企業融資約束指標評述及適用性檢驗
——基于我國上市公司ST企業和非ST企業的對照分析

■/ 陳藝萍 梁晨宇 宋 笠

一、引言

融資約束是指由于企業內外資金成本的差異，當企業有投資機會而內部資金供給不足時，由于較高的外部融資成本而無法獲得足夠的外部資金支持，以致無法實現股東價值最大化的目標。在我國，融資約束是影響企業發展的重要因素。嚴格的資本市場融資制度使得企業直接融資受限，金融中介市場中融資工具的匱乏、借貸雙方的信息不對稱限制了企業資金獲得，企業常常面臨融資約束。如何解決企業融資約束是企業家和學者們關注的熱點問題之一。

企業是否存在融資約束無法直接被觀察到，學者和實業界通常采用企業規模等單變量或企業財務指標構建的模型或指數來計量融資約束程度（畢曉方和姜寶強，2010；蔡曉慧，2013）。我們以“融資約束”為條件，搜集整理了中國知網上十種經濟管理類核心期刊發表的涉及融資約束的所有文章，并對文章中使用的融資約束衡量指標進行統計。然而，這些融資約束計量指標和模型都是基于發達經濟體的企業情況構建的，它們是否能有效地計量和反映我國上市企業的融資約束情況呢？本文在梳理既有融資約束計量指標的基礎上，通過構建樣本組合，檢驗這些融資約束指標在我國的計量可靠性。與現有融資約束指標應用研究不同，本文的創新在于檢驗學者常用融資約束指標在我國企業的適用性，識別恰當反映我國企業融資約束的計量指標。一方面有利于提高未來融資約束應用研究的針對性，另一方面也能為建立我國企業融資約束指標提供借鑒。

二、融資約束指標研究評述

現有衡量融資約束的方法包括單變量指標和多變量計量模型或指數。

（一）單變量指標

1.企業規模。眾所周知，世界各國的資本市場都沒有達到完美，資本市場上企業融資存在差異。與大公司相比，小公司更年輕、資產相對較少、市場對其經營狀況了解較少。由于可抵押資產規模較少、信息不對稱等原因使得小規模企業無論是在金融中介機構，還是在資本市場上都面臨著較高的融資約束。Almeida et al（2004）、Acharya et al（2007）、王彥超（2009）以及王冀寧和陳之超（2010）等的研究采用企業規模作為融資約束代理變量，發現規模小的公司融資約束程度較高，而規模大的企業面臨較小的融資約束。

2.股利支付率。公司股利支付政策具有信息傳遞效應。Fazzari et al（1988）指出，與高股利支付率的企業相比，低股利支付率的企業信息不對稱問題更嚴重，更可能面臨較大的融資約束。當企業內外融資成本差異不大時，股利支付率不會對企業投融資決策產生較大的影響，企業內部現金流的波動可以通過外部融資來緩解。但是，當企業內外部融資成本存在較大差異、外部融資成本較高時，內部現金流的波動可能會使企業陷入經營困境。此時，為了把握未來可能的投資機會企業將審慎考量公司股利政策，傾向于采用較低的股利支付率以維持公司自由現金流。因此，股利支付率較低意味著企業面臨較高的外部融資約束。

3.利息保障倍數。Altman et al（1977）認為，反映企業償債能力的利息保障倍數既可以作為企業流動性的替代變量，也可以作為衡量企業破產可能性的指標。利息保障倍數越低的企業越可能拖欠債務，企業面臨融資約束的概率越高。Gertler and Gilchrist（1994）發現利息保障倍數是具有實用價值的融資約束度量指標之一。Guariglia（1999）指出企業外部融資成本與利息保障倍數負相關，利息保障倍數可以作為企業外部融資約束的衡量指標，利息保障倍數越小的企業面臨著越高的外部融資成本，企業融資約束程度越高。況學文等（2010）使用利息保障倍數作為企業融資約束分組指標，認為利息保障倍數低的公司屬于高融資約束公司。

4.其他指標。Gilchrist and Himmelberg（1995）以公司債務評級衡量企業融資約束，如果企業有未償還的債務，但是之前從未對發行的債務進行過評級，那么該企業就存在融資約束。類似地，Denis and Sibilkov（2010）用標準普爾短期債務評級構建企業融資評價指標。如果企業當年有未償還債務，但之前從未對其短期債務進行過評級，那么企業就是融資約束企業；如果企業有標準普爾短期債務評級或者企業短期債不存在違約，那么該企業就不存在融資約束。另外，畢曉方和姜寶強（2010）、Ang and Smedema（2011）研究表明企業財務彈性與融資約束負相關，財務彈性的增加能夠降低企業融資約束，財務彈性可以作為企業融資約束的逆向替代指標。蔡曉慧（2013）發現企業債務融資溢價與融資約束具有一致性，用債務融資溢價作為企業融資約束的度量具有可行性。

（二）多變量模型和指數

1.FHP模型。Fazzari et al（1988）指出，在不完美的資本市場中企業的內源融資成本和外部融資成本存在較大差異。當企業內源資金不能滿足公司投資需要，因無法承受過高的外部融資成本不能獲得足夠的外部資金支持時，公司的投資就會低于其最優投資水平，表現為投資—現金流敏感度高。因此，當企業面臨融資約束的時候，公司的投資—現金流敏感度較高。

2.ACW 模型。Almeida et al（2004）提出了現金—現金流敏感性系數模型，認為企業的投資行為會受到其流動性需求的影響。企業在進行投資決策時，會在當前投資機會與未來投資機會間權衡。如果企業預期未來有更好的投資機會，但是企業可能面臨一定程度融資約束時，它們就會更為謹慎地對待當前的投資機會，以便預留一定的資金，使得資金達到合理配置，最終實現企業利潤最大化。相反，那些面臨較小融資約束的企業在面對現在和未來投資機會時則不會存在權衡取舍問題。因此，現金—現金流敏感性模型指出，現金—現金流敏感度高的企業融資約束程度高。李金等（2007）發現中國企業融資約束程度與現金—現金流敏感度呈同向變動關系。連玉君等（2008）研究表明現金—現金流敏感性可以作為檢驗融資約束假說的依據。

3.KZ指數。Kaplan and Zingales（1997）將Fazzari et al（1988）發現的49 家融資約束公司分為五組，定義分組序號為因變量，以企業經營現金流、托賓Q值、資產負債率、股利支付率和現金持有率等為自變量進行有序邏輯回歸，發現只有15%的企業在獲取內部或外部資金增加投資時存在問題。并且，那些看起來資金約束程度低的公司比那些看起來資金約束程度高的公司表現出更大的投資—現金流敏感性，即較高的投資—現金流敏感性不能成為企業融資約束程度高的證據。Lamont et al（2001）用KZ指數檢驗融資約束與公司股票收益的關系，發現融資約束程度越高的企業股票收益越低。

4.WW 指數。Whited and Wu（2006）構建了反映企業外部融資約束的指數。WW指數值越大表明企業外部融資約束程度越高，公司股票收益率越高，融資約束體現了公司的風險。劉莉亞等（2015）使用WW指數計算我國公司融資約束，發現融資約束程度高的企業對外直接投資能力較弱，這種影響在外部融資依賴較高行業更明顯。何孝星等（2017）發現股權激勵的實施與企業融資約束負相關。

5.SA指數。SA指數是Hadlock and Pierce（2010）在評述先前學者關于企業融資約束指標的基礎上提出的新指標。他們指出已有融資約束指標由于包含內生財務變量，如現金流、杠桿等，對公司融資約束的計量不準確。為避免內生變量的干擾，他們使用企業規模和年齡兩個外生性較強的變量構建融資約束SA指數，計量企業的融資約束情況。劉莉亞等（2015）采用該指數計算了我國公司融資約束。

基于以上融資約束計量指標，本文以“融資約束”作為檢索條件，對《經濟研究》《管理世界》《會計研究》《金融研究》《中國工業經濟》等十種重要經濟管理期刊2000-2019年間發表的文章進行分析，結果如表1 所示。由表1 可知，在我國相關學術研究中，各種融資約束計量方法使用比率分別是KZ 指數21.01%、SA指數19.57%、FHP模型15.94%、ACW模型10.14%、WW 指數2.17%，其余31.16%使用的是企業規模等各種單變量指標。

表1 2000-2019年十種重要經濟管理期刊發表文章的融資約束指標使用統計

因此，有必要在同一分析框架下對我國學者常用的KZ 指數、SA 指數、FHP 模型、ACW 模型、WW指數進行檢驗，判斷哪個融資約束指標更能準確反映我國企業融資約束情況。

三、融資約束指標檢驗

（一）樣本選擇與確定

我國股票市場對財務狀況或其它狀況出現異常的上市公司股票交易會進行特別處理。被特別處理公司“財務狀況異常”包括最近兩個會計年度凈利潤是負值；最近一個會計年度股東權益低于注冊資本。即當一家上市公司連續兩年虧損或每股凈資產低于股票面值時，就會對這家公司進行特別處理，標注ST 符號。這一類似準自然實驗的處理為本文樣本公司選擇提供了便利：ST 企業由于業績差、資本金不足使得這類公司內源資金供應不足，存在外部融資約束。企業被特別處理前后成為企業融資約束的分水嶺。

由于我國在2007 年實行了新的會計準則，本文選擇2008-2018 年我國股票市場主板上市企業作為研究對象，在剔除期間退市企業、剔除相關數據缺失企業后按照以下步驟確定樣本企業。

1.由于我國上市企業特別處理存在兩年虧損狀態、財務破產、恢復上市、終止上市等多種情況，本文以企業連續兩年虧損作為篩選條件篩選出所有ST企業，然后剔除之前年度已經被ST的企業，即以2010-2018年每年首次被ST的企業作為檢驗組。

2.分年度按照行業、企業股權性質和規模1:1匹配原則選擇非ST企業作為對照組。

樣本數據通過CCER 數據庫和巨潮資訊網搜集整理，最終樣本包括2008-2018 年302 家樣本企業（ST企業與非ST企業各151家）的平衡面板數據。

（二）融資約束計量模型

1.FHP 模型。本文采用Fazzari et al（1988）構建投資—現金流敏感性系數模型（FHP）計算企業融資約束情況。

模型（1）中，I 是企業固定資產投資額；K 表示期初總的資本量；CF 是企業內部經營現金流量；X表示所有理論上決定投資需求的變量，用托賓Q值替代。的系數g反映企業投資對內部融資波動的敏感性，g的絕對值越大，企業受到的融資約束越大。ST企業g系數絕對值大于非ST企業。

2.ACW 模型。本文采用連玉君等（2010）的現金—現金流敏感性系數模型計算ACW。

模型（2）中，ΔCASH 是企業現金及現金等價物的變化量；CF是企業經營現金流量；Q是托賓Q值，代表投資機會；SIZE 是企業總資產的對數，代表企業規模；EXPEN是企業購建固定資產、無形資產和其他長期資產支付的現金支出，代表企業資本支出；ΔNWC是企業凈營運資本的變化；ΔSLR表示企業短期債務的變化。根據Almeida et al（2004）研究，如果企業面臨融資約束，則現金—現金流敏感系數β1是一個顯著為正的值，β1越大企業融資約束越強。ST企業的現金—現金流敏感系數β1大于非ST企業。

3.KZ 指數。借鑒Kaplan and Zingales（1997）構建的KZ 指數。本文采用何孝星等（2017）KZ 回歸指數模型計算企業KZ指數。

公式（3）中，CF 是企業現金流，CashHolding 是企業現金持有量；LEV 是企業資產負債率；Q 是企業托賓Q值是企業現金股利總額÷總資產。KZ指數是正向指數，KZ 指數越大表明公司受到的融資約束越強。所以，ST企業各年KZ指數均值高于非ST企業。

4.WW指數。劉莉亞等（2015）、何孝星等（2017）采用Whited and Wu（2006）構造的WW 指數模型計算我國企業WW指數。本文采用劉莉亞等（2015）和何孝星等（2017）的模型計算該指數。

公式（4）中，CF是企業經營現金流量；A是企業總資產；DIVPOS是虛擬變量，若企業支付現金股利等于1，否則為0；LEV 是企業資產負債率；SIZE 表示企業規模，用企業總資產對數計量；IGROWTH表示企業所在行業的營業收入平均增長率；GROWTH 為企業營業收入增長率。WW 指數越大表明企業融資約束越強。ST企業各年WW指數均值高于非ST企業。

5.SA指數。本文采用Hadlock and Pierce（2010）構建的SA指數模型計算企業SA指數。

公式（5）中，SIZE 是企業總資產的對數，代表企業規模；AGE 是企業的年齡。SA 指數是負向指數，絕對值越大表明公司融資約束程度越大。ST公司各年|SA|均值高于非ST公司。

四、融資約束指標檢驗結果分析

（一）指標檢驗結果

1.FHP 模型。表2 顯示，ST 企業投資—內部融資波動的敏感性系數等于-0.029，在5%顯著性水平下顯著為負，非ST 企業投資—內部融資波動的敏感性系數等于0.036，不具有統計顯著性。但是，ST企業投資—內部融資波動敏感性系數的絕對值小于非ST 企業的系數絕對值，這與FHP 模型含義不一致，表明FHP模型不能準確描述我國企業融資約束情況。

表2 FHP檢驗結果

2.ACW模型。表3顯示，相對于非ST企業而言，ST 企業的現金—現金流敏感系數等于0.153，而非ST 企業的現金—現金流敏感系數為0.570，分別在1%、10%顯著性水平下顯著，這表明我國上市公司中ST 企業與非ST 企業均存在融資約束。這與前文分析的ST企業和非ST企業現狀不符，表明ACW模型不適合計量我國企業融資約束情況。

表3 ACW檢驗結果

3.KZ 指數。圖1 是2008-2018 年ST 企業與非ST 企業KZ 指數均值折線圖。由圖1 可知，ST 企業的KZ 指數均值高于非ST 企業，ST 企業與非ST 企業融資約束程度存在顯著差異。KZ指數可以用以判斷我國企業融資約束情況。

圖1 ST企業與非ST企業KZ指數均值

4.WW 指數。如圖2 所示，相比非ST 企業，2008—2012 年，ST 企業的融資約束逐漸增大，2012—2015年間ST企業融資約束逐步緩解，2015-2018 年間ST 企業融資約束狀況上下起伏不定。2008—2018 年非ST 企業的WW 指數緩慢下降，但是其波動率遠小于ST企業WW指數均值。總體看來，2008—2018 年ST 企業的WW 指數均值均高于非ST企業，表明ST企業融資約束程度高于非ST企業，與本文預期一致，WW 指數可以刻畫我國企業融資約束現狀。

圖2 ST企業和非ST企業WW指數均值

5.SA 指數。圖3 是2008-2018 年間ST 企業與非ST企業SA指數絕對值的均值折線圖。由圖3可知，2008—2018 年期間ST 企業與非ST 企業|SA|指數均值整體趨勢一致，均處于穩步上升狀態，表明ST與非ST企業的融資約束程度都在逐步增加。但在2008—2012 年、2016—2018 年非ST 企業的|SA|指數均值大于ST企業，這與本文預期假設不相符。我國股票市場自1990 年開市至今僅有三十年左右，時間相對較短，A股上市企業的年齡差異不大，A 股主板上市企業規模差異也較小，基于企業規模、年齡構建的SA 指數不能準確反映企業的融資約束。

圖3 ST企業和非ST企業|SA|指數均值

（二）多指標對比檢驗結果

融資約束計量指標檢驗結果表明，相比于FHP 模型、ACW 模型和SA 指數，WW 指數和KZ指數對我國企業融資約束情況的描述符合模型預設，也與本文樣本實際情況相符，即這兩個指數更適合我國資本市場，能夠反映我國A 股市場上市企業融資約束情況。然而，好的融資約束指標，其數值大小既要能描述企業實際融資約束程度，又要能對企業融資約束情況做到準確敏銳反應。

由圖4 和圖5 可知，無論是ST 企業還是非ST企業，KZ指數對企業融資約束更敏感，能相對準確反映企業融資約束的實際情況；WW指數在整個樣本期間趨于平穩，對企業融資約束變化的情況敏感度不如KZ 指數，并且作為正向反映企業融資約束的WW 指數，在樣本期間的均值均為負數，表明WW指數可能低估企業融資約束現狀。

圖4 ST企業KZ指數與WW指數對比

圖5 非ST企業KZ指數與WW指數對比

綜上所述，相較于其他融資約束指標，KZ指數能夠更好地衡量我國企業融資約束程度，更適用于我國上市公司。

五、結論

融資約束制約著公司的發展，現有研究大多使用既有融資約束指標衡量企業融資約束，分析融資約束對公司財務、業績等的影響，很少考慮這些基于國外企業構建的融資約束指標在我國市場的適用性。本文在綜述現有融資約束指標的前提下，以我國股票市場企業被特別處理作為準自然實驗，選取2010—2018年首次被ST的企業作為研究組，根據年度、行業、規模、股權性質按照1:1原則匹配對照組，檢驗融資約束指標在我國的適用性。結果表明，相較于其他融資約束指標，KZ 指數能更準確地評價我國公司的融資約束程度，這一指標更適用于我國市場。