企業融資約束度量方法及分析

譚賽月明

武漢大學

企業融資約束度量方法及分析

譚賽月明

武漢大學

1.引言

融資約束最早是由Fazzari、Hubbard和Petersen(1988)提出的，他們認為在資本市場不完備的情況下，企業的外部融資成本與內部融資成本相差很大，使得兩者之間無法完全替代，因此企業會過于依賴其內部資金，而內部資金有限使其無法達到投資的最優化，這種現象即稱作為融資約束。為了研究融資約束在企業行為中的角色，研究者通常需要度量企業受到這樣約束的嚴重程度。然而，在實證研究中融資約束是不可直接觀測的，因此，實證研究中的首要問題就是構建有效的方法來識別和度量融資約束。

現存的文獻中提出了很多不同的度量方法，常用的包括對融資約束進行間接度量的現金流敏感度(Fazzari et al.1988)，以及使用企業財務數據以及自身特征構造度量指數。盡管存在這么多度量企業融資約束的方法，但是關于這些方法的準確性以及優缺點還是存在著很大的爭議。要找到融資約束的適當度量是相當困難的，最完美的度量應當是客觀的、具體的、連續的，并且隨時間變化。不幸的是目前并沒有這樣的度量，盡管如此，在本文中，我們將概括現存的度量融資約束的方法，比較它們之間的優勢和缺陷，希望對后來的研究提出一些可供參考的意見和建議，使得后來的研究者可以按其研究目的和可獲得的數據來參照選擇最合適的度量方法。

2.直接度量

在可能獲得的情況下，融資約束的直接度量是一個有用的工具，避免了后文間接度量方法中描述的理論和測度問題。在這一部分我們主要介紹兩種可能直接度量融資約束的方法，并討論其使用的意義。

2.1 公司報告

一些公司會在年末提供包括其財務狀況的報告--至少在大多數國家股票市場上交易的公司必須這樣做。這些報告包括了許多有關公司財務以及外部融資需要的重要定性信息，這些信息使得研究人員可以將企業受到的融資約束分為不同的程度。

雖然使用這種方法有很多優點，研究者可以根據豐富的可獲得的關于公司約束的信息來將公司按其融資約束水平排序分類，但其主要缺點在于樣本的大小與相關樣本的代表性問題。一方面公司的報告能夠提供豐富準確的信息，另一方面想要獲得大量提供報告的公司是困難的，只有少數公司能夠提供這樣的年度報告。因此，由于代表性問題不能對全體企業做出有關融資約束的推論。

2.2 自我評價：調查數據

近年來，數據收集和可獲得性的進步催生了依賴于商業調查來識別和度量融資約束的實證文獻的新浪潮。作為從企業報告中獲得其外部融資能力的直接信息的替代，直接詢問其是否受到融資約束相對簡單多了。這可以直接通過詢問公司有關融資約束(或獲得外部融資)的單一問題，或者結合一系列不同的問題來完成。

使用這種類型數據的主要優點在于企業自身是最了解其投資項目質量的，因此我們可以預期投資機會已經考慮了企業自己的反應。不同于企業報告，除了直接了解企業對約束的看法，研究者還可以度量小型年輕企業的融資約束，只要它們屬于調查的目標對象。但是，自我評價的主觀性無法避免的存在一些潛在的偏誤，因為其中可能會存在個人看法。

3.間接度量

3.1 現金流敏感性

理論上，融資約束在過去已經被納入一些模型中，但在實證中首次研究可以追溯到Fazzari Hubbard and Petersen (1988)--以下稱為FHP--以投資對現金流的敏感度(ICFS)作為對約束的度量。融資受到約束的企業無法獲得外部融資--至少是無法獲得全部所需數額，或者只能在成本很高的情況下獲得。因此，在投資機會出現的時候這些企業只能依靠從其內部籌得的資金。然而，那些不受融資約束的企業可以輕松地從外部籌得他們投資所需的資金。據此，受到約束的企業會更偏好利用內部資金進行投資(顯著為正的ICFS)，而不受約束的那些企業的投資與現金流則應當沒有明顯的關系。

上面關于現金流敏感性的方法有很多缺點，主要是與事前預分類相關。事前樣本根據一定的分類變量劃分到不同群組，這是要提供企業受到融資約束程度的信息，但事實上這個問題相當麻煩。首先，分類變量是否能準確區分有約束和無約束的公司是值得懷疑的，目前還尚未發現一個很好的代理變量。因此，一些分類方法是由缺陷的；第二，對于代理變量自己是否受到融資約束的影響也是不清楚的。在這種情況下，先驗的分類基于一個內生于融資約束的代理變量；第三，為了使用連續分類變量將企業劃分到不同的組，必須要定義一個不是任意的截止點，這是因為分類變量和融資約束之間的關系可能不是單調的。

3.2 歐拉方程檢驗

基于Q理論以及包含調整成本的投資模型，一些文獻試圖通過估計一個簡化形式的歐拉方程來識別受到融資約束的企業(Whited，1992)。基礎的歐拉方程模型描述了一個給定調整成本的參數的最佳投資路徑，據此，當前投資的邊際成本應當等于未來投資的預期邊際成本。這種方法規定，在完全資本市場下一些參數限制應當被證實，否則說明存在融資約束。

相對于傳統的ICFS，這種方法的主要優點在于避免了Q值的測量，關于Q值的測量被證明是相對困難的，并且限制了對樣本公司的分析。此外，這個方法的實證檢驗所需的數據在很多數據集中都可以找到，主要是企業資產負債表中的信息。然而，這個檢驗是要基于大量的假設以及高度參數化模型的。此外，該框架基于參數的測試，但不能直接產生一個可以在以后估計中使用的參數。最后，與諸CFS的方法類似，由于非單調關系，內生性問題的存在，使用的代理變量可能是有缺陷的。

4.其他的方法

4.1 企業層面現金流敏感性

最近一些文獻基于CFS的理論試圖克服與聚集相關的問題以及CFS方法通常面臨的預分類方案的問題，這種方法包括在公司層面引入異質性的融資約束度量，沒有必要使用定性數據或者高度參數化的基本模型。在這個框架內，通常有兩種方法被提及：一方面，Hovakimien與Hovakimien，假定基于現金流加權的時間平均；另一方面，D'Espallier， Vandemaele和Peeters (2008)，推薦估計異質的CFS回歸的現金流斜率。

由HH提出的測度方法比較了現金流量加權與投資平均時間的乘積與簡單的平均投資，因此，在現金流量較高的年份里投資的權重較大，這就意味著如果一個公司在現金流較高的年份里投資更多(少)，那么HH指數就會為正(負)。雖然簡單，這種方法不能控制投資機會成本以及其他變量對投資的影響。EVP提出一個不同的角度來估計CFS回歸中異質的現金流斜率，與CFS回歸同樣的道理，可以得到一個系數向量而不是標量。因此，我們得到每個企業的現金流敏感性。所以，與HH指數對比，這種方法允許控制一系列其他相關變量對被解釋變量的影響(如投資機會)。然而，對企業層面斜率的估計需要更精細的估計技術，可能會在事實過程中產生一些復雜的問題。

4.2 代理變量

使用代理變量是度量融資約束最為簡單和實用的方法，通過定義，如果一個給定變量與融資約束是高度相關的，那么它就有可能是一個很好的代理。如果有非常好的代理變量可用，那么它就可以很容易的被用作是特定公司隨時間變化的被解釋變量或解釋變量。

很大一部分(不是全部)對融資約束進行實證研究的文獻都依賴于不同種類的代理變量，無論是作為解釋變量還是分類變量。常用的代理變量有以下幾個：現金流，現金股票，規模，出口，R&D強度，杠桿，股利支付比率，集團成員資格和所有權。即使存在不同的變量與融資約束相關，要找到一個好的代理變量依然是很困難的(Cleary et al.，2007)。此外，代理變量的使用依賴于之前融資約束與各變量之間關系的設計，而且如果這些關系是非單調的，那么相應的代理變量只能在整個空間的子集中有效。

5.總結

企業獲得融資的分析很容易受到方法學研究的挑戰，本文綜述現有的用于識別和測量融資約束的框架。顯然，研究者有很多不同的方法可以選用，并且每一種方法也許有著互補的優點和缺點。因此我們很難確定一個最好的選擇，事實上，我們可以說根本沒有一個完美的度量標準，這種情況對經濟研究以及政策制定上有著嚴重的影響。因此，在研究中應當盡量避免使用單一方法，使用不同方法結合相互印證，可以增強結論的穩健性。并且當使用某種方法度量融資約束時應認識到該方法的局限性和可能存在的偏誤。

總之，在研究與融資約束相關的問題時應依據自身研究的主題使用不同的衡量方式，未來的研究方向應該是努力發展更好的研究方法來評估公司的融資約束，這一領域的研究在提供結論和政策建議時必須十分謹慎。

[1]Almeida，H.，Campello，M.，Weisbach，M. 2004，The Cash low Sensitivity of Cash[J]. Journal of Finance. 59. 1777- 1804.

[2]Clear，S. The relationship between frm investment and fnancial status. Journal of Finance， 1999， 54： 673- 692

[3]Caballero， Ricardo J. Aggregate Investment [R].Working Paper1997，No.6264

[4]鄭江淮，何旭強，王 華.上市公司投資的融資約束：從股權結構角度的實證分析[J]. 金融研究， 2001，(01)：92- 9.

[5]馮 巍.內部現金流量和企業投資[J].經濟科學，1999，(01).

[6]李勝楠，牛建波.上市公司負債 水平與投資支出關系的實證研究[J].證券市場導報， 2005，(03).

譚賽月明(1992.07-)女，漢，湖北鄂州，研究生，單位：武漢大學，研究方向：國際貿易、融資約束

上接(第2 9頁)

4 評價指標比較結論

4.1 指標體系結構分析

在進行企業核心競爭力評價指標體系設計時，使用較多層級會增加指標選取的工作量，使工作的難度加大，浪費評價者精力，邊際效益值遞減；而相反的，層級太少則不夠全面具體，不能突出評價的重 點，使得評價體系難以正確衡量企業競爭力水平。因此指標層級的選擇要突出重點并選擇合適的層級結構。

4.2 指標體系數量分析

對核心競爭力評價體系中究竟該采用多少指標數量目前尚未有統一定論，對一個企業來說，如果核心競爭力評價指標數量過少，就不能客觀全面的反映這個企業的核心競爭能力高低，評價效果會打折扣；而較多數量的指標則難以找到核心競爭力評價的重點，導致增加無謂的工作量。

從表2～表6數據分布來看，對于二級層級結構的企業核心競爭力評價體系，筆者建議其對應的第一層級的指標 數量應以4～5個為宜(二級層級結構第一層級指標數量為4～5個占該層級總指標數量的70%)，而第二層級指標數量一般應控制在10～29個(二級層級結構第二層級指標數量為10～29個占該層級總指標數量的80%)。三級層級結構的企業核心競爭力評價體系，其對應的第一層級的指標數量宜在4個左右；三級層級對應的第二層級 指標數量分布相對集中，都在10～19個這個范圍，因此在指標體系構建時，將該指標數量控制在10～19這個范圍內是比較合理的；其對應的第三層級指標數量宜控制在10～29個(三級層級結構第三層級指標數量為10～29個占該層級總指標數量的79%)。

5 結語

目前在我國經濟新常態的發展下，對企業的核心競爭力進行全面客觀的準確評價具有重要意義，也是社會發展進步的需要。評價主體的目的、企業規模、企業類別、環境因素、數據的采集難易程度、評價成本的投入程度、評價主體的期望結果等很多方面決定了企業核心競爭力評價的復雜性。在理論與實踐中，適當考慮指標的層級、指標數量、指標隸屬情況等方面，制定出一套適合自己行業的綜合評價體系。

參考文獻：

[1] PRAHALDA. C. K， HAMEL. The Core Competence of the Corporation [J].Harvard Business Review， 2009，57(4)：79-91.

[2] CHRISTOS. N. PITELIS， EDITH PENROSE The Theory of the Growth of the Firm Fifty Years Later[J]. Munich Personal Archive， 2008，56(2)：7-13.

[3] Rink D R，SWAN J E. Product life cycle research：a literature review[J]. Journal of Business Research，1979，7(3)：219-242.

[4] 周叔蓮，王偉光.中國企業如何提高核心競爭能力[J].經濟管理.2012(21)：18-20.

[5] 張建民.對企業核也競爭力的再認識[J].技術經濟與管理研究，2011，(1);55-59.