地理距离与股价暴涨暴跌——基于软信息不对称的视角_丛琳洁.pdf

金融发展研究 第2期收稿日期：2022-11-08修回日期：2022-12-29地 理 距 离 与 股 价 暴 涨 暴 跌基 于 软 信 息 不 对 称 的 视 角丛琳洁米致远（上海师范大学商学院，上海200234）摘要：本文基于软信息不对称视角，以地理距离衡量由“软信息”带来的信息不对称程度，利用A股上市公司数据探究了股价暴涨暴跌的成因。研究发现：地理距离显著增加了股价暴涨暴跌次数，即软信息不对称程度越高，股价暴涨暴跌的可能性越大；投资者调研活动在地理距离影响股价暴涨暴跌的过程中发挥了重要的负向调节作用；对于属于沪（深）港通标的、机构持股比例低和信息披露考核差的上市公司，地理距离显著增加了股价暴涨暴跌的可能性。本文对于拓展软信息不对称相关研究、促进资本市场健康发展具有一定意义。关键词：地理距离；股价波动；投资者调研活动；异质性影响中图分类号：F832.48 文献标识码：A 文章编号：1674-2265（2023）02-0067-09DOI：10.19647/ki.37-1462/f.2023.02.009作者简介：丛琳洁，男，上海师范大学商学院，研究方向为产业创新和绿色金融；米致远，男，上海师范大学商学院，研究方向为资本市场、公司金融和绿色金融。一、引言股票市场平稳健康运行对资本市场具有重要意义，关乎国内外投资者对我国股市的投资信心。股价极端波动历来是金融领域重要的研究问题（陈国进和张贻军，2009；Kim等，2011）1，2。自1989年试点以来，我国股市在过去三十多年间历经多次剧烈上涨和急速下跌，一方面，这肇因于国内经济的高速增长、股权分置改革、注册制改革以及人民币升值等多重因素所构成的复杂背景；另一方面，也与国际市场诸多外生冲击密不可分。固然经济周期的扩张与收缩、金融风险的动态监管、有效做空机制的缺乏等宏观性和制度性的因素不容忽视，但是不可否认，上市公司信息传递也在其中发挥了至关重要的作用，财务信息披露、重大事项公开、内部控制报告发布等行为均会向金融市场传递重要信号，带来股价的暴涨暴跌。上市公司的信息有软信息和硬信息之分（Liberti和Peters-en，2019）3。随着信息技术的广泛应用和证券监管体系的日臻成熟，上市公司的信息不对称现象已得到了较大程度的缓解，但是这种“缓解”大多局限于业务收入和盈利情况等公开且易量化的“硬性”信息，仅靠这些规范性的“硬性”信息显然难以通晓企业经营全貌和未来发展前景；一旦涉及公司经营文化、员工素养等“软性”信息，信息不对称、不透明的现象仍客观存在（郭思永等，2020）4，这是因为软信息的获取难度大，通常难以量化和标准化，并且具有独特性和排他性，无法像会计报表中的财务指标一样展开横向比较，亦难以通过常规手段进行收集，在传播过程中还存在信息损耗和内容扭曲，降低了传播的效率。本地偏好是投资过程中广泛存在的一种行为现象（崔学刚等，2021）5，即投资者更愿意投资家乡及临近区域的企业，这是因为随着地理距离的增加，软信息的传递难度逐步加大，二级市场软信息不对称程度也逐步提升。我国幅员辽阔，上市公司众多且分布范围广泛，但是机构和个人投资者更多地集中基金项目：上海市教委高水平地方高校建设一流研究生教育项目“融入软信息的上市公司退市风险预警方案”（209-AC9103-22-368072013）。证 券 保 险】【67金融发展研究 第2期于经济发达地区（刘江会和朱敏，2015）6，这就造成了企业与投资者之间地理距离的广泛差异。那么，上市公司与主要投资者的地理距离对股票价格的极端波动存在何种影响？本文基于我国A股上市公司数据，试图从软信息不对称的视角分析股票价格的暴涨暴跌；将投资者调研活动纳入分析框架，探讨其在软信息影响股价极端波动的过程中所发挥的重要作用；检验是否属于沪（深）港通标的、机构持股比例、信息披露考核等不同方面的异质性。虽然系统性风险的出现无法避免，但采取一定措施平抑个股股价的极端波动，对于促进企业平稳发展、推动股市成熟健康和巩固投资者信心均有重要意义。基于此，本文针对上市公司、政府监管部门和投资者给出一定的建议，从而帮助公司更好地维护投资者关系，帮助政府部门提高金融治理水平和治理能力以及帮助投资者合理规避投资风险。二、文献梳理与评述股价暴涨暴跌反映了个股在二级市场上极端波动的特征，国内外学者已经从多个角度探究了公司股价极端波动及股价崩盘风险的影响因素，其中包括股权质押（熊礼慧等，2021）7、融资融券（王庆安和高恺，2017）8、机构投资者（陈国进等，2010）9、大股东交易（姜永宏等，2019）10等，也有部分学者从货币 政 策（邹 萍，2015）11、行 政 干 预（谢 世 飞，2014）12等宏观层面展开分析。实际上，信息效率也发挥了重要的作用，有效的信息披露能够显著促进股票市场的有效性（张程睿和徐嘉倩，2019）13，实际上这涵盖了信息质量、信息透明度以及信息传递模式等多个方面。肖土盛等（2017）14的研究证明公司信息披露质量与股价崩盘风险显著负相关，宋献中等（2017）15则证实了企业披露社会责任信息降低了未来股价崩盘风险，这些学者均关注到了信息在公司股价极端波动中的重要作用，但是实际上这更多地属于硬信息的范畴，未能从软信息层面深入探讨股价暴涨暴跌问题，为本文留下了可待探索的空间。目前，针对软信息不对称的研究相对较少，不少学者研究表明软信息传播的难易程度与地理距离和交通发展水平息息相关（Coval 和 Moskowitz，2001；Loughran 和 Schultz，2005；Kubick等，2017；Huang和Kang，2017）16-19，地理区位和基础设施发展不平衡直接导致软信息不对称。尽管信息技术的发展极大地打破了信息传递沟通的壁垒，但是难以量化、受传播者主观因素影响较大的软信息获取成本较高，且在传播中容易出现漏损或失真（Liberti和Petersen，2019）3。软信息最为常见的获取方式是与公司的供货商、客户、员工进行线下的一对一沟通，或是对公司的厂房车间进行实地探访，通过细致、切实的调研，投资者才能获得对公司更加全面的了解。在地理距离影响公司股价方面，学者们也积累了一定的成果，包括公司与投资者、监管者、审计方、大客户的距离等。Uysal等（2008）20发现家庭对本地投资表现出强烈的偏好，每个家庭持有的本地资产比非本地资产的年化回报率高出3.2%。Kubick和Lock-hart（2016）21从监管的视角出发，发现远离证券交易委员会的公司有更大的股价崩盘风险。田利辉和王可第（2019）22利用A股上市公司数据也得到了同样的结论，随着监管机构与上市公司总部的地理距离的增加，上市公司股价崩盘风险变大。部分学者关注到审计距离与股价变化的关系，赵放等（2017）23从会计独董的同城特征出发，发现审计委员会中会计独董常居地如果和上市公司处于同一座城市，企业未来股价崩盘风险会显著降低。罗进辉等（2018）24发现审计师与客户公司间的地理距离越小，审计质量越低，客户公司股价信息含量越低。汪洋（2017）25关注做市商与企业的距离，发现随着与企业同城或同省份的做市商数量增加，股票流动性随之增强；与邻近做市商的 距 离 越 小，企 业 股 票 流 动 性 越 强。黄 珺 等（2022）26从大客户地理邻近性出发，实证检验发现大客户与公司之间的地理距离越近，公司股价崩盘风险越低。这些研究表明地理距离在股价变化中确实发挥了重要的作用，不同维度的地理距离产生了广泛的影响。此外，还有不少学者以高铁开通为切入点，如郭照蕊和张天舒（2021）27研究发现高铁开通促使公司层面更多的特质信息快速融入股价，进而降低了股价同步性，提高了资本市场定价效率。通过以上文献梳理与评述，可以了解到目前较少文献从软信息不对称的视角出发探讨股价暴涨暴跌问题，而学者们对地理距离和股价问题的关注更多地集中于审计距离、企业客户距离和监管距离，较少从投资者距离出发深入分析。故本文可能的创新点主要集中在以下方面：首先，从软信息不对称视角出发，引入上市公司与一线城市的地理距离以探索股价暴涨暴跌的影响因素，深化拓展信息不对称的相关理论；其次，选择上市公司接待数据这一直观性指标，将投资者调研活动引入地理距离和股价暴涨暴跌的分析框架中，探究投资者调研活动发挥的作用；最后，从是否证 券 保 险】【68金融发展研究 第2期属于沪（深）港通标的、机构持股比例、信息披露考核三个方面考虑回归结果的异质性，以强化对策建议的针对性，从而缓解软信息不对称，促进二级市场健康发展。三、理论机制与研究假设（一）地理距离与股价暴涨暴跌上市公司地理位置离发达地区越远，软信息不对称的现象越严重，这主要有三方面的原因：首先，我国经济发达的地区集中分布在东部沿海，因此，绝大多数的投资者与金融机构也分布在沿海发达地区，特别是北上广深等一线城市，这就意味着投资者和金融机构对偏远地区上市公司的调研天然面临着空间阻隔与运输成本；其次，“本地偏爱”现象加剧了投资者与偏远地区上市公司在重大事项上的信息不对称（郭思永等，2020）4；最后，偏远地区整体市场化程度更低，政企关系复杂，法制化和产权保护水平低，经营环境的不确定性程度高（刘江会和朱敏，2015）6，因而这些地区的公司本身的信息透明度就比较差。那么，随着地理距离的增加，软信息不对称主要会通过以下渠道影响公司股价波动：第一，对于一家公司来说，距离沿海发达地区越远，公司所受到的投资调研也相对越少，软信息不对称问题越严重，信息透明度越差，因而未被投资者和投资机构注意到的经营信息也越多；同时，企业经营会受到其所在地域文化与人文文化的影响（刘澄和吴鸣鸣，2008；佘元冠和祁卫士，2010）28，29，而投资者常常会忽略或误会这些地域和人文信息，进而误判公司生产经营情况并形成非理性投资行为，造成股价暴涨暴跌。第二，从信息预告的角度来看，由于业绩预告能够基本反映出该公司过去一年的经营概况，故而难以量化的软信息通过公司实质性的业绩预告转化成了“硬性”的信息，在业绩预告披露之后的一段时间内，对公司股价形成冲击。由于我国股市有涨跌停限制，因此，正面业绩预告的公司会有涨停现象出现，而意料之外的亏损预告对公司股价产生负面冲击，从而使公司股价跌停。第三，即使业绩预告并未发布实质性的额外信息，但由于一些偏远地区的公司在平日并未受到投资者和机构的过多关注，当这些公司突然发布业绩预告时，所产生的曝光效应同样会导致公司股价的异常波动和极端波动（董大勇和吴可可，2018）30。据此，本文提出研究假设H1。H1：随着地理距离的增加，上市公司股价暴涨暴跌的可能性增加。（二）投资者调研活动的调节效应投资者调研活动有助于改善公司的治理水平（谭劲松和林雨晨，2016）31，提升公司的特质信息含量，显 著 降 低 股 价 同 步 性（陆 超 和 沈 雨 霏，2021）32。实地调研越来越成为市场挖掘未知信息的重要途径。首先，对上市公司进行实地调研能获取更有价值的信息，特别是面对面的访谈将有利于了解私有信息，及时剖析公司存在的问题，从而使投资者的投资决策更加理性，负面信息造成的投资者恐慌抛售情况将会减少，避免股价大起大落。其次，个人投资者比重超过机构投资者是我国二级市场的重要特征，但是基金公司相对而言具有更强的信息优势，羊群效应的存在使得基金经理的理性决策会使市场信息更快地被吸收（丘彦强和许林，2019）33，众多投资者的正反馈交易有利于避免股市出现大规模的异常波动。最后，投资者调研活动实际上也发挥了重要的外部监督作用，并且具有长期跟踪的特征，将会从企业治理水平和盈余管理水平两方面改善企业经营情况，促使企业增加内部控制缺陷的选择性披露行为（王亚男和戴文涛，2021）34。故而随着调研次数、调研频率的增加，软信息得到进一步的挖掘，投资者的投资理性化程度有所提升，软信息不对称对股价暴涨暴跌的影响也得到缓解。据此，本文提出研究假设H2。H2：随着投资者调研活动的增加，地理距离对股价暴涨暴跌的影响有所衰减。（三）地理距离对股价暴涨暴跌影响的异质性复杂的资本市场中存在多种因素对公司股价产生影响，本文从沪（深）港通标的、机构持股比例、信息披露考核质量三方面来进行异质性效果的考察。首先，沪港通和深港通的开通是我国资本市场开放的重要举措（王莹，2022；王瀚晨和王汀汀，2021；黄贤环和姚荣荣，2021）35-37，沪港通与深港通大幅扩充了上市公司投资者群体，大大增强了股票的换手率和流动性，使得上市公司的股价博弈更为剧烈和充分，并且提高了沪港、深港之间的情绪联动水平（于博和吴菡虹，2020）38，此时，软信息不对称影响到的二级市场投资者主体的范围也更加广泛，就理论上而言股价极端波动次数也会明显增加。其次，机构投资者大多采用价值投资策略，其具有持有期长、交易频率低的特点，并且在资本市场中发挥了重要的监督效应（杨菁菁等，2022）39，在许多时候还能够加强上市公司的外部治理（袁冬梅等，2021）40，带来噪音交易的减少（王谨乐和史永东，2018）41。因此，随着机证 券 保 险】【69金融发展研究 第2期构持股比例的提高，软信息的传递渠道会更为畅通，软信息不对称情况得到一定程度上的缓解，股价暴涨暴跌也受到抑制。最后，软信息与硬信息之间存在明显的互动关系（孙亮等，2021）42，尽管信息披露考核主要针对公司所发布的标准化的硬信息，但公司获得较高的信息披露考核等级，也将会明显增强投资者的确定性预期，从而降低公司的股价波动（陈远志和田靖，2021）43，在这种情况下软信息不对称对投资者投资活动的扰动也将有所降低，股价的暴涨暴跌现象有所缓解。据此，本文提出研究假设H3。H3：地理距离对股价暴涨暴跌的影响会因是否属于沪（深）港通标的、机构持股比例高低和信息披露考核质量的好坏而存在差异。四、实证模型与数据说明（一）模型设定为了从软信息不对称的视角验证地理距离对公司股价暴涨暴跌的影响，本文参考刘江会等（2020）44的研究构建了如下模型：UpDowni,t=0+1distancei,t+Z+i+t+i,t（1）式（1）中，UpDown为被解释变量股价暴涨暴跌；distance为核心解释变量地理距离，侧面反映上市公司软信息不对称程度。Z为一组控制变量，i和t分别表示行业固定效应和年份固定效应，i,t为随机扰动项。为了尽量修正异方差问题，回归均采用稳健标准误进行估计。为了验证投资者调研活动的调节作用，本文在基准回归模型的基础上引入调节变量、调节变量与地理距离的交互项来刻画二者的互动关系，具体模型如下：UpDowni,t=0+1distancei,t+2Invi,t+3(Invdistance)i,t+aZ+i+t+i,t（2）其 中，Inv为 调 节 变 量 投 资 者 调 研 活 动，Invdistance为地理距离和投资者调研活动的交乘项。（二）变量说明1.被解释变量：股价暴涨暴跌（UpDown）。高昊宇等（2017）45认为股票的涨跌停能够有效刻画股票价格的极端变化，这种直接的、公认的、制度化的信息远远优于其他隐性度量方式。本文参考其度量方式，以股票在一年内的涨跌停次数之和作为暴涨暴跌的代理指标。在稳健性检验中，本文以股价年振幅衡量股票价格的整体波动情况。2.核心解释变量：地理距离（distance）。本文借鉴Sadok等（2013）46和郭思永等（2020）4的做法，用Google 地球搜索上市公司注册地所在区县的经度和纬度，然后根据经纬度分别计算出所在区县与北上广深四个一线城市之间的球面距离，然后取公司距离这四座城市的最短距离的自然对数作为核心解释变量。选择北上广深四座一线城市的原因是，投资者的地理分布存在非均衡特征，这四座城市汇聚了我国大部分机构投资者和活跃的个人投资者。因此，最短距离越小，软信息不对称程度越低。3.调节变量：投资者调研活动（Inv）。投资者调研活动能够有效印证公司披露的信息，补足未披露的重大信息，提高公司信息披露质量，充分挖掘公司的特质信息。本文参考王珊（2017）47等的相关研究，以投资者接待频率（Inv1）、接待量（Inv2）、机构来访接待量（Inv3）、机构来访占比（Inv4）作为代理指标，衡量投资者调研活动。4.控制变量。本文参考高昊宇等（2017）45、彭旋和张昊（2022）48的研究，对部分可能影响公司股价暴涨暴跌的因素加以控制。（1）资产负债率（lev）：以负债总额和资产总额的比值衡量，资产负债率越高的公司，其经营的风险和收益会被同时放大，公司股价波动常常更加剧烈；（2）股权集中度（top10）：以前十大股东持股比例衡量，大股东持股的稳定性对公司股票的流动性存在着极大影响；（3）净资产收益率（ROE）：净资产收益率作为企业绩效的直接衡量指标，是投资股票重要的考量因素；（4）股息率（ratio）：股息率在投资实践中是衡量企业是否具有投资价值的重要标尺之一，因而对股价存在重要影响；（5）现金持有（cash）：以期末现金及现金等价物余额和总资产的比值衡量，公司资金流动性好将利于公司日常经营的稳定性；（6）经营现金流（CFO）：以经营活动现金净流量和总资产的比值衡量，现金流是企业能够生存和持续经营的前提；（7）企业规模（scale）：以上市公司总市值（千亿元）衡量，即按照证监会算法所计算的公司在中国大陆已发行普通股的总市值，公司体量直接影响到股价大幅波动的难易程度，一般而言，体量越大的公司，股价的波动幅度越小。此外，由于企业生产经营情况与外部环境息息相关，本文从经济发展水平、政府干预和金融发展水平方面选择三个宏观控制变量。（1）城市经济水平（development）：以人均GDP（万元）衡量；（2）城市政府干预（gov）：以地方财政一般预算内支出与GDP的比值衡量；（3）城市金融水平（finance）：以年末证 券 保 险】【70金融发展研究 第2期金融机构各项贷款余额和地区生产总值的比值衡量。各变量的描述性统计情况如表1所示。（三）数据来源本文选择了20102020年的A股主板上市公司作为研究样本，选择这一区间主要是考虑到在次贷危机的影响下，20062009年A股整体波动剧烈，这对本文的研究存在较大的干扰，而从2010年起A股进入了相对平稳的发展阶段，机构持股总体占比经历迅速提升后进入了稳定期（吴晓求和方明浩，2021）49。此外，由于中国城市统计年鉴的数据公布相对较晚，为了更好匹配宏微观数据，将2020年作为区间终点。本文对数据进行了以下处理：（1）剔除了ST和ST*的企业；（2）对连续变量进行了1%的缩尾处理；（3）剔除变量缺失的样本；（4）剔除上市时间不足一年的公司。被解释变量、企业层面的控制变量以及调节变量均来源于东方财富Choice金融终端，核心解释变量计算中使用的经纬度位置信息来源于Google地球，城市层面的控制变量来源于EPS全球统计数据库，最终得到分布在247个地级市的81个国民经济大类行业的3797家上市企业合计22994个样本的非平衡面板数据。五、实证分析（一）基准回归为了验证H1，确定地理距离对于企业股价暴涨暴跌的影响情况，本文展开实证分析，回归结果列示于表2。第（1）列为不控制行业效应和年份效应的OLS估计结果，地理距离的估计系数在1%的水平上显著为正，说明地理距离与股价暴涨暴跌存在显著的相关关系。第（2）列为控制行业效应和年份效应之后采用固定效应模型的估计结果，核心解释变量在5%的水平上显著为正，估计系数为0.069，说明上市公司所在区县距离一线城市的最短距离每增加1个单位，企业股价暴涨暴跌次数将会增加0.069。就其经济意义来看，地理距离越远，软信息的传递难度越大，软信息不对称将会影响二级市场上投资者的投资判断，从而加大不合理投资的可能，使公司股价更容易出现极端波动。鉴于本文的被解释变量股价暴涨暴跌为非负整数，面板泊松回归对于此类数据具有良好的估计效果，第（3）列即为泊松回归的结果，地理距离在10%的水平上显著拒绝原假设，即地理距离的增加强化了股价暴涨暴跌的可能性。（二）稳健性检验上市公司的地理位置基本是固定的，地理选址通常与创始团队背景、客户分布、供应商分布密切相关，而这些因素都近似随机分布，因此，其与一线城市的地理距离也往往是外生的，在这一类研究文献中内生性问题并非主要的威胁（Sadok等，2013；郭思永，2021）46，50。但为了保证结果的稳健性，本文从三表1：变量描述性统计情况变量符号UpDowndistancelevtop10ROEratiocashCFOscaledevelopmentgovfinanceInv1Inv2Inv3Inv4变量名称股价暴涨暴跌地理距离资产负债率股权集中度净资产收益率股息率现金持有经营现金流企业规模城市经济水平城市政府干预城市金融水平接待频率接待量机构来访接待量机构来访占比样本量22994229942299422994229942299422994229942299424724724722994229942299422994均值5.40895.014140.563761.203110.07221.047918.57085.04540.19003.878915.71350.69514.410019.005021.964244.8036标准差7.52901.663020.999714.90267.89251.223914.39226.96280.81182.28396.57100.22677.914639.101947.479748.1053最小值00.03194.817323.3400-60.19840.00001.0790-18.95830.00362.06287.62740.42170000最大值407.885494.429891.060038.70316.332068.139324.009025.098817.512535.65591.669746216280100表2：地理距离与股价暴涨暴跌的基准回归变量distancelevtop10ROEratiocashCFOscaledevelopmentgovfinance常数项行业效应年份效应样本量R2（1）UpDown0.1316*(0.0349)-0.0255*(0.0027)0.0204*(0.0034)-0.0153*(0.0079)-0.8201*(0.0350)-0.0209*(0.0039)-0.0053(0.0078)-0.3406*(0.0288)0.0770*(0.0130)0.1091*(0.0105)0.5835*(0.0886)2.6607*(0.4192)NONO229940.0370（2）UpDown0.0690*(0.0275)-0.0112*(0.0025)0.0297*(0.0026)-0.0089(0.0075)-0.7484*(0.0302)-0.0028(0.0032)-0.0235*(0.0063)-0.4440*(0.0584)0.0194(0.0121)0.0215*(0.0079)0.2159*(0.0725)2.1145*(0.4967)YESYES229940.5122（3）UpDown0.0086*(0.0049)-0.0010*(0.0005)0.0063*(0.0005)0.0007(0.0017)-0.1746*(0.0083)0.0003(0.0006)-0.0042*(0.0012)-0.5266*(0.0574)0.0040*(0.0022)0.0043*(0.0014)0.0354*(0.0131)0.8583*(0.0947)YESYES22994注：*、*和*分别表示在1%、5%和10%的水平上显著；括号内为稳健标准误。下同。证 券 保 险】【71金融发展研究 第2期个方面着手展开稳健性检验，结果列示于表 3。首先，替换核心解释变量。在第（1）列中本文借鉴刘江会和朱敏（2015）6的指标衡量方法，以公司所在地与三大全国性金融中心（北京、上海和深圳）的最短距离衡量地理距离（SPD），可以看出这一指标的回归系数在5%的水平上显著为正。第（2）列借鉴钱雪松等（2017）51的思路，设定虚拟变量distance700，公司所在地与一线城市的最短距离超过700公里赋值为1，否则为0，这一变量系数在10%的水平上显著为正。其次，采用股票价格年振幅（amplitude）替换被解释变量。股票价格年振幅在一定程度上反映出了股票价格的年度波动，第（3）列中地理距离在1%的水平上显著增加了企业股价年振幅。再次，更换回归方法。在第（4）列通过负二项回归估计地理距离的影响，distance的系数在1%的水平上显著为正，与基准回归结果保持一致。最后，我国股票市场上存在许多“借壳上市”的现象（Liu等，2019）52，公司市值越小，借壳现象越严重，由于很多壳公司注册地与准上市公司实际所在地存在出入，第（5）列剔除了市值较低的30%的公司以排除“借壳上市”所带来的影响，可以看出核心解释变量系数在5%的水平上仍显著为正。（三）投资者调研活动的调节效应检验为了考察在地理距离影响股价暴涨暴跌的过程中，投资者调研活动所发挥的调节作用，本文利用模型（2）进行回归，结果列示于表4。可以看出，引入调节变量以及交互项后，地理距离变量均在1%的水平上显著为正，而交互项则至少在5%的水平上显著为负，投资者调研活动表现出了显著的调节作用，随着投资者调研的频繁化，原本由于地理距离远而难以触及的软信息开始被外界进一步获取，软信息不对称所导致的股价暴涨暴跌情况得到缓解。（四）异质性检验为了考察上市公司的哪些自身特性和特定行为可以缓解“软信息不对称”的问题，进一步深化本文的表3：稳健性检验变量SPDdistance700distancelevtop10ROEratiocashCFOscaledevelopmentgovfinance常数项行业效应年份效应样本量R2（1）UpDown0.0702*(0.0293)-0.0112*(0.0025)0.0297*(0.0026)-0.0089(0.0075)-0.7482*(0.0302)-0.0029(0.0032)-0.0235*(0.0063)-0.4444*(0.0584)0.0190(0.0122)0.0225*(0.0081)0.2174*(0.0725)2.0971*(0.5028)YESYES229940.5122（2）UpDown0.1870*(0.1038)-0.0111*(0.0025)0.0297*(0.0026)-0.0089(0.0075)-0.7485*(0.0303)-0.0030(0.0032)-0.0235*(0.0063)-0.4479*(0.0585)0.0074(0.0103)0.0141*(0.0075)0.2148*(0.0726)2.5666*(0.4572)YESYES229940.5121（3）amplitude1.0761*(0.4121)-0.2553*(0.0338)0.7120*(0.0380)1.6538*(0.0945)-11.4746*(0.4323)0.1339*(0.0505)-0.4510*(0.0926)-3.7532*(0.6065)0.4709*(0.1849)-0.0080(0.1203)1.2894(1.0741)21.2419*(6.4016)YESYES229940.2386（4）UpDown0.0170*(0.0057)-0.0007(0.0005)0.0060*(0.0006)-0.0024*(0.0014)-0.1911*(0.0084)-0.0004(0.0007)-0.0026*(0.0013)-0.3198*(0.0429)0.0056*(0.0025)0.0045*(0.0016)0.0278*(0.0161)0.8173*(0.1221)YESYES22994（5）UpDown0.0693*(0.0336)-0.0187*(0.0030)0.0337*(0.0031)0.0227*(0.0078)-0.7396*(0.0340)0.0043(0.0042)-0.0397*(0.0078)-0.4540*(0.0588)0.0183(0.0151)0.0288*(0.0096)0.2390*(0.0883)1.5930*(0.5923)YESYES160950.5770表4：投资者调研活动的调节效应变量distanceInvdistanceInvlevtop10ROEratiocashCFOscaledevelopmentgovfinance常数项行业效应年份效应样本量R2（1）UpDown0.1099*(0.0300)-0.0072*(0.0023)-0.0031(0.0126)-0.0107*(0.0025)0.0293*(0.0026)-0.0053(0.0075)-0.7501*(0.0302)-0.0023(0.0032)-0.0231*(0.0063)-0.4309*(0.0572)0.0257*(0.0121)0.0215*(0.0080)0.2065*(0.0724)1.9121*(0.5003)YESYES229940.5140（2）UpDown0.1103*(0.0290)-0.0022*(0.0006)0.0022(0.0029)-0.0110*(0.0025)0.0291*(0.0026)-0.0025(0.0077)-0.7583*(0.0303)-0.0028(0.0032)-0.0222*(0.0063)-0.4292*(0.0572)0.0279*(0.0121)0.0221*(0.0079)0.2185*(0.0723)1.7942*(0.4980)YESYES229940.5140（3）UpDown0.0895*(0.0289)-0.0010*(0.0004)-0.0019(0.0022)-0.0112*(0.0025)0.0290*(0.0026)-0.0018(0.0077)-0.7634*(0.0303)-0.0030(0.0032)-0.0214*(0.0062)-0.4221*(0.0566)0.0269*(0.0121)0.0216*(0.0079)0.2282*(0.0723)1.8862*(0.4976)YESYES229940.5139（4）UpDown0.1204*(0.0331)-0.0011*(0.0004)0.0011(0.0024)-0.0121*(0.0025)0.0298*(0.0026)-0.0064(0.0075)-0.7546*(0.0302)-0.0030(0.0032)-0.0233*(0.0063)-0.4465*(0.0583)0.0237*(0.0121)0.0211*(0.0080)0.2093*(0.0724)1.9092*(0.5083)YESYES229940.5131注：第（1）（4）列分别用投资者接待频率、接待量、机构来访接待量、机构来访占比四个变量衡量投资者调研活动。证 券 保 险】【72金融发展研究 第2期研究结论，使对策建议更加具备针对性，本文从是否属于沪（深）港通标的、机构持股比例、信息披露考核三个方面利用分组回归的方法，探究软信息不对称对企业股价暴涨暴跌的异质性影响。1.沪（深）港通标的异质性。表5第（1）列和第（2）列显示，属于沪港通或深港通标的的上市公司中，地理距离的系数在1%的水平下显著为正，而非沪港通或深港通标的公司则不显著。这表明软信息不对称对公司股价暴涨暴跌的影响在沪（深）港通标的公司群体中更加严重，由于软信息不对称影响到更多投资者的二级市场投资行为，标的公司的股价博弈更为剧烈和充分。2.机构持股比例异质性。表 5 第（3）列和第（4）列显示，在机构持股比例较高的企业样本中，地理距离并不显著，而机构持股比例低的企业样本中地理距离在5%的水平上显著为正，软信息不对称明显加剧了此类公司的股价波动。这是由于机构投资大多持有期长、交易频率低，机构持股比重的提高直接带来噪音交易的减少（王谨乐和史永东，2018）41，因而能够在一定程度上稳定股价。3.信息披露考核异质性。本文根据上市公司的信息披露考核情况，将样本划分为信息披露考核较好（考核为“优秀”）和较差（考核为“不合格”“合格”“良好”以及“未披露”四种情况），进行分组回归，结果见表5的第（5）、（6）列，地理距离在5%的水平上显著增加了信息披露考核较差的企业股价暴涨暴跌的可能，披露质量较好的企业则不显著。上市公司信息披露考核等级较高，将会明显增强投资者的确定性预期，相对而言软信息不对称对投资活动的扰动将会有所降低，股价暴涨暴跌有所缓解。六、结论与对策建议本文以地理距离衡量上市公司与外部投资者之间由软信息带来的信息不对称，进而解释上市公司股价暴涨暴跌问题，基于我国A股上市公司数据研究发现：地理距离显著增加了股价极端波动次数，企业距离一线城市越远，软信息不对称程度越高，股价暴涨暴跌的可能性越大；投资者调研活动在地理距离影响股价暴涨暴跌的过程中发挥了重要的调节作用，随着调研次数与调研频率的增加，软信息不对称所造成的影响逐步削弱；异质性检验结果表明，对于属于沪（深）港通标的、机构持股比例低和信息披露考核差的企业，地理距离显著增加了股价暴涨暴跌的可能。据此，本文从上市公司、投资者和监管部门三个层面提出对策建议。对于上市公司来说，要加强企业文化建设，保持总体经营风格的稳健性和高预期性，促使软信息的有效转化；积极参与社会责任披露和企业信息披露活动，按时保质发布内部控制自我评价报告，主动邀请投资者来司调研，维护健康投资者关系。对于投资者来说，密切关注上市公司业绩预告，兼顾硬信息与软信息的获取；在12月至次年1月上市公司发布业绩预告的时间内，适当降低偏远地区公司股票在投资组合中的比重，避免投资组合的波动变大；充分依靠机构投资者的信息挖掘能力，选择机构持股比例相对较高的公司进行投资。对于监管部门来说，向各类金融机构和投资者适时发布引导性公告，鼓励其加大对中西部地区上市公司的调研频率；将对偏远地区上市公司的调研活动频次纳入金融机构的考核体系，促使区域间上市公司信息披露程度达到总体平衡；加快基础设施建设，特别是交通基础设施建设，从根本上缓解软信息不对称的问题。参考文献：1陈国进，张贻军.异质信念、卖空限制与我国股市表5：异质性检验变量distancelevtop10ROEratiocashCFOscaledevelopmentgovfinance常数项行业效应年份效应样本量R2沪（深）港通标的属于（1）0.1118*(0.0398)-0.0082*(0.0037)0.0216*(0.0036)0.0170*(0.0092)-0.7306*(0.0446)-0.0001(0.0050)-0.0172*(0.0096)-0.3176*(0.0494)0.0472*(0.0177)0.0340*(0.0119)0.2796*(0.1037)2.1050*(0.7505)YESYES100890.5016不属于（2）0.0295(0.0374)-0.0039(0.0034)0.0461*(0.0037)0.0097(0.0127)-0.8544*(0.0446)-0.0103*(0.0042)-0.0061(0.0082)-5.7374*(0.8848)0.0097(0.0163)0.0245*(0.0107)0.2196*(0.0995)1.1168*(0.6298)YESYES129050.5432机构持股比例较低（3）0.0877*(0.0441)-0.0044(0.0042)0.0481*(0.0039)0.0075(0.0135)-0.8639*(0.0549)-0.0074(0.0046)-0.0195*(0.0100)-0.7521*(0.1268)0.0232(0.0181)0.0232*(0.0122)0.1642(0.1183)-0.0662(0.7749)YESYES114590.5110较高（4）0.0005(0.031