股权联结、网络位置与金融业市场稳定

强皓凡

复旦大学 经济学院，上海 200433

章君瑶

江西财经大学 会计学院，江西 南昌 330013

陈祺昌

中国建筑第五工程局，安徽 合肥 230051

肖康康

湖南省委党校，湖南 长沙 410006

一、引言

防范金融业风险是永恒的主题。随着中国金融业规模的不断扩大，如何保证金融市场安全稳定，对新常态下中国经济的良性发展有重大意义。目前，金融风险防控已成为中国金融工作的三大任务之一。中共十九大以来，中央更是屡次强调要“健全金融监管体系，守住不发生系统性金融风险的底线”，“要抓住防范金融风险这个重点，推动金融业高质量发展”，维护金融稳定发展成为经济工作的重中之重。

究其原因，是因为金融机构作为金融市场的重要组成部分，在维护经济稳定、促进实体经济发展中发挥了重要作用；而一旦金融机构股价崩盘或倒闭，将对上下游关联机构造成严重冲击，甚至导致市场全线下跌（周边等，2020［1］）。这是因为，随着现代金融业不断发展，金融机构间彼此关联通过各种纽带不断加强。如果一家金融机构发生危机，其个体风险会沿股权债权等关系传递并迅速波及至其他金融机构，使个体风险迅速扩散为集体风险，甚至对整个金融系统造成破坏，对经济稳定和社会秩序形成冲击。如2016年9月，德意志银行股价较年初下跌超35%，德国第二大银行德商银行紧接其后出现崩盘，后逐渐演变为欧洲范围的股灾。而在中国，2019年5月的包商银行事件中，以银行股为首的金融机构股价全面下挫，中小银行与非银金融机构流动性接连受到冲击，随后又波及至同业市场、回购市场与债券市场。因此，确保金融机构股价稳定的重要性不言而喻。

然而，现有关于金融机构稳定性的研究，多集中于金融机构风险传播（杨子晖等，2018［2］）和系统重要性（李政等，2019［3］）两个方面，专门针对金融机构股价崩盘风险的研究很少。考虑到股价崩盘作为一种极端市场反应，会对资本市场形成非常恶劣的冲击——在宏观层面，会引发股票市场剧烈震荡，影响资本市场健康发展，同时造成资源错配；在微观层面，会对投资者信心和财富造成显著负面影响。因此，了解金融机构股价崩盘风险的影响因素对金融形势稳定与证券市场发展有重要意义；股票价格崩盘、股市暴涨暴跌，是度量和影响金融市场（资本市场）稳定的典型方面和核心要素（彭俞超等，2018［4］；张路等，2021［5］）。目前，学者们主要从管理层行为与动机等方面入手研究股价崩盘风险，而近来学界开始注意到股权结构对股价崩盘风险的影响，如王化成等（2015）［6］、谢德仁等（2016）［7］、和姜付秀等（2018）［8］。但是，从股东持股角度进行股价崩盘风险的研究还很有限，特别是缺乏在金融机构互联互通大背景下从股权网络角度对股价崩盘进行系统深入研究。而现实是，股权联结，即金融机构经相同股东产生联系的现象在全球金融市场非常普遍。这种股权联结的存在让金融机构间形成复杂的网络关系，信息在有联结机构间传递更为快捷和准确。具体来说，在股权联结网络中，有的金融机构直接发生联系，有的则需要通过其他“中介”才能发生联系；机构间联结的路径可能不止一种，有的位于联结路径上的次数较其他公司更多；随着时间变化，整个网络的密度和分布特征也会变动。诸如此类的现象，其实质都是金融机构在网络中位置的变动，而位置变动会改变其信息传递效用，进而影响股价崩盘风险。尤其对金融机构而言，这种效应较非金融企业更为突出，因为与后者相比，金融机构股价对消息的敏感度更高，受负面消息的影响更大（于渤和高印朝，2005［9］）。特别是近年来金融机构间股权联结数量随时间显著递增，整个网络逐渐由稀疏演化为高度密集状态，加之近年来中国监管层频频就整治金融机构股权问题发声，因此，研究金融机构间股权联结关系对其股价崩盘风险的影响具有重要意义。

本文选取2007年第1季度至2019年第4季度共107家上市金融机构，从股权结构视角出发，系统研究股权联结网络内机构所处网络位置对股价崩盘风险的影响。本文可能的贡献在于：第一，研究角度的创新。现有股价崩盘风险的研究多集中于非金融上市企业，而金融机构受负面消息影响导致股价崩盘的风险更高，鲜有文献专门关注金融机构，本文以金融机构股价崩盘风险为研究对象，具有鲜明的现实意义。第二，研究方法的创新。本文与现有研究多采用的股价收益率相关性来建立金融机构联结网络不同，是在金融机构联结越发紧密的大背景下基于股权联结关系构建了一个加权无向复杂网络，丰富了上市企业复杂网络的搭建与研究方法。第三，研究内容的创新。本文详细梳理并检验了股权联结网络对金融机构股价崩盘风险产生作用的可能渠道，同时创新地计算了社团崩盘风险，研究了股权联结网络对其所属社团崩盘风险的溢出效应；并在此基础上考察了体现政府意志的“国家队”会对金融机构股权联结网络的崩盘抑制效应与溢出效应造成何种影响，提供了一种对股灾治理效果的不同视角诠释。

二、理论机制与研究假说

信息是研究股价崩盘风险成因的核心出发点。管理层出于自利心理，为维护自身声誉、保住职位、晋升等考虑而隐藏负面信息，随着这些消息的不断积累，最终将在某刻集中释放，导致股价崩盘。与以私人关系为纽带的董事或高管网络相比，以股权为利益纽带的网络会形成更强的捆绑关系。同时持有多家金融机构股票所形成的股权联结关系为金融机构间信息交流提供了重要渠道——通过股权联结的机构间信息交流传递更为迅速便利，使其突破固有的信息搜寻路径依赖，提升定价效率；且这种股权上的紧密联系有助于“联盟集团”的形成，彼此间共享各种资源和内幕信息的成本更低。已有研究表明，节点在网络中发挥的中介作用越大、越处于中心位置，其可用于信息互通的对象就越多，从而可在更大范围内捕获资源与收集信息，其对资源和信息的获取力与控制力就越强（陈运森和谢德仁，2011［10］）。此外，中心节点更易获取异质性信息，可以提供给信息掌控者以新的情报和视角，提升其信息综合利用率（Hasbrouck，1995［11］）。

由此可见，金融机构越位于股权联结网络中心位置，越会有更多信息传递渠道和更高信息强度，但其可能将这种优势运用于截然相反的方向：一方面，可能用于提升自身治理水平与缓解信息不对称，从而降低股价崩盘风险；另一方面，可能出于自利动机而更多地对信息进行粉饰或隐瞒，从而加剧股价崩盘风险。

从治理动机的视角看，这主要与金融机构的特殊性与其背后政府的强监管有关。金融机构的业务对象主要是社会公众，其经营发展与公众信任度的高低密不可分，公众性特点鲜明。相对而言，金融业垄断特征较为明显，市场机制无法完全发挥作用，因此往往需要政府对金融机构进行有效监管，以调节垄断性带来的市场相对失灵现象，减轻信息不对称造成的评价与监督困难，达到保护公众利益的目的。在中国，金融机构往往受国资委等政府机构严格监管，其管理层往往受上级严格约束和经济稳定目标制约，政府参与其中会对金融机构管理层在经营投资决策、内部控制、财务报告等各方面隐藏负面信息的动机进行强力监督，促进负面信息及时释放（陈骏和徐捍军，2019［12］）。从治理能力的视角看，机构间信息共享行为在市场中广泛存在，这在很多情况下是持股机构实现自身利益最大化的理性选择，因为其将有价值的私有信息进行分享后可得到有价值的反馈。一方面，其他机构的反应可作为检验该信息真实价值含量的信号，其他机构也往往会提供新信息作为回报（Crawford et al.，2017［13］）。因此，位于网络中心的金融机构在与投资者交流和市场运作中积累了大量风险识别与控制经验，通过彼此间的信息共享行为，可以更多地挖掘、了解、传递和处理其他机构的盈余管理、税收规避、不合理薪酬契约、资金占用、关联交易、信息隐蔽等操纵手段，提高自身发现代理问题的概率，进而遏制管理层（更强监督效应）和大股东（更少掏空效应）可能的机会主义行为，降低股价崩盘风险（陈运森和谢德仁，2012［14］）。另一方面，股权联结网络也不利于信息隐瞒，因为一旦出现负面信息便会迅速在网络中传播扩散，管理层难以对其进行隐蔽；且位于网络中心的机构会更加在意“同道中人”的评价，从而更有动机去监督管理层与大股东，缓解代理冲突。

从信息流通的视角看，股权联结网络为金融机构降低信息不对称提供了一种良好的渠道。一方面，中国资本市场信息披露制度尚未成熟，许多金融行业发展建设中的重要信息，特别是不易量化和传递的软信息从外部难以获取（尹筑嘉等，2018［15］）。而股权联结网络可以帮助节点间传递与经营投资项目有关的国家政策、法律法规、市场动态和监管变化等信息，以及同产业技术更新动态、竞争者经营状况等私有信息，让金融机构有足够信息来识别市场潜在风险，同时降低信息搜索成本，从而可以更快地调整战略规划（如金融机构可利用自身信息优势，回避信用风险或贷款证券违约风险，避免其对股价的冲击等）。且网络内信息扩散有助于提高信息异质性水平，及时纠正自身认知偏差，减少因信息堆积或泡沫膨胀而导致崩盘的概率（郭白滢和李瑾，2019［16］）。因此，股权联结网络有助于降低内外信息不对称程度，进而缓解股价崩盘风险。另一方面，股权联结网络存在类似“商誉”效应，网络中心位置机构有较高地位与声望，但也面临潜在的巨大声誉成本，若其主动违约，声誉损失会通过其所处的核心网络位置传染至不同的股权关联方，导致多种社会资本的损失（Kang et al.，2018［17］）。尤其是在当下金融机构联结越发紧密和互联网高速发展的背景下，风险冲击力量和公众愤怒成本上升，监管机构、媒体和公众对金融机构的批评甚至惩罚会给其带来极大的声誉损失，这一潜在成本可能迫使金融机构更多将其信息优势用于促进自身良性发展。因此，中心位置的金融机构有激励去维护自身的股东网络形象，降低了道德风险发生的可能性。基于以上分析，本文提出假说1a。

H1a：金融机构越是位于股权联结网络的中心，其股价崩盘风险越低，股权联结网络具有崩盘抑制效应。

然而，出于自利心理，当一家金融机构信息能被其他金融机构所掌握时，内部信息特别是不利消息通过股权联结网络扩散后，可能引发其他关联金融机构大量抛售，加大崩盘风险。如大股东倾向于同时买卖股票，该类行为导致坏消息更快在股票价格上反映出来，从而加剧崩盘，且这种效应会因外部投资者羊群效应等进一步加剧。这是因为，出于安全或保护客户信息需要，金融机构信息披露度不高，金融机构和中小投资者间存在严重信息不对称，外部投资者无从了解金融机构内部真实运营境况，难以对金融机构风险和业绩做出准确判断。这种情况下，少量细微信息都可能让恐惧在投资者间蔓延，进一步加剧他们的非理性投资行为（Gennotte and Leland，1990［18］）。如Marin and Oliver（2008）［19］认为，股价崩盘是因为内部人抛售股票后，外部投资者认为抛售行为是基于对内幕信息的了解，但因为他们无法获知内幕信息的具体内容，以致不确定性进一步升高，引发市场上中小投资者的跟风操作，导致该股票交易环境进一步混乱，从而加剧崩盘风险。吴战篪等（2015）［20］认为，内部人抛售行为会加剧内部人利益和外部投资者利益的分离程度，导致外部投资者压低股价以寻求风险补偿。内部人集体抛售行为引发不确定性上升，会打破投资者一致预期、引起机构投资者调仓，反而加大了股价崩盘风险。更有甚者，处于网络中心的金融机构股东可能通过资金转移、关联交易等手段合谋攫取控制权私利，导致更严重的掏空现象，恶化崩盘风险（Azar et al.，2018）［21］。基于上述分析，本文提出如下对立假说。

H1b：金融机构越是位于股权联结网络的中心，其股价崩盘风险越高，股权联结网络具有崩盘恶化效应。

三、研究设计

（一）样本选择与数据来源

考虑到中国金融机构上市时间差异较大，为尽可能纳入更多机构、覆盖更长时间，本文将样本时间设置为2007年第1季度至2019年第4季度，涵盖银行业（货币金融服务）、证券业（资本市场服务）、保险业和多元金融业4个细分行业，共107家机构。财务变量与股权数据来自CSMAR数据库，宏观经济变量来自国家统计局，并进行上下1%缩尾。

（二）股权联结网络构建

本文定义股权联结为两家金融机构是否有相同股东，若二者被同一或相同的多个股东持有，则认为存在股权联结关系。本文对股东名称进行预处理，将简称形式以全称代替，并将国内外股东分别以中文全称和英文全称代替。特别地，金融机构股东中存在部分股东为基金公司、保险公司、资产管理计划、信托产品、银行及社保机构发行基金等，本文逐一查找产品所属公司，将实际管理该产品的公司作为对应股东进行替换。整理得到股权联结关系后，以金融机构作节点，股权联结关系作边，搭建起一个加权无向网络。具体有五步。

第一步，根据股权结构数据，算得前十大股东对每一金融机构持股金额。根据各股东持股数与股价，可得其持有该金融机构股票总市值，进而得到各季度资金矩阵。如式（1）所示，A矩阵中的行表示各金融机构，列表示各金融机构前十大流通股东。

第二步，根据降模方法，将网络转化为一模关系网络，即由资金矩阵A计算得到关系矩阵B＝A*AT。处理后，B的行和列分别对应该季度样本中的金融机构。若B中某元素bij≠0，则二者间存在股权联结关系。同时，因不存在自持股，将对角线元素替换为0。

第三步，将关系矩阵B转化得到关系矩阵C。若C矩阵元素数值为1，则对应的两家金融机构存在股权联结关系，若元素值为0，则不存在股权联结关系。

第四步，考虑到持股数量与股权价值的差异性，同一股东对其所持有股票的不同金融机构的影响能力会有很大差异，因此对A矩阵中各元素aij进行标准化处理，得到由sij组成的标准化资金矩阵S，利用欧氏距离计算各金融机构间的“距离”，得到权重矩阵D。

第五步，根据关系矩阵C和权重矩阵D计算得到股权联结矩阵E。该网络为加权无向网络，既能反映金融机构间的股权联结关系，还能借由距离反映网络内的信息传递情况。

（三）关键变量选取与测度

1.股价崩盘风险。借鉴Kim et al.（2011）［22］、许年行等（2013）［23］、周边等（2020）、朱孟楠等（2020）［24］的研究，本文选用负收益偏态系数（NCSKEW）和涨跌波动比（DUVOL）作为金融机构股价崩盘风险的代理指标。

2.网络位置指标选取。如何度量金融机构在股权联结网络中所处的位置进而反映信息势差，是本文的关键。度中心度是最简单直接的方法，其用于计算网络中与每个节点的联结数，但其忽略了节点间信息传播的距离，故无法真实全面度量网络位置。为弥补这一缺陷，本文参考朱孟楠等（2020）、陈胜蓝和李璟（2021）［25］的研究，选取特征向量中心度（Eigenvector）为核心解释变量，因其能更有效反映节点在信息传递过程中不同程度的影响力；并在后文取邻近中心度（Closeness）和流中心度（Flowbet）稳健性检验。节点i在时点t的特征向量中心度定义如下：

其中，Nt为网络中节点总数；λ为邻接矩阵Ei，j，t的最大特征值。特征向量中心度取决于网络中其他节点的重要性，如果节点机构i越处于股权联结网络的核心地位，越能有效发挥信息获取、传导与传播的桥梁作用，那么其特征向量中心度越大。

稳健性检验方面，邻近中心度（Closeness）计算的是网络中节点机构i与其他机构之间距离的反比，而距离定义为两机构之间最短距离步数。即如果一个节点机构i距离其他节点越近，则其获取与传播信息时就越不需要依赖他人，从而效率更高。而流中心度（Flowbet）假定节点会运用所有可达路径去与另一目标节点实现联结，不只是通过最短路径，同时根据路径长度按比重赋值计算得出指标。节点位于联结路径上的次数越多，则其流中心度越大，在网络信息传播中能发挥更大作用，更广泛地获取和传递信息。

（四）模型设定

参考周边等（2020）和朱孟楠等（2020），本文设定基准回归模型（9）：

其中，i代表第i家金融机构，t代表第t个季度。Crashriski，t+1是金融机构i在第t+1期的股价崩盘风险，本文以NCSKEWi，t+1和DUVOLi，t+1度量。Locationi，t为股权联结网络中的网络位置指标，本文取特征向量中心度（Eigenvector）为核心解释变量，并取邻近中心度（Closeness）和流中心度（FlowBet）稳健性检验。

X’i，t是一系列金融机构层面的控制变量，本文参考已有研究（Kim et al.，2011；许年行等，2013；朱孟楠等，2020），选择周收益平均值（Ret）、周收益标准差（Sigma）、超额换手率（Dturn）、企业规模（Size）、市场价值（Q）、总资产收益率（ROA）、资产负债率（Lev）、第一大股东持股比例（Top）、两职合一（Dual）和产权性质（State）。

考虑到金融机构的特殊性，为避免遗漏变量问题，本文引入Z’t，即一系列宏观层面的控制变量，包括GDP季度增长率（GDPR）、货币供应量增长率（M2）、银行间拆借利率（CHIBOR）、工业企业生产价格指数（PPI）、人民币有效汇率指数（EERI）和资本市场投资者情绪（SENT），分别用以控制经济生产形势、货币政策、通货膨胀、国际金融形势和市场非理性因素对金融机构股价崩盘风险的影响。其中，对资本市场投资者情绪的计算，本文引入上期和当期的封闭型基金折价率、市场换手率、新股上市数量、新股上市首日收益、市场新增开户数、市盈率、投资者信心指数共14个情绪代理指标，通过主成分分析法提取7个源指标，并进一步控制理性预期，将源指标分别与工业增加值、CPI、宏观经济景气先行指数进行回归，得到残差序列并再次进行主成分分析，得到最终的投资者情绪变量（SENT）。

考虑到核心解释变量在企业层面具有变异性和时间层面的不可观测异质性，本文控制个体固定效应（λi）和季节固定效应（λq），εi，t为误差项。表1给出了各变量基本统计性质。为避免金融机构层面的聚集效应对标准误的影响，本文在个体层面进行了聚类处理。

表1 描述性统计

续表1

四、研究结果与分析

（一）中国金融机构股权联结网络的动态演化特征分析

本文以2010年第2季度、2015年第2季度、2015年第4季度和2019年第4季度四个时点为例，绘制中国金融机构股权联结网络（图1），以金融机构为节点，股权联结关系为边，加权度越大则节点标签越大，权重越大则连边颜色越深。由图1可见，中国金融机构间存在广泛的股权联结关系，而不同金融机构的网络位置（信息势差与重要性）则存在明显差异。金融机构间股权联结数量随时间呈明显的递增趋势，整个网络逐渐由稀疏演化为高度密集状态。

①如需更清晰的彩色图片，可向作者索取。

进一步，本文绘出各季度金融机构股权联结网络的聚类系数、密度、平均路径长度和度数等拓扑指标的时变曲线②聚类系数为网络中所有节点的聚类系数的平均值，反映网络的紧密程度；网络密度是网络中实际边数与理论最大边数的比，用于刻画网络中节点间相互连边的密集程度或稀疏性；平均路径长度等于任意两个节点间距离的平均值，越小则网络越紧密。。从图2左来看，可大致分为五个阶段。五个阶段的交界点分别为2008Q4、2010Q2、2014Q2和2015Q3。在第一、第三阶段中，聚类系数和网络密度呈下降趋势，平均路径长度呈上升趋势，金融机构间股权联动性减弱；而第二、第四阶段中，三者走势与第一、第三阶段截然相反，金融机构间股权联动性加强。而自第五阶段以来，聚类系数和网络密度保持高位而平均路径长度保持低位，说明金融机构间股权联动性进入“常态化”的稠密期。图2右列示了全网络和四个子行业的度数变化，阶段化特征与左图基本一致。分行业来看，银行业与金融机构的股权联结较其他子行业更为紧密；证券业在2014年前和金融机构的股权联结程度不高，2014年后其与金融机构联结的紧密性明显上升；多元金融业和金融机构的股权联结程度则始终处于相对较低水平。

引人注目的一点是，2015年第3季度前后中国金融机构股权联结网络密度发生了显著变化，究其原因，是因为彼时股灾中政府引入了部分“国家队”股东，如汇金公司、证金公司等。这些“国家队”为稳定市场、调控股市，购买了大量上市金融机构股票，导致股权联结关系大幅变化。由此可见，后续研究时有必要就“国家队”的影响加以分析。

（二）基准回归结果

基准回归结果见表2第（1）～（2）列，特征向量中心度（Eigenvector）在1%水平显著为负。说明在股权联结网络中，越是位于中心位置的金融机构，其股价崩盘风险越低，假说H1a得证。在这一基础上，为进一步减少因样本自选择而可能引起的统计结果偏误，本文参考采用Bootstrap自抽样法进行参数估计，通过对原始样本进行1000次重复抽样实现无偏渐进总体的分布，来提高参数估计结果的有效性和一致性，结果见表2第（3）～（4）列，结论仍成立。

表2 基准回归

控制变量方面，宏观经济变量对金融机构股价崩盘风险有重要影响。具体来看，GDPR、M2、PPI、EERI和SENT与崩盘风险显著正相关，而CHIBOR与崩盘风险显著负相关。这说明，宏观经济形势越热、货币政策环境越宽松、物价上升水平越高、资本市场情绪越高涨时，管理层对市场预期更乐观，其理性程度降低，盲目自信和自利行为的发生概率增加，股价崩盘风险提升。而个体层面变量中，Ret、Sigma和Q显著，其余变量均不显著，说明金融机构和非金融企业股价崩盘风险的个体层面影响变量存在明显差异，相关研究应注意这点。

（三）稳健性检验

1.更换网络位置代理变量。本文采用邻近中心度（Closeness）和流中心度（Flowbet）进行回归，结果见表3第（1）～（4）列，结论仍然成立。

2.缓解遗漏变量问题。考虑到金融机构业务特殊性，本文加入公允价值变动净收益、资产减值损失、信用减值损失、衍生金融工具使用、手续费及佣金收入、手续费及佣金支出、总资产周转率和现金周转率。结果发现，无论逐个加入基准回归，还是全部加入基准回归（表3第（5）～（6）列），核心解释变量仍在1%负显著，回应了有关遗漏变量问题的担忧。

3.考虑系统性风险与董事网络的影响。系统性风险方面，股权联结会影响系统性风险，而系统性风险爆发也会引致股价崩盘，因此应加以控制。陈湘鹏等（2019）［26］指出，在MES、SES、DIP、SRISK、CoVaR等受认可程度最高的系统性金融风险指标中，SRISK更适于作为中国微观层面系统性金融风险的测度。据此，本文参考Brownlees and Engle（2016）［27］，计算了系统性金融风险（SRISK），纳入基准回归加以控制，（表3第（7）～（8）列），发现核心解释变量仍负显著。董事网络方面，由于股权网络和董事网络间存在相关性，又均会影响股价崩盘风险，故不控制董事网络可能导致遗漏变量误差。据此，本文参考尹筑嘉等（2018），分别计算了各金融机构各期的董事网络程度中心度（DegreeCen）、接近中心度（CloseCen）、中介中心度（BetCen）和结构洞（Struholes）。具体计算时，为构建机构层面董事网络指标，本文选取各时点同一机构内各中心度的中位数为研究指标。实证结果发现，无论是将上述四个变量一起纳入基准回归（表3第（9）～（10）列），亦或分别纳入，或是改用平均值、最大值来代替中位数计算指标，核心解释变量仍负显著。最后，本文将系统性风险与董事网络一起加入控制，发现核心结论依旧稳健地成立（表3第（11）～（12）列）。

4.考虑金融机构层面的可观测变量差异与多元回归的函数形式设定依赖，本文采用1：1倾向得分匹配（PSM）进行配对样本检验，即先用是否高于分季度行业网络位置的中位值为被解释变量，加入基准回归中所有控制变量和固定效应，利用Logistic回归估计样本股价崩盘风险的倾向得分（propensity score），然后利用该倾向得分对样本进行匹配（表3第（13）～（18）列）。平衡性结果表明（备索），匹配后所有变量的标准化偏差均小于10%，且所有t检验结果不拒绝处理组与控制组无系统差异的原假设，平行假设得到满足。ATT回归结果均显著为负，除因样本量变化导致的回归系数稍有波动外，结论仍与前文保持一致。

表3 稳健性检验

续表3

（四）内生性处理

上述回归中，使用当期网络位置指标与下一期股价崩盘风险进行分析，可在一定程度上缓解反向因果导致的内生性问题（朱孟楠等，2020）。但为进一步证实结论的真实性，本文采用工具变量法进行内生性处理。借鉴谢德仁等（2016）、彭俞超等（2018）、朱孟楠等（2020）的研究，本文采用不含本金融机构的同子行业同期的平均网络位置指标为工具变量（表4）。在第一阶段，核心解释变量回归系数均1%水平正显著，满足相关性要求；在第二阶段，无论采用何种崩盘风险度量方式与网络位置度量方式，核心解释变量均负显著；且工具变量均通过排他性检验和弱工具稳健检验，说明在考虑内生性问题后，H1a仍成立。

表4 内生性处理

（五）机制检验

假说H1a中提出，股权联结网络可能从加强对管理层监督能力（更强监督效应）、抑制大股东对企业掏空行为（更少掏空效应）和缓解信息不对称（信息流通效应）三种途径提升自身治理水平与信息水平进而降低崩盘风险，本节逐个对此进行考察。

1.更强监督效应。如果股权联结网络具有“更强监督”的治理效应，那么其崩盘抑制作用应主要发生在管理层自利动机和能力更强，即对管理层监督能力较弱的金融机构中。已有文献多用营业费用率或资产使用效率等衡量代理成本，但金融机构业务特殊，缺乏所需数据，故本文借鉴王化成等（2015）和朱孟楠等（2020）的研究，选择管理层持股比例作为对管理层监督能力的代理指标分组回归。究其原因，从自利动机来看，管理层持有企业股票时，其自身经济利益与股价高度相关，若基本面出现负面因素，其有强烈掩盖倾向来避免负面事件发酵从而对股价造成不利影响。管理层持股比例越高，其越有可能在短期内频繁地对企业财务、运营等各信息加以粉饰，避免私人财富因股价下跌而贬值。而从自利能力来看，管理层持股比例越高，其在企业经营中话语权越大，越有可能攫取私有收益。

据此，按分季度管理层持股比例高低，本文将样本分为两组回归（表5）。在管理层持股比例较高组，即对管理层监督能力较弱情况下，核心解释变量系数在1%水平负显著；而在管理层持股比例较低组，回归系数负不显著。这说明，当对管理层监督能力较弱时，越处于股权网络中心位置的金融机构崩盘风险越低，支持股权联结网络具有“更强监督”治理效应。

表5 金融机构股权联结网络的更强监督效应检验

2.更少掏空效应。如果股权联结网络具有“更少掏空”的治理效应，那么其崩盘抑制作用应主要发生在小股东监督薄弱而大股东掏空动机与能力更强的金融机构中。参考杨海燕等（2012）［28］和王化成等（2015）的研究，本文选择机构投资者持股比例作为大股东掏空能力的代理指标分组回归，因为机构投资者能有效缓解控股股东与中小投资者间代理冲突。从监督动机来看，机构投资者，出于提升投资收益的目的，其有意愿监督大股东利益侵占行为，从积极监督中获得更多收益，形成正向激励。从监督能力来看，相较一般投资者，机构投资者作为专业投资人具有强大资金实力和信息收集分析优势，对大股东掏空具有更高的识别能力，往往能对大股东关联交易及资金占用等行为加以制衡。

据此，按分季度机构投资者持股比例高低，本文将样本分为两组回归（表6）。在机构投资者持股较低组，即大股东掏空能力更强情况下，核心解释变量系数在1%水平负显著；而在机构投资者持股较高组，回归系数负不显著。这说明当大股东掏空能力较强时，越处于股权网络中心位置的金融机构崩盘风险越低，支持股权联结网络具有“更少掏空”治理效应。

表6 金融机构股权联结网络的更少掏空效应检验

3.股权联结网络与信息流通效应。如果股权联结网络具有“信息流通效应”，那么其崩盘抑制作用应主要发生在信息不对称程度更高的金融机构中。现有文献常基于修正Jones模型度量信息透明度，然而由于金融机构的特殊性无法计算该指标，故本文以KV指数加以度量，其数值越小则表征信息披露得越充分。该指标同时包含了企业强制性信息披露和自愿性信息披露，能给出投资者对企业信息不对称反应程度的客观描述，且有效避免了应计盈余质量方法中会计变量易失真的问题。

据此，按分季度信息披露水平KV指数高低，本文将样本分为两组回归（表7）。在信息不对称较高组，即KV指数较高时，核心解释变量系数在1%水平负显著；而在信息不对称较低组，回归系数负不显著。这说明当信息流通不畅、信息不对称严重时，越处于股权网络中心位置的金融机构崩盘风险越低，支持股权联结网络具有“信息流通效应”。

表7 金融机构股权联结网络的信息流通效应检验

五、进一步分析

本文尝试提供有关前述研究的进一步思考。首先，基于中国金融市场运行的基本国情，金融机构可分为是否国有两类，二者在监督治理与信息水平方面均有诸多差异，其异质性应加以考察。其次，金融业市场中个体并非是孤立存在的节点，而往往彼此关联、形成社团，因此有必要对社团的金融稳定加以分析。最后，2015年A股市场剧烈波动期间以证金公司和汇金公司为首的“国家队”进场是中国金融机构间股权联结快速上升的重要原因，那么其经济后果究竟如何，值得加以剖析。

（一）股权联结网络的崩盘抑制效应与产权性质

本节将金融机构按实控人性质分为国有和非国有两组。二者差异在于，从监督治理层面来看，国有金融机构往往代理问题更突出。这是因为，国有金融机构董事会治理有效性不高，责、权、利仍未实现真正对等，对高管的选拔聘用权力和考核奖惩权力尚未完全落实，有效激励尚未建立，且高管政治动机也可能加剧代理问题（赵璨等，2021［29］）。从信息水平层面来看，相较于非国有金融机构对利润的追求，国有金融机构承担更多稳经济、稳增长等政策任务。因此，非国有金融机构管理层对经营利润往往更为敏感，其为维持自身良好形象更有动机隐瞒负面消息，而国有金融机构管理层晋升多由政府任免委派，官员考核标准更倾向于经济政策执行和经济指标达成效果，其管理层隐瞒负面消息动机相对较低（朱孟楠等，2020）。

那么，金融机构股权联结网络的崩盘抑制效应是否会在两类产权性质中有所不同呢？如表8所示，国有金融机构中，股价崩盘风险对特征向量中心度（Eigenvector）回归系数显著为负；而非国有金融机构中，回归系数不显著。这说明股权联结网络更有助于国有金融机构降低股价崩盘风险，体现了股权联结网络崩盘抑制效应的发挥与其背后的政府监管密切相关，而对非国有金融机构相对效果较小。因此，股权联结网络对国有金融机构降低股价崩盘风险的作用更强，政府仍应注意加强对非国有金融机构的风险监管。

（二）股权联结网络的溢出效应分析

股权联结网络中，越是处于网络中心便拥有更多信息渠道与更高信息强度，则与之相关联的、处于同一“社团”内的节点也会受到这些信息的影响，即股权联结网络可能存在类似“溢出效应”。具体而言，若股权联结社团内的中心位置者能使其联结节点采取追随或模仿行为，即将信息更多利用于自身治理、加强监督、减少掏空、提升信息水平等，则有助于社团整体崩盘风险降低；而若联结节点出于自利，将信息用于与中心位置机构相反的途径以谋取私利，如进行负面消息捂盘、大幅抛售股票等，则可能加大社团整体崩盘风险。

对此，本文计算社团崩盘风险，即与一只股票存在联结关系的其他股票崩盘风险之和。将被解释变量替换为社团崩盘风险（ClubNCSKEWt+1和ClubDUVOLt+1）进行回归（表9）。可见核心解释变量均与社团崩盘风险显著负相关，说明股权联结网络具有正向的溢出效应。

表9 股权联结网络位置与社团崩盘风险

（三）考察“国家队”的影响

2015年股灾时为维护股市稳定、恢复市场秩序、进行宏观调控，政府引入了部分“国家队”股东，购买了大量上市金融机构股票，导致股东联结关系数量大幅增加，金融机构间股权联动性进入“常态化”的稠密期（图2）。那么，体现政府意志的“国家队”会对股权联结网络的崩盘抑制效应与溢出效应造成何种影响？

参考李志生和金凌（2022）［30］，本文逐一核验金融机构股东名单，若在2015年第3季度后被中央汇金投资有限责任公司、中央汇金资产管理有限责任公司、中国证券金融股份有限公司、中证金融资产管理计划和外管局旗下投资平台持有其股份，则设置“国家队”影响哑变量（NationalTeam）为1，否则为0。将股价崩盘风险和社团崩盘风险分别对“国家队”影响哑变量与特征向量中心度的交乘项进行回归（含一次项），若交乘项显著为负，说明“国家队”强化了股权联结网络的崩盘抑制效应与溢出效应，政府介入是有效的。表10结果显示，交乘项显著为负，可见汇金、证金等“国家队”加入不仅加强了金融机构间股权联结关系，增加了金融机构间信息渠道，提升了信息强度，而且使股权联结网络对股价崩盘风险和社团崩盘风险的抑制作用显著加强，“国家队”的加入对金融风险管理是有效的。

表10 “国家队”对股权联结网络的调节效应

六、结论

本文从现实的股权结构视角出发，运用复杂网络方法，基于中国金融机构间持股信息构建其股权联结网络，发现金融机构间股权联结数量随时间显著递增，整个网络逐渐由稀疏演化为高度密集状态，在此基础上细致考察了股权联结如何影响金融机构股价崩盘风险。结果稳健地显示，金融机构越是位于股权联结网络的中心，其股价崩盘风险越低，股权联结网络具有崩盘抑制效应。机制检验表明，股权联结网络可以帮助金融机构加强对管理层的监督能力、抑制大股东的掏空行为和发挥信息流通效应三种途径来提升治理水平与信息水平进而降低股价崩盘风险。股权联结网络更有助于国有金融机构降低股价崩盘风险，且股权联结网络存在“溢出效应”，越处于网络中心位置，越能显著降低其关联股票整体崩盘风险。股灾时“国家队”加入大幅加强了金融机构间股权联结关系，而且使股权联结网络对股价崩盘风险和社团崩盘风险的抑制作用显著加强，说明政府的介入是有效的。

本文在金融机构联结越发紧密的背景下，实证考察了股权联结关系对金融机构股价崩盘风险的影响，为政府保证金融市场稳定提供了新的思路。一方面，对监管机构而言，其应对相对孤立的金融机构和非国有金融机构予以更多关注，加强对这些金融机构的风险监管。另一方面，本文提供了一种对股灾治理效果的不同视角诠释，证实了“国家队”加入对金融风险管理是有效的，对政府而言，为维护金融系统的稳定，可适度增加国家对金融机构持股，让有为政府更好地发挥稳定器作用。