高新技術企業所有權性質與銀行信貸研究

崔元敏

河南大學

高新技術企業所有權性質與銀行信貸研究

崔元敏

河南大學

為了順應時代經濟發展的潮流和新趨勢，我國實施了而創新驅動發展國家戰略，大力支持高新技術的研究和高新產業的發展。高新技術企業投入高，資金周轉慢，回報周期長，具有高風險的特征，由于信息不對稱等現象的存在，融資比較困難。本文主要基于2008-2014年在A股上市的高新技術企業，研究分析了高新技術企業的所有權性質和企業獲得的銀行信用貸款的關系，研究發現，國有背景的高新技術企業更容易獲得銀行的信用貸款。

高新技術企業；所有權性質；信用貸款

一、引言

高新技術企業是指那些投入大量研究與開發資金、為社會提供高科技含量的產品與服務，以迅速的技術進步為標志的特殊類型的現代企業。隨著經濟全球化和知識經濟時代的到來，高新技術產業也已成為各國經濟增長的重要推動器。我國的高新技術企業也存在著高投資、高風險的特點，在發展中存在著融資難的現象，而在我國，企業融資仍然主要依賴于商業銀行。高新技術企業融資難的原因主要是，高新技術企業自身的高風險特性，以及高新技術企業主要是無形資產，而缺乏獲得銀行貸款所需的抵押品，而根本原因是信息不對稱現象的存在。企業能夠提供的信息通常被劃分為兩種：“硬信息”和“軟信息”。“硬信息”是那些易于觀察、證實的信息。“軟信息”通常是銀行和企業的長期接觸建立的。高新技術企業相對于傳統制造業企業在銀行信貸獲取方面存在著“硬信息”的劣勢。而很多文獻指出，企業和銀行可以通過建立一種關系，通過借助這種“軟信息”來降低企業和銀行之間的信息不對稱。因此，很有必要研究高新技術企業如何與銀行建立聯系，因此傳遞“軟信息”獲得更多的銀行貸款。我國的信貸資源主要掌握在國有商業銀行手中，本文從企業的所有權性質角度來研究企業和銀行之間的建立的聯系，以及這種關系與銀行信貸的聯系。

二、理論分析與研究假設

影響信貸資源配置的根本原因在于借貸雙方的信息不對稱。企業可以提供兩種信息來緩解信息不對稱現象，即“硬信息”和“軟信息”。高新技術企業的核心財產和資源是無形資產，在“硬信息”方面存在劣勢。以往的銀企關系的研究主要是基于企業的銀行的業務往來，或是企業高管的從業背景。Petersen and Rajan（1994）度量銀行關系強度的方法為企業接受銀行服務項目的數量、銀行與企業交往的時間長度。Berger and Udell（1995）則采用企業的經營年限來衡量銀企關系強度。唐建新等（2011）研究發現聘請了在銀行工作的人員擔任董事長或者高管的企業，能夠獲得更多的銀行貸款。蘇峻等（2010）研究證明，企業與銀行的關系越緊密，獲得的貸款額度越高，獲得貸款的成本越低。余明桂等（2008）以我國1993-2005年在滬深交易所上市的民營企業為樣本，研究了企業董事長或高管是否現在或曾經任職政治官員、人大代表或政協委員，判斷企業和銀行之間的政治聯系，發現，政治關系可以作為一種替代的非正式機制，幫助民營企業獲得銀行的信用貸款。

另外，有文獻發現， 具有良好政治關系的企業更容易或者以更低的利率獲得銀行的貸款，特別是國有銀行的貸款 （ Sapienza， 2004；Serdar Dinc， 2005）。事實上，企業和銀行之間因為業務往來通常也具有廣泛的關系網絡（ Hochberg et al.，2007），我國的信貸資源也主要掌握在大型國有商業銀行手中，共同的國有屬性也能夠使企業與銀行之間形成天然的聯系。本文從企業的所有權性質方面來研究企業與銀行信貸之間的關系，并提出了如下假設：

在其他條件相同的情況下，相對于非國有背景的高新技術企業，國有背景的高新技術企業能夠獲得更多的銀行信用貸款。

三、研究設計

（一）樣本選擇

本文的樣本選擇了2008-2014年在A股上市的高新技術企業作為樣本，剔除了金融行業的企業，最終得到了5944個觀測值。其中高新技術企業名單源于高新技術企業認定管理工作網的“公式專區”，以及在企業年報中找尋相關信息手工搜集整理。在處理樣本時，對有異常值得連續變量進行了1%的縮尾處理。

（二）研究模型與變量定義

為了檢驗假設，本文將回歸方程設定為：

其中，Creditloan表示銀行信貸比例，為企業獲得的信用貸款占全部銀行貸款的比例。信用貸款的相關數據，從各公司年報中手工整理；State為企業的所有權性質，在本論文中分為國有和非國有，如果企業為國有屬性，則State為1，否則，為0；Lev為資產負債率，反映企業的長期償債能力，為總負債與總資產的比值；Growth為企業的營業收入增長率，等于企業營業總收入本年本期金額和營業總收入上年本期金額的差額除以營業總收入上年本期金額；Tangible為企業的固定資產比例，等于固定資產與總資產的比值；ROA為總資產凈利潤率，等于凈利潤/總資產平均余額，其中，總資產平均余額=（總資產期初余額+總資產期末余額）/2；Year為年度虛擬變量；Industry為行業虛擬變量，采用2012年證監會的行業分類標準。

四、實證結果及分析

（一）描述性統計

首先，我們對變量進行了描述性統計。如表1所示，樣本中，企業獲得的信用貸款占銀行總總貸款的平均值為35.04%，這說明高新技術企業獲得信用貸款的比例并不算高。另外，在變量數據的處理中，本文對連續變量Growth、Lev、Tangible、ROA進行了1%的縮尾處理。

（二）相關性分析

表2列示了主要變量的相關系數矩陣。可以看出，高新技術企業的銀行信貸比例Creditloan與企業的國有屬性State、企業的規模Size、總資產凈利率ROA顯著正相關。銀行信貸比例Creditloan與企業的資產負債率Lev、營業收入增長率、固定資產比例呈現負相關關系，但是不顯著。

（三）回歸分析

表1 各模型變量匯總描述性統計

表2 模型相關系數檢驗

表3為銀行信貸比率與企業所有制屬性的回歸結果。具體見下表。

表3 模型回歸結果

從表3中的回歸分析結果可以看出，銀行的信用貸款Creditloan與高新技術企業的所有權屬性State有顯著的相關性。國有屬性的高新技術企業更容易獲得信用貸款，回歸的結果證明了我們的假設。另外，銀行信貸比例Creditloan與企業的規模Size也呈現顯著的正相關關系，說明，規模越大的企業越容易獲得銀行的信用貸款；Creditloan與企業的資產負債率呈現負相關關系；Creditloan與固定資產比例呈現負相關關系，企業的固定資產能夠作為企業獲得貸款的抵押物、質押物，使企業更容易獲得擔保貸款，因此與企業獲得的信用貸款為負相關關系；Creditloan與企業的總資產凈利率呈現正相關關系，說明企業的盈利能力越強，越容易獲得銀行的信用貸款。因此，在這個回歸中，論文的假設得到了驗證。

五、結論

高新技術企業在我國的發展中起著重要的作用，信息不對稱現象影響著高新技術企業的融資，而企業能夠有效獲得融資，對企業的發展至關重要。以往的研究中發現，關系型融資在企業獲得融資的過程中也起到很大作用。本文和以往從高管背景，企業經營年限等來衡量銀企關系不同，采用了基于所有權性質的研究，以A股上市的高新技術企業為樣本，研究證明出國有背景的高新技術企業能夠獲得更多的信用貸款。

［1］蘇峻、劉紅曄、何佳，關系型信貸與中小企業融資，金融論壇，2010（8）：41-46.

［2］孫崢、李增泉、王景斌，所有權性質、會計信息與債務契約——來自我國上市公司的經驗證據，管理世界，2006（10）：100-107.

［3］唐建新、盧劍龍、余明桂，銀行關系、政治聯系與民營企業貸款，經濟評論，2011（3）：51-58.

［4］余明桂、潘洪波，政治關系、制度環境與民營企業銀行貸款，管理世界，2008（8）：9-21.

［5］Berger N.B.and G.F.Udell， 1995.Relationship Lending and Lines of Credit in Small Firm Finance.Journalof Business， 68（3）， pp.351-381.

［6］Hochberg Yael V.， Alexander Ljungqvist and Yang Lu， 2007.Whom You Know Matters： Venture Capital Networks and Investment Performance.Journal of Finance， 62（1）， pp.251-301.

［7］Petersen M.and Rajan R.， 1994.The Benefits of Lending Relationships：Evidence from Small Business Data.Journal of Finance， 49， pp.3-37.

［8］Sapienza P.，2004，“The Effects of Government Ownership On Bank Lending”，Journal of Financial Economics，72，pp.357-384.

［9］Serdar Dinc，2005，“Politicians and Firms”，Quarterly Journal of Economics，109，pp.995-1025.