股價崩盤風險與分析師關注：“趨之若鶩”還是“退避三舍”

王愛群， 李靜波,2， 蕭朝興， 陳柔君

（1. 吉林大學 管理學院，吉林 長春 130012； 2. 深圳市大數據研究院，廣東 深圳 518000；3. 臺灣東華大學 管理學院，臺灣 花蓮 97003）

一、引 言

股價崩盤①股價崩盤指的是個股股價毫無征兆地在短期內出現暴跌的情形，股價崩盤風險則指這種暴跌出現的概率。是資本市場的夢魘事件，但這種災難性事件卻在全球范圍內尤其在中國資本市場上屢屢上演，且每每當這種事件發(fā)生時信息匱乏的中小投資者更有可能成為最大的受害者。中共十九大報告中，習近平總書記明確提出未來金融服務實體經濟的底線是守住系統(tǒng)性金融風險不爆發(fā)。在這種背景下，政府、業(yè)界與學術界展開了對股價崩盤風險的廣泛研究。根據法瑪的有效市場理論，如果市場是有效的，股價崩盤爆發(fā)的根源在于公司基本面價值的突然暴跌，但Chen等（2001）證明了這一解釋并不成立。隨后學者們從代理理論的框架出發(fā)，建立了“信息隱藏說”，對這一現象形成的機制進行了說明：經理人因為經營決策不善導致公司業(yè)績變差，出于自利動機，經理人會選擇各種復雜性手段阻止此類壞消息傳入市場，并刻意制造或提前釋放好消息以抬高股價，一旦壞消息突破閾值釋放到市場，投資者急售手中的股票，股價就暴跌（Jin和Myers，2006）。總體而言，該假說認為股價崩盤風險是公司經營風險與信息風險在資本市場的綜合反映，而這一假說截至目前也得到了眾多學者在經驗證據方面的支持（Hutton等，2009；Kim等，2011a，b；Xu等，2014；Kim等，2018；Habib和Hasan，2017；李增泉等，2011；江軒宇和許年行，2015；孫淑偉等，2017；楊威等，2018）。

證券分析師（以下簡稱分析師）作為資本市場上不可或缺的主體，是聯(lián)結上市公司和投資者的信息紐帶，承擔著緩解兩者間信息不對稱的重要職能。相對于普通投資者，分析師們身為訓練有素的專業(yè)人士具備更多的信息優(yōu)勢和分析能力，他們既可以充分搜集和深度分析上市公司的財務報告、招股說明書等公開文件，又可以通過實地調研與管理層溝通等私人途徑來掌握大量關于公司的一手信息（褚劍等，2019）。此外，分析師們還擁有豐富的信息傳播渠道，能易于通過電視、報紙及網絡等媒體發(fā)布自己的觀點（潘越等，2011）。那么分析師是否有可能提前為投資者特別是廣大中小投資者挖掘公司的內在價值以揭示公司存在的股價崩盤風險，或者借由信息傳遞機制來強化公司在治理上的安排從而降低股價崩盤風險，以保護投資者們免遭巨額損失呢？分析師關注是一切分析師行為的邏輯起點，要使分析師能夠充分發(fā)揮上述保護職能的前提是分析師愿意跟蹤報道那些股價崩盤風險更高的公司，這也是本文關注的問題。

分析師的注意力是有限的，他們究竟對何種類型的公司感興趣，Bhushan（1989）針對此問題最早展開了系統(tǒng)性的研究，他認為分析師對一家公司的關注程度等于投資者需求和分析師愿意供給的均衡值，并據此思想構建了分析師服務的供求關系模型。后續(xù)的一系列與分析師關注水平影響因素有關的論文均在此模型框架下展開。現有研究大致可分為兩方面：一方面，發(fā)現分析師關注與公司經營活動息息相關，已有文獻分別從公司并購重組（Chaney等，1999）、研發(fā)創(chuàng)新投入（Huang和Zhang，2011）、產品市場競爭激烈程度（Haw等，2015）、公司經營戰(zhàn)略（何熙瓊和尹長萍，2018）等方面展開；另一方面，它還與公司的信息環(huán)境關系密切，公司信息數量（白曉宇，2009）、信息透明度（方軍雄，2007）、公司治理狀況（Gu等，2013；董望等，2017）、盈余質量（Christensen 等，2013）、年報可讀性（丘心穎等，2016）均會影響分析師做出是否決定跟蹤某家公司的決策。然而截至目前，卻鮮有學者直接將公司的經營活動與信息環(huán)境相結合來考察對分析師關注的影響，股價崩盤風險是公司最極端的風險，是公司經營活動和信息環(huán)境在股價上的綜合投射，本文將以此為切入點展開對分析師關注的討論。

理論上，股價崩盤風險會同時影響投資者對分析師服務的需求和分析師愿意供給的數量。一方面，從需求端看，高股價崩盤風險的公司往往會因為非對稱性披露經營上的好消息而迎來股價上漲，但由于這種上漲是人為操縱的，因而投資者們同時又會觀察到一些與公司良好經營完全不符的跡象，如非效率投資明顯增加（江軒宇和許年行，2015；Habib和Hasan，2017）、會計穩(wěn)健性大幅度下降（Kim等，2018）、公司內部人士大規(guī)模拋售股票（孫淑偉等，2017）等。當投資者受到諸如專業(yè)知識、信息獲得渠道等各種條件的限制，會難以甄別股價的上漲是因為股價被高估還是成長性的體現，此時投資者會對有關公司股票內在價值的信息產生較大需求，自然也就對分析師理性聲音的渴望會更加強烈。另一方面，從供給端看，首先，公司股價崩盤風險越大，蘊含的信息風險越大，分析師越難獲得高質量的公開信息源，迫使分析師的預測不得不依賴挖掘私有信息，這會增加分析師提供服務的顯性成本；其次，分析師即使可以通過私有信息的增加補充公開信息披露質量的不足，降低信息風險，但由于經營風險變大，盈余預測出錯的概率仍會加大（Bricker等，1999）。從職業(yè)生涯考慮，分析師誤判將損害分析師聲譽，影響他們的長遠利益，分析師的聲譽機制會增加分析師提供服務的隱性成本，成本的增加會降低分析師提供服務的熱情。由此可知，股價崩盤風險對分析師關注的影響在理論上尚無確定的方向，這屬于一個有待實證檢驗的問題。

基于上述考慮，本文以2005-2016年中國A股上市公司為研究樣本，實證檢驗了股價崩盤風險對分析師關注的影響。研究發(fā)現，股價崩盤風險較高的公司會吸引更多的分析師跟蹤報道。總體而言，上市公司股價崩盤風險每增加1個標準差，該公司未來一年會增加0.629（0.533）個券商團隊跟蹤，表明分析師在選擇跟蹤目標時會考慮股價崩盤風險的因素。在進行了包括內生性檢驗在內的一系列穩(wěn)健性檢驗后，這一結論依然成立。進一步地，對股價崩盤風險影響分析師關注的內在機理進行了探討，發(fā)現股價崩盤風險通過投資者信息需求這條路徑影響分析師的關注水平。最后，本文還考察了投資者異質信念、投資者情緒、機構投資者的持股比例對股價崩盤風險與分析師關注之間關系的影響，發(fā)現在投資者分歧度越大、投資者情緒越高漲、機構投資者的持股比例越高時，股價崩盤風險對分析師關注的正向影響更顯著。

本文的貢獻主要體現在以下四個方面：第一，股價崩盤風險是近年來財務金融學領域最熱的話題之一，但目前相關研究都著眼于成因，而僅有少量論文討論了除股價崩盤外的其他微觀層面的經濟后果（An等，2015；喻靈，2017；褚劍和方軍雄，2017；于傳榮等，2017）。本文立足于分析師關注，在微觀層面探究了股價崩盤風險的經濟后果，豐富了這一領域的文獻。第二，分析師是如何決定是否關注某家公司的，是一切分析師行為的邏輯起點，自然也構成了一切研究分析師文獻的最基礎性研究。本文選擇從公司極端風險這一從未有過的視角切入研究對分析師關注的影響，在理論上拓寬了研究分析師關注影響因素的視野，深化了對分析師關注行為動機的認識。第三，本文的研究結論表明分析師的確會重點關注那些股價崩盤風險高的公司。上述發(fā)現也為監(jiān)管部門盡快建立獎懲機制，鼓勵分析師扮演好信息中介與外部治理的角色，以保護投資者權益提供了可行性依據。第四，在以往有關探討股價崩盤風險影響因素的論文中，對分析師的作用有著完全相反的經驗證據。Xu等（2013）認為分析師的關注會增加股價崩盤風險，而在潘越等（2011）、謝盛紋和陶然（2017）的論文中卻發(fā)現當公司信息透明度較低時，分析師的關注可以增加透明度，從而降低股價崩盤風險。本研究為解開這一謎團提供可能的線索，分析師會主動跟蹤報道股價崩盤風險較高的公司，并起到抑制風險的作用，但由于該抑制效果是部分抑制的（潘越等，2011），造成分析師關注會增加股價崩盤風險的“假象”。

二、文獻回顧與研究假設

（一）股價崩盤風險的文獻回顧

自2008年全球金融危機到2015年中國股災發(fā)生，如何抑制股價崩盤風險，降低股價崩盤的發(fā)生已成為政府、業(yè)界及學術界的新興焦點問題。學者們首先在委托—代理理論的框架下建立的“信息隱藏說”，對股價崩盤的形成機理進行了系統(tǒng)性解釋：經理人做出過度投資或投資不足等錯誤的經營決策導致公司業(yè)績變差（江軒宇和許年行，2015；Habib和Hasan，2017），但經理人的薪酬、職業(yè)前途及政治晉升等與股價掛鉤（Kim等，2011a；Xu等，2014），出于機會主義動機，經理人會通過加速披露或人為制造經營中的好消息而推遲或藏匿壞消息的策略，以抬高股價。初始由于采取的盈余管理（Hutton等，2009）、激進的稅收規(guī)避（Kim等，2011b）、關聯(lián)交易（李增泉等，2011）、復雜的并購計劃（楊威等，2018）等手段較為隱蔽，外部投資者無法掌握公司的內幕消息，但隨著時間的推移會計穩(wěn)健性會變差（Kim等，2018）、公司內部知情人士也開始逐步拋棄手中的股票（孫淑偉等，2017），當壞消息的數量最終突破閾值涌入市場后，投資者短期內集中大規(guī)模拋售手中股票，引發(fā)股價雪崩（Jin和Myers，2006）。從以上機理可知，股價崩盤是公司出現一系列經營風險后又引發(fā)了信息風險的結果，是一個公司治理的問題，已有文獻沿著內外部兩方面的治理繼續(xù)展開了研究。從內部來看，內部控制要求嚴格（葉康濤等，2015）、獨立董事獨立程度高（梁權熙和曾海艦，2016）、大股東持股比例多（王化成等，2015）的公司股價崩盤風險較低；從外部來看，審計師與政府的審計（Robin和Zhang，2015）、媒體的報道（羅進輝和杜興強，2014）、機構投資者的介入（Callen和Fang，2013）都會降低股價崩盤事件發(fā)生的概率，但對于分析師在其中所扮演的角色至今沒有統(tǒng)一的結論。Xu等（2013）以中國上市公司整體為研究樣本，發(fā)現被分析師跟蹤的公司更容易發(fā)生股價崩盤；但當潘越等（2011）、謝盛紋和陶然（2017）單獨選取中國上市公司中信息透明度較低的那部分公司為樣本研究得出的結論卻與“整體效應”完全相反，且依照對“整體效應”的解釋邏輯，分析師的關注會使這類公司股價崩盤的可能性更大而不是更小。學者們除研究股價崩盤風險的影響因素之外，還有少量文獻研究了股價崩盤風險在微觀層面除股價崩盤外的其他的經濟后果，股價崩盤風險相對較高的公司，未來的融資成本（An等，2015；喻靈，2017）、審計費用（褚劍與方軍雄，2017）會大幅度提高，公司的高管會被減薪以示懲罰（于傳榮等，2017）。

（二）分析師關注的文獻回顧

證券分析師是資本市場上聯(lián)結上市公司和投資者的重要中介。其主要職能是采集與上市公司相關的各類信息，并利用自身的專業(yè)知識和技能對采集到的信息進行深度分析、加工及處理，最后在此基礎上為投資者提供與公司內在價值相關的研究報告，包括盈利預測、目標估值及買賣建議。早期對證券分析師的研究來源于會計盈余價值相關性與市場有效性文獻對預期盈余的需求，研究發(fā)現證券分析師提供的盈利預測值比時間序列模型提供的盈余預測值更精確，表明分析師可以提高市場信息含量。隨后的研究開始轉至盈利預測的前端，即分析師做出盈利預測決策前會考慮哪些相關因素，這些因素是如何在決策過程中發(fā)揮作用的，具體包括選擇性關注、預測偏差及分歧度等。

在眾多前端決策中，分析師關注是第一步，即分析師是如何決定是否跟蹤報道某家上市公司的。Bhushan（1989）最早構建了分析師服務供求關系的經典理論模型，提供了一個公司特征對分析師關注影響的思路。該模型的基本思想是：分析師服務的均衡數量是由投資者對分析師服務的需求和分析師愿意供給的水平共同決定的。同時，分析師服務的總需求與總供給又是公司特征的函數，公司特征會影響分析師服務的總需求或總供給或者同時影響雙方，進而影響分析師服務的均衡數量。如果用供求曲線說明，即分析師服務的均衡數量由供求曲線的交點決定，而公司特征會影響供求曲線位置的變化，進而影響供求曲線交點的位置和均衡數量。此后大量的實證研究在供求關系模型的框架下對影響分析師關注的因素進行了考察，發(fā)現一方面它與公司的經營活動聯(lián)系緊密，當公司并購重組活動發(fā)生越多（Chaney等，1999）、創(chuàng)新投入力度越大（Huang和Zhang，2011）、產品市場競爭激烈程度越高（Haw等，2015）、公司經營戰(zhàn)略越激進（何熙瓊和尹長萍，2018），分析師越較少跟蹤；另一方面它還與公司的信息環(huán)境密切相關，如果公司能夠披露更多的相關信息（白曉宇，2009）、不斷加強公司治理（Gu等，2013；董望等，2017）、持續(xù)改善盈余質量（Christensen 等，2013）、創(chuàng)造更高的信息透明度（方軍雄，2007）、提升年報可讀性（丘心穎等，2016），則會得到更多分析師的關注。

（三）股價崩盤風險對分析師關注的影響

股價崩盤風險越高的公司預示著越容易采取非對稱性來披露公司經營上“好”“壞”消息的策略，當市場是有效的，好消息被市場消化融入股價，而壞消息則因為藏匿而不被反映，最終該公司在二級市場上被投資者觀察到的表現為股價迅速上漲（Pastena和 Ronen，1979；Kothari等，2009）。由于是人為操縱抬高股價，投資者們一方面從公司經理人公開披露的信息當中得知眾多有關公司經營的好消息，但另一方面又會觀察到一些與這些好消息完全不符的跡象。首先，非效率投資明顯增加。投資是影響企業(yè)價值的重要原因（McConnell和Muscarella，1985），不管是投資不足還是過度投資都會降低企業(yè)價值。在有關股價崩盤風險的眾多文獻中，多位學者曾指出投資效率低是高股價崩盤風險公司的重要特征之一（江軒宇和許年行，2015；Habib和Hasan，2017）。其次，會計穩(wěn)健性大幅度下降。會計穩(wěn)健性反映的是會計謹慎原則，其內涵在于要求會計提前確認損失而延遲確認收益（Basu，1997），各國的會計準則都普遍對財務報告的會計穩(wěn)健性做出要求（Watt，2003）。而在Kim等（2018）的研究中卻發(fā)現，那些股價崩盤風險越高的公司財務報告普遍表現的會計穩(wěn)健性越差。最后，甚至發(fā)生內部人士開始大規(guī)模拋售自身所持股票的情形。公司內部人士包括公司大股東和高層管理人員等，由于內部人士是掌握關于公司私有信息最多的人，因此內部人士拋售歷來被視為企業(yè)經營不善、前景堪憂的信號（Seyhun和Bradley，1997）。孫淑偉等（2017）的研究也證實了我國上市公司內部人士在大比例減持前，確實存在故意壓制公司壞消息并使用多種手段抬高股價，直至出現股價崩盤的情況。這一系列異象不得不使投資者的心里對股價的上漲是因為公司股價高估還是源于公司未來的成長性畫上相當大的問號，然而投資者受到諸如專業(yè)知識、信息獲得渠道等各種條件的限制無法自尋答案，從而對提供股票內在價值信息的分析師們產生較大需求。

股價崩盤風險除影響投資者對分析師服務的需求外，也通過影響分析師提供服務的顯性與隱性成本來影響供給。分析師進行盈余預測時必須充分占有信息，只有信息充分、可靠才能做出正確評價。胡奕明等（2003）針對國內所有券商分析師發(fā)放問卷調查，結果顯示在問卷所列的11種信息來源中，上市公司公開披露信息位居榜首，成為分析師最重要的信息來源。當公司股價崩盤風險越高時蘊含的信息風險越高，分析師越難獲得高質量的公開信息源，不得不花費更多的成本去挖掘私有信息。除了顯性成本以外，分析師對該類公司預測還會增加隱性成本。分析師即使可以通過增加私有信息補充公開信息披露質量的不足以降低信息風險，但因為公司經營風險變大，經營的不確定性增加，未來盈余波動變大，分析師盈余預測難度增加，因此分析師預測出錯的概率也會隨之大大增加（Bricker等，1999）。分析師提供的證券咨詢服務屬于無形產品，投資者無法事前評估該產品，只能依靠分析師聲譽做出推測，分析師聲譽越好，投資者便認為發(fā)表的研究報告價值越大。良好的聲譽能幫助分析師提高在資本市場上討價還價的能力，在我國，如果某位分析師能被《新財富》雜志評選為年度最佳分析師，則意味著其個人價值、收入及地位的大幅度上升（許年行等，2012）。在聲譽制度的約束下，分析師們出于長遠利益及職業(yè)生涯的考慮，會盡量減少預測出錯的概率，提高預測準確性（Fang和Yasuda，2009）。

綜上所述，股價崩盤風險對分析師關注存在正反兩方面的效應。一方面，公司股價崩盤風險升高往往伴隨人為操縱的股價上漲，同時股價崩盤風險上升還意味著公司信息環(huán)境不佳，在這種情況下投資者難以甄別股價的上漲是因為股價被高估還是成長性的體現，就會增加投資者對研究基本面的專業(yè)人士-分析師提供信息的需求，從而增加分析師的關注。另一方面，股價崩盤風險高，分析師難以獲取高質量的公開信息來源，此時分析師的預測不得不依賴私有信息的挖掘，這會增加分析師提供服務的顯性成本；同時即使可以通過增加私有信息補充公共信息披露的不足降低了信息風險，但公司經營風險過大，仍然會加大分析師盈余預測出錯的概率，增加分析師聲譽受損的隱性成本；而成本的增加又會減少分析師對服務的供給。究竟哪種效應會占主導，屬于實證問題，為此本文將提出如下兩個競爭性的假說。

假設1a：當投資者的需求占主導效應時，股價崩盤風險越大，證券分析師關注越多。

假設1b：當分析師預測成本占主導效應時，股價崩盤風險越大，證券分析師關注越少。

三、研究設計

（一）樣本選擇與數據來源

考慮到在2005年之前多數上市公司并沒有分析師關注，數據庫收錄的2005年以前與分析師有關的數據也較少，本文選取2005-2016年中國A股上市公司為初始樣本。然后按照如下標準對初始樣本進行了篩選：（1）剔除金融保險類的樣本上市公司；（2）剔除每年交易周數小于30周的樣本上市公司，以便更可靠地估計股價崩盤風險的指標；（3）剔除ST及*ST的樣本上市公司；（4）剔除數據缺失的樣本上市公司。根據上述樣本選擇程序，本文最終得到了16 505個“公司—年度”觀測值。研究中所使用的分析師數據、股票交易數據和財務數據均來自于CSMAR數據庫。為了控制極端值對結果產生的影響，本文對所有的連續(xù)變量在1%和99%的水平上進行Winsorize處理。

（二）變量定義

1. 分析師關注。參考白曉宇（2009）的研究，本文判斷一個上市公司是否有分析師關注的根據為，是否有券商團隊針對此公司發(fā)布過盈利預測或投資評價報告。基于此，本文定義一個上市公司當年分析師關注人數為，當年發(fā)布過有關上市公司盈利預測或投資評價報告的券商團隊數量。比如：2013年，假設共有25家券商團隊發(fā)布過44份關于貴州茅臺（600519）的盈利預測報告或投資評價報告，不管這份報告涉及多少分析師的名字，本文都認為2013年共有25個分析師關注了貴州茅臺。做出以上安排的原因在于，券商報告通常以團隊名義共同簽署發(fā)布，很難界定每份報告中具體涉及的分析師數量，因此本文認為用券商團隊關注的數量代替分析師個人關注的數量來衡量分析師對上市公司的關注水平，應是恰當且不存在較大選擇性誤差的。

2. 股價崩盤風險。借鑒前人的研究（Chen等，2001；Kim等，2011a，b；Xu等，2013），本文分別采用股票負收益偏態(tài)系數（NCSKEW）和收益上下波動的比率（DUVOL）兩種指標來衡量股價崩盤風險。具體計算方法如下：

首先，利用市場的周收益率數據，根據式（1）對股票i的周收益率數據進行調整：

其中，ri，t代表每個年度公司i的股票在第t周考慮現金紅利再投資的周收益率，rm，t代表每個年度第t周市場經流通市值加權的平均周收益率。為了調整股票非同步交易的影響，本文還在式（1）中加入了市場收益的超前一期、超前二期以及滯后一期、滯后二期。股票i在第t周的特有收益為Wi，t=ln（1+εi，t），εi，t是式（1）的回歸殘差。

其次，基于Wi，t構造出了以下兩個變量：

第一個變量股票負收益偏態(tài)系數NCSKEW為：其中，n是股票i每個年度的交易周數。NCSKEW衡量股票i的負收益偏態(tài)系數，是一個衡量股價崩盤風險的正向指標。其數值越大，股價崩盤風險越大；反之，數值越小，則股價崩盤風險越小。

第二個變量收益上下波動的比率DUVOL：

其中，nu和nd分別代表的是股票上漲（UP）和下跌（DOWN）的周數，當股票i的周收益Wi，t高于當年股票周平均收益時，定義該周為上漲周；反之，則定義為下跌周。與股票負收益偏態(tài)系數（NCSKEW）類似，DUVOL也是一個正向指標。

3. 控制變量

在研究分析師關注行為時，根據現有文獻（Haw等，2015；董望等，2017；何熙瓊和尹長萍，2018），本文在模型中控制了如下變量：公司規(guī)模（Size），它等于公司總資產的自然對數；業(yè)績水平（Roe），它等于公司凈利潤與所有者權益之比；審計質量（Big4），為虛擬變量，如果報告期當年是四大會計師事務所審計則取1，否則取0；業(yè)績波動（Vsales），它等于公司近三年營業(yè)收入除以總資產的標準差；財務杠桿（Lev），它等于總負債比總資產；市值賬面比（Mb），它等于每股市價乘以流通股加上每股凈資產乘以非流通股之和比權益賬面凈值。同時，本文還在模型中加入了年度虛擬變量和行業(yè)虛擬變量，以分別控制年度與行業(yè)固定效應。具體變量定義如表1所示。

總之，初步研究顯示胃腸道微生態(tài)與胰腺癌及急、慢性胰腺炎的發(fā)生和發(fā)展存在相關性，但與其他疾病相比，目前研究胰腺疾病胃腸道微生態(tài)的數據十分有限，且相關機制不明確。胃腸道微生態(tài)能否作為對早期胰腺癌或CP診斷的潛在標志物或AP治療靶點尚需進一步研究。

表 1 變量表

（三）模型設計

本文使用以下模型來檢驗假設H1a和H1b，具體模型設計如式（4）。模型中，Analyst為第t+1期分析師關注人數；Crash為第t期的兩個股價崩盤風險指標NCSKEW和DUVOL；ControlVariable為第t期的控制變量；YR和Ind分別為年度和行業(yè)虛擬變量。根據假設H1a，Crasht的系數β1應顯著為正；根據假設H1b，Crasht的系數β1應顯著為負。

四、實證結果

（一）描述性統(tǒng)計分析

表2報告了各主要變量的描述性統(tǒng)計結果。從表2可以看出，樣本上市公司分析師關注人數Analyst的均值為5.098，中位數為2，最小值為0，最大值為48，標準差為6.823，這與白曉宇（2009）的研究相一致。均值明顯大于中位數，最小值與最大值差異較大且標準差較大，說明分析師對樣本上市公司的關注程度是存在整體右偏的，少數上市公司聚集了較多分析師的目光，中國分析師關注的集群效應正在逐步形成的過程中。另外，從表2還可以看出，兩個衡量股價崩盤風險的變量NCSKEW 和DUVOL的均值分別為-0.238和-0.155，中位數分別為-0.195和1.315，這與Xu等（2013）所報告的數值相差不大。其他相關變量的分布也都在合理范圍內。

表 2 描述性統(tǒng)計分析

（二）相關性分析

表3列示了主要變量的相關系數。兩個股價崩盤風險指標NCSKEW和DUVOL的相關系數大約為0.88，且在1%的水平上顯著，說明這兩個指標對股價崩盤風險的衡量具有很好的一致性。分析師關注人數Analyst與NCSKEW及DUVOL的相關系數為正，且均在1%水平上顯著，說明在不考慮其他因素的情況下，股價崩盤風險越高的公司在未來會得到更多的分析師關注，符合假設H1a的預期。

表 3 變量相關性分析

（三）單變量分析

本文在回歸分析前，按照股價崩盤風險是否大于年度、行業(yè)中位數，將樣本上市公司分為高股價崩盤風險組和低股價崩盤風險組兩組，并對主要變量進行了分組差異檢驗。表4是單變量分析的結果，其中Panel A與Panel B分別是采用NCSKEW與DUVOL對各變量進行分組后的差異檢定結果。結果顯示，在高股價崩盤風險的組中，分析師人數Analyst的均值和中位數要大于低股價崩盤風險組，初步驗證假設H1a。從表4中還可以發(fā)現，其他影響分析師關注的因素在組間也存在顯著的差異，因此，本文將通過回歸分析進一步控制其他因素的影響，才能更好地驗證假設H1。

表 4 單變量分析

（四）回歸分析

表5報告了OLS的回歸結果。在回歸（1）中使用衡量股價崩盤風險的指標為NCSKEW，回歸（1）中只控制了年度和行業(yè)效應，未控制其他變量，發(fā)現NCSKEW的系數為0.790，在1%的統(tǒng)計水平上顯著；回歸（2）進一步控制了其他影響分析師關注的變量，NCSKEW的系數增大至1.101，且仍在1%的統(tǒng)計水平上顯著。這一結果驗證了假設H1a。在回歸（3）和回歸（4）中，將衡量股價崩盤風險的指標換為DUVOL，得出的結論不變。表5的回歸結果從經濟意義上看，整體而言，公司股價崩盤風險每增加1單元標準差，下一期會增加0.629（0.553）個券商分析師團隊的關注。①使用股價崩盤風險指標NCSKEW，股價崩盤風險每增加1單位標準差，分析師關注度增加0.665×（0.790+1.101）/2=0.629；使用股價崩盤風險指標DUVOL，股價崩盤風險每增加1單位標準差，分析師關注度增加0.461×（0.896+1.502）/2=0.553。另外，從控制變量上看，Size、Roe、Big4和Mb與分析師關注顯著正相關，Vsales和Lev與分析師關注顯著負相關，這與已有的研究相一致（Haw等，2015；董望等，2017；何熙瓊和尹長萍，2018）。

表 5 股價崩盤風險與分析師關注的回歸分析

五、穩(wěn)健性檢驗

（一）關于內生性的檢驗

盡管在本文的回歸模型中設計自變量滯后因變量一期，已經在某些程度上解決了內生性問題對研究結論的干擾，但為了穩(wěn)健性方面的考慮，本文將使用如下四種方法進一步解決論文的內生性問題。

1. PSM配對回歸分析。由于股價崩盤風險高與低的公司不是隨機產生的，它們之間可能有本質的區(qū)別。為了解決自選擇偏誤問題，本文采用傾向評分匹配（PSM）方法，在低股價崩盤風險的公司當中，選取一組與高股價崩盤風險的公司在其他特征上相似的公司來構建對照組進行分析。這一方法的具體做法如下：第一步，按照NCSKEW、DUVOL是否高于年度、行業(yè)中位數生成相應的啞變量；第二步，進行l(wèi)ogistic回歸得到每個觀測值的傾向性評分，回歸的因變量為第一步生成的啞變量，自變量為本文基準模型中的控制變量；第三步，按照最相鄰匹配法，從低股價崩盤風險組的公司選擇傾向得分最接近的樣本，作為高股價崩盤風險組公司的匹配樣本；最后一步，用匹配出的新樣本重新實證分析。表6的Panel A是對匹配后的新樣本繼續(xù)按照NCSKEW與DUVOL是否大于年度、行業(yè)中位數分兩組，分組后對各變量進行均值差異檢驗的結果。由Panel A可見，在高股價崩盤風險組中，分析師人數Analyst的均值仍顯著大于低股價崩盤風險組，與表4結果保持一致，支持假設H1a。匹配后的控制變量Big4、Vsales、Lev組間的差異不再顯著，而控制變量Size、Roe、Mb組間的差異雖然仍然顯著但與表4中差異的結果是完全相反的。①以控制變量size的差異結果為例，表2中的高股價崩盤風險組的size在1%的顯著性水平上小于低股價崩盤風險組；樣本經過用psm方法處理之后，高股價崩盤風險組的size在1%的顯著性水平上大于低股價崩盤風險組。表6 Panel B是匹配后的新樣本回歸的結果，從中發(fā)現在解決自選擇偏誤問題之后，股價崩盤風險仍在1%的顯著性水平上正向影響分析師關注，本文結論不發(fā)生改變。

表 6 股價崩盤風險與分析師關注的回歸分析-PSM

2. 工具變量回歸。本文研究發(fā)現股價崩盤風險越高的上市公司分析師關注會越高，但在Xu等（2013）的研究中也顯示，由于樂觀偏差分析師的普遍存在，分析師會更傾向于發(fā)布一些較樂觀的報告與評級，這一行為將幫助公司管理層藏匿壞消息，促使公司股價崩盤風險增加，即可能存在互為因果的問題。為了緩解該問題對研究結論產生的影響，本文將采用工具變量兩階段回歸法（2SLS）進行回歸，將同年度同行業(yè)其他公司的股價崩盤風險的中位數（Indmedian_Crash）以及同年度同地區(qū)其他公司的股價崩盤風險的中位數（Provmedian_Crash）作為股價崩盤風險的工具變量。理論上，這兩個變量應該滿足工具變量相關性與外生性的要求：首先，從相關性方面看，同行業(yè)同地區(qū)的上市公司可能面臨類似的外部環(huán)境，因此，它們的股價崩盤風險間具有一定的相關性；其次，從外生性方面看，尚未有證據表明同地區(qū)同行業(yè)的其他上市公司的股價崩盤風險會影響分析師對本公司的關注。當然，工具變量是否合適還需要進行相關檢驗。表7報告了2SLS的估計結果。由表7的第（3）列和第（4）列可知，在控制了內生性問題后，股價崩盤風險與分析師關注仍然在1%的水平上顯著正相關，證明假設H1a成立。另外，表7還報告了工具變量的選擇是否合理的統(tǒng)計性檢驗：首先，兩個工具變量與當期股價崩盤風險正相關，F值顯著，Shea's Partial R2相較于整個模型的R2很大，這就排除了工具變量為弱工具變量的可能性；其次，Sargan卡方不顯著，則不能拒絕工具變量是外生的原假設，工具變量不存在過度識別的問題。

表 7 股價崩盤風險與分析師關注的回歸分析-工具變量法

表 8 更長的預測窗口回歸分析

4. 固定效應模型。為了控制模型中可能遺漏的公司不隨時間變化而發(fā)生變化的固定因素對回歸結果帶來的影響，本文采用固定效應模型對相關結果進行了重新檢定，結果發(fā)現股價崩盤風險與分析師關注依舊在1%的水平上顯著正相關，說明本文的研究結論并不是因為遺漏了某些公司的固定因素而導致的。

（二）敏感性測試

1. 變更衡量分析師關注變量。為了檢驗研究結果對分析師關注指標的敏感性，本文在衡量分析師的關注水平時，除采用發(fā)布過有關上市公司盈利預測或投資評價報告的券商團隊數量（Analyst）外，還使用分析師發(fā)布的盈利預測或投資評價報告數量（余桂明等，2017）作為穩(wěn)健性檢驗，回歸結果表明股價崩盤風險與分析師關注依舊在1%的水平上顯著正相關。

2. 數據極端值敏感性測試。為了排除回歸結果是由數據極端值造成的，本文將進行如下數據極端值敏感性測試。首先，采用啞變量重現衡量分析師關注，上市公司如果當年有券商發(fā)布股票盈利預測或投資評價報告則取1，否則取0。其次，對股價崩盤風險指標進行排序，分成四組，然后按順序從小到大分別賦值為1、2、3、4，生成自變量NCSKEW_RANK（DUVOL_RANK）。最后，用新生成的因變量與自變量重新進行Logistic回歸，回歸結果表明股價崩盤風險與分析師關注依舊顯著正相關，說明本文的研究結論并不是數據極端值導致的。

（三）其他穩(wěn)健性檢驗

1. 股價真實崩盤與分析師關注。之前的實證結果已經充分說明了股價崩盤風險高的公司未來會得到更多分析師的關注，且關注的原因是因為投資者在面對公司股價的上漲而公司信息卻又不透明情況下，會困惑于股價上漲是高估還是成長性，因而對分析師披露股票基本面信息產生需求。但除了該種可能性外，另一種可能的解釋是，基于模型的因變量與自變量滯后一期，股價崩盤風險過高的公司可能會在下一期出現真實的股價崩盤，一旦公司真實情況曝出，投資者受市場恐慌情緒的影響會爭先恐后賣出手中的股票，股價在短期內出現暴跌而被嚴重低估，未來會產生高的預期收益，有利于分析師給出正面預測，這也會吸引更多的分析師關注。為了能夠排除第二種解釋，本文設計了如下穩(wěn)健性檢驗。首先，選取了兩個直接的變量來衡量公司股價是否發(fā)生真實性的崩盤。第一個變量參考Hutton等（2009）的做法，選擇股價崩盤風險的啞變量（CRASH）。若股票i的特有周收益Wi，t在一年內至少出現一次低于年周特有收益的均值減去3.09個標準差，則CRASH取值為1，若未出現，則CRASH取值為0；第二個變量參考Piotroski等（2015）的做法，選擇股票暴跌的頻率（FREQUE），FREQUE的具體構造方法為，股票i的特有周收益Wi，t小于年周特有收益的均值減去1.96個標準差的周數占年交易周數的比例。表9的因變量、控制變量、樣本公司與表5主回歸保持一致，而自變量為CRASH和FREQUE時重新進行回歸的結果。發(fā)現當只控制了年度和行業(yè)效應，未控制其他變量時，股價真實性崩盤對分析師關注沒有顯著影響；當進一步控制了其他影響分析師關注的變量后，CRASH（FREQUE）回歸系數的t值為2.45（3.51），股價真實性崩盤對分析師關注在1%（5%）的統(tǒng)計水平上有顯著的正向影響，但與表5中NCSKEW（DUVOL）回歸系數t值17.46（15.81）相比明顯下降。如果股價崩盤風險對分析師關注的正向影響是基于第二種解釋，那么CRASH（FREQUE）的系數t值就應當大于表5中NCSKEW（DUVOL）的回歸系數t值，該結果也就對第二種解釋在一定程度上進行了排除的原因。

表 9 股價真實崩盤與分析師關注的回歸結果

2. 負二項分布回歸。由于因變量分析師關注人數取值均是正整數，根據Rock等（2000）的研究，對分析師關注影響因素的實證論文適用計數模型，應優(yōu)先采用負二項回歸法，本文的穩(wěn)健性檢驗將用這一方法替換OLS重新進行回歸，回歸結果支持假設H1a。

3. 更加穩(wěn)健的標準誤算法。Petersen（2009）為了克服自相關與異方差問題對統(tǒng)計推斷結果的影響，對標準誤差在個體和時間上作了雙重聚類調整。為了得到更穩(wěn)健的結果，本文采用Petersen（2009）的方法，對回歸t值進行了雙重聚類調整，回歸結果仍然支持假設H1a。

六、進一步分析

（一）投資者信息需求路徑檢驗

如前文所述，股價崩盤風險會通過影響投資者對信息的需求而影響分析師關注水平，即股價崩盤風險高意味著股價被人為操縱上漲，投資者受到各種條件限制無法甄別是股價泡沫還是公司成長性的體現，會增加投資者對有關公司內在價值的信息需求，從而增加分析師的關注。到底路徑分析是否正確，本文借鑒溫忠麟等（2004）提出的中介因子檢驗方法，設計了如下路徑模型進行驗證。

其中Path2的因變量為投資者信息需求（Information），本文采用東方財富網股吧發(fā)帖數量去衡量，具體的變量計算方式是用股吧年發(fā)帖數量的自然對數比總資產的自然對數，Information取值越大，說明投資者對信息的需求越旺盛。同時進一步控制了與投資者信息需求有關的因素，包括規(guī)模、盈利能力、負債率、賬面市值比、銷售增長率、流動性以及年度和行業(yè)。若Path1中Crash的回歸系數β1和Path2中Crash的回歸系數δ1是顯著的，Path3中Information的回歸系數γ2是顯著的，而Path3中Crash的回歸系數γ1不再顯著，Sobel Z統(tǒng)計值顯著，則說明投資者信息需求具有完全中介效應。若Path1中Crash的回歸系數β1和Path2中Crash的回歸系數δ1是顯著的；Path3中Information和Crash的回歸系數γ2和γ1都是顯著的，且Path3中Crash的回歸系數γ1小于Path1中Crash的回歸系數β1，Sobel Z統(tǒng)計值顯著，則說明投資者信息需求具有部分中介效應。因為股吧發(fā)帖的方式從2008年開始慢慢興起，本文選取2009-2016年中國A股上市公司為初始樣本。

表10報告了以投資者信息需求為中介因子的路徑分析結果，其中Panel A與Panel B分別用NCSKEW與DUVOL衡量股價崩盤風險。首先，考察不包括中介因子的路徑Path1，回歸結果表明，NCSKEW與DUVOL的回歸系數分別為1.403與1.947，在1%的統(tǒng)計性水平上顯著。然后，考察有關中介因子（Information）的路徑模型Path2可知，NCSKEW與DUVOL的回歸系數分別為0.007與0.011，在1%的統(tǒng)計性水平上顯著，表明股價崩盤風險越高的公司，投資者對信息的需求程度越高。最后，考察同時包括股價崩盤風險因子（NCSKEW與DUVOL）和中介因子（Information）在內的路徑模型Path3的回歸結果表明，股價崩盤風險因子（NCSKEW與DUVOL）和中介因子（Information）的回歸系數仍然為正，且在1%的統(tǒng)計性水平上顯著，但是相比Path1股價崩盤風險因子（NCSKEW與DUVOL）的系數和t值都有下降，系數從1.403（1.947）下降到1.200（1.640），t值從18.48（16.88）下降到15.64（14.10）。在Panel A與Panel B中，Sobel Z統(tǒng)計值分別為10.822與11.366，且均在1%的統(tǒng)計性水平上顯著。以上結果說明投資者信息需求是股價崩盤風險與分析師關注之間的中介變量，承擔的是部分中介效應。

表 10 股價崩盤風險與分析師關注-路徑分析

（二）分組檢驗

分析師是為投資者服務的，股價崩盤風險對分析師的影響很大程度上取決于投資者的需求。在這一節(jié)中，本文將分別考察投資者異質信念、投資者情緒以及機構投資者持股比例對公司股價崩盤風險與分析師關注正向關系的影響。

1. 按投資者異質信念進行分組的檢驗。投資者異質信念與情緒是行為金融學對投資者群體行為進行研究的兩大重要研究分支。投資者異質信念（又稱作投資者意見分歧），指的是在相同持有期下的條件期望收益率、方差—協(xié)方差矩陣或其變動方式的估計不同。異質信念的形成機制為：信息無法以相同的效果在市場間同步地傳遞至投資者，加之投資者本身注意力有限，其個人的經歷、知識背景也存在較大差異，因此投資者們在對同一股票的價值作判斷時往往會存在意見分歧。由前文可知，投資者信息需求是股價崩盤風險影響分析師關注的重要路徑，投資者之間存在的分歧度越大，因為賣空限制的存在，悲觀的投資者被迫離開市場，而股票主要反映的是樂觀投資者的預期，這將導致股票價格被系統(tǒng)性高估得越嚴重（Miller，1977）。投資者分歧度越大，意味著經理人利用各種手段隱瞞壞消息、拉升股價的計謀得逞的可能性越大，基本面與價格背離的情況越嚴重，會引起投資者對分析師提供信息的需求增多。因此，本文的結果可預期為，當投資者分歧度越大時，股價崩盤風險對分析師關注的影響越大。基于以上分析，借鑒Boehme等（2006）對投資者異質信念的衡量方法，本文將根據投資者異質信念程度將全樣本分為高分歧與低分歧兩組并分組進行實證檢驗。分組回歸結果如表11所示，從中發(fā)現無論是Crash的回歸系數還是t值，投資者分歧度較高的組都比分歧度較低的組高。由此可見，投資者分歧度越大，股價崩盤風險對分析師關注的影響越大。

表 11 投資者異質信念、股價崩盤風險與分析師關注的回歸分析

2. 按投資者情緒進行分組的檢驗。投資者情緒指的是投資者對股市未來悲觀或樂觀的一種心理預期。行為金融學的眾多研究發(fā)現，情緒與股票收益有明顯的相關性，當投資者情緒高漲（低落）時，投資者會高估（低估）公司股票的價值（Brown和Cliff，2005）。Baker和Wurgler（2006）對美國股市1961-2002年的運行狀況進行梳理后發(fā)現，美國股市泡沫階段幾乎均出現在投資者情緒高漲時。當投資者情緒高漲時，投資者普遍的自信心理會促使其對金融資產的需求增加，這種情況下經理人通過隱藏公司負面報道，依靠“找題材，尋噱頭，編故事”等手段刺激股價增長的有效性會大大提高，與投資者情緒低落期相比，沒有基本面支撐的公司更有可能在情緒高漲時被大幅度高估值，但此時投資者也會更加無法辨別高股價是泡沫還是成長性的體現，投資者對分析師的需求也便相對更大。因此，從本文的結果中可預期為，投資者情緒越高漲，股價崩盤風險對分析師關注的影響越大。基于以上分析，借鑒易志高和茅寧（2009）對投資者情緒的衡量方法，本文將根據投資者情緒將全樣本分為高情緒組和低情緒組并分組進行實證檢驗。分組回歸結果如表12所示。從表12中可以發(fā)現，無論是Crash的回歸系數還是t值，投資者情緒高的組都比投資者情緒低的組高。由此可見，投資者情緒越高漲，股價崩盤風險對分析師關注的影響越大。

表 12 投資者情緒、股價崩盤風險與分析師關注的回歸分析

3. 按機構投資者持股比例進行分組。券商的客戶分為兩大類：一類是個人投資者；另一類是機構投資者。雖然個人投資者數量在投資者中占比有絕對優(yōu)勢，但因為我國基金公司等機構投資者亦不具備交易所的會員資格，要想從事證券買賣活動，必須租用券商的交易席位，付給券商分倉傭金，因此機構投資者的分倉傭金收入才是券商經紀收入的主要來源。一般來說，各大券商分析師的薪資和獎金水平是直接與其創(chuàng)造的經紀收入掛鉤的。除此之外，機構投資者還掌握每一年《新財富》雜志舉辦的明星分析師的直接投票權。那么，分析師們不管是出于幫助所屬券商刺激交易量獲得傭金收入還是出于自身職業(yè)前途發(fā)展的考慮，都會有極大動力去滿足機構投資者對研究報告的需求。對于股價崩盤風險越高的公司而言，如果更多的是機構投資者對公司股價上漲的真實原因存在質疑需要分析師信息支持時，受到更大的利益驅動分析師亦會更加關注。因此，從本文的結果可預期為，機構投資者持股比例①本文所指的機構投資者主要包括：證券投資基金、QFII、券商、保險公司、社保基金、信托、財務公司和銀行。越高，股價崩盤風險對分析師關注的影響越大。基于以上分析，本文根據機構投資者持股比例將全樣本分為高機構投資者持股比例和低機構投資者持股比例兩組并分組進行實證檢驗。分組回歸結果如表13所示。從表13中可以發(fā)現，無論是Crash的回歸系數還是t值，機構投資者持股比例高組都比低組高。由此可見，機構投資者持股越高，股價崩盤風險對分析師關注的影響越大。

表 13 機構投資者比例、股價崩盤風險與分析師關注的回歸分析

七、結論與政策建議

股價崩盤是資本市場的一個重大異象，它的發(fā)生不但會造成投資者尤其是中小投資者財富的巨額損失，還會大大打擊投資者的投資信心，最后甚至可能阻礙宏觀經濟的平穩(wěn)發(fā)展，因此股價崩盤得到了政府、業(yè)界與學術界的共同關注。因為法瑪的有效市場理論無法合理解釋股價崩盤的現象，學者們建立了“信息隱藏說”對股價崩盤的形成機制進行了解釋。根據上述假說，股價崩盤屬于公司信息不對稱的極端經濟后果，分析師是資本市場的重要信息中介，對于此種情況會有何種反應。分析師關注是一切分析師行為的邏輯起點，本文從該視角出發(fā)選取了2005-2016年滬深A股非金融類上市公司的交易與財務數據，運用了OLS回歸、固定效應模型、二階段最小二乘法及傾向得分匹配等方法研究了股價崩盤風險對分析師關注的作用。

研究結果表明，公司股價崩盤風險與未來分析師的關注水平顯著正相關，隨著公司的股價崩盤風險的提高，分析師關注水平顯著上升，但當股價崩盤后這一相關性會減弱甚至消失。在進行了包括內生檢驗在內的多組穩(wěn)健性檢驗后這一關系保持不變。進一步的路徑分析表明，股價崩盤風險越高，股價高估水平越高，在公司信息不透明且受到各種條件限制下，投資者無法厘清股價的上漲是泡沫還是成長性，因此對有關內在價值信息的迫切需求會導致分析師關注的增加。最后截面分組表明，在投資者分歧度越大、投資者情緒越高漲、機構投資者的持股比例越高時，股價崩盤風險對分析師關注的正向影響更顯著。

證券分析師是資本市場的一股重要外部治理力量，早在20世紀初，Jesen和Meckling在奠定代理理論的文獻中就曾前瞻性地指明，分析師將在監(jiān)督公司行為、提高公司信息透明度、改善公司治理中扮演重要角色。但現實生活中，分析師也曾因過分樂觀、盲目跟風、經常變臉等違反職業(yè)道德的行為被大眾詬病。名嘴抑或黑嘴需要政府和證券監(jiān)管部門監(jiān)督引導。本文的研究結論表明，股價崩盤風險高的公司的確會招致更多分析師的關注報道，這是充分發(fā)揮分析師職能的大前提，政府及證券監(jiān)管部門可以針對此結論制定獎懲機制，積極引導分析師更加勤勉盡職地向投資者披露公司的真實情況，以便降低負面消息爆發(fā)對股市造成的沖擊與破壞，切實保護投資者權益。