指数基金发展不利于企业管治

指数基金发展不利于企业管治

研究显示指数基金未能有效监察旗下企业 引致投资者与公司管理层权力失衡

 

被动型指数基金 (Index Fund) 在过去三十年间渐趋普及,改变了美国以至世界各地的投资方式。指数基金在1990 年仅占所有互惠基金资产不到 1%,然而到了 2018 年,所占比率已经增长至30% 以上,价值超过 6 万亿美元,成为了不少美国公司的最大股东。

指数基金投资的兴起,带动了投资者对监管及企业管治方面的关注。港大经管学院教授(金融学)Roni Michaely及另外几位教授共同参与的一项研究发现,与主动型基金相比,指数基金监管能力较为不足,并倾向将权力授予公司管理层,因而对企业管治及公司价值产生负面影响。长远或令权力进一步从投资者转移到公司管理层上,影响投资者的利益。

是项研究由Roni Michaely教授,联同犹他大学埃克尔斯商学院 (University of Utah Eccles School of Business) 的 Davidson Heath 和 Matthew Ringgenberg ,以及迈阿密大学赫伯特商学院 (University of Miami Herbert Business School) 的 Daniele Macciocchi 完成。该论文更将刊登于知名的金融学术研究期刊「金融研究评论」(Review of Financial Studies)。

Michaely 教授表示:「股东若不满某些公司的管理,可通过投票、与管理层沟通或出售股票三种方式表达。为更有效评估和比较指数基金和主动型基金的监管行为,我们使用了由 2004 年至 2018 年美国股票互惠基金和交易所买卖基金的综合数据,为以上三项监控渠道逐一分析。」

首先在投票方面,当遇上具争议性的问题时,指数基金有 54.3% 的议案由公司管理层投票决定,相反主动型基金却只有 47.3%。而研究更发现未有证据显示,指数基金曾透过有效的方式公开或私下接触其投资组合公司。即使指数基金持有的公司股份比例更高,在年度股东大会上所提交的议案数量或类型亦不会改变,甚至顺利通过的议案数目更少。最后,就出售股票方面,研究亦观察到即使在失去股东投票权后,指数基金也不会减持股份,而主动型基金则相反,可见指数基金未有透过撤资表达对公司管理的不满。

经过多方面的研究及测试后,结果反映指数基金的监管表现较主动型基金弱。Michaely 教授阐述:「相对于逐渐被取代的主动型基金,指数基金缺乏动力投放资源于昂贵的监管之上。此外,数据亦一致显示当指数基金取代主动型基金时,企业管治并没有改善,甚至进一步恶化。因此,我们可以得出结论,指数基金投资的兴起将权力从投资者转移到公司管理人员身上。」

现时世界各地的监管机构,均致力寻求更有效监管企业管理的方法,因而是次的研究结果在政策制定方面具有重要的影响力,亦厘清了指数基金是改善企业管治的良好监察者的误解。另外,市场上亦曾有建议指,可利用更大的投票权奖励长期投资者。然而,由于指数基金亦属长期投资者,根据本次的研究结果(指数基金监管能力不足)可见,赋予指数基金更大的投票权的实际结果与预期中的效果背道而驰:公司监管更少、管理层权力更大。随着被动型投资持续增长,监管企业管理层的权力更趋重要,藉以平衡投资者与公司管理层之间的利益。

研究全文(只供英文版本):
Do Index Funds Monitor?
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3259433

Other Events
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
2025 | 学院新闻
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
港大经管学院今日发表《人工智能模型图像生成能力综合评测报告》,针对15个“文生图模型”及7个“多模态大语言模型”进行全面评估。研究显示,字节跳动的即梦AI和豆包,以及百度的文心一言,在新图像生成的内容质素及图像修改的表现突出;而早前引起全球关注的DeepSeek最新推出的文生图模型Janus-Pro,则在新图像生成方面表现欠佳。研究亦发现部分文生图模型虽然在内容质素方面表现优异,却在安全与责任方面的表现强差人意。整体而言,与文生图模型相比,多模态大语言模型整体表现较佳。
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
2025 | 研究
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
如今,人工智能领域的前沿模型技术已经从文本处理拓展至视觉信息的深度理解与生成。这些模型既能精准解读图像语义,又能根据文字描述创作出兼具真实感与艺术性的视觉内容,展现出令人惊叹的跨模态理解与创作能力。本研究聚焦全新图像的生成和基于现有图像的图像修改两大核心任务,提出了一套系统性的人工智能模型图像生成能力评测框架。我们基于多维测试集的构建与专家评审,对15个专业文生图模型和7个多模态大语言模型的图像生成能力进行了全面评估。结果显示,字节跳动的即梦AI和豆包以及百度的文心一言在新图像生成的内容质量与修改任务中表现突出,位列第一梯队。对比不同类型的AI模型,我们发现,相对于专业文生图模型,多模态大语言模型整体表现更佳。