上市公司股票价格与高管薪酬关系的研究综述.doc

上市公司股票价格与高管薪酬关系的研究综述 摘要：股票价格的预测一直是金融市场研究的热点问题，本文从高管薪酬的角度入手，对研究股价预测方式、高管薪酬问题以及两者之间的相关性这三个问题的相关研究进行了回顾，并梳理研究内容与思想，为进一步研究上市公司股票价格与高管薪酬关系打好基础。 关键词：股价预测；薪酬；相关性研究 1.股价预测的相关研究 1.1国外相关研究 格雷厄姆和多德在 1934 年《证券分析》一书在1929年美国股票市场价格暴跌的深刻反思，认为股票价格的波动是建立在股票“内在价值”基础上的，股票价格会由于各种非理性原因偏离“内在价值”，但随着时间的推移这种偏离会得到纠正而回到“内在价值”，因此，股票价格的未来表现可通过与“内在价值” 的比较而加以判断。但“内在价值”取决于公司未来盈利能力，因此，对公司未 来盈利能力及其现金流的准确把握将是非常关键的。 戈登在对“内在价值”进行深入的量化分析的基础上，提出了著名的股票定价的现金流量模型即“戈登模型”。然而，公司未来现金流是不确定的，为该模型的广泛应用带来麻烦，为此，关于股票定价的早期研究就集中在确定公司未来现金流。 费雪认为未来资产收益的不确定性可用概率分布来描述，马夏克、希克斯等学者经过一系列研究认为投资者的投资偏好可以看作是对投资于未来收益的概率分布矩的偏好,并可用均方差空间的无差异曲线来表示，同时，他们还发现“大数定律”在包含多种风险资产投资中会发挥某种作用。 亨利·马科维茨教授的现代证券组合理论的建立才对这一基本问题有了明确的认识。从而，一定程度上消除了该模型的致命缺陷。在现实生活中，很少有投资者会将所有的投资集中在一只股票上，基于此，马科维茨教授于 1938 年提出了投资组合的概念，建立了现代证券组合理论，以统计学上的 均值和方差等概念来衡量组合的收益和风险，给出了投资者如何根据自己的风险承受能力建立自己的最优组合以最大化其投资收益，并将风险分解为系统和非系统风险，从而，指导投资者最优化其投资行为。 威廉·夏普、林特纳等为强化该理论的应用，将其注意力从马科维茨的微观研究转向整个市场，将其复杂形态简化为以市场指数为基础的单因素关系，并发现在均衡市场条件下资本资产的收益与风险遵循线性关系，即著名的以均值--方差模型为前提的资本资产定价模型（CAPM）。然而，由于 CAPM 所要求的前提过于严格限制了其应用，许多经济学家试图研究在一定弱化条件下的定价理论，他们是迈耶斯的存在大量非市场化资产的投资定价理论、罗斯的套利定价理论(APT)以及布里登资产收益率与平均消费增长率的线性关系模型（CCAPM）等等为数众多的数量化投资模型，为市场投资行为选择提供了一定决策依据。 2003 年诺贝尔经济学奖得主美国经济学家罗伯特·恩格尔和英国经济学家克莱夫·格兰杰，他们的重要贡献就是将统计学方法用于研究经济时间序列，从而引发了对经济时间序列的研究热潮。随着数学理论研究的深入和各种数据分析工具开发的迅速发展，尤其是在数据挖领域的快速发展，对金融时间序列的研究分析方法也越来越多。 1.2国内相关研究 我国对于股价预测所使用的模型工具主要有神经网络模型、灰色系统和随机过程模型、分形和混沌模型和统计模式识别模型 1.2.1神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力，能够从大量历史数据中进行聚类和学习，自动提取样本隐含的特征和规则，进而找到某些行为变化规律，可以实现任何复杂的因果关系。 1.2.2灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型，经由累加过程削弱原始数据的随机干扰，突出系统所蕴涵的内在规律，然后建立动态预测模型。 1.2.3分形和混沌模型 金融市场公认具有典型的分形和混沌特性。分形方法使我们能分层次地了解复杂体系的内部精细结构和所富含的信息，有望找到多重分形参数和金融数据中大幅涨落间的关联性，从而以一定的概率反映和预测金融市场的剧烈动荡。 1.2.4统计模式识别模型 证券市场是一个呈现高度复杂性的非线性系统，直接预测价格波动的具体数值难度很大。如果将价格波动的方向按照一定的标准划分为不同的类别，如大幅上涨类、轻微下跌类等，这样就将价格预测问题转化为类别判断问题，就可以运用统计模式识别方法。首先分析影响证券价格波动的因素，根据识别对象的特征运用聚类或分类算法将其划分为不同类别，然后对于需要预测的未知样本,利用某种判别规则将其归入已知的类别中去，从而实现预测。 2.高管薪酬问题的相关研究 高管薪酬问题就是高管激励问题，对于激励问题，国内外一般分为两个理论体系。一是经济学激励理论，包括交易费用理论、委托代理理论、人力资本理论等。二是管理学激励理论，包括内容激励理论、过程激励理论等