英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
公司业绩与所有权结构的关系——以土耳其为例
Hicabi Ersoy
Ayben Koy
摘要：本研究调查了所有权结构对Borsa伊斯坦布尔证券交易所30 家（BIST 30）上市公司业绩的影响。我们研究的主要假设是公司的绩效与其所有权结构之间存在显著的关系。
统计人口包括2008年至2013年期间的19家非金融公司。结果表明，一家或几家公司的大股份集中对相关公司的业绩产生负面影响。
关键词：所有权结构，公司业绩，Borsa伊斯坦布尔证券交易所30（BIST 30），面板数据分析。
一、导言
在金融文献中，众所周知，企业绩效与企业所有权结构之间存在关联，但制度和经济影响在全国和国际上都存在差异。本研究的主要目的是提供一个经验证据来回应这样的论点：所有权结构根据公司的财务表现而不同。
土耳其经济环境中通常有两种基本类型的所有权结构，即私有和公有制。在寻找私营部门时，过去十年中存在来自国内加权所有权结构的趋势。在本研究中，我们考虑了一方或一组股票的集中度。换句话说，私人和公共或国内和国外所有者等子样本之间的性能差异没有单独测试，因为它受到文献中的另一项研究的影响。
论文的结构如下：引言后，第二节即将解释理论基础，回顾所有制结构及其在公司治理中的意义。第3节介绍了研究方法，包括假设，研究变量，模型建筑，人口和样本选择，数据收集方法和统计检验。该研究的结果以及该文章的假设和讨论在第4节中报告。最后，第5部分对该研究进行了总结性评论。
二、文献评论
根据Craswell等人（1997）的说法，所有权结构对公司业绩的影响至少在三个方面发生。首先，有研究测试事后表现效果。Demsetz和Lehn（1985）没有发现三种所有权集中度量与盈利能力指标之间存在线性关系的证据1。Morck等（1988）也指出Demsetz和Lehn未能区分董事会成员和其他大股东的成员的持股情况。
其次，有研究将所有权结构与被认为影响未来公司业绩的行为或事件联系起来，通常由与所涉事件相关的股价变化证明。然而，鉴于这些研究发生的背景不同，很难概括所有权结构对公司业绩的可能影响。
第三，有研究考察了企业市场价值所体现的所有权结构的事前影响。与Demsetz和Lehn关注的事后绩效指标相比，Morck等人（1988）研究了371家大型美国公司内部人的股权和公司业绩（以托宾的Q衡量）之间的关系。为了捕捉可能的非线性，Morck等人使用分段回归并发现，在0％到5％的范围内每1％的所有权增加，Q显著提高，在5％到25％之间所有权有类似增长，Q显著下降，超过25％，Q开始虽然速度较慢，但仍然再次上升。他们认为，在内部人控股水平相对较低的情况下，积极关系反映了管理层和股东利益的融合。
在对所有权和控制结构与公司绩效之间关系的实证研究中，研究人员遇到了不同的计量
经济学问题，如果不加以解决，可能会导致对变量之间关系的错误推断。考虑到研究该主题的研究人员的多元回归技术，必须突出三个内生性来源，这可能会破坏研究结果：遗漏变量，反馈效应和反向因果关系（“同时确定”）Bouml;rsch-Supan＆Kouml;ke（2002年）；巴罗斯等人（2010年）。正如Barros等人（2010）所解释的那样，回归模型中的“回归的外生性假设”排除了解释变量与随机误差项之间相关性的可能性。如果这个假设是无效的，那么回归量是内生的并且应该减少内生性；否则，参数将有偏差。
根据Bouml;rsch-Supan＆Kouml;ke（2002）的观点，遗漏与估计模型相关的变量的原因有两个：公司治理研究中潜在重要变量的数据不可用，以及缺乏对其类型的了解，解释了变量之间的关系。Silveira（2010）指出，遗漏变量可能导致感兴趣的变量之间的虚假相关性，也称为共同原因的谬误。控制变量的使用以及随机和固定效应的程序，如Claessens等人的研究（2002）和Fahlenbrach和Stulz（2009），是解决问题的一种方法。
Claessen等（2002）分析了最大股东参与所有权和控制权对公司市场价值的影响。通过对来自东亚八个不同国家的1,301家公司的样本进行随机效应回归，作者发现证据表明所有权集中度和控制浓度分别对托宾Q的正负影响。因此，该研究的结论表明，激励和壕沟效应可以通过与组织中的现金流和投票权相关的代理来捕获。
Lehman和Weigand（2000）发现，在1991年至1996年期间，361家德国公司的面板回归显着影响了盈利能力。
虽然他们表明这种影响依赖于股市暴露，控制权的位置和时间范围。
米什拉等人（2001）检查了120个挪威创始家庭控制和非创始家庭控制公司的样本。他们发现建立家族控制与建立家族控制的替代定义的公司价值之间存在正相关关系。
Faccio and Land（2002）分析了13个西欧国家的5,232家公司的最终所有权和控制权。通常，公司被广泛持有（36.93％）或家族控制（44.29％）。他们发现金融和大公司更有可能被广泛持有，而非金融和小公司更有可能受家庭控制。
Kapopoulos和Lazaretou（2007）研究了是否有强有力的证据支持这样一种观点，即观察到的所有权结构中企业之间的差异会导致观察到的企业绩效出现系统性变化。本文通过使用175家希腊上市公司的数据评估所有权结构对公司业绩的影响（以盈利能力衡量）来检验这一假设。根据他们的研究，所有权结构与分析公司的较高盈利能力正相关。
Cornett等人（2008）调查了机构投资者参与和大型企业的经营业绩之间的关系。股份的机构所有权，董事会中的机构投资者代表以及董事会中独立外部董事的存在都减少了可自由支配的应计利润的使用。他们发现公司的经营现金流回报与机构股权的百分比之间存在显着关系。
Fahrenbrach和Stulz（2009）调查了内部人所有权的可能决定因素及其对1988年至2003年期间美国4,900家公司市场价值的影响。作者应用了具有固定效应的概率模型和线性回归。 结果表明，良好的股票表现通常会降低管理层的所有权，而管理者所持股份的增加往往会增加托宾Q。.然而，管理层所有权的大幅减少并未导致公司市场价值的下降。
Gurbuz等人（2010）研究了公司治理对土耳其财务业绩的影响，并考虑了机构所有权问题。本文采用面板数据分析对伊斯坦布尔证券交易所（ISE）的实际行业公司的164个公司年度观察样本进行了分析，涵盖了2005年至2008年的4年时间跨度。分析结果表明公司治理的积极影响和财务业绩的机构所有权。此外，发现机构投资者对公司治理指数上市公司的影响更为明显。
Azofra和Santamariacute;a（2011）调查了1996年至2004年间80家西班牙银行的所有权结构与公司业绩之间的关系。该研究的回归模型的结果，由GMM（广义移动方法）2估计，表明最大股东的现金流和投票权之间的分离，公司的资产收益率越小，所有权和控制权之间
没有差异，控股股东的股权与银行的盈利能力之间的关系不是单调的。
Drakos和Bekiris（2010）研究了2000年至2004年在雅典证券交易所上市的公司所有权结构对市场价值的影响。使用两阶段最小二乘（2SLS）和三阶段最小二乘（3SLS）估计的回归。作者发现，内部董事的股权（执行董事会成员）和拥有超过1％股份且未参与高级管理层的投资者的股票积累对托宾Q值有正面影响。
Garcia-Meca和Sanchez-Ballesta（2011）在1999年至2002年期间由76家西班牙公司组成的非平衡小组中应用分段OLS（普通最小二乘）回归和2SLS回归随机效应。结果一般指向大股东持股（拥有5％以上股份）与托宾Q之间存在二次关系。所有权集中度的增加使公司市值增加至股份的60％，市值在那一点之后下降。
Luo等（2013）使用了2004年至2007年中国家族上市公司的数据。该研究表明，托宾Q的衡量标准与公司市场价值之间的反U形关系，以及大股东的数量和公司市场价值之间的关系。调查结果表明，在中低水平的控制竞争或大股东数量的情况下，正规机构可以加强。
Jusoh（2014）调查了审计质量对公司业绩的影响。对730家马来西亚上市公司的面板数据进行了审查.结果表明，管理层所有权与ROA和托宾Q具有负相关关系。相比之下，机构所有权与ROA和托宾Q呈显著正相关关系。
三、方法和数据
这项研究的目的是确定各种所有制结构对BIST 30公司业绩的财务影响，这些公司是根据公司规模在土耳其股票市场上的最大公开上市公司。因此，在本研究中，我们研究了不同所有权集中结构对公司业绩的作用。
研究假设：
主要假设是“所有权结构与BIST 30公司的业绩之间存在显著关系”。
所以“公司股权的最大份额与公司业绩之间存在显著的关系”。
研究变量：
我们研究了土耳其非金融BIST 30上市公司的所有权结构对公司价值的影响。用于此分析的数据来自两个来源。首先，所有权结构来自相关公司的年度报告。其他数据来源是基于公布的公司的财务比率。
本研究的因变量是“公司的价值”，以公司的业绩为代表。业绩由托宾Q值 =（市场价值/账面价值）来衡量。
为了评估公司业绩与所有权结构之间的关系，作为绩效的衡量标准，Craswell等人（1997）表明，美国研究人员利用了托宾的Q（=市场价值/账面价值）。
多元回归方法由不同的形式组成，它们的差异与选择预测变量有关。为了确定本文中的回归方程，提取了以下公式：
Y =alpha; beta;1Chi;1 beta;2Chi;2 ... beta;nChi;n
Y：公司的业绩
alpha;：常数
Chi;1，Chi;2，...，Chi;n：自变量
beta;1，beta;2，...，beta;n：每个变量的回归系数。
统计数据可以通过三种方式进行管理：横截面，时间序列和面板数据方法。利用面板数据方法，研究人员可以在不同的时间段内进行横断面观察。在这项研究中，采用了小组方法（Brooks，2008）。通过使用面板数据，收集覆盖在时间段（T）期间获得的大量横截面变量（N）的一组数据。可以通过不同模型估计观测数量（Ntimes;T）。 可以通过施加面板数据模型来确定有效的估计。
如果通过施加普通最小二乘法（OLS）或广义最小二乘法（GLS）来控制不可测量的变量，则变量具有有效的估计。控制的一种方法是花费固定效应模型。在固定效应模型中，未观察到的效果将进入回归模型的固定语句。
通过Hausman或Breusch-Pagan Lagrange乘数（LM）测试等不同测试，可以选择合适的估计值。选择合适的模型后，应遵循时间序列的连续性和回归的可靠性。
本研究的人口包括2008年至2013年（6年）期间的非金融土耳其BIST 30公司。土耳其BIST 30市场是世界上表现最好的股票交易所之一，并被归类为新兴市场。
研究了解释变量连续性的可靠性以及控制变量。观察到在该时间段内研究变量的均值和方差，并且变量的协方差是稳定的。由于在这个模型中使用这些变量，我们没有虚假回归。
我们使用时间序列和横截面元素。面板数据（或纵向数据）保持相同的个人（公司）实体。
Yit =alpha; beta;Xit uit
Yit =因变量。
alpha;=截距项。
beta;= kx1要在解释变量上估计的参数矢量。
Chi;it= 1xk对解释变量的观察向量。
t = 1，...，T（期限）
i = 1，...，N（公司）
该技术的适用性是有限的。只有当每个横截面单位i的时间序列观测值T的数量至少与这样的单位N的总数一样大时，才可以使用它。
最简单类型的固定效应模型允许回归模型中的截距在横截面上不同而不是随时间变化。
Yit =alpha; beta;Xit mu;i upsilon;it
uit =mu;i upsilon;it
我们可以将mu;i视为封装所有影响Yi的变量但不随时间变化的变量—例如，公司经营的部门，个人的性别或银行总部所在的国家，以及可以使用虚拟变量来估计该模型，其可以被称为最小二乘虚拟变量（LSDV）方法（Brooks，2008）。
鉴于此处分析的数据，固定效应方法是明智的，因为与公司数量相比，存在非常大的年数（19），导致总计（114 = 19公司times;6年）公司多年观察。
研究中使用的数据来自公司的年度报告和BIST 30指数统计数据。
该分析在2006-2013的整个样本期间进行。
模型方程可以定义为：
Perfit = alpha;0 alpha;1OwnStrit beta;1EBITSls beta;2EBITCpt beta;4LiqR beta;5DbtR beta;6EqtTotAssts beta;7EBITTotAssts beta;7EBITEqt gamma;1GROWTH mu;i <!-- 剩余内容已隐藏，支付完成后下载完整资料
资料编号：[17592]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
