滬深A 股上市公司股價崩盤風險與業績關系問題研究

周佳妍 王宏 東華大學旭日工商管理學院

一、引言

近幾年來，不斷有新聞媒體爆出上市公司出現各種問題，新聞媒體界將此類現象形象地概括為上市公司的“爆雷潮”。而各種問題的爆出對其上市公司的股價也造成了一定的影響，甚至導致其股價大跌，從而出現上市公司的股價崩盤現象。

造成上市公司股價崩盤的原因有很多，主要包括財務造假、債務違約、業績大幅度下滑、股東行為等。在進行相關案例的初步分析后發現，財務造假和業績大幅度下滑是影響最大的兩類，財務造假具有隱蔽性的特點，因此其不太容易被察覺，而上市公司的業績作為財務報表披露中的重要內容，廣大投資者可以方便獲取。業績問題主要表現為業績突然的大幅度下滑，在滬深3600 多家上市公司中，2018 年的凈利潤為負的上市公司多達450 多家，其中虧損金額最高為傳媒行業的天神娛樂，其虧損金額高達-71.51億元，較同期下降了803.53%，而其市值約為39.71 億元，其虧損額度已經超過了其總市值，可見其業績問題之嚴重。因此，本文希望以滬深A 股上市公司為樣本，通過研究業績與股價崩盤風險之間的關系，讓廣大中小投資者了解上市公司中存在的由于業績問題導致的股價崩盤風險，在一定程度上為其投資決策提供幫助，從而使中小股東的利益得到一定程度的保障。

二、股價崩盤風險相關文獻綜述

股票崩盤是指投資者由于某種原因將所持股票大量拋出，導致股票價格迅速且持續下跌的情形（謝忱祎、駱良彬，2019）[1]。以上是基于投資者的角度考慮的，也有學者從企業角度考慮，將股價崩盤描述為，由于先前管理者隱藏企業的某些負面消息，而后因負面消息被披露出來而導致企業股價急劇下跌的現象（生洪宇、李華，2017）[2]。股價崩盤的衡量標準通常被定義為單日或數日股票價格的累計跌幅超過20%，股價崩盤風險則是指這種現象發生的可能性，即股票急劇下跌的概率。

股價崩盤的影響機制主要可以分為兩個方面：內部因素及外部因素。內部因素主要包括大股東及高管減持、并購活動等。有學者指出大股東、高管減持力度越大，股價崩盤風險越高（羅黨論、郭蒙，2019；孫淑偉等，2017）[3][4]；并購活動影響股價崩盤主要是通過商譽這一途徑，商譽源于并購活動支付的溢價，有學者研究發現并購商譽會加劇股價崩盤風險（王文姣等，2017）[5]，也有學者提出商譽不影響股價崩盤風險，商譽減值顯著正向影響公司股價崩盤風險（韓宏穩等，2019）[6]，還有學者認為商譽與商譽減值都會加劇股價崩盤風險（劉超等，2019）[7]；相關內部因素還有很多，例如企業行為、信息披露、管理層的能力等。外部因素主要包括分析師關注、機構投資者等，有學者指出，分析師關注會約束高管的壞消息“隱藏”行為，因此會造成“壞消息”的快速擴散，這會引起股價的崩盤（馮旭南等，2013）[8]；機構投資者持股比例的上升會加劇未來股價崩盤風險（于博，2019）[9]，但是機構投資者持股穩定性卻對股價崩盤有著抑制作用（朱會芳，2019）[10]。其他外部因素，如外部審計、經濟政策、外部監管、媒體關注等都會影響上市公司的股價崩盤。

三、研究設計

（一）研究假設

從相關案例的分析中可見，上市公司出現業績大幅度下滑的現象（俗稱“業績爆雷”）往往會影響公司的股價，甚至導致股價的崩盤。同時，導致上市公司業績出現問題的原因主要為：主營業務虧損、商譽減值以及除商譽減值外的資產減值和信用減值，而在這三者之中，商譽減值為主要的原因，從第二章股價崩盤的影響機制中可見，商譽減值通常與股價崩盤風險之間存在顯著的正相關關系，商譽減值無疑會使上市公司的業績變差，即商譽減值與業績負相關。

因此，基于前述分析，本文提出：

假設1：上市公司業績與股價崩盤風險負相關，即業績越好，其股價崩盤風險越小，反之也越大。

（二）模型設計與變量解釋

為了驗證假設1，本文采用了以下模型：

其中crasht+1代表上市公司第t+1 年的股價崩盤風險，本文選用經過市場調整的負收益偏態系數（NCSKEW）和股票收益率上下波動比例（DUVOL）作為衡量股價崩盤風險的指標，采用t+1 年的股價崩盤風險指標主要是為了減少內生性的問題；ROAt為衡量上市公司業績的指標，指的是第t年的資產收益率；controli,t代表的是第t 年7 個控制變量，分別為平均周持有收益率（ret）、周持有收益率標準差（sigma）、公司規模（size）、資產負債率（lev）、賬面市值比（BM）、月平均超額收益率（dturn）、信息不透明程度（em）；industry 代表行業虛擬變量，行業分類以2012 年的證監會行業標準，制造業使用二級分類，其他行業使用大類；year 代表年份虛擬變量。

（三）樣本選取與數據來源

本文選取了在2010 年已經上市并且存續至今的滬深A 股上市公司1195 家作為樣本來源，并且參照已有研究對樣本進行了篩選。篩選條件主要包括三個：第一，剔除金融行業、保險行業的上市公司；第二，在計算股價崩盤風險兩個指標時，剔除年度交易周數少于30 周的樣本；第三，剔除數據較多缺失的上市公司樣本。在經過上述三個步驟的樣本篩選后，本文最終得到滬深A 股1195 家上市公司2010 年-2019 年共11950組數據，形成一個平衡的面板數據作為本文研究的數據來源。

本文的數據全部來源于WIND 數據庫與CSMAR 數據庫，為了進一步的保證數據的可靠性，本文對面板數據中的連續變量進行了0.01 和0.99 百分位上的縮尾處理，以減少極端值數據對研究結果造成影響。

四、業績與股價崩盤風險的實證研究

（一）描述性統計

本文對股價崩盤風險的兩個指標、業績指標以及7 個控制變量進行了描述性統計，描述性統計的結果見表1。

從描述性統計的結果中可見，股價崩盤風險指標NCSKEW 和DUVOL 的均值分別為-0.230 和-0.204，這與已有學者的研究結果接近，出入的原因可能在于本文所選的樣本是2010-2019 年都存續的上市公司，并不包括新上市的上市，而上市年份較短的公司的股價波動幅度可能會較大。

NCSKEW 和DUVOL 的標準差分別為0.674 和0.464，說明這兩個指標的波動較大。業績指標總資產收益率ROA 的均值與標準差與已有學者的研究結果接近，其最大值與最小值之間的差別較大，但總體的標準差并不是很大，這可能與個別公司突然出現業績急劇下降有關。其他指標的統計值均在正常范圍內。

（二）相關性分析

為了避免變量之間多重共線性對回歸分析的影響，本文對各變量進行了Pearson相關分析和Spearman 相關分析。從相關分析結果可知，衡量ROA 指標和負收益偏態系數NCSKEW 的Spearman 相關系數和Pearson 相關系數分別為0.065 和0.030，與股票收益率上下波動比例DUVOL 的Spearman 相關系數和Pearson 相關系數分別為0.053 和0.025，且都在1%的顯著性水平上顯著，說明上市公司的業績與股價崩盤風險之間存在內在關聯。

除了解釋變量與被解釋變量之間的相關系數較大，其余控制變量之間的相關系數基本上都小于0.5，只有個別變量之間大于0.5，但最大只有0.586，小于0.6，可見所選樣本中并不存在嚴重的多重共線性問題。

表1 變量描述性統計表

表2 業績與股價崩盤風險的固定效應回歸結果

（三）固定效應回歸分析

本文通過個體效應的布羅施-帕干（BP）檢驗和Hausman 檢驗，最終選擇固定效應模型對面板數據進行回歸分析，回歸的結果如表2 所示。

股價崩盤風險指標的數值越大，表明股價崩盤風險越高。從回歸分析的結果中可以看到，總資產收益率（ROA）與負收益偏態系數（NCSKEW）和股票收益率上下波動比率（DUVOL）負相關，系數分別為-0.629 和-0.443，且在1%的水平上顯著，說明業績越好的上市公司其股價崩盤風險越低，而業績越差則股價崩盤風險越高，這與假設1 相符，即股價崩盤風險與上市公司業績呈負相關關系。

在控制變量方面，可以看到衡量信息不對稱程度的指標em 與收益偏態系數（NCSKEW）和股票收益率上下波動比率（DUVOL）正相關，且在1%的水平上顯著，表明上市公司的信息不對稱程度越高，股價崩盤風險越高，這與以往的研究結果相符。除了周持有收益率標準差（sigma）與衡量股價崩盤風險的兩個指標不顯著，以及資產負債率（lev）與股票收益率上下波動比率（DUVOL）不顯著，其余控制變量與被解釋變量都顯著。

（四）穩健性檢驗

為了驗證回歸結果的穩健性，本文用凈資產收益率（ROE）和每股收益（EPS）代替總資產收益率（ROA）分別進行固定效應回歸，引入了衡量股價崩盤風險啞變量crash①代替解釋變量進行Logistic 固定效應回歸分析，借鑒王化成（2015）[11]等的做法，在回歸分析中采用聚類標準差進行回歸分析。三者的結果顯示假設1 仍然成立，說明本文的研究結論較為可靠。

（五）進一步研究

本文進一步研究了業績“變臉”現象是否會加劇股價崩盤風險。上市公司業績披露指引規定，在公司會計年度結束一個月內，經財務核算或初步審計確認，公司該年度經營業績出現虧損、實現扭虧為盈、與上年同期相比業績出現大幅變動的（上升或下降50%），需要進行業績預告披露。本文主要關注的是業績大幅下跌造成的業績“變臉”現象，因此本文引入了一個變量SF 來衡量業績“變臉”現象，將上市公司業績出現虧損、且虧損幅度較上年同期相比超過50%的現象定義為出現業績“變臉”，即SF 取值為1，反之則取值為0。

本文對衡量股價崩盤的3 個指標與SF 都進行了回歸分析，回歸的結果如表3 所示：

表3 業績“變臉”現象與股價崩盤風險的回歸分析結果

從回歸的結果中可以看到，SF 與股價崩盤之間正相關，且均在一定的顯著性水平上顯著，也就是說，出現業績“變臉”現象會在一定程度上加劇股價崩盤風險，這與實際情況相符合。

五、結論

上市公司業績的大幅度下滑會導致其股價的崩盤，尤其是業績的突然下滑。本文選取了2010 年至2019 年持續存續的滬深A股上市公司作為本文研究的樣本來源，控制行業效應及年份效應對面板數據進行固定效應回歸分析后發現，上市公司的業績與股價崩盤風險之間呈現顯著的負相關關系，即業績越差的上市公司其股價崩盤風險越大，而業績較好的上市公司其股價崩盤風險相對較小，假設1 成立，在分別替換解釋變量和被解釋變量進行穩健性檢驗后，這一結論依然成立。

進一步的研究發現，上市公司出現“業績變臉”現象與股價崩盤風險之間存在顯著的正相關關系，即出現“業績變臉”現象會加劇公司的股價崩盤，這一結論與事實情況相符合。本文建議投資者在進行投資決策時，關注上市公司的業績情況，分析是否存在業績“變臉”導致股價崩盤的風險，合理做出投資決策。

注釋