关联委托贷款引发了股价崩盘风险吗？

白 俊 孙云云 邱善运

(1.石河子大学 经济与管理学院/公司治理与管理创新研究中心，新疆 石河子 832000；2.山东大学 经济学院，山东 济南 250100)

一、引言

在我国金融发展长期抑制和金融市场欠发达的背景下，相比大型企业和国有企业，受到信贷约束的中小企业和民营企业难以从正规金融体系获取资金。外部资本市场的低效率促进了企业集团的内部资金借贷——委托贷款①的产生。作为中国特色的金融创新工具，通过实现关联企业之间资金借贷正当化，委托贷款业务既有利于满足企业集团内部融资渠道多元化的需求，又优化了贷款发放方自有资金的使用效率[1]，成为企业重要的类金融业务之一。但发放关联委托贷款对企业来说并非毫无风险，发放方和接收方股权关联关系②的存在不仅容易弱化委托贷款的独立交易原则与市场化原则，损害其他中小股东的合法权益[2]，而且事后关联委托贷款违约概率大大高于同期商业银行不良贷款率[3]，容易形成系统性金融风险的微观积聚。然而，由于数据获取困难，现有关于企业发放关联委托贷款的经济后果，尤其是其可能引致的风险问题的讨论非常有限，亟待予以系统地探讨。

当前，防范系统性金融风险是我国三大攻坚战之一，而股价崩盘风险是引发系统性金融风险的重要隐患。股票市场作为资本市场的重要组成部分，其繁荣稳定对实体经济有效运行以及金融系统发展、风险防范的重要性显而易见。但中国股票市场尚未成熟，股票价格暴涨暴跌的现象时有发生，尤其是在2015年的股灾中，沪深两市千股跌停的异常波动严重打击了投资者信心，给金融市场健康有序发展造成巨大冲击。当今世界经济形势变幻莫测导致金融市场剧烈震荡，“新冠疫情”进一步加剧了全球金融体系的脆弱性。在此背景下，那些通常隐匿于真实交易之中，既缺乏监管又具有交叉关联性的关联委托贷款是否影响了企业股价崩盘风险？如果有影响，它会沿着怎样的路径产生作用？对这些问题的探究不仅有助于全面认识企业发放关联委托贷款的经济后果及其作用路径，更重要的是对理解系统性金融风险的微观产生与规避具有一定的理论价值和实践意义。

基于此，本文采用手工收集的关联委托贷款数据，考察了关联委托贷款的发放对企业股价崩盘风险的影响及其作用路径。和现有文献相比，本文的创新之处主要体现在以下三方面：第一，本文利用手工收集的关联委托贷款数据，克服了数据和相关信息可得性方面的限制，从股价崩盘风险视角考察企业发放关联委托贷款的经济后果，一方面，为企业集团内部资金借贷提供了直接的经验证据，是对现有内部资本市场运作效率研究的有益补充；另一方面，在拨开异象厘清企业间委托贷款和股权关联的基础上，丰富了关联委托贷款经济后果研究的相关文献。第二，不同于已有研究广泛基于Jin和Myers(2006)的范式对股价崩盘风险影响因素的探讨[4]，本文从关联委托贷款的角度，探析微观企业影子银行化行为如何影响企业股价崩盘风险，拓展了股价崩盘风险影响因素的理论研究。第三，本文的研究结论为防范关联委托贷款引发系统性金融风险提供了直接经验证据和启示。本文研究表明，有效的内外部监督机制有助于弱化关联委托贷款的风险，为了防范系统性金融风险的微观积聚，未来需要强化对企业关联委托贷款发放行为的监督与规范。

二、文献综述、理论分析和假设提出

(一)文献综述

现有关于企业发放关联委托贷款的经济后果研究并不多，主要包括正反两个方面。从正面影响来看，大型企业或国有企业利用内部闲置或外部筹集的资金，向下属、兄弟等股权关联企业提供低利率贷款来代替昂贵的银行信贷资金，以满足企业集团内部融资渠道多元化需求或培育子公司新兴业务，关联委托贷款成为提高资金整体运行效率的手段[1][5]。从反面影响来看，关联委托贷款游离于正规金融体系之外，隐蔽性较强，且我国上市公司监管体系仍不完善，使得股权关联企业间的委托贷款交易容易成为大股东攫取中小股东利益和转移公司资源的手段，出现“隐蔽性”资金转移和融资功能“异化”等现象，也可能形成低效的交叉补贴[1][6]。整体来看，关联委托贷款是一把“双刃剑”，我们在肯定关联委托贷款积极作用的同时，也应认识到其负面影响。

股价崩盘的本质原因在于公司长期隐藏了负面消息，使得信息透明度降低，当这些内部积聚的负面消息达到临界值时，一旦在市场上全面曝光，投资者将大量抛售股票，导致股票价格大幅负调整，即崩盘[7]。已有文献重点从信息不对称和代理问题两个视角解读信息透明度如何影响股价崩盘风险：(1)信息不对称。公司内部人员和外部利益相关者之间的信息不对称降低了信息透明度，造成一定时间内出现隐藏的负面消息较多，导致股价崩盘的概率上升[4]。已有文献发现分析师关注[8]、特定行业的审计师[9]、高铁开通[10]、投资者信息能力[11]、媒体报道[12]等可以减少公司内部与外部投资者之间的信息不对称程度，营造高质量的公司信息环境，进而降低股价崩盘风险。(2)代理问题。管理层由于职业生涯、个人财富和帝国构建等原因，倾向于长期向外部投资者隐瞒负面消息，从而降低了公司的信息透明度，导致股价崩盘[7]。股价崩盘风险的其他影响因素也可以归因于企业管理层，具体包括：避税活动[13]、高管过度自信[14]、会计稳健性[15]、高管年龄[16]、高管减持[17]、财务总监地位[18]、关系支出[19]等。

综上可知，已有研究增加了我们对关联委托贷款的认识，但现有关于关联委托贷款的研究大多基于理论层面，缺乏经验证据。本文以股价崩盘风险为切入点，采用手工收集的关联委托贷款数据，实证检验了企业发放关联委托贷款的经济后果。

(二)理论分析和假设提出

公司信息透明度是股价崩盘风险的重要影响因素，企业发放关联委托贷款可能从正反两方面对它产生影响，进而对股价崩盘风险产生不同的作用。

企业发放关联委托贷款具有信号传递效应，可以提高公司信息透明度，进而降低股价崩盘风险。根据信号传递理论，不同经营状况的企业传递信号的成本和收益不同，这样能够保证高质量企业传递信号的行为不会被低质量企业模仿。这意味着，如果企业当前盈利较差、未来前景堪忧，企业将不会发放关联委托贷款，否则将会降低其流动性，造成资金链断裂，进而影响企业生产经营。因此，企业通过发放关联委托贷款来支持或者救助其他关联企业可以向市场传递出其自身资金充裕、未来盈利良好或资金整体使用效率较高的信号[2]，这有利于外部投资者更为方便、快捷地了解企业经营信息，从而缓解了投资者与企业之间的信息不对称程度，降低了股价崩盘风险。

然而，企业发放关联委托贷款也有可能降低公司信息透明度，进而增加股价崩盘风险。具体原因包括以下两个方面：第一，从关联委托贷款自身特性来看，由于其未在正规金融监管系统之内，又具有交叉关联性，本身隐蔽性高、迷惑性大，使得关联委托贷款的发放增加了公司与投资者之间的信息不对称，从而增加股价崩盘风险。一方面，关联委托贷款业务还没有明确的法律规定，从贷款申请到审批缺乏严格、系统的标准和流程，其金额、利率、期限等相关条款由借款方和贷款方共同商议，并且受托金融机构在获得手续费的同时无需对该业务承担风险，所以在各自利益的驱使下，关联委托贷款借贷双方以及受托机构合谋的概率较高；另一方面，关联委托贷款交易有商业银行等金融机构作为中介和表面规范的贷款程序，对于外部投资者而言迷惑性较大，其背后的真实意图难以知晓，增加了公司与投资者之间的信息不对称程度，造成股票错误定价，积累泡沫，增加了股价崩盘风险。因此，从关联委托贷款自身隐蔽性高、迷惑性大的特性来看，其发放容易降低公司信息透明度，导致股价崩盘风险上升。

第二，企业通过发放关联委托贷款进行真实盈余管理，降低了公司信息透明度，使得管理层掩盖负面消息更加便利。一方面，股权关联企业间的委托贷款交易容易成为大股东攫取中小股东利益和转移公司资源的手段，出现“隐蔽性”资金转移和融资功能“异化”等现象[6]。例如，上市公司改变其发行股票和债券而获得的外部资金的用途，或者将其拥有的自有闲置资金以低利率③委托贷款形式发放给持有较高股份的关联企业，这种与其他投资者意图相悖的资本配置方式以侵害上市公司利益为前提促成了大股东利益输送[5]。而大股东利益输送本身就是一种负面消息，若被外界识别，上市公司既会遭受监管部门的处罚，又会受到投资者的厌恶。为了避免通过关联委托贷款的利益输送行为被发现，上市公司大股东既有能力也有动机促使管理层通过较为隐蔽的方式分散监管部门和投资者的视线，从而降低了公司信息透明度。另一方面，关联委托贷款交易也是一种管理层操纵企业集团内部利润盈亏以规避纳税或其他意图的工具。例如，邴杰等(2015)研究了A集团公司委托贷款反避税案例[20]，发现该公司与其全资、控股以及参股子公司间的资金借贷表现为长期资金占用，有贷款利率为零或显著偏低等情形，在违反独立交易原则下，存在向下属子公司转移利润逃避纳税的现象。可见，关联委托贷款的发放容易成为企业进行大股东利益输送、规避纳税或其他意图的真实盈余管理工具，使得管理层隐藏或延迟确认负面消息更加便利，这将会增加公司内部和外部人员之间的信息不对称程度，降低公司信息透明度，从而导致股价崩盘风险增加。

综合上述分析可知，一方面，企业发放关联委托贷款具有信号传递效应，提高了信息透明度，进而降低股价崩盘风险；另一方面，关联委托贷款自身的隐蔽性和迷惑性以及容易成为公司真实盈余管理的工具，导致其发放降低了信息透明度，从而增加股价崩盘风险。对此，本文提出如下竞争性假设：

H1a：关联委托贷款的发放降低了企业股价崩盘风险。

H1b：关联委托贷款的发放增加了企业股价崩盘风险。

三、研究设计

(一)样本选择与研究方法

1.样本选择。鉴于2007年之前关联委托贷款数据较少，本文将样本数据的开始时间定为2007年，包括2007～2019年所有A股上市公司的数据，并按照如下方式筛选样本：(1)剔除ST、金融和保险类、数据缺失以及股票年度周收益率少于30个的公司；(2)为减少离群值对回归结果的干扰，对连续变量进行上下1%的缩尾处理。经过初步筛选，共得到23819个观察值，其中关联委托贷款样本有1618个观察值。关联委托贷款的数据根据巨潮资讯网发布的委托贷款公告手工整理获得。

2.倾向得分匹配(PSM)。由于公司发放关联委托贷款可能并不随机，而是由公司某些特征因素所决定。另外，相对于没有发放关联委托贷款的公司，样本中发放关联委托贷款的公司较少，导致回归结果容易受到没有发放关联委托贷款公司的影响。因此，为了缓解研究样本的自选择偏差以及规模不匹配问题，本文实证研究将采用倾向得分匹配法(PSM)。首先，根据选取的控制变量和行业进行是否发放关联委托贷款1∶2的卡尺内近邻匹配④；其次，为每一个发放关联委托贷款的公司挑选出合适的对照组公司。经过上述处理，本文最终得到的实证研究样本包含1618个关联委托贷款样本数据和1487⑤个没有发放关联委托贷款的对照组公司数据，共3105个观察值。

(二)变量定义

1.解释变量。关联委托贷款的度量，借鉴Allen等(2019)的方法[1]，采用两种方式：一是关联委托贷款的虚拟变量(Affen_Dum)，当t年企业发放关联委托贷款时取值为1，否则为0；二是关联委托贷款规模(Affen_Size)，为t年企业发放关联委托贷款的金额与总资产之比。

2.被解释变量。股价崩盘风险的度量，参考现有文献[4][7]，根据估计的公司特定周收益率构建股价崩盘风险变量。具体来说，首先，通过以下扩展的市场模型来估计公司特定周收益率(Wi,t)：

Ri,w= α0+α1Rm,w-2+α2Rm,w-1+α3Rm,w+α4Rm,w+1+α5Rm,w+2+ εi,w

(1)

式(1)中，Ri,w是股票i在第w周的收益率，Rm,w是第w周经流通市值加权的平均市场收益率，同时加入平均市场收益率的提前项(Rm,w+1和Rm,w+2)和滞后项(Rm,w-1和Rm,w-2)。股票i在第t周的公司特定周收益率Wi,t=Ln(1+εi,w)，εi,w为式(1)回归后的残差项。

其次，根据Wi,t构建股价崩盘风险衡量指标——负收益偏态系数NCSKEW，计算公式如下：

(2)

式(2)中，n表示股票i在一年中的交易周数，NCSKEW的值越高，表示公司特定周收益率的分布越偏左，反映出更高的股价崩盘风险。

3.控制变量。参照现有研究[17][19]，本文加入以下可能会影响企业股价崩盘风险的特征变量，包括当期负收益偏态系数(NCSKEW)、企业规模(Lnass)、财务杠杆(Lev)、账市比(Bmt)、资产收益率(Roa)、超额换手率(Dturnover)、平均周收益率(Ret)和收益波动率(Sigma)，变量的具体计算参照表1。

表1 主要变量定义

(三)模型设计

为研究关联委托贷款的发放对企业股价崩盘风险的影响，参考Hutton 等(2009)和赵静等(2018)的研究[7][10]，构建如下回归模型：

FNCSKEWi,t+1= α0+ α1Affeni,t+α2Controli,t+μt+ γi+εi,t

(3)

式(3)中，FNCSKEWi,t+1为t+1年企业股价崩盘风险，Affeni,t为关联委托贷款，采用关联委托贷款虚拟变量(Affen_Dum)和关联委托贷款规模(Affen_Size)两个指标衡量，Controli,t为当期的一组控制变量。此外，本文还纳入时间固定效应μt和个体固定效应γi以分别控制影响股价崩盘风险变化的年度特征和时间趋势以及不随时间变化且未观察到的企业异质性特征，εi,t为随机扰动项。

四、实证分析结果

(一)描述性统计分析

表2 Panel A报告了PSM样本中主要变量的描述性分析。从表2中可以看出，股价崩盘风险(FNCSKEW)的均值和中位数分别为-0.285和-0.331，与已有关于企业股价崩盘风险的研究结果较为相似；标准差为1.162，说明这个指标在样本数据中具有较大差别。关联委托贷款规模(Affen_Size)的均值为0.051，表明企业发放关联委托贷款的总金额在总资产中的占比平均为5.1%，若删除不发放关联委托贷款的样本数据，这一比例达到9.84%。其他各控制变量的数值和现有文献相似，都处于合理范围之内。Panel B按照企业是否发放关联委托贷款(Affen_Dum)进行分组差异性检验。结果表明，发放关联委托贷款企业的股价崩盘风险(FNCSKEW)均值为-0.257，显著高于没有发放关联委托贷款企业的股价崩盘风险均值(-0.316)，中位数检验结果整体而言与均值检验结果相似。这些证据初步证实了本文的研究假设H1b，即关联委托贷款的发放显著增加了企业股价崩盘风险。

表2 样本描述性统计

(二)基本回归结果

表3报告了关联委托贷款的发放对企业股价崩盘风险影响的检验结果。由第(1)列可知，Affen_Dum的系数为0.206，且在1%的水平上显著。从经济意义看，相对于没有发放关联委托贷款的企业，发放关联委托贷款企业的股价崩盘风险高出17.73%(0.206/1.162)，表明发放关联委托贷款企业的股价崩盘风险显著高于不发放关联委托贷款的企业。由第(2)列可知，Affen_Size的系数为0.311，且在1%的水平上显著。从经济意义看，关联委托贷款的发放规模每增加一个标准差，企业股价崩盘风险相对于标准差提高5.38%(0.311×0.201/1.162)，表明关联委托贷款发放规模越大，企业股价崩盘风险越高。综合以上结果可知，关联委托贷款自身的隐蔽性和迷惑性以及容易成为公司真实盈余管理的工具，使得其发放降低了企业的信息透明度，造成企业股价崩盘风险上升，支持了研究假设H1b。

表3 关联委托贷款与股价崩盘风险

(三)作用渠道检验

根据上述理论分析，关联委托贷款自身的隐蔽性和迷惑性以及容易成为企业真实盈余管理的工具，导致其发放降低了企业信息透明度。信息透明度的下降，一方面使公司股票容易被错误定价，引发泡沫；另一方面使管理层在公司内部延迟公布或隐藏负面信息更加便利，当超出某个触发阈值时，积累的负面消息立即在资本市场同时释放，股价将会持续下跌导致崩盘[4]。因此，我们预测关联委托贷款的发放通过降低信息透明度导致企业股价崩盘风险增加。对此，参照褚剑等(2018)的作用渠道检验方法[21]，本文构建模型(4)～(5)以进行作用机制检验。其中，Abacci,t代表企业信息透明度，借鉴徐细雄等(2020)的研究[22]，使用修正琼斯模型估计的可支配应计利润的绝对值来度量，Abacc数值越大表明利润操纵越多，企业信息透明度越低。表4报告了作用机制的检验结果，由第(1)列可知，Affen_Dum的系数在10%的水平上显著为正，意味着发放关联委托贷款的企业，信息透明度更低；由第(3)列可知，Affen_Size的系数在1%的水平上显著为正，意味着关联委托贷款的发放规模越大，企业信息透明度越低。由第(2)和(4)列可知，在控制关联委托贷款(Affen)后，中介变量信息透明度(Abacc)和股价崩盘风险(FNCSKEW)均显著正相关。在控制中介变量信息透明度(Abacc)后，Affen_Dum和Affen_Size的系数至少在5%的水平上显著为正，但回归系数与表3中未加入信息透明度(Abacc)相比均有所下降，说明信息透明度发挥了部分中介作用。综合上述检验结果可知，信息透明度是企业发放关联委托贷款引发股价崩盘风险的作用渠道之一。

表4 关联委托贷款、信息透明度和股价崩盘风险

Abacci,t=β0+β1Affeni,t+β2Controli,t+μt+γi+εi,t

(4)

FNCSKEWi,t+1=γ0+γ1Affeni,t+γ2Abacci,t+γ3Controli,t+μt+γi+εi,t

(5)

(四)稳健性检验⑥

为确保回归结果的稳健性，本文将采用以下三种类型的稳健性测试：

1.替换被解释变量的度量方法。借鉴Hutton等(2009)的研究[7]，采用变量Crariski,t度量公司i在t年内发生股价崩盘的可能性。具体来说，如果Wi,t+3.09σi≤Average(Wi,t)，即公司特定周收益率和3.09倍标准差之和小于或等于年平均特定周收益率时，将Crariski,t的值设定为1，否则为0。按照模型(3)重新估计后，回归结果不变。

2.内生性问题。尽管本文在基本回归中包括了固定效应，以排除不随时间改变的企业特征可能产生的影响，但所观察到的关联委托贷款的发放和企业股价崩盘风险之间的正相关性也许是由遗漏变量所导致的。因此，我们进一步使用工具变量法来解决内生性问题。参照以往研究，使用关联委托贷款发放规模的行业—年度均值(IndResize)作为工具变量。使用此工具变量的原因在于：其一，同一行业年度内的企业发放关联委托贷款比较类似，符合相关性条件；其二，同一行业其他公司关联委托贷款的发放不会直接影响本公司股价崩盘发生的概率，符合外生性条件。两阶段最小二乘估计(2SLS)的第一阶段结果发现，关联委托贷款发放规模的行业—年度均值(IndResize)的系数在1%的水平上显著为正，证实该工具变量与自变量是相关的。Affen_Dum和Affen_Size的系数在第二阶段回归结果中均显著为正。因此，2SLS回归的结果支持了本文的结论，即关联委托贷款的发放增加了企业股价崩盘风险。

3.其他稳健性检验。在这一部分中，我们将继续从以下三方面对本文结论进行稳健性检验：(1)在基本回归中，本文采用公司—年度—交易对象层面的数据进行回归，为了检验研究结论的稳健性，本文进一步将一家公司提供多笔委托贷款的数据进行合并，按照公司—年度样本重新进行回归。(2)借鉴彭俞超等(2018)的研究[23]，将未来一期的股价崩盘风险(FNCSKEW)替换为未来两期指标(F2NCSKEW)。(3)由于2008年的金融危机和2015年的股灾可能会对公司股价崩盘产生一定的影响，为了增加研究结论的可靠性，本文删除2008年和2015年的观测值重新进行回归。结果发现，以上三种稳健性测试结果中，Affen_Dum和Affen_Size的系数均显著为正，和表3的回归结果相比均没有本质变化，证明本文结论是稳健的。

五、进一步检验与分析

上述研究结果表明，企业发放关联委托贷款降低了信息透明度，进而提高了股价崩盘风险。接下来，本文分别从发放方和接收方的股权关联程度、发放方企业内部控制质量以及外部信息环境三个层面的特征差异进一步探究关联委托贷款的发放与企业股价崩盘风险之间的关系，以加强作用渠道的经验证据。

(一)股权关联程度

当关联委托贷款发放方和接收方的股权关联程度较高时，例如，上市公司向其全资或者控股子公司发放贷款，那么企业利用关联委托贷款进行大股东利益输送的动机较强，税收规避等真实盈余管理操纵行为较为便利，这使得信息不对称程度较高。因此，我们预测关联委托贷款发放方和接收方的股权关联程度越高，关联委托贷款的发放与企业股价崩盘风险之间的正向关系越显著。为此，借鉴钱雪松和金芳吉(2016)的划分方法[24]，首先，按照发放方和接收方之间的股权关联程度将关联委托贷款样本进行分组后⑦，按照模型(3)分别回归。若接收方是发放方的全资或者控股子公司，则关联委托贷款样本为高关联委托贷款样本；若接收方是发放方的参股子公司，则为低关联委托贷款样本。表5列(1)和(3)为高关联委托贷款和未发放关联委托贷款的回归结果，列(2)和(4)为低关联委托贷款和未发放关联委托贷款的回归结果。通过分别比较列(1)和(2)以及(3)和(4)中Affen_Dum和Affen_Size的系数可知，高关联委托贷款组中Affen_Dum系数的绝对值更大，且组间系数差异显著(P值为 0.000)；Affen_Size的系数在高、低关联委托贷款组中的组间系数差异不显著(P值为0.201)，但在低关联组中显著性下降了。其次，设置模型(6)以对比分析发放高关联和低关联委托贷款企业的股价崩盘风险差异⑧，其中Affrei,t为股权关联程度的虚拟变量，当企业发放高关联委托贷款时取值为1，发放低关联委托贷款时取值为0。由第(5)列结果可知，股权关联程度(Affre)的系数在5%的水平上显著为正，表明相对于低关联委托贷款企业，高关联委托贷款企业的股价崩盘风险更高。结合以上对比分析可知，关联委托贷款的发放对企业股价崩盘风险的正向作用在发放方和接收方的股权关联程度较高时更明显。

表5 股权关联程度、关联委托贷款和股价崩盘风险

FNCSKEWi,t+1=α0+α1Affrei,t+α2Controli,t+μt+γi+εi,t

(6)

(二)内部控制质量

高质量的内部控制作为有效管理和权力约束的保障机制，一方面，可以发挥内部监督功能，显著抑制并及时纠正管理层盈余管理等违规操纵问题，改善公司治理水平[25]；另一方面，能够发挥信息沟通功能，促进上市公司向投资者真实、准确、完整和及时地披露财务和非财务信息，提升对外信息披露质量，进而减少管理层延迟发布或隐藏负面消息的机会[26]。因此，本文接下来检验关联委托贷款的发放和股价崩盘风险之间的关系是否随发放方的内部控制水平而变化。借鉴黄政和吴国萍(2017)的方法[27]，以迪博风险管理技术有限公司发布的内部控制指数作为内部控制质量水平的度量指标，具体计算方法为该指数加1后取自然对数。然后，根据内部控制质量水平的年度行业中值，将样本划分为高质量内控组和低质量内控组，并采用模型(3)进行分组回归。表6中报告的结果显示，Affen_Dum和 Affen_Size的系数均在低质量内部控制组中显著为正，而在高质量内部控制组中不显著。这说明较高的内部控制质量可以抑制企业通过关联委托贷款而进行盈余管理，提高企业信息披露质量，从而缓解关联委托贷款的发放和企业股价崩盘风险之间的正相关关系。

表6 内部控制质量、关联委托贷款和股价崩盘风险

(三)外部信息环境

如果关联委托贷款的发放引发企业股价崩盘风险的中间机制在于,其自身特性和真实盈余管理行为提高了公司与外部投资者之间的信息不对称程度,那么，在企业外部信息环境良好的情况下，一方面，这些行为所面临的监督或惩罚力度相对较高，企业将会有所收敛，使得其股价崩盘风险降低；另一方面，良好的外部信息环境使得投资者能够更加清楚地掌握企业经营现状，提升股票的定价效率，降低公司内部人员与外部投资者之间的信息不对称程度[4]。换言之，如果关联委托贷款发放方的外部信息环境越好，关联委托贷款的发放与企业股价崩盘风险之间的正相关关系越弱。

为此，本文使用分析师覆盖率和媒体关注度来衡量企业的外部信息环境。理由包括：第一，分析师是资本市场上信息分发过程中的积极参与者，其专业背景和信息渠道能够帮助投资者深入解读宏观经济形势和公司特有信息，进而提高公司信息透明度[22]；第二，媒体报道作为社会舆论的引导，一方面使投资者通过搜集有关公司、行业和市场方面的新闻信息来了解和预测公司的现状和未来，从而提高公司信息透明度[28]；另一方面，通过发现和揭露违规、会计欺诈等行为，在公司治理中发挥监督作用，有助于改善公司信息环境[12]。所以，企业的分析师覆盖率和媒体关注度越高，意味着企业外部信息环境越好。参考许年行等(2013)的方法[29]，分析师覆盖率以公司分析师跟踪人数加1后取自然对数来度量；借鉴罗进辉(2018)的研究[30]，媒体关注度以公司被新闻媒体报道数量的自然对数来衡量，媒体报道数量为通过搜索引擎搜索到的标题中含有该公司名称的新闻条目数。然后，根据公司分析师覆盖率和媒体关注度是否分别高于其行业年度中值，将样本分为高分析师覆盖组和低分析师覆盖组与高媒体报道组和低媒体报道组，并采用模型(3)进行分组回归。由表7的结果可知，不管是以Affen_Dum作为自变量，还是以Affen_Size作为自变量，关联委托贷款发放与企业股价崩盘风险之间的正相关关系均在低分析师覆盖组和低媒体报道组中显著，而在高分析师覆盖组和高媒体报道组中不显著。整体而言，良好的信息环境增加了大股东利益输送等真实盈余管理行为的成本，降低了公司内部和投资者之间的信息不对称程度，进而缓解了关联委托贷款的发放导致的股价崩盘风险。

表7 外部信息环境、关联委托贷款和股价崩盘风险

六、结论与启示

关联企业之间的委托贷款作为中国特有的现象在过去十多年来快速发展，但是由于其游离于正规金融监管体系之外以及数据的缺乏，现有文献并未对此进行充分探讨。本文采用手工收集的关联委托贷款公告数据，从股价崩盘风险的视角对企业发放关联委托贷款的经济后果进行实证检验。结果表明：关联委托贷款的发放加剧了企业股价崩盘风险，在经过替换因变量衡量方式、两阶段最小二乘估计(2SLS)、替换样本等一系列稳健性测试后，基本回归结果仍然成立。作用渠道检验表明，关联委托贷款的发放通过降低信息透明度这一路径增加了企业股价崩盘风险。进一步研究发现，关联委托贷款发放方和接收方的股权关联程度越低、发放方内部控制质量越高以及外部信息环境越好时，关联委托贷款的发放与企业股价崩盘风险之间的正相关关系越弱。

本文的研究进一步打开了企业发放关联委托贷款经济后果的黑箱，对于防范系统性金融风险以保持资本市场健康稳定发展具有一定的启示：第一，作为内部资本市场的配置方式，关联委托贷款本质上并无危害，发放适当规模的关联委托贷款可以缓解关联企业的融资约束，降低集团整体融资成本，优化资金配置效率，但是如果企业利用关联委托贷款进行大股东利益输送或避税等真实盈余管理，则可能会引发股价崩盘风险。因此，企业应在集团内部合理发放委托贷款，以使其成为内部资本市场配置的有效手段。第二，政府监管部门应进一步加强对关联委托贷款相关条款、税收以及信息披露的监管，防止关联委托贷款功能异化以及滥用行为。具体而言，金融监管部门应制定明确的关联委托贷款细则，对贷款资金来源、使用情况以及定价等要素做出详细规定；税务机关在实践中要加强对关联委托贷款的税收管理，尤其要重点关注利率明显偏低的委托贷款交易，降低上市公司税务风险；证监会应尽快完善上市公司关联委托贷款的信息披露机制，督促公司定期、及时披露关联委托贷款相关信息，便于其他监管部门和外部投资者了解与监督，提升信息透明度。第三，为了规范、引导关联委托贷款良性发展，如何在保证其正面影响的同时防范其引发的系统性金融风险，是今后我国监管部门面临的新挑战。

注释：

①委托贷款是指由政府部门、企事业单位及个人等委托人提供资金，由商业银行等受托金融机构根据委托人确定的贷款对象、用途、金额、期限、利率等代为发放、监督使用并协助收回的贷款。

②股权关联包括两种：一是发放方和接收方中一方持有另一方股权并能对其经营决策施加影响；二是虽然发放方和接收方之间没有直接的参股或控股关系，但它们都与同一公司有股权关系。

③在本文收集的数据中，有7笔关联委托贷款利率为0，101笔关联委托贷款利率低于3%，整体而言，关联贷款利率偏低。

④本文按照同样的匹配方法，采用其他的配对比例，如1∶1、1∶3和1∶4等，得到的估计结果没有实质变化，但限于篇幅，只列示了1∶2的匹配结果。

⑤公司一年中会发放多笔关联委托贷款，因此样本的匹配按照是否发放关联委托贷款的公司—年度数据即767个进行匹配，而非1618个关联委托贷款样本匹配。

⑥限于篇幅，稳健性检验的结果未列示，留存备索。

⑦鉴于关联委托贷款样本中有发放方和接收方为同一公司下属子公司的情况，这属于间接股权关联，不易依据控股和参股类型来区分股权关联程度，所以，在考察发放方和接收方股权关联程度影响关联委托贷款发放与来股价崩盘风险的关系时，删除这种特征的委托贷款样本，此时全样本为2995个。本次分组仅对关联委托贷款样本分组，并非对全样本分组，其中列(1)和(3)的样本为高股权关联委托贷款样本公司和没有发放关联委托贷款的样本公司；列(2)和(4)的样本为低股权关联委托贷款样本公司和没有发放关联委托贷款的公司。

⑧回归样本仅为关联委托贷款样本。