李思呈 張友棠 李 娜
(武漢理工大學 管理學院,湖北 武漢 430070)
基于貨幣政策景氣指數的行業融資風險預警定位研究
李思呈 張友棠 李 娜
(武漢理工大學 管理學院,湖北 武漢 430070)
貨幣政策的不確定性沿一定的傳導渠道造成行業融資風險。剖析行業融資風險的貨幣政策傳導渠道,設計基于貨幣政策景氣指數的行業融資風險預警定位矩陣,并采用灰色關聯分析不同貨幣政策與房地產行業融資風險的關聯情況,對房地產行業進行融資風險預警定位分析。
貨幣政策;融資風險;風險預警;灰色關聯分析
宏觀政策環境的不確定性,必將影響企業的正常運行[1]。貨幣政策是一國平衡經濟周期、實現經濟持續穩定增長的重要手段,其調整沿著一定的傳導渠道對企業的現金流產生重要影響,導致企業融資風險。貨幣政策通過何種渠道影響融資風險,基于貨幣政策,景氣監測如何更好地定位和控制行業融資風險,是我國經濟發展中要面對的一個難題。
對貨幣政策景氣的監測,通過貨幣政策景氣指數來反映,它是對一國短期利率和匯率相對基期偏離值的加權平均,通常以利率和匯率對經濟增長的影響來確定權數。貨幣政策景氣指數的經典形式為:MCIt=β1(Rt-R0)+β2(qt-q0)。其中R表示利率,q表示匯率,β表示權重。根據貨幣政策景氣指數模型[2]計算2004年第1季度到2014年第4季度我國貨幣政策景氣變化情況,如圖1所示。指數下降表明貨幣政策寬松,反之則表示緊縮。
基于貨幣政策景氣指數的行業融資風險傳導渠道,指貨幣政策變動沿著一定路徑影響企業融資結構和融資額度,并由此間接作用于企業經營、投資活動風險[3],因此其傳導渠道分為直接渠道和間接渠道。
貨幣政策通過利率渠道和信貸渠道直接影響企業債務籌資水平。貨幣政策中利率的變動與企業當年貸款利息支出密切相關,存在以下傳導渠道:貨幣政策變動→利率水平、法定準備金率→利息支出→融資結構→融資風險[4]。
貨幣政策通過利率渠道和信貸渠道使得企業改變融資結構,并由此間接影響企業經營、投資活動現金凈流量。此處存在如下傳導渠道為:貨幣政策變動→利率水平、法定準備金率→融資結構變化→融資風險→調整經營(投資)策略→經營(投資)活動現金流入量、經營(投資)活動現金流出量→經營(投資)活動風險[5]。
由融資風險的貨幣政策傳導渠道分析可知,監測貨幣政策景氣對行業融資風險可以起到一定的預警作用。可以采用灰色關聯分析法2對貨幣政策景氣指數與行業融資風險指標之間變化趨勢的一致性進行假設驗證。

圖1 我國貨幣政策景氣監測圖
選取融資風險預警指標——經營現金流入利息支出比,來計算行業中各企業所面臨的融資風險,該指標計算公式為:經營現金流入利息支出比=本期負債利息支出/本期經營活動現金流入量。該指標屬于愈小愈好型指標,其中本期負債利息支出反映了企業外部負債融資所付出的成本,本期經營活動現金流入量則反映了企業內部融資的自有資金創造能力。可以根據行業類型直接判斷預警臨界值(小于臨界值無警情,反之則有警情),通常情況下,該臨界值為7%。因此,若該指標大于7%,則表示該企業面臨融資風險。
依據該指標可進一步得到行業融資風險預警指數與預控指數,融資風險預警指數與預控指數相加等于1,如公式1.公式2所示。

當企業面臨融資風險時,即經營現金流入利息支出比>7%,則融資風險預警指數>1,融資風險預控指數<0;當企業無融資風險時,即0<經營現金流入利息支出比≤7%,則融資風險預警指數<1,0<融資風險預控指數<1。由此可見,融資風險預警指數屬于“愈小愈好型”指標,用于判斷行業融資風險超出臨界值的倍數,而融資風險預控指數屬于“愈大愈好型”指標,用于判斷行業融資風險在臨界值下的可控比例,若為負數則表示風險的不可控程度。
根據反應貨幣政策動向的貨幣政策景氣指數和反應行業融資風險可控程度的融資風險預控指數,來對行業融資風險進行定位分析,如圖2所示。其中,橫坐標為融資風險預控指數,縱坐標為貨幣政策景氣指數。當貨幣政策寬松時,若行業融資風險預控指數處于0~1之間,則行業融資風險處于無警,表明該企業具有良好的融資風險預控能力,其融資風險預控指數越趨近于1,表示該企業融資風險可控程度越高;若行業融資風險預控指數小于0,則行業融資風險處于發作期,表明該企業正面臨融資風險發作階段,企業存在融資問題,若不及時改進融資結構,在貨幣政策調整為緊縮后,將導致融資風險的惡化;若行業融資風險預控指數小于0,則融資風險處于惡化期,表明企業融資結構面臨重大問題,這時企業應立即調整融資模式,改進投資和經營策略;當貨幣政策緊縮時,若行業融資風險預控指數處于0~1之間,則行業融資風險處于潛伏期,說明該企業雖然未在當期表現出警情,但是若不及時調整融資結構、過多的短期貸款和盲目擴大投資等均會導致企業財務狀況惡化,面臨融資風險發作的威脅。

圖2 融資風險預警定位矩陣
由于房地產行業相對其他行業融資規模較大,對貨幣政策的動向較為敏感,因此選取滬深兩市房地產上市公司2004至2014年數據進行分析 。剔除數據缺失的公司以及ST公司,確定150家房地產上市公司。
在計算灰色關聯度前,首先計算房地產行業經營活動現金流入量和利息支出的各季度行業平均值并進行無量綱化處理;然后遴選不同類型貨幣政策時期的行業數據;最后采用灰色關聯分析計算關聯度,如表1所示。
由表1可知,貨幣政策寬松時,其與房地產行業各指標的灰色關聯度均高于0.5且低于0.6,由此反映寬松的貨幣政策與影響房地產行業融資風險的經營活動現金流入量利息支出存在一定關聯度,但是影響程度較小。貨幣政策緊縮時,貨幣政策景氣指數呈上升趨勢,其與房地產行業經營活動現金流入量和利息支出灰色關聯度均遠高于0.6,由此反映緊縮的貨幣政策與影響房地產行業融資的經營活動現金流入量和利息支出關聯度較高,而且影響程度相對貨幣政策寬松時期大。因此,檢驗結果支持所有假設。
為了對我國房地產行業融資風險進行預警定位,本文從上述150家房地產企業中選取10家不同規模房地產企業,分別選取貨幣政策寬松的2011年第1季度和貨幣政策緊縮的2013年第2季度指標數據,以便于對不同貨幣政策條件下的房地產行業融資風險進行對比,探討行業融資風險隨貨幣政策變動的演化情況。結果如表2,表3所示。

表1 基于灰色關聯度的房地產行業研究假設檢驗結果表

表2 基于融資風險預控指數的房地產行業風險預警定位表(2011年第1季度)

表3 基于融資風險預控指數的房地產行業風險預警定位表(2013年第2季度)
依據表2,表3可進一步繪制出10家房地產企業在貨幣政策寬松的2011年第1季度和貨幣政策緊縮的2013年第2季度的融資風險預警定位矩陣圖,如圖3,圖4所示。在融資風險無警和潛伏期區域,融資風險預控指數越趨近于0的企業表明該企業融資風險的可控程度越低,此時應當倍加留意企業融資結構,以便貨幣政策變動時及時調整融資策略;在融資風險發作期和惡化期區域,融資風險預控指數越遠離于0的企業,表明該企業融資風險的不可控程度越高,需要做出的融資結構調整相對越難。

圖3 2011年第1季度融資風險預警定位矩陣

圖4 2013年第2季度融資風險預警定位矩陣
由圖3,圖4可以看出,在貨幣政策寬松時期,海德股份、世紀星源兩家企業對融資風險的可控程度遠高于其他房地產企業,在貨幣政策緊縮后,70%企業均進入惡化期,然而這兩家融資風險預控指數較高的企業卻得以幸免,而進入融資風險潛伏期。而貨幣政策寬松時,融資風險預控指數趨近于0的中洲控股、中航地產以及深振業A這三家企業,由于未能提高企業融資管控能力,在2013年貨幣政策緊縮時期,爆發出融資風險,進入融資風險惡化期。此外,香江控股在貨幣政策寬松時表現的融資風險不可控程度較大,而在貨幣政策緊縮時進入融資風險潛伏期,這表明該企業在2011第1季度到2013年第2季度間,做過較大程度的融資調整以防止融資風險的進一步惡化。
[1]林朝穎,黃志剛,楊廣青等.貨幣政策與企業成長——基于收益與風險雙重視角的分析[J].管理現代化,2014(6).
[2]朱培金.基于廣義脈沖反應函數法的貨幣狀況指數構建[J].浙江金融,2014(11).
[3]馬文超,胡思玥.貨幣政策、信貸渠道與資本結構[J].會計研究,2012(11).
[4]李志軍,王善平.貨幣政策、信息披露質量與公司債務融資[J].會計研究,2011(10).
[5]Bernanke B S, Gertler M.Inside the Black Box:the Credit Channel of Monetary Policy Transmission[J].Journal of Economic Perspectives, 1995 (4): 27-48.
F275.5
A
1003-1154(2016)01-0001-03
10.3969/j.issn.1003-1154.2016.01.001
國家社會科學基金重點項目(15AGL008).
1 數據來源:中國人民銀行網站
2 灰色關聯分析方法,是根據因素之間發展趨勢的相似或相異程度,亦即“灰色關聯度”,作為衡量因素間關聯程度的一種方法。灰色關聯度越大,表明兩個因素變化的趨勢具有一致性,即同步變化程度較高,反之,則較低。
3 數據來源:國泰安數據庫(http://www.gtarsc.com/),2004—2014年。