高管个人特征与公司业绩——基于机器学习的经验证据

发布时间：2022-10-20 18:24

　　在目前的公司治理文献中,大部分的高管特征研究一方面仅关注单一的高管特征与公司业绩之间的关联,缺乏全面的高管特征分析;另一方面主要围绕因果推断进行研究,缺乏从预测能力出发的系统定量的结论.本文首次采用机器学习算法中的Boosting回归树,全面考察了多维度高管特征对公司业绩的预测性.以我国2008年～2016年的上市公司为样本,研究了高管的多维个人特征是否能预测公司业绩,并进一步分析了对公司业绩预测能力较强的高管个人特征及其预测模式.研究发现:1)整体而言,在我国公司CEO和董事长的特征对公司业绩的预测能力较弱; 2)在众多高管个人特征之中,高管持股比例和年龄对公司业绩的预测能力较强; 3)高管持股比例和年龄与公司业绩之间的关联都呈现出非线性的特点,与以往的理论较为吻合.本研究不仅利用机器学习方法从一个更为全面的视角对中国的高管特征进行了研究,也为公司高管聘任和激励机制设计等方面提供了有益的启发. 

【文章页数】：21 页

【文章目录】：
0 引言
1 文献综述
    1.1 高管特征与公司业绩
    1.2 机器学习与公司金融研究
2 数据来源和变量说明
    2.1 数据来源
    2.2 变量定义
    2.3 描述性统计
3 研究方法和模型构建
    3.1 Boosting回归树
    3.2 模型构建
4 实证检验与结果分析
    4.1 高管特征能够预测公司业绩吗?
    4.2 高管个人特征的相对重要性分析
    4.3 重要高管特征对于公司绩效的预测模式
5 稳健性检验
    5.1 更换滚动时间窗口
    5.2 更换公司绩效的衡量指标
    5.3 Boosting模型的参数调整
    5.4 更换机器学习方法
        5.4.1随机森林(Random Forest)
        5.4.2 XGBoost
    5.5 更换高管特征变量
6 结束语


【参考文献】：
期刊论文
[1]权威董事专业性、高管激励与创新活跃度研究[J]. 程新生,赵旸.  管理科学学报. 2019(03)
[2]公司战略可以解释高管与员工的薪酬差距吗?[J]. 吴昊旻,墨沈微,孟庆玺.  管理科学学报. 2018(09)
[3]高管任职经历的得与失?——来自债券市场的经验证据[J]. 林晚发,钟辉勇,李青原.  金融研究. 2018(06)
[4]高管学术经历与公司债务融资成本[J]. 周楷唐,麻志明,吴联生.  经济研究. 2017(07)
[5]风险投资、创始人与高管薪酬——多边代理视角[J]. 陈闯,张岩,吴晓晖.  管理科学学报. 2017(06)
[6]CEO与董事间“老乡”关系对公司违规行为的影响研究[J]. 陆瑶,胡江燕.  南开管理评论. 2016(02)
[7]CEO对董事会的影响力与上市公司违规犯罪[J]. 陆瑶,李茶.  金融研究. 2016(01)
[8]不可承受之重:公司高管婚变的经济后果研究[J]. 徐莉萍,赖丹丹,辛宇.  管理世界. 2015(05)
[9]国有企业CEO“政治晋升”与“在职消费”关系研究[J]. 王曾,符国群,黄丹阳,汪剑锋.  管理世界. 2014(05)
[10]政治关联、高管薪酬与企业未来经营绩效[J]. 唐松,孙铮.  管理世界. 2014(05)

硕士论文
[1]我国上市公司管理层持股比例与公司绩效关系实证研究[D]. 刘鲁彬.南昌大学 2012



本文编号：3695073