-
新冠肺炎（COVID-19）疫情是新中国成立以来传播速度最快、感染范围最广、防控难度最大的重大突发公共卫生事件①。此次事件对全球具有广泛冲击力，具有紧急性和不确定性等特征，对社会正常秩序提出了挑战。疫情引发的公共危机通常具有强大的物理和心理破坏力（张国清，2003），产生的不确定性给企业资金周转带来压力（朱武祥等，2020），给资本市场带来波动，金融稳定面临极大威胁。2020年2月3日，上证综指下跌7.72%，沪深两市超3200只股票出现跌停，占比85%以上，数量与占比均创历史新高。
股票市场大幅下跌，可能导致股票市场的融资功能受损，企业融资成本提高，投资者财富减少，消费与需求降低，从而引发社会矛盾；还会导致金融企业出现亏损，行业动荡引发连锁反应。因此，金融稳定关系到整个社会的稳定。股票市场急剧下跌有两方面原因：一是疫情初期，病毒本身的快速传播与其致命性，容易导致社会失衡，民众出现不稳定情绪，即“情绪路径”；二是为降低疫情扩散，企业被迫停产停工，导致营业收入减少，资金压力倍增，即“经营路径”。可见，A股上市公司在疫情中面临三重压力：疫情压力、经营压力与股票市场压力。
在受到冲击后迅速恢复功能并提高适应能力，是一国经济韧性的体现。王永贵和高佳（2020）指出，面对新冠疫情，要高度重视和深刻认识中国经济转型升级的微观基础，大力提高企业韧性，推动企业转型升级，增强竞争能力，为提升中国经济的韧性和经济的高质量转型升级奠定微观基础。快速恢复股票市场的正常秩序，不能仅仅依靠宏观政策，微观企业层面的措施也必不可少。原因在于：一方面，由于上市公司之间存在异质性，宏观政策难以对每家公司“量体裁衣”，需要上市公司发挥自身能动作用；另一方面，上市公司的处境与动态受到投资者密切关注，公司的生产经营情况、抗击疫情活动等均可能对股票价格产生影响。那么，上市公司可以采取怎样的措施加以应对？本文基于经典的信号理论进行深入分析。
蔡向高和邓可斌（2019）研究发现，中国市场中的“无消息”即是“坏消息”。原因在于投资者在无信息环境中，会认为自己处于信息劣势，对信息过度敏感。“信息弱势”的判断会使一些投资者在无信息时卖出股票，从而加剧了股市的波动，在这种情况下，“无消息”就部分相当于“坏消息”。张志安和冉桢（2020）认为，就公众的心理需求而言，在疫情等突发公共事件中，焦虑情绪使公众产生一种在心理学上被称为“秩序需求”的心理需求。在“秩序需求”的影响下，公众对于“好消息”更为期待。钟覃琳等（2020）指出，在面临经济政策不确定性给企业带来的负向冲击时，选择高质量的信息披露决策是管理层应对市场的有效方式。可见，将正向信号传递给投资者是上市公司应对股市下跌的有效手段。
本文围绕疫情影响下企业面临的压力，选择疫情扩散最迅速的窗口期，对以下三种信号展开分析：（1）捐赠公告中的企业社会责任信号；（2）业绩增长公告中的经营抗压信号；（3）股票回购②公告中的股价低估信号。研究发现，上市公司传递的正向信号能够获得积极的市场反应，相较于对照组，处理组公司平均获取2%左右的三日累计超额收益（CAR）。相较于非疫情期间（2018−2019年同期），业绩增长公告获得的累计超额收益更高，而业绩下降公告获得的负向累计超额收益则没有显著差异。说明在疫情状态下，投资者对“好消息”更敏感。因此，上市公司应当主动向外传递积极信号，稳定投资者情绪，维护公司与投资者利益。此外，根据对股票回购中的股价低估信号分析，建议上市公司将股票回购作为传递股价低估信号的“常规武器”，这有助于化解股票市场中的系统性风险。
本文的研究意义在于：一方面，在重大突发公共卫生事件背景下，研究股票市场波动与上市公司的应对策略，从信号传递视角提出上市公司应当采取主动措施防范与化解金融市场风险，帮助上市公司积累危机管理经验，增强企业与经济的韧性；另一方面，支持与拓展信号理论，从上市公司面临的与投资者关心的实际问题出发，分析不同信号内涵在疫情中的作用，发现相较于同期或非疫情期间，传递正向信号的公司均能够获取显著的正向累计超额收益，验证“秩序需求”假说，并从危机事件的视角支持A股市场“无消息”即是“坏消息”的观点。
-
严重灾害会对金融市场产生负面冲击，这不仅源于灾害本身带来的实际损失，其给社会带来的心理焦虑也是重要原因（Kaplanski和Levy，2010）。现有研究发现，地震、森林火灾、飓风等自然灾害均能够导致局部公司股价或整个金融市场急剧下跌（Shelor等，1990；Andrew和Valadkhani，2004），并使投资者改变投资策略（Hood等，2013）。除自然灾害外，飞机坠毁、恐怖袭击等人为灾难也会对股票市场产生负面影响（Brounen和Derwall，2010；Kaplanski和Levy，2010）。赵静梅等（2014）讨论突发性事件对于中国股票市场的冲击，发现这些事件对所在地上市公司股价存在显著的负向性，并且其他未受影响的公司也可能被传染。除此之外，灾害事件还可能改变公司财务行为。Dessaint和Matray（2017）发现，飓风过境地区的公司常常反应过度并持有更多现金。Dai等（2020）、Wang和Young（2020）的研究表明，在恐怖袭击之后，投资者和公司管理者会变得更加保守。
Baker等（2020）将COVID-19危机期间的股市波动与以往的疾病③以及历史性金融危机④期间的波动进行比较，认为COVID-19对美国股市的影响是史无前例的。Guo等（2021）发现，封锁城市和暂停工作等措施通过影响需求和供应，导致实体经济衰退，从而使多国金融市场的流动性紧张，资产价格急剧下跌，波动性提高。新冠疫情的全球传播向金融市场发出负面信号，打击了投资者信心，进一步降低了股价和市场效率（Wang和Wang，2021），对流动性、相关性与波动性产生不利影响（Just和Echaust ，2020）。
在疫情的冲击下，公司特征与股价反应之间存在关联。Ding等（2020）研究发现，股价表现良好的公司一般拥有以下特征：优良的财务指标、供应链受疫情影响较小、更多的本地客户、承担更多的企业社会责任、治理情况更好、较高的非金融企业所有权。Fahlenbrach等（2020）提出，财务灵活性差的公司在疫情期间遭受了更大的股票价格损失。不同行业面临的冲击程度也有所不同，Huo和Qiu（2020）研究中国封锁措施的市场反应，发现在事件窗口期，28个行业中有22个行业的累积超额收益（CAR）为负，休闲服务行业受到的影响最大，而制药和生物技术行业的CAR为正。陈赟等（2020）发现，疫情冲击下，上市公司所在地的公共治理能力显著影响公司股票收益率。
政府的救助措施对金融市场稳定起到积极作用。Zaremba等（2021）通过对停课、关闭工作场所、取消公共活动、限制公共交通、公开信息宣传、内部人员流动收紧、国际旅行管制等七项措施对股票市场的影响展开研究，提出政府应公开信息，这有助于企业开展更多的贸易活动，从而降低股权资本成本。Narayan等（2021）认为，封锁、旅行禁令和经济刺激计划对股票市场产生了积极影响，封锁是缓解新冠冲击的最有效措施。Chen和Yeh（2021）的研究表明，量化宽松政策可以有效增强投资者信心。O'Donnell等（2021）研究发现，上证180指数波动不能通过病例增长得到有效解释。相反，很大程度上受到与经济增长相关的传统市场驱动因素的影响。由此推论，中国早期干预措施在指数价格波动中发挥了积极作用。
信号理论的研究始于20世纪70年代（Spence，1973），该理论用于解释组织如何利用信号传递降低信息优势和劣势之间的不对称，即通过向外界发送有关组织特征的积极正面且不易被观察到的信息，以减轻信息不对称产生的负面影响。已有研究发现，企业可以通过不同的载体向市场传递不同的信号。这些信号包括：（1）社会责任信号。Campbell等（1999）指出，企业通过慈善捐赠履行社会责任，能够提高企业声誉。履行社会责任向市场传达绩效好的信号，收获正向超额收益（Harjoto和Jo，2015）。（2）经营业绩信号。定期报告有时不能完全反映公司经营信息（Zhang和Wiersema，2009），掌握内部信息的管理者常常通过自愿性披露传递公司业绩质量较高的信号，提高股票收益率（Myers和Majluf，1984；Kirmani和Rao，2000）。（3）股价低估信号。股票回购被认为是传递股价低估信号的最有效工具（Dann，1981；Vermaelen，1981）。2018年我国《公司法》修订后，股票回购的信号传递功能得到进一步认可（马鹏飞和隋聪，2020）。
综上，已有文献从两方面为本文提供研究基础，一方面，随着新冠疫情在全球的不断蔓延，越来越多的研究关注新冠疫情给金融市场带来的冲击，并评估各项应对措施的有效性。在应对措施效果的研究中，现有文献主要集中于宏观措施，包括停工停学、限制流动等。而鲜有文献能够站在公司自救的视角，讨论股价下跌的应对办法。另一方面，企业向外传递的信号内容丰富多样，通过不同的信号载体传递不同的信息，如企业社会责任、经营业绩、股价低估等，这些信号可能是投资者身处疫情状态下最关心的内容，为本文从信号传递的视角分析上市公司应对措施奠定了基础。
-
2020年1月24日，湖北、山东、北京等15个省市启动重大突发公共卫生事件一级响应，标志着全国统一“抗疫”阶段开启，此后经济社会经历了长达半个月的“至暗时刻”。如图1所示，2月3日，全国（不含湖北）新增确诊病例889例；2月4日，全国新增确诊病例3887例；2月5日，全国新增疑似病例5328例。此三项指标接连达到峰值，表明国内疫情出现拐点。2月9日，全国新增确诊与疑似病例出现小幅反弹，但之后呈现平稳下降的态势。2月12日，由于湖北省统计口径发生变化，导致连续两日新增确诊病例大幅增加（未在图1中展示），对经济社会造成一定影响。
图 1 新冠肺炎日新增情况⑤
在股市方面（图2），1月23日是A股春节前的最后一个交易日，全国29个省（区、市）累计确诊830例。当日上证综指跌幅2.75%，对疫情的焦虑情绪尚未充分反映。作为对比，2月3日，春节后开盘第一日，全国31个省（区、市）累计确诊17205例，病毒传播速度超出预期。上证综指单日下跌7.72%，创下A股历史，对疫情的焦虑情绪集中爆发。此后有所反弹，但截至春节后开盘首周结束，指数仍然低于春节前的最后一个交易日。因此，本文选择1月24日至2月9日作为事件窗口期，其中2月3日至2月7日为交易日，是疫情期间股票市场波动最大的时刻。
结合图1与图2可以看出，疫情对股票市场带来较强冲击，但持续时间不长。原因在于，一方面，在春节后股市开市前，政府部门推出多项宏观措施，保障流动性；另一方面，在可交易期间（2月3日至2月7日），全国（不含湖北）确诊、全国确诊、全国疑似病例的日新增出现下降，市场信心很快恢复，春节休市为股票市场稳定争取了足够的时间。如果在疫情爆发期，股市仍然开放，则可能带来更大冲击。实际上，2015年6月至2020年6月的五年间，A股市场已经发生三次较为严重的系统性下跌⑥，给上市公司带来一定影响。事实证明，只有通过不断地积累经验，才能使企业富有韧性，并建立起完善的韧性经济系统（李强，2020）。
图 2 上证综指指数走势⑦
引发股市下跌的主要原因有两点，其一是疫情本身（见图3的情绪路径）。疫情能否得到控制、何时得到控制以及最终将会对人类社会产生怎样的影响均不可预知，这给整个社会带来了不稳定情绪，股票市场首当其冲。张国清（2003）指出，病毒引发的公共危机通常具有强大的物理和心理破坏力。并且由于有关危机信息的失真与危机态势的迅速演变, 各种信息的传播真假难辨，流言往往成为加重危机的加速器，导致社会普遍焦虑。Smales （2021）以谷歌搜索量作为投资者关注度的代理变量，发现其与股票市场收益率呈负向关系。这说明散户投资者在疫情期间通过搜索疫情信息来缓解家庭面临的不确定问题，而非寻找购买股票的相关信息。
其二是经营问题（见图3的经营路径）。企业面临停产停工，最直接的影响就是收入减少，企业的经营风险增加，未来预期业绩下降，导致公司股价下跌（Joachim和Koijen，2020）。蒋涛（2020）发现，在疫情不确定情况下，企业的信贷与资金问题也极为突出。疫情不仅会直接增加企业生产经营难度，而且会通过影响物流、交通等因素间接影响企业运营。疫情期间企业盈利能力下降，偿债压力增加，信贷资金缺口扩大。进出口贸易受阻，对企业的经营与生存产生较大影响（朱民等，2020）。
综上，在疫情状态下，上市公司所面临的问题包括疫情扩散带来的焦虑情绪、停产停工引发的经营担忧以及二者共同导致的股市暴跌（图3），由于疫情的发展超出预期，很可能出现信息真空或信息不对称情况，通过何种形式传递何种信息可能是大部分上市公司所不明确的。本文基于新冠疫情引发股市波动的作用路径，分析上市公司可以向市场传递的三种信号及其效果，以期为公司的危机管理提供科学建议。
图 3 疫情状态下的上市公司信号传递
-
声誉信息理论关注声誉的传送机制，认为声誉的形成就是一种信号传递活动（Deephouse等，2016）。履行社会责任有助于企业树立良好形象，增强投资者的投资信心，提升企业的软性竞争力（Cowan和Guzman，2020）。Martin和Moser（2016）发现，投资者不仅对企业披露的财务信息定价，还会对企业相关社会责任行为所产生的社会效益进行评价。如果履行社会责任能够向市场传达当期绩效好的信号，市场应存在正向反馈（Harjoto和Jo，2015），并显著降低股价崩盘风险（Wu和Hu，2019）。企业履行社会责任之所以能够成为一种信号，主要原因在于社会责任的高成本性（Connelly等，2011）。企业编制和披露的社会责任信息必须真实可信，否则一旦被市场发现存在虚假记录，将会给企业和管理层的声誉造成恶劣影响（王建玲等，2018）。
慈善捐赠也是企业通过履行社会责任提高声誉的有效方式（Campbell等，1999）。行业竞争程度越高，市场化导向越明显，捐赠所产生的声誉效应越大，企业在灾后进行捐赠的动机更强烈（Zhang等，2010）。已有研究表明，灾后捐赠存在非利他性特征，如山立威等（2008）通过研究汶川地震后的企业捐赠，发现产品与消费者直接接触的公司捐赠更多，原因在于这类企业可以通过捐赠为品牌做宣传。潘越等（2017）分析台风灾害后的企业捐赠行为，发现这些捐赠行为还常常带有政治动机，能够收获正向经济后果。
履行社会责任也是上市公司的应尽义务，正所谓“一方有难八方支援”，支援抗击新冠疫情是上市公司履行社会责任的重要时刻，对外捐赠则是上市公司支援“抗疫”的直接表现。随着疫情不断蔓延，上市公司纷纷进行捐赠并公告，这不仅维护了企业声誉，也是对投资者及其他利益相关者负责的表现。在新冠疫情背景下，企业通过捐赠所传递的社会责任信号有两个独有特征：第一，由于捐赠目的与时间相近，不同企业间的社会责任履行情况具有较强的可比性；第二，由于疫情的严重性，投资者对上市公司参与“抗疫”行为更加敏感，给予的回应也更为及时与真切。因此，在疫情状态下，捐赠活动与捐赠公告能够得到投资者支持，据此，本文提出第一个假设：
H1：捐赠公告中的社会责任信号能够使上市公司在疫情窗口期内获得积极的市场反应。
-
业绩质量通常是公司经营状况的反映，较高的业绩质量说明公司的风险抵御能力强。尽管上市公司定期公布财务报告，但管理者仍然需要将财务报告无法观测到的公司质量信息传递给潜在投资者（Zhang和Wiersema，2009）。Myers和Majluf（1984）研究发现，公司有融资需求时具有很强的自愿披露信息动机以传递正向信号，降低融资成本。Kirmani和Rao（2000）指出，由于内部人了解企业的真实情况，而外部人不知情，高质量与低质量公司被区分开，高质量公司传递信号后的收益将会提高，低质量公司传递信号后的收益则会下降。在这种情况下，高质量公司有动力去传递信号，低质量公司则相反。钟覃琳等（2020）的研究表明，在经济政策不确定时，上市公司会采取高质量的信息披露策略，这有助于缓解经济政策不确定性给盈余信息含量带来的负面冲击。陈赟等（2020）指出，投资者非常关心企业的复产复工能力，其所在地的复产复工能力对股票收益率存在正向影响。
可见，在新冠疫情背景下，企业的经营能力是应对停产停工的有效保障，经营能力强的公司更容易渡过难关，而经营业绩不佳的公司则雪上加霜。时间上，疫情爆发期与上市公司的财务公告（包括业绩预告、业绩快报与财务报告）期间重合。其中，业绩预告与业绩快报本身具有自愿性特征，财务报告虽然是企业必须发布的内容，但在时间选择上也较为灵活，符合自愿性特征，具备信号传递功能（Healy和Palepu，2001；林斌和饶静，2009）。尽管业绩预告和业绩快报中不含有流动性、偿债能力等信息，但业绩的变动也能透露出企业的经营能力。如果业绩上升，则能够让投资者感到安全，如果业绩下降，投资者必然更为焦虑。据此，本文提出第二个假设：
H2：正（负）向业绩信号能够使上市公司在疫情窗口期内获得积（消）极的市场反应。
-
股票回购能够向外界传递股价被低估信号（Dann，1981；Vermaelen，1981）。Asquith和Mullins（1986）指出，上市公司通常会在他们认为股价最被低估的时候宣布股票回购计划，因此，股票回购就是上市公司宣布股价被低估的“公告”。由于信息不对称效应的存在，上市公司管理层作为内部人掌握着外部投资者所没有的信息，股票回购则认为是向外界传递这种信息最好的手段。并且，股票回购计划的宣布也常常会获得积极的市场反应，说明信号传递的效果良好（Stephens和Weisbach，1998）。Hackethal和Zdantchouk（2006）发现，德国回购制度比美国更为严格，因而德国公司股票回购所传递的股价低估信号更加可靠，获得的超额收益也更高。马鹏飞和隋聪（2020）以2018年我国《公司法》关于股票回购规则的修订作为一次准自然实验，发现政策修订后，股票回购的信号传递功能得到进一步支持，市场反应更为积极。
股票回购通常包括回购计划的宣布及执行两个部分，根据是否执行回购计划，又将股票回购分为“真回购”与“假回购”（Stephens和Weisbach，1998）。而股票回购的信号效应不仅表现在宣布回购计划，而且股票回购的信号传递是一个持续的过程，在宣布股票回购计划时只能传递一些模糊的信息，在后续实际开展（或不开展）股票回购时才能够传递出更精准的信息（Leng和Noronha，2013）。Bargeron等（2017）的研究表明，股票回购计划宣布后的超额收益不是持续改变，而是呈阶梯函数变化，回购计划的宣布与开展的市场反应存在一定差异。受限于回购预案程序的相对复杂性限制，短时间内公布回购预案的公司较少（事件窗口期内仅24份），但Dittmar和Field（2015）研究表明，公司能够把握回购时机，回购股票的价格通常比市场交易价格低。因此，实际进行股票回购的公告中仍然具有较强的信号传递效应，将宣布回购计划与实际进行股票回购操作的公告均作为股价低估信号。据此，本文提出第三个假设：
H3：股票回购中的股价低估信号能够使上市公司在疫情窗口期内获得积极的市场反应。
-
本文将春节前休市首日至春节后首周结束（2020年1月24日−2月9日）作为事件窗口期，将在此期间发布捐赠公告、财务公告、股票回购公告的A股上市公司作为处理组⑧。其中，捐赠公告143份；财务公告312份（业绩提高公告146份），包括293份业绩预告、18份业绩快报、1份财务报告；回购公告101份，其中董事会预案公告（首次披露回购计划）24份、股东大会公告3份⑨、实际购买公告74份。在研究信号传递对股票超额收益率的影响时，可能会因为公司特征差异过大而引发内生性问题。为应对这一情况，本文采取倾向得分匹配（PSM）方法，寻找与处理组财务、股权等特征相似的可比公司进行分析。
将事件窗口期及其延后一周没有发布对应类别公告的公司作为每个处理组的待匹配对照组，以公司规模（SIZE）、盈利能力（ROA）、财务杠杆（LEV）、成长性（MB）、控股股东持股比例（CON）、机构持股比例（INS）、流通股比例（OUT）、行业（IND）作为协变量，以是否发布公告作为因变量，进行1∶1匹配，赋予对照组公司虚拟事件日期，剔除估计期与计算CAR窗口期正常交易观察值不足一半的公司、未匹配成功的公司与ST公司。最终得到三组样本：（1）社会责任信号：处理组134个，对照组133个；（2）经营业绩信号：处理组255个，对照组243个；（3）股价低估信号：处理组84个，对照组84个。对连续变量在1%与99%分位数上进行缩尾处理，数据来源为WIND数据库与CSMAR数据库。
-
将公告发布日作为事件发生日，记为0。对窗口期内非交易日发布的公告进行如下处理：2月3日前发布公告的，将2月3日作为第0日，2月7日后发布公告的，将2月7日作为第0日。选取计算CAR的窗口期为[0，2]⑩，估计期为[−130，−10]，均为连续交易日。利用Fama五因子模型估计事件的超额收益，模型如下：
$$ {R_{it}} - {R_{ft}} = {\alpha _i} + {\beta _{1i}}({R_{{\text{mt}}}} - {R_{ft}}) + {\beta _{2i}}SM{B_t} + {\beta _{3i}}HM{L_t} + {\beta _{4i}}RM{W_t} + {\beta _{5i}}CM{A_t} + {\varepsilon _{it}} $$ (1) 其中，Rit为公司i在第t日的日收益率，Rft为第t日的日化无风险收益率，Rmt−Rft为市场风险溢价因子，SMBt为规模因子，HMLt为账面市值比因子，RMWt为盈利能力因子，CMAt为投资模式因子。通过估计期[−130，−10]估计公式（1）中的各个参数，计算窗口期内每日的期望收益率，记为E（Rit）：
$$ E({R}_{it})={\stackrel{\wedge }{\alpha }}_{i}+{\stackrel{\wedge }{\beta }}_{1i}({R}_{\text{mt}}-{R}_{ft})+{\stackrel{\wedge }{\beta }}_{2i}SM{B}_{t}+{\stackrel{\wedge }{\beta }}_{3i}HM{L}_{t}+{\stackrel{\wedge }{\beta }}_{4i}RM{W}_{t}+{\stackrel{\wedge }{\beta }}_{5i}CM{A}_{t}+{R}_{ft} $$ (2) 计算对应的日超额收益，记作ARit：
$$ A{R}_{it}={R}_{it}-E（{R}_{it}） $$ (3) 计算特定窗口期[t1，t2]的累计超额收益CAR[t1，t2]：
$$ CA{R_{it}}[{t_1},{t_2}] = \sum\nolimits_{t = {t_1}}^{{t_2}} {A{R_{it}}} $$ (4) 最终得到窗口期[0，2]的累计超额收益，记作CAR。
-
（1）是否发布捐赠公告：在事件窗口期内，发布捐赠公告为1，否则为0，记作DON；（2）捐赠力度：捐赠金额与总资产之比，记作DON_L。
-
（1）是否发布业绩公告：在事件窗口期内，发布业绩预告、业绩快报或财务报告，且业绩提升（下降）的公司PRO_P（PRO_N）为1，否则为0；（2）业绩变动幅度：公告中的净利润变动率，记作PRO_R。
-
（1）是否发布回购公告：在事件窗口期内，发布股票回购计划或实施公告为1，否则为0，记作REP；（2）回购资金来源：如果回购计划中的拟回购资金来源为自有资金的取1，否则取0，记作REP_C；（3）回购所处阶段：如果是首次公布回购计划，即处于董事会预案阶段为1，否则为0，记作REP_S。
-
本文选取最可能对股票价格产生影响的变量作为控制变量，包括公司规模（SIZE）、盈利能力（ROA）、财务杠杆（LEV）、成长性（MB）、控股股东持股比例（CON）、机构持股比例（INS）、流通股比例（OUT）、行业（IND）等。变量定义详见表1。
表 1 变量定义
变量代码 变量名称 变量含义 CAR 累计超额收益 利用Fama五因子计算窗口期[0，2]的累计超额收益 DON 是否发布捐赠公告 在窗口期内发布捐赠公告为1，否则为0 DON_L 捐赠力度 捐赠总金额与总资产之比 PRO_P 是否发布业绩提高公告 在窗口期内发布业绩提高公告为1，否则为0 PRO_N 是否发布业绩下降公告 在窗口期内发布业绩下降公告为1，否则为0 PRO_R 业绩变动幅度 业绩公告中的预计净利润变动比率 REP 是否发布回购公告 在窗口期内发布回购公告为1，否则为0 REP_C 回购资金来源 回购资金来源为自有资金取1，否则取0 REP_S 回购所处阶段 董事会预案（首次公布回购计划）为1，否则为0 SIZE 公司规模 总资产的自然对数 ROA 盈利能力 净利润/年初与年末总资产均值 LEV 财务杠杆 总负债/总资产 MB 成长性 （股票加权市值+ 债务账面价值）/ 总资产账面价值 CON 控股股东持股比例 控股股东及其一致行动人持股数量占总股本的比重 INS 机构持股比例 机构投资者持股数量占总股本的比重 OUT 流通股比例 流通股份占总股本的比重 IND 行业 根据《上市公司行业分类指引》（2012版）进行行业分类 -
以CAR为被解释变量，建立横截面回归分析模型：
$$\begin{split} CAR=&\alpha +{\beta _1}X+{\beta _2}SIZE+{\beta _3}ROA+{\beta _4}LEV+{\beta _5}MB+{\beta _6}CON\\&+{\beta _7}INS+{\beta _8}OUT+IND+\varepsilon \end{split}$$ (5) 其中，X为解释变量，分别代表DON、DON_L、PRO_P、PRO_N、PRO_R、REP、REP_C、REP_S。
-
表2报告了企业社会责任信号的处理组与对照组统计结果。其中，处理组样本134个，对照组样本133个。处理组公司在窗口期内的CAR均值为0.011，对照组公司CAR均值为−0.007，处理组CAR在5%的显著性水平上显著高于对照组，差额为1.8%。在控制变量方面（限于篇幅未报告结果，备索），处理组与对照组均不存在显著差异，说明PSM匹配效果较好。
表 2 社会责任信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 134 −0.037 0.002 0.051 0.011 0.018** 否 133 −0.046 −0.012 0.015 −0.007 (2.016) 注：**表示在5%显著性水平上显著，括号内为t值。 -
表3列（1）−（2）报告了传递社会责任信号的市场反应。其中，列（1）DON估计系数为0.018，列（2）DON估计系数0.016，分别在5%与10%的显著性水平上显著，说明在窗口期内的捐赠公告能够为上市公司带来积极的市场反应。
表 3 社会责任信号回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CARDON 0.018** 0.016* (2.018) (1.829) DON_L 2.317 4.654 8.177* 12.182** (0.345) (0.559) (1.667) (2.087) SIZE 0.006 0.008 0.006 (1.493) (1.084) (0.816) ROA 0.102 0.030 0.047 (1.103) (0.206) (0.329) LEV −0.038 −0.042 −0.030 (−1.120) (−0.782) (−0.546) MB −0.013*** −0.014 −0.020* (−3.156) (−1.453) (−1.975) CON −0.013 −0.025 −0.029 (−0.494) (−0.518) (−0.623) INS −0.041 −0.025 0.005 (−1.311) (−0.486) (0.105) OUT 0.026 0.007 0.000 (0.971) (0.165) (0.000) CONS −0.007 0.029 0.009 0.023 0.003 −0.014 (−1.260) (0.481) (1.068) (0.208) (0.336) (−0.129) IND NO YES NO YES NO YES N 267 267 134 134 122 122 R2 0.015 0.104 0.002 0.078 0.022 0.099 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。 表3列（3）−（4）报告了捐赠水平对超额收益的影响。由于部分上市公司捐赠实物，且未在捐赠公告中说明公允价值。因此，我们通过查阅相关购物网站并联系实际，还原实物的公允价值⑪。表3列（3）−（4）显示，DON_L结果不显著，但是当剔除未标明价值的捐赠公司后，捐赠水平DON_L对CAR存在显著的正向效应。如表3列（5）−（6）所示，DON_L的估计系数分别为8.177与12.182，且均在10%及以下的显著性水平上显著。也说明捐赠公告中的企业社会责任信号能够为上市公司带来积极的市场反应，假设H1得到验证。
-
表4报告了正向经营信号的处理组与对照组的统计结果。其中，处理组样本118个，对照组样本114个。处理组公司在窗口期内的CAR均值为0.022，对照组公司CAR均值为0.001，处理组CAR在10%的显著性水平上显著高于对照组，差额为2.1%。在控制变量方面（限于篇幅未报告结果，备索），处理组与对照组均不存在显著差异，说明PSM匹配效果较好。
表 4 正向经营信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 118 −0.030 0.007 0.064 0.022 0.021* 否 114 −0.049 −0.017 0.016 0.001 (1.759) 注：*表示在10%显著性水平上显著，括号内为t值。 表5报告了负向经营信号的处理组与对照组的统计结果。其中，处理组样本137个，对照组样本129个。处理组公司在窗口期内的CAR均值为−0.007，对照组公司CAR均值为0.014，处理组公司CAR为负，且在10%的显著性水平上显著低于对照组，差额为−2.1%。在控制变量方面（限于篇幅未报告结果，备索），处理组与对照组仅在ROA上存在显著差异，处理组与对照组总体特征的相似度仍较高。
表 5 负向经营信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 137 −0.064 −0.030 0.019 −0.007 −0.021* 否 129 −0.034 −0.012 0.041 0.014 (−1.849) 注：*表示在10%显著性水平上显著，括号内为t值。 -
表6列（1）−（2）报告了传递正向经营信号的市场反应。其中，列（1）PRO_P估计系数为0.021，列（2）PRO_P估计系数0.023，均在10%的显著性水平上显著。说明在窗口期内公布业绩上涨的财务公告，能够获得积极的市场反应，支持假设H2。表6列（3）−（4）报告了业绩变动幅度（仅正向）的市场反应。可见，两列PRO_R估计系数均不显著，说明投资者在疫情期间对正向业绩变动幅度不敏感。
表 6 经营信号回归分析结果
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CAR（7）
CAR（8）
CARPRO_P 0.021* 0.023* (1.762) (1.817) PRO_N −0.021* −0.022* (−1.851) (−1.875) PRO_R −0.001 −0.002 0.003*** 0.003*** (−0.076) (−0.225) (4.367) (3.987) SIZE 0.002 0.002 0.011 0.006 (0.370) (0.327) (1.629) (0.518) ROA −0.024 −0.015 −0.044 −0.026 (−0.242) (−0.120) (−0.853) (−0.376) LEV −0.02 −0.136** −0.054** −0.059 (−0.690) (−2.178) (−1.980) (−1.550) MB −0.010 −0.011 −0.003 0.010 (−1.373) (−1.000) (−0.355) (0.784) CON −0.048 −0.069 0.067* 0.037 (−1.400) (−1.464) (1.698) (0.600) INS 0.001 0.039 −0.005 0.031 (0.031) (0.860) (−0.149) (0.670) OUT 0.020 0.028 0.010 0.028 (0.653) (0.575) (0.283) (0.536) CONS 0.001 −0.019 0.023** 0.062 0.014* −0.167* 0.007 −0.104 (0.127) (−0.218) (2.012) (0.619) (1.740) (−1.740) (0.760) (−0.683) IND NO YES NO YES NO YES NO YES N 232 232 118 118 266 266 137 137 R2 0.013 0.105 0.000 0.073 0.013 0.103 0.050 0.104 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。 表6列（5）−（6）报告了传递负向经营信号的市场反应。其中，列（5）PRO_N估计系数为−0.021，列（6）PRO_N估计系数−0.022，均在10%的显著性水平上显著。说明在窗口期内公布业绩下降的财务公告，使上市公司获得负向的超额收益，进一步加剧股价下降趋势，再次支持假设H2。
表6列（7）−（8）报告了业绩变动幅度（仅负向）的市场反应。可见，两列PRO_R估计结果均在1%的显著性水平上正显著，说明业绩下降幅度越大，获得的负向累计超额收益就越多。不同于正向经营信号，投资者对业绩下降程度更为敏感。
综上，在疫情不确定环境下，上市公司发布业绩增长公告，能够向外界传递经营抗压信号，获取积极的市场反应，有助于公司股价稳定。
-
表7报告了股价低估信号的处理组与对照组统计结果。其中，处理组样本与对照组样本均为84个。处理组公司在窗口期内的CAR均值为0.020，对照组公司CAR均值为−0.006，处理组CAR在1%的显著性水平上显著高于对照组，差额为2.6%。在控制变量方面（限于篇幅未报告结果，备索），处理组与对照组均不存在显著差异，PSM匹配效果较好。
表 7 股价低估信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 84 −0.018 0.019 0.052 0.020 0.026*** 否 84 −0.044 −0.013 0.022 −0.006 (2.795) 注：***表示在1%显著性水平上显著，括号内为t值。 -
表8列（1）−（2）报告了传递股价低估信号的市场反应。其中，列（1）REP估计系数为0.026，列（2）REP估计系数0.029，均在1%的显著性水平上显著。说明在窗口期内的股票回购公告能够为上市公司带来积极的市场反应，假设H3得到验证。
表 8 股价低估信号回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CARREP 0.026*** 0.029*** (2.795) (3.017) REP_C −0.007 −0.012 (−0.382) (−0.539) REP_S 0.030** 0.026* (2.518) (1.903) SIZE −0.006 −0.004 −0.007 (−1.255) (−0.491) (−0.881) ROA 0.088 −0.010 −0.033 (1.095) (−0.099) (−0.506) LEV 0.012 −0.010 −0.003 (0.347) (−0.142) (−0.052) MB −0.016* 0.003 0.0003 (−1.687) (0.269) (−0.027) CON 0.058* 0.044 0.038 (1.903) (1.076) (1.133) INS −0.015 −0.032 −0.012 (−0.539) (−0.868) (−0.353) OUT 0.079*** 0.082* 0.063 (2.999) (1.837) (1.659) CONS −0.006 0.032 0.026 0.025 0.013 0.049 (−0.868) (0.489) (1.563) (0.266) (1.649) (0.555) IND NO YES NO YES NO YES N 168 168 84 84 84 84 R2 0.045 0.137 0.002 0.187 0.046 0.107 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。 表8列（3）−（4）报告了股票回购预计资金来源对超额收益的影响。两列的REP_C估计系数分别为−0.007与−0.012，均不显著，说明使用自有资金与使用外部融资进行回购没有显著差异，资金来源不能传递额外的信息。
表8列（5）−（6）报告了股票回购所处阶段对超额收益的影响。REP_S的估计系数分别为0.030与0.026，且在10%及以下显著性水平上显著，说明首次公布回购计划能够带来更多的超额收益，在疫情期间“信心比黄金更重要”。
-
本文分析了在新冠疫情期间上市公司可能传递的三种正向信号，分别是社会责任信号、经营抗压信号与股价低估信号，发现这三种信号均能引起积极的市场反应，说明当股市下跌时，上市公司应当采取主动应对措施。相比而言，投资者更偏好于哪一类信号？本文采取似无相关检验（SUR）的方法，对组间估计系数差异进行检验⑫，进而解释这一问题。
表9报告了组间系数的检验结果。可以发现，三组检验结果的P值均大于10%，不能拒绝存在显著差异的原假设。因此，尽管三种信号的类型不同，但所带来的积极市场反应却是相似的。由此可见，在疫情爆发的窗口期，上市公司应当积极向外界传递正向信号，并根据自身情况选择合适的信号内容。
表 9 系数差异检验
解释变量 一元回归 多元回归 第1组 第2组 卡方值 P值 卡方值 P值 PRO_P DON 0.042 0.848 0.190 0.666 PRO_P REP 0.109 0.739 0.163 0.690 DON REP 0.373 0.541 0.969 0.324 -
疫情与非疫情时期在信号环境上的差异较为明显，疫情给公众带来较强的心理破坏力，使投资者产生“秩序需求”，盼望社会恢复秩序。因此，相较非疫情期，疫情期间投资者对“好消息”的反应可能更加积极，对“坏消息”的反应则可能相对平淡。基于此，选择三种信号中最具可比性的经营信号对该问题进行分析，研究疫情期间与非疫情期间所发布的业绩增长公告在市场反应方面的差异。
选取2018年与2019年春节休市首日至春节后开市的第一个完整周结束（2018年2月15日−3月4日与2019年2月2日−2月17日）发布业绩提升财务公告的样本作为对照组，总计850个。代替原有对照组，进行回归分析。结果如表10列（1）−（2）所示，PRO_P估计系数分别为0.018与0.016，且在5%的显著性水平上显著。说明疫情窗口期发布的业绩增长公告，相较非疫情期间的业绩增长公告拥有更高的超额收益。
表 10 合并非疫情期间经营信号的回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CARPRO_P 0.018** 0.016** (2.332) (2.027) PRO_N −0.002 0.001 (−0.256) (0.108) SIZE 0.001 0.005 (0.543) (1.511) ROA 0.068 0.036 (1.457) (0.774) LEV −0.006 −0.024* (−0.501) (−1.671) MB −0.005* −0.001 (−1.911) (−0.176) CON 0.005 0.016 (0.479) (1.039) INS −0.002 −0.006 (−0.206) (−0.458) OUT 0.029*** 0.021 (2.972) (1.482) CONS 0.000 −0.001 −0.008*** −0.077* (−0.092) (−0.034) (−4.168) (−1.862) IND NO YES NO YES N 968 968 564 564 R2 0.013 0.060 0.000 0.079 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。 表10列（3）−（4）报告将2018−2019年同期非疫情期间（与正向经营信 号样本选取方法相同）发布业绩下降财务公告的公司作为新参照组后的回归分析结果。其中，PRO_N估计结果均不显著，说明疫情没有使负向经营信号的消极影响进一步加剧。
-
本文稳健性问题主要从以下两方面进行考虑：一方面，累计超额收益CAR的稳健性。在此部分中，我们采取市场法重新计算CAR，建立估计模型：
$$ {R_{it}} = {\alpha _i}{\text{ + }}{\beta _{\text{i}}}{R_{mt}} + {\varepsilon _{it}} $$ (6) 其中，Rit是i公司第t天的实际收益率，Rmt是i公司对应的指数收益率，包括上证综指、深证成指与创业板指数。利用估计期数据估计α与β，计算窗口期 [0，2]的超额收益得到CAR值。表11列（1）−（4）报告相关的估计结果，与前文一致，DON、PRO_P、PRO_N、REP估计系数均显著。
表 11 稳健性检验结果
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CARDON 0.018** 0.026*** (2.007) (3.169) PRO_P 0.020** 0.027*** (2.090) (2.949) PRO_N −0.039*** −0.037*** (−3.476) (−4.105) REP 0.033*** 0.031*** (3.142) (3.498) controls YES YES YES YES YES N 267 232 266 168 864 R2 0.077 0.077 0.178 0.130 0.123 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。 另一方面，匹配样本的稳健性。在此部分中，将窗口期内发布财务公告、捐赠公告与回购公告的公司合并为一组，即信号发送组。将窗口期及其后一周未发布过这三类信号的公司作为待匹配的对照组。利用PSM进行1∶1样本匹配，得到处理组436个，对照组428个。表11列（5）列报告了估计结果，当四种信号合并估计时，结果仍然与前文保持一致。综上，本文的实证结果稳健。
-
本文研究新冠疫情下的股市波动与上市公司的信号传递效应，通过选取疫情发展最为迅速的时间作为事件窗口期，运用PSM匹配方法，找到与信号组公司相对应的对照公司，分析信号传递的市场反应。结果发现：
（1）捐赠公告能够向市场传递企业履行社会责任的信号，为股价带来积极的市场反应。当删除未标明公允价值的物资样本时，捐赠力度与累计超额收益正相关。
（2）在窗口期内发布的业绩增长公告能够向市场传递经营抗压信号，获得正向超额收益。并且相较于2018−2019年同期（非疫情期），市场反应也更积极。相反，发布业绩下降的财务公告则会收到负向超额收益，对股价更为不利，但与2018−2019年同期相比没有更显著的负向作用。
（3）股票回购公告能够传递股价被低估信号，对超额收益存在正向作用。并且，相较于实际进行股票购买，首次披露回购计划（董事会预案）能够获得更积极的市场反应，说明在疫情期间“信心比黄金更重要”。
（4）通过组间似无相关系数检验，认为尽管三种信号在作用特征方面存在不同，但获取的市场反应没有显著差异，三日的累计超额收益均在2%左右。
综上所述，在疫情期间，信息缺失与不对称问题将更为凸显，“秩序需求”心理使投资者更加盼望“好消息”，此时需要上市公司向外传递积极信号。而在这一时期选择向外传递“好消息”的上市公司数量不多，说明上市公司的危机管理能力仍需进一步提升。此外，上市公司应当重视股票回购的信号传递效应，将回购作为应对股票市场系统性风险、维护资本市场形象的“常规武器”。总之，增强上市公司应对风险的能力，是增强经济韧性的关键所在。
-
摘要: 新冠疫情给经济社会带来冲击，导致股票市场急剧下跌。在此背景下，基于信号传递的视角，分析上市公司的主动应对策略。研究发现，在疫情爆发的窗口期，上市公司可以通过捐赠公告、业绩提升公告与股票回购公告向市场传递社会责任、经营抗压与股价低估等正向信号。相比对照组，传递正向信号的公司能够获取2%左右的三日累计超额收益。疫情期间的业绩提升信号较非疫情期间有更积极的市场反应，说明投资者存在“秩序需求”，在不确定环境中更期待好消息。此外，股票回购作为股价低估的信号工具，能够很好地维护资本市场形象，建议上市公司将股票回购作为稳定股价的“常规武器”以应对资本市场系统性风险。研究为疫情下的企业危机管理提供思路，有助于将灾难转化为财富，提高经济韧性。
Stock Market Fluctuation and Corporate Response under COVID-19: From the Perspective of Signaling
Abstract: COVID-19 has brought a shock to the economic system, which has led to a sharp decline in stock market. Analyzing the methods taken by listed companies from the perspective of signaling under the epidemic, we find that companies can send positive signals such as CSR, performance improvement and undervaluation to the market in the event window through announcements of donation, finance and stock repurchase. Compared with the control group, companies signaling positively receive 2% of three-day CARs. Signals of the performance improvement in the epidemic period bring a more positive market response than in non-epidemic period, which indicates that investors have order demand and are more eager for good news in the uncertain environment. In addition, as a signal tool of undervaluation, stock repurchase can better maintain the reputation in the capital market. It is suggested that listed companies take stock repurchase as a normal measure to stabilize stock prices in order to deal with the systematic risk of the capital market. This paper enlights the crisis management for enterprises under the epidemic situation, and helps to transform disasters into wealth and enhance the economic resilience.-
Key words:
- COVID-19 /
- signaling theory /
- capital market /
- CSR /
- economic resilience
-
表 1 变量定义
变量代码 变量名称 变量含义 CAR 累计超额收益 利用Fama五因子计算窗口期[0，2]的累计超额收益 DON 是否发布捐赠公告 在窗口期内发布捐赠公告为1，否则为0 DON_L 捐赠力度 捐赠总金额与总资产之比 PRO_P 是否发布业绩提高公告 在窗口期内发布业绩提高公告为1，否则为0 PRO_N 是否发布业绩下降公告 在窗口期内发布业绩下降公告为1，否则为0 PRO_R 业绩变动幅度 业绩公告中的预计净利润变动比率 REP 是否发布回购公告 在窗口期内发布回购公告为1，否则为0 REP_C 回购资金来源 回购资金来源为自有资金取1，否则取0 REP_S 回购所处阶段 董事会预案（首次公布回购计划）为1，否则为0 SIZE 公司规模 总资产的自然对数 ROA 盈利能力 净利润/年初与年末总资产均值 LEV 财务杠杆 总负债/总资产 MB 成长性 （股票加权市值+ 债务账面价值）/ 总资产账面价值 CON 控股股东持股比例 控股股东及其一致行动人持股数量占总股本的比重 INS 机构持股比例 机构投资者持股数量占总股本的比重 OUT 流通股比例 流通股份占总股本的比重 IND 行业 根据《上市公司行业分类指引》（2012版）进行行业分类 
下载: 导出CSV
表 2 社会责任信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 134 −0.037 0.002 0.051 0.011 0.018** 否 133 −0.046 −0.012 0.015 −0.007 (2.016) 注：**表示在5%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 3 社会责任信号回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CARDON 0.018** 0.016* (2.018) (1.829) DON_L 2.317 4.654 8.177* 12.182** (0.345) (0.559) (1.667) (2.087) SIZE 0.006 0.008 0.006 (1.493) (1.084) (0.816) ROA 0.102 0.030 0.047 (1.103) (0.206) (0.329) LEV −0.038 −0.042 −0.030 (−1.120) (−0.782) (−0.546) MB −0.013*** −0.014 −0.020* (−3.156) (−1.453) (−1.975) CON −0.013 −0.025 −0.029 (−0.494) (−0.518) (−0.623) INS −0.041 −0.025 0.005 (−1.311) (−0.486) (0.105) OUT 0.026 0.007 0.000 (0.971) (0.165) (0.000) CONS −0.007 0.029 0.009 0.023 0.003 −0.014 (−1.260) (0.481) (1.068) (0.208) (0.336) (−0.129) IND NO YES NO YES NO YES N 267 267 134 134 122 122 R2 0.015 0.104 0.002 0.078 0.022 0.099 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 4 正向经营信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 118 −0.030 0.007 0.064 0.022 0.021* 否 114 −0.049 −0.017 0.016 0.001 (1.759) 注：*表示在10%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 5 负向经营信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 137 −0.064 −0.030 0.019 −0.007 −0.021* 否 129 −0.034 −0.012 0.041 0.014 (−1.849) 注：*表示在10%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 6 经营信号回归分析结果
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CAR（7）
CAR（8）
CARPRO_P 0.021* 0.023* (1.762) (1.817) PRO_N −0.021* −0.022* (−1.851) (−1.875) PRO_R −0.001 −0.002 0.003*** 0.003*** (−0.076) (−0.225) (4.367) (3.987) SIZE 0.002 0.002 0.011 0.006 (0.370) (0.327) (1.629) (0.518) ROA −0.024 −0.015 −0.044 −0.026 (−0.242) (−0.120) (−0.853) (−0.376) LEV −0.02 −0.136** −0.054** −0.059 (−0.690) (−2.178) (−1.980) (−1.550) MB −0.010 −0.011 −0.003 0.010 (−1.373) (−1.000) (−0.355) (0.784) CON −0.048 −0.069 0.067* 0.037 (−1.400) (−1.464) (1.698) (0.600) INS 0.001 0.039 −0.005 0.031 (0.031) (0.860) (−0.149) (0.670) OUT 0.020 0.028 0.010 0.028 (0.653) (0.575) (0.283) (0.536) CONS 0.001 −0.019 0.023** 0.062 0.014* −0.167* 0.007 −0.104 (0.127) (−0.218) (2.012) (0.619) (1.740) (−1.740) (0.760) (−0.683) IND NO YES NO YES NO YES NO YES N 232 232 118 118 266 266 137 137 R2 0.013 0.105 0.000 0.073 0.013 0.103 0.050 0.104 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 7 股价低估信号统计分析
变量 处理组 样本量 25%分位数 50%分位数 75%分位数 均值 T检验 CAR 是 84 −0.018 0.019 0.052 0.020 0.026*** 否 84 −0.044 −0.013 0.022 −0.006 (2.795) 注：***表示在1%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 8 股价低估信号回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CAR（6）
CARREP 0.026*** 0.029*** (2.795) (3.017) REP_C −0.007 −0.012 (−0.382) (−0.539) REP_S 0.030** 0.026* (2.518) (1.903) SIZE −0.006 −0.004 −0.007 (−1.255) (−0.491) (−0.881) ROA 0.088 −0.010 −0.033 (1.095) (−0.099) (−0.506) LEV 0.012 −0.010 −0.003 (0.347) (−0.142) (−0.052) MB −0.016* 0.003 0.0003 (−1.687) (0.269) (−0.027) CON 0.058* 0.044 0.038 (1.903) (1.076) (1.133) INS −0.015 −0.032 −0.012 (−0.539) (−0.868) (−0.353) OUT 0.079*** 0.082* 0.063 (2.999) (1.837) (1.659) CONS −0.006 0.032 0.026 0.025 0.013 0.049 (−0.868) (0.489) (1.563) (0.266) (1.649) (0.555) IND NO YES NO YES NO YES N 168 168 84 84 84 84 R2 0.045 0.137 0.002 0.187 0.046 0.107 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 9 系数差异检验
解释变量 一元回归 多元回归 第1组 第2组 卡方值 P值 卡方值 P值 PRO_P DON 0.042 0.848 0.190 0.666 PRO_P REP 0.109 0.739 0.163 0.690 DON REP 0.373 0.541 0.969 0.324
下载: 导出CSV
表 10 合并非疫情期间经营信号的回归分析
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CARPRO_P 0.018** 0.016** (2.332) (2.027) PRO_N −0.002 0.001 (−0.256) (0.108) SIZE 0.001 0.005 (0.543) (1.511) ROA 0.068 0.036 (1.457) (0.774) LEV −0.006 −0.024* (−0.501) (−1.671) MB −0.005* −0.001 (−1.911) (−0.176) CON 0.005 0.016 (0.479) (1.039) INS −0.002 −0.006 (−0.206) (−0.458) OUT 0.029*** 0.021 (2.972) (1.482) CONS 0.000 −0.001 −0.008*** −0.077* (−0.092) (−0.034) (−4.168) (−1.862) IND NO YES NO YES N 968 968 564 564 R2 0.013 0.060 0.000 0.079 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。
下载: 导出CSV
表 11 稳健性检验结果
变量 （1）
CAR（2）
CAR（3）
CAR（4）
CAR（5）
CARDON 0.018** 0.026*** (2.007) (3.169) PRO_P 0.020** 0.027*** (2.090) (2.949) PRO_N −0.039*** −0.037*** (−3.476) (−4.105) REP 0.033*** 0.031*** (3.142) (3.498) controls YES YES YES YES YES N 267 232 266 168 864 R2 0.077 0.077 0.178 0.130 0.123 注：*、**、***分别表示在10%、5%、1%显著性水平上显著，括号内为t值。
下载: 导出CSV
-
[1] 蔡向高, 邓可斌. 2019. 无消息即坏消息:中国股市的信息不对称. 管理科学学报 22(4): 75−91. [2] 陈赟, 沈艳, 王靖一. 2020. 重大突发公共卫生事件下的金融市场反应. 金融研究 (6): 20−39. [3] 蒋涛. 2020. 疫情对企业融资的影响研究—来自银团贷款市场的经验证据. 国际金融研究 : 65−75. [4] 李强. 2020. 新冠肺炎疫情下的经济发展与应对—基于韧性经济理论的分析. 财经科学 (4): 70−79. [5] 林斌, 饶静. 2009. 上市公司为什么自愿披露内部控制鉴证报告?—基于信号传递理论的实证研究. 会计研究 (2): 45−52. [6] 马鹏飞, 隋聪. 2020. 股价超跌能驱动股票回购吗?—基于一个准自然实验. 系统工程理论与实践 40(12): 3080−3094. [7] 潘越, 翁若宇, 刘思义. 2017. 私心的善意:基于台风中企业慈善捐赠行为的新证据. 中国工业经济 (5): 133−151. [8] 山立威, 甘犁, 郑涛. 2008. 公司捐款与经济动机—汶川地震后中国上市公司捐款的实证研究. 经济研究 43(11): 51−61. [9] 王建玲, 李玥婷, 吴璇. 2018. 社会责任的信号作用—基于中国市场的研究. 中国管理科学 26(8): 31−41. [10] 王永贵, 高佳. 2020. 新冠疫情冲击、经济韧性与中国高质量发展. 经济管理 42(5): 5−17. [11] 张国清. 2003. 公共危机管理和政府责任—以SARS疫情治理为例. 管理世界 (12): 42−50. [12] 张志安, 冉桢. 2020. “风险的社会放大”视角下危机事件的风险沟通研究—以新冠疫情中的政府新闻发布为例. 新闻界 (6): 12−19. [13] 赵静梅, 申宇, 吴风云. 2014. 天灾、人祸与股价:基于地震、群体骚乱事件的研究. 管理科学学报 17(4): 19−33. [14] 钟覃琳, 杨晓彤, 唐玮, 姜付秀. 2020. 经济政策不确定性与上市公司风险应对—基于信息披露策略的研究视角. 学术研究 (5): 88−97. [15] 朱民, 唐朝, 郑重阳. 2020. 新冠肺炎疫情下全球经济复苏之路探索—来自意大利的启迪. 上海对外经贸大学学报 27(4): 5−20. [16] 朱武祥, 张平, 李鹏飞, 王子阳. 2020. 疫情冲击下中小微企业困境与政策效率提升—基于两次全国问卷调查的分析. 管理世界 36(4): 13−26. [17] Andrew, W., and A. Valadkhani. 2004. Measuring the impact of natural disasters on capital markets: An empirical application using intervention analysis. Applied Economics 36: 2177−2186. doi: 10.1080/0003684042000282489 [18] Asquith, P., and D. W. Mullins. 1986. Signalling with dividends, stock repurchase, and equity issues. Financial Management 15(3): 27−44. doi: 10.2307/3664842 [19] Baker, S. R., N. Bloom, S. J. Davis, K. Kost, M. C. Sammon, and T.Viratyosin 2020. The unprecedented stock market impact of COVID-19. Working Paper. [20] Bargeron, L., A. Bonaime, and S. Thomas. 2017. The timing and source of long-run returns following repurchases. Journal of Financial and Quantitative Analysis 52(2): 491−517. doi: 10.1017/S0022109017000084 [21] Brounen, D., and J. Derwall. 2010. The impact of terrorist attacks on international stock markets. European Financial Management 16(4): 585−598. doi: 10.1111/j.1468-036X.2009.00502.x [22] Campbell, L., C. S. Gulas, and T. S. Gruca. 1999. Corporate giving behavior and decision: Maker social consciousness. Journal of Business Ethics 19(4): 375−383. doi: 10.1023/A:1006080417909 [23] Chen, H., and C. Yeh. 2021. Global financial crisis and COVID-19: Industrial reactions. Finance Research Letters. [24] Connelly, B. L., S. T. Certo, R. D. Ireland, and C. R. Reutzel. 2011. Signaling theory: A review and assessment. Journal of Management 37(1): 39−67. doi: 10.1177/0149206310388419 [25] Cowan, K., and F. Guzman. 2020. How CSR reputation, sustainability signals, and country-of-origin sustainability reputation contribute to corporate brand performance: An exploratory study. Journal of Business Research 117: 683−693. doi: 10.1016/j.jbusres.2018.11.017 [26] Dai, Y., P. R. Rau, A. Stouraitis, and W. Tan. 2020. An ill wind? Terrorist attacks and CEO compensation. Journal of Financial Economics 135(2): 379−398. doi: 10.1016/j.jfineco.2019.06.005 [27] Dann, L. Y. 1981. Common stock repurchases: An analysis of returns to bondholders and stockholders. Journal of Financial Economics 9(2): 113−138. doi: 10.1016/0304-405X(81)90010-6 [28] Deephouse, D. L., W. Newburry, and A. Soleimani. 2016. The effects of institutional development and national culture on cross-national differences in corporate reputation. Journal of World Business 51(3): 463−473. doi: 10.1016/j.jwb.2015.12.005 [29] Dessaint, O., and A. Matray. 2017. Do managers overreact to salient risks? Evidence from hurricane strikes. Journal of Financial Economics 126(1): 97−121. doi: 10.1016/j.jfineco.2017.07.002 [30] Ding, W., R. Levine, C. Lin, and W. Xie. 2020. Corporate immunity to the COVID-19 pandemic. Working Paper. [31] Dittmar, A., and L. C. Field. 2015. Can managers time the market? Evidence using repurchase price data. Journal of Financial Economics 115(2): 261−282. doi: 10.1016/j.jfineco.2014.09.007 [32] Fahlenbrach, R., K. Rageth, and R. M. Stulz. 2020. How valuable is financial flexibility when revenue stops? Evidence from the COVID-19 crisis[J]. The Review of Financial Studies. [33] Guo, Y., P. Li, and A. Li. 2021. Tail risk contagion between international financial markets during COVID-19 pandemic. International Review of Financial Analysis . [34] Hackethal, A., and A. Zdantchouk. 2006. Signaling power of open market share repurchases in Germany. Financial Markets and Portfolio Management 20(2): 123−151. doi: 10.1007/s11408-006-0011-9 [35] Harjoto, M. A., and H. Jo. 2015. Legal vs. Normative CSR: Differential impact on analyst dispersion, stock return volatility, cost of capital, and firm value. Journal of Business Ethics 128(1): 1−20. [36] Healy, P. M., and G. K. Palepu. 2001. Information asymmetry, corporate disclosure, and the capital markets: A review of the empirical disclosure literature. Journal of Accounting and Economics 31(1): 405−440. [37] Hood, M., A. Kamesaka, J. Nofsinger, and T. Tamura. 2013. Investor response to a natural disaster: Evidence from Japan's 2011 earthquake. Pacific-Basin Finance Journal 25: 240−252. doi: 10.1016/j.pacfin.2013.09.006 [38] Huo, X., and Z. Qiu. 2020. How does China’s stock market react to the announcement of the COVID-19 pandemic lockdown? Economic and Political Studies 8(4): 436−461. doi: 10.1080/20954816.2020.1780695 [39] Joachim, G. N., and R. S. J. Koijen. 2020. Coronavirus: Impact on stock prices and growth expectations. The Review of Asset Pricing Studies (10): 574−597. [40] Just, M., and K. Echaust. 2020. Stock market returns, volatility, correlation and liquidity during the COVID-19 crisis: Evidence from the markov switching approach. Finance Research Letters : 37. [41] Kaplanski, G., and H. Levy. 2010. Sentiment and stock prices: The case of aviation disasters. Journal of Financial Economics 95(2): 174−201. doi: 10.1016/j.jfineco.2009.10.002 [42] Kirmani, A., and A. R. Rao. 2000. No pain, no gain: A criticai review of the literature on signaling unobservable product quality. Journal of Marketing 64(2): 66−79. doi: 10.1509/jmkg.64.2.66.18000 [43] Leng, F., and G. Noronha. 2013. Information and long‐term stock performance following open‐market share repurchases. The Financial Review 48(3): 461−487. doi: 10.1111/fire.12011 [44] Martin, P. R., and D. V. Moser. 2016. Managers’ green investment disclosures and investors’reaction. Journal of Accounting and Economics 61(1): 239−254. doi: 10.1016/j.jacceco.2015.08.004 [45] Myers, S. C., and N. S. Majluf. 1984. Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics 13(2): 187−221. doi: 10.1016/0304-405X(84)90023-0 [46] Narayan, P. K., D. H. B. Phan, and G. Liu. 2021. COVID-19 lockdowns, stimulus packages, travel bans, and stock rreturns. Finance Research Letters : 38. [47] O’Donnell, N., D. Shannon, and B. Sheehan. 2021. Immune or at-risk? Stock markets and the significance of the COVID-19 pandemic. Journal of Behavioral and Experimental Finance : 30. [48] Shelor, R. M., D. C. Anderson, and M. L. Cross. 1990. The impact of the California earthquake on real estate firms' stock value. Journal of Risk and Insurance 5(3): 335−340. [49] Smales, L. A. 2021. Investor attention and global market returns during the COVID-19 crisis. International Review of Financial Analysis . [50] Spence, M. 1973. Job market signaling. Quarterly Journal of Economics 87(3): 355−374. doi: 10.2307/1882010 [51] Stephens, C. P., and M. S. Weisbach. 1998. Actual share reacquisitions in open-market repurchase programs. Journal of Finance 53(1): 313−333. doi: 10.1111/0022-1082.115194 [52] Vermaelen, T. 1981. Common stock repurchases and market signalling: An empirical study. Journal of Financial Economics 9(2): 139−183. doi: 10.1016/0304-405X(81)90011-8 [53] Wang, A. Y., and M. Young. 2020. Terrorist attacks and investor risk preference: Evidence from mutual fund flows. Journal of Financial Economics 137(2): 491−514. doi: 10.1016/j.jfineco.2020.02.008 [54] Wang, J., and X. Wang. 2021. COVID-19 and financial market efficiency: Evidence from an entropy-based analysis. Finance Research Letters. [55] Wu, C., and J. Hu. 2019. Can CSR reduce stock price crash risk? Evidence from China's energy industry. Energy Policy 128: 505−518. doi: 10.1016/j.enpol.2019.01.026 [56] Zaremba, A., D. Y. Aharon, E. Demir, R. Kizys, and D. Zawardka. 2021. COVID-19, government policy responses, and stock market liquidity around the world: A note. Research in International Business and Finance : 56. [57] Zhang, L., E. I. Altman, and J. Yen. 2010. Corporate financial distress diagnosis model and application in credit rating for listing firms in China. Frontiers of Computer Science in China 4(2): 220−236. doi: 10.1007/s11704-010-0505-5 [58] Zhang, Y., and M. F. Wiersema. 2009. Stock market reaction to CEO certification: The signaling role of CEO background. Strategic Management Journal 30(7): 693−710. doi: 10.1002/smj.772
点击查看大图
图(3) / 表(11)
计量
- 文章访问数: 409
- HTML全文浏览量: 394
- PDF下载量: 809
- 被引次数: 0
