股票風險警示對同城企業掏空行為的影響研究

孫 潔,孫明楊,2

(1.天津財經大學 會計學院,天津 300222;2.阜陽師范大學 商學院,安徽 阜陽 236041)

一、 引言

為維護資本市場的穩定健康,優化市場資源配置和保護投資者的合法權益,《證券法》對于可能退市的上市公司規定了三步法:風險警示、暫停上市和終止上市。風險警示制度是指當上市公司財務狀況異?；蚱渌麪顩r異常導致投資者無法判斷其未來前景時,交易所一般在次年的4月30日之前對其股票實施風險警示,并對其股票名稱冠以“ST”或“*ST”字樣。股票風險警示作為退市或其他風險的一種預警,旨在為投資者提供有序處置公司股票的空間,降低投資者的可能損失,因此這一階段的公司股價一般處于低位且波動性較之前有明顯增加[1-4]。特別是2020年新《證券法》取消了暫停上市環節,股票風險警示對于資本市場的影響將更為強烈。由于資本市場的信息通常具有外部性,股票風險警示信息不僅對企業自身具有顯著影響,還可能對同群企業產生溢出效應。在定義同群企業時,部分學者將同行業企業定義為同群企業[5-6],還有部分學者將同省企業或同城企業定義為同群企業[7-9]。已有研究探討了股票風險警示對于同行業企業的溢出效應[10-12]。那么,股票風險警示對于同城企業是否也具有資本市場的溢出效應,且這種溢出效應是通過何種渠道作用于同城企業的,這將是本文的核心問題。

有學者以債券違約為例探討了具有負面性質的財務公告的地區傳染效應。寧博等研究發現債券違約會通過信用風險傳染增加同一城市的其他企業融資約束,進而導致其進行更多向上的真實盈余管理[9]。與寧博等的研究不同,本文除了探討傳染效應通常的企業基本面渠道,還將基于投資者的本地偏好傾向探討本地投資者群體內部的市場情緒渠道,以更加全面地探討負面財務公告的地區傳染效應的作用渠道。張雪瑩和劉茵偉研究發現債券違約通過加大債券流動性風險提高了同省其他債券的二級市場交易利差[13]。與張雪瑩和劉茵偉的研究不同,本文將從同城股票價格聯動的視角探討股票風險警示的同城傳染渠道和表現,從而豐富負面財務公告的地區傳染效應的機制檢驗。有關大股東掏空行為的研究表明,大股東掏空多采用關聯交易這一間接方式[14],并借助復雜的股權結構隱蔽[15],且已有大量文獻從內外部治理機制的角度研究大股東掏空行為的影響因素[16-19],但鮮有研究關注外部信息尤其是同城企業的股票風險警示信息對企業大股東掏空的影響。本文將從風險警示信息的溢出效應視角探討大股東掏空的影響因素,以拓展大股東掏空的相關研究。

本文將以2008—2019年滬深A股被實施風險警示企業的同城企業為樣本,考察風險警示對于同城企業的風險傳染效應及其反作用于同城企業大股東掏空政策的過程。本文的研究貢獻在于:第一,基于同城企業股票風險警示信息的視角探討大股東掏空的影響因素,從中觀層面豐富和擴展對于大股東掏空治理的認識和理解。第二,豐富股票風險警示信息的經濟后果研究,現有研究主要針對被警示企業自身或同行企業探討風險警示信息的經濟后果,卻鮮有研究探討股票風險警示信息對同城企業的溢出效應,事實上,同城企業由于地理位置接近,在經營和投融資上具有較強的相關性,且共同受到本地投資者的關注,因此可能出現信息的傳染或溢出效應。基于此,本文試圖從同城企業大股東掏空的視角入手進行分析,以彌補已有文獻的不足。第三,拓展負面財務公告的地區傳染效應機制研究。本文基于投資者的本地偏好理論,探討風險警示信息通過同城散戶投資者群體的市場情緒傳染對同城企業產生風險溢出效應的可能渠道。

二、 理論分析與研究假設

由于地緣關系,同一城市的企業在經營和投融資方面具有不可分割的緊密聯系,公司被證券交易所實施風險警示,預示著上市公司的基本經營狀況出現了困境,這一不良經營狀況勢必沿著不同的經濟關系影響同城其他公司,進而引起投資者對其他本地公司風險的重新評價。此外,同一城市的股東社會網絡會加速信息的傳播,進而放大上述影響。

首先,在企業基本面傳染方面,同一城市的企業在經營活動、投資活動、融資活動等方面具有相似性或相關性。在經營活動上,同一城市的公司由于地理位置相近和營商環境相似,彼此之間的業務往來可能較多,進而導致彼此間的經營績效具有同步變化和相互傳染的特征[20,13]。此外,城市集聚經濟也會導致經營危機在同城企業之間蔓延[21]。在投資活動上,由于城市集聚經濟和當地政府干預,同一城市企業之間的投資活動存在相互促進的同伴效應[22,7],導致同城企業在投資回報和投資風險方面具有較高的相關性。在融資活動上,由于資本跨區域流動的限制和成本劣勢,不同地區的資本市場呈現出明顯的市場分割特征,不同地區的金融市場網絡也為經營和財務風險的地區內傳染提供了便利[9]。此外,非經濟因素如當地文化和企業高管之間的社會互動也會導致同地區企業表現出相似的融資政策[23],進而促使同地區企業財務風險的進一步趨同。因此,某一城市內新增的公司股票風險警示信息不僅與被警示股票自身的定價有關,而且與同城非警示企業的定價有關,投資者會據此提高對本地其他企業的風險預期。

其次,在市場情緒傳染方面,同一城市的企業的本地股東社會網絡會加速投資者情緒的傳播。出于對熟悉事物的偏好或地理接近帶來的信息優勢,個人投資者會表現出對本地投資的強烈偏好[24-25]。投資者的本地偏好產生了本地企業的本地散戶投資者群體,由于較低的交易成本或信息優勢,本地股票是這一投資者群體首選的目標證券組合[26]。同一城市的散戶投資者之間的地理距離鄰近能夠促進社會互動,從而促進投資者情緒和信息在本地個人投資者之間的傳播[27]。由于散戶投資者易受市場環境和情緒的影響,因此當同一城市有公司被實施風險警示,悲觀情緒會在本地散戶投資者之間迅速蔓延,從而放大本地個人投資者對本地其他公司的風險預期[13]。

由上述分析可知,當同一城市有公司被實施風險警示,由于企業基本面傳染和市場情緒傳染,投資者尤其是本地個人投資者會提高對本地其他公司的風險預期,從而給本地其他公司的股票帶來集體拋售的壓力,拋售帶來的股價下跌將會嚴重損害大股東的利益。而大股東掏空會損害企業價值,Cheunga等研究發現,上市公司在關聯交易公告發布時及發布后一年內都表現出顯著為負的股票收益率[14],鄭國堅等基于回歸模型也得出了類似的結論[28]。因此,囿于中小股東“用腳投票”的威懾力量[18-19],大股東也會主動降低掏空程度,減少對股價的損害,避免資本市場的進一步動蕩。基于以上分析,本文提出如下假設:

H1:城市新增股票風險警示公告會抑制同城非警示企業的大股東掏空行為。

三、 研究設計

(一) 數據來源

本文選取了2008—2019年A股上市公司的年度數據作為樣本,由于行業的特殊性,剔除了金融類公司,在收集數據過程中剔除了數據缺失的公司,由于本文主要以被警示企業的同城市非警示企業作為樣本,因此刪除了交易狀態為ST、*ST或退市整理的公司年度數據,最后得到17841個公司年度數據。數據均來自國泰安數據庫。為避免異常值對模型分析的影響,本文對所有公司財務特征變量進行了1分位以下和99分位以上的縮尾處理。

(二) 變量定義

1. 被解釋變量:由于大股東掏空最常采用的手段是關聯方交易[14],因此借鑒楊俠和馬忠的研究[16],被解釋變量大股東掏空程度(Tun)以上市公司與其母公司或母公司控制的其他公司之間發生的關聯交易總額與總資產比值的自然對數來度量。

2. 解釋變量:由于風險警示公告的信息效用會隨著時間的推移逐漸減弱[11],因此解釋變量采用同一城市新增的企業風險警示信息(FD_city)。借鑒孫潔等的方法[10],如果當年同一城市有新的企業被證券交易所實施風險警示,說明同城市其他企業將受到風險警示信息的影響,則將同城市企業的FD_city變量賦值為1;如果當年同一城市沒有企業被證券交易所實施風險警示,說明同城市企業沒有受到風險警示信息的影響,則將同城市企業的FD_city變量賦值為0。為了更好地分離股票風險警示的信息效應,本文的解釋變量同一城市新增的企業風險警示信息僅指從正常上市狀態變更為“ST企業”或“*ST企業”,不包括“ST企業”與“*ST企業”之間的相互轉換。

3. 控制變量:借鑒同類文獻的做法[18-19],本文在模型中加入了公司財務特征變量和公司治理特征變量,具體變量定義見表1。同時借鑒孫潔等的研究[10],加入行業內新增風險警示信息虛擬變量(FD_ind)以控制行業層面的風險傳染效應。

表1 變量定義

(三) 模型構建

為驗證H1,本文構建如下模型(1):

Tunit=α0+α1FD_cityit+α2Controlsit+Year+Industry+εit

(1)

式中,i代表企業個體,t代表年度,Year和Industry分別代表年度和行業固定效應。

四、 實證結果與分析

(一) 描述性統計分析

表2為主要變量的描述性統計結果,取對數后的大股東掏空程度(Tun)均值為-3.260,中位數為-2.809,均值與中位數接近,標準差為2.218,表明上市公司的大股東掏空行為存在較大差異。解釋變量城市新增風險警示信息虛擬變量(FD_city)的均值為0.371,標準差為0.483,表示受同一城市新增風險警示信息影響的樣本占樣本總量的37.1%,且分布較為分散。據統計,80%以上的城市當年新增股票風險警示企業不超過2個,96%以上的城市當年新增股票風險警示企業不超過4個,因此本文采用城市新增風險警示信息虛擬變量基本合理。行業新增風險警示信息虛擬變量(FD_ind)的均值為0.602,標準差為0.489,與孫潔等的結果[10]接近,其他變量變化均在合理范圍內。

表2 主要變量的描述性統計

(二) 實證結果分析

模型(1)的基準回歸結果如表3所示。其中,列(1)為未控制年度和行業固定效應的回歸結果,列(2)為僅控制行業固定效應的回歸結果,列(3)為僅控制年度固定效應的回歸結果,列(4)為控制年度和行業固定效應的回歸結果。表3各列均顯示城市新增風險警示信息(FD_city)與同城市企業大股東掏空程度(Tun)的回歸系數為負,且均在1%的水平上顯著,表明城市內新增風險警示信息會抑制同城其他企業的大股東掏空行為,支持了假設1。而且值得注意的是,加入年度固定效應對于城市新增風險警示信息(FD_city)的回歸系數影響較小,但加入行業固定效應使得城市新增風險警示信息(FD_city)的回歸系數減少近50%,這說明不同行業的企業受同城市風險警示信息的風險溢出效應存在差別,進而導致不同行業的企業的掏空行為受到同城市風險警示信息的影響不同。

表3 風險警示信息對同城市企業掏空行為的影響

(三) 作用渠道分析

由于受同一城市內企業之間基本面的傳染效應以及本地散戶投資者之間的市場情緒傳染效應影響,同一城市的股票將因企業基本面的聯動以及本地個人投資者的情緒變化而產生不同程度的價格聯動現象[29-30]。如上文理論分析所述,城市新增風險警示信息不僅與被警示股票自身的定價有關,而且與同城其他企業的定價有關,因此這一共同信息的發布會加劇同城股票之間的相關性。此外,同一城市內的投資者之間的情緒傳染會放大投資者的行為偏差及其交易相關性,進一步加劇同城股票之間的股價聯動性[29-30]。參考Pirinsky和Wang的研究[27],本文以測量的公司股票收益率的本地市場貝塔值來度量本地股票價格聯動程度(L_beta),即在控制整體市場和相應行業的股票收益波動的基礎上,公司股票周收益率對注冊所在地的股票周收益指數分公司分年度回歸得到的回歸系數。具體模型如下:

(2)

本文構造如下回歸模型來檢驗城市新增股票風險警示信息對于同城其他企業的本地股票價格聯動程度的影響:

L_betait=γ0+γ1FD_cityit+γ2Controlsit+Year+Industry+εit

(3)

回歸結果如表4列(1)和列(2)所示,不論是否加入行業和年度固定效應,城市新增股票風險警示信息(FD_city)與同城其他企業的本地股價聯動程度(L_beta)的回歸系數均為正,且在1%的水平上顯著,這表明新增的股票風險警示信息會顯著增加同城其他企業的股價聯動性。股價聯動作為風險傳導的重要渠道和表現[31-32],說明散戶投資者尤其是本地散戶投資者會提高對同城其他企業后續投資的風險預期,因此大股東為維持已有狀況會主動降低掏空程度,從而驗證了假設1。

表4 作用渠道分析

為進一步檢驗作用渠道分析中市場情緒傳染渠道的存在性,本文借鑒何東良的研究方法[32],檢驗同城新增風險警示信息對非警示企業市場貝塔值(M_beta)的影響效應,如果股票風險警示信息對同城企業本地股價聯動程度的影響完全由同一城市內企業之間基本面的傳染效應驅動,那么在控制同城股票收益指數的基礎上,非警示企業與市場組合的價格聯動程度不應受到同城新增風險警示信息的顯著影響。因此,本文接著考察了同城新增風險警示信息對模型(2)中非警示企業與市場組合的股價聯動程度M_beta(即βMKT)的影響效應,回歸結果如表4列(3)所示,城市新增股票風險警示信息(FD_city)與同城非警示企業的市場貝塔值(M_beta)的回歸系數顯著為負,說明由于投資者的有限關注,當某一公司被實施風險警示后,同城企業的投資者會將注意力更多放在同城其他企業上,而減少對非同城企業的關注。因此城市新增的股票風險警示信息對同城其他企業的風險傳染不僅僅是由同一城市內企業之間基本面的傳染效應驅動,還存在市場情緒傳染渠道。

(四) 穩健性檢驗和內生性檢驗

1. 穩健性檢驗

為保證研究結果的可靠性,本文分別進行如下穩健性檢驗:(1)被解釋變量采用上市公司與其母公司或母公司控制的其他公司之間發生的關聯交易總額與總資產比值來度量。(2)被解釋變量借鑒楊俠和馬忠的研究[16],分別以上市公司與其母公司或母公司控制的其他公司之間發生的商品、資產、勞務、資金、擔保、股權以及債權債務類關聯交易總額與總資產比值和其自然對數來度量。(3)借鑒計方和劉星的研究[33],分別以上市公司與其母公司或母公司控制的其他公司之間發生的非公允關聯交易額與總資產比值和其自然對數來度量大股東掏空行為。(4)上文僅使用虛擬變量來度量城市內企業風險警示信息,而不同城市不同年度新增風險警示企業個數可能存在差異,以當年同城新增風險警示企業個數作為解釋變量重新檢驗。(5)股票風險警示公告一般在每年的4月30日之前公布,但也有個別風險警示公告在4月30日以后發布,為獲得更清潔的影響效應,本文去除4月30日以后發布的風險警示公告,重新度量同城內風險警示信息虛擬變量。(6)由于同一城市內的非警示企業受到同一個風險警示信息源的影響,相互之間可能具有相關性,為消除這種相關性的影響,本文利用城市層面的聚類標準誤重新估計回歸系數顯著性。(7)由于被警示企業的規模越大,同城非警示企業受到的風險傳染效應越大,因此采用城市每年新增風險警示企業的規模與各非警示企業的規模比值作為解釋變量重新檢驗,如果城市當年新增風險警示企業不止一個,則取規模最大的被警示企業作為計算基礎。以上穩健性檢驗結果均顯示解釋變量符號和顯著性仍符合預期。此外,本文還分別采用未來一期、未來兩期的大股東掏空程度作為被解釋變量重新檢驗,檢驗結果顯示:當被解釋變量采用未來一期的大股東掏空程度時,解釋變量符號和顯著性仍符合預期;當被解釋變量采用未來兩期的大股東掏空程度時,解釋變量符號依然為負,但不再顯著。

2. 內生性檢驗

為緩解遺漏變量導致的內生性問題,本文分別進行如下內生性檢驗:(1)借鑒孫潔等的方法[10],選擇上一年度同一城市是否出現首次虧損企業(Loss)作為城市風險警示信息(FD_city)的工具變量。據統計,樣本期內有79%的企業被風險警示的原因是連續兩年虧損,且同一城市內的企業的經營績效具有同步變化和相互傳染的特征[20,13]。因此城市風險警示信息與上一年度同一城市是否出現首次虧損企業有關。此外,首次虧損企業由于并不會被實施風險警示,因此就不具有本文所探討的信息公告溢出效應,同城企業的大股東掏空行為也就不會受上年度同一城市是否出現首次虧損企業的影響。弱工具變量檢驗結果也顯示本文選取的工具變量是合理的?；貧w結果表明,在控制了遺漏變量的潛在影響后,城市風險警示信息降低同城企業掏空程度的效應依然存在,進一步支持了假設H1。(2)由于城市經濟下滑既可能導致城市內企業被實施風險警示,又可能導致非警示企業大股東掏空上市公司、轉移中小股東財富,因此本文的研究結果可能反映遺漏城市整體經濟狀況變量導致的虛假相關。為緩解此種遺漏變量情境的混淆效應,本文分別計算城市每年新增風險警示企業占城市內上市公司總數的比例和每年風險警示企業存量總數占城市內上市公司總數的比例,用來代表城市經濟下滑程度。刪除城市每年新增風險警示企業占比大于等于0.01或每年風險警示企業存量總數占比大于等于0.01的樣本后,重新檢驗模型(1),回歸結果依然符合預期。(3)本文的研究結論也可能受到某些遺漏的隨機因素的干擾,為此,借鑒劉瑞明等的方法[34]進行安慰劑檢驗,在公司層面隨機生成處理組,并重復回歸500次,結果顯示以此構造的虛擬處理效應并不存在。(4)添加城市層面GDP規模和GDP增速控制變量,重新檢驗模型(1),回歸結果依然符合預期。(5)受到城市風險警示信息影響的企業與未受到城市風險警示信息影響的企業之間可能存在系統性的差異,為緩解這一問題導致的樣本選擇偏誤,本文采用傾向得分匹配法進行內生性檢驗。具體選擇控制變量和行業虛擬變量作為匹配變量,采用1∶1、最大距離為0.05的最近鄰匹配方法,由于跨期匹配可能導致匹配的樣本既有非同城樣本又有跨期的同城樣本,因此本文采用逐年從當年非同城樣本中匹配最鄰近公司的方法,并通過logit模型計算傾向得分。結果表明在消除了由協變量的系統性差異導致的研究結果偏誤后,本文的研究結論依然穩健。

五、 異質性檢驗

(一) 基本面狀況分組檢驗

由表3的基準回歸結果可知,在加入行業固定效應后,城市風險警示信息(FD_city)的回歸系數減少近50%,調整R2提高近25%,這表明不同行業的企業受到風險警示信息的同城傳染程度具有明顯差異。而由上文理論分析可知,風險警示信息的一個重要的同城傳染渠道是企業基本面傳染效應,因此,本文推測行業整體績效越好,所屬行業企業受到同城風險警示信息的影響越弱,反之,行業績效越差,所屬行業企業越容易受到同城被警示企業基本面的傳染。孫潔等發現市場競爭地位越低的企業由于獲利能力較差,越容易受到同行企業風險警示的傳染[10]。參考孫潔等的方法[10],本文采用行業勒納指數來度量行業整體績效,行業勒納指數是對個股勒納指數按照行業營業收入占比加權計算而來,其中個股勒納指數=(營業收入-營業成本-銷售費用-管理費用)/營業收入,因此行業勒納指數越高,代表行業整體績效越好,反之亦然。按照行業勒納指數的分年度均值將樣本劃分為行業勒納指數較高組(即行業績效較好組)和行業勒納指數較低組(即行業績效較差組),分別對模型(1)進行回歸檢驗,回歸結果如表5所示。在行業勒納指數較高組,城市風險警示信息(FD_city)的回歸系數絕對值很小,且未通過顯著性檢驗,在行業勒納指數較低組,城市風險警示信息(FD_city)的回歸系數絕對值與全樣本情景相比有明顯增加,且在1%的水平上顯著,似無相關性檢驗表明城市風險警示信息(FD_city)的系數組間差異在10%的水平上顯著。這表明行業績效越差,越容易受到同城風險警示企業的基本面傳染,從而進一步驗證了上述理論機制分析中的企業基本面傳染效應。

表5 行業勒納指數分組檢驗

此外,同一城市內的企業之間的基本面狀況也存在差異,自身基本面狀況越好的企業越不容易受到同城其他企業風險傳染的影響,反之亦然[9,13]。在檢驗同行業公司資本結構的同群效應時,陸蓉等也發現行業內跟隨者會受到行業領先公司資本結構的顯著影響,反之則不然[35]。參考陸蓉等的方法[35],本文基于城市層面將城市內公司分為領先公司和非領先公司,具體而言,分城市分年度按照城市營業收入占比(公司營業收入占城市內所有公司營業收入總和的比例)和公司規模將上市公司排序,排名前20%的公司視為城市領先公司,其余作為非領先公司。城市內領先公司由于城市營業收入占比較高或資產規模較大,自身抗風險能力較強,較少受到同城風險警示企業的影響,反之,非領先公司由于自身市場地位較低,更容易受到同城風險警示企業的傳染。將樣本分別按照城市營業收入占比和規模分為城市領先公司組和非領先公司組,分別對模型(1)進行回歸檢驗,回歸結果如表6所示,其中列(1)和列(2)為按照城市營業收入占比分組的檢驗結果,列(3)和列(4)為按照公司規模分組的檢驗結果。由列(1)和列(3)可知,在城市領先公司組,城市風險警示信息(FD_city)的回歸系數變為正數,絕對值較小且不顯著,由列(2)和列(4)可知,在城市非領先公司組,城市風險警示信息(FD_city)的回歸系數均在1%的水平上顯著,似無相關性檢驗也表明FD_city的組間系數差異均在10%的水平上顯著。這表明城市內的領先公司由于本身基本面狀況較好,較少受到同城風險警示企業的風險傳染,反之,非領先公司更容易受到同城風險警示企業的基本面傳染,進而更主動地降低大股東掏空程度,間接驗證了上述同城風險警示企業的基本面傳染渠道。

表6 城市領先公司與非領先公司分組檢驗

(二) 本地偏好程度分組檢驗

由上文理論分析可知,散戶投資者的本地偏好產生了以本地企業為目標投資組合的本地投資者群體,市場情緒傳染加速了風險警示信息在本地散戶投資者之間的傳播,從而更大程度提升了本地散戶投資者對本地企業的風險預期。但是,投資者的本地偏好程度在不同類型公司之間是有差別的,由于本地投資者的信息優勢在股票能見度較低的公司更能體現,因此投資者的本地偏好對于能見度較低的股票更為強烈,如Ivkovic等發現個人投資者本地投資的溢價隨著信息不對稱程度的增加而增加[24]。Huang等也發現個人投資者的本地偏好更傾向于低換手率的股票[25]。因此,股票能見度較低的公司由于受到本地散戶投資者的更多青睞,更容易受到同城風險警示信息的市場情緒傳染,從而其大股東掏空更易受到同城散戶投資者拋售壓力的抑制,反之亦然。參考Huang等的研究[25],本文選取以流通股為基數計算的日均換手率來衡量股票能見度,股票換手率越低,則股票能見度越低,反之則越高。按照日均換手率的分年度均值將樣本劃分為低能見度組(即日均換手率較低組)和高能見度組(即日均換手率較高組),分組對模型(1)進行回歸,回歸結果如表7列(1)和列(2)所示。在日均換手率較低組,城市風險警示信息(FD_city)的回歸系數在1%的水平上顯著為負,而在日均換手率較高組,FD_city的回歸系數絕對值明顯變小,且不再顯著,似無相關性檢驗也表明FD_city的系數組間差異在10%的水平上顯著。這表明本地偏好程度較高的股票更易受到同城風險警示信息的市場情緒傳染,進而提高本地投資者對其的風險預期,從而間接驗證了上述理論機制分析中的市場情緒傳染渠道。

表7 本地偏好程度分組檢驗

此外,散戶投資者的本地偏好程度還受到不同地區信息環境的影響,在信息不對稱較嚴重的地區,本地投資者的信息優勢更能體現出來,因此本地偏好的程度更甚,反之,在信息不對稱程度較低的地區,資本市場信息環境較好,本地投資者相對于非本地投資者并不具有明顯的信息優勢,且豐富的信息也分散了投資者的注意力[25],使得其投資者的本地偏好程度較輕。影響地區信息環境的一個重要因素是市場中介組織的發育程度和法治環境,因此本文參照王小魯等編制的“中介組織的發育與法律制度環境”指數[36]來衡量企業所在省份的信息環境,由于引用的法治環境指數只到2014年,因此參考慣例,2015—2019年的數據直接使用2014年的數據近似表示。按照省份層面法治環境指數的分年度均值將樣本劃分為信息環境較差組(即法治環境評分較低組)和信息環境較好組(即法治環境評分較高組),分組對模型(1)進行回歸,回歸結果如表7列(3)和列(4)所示。在法治環境評分較低組,城市風險警示信息(FD_city)的回歸系數在5%的水平上顯著為負,而在法治環境評分較高組,FD_city的回歸系數不再顯著,且絕對值明顯變小,似無相關性檢驗表明FD_city的系數組間差異在10%的水平上顯著。這表明在信息不對稱較嚴重的地區,由于較高的本地偏好程度,企業更容易受到同城風險警示信息的市場情緒傳染,從而使得被抬高的資本市場風險預期抑制了企業大股東掏空程度,進一步驗證了上述機制分析中的本地投資者市場情緒傳染渠道。

六、 結論性評述

由于信息具有顯著的外部性,因此上市公司風險警示信息不僅對其自身資本市場具有直接影響,而且對同城其他企業的資本市場也具有溢出效應,從而反作用于同城企業的各項財務政策。本文以2008—2019年被實施風險警示企業的同城企業為樣本,實證檢驗了風險警示信息對同城其他企業大股東掏空行為的影響效應及作用機理。研究結果表明,城市新增股票風險警示公告信息會抑制同城其他企業的大股東掏空程度。作用渠道分析表明,風險警示信息會通過同一城市企業之間的基本面傳染效應和本地散戶投資者的市場情緒傳染效應對同城其他企業的資本市場風險預期產生不利影響,大股東為減輕來自高風險預期的拋售壓力會降低掏空程度,以維護資本市場的相對平穩。異質性檢驗表明,當所在行業整體績效越好時或企業在所屬城市為領先公司時,企業受到風險警示企業基本面的風險傳染越小,因而風險警示信息對同城企業的大股東掏空程度影響越弱,反之則越強。此外,對于本地偏好程度較高的股票類別和地區,當同一城市有新增風險警示信息時,其他企業更易受到本地投資者的市場情緒傳染影響,因而風險警示信息對同城企業的大股東掏空程度影響更強,反之則更弱。

本文研究結論的啟示如下:首先,由于同一城市內的企業之間基本面的相關性或相似性,公司不良財務狀況的信息披露不僅對于企業自身是有用的定價信息,而且有利于提升同城其他企業的信息透明度,從而有利于中小股東對于大股東掏空進行監督。證券交易所針對財務異常企業發布的風險警示公告無疑會強化這一效應,因此交易所未來應繼續發揮好資本市場信息披露的補充和輔助功能,為投資者降低風險提供更多信息來源。其次,風險警示信息除了通過基本面傳染產生信息溢出效應,還可能通過投資者情緒產生傳染效應,由于投資者情緒對于資本市場是一把雙刃劍,因此證券監管機構應注意適當地引導投資者情緒,避免股票風險警示信息發布引起資本市場的過度波動。