宏观调控的治理与财务风险范文

一、研究设计

(一)变量设计

1.被解释变量—财务风险。

基于我国证券市场不完善的现状，我们选择用样本企业的Z-score指数①来衡量企业财务风险。本文所用的Z-score模型公式为:Z=1.2×营运资金/总资产+1.4×留存收益/总资产+3.3×息税前利润/总资产+0.6股票总市值/负债账面价值+0.999×销售收入/总资产

2.解释变量与控制变量。

解释变量为公司治理和宏观调控。公司治理选取股权特征、董事会特征、高管激励和“三会”会议情况等4个方面共7个变量来考察其对我国房地产上市公司财务风险的影响。根据当前我国政府宏观调控情况，设置虚拟变量，宏观经济政策从紧取0，适中取1，适度宽松取2。此外，为了控制其他可能对我国上市房地产公司财务风险产生影响的因素，选取了企业规模、资产负债率和成长性等三个控制变量。

(二)模型构建

通过借鉴前人研究方法，根据房地产上市公司实际情况，本文构建多元回归模型来分析我国房地产企业的宏观调控、公司治理与财务风险的关系。

(三)数据来源

本文选取深市、沪市上市的房地产行业为原始样本，选取2003—2012年共10年为研究期间。在原始样本的基础上进行了如下几个方面的处理:一是剔除在2003年以前未上市的样本;二是剔除无主营业务收入、总资产为零或所有者权益为负的公司，这些公司基本上处于资不抵债、重组等状态，缺乏持续经营能力，可能影响研究结论的说服力;三是剔除财务数据缺失严重的公司。最后共获得127个样本，共1270个观测值。

二、实证分析

(一)描述性统计分析

报告了本文主要变量的描述性统计。从表中我们可以看出:其一，按照阿尔特曼教授关于财务风险的临界判别值来划分，有超过一半的公司值小于1.4514(中位数)，这些公司存在较大的破产风险，财务危机较为严重。我国房地产公司财务风险的Z值平均为1.88，处于财务风险状况的“灰色地带”①，说明我国上市的房地产公司整体财务状况不是很好;最小值为－67.5664，最大值为35.1331，各公司财务风险状况相差比较大。其二，股权集中度(HHI5)，极值差距十分明显，最小值84.3335，最大值7997.79，这表示我国房地产公司股份分配方式各不相同，这与我国房地产企业股权分配方式的现状相符。其三，董事会规模大小方面，大部分公司董事会规模为9人。其四，在高管激励机制方面，我国房地产上市公司高管持股情况较差，超过一半的公司高管未持股，股份激励这种方式对高级管理人员的激励作用在中国上市房地产公司的生产经营过程中没有受到重视。而在高管的薪酬上面，各个公司高管薪酬差距较大，三大高管薪酬总和的自然对数跨度从4.4594～7.4869之间，有部分公司高管薪酬很低，有的却很高。

(二)实证结果及分析

在进行相关性分析之前首先进行了相关系数检验，结果表明财务风险与公司治理结构的相关系数均显著，并且各自变量间的相关系数值较小。另外还采用方差膨胀因子法进行了自变量间的多重共线性诊断，检验结果显示模型中各变量的容忍度均大于方差，所以自变量间的共线性并不严重，限于篇幅没有报告相关系数检验和共线性诊断结果。

1.公司内部治理与财务风险的回归分析。

本文以财务风险(Z)为被解释变量设置了4个模型，使用式(1)分别检验股权特征、董事会特征、高管激励以及“三会”会议情况对财务风险的影响，结果见下页表3。模型Ⅰ检验了股权特征对财务风险的影响，股权集中度(HHI5)符号为正，且在5%的水平下显著，即提高股权集中度，有利于降低房地产上市公司的财务风险，因为在宏观调控政策频繁变动的市场环境下，加大第一大股东的持股比例有利于集中决策，规避财务风险;股权制衡度(EBD)符号为负，说明房地产企业降低股权制衡度，对降低企业财务风险有正向影响，但效果不显著;模型Ⅱ检验了董事会特征对财务风险的影响，董事会规模(BDSIZE)符号为正，且在5%水平下显著，即扩大董事会规模，尤其是增加独立董事人数，将有利于降低上市房地产公司财务风险;模型Ⅲ检验了高管薪酬对财务风险的影响，回归结果高管薪酬(SALARY)符号为正，且在1%水平下显著，即高管薪酬越高，上市房地产公司财务风险越小。模型Ⅳ检验了“三会”会议情况对财务风险的影响，在每年召开股东大会会议次数(GTIME)方面，符号为正，且在5%的水平下显著，即每年召开的股东大会召开次数越多，上市房地产公司财务风险越小;每年召开董事会会议次数(DTIME)符号为正，说明我国房地产企业召开董事会次数有利于降低企业的财务风险，但效果不显著;每年召开监事会会议次数(JTIME)方面，符号为正，且在1%的水平下显著，即每年召开监事会会议次数越多，监事会成员行使监事权利，履行其职责情况越好，能有效降低财务风险水平。

2.宏观调控、公司治理与财务风险的多元回归分析。

结合上述分析，本文以宏观调控政策、房地产企业股权结构、董事会特征、高管薪酬以及“三会”会议情况为解释变量，财务风险水平为被解释变量，对式(2)进行逐步回归，通过固定效应检验得到结果。宏观调控政策(MCP)符号为负，且在5%水平下显著，通过实际数据验证了宏观调控政策与财务风险之间呈显著的负相关关系。中国经济改革开放后30多年的快速发展为房地产企业提供一个良好的发展环境，宽松的宏观调控政策会使房地产企业不断扩张发展，单纯依靠土地和资金资源粗放型发展，几乎不计后果地增加企业资产负债率，一旦市场环境发生重大改变就会使很多企业无法适应，无法正常运营甚至破产;相反，近些年来随着我国房地产泡沫不断出现，政府加大对房地产行业的宏观调控力度，这些不断趋紧的调控政策会影响房地产企业的投资决策，房地产企业一般会选择谨慎投资，进行科学理性地投资，从而降低企业财务风险。

3.宏观调控对“三会”会议情况与财务风险的调节效应回归结果。

综合以上分析，本文将宏观调控政策作为调节变量引入，以财务风险水平作为被解释变量，各企业全年召开三会情况即每年召开股东大会次数、每年召开董事会会议次数以及每年召开监事会会议次数作为解释变量，对式(3)进行逐步回归，模型Ⅰ是控制变量的回归结果，模型Ⅱ、Ⅲ和Ⅳ是在控制变量的基础上加入宏观调控政策与公司治理中会议情况的交叉变量的检验结果，报告了样本公司宏观调控政策对公司治理中会议情况与财务风险关系的调节效应，即方程(3)的回归结果。模型I的检验结果显示，增加公司规模和成长性，有利于降低企业的财务风险;而资产负债率与企业的财务风险呈显著的负向关系，说明我国房地产上市公司不改善公司财务状况，将会显著提高企业的财务风险水平。当加入宏观调控政策变量与公司治理中会议情况的交叉变量后，公司规模和公司成长性仍然具有较强的解释能力。模型Ⅱ的交互项系数为－0.0524，且在10%水平下显著，说明宏观调控政策负向调节股东大会次数和财务风险之间的关系，即在宏观调控政策越紧，每年召开股东大会次数对公司财务风险的影响力增强，增加召开股东大会次数越有利于降低企业的财务风险。模型Ⅲ交互项没有通过检验，说明宏观调控政策对董事会会议次数和财务风险之间没有显著调节效应，其原因可能是董事会成员以及其下设机构没有发挥其应有的专业技能水平，其作用不明显。模型Ⅳ交互项回归系数为－0.0718，在1%水平下显著，表明宏观调控政策负向调节监事会会议次数和财务风险之间的关系，即宏观调控政策越紧，监事会会议次数对财务风险的影响越强，即每年召开监事会次数越多，越有利于降低公司财务风险，其原因可能是宏观调控政策从紧，监事会成员也加大对公司运营状况的监管，公司管理人员会选择谨慎投资，能有效减小公司财务风险。

三、结论与建议

本文利用深市、沪市上市的127家房地产企业的数据，加入调节变量宏观调控政策，对宏观调控政策、公司治理与财务风险进行多元回归分析。研究结果表明，一方面，提高股权集中度有利于降低企业的财务风险;降低股权制衡度，有利于降低企业的财务风险，但效果不显著;增加董事会规模，尤其是独立董事人数，有利于降低企业的财务风险;高级管理人员薪酬越高，房地产企业的财务风险越小。另一方面，政府宏观调控政策越宽松，会加剧我国房地产企业的财务风险;宏观调控政策负向调节“三会”次数和财务风险之间的关系，即宏观调控政策越严厉，每年召开股东大会次数、董事会次数、监事会次数会增强对企业财务风险的影响力，且增加召开“三会”次数有利于降低企业的财务风险，但董事会会议次数和财务风险之间没有显著的调节效应。本文旨在分析的基础上，改善房地产上市公司治理来应对当前不断变化和严厉的宏观调控政策，进一步优化公司治理结构，降低财务风险，使公司能够紧跟中国经济发展的步伐，保障企业持续健康地发展:一是在政府宏观政策变动频繁的房地产市场，企业应当建立相应的风险管控机构，加强董事会下设的战略、风险管理委员会职能，充分利用其职能机构的专业水平，理性投资保障良好的资产负债结构，避免陷入财务风险的境地。二是在董事会治理方面，我国上市房地产企业应当适当扩大董事会规模，尤其是独立董事人数，增加年度内召开董事会会议次数，采纳董事会成员的合理意见，提高宏观政策变动频繁的市场环境下企业决策的科学性。三是在股权特征方面，根据研究结论，在政府宏观调控政策变动频繁的房地产市场，企业应当适当提高股权集中度，培育理性大股东，集中决策且快速处理危机事件，这样能有效降低企业财务风险。四是在高管激励方面，提高高管人员的薪酬待遇，提高其工作积极性，优化企业经营环境，建立高管薪酬激励和股权激励制度，促使其积极履行受托人职责，提高企业经营业绩，降低企业财务风险。五是重视监事会作用。我国上市房地产公司应及时提供必要的信息和资料，以便监事会能对公司重大决策和财务状况进行有效的监督、检查和评价。此外监事会应适当增加监事会召开次数，加大对企业经营状况的监督，以期规避财务风险。

作者：彭中文李力文磊单位：湘潭大学商学院哈尔滨工业大学深圳研究生院