《ceo年龄与公司风险承担》由会员分享，可在线阅读，更多相关《ceo年龄与公司风险承担（5页珍藏版）》请在金锄头文库上搜索。
1、CEO 年龄与公司风险承担一、引言近期不少研究表明公司经理人个人特征对公司决策有重要影响，如生活经验、过度 自信、风险偏好等。CEO 需要对公司日常事务及重大事宜作出决策，但是经理人年龄、性 格、教育水平等自然属性会造成 CEO 对事物认知和信息处理能力的限制，往往不能做出理 论中的最优决策。尽管 CEO 年龄是可观测的，但是关于经理人年龄特征如何影响公司风险 承担的经验证据并不充足。不同年龄阶段的 CEO 因所处时代背景不同，公司发展战略也显差异。年轻派的 CEO，如 37 岁便成为联想集团总裁兼 CEO 的杨元庆，31 岁杨惠妍任碧桂园董事局副主席， 雷军 23 岁加入金山，从程序员做成公
2、司常务副总裁，29 岁担任重组后金山 CEO，马化腾 27 岁便与好友注册成立腾讯公司，24 岁在中关村创办京东公司的刘强东，少壮派企业家大 多为 79、80 后，以互联网和电子商务等新兴行业的企业。中青派 CEO，如阿里巴巴网络 技术有限公司创办人马云，51 岁巨人网络总裁以及上海健特科技生物总裁的史玉柱。年长 派 CEO 如联想集团柳传志，哇哈哈董事长宗庆后等。老另企业家更多为成熟型企业。不同 年龄段的 CEO 由于所处时代环境、经历等不同，个人特征会影响公司各项决策，公司发展 战略各具特色。以往文献中用 OLS 估计的高管年龄效应中可能包含有易观测的公司特征差异的影响， 如企业规模、年龄
3、和市场价值。企业特征差异应只在于年龄区别，而其他属性应相同，只 有在这种理想情况下企业风险承担可以归因于 CEO 年龄差异。本文运用倾向值得分匹配法 剔除可观测的公司特征或 CEO 特征对年龄效应的混淆影响，净化公司风险承担中的年龄效 应。运用配对统计技术研究年龄与公司决策关系事，一般将中年组 CEO 企业删除，但本文 欲考察随着年龄的增加，公司风险是如何变化，因此保留了中年组 CEO 企业。二、文献回顾与研究假设已有理论研究发现 CEO 年龄与自身风险偏好和风险决策行为相关，但是实证经验结 论分歧较大，并没有形成广泛认可的结论。年龄影响理性行为人风险偏好和企业风险偏好 已被大量研究证明。Bo
4、die et al.4进一步改进 Metron-最优消费和投资组合连续时间模型， 研究认为个人金融资产组合中权益资本所占比例随着年龄得到增加而降低，因为人力资本 风险通常比股权资本低，随着年龄的增加，人力资本市场价值降低；其次给定年龄，个人 调节其劳动力供给的能力越强，那么其资产组合中风险资产所占比重就越高，因此年龄越 小的人，风险资产所占比重就越多。Ackert et al.5研究发现年龄偏大的投资者偏好较低风 险的资产，即风险承担与年龄负相关。不少研究发现年龄越大的人在做出风险决策时候更 容易犯错。Samanez et al.6认为随着人类寿命持续增长，年长投资者的财务决策对全球经 济的影
5、响也在不断上升，通过经影像学与金融资产投资动态相结合考察年龄差异在整个成 人寿命中财务决策的影响，发现在选择风险资产时，年龄偏大的成年人的决策次于较年轻 的成年人。Elsaid 和 Ursel7调查 CEO 继任后的风险承担以及年龄是否影响 CEO 继任计划。 在 650 家小型、中型和大型北美企业中 1992-xx 年间有 679 首席执行官继任，研究发现年 龄在 CEO 上任和继任倾向于相近，并且 CEO 年龄与公司风险负相关。另一方面，Hirshleifer 和 Thakor8构建管理者声誉建立和项目选择模型，研究发现 公司总经理离退休时间越近，该公司将减少负债金额和风险承担。年轻 CE
6、O 还未拥有管理 者声誉，因此为了避免遭受惩罚而选择保守投资政策，Holmstrom9考擦对未来职业生涯 的忧虑可能会影响一个人相关决定，并且发现年轻的高管倾向于降低公司风险。国内关于管理者个人特征与公司决策研究居多，直接考察年龄与公司风险行为的研 究并不多，如魏立群和王智慧10试图从中国企业高管特征如年龄差异、教育背景、职业 来源多样性、经历复杂程度与组织绩效的关系分析，发现不同于西方学者研究的结论，其中高管平均年龄与组织绩效正相关，并且高管成员年龄差异越大，组织绩效越好。文芳11实 证检验了高管个人特征与公司 R&D 投资强度的关系，发现高管技术职业经验、教育水平 与企业 R&D 投资强度
7、高度相关；并且任期与 R&D 关系受到年龄差异影响。本文运用倾向值匹配得分法估计公司风险承担中的年龄效应。以往文献中用 OLS 估 计的高管年龄效应中可能有可观测到公司特征差异的影响，如企业规模、年龄和市场价值。 企业特征差异应只在于年龄区别，而其他属性应相同，只有在这种理想情况下企业风险承 担可以归因于 CEO 年龄差异。实证方法上解决公司可观测特征差异可能干扰年龄对公司风 险承担影响的方法是匹配方法，即构造倾向值匹配样本。本文将高管年龄划分成三组，年 轻派 27-40；中年派 41-55；老年派 55-69，以往文献通常将中年派组去掉，直接将老年派 组为实验组，年轻组为对照组进行匹配检验，
8、本文认为中年派组高管相比于年轻 CEO 不仅 在职业声誉和管理技能上都已经成熟，而相比于老年派组是风险偏好性，本文认为中年派 组高管公司风险承担高于年轻派组和老年派组 CEO，因此公司风险承担与高管年龄是倒 U 曲线关系。 三、Boostrap-Kernel-PSM 估计在经济学中解决样本自选择选择性偏差问题，除了工具变量法，还有一个新兴的统 计方法-倾向值匹配，净化自变量与因变量之间的关系。通过将可能与因变量和内生自变量 相关的混淆变量纳入 Logistic 或 Probit 回归模型预测个体受到内生自变量影响的概率值， 将倾向得分值相近或相等的样本进行配对，消除选择性偏差对研究结论的影响，
9、两组因变 量上的差异只能归因于研究关注自变量的变化，而不是其他混淆变量，保证因果结论的可 靠性。倾向值得分倾向值得分是给定事前特征下个体接受处理效应的概率。p=PrD=1|X=ED|X其中 X 是控制组多维度个体特征向量，D 是指标变量，当接受处理时取值为 1，否 则为 0。受到处理的个体平均处理效果 ATT 根据倾向值匹配后估计公式为：ATT=EY1i-Y0i|Di=1=EEY1i-Y0i|Di=1，p=EEY1i|Di=1，p-EY0i|Di=0，p |Di=1其中 Y1i 和 Y0i 为处理组和对照组潜在产出值。稳健性标准误根据 Ham et al.用 Monte Carlo 模拟方法验
10、证了 Boostrap 估计局部线性匹配回归标准 误的准确性，以及对照组与实验组数据样本小的原因，本文使用 Boostrap 方法估计 ATT 标准误。具体操作如下：首先从总体重复抽出 n 个样本得到经验样本；然后利用 Kernel- PSM 方法估计出 ATTi；第三步，重复 K 次前两个步骤，得到 K 个估计值 ATT1，ATT2，ATTK；最后，根据 ATT1，ATT2，ATTK 计算 ATT 统计量的标 准误。四、研究设计样本数据说明本文选取 xx 年之前上市的沪深两市所有非金融类上市公司作为研究对象，并执行以 下的样本筛选程序：剔除金融保险行业的公司样本；剔除主要变量的数据有缺失的样
11、本； 剔除被证监会执行特别处理的公司样本。为了消除异常值的影响，对公司层面的连续变量 进行上下 1%的 Winsorize 缩尾处理。剔除在观测时期内管理者变更的企业，因为管理者更 替可能会带来企业风险承担决策的改变。保留职务名称为“总经理”、 “首席执行官”高管数据， 与国内其他文献不同，本文仅将总经理作为 CEO 为研究对象，管理者是企业决策制定的直 接主体。删除数据缺失值后，最终得到的样本包含 6523 家公司-年非平衡面板样本，最长 年度区间 1999-2016 年。本文使用的公司层面数据均来自 CSMAR 数据库。主要变量描述性统计分析1.公司风险早期研究中较多使用公司股票收益波动衡
12、量公司总风险，当股票收益波动越大，则 意味着公司风险越高。因此本文使用股票周收益率标准差 WTRISK 测度公司风险变量。在 估计时，公司风险代理变量对数化。年龄本文将高管年龄划分成三组，年轻派 27-40 岁，中年派 41-55 岁，老年派 55-69 岁， 本文中 CEO 只限定在总经理和首席执行官，姜付秀指出发达国家的 CEO 与我国上市公司 中董事长更相近，并且在国内其他研究中较多以董事长为 CEO 为研究对象，但是管理者是 公司决策制定的直接主体，如果考虑董事长特征，可能会混淆 CEO 年龄特征对企业风险承 担水平的影响大小。定义年龄处理效应二元离散变量 d_age，对于年轻 CEO
13、 组与中年 CEO 组，中年组 CEO 为处理组，即 d_age 取值为 1，年轻 CEO 企业为对照组，即 d_age 取值为 0。类似的，对于中年组与年长组的配对分析，年长组企业为处理组，即 d_age 取值为 1， 中年 CEO 企业为对照组，即 d_age 取值为 0。3.其他控制变量参照 Kini 和 Williams15做法，本文加入影响公司风险决策和高管年龄相关的一些 CEO 特征和公司特征变量，Tenure 是高管任职年限，其平均值是年。公司资产 Asset，资 产规模大的的企业通常不进行债券融资方式，信息不对称问题较轻微，因此我们预计规模 越大的企业越不容易受到金融危机的冲击
14、；市账比 MB，市账比越高的公司表示未来的成 长性比较高，这种成长性类似于一种保价的期权；现金流量持有量 Cash_rate，拥有更多融 资资源的企业受到外来冲击的影响就越小；营业收入增长率 Growth；资产收益率 ROA；Degree 是学历指标变量，博士学历事，则值为 4，硕士学历值为 3，本科学历为 2， 专科学历为 1，专科以下学历值为 0；专公司股票年收益 Stock Return；公司年龄 Firm age，本文用当年与国泰安数据库首次披露公司财务数据年份之差衡量公司年龄； Blockhold 是指标变量，当公司机构投资者持股比例至少有一个超过 10%，则值为 1，否则 为 0；
15、行业虚拟变量 Dum_r，捕捉行业差异性；年度虚拟变量 Dum_y。4.统计性描述分析表 1 报告了主要变量描述性统计分析，WTRISK 最小值为-3321，最大值为-0612， 平均值为-1879；高管年龄最小为 25 岁，最大为 69 岁，均值为 46 岁。高管平均任职期限 为 3 年左右。通过对我国不同年龄段上市公司的 CEO 的个人以及公司的基本特征进行了简 要的统计分析，发现中年的 CEO 在我国占据主导的地位，老年和青年 CEO 人数相当，呈 现“中间大、两头小”的局面。为了检验本文初步猜想，用二次曲线拟合公司风险与高管年 龄，图 1 从视觉上给出了两者关系。从图中可以大致看出，二
16、者呈倒 U 曲线关系，大致在 47 左右达到峰值后再下降，初步证实本文认为中年组企业 CEO 更倾向于投资高风险项目， 提高公司风险。 Boostrap-Kernel-PSM 估计年轻组与中年组比较本文定义 d_age 二元离散变量，当高管年龄处于之间，则取值为年龄低于 40 岁的企 业取值为 0，删除年长组数据。本文使用逐步回归化估计以高管年龄二元离散变量为因变 量的 logit 模型，以 10%显著水平删选变量。Logit 回归模型结果如表 2 Model。根据计算处 理组与对照组的倾向值，利用局部多项式核平滑回归匹配算法，并采用 Boostrap 估计 ATT 标准误，其精确确性已有实证经验的论证。回归模型中控制变量通过 15%显著水平删选， 从表 2 看出，三个模型中高管任职期限系数在 1%显著水平上显著为正。企业资产系数与 因变量在 1%水平上显著为正，说明企业资产和规模越大，公司越有实力和财力实现高风 险投资需求，继续寻求发展的储备。年长组与中年组比较本文定义 d_age 二元离散
