陸瑤 等：高管個人特征能夠預測公司業績嗎？來自機器學習方法的實證證據 | 清華經管說

研究成果：高管個人特征與公司業績——基於機器學習的經驗證據

作者：陸瑤、張葉青、黎波、趙浩宇

發表期刊：《管理科學學報》，2020（2）: 120–140。

隨著大數據、人工智慧等技術的發展，機器學習成為金融領域中新興的實證研究方法。雖然機器學習已經在一些資產定價領域有所運用，但是在公司金融，特別是公司治理領域的應用幾乎完全是空白。大數據包括高頻數據和高維數據兩個方面，而公司治理研究中面臨許多高維數據的研究問題。清華大學經濟管理學院金融系陸瑤教授及其合作者通過機器學習的方法研究高管的高維特征對公司績效的預測問題。該研究開拓了新的研究視角，為未來機器學習在更多的公司金融、公司治理研究上奠定了基礎。

「高管特征與公司績效的關聯」一直以來是公司治理領域的重點研究問題。以往研究一方面探究了高管是否在公司決策中擔任了至關重要的角色，另一方面挖掘出了可能會影響公司績效的一系列高管的個人特征。那麼公司高管的個人特征能夠幫助預測公司業績嗎？在這些可能預測公司績效的高管特征中，哪些特征更為關鍵呢？它們的預測機制又是怎樣的？以往研究主要圍繞單一特征與公司業績之間的因果關係推斷進行研究，而缺乏從預測能力出發的系統定量的結論。陸瑤教授及其合作者希望通過運用機器學習的方法來彌補這一空白。

為什麼他們要採用機器學習的方法來解答這一問題呢？首先，在轉型期經濟環境下，國有企業的改革不斷推進，經濟環境出現明顯波動。經濟環境的波動可能導致高管特征與公司績效之間的關聯不是一成不變的，而是隨經濟環境波動而動態變化的。以往研究最常使用線性擬合模型，該模型假定變量之間的相幹性是恒定的，並在此基礎長進行模型估計，因此難以在經濟環境波動的情形下得到可靠準確的預測模型。第二，已有文獻發現高管的個人特征與公司績效之間的非線性關係以及這些特征之間的交互作用，這些研究意味著傳統的簡單線性擬合模型難以清晰、準確地厘清變量之間的龐雜關係。基於此，為了全面挖掘高管特征與公司績效之間關聯，引入處理龐雜預測問題的機器學習模型，可以提供一個更為全面的解答。

文章以2008年-2016年的上市公司為樣本，實證評估了高管特征對公司績效的預測能力。選取的高管特征包括年齡、性別、話語權、年末持股比例、公司外兼職、職能經驗、海外經驗、學術經驗、金融工作背景和政府工作背景。採用的機器學習方法為「Boosting回歸樹」。該方法的基本思想是：從初始訓練集中得到一個基回歸樹，然後在當前預測誤差的基礎上訓練新的基回歸樹，每次迭代都向損失函數負梯度的方向移動，從而達到損失函數隨著迭代次數增加而逐漸減小的效果，最後加權結合多個基回歸樹得到回歸函數。進一步地，文章基於訓練模型分析了各個高管特征在預測公司業績中的重要程度和預測效果。研究結果發現：整體而言，在我國公司CEO和董事長的特征對公司業績的預測能力較弱。而在眾多高管特征之中，持股比例和年齡對公司業績的預測能力較強，且它們與公司業績之間的關係呈現出明顯的非線性的特點。

陸瑤教授及其合作者的這篇文章首次應用機器學習方法來研究中國的公司治理問題，評估了公司高管特征整體對於公司績效的預測能力。其次，前沿的Boosting回歸樹的方法規避了傳統線性模型的缺陷，可以更好地分析變量之間的非線性和交互關係。第三，文章探究了不同高管特征對於預測公司績效的重要程度，並分析了相對重要的高管特征對公司績效的預測機制，這一系列結論對公司高管聘請和激勵機制設計等商業實踐具有非常重要的啟示意義。

教授簡介

陸瑤，清華大學經濟管理學院金融系教授、金融系副系主任。2009年獲得美國密歇根大學-安娜堡分校（University of Michigan — Ann Arbor）羅斯商學院（Ross School of Business）博士Ph.D. in Business Economics；在這之前獲得美國紐約大學斯特恩商學院 （New York Univesity，Stern School of Business）統計學-金融工程方向碩士學位，中央財經大學經濟學學士學位。

她的主要研究領域為公司金融、投資、融資、兼並收購、公司治理、勞力經濟學與金融、金融與法，以及資本市場發展與國際化。講授課程包括公司金融（MBA）、公司治理（MBA）、公司並購與重組（MBA）、金融學研究（本科）等。

她曾經在 Journal of Finance、 Journal of Financial Economics、 Journal of Financial and Quantitative Analysis 、 Management Science、 Review of Finance 、 Journal of Corporate Finance 、 Ecological Economics 、 Asia Pacific Journal of Financial Studies、 《經濟研究》、《管理世界》、《金融研究》、《管理科學學報》、《南開管理評論》等多個國內外重要學術期刊上發表過文章。

她目前擔任 Pacific-Basin Finance Journal 的副主編和 Journal of Finanical Economics 、 Review of Financial Studies 、 Journal of Corporate Finance 、 Journal of Banking and Finance 、 International Review of Finance 、 Journal of Comparative Economics 、 Journal of Law、 Economics and Organization 、 Accounting and Business Research、 《金融研究》、《南開管理評論》等國內外多個學術雜誌的匿名評審員。

她目前還擔任TIEMBA項目學術主任和清華經管學院公司治理中心副主任和EMBA中心學術委員。

她曾入選教育部國家級青年人才，於2017年獲得國家自然科學基金委優秀青年科學基金，國家自然科學基金「特優 」結題，2014年獲得「清華大學學術新人獎 」。另外，她的多篇文章被哈佛大學公司治理論壇所收錄。

黎波，清華大學經濟管理學院管理科學與工程系長聘副教授，於2002年獲得北京大學數學學士學位，2006年獲得美國加州大學伯克利分校統計學博士學位。主要研究領域為龐雜數據驅動的決策與預測、人工智慧與敏感決策，曾在 JRSSB 、 Biometrika 、 TKDE 、 TKDD 、 Management Science 、 IIE Transactions 、 Journal of Comparative Economics 、《管理科學學報》、《數量經濟技術經濟研究》等國內外學術期刊，以及NeurIPS、ICML、KDD、AAAI等計算機頂會發表論文四十餘篇。曾於2008年獲得首屆麥肯錫中國經濟學獎，2011年被評為由清華大學學生會主辦的第四屆清韻燭光清華大學我最喜愛的教師、2012年獲得清華大學優秀班導二等獎，並曾獲得清華經管學院先進工作者、優秀科研獎、優秀教學獎、優秀班導獎等獎項。

內容來源：清華經管學院科研辦

編輯：任仲希

審核：鄭黎光

責編：衛敏麗