高送转与股价崩盘风险：抑制还是加重

奥鹏网院作业

高送转与股价崩盘风险：抑制还是加重*
唐雪松 郑宇新 彭 情
[提 要] 本文以我国2003—2015年A股公司为样本，考察了公司“高送转”与股价崩盘风险之间的关系。研究发现，公司“高送转”能够有效抑制股价崩盘风险，相对于创业板，主板公司“高送转”抑制股价崩盘风险的作用更为显著。而且，“高送转”对于股价崩盘风险的抑制作用并不受公司财务状况和减持情况的影响，该抑制作用的期限超过了我国投资者平均持股时间。本文有助于加深人们对于“高送转”经济后果的认识。
[关键词] 高送转；股价崩盘风险；主板；创业板
一、引言
近年来，“高送转”题材的股票在我国证券市场屡见不鲜。所谓“高送转”，是指公司大比例送股或者大比例以资本公积金转增股本，如“每十股送十股”“每十股送五股转增五股”等(李心丹等，2014)。根据统计，2003—2015年间共有502家公司在年报中披露送转股预案，其中“高送转”公司共有396家，约占80%，由此可见“高送转”在我国证券市场的流行程度。随着“高送转”预案的公布，相应公司股票也出现了“高送转”行情，股价随之上涨。从“高送转”的会计处理看，其实质上是股东权益在不同会计科目之间的调整，不会改变公司价值，不会改变股东权益份额，也不会对公司业绩产生影响。因此，随“高送转”而来的股价上涨就成为投资者以及证券市场监管层关注的焦点：“高送转”并没有提供股价上涨的业绩基础，“高送转”之后的股价是否会因此崩盘？
根据传统理论，“高送转”是不会对股价崩盘风险产生影响的(Ikenberry & Ramnath，2002)。但是，进一步分析可以发现存在“高送转”影响股价崩盘风险的内在逻辑机制，“高送转”股票因除权而导致表面上的低价，在一定程度上会降低股价崩盘风险的可能性；而且，“高送转”行为的实施，能够向市场传递出企业良好盈利前景的信息，从而抑制了股价崩盘风险；此外，“高送转”会提高股票流动性(Muscarella & Vetsuypens，1996)，提升外部大股东的股权，强化对企业的外部监督力度(Kyle & Vila，1991)，进而抑制股价崩盘风险。当然，“高送转”还存在另一种影响股价崩盘风险的逻辑机制：一些公司通过“高送转”炒作股票，“高送转”之后往往出现事实上更高的股价，崩盘风险也会随之加重。“高送转”极易造成大量散户投资者集中买入股票形成羊群效应，一旦该股出现任何负面消息，就会造成因恐慌抛售导致的股价崩盘风险。因此，“高送转”与股价崩盘风险之间的关系是值得深入研究的实证问题。
我国证券市场存在制度设计、公司质量和流动性等方面差异较大的市场板块：主板(包括中小板，下文同)与创业板。那么，“高送转”与股价崩盘风险之间关系在不同板块之间是否存在差异呢？创业板公司通常在业绩和未分配利润低于主板公司的前提下(姚学霖，2018；逯东等，2015)，实施了更大比例的送转活动(刘大进，2011)。相对创业板公司而言，主板公司的“高送转”行为更可能是信号传递进而有助于抑制股价崩盘风险。而且，主板市场流动性高于创业板，较高的流动性能带来更好的企业监督，进而降低股价崩盘风险。因此，“高送转”与股价崩盘风险之间的关系在不同市场板块之间是否存在差异值得进一步研究。
基于以上分析，本文以2003—2015年A股公司为研究样本，考察“高送转”对股价崩盘风险的影响。研究发现：(1)“高送转”能够有效抑制股价崩盘风险；(2)相对于创业板，主板公司“高送转”更能有效抑制股价崩盘风险；(3)“高送转”对于股价崩盘风险的抑制作用并不受到公司财务状况和减持情况的影响；(4)“高送转”抑制股价崩盘风险的作用可以持续至实施“高送转”后一年，相对于我国自然人投资者不足50天的平均持股时间(1)中国证监会在2013年10月25日的发布会中提到“以2012年我国证券市场数据为例，专业机构、自然人的平均持股期限分别约为143个交易日和44个交易日，其相应的收益率分别为7.71%和2.44%。”，“高送转”对股价崩盘风险的抑制作用是具有现实意义的。
本文主要贡献在于：(1)首次从股价崩盘风险的角度，研究了“高送转”对于资本市场稳定的正向作用，分析了“高送转”对股价崩盘风险的抑制作用，有助于深入理解“高送转”与股价崩盘风险之间的关系，丰富了“高送转”经济后果的相关文献。(2)从“高送转”视角分析了股价崩盘风险的影响因素，由此深化了关于股价崩盘风险形成或抑制因素的认识。(3)发现“高送转”抑制股价崩盘风险的作用在我国证券市场不同市场板块之间存在差异，为监管部门针对不同市场版块关于“高送转”的监管提供了借鉴。
二、文献回顾
(一)股票股利与股票拆分研究
“高送转”属于发放股票股利或股票拆分的一种行为，目前文献对此展开了较为丰富的研究。首先，一些研究认为“高送转”传递出对公司未来业绩的良好预期。Brennan & Copeland(1988)认为公司每股盈余在“高送转”后会稀释，如果“高送转”公司对自身未来业绩没有信心的话，很少会实施“高送转”而降低每股盈余。Asquith et al.(1989)发现如果公司进行了“高送转”，那么从实证上可以发现其未来几年的盈余会呈现正向增长。Kalay & Kronlund(2007)从分析师的视角也同样验证了股票拆分确实是公司对未来业绩充满信心的表现。然而，吕长江和许静静(2010)却认为“高送转”只能说明企业本期有较好的盈利，并不能说明企业未来的盈利情况。其次，一些研究发现“高送转”是为了迎合管理者和非理性的投资者。Baker & Powell(1993)指出，在管理者理性而投资者非理性的情况下，管理者通常为了实现自身利益最大化，会纵容甚至支持投资者的非理性行为。谢德仁等(2016)研究认为公司“高送转”是为了管理者减持股票而准备的。韩慧博等(2012)研究发现，在我国进行股利分配的公司中，利用“高送转”推高股价的现象较为普遍。甚至有学者认为“高送转”的公司在一定程度上迎合了投资者的赌徒心理(Kumar，2009；龚慧云，2010)。熊德华和刘力(2007)认为公司管理者为了提高投资者的资金流动性更愿意通过发放股票股利的方式来实现，而且我国投资者会给予发放股票股利的公司较高的溢价(饶育蕾等，2008)。最后，股票股利能够提高股票的数量，增加股票的流动性。例如，Baker & Powell(1993)发现管理者通过发放股票股利来降低股票价格以提高流动性。
(二)股票崩盘风险研究
股价崩盘风险是指在没有任何预兆的情况下，公司股价出现大幅度的下跌。股价崩盘风险在一定程度上可以认为是公司信息透明度较低(肖土盛等，2017；孟庆斌等，2017)、管理层自利的信息披露行为造成的(罗进辉和杜兴强，2014)。因此，信息披露、管理层自利行为状况则与股价崩盘风险直接相关。例如，宋献中等(2017)提出社会责任的披露质量能有效抑制股价崩盘风险；黄政和吴国萍(2017)认为内部控制质量也能有效抑制股价崩盘风险。管理者为了提高自身的薪酬(Ball，2009)与期权收益(Kim et al.，2011)、减少自己所缴纳的税收(Kim & Zhang，2016)，在一定程度上会隐藏坏消息而多发布好消息，这将加重股价崩盘风险。投资者的保护情况(王化成等，2014)、公司债务期限(李栋栋，2016)、机构投资者的羊群效应(许年行等，2012)、内部人的抛售行为(叶康涛等，2015)、企业过度投资(江轩宇和许年行，2015)等都会对公司股价崩盘风险造成一定的影响。但是，很少有文献研究“高送转”行为与股价崩盘风险之间的关系。
(三)证券市场环境研究
我国证券市场不同板块在成立时间、上市标准及企业特征等方面存在较大差异。鉴于创业板存在规模小、经营风险高(胡志颖等，2012)，以及过高的市盈率和超募资金的情况(谢柳芳等，2013)，部分学者针对创业板的特征进行了分析。如胡志颖等(2012)提出创业板公司更易受到风投机构的青睐，但风投会促使企业降低IPO前的盈余管理，提升IPO后的盈余管理。韩鹏和岳园园(2016)提出创业板公司偏好于企业创新行为的披露。傅超等(2015)从企业并购的视角出发，提出创业板公司的企业并购存在大量非理性的因素。针对股票股利行为，创业板公司的送转现象和比例远高于主板公司(刘大进，2011)，但是，创业板公司的未分配利润、ROE指标却远低于主板公司(姚学霖，2018)。
三、研究假设
(一)“高送转”与股价崩盘风险
为了分析“高送转”与股价崩盘风险之间的关系，本文构建了理论分析框架，具体如图1所示。理论而言，“高送转”从以下三个方面对股价崩盘风险产生抑制作用。首先，从信号传递效应来看，“高送转”实施以后通常会导致公司的EPS大幅度下降，如果公司对未来盈利没有足够的把握，一般不会实施“高送转”(Brennan & Copeland，1988)。因为“高送转”活动带来的EPS的下降对于管理者是有影响的，尤其当管理者的薪酬需要考察公司EPS时，管理者会对EPS的降低较为敏感。那么，“高送转”就能够向市场传递出企业在未来能够有良好盈利前景的信息(2)《北京商报》官网在2018年对2017年实行高送转的40家企业进行跟踪发现，有32家上市公司在2018年前三季度净利润出现同比增长的情形(http://www.bbtnews.com.cn/2018/1212/278236.shtml)。，从而有效抑制了公司的股价崩盘风险。另一方面，投资者会认为该公司有着良好的经营业绩以及对未来经营活动有良好预期。股价崩盘风险产生的部分原因在于投资者对该公司失去了信心，不认为该公司在未来能够有良好的业绩(许年行等，2013)。但是一旦公司给予投资者一定的信心，那么股价崩盘风险的概率将大大降低。

图1 理论分析框架图
其次，从流动性效应来看，“高送转”会导致股票数量的增加，能够在一定程度上增加公司的股票流动性(Muscarella & Vetsuypens，1996)。股票数量的增加能够提高外部大股东持有该公司股票的可能性(Kyle & Vila，1991)。如果外部大股东通过追购股份使得由积极监督而获得的收益超过监督成本，那么外部大股东就很有可能对公司的管理层进行有效的监督(Maug，1998)，改善公司的经营绩效，从而降低股价崩盘风险。同时，在流动性较高的情况下，大股东抛售股票的机会成本也较小，如果管理者没有尽心地经营企业，那么大股东很有可能会抛售该公司的股票，导致管理者难以获得预期薪酬。因此，在股票流动性较大的情况下，管理者为了自身的利益会努力地去经营公司，降低公司发生股价崩盘风险的概率。
最后，从价格幻觉效应来看，当公司实施“高送转”后，通常基于除权的原因，会使得股价降到一个较低的位置，投资者因此会产生价格幻觉(谢德仁等，2016)。他们会认为该股票现在处在低位，上涨的概率相对于下跌的概率大很多。因此，投资者尤其是散户投资者就会大量买入该公司的股票，以期望获得超额的收益。如果说该类公司自身的条件确实符合“高送转”的要求，且企业的盈利情况和未来的盈利预期都是理想的，那么投资者在这个时点买入股票，的确能增加获得超额收益的可能性。(3)2018年11月，上交所和深交所分别就高送转问题发布了《上海证券交易所上市公司高送转信息披露指引》以及《深圳证券交易所上市公司高比例送转股份信息披露指引》。相关指引对企业 “高送转”提出业绩指标要求，使得“好企业”能够通过“高送转”向市场进行正向的信息传递，即使投资者存在“价格幻觉”而产生投资行为，也能促进资本市场的稳定。基于上述的三个理由，本文认为“高送转”的实施可以对股价崩盘风险起到抑制作用。因此，本文提出如下假说：
H1a “高送转”有利于抑制股价崩盘风险
然而，基于羊群效应(Lakonishok et al.，1992；Devenow & Welch，1996；Avery & Zemsky，1998)以及中国的监管制度背景，“高送转”也可能存在加重股价崩盘风险的可能。“高送转”在实质上是股东权利和权益的调整，既不能使公司的利润获得提升，也不能增加股东的收益，更多的是一种“账面游戏”或是对企业未来良好业绩的愿景。基于羊群效应，这类“账面游戏”造成的“低价股”往往能够吸引投资的进入，极易造成大量散户投资者集中买入该股票的羊群效应。如果该股票在未来业绩出现不利状况或是存在负面消息(4) 云意电气在2016年宣布高送转后，重要股东在其后数月接连减持套现超6亿元的股票。，那么极易造成未来的恐慌效应，导致股价崩盘风险。
同时，目前我国监管部门对“高送转”的行为不断加以规范，陆续对企业“高送转”的前提条件进行约束，包括相应的利润情况、减持情况、未分配利润等都提出了严格的要求。而市场的投资者容易将监管部门的规范理解成对“高送转”的打压与抑制，从而导致“高送转”的股票发生股价崩盘风险。因此，本文提出前述假设的竞争性假说：
H1b “高送转”加重了股价崩盘风险
(二)证券市场环境、“高送转”与股价崩盘风险
前述关于“高送转”与股价崩盘风险的关系在不同证券市场板块中可能存在差异，具体见图2所示。首先，在实施“高送转”的企业中，主板公司的财务绩效和信息环境优于创业板公司。创业板公司通常在业绩和未分配利润低于主板公司的前提下(姚学霖，2018；逯东等，2015)，实施了更大比例的送转活动(刘大进，2011)。创业板公司在业绩状况不及主板公司的前提下，实行大比例的送转行为更多的是一种扩大股本规模与迎合市场的动机，并不能够向市场传递公司经营良好的信息。因此，创业板公司基于较弱的信号传递效应，使得抑制股价崩盘风险的作用更不显著。而主板公司基于良好的财务绩效和信息环境下的“高送转”行为，信号传递效应增强，从而抑制了股价崩盘风险。

图2 不同证券市场板块中“高送转”与股价崩盘风险关系
其次，主板市场的流动性优于创业板市场。通常，证券市场内公司平均交易量越大、信息质量越理想、交易门槛越低，越能提升股票的流动性(董锋和韩立岩，2006；Madhavan，1992)。因此相对于创业板市场而言，以大企业为主的主板市场的平均交易量更大，信息质量更理想(姚学霖，2018)。当主板公司和创业板公司同时实施“高送转”时，虽然都能带动相应市场的流动性，但基于主板市场天然的优势，导致主板公司的成交活跃度高于创业板公司，从而带来更强的股票流动性。上文提到良好的股票流动性能够带来更好的企业监督与管理者的努力经营，进而降低企业的股价崩盘风险。因此，主板市场基于较强的流动性效应，导致其抑制股价崩盘风险的作用更为显著；而创业板市场基于较弱的流动性效应，导致其抑制股价崩盘风险的作用更不显著。
最后，主板市场公司规模大于创业板市场。从规模上看，相对于以中小企业为主的创业板市场，以大型企业为主的主板市场的平均市值更大。通常，“高送转”造成的“低价股”极易导致散户投资者集中买入的羊群效应。因为小盘股比大盘股的羊群效应更为明显(Wermers，1999)，在同为“低价股”的前提下，创业板公司羊群效应更为明显，进而加重股价崩盘风险。而主板公司的羊群效应较弱，导致其加重股价崩盘风险的作用更不显著。因此，本文提出如下假说：
H2 相对于创业板，“高送转”抑制(加重)股价崩盘风险的作用在主板公司中更为显著(更不显著)
四、研究设计
(一)样本与数据
本文采用我国2003—2015年的A股公司为初始研究样本。公司“高送转”的样本及其他相关数据均从CSMAR数据库中直接获取。“高送转”的资料缺失部分从WIND数据库中加以补充。
借鉴已有的研究(罗进辉和杜兴强，2014；王化成等，2014；许年行等，2012；叶康涛等，2015；李小荣和刘行，2012；许年行等，2013；江轩宇，2013；刘圣尧等，2016)，本文进行了如下的处理：(1)剔除了金融类公司样本；(2)剔除了每年交易周数小于30的样本；(3)剔除了数据有缺失的样本；(4)对连续变量在1%和99%百分位进行了缩尾处理。经过上述筛选，本文最终获得12 903个公司—年度观测值。
(二)变量定义
1.股价崩盘风险。借鉴已有的研究(Kim et al.，2011；王化成等，2014；许年行等，2012；叶康涛等，2015；权小锋等，2015；Xu et al.，2014；Hutton et al.，2009；Chen et al.，2001)，本文构建以下两个股价崩盘风险指标。具体过程如下：
第一步，根据式(1)求出残差项εi,t。在式(1)中，ri,t为公司i在第t周的股票收益率，rm,t为市场在第t周的加权平均收益率。残差为个股收益率中不能被市场收益率波动所解释的部分。
ri,t=αi+β1rm,t-2+β2rm,t-1+β3rm,t
+β4rm,t+1+β5rm,t+2+εi,t
(1)
第二步，将式(1)中的残差项εi,t代入式(2)中，得出Wi,t，本文将其定义为公司的周特有收益率。
Wi,t=ln (1+εi,t)
(2)
第三步，本文计算第一个衡量股价崩盘风险的指标——负收益偏态系数(NCSKEW)，计算结果如式(3)中所示。在式(3)中，n为公司i在第t年的股票交易周数，Wi,t为式(2)中的公司的周特有收益率。NCSKEW越大，说明公司股票收益率负偏态系数的程度越高，公司股价崩盘风险越大。
NCSKEWi,t=
(3)
第四步，本文计算第二个衡量股价崩盘风险的指标——股价上升和下降阶段波动性的差异(DUVOL)。首先，笔者根据公司i的周特有收益率(Wi,t)是否高于年平均收益率将公司i的股票收益率分为上升阶段和下降阶段两个子样本。然后计算两个子样本中股票收益率的标准差Ru和Rd。最后，笔者通过式(4)得出相应的DUVOL的值。在式(4)中，nu为公司i周特有收益率(Wi,t)高于年平均收益率的周数，nd为公司i周特有收益率(Wi,t)低于年平均收益率的周数。DUVOL越大，说明公司股价崩盘风险越大。

(4)
2.“高送转”的界定。本文将公司每年发生每10股送转股合计达5股及以上的样本作为研究对象(李心丹等，2014)。
3.控制变量。本文为了控制其他特征对股价崩盘风险的影响，引入了周收益负偏度、周收益波动比、投资者异质性、市场波动、市场收益、财务杠杆、公司规模、账面市值比、净资产收益率、盈余管理、第一大股东持股比例、两职合一、独立董事占比、企业性质、管理层持股比例作为控制变量(王化成等，2014；许年行等，2012；叶康涛等，2015；许年行等，2013；李小荣和刘行，2012)，变量具体定义见表1。
表1 主要变量定义

(三)模型设定
本文通过式(5)来检验“高送转”对股价崩盘风险的影响。被解释变量Crashriski,t+1主要采用公司第t+1年的股票周收益的负偏程度(NCSKEW)和t+1年的股票周收益涨跌波动比(DUVOL)这两种方法来度量。解释变量LSDi,t为公司是否“高送转”的指标。若假说H1a成立，则预期系数β1显著为负；若假说H1b成立，则预期系数β1显著为正：
Crashriski,t+1=αi+β1LSDi,t
+γControlVariablei,t
+εi,t
(5)
五、实证结果分析
(一)描述性统计与分析
图3是2003—2015年我国上市公司“高送转”数量和“高送转”上市公司占所有上市公司比例的指标。图3分析采用企业送转股票的原始数据。2003年，我国公司实施“高送转”的数量仅有111家，而到了2015年，我国“高送转”的公司的数量达到了569家。在13年的时间里，“高送转”的公司数量增加了近5倍。从图3可以看出，虽然中间几年有一定程度的起伏，但“高送转”公司的数量在这13年里呈现出稳步增长的态势。2003年，我国“高送转”的上市公司数量占所有上市公司数量的9.24%，而到了2015年，这一比例增长到了21.07%。从图3可以看出，这一比例的波动比较大。但本文发现，2008年以后这一比例较以前年份有一定程度的提升，而2013年以后这一比例又得到了一定幅度的提升。

图3 2003—2015年我国上市公司“高送转”数量及占比
表2是对模型中主要变量的描述性统计。股价崩盘风险指标NCSKEWi,t+1和DUVOLi,t+1的均值分别为-0.295和-0.203，与许年行等(2012)和王化成等(2014)研究中所报告的数值差别不大，略有差距的原因主要是报告期的差异所致。标准差分别为0.969和0.375，说明公司间的股价崩盘风险有较大的差距。LSDi,t的均值为0.126，说明在样本区间内，有12.6%的公司进行过“高送转”行为。其他控制变量的分布均在合理的范围内。
继续对股价崩盘风险(NCSKEWi,t+1和DUVOLi,t+1)进行了单变量的分析。按照公司是否进行“高送转”，将样本分为了公司进行了“高送转”(LSDi,t=1)和公司没有进行“高送转”(LSDi,t=0)两个部分。表3报告了股价崩盘风险的组间差异结果。本文发现：进行了“高送转”的公司的NCSKEWi,t+1(DUVOLi,t+1)的均值为-0.383 2(-0.260 3)，低于没有进行“高送转”的公司的NCSKEWi,t+1(DUVOLi,t+1)的-0.283 0(-0.195 6)，且该差异在1%的水平下显著。这一结果和假说H1a一致，即进行了“高送转”的公司，股价崩盘风险更低。但鉴于单变量分析并没有控制其他变量的影响，因此在下文中有必要进行多元回归的分析，来确定进行了“高送转”的公司是否会导致股价崩盘风险更低。
(二)回归结果分析
1.“高送转”对股价崩盘风险的影响。表4检验了“高送转”的公司是否有较低的股价崩盘风险。表4中的所有回归结果都已经对年度和行业进行了控制。回归(1)中用NCSKEWi,t+1来衡量股价崩盘风险，LSDi,t的系数为-0.079 2，且在1%的水平下显著。回归(2)中，本文在回归(1)的基础上加入公司层面的控制变量，LSDi,t的系数为-0.095 1，且在1%的水平下显著。回归(3)中，本文在回归(2)的基础上，控制了管理层股东层面的变量，LSDi,t的系数为-0.092 2，且在1%的水平下显著。在回归(4)、回归(5)、回归(6)中，本文将股价崩盘风险的变量替换成DUVOLi,t+1来衡量，回归(4)中用DUVOLi,t+1来衡量股价崩盘风险，LSDi,t的系数为-0.064 5，且在1%的水平下显著。回归(5)中，本文在回归(4)的基础上加入了公司层面的控制变量，LSDi,t的系数为-0.060 8，且在1%的水平下显著。回归(6)中，本文在回归(5)的基础上，控制了管理层股东层面的变量，LSDi,t的系数为-0.056 3，且在1%的水平下显著。本文发现当用DUVOLi,t+1来衡量股价崩盘风险时，相较于用NCSKEWi,t+1衡量股价崩盘风险，解释变量——公司“高送转”(LSDi,t)的系数绝对值相对较低，但显著度水平和系数的方向都是一致的。另外从整体来说，两种方式衡量的股价崩盘风险对结果没有太大的影响。因此，上述回归证明了假说H1a：“高送转”有利于抑制股价崩盘风险。
表2 描述性统计

表3 单变量分析

说明：*，**，***，分别表示在10%，5%，1%情况下显著。下表同。
2.证券市场板块、“高送转”与股价崩盘风险。本文继续验证不同证券市场板块之间“高送转”对股价崩盘风险的抑制作用是否有差别。在表5中，所有回归结果都已经对年度和行业进行了控制。回归(1)、回归(2)中分别用NCSKEWi,t+1，DUVOLi,t+1来衡量股价崩盘风险，此时的样本取自主板公司。本文发现LSDi,t的系数分别为-0.127 4与-0.059 9，且在1%的水平下显著。说明主板公司的“高送转”行为有利于抑制股价崩盘风险。回归(3)、回归(4)中，分别用NCSKEWi,t+1，DUVOLi,t+1来衡量股价崩盘风险，此时的样本取自创业板公司。本文发现LSDi,t的系数分别为0.058 9与-0.031 5，且在10%的水平下不显著。说明创业板公司的“高送转”行为虽然不会加重股价崩盘风险，但也同样不能抑制股价崩盘风险。因此，上述回归证明了假说H2：“高送转”抑制股价崩盘风险的作用在主板公司中更为显著。
表4 “高送转”对股价崩盘风险的影响

表5 不同证券市场板块的“高送转”对股价崩盘风险的影响

(三)进一步分析
1.不同业绩与减持视角下的“高送转”与股价崩盘风险的关系。吕长江和许静静(2010)认为“高送转”能够说明公司本期有较好的盈利，但是本文发现，2003—2015年间，共有1 806家公司发生过当年净利润亏损的情况，而其中却有66家公司在净利润为负的情况下进行了“高送转”。另外Kalay & Kronlund(2007)从分析师的视角也同样验证了股票拆分确实是公司对未来业绩充满信心的表现。也就是说，如果公司对企业未来的业绩没有极大的信心是很少会进行“高送转”的。但是本文通过分析数据发现，2003—2015年间，共有2 345家公司发生过当年净利润增长率为负的情况，而其中却有118家公司在净利润增长率为负的前提下进行了“高送转”。同时，谢德仁等(2016)提出了公司在“高送转”前存在内部人减持股票的情况，李心丹等(2014)提出了公司在“高送转”后存在大股东减持的情况。当存在内部人减持股票的时候，通常会导致严重的股价崩盘风险(吴战篪和李晓龙，2015)，因此本文有必要考察：如果存在内部人减持情况的公司在发布“高送转”政策后是否有利于抑制股价崩盘风险。本文定义当高管和持股5%以上的非机构投资者在t年净卖出股票时，则该公司在t年存在内部人减持的情况(吴战篪和李晓龙，2015)。
综上，本文可以发现公司进行“高送转”时通常能够说明该公司本身的净利润和净利润增长率不会为负，甚至应该更为理想。但是，仍有部分公司存在业绩基本面不理想的状况下，进行了“高送转”。那么在这种业绩情况下的“高送转”是否对股价崩盘风险起到了抑制作用呢？另外，内部人减持通常会导致股价崩盘风险(吴战篪和李晓龙，2015)，但在这种情况下进行“高送转”是否也有利于抑制股价崩盘风险呢？因此，本文将“高送转”样本分为两类。一类“高送转”是存在“内部人减持、净利润为负以及净利润增长率为负”以上任一情况的“高送转”样本，本文定义此类“高送转”样本为“坏高送转”(LSD_Bi,t)，此类样本共有272个。本文将剩余的样本定义为“好高送转”(LSD_Gi,t)，此类样本共有1 276个。
表6检验了不同类型的“高送转”对降低股价崩盘风险起到的作用。表6中的所有回归结果都已经对年度和行业进行了控制。回归(1)回归(2)中分别用NCSKEWi,t+1，DUVOLi,t+1来衡量股价崩盘风险，此时的解释变量LSD_Gi,t在1%的水平下显著为负，说明“好高送转”对股价崩盘风险起到了抑制的作用。回归(3)与回归(4)中也分别用NCSKEWi,t+1和DUVOLi,t+1来衡量股价崩盘风险，此时的解释变量LSD_Bi,t分别在10%和1%的水平下显著为负，说明“坏高送转”对股价崩盘风险起到了抑制的作用。本文发现，公司在财务状况不理想或是内部人减持的情况下所进行的“高送转”仍然对股价崩盘风险起到了抑制作用。这在一定程度上说明了“高送转”对于股价崩盘风险的抑制作用的传导机制更有可能是来源于行为心理学上的“价格幻觉”与股票流动性的增强。即投资者认为“高送转”的股票带来的名义上的价格的下降以及流动性的增加在一定程度上能够促进股票价格的上升，从而抑制了股价崩盘风险。至于公司利润状况以及公司减持情况对于股价崩盘风险的作用则被投资者大幅度低估。因此，本文得出结论，对于不同业绩与减持情况的公司而言，“高送转”对于股价崩盘风险的抑制作用始终成立。
表6 不同类型的“高送转”对股价崩盘风险的影响

说明：限于篇幅，仅列示主要变量的回归结果。下表同。
2.“高送转”对未来股价崩盘风险的影响。本文上述的研究是考察了t年公司的“高送转”对t+1年公司股价崩盘风险的影响，接着本文考察t年公司的“高送转”是否会对t+2年，t+3年公司的股价崩盘风险起到抑制作用。表7中的所有回归结果都已经对年度和行业进行了控制。回归(1)、回归(2)和主回归一致，都是用t年的“高送转”来考察对t+1年股价崩盘风险的抑制作用，结果和主回归一致：公司t年的“高送转”能够抑制t+1年的股价崩盘风险。回归(3)中用NCSKEWi,t+2来衡量股价崩盘风险，LSDi,t的系数为0.109 2，且在1%的水平下显著。说明公司在t年的“高送转”不仅对t+2年的股价崩盘风险没有起到抑制作用，还加重了t+2年的股价崩盘风险。回归(4)中用DUVOLi,t+2来衡量股价崩盘风险，LSDi,t的系数为0.014 2，且在10%的水平下不显著。说明公司在t年的“高送转”对t+2年的股价崩盘风险没有起到抑制作用。由于两个衡量股价崩盘风险的指标在显著度上有较大的差异，本文不能肯定公司t年的“高送转”能加重t+2年的股价崩盘风险，但本文可以肯定的是公司t年的“高送转”并不能抑制t+2年的股价崩盘风险。回归(5)、回归(6)分别用NCSKEWi,t+3，DUVOLi,t+3来衡量股价崩盘风险，本文发现公司t年的“高送转”对于t+3年的股价崩盘风险已经没有任何的抑制或者是加重的作用。由此，本文可以得出结论：t年的“高送转”仅对t+1年内的股价崩盘风险起到抑制作用，而对t+1年以后的股价崩盘风险起不到抑制作用。
表7 “高送转”对未来股价崩盘风险的作用

虽然“高送转”对股价崩盘风险的抑制作用仅仅为一年的时间，但是如果仅从我国的特殊情况来看，一年时间的抑制股价崩盘的作用已经对投资者起到了很大的保护作用了。证监会在2013年10月25日的发布会中提到“以2012年我国证券市场数据为例，专业机构、自然人的平均持股期限分别约为143个交易日和44个交易日，其相应的收益率分别为7.71%和2.44%。”这可以看出假如在公司“高送转”后，自然人去购买公司的股票，也基本会在两个月内将该公司股票易手。“高送转”能够抑制一年内的股价崩盘风险，就算该股票易手超过5次以上，也不会导致投资者因股价崩盘风险的产生而发生亏损。这足以说明“高送转”对于抑制股价崩盘风险虽然只有一年的作用，但对于我国的投资者来说已经是足够了。
3.“高送转”与普通送转的比较分析。本文将普通送转定义为公司股利分配“每10送转5股及以下”，来观察普通送转是否能够抑制股价崩盘风险。表8中的LSD_Ci,t表示是当公司进行“每10送转5股及以下”时的股利政策，则此时LSD_Ci,t=1，否则LSD_Ci,t=0。在表8中，列(1)和(2)列是普通送转对股价崩盘风险的影响，列(3)和列(4)是“高送转”对股价崩盘风险的影响。从表8中可以看出，相对于“高送转”而言，普通送转对于抑制股价崩盘风险的作用并不显著。
表8 普通送转与“高送转”比较分析

六、稳健性检验
(一)考虑内生性问题
为了缓解内生性问题，本文采取了两种方法。首先，本文通过公司个体固定效应控制公司因个体差异导致遗漏变量而产生的内生性问题，公司个体固定效应控制下的实证结果仍然论证了“高送转”对股价崩盘风险起到抑制的作用以及主板公司的“高送转”有利于抑制股价崩盘风险的结论。
其次，根据谢德仁等(2016)的方法，为了缓解“高送转”公司的自选择问题，本文进行了倾向匹配得分法(PSM)，根据公司资产的自然对数、资产负债率、净资产收益率和行业等进行1∶1的匹配，得到3 096个样本。根据实证结果，可以看出“高送转”仍然对股价崩盘风险起到抑制作用以及主板公司的“高送转”有利于抑制股价崩盘风险。
限于篇幅，笔者未在文中报告相关内生性检验的表格。
(二)股价崩盘风险的其他度量方式
本文引入新的衡量股价崩盘风险的指标Crashi,t+1(Hutton et al.，2009；罗进辉和杜兴强，2014)。笔者定义在第t年，只要个股的周特有收益至少满足式(6)一次，则Crashi,t=1，否则为0。其中。Wi,t为公司当年周特有收益年度均值，δi为公司当年周特有收益标准差。当Crashi,t为1时说明股价崩盘风险较高。

(6)
当用Crashi,t+1来衡量股价崩盘风险时，“高送转”对股价崩盘风险起到抑制作用以及主板公司的“高送转”有利于抑制股价崩盘风险的结论仍旧成立。限于篇幅，笔者未在文中报告相关稳健性检验的表格。
(三)“高送转”的其他度量方式
本文改变“高送转”的衡量方式，定义公司股利分配“每10股送转10股及以上”为“高送转”，观察这种情况下的“高送转”是否能够抑制股价崩盘风险。“高送转”对股价崩盘风险起到抑制作用以及主板公司的“高送转”有利于抑制股价崩盘风险的结论仍旧成立。
第二种定义的改变是参照监管部门最新的定义。2018年11月，上交所和深交所分别就“高送转”的问题，发布了《上海证券交易所上市公司高送转信息披露指引》以及《深圳证券交易所上市公司高比例送转股份信息披露指引》，其中对公司“高送转”进行了重新定义。定义在A股主板上市的公司股利分配“每10股送转5股及以上”为“高送转”；在A股中小板上市的公司股利分配“每10送转8股及以上”为“高送转”；在A股创业板上市的公司股利分配“每10送转10股及以上”为“高送转”。实证结果符合“假说H1a：“高送转”有利于抑制股价崩盘风险和假说H2：“高送转”抑制股价崩盘风险的作用在主板公司中更为显著”的结论。限于篇幅，笔者未在文中报告相关稳健性检验的表格。
七、结论
本文讨论了公司“高送转”对于抑制股价崩盘风险的作用，实证结果表明：“高送转”能够有效抑制股价崩盘风险，相对主板公司而言，创业板公司的“高送转”并不能有效抑制股价崩盘风险。“高送转”对于股价崩盘风险的抑制作用并不受公司财务状况和减持情况的影响，公司t年的“高送转”最多能抑制到t+1年的股价崩盘风险。所有稳健性检验结果均支持了本文的结论。
虽然此前一些文献认为“高送转”的本质是管理者通过账面游戏来获得私人利益的手段，但是，本文发现“高送转”可以缓解股价崩盘风险。随着我国资本市场的不断完善与发展，投资者对于公司“高送转”的辨析能力也不断提升，相信如果公司能够有效合理地采用“高送转”的政策，对于资本市场的稳定也会起到重要的作用，由此为理性看待“高送转”现象提供了借鉴意义。
参考文献
董锋、韩立岩，2006：《中国股市透明度提高对市场质量影响的实证分析》，《经济研究》第5期。
傅超、杨曾、傅代国，2015：《“同伴效应”影响了企业的并购商誉吗?——基于我国创业板高溢价并购的经验证据》，《中国软科学》第11期。
龚慧云，2010：《基于股利迎合理论的我国上市公司送转股行为研究》，《上海金融》第11期。
韩慧博、吕长江、李然，2012：《非效率定价、管理层股权激励与公司股票股利》，《财经研究》第10期。
韩鹏、岳园园，2016：《企业创新行为信息披露的经济后果研究——来自创业板的经验证据》，《会计研究》第1期。
胡志颖、周璐、刘亚莉，2012：《风险投资、联合差异和创业板IPO公司会计信息质量》，《会计研究》第7期。
黄政、吴国萍，2017：《内部控制质量与股价崩盘风险：影响效果及路径检验》，《审计研究》第4期。
江轩宇，2013：《税收征管、税收激进与股价崩盘风险》，《南开管理评论》第5期。
江轩宇、许年行，2015：《企业过度投资与股价崩盘风险》，《金融研究》第8期。
李栋栋，2016：《公司债务期限结构与股价崩盘风险——基于中国A股上市公司的实证证据》，《经济理论与经济管理》第11期。
李小荣、刘行，2012：《CEO vs CFO：性别与股价崩盘风险》，《世界经济》第12期。
李心丹、俞红海、陆蓉、徐龙炳，2014：《中国股票市场“高送转”现象研究》，《管理世界》第11期。
刘大进，2011，《创业板上市公司“高送转”动机与效应分析》，《集美大学学报(哲社版)》第1期。
刘圣尧、李怡宗、杨云红，2016：《中国股市的崩盘系统性风险与投资者行为偏好》，《金融研究》第2期。
逯东、万丽梅、杨丹，2015，《创业板公司上市后为何业绩变脸?》，《经济研究》第2期。
罗进辉、杜兴强，2014：《媒体报道、制度环境与股价崩盘风险》，《会计研究》第9期。
吕长江、许静静，2010：《基于股利变更公告的股利信号效应研究》，《南开管理评论》第2期。
孟庆斌、杨俊华、鲁冰，2017：《管理层讨论与分析披露的信息含量与股价崩盘风险——基于文本向量化方法的研究》，《中国工业经济》第12期。
权小锋、吴世农、尹洪英，2015：《企业社会责任与股价崩盘风险：“价值利器”或“自利工具”?》，《经济研究》第11期。
饶育蕾、贺曦、李湘平，2008：《股利折价与迎合:来自我国上市公司现金股利分配的证据》，《管理工程学报》第1期。
宋献中、胡珺、李四海，2017：《社会责任信息披露与股价崩盘风险——基于信息效应与声誉保险效应的路径分析》，《金融研究》第4期。
王化成、曹丰、高升好、李争光，2014：《投资者保护与股价崩盘风险》，《财贸经济》第10期。
吴战篪、李晓龙，2015：《内部人抛售、信息环境与股价崩盘》，《会计研究》第6期。
肖土盛、宋顺林、李路，2017：《信息披露质量与股价崩盘风险:分析师预测的中介作用》，《财经研究》第2期。
谢德仁、崔宸瑜、廖珂，2016：《上市公司“高送转”与内部人股票减持:“谋定后动”还是“顺水推舟”? 》，《金融研究》第11期。
谢柳芳、朱荣、何苦，2013：《退市制度对创业板上市公司盈余管理行为的影响——基于应计与真实盈余管理的分析》，《审计研究》第1期。
熊德华、刘力，2007：《股利支付决策与迎合理论——基于中国上市公司的实证研究》，《经济科学》第5期。
许年行、江轩宇、伊志宏、徐信忠，2012：《分析师利益冲突、乐观偏差与股价崩盘风险》，《经济研究》第7期。
许年行、于上尧、伊志宏，2013：《机构投资者羊群行为与股价崩盘风险》，《管理世界》第7期。
姚学霖，2018：《A股不同层次市场间上市公司送转动机的对比研究》，兰州：兰州大学硕士学位论文。
叶康涛、曹丰、王化成，2015：《内部控制信息披露能够降低股价崩盘风险吗?》，《金融研究》第2期。
Asquith, P., P.Healy, and K.Palepu, 1989, “Earnings and Stock Splits”, Accounting Review, 64(3): 387-403.
Avery, C., and P.Zemsky, 1998, “Multidimensional Uncertainty and Herd Behavior in Financial Markets”, American Economic Review, 88(4): 724-748.
Baker, H.K., and G.E.Powell, 1993, “Further Evidence on Managerial Motives for Stock Splits”, Quarterly Journal of Business and Economics, 32(3): 20-31.
Ball, R., 2009, “Market and Political/Regulatory Perspectives on the Recent Accounting Scandals”, Journal of Accounting Research, 47(2): 277-323.
Brennan, M.J., and T.E.Copeland, 1988, “Stock Splits, Stock Prices, and Transaction Costs”, Journal of Financial Economics, 22(1): 83-101.
Chen, J., H.Hong, and J.C.Stein, 2001, “Forecasting Crashes: Trading Volume, Past Returns and Conditional Skewness in Stock Prices”, Journal of Financial Economics, 61(3): 345-381.
Devenow, A., and I.Welch, 1996, “Rational Herding in Financial Economics”, European Economic Review, 40(3-5): 603-615.
Hutton, A.P., A.J.Marcus, and H.Tehranian, 2009, “Opaque Financial Reports, R2, and Crash Risk”, Journal of Financial Economics, 94(1): 67-86.
Ikenberry, D.L., and S.Ramnath, 2002, “Underreaction to Self-Selected News Events: The Case of Stock Splits”, Review of Financial Studies, 15(2): 489-526.
Kalay A., and M.Kronlund, 2007, “The Market Reaction to Stock Split Announcements: Earnings Information after All”, SSRN Working Paper No.1027543.
Kim, J.B., Y.Li, and L.Zhang, 2011, “CFOs Versus CEOs: Equity Incentives and Crashes”, Journal of Financial Economics, 101(3): 713-730.
Kim, J.B., and L.Zhang, 2016, “Accounting Conservatism and Stock Price Crash Risk: Firm-Level Evidence”, Contemporary Accounting Research, 33(1): 412-441.
Kumar, A., 2009, “Who Gambles in the Stock Market”, Journal of Finance, 64(4): 1889-1933.
Kyle, A.S., and J.L.Vila, 1991, “Noise Trading and Takeovers”, Rand Journal of Economics, 22(1): 54-71.
Lakonishok, J., A.Shleifer, and R.W.Vishny, 1992, “The Impact of Institutional Trading on Stock Prices”, Journal of Financial Economics, 32(1): 23-43.
Madhavan, A., 1992, “Trading Mechanisms in Securities Markets”, Journal of Finance, 47(2): 607-641.
Maug, E., 1998, “Large Shareholders as Monitors: Is There a Trade-off between Liquidity and Control”, Journal of Finance, 53(1): 65-98.
Muscarella, C.J., and M.R.Vetsuypens, 1996, “Stock Splits: Signaling or Liquidity? The Case of ADR ‘Solo-splits’”, Journal of Financial Economics, 42(1): 3-26.
Wermers R., 1999, “Mutual Fund Herding and the Impact on Stock Prices”, Journal of Finance, 54(2): 581-622.
Xu, N., X.Li, Q.Yuan, and K.C.Chan, 2014, “Excess Perks and Stock Price Crash Risk: Evidence from China”, Journal of Corporate Finance, 25(2): 419-434.
HIGH STOCK DIVIDENDS AND STOCK PRICE CRASH RISK: CURB OR AGGRAVATE
TANG Xue-song ZHENG Yu-xin PENG Qing
(School of Accounting, Southwestern University of Finance and Economics)
Abstract: Based on the sample of Chinese listed companies during period 2003-2015, this paper studies the impact of high stock dividends on stock price crash risk. It arrives at the empirical results that high stock dividends could decrease stock price crash risk. Through further analysis, we find that the high stock dividends of growth enterprise market listed companies is not effective against the stock price collapse risk relative to the main board listed companies. On the one hand, the inhibitory effect of high stock dividends on the stock price crash risk is not affected by the company’s financial situation or the reduction of the stock market. On the other hand, the duration of the impact of high stock dividends on stock price crash is far more than the average length of time that a Chinese investor holds any given stocks. Our findings enrich the research of the economic consequences of high stock dividends.
Key words: high stock dividends; stock price crash risk; main board market; growth enterprise market
*唐雪松、郑宇新(通讯作者)、彭情，西南财经大学会计学院，邮政编码611130，电子信箱：tangxs@swufe.edu.cn。本文得到了国家自然科学基金项目(71672152；71372206)和中央高校一般项目(JBK1907201892)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应的修改，本文文责自负。
(责任编辑:付 敏)