政治关联、处罚信息与投资者法律保护

政治关联、处罚信息与投资者法律保护

一、政治关联对中小投资者法律保护的影响路径如何保护中小投资者的利益是近年来的金融研究热点，尤其是公司管理领域。以LaPorta为代表的“法与金融”学派强调,一个好的法律环境(包括立法和执法两个层面)可以约束公司内部人对外部投资者的剥削,从而保护中小投资者利益,进而在高管变更、控制权私利、资本成本、盈余管理、股利支付和公司价值等方面给公司带来诸多正面影响,并最终促进一国金融市场乃至经济的发展(LaPortaetal.,2000;LaPortaetal.,2008)。自我国证券市场创建以来,有关政府部门先后出台了近百部与中小投资者利益保护有关的法律法规,在立法上取得了显著进展(MacNeil,2002;Zhang,2006;许年行和吴世农,2006)。据Allen等(2005)统计,中国的“抗董事指数”达到3,高于其他法国法系和德国法系国家,仅低于普通法系国家。Tenev等(2002)甚至认为,中国内地证券市场的法律条文实际上比香港地区和很多发达国家来得更多,更为严格。然而,在立法如此严格的情况下,我国证券市场上有关虚假陈述、虚构利润、内幕交易、操纵市场等各种侵害中小投资者利益的违法违规案件仍屡有发生,一个主要原因在于这些法律法规未能得到有效执行,即执法不严。从世界范围的比较来看,无论是法律规则(ruleoflaw)还是腐败水平,中国的执法水平远低于世界平均水平,甚至比大陆法系国家还低(Allenetal.,2005)。而对于中国这样的转型经济国家来说,执法效率比法律条文在促进金融发展方面的作用更为重要(Berkowitzetal.,2003;Pistoretal.,2000)。那么,为何中国证券市场的执法效率如此之低?什么因素会影响投资者保护法律的实施?在GlaeserandShleifer(2002)看来,普通法系国家的投资者法律保护水平高于大陆法系国家的一个关键因素是司法独立性,普通法系国家的司法独立性更高,能确保相关法律得到有效执行,因而能较好地保护中小投资者利益。而对于我国这样的转型经济国家来说,政府在经济发展过程中起主导作用,且企业与政府官员之间的政治关联现象普遍存在(Fanetal.,2007;余明桂和潘红波,2008;吴文锋等,2009;刘慧龙等,2010)。那么,这种政治关联会影响执法效率进而影响中小投资者法律保护的水平吗?如果有影响,政治关联怎样对投资者法律保护产生影响,其影响路径是什么?为回答上述问题,本文以2000—2010年被“一会两所”处罚过的上市公司为样本,从处罚公告前监管部门的查处及时性、处罚公告前后高管变更和处罚公告时的市场反应三个维度,深入考察政治关联与中小投资者法律保护的关系。研究发现:(1)监管部门对政治关联公司的违规查处存在时滞效应,其惩处周期显著长于无政治关联公司;(2)在处罚公告前一年和后一年,政治关联公司高管的被迫离职率显著低于非政治关联公司;(3)违规处罚公告时,政治关联公司的负向市场反应大于非政治关联公司。这些实证结果表明政治关联会削弱中小投资者法律保护的执法有效性,且“违规查处及时性”和“高管变更”是政治关联影响执法效率的两种重要路径。本文的贡献主要体现在三个方面。第一,本文与两批文献相关,一是研究中国证券执法效率的文献,这些文献主要从股权结构、法律环境、地方政府对当地法院影响等角度分析上市公司从事违法违规行为和投资者保护法律实施的主要影响因素(Chenetal.,2006;Zhang,2006;陈信元等,2009),以及上市公司违规被处罚后在市场反应、高管变更、审计师变更和流动性等方面的经济后果(Chenetal.,2005;Sunetal.,2006)。除了分析高管变更和市场反应外,本文还分析了证券监管部门对违规查处的及时性(惩处周期),这在以往文献中并不多见,也是本文区别于以往文献的一个主要地方,同时也为投资者法律保护执行效率的相关研究提供一种度量方法。二是研究中国公司政治关联的文献,这些文献主要分析政治关联与上市后的业绩表现(Fanetal.,2007)、上市过程中的定价和费用(Francisetal.,2009)、投资效率和投资行为(Chenetal.,2011;Xuetal.,2011)、公司价值(Wuetal.,2012)、民营企业建立政治关联的动机及其对股权结构的影响(Chenetal.,2011)等。不同于这批文献,本文将政治关联与投资者法律保护的执法效率相联系,研究政治关联对违规查处及时性、违规公司高管变更和处罚公告市场反应的影响,并且发现了政治关联影响投资者法律保护执法效率的两种重要影响路径:延缓监管机构对违规公司的“查处及时性”和干扰违规公司的“高管变更”,从而深化了我们对政治关系如何影响执法效率的认识。第二,相对于关注投资者法律保护经济后果的大量文献,目前研究投资者法律保护实施影响因素的文献仍很少。Glaeseretal.(2001)的理论模型表明,在司法体系较弱的新兴市场国家,市场监管是较低司法执行效率的一种有效替代机制。然而本文发现,政治关联会影响市场监管的有效性,从而削弱了监管对司法执行的替代作用。因此,本文的研究不仅为有关监管与司法执行效率之间存在替代关系的文献(LaPortaetal.,2000;Glaeseretal.,2001;Berkmanetal.,2010)提供了新的重要发现,也说明政治关联是影响中小投资者法律保护的一个重要因素。第三,在研究方法上,Berkmanetal.(2010)和陈信元等(2009)均以某项法律法规出台的市场反应作为研究切入点,而本文则采用违规处罚上市公司作为研究对象,不仅分析了“处罚公告时”的市场反应,而且分析了“处罚公告前”监管部门对违规公司的查处及时性和“处罚公告前后”违规公司的高管变更,因而从事前、事中和事后三个维度更加全面、完整地分析政治关联对投资者法律保护的影响,也为其他相关研究提供可资借鉴的分析视角和研究方法。下文安排如下:第二部分进行理论分析并提出研究假设;第三部分介绍本研究设计;第四部分是实证结果与分析;最后得出全文结论。二、理论分析与研究假设本部分共有三个假设,分别阐述政治关联与违规查处及时性、高管被迫离职、违规处罚公告市场反应的关系,如下是每一部分的理论分析与研究假设。(一)市场违规行为诚信履职的影响一般来说,监管部门查处违规行为或法院判决案件的时间越短,司法执行效率越高。例如,Djankovetal.(2003)在比较了109个国家的法院在解决纠纷时所需要的程序及其所花费的时间后发现,与大陆法系国家相比,普通法系国家的法院解决纠纷所需要的程序和时间都更少,因而其司法体系更有效率。类似的,Djankovetal.(2008)分析了88个国家的法院执行债务契约的效率,其研究结果表明,普通法系国家的法院在判决与债务契约执行有关的案件时,耗费的时间更少,成本更低,因而债券契约执行的效率更高,进而有助于这些国家债券市场的发展。张宗新和朱伟骅(2007)也认为,如果对市场违规行为惩戒越迟缓,说明证券处罚的执法效率越低。为此,本文首先从中国证监会对违规公司调查惩处的时间周期即查处及时性入手,分析其是否受政治关联影响。1999年生效的《证券法》明确规定,中国证监会(CSRC)是中国证券市场的主要监管机构,上交所及深交所则在中国证监会的领导下,对企业的违规行为进行调查并做出处罚。从行政级别上看,中国证监会隶属于国务院,在运行中类似于政治体系中的一个部级行政单位,其人事和财政等重要决策都由国务院支配,这将导致中国证监会在行政系统里无法保持独立性,容易受到同一级别或更高级别单位或部门的行政干预,在执法过程中往往会屈服于政治压力(Anderson,2000;MacNeil,2002)。一方面,证监会的派出机构奔赴在监管一线,而派出机构的人员一般职务较低,容易受到更高级别官员的干扰;另一方面,证监会构建了多个部门与地方政府一齐参与对上市公司监管的综合监管体系,此举虽然在很大程度上增强了监管的权威性和有效性,但地方政府与地方企业通常又有千丝万缕的联系,且具有地方保护主义倾向(Clarke,1996),这也为政治寻租提供了一定的空间。当监管部门对相关企业展开调查时,企业就能够利用其与政府部门建立的紧密联系来干预监管机构的调查过程。因此,在其他条件相同的情况下,有政治关系的违规上市公司,越有可能利用政治资源来干预、阻挠和拖延监管部门的调查,进而影响违规查处的及时性。基于此,提出本文第一个假设:假设1u3000对于违规处罚公司,监管部门对政治关联公司的查处时间长于无政治关联公司。(二)公司业绩的影响识别并更换表现不佳的管理层作为公司治理的一种有效机制,已引起学术界的大量关注(Murphy,1999;Volpin,2002)。ShleiferandVishny(1997)认为,管理层对股东剥削的一种表现形式是不称职的高管人员霸占管理层位置而不被替换,这也被认为是代理问题的一种集中表现(JensenandRuback,1983)。当公司出现违规丑闻时,将给公司带来巨大的成本和代价:一是给公司带来声誉损失(KarpoffandLott,1993);二是丑闻的公布将对公司价值造成显著的负面影响(Chenetal.,2005);三是有可能使公司陷入财务困境(MaksimovicandTitman,1991)。此时,若公司治理机制有效,那么这些公司的管理层应该被替换。Jayaramanetal.(2004)和Sunetal.(2006)确实发现,公司丑闻的公布将导致高管变更的频率更高。Desaietal.(2006)来自财务重述的证据也表明,财务重述公司高管变更的频率更高。更进一步,DeFondandHuang(2004)认为,投资者法律保护这种公司治理机制能有效地识别和解雇不称职的CEO。一方面,立法水平的提高将赋予中小股东更多起诉对抗管理层的权利,且管理层可能面临的诉讼风险也会促使公司解雇无能的CEO;另一方面,强有力的执法水平将降低公司管理层和董事互相勾结攫取的控制权私利(DyckandZingales,2003),从而增强董事会解雇不称职CEO的积极性。因而,在投资者法律保护较好的国家,业绩表现不好的公司,其CEO的离职率更高。Chenetal.(2005)发现,处罚公告当年违规公司的高管离职率显著上升,并认为这是执法有效性的一种体现。而Sunetal.(2006)发现,虽然丑闻公司的高管离职率更高,但离职后的这些高管很大一部分到其他公司任职甚至获得了职位提升,因而这些高管实际并没有受到严重的法律或行政处罚,而且若高管属于党员,则受到的处罚更轻,这说明中国的执法效率并不高。在此情况下,政治关联可能对违规公司高管离职产生如下影响:第一,Fanetal.(2007)发现,政治关联公司倾向于任命其他政府同僚担任公司董事,导致董事会的专业化水平较低,这说明政治关联公司的治理水平相对较差,因而对违规公司高管人员的甄别、监督和惩处的作用相对较弱;第二,CannellaandLubatkin(1993)认为,在职者的社会政治影响力(sociopoliticalforces)会对一个组织高管人员的筛选决策产生影响,只有当这种社会政治影响力较弱时,业绩表现较差的组织才会从外部聘任继任者,可见,社会政治影响力会弱化高管变更对公司业绩的敏感度;第三,国有企业高管人员的任命仍控制在政府手中,若公司的高管人员与政府部门建立了紧密联系,则有利于巩固其职位,即利用政治关系构建职业壕沟效应(entrenchmenteffect),因而相对更不易被解雇(Yuan,2008)。而对于民营企业来说,建立与政府部门的政治关系有助于其避免被政府部门剥削,并能获得包括财政补贴(Faccioetal.,2006)、银行贷款(余明桂和潘红波,2008)、税收优惠(吴文锋等,2009)等方面的诸多好处,因而,为了维护这种关系及其所带来的好处,民营企业也不会轻易解雇不称职的高管人员。基于上述分析,本文提出第二个假设:假设2u3000政治关联公司高管因违规处罚而被迫离职的可能性低于非政治关联公司。(三)违规程度的市场反应违规处罚公告的披露说明公司严重违反了相关法律法规,因而会给违规公司带来声誉损失等负面影响,导致市场对这些公司的反应显著为负(Chenetal.,2005;Sunetal.,2006)。在这些违规处罚公司中,若公司高管与政府部门建立了紧密联系,投资者会预期这类公司由于能得到政府部门的保护,因而对违规公司的处罚更不能得到真正有效的执行(Anderson,2000),因而违规给公司带来的负面影响更小,市场反应也更小。例如,根据相关规定,经中国证监会及其派出机构调查并做出生效处罚决定后,上市公司所在地的中级人民法院可受理虚假陈述民事赔偿案件。由于当被告为政府或具有政治联系的当事人时,法院往往难以保持中立和公正(LaPortaetal.,2004),政府可凭手中拥有的对法院控制权来影响法官的行为,促使其判决行为有利于自己或利益集团,而不是追求司法公正(GlaeserandShleifer,2002)。陈信元等(2009)的研究表明,当公司最终控制人为地方政府,并且该地方政府是公司虚假陈述案件管辖法院的本地同级政府时,违规处罚公司的负向市场反应程度更小。Berkmanetal.(2010)分析了中国证券市场上与中小投资者利益保护有关的三部法规出台的市场反应,研究发现,公司治理较差的公司其市场反应好于治理质量较好的公司,但与政府有紧密联系的公司,其市场反应并不显著,说明市场认为证券监管机构并不会真正对有政治关联的公司执行新法规。由此,本文得到假设三:假设3u3000当受到违规处罚时,政治关联公司的负向市场反应要小于非政治关联公司。三、研究设计(一)监管机构公布日期的处理在1999年7月《证券法》生效之前,我国证券市场的监管主要由中国人民银行负责,而《证券法》生效之后,则主要由中国证监会负责证券市场的监管、调查和处罚(MacNeil,2002)。为避免监管部门的变化对结果产生影响,本文以《证券法》生效后的2000—2010年作为研究期间,以沪深两市因违规受到处罚的A股上市公司为研究样本,共有初始研究样本964家。本文重点关注“一会两所”对上市公司的处罚,需要对处罚公告的具体内容进行详细分析,要求数据库中“监管机构公告的内容”字段有相应的记录。国泰安CSMAR数据库中存在三个宣告时间点,分别为“监管机构公布日期”、“处理决定文件日期”和“企业公告日期”,当“监管机构公布日期”缺失时,“监管机构公告的内容”往往也是空白。因而,本文删除“监管机构公布日期”为空的记录,剩余样本647个。参照Chenetal.(2005)、Sunetal.(2006)等学者的方法,当公司多次违规时,只保留第一次处罚记录,剩余样本383个。在具体的实证分析中,根据数据完整性、连续性需要,各个检验所涉及的样本数量有所区别:(1)检验违规公司的惩处实效时,剔除了违规时间不详的样本,获得341个样本;(2)在检验高管变更时使用两个子样本进行分析,一是由于从违规到被处罚公告一般要经过一定的惩处周期,违规公司的高管可能在处罚公告日之前已被迫离职,因而第一个样本为处罚公告前360天内发生高管变更的样本,共有358家公司;二是处罚公告日后360天内高管变更的样本,同时为明确处罚责任人,只保留首次违规日至处罚公告日期间内未发生高管变更的样本,共197家公司;(3)在检验违规公司的市场反应时,因为涉及超额收益率的估算,剔除了在窗口期(-30,30)内停牌超过一个月的公司,获得330个样本。本文借鉴Lietal.(2006)、Fanetal.(2007)、余明桂和潘红波(2008)、刘慧龙等(2010)的研究,如果高管目前或曾经是政府官员、人大代表或政协委员,则定义该公司具有政治关联。本文采用滞后一年的数据判断一个上市公司是否属于政治关联企业,若处罚公告前一年末公司高管具有政治联系,则定义PC=1,否则PC=0,其年度分布见表1。高管政治背景的数据通过WIND数据库中有关高管背景资料手工收集和整理,违规处罚数据和其他财务数据来源于国泰安CSMAR数据库。相关连续变量均在1%和99%水平上进行winsorize处理。由表1可知:在样本期间内,政治关联公司占违规处罚公司的比例平均为23%。其中,在2008年,政治关联公司所占的比例最高为52%,而2009年该比例最低,只有6%。(二)变量的选择和测量1.首次违规时间的确定本文将“违规查处及时性”定义为违规行为“开始实施日”至违规行为“首次公告日”之间的时间间隔。1根据CSMAR“中国上市公司违规处理研究数据库”中提供的“监管机构公告的内容”,本文逐一核实上市公司各项违规行为发生的具体时间。如果最早的具体时间没有明确给出,则按照下述规则处理确认首次违规时间:如只注明“20××年×月”,取该月份的最后一天;如只提到“20××年”,取该年度的最后一天,即12月31日;如只提到“20××年年报中虚构利润”等内容,取该定期公告发布的日期。如果公告中无法确认相应时间,则在违规查处及时性的相关检验中将该样本删除。2.被离职的标准为明确违规处罚对高管(董事长、CEO)离职的影响,本文关注处罚公告前360天和处罚公告后360天内高管的离职状况。借鉴Bushmanetal.(2010)、游家兴等(2010)的界定,如果高管的离职原因不属于退休和两职互换这两种正常离职情况2,则定义该高管离职为被迫离职。在具体计算过程中,采用两种方法度量:离职率1(Turnover1)是以处罚公告之前360天内最后一位高管或处罚公告之后360天内首位高管的离职原因做判断,如果属于被迫离职,记为1,否则为0;离职率2(Turnover2)是在处罚公告前360天或处罚公告之后360天内,只要有一位高管被迫离职,则记为1,否则为0。3.估计期估计模型本文利用市场模型估算股票的超常收益。具体估算步骤为:首先,借鉴Chenetal.(2005)的方法,以处罚公告日前280个交易日至前31个交易日即(-280,-31),合计250个交易日作为估计期,估计得到市场模型的参数,和:其中,Ri,t为个股i在t日的收益率,Rm,t为市场收益率,Pi,t为个股i在t日经复权处理过的收盘价,Im,t为深圳成分指数或上证指数在t日的指数。其次,用事件窗口期内个股的收益率Ri,t与市场收益率Rm,t,估算个股的超常收益ARi,t:再次,计算事件窗口期每期的平均超常收益ARt:其中,N为样本数。最后,计算累积k期到t期的平均累积超常收益CAR(k,t):4.控制违规惩处周期本文从如下四个方面选取控制变量(各变量的具体定义与度量请见表2)。(1)公司基本特征,具体包括:State为企业性质哑变量,当最终控制人为国家时取值为1,否则为0;Size为公司规模,用资产的自然对数度量;ROA为总资产收益率。(2)公司治理特征,具体包括:Dual为CEO、董事长两职合一指标,如果两职合一,取值为1,否则取0;Indir为公司独立董事比例哑变量,如果独立董事比例大于1/3,取值为1,否则为0;Seperation为最终控制人的控制权与现金流权的比值,Seperation越大,两权分离度越高3;LawIndex为地区法律环境指数哑变量,如果上市公司注册地的法律保护指数位于当年样本中位数之上,取值为1,否则取值为0。4(3)违规处罚特征,具体包括:CSRC为处罚机构哑变量,当处罚机构属于证监会时,CSRC取值为1,否则为0;Viotype为违规类型哑变量,包括违规购买股票、虚构利润等14类,共设13个哑变量;Enforcetype为处罚类型哑变量,包括公开批评、公开谴责等7类,共设6个哑变量。(4)行业特征,ProcInd为保护性行业哑变量,若上市公司所处行业属保护性行业,取值为1,否则为0。这些变量对三个因变量的影响分析如下:在影响违规惩处周期方面,第一,当违规企业属国有企业时,监管部门在查处过程中受到的干预可能较多,惩处周期较长;规模越大,查处难度越大,惩处周期越长(YuandYu,2011);公司业绩较差的公司,往往容易引起监管部门的注意(Chenetal.,2006),故本文推测此类公司的惩处周期较短,反之,对业绩较好公司的违规行为的调查,可能需要更长时间。第二,公司内部治理结构比较完善或所在地区法律环境比较好的公司,监管部门对违规行为的调查相对比较容易,因而惩处周期较短,故我们预期两职合一和两权分离程度越高的公司,惩处周期越长,而独立董事比例大于1/3和所在地区法律环境较好的公司,惩处周期较短。第三,Firthetal.(2009)发现不同监管机构在披露违规信息及时性上存在较大差异,由证监会(CSRC)处罚的公司在披露违规信息上周期较长,故由证监会处罚的公司的惩处周期较长。并且,由下文表3可知,不同违规类型和处罚类型公司的惩处周期存在显著差异,故本文进一步控制违规类型(Viotype)和处罚类型(Enforetype)变量。此外,监管部门对保护性行业的调查周期可能会较长。在影响高管离职方面,第一,国有企业高管的任命和解聘仍主要由政府决定,政府基于其他社会目标考虑,相对不轻易解聘高管人员,Sunetal.(2006)在类似研究中也控制了企业性质变量;公司业绩越差,则高管变更的可能性越高(Weisbach,1988);公司规模越大,高管变更的可能性越小(Sunetal.,2006)。第二,公司内部治理结构比较完善或所在地区法律环境比较好的公司,越有助于解雇表现不佳的高管人员(Volpin,2002),故本文预期两职合一和两权分离程度越高的公司,高管变更的可能性越小,而独立董事比例大于1/3和所在地区法律环境较好的公司,高管变更的可能性越大。第三,根据Agrawaletal.(1999)和Sunetal.(2006)的研究,本文也控制了处罚机构(CSRC)、违规类型(Viotype)、处罚类型(Enforetype)、行业等特征。在影响市场反应方面,第一,规模小和财务业绩较差的公司在遇到坏消息时,股价下跌可能更为严重(陈信元等,2009),而国有控股在遇到坏消息时,股价下跌得相对不严重(Chenetal.,2005)。第二,Berkmanetal.(2010)发现,治理结构比较差的公司对新法规出台的市场反应较强烈,因为这些公司的投资者主要依靠外部法律和监管来保护自身利益,因而新法规的出台能使这类投资者获益更多,故市场反应更强烈;Mitton(2002)和LemmonandLins(2003)发现,公司治理比较好的公司在金融危机期间的市场表现相对较好。由此,本文预期,对于公司内部治理结构比较完善(两职分离、两权分离程度较小、独立董事比例大于1/3)和所在地区法律环境比较好的公司,违规处罚公告的市场反应较弱。第三,根据Chenetal.(2005)和Firthetal.(2009)的研究,本文也控制了处罚机构(CSRC)、违规类型(Viotype)、处罚类型(Enforetype)、行业等特征。(三)tur接并表3本文分别采用如下模型(7)、(8)、(9)来检验假设1、假设2和假设3:其中,Turnover分别用Turnover1和Turnover2表示。其中,CAR分别用CAR1和CAR2表示。模型中各变量的具体含义和定义见表2。四、政治关联与违规公司高管流失的检验与研究假设相对应,本部分的实证分析共包括三部分:一是政治关联是否影响违规查处及时性的检验;二是政治关联是否影响违规公司高管离职的检验;三是政治关联是否影响违规处罚公告市场反应的检验。(一)政治关联对违规惩处力度的影响表3列示了监管部门对政治关联公司与非政治关联公司违规查处及时性的比较。由表3可知:(1)从A栏的全样本来看,政治关联公司从违规到被查处历经2.516年,低于非政治关联公司的1.48年,二者相差1.036年,且在1%的水平上显著;(2)由B栏不同违规类型的对比来看,除大股东占款类型外,监管部门对政治关联公司的惩处周期均长于非政治关联公司,且在虚构利润、推迟披露、虚假陈述、重大遗漏及其他类型中显著;(3)由C不同处罚类型的比较来看,政治关联公司与非政治关联公司惩处周期的差异在公开谴责、警告和处以罚款三种处罚类型分别为0.73年、1.42年和1.33年,分别在1%和5%水平上显著。(4)从D栏不同性质企业的对比来看,不论在国有企业还是民营企业,监管机构对政治关联公司的惩处周期均显著长于非政治关联公司。由此可见,不论是总体样本还是按不同类型进行细分,监管部门对政治关联公司的违规惩处周期均长于非政治关联公司,说明监管部门对政治关联公司违规行为查处的及时性差于非政治关联公司,与“假设1”相吻合。表4列示了政治关联对违规查处及时性影响的检验结果。由表4可知,第一列显示,在控制了其他影响因素后,全样本时PC的系数为0.833,在1%水平上显著,即政治关联公司的违规惩处周期比非政治关联公司长0.833年,具有显著经济意义。7本文进一步按最终控制人性质分为国有控股样本和非国有控股样本,分析在不同性质企业中政治关联的影响是否不同。第二列和第三列显示,在国有和非国有样本中,PC的系数分别为0.792和0.524,且均在统计上显著,说明在不同性质企业中,监管部门对政治关联公司的查处时间均长于非政治关联公司。而从第四列PC×State的系数不显著可知,政治关联对违规查处及时性的影响在国有和非国有企业中并不存在显著差异。在控制变量方面,CSRC系数显著为正,说明处罚机构为中国证监会时,对违规公司的惩处周期较长,与Firthetal.(2009)的研究发现类似,其他控制变量基本上均不大显著。综合表3和表4可知,政治关联会影响监管机构对违规企业查处的及时性,监管机构对政治关联企业查处的周期更长,存在一定程度的时滞效应,这与“假设1”相吻合,说明政治关联公司的违规行为更不能及时受到监管部门的查处,从而不利于有效保护中小投资者利益。(二)政治关联与高管被离职表5列示了处罚公告后不同类型公司高管被迫离职率的比较。由表5可知:(1)在处罚公告前360天内,若以Turnover1来衡量,非政治关联公司高管的被迫离职率高达39.49%,而政治关联公司高管的被迫离职率仅为28.05%,二者差异达到11.44%,且在10%的水平上显著;若以Turnover2来衡量,政治关联公司高管的被迫离职率同样比非政治关联公司低9.23个百分点,在统计上接近于10%水平显著;(2)在处罚公告后360天,当分别以Turnover1和Turnover2来衡量时,政治关联公司高管的被迫离职率分别比非政治关联公司低15.70%和16.32%,其均在10%的水平上显著。可见,在违规处罚公告之前和公告之后,政治关联公司高管被迫离职率都低于非政治关联公司,与“假设2”相吻合,并且在处罚公告之后两类公司高管被迫离职率的差距更大。表6列示了处罚公告前360天政治关联与高管被迫离职的Logitic回归结果。由表6可知,不论是Turnover1还是Turnover2,全样本公司的PC系数均为负,且均在5%水平上显著,说明在违规处罚公告前一年,有政治关联公司高管的被迫离职率低于无政治关联公司。可见,政治关联会降低公司高管由于违规而被迫离职的概率,与“假设2”相吻合。进一步细分企业性质后发现,在国有控股样本,PC的系数都不显著,但方程总体没有通过显著性检验(p>0.10),这可能是由于细分样本后回归分析的样本数过少导致的;而在非国有控股样本,PC系数均在5%水平上显著。因此,政治关联与高管被迫离职的关系在国有与非国有企业中是否存在显著差异尚不能得到明确结论,有待于将来更大样本数据的分析与检验。在控制变量方面,ROA的系数在三个回归中显著为负,说明公司业绩越好,高管越不可能变更,符合预期;Dual的系数显著为负,说明董事长与总经理两职合一时,高管变更的可能性降低,符合预期。其他控制变量均不大显著。表7列示了处罚公告后360天政治关联与高管被迫离职的Logitic回归结果。表7的结论与表6基本相同,全样本公司的PC系数均显著为负,国有企业样本的方程也没有通过显著性检验。不同之处在于,非国有企业样本里PC系数在表7中不再显著,这可能是由于政治关联对非国有企业高管被迫离职的影响主要体现在违规处罚公告之前,即在违规处罚公告之前,由于政治关系可给非国有企业带来众多好处,因而其更不愿意解雇有政治关联的高管人员,但在处罚公告曝光之后,非国有企业为了维护企业声誉和长远发展,更有动力和可能采取包括解雇不称职高管人员等措施来改善公司治理,即使该高管具有政治关联,因而政治关联对高管被迫离职的影响变为不显著。综合表5、表6和表7可知:在违规处罚公告前一年和后一年,政治关联公司的高管被迫离职率均低于非政治关联公司,支持了“假设2”,这说明政治关联可以为违规公司的高管提供某种程度上的保护而使其不易被解聘和离职,从而弱化了“高管变更”这一公司治理机制对违规公司高管人员的甄别、监督和惩处作用,降低了更换不称职高管人员的可能性,因而不利于公司治理水平的提高和中小投资者利益的保护。(三)非国有企业处罚公告前后的car表8列示了政治关联公司(PC)与非政治关联公司(NPC)之间累积超额收益率(CAR)的比较。首先,从A栏全部样本来看,政治关联公司在(-5,5)及(-10,10)窗口期内的CAR分别为-2.1%及-3.5%,均在10%水平上显著;而非政治关联公司的CAR虽为正,但不显著。两类公司CAR(-5,5)和CAR(-10,10)的差异分别为-2.27%和-3.77%,且均在10%水平上显著。其次,按照违规类型进行分类的结果列示于B栏。对于CAR(-5,5),除虚列资产和虚假陈述类型外,政治关联公司的负向反应均大于NPC公司,但只在擅自改变资金用途类型中显著。而对于CAR(-10,10),二者的差异均为负值,并且在违规购买股票、擅自改变资金用途、大股东占用资产和其他类型中均通过了显著性检验。再次,按照处罚类型进行分类的结果列示于C栏。对于CAR(-5,5)和CAR(-10,10),政治关联公司的市场收益均为负数,而非政治关联公司却以正数居多,两者差异都为负数,说明政治公司的市场表现在各个处罚类型中均差于非关联公司,且在公开批评类型中,二者的CAR(-5,5)差异及CAR(-10,10)差异均在5%水平上显著。最后,将样本按照最终控制人性质分类的结果列示于D栏。有D栏可知,在国有样本中,政治关联公司与非政治关联公司之间CAR(-5,5)和CAR(-10,10)的差异分别为-3.54%和-3.67%,且前者在5%水平上显著。而在非国有企业里,政治关联公司与非政治关联公司之间的CAR不存在显著差异。由此可见,政治关联公司与非政治关联公司违规处罚公告的市场反应之差,在国有和非国有企业中存在差异。为了更好观察处罚公告前后的市场反应,本文拉长窗口期至(-30,30)天,图1、图2分别列示了政治关联公司与非政治关联公司的CAR值在全样本、国有企业和非国有企业中的对比情况。从图1来看:(1)从处罚公告前10天开始,两条累积收益率曲线均呈下降趋势,说明市场对处罚公告存在提前反应现象,并且政治关联公司的曲线虽在非政治关联公司之上,但其下降幅度和下降趋势均高于非政治关联;(2)在处罚公告后,政治关联公司的CAR继续下降,直至处罚公告后10天才稍微往上升,而非政治关联公司的CAR下降至处罚公告后3天就开始小幅上升并趋于平稳。可见,无论是从处罚公告前后CAR的下降幅度,还是CAR下降持续的时间上看,政治关联公司的负向市场反应程度更大。由图2国有样本和非国有样本的比较来看:(1)在图2a的国有样本里,政治关联公司的CAR同样从-10天开始迅速下降,从公告前10天的-1.14%下降至公告后7天的-4.60%,随后稍有反弹,但始终维持在-3%至-5%之间;而非政治关联公司的CAR曲线与图1类型相似,呈先下降后上升趋势,并在公告后20天回到0值附近;(2)在图2b的非国有样本里,两组公司的CAR虽从公告前10天起开始下降,但政治关联公司的下降幅度不大,直到公告后7天才下降到0值以下,且政治关联公司与非政治关联的CAR值在公告后10天重合,而后政治关联公司的CAR值稍高于非政治关联公司。可见,在国有企业里,市场对政治关联公司违规处罚公告的负向反应更大,而在非国有企业里,市场对政治关联公司违规处罚公告的负向反应相对较小,这说明政治关联对违规处罚公告市场反应的影响因企业性质的不同而不同。多元回归分析结果如表9所示,在全样本,PC的系数均为负值,且该系数在窗口期较短的CAR1里在10%水平上显著,而在窗口期较长的CAR2里在5%水平上显著。这说明,在控制了其他变量的影响后,政治关联公司的市场反应低于非政治关联公司,即市场对政治关联公司违规处罚公告的负向反应更强,从而不支持“假设3”,且与“假设3”相反。这可能是由如下几个原因所导致的:一是可能由于媒体对政治关联公司和非政治关联公司在处罚公告之前的报道存在差异有关。国内大部分媒体由于受政府的控制和审查而不敢在正式处罚公告之前披露太多有关政治关联公司的违规行为,因而在图1中政治关联公司的CAR在处罚公告之前较为平稳;相反,大部分媒体在披露非政治关联公司的违规行为时受到的管制和审查相对较少,因而在处罚公告之前可能已经披露了相关违规信息,导致图1中非政治关联公司的CAR已经提前反应并开始下降。一旦监管部门正式公布处罚公告,政治关联公司的违规行为由于之前较少被披露而将给市场造成更大冲击,因而CAR下降幅度更大;而非政治关联公司的违规行为由于已经被媒体提前披露,市场已经提前做出反应,因而正式处罚公告出来后给市场带来的负面影响相对较小,CAR下降幅度较小。图1中CAR的走势与此解释较为吻合。二是由于“一会两所”的处罚公告在披露细节上差异很大,大多数公告只有不到一页的内容,信息披露不充分(Chenetal.,2005),导致外部投资者存在信息不对称问题。此时,外部投资者可能会逆向思维认为,在披露的违规行为及处罚力度等相同的情况下,政治关联公司实际的违规程度可能更严重,进而给公司带来的负面影响更大,于是其股票下跌的幅度也更大。三是外部投资者可能预期到政治关联公司的调查时间更长,其高管更不可能被现有法律所约束而被更换,因而其公司治理水平较差,导致投资者倾向于“用脚投票”的方式卖出政治关联公司的股票,致使CAR下降幅度更大。进一步,从国有样本和非国有样本的比较来看,在国有样本里,对于CAR1和CAR2,PC的系数均显著为负,即政治关联公司的市场反应更差,这说明在控制了其他因素之后,政治关联公司的负向市场反应依然显著高于非政治关联公司。以CAR1为例,政治关联公司的负向反应程度比非政治关联公司高4.8%;而在非国有样本中,PC的回归系数在不同窗口期内均不显著,说明政治关联对违规处罚公告的市场反应不产生显著影响。造成这种现象的原因可能是由于,一是在国有企业中,很多高管作为在职或离职的政府官员,自身有着政治发展的追求,谋求政治升迁可能是其追求的主要目标之一。如果企业出现丑闻,不仅会对高管的职业发展(careerconcern)产生负面影响,而且可能会影响到其仕途上的升迁8。那么,国有企业中有政治关联的高管更有动力也更有可能,通过国有股权这个天然纽带对监管部门的调查和处罚进行干预。此时,如果监管部门仍对国有政治关联公司进行处罚,则外部市场可能预期这类公司的实际违规程度比披露的更加严重,因而市场反应更差。二是政府仍掌握着对国有企业高管的任命权,且对其的考核也会考虑其他非经济的政治因素(ChangandWong,2009),因而国有违规公司更不易通过解雇有政治关联的高管来改善公司治理水平,如此外部中小投资者可能给予这类公司更差的市场反应。三是对于非国有企业,一方面,投资者同样会逆向思维认为有政治关联公司的实际违规程度比披露的严重,因而市场反应更差;另一方面,违规行为会给公司价值带来负面影响,也会影响到大股东和高管的个人利益,因而企业更有动力采取积极措施来改善公司治理,以维护企业声誉减少公司价值的损失,如此市场反应将较好。最终,两方面共同作用导致市场反应在政治关联与非政治关联公司之间不存在显著差异。(四)9年稳定性试验1.在处理方面,首先要确定其是不违反政治关联(1)首次违规时间的确定。对于首次违规时间没有明确给出的样本,正文以当年或当月最后一天作为首次违规时间,这可能缩短了实际惩处周期。为了减轻该确定时间方法可能带来的偏差,本文亦采用两种不同的标准确认首次违规时间。具体来说:(1)若公告中只注明“20××年××月”或“20××年”,则取该月份或该年度第一天作为首次违规时间,检验结果如表10中A栏所示;(2)若公告中只注明“20××年××月”或“20××年”,则取该月份的月中(×月15日)或该年度的年中(6月30日)作为首次违规时间,检验结果如表10中B栏所示。由表10可知,不论是基于月初(年初)或者月中(年中)来计算惩处周期,政治关联公司的惩处周期均长于非政治关联关系,与表4的结论基本相同。(2)剔除首次违规时间不明确的样本。除了采用上述确定首次违规时间的稳健性测试外,我们还把首次违规时间不确定的样本剔除后剩下257家样本,并进行相应检验。实证研究发现,PC的系数依然显著为正。例如,对应于表4中第一列回归中PC的系数为0.550(p值=0.020)。(3)使用“经调整后的惩处周期”的检验结果。由表3可知,不同违规类型和处罚类型的惩处周期存在较大差异。为此,本文对“惩处周期”按不同类型进行中心化处理,即违规公司的惩处周期减掉所属“违规类型”或“处罚类型”的平均惩处周期后得到的“经调整后的惩处周期”。表11中的A栏和B栏分别列示了减去“违规类型”平均惩处周期和减去“处罚类型”平均惩处周期的检验结果。表11显示,不论是基于经“违规类型”平均惩处周期调整后的检验结果,还是基于经“处罚类型”平均惩处周期调整后的检验结果,表4的结果不变。(4)在对惩处及时性进行分析时,企业政治关联变量是以处罚公告前一年的数据判定的。为了保证确实是违规发生时的政治关系导致了惩处周期的延长,本文删除了从首次违规日至违规公告日发生了高管变更的样本,重新进行回归分析。研究发现,表4的结论基本不变。(5)不同监管机构的可能影响。Firthetal.(2009)发现,不同监管机构(证监会vs交易所)在披露违规信息及时性上存在较大差异,受交易所处罚的公司在披露违规信息上更加及时。尽管本文度量的“惩处周期”不同于Firthetal.(2009)所研究的“信息披露周期”10,基于稳健性考虑,本文进一步将全部样本区分为“证监会处罚样本”(91家公司)和“交易所处罚样本”(250家公司),然后再分别检验在这两个样本里政治关联与违规查处及时性之间的关系是否不同。由表12的实证结果可知,不论是“证监会处罚样本”还是“交易所处罚样本”,PC系数均在1%水平上显著为正。说明本文的结论在全样本、证监会处罚样本和交易所处罚样本中成立,处罚机构的不同并不会影响本文的结论。2.政治关联对高管被离职率的影响前文发现政治关联对违规公司高管被迫离职有负面影响,那么在其他非违规公司是否存在同样现象呢?为此,本文借鉴Agrawaletal.(1999)的配对方法和标准,分析政治关联对高管被迫离职的影响在违规公司与非违规公司之间是否显著有别。本文按如下标准为每个违规公司寻找一个不存在违规事件的配对样本:(1)行业相同;(2)销售收入接近;(3)从开始违规到处罚公告期间没有存在被“一会两所”处罚的事件,即“非违规公司”,在此基础上,本文进一步增加一个配对标准;(4)当违规公司有政治关联时,配对样本在同一时期内也属于政治关联公司;当违规公司不存在政治关联时,配对样本在同一时期内也不属于政治关联公司。表13列示了违规公司和配对样本高管被迫离职的描述性统计结果。由表13可知:(1)对于处罚公告前360天的样本(A栏),在配对样本中高管被迫离职率在政治关联公司和非政治关联公司之间不存在显著差异,并且政治关联公司高管的被迫离职率略高于非政治关联公司,在方向