在目前的公司治理文獻中,大部分的高管特征研究一方面僅關(guān)注單一的高管特征與公司業(yè)績之間的關(guān)聯(lián),缺乏全面的高管特征分析;另一方面主要圍繞因果推斷進行研究,缺乏從預(yù)測能力出發(fā)的系統(tǒng)定量的結(jié)論.本文首次采用機器學習算法中的Boosting回歸樹,全面考察了多維度高管特征對公司業(yè)績的預(yù)測性.以我國2008年～2016年的上市公司為樣本,研究了高管的多維個人特征是否能預(yù)測公司業(yè)績,并進一步分析了對公司業(yè)績預(yù)測能力較強的高管個人特征及其預(yù)測模式.研究發(fā)現(xiàn):1)整體而言,在我國公司CEO和董事長的特征對公司業(yè)績的預(yù)測能力較弱; 2)在眾多高管個人特征之中,高管持股比例和年齡對公司業(yè)績的預(yù)測能力較強; 3)高管持股比例和年齡與公司業(yè)績之間的關(guān)聯(lián)都呈現(xiàn)出非線性的特點,與以往的理論較為吻合.本研究不僅利用機器學習方法從一個更為全面的視角對中國的高管特征進行了研究,也為公司高管聘任和激勵機制設(shè)計等方面提供了有益的啟發(fā). 

【文章頁數(shù)】：21 頁

【文章目錄】：
0 引言
1 文獻綜述
    1.1 高管特征與公司業(yè)績
    1.2 機器學習與公司金融研究
2 數(shù)據(jù)來源和變量說明
    2.1 數(shù)據(jù)來源
    2.2 變量定義
    2.3 描述性統(tǒng)計
3 研究方法和模型構(gòu)建
    3.1 Boosting回歸樹
    3.2 模型構(gòu)建
4 實證檢驗與結(jié)果分析
    4.1 高管特征能夠預(yù)測公司業(yè)績嗎?
    4.2 高管個人特征的相對重要性分析
    4.3 重要高管特征對于公司績效的預(yù)測模式
5 穩(wěn)健性檢驗
    5.1 更換滾動時間窗口
    5.2 更換公司績效的衡量指標
    5.3 Boosting模型的參數(shù)調(diào)整
    5.4 更換機器學習方法
        5.4.1隨機森林(Random Forest)
        5.4.2 XGBoost
    5.5 更換高管特征變量
6 結(jié)束語


【參考文獻】：
期刊論文
[1]權(quán)威董事專業(yè)性、高管激勵與創(chuàng)新活躍度研究[J]. 程新生,趙旸.  管理科學學報. 2019(03)
[2]公司戰(zhàn)略可以解釋高管與員工的薪酬差距嗎?[J]. 吳昊旻,墨沈微,孟慶璽.  管理科學學報. 2018(09)
[3]高管任職經(jīng)歷的得與失?——來自債券市場的經(jīng)驗證據(jù)[J]. 林晚發(fā),鐘輝勇,李青原.  金融研究. 2018(06)
[4]高管學術(shù)經(jīng)歷與公司債務(wù)融資成本[J]. 周楷唐,麻志明,吳聯(lián)生.  經(jīng)濟研究. 2017(07)
[5]風險投資、創(chuàng)始人與高管薪酬——多邊代理視角[J]. 陳闖,張巖,吳曉暉.  管理科學學報. 2017(06)
[6]CEO與董事間“老鄉(xiāng)”關(guān)系對公司違規(guī)行為的影響研究[J]. 陸瑤,胡江燕.  南開管理評論. 2016(02)
[7]CEO對董事會的影響力與上市公司違規(guī)犯罪[J]. 陸瑤,李茶.  金融研究. 2016(01)
[8]不可承受之重:公司高管婚變的經(jīng)濟后果研究[J]. 徐莉萍,賴丹丹,辛宇.  管理世界. 2015(05)
[9]國有企業(yè)CEO“政治晉升”與“在職消費”關(guān)系研究[J]. 王曾,符國群,黃丹陽,汪劍鋒.  管理世界. 2014(05)
[10]政治關(guān)聯(lián)、高管薪酬與企業(yè)未來經(jīng)營績效[J]. 唐松,孫錚.  管理世界. 2014(05)

碩士論文
[1]我國上市公司管理層持股比例與公司績效關(guān)系實證研究[D]. 劉魯彬.南昌大學 2012



本文編號：3695073