首页 百科知识 非公平关联交易的识别和市场检验结果

非公平关联交易的识别和市场检验结果

时间:2022-05-28 百科知识 版权反馈
【摘要】:二、非公平关联交易的识别和市场检验结果由上述描述性统计结果可以知道,关联交易规模与控股大股东持股比例存在一定的正向关系,同时具有一定的行业特征。这说明上市公司的国有控股股东偏好非公平关联交易。独立董事在关联交易中处于超然地位,也可以利用非公平关联交易识别模型,对关联交易作出客观、公正的评价。

二、非公平关联交易的识别和市场检验结果

由上述描述性统计结果可以知道,关联交易规模与控股大股东持股比例存在一定的正向关系,同时具有一定的行业特征。我们应用SPSS13.0 和EVIEWS5.0分别对识别模型(4.1)和检验模型(4.2)进行回归,没有发现共线性、自相关和异方差现象,回归结果见表4-6和表4-7,结果中只列出检验自相关的D-W值。

(一)模型回归结果分析

1.根据表4-6,在可能存在“隧道挖掘”[PANEL A(AROE<0) ]时

(1)公司净资产收益率异常值(AROE)与ARPT_total、ARPT_buy在5%显著性水平下存在负相关关系,与ARPT_sale不存在显著相关关系,与LSHR1、SHR2_5、ln(Assets)等则没有显著相关关系。相对AROE,总资产收益率异常值(AROA)与ARPT_total等变量值不存在显著性相关关系。

(2)证券市场投资者能够识别关联交易规模异常值(ARPT)。公司股票的市场异常收益(AR)与ARPT_total、ARPT_buy、ARPT_sale、LSHR1 和ln(Assets)在5%显著性水平下存在负相关关系,与SHR2_5没有显著相关关系。此外,AR与不同控股类型具有明显的差异,与国有控股型公司相比,法人控股型和分散控股型公司在5%显著水平下正相关。

表4-6 关联交易异常规模(ARPT)与公司异常绩效(AROE、AROA)、异常收益(AR)回归结果(AROE<0)

img63

注:表中***、**、*分别代表1%、5%、10%显著性水平(双尾检验)。以DC0绝对控股型、C(制造业)为基准行业,其他没有列出的行业表明与制造业相比没有显著差异。

2.根据表4 -7,在可能存在向上市公司输送利益[PANEL B(AROE≥0) ]时

(1)AROE与ARPT_total、LSHR1、ln(Assets)在1%显著性水平下存在正相关关系,与ARPT_buy、ARPT_sale在5%显著性水平下存在正相关关系,与不同控股类型和行业特征不具有明显的差异。相对AROE,除了AROA与ln(Assets)在1%显著性水平下存在正相关关系,AROA与其他变量不存在显著性相关关系,与不同控股类型和行业特征不具有明显的差异。

(2)证券市场投资者能够识别关联交易异常规模(ARPT)。AR与ARPT_total、LSHR1在1%显著性水平下存在正相关关系,而与其他变量不存在显著性相关关系,与不同控股类型、不同行业特征也没有明显差异。

总之,由上述回归结果可知,我国国有或法人控股股东型上市公司,近年来存在利用非公平关联交易向上市公司输送利益和侵占上市公司利益的行为,但控股股东操纵关联交易进行利益输送和侵占利益的方式和程度有所不同,大股东可能较多地以向上市公司低价销售和高价购买商品的方式进行利益输送,而通过向上市公司高价销售商品的方式侵占利益。此外,上市公司总资产规模越大,关联交易规模也越大,也影响着关联交易异常规模。这反映我国特有的上市公司特征,规模较大的公司大多是原国有企业集团改制后上市的,公司规模越大越需要通过非公平关联交易来维持公司的生产经营。不同控股类型存在一定差异,与国有控股型公司相比,法人控股型公司控股股东偏好关联交易行为的程度低于国有控股型公司,分散控制型公司控股股东偏好关联交易行为的程度又要低于法人控股型公司。这说明上市公司的国有控股股东偏好非公平关联交易。

表4-7 关联交易异常规模(ARPT)与公司异常绩效(AROE、AROA)、异常收益(AR)回归结果(AROE≥0)

img64

注:表中***、**、*分别代表1%、5%、10%显著性水平(双尾检验)。以DC0绝对控股型、C(制造业)为基准行业,其他没有列出的行业表明与制造业相比没有显著差异。

以上识别和检验结果说明我国上市公司普遍存在非公平关联交易现象,但不同控股类型和不同行业公司表现出一定差异。总体上,关联交易异常总规模越大,其非公平性就越大。直接影响当期净资产异常收益率的关联购买异常规模和关联销售异常规模,其非公平程度要弱于总规模。市场对关联交易异常总规模的反映比较明显,对关联购买异常规模和关联销售异常规模的反映在净资产异常收益率大于零的情况下比较明显,而在净资产异常收益率小于零的情况下则不明显,对控股大股东持股比例的反映也比较明显。这表明我国现有的有关法规对于直接影响当期会计绩效的关联购买和关联销售行为的监管是比较有效的。而其他关联交易类型存在的不公平具有较大的隐蔽性和复杂性,一般很难被发现。

本部分的实证验证了本章的假设4.1和假设4.2。

(二)启示

通过对非公平关联交易识别模型研究,得到如下启示:

(1)对非公平关联交易的有效识别可以减少审计风险。由于关联交易一直是注册会计师审计的重点和难点。在关联交易公平性审计中,认定关联方之间是否存在不公平的定价行为是审计的难点。在实际审计时,首先可以针对该被审计公司的控股类型、所属行业和交易类型等情况,初步了解有关指标后,根据具体关联交易价格要素情况,有重点地选择采用可比非受控价格法、再售价格法、财务比率法来判断关联交易价格的公平性,从而减少审计风险。

(2)对非公平关联交易的有效识别可以为监管层和独立董事等提供预警指标。监管层可以利用非公平关联交易识别模型对拟披露的关联交易进行分析,判断其公平性,对于存在异常关联交易规模的公司,应特别引起警惕,这对防范不公平关联交易也起着举足轻重的作用。独立董事在关联交易中处于超然地位,也可以利用非公平关联交易识别模型,对关联交易作出客观、公正的评价。由独立董事出具意见书,这已是我国监管关联交易的一条惯例。当然,在存在比较重大的关联交易中,不仅要使监管层和独立董事保持超然的地位,其他中介机构(资产评估事务所、会计师事务所、律师事务所等)同样需要保持独立和公正,这样,才能对关联交易实施有效的监督。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈