分析師預測準確度與股價崩盤風險——來自中國上市公司的經驗證據

朱 敏周 磊

（1.安徽工程大學，安徽 蕪湖241000；2.中南財經政法大學，湖北 武漢430073；3．云南民族大學，云南 昆明650500）

一、引言

資本市場的基本功能是利用股票價格的信號機制實現資源的最優配置，在一個功能有效的證券市場里，價格能引導稀缺的資本實現其最大的回報，股票價格的這種引導資源配置作用的大小取決于其反映企業真實信息的能力（朱紅軍等，2007）[1]。然而，在委托代理理論框架下，公司管理層常?；谛匠昶跫s、稅收規避、職業生涯和帝國建造等動機，通過操縱會計盈余來隱藏壞消息，隨著經營周期的持續，壞消息將在公司內部不斷累積，進而導致股票價格被高估（Kim 等，2011a、2011b）[2][3]，一旦壞消息達到臨界值，隱瞞成本變得異常高昂，無法再隱藏的壞消息大量集中向市場釋放，對公司股價造成極大的負面沖擊，導致股價大跌進而發生崩盤（Jin和Myers，2006；Hutton等，2009；許年行等，2012）[4-6]。上世紀以來，全球股票市場經歷了多次股價崩盤①，嚴重影響到資本市場的健康發展，危及各主體國家的金融穩定。因此，長期以來，股價崩盤問題受到監管者、投資者和學術界的高度關注。但現有文獻多從公司管理層隱藏壞消息的動機入手展開研究，較少有文獻直接從緩解資本市場信息不對稱的角度，研究降低股價崩盤風險的可能途徑。

證券分析師是資本市場的重要參與者和不可或缺的信息中介，作為資本市場的紐帶，連接著投資者、上市公司等多方市場參與主體，他們受過良好的專業訓練，擁有豐富的行業背景，通過搜集、解讀和加工上市公司信息，預測公司未來的收益，向資本市場提供大量有價值的信息，在一定程度上降低上市公司與投資者之間的信息不對稱程度，促進市場有效運行（岳衡和林小馳，2008）[7]。由于盈余預測信息在資本市場中的重要作用，使得分析師的盈余預測行為也成了資本市場研究的一個重要對象（Beaver，2002[8]；石桂峰等，2007）。[9]那么，分析師能否有效的發揮信息中介作用，其盈余預測行為究竟能否及時揭露公司隱藏的壞消息，進而抑制股價下跌乃至崩盤呢？中國資本市場為研究這一問題提供了理想的研究樣本和實驗場所。首先，與西方發達國家相比，我國證券市場發展的歷史較短，制度缺陷與監管不完善使得市場存在不成熟性和不穩定性，信息不對稱現象嚴重，由此導致的“羊群效應”及隨之而來的股價大漲大跌成為資本市場普遍存在的問題。其次，我國的證券咨詢行業幾乎是伴隨著證券市場的建立而產生的，其中既有證券咨詢公司的職業股評家，也有券商旗下的研究咨詢機構，他們或在證券媒體上發表股評，或向客戶提供研究報告、進行投資推薦和盈利預測（朱紅軍等，2007）[1]。然而，國內有少數分析師存在與莊家勾結、發布虛假評論、操縱股價的行為，這嚴重影響到投資者對分析師預測分析結論的信任，對其在市場中發揮的作用產生質疑。因此，在這樣的市場大環境中，研究公司外部的信息分析中介（如，證券分析師）在抑制股價大幅波動、增進市場效率方面所發揮的作用，不僅有利于指導外部投資者做出合理的投資決策，而且對于我國證券市場的長遠健康發展意義重大。

文章的貢獻體現在三個方面：首先，不同于以往大量集中于分析師盈余預測準確度影響因素的研究，本文考察了分析師盈余預測準確度對其他經濟活動的影響，從而豐富了分析師盈余預測經濟后果的相關研究；其次，以往文獻大多從公司內部管理層隱瞞壞消息的行為動機角度研究股價崩盤風險，本文從公司外部信息分析中介——證券分析師入手，探討在抑制股價崩盤風險方面，分析師盈余預測所發揮的作用，為股價崩盤風險領域的研究進行拓展。最后，本文基于中國的特殊制度背景，深入考察股權性質、上市時間等公司特征對分析師盈余預測與股價崩盤風險間關系的影響，實證結果為股價崩盤風險的理論研究提供了來自新興轉型經濟國家的證據。

二、文獻回顧與研究假設

現存的關于股價崩盤風險的研究文獻主要是從公司金融理論與金融市場理論兩個維度展開的（江軒宇和許年行，2014）[10]。

Jin和Myers是最早從公司金融的角度對股價崩盤風險進行研究的學者，他們主要從公司內部管理決策行為的視角出發，研究認為信息不對稱的存在為管理層隱藏壞信息的機會主義行為提供了可能，但公司對壞信息的容納存在一個上限，一旦累積的壞信息超過臨界值，無法繼續隱藏時，將集中釋放，對股價形成巨大的負面沖擊。此后，眾多實證研究對上述理論進行了支持。研究表明，當信息不對稱程度越嚴重（潘越等，2011）[11]，管理層期權價值與股票價格的敏感性、過度自信程度或在職消費水平越高（Kim等，2011b[3]、2013[12]；Xu等，2014[13]），企業避稅行為越激進（江軒宇，2013）[14]，上市公司的股價崩盤風險越大；而隨著公司治理水平的改善，如采取更穩健的會計政策（Kim 和 Zhang，2013）[15]，聘請女性高管（李小榮和劉行，2012）[16]，積極機構投資者的持股比例越高（An和Zhang，2013）[17]，聘請的會計師事務所具有更強的審計行業專長（江軒宇和伊志宏，2013）[18]及地區的稅收征管力度越強（江軒宇，2013）[14]，上市公司的股價崩盤風險將降低。

基于金融市場理論對股價崩盤風險展開研究的視角主要是資本市場的參與者。其中，作為資本市場重要信息中介的證券分析師，由于具有專業知識與信息搜集加工的相對優勢，能向市場參與者提供合理反映公司內在價值的信息，減弱市場的價格偏離，降低公司與投資者之間的信息不對稱程度，降低契約成本，因此在資本市場中扮演著重要角色（Beaver，1998）[19]。分析師不僅限于應用公開的市場信息，還從公司管理層挖掘私有信息，這樣不僅使分析師預測準確度進一步提高，而且還能促進公司治理的完善（Healy 和 Palepu，2001）[20]，及時揭示公司管理層隱藏的壞消息并向市場發布，緩解信息不對稱，防止壞消息累積后瞬間向市場釋放所帶來的股價崩盤風險。此外，許年行等（2012）[6]考慮了證券分析師的樂觀偏差對股價崩盤風險的影響，他們認為即使投資者不存在異質信念，但由于證券分析師提供的信息存在正向偏誤，仍然可能導致投資者高估股價，一旦股價被高估的公司基本面信息披露到市場上，必然導致股價“泡沫”破滅、股價大幅下跌進而崩盤。基于此，本文提出假設1：

H1：分析師盈余預測準確度越高，股價未來發生崩盤的風險就越低。

作為新興轉型經濟國家，中國的企業股權性質直接影響著資本市場的發展。政府一方面以國有資產代表的身份參與企業經營，另一方面，以行政主體的身份給予企業財政補貼（陳曉和李靜，2001）［21］、低息銀行貸款（林毅夫和李志赟，2004）［22］，為企業注入優質資源（李增泉等，2005）［23］，并最終通過行政和市場的雙重調控，促使國有企業行為承載國民經濟發展的戰略規劃，提供就業崗位、增加財政收入、維護社會穩定（辛清泉和譚偉強，2009）［24］。此外，國有企業管理層考核機制一般不單純以財務業績為標準（Kato和Long，2006）［25］，而是更加注重政治目標的完成情況（吳聯生等，2010）［26］，因此，企業管理層相對較少有動機通過隱藏壞消息的手段來操縱盈余以提高業績。由此可見，國有股權性質的上市公司信息不對稱程度相對較低?；诖耍疚奶岢黾僭O2：

H2：與非國有上市公司相比，在國有上市公司中，分析師盈余預測準確度與股價未來崩盤風險間的負向影響關系更顯著。

一般而言，公司在上市之初，由于信息傳遞滯后效應導致的信息不對稱，公司內部的信息不易被外部市場參與者獲知。隨著上市公司上市時間的不斷增長，公司與外界的信息不對稱程度逐漸減弱，證券分析師等資本市場的信息中介能通過公司信息對公司盈余情況進行預測，并將預測信息及時傳遞到資本市場上，進一步緩解信息不對稱。因此，管理層與投資者之間的信息不對稱與公司上市時間長短有相關關系（Ecker等，2006）[27]，隨著公司上市時間增長，各種財務與非財務數據的披露量隨之增加，分析師跟蹤也會增強（Pittman 和 Fortin，2004）[28]，所以市場上可供投資者參考的信息也會增多，信息不對稱程度就會減弱，在這樣的公司中，分析師盈余預測的準確度與公司股價崩盤風險間的負向影響關系更強。基于此，本文提出假設3：

H3：與上市時間較短的公司相比，上市時間較長的公司，分析師盈余預測準確度與股價未來崩盤風險間的負向影響關系更顯著。

三、研究設計

（一）樣本選擇和數據來源

文章以滬深兩市2001—2011年所有A股上市公司作為初選樣本。文中用到的股票周收益率數據來自北京聚源銳思數據科技有限公司的RESSET數據庫，其余數據均來自深圳國泰安信息技術有限公司的CSMAR數據庫。考慮到回歸模型中被解釋變量NCSKEW、DUVOL采用的是超前一期的數據，所以本文使用的數據實際時間跨度為2002-2010年。

對于初始的樣本數據，我們進行了如下的處理：（1）為了估計股價崩盤風險的數值，借鑒Jin和Myers（2006）[4]的研究，剔除每家公司在每個會計年度股票收益率數據少于30周的樣本；（2）剔除金融類上市公司；（3）剔除 ST、PT 的公司；（4）剔除總資產和所有者權益小于零的樣本；（5）剔除數據缺失樣本。根據上述標準，最終得到4788個公司年度觀測值。

（二）變量的選擇和度量

1．被解釋變量：股價崩盤風險

借鑒 Chen 等（2001）[29]及 Kim 等（2011a，2011b）[2-3]的方法，本文使用兩種方法來度量上市公司股價崩盤風險，具體度量方法如下：

首先，使用上市公司股票周收益率數據對模型（1）進行回歸：

在模型中，Rj,t表示股票j在第t周考慮現金紅利再投資的收益率，Rm,t為所有股票在第t周使用流通市值加權的平均收益率，在模型中加入市場收益率的滯后項和超前項是為了調整股票非同步性交易帶來的影響（Dimson，1979）[30]。將股票 j在第 t周的公司特有收益率Wj,t定義為ln(1+εj,t)其中εj,t為模型回歸的殘差。然后，基于Wj,t我們選取以下兩個變量來度量股價崩盤風險：

第一，收益負偏態系數NCSKEW：

在式（2）中，n為每年股票j的交易周數，負偏態系數NCSKEW的數值越大，表示股價崩盤的風險越大。

第二，收益上下波動比率DUVOL：

在式（3）中，nu(nd)為股票 j的周特有收益 Wj,t大于(小于)年平均收益Wj的周數。DUVOL的數值越大，代表收益率分布更傾向于左偏，股價崩盤風險越大。

2．解釋變量：分析師預測準確度

借鑒Behn et al.（2008）[31]的做法，本文采用負向的預測誤差絕對值來表示分析師預測準確度，并用上期期末股價對其進行標準化，具體如下：

在式（4）中FORECASTt是在第t期同一公司中不同分析師每股盈余預測的均值，EPSt是第t期該公司每股盈余的實際值，PRICEt-1是第t-1期期末該公司的股票收盤價格。

3．控制變量

根據以往文獻控制如下變量：去趨勢換手率DTURN；市值賬面比MB；公司年均收益SR；公司特有收益的標準差SIGMA；公司規模SIZE；資產負債率LEV；凈資產收益率ROE。此外，加入年度虛擬變量和行業虛擬變量以分別控制年度和行業固定效應。變量的定義和度量見表1。

(三 )實證模型

采用模型來檢驗分析師預測與未來股價崩盤風險之間的關系：

在模型中，CRASHRISKt+1分別由NCSKEWt+1和DUVOLt+1來度量，其中NCSKEWt+1代表在第t+1期公司特有周收益的負偏態，DUVOLt+1代表在第t+1期公司收益上下波動比率；ACCYt代表第t期分析師對該公司盈余預測的準確度，H1意味著β1＜0，具體來說，分析師對公司盈余預測準確度越高，未來股價崩盤風險越小。

同時，考慮到本文所使用的樣本數據是典型的短面板，借鑒 Petersen（2009）[32]的方法，所有回歸模型結果在報告t值時，均采用公司層面聚類調整的穩健性標準誤。

表1 變量定義與度量

四、實證結果與分析

（一）描述性統計

表2是主要變量的描述性統計結果。NCSKEW的均值為-0.242，中位數為-0.227，表現為左偏，這符合我們對該變量的界定；同時從絕對值上來看，數值比Chen等（2001）[29]報告的要大得多，這意味著我們的公司樣本在年度區間內存在更大的崩盤風險。對于本文的關鍵解釋變量，ACCY的最小值為-0.262，最大值為 0，均值為-0.027，中位數為-0.013。這表明，樣本中大多數公司的分析師預測準確度較高。

表3是變量的皮爾遜相關性矩陣。從表3來看，表中各變量之間（除被解釋變量的兩個代理變量間）相關系數的絕對值大部分都小于0.4，這表明變量間不存在嚴重多重共線性問題。但是在表3中，分析師預測準確度與未來股價崩盤風險間也存在正相關關系，這與前文的假設不符，因此，接下來我們需要進行多元回歸分析以便深入探討變量之間的邏輯關系。

表2 描述性統計

（二）分析師盈余預測與股價崩盤風險

表4檢驗了分析師對公司盈余預測準確度對下一期股價崩盤風險的影響。列（1）以NCSKEWt+1作為被解釋變量進行OLS回歸，分析師預測準確度ACCY的系數為-0.435，在10%的統計水平上顯著（t0.1=-1.89）；在列（2）中，以 DUVOLt+1作為被解釋變量進行OLS回歸，此時分析師預測準確度ACCY的系數為-0.498，在1%的統計水平上顯著（t0.01=-2.96）。這表明分析師對公司的盈余預測準確度越高，投資者對公司的股價越有信心，從而使得未來股價崩盤風險顯著降低，“假設1”得到驗證。

（三）股權性質、分析師盈余預測與股價崩盤風險

表5報告了公司的股權性質對分析師預測準確度與未來股價崩盤風險之間關系的影響。其中，列（1-2）是以NCSKEWt+1作為被解釋變量進行OLS回歸的結果，列（3-4）是以DUVOLt+1作為被解釋變量進行OLS回歸的結果。

表3 主要變量相關性分析

表4 分析師盈余預測對未來股價崩盤風險的影響（全樣本）

列（1）為國有樣本公司的回歸結果，分析師預測準確度ACCY的系數在5%的水平上顯著為負；列（2）為非國有樣本公司的回歸結果，分析師預測準確度ACCY的系數為負但不顯著。在列（3-4）中，以DUVOLt+1為被解釋變量所得到的回歸結果與列（1-2）基本保持一致。由此可見，無論被解釋變量采用NCSKEWt+1還是DUVOLt+1，回歸結果均支持同一結論，即：相對于非國有企業而言，在國有企業中分析師預測準確度對未來股價崩盤風險抑制作用更強，從而“假設2”得到驗證。

（四）公司上市時間、分析師盈余預測與股價崩盤風險

根據公司IPO的年份，計算出公司截止目前的上市時間，再根據所有樣本公司上市時間，求出上市時間的均值，通過該均值將樣本分成上市時間較短和上市時間較長的兩個子樣本。表6的回歸結果檢驗了公司上市時間長短對分析師盈余預測和股價崩盤風險之間關系的影響。

表5 分析師盈余預測對未來股價崩盤風險的影響（按公司股權性質分組）

與表5一致，表6的列（1-2）是以NCSKEWt+1作為被解釋變量進行OLS回歸的結果，列（3-4）是以DUVOLt+1作為被解釋變量進行OLS回歸的結果。研究發現，在上市時間較長的公司樣本組中（列1、3），分析師預測準確度ACCY的系數分別在5%和1%的水平上顯著為負；而在上市時間較短的樣本組中（列2、4），這種關系在統計上不顯著。由此可見，無論被解釋變量采用NCSKEWt+1還是DUVOLt+1，回歸結果均支持同一結論，即：相對于上市時間較短的公司而言，在上市時間較長的公司中，分析師預測準確度對未來股價崩盤風險抑制作用更強，從而“假設3”得到驗證。

表6 分析師盈余預測對未來股價崩盤風險的影響（按公司上市時間分組）

（五）穩健性檢驗

為了增進上述結論的可靠性，本文做了如下穩健性檢驗：

第一，借鑒Marin和Olivier（2008）[33]、陳國進和張貽軍（2009）[34]的方法，定義一個虛擬變量 crash，如果在年度內公司至少存在一次特有周收益小于其年度特有周收益均值減去3.09倍特有周收益標準差，則crash取1，否則為0。以單家公司股價發生崩盤的概率來衡量公司股價崩盤風險，作為股價崩盤風險的代理變量，并以此指標重新進行回歸，檢驗結果表明文中假設仍然成立。

第二，對部分控制變量的代理變量進行了替換，回歸結果表明，結論未發生實質性的變化。具體如下：（1）公司規模用營業收入的自然對數替換總資產的自然對數，結果與原假設一致；（2）財務業績指標，用總資產報酬率替換模型中的凈資產收益率，結論未發生顯著改變。

五、研究結論

文章選取2001-2011年我國滬深兩市A股上市公司數據為研究樣本，從抑制公司股價未來崩盤風險的角度實證考察證券分析師預測行為的作用。研究結果表明：（1）證券分析師對公司盈余預測的準確度越高，公司股價未來發生崩盤的風險越低；（2）相對于非國有上市公司而言，在國有上市公司中，證券分析師預測準確度對股價未來崩盤風險的抑制作用更強；（3）相對于上市時間較短的上市公司而言，在上市時間較長的上市公司中，證券分析師預測準確度對股價未來崩盤風險的抑制作用更強。這表明證券分析師作為資本市場的重要信息中介，確實能在一定程度上緩解資本市場的信息不對稱，及時揭示公司管理層隱藏的壞消息，并向外部市場披露，從而避免了大量累積于公司內部的壞消息瞬間集中向市場釋放，對公司股價造成的極端負面沖擊，并最終導致股價大跌進而崩盤的風險，而且公司內部特征對證券分析師預測行為存在影響。

本文研究結論的理論和現實意義表現在以下幾方面：首先，將緩解股價崩盤風險的研究拓展到公司外部的信息中介，研究發現準確的分析師盈余預測信息是存在信息含量的，這類信息對目標公司股價未來崩盤風險具有顯著的抑制作用；第二，考慮到公司股權性質及上市時間，對樣本分組檢驗，發現在不同的樣本組中，分析師盈余預測的股價效應存在差異，從而為股價崩盤風險的理論研究提供了更多的證據和補充；第三，證券分析師盈余預測行為及時披露公司內部隱藏的壞消息，防止壞消息在公司內部累積，緩解資本市場的信息不對稱程度，從而降低公司股價未來發生崩盤的風險。從抑制公司股價波動的角度證實了證券分析師預測行為在提高資本市場運行效率方面的有用性。因此，更好地規范資本市場中信息中介機構的建設，促進證券分析師行業的健康發展，對于增強我國資本市場股票價格的信號傳遞機制，穩定金融市場秩序具有重大意義。

[1]朱紅軍，何賢杰，陶林．中國的證券分析師能夠提高資本市場的效率嗎——基于股價同步性和股價信息含量的經驗證據[J]．金融研究，2007，（2）：110-121．

[2]Kim，J．-B．，Y．Li，and L．Zhang．Corporate tax avoidance and stock price crash risk： Firm-level analysis[J]．Journal of Fi-nancial Economics，2011，100(3)：639-662．

[3]Kim，J．-B．，Y．Li，and L．Zhang．CFOs versus CEOs：Equity incentives and crashes[J]．Journal of Financial Economics，2011，101(3)：713-730．

[4]Jin，L．，and S．C．Myers．R2 around the World：New Theory and New Tests[J]．Journal of Financial Economics，2006，79(2)：257-292．

[5]Hutton，A．P．，A．J．Marcus，and H．Tehranian．Opaque financial reports，R2，and crash risk[J]．Journal of Financial Economics，2009，94(1)：67-86．

[6]許年行，江軒宇，伊志宏，徐信忠．分析師利益沖突、樂觀偏差與股價崩盤風險[J]．經濟研究，2012，(7)：127-140．

[7]岳衡，林小馳．證券分析師 VS統計模型：證券分析師盈余預測的相對準確性及其決定因素[J]．會計研究，2008，(8)：40-49．

[8]Beaver，W．H．Perspectives on recent capital market research[J]．The Accounting Review，2002，77（2）：453-4741．

[9]石桂峰，蘇力勇，齊偉山．財務分析師盈余預測精確度決定因素的實證分析[J]．財經研究，2007，33(5)：62-71．

[10]江軒宇，許年行．企業過度投資與股價崩盤風險[C]．第一屆中國財務與會計學術年會，2014.

[11]潘越，戴亦一，林超群．信息不透明、分析師關注與個股暴跌風險[J]．金融研究，2011，(9)：138-151．

[12]Kim，J．-B．，Z．Wang，and L．Zhang．CEO Overconfidence and Stock Price Crash Risk[J]．working paper，2013．

[13]Xu，N．H．，X．R．Li，Q．B．Yuan，and K．C．Chan．Excess Perks and Stock Price Crash Risk：Evidence from China[J]．Journal of Corporate Finance，2014，(25)：419-434．

[14]江軒宇．稅收征管、稅收激進與股價崩盤風險[J]．南開管理評論，2013，（5）：152-160．

[15]Kim，J．-B．，and L．Zhang．Accounting Conservatism and Stock Price Crash Risk：Firm-level Evidence[J]．Contemporary Accounting Research，2013，forthcoming．

[16]李小榮，劉行．CEO vs CFO：性別與股價崩盤風險[J]．世界經濟，2012，(12)：102-129．

[17]An，H．，and T．Zhang．Stock Price Synchronicity，Crash Risk and Institutional Investors[J]．Journal of Corporate Finance，2013，21(6)：1-15．

[18]江軒宇，伊志宏．審計行業專長與股價崩盤風險[J]．中國會計評論，2013，11（2）：133-150．

[19]Beaver，W．H．Financial Reporting an Accounting Revolution[M]．Prentice Hall．New Jersey．1998．

[20]Healy，P．M．，and K．G．Palepu．Information asymmetry，corporate disclosure，and the capital markets：A review of the empirical disclosure literature[J]．Journal of Accounting and Economics，2001，(31)：405-440．

[21]陳曉，李靜．地方政府財政行為在提升上市公司業績中的作用探析[J]．會計研究，2001，(12)：20-28．

[22]林毅夫，李志赟．政策性負擔，道德風險與預算軟約束[J]．北京大學學報（哲學社會科學版），2004，(2)：17-27．

[23]李增泉，余謙，王曉坤．掏空，支持與并購重組[J]．經濟研究，2005，(1)：95-105．

[24]辛清泉，譚偉強．市場化改革，企業業績與國有企業經理薪酬[J]．經濟研究，2009，(11)：68-81．

[25]Kato，T．，and C．Long．Executive Turnover and Firm Performance in China[J]．The American Economic Review，2006，96（2）：363-367．

[26]吳聯生，林景藝，王亞平．薪酬外部公平性、股權性質與公司業績[J]．管理世界，2010，(3)：117-126．

[27]Ecker，F．，J．Francis，I．Kim，P．M．Olsson，and K．Schipper．A return-based representation of earnings quality[J]．The Accounting Review，2006，81（4）：749-780．

[28]Pittman，J．A．，and S．Fortin．The impact of auditor’s reputation on the cost of financing[J]．Journal of Accounting and Economics，2004，(37)：113-36．

[29]Chen，J．，H．Hong，and J．C．Stein．Forecasting crashes：Trading volume，past returns，and conditional skewness in stock prices[J]．Journal of Financial Economics，2001，61(3)：345-381．

[30]Dimson，E．Risk Measurement when Shares are Subject to Infrequent Trading[J]．Journal of Financial Economics，1979，(7)：197-226．

[31]Behn，B．，J．H．Choi，and T．Kang．Audit quality and the properties of analysts’ earnings forecasts[J]．The Accounting Review，2008，83（2）：327-349．

[32]Petersen，M．A．Estimating Standard Errors in Finance Panel Datasets：Comparing Approaches[J]．Review of Financial Studies，2009，(22)：435-480．

[33]Marin，J．M．，and J．P．Olivier．The dog that did not bark：Insider trading and crashes[J]．The Journal of Finance，2008，63(5)：2429-2476．

[34]陳國進，張貽軍．異質信念、賣空限制與我國股市的暴跌現象研究[J]．金融研究，2009，(4)：80-91．