基于動態參考集的紡織行業戰略風險與收益研究

朱慧明，廖 萍，張曉昱，吳宣明

(湖南大學工商管理學院，長沙 410082)

0 引言

戰略風險的概念最早由kenneth R.Andrews于1971年在《公司戰略的概念》一書中提出。Janos Acs認為在金融領域，戰略風險是企業收益受宏觀產業經濟波動影響而發生損失的可能性，并將其分為系統風險和非系統風險，非系統風險可以通過分散投資來消除[1]。David Matheson認為非系統風險的管理是戰略管理的核心問題，戰略風險必須進行管理，企業只有積極面對風險才能成功。根據Faleye的定義，戰略風險是企業競爭態勢的變動，包括競爭優勢的減弱以及競爭地位的下降[2]。劉建國(2006)認為戰略風險是企業整體損失的不確定性，是各種企業風險的集成[3]。鑒于戰略風險的復雜性，將其定義為一個企業在同行業中收益排名發生降低的可能性。

在對戰略風險與收益的關系研究上，國內外廣泛使用均值方差方法，如Bowman(1980)用均值方差方法對美國85個產業驗證得出大多數產業的風險和收益呈現負相關關系[4～5]。然而這種方法有很大的局限性：一是這種方法用的是企業自身的絕對值來衡量風險和收益，而沒有考慮企業之間相對位置的變動對風險和收益的影響；二是這種方法忽略了對時間的敏感性，獨立于時間進行研究。因此James和Timothy(1992)提出用序數空間理論對戰略風險進行度量。賈增科,邱菀華(2009)對風險、信息與熵的關系進行了初步探索，得出在某些系統中，熵與系統風險是對應的，可以用熵來度量風險的結論[6]。James和Timothy(1992)利用序數空間熵理論研究了1968～1985年美國27家航空公司的風險與績效之間的關系，得出風險在一定程度上與公司的低績效有關[7]。而以上的研究均未考慮戰略參考集為動態的情況。Chang(1996)從多元化和公司重組的視角研究了進入、退出與財務績效之間的關系[8]。Chang、Singh(1999)研究了跨國公司進入方式對資源整合的影響[9]。Powell(2010)在James和Timothy的研究基礎上提出了考慮企業年進出率的RF方法[10]，此方法雖然也屬于序數空間理論，但沒有解決如何在考慮企業進出情況下用信息熵度量企業戰略風險的問題。

針對以上問題，本文在信息熵理論的基礎上，利用中國紡織業上市企業數據，研究基于動態參考集的企業戰略風險與收益之間的關系，并進行實證檢驗。

1 基于動態參考集的企業戰略風險度量模型的建立

1.1 模型建立的假設條件

假設條件1：研究者有足夠的能力選擇合適的參考集。

假設條件2：管理者能夠詳細說明序數空間中風險度量的范圍。目前，大多數研究者采用諸如資產收益率、凈資產收益率等財務績效指標作為風險度量的基礎。此外，技術的不確定性，戰略的不確定性，市場的不確定性和產品結構相關的不確定性等也是風險的重要組成部分。

假設條件3：每個公司在某個時期的排名已知。每個公司在某一時期都有一個專屬自己的排名，從而避免了信息的模糊性。

1.2 模型的建立

1.2.1 參考集的選擇

為了測度戰略風險，首先要定義參考集。參考集的選擇是評估戰略風險必不可少的一個步驟，從戰略的視角出發，對風險-績效關系的研究也需要定義參考集作為研究的基礎，通常這樣定義：一組公司，他們生產的產品是可以相互替代的。在行業和市場確定的情況下，類似的技術有波士頓咨詢公司的成長-份額矩陣和份額-動力矩陣。為了更加清楚的說明，“行業”和“參考集”這兩詞可以通用，但這并不意味著行業是唯一可選的參考集。

1.2.2 基于動態參考集的熵模型

“熵”(entropy)表示變化的程度，1856年由德國物理學家K.Clausius提出。1870年L.Boltzmann用熵來描述分子運動的無序程度。量子理論的創始人E.Sehroedinge教授于1945年把熵引人到生物學領域。1948年N.Wiener和C.E.Shannon創立了信息熵，將消除的不確定性定義為信息。E.T.Jaynes在信息論中建立了極大熵準則，有效地將現實世界的現象與概率分布聯系起來。基于動態參考集的熵模型如下：

首先，選定一個行業，將其所有的企業作為一個戰略系統參考集。觀察第i個公司從t0到tm時間段上的排名變化，假設時間從t0到tm，指標排名由j到k。如果該公司是當年新進入的，則假設其在進入之前的排名為0；相反，如果當年有公司退出，則假設其之后的排名為0。也就是說，指標排名從0-j代表當年有公司進入，從j-0代表當年有公司退出。那么每個公司在一個研究階段中都存在一個排名變化矩陣，設為ψi,由第i個公司在t0到tm時間段從排名j變到k的變化次數ψijk組成矩陣Ψ=(ψ?jk)n×n。如果排名無變化，則記為0。將公司排名轉移矩陣中每個元素除以其行和，得到該時間段內公司在系統中排名的轉移概率矩陣pjk=pk|j=ψ?jk/ψ?j?,ψ?jk是 n個公司在t0到tm時間段內所有從j變到k的值；ψ?j?是矩陣Ψ =(ψ?jk)n×n中第i行和。

其次，對系統不確定性的總體度量。對于測量一個系統的不確定性所必須的信息或許可以直接從描述系統行為的概率分布中獲得(Shannon，1948)。熵函數提供了一種對描述系統不確定性信息的測量方法，它能直接測量嵌入在構成描述系統行為的概率分布的觀察結果中的信息(Prigogine&Stengers,1984)。定義N為研究期間行業中企業個數的最大值，則系統的平均條件熵可以表示為：

在戰略參考系統中，其競爭位置排名變動的方向和變動的幅度是不同的，會出現轉移事件是在一個轉移系統中轉移，即由兩個不相鄰的狀態轉移而來，如從排名最后一名轉移到第一名和由排名第二名轉移到第一名，對系統熵值的影響是不同的。元素的轉移和它發生的概率有關，和排名的變化也有關，故每次轉移在轉移概率矩陣總所占的比重不同。所以本文考慮利用加權的方法對系統熵值進行度量。

在權重選擇中，權重值均為非負有限實數，并且若一個時段的轉移A比另個時段轉移B重要，那么它們的權重ρA和ρB有關系ρA＞ρB。故，定義權重函數衡量轉移概率矩陣表示在狀態轉移過程中變動幅度的固定系數，按研究的時間段劃分來取值，一般按年取時間段通常取為1，按半年取時間段則通常取0.5，β表示狀態轉移變化后企業排名的變化，若狀態轉移后，企業位置排名不變，即j=k時，權重為β，通常取β=1。因此，加權不確定系統熵可以定義為：

在無權重系統中，轉移概率矩陣中每個元素相等得系統的最大熵值，但加權系統中計算最大熵值相對困難，本文采用Thomas(1979)和Freund(1984)提出的數學優化方法得到加權系統的最大熵：

根據風險的定義，負面的不確定性即收益排名的降低才能稱為風險。對戰略系統而言，收益排名從高到低轉移(k＞j)的不確定性為系統戰略風險。

最后，計算單個公司的風險熵值。在一個戰略參考集中，系統戰略不確定性和風險整體度量可以采用信息熵，考慮每個公司對整個系統戰略風險的貢獻度，可以得到每個企業在系統戰略風險中與戰略參考集中其他企業的貢獻關系和排名，在特定的狀態轉化中，記單個企業的轉移次數為sijk，那么它對整個狀態轉移次數的貢獻成正比，即：所以單個企業的加權平均條件熵可記為：

其中，ρk|j為其損失的量為其對系統條件熵的貢獻。進一步可以得到在某一特定的時間段中，單個企業的加權系統風險為：

標準化得：

由此可得:在一個有企業進入和退出的動態參考集中，單個企業每5年的戰略風險值，將其與五年內相應指標的相關值進行相關性檢驗，得到相應的結論。

2 實證研究

2.1 樣本與數據來源

目前，全球紡織業市場前景不確定性日益增高，美元急貶、原油價格跌宕起伏以及中國紡織品輸歐即將解除設限，紡織業面臨較大的不確定性。選取我國紡織業上市企業，研究1999年到2009年這11年的企業戰略風險變化情況的變化情況。在此研究期間，只有企業進入，沒有退出。樣本規模是不斷擴大的，從1999年的15家到2009年的37家企業。收集樣本期間內企業年報數據，只選取企業上市后的數據，以上市時間作為企業進入的依據，構成企業戰略參考集，數據來源為國泰安財務分析數據庫。

企業凈資產收益率為收益指標，構成戰略參考集，通過序數空間方法進行排名，根據各企業在研究期間內的排名變化情況，得到概率轉移矩陣，以此來計算整個行業的風險熵值和單個企業在戰略參考集中的戰略風險。采用5年為一階段的時間窗方法，將研究期間共劃分為7個階段，即：1999～2003,2000～2004，2001～2005,2002～2006,2003～2007,2004～2008,2005～2009。分別計算每個階段的行業總體的風險熵值和各個階段每個企業的風險。此外，由于本文采用的是序數信息，所以年報中企業凈資產收益率計算周期的差異不影響研究結果。

2.2 實證結果分析

在對系統整體風險分析的基礎上，對紡織行業各上市企業在1999～2009這11年中凈資產收益率排名轉移情況進行分析，得到凈資產收益率排名轉移波動較大，對系統的穩定性影響較大。接著將5年作為一個研究時段，以1999～2003為基礎，向前滾動一年，剔除前一年度的數據，據此得到1999～2003,2000～2004…2005～2009共7個時間段，分時段對行業的風險熵進行度量，計算出紡織業在不同的時段的風險大小，如圖1所示。

圖1 戰略風險：中國紡織業2003～2009

從圖1中我們可以看出：中國紡織業整體上經歷了戰略風險不斷增加的過程。1997年后，中國紡織業依托政府的政策支持，開始進入了一個以壓縮落后生產能力、全面提升產業結構為主要特征的新時期。經過5年多的積累，2004年中國紡織業從行業結構、企業組織結構及紡織主要出口產品的競爭力方面，都發生了可喜的變化，行業戰略風險相對較低。2000～2004這5年是中國紡織業上市公司的拐點，風險開始反彈。隨著電力等資源的不足，貿易環境不確定性的增大，以及物價上漲通貨膨脹的出現，紡織業在隨后時間段的戰略風險逐漸增大。

計算每個時間段，每個企業的戰略風險值，見表1。

從表1看出，在序數空間理論下，整體行業每個時間段的戰略風險相差無幾，波動不是很大(除了每個時間段最后一年新進入的企業)；行業中每個企業的績效表現不一，其戰略風險也變化不一，企業間此增彼減，整體幅度相當。此外，還可以看出：在每個時間段最后一年之前新進入的企業戰略風險都不為0，只有每個時間段的最后一年新進入企業的戰略風險為0。每個時間段的最后一年新進入的企業在其所屬的時間段中并沒有發生轉移，風險當然為0；在每個時間段最后一年之前新進入的企業，由于其在所屬的時間段中發生了轉移，風險一般不為0(企業排名上升的除外)。

表1 每個時間段各企業的風險值

2.3 相關性檢驗

考慮到凈資產收益率每年的波動，采用每個時間段指標最后一年的數值和得到的企業戰略風險值進行統計量描述和分階段Kendall相關性檢驗，結果如表2所示：

表2 分階段roa與risk肯氏檢驗

由表2可以看出：單就凈資產收益率這個指標來講，可以得出紡織業企業的風險和收益是負相關的。在0.01顯著性水平，該指標有5個時間段通過檢驗；在0.05顯著性水平，該指標有6個時間段通過檢驗；在0.1顯著性水平，該指標7個時間段全部通過檢驗。

負相關關系意味著：(1)與傳統的決策理論結果相悖，這與Bowman觀點一致。傳統決策理論認為，風險與收益成正比。(2)至少在紡織業，風險與收益的負相關關系在一定時間內比較穩定。

3 結論與啟示

本文通過把戰略風險轉化為企業在戰略參考系統內收益排名的下降帶來的負面不確定信息，給出了序數戰略風險度量的一般模型。同時，考慮了企業的進出問題，基于動態參考集重新分析了企業的排名變化情況。這一方法與其他的戰略風險概念和度量方法相比，有其獨特的含義。其中最主要的就是，該種定義和度量方法被設定為具有明確的目標，即解決在戰略管理中的公司總體戰略的計算問題。不僅解決了概念的復雜性問題，同時也易于計算。

基于動態參考集的序數空間的風險消除了在某一水平下對所有企業都置身其中的經濟和產業環境的影響，這種影響對廣大個體企業來說都是無力承擔的。這種方法和戰略管理中強調單個企業獲得競爭優勢和提高在行業中的排名的重要性是一致的。序數空間方法可以度量參考集中每個企業的風險，改變了之前關于單個企業戰略風險無法度量的情況。考慮了行業中企業的進出問題，更加貼近實際。本文通過對紡織行業上市企業進行分析研究，結果表明：戰略風險與收益整體呈負相關關系，從而為研究同行業競爭的戰略風險實踐提供理論依據。

[1]Janos Acs.A Comparison of Models for Strategic Planning,Risk Anal?ysis and Risk Management[J].Theory and Decision,1985,19(3).

[2]Faleye,Olubunmi.Classified Boards,Stability,and Strategic Risk Taking[J].Financial Analysts Journal,2009,65(1).

[3]劉建國.基于屬性測度的企業戰略風險評價[J].統計與決策,2006,(3).

[4]Bowman E H.A Risk/return Paradox for Strategic Management[J].Sloan Management Review,1980,21(3).

[5]Bowman E H.Risk Seeking by Troubled Firms[J].Sloan Management Review,1982,23(4).

[6]賈增科,邱菀華.風險、信息與熵[J].科學學研究,2009,27(8).

[7]James M.Collins,Timothy W.Ruefli.Strategic Risk:an Ordinal Ap?proach[J].Management Science,1992,38(12).

[8]Sea Jin Chang.An Evolutionary Perspective on Diversification and Corporate Restructuring:Entry,Exit,and Economic Performance dur?ing 1981～1989[J].Strategic Management Journal,1996,17(8).

[9]Sea Jin Chang,Harbir Singh.The Impact of Modes of Entry and Re?sources Fit on Modes of Exit by Multibusiness Firms[J].Strategic Man?agement Journal,1999,(20).

[10]Thomas C.Powell,Ingo Reinhardt.Rank Friction:an Ordinal Ap?proach to Persistent Profitability[J].Strategic Management Journal Strat,2010,3(5).

[11]陳文俊.企業財務風險：識別、評估與處理[J].財經理論與實踐，2005，26(135).

[12]Nancy Huyghebaert,Linda M.Van De Gucht.Incumbent Strategic Behavior in Financial Markets and the Exit of entrepreneurial Start-ups[J].Strategic Management Journal,2004,(25).

[13]Richard Disney,Jonathan Haskel,Ylva Heden.Entry,Exit and Es?tablishment Survival in UK Manufacturing[J].The Journal of Indus?trial Economics,2003,51(1).