基于BP神经网络的上市公司CEO报酬实证研究

管理评论Vol.23No.10（2011）郭玲玲（华北水利水电学院管理与经济学院，郑州450046）

摘要：近年来的研究表明，CEO报酬不仅受公司业绩的影响，还受到其他诸多因素的影响，而

且，CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本，采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习，结果表明：（1）网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%；（2）网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此，本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。关键词：CEO报酬；年薪；持股价值；BP神经网络

基于ＢＰ神经网络的上市公司ＣＥＯ报酬实证研究

收稿日期：2008-12-19基金项目：国家自然科学基金项目（70671058）；华北水利水电学院高层次人才科研启动项目（201009）。

作者简介：郭玲玲，华北水利水电学院管理与经济学院副教授，博士。

引言委托-代理理论表明，公司经营规模的逐步扩大和股权的分散使得股东不得不聘请职业经理来帮助自己管理公司，但是，经理人员所拥有的绝对信息优势又会使其做出背离股东的行动，进而损害到股东的利益。因此，如何采取适当的激励手段使经理人员与股东的目标趋于一致，一直是理论界和实务界关注的话题。由于CEO（ChiefExecutiveOfficer，首席执行官）对公司经营决策和财务决策的决定性作用要高于其他层次的经理人员，因此，本文仅对CEO的报酬进行相应的研究。

文献回顾近年来，众多文献依据委托-代理理论并从实证角度研究了CEO报酬与公司业绩之间的关系，但是原先设想的CEO报酬与公司经营业绩之间的紧密联系并没有得到实证证据的有力支持。随之而来的实证结果表明，CEO报酬与公司业绩之间仅有着有限的相关关系。1925年，Taussings等[1]的实证分析就发现CEO报酬与公司业绩之间的相关性很弱。Tosi等[2]采用综合分析法进行研究发现CEO报酬中只有不到5%的成分可以用公司经营业绩来解释。另外一些文献从公司治理角度出发对CEO报酬进行了研究。Lambert等[3]，Boyd[4]和Core等[5]的实证研究都支持了CEO报酬与外部董事比例之间的正相关关系，而且这种关系相当显著。1999年，Core等[5]对美国的上市公司进行实证分析，发现CEO报酬与董事会规模之间存在正相关关系。Ivan等[6]的研究也表明CEO报酬和董事报酬之间显著正相关。但是，Conyon等[7]对英国的上市公司进行研究后发现公司治理因素（如董事会控制、报酬委员会等）对管理层的报酬影响有限，除此之外，Conyon还发现管理层的报酬与内部董事比例相关，

组织行为与人力资源管理110MANAGEMENTREVIEWVol.23No.10（2011）但是与外部董事比例以及董事会的规模不相关。Finkelstein等[8]的研究同样支持该结论。Crystal[9]的研究则认为公司的外部董事与CEO报酬之间存在着相关关系，因为外部董事是否被聘用是由CEO来决定的。在我国，很多学者也对CEO报酬与企业经营业绩之间的关系进行了研究分析。袁国良[10]随机抽取了1996-1997年间的100家上市公司进行研究，发现这些上市公司高层经理的持股比例与公司业绩之间不存在显著的相关关系。李增泉[11]分析发现我国上市公司的经理报酬与净资产收益率之间并不存在相关性，但是却与公司规模之间显著正相关。张俊瑞等[12]抽取了2001年度的127家上市公司作为样本，发现高级管理人员的报酬与公司规模、每股收益之间存在着显著的正相关关系。谢军[13]研究发现，在控制了相关因素后，经理人员的持股比例与公司净资产收益率之间显著相关。然而，于东智等[14]分析了1999年度的944家A股上市公司，发现高级管理人员的持股比例与公司业绩之间虽然正相关，但是这种相关性并不显著，同样，高级管理人员的持股比例与公司规模之间的关系也是如此。我国也有一些文献从公司治理角度分析CEO报酬，Donghui等[15]抽取了296个样本公司进行检验，发现我国的CEO与董事会之间的联系并不紧密。上述文献在研究CEO报酬和公司业绩的相关性时，使用了不同的指标作为公司业绩的替代指标，如每股收益、总资产回报率、净资产收益率、利润总额、股票回报率等。事实上，除了公司业绩之外，公司治理、经理人个人特征、股权结构、行业因素等也会影响到CEO的报酬。在研究CEO报酬的影响因素时，以往的文献较多地采用了多元线性回归模型进行分析，但是，由于CEO报酬及其影响因素之间呈现出非线性关系[16]，而实践证明神经网络又能较好地解决复杂非线性问题。所以，本文试引入神经网络模型对我国的CEO①报酬进行分析。

研究方法神经网络是由大量神经元相互连接而形成的自适应非线性动态系统[17]，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用，尤其是BP神经网络，可以逼近任意连续函数，具有很强的非线性映射能力。由于CEO报酬与公司业绩之间呈现出非线性相关关系，因此，本文试图利用BP神经网络模型来研究CEO报酬。BP网络算法主要由一个输入层，一个或多个隐含层，一个输出层组成，各层由若干个神经元（节点）构成，每一个节点的输出值由输入值、作用函数和阈值决定。网络的学习过程包括信息正向传播和误差反向传播两个过程。在正向传播过程中，先产生一个信号前向传播模式，即输入信号先向前传播到输出层单元，经过输出层单元处理完成后会产生一个输出模式，这是一个逐层更新的过程。如果输出结果与期望输出模式有误差，不满足要求，那么就转入误差反向传播，首先用输出层的误差调整输出层权矩阵，并用此误差估计输出层的直接前导层误差，再用输出层前导层误差估计更前一层的误差，如此获得所有其他各层的误差估计，并用这些估计实现对权矩阵的修改，形成将输出端表现出的误差沿着与输入信号相反的方向逐级向输入端传递的过程。BP神经网络的结构如图1所示。Hornik等[18]证实，如果输入层和输出层采用线性转换函数，隐含层采用Sigmoid转换函数（BP神经网络通常采用该函数），那么具有一个隐含层的神经网络就能以任意精度逼近任何有理函数，所以本文选择了一个隐含层。在实证分析中，神经网络是通过Matlab7.0实现的。

研究设计1、样本的选择以往的文献在研究时采用的数据多是变通得到的，如取高管报酬的平均数作为CEO报酬，或者取前三名高管报酬作为CEO报酬的替代变量，而且样本的选取方法多是随机抽取，样本规模较小，只有200个左右的

①根据我国上市公司的特殊情况，本文的CEO定义为上市公司的总经理或总裁[11]，而且年薪超过8000元（高管人员的年度薪酬低于某个固定数

额被认为是该高管人员在其他地方获取薪酬或者该薪酬数据是虚假的，8000元是一个经验数字）。

图1BP神经网络结构

组织行为与人力资源管理111管理评论Vol.23No.10（2011）表1BP神经网络输入层变量NO.模型1-报酬模型2-年薪模型3-持股价值1公司规模（Size）公司规模（Size）股权结构（SharStru）2股权结构（SharStru）股权结构（SharStru）公司盈利能力（ProfAbil）3公司盈利能力（ProfAbil）公司盈利能力（ProfAbil）主营业务情况（PrimProf）4公司发展能力（DeveAbil）公司发展能力（DeveAbil）环境风险（Risk）5董事会情况（Director）董事会情况（Director）地区差异（ProvDiff）6现金流情况（Cash）监事会情况（Supervis）7环境风险（Risk）现金流情况（Cash）8CEO个人特征（Characte）主营业务情况（PrimProf）9是否兼任董事长（Dulity）环境风险（Risk）10性别（Sex）CEO个人特征（Characte）11薪酬委员会（Committee）是否兼任董事长（Dulity）12地区差异（ProvDiff）性别（Sex）13薪酬委员会（Committee）14地区差异（ProvDiff）

图2CEO报酬的影响因素

样本。近年来研究资料的不断丰富，为本文的研究提供了翔实的数据资料。因此，本文选取了2003-2005年沪深A股上市公司共1172个CEO报酬数据为样本。由于金融行业的特殊性，本文将其排除在样本范围之外。本文所需的数据均来自CSMAR数据库，缺省数据主要是通过中国上市公司资讯网（www.cnlist.com）手工搜集进行补充。2、样本指标的选取从文献回顾部分可以看出，影响CEO报酬的因素有很多，但是，这些因素之间具有一定的相关性，如果采取以往文献的做法，直接用这些因素对CEO报酬进行线性回归，很可能会影响到回归模型的效果，并导致较大的分析误差。因此，本文先对这些因素进行因子分析，提炼出能有效反映共同特性的公共因子，然后以提炼出的公共因子作为回归模型中的解释变量，分析他们对CEO报酬的影响。进行因子分析后，根据70%②的累计贡献率选取原则提取了13个公共因子，如图2所示。从图2中可以看出，影响我国CEO报酬的因素有CEO个人特征（Characte）、公司规模（Size）、行业盈利（InduRetu）及发展能力（InduDeve）、股权结构（SharStru）、公司盈利（ProfAbil）及发展能力（DeveAbil）、董事会情况（Director）、监事会情况（Supervis）、市场业绩（MarkValu）、环境风险（Risk）、主营业务情况（PrimProf）、现金流情况（Cash）。为了筛选出对CEO报酬影响显著的因子，本文对上述公因子进行了回归显著性分析③。因为我国CEO报酬④基本上由年薪（工资+奖金）和持有股票价值组成，所以回归显著性分析是针对CEO报酬及其组成部分分别进行的。回归显著性分析的结果表明：（1）CEO总报酬和公司规模、公司盈利及发展能力、董事会、现金流情况以及CEO个人特征显著正相关，和股权结构及环境风险显著负相关。（2）CEO年薪除了上述影响因素外，还和监事会情况显著负相关，和主营业务情况显著正相关。（3）CEO持股价值和公司盈利能力及CEO个人特征显著正相关，和股权结构及环境风险显著负相关。3、BP神经网络的输入层除了上述指标外，CEO性别（Sex）、是否兼任董事长（Dulity）、公司是否设立薪酬委员会（Committee）、地区差异⑤（ProvDiff）等指标也会影响到CEO的报酬，因此，综合考虑各种影响因素之后，本文将输入层变量确定，如表1所示。