地理距離與股價暴漲暴跌

叢琳潔 米致遠

摘? ?要：本文基于軟信息不對稱視角，以地理距離衡量由“軟信息”帶來的信息不對稱程度，利用A股上市公司數據探究了股價暴漲暴跌的成因。研究發現：地理距離顯著增加了股價暴漲暴跌次數，即軟信息不對稱程度越高，股價暴漲暴跌的可能性越大；投資者調研活動在地理距離影響股價暴漲暴跌的過程中發揮了重要的負向調節作用；對于屬于滬（深）港通標的、機構持股比例低和信息披露考核差的上市公司，地理距離顯著增加了股價暴漲暴跌的可能性。本文對于拓展軟信息不對稱相關研究、促進資本市場健康發展具有一定意義。

關鍵詞：地理距離；股價波動；投資者調研活動；異質性影響

中圖分類號：F832.48? 文獻標識碼：A? 文章編號：1674-2265（2023）02-0067-09

DOI：10.19647/j.cnki.37-1462/f.2023.02.009

一、引言

股票市場平穩健康運行對資本市場具有重要意義，關乎國內外投資者對我國股市的投資信心。股價極端波動歷來是金融領域重要的研究問題（陳國進和張貽軍，2009；Kim等，2011）[1，2]。自1989年試點以來，我國股市在過去三十多年間歷經多次劇烈上漲和急速下跌，一方面，這肇因于國內經濟的高速增長、股權分置改革、注冊制改革以及人民幣升值等多重因素所構成的復雜背景；另一方面，也與國際市場諸多外生沖擊密不可分。固然經濟周期的擴張與收縮、金融風險的動態監管、有效做空機制的缺乏等宏觀性和制度性的因素不容忽視，但是不可否認，上市公司信息傳遞也在其中發揮了至關重要的作用，財務信息披露、重大事項公開、內部控制報告發布等行為均會向金融市場傳遞重要信號，帶來股價的暴漲暴跌。上市公司的信息有軟信息和硬信息之分（Liberti和Petersen，2019）[3]。隨著信息技術的廣泛應用和證券監管體系的日臻成熟，上市公司的信息不對稱現象已得到了較大程度的緩解，但是這種“緩解”大多局限于業務收入和盈利情況等公開且易量化的“硬性”信息，僅靠這些規范性的“硬性”信息顯然難以通曉企業經營全貌和未來發展前景；一旦涉及公司經營文化、員工素養等“軟性”信息，信息不對稱、不透明的現象仍客觀存在（郭思永等，2020）[4]，這是因為軟信息的獲取難度大，通常難以量化和標準化，并且具有獨特性和排他性，無法像會計報表中的財務指標一樣展開橫向比較，亦難以通過常規手段進行收集，在傳播過程中還存在信息損耗和內容扭曲，降低了傳播的效率。

本地偏好是投資過程中廣泛存在的一種行為現象（崔學剛等，2021）[5]，即投資者更愿意投資家鄉及臨近區域的企業，這是因為隨著地理距離的增加，軟信息的傳遞難度逐步加大，二級市場軟信息不對稱程度也逐步提升。我國幅員遼闊，上市公司眾多且分布范圍廣泛，但是機構和個人投資者更多地集中于經濟發達地區（劉江會和朱敏，2015）[6]，這就造成了企業與投資者之間地理距離的廣泛差異。那么，上市公司與主要投資者的地理距離對股票價格的極端波動存在何種影響？本文基于我國A股上市公司數據，試圖從軟信息不對稱的視角分析股票價格的暴漲暴跌；將投資者調研活動納入分析框架，探討其在軟信息影響股價極端波動的過程中所發揮的重要作用；檢驗是否屬于滬（深）港通標的、機構持股比例、信息披露考核等不同方面的異質性。雖然系統性風險的出現無法避免，但采取一定措施平抑個股股價的極端波動，對于促進企業平穩發展、推動股市成熟健康和鞏固投資者信心均有重要意義。基于此，本文針對上市公司、政府監管部門和投資者給出一定的建議，從而幫助公司更好地維護投資者關系，幫助政府部門提高金融治理水平和治理能力以及幫助投資者合理規避投資風險。

二、文獻梳理與評述

股價暴漲暴跌反映了個股在二級市場上極端波動的特征，國內外學者已經從多個角度探究了公司股價極端波動及股價崩盤風險的影響因素，其中包括股權質押（熊禮慧等，2021）[7]、融資融券（王慶安和高愷，2017）[8]、機構投資者（陳國進等，2010）[9]、大股東交易（姜永宏等，2019）[10]等，也有部分學者從貨幣政策（鄒萍，2015）[11]、行政干預（謝世飛，2014）[12]等宏觀層面展開分析。實際上，信息效率也發揮了重要的作用，有效的信息披露能夠顯著促進股票市場的有效性（張程睿和徐嘉倩，2019）[13]，實際上這涵蓋了信息質量、信息透明度以及信息傳遞模式等多個方面。肖土盛等（2017）[14]的研究證明公司信息披露質量與股價崩盤風險顯著負相關，宋獻中等（2017）[15]則證實了企業披露社會責任信息降低了未來股價崩盤風險，這些學者均關注到了信息在公司股價極端波動中的重要作用，但是實際上這更多地屬于硬信息的范疇，未能從軟信息層面深入探討股價暴漲暴跌問題，為本文留下了可待探索的空間。目前，針對軟信息不對稱的研究相對較少，不少學者研究表明軟信息傳播的難易程度與地理距離和交通發展水平息息相關（Coval和Moskowitz，2001；Loughran和Schultz，2005；Kubick等，2017；Huang和Kang，2017）[16-19]，地理區位和基礎設施發展不平衡直接導致軟信息不對稱。盡管信息技術的發展極大地打破了信息傳遞溝通的壁壘，但是難以量化、受傳播者主觀因素影響較大的軟信息獲取成本較高，且在傳播中容易出現漏損或失真（Liberti和Petersen，2019）[3]。軟信息最為常見的獲取方式是與公司的供貨商、客戶、員工進行線下的一對一溝通，或是對公司的廠房車間進行實地探訪，通過細致、切實的調研，投資者才能獲得對公司更加全面的了解。

在地理距離影響公司股價方面，學者們也積累了一定的成果，包括公司與投資者、監管者、審計方、大客戶的距離等。Uysal等（2008）[20]發現家庭對本地投資表現出強烈的偏好，每個家庭持有的本地資產比非本地資產的年化回報率高出3.2%。 Kubick和Lockhart（2016）[21]從監管的視角出發，發現遠離證券交易委員會的公司有更大的股價崩盤風險。田利輝和王可第（2019）[22]利用A股上市公司數據也得到了同樣的結論，隨著監管機構與上市公司總部的地理距離的增加，上市公司股價崩盤風險變大。部分學者關注到審計距離與股價變化的關系，趙放等（2017）[23]從會計獨董的同城特征出發，發現審計委員會中會計獨董常居地如果和上市公司處于同一座城市，企業未來股價崩盤風險會顯著降低。羅進輝等（2018）[24]發現審計師與客戶公司間的地理距離越小，審計質量越低，客戶公司股價信息含量越低。汪洋（2017）[25]關注做市商與企業的距離，發現隨著與企業同城或同省份的做市商數量增加，股票流動性隨之增強；與鄰近做市商的距離越小，企業股票流動性越強。黃珺等（2022）[26]從大客戶地理鄰近性出發，實證檢驗發現大客戶與公司之間的地理距離越近，公司股價崩盤風險越低。這些研究表明地理距離在股價變化中確實發揮了重要的作用，不同維度的地理距離產生了廣泛的影響。此外，還有不少學者以高鐵開通為切入點，如郭照蕊和張天舒（2021）[27]研究發現高鐵開通促使公司層面更多的特質信息快速融入股價，進而降低了股價同步性，提高了資本市場定價效率。

通過以上文獻梳理與評述，可以了解到目前較少文獻從軟信息不對稱的視角出發探討股價暴漲暴跌問題，而學者們對地理距離和股價問題的關注更多地集中于審計距離、企業客戶距離和監管距離，較少從投資者距離出發深入分析。故本文可能的創新點主要集中在以下方面：首先，從軟信息不對稱視角出發，引入上市公司與一線城市的地理距離以探索股價暴漲暴跌的影響因素，深化拓展信息不對稱的相關理論；其次，選擇上市公司接待數據這一直觀性指標，將投資者調研活動引入地理距離和股價暴漲暴跌的分析框架中，探究投資者調研活動發揮的作用；最后，從是否屬于滬（深）港通標的、機構持股比例、信息披露考核三個方面考慮回歸結果的異質性，以強化對策建議的針對性，從而緩解軟信息不對稱，促進二級市場健康發展。

三、理論機制與研究假設

（一）地理距離與股價暴漲暴跌

上市公司地理位置離發達地區越遠，軟信息不對稱的現象越嚴重，這主要有三方面的原因：首先，我國經濟發達的地區集中分布在東部沿海，因此，絕大多數的投資者與金融機構也分布在沿海發達地區，特別是北上廣深等一線城市，這就意味著投資者和金融機構對偏遠地區上市公司的調研天然面臨著空間阻隔與運輸成本；其次，“本地偏愛”現象加劇了投資者與偏遠地區上市公司在重大事項上的信息不對稱（郭思永等，2020）[4]；最后，偏遠地區整體市場化程度更低，政企關系復雜，法制化和產權保護水平低，經營環境的不確定性程度高（劉江會和朱敏，2015）[6]，因而這些地區的公司本身的信息透明度就比較差。

那么，隨著地理距離的增加，軟信息不對稱主要會通過以下渠道影響公司股價波動：第一，對于一家公司來說，距離沿海發達地區越遠，公司所受到的投資調研也相對越少，軟信息不對稱問題越嚴重，信息透明度越差，因而未被投資者和投資機構注意到的經營信息也越多；同時，企業經營會受到其所在地域文化與人文文化的影響（劉澄和吳鳴鳴，2008；佘元冠和祁衛士，2010）[28，29]，而投資者常常會忽略或誤會這些地域和人文信息，進而誤判公司生產經營情況并形成非理性投資行為，造成股價暴漲暴跌。第二，從信息預告的角度來看，由于業績預告能夠基本反映出該公司過去一年的經營概況，故而難以量化的軟信息通過公司實質性的業績預告轉化成了“硬性”的信息，在業績預告披露之后的一段時間內，對公司股價形成沖擊。由于我國股市有漲跌停限制，因此，正面業績預告的公司會有漲停現象出現，而意料之外的虧損預告對公司股價產生負面沖擊，從而使公司股價跌停。第三，即使業績預告并未發布實質性的額外信息，但由于一些偏遠地區的公司在平日并未受到投資者和機構的過多關注，當這些公司突然發布業績預告時，所產生的曝光效應同樣會導致公司股價的異常波動和極端波動（董大勇和吳可可，2018）[30]。據此，本文提出研究假設H1。

H1：隨著地理距離的增加，上市公司股價暴漲暴跌的可能性增加。

（二）投資者調研活動的調節效應

投資者調研活動有助于改善公司的治理水平（譚勁松和林雨晨，2016）[31]，提升公司的特質信息含量，顯著降低股價同步性（陸超和沈雨霏，2021）[32]。實地調研越來越成為市場挖掘未知信息的重要途徑。首先，對上市公司進行實地調研能獲取更有價值的信息，特別是面對面的訪談將有利于了解私有信息，及時剖析公司存在的問題，從而使投資者的投資決策更加理性，負面信息造成的投資者恐慌拋售情況將會減少，避免股價大起大落。其次，個人投資者比重超過機構投資者是我國二級市場的重要特征，但是基金公司相對而言具有更強的信息優勢，羊群效應的存在使得基金經理的理性決策會使市場信息更快地被吸收（丘彥強和許林，2019）[33]，眾多投資者的正反饋交易有利于避免股市出現大規模的異常波動。最后，投資者調研活動實際上也發揮了重要的外部監督作用，并且具有長期跟蹤的特征，將會從企業治理水平和盈余管理水平兩方面改善企業經營情況，促使企業增加內部控制缺陷的選擇性披露行為（王亞男和戴文濤，2021）[34]。故而隨著調研次數、調研頻率的增加，軟信息得到進一步的挖掘，投資者的投資理性化程度有所提升，軟信息不對稱對股價暴漲暴跌的影響也得到緩解。據此，本文提出研究假設H2。

H2：隨著投資者調研活動的增加，地理距離對股價暴漲暴跌的影響有所衰減。

（三）地理距離對股價暴漲暴跌影響的異質性

復雜的資本市場中存在多種因素對公司股價產生影響，本文從滬（深）港通標的、機構持股比例、信息披露考核質量三方面來進行異質性效果的考察。首先，滬港通和深港通的開通是我國資本市場開放的重要舉措（王瑩，2022；王瀚晨和王汀汀，2021；黃賢環和姚榮榮，2021）[35-37]，滬港通與深港通大幅擴充了上市公司投資者群體，大大增強了股票的換手率和流動性，使得上市公司的股價博弈更為劇烈和充分，并且提高了滬港、深港之間的情緒聯動水平（于博和吳菡虹，2020）[38]，此時，軟信息不對稱影響到的二級市場投資者主體的范圍也更加廣泛，就理論上而言股價極端波動次數也會明顯增加。其次，機構投資者大多采用價值投資策略， 其具有持有期長、交易頻率低的特點，并且在資本市場中發揮了重要的監督效應（楊菁菁等，2022）[39]，在許多時候還能夠加強上市公司的外部治理（袁冬梅等，2021）[40]，帶來噪音交易的減少（王謹樂和史永東，2018）[41]。因此，隨著機構持股比例的提高，軟信息的傳遞渠道會更為暢通，軟信息不對稱情況得到一定程度上的緩解，股價暴漲暴跌也受到抑制。最后，軟信息與硬信息之間存在明顯的互動關系（孫亮等，2021）[42]，盡管信息披露考核主要針對公司所發布的標準化的硬信息，但公司獲得較高的信息披露考核等級，也將會明顯增強投資者的確定性預期，從而降低公司的股價波動（陳遠志和田靖，2021）[43]，在這種情況下軟信息不對稱對投資者投資活動的擾動也將有所降低，股價的暴漲暴跌現象有所緩解。據此，本文提出研究假設H3。

H3：地理距離對股價暴漲暴跌的影響會因是否屬于滬（深）港通標的、機構持股比例高低和信息披露考核質量的好壞而存在差異。

四、實證模型與數據說明

（一）模型設定

為了從軟信息不對稱的視角驗證地理距離對公司股價暴漲暴跌的影響，本文參考劉江會等（2020）[44]的研究構建了如下模型：

[UpDowni，t=β0+β1distancei，t+αZ+δi+ηt+εi，t] （1）

式（1）中，[UpDown]為被解釋變量股價暴漲暴跌；distance為核心解釋變量地理距離，側面反映上市公司軟信息不對稱程度。Z為一組控制變量，[δi]和[ηt]分別表示行業固定效應和年份固定效應，[εi，t]為隨機擾動項。為了盡量修正異方差問題，回歸均采用穩健標準誤進行估計。

為了驗證投資者調研活動的調節作用，本文在基準回歸模型的基礎上引入調節變量、調節變量與地理距離的交互項來刻畫二者的互動關系，具體模型如下：

[UpDowni，t=β0+β1distancei，t+β2Invi，t+β3（Inv×distance）i，t+aZ+δi+ηt+εi，t] （2）

其中，[Inv]為調節變量投資者調研活動，[Inv×distance]為地理距離和投資者調研活動的交乘項。

（二）變量說明

1. 被解釋變量：股價暴漲暴跌（UpDown）。高昊宇等（2017）[45]認為股票的漲跌停能夠有效刻畫股票價格的極端變化，這種直接的、公認的、制度化的信息遠遠優于其他隱性度量方式。本文參考其度量方式，以股票在一年內的漲跌停次數之和作為暴漲暴跌的代理指標。在穩健性檢驗中，本文以股價年振幅衡量股票價格的整體波動情況。

2. 核心解釋變量：地理距離（distance）。本文借鑒Sadok等（2013）[46]和郭思永等（2020）[4]的做法，用Google 地球搜索上市公司注冊地所在區縣的經度和緯度，然后根據經緯度分別計算出所在區縣與北上廣深四個一線城市之間的球面距離，然后取公司距離這四座城市的最短距離的自然對數作為核心解釋變量 。選擇北上廣深四座一線城市的原因是，投資者的地理分布存在非均衡特征，這四座城市匯聚了我國大部分機構投資者和活躍的個人投資者。因此，最短距離越小，軟信息不對稱程度越低。

3. 調節變量：投資者調研活動（Inv）。投資者調研活動能夠有效印證公司披露的信息，補足未披露的重大信息，提高公司信息披露質量，充分挖掘公司的特質信息。本文參考王珊（2017）[47]等的相關研究，以投資者接待頻率（Inv1）、接待量（Inv2）、機構來訪接待量（Inv3）、機構來訪占比（Inv4）作為代理指標，衡量投資者調研活動。

4. 控制變量。本文參考高昊宇等（2017）[45]、彭旋和張昊（2022）[48]的研究，對部分可能影響公司股價暴漲暴跌的因素加以控制。（1）資產負債率（lev）：以負債總額和資產總額的比值衡量，資產負債率越高的公司，其經營的風險和收益會被同時放大，公司股價波動常常更加劇烈；（2）股權集中度（top10）：以前十大股東持股比例衡量，大股東持股的穩定性對公司股票的流動性存在著極大影響；（3）凈資產收益率（ROE）：凈資產收益率作為企業績效的直接衡量指標，是投資股票重要的考量因素；（4）股息率（ratio）：股息率在投資實踐中是衡量企業是否具有投資價值的重要標尺之一，因而對股價存在重要影響；（5）現金持有（cash）：以期末現金及現金等價物余額和總資產的比值衡量，公司資金流動性好將利于公司日常經營的穩定性；（6）經營現金流（CFO）：以經營活動現金凈流量和總資產的比值衡量，現金流是企業能夠生存和持續經營的前提；（7）企業規模（scale）：以上市公司總市值（千億元）衡量，即按照證監會算法所計算的公司在中國大陸已發行普通股的總市值，公司體量直接影響到股價大幅波動的難易程度，一般而言，體量越大的公司，股價的波動幅度越小。

此外，由于企業生產經營情況與外部環境息息相關，本文從經濟發展水平、政府干預和金融發展水平方面選擇三個宏觀控制變量。（1）城市經濟水平（development）：以人均GDP（萬元）衡量；（2）城市政府干預（gov）：以地方財政一般預算內支出與GDP的比值衡量；（3）城市金融水平（finance）：以年末金融機構各項貸款余額和地區生產總值的比值衡量。

各變量的描述性統計情況如表1所示。

（三）數據來源

本文選擇了2010—2020年的A股主板上市公司作為研究樣本，選擇這一區間主要是考慮到在次貸危機的影響下，2006—2009年A股整體波動劇烈，這對本文的研究存在較大的干擾，而從2010年起A股進入了相對平穩的發展階段，機構持股總體占比經歷迅速提升后進入了穩定期（吳曉求和方明浩，2021）[49]。此外，由于《中國城市統計年鑒》的數據公布相對較晚，為了更好匹配宏微觀數據，將2020年作為區間終點。本文對數據進行了以下處理：（1）剔除了ST和ST*的企業；（2）對連續變量進行了1%的縮尾處理；（3）剔除變量缺失的樣本；（4）剔除上市時間不足一年的公司。被解釋變量、企業層面的控制變量以及調節變量均來源于東方財富Choice金融終端，核心解釋變量計算中使用的經緯度位置信息來源于Google地球，城市層面的控制變量來源于EPS全球統計數據庫，最終得到分布在247個地級市的81個國民經濟大類行業的3797家上市企業合計22994個樣本的非平衡面板數據。

五、實證分析

（一）基準回歸

為了驗證H1，確定地理距離對于企業股價暴漲暴跌的影響情況，本文展開實證分析，回歸結果列示于表2。第（1）列為不控制行業效應和年份效應的OLS估計結果，地理距離的估計系數在1%的水平上顯著為正，說明地理距離與股價暴漲暴跌存在顯著的相關關系。第（2）列為控制行業效應和年份效應之后采用固定效應模型的估計結果，核心解釋變量在5%的水平上顯著為正，估計系數為0.069，說明上市公司所在區縣距離一線城市的最短距離每增加1個單位，企業股價暴漲暴跌次數將會增加0.069。就其經濟意義來看，地理距離越遠，軟信息的傳遞難度越大，軟信息不對稱將會影響二級市場上投資者的投資判斷，從而加大不合理投資的可能，使公司股價更容易出現極端波動。鑒于本文的被解釋變量股價暴漲暴跌為非負整數，面板泊松回歸對于此類數據具有良好的估計效果，第（3）列即為泊松回歸的結果，地理距離在10%的水平上顯著拒絕原假設，即地理距離的增加強化了股價暴漲暴跌的可能性。

（二）穩健性檢驗

上市公司的地理位置基本是固定的，地理選址通常與創始團隊背景、客戶分布、供應商分布密切相關，而這些因素都近似隨機分布，因此，其與一線城市的地理距離也往往是外生的，在這一類研究文獻中內生性問題并非主要的威脅（Sadok等，2013；郭思永，2021）[46，50]。但為了保證結果的穩健性，本文從三個方面著手展開穩健性檢驗，結果列示于表3。首先，替換核心解釋變量。在第（1）列中本文借鑒劉江會和朱敏（2015）[6]的指標衡量方法，以公司所在地與三大全國性金融中心（北京、上海和深圳）的最短距離衡量地理距離（SPD），可以看出這一指標的回歸系數在5%的水平上顯著為正。第（2）列借鑒錢雪松等（2017）[51]的思路，設定虛擬變量distance700，公司所在地與一線城市的最短距離超過700公里賦值為1，否則為0，這一變量系數在10%的水平上顯著為正。其次，采用股票價格年振幅（amplitude）替換被解釋變量。股票價格年振幅在一定程度上反映出了股票價格的年度波動，第（3）列中地理距離在1%的水平上顯著增加了企業股價年振幅。再次，更換回歸方法。在第（4）列通過負二項回歸估計地理距離的影響，distance的系數在1%的水平上顯著為正，與基準回歸結果保持一致。最后，我國股票市場上存在許多“借殼上市”的現象（Liu等，2019）[52]，公司市值越小，借殼現象越嚴重，由于很多殼公司注冊地與準上市公司實際所在地存在出入，第（5）列剔除了市值較低的30%的公司以排除“借殼上市”所帶來的影響，可以看出核心解釋變量系數在5%的水平上仍顯著為正。

（三）投資者調研活動的調節效應檢驗

為了考察在地理距離影響股價暴漲暴跌的過程中，投資者調研活動所發揮的調節作用，本文利用模型（2）進行回歸，結果列示于表4。可以看出，引入調節變量以及交互項后，地理距離變量均在1%的水平上顯著為正，而交互項則至少在5%的水平上顯著為負，投資者調研活動表現出了顯著的調節作用，隨著投資者調研的頻繁化，原本由于地理距離遠而難以觸及的軟信息開始被外界進一步獲取，軟信息不對稱所導致的股價暴漲暴跌情況得到緩解。

（四）異質性檢驗

為了考察上市公司的哪些自身特性和特定行為可以緩解“軟信息不對稱”的問題，進一步深化本文的研究結論，使對策建議更加具備針對性，本文從是否屬于滬（深）港通標的、機構持股比例、信息披露考核三個方面利用分組回歸的方法，探究軟信息不對稱對企業股價暴漲暴跌的異質性影響。

1. 滬（深）港通標的異質性。表5第（1）列和第（2）列顯示，屬于滬港通或深港通標的的上市公司中，地理距離的系數在1%的水平下顯著為正，而非滬港通或深港通標的公司則不顯著。這表明軟信息不對稱對公司股價暴漲暴跌的影響在滬（深）港通標的公司群體中更加嚴重，由于軟信息不對稱影響到更多投資者的二級市場投資行為，標的公司的股價博弈更為劇烈和充分。

2. 機構持股比例異質性。表5第（3）列和第（4）列顯示，在機構持股比例較高的企業樣本中，地理距離并不顯著，而機構持股比例低的企業樣本中地理距離在5%的水平上顯著為正，軟信息不對稱明顯加劇了此類公司的股價波動。這是由于機構投資大多持有期長、交易頻率低，機構持股比重的提高直接帶來噪音交易的減少（王謹樂和史永東，2018）[41]，因而能夠在一定程度上穩定股價。

3. 信息披露考核異質性。本文根據上市公司的信息披露考核情況，將樣本劃分為信息披露考核較好（考核為“優秀”）和較差（考核為“不合格”“合格”“良好”以及“未披露”四種情況），進行分組回歸，結果見表5的第（5）、（6）列，地理距離在5%的水平上顯著增加了信息披露考核較差的企業股價暴漲暴跌的可能，披露質量較好的企業則不顯著。上市公司信息披露考核等級較高，將會明顯增強投資者的確定性預期，相對而言軟信息不對稱對投資活動的擾動將會有所降低，股價暴漲暴跌有所緩解。

六、結論與對策建議

本文以地理距離衡量上市公司與外部投資者之間由軟信息帶來的信息不對稱，進而解釋上市公司股價暴漲暴跌問題，基于我國A股上市公司數據研究發現：地理距離顯著增加了股價極端波動次數，企業距離一線城市越遠，軟信息不對稱程度越高，股價暴漲暴跌的可能性越大；投資者調研活動在地理距離影響股價暴漲暴跌的過程中發揮了重要的調節作用，隨著調研次數與調研頻率的增加，軟信息不對稱所造成的影響逐步削弱；異質性檢驗結果表明，對于屬于滬（深）港通標的、機構持股比例低和信息披露考核差的企業，地理距離顯著增加了股價暴漲暴跌的可能。

據此，本文從上市公司、投資者和監管部門三個層面提出對策建議。對于上市公司來說，要加強企業文化建設，保持總體經營風格的穩健性和高預期性，促使軟信息的有效轉化；積極參與社會責任披露和企業信息披露活動，按時保質發布內部控制自我評價報告，主動邀請投資者來司調研，維護健康投資者關系。對于投資者來說，密切關注上市公司業績預告，兼顧硬信息與軟信息的獲取；在12月至次年1月上市公司發布業績預告的時間內，適當降低偏遠地區公司股票在投資組合中的比重，避免投資組合的波動變大；充分依靠機構投資者的信息挖掘能力，選擇機構持股比例相對較高的公司進行投資。對于監管部門來說，向各類金融機構和投資者適時發布引導性公告，鼓勵其加大對中西部地區上市公司的調研頻率；將對偏遠地區上市公司的調研活動頻次納入金融機構的考核體系，促使區域間上市公司信息披露程度達到總體平衡；加快基礎設施建設，特別是交通基礎設施建設，從根本上緩解軟信息不對稱的問題。

參考文獻：

[1]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，（04）.

[2]Kim J B，Li Y，Zhang L. 2011. Corporate Tax Avoidance and Stock Price Crash Risk：Firm-Level Analysis [J]. Journal of Financial Economics，100（3）.

[3]Liberti J M，Petersen M A. 2019. Information：Hard and Soft [R].The Review of Corporate Finance Studies， 8 （1）.

[4]郭思永，楊魯，黃子育.軟信息不對稱與上市公司長期主動停牌 [J].中央財經大學學報，2020，（11）.

[5]崔學剛，張文杰，徐佳.投資者本地偏好行為研究進展 [J].經濟學動態，2021，（06）.

[6]劉江會，朱敏.地理因素會影響中國企業IPO的成本嗎？——基于“軟信息不對稱”的視角 [J].經濟管理，2015，37（10）.

[7]熊禮慧，朱新蓉，李言.股權質押與股市風險研究——兼論股價波動風險與極端市場風險 [J].財貿經濟，2021，42（10）.

[8]王慶安，高愷.融資融券加大了極端行情的股價波動性嗎——基于五類行情下的深市股票數據 [J].金融經濟學研究，2017，32（06）.

[9]陳國進，張貽軍，劉淳.機構投資者是股市暴漲暴跌的助推器嗎？——來自上海A股市場的經驗證據 [J].金融研究，2010，（11）.

[10]姜永宏，穆金旗，趙婷婷.大股東交易與中國A股市場股價暴漲暴跌風險 [J].南方金融，2019，（02）.

[11]鄒萍.貨幣政策、股票流動性與股票價格暴跌風險 [J].南方經濟，2015，（07）.

[12]謝世飛.政府行政權力干預與中國股市的暴漲暴跌 [J].東疆學刊，2014，31（02）.

[13]張程睿，徐嘉倩.中國上市公司信息披露制度變遷與股票市場有效性 [J].華南師范大學學報（社會科學版），2019，（04）.

[14]肖土盛，宋順林，李路.信息披露質量與股價崩盤風險：分析師預測的中介作用 [J].財經研究，2017，43（02）.

[15]宋獻中，胡珺，李四海.社會責任信息披露與股價崩盤風險——基于信息效應與聲譽保險效應的路徑分析 [J].金融研究，2017，（04）.

[16]Coval J D，Moskowitz T J. 2001. The Geography of Investment：Informed Trading and Asset Prices [J].Journal of Political Economy，109（4）.

[17]Loughran T，Schultz P. 2005. Liquidity：Urban Versus Rural Firms [J].Journal of Financial Economics，78（2） .

[18]Kubick T R，Lockhart G B，Mills L F，Robinson? J R. 2017. IRS and Corporate Taxpayer Effects of Geographic Proximity [J].Journal of Accounting and Economics， 2017，63（2） .

[19]Huang X，Kang J-K. 2017. Geographic Concentration of Institutions，Corporate Governance，and Firm Value [J].Journal of Corporate Finance，47.

[20]Uysal V B， Kedia S， Panchapagesan V. 2008. Geography and Acquirer Returns [J].Journal of Financial Intermediation，17（2）.

[21]Kubick T R，Lockhart G B. 2016. Proximity to the SEC and Stock Price Crash Risk [J].Financial Management，45（2）.

[22]田利輝，王可第.山高皇帝遠：地理距離與上市公司股價崩盤風險的經驗證據 [J].南方經濟，2019，（11）.

[23]趙放，孫哲，聶興凱.審計委員會中會計獨董的同城特征與股價崩盤風險 [J].審計研究，2017，（05）.

[24]羅進輝，李雪，林芷如.審計師地理距離對客戶公司股價信息含量的影響 [J].審計與經濟研究，2018，33（04）.

[25]汪洋.地理距離、主辦券商與做市交易股票流動性——基于“新三板”市場的實證研究 [J].財貿研究，2017，28（12）.

[26]黃珺，韓菲菲，段志鑫.大客戶地理鄰近性是否抑制了公司股價崩盤風險？ [J].經濟與管理評論，2022，38（01）.

[27]郭照蕊，張天舒.高鐵開通對資本市場定價效率的影響研究 [J].管理學報，2021，18（04）.

[28]劉澄，吳鳴鳴.企業經營績效與跨文化管理研究[J].生產力研究，2008，（18）.

[29]佘元冠，祁衛士.企業跨地域經營中地域文化沖突問題研究 [J].中國人力資源開發，2010，（11）.

[30]董大勇，吳可可.投資者注意力配置對資產定價的影響：眼球效應與曝光效應 [J].系統工程，2018，36（09）.

[31]譚勁松，林雨晨.機構投資者對信息披露的治理效應——基于機構調研行為的證據 [J].南開管理評論，2016，19（05）.

[32]陸超，沈雨霏.機構投資者實地調研能否緩解股價同步性——基于我國A股上市公司的經驗證據 [J].金融監管研究，2021，（09）.

[33]丘彥強，許林.基金公司調研、投資價值挖掘與公司股價波動——以中小板為例 [J].金融監管研究，2019，（01）.

[34]王亞男，戴文濤.機構投資者實地調研促進了內部控制缺陷選擇性披露嗎？ [J].哈爾濱商業大學學報（社會科學版），2021，（05）.

[35]王瑩.資本市場開放與企業人力資本結構升級——基于“滬港通”和“深港通”交易制度的準自然實驗 [J].現代經濟探討，2022，（05）.

[36]王瀚晨，王汀汀.資本市場開放能夠提升企業價值嗎？——基于滬港通的證據 [J].金融發展研究，2021，（01）.

[37]黃賢環，姚榮榮.資本市場開放與非金融企業影子銀行化 [J].國際金融研究，2021，（11）.

[38]于博，吳菡虹.政策沖擊、注意力分配與投資者情緒——基于“滬港通”與“深港通”政策的分析 [J].當代財經，2020，（01）.

[39]楊菁菁，朱瑞城，梁小敏.雙重股權、機構持股與股價高估——基于中概股的經驗證據 [J].南方金融，2022，（05）.

[40]袁冬梅，王海嬌，肖金利.機構投資者持股、信息透明度與企業社會責任 [J].重慶社會科學，2021，（10）.

[41]王謹樂，史永東.機構投資者、高管變更與股價波動 [J].管理科學學報，2018，21（07）.

[42]孫亮，劉春，鄭國堅，陳怡燕.軟信息如何影響硬信息——高鐵開通與財務報告穩健性 [J].管理科學學報，2021，24（12）.

[43]陳遠志，田靖.信息披露質量、投資者預期與股價崩盤風險——基于中小板和創業板上市公司的實證研究[J].金融監管研究，2021，（12）.

[44]劉江會，陳雷，朱敏.地理距離、城市網絡連通性與IPO折價 [J].上海經濟研究，2020，（01）.

[45]高昊宇，楊曉光，葉彥藝.機構投資者對暴漲暴跌的抑制作用：基于中國市場的實證 [J].金融研究，2017，（02）.

[46]Sadok El，Ghoul，Omrane Guedhami，Yang Ni，Jeffrey Pittman，Samir Saadi. 2013. Does Information Asymmetry Matter to Equity Pricing？Evidence from Firms' Geographic Location [J].Contemporary Accounting Research，30（1）.

[47]王珊.投資者實地調研發揮了治理功能嗎？——基于盈余管理視角的考察 [J].經濟管理，2017，39（09）.

[48]彭旋，張昊.穩定客戶可以降低企業的股價波動性嗎？ [J].審計與經濟研究，2022，37（04）.

[49]吳曉求，方明浩.中國資本市場30年：探索與變革 [J].財貿經濟，2021，42（04）.

[50]郭思永.大股東認購定向增發股份：基于軟信息不對稱的視角[J].管理工程學報，2021，35（06）：24-34.

[51]錢雪松，金芳吉，杜立.地理距離影響企業內部資本市場的貸款價格嗎？——來自企業集團內部借貸交易的證據 [J].經濟學動態，2017，（06）.

[52]Jianan Liu，Robert F Stambaugh，Yu Yuan. 2019. Size and Value in China [J].Journal of Financial Economics，134（1）.