上市公司融資約束度量指標設計及評估

□文/東長春

（南京理工大學 江蘇·南京）

一、引言

在融資約束理論的實證研究中，一個十分重要而又相當棘手的問題是，如何尋找一個能夠較好地反映公司融資約束程度的度量指標。由于公司面臨的融資約束程度不能直接觀察，多數學者只好借助于一些間接的單變量度量指標進行實證研究。也有一些學者采用多元財務指標構建了融資約束指標，但這些指標的構建均是以西方發達資本市場的數據為基礎。

基于以上考慮，利用我國資本市場數據，借鑒國內外學者在構建相關指標時的計量方法，采用主成分分析法，設計反映公司外部融資約束程度的融資約束指標。在此基礎上，借助于財務理論研究中廣泛應用的投資-現金流敏感性這一工具，間接地對融資約束指標進行評價。

二、相關文獻概述

一般來說，融資約束主要有兩個來源：非對稱信息和交易成本。非對稱信息是研究融資約束對公司投資行為影響的理論基礎，它主要表明公司外部投資者所要求的風險溢價，如果公司經理層與外部投資者之間的非對稱信息嚴重，則該溢價就高；反之，則該溢價就低。從而公司非對稱信息的嚴重程度度量了公司受到的融資約束程度。即使非對稱信息問題微不足道，由于新股票或債券發行的登記費用、認購費用以及其他管理費用都可能導致內外融資成本存在差異。從某種程度上來說，交易成本的產生是由于信息非對稱和不完全引起的。因此，融資約束產生的根源在于資本市場的不完善性，即金融市場的非完全有效性。

1、國外研究現狀。國外圍繞融資約束的研究主要存在兩種不同的觀點。Fazzari、Hubbard 和Petersen（以下簡稱FHP）基于資本市場的信息不對稱，以優序融資理論為基礎，提出了融資約束的概念。他們首先把融資因素引入到投資模型中，研究了不同融資約束程度下投資與內部現金流量的敏感性問題，實證結果表明融資約束和投資-現金流量敏感性成正相關，驗證了融資約束的存在。Scharfstein、Lewen 和Kearney 也分別得到了類似的結論，他們發現外部融資活動帶來的種種限制促使企業保留一定的現金流量進行投資，否則企業可能錯失好的投資項目，而內部現金流量的波動對于戰略投資活動的影響尤為顯著。

Kaplan 和Zingales 重新計算了FHP的樣本數據，在融資約束和投資支出的關系上卻得到完全相反的結果，融資約束和投資-現金流量敏感性呈負相關，即融資約束大的企業，其投資-現金流量敏感性反而更低，由此認為投資-現金流量敏感性不能作為融資約束存在的證明。

在實證過程中，融資約束的度量方法一直是實證研究的難點和關鍵。目前，作為度量融資約束的代理變量主要有股利支付率、公司規模、利息保障倍數。但融資約束本身是一個相對復雜的問題，用一個變量所能代表的信息有限，因此單一變量度量融資約束程度的缺陷是很明顯的。就股利支付率而言，股利作為分配盈余的一種方式實際上只能傳遞部分融資約束的信息，特別是在受到暫時或突然的融資約束時，公司通常不會改變股利支付以樹立公司穩健的形象保持股民信心；中國長期以來支付股利隨意性大，缺少連續性，同時有很多公司不分配現金股利，因此以股利支付率作為融資約束的分類變量在中國是不合適的。

Cleary 為了避免單一分類帶來的局限性，使用了判別式法，構建多重指標綜合反映融資約束程度，但是Cleary 用股利支付率升高、降低和不變作為融資約束的預分類變量，其缺陷也是顯而易見的。

2、國內研究現狀。國內對融資約束問題研究起步較晚，以上市公司為樣本進行實證研究的比較少，研究的問題主要集中在將公司按不同的分類標準分組，驗證不同融資約束程度的公司其投資與現金流量敏感性的差異。如，馮巍通過股利支付率作為融資約束的預分類變量，證明了低股利、非國家重點企業、無主辦銀行制度的公司其現金流量對投資的影響更大，驗證了中國融資約束的存在；何金耿將融資因素引進公司的投資模型，研究不同股權控制類型公司的投資與現金流量的關系；鄭江淮、何旭強、王華從股權結構的角度，對上市公司后續投資的融資約束狀況分化進行了實證檢驗；田祖海、吳楚松主要從理論上對融資約束進行了探討，認為企業投融資方式的選擇就是各個利益相關者為了自身的利益最大化而對剩余索取權和控制權等利益分配及利益沖突的博弈過程；魏峰、劉星則研究了融資約束、不確定性和公司投資行為之間的內在聯系，發現不確定性在某種程度上減輕了融資約束對投資的影響。

隨著中國經濟的快速發展，上市公司作為投資主體必將面臨眾多投資機會，對外投資時受到融資約束限制是公司無法回避的問題，那么中國上市公司受到融資約束的狀況如何。本文通過分析融資約束的影響因素，篩選制約融資約束的指標，利用主成分分析的方法計算融資約束程度。

三、融資約束的度量指標設計

本文利用WIND 數據庫，選取A 股市場上自2007～2009年1，217 家公司的數據，采用SPSS 統計軟件進行處理。為了保證樣本的連續性和有效性，消除異常樣本對數據分析產生的不良影響，對樣本數據做了統計上的處理。

在融資約束的度量上借鑒了Cleary的思想，為了能夠充分反映融資約束程度高低對投資支出的敏感性，對融資約束高低程度進行定性預分類；然后以定性預分類融資約束高低組為樣本，從融資約束的表現形式及影響因素入手并運用獨立樣本T 檢驗篩選指標，然后運用主成分分析構建融資約束程度的量化公式。

進行定性預分類時，用股利支付率和公司規模共同作為融資約束的代理變量。首先分別按股利支付率和公司規模對研究樣本進行排序，由于中國股利支付率較低，對于大量的零股利企業再按利息保障倍數排序；然后選取在上述兩種分組模式下均進入前30%和后30%的公司作為融資約束高和融資約束低的組別。并在構建融資約束程度的量化公式時，從融資約束的表現形式及影響因素入手，選取了涉及公司的流動性、資本結構、現金能力、盈利能力、成長能力、公司風險、企業規模和資金成本8 個方面13 個指標作為構建度量融資約束的指標體系的備選指標，包括流動比率、資產負債率、產權比率、現金凈利率、現金/資產、凈資產收益率、資產凈利潤率、銷售利潤率、貝塔系數、公司規模、利息負債比、現金/凈資產和營運資金/資產。對上述兩個組別的13 個指標進行獨立樣本T 檢驗，以分析兩個組別的13 個指標是否存在顯著差異，認為通過T 檢驗的指標表現出融資約束高和融資約束低組別的特征，可以作為評價融資約束程度的度量指標，最后將通過T 檢驗的指標用主成分分析方法計算得到融資約束程度的度量值，計算過程通過SPSS 軟件實現。

1、融資約束指標T檢驗結果。將前文的融資約束高和融資約束低組別的13 個指標進行獨立樣本的T 檢驗，發現資產負債率、產權比率、流動比率、公司規模、凈資產收益率和銷售凈利潤率通過了檢驗，說明融資約束高和融資約束低的公司之間上述6 個指標存在明顯差異，因此將這6 個指標作為最終主成分分析構建度量融資約束程度的指標。

2、融資約束度量主成分分析計算結果。通過計算得出指標特征值及累計解釋率，通常應盡量選取特征根大于1 或者選取包含85%以上信息量的主成分。為了使提取的主成分盡量不丟失原有信息，本文提取表2 中累計解釋率大于85%的3 個主成分。（表1、表2）

表1 特征值及累計解釋率（Total Variance Explained）

表2 主成分提取結果（Component Matrix（a））

根據主成分提取結果表，得到各主成分的表達式如下：

Comp1 =0.532x1+0，606x2+0.818x3-0.223x4-0.073x5+0.171x6

Comp2 =0.118x1+0.155x2+0.187x3+0.728x4+0.211x5-0.770x6

Comp3 =0.756x1-0.655x2+0.004x3+0.069x4+0.024x5+0.057x6

根據原始指標的特征值和累計解釋率得出公司融資約束高低程度的量化公式為：

FC =0.3842comp1 +0.3395comp2 +0.2763comp3

在FC 作為衡量指數的條件下，通過“投資-現金流敏感性”模型和現金流與融資約束虛擬變量交乘項的回歸，公司融資約束程度與“投資-現金流敏感性”呈正相關關系。這些實證研究結果與FHP（1988）的研究結論是一致的。

通過指數的比較，在FC 指數和股權支付率作為衡量指標的條件下，隨著融資約束程度的增加，現金流系數增加，相較之下FC 指數解釋力更強一些。

但是，同時我們面臨的困境之一是融資約束指數的評價是一個很難解決的問題，由于上巿公司所面臨的外部融資約束不能直接觀測到，我們所得到的衡量融資約束指數也同樣不能通過可觀測的其他現象、財務指標或者事實來進行評價。因此，本文將所構造的融資約束指數應用到該模型中，借助融資約束理論文獻中的“投資—現金流敏感性”這一廣泛被應用于公司財務理論研究中的工具，來判斷該指數是否可以有效反映我國上巿公司融資約束大小。本文主要考慮的問題集中于構建一個適合描述我國上巿公司融資約束大小的指數。然而，由于時間的能力有限，本文沒有對融資約束領域的更多問題進行討論。在找到合適的衡量我國上巿公司融資約束大小的指標之后，可以對融資約束與公司現金持有政策、現金持有量價值、我國金融發展、巿場化進程等關系進行進一步的、更深層次的實證研究，以此來發現一些啟示和建議。

［1］申樸，劉康兵.中國城鎮居民消費行為過度敏感性的經驗分析：兼論不確定性、流動性約束與利率.世界經濟，2003.1.

［2］汪紅駒，張慧蓮.不確定性和流動性約束對我國居民消費行為的影響.經濟科學，2002.6.

［3］周好文，潘朝順.不確定性、流動性約束與中國居民的消費行為.財經研究，2002.10.