中國股市β異象對公司杠桿率的影響

王志強 梁曉穎

摘 要：中國股市β異象的存在意味著高β公司有較低的股票收益率，這會降低公司股權融資成本，進而改變公司的資本結構。本文基于2008—2019年中國滬深兩市A股上市公司數據，采取面板數據回歸模型，對中國股市β與公司杠桿率之間的關系進行研究。研究結果顯示，資產β與公司杠桿率存在顯著的負相關關系，賬面總杠桿率、市場總杠桿率、賬面凈杠桿率和市場凈杠桿率這四個杠桿率的回歸系數均顯著小于零;不同市場狀況下資產β對公司杠桿率的影響程度有差異，下行資產β對公司杠桿率的影響明顯大于上行資產β;權益β與市場總杠桿率和市場凈杠桿率之間存在顯著的負相關關系，而與賬面總杠桿率和市場凈杠桿率之間不存在負相關關系;低稅率組中多數公司選擇了高杠桿而非低杠桿，表現出一定的“高杠桿率之謎”，與傳統權衡理論不一致，中國股市β異象的存在可以做為一種解釋。

關鍵詞：β異象;公司杠桿率;高杠桿率之謎;股票收益率

中圖分類號：F830.9文獻標識碼：A

文章編號：1000-176X（2021）09-0053-10

一、問題的提出

Modigliani 和Miller[1]的MM定理表明，公司價值與其資本結構無關。但是，由于MM定理假設不存在稅收、破產成本和信息不對稱等條件與現實不符，因而公司價值與其資本結構之間存在一定的相關關系，公司可以選擇適當的資本結構以提高公司價值。Bradley等[2]提出的權衡理論認為，公司債務的增加一方面可以提高負債的稅遁收益使公司價值上升，另一方面會增加公司的債務風險而提高公司的財務困境成本，故公司應該在債務的稅遁收益與財務困境成本之間作出權衡，以選擇一個適當的債務比例或資本結構使得公司價值最大化。公司價值最大化時的資本結構或杠桿率分別被稱為最優資本結構或最優杠桿率。學者圍繞最優資本結構或最優杠桿率做了大量的實證研究。結果表明，公司杠桿率與固定資產比例[3-4]、盈利能力[5-6]、規模[7-8]、成長性[9-10]和稅率水平[11]等公司特征相關。

相關實證研究還發現一些權衡理論無法解釋的現象。譬如，美國數百家邊際稅率很高、利潤率也很高的公司卻基本上是零杠桿，這與權衡理論“高稅收、高盈利公司應選擇高杠桿”的結論相悖，這種現象被稱為“低杠桿率之謎”。與此同時，大量無法享受稅遁收益的低稅率公司卻保持著高杠桿，這種現象被稱為“高杠桿率之謎”[12]?！暗透軛U率之謎”和“高杠桿率之謎”并非是資本主義市場的異象，中國市場也同樣存在。例如，雙鷺藥業（002038）自從2004年上市至2016年，總資產凈利潤率比較高，但負債比率卻遠遠低于行業均值;類似地，仁和藥業（000650）、蘇泊爾（002032）和五糧液（000858）等也存在低杠桿現象。與此同時，中國股市也存在著眾多高杠桿現象。對于本文全部樣本公司，2019年末資產負債率（賬面總杠桿率）在70%以上的公司有226家，占比為13.4%;在80%以上的公司有83家，占比為4.9%。對于盈利公司，2019年末資產負債率（賬面總杠桿率）在70%以上的公司有187家，占比為12.5%;在80%以上的公司有63家，占比為4.2%。

針對資本結構選擇中存在著“低杠桿率之謎”和“高杠桿率之謎”，有學者從市場層面拓寬其理論解釋。其中一種主要的解釋是，資本市場中存在股票價格偏離真實價值的錯誤定價，從而阻礙了資本的有效配置，影響公司的融資方式選擇及其融資成本，進而影響公司杠桿率水平的確定。Baker等[12]用“高風險低收益”的β異象衡量資本市場的錯誤定價，將其引入資本資產定價模型，用以計算股權融資成本，通過最優化公司的加權資本成本，證明β異象對公司杠桿率水平有負向影響，并認為高稅率、高盈利能力的公司選擇低杠桿率可能是由于其擁有較高的資產風險。已有學者證明中國股票市場也存在違背風險收益正相關關系的現象——β異象，并一致認為這是市場錯誤定價的結果[13]-[15]。但是，中國資本市場作為新興市場，市場成熟度、信息透明度等較英美等發達國家低，β異象的特點及錯誤定價程度與發達國家存在一定差異;同時從公司融資特點來看，英美等發達國家是市場主導型金融結構的國家，即通過債券市場和股票市場融資的比例超過80%，而中國通過債券市場和股票市場融資的比例雖然逐年增加但僅有20%左右，故中國股票市場對公司價值的影響具有一定的特殊性，需要進行針對性的研究。

目前并未有學者研究中國股市β異象對公司杠桿率的影響，本文參考Baker等[12]的研究，考察中國股市β異象與公司杠桿率之間的相關關系，為解決中國上市公司“高杠桿率之謎”提供一種新的解釋。本文可能的貢獻在于：第一，突破目前研究局限于公司層面的桎梏，首次嘗試從市場層面研究中國股市β異象對公司杠桿率的影響。第二，首次嘗試利用公司資產β與公司杠桿率之間的負向關系解釋中國上市公司的“高杠桿率之謎”，是對傳統權衡理論僅以稅遁收益和財務困境成本解釋公司杠桿率偏高的一種補充。

二、理論分析與研究假設

假設權益市場中存在β異象，基于CAPM模型將權益資本成本計算公式修正為：

re=（βe-1）γ+rf+βe×rm（1）

其中，re表示公司權益資本成本，rf表示無風險收益率，rm表示市場風險溢價，βe表示公司權益β，γ表示β異象的強度（γ<0），決定股票超額收益隨著βe的增加而減小的程度。

再假設債務市場中不存在β異象，因此，債務資本成本表示如下：

rd=rf+βd×rm（2）

其中，rd表示公司債務資本成本，βd表示公司債務β，其他變量同上。

基于式（1）和式（2），將公司的加權平均資本成本（WACC）表示為：

WACC（Lev）=Lev×re+（1-Lev）rd=rf+βa×rm+（βa-1）γ-（1-Lev）（βd-1）γ（3）

其中，Lev表示公司杠桿率，βa表示資產β，由βe 、βd和杠桿率決定，即βa=Lev×βe+（1-Lev）βd。

根據Merton[16]的公司債務定價模型，得到βd與βa的關系式：

βd=βa×f（Lev）（4）

其中，f（Lev）表示杠桿率Lev的一個函數。

通過最小化公司加權平均資本成本（WACC），得到公司最優杠桿率水平（Lev*）。

Baker等[12]證明，最優杠桿率水平與公司資產β之間存在負相關關系

。而且，股票市場β異象的存在意味著高權益β的公司具有低收益，促使高權益β的公司傾向于股權融資，通過降低杠桿率水平來降低公司的加權資本成本?；诖?，筆者提出如下假設：

假設1：公司杠桿率與其資產β呈負相關關系。

假設2：公司杠桿率與其權益β呈負相關關系。

由于市場發展狀況不同，當股市處于上漲時期和處于下跌時期時公司面臨的風險是不同的，據此將資產β進一步劃分為上行資產β和下行資產β。用上行資產β表示股市處于上漲時期時資產β的情況，反映在股市上漲時公司面臨的風險;反之，下行資產β表示股市處于下跌時期時資產β的情況，反映在股市下跌時公司面臨的風險。

按照Baker等[12]的理論模型，可以推測二者均與公司杠桿率負相關，且這二者將同時起作用，導致資產β對公司杠桿率產生負向影響。

與上行資產β相比，下行資產β對公司杠桿率的影響更大。在傳統權衡理論中，財務困境成本的存在會降低債務的吸引力，而這種成本的多少不僅取決于無條件的違約概率和違約發生時損失的概率，還取決于發生困境和價值損失的市場狀態，市場大環境越糟糕，發生困境時的損失越多，即財務困境成本越高。由此，筆者認為，

當股市處于下行狀態時，公司擁有更高的系統風險，財務困境成本更高，此時杠桿率水平應更低。

從再融資風險和降價銷售的角度來看，在市場不景氣時，再融資風險和降價銷售的折價較高，這將增加處于較高系統風險水平的公司在困境狀態中的損失價值，并降低公司杠桿率水平，故下行資產β更能代表財務困境成本，β異象對公司杠桿率的負向影響集中在下行風險中。

同理，將權益β分解為上行權益β和下行權益β，分別考察上行權益β和下行權益β對公司杠桿率的影響?；诖?，筆者提出如下假設：

假設3：公司杠桿率與其上行資產β和下行資產β均呈負相關關系。

假設4：公司杠桿率與其上行權益β和下行權益β均呈負相關關系。

三、研究設計

（一）變量選取及其度量

1.被解釋變量

本文的被解釋變量為公司杠桿率。參考Fama和French[17]的做法，將公司杠桿率分為賬面杠桿率和市場杠桿率。賬面杠桿率定義為總負債除以總資產（總負債與總權益之和）;市場杠桿率與賬面杠桿率的區別在于總權益部分，賬面杠桿中的權益為財務報表中的所有者權益的賬面價值，而市場杠桿的權益部分采用的是公司股票市值。另外，將杠桿率分為總杠桿率和凈杠桿率，總杠桿率為總負債除以總資產，凈杠桿率在總資產和總負債的基礎上同時減去現金及現金等價物。我們采用賬面總杠桿率、市場總杠桿率、賬面凈杠桿率和市場凈杠桿率四種杠桿率作為被解釋變量分別進行考察。其中，賬面總杠桿率（LevBG）用負債合計/（負債合計+賬面權益）×100%衡量，市場總杠桿率（LevMG）用負債合計/（負債合計+市場權益）×100%衡量，賬面凈杠桿率（LevBN）用（負債合計-現金及現金等價物）/（負債合計+賬面權益-現金及現金等價物）×100%衡量，市場凈杠桿率（LevMN）用（負債合計-現金及現金等價物）/（負債合計+市場權益-現金及現金等價物）×100%衡量。

2.解釋變量

本文的核心解釋變量為系統性風險，分別用權益β（βe）和資產β（βa）度量。其中，權益β為傳統意義下股東承擔的系統性風險，采用CAPM模型得到?？紤]到非流動性和異質性的影響，參考Hong和Sraer[18]的做法，使用相鄰三個交易日的市場超額收益率作為解釋變量，用過去一年約250個交易日的股票日超額收益率進行線性回歸。具體模型如下：

Rit=αi+βi1Rm，t-1+βi2Rmt+βi3Rm，t+1+εit（5）

其中，Rit表示個股日超額收益率，Rm，t-j（j=-1，0，1）表示市場日超額收益率，εit表示誤差項。權益β為回歸得到的三個系數估計值之和，即βe=βi1+βi2+βi3。

根據相關理論，無杠桿條件下資產β等于權益β，有杠桿條件下可以在權益β的基礎上剔除負債的影響得到資產β，即βa=βe×（1-市場凈杠桿率）。

用市場超額收益率的正負區分股市上漲和股市下跌，將樣本區分為兩部分，用式（5）分別估計出上行權益β（β+e）和下行權益β（β-e）。

相似地，用上行權益β（β+e）和下行權益β（β-e）計算上行資產β（β+a）和下行資產β（β-a），即β+a=β+e×（1-市場凈杠桿率），β-a=β-e×（1-市場凈杠桿率）。

考慮到資產β和權益β均為系統性風險度量指標，不能完全反映單個公司的所有風險，因此，我們將總風險指標作為一個重要的解釋變量進行具體考察，總風險包括權益風險（Riske）和資產風險（Riska）。權益風險（Riske）用過去一年（約250個交易日）股票超額收益率的標準差度量，資產風險（Riska）為權益風險×（1-市場凈杠桿率）。類似地，將資產風險區分為上行資產風險（Risk+a）和下行資產風險（Risk-a），將權益風險區分為上行權益風險（Risk+e）和下行權益風險（Risk-e）。其中，上行權益風險（Risk+e）用過去一年（約250個交易日）中市場收益率大于零時股票超額收益率的標準差衡量，下行權益風險（Risk-e）用過去一年（約250個交易日）中市場收益率小于零時股票超額收益率的標準差衡量，上行資產風險（Risk+a）用上行權益風險×（1-市場凈杠桿率）衡量，下行資產風險（Risk-a）用下行權益風險×（1-市場凈杠桿率）衡量。

3.控制變量

考慮到公司杠桿率還受公司特征的影響，我們選擇了八個公司財務指標作為控制變量，如下：固定資產比率（FR），用固定資產凈額/資產合計×100%衡量;總資產凈利潤率（PR），用息稅前利潤（EBIT）/資產總計×100%衡量; 總資產（lnA），用資產合計的自然對數衡量;市值賬面比（MB），用（負債合計+市場權益）/（負債合計+賬面權益）衡量;資產增長率（AG），用（t年資產合計-t-1年資產合計）/t-1年資產合計衡量;綜合稅率（T），用（營業稅金及附加+所得稅費用）/利潤總額衡量;流動比率（CR），用流動資產合計/流動負債合計衡量;托賓Q比率（QR），用市場權益/（資產-無形資產凈額-商譽凈額）衡量。

（二）模型設定

本文具體考察資產β和權益β對公司四種杠桿率的影響，采用面板數據回歸模型來進行分析。對于假設1和假設2，利用如下模型檢驗：

Levit=α1βit+α2Riskit+∑8j=1δjControls

γ1FRit+γ2PRit+γ3lnAit+γ4MBit

+γ5AGit+γ6Tit+γ7CRit+γ8QRit

+εit（6）

其中，Levit表示公司i在t期的杠桿率，分別采用LevBG、LevMG、LevBN和LevMN作為被解釋變量進行估計;βit表示公司i在t期的系統性風險，分別采用βa和βe作為解釋變量進行估計;Riskit表示公司i在t期的總風險，分別采用Riska和Riske作為另一重要解釋變量進行估計;Controls表示8個控制變量，分別表示公司i在t期的8個財務指標值。

對于假設3和假設4，本文采用如下檢驗模型：

Levit=α1β+it+α2β-it+α3Risk+it+α4Risk-it+∑8j=1δjControls+εit（7）

其中，β+it表示公司i在t期的上行系統性風險，分別采用βa和βe作為解釋變量進行估計;β-it表示公司i在t期的下行系統性風險，分別采用β+a和β+e作為解釋變量進行估計;Risk+it表示公司i在t期的上行總風險，分別采用Risk+a和Risk+e作為另一重要解釋變量進行估計;Risk-it表示公司i在t期的下行總風險，分別采用Risk-a和Risk-e作為另一重要解釋變量進行估計;其他變量同上。

（三）樣本選取與數據來源

本文以滬深兩市所有A股作為研究對象，樣本區間為2008—2019年，樣本區間的選擇依據是公司財務數據披露從2002年以后趨于標準化，而股票交易數據由于中國A股進行了股權分置改革，導致2005—2007年股票收益率異常變動。

本文對數據做如下處理：（1）剔除金融類公司（包括銀行、證券和保險）;（2）剔除股票被ST的公司;（3）剔除年報數據中賬面權益為負值的公司;（4）剔除賬面凈杠桿率小于零的公司，以便讓公司杠桿率介于區間[0，1]之內;（5）為避免受個別極端值和異常值的影響，對全部連續變量數據在1%水平進行雙向縮尾處理。

本文使用的市場層面數據是A股上市公司的日度及月度收益率、日度及月度綜合A股市場收益率（流通市值加權法計算）、日度及月度Fama-French三因子等數據，數據來自于國泰安CSMAR數據庫;公司杠桿率、固定資產比率、總資產凈利潤率、總資產、市值賬面比、資產增長率、綜合稅率、流動比率、托賓Q比率等年度財務指標數據來源于國泰安CSMAR數據庫;日度及月度無風險利率數據來源于銳思（RESSET/DB）金融研究數據庫。

四、實證分析

（一）變量描述性統計及相關性分析

表1報告了變量的描述性統計結果。我們按照總資產凈利潤率是否大于零將公司分為盈利公司和非盈利公司。在1 727家公司中，盈利公司有1 518家、非盈利公司有209家。描述性統計結果顯示，所有變量的標準差均不大，說明對數據進行縮尾處理有效地剔除了極端值和異常值的影響。

通過變量間的相關系數分析結果（結果略，留存備索）可知，不論是從權益角度還是資產角度，資產β、上行資產β及下行資產β之間的相關性較強;各個控制變量與資產β之間的相關性很弱，說明可以將控制變量與資產β同時加入回歸方程而不會出現嚴重的多重共線性問題。

（二）中國股市β異象的存在性檢驗

在前面的理論分析中，假設中國股市中存在β異象，在此基礎上研究錯誤定價即β異象對公司杠桿率的影響，因此，首先需要檢驗中國股市中是否存在β異象。我們根據每個月月末權益β由低到高進行排序并十等分，按照等權重和市值加權分別構造十個投資組合，以及買入最低β組合、賣空最高β組合的零投資組合（1-10）;然后，考察每個組合在下個月的超額收益率和風險調整后的異常收益率，用Fama-French三因子模型估計各組合的異常收益率α。表2報告了各組合的異常收益率及其t值。由表2可知，當投資組合構建采用市值加權的方法時，最低β組合的α為0.970%，最高β組合的α僅為0.140%，隨著β的增加，β組合的異常收益率總體上呈現下降趨勢;同時零投資組合（最低-最高）獲得了顯著的正收益0.830%。采用等權重構建組合有類似的結果。這表明，β的大小與其收益負相關，中國A股市場中存在β異象。

（三）資產β對公司杠桿率的影響

1.基本回歸結果

由于非盈利公司存在公司破產和股票摘牌的可能，其公司財務指標和股票收益率可能存在異常，因此，我們只考察盈利公司的資產β對杠桿率的影響。對各模型進行Hausman檢驗，檢驗結果顯示，統計量的P值幾乎為0，這表明拒絕隨機效應模型，

限于篇幅，具體結果未在正文列出，留存備索。因此，采用固定效應面板數據回歸模型進行實證分析。表3報告了資產β分別與公司四種杠桿率之間的回歸結果。以資產β與賬面總杠桿率（LevBG）的回歸結果為例，表3結果顯示，在控制資產風險后，資產β與杠桿率顯著負相關，資產β值每增加1個單位，杠桿率就會降低7.877%。這說明，資產β是賬面總杠桿率的重要決定因素。雖然在加入控制變量后資產β對杠桿率的負向影響由7.877%下降為4.914%，但仍然是顯著的負相關。對于其他杠桿率度量指標，回歸結果也顯示出相同的結論。因此，假設1成立。

2.基于市場狀況的分組回歸結果與分析

不同市場狀況下資產β對公司杠桿率影響的

回歸結果如表4所示。從表4可知，對于賬面總杠桿率LevBG，有無控制變量，上行資產β的估計系數都不顯著，而下行資產β的估計系數均顯著為負;對于其他三種杠桿率度量指標，有無控制變量，上行資產β和下行資產β的估計系數均顯著為負?？偟膩碚f，無論股市上漲還是下跌，資產β基本上都與公司杠桿率負相關。上行資產β的估計系數及其t值的絕對值明顯小于下行資產β的估計系數及其t值的絕對值。這表明，盡管資產β對杠桿率的負向影響是由上行資產β和下行資產β共同驅動的，但是兩者的作用大小不同，下行資產β的影響明顯大于上行資產β的影響。這一結果與傳統權衡理論一致，下行資產β更適合作為財務困境成本衡量變量，即與股市上行狀態相比，股市處于下行狀態時公司債務導致公司價值的損失更大，公司會選擇更低的杠桿率水平。假設3得證。

3.基于市值的分組回歸結果與分析

由于不同市值公司錯誤定價的程度存在差異，將全部盈利公司按照流通市值的前30%、中間40%、后30%的分位數分為低市值組、中市值組和高市值組，分別研究不同組別內資產β對公司杠桿率的影響，回歸結果如表5所示。由表5可知，不同市值水平下資產β對公司杠桿率都存在十分顯著的負向影響，而且資產β對公司杠桿率的影響程度隨著公司市值的增加而下降，也就是說，市值越大的公司其資產β對公司杠桿率的負向影響越小，反之市值越小的公司其資產β對公司杠桿率的影響越大。主要原因在于，在中國的資本市場中，低市值公司套利機會更多投機性更大，更易出現錯誤定價的現象，β異象的程度更高，則其資產β對公司杠桿率的影響程度更高。

（四）權益β對公司杠桿率的影響

1.基本回歸分析

為了驗證上文提出的假設2和假設4，本文采用固定效應面板數據回歸模型對權益β與公司杠桿率之間進行回歸，結果如表6所示。

由表6可知，只有市場總杠桿率（LevMG）和市場凈杠桿率（LevMN）與權益β之間存在顯著的負相關關系，而賬面總杠桿率（LevBG）和市場凈杠桿率（LevBN）與權益β之間不存在負相關關系。實證結果部分支持假設2成立，這一結果與來自美國股市的實證結果不完全一致，其原因可能在于，中國股市不如美國股市那樣相對理性和成熟，中國上市公司股價的波動與其公司財務狀況變動不完全一致。

2.基于市場狀況的分組回歸分析

不同市場狀況下公司上行權益β和下行權益β對公司杠桿率影響的估計結果如表7所示。由表7可知，沒有加入控制變量，上行權益β和下行權益β對賬面杠桿率的影響不顯著，對市場杠桿率的影響基本上是顯著為負;加入相關控制變量，上行權益β和下行權益β對賬面杠桿率的影響變為正，上行權益β對市場杠桿率的影響保持顯著為負，而下行權益β對市場杠桿率的影響變為正，但從其估計系數看上行權益β的影響力度大于下行權益β的影響力度?？偟膩砜?，表7的經驗證據不能完全支持假設4。其可能的原因在于：一是中國上市公司股價的波動與其公司財務狀況變動不完全一致。二是中國股市波動呈現出“牛短熊長”，與美國股市的波動特征“牛長熊短”正好相反。

（五）穩健性檢驗

為了確保本文結果的可靠性，我們作了如下三種穩健性檢驗：

限于版面，穩健性檢驗結果未在正文列出，留存備索。

首先，控制行業的影響?；貧w結果顯示，四種杠桿率下，加入行業控制變量βia和Riskia后，資產β對公司杠桿率的影響效果雖然有些變化，但仍然顯著為負。說明在控制了相關行業變量之后本文的研究結果穩健。

其次，具體考察在控制行業變量之后上行資產β和下行資產β對公司杠桿率的影響?；貧w結果顯示，不論用何比率來衡量公司杠桿率，二者均與公司杠桿率顯著負相關，且下行資產β的負向影響稍大于上行資產β，說明本文研究結果仍然穩健。

最后，更換數據和樣本區間。將日度收益率數據更換為月度收益率數據計算β及風險和縮小樣本區間為2015—2019年重新進行實證檢驗，回歸結果顯示，資產β對公司杠桿率存在顯著的負向影響，說明本文研究結果穩健。

（六）“高杠桿率之謎”的一種解釋

為了嘗試用β異象解釋“高杠桿率之謎”，將盈利公司按照賬面總杠桿率水平分為低杠桿組（賬面總杠桿率<50%）和高杠桿組（賬面總杠桿率≥50%），同時按照綜合稅率水平的高低將盈利公司分為低、中、高三組，其中綜合稅率<5%為低稅率組，綜合稅率>30%為高稅率組，綜合稅率介于5%—30%之間為中稅率組。在賬面總杠桿率及綜合稅率雙變量分組下，得到盈利公司相關變量的描述性統計結果，具體如表8所示。

由表8可知，在低稅率組中，有24家公司選擇了低杠桿，有35家公司選擇了高杠桿，選擇高杠桿的公司占低稅率組所有公司（24+35）的比例為59.3%，顯示出低稅率組中更多的公司選擇高杠桿而不是低杠桿，表現出“高杠桿率之謎”。傳統權衡理論表明，低稅率公司因無法從稅遁收益中獲利而選擇低杠桿，這一現象不能用傳統的權衡理論解釋。

在同一杠桿率水平下，我們對低稅率組與高稅率組的杠桿率和資產β進行非參數檢驗，以考察它們的均值是否存在顯著差異，檢驗結果如表9所示。由表9可知，對于低杠桿公司，低稅率組與高稅率組的杠桿水平均無顯著差異，因此，高稅率組并沒有表現出顯著的高杠桿水平，這與傳統權衡理論的論斷“低稅率低杠桿、高稅率高杠桿”不完全一致;對于高杠桿公司，低稅率組的杠桿水平顯著低于高稅率組的杠桿水平，這符合傳統的權衡理論。對于低杠桿公司，低稅率組具有較高的資產β（0.971）和上行資產β（1.271），高稅率組具有較低的資產β（0.900）和上行資產β（1.135），其非參數檢驗的P值顯示，它們之間存在顯著的差異。這種顯著差異可能是引起高稅率組并沒有表現出顯著的高杠桿水平的原因。對于高杠桿公司，其非參數檢驗的P值顯示，低稅率組的四個杠桿率指標值顯著低于高稅率組的四個杠桿率指標值，低稅率組的三個資產β指標值顯著高于高稅率組的三個資產β指標值。這一結果再次為假設1和假設3提供了經驗證據支持。

五、研究結論與啟示

本文從市場層面出發，基于2008—2019年中國A股上市公司數據，采取面板數據回歸模型，研究中國股市β異象對公司杠桿率的影響。權益市場中出現錯誤定價導致β異象的存在，對于資產風險相對較高的公司而言，選擇低杠桿水平將獲得較低的資本成本，對于擁有低風險資產的公司而言，高杠桿水平時融資的資本成本相對是較優的。實證結果表明，資產β對公司杠桿率存在負向影響，高資產β的公司有低杠桿率。并且，中國股市β異象對公司杠桿率的負向影響有助于解釋“高杠桿率之謎”，傳統權衡理論中僅憑稅收和財務困境成本的考慮因素無法完全解釋公司杠桿率的選擇，高盈利的公司沒有選擇高杠桿的原因可能是因為其擁有較高的資產β。進一步分析發現，由于低市值的公司股票更易出現投機行為，使得其公司權益資產更易出現錯誤定價，導致市值較低的公司杠桿率水平受資產β的影響更大。同時我們將資產β分為上行資產β和下行資產β兩部分，研究不同市場走向情況下資產β對公司杠桿率的影響，結果表明，無論股市上漲還是下跌，公司資產β都對公司杠桿率存在負向影響，但影響程度存在差異，下行資產β對公司杠桿率的負向影響更大，這進一步印證了權衡理論中下行β可作為財務困境成本代表的結論。

中國股市β異象的存在影響公司的融資成本，進而影響了公司資本結構或杠桿率的決定，這導致傳統權衡理論的解釋力下降，但并非是對傳統權衡理論的否定，而是希望從市場層面對其進行一定的補充。本文的實證研究僅證明公司資產β對其杠桿率的負向影響，而對于這種負向影響的傳導機制還存在欠缺。對于解決“高杠桿率之謎”來說，中國股市β異象為我們提供了一個新的起點，不再局限于公司層面，但現實較為復雜，中國股市β異象對“高杠桿率之謎”的解釋程度究竟有多大，究竟有多少公司的“高杠桿率之謎”能夠通過這種理論予以解釋還需要進行進一步的分析和研究。

參考文獻：

[1]Modigliani， F.，Miller， M.H. The Cost of Capital，Corporation Finance and the Theory of Investment[J].The American Economic Review，1958，48（3）：261-297.

[2] Bradley，M.， Jarrell， G.A.， Kim， E.H.On the Existence of an Optimal Capital Structure：Theory and Evidence[J].The Journal of Finance， 1984，39（3）：857-878.

[3] Gungoraydinoglu，A.， Oztekin， O. Firm-and Country-Level Determinants of Corporate Leverage： Some New International Evidence[J].Journal of Corporate Finance，2011，17（5）：1457-1474.

[4] 劉貫春，張軍，劉媛媛.金融資產配置、宏觀經濟環境與企業杠桿率[J].世界經濟，2018， （1）：148-173.

[5] 李朝霞.影響中國上市公司融資結構的主要因素分析[J].數量經濟技術經濟研究，2003，（10）：5-12.

[6] 馮曉琪，樸哲范.上市公司杠桿率動態變化及影響因素——基于制造業的面板數據實證分析[J].金融理論與教學，2013，（6）：19-22.

[7] 車青玲.非金融企業杠桿率波動及影響因素研究——基于地方代表性企業面板數據的研究[J] .華北金融，2015， （5）：9-13.

[8] 牛斐.國有企業軟預算約束對資本結構的影響研究[J].管理世界，2018， （9）：182-183.

[9] Myers，S.C.，Majluf， N.S.Corporate Financing and Investment Decisions When Firms Have Information That Investors do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[10] Jong，A.， Kabir， R.，Nguyen， T.T. Capital Structure Around the World：The Roles of Firm and Country-Specific Determinants [J]Journal of Banking & Finance，2008，32（9）：1954-1969.

[11] Liang，J.L.， Li， F.，Song， H.S.An Explanation of Capital Structure of Chinas Listed Property Firms[J].Property Management， 2014，32（1）：4-15.

[12] Baker，M.，Hoeyer， M.F.，Wurgler， J. Leverage and the Beta Anomaly[J].Journal of Financial and Quantitative Analysis，2020，55（5）：1491-1514.

[13] 于誼卉.投資者能用β獲利嗎——來自中國股市的證據[D].成都：西南財經大學碩士學位論文， 2018.

[14] 熊海芳，齊玉錄，劉蘊祺.基于高頻數據的連續β、跳躍β與低β異象[J].金融學季刊，2018，（2）：76-96.

[15] 周亮，王銀枝.中國股市低風險異象研究[J].金融理論與實踐，2020，（3）：90-96.

[16] Merton， R. C. On the Pricing of Corporate Debt： The Risk Structure of Interest Rates[J].The Journal of Finance 1974，29 （2）， 449-470.

[17] Fama E.F.， French， K.R. The Cross-Section of Expected Stock Returns[J].The Journal of Finance，1992，47（2）：427-465.

[18] Hong， H.，Sraer， D.Speculative Betas[J].The Journal of Finance，2016，71（5）： 2095-2144.

（責任編輯：巴紅靜）

收稿日期：2021-06-01

基金項目：國家自然科學基金面上項目“股市極端波動中流動性螺旋的微觀機制與治理研究”（71873023）

作者簡介：王志強（1965-），男（蒙古族），內蒙古烏海人，教授，博士，博士生導師，主要從事金融學與數量經濟學等研究。E-mail：wangzhiqiang@dufe.edu.cn

梁曉穎（1997-），女，山東煙臺人，碩士研究生，主要從事金融學研究。E-mail：1103189357@qq.com