孫多嬌,楊有紅
(1.中央財經(jīng)大學(xué) 會計學(xué)院,北京 100081; 2.北京工商大學(xué) 商學(xué)院,北京 100048)
權(quán)益資本成本是公司進(jìn)行投融資決策和確定資本結(jié)構(gòu)的關(guān)鍵指標(biāo)。對于權(quán)益資本成本影響因素的研究有很多,但是大多數(shù)研究關(guān)注宏觀經(jīng)濟(jì)因素對權(quán)益資本的影響,很少有文獻(xiàn)從公司治理和分析師預(yù)測的角度來研究權(quán)益資本成本。近年來,管理層和股東之間的代理問題受到學(xué)術(shù)界與實務(wù)界的廣泛關(guān)注,而合理科學(xué)的薪酬激勵制度是解決公司代理問題行之有效的方法。我們研究了股權(quán)激勵與隱含資本成本之間的關(guān)系。了解兩者之間的關(guān)系是非常重要的,因為資本成本在管理層進(jìn)行資本預(yù)算和公司金融決策時都是非常重要的。更高的隱含資本成本意味著公司有更少的具有正凈現(xiàn)值的項目,也就意味著有更少的增長機(jī)會。
過度控制也是公司治理中非常重要的問題。Botosan, C. and Plumlee等[1]的研究表明世界上大部分公司都采用集中的股東結(jié)構(gòu)。這些公司主要由單一的大股東控制,這些大股東通常只有少量的現(xiàn)金流量權(quán),但是可以實施最終控制。我們利用兩權(quán)分離度作為代理變量,研究過度控制與隱含資本成本之間的關(guān)系。在計算隱含資本成本時,沒有使用傳統(tǒng)的分析師預(yù)測方法,而是采用截面模型來預(yù)測未來盈余,進(jìn)而計算隱含資本成本。而分析師預(yù)測代表的是市場的預(yù)期,很可能會對公司的隱含資本成本產(chǎn)生影響,因此,將分析師預(yù)測作為解釋變量。
資本成本對于估值、資產(chǎn)組合的選擇和資本預(yù)算來說,都有非常重要的作用。因此,如何估算資本成本受到了學(xué)術(shù)界的廣泛關(guān)注。Keven Li認(rèn)為以往研究的共同特點在于對隱含資本成本的估算都依賴于分析師的盈余預(yù)測值[2]。這種方法有兩個缺點,第一,很多公司是沒有分析師預(yù)測值的。第二,研究表明基于分析師預(yù)測計算出的隱含資本成本與未來收益的相關(guān)性不大。基于上述研究方法的缺點,Hou et al.提出使用截面模型而不是分析師預(yù)測數(shù)據(jù)來預(yù)測未來盈余,并構(gòu)造了HVZ模型[3]。Li提出使用EP、RI模型預(yù)測盈余并計算ICC,可得到比HVZ模型更好的結(jié)果[4]。本文選擇RI模型來預(yù)測未來盈余。
隱含資本成本的估計模型可以劃分為剩余收益模型和異常收益增長模型。其中剩余收益模型包括GLS方法、CT方法、GGM方法;異常收益增長模型包括AGR方法、PEG方法、EP方法和OJN方法,并且他們的實證研究顯示單變量的相關(guān)性檢驗,支持OJN、GGM、CT三種方法對隱含資本成本估算的效果有更好的判斷;在多元回歸分析時,GGM和CT兩種方法的計算結(jié)果較為理想。從回歸方程的可決系數(shù)來看,所有方法中較優(yōu)的是MPEG。
高管的薪酬激勵已被很多實證經(jīng)驗證實是解決公司代理問題的一種有效方法,其中股票期權(quán)是一種重要的激勵機(jī)制,它把高管利益和公司股票價值捆綁在一起,一方面會降低風(fēng)險厭惡高管承擔(dān)風(fēng)險的意愿,帶來能夠提高公司價值的管理激勵;另一方面這種激勵也會降低管理者對公司特定風(fēng)險進(jìn)行規(guī)避管理的意愿,給他們接受更大風(fēng)險提供了動機(jī)。股票期權(quán)中包含的風(fēng)險行為動機(jī)激勵會影響股東對這些風(fēng)險動機(jī)的判斷,從而影響他們所要求的風(fēng)險回報,即權(quán)益資本成本。當(dāng)CEO有增加公司整體風(fēng)險的激勵時,股東會通過增加資本成本以獲得風(fēng)險補(bǔ)償。
這兩種觀點分別來自于管理權(quán)力理論和錦標(biāo)賽理論。錦標(biāo)賽理論也在國外很多實證研究中得到了證實——有利于增加高管薪酬差距的薪酬激勵與同期企業(yè)價值和績效表現(xiàn)存在正向關(guān)系。但管理權(quán)力理論的支持者也提供了很多的證據(jù)——Brown等基于管理者權(quán)力理論研究了公司治理與CEO股權(quán)激勵價值的關(guān)系。
股權(quán)激勵計劃在中國上市公司的表現(xiàn)同樣也具有非常多的不確定性。我國中小企業(yè)實施的股權(quán)激勵有利于克服管理者的短視行為,激發(fā)管理者才能,能夠提高企業(yè)價值。然而,也有很多學(xué)者提出了相反的觀點:有一些人認(rèn)為,股權(quán)激勵對高管內(nèi)部薪酬差異的影響以及由此引發(fā)了公司權(quán)益資本成本的變化,在股權(quán)激勵作用下,高管內(nèi)部薪酬差距的擴(kuò)大增加企業(yè)權(quán)益資本成本,而且國有企業(yè)中這種效應(yīng)更明顯。
過度控制是公司治理中的另一個重要的利益沖突問題Shleifer 和Vishny發(fā)現(xiàn),世界上大部分公司都采用集中式股權(quán)結(jié)構(gòu),公司由單一的大股東(終極控制人)所控制,盡管有時候他們只擁有很少的現(xiàn)金流量權(quán),而這種兩權(quán)分離的結(jié)構(gòu)會產(chǎn)生大股東和小股東之間的利益沖突,控股股東有很大的激勵牟取自身利益而犧牲其他股東利益[5]。控制權(quán)與現(xiàn)金流量權(quán)的偏離是導(dǎo)致控制性股東與中小股東沖突的一個關(guān)鍵因素,兩者的偏離對公司績效產(chǎn)生負(fù)向影響,偏離程度越大,影響越強(qiáng)。
Guedhami和Mishra提出過度控制會以兩種方式影響公司價值,通過影響預(yù)期未來現(xiàn)金流量來影響分子和通過影響投資者使用的折現(xiàn)率來影響分母[6]。對9個亞洲國家和13個西歐國家1207家上市公司進(jìn)行了實證研究表明,過度控制會增加企業(yè)的資本成本。
分析師預(yù)測是市場預(yù)期的一個代理變量,無疑會對公司的隱含資本成本產(chǎn)生重要影響。本文的預(yù)期盈余預(yù)測不是采用分析師預(yù)測值,本文將分析師預(yù)測作為一個解釋變量放入了模型當(dāng)中。分析師預(yù)測變量分為兩個,即分析師預(yù)測的標(biāo)準(zhǔn)差和分析師關(guān)注人數(shù)。首先,分析師預(yù)期的標(biāo)準(zhǔn)差越大,說明分析師對公司預(yù)期表現(xiàn)有更大的分歧,可以認(rèn)為公司每股收益的不確定性也越大。Gode和Mohanram認(rèn)為收入波動(每股收益的波動)和隱含資本成本存在正相關(guān)關(guān)系,[7]而Gebhardt等卻發(fā)現(xiàn)存在負(fù)相關(guān)關(guān)系[8]。Botosan 和Plumlee利用了略有不同的收入波動代理變量也證實了這種正相關(guān)關(guān)系[9]。因此本文也預(yù)期分析師對每股收益預(yù)期值的標(biāo)準(zhǔn)差會對隱含資本成本產(chǎn)生負(fù)向影響。
分析師關(guān)注對公司隱含資本成本的影響可以通過兩種途徑實現(xiàn):首先分析師關(guān)注度可以反映公司規(guī)模,規(guī)模更大的公司往往會有更多的分析師跟蹤。分析師作為信息中介,能夠降低信息不對稱,督促公司治理機(jī)制的有效運(yùn)行。其次,當(dāng)關(guān)注一只股票的分析師人數(shù)越多,對這只股票的預(yù)期平均收益就更加穩(wěn)健,所以股價的估值就更加公平穩(wěn)定。
本文選取了我國2007年之前上市的所有上市公司,包括A股和創(chuàng)業(yè)板,并剔除金融類特別處理過的樣本(ST、ST*)。在剩下的樣本中,通過ICC模型計算繼續(xù)進(jìn)行調(diào)整,其中剔除了會計變量數(shù)據(jù)不全的樣本,剔除資產(chǎn)負(fù)債表中所有者權(quán)益為負(fù)的樣本,并且分年度對連續(xù)型變量在1%和99%的分位數(shù)上進(jìn)行縮尾處理,避免極端值的影響。
由于隱含權(quán)益資本成本估算過程中異常值和缺省值較多,為了保留更多的樣本,當(dāng)3種估計方法都不能得到合理的ICC值時才剔除該樣本,而由GGM,GLS,MPEG三中估算方法下得到的ICC有效樣本數(shù)也不相同,最大的有效樣本公司為1324家,ICC數(shù)據(jù)區(qū)間為2007年到2014年。由于股權(quán)激勵中股權(quán)限售期和行權(quán)等待期一般為1年~3年,2005年通過股權(quán)激勵預(yù)案的上市公司,高管最早只能于2007年行權(quán),因此本研究以2007年至2014年符合實證要求的上市公司為樣本。
借鑒Kevin Li的研究方法,本研究使用樣本期間內(nèi)每一年所對應(yīng)的過去5年的滾動數(shù)據(jù)進(jìn)行計算,截面模型為:
Et+τ=χ0+χ1*NegEt+χ2*Et+χ3*NegEt*Et+χ4*Bt+χ5*TACCt+ε
其中各變量名及其計算方法如下表所示:
其中:
變量名定義所用數(shù)據(jù)Et+τ公司在t+τ年的每股收益凈利潤/流通股數(shù)(A股)NegEt虛擬變量,收益是否為正若公司收益為正則為1,否則為0NegEt*EtNegEt和Et+τ的交互項Bt公司在t年的每股賬面價值所有者權(quán)益/流通股數(shù)(A股)TACCt基于資產(chǎn)負(fù)債表總應(yīng)計項(流動資產(chǎn)合計-貨幣資金-流動負(fù)債合計+短期借款+應(yīng)交稅費-固定資產(chǎn)折舊額)/流通股數(shù)(A股)TACCt基于現(xiàn)金流量表總應(yīng)計項(凈利潤-經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額)/流通股數(shù)(A股)
利用該模型估計出樣本期未來3年的預(yù)測盈余,并且在此基礎(chǔ)上分別用三種方法來估算權(quán)益資本成本。
(1)過度控制(兩權(quán)分離度)
控制權(quán)與現(xiàn)金流量權(quán)的偏離會導(dǎo)致大小股東的利益沖突,對公司績效產(chǎn)生負(fù)向影響。本文對兩權(quán)分離度的度量為實際控制人擁有上市公司控制權(quán)比例減去實際控制人擁有上市公司所有權(quán)比例。
(2)股權(quán)激勵
中國實行了股份制改革后,高管股權(quán)激勵主要有股票期權(quán)、限制性股票和股票增值權(quán),根據(jù)Bergstresser等對股權(quán)激勵的定義,本文對股權(quán)激勵的度量指標(biāo)計算如下:
Incentivei,t=
100%ind=0
其中pricei,t是公司在t年的年末股票價格,optionsi,t為公司在t年股票激勵計劃中授予高管的股票期權(quán)或股票的數(shù)量,sharesi,t是t年高管的期末持股數(shù)量,mwagei,t表示高管在t年的薪酬總額,包括年薪和津貼。ind是一個虛擬變量,ind=1表示該年度公司實施了股權(quán)激勵計劃。交互項Incentivei,t*ind表示正式的股權(quán)激勵,并排除了一般性的高管持股作用。
(3)分析師預(yù)測標(biāo)準(zhǔn)差和分析師人數(shù)
分析師人數(shù)定義為兩年內(nèi)(上一年度和本年度)對公司進(jìn)行盈利預(yù)測且發(fā)布公告的券商機(jī)構(gòu)數(shù)量,一個券商中多個分析師都進(jìn)行預(yù)測也算作一個。在穩(wěn)健性檢驗當(dāng)中,我們按照實際發(fā)布了預(yù)測公告的分析師人數(shù)進(jìn)行統(tǒng)計[10]。分析師預(yù)測標(biāo)準(zhǔn)差的估算為兩年內(nèi)分析師對年末每股收益預(yù)測的標(biāo)準(zhǔn)差除以預(yù)測均值,計算以每個分析師發(fā)布預(yù)測值為基礎(chǔ)而不以券商機(jī)構(gòu)為基礎(chǔ)。預(yù)測公告時間和預(yù)測時間之間超過2年的則不計算在內(nèi)。
(4)股票價格波動率和市場風(fēng)險beta
在經(jīng)典的資本資產(chǎn)定價理論中,股票市場風(fēng)險的度量一般采用beta值,使用的是已實現(xiàn)收益,但后期也被指出存在很多問題,如公司層面的測量誤差問題、“信息”沖擊問題等,于是出現(xiàn)了應(yīng)用很廣的隱含資本成本計算方法[10],并用beta去檢驗它的有效性。國外一些實證經(jīng)驗指出隱含資本成本和beta值幾乎沒有相關(guān)關(guān)系。同時,一些研究發(fā)現(xiàn)收益波動率是公司市場風(fēng)險更好的代理變量。本文選取了兩個可替換變量來作為股票市場風(fēng)險的代理變量,一個是一年內(nèi)股票月收益率的標(biāo)準(zhǔn)差,另一個是股票的beta值。
(5)長期增長率
將長期增長率作為隱含資本成本的影響因素,使用前5年主營業(yè)務(wù)收入平均年增長率作為估計值。詳細(xì)的變量描述見表1。
實證分析部分主要由三部分組成,第一是對樣本公司隱含資本成本(ICC)的介紹,第二部分是對樣本公司相關(guān)變量的描述統(tǒng)計,第三部分則是實證檢驗公司治理以及分析師預(yù)測對隱含資本成本的影響。
由表2可以看出,根據(jù)可獲得數(shù)據(jù)計算出來的ICC有效樣本量在三個模型之間存在較大差異,GGM模型計算的有效ICC數(shù)量最多,有14613個,所跨區(qū)間也比較大,標(biāo)準(zhǔn)差是最大的。而由MPEG模型計算出來的有效樣本數(shù)據(jù)量最小,只有3670個,而均值最大,達(dá)到了0.0846。表中最后三欄的GGM & MPEG模型、GGM & GLS模型、MPEG & GLS模型是兩兩交叉配對ICC的均值。
1.樣本分析
通過樣本篩選,本文每年度保留了1000到1200個不等的有效樣本公司,樣本公司的年度分布情況如表2所示,各年度實行了股權(quán)激勵方案的樣本公司數(shù)量占比很低,而存在分析師跟蹤的公司樣本比較多,而且在2011年之前處于快速增長狀態(tài)。國有企業(yè)和非國有企業(yè)的占比在各年度都比較穩(wěn)定。
表1 變量描述
2.分組對比
本文對主要研究變量(兩權(quán)分離度、股權(quán)激勵以及分析師預(yù)測)進(jìn)行了分組,其中兩權(quán)分離度大于50%分位數(shù)的公司被歸入兩權(quán)分離高組合,低于50%分位數(shù)的歸入兩權(quán)分離低組合,使用均值t檢驗和Mann-Whitney對不同組別之間的3種ICC測度進(jìn)行了組間比較,結(jié)果如表3所示:
表2 ICC描述性統(tǒng)計
表3 不同年份樣本分布
表中第一行可以看出,三種模型計算出來的ICC在是否有分析師關(guān)注的分組中存在顯著差異。分析師人數(shù)大于0的公司隱含資本成本(由GGM和GLS模型計算得到)要顯著高于分析師人數(shù)為0的公司,即近兩年內(nèi)有分析師追蹤的公司具有更高的隱含資本成本,這與前文的理論分析相悖。此外,由GGM和GLS計算出來的隱含資本成本在兩權(quán)分離度和控股人性質(zhì)兩個變量的分組中存在顯著性差異。股權(quán)分離度高的組合隱含資本成本要顯著低于股權(quán)分離度低的組合,在三種ICC上都有體現(xiàn)。
最后,國有企業(yè)的隱含資本成本平均來說也顯著高于非國有企業(yè)。從表4最后一欄可以看到股權(quán)激勵的差異只有在GLS模型計算出來的ICC中才顯著,上市公司存在股權(quán)激勵時的隱含資本成本平均要高于不存在股權(quán)激勵的樣本。
表4 分組變量的隱含資本成本比較(t檢驗和Mann-Whitney檢驗結(jié)果)
注:***表示1%的顯著性水平,**表示5%的顯著性水平,*表示10%的顯著性水平,括號內(nèi)為p值。
3.樣本描述統(tǒng)計
上司公司相關(guān)財務(wù)指標(biāo)的描述統(tǒng)計如表5所示,本文計算的股權(quán)激勵值介于0到1之間,均值為0.2329比較低,分析師預(yù)測偏差的均值為-0.4389,樣本中分析師關(guān)注最高的上市公司有56家券商機(jī)構(gòu)對其進(jìn)行了盈利公告。此外長期增長率水平在經(jīng)過樣本處理之后分布于-10到10之間,均值為0.4669,樣本標(biāo)準(zhǔn)差也比較小。
公司的beta值最小為負(fù)值,均值為0.9184接近于1,整體樣本比較穩(wěn)定。此外本文計算了各個自變量的相關(guān)系數(shù),最大的為beta值和價格波動率(pstd)之間相關(guān)系數(shù)為0.394,大部分相關(guān)系數(shù)小于0.1,可以認(rèn)為變量之間不存在明顯的共線性問題。
這一小節(jié)是對影響公司隱含資本成本因素的檢驗,混合面板數(shù)據(jù)回歸中,三種模型計算下的ICC和研究變量匹配上的觀測數(shù)分別為8030,5647,2514。
表5 自變量和控制變量描述統(tǒng)計
(1)股權(quán)激勵效應(yīng)檢驗
表6給出了對應(yīng)于3種ICC的三種回歸結(jié)果。從回歸結(jié)果可以看出,9種回歸模型整體上都是顯著的,但是回歸模型對ICC的解釋能力比較差,其中自變量對ICC_GLS的解釋能力最好,而ICC_MPEG回歸中解釋能力比較差,可決系數(shù)最小?;貧w模型之間的比較可以看到,F(xiàn)ama Macbeth 的橫截面估計效果比較好,說明本文所選變量橫截面公司個體ICC差異上比較有解釋力、其次是最小二乘(OLS)估計,根據(jù)豪斯曼檢驗本文采用了混合面板數(shù)據(jù)的隨機(jī)效應(yīng)模型回歸。
表6 股權(quán)激勵效應(yīng)回歸檢驗結(jié)果
注:***表示1%的顯著性水平,**表示5%的顯著性水平,*表示10%的顯著性水平,括號內(nèi)為t值,在隨機(jī)模型中R2為總可決系數(shù)。
通過各項解釋變量的系數(shù)可以看到,股權(quán)激勵在ICC_GGM和ICC_GLS的回歸中顯著為負(fù),平均為-0.06左右,說明對于實施股權(quán)激勵的上市公司,高管的薪酬激勵發(fā)揮了一定的競爭機(jī)制作用,緩解了代理問題,是投資者的風(fēng)險溢價水平下降,從而降低了隱含權(quán)益資本成本。
控制變量的回歸結(jié)果展示了反映公司基本面績效表現(xiàn)的不同指標(biāo)對隱含資本成本的不同影響。其中三種ICC的回歸中,賬面市值比的系數(shù)都顯著為正,這說明高賬面市值比公司面臨更大的財務(wù)風(fēng)險和欠佳的基本面表現(xiàn),而如果此預(yù)期在未來不會變好,投資者就會要求更高的風(fēng)險溢價,從而推高隱含資本成本。股權(quán)集中度系數(shù)比較小,對隱含資本成本的影響很微小。長期杠桿率的系數(shù)顯著為正,大約為0.02,說明杠桿率越高的公司,公司面臨的財務(wù)困境風(fēng)險越大,拉高隱含權(quán)益資本成本。換手率的系數(shù)顯著為負(fù),說明市場流動性好的,上市公司隱含權(quán)益資本成本也更低。公司beta值反應(yīng)了面臨的市場風(fēng)險,高beta值的公司預(yù)期會有更高的事前收益,因此高beta值的公司預(yù)期會有更低的隱含資本成本,實證結(jié)果恰好證明這一點。對GGM計算出來的ICC而言,beta值高一單位的公司平均來說資本成本會低0.02。
控制人屬性變量在前兩個ICC回歸中都顯著為正,說明國有企業(yè)隱含資本成本平均要比非國有企業(yè)高,企業(yè)所有權(quán)性質(zhì)在我國會影響股東和投資者對企業(yè)未來回報的預(yù)期。很多研究國有資本和企業(yè)績效表現(xiàn)的文章都認(rèn)為國有股持股比例與公司績效負(fù)相關(guān),國有企業(yè)面臨的政治干預(yù)風(fēng)險比較大,而且市場監(jiān)督制約作用弱化,投資者所要求的風(fēng)險回報自然會增加。在前兩個模型回歸中長期增長率的系數(shù)顯著為正這符合Lee(2009)的觀點,高增長的公司相對于低增長的公司具有更大的風(fēng)險,可能短期內(nèi)會使隱含資本成本增加。
(2)兩權(quán)分離效應(yīng)檢驗
模型回歸結(jié)果如表7所示。
模型整體回歸效果和表6很相似,控制了年度差異之后,在GGM和GLS估算的ICC回歸中,兩權(quán)分離對公司的隱含資本成本具有顯著的正向影響,系數(shù)約為0.0002,影響比較小??刂迫说倪^度控制現(xiàn)象更嚴(yán)重的公司,大小股東利益沖突越大,預(yù)期權(quán)益資本成本也更高。
(3)分析師預(yù)測效應(yīng)檢驗
回歸結(jié)果如表8所示。
替換為分析師預(yù)測差異和分析師人數(shù)之后,模型的整體回歸結(jié)果有了改善,9種不同回歸的可決系數(shù)都有了提高。從GGM模式計算的ICC回歸結(jié)果可以看到,分析師預(yù)測的標(biāo)準(zhǔn)差對公司的隱含資本成本具有顯著的負(fù)向影響,而與之相反MPEG模型計算的ICC回歸結(jié)果中出現(xiàn)顯著的正向影響,這說明分析師預(yù)測誤差對公司的隱含資本成本有顯著影響,但是對不同的模型計算出來的ICC具有不同影響。本文的回歸結(jié)果和理論結(jié)果不一致,這可能是由于中國股票市場中分析師預(yù)測的信息披露和市場有效性不足有關(guān)。
其次分析師覆蓋即關(guān)注公司的券商個數(shù)對隱含資本成本有顯著的正向影響,這與我們的預(yù)期結(jié)果相反。此外,在MPEG模型的ICC回歸中,長期增長率系數(shù)顯著為負(fù)(-0.04),與前兩項ICC的回歸結(jié)果符號相反。
穩(wěn)健性回歸中股權(quán)激勵的系數(shù)依舊顯著為負(fù),實行股權(quán)激勵的上市公司可以降低隱含資本成本,其他變量不變時控制人兩權(quán)分離在一定程度上會提高公司ICC值。分析師預(yù)測標(biāo)準(zhǔn)差和分析師覆蓋(以分析師人數(shù)度量)的符號與前文回歸結(jié)果一致。
表7 控制人兩權(quán)分離回歸檢驗結(jié)果
注:***表示1%的顯著性水平,**表示5%的顯著性水平,*表示10%的顯著性水平,括號內(nèi)為t值,在隨機(jī)模型中R2為總可決系數(shù)。
1.實施股權(quán)激勵的上市公司,高管的薪酬激勵能夠發(fā)揮一定的競爭機(jī)制作用,緩解代理問題,使投資者的風(fēng)險溢價水平下降,從而降低了隱含權(quán)益資本成本;兩權(quán)分離度對公司的隱含資本成本具有顯著的正向影響,但影響比較小,控制人的過度控制現(xiàn)象更嚴(yán)重的公司,大小股東利益沖突越大,預(yù)期權(quán)益資本成本也更高。說明分析師預(yù)測誤差對公司的隱含資本成本有顯著影響,但是對不同的模型計算出來的ICC具有不同影響。分析師預(yù)測的標(biāo)準(zhǔn)差對GMM和GLS計算的隱含資本成本具有顯著的負(fù)向影響, 而對MPEG模型計算的ICC有顯著的正向影響,分析師覆蓋對隱含資本成本有顯著的正向影響,即2年內(nèi)存在分析師關(guān)注的上市公司中,關(guān)注的券商機(jī)構(gòu)或分析師人數(shù)越多,公司的隱含資本成本平均更高。
表8 分析師預(yù)測回歸檢驗結(jié)果
注:***表示1%的顯著性水平,**表示5%的顯著性水平,*表示10%的顯著性水平,括號內(nèi)為t值,在隨機(jī)模型中R2為總可決系數(shù)。
2.其他公司基本面績效表現(xiàn)變量對隱含資本成本也具有重要的影響:賬面市值比對ICC具有顯著的正向作用,這說明高賬面市值比公司面臨更大的財務(wù)風(fēng)險和欠佳的基本面表現(xiàn),而如果此預(yù)期在未來不會變好,投資者就會要求更高的風(fēng)險溢價,從而推高隱含資本成本;公司股權(quán)集中度對隱含資本成本具有負(fù)作用,但影響比較小;長期杠桿率的系數(shù)顯著為正,杠桿率越高的公司,公司面臨的財務(wù)困境風(fēng)險越大,會拉高隱含權(quán)益資本成本;換手率的系數(shù)顯著為負(fù)說明市場流動性好、股票交易更頻繁的上市公司其隱含權(quán)益資本成本也更低。其次是反應(yīng)公司面臨的市場風(fēng)險指標(biāo),高beta值的公司預(yù)期會有更高的事前收益,因此高beta值的公司預(yù)期會有更低的隱含資本成本,同時上一年的股票收益率波動反應(yīng)了股票近期的市場風(fēng)險,與本期的隱含資本成本是正向相關(guān)。長期增長率的系數(shù)顯著為正這符合Lee(2009)的觀點,高增長的公司相對于低增長的公司具有更大的風(fēng)險,可能短期內(nèi)會使隱含資本成本增加;最后控制人屬性變量顯著為正,說明國有企業(yè)隱含資本成本平均要比非國有企業(yè)高,企業(yè)所有權(quán)性質(zhì)在我國會影響股東和投資者對企業(yè)未來回報的預(yù)期。
3.完善公司治理結(jié)構(gòu)仍是降低隱含資本成本的重要選擇
完善公司治理機(jī)構(gòu),建立合理的股權(quán)結(jié)構(gòu)框架,引入獨立董事和機(jī)構(gòu)投資者參與公司治理,積極優(yōu)化資本結(jié)構(gòu),仍然是降低隱含資本成本的重要選擇[14]。實證分析發(fā)現(xiàn),薪酬激勵是降低代理成本的關(guān)鍵舉措,而過度控制可能會增加隱含資本成本,因此本文認(rèn)為建立多元化的薪酬激勵機(jī)制、分散股權(quán)集中度是公司治理過程中應(yīng)重點關(guān)注的內(nèi)容。
4.重視分析師的預(yù)測及樂觀偏差度的影響
實證研究發(fā)現(xiàn):分析師的預(yù)測及樂觀偏差程度越大,隱含資本越高。因此加強(qiáng)同分析師的溝通,有效的估計分析師樂觀偏差度所帶來的影響十分關(guān)鍵。分析師的樂觀偏差度主要表現(xiàn)為不同評估師對于同一個事件的不同估計,因此應(yīng)基于這種估計所可能產(chǎn)生的影響制定應(yīng)對策略。