金融机构高管薪酬存在风险敏感性吗？

金融机构高管薪酬存在风险敏感性吗？

摘要：基于中国上市金融机构2008-2016年的非平衡面板数据，研究金融机构高管薪酬风险敏感性问题。结果表明：金融机构的风险承担与高管薪酬呈显著的正相关关系，意味着金融机构高管薪酬契约存在风险敏感性；相较于非国有金融机构，国有金融机构高管薪酬风险敏感性较低；以监事会人数、监事会会议次数、独立董事占比与第一大股东持股比例作为代理变量，管理层权力在一定程度上影响风险承担与高管薪酬之间的关系。
关键词：金融机构；高管薪酬；风险承担；管理层权力
中图分类号：F830.22文献标识码：A文章编号：10037217（2018）04000810
一、引言
2007年，美国次贷危机迅速蔓延导致了全球金融危机。关于此次危机，各国政府和大多数学者经过大量分析研究，总结出了许多原因，其中之一便是金融机构高管薪酬激励不当＼[1，2＼]。为此，国际组织与各国金融监管机构相继出台相关政策，以规范金融机构高管薪酬，防范与化解系统性金融风险，保持金融稳定。
我国金融机构高管薪酬偏高一直以来都是公众关注的焦点。自2010年起，我国政府工作报告多次提及“严格规范金融机构高管人员薪酬管理”。财政部分别于2009年1月13日印发《金融类国有及国有控股企业负责人薪酬管理办法》和2009年4月9日颁布《关于国有金融机构薪酬分配有关问题的通知》，2010年3月10日银监会发布《商业银行稳健薪酬监管指引》等，这些薪酬监管政策的出台充分体现了监管当局进一步改革金融机??高管薪酬制度、维护金融稳定的决心。那么，为了更好地维护金融业稳定，防范系统性金融风险发生，该如何制定高管薪酬契约；制定高管薪酬契约时，又该如何考虑风险因素？这是值得重视与研究的问题。
二、文献述评与研究假设
国内外已有越来越多的学者在研究高管薪酬与风险承担之间的关系，尤其是“高管薪酬对高管风险承担能力的影响”。Coles等（2006）利用面板模型研究得出高管薪酬的结构与公司风险存在双向关系，高管薪酬对企业股票波动性的敏感度较高，拥有较高薪酬的高管会更愿意从事高风险的投资，从而增加公司的总风险＼[3＼]。Bhagat和Bolton（2014）也认为不当的高管薪酬增加了银行的风险承担＼[2＼]。Shah等（2017）把美国金融机构的数据划分为国际金融危机前（2002-2008年）和国际金融危机后（2009-2013年），通过实证分析得出在国际金融危机前高管奖金薪酬与风险承担呈负向关系；同样地，在国际金融危机后，获得限制性股票和期权的高管能显著降低风险承担＼[4＼]。而有些学者认为高管薪酬与风险承担没有关系。Fahlenbrach和Stulz（2011）基于美国95家金融机构（银行控股公司和投资银行）的数据，得出在危机期间，股东与高管利益更一致的银行遭受的损失会更大，而高管拥有较高期权报酬和较多现金分红的银行并没有更惨的损失，并进一步得出危机期间这些金融机构的差业绩可能是由某些不可预见的风险导致，也就是说高管薪酬并不是造成危机的根源＼[5＼]。
在我国，宋清华和曲良波（2011）研究发现，我国商业银行高管薪酬与风险承担呈倒U型关系＼[6＼]。张雪兰等（2014）将高管薪酬分为激励薪酬、权力薪酬和操纵薪酬，选取2007-2013年中国上市银行的数据，实证检验了我国银行高管薪酬与系统性风险之间的关系，认为通过期限错配，银行高管的激励薪酬与系统性风险呈显著正相关关系＼[7＼]。
总之，国内外关于“高管薪酬对金融机构风险承担能力的影响”因研究方法、研究样本、假设条件等不同而仍未有定论。目前国内外关于金融机构风险承担对高管薪酬的影响，即高管薪酬风险敏感性的研究相对较少，还有较大研究价值。Gregg等（2012）基于1994-2006年美国415家公司，其中59家金融机构（商业银行、保险公司、房地产和专业金融公司），研究了美国大公司风险承担与高管薪酬之间的关系，得出风险承担与高管薪酬在统计上不存在显著关系＼[8＼]。Bai和Elyasiani（2013）基于1992-2008年733家美国银行控股公司的数据，研究了违约风险与高管薪酬之间的关系，发现当CEO与股东利益联系在一起时，CEO有较强动力在不顾牺牲储户、债券持有者利益的情况下去承担高风险，以获取更高的报酬＼[9＼]。Cheng等（2015）基于委托代理理论，从风险厌恶的代理人角度提出代理人即公司高管是理性人假设，认为要增加公司经营过程中承担的风险就必须提升高管总薪酬＼[10＼]。吴成颂等（2016）认为银行风险承担与高管薪酬之间具有显著的负相关关系，即银行高管薪酬具有风险敏感性，国有控股银行高管薪酬的风险敏感性更加显著＼[11＼]。
综上所述，关于金融机构风险承担与高管薪酬的关系，一般来讲，风险高的投资能获得高的收益，从而金融机构的高管有强烈动机去寻求高回报率的投资，这样才能增加利润水平，从而有利于高管薪酬的提升。鉴于此，提出研究假设1：
假设1：在其他条件不变的情况下，金融机构的风险承担与高管薪酬呈正相关关系，即随着风险承担的增加，会相应增加高管的薪酬，也即金融机构高管薪酬契约存在风险敏感性。
如果金融机构风险承担的提升会增加高管的薪酬，那么，管理层权力能否影响金融机构风险承担与高管薪酬之间的相关性？Jensen和Meckling（1976）提出委托代理理论，通过一系列有效的契约安排把高管与股东利益联系在一起，从而起到降低代理成本作用，以提升公司经营效率＼[12＼]。这个理论看上去非常完美，可现实情况是，当公司增长缓慢时，高管薪酬依然快速增加，因为高管会通过控制董事会，设计有利于自身的薪酬契约，以致高管薪酬不再成为解决代理问题的工具，甚至其本身可能成为代理问题的一部分，这便是所谓的管理层权力理论＼[13，14＼]。
信息不对称及监管成本过高，以致对高管薪酬制定更多是以业绩为导向，即股东只看公司的绩效，而不关注高管的努力程度。为了完成业绩考核目标，如果管理层对公司的控制权力较大，可能会利用手中权力不顾风险因素，强行投资高收益的项目。进一步，可以推断如果能完善公司治理机制，有效控制管理层权力，将有助于缓解金融机构所承担的风险，影响风险承担与高管薪酬之间的关系。蒋海等（2010）认为商业银行的薪酬契约设计与一般企业不同，提高独立董事比例与第一大股东持股比例有助于增加风险控制在薪酬激励中的作用＼[15＼]。鉴于此，提出研究假设2：假设2：在其他条件不变的情况下，管理层权力会影响金融机构风险承担与高管薪酬之间的相关性，即管理层权力会影响金融机构高管薪酬的风险敏感性。
三、研究设计
（一）样本数据来源
考虑到中国金融机构数据的可得性，本文选取2008-2016年45家金融类上市公司年度非平衡面板数据，其中包括16家商业银行、20家证券公司、5家保险公司以及4家信托公司。所使用数据主要来源于国泰君安数据库CSMAR和上市金融机构的年度?务报告。本文研究所使用的统计软件为STATA14.1。
（二）变量定义
1.被解释变量。借鉴张雪兰等（2014）＼[7＼]的做法，选取上市金融机构年报中披露的薪酬最高的前三名高管薪酬总额平均数的自然对数作为高管薪酬的代理变量。将金融机构薪酬最高的前三名高管作为一个整体来考察，可以最大程度地反映金融机构团队的薪酬水平，更具有代表性。
2.解释变量。借鉴已有文献[6，16]的做法，以Z-Score测度金融机构风险承担水平。ZScore是使用违约概率法进行测算公司破产风险最具代表性的指标之一，其包含盈利性、杠杆率和波动率三个方面的信息，计算公式为：ZScore=ROA+CARσ（ROA），其中，ROA表示金融机构的总报酬率；σ（ROA）为ROA的标准差，表示波动率；CAR表示资本资产比率，即股东权益除以总资产。ZScore越大，表明金融机构经营越稳定，即风险承担水平越低。
3.调节变量。为了检验假设2，即管理层权力对高管薪酬风险敏感性的影响，引入管理层权力作为调节变量。管理层权力通常可以用董事会人数、董事会会议次数、独立董事占比、监事会人数、监事会会议次数、第一大股东持股比例、两职合一等指标衡量。因为管理者可能会控制董事会，影响管理者报酬＼[13，14＼]，所以，相对于董事会规模，本文以监事会规模来代表管理层权力。监事会是公司股东大会领导下的常设监督机构，监督公司的日常运营，防止管理层权力的滥用，维护公司及股东的利益等。通常，监事会人数越多，监事会会议次数越多，对公司管理层的监督能力越强，即管理层权力越小。关于独立董事占比，其占比越高，对公司管理层的监督能力越强，即管理层权力越小；第一大股东持股比例越高，表明股权集中度越高，其对公司管理层的监督能力越强，即管理层权力越小＼[22＼]。此外，关于两职合一（Dual），即董事长兼任总经理，根据统计数据显示，我国上市金融机构中，绝大多数基本不存在两职合一情况。因此，本文选用监事会人数（Sup）、监事会会议次数（Snum）、独立董事占比（Ind）、第一大股东持股比例（Fir）等管理层权力的代理变量来分析对高管薪酬风险敏感性的影响。
4.控制变量。参考相关文献，引入如下控制变量：金融机构规模，即总资产的自然对数（LnSize）、杠杆率（Lev）、加权净资产收益率（ROE）、市值账面比（MB）、实际控制人性质（Owner）、董事会人数（Boa）、董事会会议次数（Bum）。
变量定义及其描述见表1。
（三）模型设定
为了更好地检验金融机构高管薪酬的风险敏感性，本文构建了面板数据回归模型。Baltagi（2008）认为，即使误差项εi，t不是序列相关，混合回归（PooledOLS）估计值依然可能是有偏和不一致的＼[17＼]。而对于动态面板数据，即使固定效应面板回归（FE）的估计量也可能是不一致的＼[18＼]。至于差分GMM（DifferenceGeneralizedMethodofTheMoments）模型，在该模型中引入一个被解释变量的滞后项作为解释变量，从而更好地克服内生性问题＼[19＼]。Blundell和Bond（1998）提出系统GMM（SystemGMM），即将差分GMM与水平GMM结合在一起进行GMM估计。与差分GMM相比，系统GMM更能提高估计的效率。为此，本文使用系统GMM估计的方法＼[20，21＼]。
为了研究金融机构高管薪酬契约中是否存在风险敏感性，模型设定如下：
LnPayi，t=α+β1LnPayi，t-1+β2ZScorei，t+β3Ci，t+ηi+εi，t（1）
其中，面板的横截面和时间维度分别表示为下标i=1，…，N；t=1，…，T。LnPayi，t表示金融机构i在t时刻的高管薪酬，LnPayi，t-1表示金融机构i在t-1时刻的高管薪酬，ZScorei，t表示金融机构i在t时刻的风险承担；Ci，t为控制变量，包括金融机构总资产的自然对数、杠杆率、加权净资产收益率、市值账面比、实际控制人性质、董事会人数和董事会会议次数；ηi是未观测到的个体效应的因素；εi，t是误差项。
为了进一步研究管理层权力对金融机构高管薪酬风险敏感性的影响，使用管理层权力（MP）作为调节变量，ZScore×MP是金融机构风险承担与管理层权力的交互项，用于检验管理层权力对金融机构高管薪酬风险敏感性的影响，为此，设置模型如下：
LnPayi，t=α+θ1LnPayi，t-1+θ2ZScorei，t+θ3ZScorei，t×MPi，t+θ4Ci，t+ηi+εi，t（2）
模型（2）中，管理层权力（MP）主要包括监事会人数（Sup）、监事会会次数（Snum）、独立董事占比（Ind）、以及第一大股东持股比例（Fir），所以金融机构风承担与管理层权力（ZScore×MP）的交互项主要包括：ZScore×Sup、ZScore×Snum、ZScore×Ind和ZSocre×Fir等四个交互项。
四、实证结果分析
（一）描述性统计
表2报告了变量的描述性统计。在总样本中，高管薪酬（LnPay）均值是5.357，标准差为0.796，最高为7.405，最小值2.565，可知各金融机构高管薪酬之间差距较大；从各子样本来看，保险业的高管薪酬均值最高，其余依次是银行业、证券业、信托业。风险承担水平上，总样本中均值为36.709，标准差为23.461，而在通过各子样本之间的比较，可知银行业的ZScore值最大，即风险承担水平最低，经营稳定程度最高，而信托业ZScore值最小，也意味着风险承担最大，经营过程中面临的违约风险最高。金融机构监事会平均人数约为7人，最少为2人，最多为13人，表明不同金融机构之间监事会人数分布差异较大，也意味着不同金融机构之间管理者权力存在差异。监事会会议次数平均值为5.758次，最小值为2次，最大值为19次，表明不同金融机构之间监事会会议次数分布差异较大。独立董事占比均值为35.7%，最大值为50%，最小值为16.7%，从子样本来看，差异最大的是银行业，其次是证券业，保险业与信托业差异不大。第一大股东持股比例平均值为28.3%，不同金融机构之间差异较大且依然存在“一股独大”现象，最小值为0.3%，最大值为68.4%，其中银行业股权集中度最高，其余依次为信托业、保险业和证券业。从控制变量来看，银行业资产规模最大，其余依次是保险业、证券业、信托业。从全样本来看，金融机构杠杆率均值为9.095，标准差为7.073，最小值为1.02，最大值为31.417，差异较大；从子样本来看，银行业的杠杆率均值为16.873，显著高于证券业、保险业和信托业杠杆率均值，这与银行业高负债率的特点有关。加权净资产收益率（ROE）表示金融机构的盈利能力，全样本均值为14%，标准差8.9%，分布差异较大，最大值为76.9%，最小值为-37.9%。2008年太平洋证券产生较大亏损，净利润为负，故加权净资产收益率为-37.9%。关于市值账面比，信托业加权净资产收益率最高，其余依次为证券业、保险业、银行业。从实际控制人性质来看，国有控股公司高于非国有控股公司，银行业中的国有控股公司最高，其次是证券业、保险业、信托业。董事会人数均值大约为13人，并且不同金融机构之间人数差异较大。董事会会议次数平均值为10.057，标准差为3.615。
（二）实证结果分析
1.金融机构高管薪酬风险敏感性。本文使用系统GMM（SystemGMM）的方法，如表3所示，差分序列相关检验（ARtest）结果表明，估计系数是存在一致性的，而且Sargentest也表明不存在工具变量过度识别问题，所以，使用系统GMM模型是合理有效的。
由表3可知，高管薪酬（LnPay）与风险承担的代理变量（ZScore）存在显著的负相关关系，即在其他条件不变的情况下，金融机构ZScore越低，其风险承担越高，高管薪酬越高，即高管薪酬存在风险敏感性，这与假设1的预期是相符的，也与Cheng等（2015）＼[10＼]的研究结果相同。一般情况下，高风险高收益，金融机构高管可能投资风险较大、收益较高的项目，以获取更高的薪酬，这在一定程度上说明了我国当前上市金融机构的高管薪酬构成包含了风险因素。同时，表3中第（3）列显示，风险承担与实际控制人性质的交互项（ZScore×Owner）系数显著为正，表明与非国有金融机构相比，国有控股金融机构对高管薪酬的风险敏感性较低，这可能是因为国有金融机构高管在追求收益的同时，也要兼顾社会责任。
从控制变量来看，金融机构规模与高管薪酬存在显著的正向关系，即金融机构规模越大，高管就越有可能获取更高的薪酬，这很好地说明了金融机构高管为什么都十分热衷于扩大金融机构规模；金融机构杠杆率的系数显著为负，即金融机构杠杆率与高管薪酬存在显著负相关关系，说明我国上市金融机构当前的杠杆率已经很高，如果再一味增加杠杆，可能会由于风险极大的不确定性引起破产倒闭概率极大增加，这也意味著金融机构的高管目前也有适当降低杠杠的动力；加权净资产收益率系数显著为正，说明金融机构经营业绩越好，高管的薪酬越高；市值账面比系数显著为负，即市值账面比越高，高管薪酬越低，这也说明我国上市金融机构股价为何一直涨不高，尤其是银行股；董事会规模系数、董事会会议次数系数都显著为正，说明金融机构董事会规模越大、董事会会议次数召开的越多，金融机构高管的薪酬越高，这可能是因为金融机构管理层控制了董事会，每次开董事会总是有利于管理层利益，董事会作用机制失效，所以董事会规模越大、董事会次数开的越多，高管的薪酬反而可能更高；实际控制人系数显著为负，表明相较于非国有控股金融机构，国有控股金融机构高管薪酬较低。
2.管理层权力对金融机构高管薪酬风险敏感性影响。表4主要报告了金融机构风险承担与管理层权力的交互项对金融机构高管薪酬影响的回归结果。差分序列相关检验（ARtest）结果表明：估计系数是存在一致性的，而且Sargentest也表明不存在工具变量过度识别问题，所以，使用系统GMM模型是合理有效的。
在表4第（1）列中，风险承担与监事会人数交互项系数为0.001，且在5%的显著性水平上统计显著，表明监事会人数增加会降低金融机构高管风险承担对高管薪酬的激励作用，即监事会人数增加会降低金融机构高管薪酬的风险敏感性。在第（2）列中风险承担、监事会人数与实际控制人性质三者交互项（ZScore×Sup×Owner）系数在10%的显著性水平上为正，表明相对于非国有金融机构，国有金融机构增加监事会人数对降低金融机构高管薪酬风险敏感性的效果更显著。
在表4第（3）列中，风险承担与监事会会议次数交互项系数显著为正，表明监事会会议次数增加会降低金融机构高管风险承担对高管薪酬的激励作用，即监事会会议次数增加会降低金融机构高管薪酬的风险敏感性。在第（4）列中，风险承担、监事会会议次数与实际控制人性质三者的交互项（ZScore×Snum×Owner）系数显著为正，表明相对于非国有金融机构，国有金融机构增加监事会会议次数对降低金融机构高管薪酬风险敏感性的效果更显著。
在表4第（5）列中，独立董事占比的系数显著为负，即独立董事占比越高，金融机构高管薪酬越低。而风险承担与独立董事占比交互项系数显著为正，表明独立董事占比增加会降低金融机构高管风险承担对高管薪酬的激励作用，即独立董事占比增加会降低金融机构高管薪酬的风险敏感性。在第（6）列中，风险承担、独立董事占比与实际控制人性质三者的交互项（ZScore×Ind×Owner）系数显著为正，表明相对于非国有金融机构，国有金融机构增加独立董事占比对降低金融机构高管薪酬风险敏感性的效果更显著。
在表4第（7）列中，第一大股东持股比例系数显著为正，即提升第一大股东持股比例，会显著增加金融机构高管薪酬。该结论与美国金融机构情况相反，这可能与我国金融机构股权集中度较高有关。风险承担与第一大股东持股比例交叉项系数显著为负，表明第一大股东持股比例增加会加强金融机构高管风险承担对高管薪酬的激励作用，即第一大股东持股比例增加会提升金融机构高管薪酬的风险敏感性。在第（8）列中，风险承担、第一大股东持股比例与实际控制人性质三者的交互项（ZScore×Fir×Owner）系数显著为负，表明相对于非国有金融机构，国有金融机构降低第一大股东持股比例对降低金融机构高管薪酬风险敏感性的效果更显著。以上结果表明，以监事会人数、监事会会议次数、独立董事占比与第一大股东持股比例作为管理层权力的代理变量，能在一定程度上影响风险承担与高管薪酬之间的关系。其中，监事会人数增加、监事会会议次数增多、独立董事占比增加能起到监督和限制管理层权力的作用，在一定程度上降低金融机构高管薪酬的风险敏感性；而降低第一大股东持股比例，也会降低金融机构高管薪酬的风险敏感性。而且，相较于非国有金融机构，国有金融机构增加监事会人数、监事会会议次数、独立董事占比以及降低第一大股东持股比例，在降低金融机构高管薪酬风险敏感性的效果上会更显著。
（三）稳健性检验
为确保结论可靠性，本文进行了如下稳健性检验：（1）以风险调整资产收益率RAROA和权益收益率RAROE作为ZScore的替代变量①＼[23＼]，估计结果见表5和表6；（2）以董事、监事及高管年薪总额的对数为金融机构高管薪酬的代理变量＼[22＼]；（3）以董事前三名薪酬总额均值的对数为金融机构高管薪酬的代理变量＼[11＼]；（4）以ZScore的对数为风险承担的代理变量＼[6＼]。以上稳健性检验结果与前文所得结论基本相符，故本文的主要结论是稳健的②。
五、结论与政策含义
以上研究表明：金融机构的风险承担与高管薪酬存在正相关关系，即随着风险承担的增加，高管薪酬会相应增加，这意味着金融机构高管薪酬契约中存在风险敏感性，而且相较于非国有金融机构，国有金融机构高管薪酬的风险敏感性较低。另外，以监事会人数、监事会会议次数、独立董事占比与第一大股东持股比例作为管理层权力的代理变量，能在一定程度上影响风险承担与高管薪酬之间的关系。其中，监事会人数增加、监事会会议次数增多、独立董事占比增加能起到监督和限制管理层权力的作用，在一定程度上降低金融机构高管薪酬的风险敏感性。而降低第一大股东持股比例，也会降低金融机构高管薪酬的风险敏感性。进一步研究显示，相较于非国有金融机构，国有金融机构增加监事会人数、监事会会议次数、独立董事占比以及降低第一大股东持股比例，在降低金融机构高管薪酬风险敏感性的效果上会更显著。
以上研究结论的政策含义为：（1）加强对金融机构高管薪酬的监管，限制过高的高管薪酬，有助于降低金融机构的风险承担水平。简单的行政性限薪导致国有与非国有金融机构高管薪酬差距过大，导致国有金融机构内部薪酬倒挂，国有金融机构高管激励不足，应当引起高度重视。应将金融机构高管薪酬真正与金融机构风险承担水平挂钩，要让金融机构风险承担水平成为其高管薪酬的一个重要扣减因素。（2）应加强对金融机构高管薪酬的内部监控。健全公司治理结构，提升公司治理水平，充分发挥公司治理各方在高管薪酬制定中的作用。金融机构高管薪酬不能由高管自定，董事会及其下属的薪酬委员会要切实履行职责，独立董事要充分发挥作用。金融机构监事会以及审计部门和风险管理部门要充分发挥对金融机构高管薪酬的监督作用。在确定金融机构高管薪酬时，应充分考虑金融机构的效益、规模、市值等因素。一般情况下，金融机构高管薪酬应该与其所在的金融机构效益、规模、市值等成正比。
注释：
①RAROA=ROA/σROA，RAROE=ROE/σROE。RAROA与RAROE指标综合考虑了风险与收益，可以较好地度量银行的盈利波动性与风险特征。
②限于篇幅，其他部分实证结果不再赘述，如有需求，可向作者索取。
参考文献：
[1]BebchukLA，CohenA，SpamannH.Thewagesoffailure：executivecompensationatbearstearnsandlehman2000-2008＼[J＼].YaleJournalonRegulation，2010，27（2）：257-282.
[2]BhagatS，BoltonB.Financialcrisisandbankexecutiveincentivecompensation＼[J＼].JournalofCorporateFinance，2014，25（2）：313-341.
[3]ColesJL，DanielND，NaveenL.Managerialincentivesandrisktaking＼[J＼].JournalofFinancialEconomics，2006，79（2）：431-468.
[4]ShahSZ，AkbarS，LiuJ，etal.CEOcompensationandbank’sriskrakingduringpreandpostfinancialcrisisperiods＼[J＼].ResearchinInternationalBusiness&Finance，2017，42：1480-1503.
[5]FahlenbrachR，StulzRM.BankCEOincentivesandthecreditcrisis＼[J＼].JournalofFinancialEconomics，2011，99（1）：11-26.
[6]宋清?A，曲良波.高管薪酬、风险承担与银行绩效：中国的经验证据＼[J＼].国际金融研究，2011（12）：69-79.
[7]张雪兰，卢齐阳，鲁臻.银行高管薪酬与系统性风险――基于中国上市银行（2007-2013）的实证研究＼[J＼].财贸经济，2014（11）：42-54.
[8]GreggP，JewellS，TonksI.Executivepayandperformance：didbankers’bonusescausethecrisis？＼[J＼].InternationalReviewofFinance，2012，12（1）：89-122.[9]BaiG，ElyasianiE.Bankstabilityandmanagerialcompensation＼[J＼].JournalofBanking&Finance，2013，37（3）：799-813.
[10]ChengIH，HongH，ScheinkmanJA.Yesterday’sheroes：compensationandriskatfinancialfirms＼[J＼].JournalofFinance，2015，70（2）：839-879.
[11]吴成颂，王浩然，张鹏.银行高管薪酬具有风险敏感性吗？――来自中国上市银行的经验证据＼[J＼].审计与经济研究，2016（1）：119-128.
[12]JensenMC，MecklingW.Theoryofthefirm：managerialbehavioral，agencycostsandownershipstructure＼[J＼].JournalofFinancialEconomics，1976，3（4）：305-360.
[13]BebchukLA，FriedJM，WalkerDI.Managerialpowerandrentextractioninthedesignofexecutivecompensation＼[J＼].UniversityofChicagoLawReview，2002，69（3）：751-846.
[14]BebchukLA，FriedJM.Paywithoutperformance：theunfulfilledpromiseofexecutivecompensation＼[M＼].Cambridge：HarvardUniversityPress，2004.
[15]蒋海，朱滔，李东辉.监管、多重代理与商业银行治理的最优激励契约设计＼[J＼].经济研究，2010（4）：40-53.
[16]LaevenL，LevineR.Corporategovernance，regulation，andbankrisktaking＼[J＼].JournalofFinancialEconomics，2009，93（2）：259-275.
[17]BaltagiB.Econometricanalysisofpaneldata，4thed＼[M＼].JohnWiley&Sons，Ltd.，Chichester，UK，2008.
[18]NickellSJ.Biasesindynamicmodelswithfixedeffects＼[J＼].Econometrica，1981，49（6）：1417-1426.
[19]ArellanoM，BondS.Sometestsofspecificationforpaneldata：montecarloevidenceandanapplicationtoemploymentequations＼[J＼].ReviewofEconomicStudies，1991，58（2）：277-297.
[20]BlundellB，BondS.Initialconditionsandmomentrestrictionsindynamicpaneldatamodels＼[J＼].JournalofEconometrics，1998，87（1）：115-143.
[21]ArellanoM，BoverO.Anotherlookattheinstrumentalvariablesestimationoferrorcomponentsmodels＼[J＼].JournalofEconometrics，1995，68（1）：29-51.
[22]NtimCG，LindopS，OseiKA.etal.Executivecompensation，corporategovernanceandcorporateperformance：asimultaneousequationapproach＼[J＼].ManagerialandDecisionEconomics，2015，36（2）：67-96.
[23]LepetitL，NysE，RousP，TaraziA.Productdiversificationintheeuropeanbankingindustry：riskandloanpricingimplications＼[R＼].SSRNWorkingPaper，2014.
（?任编辑：宁晓青）