本文采用A股市场2008~2019年的上市公司的相关数据作为样本，参考相关文献的数据处理办法，样本筛除的步骤如下：第一，筛除上一年度是暂停上市和退市警示的公司；第二，对上市时间或者一年内交易时间不足30周样本进行删除；第三，筛除有年份缺失都得数据样本。最终留下10,560个样本观测值，均从RESET或WIND数据库获取的数据。并剔除文中主要连续变量在1%和99%水平上的极端数据。

借鉴许年行等(2013)的构建方式，利用负收益率的偏态系数和上升和下降的波动比来构造被解释变量，度量股票价格下跌风险的大小 [10] 。构建方式如下所述：

利用相关股票的周收益率数据使用(1)的方式进行回归：

$R_{i,t}={\alpha }_i+{\beta }_1{R}_{m,t-2}+{\beta }_2{R}_{m,t-1}+{\beta }_3{R}_{m,t}+{\beta }_4{R}_{m,t+1}+{\beta }_5{R}_{m,t+2}+{\epsilon }_{i,t}$(1)

其中，下标i是不同公司的股票，t是时间标志。 $R_{i,t}$指的是股票i在第t周的收益(在计算了用于再投资的现金股利的回报率后)， $R_{m,t}$代表A股上市股票在第t周的平均收益率(流通市值加权后)。在求取自然对数后，定义周特质收益率为： $W_{i,t}=\ln \left(l+{\epsilon }_{i,t}\right)$，计算完成后使用 $W_{i,t}$对股价崩盘风险进行估计。

本研究以企业周度特征回报为基础，构造两个指数来衡量股票价格暴跌的风险。一是负收益偏态系数(NCSKEW)。使用(2)的方式进行构建具体如下：

${\text{NCSKEW}}_{i,t}=-\frac{n{\left(n-1\right)}^{3/2}{\displaystyle \sum W_{i,t}^3}}{\left(n-1\right)\left(n-2\right){\left({\displaystyle \sum W_{i,t}^2}\right)}^{3/2}}$(2)

在式子中，n代表了股票i在相关年分的交易周数。 ${\text{NCSKEW}}_{i,t}$是一个度量股票价格暴跌风险的正向指标，这代表着负收益偏态系数的扩大，将会带来股票价格暴跌风险的提升。

二是上升和下降的波动比( ${\text{DUVOL}}_{i,s}$)。第一步，市场调整后股票i的周收益率( $W_{i,t}$)与年平均收益率的大小，如果调整后的周收益率大于均值，则将其划分为上升周，同理将调整后周收益率小于均值的划分为下降周，同时，分别对股票收益的标准差进行估计。使用(3)式子对 ${\text{DUVOL}}_{i,s}$进行计算：

${\text{DUVOL}}_{i,s}=\ln \left\{\left[\left(n_u-1\right)\times {\displaystyle {\sum }_{\text{down}}{w}_{i,s}^2}\right]/\left[\left(n_d-1\right)\times {\displaystyle {\sum }_{\text{up}}{w}_{i,s}^2}\right]\right\}$(3)

式中， $n_u$与 $n_d$分别是股票的特质收益周收率 $W_{i,t}$大于(小于)年平均收益的周数。DUVOL也是评价股票价格暴跌的风险的正向指标， ${\text{DUVOL}}_{i,s}$的数字越大，收益分配的左偏度也更大，这就意味着股票价格暴跌的风险增加了。

根据前人的研究，大部分学者都比较认同基于量复合法的股票流动性测算。因此，本文以此为思路选取价量复合法中最常见的非流动性指标(AMIHUD)来度量股票流动性，计算公式如下：

$IL{L}_{i,k}=\frac{1}{n}{\displaystyle {\sum }_{k=1}^n\frac{\left|R_{i,k}\right|}{V_{i,k}}}$(4)

式中， $IL{L}_{i,k}$对股价的冲击在每单位交易发生时，属于非流动性指标， $IL{L}_{i,k}$与股票流动性是反向的关系，即指标越大流动性越差；反之， $IL{L}_{i,k}$值越小，股票流动性越强。其中， $R_{i,k}$为股票i在k日的收益率， $\left|R_{i,k}\right|$则是其绝对值的形式， $V_{i,k}$为股票i在k日的成交量，n为股票i在t年的正常交易的天数。

本研究拟选择机构投资者的持股比例( ${\text{INVH}}_{i,t}$)作为衡量机构投资者持股的指标。机构投资者持股比例( ${\text{INVH}}_{i,t}$)是机构投资者在年末持有的股票数量/总股数。

本文参照李争光等(2014)的研究，在时间和行业这两个方向上衡量机构投资者的持股稳定性，以稳定型的大小差异为依据将机构投资者划分为交易型和稳定型机构投资者 [15] 。具体计算公式为：

$S{D}_{i,t}={\text{INVH}}_{i,t}\text{STD}\left({\text{INVH}}_{i,t-3},{\text{INVH}}_{i,t-2},{\text{INVH}}_{i,t-1}\right)$(5)

${\text{INVW}}_i\{\begin{array}{l}1,S{D}_{i,t}\ge {\text{MEDLAN}}_{i,t}\left(S{D}_{i,t}\right)\\ 0,其他\end{array}$(6)

式(5)， $S{D}_{i,t}$机构投资者持股意图的指标，其中， ${\text{INVH}}_{i,t}$是指i公司在t年的机构投资者持股占比。 $\text{STD}\left({\text{INVH}}_{i,t-3},{\text{INVH}}_{i,t-2},{\text{INVH}}_{i,t-1}\right)$是指机构投资者持股占比的三年标准差比值。 $S{D}_{i,t}$与机构投资者持股波动性呈现正向关系，即指标值越大则机构持股的波动性也就越大。式(6)则是度量机构投资者持股意图的指标， ${\text{INVW}}_{i,t}$为0~1变量，衡量了机构投资者异质性特点； ${\text{MEDLAN}}_{i,t}\left(S{D}_{i,t}\right)$是机构投资者持股动机的中位数。当 $S{D}_{i,t}\ge {\text{MEDLAN}}_{i,t}\left(S{D}_{i,t}\right)$时，定义 ${\text{INVH}}_{i,t}$的值为1，则i公司的机构投资者属于稳定型的机构投资者；否则值为0，代表公司机构投资者属于交易型的机构投资者。

本文借鉴曹丰等(2015)的文章，控制了下述变量：公司规模(LND)、资产负债率(DA)、年换手率(HS)、管理层持股比例(GL)、公司周收益率标准差(SIGMA)、年度周平均收益率(RET)以及年度(Year)和行业(industry)等因素对股价崩盘风险的影响 [13] 。具体见下 表1 。

如下表所示， 表2 各列有对各变数进行描述的统计数字，变量NCSKEW的平均值和标准差分为是−0.322、0.698，数据范围在−2.398和1.685之间；变量DUVOL的平均值和标准差分别是−0.222、0.469，

数据范围在−1.361和1.054之间，描述性统计结果表示公司之间发生股价暴跌的风险的可能性是不同的且差距较大。AMIHUD的平均值和标准差分别是0.05、0.07，数据范围在0.002和0.4之间，说明不同公司流动性水平差距较大。机构投资者持股比例(INVH)的平均值和标准差分别是0.446、0.21，数据范围在0.003和0.867之间，样本整体的标准差和极差都比较大，这也代表了不一样的公司，其机构投资者具有的持股水平相差甚远。

如下表所示， 表3 指出了流动性对股价崩盘的回归结果。流动性(AMIHUD)的滞后项与收益上下波

注：^***、^**和^*分别表示在1%、5%和10%的水平下显著；括号内是回归系数的标准误差。

动率(DUVOL)的回归系数是−15.217，负收益偏态系数(NCSKEW)的回归系数是−29.472，且均在1%的水平下显著，说明公司的流动性加强将会增加其未来发生股价暴跌的概率，但是这种作用究竟来来自于稳定性机构投资者还是交易型机构投资者还需要进一步的讨论。

如下表所示， 表4 是不一样的机构投资者对股价崩盘风险的分组回归。稳健机构投资者的流动性对股票市场崩溃风险有明显的负向影响。表明稳定型机构在流动性增大股价崩盘风险的过程中承担了主要

注：^***、^**和^*分别表示在1%、5%和10%的水平下显著；括号内代表回归系数的标准误差。

作用，公司可能因为稳定型机构的存在而增加股价崩盘风险。而交易型机构投资者分组中，流动性并没有显著影响股价崩盘风险。同时，这也间接证实稳定机构投资者将会增加股价的崩盘风险，而交易型机构投资者对股价崩盘风险的作用并不明显。综合上述分析和 表3 、 表4 的回归结果，假设H1得到检验。

通过与整体流动性指标的回归结果对比发现，在稳定型机构投资者分组中，流动性与收益上下波动率(DUVOL)、负收益偏态系数(NCSKEW)的回归值均显著高于整体的流动性与收益上下波动率和负收益偏态系数的回归系数，且在交易性机构投资者分组中收益上下波动率和负收益偏态系数并不显著。综合上述分析，可知流动性指标对股价崩盘风险的增强作用主要来自于稳定型机构投资者。同时为考察机构投资者的调节作用，本文将流动性和机构投资者持股比例的交互项纳入模型中，由于交易型机构分组中，流动性对股价崩盘风险回归并不显著，所以本文在后文中皆使用稳定型机构分组，展开接下来的研究。此处，为假设H2，故使用模型(8)进行回归，回归结果见 表5 。

由 表5 可知，负收益偏态系数(NCSKEW)为被解释变量时，流动性和机构投资者持股比例的交互项系数(INTERACT)是−110.657，在1%的水平显著；以收益上下波动率(DUVOL)为被解释变量时，流动性和机构投资者持股比例的交互项(INTERACT)系数为−73.780，同样在1%的水平显著。根据上述回归结果，可知机构投资者持股对市场流动性和股价暴跌的影响具有调节作用。

注：^***、^**和^*分别是在1%、5%和10%的水平下显著；括号内代表回归系数的标准误差。

进一步的研究，稳定型机构分组中流动性和股价崩盘中的调节作用的方向和大小，为此在稳定型机构分组中对机构投资者持股进行调节作用的检验，在负收益偏态系数(NCSKEW)为被解释变量时，流动性和机构投资者持股比例的交互项系数(INTERACT)是−118.002，在5%的水平显著；在收益上下波动率(DUVOL)为被解释变量时，流动性和机构投资者持股比例的交互项系数(INTERACT)是−79.784，也在5%的水平显著。并且与整体的流动性和股价崩盘风险交互项系数作对比，稳定型机构投资者的交互系数明显大于整体水平，这表明机构投资者比重的提高对股票市场流动性的消极影响与股票价格暴跌风险，这种情况将会在稳定型机构投资者持股是更加明显。结合 表6 的回归结果报告，假设H2得到验证。

注：^***、^**和^*分别是在1%、5%和10%的水平下显著；括号内代表回归系数的标准误差。

为了研究流动性对股价崩盘之间的作用机制，即对机构投资者持股在流动性和股价崩盘风险中的中介效应进行验证，如 表7 所示， 表7 报告了验证结果。由于流动性对股价崩盘风险的刺激效果主要由稳定型机构带来，所以本文将讨论在稳定型机构持股分组中，机构投资者持股比例在流动性与股价崩盘风险关系中的中介效应， 表8 报告了验证结果。

由 表7 可知，模型(1)中，流动性(AMIHUD)对稳定型机构投资者持股比例(INVH)的回归系数是−33.43，在1%的水平显著，表示机构投资者的持有股票比例(INVH)对流动性(AMIHUD)具有明显的促进效果。模型(2)和(3)中，流动性的滞后一期项与收益上下负收益偏态系数(NCSKEW)的回归结果是−26.04，波动率(DUVOL)的回归结果是是−13.003，其中对NCSKEW的系数是在10%的水平显著的，但是对DUVOL则是不显著的；机构投资者持股比例(INVH)与负收益偏态系数(NCSKEW)的回归结果是0.104，收益上下波动率(DUVOL)的回归是0.067，且均在10%的水平显著，负收益偏态系数(NCSKEW)和收益上下波动率(DUVOL)的Sobel检验的P值为0具有显著性。结合前文 表3 的模型(1)和(2)的流动性变量系数显著，这代表在流动性与股价崩盘风险中，机构投资者持股发挥着中介作用。又因为流动性和机构持股指标的系数均显著，因此，机构投资者在股票价格崩溃与流动性之间起到了一定的调节作用。

如 表8 所示，模型(1)中流动性(AMIHUD)与稳定型机构持股比例为−42.006，在1%的水平下显著，说明流动性(AMIHUD)对稳定型机构持股比例的作用是显著为正的。模型(2)和(3)中，流动性与DUVOL和NCSKEW的回归系数分别为−30.827和−17.638，并且均不显著，稳定型机构持股与DUVOL和NGSKEW的回归系数分别为0.187和0.116，均在10%的水平下显著，NCSKEW和DUVOL的Sobel的P值为0，检验结果具有显著性。综合前面 表4 中模型(1)和(2)流动性系数均显著，在稳定型机构投资者的分组回归中，机构投资者持股的滞后项(LINVH)均显著，这代表着在流动性与股价崩盘风险之间，稳定型机构投资者的中介效应显著。由于 表8 中，模型(2)和(3)中DUVOL和NCSKEW的回归系数中介变量稳定型机构投资者持股比例显著，而流动性不显著，因此稳定型机构投资者持股在流动性刺激股价崩盘风险的过程中发挥着完全中介效应。综上所述，假设H3得到检验。

根据 表7 和 表8 中介效应检验的报告结果，整体来看机构投资者在流动性加强和股价崩盘风险增加中起到了显著的部分中介效用。在稳定型机构投资者的分组中介检验中，稳定型机构投资者在流动性加强和股价崩盘风险增加中发挥了完全的中介作用。且通过中介效用占比来看，在整体的中介效应检验中，负收益偏态系数(NCSKEW)和收益上下波动率(DUVOL)的中介效应占比分别为20.16%和22.04%；同时，在稳定型机构投资者的中介效应检验中负收益偏态系数(NCSKEW)和收益上下波动率(DUVOL)的中介效应占比分别为34.2%和36.15%。根据中介效应占比结果，稳定型机构投资者在流动性和股价崩盘风险中发挥了更大的中介作用。

注：^***、^**和^*分别是在1%、5%和10%的水平下显著；括号内代表回归系数的标准误差。

注：^***、^**和^*分别是在1%、5%和10%的水平下显著；括号内代表回归系数的标准误差。

考虑到异质机构投资者持股比例的不同类型，所造成的自选择行为产生的模型内生性的有关问题，参考黄政等(2017)的做法，采取Heckman两阶段模型去排除相关的内生性问题 [17] 。流程如下：

利用Probit模型开始模型的第一次回归，利用异质机构投资者持股(INVW)和其影响因素的回归来估计逆米尔斯比率(IMR)。本文选用公司规模(LND)、资产负债率(DA)、年换手率(HS)、管理层持股比例(Gl)、公司周收益率标准差(SIGMA)、年度周平均收益率(RET)等变量来进行对异质机构投资者持股(INVW)的回归，并进行时间和行业固定效应处理。CV代表所有控制变量，模型如下：

$\text{INVW}={\beta }_0+{\beta }_i\times C{V}_{i,t-1}+{\displaystyle \sum \text{Year}}+{\displaystyle \sum \text{Industry}}+{\epsilon }_{i,t-1}$(11)

在第一个模型回归完成后，使用估计好的逆米尔斯比例(IMR)添加进模型(7)中来用于第二个回归， 表9 报告了第二次回归结果。根据 表9 的回归显示，在控制了样本自身产生的内生性后，流动性与股票价格暴跌的回归系数显著为负，并没有改变前文结论。

为保证核心结论的可靠性，更好地揭示流动性与股价崩盘的相关关系，本文继续采用倾向得分匹配方法进行进一步的稳健性检验。详细检验步骤如下：

注：^***、^**和^*分别是在1%、5%和10%的水平下显著；括号内代表回归系数的T值。

首先，估计流动性的概率模型。对全样本中的管理层持股比例，按照式(11)进行Logit回归估计，获得全样本中管理层持股比例的倾向得分。如果估计倾向得分方程的解释变量在确定交易型和稳定型机构投资者持股比例(INVW)上有不错表现，便可以认为不可观测因素所带来的选择偏误得到最小化。这意味着PSM估计所得到的平均处理效应可视为是一种因果关系的体现。

$P\left(X_{it}\right)=\mathrm{Pr}\left({\text{INVW}}_{it}=1|X_{it}\right)=\text{E}\left({\text{INVW}}_{it}|X_{it}\right)$(12)

其次，进行倾向得分匹配。采用一对一的最近邻匹配对稳定型机构投资者和交易型机构投资者所包括的企业进行估计得到的倾向得分进行匹配。匹配结果应达到数据平衡，即应使得匹配变量在匹配后的处理组(稳定型机构投资者)与控制组(交易型机构投资者)之间分布较均匀。如下表所示， 表10 报告了匹配样本的平行条件假设检验结果，可以看出，匹配后各匹配变量的P值都基本上大于10%，这证明对于稳定型机构投资者和交易型机构投资者的匹配变量并没有显著的差异，匹配的平衡性假设基本得到满足，所以PSM的估计结果可以被采纳。