人民幣“入籃”下我國上市公司的融資約束研究

楊 洋 易煜岑 賴曉東

人民幣“入籃”下我國上市公司的融資約束研究

楊 洋 易煜岑 賴曉東

本文首先以人民幣匯率、金融改革與金融生態環境建設、貨幣政策及企業國際化四個角度為中介，發現人民幣“入籃”能擴大上市公司的融資規模與手段，進而確定了資產負債率等10個財務指標構建的融資約束評價指標體系，建立主成分logistic回歸模型。結合我國1357家上市公司2013-2015年間的財務數據進行實證檢驗，計算結果顯示目前我國上市公司的融資狀況一般，公司資產規模、盈利能力、負債水平都是重要影響因素。而在人民幣加入SDR的背景下，我國上市公司應緊緊抓住這一契機，借助國際資本的力量，打破資金荒帶來的融資約束困局，為企業的未來贏得更好的發展。

SDR 融資約束 主成分分析 logistic回歸

一、引言

2016年10月1日，IMF執行董事正式宣布將人民幣納入特別提款權（SDR）貨幣籃子，權重占比10.92%，成為繼美元、歐元、日元和英鎊之后的第五種“入籃”貨幣，為超主權貨幣的建設提供了新興市場的力量。對于“中國企業”這艘巨型航母來說，人民幣在自主定價上話語權的提高，將促進對外貿易和投資發展，降低經營成果的不確定性，有利于在經營活動穩固的情況下的企業財務核算以及融資壁壘的拆除，重塑企業融資結構。

而世界銀行的報告已經表明，在80個被調查國家中，中國有75%的非金融類上市企業選擇將融資約束列為企業發展的主要障礙，比例為全世界最高（Claessens & Tzioumis,2006）。并且，當前我國企業存在信息不對稱、公司規模歧視、交易成本等問題，不符合MM理論中的完美資本市場的定義，因此，融資約束不但會影響企業的投資決策，也會成為制約企業經濟轉型和產業結構升級的重大阻力。由于難以籌措資金，許多企業也因此將其發展規劃從利潤最大化轉化為債務最小化，這種目標錯位嚴重損害了一個企業的長期發展。

基于以上分析，本文將針對人民幣“入籃”大環境下，如何破解企業融資約束困境展開討論。FHP（1988）在其具有開創性的研究中將融資約束定義為：資本市場不完善的情況下，公司內部融資成本存在較大差異，導致內部融資具有不完全替代性，并由此產生投資低于最優水平、投資決策資金高于公司內部資金的問題。結合財務指標體系，發現在企業層面缺少有效的融資約束代理變量，使得企業融資困難程度無法通過數據直接觀察。因此目前在關于融資約束的實證研究上，主要有以下三種方法：Fazzari、Hubbard和Petersen（FHP，1988）方法，Kaplan和Zingles（KZ，1997）方法及Cleary（1999）方法。而我國關于企業融資約束的研究成果大多運用多元線性回歸分析和面板數據，以借鑒國外現有研究方法為基礎，從不同的視角，主要為財務指標選取差異帶來的計算結果的不同，對我國企業融資約束問題展開分析。Whited 和Wu（2006）在考察融資約束與股票收益時，構造了WW指數，得到廣泛應用。

人民幣“入籃”作為人民幣國際化歷程上的里程碑，其對我國上市公司融資約束的影響還缺乏定量的研究。而本文試圖引入0-1虛擬變量，采用主成分Logistic回歸的方法構建融資約束評價模型，以消除所選財務指標之間的相關性，并以人民幣匯率、貨幣政策、金融改革與金融生態環境與企業國際化等四個方面為切入點，從融資層面上為我國上市公司的發展前景獻策。

圖1 主成分邏輯回歸流程圖

圖2 主成分貢獻率

表1 融資約束評價指標體系

二、人民幣加入SDR對我國上市公司融資約束影響的路徑分析

鑒于上市公司現主要采取外部融資的方式進行資金的融通，而外部環境的變化會給企業帶來諸多不確定因素。在人民幣加入SDR的大環境下，為將這種不確定因素所帶來的風險降至最低，有必要探尋人民幣“入籃”對我國上市公司融資影響的傳導機理。

（一）匯率波動

2016年下半年，受到美國加息預期升溫的影響，人民幣對美元中間價跌至6年來的新低，但縱觀其他籃子貨幣，10月份，歐元下跌2.5%，日元爆跌3.6%，英鎊跌幅超過6%，而離岸人民幣僅為1.6%，月初人民幣“入籃”帶來的幣值穩定效應有所顯現。而從企業層面來看，匯率波動所引發的財務風險主要表現為折算風險和交易風險，其中，折算風險降低了企業合并報表的價值，給企業帶來不利的影響；交易風險使存在未軋平外匯敞口的企業發生經濟損失，雖然計量貨幣的幣值大幅波動在短期內不會發生，但隨著人民幣國際化進程的不斷加快，不排除出現外資“炒匯”的現象，這些風險也都會通過企業的財務報表尤其是資產負債表中反映出來。也就是說，資產負債表上相關財務指標的狀況可以折射出企業受到匯率波動影響的程度。具體的，在盈利能力上，例如銷售利潤率、成本費用利潤率、資產總額利潤率等都能夠反映企業承擔匯兌風險的能力。因此，提前做好對沖準備，對我國企業，特別是出口企業來說，至關重要。

（二）金融改革與金融生態環境建設

隨著我國金融體制的不斷健全，可供企業選擇的資金籌措手段也日益豐富。特別是人民幣“入籃”，不僅意味著我國金融制度和監管機制改革更趨緊迫，同時也將倒逼我國金融市場開放，進一步疏通多方資金渠道，緩解企業面臨的資金荒、資金鏈斷裂引起的融資約束。從企業內部來看，我國正規金融體系改革將降低企業內部資金的乘數效應，并對企業總資產增長產生影響；而外部環境方面，銀行規模變化、銀行商業化改革、信貸配置、股市規模變化等，都會通過時間與行業的交互進而造成企業融資不同程度的問題。

歸根到底，金融改革目的是為了營造政治、經濟、文化、地理、人口等方面共同和諧發展的金融生態環境，而在良好的金融生態環境下，企業的融資約束也會相對較低，資本結構與成長性將會呈現負相關關系；相反，較差金融生態環境下，資本結構與成長性之間的正相關關系則會加重企業的融資負擔。而這種門檻閥值效應在我國格外顯著。

（三）貨幣政策走向

我國當前實行有管理的浮動匯率制，這就需要我國采取適當的貨幣政策，如公開市場操作與提高再貼現率等，實現匯率的浮動管理。特別是，人民幣國際化、國內經濟通貨緊縮等宏觀態勢都使得央行貨幣政策獨立性和效果不斷減弱下，企業的融資需求、融資難度與融資費用會受到不同程度的影響，企業的融資策略與融資結構也會發生轉變。

而另一方面，由于不同企業間的管理能力存在差異，加上政府對信貸資金配置施加微觀干預，寬松的貨幣政策會降低外部管理能力較強的企業的融資約束，而加重內部管理能力相對較強企業的融資約束。這樣一來，短期內，貨幣政策的調整對公司綜合財務能力反而產生一定程度的反向影響作用，時間一長，這種作用才會慢慢向正向演變。

（四）企業國際化

伴隨著人民幣加入SDR，中國企業“走出去”的步伐也在不斷加快。加強企業會計準則、財務管理與國際接軌，不僅會促進企業日常業務能力的增強，還會在盈余管理以及風險控制上為企業創造更好的生存條件。例如，優良的財務杠桿結構，靈活的償債能力與變現能力，能夠減少資金錯配時間差帶來的損失。而與此同時，除了業務流程上的改善，企業的財務轉型還包括職能定位、人力資源、組織架構、信息系統等方面進行優化，這些都將會有利于提高企業的財務效率。

表2 主成分系數表

表3 回歸系數檢驗

三、主成分邏輯回歸的思想及基本步驟

本文參考鄧翔（2011）對我國企業融資約束行業研究中使用的方法，建立主成分邏輯回歸模型。

主成分邏輯回歸首先利用主成分分析，設法將原來眾多的具有一定相關性的指標，重新組合成一組較少個數的互不相關的主成分，從而避免信息的重疊。接著，在此基礎上對樣本數據進行邏輯回歸分析，從而建立主成分邏輯回歸模型。具體步驟如下：

（1）依據分組變量數值大小，采取一定的規則，將樣本企業分為高融資約束組與低融資約束組；

（2）提取可能會受人民幣加入SDR影響的財務指標，以及其他研究學者常采用評價融資約束狀況的財務指標，依據指標的全面性、有效性和可操作性，選取融資約束回歸模型解釋變量；

（3）對樣本數據進行圖1所示流程的主成分分析，得到特征方程的特征根，即對應指標的方差貢獻率，從大到小依次記為

（4）選擇彼此不相關且累次方差貢獻率滿足大于85%的主成分作為邏輯回歸分析時的解釋變量；

（5）進行邏輯回歸分析，并對回歸方程的擬合程度（對融資約束問題的解釋程度）與顯著性（對企業融資約束的影響強弱）進行檢驗，檢驗模型對樣本數據的預測準確率。

四、實證研究

（一）樣本數據的選取

本文選取我國滬深兩市的A股非金融類上市公司作為研究樣本，對各公司2013-2015年間的財務數據進行研究。考慮到極端數據可能會導致評價結果誤差較大，剔除以下類型公司：（1）存在財務危機，不能正常持續生產經營，面臨整合、重組危機的公司，包括ST、*ST、PT公司；（2）首年IPO的公司，這類新上市公司剛剛獲得大量股權融資，其融資約束程度與其他公司不具有可比性；（3）存在極端數據的公司，這些數據可能由于人為統計失誤產生；（4）樣本期數據不全的公司。

最終，篩選得到1357家上市公司2013-2015年的6785份面板數據，數據來源于RESSET金融數據庫，部分缺失數據通過查閱公司報表補全。

（二）融資約束衡量指標的選擇

至今融資約束問題沒有公認一致的衡量指標，不同的衡量指標會對結果產生不同的影響。Hadlock & Pierce(2010)研究發現一些簡單的代理變量，如公司規模、公司年齡等比KZ指數對融資約束的判斷效力更強。而依據優序融資理論，企業會首先考慮從內部籌措資金，因此Cleary（1999）率先利用股利支付率對樣本企業進行分組研究。但對我國上市公司而言，股利支付率的隨意性大、連續性差，并且公司受到融資約束時間較短，因此企業股利政策的時滯性很難判斷該企業是否受到融資約束。

本文參考成力為（2013）、何青（2013）的研究，選取利息保障倍數和現金存量作為分組指標。利息保障倍數(以下簡寫INTCVR)作為企業債券融資的代理變量，通過企業息稅前利潤與利息費用之比，企業獲利能力的大小，并且體現了獲利能力對償還到期債務的保證程度；利息保障倍數越大，其受到融資約束的可能性就越小，一般INTCVR大于1時，企業才能維持正常償債能力。而現金存量為貨幣資金與短期投資凈額之和，反映了企業內部資金的持有量，考慮到企業會留有部分盈余補充流動性，并將其資本化，因此現金存量數值的大小與企業受到的融資約束情況呈現負的相關性。

（三）樣本分組

鄧翔（2011）在對融資約束分組時采用了二分法，得到計算結果與實際比較一致。因此本文依據利息保障倍數與現金存量大小，對樣本分組：(1)對樣本企業現金存量的觀測值，由大到小排序，并對排序后的樣本企業進行分組，序列前33%的觀測值作為低融資約束組，后33%的觀測值作為高融資約束組；(2)類似的，根據所有樣本企業的利息保障倍數，確定對應的低融資約束組與高融資約束組；(3)對上述兩次分類中，同時歸為高融資約束組的樣本企業取交集，將它們作為高融資約束組研究對象；同樣，對同為低融資約束組的兩組樣本企業取交集，將其作為低融資約束組研究對象。

得到低融資約束981個樣本，高融資約束組848個樣本，其余樣本數據不作為研究對象。

（四）評價指標體系建立

Bailey et al. (2011) 在刻畫我國信貸市場特征時發現，國有銀行往往會出于政策考慮貸款給國有企業，從而國有企業更容易獲得信貸支持。類似的，上市公司的其他指標也可以間接反映所受到融資約束狀況。綜合考慮數據可獲取、前人經驗、理論研究、我國國情等要素，建立融資約束評價指標體系如表1所示。其中財務松弛變量參照Cleary（1999）的計算方法，計算數值越大說明企業財務越靈活，融資約束問題越小。

（五）主成分邏輯回歸模型建立

1．主成分提取

將 1829個樣本劃分為10個樣本集,記為：Xi并計算得到樣本相關系數矩陣。發現∑指標之間相關程度較大，其中資產收益率、資產報酬率與每股收益之間的變化趨勢幾乎一致，其中資產收益率、資產報酬率之間相關系數達到0.956。

計算得到各主成分的貢獻率及前m個主成分的累計貢獻率。通常情況下，認為能夠表達原始數據85%以上的主成分即可表示代表所有樣本信息，因此選取前6個主成分作為解釋變量。

觀測主成分系數表，可以看出，第三主成分主要是營業收入增長率與資產收益率的加權和，其值越大，說明該企業收入增長越快或收入基數越大，因此第三主成分是判斷公司盈利能力的綜合因子，稱為盈利因子。類似的，第1,2,4,5,6主成分依次命名為綜合因子，資產因子，債務因子，規模因子和流動因子。

綜合所選主成分對原始指標的解釋程度，可以看出，每股收益幾乎能被其他變量完全解釋，而公司規模對企業融資過程中的各個方面都會產生一定的影響。

2．回歸方程

經過獨立T檢驗發現，各個主成分在高融資約束組與低融資約束組之間差別較大，因此將高融資約束組設為1，低融資約束組設為0，也即為該回歸模型中關于融資約束程度的替代變量。進一步，統計前k個樣本中高融資約束組發生的概率,構造回歸方程，利用極大似然估計法得到如（1）所示回歸方程，并且由表3可以看出所有系數的Z檢驗統計量均顯著，因此所有主成分對企業發生融資約束都會有一定的影響。

Logisitic 模型的概率預測如下，表示企業面臨融資約束的概率，P值越接近于1，表明公司存在較強融資約束的可能性就越大：

（六）模型檢驗

為檢驗模型是否整體有效，計算模型整體的擬合優度,結果表明模型對原始數據的解釋能力較強，也較能反映我國上市公司的融資約束狀況。

并且，殘差服從均值為0的正態分布，這與回歸方程的原假設中關于殘差的假設一致，變量之間不存在異方差性與自相關性，即各個主成分圍繞其均值的分散程度基本一致，彼此相關程度較弱。

此外，1829份樣本中僅有56次判斷錯誤，模型整體的正判率說明模型整體預測值與實際值的吻合程度很好，模型的準確率較高。可以用來預測上市公司的融資約束狀況。

（七）計算結果

1．我國上市公司的融資狀況一般，雖不是限制其發展的主要因素，但優化空間巨大

計算結果表明我國54.07%的上市公司擁有較好的綜合融資能力，但仍有接近一半的上市公司受到資金短缺的困擾。這其中，低融資約束組中，71.78%的上市公司的評價值小于0.01，87%的高融資約束公司評價值大于0.95，即這些公司沒有穩定的資金源，日常生產經營活動受到融資困難困擾的比例高達95%，嚴重的兩級分化狀況不利于我國整體經濟的運行。

2．公司資產規模越大、盈利能力越強、負債越少、資產流動性越弱，受到融資約束可能性越小

從Logistic模型的各個參數符號可以看出綜合因子、資產因子、盈利因子、規模因子與企業的融資約束狀況具有一定的負相關性，即這些主成分值越大，公司受到的融資約束程度的可能性也會越小，而債務因子、流動因子與企業融資約束具有正相關關系，這一結論與原始指標經濟含義推導出的結果極為一致。除資產負債率、流動比率與速動比率外，其余指標的值越大，企業受到融資約束的可能性也就越大。所以，當企業面臨高融資約束時，市場波動性與投資的正相關性也會加強，也就是說，市場波動較大時，風險偏好強的高融資約束企業更愿意進行高風險的投資活動，其賭博心理也會更加嚴重；與此同時，企業在制定融資策略時也需考慮負債狀況，特別是長期債權與短期負債的比例，而企業規模的大小、盈利能力等，也會不同程度影響企業的融資。

3．我國上市公司融資約束受資產流動影響最大

具體分析高融資約束組公司的主成分值，發現大多數公司融資較差的狀況主要由其資產流動性所致。資金較低的流動能力以及不合理的財務杠桿率都會使得企業在生產經營過程中資金的流轉受到阻礙。在龐大的資產負債表背后，現金流量的缺失影響資金提供者的放資意愿，導致企業資金周轉困難，生產難以維持，內部缺乏一個完整的資金周轉鏈會嚴重威脅企業的生存。

其次，巨額的負債與較弱的盈利能力都會收窄企業融資的途徑。合理的舉債經營可以有效地為資產負債表注入活力，而企業能夠采用“債務杠桿”模式經營的首要條件是強大的盈利能力，這也是企業尋求外部融資過程中，投資者會重點考量的問題，也進而催化了我國企業融資難的局面。

五、結論

資金作為企業經濟活動的第一推動力，其對企業的經營發展至關重要。通過上述回歸結果發現，背負較輕的負債、擁有強大的盈利能力與流暢的資金流動水平的大型上市公司受到融資約束的可能性也就越小。而目前，我國體量相對較小的上市公司面臨融資約束狀況不容樂觀，有些公司盡管生產技術發達，卻依然受困于資金流通不暢的尷尬境地。因此，在人民幣加入SDR的大環境下，我國政府、金融機構、上市公司都應做好準備，為緩解企業融資矛盾創造良好的市場氛圍。

于國家而言，在深化利率市場化改革的同時，引領金融機構增強自身競爭力，樹立良好的風險觀念，為中國企業提供更加優質便捷的融資服務，刻不容緩。其次，提高企業特別是是國有企業的資產利用率，充分利用國內外資金實體，為我國企業提供更多的融資渠道。此外，制定符合我國市場經濟特點、注重行業特色的貨幣政策，將會促進金融信息的傳播與金融市場摩擦的消除，特別是對于落后、欠發達地區及中小企業，要盡可能掃除其在融資層面上的阻礙，降低其獲得信貸支持過程中的時間成本。最后，完善的市場監管體系，尤其是控制壟斷性行業的過度投資，也會提升市場資源配置效率。

對于金融機構，應當充分認識金融開放大趨勢帶來的機遇和挑戰。銀行業作為我國資金把控的主要行業，應當抓住人民幣“入籃”的契機，大力發展跨境人民幣支付、結算和資產管理服務，加大對外匯避險和相關交易類業務的拓展力度，增強全球化風險管理意識，搶先與海外機構特別是央行機構建立良好的客戶關系，實現最優全球資產配置，通過多幣種、跨地區的主動負債降低資金成本。此外，各商業銀行還應豐富資本市場產品，轉變貸款歧視觀念，完善與出口企業的信息溝通渠道，優化投資者結構，構建具備對融資市場的定價功能的民營企業的信用評級體系，從而改善我國外部融資環境。

我國企業也應當平衡自身的資產負債比率，善于利用商業伙伴，避免過度舉債，保有適當的負債冗余，積極利用商業信用緩解融資約束，保持適當的流動性以支持自身的進一步發展。此外，企業管理層還應當密切關注人民幣匯率波動及其走向，及時改變與調整企業現金持有政策，提高企業盈利能力以獲得穩定的現金流，著力提升產品質量，增強國際競爭力，建立長期穩定的融資伙伴關系，打破資金荒帶來的融資約束困局，為企業的未來贏得更好的發展。

1.Otero‐Iglesias M, Zhang M. EU-China Collaboration in the Reform of the International Monetary System: Much Ado About Nothing? [J]. World Economy, 2013, (1):151-168.

2.Fazzari Steven M, R Glenn Hunnard, Bruce C Petersen. Financing Constraints and Corporate Investment [J]. Brooking Paper on Economic Activity, 1988, (1):141-195.

3.Whited T.M and Wu Guo jun. Financial Constraints Risk. Review of Financial Studies [J]. 2006, (19):531-559.

4.袁媛. 人民幣匯率波動的財務風險管控研究. 財政部財政科學研究所. 2013

5.李生道, 王靜, 王堯. 金融生態環境、資本結構與公司成長性. 中國科技論壇.2014(5)

6.韓東平, 張鵬. 貨幣政策、融資約束與投資效率——來自中國民營上市公司的經驗證據. 南開管理評論. 2015(4)

7.鄧翔, 向書堅, 唐毅. 中國上市公司融資約束的行業特征分析——基于641家上市企業的Logistic回歸分析. 宏觀經濟研究. 2014 (1)

8.Hadlock, Charles J., and Joshua R. Pierce. New Evidence on Measuring Financial Constraints: Moving Beyond the KZ Index. Review of Financial Studies [J]. 2010,(14):528-544.

9.成力為, 嚴丹, 戴小勇. 金融結構對企業融資約束影響的實證研究——基于20個國家制造業上市公司面板數據. 金融經濟學研究. 2013(1)

10.何青, 李皓鵬. 融資約束、現金持有量與企業投資時機選擇. 南開經濟研究 2012(3)

11.Bailey, W., W. Huang, and Z. Yang. Banking Loans with Chinese Characteristics: Some Evidence on Inside Debt in a Statae-Controlled Banking System. Journal of Financial and Quantitative Analysis [J]. 2012, (6):1795-1830.

2015年教育部人文社科基金規劃項目“金融全球化與我國多層次資本市場背景下的多資產相依度及投資組合風險預測與優化研究”（15YJA790031）；2016年國家級大學生創新創業項目“我國上市公司的融資約束研究——基于人民幣加入SDR的影響”（201610613056）

作者單位：西南交通大學經濟管理學院