-
我国上市公司股权集中度较高，通常存在一个或少数股东对公司拥有绝对控制权。在这种情况下，一旦持股比例较高的大股东实施减持行为，市场就可能受到较大冲击。2015年，我国股市发生异常波动， 大股东减持行为在其中起到了推波助澜的作用。为此，同年7月，证监会发布公告，要求自公告日起6个月内，上市公司大股东及董事、监事、高级管理人员（以下简称为董监高）不得通过二级市场减持本公司股份；
1 2016年1月，证监会发布《上市公司大股东、董监高减持股份的若干规定》；2 2017年5月，证监会发布《上市公司股东、董监高减持股份的若干规定》，对交易制度做出详细修订，在减持股份类别、董监高减持比例、减持时间、减持信息披露方式、大宗交易制度等多方面实施更严格的规定。3 新《证券法》实施后，2022年，证监会对《上市公司董事、监事和高级管理人员所持本公司股份及其变动管理规则》中短线交易和禁止交易“窗口期”的规定进行修改和调整；4 2024年，证监会发布《上市公司股东减持股份管理暂行办法》，新增对分红、破发、离婚及立案调查等情形的限制，5 同步修订《上市公司董事、监事和高级管理人员所持本公司股份及其变动管理规则》。6 内部人减持自由度的持续收紧能否真正达到政策预期目标，成为值得关注的问题。在上述制度改革中，2017年的《上市公司股东、董监高减持股份的若干规定》最为严格，也是内部人监管制度中的重要转折，如首次规定大宗交易受让方禁售期。本文综合考虑政策改革的重要程度及实证检验的样本区间需求，选择2017年5月的减持改革作为研究事件，考察减持管制的实施效果。考虑到内部人中大股东的持股比例以及减持规模对市场产生的影响较大，本文主要围绕大股东展开研究。一方面，减持管制有利于约束内部人减持行为，在一定程度上可以缓解二级市场面临的冲击和震荡；另一方面，严格的管制可能使内部人面临较高的交易成本，显性交易成本主要指因减持比例限制需拆分多笔交易而产生的手续费，隐性成本则包括需花费更多精力寻找交易对象、选择交易窗口与时间以及预披露带来的信息披露成本等。这些过高的交易成本可能导致大股东无法实现预期的超额收益，从而放弃减持，选择长期持有股份。假设大股东的效用函数构成明确，且各因素之间存在替代关系，即货币性收益与非货币性收益可相互替代（Alchian和Kessel，1962），那么当大股东减持获利途径受限、货币性收益受损时，其将如何弥补现金流需求？是否会通过长期持有股份，并采取更隐蔽的方式进行利益补偿？而这一利益补偿又会对公司层面产生何种影响？
为回答上述问题，本文以2014−2020年中国A股非金融类上市公司为研究样本，基于2017年减持管制政策发布前的大股东减持交易数据，预测每个研究样本的减持倾向，据以划分实验组与对照组，并采用双重差分模型检验大股东减持受到管制对公司经营层面产生的影响。研究发现，受减持管制影响较大的公司，其大股东掏空行为更显著，具体表现为更多的现金股利、资金占用以及关联交易。这类大股东利益侵占行为在非国有企业、实际未发生减持的公司中更严重，即受减持管制约束较强的公司，减持管制所带来的负面影响更大，大股东则更可能通过侵占公司资源来弥补私人利益。
本文的研究贡献主要体现在：第一，丰富了内部人交易的相关研究。已有关于内部人减持的研究多聚焦减持的利弊、减持策略与信息操纵、减持动机与信息优势以及减持行为对市场的冲击等（Manne，1966；Fernandes和Ferreira，2009；鲁桂华等，2017；孙淑伟等，2017；曾庆生等，2018；易志高等，2019；朱茶芬等，2021），较少关注内部人受到减持管制对企业经营决策产生的影响。第二，从内部人减持视角进一步拓展了政府管制的研究场景。已有关于减持管制经济后果的研究主要验证了减持管制所产生的正面影响（唐齐鸣等，2018；张程等，2020；朱茶芬等，2021），较少从管制成本的视角分析减持管制带来的负面影响。第三，丰富了大股东掏空的影响因素研究。已有研究多从公司内部治理机制和外部宏观经济环境探讨掏空的影响因素，对外部政策冲击导致的掏空行为关注不足。第四，拓展了内部人减持研究的对象范围。已有研究均以实际减持样本作为研究对象，而事实上未发生减持的样本才是减持管制真正发挥作用的对象，本文基于历史减持交易规模预测未来减持倾向，能够更精准地估计减持管制的政策效应。
-
已有研究主要从资本市场不同管制制度出发，探讨其经济后果。管制是一把“双刃剑”，既可能产生积极影响，也可能带来消极影响。在法律制度尚不完善的新兴转型国家，经济转轨过程中存在的较为突出的体制性障碍，可能导致市场失灵，因此政府对市场进行有效监管具有必要性。例如，国有企业因所有权与监督机制的特点，其公司治理中的外部性问题通常较为显著。在这种外部性较强的环境下，政府对国有企业实施较多的管制措施，在一定程度上有助于实现外部性的内部化。陈运森等（2022）发现终身事后责任追究制度会对国有企业管理层风险偏好产生影响，该制度通过强化激励约束与完善公司治理来降低企业风险承担水平，进而有效抑制国有企业寻租式高风险行为。
也有学者从多个角度探讨了政府管制可能产生的负面经济后果，如新股发行、审计市场及高管薪酬等。在新股发行管制方面，市盈率会受到“窗口指导”这类隐性管制的影响。胡聪慧和齐云飞（2021）发现新股发行市盈率管制会使公司通过操纵股本规模来规避政策约束，从而减小上市融资规模、加快再融资步伐，以应对价格管制带来的负面影响。在审计市场管制方面，政府管制可能降低审计效率，对审计质量和事务所声誉产生不利影响（张奇峰，2005；Wang等，2008；于李胜和王艳艳，2010）。在高管薪酬管制方面，高管薪酬管制抑制了企业投资效率（表现为投资不足），降低了薪酬业绩敏感性，加剧了高管腐败行为（徐细雄和刘星，2013；徐玉德和张昉，2018；刘星和台文志，2020）。
减持管制旨在通过设定减持比例、时间窗口、预披露义务及违规惩戒机制，抑制机会主义减持。监管部门对内部人减持实施约束，主要原因在于内部人能够利用信息优势获得超额收益，侵占中小股东利益，同时其减持行为可能传递负面信号，进而提高股价崩盘风险和债务市场信用利差（马勇等，2023）。虽然有研究发现聘请具有媒体背景的高管（冯荟凝等，2024）、提高资本市场开放程度（齐保垒和孙泽宇，2023）能够降低内部人交易的超额收益，但更直接地抑制内部人交易获利水平仍依赖于正式制度的约束。已有文献多以减持管制中的“减持预披露”为切入点展开研究。张程等（2020）发现强制预披露制度削弱了董监高的信息优势，抑制了其减持交易的择时能力和获利能力，这在一定程度上检验了减持管制的积极成效，但并未对政策效果做出综合评估。朱茶芬等（2021）同样以减持预披露为背景，研究发现大股东减持计划具有信息含量，会削弱其高位减持获利的能力。尽管研究对象从董监高扩展至大股东，但已有研究仍主要关注减持管制对内部人交易行为的影响，较少探讨其对公司经营层面的潜在影响。本文的贡献在于拓展了内部人减持管制经济后果的研究，将研究视角从显性的内部人交易行为深入至隐性的公司经营层面，从管制的积极影响延伸至其可能带来的消极影响。
-
大股东掏空研究主要围绕其影响因素和经济后果展开。本文重点考察大股东掏空的影响因素，因此未对大股东掏空经济后果方面的文献进行综述。Grossman和Hart（1988）认为，大股东掏空是指大股东利用其对公司的控制权谋取隐性收益、损害公司价值的行为，且掏空收益仅由大股东独有，并不为其他股东所共享。早期研究证实了大股东掏空行为的存在，并揭示了其成因及内在机制（Johnson等，2000；La Porta等，2002；Shleifer和Wolfenzon，2002）。大股东掏空的主要动机是获取控制权收益，因此股权集中度是影响掏空程度的重要因素之一。股权集中度越高，越容易产生控制权私有收益（Nenova，2003；Dyck和Zingales，2004）；同时，股权集中度越高，企业控制权与现金流权分离程度越大，大股东掏空企业的成本越低，掏空程度越高，企业市场价值越低。在企业中，控股股东的持股比例通常最高，因此控股股东最有动机进行掏空（王鹏和周黎安，2006）。但也有研究认为股权集中度与大股东掏空行为之间并非简单的线性关系，而呈现先上升后下降的倒U型关系：即期初持股比例较低时，随着大股东持股比例的上升，掏空行为逐渐加剧；当大股东持股比例达到一定水平后，随着持股比例的进一步上升，掏空动机逐渐减弱（李增泉等，2004；郑国坚等，2013）。
除股权结构外，公司治理的其他特征以及外部宏观因素也会影响大股东掏空行为。例如，独立董事制度能够有效抑制大股东对公司的资金侵占（叶康涛等，2007）；聘任独立性较强的职业经理人有助于降低大股东掏空程度（刘少波和马超，2016）。张洪辉等（2016）发现内部控制质量较低、存在内部控制缺陷的企业，更易出现大股东通过异常关联交易进行掏空的行为。韩鹏飞等（2018）通过大股东的信用评级指标刻画其财务状况，指出当大股东财务状况不佳时，资源会从集团公司流向大股东，形成对集团资源的掏空。郑国坚等（2014）发现股权质押可能加剧控股股东的掏空行为，因为进行股权质押的控股股东通常面临较强的财务约束，其掏空动机更强。杜勇和眭鑫（2021）验证了股权质押下控股股东的掏空动机，指出股权质押导致现金流权与控制权进一步分离。此外，员工持股计划也可能成为大股东自利的工具，特别是在股权质押程度较高的公司中（孙晓燕和刘亦舒，2021）。
外部宏观因素方面，王亮亮（2018）发现企业所得税率的提高会增强控股股东的掏空倾向。罗党论和唐清泉（2007）认为地方政府对市场的干预程度越低，上市公司控股股东的掏空行为越少；地方财政赤字程度越高，控股股东的掏空行为越严重。高雷等（2006）发现产品市场的竞争、信息披露透明度和投资者保护程度等也会抑制大股东掏空行为。
综上可以看出，关于外部宏观因素对掏空行为影响的研究尚显不足。虽然有文献探讨了外部政策冲击对掏空行为的影响，但大多集中在政策如何缓解大股东掏空这一视角（侯青川等，2017），或强调政策本身即能抑制大股东掏空行为（刘慧龙等，2022；陈克兢等，2024），这类积极效应较为直观。然而，较少研究将大股东掏空行为视为外部政策所引发的经济后果进行分析，现有文献仍更多聚焦于企业内部特征对掏空行为的影响。因此，本文从外部政策冲击的角度展开分析，拓展了大股东掏空影响因素的相关研究。
-
根据管制理论，减持管制的政策意图是保护中小投资者，减少内部人利用私有信息进行机会主义减持以获得超额收益。管制能够更好地满足中小投资者的诉求，有效保护其权益，而获利机会的减少必然会引起内部人（尤其是大股东）的不满。
假设在没有交易成本的完美资本市场，如果中小投资者不满大股东利用私有信息获得超额收益，那么中小投资者可以拒绝购买该公司股票；大股东为了能够在资本市场进行筹融资或继续利用私有信息获得超额收益，会弥补中小股东损失，使得利益分割在两者之间达到一种最优的均衡，促使双方均达到利益最大化（Coase，1960）。但在现实中，大股东显然不会直接“付钱”给中小股东。当市场无法自行调节以达到最优状态时，政府作为第三方监管者会保护中小投资者利益，这也是证监会在2017年5月实施更为严格的减持规定的重要原因。已有基于该政策背景的研究发现，减持管制有效降低了非控股股东的减持获利能力，且有助于提高选股能力（唐齐鸣等，2018）和缓解股价波动（章晟等，2019）。出于对中小投资者的保护，管制确实会带来一定的正面影响，有利于唤醒中小股东维权意识，增强其外部监管能力，进而对公司治理产生积极作用，如减少大股东对资金的不当占用、提升公司绩效、促进企业技术创新等（吴磊磊等，2011；李姝等，2018；祝继高等，2021）。中小投资者服务中心扮演了政府弹性监管的角色，促进了民间诉讼的兴起，改善了投诉案件的赔偿机制（辛宇等，2020）。中小投资者积极行使权利能够降低企业审计费用，抑制企业盈余管理，提高企业会计信息质量（刘馨茗等，2021）。中小投资者服务中心试点地区的上市公司，在试点后发生财务重述的可能性显著下降（何慧华和方军雄，2021）。政府监管对中小投资者保护会产生显著积极效应，促进资本市场发展。然而，政府监管看起来是最为立竿见影且成本最小的解决利益冲突的方式，但政府机制运作本身亦存在成本，且保护一方利益通常意味着损害另一方利益（Coase，1960）。因此，如何有效引导和约束大股东减持行为，也就转化为中小投资者与大股东之间利益平衡问题。如果政府选择保护中小股东，那么也就意味着对大股东利益的减损，被管制的大股东在减持管制实施后，若获利能力受损，则很可能通过其他方式进行利益弥补。
已有关于内部人交易的研究，大多基于市场上实际发生并可观测的交易数据（即实际发生的减持行为）。然而，受管制政策直接约束的恰恰是那些最终未进行减持的大股东那些未进行减持的大股东才是真正受到管制政策约束的样本，这部分样本的减持行为无法被直接观测。那么，这些未减持的股东是否会采用更隐匿的方式进行利益补偿？内部人可以通过低成本的方式进行短期利益弥补，如经理层的过度在职消费、大股东更严重的资金占用、增发股利等掏空行为。这些负面的经济后果也正是减持管制对中小投资者保护所产生的管制成本（即政策的负面效应），这不利于企业的价值提升与长期发展。
基于此，本文提出假说1：减持管制加剧了公司大股东掏空行为。
不同产权性质决定了企业内部人固有的减持需求存在差异，因此管制所产生的效果也会不同。国有企业和非国有企业股份的特征决定了国有企业股份通常更难以减持。在减持能力方面，国有企业控股股东多为国有资本，股份流通性低，减持受到的限制较多。在减持动机方面，国有企业内部人主要追求非货币薪酬（杨瑞龙等，2013），对流动性或现金流需求并不高，因此减持动机不强；而非国有企业大股东减持变现的需求强，所持股份的流动性高，同时具备减持的动机和能力，减持倾向更高，因此减持管制对非国有企业的影响可能更大。
基于此，本文提出假说2：相比于国有企业，非国有企业大股东掏空行为受减持管制的影响更显著。
根据前文理论分析，掏空行为是对无法减持变现的利益弥补。若大股东能够通过其他方式降低管制带来的交易成本，并仍可通过减持获得现金流，则大股东通过掏空行为进行利益弥补的动机减弱，因此减持管制对大股东掏空行为的影响在实际发生减持和实际未发生减持的样本之间可能存在差异。
基于此，本文提出假说3：相比于实际发生减持的公司，实际未发生减持公司的大股东掏空行为受减持管制的影响更显著。
事实上，上市公司大股东掏空问题长期存在，即使没有减持管制，大股东也会进行掏空。为控制公司原本的大股东掏空行为，进一步检验减持管制是否会加重掏空行为，以及加重何种特征公司的掏空行为，本文从两权分离度入手进行截面分析。两权分离是指控制权与现金流权的分离（La Porta等，1999），两者的分离程度越大，说明第二类代理问题越严重，大股东利益侵占动机越强，企业价值越低（Claessens等，2000；马磊和徐向艺，2010）。内部人效用函数由货币性收益与非货币性收益组成。对于两权分离度较高的企业而言，其大股东本身的掏空动机已较强，非货币性收益在效用函数中占比较高，在原有约束条件下通过掏空行为实现的非货币性收益已达到效用最大化，因此无论货币性收益是否受到减持管制的影响，这类企业的掏空行为可能变化不大；而对于原本两权分离度低、代理问题并不严重的公司而言，货币性收益在效用函数中的占比较高，因此在减持管制导致内部人货币性收益受损时，内部人更可能产生非效率行为，通过更多掏空行为获得非货币性收益以弥补自身效用（Alchian和Kessel，1962）。
基于此，本文提出假说4：相比于两权分离度较高的公司，两权分离度较低公司的大股东掏空行为在减持管制后更显著。
-
本文数据主要来自CSMAR数据库和东方财富Choice金融终端数据库，研究样本为沪深两市A股上市公司，样本期间为2014−2020年。根据研究需要，本文对样本进行如下处理：（1）剔除金融类上市公司；（2）剔除样本期间被特殊处理（ST）的公司；（3）剔除相关数据缺失的公司；（4）考虑到上市未满3年公司的大股东无法减持上市前持有的股份，剔除上市年限未满3年的上市公司。
为避免异常值的影响，本文对相应变量进行了上下1%的缩尾（Winsorize）处理；为消除异方差的影响，对估计标准误差进行了公司层面的聚类调整；在回归分析中，控制了年度固定效应与公司固定效应。
-
为考察减持管制实施后上市公司大股东掏空行为是否加剧，本文采用双重差分模型进行实证检验。2017年的减持规定为全国统一实施的政策，虽然不存在明显的实验组与对照组，但仍可根据政策影响强度进行分组。借鉴Vig（2013）、Campello和Larrain（2016）、钱雪松和方胜（2017）以及刘海明和曹廷求（2018）的方法，本文根据个体受减持管制影响程度的差异划分实验组与对照组。管制可能导致两种结果：一是大股东仍进行减持交易，二是大股东因交易成本过高而放弃减持。因此，仅依据实际发生的减持数据评估政策效果可能存在偏误，这也是已有减持管制研究存在的局限之一。本文对此进行改进，基于政策实施前大股东减持交易数据，预测公司层面大股东未来减持倾向。减持倾向较高的公司受管制影响更显著，减持倾向较低的公司则受管制影响较弱。需指出的是，减持倾向高并不必然导致实际的减持行为，减持倾向低也不意味着不发生减持，历史减持行为仅反映未来发生交易的可能性。
首先，本文构建模型（1），利用减持管制政策实施前未受管制影响的减持交易数据，对2014−2016年大股东实际减持规模（Top_selli,t）与影响大股东减持动机的变量进行回归，同时控制年度与公司固定效应，得到各变量系数估计值。具体变量定义及描述性统计结果分别见表1及表2。
表 1 模型（1）中变量的定义
变量 定义 Top_sell 第一大股东当期实际减持规模，减持金额/流通总市值 Top1 期初第一大股东持股比例 Central ln（期初第一大股东/第二至第五大股东持股之和） Ins 年初机构投资者持股比例 CAR 年度个股超额收益率 Pledge 上期期末股权质押比例 Lev 资产负债率 MB 市值账面比 Cashflow 经营活动现金流净额/总资产 PE 市盈率，ln（每股市价/每股收益） EPS 每股收益，净利润/总股本 DA 会计信息质量，采用可操纵应计利润衡量 Risk 企业破产风险指数，采用Altman Z指数衡量（Altman，2000） EPU 经济政策不确定性指数，参考Huang和Luk（2020）的方法计算 表 2 模型（1）中变量的描述性统计（N=13691）
变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值 Top_sell 0.004 0.015 0 0 0 0 0.093 Top1 0.352 0.151 0.088 0.232 0.333 0.453 0.750 Central 1.301 0.755 0.320 0.712 1.103 1.729 3.604 Ins 0.064 0.075 0 0.011 0.036 0.091 0.355 CAR 0.134 0.373 −0.617 −0.125 0.078 0.344 1.133 Pledge 0.102 0.143 0 0 0.002 0.177 0.547 Lev 0.445 0.210 0.063 0.276 0.434 0.610 0.925 MB 2.579 2.198 0.209 1.055 1.934 3.342 10.272 Cashflow 0.042 0.069 −0.166 0.004 0.041 0.083 0.243 PE 3.721 1.682 2.433 3.154 3.908 4.700 6.974 EPS 0.284 0.467 −1.204 0.062 0.214 0.457 2.143 DA 0.012 0.106 −0.318 −0.035 0.015 0.061 0.361 Risk 1.764 0.812 0.242 1.157 1.655 2.247 3.854 EPU 4.966 0.089 4.837 4.837 5.021 5.032 5.032 $$ \begin{split} Top\_sel{l}_{i,t}=&{\beta }_{0}+{\beta }_{1}Top{\textit{1}}_{t-1}+{\beta }_{2}Centra{l}_{t-1}+{\beta }_{3}In{s}_{t-1}+{\beta }_{4}CA{R}_{t-1}+{\beta }_{5}Pledg{e}_{t-1}\\&+{\beta }_{6}Le{v}_{t-1}+{\beta }_{7}M{B}_{t-1}+{\beta }_{8}Cashflo{w}_{t-1}+{\beta }_{9}P{E}_{t-1}+{\beta }_{10}EP{S}_{t-1}\\&+{\beta }_{11}D{A}_{t-1}+{\beta }_{12}Ris{k}_{t-1}+{\beta }_{13}EP{U}_{t-1}+{\epsilon }_{i,t} \end{split}$$ (1) 其次，本文将样本区间各年度影响减持动机的变量代入模型（1），得到减持规模估计值，即“公司−年度”层面大股东减持倾向，并根据全样本减持倾向均值将样本分为两组：高于均值为实验组，低于均值为对照组。样本分布见表3。
表 3 样本分布
组别（Treat） 样本量 占比
（%）累计百分比
（%）0（对照组） 7462 54.5 54.5 1（实验组） 6229 45.5 100 政策期（Post） 样本量 占比
（%）累计百分比
（%）0（政策实施前） 7106 51.9 51.9 1（政策实施后） 6585 48.1 100 总计 13691 100 基于预测的大股东减持倾向划分实验组和对照组，借鉴Xu和Yao（2015）、侯青川等（2017）的研究，本文构建双向固定效应差分模型（2），其中，因变量Tunneling表示掏空行为。
$$ \begin{split}Tunneling_{i,t}= & \alpha_0+\alpha_1Treat_i\times Post_t+\alpha_2Size_{i,t}+\alpha_3ROE_{i,t}+\alpha_4Lev_{i,t}+\alpha_5Top{\textit{1}}_{i,t} \\ & +\alpha_6Balance_{i,t}+\alpha_7Board_{i,t}+\alpha_8Indep_{i,t}+\alpha_9TobinQ_{i,t}+\alpha_{10}Age_{i,t} \\ & +\alpha_{11}Ins_{i,t}+\alpha_{12}Big{\textit{4}}_{i,t}+\alpha_{13}Salary_{i,t}+\alpha_i+\xi_t+\epsilon_{i,t}\end{split} $$ (2) 已有文献主要采用以下三种方式衡量掏空行为：（1）采用资金占用衡量，如大股东通常利用其他应收款中的暂借款占用上市公司资金（王克敏等，2009；苏冬蔚和熊家财，2013；赵国宇，2017）。（2）采用现金股利发放程度衡量，由于我国上市公司股权较为集中，公司治理问题更多表现为第二类代理问题，即大股东与中小股东之间的利益冲突（万华林等，2025），而发放现金股利可能是一种直接掏空公司的手段。例如，陈信元等（2003）针对佛山照明的案例研究发现，现金股利作为大股东转移资金的工具，损害了公司的市场价值。（3）采用关联交易规模衡量（张祥建等，2007；李婉丽等，2008；侯青川等，2017），关联交易是指上市公司与其第一大股东或第一大股东的母公司、实际控制人或其所控制的其他公司之间的交易。
基于此，本文分别采用资金占用（Occupy）、股利分配政策（Divi）及关联交易（RPT）作为掏空行为的代理变量，同时控制公司特征与治理结构中可能影响掏空行为的其他因素。具体变量定义见表4。
表 4 模型（2）中变量的定义
变量 定义 Occupy 资金占用，其他应收款/总资产 Divi 股利分配政策，年度现金股利/总市值 RPT 关联交易，关联交易金额/总资产 Treat 处理组虚拟变量，实验组为1，对照组为0 Post 政策实施虚拟变量，若年份$\geqslant $2017年则取值为1，否则为0 Size 公司规模，ln（总资产） ROE 净资产收益率 Lev 资产负债率 Top1 第一大股东持股比例 Balance 股权制衡，第二大股东至第十大股东持股比例之和 Board 董事会规模，ln（董事会人数） Indep 独立董事人数/董事会人数 TobinQ 公司成长性，（流通股市值+非流通股股份数×每股净资产+负债账面值）/总资产 Age 上市年限，ln（当期年份−上市年份） Ins 机构投资者持股比例 Big4 是否由国际“四大”会计师事务所审计，是为1，否则为0 Salary 高管薪酬，ln（前三名高管薪酬） -
表5报告了模型（2）中变量的描述性统计结果。其中，资金占用（Occupy）的均值为0.015，股利分配政策（Divi）的均值为0.010，关联交易（RPT）的均值为0.346。可以看出，资金占用作为传统的大股东掏空方式，已受到较为严格的监管，其整体占比较低。然而，即使在这一背景下，企业面临外部政策冲击时，其负面影响依然可能显现，反映出政策实际影响的复杂性。相比于资金占用与股利发放，关联交易可能成为成本相对较低的掏空途径。
表 5 模型（2）中变量的描述性统计（N=13691）
变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值 Occupy 0.015 0.023 0 0.003 0.008 0.017 0.136 Divi 0.010 0.013 0 0.001 0.005 0.014 0.067 RPT 0.346 0.433 0.001 0.057 0.204 0.462 2.505 Size 22.496 1.274 20.127 21.605 22.324 23.227 26.360 ROE 0.088 0.069 0.003 0.038 0.073 0.119 0.358 Lev 0.428 0.194 0.063 0.276 0.421 0.574 0.857 Top1 0.347 0.145 0.096 0.233 0.327 0.445 0.738 Balance 0.233 0.123 0.027 0.135 0.222 0.320 0.541 Board 2.127 0.198 1.609 1.946 2.197 2.197 2.708 Indep 0.376 0.053 0.333 0.333 0.364 0.429 0.571 TobinQ 2.408 1.743 0.842 1.288 1.844 2.860 10.725 Age 2.408 0.593 1.386 1.946 2.398 2.944 3.296 Ins 0.426 0.231 0.002 0.246 0.442 0.607 0.880 Big4 0.062 0.241 0 0 0 0 1 Salary 14.543 0.674 12.996 14.095 14.509 14.931 16.475 -
表6报告了采用资金占用衡量掏空程度的回归结果。列（1）的结果显示，交乘项Treat
$ \times $ Post的系数在5%的水平上显著为正，表明减持管制实施后，大股东资金占用行为更显著，假说1得到验证。原因在于，减持管制限制了大股东获利能力，大股东转而从企业内部寻求补偿，导致掏空行为加剧。列（2）和列（3）报告了按产权性质分组检验的结果。在非国有企业组中，Treat$ \times $ Post的系数显著为正；而在国有企业组中，该系数不显著。结果表明，相比于国有企业，减持管制对非国有企业的影响更显著，其股东资金占用情况更严重。原因在于，国有企业的大股东多为国有资本，其减持动机与能力在管制前就较弱，受政策影响较小，因此通过企业内部渠道进行利益弥补的动机较弱， 假说2得到验证。列（4）和列（5）报告了按实际是否发生减持进行分组检验的结果。在实际未发生减持组中，Treat×Post的系数显著为正，表明未能通过减持满足现金流需求的大股东更倾向于通过资金占用进行利益弥补；而在实际发生减持组中，该系数不显著，表明减持已满足大股东现金流需求。此外，存在一种极端情况，即在大股东将所持股份全部减持后，其在失去股东身份的同时也失去经营决策权，因此无法通过资金占用对企业进行掏空。列（6）和列（7）报告了按两权分离度进行分组检验的结果。在两权分离度低组中，Treat$ \times $ Post的系数显著为正，表明减持管制使原本掏空动机较弱的公司出现更严重的资金占用问题。表 6 减持管制对资金占用的影响
变量 Occupy
主检验
(1)Occupy
国有企业
(2)Occupy
非国有企业
(3)Occupy
实际减持
(4)Occupy
实际未减持
(5)Occupy
两权分离度高
(6)Occupy
两权分离度低
(7)Treat×Post 0.001** 0.001 0.002** 0.001 0.002** 0.001 0.001* (2.231) (0.841) (1.962) (0.637) (2.265) (1.167) (1.665) Size 0.001** 0.001* 0.001* 0.000 0.001** 0.000 0.001** (2.032) (1.701) (1.932) (0.674) (2.341) (0.345) (2.137) ROE −0.018*** −0.019*** −0.018*** −0.018*** −0.017*** −0.013 −0.019*** (−5.045) (−3.064) (−4.201) (−3.714) (−3.612) (−1.606) (−5.349) Lev 0.011*** 0.011** 0.011*** 0.015*** 0.008*** 0.023*** 0.020*** (3.875) (2.172) (3.177) (3.942) (2.624) (6.787) (8.993) Top1 −0.009** −0.001 −0.014*** −0.013*** −0.012*** −0.015*** −0.010*** (−2.472) (−0.245) (−5.986) (−4.971) (−4.585) (−3.022) (−4.211) Balance −0.003 0.001 −0.004* −0.003 −0.004 0.006 −0.007*** (−1.412) (0.200) (−1.711) (−0.842) (−1.472) (1.065) (−2.943) Board −0.002 −0.002 0.000 −0.002 −0.003 −0.005 −0.001 (−1.574) (−1.291) (0.024) (−1.043) (−1.440) (−1.232) (−0.392) Indep 0.003 0.003 0.007 −0.006 0.008 0.020 −0.004 (0.721) (0.462) (1.118) (−1.021) (1.351) (1.463) (−0.788) TobinQ 0.001*** 0.002*** 0.001*** 0.000* 0.002*** 0.001*** 0.001*** (6.355) (3.891) (4.495) (1.945) (6.052) (2.967) (5.490) Age 0.001** −0.000 0.002*** 0.001 0.001** −0.000 0.002*** (2.384) (−0.314) (3.974) (1.197) (2.441) (−0.006) (3.249) Ins −0.002*** −0.010*** 0.000 −0.002 −0.003* −0.004 −0.004*** (−2.581) (−3.447) (0.332) (−1.242) (−1.955) (−1.254) (−3.394) Big4 0.000 −0.000 0.002 0.006*** −0.001 −0.001 0.002* (0.401) (−0.274) (1.112) (2.795) (−1.452) (−0.267) (1.695) Salary −0.001** 0.001* −0.002*** −0.001*** −0.000 −0.000 −0.001* (−1.994) (1.841) (−4.581) (−2.905) (−0.711) (−0.316) (−1.876) Constant 0.010 −0.019 0.017* 0.034*** −0.006 0.012 0.009 (1.371) (−1.635) (1.772) (3.187) (−0.645) (0.647) (1.165) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.123 0.141 0.128 0.149 0.119 0.150 0.122 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。 表7报告了采用股利分配政策衡量掏空程度的回归结果。列（1）的结果显示，交乘项Treat
$ \times $ Post的系数在1%的水平上显著为正，表明受减持管制影响，大股东倾向于通过增发现金股利进行利益补偿，导致掏空行为加剧。列（2）和列（3）报告了按产权性质进行分组检验的结果。在非国有企业组中，Treat$ \times $ Post的系数显著为正；而在国有企业组中，该系数不显著。列（4）和列（5）报告了按实际是否发生减持进行分组检验的结果。在实际未发生减持组中，Treat$ \times $ Post的系数显著为正；而在实际发生减持组中，该系数不显著。结果表明，当大股东无法减持变现时，将有更强动机通过增发股利弥补损失，而实际发生减持的大股东则无需通过其他方式进行弥补，假说3得到验证。列（6）和列（7）报告了按两权分离度进行分组检验的结果。在两权分离度高组中，Treat$ \times $ Post的系数不显著；而在两权分离度低组中，该系数显著为正，表明两权分离度较低的公司更有动机通过激进的股利政策进行掏空，即减持管制使原本掏空动机较弱的企业产生更严重的掏空行为，假说4得到验证。表 7 减持管制对现金股利的影响
变量 Divi
主检验
(1)Divi
国有企业
(2)Divi
非国有企业
(3)Divi
实际减持
(4)Divi
实际未减持
(5)Divi
两权分离度高
(6)Divi
两权分离度低
(7)Treat×Post 0.002*** 0.001 0.002*** 0.003 0.002*** 0.002 0.003*** (4.593) (0.919) (4.872) (0.911) (5.472) (1.516) (3.661) Size 0.002*** 0.004** 0.001** 0.007** 0.003*** 0.001 0.002*** (3.947) (2.464) (2.321) (2.506) (3.687) (1.150) (3.122) ROE 0.047*** 0.106*** 0.040*** 0.124*** 0.071*** 0.102*** 0.066*** (4.581) (8.093) (9.967) (7.064) (4.391) (5.522) (4.947) Lev −0.015*** −0.054*** −0.014*** −0.072*** −0.017*** −0.029*** −0.014*** (−8.332) (−7.338) (−6.586) (−6.607) (−6.382) (−6.800) (−6.135) Top1 0.007*** 0.007 0.007*** −0.010 0.004*** 0.006 0.000 (4.676) (1.029) (5.869) (−0.590) (3.107) (1.115) (0.101) Balance 0.003** −0.006 0.003*** −0.012 0.002 −0.010** 0.001 (1.983) (−0.731) (2.681) (−0.913) (1.40) (−2.325) (0.328) Board 0.002* −0.005 0.001* −0.010 0.002** −0.002 0.001 (1.911) (−1.065) (1.766) (−1.363) (2.401) (−0.452) (0.743) Indep −0.002 −0.033** −0.004 −0.032 −0.004 −0.008 −0.000 (−0.577) (−2.570) (−1.392) (−1.344) (−1.547) (−0.714) (−0.02) TobinQ −0.001*** 0.001 −0.001*** −0.000 −0.001*** 0.000 −0.001*** (−7.451) (1.192) (−6.491) (−0.598) (−4.754) (0.099) (−5.678) Age −0.000 −0.001 0.000* −0.008 −0.001*** −0.002 −0.000 (−1.021) (−0.199) (1.862) (−0.937) (−3.331) (−0.582) (−0.229) Ins 0.001 0.002 0.000 −0.000 0.002** 0.006 0.003** (0.773) (0.418) (0.171) (−0.030) (2.130) (1.637) (2.074) Big4 0.003*** 0.001 0.001** −0.003 0.002*** −0.000 0.002 (2.812) (0.404) (2.201) (−0.307) (4.252) (−0.049) (1.590) Salary 0.001*** −0.002 0.001 0.001 0.000 0.001 0.001 (4.306) (−1.443) (1.162) (0.235) (0.411) (1.217) (0.702) Constant −0.023* 0.009 −0.015 −0.067 −0.052*** −0.023 −0.027 (−1.772) (0.216) (−1.053) (−0.978) (−2.743) (−0.768) (−1.481) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.349 0.279 0.308 0.274 0.357 0.291 0.326 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。 表8报告了采用关联交易衡量掏空程度的回归结果。列（1）的结果显示，交乘项Treat×Post的系数在1%的水平上显著为正，表明受减持管制影响，大股东更倾向于通过关联交易进行利益补偿。列（2）和列（3）报告了按产权性质进行分组检验的结果。在非国有企业组中，Treat
$ \times $ Post的系数显著为正；而在国有企业组中，该系数不显著，表明减持管制对非国有企业大股东的影响更显著。列（4）和列（5）报告了按实际是否发生减持进行分组检验的结果。在实际未发生减持组中，Treat$ \times $ Post的系数显著为正；而在实际发生减持组中，该系数不显著，表明当大股东无法减持变现时，将通过关联交易弥补损失。列（6）和列（7）报告了按两权分离度进行分组检验的结果。在两权分离度高组中，Treat$ \times $ Post的系数不显著；而在两权分离度低组中，该系数显著为正，表明减持管制使原本掏空问题较轻公司的关联交易增多。表 8 减持管制对关联交易的影响
变量 RPT
主检验
(1)RPT
国有企业
(2)RPT
非国有企业
(3)RPT
实际减持
(4)RPT
实际未减持
(5)RPT
两权分离度高
(6)RPT
两权分离度低
(7)Treat×Post 0.046*** 0.031 0.026** 0.001 0.054*** 0.013 0.050*** (3.369) (1.483) (2.021) (0.058) (3.661) (0.532) (3.075) Size −0.025*** −0.017** −0.036*** −0.020*** −0.025*** −0.027* −0.022** (−2.906) (−2.232) (−5.926) (−2.823) (−4.172) (−1.886) (−2.211) ROE 0.018 0.165 0.063 −0.139* 0.096 −0.062 0.014 (0.206) (1.602) (0.877) (−1.687) (1.255) (−0.401) (0.133) Lev 0.793*** 0.556*** 0.563*** 0.492*** 0.528*** 0.623*** 0.529*** (5.667) (4.347) (6.184) (3.681) (5.013) (4.274) (6.043) Top1 0.001 0.464*** 0.001 0.207*** −0.000 0.470*** 0.001 (0.673) (3.516) (1.321) (3.703) (−0.131) (3.955) (0.865) Balance 0.066 0.364*** 0.043 0.174*** 0.056 0.383*** 0.038 (1.334) (5.379) (1.083) (3.287) (1.367) (3.732) (0.665) Board −0.049 −0.004 −0.059** −0.045 −0.047 −0.053 −0.040 (−1.296) (−0.117) (−1.965) (−1.312) (−1.568) (−0.761) (−0.977) Indep −0.140 −0.238* −0.065 −0.154 −0.131 −0.034 −0.132 (−1.069) (−1.886) (−0.623) (−1.278) (−1.240) (−0.127) (−0.931) TobinQ −0.000 0.010* −0.004 0.002 0.003 0.001 −0.000 (−0.095) (1.663) (−1.086) (0.683) (0.526) (0.138) (−0.057) Age 0.084* 0.049 0.195*** 0.160* 0.049 0.059 0.094 (1.844) (0.458) (3.062) (1.772) (0.603) (0.664) (1.581) Ins 0.034 −0.211*** −0.011 0.003 0.019 −0.180** 0.013 (1.259) (−3.942) (−0.438) (0.091) (0.754) (−2.345) (0.454) Big4 −0.078** −0.018 −0.169*** −0.101*** −0.071*** −0.026 −0.130*** (−2.409) (−0.851) (−7.207) (−3.603) (−3.734) (−0.441) (−4.354) Salary −0.040*** −0.044*** −0.029*** −0.036*** −0.040*** −0.060*** −0.029** (−3.641) (−3.842) (−3.839) (−3.854) (−4.775) (−2.734) (−2.515) Constant 1.037*** 2.279*** 1.562** 0.440 1.808** 1.154*** 0.820*** (3.784) (2.645) (2.395) (0.481) (2.334) (2.844) (3.371) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.131 0.115 0.169 0.146 0.116 0.134 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。 -
从描述性统计结果来看，资金占用（Occupy）和股利分配政策（Divi）存在左侧受限问题，采用OLS回归可能产生估计偏误。因此，本文在稳健性检验中采用Tobit模型重新进行回归，结果如表9所示。列（1）报告了以Occupy为因变量的检验结果，Treat
$ \times $ Post的系数在5%的水平上显著为正；列（2）报告了以Divi为因变量的检验结果，Treat$ \times $ Post的系数在1%的水平上显著为正，回归结果均稳健。关联交易RPT不存在受限问题，因此本文未对其进行Tobit回归。表 9 稳健性检验：更换主检验模型
变量 Occupy
(1)Divi
(2)Treat×Post 0.001** 0.003*** (2.292) (7.701) Size 0.001** 0.003*** (2.312) (8.912) ROE −0.018*** 0.062*** (−5.921) (3.113) Lev 0.021*** −0.022*** (7.443) (−6.812) Top1 −0.013*** 0.004** (−6.501) (2.032) Balance −0.003 −0.002 (−1.474) (−1.393) Board −0.002* −0.002** (−1.752) (−2.068) Indep 0.003 −0.013*** (0.783) (−4.032) TobinQ 0.001*** −0.001*** (7.113) (−3.443) Age 0.001*** −0.009*** (2.654) (−3.559) Ins −0.002** 0.000 (−2.311) (0.172) Big4 0.000 −0.002** (0.443) (−2.251) Salary −0.001** 0.001* (−2.054) (1.842) Constant 0.017*** −0.005 (2.623) (−0.491) 年度 控制 控制 公司 控制 控制 观测值 13691 13691 Pseudo R2 0.228 0.306 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。 -
虽然本文主要考察2017年减持管制带来的影响，但2016年1月实施的减持规定也在一定程度上影响大股东减持行为。因此，为准确预测减持倾向，本文在筛选不受减持管制影响的样本时剔除2016年1月1日至2017年5月27日的公司样本，并将真实减持规模作为预测模型的因变量。此外，在预测大股东减持动机时，大股东减持样本对于全样本而言相对较少，其真实减持样本分布多集中在0处，属于受限因变量。因此，本文在更换样本的同时更换估计模型，分别采用Tobit和Poisson模型重新估计减持倾向，并根据新的减持倾向划分实验组与对照组。
表10报告了采用Tobit模型重新进行检验的结果。交乘项Treat
$ \times $ Post的系数显著为正，当掏空指标为资金占用和关联交易时，交乘项的系数在1%的水平上显著；当掏空指标为股利分配政策时，交乘项的系数在5%的水平上显著，回归结果稳健。表11报告了采用Poisson模型重新进行检验的结果。交乘项Treat×Post的系数均在1%的水平上显著，表明减持管制后大股东掏空行为加剧，具体表现为更高比例的资金占用、更激进的股利分配政策以及更多的关联交易。表 10 稳健性检验：更换减持倾向预测样本及模型（采用Tobit模型）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.002*** 0.035** 0.046*** (2.643) (2.565) (3.532) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.123 0.417 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。 表 11 稳健性检验：更换减持倾向预测样本及模型（采用Poisson模型）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.002*** 0.037*** 0.047*** (3.291) (3.218) (3.569) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.124 0.203 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。 -
为缓解样本选择可能带来的内生性问题，本文采用倾向得分匹配（PSM）法构建配对样本，重新对主检验进行回归分析。其中，匹配变量包括公司规模、盈利能力、营业收入增长率等，采用1比1近邻匹配的方法。表12报告了基于PSM匹配样本的主回归结果：列（1）中，交乘项Treat
$ \times $ Post的系数为0.001，且在5%的水平上显著；列（2）和列（3）中，交乘项Treat$ \times $ Post的系数分别为0.002和0.055，且均在1%的水平上显著。上述结果进一步验证了主回归结果的稳健性。表 12 稳健性检验：倾向得分匹配（PSM）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.001** 0.002*** 0.055*** (2.021) (4.327) (3.691) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 11474 11474 11474 Adjusted R2 0.118 0.417 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。 -
为增强结果稳健性，本文更换掏空行为衡量指标。首先，在股利分配政策方面，采用总资产标准化的现金股利（Divi_asset）和总收入标准化的现金股利（Divi_reve）来衡量。其次，在关联交易方面，剔除合作项目、许可协议、研究与开发成果、关键管理人员报酬以及其他事项这五类与掏空程度相关性较小的交易类别，将调整后的关联交易金额总和除以总资产（RPT_Adj）作为衡量掏空程度的替代变量。表13报告了更换核心变量后的回归结果：当解释变量为Divi_assest时，Treat
$ \times $ Post的系数在1%的水平上显著为正；当解释变量为Divi_reve时，Treat$ \times $ Post的系数在5%的水平上显著为正；当解释变量为RPT_Adj时，Treat$ \times $ Post的系数在5%的水平上显著为正。上述结果表明，本文主回归结果稳健。表 13 稳健性检验：更换核心变量
变量 Divi_asset
(1)Divi_reve
(2)RPT_Adj
(3)Treat×Post 0.002*** 0.004** 0.025** (2.643) (2.137) (1.993) Size 0.000 0.005*** −0.033*** (0.189) (2.744) (−4.067) ROE 0.080*** 0.105*** 0.001 (11.603) (8.332) (0.014) Lev −0.028*** −0.066*** 0.502*** (−7.922) (−8.620) (8.283) Top1 0.002 −0.002 0.292*** (0.403) (−0.190) (4.072) Balance −0.001 −0.002 0.213*** (−1.434) (−0.843) (3.824) Board −0.001 −0.005 −0.042 (−0.269) (−0.945) (−1.206) Indep −0.009 −0.025 −0.138 (−1.086) (−1.430) (−1.105) TobinQ −0.000 −0.001 0.004 (−0.184) (−1.028) (1.043) Age −0.002 −0.008 0.046 (−0.936) (−1.341) (1.052) Ins −0.000 0.000 −0.053* (−0.016) (0.025) (−1.840) Big4 −0.002 −0.003 −0.070** (−0.852) (−0.396) (−2.334) Salary 0.002* 0.000 −0.039*** (1.901) (0.185) (−3.702) Constant 0.002 −0.041 1.801*** (0.069) (−0.839) (3.714) 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.693 0.659 0.136 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。 -
本文基于管制理论与交易成本理论，研究了减持管制在公司层面产生的经济后果，重点考察了减持管制对大股东在公司经营决策方面的影响。研究发现，减持管制加剧了大股东的掏空行为，具体表现为更多的资金占用、更激进的股利分配政策以及更多的关联交易。这种掏空行为在产权性质为非国有、实际未发生减持以及两权分离度较低的企业中更显著。原因在于，非国有企业在管制前本就具有较强的减持动机，因而受减持管制的影响更大；而大股东实际未发生减持，则表明其减持行为受到更强的外部约束，从而更有动机通过企业内部渠道寻求其他形式的利益补偿。
本文从实证角度揭示了减持管制可能带来的负面效应，这部分负面效应构成了管制的成本，也是为保护中小投资者所付出的代价。内部人减持变现是其分享公司价值、获取直接经济利益的重要途径，当这一途径因管制受到显著抑制时，大股东未必会转向有利于企业长期发展的经营决策。表面上看，股份减持规模有所下降，更多股份被长期持有，但实际上可能存在更为隐蔽的公司价值损害行为。本文所揭示的大股东减持管制带来的负面经济后果，为有效规范和引导大股东的交易行为提供了参考，有助于推动监管部门从成本与收益的综合视角审视监管制度的有效性，从而在制度设计、执法监督与风险处置等方面进一步优化政策。
基于上述研究发现，本文提出以下政策建议：一方面，在内部人减持渠道方面，可适度放宽场外交易制度的限制，在维持竞价交易市场严格监管的同时，丰富场外交易方式。这既有助于缓解竞价市场压力，又能提高资本市场流动性，为内部人提供合理的减持通道，从而削弱其通过掏空行为进行利益补偿的动机。另一方面，内部人交易监管主要针对已发生减持交易的公司，监管部门应关注其是否合规减持；而对于未发生内部人减持的企业，应关注其公司治理水平，原因在于这类公司的内部人可能通过其他更为隐蔽的方式满足其现金流需求，进而引发其他违规经营行为，如更高的财务错报与舞弊风险。
-
摘要: 减持管制是针对内部人减持本公司股份行为所实施的制度性约束。已有研究主要探讨减持管制的积极影响，较少关注管制成本等消极影响。文章采用双重差分模型，以证监会2017年5月发布的减持管制政策作为外部事件冲击，检验减持管制的经济后果。研究结果表明，减持管制导致大股东面临较高的择时成本和信息披露成本。为规避减持管制带来的过高交易成本，大股东会通过掏空行为进行利益补偿，具体表现为更多的资金占用、更激进的股利政策以及更多的关联交易。进一步分析发现，减持管制所导致的大股东掏空行为在产权性质为非国有、实际未发生减持以及两权分离度较低的公司中更显著；相比于减持倾向较低的对照组公司，减持倾向较高的实验组公司受到更严格的管制，大股东掏空行为更显著。
Does the Regulation on Shareholding Reduction Affect Tunneling by Major Shareholders in Listed Companies?
Abstract: The regulation on shareholding reduction refers to the institutional constraints on major shareholders’ shareholding reduction transactions in listed companies. Existing research has primarily focused on the positive effects of reduction regulation, paying less attention to their negative impacts such as regulatory costs. This paper employs a difference-in-differences model, using the reduction regulation policy issued by the Securities Regulatory Commission in May 2017 as an exogenous shock, to examine the economic consequences of the regulation. The results show that reduction regulation leads to higher timing costs and information disclosure costs for major shareholders. To avoid the excessive transaction costs imposed by the regulation, major shareholders engage in tunneling for compensation, manifested as increased fund occupation, more aggressive dividend policies, and more related-party transactions. Further analysis reveals that the tunneling induced by reduction regulation is more pronounced in non-state-owned enterprises, firms with no actual reductions, and firms with a lower degree of separation between ownership and control. Moreover, Compared to control firms with lower propensity to reduce holdings, those with higher propensity are more affected by the regulation and exhibit more significant tunneling by major shareholders. -
表 1 模型（1）中变量的定义
变量 定义 Top_sell 第一大股东当期实际减持规模，减持金额/流通总市值 Top1 期初第一大股东持股比例 Central ln（期初第一大股东/第二至第五大股东持股之和） Ins 年初机构投资者持股比例 CAR 年度个股超额收益率 Pledge 上期期末股权质押比例 Lev 资产负债率 MB 市值账面比 Cashflow 经营活动现金流净额/总资产 PE 市盈率，ln（每股市价/每股收益） EPS 每股收益，净利润/总股本 DA 会计信息质量，采用可操纵应计利润衡量 Risk 企业破产风险指数，采用Altman Z指数衡量（Altman，2000） EPU 经济政策不确定性指数，参考Huang和Luk（2020）的方法计算 
下载: 导出CSV
表 2 模型（1）中变量的描述性统计（N=13691）
变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值 Top_sell 0.004 0.015 0 0 0 0 0.093 Top1 0.352 0.151 0.088 0.232 0.333 0.453 0.750 Central 1.301 0.755 0.320 0.712 1.103 1.729 3.604 Ins 0.064 0.075 0 0.011 0.036 0.091 0.355 CAR 0.134 0.373 −0.617 −0.125 0.078 0.344 1.133 Pledge 0.102 0.143 0 0 0.002 0.177 0.547 Lev 0.445 0.210 0.063 0.276 0.434 0.610 0.925 MB 2.579 2.198 0.209 1.055 1.934 3.342 10.272 Cashflow 0.042 0.069 −0.166 0.004 0.041 0.083 0.243 PE 3.721 1.682 2.433 3.154 3.908 4.700 6.974 EPS 0.284 0.467 −1.204 0.062 0.214 0.457 2.143 DA 0.012 0.106 −0.318 −0.035 0.015 0.061 0.361 Risk 1.764 0.812 0.242 1.157 1.655 2.247 3.854 EPU 4.966 0.089 4.837 4.837 5.021 5.032 5.032
下载: 导出CSV
表 3 样本分布
组别（Treat） 样本量 占比
（%）累计百分比
（%）0（对照组） 7462 54.5 54.5 1（实验组） 6229 45.5 100 政策期（Post） 样本量 占比
（%）累计百分比
（%）0（政策实施前） 7106 51.9 51.9 1（政策实施后） 6585 48.1 100 总计 13691 100
下载: 导出CSV
表 4 模型（2）中变量的定义
变量 定义 Occupy 资金占用，其他应收款/总资产 Divi 股利分配政策，年度现金股利/总市值 RPT 关联交易，关联交易金额/总资产 Treat 处理组虚拟变量，实验组为1，对照组为0 Post 政策实施虚拟变量，若年份$\geqslant $2017年则取值为1，否则为0 Size 公司规模，ln（总资产） ROE 净资产收益率 Lev 资产负债率 Top1 第一大股东持股比例 Balance 股权制衡，第二大股东至第十大股东持股比例之和 Board 董事会规模，ln（董事会人数） Indep 独立董事人数/董事会人数 TobinQ 公司成长性，（流通股市值+非流通股股份数×每股净资产+负债账面值）/总资产 Age 上市年限，ln（当期年份−上市年份） Ins 机构投资者持股比例 Big4 是否由国际“四大”会计师事务所审计，是为1，否则为0 Salary 高管薪酬，ln（前三名高管薪酬）
下载: 导出CSV
表 5 模型（2）中变量的描述性统计（N=13691）
变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值 Occupy 0.015 0.023 0 0.003 0.008 0.017 0.136 Divi 0.010 0.013 0 0.001 0.005 0.014 0.067 RPT 0.346 0.433 0.001 0.057 0.204 0.462 2.505 Size 22.496 1.274 20.127 21.605 22.324 23.227 26.360 ROE 0.088 0.069 0.003 0.038 0.073 0.119 0.358 Lev 0.428 0.194 0.063 0.276 0.421 0.574 0.857 Top1 0.347 0.145 0.096 0.233 0.327 0.445 0.738 Balance 0.233 0.123 0.027 0.135 0.222 0.320 0.541 Board 2.127 0.198 1.609 1.946 2.197 2.197 2.708 Indep 0.376 0.053 0.333 0.333 0.364 0.429 0.571 TobinQ 2.408 1.743 0.842 1.288 1.844 2.860 10.725 Age 2.408 0.593 1.386 1.946 2.398 2.944 3.296 Ins 0.426 0.231 0.002 0.246 0.442 0.607 0.880 Big4 0.062 0.241 0 0 0 0 1 Salary 14.543 0.674 12.996 14.095 14.509 14.931 16.475
下载: 导出CSV
表 6 减持管制对资金占用的影响
变量 Occupy
主检验
(1)Occupy
国有企业
(2)Occupy
非国有企业
(3)Occupy
实际减持
(4)Occupy
实际未减持
(5)Occupy
两权分离度高
(6)Occupy
两权分离度低
(7)Treat×Post 0.001** 0.001 0.002** 0.001 0.002** 0.001 0.001* (2.231) (0.841) (1.962) (0.637) (2.265) (1.167) (1.665) Size 0.001** 0.001* 0.001* 0.000 0.001** 0.000 0.001** (2.032) (1.701) (1.932) (0.674) (2.341) (0.345) (2.137) ROE −0.018*** −0.019*** −0.018*** −0.018*** −0.017*** −0.013 −0.019*** (−5.045) (−3.064) (−4.201) (−3.714) (−3.612) (−1.606) (−5.349) Lev 0.011*** 0.011** 0.011*** 0.015*** 0.008*** 0.023*** 0.020*** (3.875) (2.172) (3.177) (3.942) (2.624) (6.787) (8.993) Top1 −0.009** −0.001 −0.014*** −0.013*** −0.012*** −0.015*** −0.010*** (−2.472) (−0.245) (−5.986) (−4.971) (−4.585) (−3.022) (−4.211) Balance −0.003 0.001 −0.004* −0.003 −0.004 0.006 −0.007*** (−1.412) (0.200) (−1.711) (−0.842) (−1.472) (1.065) (−2.943) Board −0.002 −0.002 0.000 −0.002 −0.003 −0.005 −0.001 (−1.574) (−1.291) (0.024) (−1.043) (−1.440) (−1.232) (−0.392) Indep 0.003 0.003 0.007 −0.006 0.008 0.020 −0.004 (0.721) (0.462) (1.118) (−1.021) (1.351) (1.463) (−0.788) TobinQ 0.001*** 0.002*** 0.001*** 0.000* 0.002*** 0.001*** 0.001*** (6.355) (3.891) (4.495) (1.945) (6.052) (2.967) (5.490) Age 0.001** −0.000 0.002*** 0.001 0.001** −0.000 0.002*** (2.384) (−0.314) (3.974) (1.197) (2.441) (−0.006) (3.249) Ins −0.002*** −0.010*** 0.000 −0.002 −0.003* −0.004 −0.004*** (−2.581) (−3.447) (0.332) (−1.242) (−1.955) (−1.254) (−3.394) Big4 0.000 −0.000 0.002 0.006*** −0.001 −0.001 0.002* (0.401) (−0.274) (1.112) (2.795) (−1.452) (−0.267) (1.695) Salary −0.001** 0.001* −0.002*** −0.001*** −0.000 −0.000 −0.001* (−1.994) (1.841) (−4.581) (−2.905) (−0.711) (−0.316) (−1.876) Constant 0.010 −0.019 0.017* 0.034*** −0.006 0.012 0.009 (1.371) (−1.635) (1.772) (3.187) (−0.645) (0.647) (1.165) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.123 0.141 0.128 0.149 0.119 0.150 0.122 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 7 减持管制对现金股利的影响
变量 Divi
主检验
(1)Divi
国有企业
(2)Divi
非国有企业
(3)Divi
实际减持
(4)Divi
实际未减持
(5)Divi
两权分离度高
(6)Divi
两权分离度低
(7)Treat×Post 0.002*** 0.001 0.002*** 0.003 0.002*** 0.002 0.003*** (4.593) (0.919) (4.872) (0.911) (5.472) (1.516) (3.661) Size 0.002*** 0.004** 0.001** 0.007** 0.003*** 0.001 0.002*** (3.947) (2.464) (2.321) (2.506) (3.687) (1.150) (3.122) ROE 0.047*** 0.106*** 0.040*** 0.124*** 0.071*** 0.102*** 0.066*** (4.581) (8.093) (9.967) (7.064) (4.391) (5.522) (4.947) Lev −0.015*** −0.054*** −0.014*** −0.072*** −0.017*** −0.029*** −0.014*** (−8.332) (−7.338) (−6.586) (−6.607) (−6.382) (−6.800) (−6.135) Top1 0.007*** 0.007 0.007*** −0.010 0.004*** 0.006 0.000 (4.676) (1.029) (5.869) (−0.590) (3.107) (1.115) (0.101) Balance 0.003** −0.006 0.003*** −0.012 0.002 −0.010** 0.001 (1.983) (−0.731) (2.681) (−0.913) (1.40) (−2.325) (0.328) Board 0.002* −0.005 0.001* −0.010 0.002** −0.002 0.001 (1.911) (−1.065) (1.766) (−1.363) (2.401) (−0.452) (0.743) Indep −0.002 −0.033** −0.004 −0.032 −0.004 −0.008 −0.000 (−0.577) (−2.570) (−1.392) (−1.344) (−1.547) (−0.714) (−0.02) TobinQ −0.001*** 0.001 −0.001*** −0.000 −0.001*** 0.000 −0.001*** (−7.451) (1.192) (−6.491) (−0.598) (−4.754) (0.099) (−5.678) Age −0.000 −0.001 0.000* −0.008 −0.001*** −0.002 −0.000 (−1.021) (−0.199) (1.862) (−0.937) (−3.331) (−0.582) (−0.229) Ins 0.001 0.002 0.000 −0.000 0.002** 0.006 0.003** (0.773) (0.418) (0.171) (−0.030) (2.130) (1.637) (2.074) Big4 0.003*** 0.001 0.001** −0.003 0.002*** −0.000 0.002 (2.812) (0.404) (2.201) (−0.307) (4.252) (−0.049) (1.590) Salary 0.001*** −0.002 0.001 0.001 0.000 0.001 0.001 (4.306) (−1.443) (1.162) (0.235) (0.411) (1.217) (0.702) Constant −0.023* 0.009 −0.015 −0.067 −0.052*** −0.023 −0.027 (−1.772) (0.216) (−1.053) (−0.978) (−2.743) (−0.768) (−1.481) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.349 0.279 0.308 0.274 0.357 0.291 0.326 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 8 减持管制对关联交易的影响
变量 RPT
主检验
(1)RPT
国有企业
(2)RPT
非国有企业
(3)RPT
实际减持
(4)RPT
实际未减持
(5)RPT
两权分离度高
(6)RPT
两权分离度低
(7)Treat×Post 0.046*** 0.031 0.026** 0.001 0.054*** 0.013 0.050*** (3.369) (1.483) (2.021) (0.058) (3.661) (0.532) (3.075) Size −0.025*** −0.017** −0.036*** −0.020*** −0.025*** −0.027* −0.022** (−2.906) (−2.232) (−5.926) (−2.823) (−4.172) (−1.886) (−2.211) ROE 0.018 0.165 0.063 −0.139* 0.096 −0.062 0.014 (0.206) (1.602) (0.877) (−1.687) (1.255) (−0.401) (0.133) Lev 0.793*** 0.556*** 0.563*** 0.492*** 0.528*** 0.623*** 0.529*** (5.667) (4.347) (6.184) (3.681) (5.013) (4.274) (6.043) Top1 0.001 0.464*** 0.001 0.207*** −0.000 0.470*** 0.001 (0.673) (3.516) (1.321) (3.703) (−0.131) (3.955) (0.865) Balance 0.066 0.364*** 0.043 0.174*** 0.056 0.383*** 0.038 (1.334) (5.379) (1.083) (3.287) (1.367) (3.732) (0.665) Board −0.049 −0.004 −0.059** −0.045 −0.047 −0.053 −0.040 (−1.296) (−0.117) (−1.965) (−1.312) (−1.568) (−0.761) (−0.977) Indep −0.140 −0.238* −0.065 −0.154 −0.131 −0.034 −0.132 (−1.069) (−1.886) (−0.623) (−1.278) (−1.240) (−0.127) (−0.931) TobinQ −0.000 0.010* −0.004 0.002 0.003 0.001 −0.000 (−0.095) (1.663) (−1.086) (0.683) (0.526) (0.138) (−0.057) Age 0.084* 0.049 0.195*** 0.160* 0.049 0.059 0.094 (1.844) (0.458) (3.062) (1.772) (0.603) (0.664) (1.581) Ins 0.034 −0.211*** −0.011 0.003 0.019 −0.180** 0.013 (1.259) (−3.942) (−0.438) (0.091) (0.754) (−2.345) (0.454) Big4 −0.078** −0.018 −0.169*** −0.101*** −0.071*** −0.026 −0.130*** (−2.409) (−0.851) (−7.207) (−3.603) (−3.734) (−0.441) (−4.354) Salary −0.040*** −0.044*** −0.029*** −0.036*** −0.040*** −0.060*** −0.029** (−3.641) (−3.842) (−3.839) (−3.854) (−4.775) (−2.734) (−2.515) Constant 1.037*** 2.279*** 1.562** 0.440 1.808** 1.154*** 0.820*** (3.784) (2.645) (2.395) (0.481) (2.334) (2.844) (3.371) 年度 控制 控制 控制 控制 控制 控制 控制 公司 控制 控制 控制 控制 控制 控制 控制 观测值 13691 5088 8603 5230 8461 5593 8098 Adjusted R2 0.131 0.115 0.169 0.146 0.116 0.134 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 9 稳健性检验：更换主检验模型
变量 Occupy
(1)Divi
(2)Treat×Post 0.001** 0.003*** (2.292) (7.701) Size 0.001** 0.003*** (2.312) (8.912) ROE −0.018*** 0.062*** (−5.921) (3.113) Lev 0.021*** −0.022*** (7.443) (−6.812) Top1 −0.013*** 0.004** (−6.501) (2.032) Balance −0.003 −0.002 (−1.474) (−1.393) Board −0.002* −0.002** (−1.752) (−2.068) Indep 0.003 −0.013*** (0.783) (−4.032) TobinQ 0.001*** −0.001*** (7.113) (−3.443) Age 0.001*** −0.009*** (2.654) (−3.559) Ins −0.002** 0.000 (−2.311) (0.172) Big4 0.000 −0.002** (0.443) (−2.251) Salary −0.001** 0.001* (−2.054) (1.842) Constant 0.017*** −0.005 (2.623) (−0.491) 年度 控制 控制 公司 控制 控制 观测值 13691 13691 Pseudo R2 0.228 0.306 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
表 10 稳健性检验：更换减持倾向预测样本及模型（采用Tobit模型）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.002*** 0.035** 0.046*** (2.643) (2.565) (3.532) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.123 0.417 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。
下载: 导出CSV
表 11 稳健性检验：更换减持倾向预测样本及模型（采用Poisson模型）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.002*** 0.037*** 0.047*** (3.291) (3.218) (3.569) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.124 0.203 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。
下载: 导出CSV
表 12 稳健性检验：倾向得分匹配（PSM）
变量 Occupy
(1)Divi
(2)RPT
(3)Treat×Post 0.001** 0.002*** 0.055*** (2.021) (4.327) (3.691) Controls 控制 控制 控制 年度 控制 控制 控制 公司 控制 控制 控制 观测值 11474 11474 11474 Adjusted R2 0.118 0.417 0.134 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著；限于篇幅，控制变量的回归结果未报告，资料备索。
下载: 导出CSV
表 13 稳健性检验：更换核心变量
变量 Divi_asset
(1)Divi_reve
(2)RPT_Adj
(3)Treat×Post 0.002*** 0.004** 0.025** (2.643) (2.137) (1.993) Size 0.000 0.005*** −0.033*** (0.189) (2.744) (−4.067) ROE 0.080*** 0.105*** 0.001 (11.603) (8.332) (0.014) Lev −0.028*** −0.066*** 0.502*** (−7.922) (−8.620) (8.283) Top1 0.002 −0.002 0.292*** (0.403) (−0.190) (4.072) Balance −0.001 −0.002 0.213*** (−1.434) (−0.843) (3.824) Board −0.001 −0.005 −0.042 (−0.269) (−0.945) (−1.206) Indep −0.009 −0.025 −0.138 (−1.086) (−1.430) (−1.105) TobinQ −0.000 −0.001 0.004 (−0.184) (−1.028) (1.043) Age −0.002 −0.008 0.046 (−0.936) (−1.341) (1.052) Ins −0.000 0.000 −0.053* (−0.016) (0.025) (−1.840) Big4 −0.002 −0.003 −0.070** (−0.852) (−0.396) (−2.334) Salary 0.002* 0.000 −0.039*** (1.901) (0.185) (−3.702) Constant 0.002 −0.041 1.801*** (0.069) (−0.839) (3.714) 年度 控制 控制 控制 公司 控制 控制 控制 观测值 13691 13691 13691 Adjusted R2 0.693 0.659 0.136 注：括号内为稳健t统计量，***、**、*分别代表在1%、5%、10%水平上显著。
下载: 导出CSV
-
[1] 陈克兢, 姜林, 熊熊, 杨国超. 2024. 小股东能监督大股东吗——来自“监管型小股东”的证据. 会计研究 (1): 152−163. doi: 10.3969/j.issn.1003-2886.2024.01.012 [2] 陈信元, 陈冬华, 时旭. 2003. 公司治理与现金股利: 基于佛山照明的案例研究. 管理世界 (8): 118−126. [3] 陈运森, 蒋艳, 何玉润. 2022. 违规经营投资责任追究与国有企业风险承担. 会计研究 (4): 53−70. doi: 10.3969/j.issn.1003-2886.2022.04.004 [4] 杜勇, 眭鑫. 2021. 控股股东股权质押与实体企业金融化——基于“掏空”与控制权转移的视角. 会计研究 (2): 102−119. doi: 10.3969/j.issn.1003-2886.2021.02.008 [5] 冯荟凝, 许荣, 方明浩, 徐星美. 2024. 媒体背景高管与内部人交易收益: 推波助澜还是有效监督? 会计研究 (8): 73−85. [6] 高雷, 何少华, 黄志忠. 2006. 公司治理与掏空. 经济学(季刊) (3): 1157−1178. [7] 韩鹏飞, 胡奕明, 何玉, 王海峰. 2018. 企业集团运行机制研究: 掏空、救助还是风险共担? 管理世界 (5): 120−136. [8] 何慧华, 方军雄. 2021. 监管型小股东的治理效应: 基于财务重述的证据. 管理世界 (12): 176−195. doi: 10.3969/j.issn.1002-5502.2021.12.012 [9] 侯青川, 靳庆鲁, 苏玲, 于潇潇. 2017. 放松卖空管制与大股东“掏空”. 经济学(季刊) (3): 1143−1172. [10] 胡聪慧, 齐云飞. 2021. 资本市场与企业投融资决策——来自新股定价制度调整的证据. 经济研究 (8): 91−108. [11] 李姝, 翟士运, 古朴. 2018. 非控股股东参与决策的积极性与企业技术创新. 中国工业经济 (7): 155−173. [12] 李婉丽, 吕怀立, 陈丽英. 2008. 不同性质控股股东“掏空”方式选择研究. 山西财经大学学报 (11): 53−58. doi: 10.3969/j.issn.1007-9556.2008.11.010 [13] 李增泉, 孙铮, 王志伟. 2004. “掏空”与所有权安排——来自我国上市公司大股东资金占用的经验证据. 会计研究 (12): 3−13. doi: 10.3969/j.issn.1003-2886.2004.12.001 [14] 刘海明, 曹廷求. 2018. 续贷限制对微观企业的经济效应研究. 经济研究 (4): 108−121. [15] 刘慧龙, 张玲玲, 谢婧. 2022. 税收征管数字化升级与企业关联交易治理. 管理世界 (6): 158−176. [16] 刘少波, 马超. 2016. 经理人异质性与大股东掏空抑制. 经济研究 (4): 129−145. [17] 刘馨茗, 吴浩翔, 胡锋, 王佳妮. 2021. 中小投资者行权会影响审计费用吗? ——基于多时点双重差分模型的实证研究. 审计研究 (6): 80−89. [18] 刘星, 台文志. 2020. 薪酬管制影响央企投资效率吗——基于《薪酬制度改革方案》的经验证据. 会计研究 (10): 112−126. doi: 10.3969/j.issn.1003-2886.2020.10.008 [19] 鲁桂华, 张静, 刘保良. 2017. 中国上市公司自愿性积极业绩预告: 利公还是利私——基于大股东减持的经验证据. 南开管理评论 (2): 133−143. doi: 10.3969/j.issn.1008-3448.2017.02.012 [20] 罗党论, 唐清泉. 2007. 市场环境与控股股东“掏空”行为研究——来自中国上市公司的经验证据. 会计研究 (4): 69−74. doi: 10.3969/j.issn.1003-2886.2007.04.010 [21] 马磊, 徐向艺. 2010. 两权分离度与公司治理绩效实证研究. 中国工业经济 (12): 108−116. [22] 马勇, 王媛媛, 章洪铭. 2023. 内部人减持与公司债信用利差. 会计研究 (10): 75−87. doi: 10.3969/j.issn.1003-2886.2023.10.006 [23] 齐保垒, 孙泽宇. 2023. 资本市场开放与内部人机会主义减持——基于沪深港通交易制度的准自然实验. 会计研究 (5): 95−108. doi: 10.3969/j.issn.1003-2886.2023.05.007 [24] 钱雪松, 方胜. 2017. 担保物权制度改革影响了民营企业负债融资吗? ——来自中国《物权法》自然实验的经验证据. 经济研究 (5): 146−160. [25] 苏冬蔚, 熊家财. 2013. 大股东掏空与CEO薪酬契约. 金融研究 (12): 167−180. [26] 孙淑伟, 梁上坤, 阮刚铭, 付宇翔. 2017. 高管减持、信息压制与股价崩盘风险. 金融研究 (11): 175−190. [27] 孙晓燕, 刘亦舒. 2021. 股权质押、员工持股计划与大股东自利行为. 会计研究 (4): 117−129. doi: 10.3969/j.issn.1003-2886.2021.04.010 [28] 唐齐鸣, 赵传玺, 赵袁军. 2018. 减持新规对大宗交易市场筛选股票能力的影响——基于双重差分模型的实证检验. 证券市场导报 (12): 41−47. [29] 万华林, 冯帆, 赵山. 2025. 双重股权代理冲突下的股权激励研究——基于关系型契约的视角. 会计与经济研究 (1): 44−65. [30] 王克敏, 廉鹏, 向阳. 2009. 上市公司“出身”与盈余质量研究. 中国会计评论 (1): 3−28. [31] 王亮亮. 2018. 控股股东“掏空”与“支持”: 企业所得税的影响. 金融研究 (2): 172−189. [32] 王鹏, 周黎安. 2006. 控股股东的控制权、所有权与公司绩效: 基于中国上市公司的证据. 金融研究 (2): 88−98. [33] 吴磊磊, 陈伟忠, 刘敏慧. 2011. 公司章程和小股东保护——来自累积投票条款的实证检验. 金融研究 (2): 160−171. [34] 辛宇, 黄欣怡, 纪蓓蓓. 2020. 投资者保护公益组织与股东诉讼在中国的实践——基于中证投服证券支持诉讼的多案例研究. 管理世界 (1): 69−87. doi: 10.3969/j.issn.1002-5502.2020.01.009 [35] 徐细雄, 刘星. 2013. 放权改革、薪酬管制与企业高管腐败. 管理世界 (3): 119−132. [36] 徐玉德, 张昉. 2018. 国企高管薪酬管制效率分析——一个基于信息租金的分析框架. 会计研究 (5): 44−51. doi: 10.3969/j.issn.1003-2886.2018.05.006 [37] 杨瑞龙, 王元, 聂辉华. 2013. “准官员”的晋升机制: 来自中国央企的证据. 管理世界 (3): 23−33. [38] 叶康涛, 陆正飞, 张志华. 2007. 独立董事能否抑制大股东的“掏空”? 经济研究 (4): 101−111. [39] 易志高, 李心丹, 潘子成, 茅宁. 2019. 公司高管减持同伴效应与股价崩盘风险研究. 经济研究 (11): 54−70. [40] 于李胜, 王艳艳. 2010. 政府管制是否能够提高审计市场绩效? 管理世界 (8): 7−20. [41] 曾庆生, 周波, 张程, 陈信元. 2018. 年报语调与内部人交易: “表里如一”还是“口是心非”? 管理世界 (9): 143−160. [42] 张程, 曾庆生, 贺惠宇. 2020. 事前披露能够降低董监高减持的获利能力吗? ——基于中国“减持新规”的实证检验. 金融研究 (3): 189−206. [43] 张洪辉, 章琳一, 张蕊. 2016. 内部控制与关联交易: 基于效率促进观和掏空观分析. 审计研究 (5): 89−97. [44] 张奇峰. 2005. 政府管制提高会计师事务所声誉吗? ——来自中国证券市场的经验证据. 管理世界 (12): 14−23. [45] 章晟, 景辛辛, 苏姣. 2019. 规范大股东减持能有效抑制股价波动吗? ——基于《减持新规》[9号文]的自然实验. 证券市场导报 (3): 13−23. [46] 张祥建, 王东静, 徐晋. 2007. 关联交易与控制性股东的“隧道行为”. 南方经济 (5): 53−64. doi: 10.3969/j.issn.1000-6249.2007.05.006 [47] 赵国宇. 2017. 大股东控股、报酬契约与合谋掏空——来自民营上市公司的经验证据. 外国经济与管理 (7): 105−117. [48] 郑国坚, 林东杰, 林斌. 2014. 大股东股权质押、占款与企业价值. 管理科学学报 (9): 72−87. [49] 郑国坚, 林东杰, 张飞达. 2013. 大股东财务困境、掏空与公司治理的有效性——来自大股东财务数据的证据. 管理世界 (5): 157−168. [50] 朱茶芬, 陈俊, 郑柳. 2021. 大股东减持计划新规的经济影响与新交易模式研究. 会计研究 (6): 104−118. doi: 10.3969/j.issn.1003-2886.2021.06.008 [51] 祝继高, 李天时, YANG Tianxia. 2021. 董事会中的不同声音: 非控股股东董事的监督动机与监督效果. 经济研究 (5): 180−198. [52] Alchian, A. A., and R. A. Kessel. 1962. Competition, monopoly and the pursuit of pecuniary gain. Princeton: Princeton University Press. [53] Altman, E. I. 2000. Predicting financial distress of companies: Revisiting Z-score and ZETA models. New York University. [54] Campello, M., and M. Larrain. 2016. Enlarging the contracting space: Collateral menus, access to credit, and economic activity. The Review of Financial Studies 29(2): 349−383. doi: 10.1093/rfs/hhv069 [55] Claessens, S., S. Djankov, and L. H. Lang. 2000. The separation of ownership and control in East Asian corporations. Journal of Financial Economics 58(1-2): 81−112. doi: 10.1016/S0304-405X(00)00067-2 [56] Coase, R. H. 1960. The problem of social cost. The Journal of Law and Economics 56(4): 837−877. [57] Dyck, A., and L. Zingales. 2004. Private benefits of control: An international comparison. The Journal of Finance 59(2): 537−600. doi: 10.1111/j.1540-6261.2004.00642.x [58] Fernandes, N., and M. A. Ferreira. 2009. Insider trading laws and stock price informativeness. The Review of Financial Studies 22(5): 1845−1887. doi: 10.1093/rfs/hhn066 [59] Grossman, S. J., and O. D. Hart. 1988. One share-one vote and the market for corporate control. Journal of Financial Economics 20: 175−202. [60] Huang, Y., and P. Luk. 2020. Measuring economic policy uncertainty in China. China Economic Review 59(1): 45−101. [61] Johnson, S., R. La Porta, F. Lopez-de-Silanes, and A. Shleifer. 2000. Tunneling. The American Economic Review 90(2): 22−27. doi: 10.1257/aer.90.2.22 [62] La Porta, R., F. Lopez-de-Silanes, and A. Shleifer. 1999. Corporate ownership around the world. The Journal of Finance 54(2): 471−517. doi: 10.1111/0022-1082.00115 [63] La Porta, R., F. Lopez-de-Silanes, and R. Vishny. 2002. Investor protection and corporate valuation. The Journal of Finance 57(3): 1147−1170. doi: 10.1111/1540-6261.00457 [64] Manne, H. G. 1966. Insider trading and the administrative process. George Washington Law Review 35(3): 473−495. [65] Nenova, T. 2003. The value of corporate voting rights and control: A cross-country analysis. Journal of Financial Economics 68(3): 325−351. doi: 10.1016/S0304-405X(03)00069-2 [66] Shleifer, A., and D. Wolfenzon. 2002. Investor protection and equity markets. Journal of Financial Economics 66(1): 3−27. doi: 10.1016/S0304-405X(02)00149-6 [67] Vig, V. 2013. Access to collateral and corporate debt structure: Evidence from a natural experiment. The Journal of Finance 68(3): 881−928. doi: 10.1111/jofi.12020 [68] Wang, Q., T. J. Wong, and L. Xia. 2008. State ownership, the institutional environment, and auditor choice: Evidence from China. Journal of Accounting and Economics 46(1): 112−134. doi: 10.1016/j.jacceco.2008.04.001 [69] Xu, Y., and Y. Yao. 2015. Informal institutions, collective action, and public investment in rural China. American Political Science Review 109(2): 371−391. doi: 10.1017/S0003055415000155
点击查看大图
表(13)
计量
- 文章访问数: 15
- HTML全文浏览量: 11
- PDF下载量: 1
- 被引次数: 0
