上市公司信息披露質量對股價 極端波動的影響研究

摘要：本文以2017—2021年深圳證券交易所A股上市公司為樣本，運用聯合泊松混合模型，從暴漲和暴跌兩個角度探究信息披露質量對股價極端波動的影響情況。研究發現，二者之間存在顯著的負相關性，并且當股票價格受信息披露質量的影響出現極端波動時，相對于暴漲，出現暴跌的風險更高。此外，本文還基于聯合泊松混合模型中的隨機效應，探究了信息披露質量對股價極端波動影響在不同行業之間的差異。通過分析這種差異性，選擇適合的股票來構建投資組合，能夠幫助不同類型的投資者選擇相應投資策略，實現更有效的風險管理。

關鍵詞：信息披露質量；股價極端波動；聯合泊松混合模型；板塊隨機效應；投資策略

中圖分類號：F832.5" " " " 文獻標識碼：A" " " " 文章編號：1007-0753（2024）05-0019-13

一、引言

股票市場作為國民經濟的“晴雨表”，是資本市場的重要組成部分。相比發達國家的股市，中國股市出現暴漲、暴跌的頻率更高、幅度更大（葉彥藝等，2019）。在2014—2015年的一輪牛熊轉換期間，我國股票市場出現了千股漲停到千股跌停“過山車”式的價格變化，上證綜指從2014年初的2 109點不斷上漲，在2015年6月15日到達5 174點，在一年半的時間里漲幅超過145%。此后，股票市場行情急轉直下，上證綜指連續下跌，在兩個半月內跌破3 000點，跌幅達到42%（姜永宏等，2019）。受新冠疫情影響，2020年2月3日A股再次遭遇千股跌停，跌停數占比超過85%（李建瑩等，2024）。股價的極端波動關乎千萬投資者的利益，因此探尋股價極端波動的影響因素，防范風險的發生和擴散，對于維護股票市場穩定，促其長期健康發展，具有重大意義。

近年來，國內外學者以及相關監管部門對股價極端波動情況十分關注，其中公司與投資者之間的信息不對稱是一種重要影響因素。公司披露的信息是連接資本市場、投資者以及監管機構的重要紐帶。良好的信息披露質量有助于投資者更好地了解公司的財務狀況、業務模式、風險因素等關鍵信息，從而做出更明智的投資決策；同時也能使企業內部管理更加規范，改善企業治理結構，減少企業違規行為，降低潛在風險。然而，公司管理者往往考慮自身利益，使信息披露質量大打折扣。紙包不住火，當真實的信息暴露于市場時，必然會引起股價的劇烈波動。那么，提高上市公司信息披露質量是否能夠降低股價的極端波動風險，進而保護投資者利益呢？本文將針對這一主要問題展開研究。

本文的邊際貢獻主要體現在以下兩方面：第一，在探究信息披露質量對股價極端波動的影響時，同時考慮股價暴漲和暴跌兩種情況。目前國內外研究大多從股價暴跌或崩盤的視角出發，然而股價暴漲也是一種風險，學者們對其關注相對較少。第二，本文主要運用聯合泊松混合模型進行實證分析。相較于傳統多元回歸模型，該方法在探討信息透明度與股市關系時提供了更豐富的分析視角，同時拓展了該領域的研究方法。

二、理論分析與假設提出

股價的極端波動涵蓋暴漲與暴跌兩種情況。在探究股價極端波動時，現有文獻大多集中在對股價暴跌或崩盤的探討上。早期關于股價暴跌的研究主要聚焦在市場層面，研究框架大多基于有效市場假說或行為金融學理論，直至Romer（1993）才從信息不對稱角度來研究股價崩盤事件。在理論上被廣泛接受的解釋是Chen等（2001）提出的信息囤積假說，即公司管理層為了自身利益缺乏披露壞消息的動機，當積累的壞消息超過一個臨界點時會集中釋放到市場中，造成股票價格急跌，嚴重時可能導致股價崩盤。在此基礎上學者們開始關注公司層面的信息對股價的影響。Jin和Myers（2006）以及Hutton等（2009）發現缺乏信息透明度的公司，其股價中包含更少的公司特定信息，更可能發生股價崩盤（葉彥藝等，2019）。國內也有基于公司信息層面的相關研究，潘越等（2011）、葉穎玫（2016）認為，上市公司的信息透明度與個股暴跌的概率負相關。許年行等（2012）認為分析師會選擇向市場傳遞更多的樂觀預測和評級，并減少負面消息的傳遞，從而加劇了投資者與企業之間的信息不對稱，提高了股價崩盤風險。

相比股價暴跌，股價暴漲的研究較少。高昊宇等（2017）在機構投資者抑制股價極端波動的研究中，對漲跌停極端風險事件的相關性進行了初步探討，發現暴漲與暴跌有較高的正相關性，但未能就暴漲風險深入研究。在此基礎上，葉彥藝等（2019）探究了暴漲股票的特點和動因，研究發現暴漲股票長期超額收益率較低，未來有更大的暴跌風險和更高的收益波動率。他們認為股價暴漲是短期價格泡沫造成的，短期價格泡沫產生于股價操縱和非理性投資者對信息的過度反應。無論何種原因，暴漲的股票未來將會回調價格，提升個股暴跌風險。

從上文可知：第一，資本市場的風險是對稱的，股價暴漲作為暴跌的對立面，也屬于風險范疇。從監管部門角度來看，我國漲跌停板制度的設立說明了暴漲蘊含風險。因此，研究也應關注股價暴漲的影響因素。第二，股價的暴漲暴跌均與信息不對稱有關。上市公司披露的信息是市場參與者的“溝通橋梁”，信息披露質量的高低直接影響著投資者與企業間信息不對稱程度的大小，因此信息披露與股價極端波動之間必然存在著某種聯系。一方面，高質量的信息披露說明企業管理層隱藏壞消息的可能性較低，從而降低壞消息不斷積累造成股價暴跌的概率。另一方面，高質量的信息披露也可以減少非理性投資者對利好消息的盲目認同，從而降低過度購買導致股價短期暴漲的概率。高質量的信息披露可以使得市場參與者掌握更多關于公司的真實信息，以便對公司狀況做出更加可靠的評價，對公司股價做出更為合理的估值，從而減少信息不對稱引起的股價極端波動。相反，信息披露質量低則會導致外部投資者僅能獲得公司的部分甚至不實的信息，并且由于無法識別公司管理者的機會主義行為，最終形成公司未來股價極端波動的隱患。據此，提出假設H1。

H1：信息披露質量越低的公司，其股價極端波動的風險越高。

當股價出現極端波動時，暴跌無疑是一種風險。雖然股價暴漲直觀上能夠給投資者帶來更高的回報，可以激起市場的積極情緒，但依舊可將其視為一種風險。特別是信息披露質量較差的公司，容易出現內部操縱形成虛高股價，引誘非理性投資者盲目跟風購買，導致股價暴漲。發生股價暴漲后，股票更容易受到市場參與各方的關注從而加強對該公司的監管。一旦真正的信息暴露于市場，投資者察覺到公司的潛在風險，將會大量拋售股票，從而造成更加劇烈的暴跌。因此股價暴漲只是一種短期現象，其蘊藏著大量的潛在損失，未來出現暴跌的風險更大（圖1）。另外，股票市場對好消息和壞消息的敏感程度存在差異。謝海濱等（2015）研究發現，我國股市對利好和利空消息的反應表現出非常明顯的非對稱性，與利好消息相比，利空消息更容易造成資產價格的大幅波動。因此本文認為當公司的信息披露質量較低時，投資者更容易受到負面信息的影響。負面信息會引發投資者的恐慌和拋售行為，導致股價急跌，而正面信息的影響可能需要更長的時間才能被完全反映在股價中。據此，提出假設H2。

H2：股價受到信息披露質量的影響出現極端波動時，發生暴跌的風險更高。

崔笛等（2019）研究發現，我國A股上市公司中各行業的年報信息披露情況存在較大差異。其中，制造業和信息傳輸業、軟件和信息技術服務業的整體信息披露質量較高。由于各行業所處的外部環境以及內部控制水平不同，再加上監管部門也曾指出，應該對不同行業的上市公司實行有差異的、針對性更強的信息披露要求，因此不同行業的上市公司在信息披露水平上必然存在一定程度的差異。根據前文分析，本文認為信息披露質量的高低對股價的極端波動有一定影響，因此有理由推斷不同行業板塊的信息披露質量存在差異時，其股價極端波動的情況也會呈現出不同的特點。據此，提出假設H3。

H3：信息披露質量對股價極端波動的影響在不同行業間存在差異。

三、變量說明與模型設定

（一）數據來源

本文基于CHOICE金融終端數據庫，選取2017—2021年深圳證券交易所（以下簡稱“深交所”）上市的A股公司為樣本。剔除ST和*ST類、極端數據以及數據缺失的樣本，共計得到10 510個有效樣本。采用R4.3.0和Excel對樣本數據進行統計分析。

（二）行業板塊劃分

本文依據申萬2021版本的行業分類，共計包含31個一級行業。考慮到一些行業板塊樣本數量過少，將做如下處理：將銀行板塊與非銀金融板塊合并為金融板塊，參考《上市公司環境信息披露指南》將鋼鐵、有色金屬、紡織服飾、建筑材料、煤炭、石油化工合并為重污染行業并剔除綜合類板塊。經過如上處理后共得到24個行業板塊，板塊具體信息詳見后文。

（三）變量說明

1.被解釋變量：股票漲（跌）停次數

我國股市實行漲跌停板的價格限制制度，其目的是減少股價的極端波動。股票漲（跌）停次數既是股價極端變化的直接反映，也是衡量暴漲暴跌風險的顯性方法，是所有市場參與者都認可的制度化的信號。借鑒高昊宇等（2017）的研究，本文以股票在一定時期內的漲（跌）停次數來衡量股票的暴漲（暴跌），并作為本文的被解釋變量。

2.核心解釋變量：信息披露質量

深交所2001年5月發布《深圳證券交易所上市公司信息披露工作考核辦法》（下文簡稱《辦法》），并于當年開始連續每年實施上市公司信息披露考核工作，此后分別于2008年12月、2011年11月、2013年4月、2017年5月、2020年9月先后五次對考核辦法進行了修訂。深交所考核期間為上年5月1日至當年4月30日。該《辦法》結合公司運營規范程度和投資者保護情況來綜合評定上市公司的年度信息披露情況，具有較高的權威性和可靠性。本文將深交所年度信息披露評級結果的A、B、C、D四個等級，分別賦值為4、3、2、1，以反映公司年度信息披露質量的高低。

3.控制變量

參考以往研究股價極端波動決定因素的相關文獻，例如潘越等（2011）和高昊宇等（2017）的研究，本文設定如下控制變量：公司年度成交額，以觀測年份的總銷售收入進行衡量；換手率，以觀測年份日均轉手買賣的頻率進行衡量；資產負債率，以公司總負債與總資產的比值進行衡量；波動率，以觀測年份股票收益率的標準差進行衡量；公司規模，以公司總資產的自然對數進行衡量；賬面市值比，以公司賬面價值與股票市場價值的比值進行衡量；系統性風險，以Beta值衡量個股相對于市場的風險；公司年齡，以公司成立年限的自然對數進行衡量。詳細的變量定義見表1。

（四）模型設定

1.模型說明

Yan等（2016）在Ma等（2009）的研究基礎上提出聯合泊松混合模型（Joint Poisson Mixed Model，JPMM）。“聯合”指該模型可以基于多個具有相關關系的因變量同時進行回歸。“混合”指模型中的隨機效應可以有效度量不可觀測的原因所造成的股價異常波動。聯合泊松混合模型在構建過程中使用了最佳線性無偏預測方法，在實際應用聯合泊松混合模型分析隨機聚類數據時，只需要利用隨機效應的前兩階矩來估計模型參數，從而極大提高了計算效率。在實際應用過程中，該模型曾在不同類型的犯罪人數、食品污染事件的數量（Yan等，2016）以及地震傷亡人數的預測（Zhao等，2021）中取得了良好效果。近年來，它被引入金融領域，在股價崩盤的分析中得以運用（Zhao等，2023）。

2.模型假設

借鑒Yan等（2016）的構建方式，假設共計存在K個獨立的行業板塊。設Yi1、Yi2分別代表與第i個板塊相關的漲、跌停次數（i=1，2，…，K），關于股價極端波動的聯合泊松混合模型可以用以下3個假設來描述。

假設1：設Ui為行業板塊的隨機效應，它反映了第i個板塊信息披露質量引起股價極端波動的潛在特征。假設U=（U1，…， UK ）獨立同分布，均值為1，方差為σ2，即EUi=1，VarUi=σ2。

假設2：設Vi1、Vi2為第i個行業板塊中股價暴漲與暴跌對應的隨機效應，描述了在同一板塊下信息披露質量對股價暴漲與暴跌影響程度的差異。給定行業板塊的隨機效應U=（U1，…， UK），假設V11，V12，V21，V22，…，Vk1，Vk2條件獨立，且條件均值與條件方差為，

E （ Vij | U ）" = Ui ，Var （Vij | U ） = τ2" "j Ui" " " " " " " "（1）

其中τ2" "j 代表第j個特定類別隨機效應的方差，本質上是Vi1、Vi2的方差相對于Ui的方差的倍數，因為Ui在同一個板塊下取值一致，那么τ2" "j 數值大小的差異就可以衡量Vij離散程度的差異。j =1，2；i=1，2，…，K。假設2中Vij的無條件均值也為1，即EVij=1。

假設3：在給定各行業板塊的隨機效應及各板塊下股價暴漲與暴跌的隨機效應W=（U，V）的條件下，各行業板塊下個股的漲跌停次數Y11， Y12，…，Yk1， Yk2條件獨立，且服從泊松分布，

Yij |W～Poisson（uij Vij）" " " " " " " " " " " " " " " " " " " " "（2）

其中，Yij的邊際期望與解釋變量的p維向量xij =（xij1，…， xijp）'有關。E（Yij） = uij = exp（xij' βj），j=1，2；i=1，2，…，K。參數βj = （βj1， βj2，…， βjp）'為p維自變量的回歸系數。

可以看出，解釋變量對Yij的影響，是先經過Vij的放大或縮小后才作用到Yij的，即Vij反映了Yij對信息披露質量的不同敏感程度。關于模型的多項式解釋參考Yan等（2016）的觀點，由于篇幅限制此處不再說明。

四、實證結果與分析

（一）描述性統計

表2為被解釋變量的描述性統計結果，可以發現不同行業中股價漲跌停次數的均值表現出一定差異。其中通信業、汽車業以及商貿零售業平均漲跌停次數位于前列，這可能是由于信息披露質量在不同行業間存在差異。各行業間均表現出了漲停次數高于跌停次數的特點，且二者的差異幅度在不同行業間相近，這初步說明股價暴漲和暴跌存在類別間不對稱性的可能。從表3可以看出樣本中信息披露質量的均值為3.03，中位數為3，說明整體來看樣本公司具備良好的信息披露能力。

（二）相關性分析

表4各變量間相關系數檢驗結果顯示，股價漲、跌停次數間存在較強的正相關關系，說明當股價出現極端波動時暴漲和暴跌可能相伴而生。信息披露質量與股價漲、跌停次數顯著負相關，這可以初步證明本文假設H1：信息披露質量越低的公司，其股價極端波動的風險越高。各個解釋變量間的相關系數絕對值都在0.54以下且在5%的置信水平上顯著，結合表5中VIF的最大值為2.55，遠小于警戒值10，說明不存在嚴重的多重共線性問題。

（三）回歸結果分析

本文同時給出了一組簡單泊松模型擬合結果和包含隨機效應的聯合泊松混合模型擬合結果。由于在不同行業板塊中股價暴漲和暴跌的特定類別變化可能不同，因此本文主要基于聯合泊松混合模型對結果進行討論。

在聯合泊松混合模型中，信息披露質量對股價暴漲與暴跌的回歸系數分別為-0.443 7和-0.703 5，并且由簡單泊松回歸和聯合泊松混合回歸的結果都可以看出，信息披露質量對股價暴漲和暴跌的影響在1%的水平下負向顯著。這意味著高質量的信息披露，不僅有助于降低股價發生暴跌的可能性，同時對股價暴漲也有一定的抑制作用。股價的暴漲暴跌往往是伴隨出現的，在考慮股價的極端波動時不能忽視股價的暴漲風險。進一步證明了假設H1。各行業板塊間受信息披露質量的影響出現股價極端波動的差異是適度的，σ2=0.110 3。其中不同行業板塊下股價漲跌停次數的隨機效應的離散程度估計值分別為τ12 =0.015 3，τ22 =0.044 9，這里的隨機效應代表著股價漲跌過程中非系統性、不可預測的部分，而離散程度則衡量了隨機效應的變化幅度和頻率。因此τ12和τ22的差異說明相較于暴漲，股價暴跌的頻率和幅度更大，同時證明了本文假設H2，股價受到信息披露質量的影響出現極端波動時，發生暴跌的風險更高。

除資產負債率以外，其他控制變量對被解釋變量的影響均是顯著的。可以明顯看出控制變量的回歸系數普遍較小，這說明控制變量對被解釋變量的貢獻力度弱于核心解釋變量。為了更精確地使用該模型進行討論，本文剔除不顯著變量（p值＞0.05）使用Wald檢驗，并對聯合泊松混合回歸模型進行更新，更新后模型的回歸結果如表7所示。

在更新后的模型中，其余變量的顯著性影響與完整的回歸結果基本一致。為了能夠更加直觀地對比不同行業板塊受信息披露質量影響出現股價極端波動的差異，表8整理了各板塊隨機效應估計值，具體計算公式如下（Yan等，2016）：

U" " ︿i = 1+σ2 ∑2j=1" / 1+σ2 ∑2j=1" " " " " "（3）

V" " ︿ij" =" " " " " " " " " " " " " " " " " " " " " " " " " "（4）

可以看出股價暴漲和暴跌的隨機效應Vi1、Vi2的強度大小主要基于板塊隨機效應Ui。從表8可知，信息披露質量對股價極端波動的影響在不同行業間存在差異，證明了本文假設H3。雖然板塊隨機效應Ui的數值總體在0.7—1.4 范圍內，但考慮到全部個股漲停次數的均值為3.962 8次，跌停次數的均值為1.497 7次，說明該范圍內的板塊隨機效應能夠造成板塊間實際漲跌停次數存在的明顯差異。隨機效應值較大的幾個板塊分別為公用事業、房地產、商貿零售行業；隨機效應值較小的幾個板塊分別為食品飲料、美容護理和國防軍工行業。

（四）穩健性檢驗

1.交易所考評降級與股價極端波動

借鑒肖土盛等（2017）、陳遠志和田靖（2021）的研究，本文進一步考察公司信息披露質量的變化對股價極端波動的影響。引入交易所考評降級虛擬變量（dum），若i公司第t年的信息披露考評結果相較于t-1年下降則取1，反之則取0；同時剔除前后兩年信息披露考評結果不變的樣本。表9列（1）、列（2）顯示，當以up和down作為被解釋變量時，虛擬變量的回歸系數分別為0.241 5和0.500 6，且均在1%的水平下顯著，說明當信息披露考評結果下降時，公司股價暴漲與暴跌的風險均顯著上升。這進一步證明了上文結論的穩健性。

2.替換核心解釋變量

借鑒湯小芳（2020）的研究，會計穩健性要求會計人員在報告財務信息時，不能高估資產和收益，同時不能低估負債和損失。這有助于確保企業財務報告的真實性。故本文采用會計穩健性（C-score）作為信息披露質量的替換變量。表9列（3）、列（4）顯示，替換變量后，信息披露質量對股價暴漲的影響在1%的水平上負向顯著；對股價暴跌的影響略有降低，但仍然能夠在5%的置信水平上負向顯著，證明了本文結論的穩健性。

3.滯后核心解釋變量

考慮到信息披露質量對個股波動情況的影響在未來期可能也有所體現，本文將核心解釋變量滯后一期，結果如表9列（5）、列（6）所示，核心解釋變量與大多數控制變量依舊保持較好的回歸效果，再次表明本文結論穩健。

（五）內生性檢驗

本文使用公司的高管人數作為工具變量（IV），進行內生性檢驗。公司的高管人數一定程度上反映了公司的內部管理情況。公司高管人數多說明公司管理能力較強，從而有利于提高公司的信息披露質量，因此工具變量滿足相關性。同時，高管人數的變化通常由公司戰略、業務擴展等因素決定，這些因素與股價波動無直接聯系，因此工具變量滿足外生性。工具變量的回歸結果見表10，F統計量的值遠大于10，說明不存在弱工具變量問題；LM檢驗p值為0.000 0，說明不存在識別不足的問題。第一階段的回歸系數顯著為正，第二階段的回歸系數顯著為負，說明基準模型結果具有一定的穩健性。

五、股價極端波動的板塊差異在投資決策中的應用

經過前文實證分析發現，信息披露質量對于股價極端波動的影響在不同行業板塊間存在差異。為了說明聯合泊松混合模型中的隨機效應可用于投資決策，本文選取2021年數據再次回歸，并根據隨機效應值構建投資組合，從而為不同類型的投資者提供相應投資策略，實現有效的風險管理。

（一）投資策略分析

股價漲跌停次數的隨機效應大小代表了某一行業板塊中股價上升或下降趨勢相對于總體的幅度。由于投資的第一目標是盈利，所以無論在哪種策略下，都需要加入約束條件：Vi1＞Vi2。這在理論上保證了投資標的價值上升的強度大于下跌的強度，即總是存在著或大或小的盈利空間。

首先，對各個行業板塊按照板塊隨機效應值降序排列；其次，選擇漲停隨機效應大于跌停隨機效應的板塊作為初步選擇范圍；最后，選擇板塊隨機效應較大（較小）的行業作為風險偏好者（風險厭惡者）投資標的選擇范圍。符合條件的行業板塊如表11所示。選擇的邏輯在于，在同樣的市場條件下，對于風險偏好者來說，所選投資標的的上漲趨勢要大于市場平均水平；對于風險厭惡者來說，所選投資標的的下跌趨勢要小于市場平均水平。

（二）投資組合的構建

按照上文的投資策略，兩種類型的投資者分別隨機選擇三個行業中的15只股票，并使用等資金分配法構建投資組合。投資組合的初始金額設為150萬元，以股票買入當天的價格來決定其在投資組合中所占權重。投資者的投資標的如表12所示。

（三）投資效果衡量

本文以深證成指作為對照組，通過比較投資組合與指數的收益率來評估投資組合的有效性。考慮到時間的連續性，選擇2022年一整年及2023年上半年作為投資期。受新冠疫情影響，2022年我國股市表現悲觀，不同投資期的收益率表現能有效評估投資組合在不同市場環境下的有效性。首先對所選行業板塊的有效性進行驗證。將收益率作為被解釋變量，引入虛擬變量（dv），將基于隨機效應篩選出的行業內的公司樣本賦值為1，否則為0，同時選取凈資產收益率（roe）、公司市值（mv）等作為控制變量。表13顯示，虛擬變量與收益率顯著正相關，說明整體來看基于隨機效應選出的行業內的公司收益率相對較高。

以投資組合期末價值與期初價值之差除以期初價值，計算投資組合收益率，結果發現：當投資期為2023年上半年時，兩個投資組合的收益率均大于指數收益率；當投資期為2022年時，指數的收益率為-25.52%，風險偏好者和風險厭惡者的投資組合收益率分別為-11.83%和-5.07%。這表明，盡管面對悲觀的股市行情，投資組合的收益率仍然能夠在一定程度上超越指數收益率，說明投資組合是有效的。并且風險偏好者收益率的波動率始終高于風險厭惡者的波動率，說明風險厭惡者在持有資產期間所面臨的收益不確定性相對較低，這進一步驗證了投資組合的有效性。

六、結論與建議

（一）結論

本文基于2017—2021年深交所A股上市公司數據，采用聯合泊松混合模型，探究信息披露與股價極端波動之間的關系，得出以下結論：第一，上市公司的信息披露質量越低，股價發生極端波動的風險越高。 第二，當股價受信息披露質量的影響發生極端波動時，暴跌比暴漲的風險高。 第三，信息披露質量影響股價極端波動的情況在不同行業間存在差異。最后，本文將聯合泊松混合模型的回歸結果運用到投資者決策中，根據不同行業板塊中的隨機效應值，構建相應投資組合，驗證了投資組合的有效性，本文研究能夠幫助實現投資者追求回報及風險管理的投資目標。

（二）相關建議

第一，鑒于交易所的信息披露考評結果在一定程度上會影響上市公司的股價走勢，我國三大交易所應進一步完善信息披露考評制度。目前我國滬深交易所的信息披露考評制度存在一定的差異，不利于提升信息披露考評制度的綜合實施效果。未來我國三大交易所的信息披露考評制度改革應統一規范具體的考核時間區間、考核結果的公告時間等，從而全面提升A股市場的信息效率。其中，北交所成立時間相對較晚，更應該從一開始就結合注冊制，實施面向未來的信息披露考評機制。

第二，監管層必須嚴格督促上市公司進一步提高信息披露質量，尤其是信息披露考評連續多個年度不佳以及兩權分離度較高的企業。如果上市公司信息披露不完整，存在重大遺漏，或者選擇性地披露好消息、隱藏壞消息，則容易引發股價極端波動風險，極大地損害投資者利益。因此，要重視信息披露質量的完整性、及時性與真實性，促使企業規范內部管理，切實保護投資者利益。

第三，強化漲跌停板制度的政策導向作用。漲跌停板制度是證券市場的一種價格限制機制，用于控制股票單個交易日內的價格波動幅度，它的設立在維持股票市場穩定發展、保護投資者利益、防止過度投機等方面做出了巨大貢獻。未來，市場管理者和監督者應著力引導投資者樹立對漲跌停板的正確認識，繼續發揮好漲跌停板的“指示標”和“冷卻劑”作用，從而保證金融市場健康穩定發展。

參考文獻：

[1] 葉彥藝，高昊宇，楊曉光.股價暴漲的風險：基于中國股市的實證[J].中國管理科學，2019，27（07）：11-22.

[2] 姜永宏，穆金旗，趙婷婷.大股東交易與中國A股市場股價暴漲暴跌風險[J].南方金融，2019，（02）：3-11.

[3] 李建瑩，劉維奇，原東良.企業社會責任與股價極端波動風險——基于企業參與貧困治理視角的研究[J/OL].中國管理科學，1-16[2024-07-04].https：//doi.org/10.16381/j.cnki.issn1003-207x.2021.2626.

[4] ROMER D. Rational asset-price movements without news[J]. American Economic Review， 1993， 83（05）： 1112-1130.

[5] 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， 61（03）：345-381.

[6] JIN L， MYERS S C. R2 around the world： New theory and new tests[J]. Journal of Financial Economics， 2006， 79（02）： 257-292.

[7] HUTTON A P， MARCUS A J， TEHRANIAN H. Opaque financial reports， R2， and crash risk[J]. Journal of Financial Economics， 2009， 94（01）： 67-86.

[8]潘越，戴亦一，林超群.信息不透明、分析師關注與個股暴跌風險[J].金融研究，2011（09）：138-151.

[9]葉穎玫.信息披露質量與股價暴跌風險[J].會計論壇，2016，15（01）：110-124.

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

[11]高昊宇，楊曉光，葉彥藝.機構投資者對暴漲暴跌的抑制作用：基于中國市場的實證[J]. 金融研究，2017（02）：163-178.

[12]謝海濱，范奎奎，周末.中國股市對利好和利空信息反應的差異研究[J].系統工程理論與實踐，2015，35（07）：1777-1783.

[13]崔笛，鄭明，李巖，等.基于分類體系的上市公司年報信息披露質量研究——以我國A股上市公司為例[J].情報學報，2019，38（12）：1250-1259.

[14] YAN G， HASAN M T， MA R. Modeling proportions and marginal counts simultaneously for clustered multinomial data with random cluster sizes[J]. Journal of Applied Statistics， 2016， 43（06）： 1074-1087.

[15] MA R， J?RGENSEN B， WILLMS J D. Clustered binary data with random cluster sizes： A dual poisson modelling approach[J]. Statistical Modelling， 2009， 9（02）： 137-150.

[16] ZHAO M， JIANG W， YAN G， et al. Instant prediction of earthquake casualties for early rescue planning： A joint Poisson mixed modeling approach[J]. International Journal of Disaster Risk Reduction， 2021， 58（05）：1-11.

[17] ZHAO R， MA R， YAN G， et al. Modeling clustered binary data with nonparametric unobserved heterogeneity：An application to stock crash analysis[J]. Applied Stochastic Models in Business and Industry， 2023， 39（06）： 818-828.

[18]肖土盛，宋順林，李路.信息披露質量與股價崩盤風險：分析師預測的中介作用[J].財經研究，2017，43（02）：110-121.

[19]陳遠志，田靖.信息披露質量、投資者預期與股價崩盤風險——基于中小板和創業板上市公司的實證研究[J].金融監管研究，2021（12）：75-91.

[20]湯小芳.信息披露質量對資產價格波動的影響研究——基于會計穩健性視角的分析[J].價格理論與實踐，2020（09）：115-118.

（責任編輯：唐詩柔）

作者簡介：周金蒨，碩士研究生，云南師范大學泛亞商學院，研究方向為金融風險管理、計量金融學。

孟佳欣，碩士研究生，云南師范大學泛亞商學院，研究方向為計量金融學。

蔣文江，博士，教授，碩士生導師，云南師范大學泛亞商學院，研究方向為數理統計、金融數學。

基金項目：國家自然科學基金“基于α-VG分布的多元時間序列模型及其在金融建模中的應用研究”（11361022）。