1. 引言
股市的表现是评估经济健康的重要指标。随着国际经济形势的变动,股价的波动愈发突显其对市场整体稳定的影响。例如股价的“暴跌暴涨”严重影响着股票市场的运作,还会进一步涉及实体经济,严重阻碍经济的增长。尤其是股票价格的崩盘,这会导致恶劣的经济后果,不仅影响投资者的个人资产,还对资本市场的健康运作构成阻碍。在全球贸易与国际经济面临紧张局势的背景下,股价的稳定不仅是股票市场稳健发展的关键所在,也是投资者信心的重要支撑点。因此,探寻股价崩盘的相关因素,维护稳定的股价水平不仅有助于市场参与者在不确定的国际经济环境中保持冷静和理性,更是促进股票市场长期可持续发展的基础。
股价崩盘与公司治理密不可分[1]-[3],理论界关于凯发娱乐官网治理存在两种观点。第一,基于委托代理视角的观点。委托代理关系是由于企业所有权与经营权的分离而产生的,委托人和代理人均追求个人效用最大化,而委托人的利益受影响于代理人的付出,而代理人则依赖于委托人支付的报酬来获得收益。然而,当两者利益相互冲突时,代理者会倾向于做出违背委托者本身意愿的行为,以牺牲委托人利益来实现自身效用最大化,这就是公司治理中常需解决的委托代理问题。其次,从信息不对称的角度来看。信息不对称是指在一种关系中,其中一方比另一方拥有更丰富或更准确的信息[4],这种现象在就业市场、股票市场和监管市场等多个领域中都有所体现。当公司股权分离导致委托代理关系形成时,委托人与代理人也产生了信息不对称,公司管理者较委托人拥有更多公司治理与发展的信息,这种信息不对称的产生又进一步助长了委托代理关系的形成[5],从而加剧了委托代理所产生的问题。
ceo权力在公司治理中扮演着至关重要的角色[6]-[8]。ceo权力指的是公司首席执行官在公司内部拥有的影响力和决策权力。在实际操作中,作为公司的最高管理者,ceo对于运营管理、人员任命、财务决策等方面具有重要的决策权,长远角度来看,ceo权力影响着公司的运作与发展。
综上所述,基于当前国际经济局势,探寻ceo权力与股价崩盘风险的关系,降低上市公司股价崩盘风险,是我国当前阶段有待解决的重大现实问题。基于上述思考,本文从公司治理入手,从委托代理和信息不对称两个层面分析了ceo权力与企业股价崩盘风险之间的关系。以2011~2020年间的a股上市公司为研究样本,进行了实证分析,为进一步分析企业股价崩盘提供了经验证据。
2. 研究假设
2.1. ceo权力对企业股票价格崩盘风险的影响
首先,基于“委托代理理论”视角。在公司治理方面,股权分离是导致委托代理关系产生的原因之一,ceo倾向于做出使自身利益最大化的行为,故可能损害公司和股东的利益,当ceo权力越大时,这种影响可能更大。在委托代理关系形成后,管理者的个人特质与投资者情绪[9]是股价崩盘的促成因素。第一,管理者的个人特质体现为ceo投资风险偏好的转变。当ceo与股东利益相悖时,ceo便由公司保守主义转变为个人风险主义,ceo不愿及时地将公司坏消息视为损失,而是极端追求个人利益最大化,这种行为显著影响着未来股价崩溃风险[10]。第二,投资者情绪具体体现为ceo过度自信。过度自信被定义为相互关联的积极幻觉如:积极的自我评价,夸大的掌握或控制的感觉[11]。当ceo权力越大时,ceo会过度自信乐观,从而引起过度投资[12],增加企业横纵向业绩波动性[13],间接增大股价崩盘风险[14]。
其次,基于“信息不对称理论”视角。在公司治理方面,信息不对称现象一般表现为,公司ceo往往比股东、外部投资者掌握更加充足的信息,ceo权力越大,这种信息不对称的现象就越明显。信息不对称通常通过信息透明度与社会信任度两个方面表现出来,并作用于企业股价崩盘风险。第一,就信息透明度而言,信息不对称的企业表现着较低的信息透明度,而较低的信息透明度会增加股价崩溃风险[15]。特别是当ceo权力越大时,往往会更容易隐藏公司经营情况的负面信息,其信息透明度越低,公司股价崩盘风险显得愈加突出[16]。第二,就社会信任度而言,信息披露充分的企业通常不囤积坏消息,有较高的社会信任度,而社会信任度与股价崩溃风险呈负相关[17]。因而,较信息披露低的企业,信息披露充分的企业股价崩盘风险更低[18]。
综上所述,基于“委托代理理论”,ceo权力影响着管理者的个人特质和投资者情绪,并通过风险偏好的转变和过度自信为股价崩盘带来更大的风险挑战。基于“信息不对称理论”,ceo权力影响着公司的信息披露,并通过信息透明度和社会信任度影响着公司股价崩盘风险;因此,基于上述分析,提出文章假说1:
h1:其他条件不变,ceo权力对企业股票价格崩盘风险具有正向影响。
2.2. 性别特征对ceo权力与股价崩盘风险关系的调节效应
ceo的性别是一个至关重要的个人特征,会对公司股票价格的表现产生影响。现有研究指明,较男性ceo而言,女性ceo能够明显减少股价崩盘风险,且女性ceo的权力越大,降低股价崩盘风险的效果就越明显[19]。
首先,基于“委托代理理论”视角。第一,就管理者个人特质而言,女性ceo在风险承担和税收治理两个方面都优于男性ceo。在风险承担方面,女性ceo较男性而言更加厌恶风险[20],其通常具备更强的风险承担意识和能力[21]。女性ceo对风险的厌恶以及对风险的超强承担意识可以使得公司的股价波动稳定,以此降低股价崩盘风险。在税收治理方面,女性ceo能够显著降低公司税收激进度[22],以此降低公司股价崩盘风险[23]。第二,就投资者情绪而言,女性ceo较男性更具谦卑的投资情绪[24],以此避免了过度投资可能带来的股价强波动性。
其次,基于“信息不对称理论”视角。第一,就信息透明度而言。女性高管以其优秀的沟通和协作能力,使得信息传递更加顺畅,降低了遗漏信息的可能性,从而增加了信息的透明度。第二,就社会信任度而言。公司慈善捐赠和监管力度会影响大众对于该公司的关注与信任。有研究表明,女性ceo权力与企业捐赠呈显著正向关系[25],当公司的ceo为女性或高管团队中女性比例增加时,企业慈善捐赠水平也随之而提高[26],社会对该企业的关注度和信任度也更高,由此降低了该公司股价崩盘风险[27]。此外,拥有女性董事的董事会会加强对该公司的监督积极性[28],增加社会对该公司的信任度,以此减少股价崩盘风险。
综上所述,基于“委托代理理论”,女性ceo所具备的风险承担意识、税收治理效果以及谦逊的投资情绪都显著地降低了股价崩盘风险。基于“信息不对称理论”,女性ceo通过增加信息透明度和社会信任度来降低企业股价崩盘风险。因此,基于上述分析,提出文章假说2:
h2:在其他条件相同的情况下,若ceo为女性,则会减弱ceo权力对股价崩盘风险的作用效果。
2.3. 管理层学历特征对ceo权力与股价崩盘风险关系的调节效应
管理层学历反映了个人的学习经历,是个人能力及团队能力的重要体现,会对公司未来股票价格的走势产生影响。
首先,基于“委托代理理论”视角。第一,就管理者个人特质而言,一个人接受的教育水平在很大程度上可以反映出他们的认知水平、核心价值观和能力等特征。高学历的管理层相较于低学历管理层,具备更丰富的知识和技能积累,尤其在信息收集和处理方面表现出更高的能力[29]。第二,就投资者情绪而言,管理者学历越高,越不可能实施非理性行为[30]。因此,高学历管理层在做出决策时通常更加理性,能够有效地适应外部经营环境的变化,客观地处理突发不利事件,避免非理性的高风险投资,从而减少公司股价崩盘的风险。
其次,从“信息不对称理论”角度出发。第一,管理者教育水平的差异会直接影响该公司的经营绩效[31],高学历的管理者往往能带来更优秀的公司业绩[32],其经营的上市公司财务透明度更高[33],尤其在管理者的长期任职阶段表现更为显著。第二,拥有高学历的ceo及管理层,更加注重公司长远发展,企业盈余质量较高,未来股价崩盘风险越低[34]。究其原因,是因为高学历的ceo更能认识到盈余操纵行为可能带来的不良经济后果,他们不愿意以牺牲公司的长期利益为代价采取不适当的操纵手段来降低盈余质量,以此增加公司未来股价崩盘风险。此外,具有高学历及海外经历的高管作为公司内部的监督力量,能够缓解信息不对称,从而降低股价崩盘风险。
综上所述,基于“委托代理理论”,高学历管理者所具备的更出色能力和更理性的投资者情绪可以降低股价崩盘风险。基于“信息不对称理论”,高学历管理者会对该公司经营绩效和盈余质量产生影响,通过提高公司信息透明度降低股价崩盘风险。
因此,基于上述分析,提出文章假说3:
h3:其他条件不变,高学历管理者会削弱ceo权力对股价崩盘风险的影响。
3. 研究设计
3.1. 变量界定与说明
3.1.1. 被解释变量:股价崩盘风险(ncskew、duvol)
本文借鉴顾小龙等的方法评估股价崩盘风险[35],即通过利用负收益偏态系数(ncskew)和公司股票收益率的波动率(duvol)来表示股价崩盘风险。
详细过程如下:
首先,运用公式(1)计算公司i在第t周的股票周回报率的残差项εi,t。其中ri,t为表示股票i在第t周的回报率(考虑现金红利再投资),rm,t为股票i在第t周的基于流通市值加权的平均收益率。此外,为调整股票交易的非同步性影响,还引入了市场收益的滞后项rm,t-2和rm,t−1,以及超前项rm,t 1和rm,t 2。
(1)
其次,运用公式(2)和残差项εi,t计算公司i在第t周的公司特有周收益率wi,t。
(2)
最后,根据wi,t计算上市公司的股价崩盘风险,具体计算方法有以下两种。
a、负收益偏态系数(ncskew)
运用公式(3)计算ncskew,其中,n为个股i在第t年内的交易周数。ncskew越大,说明公司股票收益率偏态系数的负向程度越大,股价崩盘风险就越大。
(3)
b、股票收益率上下波动率(duvol)
运用公式(4)计算duvol,其中nu和nd分别表述股票i的周回报率大于或小于当年回报率均值的周数。duvol越大,表示收益率左偏程度越大,股价崩盘风险越高。
(4)
3.1.2. 解释变量:ceo权力(ceo_power)
本文借鉴万敏等[36]的研究,采用主成分分析法,通过分析结构权力、所有权权力、专家权力、声望权力和薪资占比这五类权力来综合评估ceo的综合权力,并构造ceo权力指标。具体指标选取及变量构建参照下表1。
table 1. construction of ceo power metrics
表1. ceo权力指标构造
变量名称 |
变量符号 |
变量含义 |
ceo权力 |
ceo_poewer |
以下五类权力之和形成的ceo权力 |
结构权力 |
spower |
ceo兼任董事长为1,否则为0 |
所有权权力 |
opower |
ceo持股达总股本1%及以上时为1,否则为0 |
专家权力 |
epower |
ceo拥有正高级专业技术职称时为1,否则为0 |
声望权力 |
ppower |
ceo具有硕士以上学历时为0.5 (否则为0) ceo在企业外部担任社会兼职时为0.5 (否则为0) |
薪酬占比 |
pay |
ceo薪酬占高管总薪酬的百分比值 |
3.1.3. 调节变量
本文将性别特征作为调节变量,当ceo为女性时,该变量赋值为1;否则赋值为0。此外,本文按照高管学历作为调节变量,并统计各公司中具有高学历的高管数量,高学历是指具有博士学位。
3.1.4. 中介变量
学术界有众多变量可以衡量各个因素对股价崩盘风险的影响,本文具体选取ceo年龄、公司贝塔系数,资产收益率、公司杠杆值以及因变量滞后项作为控制变量。以上所有变量详细说明见下表2。
table 2. specific explanation of variables
表2. 变量具体说明
变量类型 |
变量符号 |
变量定义 |
被解释变量 |
ncskew |
负收益偏态系数 |
duvol |
股票收益率上下波动率 |
解释变量 |
ceo_power |
五种权力合成指数 |
调节变量 |
female |
ceo是否为女性 |
|
higedu |
高管中高学历人才数量 |
控制变量 |
ceo_age |
ceo的年龄 |
|
beta |
上市公司的β值 |
|
roa |
公司资产收益率 |
|
leverage |
公司杠杆值 |
|
ncskewi,t-1 |
ncskew滞后项 |
|
duvoli,t-1 |
duvol滞后项 |
3.2. 模型构建
为了探讨ceo权力对股价崩盘风险的影响,本文构建双固定效应回归模型(1)。其中,crashriski,t表示股票价格崩盘风险,本文采用ncskewr和duvol来衡量,ceo_power为ceo权力,controlsi,t代表控制变量。i表示公司,t表示时间,ind为个体固定效应,year为年份固定效应,ε为随机干扰项。具体模型为:
(5)
3.3. 描述性分析
表3汇报了变量的描述性统计结果。就因变量而言,ncskew的均值为−0.33,最大值为2.14,最小值为−2.742,最大值与最小值相差4.882,说明该样本中公司股价崩盘风险相差较大。与此同时,duvol也具有同样特征,说明该样本具有一定的代表性。就自变量而言,ceo权力最大值为1.454,最小值为−0.889,标准差别为0.563,这说明不同公司的ceo权力也存在明显的差异。此外,公司贝塔系数,资产收益率、公司杠杆值以及因变量滞后项等控制变量的两极值相差较大,存在明显的公司差异。
4. 实证检验
4.1. ceo权力对股价崩盘的影响
下表4展示了基准回归的结果。从第(1)和第(2)列的数据可以看出,ceo权力与ncskew的相关系数分别为0.033和0.034,并且均在5%的显著性水平下显著。此外,第(3)和第(4)列加入控制变量,ceo权力与duvol的相关系数分别为0.02和0.021,尽管系数值有所下降,但在5%的显著性水平下依然
table 3. descriptive statistics
表3. 描述性统计
variable |
obs |
mean |
std. dev. |
min |
max |
ncskew |
21382 |
−0.33 |
0.716 |
−2.742 |
2.14 |
duvol |
21382 |
−0.222 |
0.476 |
−1.485 |
1.249 |
ceo_power |
21382 |
−0.004 |
0.563 |
−0.889 |
1.454 |
ceo_age |
21382 |
49.459 |
6.333 |
32 |
66 |
l.ncskew |
21382 |
−0.335 |
0.734 |
−2.76 |
2.203 |
l.duvol |
21382 |
−0.223 |
0.49 |
−1.552 |
1.32 |
beta |
21382 |
1.103 |
0.262 |
0.321 |
2.171 |
roa |
21382 |
0.05 |
0.039 |
0 |
0.211 |
leverage |
21382 |
1.411 |
1.12 |
−0.031 |
11.855 |
female |
21382 |
0.061 |
0.24 |
0 |
1 |
higedu |
21382 |
3.332 |
2.037 |
0 |
17 |
table 4. benchmark regression results of ceo power and stock price collapse risk
表4. ceo权力与股价崩盘风险的基准回归结果
|
ncskew |
duvol |
|
(1) |
(2) |
(3) |
(4) |
ceo_power |
0.033** |
0.034** |
0.020** |
0.021** |
|
(2.202) |
(2.160) |
(1.988) |
(2.050) |
l.ncskew |
|
−0.087*** |
|
|
|
|
(−11.835) |
|
|
l.duvol |
|
|
|
−0.097*** |
|
|
|
|
(−13.176) |
ceo_age |
|
−0.001 |
|
−0.001 |
|
|
(−0.710) |
|
(−0.933) |
beta |
|
−0.123*** |
|
−0.085*** |
|
|
(−5.011) |
|
(−5.216) |
roa |
|
1.193*** |
|
0.650*** |
|
|
(5.747) |
|
(4.694) |
leverage |
|
−0.001 |
|
0.000 |
|
|
(−0.171) |
|
(0.080) |
_cons |
−0.221*** |
−0.135* |
−0.167*** |
−0.091* |
|
(−11.845) |
(−1.895) |
(−13.386) |
(−1.921) |
n |
21382 |
21382 |
21382 |
21382 |
r2 |
0.031 |
0.042 |
0.033 |
0.045 |
f |
57.970 |
51.700 |
61.701 |
55.857 |
注:***、**、*分别表示1%、5%、10%的显著水平,下同。
显著。以上结果表明,ceo权力与股价崩盘风险呈正相关的作用关系,即随着ceo权力的增强,股价崩盘的风险也随之增加。由此,假说h1得证。
4.2. 异质性分析
为了探讨上市公司股权性质的异质性,本文按照是否是国有企业进行分类。下表5为异质性分析的结果,其中,第(1)、(3)列为非国有企业的数据,第(2)、(4)列为国有企业的数据。结果表明,当股价崩盘风险通过ncskew来表示时,国有企业中的ceo权力与ncskew之间存在显著的正相关关系。这意味着,ceo权力越大,公司股票收益率偏态系数的负向程度越大,股价崩盘风险也越高。而当股价崩盘风险通过duvol来衡量时,非国有企业中,ceo权力越大,公司股票的波动率也越高,这给企业带来了更大的风险挑战。以上两种股价风险表示方法分别表现了ceo权力会增大国有企业与非国有企业的股价崩盘风险,再次证明假说h1。
table 5. heterogeneity analysis results
表5. 异质性分析结果
|
ncskew |
duvol |
|
(1) |
(2) |
(3) |
(4) |
ceo_power |
0.026 |
0.048* |
0.023* |
0.018 |
|
(1.310) |
(1.835) |
(1.704) |
(1.022) |
l.ncskew |
−0.096*** |
−0.079*** |
|
|
|
(−10.400) |
(−6.365) |
|
|
l.duvol |
|
|
−0.107*** |
−0.087*** |
|
|
|
(−11.569) |
(−7.009) |
ceo_age |
0.001 |
−0.005** |
−0.000 |
−0.002 |
|
(0.438) |
(−2.236) |
(−0.239) |
(−1.406) |
beta |
−0.120*** |
−0.076* |
−0.087*** |
−0.049* |
|
(−3.890) |
(−1.775) |
(−4.235) |
(−1.706) |
roa |
1.034*** |
1.569*** |
0.513*** |
0.930*** |
|
(4.073) |
(4.177) |
(3.043) |
(3.684) |
leverage |
0.004 |
−0.008 |
0.002 |
−0.003 |
|
(0.402) |
(−0.900) |
(0.367) |
(−0.604) |
_cons |
−0.209** |
−0.002 |
−0.101* |
−0.084 |
|
(−2.361) |
(−0.012) |
(−1.728) |
(−0.973) |
n |
13653 |
7729 |
13653 |
7729 |
r2 |
0.043 |
0.046 |
0.048 |
0.048 |
f |
33.241 |
21.011 |
36.978 |
22.194 |
4.3. 稳健性检验
为确保基准模型估计结果的可靠性,本文采用两种方法进行稳健性检验,其结果见下表6。第一,更换自变量的度量方式。上述自变量的度量方式在一定程度上并不能完全反映ceo权力,具体来说前文采用主成分分析法构建指标,而此处通过算术平均的方式计算ceo权力,并将其与股价崩盘风险的两个指标进行回归检验。由第(1)、(2)列可知,ceo权力在5%的显著水平下正向影响股价崩盘风险,该结果与基准回归结果基本一致。第二,自变量滞后一期。由于股价崩盘风险可能会影响到ceo权力的实施,为了避免双向因果关系引发的内生性问题,本文将ceo权力指数滞后一期,将其作为工具变量并使用两阶段最小二乘法(2sls)回归分析。
从表第(3)、(4)列的回归结果可以看出,滞后一期的ceo权力仍对股价崩盘风险产生显著影响,且估计系数在1%的水平下显著为正。考虑到内生性问题后,ceo权力的增加仍可为股价崩盘带来风险挑战,这与基准回归结果相一致。综上所述,ceo权力的增长会带来更大的股价崩盘风险,文章假说h1再次得到验证。
table 6. robustness test regression results
表6. 稳健性检验回归结果
|
(1) ncskew |
(2) duvol |
(3) ncskew |
(4) duvol |
ceo_power2 |
0.101** |
0.063** |
|
|
|
(2.214) |
(2.080) |
|
|
l.ceo_power |
|
|
0.046*** |
0.024*** |
|
|
|
(3.625) |
(2.827) |
l.ncskew |
−0.087*** |
|
0.066*** |
|
|
(−11.834) |
|
(8.330) |
|
l.duvol |
|
−0.097*** |
|
0.061*** |
|
|
(−13.176) |
|
(7.739) |
ceo_age |
−0.001 |
−0.001 |
−0.001 |
−0.001 |
|
(−0.677) |
(−0.897) |
(−1.003) |
(−1.032) |
beta |
−0.123*** |
−0.085*** |
−0.060*** |
−0.034** |
|
(−5.014) |
(−5.218) |
(−2.758) |
(−2.344) |
roa |
1.196*** |
0.652*** |
1.386*** |
0.730*** |
|
(5.763) |
(4.709) |
(9.035) |
(7.153) |
leverage |
−0.001 |
0.000 |
0.000 |
0.001 |
|
(−0.177) |
(0.074) |
(0.007) |
(0.332) |
_cons |
−0.167** |
−0.112** |
−0.273*** |
−0.184*** |
|
(−2.433) |
(−2.437) |
(−4.965) |
(−5.014) |
n |
21382 |
21382 |
16235 |
16235 |
r2 |
0.042 |
0.045 |
0.013 |
0.009 |
f |
51.716 |
55.865 |
− |
− |
5. 进一步分析
前文研究的结果表明,ceo权力的增长会增加股价崩盘风险,本文进一步对其中的调节作用进行检验,即女性ceo与高学历ceo两调节变量是助力ceo权力对股价崩盘风险的影响,还是抑制这种影响。因此,本文参考温忠麟[37]与江艇[38]等学者的做法,首先将自变量ceo权力与调节变量female、higedu进行均值中心化,然后再产生乘积项,构建调节效应模型(6)、(7),并进行回归检验。
(6)
(7)
下表7汇报了女性特征的调节效应回归结果。其中,第(1)、(2)列为无调节变量时的回归结果,而第(3)、(4)列为考虑了female以及其与ceo_power交互项后的回归结果。结果表明,第(3)、(4)列中的交互项分别在5%和1%的水平下显著为负,且ceo_power的系数相比基准回归的系数有所减少。上述结果说明了女性ceo权力有助于削弱ceo权力为股价崩盘带来的风险,故文章假说2得证。
table 7. the interaction effect of female characteristics on the regression results
表7. 女性特征的调节效应回归结果
|
(1) ncskew |
(2) duvol |
(3) ncskew |
(4) duvol |
ceo_power |
0.034** |
0.021** |
0.032** |
0.020* |
|
(2.160) |
(2.050) |
(2.011) |
(1.863) |
female |
|
|
−0.011 |
−0.009 |
|
|
|
(−0.304) |
(−0.369) |
ceo_power*female |
|
|
−0.142** |
−0.120*** |
|
|
|
(−2.070) |
(−2.624) |
l.ncskew |
−0.087*** |
|
−0.087*** |
|
|
(−11.835) |
|
(−11.826) |
|
l.duvol |
|
−0.097*** |
|
−0.097*** |
|
|
(−13.176) |
|
(−13.174) |
ceo_age |
−0.001 |
−0.001 |
−0.001 |
−0.001 |
|
(−0.710) |
(−0.933) |
(−0.745) |
(−0.976) |
beta |
−0.123*** |
−0.085*** |
−0.124*** |
−0.086*** |
|
(−5.011) |
(−5.216) |
(−5.045) |
(−5.260) |
roa |
1.193*** |
0.650*** |
1.195*** |
0.651*** |
|
(5.747) |
(4.694) |
(5.756) |
(4.706) |
leverage |
−0.001 |
0.000 |
−0.001 |
0.000 |
|
(−0.171) |
(0.080) |
(−0.190) |
(0.057) |
_cons |
−0.135* |
−0.091* |
−0.132* |
−0.089* |
|
(−1.895) |
(−1.921) |
(−1.858) |
(−1.875) |
n |
21382 |
21382 |
21382 |
21382 |
r2 |
0.042 |
0.045 |
0.042 |
0.045 |
f |
51.700 |
55.857 |
45.882 |
49.716 |
下表8汇报了管理层学历特征的调节效应回归结果。其中,第(1)、(2)列展示了在未考虑调节变量higedu的情况下进行的回归分析结果,而第(3)、(4)列则展示了考虑了调节变量和其与交互项后的回归分析结果。结果显示,第(3)、(4)列中的交互项分别在5%和10%的水平下显著为负,且ceo_power的系数相比基准回归的系数有所减少。上述结果说明了具有高学历的高管层有助于削弱ceo权力为股价崩盘带来的风险,故文章假说3得证。
table 8. the moderating effect of management education characteristics on the regression results
表8. 管理层学历特征的调节效应回归结果
|
(1) ncskew |
(2) duvol |
(3) ncskew |
(4) duvol |
ceo_power |
0.034** |
0.021** |
0.033** |
0.021** |
|
(2.160) |
(2.050) |
(2.068) |
(1.963) |
higedu |
|
|
−0.002 |
−0.001 |
|
|
|
(−0.357) |
(−0.443) |
ceo_power*higedu |
|
|
−0.013** |
−0.008* |
|
|
|
(−2.165) |
(−1.877) |
l.ncskew |
−0.087*** |
|
−0.088*** |
|
|
(−11.835) |
|
(−11.855) |
|
l.duvol |
|
−0.097*** |
|
−0.097*** |
|
|
(−13.176) |
|
(−13.198) |
ceo_age |
−0.001 |
−0.001 |
−0.001 |
−0.001 |
|
(−0.710) |
(−0.933) |
(−0.615) |
(−0.851) |
beta |
−0.123*** |
−0.085*** |
−0.124*** |
−0.086*** |
|
(−5.011) |
(−5.216) |
(−5.029) |
(−5.233) |
roa |
1.193*** |
0.650*** |
1.191*** |
0.648*** |
|
(5.747) |
(4.694) |
(5.736) |
(4.684) |
leverage |
−0.001 |
0.000 |
−0.001 |
0.000 |
|
(−0.171) |
(0.080) |
(−0.189) |
(0.068) |
_cons |
−0.135* |
−0.091* |
−0.136* |
−0.090* |
|
(−1.895) |
(−1.921) |
(−1.878) |
(−1.877) |
n |
21382 |
21382 |
21382 |
21382 |
r2 |
0.042 |
0.045 |
0.042 |
0.045 |
f |
51.700 |
55.857 |
45.901 |
49.501 |
6. 结论与建议
本文以当前国际经济局势为背景,从公司治理中的委托代理理论与信息不对称理论入手,分析了ceo权力与股价崩盘风险之间的关系,并利用沪深a股上市公司数据进行实证检验,研究发现:(1) ceo权力与企业股价崩盘风险之间存在显著的正相关关系,即ceo权力的增加会显著提高股价崩盘的风险水平。(2) 异质性分析发现,ceo权力增加会导致国有企业负偏态收益率的增长,会增加非国有企业的股票波动率。(3) 调节效应分析发现,女性ceo和高学历管理者有助于削弱ceo权力对股价崩盘风险产生的作用效果。
基于上述分析,本文提出以下建议:
首先,平衡ceo权力并加强监督。上市公司应当努力减弱股权分离所致的委托代理问题,比如通过激励政策来减弱管理层个人利益最大化的行为,同时加强对ceo和高管层权力的制衡,避免一权独大。此外,上市公司还应建立完善的监事会制度,充分发挥监督管理职责,实现代理人和委托人相互监督的稳定局面。
其次,增加对女性高管的培养。现阶段我国政府正积极促进女性在高级管理岗位的发展,并鼓励企业充分利用女性员工的潜力,研究显示,这一政策在减少企业违规和加强风险控制方面具有一定效果。未来应当提升女性在决策层面的参与度,通过引入更多女性的风险意识和危机处理能力,提高企业和金融机构在面对复杂市场环境时的应对能力,以促进金融体系的稳定运行。
此外,增加对高学历人才的培育。响应国家科教兴国战略和人才强国战略,企业应当加大对高学历人才的吸引和培养力度,通过提供优厚的薪酬福利、良好的职业发展路径和创新激励机制,吸引更多高学历人才投身企业管理与决策。这不仅能提升公司的战略执行力和竞争力,还有助于保障企业在日益激烈的市场环境中的长期发展和稳定性。
最后,适应当前国际经济形势。根据当前的国际经济局势,企业还需强化市场适应能力,并通过技术创新提升生产效率和产品质量。同时,企业应加强对国际市场的监测与分析,灵活应对外部环境变化带来的风险挑战。通过这些措施,企业可以更有效地应对复杂多变的国际经济形势,从而保持竞争优势并实现长期稳定发展。