企业风险与上市公司违规_李子超.pdf

工信财经科技 2023 年第 3 期 50 企业风险与上市公司违规企业风险与上市公司违规 李子超*摘 要：目前企业风险视角的上市公司违规问题未被关注。本文以 20122019 年沪深 A 股制造业上市公司为样本，使用 Z-Score 模型衡量企业风险，检验企业风险对上市公司违规行为的影响及其影响机制，并进一步检验内部控制、产权性质在企业风险影响违规行为过程中的作用。结果表明：企业风险是上市公司违规行为的诱因；企业风险通过加剧业绩下滑压力、造成外部融资困难对违规行为产生影响。进一步研究表明：良好的内部控制可以通过防范企业风险进而抑制违规行为，但无法在企业风险影响违规行为中起抑制作用；企业风险对违规行为的影响在国企、非国企间没有明显差异。实证结果从企业风险角度为监管机构、上市公司治理违规提供借鉴，也为利益相关者依据风险因素识别违规可能性提供新的参考。关键词：上市公司违规；企业风险；内部控制；产权性质 一、引言 我国资本市场正处于转型时期，市场法规仍不健全，加之企业法律意识有待提高，在这一背景下，上市公司的违规事件频发，市场秩序遭到破坏（孟庆斌等，2018）。上市公司的违规行为降低了企业价值，侵害股东权益，导致资源错配，阻碍资本市场的健康长远发展。目前公司违规领域的研究被学者重视，现有文献从内外部治理机制、内外部环境、管理层特质等角度进行大量研究，少有文献从企业风险角度关注对上市公司违规的影响。企业风险指给企业经营生产目标实现带来负面影响的不良事件发生的可能性（范柏乃和楼晓靖，2012），亦指企业发生损失的可能性或不确定性，给企业的经营生产活动造成损失威胁，对企业经营管理决策产生重要影响。高企业风险既容易形成经营亏损，也会导致现金流的不稳定，易使上市公司业绩下滑、融资困难，因而管理层实施违规的动机更强，可能会加大上市公司违规倾向。本文的研究兴趣在于，企业风险是否构成上市公司违规的诱因？其他相关因素在企业风险影响上市公司违规中发挥何种作用？为此，本文以 20122019 年沪深 A 股制造业上市公司为样本，考察企业风险对上市公司违规行为的影响及其影响机制，并进一步考察了内部控制、产权性质在企业风险影响违规行为过程中的作用。开展企业风险与上市公司违规之间的关系研究有助于从风险视角*李子超，青海大学财经学院，硕士研究生；邮箱：。李子超：企业风险与上市公司违规 51 识别、治理违规提供借鉴。本文的主要贡献在于两点。第一，从企业风险视角考察对上市公司违规行为的影响及其影响机制，并进一步考察内部控制、产权性质在企业风险影响违规行为过程中的作用，从风险视角补充公司违规领域的研究。第二，研究结果具有一定的实践价值。实证结果表明，企业风险是上市公司违规行为的诱因，良好的内部控制可以通过防范企业风险进而抑制违规行为，这从风险因素角度为利益相关者识别违规、相关监管部门和上市公司治理违规提供参考。根据 Z-Score 模型计算的风险 Z 值划分的风险类别描述性统计结果表明，低风险组（即 Z1.8）的总计违规比例大约是高风险组（即 Z3）的两倍，因此使用 Z 值大小衡量违规可能性成为一种判别方式，这为利益相关者（例如投资者）依据 Z 值识别上市公司违规可能性提供了参考。二、文献回顾与假设提出（一）文献回顾 1企业风险企业风险 企业风险作为一些可能导致企业无法实现经营目标的威胁、潜在因素或一系列事件，以对企业目标实现产生的影响为标准（林钟高和陈俊杰，2016），企业风险对企业经营管理决策产生重要影响。徐莉萍等（2022）认为公司管理层有动机因企业风险而操纵盈余。王元芳和马连福（2021）的研究表明，降低企业风险能够促使公司行为更加自律。王正新等（2023）研究表明，低企业风险能够提高企业对外直接投资效率。杨宝华和黄虹（2014）发现企业风险水平越高，公司购买保险的可能性越大。贾珅和申广军（2016）的研究表明，当企业风险降低时，工业部门的工人工资结构变化，会使劳动者的生产效率提高，提升工资总额和产出水平。2公司违规公司违规 公司违规领域的研究受学者和实务界关注。大量文献从内外部治理因素分析上市公司违规行为，诸如董事会特征（Beasley，1996；Khanna et al.，2015；梁上坤等，2020）、媒体关注（吴先聪和郑国洪，2021）、分析师关注（Chen et al.，2016）等。部分文献发现高管特质类因素对上市公司违规行为产生影响。例如过度自信的高管层容易低估舞弊被发现的概率，在这种心理状态下容易导致公司违规行为的发生（Schrand and Zechman，2012）；再如女性高管倾向厌恶风险，稳健经营，会减少公司反伦理性违规操作（Capezio and Mavisakalyan，2016）。另有研究文献考察压力因素的影响，例如财务压力（吴国萍和马施，2010）、退市压力（Zhou et al.，2018）。此外，Bentley et al.（2013）、孟庆斌等（2018）基于企业战略视角，发现实施进攻型战略的公司的违规倾向较高。Hass（2016）工信财经科技 2023 年第 3 期 52 发现管理层的股权激励增加了公司违规倾向，这一效应对于国企更明显。陆蓉和常维（2018）的研究表明，上市公司违规行为存在地区同群效应，受同地区其他上市公司的违规行为影响。孟庆斌等（2019）发现，卖空机制的引入显著降低了上市公司违规倾向，提高了违规被稽查的概率。综上可知，鲜有文献关注企业风险对上市公司违规的影响。鉴于此，本文考察企业风险对上市公司违规行为的影响，并进一步考察相关因素在两者间发挥的作用。（二）研究假设 由舞弊三角理论拓展可知，公司的违规源于动机、机会和合理化三类因素的作用（李文贵和邵毅平，2022）。企业风险指给企业经营生产目标实现带来负面影响的不良事件发生的可能性（范柏乃和楼晓靖，2012），对企业目标的实现带来负面影响。结合企业风险的后果及违规的形成原因，本文认为企业风险主要通过提高违规动机进而增加上市公司违规可能性。具体分析如下：1高企业风险增高企业风险增大大上市公司业绩下滑压力上市公司业绩下滑压力 在现代委托代理制度下，公司经营权和所有权分离，管理层薪酬往往与业绩挂钩。业绩下滑使公司管理层薪酬降低，管理层为了自身利益从而增加粉饰业绩、实施违规的动机（王爱萍等，2019）。现有文献也表明，在业绩下滑的压力下，管理层实施违规的动机更强（陆超和王宸，2022）。高企业风险意味着上市公司发生损失的可能性大，更容易导致业绩下滑，故上市公司违规动机提高。2高企业风险造成上市公司外部融资困难高企业风险造成上市公司外部融资困难 融资困难构成一种违规动机（陆超和王宸，2022；胡海峰等，2023；孙诗璐等，2022）。融资困难使公司难以获取资金支持，在此情形下，管理层使用违规手段（例如财务舞弊欺骗投资者）获取资金的动机更强。从融资角度，高企业风险既会导致现金流不稳定甚至断流（王正新等，2023），且容易造成经营亏损，上市公司偿债能力和盈利能力降低，易使投资者和借贷机构失去信心，投资意愿和放贷意愿因此降低，上市公司融资约束程度增加，外部融资困难增大。可见，企业风险越高，管理层基于外部融资的需求而实施违规的动机越强。由上可知，企业风险通过加大上市公司业绩下滑压力以及造成融资困难，从而触发违规动机，使上市公司发生违规的可能性加大。此外，企业风险和经营绩效密切相关，管理层有动机操纵盈余来平滑企业风险带来的收益波动（徐莉萍等，2022），操纵盈余过程容易发生违规（屈文洲和蔡志岳，2007；吴国萍和马施，2010），因而高企业风险的上市公司发生违规的可能性更大。李子超：企业风险与上市公司违规 53 综上，提出核心假设：企业风险越高，上市公司的违规倾向越大。三、研究设计（一）数据来源与样本选择 考虑到同行业公司之间的财务指标可比性较强，因此选取同行业上市公司为样本。制造业规模庞大，占据上市公司总量的半数以上，具备代表性，因此以 20122019 年沪深 A 股制造业上市公司为样本。由于证监会等监管部门查出违规行为需要一定时间，违规的查处时间具有滞后性（孟庆斌等，2019），违规从发生到被稽查平均需要 23 年（Khanna et al.，2015），因此样本选取截止到 2019 年。ST 类上市公司为避免退市更容易冒险违规（陆蓉和常维，2018），是重要的研究对象，因此未剔除。经删除数据缺失样本后，共选取 12 928 个公司年度观测样本用于假设检验，后续稳健性检验、内部控制以及产权性质的检验过程根据新加入变量的样本缺失情况再调整样本数量。企业风险 Z 值数据来自万德（WIND）数据库，股票换手率、股票收益波动率数据来自锐思（RESSET）数据库，违规数据由于存在实际违规年度之后若干年度被稽查的现象，因此使用国泰安（CSMAR）数据库获取违规数据后再统计。其余数据均来自国泰安（CSMAR）数据库。（二）变量界定与衡量 1.被解释变量：公司违规被解释变量：公司违规 公司违规是指上市公司违反国家或监管部门法律法规的行为（孟庆斌等，2019）。根据证监会及相关监管部门的上市公司违规通报信息，违规行为包括：虚假陈述或误导性陈述、披露不实、隐瞒内幕交易、重大遗漏、推迟披露以及虚增利润等信息披露违规；或未按规定使用资金、违规担保、未按规定资产重组、不履行重大协议等经营活动违规，且被证券交易所、财政部、证监会及其分支机构等部门处罚或通报。若公司当年发生违规行为，且被查出则赋值 1，否则取 0。2.解释变量：企业风险解释变量：企业风险 与林钟高和陈俊杰（2016）、徐莉萍等（2022）的研究一致，本文采用 Altman 在 1968年提出的 Z-Score 风险评估模型计算 Z 值衡量企业风险。Altman 选取资产流动性、获利能力、财务杠杆、偿债能力和周转能力五大指标，并利用多元判别分析，在每一类财务比率中选取1个最具有区别和预测能力的指标放入模型中，得出Z模型（徐秀渠，2010）。Z-Score 模型适用于公开上市交易的制造业公司，其中，X1=营运资本/总资产，X2=留存收益/总资产，X3=息税前利润/总资产，X4=股权总市值/总负债，X5=销售收入/总资产。对于 Z 值大小，Altman 进行风险区域划分，Z3，企业经营状况正常，不可能破产；工信财经科技 2023 年第 3 期 54 2.7Z2.99，企业要谨慎，以免发生危机；1.8Z2.7，如果企业不改善经营状况，两年内破产概率很大；Z1.8，企业很可能破产。本文沿用 Z-Score 模型的风险评估方式，使用 Z 值衡量企业风险，Z 值越小代表企业风险越高。并根据 Z 值划分风险类别，以便后文进行描述性统计。具体划分标准为：Z1.8 为高风险组，赋值 1；1.8Z2.99为中风险组，赋值 2；Z3 为低风险组，赋值 3。Z-Score 模型如式（1）所示：54321999.06.03.34.12.1XXXXXZ+=（1）3.控制变量控制变量 借鉴现有文献（孟庆斌等，2019；Chen et al.，2016；朱杰，2020），控制变量选取若干可能影响上市公司违规行为的因素，包括公司规模（Size）、发展性（Growth）、审计师类型（Big4）、产权性质（Soe）、股权集中度（Herf）、独董比例（Indep）、行业信心（TobinQ）、两职合一状态（Dual）、分析师跟踪程度（Analyst）、股票收益波动率（Volatility）、股票日换手率（Turnover）变量。稳健性检验中新增上市年限（Age）、董事会规模（Bdsize）变量。影响机制研究中新增业绩表现（ROE）、融资能力（KZ）。具体变量定义如表 1 所示。（三）模型设定 构建模型（2）检验企业风险对违规行为的影响。其中，违规行为 Violation 为被解释变量，企业风险 Risk 为解释变量，X 代表一系列控制变量，Year 表示控制年份虚拟变量，使用 Probit 回归进行参数估计。+=YearXRiskViolation10 （2）