对赌协议(又称为估值调整协议)是股权投资方与融资方为达成投融资协议所附加的对未来不确定性的一种约定,通常表现为:双方以目标公司业绩指标作为对赌标的,确定承诺业绩的目标值,一旦未达到经营目标,由投资方行使估值调整权利,以弥补企业价值被高估的损失;反之,则由融资方行使权利,作为企业价值被低估的补偿。对赌协议是一种负激励行为。由于对赌条款中包含阶段性及条件性支付特征,因此对赌协议能够缓解信息不对称、降低道德风险。对赌协议在股权投资项目中运用广泛,根据36氪数据显示,我国23%的VC 和PE 投资项目使用了对赌协议。然而,我国实践中“十赌九输”暴露出对赌协议在机制设计上存在可行性问题,条款中重大项目需要投融资双方谨慎决策。业绩目标、对赌期限、断资触发点等是影响对赌协议保障功能的重要设立内容。初创企业面临融资约束,亟需资金以求快速发展,往往为求高估值与高融资额在对赌时与投资方制定过高的业绩目标,当目标不能完成时企业将面临巨额偿付。典型的对赌失败案例如永乐、太子奶、飞鹤等企业就因设置过高的对赌业绩目标,给投融资双方造成了巨大损失。正因为对赌业绩目标具有较大的挑战性,企业签订对赌协议后采取何种战略更能达到目标成为关键决策。对赌协议对企业家是否采取短视行为有重大影响,将间接改变企业发展战略。
已有关于对赌协议的研究主要从法律制度和财务管理两个层面展开。其中,法律制度层面主要探讨对赌协议合法性、可行性及潜在性风险,财务学层面主要揭示对赌协议的激励作用和信号作用。如刘燕[1]、潘林等[2]关注业绩补偿承诺的合法性以及可能存在的法律风险;杨珊[3]从民事法律合同角度讨论估值调整协议效力认定问题;Lea & Park[4]研究证实估值及时调整能够为企业带来正收益;Ren等[5]发现,估值调整机制能够缩小行业内部企业间经营利润差距,但也同时加剧了财务困境风险;Cadman等[6]研究发现,对赌协议可以产生激励效应,但也存在风险,容易导致标的企业管理层只顾实现承诺业绩而忽视企业长远发展,发生短视行为;于辉等[7]证实对赌协议对零售商容易产生“扭曲激励”,零售方在应对对赌目标时导致运营行为扭曲,并解释了对赌困境的原因;邓杰[8]依据对赌第一案的对赌方式,探讨高业绩目标值设置风险,建立报童模型,得出对双方都有利的“协作区间”;王茵田等[9]基于20个对赌案例估值定价,探究风投与融资企业签订的对赌协议公平性问题;陈玉罡等[10]发现,交易金额、信息不对称程度、企业特质、无形资产占比等是影响对赌协议使用的主要因素;刘峰涛等[11-12]使用博弈论方法,探讨高业绩目标与企业家努力程度对企业收益的影响,指出对赌可能会加剧控制权转移风险;李双燕等[13]关注并购中嵌入对赌协议对主并方的激励效应,佐证了对赌协议缓解投资不足、促进主并方投资决策的作用,指出在一定条件下,主并方投资水平与被并购方努力程度趋于正向协同;李玉辰等[14]考察对赌协议的信号作用,得到额外信息下的反信号均衡。
综上所述,已有关于对赌协议的研究证实对赌协议具有缓解信息不对称的激励作用。同时,对赌协议也加大了不确定性及控制权转移风险,并可能发生短视行为,影响企业长远发展,但对赌协议影响企业长期发展的路径尚不明确。创新是企业实现长远发展的重要因素[15],失去创新,企业将缺乏可持续发展核心竞争力[16],但鲜有研究涉及对赌协议签订对企业创新的影响。近年来,我国经济体制改革深化,贸易环境受到冲击,市场竞争加剧,产品生命周期缩短,企业面临的环境不确定性日益加大,为在市场上获取竞争优势,企业需要不断了解顾客需求,开发新产品[17],应用现有技术进行创新、引入更多符合企业发展的创新产品[18]。初创企业面临的市场不确定性大,产品更新快,已无法仅藉由作业效率、制程改良或规模经济维持竞争优势,必须通过持续创新推出新颖产品或服务,才能确保竞争优势[19]。由于对赌期间多为3~5年,企业面临着巨大压力。一方面,创业企业家受到条款的激励,存在积极完成目标的动机;另一方面,对赌协议的存在也会加剧企业异质性风险。企业家需要在高业绩额与风险间作出权衡,以自身效用最大化为标准选择战略行为,进而影响企业长期发展。对于标的公司来说,对赌协议是一种反向激励动力和压力约束机制[20]。高业绩目标、强时间压力究竟会倒逼创业企业家进行创新产品投入以谋求市场高利润,还是会迫使其发生短视行为减少研发支出?
本文从压力下企业家决策角度,探讨签订对赌协议后VC对企业运营发展的内在影响机制,利用加入跳跃变化的几何布朗运动模型实证探究对赌协议对企业创新战略及长期发展的影响,同时论证负激励可能造成的短视行为,有助于丰富压力下决策相关理论,对影响企业创新的前端动因研究进行补充。
初创企业易受到经济政策、行业竞争、产品特性等诸多因素的影响,企业抵御风险能力差,其收益处于高度不确定的动态变化过程中。Leland[21]、Goldstein等[22]通常假设收入或收益服从几何布朗运动来描述不确定性。初创企业一旦获得创新产品或提供创新服务,往往能够迅速占领市场,赚取丰厚收益[23],而如果遭受经济不确定性因素如金融危机、贸易争端等影响有可能导致价值大幅缩水[24]。“跳过程”下的几何布朗运动能够对其可能发生的不确定性突变问题进行准确刻画。Malamud[25]、Hombert[26]、Kung等[27]假设企业获得创新产品或服务事件服从泊松分布。研发投入增加能够显著提高单位时间内创新产品成功事件发生率。根据对赌协议包含的激励和约束机制,企业家在追求业绩目标的同时,还要综合考虑承受的风险。本文假设企业家风险规避,以其效用最大化为决策条件,风险规避效用函数借鉴Evens[28]的研究,采用对数指数形态。风险投资由于投资项目众多且能够分散风险,单个项目风险对总体影响力有限,因而假设风险投资企业风险中性[29-30]。一旦获取创新性产品,企业便能够在短时间内从新市场获取丰厚利润,直到技术产生外溢,竞争产商将陆续推出同质程度较高的产品。此时,企业利润将会站在一个新起始点,继续几何布朗运动。本文将创新产品成功描述成一个泊松事件,事件发生概率即创新产品的成功取决于创新投入占融资额比例及创新效率系数k。风险偏好不同导致企业家与VC对企业财富收获效用不一致,两者具有不同的最优财富值,两者效用函数随着企业财富增加而表现出不同的变化。参考Lin & Wu的研究,本文定义VC与企业家间效用随财富增加出现的反向变化区间为两者利益不一致区间。
首先,考虑企业未与投资方VC签订对赌协议,不存在较大的业绩压力与时间压力,不进行创新产品投入,企业为维持经营状态扩大规模、加大生产,不争取获得创新产品突破。因此,企业净利润满足几何布朗运动。假设企业签订对赌协议后获得融资额为I,VC股份占比为a。企业无可用资产进行项目投入,所需资金均需要依赖外部融资,未签订对赌协议时企业净利润服从漂移率为μ、波动率为σ的几何布朗运动(Geometric Brownian Motion,GBM)。令无对赌时企业利润为π:
dπ=μπdt+σπdw
(1)
式(1)中,w表示维纳过程。服从均值为0、方差为1的正态分布。因此,E(dw)2=dt。假定创业企业家风险规避,效用函数满足负指数效用形式。
U(π)=-e-rx
(2)
其中,r=U''(π)/U'(π)为风险规避系数。根据伊藤积分对效用函数展开。
du=U'dπ+1/2U''(dπ)2
(3)
E(dU)=μπU'dt+1/2σ2π2U''dt
(4)
当E(U)取最大值时,解得:
(5)
(6)
式(5)函数存在两个极值点,根据函数图像判断效用函数图像先递增后递减再递增,以π1*、π2*分别表示左极限点和右极限点。在(π1*,π2*)区间内效用不随财富值期望增加而增加,将区间长度用ω1表示。
其次,考虑签订对赌协议的情况,在高目标业绩与时间压力下,此时如果企业利用VC投资,进行创新产品活动,一旦创新成功,企业利润便能在较短时间内实现跳跃性增长。
dπ=μπdt+σπdw+λπdq
(7)
(dq=η)=λdt
(8)
E(dq)=ληdt
(9)
λ为单位时间内的新产品成功次数。在无穷小时间间隔内事件发生概率为λdt。dq为泊松事件增量,假设创新产品成功,则利润会在原基础上增加η倍。公式(7)中等式右边前两项反映企业平稳生产的利润变化及波动情况,后一项表示突破式创新给企业利润带来的跳跃性变化。签订对赌条款后,对于创始人企业家来说,当业绩高于对赌目标时,能够获得VC的额外股份或现金奖励。反之,如果未达到业绩目标时则要对差额进行偿付。令对赌业绩目标为M、VC投资额为I、VC股权占比为a,创始人企业家期望收益为:
(10)
其中
dU=U'dπ+1/2U''(dπ)2
(11)
E(dU)=(λη+μ)πU'dt+1/2σ2π2U''dt
(12)
假设当创始人企业家财富值为0时,效用为0,即U(0)=0。
E(U)=U0+ρUdt=
(13)
对赌期间一般为3~5年,为固定常数值。因此,企业家以自身效用最大化为目标,解得:
(14)
(15)
对效用函数的一阶导数分析发现,效用函数呈现先递增后递减再递增的波浪状趋势。两个极值点分别取(π1*,π2*)。π1*为极大值点,π2*为极小值点。在[π1*,π2*]之间,创始人企业家效用变动趋势与财富变动趋势不一致,这一区域内效用最大值点即π1*。财富值大于π2*后,效用随财富值增加而增加。考虑风险规避因素后,在上述区域内,企业家不再单纯追求期望利润最大化,ω2为不一致区间。对比上述无对赌协议的情况,当创新发生率λ、VC占股比例a及目标M较大时,ω2显著大于ω1。通过求导分析发现ω与λ呈正向变化,而λ代表单位时间内创新产品成功概率,与创新投入正相关。因此,对赌协议签订加大了风险不一致区间。
由模型推导结论发现,跳过程布朗运动模型能够反映创新产品成功给企业带来的收益以及为企业家和风投机构效用带来的变化。以泊松事件描述企业创新产品成功符合现实经营状态。在企业家风险规避假设下,企业家与风险投资机构效用随企业收益增加表现出不同的变化区间。两者有着对于企业业绩不同的最优值目标,对业绩目标值追求不一致,对赌协议签订加剧了两者间利益不一致导致的代理问题。已有研究表明,VC能够凭借其专业性经验对企业经营状况进行指导和监督,并通过委派董事等方式参与公司治理[31-33]。VC虽然与企业签订了补充条款对赌协议,但依然存在是否兑付的风险,因此风投更企盼共赢,希望利益不一致区间尽可能小,并以此为目标对公司治理施加影响。在企业家与VC签订对赌协议后,在VC投资方治理压力下,双方为缩小不一致区间会对创新投入进行抑制,且对赌业绩目标订立越高,抑制创新的动机越强。而VC占股比例一定程度上体现了话语权及监督治理作用大小,尤其是占股较高的VC往往会向公司派驻董事。由此,本文提出如下假设:
H1a:对赌协议签订会对企业创新投入产生抑制作用。
H1b:对赌标的业绩目标越高,对赌协议抑制企业创新投入作用越强;
VC投资后占股比例越高,其参与治理施加的影响越大。企业家与风投有实现对赌目标的共同诉求,这样才能达成共赢。高占股比例公司更有动机也更有能力对公司重大战略决策施加影响,进而约束企业家行为,使得两者利益趋于一致。创新投入增加会导致两者间利益不一致区间加大,因此,无论是从企业家决策角度还是VC发挥治理功能角度,都存在减少创新投入的动机。据此,本文提出如下假设:
H2:VC占股比例在对赌签订与创新投入间发挥正向调节作用。
对赌标的实现情况考核通常以年度为周期,初期阶段目标完成情况对企业后期能否获得融资具有重大影响。给予企业更多信任或者看好企业后续经营发展的VC对初期未完成目标会给予一定的容忍,不急于中断供资,由此可以缓解企业融资约束问题,有利于VC更好地发挥监督建议和参与治理的作用,为最终实现共同目标提供缓冲期,促使已经实行的新项目新战略能够在适当调整的基础上得以维持。断资点比例反映VC继续注资情况下,企业初期完成目标的最低比例值。总体而言,VC对目标完成情况容忍度高,给予目标一定的张弛度,能够让企业有更多调整缓冲时间,对创新战略决策起到一定调节作用。据此,本文提出如下假设:
H3:断资点比例在对赌协议签订与创新投入关系中起负向调节作用。
以新三板2010-2018年发生的对赌事件及涉及的企业为例,通过实证研究对抑制效用以及可能存在的调节效用进行检验。数据来源于CVsouce数据库和万德数据库,部分补充数据来源于巨潮资讯经手动整理。剔除数据缺失较多的公司,对涉及单个企业多次融资的样本,本文只选取第一次融资事件获得融资年份及占股比例。统计数据显示, 在2010-2018年新三板企业5 831个VC投资事件中,附加签订对赌协议的事件为629个,占比为10.79%。依据Alon等 [34]的研究,将获得融资前后3年发生研发支出或者有产出专利的公司称为创新公司。本文考察对赌协议签订对企业创新支出的影响,因此剔除非创新型公司样本。所得创新型公司样本中共涉及4 086个VC融资事件,其中签署对赌协议的事件为451个,占比11.04%。通过对比可知,VC投资事件中对赌协议签订比例维持在11%左右。对签订年份进行考察发现,对赌协议签订比例呈逐年递增趋势,一定程度上反映了其在风投领域的广泛应用日趋。通过上述理论分析发现,对赌协议签订会对企业创新投入产生抑制效用。
本文探讨对赌协议签订与企业创新投入间关系,自变量对赌协议签订取0-1变量,创新支出以企业融资年及以后3年研发支出占销售收入比值的均值作为代理变量。数据来源于wind金融数据库,由于本文样本包含2017年、2018年度企业融资事件,金融财务数据仅能查询至2018年,因此这部分样本以能够查询年份研发支出占比均值作为代理变量;同时,为保障稳健性,用融资事件当年及以后3年研发支出增值的均值作为创新投入的第二代理变量。为减少极端异常值产生的干扰,本文在1%水平上对极端值进行缩尾处理。为提高检验结果准确性,控制变量选取影响研发支出的企业各项财务指标,包括企业规模、资本结构、盈利能力、运营状况及公司治理等,具体控制变量如表1所示。
表2描述性统计结果显示,2010-2018年VC对创新型公司的融资事件共4 086起,其中签订对赌附加协议的事件为451件,占比11%。企业创新投入占营业收入比值的均值为5.379%,且创新公司间创新投入差距较大,这一结果与李春涛等[35]的统计结论相似。样本企业成长性较高,处于高速发展阶段。营业收入年均增长均值为83.68%,中位数为25.67%,说明成长性因素存在严重右偏,受到成长性较大极端数值的影响严重,体现出新三板创新企业良莠不齐、发展差距较大。现金流均值为负,说明企业融资需求较强且经营风险较高。大股东持股比例均值为46.40%,中位数为44.56。两职合一比例为74%,中位数为1,股东与经理人间第一类代理问题在样本企业中不突出。VC平均占股比例为12.76%,说明对于样本企业来说,VC在企业发展初期投资尤为重要,同时也表明VC在企业治理过程中能够发挥监督、治理作用。
为检验假设H1,本文建立如下模型:
averagei=β0+β1vami+∑βjcontrolsi+βkindusk+εi
(1)
其中,controls为上述控制变量的集合,回归结果如表3所示。
表1 变量名称与测度
变量变量名称中文名称指标含义与测度 自变量vam对赌签订企业接受融资是否签订对赌协议,签订为1,否则取值为0 Average创新投入企业签订年及以后两年(不足两年按可搜集年份)研发支出占营业收入比值均值Lnasset企业规模LnOR营业收入营业收入的对数值因变量lev企业杠杆资产负债率debt偿债能力流动比率tangible有型资产有形资产与企业资产比值ROA盈利能力税后净利润/总资产FCF现金流企业自由现金流量/股数first大股东持股第一大股东持股比例netprofit营业净利率企业净利润/营业收入PE市盈率市盈率growth成长性企业净利润平均增长率控制变量rem运营能力存货周转率govern董事会独立性企业独立董事人数与企业董事会人数之比target对赌业绩目标对赌标的目标与企业当年净利润或销售收入比值(对赌多年业绩取目标业绩均值)Propotion 占股比例VC投资占股比例indus行业变量行业虚拟变量
表2 变量描述性统计分析结果
变量ObsMeanStd.Dev.MinMaxaverage4 0865.3796.4570.06942.32vam4 0860.1100.31301lnasset4 0864.3171.1112.0227.468lnOR4 0864.0451.180.9177.125lev4 08641.2521.023.2695.12debt4 0862.723.650.20423.91tangible4 08651.3123.12-16.1693.89ROA4 0866.2118.60-87.6653.38FCF4 086-8.0158.45-418.0690.29first4 08646.4017.7214.5692.49netprofit4 086-0.20251.33-407.4847.22PE4 08610.3578.214-319.23479.55growth4 08683.68246.76-53.141994.32rem4 08614.1653.840450.19Govern4 0860.3860.1380.1430.75target4024.3951.1471.527propotion4 08612.7610.880.86951
为使结果稳健,本文采用两种度量企业研发支出的计算方式,Average1表示企业在签订年份及后两年研发支出占销售收入比值的均值,Average2表示企业研发支出年度差值的均值。表3说明,企业签订对赌协议对创新研发支出有负向影响,且在1%显著性水平下显著。签订对赌协议会使企业创新支出在之后年份降低,假设H1得到验证。在两种研发投入度量方法下,对研发投入均存在显著影响的控制变量有企业规模(上述两个模型分别用对数营业收入及对数总资产两种方式测量)、资本结构、偿债能力、自由现金流情况、营业净利率及公司治理状况。企业规模大小一定程度上反映了企业综合经营实力,其对企业创新支出也有显著影响,负债比重较大企业背负着较高的债务偿付压力,而盈利能力及偿债能力强的公司能够给予管理层和投资者更多信心进行创新产品投入。在公司治理方面,VC投资后占据企业董事会席位是实施其影响的最直接且有效的途径,结果显示其负向影响创新研发支出。第一大股东高持股比例对企业研发投入意愿及决策有促进作用。不同行业研发支出投入差距较大,工业、材料、医疗保健、信息技术等传统技术密集型行业研发投入显著高于房地产及日常消费行业。因此,本文以固定效应模型处理行业变量得到的结论更为可靠。
本文重点研究对赌协议签订对企业创新投入(研发支出)的影响,企业家作出是否签订对赌协议的决策并非是随机的,可能与企业经营状态及自身特质相关,企业签订对赌协议的行为存在自选择问题。另外,可能存在同时影响对赌协议签订与创新投入的共同因素,这将导致先前的因果分析存在混杂偏差,造成对赌协议签订与扰动因素间的内生性问题。本文应用PSM倾向匹配得分法矫正自选择问题,用工具变量方法解决由共同因素造成的混杂偏差。
4.2.1 基于PSM的匹配变量筛选
首先,假设对赌协议签订并非是随机的。首先,需要估计企业签订对赌协议的概率。由于是否签订对赌协议是0,1变量,本文采用probit模型估计企业对赌协议签订概率;其次,为每一个签订对赌协议的公司匹配一个倾向匹配得分最为相近且没有签订对赌协议但获得VC投资的企业。采用匹配进行配对,通过卡尺控制相似性最低标准。企业经营状态及治理结构等相关因素有可能影响企业对赌协议签订决策,因此将其作为第一步估算概率的自变量,协变量检验结果如表4所示。
表3 对赌协议抑制作用主回归结果
Average1Coef.TP>tAverage2Coef.TP>tvam-0.915 -3.260 0.001 vam-0.990 -3.570 0.000 LnOR3.004 33.580 0.000 Lnasset3.063 35.230 0.000 lev-0.045 -4.590 0.000 lev-0.008 -0.880 0.381 debt0.149 4.690 0.000 debt0.063 2.020 0.044 tangible-0.029 -3.440 0.001 tangible0.005 0.620 0.538 ROA0.003 0.410 0.682 ROA0.012 1.890 0.059 FCF0.003 1.330 0.183 FCF0.009 3.670 0.000 first-0.038 -7.550 0.000 first-0.029 -5.850 0.000 netprofit-0.023 -7.120 0.000 netprofit-0.020 -6.110 0.000 PE0.000 0.160 0.873 PE0.000 0.010 0.988 growth0.000 0.640 0.525 growth10.000 1.370 0.171 rem0.003 1.900 0.057 rem0.006 3.750 0.000 govern-1.368 -2.170 0.030 govern-0.954 -2.530 0.027 行业效应控制控制N4 0864 086Adjust R20.2680.279
表4 协变量显著性分析结果
vamCoef.Std.Err.zP>z[95% Conf.Interval]lnOR0.144 418 70.025 378 25.690.0320.094 678 30.194 159lev-0.006 1790.001 434 5-4.310.004-0.008 990 5-0.003 367 4ROA-0.003 362 20.001 442 1-2.330.022-0.006 188 7-0.000 535 8first-0.008 719 90.001 589 6-5.490.000-0.011 835 5-0.005 604 3growth0.000 234 70.000 094 32.490.0130.000 049 80.000 419 6rem0.000 622 80.000 437 51.420.155-0.000 234 60.001 480 2govern-0.561 1320.195 379 3-2.870.006-0.944 068 5-0.178 195 6_cons-0.980 673 10.140 461-6.980.000-1.255 972-0.705 374 5N4 086Pseudo R20.135
由表4可知,企业规模、负债情况、经营状况、成长性及治理结构显著影响企业签订对赌协议的决策意愿,存在假设内生性问题,需要对影响企业签订对赌协议的协变量进行匹配。本文采用一对一近邻匹配,将上述p值小于0.05的因素作为匹配变量。匹配后两组样本间差异如表5所示。
表5 匹配后样本差异
变量UnmatchedMatchedMeanTreated Control%biasbiast-testtp>tlnORU4.256 5 4.01919.84.040.000M4.256 5 4.237 61.6920.230.815levU38.734 41.557-13.8-2.690.007M38.734 39.407-3.376.2-0.500.617ROAU5.816 1 6.260 6-2.2-0.480.632M5.816 1 6.249 9-2.22.4-0.310.754firstU41.531 47.008-32.8-6.220.000M41.531 40.6325.483.60.860.390growthU115.46 79.73313.12.900.004M115.46 107.862.878.70.370.714remU19.46 13.59.92.220.027M19.46 17.8872.673.60.350.723governU0.364 79 0.388 76-17.4-3.470.001M0.364 79 0.358 84.4750.660.509
通过T检验发现,匹配后协变量在对照组与控制组间不存在显著差异。造成自选择问题的协变量得到有效匹配,控制组与对照组在上述变量间不存在显著差异。在此基础上,进一步对匹配后的样本进行扩展(见图1)。
4.2.2 匹配样本检验结果
由于匹配采用邻近匹配,卡尺范围为(0-0.05),结合结果看,在451个签订对赌协议的企业中,出现多个控制组匹配单个对照组的情况,对照组数量为402个。为检验结论的稳健性,本文只保留402个控制组与402个对照组一比一匹配样本。按照差异最小化原则,剔除重复多个匹配的控制组样本。对匹配后样本进行OLS回归检验,结果如表6所示。
图1 匹配后样本倾向值
表6检验结果表明,在PSM矫正选择偏差后,对赌协议对企业创新支出的负向影响依然在1%水平上显著,相关系数为-1.068。同样,对企业创新投入按第二种方法进行测量,相关系数为-1.020,平均边际效应较未进行PSM匹配后样本略有增大。对赌协议对企业创新投入抑制效果明显,前文所得结论依然成立。
4.2.3 工具变量
(1)本文引入工具变量解决由共同因素造成的偏差问题。参考Marwick等[36]的做法,将企业所处行业在特定年份、同行业企业进行VC注资时与VC签订对赌协议的比例作为工具变量。同行业中企业融资与投资行为易形成行业惯例,以进一步要求签订对赌协议决策,而特定年份行业融资事件中签订对赌协议的比例与单个企业创新投入无关。因此,行业中融资事件签订对赌协议比例(用percentage表示)可作为两者间的工具变量。Durbin和Hausman检验P值为0.044,在0.05置信水平下拒绝原假设,变量vam具有内生性,与扰动项相关。因此,进行两阶段最小二乘回归,结果如表7所示。
表6 匹配样本主回归结果
average1Coef.TP>taverage2Coef.TP>tvam-1.068 -2.660 0.008 vam-1.020-2.540.011lnOR2.956 14.650 0.000 lnOR3.04414.780lev-0.039 -1.620 0.106 lev0.009 50.410.682debt0.158 2.210 0.027 debt0.111 51.570.117tangible-0.026 -1.290 0.196 tangible0.015 20.760.445ROA-0.033 -2.180 0.029 ROE-0.001 1-0.320.753FCF-0.006 -1.190 0.236 FCF0.0040.750.454first-0.046 -3.560 0.000 first-0.039 5-3.040.002netprofit-0.014 -1.530 0.127 netprofit-0.022 3-2.790.005PE0.001 0.600 0.549 PE0.001 760.730.465growth-0.001 -1.150 0.251 growth0.000 070.120.906rem0.008 2.230 0.026 rem0.009 62.740.006Govern0.941 0.640 0.524 Govern1.517 21.030.304行业效应控制控制N804804Adjust R20.2700.291
表7 工具变量回归结果
averageCoef.Std.Err.zP>z[95% Conf.Interval]vam-2.7180.748-3.630.00-4.185-1.251lnOR2.7870.09329.860.002.6042.970lev-0.0420.010-4.190.00-0.062-0.022debt0.189 40.032 35.820.000.1260.253tangible-0.0240.008 7-2.760.006-0.041 5-0.007ROA0.0070.0071.040.299-0.006 10.019 9FCF0.003 50.002 61.380.169-0.001 50.008 7first-0.0480.005 3-9.150.00-0.058 6-0.038netprofit-0.0240.003 4-6.940.00-0.030 4-0.017PE0.000 40.001 20.40.687-0.001 80.003growth0.000 50.000 41.260.208-0.000 30.001 2rem0.004 70.001 72.820.0050.001 50.008govern-1.8860.658 9-2.860.004-3.177-0.595_cons-0.2840.918-0.310.757-2.082 61.514行业效应控制N4 086Adjust R20.254
表8 强工具变量检验
AdjustedPartialVariableR-sq.R-sq.R-sq.F(1,407 2)Prob> Fvam0.172 30.169 70.151 3726.140
统计结果显示,F值(或特征值)为726.14,显著大于经验值20,表明工具变量为强工具变量,与自变量强相关。
由模型推导可知,对赌协议加剧了VC与企业家间利益的不一致,且VC融资后占股比例越大、目标越难实现越会使不一致区间加大。因此,占股比例大的VC更有动机采用治理手段对企业施加影响,而研发支出减少能够缩短不一致区间,缓解VC与企业家间的代理问题。
考察对赌标的对创新支出的影响能够进一步厘清对赌协议与创新支出间的深层次作用机制。对赌标的大小反映了企业家面临的业绩承诺压力,企业家在进行创新战略决策时会权衡收益风险,同时也受到投资者VC在资金供给与专业指导方面的影响。目标值越高,VC对企业关注动机越强。通过检验研发支出与目标值关系探索主变量间关系作用机制,选取402对804个企业一比一匹配数据,检验协议签订标的难度对研发投入的影响,对标的业绩目标按照上文变量计算方法,采用对赌标的与企业前一年度净利润或销售收入比值衡量(对赌多年业绩取目标业绩均值)。
表9 对赌标的业绩统计结果
targetPercentilesSmallest1%1.71.525%2.41.5810%2.81.6Obs40225%3.61.7Sum of Wgt.40250%4.5Mean4.395LargestStd.Dev.1.14775%5.36.8790%5.656.88Variance1.31795%6.36.9Skewness-0.20899%6.877Kurtosis2.691
由表9可知,签订对赌协议承诺业绩平均为现有业绩的4.4倍。样本中最大承诺目标为现有业绩的7倍,对赌期间企业面临的经营压力巨大,目标大小分布较为均匀。本文利用PSM匹配后数据对经营目标与创新投入间关系进行检验,结果如表10所示。
表10 目标业绩影响分析结果
averageCoef.Std.Err.tP>t[95% Conf.Interval]target-1.403 0.230 -6.110 0.000 -1.854 -0.951 lnOR2.511 0.260 9.670 0.000 2.001 3.022 lev0.012 0.029 0.400 0.691 -0.046 0.070 debt0.132 0.108 1.220 0.224 -0.081 0.346 tangible0.008 0.024 0.320 0.749 -0.039 0.054 ROA-0.002 0.018 -0.100 0.924 -0.037 0.033 FCF-0.010 0.008 -1.230 0.218 -0.026 0.006 first-0.039 0.017 -2.210 0.028 -0.073 -0.004 netprofit-0.016 0.013 -1.240 0.217 -0.040 0.009 PE0.001 0.003 0.500 0.615 -0.004 0.007 growth-0.002 0.001 -1.770 0.077 -0.003 0.000 rem0.000 0.004 0.030 0.974 -0.008 0.009 Govern1.303 1.893 0.690 0.492 -2.420 5.026 行业效应控制Adjust R20.329
只有签订对赌协议的企业才会有对赌业绩目标,由表10可知,变量target在1%显著性水平下对研发支出有抑制作用。即签订对赌协议对企业创新投入有负向影响,且目标难度越大,负向影响关系越强。进一步验证了对赌协议对企业创新支出的抑制作用,与理论推导得出的结论一致。对赌标的业绩目标对企业创新战略选择影响重大,目标值越高越会加剧企业家与VC间利益不一致。不仅如此,高目标压力也提高了对赌失败后履约偿付风险。因此,当目标值较高时,双方都存在降低研发支出以缩减不一致区间的动机。
VC投资占股比例一定程度上反映了VC话语权及影响力大小。企业家重大问题决策(如是否进行创新战略选择)受到VC在资金支持、管理指导、运营监督等方面的影响。投融资双方期望利益区间尽可能保持一致,从而能够缓解代理问题,促进双方合作共赢。在VC占股比例大的情况下,企业家决策会更加考虑VC的建议,并慎重对待风险与收益间的平衡,对赌协议对创新的抑制效果也就更强。
由于本文中自变量为分类0-1变量,调节变量VC投资占股比例为连续型变量。本文采用分层回归法检验占股比例的调节作用。回归模型如下:
averagei=β0+β1vami++β2propotioni++β3propotioni*vami+∑βjcontrolsi+βkindusk+εi
首先,将因变量与虚拟分类变量纳入回归方程;其次,将因变量创新投入与虚拟变量及调节变量纳入回归方程;再次,将因变量、虚拟变量、调节变量及交乘项加入回归方程,由于采用的样本为PSM匹配后样本,故不加入控制变量进行调节效应检验。分层回归结果如表11所示。
表11 VC占股比例的调节作用
系数模型非标准化系数标准化系数T显著性B标准误Beta1(常数)6.3720.33119.2360vam=1.0-0.8950.468-0.067-1.910.0562(常数)8.2180.41219.9610vam=1.0-1.0430.455-0.078-2.2930.022propotion-0.1410.02-0.245-7.1703(常数)7.8110.47716.3880vam=1.0-0.210.671-0.016-0.3130.754propotion-0.110.027-0.191-4.0820M_xdum_2-0.0670.039-0.099-1.6890.092Adjust R20.342
对于创新型企业来说,表11分层回归结果表明,VC占股比例作为调节变量,p值<0.1,在10%水平上显著影响对赌协议签订与研发投入间的负向关系。交乘项系数为负,表明在VC占股更大的融资事件中,对赌协议签订与创新支出间负向关系更强。VC占股比例代表对企业及决策者施加影响的程度,拥有较大话语权能够在企业创新决策中施加更大的影响,对企业发展方向产生引导作用。
断资触发点是指实际业绩与对赌标的业绩的比值,即实际完成情况。通过数据发现对赌期间一般为3~5年,对赌标的有每年承诺达到一定业绩值的情况,对于第一年的实际完成情况,VC有权选择继续注资或执行协议要求补偿。VC对目标完成情况容忍度高,给予目标一定的张弛度,能够让企业有更多调整和缓冲时间,从而对企业创新战略决策发挥一定调节作用。通过对断资点数据整理发现,在签订对赌协议的451家企业中,有286家企业选择每年业绩承诺方式。对赌协议中包含断资触发点的企业为119家,这些企业对目标业绩给予一定弹性与容忍度。应用上一步匹配结果,将对赌协议条款中包含断资点的企业与其相匹配的企业挑出,统计各企业断资比例。对于不包含断资点条款的样本,本文即认为VC不给予企业业绩完成情况弹性,令断资点取值为1。剩余未包含断资点条款的企业有共332家,同样挑选出与之相配对的未签订对赌协议的企业,合计664家。通过分组回归检验两组样本即包含断资点的企业和不包含断资点的企业,检验对赌协议签订与创新投入间关系是否存在差异,结果如表12所示。
由12表可知,a为未包含断资点数据的样本以及企业配对样本回归结果。从中可见,对赌协议签订与企业创新投入呈显著负向关系。b结果显示,在包含断资比例的样本中,p值为0.263,对赌协议签订与创新间不存在显著影响。通过比较两组样本检验结果发现:断资比例高低调节对赌协议签订与企业创新投入间关系。具体而言,断资比例越低即第一年实际业绩与目标业绩比值越小,对赌协议签订与创新投入间的负向关系越弱。由于VC对企业当前业绩目标完成情况给予了一定容忍度,因而不对企业停止注资或要求执行对赌赔付条款。VC与企业间信任度越高,企业创新支出受对赌协议的影响越小。
表12 断资点比例的调节作用
averageCoef.P>taverageCoef.P>tvam-1.153 0.005 vam-0.945 40.263 lnOR3.487 0.000 lnOR-4.015 0.000 lev-0.053 0.068 lev0.022 0.822 debt0.216 0.030 debt0.612 0.003 tangible-0.035 0.143 tangible0.037 0.672 ROA-0.046 0.007 ROA0.175 0.008 FCF-0.009 0.163 FCF0.024 0.380 first-0.055 0.001 first-0.015 0.712 netprofit-0.009 0.290 netprofit-0.250 0.000 PE0.001 0.737 PE-0.008 0.404 growth-0.001 0.102 growth0.001 0.782 rem0.007 0.118 rem-0.014 0.425 govern1.510 0.441 govern0.303 0.945 Cease1.435 0.207 N286119行业效应控制控制Adjust0.2650.339
随着对赌协议在风险投资领域的应用越来越广泛,学者对对赌协议实际效果、后续影响等给予了较多关注。本文应用跳跃变化下的几何布朗运动模型,从VC投资者与企业家间利益差异角度,探讨企业签订对赌协议影响企业创新支出的作用机制。通过系统整理新三板创新型公司融资事件及对赌协议签订情况数据,基于倾向匹配得分法及工具变量方法缓解内生性问题,研究对赌协议签订及目标严格程度对企业创新投入的影响,检验投资占股比例与断资点比例值的调节效应。结果发现,对赌协议造成的负激励压力会导致企业家短视行为,削弱企业创新竞争力,不利于企业长远发展。对赌协议签订会抑制企业创新支出,且在对赌业绩目标更高、VC占股比例更大时对创新投入的负向影响更明显。企业在对赌期间面临着巨大的业绩压力,对赌协议签订加大了VC与投资者间利益不一致,而减少创新支出能够降低二者间不一致区间。断资点比例值对对赌抑制创新起到调节效应,即断资点越低,对赌抑制创新的作用越弱。VC对企业实际完成业绩情况容忍度体现了投融资者间的信任关系,一定程度上有助于缓解创新投入问题。本文丰富了对赌协议这一广泛应用于风险投资领域制度条款的研究内容,同时也加深了企业业绩压力与创新战略变革关系认知,补充了压力下决策相关理论,论证了负激励可能造成的短视行为,对影响企业创新的前端动因研究进行了拓展。总之,对赌协议不仅是对投资者利益的保护性条款,也会对企业创新及长远发展产生深刻影响。
[1] 刘燕.对赌协议与公司法资本管制:美国实践及其启示[J].环球法律评论,2016(3):137-156.
[2] 潘林.重新认识“合同”与“公司”基于“对赌协议”类案的中美比较研究[J].中外法学,2017,29(1):250-267.
[3] 杨姗.新型商事合同效力认定的裁判思维——以融资合同为中心[J].法学,2017(8):184-192.
[4] DIEU THANH LEA,HAIL PARKB.Valuation effects of capital inflows:evidence from emerging market economies[J].North American Journal of Economics and Finance,2020,12(51):92-101.
[5] JING REN,HAO SUN.Prediction on the competitive outcome of an enterprise under the adjustment mechanism[J].Applied Mathematics and Computation,2020,3(72):49-69.
[6] CADMANBD,CARRIZOSAR,FAURELL.Economicdeterminants and information environment effects of earnouts: new insights from SFAS 141(R)[J].Journal of Accounting Research,2014,52(1):37-74.
[7] 于辉,邓杰.零售商股权融资“对赌协议”的运营模型分析[J].中国管理科学,2020,28(2):91-103.
[8] 邓杰.“对赌第一案”的报童模型分析[J].管理评论,2018,30(9):25-39.
[9] 王茵田,黄张凯,陈梦.“不平等条约”:我国对赌协议的风险因素分析[J].金融研究,2017(8):117-128.
[10] 陈玉罡,刘彪.信息不对称、对赌支付与收购方收益[J].财贸研究,2018,29(6):99-110.
[11] 刘峰涛,赵袁军,刘玮,等.对赌协议机制下企业再融资阶段三方博弈[J].系统管理学报,2016,25(2):246-252.
[12] 刘峰涛,赵袁军,刘玮.重复对赌协议机制下企业两阶段融资博弈[J].系统管理学报,2017,26(3):528-536.
[13] 李双燕,王彤.基于不完全契约的并购对赌协议激励模型与案例[J].系统管理学报,2018,27(6):1036-1043.
[14] 李玉辰,费一文.对赌协议的信号与反信号均衡[J].统计与决策,2013(14):50-55.
[15] 曹春方,张婷婷,刘秀梅.市场分割提升了国企产品市场竞争地位[J].金融研究,2018(3):121-136.
[16] 张峰,黄玖立,王睿.政府管制、非正规部门与企业创新:来自制造业的实证依据[J].管理世界,2016,32(2):95-111.
[17] 杨超,谢志华,宋迪.业绩承诺协议设置、私募股权与上市公司并购绩效[J].南开管理评论,2018,21(6):198-209.
[18] 马永远.新产品开发团队时间压力、自省性与创新绩效[J].科学学与科学技术管理,2015,36(2):139-148.
[19] 党兴华,魏龙,闫海.技术创新网络组织惯性对双元创新的影响研究[J].科学学研究,2016,34(9):1432-1440.
[20] 王进,王珏.团队创新动机、成员创造力与时间压力涉入关系实证研究[J].科技进步与对策,2012,29(21):141-145.
[21] LELAND H E.Agency costs,risk management,and capital structure[J].Journal of Finance,2010,53(4):1213-1243.
[22] GOLDSTEIN R,JU N,LELAND H.An EBIT-based model of dynamic capital structure[J].Journal of Business,2001,74(4):483-512.
[23] 马鸿佳,侯美玲,宋春华,等.创业战略态势、国际学习与国际创业绩效的关系研究[J].科学学研究,2015,33(8):1203-1214.
[24] 向华,杨招军.跳过程下的公司证券定价和最优资本结构[J].中国管理科学,2014,22(8):29-36.
[25] MALAMUD S,ZUCCHI F.Liquidity,innovation,and endogenous growth[J].Journal of Financial Economics,2019,132(2):519-541.
[26] HOMBERT J,MATRAY A.Can innovation help u.s.manufacturing firms escape import competition from China[J].The Journal of Finance,2018,73(5):2003-2039.
[27] KUNG H,SCHMID L. Innovation,growth and asset prices[J].The Journal of Finance,2015,70(3):1001-1037.
[28] EWENS M,JONES C M,RHODES-KROPF M.The price of diversifiable risk in venture capital and private equity[J].Review of Financial Studies,2013,26(8):1853-1889.
[29] 丁川,陈璐.考虑风险企业家有公平偏好的风险投资激励机制——基于显性努力和隐性努力的视角[J].管理科学学报,2016,19(4):104-117.
[30] 吴斌,徐小新,何建敏.双边道德风险与风险投资企业可转换债券设计[J].管理科学学报,2012,15(1):11-21.
[31] 吴超鹏,张媛.风险投资对上市公司股利政策影响的实证研究[J].金融研究,2017(9):178-191.
[32] 温军,冯根福.风险投资与企业创新:“增值”与“攫取”的权衡视角[J].经济研究,2018,53(2):185-199.
[33] 陈孝勇,惠晓峰.创业投资的治理作用:基于高管薪酬契约设计视角的实证研究[J].南开管理评论,2015,18(2):126-135.
[34] ALON B,WEI J,SONG M,et al.How does hedge fund activism reshape corporate innovation[J].Journal of Financial Economics,2018,130(2):237-264.
[35] 李春涛,闫续文,宋敏,等.金融科技与企业创新——新三板上市公司的证据[J].中国工业经济,2020(1):81-98.
[36] ALEX MARWICKA,MOSTAFA MONZUR HASANB,et al.Organization capital and corporate cash holdings[J].International Review of Financial Analysis,2020,68(2):101-117.