银行竞争降低了公司股价崩盘风险吗?——来自A股上市公司的数据检验

黄飞鸣 严 涵 赖少杰

(江西财经大学,江西 南昌 330013)

一、引言

不时发生的上市公司股价崩盘事件引发了投资者恐慌和证券市场紊乱。如何有效降低股价崩盘风险的不利影响是备受关注的一个热点话题。本文从企业外部债权人——银行所处的市场结构视角探究公司股价崩盘风险的影响机制。本文的研究逻辑为:银行业竞争通过银行信贷和银行监督渠道对企业产生影响,可能促使其减少坏消息的隐藏,降低企业股价崩盘风险,同时银行竞争会鼓励企业公开披露更多信息,提升其会计信息质量。

与已有文献相比,本文的边际贡献主要体现在:一是现有研究鲜有涉及银行作为外部债权人对微观企业的治理作用,本文则以股价崩盘风险为落脚点研究银行业市场结构对微观企业的影响,进一步研究企业是否会在银行的信贷供应和监督作用下改善经营、降低风险,丰富了银行经济学的理论成果;二是本文聚焦于外部债权人而非企业内部特征视角,将银行竞争这一动态因素纳入研究框架,为股价崩盘风险影响因素相关研究提供了全新视角,拓展了企业股价崩盘风险的相关文献;三是有别于已有文献探讨银行竞争与宏观系统性风险的研究,本文聚焦于资本市场的企业股价崩盘风险这一微观视角,对银行竞争与金融风险的相关研究做出了有益补充。

二、文献回顾与假说提出

已有研究认为管理层隐藏坏消息的机会主义是导致企业崩盘风险的主要原因。根据“管理层捂盘”假说,当负面信息被储存到阈值,积累的坏消息将被释放到市场中,从而导致公司股价崩盘(Jin et al.,2006;Hutton et al.,2009)。也有不少文献从代理问题视角探究股价崩盘风险的决定因素,例如管理层对特质信息的操纵行为(Kim et al.,2011a;林乐 等,2016)。在此逻辑下,公司股价崩盘风险取决于管理层是否有意愿、有能力披露公司的负面消息。现有的文献对于管理层囤积坏消息和由此带来的股价崩盘风险影响因素做了大量研究,包括管理层特征(Kim et al.,2011b)、公司治理(Kim et al.,2019)、企业社会责任(黄金波 等,2022)、外部监督(江轩宇 等,2013)等。

基于委托代理冲突框架,股价崩盘风险很大程度上取决于公司与其投资者(股权人和债权人)的联系。An et al.(2013)、华鸣等(2018)、Kim et al.(2019)等从股权投资者或外国机构投资者角度进行研究,发现其显著地降低了企业的股价崩盘风险,突出了外部投资者的监督职能。这与其他外部监督因素如分析师(Kim et al.,2019)、审计(江轩宇 等,2013;Callen et al.,2017)、行政监管(Kubick et al.,2016;汶海 等,2020)等的研究一致。作为企业债权人,银行的监督作用也是规范企业行为的重要机制。值得注意的是,鲜有文献直接考察公司债权人对崩盘风险的影响。作为债权人的银行在收集企业的“软信息”方面具有比较优势(林毅夫 等,2009),会显著影响企业经理层的行为,而二级市场的股权投资者可能更在乎企业的短期业绩,不能够很好地帮助企业解决隐藏坏消息的问题(Chang et al.,2017)。作为企业经营的重要利益相关者,银行通过向企业提供信贷资金的方式源源不断向实体经济“输血”,同时也会发挥自身信息和专业优势,通过筛选、监督借款人规范企业行为,降低经营风险。

通过对现有文献的梳理,可以发现,对于股价崩盘风险的决定因素研究,市场结构是一个探索相对不足的领域。王雷(2015)通过对中国上市公司的研究,认为产品市场竞争程度越高,企业未来的股价崩盘风险越低。Li et al.(2019)则认为激烈的产品市场竞争会加剧坏消息的囤积和崩盘风险。现代金融理论认为,银行不仅在对借款人筛选、监督以及提供流动性方面具有关键作用(Diamond,1984;Kashyap et al.,2002),在获取借款人内部信息方面也具有天然优势(Denis et al.,2003;Bharath et al.,2008),从而能够有效减轻委托代理冲突。

在中国,银行信贷是企业的主要融资来源。因此,银行竞争势必对企业经营行为造成影响。现有研究表明,银行竞争程度上升能够有效降低中小企业的信贷约束(Chong et al.,2013)。银行市场结构的变化是银行在筛选、监督和提供信贷融资等方面变化的重要渊源(Jayaratne et al.,1996)。从银行信贷角度来看,银行竞争会改善信贷供应条件、降低企业融资成本(姜付秀 等,2019;李志生 等,2020),影响企业资金供给(刘星 等,2015;姜付秀 等,2019),提高公司的资本结构调整速度(Jiang et al.,2017)。银行竞争还会促进企业的研发投入,利于企业创新(唐清泉 等,2015;蔡竞 等,2016;张杰 等,2017;李波 等,2020)。对银行竞争的企业微观效应的研究还包括提高企业负债水平、优化企业资本结构(李志生 等,2020),有效降低企业盈余管理水平(孟庆斌 等,2021),提升企业投资水平和资源配置效率(李志生 等,2021),促进企业成长(方芳 等,2016)以及僵尸企业形成(刘冲 等,2020)等。Jiang et al.(2019)则认为银行竞争挤压了银行利润率,对关系贷款和流动性创造不利,导致受信贷限制的公司不太可能得到银行的资金。从银行监督角度来看,Bai et al.(2018)认为银行竞争更激烈的市场,会提高银行整体效率,降低筛选和监督借款人的成本,Bushman et al.(2016)则认为来自竞争对手的压力、争夺贷款客户,会迫使银行放松如选择和信息调查,从而造成其对借款人的筛选和监督的效率降低。从信息透明度角度来看,现有研究关注到了银行竞争对其自身信息透明度的影响,Jiang et al.(2016)认为激烈的竞争减少了银行的会计重述频率,银行自愿披露与竞争结构呈显著正相关(Burks et al.,2018)。

综上,现代公司治理中的委托代理问题可能导致管理层在一段时间内隐藏坏消息进而导致股价崩盘,银行则通过提供信贷和监督对企业产生重要影响,银行业市场结构的变化在很大程度上能改变银行信贷和监督。因此,银行竞争对企业股价崩盘风险的影响取决于以下两个方面:一是银行竞争加剧会影响对企业的信贷供给;二是银行竞争加剧会影响银行对企业的监督,降低企业负面消息的隐藏,对企业股价崩盘风险产生影响。

进一步地,从信贷供应角度看,在银行竞争更为激烈的信贷市场中,企业会有更多的潜在贷款人选择和更优的信贷条款,会有更强的议价能力(Chava et al.,2013),主要表现在信贷可得性的增加和企业融资成本的降低上,通常对企业经营发展更为有利。对于企业管理层来说,隐藏坏消息的“收益”是更好地获得信贷融资,降低融资成本,提高投资收益,在银行竞争更激烈的环境下,为了获得贷款融资而去隐藏负面消息的动机会减弱,但是宽松的信贷市场也可能降低企业隐藏坏消息的“成本”,因为当面对更多潜在贷款人时,即使被发现有隐藏信息活动,企业的信贷融资状况也不会受到太大影响,因此,管理层可能为了攫取私人利益仍隐藏公司负面消息,增加企业股价崩盘风险。从银行对借款人的监督角度看,一方面,如果银行监督的改善效果占主导地位,激烈的竞争就会引发更严格的银行监督,这在一定程度上会缩小管理者操纵信息隐藏坏消息的空间,降低企业股价崩盘风险;另一方面,为了应对来自竞争对手的压力,争夺贷款客户,银行可能被迫放松对借款人的选择和信息调查,而银行内部的复杂性和层次结构可能削弱了银行有效的风险管理,给授信的公司经理层更大的灵活性,操纵信息披露而导致股价崩盘。

基于以上分析,提出如下对立研究假说:

H1a:银行竞争会降低企业股价崩盘风险;

H1b:银行竞争会增加企业股价崩盘风险。

三、研究设计

(一)数据来源与样本选择

本文研究样本为 2006—2019 年的中国A股上市公司。银行竞争数据通过手工整理中国银监会网站的相关数据,将企业办公所在地与该城市的银行竞争程度进行匹配,并进一步计算得到(详见变量选择部分);上市公司主要财务数据来自国泰安(CSMAR)数据库。借鉴姜付秀等(2019)、司登奎等(2021)的做法,结合本文研究目的,对样本按照以下程序筛选和处理:(1)剔除金融类上市公司;(2)删除ST和*ST公司;(3)剔除负债率大于 100% 的样本;(4)剔除数据缺失及不连续的样本;(5)为消除极端值影响,对所有连续变量按照首尾各1%进行缩尾处理。最终,得到10749个观测样本数据。

(二)变量选择

1.银行竞争(HHI)

借鉴Chong et al.(2013)、姜付秀等(2019),使用各银行分支机构数量占比来度量各地级市银行竞争状况。具体地,利用中国银监会官网上公布的24万多条银行机构的金融许可证信息,手工整理并计算出各家银行各个年度在各个地级城市的分支机构数量,进而构建各地级市银行业的赫芬达尔-赫希曼指数(HHI),以此衡量银行竞争水平。其计算方法如下:

(1)

其中:Branches为第k个银行在该地区分支机构数量;Total_Branches为该地区银行所有分支机构数量。该指数取值范围为(0,1),且为负向指标,该值越大,表明银行竞争程度越低。按此方法构建的银行竞争面板数据,不仅能捕捉到各个城市间的银行竞争差异,而且能反映银行竞争水平随时间变化的趋势,以便于更好地研究银行竞争所导致的经济后果。

2.企业股价崩盘风险(CrashRisk)

参考已有研究(彭俞超 等,2018;黄金波 等,2022;司登奎 等,2021),采用股票周收益率指标来衡量企业的股价崩盘风险。按照年份对公司i在该年的股票周收益率数据进行以下回归:

ri,j=β0+β1rm,j-2+β2rm,j-1+β3rm,j+β4rm,j+1+β5rm,j+2

(2)

其中:ri,j为股票i在第j周的收益率,rm,j为第j周的流通市值加权平均市场收益率。取上述回归的残差项,股票i在第j周的特有收益为wi,j=ln(1+εi,j)。

基于股票特有收益构建如下两个指标:

其一为负收益偏态系数 NCSKEW,计算方法为:

(3)

其中:n为股票i在当年度交易的周数。

其二为收益率上下波动比率DUVOL,计算方法为:

(4)

其中: nu、nd分别表示一年中股票周特有收益率大于、小于年平均收益率的周数。

(三)模型设定

为了研究银行业竞争对企业股价崩盘风险的影响,回归模型设定如下:

CrashRiski,t=β0+β1HHIi,t+β2ROAi,t+β3SIZEi,t-1+β4LEVi,t-1+β5MBi,t-1+

β6DTURNi,t-1+β7RETi,t-1+β8SIGMAi,t-1+τi+νi,t+γt+εi,t

(5)

其中:下标i、t分别表示企业与年份。CrashRisk代表企业股票崩盘风险,具体用NCSKEW和DOVUL两种指标衡量。HHI衡量公司所在地区的银行竞争水平。考虑到公司具有时变特征,参考Kim et al.(2011a)的研究,将公司的资产收益率(ROA)、规模(SIZE)、杠杆率(LEV)、市账率(MB)作为控制变量,为与已有文献保持一致,除代表盈利能力的ROA外(1)由于公司的盈利能力与同期股票崩盘风险具有显著关联(Kim et al.,2011a;Kim et al.,2011b),参考Kim et al.(2011a)的研究,资产收益率(ROA)不做滞后一期处理。,其余指标均作滞后一期处理。此外,还选取与股票市场特性相关的控制变量股票换手率(DTURN)、股票回报率(RET)、股票波动率(SIGMA),为与已有文献保持一致,也作滞后一期处理。τi表示年份固定效应,υi,t表示行业固定效应,γt表示个体固定效应,εi,t为误差项。

控制变量说明见表1。

表1 控制变量说明

(四)主要变量描述性统计分析

表2为主要变量的描述性统计结果。股价崩盘风险指标NCSKEW均值为-0.324,中位数为-0.282,标准差为0.677;股价崩盘风险指标DUVOL均值为-0.225,中位数为-0.222,标准差为0.462。这与彭俞超等(2018)的结果基本一致,意味着样本公司总体股价崩盘风险有着较大差异。银行竞争指标HHI样本期内均值0.099,标准差0.041,说明不同城市之间银行竞争程度差异较大,也与姜付秀等(2019)对中国地市级银行竞争的估量接近。

表2 主要变量描述性统计结果

四、实证分析

(一)基准回归结果分析

对公司所在城市的银行竞争指标与股价崩盘风险之间的关系进行实证检验,结果见表3。

表3 银行竞争与股价崩盘风险的回归结果

从表3列(1)、(2)可以看出,银行竞争(HHI)的回归系数均为正,且均在1%的水平上显著,由于HHI指标为负向指标,这表明企业所在地银行竞争水平加剧,会显著企业降低股价崩盘风险。从经济意义上看,公司所在城市银行竞争度增加1个标准差,其股价崩盘风险指标NCSKEW及DUVOL分别下降约2.63%和9.40%。(2)参照 Kim et al.(2019)的做法,银行竞争增加1个标准差,其股价崩盘风险指标NCSKEW及DUVOL标准差变动计算方法分别为:0.435×0.041/0.677≈0.0263,1.059×0.041/0.462≈0.0940。为了解决模型遗漏变量问题,列(3)、(4)为采用控制年份、行业、个体效应的固定效应模型的回归结果。可以看到,银行竞争与公司股价崩盘风险的回归系数分别为1.654、0.835,且在1%的水平上显著,由于HHI指标为负向指标,即银行竞争与公司股价崩盘风险负相关。从经济意义上看,当银行竞争度增加1个标准差,公司股价崩盘风险指标NCSKEW、DUVOL的标准差会分别显著下降约10.02%和7.41%。(3)1.654×0.041/0.677≈0.1002,0.835×0.041/0.462≈0.0741。上述回归结果与研究假说H1a相符。

控制变量的结果进一步表明,银行竞争与公司股价崩盘风险的联系还受公司特征和股票市场特性相关的因素影响,较大的公司规模(SIZE)、较高的杠杆率(LEV)、较低的市账率(MB)往往与更高可能的股价崩盘风险相关,而资产收益率(ROA)系数显著为负则表明公司的盈利能力上升能帮助降低公司股价崩盘风险。股票波动率(SIGMA)的系数显著为负,这表明若股票在前一年保持了较低的波动水平,则它在未来一年的股价崩盘风险可能更高。

(二)内生性检验

尽管对公司个体来说,银行竞争属于外生变量,但不能完全排除两者仍存在内生性问题。一方面,可能是由于股价高崩盘风险的公司集聚在银行竞争程度较高的地区,从而导致反向因果关系解释了本文的研究发现。另一方面,不可观测的时间趋势、公司特征抑或是遗漏其他关键变量导致了银行竞争与股价崩盘风险呈显著的负相关关系。本文拟采用如下两种方式来缓解两者间潜在的内生性问题:

1.双重差分模型

2009年4月,中国银监会印发的《关于〈中小商业银行分支机构市场准入政策的调整意见(试行)〉的通知》(银监办发〔2009〕143号)规定,“在该城市所在省(自治区)内的其他城市再申请设立下设分行和支行,不再受数量指标控制。城市商业银行在法人住所所在省(自治区、直辖市)内设立分支机构,不再受数量指标控制。股份制商业银行和城市商业银行在同城设立支行,不受数量指标控制。”因此,在银监办发〔2009〕143号文(以下简称2009年143号文)实施后,股份制商业银行和城市商业银行的营业网点明显增长,中国的城市间银行竞争结构受到了一定的外生性冲击。

本文将这一事件作为一个“准自然实验”,参考王彦超等(2020)的做法,对政策实施前各城市的银行竞争HHI指数按高低来区分处理组和对照组。具体地,首先计算出样本公司所在城市政策出台之前两年的银行竞争HHI指数的均值,并按高中低进行分区,将其中最高的1/3设定为处理组、最低的1/3设定为对照组。相较于直接比较公司在2009年143号文实施前后的股价崩盘风险的变化,通过比较高银行竞争度和低银行竞争度城市在2009年143号文实施前后公司股价崩盘风险变化的差异,可以有效缓解其他潜在因素对研究结果的干扰,从而更好地识别银行竞争与公司股价崩盘风险之间的因果关系。因此,本文使用双重差分法检验2009年143号文对公司股价崩盘风险的影响,并构建模型如下。

CrashRiski,t=α0+α1Treatt×Postt+α2Treatt+α3Postt+α4Controlsi,t+τi+νi,t+γt+εi,t

(6)

其中:下标i表示公司,t表示年份。CrashRisk代表公司股票崩盘风险,具体用NCSKEW和DOVUL两种指标衡量。Treat为哑变量,若样本公司位于低银行竞争度城市,则取1;若样本公司位于高银行竞争度城市,则取0。Post为时间虚拟变量,当样本处于2009年以后则赋值为1,反之赋值为0。Controls为控制变量,与基准回归模型保持一致。τi表示年份固定效应,υi,t表示行业固定效应,γt表示个体固定效应,εi,t为误差项。

表4为上述双重差分模型的回归结果。可以看到,股价崩盘风险指标NCSKEW、DUVOL与交互项Treat×Post的回归系数均为负,且分别在1%和5%的水平上显著,说明2009年143号文对银行分支机构放松管制,提升了银行竞争水平,对所在城市的公司股价崩盘风险具有显著降低作用。在使用双重差分模型控制内生性后,银行竞争能显著降低企业股价崩盘风险的结论依旧成立,进一步验证了本文研究结果的稳健性。

表4 内生性检验——双重差分模型回归结果

2.工具变量法

为了进一步控制未观测到的企业特征变量和反向因果关系带来的内生性问题,参考李志生等(2020)的研究,利用1937年城市银行分支机构数量和2009年分支机构设立放宽管制事件构造工具变量(IV),进行两阶段最小二乘回归分析。具体来说,以2009年143号文银行分支机构放松管制事件为基准,生成放宽分支机构设立管制虚拟变量,将样本期划分为2006—2008年和2009—2019年两个区间,并分别赋值1和2。工具变量(IV)为1937年城市银行分支机构数量与前述放宽管制虚拟变量的乘积。通过上述方法构造工具变量的合理性主要体现在两个方面:一是相关性。1937年城市银行分支机构数量可以用来衡量不同地区的金融市场基础,良好的金融市场基础有利于新的银行分支机构设立,而2009年143号文出台之后股份制商业银行和城市商业银行分支机构数量出现大幅增加,地区银行竞争愈发激烈,因此工具变量与公司所在地银行竞争水平正相关。二是外生性。考虑到1937年与样本区间社会经济发展状况的巨大差异,1937年城市银行分支机构数量与数十年后其他地区宏观因素和工业企业特征相关程度较低,2009年143号文放松异地设立分支机构政策属于外生冲击,进一步保证了工具变量的外生性。表5报告了两阶段最小二乘回归模型的回归结果。

表5 内生性检验——工具变量回归结果

表5列(1)第一阶段回归结果表明,工具变量(IV)与样本区间银行竞争指数(HHI)正相关,系数在1%水平上显著,且F统计量表明该变量非弱工具变量,与本文的预期一致。表5列(2)、(3)结果表明,第二阶段HHI回归系数在1%水平上显著,表明使用工具变量控制内生性后,银行竞争能显著降低公司股价崩盘风险的结论依旧稳健,即研究假说H1a成立。

(三)稳健性检验

1.替换解释变量

采用替换核心指标的方法对回归结果进行稳健性检验。除赫芬达尔指数(HHI)外,还有另一个被学界广泛认可的行业集中度指标CRn。参考姜付秀等(2019)、严楷等(2019),利用中国银监会公布的关于银行机构的金融许可证信息,手工整理并计算出各银行各个年度在各个城市的分支机构数量,再计算前三大银行(CR3)和前五大银行(CR5)分支机构占比,以此衡量银行竞争水平,计算方法如下:

(7)

(8)

除NCSKEW和DUVOL指标外,参考Hutton et al.(2009),使用预测公司股票价格是否会出现崩盘的哑变量CRASH作为崩盘风险的代理变量,只要个股的周特有收益wi,t满足式(9)即取1,否则取0:

(9)

其中:Average(wi,t)为公司i周特有收益年度均值,σi为公司i当年周特有收益标准差。

与基准回归模型设定保持一致,分别使用CR3和CR5作为银行竞争度的代理变量、CRASH作为公司股价崩盘风险的代理变量分别进行回归,结果如表6所示。可以看到,替换银行竞争代理变量为CR3和CR5、替换股价崩盘风险代理变量为CRASH的回归系数均为正且在1%水平上显著,说明银行竞争加剧能显著降低公司股价崩盘风险水平,进一步验证了结论的稳健性。

表6 稳健性检验——替换关键指标结果

2.加入其他控制变量

在原基准回归模型中加入其他控制变量,缓解因遗漏变量带来的内生性问题,回归结果见表7。

在列(1)、(2)中,考虑宏观经济因素对公司股价崩盘风险的影响,选取经济政策不确定性(EPU)、货币政策(MP)和宏观经济景气一致性指数(ECO)作为控制变量。其中,经济政策不确定性(EPU)以斯坦福大学和芝加哥大学联合发布的月度中国经济政策不确性指数的算术平均值度量;货币政策(MP)以货币供应量M2增长率减去GDP增长率和CPI增长率度量,若该指标大于中位数,赋值为1,表示宽松的货币政策,反之则赋值为0(陆正飞 等,2011);宏观经济景气一致性指数(ECO)以国家统计局发布的宏观经济景气指数中的一致性指数度量,作为衡量宏观经济波动的代理变量。在控制宏观经济因素后,可以发现本文的研究结论依旧稳健。

在列(3)、(4)中,参照彭俞超等(2018)的研究,加入企业会计相关指标,如会计稳健性(Cscore)、盈余质量(ACC_EM)、避税程度(ETR)等作为控制变量。其中,Cscore按照Khan et al.(2009)的C_score模型计算得出,该指标越高说明会计盈余对坏消息灵敏程度越高,会计稳健性越高;ACC_EM使用修正Jones模型计算出的企业操纵性应计利润的绝对值来表示;ETR用有效税率表示,该指标越高说明企业避税程度越低。在控制了上述会计相关指标后,本文的研究结论依旧稳健。

为了减少城市层面因素对模型的影响,在列(5)、(6)中添加城市国内生产总值增速(GDP)、城市人口增长率(Population)两个变量,同时控制城市固定效应,结果显示,股价崩盘风险的NCSKEW、DUVOL回归系数均在1%水平上显著,与基准回归模型保持一致,结论依旧稳健。

此外,本文将加入的其他控制变量都纳入模型,并控制城市固定效应,回归结果见列(7)、(8),NCSKEW、DUVOL回归系数为0.437和0.663,分别在5%和1%水平上显著,进一步验证了结论的稳健性。

五、影响机制检验

与其他公开债务市场的债权人不同,银行能够更加灵活地调整相关信贷计划,在监督借款公司的行为方面具有更加强大的信息优势。因此,理论上,银行竞争可以通过银行信贷和银行监督渠道降低企业股价崩盘风险。

1.银行信贷渠道检验

长期以来,中国形成了间接融资“一枝独大”的融资结构,企业融资主要依靠银行信贷资金。那么,企业对银行信贷依赖程度越高,银行业结构的变化对企业的经营活动产生的影响将越大。参考Rajan et al.(1998)和Cetorelli et al.(2006)的研究,根据企业对外部资金的需求来评估其银行融资依赖度,具体地,以总资本支出与经营性现金流之差来衡量。Cetorelli et al.(2006)通过此种方法构建银行融资依赖度,发现其与企业实际使用的银行及其他机构融资高度相关。本文以银行融资依赖度指标的中位数为界将样本分为高银行融资依赖度和低银行融资依赖度两个子样本,对基准模型进行重新回归,结果如表8列(1)～(4)所示。可以看到,相较于低银行融资依赖度的公司,银行竞争对公司股价崩盘风险的影响在高银行融资依赖度的公司中会更为明显,且对崩盘风险的两种衡量指标NCSKEW和DUVOL都是如此。对比发现,低银行融资依赖度公司子样本的回归系数在模型估计中都变得更小和更不显著。这一结果表明,银行竞争会通过增加信贷供应,降低企业融资约束,减小公司股价崩盘的可能性。

表8 影响机制检验结果

2.银行监督渠道检验

理论上,若银行竞争环境的变化不能通过改变银行筛选和监督借款人的能力来影响公司股价崩盘风险,就不会观测到银行竞争对借款公司信息透明程度的影响。参考Jin et al.(2006)、孟庆斌等(2019)的研究,计算股价同步性指数,衡量公司的信息透明度,该值越大表示股价同步性越高,股价特质信息越低,信息不对称程度越高。以其中位数为界将样本公司分为高透明度和低透明度两个样本,对基准模型进行重新回归。回归结果如表8列(5)～(8)所示,可以看到,相比于高透明度公司,银行竞争对股价崩盘风险的影响在低透明度公司要更为显著。从核心解释变量回归系数上看,低透明度公司股价崩盘风险变量NCSKEW的系数约是高透明度公司的2.92倍,DUVOL的系数甚至由正转负,说明银行竞争对股价崩盘风险的影响在透明度低的公司中更为显著,银行对借款人的监督起到了明显作用,这也与银行竞争与股价崩盘风险通过银行监督渠道来联系的推断一致。(4)本文还参考黄飞鸣等(2021)的做法,使用中介效应模型来验证银行信贷渠道和银行监督渠道,由于篇幅所限,中介效应模型回归结果未予列示,留存备索。

六、进一步讨论

(一)银行竞争对会计信息质量的影响

负面消息的隐藏往往表现在企业会计信息质量上。若此假说成立,银行会劝阻管理层的不当行为,鼓励公开披露,减少囤积的负面消息的披露,从而降低企业股价崩盘风险。盈余管理是财务披露中最广泛采用的方式之一,通过这种方式管理层能够使用多种方法规避损失报告,从而隐藏公司的负面消息,并保留可能导致投资者卖空股票的其他重大信息。借鉴Zhang et al.(2019)、孟庆斌等(2021)的研究,采用Dechow et al.(1995)提出的横截面修正的Jones模型,以操纵性应计利润(ACC_EM)的绝对值表示盈余管理程度。本文使用盈余管理作为因变量,对银行竞争与其关系构建以下模型进行回归:

ACC_EMi,t=θ0+θ1HHIi,t+θ2ROAi,t+θ3SIZEi,t+θ4LEVi,t+θ5MBi,t+θ6IOi,t+

θ7BIG4i,t+θ8CRi,t+θ9WCi,t+τi+νi,t+γt+εi,t

(10)

其中:控制变量与基准回归模型中反映公司特征变量一致,即ROA(资产收益率)、SIZE(公司规模)、LEV(公司杠杆率)、MB(公司市账率);此外,参考孟庆斌等(2021)的研究,还选取IO(公司股权特性)、BIG4(四大会计师事务所审计)、CR(公司流动资产比例)、WC(公司营运资本比率)作为控制变量。

回归结果如表9所示。由列(1)可以看到,随着银行竞争的加剧,借款公司的盈余管理水平相应降低,操纵性应计利润有所下降。进一步按照盈余管理的方向分组,从列(2)、(3)可以看到,操纵性应计利润为正(ACC_EM+)和操纵性应计利润为负(ACC_EM-)结果均与银行竞争水平呈负相关,与列(1)回归结果保持一致,这说明银行竞争对于公司向上和向下操纵利润的行为都起到了一定的约束监督作用,但是ACC_EM-回归系数不显著,说明相较于向下操纵利润,银行竞争对向上操纵利润的行为所起的监督约束作用更为明显。

表9 银行竞争对会计信息披露影响检验结果

此外,为了更全面地捕捉会计披露中的隐藏信息,进一步探讨财务重述所补充的财务报告质量。此前研究也表明,财务重述可能与管理层故意隐瞒负面信息有关,且负面的重述往往会动摇投资者的信心,导致股价下跌甚至崩盘。替换模型(10)中的因变量操纵性应计利润(ACC_EM)为财务重述(Restatement)虚拟变量,从表9列(4)可以看到,回归系数为1.396,且在1%水平上显著,即银行竞争度上升1%,财务重述下降1.396%,这表明在更具银行竞争力的状态下,公司进行财务重述的可能性相对更小。这也反映了在银行竞争更加激烈的市场环境中,借款企业的会计信息披露质量会显著提高,负面消息披露也更加充分,一定程度上降低了股价的崩盘风险。

(二)企业异质性分析

1.企业所有权性质的影响

将样本企业按照国有企业和民营企业进行分组,分样本回归结果如表10所示。对于民营企业来说,银行竞争与其股价崩盘风险的相关性为负但不显著,但银行竞争能显著降低国有企业的股价崩盘风险。原因可能是,与民营企业相比,国有企业产权不明晰导致委托代理问题更加严重,更容易囤积负面消息,且国有企业资本规模较大,担负较多的社会责任,一旦负面消息得到释放,会引起更多的关注,导致股价反应剧烈。而银行竞争的加剧会带来对借款人更为严格的监督,且相较于民营企业,对国有企业的监督更为严格(Chemmanur et al.,2020),进而减少国有企业负面消息的隐藏,降低其股价崩盘风险。

表10 异质性检验——所有权性质结果

2.企业公司治理的影响

参考周茜等(2020)等的研究,本文基于高管薪酬、独立董事比例等7个指标并使用主成分分析法构建公司治理指数(5)参考既有文献做法,从监督、激励、决策多方面构造综合性指标来度量公司治理水平。具体而言,用高管薪酬与高管持股比例来表示公司治理中的激励机制,用独立董事比例与董事会规模来表示董事会的监督作用,用机构持股比例与股权制衡度(第二至第五大股东持股比例之和/控股股东持股)来表示股权结构的监督作用,用董事长与总经理是否两职合一来表示总经理的决策权力。基于上述7个指标,运用主成分分析法构建公司治理指数。,得分越高说明公司治理水平越高,然后以公司治理指数的中位数为界进行高低两组分样本回归,结果如表11所示。可以看到,银行竞争对公司股价崩盘风险的影响在公司治理水平较差组中更为显著。原因可能是,治理水平高的公司委托代理问题相对更小,自身信息透明度更高,股价崩盘风险相对更低,银行竞争对公司治理水平差的企业改善作用更为明显。

表11 异质性检验——公司治理结果

3.企业外部金融市场环境的影响

中国区域经济的发展不平衡导致不同城市中的市场环境、法律环境和金融发展程度等方面都存在很大的差异。本文使用王小鲁等(2019)金融市场化指数来衡量金融市场环境,指数越大,意味着该地区的金融市场化程度越高,制度环境越完善,并基于指数的中位数进行分组检验。回归结果如表12所示,在金融市场化程度高的地区,银行竞争与企业股价崩盘风险无显著相关关系。原因可能是,金融市场化程度越高、市场机制越完善地区的企业融资方式越多,越不依赖于银行融资。此外,在金融市场化程度较高的地区信息传递效率较高,负面消息难以囤积,而在金融市场化程度较低的地区,银行竞争能显著降低公司股价崩盘风险,银行信贷和银行监督起了更好的作用。

表12 异质性检验——企业外部金融市场环境结果

(三)互联网发展的冲击

随着互联网的快速发展,空间距离的阻碍日趋减弱,基于地理临近获取“软信息”的优势似乎不复存在。为了验证这一观点,参考张烁珣等(2019)的研究,加入互联网发展水平(Internet)作为控制变量,并使用每个城市互联网接入人数来衡量每个城市的互联网发展水平,结果见表13。

表13 考虑互联网发展对传统物理网点的影响

从列(1)、(2)可以看到,核心解释变量银行竞争度对公司股价崩盘风险变量NCSKEW和DUVOL无论是符号还是显著性均未发生变化,说明即使互联网技术迅速发展,银行竞争仍然会影响公司股价崩盘风险,互联网发展对于股价崩盘风险影响为正,这意味着互联网的发展促使信息快速传播,负面消息难以隐藏,与股价崩盘风险呈正相关。从列(3)、(4)可以看到,银行竞争(HHI)与互联网发展水平(Internet)的交互项系数为负,说明互联网发展会削弱以分支机构衡量的银行竞争对公司股价崩盘风险的影响,主要因为随着互联网技术的发展,物理网点的重要性在不断下降。

七、研究结论与政策建议

银行竞争通过银行信贷和银行监督对企业产生影响,减少其负面消息的隐藏,提升会计信息质量,降低公司股价崩盘风险。实证研究发现,公司所在城市银行竞争加剧会显著降低企业股价崩盘风险,且这一影响在国有企业、公司治理水平低和市场化程度低地区的企业更为明显;在考虑互联网技术迅速发展时,银行竞争仍然会影响公司股价崩盘风险,但传统物理网点竞争的影响有所下降。

本文的研究结论有以下政策启示:第一,要继续推动金融供给侧结构性改革,充分发挥银行业良性竞争带来的“鲶鱼效应”,提升银行经营水平和甄别风险、控制风险的能力,发挥银行业改善实体企业融资环境降低经营风险的优势作用,促进银行业和实体经济共生共荣、协调发展。第二,政府及证券市场监管部门应强化对上市公司内部治理和信息披露的要求,防范股价崩盘风险,维护金融市场稳定;企业要重视内部治理机制的建立,更要实时关注外部融资环境的变化,积极调整各项决策以适应外部环境变化,提升自身的竞争优势,防范经营风险。第三,互联网金融等现代科技的发展在一定程度上能够减弱空间距离因素对企业融资的影响,为此应继续推行互联网金融的发展,鼓励商业银行在风险可控的基础上进行金融创新,更好地服务实体经济。