违规处罚对上市公司财务绩效的影响研究

文 亮,彭 文

(长沙理工大学 经济与管理学院,湖南 长沙 410076)

2020年,国务院办公厅发布的《关于进一步提高上市公司质量的意见》提出,提高上市公司质量需要从6个方面着手,其中,第5方面即提高上市公司及相关主体违法违规成本明确指出需要推动扩大法律提案,加大财务造假、资金串通等违法活动的行政和刑事处罚力度,对民事诉讼和证券赔偿的相关方面设立制度,提高违规企业违法违规成本,支持投资者保护机构依法参与法律程序诉讼[1]。

资本市场是金融交易中的重要组成部分,上市公司支撑着资本市场的发展。上市公司质量的进一步提高对资本市场的健康发展和新时代社会主义市场经济体制的完善有着举足轻重的作用。作为新兴经济体,中国面临着诸多挑战,如司法体系和资本市场监管仍需要不断完善和演变,执法资源有限,监管不力等。随着社会经济的迅猛发展,上市公司为寻求一己之私而进行财务违规的行为屡见不鲜,不利于上市公司质量的提升和资本市场的发展。直面这一情况并有效解决,关键在于有效的内部治理和外部监视和管理,合理的外部监管又能够促进企业内部治理的稳定运行。外部监管具体体现在对企业的违法违规行为进行及时的检查和做出相应的处罚,企业一旦受到违规处罚,企业自身的声誉也会受到一定的负面影响,可能会导致企业的发展面临困境。

对上市公司违规处罚的相关研究,学术界当下大多数聚焦的是其发生的原因,对于违规处罚本身所带来了经济后果的研究较少。基于此,本文以2011—2020年A股上市公司经验数据,构建双重差分等模型检验违规处罚对上市公司财务绩效的影响,及融资约束在违规处罚与上市公司财务绩效之间的中介作用和社会责任的对违规处罚和上市公司财务绩效关系之间的调节作用。

一、文献综述、理论分析与研究假设

(一)违规处罚对财务绩效的影响

上市公司在收到违规处罚通知后,其经营环境和管理环境会受到影响。外界及利益相关者会认为其管理不善,使企业声誉受到损害,短期市场反应明显呈负面[2],增加各种额外成本,进而使得短期内上市公司股票价格在资本市场上呈下降趋势,企业更可能收到非标准审计意见,利润减少,债券价值降低[3]。

国外开始关于违规处罚对企业影响的研究要比较早。Strachan等将研究对象选定为20世纪后期发生在美国的80多余起上市公司违规行为,研究发现公司有违规行为被公告后,其平均累计超额收益会受到冲击,且在公告日当天受到的负面冲击影响最大[4]。Yuan等表示上市公司一旦受到监管机构处罚,则证明存在违规行为,揭示了企业的经营情况、财务状况等都存在不确定不稳定的因素,向业内和投资人等利益相关者表明了其经营状况不善的信息,不利于企业财务绩效的提升[5]。

国内学者侧重于研究企业违规的原因,对企业遭受违规处罚后产生的经济后果关注度不高。张维等研究发现监管部门处罚通过影响企业资本结构、偿债能力、营运能力进而对企业财务绩效产生负面影响[6]。

根据信息传递理论的观点,企业一旦遭受违规处罚,外界便会据此作出反应,对企业本身的财务状况造成冲击,因此,企业遭受违规处罚很可能会导致企业的财务绩效随之下降。而违规程度的不同意味着企业可能会受到不同程度的违规处罚,对财务绩效的影响也可能是不一样的。

根据上述分析,本文提出以下假设:

H1:违规处罚对上市公司财务绩效具有显著负向影响;

H1a:违规处罚的程度越高,上市公司财务绩效越差;

H1b:相比于其他上市公司,加大违规处罚的上市公司财务绩效越差。

(二)融资约束的中介效应

如果发生违规行为,上市公司将受到监管机构的处罚,并且由于信号传递效应的影响,对违规公司融资的限制将得到加强,获得的信贷和商业信用的额度减少,但却需要在更短的时间内承担更高的利率和更加严格的担保要求,同时“商业信用—现金持有”敏感性正在上升,即商业信贷的成本也在增加[7]。

舞弊信息的披露会损害被告公司的声誉,损害其财务披露的可信度,违规公司在融资方面遇到困难,投资者也会相应地减少投资[5]。窦炜等通过运用倾向评分匹配法形成配对样本,研究表明相较于非违规企业来说,受到监管机构处罚的企业,将会更难进行融资,提高了其债务融资成本[8]。

融资约束不利于企业获取外部资金,而企业的发展非常需要外部资金的支持。企业的融资约束程度较低,企业才能得到合理有效的发展,同时提升企业的财务绩效。连玉君等指出,当企业在面对某些具有正向收益的项目时,如果企业的融资约束程度较高,企业将会放弃这些收益项目来保证内部合理稳定的运营,企业可获得的收益减少,从而使企业绩效降低[9]。

当上市公司有融资需求时,需要向债权人和利益相关者提供相关的企业信息和财务报告,利益相关者利用这些信息来判断企业是否具有偿还贷款和支付利息的能力,并决定应该怎样分配资金。根据信息不对称理论和声誉机制理论,如果债权人发现公司因违规行为而受到处罚,他们很可能会通过增加公司的借贷成本来降低信息不对称带来的风险成本,以及因声誉低而产生的财务风险成本,从而获得风险均等保证。而一旦债务融资成本增加,企业能够可靠获得的外部资金减少,对上市公司的财务绩效便会产生影响。

融资约束在违规处罚和上市财务绩效之间存在中介作用,即违规处罚对上市公司财务绩效的影响很有可能是通过融资约束实现的。

根据上述分析,本文提出以下假设:

H2:违规处罚能够通过加剧融资约束影响上市公司财务绩效。

(三)社会责任的调节效应

企业违规本质上就是一种社会责任感缺失的体现,它会损害企业的商业信用,增加交易成本。承担社会责任是塑造良好的企业形象、提升声誉的重要途径。企业在违规处罚事件后,通常会选择承担社会责任来挽回企业形象[10],当受到监管处罚后,公司承担社会责任的水平会显著提升。

企业履行社会责任的同时,违规行为的发生概率也会随之降低。从利益相关者理论视角出发,发现履行社会责任能够降低信息不对称的风险,同时还能规避其他风险,从而阻止企业进行违规行为。与此相对应的是,违规企业更倾向于主动披露社会责任履行报告,以维持和修复自身的合法性。王爱萍等研究发现,企业社会责任对其违规行为发生概率的影响显著为负,企业承担社会责任,提高盈利水平从而缓解融资约束的程度,企业违规的可能性随之减少[11]。

社会影响假说认为,履行企业社会责任可以提升企业形象、提高竞争优势和财务绩效[12]。根据社会交换理论,企业的健康稳定发展离不开社会责任的有效参与,其可为为企业提供有益的资源。承担社会责任给企业带来了良好的道德形象,而企业道德形象有利于企业进行盈余管理,加强消费者对企业负面信息的容忍度,缓解企业危机。

一方面,企业在遭受违规处罚之后,可能会以承担社会责任的行为来挽回企业的形象和声誉。另一方面,企业积极承担社会责任,也会传达出可以传递出本企业社会风险管理情况良好这一信号,满足社会和利益相关者的需求,从而改善企业因违规处罚而导致的经营状况下滑的情况。

根据上述分析,本文提出以下假设:

H3:社会责任对违规处罚与上市公司财务绩效的关系具有显著影响。

综上所述,本文构建研究框架如图1所示。

图1 研究概念框架图

二、研究设计

(一)样本选取与数据来源

本文所使用的数据均来源于国泰安数据库及和讯网,选取2011—2020年A股上市公司的面板数据。上市公司本年度遭受违规处罚后,其影响可能并不会在当期体现,因此,设置被解释变量为下一期的财务绩效指标,中介变量为下一期的融资约束指标,调节变量为下一期的社会责任评分,从而形成动态面板的数据结构。

计量工具选取 Stata,所有样本数据经过 1%水平上的缩尾处理,剔除ST股及银行、证券、保险等金融行业样本;为保证实证有效性,剔除相关数据不完整的公司,最终样本包括3 323家上市公司,20 635个观测样本。

(二)变量选取

1.被解释变量

本文采用资本投入回报率(ROIC)来代表上市公司财务绩效。

2.主要解释变量

本文使用的违规处罚年度是中国证监会、上海证券交易所和深圳证券交易所发布的处罚公告时间。参考钱爱民等[13]的研究方法,设置上市公司违规处罚虚拟变量(Vio);参考戴亦一等[14]的研究方法,将违规处罚程度细分(Vio1)为 4种状态; 同时以监管部门加大违规处罚作为外生冲击,设置加大违规处罚力度虚拟变量Vio2。详见表1。

3.中介变量

借鉴 Kaplan等[15]的思想,参考谭跃[16]和魏志华[17]等的方法,构建KZ指数,KZ指数越大,表明上市公司融资约束程度越高。

4.调节变量

选用和讯网计算得出各企业的社会责任综合得分,使用这一社会责任综合得分/100(CSR)作为我国上市公司社会责任水平的代理变量。

5.控制变量

设置如下控制变量:企业规模、股权集中度、权益乘数、企业成长性、资产负债率、审计意见、董事会规模、独立董事比例和企业性质,具体说明及定义如表1所示。

(三)模型构建

1.违规处罚对财务绩效影响模型

上市公司本年度遭受违规处罚后,其影响可能并不会在当前年度体现,因此,设置被解释变量为下一年度的财务绩效指标,从而形成动态面板的数据结构,且该模型控制公司的行业效应和年份效应,具体的模型表达如式(1):

ROICi,t +1=α0+α1Vioi,t+

∑αnControlsi,t+∑year+∑Industry+εi,t

(1)

同时,为了验证违规处罚程度对财务绩效的影响,构建模型如式(2):

ROICi,t +1=α0+α1Vio1i,t+

∑αnControlsi,t+∑year+∑Industry+εi,t

(2)

其中,α0为常数项,i表示上市公司,t表示年份,ROICi,t表示上市公司i第t+1年的财务绩效,Vioi,t表示上市公司第t年的违规处罚情况,Vio1i,t表示上市公司第t年底违规处罚程度,Controls为所有控制变量,εi,t表示随机误差项。

表1 变量解释

2.中介效应模型

借鉴温忠麟[18]的研究方法,采用依次检验回归系数法验证中介变量融资约束的中介作用,构建模型如式(3)(4)(5):

ROICi,t +1=α0+α1Vioi,t+

∑αnControlsi,t+∑year+∑Industry+εi,t

(3)

KZi,t +1=β0+β1Vioi,t+

∑βnControlsi,t+∑year+∑Industry+εi,t

(4)

ROICi,t +1=γ0+γ1Vioi,t+γ2FZi,t +1+

∑γnControlsi,t+∑year+∑Industry+εi,t

(5)

其中,KZi,t +1表示上市公司i第t+1年的融资约束指标。

3.调节效应模型

为研究社会责任的调节作用,构建模型如式(6):

ROICi,t +1=α0+α1Vioi,t+α2CSRi,t+1+

α3Vioi,t×CSRi,t+1+∑αnControlsi,t+

∑year+∑Industry+εi,t

(6)

其中,CSRi,t +1表示上市公司i第t+1年的社会责任评分,Vioi,t×CSRi,t+1表示上市公司i第t年的违规处罚与其t+1年的社会责任评分的交乘项,其他与上述相同。

4.多期DID模型

为进一步验证近几年对上市公司惩罚力度加大的事实下,惩罚力度强弱对上市公司财务绩效的影响,以监管部门加大违规处罚作为外生冲击,建立渐进式双重差分模型如式(7)(8):

ROICi,t +1=α0+α1Vio2i,t+

∑year+∑Industry+εi,t

(7)

ROICi,t +1=α0+α1Vio2i,t+∑αnControlsi,t+

∑year+∑Industry+εi,t

(8)

其中,Vio2i,t表示上市公司i第t年的被加大违规处罚的情况,其他与上述相同。

三、实证结果

(一)描述性统计

本文变量的描述性统计结果(表2)显示:违规处罚(Vio)平均值为0.128,意味着我国大部分上市公司并不存在违规处罚,整体行业氛围良好;资本投入回报率(ROIC)平均值为0.049,最小值为-0.354,最大值为0.243,说明样本上市公司财务绩效之间存在显著差异;社会责任评分(CSR)平均值为0.220,标准差为0.142,最小值为-0.039,最大值为0.738,表明样本上市公司承担社会责任的程度是不同的。其他变量的描述性统计结果详见表2,其数值都在合理的范围之内。

表2 描述性统计结果

(二)相关性检验

主要变量间相关性分析结果如表3所示。由表3可知,从中可以看出,上市公司违规处罚(Vioi,t和Vio1i,t)和滞后一年的上市公司财务绩效(ROICi,t +1)在1%水平下显著负相关,表明在没有控制变量的情况下,上市公司遭受违规处罚对下一年上市公司财务绩效有显著的负向影响,可以初步判断假设H1和假设H1a成立。主要解释变量与被解释变量间存在显著相关关系,方向、显著性均与实证回归结果一致,说明本文模型具有合理性。

(三)回归分析

表4(1)(2)列为基本回归结果。由(1)列可知,在上市公司遭受违规处罚后,下一年度上市公司财务绩效在1%水平下显著为负;由(2)列可知,违规处罚程度与下一年度的财务绩效在1%水平上呈现为负,意味着对于上市公司而言,违规处罚每提高一个程度,上市公司的财务绩效就会下降,验证了假设H1与假设H1a。

同时发现,企业规模Size、股权集中度Shr和审计意见Aud均在1%上对财务绩效有正向影响,权益乘数Em、资产负债率Lev以及企业性质State在1%上对财务绩效有负向影响。具体见表4。

表3 主要变量间相关性分析

(四)中介效应分析

表4中(1)(3)(4)列为中介效应检验结果,采用依次检验回归系数法。模型(1)中上市公司违规处罚对财务绩效的回归系数在1%上显著为负;模型(4)中违规处罚Vioi,t对中介变量KZi,t +1在1%水平上表现为正;模型(5)中,违规处罚对财务绩效的影响仍然显著,但系数与模型(1)相比绝对值有所下滑,因此可以表明融资约束KZ在违规处罚对财务绩效的影响中发挥了中介效应,且融资约束和财务绩效之间显著负相关。

违规处罚对财务绩效的总效应是-0.027,结果显著;违规处罚对财务绩效的直接效应为-0.02,结果显著;违规处罚通过融资约束对企业财务绩效发挥的间接效应为-0.007 ;中介效应在总效应中占比 28% 。

回归结果验证了融资约束(KZi,t +1)在违规处罚(Vioi,t)对下一年度上市公司财务绩效(ROICi,t +1)的影响存在28%的中介效应,验证了假设H2。

(五)调节效应分析

表4(5)列为调节效应检验结果。为了避免多重共线性问题,本文对交乘项进行了中心化处理,多重共线性检验结果显示,各自变量的方差膨胀因子VIF远小于10,表明自变量之间没有多重共线性。由表4(5)可知,交乘项(Vioi,t×CSRi,t+1)在1%水平上显著为正,表明社会责任能够发挥显著正向调节效应。假设H3得到验证。

表4 基本回归结果、中介效应及调节效应检验结果

(六)进一步分析

表5为加大违规处罚这一冲击对上市公司财务绩效的估计结果,在仅控制时间、行业的情况下和加入控制变量的情况下,加大违规处罚冲击(Vio2i,t)均会在1%水平上对上市公司财务绩效(ROICi,t +1)产生负面影响,从而验证了假设H1b。

(七)稳健性检验

1.替换关键变量

本文针对上述模型进行稳健性检验,首先针对被解释变量,参考郭玲玲等的方法分别将每股收益EPS作为替代变量[19]。针对中介变量,借鉴Whited等的做法,使用WW指数重新度量企业面临的融资约束[20]。

表5 多期DID模型检验结果

同样对EPS和WW指数做滞后一年处理,回归结果如表6。从表6中可以看出,违规处罚(Vioi,t)与每股收益(EPSi,t +1)在1%上显著负相关,假设H1仍成立。违规处罚(Vioi,t)与融资约束指数(WWi,t +1)在1%上显著正相关,违规处罚(Vioi,t)与每股收益(EPSi,t +1)在1%水平上显著,且系数为-0.116,比系数-0.174绝对值小,中介效应仍然成立。这说明模型有较好的稳健性。

2.平行趋势检验

为保证多期DID模型满足共同趋势假设,本文进行了平行趋势检验如图2所示。可以发现在加大违规处罚力度之前,95%的置信区间包含了0值,说明冲击时点前处理组和控制组之间不存在显著差异,而在冲击时点后几年不包含0值,表明有良好的冲击效果,平行趋势假设成立。

图2 平行趋势检验

3.安慰剂检验

为克服遗漏变量的干扰,随机选择上市公司被加大违规处罚力度的时点进行了安慰剂检验。基于随机选择样本,重复抽样进行了500次基准回归,结果如图3所示。可以发现,基准回归估计的系数远离于随机抽样分布,说明遗漏变量问题难以干扰回归估计结果。

图3 安慰剂检验

四、结 语

使用2011—2020年A股上市公司面板数据,研究违规处罚与上市公司财务绩效之间的关系,检验融资约束的中介作用和社会责任的调节作用,并进一步检验加大违规处罚这一冲击对上市公司财务绩效的影响,得到以下主要结论。

(1)上市公司遭受违规处罚后,下一年度的财务绩效会显著降低,并且程度越高,下降越多;相比于其他上市公司,加大违规处罚的上市公司财务绩效更差。上市公司在日常经营活动中,要遵纪守法,增强法治意识,杜绝违规舞弊。一旦遭受违规处罚,不仅上市公司的财务绩效受到影响,其声誉也会直线下降,不利于上市公司的长远发展。

(2)融资约束在违规处罚和财务绩效之间起到中介作用,违规处罚通过加剧上市公司融资约束,从而降低了上市公司的财务绩效。在投融资方面,上市公司应该注重把握投融资程度,避免融资约束程度过高,影响上市公司发展。

(3)社会责任作为有效的调节变量能够缓解违规处罚对财务绩效的抑制作用,若上市公司社会责任评分较高,上市公司就会对违规处罚更加敏感,避免违规处罚的再次发生,从而缓解上市公司财务绩效的压力。上市公司也要积极承担社会责任,树立良好的企业形象。