人大商学院 | RMBS

摘要：本文考察了我国卖空交易对股价崩盘风险的影响，并对其作用机理进行了分析。

研究发现：卖空交易有助于降低股价崩盘风险，且通过工具变量法及考虑外生事件冲击等方

法控制了内生性等问题之后，结论依然稳健。同时，在信息透明度较低、公司治理及外部监

督机制较差的情况下，卖空交易对股价崩盘风险的影响更为显著，表明卖空交易通过提升公

司信息透明度和改善公司治理，从而降低了股价崩盘风险。进一步研究发现，在牛市中卖空

交易很好地起到了负面信息挖掘的功能，降低了上市公司的股价崩盘风险，但却并未进一步

加剧恶化较差市场行情下的股价崩盘风险；融资买空显著提高了上市公司的股价崩盘风险。

本文为我国卖空实践的市场风险分析提供了新的视角。

关键词：卖空股价崩盘风险透明度公司治理

一、引言

2010年 3月，我国股票市场正式推出融资融券业务，特别是融券卖空业务，补齐了我国股

票市场交易机制最大的一块短板，标志着我国股票市场成立 30年来仅能单边买入历史的终

结。卖空机制使市场多空双方博弈更加充分（Chang et al.，2007），提高了市场流动性（Changet al.，2007；Autore et al.，2011；Liu and Wang，2013；Gigler et al.，2013）、透明度（Figlewski，1981；Boehmer and Wu，2013；Maffett et al.，2015）和市场定价效率（Saffi and Sigurdsson，2011；李志生等，2015），对于我国证券市场的进一步规范和发展意义重大。然而，市场参与者对卖

空交易的看法仍然存在较大分歧，尤其是在股价经历快速下跌时，投资者更容易对卖空机制

究竟是起到稳定市场还是加速市场下跌的作用产生质疑。部分市场监管者认为，禁止卖空

可以阻止投机者恶意打压股票市场，维护市场的公平和秩序（Frino et al.，2011），从而可能会

降低股价崩盘风险。2015年 6月我国股票市场暴跌进一步激发了实务界对卖空机制与股价

崩盘风险之间关系的争论。

实际上，对这一问题的争论也是学术界的热点。Diamond 和 Verrecchia（1987）从理论上

证明，卖空限制把一些拥有公司负面信息的交易者排斥在市场之外，降低了股价对私有信

息，特别是负面信息的调整速度。后人的经验证据证明了这一结论，学者们发现当限制卖空

后，负面消息融入股价效率降低（Bris et al.，2007；Chang et al.，2007），透明度下降（Maffett etal.，2015），市场流动性风险增加（Liu and Wang，2013）。这就说明，卖空机制有利于将掌握负

面信息的卖空者引入市场，从而使负面信息得到充分反映，并降低股价崩盘风险。但也有学

者认为，卖空限制下的股价波动和高估可能会受到信息的可获得性和其他外生变量的影响

（Boulton and Braga-Alves，2010），对市场影响有限（Alexander and Peterson，2008；Diether etal.，2009；Boulton and Braga-Alves，2010）。也可能存在卖空者基于对私有信息的自信而过度

卖空或者仅基于悲观的情绪而过度卖空（Scheinkman and Xiong，2003），从而导致股价偏离基

融券卖空与股价崩盘风险*——基于中国股票市场的经验证据

□孟庆斌侯德帅汪叔夜

*本文感谢国家自然科学基金项目（项目批准号：71302156、71572191）的资助。侯德帅为本文的通讯作者。

融券卖空与股价崩盘风险

-- 40

DOI:10.19744/j.cnki.11-1235/f.2018.04.006

《管理世界》 2018年第 4期

础价值，并推高市场风险（Haruvy and Noussair，2006）。这就说明，卖空机制可能非但没有降低，反

而提高了股价崩盘风险。

由此可以看到，学术界围绕卖空机制究竟是稳

定市场还是加速市场下跌进行了广泛的争论，但远

未形成统一的认识。支持的一方主要是从卖空机

制提高股价对负面信息的含量出发，而反对者主要

考虑到卖空会放大负面信息的市场影响。本文将

从我国卖空交易实践出发，通过对我国卖空机制与

股价崩盘风险之间关系的探讨，力求对该问题给出

一个较为明确的结论。

我国的市场背景也为该问题的研究提供了一

个很好的场景：首先，国外关于卖空机制的研究，大

多选取原本可以自由卖空但忽然被实施卖空限制

的市场或股票（Billingsley and Tunde，2011；Boehm⁃er et al.，2013；Beber and Pagano，2013），这样的研

究存在两点不足：一方面，实施卖空限制通常伴随

着其他因素，如市场总体的萧条和交易的不活跃

等；另一方面，卖空限制严格的国家或地区通常要

么资本市场并不发达，要么整体经济处于低谷，这

些外在的因素容易造成选择偏差。而我国卖空交

易逐渐放开的特点能够有效排除宏观环境等外部

因素的干扰，为本文解决上述问题提供了理想的实

验场所。其次，美国实行裸卖空交易制度，且不存

在报升制度安排，其卖空交易制度相对激进，本身

就蕴含着巨大的风险（Allen and Gale，1991；Morrisand Shin，1998；Goldstein and Guembel，2008；Callenand Fang，2015）。而我国卖空交易的制度安排较为

保守，且卖空参与门槛和成本都相对较高，相较于

普通投资者而言，卖空交易者拥有更加丰富的市场

经验和更加有效的信息渠道，因此基于我国背景的

研究势必与其他市场存在诸多差异。最后，美国等

多个西方市场只公布特定年份的卖空交易数据①，

其他时间均不披露，而我国证券市场的信息披露制

度提供了卖空交易完整、详尽的数据，为本文的研

究提供了便利。

本文通过考察我国融券卖空交易对股价崩盘

风险的影响及其作用机理发现：首先，融券卖空交

易有助于降低股价崩盘风险，且通过工具变量法及

考虑外生事件冲击等方法控制了内生性等问题之

后，结论依然稳健。其次，在信息透明度较低、公司

治理及外部监督机制较差的情况下，卖空交易对公

司股价崩盘风险的影响更为显著，表明卖空交易通

过提升公司信息透明度和改善公司治理，从而降低

了股价崩盘风险。进一步研究发现，在牛市中卖空

交易很好地起到了负面信息挖掘的功能，降低了上

市公司的股价崩盘风险，但却并未进一步加剧恶化

较差市场行情下的股价崩盘风险；同时融资买空显

著提高了上市公司的股价崩盘风险。

本文的理论贡献主要体现为以下几个方面：第

一，如前所述，长期以来学术界对于卖空交易究竟

是降低了市场风险（Diamond and Verrecchia，1987；Bris et al.，2007；Chang et al.，2007；Fang et al.，2016；Maffett et al.，2015），还是提高了市场风险

（Scheinkman and Xiong，2003；Haruvy and Noussair，2006；Callen and Fang，2015），存在较大争议。本文

以我国的卖空实践为研究背景，通过探讨我国卖空

交易对股价崩盘风险的影响及其作用机制，为卖空

机制降低股价崩盘风险的结论提供了有力的支持，

补充和发展了卖空机制相关领域的研究。第二，先

前对股价崩盘风险影响因素的研究主要集中于公

司内部特征，对于外部机制作用的研究目前主要集

中于机构投资者、分析师、媒体等外部市场参与者

（许年行等，2012，2013；罗进辉、杜兴强，2014），或

者制度、文化等（Defond et al.，2014；Callen andFang，2015）层面。而对于交易机制的作用，由于数

据可得性较差，相关研究相对较少。本文从融券卖

空这一外部交易机制的角度研究其与股价崩盘风

险间的关系，为股价崩盘风险领域的研究提供了一

个新的视角。第三，已有文献主要是基于发达资本

市场面临风险时，市场由允许卖空到卖空限制转换

过程中的卖空与市场风险之间的关系。由于实施

卖空限制通常伴随着其他因素，如市场总体的萧

条、交易的不活跃等，使实证结果的可靠性不可避

免的受到影响。本文研究我国由卖空限制转向卖

空实践的过程中卖空与股价崩盘风险之间的关系，

研究结论更加可靠，也容易拓展至其他新兴资本

市场。

本文剩余部分的结构安排如下：第二部分为卖

空交易与股价崩盘风险的文献回顾和理论分析，并

基于此提出本文的研究假设；第三部分为研究设

计；第四部分为实证结果分析与讨论；第五部分为

-- 41

影响机理分析；第六部分为进一步研究；第七部分

为研究结论。

二、文献回顾与理论分析

（一）卖空交易与股价崩盘风险

股价崩盘主要是指在非预期情况下，股价突然

大幅度下跌的现象，对上市公司而言股价崩盘是严

重的经济后果，同时也损害了资本市场的健康发

展，侵蚀了投资者的财富。导致股价崩盘的原因具

有复杂性。现有文献发现，公司的经营和投资行为

（Kim et al.，2011a，2011b；江轩宇，2013；江轩宇、许

年行，2015；顾小龙等，2015）、分析师乐观偏差（许

年行等，2012）、公司高管特征（李小荣、刘行，

2012）、信息披露（叶康涛等，2015；Song，2015；Francis and Zhang，2016）、公司治理（王化成等，

2015；吴战篪、李晓龙，2015），以及来源于外部的机

构投资者持股（An and Zhang，2013；许年行等

2013）、媒体报道（罗进辉、杜兴强，2014）和企业社

会责任（Kim et al.，2014；权小锋等，2015）等，都会

对公司的股价崩盘风险产生影响。 Jin 和 Myers（2006）认为，随着管理层隐藏的坏消息逐渐累积，

隐藏成本增加，突破一定阈值后，坏消息被市场突

然集中感知，从而造成股价大幅下跌直至崩盘。因

此，股价崩盘风险与公司负面消息的逐渐累积并突

然释放有着非常紧密的关系，但根本原因可能在于

负面信息无法及时融入股价，导致市场定价机制失

灵，从而产生了较高的股价崩盘风险（Hong andStein，2003；Chang et al.，2007；Gallmeyer and Holli⁃field，2008；Grullon et al.，2015），因此崩盘风险的高

低依赖于市场的价格发现效率。

价格发现功能是证券市场最主要的功能之一，

发挥这一功能的一个重要前提就是证券价格最大

限度地反映市场各方的期望并形成均衡。如果市

场存在卖空限制，将会把持有悲观态度的交易者的

预期拒之门外，使均衡股价难以反映大部分悲观交

易者的信念（Miller，1977）。由于负面情绪不能充

分及时地反映到股价之中，因此存在卖空限制的市

场会促使悲观交易者离场，而乐观交易者主导的单

边市场会导致股价估值偏高，风险上升（Hong andStein，2003；Chang et al.，2007；Gallmeyer and Holli⁃field，2008；Grullon et al.，2015）。从另一个角度看，

在卖空限制条件下，价格发现效率取决于市场中持

股者的行为，如果股价高估，精明的投资者将会卖

出股票。但如果持股者不够精明，就可能导致股价

高估，而外围的投资者又不能卖空这些股票，就会

使风险不断累积（Nagel，2005），此时形成的股票交

易价格具有不可持续性，更易受到负面消息的冲

击，是一种蕴含着股价崩盘风险的不稳定均衡。

Beber和 Pagano（2013）通过考察 2008年金融危

机期间，全球主要资本市场禁止或限制卖空交易的

管制中发现，禁止卖空交易并未起到支撑股价的作

用，相反却损害了市场流动性，阻碍了价格发现效

率。放松卖空限制可以加速信息融入股价，提高股

价效率（Saffi and Sigurdsson，2011）。与普通投资者

相比，卖空交易者具有信息优势（Asquith et al.，2005；Białkowski and Jakubowski，2008；Boehmer etal.，2008；Takahashi，2010），以及更强的信息处理能

力（Francis et al.，2005；Engelberg et al.，2012；Blauand Pinegar，2013；Drake et al.，2015），因此，能够更

好地辨识出潜在风险较高的公司（Maffett et al.，2015）。而市场其他参与者通过观测卖空信息也能

够获得更多的有关公司特质风险的信息，从而使市

场透明度提高，有效性增强。这就说明，卖空交易

者能够发现尚未曝光的坏消息，有选择地做空未来

表现不佳的股票，有助于降低股价崩盘风险。

但也有学者认为，卖空限制下的波动和高估可

能会受到信息的可获得性和经济中外生变量的影

响（Boulton and Braga-Alves，2010），卖空限制本身

只是轻微地扩大了买卖价差，对市场的流动性影响

有限（Alexander and Peterson，2008；Diether et al.，2009；Boulton and Braga-Alves，2010）。根据 Henry和 McKenzie（2006）研究，在推出卖空制度后，香港

股票的价格波动加大，不对称性加强。由于卖空者

可能对私有信息的过度自信而超额卖空或者仅基

于过度悲观的情绪而卖空，从而容易造成看空市场

的负面情绪增加，结果使交易量和股价波动性降低

（Scheinkman and Xiong，2003）。在此基础上，市场

中股票的供给和现金都会增加，市场变得更加不均

衡，使股价偏离基础价值并导致风险不断累积（Ha⁃ruvy and Noussair，2006）。

总的来看，从现有的文献中无法明确的推测出

卖空究竟降低还是提高了股价崩盘风险的结论，支


-- 42


持的一方主要是从卖空交易可以提高股价负面信

息含量出发，而反对者主要考虑到卖空会放大负面

信息的市场影响。二者争论的核心实际上集中于

卖空机制是否造成对负面信息产生过度反应的问

题上。除此之外，不同的国家股票市场在成熟度、

透明度以及市场效率等方面存在显著差异，正如

Daouk和Charoenrook（2009）通过对全球多个市场的

对比研究发现，尽管卖空可以增强市场流动性，但

对于市场信息质量的影响往往取决于其具体特征。

如Callen和 Fang（2015）基于美国在裸卖空交易

制度下的研究发现，随着未补抛空裸卖空差额（未

平仓裸卖空量）的增加，公司股价崩盘风险显著上

升。他们将这一现象解释为当卖空交易者发现被

管理层隐藏的坏消息后，就会参与到裸卖空的交易

中，此时未补抛空裸卖空差额的头寸就反映了股票

坏消息的严重程度。当坏消息无法隐藏时，股价发

生崩盘。然而，Callen 和 Fang（2015）主要基于美国

在裸卖空交易制度下的情况进行研究，这种交易制

度本身就蕴含着巨大的风险，并且经常引起对负面

消息的过度反应，因此即使在更加自由且成熟的西

方市场也受到诸多限制，甚至在金融危机爆发时成

为众矢之的而被取消②。因此，Callen和 Fang（2015）的研究结果可能与一般意义上的卖空交易对股价

崩盘风险的影响存在差异。

作为新兴市场国家，我国市场与发达国家的资

本市场既有共性也有异质性。基于我国背景，褚剑

和方军雄（2016）发现融资融券制度的推出提高了

我国上市公司的股价崩盘风险，为我国 2015年的股

灾的发生提供了很好的解释，并为未来我国股市长

期健康发展提出了合理的建议。但由于融资和融

券推出时点和标的完全重合，且融资量远远大于融

券量，因此褚剑和方军雄（2016）的研究实际上主要

是针对于融资交易，对融券卖空方面涉及较少。

从我国的卖空交易运行规则来看，首先，我国

所实行的卖空交易制度为有交割保障的卖空（Cov⁃ered Short Sale），严格禁止裸卖空，实行卖空交易提

价规则③和严格信息披露制度等。此外，我国融券

制度仅有 6年多的历史，融券标的和券商可融出股

票的存量都很有限。尽管以上这些交易规则使我

国卖空交易业务较为保守，但有利于降低卖空交易

所带来的市场风险，提高股价信息含量（Kolasinski

et al.，2010）。因此我国卖空机制不但不应该像西

方裸卖空那样放大负面信息的影响（Lecce et al.，2012），反而可能还不足以完全将负面信息反映在

股价中。除此之外，与西方发达国家相比，我国融

券市场投资者准入门槛和交易成本都很高，参与融

券交易的投资者不但需要具有更加丰富的市场经

验，也需要拥有更好的信息渠道，因此我国的卖空

交易应该能够更多地体现出信息传递功能，提升了

股票的定价效率（许红伟、陈欣，2012；李科等，

2014；肖浩、孔爱国，2014；李志生等，2015；朱民武，

2015），而不是信息过度放大的功能。基于上述分

析，本文提出如下假设。

H1：随着卖空交易量的增加，股价崩盘风险降

低，即两者呈负相关关系。

（二）卖空交易对股价崩盘风险的影响机制

若假设 H1 得到证明，即在我国卖空交易的确

降低了股价崩盘风险，那么本文将对其影响机制进

行进一步的深入探讨。

1.信息透明度视角

公司信息透明度是影响外部投资者评估公司

真实价值和影响股价效率的重要因素。公司内部

信息环境差，信息透明度低，管理层更易进行应计

盈余操纵（Hutton et al.，2009；An and Zhang，2013）。

因此对于公司信息透明度低的公司，一方面普通投

资者难以发现公司经营中存在的问题，另一方面公

司管理层更具有隐藏负面信息的机会主义倾向。

随着负面信息的累积，当突破一定阀值后，负面信

息集中释放，导致股价下跌，甚至出现崩盘。因此，

信息透明度较低的公司更容易发生股价崩盘（Jinand Myers，2006；Hutton et al.，2009；潘越等，2011）。

卖空交易者作为信息交易者，能够比普通投资

者更有效地挖掘公司负面信息（Francis et al.，2005；Gigler et al.，2013），并通过卖空交易使负面信息及

时融入到股价中（Asquith et al.，2005；Bris et al.，2007；Białkowski and Jakubowski，2008；Boehmer etal.，2008；Takahashi，2010）。这在客观上避免了负

面消息的集中释放，提升了市场定价效率（Fang etal.，2016），降低了股价崩盘风险。Maffett 等（2015）研究认为，卖空限制降低了股票价格的信息含量，

在卖空限制条件下，通过股票价格不能够识别出违

约风险较高的公司。从另一个角度看，这意味着卖

-- 43

空的存在使市场参与者不用付出额外成本的情况

下就可以更好地识别那些可能会违约的公司，使其

他市场参与者通过观测卖空情况就可以获得更多

的有关公司特质风险信息。

因此，对于信息透明度较低的公司，若如假设

H1 所述，卖空交易能够使公司负面消息融入到股

价中，那么股价包含的公司特质信息将会增加，从

而股价崩盘风险降低；而对于信息透明度较高的公

司，其股价本身已经包含了丰富的信息量，此时卖

空交易发挥信息挖掘和传递功能的作用将会降低，

从而卖空交易对股价崩盘风险的影响也会随之减

弱。基于以上分析，本文提出如下假设。

H2：相对于信息透明度较高的公司，卖空交易

对信息透明度较低公司的股价崩盘风险降低作用

更加显著。

2.公司治理视角

公司治理可以显著影响管理层隐藏负面消息

的机会主义行为（伊志宏等，2010；Hermalin andWeisbach，2012；Fang et al.，2016）。较差的公司治

理会降低公司信息披露质量，提高普通投资者获取

公司真实信息的成本。但由于卖空者能够识别管

理层的盈余操纵和欺诈（Christophe et al.，2004；Efendi et al.，2004；Desai et al.，2006；Karpoff andLou，2010），发现公司财务不端行为（Fang et al.，2016）和公司的治理缺陷（Massa et al.，2015b），因

此较差的公司治理水平为卖空者提供了更大的套

利空间（Karpoff and Lou，2010）。如 Desai 等（2006）研究发现，在财务重述前一段时间，卖空交易会大

量的增加，财务重述后，卖空交易量显著降低，且在

具有较高应计盈余管理水平的公司，这种现象更加

明显。Karpoff 和 Lou（2010）发现，在财务报告尚未

公开披露前，卖空交易者就能够发现公司潜在的虚

假财务行为，使股票价格维持在合理水平，从而抑

制了股价不合理的上涨。陈晖丽和刘峰（2014a，2014b）基于我国市场发现融券卖空机制降低了公

司的应计盈余操纵行为，提升了会计信息质量，增

强了会计稳健性，具有显著的公司治理效应。

综上，卖空交易可以约束管理层隐藏负面信息

的机会主义倾向，抑制管理层的短视行为（Massa etal.，2015a），增强会计稳健性（陈晖丽、刘峰，

2014b），改善公司治理状况（陈晖丽、刘峰，2014b；

Massa et al.，2015b）。由于公司治理水平的提高有

利于减少公司负面信息的累积（Kanagaretnam etal.，2007），从而降低股价崩盘风险。因此基于以上

分析，本文提出如下假设。

H3：相对于治理机制较好的公司，卖空交易对

公司治理水平较差公司的股价崩盘风险降低作用

更加显著。

三、研究设计

（一）样本选择

本文采用从 2010 年推出卖空机制以来到 2015年我国A股市场融券标的股票为初始研究样本，然

后进行如下数据筛选和处理：（1）按照中国证监会

2012 发布的上市公司行业分类，剔除金融行业公

司；（2）剔除数据缺失公司；（3）剔除 B 股公司；（4）剔除被调出融资融券名单标的公司；（5）已有文献

主要采用年度月均卖空交易数据进行研究，但由于

卖空交易者可能采取短期交易策略（Reed，2007；Diether et al.，2009），而日卖空交易数据更有助于充

分挖掘卖空交易的信息价值及其对股价的影响

（Boehmer and Wu，2013），由此本文采用卖空交易

日数据进行研究。另外，根据 Jin 和 Myers（2006）、

许年行等（2012）、王化成等（2015）等学者研究，需

要足够的交易日期计算股价崩盘风险指标，同时在

研究过程中也需要标的股票具有相对充足的卖空

交易天数，并参考 Reed（2007）、Diether 等（2009）以

及Boehmer和Wu（2013）等相关学者研究，由此剔除

季度内卖空交易天数的中位数以下数值。经过以

上处理，本文最终共获得有效研究样本 3361个。对

连续变量上下 1%进行缩尾处理。本文卖空交易数

据来源于 CSMAR 数据库，财务指标数据主要来源

于 WIND 数据库，媒体报道数据来自 RESSET 数

据库。

（二）变量定义

1.被解释变量：股价崩盘风险

借鉴已有研究（Chen et al.，2001；Hutton et al.，2009；Kim et al.，2011a，2011b），本文采用两种方法

度量上市公司股价崩盘风险。度量方法如下。

首先，利用模型（1）计算出股票 i经过市场调整

后的收益率。


-- 44


（1）其中，ri，t为股票 i在第 t天考虑现金红利再投资

的日个股回报率，rm，t为市场在第 t天考虑现金红利

再投资的日市场回报率（流通市值加权平均法）。

为调整股票的非同步性交易，模型（1）中加入了市

场收益率的滞后两期和超前两期的收益率（Xu etal.，2013）。

然后对（1）式的残差项 εi，t按照公式 wi，t=ln（1+εi，t）进行变换，得到股票日特有收益率 wi，t。最后，

利用股票日特有收益率 wi，t，采用以下两种方法构

造股价崩盘风险度量指标。

方法 1：用个股日特有收益率的负收益率偏态

系数衡量股价崩盘风险，即：

（2）

其中，n为个股 i的每季度交易天数。NCSKEW

数值越大，即负收益率偏态系数越大，股价崩盘风

险越高。

方法 2：用个股日特有收益率上下波动的比率

衡量股价崩盘风险，即：

（3）其中，nu和 nd分别为个股日特有收益率wi，t高于

和低于当季个股日特有收益率 wi，t的均值的天数。

DUVOL数值越大即收益率左偏度越高，股价崩盘风

险越高。

2.主要解释变量：卖空交易量

卖空交易量（SSR）：标的股票每季的日均融券

卖出量除以个股流通股股本量，然后再乘以 1000。3.股价特质信息含量

本文采用股价同步性指标衡量股价特质信息

含量，根据 Jin 和 Myers（2006）、An 和 Zhang（2013）的方法计算股价同步性，首先进行如下回归：

（4）其中，rk，i，t，w为在行业 k中股票 i在第 t季第 w天

考虑现金红利再投资的日个股回报率，rm，t，w-1和 rm，t，w

为市场在第 t季第 w-1天和 w天考虑现金红利再投

资的日市场回报率（流通市值加权平均法），rk，t，w-1和

rk，t，w为行业 k在第 t季第w-1天和第w天按流通市值

加权回报率（不包括公司 i）。对（4）式的可决系数

R2，进行如下处理：

（5）这样就得到了公司 i在第 t季的股价同步性指

标 SYNCHi，t。SYNCHi，t值越大表示股价特质信息含

量越低。

4.会计信息质量

本文运用应计盈余管理水平衡量公司的会计

信息质量。参考修正的琼斯模型（Dechow et al.，1995），定义应计盈余管理水平，首先对模型（6）分

年度分行业进行回归，然后将其回归系数代入模型

（7）计算出操控性应计，最后取其绝对值衡量应计

盈余管理水平（ABACC）。模型如下：

（6）

（7）

其中，Assetsi，t-1 为公司 i在 t-1 年末的总资产，

ACi，t表示 i公司在第 t年的总应计项目，等于营业利

润减去经营活动产生的净流量，ΔRevi，t表示 i公司在

t年的收入变化，等于本年营业收入与上年营业收

入相减，PPEi，t为固定资产原值，ΔReci，t表示 i公司在

t年的应收账款变化，等于本年应收账款与上年应

收账款相减。ABACC越大表示公司的应计盈余管

理水平越高，会计信息质量越低，反之，ABACC越小

表示公司的应计盈余管理水平越低，会计信息质量

越高。

5.其他控制变量

同时借鉴现有文献（Chen et al.，2001；Huttonet al.，2009；Kim et al.，2011a，2011b；许年行等，

2012，2013；江轩宇、许年行，2015；叶康涛等，2015；王化成等，2015；Callen and Fang，2015；Francis andZhang，2016），本文在模型中还控制了以下变量 :LNCSKEW、LDUVOL，为滞后一期的股价崩盘指标；

DTURN，月平均超额换手率，为第 t年股票 i的月平

均换手率与第 t-1 年股票 i的月平均换手率的差；

RET，股票 i在第 t季的平均日特有收益率；SIGMA，

股票 i在第 t季的收益波动，为公司 i在第 t季日特有

ri, t = αi+ β1rm, t-2+ β2rm, t-1+ β3rm, t+ β4rm, t+1

+β5rm, t+2+ εi, t

NCSKEWi, t =-n ( n-1 )32∑w3

i, t

/( )n-1 ( )n-2 ( ∑w2i, t)

32

DUVOLi, t =log{[ )( nu-1 ΣDown

w2i, t]

/[ )( nd-1 ΣUp

w2i, t]

rk,i, t,w= α+ β1rm, t,w-1+ β2rm, t,w + β3rk, t,w-1

+β4rk, t,w+ εk,i, t,w

SYNCHi, t =ln( R2i, t

1-R2i, t)

ACi, t

Assetsi, t-1= α0

1Assetsi, t-1

+ α1ΔRe vi, t

Assetsi, t-1

+α2PPEi, t

Assetsi, t-1+ εi, t

ACi, t

Assetsi, t-1= α0

1Assetsi, t-1

+ α1ΔRe vi, t-ΔRe ci, t

Assetsi, t-1

+α2ΔPPEi, t

Assetsi, t-1+ εi, t

-- 45

收益的标准差；SIZE，公司规模，为公司流

通股交易市值的对数；MB，市值账面比，

衡量方法为：（股票价格×流通股数量+每

股净资产×非流通股数量）/账面权益价

值；ROA，总资产收益率，为净利润与总资

产之比；LEV，资产负责率，为总负债与总

资产之比；另外本文还控制了季度和行业

哑变量。

（三）实证模型

为检验假设 H1，采用卖空交易量

SSR为解释变量，考察随着卖空交易量的

增加，股价崩盘风险的变化。借鉴Hutton等（2009）、江轩宇和许年行（2015）、Cal⁃len和Fang（2015），模型设置如下：

NCSKEW i，t+1（DUVOL i，t+1）=α+β1SSRi，t

+γControl_variblesi，t+εi，t （8）其中，NCSKEW i，t+1 和 DUVOL i，t+1 为股

价崩盘风险两个不同的度量指标，SSRi，t

为标的股票的卖空交易量，Con⁃

trol_variblesi，t 为一组控制变量。若假设

H1成立，则 β1的系数预期为负，表明随着

卖空交易量的增加，股价崩盘风险降低。

对其他假设的研究，如果无特殊说明，将

在模型（8）的基础上进行分组考察，在此不再赘述。在本文

的所有回归中，为避免公司层面的聚集效应对标准误的影

响，在公司层面对标准误都进行了聚类（Cluster）处理。

四、实证研究

（一）描述性统计分析

描述性统计结果见表 1。从表 1可以看到，NCSKEW的均

值和标准差分别为-0.495和 0.704，DUVOL的均值和标准差分

别为-0.403 和 0.516，与已有研究差别不大。SSR的均值为

0.177‰，最大值为 1.196‰，说明我国卖空交易的市场规模较

小，卖空限制依然较高，并且在不同公司之间存在较大差异，

即解释变量具有较大变异性。

（二）相关性分析

变量之间的相关系数矩阵见表 2。从表 2可以看到，股价

崩盘风险的两个指标 NCSKEW与 DUVOL的 Pearson 和 Spear⁃man 相关系数分别为 0.897 和 0.902，且均在 1% 水平上显著，

说明这两者具有较好的一致性。SSR与NCSKEW的Pearson和

Spearman 相关系数为-0.108 和-0.135，与 DUVOL的 Pearson和 Spearman相关系数皆为-0.170，且均在 1%水平上显著。这

说明在不考虑其他因素影响时，卖空交易量较高的标的股票

的股价崩盘风险更低，初步证明了假设H1。（三）卖空交易与股价崩盘风险的结果分析

利用模型（8）对卖空交易与股价崩盘风险之间的关系进

行检验，结果见表 3。表 3第（1）和（2）列为单变量回归结果，

第（3）和第（4）列为加入控制变量后的回归结果。从表 3可以

看到，卖空交易变量对两个股价崩盘风险的代理变量的影响

都显著为负，支持了假设H1，说明随着卖空交易量的增加，股

价崩盘风险呈显著下降趋势。

对其他控制变量而言，滞后一期的股价崩盘风险（LNC⁃

SKEW、LDUVOL）、特有收益率（RET）、特有收益率波动（SIG⁃

MA）、市值账面比（MB）显著为正，应计盈余管理（ABACC）、总

资产收益率（ROA）显著为负，与已有研究结论一致（Kim et

表 1 描述性统计分析

NCSKEWDUVOLSSR

DTURNRETSIGMASIZEMB

ABACCROALEV

Mean-0.495-0.4030.1770.236

-0.3910.02619.5123.2610.0630.0500.496

Sd0.7040.5160.24590.4410.3110.0111.0272.7010.0780.0530.204

Q1-0.905-0.7660.029-0.002-0.5560.01718.7971.6740.0180.0180.349

Median-0.497-0.4450.0840.160-0.3080.02519.6182.5420.0400.0410.507

Q3-0.075-0.0780.2110.469-0.1400.03420.3293.9410.0770.0760.656

Max1.3990.9001.1961.383-0.0230.05120.94623.5610.5790.2100.996

注：Mean 和 Sd 为样本均值和标准差，Q1、Median 和Q3分别表示 25%、50%和 75%分位数。

表 2 主要变量的相关系数

NCSKEWDUVOLSSR

DTURNRETSIGMASIZEMB

ABACCROALEV

NCSKEW1

0.897***-0.108***0.239***-0.309***0.327***0.133***0.091***-0.0060.013-0.01

DUVOL0.902***

1-0.170***0.222***-0.295***0.299***0.038**0.071***-0.007-0.02-0.003

SSR-0.135***-0.170***

10.050***0.067***-0.033*0.421***-0.002-0.031*-0.0140.021

DTURN0.244***0.198***0.061***

1-0.524***0.551***0.428***-0.029-0.02

-0.141***0.03

RET-0.320***-0.275***0.056***-0.641***

10.303***-0.443***-0.200***

-0.0260.104***

0.025

SIGMA0.321***0.275***-0.057***0.640***0.409***

10.492***0.216***

0.026-0.094***-0.039**

SIZE0.144***0.05***0.402***0.533***-0.510***0.509***

10.149***-0.0270.012

-0.061***

MB0.110***0.095***-0.043**0.041**

-0.286***0.287***0.191***

10.082***0.181***-0.121***

ABACC-0.031*-0.024-0.016

-0.049***-0.0290.03

-0.039**0.113***

10.026

0.053***

ROA-0.003-0.0130.007

-0.149***0.083***-0.082***

-0.0120.278***0.067***

1-0.504***

LEV-0.014-0.0070.0090.003

0.049***-0.049***-0.047**-0.245***

0.034*-0.516***

1注：（1）左下和右上方分别为 Pearson 和 Spearman 相关系数；（2）*、**、***分别表示 10%、5%和 1%的显著性水平（下同）。


-- 46


al.，2011a，2011b；江轩宇、许年行，2015；Callen andFang，2015；Francis and Zhang，2016；褚剑、方军雄，

2016）。

（四）稳健性与内生性检验

根据对假设 H1 的实证检验，本文发现随着卖

空交易量的增加，股价崩盘风险显著降低，并且在

回归过程中，为了克服潜在的内生性问题，本文已

将控制变量滞后一期。但为了进一步缓解可能存

在的内生性问题，使研究结论更为稳健性，本文将

通过工具变量法和外生事件冲击等方法予以检验

和控制。

1.工具变量法一

参考 Hirshleifer 等（2011）和 Massa 等（2015b），

本文选取市场上交易的所有交易所交易基金（Ex⁃change Traded Funds，简称 ETF）所持有某只股票的

市值，除以相应股票的流通市值作为工具变量

（ETF_ Ownership）。其原因在于：ETF 本身是一种

指数现货，除了可以被做多外，也可以被做空。如

果投资者对大盘未来走势持有负向预期时，就可以

利用融券卖出 ETF进行反向操作，因此 ETF为融券

卖空某只股票提供了一种替代选择。但同时，ETF作为一种可交易的指数基金，对公司个体风险并不

关注，也无助于提供公司特质信息，因此 ETF 的交

易对个股的股价崩盘风险并无影响，可以作为卖空

交易的工具变量（Hirshleifer et al.，2011；Massa etal.，2015b）。回归结果见表 4。

从表 4 的第（1）和（3）列可以看到，在第一阶段

ETF_ Ownership对 SSR进行回归，系数都显著为负，

说明 ETF与个股卖空量为替代关系。在第二阶段

回归中，本文将卖空交易量的预测值（LSSR）作为解

释变量，对股价崩盘风险变量（NCSKEW和DUVOL）

进行回归。从表 4第（2）和（4）列可以看到，卖空交

易量的预测值（LSSR）与股价崩盘风险的两个度量

变量（NCSKEW和 DUVOL）都显著负相关。以上回

归结果表明，在控制了变量内生性后，卖空交易量

依然能够显著降低股价崩盘风险。

2.工具变量法二

借鉴已有研究（Kim et al.，2014；Xu et al.，2014；王化成等，2015），本文采用同季度同行业其

他融券标的股票卖空交易量的均值（INDSSR）作为

所考察股票卖空交易量的工具变量。其原因在于，

同季度同行业其他融券标的公司面临相似的市场

环境和行业风险，因此其他融券标的股票的卖空量

与所考察股票的卖空量存在着替代或互补作用。

表 3 卖空交易与股价崩盘风险回归结果表 4 工具变量法：ETF_ Ownership

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant

QuarterIndustryAdj. R2

N

(1)NCSKEWt+1

-0.093*(-1.90)

0.350**(2.48)YesYes

0.2063361

(2)DUVOLt+1-0.117***

(-2.98)

0.388***(3.86)YesYes

0.2143361

(3)NCSKEWt+1

-0.139**(-2.55)

0.121***(6.04)

0.009(0.26)

1.097***(4.96)

40.920***(6.58)

0.044**(2.11)

0.013***(2.88)

-0.279*(-1.72)-0.155(-0.62)0.023(0.30)

-2.339***(-5.24)

YesYes

0.2393032

(4)DUVOLt+1-0.097**(-2.26)

0.138***(6.75)0.022(0.80)

0.481***(2.92)

21.641***(4.92)-0.000(-0.03)0.007**(2.29)

-0.228*(-1.90)-0.338*(-1.70)-0.002(-0.03)

-0.956***(-3.14)

YesYes

0.2453032

注：括号内的数字为 t值（下同）。

LSSR

ETF_Ownership

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)第一阶段回归

SSR t

-0.002*(-1.71)-0.007(-0.74)

0.137***(3.39)

0.566***(3.4)

8.928***(2.28)

0.132***(8.69)

-0.002(-0.42)0.035(0.32)0.108(0.41)0.111(1.34)

-2.296***(-6.88)

YesYes

0.4501195

(2)第二阶段回归NCSKEW t+1

-4.783*(-1.70)

0.053(0.91)

0.605(1.33)

4.305**(2.26)

101.786***(2.99)0.599*(1.67)0.006(0.20)0.114(0.20)0.558(0.44)0.778*(1.94)

-11.591*(-1.90)

YesYes

0.2261195


SSR t

-0.002*(-1.72)

-0.038**(-2.22)

0.136***(3.40)

0.539***(3.30)

8.448**(2.19)

0.130***(8.60)

-0.002(-0.39)0.034(0.31)0.136(0.52)0.113(1.37)

-2.265***(-6.81)

YesYes

0.4531195

(4)第二阶段回归DUVOL t+1

-2.924*(-1.72)

-0.046(-0.54)0.377(1.34)2.167*(1.93)

52.077***(2.58)0.328(1.55)0.006(0.31)0.023(0.06)0.300(0.38)

0.507**(1.99)

-6.416*(-1.77)

YesYes

0.2351195

-- 47

但是由于股价崩盘风险主要源于目标公司对负面

信息的隐藏和突然的释放，更多基于公司特质信

息，因此 INDSSR也满足外生性的原则。回归结果

见表 5。从表 5 可以看到，同季度同行业其他股票的卖

空量与所考察股票卖空量呈负相关关系，即两者之

间相互替代，而卖空交易量的预测值（LSSR）与股价

崩盘风险的两个度量变量（NCSKEW和 DUVOL）则

显著负相关。这就进一步排除了潜在的内生性问

题，支持了假设H1。3.外生事件

我国在 2010 年开始试点卖空交易，但在 2013年开始实施转融券交易前，市场中可融股票仅来源

于券商使用自有资金购入的股票，由于这部分股票

的风险暴露较强且无法完全对冲，因此券商可融股

票规模相对较小。这就使得不少拥有公司负面信

息的投资者由于无法融到股票而使其负面信息无

法表达，因此在 2013年前卖空交易对股价崩盘风险

的影响可能较小，甚至没有影响。从 2013 年开始，

我国卖空交易市场开始实施转融券业务，即将证券

公司托管的客户存量股票纳入可融股票池，这样卖

空者可融股票的存量大幅增加，股票市场的卖空约

束大幅降低。卖空交易者挖掘公司负面信息后可

进行卖空交易的机会增加，悲观投资者的信息可以

更好地表达出来，因此，此时卖空交易可能对股价

崩盘风险产生更强的影响。此外，根据证监会颁布

的《转融通业务监督管理试行办法》，转融券包含所

有，而非具体某一部分融券标的，因此本文将转融

券的实施作为外生的事件冲击，结果见表 6。从表 6 的第（1）和（2）列可以看到，在转融券推

出之前，卖空交易对股价崩盘风险不存在显著影

响；而从表 6 的第（3）和（4）列可以看到，在转融券

以后，发现卖空交易可以显著的降低股价崩盘风

险。这就说明实施转融券后，随着市场更大幅度的

放松卖空限制，卖空交易对股价崩盘风险的影响明

显增强，进一步支持了本文的结论，即卖空交易有

助于降低股价崩盘风险。假设H1的内生性问题再

次得到排除。

4.变换卖空交易量的度量方法

为了进一步增强本文结果的可靠性，本文还改

变卖空交易量的度量方式，利用对数化的季度日均

卖空交易量（SSV）作为替代变量，结果见表 7。从表

表 5 工具变量法：INDSSR

LSSR

INDSSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N


SSR t

-0.990***(-53.85)0.001(0.43)

0.008**(2.08)

0.112***(5.16)

3.117***(5.49)

0.005***(2.60)

0.001**(2.25)

-0.069***(-6.01)-0.005(-0.20)-0.003(-0.49)

-0.129***(-3.37)

YesYes

0.9553032


-0.147***(-2.60)

0.121***(6.12)

0.010(0.28)

1.102***(5.04)

40.971***(6.69)

0.045**(2.17)

0.013***(2.92)

-0.280*(-1.75)-0.155(-0.63)0.023(0.31)

-1.316***(-3.37)

YesYes

0.2393032


SSR t

-0.638***(-32.86)

-0.015**(-2.36)

0.063***(5.24)

0.370***(5.75)

6.208***(4.18)

0.044***(8.07)0.002(1.07)

-0.128***(-3.67)0.096(1.46)0.036*(1.68)

-0.510***(-4.67)

YesYes

0.5913032


-0.256***(-4.45)

0.131***(6.35)0.035(1.21)

0.582***(3.46)

23.854***(5.34)0.019(1.17)

0.007**(1.98)

-0.272**(-2.25)-0.360*(-1.68)0.011(0.20)

-0.759**(-2.40)

YesYes

0.2463032

表 6 转融券效应检验结果

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)2010~2012年

NCSKEWt+1

0.507(0.47)

0.149**(2.41)

-0.085(-0.41)3.242(1.24)57.796(1.31)-0.062(-0.93)0.005(0.16)-0.002(-0.00)1.872(1.39)0.439(1.17)-1.049(-0.93)

YesYes

0.169357

(2)DUVOLt+1

0.224(0.32)

0.079(1.28)0.007(0.05)2.822*(1.71)

46.836*(1.70)-0.040(-0.95)0.014(0.77)-0.102(-0.22)0.740(0.89)0.326(1.50)-0.627(-0.95)

YesYes

0.200357

(3)2013~2015年

NCSKEWt+1

-0.156***(-2.88)

0.121***(5.81)

0.012(0.34)

1.231***(5.37)

45.675***(7.08)

0.054**(2.37)

0.013***(2.74)

-0.377**(-2.18)-0.247(-0.93)0.004(0.05)

-1.457***(-3.40)

YesYes

0.2552675

(4)DUVOLt+1-0.101**(-2.35)

0.146***(6.69)0.025(0.85)

0.549***(3.19)

24.359***(5.30)-0.000(-0.02)0.007**(2.03)

-0.338**(-2.50)-0.393*(-1.84)-0.025(-0.42)-0.085(-0.27)

YesYes

0.2482675


-- 48


7可以看到，变换卖空交易量的度量方法后，结果保

持不变，证明本文的结论是稳健的。

5.固定效应模型

根据 Custódio 和 Metzger（2014），采用公司固定

效应模型对模型（8）进行回归，以消除不可观察因

素带来的影响（结果见表 8），结果保持不变，再次证

明了本文结论的稳健性。

五、影响机理分析

（一）信息透明度视角

为了检验假设H2，即相对于信息透明度较高的

公司，卖空交易对信息透明度较低公司的股价崩盘

风险降低作用更加显著。借鉴已有研究，本文分别

从股价同步性（Jin and Myers，2006；Hutton et al.，2009；叶康涛等，2015；Francis and Zhang，2016）、媒

体报道数量（Fang and Peress，2009；于忠泊等，

2011；罗进辉、杜兴强，2014）以及分析师跟踪人数

（Yu，2008；So，2013；李春涛等，2014）3 个视角予以

考察公司信息透明度。

由于从上述文献中可以看到，股价同步性较

低、媒体报道数量较多以及分析师跟踪人数较多的

公司，其信息透明度相对较高。因此，本文分别按

照股价同步性、媒体报道和分析师跟踪人数的季度

行业中位数进行分组考察，并利用模型（8）在每组

分别进行回归，结果分别见表 9~表 11。从表 9~表11 可以看到，在股价同步性较低、媒体报道较多以

及分析师跟踪人数较多的样本中，卖空交易对股价

崩盘风险无显著影响；相反，在股价同步性较高、媒

体报道较少以及分析师跟踪人数较少的样本中，卖

空交易则能够显著降低股价崩盘风险。这样的结

果支持了假设 H2，表明对于信息透明度相对较低

的公司，卖空交易更能够发挥其信息揭示功能，提

高公司信息透明度，从而降低股价崩盘风险。

（二）公司治理机制视角

为了证明假设H3，即相对于公司治理较好的公

司，卖空交易对公司治理水平较差公司的股价崩盘

风险降低作用更加显著，本文分别从公司治理的外

部监督和内部董事会架构两个方面，考察在不同的

公司治理环境下卖空交易与股价崩盘风险的关系。

表7 变换卖空交易量的度量方法表 8 固定效应模型

表 9 股价同步性差异影响下的检验结果

SSV

Control variablesQuarterIndustryAdj. R2

N

(1)NCSKEWt+1

-0.027***(-3.21)

YesYesYes

0.2393032

(2)DUVOLt+1-0.012*(-1.87)

YesYesYes

0.2443032

SSR

Control variablesQuarterFirm

Adj. R2

N

(1)NCSKEWt+1

-0.119**(-2.20)

YesYesYes

0.2243032

(2)DUVOLt+1-0.814*(-1.89)

YesYesYes

0.2293032

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)股价同步性较低

NCSKEWt+1

-0.065(-0.93)

0.122***(4.52)

-0.054(-1.13)0.874**(2.51)

35.690***(3.67)0.029(0.98)0.010(1.60)-0.257(-1.34)0.159(0.46)0.025(0.23)-0.825(-1.55)

YesYes

0.2391423

(2)DUVOLt+1

0.014(0.26)

0.151***(5.00)-0.025(-0.68)0.359(1.47)

19.434***(2.91)-0.010(-0.43)0.004(0.77)

-0.300*(-1.86)-0.101(-0.38)0.004(0.05)0.218(0.55)YesYes

0.2411423

(3)股价同步性较高

NCSKEWt+1

-0.171**(-2.29)

0.116***(3.94)

0.110**(2.03)

1.193***(3.93)

43.919***(5.08)0.044(1.43)

0.017**(2.13)-0.263(-0.96)-0.558(-1.24)0.015(0.13)

-1.727***(-2.74)

YesYes

0.2401609

(4)DUVOLt+1-0.159***

(-2.75)

0.125***(4.45)

0.092**(2.15)

0.570**(2.48)

23.643***(3.80)-0.002(-0.08)0.013**(2.11)-0.174(-0.96)-0.594*(-1.82)0.005(0.07)-0.462(-1.11)

YesYes

0.2491609

表 10 媒体报道差异影响下的检验结果

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)媒体报道较多

NCSKEWt+1

-0.056(-0.74)

0.086***(3.06)

-0.023(-0.47)

1.363***(4.09)

48.293***(5.17)

0.073**(2.45)

0.017**(2.55)

-0.404*(-1.85)0.296(0.69)0.204*(1.69)

-2.650***(-4.53)

YesYes

0.2471327

(2)DUVOLt+1-0.033(-0.54)

0.074**(2.36)0.006(0.17)0.426*(1.76)

19.482***(2.98)0.029(1.31)

0.012**(2.20)-0.271(-1.57)-0.122(-0.36)0.076(0.86)

-1.215***(-2.85)

YesYes

0.2271327

(3)媒体报道较少

NCSKEWt+1

-0.163**(-1.97)

0.134***(4.89)

-0.015(-0.27)

0.896***(3.02)

34.804***(4.20)0.048*(1.65)0.011*(1.72)-0.101(-0.44)-0.336(-1.00)-0.107(-1.16)

-1.294**(-2.45)

YesYes

0.2551705

(4)DUVOLt+1-0.115*(-1.85)

0.162***(6.17)0.003(0.06)

0.541**(2.42)

23.530***(3.99)-0.005(-0.24)0.005(1.18)-0.129(-0.80)-0.413(-1.55)-0.061(-0.89)-0.037(-0.10)

YesYes

0.2751705

-- 49

参考现有文献，本文采用机构投资者持股比例

（An and Zhang，2013；齐鲁光、韩传模，2015）和审计

质量（是否聘请国际四大会计师事务所审计）（魏明

海等，2013；姜付秀等，2016）考察公司的外部治理；

采用独立董事占比考察公司的内部治理（Bhagat

and Bolton，2008；伊志宏等，2010；梁权熙、曾海舰，

2016）。对于各连续变量按年度行业中位数分为高

低两组，分别采用模型（8）进行估计，结果见表 12~表 14。

从表 12~表 14可以看到，在机构投资者持股较

表 14 独立董事占比差异下的检验结果

表 13 审计质量差异下的检验结果

表 12 机构投资者持股差异下的检验结果

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)机构投资者持股较高NCSKEWt+1

-0.006(-0.07)

0.125***(4.21)

0.104(1.45)

1.812***(5.50)

63.456***(6.97)0.050*(1.86)

0.021***(2.85)-0.332(-1.31)0.137(0.33)0.053(0.43)

-2.258***(-3.98)

YesYes

0.2761520

(2)DUVOLt+1

0.019(0.31)

0.098***(3.32)0.047(0.85)

-0.751***(3.05)

31.277***(4.81)0.007(0.37)0.008(1.36)-0.219(-1.21)-0.096(-0.29)0.028(0.31)

-0.803**(-2.04)

YesYes

0.2411520

(3)机构投资者持股较低NCSKEWt+1

-0.237***(-3.15)

0.108***(3.95)

-0.015(-0.32)0.539*(1.76)

21.532**(2.47)0.033(1.02)0.010(1.62)-0.187(-0.83)-0.357(-1.00)-0.012(-0.11)-0.856(-1.45)

YesYes

0.2181512

(4)DUVOLt+1-0.176***

(-2.86)

0.158***(5.51)0.008(0.21)0.310(1.38)

13.952**(2.29)-0.013(-0.53)0.008*(1.95)-0.213(-1.26)-0.449(-1.57)-0.025(-0.33)0.163(0.38)YesYes

0.2621512

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)“四大”审计

NCSKEWt+1

0.084(0.46)0.102*(1.73)

-0.116(-0.71)1.357*(1.90)

47.902**(2.47)0.062(1.04)

0.083**(2.32)0.510(1.64)-1.551(-1.64)0.493(1.21)

-3.064***(-2.67)

YesYes

0.287408

(2)DUVOLt+1

0.047(0.35)

0.073(1.24)-0.015(-0.15)0.202(0.41)12.629(0.94)-0.010(-0.25)0.051*(1.96)0.068(0.25)

-1.191*(-1.81)0.153(0.59)-0.567(-0.75)

YesYes

0.263408

(3)非“四大”审计

NCSKEWt+1

-0.173***(-3.00)

0.119***(5.54)

0.018(0.48)

1.055***(4.46)

39.455***(5.90)0.041*(1.81)

0.013***(2.84)

-0.380**(-2.13)-0.046(-0.17)0.006(0.08)

-1.256***(-2.99)

YesYes

0.2322624

(4)DUVOLt+1-0.119**(-2.56)

0.140***(6.36)0.023(0.77)

0.529***(3.01)

22.989***(4.90)0.001(0.06)

0.007**(2.16)

-0.265**(-2.04)-0.274(-1.27)-0.016(-0.27)-0.153(-0.51)

YesYes

0.2442624

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)独立董事占比较高

NCSKEW t+1

-0.090(-0.93)0.090**(2.25)

-0.055(-0.64)0.906*(1.87)

38.418***(2.84)0.082*(1.96)0.012(1.31)0.096(0.27)0.329(0.53)-0.161(-1.00)

-2.313***(-2.78)

YesYes

0.263799

(2)DUVOL t+1

-0.056(-0.78)

0.079*(1.86)-0.028(-0.47)0.034(0.10)11.871(1.31)0.017(0.56)0.005(0.96)-0.056(-0.21)0.393(0.87)-0.138(-1.25)-0.701(-1.17)

YesYes

0.262799

(3)独立董事占比较低

NCSKEW t+1

-0.151**(-2.24)

0.122***(5.28)

0.024(0.60)

1.126***(4.56)

41.811***(6.00)0.026(1.04)

0.013**(2.58)

-0.336*(-1.81)-0.308(-1.07)0.081(0.91)

-1.102**(-2.31)

YesYes

0.2272233

(4)DUVOL t+1

-0.109**(-2.00)

0.145***(6.04)0.034(1.10)

0.623***(3.31)

25.735***(5.12)-0.012(-0.70)0.008**(2.00)

-0.239*(-1.78)

-0.493**(-2.16)0.028(0.43)0.049(0.15)YesYes

0.2382233

表 11 分析师跟踪数量差异影响下的检验结果

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)分析师跟踪较多

NCSKEWt+1

0.002(0.04)

0.077**(2.58)

0.012(0.19)

1.485***(4.51)

53.831***(5.88)-0.001(-0.02)

0.029***(3.34)-0.146(-0.71)-0.143(-0.36)0.110(1.01)

-1.255**(-2.02)

YesYes

0.2421718

(2)DUVOLt+1

0.011(0.27)

0.106***(3.77)0.005(0.10)

0.588**(2.50)

26.873***(4.28)

-0.042**(-2.06)0.017**(2.54)-0.184(-1.15)-0.392(-1.22)0.070(0.88)0.125(0.31)YesYes

0.2461718

(3)分析师跟踪较少

NCSKEWt+1

-0.176*(-1.82)

0.145***(4.71)

0.006(0.13)

0.843***(2.61)

32.132***(3.44)0.052*(1.70)0.002(0.26)-0.393(-1.50)-0.090(-0.25)-0.045(-0.39)

-1.269**(-2.16)

YesYes

0.2331314

(4)DUVOLt+1-0.129*(-1.68)

0.141***(4.34)0.014(0.39)

0.481**(1.97)

19.967***(3.01)0.019(0.80)0.002(0.40)-0.291(-1.59)-0.284(-1.00)-0.076(-0.92)-0.362(-0.81)

YesYes

0.2411314


-- 50


低、未聘请国际四大会计师事务所审计以及独立董

事占比较低的样本中，卖空交易对股价崩盘风险的

影响是显著的；而在机构投资者持股较高、聘请国

际四大会计师事务所审计以及独立董事占比较高的

样本中则不显著。这样的结果支持了假设H3，表明

在相对较差的公司外部监督及治理机制条件下，卖

空交易更能够改善公司治理，约束管理层隐藏负面

信息的机会主义行为，从而降低股价崩盘风险。

六、进一步研究

（一）市场行情差异下的进一步研究

在不同的市场形态下，卖空交易对股价崩盘风

险的影响可能存在差异。由于牛市中乐观情绪主

导市场，投资者挖掘公司负面信息的动力不足，管

理层隐藏负面信息的难度更低。因此，可以推测此

时卖空交易更加有助于降低股价崩盘风险。相反，

熊市中投资者对负面信息更加敏感，卖空交易降低

股价崩盘风险的作用可能较小。

本文借鉴 Lindahl-Stevens（1980）对牛熊市进行

划分，即如果在某个时间段市场平均收益率超过无

风险收益率，则为牛市，否则为熊市。回归结果见

表 15。从表 15可以看到，在牛市样本中，卖空交易

变量对股价崩盘风险的回归系数显著为负，而在熊

市样本中则不显著，与本文的推测一致。同时，本

文的结果也说明卖空交易至少没有使熊市变得更

糟，反而还抑制了牛市的股价崩盘风险。

（二）融资买空视角下的进一步研究

根据上文的研究结果，在我国卖空交易通过改

善公司治理，提高信息透明度，降低了股价崩盘风

险。为了对本文起始部分所提到的 2015 年 6 月我

国股票市场暴跌的真实原因进行分析，本文对 2010年 3月与融券卖空同时推出的融资交易进行分析，

考察其与股价崩盘风险之间的关系。

本文利用买空量（融资金额除以流通市值，记

为 SBR），对股价崩盘风险进行实证回归，结果见表

16。从表 16可以看到，买空量对股价崩盘风险的回

归系数显著为正。该结论与褚剑和方军雄（2016）研究结论一致，说明融资买空推高了市场风险，过

度融资加杠杆进行做多更有可能是 2015 年市场暴

跌的真正原因。

七、结论

本文采用从2010年推出卖空机制以来到2015年

我国A股市场融券标的作为研究样本，考察我国融

券卖空交易对股价崩盘风险的

影响及其作用机理。

研究发现：首先，随着卖空

交易量的增加，股价崩盘风险

降低，且通过工具变量法及考

虑外生事件冲击等方法检验及

控制内生性后，本文的研究结

论依然稳健。其次，在信息透

明度较低、公司治理及外部监

督机制较差的情况下，卖空交

易对公司股价崩盘风险的影响

更为显著。这些结果说明我国

卖空交易能够较好地发挥价格

发现功能，提升股价信息效率，

同时强化公司的外部监督机

制，降低管理层的机会主义倾

向，改善公司治理状况，促进负

面信息融入股价，降低股价崩

盘风险。最后，进一步研究发

表 15 市场行情差异下的检验结果表 16 融资买空视角下的检验结果

SSR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)熊市

NCSKEWt+1

0.107(0.39)

0.081**(2.30)

-0.036(-0.48)

2.604***(2.76)

59.905***(3.29)-0.018(-0.49)0.015(1.12)-0.226(-0.69)0.619(1.22)-0.026(-0.17)-1.204(-1.59)

YesYes

0.221915

(2)DUVOLt+1

0.291(1.58)

0.058*(1.67)-0.003(-0.06)

1.878***(3.25)

41.396***(3.70)

-0.052**(-2.17)0.005(0.65)-0.226(-1.12)0.426(1.26)0.012(0.13)-0.132(-0.27)

YesYes

0.275915

(3)牛市

NCSKEWt+1

-0.177***(-3.15)

0.157***(6.63)

0.024(0.57)

1.378***(5.20)

49.411***(6.33)

0.071***(2.67)

0.014***(2.89)

-0.497**(-2.54)-0.589*(-1.94)0.021(0.23)

-1.752***(-3.48)

YesYes

0.2222117

(4)DUVOLt+1-0.127***

(-2.83)

0.180***(7.07)0.034(1.03)

0.665***(3.28)

27.431***(4.76)0.017(0.82)

0.010***(2.71)

-0.380**(-2.44)

-0.728***(-2.96)-0.019(-0.28)-0.349(-0.93)

YesYes

0.2242117

SBR

LNCSKEW

LDUVOL

DTURN

RET

SIGMA

SIZE

MB

ABACC

ROA

LEV

Constant


N

(1)NCSKEWt+1

0.011***(2.77)

0.102***(5.11)

-0.022(-0.51)

0.697***(3.21)

32.863***(4.61)-0.000(-0.02)0.011**(2.56)

-0.353**(-2.27)-0.457(-1.46)-0.063(-0.70)

-1.134***(-2.68)

YesYes

0.1432907

(2)DUVOLt+10.008***

(2.60)

0.134***(6.58)-0.010(-0.33)

0.532***(3.53)

23.517***(4.89)0.002(0.11)

0.012***(3.26)

-0.323***(-2.91)

-0.718***(-3.16)-0.071(-1.08)

-0.815***(-2.89)

YesYes

0.1682907

-- 51

现，在牛市中卖空交易很好的起到了负面信息挖掘

的功能，降低了上市公司的股价崩盘风险，却并未

进一步加剧恶化较差市场行情下的崩盘风险；同时

融资买空显著提高了上市公司的股价崩盘风险。

本文较为系统地研究了我国卖空交易机制对

股价崩盘风险的影响，并对其影响机理进行了深入

探讨，丰富和发展了卖空机制和股价崩盘风险方面

的理论文献，为我国卖空实践的市场风险分析提供

了新的视角。除此之外，从本文的研究中还可以得

到如下的政策启示：过度的卖空交易，如“裸卖空”

等机制有可能诱发操纵性卖空交易，并进一步引起

市场的恐慌性抛售，从而导致股价崩盘（Callen andFang，2015）。因此，对于“裸卖空”这类卖空机制的

引入应该严格论证，采取谨慎态度。然而，就我国

目前的卖空交易而言，尽管受到严格的管控，且规

模有限，并受到融资交易行为的负面干扰，却依然

发挥了增加股价信息含量以及弥补差的公司治理

环境下的信息披露缺陷等多方面的积极作用。这

就说明，适当的卖空有助于负面信息融入股价，避

免由于负面信息融入不畅所引起的股价高估，对于

保证股市长期健康发展具有积极作用。因此，未来

我国应该在风险可控的前提下，进一步放松卖空限

制，扩大融券标的范围和转融券规模，充分发挥卖

空机制在提升我国股票市场效率中的作用。

（作者单位：中国人民大学商学院；责任编辑：

张世国）

注释

①如 2001年高科技泡沫破灭和 2008年金融危机期间。

②比如在 2008 年 7 月 15，美国证券交易委员会先行暂停

19个金融股类股票裸卖空交易，2008年 9月，英国证券市场监

管者开始禁止主要证券市场的所有卖空行为，在同一时间，美

国证券交易委员会也取消了 2008年 9月下旬到 10月上旬的卖

空交易。

③投资者融券卖出的报价不得低于前一笔交易的成交价。

参考文献

（1）陈晖丽、刘峰：《融资融券的治理效应研究——基于公

司盈余管理的视角》，《会计研究》，2014a年第 9期。

（2）陈晖丽、刘峰：《融资融券的治理效应研究——基于会

计稳健性的视角》，《中国会计评论》，2014b年第 3~4期。

（3）褚剑、方军雄：《中国式融资融券制度安排与股价崩盘

风险的恶化》，《经济研究》，2016年第 5期。

（4）顾小龙、李天钰、辛宇：《现金股利、控制权结构与股价

崩溃风险》，《金融研究》，2015年第 7期。

（5）江轩宇：《税收征管、税收激进与股价崩盘风险》，《南

开管理评论》，2013年第 5期。

（6）江轩宇、许年行：《企业过度投资与股价崩盘风险》，

《金融研究》，2015年第 8期。

（7）姜付秀、石贝贝、马云飙：《信息发布者的财务经历与

企业融资约束》，《经济研究》，2016年第 6期。

（8）李春涛、宋敏、张璇：《分析师跟踪与企业盈余管理

——来自中国上市公司的证据》，《金融研究》，2014年第 7期。

（9）李科、徐龙炳、朱伟骅：《卖空限制与股票错误定价

——融资融券制度的证据》，《经济研究》，2014年第 10期。

（10）李小荣、刘行：《CEO vs CFO：性别与股价崩盘风险》，

《世界经济》，2012年第 12期。

（11）李志生、陈晨、林秉旋：《卖空机制提高了中国股票市

场的定价效率吗?——基于自然实验的证据》，《经济研究》，

2015年第 4期。

（12）梁权熙、曾海舰：《独立董事制度改革、独立董事的独

立性与股价崩盘风险》，《管理世界》，2016年第 3期。

（13）罗进辉、杜兴强：《媒体报道、制度环境与股价崩盘风

险》，《会计研究》，2014年第 9期。

（14）潘越、戴亦一、林超群：《信息不透明、分析师关注与

个股暴跌风险》，《金融研究》，2011年第 9期。

（15）齐鲁光、韩传模：《机构投资者持股、高管权力与现金

分红研究》，《中央财经大学学报年》，2015年第 4期。

（16）权小锋、吴世农、尹洪英：《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》，2015年第 11期。

（17）王化成、曹丰、叶康涛：《监督还是掏空：大股东持股

比例与股价崩盘风险》，《管理世界》，2015年第 2期。

（18）魏明海、黄琼宇、程敏英：《家族企业关联大股东的治

理角色——基于关联交易的视角》，《管理世界》，2013 年第 3期。

（19）吴战篪、李晓龙：《内部人抛售、信息环境与股价崩

盘》，《会计研究》，2015年第 6期。

（20）肖浩、孔爱国：《融资融券对股价特质性波动的影响

机理研究：基于双重差分模型的检验》，《管理世界》，2014年第

8期。

（21）许红伟、陈欣：《我国推出融资融券交易促进了标的

股票的定价效率吗？——基于双重差分模型的实证研究》，

《管理世界》，2012年第 5期。

（22）许年行、江轩宇、伊志宏、徐信忠：《分析师利益冲突、

乐观偏差与股价崩盘风险》，《经济研究》，2012年第 7期。

（23）许年行、于上尧、伊志宏：《机构投资者羊群行为与股

价崩盘风险》，《管理世界》，2013年第 7期。

（24）叶康涛、曹丰、王化成：《内部控制信息披露能够降低

股价崩盘风险吗?》，《金融研究》，2015年第 2期。

（25）伊志宏、姜付秀、秦义虎：《产品市场竞争、公司治理

与信息披露质量》，《管理世界》，2010年第 1期。

（26）于忠泊、田高良、齐保垒、张皓：《媒体关注的公司治

理机制——基于盈余管理视角的考察》，《管理世界》，2011 年

第 9期。

（27）朱民武：《融券卖空与价格发现——来自A股市场的

经验证据》，《证券市场导报》，2015年第 5期。

（28）Alexander，G. J. and M. A. Peterson，2008，“The Effectof Price Tests on Trader Behavior and Market Quality: An Analy⁃sis of Reg SHO”，Journal of Financial Markets，Vol.11，pp.28~42.

（29）Allen，F. and D. Gale，1991，“Arbitrage，Short Salesand Financial Innovation”，Econometrica，Vol. 59，pp.1041~1068.

（30）An，H. and T. Zhang，2013，“Stock Price Synchronic⁃


-- 52


ity，Crash Risk and Institutional Investors”，Journal of CorporateFinance，Vol. 21，pp.1~15.

（31）Asquith，P.，P. Pathak and J. Ritter，2005，“Short Inter⁃est，Institutional Ownership and Stock Returns”，Journal of Fi⁃

nancial Economics，Vol. 78，pp.243~276.（32）Autore，D. M.，S. B. Randall and K. Tunde，2011，“The

2008 Short Sale Ban: Liquidity，Dispersion of Opinion and theCross-Section of Returns of US Financial Stocks”，Journal of

Banking & Finance，Vol. 35，pp.2252~2266.（33）Beber，A. and M. Pagano，2013，“Short-Selling Bans

Around the World: Evidence From the 2007-09 Crisis”，The

Journal of Finance，Vol. 68，pp.343~381.（34）Bhagat，S. and B. Bolton，2008，“Corporate Governance

and Firm Performance”，Journal of Corporate Finance，Vol. 14，pp.257~273.

（35）Białkowski，J. and J. Jakubowski，2008，“Stock IndexFutures Arbitrage in Emerging Markets: Polish Evidence”，Inter⁃national Review of Financial Analysis，Vol. 17，pp.363~381.

（36）Billingsley，R. S. and K. Tunde，2011，“The 2008Short Sale Ban: Liquidity，Dispersion of Opinion，and the Cross-Section of Returns of US Financial Stocks”，Journal of Banking& Finance，Vol. 35，pp.2252~2266.

（37）Blau，B. M. and J. M. Pinegar，2013，“Are Short Sell⁃ers Incrementally Informed Prior to Earnings Announcements?”，Journal of Empirical Finance，Vol. 21，pp.142~155.

（38）Boehmer，E. and J. Wu，2013，“Short Selling and thePrice Discovery Process”，Review of Financial Studies，Vol. 26，pp.287~322.

（39）Boehmer，E.，C. M. Jones and X. Zhang，2008，“WhichShorts Are Informed? ”，The Journal of Finance，Vol. 63，pp.491~527.

（40）Boehmer，E.，C. M. Jones and X. Zhang，2013，“Shack⁃ling Short Sellers: The 2008 Shorting Ban”，Review of Financial

Studies，Vol. 26，pp.1363~1400.（41）Boulton，T. J. and M. V. Braga-Alves，2010，“The Skin⁃

ny on the 2008 Naked Short Sale Restrictions”，Journal of Finan⁃cial Markets，Vol. 13，pp.397~421.

（42）Bris，A.，W. N. Goetzmann and N. Zhu，2007，“Efficien⁃cy and the Bear：Short Sales and Markets Around the World”，

The Journal of Finance，Vol. 62，pp.1029~1079.（43）Callen，J. L. and X. Fang，2015，“Short Interest and

Stock Price Crash Risk”，Journal of Banking & Finance，Vol. 60，pp.181~194.

（44）Chang，E. C.，J. W. Cheng and Y. Yu，2007，“Short-Sales Constraints and Price Discovery: Evidence From the HongKong Market”，The Journal of Finance，Vol. 62，pp.2097~2121.

（45）Chen，J.，H. Hong and J. C. Stein，2001，“ForecastingCrashes: Trading Volume，Past Returns and Conditional Skew⁃ness in Stock Prices”，Journal of Financial Economics，Vol. 61，pp.345~381.

（46）Christophe，S. E.，M. G. Ferri and J. J. Angel，2004，“Short-Selling Prior to Earnings Announcements”，The Journal

of Finance，Vol. 59，pp.1845~1876.（47）Custódio，C. and D. Metzger，2014，“Financial Expert

CEOS: CEO's Work Experience and Firm's Financial Policies”，Journal of Financial Economics，Vol. 114，pp.125~154.

（48）Daouk，H. and A. Charoenrook，2009，“A Study of Mar⁃ket-Wide Short-Selling Restrictions”，SSRN Working Paper.

（49）Dechow，P. M. R. G. Sloan and A. P. Sweeney，1995，“Detecting Earnings Management”，The Accounting Review，Vol.70，pp.193~225.

（50）DeFond，M. L.，M. Hung，S. Li and Y. Li，2014，“DoesMandatory IFRS Adoption Affect Crash Risk? ”，The Accounting

Review，Vol. 90，pp.265~299.（51）Desai，H.，S. Krishnamurthy and K. Venkataraman，

2006，“Do Short Sellers Target Firms With Poor Earnings Quali⁃ty? Evidence From Earnings Restatements”，Review of Accounting

Studies，Vol. 11，pp.71~90.（52）Diamond，D. W. and R. E. Verrecchia，1987，“Con⁃

straints on Short-Selling and Asset Price Adjustment to PrivateInformation”，Journal of Financial Economics，Vol. 18，pp. 277~311.

（53）Diether，K. B.，K. H. Lee and I. M. Werneri，2009，“Short-Sale Strategies and Return Predictability”，Review of Fi⁃

nancial Studies，Vol.22，pp.575~607.（54）Drake，M. S.，J. N. Myers，L. A. Myers and M. D. Stu⁃

art，2015，“Short Sellers and the Informativeness of Stock PricesWith Respect to Future Earnings”，Review of Accounting Studies，

Vol. 20，pp.747~774.（55）Efendi，J.，M. Kinney and E. P. Swanson，2004，“Can

Short Sellers Anticipate Accounting Restatements?”，SSRN Work⁃ing Paper.

（56）Engelberg，J. E.，A. V. Reed and M. C. Ringgenberg，2012，“How Are Shorts Informed? Short Sellers，News and Infor⁃mation Processing”，Journal of Financial Economics，Vol. 105，pp.260~278.

（57）Fang，V. W.，A. H. Huang and J. M. Karpoff，2016，“Short Selling and Earnings Management: A Controlled Experi⁃ment”，The Journal of Finance，Vol. 71，pp.1251~1294.

（58）Fang，L. and J. Peress，2009，“Media Coverage and theCross-Section of Stock Returns”，The Journal of Finance，Vol.64，pp.2023~2052.

（59）Figlewski，S.，1981，“The Informational Effects of Re⁃strictions on Short Sales: Some Empirical Evidence”，Journal ofFinancial & Quantitative Analysis，Vol. 16，pp.463~476.

（60）Francis，J.，M. Venkatachalam and Y. Zhang，2005，“Do Short Sellers Convey Information About Changes in Funda⁃mentals or Risk? ”，SSRN Working Paper.

（61）Francis，K. C. and L. Zhang，2016，“Corporate PoliticalConnections and Tax Aggressiveness”，Contemporary Accounting

Research，Vol. 33，pp.78~114.（62）Frino，A.，S. Lecce and A. Lepone，2011，“Short-Sales

Constraints and Market Quality: Evidence From the 2008 Short-Sales Bans”，International Review of Financial Analysis，Vol. 20，pp.225~236.

（63）Gallmeyer，M. and B. Hollifield，2008，“An Examina⁃tion of Heterogeneous Beliefs With a Short-Sale Constraint in aDynamic Economy”，Review of Finance，Vol. 12，pp.323~364.

（64）Gigler，F.，C. Kanodia，H. Sapra and R. Venugopalan，2013，“How Frequent Financial Reporting Can Cause ManagerialShort-Termism: An Analysis of the Costs and Benefits of Increas⁃ing Reporting Frequency”，Journal of Accounting Research，Vol.

-- 53

52，pp.357~387.（65）Goldstein，I. and A. Guembel，2008，“Manipulation and

the Allocational Role of Prices”，The Review of Economic Studies，Vol. 75，pp.133~164.

（66）Grullon，G.，S. Michenaud and J. P. Weston，2015，“The Real Effects of Short-Selling Constraints”，Review of Fi⁃

nancial Studies，Vol. 28，pp.1737~1767.（67）Haruvy，E. and C. N. Noussair，2006，“The Effect of

Short Selling on Bubbles and Crashes in Experimental Spot AssetMarkets”，The Journal of Finance，Vol. 61，pp.1119~1157.

（68）Henry，Ó. T. and M. Mckenzie，2006，“The Impact ofShort Selling on the Price-Volume Relationship: Evidence FromHong Kong”，The Journal of Business，Vol. 79，pp.671~692.

（69）Hermalin，B. E. and M. S. Weisbach，2012，“Informa⁃tion Disclosure and Corporate Governance”，The Journal of Fi⁃

nancial，Vol. 67，pp.195~233.（70）Hirshleifer，D.，S. H. Teoh and J. J. Yu，2011，“Short

Arbitrage，Return Asymmetry，and the Accrual Anomaly”，The

Review of Financial Studies，Vol. 24，pp.2429~2461.（71）Hong，H. and J. C. Stein，2003，“Differences of Opin⁃

ion，Short-Sales Constraints and Market Crashes”，Review of Fi⁃

nancial Studies，Vol. 16，pp.487~525.（72）Hutton，A. P.，A. J. Marcus and H. Tehranian，2009，

“Opaque Financial Reports，R2 and Crash Risk”，Journal of Fi⁃nancial Economics，Vol. 94，pp.67~86．

（73）Jin，L. and S. C. Myers，2006，“R2 Around the World:New Theory and New Tests”，Journal of Financial Economics，

Vol. 79，pp.257~292．（74）Kanagaretnam，K.，G. J. Lobo and D. J. Whalen，2007，

“Does Good Corporate Governance Reduce Information Asymme⁃try Around Quarterly Earnings Announcements?”，Journal of Ac⁃counting and Public Policy，Vol. 26，pp.497~522.

（75）Karpoff，J. M. and X. Lou，2010，“Short Sellers and Fi⁃nancial Misconduct”，The Journal of Finance，Vol. 65，pp.1879~1913.

（76）Kim，J. B.，Y. Li and L. Zhang，2011a，“CFOs VersusCEOs: Equity Incentives and Crashes”，Journal of Financial Eco⁃nomics，Vol.101，pp.713~730.

（77）Kim，J. B.，Y. Li and L. Zhang，2011b，“Corporate TaxAvoidance and Stock Price Crash Risk: Firm-Level Analysis”，

Journal of Financial Economics，Vol. 100，pp.639~662.（78）Kim，Y.，H. Li and S. Li，2014，“Corporate Social Re⁃

sponsibility and Stock Price Crash Risk”，Journal of Banking &Finance，Vol. 43，pp.1~13.

（79）Kolasinski，A. C.，A. V. Reed and J. R. Thornock，2010，“Can Short Restrictions Result in More Informed ShortSelling? Evidence From the 2008 Regulations”，SSRN WorkingPaper.

（80）Lecce，S.，A. Lepone，M. D. Mckenzie and R. Segara，2012，“The Impact of Naked Short Selling on the SecuritiesLending and Equity Market”，Journal of Financial Market，Vol.15，pp.81~107.

（81）Lindahl-Stevens，M.，1980，“Redefining Bull and BearMarkets”，Financial Analysts Journal，Vol. 36，pp.76~77.

（82）Liu，H. and Y. Wang，2013，“Short-Sale Constraints，Bid -Ask Spreads and Information Acquisition”，SSRN WorkingPaper.

（83）Maffett，M. G.，E. L. Owens and A. Srinivasan，2015，“Short-Sale Constraints and the Informativeness of Stock PriceFor Default Prediction”，SSRN Working Paper.

（84）Massa，M.，F. Wu，B. Zhang and H. Zhang，2015a，“Saving Long-Term Investment From Short-Termism: the Surpris⁃ing Role of Short Selling”，SSRN Working Paper.

（85）Massa，M.，B. Zhang and H. Zhang，2015b，“Gover⁃nance Through Threats: Does Short - Selling Improve CorporateGovernance?”，Review of Financial Studies，Vol. 28，pp.1701~36.

（86）Miller，E. M.，1977，“Risk，Uncertainty and Divergenceof Opinion”，The Journal of Finance，Vol. 32，pp. 1151~1168.

（87）Morris，S. and H. S. Shin，1998，“Unique Equilibriumin a Model of Self-Fulfilling Currency Attacks”，American Eco⁃

nomic Review，Vol. 88，pp.587~597.（88）Nagel，S.，2005，“Short Sales，“Institutional Investors

and the Cross-Section of Stock Returns”，Journal of Financial

Economics，Vol. 78，pp.277~309.（89）Reed，A. V.，2007，“Costly Short-Selling and Stock

Price Adjustment to Earnings Announcements”，SSRN WorkingPaper，University of North Carolina at Chapel Hill.

（90）Saffi，P. A. C. and K. Sigurdsson，2011，“Price Efficien⁃cy and Short Selling”，Review of Financial Studies，Vol. 24，pp.821~852.

（91）Scheinkman，J. A. and W. Xiong，2003，“Overconfi⁃dence and Speculative Bubbles”，Journal of Political Economy，

Vol. 111，pp.1183~1219.（92）So，E. C.，2013，“A New Approach to Predicting Ana⁃

lyst Forecast Errors: Do Investors Overweight Analyst Fore⁃casts?”，Journal of Financial Economics，Vol. 108，pp.615~640.

（93）Song，L.，2015，“Accounting Disclosure，Stock PriceSynchronicity and Stock Crash Risk”，International Journal of Ac⁃counting & Information Management，Vol. 23，pp.49~363.

（94）Takahashi，H.，2010，“Short-Sale Inflow and Stock Re⁃turns: Evidence From Japan”，Journal of Banking & Finance，

Vol. 34，pp.2403~2412.（95）Xu，N.，X. Jiang，K. C. Chan and Z. Yi，2013，“Analyst

Coverage，Optimism and Stock Price Crash Risk: Evidence FromChina”，Pacific-Basin Finance Journal，Vol. 25，pp.217~239.

（96）Xu，N.，X. Li，Q. Yuan and K. C. Chan，2014，“ExcessPerks and Stock Price Crash Risk: Evidence from China”，Jour⁃nal of Corporate Finance，Vol. 25，pp.419~434.

（97）Yu，F. F.，2008，“Analyst Coverage and Earnings Man⁃agement”，Journal of Financial Economics，Vol. 88，pp.245~271.


-- 54

Documents

人大商学院 | RMBS