管理层能力能够降低股价崩盘风险吗

周 松（教授），冉 渝（教授）

一、引言

管理层能力是企业成功运营的重要因素，其原因在于：首先，管理层能力是企业所拥有的最重要的无形资产之一[1]；其次，管理层能力是管理层人力资本的外在体现[2]。管理层能力对企业的政策、企业行为经济后果及股价表现有着重要的影响[3-7]，越来越多的文献开始检验股价崩盘风险的决定性因素[8-11]。然而，鲜有文献研究管理层能力对股价崩盘风险的影响，本文将对此展开探讨。

本文以我国2007～2015年A股上市公司为研究样本，实证检验了管理层能力对股价崩盘风险的影响，研究发现：①管理层能力与股价崩盘风险负相关，即管理层能力越强，股价崩盘风险越小；②管理层能力对股价崩盘风险的影响具有长期性、持续性。本文的研究贡献在于：以往文献强调了管理层能力的重要性[12-13]，并且对管理层行为结果进行了预测[6，7]，但少有文献从实证方面检验管理层能力对公司的经济后果。本研究有助于加深人们对管理层能力经济后果的认识，进一步丰富管理层能力研究的文献。

二、文献回顾、理论分析及研究假设

（一）文献回顾

新古典主义观点下，经理（特别是高管）之间的特征是同质的，并且经理在公司的整个运营过程中是无私的，经理之间能够互相替代，公司业绩不会受经理之间不同个体特征的影响。在这一观点下，当两个公司面临的经济状况及市场条件相似时，不论两个公司的高管团队能力如何，两个公司都将做出相似的决策。

与新古典主义观点相反，“高阶梯队理论”[14]认为，经理在组织战略及效果影响方面是一个主导因素。Hambrick[15]的研究进一步证实，当经理处理公司业务时是基于个人的理解做出相关决策，经理的个人背景特征与价值观在整个决策过程中起到了重要作用。Bertrand、Schoar[4]研究发现，经理的个人特征（如性别、年龄及学历等）可以解释“相似环境下为什么经理在投资、财务及组织行为上做出不同决策”。

在会计学研究方面，鲜有文献检验管理层特征对公司报告决策的影响。然而，在组织理论下，财务学及经济学文献大量地考虑了管理层特征对公司投资决策和融资决策的影响。经理对公司的决策和经济后果会产生怎样的影响呢？在组织理论文献中，这是一个被持续讨论的问题。Finkelstein、Hambrick[16]认为管理层的自我意识、偏爱及人生经历会影响公司行为。Hannan、Freeman[17]则研究了管理层的选择对公司业绩的影响，他们认为组织和环境的约束限制了管理层的行为。

在财务和经济学文献中，管理层能力是资本市场上一个重要的元素。能力较强的经理能够发现公司潜在的特质，他们能够精准地将公司特有的价值向外部信息使用者传递，这就减少了股票市场中公司与外部信息使用者之间的信息不对称。经理在公司投资、融资、高管薪酬制定及盈余管理的决策上拥有着一定的权利。因此，管理层能力对公司财务、经营及投资战略有着重要的影响[4]。Malmendier、Tate[18]研究发现，当CEO被媒体追捧为“超级明星（Superstars）”时，公司的股票业绩表现不佳，CEO获得了较高的薪酬，但在公司进行了较严重的盈余管理。Chevalier、Ellison[19]研究发现，较年轻以及毕业于重点院校的经理获得了较高的市场回报率。Graham、Harvey[20]通过调查研究发现，有MBA学位的CFO相比较于没有MBA学位的CFO使用的估值技术更加复杂。

也有一些研究检验了CEO特征对公司决策的影响。Chemmanura、Paeglis[5]认为，对于IPO公司，如果管理层的管理质量高，IPO公司的股票溢价较低，就会激发更多机构投资者的兴趣、吸引更多有声誉的承销商以及产生较少的承销费用。管理层声誉（作为管理层能力的替代变量）能够减少代理成本，经理能够获得更多的资金及赚取更多的利润[12]。Chemmanur等[21]研究发现，声誉较好的经理在既定的规模下能够选择更好的项目。这些研究表明，能力强的经理能够降低融资成本、提高公司治理效率、选择较好的投资项目。

国内关于管理层能力研究的文献，主要是借鉴了Demerjian等[22]对管理层能力的度量方式，实证检验了管理层能力对在职消费、现金持有、资本结构调整、审计收费、内部薪酬差距及资本投资效率的影响[23-28]。

从以上文献梳理可以看出，鲜有文献研究管理层能力与股价崩盘风险之间的关系，因此本文的研究具有重要的现实意义。

（二）理论分析及研究假设

一般认为，管理层出于自身利益的考虑，倾向于在财务报告中暂时隐藏“坏消息”、加速披露“好消息”，从而达到粉饰报表的效果。管理层选择性地披露信息导致“坏消息”在公司内部不断累积，并使得股价被持续高估而产生泡沫。当“坏消息”累积到达某个临界阈值时，最终将集中向市场释放，进而对股价造成极大的负面冲击并引发崩盘。

但对于能力强的经理来说，隐藏“坏消息”可能并不是最优选择。Francis等[29]通过研究认为，声誉较高的经理（管理层能力的替代变量）不会采取一些导致财务报告质量下降的行为。主要的原因在于：对于声誉高的经理来说，较差质量的财务报告会对其在职业经理人市场上产生负面影响，声誉高的经理更看重长期收益，提供高质量的财务报告可以减少资本成本[30，31]。市场一般预期声誉高的经理会提供质量较好的报告，一旦发现他们提供了质量较差的报告，其将会遭受资本市场更加严厉的处罚（面临更高的资本成本或是资本配给）。因此，有声誉的经理会更加及时地披露信息，以避免来自资本市场的处罚。

Baik等[32]研究发现，能力越强的经理预测频率越高，并且预测的准确性越高，市场对有能力经理的预测也给出了正向的反应。这种及时披露“坏消息”的行为并没有造成股价下跌，从而减少了股价崩盘的风险，因此可以推测能力越强的经理与股价崩盘风险之间的负向关系更加显著。

Demerjian等[33]研究发现，管理层能力越强，其估计的应计利润越准确，管理层在对坏账进行估计时能更好地基于客户条件和宏观经济状况做出合理的估计；管理层能力越强，能更好地理解及运用复杂的准则。随着管理层能力的提高，经理通过在职消费攫取私人利益的现象就会减少[23]。管理层能力越强，越重视职业声誉；管理层能力越强，越倾向于缓解信息的不对称[28]。

通过分析可以看出，能力强的管理层可以提供更多的高质量信息，降低“坏消息”在企业中的累积，缓解由于“坏消息”的释放给股票价格带来的崩盘风险。因此，本文提出以下假设：

管理层能力与股价崩盘风险负相关，即管理层能力越高，股价崩盘风险越低。

三、研究设计

（一）数据来源与样本选择

本文选取2007～2015年沪深A股上市公司为研究样本。之所以选取2007年为研究起点时间，原因在于：在对管理层能力的度量中运用了企业研发支出（R＆D）数据，国泰安CSMAR数据库中关于研发支出的数据从2007年开始录入。由于金融行业的财务指标与其他行业有很大差异，因此样本中剔除了金融保险行业样本。本文在1%水平下对公司层面的所有连续变量进行Winsorize处理，最终的研究样本包括9628个公司的年度观测值。

本文使用的上市公司财务数据及行业类别数据来源于国泰安CSMAR数据库，行业划分标准按照2001年证监会颁布的《上市公司行业分类指引》进行，制造业采用前二位代码分类，其他行业以第一位代码分类。公司最终控制人产权性质数据来源色诺芬CCER数据库，换手率数据来源锐思RESSET数据库。

（二）模型设定及变量指标

1.模型设定。为了检验假设，本文建立了实证模型（1）：

模型（1）中：Crash表示股价崩盘风险；MA表示管理层能力；Size表示企业资产规模；Lev表示企业资产负债率；MB表示企业成长性指标；Roa表示企业资产收益率；Ret表示企业股票平均特有收益率；Sigma表示股票收益波动；Dturnover表示去趋势的月均换手率；Abda表示操控性应计利润绝对值。模型中加入了年度虚拟变量及行业虚拟变量，以控制年度效应和行业效应。本文中所有变量的定义及说明详见表1。

在模型（1）中，根据前述对假设的分析，预计α1显著为负。

2.变量指标。

（1）被解释变量：股价崩盘风险。借鉴Hutton等[9]、Kim等[10，11]、Chen等[34]、许年行等[35]、李小荣和刘行[36]、叶康涛等[37]、江轩宇和许年行[38]及权小锋等[39]方法，本文用两种方法来度量上市公司股价崩盘风险。度量方法如下：

表1 变量定义及说明

首先，用股票i的周收益率数据进行下列回归：

其中：Ri，t为股票i第t周考虑现金红利再投资的收益率；Rm，t为所有A股股票在第t周经流通市值加权的平均收益率。本模型加入了市场收益滞后一期、滞后两期、超前一期和超前两期项，以调整股票非同步性交易的影响[40]。股票i在第t周的公司特有收益为：Wi，t=Ln（1+εi，t），εi，t为回归模型（2）的残差。

其次，基于Wi，t构造以下两个变量：

第一个变量：负收益偏态系数Ncskew。

其中，n为每年股票i的交易周数。Ncskew的数值越大，表明偏态系数为负的程度越严重，股价崩盘风险越大。

第二个变量：收益上下波动比率Duvol。首先将公司i在某一年度内的所有周数按每周的特定股票回报率Wi，t是否高于该年所有周特定回报率的均值划分为两类：低于该年特定周回报率均值的周数（“down”weeks）；高于该年特定周回报率均值的周数（“up”weeks）。其次，分别计算这两类样本周特定回报率的标准差。最后，Duvol等于“down”weeks特定周回报率的标准差与“up”weeks特定周回报率的标准差比值的对数。具体表达式如下：

其中：nu（nd）为股票i的周特有收益Wi，t大于（小于）年平均收益Wi的周数。Duvol的数值越大，代表收益率分布越倾向于左偏，股价崩盘风险越大。

（2）解释变量：管理层能力。本文按照Demerjian等[22]的方法度量了管理层能力，该指标反映经理如何有效地使用公司资源。所有的公司都运用资本、劳动及创新资产创造收入。在既定规模的投入情况下，相较于能力低的管理层来说，能力高的经理能够更有效地运用营销体系、供应链体系和薪酬体系等，为公司创造更高的产出。

Demerjian等[22]运用数据包络模型（DEA）来估计同一行业公司的效率。对于每一个公司来说，通过比较在给定的投入水平下（如销售成本、销管费用、固定资产、无形资产、研发费用、商誉）公司能够产生的收入大小，可以估计公司的效率。Demerjian等[22]用DEA模型来解决模型（5）的最优问题：

式（5）中：CoGS代表主营业务成本；SG＆A为销售费用和管理费用之和；PPE为固定资产净值；R＆D为净研发费用；Goodwill为合并财务报表商誉；Intang为剔除商誉之外的无形资产价值；Sales为营业收入。其中，CoGS、SG＆A和Sales为期间数据；PPE、R＆D、Goodwill和Intang为上期期末数据。通过DEA模型确定的θ，取值范围在0～1之间。1表示效率最高，落在前沿曲线上；效率指标小于1，落在前沿曲线之下。公司的DEA得分表示公司效率大小，得分小于1表示公司需要降低成本或取得更高的收入来提升效率。

不考虑公司规模的大小，能力强的经理能更好地预测公司的发展的趋势。如果不考虑公司经理的能力大小，一般来说规模较大公司的经理与供应商进行谈判时具有更多优势。因此，通过DEA模型估计得到的效率指标体现了公司和经理共同带来的效率。Demerjian等[22]主要通过控制公司固有特征带来的效率来估计管理层能力对公司产生的效率。他们分行业运用Tobit回归对模型（6）进行了估计。该模型中Size为总资产的自然对数；Marketshare为公司的市场份额；FCFD代表正向自由现金流量的虚拟变量，正向为1，否则为0；Age为上市年数的自然对数；Bsc表示销售分部集中度的自然对数。这些公司特定的特征预计会帮助或阻碍经理的能力发挥。模型（6）回归得到的残差ε就是管理层能力（MA）。

Demerjian等[22]验证了这个指标的有效性。第一，这个指标与经理的固定效应密切相关，表明该指标反映了经理特征而不是公司特征；第二，当能力高（能力低）的经理宣布离开公司时，股票价格呈负（正）向变动；第三，当公司经理被能力更高（能力更低）的经理取代时，公司业绩随之提高（降低）。第四，MA指标与CEO的薪酬、股票回报率、ROA、经理的任期及媒体关注正相关，这些指标在已有研究中都曾是管理层能力的替代指标。基于上述有效性检验，MA指标较强地反映了管理层能力。

（3）控制变量。根据已有文献成果[9-11，35-39]，本文在模型中控制如下变量：公司资产规模Size、资产负债率Lev、成长性指标MB、资产收益率Roa、股票平均周特有收益率Ret、股票收益波动Sigma、去趋势的月平均换手率Dturnover、操控性应计利润的绝对值Abda。变量的定义和度量见表1。

本文中的操控性应计利润指标是经业绩调整的应计利润指标，该指标是Kothari等[41]在Jones模型[42]基础上控制了会计业绩的影响而建立的。模型具体形式为：

该模型中，Tai，t表示公司t年的总应计利润，它等于净利润减去经营活动现金净流量后与期初总资产之比；Assetsi，t-1是公司t年期初的总资产；△Revi，t是公司t年的收入变化额除以期初的总资产；PPEi，t是公司在t年的固定资产除以期初总资产；Roai，t是公司在t年的资产收益率，用净利润除以年末总资产表示。对这个模型分年度及行业进行横截面回归，要求每年每个行业至少有16个观测值。来自模型的残差就是操控性应计利润，在实证检验中采用操控性应计利润的绝对值进行分析。

四、实证结果与分析

（一）描述性统计

表2报告了样本的描述性统计结果。Ncskew的均值为-0.226、中位数为-0.184，Duvol的均值为-0.156、中位数为-0.153，与江轩宇、许年行[38]的描述性统计结果相似。Ncskew和Duvol的标准差分别为0.673和0.329，说明这两个指标在样本中存在较大差异。上市公司管理层能力MA的均值和中位数分别为0.011和0.002，与Francis等[43]的统计结果相似。相比较代彬等[44]、谢建等[45]及潘前进和王君彩[28]的管理层能力均值和中位数，本文的数值更大，但是75%分位数和最大值是相似的。MA的标准差为0.112，与Francis等[43]、谢建等[45]及潘前进和王君彩[28]的研究结果相似。对于控制变量来说，Size的均值是21.91，中位数是21.73。Lev的均值和中位数分别为0.442和0.445。Roa的均值为0.053、中位数为0.045，整体而言我国上市公司的盈利能力有待提高；Ret的均值为-0.118；Sigma的均值为0.046。Dturnover的均值为-0.117，标准差为0.427，说明股票之间换手率差异较大。Abda的均值和中位数分别为0.063和0.043。

（二）变量间相关系数

表3报告了各变量之间的相关系数。从表3可知，MAt-1与 Duvolt负相关，MAt-1与Ncskewt-1和Duvolt-1显著负相关，说明管理层能力越大，股票价格崩盘风险越小，一定程度上验证了本文提出的假设。大多数控制变量与股价崩盘风险Ncskewt和Duvolt的关系都表现出较为显著的关系，进一步说明多元回归中对这些变量进行控制的重要性。

表2 变量描述性统计

（三）多元回归结果与分析

表4报告了管理层能力对股价崩盘风险影响的回归结果。列（1）～列（3）是管理层能力MAt-1分别在全样本、国有及非国有子样本下对股价崩盘风险指标Ncskewt的回归结果。从列（1）的全样本回归结果可以看出，MAt-1与Ncskewt在1%的水平上显著负相关，说明管理层能力越强，企业股价崩盘风险越小，假设成立。在列（2）最终控制人国有产权子样本中，MAt-1与Ncskewt在1%的水平上显著负相关。在列（3）最终控制人非国有产权子样本中，MAt-1与Ncskewt负相关，但样本统计结果不显著。

表3 变量间相关系数

表4 管理层能力连续变量对股价崩盘风险影响的回归结果

列（4）、列（5）和列（6）分别列示了MAt-1与股价崩盘风险Duvolt指标的检验结果。从全样本、国有子样本和非国有子样本的回归结果可知：全样本中MAt-1与Duvolt在1%的水平上显著负相关；国有产权子样本中，MAt-1与Duvolt在1%的水平上显著负相关；非国有产权子样本中，MAt-1与Duvolt负相关，但样本统计结果不显著。综合MAt-1对Ncskewt和Duvolt影响的回归结果，说明管理层能力越强，股价崩盘风险越低，假设得到验证。另外，从控制变量来看，Sizet-1与Ncskewt和Duvolt显著负相关，Roat-1、Rett-1、Sigmat-1与Ncskewt和Duvolt显著正相关，与以往研究结果基本一致。

为了进一步验证管理层能力与股价崩盘风险之间的负向关系，本文按年度及行业对管理层能力进行了排序，高于本年度本行业中位数的管理层能力赋值为1，否则为0，由此获得了一个关于管理层能力的虚拟变量MA_high。表5报告了管理层虚拟变量MA_hight-1对股价崩盘风险替代指标Ncskewt和Duvolt影响的回归结果。从表5中可以看出，对于Ncskewt和Duvolt两个指标，在全样本、国有产权子样本中，管理层能力虚拟变量MA_hight-1都与Ncskewt和 Duvolt显著负相关；非国有子样本中，虽然关系不显著，但回归系数为负。管理层虚拟变量MA_hight-1对股价崩盘风险Ncskewt和Duvolt两个指标影响的回归结果进一步说明管理层能力越强，股价崩盘风险越低。假设进一步得到验证。

（四）稳健性检验

1.改变控制变量。用销售收入增长率Growth替换MB，用经McNichols[46]调整后的横截面的Dechow模型[47]计算出来的操控性应计利润绝对值替代原模型（1）中操控性应计利润绝对值。该模型具体为：

在式（8）这个模型中：WCAi，t表示公司t年的营运资本应计利润，它等于[流动资产的变化额-现金（广义）的变化额-流动负债的变化额+短期借款的变化额]÷期初总资产；CFOi，t表示公司在t年的经营活动现金流量除以期初总资产；△Revi，t是公司t年的收入变化额除以期初的总资产；PPEi，t是公司在t年的固定资产除以期初总资产。该模型分年度及行业进行横截面回归，要求每年每个行业至少有16个观测值。回归残差表示不能由经营活动现金流量、变化的销售收入及固定资产解释的操控性流动性应计利润。本文用其绝对值替代原模型（1）中的操控性应计利润绝对值。

表6报告了改变控制变量后管理层能力对股价崩盘风险影响的回归结果。列（1）～列（3）是用Ncskew作为被解释变量，列（4）～列（6）是用Duvol作为被解释变量。从表6的回归结果来看，在改变了重要控制变量后，假设仍然成立，即管理层能力越强，股价崩盘风险越低。

2.延长股价崩盘风险的预测窗口。一个值得关注的问题是，管理层能力促使股价崩盘风险降低的作用能持续多久。借鉴Kim等[48]及江轩宇和许年行[38]的做法，此处稳健性检验将股价崩盘风险的估计期延长至两年及三年，选取变量Crasht+1和Crasht+2。表7和表8分别报告了将估计期延长至两年（T+1）和三年（T+2）的回归结果。从表7可见，在T+1的估计时间窗口下，管理层能力MAt-1与股价崩盘风险的两个指标Ncskewt+1和Duvolt+1在全样本和国有子样本下都显著负相关；在非国有子样本下，尽管样本统计结果不显著，但系数符号为负。从表8可见，在T+2的估计时间窗口下，管理层能力MAt-1与股价崩盘风险的指标Ncskewt+2在全样本和国有子样本下显著负相关，与Duvolt+2在国有子样本下显著负相关、全样本下负相关但不显著；在非国有子样本下，尽管样本统计结果不显著，但系数符号为负。表7和表8的结果表明管理层能力对股价崩盘风险的影响具有长期性、持续性。

表6 稳健性检验：改变控制变量

五、结论及建议

（一）结论

本文以沪深A股上市公司2007～2015年数据为研究样本，对管理层能力与股价崩盘风险的关系进行了实证研究。研究发现：①管理层能力与股价崩盘风险负相关，即管理层能力越强，股价崩盘风险越小；②管理层能力对股价崩盘风险的影响具有长期性、持续性。

表7 稳健性检验：T+1估计窗口

本研究还存在一定局限性，即管理层能力指标可能存在局限性。首先，该指标是通过财务指标计量，因此财务指标的计量偏差必然会影响管理层能力指标的准确性。其次，管理层能力指标计算的两阶段过程中，对于第一阶段的DEA方法，如果选择的投入和产出指标不同，必将影响公司的全效率计算。第二阶段的Tobit回归，对于公司特征变量的控制如果不全面也必将影响管理层能力计量的结果。最后，Demerjian等[22]选择的管理层能力指标来自于回归的残差，而残差部分可能并不能全都归因于管理层。

表8 稳健性检验：T+2估计窗口

本研究具有以下重要启示：十八届三中全会明确指出，要建立职业经理人制度，更好地发挥企业家作用。职业经理人是一种“职业性”的企业家，其在市场上出售自己的企业家能力并在经营中实现自己的企业家精神。这里所谓的企业家也即企业的管理层。管理层是企业的实际控制者，其能力的强弱直接关乎企业的兴衰与成败。

（二）建议

根据上述结论提出以下建议：①企业应组建一个优良的高层管理团队，在提高企业经营效率、优化资源配置、降低企业股价崩盘风险等方面发挥重要的战略作用。②投资者、董事会以及监管层等都应深化对上市公司管理团队重要性的认识，顺应公司治理向自主性治理演进的新趋势，携手推进以提升髙管履职能力、优化权力配置为导向的公司治理改革，让经营决策权更多地集中于有能力的管理层手中，而这对于上市公司进一步完善公司治理结构、切实保护投资者利益具有重要意义。③完善职业经理人市场，发挥声誉机制的作用，通过多样化渠道让公众监督管理层，通过对管理层的严格筛选来提高管理层的整体素质和能力。