朱 敏周 磊

（1.安徽工程大学，安徽 芜湖241000；2.中南财经政法大学，湖北 武汉430073；3．云南民族大学，云南 昆明650500）

一、引言

资本市场的基本功能是利用股票价格的信号机制实现资源的最优配置，在一个功能有效的证券市场里，价格能引导稀缺的资本实现其最大的回报，股票价格的这种引导资源配置作用的大小取决于其反映企业真实信息的能力（朱红军等，2007）[1]。然而，在委托代理理论框架下，公司管理层常常基于薪酬契约、税收规避、职业生涯和帝国建造等动机，通过操纵会计盈余来隐藏坏消息，随着经营周期的持续，坏消息将在公司内部不断累积，进而导致股票价格被高估（Kim 等，2011a、2011b）[2][3]，一旦坏消息达到临界值，隐瞒成本变得异常高昂，无法再隐藏的坏消息大量集中向市场释放，对公司股价造成极大的负面冲击，导致股价大跌进而发生崩盘（Jin和Myers，2006；Hutton等，2009；许年行等，2012）[4-6]。上世纪以来，全球股票市场经历了多次股价崩盘①，严重影响到资本市场的健康发展，危及各主体国家的金融稳定。因此，长期以来，股价崩盘问题受到监管者、投资者和学术界的高度关注。但现有文献多从公司管理层隐藏坏消息的动机入手展开研究，较少有文献直接从缓解资本市场信息不对称的角度，研究降低股价崩盘风险的可能途径。

证券分析师是资本市场的重要参与者和不可或缺的信息中介，作为资本市场的纽带，连接着投资者、上市公司等多方市场参与主体，他们受过良好的专业训练，拥有丰富的行业背景，通过搜集、解读和加工上市公司信息，预测公司未来的收益，向资本市场提供大量有价值的信息，在一定程度上降低上市公司与投资者之间的信息不对称程度，促进市场有效运行（岳衡和林小驰，2008）[7]。由于盈余预测信息在资本市场中的重要作用，使得分析师的盈余预测行为也成了资本市场研究的一个重要对象（Beaver，2002[8]；石桂峰等，2007）。[9]那么，分析师能否有效的发挥信息中介作用，其盈余预测行为究竟能否及时揭露公司隐藏的坏消息，进而抑制股价下跌乃至崩盘呢？中国资本市场为研究这一问题提供了理想的研究样本和实验场所。首先，与西方发达国家相比，我国证券市场发展的历史较短，制度缺陷与监管不完善使得市场存在不成熟性和不稳定性，信息不对称现象严重，由此导致的“羊群效应”及随之而来的股价大涨大跌成为资本市场普遍存在的问题。其次，我国的证券咨询行业几乎是伴随着证券市场的建立而产生的，其中既有证券咨询公司的职业股评家，也有券商旗下的研究咨询机构，他们或在证券媒体上发表股评，或向客户提供研究报告、进行投资推荐和盈利预测（朱红军等，2007）[1]。然而，国内有少数分析师存在与庄家勾结、发布虚假评论、操纵股价的行为，这严重影响到投资者对分析师预测分析结论的信任，对其在市场中发挥的作用产生质疑。因此，在这样的市场大环境中，研究公司外部的信息分析中介（如，证券分析师）在抑制股价大幅波动、增进市场效率方面所发挥的作用，不仅有利于指导外部投资者做出合理的投资决策，而且对于我国证券市场的长远健康发展意义重大。

文章的贡献体现在三个方面：首先，不同于以往大量集中于分析师盈余预测准确度影响因素的研究，本文考察了分析师盈余预测准确度对其他经济活动的影响，从而丰富了分析师盈余预测经济后果的相关研究；其次，以往文献大多从公司内部管理层隐瞒坏消息的行为动机角度研究股价崩盘风险，本文从公司外部信息分析中介——证券分析师入手，探讨在抑制股价崩盘风险方面，分析师盈余预测所发挥的作用，为股价崩盘风险领域的研究进行拓展。最后，本文基于中国的特殊制度背景，深入考察股权性质、上市时间等公司特征对分析师盈余预测与股价崩盘风险间关系的影响，实证结果为股价崩盘风险的理论研究提供了来自新兴转型经济国家的证据。

二、文献回顾与研究假设

现存的关于股价崩盘风险的研究文献主要是从公司金融理论与金融市场理论两个维度展开的（江轩宇和许年行，2014）[10]。

Jin和Myers是最早从公司金融的角度对股价崩盘风险进行研究的学者，他们主要从公司内部管理决策行为的视角出发，研究认为信息不对称的存在为管理层隐藏坏信息的机会主义行为提供了可能，但公司对坏信息的容纳存在一个上限，一旦累积的坏信息超过临界值，无法继续隐藏时，将集中释放，对股价形成巨大的负面冲击。此后，众多实证研究对上述理论进行了支持。研究表明，当信息不对称程度越严重（潘越等，2011）[11]，管理层期权价值与股票价格的敏感性、过度自信程度或在职消费水平越高（Kim等，2011b[3]、2013[12]；Xu等，2014[13]），企业避税行为越激进（江轩宇，2013）[14]，上市公司的股价崩盘风险越大；而随着公司治理水平的改善，如采取更稳健的会计政策（Kim 和 Zhang，2013）[15]，聘请女性高管（李小荣和刘行，2012）[16]，积极机构投资者的持股比例越高（An和Zhang，2013）[17]，聘请的会计师事务所具有更强的审计行业专长（江轩宇和伊志宏，2013）[18]及地区的税收征管力度越强（江轩宇，2013）[14]，上市公司的股价崩盘风险将降低。

基于金融市场理论对股价崩盘风险展开研究的视角主要是资本市场的参与者。其中，作为资本市场重要信息中介的证券分析师，由于具有专业知识与信息搜集加工的相对优势，能向市场参与者提供合理反映公司内在价值的信息，减弱市场的价格偏离，降低公司与投资者之间的信息不对称程度，降低契约成本，因此在资本市场中扮演着重要角色（Beaver，1998）[19]。分析师不仅限于应用公开的市场信息，还从公司管理层挖掘私有信息，这样不仅使分析师预测准确度进一步提高，而且还能促进公司治理的完善（Healy 和 Palepu，2001）[20]，及时揭示公司管理层隐藏的坏消息并向市场发布，缓解信息不对称，防止坏消息累积后瞬间向市场释放所带来的股价崩盘风险。此外，许年行等（2012）[6]考虑了证券分析师的乐观偏差对股价崩盘风险的影响，他们认为即使投资者不存在异质信念，但由于证券分析师提供的信息存在正向偏误，仍然可能导致投资者高估股价，一旦股价被高估的公司基本面信息披露到市场上，必然导致股价“泡沫”破灭、股价大幅下跌进而崩盘。基于此，本文提出假设1：

H1：分析师盈余预测准确度越高，股价未来发生崩盘的风险就越低。

作为新兴转型经济国家，中国的企业股权性质直接影响着资本市场的发展。政府一方面以国有资产代表的身份参与企业经营，另一方面，以行政主体的身份给予企业财政补贴（陈晓和李静，2001）［21］、低息银行贷款（林毅夫和李志赟，2004）［22］，为企业注入优质资源（李增泉等，2005）［23］，并最终通过行政和市场的双重调控，促使国有企业行为承载国民经济发展的战略规划，提供就业岗位、增加财政收入、维护社会稳定（辛清泉和谭伟强，2009）［24］。此外，国有企业管理层考核机制一般不单纯以财务业绩为标准（Kato和Long，2006）［25］，而是更加注重政治目标的完成情况（吴联生等，2010）［26］，因此，企业管理层相对较少有动机通过隐藏坏消息的手段来操纵盈余以提高业绩。由此可见，国有股权性质的上市公司信息不对称程度相对较低。基于此，本文提出假设2：

H2：与非国有上市公司相比，在国有上市公司中，分析师盈余预测准确度与股价未来崩盘风险间的负向影响关系更显著。

一般而言，公司在上市之初，由于信息传递滞后效应导致的信息不对称，公司内部的信息不易被外部市场参与者获知。随着上市公司上市时间的不断增长，公司与外界的信息不对称程度逐渐减弱，证券分析师等资本市场的信息中介能通过公司信息对公司盈余情况进行预测，并将预测信息及时传递到资本市场上，进一步缓解信息不对称。因此，管理层与投资者之间的信息不对称与公司上市时间长短有相关关系（Ecker等，2006）[27]，随着公司上市时间增长，各种财务与非财务数据的披露量随之增加，分析师跟踪也会增强（Pittman 和 Fortin，2004）[28]，所以市场上可供投资者参考的信息也会增多，信息不对称程度就会减弱，在这样的公司中，分析师盈余预测的准确度与公司股价崩盘风险间的负向影响关系更强。基于此，本文提出假设3：

H3：与上市时间较短的公司相比，上市时间较长的公司，分析师盈余预测准确度与股价未来崩盘风险间的负向影响关系更显著。

三、研究设计

（一）样本选择和数据来源

文章以沪深两市2001—2011年所有A股上市公司作为初选样本。文中用到的股票周收益率数据来自北京聚源锐思数据科技有限公司的RESSET数据库，其余数据均来自深圳国泰安信息技术有限公司的CSMAR数据库。考虑到回归模型中被解释变量NCSKEW、DUVOL采用的是超前一期的数据，所以本文使用的数据实际时间跨度为2002-2010年。

对于初始的样本数据，我们进行了如下的处理：（1）为了估计股价崩盘风险的数值，借鉴Jin和Myers（2006）[4]的研究，剔除每家公司在每个会计年度股票收益率数据少于30周的样本；（2）剔除金融类上市公司；（3）剔除 ST、PT 的公司；（4）剔除总资产和所有者权益小于零的样本；（5）剔除数据缺失样本。根据上述标准，最终得到4788个公司年度观测值。

（二）变量的选择和度量

1．被解释变量：股价崩盘风险

借鉴 Chen 等（2001）[29]及 Kim 等（2011a，2011b）[2-3]的方法，本文使用两种方法来度量上市公司股价崩盘风险，具体度量方法如下：

首先，使用上市公司股票周收益率数据对模型（1）进行回归：

在模型中，Rj,t表示股票j在第t周考虑现金红利再投资的收益率，Rm,t为所有股票在第t周使用流通市值加权的平均收益率，在模型中加入市场收益率的滞后项和超前项是为了调整股票非同步性交易带来的影响（Dimson，1979）[30]。将股票 j在第 t周的公司特有收益率Wj,t定义为ln(1+εj,t)其中εj,t为模型回归的残差。然后，基于Wj,t我们选取以下两个变量来度量股价崩盘风险：

第一，收益负偏态系数NCSKEW：

在式（2）中，n为每年股票j的交易周数，负偏态系数NCSKEW的数值越大，表示股价崩盘的风险越大。

第二，收益上下波动比率DUVOL：

在式（3）中，nu(nd)为股票 j的周特有收益 Wj,t大于(小于)年平均收益Wj的周数。DUVOL的数值越大，代表收益率分布更倾向于左偏，股价崩盘风险越大。

2．解释变量：分析师预测准确度

借鉴Behn et al.（2008）[31]的做法，本文采用负向的预测误差绝对值来表示分析师预测准确度，并用上期期末股价对其进行标准化，具体如下：

在式（4）中FORECASTt是在第t期同一公司中不同分析师每股盈余预测的均值，EPSt是第t期该公司每股盈余的实际值，PRICEt-1是第t-1期期末该公司的股票收盘价格。

3．控制变量

根据以往文献控制如下变量：去趋势换手率DTURN；市值账面比MB；公司年均收益SR；公司特有收益的标准差SIGMA；公司规模SIZE；资产负债率LEV；净资产收益率ROE。此外，加入年度虚拟变量和行业虚拟变量以分别控制年度和行业固定效应。变量的定义和度量见表1。

(三 )实证模型

采用模型来检验分析师预测与未来股价崩盘风险之间的关系：

在模型中，CRASHRISKt+1分别由NCSKEWt+1和DUVOLt+1来度量，其中NCSKEWt+1代表在第t+1期公司特有周收益的负偏态，DUVOLt+1代表在第t+1期公司收益上下波动比率；ACCYt代表第t期分析师对该公司盈余预测的准确度，H1意味着β1＜0，具体来说，分析师对公司盈余预测准确度越高，未来股价崩盘风险越小。

同时，考虑到本文所使用的样本数据是典型的短面板，借鉴 Petersen（2009）[32]的方法，所有回归模型结果在报告t值时，均采用公司层面聚类调整的稳健性标准误。

表1 变量定义与度量

四、实证结果与分析

（一）描述性统计

表2是主要变量的描述性统计结果。NCSKEW的均值为-0.242，中位数为-0.227，表现为左偏，这符合我们对该变量的界定；同时从绝对值上来看，数值比Chen等（2001）[29]报告的要大得多，这意味着我们的公司样本在年度区间内存在更大的崩盘风险。对于本文的关键解释变量，ACCY的最小值为-0.262，最大值为 0，均值为-0.027，中位数为-0.013。这表明，样本中大多数公司的分析师预测准确度较高。

表3是变量的皮尔逊相关性矩阵。从表3来看，表中各变量之间（除被解释变量的两个代理变量间）相关系数的绝对值大部分都小于0.4，这表明变量间不存在严重多重共线性问题。但是在表3中，分析师预测准确度与未来股价崩盘风险间也存在正相关关系，这与前文的假设不符，因此，接下来我们需要进行多元回归分析以便深入探讨变量之间的逻辑关系。

表2 描述性统计

（二）分析师盈余预测与股价崩盘风险

表4检验了分析师对公司盈余预测准确度对下一期股价崩盘风险的影响。列（1）以NCSKEWt+1作为被解释变量进行OLS回归，分析师预测准确度ACCY的系数为-0.435，在10%的统计水平上显著（t0.1=-1.89）；在列（2）中，以 DUVOLt+1作为被解释变量进行OLS回归，此时分析师预测准确度ACCY的系数为-0.498，在1%的统计水平上显著（t0.01=-2.96）。这表明分析师对公司的盈余预测准确度越高，投资者对公司的股价越有信心，从而使得未来股价崩盘风险显著降低，“假设1”得到验证。

（三）股权性质、分析师盈余预测与股价崩盘风险

表5报告了公司的股权性质对分析师预测准确度与未来股价崩盘风险之间关系的影响。其中，列（1-2）是以NCSKEWt+1作为被解释变量进行OLS回归的结果，列（3-4）是以DUVOLt+1作为被解释变量进行OLS回归的结果。

表3 主要变量相关性分析

表4 分析师盈余预测对未来股价崩盘风险的影响（全样本）

列（1）为国有样本公司的回归结果，分析师预测准确度ACCY的系数在5%的水平上显著为负；列（2）为非国有样本公司的回归结果，分析师预测准确度ACCY的系数为负但不显著。在列（3-4）中，以DUVOLt+1为被解释变量所得到的回归结果与列（1-2）基本保持一致。由此可见，无论被解释变量采用NCSKEWt+1还是DUVOLt+1，回归结果均支持同一结论，即：相对于非国有企业而言，在国有企业中分析师预测准确度对未来股价崩盘风险抑制作用更强，从而“假设2”得到验证。

（四）公司上市时间、分析师盈余预测与股价崩盘风险

根据公司IPO的年份，计算出公司截止目前的上市时间，再根据所有样本公司上市时间，求出上市时间的均值，通过该均值将样本分成上市时间较短和上市时间较长的两个子样本。表6的回归结果检验了公司上市时间长短对分析师盈余预测和股价崩盘风险之间关系的影响。

表5 分析师盈余预测对未来股价崩盘风险的影响（按公司股权性质分组）

与表5一致，表6的列（1-2）是以NCSKEWt+1作为被解释变量进行OLS回归的结果，列（3-4）是以DUVOLt+1作为被解释变量进行OLS回归的结果。研究发现，在上市时间较长的公司样本组中（列1、3），分析师预测准确度ACCY的系数分别在5%和1%的水平上显著为负；而在上市时间较短的样本组中（列2、4），这种关系在统计上不显著。由此可见，无论被解释变量采用NCSKEWt+1还是DUVOLt+1，回归结果均支持同一结论，即：相对于上市时间较短的公司而言，在上市时间较长的公司中，分析师预测准确度对未来股价崩盘风险抑制作用更强，从而“假设3”得到验证。

表6 分析师盈余预测对未来股价崩盘风险的影响（按公司上市时间分组）

（五）稳健性检验

为了增进上述结论的可靠性，本文做了如下稳健性检验：

第一，借鉴Marin和Olivier（2008）[33]、陈国进和张贻军（2009）[34]的方法，定义一个虚拟变量 crash，如果在年度内公司至少存在一次特有周收益小于其年度特有周收益均值减去3.09倍特有周收益标准差，则crash取1，否则为0。以单家公司股价发生崩盘的概率来衡量公司股价崩盘风险，作为股价崩盘风险的代理变量，并以此指标重新进行回归，检验结果表明文中假设仍然成立。

第二，对部分控制变量的代理变量进行了替换，回归结果表明，结论未发生实质性的变化。具体如下：（1）公司规模用营业收入的自然对数替换总资产的自然对数，结果与原假设一致；（2）财务业绩指标，用总资产报酬率替换模型中的净资产收益率，结论未发生显著改变。

五、研究结论

文章选取2001-2011年我国沪深两市A股上市公司数据为研究样本，从抑制公司股价未来崩盘风险的角度实证考察证券分析师预测行为的作用。研究结果表明：（1）证券分析师对公司盈余预测的准确度越高，公司股价未来发生崩盘的风险越低；（2）相对于非国有上市公司而言，在国有上市公司中，证券分析师预测准确度对股价未来崩盘风险的抑制作用更强；（3）相对于上市时间较短的上市公司而言，在上市时间较长的上市公司中，证券分析师预测准确度对股价未来崩盘风险的抑制作用更强。这表明证券分析师作为资本市场的重要信息中介，确实能在一定程度上缓解资本市场的信息不对称，及时揭示公司管理层隐藏的坏消息，并向外部市场披露，从而避免了大量累积于公司内部的坏消息瞬间集中向市场释放，对公司股价造成的极端负面冲击，并最终导致股价大跌进而崩盘的风险，而且公司内部特征对证券分析师预测行为存在影响。

本文研究结论的理论和现实意义表现在以下几方面：首先，将缓解股价崩盘风险的研究拓展到公司外部的信息中介，研究发现准确的分析师盈余预测信息是存在信息含量的，这类信息对目标公司股价未来崩盘风险具有显著的抑制作用；第二，考虑到公司股权性质及上市时间，对样本分组检验，发现在不同的样本组中，分析师盈余预测的股价效应存在差异，从而为股价崩盘风险的理论研究提供了更多的证据和补充；第三，证券分析师盈余预测行为及时披露公司内部隐藏的坏消息，防止坏消息在公司内部累积，缓解资本市场的信息不对称程度，从而降低公司股价未来发生崩盘的风险。从抑制公司股价波动的角度证实了证券分析师预测行为在提高资本市场运行效率方面的有用性。因此，更好地规范资本市场中信息中介机构的建设，促进证券分析师行业的健康发展，对于增强我国资本市场股票价格的信号传递机制，稳定金融市场秩序具有重大意义。

[1]朱红军，何贤杰，陶林．中国的证券分析师能够提高资本市场的效率吗——基于股价同步性和股价信息含量的经验证据[J]．金融研究，2007，（2）：110-121．

[2]Kim，J．-B．，Y．Li，and L．Zhang．Corporate tax avoidance and stock price crash risk： Firm-level analysis[J]．Journal of Fi-nancial Economics，2011，100(3)：639-662．

[3]Kim，J．-B．，Y．Li，and L．Zhang．CFOs versus CEOs：Equity incentives and crashes[J]．Journal of Financial Economics，2011，101(3)：713-730．

[4]Jin，L．，and S．C．Myers．R2 around the World：New Theory and New Tests[J]．Journal of Financial Economics，2006，79(2)：257-292．

[5]Hutton，A．P．，A．J．Marcus，and H．Tehranian．Opaque financial reports，R2，and crash risk[J]．Journal of Financial Economics，2009，94(1)：67-86．

[6]许年行，江轩宇，伊志宏，徐信忠．分析师利益冲突、乐观偏差与股价崩盘风险[J]．经济研究，2012，(7)：127-140．

[7]岳衡，林小驰．证券分析师 VS统计模型：证券分析师盈余预测的相对准确性及其决定因素[J]．会计研究，2008，(8)：40-49．

[8]Beaver，W．H．Perspectives on recent capital market research[J]．The Accounting Review，2002，77（2）：453-4741．

[9]石桂峰，苏力勇，齐伟山．财务分析师盈余预测精确度决定因素的实证分析[J]．财经研究，2007，33(5)：62-71．

[10]江轩宇，许年行．企业过度投资与股价崩盘风险[C]．第一届中国财务与会计学术年会，2014.

[11]潘越，戴亦一，林超群．信息不透明、分析师关注与个股暴跌风险[J]．金融研究，2011，(9)：138-151．

[12]Kim，J．-B．，Z．Wang，and L．Zhang．CEO Overconfidence and Stock Price Crash Risk[J]．working paper，2013．

[13]Xu，N．H．，X．R．Li，Q．B．Yuan，and K．C．Chan．Excess Perks and Stock Price Crash Risk：Evidence from China[J]．Journal of Corporate Finance，2014，(25)：419-434．

[14]江轩宇．税收征管、税收激进与股价崩盘风险[J]．南开管理评论，2013，（5）：152-160．

[15]Kim，J．-B．，and L．Zhang．Accounting Conservatism and Stock Price Crash Risk：Firm-level Evidence[J]．Contemporary Accounting Research，2013，forthcoming．

[16]李小荣，刘行．CEO vs CFO：性别与股价崩盘风险[J]．世界经济，2012，(12)：102-129．

[17]An，H．，and T．Zhang．Stock Price Synchronicity，Crash Risk and Institutional Investors[J]．Journal of Corporate Finance，2013，21(6)：1-15．

[18]江轩宇，伊志宏．审计行业专长与股价崩盘风险[J]．中国会计评论，2013，11（2）：133-150．

[19]Beaver，W．H．Financial Reporting an Accounting Revolution[M]．Prentice Hall．New Jersey．1998．

[20]Healy，P．M．，and K．G．Palepu．Information asymmetry，corporate disclosure，and the capital markets：A review of the empirical disclosure literature[J]．Journal of Accounting and Economics，2001，(31)：405-440．

[21]陈晓，李静．地方政府财政行为在提升上市公司业绩中的作用探析[J]．会计研究，2001，(12)：20-28．

[22]林毅夫，李志赟．政策性负担，道德风险与预算软约束[J]．北京大学学报（哲学社会科学版），2004，(2)：17-27．

[23]李增泉，余谦，王晓坤．掏空，支持与并购重组[J]．经济研究，2005，(1)：95-105．

[24]辛清泉，谭伟强．市场化改革，企业业绩与国有企业经理薪酬[J]．经济研究，2009，(11)：68-81．

[25]Kato，T．，and C．Long．Executive Turnover and Firm Performance in China[J]．The American Economic Review，2006，96（2）：363-367．

[26]吴联生，林景艺，王亚平．薪酬外部公平性、股权性质与公司业绩[J]．管理世界，2010，(3)：117-126．

[27]Ecker，F．，J．Francis，I．Kim，P．M．Olsson，and K．Schipper．A return-based representation of earnings quality[J]．The Accounting Review，2006，81（4）：749-780．

[28]Pittman，J．A．，and S．Fortin．The impact of auditor’s reputation on the cost of financing[J]．Journal of Accounting and Economics，2004，(37)：113-36．

[29]Chen，J．，H．Hong，and J．C．Stein．Forecasting crashes：Trading volume，past returns，and conditional skewness in stock prices[J]．Journal of Financial Economics，2001，61(3)：345-381．

[30]Dimson，E．Risk Measurement when Shares are Subject to Infrequent Trading[J]．Journal of Financial Economics，1979，(7)：197-226．

[31]Behn，B．，J．H．Choi，and T．Kang．Audit quality and the properties of analysts’ earnings forecasts[J]．The Accounting Review，2008，83（2）：327-349．

[32]Petersen，M．A．Estimating Standard Errors in Finance Panel Datasets：Comparing Approaches[J]．Review of Financial Studies，2009，(22)：435-480．

[33]Marin，J．M．，and J．P．Olivier．The dog that did not bark：Insider trading and crashes[J]．The Journal of Finance，2008，63(5)：2429-2476．

[34]陈国进，张贻军．异质信念、卖空限制与我国股市的暴跌现象研究[J]．金融研究，2009，(4)：80-91．