朱慧明，廖 萍，張曉昱，吳宣明

(湖南大學(xué)工商管理學(xué)院，長沙 410082)

0 引言

戰(zhàn)略風(fēng)險(xiǎn)的概念最早由kenneth R.Andrews于1971年在《公司戰(zhàn)略的概念》一書中提出。Janos Acs認(rèn)為在金融領(lǐng)域，戰(zhàn)略風(fēng)險(xiǎn)是企業(yè)收益受宏觀產(chǎn)業(yè)經(jīng)濟(jì)波動(dòng)影響而發(fā)生損失的可能性，并將其分為系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)，非系統(tǒng)風(fēng)險(xiǎn)可以通過分散投資來消除[1]。David Matheson認(rèn)為非系統(tǒng)風(fēng)險(xiǎn)的管理是戰(zhàn)略管理的核心問題，戰(zhàn)略風(fēng)險(xiǎn)必須進(jìn)行管理，企業(yè)只有積極面對(duì)風(fēng)險(xiǎn)才能成功。根據(jù)Faleye的定義，戰(zhàn)略風(fēng)險(xiǎn)是企業(yè)競爭態(tài)勢(shì)的變動(dòng)，包括競爭優(yōu)勢(shì)的減弱以及競爭地位的下降[2]。劉建國(2006)認(rèn)為戰(zhàn)略風(fēng)險(xiǎn)是企業(yè)整體損失的不確定性，是各種企業(yè)風(fēng)險(xiǎn)的集成[3]。鑒于戰(zhàn)略風(fēng)險(xiǎn)的復(fù)雜性，將其定義為一個(gè)企業(yè)在同行業(yè)中收益排名發(fā)生降低的可能性。

在對(duì)戰(zhàn)略風(fēng)險(xiǎn)與收益的關(guān)系研究上，國內(nèi)外廣泛使用均值方差方法，如Bowman(1980)用均值方差方法對(duì)美國85個(gè)產(chǎn)業(yè)驗(yàn)證得出大多數(shù)產(chǎn)業(yè)的風(fēng)險(xiǎn)和收益呈現(xiàn)負(fù)相關(guān)關(guān)系[4～5]。然而這種方法有很大的局限性：一是這種方法用的是企業(yè)自身的絕對(duì)值來衡量風(fēng)險(xiǎn)和收益，而沒有考慮企業(yè)之間相對(duì)位置的變動(dòng)對(duì)風(fēng)險(xiǎn)和收益的影響；二是這種方法忽略了對(duì)時(shí)間的敏感性，獨(dú)立于時(shí)間進(jìn)行研究。因此James和Timothy(1992)提出用序數(shù)空間理論對(duì)戰(zhàn)略風(fēng)險(xiǎn)進(jìn)行度量。賈增科,邱菀華(2009)對(duì)風(fēng)險(xiǎn)、信息與熵的關(guān)系進(jìn)行了初步探索，得出在某些系統(tǒng)中，熵與系統(tǒng)風(fēng)險(xiǎn)是對(duì)應(yīng)的，可以用熵來度量風(fēng)險(xiǎn)的結(jié)論[6]。James和Timothy(1992)利用序數(shù)空間熵理論研究了1968～1985年美國27家航空公司的風(fēng)險(xiǎn)與績效之間的關(guān)系，得出風(fēng)險(xiǎn)在一定程度上與公司的低績效有關(guān)[7]。而以上的研究均未考慮戰(zhàn)略參考集為動(dòng)態(tài)的情況。Chang(1996)從多元化和公司重組的視角研究了進(jìn)入、退出與財(cái)務(wù)績效之間的關(guān)系[8]。Chang、Singh(1999)研究了跨國公司進(jìn)入方式對(duì)資源整合的影響[9]。Powell(2010)在James和Timothy的研究基礎(chǔ)上提出了考慮企業(yè)年進(jìn)出率的RF方法[10]，此方法雖然也屬于序數(shù)空間理論，但沒有解決如何在考慮企業(yè)進(jìn)出情況下用信息熵度量企業(yè)戰(zhàn)略風(fēng)險(xiǎn)的問題。

針對(duì)以上問題，本文在信息熵理論的基礎(chǔ)上，利用中國紡織業(yè)上市企業(yè)數(shù)據(jù)，研究基于動(dòng)態(tài)參考集的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)與收益之間的關(guān)系，并進(jìn)行實(shí)證檢驗(yàn)。

1 基于動(dòng)態(tài)參考集的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)度量模型的建立

1.1 模型建立的假設(shè)條件

假設(shè)條件1：研究者有足夠的能力選擇合適的參考集。

假設(shè)條件2：管理者能夠詳細(xì)說明序數(shù)空間中風(fēng)險(xiǎn)度量的范圍。目前，大多數(shù)研究者采用諸如資產(chǎn)收益率、凈資產(chǎn)收益率等財(cái)務(wù)績效指標(biāo)作為風(fēng)險(xiǎn)度量的基礎(chǔ)。此外，技術(shù)的不確定性，戰(zhàn)略的不確定性，市場(chǎng)的不確定性和產(chǎn)品結(jié)構(gòu)相關(guān)的不確定性等也是風(fēng)險(xiǎn)的重要組成部分。

假設(shè)條件3：每個(gè)公司在某個(gè)時(shí)期的排名已知。每個(gè)公司在某一時(shí)期都有一個(gè)專屬自己的排名，從而避免了信息的模糊性。

1.2 模型的建立

1.2.1 參考集的選擇

為了測(cè)度戰(zhàn)略風(fēng)險(xiǎn)，首先要定義參考集。參考集的選擇是評(píng)估戰(zhàn)略風(fēng)險(xiǎn)必不可少的一個(gè)步驟，從戰(zhàn)略的視角出發(fā)，對(duì)風(fēng)險(xiǎn)-績效關(guān)系的研究也需要定義參考集作為研究的基礎(chǔ)，通常這樣定義：一組公司，他們生產(chǎn)的產(chǎn)品是可以相互替代的。在行業(yè)和市場(chǎng)確定的情況下，類似的技術(shù)有波士頓咨詢公司的成長-份額矩陣和份額-動(dòng)力矩陣。為了更加清楚的說明，“行業(yè)”和“參考集”這兩詞可以通用，但這并不意味著行業(yè)是唯一可選的參考集。

1.2.2 基于動(dòng)態(tài)參考集的熵模型

“熵”(entropy)表示變化的程度，1856年由德國物理學(xué)家K.Clausius提出。1870年L.Boltzmann用熵來描述分子運(yùn)動(dòng)的無序程度。量子理論的創(chuàng)始人E.Sehroedinge教授于1945年把熵引人到生物學(xué)領(lǐng)域。1948年N.Wiener和C.E.Shannon創(chuàng)立了信息熵，將消除的不確定性定義為信息。E.T.Jaynes在信息論中建立了極大熵準(zhǔn)則，有效地將現(xiàn)實(shí)世界的現(xiàn)象與概率分布聯(lián)系起來?；趧?dòng)態(tài)參考集的熵模型如下：

首先，選定一個(gè)行業(yè)，將其所有的企業(yè)作為一個(gè)戰(zhàn)略系統(tǒng)參考集。觀察第i個(gè)公司從t0到tm時(shí)間段上的排名變化，假設(shè)時(shí)間從t0到tm，指標(biāo)排名由j到k。如果該公司是當(dāng)年新進(jìn)入的，則假設(shè)其在進(jìn)入之前的排名為0；相反，如果當(dāng)年有公司退出，則假設(shè)其之后的排名為0。也就是說，指標(biāo)排名從0-j代表當(dāng)年有公司進(jìn)入，從j-0代表當(dāng)年有公司退出。那么每個(gè)公司在一個(gè)研究階段中都存在一個(gè)排名變化矩陣，設(shè)為ψi,由第i個(gè)公司在t0到tm時(shí)間段從排名j變到k的變化次數(shù)ψijk組成矩陣Ψ=(ψ?jk)n×n。如果排名無變化，則記為0。將公司排名轉(zhuǎn)移矩陣中每個(gè)元素除以其行和，得到該時(shí)間段內(nèi)公司在系統(tǒng)中排名的轉(zhuǎn)移概率矩陣pjk=pk|j=ψ?jk/ψ?j?,ψ?jk是 n個(gè)公司在t0到tm時(shí)間段內(nèi)所有從j變到k的值；ψ?j?是矩陣Ψ =(ψ?jk)n×n中第i行和。

其次，對(duì)系統(tǒng)不確定性的總體度量。對(duì)于測(cè)量一個(gè)系統(tǒng)的不確定性所必須的信息或許可以直接從描述系統(tǒng)行為的概率分布中獲得(Shannon，1948)。熵函數(shù)提供了一種對(duì)描述系統(tǒng)不確定性信息的測(cè)量方法，它能直接測(cè)量嵌入在構(gòu)成描述系統(tǒng)行為的概率分布的觀察結(jié)果中的信息(Prigogine&Stengers,1984)。定義N為研究期間行業(yè)中企業(yè)個(gè)數(shù)的最大值，則系統(tǒng)的平均條件熵可以表示為：

在戰(zhàn)略參考系統(tǒng)中，其競爭位置排名變動(dòng)的方向和變動(dòng)的幅度是不同的，會(huì)出現(xiàn)轉(zhuǎn)移事件是在一個(gè)轉(zhuǎn)移系統(tǒng)中轉(zhuǎn)移，即由兩個(gè)不相鄰的狀態(tài)轉(zhuǎn)移而來，如從排名最后一名轉(zhuǎn)移到第一名和由排名第二名轉(zhuǎn)移到第一名，對(duì)系統(tǒng)熵值的影響是不同的。元素的轉(zhuǎn)移和它發(fā)生的概率有關(guān)，和排名的變化也有關(guān)，故每次轉(zhuǎn)移在轉(zhuǎn)移概率矩陣總所占的比重不同。所以本文考慮利用加權(quán)的方法對(duì)系統(tǒng)熵值進(jìn)行度量。

在權(quán)重選擇中，權(quán)重值均為非負(fù)有限實(shí)數(shù)，并且若一個(gè)時(shí)段的轉(zhuǎn)移A比另個(gè)時(shí)段轉(zhuǎn)移B重要，那么它們的權(quán)重ρA和ρB有關(guān)系ρA＞ρB。故，定義權(quán)重函數(shù)衡量轉(zhuǎn)移概率矩陣表示在狀態(tài)轉(zhuǎn)移過程中變動(dòng)幅度的固定系數(shù)，按研究的時(shí)間段劃分來取值，一般按年取時(shí)間段通常取為1，按半年取時(shí)間段則通常取0.5，β表示狀態(tài)轉(zhuǎn)移變化后企業(yè)排名的變化，若狀態(tài)轉(zhuǎn)移后，企業(yè)位置排名不變，即j=k時(shí)，權(quán)重為β，通常取β=1。因此，加權(quán)不確定系統(tǒng)熵可以定義為：

在無權(quán)重系統(tǒng)中，轉(zhuǎn)移概率矩陣中每個(gè)元素相等得系統(tǒng)的最大熵值，但加權(quán)系統(tǒng)中計(jì)算最大熵值相對(duì)困難，本文采用Thomas(1979)和Freund(1984)提出的數(shù)學(xué)優(yōu)化方法得到加權(quán)系統(tǒng)的最大熵：

根據(jù)風(fēng)險(xiǎn)的定義，負(fù)面的不確定性即收益排名的降低才能稱為風(fēng)險(xiǎn)。對(duì)戰(zhàn)略系統(tǒng)而言，收益排名從高到低轉(zhuǎn)移(k＞j)的不確定性為系統(tǒng)戰(zhàn)略風(fēng)險(xiǎn)。

最后，計(jì)算單個(gè)公司的風(fēng)險(xiǎn)熵值。在一個(gè)戰(zhàn)略參考集中，系統(tǒng)戰(zhàn)略不確定性和風(fēng)險(xiǎn)整體度量可以采用信息熵，考慮每個(gè)公司對(duì)整個(gè)系統(tǒng)戰(zhàn)略風(fēng)險(xiǎn)的貢獻(xiàn)度，可以得到每個(gè)企業(yè)在系統(tǒng)戰(zhàn)略風(fēng)險(xiǎn)中與戰(zhàn)略參考集中其他企業(yè)的貢獻(xiàn)關(guān)系和排名，在特定的狀態(tài)轉(zhuǎn)化中，記單個(gè)企業(yè)的轉(zhuǎn)移次數(shù)為sijk，那么它對(duì)整個(gè)狀態(tài)轉(zhuǎn)移次數(shù)的貢獻(xiàn)成正比，即：所以單個(gè)企業(yè)的加權(quán)平均條件熵可記為：

其中，ρk|j為其損失的量為其對(duì)系統(tǒng)條件熵的貢獻(xiàn)。進(jìn)一步可以得到在某一特定的時(shí)間段中，單個(gè)企業(yè)的加權(quán)系統(tǒng)風(fēng)險(xiǎn)為：

標(biāo)準(zhǔn)化得：

由此可得:在一個(gè)有企業(yè)進(jìn)入和退出的動(dòng)態(tài)參考集中，單個(gè)企業(yè)每5年的戰(zhàn)略風(fēng)險(xiǎn)值，將其與五年內(nèi)相應(yīng)指標(biāo)的相關(guān)值進(jìn)行相關(guān)性檢驗(yàn)，得到相應(yīng)的結(jié)論。

2 實(shí)證研究

2.1 樣本與數(shù)據(jù)來源

目前，全球紡織業(yè)市場(chǎng)前景不確定性日益增高，美元急貶、原油價(jià)格跌宕起伏以及中國紡織品輸歐即將解除設(shè)限，紡織業(yè)面臨較大的不確定性。選取我國紡織業(yè)上市企業(yè)，研究1999年到2009年這11年的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)變化情況的變化情況。在此研究期間，只有企業(yè)進(jìn)入，沒有退出。樣本規(guī)模是不斷擴(kuò)大的，從1999年的15家到2009年的37家企業(yè)。收集樣本期間內(nèi)企業(yè)年報(bào)數(shù)據(jù)，只選取企業(yè)上市后的數(shù)據(jù)，以上市時(shí)間作為企業(yè)進(jìn)入的依據(jù)，構(gòu)成企業(yè)戰(zhàn)略參考集，數(shù)據(jù)來源為國泰安財(cái)務(wù)分析數(shù)據(jù)庫。

企業(yè)凈資產(chǎn)收益率為收益指標(biāo)，構(gòu)成戰(zhàn)略參考集，通過序數(shù)空間方法進(jìn)行排名，根據(jù)各企業(yè)在研究期間內(nèi)的排名變化情況，得到概率轉(zhuǎn)移矩陣，以此來計(jì)算整個(gè)行業(yè)的風(fēng)險(xiǎn)熵值和單個(gè)企業(yè)在戰(zhàn)略參考集中的戰(zhàn)略風(fēng)險(xiǎn)。采用5年為一階段的時(shí)間窗方法，將研究期間共劃分為7個(gè)階段，即：1999～2003,2000～2004，2001～2005,2002～2006,2003～2007,2004～2008,2005～2009。分別計(jì)算每個(gè)階段的行業(yè)總體的風(fēng)險(xiǎn)熵值和各個(gè)階段每個(gè)企業(yè)的風(fēng)險(xiǎn)。此外，由于本文采用的是序數(shù)信息，所以年報(bào)中企業(yè)凈資產(chǎn)收益率計(jì)算周期的差異不影響研究結(jié)果。

2.2 實(shí)證結(jié)果分析

在對(duì)系統(tǒng)整體風(fēng)險(xiǎn)分析的基礎(chǔ)上，對(duì)紡織行業(yè)各上市企業(yè)在1999～2009這11年中凈資產(chǎn)收益率排名轉(zhuǎn)移情況進(jìn)行分析，得到凈資產(chǎn)收益率排名轉(zhuǎn)移波動(dòng)較大，對(duì)系統(tǒng)的穩(wěn)定性影響較大。接著將5年作為一個(gè)研究時(shí)段，以1999～2003為基礎(chǔ)，向前滾動(dòng)一年，剔除前一年度的數(shù)據(jù)，據(jù)此得到1999～2003,2000～2004…2005～2009共7個(gè)時(shí)間段，分時(shí)段對(duì)行業(yè)的風(fēng)險(xiǎn)熵進(jìn)行度量，計(jì)算出紡織業(yè)在不同的時(shí)段的風(fēng)險(xiǎn)大小，如圖1所示。

圖1 戰(zhàn)略風(fēng)險(xiǎn)：中國紡織業(yè)2003～2009

從圖1中我們可以看出：中國紡織業(yè)整體上經(jīng)歷了戰(zhàn)略風(fēng)險(xiǎn)不斷增加的過程。1997年后，中國紡織業(yè)依托政府的政策支持，開始進(jìn)入了一個(gè)以壓縮落后生產(chǎn)能力、全面提升產(chǎn)業(yè)結(jié)構(gòu)為主要特征的新時(shí)期。經(jīng)過5年多的積累，2004年中國紡織業(yè)從行業(yè)結(jié)構(gòu)、企業(yè)組織結(jié)構(gòu)及紡織主要出口產(chǎn)品的競爭力方面，都發(fā)生了可喜的變化，行業(yè)戰(zhàn)略風(fēng)險(xiǎn)相對(duì)較低。2000～2004這5年是中國紡織業(yè)上市公司的拐點(diǎn)，風(fēng)險(xiǎn)開始反彈。隨著電力等資源的不足，貿(mào)易環(huán)境不確定性的增大，以及物價(jià)上漲通貨膨脹的出現(xiàn)，紡織業(yè)在隨后時(shí)間段的戰(zhàn)略風(fēng)險(xiǎn)逐漸增大。

計(jì)算每個(gè)時(shí)間段，每個(gè)企業(yè)的戰(zhàn)略風(fēng)險(xiǎn)值，見表1。

從表1看出，在序數(shù)空間理論下，整體行業(yè)每個(gè)時(shí)間段的戰(zhàn)略風(fēng)險(xiǎn)相差無幾，波動(dòng)不是很大(除了每個(gè)時(shí)間段最后一年新進(jìn)入的企業(yè))；行業(yè)中每個(gè)企業(yè)的績效表現(xiàn)不一，其戰(zhàn)略風(fēng)險(xiǎn)也變化不一，企業(yè)間此增彼減，整體幅度相當(dāng)。此外，還可以看出：在每個(gè)時(shí)間段最后一年之前新進(jìn)入的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)都不為0，只有每個(gè)時(shí)間段的最后一年新進(jìn)入企業(yè)的戰(zhàn)略風(fēng)險(xiǎn)為0。每個(gè)時(shí)間段的最后一年新進(jìn)入的企業(yè)在其所屬的時(shí)間段中并沒有發(fā)生轉(zhuǎn)移，風(fēng)險(xiǎn)當(dāng)然為0；在每個(gè)時(shí)間段最后一年之前新進(jìn)入的企業(yè)，由于其在所屬的時(shí)間段中發(fā)生了轉(zhuǎn)移，風(fēng)險(xiǎn)一般不為0(企業(yè)排名上升的除外)。

表1 每個(gè)時(shí)間段各企業(yè)的風(fēng)險(xiǎn)值

2.3 相關(guān)性檢驗(yàn)

考慮到凈資產(chǎn)收益率每年的波動(dòng)，采用每個(gè)時(shí)間段指標(biāo)最后一年的數(shù)值和得到的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)值進(jìn)行統(tǒng)計(jì)量描述和分階段Kendall相關(guān)性檢驗(yàn)，結(jié)果如表2所示：

表2 分階段roa與risk肯氏檢驗(yàn)

由表2可以看出：單就凈資產(chǎn)收益率這個(gè)指標(biāo)來講，可以得出紡織業(yè)企業(yè)的風(fēng)險(xiǎn)和收益是負(fù)相關(guān)的。在0.01顯著性水平，該指標(biāo)有5個(gè)時(shí)間段通過檢驗(yàn)；在0.05顯著性水平，該指標(biāo)有6個(gè)時(shí)間段通過檢驗(yàn)；在0.1顯著性水平，該指標(biāo)7個(gè)時(shí)間段全部通過檢驗(yàn)。

負(fù)相關(guān)關(guān)系意味著：(1)與傳統(tǒng)的決策理論結(jié)果相悖，這與Bowman觀點(diǎn)一致。傳統(tǒng)決策理論認(rèn)為，風(fēng)險(xiǎn)與收益成正比。(2)至少在紡織業(yè)，風(fēng)險(xiǎn)與收益的負(fù)相關(guān)關(guān)系在一定時(shí)間內(nèi)比較穩(wěn)定。

3 結(jié)論與啟示

本文通過把戰(zhàn)略風(fēng)險(xiǎn)轉(zhuǎn)化為企業(yè)在戰(zhàn)略參考系統(tǒng)內(nèi)收益排名的下降帶來的負(fù)面不確定信息，給出了序數(shù)戰(zhàn)略風(fēng)險(xiǎn)度量的一般模型。同時(shí)，考慮了企業(yè)的進(jìn)出問題，基于動(dòng)態(tài)參考集重新分析了企業(yè)的排名變化情況。這一方法與其他的戰(zhàn)略風(fēng)險(xiǎn)概念和度量方法相比，有其獨(dú)特的含義。其中最主要的就是，該種定義和度量方法被設(shè)定為具有明確的目標(biāo)，即解決在戰(zhàn)略管理中的公司總體戰(zhàn)略的計(jì)算問題。不僅解決了概念的復(fù)雜性問題，同時(shí)也易于計(jì)算。

基于動(dòng)態(tài)參考集的序數(shù)空間的風(fēng)險(xiǎn)消除了在某一水平下對(duì)所有企業(yè)都置身其中的經(jīng)濟(jì)和產(chǎn)業(yè)環(huán)境的影響，這種影響對(duì)廣大個(gè)體企業(yè)來說都是無力承擔(dān)的。這種方法和戰(zhàn)略管理中強(qiáng)調(diào)單個(gè)企業(yè)獲得競爭優(yōu)勢(shì)和提高在行業(yè)中的排名的重要性是一致的。序數(shù)空間方法可以度量參考集中每個(gè)企業(yè)的風(fēng)險(xiǎn)，改變了之前關(guān)于單個(gè)企業(yè)戰(zhàn)略風(fēng)險(xiǎn)無法度量的情況?？紤]了行業(yè)中企業(yè)的進(jìn)出問題，更加貼近實(shí)際。本文通過對(duì)紡織行業(yè)上市企業(yè)進(jìn)行分析研究，結(jié)果表明：戰(zhàn)略風(fēng)險(xiǎn)與收益整體呈負(fù)相關(guān)關(guān)系，從而為研究同行業(yè)競爭的戰(zhàn)略風(fēng)險(xiǎn)實(shí)踐提供理論依據(jù)。

[1]Janos Acs.A Comparison of Models for Strategic Planning,Risk Anal?ysis and Risk Management[J].Theory and Decision,1985,19(3).

[2]Faleye,Olubunmi.Classified Boards,Stability,and Strategic Risk Taking[J].Financial Analysts Journal,2009,65(1).

[3]劉建國.基于屬性測(cè)度的企業(yè)戰(zhàn)略風(fēng)險(xiǎn)評(píng)價(jià)[J].統(tǒng)計(jì)與決策,2006,(3).

[4]Bowman E H.A Risk/return Paradox for Strategic Management[J].Sloan Management Review,1980,21(3).

[5]Bowman E H.Risk Seeking by Troubled Firms[J].Sloan Management Review,1982,23(4).

[6]賈增科,邱菀華.風(fēng)險(xiǎn)、信息與熵[J].科學(xué)學(xué)研究,2009,27(8).

[7]James M.Collins,Timothy W.Ruefli.Strategic Risk:an Ordinal Ap?proach[J].Management Science,1992,38(12).

[8]Sea Jin Chang.An Evolutionary Perspective on Diversification and Corporate Restructuring:Entry,Exit,and Economic Performance dur?ing 1981～1989[J].Strategic Management Journal,1996,17(8).

[9]Sea Jin Chang,Harbir Singh.The Impact of Modes of Entry and Re?sources Fit on Modes of Exit by Multibusiness Firms[J].Strategic Man?agement Journal,1999,(20).

[10]Thomas C.Powell,Ingo Reinhardt.Rank Friction:an Ordinal Ap?proach to Persistent Profitability[J].Strategic Management Journal Strat,2010,3(5).

[11]陳文俊.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)：識(shí)別、評(píng)估與處理[J].財(cái)經(jīng)理論與實(shí)踐，2005，26(135).

[12]Nancy Huyghebaert,Linda M.Van De Gucht.Incumbent Strategic Behavior in Financial Markets and the Exit of entrepreneurial Start-ups[J].Strategic Management Journal,2004,(25).

[13]Richard Disney,Jonathan Haskel,Ylva Heden.Entry,Exit and Es?tablishment Survival in UK Manufacturing[J].The Journal of Indus?trial Economics,2003,51(1).