本发明涉及股价崩盘风险分析技术领域，特别是涉及一种会计师事务所声誉对股价崩盘风险影响分析方法及系统。
背景技术：
会计师事务声誉是一项能够体现社会大众对其主体认知的无形资产，会计师事务所的高声誉所往往代表着较高的工作水平与可靠的审计质量。
股价崩盘风险作为一种极端的不良市场现象，通常是指在没有前兆预警时，个股价格或市场指数在短时间内急剧下跌的风险。股价崩盘的负面影响不仅体现在损害投资者利益上，还会扰乱市场的健康交易秩序，甚至导致资源的配置效率下降，甚至可能使社会经济出现动荡。目前我国处于一个经济飞速发展，资本快速扩张的时期，因此对于导致股价崩盘因素的研究始终是学术界与实务界的研究热点。
随着科技的进步和时代的发展，我国金融市场规模不大壮大，上市公司群体不断壮大，对于金融市场的股价大幅波动的关注日趋密切，其中股价崩盘风险因负面影响重大，更是众多学者的研究热点。股价崩盘风险的负面影响重大，目前的研究中，在我国制度建设、国情管理的基础下能全面涵盖股价崩盘风险影响因素的完整体系尚未形成，对于该体系的健全完善仍是未来资本市场中的研究趋势。如何完善股价崩盘风险影响因素，建立更健全的股票崩盘风险体系是本领域亟需解决的问题。
技术实现要素：
基于此，有必要针对如何完善股价崩盘风险影响因素，建立更健全的股票崩盘风险体系的问题，提供一种会计师事务所声誉对股价崩盘风险影响分析方法及系统。
本发明提出的一种会计师事务所声誉对股价崩盘风险影响分析方法，所述分析方法包括以下步骤：
样本数据获取步骤，对样本源数据进行处理，获取样本数据；
变量获取步骤，根据所述样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；所述解释变量为与会计师事务所声誉相关的度量指标；
模型参数估计步骤，根据所述样本数据进行参数的估计，获得参数估计值；
分析模型构建步骤，根据被解释变量、解释变量以及控制变量，构建分析模型；
预测分析步骤，根据所述分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。
在其中的一个实施例中，在所述预测分析步骤之前，还包括以下步骤：
分析模型假设检验步骤，根据所述样本数据、所述模型参数估计值对所述分析模型进行假设检验。
在其中的一个实施例中，所述解释变量包括中注协事务所排名、会计师事务所年报审计市场份额、会计师事务所受监管处罚情况、会计事务所年报审计客户行业种类数量、会计师事务声誉综合指标中的任意一种或几种。
在其中的一个实施例中，所述被解释变量包括负收益偏态系数以及收益上下波动比率。
在其中的一个实施例中，所述控制变量包括公司规模、账面市值比、资产负债率、净资产收益率、股权集中度、周收益率均值、会计信息不透明度、周收益率的标准差、股票月均换手率差额、年度、行业中的任意一种或几种。
在其中的一个实施例中，所述分析模型如下所示：
crashriski，t+1＝m0+m1mi，t+γncontrolvariablest+xyeari，t+yindi，t+zi，t
其中，crashriski，t+1表示被解释变量，mi，t表示解释变量，controlvariablest为一组控制变量。
在其中的一个实施例中，当解释变量为中注协会计师事务所排名时，所述分析模型如下所示：
crashriski，t+1＝β0+β1ranki，t+γ1controlvariablest+xyeari，t+yindi，t+εi，t
其中，ranki，t表示中注协会计师事务所排名；
当解释变量为会计师事务所年报审计的市场份额时，所述分析模型如下所示：
crashriski，t+1＝μ0+μ1sharei，t+γ2controlvariablest+xyeari，t+yindi，t+vi，t
其中，sharei，t表示会计师事务所年报审计的市场份额；
当解释变量为会计师事务所受监管处罚情况时，所述分析模型如下所示：
crashriski，t+1＝δ0+δ1puni，t+γ3controlvariablest+xyeari，t+yindi，t+ηi，t
其中，puni，t表示会计师事务所受监管处罚情况；
当解释变量为会计事务所年报审计客户行业种类数量时，所述分析模型如下所示：
crashriski，t+1＝θ0+θ1numi，t+γ4controlvariablest+xyeari，t+yindi，t+λi，t
numi，t表示会计事务所年报审计客户行业种类数量；
当解释变量为会计师事务声誉综合指标时，所述分析模型如下所示：
crashriski，t+1＝α0+α1famei，t+γ3controlvariablest+xyeari，t+yindi，t+gi，t
famei，t表示会计师事务声誉综合指标。
在其中的一个实施例中，会计师事务声誉综合指标根据会计师事务所各项因子综合得分获得，所述会计师事务所各项因子综合得分如下：
其中，fscorei，t表示t年度通过因子分析计算的会计师事务所各项因子综合得分，vi表示采用凯撒正态化最大方差法旋转后的因子方差贡献率，faci，t表示采用回归法估计的因子得分。
在其中的一个实施例中，在模型参数估计步骤中，rank＝0,1,2,3,4,5……，其中，中注协事务所排名第1的会计师事务所rank为100，中注协事务所排名第100的会计师事务所rank为1，依次类推，未进入排名的会计师事务所rank为0；
pun＝0,1，其中，当年受到监管处罚的会计师事务所pun为0，未受到处罚的会计师事务所pun为1；
num＝1,2,,,,,19。
本发明还提出了一种会计师事务所声誉对股价崩盘风险影响分析系统，所述分析系统包括以下模块：
样本数据获取模块，所述样本数据获取模块用于对样本源数据进行处理，获取样本数据；
变量获取模块，所述变量获取模块用于根据所述样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；其中，所述被解释变量包括股价崩盘风险，所述解释变量包括会计事务所声誉；
分析模型构建模块，所述分析模型构建模块用于根据被解释变量、解释变量以及控制变量，构建分析模型；
模型参数估计模块，所述模型参数估计模块用于根据所述样本数据对所述分析模型的参数进行估计，获得模型参数估计值；
分析模型假设检验模块，所述分析模型假设检验模块用于根据所述样本数据、所述模型参数估计值对所述分析模型进行假设检验；
预测分析模块，所述预测分析模块用于根据所述分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。
上述会计师事务所声誉对股价崩盘风险影响分析方法及系统，通过引入与会计师事务所相关的解释变量，通过新的视角丰富股价崩盘风险影响因素的研究体系，有助于我国资本市场中股价崩盘风险的有效防范，为会计师事务所的监管管理及政策制定者提供有益参考。
具体实施方式
本发明提出的一实施例的会计师事务所声誉对股价崩盘风险影响分析方法，该分析方法包括以下步骤：
样本数据获取步骤，对样本源数据进行处理，获取样本数据；
变量获取步骤，根据所述样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；所述解释变量为与会计师事务所相关的解释变量；
分析模型构建步骤，根据被解释变量、解释变量以及控制变量，构建分析模型；
模型参数估计步骤，根据所述样本数据对所述分析模型的参数进行估计，获得模型参数估计值；
预测分析步骤，根据分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。
上述会计师事务所声誉对股价崩盘风险影响分析方法，通过引入与会计师事务所相关的解释变量，通过新的视角丰富股价崩盘风险影响因素的研究体系，有助于我国资本市场中股价崩盘风险的有效防范，为会计师事务所的监管管理及政策制定者提供有益参考。
传统的关于会计师事务所声誉进行的相关研究，往往注重会计师事务所的国模、收入以及业内排名等，涉及的影响因素不够全面反应会计师事务所声誉。
近年来对于股价崩盘风险的研究一直备受学术界和商业界的关注，审阅国内外的会计师事务所声誉、股价崩盘风险的相关研究成果，虽然现国内外对于股价崩盘风险影响因素及影响机制的研究已经涵盖较多层面，结合具体研究比较集中的分支内容有投资者角度，诸如机构投资者角度、公司会计信息角度、大股东持股比例等；公司内部的影响因素，诸如管理层的个人特征、内部控制质量、会计稳健性等；公司外部的影响因素主要设计审计收费，审计师任期等；以及分析师乐观偏差，分析师的乐观偏差等等来研究股价崩盘风险。但就目前已有的研究成果来看，并未有文献从会计师事务所声誉角度研究对股价崩盘风险的影响，未能更系统、完全地反应会计师事务所声誉对股价崩盘风险的影响。
本发明通过引入与会计师事务所相关的解释变量，对股价崩盘风险提供了新的研究视角，进一步完善了股价崩盘风险影响因素的研究体系，健全股价崩盘风险的研究方法。
作为一种可选实施方式，在预测分析步骤之前，还包括以下步骤：
分析模型假设检验步骤，根据样本数据、模型参数估计值对分析模型进行假设检验。
作为一种可选实施方式，解释变量包括中注协事务所排名、会计师事务所年报审计市场份额、会计师事务所受监管处罚情况、会计事务所年报审计客户行业种类数量、会计师事务声誉中的任意一种或几种。
本发明通过梳理国内外的研究文献及相关理论发现，上市公司股价崩盘风险的主要来源是上市公司管理层与股东的代理问题以及上市公司管理层与投资者的信息不对称，对股价崩盘风险影响的因素涉及到公司的内外部，以及政策环境等方面，研究比较集中的分支有投资者角度，诸如机构投资者角度、公司会计师信息角度、大股东持股比例等；公司内部的影响因素，诸如管理层的个人特征、内部控制质量、会计稳健性等；公司外部的影响因素主要设计审计收费，审计师任期等；以及分析师乐观偏差，分析师的乐观偏差等等来研究股价崩盘风险，本发明研究基于会计师事务所声誉对股价崩盘风险的影响，做出如下分析及假设。
会计师事务所声誉是事务所实力、业务水平、审计质量以及口碑的综合指标。会计师事务所声誉是一种市场上对会计师事务所过去的专业服务能力的认知和评判，是会计师事务所对社会公众展示的其职业素养和遵守职业道德规范的承诺的综合反馈，是需要不断积累并依靠长期良好的执业表现来建立。从市场选择来讲，在资本市场中，一个理性上市公司，为了吸引更多的投资获取更大的融资，需要向外界传递出公司运营良好，盈利能力良好的信息，通常这一信息通过发布财务报告、公告等方式传播出去。为了使更具有说服力，上市公司会倾向于选择大众普遍认为高声誉的会计师事务所作为独立性较强的第三方进行审计，并出具财务报告。
另一方面，高声誉的会计师事务所在有着高审计质量、高审计专业能力以外，会更爱惜自身的“羽毛”。高声誉的会计师事务所会提前根据专业的审计能力与经验，对即将承接的年报审计业务等业务评估将要面临的审计工作可能存在的风险与挑战，如果当客户公司存在严重财务问题试图让会计师事务所协助进行财务造假，会计师事务所的审计风险会大大增加并危及声誉，会计师事务所很可能选择放弃此业务。
对于会计师事务所声誉的度量，我国近期的研究多采用“四大”或者中国注册师协会每年的会计师事务所排名，中国注册师协会每年评选公布的会计师事务所排名是对事务所的综合评价，不是直接等同于声誉的，中注协的评选包含一些从业人员数量、合伙人数量、不同年龄段的人数、人员学历等非主要影响声誉的指标，并且中国注册师协会每年评选的仅是前100名的会计师事务所，存在部分会计师事务所进行了年度财报审计但是未评进前100名。在本发明的研究中对会计师事务所声誉的测度为：在中国注册会计师协会对会计师事务所进行评选排名的基础上进一步优化了会计师事务所声誉的衡量指标，并使其建立成一个体系，具体内容如下：
(1)增加会计师事务所在年度财务报告审计中的市场份额。理论上声誉较高的会计师事务所将拥有更多的客户资源，这意味着拥有更多的审计业务，所以通常事务所收入的多少一定程度上可以衡量其声誉的高低，本发明中将根据事务所收入计算其市场份额。传统会计师事务所排名中的一项衡量收入的指标，采用的是该会计师事务所年度总收入，包含的审计收入与非审计收入，这项衡量指标可能造成诸如管理咨询、验资、税务、评估等非审计业务收入占高，年度财务报告审计收入较少的会计师事务所总收入高，但总排名也较高。并且对于审计收入未进行正式的分类别公开披露，审计收入包括年度报告、半年度报告及季度报告等审计类型，因本发明研究是会计师事务所对上市公司年度财务报告审计，因此在本发明的研究中采用了会计师事务所对在上市公司年度财务报告审计中所占市场份额的数据。
(2)增加会计师事务所受到行业监管部门的处罚情况。会计师事务所受到财政部、证监会、中注协等部门监管，当会计师事务所出现违规事项后，会受到监管部门的相应处罚。高声誉的会计师事务所更加注重自身声誉，更倾向于洁身自好，拒绝为上市公司出具虚假报告等违法行业规则的事项，因此事务所是否收到监管部门的处罚一定程度上可以衡量事务所的声誉高低。中注协会计师事务所排名的评选体系是逐步发展起来的，是在近几年的评价中增加了事务所受到处理处罚这项因素的，早年间的评选并不包含这项，同时考虑到会计师事务所受到监管部门处罚的原因主要包括虚构利润、虚列资产、含误导性陈述的虚假记载、重大遗漏、推迟披露等违规情况，这些都是比较严重的情形，也是会对声誉影响较大的因素，故本发明在研究时单独考虑了会计师事务所受到监管部门处罚的情况。
(3)增加会计事务所年度报告审计中客户的行业种类数量。对于企业来讲，选择审计服务机构在考虑会计师事务所的声誉情况时，会考虑会计师事务所在该行业的声誉影响力，是否做过同行业类型的业务，因此高声誉的会计事务所会有较多不同行业类型的业务经验，故会计师事务所年度审计业务中行业数量多少也一定程度上可以表示会计师事务所声誉情况。
本发明通过限定解释变量包括以上与会计师事务所相关的解释变量，拓展了对会计师事务所声誉的衡量。查阅以往涉及会计师事务所声誉相关研究的文献，发现对会计师事务声誉衡量国内外通常以会计师事务所的规模或者会计师事务所的总收入为基础，分成四大非四大、八大非八大、及十大非十大，根据市场份额前十非前十，以及出具审计报告的审计意见类型，且多采用单一指标来衡量会计师事务所的声誉。本申请不同于传统的研究方法，对会计师事务所声誉的衡量通过以下指标衡量：①根据中国注册会计师协会评选公布的会计师事务所排名数据；②会计师事务所在上市公司年度财务报告审计中所占的市场份额；③会计师事务所在上市公司年度财报审计中客户公司所属行业种类的数量；④会计师事务所收到证监会等监管部门的处罚情况；⑤通过因子分析法计算以上四个影响因素的综合得分，得出会计师事务所声誉综合指标，使会计师事务所声誉的衡量更具有代表性。
基于以上论述，本发明提出以下假设h1：
h1:会计师事务所的声誉与股价崩盘风险呈负相关关系，高声誉会计师事务会抑制股价崩盘风险。
我国对于会计师事务所声誉的研究，尚处于初步形成状态，并未形成统一标准的度量体系。中国注册师协会每年对全国会计师事务所进行评选，并公布排名前百的事务所单位，而根据中国注册会计师协会对事务所排名的评价办法，对会计师事务所的排名评选也是逐渐完善，指标逐渐综合化的，整体涵盖了事务所的收入规模、内部治理、资源、处理处罚四个方面，是对事务所综合多个角度较为全面的评价，能一定程度上反应会计师事务所的综合评价。因此，在中注协评选的排名中高的会计师事务所拥有较高声誉，故本发明做出以下假设h2a：
h2a：中注协评选的会计师事务所排名与股价崩盘风险呈负相关关系，高排名的会计师事务较低排名的会计师事务所，对股价崩盘风险有抑制影响。
在我国的资本市场的监管体系中，要求上市公司定期对外披露公司会计信息，其中包含年度披露、半年度披露以及季度披露，其中仅强制要求年度披露的财务报告是必须经由有执业资质的会计师事务所出具，因此上市公司需要在每会计年度末聘请第三方会计师事务所为其进行审计出具财务报告，并于每会计年度结束后四个月内对外披露。上市公司年报审计选择会计师事务所时，公司管理者往往更倾向于选择值得信赖的也就是高声誉的会计师事务所，使得审计质量更有保障，从而高声誉的会计师事务所将面临更大的服务市场。因此，在年报审计中市场份额高的会计师事务所拥有较高声誉，故本文做出以下假设h2b：
h2b：年报审计市场份额大的会计师事务所较年报审计市场份额小的会计师事务所，会产生抑制股价崩盘风险的影响。
根据我国监管要求，会计师事务所为上市公司进行审计并出具财务报告时，应遵守财政部下发的《中国注册会计师独立审计基本准则》和《独立审计具体准则第1号--会计报表审计》，客观公正的对上市公司进行审计，同时我国法律规定注册会计师在对上市公司进行年度财务报告审计时应遵循相关的法律法规，并对财务报告的真实性与准确性承担相应的法律责任。财政部门将依法对注册会计师签字审核的财务报告进行检查并对检查结果严明奖惩，当会计师事务所出具的财务报告出现诸如虚构利润、虚列资产、含误导性陈述的虚假记载、重大遗漏、推迟披露等违规情况时，会受到相应的监管部门处罚，继而受到监管部门处罚的会计师事务所的声誉将受到损害，因此未受到监管部门处罚的会计师事务所相对声誉要高于受到处罚的会计师事务所，故本轮做出以下假设h2c：
h2c：监管部门对会计师事务所的处罚情况对股价崩盘风险有负向影响，未受到监管部门处罚的会计师事务所与受到监管处罚的会计师事务所相比，有抑制股价崩盘风险的影响。
另一方面，会计师事务所的声誉也体现在不同行业类型中的口碑扩散程度，一旦会计师事务所声誉建立起来，所面对的将不是单一的行业，在口碑影响下，将会吸引不同行业的上市公司选择这些“影响力”扩散开的会计师事务所执行审计，公司在选择实施审计的会计师事务所时，会将同行业或者其他行业的公司对会计师事务所的赞誉纳入到选择因素中，因此会计师事务所年度财务报告审计中客户公司跨行业种类数量越多，表示其声誉越高，审计质量越高，本发明研究做出以下假设h2d:
h2d:年报审计客户行业种类数量多的会计事务所较年报审计客户行业种类数量少的会计师事务所，有抑制股价崩盘风险的影响。
作为一种可选实施方式，被解释变量包括负收益偏态系数以及收益上下波动比率。
具体来说，股价崩盘的判别标准是通过上市公司个股的周特有收益率计算出的负收益偏态系数(ncskew)和收益上下波动比率(duvol)来衡量，负收益偏态系数(ncskew)的值越大,公司股价崩盘风险越大；收益上下波动比率(duvol)的数值越大时，崩盘风险就越大。
作为一种可选实施方式，控制变量包括公司规模、账面市值比、资产负债率、净资产收益率、股权集中度、周收益率均值、会计信息不透明度、周收益率的标准差、股票月均换手率差额、年度、行业中的任意一种或几种。
作为一种可选实施方式，构建分析模型如下所示：
crashriski，t+1＝m0+m1mi，t+γncontrolvariablest+xyeari，t+yindi，t+zi，t
其中，crashriski，t+1表示被解释变量，mi，t表示解释变量，controlvariablest为一组控制变量。
作为一种可选实施方式，当解释变量为中注协会计师事务所排名时，分析模型如下所示：
crashriski，t+1＝β0+β1ranki，t+γ1controlvariablest+xyeari，t+yindi，t+εi，t
其中，ranki，t表示中注协会计师事务所排名；
当解释变量为会计师事务所年报审计的市场份额时，分析模型如下所示：
crashriski，t+1＝μ0+μ1sharei，t+γ2controlvariablest+xyeari，t+yindi，t+vi，t
其中，sharei，t表示会计师事务所年报审计的市场份额；
当解释变量为会计师事务所受监管处罚情况时，分析模型如下所示：
crashriski，t+1＝δ0+δ1puni，t+γ3controlvariablest+xyeari，t+yindi，t+ηi，t
其中，puni，t表示会计师事务所受监管处罚情况；
当解释变量为会计事务所年报审计客户行业种类数量时，分析模型如下所示：
crashriski，t+1＝θ0+θ1numi，t+γ4controlvariablest+xyeari，t+yindi，t+λi，t
numi，t表示会计事务所年报审计客户行业种类数量；
当解释变量为会计师事务所各项因子综合得分时，分析模型如下所示：
crashriski，t+1＝α0+α1famei，t+γ3controlvariablest+xyeari，t+yindi，t+gi，t
famei，t表示会计师事务所各项因子综合得分。
作为一种可选实施方式，会计师事务所各项因子综合得分如下：
其中，fscorei，t表示t年度通过因子分析计算的会计师事务所各项因子综合得分，vi表示采用凯撒正态化最大方差法旋转后的因子方差贡献率，faci，t表示采用回归法估计的因子得分。
作为一种可选实施方式，在模型参数估计步骤中，rank＝0,1,2,3,4,5……，其中，中注协事务所排名第1的会计师事务所rank为100，中注协事务所排名第100的会计师事务所rank为1，依次类推，未进入排名的会计师事务所rank为0；
pun＝0,1，其中，当年受到监管处罚的会计师事务所pun为0，未受到处罚的会计师事务所pun为1；
num＝1,2,,,,,19。
本发明第二大方面提出了一种会计师事务所声誉对股价崩盘风险影响分析系统，该分析系统包括以下模块：
样本数据获取模块，样本数据获取模块用于对样本源数据进行处理，获取样本数据；
变量获取模块，变量获取模块用于根据样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；其中，被解释变量包括股价崩盘风险，解释变量包括会计事务所声誉；
分析模型构建模块，分析模型构建模块用于根据被解释变量、解释变量以及控制变量，构建分析模型；
模型参数估计模块，模型参数估计模块用于根据样本数据对分析模型的参数进行估计，获得模型参数估计值；
分析模型假设检验模块，分析模型假设检验模块用于根据样本数据、模型参数估计值对分析模型进行假设检验；
预测分析模块，预测分析模块用于根据分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。
本发明的会计师事务所声誉对股价崩盘风险影响分析系统与前述会计师事务所声誉对股价崩盘风险影响分析方法相对应，分析系统的各模块为实现分析方法中的各步骤必须建立的功能模块，分析方法中的各步骤在前文中已经进行了详细的描述，与其对应的各中能模块在此不再赘述。
以下，结合样本源数据对本发明的会计师事务所声誉对股价崩盘风险影响分析方法一具体实施例作进一步的描述。
在样本数据获取步骤中，选取的样本源数据为我国a股上市公司的财务数据及为其提供年度报告审计的会计师事务所数据。考虑到我国只对上市公司要求年报必须经外部审计机构实施审计，因此研究过程中选用对上市公司进行年报审计的会计师事务所的相关数据及年报披露的上市公司财务数据。同时，因年度报告审计的滞后性，本实施例采用我国2015年-2019年会计师事务所的声誉相关指标数据与2016年-2020年a股上市公司的财务数据为研究对象，并对数据进行以下处理：
(1)考虑金融行业财务报表与其行业属性的特殊性，在本发明的研究中剔除上市公司行业类型为金融行业的数据；
(2)整个样本期间st/st*的上市公司数据进行剔除处理，保留在样本期间部分年度st/st*的上市公司数据；
(3)为有效估计计股价崩盘风险，剔除每年交易周数小于30的样本以及剔除数据缺失的样本；
在本发明中最终得到2015年至2019年共13373个有效观测值的样本数据。会计师事务所声誉相关指标数据及上市公司财务数据源于csmar数据库，并通过excel与stata16软件进行数据处理。
在变量获取步骤中，根据样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；解释变量为与会计师事务所相关的解释变量。
其中，被解释变量为股价崩盘风险度量指标，包括负收益偏态系数以及收益上下波动比率。在本实施例中，股价崩盘风险度量指标的构建过程如下：
构建回归模型来计算上市公司i在第t周的周收益率ri，t：
ri，t＝αi+β1rm，t-2+β2rm，t-1+β3rm，t+β4rm，t+1+β5rm，t+2+εi，t
式中，rm，t为我国a股综合市场市股票在第t周经过流通市值加权后的平均收益率，同时在回归模型中添入综合市场收益的超前项与滞后项,来调整股票非同步性交易所带来的影响，调整后股票i在第t周的特有收益为wi，t＝ln(1+εi，t),εi，t为回归模型的残差。
根据wi，t,计算股价崩盘风险的衡量指标负收益偏态系数(ncskew)与收益上下波动比率(duvol)。
负收益偏态系数(ncskew):
式中，n表示股票i在t年的交易周数。负收益偏态系数(ncskew)的值越大，公司股价崩盘风险越大。
收益上下波动比率(duvol)：
式中，nu表示股票i的周特有收益wi，t大于年平均收益wi的周数；nd表示股票i的周特有收益wi，t小于年平均收益wi的周数。收益上下波动比率(duvol)的数值越大时，表示收益率分布更倾向于左偏，崩盘风险就越大。
其中，解释变量为与会计师事务所声誉相关的度量指标，本发明限定与会计师事务所声誉相关的度量指标为中注协事务所排名(rank)、是否收到监管部门处罚(pun)、年报审计的市场份额(share)及年报审计客户行业种类数量(num)，以及通过多因素计算权重的处理方式、通过因子分析法计算各项因子综合得分得到的会计师事务所声誉综合指标。
其中，控制变量为与上市公司自身相关的变量，本发明进行以下控制变量的设置，包括：
上市公司的规模size；上市公司的市账比mb；上市公司的资产负债率lev；上市公司的净资产收益率roe；周收益率的标准差sigma；上市公司的周收益率均值ret；上市公司第一大股东的持股比例top1；上市公司的会计信息不透明度absacc；会计信息不透明度absacc根据修正的琼斯模型，取上市公司可操作性应计利润的绝对值，会计信息不透明度(absacc)的值越大，表示会计信息不透明度越高；上市公司股票换手率的变化dturn；此外为控制年度和行业固定效应，加入年度变量及行业变量,以分别year和industry表示。
请参阅表1所示，为本发明相关变量的设置及说明。
表1变量设置及说明
在模型参数估计步骤中，根据样本数据进行参数估计。
首先考虑到以下度量指标：
中注协事务所排名(rank)，rank＝0,1,2……48，rank值越大中注协排名越低，但rank＝0的事务所未入围中注协事务所排名名单中；因此在进行因子分析前需要先对中注协事务所排名源数据进行处理，因为中注协只公布前100面排名的会计师事务所，根据排名逆序，逆序处理时排名第1的会计师事务所rank为100,排名100的会计师事务所rank为1，未进入排名的会计师事务所rank为0；
会计师事务所受监管部门处罚情况(pun)，当年会计师事务所受到监管处罚pun为0，未受到处罚pun为1，由于事务所是否收到监管部门处罚是一种结果是/否的情况，不是具体的数字，因此采用上述限定方式限定pun。
会计师事务所年报审计市场份额(share)，为会计师事务所年报审计市场份额百分比。
会计师事务所年报审计客户行业种类数量(num)，当年会计师事务所年报审计行业种类数量，根据证监会划分的上市公司行业种类，共分19个行业大类，共分19个行业大类,故num＝1,2,,,,,19。
进一步地，通过因子分析法计算综合得分，具体过程如下。
首先通过kmo和巴特利特检验将要进行因子分析法的变否选取的是否合适，表为kmo和巴特利特检验的结果。
表2kmo和巴特利特检验
通过表1的kmo和巴特利特检验结果可以看出，本发明采用的2015年至2019年度会计师事务所数据的kmo值为均大于0.5；同时巴特利特球形度检验统计量的显著性均为0.000，均达到显著性水平，表明可以通过因子分析法对变量计算综合得分。
进一步获得总方差解释结果如表3所示。
表3总方差解释结果表
注：表3中的因子提取方法为主成分分析法。旋转方法为凯撒正态化最大方差法。
由表3总方差解释可以看出，各年度当只考虑初始特征值大于1的因子时，累计贡献率未达到累积贡献率超过85％的理想效果，同时在此处的研究就是为了确定中注协事务所排名(rank)、是否收到监管部门处罚(pun)、年报审计的市场份额(share)及年报审计客户行业种类数量(num)在会计师事务所声誉衡量体系中的权重，所以此处采用提取因子固定数量的方式，通过分别提取贡献率最大的前3个因子进行分析。
进一步获得成分得分系数矩阵如表4所示。
表4成分得分系数矩阵
上述成分得分系数矩阵量中，rankscor、punscor、numscor、sharescor分别表示2015年至2019年度的中注协会计师事务所排名(rank)、会计师事务所受监管部门处罚情况(pun)、会计师事务所年报审计客户行业种类数量(num)、会计师事务所年报审计市场份额(share)在因子分析法中的成分得分。
进一步地，计算会计师事务所各项因子综合得分，具体实现方式如下
根据注协事务所排名(rank)、会计师事务所是否收到监管部门处罚(pun)、会计师事务所年报审计的市场份额(share)及会计师事务所年报审计客户行业种类数量(num)的线性组合，采用回归估计法在spss软件中计算各项因子得分(faci，t)。
然后根据各项因子得分(faci，t)计算综合得分，计算公式如下：
其中fscorei，t表示t年度通过因子分析计算的会计师事务所声誉综合得分，vi表示采用凯撒正态化最大方差法旋转后的因子方差贡献率。
最后对各年度的会计师事务所声誉综合得分(fscorei，t)进行排序。本发明设置会计师事务所声誉哑变量(fame)，选取会计师事务所声誉综合得分(fscorei，t)排名前十的为高声誉会计师事务所，fame取值为1；反之，会计师事务所声誉综合得分(fscorei，t)排名非前十的为低声誉的会计师事务所，fame取值为0。
更进一步地，在分析模型构建步骤中，由于股价崩盘风险较年报财务报告审计的滞后性，被解释变量使用滞后一期的数据，分别用负收益偏态系数(ncskewi，t+1)和收益上下波动比率(duvoli，t+1)来表示，解释变量分别采用当期的数据。
当解释变量为中注协会计师事务所排名时，即为了验证假设h2a，中注协会计师事务所排名是否会对股价崩盘风险产生影响，以及产生怎样的影响，采用以下模型来检验研究：
crashriski，t+1＝β0+β1ranki，t+γ1controlvariablest+xyeari，t+yindi，t+εi，t
当解释变量为会计师事务所年报审计的市场份额时，即为了验证假设h2b，会计师事务所年报审计的市场份额是否会对股价崩盘风险产生影响，以及产生怎样的影响，采用以下模型进行分析：
crashriski，t+1＝μ0+μ1sharei，t+γ2controlvariablest+xyeari，t+yindi，t+vi，t
当解释变量为会计师事务所受监管处罚情况时，即为了验证假设h2c，会计师事务所受到监管处罚情况是否会对股价崩盘风险产生影响，以及产生怎样的影响，采用以下模型进行分析：
crashriski，t+1＝δ0+δ1puni，t+γ3controlvariablest+xyeari，t+yindi，t+ηi，t
当解释变量为会计事务所年报审计客户行业种类数量时，即为了验证假设h2d：会计师事务所年报审计客户行业种类数量是否会对股价崩盘风险产生影响，以及产生怎样的影响，采用以下模型进行分析：
crashriski，t+1＝θ0+θ1numi，t+γ4controlvariablest+xyeari，t+yindi，t+λi，t
为了验证假设h1：会计师事务所声誉是否会对股价崩盘风险产生影响，以及产生怎样的影响，采用以下模型进行分析：
crashriski，t+1＝α0+α1famei，t+γ3controlvariablest+xyeari，t+yindi，t+gi，t
其中,股价崩盘风险crashriski，t+1分别由ncskewt+1和duvolt+1来度量,ranki，t、puni，t、sharei，t、numi，t表示会计师事务所声誉的度量指标，分别表示会计师事务所在t年中注协事务所排名、受到监管部门的处罚情况、事务所在上市公司年报审计中市场份额、事务所在上市公司年报审计中客户行业种类数量。pamei，t表示会计师事务所声誉，controlvariablest为一组控制变量。
在分析模型假设检验步骤中，包括根据样本数据、模型参数估计值通过数据分析软件stata16对各个变量进行描述性统计子步骤，具体各个变量的数据整体情况如下表5所示。
表5描述性统计结果
根据表5主要变量描述性统计表，本发明共分析13373个样本数据观测值，其中被解释变量股价崩盘风险指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvoli，t+1)的平均值分别是-0.325、-0.216；中位数分别是-0.292、-0.224；标准差是分别是0.793、0.507，根据上文中股价崩盘风险指标的含义，负偏态收益系数ncskew小于零的程度越严重,公司股价崩盘风险越大，负偏态收益系数duvol的数值越大，公司股价崩盘风险越大，则从描述性统计的数据上来看，样本数据中负偏态收益系数ncskewl的最大值与最小值分别为5.040、-5.170，最大值与最小值间的差为10.21；负偏态收益系数duvol的最大值与最小值分别为2.795、-2.223，最大值与最小值间的差为5.081，都远大于各自的平均值，表明不同公司不同期间的股价崩盘风险存在较大差异，也表现出我国沪深两市a股上市公司在2015年至2019年期间内股市存在着较大的波动，仍存在较严重的股价崩盘风险。
从会计师事务所声誉衡量指标之一中注协事务所排名(rank)的描述性统计来看，rank最大值为100，表示会计师事务所在中注协排名中排第一，平均数为87.510，中位数为92，表明为上市公司进行年报审计的会计师事务大都集中在中注协排名比较靠前的位置。rank最小值为0，表示部分事务所为上市公司进行年报审计但未进入中注协评选事务排名的前百名，说明了为上市公司进行年报审计的会计师事务所不都是中注协评选的百大事务所，中注协评选的百大事务所中部分事务所并无上市公司年报审计的业务，这也印证了中注协评选事务所的过于综合性。
从会计师事务所声誉衡量指标之一年报审计市场份额(share)的描述性数据来看，share的平均值为0.053，中位数为0.043，标准差为0.041，share最小值与最大值分别为7.37e-05(值太小描述性数据表中无法显示)、0.166，这之间的差距表明为上市公司提供年报审计服务的会计师事务所间市场份额存在较大差异。
从会计师事务所声誉衡量指标之一事务所年报审计客户行业种类数量(num)的描述性数据来看，num的最大值与最小值分别为1、18，表示不同会计师事务所间客户公司的行业种类数量存在较大差异，体现出不同会计师事务所在不同行业的声誉影响的差异特征；均值、中位数分别为13.582、15.000，标准差为3.605，体现出会计师事务所在年度财务审计中客户公司行业的数量分布不太均衡，存在一定的差异，体现出不同行业对会计师事务所有着不同的口碑认可度。
从会计师事务所声誉衡量指标之一事务所受的监管部门费处罚情况(pun)的描述性数据来看，虚拟变量pun的最大值为1，表示会计师事务所有过严重的审计违规问题，并且受到了监管部的惩罚，最小值为0，表示该会计师事务所未对法律法规的遵守度较高，未收到监管部门的惩罚。从平均数为0.699，中位数为1来看，表明在获取的样本数据中，受过监管部门处罚的会计师事务所规模较大，在年度财务报告审计的占取的市场份额略大。
从会计师事务所声誉衡量指标(fame)的描述性数据来看，虚拟变量fame的最大值为1，表示高声誉的会计师事务所，最小值为0，表示该低声誉的会计师事务所。从平均数为0.409，中位数为0来看，表明在选取的上市公司样本数据中，经过高声誉会计师事务所实施审计的公司略少于经低声誉会计师事务所实施审计的公司。
从财务数据的描述性数据来看，资产负债率(lev)的最大值与最小值分别为0.008、2.579，呈现出较大的差异，体现出不同上市公司的融资结构差异较大。净资产收益率(roe)的最小值与最大值分别为-174.895、8.670，中位数为0.070体现不同上市公司的收益能力差异较大，甚至有大量上市公司净资产收益为负的情况。从周收益率均值(ret)、周收益率的标准差(sigma)的描述性数据上来看，标准差均较小，最大值、最小值皆在正常范围内波动。公司规模(size)均值为22.318，中位数为22.165，体现我国a股上市公司规模整体较为均衡。
公司第一大股东持股比例(top1)的最大值与最小值分别为0.041、0.900，体现出我国不同的a股上市公司第一大股东股权的持股比例的差异情况，体现股权较分散的上市公司与股权较集中的上市公司差异特征；中位数0.320，均值0.341，标准差0.146体现出我国a股上市公司股权整体较均衡的情况。
从会计信息不透明度(absacc)的描述性数量来看，absacc最大值与最小值分别为为10.163、0，同时由absacc的均值0.084，中位数0.048及标准差0.194来看，表明不同上市公司不同年度会计信息质量透明度除部分少量极端数据外整体较小，且分布区间较均匀。
在分析模型假设检验步骤中，包括进行相关性分析子步骤。通过对主要表量间关系的pearson相关性检验，得到各变量间相关性系数矩阵，如表6所示。
表6相关性系数矩阵
注：*p<0.1,**p<0.05,***p<0.01分别表示在10％、5％、1％水平上显著
从结果可以得出，除两个均是用来衡量股价崩盘风险的变量负偏态收益系数(ncskew)与收益上下波动比率(duvol)的相关系数，中注协事务所排名(rank)、事务所年报审计市场份额(share)、事务所受监管处罚情况(pun)以及事务所年报审计客户行业种类数量(num)间的相关系数以外，其余变量两两之间相关关系绝对值均小于0.700，说明变量的设置初步是基本合理的结论。
负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数为0.879，具有显著的正相关关系，即当收益上下波动比率(duvol)增大时，负偏态收益系数(ncskew)也随之增大，因为本身这两个变量就是共同衡量股价崩盘风险的指标，具有显著正相关关系也一定程度上验证了这两个指标基础数据核算的准确性。
会计师事务所声誉(fame)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)的相关系数均为负，且在1％水平上显著，表明会计师事务所声誉越高，股价崩盘风险越低，即会计师事务所声誉与股价崩盘风险呈负相关关系，会计师事务所声誉越高，则股价崩盘风险越小，会计师事务所声誉对股价崩盘风险有抑制作用，初步验证了假设h1。
会计师事务所声誉的衡量指标之一中注协事务所排名(rank)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数都为负，初步可以判断中注协评选的会计师事务所排名与股价崩盘风险存在一定的负相关关系，但相关系数较小。表明中注协事务所排名越高，股价崩盘风险越低，即会计师事务所在中注协的排名越高一定程度上可以抑制股价崩盘风险，这与上文中的假设h2a一致。
会计师事务所声誉的衡量指标之一事务所年报审计市场份额(share)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数都为负，初步可以判断事务所年报审计市场份额(share)与股价崩盘风险存在一定的负相关关系，但是相关性并不显著且，表明会计师事务所年报审计的市场份额越大，一定程度上股价崩盘风险越小,即会计师事务所年报审计市场份额越高，较年报审计市场份额低的会计师事务所一定程度上能抑制股价崩盘风险，这与上文中的假设h2b一致。
会计师事务所声誉的衡量指标之一事务所是否收到监管部门的处罚(pun)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数都为负，且分别在5％、1％的水平上显著相关，表明会计师事务所收到监管部门的处罚情况与股价崩盘风险呈显著负相关关系，当会计师事务所受到监管部门处罚时，会增大股价崩盘风险，即从是否收到监管部门处罚的角度讲，未受到监管部门处罚的声誉较好的会计师事务所对股价崩盘风险有显著的抑制影响作用，这与上文中的假设h2c一致。
会计师事务所声誉的衡量指标之一事务所年报审计客户行业种类数量(num)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数均为负，表示事务所年报审计客户行业种类数量与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)均呈负相关关系，说明年报审计客户行业种类数量越多的会计师事务所，股价崩盘风险越小，表明会计师事务所在年报审计中客户行业种类数量对股价崩盘风险有一定的抑制作用，这与上文中的假设h2d一致。
会计师事务所声誉的度量指标：中注协事务所排名(rank)、事务所年报审计市场份额(share)、事务所受监管处罚情况(pun)以及事务所年报审计客户行业种类数量(num)变量间的相关系数均在1％水平上显著相关，且事务所年报审计市场份额(share)与中注协事务所排名(rank)相关系数为正，表示事务所年报审计市场份额与中注协事务所排名呈显著的正相关关系，表明事务所年报审计市场份额越大则中注协事务所排名越高。事务所受监管处罚情况(pun)与中注协事务所排名(rank)、事务所年报审计市场份额(share)相关系数均为负，表示事务所受监管处罚情况与中注协事务所排名、事务所年报审计市场份额均呈显著负相关关系，说明会计师事务所受到监管部门的处罚，会显著降低其在中注协的排名与年报审计中的市场份额。事务所年报审计客户行业种类数量(num)与中注协事务所排名(rank)、事务所年报审计市场份额(share)的相关系数均为正，表示事务所年报审计客户行业种类数量与中注协事务所排名、事务所年报审计市场份额均呈显著正相关关系，表明会计师事务所年报审计客户行业种类数量越多，其在中注协事务所排名越高，在年报审计中的市场份额越大；事务所年报审计客户行业种类数量(num)与事务所受监管处罚情况(pun)的相关系数为负，说明事务所年报审计客户行业种类数量与事务所受监管处罚情况呈显著负相关关系，事务所年报审计客户行业种类数量越多，其受到监管处罚的可能性越小。以上用来度量会计师事务所声誉的四个变量间的相关性关系，体现出在本发明实证分析研究中采用这四个变量共同解释会计师事务所声誉的合理性。
会计信息不透明度(absacc)与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数均为正，且均在1％的水平上显著，表示会计信息不透明度与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)均呈显著的正相关关系，说明上市公司的会计信息不透明度越高，股价崩盘风险越高。
控制变量中周收益率标准差(sigma)、公司规模(size)、账面市值比(mb)、资产负债率(lev)以及股票月均换手率差额(dturn)均与股价崩盘风险的衡量指标负偏态收益系数(ncskew)、收益上下波动比率(duvol)相关系数都为负，且均在1％的水平上显著，与预期相符合，说明这些控制变量选取的必要性与合理性。
在分析模型假设检验步骤中，还包括对解释变量、控制变量之间的线性关系进行了多重共线性检验。考虑到如果解释变量之间存在多重共线性，则解释变量的显著性检验将失去意义，会计师事务所声誉对股价崩盘风险影响的实证检验的结果将会存在偏差，为了确保多元回归分析结果的准确度，避免解释变量之间存在高度的多重共线性，对此在本实证分析研究中对解释变量、控制变量之间的线性关系进行了多重共线性检验，检验结果如表7所示。
表7多重共线性检验结果
当最大方差膨胀因子(vif)大于10且同时平均的方差膨胀因子大于1时，会产生多重共线性的情况，由表7的方差膨胀因子检验结果可以看出，本发明的选取的解释变量、控制变量的方差膨胀因子(vif)最大为5.08小于10，因此可以得出在本发明的实证分析中选取的变量之间不存在较高的多重共线性，变量的选取与设置较为合理。
在分析模型假设检验步骤中，还包括多元回归分析子步骤。本发明研究内容为会计师事务所声誉对股价崩盘风险的影响，2015年至2019年5年的a股上市公司财务数据的有效观测值为13373个，在此期间的股票id共3440个，因此采用控制年度、行业的条件下通过最小二乘虚拟变量(lsdv)的模型进行多元回归分析，首先根据模型对假设h2a中注协评选的会计师事务所排名与股价崩盘风险呈负相关关系，高排名的会计师事务较低排名的会计师事务所，对股价崩盘风险有抑制影响；假设h2b年报审计市场份额大的会计师事务所较年报审计市场份额小的会计师事务所，会产生抑制股价崩盘风险的影响；假设h2c监管部门对会计师事务所的处罚情况对股价崩盘风险有负向影响，未受到监管部门处罚的会计师事务所与受到监管处罚的会计师事务所相比，有抑制股价崩盘风险的影响；以及假设h2d年报审计客户行业种类数量多的会计事务所较年报审计客户行业种类数量少的会计师事务所，有抑制股价崩盘风险的影响的结果分别进行多元回归的检验，结果如下表8、表9
表8假设h2a、h2b多元回归结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
通过验证假设h2a、h2b的多元回归结果表8，可以看出中注协事务所排名(rank)与滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)相关系数都为负，表明中注协评选的会计师事务所排名(rank)与股价崩盘风险(crashriskt+1)存在负相关关系，但是会计师事务所排名(rank)对滞后一期的股价崩盘风险衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的影响系数分别为-0.00029、-0.00006(表8中因保留小数点位数未能体现具体数值)，t值分别为-0.63、-0.19，可以得出相关性并不显著，表明中注协事务所排名越高股价崩盘风险越低，但这种影响不显著，即会计师事务所在中注协的排名越高一定程度上可以抑制股价崩盘风险，进一步验证符合假设h2a。
会计师事务所年报审计市场份额(share)与滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)相关系数都为负，表示会计师事务所年报审计市场份额(share)与股价崩盘风险(crashriskt+1)存在负相关关系，会计师事务所年报审计市场份额(share)对滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的影响系数分别为-.081、-.044，t值分别为-0.49、-0.42，可以得出相关性并不显著，表明会计师事务所年报审计的市场份额越大股价崩盘风险越小,但这种影响不显著，即年报审计市场份额高的会计师事务较市场份额低的会计师事务所，一定程度上能抑制股价崩盘风险，进一步验证了假设h2b。
表9假设h2c、h2d多元回归结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
由表9的多元回归结果，可以看出会计师事务所收到监管部门的处罚情况(pun)与滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)相关系数都为负，表示会计师事务所收到监管部门的处罚情况(pun)与股价崩盘风险(carshriskt+1)存在负相关关系，会计师事务所收到监管部门的处罚情况(pun)对滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的影响系数分别为-0.22、-0.16，t值分别为-1.50、-1.72，说明会计师事务所收到监管部门的处罚情况(pun)对股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)不显著，收益上下波动比率(duvolt+1)在10％水平上显著，相比中注协事务所排名(rank)、会计师事务所年报审计市场份额(share)以及会计师事务所年报审计客户行业种类数量(num)而言，对接股价崩盘风险的影响显著性有较大提升。结果表明与受到监管部门处罚的会计师事务所相比而言，未受到监管部门处罚的会计师事务所对股价崩盘风险一定的抑制影响，进一步验证了假设h2c。
会计师事务所年报审计客户行业种类数量(num)与滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)相关系数均为负，表示事务所年报审计客户行业种类数量(num)与股价崩盘风险(crashriskt+1)存在负相关关系，会计师事务所年报审计客户行业种类数量(num)对滞后一期的股价崩盘风险的衡量指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的影响系数分别为-0.001、-0.0004(表9中因保留小数点位数未能体现具体数值)，t值分别为-0.78,-0.30,说明会计师事务所年报审计客户行业种类数量(num)对股价崩盘风险的影响并不显著，表明年报审计客户行业种类数量多的会计事务所较年报审计客户行业种类数量少的会计师事务所，有一定抑制股价崩盘风险的影响，只是这种影响并不显著，也是符合假设h2d的设定。
根据会计师事务所声誉对股价崩盘风险的影响的实证模型⑩,对会计师事务所声誉与股价崩盘风险进行多元回归，对假设h1：会计师事务所的声誉与股价崩盘风险呈负相关关系，高声誉会计师事务对接股价崩盘风险有抑制影响，进行多元回归分析，结果表10所示。
表10会计师事务所声誉与股价崩盘风险回归分析结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
由表10的会计师事务所声誉(fame)分别与测度股价崩盘风险的负偏态收益系数(kcskew)指标、收益上下波动比率(duvol)指标的多元回归结果可看出，解释变量会计师事务所声誉(fame)与滞后一期的股价崩盘指标负偏态收益系数(ncskewt+1)的影响系数为-0.033，t值为-2.34，表示会计师事务所声誉(fame)5％的水平上对股价崩盘指标负偏态收益系数(ncskewt+1)有显著的负影响作用；对股价崩盘指标收益上下波动比率(duvolt+1)的影响系数为-0.021，t值为-2.34，表示会计师事务所声誉(fame)在5％的水平上对股价崩盘指标收益上下波动比率(duvolt+1)有显著的负影响。以上表明会计师事务所声誉与股价崩盘风险呈显著负相关关系，由高声誉的会计师事务所进行年报审计的上市公司未来发生股价崩盘风险的可能性更低，即高声誉会计师事务所对股价崩盘风险有显著抑制作用，此结果验证了假设h1。
同时，通过会计师事务所声誉(fame)与测度股价崩盘风险的负偏态收益系数(ncskew)指标、收益上下波动比率(duvol)指标的多元回归结果可看出，上市公司的周收益率均值(ret)与测度股价崩盘风险的负偏态收益系数(ncskew)指标、收益上下波动比率(duvol)指标成正相关关系，影响系数分别为10.393、6.163，t值分别为9.95、9.26，表明上市公司的周收益率均值(ret)与股价崩盘风险在1％水平上显著正相关，即上市公司的周收益率均值越大，股价崩盘风险越大。上市资产负债率(lev)与测度股价崩盘风险的负偏态收益系数(ncskew)指标、收益上下波动比率(duvol)指标的影响系数分别为0.062,0.063,t检验值分别为1.55、2.48，表明上市公司的资产负债率(lev)值越大，股价崩盘风险越大。会计信息不透明度(absacc)与测度股价崩盘风险的负偏态收益系数(ncskew)指标、收益上下波动比率(duvol)指标的影响系数分别为0.093、0.063，t检验值分别为2.64、2.83，均值1％的水平上显著，表明会计信息不透明度(absacc)与股价崩盘风险成显著的正相关关系，会计师信息不透明度越高，股价崩盘风险越大。
blecka.，liu(2007)的研究公允价值法能够提高公司的信息透明度，提高公司的信息透明度能降低股价崩盘风险，吴克平,黎来芳(2016)在探究股价崩盘风险影响因素时，发现会计信息透明度会加剧审计师声誉对股价崩盘风险的负向影响。因此在本发明研究中，参考吴克平,黎来芳(2016)的研究设计，取会计信息不透明度(absacc)是否大于其中位数分成两组数据，其中absacc值大于其中位数0.048的为会计信息不透明度较高组，反之absacc值不大于中位数0.048的为会计信息不透明度为较低组，分组对会计师事务所声誉(fame)与滞后一期的股价崩盘指标负偏态收益系数(ncskewt+1)、负偏态收益系数(ncskewt+1)进行多元回归，结果如表11。
表11以会计信息不透明度(absacc)分组的多元回归结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
由表11以会计信息不透明度(absacc)分组进行多个回归的结果可以看出，无论是会计信息不透明度(absacc)较高还是较低，会计师事务所声誉(fame)与滞后一期的股价崩盘风险的测度指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的影响系数均为负，表明分组进行实证检验分析的结果仍然是会计师事务所声誉(fame)与股价崩盘指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)均成负相关关系，上文中假设h1:会计师事务所声誉与股价崩盘风险呈负相关关系的假设依然成立。
但同时通过表11的分组多元回归可以看出，会计信息不透明度(absacc)的高低不同的情况下，会计师事务所声誉(fame)对股价崩盘风险的测度指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)显著程度不同，相对于会计信息不透明度(absacc)较高组，在会计信息不透明度(absacc)较高组中，会计师事务所声誉(fame)与股价崩盘风险的测度指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)的多元回归结果t值分别为-2.18、-2.15，均在5％的水平上显著，而在会计信息不透明度(absacc)较低组中，会计师事务所声誉(fame)与股价崩盘风险的测度指标负偏态收益系数(ncskewt+1)、收益上下波动比率(duvolt+1)多元回归结果t值分别为-1.15、-1.17,均没有达到统计学上的显著，这个结果与吴克平,黎来芳(2016)的研究结果基本一致。说明会计信息不透明度高的公司中，会计师事务所声誉(fame)对股价崩盘风险的抑制影响更加显著，表明当上市公司会计师信息不透明度较高时，更需要由高声誉的会计师事务所以一个独立、客观的第三方机构出具信任度较高的财务报告，可以起到弱化由会计信息不透明度高所带来的股价崩盘风险的作用。
在分析模型假设检验步骤中，还包括稳健性检验子步骤。
稳健性检验是实证分析过程中不可或缺的环节，旨在考察变量的解释能力，通常是改变某个特定的参数进行重复试验，来观察实证结果是否能随着变量设定的改变而发生变化，如果改变变量后，结果的系数符号或者显著性发生了改变，说明不是稳健性的。通常稳健性检验的方法有替换变量、改变计量方法、扩大样本量、根据不同标准调整数据分类等。
在稳健性检验子步骤中，可选的，通过更换变量值进行稳健性检验。
本发明研究首先采用替换变量进行稳健性检验，上文中关于股价崩盘风险的衡量指标负收益偏态系数(ncskew)、收益上下波动比率(duvol)采用的数据是根据综合市场流通市值平均法为基础计算的，在本章节的稳健性检验拟将上述两个变量换成以分市场总市值加权平均法计算的数据，再次进行多元回归，回归结果如下表12。
表12修改变量后的多元回归结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
由表12可以看出，在将股价崩盘风险的衡量指标数据进行修改后，会计师事务所声誉(fame)与负收益偏态系数(ncskew)、收益上下波动比率(duvol)的多元回归结果依然显著，解释变量会计师事务所声誉(fame)与滞后一期的股价崩盘指标负偏态收益系数(ncskewt+1)的影响系数为-0.034，t值为-2.42，表示会计师事务所声誉(fame)5％的水平上对股价崩盘指标负偏态收益系数(ncskewt+1)有显著的负影响作用；对股价崩盘指标收益上下波动比率(duvolt+1)的影响系数为-0.020，t值为-2.29，表示会计师事务所声誉(fame)在5％的水平上对股价崩盘指标收益上下波动比率(duvolt+1)有显著的负影响。以上表明会计师事务所声誉与股价崩盘风险呈显著负相关关系，依然可以验证得出高声誉会计师事务所对股价崩盘风险有显著抑制作用的结论，与前文得到的结果一致。
在稳健性检验子步骤中，可选的，通过更换多元回归的模型进行稳健性检验。
在上文的实证检验的分析过程中，会计师事务所声誉对股价崩盘风险影响的多元回归分析采用的是控制年度、行业的条件下通过最小二乘虚拟变量(lsdv)的模型，在稳健性检验环节，通过更换为固定效应(fe)模型，再次进行会计师事务所声誉对股价崩盘风险影响的多元回归，结果如下表13。
表13采用固定效应(fe)模型的多元回归结果
注：***p<0.01,**p<0.05,*p<0.1分别表示在1％、5％、10％水平上显著
由表13可以看出，在采用固定效应(fe)模型进行时，会计师事务所声誉(fame)与负收益偏态系数(ncskew)、收益上下波动比率(duvol)的多元回归结果依然显著，解释变量会计师事务所声誉(fame)与滞后一期的股价崩盘指标负偏态收益系数(〖ncskew〗_(t+1))的影响系数为-0.048，t值为-2.11，表示会计师事务所声誉(fame)5％的水平上对股价崩盘指标负偏态收益系数(〖ncskew〗_(t+1))有显著的负影响作用；对股价崩盘指标收益上下波动比率(duvol_(t+1))的影响系数为-0.039，t值为-2.75，表示会计师事务所声誉(fame)在1％的水平上对股价崩盘指标收益上下波动比率(duvol_(t+1))有显著的负影响。以上表明会计师事务所声誉与股价崩盘风险呈显著负相关关系，依然可以验证得出高声誉会计师事务所对股价崩盘风险有显著抑制作用的结论，与前文得到的结果一致。
在预测分析步骤，当分析模型通过假设检验步骤后，即可根据分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。即在待检测样本的解释变量以及控制变量代入分析模型中，获得相应的被解释变量即为本发明的股价崩盘风险分析结果。
本发明基于委托代理理论、信息不对称理论、信号传递理论、“深口袋”理论以及审计需求等理论基础提出问题，通过做出合理假设、获取相关研究样本数据进行实证检验分析并验证，探究会计师事务所声誉和股价崩盘风险间的关系。
本发明的研究过程中将与会计师事务所声誉关系紧密的中注协会计师事务所排名、会计师事务所在年度财务报告审计中的市场份额及客户公司行业种类的数量、会计师事务所受到监管部门的惩罚情况通过因子分析法计算各个会计师事务所声誉的影响因素的得分与权重，再根据会计师事务所声誉的各影响因素得分与权重计算会计师事务所声誉的综合得分，根据各会计师事务所的综合得分得出排名前十的高声誉会计师事务所。通过中注协会计师事务所排名、会计师事务所在年度财务报告审计中的市场份额及客户公司行业种类的数量、会计师事务所受到监管部门的惩罚情况分别单独与测度股价崩盘风险的指标负收益偏态系数、收益上下波动比率进行多元回归，结果表明：在控制年度、行业的情况下，会计师事务所在中注协的排名、年度财务报告的审计市场份额、年度财务报告审计的客户行业种类数量以及会计师事务所受监管部门的处罚情况均可以在一定程度上降低公司未来股价崩盘的风险，只是这些影响关系并不显著。通过对会计师事务所声誉与测度股价崩盘风险的指标负收益偏态系数、收益上下波动比率进行多元回归分析，结果表明为：在控制年度、行业的情况下，会计师事务所声誉与股价崩盘风险呈显著负相关关系，会计师事务所声誉对股价崩盘风险有显著抑制影响。同时，将上市公司的会计师信息不透明度分成高低两组，分组将会计师事务声誉与股价崩盘风险的测度指标负收益偏态系数、收益上下波动比率进行多元回归，结果表明：相比较会计信息不透明度低的上市公司，会计信息不透明度高的上市公司，会计师事务所声誉对股价崩盘风险的抑制影响更加显著。
本发明从会计师事务所声誉的角度为切入点，以2015年至2019年我国沪深两市a股上市公司为研究对象，通过实证分析探究会计师事务所声誉对上市公司股价崩盘风险是否产生影响、以及产生怎样的影响。
从理论方面上讲，本发明的意义在于为完善股价崩盘风险影响因素的研究体系舔砖加瓦，补充新的研究视角，丰富股价崩盘风险影响因素的研究体系。对于股价崩盘风险影响因素的研究，目前已有较多从公司内部控制、公司高管特征、股权特征审计费用、审计师任期、审计师的行业专长、信息的披露质量、分析师乐观偏差等等来研究对股价崩盘风险的影响因素，但是对于从会计师事务所声誉的角度出发，研究其对股价崩盘风险影响的文献研究较少，本发明研究设计是探讨会计师事务所声誉与股价崩盘风险间的影响关系，并通过实证分析来检验两者之间的影响机制。
从实践方面上讲，本发明的意义在于通过研究发现为上市公司实施年度财务报告审计的会计师事务所声誉越高，越能有效抑制公司未来股价崩盘的风险，并且这种影响在会计信息透明度较低的公司更加显著。上市公司在选择审计机构时通常更倾向于选择声誉较高的会计师事务所；而高声誉会计师事务所为了维持其高声誉的地位，能对财务审计报告、信息披露的质量进行更谨慎的把握。此结论可以对会计师事务所声誉、公司风险体系管理的利好性发展提供参考意见，同时也为监管部门提供新的管理思路。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。