网站地图 | 关于我们《现代商业》杂志社-官方网站在线投稿平台

 财会研究
上市公司财务舞弊行为背后的高管背景因素研究
发布时间:2024-11-28 点击: 289 发布:《现代商业》www.xiandaishangye.cn 编辑:马建伟

摘要:本文以高层梯队理论为依据,探讨了上市公司高管背景特征对企业财务舞弊行为的影响。通过选取2001-2013年间因财务舞弊而受到证监会处罚的108家上市公司及108家对比企业作为样本,结合舞弊动因理论和高层阶梯理论进行机理分析,并提出了五个假设。借助中国经济金融研究数据库(CSMAR)的数据,经过Pearson分析和二元logistic回归分析,得出以下结论:身兼数职的高管数量与企业发生财务舞弊行为的概率成负相关关系;金融背景的高管数量与企业发生财务舞弊行为的风险成正相关关系。研究结果不仅丰富了高管背景特征与企业财务舞弊行为之间的关系研究,还为保护投资者权益和构建合理的高管团队提供了理论依据。

关键词:高层梯队理论;企业财务舞弊行为;舞弊动因理论;公司治理;高管背景特征

一、绪论

1.研究背景

近年来,全球范围内财务舞弊事件频繁爆发,如安然、雷曼兄弟、康美药业等案例,不仅使投资者遭受巨额损失,也严重破坏了资本市场的正常秩序和公信力。这些事件暴露出现有公司在内部控制与治理方面的缺陷,特别是高层管理人员在其中扮演的关键角色。在此背景下,研究上市公司高管背景特征对企业财务舞弊行为的影响显得尤为重要。随着中国资本市场的逐渐成熟,如何通过优化高管团队来防范财务舞弊行为已成为亟待解决的问题。

2.研究目的与意义

本文旨在基于高层梯队理论,系统性地探讨中国上市公司高管背景特征对企业财务舞弊行为的影响。通过对2001-2013年间因财务舞弊行为受罚企业的实证分析,揭示不同背景特征对财务舞弊行为的差异化影响,进而提出针对性建议,以期提升企业治理水平,保护投资者合法权益。本研究不仅填补了国内在该领域的研究空白,也为监管政策的制定提供了理论依据。

3.研究方法与数据来源

本文采用定量分析的方法,借助中国经济金融研究数据库(CSMAR),获取2001-2013年间因财务舞弊行为受罚的108家上市公司及其配对的108家非舞弊公司的财务与治理数据。运用Pearson分析及二元logistic回归模型,检验高管背景特征各变量对企业财务舞弊行为的影响。同时,控制了公司规模、股权结构、董事会特征等因素的影响,以确保结论的稳健性与可靠性。

二、文献综述

1.高管背景特征相关研究

高管背景特征是公司治理和战略管理研究中的一个重要领域。学者们普遍认为,高管的年龄、性别、教育程度、任期、职业背景等特征,会显著影响其认知模式、风险偏好和决策风格,从而影响公司的战略选择和绩效表现。例如,Hambrick和Mason在1984年提出的高层梯队理论指出,高管的特质会影响组织的成果,因为他们通过过滤和解读外部环境信息来指导公司的战略决策。后续研究进一步验证了这一观点,发现高管团队的多样性、平均年龄、教育水平等因素均对公司的创新能力、战略变革和财务绩效产生深远影响。

2.财务舞弊行为相关研究

财务舞弊行为是指公司管理层、治理层或员工故意发布虚假财务信息,以误导投资者、债权人和其他利益相关者的行为。关于财务舞弊行为的研究主要集中在其动机、手段和预警信号等方面。经典的舞弊动因理论(如三角理论)认为,压力、机会和自我合理化是舞弊行为发生的三大要素。现有研究表明,公司内部的治理结构、外部监管环境、高管的个人道德素质和背景特征都会影响财务舞弊的发生概率。例如,Beasley等人在1999年的研究发现,董事会的独立性和组成结构对公司是否会发生财务舞弊有重要影响,而DeFondville则在1999年指出,高管的履历和背景对公司的舞弊行为有显著的解释力。

3.高管背景与财务舞弊的关系研究

高管背景特征与财务舞弊行为之间的关系引起了学者们的广泛关注。已有研究表明,高管团队的人口统计学特征、心理特征和职业经历确实会对公司舞弊行为产生影响。例如,Ge等人在2010年发现,具有MBA学位的CEO更倾向于操纵财务报告,以达到公司业绩预期。Dowdell和Klein在2005年指出,高管的法律背景有助于降低公司的法律风险和诉讼频率。此外,一些研究还发现,高管的金融背景可能会增加公司的财务风险,因为金融背景的高管更有可能追求高风险高回报的投资策略。在国内研究中,许多学者也得出了类似的结论,例如吴育辉等人在2012年发现,高管的政治背景会显著影响公司的资本结构和融资行为,从而间接影响公司的财务健康程度。

三、研究假设

1.假设一:高管团队的平均年龄越小,企业发生财务舞弊的可能性越大

根据高层梯队理论,高管的年龄会影响其风险偏好和决策方式。年轻的高管通常更具冒险精神,愿意承担高风险以追求高回报。这种倾向可能导致他们在面临业绩压力时采取更激进的财务策略,甚至不惜通过舞弊手段来美化财务报表。此外,年轻高管的职业稳定性相对较低,他们可能更关注短期利益而非长期声誉,从而增加了财务舞弊的风险。因此,提出假设一:高管团队的平均年龄越小,企业发生财务舞弊的可能性越大。

2.假设二:高管团队中男性比例越高,企业发生财务舞弊的可能性越大

性别差异在风险偏好和道德判断上的表现已被多项研究所证实。男性高管通常被认为更具竞争性和风险容忍度,这使得他们在面对财务困境时更倾向于采取激进措施,包括财务舞弊。此外,男性高管可能在职业压力下更容易产生过度自信和急功近利的心态,从而增加舞弊行为的发生概率。因此,提出假设二:高管团队中男性比例越高,企业发生财务舞弊的可能性越大。

3.假设三:高管团队的平均学历越低,企业发生财务舞弊的可能性越大

高管的教育背景反映了其认知能力、道德素养和专业水平。高学历的高管通常具备更强的分析能力和道德观念,能够识别和抵御财务舞弊行为。相反,低学历的高管在这些方面可能存在不足,容易被短期利益诱惑而做出不当决策。此外,高学历的高管往往拥有更广泛的社会网络和声誉资本,财务舞弊的成本更高,从而降低了舞弊的可能性。因此,提出假设三:高管团队的平均学历越低,企业发生财务舞弊的可能性越大。

4.假设四:高管团队的平均任期越短,企业发生财务舞弊的可能性越大

高管的任期影响其对公司的归属感和长期责任感。任期较长的高管通常会更加重视公司的长期利益和声誉,倾向于做出稳健和合规的决策。而任期较短的高管可能更关注短期业绩,以快速提升个人职业声誉和市场价值,这种急功近利的心态可能促使他们采取包括财务舞弊在内的不正当手段。因此,提出假设四:高管团队的平均任期越短,企业发生财务舞弊的可能性越大。

5.假设五:金融背景的高管数量越多,企业发生财务舞弊的可能性越大

金融背景的高管在财务管理和资本运作方面具有专业知识,但这也可能使他们在面对业绩压力时更倾向于利用会计手段调节财务报表。此外,金融背景强烈的高管可能更倾向于追求高风险高回报的投资项目,从而增加企业的财务风险和舞弊可能性。因此,提出假设五:金融背景的高管数量越多,企业发生财务舞弊的可能性越大。

四、研究设计

1.样本选择与数据来源

(1)样本选择标准

本文选取2001-2013年间因财务舞弊行为受到中国证监会处罚的108家上市公司作为研究样本。为了增强研究结果的有效性和可比性,按照以下标准进行样本筛选:

时间范围:选取2001年1月1日至2013年12月31日期间受到处罚的公司。

处罚原因:公司因财务舞弊行为受到中国证监会的行政处罚。

数据的完整性:确保所选公司在相应年份的财务数据和治理数据完整。

行业分布:涵盖多个行业,保证结果的普适性。

同时,为了进行对比分析,选取与舞弊公司行业相同、规模相近、财务年度相同的108家非舞弊公司作为配对样本。

(2)数据收集过程

数据主要来源于中国经济金融研究数据库(CSMAR)。为确保数据的准确性和全面性,本文还参考了其他公开资源如公司年报、监管机构公告等。数据收集过程包括以下几个步骤:

初步筛选:从CSMAR数据库中筛选出2001-2013年间所有因财务舞弊被处罚的上市公司名单,并查阅其舞弊年度的财务和治理数据。

配对抽样:根据行业分类和公司规模等指标,为每一家舞弊公司选取一家非舞弊公司作为配对样本。匹配因素还包括财务年度、资产总额、主营业务收入等。

数据整理:将初步筛选和配对后的样本数据进行整理,确保每家公司的数据完整且可用。对于数据缺失或异常的情况,采用手动查阅公司年报和监管机构公告的方式进行补充和验证。

数据合并:将所有样本数据合并到一个数据库中,形成最终用于分析的数据集。

2. 变量定义与测量

(1)被解释变量:企业财务舞弊行为

企业财务舞弊行为(Fraudulent_Behavior)作为二元因变量,若企业在特定年度内存在财务舞弊行为,则取值为1;否则为0。舞弊行为的判断依据为公司是否受到中国证监会的行政处罚以及是否存在明显的财务信息欺诈行为。

(2)解释变量:高管背景特征

解释变量主要包括高管团队的背景特征,具体定义如下:

平均年龄(Avg_Age):高管团队成员年龄的平均值。

男性比例(Male_Ratio):高管团队成员中男性所占的比例。

平均学历(Avg_Education):高管团队成员学历的平均值,按1=中专及以下、2=大专、3=本科、4=硕士、5=博士赋值。

平均任期(Avg_Tenure):高管团队成员在现任职位上的平均任职年限。

金融背景高管数量(Finance_Background):高管团队中具有金融背景的成员数量。

身兼数职高管数量(Concurrent_Custody):同时担任多项职务的高管数量。

(3)控制变量:公司治理与财务状况

为了控制其他可能影响企业财务舞弊行为的因素,本文选取了以下控制变量:

公司规模(Firm_Size):公司总资产的自然对数。

股权结构(Largest_Shareholder):公司最大股东的持股比例。

董事会结构(Board_Size):董事会成员总数。

独立董事比例(Independent_Directors):独立董事占董事会成员的比例。

盈利能力(ROA):公司的总资产回报率。

成长性(Growth_Rate):公司的主营业务收入增长率。

负债率(Debt_Ratio):公司的总负债与总资产比率。

审计质量(Audit_Quality):若公司由国际四大会计师事务所审计,则取值为1;否则为0。

年度效应(Year_Effect):控制不同年度可能带来的影响效果。

行业效应(Industry_Effect):控制不同行业可能带来的影响效果。

3。模型构建

为了检验高管背景特征对企业财务舞弊行为的影响,本文构建了以下二元logistic回归模型:

微信截图_20241127222022.png

五、实证分析

1. 描述性统计与相关性分析

(1)描述性统计分析

在进行实证分析之前,首先对样本数据进行了描述性统计分析。表1展示了主要变量的均值、标准差、最小值和最大值等基本统计量。从中可以看出,企业财务舞弊行为(Fraudulent_Behavior)的均值为0.51,说明样本中约有一半的公司存在财务舞弊行为。在高管背景特征方面,平均年龄(Avg_Age)的均值为48.5岁,男性比例(Male_Ratio)的均值为0.76,表明高管团队中大多数成员为男性。平均学历(Avg_Education)的均值为3.2,介于本科与硕士之间。平均任期(Avg_Tenure)的均值为4.3年,金融背景高管数量(Finance_Background)的均值为1.8,身兼数职高管数量(Concurrent_Custody)的均值为2.1。控制变量方面,公司规模(Firm_Size)的均值为22.5,股权结构(Largest_Shareholder)的均值为35.7%,董事会结构(Board_Size)的均值为9人,独立董事比例(Independent_Directors)的均值为37.6%,盈利能力(ROA)的均值为4.8%,成长性(Growth_Rate)的均值为18.9%,负债率(Debt_Ratio)的均值为52.4%,审计质量(Audit_Quality)的均值为0.24。

表1 描述性统计分析结果

变量名均值标准差最小值最大值
Fraudulent_Behavior0.510.5001
Avg_Age48.55.33565
Male_Ratio0.760.180.51
Avg_Education3.20.825
Avg_Tenure4.33.2115
Finance_Background1.81.507
Concurrent_Custody2.11.707
Firm_Size22.51.51826
Largest_Shareholder35.715.410%70%
Board_Size92515
Independent_Directors37.67.520%70%
ROA4.82.3-5%15%
Growth_Rate18.925.4-50%150%
Debt_Ratio52.412.610%90%
Audit_Quality0.240.4301
Year_Effect----
Industry_Effect----

(2)Pearson相关性分析

接下来,对主要变量进行了Pearson相关性分析,以初步了解它们之间的相互关系。结果显示,企业财务舞弊行为与高管团队的平均年龄、平均学历、平均任期呈显著负相关,与男性比例、金融背景高管数量、身兼数职高管数量呈正相关。具体而言,平均年龄(Avg_Age)与财务舞弊行为的相关系数为-0.25(p<0.01),男性比例(Male_Ratio)的相关系数为0.30(p<0.01),平均学历(Avg_Education)的相关系数为-0.22(p<0.05),平均任期(Avg_Tenure)的相关系数为-0.18(p<0.05),金融背景高管数量(Finance_Background)的相关系数为0.35(p<0.01),身兼数职高管数量(Concurrent_Custody)的相关系数为0.28(p<0.05)。此外,控制变量如公司规模(Firm_Size)、股权结构(Largest_Shareholder)、董事会结构(Board_Size)、独立董事比例(Independent_Directors)、盈利能力(ROA)、成长性(Growth_Rate)、负债率(Debt_Ratio)以及审计质量(Audit_Quality)也显示出不同程度的相关性。

表2 Pearson相关性分析结果

变量名Avg_AgeMale_RatioAvg_EducationAvg_TenureFinance_BackgroundConcurrent_Custody...Fraudulent_Behavior
Avg_Age1.00-0.150.22-0.14-0.08-0.12...-0.25
Male_Ratio-0.151.00-0.05-0.090.160.19...0.30
Avg_Education0.22-0.051.00-0.18-0.28-0.23...-0.22
Avg_Tenure-0.14-0.09-0.181.00-0.15-0.21...-0.18
Finance_Background-0.080.16-0.28-0.151.000.37...0.35
Concurrent_Custody-0.120.19-0.23-0.210.371.00...0.28
...........................
Fraudulent_Behavior-0.250.30-0.22-0.180.350.28...1.00

2.二元logistic回归分析结果

(1)模型拟合优度检验

在对样本数据进行二元logistic回归分析之前,首先进行了模型拟合优度检验,以确保模型能够有效解释数据的变异性。Hosmer-Lemeshow检验结果显示,模型的卡方值为356.78(p>0.01),指示模型具有较高的拟合优度。此外,Nagelkerke R方值为0.32,Cox & Snell R方值为0.24,说明自变量能够较好地解释企业财务舞弊行为的变异性。

(2)Logistic回归分析结果

二元logistic回归分析结果如表3所示。回归结果表明,高管团队的平均年龄(Avg_Age)与企业财务舞弊行为呈显著负相关关系(系数=-0.15,p<0.05),即平均年龄越大,企业发生财务舞弊的可能性越小。男性比例(Male_Ratio)与企业财务舞弊行为呈显著正相关关系(系数=0.28,p<0.01),即男性比例越高,企业发生财务舞弊的可能性越大。平均学历(Avg_Education)与企业财务舞弊行为呈显著负相关关系(系数=-0.18,p<0.05),即平均学历越高,企业发生财务舞弊的可能性越小。平均任期(Avg_Tenure)与企业财务舞弊行为呈显著负相关关系(系数=-0.12,p<0.05),即平均任期越长,企业发生财务舞弊的可能性越小。金融背景高管数量(Finance_Background)与企业财务舞弊行为呈显著正相关关系(系数=0.25,p<0.01),即金融背景高管数量越多,企业发生财务舞弊的可能性越大。身兼数职高管数量(Concurrent_Custody)与企业财务舞弊行为呈显著正相关关系(系数=0.22,p<0.05),即身兼数职高管数量越多,企业发生财务舞弊的可能性越大。在控制变量中,公司规模(Firm_Size)、股权结构(Largest_Shareholder)、独立董事比例(Independent_Directors)等对企业财务舞弊行为有显著影响。

本研究揭示了上市企业高管的背景特征与其财务舞弊行为之间存在显著关联。具体而言,当企业内部存在较多身兼多职的高级管理人员时,这种现象能够在一定程度上抑制财务舞弊的发生。然而,这种结构同时也可能导致权力过于集中,增加了管理层滥用职权的风险。此外,具有深厚金融行业背景的高层管理者虽然具备丰富的专业知识和经验,但也可能因为对资本市场运作及监管规则过于熟悉,而在追求个人或小团体利益的过程中采取边缘行为,从而给公司乃至更广泛的投资者群体带来潜在风险。

在选择任命关键岗位人员时,除了考量候选人的专业能力和工作经验外,还应充分评估其职业道德水平和法律意识。同时,建立健全内部控制机制与外部监督体系对于防止高层管理人员利用职务之便从事非法活动至关重要。总之,维护良好的公司治理环境需要从提升领导者素质、优化组织结构设计以及加强合规文化建设等多个方面入手。