文章快速检索     高级检索
  南方经济  2015, Vol. 33 Issue (7): 29-46  
0

引用本文 

邹萍. 货币政策、股票流动性与股票价格暴跌风险[J]. 南方经济, 2015, 33(7): 29-46.
Zou Ping. Monetary Policy, Stock Liquidity and Stock Price Crash Risk[J]. South China Journal of Economics, 2015, 33(7): 29-46.

作者简介

邹萍, 华中农业大学经济管理学院讲师, E-mail:bigsnail1984@126.com, 通讯地址:湖北省武汉市洪山区狮子山街1号华中农业大学经济管理学院, 邮编:430070
货币政策、股票流动性与股票价格暴跌风险
邹萍     
摘要:目前, 中国股市还存在较多制度性缺陷, 股价波动频繁且暴跌风险较高。本文以2003年至2013年中国A股上市公司为样本, 检验作为激发机制的货币政策以及作为外部生成机制的股票流动性对中国股票价格暴跌风险的影响。研究发现:股票流动性与公司股票价格暴跌风险具有显著的敏感性, 即随着股票流动性的下降, 公司股票价格暴跌风险显著上升; 货币政策越宽松, 股票价格暴跌的风险越大; 而且宽松的货币政策增强了股票流动性与股票价格暴跌风险的敏感性。区分市场势态的进一步分析表明, 市场为熊市时, 股票流动性对股票价格暴跌风险的影响更显著, 货币政策的放松越容易激化股票价格暴跌风险, 且对股票流动性与股票价格暴跌风险的敏感性的放大作用更为突出。
关键词货币政策    股票流动性    股票价格暴跌风险    市场态势    
Monetary Policy, Stock Liquidity and Stock Price Crash Risk
Zou Ping
Abstract: China' s stock market still has many institutional defects. The stock price fluctuates frequently and the stock price crash risk is relatively higher. Using a sample of China' s A-share listed companies, we investigate the influence of the monetary policy as an excitation mechanism and the stock liquidity as an external generating mechanism on stock price crash risk. The results show that the lower the stock liquidity is, the larger the stock price crash risk will be, and a loose monetary policy helps to strengthen the effect that the stock liquidity exercises on the stock price crash risk. The further analysis based on the different states of the stock market shows that under the bear market, the stock liquidity' s influence on the stock price crash risk is stronger and the loose monetary policy' s strengthening effect on this relationship is more outstanding.
Key Words: Monetary Policy    Stock Liquidity    Stock Price Crash Risk    Stock Market States    
一、 引言

自股市诞生以来, 股价“暴涨暴跌”乃至崩盘频繁显现并重创各国经济。以美国为例, 道·琼斯指数从1929的452点急剧跌至1932年的58点, 使其股票市值由897亿美元跌至156亿美元。1987年美国纽约股市再次暴跌并诱发历史上最大的崩盘事件, 道·琼斯指数下跌22.6%并损失5000亿美元, 同时还诱发“多米诺骨牌”效应, 致使世界股市市值损失17920亿美元。相对于西方发达国家, 中国股市存在较多制度性缺陷, 股票价格暴跌风险更高(Piotroski and Wong, 2011), 沪市从2005年1000多点一路暴涨到2007年的6000多点, 到了2013年又跌破2000点, 到2014年上半年继续在2000点上下震荡。股价急剧波动势必给股市健康发展与投资者的财富带来极大冲击, 当整个股市全面崩盘时甚至可能危及实体经济运行进而诱发经济危机(Jin and Myers, 2006; 陈国进和张贻军, 2009)。正因如此, 监管者、投资者和学术界均高度关注股价“暴涨暴跌”或暴跌风险及其严重的经济后果(许年行等, 2012)。

① 相当于当时美国全年国民生产总值的1/8。

② 美国1987年股灾, 详见http://money.163.com/07/0228/15/38E8RMOQ00251LIG.html

股票价格暴跌风险产生的内在机理是信息不对称, 当负面消息不断被隐藏并累积, 直到突然被集中释放时, 就会立刻发生股票价格暴跌(Jin and Myers, 2006)。那么如何缓解股价暴跌风险呢?现有研究主要从市场和公司两个层面延展开来, 对股票价格暴跌风险的形成机制进行了探讨, 如信息透明度(Jin and Myers, 2006; 潘越等, 2011)、管理层基于股权激励的动机隐藏负面消息(Kim et al., 2011b)、会计稳健性(Kim et al., 2012)、证券分析师的乐观偏差(许年行等, 2012)等对股票价格暴跌风险造成影响。但这些研究侧重于关注股票价格暴跌风险的内在机制而忽视了其外在机制与激发机制, 特别是基于宏观经济层面的研究相对匮乏。

宏观经济环境和股票市场是影响股票价格波动的主要外部环境。股票流动性反映了股票市场的活跃程度, 是股票价格暴跌风险发生的主要外在机制, 货币政策作为主要的宏观经济调控工具构成了诱发股票价格暴跌风险的激发机制。首先, 股票流动性通过影响信息不对称程度、风险溢价水平作用于股价, 进而影响股票价格暴跌风险。股票流动性高表明市场对投资者的内在约束较低, 知情交易多, 投资者对于信息的需求高, 股价信息含量增加, 对于突发事件的反映更平淡(Holmstrom, 1993; 张强等, 2013), 预期负面信息对于股票价格的冲击趋于平缓, 股票价格暴跌风险更小; 反之股票流动性越低, 股票价格暴跌风险越大。其次, 货币政策的过度宽松会诱发股票价格暴跌风险。宽松的货币政策会使得进入股市的货币资产增加, 股票需求上升, 股票价格被不断推高, 大量投资者受股市虚假繁荣的诱导大量购进股票, 非理性化的投资行为使得股价泡沫不断膨胀。直到股价暴涨到极点, 投资者又转而纷纷抛售股票, 股价泡沫破裂, 股票价格暴跌发生。而且货币政策的放松会提高企业的风险承担水平, 随着企业风险的不断累积, 对应的股票价格暴跌风险也逐渐上升。为此, 本文以中国A股上市公司为样本, 考察了作为激发机制的货币政策以及作为外部生成机制的股票流动性对股票价格暴跌风险的影响。

本文的贡献与创新点主要在于:第一, 以往对于股票价格暴跌风险的研究多从其内在机理出发探讨其影响因素, 如信息透明度、高管操纵信息等, 本文将研究角度拓展到股票价格暴跌风险的外部环境层面, 发现股票流动性和货币政策是其主要的外在机制和激发机制, 深化了股票价格暴跌风险的研究; 第二, 以股票价格暴跌风险为落脚点, 探讨了货币政策的微观经济后果, 为宏观经济政策对微观企业的传导作用提供了证据; 最后, 在实践方面, 本文的研究结论表明, 一方面, 监管部门应当规范交易机制, 降低交易摩擦, 提高股票流动性; 另一方面, 货币政策的制定应当适当考虑到对微观企业的经济后果, 从而更好的防范股票价格暴跌风险, 促进市场的健康发展。

二、 文献回顾与假设提出 (一) 文献回顾

股票价格暴跌风险也叫股价崩盘风险(Stock Price Crash Risk), 其产生的内在机理是信息不对称, 当负面消息不断被隐藏并累积, 直到达到某个阀值时, 就会突然集中释放, 从而引起股票价格暴跌。目前关于股票价格暴跌风险的研究多从导致信息不对称的原因入手, 探寻其生成机制, 并主要分为市场和公司两个层面。在市场层面, 研究认为股票价格暴跌的主要原因在于资本市场上知情投资者和不知情投资者间的信息不对称。Gennotte and Leland(1990) 指出19世纪20年代和80年代两次美国股市崩盘的原因在于少部分人手中握有内幕信息, 而大部分没有信息的人只能基于股价来进行投资, 信息不对称致使股票流动性下降, 一旦不利消息披露就会对市场造成冲击, 股价如多米诺骨牌那样接连暴跌。Hong et al.(2003) 认为投资者异质性和部分投资者的卖空约束导致了股票价格暴跌风险, 有卖空约束的投资者被迫做出抛出全部股票并退出市场的选择, 这对市场而言是一种负面消息, 当市场态势上升时, 这种负面消息不会释放, 当市场态势下降时, 才会突然释放出来导致股票价格暴跌。而翟爱梅和钟山(2012) 认为在金融危机时期, 投资者对未来经济前景是不确定的, 资本市场上信息不对称更加严重, 卖空机制的出现加剧了股票价格的波动, 释放出了更大风险。Marin et al.(2008) 指出, 内部交易使得在坏消息真正公布以前股价就开始暴跌, 这意味着内部投资者在利用自己的私有信息套利, 损害了外部投资者的利益。投资者的心理特征也会影响其对信息的认知。陈国进等(2009) 以中国A股市场为研究对象, 发现在一段时间内投资者过度乐观会推动股价的突然暴涨, 在接下来的时间里过度悲观的投资者又集中释放负面信息, 股价迅速暴跌, 即投资者的异质信念程度越高, 股票价格暴跌风险越大。许年行等(2013) 发现机构投资者的羊群行为是导致股价暴跌风险上升的因素之一, 特别是当机构投资者集中卖出股票时, 这种影响更加显著。

在公司层面, 主要从释放信息的公司管理层与接受信息的投资者之间的信息不对称来考察股票价格暴跌风险的生成机制。Hutton et al.(2009) 发现信息不透明的公司更容易发生股票价格暴跌, 但当萨班斯法案颁布后, 信息不透明与股票价格暴跌风险的关系显著性降低, 这表明严格的管制环境使得公司透明度增加, 股票价格暴跌风险随之降低。由于公司并非是完全透明的, 投资者难以获悉管理者是否隐藏信息, 管理者可以利用这一特点进行信息操纵, 所以这类公司的股票价格暴跌风险更大。Kim et al.(2011a, 2011b)、Bleck and Liu(2007) 以及Benmelech et al.(2010) 认为高管会基于“掏空”公司资源、获取较高期权价值、晋升、薪酬、避税等目的故意隐瞒不利消息, 或是利用历史成本会计隐藏不盈利项目的消息并且延长这些项目的寿命, 从而导致股价被严重高估, 当负面消息累积到达某一极限时, 将集中释放进而对公司股价造成巨大冲击并最终暴跌。高管性别也会对股价暴跌风险产生影响, 李小荣等(2012) 发现CEO为女性的上市公司股价暴跌风险较低, 而且风险降低程度取决于女性CEO的权力大小、市场态势以及风险偏好。此外, 政治事件以及上市公司所处地区的宗教水平也会对股票价格暴跌风险产生影响(Piotroski et al., 2011; Callen and Fang, 2013)。

股票价格暴跌风险对投资者和企业带来了严重损害, 从防范和改善股票价格暴跌风险的角度出发, 潘越等(2011) 认为在我资本市场法律环境不理想的情况下, 证券分析师的关注作为投资者法律保护的替代品, 有助于改善信息透明度进而降低股价暴跌风险。Kim et al.(2012) 发现提高会计稳健性可以及时避免不利消息的隐瞒, 有利于缓解股票价格暴跌风险。江轩宇等(2013) 认为公司所聘请的会计师事务所的行业能力与股票价格暴跌风险负相关, 事务所的审计行业专长可以促使不利消息及时得到披露, 从而降低股票价格暴跌风险。罗进辉和杜兴强(2014) 发现媒体报道对公司的监督作用抑制了公司的股票价格暴跌风险, 特别是在制度环境存在不足的地区, 媒体报道的抑制效果更加明显。王化成等(2014) 认为提高对投资者的保护水平有助于降低股票价格暴跌风险。

通过文献梳理可以看出, 关于股票价格暴跌风险的研究不论是国内的还是国外的起步都较晚, 特别是基于中国市场的股票价格暴跌风险研究近几年才开始关注。而且已有的研究大多侧重于从微观的角度分析股票价格暴跌风险的内在机制, 其外在发生机制的研究较少, 基于宏观经济视角的研究更是非常缺乏。本文试从外部市场的主要特征——股票流动性切入, 考察股票流动性与股票价格暴跌风险间是否具有敏感性, 并进一步从宏观经济政策的层面研究不同的货币政策下这种敏感性是否存在差异, 以期更好的理解股票价格暴跌风险的外部发生机制。

(二) 研究假设

Amihud and Mendelson(1988) 指出, 流动性是市场的一切。在流动性高的市场中, 其参与者信心更足, 对于外部冲击的抵抗力更强, 系统性风险更低(谢赤等, 2007)。已有研究表明, 股票流动性越高, 股票交易成本越低, 市场对投资者的内在约束越低(Amihud and Mendelson, 1986; 顾乃康和陈辉, 2010)。知情投资者会在私人信息带来的收益和股票流动性产生的内在约束成本间做出权衡, 股票流动性越高内在约束成本越低, 信息套利越高, 知情交易越活跃, 股票价格就越能及时反映相关信息(张强等, 2013)。随着知情交易的增多, 市场信息不对称程度降低, 未来负面消息突然披露时, 市场反映会更平淡, 股价波动更平稳。而且, 从投资者获取信息的动机上来看, 随着股票流动性的增加, 股价中的私有信息含量增加, 知情投资者利用信息获利的边际价值大幅上升, 这种收益将促使更多的投资者愿意花费更多的代价获取信息, 以提高流入市场的信息质量和股价的信息含量(Holmstrom, 1993)。由此可以看出, 股票流动性上升可以通过降低交易成本以及对投资者的内在约束来提高知情交易的数量以及投资者对于信息的需求力度, 从而提高股价信息含量, 降低市场信息不对称程度, 缓解股票价格暴跌风险。

此外, 股票流动性越低, 股价中的流动性风险溢价越高, 股价越不稳定, 股票价格暴跌风险随之上升。流动性溢价理论认为股票流动性是决定股票定价的重要因素, 对于流动性差的股票, 资产投资者往往会要求额外的补偿性预期收益, 股价中流动性风险溢价占比较大(Amihud and Mendelson, 1986)。特别是在我国, 我国股市素有“政策市”、“资金市”之称, 巨额资金不稳定的在股市上的流进流出, 导致我国股票流动性变动极大, 股价中的流动性风险溢价也随之剧烈波动(黄峰和杨朝军, 2007), 预期股票价格暴跌的可能性比较高。综上所述提出:

假设1:在其他条件不变的情况下, 股票流动性越低, 股票价格暴跌风险越高。

货币政策是各国政府干预和调节宏观经济最为重要的工具之一。Talavera et al.(2012) 认为, 由货币政策导致的宏观环境不确定性的变化会影响公司外部融资的成本以及他们投资政策的动态变化。黄志忠和谢军(2013) 指出, 当货币政策宽松时, 增加的货币发行量会促进银行信贷, 借款利率也会降低, 这意味着企业可通过较低的融资成本获取更多的外部资本。而在货币政策紧缩期, 由于信贷配给的存在, 银行选择企业的空间会变大(饶品贵、姜国华, 2011), 此时信贷额度限制及较高的利率都会提高企业的负债融资成本, 企业会转向股市或其他渠道寻找替代性融资。具体而言, 货币政策对股票流动性与股票价格暴跌风险的影响体现在:

首先, 宽松的货币政策会刺激股市的虚假繁荣随后引起更严重股票价格暴跌风险。Bianchi(2010) 瞿强(2005) 认为在宽松货币政策下, 由于信贷扩张, 借款成本下降, 企业容易形成过度借贷并投资, 资产价格因此快速上涨, 短时间内市场呈现虚假繁荣, 如果恰逢经济上行期, 这种虚假繁荣会进一步催生并加剧资产泡沫, 直到到投资者资金链断裂或资产价格达到难以继续持有的地步又转而大量抛售资产, 资产价格迅速暴跌。具体到股票市场上:随着货币政策的逐渐放松, 大量资金流入股市, 股市开始呈现繁荣状态, 受此影响短时间内大量投资者涌入市场, 如果这种趋势进入非理性状态, 股价就会被过度抬高形成股价泡沫 。之后, 当股价泡沫膨胀到一定程度时:一方面, 受“利空”消息披露的冲击; 另一方面, 受投资者心理转变的影响, 有些投资者认为股价已经达到“理想中”的最高位, 故而决定抛出股票, 有些投资者由于受到“利空”消息的影响心理由普遍乐观转变为普遍悲观(Abreu and Brunnermeier, 2003; 陈国进等, 2009), 这两方面的因素使得股市行情急转直下, 投资者纷纷撤离市场, 股价泡沫破裂, 股票价格暴跌迅速产生。

① 当实际的股价严重偏离其真实价值时就产生了股价泡沫, 实际股价大于真实值的为正向泡沫, 反之为负向泡沫, 正向泡沫破灭的危害要远超过负向泡沫的危害。

其次, 货币政策不但从宏观上影响整个国民经济, 同时也对微观企业有风险传导效应, 最终影响股票价格暴跌风险。宽松的货币政策下, 银行信贷等金融部门风险偏好上升, 从而降低对企业的门槛限制与监管力度, 企业的风险承担水平上升; 反之, 紧缩的货币政策下, 对企业的门槛提高, 企业的风险承担水平下降(林朝颖等, 2014)。随着货币政策的放松, 企业风险承担水平越来越高, 风险不断累积, 这为企业的发展埋下了定时炸弹。股票收益率的波动状况一定程度上反映了企业的风险水平(Bargeron et al., 2010)。股票价格暴涨暴跌是股票收益波动的一种体现, 因而货币政策对于企业的风险影响也会反映在股票价格暴跌风险的变动上。货币政策越宽松, 企业累积的风险越大, 股票价格暴跌风险也越大。

此外, 根据假设1的分析, 股票流动性的下降将会激化股票价格暴跌风险。那么在宽松的货币政策下, 股票流动性的下降, 将会引起更大幅度的股票价格暴跌风险的上升, 即货币政策越宽松, 股票流动性与股票价格暴跌风险的关系会更加敏感。综上所述提出:

假设2a:在其他条件不变的情况下, 货币政策越宽松, 股票价格暴跌风险越大。

假设2b:在其他条件不变的情况下, 货币政策越宽松, 股票价格暴跌风险对股票流动性的敏感性越强。

三、 研究设计 (一) 样本数据

本研究选择2003-2013年我国A股所有上市公司19047个数据为初始样本, 并做了如下处理:(1) 剔除了金融类上市公司;(2) 为了估计股票价格暴跌风险的数值, 需要计算出每支股票的周特有收益率, 为此剔除了每年股票交易周数小于30的样本以确保精确估计;(3) 剔除ST和PT上市公司;(4) 剔除数据缺失的样本;(5) 对主要变量进行了Winsorize缩尾处理。共计删除9032个样本, 最终得到10015个观测样本。研究所需数据来源于CSMAR、锐思数据库和2013年中国统计年鉴。

(二) 模型设定

针对前文的假设, 本研究构建了以下回归模型:

$\begin{align} & Crashris{{k}_{i,\text{ }t}}={{\alpha }_{0}}+{{\alpha }_{1}}Li{{q}_{i,\text{ }t-1}}+{{\alpha }_{2}}Sigm{{a}_{i,\text{ }t-1}}+{{\alpha }_{3}}Re{{t}_{i,\text{ }t-1}}+{{\alpha }_{4}}Abac{{c}_{i,\text{ }t-1}}+{{\alpha }_{5}}Siz{{e}_{i,\text{ }t-1}} \\ & +{{\alpha }_{6}}Pro{{f}_{i,\text{ }t-1}}+{{\alpha }_{7}}Indme{{d}_{i,\text{ }t-1}}+{{\alpha }_{8}}M{{B}_{i,\text{ }t-1}}+\sum Year+\sum Industry+{{\varepsilon }_{i,\text{ }t}} \\ \end{align}$ (1)
$\begin{align} & Crashris{{k}_{i,\text{ }t}}={{\alpha }_{0}}+{{\alpha }_{1}}M{{P}_{i,\text{ }t-1}}+{{\alpha }_{2}}Sigm{{a}_{i,\text{ }t-1}}+{{\alpha }_{3}}Re{{t}_{i,\text{ }t-1}}+{{\alpha }_{4}}Abac{{c}_{i,\text{ }t-1}}+{{\alpha }_{5}}Siz{{e}_{i,\text{ }t-1}} \\ & +{{\alpha }_{6}}Pro{{f}_{i,\text{ }t-1}}+{{\alpha }_{7}}Indme{{d}_{i,\text{ }t-1}}+{{\alpha }_{8}}M{{B}_{i,\text{ }t-1}}+\sum Year+\sum Industry+{{\varepsilon }_{i,\text{ }t}} \\ \end{align}$ (2)
$\begin{align} & Crashris{{k}_{i,\text{ }t}}={{\alpha }_{0}}+{{\alpha }_{1}}Li{{q}_{i,\text{ }t-1}}+{{\alpha }_{2}}Li{{q}_{i,\text{ }t-1}}\times M{{P}_{i,\text{ }t-1}}+{{\alpha }_{3}}M{{P}_{i,\text{ }t-1}}+ \\ & {{\alpha }_{4}}Sigm{{a}_{i,\text{ }t-1}}+{{\alpha }_{5}}Re{{t}_{i,\text{ }t-1}}+{{\alpha }_{6}}Abac{{c}_{i,\text{ }t-1}}+{{\alpha }_{7}}Siz{{e}_{i,\text{ }t-1}}+{{\alpha }_{8}}Pro{{f}_{i,\text{ }t-1}}+ \\ & {{\alpha }_{9}}Indme{{d}_{i,\text{ }t-1}}+{{\alpha }_{10}}M{{B}_{i,\text{ }t-1}}+\sum Year+\sum Industry+{{\varepsilon }_{i,\text{ }t}} \\ \end{align}$ (3)

其中, 模型(1) 用于检验假设1, 预期系数α1显著为正, 模型(2) 用于检验假设2a, 预期系数α1显著为正, 模型(3) 用于检验假设2b, 预期α2显著为正。变量解释如下:

1. 股票价格暴跌风险(Crashrisk)

根据已有研究(Kim et al., 2011a, 2011b; 许年行等, 2012), 本研究采用负收益偏态系数(Ncskew)和收益上下波动比率(Duvol)测度公司股票价格暴跌风险。为得到这两个变量, 需计算出股票i在第t周的公司特有收益率Wi, t

${{r}_{i,\text{ }t}}={{\alpha }_{i}}+{{\beta }_{1}}{{r}_{m,\text{ }t-2}}+{{\beta }_{2}}{{r}_{m,\text{ }t-1}}+{{\beta }_{3}}{{r}_{m,\text{ }t}}+{{\beta }_{4}}{{r}_{m,\text{ }t+1}}+{{\beta }_{5}}{{r}_{m,\text{ }t+2}}+{{\varepsilon }_{i,\text{ }t}}$ (4)

模型中, ri, t是股票i第t周考虑现金红利再投资的收益率, rm, t为所有上市公司在第t周经流通市值加权的平均收益率。考虑到股票非同步性交易的影响, 在模型(4) 中加入市场收益率的一、二阶前推项和滞后项, 再用模型(3) 的残差εi, t计算公司特有收益率Wi, t=Ln(1+εi, t)。最后利用公司特有收益率Wi, t构建以下两个股票价格暴跌风险变量:

(1) 负收益偏态系数(Ncskew)

$Ncske{{w}_{i,\text{ }t}}=-[n\left( n-1 \right){{~}^{\frac{3}{2}}}\sum W_{i,t}^{3}\left] / \right[\left( n-1 \right)\text{ }\left( n-2 \right)\text{ }(\sum W_{i,t}^{2}){{~}^{\frac{3}{2}}}]$ (5)

n为每年股票i的交易周数, Ncskew数值越大表示偏态系数向左偏的程度越严重, 股票价格暴跌风险越大。

(2) 收益上下波动比率(Duvol)

$Duvo{{l}_{i,\text{ }t}}=\text{log}\{[({{n}_{up}}-1)\text{ }\sum\limits_{down}{{}}W_{i,t}^{2}\left] / \right[({{n}_{down}}-1)\text{ }\sum\limits_{up}{{}}W_{i,t}^{2}]\}$ (6)

该式中nup(ndown)为股票i的特有收益率超过(低于)年平均收益率的周数。收益上下波动率的数值越大, 收益分布越偏向左, 表明股票价格暴跌风险越大。

2. 股票流动性(Liq)与货币政策(MP)

采用Amihud(2002) 的流动性匮乏指标衡量股票流动性Liq, 该指标越大说明股票流动性越差, 由于该指标的计算结果非常小, 为方便研究, 将其放大107倍。同时还采用本年对于上年的差额(△Liq)做稳健性检验。具体计算过程如下:

$li{{q}_{i,\text{ }t}}=\frac{1}{{{N}_{t}}}\sum\limits_{j=1}^{{{N}_{t}}}{{}}\frac{{{R}_{i,\text{ }j}}}{vo{{l}_{i,\text{ }j}}}$ (7)

其中, Ri, j代表股票i在第j个交易日的收益率, voli, j代表股票i在第j个交易日的成交金额, Nt是股票i在第t年的有效交易天数。

参考Romer and Romer(1990) 饶品贵和姜国华(2011) 的做法定义货币政策(MP), 处于货币政策宽松期时MP取1, 否则为0。根据样本期间的货币政策实施状况, 将2004、2006、2007、2010、2011年定义为紧缩货币政策时期, 其余为宽松货币政策时期。同时本研究采用年度广义货币供给量M2的同比增长率(MP2) 替代货币政策做稳健性检验。

① 亚洲金融危机后中国开始长达7年的通货紧缩, 为了治理通货紧缩, 央行在2004年之前一直实施相对宽松的货币政策。2004年为了抑制前期投资增长过快的势头, 央行开始执行稳健的货币政策, 具体表现为:2004年4月25日上调存款金融机构准备金率、央行对金融机构的再贷款利率和再贴现利率, 2004年10月29日上调金融机构存贷款基准利率。2005年3月17日央行下调金融机构的超额存款准备金率, 2005年7月21日央行开始实行以市场供求为基础的、参考一篮子货币进行调节、有管理的浮动汇率制度。2005年是货币政策相对宽松的一年。2006年央行三次上调金融机构存款准备金率, 同时两次上调金融机构贷款基准利率, 这些证据表明2006年是货币政策从紧的一年。2007年央行四次上调金融机构存款准备金率, 并五次上调金融机构存贷款基准利率, 因此2007年是我国货币政策从紧的一年。2008年美国次贷危机蔓延加深, 央行及时调整了货币政策的方向、重点和力度, 实行适度宽松的货币政策, 五次下调存贷基准利率, 四次下调存款准备金率, 明确取消对金融机构信贷规划的硬约束, 加大了金融支持经济发展的力度。而到2010年四季度, 为了控制通货膨胀, 抑制货币信贷的快速增长, 央行2次上调存贷款利率, 3次上调存款准备金率。2011年, 在中国经济增速明显下滑, 通胀率又连创新高的复杂背景下, 货币政策按照总体稳健、调节有度、结构优化的目标, 实施稳健型的货币政策。有鉴于上述理由, 本文将2004、2006、2007、2010、2011年定义为货币政策紧缩年度。

3. 控制变量

参考Kim et al.(2011a, 2011b)、许年行等(2012) 的做法, 控制了如下变量:信息透明度(Abacc), 以按Jones模型计算的可操纵性应计利润的绝对值来衡量; 股票年度收益率波动(Sigma), 即个股在第t年的周特有收益率的标准差; 股票在第t年度的平均周特有收益率(Ret); 公司规模(Size), 总资产的自然对数; 市价账面比(MB), 用(第t年末的股票价格×流通股票数量+每股净资产×非流通股数量)/账面权益价值来计算; 盈利能力(Prof), 即EBIT/总资产; 行业负债率中位数(Indmed)。

(三) 描述性统计分析

主要变量的一般性描述统计分析与差异性分析见表 1。Panal A的一般性描述统计结果显示:(1) 股票价格暴跌风险指标Duvol和Ncskew的均值与中位数基本接近, 标准差接近1, 说明样本公司股票价格暴跌风险值较为合理且存在较大差异, 而且与许年行等(2012) 的数据基本吻合;(2) 股票流动性指标Liq的标准离差较小, 说明流动性数据差异不大;(3) M2的同比增长率(MP2) 均值为17.9%, 中位数是17.0%, 标准差为4.21, 说明我国货币政策整体上较宽松, 但波动幅度略大。

表 1 描述性统计

Panal B的主要变量差异性检验结果显示:(1) 高股票流动性公司的Ncskew和Duvol的均值和中值显著小于低股票流动性公司的数值, 说明股票流动性越高股票价格暴跌风险较小;(2) 宽松货币政策下Ncskew和Duvol的均值和中值均显著大于紧缩货币政策时期的数值, 说明宽松货币政策下股票价格暴跌风险更大;(3) 市场熊市下Ncskew和Duvol的均值和中值均显著大于牛市下的数值, 说明市场熊市势态下股票价格暴跌风险较大。这些证据与前文推导基本吻合。

主要变量Pearson相关系数分析见表 2。结果显示:(1) 股价暴跌风险指标Duvol和Ncskew与股票流动性指标Liq显著正相关, 说明股价暴跌风险随股票流动性的增强而减弱, 与本文假设1基本吻合;(2) 货币政策MP与Duvol和Ncskew显著正相关说明在货币政策宽松时期股价暴跌风险较大, 与股票流动性指标Liq显著正相关说明总体上宽松货币政策期我国股市流动性反而有所下降。此外, 所有变量回归系数都在正常范围, 说明变量设置无明显技术问题。

表 2 主要变量Pearson相关系数分析
四、 实证结果分析 (一) 股票流动性对股票价格暴跌风险的影响

为检验假设1首先对模型(1) 进行回归, 结果置于表 3中。从表 3可以看出:(1) 股票流动性(Liq)对股票价格暴跌风险(Ncskew和Duvol)的OLS回归结果显示, 股票流动性与股票价格暴跌风险在1%的水平上显著正相关, 说明股票流动性越低(Liq数值越大), 股票价格暴跌风险越大, 从而初步验证了假设1;(2) 由于股票流动性和股票价格暴跌风险之间可能受到内生性的影响, 本文借鉴Fang et al.(2009) 方法, 选取滞后一期的股票流动性变量(Lagliq)和股票流动性的行业中位数(Indliq)作为工具变量,通过二阶段最小二乘法控制内生性。股票流动性的两阶段回归结果显示, 股票流动性与股票价格暴跌风险的关系仍高度相关, 再次稳健地证实了假设1;(3) 更进一步, 本研究提供了股票流动性年度变化值(△Liq)与股票价格暴跌风险的回归结果, 证据显示股票流动性年度变化值(△Liq)与股票价格暴跌风险仍然显著正相关, 说明股票流动性下降的速度越快(△Liq数值越大), 股票价格暴跌风险上升的速度越快, 从而动态地验证了假设1。

表 3 假设1的检验结果

第一阶段回归模型:Prliqt01Lagliqi, t2Indliqi, t3Sigmai, t4Reti, t5Abacci, t6Sizei, t7Prof+α8Indmedi, t9MBi, t+∑Year+∑Industry+εi, t

(二) 货币政策对股票价格暴跌风险的影响

为进一步检验货币政策是否会对股票价格暴跌风险以及股票流动性与股票价格暴跌风险的敏感性产生影响, 对模型(2) 和模型(3) 进行了回归, 结果置于表 4。从表 4中可以看到:(1) 货币政策MP与股票价格暴跌风险显著正相关, 说明货币政策越宽松, 股票价格暴跌风险越大, 回归结果支持假设2a;(2) 股票流动性指标Liq与货币政策MP的交乘项(Liq×MP)与股票价格暴跌风险的关系也显著为正, 说明在宽松货币政策下, 股票流动性与股票价格暴跌风险的敏感性被进一步加剧, 假设2b得到验证。同时, 本研究还采用股票流动性年度变化值△Liq与货币政策的交乘项(△Liq×MP)进一步做稳健性检验, 结果依然不变, 支持假设2b。

表 4 假设2的检验结果
(三) 稳健性检验

为了确保结论的可靠性, 本研究进行了如下稳健性检验:(1) 参照黄峰和杨朝军(2007) Amihud(2002) 股票流动性指标的修正方法计算出新的股票流动性指标;(2) 采用年度广义货币供给量M2的同比增长率作为货币政策的替代变量。其中, 经过修正的股票流动性指标计算方法如下:

$li{{q}_{i,\text{ }t}}=\frac{1}{{{N}_{t}}}\sum\limits_{j=1}^{{{N}_{t}}}{{}}\frac{s{{w}_{i,\text{ }j}}}{vo{{l}_{i,\text{ }j}}}$ (8)

其中, swi, j/voli, j是股票i在第t年的第j个交易日的流动性匮乏度, swi, j代表股票i在第j个交易日的股价振幅[=(当日最高价-当日最低价)/当日开盘价], voli, j代表股票i在第j个交易日的成交金额, Nt是股票i在第t年的有效交易天数。该指标数值越大, 表明股票流动性越低。表 5表 6的检验结果与表 3表 4的结果完全一致, 表明研究结论具有较高的稳健性。

表 5 对假设1的稳健性检验
表 6 对假设2a和2b的稳健性检验
五、 进一步考虑市场态势的影响 (一) 市场态势的可能影响

不同市场态势下, 货币政策、股票流动性对股票价格暴跌风险的影响可能存在异质性。首先, 牛熊市本身就是投资者情绪的反映, 牛市下投资者情绪较为乐观多倾向于做多, 而熊市下投资者情绪较为悲观多倾向于做空, 这两种情绪恰好是股价泡沫形成及崩盘的主要诱因之一。Shiller(1987) 通过调查80年代美国股市崩盘前后投资者情绪发现, 崩盘前后的较短时间内投资者大多经历了从乐观到突然悲观的极端情绪转变。在投资者情绪呈现强烈异质性的情况下, 牛市时, 市场情绪高涨, 股价大幅上扬, 投资者易受到普遍乐观情绪感染而纷纷入市, 缺乏理性的自主判断; 同样, 熊市时, 市场情绪低落, 受普遍悲观情绪感染投资者又大批的撤出市场, 大量资金集中的突然流入和流出市场极易造成股价的暴涨暴跌。在中国这个新兴股票市场上, 鉴于监管和法律等制度的相对不完善, 这种现象可能更加严重。其次, 不同的市场态势下, 货币政策对于股票价格的影响力度上存在差异。郑鸣等(2010) 发现在我国A股市场上, 在股市低迷期, 货币供应量对股价有显著的正向影响, 且持续时间长达5个月, 但在股市膨胀期, 货币供应量对股价的影响相对更弱, 且滞后1个月。再次, 不同的市场态势下, 市场总体流动性存在差异。张晋和吴冲锋(2010) 发现在牛市下, 由于获利机会增加, 投资者要求更高的流动性, 反之在熊市下, 流动性较低。最后, 牛市和熊市下股票市场对于各种“消息”的反应不同。陆蓉和徐龙炳(2004) 发现牛市期间股票市场对消息的反应表现为显著的正冲击效应, “利好”消息对股市的影响显著大于对“利空”消息对股市的影响, 而在熊市期间情况相反, 股票市场对消息的反应表现为负冲击效应, 即对“利空”消息反应更加强烈。股票价格暴跌风险的内在机理就是由于负面信息被隐藏并不断累积, 直到突然集中释放出来对股价造成冲击所致, 在熊市下由于股价对于负面信息反应更加敏感, 股票价格暴跌发生的可能性会更高。

(二) 数据分析

本研究参照Lindahl Steven(1980) 的做法区分市场势态, 市场平均收益超过无风险收益的时间段判定为牛市, 否则为熊市。本文以样本期内考虑现金红利再投资的综合A股市场年回报率替代市场平均收益(Rm), 以银行定期整存整取年利率替代无风险收益(Rf), 两者差额为市场超额收益(Rm-Rf), 按此计算出来的2003-2013年各年数值分别为-5.342%、-17.884%、-12.027%、107.419%、171.047%、-65.920%、106.710%、-9.366%、-24.479%、1.912%、-4.379%, 并据此判定2006、2007、2009和2012年为牛市, 其他年份为熊市。

① 银行定期整存整取年利率当年发生变动的, 取当年平均数。

为了检验市场态势对假设1、假设2a和假设2b的可能影响, 本文将样本划分为熊市组和牛市组, 分别采用模型(1) 、模型(2) 和模型(3) 进行回归分析, 结果置于表 7。Panel A是不同的市场态势下股票流动性对股票价格暴跌风险的影响, 其中股票流动性Liq和股票流动性年度变化值△Liq的回归系数在熊市样本组中均显著为正, 而在牛市样本组中不显著, 这表明熊市下股票流动性与股票价格暴跌风险的敏感性更高, 股票流动性的下降更容易刺激股票价格暴跌风险的发生, 而在牛市下股票价格暴跌风险有所缓和。Panel B是不同市场态势下的货币政策MP对股票价格暴跌风险的影响。从表中可以看出, 不论是在牛市中还是熊市中, 货币政策MP的回归系数均显著为正, 但是在熊市样本组中货币政策MP的回归系数大于牛市样本组的回归系数。这些结果表明, 相比牛市, 在熊市下货币政策对股票价格暴跌风险的影响力度更大。Panel C是不同市场态势下货币政策对股票流动性与股票价格暴跌风险敏感性的影响, 其中交乘项Liq×MP和△Liq×MP的回归系数在熊市样本组中均显著为正, 而在牛市样本组中不显著, 这表明在熊市下, 货币政策的放松对股票流动性与股票价格暴跌风险敏感性的放大效果更加明显。同时本研究按照波峰波谷判定法(Pagan and Sossounov, 2003)区分牛熊市, 重新进行回归分析所得到的结果保持不变, 限于篇幅此处不予赘述。

表 7 市场态势的影响
六、 结论与启示

本文以2003-2013年我国沪深A股上市公司为研究样本的结果显示, 提高作为外部生成机制的股票流动性有助于降低股票价格暴跌风险, 宽松货币政策会进一步刺激股票价格暴跌风险, 并且有助于强化股票流动性与股票价格暴跌风险的敏感性, 这说明监管机构可以通过消除阻碍股票流动性的不利因素以及适度调节货币政策来降低和防范股票价格暴跌风险。进一步考虑市场态势的影响后, 发现在牛熊市下股票流动性与货币政策对股票价格暴跌风险的影响呈现非对称性, 相比牛市, 熊市下股票流动性与股票价格暴跌风险的敏感性更加显著, 货币政策的放松对这一敏感性的强化作用也更明显。

本文的研究结论具有以下三个方面的启示:首先, 股票价格暴跌风险的外在生成机制是股票流动性。股票流动性的上升能降低交易成本和股价中的溢价风险, 提高股价的信息含量, 缓解信息不对称程度, 进而降低股票价格暴跌风险。这说明在完善资本市场信息机制的建设过程中, 应当尽量消除市场上阻碍股票流动性的不利因素, 或引导这些因素向有利方向转变, 从外在生成机制上降低股票价格暴跌风险。为此一方面监管机构需要规范市场交易机制, 降低交易摩擦, 另一方面投资者应当转变投资理念, 真正从盲目“投机”转变为理性“投资”。其次, 过度宽松的货币政策是股票价格暴跌风险的诱发机制。过度宽松的货币政策容易催生股价泡沫, 股票流动的下降会加速泡沫的破灭, 导致更严重的股票价格暴跌风险。最后, 市场态势的不景气会进一步加剧宽松货币政策和低股票流动性对股票价格暴跌风险的放大作用。繁荣稳定的市场下, 股票流动性更高更稳定, 股票价格暴跌风险也随之降低。因此, 要不断的完善我国资本市场体系、坚持市场化的改革方向, 提高市场自我纠偏能力, 这样才能避免因流动性下降、信息不对称等原因导致的股票价格暴跌。但股票价格暴跌风险的形成是一个漫长而又复杂的过程, 本研究只是其中微小的一个方面, 我们虽然观察到货币政策和股票流动性会对微观的企业股票价格暴跌现象产生影响, 但并未考虑到我国特殊的制度背景, 后续的研究可以从这个角度展开更深入的探讨。

参考文献
[] Abreu D.M.Brunnermeier, 2002, "Synchronization risk and delayed arbitrage, ". Journal of Financial Economics, 66(2-3), 341–360. DOI:10.1016/S0304-405X(02)00227-1
[] Alexander Bleck Xuewen Liu, 2007, "“Market transparency and the accounting regime, ”". Jounal of Accounting Research, 45(2), 229–256. DOI:10.1111/joar.2007.45.issue-2
[] Amihud Yakov Haim Mendelson, 1986, "Asset pricing and the bid-ask spread, ". Journal of Financial Economics, 17(2), 223–249. DOI:10.1016/0304-405X(86)90065-6
[] Amihud Y.Mendelson H, 1988, "Liquidity and asset prices: financial management implications, ". Financial Management, 7(1), 5–15.
[] Amihud Y, 2002, "Illiquidity and stock returns: cross section and time-series effects, ". Journal of Financial Markets, 5(1), 31–56. DOI:10.1016/S1386-4181(01)00024-6
[] Bargeron L.L., Lehn K.M. and Zutter C.J , 2010, ""Sarbanes-Oxley and Corporate Risk-taking, "". Journal of Accounting and Economics(1), 34–52.
[] Benmelech E, Kandle E. and Veronesi P, 2010, "Stock-based compensation and CEO(dis) incentives, ". Quaterly Journal of Economics, 125(4), 1769–1820. DOI:10.1162/qjec.2010.125.4.1769
[] Bianchi Javier, 2010, "Credit Externalities: macroeconomic effects and policy implications, ". American Economic Review, 100(2), 398–402. DOI:10.1257/aer.100.2.398
[] Chordia T Sarkar A , Subrahmanyam A , 2005, "An empirical analysis of stock and bond market liquidity , ". Review of Financial Studies, 18(1), 85–129. DOI:10.1093/rfs/hhi010
[] Callen, J.L., Fang, X., 2013, “Religion and Stock Price Crash Risk, ” SSRN Working Paper.
[] Fang V T Noe, S Tice, 2009, "Stock Market Liquidity and Firm Value , ". Journal of Financial Economics, 94, 150–169. DOI:10.1016/j.jfineco.2008.08.007
[] Fujimoto A, 2004, “Macroeconomic sources of systematic liquidity, ” Working Paper, University of Alberta.
[] Gennotte, G H Leland, 1990, "Market liquidity, hedging and crashes, ". American Economic Review, 80(5), 999–1021.
[] Holmstrom B J Tirole, 1993, "Market liquidity and performance monitoring, ". Journal of Political Economy, 101(4), 678–709. DOI:10.1086/261893
[] Hong H., Stein J.C, 2003, "Differences of opinion, short-sales constrains, and market crashes, ". The Review of Financial Studies, 16(2), 487–525. DOI:10.1093/rfs/hhg006
[] Hutton A.P., A.J.Marcus and H.Tehranian , 2009, "Opaque financial reports, R2, and crash risk, ". Journal of Financial Economics, 94(1), 67–86. DOI:10.1016/j.jfineco.2008.10.003
[] Jin, Li Stewart C Myers, 2006, "R2 around the World: New Theory and New Tests , ". Journal of Financial Economics, 79(2), 257–292. DOI:10.1016/j.jfineco.2004.11.003
[] Kim J B Y H Li, L Zhang, 2011a, "Corporate tax avoidance and stock price crash risk: firm-level analysis, ". Journal of Financial Economics, 100(3), 639–662. DOI:10.1016/j.jfineco.2010.07.007
[] Kim J B, Y H Li, L Zhang, 2012, “Does accounting conservatism reduce stock price crash risk? :firm-level Evidence, ” SSRN Working Paper.
[] Kim J.B., Y.H.Li and L Zhang, 2011b, " CFOs versus CEOs: equity incentives and crashes, ". Journal of Financial Economics, 101(3), 713–730. DOI:10.1016/j.jfineco.2011.03.013
[] Lindahl Steven M, 1980, "Redefining bull and bear markets, ". Financial Analysts Journal, 36(6), 76–77. DOI:10.2469/faj.v36.n6.76
[] Marin J.M., J.P.Olivier , 2008, "The dog that did not bark: insider trading and crashes, ". Journal of Finance, 63(5), 2429–2476. DOI:10.1111/j.1540-6261.2008.01401.x
[] Piotroski J, T J Wong, 2010, “Institutions and Information Environment of Chinese Listed Firms, ”Working Paper, Stanford University.
[] Piotroski, J., T.J.Wong, and T.Y.Zhang, 2011, “Political Incentives to Suppress Negative Information: Evidence from Chinese Listed Firms, ”Working Paper, Stanford University.
[] Robert Shiller, 1987, “Invest behavior in the October Stock Market Crash: Survey Evidence, ” NBER Working Paper, No.2446.
[] Romer C D D H Romer, 1990, "New evidence on the monetary transmission mechanism, ". Brooking Papers on Economic Activity, 41(1), 149–213.
[] Talavera O., A.Tsapin O.Zholud, 2012, "Macroeconomic uncertainty and bank lending:The case of Ukraine, ". Economic Systems, 36(2), 279–293. DOI:10.1016/j.ecosys.2011.06.005
[] Pagan A., K.A. and Sossounov , 2003, "A Simple framework for analyzing bull and bear markets, ". Journal of Applied Econometrics, 18(1), 23–46. DOI:10.1002/(ISSN)1099-1255
[] 陈国进、张贻军, 2009, 《异质信念, 卖空限制与我国股市的暴跌现象研究》, 《金融研究》, 第 4 期, 第 80–90 页。
[] 顾乃康、陈辉, 2010, 《股票流动性与资本结构动态调整——基于时变的股票市场摩擦的视角》, 《金融评论》, 第 4 期, 第 90–102 页。
[] 黄峰、杨朝军, 2007, 《流动性风险与股票定价:来自我国股市的经验证据》, 《管理世界》, 第 5 期, 第 30–39 页。
[] 黄志忠、谢军, 2013, 《宏观货币政策, 区域金融发展和企业融资约束——货币政策传导机制的微观证据》, 《会计研究》, 第 1 期, 第 63–69 页。
[] 江轩宇、伊志宏, 2013, 《审计行业专长与股价崩盘风险》, 《中国会计评论》, 第 2 期, 第 134–150 页。
[] 李小荣、刘行, 2012, 《CEO vs CFO:性别与股价崩盘风险》, 《世界经济》, 第 12 期, 第 102–129 页。
[] 林朝颖、黄志刚、杨广青, 《基于微观视角的货币政策风险传导效应研究》, 《国际金融研究》, 第 9 期, 第 25–33 页。
[] 罗进辉、杜兴强, 2014, 《媒体报道, 制度环境与股价崩盘风险》, 《会计研究》, 第 9 期, 第 53–59 页。
[] 陆蓉、徐龙炳, 2004, 《牛市》, 《和“熊市”.对信息的不平衡性反映研究.经济研究》, 第 3 期, 第 65–72 页。
[] 潘越、戴奕一、林超群, 2011, 《信息不透明, 分析师关注和个股暴跌风险》, 《金融研究》, 第 9 期, 第 138–151 页。
[] 瞿强, 2005, 《资产价格泡沫与信用扩张》, 《金融研究》, 第 3 期, 第 50–58 页。
[] 饶品贵、姜国华, 2011, 《货币政策波动, 银行信贷与会计稳健性》, 《金融研究》, 第 3 期, 第 51–71 页。
[] 谢赤、张太原、曾志坚, 2007, 《中国股票市场存在流动性溢价吗?》, 《管理世界》, 第 11 期, 第 36–47 页。
[] 王化成、曹丰、高升好、李争光, 2014, 《投资者保护与股价崩盘风险》, 《财贸经济》, 第 10 期, 第 73–82 页。
[] 许年行、江轩宇、伊志宏、徐信忠, 2012, 《分析师利益冲突, 乐观偏差与股价崩盘风险》, 《经济研究》, 第 7 期, 第 127–140 页。
[] 许年行、于上尧、伊志宏, 2013, 《机构投资者羊群行为与股价崩盘风险》, 《管理世界》, 第 7 期, 第 31–43 页。
[] 翟爱梅、钟山, 2012, 《卖空机制对股票价格波动的影响:基于A+H股公司的实证研究》, 《南方经济》, 第 8 期, 第 43–56 页。
[] 张晋、吴冲锋, 2010, 《可交易价值与股票短期收益分析——基于不同市场环境的市场研究》, 《经济管理》, 第 6 期, 第 113–118 页。
[] 张强、刘善存、邱菀华、林千惠, 2013, 《流动性特征对知情、非知情交易的影响研究》, 《管理科学学报》, 第 7 期, 第 55–65 页。
[] 郑鸣、倪玉娟、刘林, 2010, 《我国货币政策对股票价格的影响——基于Markov区制转换VAR模型的实证分析》, 《经济管理》, 第 11 期, 第 7–15 页。