并購商譽減值對股價崩盤風險的影響研究

張向榮

一、引言

近三年，股價崩盤風險時有發生，給全球資本市場帶來動蕩和不穩定，股價崩盤風險不僅僅給投資者帶來巨大損失，影響投資者的情緒和信心，也給上市公司融投資帶來消極影響。資本市場崩盤現象引起了各國證券監管部門的重視，也引起了學者、媒體的廣泛關注。2019年7月26日，美股中特斯拉公司股票當日下跌超過13%，市值一天減少超過400億元。2017年3月24日，香港上市公司輝山乳業股價一天暴跌85%。2019年1月22日，上市公司遠方信息發布2018年年報，由于計提6億元商譽減值，導致公司凈利潤虧損約4.8億元，而遠方信息近一年的股價已下跌近70%。2016年4月，上市公司堅瑞消防溢價并購沃特瑪產生巨額商譽，2017年底，由于計提商譽46.1億元，導致其當年凈利潤虧損36.84億元，股價也在短短數月從13.51元跌至1.69元。近十年，我國上市公司商譽減值急劇增長，從2007年的5.44億元增長至2018年的1121.53億元，增長了約200倍，特別是近三年，從2016年的114.45億元增長到2018年的1121.53億元。

因而，商譽減值和股價崩盤風險引起了學者、媒體的廣泛關注，成為近幾年學者們研究的熱點。目前有相關學者從控股股東持股比例、內部治理、機構投資者、媒體監督等多個角度探討了其對股價崩盤風險的影響（許年行等，2012；沈華玉等，2017）。但鮮有學者從商譽減值的角度探討其如何影響股價崩盤風險。本文以2009年至2018年中國上市公司為樣本，對商譽減值如何影響股價崩盤風險進行研究。結果顯示：商譽減值與股價崩盤風險在0.01水平上顯著正相關，說明商譽減值促進了股價崩盤風險。進一步研究結論顯示：當公司內部治理水平越差時，商譽減值對公司股價崩盤風險的正向影響越明顯；當公司機構投資者持股比例越低時，商譽減值對公司股價崩盤風險的正向影響越明顯。上述結果在經過變量替換、OLS替換和雙重聚類模型檢驗后結果仍然成立。

本文的主要邊際貢獻有：第一，以近三年學者關注的熱點問題為起點，研究了商譽減值對公司股價崩盤風險的影響，豐富了股價崩盤風險影響因素的相關文獻。第二，從資本市場反應的角度研究商譽減值的影響，豐富了目前商譽減值經濟后果的研究視角，豐富了相關研究文獻。同時，本文結論為上市公司并購中估價決策、監管部門對并購溢價及商譽政策的制定等提供科學依據。

二、理論基礎與研究假設

近三年，關于商譽減值的文獻主要從問題對策、影響因素等角度展開。在影響因素方面，有學者認為董事會規模和獨立董事比例會導致公司商譽減值增加（劉愛明和黃媛媛，2019）。而其他學者認為公司并購過程中估價太高，從而導致并購溢價較高，而高并購溢價會導致公司商譽減值風險提高（胡凡和李科，2019）。在問題與對策方面，很多學者探討了商譽減值的會計計量問題，對實務中相關確認和計量進行探討，發現其中存在的問題，并有針對性給出對策和建議，如金利科技并購宇瀚光電（王蕓和周鈺萍，2018）。在商譽減值經濟后果方面，有學者以我國上市公司為樣本，研究發現商譽減值提高了公司的融資成本（徐經長等，2017）。同時，商譽減值會導致公司的盈余平滑和業績大洗澡（盧煜和曲曉輝，2016）?？梢?，現有關于商譽減值經濟后果的相關文獻較少，本文研究了商譽減值對股價崩盤風險的影響。

表1 變量定義及說明

表2 描述性統計分析

那么，商譽減值如何影響股價崩盤風險呢？首先，商譽確認是按照并購溢價計算而得，但在對被并購資產價格進行評估時，雖然是基于公允價值進行計量，但仍然存在較強的主觀性和不準確性。此外，商譽總額太高會導致公司可能進行利潤平滑或盈余管理，因而公司的信息不對稱程度較高、信息透明度較低。Hutton等(2009)認為公司的信息不透明度越高，管理層隱藏壞消息的可能性越大，當壞消息積累到一定的程度，一旦由于某些導火索將壞消息披露出來，股價就會在短期內迅速下跌，導致股價崩盤風險。所以，商譽減值越高，管理層盈余管理動機越強，公司的信息不對稱程度可能越高，因而股價崩盤風險越高。其次，有學者研究發現商譽數額越高，公司的會計穩健性越低（Kim等，2013)，有學者研究發現會計穩健性與股價崩盤風險顯著負相關（Kim和Zhang，2016)。所以，公司商譽數額越高，導致會計穩健性越低，進而促進了股價崩盤風險。基于以上分析，本文提出如下假設：

H1：其他條件不變時，商譽減值與股價崩盤風險顯著正相關。

三、模型構建與變量定義

（一）模型構建

為了檢驗假設H1是否成立，本文利用模型（1）進行回歸分析：

模型（1）中，CRASH代表公司股價崩盤風險，本文用兩個指標來衡量：經過市場收益調整后的周收益負偏態系數（NS表示，是Negative conditional return skewness術語的縮寫）；股票周收益率的上下波動比例（DU），具體計算過程詳見變量定義部分。GWM表示上市公司商譽減值數額，本文用當年商譽減值總額的自然對數來衡量。CONT代表回歸模型中的控制變量。YEAR是虛擬變量，用于控制年度；IND是虛擬變量，用于控制行業。

本文以2009年至2018年滬深上市公司為樣本，樣本選擇過程如下：首先，剔除金融保險類上市公司、（＊）ST上市公司和公用事業類上市公司，因為這些類別的上市公司在財務特征、信息披露等方面與其他公司差異較大；其次，剔除因變量、自變量和控制變量缺失的數據，最后得到18636個公司--年度樣本。本文相關數據來源于國泰安數據庫（CSMAR），所有連續變量在1%和99%水平上進行縮尾處理。

（二）變量選擇與定義

1.股價崩盤風險的定義

根據Jin和Myers（2006）的研究，本文采用經過市場收益調整后的周收益負偏態系數（NS表示）與股票周收益率的上下波動比例（DU）兩個指標衡量股價崩盤風險。

表3 變量Pearson和Spearman相關關系

表4 隨機效應和固定效應模型回歸結果

（1）經過市場收益調整后的周收益率負偏態系數的計算步驟

第一，利用公式（2）計算經過市場周收益率調整的某上市公司周收益率的殘差項。

公式（2）中，ri,t是上市公司i在第t周的周收益率，rm,t是整個市場第t周的經過總市值加權的平均周收益率（考慮現金紅利再投資）。殘差項εi,t即為第一步需要的計算結果。

第二，根據第一步計算的結果，求出公司i第t周的周收益率的自然對數wi,t=ln(1+εi,t)。

第三，根據第二步得到的結果，用公式（3）計算得出經過市場收益調整后的周收益負偏態系數（NS）。

（2）股票周收益率的上下波動比例（DU）的計算步驟

第一，根據上面求得的wi,t，利用公式（4）計算股票周收益率的上下波動比例（DU）。

公式（4）中，nu是某上市公司股票一年內，其周收益率大于等于本年度平均周收益率的次數，反之，nd是某上市公司股票一年內，其周收益率小于本年度平均周收益率的次數。

綜上所述，當NS和DU的數值越大時，表明該上市公司股票的股價崩盤風險越高。

2.商譽減值

借鑒已有研究，本文擬采用當年計提的商譽減值總額取自然對數來衡量該上市公司的商譽減值（GWM）。

表5 內部治理、機構投資者持股比例的進一步檢驗

3.信息不對稱（ABACC）

根據已有相關研究文獻（Hutton等，2009），本文采用可操控應計利潤的絕對值來衡量公司的信息不對稱程度，具體用修正的Jones模型計算得到。

一般來說，ABACC的數值越大，公司的信息不對稱程度越高。

4.控制變量

基于Kim等（2011）前人關于股價崩盤風險影響因素的相關研究，本文控制如下變量：第t期NS、上市公司超額月平均換手率（EXT）、上市公司當年周收益率的標準差（SIG）、上市公司當年周收益率的均值（RET）、公司規模（SIZE）、公司總資產收益率（ROA）、市值賬面比（MB）、公司資產負債率（LEV）、公司透明度（ABACC）、機構投資者持股比例（IP）、董事會規模（BSIZE）、獨立董事比例（IDP），同時本文還控制了年度（YEAR）和行業（IND）。本文所有變量說明見表1。

（三）描述性統計分析

各變量的均值、分位數、極大極小值、標準差等描述性統計分析的結果見表2。NS的均值為-0.274，標準差為0.574，極大極小值分別為0.875和-1.583，說明樣本中各公司的NS值差異較大。DU的均值為-0.196，標準差為0.653，極大極小值分別為1.093和-1.764，說明樣本中各公司的DU值差異較大。商譽減值GWM的均值為0.408，標準差為0.482，極大極小值分別為1和0，說明樣本中各公司的GWM值差異較大?？刂谱兞恐校~月均換手率EXT的均值為-2.862，標準差為36.159，極大極小值分別為83.438和-86.172，說明樣本中各公司的EXT值差異較大。周收益率標準差SIG的均值為0.069，標準差為0.168，極大極小值為0.164和0.028，說明樣本中各公司SIG值差異較大。周收益率均值RET的均值為0.019，標準差為0.028，極大極小值為0.038和-0.019，說明樣本中各公司RET值差異較大。獨立董事比例IDP的均值為0.391，標準差為0.217，最大最小值分別為0.509和0.319，符合我國政策要求上市公司獨立董事的比例至少1/3的規定。其他變量的均值及各統計量都在合理范圍之內。

四、實證結果分析

（一）變量Pearson和Spearman相關關系

在回歸之前，本文擬對變量之間的相關關系進行分析，Pearson相關關系的系數及顯著性見表3左下方，Spearman相關關系的系數及顯著性見表格右上方。相關關系分析結果顯示：GWM與NS的相關系數為0.204，且在0.01水平上顯著正相關；GWM與DU的相關系數為0.219，且在0.01水平上顯著正相關，表明商譽減值與股價崩盤風險的兩個指標在0.01水平上顯著正相關，即在不控制其他變量時，商譽減值提升了股價崩盤風險?？刂谱兞恐校蟛糠肿兞恐辽僭?.1水平上與股價崩盤風險顯著正相關，但目前結果并沒有控制其他變量。

表6 自變量替代回歸分析

（二）面板回歸分析

表4是本文模型面板隨機效應和固定效應的回歸結果。第（1）列和第（2）列是面板隨機效應的回歸分析，結果顯示：NS與GWM在0.01水平上顯著正相關，DU與GWM在0.01水平上顯著正相關，表明商譽減值增加了股價崩盤風險，驗證了本文假設H1。第（3）列和第（4）列是面板固定效應的回歸分析，結果顯示：NS與GWM在0.01水平上顯著正相關，DU與GWM在0.01水平上顯著正相關，表明商譽減值增加了股價崩盤風險，同樣驗證了本文假設H1。無論采用面板固定效應還是面板隨機效應，商譽減值都促進了股價崩盤風險。

控制變量中，超額月均換手率、周收益率的標準差、總資產收益率、機構投資者持股比例、獨立董事比例、董事會規模與NS、DU至少在0.05水平上顯著負相關，表明超額月均換手率、周收益率的標準差、總資產收益率、機構投資者持股比例、獨立董事比例、董事會規模降低了公司的股價崩盤風險。周收益率的均值、公司規模、市值賬面比、資產負債率和信息不對稱程度與NS、DU至少在0.05水平上顯著正相關，表明周收益率的均值、公司規模、市值賬面比、資產負債率和信息不對稱程度促進了股價崩盤風險。

（三）進一步檢驗

為了驗證商譽減值對股價崩盤風險的影響是否會在不同情境下有所不同，本文擬從內部治理水平（獨立董事比例）和外部治理水平（機構投資者持股比例）對不同情境下的影響結果進行檢驗。表5中第（1）列和第（2）列是內部治理水平（獨立董事比例）的檢驗結果，結果顯示：NS與GWM ＊ IDP在0.01水平上顯著負相關，DU與GWM ＊ IDP在0.01水平上顯著負相關，表明當獨立董事比例較低時，商譽減值對股價崩盤風險兩個指標的正向影響越明顯。表5中第（3）列和第（4）列是內部治理水平（獨立董事比例）的檢驗結果，結果顯示：NS與GWM ＊ IP在0.01水平上顯著負相關，DU與GWM ＊ IP在0.01水平上顯著負相關，表明當機構投資者持股比例較低時，商譽減值對NS的正向影響越明顯。

五、穩健性檢驗

（一）自變量替代

為了保證實證結論的穩健性，本文擬采用變量替代的方法對已有模型進行重新回歸。本文用商譽減值除以商譽總額的比例（GWMP）作為GWM的替代變量。表6中第（1）列和第（2）列是自變量替代的面板隨機效應回歸結果。第（1）列和第（2）列結果顯示：GWMP與NS、DU在0.01水平上顯著正相關，說明商譽減值提高了公司股價崩盤風險，支持假設H1。第（3）列和第（4）列是自變量替代的面板固定效應回歸結果。第（3）列和第（4）列結果顯示：GWMP與NS、DU在0.01水平上顯著正相關，說明商譽減值提高了公司股價崩盤風險，支持假設H1。

（二）OLS回歸和雙重聚類分析

為了驗證模型的穩健性，本文擬采用OLS模型進行重新回歸，同時，模型中可能存在異方差等問題，本文還將采用雙重聚類（公司和年度）對模型進行重新檢驗（沈華玉等，2018）。表7中第（1）列和第（2）列是OLS回歸分析的結果，結果顯示：GWM與NS、DU在0.01水平上顯著正相關，支持假設H1，表明本文的研究結論比較穩健。第（3）列和第（4）列是雙重聚類的回歸結果，結果顯示：GWM與NS、DU在0.01水平上顯著正相關，支持假設H1。

表7 OLS回歸和雙重聚類分析

六、研究結論與啟示

本文以2009年至2018年中國上市公司為樣本，對商譽減值如何影響股價崩盤風險進行研究。結果顯示：商譽減值與股價崩盤風險在0.01水平上顯著正相關，說明商譽減值促進了股價崩盤風險。進一步研究結論顯示：當公司內部治理水平越差時，商譽減值對公司股價崩盤風險的正向影響越明顯；當公司機構投資者持股比例越低時，商譽減值對公司股價崩盤風險的正向影響越明顯。

本文探討了商譽減值對公司股價崩盤風險的影響研究，研究啟示如下：首先，商譽減值和股價崩盤風險是近幾年學術界和媒體關注的熱點話題，本文研究發現商譽減值促進了股價崩盤風險，因而為了避免商譽減值給上市公司股價帶來的不良影響，公司高層應該重視并購中的商譽及未來可能存在的商譽減值情況，需要對并購標的公司的估值進行謹慎科學的判斷。其次，當公司內部治理水平越低時、公司外部治理水平越低時，商譽減值對公司股價崩盤風險的正向影響越明顯。因而，公司管理層應該通過多種渠道提高公司內部的治理水平，通過多樣化方式提高公司的外部治理水平，進而緩解商譽減值帶來的股價崩盤風險。