司法“去地方化”能促进金融市场稳定吗？ ——基于企业股价崩盘视角

Can Judicial “Decoupling from Local Influence” Promote Financial Market Stability? —From the Perspective of Corporate Stock Price Crashes

摘要: 优化法治营商环境，促进经济高质量发展是当前的工作重点。司法制度对于国家的市场经济秩序和企业发展的重要性不言而喻，利用最高人民法院设立地方巡回法庭这一准自然实验情景，选取2012~2020年沪深A股上市公司作为研究对象，本文实证检验了地方巡回法庭的设立对企业股价崩盘风险的影响。研究发现：设立地方巡回法庭能够降低企业的股价崩盘风险，促进金融市场的稳定，且该结论在考虑PSM、安慰剂检验、改变关键变量衡量方式等多种稳健性检验后依然成立。影响机制表明：设立地方巡回法庭能够通过规制政府对市场的干预、提升企业信息披露质量来降低股价崩盘风险。进一步分析发现：当企业的债务违约风险较高、市场化程度较好且产权性质为国企时，巡回法庭的设立对股价崩盘风险的降低效果更显著。为此，文章结论不仅丰富了“法与金融”领域的研究主题，还为司法去地方化的完善和降低企业股价崩盘风险具有政策启示。

Abstract: The optimization of a rule-of-law-based business environment plays a pivotal role in driving high-quality economic development. The significance of the judicial system in upholding the national market economy order and supporting enterprise growth is self-evident. This study leverages the quasi-natural experiment created by the Supreme People’s Court’s establishment of local circuit courts. Using Shanghai and Shenzhen A-share listed companies from 2012 to 2020 as research subjects, it empirically examines the impact of local circuit court establishment on corporate stock price crash risk. The findings reveal that the establishment of local circuit courts reduces the risk of corporate stock price crashes and promotes the stable development of financial markets. Moreover, this conclusion remains robust after undergoing multiple stability tests, including propensity score matching, placebo tests, and altering the measurement methods of key variables. Regarding the impact mechanism, the establishment of local circuit courts can reduce the risk of stock price crashes by regulating government intervention in the market and improving the quality of corporate information disclosure. Further analysis reveals that the effect of circuit court establishment on mitigating stock price crash risk is more pronounced when firms face higher debt default risk, operate in regions with greater marketization, and are state-owned enterprises. The conclusions drawn in this paper not only expand the scope of research in the “law and finance” field but also provide policy insights for advancing judicial depoliticization and reducing corporate stock price crash risk.

1. 引言

作为中央“六稳”工作之一，保障金融市场稳定，防范和化解金融风险是党和国家经济工作的重心和重要目标，也是实现我国经济高质量发展的关键。2021年3月，中国人民银行会同国家发改委等相关部门起草了《金融稳定法(草案)》；党的二十大报告中也强调了加强金融监管与保障金融稳定的重要意义。由此可见，金融市场稳定受到党和国家的高度重视，中国特色的金融市场体系也已初步形成并取得了一定进步，然而受国际、国内复杂因素的影响，金融市场稳定仍面临着诸多挑战。自2008年金融危机以来，我国资本市场个股崩盘风险频发，已经引起社会各界广泛的关注[1]。作为金融市场的关键子系统，股票市场的异常波动及风险溢出已成为破坏金融市场稳定的严重隐患。而司法制度能够在一定程度上增加对企业行为的约束，减少隐瞒坏消息等短视行为，从而降低股价异常波动，促进金融市场的稳定繁荣。有鉴于此，文章以最高人民法院在地方设立巡回法庭为准自然实验，采用多时点双重差分模型，考察该项司法体制改革对企业股价崩盘风险的影响效应及其内在机制，以揭示司法“去地方化”改革对微观经济效率的改善作用。

为破除司法“地方保护主义”，提高地方司法质量与独立性，打造良好的司法生态，最高人民法院设立了地方巡回法庭以审理跨区域行政与民商事案件。2015年1月，深圳市和沈阳市分别挂牌成立第一、第二巡回法庭，作为先行试点区域；2016年12月，第三至第六巡回法庭相继在南京市、郑州市、重庆市和西安市落地。每一巡回法庭的巡回区域辐射巡回法庭所在省份及周边省份，6个巡回法庭覆盖了全国26个省、自治区、直辖市。该司法改革赋予巡回法庭与最高人民法院等同的判决效力，从制度上保证了巡回法庭的独立公正司法，大幅度抑制司法“地方化”问题[2]。

2. 理论分析与研究假设

在有关股价崩盘的众多理论中，“信息捂盘假说”[3]得到了最为广泛的认可。该假说认为，管理者存在自利性坏消息隐藏行为，即出于自身利益的考量选择将坏消息隐瞒起来而不公之于众。随着坏消息不断积累，当隐藏的负面消息超载而不得不大量涌入市场时，市场内的投资者便会出现恐慌情绪而集中抛售，进而触发股价暴跌。已有文献对于股价崩盘风险因素的探究中对于外部冲击的研究大都基于各类政策及试点，但鲜有文献基于司法的角度，关注司法制度的完善对于股价崩盘风险的影响效应。同时，已有文献对于设立巡回法庭的后果分析，大都关注其对企业内部风险承担、专业化分工与全要素生产率[4]-[6]的影响，并未探讨更为宏观层面的效果。故本文基于股价崩盘风险的形成原理，认为以巡回法庭为例的司法“去地方化”改革能够降低企业的股价崩盘风险。

第一，巡回法庭的设立促使企业信息披露质量提高，股价崩盘风险降低。巡回法庭的设立突出强调了地方司法公正性和独立性的提升，其实施标志着上市公司外部法治环境的改善。当法律制度不完善时，企业可能为了短期利润而牺牲长期利益，这些都为后续经营和股价突然下跌埋下了隐患。因此，司法的完善一定程度上也会增加对企业行为的约束，减少隐瞒坏消息等短视行为，从而降低股价异常波动。第二，地方巡回法庭能通过规制政府干预来降低股价崩盘风险。政府干预是政府与企业建立关系纽带的一种特殊方式，由于政府关系的存在，企业通过与政府建立关系纽带，其提供高质量财务信息的主动性会降低，政府过度干预也可能会导致企业违规的概率提高[7]。分权式改革使得地方政府竞争全国性资源，在此背景下，地方政府保护当地企业利益的动机得到强化，由于地方保护的目的，各地政府都会倾向于与当地企业建立良好的联系，而企业则会积极地向政府表达善意，以获取更多的政府资源和政策支持。地方巡回法庭不受“人缘”“地缘”等因素的干扰，也不受地方财政与行政的约束，从而在根源上解决了过去司法工作受制于地方政府的问题。据此，本文提出如下假设：

H1：设立地方巡回法庭的司法体制改革能够降低企业的股价崩盘风险，促进金融市场的稳定。

3. 研究设计

3.1. 样本选取与数据来源

本文以2012~2020年沪深A股上市公司研究样本，数据均来源于国泰安数据库，经筛选处理后得到2935家企业共14,599个非平衡面板数据。具体筛选处理过程如下：一是剔除金融企业；二是剔除样本期间上市状态异常和总资产收益率为负的企业；三是剔除关键变量缺失企业；四是考虑极端异常值的影响，对连续型变量进行上下1%的缩尾处理。

3.2. 模型构建与变量定义

为检验巡回法庭设立对企业股价崩盘风险产生的影响，本文采用多期双重差分的研究设计，构建如下模型：

$NSCKE{W}_{i,t}={\alpha }_0+\theta DID+\beta XControl{s}_{i,t}+Fir{m}_{i,t}+Yea{r}_{i,t}+\mathrm{Pr}o{v}_{i,t}+{\epsilon }_{i,t}$ (1)

其中，下标i和t分别表示企业和年份；NSCKEW为股价崩盘风险；DID表示企业所在地区是否被巡回法庭所覆盖的虚拟变量；Controls为控制变量。为避免企业、行业层面的非时变特征影响，并考虑到部分企业存在行业变动情况，本文控制公司、年份和省份层面的固定效应。具体变量定义如表1所示。

Table 1. Variable definition

表1. 变量定义

变量类型	变量符号	变量说明
被解释变量	NCSKEW/DUVOL	具体衡量方式如上所述
解释变量	DID	企业所在区域被巡回法庭覆盖的当年及以后年度取值为1，否则为0
控制变量	SIZE	公司年末总资产的自然对数
	LEV	公司年末负债总额与资产总额的比值
	ROA	净利润除以总资产
	DUAL	董事长和总经理为同一人时即取值为1，否则为0
	SOE	产权性质为国企赋值为1，否则为0
	AGE	公司上市年限的自然对数
	BOARD	董事会人数取自然对数
	MB	企业流通市值与账面价值之比
	TOP1	第一大股东持股比例
	GROWTH	营业收入增长率
	DTUERN	第t年月均换手率-第t-1年月均换手率
	DISACC	修正的琼斯模型分年度分行业估计的操纵性应计利润
	SIGMA	周股票特质收益率的年度标准差
	RET	周股票特质收益率的年度均值
	GDP	地区生产总值取自然对数

3.3. 描述性统计

从表2给出的变量描述性统计结果来看，股价崩盘风险指标NCSKEW和DUVOL的平均值分别为−0.441和−0.310，标准差为0.744和0.482，说明不同公司之间股价崩盘风险差别较大，与褚剑和方军雄(2016) [8]的结果较为一致。DID的均值为0.477，表明约有47.7%的观测样本受到了巡回法庭设置的影响，依旧存在较高比例的观测值从未受到政策影响。

Table 2. Descriptive analysis

表2. 描述性统计

变量	观测值	均值	标准差	最小值	P25	P50	P75	最大值
ncskew	14,559	−0.441	0.744	−2.649	−0.841	−0.389	0.004	1.636
duvol	14,559	−0.310	0.482	−1.486	−0.630	−0.307	0.004	0.944
DID	14,559	0.477	0.499	0.000	0.000	0.000	1.000	1.000
dual	14,559	0.267	0.442	0.000	0.000	0.000	1.000	1.000
soe	14,559	0.371	0.483	0.000	0.000	0.000	1.000	1.000
Board	14,559	0.394	0.094	0.143	0.333	0.375	0.444	0.667
top10	14,559	0.591	0.144	0.244	0.489	0.598	0.697	0.954
size	14,559	22.401	1.311	18.370	21.469	22.216	23.128	28.543
roab	14,559	0.055	0.044	0.002	0.023	0.044	0.075	0.251
gdp	14,559	11.229	0.421	10.238	10.949	11.248	11.531	12.013
growth	14,559	0.174	0.377	−0.483	0.001	0.109	0.255	3.081
age	14,559	2.923	0.303	1.946	2.773	2.944	3.135	3.497
lev	14,559	0.412	0.192	0.052	0.258	0.403	0.554	0.930
Dturn	14,559	0.015	0.225	−0.648	−0.092	0.015	0.120	0.715
mb	14,559	3.712	2.249	1.272	2.319	3.132	4.341	18.153
disaccw	14,559	0.013	0.088	−0.333	−0.028	0.013	0.054	0.317
Sigma	14,559	0.062	0.025	0.026	0.045	0.056	0.072	0.159
Ret	14,559	0.004	0.009	−0.014	−0.003	0.003	0.009	0.035
Lncskew	14,559	−0.424	0.738	−2.649	−0.816	−0.375	0.017	1.636
Lduvol	14,559	−0.296	0.481	−1.486	−0.614	−0.294	0.013	0.944

数据来源：WIND资讯及国泰安数据库整理所得。

4. 实证结果与分析

4.1. 基准回归结果

巡回法庭设立对企业股价崩盘风险影响的回归结果如表3所示。以负收益偏态系数DUVOL与收益上下波动率NCSKEW作为度量股价崩盘风险的大小的代理变量，放入模型进行回归，表中DID的回归系数均显著为负，均在5%的水平上显著，即表明巡回法庭设立后，对于覆盖区域内的样本企业的股价崩盘风险确实存在着显著降低的效果。

Table 3. Benchmark regression results

表3. 基准回归结果

VARIABLES	(1) ncskew	(2) duvol
DID	−0.070^**	−0.038^**
	(0.0273)	(0.0182)
dual	−0.042	−0.026
	(0.0273)	(0.0181)
soe	−0.011	−0.023
	(0.0662)	(0.0437)
Board	0.010	0.073
	(0.0870)	(0.0579)
top10	0.428^***	0.234^***
	(0.1282)	(0.0849)
size	0.075^***	0.033^*
	(0.0264)	(0.0172)
roab	0.822^***	0.472^***
	(0.2591)	(0.1708)
gdp	−0.035	0.034
	(0.0926)	(0.0602)
growth	0.042^**	0.026^**
	(0.0193)	(0.0123)
age	−0.302	−0.216^*
	(0.1899)	(0.1281)
lev	−0.434^***	−0.279^***
	(0.1118)	(0.0740)
Dturn	0.202^***	0.091^***
	(0.0393)	(0.0254)
mb	0.059^***	0.037^***
	(0.0058)	(0.0039)
disaccw	−0.049	−0.021
	(0.0838)	(0.0552)
Sigma	−11.045^***	−5.452^***
	(0.5830)	(0.3607)
Retw	−13.556^***	−11.779^***
	(1.2862)	(0.8385)
Lncskew	−0.148^***
	(0.0089)
Lduvol		−0.153^***
		(0.0087)
Constant	−0.481	−0.643
	(1.2508)	(0.8321)
Observations	14,559	14,559
R-squared	0.352	0.346
Firm	YES	YES
Year	YES	YES
Province	YES	YES

注：^*、^**和^***分别表示在10%、5%和1%的水平上显著，括号内为稳健标准误，下同。

4.2. 稳健性检验

4.2.1. 平行趋势检验

为了确保研究设计的有效性和结果的可靠性，本文首先进行平行趋势检验，即确保差分处理组和对照组之间的差异主要是由于巡回法庭设置试点这一外生事件引起的，而不是由于观测期前的趋势差异导致的。具体而言，本文将环境法庭设立前的第一年作为基准年份，检验前后五期的变化趋势，并构建如下共9个政策时间虚拟变量：Pre4、Pre3、Pre2、Pre1、Current、lac1、lac2、lac3、lac4。图1和图2汇报了上述变量的系数估计值及其90%水平的置信区间。

由图1结果可知，Pre4、Pre3、Pre2的系数均不显著，表明在巡回法庭设立之前，实验组和对照组并不存在明显差异，即平行趋势检验通过。Current、lac1、lac2、lac3、lac4系数显著为负，这表明在巡回法庭设立试点后，试点地区企业的股价崩盘风险得到显著降低，也初步验证了本文的假设。

Figure 1. Parallel trend test

图1. 平行趋势检验

4.2.2. 安慰剂检验

为排除其他因素的干扰，本文进行安慰剂检验，构造虚拟的政策冲击变量，重复1000次，并绘制回归系数以及对应p值的概率密度，如图2所示。虚拟政策冲击变量的回归系数的p值大部分均在0.1以上，表明大部分回归系数未通过显著性检验。同时，新估计系数的均值非常接近于0，且较为均匀地分布在0附近，与基准回归的系数−0.070 (图中竖虚线)相差较远，表明随机生成巡回法庭试点的冲击并不能降低企业的股价崩盘风险。

4.2.3. 倾向得分匹配

为进一步验证上述结论，本文进行倾向得分匹配，根据控制变量进行1:3的近邻匹配，结果如表4所示。巡回法庭设立(DID)与企业股价崩盘风险的回归系数分别为−0.036和−0.029，均通过了显著性检验，足以表明本文结论不受样本自选择问题的影响。

4.2.4. 其他稳健性检验

第一，更换被解释变量的度量方式。以虚拟变量CRASH来判断股价崩盘风险是否发生，并检验

Figure 2. Placebo test

图2. 安慰剂检验

Table 4. Propensity score matching

表4. 倾向得分匹配

VARIABLES	(1) ncskew	(2) duvol	(3) 匹配效果检验
DID	−0.036^*	−0.029^**
	(0.0210)	(0.0137)
dual	−0.004	−0.008	0.800
	(0.0220)	(0.0145)	(0.490)
soe	−0.080^***	−0.081^***	0.400
	(0.0203)	(0.0136)	(0.230)
Board	0.042	0.028	−2.100
	(0.1123)	(0.0727)	(−1.230)
top10	0.162^**	0.106^**	−0.200
	(0.0661)	(0.0420)	(−0.100)
size	−0.030^***	0.007	−3.100
	(0.0099)	(0.0066)	(−2.050)
roab	0.301	0.439^***	−1.600
	(0.2377)	(0.1642)	(−1.020)
growth	0.086^***	0.048^***	−2.500
	(0.0232)	(0.0153)	(−1.640)
Age	−0.009	−0.005	−0.800
	(0.0363)	(0.0238)	(−0.580)
gdp	0.025	0.025	−4
	(0.0245)	(0.0158)	(−2.460)
lev	−0.090	−0.097^*	−0.900
	(0.0733)	(0.0497)	(−0.570)
Dturn	0.021	−0.024	2.700
	(0.0575)	(0.0388)	(1.740)
mbw	0.031^***	0.020^***	−2
	(0.0046)	(0.0034)	(−1.430)
disaccw	0.039	0.010	2.600
	(0.1237)	(0.0846)	(1.600)
Sigma	−10.067^***	−4.765^***	−2
	(0.7523)	(0.4830)	(−1.430)
Ret	−8.605^***	−7.708^***	−0.800
	(1.8127)	(1.2946)	(−0.530)
Lncskew	0.041^***		−1.300
	(0.0128)		(−0.750)
Lduvol		0.022
		(0.0133)
Constant	0.587	−0.471^*
	(0.3626)	(0.2437)
Observations	11,698	11,698
R-squared	0.118	0.114
Ind	YES	YES
Year	YES	YES

巡回法庭对股价崩盘风险产生的影响，结果见表5第(1)列。

第二，排除公共卫生事件的影响。由于该事件使得企业经营不确定性增高，股市波动性大，从而可能会对本文结论产生不利影响。故本文将样本期间调整为2012~2019年，以排除公共卫生事件的影响，结果如表5列(2)、列(3)所示。

第三，更换聚类方式，考虑到不同行业和不同个体未观测到的成分可能相互关联，因此在表5中列(4)、列(5)汇报了基于行业和省份层面的聚类稳健性标准误对应的t统计值。

第四，个体层面聚类，增加固定效应。在基准回归控制个体、时间和省份固定效应的基础上，增加行业固定效应，结果如表5中第(6)、第(7)列所示。

以上各类稳健性检验结果都在10%及以上的水平上显著为负。证明了本文主要结论的可靠性，即巡回法庭这一司法体制的改革能够降低企业股价崩盘风险。

Table 5. Other robustness tests

表5. 其他稳健性检验

VARIABLES	(1) crash	(2) ncskew	(3) duvol	(4) ncskew	(5) ncskew	(6) ncskew	(7) duvol
DID	−0.020^*	−0.072^**	−0.034^*	−0.070^*	−0.070^**	−0.068^**	−0.037^**
	(0.0101)	(0.0307)	(0.0204)	(0.0367)	(0.0245)	(0.0273)	(0.0183)
dual	−0.016	−0.037	−0.008	−0.042	−0.042^**	−0.043	−0.026
	(0.0106)	(0.0358)	(0.0238)	(0.0293)	(0.0156)	(0.0274)	(0.0181)
soe	−0.037	0.077	−0.006	−0.011	−0.011	−0.002	−0.016
	(0.0265)	(0.1223)	(0.0804)	(0.0738)	(0.0522)	(0.0657)	(0.0429)
Board	0.004	0.095	0.122^*	0.010	0.010	0.003	0.068
	(0.0373)	(0.1092)	(0.0731)	(0.0827)	(0.0612)	(0.0871)	(0.0579)
top10	−0.025	0.678^***	0.376^***	0.428^**	0.428^**	0.433^***	0.238^***
	(0.0485)	(0.1704)	(0.1122)	(0.1932)	(0.1746)	(0.1289)	(0.0855)
size	−0.009	0.078^**	0.025	0.075^**	0.075^**	0.078^***	0.035^**
	(0.0100)	(0.0362)	(0.0231)	(0.0334)	(0.0351)	(0.0262)	(0.0173)
roab	−0.232^**	0.824^**	0.421^*	0.822^**	0.822^*	0.858^***	0.494^***
	(0.1040)	(0.3634)	(0.2343)	(0.3945)	(0.4358)	(0.2590)	(0.1709)
gdp	−0.004	0.001	0.036	−0.035	−0.035	−0.041	0.028
	(0.0370)	(0.1192)	(0.0765)	(0.1034)	(0.0852)	(0.0926)	(0.0604)
growth	−0.007	0.058^**	0.032^**	0.042	0.042	0.040^**	0.024^**
	(0.0069)	(0.0247)	(0.0157)	(0.0258)	(0.0264)	(0.0193)	(0.0122)
age	0.018	−0.357	−0.233	−0.302	−0.302	−0.310	−0.219^*
	(0.0752)	(0.2736)	(0.1836)	(0.2369)	(0.1915)	(0.1906)	(0.1289)
lev	−0.014	−0.554^***	−0.361^***	−0.434^***	−0.434^***	−0.430^***	−0.279^***
	(0.0412)	(0.1480)	(0.0966)	(0.1194)	(0.1112)	(0.1121)	(0.0742)
Dturn	0.033^**	0.202^***	0.103^***	0.202^***	0.202^***	0.206^***	0.094^***
	(0.0142)	(0.0476)	(0.0314)	(0.0356)	(0.0540)	(0.0393)	(0.0254)
mb	−0.002	0.063^***	0.039^***	0.059^***	0.059^***	0.060^***	0.037^***
	(0.0021)	(0.0080)	(0.0053)	(0.0084)	(0.0057)	(0.0057)	(0.0039)
disaccw	−0.078^**	−0.065	0.008	−0.049	−0.049	−0.055	−0.024
	(0.0318)	(0.0947)	(0.0636)	(0.0911)	(0.1181)	(0.0841)	(0.0554)
Sigma	0.455^**	−9.161^***	−4.605^***	−11.045^***	−11.045^***	−11.039^***	−5.457^***
	(0.2153)	(0.7328)	(0.4715)	(0.4887)	(0.8729)	(0.5827)	(0.3607)
Ret	−4.626^***	−14.867^***	−11.918^***	−13.556^***	−13.556^***	−13.778^***	−11.911^***
	(0.5035)	(1.5102)	(0.9947)	(1.6592)	(1.1287)
L.crash	−0.184^***
	(0.0094)
Lncskew		−0.180^***		−0.148^***	−0.148^***	−0.149^***
		(0.0113)		(0.0087)	(0.0076)	(0.0089)
Lduvol			−0.191^***				−0.155^***
			(0.0106)				(0.0087)
Constant	0.356	−1.110	−0.615	−0.481	−0.481	−0.451	−0.451
	(0.5002)	(1.6268)	(1.0673)	(1.1926)	(1.4590)	(1.2635)	(1.2515)
Observations	14,559	9,641	9,641	14,559	14,559	14,559	14,559
R-squared	0.269	0.384	0.382	0.352	0.352	0.353	0.348
Firm	YES	YES	YES	YES	YES	YES	YES
Year	YES	YES	YES	YES	YES	YES	YES
Province	YES	YES	YES	YES	YES	YES	YES
IND	NO	NO	NO	NO	NO	YES	YES
Cluster	Stkcd	Stkcd	Stkcd	Pvovince	Ind	Stkcd	Stkcd

5. 进一步分析

5.1. 机制检验

5.1.1. 信息披露质量

参照徐寿福等[9]的研究结果，本文采用KV指数衡量企业的信息披露质量，结果如表6列(2)所示。中介变量KV指数的回归系数在5%的显著性水平上为负，表明巡回法庭的设立能有效提高企业信息透明度，改善企业会计信息质量。

Table 6. Mechanism verification: Quality of information disclosure

表6. 机制检验：信息披露质量

VARIABLES	(1) NSCKEW	(2) KV指数
DID	−0.070^**	−0.016^**
	(0.0273)	(0.0071)
dual	−0.042	−0.016^**
	(0.0273)	(0.0067)
soe	−0.011	0.015
	(0.0662)	(0.0123)
Board	0.010	0.008
	(0.0871)	(0.0215)
top10	0.428^***	0.045
	(0.1282)	(0.0286)
size	0.075^***	0.071^***
	(0.0264)	(0.0068)
roab	0.819^***	0.511^***
	(0.2595)	(0.0735)
gdp	−0.035	0.033
	(0.0926)	(0.0217)
growth	0.043^**	0.001
	(0.0193)	(0.0048)
age	−0.302	0.134^***
	(0.1900)	(0.0419)
lev	−0.434^***	−0.176^***
	(0.1118)	(0.0262)
Dturn	0.202^***	−0.032^***
	(0.0393)	(0.0101)
mb	0.059^***	0.016^***
	(0.0058)	(0.0017)
disaccw	−0.045	0.047^**
	(0.0840)	(0.0214)
Sigma	−11.044^***	−0.758^***
	(0.5830)	(0.1333)
Ret	−13.555^***	0.587^*
	(1.2862)	(0.3419)
Lncskew	−0.148^***	−0.004^*
	(0.0089)	(0.0021)
Constant	−0.479	−1.823^***
	(1.2506)	(0.2989)
Observations	14,559	14,533
R-squared	0.352	0.432
Firm	YES	YES
Year	YES	YES
Province	YES	YES

5.1.2. 政府干预

政府与市场的关系关系过于密切会导致营商环境不公正，企业管理者发生机会主义寻租行为概率增加，不利于企业股价稳定。因此，本文根据王小鲁[10]等的《中国分省份市场化指数报告》中“政府与市场关系”指数来衡量政府干预程度(Gov)，结果如表7所示。第(2)列解释变量的回归系数在1%水平上显著为负，表明设立地方巡回法庭的司法体制改革显著地抑制了地方政府干预。同时。第(1)列中回归系数显著为负，说明司法体制改革能够通过规制政府不当干预进而提高对企业行为的监管进而降低股价崩盘风险。

Table 7. Mechanism verification: Government intervention

表7. 机制检验：政府干预

VARIABLES	(1) NSCKEW	(2) Gov
DID	−0.070^**	−0.164^***
	(0.0273)	(0.0284)
dual	−0.042	−0.026
	(0.0273)	(0.0306)
soe	−0.011	−0.158^**
	(0.0661)	(0.0724)
Board	0.010	−0.021
	(0.0871)	(0.0866)
top10	0.428^***	0.321^**
	(0.1282)	(0.1606)
size	0.075^***	−0.059^*
	(0.0264)	(0.0338)
roab	0.803^***	−0.062
	(0.2590)	(0.2846)
gdp	−0.035	0.313^*
	(0.0926)	(0.1793)
growth	0.043^**	0.006
	(0.0193)	(0.0199)
age	−0.302	0.046
	(0.1900)	(0.2548)
lev	−0.435^***	−0.128
	(0.1117)	(0.1271)
Dturn	0.202^***	−0.008
	(0.0393)	(0.0363)
mb	0.059^***	0.005
	(0.0058)	(0.0059)
disaccw	−0.023	0.090
	(0.0842)	(0.0759)
Sigma	−11.043^***	−0.304
	(0.5831)	(0.5382)
Ret	−13.552^***	1.454
	(1.2863)	(1.1336)
Lncskew	−0.148^***	−0.015^*
	(0.0089)	(0.0083)
Constant	−0.470	5.334^**
	(1.2508)	(2.2442)
Observations	14,559	14,461
R-squared	0.352	0.833
Firm	YES	YES
Year	YES	YES
Province	YES	YES

5.2. 异质性分析

5.2.1. 基于产权性质分析

相较于国有企业，非国有企业更依赖市场机制，其所面临的市场竞争更为激烈，资金与其他资源的获取难度均会随着竞争激烈而增加，而国有企业资金和资源配置常常受到政府的指导和干预。因而，由巡回法庭设立试点改革所带来的司法去地方化效果将在国有企业样本中更为明显。因此，本文认为国有企业股价崩盘风险受到司法去地方化改革的影响程度更为显著。表8列(1)和列(2)报告了按企业产权性质的分组回归结果。如表所示，国有企业的DID系数在1%的水平上显著为负，而非国有企业的DID系数虽然也为负，但统计学意义上并不显著，这说明相对于非国有企业，国有企业股价崩盘风险受巡回法庭设立的降低效果更为显著。

5.2.2. 基于市场化程度的分析

一般而言，在健全的市场体系与强有力的执法环境中，管理层对投资者的不忠行为将付出比其他条件下更大的代价。如果当管理层出现失信行为或者机会主义行为时，投资者将很可能借助法律制度的强制力，来要求管理层赔偿其对于自身不当行为所带来的损失。但是，在市场化程度低的情况下，市场秩序更为混乱，监督体系存在漏洞的可能性更大，投资者难以借助法律制度的强制力来要求管理层赔偿损失。因此，本文预期巡回法庭的设立对企业股价崩盘风险的降低作用在市场化程度高的样本中更显著。借鉴王小鲁、樊纲[10]等的研究，选择了各省的市场化指标，对样本企业的外部制度环境进行了测度，并在此基础上，将样本按年份划分为高水平和低水平两类，然后对其进行回归分析。结果如表8列(3)和列(4)所示，在市场化程度较高的子样本中，DID系数在1%的水平上显著为负，即以巡回法庭为例的司法去地方化改革对企业股价崩盘风险的降低作用在市场化程度高的企业更为显著。

5.2.3. 基于企业违约风险的分析

由于存在着投机行为和信息不对称导致的道德风险，债权人经常怀疑自己的投资是否能够可靠并且按时收回，并大概率都会通过增加收益率来避免违约的情况发生。因而违约风险较高的企业可能会面临更大的股价崩盘风险[11]。而巡回法院的设立，可以使企业获得更方便、更公平的起诉方式，对于不同违约风险的公司来说，其所受到的冲击是不一样的。在李世辉等人[12]的基础上，利用Zscore模型对公司的债务违约风险进行了测度，当这一数值较低时，说明公司的偿债能力较差，并且存在较高的违约风险。结果如表8的第(5)和(6)列所示，巡回法庭的设立在违约风险较高的样本中，对于股价崩盘风险的抑制效果较为显著。

6. 研究结论与政策建议

中国经济转型的关键时期，防范和化解金融风险、维持金融市场稳定尤显重要。法律规制是保护

Table 8. Analysis based on enterprise characteristics

表8. 基于企业特征的分析

VARIABLES	(1)国企 ncskew	(2)非国企 ncskew	(3)市场化程度高 ncskew	(4)市场化程度低 ncskew	(5)违约风险低 ncskew	(6)违约风险高 ncskew
DID	−0.130^***	−0.013	−0.113^***	−0.048	−0.073	−0.073^**
	(0.0411)	(0.0371)	(0.0411)	(0.0401)	(0.0506)	(0.0337)
dual	0.029	−0.070^**	−0.027	−0.068	−0.043	−0.054
	(0.0490)	(0.0333)	(0.0343)	(0.0451)	(0.0525)	(0.0326)
Board	0.044	−0.016	0.078	−0.061	0.237	−0.048
	(0.1396)	(0.1111)	(0.1171)	(0.1370)	(0.1737)	(0.1056)
top10	0.620^***	0.369^**	0.250	0.524^***	−0.088	0.643^***
	(0.2221)	(0.1700)	(0.1798)	(0.1956)	(0.2993)	(0.1480)
size	−0.003	0.133^***	0.134^***	0.003	0.172^***	0.045
	(0.0467)	(0.0326)	(0.0367)	(0.0415)	(0.0582)	(0.0310)
roab	0.616	0.778^**	0.513	1.348^***	0.766^*	0.814^**
	(0.4962)	(0.3068)	(0.3290)	(0.3989)	(0.3974)	(0.3951)
gdp	0.170	−0.233	0.078	−0.043	−0.066	0.145
	(0.1202)	(0.1447)	(0.1797)	(0.1165)	(0.2225)	(0.1080)
growth	0.050	0.034	0.033	0.052^*	−0.029	0.064^***
	(0.0357)	(0.0224)	(0.0258)	(0.0295)	(0.0388)	(0.0229)
age	0.470	−0.603^**	−0.526^**	−0.166	−0.809^**	0.133
	(0.3296)	(0.2407)	(0.2590)	(0.3051)	(0.3757)	(0.2328)
lev	−0.772^***	−0.305^**	−0.453^***	−0.395^**	−0.104	−0.615^***
	(0.1976)	(0.1385)	(0.1489)	(0.1768)	(0.2574)	(0.1615)
Dturn	0.249^***	0.195^***	0.206^***	0.176^***	−0.029	0.310^***
	(0.0651)	(0.0497)	(0.0527)	(0.0618)	(0.0727)	(0.0489)
mb	0.087^***	0.049^***	0.068^***	0.048^***	0.035^***	0.089^***
	(0.0112)	(0.0066)	(0.0079)	(0.0087)	(0.0084)	(0.0119)
disaccw	0.084	−0.136	−0.135	0.080	−0.340^**	0.074
	(0.1373)	(0.1083)	(0.1108)	(0.1295)	(0.1605)	(0.0991)
Sigma	−12.167^***	−10.290^***	−11.119^***	−10.148^***	−7.205^***	−11.848^***
	(0.9675)	(0.7370)	(0.7632)	(0.9214)	(1.1448)	(0.7058)
Ret	−19.806^***	−11.922^***	−13.448^***	−14.446^***	−9.974^***	−17.973^***
	(2.3022)	(1.6127)	(1.7068)	(1.9763)	(2.4011)	(1.6468)
Lncskew	−0.149^***	−0.160^***	−0.156^***	−0.153^***	−0.158^***	−0.160^***
	(0.0144)	(0.0112)	(0.0117)	(0.0138)	(0.0177)	(0.0109)
Constant	−3.398^*	1.381	−2.278	0.683	−0.751	−3.183^**
	(1.9049)	(1.8369)	(2.2783)	(1.6997)	(2.8901)	(1.5125)
Observations	5358	9125	8237	6214	4143	10,041
R-squared	0.354	0.358	0.358	0.367	0.409	0.387
Firm	YES	YES	YES	YES	YES	YES
Year	YES	YES	YES	YES	YES	YES
Province	YES	YES	YES	YES	YES	YES

投资者利益的重要手段之一，本文利用2015与2016年巡回法庭的设立作为准自然实验，从股票价格异常波动的角度出发，考察了巡回法庭设立这一司法改革对于金融市场稳定性的影响。本研究表明，巡回法庭设立后，增加了覆盖地区企业的行为约束，显著降低了巡回法庭覆盖区域内的企业的股价崩盘风险，更好地保障了金融市场的稳定性。机制检验的结果也表明巡回法庭对企业崩盘风险的抑制效果主要通过改善企业信息披露质量与减少地方政府行政干预来实现。异质性分析表明，当企业面临的债务违约风险较高、所在地市场化程度高或具备国有背景时，巡回法庭对企业股价崩盘风险的抑制效果则将更加显著。本文的研究表明地区司法水平的提升与司法制度的完善可以规范企业行为，从而起到降低企业股价异常波动风险的作用，能为促进金融市场的稳定提供较为有利保障。针对本文的结论有如下启示：

第一，在法治层面，政策的制定朝着坚持完善和贯彻落实司法“去地方化”的方向是十分有必要的。本文研究发现以巡回法庭为代表的司法改革能够降低企业的股价崩盘风险，促进金融市场的稳定繁荣，因此，为持续释放司法体制改革的带来的制度红利，为企业营造良好的法治营商环境，深化巡回法庭制度实践，使其在公司治理领域充分发挥积极作用是重要路径之一。

第二，在规制政府干预层面，政府干预和地方保护是造成企业违规概率提升的重要原因，而且政府的过度干预和地方垄断性保护也不利于“有效市场”的建设。巡回法庭的设立能够有效地缓解地方保护主义盛行带来的负面影响，同时，规制政府过度干预市场竞争，亦能充分保障市场在资源配置中的决定地位。

第三，在公司信披制度层面，本文的研究结论认为，企业自身应当加强对企业社会责任制度建设的力度，力求提高企业信息披露质量。同时，政府方面需双管齐下，一方面健全自身内部的法治化建设，另一方面规范行业和企业的信息披露规则。通过这两项举措来强化对企业信息披露的约束机制，重点加大企业违规披露信息所需承担的成本。如此一来，能够有效降低企业在社会责任信息披露上采取虚假披露这种机会主义行为的可能性，进而维护企业股价与市值的稳定。