来自社区银行董事会结构和会议纪要的证据（英）2024

财经系列讨论 联邦储备委员会，华盛顿特区ISSN1936-2854(打印)ISSN2767-3898(在线 ) 董事会内部：来自社区银行董事会结构和会议纪要的证据 罗莎琳德·贝内特、曼朱·普里和保罗·索托 2024-085 请引用本文：本特利，罗琳达·L.；普里，曼朱；索托，保罗·E.（2024）。《董事会内部视角：来自社区银行董事会结构和会议纪要的证据》。联邦储备系统金融与经济讨论论文系列2024-085。华盛顿：联邦储备委员会，https://doi.org/10.17016/FEDS.2024.085。 注意：金融和经济学讨论系列（FEDS）的工作论文是初步材料，旨在激发讨论和批判性评论。文中所述的分析和结论仅代表作者的观点，并不表明研究部门其他成员或联邦储备理事会理事的认同。关于金融和经济学讨论系列在出版物中的引用（除致谢外），应征得作者同意以保护这些论文的初步性质。 董事会内部： 来自社区银行董事会结构和会议纪要的证据 罗莎琳德·贝内特ManjuPuriPaulE.SotoFDIC杜克大学，NBER联邦储备委员会 此版本：2024年9月24日 摘要 社区银行对于当地经济至关重要，但由于数据获取有限，有关其公司治理的研究相对匮乏。我们探索了一个独特的自有数据集，该数据集包含失败社区银行的董事会成员和会议记录，以呈现关于其董事会结构和会议的一些典型事实。社区银行的董事会成员较少，内部人员的比例较高，且在正常时期几乎不会出现变动。他们的会议每月举行一次，持续大约两个小时 。在困境时期，社区银行的董事会更倾向于召开非正式会议而非定期会议 ，经历更高的人员流动，尤其是在独立董事中更为明显，并且会议氛围从中性转变为显著负面。在困境时期，董事会的关注点转向资本和监管审查 ，而远离贷款活动和会议形式。 JELCLASSIFICATION:G21,G34,C81. K字词:公司治理、董事会、银行、机器学习、自然语言处理。 *罗赛琳德·L·本内特：美国联邦存款保险公司，华盛顿特区；曼朱·普里：杜克大学和美国经济研究局，mpuri@duke.edu；保罗·E·索托：美国联邦储备委员会，华盛顿特区；rbennett@fdic.gov；paul.e.soto@frb.gov。我们感谢KaryenChu、MassimoFerrari（评论人）、FabrizioFerri（评论人）、MarkKutzbach、SimonKwan（评论人）、LawrenceKryzanowski（评论人）、ChristopherMartin、JonPogach以及在Boca公司金融与治理会议、越南银行业与金融研讨会、宏观经济政策高级分析：新方法与应用会议、德国国家银行和跨机构风险量化论坛上的参与者们提供的宝贵意见和建议。我们感谢各州银行监管机构及联邦存款保险公司风险管理监督部门授予我们使用其《检查报告》中董事会成员信息的许可。我们感谢JosephKinsella提供的出色数据科学支持，以及MichaelCarabello和AlexRodrigue提供的卓越研究协助。本文中的分析、结论和观点仅属于作者个人，并不一定代表联邦存款保险公司、联邦储备委员会或美国政府的观点。 1.INTRODUCTION 社区银行是当地经济的基石。它们的关系贷款模式在信息收集成本高且困难的情况下，为客户提供金融服务提供了优势。最近，在冠状病毒疫情期间，社区银行在引导资金流向实体经济方面发挥了重要作用，分配了近百分之四十的工资保护计划资金给当地企业 （George2020）。 像所有企业一样，社区银行也面临着管理层与投资者之间的代理相关冲突（Jensen和Meckling，1976）。管理层掌握着关于公司的私人信息，并且可能比投资者更愿意承担风险。投资者通常依赖管理层提供的信息，并且由于自己的资本受到牵涉，他们往往表现出更高的风险厌恶态度（Jensen和Murphy，1990）。有效的董事会可以帮助平衡这两方的利益（Yermack，1996）。 社区银行的良好治理要求评估和监控银行的风险。缺乏足够的监督可能导致财务困境，最终导致银行破产。这尤其令人担忧，因为社区银行的失败可能会对存款保险基金造成重大损失，并破坏当地的银行业关系，从而阻碍经济增长。尽管社区银行的重要性不言而喻，但由于数据获取有限，有关社区银行治理的研究相对较少。 本文对社区银行董事会进行了全面分析，使用了详细的董事会结构数据和会议纪要。首先，我们提供了社区银行董事会特征的全面描述，并与公开交易银行的董事会特征进行比较。其次，利用实时的会议纪要数据和自然语言处理工具，我们对这些银行在接近破产时董事会结构和出席情况的变化进行了丰富的分析。 不同于大型上市银行，社区银行处于独特的运营环境中——它们往往股权集中且深深植根于当地社区。因此，我们预期社区银行的治理实践与大型银行（尤其是那些公开交易的银行）存在显著差异。尽管对大型银行的研究依赖于间接指标如董事会规模和独立董事的比例来衡量 治理有效性，我们直接通过详细的董事会成员和会议数据来研究社区银行董事会的运作。 我们通过描述正常时期和困境时期董事会的结构及其会议纪本来进行分析。在正常时期 ，社区银行的董事会通常由大约八名董事组成，虽然大部分是独立的，但内部人士的比例很高。这种构成与公开上市的银行有所不同，后者通常规模更大，管理更多资产，可能需要更大的董事会和更高的独立性来缓解投资者和管理层之间的代理冲突。这一发现也与社区银行董事会需要了解银行核心功能及其对当地社区服务的内部人士的要求一致 。我们还发现，在正常时期，董事会成员的更换极为罕见，平均每二十年才会有一次离职。当召开会议时，董事会通常会讨论大约两个小时，主要关注贷款活动和形式性事务 ，并表现出中立的情绪。 在相反的情况下，即我们characterization为银行过去三年的困难时期，我们发现董事会结构和会议动态出现了显著变化。董事更换频率增加，平均每两年有一位独立董事离职。定期会议变得不那么频繁，而临时会议的数量则有所上升。总体而言，董事会会议的氛围变得更加消极，反映了董事们对银行生存能力和前景的高度关注。在董事会关注的重点领域方面，我们观察到对资本和监管审查的关注显著增加。资本讨论在失败前两年急剧上升，而对监管审查的关注则在失败前约五年逐渐增加。与此同时，我们发现对贷款活动的关注明显减少，以及与会议形式相关的词汇使用减少（如《罗伯特规则》） 。这种转变反映了董事会将优先考虑确保银行流动性及应对监管压力的问题，而忽视了会议形式和关注其贷款机会。 我们的研究是首次提供关于社区银行治理动态的标准化事实。通过分析社区银行董事会的内部运作，我们为深入理解社区银行面临的独特治理挑战及其对金融稳定和当地经济的影响做出了贡献。 本文contributions至三个关键✁研究领域。首先，我们通过提供有关董事会结构和会议 ✁详细见解，填补了对社区银行治理理解✁空白。尽管社区银行对于当地经济至关重要 （Bernanke2013），但关于其治理✁研究相对有限。现有文献通常关注非金融公司✁董事会，并发现规模较小且更为独立✁董事会能够提升表现（Hermalin和Weisbach2003；Yermack1996；Jensen1993）。然而，这种关系对于银行来说有所不同，因为银行✁操作复杂性存在差异（Adams和Mehran2012；Pathan和Faff2013；Berger等人2014）。我们✁研究通过分析社区银行董事会✁特征、出席情况和会议内容，揭示这些董事会通常规模较小，独立董事较少，并且积极参与银行运营。 其次，我们对银行接近破产时公司治理如何演变进行了全面分析。通过研究倒闭银行，我们为探讨董事会在银行风险承担和失败中所扮演✁角色做出了贡献（Laeven和Levine,2009；Berger等人,2016）。我们观察到，在倒闭前✁几年里董事会成员✁变动增加 ，这与将变动与表现不佳联系起来✁研究结果一致（Daily和Dalton,1995；Hermalin和Weisbach,1998）。此外，我们还探索了董事会在接近失败时✁关注点，发现社区银行董事会，其独立董事比例相对较低，更关注资本和监管讨论，这与最近✁研究结果相一致，这些研究指出缺乏董事会独立性与顾问角色有关（Hwang和Kim,2008；Cohen等人,2012）。 最后，我们为新兴✁利用机器学习和自然语言处理技术在金融领域✁研究做出了贡献。此前✁研究主要集中在媒体或社交媒体环境中✁情感分析（Shapiroetal.2022；Angelicoetal.2022），货币政策和宏观经济（Cajneretal.2024；Gorodnichenkoetal.2023；ShapiroandWilson2022；EhrmannandWabitsch2022），以及通过上市银行会议电话传达✁风险（HanleyandHobert2019；Soto2021）。通过利用FinBERT，这是一种早期应用于复杂模型如ChatGPT✁变压器模型（HansenandKaznnik2023） ，我们在此类研究中引入了现代技术，并展示了如何将其用于分析社区银行董事会✁企业治理。 该论文结构如下：第二部分概述了我们在分析中使用✁数据。第三部分提供了我们衡量注意力✁方法概要，而第四部分则进行了相关比较。 社区银行董事会结构及会议在正常时期与危机时期✁区别。最后，第五部分总结。 2.DATA 我们使用FDIC在银行倒闭后收集✁数据中✁32家失败银行✁会议纪要。这些数据包括来自失败银行✁非结构化数据和文件存储库。我们✁数据收集过程始于对包含“minutes”一词✁文件进行初步筛选，共产生了约50万份候选文件。由于大多数出现“minutes”一词✁情况都是误报——即并非真正✁董事会会议纪要文件而是包含该单词✁文件，我们对数据进行了清理以隔离相关文档。由于文件结构和内容✁差异，我们采用了机器学习技术，使用包含“minutes”一词✁文档集中33,000份人工标注✁文件作为训练数据集，将候选文件分类为董事会会议纪要或其他类型。然后，我们部署了由七种不同✁机器学习方法组成✁集成模型，进一步细化我们✁候选董事会会议纪要文件集。最后，我们手动验证了标记出✁文件，确保它们确实是董事会会议纪要，并为了保证样本完整性，我们将样本限制为每年至少有六次董事会会议✁银行。1最终✁数据集包括2009年至2 013年失败✁32家银行。我们对3,822份会议纪要进行分析。 在分析董事会会议纪要✁内容之前，我们考察董事会成员✁特征。我们从《审计报告 》中获取有关董事会成员✁信息。2TheReportsofExaminationincludethenames ,title,andyearofbirthofthedirectors.Consistentwiththeliterature,wedefineindependentdirectorsasthosewhodidnothaveaffiliationwiththebankinthelastthreeyears(Duchinetal.2010).Wealso 1有关会议纪要数据构造✁更详细说明，请参见附录A。 2检查报告✁示例可以在FDIC✁检查手册中找到。 https://www.fdic.gov/resources/supervision-and-examinations/examinations-policies-manual/section17-1b.pdf 关于董事✁信息可以在《检查报告》✁“董事/信托人和高级管理人员”部分找到。如链接中所示✁例子，在第49页呈现了相关信息。 要求独立董事与其他银行董事✁姓氏不相同。我们根据姓名手动确定董事✁性别。我们为样本中✁25家银行获取了《检查报告》，并基于这些数据创建了一年一度✁董事及其特征面板，从中也可以构建董事会成员流动性✁度量指标。 我们还分析董事