長期金融資產配置與股價崩盤風險的影響研究
——有調節的中介效應

■李林紅 陳思喬

一、問題提出

在中國經濟進入新常態，實體經濟出現產能過剩的背景下，大量資本流入利潤相對更豐富的地產業和金融業，隨之而來的是實體投資與金融投資之間的結構性失衡[1]。Wind數據顯示，截至2020年，A股上市公司累計購買銀行理財產品1.14 萬億元，涉及1143 家上市公司，占當年A 股上市公司數量的30%。這表明我國非金融企業金融資產配置水平呈現不斷升高的趨勢。

在黨的十九大報告中，習近平總書記提出要“深化金融體制改革，增強金融服務實體經濟的能力”。目前，有關企業金融資產配置對實體經濟影響的研究主要從“雙重效應”出發。一方面，一些學者提出企業配置長期金融資產主要是為了企業的“長期戰略”，盤活企業資金，降低財務成本，為實體投資提供資金支持，提升企業的實體投資效率[2]，降低企業風險[3]，促進企業長期穩定的發展[4]，從而抑制股價崩盤風險[5]。另一方面，有學者認為企業配置短期金融資產主要是為了“短期套利”，會導致資金在虛擬經濟中空轉，擠出企業實體投資[6]及創新研發[7]，侵蝕企業的主營業務[8]，使企業逐漸出現“產業空心化”現象，從而加劇股價崩盤風險[9]。

綜上，現有文獻對企業短期金融資產配置影響股價崩盤風險的看法不一。出現這種差異的主要原因可能是金融資產配置包括的內容廣泛，可按持有期限長短分為長期金融資產和短期金融資產。對金融資產配置研究的側重點不同，得出的對股價崩盤風險影響的結論也不同。鑒于此，本文整理了長期金融資產配置和短期金融資產配置在期限結構上的差異（圖1），發現相對于短期金融資產，我國非金融企業更偏向于配置長期金融資產。因此，本文著重探討長期金融資產配置對股價崩盤風險的影響，并嘗試從實體投資效率的角度研究兩者間的影響機制，這對提升我國實體投資效率和推動實體經濟發展都具有十分重要的意義。

圖1 企業金融資產配置的長短期限結構差異圖

本文以2009—2019年中國A 股非金融類上市公司為樣本，從實體投資效率的角度，研究了長期金融資產配置對股價崩盤風險的影響及作用路徑。此外，鑒于環境不確定性是投資決策的基礎[10]，本文引入環境不確定性作為調節變量，對此機制進行進一步研究。本文的貢獻如下：第一，已有文獻發現金融資產的結構具有顯著差異[6]，但關于企業金融資產配置對股價崩盤影響的研究仍停留在整體金融投資階段。本文試圖從長期金融資產角度出發，分析長期金融資產配置對股價崩盤風險的影響。第二，采用中介效應模型，將實體投資效率分為投資不足和過度投資，發現持有長期金融資產對實體投資效率存在不對稱影響，即長期金融資產主要通過“擠出”過度投資來提升實體投資效率，從而降低股價崩盤風險。第三，采用有調節的中介模型，研究了環境不確定性對“長期金融資產配置—實體投資效率—股價崩盤風險”這一作用機制的調節作用，揭示了長期金融資產配置對股價崩盤風險的微觀作用路徑。

二、研究假設

（一）長期金融資產配置對股價崩盤風險的影響效應分析

一方面，企業長期金融資產的配置呈現出長期穩定和流動性差的特征。持有長期金融資產的主要目的不是為了獲取短期超額利潤，而是為了企業的長期發展戰略。首先，企業配置長期金融資產，形成了穩定長期占用的資本，提高了企業的資本實力，且長期金融資產更重視金融投資的時間價值，投資收益更具穩定性[11]。其次，基于委托代理理論，配置長期金融資產可以減少企業內部資金持有，緩解企業代理問題[12]，提高企業實體投資效率[13]，從而提升企業價值[14]。另一方面，考慮到長期金融資產期限長和流動性差的特征，對長期價值投資項目的選擇有更加嚴格的標準。管理層為了維持職業生涯的名聲，會更加努力實現長期投資項目收益性和安全性的平衡[15]。同時，企業在配置較多長期金融資產時，也在向市場傳遞企業經營良好和現金流充足的積極信號，有助于提升投資者的信心，推動股價上漲[16]。

企業短期超額利潤的獲取、投資收益的較大波動、企業價值的降低以及管理層的短視行為都可能是造成股價崩盤風險的重要因素[17]。而企業配置長期金融資產可有效緩解這些公司治理問題，從而抑制企業股價崩盤風險。因此，本文提出如下假設：

H1：企業配置長期金融資產對股價崩盤風險有顯著的負向影響。

（二）實體投資效率的中介作用

實體投資是企業發展的重要動力[17]。一方面，由于長期金融資產的價值投資屬性，當企業更偏向于此類金融投資時，會促使管理層為獲取長期現金流回報的目標而注重企業長期戰略發展[16]。這使管理層與代理人目標接近一致，約束了管理層的機會主義行為，在一定程度上緩解了企業的代理問題。同時，減少了投資過度或投資不足行為[13]，有效提高了企業實體投資效率。另一方面，由于長期金融資產具有期限長和流動性差的特征[18]，當投資的資金總量既定時，金融投資和實體投資存在“此消彼長”的關系[19]。長期金融資產可以作為資金約束機制，降低實體投資過度，有效提升企業的實體投資效率[20]。隨著實體投資效率的提升，企業可以將更多的資金運用到投資中，進而獲得持續穩定的收益，這有助于降低投資風險，促進企業長期穩定發展[21]，并降低股價崩盤風險。因此，企業長期金融資產配置可能通過“擠出”過度投資或“彌補”投資不足來提升實體投資效率。并且一般來說，股價崩盤風險與企業實體投資效率正相關[17]。據此，本文提出如下假說：

H2：企業配置長期金融資產通過提升實體投資效率來抑制股價崩盤風險。

（三）環境不確定性的調節作用

環境因素是管理層進行投資決策的基礎[10]，環境不確定性的提高增加了管理層投資失敗和錯判未來市場狀況的風險[22]。環境不確定性高時，為避免投資失敗而損失自身利益，管理層會采用更為謹慎的投資戰略[17]，并導致實體投資效率的下降。因此，在高環境不確定性下，代理人與股東必須保證決策和利益的統一，才能確保投資決策的有效性；反之，一旦出現代理問題，將導致投資效率的下降。此外，高環境不確定性提高了管理層隱瞞壞消息的動機[23]。由于外部投資者與管理層之間存在信息不對稱，當環境不確定性越高時，外部投資者會投入更多的監管成本，同時，管理層可以將由自身機會主義行為導致的業績下降歸因于高的環境不確定性，從而隱瞞壞消息，最終造成股價崩盤。因此，本文提出如下假說：

H3：環境不確定性負向調節長期金融資產配置對實體投資效率的影響，即長期金融資產配置對股價崩盤風險影響的前半條路徑受到環境不確定性的負向調節作用。

圖2 有調節的中介效應

三、研究設計

（一）樣本選取及數據來源

本文以2009—2019年滬深A 股上市公司為研究樣本。為保證數據的有效性，按以下原則對初始數據進行篩選：（1）剔除金融業的公司；（2）剔除ST和*ST 的公司；（3）剔除數據異常和嚴重缺失的公司。最終得到8034 個樣本。樣本數據主要來自國泰安數據庫（CSMAR）。對所有連續變量進行上下1%縮尾處理（winsorize）。

（二）主要變量的定義與度量

1.核心解釋變量組：企業長期金融資產配置。本文借鑒張成思等[6]和王紅建等[7]的研究，依據金融資產的流動性水平將其分為短期金融資產和長期金融資產。長期金融資產包括可供出售金融資產、持有至到期投資、發放貸款及墊款、長期股權投資和投資性房地產。并用長期金融資產占比（Fin）（長期金融資產/總資產）作為衡量企業長期金融資產配置的代理變量。

2.被解釋變量：股價崩盤風險（Crash）。采用負收益偏態系數（Ncskew）和上下波動比率（Duvol）兩個指標來衡量[24]。Ncskew 和Duvol 值越大，股價出現崩盤的風險也越大。構建過程如下：

其中，ri,t是個股周收益率，rm,t是股票市場周收益率，εi,t是回歸殘差。計算出股票的周特有收益為Wi,t=ln(1+εi,t)，在Wi,t的基礎上構建股價崩盤風險指標。

負收益偏態系數（Ncskew），計算方法為：

其中，n為股票i在當年度交易的周數。

收益上下波動比率（Duvol），計算方法為：

其中，nu、nd分別表示Wi,t高于和低于年平均收益率的周數。

3.中介變量：實體投資效率（Inveffi）。采用Richardson[25]的方法來計算實體投資效率：

如果式（4）中的殘差εi,t大于0，表明存在過度投資（Einvest），反之則表明存在投資不足（Uinvest）。實體投資效率（Inveffi）用εi,t的絕對值表示，絕對值越大，表明實體投資效率越低。

4.調節變量：環境不確定性（Eu）。借鑒申慧慧等[26]的方法，用經行業中位數調整后的企業前5年銷售收入變異系數來衡量環境不確定性。

5.控制變量：參考杜勇等[8]、彭俞超等[9]的研究，主要的控制變量包括股票回報率（Ret）、股票波動率（Sigma）、公司規模（Size）、資產負債率（Lev）、總資產凈利潤率（Roa）、獨立董事比例（Indep）、賬面市值比（Bm）、第一大股東持股比例（Top1）、股權制衡度（Balance）、月度換手率（Dturn）。

（三）模型設定

為了檢驗假設H1，參考彭俞超等[9]的研究，構建模型（5）：

其中，Crashi,t+1是企業i 在第t+1年的股價崩盤風險，用Ncskew 和Duvol 來衡量；Fini,t為長期金融資產配置；CVsi,t為相應的控制變量。此外，模型中還控制了行業、年度固定效應。

按照溫忠麟等[27]提出的檢驗中介效應的步驟，用以下模型檢驗H2。

為了驗證假設H3，參考溫忠麟等[28]提出的檢驗有調節的中介效應，構建以下模型：

四、實證結果與分析

（一）描述性統計

由表1 可知，股價崩盤風險的指標Duvol 和Nc‐skew 的均值分別為-0.2170 和-0.3160，這與彭俞超等[9]研究中的數值基本一致；標準差分別為0.4680和0.6970，表明不同企業間的股價崩盤風險存在著較大的差異。企業長期金融資產配置的均值為0.0753，大于中位數0.0330，說明企業長期金融資產配置分布存在有偏性，有部分企業的長期金融資產配置占比較高。

表1 描述性統計

表2列示了主變量之間的相關性系數。結果顯示，相關性系數均小于0.5，可以認為各主變量之間不存在多重共線性問題。長期金融資產（Fin）與股價崩盤風險（Duvol 和Ncskew）之間的pearson 和spearman相關性系數均為負，且在1%置信水平上顯著，表明兩變量之間呈負相關，初步支持了假設H1。

表2 主要變量相關性分析

（二）基準回歸

為考察長期金融資產配置對股價崩盤風險的影響，對假設H1 進行實證檢驗，檢驗結果如表3所示。其中，（1）和（2）列為研究假設H1 的回歸結果，長期金融資產（Fin）與股價崩盤風險（Duvol 和Nc‐skew）的系數分別為0.1530和-0.2463，且都在1%的水平上顯著，表明企業配置長期金融資產對股價崩盤風險有顯著的負向影響，驗證了假設H1。

表3 企業金融化與股價崩盤

（三）中介作用

表4報告了本文假設H2的檢驗結果。（1）至（3）列為模型6 的回歸結果。在投資不足（Uinvest）組，長期金融資產配置（Fin）的系數為0.0049但不顯著；在過度投資（Einvest）組，長期金融資產配置（Fin）的系數為-0.0694 且在1%水平上顯著，表明企業長期金融資產配置的增加抑制了企業實體投資過度；在全樣本組，長期金融資產配置（Fin）的系數為-0.0236且在1%水平上顯著，表明企業長期金融資產配置能提升實體投資效率。企業配置長期金融資產主要通過“擠出”過度投資來提升實體投資效率，而不是通過“彌補”投資不足來提升實體投資效率，這與張成思等[6]的研究一致。（4）和（5）列為模型7 的驗證結果，并結合模型5和模型6以驗證實體投資效率的中介作用是否成立。長期金融資產配置（Fin）與股價崩盤風險（Duvol 和Ncskew）的系數分別是-0.1435和-0.2386，且均通過1%水平上的顯著性檢驗。實體投資效率（Inveffi）系數分別是0.1863和0.3066，且均在10%水平上顯著。以上結果表明實體投資效率發揮著部分中介作用，驗證了假設H2。

表4 中介作用

（四）調節作用

表5報告了環境不確定性（Eu）對實體投資效率（Inveffi）中介效應的調節作用。（1）和（2）列是模型8的驗證結果，長期金融資產與環境不確定性的交互項（Fin×Eu）的系數分別為0.0740和0.0969，且在5%的水平上顯著。表示隨著環境不確定性的增高，長期金融資產對股價崩盤風險的抑制作用減弱，驗證了假設H3。（3）列是模型9的驗證結果，長期金融資產與環境不確定性的交互項（Fin×Eu）的系數為-0.0171，且在1%的水平上顯著。（4）和（5）列是模型10 的驗證結果，實體投資效率（Inveffi）的系數分別為0.2134和0.3679，且均在5%水平上顯著。表明有調節的中介效應成立，且對前半段路徑有負的調節作用。

表5 有調節的中介作用

五、穩健性檢驗

（一）工具變量法

由于股價崩盤風險高的企業可能會主動增加金融資產配置，以規避風險或獲取利潤，這就產生了互為因果所導致的內生性問題。盡管本文已使用當期的長期金融資產配置預測下一期的股價崩盤風險，部分緩解了模型中的內生性問題，但出于謹慎性考慮，本文引入工具變量進一步緩解內生性問題。工具變量為長期金融資產配置滯后一期（Fint-1）和滯后兩期（Fint-2）[8]，運用工具變量——廣義矩估計（IVGMM）對模型5 進行驗證。二階段回歸結果如表6所示。本文還通過了不可識別檢驗（Kleibergen-Paap LM）、弱工具變量檢驗（Kleibergen-Paap Wald）以及過度識別檢驗（Hansen J），發現工具變量有效。結果顯示假設H1仍成立。

表6 工具變量法

（二）傾向得分匹配

由于參與金融資產配置與沒有參與金融資產配置的公司并不是隨機產生的，樣本之間可能在本質上存在差異。因此，本文采用傾向得分匹配法（PSM）來消除可能存在的樣本選擇偏差。具體操作如下：第一，計算傾向得分值，將本文的控制變量作為匹配變量，使用Logit模型對企業是否配置金融資產進行估算，計算出每個樣本進行金融投資的傾向得分。第二，采用卡尺為0.01的最近鄰匹配法（1∶1）進行匹配。第三，篩選出合適的對照組后，對基準回歸進行檢驗。結果如表7所示，假設H1仍成立。

表7 傾向得分匹配

（三）bootstrap方法

本文還采用95%置信區間下的bootstrap 法對“長期金融資產配置—實體投資效率—股價崩盤風險”的中介作用機制進行再檢驗，樣本量為5000。根據溫忠麟等[28]提出的驗證方法，當95%置信區間不包括0時，則判定效應顯著存在。從表8和表9中可以看到，在間接效應和直接效應中，95%置信區間均不包含0，所以認為實體投資效率的部分中介作用顯著成立，進一步支持了假設H2。

表8 bootstrap方法檢驗結果（Duvol）

表9 bootstrap方法檢驗結果（Ncskew）

六、結論與啟示

本文以2009—2019年中國A 股非金融類上市公司為樣本，研究了企業長期金融資產配置對股價崩盤風險的影響及作用路徑。研究結論如下：（1）企業持有長期金融資產會顯著抑制股價崩盤風險。（2）企業持有長期金融資產主要通過“擠出”過度投資來提升實體投資效率，并且實體投資效率在長期金融資產影響股價崩盤風險的路徑中起到部分中介作用。（3）環境不確定性在實體投資效率中介效應中的前半段路徑發揮了負向的調節作用。

綜合來看，本文提出以下建議：第一，相關部門應該提供差異化監管。在“脫實向虛”的背景下，現有文獻大多認為企業持有金融資產是具有套利投機性的行為，會加劇股價崩盤風險。但本文研究發現，現階段，相對于短期金融資產，企業總體上更偏好投資長期穩定的金融資產，會“擠出”過度投資，通過提升實體投資效率來抑制股價崩盤風險。因此對于配置長期金融資產的行為，應當提供有利條件并予以鼓勵。第二，企業及相關部門應當充分考慮環境不確定性的影響，為提高實體投資效率提供全面的保障。環境不確定性給企業的投資決策施加了約束，環境不確定性越高，長期金融資產對實體投資效率的作用越小，相應的其對股價崩盤風險的抑制作用也越弱。這給資源使用的監管提供了方向，當環境不確定性上升時，企業應加強監管，減少管理者的不合理投資，削弱環境不確定性對實體投資效率的不利影響。相關部門要適當提升其對企業環境不確定性的關注，盡量將環境不確定性的負面影響降到最低，以促進經濟和金融健康發展。■