公司的股价在24日大跌超过7%。 。
基于上述分析，我们提出假设：终极控制人两权分离度越高，公司股票收益波动性越大。 三、研究设计 1.样本选取
考虑到股权分置改革可能对公司行为以及资本市场产生的影响（黄晶 等，2011；谢世清 等，2011），本文的研究样本选取了2007至2010年在我国上海和深圳证券交易所上市的公司。在样本选取过程中，为了保证结论的稳健性，我们遵循了如下的筛选原则：（1）剔除ST公司；（2）剔除金融行业公司；（3）剔除控制权、现金流权或者股票收益波动性数据不完整的公司；（4）剔除解释变量与被解释变量数据存在异常值的公司；（5）根据一般的研究惯例和现实中的情况，同时考虑到关于终极控制人控制权的数据中已经充分考虑了股东间一致行动对终极控制人控制权大小的影响，因此，我们剔除了样本中终极控制人控制权小于15%的公司，以保证样本公司终极控制人拥有较强的控制力对于终极控制人控制权分界点，我们还分别使用了10%和20%控制权比例作为分界点以及不设控制权比例分界点三种做法。通过检验我们发现，文章的结论没有受到实质性的影响，说明文章的研究结论具有稳健性。但限于篇幅，文中未作明确报告。 。至此，本文样本的实际有效观测值为4589个。本文计算两权分离度的数据来源于CSMAR数据库；根据该数据库的说明，数据库中终极控制人控制权和现金流权的计算方法为Porta（1999）的计算方法。其他数据来源于WIND金融数据库，数据处理软件为EXCEL2003和SPSS17.0。 2.变量定义 （1）被解释变量
本文研究的对象为上市公司终极控制人两权分离度与股票收益波动性的关系，因此我们的被解释变量为股票收益波动性。由于终极控制人两权分离度只有年度数据，因此我们选择
了年度指标度量股票收益波动性。出于稳健性考虑，我们选取了两种指标度量股票收益的波动性，即贝塔值与年化波动率。贝塔值的具体计算方法为：取最近52周的交易数据，以普通周收益率为计算周期，标的指数为上证综合指数。年化波动率的计算方法为：按照当年最后一个交易日之前52周，以周收益率为基准，用普通收益率计算收益率标准差。 （2）解释变量
理论上认为，之所以终极控制人的两权分离能够增强其侵占动机，本质上源于其侵占的成本和收益的不对称。借鉴投资学的基本理论，现金流权等同于行为成本，控制权则等同于行为收益，二者间的比例关系则等同于收益率。因此，用二者间的比例关系更能够描述终极控制人的侵占动机。我国特殊的上市公司控制结构和公司治理状况表明，上市公司的直接控制人一般都为法人，而该法人的各股东间一般都具有一定的行为一致性。如果仍旧用终极控制人的控制权来描述其控制力度，则有可能低估其控制力。因此，上市公司终极控制人对上市公司的控制力度用上市公司直接控制人的控制权描述更合理，而用终极控制人现金流权与上市公司直接控制人控制权的比例描述终极控制人的两权分离度也更合适。
基于上述分析，考虑到我国上市公司特殊的治理水平和控制结构，我们在既有文献指标设定的基础上进行了调整，选择了用终极控制人现金流权与直接控制人控制权的比值（分离度一）以及终极控制人现金流权与直接控制人控制权的差值（分离度二）来描述其两权分离度。同时，出于稳健性考虑，本文的稳健性检验中使用了终极控制人现金流权与终极控制人控制权的比值（分离度三）和差值（分离度四）描述其两权分离度。分析结果表明，相对于分离度三和分离度四，分离度一和分离度二对企业负债率、盈利能力以及Tobin’s Q值的解释力度都要更强。但限于篇幅，文中未报告具体数据结果。 （3）控制变量
根据相关文献的研究结论，本文选择了企业性质企业性质的分类方法为：按照实际控制
人拥有上市公司股份性质划分，若为国家股、国有法人股或者国有股的认定为国有企业，否则为非国有企业。 、股权集中度、公司规模、盈利能力、收入增长率、机构持股比例、公司股票是否为市场指数股以及年度和行业作为控制变量（Gompers et al，2001；Xu et al，2003；祁斌 等，2006；胡大春 等，2007；刘奕均 等，2010）。具体相关变量的类型、名称、缩写和度量列示在表1中。 3.模型设定
根据本文的研究问题和指标定义，我们设计了如下的回归模型：
其中：CONS为截距项，εit为误差项，变量下角标分别表示第i家公司和第t期，其他具体变量皆按表1的定义。 四、实证分析结果 1.描述性统计分析
从表2中Panel A可以看出，股票收益波动性一（VOLA1）的均值为0.971，标准差为0.349；波动性二（VOLA2）的均值为61.809，标准差为14.846。分离度一（SEPA1）的均值为0.875，即如果终极控制人每侵占一元价值，其只需承担0.875元的成本，其标准差为0.377；分离度二（SEPA2）的均值为-5.424，标准差为11.723。分离度一（SEPA1）的极小值为0.02，说明该公司的控制权远远超过了现金流权，终极控制人的控制权的杠杆效应非常明显。分离度二（SEPA2）的极小值为-71.746，也说明控制权远远超过了现金流权。
Panel B为按照股票收益波动性大小分作三个组的分别统计结果，表中数据显示，无论按照分离度一（SEPA1）还是分离度二（SEPA2），描述性统计都显示出一个明显的规律：控制权与现金流权分离程度越大（即指标值越小），对应的股票收益波动性越高；而且，均值和标准差都遵循此规律。该数据分析结果为我们的假设检验提供了初步支持。
表3显示，股票收益波动性与其他主要变量基本都存在明显的相关关系，尤其与比值分离度和差值分离度都存在明显的负相关关系，表明终极控制人两权偏离越严重，企业的股票收益波动性越大，与预期关系一致。另外，进入模型的各解释变量之间相关系数都在0.35以下，预期不存在明显的共线性。
注：左下三角为pearson相关系数，右上三角为spearman相关系数。上角标* *表示在置信度（双侧）为 0.01 时相关性是显著的，*表示在置信度（双侧）为0.05时相关性是显著的。
2.实证模型分析
本研究利用普通最小二乘法（OLS）进行实证分析。借鉴以往文献研究成果，在控制了相关可能影响股票收益波动性的变量后，以多元回归估计公司终极控制人两权分离程度对股票收益波动性的影响，研究对象为2007—2010年我国沪深证券市场的上市公司。各实证结果分别列示在表4（全样本回归）、表5（按企业性质分组回归）和表6（按股权集中度分组回归）中。 （1）基于全样本的回归分析
根据表4的回归结果，在控制相关变量的情况下，当被解释变量为股票收益波动性一（VOLA1）时，分离度一（SEPA1）的回归系数T值为-3.604，模型的Adj-R2为18.9%；分离度二（SEPA2）的回归系数T值为-4.133，模型的Adj-R2为18.9%，都在1%显著性水平上显著。当被解释变量为股票收益波动性二（VOLA2）时，分离度一（SEPA1）的回归系数T值为1.705，模型的Adj-R2为29.7%，在10%水平上显著；分离度二（SEPA2）的回归系数T值为-2.702，模型的Adj-R2为29.7%，在5%水平上显著。4个回归模型的F值也都在1%水平上显著，显示模型的配适度也处于较高水平。
综合来说，无论解释变量为分离度一（SEPA1）还是分离度二（SEPA2），被解释变量为股票收益波动性一（VOLA1）还是波动性二（VOLA2），终极控制人两权分离程度与股
票收益波动性二者之间都呈现显著的负相关关系。即终极控制人现金流权偏离控制权越严重，公司的股票收益波动性越大。两权偏离越严重，可能对应着控制人更强的侵占动机和与外部投资者之间更严重的信息不对称，更严重的信息不对称则会导致股票收益更大的波动性，这也提高了外部投资人的风险。同时我们看到，用差值描述的分离度二（SEPA2）显然对股票收益波动性有更强的解释，其对应的回归系数T值都显著高于分离度一所对应的T值。 （2）基于公司特征的分组回归分析
注：括号内数字为相应回归系数的t值。各回归系数右上角标*、* *和* * *分别表示统计量在10%、5%和1%的显著水平上是显著的，回归方法为普通最小二乘回归（OLS）。下同。
鉴于我国资本市场建立和发展的特殊性，市场中存在国有企业和非国有企业的性质区别，该种出资人性质的不同很可能会导致企业的行为出现较大的差异。冯旭南等（2009）和渡边真理子（2011）的研究也发现，国有上市公司和民营上市公司的所有权和控制权结构特征存在较大的差别。因此，我们进一步检验了企业的该种性质差别是否会影响终极控制人两权分离度与股票收益波动性的关系。
对比表5中模型1和模型5数据，终极控制人两权分离度对股票收益波动性的回归系数分别为-0.017和-0.073，回归系数的T值分别为-0.875和-3.948，存在显著的差别，其他几个对比模型也都存在类似关系。说明相对于国有企业，非国有企业终极控制人两权分离度与股票波动性的负相关关系更加显著，显示出民营企业的大股东控制所导致的侵占问题更加严重。根据我国上市公司的控制链条特征，民营企业一般都可以找到自然人性质的终极控制人，因此，公司的行为具有更多的自然人意志特征，而作为自然人的终极控制人也更可能通过关联交易和操纵企业信息披露等方式来获取控制权私人收益。与之相反的是，国有上市公司都不存在自然人性质的终极控制人，终极控制人法律特征的差别也使得两类企业的行为