高管激励的方式选择与结构设计不仅是现代公司治理的核心问题,也是社会收入分配中的重点与难点问题。近年来,社会公众对于高管激励效率及合理性的质疑从未停歇。为此,国家多次颁布了相关法令进行行政管制,同时企业也从管理实践的角度做出了诸多尝试和改进。从1993年实施股权激励的我国第一家上市公司万科开始,上海家化、泸州老窖、蒙牛乳业、科大讯飞、乐鑫科技等诸多企业均根据其面临的不同成长阶段推出了不同的股权或现金激励方案。其中,最典型的是经历了国有和民营所有权性质转变的上海家化。为了充分发挥薪酬契约的激励效应,公司在2006—2012年期间先后五次调整股权激励方案,最终获得了市场认可和相对长效的业绩提升[1]。根据国泰安数据库数据,截至2023年6月,中国沪深两市共有5 223家上市公司。其中,2 468家公司发布过至少1次股权激励计划(即激励方式从现金激励调整为股权激励),833家公司发布过2次以上的股权激励计划,另有933家公司发布过股票期权激励调整公告,超过1 500家公司发布过现金激励方案调整公告。不同的高管激励方式的激励效果存在明显差异,现金激励在公司战略变革[2]、资源配置[3]等特定目标激励方面效果显著,股权激励则更有助于远景目标的实现[4],但两种激励方式都能够缓解公司代理问题,提升会计信息质量。然而,过大的现金或股权激励,也可能是股东与高管“共谋”的结果[5]。
会计信息质量是评估高管激励效果的重要维度。人力资本理论和信号理论指出,高管为了对超额薪酬的合理性进行辩护,往往愿意更多地披露公司战略、社会责任等相关信息,提升公司的会计信息质量[6]。Jensen &Meckling[7]基于最优契约理论假说认为,股权激励能够有效缓解股东与管理层之间的代理问题,实现二者的长期利益协同,并有助于抑制财务重述等会计信息操纵行为。Nagara et al.[8]发现,股权激励可以促使高管更愿意分享公司的经营状况和预期收入等私有信息,以避免因信息不对称导致的价格错配风险或者因隐藏坏消息带来的诉讼风险。He[9]指出,为CEO赋予内部债务式的薪酬可以激励其提交高质量的财务报告。付强等[10]也证实了高管股权激励可以有效提高公司盈余信息质量和自愿性信息披露水平,进而提升公司会计信息质量。与此同时,不少学者认为,过高的现金或股权激励也可能是高管权力膨胀后“自定薪酬”的结果,这会进一步恶化公司的代理问题。例如,张勇[11]研究发现,高管超额薪酬水平越高,企业会计信息的可比性越低,这一现象在非国有企业中尤为严重。刘红霞、孙雅男[12]指出,有历史亏损“包袱”的企业更容易发生大股东掏空行为,为了诱使高管合谋,董事会更愿意为其支付超额薪酬。此时,高管也更愿意配合大股东进行盈余管理,导致公司会计信息质量降低。吕长江等[13]发现,当公司治理水平较低时,缺乏监管的高管很有可能会干涉董事会的薪酬决议过程并制定出利己的“福利型”股权激励方案,进而恶化代理问题,给会计信息质量带来负面影响。当然,上述文献也强调,激励方案可能引发的代理问题主要源于公司治理的缺失,如果监管到位,薪酬方案设计合理,代理问题能够得到有效解决。
对会计信息质量进一步延伸,高管行为可能会对公司股价崩盘风险产生重要影响。大量学者认为,上市公司发生股价崩盘的最直接原因是对坏消息的隐藏。由于公司承载坏消息的能力有限,一旦超载,集中释放的负面消息就会瞬间刺破股价泡沫,导致股价崩盘[14]。公司之所以能够隐藏坏消息,主要原因在于治理机制未能发挥应有的监管作用[15]。当高管权力未被有效约束时,其减持股票[16]、高商誉并购[17]等行为都有可能引发资本市场强烈的负面反应。因此,高管行为的适当性是防范企业风险的关键因素,而规范高管行为最有效的方式便是薪酬契约的引导与约束。双因素理论指出,工资和福利是保障基本生活需要的因素,提升这部分薪酬并不能使员工更加努力,但是如果这部分薪酬下降则会有损企业效率;职业发展机会、奖励性薪酬则属于激励因素,会带来企业绩效的提升。针对现金激励、股权激励等显性激励方式以及在职消费、政治晋升等隐性激励方式与股价崩盘风险的关系,国内外学者进行了大量研究。杨慧辉等[18]认为,股权激励是更具效率的激励方式,其一方面能够绑定企业所有者与高管的利益关系,另一方面也有利于引导高管关注公司的长远发展,促进企业绩效的提升;然而,过高的股权激励也容易引起管理者的机会主义行为,导致公司的信息披露质量下降。刘宝华等[19]发现,如果股权激励计划设置的行权业绩考核目标过高,就会给高管带来巨大的业绩压力,使他们有动机隐藏坏消息,推升公司未来股价崩盘风险。余玉苗等[20]强调,对于央企高管,在其工资、福利等受到约束的情况下,政治晋升是决定性的激励因素;而对于其他类型的企业来说,减少货币性薪酬可能会使高管通过增加在职消费来进行“自我补偿”,甚至会降低他们努力工作的意愿,导致企业面临较高的股价崩盘风险。
不难发现,不同激励方式的激励效应和作用机制存在着较大差异,已有文献虽探讨了高管特定激励方式的经济后果,但较少关注高管激励调整对高管行为的影响。由于现金薪酬与股权薪酬的激励目标存在差别,当企业调整两种激励方式的结构或比例时,势必会影响高管的行为,从而对股价造成冲击,推高股价崩盘风险。本文以中国上市公司为研究对象,实证检验了高管激励调整对公司股价崩盘风险的影响。相较已有文献,本文可能的边际贡献有两个。其一,丰富了高管薪酬理论的研究范畴。已有文献对高管股权激励、现金激励、在职消费和政治晋升等激励方式进行了总结和归纳,详细介绍了不同激励方式的设计框架、适用条件、激励效果等,但鲜有文献讨论高管激励调整所产生的经济后果。本文研究了高管激励调整的不同维度对会计信息质量及股价崩盘风险的影响,为评价中国薪酬激励体系的有效性提供了新的经验证据。其二,拓展了高管薪酬激励经济后果的研究深度。本文将会计信息质量作为渠道变量,实证分析了高管激励调整影响公司股价崩盘风险的潜在作用机制,进一步强化了激励机制设计、信息隐藏与股价崩盘风险的内在关系,为中国上市公司防范股价崩盘风险提供了一定的参考。
高管作为公司的领导者,决定着公司的战略规划、经营方针和其他重大工作事项。他们拥有天然的信息优势,而薪酬契约是公司引导高管遵循股东利益履行以上责任的重要手段。作为公司信息的知情人,高管的薪酬契约缔结方式决定了其将如何在个人利益和股东利益中做出权衡,并实施相应的行为策略。委托代理理论指出,获取信息可能需要昂贵的成本,因此大部分薪酬契约都是非对称信息条件下不同利益团体博弈的结果。此时,薪酬契约的激励效应在很大程度上取决于设计动机和博弈各方的利益取向[1]。博弈理论认为,参与者在单次博弈和多次博弈条件下的决策行为存在着重大差异,造成这一结果的原因是两种博弈中双方的期望价值明显不同[21]。在单次博弈条件下,博弈双方无任何先验信息,且无法甄别现有信息的真伪,任何一方只要有机会就会采取“损人利己”的策略以实现收益最大化。相比之下,多次博弈的参与双方更看重长远价值,其行为更加遵循补偿性法则,任何欺骗、违约行为都会形成“信用记忆”并在下一次博弈中受到惩罚,因此博弈双方更倾向于合作共赢。
高管激励调整意味着高管和董事会至少经过一次博弈,且双方还可能持续博弈下去。因此,博弈双方更倾向于共享信息而非隐藏负面消息以保证交易的顺利进行。张行、常崇江[22]认为,公司董事会存在着较强的“学习效应”,随着博弈的深入,他们会通过考察以往业绩考核周期中高管的业绩反馈对高管薪酬进行相机调整,以便出台更有效率的激励方案。不仅如此,权变理论也指出,企业的管理实践原本就置身于动态调整的情境中,因此并不存在“放之四海皆准”的最优行为策略和激励方案[23]。因此,公司调整高管激励方式意味着董事会找到了更有效的激励方式[24]。这一观点也得到了很多学者的证实,如陈文强、王成方[25]就指出,股权激励方式应与企业生命周期适配,处在不同发展阶段的企业对股权激励方式存在异质性偏好,因此企业应根据其所处发展阶段的治理重心和激励目标,灵活调整激励方式。此外,也有研究发现不仅基于公司层面的主动性薪酬调整会带来积极的影响,那些基于国家行政干预的被动性薪酬调整也会对公司股价崩盘风险产生抑制性作用。李健欣等[26]发现,“限薪令”和“八项规定”等行政命令可以有效减少国企高管在职消费、盈余操纵以及隐藏负面消息等行为,进而降低股价崩盘风险。基于此,本文提出以下研究假说。
H1:高管激励调整会显著降低公司的股价崩盘风险。
从高管激励调整的方向来看,大多数企业的高管都经历了从单一的现金薪酬激励逐步到“现金+股权”等多元激励的过程。向高管授予股权有助于缓解公司所有者与高管之间的代理问题,使高管站在股东的立场上思考企业的长远发展,减少坏消息隐藏[27]。付强等[10]的经验证据也表明,提高管理层股权激励薪酬比重可以降低应计盈余管理程度,提升管理层自愿性业绩预测的披露倾向、频率、精度和准确度,有效增强公司信息透明度,进而缓解公司股价崩盘风险[24]。
从高管激励调整的频次来看,如前文博弈理论所述,有调整和惩罚措施的多次博弈将促使高管和董事会双方更尊重契约规则,也更容易获得最优薪酬策略[21]。因此,公司调整高管激励方式的频次越高,说明双方越有决心修正不当条款,信息透明度也越高。同时,该调整行为本身也会对高管产生较强的约束力和威慑力,让高管意识到“董事会履行了强有力的监管责任”[24],使他们在进行盈余管理或者瞒报坏信息时有所畏惧,促进会计信息质量的提升,进而降低公司股价崩盘风险。
基于此,本文提出以下两个研究假说。
H2:当高管激励由现金调整为股权方式时,股价崩盘风险将显著降低。
H3:高管激励调整的频次越高,公司股价崩盘风险越低。
中国第一部约束股权激励的法规《上市公司股权激励管理办法(试行)》于2006年1月1日开始实施,上市公司进行激励调整也大多发生在2006年之后,因此本文选取2006—2020年中国沪深A股上市公司作为研究对象。由于高管激励调整变量需要用到相邻两期数据的差值以及股价崩盘风险变量需要滞后一期,本文其他变量的数据区间为2007—2020年。以上数据均来自国泰安数据库并配合手工整理。此外,为了保证数据的有效性,本文借鉴杨威等[17]、刘宝华等[19]等学者的思路对样本进行如下处理:(1)删除数据缺失样本;(2)剔除每年交易周数小于30周的样本;(3)删除金融行业样本。经过以上筛选,本文最终得到145 006个观测值。为避免异常值的影响,本文对连续变量进行了1%和99%分位点的缩尾处理。同时,为统一量纲,将取值范围过大的变量进行去中心化处理。
1.被解释变量:股价崩盘风险
股价崩盘风险(CrashRisk)最常用的度量指标有周收益负偏态系数(NCSKEW)和周收益率的上下波动比例(DUVOL)。借鉴杨威等[17]的做法,本文先构建上市公司i第t期股价收益率对其前、后两期市场收益率的回归模型,并保留残差,然后将该残差加1后的自然对数值作为个股的特质收益率R,最后根据以下模型计算周收益负偏态系数(NCSKEW)。
(1)
其中,n为交易周数。该指标数值越大,崩盘风险越高。同理,可根据以下模型计算周收益负偏态系数(DUVOL)。
DUVOLi,t=
(2)
其中,nu(nd)为个股特质周收益率高于(低于)其均值的周数。考虑到企业特征、高管行为等因素对股价崩盘风险的影响具有滞后性,以上变量作为被解释变量时,均取滞后一期进行回归。
2.解释变量:高管激励调整
本文聚焦的高管,包括上市公司总经理、厂长、财务负责人、董事会秘书以及公司章程规定的其他人员。高管激励调整(Change)是指上市公司高管现金激励方式和股权激励方式之间的调整①。笔者通过多次电话访谈和阅读大量公司的员工股权激励计划发现,大多数公司都会为股权激励计划设定一个行权的总目标,然后根据不同职能部门的特点和战略定位对总目标进行指标分解,当负责该部门的高管未能完成当年的分解业绩指标时将无法行权,甚至可能会被暂停授予下一期的股权激励。国泰安数据库数据显示,在股权激励实施周期内,多数公司每年授予股权的人数和对象都有着较大的差异,这种微观层面的调整将对每一位高管的行为产生重大影响。
因此,本文从高管个体层面收集整理了样本期内激励方式的变化情况,从三个层次同时捕捉高管激励调整行为、调整方式和调整频次的基本情况。首先,考察高管激励调整行为(Change1),若本期与上期相比高管激励方式发生了变化,变量取值为1,否则为0。其次,考察高管激励调整的方式(Change2),若本期由现金激励调整为股权激励,变量取值为1,反之则取值为-1;若本期与上期相比激励方式无变化,变量取值为0。最后,考察高管激励调整的频次(Change3),具体取值为截至观测年高管激励调整的累计次数。
3.中介变量:会计信息质量
衡量会计信息质量的代理变量通常包括应计盈余管理、真实盈余管理、盈余激进度和盈余平滑度、深交所信息披露考评结果、信息披露质量KV指数等。其中,与盈余相关的指标来自对企业财务报告质量的评价,其他指标则立足于市场和第三方的评价。为了反映高管激励调整对高管行为的引导作用,本文选取应计盈余管理和真实盈余管理两类指标来反映公司的会计信息质量(AQ)。
本文采用修正的Jones模型估算可操控性应计盈余管理(DA),相关模型如下。
NDAt/At-1=ψ1(1/At-1)+ψ2[(ΔREVt-ΔRECt)/At-1]+ψ3(PPEt/At-1)
(3)
DAt=TAt-NDAt
(4)
其中,TA为总体应计利润,NDA为非可控性应计盈余,A为总资产,ΔREV为本期与上期主营业务收入之差,ΔREC为本期与上期应收账款净额之差,PPE为固定资产原值。由于应计盈余管理通常来源于时间性差异,只要样本涵盖的时间足够长,就会有∑NDA=∑TA。因此,在模型(3)回归中用TA值代入NDA,可得到拟合的NDA,可操控性应计盈余管理(DA)为模型(3)的残差。当DA大于0时,DA值越大,说明公司正向的应计盈余管理行为越多;反之,则说明负向的应计盈余管理行为越多。
借鉴Roychowdhury[28]的方法,本文从销售操纵(异常的经营净流量)、生产操纵(异常的生产成本)和酌量性费用操纵(异常的酌量性费用)三个角度考察企业的真实盈余管理程度。
CFOt/At-1=b1(1/At-1)+b2(RECt/At-1)+b3(ΔRECt/At-1)
(5)
其中,CFO为经营活动现金净流量,REC为营业收入。则异常经营净流量(Ab_CFO)为模型(5)的残差。
PRODt/At-1=τ1(1/At-1)+τ2RECt/At-1+τ3ΔRECt/At-1+τ4ΔRECt-1/At-1
(6)
其中,PROD是销售产品成本和存货变动成本之和,ΔREC是主营业务收入的变动金额。则异常生产成本(Ab_PROD)为模型(6)的残差。
DISEXPt/At-1=ω1(1/At-1)+ω2RECt-1/At-1
(7)
其中,DISEXP是管理费用(包括研发费用)与销售费用之和,REC为营业收入。则异常酌量性费用(Ab_DISEXP)为模型(7)的残差。
最后,计算真实盈余管理总量指标如下:
REM=Ab_PROD-Ab_CFO-Ab_DISEXP
(8)
当REM大于0时,REM值越大,正向真实盈余管理水平越高,反之则说明负向真实盈余管理水平越高。
4.控制变量
借鉴杨威等[17]和周蕾等[24]的做法,本文选取公司内部治理指数(Gov)、公司市值(Tobin_Q)、公司规模(Size)、经趋势调整的股票换手率(Turn)、周收益率的均值(RET)、周收益率的标准差(STD)、财务杠杆(LEV)、产权性质(SOE)、两权分离度(COS)作为控制变量。主要变量定义见表1。
表1 主要变量定义
变量类型变量名称变量符号变量说明被解释变量周收益负偏态系数NCSKEW-[n(n-1)3/2∑R3i,t]/[(n-1)(n-2)(∑R2i,t)3/2]周收益率的上下波动比例DUVOLln{[(nu-1)∑downR2i,t][(nd-1)∑upR2i,t]}高管激励调整行为Change1高管本期激励方式发生变化时取值为1,否则为0解释变量高管激励调整方式Change2高管本期由现金激励调整为股权激励,取值为1;反之,取值为-1;本期与上期相比无变化,取值为0高管激励调整频次Change3截至观测年高管激励调整的累计次数中介变量应计盈余管理DA采用修正的Jones模型计算真实盈余管理REM采用Roychowdhury模型计算公司内部治理指数Gov选取高管与董事长二职合一、独立董事比例、董事会规模、监事会规模、公司前三位高管薪酬对数、女性高管比例、女性董事比例、女性监事比例、独董工作地点与公司位置是否一致、前十大股东是否存在关联等变量进行主成分分析,再选取特征值大于1的主成分,最终构造出公司内部治理指数公司市值Tobin_Q公司市值与年末总资产的比值控制变量公司规模Size总资产的自然对数值经趋势调整的股票换手率Turn本年度股票月均换手率与上年度月均换手率之差周收益率的均值RET本年度经公司调整的股票周收益率平均值周收益率的标准差STD本年度经公司调整的股票周收益率的标准差财务杠杆LEV普通股每股收益变动率与息税前利润变动率的比值产权性质SOE当企业为国有企业时取值为1,否则为0两权分离度COS控股股东拥有上市公司控制权比例减去其持股比例
为了检验高管激励调整对股价崩盘风险的影响,本文构建模型(9)。
CrashRiski,t+1=α0+α1Changei,t+A′Controli,t+εi,t
(9)
其中,i表示上市公司,t表示时间,Control表示一系列控制变量,包括被解释变量的滞后一期,ε表示回归模型的残差项。此外,本文还控制了年度、地区和行业固定效应。
表2给出了变量的描述性统计结果。不难发现,Change1的均值为0.069 0,说明样本中有6.9%的高管经历过激励行为的调整;Change2的均值为0.018 2,标准差为0.262 1,变异系数为14.401 1,是所有变量中变异系数较大的一个,说明不同公司高管之间的激励调整状况存在着较大的差异。反映会计信息质量的变量DA和REM,其均值分别为0.011 8和-0.022 2,变异系数为10.025 4和6.833 3,说明各公司都或多或少地存在着盈余管理行为,并且盈余管理的方向和程度差异较大。此外,公司内部治理指数(Gov)、公司市值(Tobin_Q)、公司规模(Size)等变量的描述性统计结果符合预期,此处不再赘述。
表2 变量的描述性统计结果
变量观测值均值标准差最小值最大值NCSKEW1450060.23070.9247-5.96054.6276DUVOL1450060.42330.7520-3.38273.9771Change11450060.06900.253501Change21450060.01820.2621-11Change31450060.25460.8451019DA1450060.01180.1183-1.45351.9890REM145006-0.02220.1517-1.29341.8705Gov145006-0.15084.6367-12.449319.7344Tobin_Q1450062.01991.39950.683769.6616Size14500621.97161.165915.890328.2508Turn1450061.126023.6586-122.1455200.1374RET145006-0.00230.0088-0.04100.0607STD1450060.06370.02510.01530.2582LEV1450060.00001.0000-0.4348142.1901SOE1450060.41070.492001COS1450065.16487.81720.000063.8124
表3报告了高管激励调整影响公司股价崩盘风险的回归结果。列(1)和列(2)显示,Change1在1%的水平下显著且系数为负,即当发生高管激励调整行为时,公司的股价崩盘风险会显著降低,H1成立。列(3)和列(4)显示,Change2在1%的水平下显著且系数为负,即当高管的激励由现金薪酬调整为股票期权方式时,公司的股价崩盘风险会显著降低,H2成立。也就是说,在防范公司风险方面,长期激励比短期激励更加有效。另外,考虑到中国普遍存在着大股东控制的情况,因此薪酬激励方案的设计和调整可能会受到大股东与高管两个不同利益团体的共同影响从而损失效率[4]。在这种前提下,激励调整可能并不是效率的改进而是利益博弈的结果。为了排除这种可能性,本文进一步选用累计变量进行实证检验。如果样本中因利益博弈而产生的激励调整占据主体地位,那么调整次数越多,效率越低,此时Change3将很难发挥抑制作用,甚至可能与股价崩盘风险正相关。列(5)和列(6)显示,Change3至少在5%的水平下显著且系数为负,说明大多数的高管激励调整实现了效率改进。正如前文博弈理论的预测,多次调整高管激励更有利于获得最优的薪酬策略,充分发挥激励效应,进而降低公司股价崩盘风险,H3成立。
表3 高管激励调整影响股价崩盘风险的基准回归结果
变量NCSKEW+1(1)DUVOL+1(2)NCSKEW+1(3)DUVOL+1(4)NCSKEW+1(5)DUVOL+1(6)Change1-0.0122∗∗∗(0.0033)-0.0253∗∗∗(0.0070)Change2-0.0234∗∗∗(0.0032)-0.0512∗∗∗(0.0067)Change3-0.0037∗∗∗(0.0010)-0.0076∗∗(0.0021)NCSKEW/DUVOL0.0240∗∗∗(0.0013)0.0569∗∗∗(0.0038)0.0241∗∗∗(0.0013)0.0572∗∗∗(0.0038)0.0240∗∗∗(0.0013)0.0569∗∗∗(0.0038)Gov-0.0009∗∗∗(0.0003)-0.0020∗∗∗(0.0006)-0.0009∗∗∗(0.0003)-0.0020∗∗∗(0.0006)-0.0009∗∗∗(0.0003)-0.0020∗∗∗(0.0006)Tobin_Q0.0077∗∗∗(0.0007)0.0172∗∗∗(0.0015)0.0077∗∗∗(0.0007)0.0171∗∗∗(0.0015)0.0078∗∗∗(0.0007)0.0174∗∗∗(0.0015)Size0.0032∗∗∗(0.0009)0.0076∗∗∗(0.0019)0.0031∗∗∗(0.0009)0.0074∗∗∗(0.0019)0.0033∗∗∗(0.0009)0.0077∗∗∗(0.0019)Turn0.0006(0.0012)0.0008(0.0025)0.0006(0.0012)0.0008(0.0025)0.0006(0.0012)0.0008(0.0025)RET2.4683∗∗∗(0.1600)5.4560∗∗∗(0.3780)2.4904∗∗∗(0.1601)5.5135∗∗∗(0.3780)2.4663∗∗∗(0.1600)5.4517∗∗∗(0.3780)STD1.2993∗∗∗(0.0604)2.7143∗∗∗(0.1285)1.2989∗∗∗(0.0604)2.7138∗∗∗(0.1285)1.2980∗∗∗(0.0604)2.7116∗∗∗(0.1285)LEV-0.0035∗∗∗(0.0008)-0.0075∗∗∗(0.0018)-0.0034∗∗∗(0.0008)-0.0075∗∗∗(0.0018)-0.0035∗∗∗(0.0008)-0.0075∗∗(0.0018)SOE0.0089∗∗∗(0.0021)0.0186∗∗∗(0.0044)0.0091∗∗∗(0.0021)0.0189∗∗∗(0.0044)0.0089∗∗∗(0.0021)0.0186∗∗∗(0.0044)COS-0.0002∗(0.0001)-0.0003(0.0002)-0.0002∗(0.0001)-0.0004(0.0002)-0.0002∗(0.0001)-0.0003(0.0002)行业、地区和年度固定效应是是是是是是常数项0.0908∗∗∗(0.0236)0.1226∗∗(0.0509)0.0928∗∗∗(0.0236)0.1262(0.0508)0.0902∗∗∗(0.0236)0.1212(0.0509)观测值145006145006145006145006145006145006调整后R20.24120.23150.24150.23170.24120.2315
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误。
进一步地,本文还检验了高管激励调整次数与股价崩盘风险变量是否存在“U”型关系。实证结果显示,高管激励调整的平方项并不显著②,说明我国上市公司的高管激励调整行为在整体上是富有效率的。
1.工具变量法
前文所讨论的问题可能存在着互为因果的内生性:一方面,公司调整高管激励有利于缓解代理问题,降低股价崩盘风险;另一方面,股价崩盘风险小的企业可能有更高的治理水平,更容易有效驾驭多样化的激励方式组合和更高效的方案调整。为缓解该内生性问题,本文选取年度内公司薪酬委员会召开会议的次数(IV)作为工具变量进行实证检验。一般来说,公司调整高管激励需要召开薪酬委员会会议进行商讨,尤其是股权激励的授予或者终止,董事会更是需要仔细斟酌、多次商讨才能决策和实施。因此,薪酬委员会的会议次数与高管激励调整强相关,但从逻辑上来说其与公司的股价崩盘风险并无直接关联。为进一步验证工具变量的有效性,本文对变量NCSKEW、Change1、Change2、Change3和IV进行相关性检验,发现IV与Change1、Change2、Change3的相关系数分别为0.066 0、0.051 5和0.072 3,对应的 p值均为0.000 0,而IV与NCSKEW的相关系数为0.001 0,对应的p值为0.708 2,即IV与NCSKEW不存在显著的相关性,但与Change1、Change2、Change3显著正相关,符合工具变量的基本条件。表4列示了两阶段最小二乘法(2SLS)的回归结果。
表4 工具变量法回归结果
变量Change1NCSKEWChange2NCSKEWChange3NCSKEW第一阶段(1)第二阶段(2)第一阶段(3)第二阶段(4)第一阶段(5)第二阶段(6)IV0.0113∗∗∗(0.0007)0.0124∗∗∗(0.0007)0.0431∗∗∗(0.0023)Change-0.5764∗∗∗(0.1625)-0.5240∗∗∗(0.1474)-0.1506∗∗∗(0.0422)控制变量是是是是是是常数项-0.1517∗∗∗(0.0185)3.5058∗∗∗(0.0564)0.0243(0.0192)3.6060∗∗∗(0.0496)-0.6893(0.0613)3.4894∗∗∗(0.0584)观测值145006145006145006145006145006145006调整后R20.45770.45950.4645
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(2)中为Change1,在列(4)中为Change2,在列(6)中为Change3。
具体而言,列(1)、列(3)和列(5)结果显示,第一阶段回归中,IV均在1%的水平下显著且系数为正;同时,第一阶段的F统计量分别为39.98、17.31、56.05,均大于10,排除了IV是弱工具变量的可能性。列(2)、列(4)和列(6)所列示的第二阶段回归结果表明,Change1、Change2、Change3对NCSKEW具有显著的抑制作用。类似的,将NCSKEW替换为DUVOL重复上述回归模型,主要结论仍然保持不变③,说明本文的研究结论是高度稳健的。
2.倾向得分匹配(PSM)
为了控制其他因素的影响,缓解样本可能存在的自选择偏差等内生性问题,本文采用PSM方法筛选处理组和对照组样本进行检验。将上市公司是否发生高管激励调整作为分组标准。为了最大限度地保留数据体量,按照1∶3的比例筛选对照组。同时,选取公司市值、公司规模、经趋势调整的股票换手率、周收益率的均值、周收益率的标准差、两权分离度等变量作为逻辑回归的控制变量,最终得到27 343个观测值。匹配之后,所有变量的标准偏误的绝对值都在5%以内,且显著性检验中p值均不再显著④。匹配之后,处理组样本与对照组样本已无明显差异,通过了平衡性假设检验。表5列示了基于PSM样本的回归结果,不难发现,核心变量Change1、Change2、Change3的系数符号和变量的显著性水平均与前文保持一致,即本文的主要结论依然成立,说明本文的基准回归结果是稳健的。
表5 PSM回归结果
变量NCSKEW+1(1)DUVOL+1(2)NCSKEW+1(3)DUVOL+1(4)NCSKEW+1(5)DUVOL+1(6)Change-0.0126∗∗∗(0.0039)-0.0255∗∗∗(0.0084)-0.0215∗∗∗(0.0032)-0.0470∗∗∗(0.0068)-0.0031∗∗(0.0015)-0.0062∗∗(0.0031)控制变量是是是是是是常数项-0.2390∗∗∗(0.5637)-0.5987∗∗∗(0.1215)-0.2366∗∗∗(0.0563)-0.5960∗∗∗(0.1214)-0.2394∗∗∗(0.0564)-0.5997∗∗∗(0.1215)观测值273432734327343273432734327343调整后R20.26200.25270.26290.25370.26180.2525
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(1)和列(2)中为Change1,在列(3)和列(4)中为Change2,在列(5)和列(6)中为Change3。
理论上讲,高管激励调整的主要目的是缓解代理问题,而代理问题中最核心的内容就是信息不对称。如果信息不对称发生在交易事项之前,则可能产生逆向选择;如果发生在交易事项之后,则可能发生道德风险。逆向选择将导致能力不足的高管选择隐藏不利消息,而道德风险将会令高管不履行勤勉义务和进行在职消费。以上两种风险都会对高管的执业能力产生负面影响,能力不足的高管还会有更大的可能性进行盈余管理以满足相关契约的约束。高管激励调整传递与反馈了一个良好的信号。企业通过激励调整一方面可以奖励能力出众的高管促使其更努力,并乐于分享企业信息;另一方面可以惩罚能力不足或者懒惰的高管,对其产生震慑作用,降低其隐藏负面消息的概率。因此,高管激励调整很可能是通过改善信息不对称来缓解股价崩盘风险的。
为了检验上述机制,本文构建中介效应模型如下。
AQi,t+1=β0+β1Changei,t+B′Controli,t+ξi,t
(10)
CrashRiski,t+1=θ0+θ1AQi,t+C′Controli,t+τi,t
(11)
CrashRiski,t+1=μ0+μ1Changei,t+μ2AQi,t+D′Controli,t+σi,t
(12)
如果式(12)中μ1、μ2所对应的变量均显著,且|μ1|<|β1|,则说明会计信息质量发挥着部分中介效应;如果μ1所对应的变量不显著,则说明高管激励调整完全通过提升会计信息质量降低公司股价崩盘风险,即会计信息质量发挥着完全中介效应。
表6的列(1)显示,实施正向的真实盈余管理会显著提高公司股价崩盘风险,但应计盈余管理对公司股价崩盘风险并没有显著的影响。这一结果从公司风险的角度证实了大多数学者的猜想——真实盈余管理远比应计盈余管理的危害性更大[28]。因此,后文不再讨论高管激励调整与应计盈余管理的关系。此外,高管进行盈余管理的动机有很多,针对不同的目的,他们通常会选择不同的盈余管理方向。一般来说,如果企业真实的经济效益比较好,高管出于避税、平滑各期利润等目的,就可能会实施向下的盈余管理;但如果企业经济效益不够好,或者高管为了获得目标奖励,就可能会更愿意实施向上的盈余管理。因此,从股价崩盘风险和隐藏坏消息的角度来说,虽然同为盈余管理,但是向上盈余管理比向下盈余管理面临的风险要高得多,企业的实际状况会更差。基于此,本文进一步检验董事会调整高管激励是否可以抑制正向的真实盈余管理行为。表6的列(2)~列(4)显示,Change1、Change2、Change3在1%的水平下均显著且系数均为负,说明高管激励调整将使得高管的行为更加审慎,有利于抑制他们进行真实盈余管理的意愿,缓解信息不对称导致的委托代理问题。表6的列(5)~列(7)显示,Change1、Change2、Change3均在1%的水平下显著,系数分别为-0.011 8、-0.023 2和-0.003 5,其绝对值分别小于表3中列(1)、列(3)和列(5)的系数-0.012 2、-0.023 4和-0.003 7的绝对值。这大致说明,部分中介效应成立,即高管激励调整之所以能够显著降低股价崩盘风险,部分原因在于前者在抑制真实盈余管理行为、提升会计信息质量方面发挥了积极作用,从而降低了股价崩盘风险。
表6 基于三步法的中介效应检验结果
变量NCSKEW+1(1)REM(2)REM(3)REM(4)NCSKEW+1(5)NCSKEW+1(6)NCSKEW+1(7)DA-0.0074(0.0080)-0.0072∗∗∗(0.0080)-0.0068(0.0080)-0.0071∗∗∗(0.0080)REM0.0430∗∗∗(0.0065)0.0425∗∗∗(0.0065)0.0424∗∗∗(0.0065)0.0423∗∗∗(0.0065)Change-0.0101∗∗∗(0.0015)-0.0039∗∗∗(0.0014)-0.0049∗∗∗(0.0005)-0.0118∗∗∗(0.0033)-0.0232∗∗∗(0.0032)-0.0035∗∗∗(0.0010)控制变量是是是是是是是常数项0.1009∗∗∗(0.2362)-0.2199∗∗∗(0.0107)-0.2215∗∗∗(0.0109)-0.2219∗∗∗(0.0107)0.0988(0.0236)0.1008(0.0236)0.0982∗∗∗(0.0236)观测值145006145006145006145006145006145006145006调整后R20.24140.10820.10800.10870.24150.24170.2415
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(2)和列(5)中为Change1,在列(3)和列(6)中为Change2,在列(4)和列(7)中为Change3。
由于近年来部分学者质疑中介效应模型的有效性,本文进一步采用分组方式来检验真实盈余管理的中介效应。如果高管激励调整确实可以抑制真实盈余管理行为,那么在真实盈余管理较高组(即会计信息质量较差组),高管激励调整对股价崩盘风险的抑制作用应该更加显著。本文对REM取绝对值,并按照其5%分位和95%分位进行分组,分组回归结果如表7所示。
表7 基于REM分组的中介效应检验结果
变量NCSKEW+1NCSKEW+1低REM组高REM组(1)(2)(3)(4)(5)(6)Change0.0218(0.0191)0.0142(0.0183)0.0014(0.0017)-0.0362∗∗(0.0165)-0.0749∗∗∗(0.0158)-0.0089∗(0.0050) 控制变量是是是是是是常数项0.5357∗∗∗(0.1345)0.5358∗∗∗(0.1345)0.0750(0.0392)0.7049∗∗∗(0.1322)0.7279∗∗∗(0.1312)0.7141∗∗∗(0.1320)观测值566556655665419541954195调整后R20.28800.28790.24110.32310.32600.3229
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(1)和列(4)中为Change1,在列(2)和列(5)中为Change2,在列(3)和列(6)中为Change3。
具体来说,表7的列(1)~列(3)显示,在真实盈余管理最少的5%的样本(低REM组)中,Change1、Change2、Change3均不显著,即当公司的会计信息质量较高时(企业隐藏坏消息的概率较小),高管激励调整并不能显著抑制股价崩盘风险。同时,表7的列(4)~列(6)显示,在真实盈余管理最多的5%的样本(高REM组)中,Change1、Change2、Change3均至少在10%的水平下显著且系数均为负,模型的拟合优度是所有模型中最大的,说明当公司的会计信息质量较低时,高管激励调整可以显著地抑制股价崩盘风险。这再次证明,会计信息质量确实在高管激励调整与公司股价崩盘风险的关系中发挥着中介作用。
1.基于企业生命周期的异质性分析
处于不同生命周期的企业,其经营模式和发展策略通常存在差异。初创期企业没有稳定的客户群体,风险承担能力较弱,经营策略较为保守,信息披露水平同样较低。成长期企业需要吸纳资金扩大生产规模,有动机披露更多的信息以获得投资者的信任,企业信息披露程度相对较高[25]。成熟期企业的生产经营模式日趋完善,治理结构不断优化,盈利能力稳定,更愿意披露盈利预测、社会责任等相关信息,抗风险能力较强。衰退期企业一般存在严重的经营问题,内部组织僵化,管理层隐藏坏消息的概率较大,存在较高的经营失败风险[29]。陈文强、王成方[25]指出,处在不同发展阶段的企业在高管激励方式的选择上存在异质性偏好。因此,处于不同生命周期的企业,其高管激励调整对股价崩盘风险的影响也可能有所不同。本文借鉴陈文强、王成方[25]的做法,采用现金流模式法将企业生命周期划分为成长期、成熟期和衰退期三个阶段,对比不同发展阶段高管激励调整对公司股价崩盘风险的差异化影响。
表8显示⑤,对于处在成长期或成熟期的企业,Change1、Change2均至少在10%的水平下显著且系数为负,即处于这两个阶段企业的高管激励调整可以显著抑制公司股价崩盘风险。但是对于处在衰退期的企业,Change1、Change2对NCSKEW的影响均不显著,即高管激励调整行为未发挥风险缓释效果,说明对衰退期的企业进行高管激励调整难以缓解公司代理问题,公司股价崩盘风险的治理无效。
表8 基于企业生命周期的异质性分析回归结果
变量NCSKEW+1NCSKEW+1NCSKEW+1成长期成熟期衰退期(1)(2)(3)(4)(5)(6)Change-0.0209∗∗∗(0.0046)-0.0325∗∗∗(0.0044)-0.0058∗(0.0056) -0.0201∗∗∗(0.0054)-0.0002(0.0090)-0.0003(0.0085)控制变量是是是是是是常数项0.1728∗∗∗(0.036)0.1768∗∗∗(0.036)0.077∗∗(0.0385)0.0782∗∗(0.0384)0.0085(0.0606)0.0086(0.0605)观测值660436604354052540522378723787调整后R20.24900.24940.23150.23170.29740.2974
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(1)、列(3)和列(5)中为Change1,在列(2)、列(4)和列(6)中为Change2。
2.基于分析师关注度的异质性分析
分析师关注是促进上市公司与投资者之间高质量信息互动的桥梁。一方面,较高的分析师关注度有助于约束企业盈余管理行为,缓解代理问题,提高企业会计信息质量;另一方面,证券分析师具备较强的信息加工与信息传播能力,可以帮助投资者更为精确地了解公司基本面信息[30],避免其盲目追涨杀跌,降低公司股价巨幅震荡风险。因此,分析师关注度不同的企业,高管激励调整对公司股价崩盘风险的影响可能存在差异。本文将分析师关注度的25%分位点作为分组标准,分组回归结果见表9。
表9 基于分析师关注度的异质性分析回归结果
变量NCSKEW+1NCSKEW+1分析师关注度高于25%分位点分析师关注度低于25%分位点(1)(2)(3)(4)(5)(6)Change-0.0189∗∗∗(-0.0036)-0.0291∗∗∗(0.0035)-0.0053∗∗∗(0.0011)0.0099(0.0073)-0.0040(0.0071)0.0044∗(0.0024)控制变量是是是是是是常数项0.152∗∗(0.029)0.1553∗∗(0.029)0.1518∗∗∗(-0.029)0.1728∗∗∗(0.036)0.1768∗∗∗(0.036)0.170∗∗∗(0.036)观测值101081101081101081428014280142801调整后R20.22930.22960.22930.28730.28730.2874
注:***、**和*分别表示在1%、5%和10%的水平下显著;括号内为回归系数的标准误;Change在列(1)和列(4)中为Change1,在列(2)和列(5)中为Change2,在列(3)和列(6)中为Change3。
列(1)~列(3)显示,在分析师关注度高于25%分位点的样本中,Change1、Change2、Change3均在1%的水平下显著且系数为负,即当分析师关注度较高、外部监管较强时,高管激励调整可以显著抑制公司股价崩盘风险。列(4)~列(6)显示,在分析师关注度低于25%分位点的样本中,Change1和Change2并不显著,Change3甚至显著且系数为正。这说明,当公司面临的外部监管较弱时,高管激励调整可能是公司代理问题的产物,不仅无法缓解信息不对称问题,甚至可能会推高公司股价崩盘风险。
本文以2007—2020年中国沪深A股上市公司为研究对象,讨论了高管激励调整对股价崩盘风险的影响,并得到以下结论。
第一,高管激励调整可以显著抑制公司股价崩盘风险。高管激励调整意味着董事会与高管之间经历了一次以上的博弈,根据博弈理论,有调整和惩罚措施的多次博弈使得交易双方更加尊重交易规则,同时也使高管意识到自己置身于董事会强有力的监管之下,大大降低了高管隐藏负面消息的概率,进而对抑制股价崩盘风险发挥了积极的作用。进一步地,当高管激励方式由现金薪酬调整为股票期权时,公司股价崩盘风险会显著降低,即在防控公司市值风险方面,长期激励比短期激励更为有效。此外,考虑到中国普遍存在着大股东控制的情况,薪酬调整也可能是利益博弈的结果而非效率的改进。因此,调整频次越高说明效率越低。为了排除这种情况,本文进一步检验了高管激励调整频次与股价崩盘风险的关系,发现两者显著负相关,说明中国上市公司的激励调整行为整体上是富有效率的,经过多次调整后基本能够得到满意的薪酬方案,有效缓解代理问题,进而抑制股价崩盘风险。
第二,会计信息质量在高管激励调整与公司股价崩盘风险的关系中发挥了部分中介作用。真实盈余管理要比应计盈余管理更易于推高公司股价崩盘风险,而高管的激励调整行为可以有效抑制正向的真实盈余管理行为。这是因为,高管激励调整在一定程度上向市场传达出一个良好的信号。企业通过激励调整一方面可以发挥激励效应,使业绩出众的高管更愿意分享相关信息,另一方面可以发挥惩戒效应,使能力不足或者懒惰的高管有所畏惧,降低其隐藏负面消息的概率,进而抑制公司股价崩盘风险。
第三,处于不同生命周期和不同分析师关注度的企业,高管激励调整的影响存在显著差异。在处于成长期或成熟期的企业以及分析师关注度较高的企业中,调整高管激励方式、频次以及授予高管股权激励均能够显著抑制公司股价崩盘风险。然而,在处于衰退期或者分析师关注度较低的企业中,高管激励调整几乎是失效的,对于缓解公司代理问题毫无裨益,也无法显著抑制公司股价崩盘风险。
基于上述研究结论,本文提出如下政策建议。
第一,公司应建立相对灵活的薪酬激励长效机制。高管激励方案设计应立足于公司所处的行业特征、公司的战略目标、治理水平等实际情况,通过激励方案调整与考核目标的修订,对高管行为进行矫正,激发其工作积极性。同时,应根据企业所处的生命周期,设计合理的高管激励措施。在成长期或成熟期,企业可以采用与业绩相关的激励模式,如股票期权或股权奖励等;在衰退期,企业应慎重考察高管激励方式的合理性和有效性,避免因内部人控制而产生自定薪酬的现象。此外,企业在制定高管激励调整方案之前,应加强内部控制体系建设,缓解公司代理问题,减少公司股价崩盘风险。
第二,薪酬方案的设计应关注高管个体的差异,建立合理有效的奖惩制度。从本文的回归结果上看,高管行为很有可能会对企业的股价崩盘风险产生影响,因此高管激励方案中的业绩考核指标应考虑到不同部门、不同岗位的差异,设计出尽可能细致、公平的分解指标。另外,激励方案中不应只有“奖励”,还应有必要的“惩罚”,同时应考虑将公司的风险防范理念贯穿于激励方案的总目标和分解指标中。
第三,将提高会计信息质量作为防范化解公司股价崩盘风险的重要保障。理论界与实务界普遍认为,隐藏负面消息是引发股价崩盘风险最直接的原因。无论学者们从何种角度切入,最终都要考虑会计信息质量的影响。因此,提升会计信息质量,增强代理双方的信息透明度,是化解股价崩盘风险最基础和最重要的手段。提升会计信息质量一方面依赖企业内部治理机制的健全与完善,另一方面也需要外部治理机制的监督与协作。例如,鼓励分析师、自媒体等相关财经专业人员在更多的平台上分享证券分析报告,减少公司与投资者之间的信息不对称,以维护资本市场的安全稳定。
注 释:
① 本文所关注的激励仅指发挥激励效应的现金红利和股票期权等, 不包括不受公司业绩考核指标影响的基本工资和福利等。
②③④ 由于篇幅所限,未列示具体的回归结果,留存备索。作者邮箱:atoni@163.com。
⑤ 由于篇幅所限,本部分仅列示Change1和Change2的回归结果,Change3的结果留存备索,邮箱同上。
[1]杨慧辉, 潘飞, 刘钰莹. 控制权变迁中的权力博弈与股权激励设计动机——基于上海家化的案例分析[J]. 财经研究, 2019(8): 140-152.
[2]黄永春, 晁一方, 彭荣. 高管团队薪酬差距、企业战略变革与突破性创新——内部控制的调节作用[J]. 科学学与科学技术管理, 2022(5): 161-177.
[3]尹夏楠, 明华, 耿建芳. 高管薪酬激励对企业资源配置效率的影响研究——基于产权性质和行业异质性视角[J]. 中国软科学,2021(Suppl.1): 260-267.
[4]许志勇, 王瑾, 张娜, 等.资产结构错配、激励机制与企业双元创新[J/OL].南开管理评论: 1-32[2024-01-27]. http://kns.cnki.net/kcms/detail/12.1288.F.20231213.1708.002.html.
[5]杜勇, 孙帆. 共同大股东与投资组合高管薪酬激励——兼论公司薪酬契约的“横向持股共谋理论”[J]. 财贸经济, 2023(11): 106-121.
[6]BAIK B, FARBER D B, LEE S S. CEO ability and management earnings forecasts[J]. Contemporary Accounting Research, 2011, 28(5): 1645-1668.
[7]JENSEN M C, MECKLING W H. Theory of the firm: managerial behavior, agency costs and ownership structure[J]. Journal of Financial Economics, 1976, 3(4): 305-360.
[8]NAGARA V, NANDA D, WYSOCKI P. Discretionary disclosure and stock-based incentives[J]. Journal of Accounting and Economics, 2003, 34(1/3): 283-309.
[9]HE G M. The effect of CEO inside debt holdings on financial reporting quality[J]. Review of Accounting Studies, 2015, 20(1): 501-536.
[10]付强, 扈文秀, 康华. 股权激励能提高上市公司信息透明度吗?——基于未来盈余反应系数的分析[J]. 经济管理, 2019(3): 174-192.
[11]张勇. 高管超额薪酬与企业会计信息可比性——基于薪酬辩护理论视角[J]. 会计与经济研究, 2020(3): 50-67.
[12]刘红霞, 孙雅男. 企业历史亏损会影响高管薪酬水平吗? [J]. 经济管理, 2019(12): 105-123.
[13]吕长江, 郑慧莲, 严明珠, 等. 上市公司股权激励制度设计:是激励还是福利? [J]. 管理世界, 2009(9): 133-147.
[14]KIM J B, LI Y, ZHANG L. Corporate tax avoidance and stock price crash risk: firm-level analysis[J]. Journal of Financial Economics, 2011, 100(3): 639-662.
[15]田利辉, 王可第. 社会责任信息披露的“掩饰效应”和上市公司崩盘风险——来自中国股票市场的DID-PSM分析[J]. 管理世界, 2017(11): 146-157.
[16]陈作华, 方红星, 王守海.董监高减持股份行为会加剧股价崩盘风险吗? [J]. 中国会计评论, 2018(2): 175-204.
[17]杨威, 宋敏, 冯科. 并购商誉、投资者过度反应与股价泡沫及崩盘[J]. 中国工业经济, 2018(6): 156-173.
[18]杨慧辉, 赵媛, 潘飞. 股权分置改革后上市公司股权激励的有效性——基于盈余管理的视角[J]. 经济管理, 2012(8): 65-75.
[19]刘宝华, 邱雪妹, 周微. 股权激励,行权业绩考核与股价崩盘风险[J]. 中国会计评论, 2020(2): 233-258.
[20]余玉苗, 徐慧慧, 周楷唐. 中央企业董事长任期、政治晋升激励与企业绩效[J]. 经济评论, 2020(2): 106-214.
[21]孙红月, 苏寅, 周坤, 等. 从风险决策中的多次博弈到单次博弈:量变还是质变? [J]. 心理科学进展, 2011(10): 1417-1425.
[22]张行, 常崇江. 不同继任模式下CEO任期对薪酬结构的影响研究——来自管理层权力、组合、学习和职业生涯效应的解释[J]. 南开管理评论, 2019(6): 188-199.
[23]WELLER I, HYMER C B, NYBERG A J. How matching creates value: cogs and wheels for human capital resources research[J]. Academy of Management Annals, 2019, 13(1): 188- 214.
[24]周蕾, 周萍华, 方岳. 高管薪酬结构调整与股价崩盘风险:“利益趋同”还是“堑壕防御”?[J]. 财贸研究, 2020(8): 87-98.
[25]陈文强, 王成方. 股权激励方式与企业生命周期的适应性匹配研究[J]. 会计研究, 2021 (6): 76-90.
[26]李健欣, 蒋华林, 马鹏. 国有企业高管薪酬与股价崩盘风险——“有效管制”还是“过度约束”?[J]. 中南财经政法大学学报, 2021(3): 58-79.
[27]张新一, 谢德仁, 崔宸瑜. 企业风险承担的微观机制设计——基于股权激励行权业绩条件达标难度的分析[J]. 经济学(季刊), 2024(1): 220-236.
[28]ROYCHOWDHURY S. Earnings management through real activities manipulation[J]. Journal of Accounting &Economics, 2006, 42(3): 335-370.
[29]WANG G, SINGH P. The evolution of CEO compensation over the organizational life cycle: a contingency explanation[J]. Human Resource Management Review, 2014, 24(2): 144-159.
[30]卞世博, 陈曜, 汪训孝. 高质量的互动可以提高股票市场定价效率吗?——基于“上证e互动”的研究[J]. 经济学(季刊), 2022(3): 749-772.