监管邻近性与股价崩盘风险

郭阳生 沈烈 熊宇昊

一、引言

近年来，“监管”已然成为证券市场的主旋律。从欣泰电气因欺诈发行被强制退市，成为创业板退市第一股，到“厦门北八道集团”案件被开出55亿的史上最大罚单，史上“最严”到“最高”，监管风暴席卷了整个资本市场。2018年证监会作出行政处罚310件，罚没款金额106.41亿元，行政处罚决定数量、罚没款金额均创历史新高。中国资本市场已全面进入“严监管”时代。

与此同时，股价崩盘现象已成资本市场常态，其瞬间蒸发数以万计财富，时刻牵动市场投资者脆弱的神经，亦是监管层、社会公众以及学术界关注的焦点。对于资本市场的监管者来说，股价暴跌与其为保护投资者利益、稳定市场所做的努力有着非常直接的内在关联。地理经济学的兴盛引发了人们对经济活动主体所处空间维度的无限遐想，而地理位置与距离在公司财务活动中扮演非常重要的角色。已有研究表明，在互联网技术日趋发达，交通工具不断完善的今天，资本市场主体之间的地理距离依然影响了企业的投资、融资、股利分配等财务活动，影响了分析师预测、基金持股、资本资产定价等金融活动，也深刻作用于审计质量、审计收费、审计师独立性等领域。地理距离之所以对企业微观经济行为产生影响，其根源在于它是衡量利益相关者之间信息不对称程度的天然因素。在最近的一篇文献中，Kubick和Lockhart（2016）从美国证监会（SEC）与上市公司之间的距离视角，探讨了地理邻近性对股价崩盘风险的影响。我国资本市场主要有证监会、上交所、深交所三大监管中心。那么，基于中国资本市场现实情境，上司公司与监管中心的地理邻近性是否会影响股价崩盘风险？本文以2010～2019年沪深两市上市公司数据为初选样本，旨在为这方面的问题提供理论证据。本文的边际贡献主要表现在以下几个方面：（1）现有文献对股价崩盘成因的研究主要聚焦于公司外部治理机制（如机构投资者、分析师）和内部人动机，而忽略了市场主要的参与主体——监管机构，其对公司行为有着最重要的监督与处罚权。因此，有必要深入研究监管机构发挥的宏观治理作用。本文基于新经济地理学理论、组织边界理论，从监管邻近性角度考察上市公司股价崩盘风险影响因素，拓宽了该领域的研究视角。（2）以往研究从融资便利、税收优惠、代理成本等多角度检验了政治关联给公司带来的正面影响与消极作用，本文结论表明政治关联会降低监管效率，放大监管距离带来的负面效应，丰富了政治关联的经济后果文献。（3）近些年我国高速铁路持续大规模投资，其对资本市场主体微观行为的影响已成为学术界关注的热点，本文探讨了高铁开通对监管距离与公司股价崩盘风险之间关系的调节效应，验证了高铁建设具有正的外部效应，丰富了高铁经济学的研究。

二、文献回顾

2 0世 纪9 0年 代，C o o p e r和Kaplanis（1994）发现由于地缘优势，机构投资者更愿意购买本地股票，且对本地股票的投资能获得更多的超额回报。本土偏好理论（HomeBiasTheory）的提出引发了学术界对利益相关者之间地理距离的广泛探讨，现有研究主要集中在公司与投资者、银行、分析师、审计师之间。Malloy（2005）研究指出，分析师不太可能跟踪地处偏僻的上市公司，且分析师距离上市公司越近，作出的预测准确度越高。Kang和Kim（2008）探讨了地理位置对公司兼并收购的影响，研究发现，公司偏好收购与其地理距离较近的目标公司，信息不对称是造成这一倾向的主要原因。Agarwal和Hauswald（2010）考察了信贷市场上企业的借款行为，结果表明，地理邻近提高了银行获取公司异质信息的能力，缓解了信贷市场上的逆向选择与道德风险，因而距离银行越近的公司，越容易获得贷款。此外，地理距离影响了风险资本对企业的投资偏好，具体表现在风险资本对距离越远的公司投资时间越晚、投资金额越少，投资后参与治理的可能性越低（黄福广等，2014）。也有学者把地理经济学运用到审计和监管领域的研究。Kedia和Rajgopal（2011）通过研究公司与SEC办公区域地理距离，提出了“资源约束假说”与“知情差异犯罪假说”。研究结论表明对SEC执法活动有充分了解的公司不太可能发生违法行为，同时SEC受到时间、努力、预算执行等诸多资源限制，更可能调查邻近其办公区域的公司。因而，靠近SEC办公区域的公司不太可能重述其财务报表，违规行为更少。基于类似的理论逻辑，Defond等（2011）指出远离SEC办公区域的审计人员更可能损害自身独立性，对陷入财务困境的公司不太可能发表持续经营审计意见。Choi等（2012）从审计师-客户距离视角，研究发现地理邻近性降低了公司盈余操纵动机，提高了审计质量。刘文军（2014）则在发展中国家找到了相似的证据。

表1 主要变量定义表

表2 主要变量描述性统计

有效市场假说确立了现代资本市场理论的基础，但该假说是完美条件下的标准理论，并不能解释股价暴涨暴跌这类市场异象。Chen等（2001）指出股价崩盘风险的成因在于管理层基于个人机会主义，报喜不报忧，造成负面消息不断累积从而引发股价暴跌，并首次提出了度量股价崩盘风险的方法，成为探究公司层面股价暴跌风险的开端。Jin和Myers（2006）从信息不对称视角和代理理论两方面对股价崩盘风险形成机理作出了全面分析，阐述了“坏消息窖藏理论”，为研究公司层面的股价崩盘风险构建了理论基础。后来的研究表明，透明度不高的财务报告（Hutton等，2009）、高管股权激励（Kim等，2011b）、公司避税行为（Kim等，2011a）、分析师乐观倾向（许年行等，2012）、机构投资者持股（曹丰等，2015）会增加公司股价暴跌的可能性，而内部控制质量（叶康涛等，2015）、会计稳健性（Kim和Zhang，2016）、企业社会责任披露（宋献中等，2017）与股价崩盘风险负相关。

综合以上分析，公司地理区位特征与股价崩盘风险关系是一个实证命题。本文基于证券监管视角，深入探究地理因素对股价暴跌的影响。在证监会重典治乱、猛药去疴，依法、全面、从严监管背景下，回答这个问题具有重要的理论价值与战略意义。

表3 单变量分组分析

三、理论分析与假设提出

（一）监管距离与股价崩盘风险

公司层面的股价崩盘风险是某只个股收益出现极端负值的概率。现有文献对股价暴跌的理论解释强调关于现金流量和投资机会的管理层信息披露政策。这些解释的共同点都是经理人采取行动来隐瞒公司特有的负面信息，最终导致股价大幅下挫。我国上市公司信息披露政策主要由证监会制定与监督执行。近年来，证监会监管重心有所下移，放权给交易所，让其承担一线监管责任，增加了监管力量。尽管如此，公司管理人员对自己的信息披露政策和做法具有重大的自由裁量权。因此，在“坏消息窖藏理论”框架下，本文研究的核心问题是监管距离如何影响管理层的信息披露行为。

首先，“知情差异犯罪假说”（differentiallyinformedcriminalh ypothesis）认为，如果公司对监管部门的活动和正在进行的调查获取的信息不同，他们就会对被监管部门调查的概率和相应的处罚有不同的认知。经理人对监管部门执法感知差异将反映在违规倾向上。这种倾向差异很大程度上是由于对被发现、被处罚的真实概率缺乏了解。此外，管理层对因信息披露违规被监管部门调查的可能性有主观的估计。而日常社会交往对形成这些主观估计具有重要影响(Glaeser等，1996)。

与监管中心地理邻近让公司管理层获得未公开的证监会监管偏好方面的软信息越容易。这些信息包括决定调查的标准，以及证监会视激进的会计手段为财务欺诈的尺度等。监管部门执法偏好的信息本质上是敏感和含糊的。地理邻近特别有助于通过社会交往以及业务接触发现这些敏感而含糊的信息。换言之，在地理位置上接近监管中心的管理层更可能意识到他们在财务报告中还能挑战多高的极限。另外，地理邻近的公司还可能聘请了曾在监管部门工作的会计师和律师，他们熟悉监管机构执法偏好、了解执法尺度，因此不太可能采用激进的手段隐瞒或延迟披露负面消息。相反，远离监管中心的公司对违规被调查的概率估计不足，更有囤积坏消息的动机。

其次，“资源约束假说”（ConstrainedCopHypothesis）认为，由于受到时间、资源的限制，监管部门更有可能调查地理邻近的上市公司，以降低监督成本。SEC官员把到管辖区以外的地方执法视为影响监管资源有效配置的一个重要成本，SEC更可能调查接近办公区域的公司，因为其只需要较少的旅行时间和成本(GAO，2007)。换言之，远离监管中心的公司因信披违规被调查的概率相对较低。因此，管理层为了薪酬契约等私利主义而窖藏负面消息的动机也会更强。我国疆土广袤，放大了资源约束效应。

综合以上分析，经理人在信息披露具有自由裁量权条件下，对被监管部门问责的可能性有主观估计。那些认为信息披露违规受到执法概率很大的管理者不太可能遵循一个不对称的信息发布政策；那些认为监管部门官员由于距离太远而无法对他们的违规行为进行稽查，以及对监管部门执法软信息了解较少的管理人员，更有囤积负面信息的动机。因此，本文提出第一个假设：

H1：公司办公地所在城市与监管中心距离越远，股价崩盘风险越高。

（二）监管距离、政治关联与股价崩盘风险

欧美发达国家拥有比较成熟的资本市场，其中一个重要的原因是普通法系国家比其他法律渊源国家具有更完善、更有效的监管稽查体系，监管部门能够公正、独立、有效地惩罚上市公司各种违规行为。与西方发达国家相比，我国的资本市场还很年轻，缺乏有效执法的环境与土壤，监管机构在执法过程中可能会受到资源严重不足、政治干预和行业俘获等诸多因素影响，因而监管效果或许会大打折扣。Quintyn和Taylor（2002）明确提出，监管机构保持独立性是监管有效的前提条件，对监管机构进行政治干涉可能会阻碍风险识别，造成风险积累，延误监管起效，导致危机爆发等一系列后果。迄今为止，很少有文献直接证明政治干预与监管有效性的关系，但二者存在不容质疑的因果关系，监管独立性缺乏会导致监管宽容、监管寻租、监管腐败等一系列“监管失灵”问题。冯锐等（2017）指出监管稽查的执法力度能够有效降低上市公司投机行为，而这一结论是在控制了当地政府对上市公司利益诉求情况下实现的。

表4 监管距离与股价崩盘风险

监管机构的独立性是良好监管治理结构的核心内容。然而我国市场化改革制度背景下，经济分权的同时又伴随政治集权，晋升机制促使当地政府官员有强烈的内在动机保护当地上市公司、促进地方经济发展。尤其是国有上市公司，与地方政府具有很强的政治关联，在政府的庇护下，极易隐瞒企业负面消息、信息披露违规。对于监管者来说，考虑到监管的成本以及自身的效用，可能会选择性执法（郝旭光，2012），亦或进行政治考虑的宽容性监管，对那些有政治资源的公司，惩罚力度会较轻。可见，一个独立的监管机构或许能够确保监管游戏规则在很长一段时间里客观、公正的付诸实施，但是当政治家介入到监管过程中后，监管质量就很难保证。政治家的寻租行为带来了监管宽容、激励扭曲、道德风险以及逆向选择。相反，在那些没有政治关联的公司，监管效率可能会更高、效果可能会更好。因此，由于监管有效性不同，我们预测监管距离对股价崩盘风险的正向影响在拥有政治关联的公司更显著。

根据以上分析，本文提出第二个假设：

H2：相对于没有政治关联的公司而言，监管距离与股价崩盘风险的正向关系在拥有政治关联的公司更显著。

表5 监管距离、政治关联与股价崩盘风险

（三）监管距离、高铁与股价崩盘风险

高速铁路的开通变革了企业经营模式，显著提升了资本配置效率，使经济呈现新特征、新气象。Giroud和Mueller（2011）以美国航空公司开辟新航线这一事件探讨现代新型交通工具如何影响公司投资，发现新航线的开通有利于企业加大对偏远地区工厂的投资。Atack和Bateman（2014）的研究表明铁路干线增加后加快了信息流动，降低了银行业系统风险，提升了其运行效率。Hornung（2015）以普鲁士铁路线开通为研究对象，验证了交通基础设施能够显著提高经济主体之间信息沟通效率，推动经济增长。黄张凯和刘津宇（2016）考察了地理位置与高铁修建对资本市场IPO定价效率的影响，研究发现高铁开通加速了信息流动，弱化了地理距离对IPO定价的负面影响，提高了发行定价的合理性。可见，高铁的开通已深刻影响到各个领域，成为资本市场研究的重要变量。

一方面，我国的高速铁路迅猛发展，其规划已经从“四横四纵”上升到“八横八纵”，构建了一张高效便捷、区际互联互通的高速铁路网络，成为中国走向海外的名片，也为研究公司财务行为提供了天然的样本。高铁的修建，增强了人才跨地区流动、促进了信息跨边界快速传播。边界与地域已经不再是限制企业信息溢出的主要障碍，时空距离的缩短降低了显性信息与隐性信息的传递成本，很大程度上消弭了资本市场主体之间的信息不对称。因此，高铁开通有利于提升企业信息透明度，降低管理层隐瞒企业负面消息的可能性，缓解各个公司与监管部门之间的“知情差异”效应。另一方面，高铁的开通放大了“同城化”效应，形成了一系列城市群，无限拉近了公司与利益相关者之间的时空距离，使投资者、分析师、审计师可以便利地对上市公司进行实地调查，挖掘出未公开披露的异质信息。更为重要的是，高铁开通也为监管部门实地稽查上市公司提供了便利的条件，提高了监管部门与企业管理层、员工沟通的次数与效率，有利于监管部门及时发现公司的违规行为并进行查处。基于时间距离的缩短，新型交通工具降低了监管部门的监督成本，显著增强了监管部门的监督能力，弱化了监管机构的“资源约束”效应。

根据以上分析，本文提出第三个假设：

H3：公司办公地所在城市开通高铁以后，时间距离的缩短有助于弱化监管距离对股价崩盘带来的负面影响。

表6 监管距离、高铁与股价崩盘风险

四、研究设计

（一）样本选择与数据来源

本文以2010～2019年沪深两市非金融类上市公司作为初始样本，并对数据按以下原则进行处理：（1）剔除ST公司、财务数据不全以及政治关联无法明确判断的公司；（2）剔除年度交易周数少于30周的上市公司。经过以上处理，最终得到15882个公司——年度观测值。此外，我们对所有连续变量在1%和99%水平上进行Winsorize处理，并对所有回归的标准误差进行公司层面的Cluster处理。数据来源如下：（1）政治关联数据根据国泰安提供的人物特征、政治背景资料手工搜集整理得到。政治关联的判断标准是，如果公司高管（包括董事长和总经理）现在或曾经是政府官员、人大代表、政协委员等，我们认为该公司具有政治关联；（2）高铁站设置及开通时间从中国铁道部官网手工搜集整理得到；（3）其他财务数据来源于万得数据库（Wind）和国泰安数据库（CSMAR）。

（二）变量定义与计算

1.被解释变量。参照Hutton等（2009）、许年行等（2012）的研究，我们以个股负收益率偏态系数NCSKEWi，t和收益上下波动率DUVOLi，t来度量公司层面的股价崩盘风险，具体计算步骤如下：

（1）计算个股i经市场调整后的周回报率Wi，t：

其中，表示个股i在某一年度第t周的回报率，rm，t表示在该年度内第t周所有股票经流通市值加权后的平均回报率，我们从个股回报率中分离出市场回报率的部分，即得到残差εi，t，最后算出个股i经市场调整后的周回报率Wi，t=Ln1+εi，t。

（2）分别计算衡量股价崩盘风险的两个变量：

其中，nu和nd分别表示上升周和下降周的周数。和数值越大，表示个股暴跌的风险越大。

表7 监管距离与股价崩盘风险稳健性测试（一）

2.解释变量。Kubick和Lockhart（2016）以SEC总部和五大区域办公地作为监管中心，分别计算上市公司与这些办公区的地理距离，并以最近的距离作为监管距离的代理变量。根据我国资本市场情况，借鉴罗进辉等（2016）研究，本文以证监会总部、上交所、深交所作为最主要的监管中心，计算上市公司与三大监管中心距离，并以最近的距离作为监管距离的代理变量。我们结合上市公司办公地与三大监管中心的经纬度，采用Haversine模型衡量二者之间的实际距离（Distance）。其公式为：

其中，loni和lati表示上市公司办公所在地的经度与纬度；lonj和latj表示监管中心所在地的经度与纬度；arcsin为反余弦函数，sin表示正弦函数，cos表示余弦函数，R为赤道半径，取值6378.2公里。

此外，也有文献发现地理距离的影响并不是线性的，即只有当代理人位于距离阈值以内时，信息才会传播。在这个阈值以外，很少或根本没有信息传递。Malloy（2005）以100公里作为信息传递的阈值。参考其研究，我们设定了地理距离虚拟变量DumDIS，若公司与监管中心最近的距离大于100公里，取值为1；否则取值为0。

3.控制变量。借鉴现有文献，结合股价崩盘风险的影响因素，我们控制了以下变量：当期个股负收益率偏度（NCSKEW）、当期个股收益上下波动率（DUVOL）、股票年度周报酬率（RET）、月平均超额换手率（DTURN）、股票年度周特定报酬率的标准差（SIGMA）、资产负债率（LEV）、公司规模（SIZE）、经营业绩（ROA）、账面股东权益与市值比（BM）以及公司信息透明度（AbsACC）。另外，我国疆土广袤，各地区经济发展不均衡，我们控制了市场化进程（Market）。主要变量的定义列示在表1中：

（三）研究模型

为检验假设H1，我们构建了以下研究模型：

其中，CrashRiski，t+1为反映股价崩盘风险的两个指标，Xi，t为一系列控制变量；回归系数β1是重点关注的对象，我们预计β1＞0，即监管距离越远，股价崩盘风险越高。

为检验假设H2，我们在模型（5）的基础上加入政治关联变量（PC）与监管距离的交乘项，具体形式如下：

若β3＞0，则表明监管距离与股价崩盘风险的正向关系在具有政治关联的公司更显著。

为检验假设H3，借鉴黄张凯等（2016）的研究设计，我们在模型（5）的基础上加入高铁开通虚拟变量（CRH）与监管距离的交乘项，具体形式如下：

表8 监管距离与股价崩盘风险稳健性测试（二）、（三）

其中，β3度量了公司所在城市高铁开通对监管距离与股价崩盘风险关系的影响。如果β3＞0，则高铁开通促进了监管距离对股价崩盘风险的负面效应；如果β3＜0，则高铁开通抑制了监管距离对股价崩盘风险的负面效应。

五、实证分析

（一）描述性统计

1.描述性统计。表2列示了主要变量的描述性统计。从股价崩盘风险来看，两个指标NCSKEWt+1、DUVOLt+1均值分别为-0.316和-0.173，与现有文献的结果较为接近，标准差分别为0.812和0.404，说明在我们的样本里，各公司股价崩盘风险差异比较大；从监管距离来看，DIS均值为5.517，即上市公司与监管中心的实际距离均值约为248.89公里，DumDIS均值为0.563，说明约有56%的公司与监管中心距离在100公里以外；从政治关联来看，大约52.8%的上市公司拥有政治资源；从其他控制变量来看，取值均在合理范围之内。

2.单变量分析。表3列示了以监管距离虚拟变量（DumDIS）分组的单变量分析。从表中可以看出，股价崩盘风险指标均值T检验以及中位数Wilcoxon检验结果都在1%水平显著为负，说明与监管中心距离大于100公里的上市公司，有更大的股价暴跌风险，初步证明了假设H1，远离监管中心的公司更倾向于隐瞒坏消息，当最终披露时，会引起股价强烈的负面反应。单变量分析并没有考虑公司的其他重要特征，这些特征可能会解释我们观察到的差异。因此，我们将在多元分析中对其他因素进行控制。

（二）多元回归分析

1.监管距离与股价崩盘风险。表4为假设H1的检验结果。第（1）（2）列是监管距离连续变量与股价崩盘风险进行回归，结果均在1%统计水平上显著。具体来看，第（1）列回归系数为0.01，表明上市公司与监管中心距离每增加10%，股价崩盘风险提高0.1%；第（2）列回归系数为0.005，表明上市公司与监管中心距离每增加10%，股价崩盘风险提高0.05%。第（3）（4）列是监管距离虚拟变量与股价崩盘风险进行回归，结果也都在1%统计水平上显著。回归系数分别为0.06、0.027，表明比起100公里以内的上市公司，100公里以外的上市公司股价崩盘风险平均高出0.6%和0.27%。这些结果均表明上市公司与监管中心距离越远，股价崩盘风险越高，再次证明了假设H1。尽管互联网科技以及现代交通工具缩短了企业与利益相关者之间的距离，但地理因素所造成的信息不对称却不可能彻底消弭。一方面，接近监管中心的公司拥有更多监管部门执法活动与偏好的信息，更能准确预测违规行为的成本，因而不太可能隐瞒坏消息；另一方面，与监管中心邻近的公司更可能受到资源约束的监管机构调查，亦会降低管理层囤积负面消息动机。基于理论与实证分析，印证了监管距离与股价崩盘风险的正向关系，这一结论亦符合地理经济学中的“距离衰减规律”。

与监管中心地理邻近让公司管理层获得未公开的证监会监管偏好方面的软信息越容易。这些信息包括决定调查的标准，以及证监会视激进的会计手段为财务欺诈的尺度等。监管部门执法偏好的信息本质上是敏感和含糊的。地理邻近特别有助于通过社会交往以及业务接触发现这些敏感而含糊的信息。换言之，在地理位置上接近监管中心的管理层更可能意识到他们在财务报告中还能挑战多高的极限。

从控制变量方面来看，个股年度收益率（RET）、年度周特有收益率的标准（SIGMA）、资产收益率（ROA）、账市比（BM）与股价崩盘风险正相关；去趋势的股票换手（DTURN）、公司规模（SIZE）股价崩盘风险负相关，这些结果与许年行（2012）、Kubick和Lockhart（2016）等人的结论基本一致。

2.监管距离、政治关联与股价崩盘风险。表5为假设H2的检验结果。从表中可以看出，第（1）（2）列监管距离连续变量与政治关联的交乘项DIS_PC回归系数分别为0.046和0.043，均在1%水平上显著；第（3）（4）列交乘项回归系数分别为0.042和0.022，均在5%水平上显著。说明比起没有政治关联的公司，监管距离与股价崩盘风险的关系在具有政治关联的公司更显著，证明了假设H2。事实上，良好的监管环境是实现有效监管的前提条件。上市公司政治资源的存在可能会践踏监管行为，削弱监管力度。缺乏独立性的监管者可能会被上市公司以及政府的意志所左右，最终导致监管失灵。因此政治关联的存在，会纵容公司管理层隐藏或延迟披露负面消息，从而加剧监管距离的负面效应，增加公司股价暴跌的可能性。

3.监管距离、高铁与股价崩盘风险。表6为假设H3的检验结果。从表中可以看出，第（1）～（4）列CRH回归系数都在1%水平上显著为负，表明公司所在地开通高铁以后，能够显著降低股价崩盘风险。第（1）（2）列监管距离连续变量与高铁开通变量的交乘项DIS_CRH回归系数分别为-0.004和-0.008，均在5%水平上显著；第（3）（4）列交乘项回归系数分别为-0.081和-0.072，在1%水平上显著。说明公司所在地开通高铁以后，时间距离的缩短有助于弱化监管距离对股价崩盘造成的负面影响，验证了假设H3。基于现代新型交通工具——高铁的运行，有利于市场经济主体之间信息的传递与沟通，提升了信息效率、缓解了信息不对称程度，同时也降低了监管成本，因此，高铁的开通一定程度上消弭了地理距离带来的负面效应。

六、稳健性检验

为保证本文结论的可靠性，我们从以下几个方面进行了稳健性测试：

1.公司固定效应。由于存在某些不可观测且不随时间变化的异质性，如企业文化、基础技术等，这些因素可能与监管距离、股价崩盘风险均有关系，从而会解释本文的结论，因此我们使用固定效应模型重新进行估计，以排除这种可能，回归结果见表7。从表中可以看出，第（1）～（4）列监管距离变量DIS、DumDIS的回归系数均在1%水平上显著，说明本文研究结论并不是因为遗漏了公司内在不随时间改变的因素导致。

2.替换核心测度指标。借鉴Hutton等（2009）的研究，本文用虚拟变量CRASH作为股价崩盘风险的另一测度指标。CRASH的取值根据以下模型进行判断：

其中，Average（Wi，t）为公司i特定周收益率的年平均值，σi为公司i特定周收益率的标准差。如果某一年度内，公司特定周收益率一次或数次使不等式（8）成立，则表示公司股票在该年内发生过暴跌，CRASH取值为1，否则取值为0。根据CRASH取值，运用logit模型进行回归，结果见表8第（1）（2）列。从表中可见，监管距离变量DIS、DumDIS的回归系数都在1%水平上显著，主要结论并未发生改变。

3.剔除北京、上海、深圳三大城市样本。我国幅员辽阔，地区之间发展不平衡，中心城市与非中心城市之间金融资源、商务环境、人力资本、社会关系差异悬殊，很多金融机构、中介机构、政府部门以及各类高素质人才都聚集于中心城市。这种集聚效应产生了正的外部性，可能会使本文的结论带来偏误。因此，我们剔除办公地位于北京、上海、深圳三大城市的公司，重新回归，结果如表8第（3）～（6）列。在剔除了三大中心城市的样本以后，监管距离变量DIS、DumDIS的回归系数均在5%水平上显著，主要结论依然保持不变。

七、研究结论与启示

2016年两会期间，证监会负责人在公开讲话中表示，证监会的首要任务就是监管，依法监管，从严监管，全面监管，只有监管才能保证改革的措施顺利实施。近年来因重大信息披露违规或财务造假而退市的欣泰电气、康得新等案例，无不释放了证监会以监管为首任、从严监管的信号。在重典治乱、猛药去疴，依法全面从严监管的背景下，探讨监管机构的微观治理作用既呼应了现实诉求，亦是对股价崩盘风险影响因素研究的贡献。本文基于知情差异犯罪假说、资源约束假说，检验了监管距离对股价崩盘风险的影响，并考察了政治关联和高铁开通对二者关系的调节作用。实证结果表明，公司越远离监管中心，股价崩盘风险会越高。这种地理距离产生的负面效应在具有政治关联的公司组中更显著，但新型交通工具的开通一定程度上能够弱化其消极影响。通过控制公司固定效应、更换核心测度指标、剔除部分样本等稳健性测试，结论依然不变。

为强化监管职能、提升监管效率、更好地保护投资者利益，我们提出以下几点建议：（1）本文结论表明有效的监管最好在当地层面完成，而地理距离可能限制执法工作，这为政府部门提供有益启示，由于信息不对称以及沟通成本增加，尤其要强化对偏远地区上市公司的行为监督。（2）监管中心应加强与派出机构及地方其他监管部门的紧密沟通与合作，充分发挥地方监管部门所具有的资源优势与信息优势，以弥补地理距离带来的负面影响。（3）为降低监管机构在执法过程中可能出现的政治干预，首先要在制度设计上确保执法的独立性，其次监管人员在履行职责过程中应受到法律保护，不至于因其业务活动而受到个人诉讼。监管机构自身在业务运作中也应保持审慎监管原则，否则将会丧失发挥有效监督所必须的道德威望与可信度，从而为不良市场行为、道德风险，最终是金融风险打开便利之门。