肖霆　韩淑婷　王龙

摘   要：本文以自然实验的方法研究股市崩盘冲击与个股暴跌风险之间是否存在因果关系。利用2008年的A股市场崩盘事件以及国内特殊的IPO暂停制度作为自然实验的设计机会，本文发现：（1）在股市崩盘中上市的新股相比较于市场逐渐恢复后上市的新股具有显著更低的暴跌风险;（2）进一步研究表明，当再次发生股市崩盘时，上述显著的差异进一步强化。稳健的研究结果证明股市崩盘冲击会显著降低个股暴跌风险。

关键词：股市崩盘;自然实验;个股暴跌风险

中图分类号：F830.9  文献标识码：B 文章编号：1674-2265（2019）09-0071-08

DOI：10.19647/j.cnki.37-1462/f.2019.09.010

一、引言

經历是使个体决策行为发生改变的重要因素，外在的负向经历将改变个体行为模式。这一点在金融领域的研究中也得到诸多证据支持。近些年来，对个股股价暴跌风险的研究视角大多集中在资本市场的群体非理性行为以及上市公司的公司治理矛盾上，以及影响群体行为与上市公司治理的其他间接因素①。Chen等（2001）在建立相关因素与个股股价暴跌风险的统计关系中发现在其他因素不变的条件下，个股在发生股价崩盘后会有更大的风险再次发生股价暴跌;他们认为个股的股价崩盘“冲击”对个股暴跌风险产生的是推动作用。鉴于此，我们联想到股市频繁发生的剧烈震荡是否与个股股价崩盘之间也存在因果联系？由于Chen等（2001）建立的股价崩盘“冲击”与暴跌风险之间的相关关系是基于回归检验的方法，存在遗漏变量与统计误差的可能。因此这种相关关系能否被认为是因果关系无法肯定。基于以上两点考虑，本文拟运用更为准确的方法检验股市崩盘“冲击”与个股股价暴跌风险之间的因果联系。

本文拟利用2008年发生的全球股市动荡以及国内特有的IPO暂停制度作为自然实验的设计机会。将在2008年股市崩盘中上市的“新股”作为自然实验的处理组样本，而将在股市崩盘后上市的“新股”作为控制组样本。比较处理组样本与控制组样本在同一较长的统计周期内其个股暴跌风险是否会有差异，从而初步判断股市崩盘冲击是否是个股股价暴跌风险的原因。本文的研究贡献在于：通过自然实验的方法建立了股市动荡与个股股价暴跌风险的因果联系，对研究个股股价暴跌风险的原因有一定的补充。

二、研究回顾与基本假设

（一）对股价崩盘的研究回顾

目前对个股股价崩盘的研究已经形成了一个较为完整的理论框架。从文献发展的逻辑来说，对股价崩盘的研究经历了从股市崩盘研究到个股股价崩盘研究的转变;早在20世纪80年代，Campbell和Hentschel（1992）等人相继提出“波动率反馈机制”，他们认为负面消息进入市场的波动率上升会放大负面消息造成的影响从而造成严重的崩盘;Romer（1992）进一步认为，股市崩盘其实是负面信息由积累到逐步释放的过程。进入21世纪以来，对股价崩盘的研究开始转向个股股价的崩盘，Chen等（2001）与Hong和Stein（2003）首先基于行为金融的非理性假定发现投资者的异质信念造成了个股收益的负偏态与较高的波动率，且卖空机制的限制将加重异质信念的影响。随后，有文献从机构投资者的异质性（Callen和Fang，2013）、机构投资者的持有量（高昊宇等，2017）、内部投资者“内部交易”（Jinshuai H等， 2014）等投资主体角度分析对个股股价崩盘的影响。

自Jin和Myers（2006）与Hutton等（2009）等人基于市场信息不透明度以及上市公司会计信息不透明度的角度研究个股股价崩盘以来，当前已经普遍认为造成个股股价崩盘的重要原因之一是“管理层捂盘”。由于在委托代理冲突下，管理层因薪酬契约、职业声誉、福利津贴以及商业帝国构建等动机存在较大的机会主义行为或盈余管理行为（Kothari等，2009），从而隐藏公司在经营管理过程中形成的负面消息，当负面消息积累到一定程度无法隐藏时而被迫释放，造成股价崩盘。基于这个视角，有较多的文章研究上市公司隐瞒负面信息（Ball，2009）、进行税收规避（Kim等，2011）、管理层股权激励或超额薪酬（Xu等，2014）、上市公司治理结构（Andreou等，2016）、管理层讨论与分析所披露的信息含量（孟庆斌等，2017），或者从企业社会责任（Zhang等，2016）、声誉保险效应（宋献中等，2017）等上市公司角度来探讨个股价崩盘的影响。当然，除从资本市场与公司治理两大视角来研究个股股价的崩盘外，还有其他诸如从宗教传统（曾爱民和魏志华，2017）、审计师专长（马笑芳等，2018）、社交媒体（丁慧和吕长江，2018）、政府审计（褚剑和方军雄，2017）、国际贸易网络（徐飞等，2018）等其他外部性视角来研究个股股价崩盘发生的原因。

（二）基本假设

事件“冲击”与决策后果之间的联系主要与决策者的决策过程有关。决策者作出决策依赖于信息加工与信念，而事件“冲击”会因时间变化而对决策者的信念产生影响。股市崩盘是市场中冲击较大的负面事件，其伴随的资产价格下滑导致了投资者遭受较大的资产损失并挫伤了投资信心。投资者因受这一负面事件的影响而在以后的投资策略中更为谨慎，从而降低了资产价格未来的泡沫量，也因此降低了资产的暴跌风险。基于此，假定股市动荡“冲击”将会对个股股价暴跌风险产生抑制作用。

假设1：在股市崩盘中上市的个股暴跌风险低于未在股市崩盘中上市的个股。

另外，负面冲击对决策者决策信念的影响并不会马上表现出来。通常来说，只有在再次发生相似的负面冲击才会让受过原有极端负面冲击的决策者具有较为明显的决策变化。在资本市场中，投资者虽然因股市崩盘这一极端负面事件使其投资趋于谨慎，但在市场较为平稳时，这种谨慎的投资策略并不会在资产收益分布上较为明显地反映出来;但是随着股市崩盘的再次发生，经历过股市崩盘的资产与未经历过股市崩盘资产的差异会更明显地表现出来。基于此，我们提出假设2。

假设2：当股市崩盘的再次发生，在股市崩盘中上市的个股暴跌风险显著低于未在股市崩盘中上市的个股。

三、研究设计

（一）制度背景

本文希望找到一个自然机会，可以获得两组天然随机的个股样本，一组个股样本为在金融危机下引起的股市崩盘中上市的个股样本，而另一组个股样本为金融危机后股市企稳回升中上市的个股样本。比较两组样本在相同统计周期的收益分布尤其是个股股价暴跌风险是否会有显著性的差异，并借此判断股市崩盘对个股的收益分布是否会有持续性的影响②。

在2008年，美国次级债券危机爆发并引发了全球性的股市崩盘，欧洲、美国甚至亚洲市场都相继出现了股市的巨幅崩盘，代表性股指大幅下跌。2008年9月25日，为降低金融危机导致的股市进一步崩盘尤其是防止雷曼兄弟破产造成的股市崩盘蔓延，中国证监会暂停了所有的IPO进程。2009年7月11日，在經历191日的IPO暂停期后，监管当局适应市场形势而重启IPO市场。2008年次贷危机中实施的IPO暂停为我们提供了一次自然实验的机会，帮助我们获得了天然随机分开的两组样本：即于2008年次贷危机中且在IPO暂停前发行上市的个股样本，将其作为处理组;于次贷危机后IPO重启时发行上市的个股样本，将其作为控制组。我们可以通过分析两组样本在相同统计周期中的个股收益分布差异来判断股市崩盘对个股收益分布的影响。

（二）样本选择

本文研究的是2008年和2009年发行上市的个股样本，其周收益数据与基本财务数据从万得资讯数据库的股票数据浏览与基本财务数据中获取。由于研究暴跌风险问题要求在回归过程中使用更多解释变量的滞后项，故本文未采用2010年的数据，同时由于2015年我国爆发了新一轮的股灾，两组样本在这之后都变成了遭受冲击的样本，与本文研究主题不符。经综合考虑，本文最终将两组实验样本的统计周期定于2011年1月至2015年12月。为保证接下来变量计算结果的准确性，个股股价收益为股票收盘价格对数收益率，且剔除收益率缺失达到26周的个股（由于一年的平均交易周数为52周，缺失达到一半以上将容易影响统计结果）;财务数据全部为会计年度年报数据，且剔除财务数据缺失的个股样本。此外，由于IPO上市存在市场选择机会，为保证样本数据的随机性，剔除处理组与控制组样本中IPO申请时期不在2008年的样本③，最后剔除行业为货币金融业务的上市公司样本（由于货币金融行业的公司资产负债表的数值与其他行业相比存在较大的差别，其资产负债率较高且资产规模较为庞大），最终获得270个个股统计样本的观测数据。

（三） 变量定义与计算

1. 个股股价暴跌风险。借鉴Chen等（2001）与许年行（2012）等对个股股价暴跌风险的看法，将个股股价暴跌风险定义为个股收益的负偏程度，通常来说，收益负偏是说明在正收益厚尾的局面下负收益突然增大的情况，其可以刻画出个股收益极端分布的情形。Hutton等（2009）直接将其定义为负偏度系数NCSKEW，即股价收益的三阶矩与标准差三次方之比的相反数;当负偏度系数越大时，代表个股收益出现了较大的极端负收益。另外，Chen等（2001）也提出均值收益上下波动率DUVOL也可以在某些层面上衡量个股收益的暴跌，是因为DUVOL其实就是个股均值以下的方差与均值以上的方差之比的自然对数值;当个股出现暴跌时，其在均值以下的部分波动会突然增大，从而造成上下波动率数值较大。

NCSKEW与DUVOL指标都是以个股收益作为衡量方法，为降低个股收益的非平稳性，通常通过扩展市场指数模型的方法，来获得个股收益不能为市场收益所解释的特有收益（Hutton等，2009），许年行等（2012）在市场指数模型中加入超前滞后项以降低非同步性市场收益的影响;但由于扩展指数模型残差并不服从正态分布，所以需进行逻辑转换并最终以特有收益的逻辑转换值作为暴跌风险系数计算的个股收益。

其中，[Rm]是A股流通市值加权平均收益率;[Ri]是个股的对数收益率;[n]代指股票i在统计周期中每一年的交易周数;[Wi，t]代表股票i每一年特有收益的均值;[nd]代表股票i在统计周期中收益低于均值的交易周数，[nu]代表股票i在统计周期中收益高于均值的交易周数。

2. 主要解释变量。通过自然实验的方法验证“冲击”对个股收益分布的影响。将自然实验中对处理组与控制组的分组变量作为主要的解释变量，将分组变量定义为Dum，当个股样本为控制组样本时，Dum取0;而当个股样本为处理组样本时，Dum取1。

本文赋予处理组与控制组不同的“冲击”是指处理组的个股样本是在“股市崩盘”中上市的个股样本，而控制组样本是指不是在“股市崩盘”中上市的个股样本。因此这里用股市崩盘代指“冲击”，参考Chen等（2001）的说法，股市崩盘是指价格的大幅度下降而出现大部分负收益的情况，从收益分布上来说即出现较大的负偏度。因此，股市崩盘以负偏度系数代替。

其中，[Rm]为沪深300股指的收益率，n为每年市场交易周数;[Rm]为沪深300股指收益率每年的平均周收益率。从计算结果来看，2013年与2015年的股市崩盘系数MarketCrash均为正值，也即是说这两年都发生了较为明显的收益负偏现象，尤以2015年最为明显。2015年的MarketCrash系数达到了0.929，基本与2014年出现的最为明显的正偏现象持平;即在一个完整的市场周期中，牛市中的收益出现显著正偏，而熊市中的收益出现显著负偏。

3. 其他控制变量。学者们普遍认为影响个股暴跌风险的因子主要可以概括为个股股价的市场风险因子以及上市公司的特有信息因子。市场风险因子主要为：股价特有收益均值Ret，即在计算个股暴跌风险时以扩展指数模型计算的个股特有收益，个股特有收益均值越高即代表个股的超额收益正偏程度越高，则暴跌风险越低;股价特有收益标准差Sigma，其所衡量的是个股超额收益的特质波动，当特质波动越高时，股价的暴跌风险也会越高;个股超额换手率Dturn，即当年月平均换手率与过去一年月平均换手率之差。Chen等（2001）用经验证据证明超额换手率是衡量个股投资者异质信念的合适指标，当投资者异质性越强时，则超额换手率会越大，其股价暴跌风险越大。而上市公司的特有信息因子则主要为：上市公司规模Size，即公司会计报表上每年总资产的自然对数值，股价横截面收益存在较大的规模效应，即当上市公司规模越大时，风险溢价越低，股价暴跌风险也将越低;上市公司资产负债率Lev，即账面期末负债总额与账面期末资产总额之比。上市公司市值账面比MB，即上市公司的股票总市值与股票会计账目价值之比，股票总市值为流通市值（期末股价与流通股本乘积）与非流通市值（每股净资产与非流通股本乘积）之和，股票会计账目价值为账面期末所有者权益总额;总资产报酬率ROA，即企业在一定周期内获得的报酬总额（息税前利润）与平均资产总额（期初资产总额与期末资产总额的平均值）的比值。MB度量的是上市公司的经营质量，数值越大代表上市公司经营质量越高，其股价暴跌风险越低;但ROA越大即表明其息税前利润越大，这会造成较大的掏空路径或盈余管理路径，从而会推动个股股价崩盘。会计信息质量Abacc，即通过修正Jones模型（Hutton，2009）计算出的应计盈余管理的绝对值;由Jin和Myers（2006）、Kim等（2011）发展的管理层“捂盘”假说认为，个股发生股价暴跌主要是因为负面信息积累到一定程度的结果，而造成负面信息积累则是因为管理层的盈余管理行为，因此，企业的会计信息越透明，代表管理层的盈余管理程度越低，则股价的信息不对称程度越低，暴跌风险也会越低。在进行回归统计时，这些控制变量为全部滞后一期的变量。

为了降低自选择的偏差，即处理组样本与控制组样本在它们上市前公司并不存在明显的差异，我们也进行了上市前3年即2005—2007年的样本特征的差异对比，包括成长性、规模、负债率以及会计盈余管理，从检验结果来看，选择样本在上市前3年的会计账目上并没有明显的差异，只不过控制组的3年复合增长率与每年的规模要高于处理组。而处理组在2008年即上市之年表现出显著更高的盈余管理，与新股发行上市有一定关系，即上市公司为了成功实现上市会进行会计报表的修正，使得上市公司获得更高的市场认可度④。

四、实证结果

（一）描述性统计

表1为主要被解释变量与解释变量、其他控制变量未分组下的描述性统计结果与相关系数表;描述性统计指标包括变量的均值、中位数、标准差、最小值与最大值。总体样本的暴跌风险系数NCSKEW与DUVOL均值相差不大，都约为-0.036;处理组在全样本中的暴跌风险系数NCSKEW与DUVOL均值分别为-0.104与-0.065，都远小于总体样本的均值，控制组在全样本中的暴跌风险系数均值为0.043与-0.001，远高于总体样本均值。描述性统计结果也已经较为明显地证明具有股市崩盘“冲击”的个股表现出了更低的暴跌风险，也即股市崩盘的负面冲击对个股暴跌风险有较强的抑制作用。主要分组变量Dum均值为0.537，即处理组样本占全部样本的53.7%，而控制组样本占全部样本的46.3%;两组样本在数量上总体相差不大。

（二）单变量分析

表2是在计算54只个股样本在2011—2015年的股价暴跌风险系数与其他控制变量以后按照处理组与控制组分组的均值比较与均值T检验比较。总体来说，处理组样本的暴跌风险均值都要低于控制组样本，但在2014年出现了反转即处理组样本的暴跌风险均值要高于控制组样本。联系当时的资本市场情况，2014年下半年股市出现暴涨，市场进入牛市阶段。而从差异检验结果来看，发现2015年及2013、2015年全样本的T检验最为明显，即便是经过防止小样本误差的bootstrap调整仍是如此，且处理组与控制组的暴跌风险差异在2015年最明显。可见，处理组与控制组样本的暴跌风险系数差异会在再次发生股市崩盘时发生更为明显的差异。通过对处理组与控制组样本的在统计周期内的控制变量单变量均值比较与T值差异比较发现：两组样本除市账比外各个变量并不存在较为明显的差异。

（三）多元回归分析

假设1所提出的股市崩盘“冲击”会对个股样本的暴跌风险具有抑制作用，即在股市崩盘中上市的个股比未在股市崩盘中上市的个股样本会表现出更低的股价暴跌风险。也即是说分组变量Dum对个股样本的股价暴跌风险有明显的抑制作用，Dum对NCSKEW与DUVOL的多元回归系数应为负值，且应显著为负。表3第（1）、（2）列分别是Dum与NCSKEW以及DUVOL的多元回归结果，回归结果包含所有控制变量，为更好说明回归参数系数的显著性水平而公布了每一个参数系数的t值。从显著性結果来看，在所有解释变量中，分组变量Dum对被解释变量的参数系数显著性最强，Dum对NCSKEW的参数系数为-0.193（t=-2.13），Dum对DUVOL的参数系数为-0.091（t=-2.08）。分组变量对个股样本的暴跌风险系数为显著负向影响，考虑到分组变量的定义，即经历股市崩盘“冲击”的个股样本在个股暴跌风险上比没经历股市崩盘“冲击”的个股样本更低。股市崩盘的负面“冲击”对个股样本的收益分布产生了一定的抑制作用。

表3多元回归结果中的第（3）列与第（4）列是检验假设2的结果。在多元回归中加入股市崩盘系数Marketcrash以及交乘项Dum[×]Marketcrash，交乘项的作用就是希望检验出若再次出现股市崩盘时，处理组样本与控制组样本个股暴跌风险的差异。从回归结果来看，发现分组变量Dum参数系数绝对值与t值增大，Dum对NCSKEW的参数系数绝对值增大0.029，对DUVOL的参数系数绝对值增大0.013。且交乘项的参数系数绝对值高于分组变量，可看出在引入股市崩盘系数后，股市崩盘系数每提高1个单位，处理组比控制组在暴跌风险系数上会降低0.25个单位（NCSKEW）与0.12个单位（DUVOL）;交乘项参数系数t统计量都在5%以内的统计水平上显著。

多元回归的结果总体验证了股市崩盘“冲击”对个股收益分布的三阶矩即暴跌风险的影响，且从统计结果上认为股市崩盘负面“冲击”对个股收益分布三阶矩产生了一定的抑制作用。即负面冲击会影响投资者的投资信念，抑制认知偏差。

（四）稳健性检验

本文所计算的个股收益的暴跌风险是基于个股收益的三阶矩分布以及二阶矩分布角度考虑，但Marin（2008）以及Firth等 （2005）等人从概率的角度认为个股收益的暴跌风险是一种极端负收益出现的概率。而这种极端负收益即指个股收益远低于均值调整项，Marin（2008）将均值调整项定义为个股收益均值与一定阈值下的标准差之差;并将阈值定义为个股收益落在极端负面收益以外的概率t值⑤。为避免因变量定义问题而造成的解释偏差，我们也对个股特有收益的极端负收益出现概率进行了计算：

其中，[Wi，t]是个股收益经过扩展指数模型（1）计算后经（2）式调整的特有收益，[Wi，t]为个股特有收益在一定周期内的均值，[δ]为个股特有收益在一定周期内的标准差，[λ]为阈值，在本文中以正态分布中0.1%的单侧概率t值作为阈值即[λ]为3.09（Kim等， 2011）。

从图2的Crash结果分布来看，可以看出除2014年外，处理组样本发生个股崩盘的样本个数都小于控制组样本发生个股崩盘的样本个数。从每一年的比较来看，2015年控制组样本与处理组样本发生个股崩盘的样本个数差值最大，控制组发生个股崩盘样本数量为处理组样本的2倍;而控制组在统计周期中每年发生个股崩盘的样本数量变化基本与市场表现保持一致。控制组与处理组在Crash的计算结果上与NCSKEW以及DUVOL保持一致，但由于自然实验的样本数量为54只，其数量较小，若扩大阈值以增大样本数量则容易引入市场噪声而影响结果。我们试着以1%的概率作为阈值发现处理组与控制组间的个股崩盘样本数量之间并无明显的差异与规律，所以在此只报道0.1%阈值下的个股崩盘样本计算结果。

由表4可知，通過Logit模型对Crash变量与其他变量的多元回归分析发现分组变量的参数系数符号仍旧为负，即处理组样本的个股暴跌风险要比控制组低0.61%;但分组变量的参数系数t值显著性降低了。在引入股市崩盘系数进行假设2检验时交乘项Dum[×]crash_ncskew符号仍旧为负，但显著性消失;但分组变量显著性提高，且符号未变。这或与样本量较小且二者计算方法有较大差异有关。

此外，为避免因样本量太小造成的检验结果误差，在稳健性检验中对样本的选择周期也进行了调整，即将控制组与处理组中选股的周期由3个月扩大至6个月，将处理组个股上市的月份由2008年4月至6月扩大至3月至8月;将控制组个股上市的月份由2009年7月至9月扩大至7月至12月。在按照我们实验的剔除条件进行剔除后，观测样本数量扩大至1070个。对假设1与假设2进行多元回归分析，回归结果与实验中的检验结果保持一致，说明实验中的样本数量并未影响到检验结果。

五、结论

本文以自然实验的方法初步检验了股市动荡与个股股价暴跌风险之间的因果关系。检验结果发现，这种因果关系在统计结果上存在且表现为抑制作用：股市崩盘的负面“冲击”对个股的股价暴跌风险有显著的抑制作用，处理组样本在暴跌风险系数上要显著比控制组样本低。本文验证了市场冲击对股价行为的影响，可以帮助投资者更深入地认识市场价格形成机制。

当然，本文仅仅是基于一个实验的样本数据，选择的样本数据与总体实验数据还有一定的差距。并且由于样本数据较小，检验结果是否具有普遍性还有待更大数据样本的检验。2015年股灾又提供了一次自然实验机会，但由于在本文撰写完毕时，其研究区间相对太短，故未能选取相关数据进行更多的论证。此外，本文对股市崩盘风险的定量方法还有待商榷，还需进一步准确的定义好代理变量的关系以保证结果的准确性。

注：

①在如今金融市场波动日益增大的情况下，有许多学者研究个股的股价崩盘风险，包括股价崩盘风险的衡量方法以及产生较大的个股股价崩盘风险的原因。目前，产生的共识是个股股价的崩盘风险主要是指个股出现大幅度的价格下跌与负收益现象，是出现极端负收益的一种情况（Hong和Stein，2003）;也即是说个股收益的二阶矩有较为明显的波动而三阶矩的偏度分布则出现较为明显的负收益分布。

②股市震荡与个股股价崩盘并非同一概念，当前学术界诸如Chen等（2001），Hong和Stein（2003），Hutton等（2009）等研究的都是基于个股层面的股价崩盘风险。而参照Marin和Olivier（2008）等的观点，是指资本市场出现大面积的个股股价下跌，且出现较大的负收益程度。

③我国企业实现IPO上市要经历较长的流程，从提交申请材料到最后发行上市平均等待时间为3—9个月，其中还并不包括排队与IPO暂停的时间。而更为重要的是，监管当局对企业发行上市存在一定的选择即在市场较为繁荣时鼓励上市，而在市场萧条时抑制上市;且企业也会在市场繁荣时申请上市而在市场萧条时推迟上市。因此为降低处理组样本与控制组样本的自选择，而将企业申请上市时间定为同一年。

④限于文章篇幅，结果未予列出。

⑤Marin（2008）在数据检验中将阈值定为2，对个股收益分别从三个角度计算，即未调整前的对数收益、经市场收益调整的超额收益以及经市场指数模型中Beta值调整的特有收益。本文由于已经计算出市场扩展指数模型的特有收益，所以直接以特有收益的均值进行均值标准差调整计算。

参考文献：

[1]Chen J，Hong H，Stein J C. 2001. Forecasting Crashes：Trading Volume，Past Returns，and Conditional Skewness in Stock Prices[J].Journal of Financial Economics，61（3）.

[2]Hong H，Stein J C. 2003. Differences of Opinion， Short-sales Constraints， and Market Crashes[J].The Review of Financial Studies，16（2）.

[3]Campbell J Y，Hentschel L. 1992. No News is Good News：An Asymmetric Model of Changing Volatility in Stock Returns[J].Journal of Financial Economics，31（3）.

[4]Romer D. 1992. Rational Asset Price Movements Without News[R].National Bureau of Economic Research，83（5）.

[5]Callen J L，Fang X. 2013. Institutional Investor Stability and Crash Risk： Monitoring Versus Short-termism？[J].Journal of Banking & Finance，37（8）.

[6]Jinshuai H，Jeong-Bon K，Wenrui Z. 2014. Insider Trading and Stock Price Crash Risk：International Evidence from a Natural Experiment[J].SSRN Electronic Journal.

[7]Jin L，Myers S C. 2006. R2 Around the World：New Theory and New Tests[J].Journal of Financial Economics，79（2）.

[8]Hutton A P，Marcus A J， Tehranian H. 2009. Opaque Financial Reports，R2，and Crash Risk[J].Journal of Financial Economics，94（1）.

[9]Kothari S P，Shu S，Wysocki P D. 2009. Do Managers Withhold Bad News？[J].Journal of Accounting Research，47（1）.

[10]Ball R. 2009. Market and Political/Regulatory Perspectives on the Recent Accounting Scandals[J].Journal of Accounting Research，47（2）.

[11]Kim J B，Li Y，Zhang L. 2011. Corporate Tax Avoidance and Stock Price Crash Risk： Firm-level Analysis[J].Journal of Financial Economics，100（3）.

[12]Xu N，Li X，Yuan Q et al. 2014. Excess Perks and Stock Price Crash Risk：Evidence from China[J].Journal of Corporate Finance，25.

[13]Andreou P C，Antoniou C，Horton J，et al. 2016. Corporate Governance and Firm-specific Stock Price Crashes[J]. European Financial Management，22（5）.

[14]Zhang M，Xie L，Xu H. 2016. Corporate Philanthropy and Stock Price Crash Risk： Evidence from China[J].Journal of Business Ethics，139（3）.

[15]Marin J M，Olivier J P. 2008. The Dog that did not Bark：Insider Trading and Crashes[J].The Journal of Finance， 63（5）.

[16]Firth M ， Chen G M，Gao N D，et al.  Is China's Securities Regulatory Agency A Toothless Tiger？Evidence from Enforcement Actions[J].Social Science Electronic Publishing.

[17]权小锋，吴世农.投资者关注、盈余公告效应与管理层公告择机[J].金融研究，2010，（11）.

[18]吕江林，李明生，石劲.人民币升值对中国股市影响的实证分析[J].金融研究，2007，（6）.

[19]高昊宇，杨晓光，叶彦艺.机构投资者对暴涨暴跌的抑制作用：基于中国市场的实证[J].金融研究，2017，（2）.

[20]孟庆斌，杨俊华，鲁冰.管理层讨论与分析披露的信息含量与股价暴跌风险——基于文本向量化方法的研究[J].中国工业经济，2017，（12）.

[21]宋献中，胡珺，李四海.社会责任信息披露与股价暴跌风险——基于信息效应与声誉保险效应的路径分析[J].金融研究，2017，（4）.

[22]曾爱民，魏志华.宗教传统影响股价暴跌风险吗？——基于“信息披露”和“管理自律”的双重视角[J].经济管理，2017，39（11）.

[23]马笑芳，周中胜，张苏斌，邵蔚，张康建.审计行业专长与股价暴跌风险的关系分析[J].苏州大学学报（哲学社会科学版），2018，39（2）.

[24]丁慧，吕长江，陈运佳.投资者信息能力：意见分歧与股价暴跌风险——来自社交媒体“上证e互动”的证据[J].管理世界，2018，34（9）.

[25]褚剑，方军雄.政府审计的外部治理效应：基于股价暴跌风险的研究[J].财经研究，2017，43（4）.

[26]徐飞，唐建新，程利敏.国际贸易网络与股价崩盘传染：竞争性货币贬值视角[J].国际金融研究，2018，（12）.

[27]许年行，江轩宇，伊志宏，徐信忠.分析师利益冲突、乐观偏差与股价暴跌风险[J].经济研究，2012，47（7）.

Abstract：This paper studies whether there is a causal relationship between a stock market crash and firm-level stock price crash risk by natural experiment， taking Chinese A-shares market turbulence in 2008 and the special domestic IPO suspension system as the designing opportunity of natural experiment. The study finds that：（1）compared with the new stocks listed in the stock market after the gradual recovery，those listed in the stock market crash have significantly lower risk of slump;（2）the further research suggests that the differences above are much more significant when a stock market crash occurs again. Steady research shows that a stock market crash can remarkably reduce the risk of firm-level stock price crash.

Key Words：stock market crash，natural experiment，risk of firm-level stock price crash

（責任编辑    孙   军;校对   MM，GX）