管理层冗余、信息环境与股价崩盘风险：来自中国上市公司的经验证据

《International Review of Economics & Finance》：Managerial slack, information environment and stock price crash risk: Evidence from China

　　

管理层冗余（Managerial slack）显著提高股价崩盘风险（stock price crash risk）。核心传导渠道为企业信息环境（corporate information environment）恶化。该正向关联在国有企业（state-owned enterprises, SOEs）、融资约束（financial constraints）较高以及零售投资者关注（retail investor attention）较低的企业中更为突出。本研究强调管理层冗余在新兴市场情境下的代理成本（agency cost）含义。

Chuyue Wu、Yuyang Ling与Yikai Han围绕管理层冗余（managerial slack，指松散监督下超额自主行政资源消耗）的资本市场后果展开研究。既有股价崩盘风险（stock price crash risk，指公司股票出现极端负异常收益的概率）文献多关注管理层隐藏坏消息的动机，较少区分“隐藏动机”与“持续隐藏所需的资源能力”；管理层冗余不同于组织冗余、自由现金流和传统代理成本指标，强调已发生的超额自主行政资源消耗及其对信息披露决策的干预能力。中国上市公司中国有企业占比较高、预算软约束、披露执行与外部监督差异较大，为检验该问题提供了合适情境。研究人员基于中国A股2000—2025年上市公司数据，考察管理层冗余与未来股价崩盘风险的关系，识别企业信息环境渠道，并分析产权性质、融资约束与零售投资者关注的异质性。研究结论是：管理层冗余与未来股价崩盘风险显著正相关；其核心机制是企业信息环境恶化，而非仅放大机会主义动机；该关联在国有企业、融资约束较高和零售投资者关注较低的企业中更突出。其意义在于从资源能力维度补充坏消息囤积文献，强调管理层冗余在新兴市场中的代理成本含义，并为公司治理与证券监管提供依据。

关键技术方法概述（不超过250字）：样本为中国A股2000—2025年上市公司，数据来自CSMAR与CNRDS；剔除金融业、ST及关键缺失后，得到51,896个公司—年度观测（4,907家公司），连续变量按1%和99%缩尾。股价崩盘风险采用负收益偏态系数（negative coefficient of skewness, NCSKEW）与上下波动率（down-to-up volatility, DUVOL）；管理层冗余按Fang、He和Conyon的异常一般及行政费用（general and administrative expenses, G&A）残差法度量。基准模型采用领先—滞后设定，控制当期崩盘风险、公司层面因素、公司和年份固定效应，并进行公司层面聚类。稳健性包括替代度量、剔除COVID-19期、Year×Ind固定效应及追加代理变量控制；内生性采用Bartik-style shift-share工具变量的工具变量两阶段最小二乘（instrumental-variable two-stage least squares, IV-2SLS）、Heckman、倾向得分匹配（propensity score matching, PSM）和熵平衡法（entropy balancing method, EBM）；机制检验关注分析师预测误差/分歧、财务重述与会计可比性，异质性按产权、SA指数和股吧发帖分组。

研究结果如下。4.1 描述性统计：NCSKEW_t+1均值为?0.415、标准差为0.781，DUVOL_t+1均值为?0.286、标准差为0.492，ManaSlack_t均值为0.002、标准差为0.608；分箱散点图初步显示管理层冗余与崩盘风险正相关。4.2 基准结果：逐步加入控制变量和固定效应后，ManaSlack_t系数均显著为正，完整控制模型中系数为0.025（5%水平），最严格设定中为0.016（1%水平），支持H1。4.3 稳健性检验：采用ManaSlack2替代度量、剔除COVID-19期、加入Year×Ind固定效应、进一步控制自由现金流、代理成本、管理层机会主义和组织冗余后，正相关仍显著；构造效度补充检验显示异常G&A不主要反映扩张、组织复杂度、合规成本、数字化转型或集团业务，且ManaSlack_t在CEO离任前两年更高并集中于SOEs，并可预测高管在职消费、过度投资和关联方资金占用。4.4 内生性检验：IV-2SLS以2000年行业G&A/销售基线权重与滞后城市行政审批局（Administrative Approval Bureau, AAB）设立年数构造Bartik-style工具变量，第一阶段显著，K-P rk LM为33.099、C-D Wald F为53.946，第二阶段P_ManaSlack_t显著为正；Heckman检验中逆米尔斯比不显著而ManaSlack_t仍显著为正；PSM与EBM样本中系数亦显著为正。4.5 机制分析：4.5.1 信息机制显示，ManaSlack_t提高分析师预测误差（analyst forecast error, FERROR）、分析师预测分歧（analyst forecast dispersion, FDISP）和财务重述（financial restatement, Restate），降低会计可比性（accounting comparability, Comparable）；控制ManaSlack_t后，FERROR、FDISP、Restate正向预测未来崩盘风险，Comparable负向预测未来崩盘风险，支持H2的企业信息环境渠道。4.5.2 替代解释检验使用并购支出、资本支出、收入来源行业/地区数、法律合规支出、数字投资/转型、子公司销售/净利润等指标，未发现ManaSlack_t系统预测后续真实经营变化，但该前瞻检验不能完全排除同期经营因素，补充构造效度检验进一步支持其代理问题解释。4.6 异质性分析：4.6.1 产权性质显示，SOEs中ManaSlack_t对NCSKEW_t+1（0.027，10%水平）和DUVOL_t+1（0.025，5%水平）显著，非SOEs不显著，组间差异p=0.0000；4.6.2 融资约束显示，高约束组系数显著（0.032，5%；0.021，5%），低约束组不显著，组间差异p=0.0000；4.6.3 零售投资者关注显示，低关注组系数显著（0.031，5%；0.019，5%），高关注组不显著，组间差异p=0.0000。上述结果说明外部监督较弱和隐瞒能力较强时，管理层冗余的风险效应更突出。

讨论与结论部分总结：研究强调，管理层冗余并非仅体现管理层隐藏坏消息的动机，而是通过降低持续信息遮蔽的边际资源成本、恶化企业信息质量并便利坏消息累积，最终提高未来股价崩盘风险；该关联在SOEs、融资约束较高和零售投资者关注较低的企业中更强。实践上，公司应收紧自主支出控制并改善坏消息及时披露的内部规则；监管者应强化外部监督与披露执法，并对SOEs、融资约束企业和零售投资者监督不足企业实施针对性监管；对转型市场而言，应约束管理层自由裁量权、规范强制披露并加强投资者保护，以防止公司层面代理摩擦演化为系统性市场风险。结论部分翻译如下：基于中国A股上市公司综合数据，本研究建立管理层冗余与未来股价崩盘风险之间稳健的正向关联证据。与传统代理文献强调管理层隐藏坏消息的机会主义动机不同，本研究聚焦基于资源的能力维度：管理层冗余降低持续隐瞒坏消息的边际资源成本。该结果在一系列稳健性检验和内生性缓解检验后仍成立。机制证据表明，管理层冗余通过恶化企业信息质量并便利持续坏消息囤积提高崩盘风险。异质性检验进一步显示，该风险驱动效应在国有企业、融资约束企业以及零售投资者监督较弱的企业中更突出。