编者按：本论文主要从研究设计；实证检验结果等进行讲述，包括了即使股东和债权人之间不存在冲突,管理层仍然有动机将衍生金融工具运用于非对冲的目的、样本选择与数据来源、变量定义与描述、研究模型设定、实证研究结果表明,目前中国上市公司运用衍生金融工具进行风险管理并不能降低公司的各项风险等，具体资料请见：

【摘要】西方主流理论认为衍生金融工具的运用可以降低公司的风险,国内学术界目前在这方面的研究尚不多。为此,本文以我国1151家A股非金融上市公司2007年横截面数据为研究样本,对上市公司运用衍生金融工具进行风险管理对公司风险的影响进行了实证研究。研究结果表明,我国的情况与国外不同,我国上市公司运用衍生金融工具进行风险管理对公司的系统风险和破产风险均有微弱的增加效应。

【关键词】衍生金融工具;Z-score;系统风险;上市公司

一、引言

从20世纪70年代开始,随着外汇、利率等衍生金融工具的迅速发展,越来越多的公司介入衍生金融工具市场进行风险管理(王志诚等,2006)。西方风险管理理论(Smith和Stulz(1985)、Mayers和Smith(1990)、Myers(1977)和Frootetal.(1993))认为,衍生金融工具的运用建立在降低公司风险的动机基础上。在特定的情况下,例如昂贵的财务危机成本和严重的投资不足问题,对公司的风险进行对冲能够增加公司价值。

但是,管理层和股东也有增加公司风险的动机。Black和Scholes(1973)指出,股东对杠杆公司的现金流量的要求权类似于一份看涨期权的报酬。Jensen和Meckling(1976)指出,因为这些像看涨期权的报酬随着公司的波动而增加,价值最大化的股东有通过增加公司的风险从公司外部的债权人处转移财富的动机。但是,股东可能在导致风险厌恶的经理将公司特定的资本投资于增加波动的活动方面有困难。

即使股东和债权人之间不存在冲突,管理层仍然有动机将衍生金融工具运用于非对冲的目的。例如,因为职工股票优先购买权的价值随着股票价格波动的增加而增加,使得管理层有动机从事增加公司风险的活动。与之相类似,当公司的收益刚好在或者接近奖励计划的下限时,经理的补偿计划类似于一份看涨期权的报酬。这样就产生了增加公司收益波动的动机。但是,公司价值最大化的补偿计划会将这些风险偏好动机考虑在内,并且设计成降低不利影响的。

最后,管理层可以运用衍生金融工具进行利率、汇率或商品价格波动的投机。例如,Dolde(1995)指出,接近90%的衍生金融工具使用者在决定自己的衍生金融工具组合特征时,他们有时会“看一看”(takeaview)金融市场的波动。因为投机行为一般来说与企业的基本风险是不相关的,基于这个目的运用衍生金融工具被认为是增加,而不是降低公司的风险。

在经验研究方面,国外的研究结果是不一致的,大部分认为非金融公司运用衍生金融工具进行风险管理能够降低公司股票价格对金融风险的敏感性(Smithson和Simkins,2005)。国内学术界目前在这方面的研究尚不多。本文的目的,就是要对上市公司运用衍生金融工具进行风险管理对公司风险的影响进行理论分析和经验研究,以检验国外假说是否与我国上市公司的实际情况相符合。

二、研究设计

(一)样本选择与数据来源

1.样本选择

本文选取2007年的沪深两市全部A股非金融上市公司作为初选样本,对这些公司进行筛选。为了达到研究目的,执行了以下筛选程序:金融行业是某些衍生金融工具提供者,与其他行业相比具有较大区别,剔除这些公司;ST公司和一般的公司相比较业绩和财务状况较差,会有极强的动机操纵下一年度的会计盈余,因此剔除ST公司。经过上述筛选后,最后的样本公司为1151家。

采集数据时,笔者逐家查阅了沪深上市公司的年度报告,分别在其资产负债表中“交易性金融资产”和“交易性金融负债”及其附注中获取有关公司从事衍生金融交易的类型和金额的信息,收集关于公司是否使用衍生品和使用理由的数据。如果年报披露利用衍生金融工具是公司风险管理的重要措施之一、公布了当期曾经持有衍生金融工具并披露具体的公允价值或者名义价值,则不论期末持仓盈利或者亏损,也不论使用规模大小,将其认定为是运用衍生金融工具进行风险管理的公司;另外,即使年末无衍生金融工具持仓头寸,但是当年曾经持有且其盈亏计入当期损益,也将其认定为运用衍生金融工具进行风险管理的公司。

2.数据来源

上市公司运用衍生金融工具进行风险管理的数据主要靠手工采集自上市公司2007年年度报告原文,其他数据来源于锐思数据金融界巨潮资讯以及中国证券监督管理委员会等网站上公开披露的上市公司2007年年度报告。为保证数据的可靠性,对数据进行了抽样复核。

本文数据处理使用SPSS和Excel软件进行,基本数据处理使用了Excel软件,描述性统计、参数检验、非参数检验、相关性分析及回归分析使用SPSS统计软件。

(二)变量定义与描述

1.被解释变量的选取与计算

被解释变量为公司风险。一般来说,衡量企业风险的变量主要有两类:其一是以市场数据为基础,其二是以会计数据为基础。前者包括系统风险和非系统风险等;后者包括经营风险和财务风险等。而美国学者Altman(1968)建立的著名的5变量Z-score模型,将市场数据和会计数据有机地结合起来,被认为是能够很好地衡量上市公司的破产风险。本文采用两项指标衡量公司的风险,分别为:

(1)系统风险。上市公司风险按照能否通过资产组合方式予以分散,可分为系统风险和非系统风险。系统风险是指那些影响所有上市公司的因素(如战争、政治革命、经济体制改革、通货膨胀、利率和汇率变化等)引起的不确定性。非系统风险是指能够被投资者通过持有分散化投资组合消除的风险,通常和公司特定的事件相关,如工厂爆炸、被盗、公司被接管、产品研发、市场开拓等等。本文用上市公司的年度Beta值表示系统风险。

(2)Z-score模型。美国学者Altman于1968年创建了Z记分(Z-Score)模型,该模型主要适用于股票上市公司,首先从上市公司财务报告中计算出一组反映财务危机程度的财务比率,然后根据这些比率对财务危机警示程度的大小给予不同的权重,最后进行加权计算就得到一个企业的综合风险总判别分Z,将其与临界值对比就可知企业财务危机的严重程度。

Altman模型的判别函数为:

Z=1.2×X1+1.4×X2+3.3×X3+0.6×X4+1.0×X5

式中:Z=判别函数;X1=营运资金/总资产,即企业营运资金相对于资产总额比例,X1越大,说明企业资产的流动性越强,财务状况越好;X2=留存收益/总资产,即企业在一定时期内留存收益进行再投资的比例。X2越大,说明企业筹资和再投资能力越强,企业创新和竞争力越强;X3=息税前利润/总资产,X3反映企业不考虑税收和财务杠杆因素时企业资产的盈利能力;X4=股权市价总值/总负债,主要反映投资者对公司前景的判断,它是资本市值对债务的比值,指标越高,说明企业越有投资价值,在成熟的资本市场中,该指标尤其具有说服力;X5=销售额/总资产,用来衡量企业资产获得销售收入的能力。

根据对过去经营失败企业统计数据的分析,Altman得出一个经验性临界数据值,即Z=2.675。企业的Z记分值高于2.675的为较安全企业,低于2.675的为存在财务危机或破产风险的企业。此外,Altman在对经营失败企业经验分析中还发现,如果一个企业的Z记分值低于1.81,该企业实际上已经潜在破产,如果不采取特别有力的措施,将很难走出深渊。

2.解释变量

解释变量为公司是否运用衍生金融工具进行风险管理的虚拟变量。若公司运用衍生金融工具进行风险管理,则该变量为1;否则为0。

3.控制变量

(1)公司规模。根据资本结构理论,规模越大的企业,其经营多元化,抗风险的能力更强;而规模越小的企业,其经营不确定性也较大,抗风险的能力较弱。为此需要控制公司规模,本文以公司总资产作为公司规模控制变量。

(2)资本结构。企业负债比例越高,财务风险越高。本文以资产负债率表示公司的资本结构,用来控制其对公司风险的影响。

(3)公司成长性。一般认为,成长快的企业在投资规模和融资规模等方面均较大,不确定性较大,从而风险较大。本文选用主营业务收入增长率指标来衡量企业的成长性,定义为公司前后一年的主营业务收入增长率,用来控制公司的成长性对公司风险的影响。

(4)资产结构。资产结构指的是长期资产与流动资产之间的比例关系。资产结构不同的企业的固定成本与变动成本的构成也会不同,进而决定企业的经营风险的大小,本文以固定资产比例作为公司资产结构的控制变量。

有关公司运用衍生金融工具进行风险管理和公司风险以及相关控制变量的研究变量的代码及定义如表1所示。

(三)研究模型设定

为了从数量上考察风险管理及其相关变量对公司风险的影响程度,根据上文分析,本文以公司风险为被解释变量,以上市公司运用衍生金融工具进行风险管理行为为解释变量,以公司规模、资本结构、公司成长性和资产结构作为控制变量,构建如下检验模型并使用OLS回归分析方法检验上市公司运用衍生金融工具进行风险管理与公司风险之间的关系:

Beta=β10+β11×Hedge+β12×Size+β13×Leverage+β14

×Growth+β15×Fixed+μ16

这里使用βi1(i=1,2)是否显著大于零或小于零来研究使用衍生产品进行风险管理时是否对公司风险产生影响。根据相关理论分析,如果我国上市公司运用衍生产品进行风险管理可以降低公司系统风险,那么β11<0。如果我国上市公司运用衍生金融工具进行风险管理可以降低公司破产风险,那么β12>0。因此,通过检验系数的显著性就可以验证运用衍生产品进行风险管理是否能降低公司风险。

三、实证检验结果

(一)公司风险及相关研究变量的描述性统计

表2是混合样本的研究变量的描述性统计。全部样本公司的系统风险均值为0.9885,这是由于剔除了ST公司而略低于市场风险。Z-score的均值(中位数)为6.4357(3.9413),表明样本公司的破产风险较低。资产规模的均值为79.1325亿元,高于沈艺峰、江伟(2007)的资产规模均值15.6320亿元。资产负债率的均值为50.37%,比沈艺峰、江伟(2007)的资产负债率均值47.33%和徐向艺、张立达(2008)的资产负债率均值49.1%略高,低于马连福、陈德球、高丽(2007)的以2005年中国205家家族上市公司资产负债率均值57.07%。主营业务收入增长率的均值为65.11%,高于沈艺峰、江伟(2007)的主营业务收入增长率均值23.61%和刘伟、刘星(2008)的2004年403家制造业公司的主营业务收入增长率均值34.7%,表明我国上市公司发展水平较快。固定资产比例的均值为33.6%。从各项样本指标来看,样本公司之间的差距较大,这也便于考察公司运用衍生金融工具进行风险管理的决策对公司风险的影响。

2.单因素检验

本文采用参数和非参数检验的方法,将风险管理公司与其他公司就一系列特征变量进行对比检验,判断其是否在某些方面与其他公司具有显著差异。参数检验(正态总体均值对比检验)要求所对比的两个总体服从正态分布,而非参数Mann-Whitney秩和检验对总体分布及其参数不作任何假设,可用于关于分布中位数以及多个分布之间有无差异的假设检验。

从表3的检验结果可以看出,无论是参数检验(对均值的t检验)还是非参数检验(对中位数的Z检验),运用衍生金融工具进行风险管理的上市公司比其他公司具有更高的系统风险,但是比其他公司具有更低的Z计分值,表明运用衍生金融工具并未起到降低中国上市公司风险的作用,反而增加了公司的风险。这一发现与国外的经验证据相反。

3.相关性分析

在进行回归分析之前,为了对待检验的变量间的关系有初步的认识,首先对回归模型各变量进行PEARSON相关性分析。由表4可以看出,有些变量之间有一定的相关性,如运用衍生金融工具进行风险管理和公司规模在1%的水平上显著正相关(相关系数为0.152)、运用衍生金融工具进行风险管理和资产负债率在5%的水平上显著正相关(相关系数为0.074)、公司规模和固定资产比例在1%的水平上显著正相关(相关系数为0.120)、资产负债率和主营业务收入增长率在5%的水平上显著正相关(相关系数为0.072)。根据HoandWong(2001)的研究,只要相关系数不超过0.8,就不需要担心自变量之间的多重共线问题。因此说明本模型共线性问题并不严重,变量间的相关程度在可容忍范围内。

4.多元回归分析

表5是模型I和模型II分别选用系统风险和Z-score作为公司风险的指标,将其作为因变量进入回归模型的检验结果。从回归结果可以看出,两个检验模型的F值均在1%的水平上均显著,AdjustedR2为0.134和0.392,表明检验模型的拟合效果较好。各模型中自变量的方差膨胀因子VIF(VarianceInflationFactors)值均在1.007至1.053之间,显著小于临界值10,表明多元回归模型基本不受多重共线性的影响。在残差独立性检验方面,D-W值均在2左右,说明回归模型的残差相互独立,表明自变量之间不存在自相关问题。

当以系统风险作为公司风险变量时,公司运用衍生金融工具进行风险管理的哑变量估计系数为0.03621,在10%的水平上不显著,可以认为公司运用衍生金融工具进行风险管理增加了公司的Beta值,即对公司的系统风险有微弱的增加效应。

当以Z-score作为公司风险变量时,公司运用衍生金融工具进行风险管理的哑变量估计系数为-0.535,在10%的水平上不显著,可以认为公司运用衍生金融工具进行风险管理降低了公司的Z-score值,即对公司的破产风险有微弱的增加效应。

其余各变量对公司风险影响的研究结果表明,资产规模与系统风险正相关,与Z-score负相关,但均不显著。资产负债率与系统风险在5%的水平上显著正相关,与Z-score在1%的水平上显著负相关,说明资产负债率过高会增加公司的系统风险,增加公司破产的可能性,这与财务理论是一致的。主营业务收入增长率与系统风险在1%的水平上显著负相关,与Z-score正相关但不显著,说明成长性好的公司风险较低。固定资产比例与系统风险在5%的水平上显著正相关,与Z-score在1%的水平上显著负相关,表明固定资产比例高的公司面临的风险较高,这也与财务理论一致。

总体而言,实证研究结果表明,目前中国上市公司运用衍生金融工具进行风险管理并不能降低公司的各项风险,相反公司的系统风险和破产风险都由于衍生金融工具的运用而增加了。这一结论与国外具有显著的差别。