一、引 言

2008年世界金融危机后，“股价崩盘风险”成为业内研究的热点。自Jin&Myers构建信息结构模型［1］，现有研究大多认为股价崩盘风险的产生源自企业坏消息被市场突然集中感知，从而造成股价大幅下跌直至崩盘。股价崩盘会给资本市场的健康发展和投资者的财务带来极大冲击和破坏。

虽然目前这一领域已有众多研究成果，但现有研究却忽视了一项重要的企业负面信息——债务违约。在企业破产清算时，股权的偿付顺序要落后于债权，这意味着如果上市公司出现债务违约而最终破产清算，股票投资者往往会面临巨大的损失，因此上市公司债务违约是一项非常严重的负面事件。根据大智慧大数据终端相关数据，自2014年我国债券市场出现首只违约债券以来，我国债券市场违约债券数量和规模均不断增加，特别是在2018年打破刚兑的背景下，当年违约债券金额达到了994.26亿元，远高于2017年的251.37亿元。公司债务违约风险加剧会诱发股价崩盘，造成债券市场或银行体系风险向股票市场传递，而股价崩盘反过来可能触发大股东股权质押平仓风险，这就在加剧股票市场风险的同时将更多风险再次传导回银行体系，这种连锁反应造成风险的不断传递和加剧。因此，对于债务违约风险与股价崩盘风险的研究有着重要的理论和实践意义。

从股东和管理层的角度来看，过高的债务压力可能造成债权人抽贷或拒绝提供新的借款，同时也有可能造成控制权的转移，因此上市公司会尽可能掩盖真实的债务压力，这会降低上市公司的信息不对称程度，提高股价崩盘风险。但是，由于我国A股壳资源的稀缺性，一些上市公司发生债务违约后反而会成为其他公司的壳资源，因此，市场中也存在炒作壳资源的现象。从外部监督的角度看，已有研究认为，债权人能够发挥有效的外部监督作用降低企业盈余管理，提高信息透明度，那对于债务违约风险较高的上市公司，债权人往往会更关心企业偿债能力的变动，更有动力去做好外部监督，降低企业信息不对称程度。从这些视角来看，较高的债务违约风险是提高还是降低了公司的股价崩盘风险，将是一个有待实证检验的问题。

为了弥补这一领域研究成果的缺乏和解答以上问题，本文试图使用KMV模型度量上市公司债务违约风险，考察上市公司债务违约风险与其股价崩盘风险之间的关系。

本文的主要贡献在于：1.由于数据等原因，我国债务违约的相关研究相对较少，对于债务违约风险与股票市场风险相互传导的研究更为稀缺，本文研究了债务违约风险与股价崩盘风险之间的关系，丰富了风险的跨市场传导这一领域的研究。2.丰富了股价崩盘风险的相关研究，不同于以往研究，本文从公司债务违约风险的角度来研究股价崩盘风险，同时也丰富了债权人外部监督领域的研究。3.针对目前日益增多的企业债券违约现象，本文的研究成果有助于投资者和监管者更好地评估上市公司债券或其他债务违约可能带来的后果，具有一定的实践意义。

二、文献综述

（一）股价崩盘风险

现有研究大多认为，受公司本身的信息不透明、投资者非理性以及外部市场环境因素等的影响［1］［2］，公司的“坏消息”难以有效释放而不断积累，“坏消息”集中释放会给市场带来巨大的冲击，导致股价崩盘。公司内部影响因素方面，公司信息透明度与股价崩盘风险之间存在负相关关系，企业的信息透明度越差，其股价崩盘风险越大［3］［4］［5］。会计稳健性等内控措施能够显著降低股价崩盘风险［6］［7］［8］［9］。外部因素方面，现有研究对分析师和机构投资者对于股价崩盘风险的影响的结论也不一致［10］［11］［12］。也有研究发现审计师的行业专长、媒体监督、税收、债务诉讼等外部因素对股价崩盘风险的影响［13］［14］［15］。

（二）上市公司的债务违约风险

由于我国债券市场自2014年开始才出现公开债务违约事件，而商业银行贷款违约数据往往难以获取，因此这一领域的实证研究相对较少，多以理论研究为主。实证方面，谢邦昌等检验了不同信用风险度量模型的风险甄别效果，认为KMV模型目前最适合我国上市公司［16］。由于债务违约数据缺乏，早期研究往往以上市公司被ST作为其陷入财务困境的标志，并对这一事件进行预测和研究。吴世农等研究了上市公司财务数据对其陷入财务困境的预测能力［17］。陈延林和吴晓使用测算债务违约概率的KMV模型检验了其对上市公司被ST的预测效果［18］。梅建明使用KMV模型测算了上市类融资平台公司信用风险情况，认为该类公司存在一定的违约风险［19］。凌江怀基于KMV模型研究了影响商业银行信用风险大小的主要财务因素［20］。张泽京等基于KMV模型研究了资产规模和股权分制改革等因素对中小型上市公司信用风险的影响［21］。张靖等研究了股权背景和环境不确定性对上市公司债务违约风险的影响［22］。虽然还有很多学者对这一问题进行了研究，但目前国内对上市公司债务违约风险的研究并不丰富，而且现有研究涉及的领域也不全面，对于债券市场与股票市场的联动方面的研究更为稀缺。随着我国债券市场违约事件日益多发，上市公司债务违约事件也日益增多，这一领域的研究越来越重要急迫。

（三）上市公司债务与股价崩盘风险

虽然目前国内尚未有对上市公司债务违约风险和股价崩盘风险之间关系的研究，但已有学者对上市公司债务融资行为与其股价崩盘风险之间的关系进行研究。左月华等发现，公司短期债务占比增加会增加股价崩盘风险，且国有企业的这一现象更为突出［23］。吴育辉等研究了上市公司债券融资行为与股价崩盘风险之间的关系，股价崩盘风险增加会促使上市公司更倾向于发行债券，增加上市公司发债成本［24］。李栋栋认为，短期借款增加也会导致公司股价崩盘风险上升，这说明短期借款没有发挥应有的积极公司治理作用，反而导致管理层负面信息隐藏行为［25］。何鑫萍也得到了类似的结论，同时研究还发现高质量审计能够抑制短期债务与上市公司股价崩盘风险之间的正向关系［26］。现有对于上市公司债务融资和股价崩盘风险关系的研究大多认为银行作为债权人能够更“近距离关注”上市公司，如果银行倾向于提供短期借款，那么表明银行认为上市公司的经营状况恶化，从而容易出现股价崩盘风险。也有研究从盈余管理的角度，认为管理层在短期借款比例高、偿债压力大时会倾向于盈余管理，提高信息不对称程度，从而增高股价崩盘风险［25］。而在国外市场监测到的银行债券对上市公司的治理作用，国内研究发现，国内银行债权对上市公司治理的力度可能很弱。［27］［28］

综上，目前国内对于债券市场违约风险的研究相对缺乏，对于上市公司债务违约风险向股票市场风险传导的研究更为稀缺，现有研究也主要从公司治理的角度关注了上市公司融资行为与股价崩盘风险之间的关系，并没有从风险传递的视角考察债务风险向股票市场风险的传递。

本文主要研究债券违约风险与股票市场的股价崩盘风险之间是否存在相关性，本文认为，债券违约风险反映了公司自身经营状况不佳难以承担债务负担，为了避免债权人抽贷等行为的出现，上市公司可能会通过报表粉饰、盈余管理等手段隐藏公司经营过程中产生的负面信息［25］［29］［30］，进而会提高股价崩盘风险，同时债券违约风险本身作为一个负面消息，在违约风险较高时，上市公司因流动性资金紧张，也有可能频繁爆发流动性负面事件，造成负面消息的集中释放，增加股价崩盘风险。但是，由于长时期以来我国上市公司壳资源较为珍贵，正如2014年*ST超日债券违约，协鑫集成借壳上市，很多投资者可能看中这一点而选择炒作这些高风险上市公司，忽略公司基本面信息，从而影响股票收益偏态特征。从外部监督的角度来看，已有研究认为，债权人能够发挥有效的外部监督作用降低企业盈余管理，提高信息透明度，那对于债务违约风险较高的上市公司，债权人往往会更为关心企业偿债能力的变动，更有动力去做好外部监督，降低企业信息不对称程度［31］［32］。从这些视角来看，较高的债务违约风险是提高还是降低了公司的股价崩盘风险，将是一个有待实证检验的问题。因此，本文提出两个对立假设：

H1a：债券违约风险与股价崩盘风险之间存在正相关关系；

H1b：债券违约风险与股价崩盘风险之间存在负相关关系。

三、研究设计

（一）样本选择和数据来源

借鉴已有研究，鉴于中国上市公司2007年开始执行新的企业会计准则，本文选择我国沪深两市2008—2018年所有A股上市公司为初始研究对象，并按照如下规则对样本进行筛选：（1）剔除金融行业上市公司；（2）剔除交易过程中曾被ST和*ST的上市公司；（3）剔除年交易周数小于30的上市公司；（4）剔除上市不满一年的上市公司；（5）剔除实证变量存在数据缺失的上市公司。［23］［25］［33］

本文的数据来自CSMAR数据库，根据上述标准，本文最终得到了19891个样本。

（二）变量定义和度量

1.股价崩盘风险。本文使用负收益偏态系数和收益上下波动比率来度量上市公司崩盘风险，具体计算过程如下：

首先，按照如下过程计算周特有收益率wi,t：

其中，гi,t为股票i在第t周考虑现金红利再投资的收益率，гm,t-1为市场在第t周的流通市值加权平均收益率，εi,t表示个股收益率中不能被市场所解释的部分，wi,t为股票的周特有收益率。

其次，wi,t基于构造负收益偏态系数nckewi,t和收益上下波动比率duvoli,t。

其中，n为每年股票i的交易周数，ncskewi,t的数值越大，表示崩盘风险越大。

其中，nu为股票i的周特有收益率wi,t大于年平均周收益率的周数，nd为股票i的周特有收益率wi,t小于年平均周收益率的周数。duvoli,t的数值越大，表示崩盘风险越大。

2.违约距离。本文使用KMV模型计算预期违约率时的中间变量违约距离来度量上市公司的债务违约风险。该模型把违约债务看作企业的或有权益，把所有者权益视为看涨期权，将债务视为看跌期权，把公司资产作为标的资产。该模型认为企业信用风险主要决定于企业资产市场价值、波动率以及债务账面价值。当企业资产未来市场价值低于企业所需清偿的债务面值时，企业就会违约。

利用Black-Scholes期权定价模型，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险利率及债务的账面价值估计出该股票的市场价值及其波动性；其次，根据公司的债务计算出公司的违约实施点，从而计算出违约距离，最后根据企业的违约距离计算出逾期违约率。［34］［35］

根据以下联立方程组计算企业资产市场价值Va和波动率σa。

其中，E为公司的股权价值，D为公司债务的市场价值，Va为公司资产的市场价值，τ为债务期限，设为一年，σa为公司资产价值的波动率，r为无风险利率，σE为公司股权价值的波动率。

在得到企业资产市场价值Va和波动率σa，计算公司的违约距离：

其中，E（Va）为公司资产价值的期望，DP为违约点，此处定义为DP=SD+0.5×LD，其中SD为企业短期债务，LD为企业长期债务。

计算违约概率EDF=N(-DD)，N(g)为标准正态分布函数。

本文使用违约概率EDF来度量上市公司债务违约风险的大小，违约概率EDF越大，表示上市公司债务违约的风险越高。

3.其他控制变量。借鉴已有研究，本文控制了公司年度平均周特有收益率ret、公司特有收益率的标准差sdw、公司规模size、账面市值比bm、月均超额换手率dturn、总资产收益率roa、资产负债率lev、信息不透明度em。变量的具体定义及度量见表1：

表1 变量定义

（三）模型设定

本文使用如下回归模型检验本文假说：

其中，crash_rish表示股价崩盘风险，分别用ncskew和duvol来度量，EDF为解释变量违约距离，EDFt-1表示基于t-1期财报的债务水平计算的公司债务违约风险，controls为控制变量，本文使用静态面板模型，在回归中亦控制了个体和年份固定效应。

四、实证研究

（一）描述性统计

被解释变量ncskew和duvol的均值和标准差均与现有相关研究的数据特征相近。解释变量EDF的均值为0.0389，最小值为0.0000，最大值为1.0000，说明有的上市公司按照模型计算资产价值已经小于其债务价值，上市公司债务违约风险很大。其他控制变量的取值也在合理范围内，详见表2。

表2 描述性统计结果

本文也做了相关性分析，限于篇幅，不再展示相关性矩阵。两个股价崩盘风险度量变量ncskew和duvol的相关性系数为0.8788，且显著，违约概率EDF与ncskew、duvol也均显著正相关。违约概率EDF与其他变量也有较强的相关性。

（二）回归分析

表3报告了债务违约距离与股价崩盘风险的OLS和固定效应面板模型回归结果。

回归（1）为控制行业和年份后以ncskew为被解释变量的OLS回归结果，回归结果显示，公司违约风险变量EDF与股价崩盘风险变量ncskew在5%的水平下显著正相关。回归（2）为控制行业和年份后以duvol为被解释变量的OLS回归结果，回归结果显示，公司违约风险变量EDF与股价崩盘风险变量duvol在1%的水平下显著正相关。为了保证结果的稳健性，本文还是用了静态面板模型对回归模型进行检验，回归（3）和（4）为控制了个体和年份固定效应的静态面板回归模型，被解释变量分别为ncskew和duvol，回归结果显示公司违约风险EDF与股价崩盘风险变量ncskew和duvol均有显著的正相关关系。

表3 回归分析结果

回归结果表明，在控制了相关因素的情况下，上市公司债务违约风险与股价崩盘风险之间存存在显著的正相关关系，基于上一期财务信息计算的上市公司债务违约风险越高，股价崩盘风险越高，假设H1a成立。

即使是在控制了盈余管理程度的情况下，这种正相关关系依然显著，这表明上市公司债务违约风险可以通过非盈余管理机制对股价崩盘风险产生影响，比如上市公司债务违约风险增加时可能导致流动资金紧张等一系列连锁反应，造成上市公司产生更多的负面信息，进而增加股价崩盘风险。

本文也注意到，回归结果中，控制变量盈余管理em的系数在回归（1）、（3）、（4）中显著为正，说明盈余管理程度越高的上市公司越容易出现股价崩盘风险，这与现有研究成果的结论一致，那么上市公司债务违约风险提高时是否会通过影响盈余管理程度影响股价崩盘风险呢？

（三）进一步分析：盈余管理程度与股价崩盘风险关系

前文的实证结果表明，如果上市公司债务违约风险增加，公司的股价崩盘风险也会增加，进一步，由于债务违约可能会导致破产清算或重组，无论是控股股东还是管理层均有动机避免这种行为的发生。而且一旦公司偿债困难的消息流出，公司获取新的债务融资将极其困难，投资者也会“用脚投票”，这会进一步加剧公司的偿债压力，因此，公司有充分的动机去掩饰偿债压力的真实信息，提高盈余管理程度。但是，对于债务违约风险较高的上市公司，债权人出于自身利益的考量，也会更加关注上市公司，更倾向于发挥债权人的外部监督职能，从这一角度看，债务违约方风险越高的上市公司，债权人越容易发挥外部监督功能，从而盈余管理程度会降低。因此，本文提出假设：

H2a：债券违约风险与盈余管理程度之间存在正相关关系；

H2b：债券违约风险与盈余管理程度之间存在负相关关系。

借鉴已有研究［25］［33］，本文使用以下模型检验上述假设：

其中，em为被解释变量，使用修正的Jones模型计算的公司盈余管理程度；EDF为解释变量，公司债务违约概率；主要控制变量的定义均与之前一致，fcf为自由现金流，pe为公司市盈率，sh1为公司第一大股东持股比例，state为公司所有权性质，国企取值为“1”，否则为“0”。本文使用固定效应模型，回归中控制了个体和时间固定效应。（结果见表4）

表4中回归（5）为使用全样本的固定效应模型回归结果，回归结果显示，解释变量EDF的系数不显著，这说明上市公司债务违约风险增加时并不能对上市公司盈余管理程度产生显著影响。

鉴于2014年A股市场上市公司出现了第一家公开债券违约，债权人可能会在此之后更加关注上市公司经营情况，本文对于2014年及之后的样本单独进行回归分析。回归（6）为使用2014年及之后样本的回归结果，结果显示，解释变量EDF的系数显著为负，这表明，2014年之后，上市公司债务违约风险越高，其盈余管理程度反而约定，说明债权人此时发挥了显著的外部监督作用，降低了上市公司的盈余管理程度。

回归（7）为使用2014年之前样本的回归结果，结果显示，解释变量EDF的系数不显著。

综合以上回归分析结果，本文认为，上市公司债务违约风险对股价崩盘风险的影响并不是通过影响盈余管理来实现的，而且在2014年出现上市公司公开债券违约事件后，债权人的外部监督作用反而显著发挥，降低了债务违约风险较高的上市公司的盈余管理程度。

既然上市公司债权人在公司债务违约风险更高时发挥了显著的外部监督职能，进而降低了上市公司的盈余管理程度，从而也表明，上市公司债务违约风险对股价崩盘风险的影响可能并不是通过盈余管理的方式实现的，更多的可能是因为上市公司债务违约风险较高时，更容易出现连锁负面事件，比如资金周转困难、盈利预期更加悲观等，进而增加了上市公司股价崩盘风险。

（四）稳健性检验

2014年以来，公开债券市场违约事件数量和规模快速增长，反映出整个实体经济企业的债务压力不断增加，2015年A股市场结束了这轮牛市，为了避免股价崩盘风险和公司债务违约风险可能存在的共同趋势的影响，本文使用了被解释变量股价崩盘风险与解释变量债务违约风险的一阶差分进行回归，具体模型如下：

表4 回归分析结果

其中，△crash_riskt为crash_riskt的一阶差分项，同样，△EDFt-1为EDFt-1的一阶差分项，controls为控制变量，本文在回归中亦控制了行业和年份。（回归结果见表5）

回归（10）和（11）为控制了个体和年份固定效应的静态面板回归模型，被解释变量分别为△ncskew和△duvol，回归结果显示公司违约风险变量△EDF与股价崩盘风险变量△ncskew、△duvol均在5%的水平下显著正相关，与之前的回归结论一致。

表5 回归分析结果

五、结 论

（一）研究结论

目前学界关于债务违约的实证研究相对比较缺乏，但近期频繁发生的上市公司公开债务违约现象表明，对于企业债务违约及其影响的研究有其理论和实践意义。本文对上市公司债务违约风险与股价崩盘风险的关系进行研究分析，以A股上市公司2008—2018的数据为样本，实证检验了债务违约风险与股价崩盘风险的关系。研究发现：（1）在控制相关变量的基础上，公司债务违约风险与公司的股价崩盘风险显著正相关；（2）在控制相关变量的基础上，2014年后公司债务违约风险越高，公司的盈余管理水平越低。实证结论表明，上市公司债务违约风险较高时，公司的股价崩盘风险也会增加。同时，本文也发现，自2014年出现首家上市公司公开债券违约后，债权人对于高债务违约风险的上市公司的外部监督作用开始发挥，这表现在盈余管理程度显著降低，也反映出，在未出现上市公司公开债券违约之前，债权人的外部监督作用可能流于形式，债权人并未能够有效意识到可能存在的违约风险。这也反映出，投资者对于可能发生的潜在风险的风险意识仍然相对不足。

（二）政策建议

2014年以来，我国债券市场公开债务违约数量不断上升。2018年很多上市公司也爆出了债务违约，在打破刚兑的大背景下，债务违约事件可能会越来越多，但投资者的风险意识仍然相对不足。鉴于上市公司债务违约风险在真正违约前可能就已经传导到股票市场，股票市场中上市公司大股东股权质押现象又极为普遍，因此，公司债务风险很有可能触发上市公司股价暴跌、大股东资金链紧张等连锁反应，造成风险快速扩大，甚至有可能在上市公司债务负担加重时就开始引发连锁反应。因此，监管部门应强化上市公司债务融资行为的披露力度，同时做好监管协调，对于可能出现的债务风险，监管部门要做好配合，跨市场联动，避免风险的跨市场传导。