公司治理的多重网络方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A Multiple Network Approach to Corporate Governance》
---
作者：
Fausto Bonacina, Marco D\'Errico, Enrico Moretto, Silvana Stefani, Anna
  Torriero
---
最新提交年份：
2014
---
英文摘要：
  In this work, we consider Corporate Governance (CG) ties among companies from a multiple network perspective. Such a structure naturally arises from the close interrelation between the Shareholding Network (SH) and the Board of Directors network (BD). In order to capture the simultaneous effects of both networks on CG, we propose to model the CG multiple network structure via tensor analysis. In particular, we consider the TOPHITS model, based on the PARAFAC tensor decomposition, to show that tensor techniques can be successfully applied in this context. By providing some empirical results from the Italian financial market in the univariate case, we then show that a tensor--based multiple network approach can reveal important information.
---
中文摘要：
在这项工作中，我们从多个网络的角度考虑公司之间的公司治理（CG）关系。这种结构自然产生于股权网络（SH）和董事会网络（BD）之间的密切关系。为了捕捉两个网络对CG的同时影响，我们建议通过张量分析对CG多重网络结构进行建模。特别是，我们考虑了基于PARAFAC张量分解的TOPHITS模型，以表明张量技术可以成功地应用于这种情况。通过提供意大利金融市场在单变量情况下的一些实证结果，我们证明了基于张量的多重网络方法可以揭示重要信息。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> A_Multiple_Network_Approach_to_Corporate_Governance.pdf (528.63 KB)

2022-5-5 11:19:55 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：公司治理 Applications Quantitative SIMULTANEOUS Architecture

公司治理的多重网络方法Fausto Bonacina，Marco D’Errico* 1、米兰大学米兰比科卡分校恩里科·莫雷托、席尔瓦娜·斯特凡尼和安娜托里耶罗德统计与定量方法系、因苏布里亚大学意大利经济系和意大利国家广播电台米兰伊马蒂、意大利天主教大学意大利数学、定量金融与计量经济学系、意大利米兰，我们从多重网络的角度考虑公司治理（CG）关系。这种结构自然产生于股权网络（SH）和董事会网络（BD）之间的密切关系。为了捕获两个网络对CG的同时影响，我们建议通过张量分析对CG多网络结构进行建模。特别是，我们考虑了基于PARAFAC张量分解的TOPHITS模型，以表明张量技术可以成功地应用于这种情况。通过提供意大利金融市场在单变量情况下的一些实证结果，我们证明了基于张量的多网络方法可以揭示重要信息。关键词：多重网络、张量分析、公司治理1简介复杂系统的结构和动力学是近年来最热门的研究课题之一（例如参见[23]、[3]、[21]、[16]、[48]、[1]）。一个复杂的系统可以被描述为一个网络，其节点是系统的基本单元，边代表单元之间的链接或关系，假设边嵌入节点之间的所有连接。单变量链接分析集中于单一链接类型。例如，为了分析网络的结构，点击（超链接-诱导主题搜索）（[33]）和页面排名（[39]）都分解了表示超链接结构的邻接矩阵。

在[40]中可以找到关于此类措施比较的一些进一步结果。然而，单元之间的关系可以是多种不同类型的，为节点的每个属性生成一个网络。当多个属性被分配给n个节点时，分析生成的链接结构变得越来越重要，同时合并所有链接。当数据具有多个模式时，张量分析是一种捕捉多线性结构的技术。它是通过多路径阵列上的矩阵分解实现的。现在越来越多的研究方向是系统论、信号学和电路论中张量分析的研究和应用（[35]、[34]、[19]、[30]）。*通讯作者：m。derrico2@campus.unimib.itAn邻接张量由每个属性链接的邻接矩阵叠加而成，形成一个三向数组。每个矩阵的多个邻接可以用三个邻接来描述。中心性的概念也可以从单变量扩展到多变量。在单变量情况下，枢纽和当局值在递归方案中相互定义，该方案是HITS算法的基础（[33]）。在多变量情况下，HITS模型被推广到TOPHITS模型（[34]）。此外，hub和当局发现了与多重联系相关的解释。当局和枢纽通过三元平行因子分析（PARAFAC）进行相应计算，PARAFAC是SVD的高阶类似物（[26]，[35]）。在TOPHITS中，PARAFAC分解提供了一种三向分解，即yieldshub、authority和attribute得分。得分最高的属性是最具描述性的。在多路复用网络中可以找到另一种分析多路数据的方法（例如，参见[46]，[4]）。

然而，将数据叠加到矩阵中会导致信息丢失。因此，多重分析受到强制限制，需要进行更多有效的研究（[4]）。在[9]中，作者提出了一个统计力学框架来描述多个网络，其中不同层中的链接存在显著重叠。在[10]中，强调了使用多路网络的适当加权度量的重要性。张量分析应用于各种不同的领域。例如，文献计量数据可以通过工作主体进行分析，区分不同作者撰写的论文，并预测论文发表在哪个期刊上（[22]）。高阶张量的最新应用出现在网页文本分析（[34]、[35]）、光谱荧光和小波变换多通道EEG（[24]）。据我们所知，张量分析从未应用于经济或金融网络。我们认为，张量方法可以在解释公司治理（CG）方面做出重大贡献，CG是理论和实证金融文献中的一个核心研究主题。关于相关CG问题的详尽调查见[45]。众所周知，CG研究企业所有权和控制权之间的相互关系。在单变量情况下（即仅考虑一个网络），可以在对其持股网络（SH）或董事会网络（BD）的研究中找到许多贡献（[5]、[20]、[27]和[6]）。然而，关于这两个网络共同作用的研究有限。例如，在[41]中，作者发现两个网络中的社区结构存在显著重叠。股东将资金投资于一家由最高管理层做出战略决策的公司。

因此，通过同时分析这两个网络，张量分解可以对CG的解释做出实质性的贡献。这可能会为公司政策中管理层而非所有权的相关性提供独特的视角。本文在CG多路阵列上对SH和BD网络进行了多路分析。在CG多路阵列中，还可以找到中心和管理机构。结果将与单变量情况进行对比。将发现并解释优势亚群。以意大利为例进行研究。本文的结构如下。第2节介绍了公司治理，重点是意大利。图和张量分析的基本概念见第3节。第4节介绍了数据库和数据处理问题，第5节讨论了结果。第6.2节公司治理公司治理（CG）研究如何为股东提供对管理者采取的战略行动的一定程度的控制，以及如何衡量他们的有效性和忠诚度。检测哪些决策可能最终以负面方式影响企业的市场价值，进而影响股东财富，这一点至关重要。然后，CG的主要目标是制定并提出允许股东实施适当公司管理的实践规则。意大利的CG分析很有趣，原因有很多。首先，最近，它发布了CG规则。在[37]和[38]中，分析了1998年所谓的“德拉吉革命”的影响，该运动旨在为少数股东提供更多的权力和财务保护。特别是，在大多数意大利上市公司中，可以找到作为区块持有人的主要股东（即实质上影响公司决策的股东或少数股东）。

此外，意大利银行Mediobanca通过manyinter公司持股与大多数私人集团有联系。此外，截至2004年，60%的上市公司由股东协议（patto di sindacato）控制，该协议能够将公司的完全控制权交给少数股东（无论是国家还是一些资本主义家族）[38]。仅提及最近的一件事，2013年10月，控制RCS Mediagroup（意大利最受欢迎的报纸《晚邮报》的重要媒体公司所有者）的“帕托·迪·辛达卡托”（patto di sindacato）在1984年成立后破产。参与这项协议的有（除其他外）阿涅利家族、联合银行、丰迪亚里亚·赛和通利助手，他们是意大利资本主义体系中非常重要的人物。此外，如果实际持有的股份数量相对较小[37]，[32]，则可以通过所谓的金字塔集团实现控制权和所有权之间的分离。这些联系可能至少部分受到《意大利法令》第36条的影响，自2012年初以来，该条禁止意大利银行、金融和保险公司之间相互关联（即董事会成员超过一个）。本规则的目的是避免潜在的反竞争行为，并减少私人金融信息用于投机行为。在欧洲背景下，[25]分析了西欧的公司所有权，显示了金融市场中有多少“广泛持有”或“家族控制”的公司。[44]中对意大利、法国、德国、英国和美国蓝筹股公司内部的BD连接进行了比较。

通过解释性数据分析，可以确定意大利案例以及法国和德国案例的特点是，一小群高层管理人员坐在几家公司的董事会中，从而加强了公司之间的牢固联系。此外，意大利上市和非上市公司的主要特点是股权高度集中[8]。在[7]中，通过描述性分析，我们发现意大利的公司治理结构与企业绩效之间存在关联。即使从法律和经济的角度来看，1990年至2005年间意大利的环境发生了重大变化，也只能检测到向更有效的控制和所有权结构的有限转变。如果少数股东对公司没有足够的控制权，区块持有人可以迫使经理从事风险太高的业务，最终导致公司价值的潜在损失。另一方面，如果大多数公司在持股方面有关联，他们可能会有共谋行为。这在短期内可以促进收益，但在长期内会导致创新和竞争力的下降。本文分析了意大利证券交易所上市公司复杂的公司治理结构。为此，我们考虑由SH和BD网络组成的张量。这为理解所有权和管理层对公司市场绩效的相关性提供了独特的方法。在这种情况下，一个问题自然会出现。市场价格联动是否受到共同CG结构的影响？为了提供这个问题的定量答案，我们考虑第三个网络层，即关联网络，通过构建价格关联收益率高于某个阈值（0.65）的公司获得。1初步知识我们很快就会想起一些关于图论的标准定义和结果。

有关更多详细信息，请参阅[29]。图G=（V，E）由n个顶点的集合V和m个边的集合E组成。用| E和| E的| n分别表示|和| E。A权重wij，i，j=1，n、 可能与每条边（i，j）相关，在这种情况下，定义了一个加权（或有值）图。顶点i（i=1，…，n）的度数是与其相关联的边数。directedgraph（有向图）是指所有边都从一个顶点指向另一个顶点的图。在有向图中，顶点的入度i是指从其他顶点指向i的弧数，而顶点的出度i是指从i指向其他顶点的弧数。如果每对节点i和j（i，j=1，2，…，n）都有一条从i到j的路径，则图是连通的。如果每对顶点都有一条连接它们的有向路径，则有向图是强连通的。图G=（V，E）的二元邻接矩阵是表示G顶点之间邻接关系的非负n平方矩阵xA=[Aij]，（i，j=1，2，…，n）：如果顶点i和j相邻，则对角元素aijof a等于1，否则为0。设{λ，λ，…，λn}为A的特征值集，ρ=maxi |λi |其谱半径。如果g=（V，E）是无向的，则A是对称的，且其特征值是实的。当ng=（V，E）是无向连通的，A是不可约的，即对于每对指数i和j，存在一个自然数r，使得（Ar）ij6=0。如果G=（V，E）是一个有向图，它的邻接矩阵a一般是不对称的；此外，A是不可约的当且仅当G是强连通的。如果A是一个非负且不可约的矩阵，则众所周知，一个称为Perron或主特征向量的正特征向量对应于A的谱半径。

如果没有任何边将顶点连接到自身，其邻接矩阵（由W（加权邻接矩阵）表示）具有零对角元素和非负实数对角项。具有一种以上链接类型的图，也称为多图或多网络，可以用张量及其分解来描述。多网络分析的两个有用概念是相交网络和并集网络。给定K个网络Gk=（V，Ek），其各自的未加权邻接矩阵为Ak=[Ak（i，j）]，K=1，K、 交叉口网络∩= （五、五）∩), 定义如下：节点I和j以G连接∩只要k、 Ak（i，j）=1。邻接矩阵A∩通过Hadamard积A可以很容易地获得交叉网络的平均值∩= A.o A.o . . . o AK，即对应的单变量函数的K邻接矩阵之间的项积。联合网络∪= （五、五）∪) 定义如下：两个节点i和j是linkedin G∪如果两个节点之间存在链路，则至少在K个网络中的一个网络中存在链路。联合网络A的邻接矩阵∪通过对A，A，…，求和得到，将生成的矩阵进行二值化。联合网络允许检查节点之间是否存在任何可能的链路。在本节的下一部分中，给出了一些关于张量的基本概念（有关更多详细信息，请参见[35]）。张量是多维数组。具有n个节点和l个链路类型的多个网络可以用大小为n×n×l的三向（或三阶）张量A来表示，如果存在将节点i连接到节点j的l型链路，则其（i，j，k）元素（用Aijk表示）不同于零。张量A的切片是通过对第三个索引进行筛选得到的矩阵。

特别地，张量的前片对应于一种网络的邻接矩阵。大小为n×n×l的张量a的Frobenius范数定义为：=nXi=1nXj=1lXk=1aijk1/2.如果A可以写成向量的外积，则A是秩一张量。例如，设a为秩——一个大小为n×n×l的张量，然后a=uo 五、o w、 即A的（i，j，k）元素由Aijk=uivjwk给出，对于i，j=1，n、 k=1，l、 你在哪里∈ Rn，v∈ Rnand w∈ Rn3。2 Hits本节说明了分析多个网络以确定关键参与者的方法。我们首先回顾单变量网络的情况，特别关注无向网络的中心性[18]，以及它对不对称、加权和多重网络的单变量扩展。特征向量中心性（见[11]，[12]）：作为节点所连接节点的中心性函数，增强节点重要性的中心性度量是特征向量中心性（见[11]，[12]）：anactor的中心性与相邻节点的中心性之和成正比。形式上，顶点Vi的特征中心xio定义为xi=αPnj=1Aijxj；通过设置α=ρ，值xi由Perron特征向量x的第i分量表示（有关特征中心性和进一步结果的综述，请参见[28]）。通常，参与者之间的关系是有向的，因此相应的图是无向图，邻接矩阵是不对称的。因此，必须修改特征值中心性，以考虑这种不对称性。每个节点都有两个属性：权威性和Humbess（[33]）。权威衡量威望：许多其他参与者指向的参与者被称为权威。如果一个节点有大量指向它的节点，则该节点具有较高的权限值，这将量化其作为信息源的角色。