更為顯著。徐飛等（2018）研究顯示：股價崩盤會在存在重要進出口國際貿易關系國家、地區間傳染。除上述文獻外，國內還有近200篇研究股價崩盤風險的文獻，但都與上述文獻類似，都是從某個視角來解釋為什么會存在股價崩盤風險，對于股價崩盤風險的測度指標大部分采用的是Chen et al.（2001）提出的負收益偏態系數（Negative Coefficient of Skewness，即為NCSKEW）和上下波動率（Down-to-Up Volatility，即為DUVOL）。少數文獻采用Marin & Olivier（2008）提出的方法，例如：褚劍和方軍雄（2016）、許宏偉和陳欣（2012）、徐飛等（2018）。但是這些文獻基本遵循拿來主義的方法，基本沒有涉及股價崩盤風險測度結果本身的分析。本文重點分析比較這些方法的測度結果。

三、研究設計

本文同時采用Chen et al.（2001）提出的負收益偏態系數（NCSKEW）、上下波動率（DUVOL）模型和Marin & Olivier（2008）提出的方法來測算我國股票市場的股價崩盤風險。

四、實證過程與結果

（一）樣本與數據

本文選取2008年1月至2018年12月我國A股上市公司為初始研究樣本。借鑒以往相關研究慣例（徐飛等，2018;韓宏穩等，2019;Kim et al.，2016），依據如下原則進行數據篩選：其一，剔除金融類上市公司，包括銀行、保險、證券和非銀金融類上市公司。因為它們的會計核算體系、資產結構與其他行業公司具有明顯差異，不具有可比性;其二，剔除公司2010年1月1日后上市的樣本，這是為了增加上市公司之間的可比性;其三，剔除了年交易周數小于20的個股;其四，剔除有關實證變量觀測值數據缺失及異常的研究樣本。本文的研究數據來源于CSMAR數據庫。

（二）實證結果分析

根據上述分析，采用stata軟件計算出各家上市公司的股價崩盤風險，然后再計算平均值。具體結果見表1.

表1表明：從NCSKEW指標和DUVOL指標來看，2010年前上市的上市公司的股價崩盤風險在2008-2018的11年間呈現比較明顯的周期特征，大概是3-4年一個周期，2009、2013、2015和2016年的股價崩盤風險平均值比較低，2011、2014、2017年的股價崩盤風險平均值比較高。從CRASH3D指標來看，從2008-2014年，出現股價崩盤風險的個股占比都在10%以下，其中2008年最低，只有1.9%，2011年最高，也只有9.7%。但2015年后出現股價崩盤風險的個股占比都在16%以上，2016年甚至達到了47.2%。

本文按證監會2012年的行業分類標準分類統計了各個行業的股價崩盤風險，研究發現，石油和天然氣開采、水上運輸業、黑色金屬冶煉及壓、航空運輸業、資本市場服務、道路運輸業、有色金屬礦采選業等行業的股價崩盤風險比較小，而生態保護和環境治、食品制造業、紡織服裝和服飾業、漁業、林業等的股價崩盤風險較大。從股價崩盤風險發生頻率指標Crash3d來看，結果也是如此。

五、結論與展望

本文選取2008年1月至2018年12月我國A股上市公司為初始研究樣本，實證測度了我國非金融類上市公司的股價崩盤風險。結果表明：我國上市公司的股價崩盤風險在2008-2018的11年間呈現比較明顯的周期特征，大概是3-4年一個周期;2008-2014年出現股價崩盤風險的個股占比都在10%以下，2015年后出現股價崩盤風險的個股占比都在16%以上，2016年甚至達到了47.2%。石油和天然氣開采、水上運輸業、黑色金屬冶煉及壓、航空運輸業、資本市場服務、道路運輸業、有色金屬礦采選業等行業的股價崩盤風險比較小，而生態保護和環境治、食品制造業、紡織服裝和服飾業、漁業、林業等的股價崩盤風險較大。

本文測度了我國上市公司的股價崩盤風險，但對造成股價崩盤風險的原因沒有深入探討，對影響機制沒有進行深入的分析，這是下一步研究探討的方向。

參考文獻：

[1]McQueen，G.，Roley，V.Stock Prices，News，and Business Conditions[J].Review of Financial Studies，1993，6（3）：683-707.

[2]Chen，J.，Hong，H.，Stein，J.C.Forecasting Crashes：Trading Volume，Past Returns，and Conditional Skewness in Stock Prices[J].Journal of Financial Economics，2001（3）.

[3]趙靜，黃敬昌，劉峰.高鐵開通與股價崩盤風險[J].管理世界，2018，34（01）：157-168+192.

[4]姜付秀，蔡欣妮，朱冰.多個大股東與股價崩盤風險[J].會計研究，2018（01）：68-74.

[5]許年行，江軒宇，伊志宏，徐信忠.分析師利益沖突、樂觀偏差與股價崩盤風險[J].經濟研究，2012，47（07）：127-140.

（作者為江西財經大學教務處助理研究員）