1. Do politically connected boards affect firm value?

 摘要:該文獻研究在美國，政治連結是否會影響到公司的股價，並根據 S&P500 中公司

董事會的成員與政治的連結分成與共和黨有關和與民主黨有關。研究指出當 2000 年的
總統大選共和黨獲勝時，與共和黨有關係的公司價值將增加，且與民主黨有關的公司
價值將下降。
 假說:
(1) 當共和黨勝利時，與共和黨有政治連結的公司的價值將增加。
(2) 與民主黨有政治連結的公司則價值減少
(3) 提名一位與政治有關聯的董事加入董事會是否將會使公司價值增加?
 Data:
(1) 兩種類型的資料:所有公司董事會成員的政治傾向(board connection)、所有公司分
別給共和黨與民主黨的政治獻金(donation data)
(2) board connection: Independent companies、Connected companies、Pure Rep.
companies、Pure Dem. Companies
(3) donation : are provided by the Center for Responsive Politics(CRP).
 結論:
(1) board connection(根據假說，若政治連結(connections)成立，則當共和黨勝選時，
與共和黨有所連結的董事會成員將比民主當得更有價值:
 Rep V.S.Dem
A. 表格三中 panel A 的結果顯示，與共和黨有關聯的公司在選舉後的市場調整
報酬率為正，且不論權重相同或以市值為權重都顯著。
B. 與民主黨有關聯的公司在選舉後的市場調整股票報酬率在等權重平均中不顯
著，但在市值加權平均中顯著為負。
C. 原因: 與民主黨有關聯的大型公司在選舉後價值下跌幅度很大。
D. 與民主黨和共和黨有關聯的公司在所有 window 中，無論是等權重平均還是
市值加權平均，其報酬率差異都是具有統計顯著差異
E. 與政治有連結和與政治沒有連結公司的 CAR 在公司權重相等時，具顯著差異；
以市值為權重，兩者則沒有顯著差異，與政治有連結的公司則有顯著 CAR
 Related V.S. not related (panel B 純粹研究公司董事會成員政治連結的影響)
A. 政治關係的存在，都為公司增加了價值
(2) Donation（捐贈似乎代表了行業整體的偏好，而非公司層面的關係）:
 Board Rep-Dem＝１表示公司董事會與共和黨有政治連結，－１則是與民主黨有
政治連結，０則表示其他；設為１與－１的用意為，與該研究之假說一致：與共
和黨有政治連結之公司，在共和黨勝選後，公司價值將增加，與民主黨有連結的
公司反之，因此設定與共和黨有連結的公司為１，民主黨的為－１，讓數據在統
計上能夠符合並最後支持假說。
 在 table 5 中，因使用 fama 三因子模型來控制並增加變數，因此導致效果變弱了
（但仍顯著）。
 (3) 政治董事的任命宣告是否相較一般獨董對公司能帶來更多的正面效應？
 在 table 8 中，（Ａ）表示宣告任命一個具政治連結獨董的效果，（Ｂ）則是一般
獨董所帶來的效果，兩者的差異則為政治關係所帶來的效果，在統計上顯著有正
面影響，表示宣告任命具有政治關係的獨董對公司能帶來更大的正面影響。
2. Corporate political contributions and stock returns

3. Bank CEO incentives and the credit crisis

  銀行的 incentive 是否影響到金融海嘯時的 performance
 給 CEO 的誘因、激勵制度(incentive)，讓他的利益與股東一致，並願意為公司
創造利益極大化
 該研究發現過多的激勵制度反而會讓銀行業在金融海嘯時表現更差，推翻過去
的理論
 原因:過多的 incentive 會讓 CEO 有 over risk-taking 的行為產生，做更多高風險的
投資，反而產生負面效果
 Table 1:95 間在 06 年有財報資料的金融機構。從 total asset 來看，美國最大的
銀行跟最後一間(第 95 名)銀行差了 750 倍，有大者恆大的現象
 Table 2: 08 金融海嘯時，有 18 間金融機構消失
 Table 3: CEO 薪酬的結構只有一成是底薪，其他都是激勵(bonus、期貨選擇權、
股票)，倚靠公司成長(公司股價上漲，CEO 總薪酬增加)，埋下金融風暴的種子，
金融業是否應在法規上設立薪資結構中激勵制度的上限?
 Table3 中 dollar gain from 1%表示股價上升 1%，CEO 可獲得多少錢
 Table4(主結果，跑橫斷面回歸):Y 是 buy-and-hold returns，model 2 是主結果，
dollar gain from 1%是負相關，incentives 給得越高，buy-and-hold returns 越差，
因為給的越高，06 年前 CEO 越 risk-taking，帶來高的股價反應，表示金融業承
擔太多風險，因此在 08 金融風暴時損失慘重。
 為何樣本數從 94 間掉到 77 間?因為有些金融業不是一般的商業銀行，不受
FDIC 以及巴賽爾協定約束，因此不用揭露資本適足率
 營運表現來看，ROA 大幅下降，原本有 1%上下，在金融海嘯發生後掉到-0.8 左
右
 Table 5:營收 ROA 的橫斷面迴歸，樣本數掉更多，dollar gain from 1%跟 ROA 是
負相關
 Table 6:ROE 的迴歸，跌更多
 其他高階經理人也有相同的結果，但不顯著(weak evidence)
 代理問題:在 08 風暴期間，一間公司的 top5 平均領了六億多，但公司倒了，損
失的是股東，且他們也沒有違法，因此股東難求償，但法律也難規定薪酬的上
限，因為那是市場協商的結果
 Table 7:結果是否普遍存在，還是只有在拿 TARP(紓困計畫)的大金融機構成立?
因拿到補助後，股價就上漲了，因此看 ROE 和 ROA；TARP Indicator * dollar 是
一個虛擬變數(交乘項)，有收到紓困為 1，沒有收到則是 0。
結論:將 TARP 拿出來討論後，對主結果的影響不顯著，因此具普遍性。
 Table 8:CEO 的股權結構 ownership 並沒有太大的改變，因為 CEO 搞不清楚狀況，
認為 BUBBLE 會繼續往上(CEO 在這次海嘯中沒有預測能力)，所以沒有賣；事後
因賠很多了，內部人也不太可能再認賠賣出(事後為推測，該研究未提及)。
4. This Time Is the Same
 98 年 LTCM Crisis 時，有 3.5billion 的呆帳，為什麼有 10 家銀行願意幫 FED 處理?
1.有業務往來的銀行必須要出來處理 2.LTCM 的交易對手，不論是上游或下游，
都會有傳染效果，因此被要求要處理呆帳
 公司會在先前的金融風暴(1998)中學到經驗嗎
Risk Culture hypothesis v.s. Learning hypothesis，該研究提出假說並認為公司
不會學到教訓(Risk Culture hypothesis)，在 08 年的金融風暴中仍重蹈覆轍
 因為這些銀行都在做金融創新、作衍生性商品，而這些銀行的文化就是 risk
culture，會希望承擔更大的風險已獲得更多的報酬，從上到下，公司以及員工
的目標就是 high risk-taking，很難變動
 98 年風控以及表現不好的公司，在 08 年也表現得不好
 Figure 1:equal-weighted 的話，06 年開始，從 250 跌到 90(6 成)；value-weighted
則從 200 跌到 20(9 成)左右，表示市值愈大跌愈多
 Table 1、4:共 347 家上市銀行，26 間倒閉，與上一篇相比，多了很多間，但只
多倒了 8 間，顯示 08 金融海嘯時，愈大的金融機構越有可能倒，因為大間的
金融機構才有能力去做高風險的金融商品，小銀行則較保守
 Table 2(主結果):用 98 年 LTCM 風暴的 crisis return 來估計 08 年的 return 的正相
關，98 年賠得越多，08 年會繼續賠得越多
 Table 3:將資料拆成五組，從連續變數變成組別變數。只有 Q1 相較於 Q5(基準
組，表現最好的)有顯著差異，表示上一次 98 年表現最差的 20%代表了主要的
效果，其 T 值也相當顯著；而 Q2、Q3、Q4 相對於 Q5 則都沒有顯著差異。只
要上次被列為表現最差的 Q1 組，則 08 年這次會多賠 23%(-0.2296)。98 年為負，
而 98 年的 return 與 08 年的 return 為正關係，負正得負，因此回歸模型的係數
是正
 Table 5:跑 probit regression(y 是 0 或 1 時，y 的意義為是否倒閉)，生存下來的公
司設為 0，倒閉的設為 1。98 年的 return 是負值，係數是負數，相乘後為正，
其數值表示增加的倒閉機率
 Table 6(若考慮一般產業，結論是否成立?):
Model 1:仍正相關，不過係數變小了(與 Table 2 相比)
Model 3:驗證金融業是否有特殊的效果，交乘項將金融業設為 1，表金融業的
效果。當 bank 係數=0 時，對一般產業的效果是 0.2816；bank 係數=1 時，金融
業所帶來的額外效果(交乘項)則增加 0.4088，因此對金融業的總結果為 0.6904
 Table 7(甚麼機制導致正相關存在):把 347 間分五組(bottom 組為兩次金融風暴都
表現相對差的公司取聯集，共 51 間)，看最差 20%的 bottom 組的特徵，是否跟
其他組有顯著的差異。
結論(high risk-taking behavior，在金融海嘯來時會更脆弱):
(1) leverage
發現 bottom 組的槓桿高很多，該組的 leverage 有 9.89(equity1 元，
asset9.89 元)，但剩下的 295 間只有 7.17，差了 2.72 倍
 (2) asset growth 資產成長率也差很多
(3) short-term funding:以短支長，短期資金的使用也差很多
 Table 8 這三個特徵最能解釋銀行的 high risk culture
 Table 9(98 年如何影響 06 年金融業的特徵)
(1) 98 年表現越差的，06 年的 leverage 愈高(係數為負，負負得正，增加)，驗
證假設，risk culture 不會改變
 Table 10(改用 1987 年的 crisis return):證據仍支持論點
 計量問題:347 個樣本掉到 127 個，有樣本存活偏誤(survival bias)，不影響結論
 結論:98 年的 return 可以 predict 08 年的 crisis return 以及倒閉機率，risk culture
仍存在
5. The credit crisis around the globe
 Data: 164 間上市銀行超過 50 billion(特大銀行)、387 間超過 10 billion(大銀行)
 Table 2: 06 年時金融業的平均股價漲了 32%，金融風暴時平均跌了 51.84%
 研究重點 1:為甚麼公司治理越好(越透明、越獨立的的董事會設計)，對股東越
友善的公司，08 金融海嘯時反而跌的更慘?
(1) 原因 1:在金融海嘯前，金融商品的信用評價系統失靈，這些有問題的次級
房貸衍生性商品在失靈的信用評價系統下，有些甚至被評定為 AAA 且利率
遠高於定存，因此被認為是高報酬、低風險的金融商品；則根據當時的評
價，對股東越友善的董事會為了股東的利益極大化，將會購買這些有問題
但被評為低風險的次級房貸產品，因此在金融風暴，這些公司將跌得更慘
(2) 原因 2:從企業文化的論點來看，越 risk-taking 的金融業將雇用更多的獨董，
讓董事會結構更堅固，透過治理機制的強化來降低錯誤決策的可能性
(3) 此兩個原因皆反駁了金融海嘯是因為治理失靈而發生，更像是因為信評系
統的失靈以及次級房貸產品的交易價格系統失靈而導致
 研究重點 2:regulation 的影響
(1) Panel B 為甚麼控制了 regulation variables，就一定要拿掉 country fixed
effects?
(2) 因為這兩個變數有完全共線性的問題，且這是一個橫斷面資料，若為
panel data，是一個 5 年或是 10 年的資料，則可以放
(3) Panel B 只有 Restrict 營業活動限制是顯著正相關的，其他都不顯著，表示
國家的營業限制越高，公司在金融海嘯時表現的越好
 Table 5:這些變數能不能反映 06 年風險的指標?結論是不一致的，沒有結果，並
不是 board 愈高的公司愈 risk-taking。因為在當時，這些次級房貸的產品沒有辦
法真實的反應在 risk measure 上面，回到 table 3 來看，可以發現 idiosyncratic
volatility 該變數在 bottom 組上竟然比較低，表示該組的公司特有風險竟然比表
現最好的那組還要低，也就是說在 06 年時，銀行的特有風險並沒有被真實呈
現，這些次級房貸在當時幾乎都被錯誤的評為 0 風險，risk measure 完全失靈
  結論:在全球的實驗設計下面，發現 regulation 的變數中只有 Restrict 有顯著影響；
此外更推翻了 poor-governance 認為金融海嘯是因為公司治理的失靈而發生，
反而是公司治理越好，對股東越友善的公司在金融海嘯時，可能跌的越慘
6. CEO Overconfidence and Financial Crisis: Evidence from bank lending and leverage
 為甚麼 overconfidence 可能會影響到 financial crisis bubble?
 從行為財務學出發， Overconfidence bank 的 overlending 的行為，高估成功的
機率、低估投資的風險；放寬貸款的認證，不僅放款放得更多，更放款給高風
險的借款者
 CEO Overconfidence data
(1) 利用薪酬資料庫，看經理人手上的選擇權如何去執行，來判斷他是過度自
信還是保守
(2) 若 100%深度價內仍不執行 2 次，因為他們認為公司股價還會漲，則認定為
過度自信
 假說
(1) 在非 crisis 的狀況下，OC 的銀行會過度放款，貸款的成長率會超過 non-OC
的銀行
(2) OC 的銀行會多舉一些債來放款，leverage 更高
(3) OC 的銀行在金融風暴期間被倒帳的機率更高
(4) OC 銀行的表現下降的更差(營收因為壞帳而大幅下降)
(5) OC 銀行的違約風險增加
(6) OC 銀行更可能替換 ceo
(7) OC 銀行倒閉機率上升
 貢獻
(1) OC 在 banking 的第一篇
(2) 把 OC 應用在 banking，運用行為偏誤的特質解釋銀行 risk-taking 的異質性
 Table 1: noncrisis 的 OC 只有 0.469，但 pre 的 OC(crisis 的前一年，98、07~09)卻
上升到 0.6157
 Table 2:
(1) risk-taking 的這五項變數都是顯著正相關,OC 的確是 high risk-taking
(2) consequence measure 的七項變數都是有顯著的，正好對應到七項假設
 Table 3:其他變因控制住後，oc 的確顯著相關，表示 OC 的銀行確實 high risk-
taking
 處理內生性問題:倒因為果、遺漏變數、測量誤差
(1) 倒因為果:過去的成功是架構在過去積極放款的情況下，導致銀行會雇用
OC 的 CEO 上任
用 2SLS 兩階段最小平方法，並用一個好的工具變數來進行。一個良好的
工具變數必須要跟 X 有關，且跟 Y 無關；例如年紀(CEO age)跟 OC 有關，
而不會影響到放款行為。
 第一階段，把 OC 當作 Y，估出一個 OC_hat，然後再帶進第二階段。
第一階段，OC 跟 ceo age 是正向關係，而 ceo age 則跟 Y 無關
(2) 遺漏變數: 用大量的固定效果去控制，控制銀行的 year fixed effect，控制
住無法觀察到、無法量化的因子
(3) 測量誤差: 用 2SLS 兩階段最小平方法
 Table 4:
 Table 5:crisis 前的 OC 確實會帶來更多不良放款，支持假說 3
 Table 6:ROE 的變化量(crisis 的 ROE – 前一年的 ROE)跟 OC 是顯著負向關係，
06、07、08 三年 RETURN 的平均檢調 06 年所算出的變化量跟 OC 也是顯著負向
關係，但 ROE 在 CRISIS 來的時候明顯跌更多
 Table 7:當 y 是 0 或 1 時，跑羅吉斯回歸。Turnover 與 OC 是顯著正相關性，因此
支持假說 6
 經濟意涵:為甚麼 bank 要雇用 OC 的 CEO?high risky 的銀行更偏好雇用 OC 的
CEO.
 Table 8:用 97 年 OC 去預測 06 年的 OC，如果 risk culture 成立，則兩者正相關，
從表 8 可看出的確顯著正相關
 為甚麼 share holder 也願意讓銀行去雇用 OC 的 CEO?因為銀行的股東結構有大
量的機構法人，而這些機構法人本身就偏好 risk-taking。證據:OC 銀行的機構法
人持股在 2006 年時高達 50.51%，遠超過 non-OC 的銀行 12.13%，且是顯著有
差異的，因此證明 OC 銀行這些持股的機構法人也願意讓銀行去雇用 OC 的 CEO
7. Equity Short Selling and Bank Loan Market: A Controlled Experiment
 研究一個法規的改變如何影響放空者怎麼影響到金融機構的放款
 放空者是有資訊內涵，且增進市場效率，也可以改善公司治理
 理論:放空威脅會降低公司的借款成本嗎?降低代理問題增進公司治理
 放空跟銀行貸款可能會有內生性問題
 透過法規的改變，解除放空限制讓放空成本減少，提高放空的威脅。實驗期
間，三分之實驗組解除放空限制，剩下的沒有解除，看放空的威脅是否能影
響公司的銀行貸款，做 DID 分析
 假說:
(1) 實驗組是利率上升還下降?透過放空威脅有助於銀行避免踩雷，因此會
認為有放空者威脅的公司較安全，因此利率會下降
(2) 尤其是資訊越不對稱、代理問題越嚴重的公司，透過放空威脅可以降低
這兩種風險，借款者的利率會下降更多，這是一種傳遞機制
 貢獻:
(1) 把放空威脅應用到貸款決策，且透過外生的法律改變事件來研究，比較
沒有內生性問題
(2) DID 分析，比較沒有內生性問題
(3) 證明了只有借的到券放空的公司才能會有結果
 (4) 銀行聯貸案貸款利率的決定因素，一個放空威脅(外部因素)能降低利率
 主要的 Y 是借款成本，實驗變數有 pilot firm，期間有三個:pre、during、post
 資訊不對稱的變數 Information asymmetry variables:
(1) 連帶的家數越多，資訊不對稱越低
(2) 越多 Analyst coverage，資訊不對稱越低
(3) 越老的公司，資訊越豐富，資訊不對稱越低
 DID test:實驗組有一個 different(實驗期間-事前)、對照組也有一個 different，
兩個的差異即為 DID(different in different)。表示實驗組在實驗期間所帶來的
利率降低的效果，-0.0881，三顆星顯著
 回歸設計:要看交乘項 PILOT*DURING，a3 是 DID 的估計係數，實驗組在
DURIMG 期間的效果
 a3 都是負顯著，支持了降低利率的論點
 model 4 把 during 拿掉是因為加了 year fixed effet；後來加了 industry fixed
effect，pilot 就要拿掉，最後就會只剩下交乘項
 把 post 加進來後，並不影響主結果，pilot*post 並沒有顯著差異，只有
during 的時候利率會下降，post 沒有效果
 Different 前後顯著為零，只有在實驗期間為負
 次效果分析(驗證第二個假說，利率下降是來自於高資訊不對稱、高代理問
題的實驗組):
(1) 高資訊不對稱的樣本會更顯著
Table 5:Panel A 是高資訊不對稱，利率增加效果顯著為負、panel B 是低資訊
不對稱，不顯著。接著做聯合檢定，看(1)跟(5)、(2)跟(6)兩組是否有顯著差
異，最後發現有差異，證明利率下降的效果主要來自於高資訊不對稱的樣
本
(2) 代理問題
代理問題嚴重的樣本才會顯著為負，另一組則不顯著
 經濟顯著性:在實驗期間被選成實驗組，放空者會來監督，市場及金融機構
則認為資訊不對稱下降，公司貸款的利率會下降 3.38%
 Table 7:High loan level 的 credit risk 會更強，公司有比較高的 loan level credit
risk 才會顯著
 Table 8:放空威脅的效果只有在 long-term loan 才顯著存在
 Table 9:評等差以及 EDF 大的公司才顯著存在放空威脅的效果
 控制實際放空的量跟變化量後，負利率增加的結果都還在，仍然負顯著
 Lending supply:有券可放的話，效果會更強；有 26.6%以及 0.92%是無券可放
 資訊不對稱的檢定變數換成其他變數 ，仍是相同效果，高資訊不對稱才有
顯著為負
 結論:
(1) 放空威脅是一種外部監理機制，可以降低資訊不對稱跟治理問題，進
 而降低利率
(2) 受到放空威脅，銀行會更謹慎，會挑選體質較好的公司，而在挑選較
優良體質公司的均衡下，利率就會下降