论文部分内容阅读
摘要：本文通过运用Boostrap-Kernel-PSM估计研究上市公司高管年龄在企业投资风险选择中的作用。以沪深A股上市公司1999-2010年的数据作为样本，本文将高管年龄划分成三组，年轻派27-40岁，中年派41-55岁，老年派55-69岁。研究发现中年组企业风险高于年轻组，但是并未得到显著实证证据发现中年组企业较年长组企业拥有更高的风险承担水平。由于惩罚和职业声誉机制，年轻CEO可能更倾向于保守稳健性公司策略，降低公司风险。
关键词：Bootstrap-Kernel-PSM；CEO年龄；公司风险承担
一、引言
近期不少研究表明公司经理人个人特征对公司决策有重要影响，如生活经验、过度自信、风险偏好等（Cronqvist et al.，2012[1]；Malmendier和Nagel，2011[2]；Malmendier et al，2011[3]）。CEO需要对公司日常事务及重大事宜作出决策，但是经理人年龄、性格、教育水平等自然属性会造成CEO对事物认知和信息处理能力的限制，往往不能做出理论中的最优决策。尽管CEO年龄是可观测的，但是关于经理人年龄特征如何影响公司风险承担的经验证据并不充足。
不同年龄阶段的CEO因所处时代背景不同，公司发展战略也显差异。年轻派的CEO，如37岁便成为联想集团总裁兼CEO的杨元庆，31岁杨惠妍任碧桂园董事局副主席，雷军23岁加入金山，从程序员做成公司常务副总裁，29岁担任重组后金山CEO，马化腾27岁便与好友注册成立腾讯公司，24岁在中关村创办京东公司的刘强东，少壮派企业家大多为79、80后，以互联网和电子商务等新兴行业的企业。中青派CEO，如阿里巴巴网络技术有限公司创办人马云，51岁巨人网络总裁以及上海健特科技生物总裁的史玉柱。年长派CEO如联想集团柳传志，哇哈哈董事长宗庆后等。老另企业家更多为成熟型企业。不同年龄段的CEO由于所处时代环境、经历等不同，个人特征会影响公司各项决策，公司发展战略各具特色。
以往文献中用OLS估计的高管年龄效应中可能包含有易观测的公司特征差异的影响，如企业规模、年龄（firm age）和市场价值。企业特征差异应只在于年龄区别，而其他属性应相同，只有在这种理想情况下企业风险承担可以归因于CEO年龄差异。本文运用倾向值得分匹配法剔除可观测的公司特征或CEO特征对年龄效应的混淆影响，净化公司风险承担中的年龄效应。运用配对统计技术研究年龄与公司决策关系事，一般将中年组CEO企业删除，但本文欲考察随着年龄的增加，公司风险是如何变化，因此保留了中年组CEO企业。
二、文献回顾与研究假设
已有理论研究发现CEO年龄与自身风险偏好和风险决策行为相关，但是实证经验结论分歧较大，并没有形成广泛认可的结论。年龄影响理性行为人风险偏好和企业风险偏好已被大量研究证明。Bodie et al.（1992）[4]进一步改进Metron-最优消费和投资组合连续时间模型，研究认为个人金融资产组合中权益资本所占比例随着年龄得到增加而降低，因为人力资本风险通常比股权资本低，随着年龄的增加，人力资本市场价值降低；其次给定年龄，个人调节其劳动力供给的能力越强，那么其资产组合中风险资产所占比重就越高，因此年龄越小的人，风险资产所占比重就越多。Ackert et al.（2002）[5]研究发现年龄偏大的投资者偏好较低风险的资产，即风险承担与年龄负相关。不少研究发现年龄越大的人在做出风险决策时候更容易犯错。Samanez et al.（2010）[6]认为随着人类寿命持续增长，年长投资者的财务决策对全球经济的影响也在不断上升，通过经影像学与金融资产投资动态相结合考察年龄差异在整个成人寿命中财务决策的影响，发现在选择风险资产时，年龄偏大的成年人的决策次于较年轻的成年人。Elsaid和Ursel（2012）[7]调查CEO继任后的风险承担以及年龄是否影响CEO继任计划。在650家小型、中型和大型北美企业中1992-2005年间有679首席执行官继任，研究发现年龄在CEO上任和继任倾向于相近，并且CEO年龄与公司风险负相关。
另一方面，Hirshleifer和Thakor（1992）[8]構建管理者声誉建立和项目选择模型，研究发现公司总经理离退休时间越近，该公司将减少负债金额和风险承担。年轻CEO还未拥有管理者声誉，因此为了避免遭受惩罚而选择保守投资政策，Holmstrom（1999）[9]考擦对未来职业生涯的忧虑可能会影响一个人相关决定，并且发现年轻的高管倾向于降低公司风险。
国内关于管理者个人特征与公司决策研究居多，直接考察年龄与公司风险行为的研究并不多，如魏立群和王智慧（2002）[10]试图从中国企业高管特征如年龄差异、教育背景、职业来源多样性、经历复杂程度与组织绩效的关系分析，发现不同于西方学者研究的结论，其中高管平均年龄与组织绩效正相关，并且高管成员年龄差异越大，组织绩效越好。文芳（2009）[11]实证检验了高管个人特征与公司R&D投资强度的关系，发现高管技术职业经验、教育水平与企业R&D投资强度高度相关；并且任期与R&D关系受到年龄差异影响。
本文运用倾向值匹配得分法估计公司风险承担中的年龄效应。以往文献中用OLS估计的高管年龄效应中可能有可观测到公司特征差异的影响，如企业规模、年龄（firm age）和市场价值。企业特征差异应只在于年龄区别，而其他属性应相同，只有在这种理想情况下企业风险承担可以归因于CEO年龄差异。实证方法上解决公司可观测特征差异可能干扰年龄对公司风险承担影响的方法是匹配方法，即构造倾向值匹配样本（Serfling，2014[12]；Yim，2013[13]）。本文将高管年龄划分成三组，年轻派27-40；中年派41-55；老年派55-69，以往文献通常将中年派组去掉，直接将老年派组为实验组，年轻组为对照组进行匹配检验，本文认为中年派组高管相比于年轻CEO不仅在职业声誉和管理技能上都已经成熟，而相比于老年派组是风险偏好性，本文认为中年派组高管公司风险承担高于年轻派组和老年派组CEO，因此公司风险承担与高管年龄是倒U曲线关系。 三、Boostrap-Kernel-PSM估计
在经济学中解决样本自选择选择性偏差问题，除了工具变量法，还有一个新兴的统计方法-倾向值匹配，净化自变量与因变量之间的关系。通过将可能与因变量和内生自变量相关的混淆变量纳入Logistic或Probit回归模型预测个体受到内生自变量影响的概率值，将倾向得分值相近或相等的样本进行配对，消除选择性偏差对研究结论的影响，两组因变量上的差异只能归因于研究关注自变量的变化，而不是其他混淆变量，保证因果结论的可靠性。
3.1倾向值得分（Propensity Score）
倾向值得分是给定事前特征下个体接受处理效应的概率（Rosenbaum和Rubin，1983[14]）。
p（X）=Pr[D=1|X]=E[D|X]（1）
其中X是控制组多维度个体特征向量，D是指標变量，当接受处理时取值为1，否则为0。受到处理的个体平均处理效果（average treatment effect of the treated）ATT根据倾向值匹配后估计公式为：
ATT=E[Y1i-Y0i|Di=1]=E{E[Y1i-Y0i|Di=1，p（Xi）]}=E{E[Y1i|Di=1，p（Xi）]-E[Y0i|Di=0，p（Xi）]|Di=1}（2）
其中Y1i和Y0i为处理组和对照组潜在产出值。
3.2Boostrap稳健性标准误
根据Ham et al.（2011）用Monte Carlo模拟方法验证了Boostrap估计局部线性匹配回归标准误的准确性，以及对照组与实验组数据样本小的原因，本文使用Boostrap方法估计ATT标准误。具体操作如下：首先从总体重复抽出n个样本得到经验样本；然后利用Kernel-PSM方法估计出ATTi；第三步，重复K次前两个步骤（本文设定K=50），得到K个估计值ATT1，ATT2，…，ATTK；最后，根据ATT1，ATT2，…，ATTK计算ATT统计量的标准误。
四、研究设计
4.1样本数据说明
本文选取2004年之前上市的沪深两市所有非金融类上市公司作为研究对象，并执行以下的样本筛选程序：（1）剔除金融保险行业（行业代码为“I”）的公司样本；（2）剔除主要变量的数据有缺失的样本；（3）剔除被证监会执行特别处理（ST或PT）的公司样本。为了消除异常值的影响，对公司层面的连续变量进行上下1%的Winsorize缩尾处理。（4）剔除在观测时期内管理者变更的企业，因为管理者更替可能会带来企业风险承担决策的改变。（5）保留职务名称为“总经理”、“首席执行官”高管数据，与国内其他文献不同，本文仅将总经理作为CEO为研究对象，管理者是企业决策制定的直接主体。删除数据缺失值后，最终得到的样本包含6523家公司-年非平衡面板样本，最长年度区间1999-2010年。本文使用的公司层面数据均来自CSMAR数据库。
4.2主要变量描述性统计分析
1.公司风险
早期研究中较多使用公司股票收益波动衡量公司总风险，当股票收益波动越大，则意味着公司风险越高。因此本文使用股票周收益率标准差WTRISK（Total Risk）测度公司风险变量。在估计时，公司风险代理变量对数化。
2.CEO年龄
本文将高管年龄划分成三组，年轻派27-40岁，中年派41-55岁，老年派55-69岁，本文中CEO只限定在总经理和首席执行官，姜付秀（2009）指出发达国家的CEO与我国上市公司中董事长更相近，并且在国内其他研究中较多以董事长为CEO为研究对象，但是管理者是公司决策制定的直接主体，如果考虑董事长特征，可能会混淆CEO年龄特征对企业风险承担水平的影响大小。定义年龄处理效应二元离散变量d_age，对于年轻CEO组与中年CEO组，中年组CEO为处理组，即d_age取值为1，年轻CEO企业为对照组，即d_age取值为0。类似的，对于中年组与年长组的配对分析，年长组企业为处理组，即d_age取值为1，中年CEO企业为对照组，即d_age取值为0。
3.其他控制变量
参照Kini和Williams（2012）[15]做法，本文加入影响公司风险决策和高管年龄相关的一些CEO特征和公司特征变量，Tenure是高管任职年限，其平均值（中位数）是2.5年（2）。公司资产Asset，资产规模大的的企业通常不进行债券融资方式，信息不对称问题较轻微，因此我们预计规模越大的企业越不容易受到金融危机的冲击；市账比MB，市账比越高的公司表示未来的成长性比较高，这种成长性类似于一种保价的期权；现金流量持有量Cash_rate，拥有更多融资资源的企业受到外来冲击的影响就越小；营业收入增长率Growth；资产收益率ROA；Degree是学历指标变量，博士学历事，则值为4，硕士学历值为3，本科学历为2，专科学历为1，专科以下学历值为0；专公司股票年收益Stock Return；公司年龄Firm age，本文用当年与国泰安数据库首次披露公司财务数据年份之差衡量公司年龄；Blockhold是指标变量，当公司机构投资者持股比例至少有一个超过10%，则值为1，否则为0；行业虚拟变量Dum_r，捕捉行业差异性；年度虚拟变量Dum_y。
4.统计性描述分析
表1报告了主要变量描述性统计分析，WTRISK最小值为-3321，最大值为-0612，平均值为-1879；高管年龄最小为25岁，最大为69岁，均值为46岁。高管平均任职期限为3年左右。通过对我国不同年龄段上市公司的CEO的个人以及公司的基本特征进行了简要的统计分析，发现中年的CEO在我国占据主导的地位，老年和青年CEO人数相当，呈现“中间大、两头小”的局面。为了检验本文初步猜想，用二次曲线拟合公司风险与高管年龄，图1从视觉上给出了两者关系。从图中可以大致看出，二者呈倒U曲线关系，大致在47左右达到峰值后再下降，初步证实本文认为中年组企业CEO更倾向于投资高风险项目，提高公司风险。 4.3 Boostrap-Kernel-PSM估计
（1）年轻组与中年组比较
本文定义d_age二元离散变量，当高管年龄处于（40，55）之间，则取值为年龄低于40岁的企业取值为0，删除年长组数据。本文使用逐步回归化估计以高管年龄二元离散变量为因变量的logit模型，以10%显著水平删选变量。Logit回归模型结果如表2 Model（1）。根据计算处理组与对照组的倾向值，利用局部多项式核平滑回归匹配算法，并采用Boostrap估计ATT标准误，其精确确性已有实证经验的论证（Ham et al，2011[16]）。回归模型中控制变量通过15%显著水平删选，从表2看出，三个模型中高管任职期限系数在1%显著水平上显著为正。企业资产系数与因变量在1%水平上显著为正，说明企业资产和规模越大，公司越有实力和财力实现高风险投资需求，继续寻求发展的储备。
（2）年长组与中年组比较
本文定义d_age二元离散变量，当高管年龄大于55岁，则取值为1；当高管年龄处于（40，55）之间，则取值为0，删除年龄段低于40的数据。本文首先使用逐步回归化估计以高管年龄二元离散变量为因变量的logit模型，以10%显著水平删选变量。Logit回归模型结果如表2中Model（2）。
（3）年长组与年轻组比较
本文定义d_age二元离散变量，当高管年龄大于55岁，则取值为1；当高管年龄低于40岁则取值为0，删除中年组数据。按照上述步骤，Logit逐步回归结果如表2中Model（3）。
表3报告了用Boostrap估计的ATT统计量标准误，与本文预期相符的是，本文发现中年组企业风险高于年轻组，年龄效应为0036，Boostrap标准误为002，在10%水平上显著。但是在老年组与中年组配对检验中，估计系数为-00288482，高管年长的企业总风险比高管中年组企业低，但是标准误为002455，P值为0541，未通过显著性检验。本文进一步借鉴Ham et al（2011）做法，检验年龄效应对年长组和年轻组企业风险承担效应，发现年龄效应为正，公司平均提高00766，与Ham et al（2011）研究结果不同。可能原因是本文样本中年龄范围跨度小，本文中CEO只限定在总经理和首席执行官，姜付秀（2009）指出发达国家的CEO与我国上市公司中董事长更相近，并且在国内其他研究中较多以董事长为CEO为研究对象，这也许是与其他研究发现不同的原因之一。在Ham et al.（2011）中，高管年龄在59-91岁之间为老年组，29-52岁为年轻组。同时在国内其他文献中，一般60岁以上为老年组，所以本文关于老年组与年轻组年龄对公司风险行为的影响可能仍然有部分中年组高管对公司风险决策的影响。
相关的心理学分析中，随着管理者的年龄不同，其对风险的偏好也有所不同。按照常理来说，年龄较大的管理者由于其社会地位、收入以及声誉等已经或多或少达到了一定的水平，因此冒险精神将会减少，采用风险规避的策略。从而在投资上将会显得保守。相反，年轻的管理者，年轻且气盛。处于人生事业发展的阶段，为了追求在事业上的成就，他们将会有强烈的欲望和动机来扩大企业的规模，扩大投资与并购。从而极可能导致过度投资。但是本文发现，处于中年期的高管其对公司风险相比于年轻组企业风险高，年轻CEO还未拥有管理者声誉，因此为了避免遭受惩罚和对未来职业生涯的忧虑，而选择保守投资政策，年轻的高管倾向于降低公司风险。职业声誉机制良好，可以为管理者间接产生效应，同时企业也可以从中获益，向市场传达公司业绩和财务状况的信息，因此年轻CEO更倾向于采取稳健、保守公司风险决策。而中年时期的CEO声誉已经初步行为，并有能力采取改变公司运营状况的措施，为企业未来发展做充足准备。随着市场环境及市场需求改变，CEO通過改变企业风险投资高风险收益项目。因此，随着管理者声誉的逐步形成，CEO在公司决策中展示出本身特点和管理水平，随着公司所有者和管理者信任水平的提高，管理者个人特点会渗入到公司各项决策中。
4.4共同区间检验
（1）中年组与年轻组
在第一步预测倾向值后，虽然每个公司年CEO都有倾向值得分，但存在倾向值得分过高或过低，无法找到匹配的个体。通常倾向值取值极端的个人没有因为没有与之匹配的个人无法为我们提供有用信息，因此在匹配算中就没有考虑。能从对照组找到匹配对象的倾向值取值范围被称为“共同区间”（Common Support）。从图2中年组与年轻组匹配前后倾向值得分密度分布图可以看出，匹配后处理组和对照组中的倾向值得分区间范围基本保持一致，意味着对于处理组中任何一个个体都能在对照组中找到配对对象。而匹配前中年组倾向值取值范围比对照组大，因此匹配时，低于0.25左右的倾向值被认为是极端值而没被考虑进行匹配。
限于篇幅，本文未呈现老年组与年轻组匹配前后倾向值密度分布图，但通过了共同支撑域检验。
4.5平衡检验
（1）中年组和年轻组
在完成匹配第，通常会对处理组和对照组之间的每个混淆变量之间差异检验。如果中年组CEO企业与年轻组CEO企业之间的混淆变量均值没有显著差异，则认为这样的配对样本是“平衡”的。图3呈现了配对后对照组和处理组混淆变量的平衡检验图，离0值线越近，则表示两组特征变量差异越小，则两组各个变量就越平衡。所有的变量除了工业虚拟变量4在15%显著水平上两组无差异，其他变量均在10%的水平上通过了平衡检验。其中这些变量对应于表2中的Model（1）中的控制变量，d_ind变量是行业类别变量，d_year是年份类别变量。
五、结论
本文以CEO年龄特征为研究对象，在以往文献基础上，研究公司行为决策中的年龄效应，证明不同年龄段的CEO对其公司的决策行为产生不同的影响效果。通过相关文献的梳理，本文认为于中年期的高管其对公司风险相比于年轻组企业风险高，但是实证结果并不支持关于中年组与年长组企业风险承担水平差异的证据。其次，与其他文献结论不同，本文发现年长组企业风险承担高于年轻企业，因为本文定义高管年龄大于55岁，而与其他文献一般定义年龄大于60的高管为年长组。本文重新将年长组高管定义为年龄大于60岁，并未得到年轻组企业风险承担显著高于年长组企业的实证证据，可能与本文只关注公司经理人特征，而并未考虑董事长年龄特征对公司风险承担的影响有关。〖JP〗 本文通过运用Boostrap-Kernel-PSM估计研究上市公司年龄对公司风险的影响。本文将高管年龄划分成三组，年轻派27-40岁，中年派41-55岁，老年派55-69岁，通过三组不同年龄段企业的配对比较，本文发展中年组企业风险比年轻组企业风险高，年轻CEO出于未来职业生涯和惩罚机制的考虑，会采取稳健、保守地公司投资决策；而年长CEO自身风险厌恶和未来预期收入的降低会，以及蒂固的思维模式很难去接受新的观点，会相应减少公司应承担的风险，倾向于谨慎和规避的风险态度。中年CEO由于管理技能、社会地位以及声誉已经建立，对公司相关事宜决策影响力更强，对高风险投资项目投资意愿强，对失败项目所能造成的责任以及后果都有能力去承担。对于年长组企业风险高于年轻CEO企业，本文认为数据的不足，年长高管年龄段55-69，仍然捕捉的是中年高管效应，不是年长组高管，因此在效应上是显著为10%正的。（作者单位：广西大学商学院）
本文受到国家自然科学基金项目（批准号：71362013）、教育部人文社科基金项目（批准号：13YJC790088）和广西自然科学基金项目（批准号：2013GXNSFBA019011）的资助。
参考文献：
[1]Cronqvist Henrik，Makhija Anil K.，Yonker Scott E.Behavioral consistency in corporate finance：Ceo personal and corporate leverage.General Information，2012，103（1）：20-40.
[2]Malmendier Ulrike，Nagel Stefan.Depression babies：Do macroeconomic experiences affect risk-taking？ Social Science Electronic Publishing，2009，126（1）：08-035.
[3]Malmendier Ulrike，Tate Geoffrey，Yan Jon.Overconfidence and early-life experiences：The effect of managerial traits on corporate financial policies.Journal of Finance，2011，66（5）：1687-1733.
[4]Bodie Zvi，Crane Dwight B.Personal investing：Advice，theory，and evidence.Financial Analysts Journal 13–23 （November/December，1997，（6）：13-23.
[5]Ackert Lucy F.，Church Bryan，Englis Basil.The asset allocation decision and investor heterogeneity：A puzzle？ Journal of Economic Behavior & Organization，2002，47（4）：423-433.
[6]Samanez-Larkin Gregory R.，Kuhnen Camelia M.，Yoo Daniel J.，et al.Variability in nucleus accumbens activity mediates age-related suboptimal financial risk taking.Journal of Neuroscience，2010，30（4）：1426-1434.
[7]Elsaid Eahab，Ursel Nancy D.Age，ceo succession，and risk taking.Accounting and Finance Research，2012，1（2）：p77.
[8]Hirshleifer David，Thakor Anjan V.Managerial conservatism，project choice，and debt.Review of Financial Studies，1992，5（3）：437-70.
[9]Holmstr？m Bengt.Managerial incentive problems：A dynamic perspective.The Review of Economic Studies，1999，66（1）：169-182.
[10]魏立群，王智慧.我國上市公司高管特征与企业绩效的实证研究.南开管理评论，2002，5（4）：16-22.
[11]文芳，胡玉明.中国上市公司高管个人特征与R%D投资.管理评论，2009，21（11）：84-91.
[12]Serfling Matthew A.Ceo age and the riskiness of corporate policies.Journal of Corporate Finance，2014，25（2）：251-273.
[13]Yim Soojin.The acquisitiveness of youth：Ceo age and acquisition behavior.Journal of financial economics，2013，108（1）：250-273.
[14]Rosenbaum P.，Rubin D.The central role of the propoensity score in observational studies for causal effects.Biometrika，1983，70（1）：41-55.
[15]Kini Omesh，Williams Ryan.Tournament incentives，firm risk，and corporate policies.Journal of financial economics，2012，103（2）：págs.350-376.
[16]Ham John C.，Li Xianghong，Reagan Patricia B.Matching and semi-parametric iv estimation，a distance-based measure of migration，and the wages of young men Journal of Econometrics，2011，161（2）：208–227.
关键词：Bootstrap-Kernel-PSM；CEO年龄；公司风险承担
一、引言
近期不少研究表明公司经理人个人特征对公司决策有重要影响，如生活经验、过度自信、风险偏好等（Cronqvist et al.，2012[1]；Malmendier和Nagel，2011[2]；Malmendier et al，2011[3]）。CEO需要对公司日常事务及重大事宜作出决策，但是经理人年龄、性格、教育水平等自然属性会造成CEO对事物认知和信息处理能力的限制，往往不能做出理论中的最优决策。尽管CEO年龄是可观测的，但是关于经理人年龄特征如何影响公司风险承担的经验证据并不充足。
不同年龄阶段的CEO因所处时代背景不同，公司发展战略也显差异。年轻派的CEO，如37岁便成为联想集团总裁兼CEO的杨元庆，31岁杨惠妍任碧桂园董事局副主席，雷军23岁加入金山，从程序员做成公司常务副总裁，29岁担任重组后金山CEO，马化腾27岁便与好友注册成立腾讯公司，24岁在中关村创办京东公司的刘强东，少壮派企业家大多为79、80后，以互联网和电子商务等新兴行业的企业。中青派CEO，如阿里巴巴网络技术有限公司创办人马云，51岁巨人网络总裁以及上海健特科技生物总裁的史玉柱。年长派CEO如联想集团柳传志，哇哈哈董事长宗庆后等。老另企业家更多为成熟型企业。不同年龄段的CEO由于所处时代环境、经历等不同，个人特征会影响公司各项决策，公司发展战略各具特色。
以往文献中用OLS估计的高管年龄效应中可能包含有易观测的公司特征差异的影响，如企业规模、年龄（firm age）和市场价值。企业特征差异应只在于年龄区别，而其他属性应相同，只有在这种理想情况下企业风险承担可以归因于CEO年龄差异。本文运用倾向值得分匹配法剔除可观测的公司特征或CEO特征对年龄效应的混淆影响，净化公司风险承担中的年龄效应。运用配对统计技术研究年龄与公司决策关系事，一般将中年组CEO企业删除，但本文欲考察随着年龄的增加，公司风险是如何变化，因此保留了中年组CEO企业。
二、文献回顾与研究假设
已有理论研究发现CEO年龄与自身风险偏好和风险决策行为相关，但是实证经验结论分歧较大，并没有形成广泛认可的结论。年龄影响理性行为人风险偏好和企业风险偏好已被大量研究证明。Bodie et al.（1992）[4]进一步改进Metron-最优消费和投资组合连续时间模型，研究认为个人金融资产组合中权益资本所占比例随着年龄得到增加而降低，因为人力资本风险通常比股权资本低，随着年龄的增加，人力资本市场价值降低；其次给定年龄，个人调节其劳动力供给的能力越强，那么其资产组合中风险资产所占比重就越高，因此年龄越小的人，风险资产所占比重就越多。Ackert et al.（2002）[5]研究发现年龄偏大的投资者偏好较低风险的资产，即风险承担与年龄负相关。不少研究发现年龄越大的人在做出风险决策时候更容易犯错。Samanez et al.（2010）[6]认为随着人类寿命持续增长，年长投资者的财务决策对全球经济的影响也在不断上升，通过经影像学与金融资产投资动态相结合考察年龄差异在整个成人寿命中财务决策的影响，发现在选择风险资产时，年龄偏大的成年人的决策次于较年轻的成年人。Elsaid和Ursel（2012）[7]调查CEO继任后的风险承担以及年龄是否影响CEO继任计划。在650家小型、中型和大型北美企业中1992-2005年间有679首席执行官继任，研究发现年龄在CEO上任和继任倾向于相近，并且CEO年龄与公司风险负相关。
另一方面，Hirshleifer和Thakor（1992）[8]構建管理者声誉建立和项目选择模型，研究发现公司总经理离退休时间越近，该公司将减少负债金额和风险承担。年轻CEO还未拥有管理者声誉，因此为了避免遭受惩罚而选择保守投资政策，Holmstrom（1999）[9]考擦对未来职业生涯的忧虑可能会影响一个人相关决定，并且发现年轻的高管倾向于降低公司风险。
国内关于管理者个人特征与公司决策研究居多，直接考察年龄与公司风险行为的研究并不多，如魏立群和王智慧（2002）[10]试图从中国企业高管特征如年龄差异、教育背景、职业来源多样性、经历复杂程度与组织绩效的关系分析，发现不同于西方学者研究的结论，其中高管平均年龄与组织绩效正相关，并且高管成员年龄差异越大，组织绩效越好。文芳（2009）[11]实证检验了高管个人特征与公司R&D投资强度的关系，发现高管技术职业经验、教育水平与企业R&D投资强度高度相关；并且任期与R&D关系受到年龄差异影响。
本文运用倾向值匹配得分法估计公司风险承担中的年龄效应。以往文献中用OLS估计的高管年龄效应中可能有可观测到公司特征差异的影响，如企业规模、年龄（firm age）和市场价值。企业特征差异应只在于年龄区别，而其他属性应相同，只有在这种理想情况下企业风险承担可以归因于CEO年龄差异。实证方法上解决公司可观测特征差异可能干扰年龄对公司风险承担影响的方法是匹配方法，即构造倾向值匹配样本（Serfling，2014[12]；Yim，2013[13]）。本文将高管年龄划分成三组，年轻派27-40；中年派41-55；老年派55-69，以往文献通常将中年派组去掉，直接将老年派组为实验组，年轻组为对照组进行匹配检验，本文认为中年派组高管相比于年轻CEO不仅在职业声誉和管理技能上都已经成熟，而相比于老年派组是风险偏好性，本文认为中年派组高管公司风险承担高于年轻派组和老年派组CEO，因此公司风险承担与高管年龄是倒U曲线关系。 三、Boostrap-Kernel-PSM估计
在经济学中解决样本自选择选择性偏差问题，除了工具变量法，还有一个新兴的统计方法-倾向值匹配，净化自变量与因变量之间的关系。通过将可能与因变量和内生自变量相关的混淆变量纳入Logistic或Probit回归模型预测个体受到内生自变量影响的概率值，将倾向得分值相近或相等的样本进行配对，消除选择性偏差对研究结论的影响，两组因变量上的差异只能归因于研究关注自变量的变化，而不是其他混淆变量，保证因果结论的可靠性。
3.1倾向值得分（Propensity Score）
倾向值得分是给定事前特征下个体接受处理效应的概率（Rosenbaum和Rubin，1983[14]）。
p（X）=Pr[D=1|X]=E[D|X]（1）
其中X是控制组多维度个体特征向量，D是指標变量，当接受处理时取值为1，否则为0。受到处理的个体平均处理效果（average treatment effect of the treated）ATT根据倾向值匹配后估计公式为：
ATT=E[Y1i-Y0i|Di=1]=E{E[Y1i-Y0i|Di=1，p（Xi）]}=E{E[Y1i|Di=1，p（Xi）]-E[Y0i|Di=0，p（Xi）]|Di=1}（2）
其中Y1i和Y0i为处理组和对照组潜在产出值。
3.2Boostrap稳健性标准误
根据Ham et al.（2011）用Monte Carlo模拟方法验证了Boostrap估计局部线性匹配回归标准误的准确性，以及对照组与实验组数据样本小的原因，本文使用Boostrap方法估计ATT标准误。具体操作如下：首先从总体重复抽出n个样本得到经验样本；然后利用Kernel-PSM方法估计出ATTi；第三步，重复K次前两个步骤（本文设定K=50），得到K个估计值ATT1，ATT2，…，ATTK；最后，根据ATT1，ATT2，…，ATTK计算ATT统计量的标准误。
四、研究设计
4.1样本数据说明
本文选取2004年之前上市的沪深两市所有非金融类上市公司作为研究对象，并执行以下的样本筛选程序：（1）剔除金融保险行业（行业代码为“I”）的公司样本；（2）剔除主要变量的数据有缺失的样本；（3）剔除被证监会执行特别处理（ST或PT）的公司样本。为了消除异常值的影响，对公司层面的连续变量进行上下1%的Winsorize缩尾处理。（4）剔除在观测时期内管理者变更的企业，因为管理者更替可能会带来企业风险承担决策的改变。（5）保留职务名称为“总经理”、“首席执行官”高管数据，与国内其他文献不同，本文仅将总经理作为CEO为研究对象，管理者是企业决策制定的直接主体。删除数据缺失值后，最终得到的样本包含6523家公司-年非平衡面板样本，最长年度区间1999-2010年。本文使用的公司层面数据均来自CSMAR数据库。
4.2主要变量描述性统计分析
1.公司风险
早期研究中较多使用公司股票收益波动衡量公司总风险，当股票收益波动越大，则意味着公司风险越高。因此本文使用股票周收益率标准差WTRISK（Total Risk）测度公司风险变量。在估计时，公司风险代理变量对数化。
2.CEO年龄
本文将高管年龄划分成三组，年轻派27-40岁，中年派41-55岁，老年派55-69岁，本文中CEO只限定在总经理和首席执行官，姜付秀（2009）指出发达国家的CEO与我国上市公司中董事长更相近，并且在国内其他研究中较多以董事长为CEO为研究对象，但是管理者是公司决策制定的直接主体，如果考虑董事长特征，可能会混淆CEO年龄特征对企业风险承担水平的影响大小。定义年龄处理效应二元离散变量d_age，对于年轻CEO组与中年CEO组，中年组CEO为处理组，即d_age取值为1，年轻CEO企业为对照组，即d_age取值为0。类似的，对于中年组与年长组的配对分析，年长组企业为处理组，即d_age取值为1，中年CEO企业为对照组，即d_age取值为0。
3.其他控制变量
参照Kini和Williams（2012）[15]做法，本文加入影响公司风险决策和高管年龄相关的一些CEO特征和公司特征变量，Tenure是高管任职年限，其平均值（中位数）是2.5年（2）。公司资产Asset，资产规模大的的企业通常不进行债券融资方式，信息不对称问题较轻微，因此我们预计规模越大的企业越不容易受到金融危机的冲击；市账比MB，市账比越高的公司表示未来的成长性比较高，这种成长性类似于一种保价的期权；现金流量持有量Cash_rate，拥有更多融资资源的企业受到外来冲击的影响就越小；营业收入增长率Growth；资产收益率ROA；Degree是学历指标变量，博士学历事，则值为4，硕士学历值为3，本科学历为2，专科学历为1，专科以下学历值为0；专公司股票年收益Stock Return；公司年龄Firm age，本文用当年与国泰安数据库首次披露公司财务数据年份之差衡量公司年龄；Blockhold是指标变量，当公司机构投资者持股比例至少有一个超过10%，则值为1，否则为0；行业虚拟变量Dum_r，捕捉行业差异性；年度虚拟变量Dum_y。
4.统计性描述分析
表1报告了主要变量描述性统计分析，WTRISK最小值为-3321，最大值为-0612，平均值为-1879；高管年龄最小为25岁，最大为69岁，均值为46岁。高管平均任职期限为3年左右。通过对我国不同年龄段上市公司的CEO的个人以及公司的基本特征进行了简要的统计分析，发现中年的CEO在我国占据主导的地位，老年和青年CEO人数相当，呈现“中间大、两头小”的局面。为了检验本文初步猜想，用二次曲线拟合公司风险与高管年龄，图1从视觉上给出了两者关系。从图中可以大致看出，二者呈倒U曲线关系，大致在47左右达到峰值后再下降，初步证实本文认为中年组企业CEO更倾向于投资高风险项目，提高公司风险。 4.3 Boostrap-Kernel-PSM估计
（1）年轻组与中年组比较
本文定义d_age二元离散变量，当高管年龄处于（40，55）之间，则取值为年龄低于40岁的企业取值为0，删除年长组数据。本文使用逐步回归化估计以高管年龄二元离散变量为因变量的logit模型，以10%显著水平删选变量。Logit回归模型结果如表2 Model（1）。根据计算处理组与对照组的倾向值，利用局部多项式核平滑回归匹配算法，并采用Boostrap估计ATT标准误，其精确确性已有实证经验的论证（Ham et al，2011[16]）。回归模型中控制变量通过15%显著水平删选，从表2看出，三个模型中高管任职期限系数在1%显著水平上显著为正。企业资产系数与因变量在1%水平上显著为正，说明企业资产和规模越大，公司越有实力和财力实现高风险投资需求，继续寻求发展的储备。
（2）年长组与中年组比较
本文定义d_age二元离散变量，当高管年龄大于55岁，则取值为1；当高管年龄处于（40，55）之间，则取值为0，删除年龄段低于40的数据。本文首先使用逐步回归化估计以高管年龄二元离散变量为因变量的logit模型，以10%显著水平删选变量。Logit回归模型结果如表2中Model（2）。
（3）年长组与年轻组比较
本文定义d_age二元离散变量，当高管年龄大于55岁，则取值为1；当高管年龄低于40岁则取值为0，删除中年组数据。按照上述步骤，Logit逐步回归结果如表2中Model（3）。
表3报告了用Boostrap估计的ATT统计量标准误，与本文预期相符的是，本文发现中年组企业风险高于年轻组，年龄效应为0036，Boostrap标准误为002，在10%水平上显著。但是在老年组与中年组配对检验中，估计系数为-00288482，高管年长的企业总风险比高管中年组企业低，但是标准误为002455，P值为0541，未通过显著性检验。本文进一步借鉴Ham et al（2011）做法，检验年龄效应对年长组和年轻组企业风险承担效应，发现年龄效应为正，公司平均提高00766，与Ham et al（2011）研究结果不同。可能原因是本文样本中年龄范围跨度小，本文中CEO只限定在总经理和首席执行官，姜付秀（2009）指出发达国家的CEO与我国上市公司中董事长更相近，并且在国内其他研究中较多以董事长为CEO为研究对象，这也许是与其他研究发现不同的原因之一。在Ham et al.（2011）中，高管年龄在59-91岁之间为老年组，29-52岁为年轻组。同时在国内其他文献中，一般60岁以上为老年组，所以本文关于老年组与年轻组年龄对公司风险行为的影响可能仍然有部分中年组高管对公司风险决策的影响。
相关的心理学分析中，随着管理者的年龄不同，其对风险的偏好也有所不同。按照常理来说，年龄较大的管理者由于其社会地位、收入以及声誉等已经或多或少达到了一定的水平，因此冒险精神将会减少，采用风险规避的策略。从而在投资上将会显得保守。相反，年轻的管理者，年轻且气盛。处于人生事业发展的阶段，为了追求在事业上的成就，他们将会有强烈的欲望和动机来扩大企业的规模，扩大投资与并购。从而极可能导致过度投资。但是本文发现，处于中年期的高管其对公司风险相比于年轻组企业风险高，年轻CEO还未拥有管理者声誉，因此为了避免遭受惩罚和对未来职业生涯的忧虑，而选择保守投资政策，年轻的高管倾向于降低公司风险。职业声誉机制良好，可以为管理者间接产生效应，同时企业也可以从中获益，向市场传达公司业绩和财务状况的信息，因此年轻CEO更倾向于采取稳健、保守公司风险决策。而中年时期的CEO声誉已经初步行为，并有能力采取改变公司运营状况的措施，为企业未来发展做充足准备。随着市场环境及市场需求改变，CEO通過改变企业风险投资高风险收益项目。因此，随着管理者声誉的逐步形成，CEO在公司决策中展示出本身特点和管理水平，随着公司所有者和管理者信任水平的提高，管理者个人特点会渗入到公司各项决策中。
4.4共同区间检验
（1）中年组与年轻组
在第一步预测倾向值后，虽然每个公司年CEO都有倾向值得分，但存在倾向值得分过高或过低，无法找到匹配的个体。通常倾向值取值极端的个人没有因为没有与之匹配的个人无法为我们提供有用信息，因此在匹配算中就没有考虑。能从对照组找到匹配对象的倾向值取值范围被称为“共同区间”（Common Support）。从图2中年组与年轻组匹配前后倾向值得分密度分布图可以看出，匹配后处理组和对照组中的倾向值得分区间范围基本保持一致，意味着对于处理组中任何一个个体都能在对照组中找到配对对象。而匹配前中年组倾向值取值范围比对照组大，因此匹配时，低于0.25左右的倾向值被认为是极端值而没被考虑进行匹配。
限于篇幅，本文未呈现老年组与年轻组匹配前后倾向值密度分布图，但通过了共同支撑域检验。
4.5平衡检验
（1）中年组和年轻组
在完成匹配第，通常会对处理组和对照组之间的每个混淆变量之间差异检验。如果中年组CEO企业与年轻组CEO企业之间的混淆变量均值没有显著差异，则认为这样的配对样本是“平衡”的。图3呈现了配对后对照组和处理组混淆变量的平衡检验图，离0值线越近，则表示两组特征变量差异越小，则两组各个变量就越平衡。所有的变量除了工业虚拟变量4在15%显著水平上两组无差异，其他变量均在10%的水平上通过了平衡检验。其中这些变量对应于表2中的Model（1）中的控制变量，d_ind变量是行业类别变量，d_year是年份类别变量。
五、结论
本文以CEO年龄特征为研究对象，在以往文献基础上，研究公司行为决策中的年龄效应，证明不同年龄段的CEO对其公司的决策行为产生不同的影响效果。通过相关文献的梳理，本文认为于中年期的高管其对公司风险相比于年轻组企业风险高，但是实证结果并不支持关于中年组与年长组企业风险承担水平差异的证据。其次，与其他文献结论不同，本文发现年长组企业风险承担高于年轻企业，因为本文定义高管年龄大于55岁，而与其他文献一般定义年龄大于60的高管为年长组。本文重新将年长组高管定义为年龄大于60岁，并未得到年轻组企业风险承担显著高于年长组企业的实证证据，可能与本文只关注公司经理人特征，而并未考虑董事长年龄特征对公司风险承担的影响有关。〖JP〗 本文通过运用Boostrap-Kernel-PSM估计研究上市公司年龄对公司风险的影响。本文将高管年龄划分成三组，年轻派27-40岁，中年派41-55岁，老年派55-69岁，通过三组不同年龄段企业的配对比较，本文发展中年组企业风险比年轻组企业风险高，年轻CEO出于未来职业生涯和惩罚机制的考虑，会采取稳健、保守地公司投资决策；而年长CEO自身风险厌恶和未来预期收入的降低会，以及蒂固的思维模式很难去接受新的观点，会相应减少公司应承担的风险，倾向于谨慎和规避的风险态度。中年CEO由于管理技能、社会地位以及声誉已经建立，对公司相关事宜决策影响力更强，对高风险投资项目投资意愿强，对失败项目所能造成的责任以及后果都有能力去承担。对于年长组企业风险高于年轻CEO企业，本文认为数据的不足，年长高管年龄段55-69，仍然捕捉的是中年高管效应，不是年长组高管，因此在效应上是显著为10%正的。（作者单位：广西大学商学院）
本文受到国家自然科学基金项目（批准号：71362013）、教育部人文社科基金项目（批准号：13YJC790088）和广西自然科学基金项目（批准号：2013GXNSFBA019011）的资助。
参考文献：
[1]Cronqvist Henrik，Makhija Anil K.，Yonker Scott E.Behavioral consistency in corporate finance：Ceo personal and corporate leverage.General Information，2012，103（1）：20-40.
[2]Malmendier Ulrike，Nagel Stefan.Depression babies：Do macroeconomic experiences affect risk-taking？ Social Science Electronic Publishing，2009，126（1）：08-035.
[3]Malmendier Ulrike，Tate Geoffrey，Yan Jon.Overconfidence and early-life experiences：The effect of managerial traits on corporate financial policies.Journal of Finance，2011，66（5）：1687-1733.
[4]Bodie Zvi，Crane Dwight B.Personal investing：Advice，theory，and evidence.Financial Analysts Journal 13–23 （November/December，1997，（6）：13-23.
[5]Ackert Lucy F.，Church Bryan，Englis Basil.The asset allocation decision and investor heterogeneity：A puzzle？ Journal of Economic Behavior & Organization，2002，47（4）：423-433.
[6]Samanez-Larkin Gregory R.，Kuhnen Camelia M.，Yoo Daniel J.，et al.Variability in nucleus accumbens activity mediates age-related suboptimal financial risk taking.Journal of Neuroscience，2010，30（4）：1426-1434.
[7]Elsaid Eahab，Ursel Nancy D.Age，ceo succession，and risk taking.Accounting and Finance Research，2012，1（2）：p77.
[8]Hirshleifer David，Thakor Anjan V.Managerial conservatism，project choice，and debt.Review of Financial Studies，1992，5（3）：437-70.
[9]Holmstr？m Bengt.Managerial incentive problems：A dynamic perspective.The Review of Economic Studies，1999，66（1）：169-182.
[10]魏立群，王智慧.我國上市公司高管特征与企业绩效的实证研究.南开管理评论，2002，5（4）：16-22.
[11]文芳，胡玉明.中国上市公司高管个人特征与R%D投资.管理评论，2009，21（11）：84-91.
[12]Serfling Matthew A.Ceo age and the riskiness of corporate policies.Journal of Corporate Finance，2014，25（2）：251-273.
[13]Yim Soojin.The acquisitiveness of youth：Ceo age and acquisition behavior.Journal of financial economics，2013，108（1）：250-273.
[14]Rosenbaum P.，Rubin D.The central role of the propoensity score in observational studies for causal effects.Biometrika，1983，70（1）：41-55.
[15]Kini Omesh，Williams Ryan.Tournament incentives，firm risk，and corporate policies.Journal of financial economics，2012，103（2）：págs.350-376.
[16]Ham John C.，Li Xianghong，Reagan Patricia B.Matching and semi-parametric iv estimation，a distance-based measure of migration，and the wages of young men Journal of Econometrics，2011，161（2）：208–227.