下载掌阅APP，畅读海量书库
立即打开
本章以2003—2016年沪深两市全部A股上市公司作为初始研究样本，采用面板数据进行回归。在初始样本的基础上，按照如下原则对数据进行了筛选：①剔除金融行业上市公司样本；②剔除ST上市公司样本；③剔除相关变量存在缺失值的上市公司样本；④为了消除极端值的影响，本章对所有连续变量按1%和99%水平进行了缩尾处理，最终得到20373个企业—年度观测值。本章所使用的全部财务数据均来源于CSMAR数据库。
基于期权定价理论采用Merton DD（Default Distance）模型估算违约概率（Merton，1974）得到了广泛认可。其中，应用较多的是KMV模型，但是这一模型以KMV公司构建的企业历史违约信息数据库为基础，确定违约距离与违约概率之间的映射，无法在我国被准确模仿应用。为此，Bharath和Shumway（2008）提出了简化违约概率（Naïve Default Probability），对Merton（1974）提出的期权定价理论进行近似估计，并且通过对比分析发现，简化违约概率在实际中比其他方法表现更好。
根据Merton（1974）的研究框架，Merton DD模型中违约距离的计算公式为
式中， V A 为企业资产的价值； D 为债务的账面价值； μ 为企业资产价值的期望回报率； σ A 为企业资产价值变化的波动率； T 为看涨期权的期限。
在保证能够捕捉与Merton DD模型相同信息含量的情况下，根据Bharath和Shumway（2008）计算简化违约概率的过程如下：
（1）假定企业债务的市场价值等于其账面价值：
式中，债务的账面价值 D 为短期负债与0.5倍长期负债的加和。
由于企业债务的风险与权益的风险高度相关，因此采用权益的波动率对企业债务的波动率进行近似估计：
式中，5%表示与违约风险相关的波动。
（2）结合式（3-2）和式（3-3），我们可以得到企业价值总波动率的近似估计：
（3）假定企业资产的预期回报率等于企业前一年的股票回报率：
（4）进一步，类比Merton DD模型中违约距离的计算公式（3-1），可以得到简化的违约距离：
具体计算时，按照通常做法，我们将期权的到期时间 T 设定为1年。
（5）对式（3-6）的计算结果求累积标准正态分布，可得简化违约概率：
本章将参照Bharath和Shumway（2008）的方法计算得到的简化违约概率π naïve 作为企业预期违约风险的衡量指标，记为 EDP （Expected Default Probability）。 EDP 值服从正态分布，取值范围为0～1， EDP 值越大，代表企业的违约风险越大。
战略差异度反映了企业战略偏离行业常规战略模式的程度，表现为资源配置方面的差异（Mintzberg，1978；Tang等，2011）。参照Tang等（2011）以及叶康涛等（2015）的做法，本章基于以下六个维度衡量不同企业战略定位的差异：①市场开发支出，以广告支出与营业收入的比值衡量；②创新程度，以研发支出与营业收入的比值衡量；③资本密集度，以固定资产净值与企业员工总人数的比值衡量；④固定资产更新程度，以固定资产净值与固定资产原值的比值衡量；⑤管理费用支出，以管理费用与营业收入的比值衡量；⑥财务杠杆率，以短期借款、长期借款以及应付债券的总和与权益账面价值的比值衡量。在具体计算时，由于广告支出和研发支出数据无法可靠取得，本章借鉴叶康涛等（2015）的做法，分别以销售费用和无形资产净值对二者进行替代。
基于上述六个维度，本章首先将每个维度的对应指标减去当年行业均值，并除以行业标准差进行标准化处理，之后将标准化后的数据取绝对值，即得到每家企业当年各维度偏离行业平均水平的绝对程度。计算以上六个维度数据的平均值，以此衡量企业当年的战略差异度，记为 DS 。 DS 值越大，代表企业战略偏离行业常规模式的程度越大。
业绩期望差距包括历史业绩期望差距（Historical Aspiration Disparity）和行业业绩期望差距（Industrial Aspiration Disparity），借鉴Chen（2008）、连燕玲等（2014）的做法，本章采用总资产回报率（ ROA ）衡量企业业绩，具体计算过程如下。
（1）历史业绩期望差距（ AD ）
历史业绩期望差距 AD i，t 为企业实际业绩（ P i，t-1 ）与历史业绩期望（ A i，t-1 ）之差，计算公式为
式中， P i，t-1 为企业 i 第 t -1期的实际 ROA ，由于本章考察的是实际业绩与历史业绩之间的差异对企业未来财务决策的影响，故 P i，t-1 取相对于因变量的滞后一期； A i，t-1 为企业 i 第 t -1期的历史业绩期望。取企业 i 第 t -2期实际业绩（ P i，t-2 ）与第 t -2期历史业绩期望（ A i，t-2 ）的加权，计算公式为
其中的参数 α 介于0和1之间，借鉴Chen（2008）的做法，本章取 α =0.4，稳健性检验中考虑参数设定对计算结果的影响，令参数 α 依次以0.1递减，研究结论保持不变。如果 AD i，t ＜0，代表企业实际业绩低于历史业绩期望；反之，如果 AD i，t ＞0，则代表企业实际业绩高于历史业绩期望。同时，定义虚拟变量 I 1 表示企业历史业绩期望差距的类型，当 AD i，t ＜0时取值为1，否则取值为0。由此得到的截尾变量 I 1 × AD i，t ＜0代表历史业绩期望落差，（1- I 1 ）× AD i，t ＞0代表历史业绩期望顺差。
（2）行业业绩期望差距（ IAD ）
行业业绩期望差距 IAD i，t 为企业实际业绩（ P i，t-1 ）与行业业绩期望（ IA i，t-1 ）之差，其中 IA i，t-1 为企业 i 第 t -1期的行业业绩期望，取企业 i 第 t -2期行业内全部企业实际业绩的中位数（ IP i，t-2 ）与第 t -2期行业业绩期望（ IA i，t-2 ）的加权，计算公式为
与前文类似，仍然取参数 α =0.4。如果 IAD i，t ＜0，代表企业实际业绩低于行业业绩期望；反之，如果 IAD i，t ＞0，则代表企业实际业绩高于行业业绩期望。同时，定义虚拟变量 I 2 表示企业行业业绩期望差距的类型，当 IAD i，t ＜0时取值为1，否则取值为0。由此得到的截尾变量 I 2 × IAD i，t ＜0代表行业业绩期望落差，（1- I 2 ）× IAD i，t ＞0代表行业业绩期望顺差。
借鉴以往研究（许浩然和荆新，2016）并结合本章的研究问题，选择以下变量作为控制变量：企业规模、企业杠杆、盈利能力、企业成长性、现金流量、经营效率、资产流动性、债务担保能力、股权集中度、董事会独立性、企业成熟度以及产权性质。此外，本章还对年度和行业进行了控制。各变量的具体定义如表3-1所示。
表3-1 变量定义
续表
为了检验战略定位差异对企业违约风险的影响，本章以Tang等（2011）的方法计算得到的战略差异度衡量企业战略偏离行业常规模式的程度，以Bharath和Shumway（2008）的方法估计所得的简化违约概率对企业违约风险进行衡量，构建如下回归模型：
在模型（3-12）中，战略差异度系数 β 1 是本章关注的重点，它衡量了战略定位差异对企业违约风险的影响。根据假设H1，本章预期 β 1 显著为正，即战略定位差异程度越大的企业发生违约的可能性越大。
为了进一步考察历史业绩期望差距对战略定位差异与企业违约风险之间关系的影响，本章在模型（3-12）的基础上依次加入战略差异度与历史业绩期望落差、历史业绩期望顺差的交乘项，构建如下回归模型：
在模型（3-13）中，战略差异度与历史业绩期望差距交乘项的系数 β 2 、 β 3 是本章关注的重点，它以历史业绩期望为基准，衡量了业绩期望差距对战略定位差异与企业违约风险之间关系的影响。根据假设H2和假设H3，本章预期 β 2 显著为正，即历史业绩期望落差会增强战略定位差异对企业违约风险的正向影响， β 3 显著为负，即历史业绩期望顺差会削弱战略定位差异对企业违约风险的正向影响。
为了考察行业业绩期望差距对战略定位差异与企业违约风险之间关系的影响，本章在模型（3-12）的基础上依次加入战略差异度与行业业绩期望落差、行业业绩期望顺差的交乘项，构建如下回归模型：
在模型（3-14）中，战略差异度与行业业绩期望差距交乘项的系数 β 2 、 β 3 是本章关注的重点，它以行业业绩期望为基准，衡量了业绩期望差距对战略定位差异与企业违约风险之间关系的影响。根据假设H2和假设H3，本章预期 β 2 显著为正，即行业业绩期望落差会增强战略定位差异对企业违约风险的正向影响； β 3 显著为负，即行业业绩期望顺差会削弱战略定位差异对企业违约风险的正向影响。