本文研究固定薪酬与股票期权激励下,风险厌恶管理者在VaR约束下进行努力投入和项目风险选择的动态公司风险管理问题。报告结合凹化技术、分位数方法与鞅方法,推导最优努力、终值和项目波动率的显式解。VaR约束会牺牲部分极佳状态的企业价值,以改善中间状态的下行保护;但当VaR下限过高时,可能提高破产概率并诱发逆境赌博。期权激励越强,企业价值分布越平滑,而固定薪酬越高则可能导致管理者责任感下降和价值分散。
这篇文章没有传统证券研究报告中的股票评级、目标价或买卖建议,而是一篇理论与数值分析相结合的金融数学研究。其核心问题是:当管理者同时获得固定工资和看涨期权,并且必须满足企业层面的VaR风险约束时,管理者会如何选择努力程度、项目波动率以及企业终值分布。
文章的主要结论可以概括为四点:
文章从经典的所有权与控制权分离出发,强调管理者通常最大化自身薪酬效用,而不一定直接最大化股东价值。由于努力和风险选择不可完全观察,模型同时包含代理冲突和道德风险问题。
已有研究分别讨论了期权薪酬、努力、项目风险以及非凹投资目标,但较少把明确的企业层面下行风险约束嵌入管理者的动态决策中。本文使用VaR作为风险控制工具,要求企业终值低于预设下限的概率不能超过给定尾部概率,从而将监管或股东风险偏好直接纳入管理者优化问题。
设终值风险下限为 (V),尾部概率为 (\alpha),VaR约束本质上要求企业在至少 (1-\alpha) 的概率下,其终值不低于该下限。换言之,VaR不是要求所有状态都避免损失,而是限制企业落入极端不利区域的概率。
这一区别非常重要:VaR只约束某个分位点,而不关心分位点以下的损失究竟有多严重。因此,在本文模型中,即使VaR约束有效,极端坏状态仍可能出现企业破产。这也是后文“风险保护”和“赌一把恢复”同时存在的根本原因。
文章面临三个主要技术难点:
这些方法的组合是本文的主要理论贡献之一:它不仅给出最优终值,而且同时推导了管理者努力、项目波动率和企业任意中间时点价值的显式表达式。
企业价值服从一个由管理者控制的扩散过程。模型中的 (r) 是企业价值的基准增长率,(u) 是管理者投入的努力,(v) 是所选项目的风险或波动率,(\theta) 衡量承担更多项目风险所带来的增长收益,(\delta) 则表示管理者努力转化为企业价值的生产率或能力。
该设定具有一个重要含义:项目风险并非只有负面作用。较高的 (v) 一方面增加企业价值波动,另一方面也通过正的风险收益参数 (\theta) 提高预期增长。因此,管理者可能在某些状态下主动选择高风险项目。
模型允许企业在终止日之前的价值 (V(t)) 为负,但要求终值满足清偿约束。作者解释说,负的中间价值可以被理解为暂时性的财务困境,管理者仍可能通过努力使企业恢复。 这一假设扩大了模型的数学可解性,但也意味着“中间时点的负企业价值”更多是模型化结果,而非通常会计意义上的账面企业价值。
管理者薪酬由固定工资 (w) 加股票期权收益构成,期权比例为 (n),执行价格为 (K)。其终值薪酬可写成固定部分加上企业终值超过执行价格后的正部收益,因此目标函数可表示为:
[ U_0(x)=U\big(w+n(x-K)^+\big). ]
由于期权在 (K) 以下没有边际收益,在超过 (K) 后才开始产生收益,目标函数在执行价格附近出现非凹结构。
经济上,非凹性代表管理者并不对每一单位企业价值都同等敏感:企业价值从低水平上升但仍低于执行价时,管理者薪酬几乎不变;一旦超过执行价,企业价值增加会带来期权收益。因此,期权可能诱使管理者牺牲部分低概率坏状态来争取进入价内状态。
图1中的蓝色实线是原始目标函数 (U_0(x)),红色虚线是其全局凹包络 (U_1(x))。在执行价格 (K) 以下,原始目标基本保持在固定工资对应的效用水平;超过 (K) 后,效用开始随企业价值上升。
凹包络在 (K) 到切点 (\xi_1) 之间用一条直线连接,并在 (\xi_1) 处与原始目标相切。这个切点意味着:在凹化问题中,管理者可能通过在不同状态间重新分配企业价值,获得一个高于原始非凹函数直接优化所能描述的“平均效用”。求解后必须确认终值是否落入凹包络与原函数不一致的区间,否则凹化结果可能只是辅助问题的解。
基准管理者只受到企业初始价值对应的预算约束,不受终值分位数限制。最优努力与定价核 (Z(t)) 以及拉格朗日乘子 (\lambda_0) 相关;从附录推导可见,努力具有形式 (u_0(t)=\lambda_0\delta Z(t))。因此,在定价核较高、代表较不利状态的情况下,管理者努力也会增加。
基准终值通常呈现二元结构:在较好状态,企业价值位于期权激励发挥作用的区域;在足够坏的状态,企业可能直接违约或破产。VaR约束的主要作用,正是改变这种“好状态高收益、坏状态归零”的离散式分布。
命题3.3按照VaR下限 (V) 相对于执行价格 (K) 和凹包络切点 (\xi_1) 的位置,以及尾部概率 (\alpha) 的大小,把最优终值划分为九种情形:
在每个区域内部,较小的 (\alpha) 意味着更严格的风险要求,因为允许低于下限的概率更小;较大的 (\alpha) 则意味着约束较宽松。若约束宽松到一定程度,VaR不再绑定,最优解退化为基准解,即情形(c)、(f)、(i)。
图2把九种情形映射到二维参数平面。横轴是尾部概率 (\alpha),纵轴是VaR下限 (V)。图中区域边界并非全部直线,说明风险约束的活跃程度同时取决于下限和允许尾部概率,而不是由某一个参数单独决定。
图中(c)、(f)、(i)分别位于相对宽松的区域,表示VaR不活跃;而(a)、(b)、(d)、(e)、(g)、(h)是VaR有效的六种区域。总体趋势是:提高 (V) 或降低 (\alpha) 会使约束趋于严格,并推动终值从简单的基准形态转向包含平台或多个分段的结构。
图3中红色虚线为基准终值,蓝色实线为VaR终值,横轴 (Z(T)) 是终值定价核。一般而言,较低的 (Z(T)) 表示较好的状态,较高的 (Z(T)) 表示较差的状态。蓝线相对于红线在好状态下下降,而在部分中间状态出现平台 (V),体现了“牺牲上行、保护中间状态”的价值再分配。
具体而言:
因此,文章所说的二元、三元和四元终值结构,并不是简单指终值只有两三个数值,而是指终值函数由不同的曲线段、常数段和零值破产段组合而成。
推论3.5指出,当 (V<\xi_1) 且VaR绑定时,VaR管理者的破产概率严格低于基准管理者;但当 (V\geq\xi_1) 时,结果取决于 (\alpha)。如果 (\alpha) 较小,约束会改善较差状态的收益并降低破产概率;如果 (\alpha) 较大,约束主要支撑中间状态,反而可能留下更多极端坏状态进入破产区。
图4展示了情形(g)的一个例外案例。虽然该区域总体可能出现较高破产概率,但图4中的蓝线在进入零值区域前比红色基准线拥有更小的破产区间,因此VaR反而降低了破产概率。
当VaR绑定时,拉格朗日乘子满足 (\lambda_{\mathrm{VaR}}>\lambda_0),而努力形式与 (\lambda) 成正比,因此有:
[ u_{\mathrm{VaR}}(t)>u_0(t). ]
如果VaR不绑定,则两者相等。其经济含义是,风险约束提高了管理者改善企业价值的边际压力,促使其投入更多努力。
图5(i)展示努力生产率 (\delta) 的影响。提高 (\delta) 会使所有非破产状态的终值曲线整体上移,并使平台起始点向右移动,意味着企业只有在更差的状态下才需要依靠VaR平台保护;当 (\delta) 足够高时,平台消失,情形由(d)转向(e)。
图5(ii)展示期权比例 (n) 的影响。提高 (n) 会使好状态下的曲线下降,同时使平台区域缩小。由于期权薪酬对超过执行价的企业价值更敏感,管理者会更加关注中间状态的边际效用,而不是把价值过度集中于极好状态。
图5(iii)展示固定工资 (w) 的影响。提高固定工资会提高好状态下的终值,但使VaR平台覆盖更宽的状态区间。其原因是固定工资降低了管理者对期权增量收益的边际依赖,使管理者更倾向于把价值集中在少数极好状态,而在中间状态仅维持监管下限。
因此,作者所谓“更多期权使管理者更负责”,并非意味着期权绝对降低风险,而是指在该模型中,绩效敏感的薪酬会促使管理者把更多价值保留在中间状态;高固定工资则削弱这种跨状态平滑激励。
在CRRA效用下,文章进一步推导了时间 (t) 的企业价值和最优项目选择。项目波动率总体呈驼峰形:在极好状态下,管理者不愿承担额外风险;在中间状态,期权从虚值转向实值的概率对波动率最敏感,因此风险选择最高;在极差状态,期权进入价内的概率很低,风险激励再次减弱。
更严格的VaR约束会压低好状态和中间状态的波动率,并把风险承担的高峰推向更差的状态。当企业陷入极端不利状态时,管理者可能选择更高波动率,以利用风险项目带来的上行恢复机会和更高预期增长,这就是“gambling for recovery”。
图6(i)和图6(ii)显示,在中间状态,VaR管理者的中间时点企业价值可能高于基准,但在极差状态,严格约束反而可能使中间时点价值低于基准,甚至低于零。这是因为VaR只约束终值,管理者可以牺牲途中价值来换取到期时满足风险下限的可能性。
图6(iii)和图6(iv)展示了波动率曲线随VaR参数变化的移动。严格约束将波动率峰值推向更差的定价核状态,说明风险控制并未消除风险,而是改变了风险承担的时间和状态分布。
本文没有传统意义上的DCF、P/E或EV/EBITDA估值,也没有股票目标价。其“估值”实际上是动态最优控制意义下的企业价值求解。
核心步骤包括:
附录说明,预算函数关于 (\lambda) 连续且严格递减,并且当 (\lambda)趋于无穷时趋于负无穷,因此可以得到唯一拉格朗日乘子。这为数值计算中的求解提供了理论基础。
第一,VaR只控制某一分位点,不能衡量尾部损失的严重程度。因此,文章发现严格约束可能诱发极端状态赌博,并不是模型缺陷,而是VaR本身“分位点之后不再区分损失大小”的直接体现。不过,这也意味着若监管目标是控制极端尾部损失,Expected Shortfall可能比VaR更合适。
第二,企业在终止日前允许出现负价值,这一假设有助于描述管理者通过努力恢复企业,但也可能弱化破产的即时约束,使中间时点的负价值更多体现数学上的可行状态,而非现实中的持续经营状态。
第三,模型假设管理者可以直接选择项目波动率,并且风险提高会带来确定性的正向预期增长收益。现实中风险项目的收益—风险关系可能更复杂,管理者也未必能够连续选择风险水平。
第四,敏感性分析主要集中于CRRA效用以及情形(d)、(e)等代表性区域,图形具有说明性,但并未在正文中提供完整参数表、置信区间或经验校准,因此结论更适合作为机制分析,而非直接用于企业风险限额设定。
第五,文章强调更多期权会使管理者更平滑、更负责,但这一结论依赖于风险厌恶、固定工资、执行价格和VaR约束的联合设定。由于期权本身具有凸性,在某些参数区域仍可能激励管理者增加风险,文章也明确指出项目选择可能是非单调的。
总体而言,本文建立了一个将管理层代理问题、期权激励、努力选择、项目风险和VaR约束统一起来的动态企业模型。理论上,凹化、鞅方法和分位数方法共同解决了非凹目标与概率约束带来的技术困难,并得到九种VaR终值结构。
图表进一步揭示,VaR并不是简单地“降低所有风险”:它通常把企业价值从极好状态重新分配至中间状态,形成平台型保护区域;但当风险下限过高时,又可能把风险承担推向极差状态,并增加破产或赌博式恢复行为。
对企业治理而言,文章的政策含义是:应根据股东风险偏好设计适度的VaR下限和尾部概率,避免过度严格的风险要求;同时,应提高管理者能力和努力生产率,并采用更具绩效敏感性的期权薪酬、减少过高的固定工资,以增强管理者在不利状态下维护企业价值的责任感。
2608.05623.pdf