一、引言

腐败会导致经济主体将时间和精力转移至寻租活动，降低市场资源配置效率，进而抑制经济增长^[1]。十八大以后，中共中央重拳出击，加大了反腐败力度。随着“天价酒”“天价灯”事件的曝光，落马的官员涉嫌收受贿赂，涉案金额多达数十亿元。从十八大的“八项规定”到十九大的召开，已有超过250名中管干部被查处，仅2017年上半年就处分省部级干部38人，厅局级干部1 000余人。贪腐以及官商勾结引发的腐败问题引起了媒体、股民和监管机构等各界人士的高度关注，反腐败也再次成为全社会的热点话题。

党的十九大再次强调持续反腐毫不松懈，对反腐败无禁区、全覆盖、零容忍，坚定不移进行反腐败“持久战”。反腐败并不仅仅对腐败问题进行查处，更重要的是紧抓腐败根源，厘清权力的边界，切断利用公权力搞利益输送的链条。为此，中共中央通过改革和制度创新加强对权力运行的制约和监督，如加大政务信息和权利的公开、透明行使；紧盯审批监管、金融信贷等重点领域和关键环节，进一步健全监督管理制度机制；同时，中央反腐政策得到了广大群众的支持，也增强了媒体对腐败问题的跟踪与报道。反腐败带来了市场透明度的提升，政商关系的断裂，以及外部监督机制的增强^[2-3]。

本文利用党的十八大反腐政策作为外生冲击，采用双重倍差法系统地检验了反腐败对微观企业对好坏消息披露行为的影响，进而对资本市场股价暴跌风险的产生的作用。现有的股价崩盘风险分析框架中，信息不透明和代理冲突是驱动股价发生崩盘的两个关键因素^[4]。不透明的信息环境为具有“侵占”动机的内部人隐藏负面信息提供了便利，导致坏消息在公司内部不断累积，当坏消息超出管理层的隐藏能力时被集中释放到市场上来，便引发股价崩盘^[5-6]。Piotroskiet al.(2015)认为出于政治激励动机，政治家及其附属企业会暂时地在中共代表大会以及省级官员换届两个重要的事件窗口短期减少坏消息的披露，当政治事件结束后再集中释放累积的坏消息，导致窗口期股价崩盘风险显著增加。十八大以来的反腐新政与以往不同，中共中央多次强调，当前反腐败斗争形势依然严峻复杂，全面从严治党决不能半途而废，必须以“永远在路上”的韧劲和执着，把“严”长期坚持下去，坚定不移。那么，当企业无法在短期“避风头”时，反腐新政对企业好坏消息不对称披露行为会有怎样的影响，进而对资本市场股价崩盘风险的影响如何是我们的研究重点。

本文的创新和贡献主要在以下几个方面：第一，利用党的十八大反腐政策作为外生冲击，研究了反腐败对微观企业资本市场股价崩盘风险的影响，丰富了腐败与微观企业经济关系研究领域的文献；第二，通过企业对好坏消息披露行为的视角研究反腐败对资本市场的影响，不仅为反腐败对股价暴跌风险的影响提供了更直接的证据，而且丰富了反腐败对企业信息披露行为影响的研究；第三，有效补充了使用党的十八大之后以反腐败作为自然实验平台的相关研究^{[2-3, 7-8]}。本文揭示了反腐败有利于资本市场的稳定，为今后进一步完善反腐政策，加强党政建设，优化市场运作，防范资本市场风险提供了实证依据。

二、理论背景与研究假设 (一) 制度背景

现代经济学和金融学已经证明，培育良好的资本市场通过实现资源的最优配置，能够有效促进实体经济的长期增长。然而，对于中国资本市场的资源配置功能，长期以来备受争议。中国是典型的转型经济国家，利用行政权力配置社会资源的色彩还比较浓厚^[9-11]。政府官员掌握着大量经济资源以及自由裁量权，灰色地带范围较大。同时，中国缺乏完备的价格体系和健全的法律系统，特别是契约执行效率和投资者保护水平较低^[12]。宏观经济环境信息透明度低，极大地降低了官员腐败被查处的风险。因此，部分官员滥用权力谋取私利，收受贿赂，进行“钱权交易”^[13]，甚至故意增加审批环节来设租^[14]。地区腐败程度显著抑制了企业家对生产性活动投入的意愿，企业家把时间和精力转向维持政商关系^[15]，导致中国的企业面临较高的交易成本。

在改革开放初期，为了调动地方积极性，中央政府在改革开放中进行了一系列的分权改革，地方政府事实上成为发展经济和稳定社会秩序的主要执行者^[16]。各地区法律法规完善程度、政府监管水平及产权保护程度等存在差异^[17]。此外，中央政府对地方政府进行政绩考核，以“晋升锦标赛”的形式将地方政府官员置于强力的激励之下^[18]。在这种情况下，地方政府放松监管甚至在出现问题时包庇地方企业，使得投资者无法及时获取企业经营状况的真实信息，进一步降低了市场信息透明度，对企业微观经营行为产生了重要的影响^[19-20]。

(二) 相关文献与研究假设

基于代理理论，企业经理人具有对好坏消息选择性不对称披露的动机。Jin and Myers(2006)研究发现，缺乏投资者保护并且信息不透明将激励经理人截取正面现金流中高于外部投资者预期的部分，通过吸收和隐藏现金流中低于投资者预期部分的风险，即隐藏坏消息来维持其工作职位和后续的侵占活动。Hutton et al.(2009)研究指出，当公司内部人有更强的激励和更便利的条件隐藏与公司价值相关的负面信息时，消息更有可能在公司内部被不断累积而不为市场知晓。也有学者研究发现，出于诉讼风险、薪酬计划、职业生涯等多方面因素的综合考虑，经理人通常会隐瞒并囤积坏消息，但会及时向外部投资者泄露或公开披露好消息，也即过度披露好消息^[21-22]。Piotroskiet et al.(2015)认为，出于政治激励动机，经理人会在重要政治事件窗口期内改变对坏消息的披露。Graham et al.(2005)发现，相较于好消息，经理人更倾向于推迟坏信息的披露时间。

党的十八大以来的反腐败力度大覆盖范围广，中共中央通过改革和制度创新加强对权力运行的制约和监督，如加大政务信息和权力的公开、透明行使；紧盯审批监管、金融信贷等重点领域和关键环节，进一步健全监督管理制度机制；从根源出发，明确政府官员权力的边界，切断利用公权力搞利益输送的链条。中央的做法可以渗透至企业以及人民群众，提高大家对腐败问题的重视，反腐败成为全国上下共同关注的热点问题。媒体也同时提高了对腐败问题的曝光，增强了对企业的监督作用。国家的反腐举措很大程度上提升了市场信息透明度，有助于优化企业公司治理^[2-3]，降低了企业管理者对坏消息隐藏的阈值。而持续贯彻执行反腐政策更是击碎了企业经理人延迟发布坏消息的机会主义幻想。特别是对国有企业经理人，如果累积的坏消息达到一定程度将会带来更大的社会舆论压力和惩罚，反腐败提高了经理人的信息隐藏成本。此外，在反腐败期间，企业经理人也可能存在减缓过度披露好消息的动机。叶青等(2014)研究发现，公司被列入富豪榜后将理性地选择“低调”行事，以尽量规避或减轻公众关注所带来的政治成本。在全民对腐败高度警惕的时期，过度披露好消息会引起各方关注，可能导致许多不利后果。

经过对上述两类企业不对称披露倾向的分析，本文提出如下假设：

H1：反腐败抑制了企业对好坏消息的不对称披露行为。具体而言，反腐败抑制了对坏消息的隐藏和对好消息的过度披露。

自2008年全球金融危机以来，股价崩盘风险等极端尾部事件风险受到各方广泛关注。股价崩盘风险是指短时间内股价大幅下跌的现象。大量的经验研究发现，股票价格相对于大幅上涨更容易出现大幅下跌，表现出负的收益率偏度^[26-27]。早期文献主要基于完全信息与理性预期均衡分析框架，后续的研究放松了完全信息的假设，将股价崩盘与市场参与者之间信息不对称联系在一起，认为股价崩盘是大量负面信息流冲击的结果。

目前相关研究主要从代理冲突的视角解释股价崩盘的最具代表性的文献以Jin and Myers(2006)提出的“坏消息隐藏理论”(Bad News Hoarding Theory)为基本的理论框架。他们认为，公司的信息透明度越低，管理层越有可能不对称地披露好消息和坏消息，使得坏消息不断在公司内部囤积。但内部人愿意并且能够成功吸收的坏消息数量是有限的，当坏消息累积数量超出管理者的窖藏能力时，坏消息将瞬间大量释放从而导致股价崩盘，给资本市场带来巨大的冲击^{[4-6, 28]}，或者是投资者可能会被虚假的财务信息所蒙蔽，导致股价存在“泡沫”。一旦投资者掌握了企业真实经营情况，股价便会崩盘^[29]。

总结现有研究文献主要从以下两个方面展开：一是公司所处宏观环境以及公司内部信息不透明。国家层面以及公司内部的信息不透明为具有“侵占”动机的内部人隐藏负面信息提供了便利，公司管理者出于薪酬契约、声誉、职业生涯及“帝国”建造等个人私利的考虑，普遍倾向于策略性的延迟或隐瞒坏消息，并及时发布好消息，导致坏消息在公司内部不断累积，甚至超出管理层的隐藏能力时被集中释放到市场上来，引起股价崩盘^{[4-6, 22-21, 24]}。二是公司内部的代理冲突。代理冲突的降低，有助于抑制管理者的坏消息窖藏行为，进而股价发生崩盘的风险越低。已有研究发现，更完善的制度环境与媒体监督^[30]、更强的投资者保护^[31]有助于缓解公司内部代理冲突，降低股价崩盘风险。Xu et al.(2014)研究发现，高管额外津贴会提高股价崩盘风险。

中共中央为了从根源解决腐败问题，采取的一系列举措中最为核心的便是信息的公开透明，让灰色地带暴露在阳光之下，在很大程度上优化了企业所处的市场信息环境。此外，从微观企业层面来看，对于国有企业，反腐败核心政策“八项规定”直接约束了高管的在职消费，是对企业内部治理机制的重大改变，在一定程度上缓解了国有企业的代理冲突问题。反腐败另一重要举措是规范了政府权力的边界，遏制政商勾结，切断利用公权力搞利益输送的链条。中国民营企业热衷于维护的政商关系发生断裂，将企业经营重心回归到生产性活动上来，有助于企业规范化运营，使得公司治理机制得以有效发挥作用。总之，宏观信息环境的提升，企业代理冲突的缓解，内部治理机制的优化均有助于降低企业对坏消息的隐藏，进而降低股价崩盘风险。

基于假设1以及上述分析，本文提出如下假设：

H2：反腐败有助于降低公司股价暴跌风险。

三、研究设计 (一) 样本选取

基于本文的研究设计，选取了2010—2015年在沪深两市进行交易的A股公司作为研究样本，并剔除了金融行业的上市公司，以及相关变量缺失的样本。本文稳健性检验部分，所使用的差旅费和业务招待费来自上市公司财务报表附注，为手工收集数据。所涉及的其他数据均来自CSMAR数据库。为了控制异常值对回归结果造成的潜在影响，对所有连续变量在1%的水平上进行了winsorize处理。为控制潜在的截面相关问题，本文在所有回归中均进行公司维度的cluster处理^[33]。

(二) 变量定义

1.股价暴跌风险的衡量

借鉴Hutton等(2009)、Xu等(2014)的文献，本文用三种方法来度量股价崩盘风险。具体计算过程如下：

首先，计算各公司每年的周收益，即为W。公司周收益W_it=ln(1+ε_it)，ε_it为下式残差。

$ {r_{i, t}} = {\beta _0} + {\beta _1}{r_{m, t - 2}} + {\beta _2}{r_{m, t - 1}} + {\beta _3}{r_{m, t}} + {\beta _4}{r_{m, t + 1}} + {\beta _5}{r_{m, t + 2}} + {\varepsilon _{i, t}} $

(1)

其中，r_{i, t}是公司i在第t周的股票收益率; r_{m, t}为市值加权的市场指数在第t周的收益率。本文采用的第一种股价崩盘风险的度量指标是股票周收益负偏程度，记为NCSKEW。具体计算方法是：计算各家公司每个年度周收益的三阶矩与周收益的标准差三次方之商的相反数，用等式表示如式(2)：

$ NCSKE{W_{it}} = - \left[ {n{{\left( {n - 1} \right)}^{\frac{3}{2}}}\sum {W_{it}^3} } \right]/\left[ {\left( {n - 1} \right)\left( {n - 2} \right){{\left( {\sum {W_{it}^2} } \right)}^{\frac{3}{2}}}} \right] $

(2)

其中，t代表第t年；n表示公司i在年度t中周收益的观测值数量。

本文采用的第二种股价崩盘风险的度量指标是周收益跌涨波动比率，记为DUVOL。先将各家公司每年所有的周收益按照高于或低于平均值分成两组，然后分别计算各组的标准差。DUVOL为低于平均值的标准差与高于平均值的标准差比值的自然对数。用等式表示如式(3)：

$ DUVOL{\rm{ = }}\ln \left[ {\left( {{n_u} - 1} \right)\sum\limits_{{\rm{down}}} {W_{it}^2} /\left( {{n_d} - 1} \right)\sum\limits_{{\rm{up}}} {W_{it}^2} } \right] $

(3)

其中，t代表第t年；n_u，n_d分别表示高于平均值和低于平均值的周收益观测值数量。

2.好消息、坏消息的衡量

采用Khan and Watts(2009)估计方法。先估计以下模型：

$ \begin{array}{l} X = {\beta _0} + {\beta _1}D + R\left( {{\mu _1} + {\mu _2}Size + {\mu _3}M/B + {\mu _4}Lev} \right) +\\ DR\left( {{\lambda _1} + {\lambda _2}Size + {\lambda _3}M/B + {\lambda _4}Lev} \right) + \\ \left( {{\eta _1}Size + {\eta _2}M/B + {\eta _3}Lev + {\eta _4}DSize + {\eta _5}DM/B + {\mu _6}DLev} \right) + {\varepsilon _{i, t}} \end{array} $

(4)

其中，X是公司年度营业利润占上年末总市值的比例；Size是公司年末总市值的自然对数；M/B是公司年末总市值与所有者权益账面价值的比值；Lev是公司长短期借款之和占上年末总市值的比例；R是公司从当年5月至次年4月的股票持有回报率；D则是虚拟变量，在R小于零的情况下取值为1，否则为0。

该模型在以X和R分别表征会计收益和经济收益的基础上，它们之间的敏感系数便衡量了公司将其真实经济活动的相关信息释放到会计系统中的程度。而虚拟变量D则用以区分好消息和坏消息。所以，在对模型分行业、分年度进行估计得到各回归系数后，再将公司当年Size、M/B以及Lev的实际数据代入计算式μ₁+μ₂Size+μ₃M/B+μ₄Lev所得到的结果便衡量了公司当年对于好消息的释放程度；代入计算式(μ₁+μ₂Size+μ₃M/B+μ₄Lev)+(λ₁+λ₂Size+λ₃M/B+λ₄Lev)所得的结果便衡量了公司当年对于坏消息的释放程度。

3.是否为实验组判定

借鉴已有文献Luo et al.(2011)、权小锋等(2010)，首先利用全部观测值对文献中的模型回归，接着把各个解释变量的回归系数分别带入模型，计算出每个观测样本的预期在职消费，该样本实际在职消费与正常在职消费的差额即为超额在职消费。若超额在职消费大于0，我们则认为该公司代理冲突比较大，具有腐败的可能。

4.控制变量

借鉴现有文献(Chen et al.，2001；Hutton et al.，2009；Kim et al.，2011a，2011b)加入如下崩盘风险的控制变量：Size公司规模，公司总资产的自然对数；Lev财务杠杆，总负债与总资产之比；MB成长性，市值在账面股东权益的占比；ROA总资产收益率，为本年度的净利润与上年度的总资产之比；RET股票的年度回报率；DTURN消除趋势影响的股票换手率，股票本年度的月均换手率与上年度的月均换手率之差；SIGMA经市场调整后的股票周收益率的标准差；ABACC公司透明度，采用操纵性应计利润的绝对值衡量，其中可操纵应计利润通过修正的Jones模型计算得到。

关于企业信息披露的控制变量选取，本文借鉴林长泉等(2016)加入如下信息披露质量的控制变量：Size公司规模；Lev财务杠杆；ROA总资产收益率；FISHAR第一大股东持股比例，第一大股东持股数除以公司总股数；DUAL两职合一，若公司董事长兼任总经理则取1，否则取0；INDEPEN独立董事比例，独立董事人数除以董事会总人数；INSHOLD机构持股比例；BIG4公司当年是否由四大审计，是取1，否则取0。

(三) 双重差分估计模型

首先建立以下回归模型(1)以检验本文假设1和假设2：

$ Inf = {\beta _0} + {\beta _2}corrupt + {\beta _3}{\rm{d}}p * corrupt + {\beta _i}\sum {Control} + {\beta _j}\sum {Year} + {\beta _i}\sum {Industry} + \varepsilon $

(5)

模型(1)中的关键解释变量corrupt代表的是我们根据企业是否存在超额在职消费(Luo et al.，2011；权小锋等，2010)进行分组。如果反腐前(2013年以前)公司存在超额在职消费(Abperk>0)，则认为该公司为实验组；否则为对照组。实验组corrupt=1，反之则对对照组corrupt=0。dp表示反腐政策冲击，政策前dp=0，反腐政策后dp=1。

模型中的因变量Inf代表的是公司的信息释放行为。分别用前面计算出来的好消息Inf_G，坏消息Inf_B。模型(1)采用最小二乘法(OLS)进行估计。我们关注的是交乘项dp*corrupt的系数β₃，β₃实际是通过比较处理组与控制组在事件前后的相对距离来排除不可观测因素的干扰，进而分离出外生政策冲击的净效应。

接下来，建立以下回归模型(2)以检验本文的第三个假设：

$ CrashRisk = {\beta _0} + {\beta _2}corrupt + {\beta _3}{\rm{d}}p * corrupt + {\beta _i}\sum {Control} + {\beta _j}\sum {Year} + {\beta _i}\sum {Industry} + \varepsilon $

(6)

模型(2)中关键解释变量dp与corrupt的衡量方法与之前相同。因变量CrashRisk代表的是公司股价崩盘风险。用NCSKEW、DUVOL来代理。NCSKEW和DUVOL代理股价崩盘风险时采用最小二乘法(OLS)进行估计。

四、实证结果 (一) 主要变量的描述性统计

表 1列示了主要变量的描述统计结果。可以看到，研究中47%的样本划入实验组，实验组与对照组样本数量持恒。44%的样本是国企，这与我国现阶段民营企业于国有企业共同发展的基本特征相符。NCSKEW和DUVOL的均值与标准差分别为-0.16和-0.12、0.57和0.44，这与现有的研究基本一致。

表征公司坏消息释放程度的变量Inf_G和Inf_B的均值分别为0.01和0.06，坏消息释放程度大于好消息释放程度，也体现出我国上市公司会计系统的稳健特征。

(二) 实证结果

1.反腐败对企业好消息和坏消息不对称披露的作用

为了研究反腐败对于企业信息质量的作用路径，我们进一步研究了企业对好消息和坏消息的不对称发布情况，即假设1的内容。

表 2列示的是反腐败对企业好消息和坏消息发布状况的影响。第(1)列和第(2)列是用全样本对公司财务信息反馈的好消息Inf_G、坏消息披露水平Inf_B的总体回归结果，Corrupt*dp的系数分别为-0.024和-0.026，通过了1%水平显著性检验。这一结果表明，反腐败降低了腐败公司对好消息的过度披露以及对坏消息隐藏。综合来看，反腐败降低了企业的好坏消息不对称发布情况。上述结果验证了我们提出的假设1。

根据前文的分析，反腐败对不同产权性质企业好坏消息不对称披露行为的影响作用路径可能不完全相同。国有企业高管除了薪酬激励，晋升也是一项重要的激励来源，因此相较于民营企业，国有企业更具政治敏感性。而反腐败的持续性很大程度上抑制了国有企业经理人隐瞒坏消息，抑制了暂时“避风头”的动机，因为如果隐瞒累积坏消息，一旦隐藏不了会引起更严重的社会舆论以及相应的惩罚。对于民营企业，政治成本明显低于国有企业。经理人可能更多的是不再过度披露好消息，“低调”避免公众注意而带来不必要的问题。第(3)~(6)列是对应的回归结果。第(3)列和第(4)列是国有企业的回归结果，交叉项系数为-0.02和0.049，分别通过了10%和1%显著性水平通过了检验，说明反腐败降低了国有企业对好消息的过度披露以及对坏消息的隐藏。第(5)和第(6)列是利用不同指标对民营企业分组的回归结果，交叉项只有第(5)列显著为负，说明民营企业降低了对好消息的过度披露。不论是对坏消息的隐藏减少还是对好消息过度披露下降均说明企业信息披露质量有所提升。

2.反腐败与股价暴跌风险

前面验证了反腐败对于企业好坏消息不对称披露行为的影响，下面我们验证反腐败与股价暴跌风险之间的关系。

表 3报告了双重差分模型(2)的估计结果。其中对NCSK和DUVOL的回归采用最小二乘法(OLS)估计。其中第(1)~(2)列只控制了行业和年度效应，交叉项Corrupt*dp的系数均显著为负(显著性水平均为1%)，表明反腐后，腐败公司股价崩盘风险出现了下降，并且下降幅度显著大于控制组公司。在第(3)~(4)列中，我们进一步控制了其他公司层面的影响因素，结果显示，上述检验变量的系数作用方向和显著性并未发生实质性的变化，交叉项系数依然保持至少10%水平上统计显著为负。上述结果说明，反腐败后公司的股价崩盘风险下降，从而验证了假设2。

五、稳健性检验 (一) 改变反腐对公司信息释放行为和股价崩盘风险作用的估计方法

由于反腐前处理组和控制组之间的公司特征存在一定的差异，这些差异可能造成处理组与控制组的股价崩盘风险变动趋势存在系统性差异，从而降低双重差分模型估计的有效性。为此，我们采用PSM-DID(PSM，倾向性评分匹配；DID，双重差分模型)方法进行稳健性检验。首先，选取2010—2015年的样本区间，选择股价崩盘风险具有影响的变量，即上文中的控制变量；其次，通过logistic回归得到每个观测值的倾向性评分；接着，采用和匹配法进行控制组的选取和匹配；最终，得到基于PSM方法的匹配样本，并进行DID估计。估计结果见表 4。表 4结果发现，反腐政策后公司股价崩盘风险下降。

(二) 更换股价崩盘风险衡量指标

本文采用的第三种股价崩盘风险的度量指标是周收益极值分布虚拟变量，记为Crash，其计算方法如(7)：

$ {W_{it}} < Average\left( {{W_{it}}} \right) - 3.09\sigma $

其中，Average(W_it)是每一年度内所有公司周收益的平均值；σ是每一年度内公司股票周收益的标准差。如果年度内股票i的周收益W满足式(7)至少1次，则推定股票陷入崩盘风险，股票周收益极值分布Crash等于1，否则为0。

表 5为Crash指标衡量的股价崩盘风险全样本回归结果。列(1)只控制了年度和行业效应，列(2)同时加入了公司特征变量，该结果再次证实了假设2成立，确保了结果的稳健性。

(三) 敏感性测试

为了保证本文实证结果的可靠性，我们在此进行敏感性测试。在样本选择过程中剔除业绩亏损的公司，再次检验反腐败对股价崩盘风险的影响，实证结果如表 6所示。根据敏感性测试的结果显示，在剔除业绩亏损的公司以后，实证结果未发生实质性的改变，说明上述研究的实证结果具有稳健性。

六、结论

党的十八大之后持续的重拳反腐给中国社会治理和经济发展带来了深刻的影响。本文以“坏消息隐藏理论”为基础框架，从企业信息披露行为的视角，验证了反腐败政策效应的微观作用路径。在公平竞争机制不足的转型经济中，反腐败优化了市场信息环境，有助于降低公司内部代理冲突。从经理人对好坏消息不对称披露行为的视角来看，反腐败有效抑制了经理人对坏消息的隐藏，以及对好消息的过度披露，缓解了股价崩盘风险，维护了资本市场的繁荣稳定。本文的研究为党的十八大之后反腐败的政策效果提供了重要的实证证据。可见，持续高强度的反腐败对于经济发展和社会进步是非常必要的。