[1] 陳煒. 衍生產品使用對公司價值和業績影響的實證檢驗[J].證券市場導報,2006(3):54-59.
[2] 劉偉,劉星.自愿性信息披露對公司價值的影響研究[J]. 華東經濟管理. 2008(5):66-69
[3] 馬連福,陳德球,高麗.投資者關系管理、現金流權與公司價值[J].山西財經大學學報. 2007(12):72-79
[4] 沈藝峰,江偉.資本結構、所有權結構與公司價值研究[J],管理評論. 2007(11):49-54
[5] 王志誠,周春生. 金融風險管理研究進展:國際文獻綜述[J]. 管理世界,2006(4):158-169.
[6] Black, F., and M., Scholes, The Pricing of Options and Corporate Liabilities[J], Journal of Political Economy, 1973, Vol.81, 637-659.
[7] Dolde, W. Hedging, Leverage, and Primitive Risk[J].Journal of Financial Engineering, 1995,Vol.4, 187-216.
[8] Froot, K., Scharfstein, D. and Stein, J. Risk Management: Coordinating Corporate Investment and Financing Policies[J]. Journal of Finance, 1993, Vol. 48, 1629~1658.
[9] Ho S., and Wong K., A study of relationship between corporate governance structure and the extent of voluntary disclosure[J], Journal of International Accounting, Auditing & Taxation, 2001, Vol. 10, 139-156.
[10] Jensen,C.M.,and Meckling,W. Theory of the Firm:Managerial Behavior,Agency Costs,and Ownership Structure[J].Journal of Financial Economics 1976, Vol.3, 305-360.
從20世紀70年代開始,隨著外匯、利率等衍生金融工具的迅速發展,越來越多的公司介入衍生金融工具市場進行風險管理(王志誠等,2006)。西方風險管理理論(Smith和 Stulz(1985)、Mayers 和 Smith (1990)、 Myers(1977)和 Froot et al. (1993))認為,衍生金融工具的運用建立在降低公司風險的動機基礎上。在特定的情況下,例如昂貴的財務危機成本和嚴重的投資不足問題,對公司的風險進行對沖能夠增加公司價值。
但是,管理層和股東也有增加公司風險的動機。Black 和Scholes(1973)指出,股東對杠桿公司的現金流量的要求權類似于一份看漲期權的報酬。Jensen 和 Meckling (1976)指出,因為這些像看漲期權的報酬隨著公司的波動而增加,價值最大化的股東有通過增加公司的風險從公司外部的債權人處轉移財富的動機。但是,股東可能在導致風險厭惡的經理將公司特定的資本投資于增加波動的活動方面有困難。
即使股東和債權人之間不存在沖突,管理層仍然有動機將衍生金融工具運用于非對沖的目的。例如,因為職工股票優先購買權的價值隨著股票價格波動的增加而增加,使得管理層有動機從事增加公司風險的活動。與之相類似,當公司的收益剛好在或者接近獎勵計劃的下限時,經理的補償計劃類似于一份看漲期權的報酬。這樣就產生了增加公司收益波動的動機。但是,公司價值最大化的補償計劃會將這些風險偏好動機考慮在內,并且設計成降低不利影響的。
最后,管理層可以運用衍生金融工具進行利率、匯率或商品價格波動的投機。例如,Dolde(1995)指出,接近90%的衍生金融工具使用者在決定自己的衍生金融工具組合特征時, 他們有時會“看一看”( take a view)金融市場的波動。因為投機行為一般來說與企業的基本風險是不相關的,基于這個目的運用衍生金融工具被認為是增加,而不是降低公司的風險。
在經驗研究方面,國外的研究結果是不一致的,大部分認為非金融公司運用衍生金融工具進行風險管理能夠降低公司股票價格對金融風險的敏感性(Smithson和Simkins,2005)。國內學術界目前在這方面的研究尚不多。本文的目的,就是要對上市公司運用衍生金融工具進行風險管理對公司風險的影響進行理論分析和經驗研究,以檢驗國外假說是否與我國上市公司的實際情況相符合。
二、研究設計
(一)樣本選擇與數據來源
1.樣本選擇
本文選取2007年的滬深兩市全部A股非金融上市公司作為初選樣本,對這些公司進行篩選。為了達到研究目的,執行了以下篩選程序:金融行業是某些衍生金融工具提供者,與其他行業相比具有較大區別,剔除這些公司;ST公司和一般的公司相比較業績和財務狀況較差,會有極強的動機操縱下一年度的會計盈余,因此剔除ST公司。經過上述篩選后,最后的樣本公司為1151家。
采集數據時,筆者逐家查閱了滬深上市公司的年度報告,分別在其資產負債表中“交易性金融資產”和“交易性金融負債”及其附注中獲取有關公司從事衍生金融交易的類型和金額的信息,收集關于公司是否使用衍生品和使用理由的數據。如果年報披露利用衍生金融工具是公司風險管理的重要措施之一、公布了當期曾經持有衍生金融工具并披露具體的公允價值或者名義價值,則不論期末持倉盈利或者虧損,也不論使用規模大小,將其認定為是運用衍生金融工具進行風險管理的公司;另外,即使年末無衍生金融工具持倉頭寸,但是當年曾經持有且其盈虧計入當期損益,也將其認定為運用衍生金融工具進行風險管理的公司。
2.數據來源
上市公司運用衍生金融工具進行風險管理的數據主要靠手工采集自上市公司2007年年度報告原文,其他數據來源于銳思數據(www.resset.cn)、金融界(www.jrj.com.cn)、巨潮資訊(www.cninfo.com)以及中國證券監督管理委員會(http:// www.csrc.gov.cn)等網站上公開披露的上市公司2007年年度報告。為保證數據的可靠性,對數據進行了抽樣復核。
本文數據處理使用SPSS和Excel軟件進行,基本數據處理使用了Excel軟件,描述性統計、參數檢驗、非參數檢驗、相關性分析及回歸分析使用SPSS統計軟件。
(二)變量定義與描述
1.被解釋變量的選取與計算
被解釋變量為公司風險。一般來說,衡量企業風險的變量主要有兩類:其一是以市場數據為基礎,其二是以會計數據為基礎。前者包括系統風險和非系統風險等;后者包括經營風險和財務風險等。而美國學者Altman(1968)建立的著名的5變量Z-score模型,將市場數據和會計數據有機地結合起來,被認為是能夠很好地衡量上市公司的破產風險。本文采用兩項指標衡量公司的風險,分別為:
(1)系統風險。上市公司風險按照能否通過資產組合方式予以分散,可分為系統風險和非系統風險。系統風險是指那些影響所有上市公司的因素(如戰爭、政治革命、經濟體制改革、通貨膨脹、利率和匯率變化等)引起的不確定性。非系統風險是指能夠被投資者通過持有分散化投資組合消除的風險,通常和公司特定的事件相關,如工廠爆炸、被盜、公司被接管、產品研發、市場開拓等等。本文用上市公司的年度Beta值表示系統風險。
(2)Z-score模型。美國學者Altman于1968年創建了Z記分(Z-Score)模型,該模型主要適用于股票上市公司,首先從上市公司財務報告中計算出一組反映財務危機程度的財務比率,然后根據這些比率對財務危機警示程度的大小給予不同的權重,最后進行加權計算就得到一個企業的綜合風險總判別分Z,將其與臨界值對比就可知企業財務危機的嚴重程度。
Altman模型的判別函數為:
Z=1.2×X1+1.4×X2+3.3×X3+0.6×X4+1.0×X5
式中:Z=判別函數;X1=營運資金/總資產,即企業營運資金相對于資產總額比例,X1越大,說明企業資產的流動性越強,財務狀況越好;X2=留存收益/總資產,即企業在一定時期內留存收益進行再投資的比例。X2越大,說明企業籌資和再投資能力越強,企業創新和競爭力越強;X3=息稅前利潤/總資產,X3反映企業不考慮稅收和財務杠桿因素時企業資產的盈利能力;X4=股權市價總值/總負債,主要反映投資者對公司前景的判斷,它是資本市值對債務的比值,指標越高,說明企業越有投資價值,在成熟的資本市場中,該指標尤其具有說服力;X5=銷售額/總資產,用來衡量企業資產獲得銷售收入的能力。
根據對過去經營失敗企業統計數據的分析,Altman得出一個經驗性臨界數據值,即Z=2.675。企業的Z記分值高于2.675的為較安全企業,低于2.675的為存在財務危機或破產風險的企業。此外,Altman在對經營失敗企業經驗分析中還發現,如果一個企業的Z記分值低于1.81,該企業實際上已經潛在破產,如果不采取特別有力的措施,將很難走出深淵。
本文采用Z-Score值表示公司的破產風險。
2.解釋變量
解釋變量為公司是否運用衍生金融工具進行風險管理的虛擬變量。若公司運用衍生金融工具進行風險管理,則該變量為1;否則為0。
3.控制變量
(1)公司規模。根據資本結構理論,規模越大的企業,其經營多元化,抗風險的能力更強;而規模越小的企業,其經營不確定性也較大,抗風險的能力較弱。為此需要控制公司規模,本文以公司總資產作為公司規模控制變量。
(2)資本結構。企業負債比例越高,財務風險越高。本文以資產負債率表示公司的資本結構,用來控制其對公司風險的影響。
(3)公司成長性。一般認為,成長快的企業在投資規模和融資規模等方面均較大,不確定性較大,從而風險較大。本文選用主營業務收入增長率指標來衡量企業的成長性,定義為公司前后一年的主營業務收入增長率,用來控制公司的成長性對公司風險的影響。
(4)資產結構。資產結構指的是長期資產與流動資產之間的比例關系。資產結構不同的企業的固定成本與變動成本的構成也會不同,進而決定企業的經營風險的大小,本文以固定資產比例作為公司資產結構的控制變量。
有關公司運用衍生金融工具進行風險管理和公司風險以及相關控制變量的研究變量的代碼及定義如表1所示。
(三)研究模型設定
為了從數量上考察風險管理及其相關變量對公司風險的影響程度,根據上文分析,本文以公司風險為被解釋變量,以上市公司運用衍生金融工具進行風險管理行為為解釋變量,以公司規模、資本結構、公司成長性和資產結構作為控制變量,構建如下檢驗模型并使用OLS回歸分析方法檢驗上市公司運用衍生金融工具進行風險管理與公司風險之間的關系:
-
Beta=β10+β11×Hedge+β12×Size+β13×Leverage+β14
×Growth+β15×Fixed+μ16
這里使用βi1(i=1,2)是否顯著大于零或小于零來研究使用衍生產品進行風險管理時是否對公司風險產生影響。根據相關理論分析,如果我國上市公司運用衍生產品進行風險管理可以降低公司系統風險,那么β11<0。如果我國上市公司運用衍生金融工具進行風險管理可以降低公司破產風險,那么β12>0。因此,通過檢驗系數的顯著性就可以驗證運用衍生產品進行風險管理是否能降低公司風險。
三、實證檢驗結果
(一)公司風險及相關研究變量的描述性統計
表 2是混合樣本的研究變量的描述性統計。全部樣本公司的系統風險均值為0.9885,這是由于剔除了ST公司而略低于市場風險。Z-score的均值(中位數)為6.4357(3.9413),表明樣本公司的破產風險較低。資產規模的均值為79.1325億元,高于沈藝峰、江偉(2007)的資產規模均值15.6320億元。資產負債率的均值為50.37%,比沈藝峰、江偉(2007)的資產負債率均值47.33%和徐向藝、張立達(2008)的資產負債率均值49.1%略高,低于馬連福、陳德球、高麗(2007)的以2005年中國205家家族上市公司資產負債率均值57.07%。主營業務收入增長率的均值為65.11%,高于沈藝峰、江偉(2007)的主營業務收入增長率均值23.61%和劉偉、劉星(2008)的2004年403家制造業公司的主營業務收入增長率均值34.7%,表明我國上市公司發展水平較快。固定資產比例的均值為33.6%。從各項樣本指標來看,樣本公司之間的差距較大,這也便于考察公司運用衍生金融工具進行風險管理的決策對公司風險的影響。
2.單因素檢驗
本文采用參數和非參數檢驗的方法,將風險管理公司與其他公司就一系列特征變量進行對比檢驗,判斷其是否在某些方面與其他公司具有顯著差異。參數檢驗(正態總體均值對比檢驗)要求所對比的兩個總體服從正態分布,而非參數Mann-Whitney秩和檢驗對總體分布及其參數不作任何假設,可用于關于分布中位數以及多個分布之間有無差異的假設檢驗。
從表3的檢驗結果可以看出,無論是參數檢驗(對均值的t檢驗)還是非參數檢驗(對中位數的Z檢驗),運用衍生金融工具進行風險管理的上市公司比其他公司具有更高的系統風險,但是比其他公司具有更低的Z計分值,表明運用衍生金融工具并未起到降低中國上市公司風險的作用,反而增加了公司的風險。這一發現與國外的經驗證據相反。
3.相關性分析
在進行回歸分析之前,為了對待檢驗的變量間的關系有初步的認識,首先對回歸模型各變量進行PEARSON相關性分析。由表4可以看出,有些變量之間有一定的相關性,如運用衍生金融工具進行風險管理和公司規模在1%的水平上顯著正相關(相關系數為0.152)、運用衍生金融工具進行風險管理和資產負債率在5%的水平上顯著正相關(相關系數為0.074)、公司規模和固定資產比例在1%的水平上顯著正相關(相關系數為0.120)、資產負債率和主營業務收入增長率在5%的水平上顯著正相關(相關系數為0.072)。根據Ho and Wong (2001)的研究,只要相關系數不超過0.8,就不需要擔心自變量之間的多重共線問題。因此說明本模型共線性問題并不嚴重,變量間的相關程度在可容忍范圍內。
4.多元回歸分析
表5是模型I和模型II分別選用系統風險和Z-score作為公司風險的指標,將其作為因變量進入回歸模型的檢驗結果。從回歸結果可以看出,兩個檢驗模型的F值均在1%的水平上均顯著,Adjusted R2為0.134和0.392,表明檢驗模型的擬合效果較好。各模型中自變量的方差膨脹因子VIF(Variance Inflation Factors)值均在1.007至1.053之間,顯著小于臨界值10,表明多元回歸模型基本不受多重共線性的影響。在殘差獨立性檢驗方面,D-W值均在2左右,說明回歸模型的殘差相互獨立,表明自變量之間不存在自相關問題。
當以系統風險作為公司風險變量時,公司運用衍生金融工具進行風險管理的啞變量估計系數為0.03621,在10%的水平上不顯著,可以認為公司運用衍生金融工具進行風險管理增加了公司的Beta值,即對公司的系統風險有微弱的增加效應。
當以Z-score作為公司風險變量時,公司運用衍生金融工具進行風險管理的啞變量估計系數為-0.535,在10%的水平上不顯著,可以認為公司運用衍生金融工具進行風險管理降低了公司的Z-score值,即對公司的破產風險有微弱的增加效應。 其余各變量對公司風險影響的研究結果表明,資產規模與系統風險正相關,與Z-score負相關,但均不顯著。資產負債率與系統風險在5%的水平上顯著正相關,與Z-score在1%的水平上顯著負相關,說明資產負債率過高會增加公司的系統風險,增加公司破產的可能性,這與財務理論是一致的。主營業務收入增長率與系統風險在1%的水平上顯著負相關,與Z-score正相關但不顯著,說明成長性好的公司風險較低。固定資產比例與系統風險在5%的水平上顯著正相關,與Z-score在1%的水平上顯著負相關,表明固定資產比例高的公司面臨的風險較高,這也與財務理論一致。
總體而言,實證研究結果表明,目前中國上市公司運用衍生金融工具進行風險管理并不能降低公司的各項風險,相反公司的系統風險和破產風險都由于衍生金融工具的運用而增加了。這一結論與國外具有顯著的差別。
四、研究結論與啟示
本文以我國非金融上市公司為研究對象,研究了我國上市公司運用衍生金融工具進行風險管理對公司風險的影響。本文的實證結果表明,在控制了公司規模、資本結構、公司成長性和資產結構特征后,我國上市公司運用衍生金融工具進行風險管理對公司的系統風險和破產風險均有微弱的增加效應。
從本文的實證結果可以看到,我國并沒有像西方財務理論和實踐中證實的那樣,企業可以通過衍生金融工具的運用降低公司風險。西方主流理論的主要觀點是企業使用衍生金融工具可以通過降低預期稅收、降低財務危機成本和避免“投資不足”等渠道來降低公司風險。但是,正如陳煒等(2006)指出,中國企業使用衍生金融工具進行風險管理的一些負面影響抵消了其正面影響:中國企業受制于國內欠發達的衍生金融工具市場,從事境外交易又受到嚴格限制,公司可使用的衍生金融工具種類少,企業參與套期保值的程度有限,從事套期保值的企業往往只對沖了部分風險,其操作水平和風險控制又存在一定問題,甚至不時受到國外大型基金的伏擊而遭受重大損失,所以無法起到降低公司風險的作用。如果要真正起到套期保值、降低公司風險的作用,企業在衍生金融工具應用方面還必須積累經驗和提高操作水平。●
