萬 鐘 李小榮

一、引言

防范化解重大風(fēng)險是實(shí)現(xiàn)高質(zhì)量發(fā)展的基礎(chǔ)，統(tǒng)籌發(fā)展和安全是“十四五”時期我國經(jīng)濟(jì)社會發(fā)展的指導(dǎo)思想。并購重組是資本市場優(yōu)化資源配置的重要方式，然而，隨著并購重組市場化改革的深入推進(jìn)，上市公司并購資產(chǎn)高估值現(xiàn)象時有發(fā)生。大規(guī)模、高溢價并購在增強(qiáng)資本市場活力的同時，也引發(fā)了股價波動，甚至造成股價崩盤的極端現(xiàn)象，危害實(shí)體經(jīng)濟(jì)的健康發(fā)展。例如，2016年東方精工收購北京普萊德事件中，普萊德全部股權(quán)價值的評估增值率達(dá)到1992.83%。2019年，由于普萊德業(yè)績下滑，東方精工預(yù)計巨額虧損，公司股價大幅下跌，市值跌幅超過50%。證監(jiān)會警示函顯示，資產(chǎn)評估師在評估過程中存在多處違規(guī)，導(dǎo)致并購資產(chǎn)估值失實(shí)，為股價暴跌埋下了隱患。在我國統(tǒng)籌高質(zhì)量發(fā)展與防風(fēng)險的背景下，考察并購資產(chǎn)評估偏差對股價崩盤風(fēng)險的影響及作用路徑，能夠加深對股價崩盤風(fēng)險成因的理解，對強(qiáng)化資產(chǎn)評估信息披露、促進(jìn)資本市場穩(wěn)定健康發(fā)展具有實(shí)踐意義。

股價崩盤風(fēng)險主要源于信息不透明和代理問題(Jin和Myers，2006[1])?；谛畔⒉煌该饕暯?，并購資產(chǎn)評估偏差增大了并購交易的信息不透明度，可能造成投資者錯誤預(yù)期，導(dǎo)致股價產(chǎn)生泡沫進(jìn)而提高股價崩盤風(fēng)險?；诖韱栴}視角，并購資產(chǎn)評估偏差可能源于大股東向上操縱資產(chǎn)評估值以侵占小股東利益的行為(周勤業(yè)等，2003[2]；宋順林和翟進(jìn)步，2014[3])。大股東評估操縱加劇了公司與投資者之間的信息不對稱，并且為避免或延遲投資者發(fā)覺并購資產(chǎn)估值虛高的事實(shí)，大股東將持續(xù)囤積負(fù)面消息。當(dāng)負(fù)面消息積累到一定閾值便會集中釋放，最終導(dǎo)致股價崩盤(Kim等，2011[4])?；谏鲜龇治觯①徺Y產(chǎn)評估偏差可能造成并購后股價崩盤風(fēng)險上升。

聲譽(yù)作為法律制度之外的一項非正式制度，能夠約束市場主體行為(張維迎，2002[5])。審計相關(guān)研究表明，審計師為避免聲譽(yù)受損帶來的客戶流失和收入下降等后果，有較強(qiáng)的動機(jī)提高審計質(zhì)量和保持獨(dú)立性(方軍雄，2011[6])。目前，資產(chǎn)評估行業(yè)已經(jīng)形成一批規(guī)模較大、影響力較強(qiáng)的高聲譽(yù)評估機(jī)構(gòu)(翟進(jìn)步，2018[7])。在市場競爭中，資產(chǎn)評估機(jī)構(gòu)為了維護(hù)企業(yè)聲譽(yù)，有動力提供高質(zhì)量的評估結(jié)果，保持較高的獨(dú)立性，減少與客戶合謀操縱評估值的行為，從而降低資產(chǎn)價值信息的不透明度?；谏鲜龇治?，資產(chǎn)評估機(jī)構(gòu)的高聲譽(yù)能夠減弱并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系。

本文利用2009—2017年滬深A(yù)股上市公司的股權(quán)收購資產(chǎn)評估數(shù)據(jù)進(jìn)行實(shí)證檢驗，研究發(fā)現(xiàn)，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險顯著正相關(guān)，而資產(chǎn)評估機(jī)構(gòu)的高聲譽(yù)能夠抑制這一正向關(guān)系。機(jī)制分析表明，并購資產(chǎn)評估偏差增大了上市公司與外部投資者之間的信息不對稱。異質(zhì)性檢驗表明，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系在兩權(quán)分離度較高時更加顯著，在股權(quán)制衡度較高、外部治理較強(qiáng)時則減弱。上述結(jié)論說明，并購資產(chǎn)評估偏差很可能源于大股東的資產(chǎn)評估操縱。降低兩權(quán)分離度、提高股權(quán)制衡度和改善外部治理機(jī)制能夠約束大股東利益侵占，減少資產(chǎn)評估操縱行為，抑制并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系。

與已有研究相比，本文可能的邊際貢獻(xiàn)在于：第一，豐富了公司并購與股價崩盤風(fēng)險的研究。已有研究考察了并購商譽(yù)與股價崩盤風(fēng)險的關(guān)系(王文姣等，2017[8])，但商譽(yù)的賬面凈值不能很好地度量被并購資產(chǎn)的價值高估程度，因為高額商譽(yù)也可能反映了被并購資產(chǎn)本身的高質(zhì)量。與商譽(yù)相比，資產(chǎn)評估偏差能夠更直接地體現(xiàn)資產(chǎn)價值高估程度和信息不透明程度。此外，商譽(yù)僅產(chǎn)生于非同一控制下的企業(yè)合并。同一控制下的企業(yè)合并，如大股東資產(chǎn)注入行為不會引起商譽(yù)的變化，但可能引發(fā)資產(chǎn)評估操縱行為并增大股價崩盤風(fēng)險，這是本文的關(guān)注點(diǎn)和創(chuàng)新之處。另有研究考察業(yè)績承諾對股價崩盤風(fēng)險的影響，如李晶晶等(2020)[9]，但其研究僅采用虛擬變量度量是否使用業(yè)績承諾，沒有考慮業(yè)績承諾的激進(jìn)程度。本文考察資產(chǎn)評估偏差這一連續(xù)變量與股價崩盤風(fēng)險的關(guān)系，為并購資產(chǎn)高估值增大股價崩盤風(fēng)險提供了更為直接可靠的經(jīng)驗證據(jù)。此外，商譽(yù)、業(yè)績承諾主要影響上市公司的會計信息透明度，本文則關(guān)注公司并購中的資產(chǎn)評估信息，證明資產(chǎn)評估信息的不透明也會加劇股價崩盤風(fēng)險。

第二，豐富了資產(chǎn)評估偏差經(jīng)濟(jì)后果的研究。不同于已有研究主要關(guān)注資產(chǎn)評估偏差的影響因素，本文發(fā)現(xiàn)資產(chǎn)評估偏差會導(dǎo)致股價崩盤風(fēng)險上升這一經(jīng)濟(jì)后果。已有研究發(fā)現(xiàn)大股東可通過操縱資產(chǎn)評估值實(shí)施利益侵占(周勤業(yè)等，2003[2]；宋順林和翟進(jìn)步，2014[3]；原紅旗等，2008[10])，但較少檢驗資產(chǎn)評估操縱是否對資本市場產(chǎn)生實(shí)質(zhì)性的負(fù)面影響。本文為大股東實(shí)施資產(chǎn)評估操縱增大評估偏差，進(jìn)而增大股價崩盤風(fēng)險的影響路徑提供了證據(jù)，對已有文獻(xiàn)進(jìn)行了補(bǔ)充。

第三，豐富了市場中介對金融風(fēng)險影響的相關(guān)研究。已有文獻(xiàn)考察了審計師(Callen和Fang，2017[11])、證券分析師(Chowdhury等，2021[12])、機(jī)構(gòu)投資者(高昊宇等，2017[13])等市場中介對股價崩盤風(fēng)險的影響，本文為該領(lǐng)域提供了來自資產(chǎn)評估師的經(jīng)驗證據(jù)。

二、文獻(xiàn)評述

(一)資產(chǎn)評估偏差相關(guān)研究

Klamer等(2017)[14]在綜述中指出，資產(chǎn)評估偏差主要由資產(chǎn)評估師的判斷偏差和客戶壓力兩個原因?qū)е?。一方面，資產(chǎn)評估師所獲得的資產(chǎn)相關(guān)信息有限，需基于以往案例的估價或代售價進(jìn)行判斷，這會降低估值準(zhǔn)確性，導(dǎo)致判斷偏差(Diaz和Hansz，1997[15])。另一方面，客戶作為資產(chǎn)評估服務(wù)的需求方和資產(chǎn)交易的主體，有較強(qiáng)的動機(jī)對資產(chǎn)評估師施加壓力，使之提供具有利益偏向性的評估結(jié)果(Gallimore和Wolverton，2000[16])。資產(chǎn)評估師為了維系與客戶的良好關(guān)系，可能放棄獨(dú)立性并妥協(xié)于客戶的估值要求。

國內(nèi)研究表明，資產(chǎn)評估師受到的客戶壓力主要來自上市公司的大股東。周勤業(yè)等(2003)[2]發(fā)現(xiàn)，在上市公司置入大股東資產(chǎn)的情形中，大股東會通過向上操縱資產(chǎn)評估值侵害中小股東利益。原紅旗等(2008)[10]研究表明，企業(yè)股份制改制中存在大股東資產(chǎn)評估操縱行為。宋順林和翟進(jìn)步(2014)[3]考察了股改后大股東的資產(chǎn)注入行為，發(fā)現(xiàn)在資產(chǎn)評估機(jī)構(gòu)難以保持客觀獨(dú)立的情況下，大股東會通過操縱資產(chǎn)評估值來掏空公司。翟進(jìn)步(2018)[7]發(fā)現(xiàn)定向增發(fā)并購中同時存在高估值增值率與高增發(fā)折價率，這加劇了上市公司向大股東進(jìn)行利益輸送的程度。根據(jù)上述研究，大股東操縱資產(chǎn)評估值是一種較為隱蔽的利益侵占方式，這會增大資產(chǎn)評估偏差和并購交易的信息不透明程度，導(dǎo)致風(fēng)險在公司內(nèi)部積累，進(jìn)而可能對資本市場產(chǎn)生不利影響。

(二)股價崩盤風(fēng)險相關(guān)研究

股價崩盤風(fēng)險是全球金融危機(jī)背景下財務(wù)學(xué)領(lǐng)域的一個熱點(diǎn)研究問題。微觀層面的研究始于Jin和Myers(2006)[1]，其認(rèn)為股價崩盤風(fēng)險的成因有兩方面：一是代理問題。公司管理層基于機(jī)會主義動機(jī)會延遲披露負(fù)面消息，造成公司內(nèi)部風(fēng)險集聚并在某一時點(diǎn)突然爆發(fā)，導(dǎo)致股價急劇下跌(Kim等，2011[3])。二是信息不透明。信息不透明使得投資者無法判斷公司的真實(shí)價值，產(chǎn)生對股價的錯誤預(yù)期。一旦投資者識別出公司真實(shí)的經(jīng)營狀況，就會導(dǎo)致股價暴跌(李小榮和劉行，2012[17])。

信息披露能夠向投資者傳遞有價值的信息，降低信息不透明和代理成本。大量研究表明信息披露質(zhì)量是影響股價崩盤風(fēng)險的重要因素。Hutton(2009)[18]采用應(yīng)計盈余管理衡量信息不透明度，證實(shí)其與股價崩盤風(fēng)險顯著正相關(guān)。之后學(xué)者們研究了會計穩(wěn)健性(Kim和Zhang，2016[19])、盈余平滑(Chen等，2017[20])、財務(wù)報告可讀性(Kim等，2019[21])等會計信息質(zhì)量的有關(guān)因素。另有學(xué)者考察其他種類的信息，例如內(nèi)部控制信息(葉康濤等，2015[22])、社會責(zé)任信息(宋獻(xiàn)中等，2017[23])等，并證實(shí)上述信息的有效披露可抑制股價崩盤風(fēng)險。

除前述文獻(xiàn)外，與本文更為相關(guān)的是公司并購與股價崩盤風(fēng)險的研究。關(guān)于并購引起股價崩盤的具體機(jī)制，部分學(xué)者們從代理問題視角進(jìn)行了分析。例如：王文姣等(2017)[8]發(fā)現(xiàn)會計商譽(yù)計量的主觀性和不可證實(shí)性增大了公司信息不透明度和管理層機(jī)會主義動機(jī)，進(jìn)而會增大股價崩盤風(fēng)險。李晶晶等(2020)[9]基于并購業(yè)績承諾制度的缺陷，認(rèn)為業(yè)績承諾不僅無法起到降低契約摩擦和傳遞信號的積極作用，反而可能加劇代理沖突，為內(nèi)部人提供操縱信息的空間。另有學(xué)者從外部投資者的視角進(jìn)行分析，例如楊威等(2018)[24]發(fā)現(xiàn)散戶投資者容易對并購消息過度反應(yīng)，進(jìn)而催生股價泡沫并引起股價崩盤。

綜上，公司并購活動的信息不透明程度較高，這不僅會加劇代理問題，而且可能引發(fā)投資者對并購過度反應(yīng)，兩者均會增大未來的股價崩盤風(fēng)險。因而并購信息披露質(zhì)量可能是影響并購后股價崩盤風(fēng)險的關(guān)鍵因素。在企業(yè)并購中，標(biāo)的資產(chǎn)評估值是信息披露的重要組成部分。資產(chǎn)評估偏差會導(dǎo)致并購資產(chǎn)價值信息的不透明，這是否會驅(qū)動并購后的股價崩盤風(fēng)險上升？本文將對此展開研究。

三、理論分析和假設(shè)提出

本文結(jié)合資產(chǎn)評估偏差的成因，基于公司層面股價崩盤風(fēng)險的理論框架，從信息不透明和代理問題兩個角度分析資產(chǎn)評估偏差對股價崩盤風(fēng)險的影響及作用路徑。

資產(chǎn)評估偏差可能來源于兩方面。一是客觀因素。評估對象自身特征及其所處的外部環(huán)境復(fù)雜多樣，而評估師僅能依靠有限的信息確定評估參數(shù)，客觀上無法完全準(zhǔn)確地計算資產(chǎn)真實(shí)價值。評估程序和方法的局限性也可能增大評估偏差。有關(guān)研究表明，企業(yè)價值評估常用的收益法存在一定操作風(fēng)險，可能導(dǎo)致價值高估(程鳳朝和劉家鵬，2011[25])。二是評估操縱。委托方可能蓄意操縱資產(chǎn)評估值，若評估師缺乏獨(dú)立性從而妥協(xié)于委托方的估值要求，就會出具不合理的評估結(jié)果。已有研究發(fā)現(xiàn)，上市公司的大股東在資產(chǎn)注入中會向上操縱資產(chǎn)評估價格，以實(shí)現(xiàn)對小股東的利益侵占(周勤業(yè)等，2003[2]；宋順林和翟進(jìn)步，2014[3])。

基于信息不透明視角，無論資產(chǎn)評估偏差由何種因素引起，均會增大并購交易的信息不透明程度，導(dǎo)致上市公司和投資者之間的信息不對稱。偏差較大的資產(chǎn)評估值無法反映資產(chǎn)的真實(shí)價值，會降低投資者獲取信息的質(zhì)量，使其無法準(zhǔn)確解讀并購信息。而投資者的信息解讀水平會影響投資者預(yù)期和行為(Kalay，2015[26])。中國股市整體存在較重的投機(jī)氛圍(Pan等，2015[27])，并購資產(chǎn)的高估值會使投資者對資產(chǎn)未來收益分布形成過度樂觀的預(yù)期，導(dǎo)致公司股價積累泡沫，最終以崩盤的形式釋放。本文將資產(chǎn)評估偏差導(dǎo)致并購交易信息不透明、引起投資者過度預(yù)期進(jìn)而增大股價崩盤風(fēng)險的影響路徑稱為“信息路徑”。

基于代理問題視角，大股東資產(chǎn)評估操縱引起的評估偏差不僅會通過“信息路徑”，還可能從以下兩個方面導(dǎo)致股價崩盤風(fēng)險上升。第一，大股東資產(chǎn)評估操縱所形成的評估偏差越大，大股東與外部投資者之間的信息不對稱程度越高，從而會造成更嚴(yán)重的負(fù)面消息隱瞞。實(shí)際上，大股東為隱瞞被高估資產(chǎn)的不良經(jīng)營業(yè)績和規(guī)避監(jiān)管要求，將不得不在一個更長的時期內(nèi)進(jìn)行持續(xù)的信息披露操縱，使更多的負(fù)面消息在公司內(nèi)部囤積，增大股價崩盤風(fēng)險。第二，大股東的資產(chǎn)評估操縱行為反映出公司治理的缺失。這是因為，當(dāng)公司治理較好、代理成本較低時，內(nèi)部人隱瞞負(fù)面消息和實(shí)施機(jī)會主義行為的成本較高。而公司治理水平較低、代理問題較嚴(yán)重時，內(nèi)部人行為得不到有效約束，才更有可能實(shí)施信息披露操縱。公司治理缺失會增大公司的信息不透明(Jin和Myers，2006[1])，使大股東更容易進(jìn)行利益侵占和消息管理，進(jìn)而提升未來的股價崩盤風(fēng)險(沈華玉等，2017[28])。本文將代理框架下評估操縱引致評估偏差，進(jìn)而增大股價崩盤風(fēng)險的路徑稱之為“代理路徑”。

根據(jù)以上分析，本文提出如下假設(shè)：

假設(shè)1：并購資產(chǎn)評估偏差與股價崩盤風(fēng)險正相關(guān)。

中國資產(chǎn)評估機(jī)構(gòu)數(shù)量眾多，且行業(yè)集中度較高，形成了較為明顯的行業(yè)內(nèi)部分化格局。行業(yè)中規(guī)模較大、影響力較高的評估機(jī)構(gòu)具備較高的聲譽(yù)(翟進(jìn)步，2018[7])。在法律機(jī)制不完善的情況下，聲譽(yù)作為一種互補(bǔ)機(jī)制，能夠?qū)κ袌鲋黧w行為起到約束和激勵作用(張維迎，2002[4])。

高聲譽(yù)評估機(jī)構(gòu)因聲譽(yù)受損可能造成客戶流失和公信力下降等嚴(yán)重后果。出于維護(hù)聲譽(yù)的考慮，高聲譽(yù)評估機(jī)構(gòu)有較強(qiáng)的動機(jī)對業(yè)務(wù)風(fēng)險進(jìn)行嚴(yán)格把控，更愿意選擇低風(fēng)險的優(yōu)質(zhì)客戶(馬海濤等，2017[29])。而且，聲譽(yù)較高的評估機(jī)構(gòu)在行業(yè)中影響力較大，受到監(jiān)管部門和社會各界的高度關(guān)注。在較強(qiáng)的外部監(jiān)督下，高聲譽(yù)評估機(jī)構(gòu)為避免因評估不實(shí)承擔(dān)法律責(zé)任，會謹(jǐn)慎執(zhí)業(yè)，降低估值風(fēng)險，從而減少“信息路徑”下高估值導(dǎo)致的股價崩盤現(xiàn)象。此外，高聲譽(yù)評估機(jī)構(gòu)的客戶資源相對豐富，具有更強(qiáng)的客戶談判能力和議價能力，因而高聲譽(yù)評估機(jī)構(gòu)更能保持獨(dú)立性，也更少與客戶合謀實(shí)施評估操縱行為，這將降低“代理路徑”下評估偏差對股價崩盤風(fēng)險的正向影響。反之，低聲譽(yù)評估機(jī)構(gòu)的客戶和業(yè)務(wù)資源相對較少，且低聲譽(yù)評估機(jī)構(gòu)規(guī)模小、數(shù)量多，難以得到充分監(jiān)管，其聲譽(yù)受損成本和遭受懲罰的風(fēng)險較低。因此，低聲譽(yù)評估機(jī)構(gòu)更可能接受高風(fēng)險客戶，且往往會為了經(jīng)濟(jì)利益放棄獨(dú)立性(朱榮等，2019[30])，幫助客戶出具虛假評估值。

以上分析表明，相對低聲譽(yù)的評估機(jī)構(gòu)，高聲譽(yù)評估機(jī)構(gòu)擁有更多優(yōu)質(zhì)客戶，其評估偏差中包含的信息操縱和潛在風(fēng)險較少，更不易引發(fā)后續(xù)的股價崩盤。據(jù)此提出如下假設(shè)：

假設(shè)2：評估機(jī)構(gòu)聲譽(yù)越高，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險之間的關(guān)系越弱。

四、研究設(shè)計

(一)樣本數(shù)據(jù)

本文以2009—2017年滬深A(yù)股上市公司的股權(quán)收購事件為樣本。將樣本范圍界定為股權(quán)收購，是因為股權(quán)收購涉及對被并購企業(yè)的整體價值評估，是股改后上市公司觸發(fā)資產(chǎn)評估的主要并購交易類型，具有較強(qiáng)的代表性。以單一的并購類型為樣本，也可避免因并購類型不同產(chǎn)生遺漏變量偏誤。以2009年為起點(diǎn)，是因為2009年是《上市公司重大資產(chǎn)重組管理辦法》實(shí)施后的第一個完整會計年度，也是股權(quán)分置改革后新一輪資產(chǎn)注入、整體上市的熱潮，且隨著2009年之后并購規(guī)模擴(kuò)大和形式多元化，資產(chǎn)評估的定價功能和應(yīng)用效果得到了更廣泛的認(rèn)可和關(guān)注。為計算資產(chǎn)評估偏差指標(biāo)，本文從巨潮資訊網(wǎng)站手工收集研究區(qū)間內(nèi)上市公司披露的股權(quán)收購交易標(biāo)的資產(chǎn)評估報告書，從中獲取并購標(biāo)的財務(wù)數(shù)據(jù)、各類資產(chǎn)評估值等信息。計算股價崩盤風(fēng)險指標(biāo)的有關(guān)數(shù)據(jù)，以及上市公司財務(wù)數(shù)據(jù)均來源于國泰安(CSMAR)數(shù)據(jù)庫。

參照已有研究，本文按以下標(biāo)準(zhǔn)篩選樣本：上市公司為非金融行業(yè)；用于計算資產(chǎn)評估偏差指標(biāo)的并購標(biāo)的資產(chǎn)數(shù)據(jù)無缺漏；用于計算股價崩盤風(fēng)險指標(biāo)的有關(guān)數(shù)據(jù)無缺漏；上市公司財務(wù)數(shù)據(jù)無缺漏。篩選后最終得到1 336個觀測值。為避免極端值影響，本文對所有連續(xù)變量在1%和99%的分位上進(jìn)行了縮尾處理。

(二)變量定義

1.被解釋變量：股價崩盤風(fēng)險。

本文借鑒Chen等(2017)[20]的研究，采用負(fù)收益偏態(tài)系數(shù)和股價上下波動差異兩個指標(biāo)衡量股價崩盤風(fēng)險，具體計算過程如下。

首先計算每只股票經(jīng)過市場調(diào)整后的周收益率，模型如下：

ri,p=α0,i+α1,irm,p-2+α2,irm,p-1+α3,irm,p+α4,irm,p+1+α5,irm,p+2+εi,p

(1)

其中，i為公司股票，m為公司股票上市的市場，p為周，ri，p為股票i在第p周的收益率，rm，p為市場m在第p周按流通市值加權(quán)的平均收益率，α0，i為常數(shù)項，α1，i～α5，i為相應(yīng)控制變量的回歸系數(shù)，εi，p為殘差項。式(1)中加入市場周收益率的超前項(rm，p+1和rm，p+2)以及滯后項(rm，p-1和rm，p-2)，以控制非同步交易可能造成的偏差。式(1)回歸得到殘差εi，p，定義股票i在第p周經(jīng)調(diào)整后的周收益率為Ri，p=ln(1+εp，t)。

基于經(jīng)市場調(diào)整后的周收益率，構(gòu)造負(fù)收益偏態(tài)系數(shù)和股價上下波動差異兩個指標(biāo)。

(2)

其中，t為年，NCSKEW為負(fù)收益偏態(tài)系數(shù)，n為當(dāng)年股票交易周數(shù)。NCSKEW的值越大，表示股價崩盤風(fēng)險越大。

(3)

其中，t為年，DUVOL為股價上下波動差異，nd(nu)代表經(jīng)調(diào)整后的周收益率低于(高于)該股票當(dāng)年平均收益率的周數(shù)。DUVOL的值越大，表示股價崩盤風(fēng)險越大。

2.解釋變量：并購資產(chǎn)評估偏差。

已有研究采用了多種方法度量評估偏差，例如直接使用基于賬面值計算的評估增值率度量評估偏差(周勤業(yè)等，2003[2])，或以評估增值率與對應(yīng)行業(yè)同類型并購評估增值率中位數(shù)之差作為評估偏差(宋順林和翟進(jìn)步，2014[3]；翟進(jìn)步，2018[7])。理論上，基于賬面值計算的評估增值率既包括資產(chǎn)的正常增值部分，也包括異常增值部分。其中，正常增值部分來源于資產(chǎn)的未來收益折現(xiàn)價值，能夠反映資產(chǎn)的真實(shí)價值。剔除正常增值部分后，剩余的異常增值部分才是資產(chǎn)評估值與資產(chǎn)真實(shí)價值的偏差。原紅旗等(2008)[10]采用回歸殘差度量異常增值率，其基本原理是，首先構(gòu)建模型對正常增值率進(jìn)行估計，其次以資產(chǎn)評估增值率扣除正常增值率后的殘差作為異常增值率?；貧w模型控制了評估對象層面的異質(zhì)性因素，相比基于賬面值計算的評估增值率或剔除行業(yè)中位數(shù)的評估增值率更加合理。因此，本文參考原紅旗等(2008)[10]的方法，建立如下模型：

Revi,t=α0+ηX+α1Meth1+α2Meth2+Year+Ind
+Prov+εi,t

(4)

其中：被解釋變量Rev為資產(chǎn)評估增值率，定義為資產(chǎn)評估值超過賬面值的百分比。X是評估對象即被并購企業(yè)層面影響評估增值率的主要因素，包括：(1)固定資產(chǎn)占總資產(chǎn)比重。物價上漲會使固定資產(chǎn)重置成本上升，且固定資產(chǎn)的日常維護(hù)會延長其經(jīng)濟(jì)使用年限，從而增加其評估價值，因而固定資產(chǎn)占比是影響評估增值率的主要因素(原紅旗等，2008[10])。(2)無形資產(chǎn)占總資產(chǎn)比重。無形資產(chǎn)日漸成為企業(yè)資產(chǎn)的重要組成部分，其主要包括專有技術(shù)、商標(biāo)、著作權(quán)、商譽(yù)、自然資源使用權(quán)等，無形資產(chǎn)價值取決于未來盈利能力，存在較大的增值空間。(3)總資產(chǎn)收益率。標(biāo)的資產(chǎn)的收益率反映其盈利能力，資產(chǎn)的盈利能力越強(qiáng)，未來經(jīng)濟(jì)收益越高，相應(yīng)的資產(chǎn)價值越大，評估增值率也越高。此外，在企業(yè)價值評估中，常用的評估方法包括資產(chǎn)基礎(chǔ)法、收益法和市場法三種。不同評估方法遵循的評估原理和評估程序不同，增值情況也存在系統(tǒng)性差異，因此在式(4)中加入兩個虛擬變量Meth1與Meth2，若以收益法(市場法)確定交易資產(chǎn)的評估值，則Meth1(Meth2)取值為1，否則為0。此外，不同評估時點(diǎn)、行業(yè)及地區(qū)的經(jīng)濟(jì)環(huán)境有所差異，為控制這些因素，在式(4)中加入年度、行業(yè)和省份固定效應(yīng)，分別以Year、Ind和Prov表示。α0為常數(shù)項，η、α1、α2為解釋變量系數(shù)。本文使用式(4)估計回歸殘差，并以之衡量資產(chǎn)評估偏差。

3.其他控制變量。

借鑒Kim等(2011)[4]和Chen等(2017)[20]的研究，并根據(jù)數(shù)據(jù)的可得性和研究目的，在模型中加入以下控制變量：t年公司股票的負(fù)收益偏態(tài)系數(shù)、周收益率均值、周收益率標(biāo)準(zhǔn)差和月平均超額換手率，公司規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)收益率、市價-賬面值比率、信息不透明度。最后加入年度和行業(yè)固定效應(yīng)。

各變量名稱、符號與具體定義見表1。

表1 變量定義

(三)實(shí)證模型

為檢驗并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的關(guān)系，本文設(shè)定如下模型：

CrashRiski,t+1=β0+β1Biasi,t+β2NCSKEWi,t+β3Reti,t+β4Sigmai,t+β5DTurni,t+β6Sizei,t+β7Levi,t+β8ROAi,t+β9MBi,t+β10AbAcci,t+Year+Ind+μi,t

(5)

其中：i為上市公司，t為時間變量。被解釋變量CrashRisk為股價崩盤風(fēng)險，以負(fù)收益偏態(tài)系數(shù)和股價上下波動差異兩個指標(biāo)衡量。β0為常數(shù)項，β1為解釋變量的回歸系數(shù)，β2～β10為控制變量的回歸系數(shù)，μi，t為殘差項。若假設(shè)1成立，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險應(yīng)正相關(guān)，β1應(yīng)顯著為正。

為檢驗資產(chǎn)評估機(jī)構(gòu)聲譽(yù)對并購資產(chǎn)評估偏差與股價崩盤風(fēng)險關(guān)系的影響，本文設(shè)定如下模型：

CrashRiski,t+1=γ0+γ1Topi,t+γ2Biasi,t+γ3Topi,t×Biasi,t+γ4NCSKEWi,t+γ5Reti,t+γ6Sigmai,t+γ7DTurni,t+γ8Sizei,t+γ9Levi,t+γ10ROAi,t+γ11MBi,t+γ12AbAcci,t+Year+Ind+νi,t

(6)

其中Top是資產(chǎn)評估機(jī)構(gòu)聲譽(yù)的二元虛擬變量。借鑒翟進(jìn)步(2018)[7]的做法，以中國資產(chǎn)評估協(xié)會每年公布的資產(chǎn)評估機(jī)構(gòu)綜合評價前百強(qiáng)名單為依據(jù)，將每年前10名機(jī)構(gòu)作為高聲譽(yù)評估機(jī)構(gòu)，第10名之后的機(jī)構(gòu)作為低聲譽(yù)評估機(jī)構(gòu)。當(dāng)資產(chǎn)評估機(jī)構(gòu)為高聲譽(yù)評估機(jī)構(gòu)時，Top取值為1，否則取值為0。γ0為常數(shù)項，γ1和γ2為一次項的回歸系數(shù)，γ3為交乘項的回歸系數(shù)，γ4～γ12為控制變量的回歸系數(shù)，νi，t為殘差項。若假設(shè)2成立，資產(chǎn)評估機(jī)構(gòu)聲譽(yù)較高時并購資產(chǎn)評估偏差與股價崩盤風(fēng)險之間的關(guān)系較弱，γ3應(yīng)顯著為負(fù)。

五、實(shí)證結(jié)果和分析

(一)描述性統(tǒng)計分析

表2報告了式(5)主要變量的描述性統(tǒng)計結(jié)果。兩個股價崩盤風(fēng)險指標(biāo)NCSKEWt+1和DUVOLt+1的標(biāo)準(zhǔn)差分別為0.295和0.331，均值分別為-0.276和-0.206且均小于中位數(shù)，呈現(xiàn)出左偏分布的特征。Bias是由式(4)回歸殘差得到的資產(chǎn)評估偏差，其最大值達(dá)到15.315，最小值為-6.325，標(biāo)準(zhǔn)差為5.311，可見樣本間資產(chǎn)評估偏差存在較大差異，便于觀察股價崩盤風(fēng)險如何隨著并購資產(chǎn)評估偏差的改變而變動。其余變量的統(tǒng)計指標(biāo)與已有研究較為接近，基本在合理范圍之內(nèi)。(1)因篇幅所限，本文未展示相關(guān)性分析與單變量檢驗結(jié)果，感興趣的讀者可向作者索取。

表2 描述性統(tǒng)計

(二)回歸結(jié)果分析

1.基準(zhǔn)回歸結(jié)果。

為檢驗并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的關(guān)系，使用式(5)進(jìn)行OLS回歸，表3報告了回歸結(jié)果。為保證結(jié)論穩(wěn)健性，采用單變量回歸和多元回歸兩種模型。表3的列(1)、列(2)僅加入核心解釋變量Bias以及年度和行業(yè)固定效應(yīng)，列(3)、列(4)增加了其他控制變量。列(1)～列(4)的回歸結(jié)果中，Bias的回歸系數(shù)均在1%的統(tǒng)計水平上顯著為正。上述結(jié)果表明，并購資產(chǎn)評估偏差增大了股價崩盤風(fēng)險，且采用兩種股價崩盤風(fēng)險指標(biāo)以及加入控制變量之后，該結(jié)論仍成立，支持假設(shè)1。從多元回歸結(jié)果來看，控制變量中NCSKEW、Ret、MB均與股價崩盤風(fēng)險顯著正相關(guān)，與Kim等(2011)[4]報告的回歸結(jié)果基本一致。

表3 并購資產(chǎn)評估偏差與股價崩盤風(fēng)險

資產(chǎn)評估偏差存在正向(高估)偏差和負(fù)向(低估)偏差兩種情況。相比于負(fù)向評估偏差，正向評估偏差更可能造成投資者對資產(chǎn)未來收益過度樂觀預(yù)期，使股價產(chǎn)生泡沫，進(jìn)而引起股價崩盤風(fēng)險上升。從代理問題的角度，大股東可能出于利益侵占動機(jī)高估注入資產(chǎn)的價格，也可能出于“扭虧”和“保配”動機(jī)支持上市公司(李增泉等，2005[31])，例如以較低的價格向上市公司出售資產(chǎn)，以達(dá)到為上市公司紓困的目的(Cheung等，2009[32])。因此，負(fù)向評估偏差可能反映了大股東對上市公司的支持行為，而正向評估偏差更可能源于大股東的利益侵占行為。根據(jù)上述分析，正向評估偏差與股價崩盤風(fēng)險的關(guān)系應(yīng)當(dāng)更顯著。為此，進(jìn)一步將并購資產(chǎn)評估偏差分為正向評估偏差和負(fù)向評估偏差兩組，分別使用式(5)進(jìn)行OLS回歸。表4報告了回歸結(jié)果，列(1)、列(2)為正向評估偏差組，其中Bias的回歸系數(shù)在1%的統(tǒng)計水平上顯著為正。列(3)、列(4)為負(fù)向評估偏差組，其中Bias的回歸系數(shù)在統(tǒng)計上不顯著。上述結(jié)果說明資產(chǎn)高估偏差是股價崩盤風(fēng)險上升的主要原因。

表4 并購資產(chǎn)評估偏差與股價崩盤風(fēng)險：正向和負(fù)向評估偏差

2.內(nèi)生性與穩(wěn)健性檢驗。

(1)內(nèi)生性問題。內(nèi)部風(fēng)險較高的公司為隱瞞并購交易資產(chǎn)的真實(shí)價值，可能主動選擇能滿足自身估值需求的資產(chǎn)評估機(jī)構(gòu)，由此產(chǎn)生樣本自選擇的內(nèi)生性問題。為此，本文利用Heckman兩階段模型緩解這一內(nèi)生性。第一階段中，本文將地區(qū)犯罪率作為資產(chǎn)評估偏差的外生工具變量。在相關(guān)性方面，地區(qū)犯罪率反映了某個地區(qū)的道德水平，地區(qū)犯罪率越高表明當(dāng)?shù)氐赖滤皆降?，?dāng)?shù)氐馁Y產(chǎn)評估機(jī)構(gòu)也越可能違背職業(yè)道德準(zhǔn)則，放棄獨(dú)立性迎合委托方的估值需求，從而增大資產(chǎn)評估偏差。因此地區(qū)犯罪率與資產(chǎn)評估偏差具有一定的正相關(guān)關(guān)系。在外生性方面，地區(qū)犯罪率受到復(fù)雜的宏觀經(jīng)濟(jì)社會因素影響，與單個上市公司的股價崩盤風(fēng)險不存在直接的相關(guān)關(guān)系，滿足工具變量的外生性條件。借鑒陳剛(2010)[33]的做法，使用當(dāng)年上市公司所在省級地區(qū)每萬人中人民檢察院提起公訴的刑事犯罪嫌疑人數(shù)的自然對數(shù)衡量地區(qū)犯罪率。第一階段采用如下Probit模型進(jìn)行回歸：

Bias_Hi,t=δ0+δ1Crimei,t+δ2NCSKEWi,t+δ3Reti,t+δ4Sigmai,t+δ5DTurni,t+δ6Sizei,t+δ7Levi,t+δ8ROAi,t+δ9MBi,t+δ10AbAcci,t+Year+Ind+φi,t

(7)

其中：Bias_H是并購資產(chǎn)評估偏差的虛擬變量，若Bias大于樣本中位數(shù)，則Bias_H取值為0，否則取值為1。Crime為外生工具變量地區(qū)犯罪率，其余控制變量與式(5)一致。δ0為常數(shù)項，δ1為工具變量系數(shù)，δ2～δ10為控制變量系數(shù)，φi，t為殘差項。

表5的列(1)報告了Heckman兩階段法第一階段的回歸結(jié)果，其中Crime與Bias_H顯著正相關(guān)，說明地區(qū)犯罪率越高、道德水平越低的地區(qū)，并購資產(chǎn)評估偏差越大。根據(jù)第一階段的回歸結(jié)果計算逆米爾斯比率(Inverse mills ratio)，將其記為λ并代入式(5)進(jìn)行Heckman第二階段回歸。表5的列(2)、列(3)報告了Heckman第二階段的回歸結(jié)果，其中λ的回歸系數(shù)顯著為負(fù)，說明樣本存在自選擇問題?？刂谱赃x擇偏誤后，Bias與股價崩盤風(fēng)險的兩個指標(biāo)均在1%的水平上顯著正相關(guān)，假設(shè)1仍成立，說明原結(jié)論不受自選擇問題干擾。

表5 Heckman兩階段回歸結(jié)果

(2)更多穩(wěn)健性檢驗(2)因篇幅所限，本文未展示這部分穩(wěn)健性檢驗結(jié)果，感興趣的讀者可向作者索取。。為排除變量度量偏誤，本文采用三個指標(biāo)作為資產(chǎn)評估偏差的替代度量：其一是單個評估增值率與同行業(yè)同類型并購評估增值率中位數(shù)之差A(yù)bRev；其二是根據(jù)0分組的評估偏差虛擬變量Dum1；其三是根據(jù)樣本中位數(shù)分組的評估偏差虛擬變量Dum2。為排除遺漏變量偏誤，本文參考沈華玉等(2017)[28]的研究，進(jìn)一步控制會計穩(wěn)健性和公司治理相關(guān)變量：會計穩(wěn)健性采用Khan和Watts(2009)[34]提出的CScore指標(biāo)度量；公司治理變量包括獨(dú)立董事占比Idirector、董事會規(guī)模Bsize、CEO與董事長兼任的虛擬變量Duality。

3.資產(chǎn)評估機(jī)構(gòu)聲譽(yù)的影響。

為檢驗資產(chǎn)評估機(jī)構(gòu)的高聲譽(yù)能否抑制資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系，使用式(6)進(jìn)行OLS回歸。由于中國資產(chǎn)評估協(xié)會從2011年開始發(fā)布資產(chǎn)評估機(jī)構(gòu)排名，回歸中僅使用了2011—2017年的樣本。表6報告了回歸結(jié)果，其中交乘項Top×Bias的回歸系數(shù)分別為-0.009和-0.007，并且在1%的統(tǒng)計水平上顯著為負(fù)，說明資產(chǎn)評估機(jī)構(gòu)的高聲譽(yù)顯著抑制了并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系。該結(jié)果表明，資產(chǎn)評估機(jī)構(gòu)受到聲譽(yù)機(jī)制的約束，即高聲譽(yù)評估機(jī)構(gòu)會更嚴(yán)格地控制業(yè)務(wù)風(fēng)險，并且減少與客戶合謀操縱資產(chǎn)評估值的行為，從而減少并購后的股價崩盤風(fēng)險，該結(jié)果支持了假設(shè)2。

表6 資產(chǎn)評估機(jī)構(gòu)聲譽(yù)的影響

六、機(jī)制檢驗

在理論分析部分，本文提出并購資產(chǎn)評估偏差增大股價崩盤風(fēng)險的“信息路徑”，即并購資產(chǎn)評估偏差會增大并購信息不透明，導(dǎo)致公司與外部投資者之間的信息不對稱。本部分將對這一路徑進(jìn)行實(shí)證檢驗，采用兩個指標(biāo)度量信息不對稱程度：一是買賣價差(bid-ask spread)。買賣價差是衡量信息不對稱的常用指標(biāo)，買賣價差越大，反映出公司股票交易時產(chǎn)生的逆向選擇問題越少，信息不對稱程度越高(Leuz和Verrecchia，2000[35])。借鑒張崢等(2014)[36]的做法，本文采用收盤前有效價差衡量信息不對稱程度。二是Amihud指標(biāo)。Amihud(2002)[37]提出用股票的非流動性(illiquidity)測度信息不對稱程度，非流動性指標(biāo)的數(shù)值越大，表示股票的流動性越差，信息不對稱程度越高。按照Amihud(2002)[37]的做法，以個股日收益率絕對值除以日交易量，然后計算其年度均值(3)由于個股日收益率和個股日交易量的數(shù)值在數(shù)量級上相差較大，本文將非流動性指標(biāo)的數(shù)值均擴(kuò)大1 000倍，以便于觀察回歸系數(shù)。。表7中，列(1)、列(2)的被解釋變量分別為買賣價差(Spread)和Amihud指標(biāo)(Amihud)，從中可見，并購資產(chǎn)評估偏差與信息不對稱指標(biāo)顯著正相關(guān)，即并購資產(chǎn)評估偏差增大了公司與外部投資者之間的信息不對稱。

表7 機(jī)制檢驗

七、異質(zhì)性分析

前文提到，資產(chǎn)評估偏差不僅由客觀因素引起，還可能源于大股東的資產(chǎn)評估操縱行為。基于“代理路徑”的視角，大股東出于利益侵占動機(jī)，會高估注入資產(chǎn)評估值，導(dǎo)致股價崩盤風(fēng)險上升。兩權(quán)分離度、股權(quán)制衡度和外部治理水平會影響大股東利益侵占和資產(chǎn)評估操縱動機(jī)，進(jìn)而影響評估偏差中隱含的風(fēng)險。為此，本部分從上述三個方面對并購資產(chǎn)評估偏差如何影響股價崩盤風(fēng)險進(jìn)行異質(zhì)性檢驗，以期為“代理路徑”提供證據(jù)。

(一)兩權(quán)分離度

已有研究表明，上市公司大股東的控制權(quán)越強(qiáng)，利益侵占越嚴(yán)重(Claessens，2002[38])。兩權(quán)分離度較高時，大股東可獲得的控制權(quán)收益大于現(xiàn)金流權(quán)帶來的收益，從而更可能實(shí)施利益侵占和資產(chǎn)評估操縱，導(dǎo)致股價崩盤風(fēng)險上升。反之，兩權(quán)分離度較低時，大股東可獲得的現(xiàn)金流權(quán)收益大于控制權(quán)收益，現(xiàn)金流權(quán)會激勵大股東提升公司價值，減少利益侵占和資產(chǎn)評估操縱，從而降低股價崩盤風(fēng)險。因此，大股東控制權(quán)與現(xiàn)金流權(quán)分離度越高，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系可能越顯著。

設(shè)置虛擬變量Separation，若兩權(quán)分離度高于樣本中位數(shù)，則Separation取值為1，否則為0。在式(5)中加入Separation及其與Bias的交乘項，表8的列(1)、列(2)報告了回歸結(jié)果，其中Separation×Bias的回歸系數(shù)顯著為正，說明兩權(quán)分離度越高，大股東更可能實(shí)施資產(chǎn)評估操縱，從而加劇并購資產(chǎn)評估偏差對股價崩盤風(fēng)險的正向影響。

(二)股權(quán)制衡度

已有研究發(fā)現(xiàn)，股權(quán)制衡機(jī)制能夠監(jiān)督和約束大股東行為，抑制大股東利益侵占(Cheng等，2020[39])。當(dāng)股權(quán)制衡度較高時，大股東實(shí)施機(jī)會主義行為的成本較高，從而會減少資產(chǎn)評估操縱。而且，股權(quán)制衡限制了大股東的利益侵占行為，其后續(xù)的負(fù)面消息隱瞞也會減少。反之，股權(quán)制衡度越低，大股東侵占成本越低，從而越可能實(shí)施資產(chǎn)評估操縱和負(fù)面消息隱瞞，導(dǎo)致股價崩盤風(fēng)險上升。因此，股權(quán)制衡度越高，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系可能越弱。

參照沈華玉等(2017)[28]的研究，以第2至第10大股東持股比例之和與第一大股東持股比例的比值作為股權(quán)制衡度的衡量指標(biāo)。設(shè)置虛擬變量Balance，若股權(quán)制衡度高于樣本中位數(shù)，則Balance取值為1，否則為0。在式(5)中加入Balance及其與Bias的交乘項，表8的列(3)、列(4)報告了回歸結(jié)果，其中Balance×Bias的回歸系數(shù)顯著為負(fù)，說明較高的股權(quán)制衡度能夠抑制大股東利益侵占和資產(chǎn)評估操縱行為，減弱并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系。

(三)外部治理水平

外部治理是約束大股東機(jī)會主義行為的重要機(jī)制，能夠提高大股東利益侵占成本，從而減少大股東資產(chǎn)評估操縱和負(fù)面消息隱瞞，降低股價崩盤風(fēng)險。在資本市場中，機(jī)構(gòu)投資者是重要的外部治理力量，其具備廣泛的信息獲取渠道和專業(yè)的信息處理能力，并且具有較強(qiáng)的監(jiān)督動機(jī)(Kang等，2018[40])，能夠減少內(nèi)部人信息操縱(李萬福等，2020[41])。此外，分析師也被視為公司管理層的外部監(jiān)督者，其具備較強(qiáng)的信息收集和分析能力，能夠向市場傳遞增量信息，減少公司和投資者之間的信息不對稱(伊志宏等，2019[42])，降低代理成本(Yu等，2008[43])。因此，機(jī)構(gòu)投資者持股比例越高或分析師關(guān)注度越高，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系可能越弱。

為檢驗機(jī)構(gòu)投資者持股比例的影響，設(shè)置虛擬變量IO，若機(jī)構(gòu)投資者持股比例高于樣本中位數(shù)，則IO取值為1，否則取值為0。在式(5)中加入IO及其與Bias的交乘項，表8的列(5)、列(6)報告了回歸結(jié)果，其中IO×Bias的回歸系數(shù)顯著為負(fù)。為檢驗分析師關(guān)注度的影響，設(shè)置虛擬變量Analyst，若分析師關(guān)注度高于樣本中位數(shù)，則Analyst取值為1，否則取值為0。在式(5)中加入Analyst及其與Bias的交乘項，表8的列(7)、列(8)報告了回歸結(jié)果，其中Analyst×Bias的回歸系數(shù)顯著為負(fù)。上述回歸結(jié)果表明，有效的外部治理機(jī)制能夠抑制并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系。

八、結(jié)論

防范化解金融風(fēng)險是中國經(jīng)濟(jì)發(fā)展進(jìn)程中面臨的重要議題，受到政府部門和理論界的高度重視。近年來上市公司并購重組市場日益活躍，并購資產(chǎn)價值高估的現(xiàn)象頻繁發(fā)生，造成上市公司股價劇烈波動。股價崩盤是股價波動的極端現(xiàn)象，也是金融風(fēng)險的微觀體現(xiàn)。并購資產(chǎn)評估值是公司并購過程中披露的關(guān)鍵信息之一，偏差較大的資產(chǎn)評估值會增大并購交易的信息不透明程度，造成公司和投資者之間信息不對稱，進(jìn)而導(dǎo)致股價崩盤風(fēng)險上升。為此，本文考察并購資產(chǎn)評估偏差是否增大了并購后的股價崩盤風(fēng)險，為資產(chǎn)評估偏差對金融風(fēng)險的影響提供了經(jīng)驗證據(jù)。

本文研究表明，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險顯著正相關(guān)，而資產(chǎn)評估機(jī)構(gòu)的高聲譽(yù)能夠抑制這一正向關(guān)系。機(jī)制分析表明，并購資產(chǎn)評估偏差增大了公司和外部投資者之間的信息不對稱。異質(zhì)性檢驗表明，并購資產(chǎn)評估偏差與股價崩盤風(fēng)險的正向關(guān)系在兩權(quán)分離度較高時更顯著，在股權(quán)制衡度較高、公司外部治理較強(qiáng)時則減弱。本文豐富了公司并購與股價崩盤風(fēng)險的研究，為資產(chǎn)評估偏差的經(jīng)濟(jì)后果提供了新的實(shí)證證據(jù)。

研究結(jié)論對于監(jiān)管層、投資者和資產(chǎn)評估行業(yè)管理部門可能具有如下啟示：監(jiān)管層和投資者對并購交易中的資產(chǎn)評估信息應(yīng)給予一定關(guān)注，防范并購資產(chǎn)估值風(fēng)險；有關(guān)部門應(yīng)加強(qiáng)資產(chǎn)評估行業(yè)管理，積極開展評估機(jī)構(gòu)綜合評價工作，培育具備較強(qiáng)專業(yè)性和獨(dú)立性的高聲譽(yù)評估機(jī)構(gòu)，通過聲譽(yù)機(jī)制激勵評估質(zhì)量提升；降低兩權(quán)分離度、提高股權(quán)制衡度、提升外部治理水平等措施能夠有效抑制大股東的資產(chǎn)評估操縱行為，減少并購資產(chǎn)評估偏差對股價崩盤風(fēng)險的正向影響。

本文可能的局限性在于，由于股權(quán)收購標(biāo)的多為非上市企業(yè)，其資產(chǎn)評估數(shù)據(jù)需通過手工收集的方式獲取。受制于數(shù)據(jù)可得性，本文所使用的樣本時間區(qū)間有限。后續(xù)研究可擴(kuò)充最近年份的樣本數(shù)據(jù)進(jìn)行實(shí)證分析，以增加研究結(jié)果的時效性和信服力。