黃飛鳴 嚴(yán) 涵 賴少杰

(江西財(cái)經(jīng)大學(xué),江西 南昌 330013)

一、引言

不時(shí)發(fā)生的上市公司股價(jià)崩盤事件引發(fā)了投資者恐慌和證券市場紊亂。如何有效降低股價(jià)崩盤風(fēng)險(xiǎn)的不利影響是備受關(guān)注的一個(gè)熱點(diǎn)話題。本文從企業(yè)外部債權(quán)人——銀行所處的市場結(jié)構(gòu)視角探究公司股價(jià)崩盤風(fēng)險(xiǎn)的影響機(jī)制。本文的研究邏輯為:銀行業(yè)競爭通過銀行信貸和銀行監(jiān)督渠道對(duì)企業(yè)產(chǎn)生影響,可能促使其減少壞消息的隱藏,降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn),同時(shí)銀行競爭會(huì)鼓勵(lì)企業(yè)公開披露更多信息,提升其會(huì)計(jì)信息質(zhì)量。

與已有文獻(xiàn)相比,本文的邊際貢獻(xiàn)主要體現(xiàn)在:一是現(xiàn)有研究鮮有涉及銀行作為外部債權(quán)人對(duì)微觀企業(yè)的治理作用,本文則以股價(jià)崩盤風(fēng)險(xiǎn)為落腳點(diǎn)研究銀行業(yè)市場結(jié)構(gòu)對(duì)微觀企業(yè)的影響,進(jìn)一步研究企業(yè)是否會(huì)在銀行的信貸供應(yīng)和監(jiān)督作用下改善經(jīng)營、降低風(fēng)險(xiǎn),豐富了銀行經(jīng)濟(jì)學(xué)的理論成果;二是本文聚焦于外部債權(quán)人而非企業(yè)內(nèi)部特征視角,將銀行競爭這一動(dòng)態(tài)因素納入研究框架,為股價(jià)崩盤風(fēng)險(xiǎn)影響因素相關(guān)研究提供了全新視角,拓展了企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的相關(guān)文獻(xiàn);三是有別于已有文獻(xiàn)探討銀行競爭與宏觀系統(tǒng)性風(fēng)險(xiǎn)的研究,本文聚焦于資本市場的企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)這一微觀視角,對(duì)銀行競爭與金融風(fēng)險(xiǎn)的相關(guān)研究做出了有益補(bǔ)充。

二、文獻(xiàn)回顧與假說提出

已有研究認(rèn)為管理層隱藏壞消息的機(jī)會(huì)主義是導(dǎo)致企業(yè)崩盤風(fēng)險(xiǎn)的主要原因。根據(jù)“管理層捂盤”假說,當(dāng)負(fù)面信息被儲(chǔ)存到閾值,積累的壞消息將被釋放到市場中,從而導(dǎo)致公司股價(jià)崩盤(Jin et al.,2006;Hutton et al.,2009)。也有不少文獻(xiàn)從代理問題視角探究股價(jià)崩盤風(fēng)險(xiǎn)的決定因素,例如管理層對(duì)特質(zhì)信息的操縱行為(Kim et al.,2011a;林樂 等,2016)。在此邏輯下,公司股價(jià)崩盤風(fēng)險(xiǎn)取決于管理層是否有意愿、有能力披露公司的負(fù)面消息?，F(xiàn)有的文獻(xiàn)對(duì)于管理層囤積壞消息和由此帶來的股價(jià)崩盤風(fēng)險(xiǎn)影響因素做了大量研究,包括管理層特征(Kim et al.,2011b)、公司治理(Kim et al.,2019)、企業(yè)社會(huì)責(zé)任(黃金波 等,2022)、外部監(jiān)督(江軒宇 等,2013)等。

基于委托代理沖突框架,股價(jià)崩盤風(fēng)險(xiǎn)很大程度上取決于公司與其投資者(股權(quán)人和債權(quán)人)的聯(lián)系。An et al.(2013)、華鳴等(2018)、Kim et al.(2019)等從股權(quán)投資者或外國機(jī)構(gòu)投資者角度進(jìn)行研究,發(fā)現(xiàn)其顯著地降低了企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn),突出了外部投資者的監(jiān)督職能。這與其他外部監(jiān)督因素如分析師(Kim et al.,2019)、審計(jì)(江軒宇 等,2013;Callen et al.,2017)、行政監(jiān)管(Kubick et al.,2016;汶海 等,2020)等的研究一致。作為企業(yè)債權(quán)人,銀行的監(jiān)督作用也是規(guī)范企業(yè)行為的重要機(jī)制。值得注意的是,鮮有文獻(xiàn)直接考察公司債權(quán)人對(duì)崩盤風(fēng)險(xiǎn)的影響。作為債權(quán)人的銀行在收集企業(yè)的“軟信息”方面具有比較優(yōu)勢(林毅夫 等,2009),會(huì)顯著影響企業(yè)經(jīng)理層的行為,而二級(jí)市場的股權(quán)投資者可能更在乎企業(yè)的短期業(yè)績,不能夠很好地幫助企業(yè)解決隱藏壞消息的問題(Chang et al.,2017)。作為企業(yè)經(jīng)營的重要利益相關(guān)者,銀行通過向企業(yè)提供信貸資金的方式源源不斷向?qū)嶓w經(jīng)濟(jì)“輸血”,同時(shí)也會(huì)發(fā)揮自身信息和專業(yè)優(yōu)勢,通過篩選、監(jiān)督借款人規(guī)范企業(yè)行為,降低經(jīng)營風(fēng)險(xiǎn)。

通過對(duì)現(xiàn)有文獻(xiàn)的梳理,可以發(fā)現(xiàn),對(duì)于股價(jià)崩盤風(fēng)險(xiǎn)的決定因素研究,市場結(jié)構(gòu)是一個(gè)探索相對(duì)不足的領(lǐng)域。王雷(2015)通過對(duì)中國上市公司的研究,認(rèn)為產(chǎn)品市場競爭程度越高,企業(yè)未來的股價(jià)崩盤風(fēng)險(xiǎn)越低。Li et al.(2019)則認(rèn)為激烈的產(chǎn)品市場競爭會(huì)加劇壞消息的囤積和崩盤風(fēng)險(xiǎn)?，F(xiàn)代金融理論認(rèn)為,銀行不僅在對(duì)借款人篩選、監(jiān)督以及提供流動(dòng)性方面具有關(guān)鍵作用(Diamond,1984;Kashyap et al.,2002),在獲取借款人內(nèi)部信息方面也具有天然優(yōu)勢(Denis et al.,2003;Bharath et al.,2008),從而能夠有效減輕委托代理沖突。

在中國,銀行信貸是企業(yè)的主要融資來源。因此,銀行競爭勢必對(duì)企業(yè)經(jīng)營行為造成影響。現(xiàn)有研究表明,銀行競爭程度上升能夠有效降低中小企業(yè)的信貸約束(Chong et al.,2013)。銀行市場結(jié)構(gòu)的變化是銀行在篩選、監(jiān)督和提供信貸融資等方面變化的重要淵源(Jayaratne et al.,1996)。從銀行信貸角度來看,銀行競爭會(huì)改善信貸供應(yīng)條件、降低企業(yè)融資成本(姜付秀 等,2019;李志生 等,2020),影響企業(yè)資金供給(劉星 等,2015;姜付秀 等,2019),提高公司的資本結(jié)構(gòu)調(diào)整速度(Jiang et al.,2017)。銀行競爭還會(huì)促進(jìn)企業(yè)的研發(fā)投入,利于企業(yè)創(chuàng)新(唐清泉 等,2015;蔡競 等,2016;張杰 等,2017;李波 等,2020)。對(duì)銀行競爭的企業(yè)微觀效應(yīng)的研究還包括提高企業(yè)負(fù)債水平、優(yōu)化企業(yè)資本結(jié)構(gòu)(李志生 等,2020),有效降低企業(yè)盈余管理水平(孟慶斌 等,2021),提升企業(yè)投資水平和資源配置效率(李志生 等,2021),促進(jìn)企業(yè)成長(方芳 等,2016)以及僵尸企業(yè)形成(劉沖 等,2020)等。Jiang et al.(2019)則認(rèn)為銀行競爭擠壓了銀行利潤率,對(duì)關(guān)系貸款和流動(dòng)性創(chuàng)造不利,導(dǎo)致受信貸限制的公司不太可能得到銀行的資金。從銀行監(jiān)督角度來看,Bai et al.(2018)認(rèn)為銀行競爭更激烈的市場,會(huì)提高銀行整體效率,降低篩選和監(jiān)督借款人的成本,Bushman et al.(2016)則認(rèn)為來自競爭對(duì)手的壓力、爭奪貸款客戶,會(huì)迫使銀行放松如選擇和信息調(diào)查,從而造成其對(duì)借款人的篩選和監(jiān)督的效率降低。從信息透明度角度來看,現(xiàn)有研究關(guān)注到了銀行競爭對(duì)其自身信息透明度的影響,Jiang et al.(2016)認(rèn)為激烈的競爭減少了銀行的會(huì)計(jì)重述頻率,銀行自愿披露與競爭結(jié)構(gòu)呈顯著正相關(guān)(Burks et al.,2018)。

綜上,現(xiàn)代公司治理中的委托代理問題可能導(dǎo)致管理層在一段時(shí)間內(nèi)隱藏壞消息進(jìn)而導(dǎo)致股價(jià)崩盤,銀行則通過提供信貸和監(jiān)督對(duì)企業(yè)產(chǎn)生重要影響,銀行業(yè)市場結(jié)構(gòu)的變化在很大程度上能改變銀行信貸和監(jiān)督。因此,銀行競爭對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響取決于以下兩個(gè)方面:一是銀行競爭加劇會(huì)影響對(duì)企業(yè)的信貸供給;二是銀行競爭加劇會(huì)影響銀行對(duì)企業(yè)的監(jiān)督,降低企業(yè)負(fù)面消息的隱藏,對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響。

進(jìn)一步地,從信貸供應(yīng)角度看,在銀行競爭更為激烈的信貸市場中,企業(yè)會(huì)有更多的潛在貸款人選擇和更優(yōu)的信貸條款,會(huì)有更強(qiáng)的議價(jià)能力(Chava et al.,2013),主要表現(xiàn)在信貸可得性的增加和企業(yè)融資成本的降低上,通常對(duì)企業(yè)經(jīng)營發(fā)展更為有利。對(duì)于企業(yè)管理層來說,隱藏壞消息的“收益”是更好地獲得信貸融資,降低融資成本,提高投資收益,在銀行競爭更激烈的環(huán)境下,為了獲得貸款融資而去隱藏負(fù)面消息的動(dòng)機(jī)會(huì)減弱,但是寬松的信貸市場也可能降低企業(yè)隱藏壞消息的“成本”,因?yàn)楫?dāng)面對(duì)更多潛在貸款人時(shí),即使被發(fā)現(xiàn)有隱藏信息活動(dòng),企業(yè)的信貸融資狀況也不會(huì)受到太大影響,因此,管理層可能為了攫取私人利益仍隱藏公司負(fù)面消息,增加企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。從銀行對(duì)借款人的監(jiān)督角度看,一方面,如果銀行監(jiān)督的改善效果占主導(dǎo)地位,激烈的競爭就會(huì)引發(fā)更嚴(yán)格的銀行監(jiān)督,這在一定程度上會(huì)縮小管理者操縱信息隱藏壞消息的空間,降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn);另一方面,為了應(yīng)對(duì)來自競爭對(duì)手的壓力,爭奪貸款客戶,銀行可能被迫放松對(duì)借款人的選擇和信息調(diào)查,而銀行內(nèi)部的復(fù)雜性和層次結(jié)構(gòu)可能削弱了銀行有效的風(fēng)險(xiǎn)管理,給授信的公司經(jīng)理層更大的靈活性,操縱信息披露而導(dǎo)致股價(jià)崩盤。

基于以上分析,提出如下對(duì)立研究假說:

H1a:銀行競爭會(huì)降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn);

H1b:銀行競爭會(huì)增加企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)來源與樣本選擇

本文研究樣本為 2006—2019 年的中國A股上市公司。銀行競爭數(shù)據(jù)通過手工整理中國銀監(jiān)會(huì)網(wǎng)站的相關(guān)數(shù)據(jù),將企業(yè)辦公所在地與該城市的銀行競爭程度進(jìn)行匹配,并進(jìn)一步計(jì)算得到(詳見變量選擇部分);上市公司主要財(cái)務(wù)數(shù)據(jù)來自國泰安(CSMAR)數(shù)據(jù)庫。借鑒姜付秀等(2019)、司登奎等(2021)的做法,結(jié)合本文研究目的,對(duì)樣本按照以下程序篩選和處理:(1)剔除金融類上市公司;(2)刪除ST和*ST公司;(3)剔除負(fù)債率大于 100% 的樣本;(4)剔除數(shù)據(jù)缺失及不連續(xù)的樣本;(5)為消除極端值影響,對(duì)所有連續(xù)變量按照首尾各1%進(jìn)行縮尾處理。最終,得到10749個(gè)觀測樣本數(shù)據(jù)。

(二)變量選擇

1.銀行競爭(HHI)

借鑒Chong et al.(2013)、姜付秀等(2019),使用各銀行分支機(jī)構(gòu)數(shù)量占比來度量各地級(jí)市銀行競爭狀況。具體地,利用中國銀監(jiān)會(huì)官網(wǎng)上公布的24萬多條銀行機(jī)構(gòu)的金融許可證信息,手工整理并計(jì)算出各家銀行各個(gè)年度在各個(gè)地級(jí)城市的分支機(jī)構(gòu)數(shù)量,進(jìn)而構(gòu)建各地級(jí)市銀行業(yè)的赫芬達(dá)爾-赫希曼指數(shù)(HHI),以此衡量銀行競爭水平。其計(jì)算方法如下:

(1)

其中:Branches為第k個(gè)銀行在該地區(qū)分支機(jī)構(gòu)數(shù)量;Total_Branches為該地區(qū)銀行所有分支機(jī)構(gòu)數(shù)量。該指數(shù)取值范圍為(0,1),且為負(fù)向指標(biāo),該值越大,表明銀行競爭程度越低。按此方法構(gòu)建的銀行競爭面板數(shù)據(jù),不僅能捕捉到各個(gè)城市間的銀行競爭差異,而且能反映銀行競爭水平隨時(shí)間變化的趨勢,以便于更好地研究銀行競爭所導(dǎo)致的經(jīng)濟(jì)后果。

2.企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)(CrashRisk)

參考已有研究(彭俞超 等,2018;黃金波 等,2022;司登奎 等,2021),采用股票周收益率指標(biāo)來衡量企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)。按照年份對(duì)公司i在該年的股票周收益率數(shù)據(jù)進(jìn)行以下回歸:

ri,j=β0+β1rm,j-2+β2rm,j-1+β3rm,j+β4rm,j+1+β5rm,j+2

(2)

其中:ri,j為股票i在第j周的收益率,rm,j為第j周的流通市值加權(quán)平均市場收益率。取上述回歸的殘差項(xiàng),股票i在第j周的特有收益為wi,j=ln(1+εi,j)。

基于股票特有收益構(gòu)建如下兩個(gè)指標(biāo):

其一為負(fù)收益偏態(tài)系數(shù) NCSKEW,計(jì)算方法為:

(3)

其中:n為股票i在當(dāng)年度交易的周數(shù)。

其二為收益率上下波動(dòng)比率DUVOL,計(jì)算方法為:

(4)

其中: nu、nd分別表示一年中股票周特有收益率大于、小于年平均收益率的周數(shù)。

(三)模型設(shè)定

為了研究銀行業(yè)競爭對(duì)企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的影響,回歸模型設(shè)定如下:

CrashRiski,t=β0+β1HHIi,t+β2ROAi,t+β3SIZEi,t-1+β4LEVi,t-1+β5MBi,t-1+

β6DTURNi,t-1+β7RETi,t-1+β8SIGMAi,t-1+τi+νi,t+γt+εi,t

(5)

其中:下標(biāo)i、t分別表示企業(yè)與年份。CrashRisk代表企業(yè)股票崩盤風(fēng)險(xiǎn),具體用NCSKEW和DOVUL兩種指標(biāo)衡量。HHI衡量公司所在地區(qū)的銀行競爭水平?？紤]到公司具有時(shí)變特征,參考Kim et al.(2011a)的研究,將公司的資產(chǎn)收益率(ROA)、規(guī)模(SIZE)、杠桿率(LEV)、市賬率(MB)作為控制變量,為與已有文獻(xiàn)保持一致,除代表盈利能力的ROA外(1)由于公司的盈利能力與同期股票崩盤風(fēng)險(xiǎn)具有顯著關(guān)聯(lián)(Kim et al.,2011a;Kim et al.,2011b),參考Kim et al.(2011a)的研究,資產(chǎn)收益率(ROA)不做滯后一期處理。,其余指標(biāo)均作滯后一期處理。此外,還選取與股票市場特性相關(guān)的控制變量股票換手率(DTURN)、股票回報(bào)率(RET)、股票波動(dòng)率(SIGMA),為與已有文獻(xiàn)保持一致,也作滯后一期處理。τi表示年份固定效應(yīng),υi,t表示行業(yè)固定效應(yīng),γt表示個(gè)體固定效應(yīng),εi,t為誤差項(xiàng)。

控制變量說明見表1。

表1 控制變量說明

(四)主要變量描述性統(tǒng)計(jì)分析

表2為主要變量的描述性統(tǒng)計(jì)結(jié)果。股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW均值為-0.324,中位數(shù)為-0.282,標(biāo)準(zhǔn)差為0.677;股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)DUVOL均值為-0.225,中位數(shù)為-0.222,標(biāo)準(zhǔn)差為0.462。這與彭俞超等(2018)的結(jié)果基本一致,意味著樣本公司總體股價(jià)崩盤風(fēng)險(xiǎn)有著較大差異。銀行競爭指標(biāo)HHI樣本期內(nèi)均值0.099,標(biāo)準(zhǔn)差0.041,說明不同城市之間銀行競爭程度差異較大,也與姜付秀等(2019)對(duì)中國地市級(jí)銀行競爭的估量接近。

表2 主要變量描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證分析

(一)基準(zhǔn)回歸結(jié)果分析

對(duì)公司所在城市的銀行競爭指標(biāo)與股價(jià)崩盤風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行實(shí)證檢驗(yàn),結(jié)果見表3。

表3 銀行競爭與股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果

從表3列(1)、(2)可以看出,銀行競爭(HHI)的回歸系數(shù)均為正,且均在1%的水平上顯著,由于HHI指標(biāo)為負(fù)向指標(biāo),這表明企業(yè)所在地銀行競爭水平加劇,會(huì)顯著企業(yè)降低股價(jià)崩盤風(fēng)險(xiǎn)。從經(jīng)濟(jì)意義上看,公司所在城市銀行競爭度增加1個(gè)標(biāo)準(zhǔn)差,其股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW及DUVOL分別下降約2.63%和9.40%。(2)參照 Kim et al.(2019)的做法,銀行競爭增加1個(gè)標(biāo)準(zhǔn)差,其股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW及DUVOL標(biāo)準(zhǔn)差變動(dòng)計(jì)算方法分別為:0.435×0.041/0.677≈0.0263,1.059×0.041/0.462≈0.0940。為了解決模型遺漏變量問題,列(3)、(4)為采用控制年份、行業(yè)、個(gè)體效應(yīng)的固定效應(yīng)模型的回歸結(jié)果?？梢钥吹?銀行競爭與公司股價(jià)崩盤風(fēng)險(xiǎn)的回歸系數(shù)分別為1.654、0.835,且在1%的水平上顯著,由于HHI指標(biāo)為負(fù)向指標(biāo),即銀行競爭與公司股價(jià)崩盤風(fēng)險(xiǎn)負(fù)相關(guān)。從經(jīng)濟(jì)意義上看,當(dāng)銀行競爭度增加1個(gè)標(biāo)準(zhǔn)差,公司股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW、DUVOL的標(biāo)準(zhǔn)差會(huì)分別顯著下降約10.02%和7.41%。(3)1.654×0.041/0.677≈0.1002,0.835×0.041/0.462≈0.0741。上述回歸結(jié)果與研究假說H1a相符。

控制變量的結(jié)果進(jìn)一步表明,銀行競爭與公司股價(jià)崩盤風(fēng)險(xiǎn)的聯(lián)系還受公司特征和股票市場特性相關(guān)的因素影響,較大的公司規(guī)模(SIZE)、較高的杠桿率(LEV)、較低的市賬率(MB)往往與更高可能的股價(jià)崩盤風(fēng)險(xiǎn)相關(guān),而資產(chǎn)收益率(ROA)系數(shù)顯著為負(fù)則表明公司的盈利能力上升能幫助降低公司股價(jià)崩盤風(fēng)險(xiǎn)。股票波動(dòng)率(SIGMA)的系數(shù)顯著為負(fù),這表明若股票在前一年保持了較低的波動(dòng)水平,則它在未來一年的股價(jià)崩盤風(fēng)險(xiǎn)可能更高。

(二)內(nèi)生性檢驗(yàn)

盡管對(duì)公司個(gè)體來說,銀行競爭屬于外生變量,但不能完全排除兩者仍存在內(nèi)生性問題。一方面,可能是由于股價(jià)高崩盤風(fēng)險(xiǎn)的公司集聚在銀行競爭程度較高的地區(qū),從而導(dǎo)致反向因果關(guān)系解釋了本文的研究發(fā)現(xiàn)。另一方面,不可觀測的時(shí)間趨勢、公司特征抑或是遺漏其他關(guān)鍵變量導(dǎo)致了銀行競爭與股價(jià)崩盤風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系。本文擬采用如下兩種方式來緩解兩者間潛在的內(nèi)生性問題:

1.雙重差分模型

2009年4月,中國銀監(jiān)會(huì)印發(fā)的《關(guān)于〈中小商業(yè)銀行分支機(jī)構(gòu)市場準(zhǔn)入政策的調(diào)整意見(試行)〉的通知》(銀監(jiān)辦發(fā)〔2009〕143號(hào))規(guī)定,“在該城市所在省(自治區(qū))內(nèi)的其他城市再申請(qǐng)?jiān)O(shè)立下設(shè)分行和支行,不再受數(shù)量指標(biāo)控制。城市商業(yè)銀行在法人住所所在省(自治區(qū)、直轄市)內(nèi)設(shè)立分支機(jī)構(gòu),不再受數(shù)量指標(biāo)控制。股份制商業(yè)銀行和城市商業(yè)銀行在同城設(shè)立支行,不受數(shù)量指標(biāo)控制?！币虼?在銀監(jiān)辦發(fā)〔2009〕143號(hào)文(以下簡稱2009年143號(hào)文)實(shí)施后,股份制商業(yè)銀行和城市商業(yè)銀行的營業(yè)網(wǎng)點(diǎn)明顯增長,中國的城市間銀行競爭結(jié)構(gòu)受到了一定的外生性沖擊。

本文將這一事件作為一個(gè)“準(zhǔn)自然實(shí)驗(yàn)”,參考王彥超等(2020)的做法,對(duì)政策實(shí)施前各城市的銀行競爭HHI指數(shù)按高低來區(qū)分處理組和對(duì)照組。具體地,首先計(jì)算出樣本公司所在城市政策出臺(tái)之前兩年的銀行競爭HHI指數(shù)的均值,并按高中低進(jìn)行分區(qū),將其中最高的1/3設(shè)定為處理組、最低的1/3設(shè)定為對(duì)照組。相較于直接比較公司在2009年143號(hào)文實(shí)施前后的股價(jià)崩盤風(fēng)險(xiǎn)的變化,通過比較高銀行競爭度和低銀行競爭度城市在2009年143號(hào)文實(shí)施前后公司股價(jià)崩盤風(fēng)險(xiǎn)變化的差異,可以有效緩解其他潛在因素對(duì)研究結(jié)果的干擾,從而更好地識(shí)別銀行競爭與公司股價(jià)崩盤風(fēng)險(xiǎn)之間的因果關(guān)系。因此,本文使用雙重差分法檢驗(yàn)2009年143號(hào)文對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)的影響,并構(gòu)建模型如下。

CrashRiski,t=α0+α1Treatt×Postt+α2Treatt+α3Postt+α4Controlsi,t+τi+νi,t+γt+εi,t

(6)

其中:下標(biāo)i表示公司,t表示年份。CrashRisk代表公司股票崩盤風(fēng)險(xiǎn),具體用NCSKEW和DOVUL兩種指標(biāo)衡量。Treat為啞變量,若樣本公司位于低銀行競爭度城市,則取1;若樣本公司位于高銀行競爭度城市,則取0。Post為時(shí)間虛擬變量,當(dāng)樣本處于2009年以后則賦值為1,反之賦值為0。Controls為控制變量,與基準(zhǔn)回歸模型保持一致。τi表示年份固定效應(yīng),υi,t表示行業(yè)固定效應(yīng),γt表示個(gè)體固定效應(yīng),εi,t為誤差項(xiàng)。

表4為上述雙重差分模型的回歸結(jié)果?？梢钥吹?股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW、DUVOL與交互項(xiàng)Treat×Post的回歸系數(shù)均為負(fù),且分別在1%和5%的水平上顯著,說明2009年143號(hào)文對(duì)銀行分支機(jī)構(gòu)放松管制,提升了銀行競爭水平,對(duì)所在城市的公司股價(jià)崩盤風(fēng)險(xiǎn)具有顯著降低作用。在使用雙重差分模型控制內(nèi)生性后,銀行競爭能顯著降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的結(jié)論依舊成立,進(jìn)一步驗(yàn)證了本文研究結(jié)果的穩(wěn)健性。

表4 內(nèi)生性檢驗(yàn)——雙重差分模型回歸結(jié)果

2.工具變量法

為了進(jìn)一步控制未觀測到的企業(yè)特征變量和反向因果關(guān)系帶來的內(nèi)生性問題,參考李志生等(2020)的研究,利用1937年城市銀行分支機(jī)構(gòu)數(shù)量和2009年分支機(jī)構(gòu)設(shè)立放寬管制事件構(gòu)造工具變量(IV),進(jìn)行兩階段最小二乘回歸分析。具體來說,以2009年143號(hào)文銀行分支機(jī)構(gòu)放松管制事件為基準(zhǔn),生成放寬分支機(jī)構(gòu)設(shè)立管制虛擬變量,將樣本期劃分為2006—2008年和2009—2019年兩個(gè)區(qū)間,并分別賦值1和2。工具變量(IV)為1937年城市銀行分支機(jī)構(gòu)數(shù)量與前述放寬管制虛擬變量的乘積。通過上述方法構(gòu)造工具變量的合理性主要體現(xiàn)在兩個(gè)方面:一是相關(guān)性。1937年城市銀行分支機(jī)構(gòu)數(shù)量可以用來衡量不同地區(qū)的金融市場基礎(chǔ),良好的金融市場基礎(chǔ)有利于新的銀行分支機(jī)構(gòu)設(shè)立,而2009年143號(hào)文出臺(tái)之后股份制商業(yè)銀行和城市商業(yè)銀行分支機(jī)構(gòu)數(shù)量出現(xiàn)大幅增加,地區(qū)銀行競爭愈發(fā)激烈,因此工具變量與公司所在地銀行競爭水平正相關(guān)。二是外生性?？紤]到1937年與樣本區(qū)間社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r的巨大差異,1937年城市銀行分支機(jī)構(gòu)數(shù)量與數(shù)十年后其他地區(qū)宏觀因素和工業(yè)企業(yè)特征相關(guān)程度較低,2009年143號(hào)文放松異地設(shè)立分支機(jī)構(gòu)政策屬于外生沖擊,進(jìn)一步保證了工具變量的外生性。表5報(bào)告了兩階段最小二乘回歸模型的回歸結(jié)果。

表5 內(nèi)生性檢驗(yàn)——工具變量回歸結(jié)果

表5列(1)第一階段回歸結(jié)果表明,工具變量(IV)與樣本區(qū)間銀行競爭指數(shù)(HHI)正相關(guān),系數(shù)在1%水平上顯著,且F統(tǒng)計(jì)量表明該變量非弱工具變量,與本文的預(yù)期一致。表5列(2)、(3)結(jié)果表明,第二階段HHI回歸系數(shù)在1%水平上顯著,表明使用工具變量控制內(nèi)生性后,銀行競爭能顯著降低公司股價(jià)崩盤風(fēng)險(xiǎn)的結(jié)論依舊穩(wěn)健,即研究假說H1a成立。

(三)穩(wěn)健性檢驗(yàn)

1.替換解釋變量

采用替換核心指標(biāo)的方法對(duì)回歸結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。除赫芬達(dá)爾指數(shù)(HHI)外,還有另一個(gè)被學(xué)界廣泛認(rèn)可的行業(yè)集中度指標(biāo)CRn。參考姜付秀等(2019)、嚴(yán)楷等(2019),利用中國銀監(jiān)會(huì)公布的關(guān)于銀行機(jī)構(gòu)的金融許可證信息,手工整理并計(jì)算出各銀行各個(gè)年度在各個(gè)城市的分支機(jī)構(gòu)數(shù)量,再計(jì)算前三大銀行(CR3)和前五大銀行(CR5)分支機(jī)構(gòu)占比,以此衡量銀行競爭水平,計(jì)算方法如下:

(7)

(8)

除NCSKEW和DUVOL指標(biāo)外,參考Hutton et al.(2009),使用預(yù)測公司股票價(jià)格是否會(huì)出現(xiàn)崩盤的啞變量CRASH作為崩盤風(fēng)險(xiǎn)的代理變量,只要個(gè)股的周特有收益wi,t滿足式(9)即取1,否則取0:

(9)

其中:Average(wi,t)為公司i周特有收益年度均值,σi為公司i當(dāng)年周特有收益標(biāo)準(zhǔn)差。

與基準(zhǔn)回歸模型設(shè)定保持一致,分別使用CR3和CR5作為銀行競爭度的代理變量、CRASH作為公司股價(jià)崩盤風(fēng)險(xiǎn)的代理變量分別進(jìn)行回歸,結(jié)果如表6所示?？梢钥吹?替換銀行競爭代理變量為CR3和CR5、替換股價(jià)崩盤風(fēng)險(xiǎn)代理變量為CRASH的回歸系數(shù)均為正且在1%水平上顯著,說明銀行競爭加劇能顯著降低公司股價(jià)崩盤風(fēng)險(xiǎn)水平,進(jìn)一步驗(yàn)證了結(jié)論的穩(wěn)健性。

表6 穩(wěn)健性檢驗(yàn)——替換關(guān)鍵指標(biāo)結(jié)果

2.加入其他控制變量

在原基準(zhǔn)回歸模型中加入其他控制變量,緩解因遺漏變量帶來的內(nèi)生性問題,回歸結(jié)果見表7。

在列(1)、(2)中,考慮宏觀經(jīng)濟(jì)因素對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)的影響,選取經(jīng)濟(jì)政策不確定性(EPU)、貨幣政策(MP)和宏觀經(jīng)濟(jì)景氣一致性指數(shù)(ECO)作為控制變量。其中,經(jīng)濟(jì)政策不確定性(EPU)以斯坦福大學(xué)和芝加哥大學(xué)聯(lián)合發(fā)布的月度中國經(jīng)濟(jì)政策不確性指數(shù)的算術(shù)平均值度量;貨幣政策(MP)以貨幣供應(yīng)量M2增長率減去GDP增長率和CPI增長率度量,若該指標(biāo)大于中位數(shù),賦值為1,表示寬松的貨幣政策,反之則賦值為0(陸正飛 等,2011);宏觀經(jīng)濟(jì)景氣一致性指數(shù)(ECO)以國家統(tǒng)計(jì)局發(fā)布的宏觀經(jīng)濟(jì)景氣指數(shù)中的一致性指數(shù)度量,作為衡量宏觀經(jīng)濟(jì)波動(dòng)的代理變量。在控制宏觀經(jīng)濟(jì)因素后,可以發(fā)現(xiàn)本文的研究結(jié)論依舊穩(wěn)健。

在列(3)、(4)中,參照彭俞超等(2018)的研究,加入企業(yè)會(huì)計(jì)相關(guān)指標(biāo),如會(huì)計(jì)穩(wěn)健性(Cscore)、盈余質(zhì)量(ACC_EM)、避稅程度(ETR)等作為控制變量。其中,Cscore按照Khan et al.(2009)的C_score模型計(jì)算得出,該指標(biāo)越高說明會(huì)計(jì)盈余對(duì)壞消息靈敏程度越高,會(huì)計(jì)穩(wěn)健性越高;ACC_EM使用修正Jones模型計(jì)算出的企業(yè)操縱性應(yīng)計(jì)利潤的絕對(duì)值來表示;ETR用有效稅率表示,該指標(biāo)越高說明企業(yè)避稅程度越低。在控制了上述會(huì)計(jì)相關(guān)指標(biāo)后,本文的研究結(jié)論依舊穩(wěn)健。

為了減少城市層面因素對(duì)模型的影響,在列(5)、(6)中添加城市國內(nèi)生產(chǎn)總值增速(GDP)、城市人口增長率(Population)兩個(gè)變量,同時(shí)控制城市固定效應(yīng),結(jié)果顯示,股價(jià)崩盤風(fēng)險(xiǎn)的NCSKEW、DUVOL回歸系數(shù)均在1%水平上顯著,與基準(zhǔn)回歸模型保持一致,結(jié)論依舊穩(wěn)健。

此外,本文將加入的其他控制變量都納入模型,并控制城市固定效應(yīng),回歸結(jié)果見列(7)、(8),NCSKEW、DUVOL回歸系數(shù)為0.437和0.663,分別在5%和1%水平上顯著,進(jìn)一步驗(yàn)證了結(jié)論的穩(wěn)健性。

五、影響機(jī)制檢驗(yàn)

與其他公開債務(wù)市場的債權(quán)人不同,銀行能夠更加靈活地調(diào)整相關(guān)信貸計(jì)劃,在監(jiān)督借款公司的行為方面具有更加強(qiáng)大的信息優(yōu)勢。因此,理論上,銀行競爭可以通過銀行信貸和銀行監(jiān)督渠道降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。

1.銀行信貸渠道檢驗(yàn)

長期以來,中國形成了間接融資“一枝獨(dú)大”的融資結(jié)構(gòu),企業(yè)融資主要依靠銀行信貸資金。那么,企業(yè)對(duì)銀行信貸依賴程度越高,銀行業(yè)結(jié)構(gòu)的變化對(duì)企業(yè)的經(jīng)營活動(dòng)產(chǎn)生的影響將越大。參考Rajan et al.(1998)和Cetorelli et al.(2006)的研究,根據(jù)企業(yè)對(duì)外部資金的需求來評(píng)估其銀行融資依賴度,具體地,以總資本支出與經(jīng)營性現(xiàn)金流之差來衡量。Cetorelli et al.(2006)通過此種方法構(gòu)建銀行融資依賴度,發(fā)現(xiàn)其與企業(yè)實(shí)際使用的銀行及其他機(jī)構(gòu)融資高度相關(guān)。本文以銀行融資依賴度指標(biāo)的中位數(shù)為界將樣本分為高銀行融資依賴度和低銀行融資依賴度兩個(gè)子樣本,對(duì)基準(zhǔn)模型進(jìn)行重新回歸,結(jié)果如表8列(1)～(4)所示。可以看到,相較于低銀行融資依賴度的公司,銀行競爭對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)的影響在高銀行融資依賴度的公司中會(huì)更為明顯,且對(duì)崩盤風(fēng)險(xiǎn)的兩種衡量指標(biāo)NCSKEW和DUVOL都是如此。對(duì)比發(fā)現(xiàn),低銀行融資依賴度公司子樣本的回歸系數(shù)在模型估計(jì)中都變得更小和更不顯著。這一結(jié)果表明,銀行競爭會(huì)通過增加信貸供應(yīng),降低企業(yè)融資約束,減小公司股價(jià)崩盤的可能性。

表8 影響機(jī)制檢驗(yàn)結(jié)果

2.銀行監(jiān)督渠道檢驗(yàn)

理論上,若銀行競爭環(huán)境的變化不能通過改變銀行篩選和監(jiān)督借款人的能力來影響公司股價(jià)崩盤風(fēng)險(xiǎn),就不會(huì)觀測到銀行競爭對(duì)借款公司信息透明程度的影響。參考Jin et al.(2006)、孟慶斌等(2019)的研究,計(jì)算股價(jià)同步性指數(shù),衡量公司的信息透明度,該值越大表示股價(jià)同步性越高,股價(jià)特質(zhì)信息越低,信息不對(duì)稱程度越高。以其中位數(shù)為界將樣本公司分為高透明度和低透明度兩個(gè)樣本,對(duì)基準(zhǔn)模型進(jìn)行重新回歸?；貧w結(jié)果如表8列(5)～(8)所示,可以看到,相比于高透明度公司,銀行競爭對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在低透明度公司要更為顯著。從核心解釋變量回歸系數(shù)上看,低透明度公司股價(jià)崩盤風(fēng)險(xiǎn)變量NCSKEW的系數(shù)約是高透明度公司的2.92倍,DUVOL的系數(shù)甚至由正轉(zhuǎn)負(fù),說明銀行競爭對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在透明度低的公司中更為顯著,銀行對(duì)借款人的監(jiān)督起到了明顯作用,這也與銀行競爭與股價(jià)崩盤風(fēng)險(xiǎn)通過銀行監(jiān)督渠道來聯(lián)系的推斷一致。(4)本文還參考黃飛鳴等(2021)的做法,使用中介效應(yīng)模型來驗(yàn)證銀行信貸渠道和銀行監(jiān)督渠道,由于篇幅所限,中介效應(yīng)模型回歸結(jié)果未予列示,留存?zhèn)渌鳌?/p>

六、進(jìn)一步討論

(一)銀行競爭對(duì)會(huì)計(jì)信息質(zhì)量的影響

負(fù)面消息的隱藏往往表現(xiàn)在企業(yè)會(huì)計(jì)信息質(zhì)量上。若此假說成立,銀行會(huì)勸阻管理層的不當(dāng)行為,鼓勵(lì)公開披露,減少囤積的負(fù)面消息的披露,從而降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。盈余管理是財(cái)務(wù)披露中最廣泛采用的方式之一,通過這種方式管理層能夠使用多種方法規(guī)避損失報(bào)告,從而隱藏公司的負(fù)面消息,并保留可能導(dǎo)致投資者賣空股票的其他重大信息。借鑒Zhang et al.(2019)、孟慶斌等(2021)的研究,采用Dechow et al.(1995)提出的橫截面修正的Jones模型,以操縱性應(yīng)計(jì)利潤(ACC_EM)的絕對(duì)值表示盈余管理程度。本文使用盈余管理作為因變量,對(duì)銀行競爭與其關(guān)系構(gòu)建以下模型進(jìn)行回歸:

ACC_EMi,t=θ0+θ1HHIi,t+θ2ROAi,t+θ3SIZEi,t+θ4LEVi,t+θ5MBi,t+θ6IOi,t+

θ7BIG4i,t+θ8CRi,t+θ9WCi,t+τi+νi,t+γt+εi,t

(10)

其中:控制變量與基準(zhǔn)回歸模型中反映公司特征變量一致,即ROA(資產(chǎn)收益率)、SIZE(公司規(guī)模)、LEV(公司杠桿率)、MB(公司市賬率);此外,參考孟慶斌等(2021)的研究,還選取IO(公司股權(quán)特性)、BIG4(四大會(huì)計(jì)師事務(wù)所審計(jì))、CR(公司流動(dòng)資產(chǎn)比例)、WC(公司營運(yùn)資本比率)作為控制變量。

回歸結(jié)果如表9所示。由列(1)可以看到,隨著銀行競爭的加劇,借款公司的盈余管理水平相應(yīng)降低,操縱性應(yīng)計(jì)利潤有所下降。進(jìn)一步按照盈余管理的方向分組,從列(2)、(3)可以看到,操縱性應(yīng)計(jì)利潤為正(ACC_EM+)和操縱性應(yīng)計(jì)利潤為負(fù)(ACC_EM-)結(jié)果均與銀行競爭水平呈負(fù)相關(guān),與列(1)回歸結(jié)果保持一致,這說明銀行競爭對(duì)于公司向上和向下操縱利潤的行為都起到了一定的約束監(jiān)督作用,但是ACC_EM-回歸系數(shù)不顯著,說明相較于向下操縱利潤,銀行競爭對(duì)向上操縱利潤的行為所起的監(jiān)督約束作用更為明顯。

表9 銀行競爭對(duì)會(huì)計(jì)信息披露影響檢驗(yàn)結(jié)果

此外,為了更全面地捕捉會(huì)計(jì)披露中的隱藏信息,進(jìn)一步探討財(cái)務(wù)重述所補(bǔ)充的財(cái)務(wù)報(bào)告質(zhì)量。此前研究也表明,財(cái)務(wù)重述可能與管理層故意隱瞞負(fù)面信息有關(guān),且負(fù)面的重述往往會(huì)動(dòng)搖投資者的信心,導(dǎo)致股價(jià)下跌甚至崩盤。替換模型(10)中的因變量操縱性應(yīng)計(jì)利潤(ACC_EM)為財(cái)務(wù)重述(Restatement)虛擬變量,從表9列(4)可以看到,回歸系數(shù)為1.396,且在1%水平上顯著,即銀行競爭度上升1%,財(cái)務(wù)重述下降1.396%,這表明在更具銀行競爭力的狀態(tài)下,公司進(jìn)行財(cái)務(wù)重述的可能性相對(duì)更小。這也反映了在銀行競爭更加激烈的市場環(huán)境中,借款企業(yè)的會(huì)計(jì)信息披露質(zhì)量會(huì)顯著提高,負(fù)面消息披露也更加充分,一定程度上降低了股價(jià)的崩盤風(fēng)險(xiǎn)。

(二)企業(yè)異質(zhì)性分析

1.企業(yè)所有權(quán)性質(zhì)的影響

將樣本企業(yè)按照國有企業(yè)和民營企業(yè)進(jìn)行分組,分樣本回歸結(jié)果如表10所示。對(duì)于民營企業(yè)來說,銀行競爭與其股價(jià)崩盤風(fēng)險(xiǎn)的相關(guān)性為負(fù)但不顯著,但銀行競爭能顯著降低國有企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)。原因可能是,與民營企業(yè)相比,國有企業(yè)產(chǎn)權(quán)不明晰導(dǎo)致委托代理問題更加嚴(yán)重,更容易囤積負(fù)面消息,且國有企業(yè)資本規(guī)模較大,擔(dān)負(fù)較多的社會(huì)責(zé)任,一旦負(fù)面消息得到釋放,會(huì)引起更多的關(guān)注,導(dǎo)致股價(jià)反應(yīng)劇烈。而銀行競爭的加劇會(huì)帶來對(duì)借款人更為嚴(yán)格的監(jiān)督,且相較于民營企業(yè),對(duì)國有企業(yè)的監(jiān)督更為嚴(yán)格(Chemmanur et al.,2020),進(jìn)而減少國有企業(yè)負(fù)面消息的隱藏,降低其股價(jià)崩盤風(fēng)險(xiǎn)。

表10 異質(zhì)性檢驗(yàn)——所有權(quán)性質(zhì)結(jié)果

2.企業(yè)公司治理的影響

參考周茜等(2020)等的研究,本文基于高管薪酬、獨(dú)立董事比例等7個(gè)指標(biāo)并使用主成分分析法構(gòu)建公司治理指數(shù)(5)參考既有文獻(xiàn)做法,從監(jiān)督、激勵(lì)、決策多方面構(gòu)造綜合性指標(biāo)來度量公司治理水平。具體而言,用高管薪酬與高管持股比例來表示公司治理中的激勵(lì)機(jī)制,用獨(dú)立董事比例與董事會(huì)規(guī)模來表示董事會(huì)的監(jiān)督作用,用機(jī)構(gòu)持股比例與股權(quán)制衡度(第二至第五大股東持股比例之和/控股股東持股)來表示股權(quán)結(jié)構(gòu)的監(jiān)督作用,用董事長與總經(jīng)理是否兩職合一來表示總經(jīng)理的決策權(quán)力。基于上述7個(gè)指標(biāo),運(yùn)用主成分分析法構(gòu)建公司治理指數(shù)。,得分越高說明公司治理水平越高,然后以公司治理指數(shù)的中位數(shù)為界進(jìn)行高低兩組分樣本回歸,結(jié)果如表11所示?？梢钥吹?銀行競爭對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)的影響在公司治理水平較差組中更為顯著。原因可能是,治理水平高的公司委托代理問題相對(duì)更小,自身信息透明度更高,股價(jià)崩盤風(fēng)險(xiǎn)相對(duì)更低,銀行競爭對(duì)公司治理水平差的企業(yè)改善作用更為明顯。

表11 異質(zhì)性檢驗(yàn)——公司治理結(jié)果

3.企業(yè)外部金融市場環(huán)境的影響

中國區(qū)域經(jīng)濟(jì)的發(fā)展不平衡導(dǎo)致不同城市中的市場環(huán)境、法律環(huán)境和金融發(fā)展程度等方面都存在很大的差異。本文使用王小魯?shù)?2019)金融市場化指數(shù)來衡量金融市場環(huán)境,指數(shù)越大,意味著該地區(qū)的金融市場化程度越高,制度環(huán)境越完善,并基于指數(shù)的中位數(shù)進(jìn)行分組檢驗(yàn)?；貧w結(jié)果如表12所示,在金融市場化程度高的地區(qū),銀行競爭與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)無顯著相關(guān)關(guān)系。原因可能是,金融市場化程度越高、市場機(jī)制越完善地區(qū)的企業(yè)融資方式越多,越不依賴于銀行融資。此外,在金融市場化程度較高的地區(qū)信息傳遞效率較高,負(fù)面消息難以囤積,而在金融市場化程度較低的地區(qū),銀行競爭能顯著降低公司股價(jià)崩盤風(fēng)險(xiǎn),銀行信貸和銀行監(jiān)督起了更好的作用。

表12 異質(zhì)性檢驗(yàn)——企業(yè)外部金融市場環(huán)境結(jié)果

(三)互聯(lián)網(wǎng)發(fā)展的沖擊

隨著互聯(lián)網(wǎng)的快速發(fā)展,空間距離的阻礙日趨減弱,基于地理臨近獲取“軟信息”的優(yōu)勢似乎不復(fù)存在。為了驗(yàn)證這一觀點(diǎn),參考張爍珣等(2019)的研究,加入互聯(lián)網(wǎng)發(fā)展水平(Internet)作為控制變量,并使用每個(gè)城市互聯(lián)網(wǎng)接入人數(shù)來衡量每個(gè)城市的互聯(lián)網(wǎng)發(fā)展水平,結(jié)果見表13。

表13 考慮互聯(lián)網(wǎng)發(fā)展對(duì)傳統(tǒng)物理網(wǎng)點(diǎn)的影響

從列(1)、(2)可以看到,核心解釋變量銀行競爭度對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)變量NCSKEW和DUVOL無論是符號(hào)還是顯著性均未發(fā)生變化,說明即使互聯(lián)網(wǎng)技術(shù)迅速發(fā)展,銀行競爭仍然會(huì)影響公司股價(jià)崩盤風(fēng)險(xiǎn),互聯(lián)網(wǎng)發(fā)展對(duì)于股價(jià)崩盤風(fēng)險(xiǎn)影響為正,這意味著互聯(lián)網(wǎng)的發(fā)展促使信息快速傳播,負(fù)面消息難以隱藏,與股價(jià)崩盤風(fēng)險(xiǎn)呈正相關(guān)。從列(3)、(4)可以看到,銀行競爭(HHI)與互聯(lián)網(wǎng)發(fā)展水平(Internet)的交互項(xiàng)系數(shù)為負(fù),說明互聯(lián)網(wǎng)發(fā)展會(huì)削弱以分支機(jī)構(gòu)衡量的銀行競爭對(duì)公司股價(jià)崩盤風(fēng)險(xiǎn)的影響,主要因?yàn)殡S著互聯(lián)網(wǎng)技術(shù)的發(fā)展,物理網(wǎng)點(diǎn)的重要性在不斷下降。

七、研究結(jié)論與政策建議

銀行競爭通過銀行信貸和銀行監(jiān)督對(duì)企業(yè)產(chǎn)生影響,減少其負(fù)面消息的隱藏,提升會(huì)計(jì)信息質(zhì)量,降低公司股價(jià)崩盤風(fēng)險(xiǎn)。實(shí)證研究發(fā)現(xiàn),公司所在城市銀行競爭加劇會(huì)顯著降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn),且這一影響在國有企業(yè)、公司治理水平低和市場化程度低地區(qū)的企業(yè)更為明顯;在考慮互聯(lián)網(wǎng)技術(shù)迅速發(fā)展時(shí),銀行競爭仍然會(huì)影響公司股價(jià)崩盤風(fēng)險(xiǎn),但傳統(tǒng)物理網(wǎng)點(diǎn)競爭的影響有所下降。

本文的研究結(jié)論有以下政策啟示:第一,要繼續(xù)推動(dòng)金融供給側(cè)結(jié)構(gòu)性改革,充分發(fā)揮銀行業(yè)良性競爭帶來的“鯰魚效應(yīng)”,提升銀行經(jīng)營水平和甄別風(fēng)險(xiǎn)、控制風(fēng)險(xiǎn)的能力,發(fā)揮銀行業(yè)改善實(shí)體企業(yè)融資環(huán)境降低經(jīng)營風(fēng)險(xiǎn)的優(yōu)勢作用,促進(jìn)銀行業(yè)和實(shí)體經(jīng)濟(jì)共生共榮、協(xié)調(diào)發(fā)展。第二,政府及證券市場監(jiān)管部門應(yīng)強(qiáng)化對(duì)上市公司內(nèi)部治理和信息披露的要求,防范股價(jià)崩盤風(fēng)險(xiǎn),維護(hù)金融市場穩(wěn)定;企業(yè)要重視內(nèi)部治理機(jī)制的建立,更要實(shí)時(shí)關(guān)注外部融資環(huán)境的變化,積極調(diào)整各項(xiàng)決策以適應(yīng)外部環(huán)境變化,提升自身的競爭優(yōu)勢,防范經(jīng)營風(fēng)險(xiǎn)。第三,互聯(lián)網(wǎng)金融等現(xiàn)代科技的發(fā)展在一定程度上能夠減弱空間距離因素對(duì)企業(yè)融資的影響,為此應(yīng)繼續(xù)推行互聯(lián)網(wǎng)金融的發(fā)展,鼓勵(lì)商業(yè)銀行在風(fēng)險(xiǎn)可控的基礎(chǔ)上進(jìn)行金融創(chuàng)新,更好地服務(wù)實(shí)體經(jīng)濟(jì)。