友直,友谅,友多闻
有质,有量,有论文
——爬虫俱乐部
原 文信息:Kim J B, Li Y, Zhang L. Corporate tax avoidance and stock price crash risk: Firm-level analysis [J]. Social Science Electronic Publishing, 2011, 100(3):639-662.
引言
传 统观点认为,企业的避税行为是一种从国家向企业所有者转移财富的手段。因此,避税行为能够降低企业税收成本,从而增加股东价值。然而,这种观点却忽视了现 代企业所有权和经营权相分离的这一重要特征。在代理论的框架下,企业避税行为的背后,可能隐藏着潜在的管理者利益侵占的投机行为。一方面,管理者长期隐藏负面消息,股票收益率将被严重高估。另一方面,管理者通过设计复杂的税收筹划方式,隐瞒不利信息的同时也阻碍了企业股东及时采取纠正错误的措施,当负面内幕信息长期积累到一个临界点时,就会导致股价暴跌。因此企业的避税行为在为股东节约税收成本的同时,也为内部人的利益侵占提供了机会,进而造成股价暴跌。
以美国安然公司案件为 例,研究发现了企业管理者可能会假借为股东节税之名,设计复杂的不易被税收当局稽查的税收筹划方案,进而为管理者出于自利动机对投资者实施利益侵占的投机 行为提供掩护,这些机会主义行为包括盈余操控、关联方交易等。也有文献开始从代理观角度,讨论企业避税对股价暴跌的影响,Desai and Dharmapala (2009a)发现避税和公司价值没有关系,但是他们发现在具有较高机构所有权的公司中,这两者具有显著正相关关系,表明有效的管理和监督能削减避税活动带来的投机行为;Hanlon and Slemrod(2009)研究了市场对公司参与避税会做出什么反应,发现市场对于避税的披露是消极的反应,这表明投资者担心避税与盈余操纵等行为有相互交织的可能性。同时,也发现治理较强公司的负面反应较不明显,不过这种结果似乎对于治理如何测量的比较敏感。
本 文在前人研究的基础上,证实企业避税行为能促进管理者的可操控盈余管理、资金转移和坏消息囤积行为,进而就会增加股价暴跌的风险,因此认为避税和股价暴跌 存在正相关性;这种关系在统计上和经济意义上都是显著的,并且在经过一系列稳健性检验后结论仍然是显著的。另外,也证实了加强企业外部监督时,企业避税与 股价暴跌的正相关将被减弱。
数据与变量
1)数据来源
考 虑到美国1993年出台的两项政策,为保证避税指标的计算口径一致,另外文中个别指标的计算需要涉及上一期数据,故本文的研究起点选择为1994年,研究 的样本包括1995年到2008年之间的上市公司。数据主要来自美国证券价格研究中心(CRSP),包括了17862个样本。
2)主要变量的度量
被解释变量:
CRASH:发生股价暴跌的可能性,是一个0-1变量,如果企业在我们选定的财政年度期间有至少一次的股价暴跌周 ,就定义为1,否则为0。
NCSKEW:负收益偏态系数,它的计算方法是:
为股票j在第t年的股票回报率的负向偏度。n表示一年中该股票的交易周数, 表示每个公司每一年特殊的周收益率(也就是当期的超额收益率 ),它是由下面回归方程的误差项得到:
为股票j第t周考虑现金红利再投资的周收益率,表示第t周的流通市值加权的平均市场收益率,在模型中加入滞后两期和延后两期是因为公司的有些交易可能是跨年完成的。表示股价的变化中不能被市场和行业所解释的部分,是公司特质信息的表现。将误差项加1做自然对数处理后表示企业特有收益率,即超额收益率W。如果股票回报率越向左偏,就越有暴跌的倾向。由于对偏度进行了取负处理,所以NCSKEW越大,表示股价暴跌风险越高。
解释变量:
SHELTER:发生避税的可能性(Wilson’s (2009)),与企业避税是正相关。
LRETR:长期流动现金有效税率(Dyreng, Hanlon, and Maydew (2008)),与企业避税是负相关。
Book-tax difference:会计税收差异, 与企业避税是正相关。(会计税收差异除了受避税活动的影响,还会受到其他因素的影响,加入该变量的原因是仅仅是为了信息的完整性)。该指标是用因子分析法对总税收差异(税前账面收益减去估计的应纳税所得额)、总税收差异减去临时税收差异以及公司总税收差异的固定效应回归模型(如下方程所示) 中的残差,提取了公共因子得到。
实证结果
本文分别对3个企业避税的指标SHELTER、LRETR和Book-tax difference与股价暴跌的指标CRASH做了logistics回归,以及对3个企业避税指标分别与股价暴跌指标NCSKEW做了OLS回归,并在回归模型中都加入了年份固定效应,发现这6个模型中,避税指标SHELTER和Book-tax difference的系数是正显著,LRETR的系数是负显著。说明企业避税与股价暴跌之间具有正向相关性。
为了验证企业外部监督对企业避税与股价暴跌之间正相关性的影响,本文作者在原来回归的模型中加入了外部监督指标(INST(机构所有者持有股份的百分比)、ANAL(分析师的数量)、HIG(用治理指数与其中位数大小关系度量))及其与企业避税指标的交互项,发现交互项的系数与原来模型中企业避税系数的符号相反,除了指标HIG与企业避税的交互项系数在个别模型中不显著之外,其他交互项都是相当显著的,说明企业外部监督会消减企业避税与股价暴跌之间的正相关性。
稳健性检验
(1) 因为可操控盈余不完全是由避税引起的,所以本文作者在控制变量中加入了与可操控的盈余收入的相关变量:DD_AQ(收益质量的测量)、F-SCORE(会计错报可能性的测量),发现企业避税与股价暴跌的系数仍然显著,且大小没有发生明显的变化,说明盈余管理与企业避税的关系有待进一步调查。
(2)用到Cox比例风险模型,进一步验证我们结果的可靠性,得到的结果与logistics结果基本一致,但因此模型只选择至少有一次暴跌历史的企业为样本,使得Book-tax difference(税收差异)的系数不总是显著的。
(3)加入公司个体固定效应后,得到3个避税指标的系数仍然显著,进一步说明结论的可靠性。
(4)用另一种股价暴跌风险度量指标:DUVOL(股票的涨跌波动率)检验本文的观点,发现企业避税与股价暴跌风险正相关性仍然成立。
结论
(1)企业避税与股价暴跌风险之间存在着正相关关系,主要是因为企业避税促进了企业管理者盈余操纵、资金转移、坏消息囤积等投机行为,进而带来股价暴跌的风险。
(2)当企业外部监督较强时,会削弱企业避税和股价暴跌风险之间的正相关关系。
原文摘要:
Using a large sample of U.S. firms for the period 1995–2008, we provide strong and robust evidence that corporate tax avoidance is positively associated with firm-specific stock price crash risk. This finding is consistent with the following view: Tax avoidance facilitates managerial rent extraction and bad news hoarding activities for extended periods by providing tools, masks, and justifications for these opportunistic behaviors. The hoarding and accumulation of bad news for extended periods lead to stock price crashes when the accumulated hidden bad news crosses a tipping point, and thus comes out all at once. Moreover, we show that the positive relation between tax avoidance and crash risk is attenuated when firms have strong external monitoring mechanisms such as high institutional ownership, high analyst coverage, and greater takeover threat from corporate control markets.
以上就是今天给大家分享的内容了,说得好就赏个铜板呗!有钱的捧个钱场,有人的捧个人场~。另外,我们开通了苹果手机打赏通道,只要扫描下方的二维码,就可以打赏啦!
应广大粉丝要求,爬虫俱乐部的推文公众号打赏功能可以开发票啦,累计打赏超过1000元我们即可给您开具发票,发票类别为“咨询费”。用心做事,只为做您更贴心的小爬虫。第一批发票已经寄到各位小主的手中,大家快来给小爬虫打赏呀~
文字编辑:高金凤
技术总编:刘贝贝
往期推文推荐:
5.爬虫俱乐部又出新命令了——wordconvert转换你的word文件
6.putdocx+wordconvert—将实证结果输出到Word(.docx)文档
7.Stata 15之Markdown——没有做不到,只有想不到!
关于我们
微信公众号“爬虫俱乐部”分享实用的stata命令,欢迎转载、打赏。爬虫俱乐部是由李春涛教授领导下的研究生及本科生组成的大数据分析和数据挖掘团队。
此外,欢迎大家踊跃投稿,介绍一些关于stata的数据处理和分析技巧。
投稿邮箱:statatraining@163.com
投稿要求:
1)必须原创,禁止抄袭;
2)必须准确,详细,有例子,有截图;
注意事项:
1)所有投稿都会经过本公众号运营团队成员的审核,审核通过才可录用,一经录用,会在该推文里为作者署名,并有赏金分成。
2)邮件请注明投稿,邮件名称为“投稿”+“推文名称”。
3)应广大读者要求,现开通有偿问答服务,如果大家遇到关于stata分析数据的问题,可以在公众号中提出,只需支付少量赏金,我们会在后期的推文里给予解答。
欢迎关注爬虫俱乐部
微信扫一扫
关注该公众号