客戶集中度、信用風險與上市公司融資約束

■ 李小金，賀 湘，鐘慧安

一、引言

隨著經濟全球化、產業多元化和供應鏈管理模式的推廣應用，供應鏈關系在企業融資中的作用愈發顯著（Wuttke et al.，2013）。供應鏈關系是指供應鏈成員企業在日常采購、銷售活動中建立起來的商業關系及由此帶來的私人友誼（李任斯和劉紅霞，2016），包括上游供應商關系和下游客戶關系。與西方發達經濟體中的市場化交易不同，在普遍存在產能過剩的中國市場，企業對下游客戶的依賴往往高于對上游供應商的依賴（史金艷和秦基超，2018），供應鏈關系帶來的優勢信息借助客戶關系外溢給商業銀行可以降低銀行和企業之間的信息不對稱，從而減少與融資相關的擔保、監督成本以緩解企業融資約束。

與重資產、重擔保、重低押的傳統信貸邏輯不同，處于供應鏈中的企業更多地依靠客戶關系來降低信用風險從而提高自身獲得銀行信貸的能力。首先，鑒于客戶在供應鏈管理中的核心地位及其在實踐中不斷集中的現象，客戶更為集中代表著一種信任契約，具有高質量信息外溢效用（李歡等，2018）。其次，穩定、集中的客戶關系意味著企業銷售渠道暢通，不僅確保了銷售收入還降低了銷售成本，提高盈利能力，降低違約風險。企業與下游客戶關系也成為銀行信用風險評估指標之一（蒙震和胡懷邦，2014）。企業的市場地位及其行業競爭程度都會影響企業的融資約束。供應鏈內市場地位低的企業，通常表現為中小企業，而中小企業常常伴有財務信息不透明、管理不健全、資產規模偏小等問題（姚錚等，2013），導致其在傳統銀行信貸市場存在金融抑制。在激烈的行業競爭環境中，企業被動接受產品價格且市場份額容易被競爭對手占領而減少，從而導致營業收入減少，企業內源性融資不足（李歆和李家輝，2020）。同時，行業競爭與上市公司的信用風險密切相關，競爭激烈的行業更容易出現違約風險（連燕玲等，2019），更容易產生逆向選擇和道德風險問題。

二、文獻回顧與假設提出

與傳統銀行信貸相比，依托客戶關系的供應鏈金融改進和優化了抵押制度，來自重要客戶的應收賬款、商業匯票因大客戶的承諾兌付，更容易被商業銀行接受為質押物（劉桂榮，2012），因此依靠大客戶或供應鏈上的核心企業可以顯著減少抵質押品的處理成本。此外，企業為與客戶保持長久合作關系會主動共享信息，客戶為確保產品質量和售后服務也有強烈動機篩選和監督企業，相比銀行等債權人，客戶能夠更好地監控企業的日常經營（王迪等，2016）。此時，銀行可以通過大客戶獨有的信息優勢洞察融資企業真實的經營狀況和財務信息，進一步降低貸款逆向選擇和道德風險（江偉等，2017）。基于以上分析，提出假設1：

假設1：客戶集中度越高，越能緩解企業融資約束。

供應鏈金融中企業借助客戶關系，降低信用風險從而緩解其融資約束，其可能的作用機制有三個方面：一是從投融資關系看，企業依托客戶關系提升企業績效，降低信用風險從而緩解其融資約束。客戶集中度越高，企業與大客戶之間越有可能進行諸如聯合開發新產品、建立物流集成等專用性投資，從而降低企業營銷費用、管理成本并提高資產使用率，而大客戶為吸引專用性投資越有可能增加對供應商企業的商業信用供給（李任斯和劉紅霞，2016）。我國上市公司商業信用供給與銀行信用一起構成我國企業最重要的外部融資來源（屈耀輝和黃連琴，2012）。二是從擴大抵質押品范圍看，企業依托客戶關系優化抵質押制度（劉堃等，2008），降低信用風險從而緩解其融資約束。與傳統銀行抵質押制度相比，客戶集中度越高，企業與大客戶交易時沉淀的應收賬款、未來存貨都將成為銀行認可的抵質押品。2020 年9 月1 日起施行的《保障中小企業款項支付條例》中規定大客戶必須在30-60 日內支付中小企業的欠款。三是從信號外溢效用看，企業依托客戶關系優化聲譽機制（孫回回，2010），降低信用風險從而緩解其融資約束。與銀行納入信貸黑名單相比，客戶集中度越高，企業越珍惜少數幾個大客戶，一旦違約其信貸黑名單就會在客戶中擴散，企業不僅喪失向銀行融資的可能性，更喪失在供應鏈中交易的機會（柴正猛和付聰，2020）。基于以上分析，提出假設2：

假設2：信用風險在客戶集中度與融資約束的關系中發揮中介作用。

市場地位高的企業，往往處于供應鏈的核心地位，自身與銀行保持良好的合作關系，比較容易從銀行獲得信貸支持，沒有強烈的動機維護客戶關系。而市場地位低的企業，往往是供應鏈中的中小企業，該類企業為借助供應鏈金融緩解融資需求積極與下游客戶建立并維持穩定的合作關系，因為高客戶集中度在銀行授信決策中具有收入保證、品質保證的信息含量，從而增強銀行對其放貸的信心（胡雯莉和李小金，2020）。基于以上分析，提出假設3：

假設3：與市場地位高的企業相比，市場地位低的企業客戶集中度對其融資約束的緩解作用更明顯。

當行業競爭不激烈、甚至是壟斷行業，可能意味著行業進入門檻較高，企業獲得的利潤高，不管是在資本市場還是在信貸市場都比較容易獲得資金支持（連燕玲等，2019）。處于競爭激烈行業的企業，不僅會面臨較多的同行和新進入者的競爭共同瓜分市場份額，而且產品定價能力較弱，不得不被動接受市場均衡價格，行業競爭會加劇企業的破產風險，增加未來收益和持續經營的不確定性，導致銀行消極放貸（胡雯莉和唐華軍，2021）。大客戶在行業競爭激烈環境中出于穩定進貨渠道、保證產品質量也傾向于與企業建立戰略合作伙伴關系，甚至與企業共同投資于產品研發、生產和一體化銷售。基于企業與大客戶雙向強烈動機建立的客戶關系會更牢固和持久，更有利于企業獲得銀行信貸支持。基于以上分析，提出假設4：

假設4：與行業競爭不激烈的企業相比，行業競爭激烈的企業客戶集中度對其融資約束的緩解作用更明顯。

三、研究設計

（一）樣本數據

本文以2009—2018年A股上市公司為研究樣本，財務指標、股權結構、企業性質等相關數據均來自國泰安CSMAR 數據庫，前五大客戶交易比例數據逐一從各上市公司年報中手工收集補充。進一步剔除金融行業、變量有缺失的樣本和 2009—2018 年間為 ST 或ST 的公司，且為避免極值的影響，對連續型變量進行了上下1%的Winsorize縮尾處理。

（二）主要變量的度量

1.融資約束的度量

借鑒況學文等（2010），采用Logistic 回歸模型來度量融資約束。具體如下：

第一步，參考胡海青等（2016）研究，將所有樣本每年的觀察值分別按“公司規模、利息保障倍數”從小到大排序形成兩列數據，將兩列數據中同時排名后33%的樣本定義為低融資約束組（Y 取值為0），同時排名前33%的樣本定義為高融資約束組（Y取值為1）；

第二步，選取經營活動現金凈流量NCF、銷售凈利率NPM、流動比率WCR、營業收入增長率GROW作為自變量，以二元離散變量Y為因變量進行Logistic回歸，構建融資約束指數（FCI）模型如下：

第三步，基于以上二元Logistic 回歸結果構造出的融資約束指數為：FCI=2.320-5.587×NCF-39.451×NPM-0.171×WCR-0.899×GROW，該指數值越大，表明企業所面臨的融資約束程度越高。

2.客戶關系的度量

參考張敏等（2012）的研究，采用上市公司財務報表中向前五大客戶年銷售額占年銷售總額的比重來度量客戶集中度（CPROP）。

3.信用風險的度量

借鑒史雪明等（2012）的研究，選擇巴薩利模型（Barthory Model）來衡量企業的信用風險水平（RISK）。RISK 值越大，表明企業的信用風險越小。計算公式如下：

4.調節變量

借鑒張新民等（2012）的研究，市場地位（PSALE）采用某公司年銷售額與整個行業所有企業年銷售額之和比例來度量。借鑒陳正林（2017）的研究，行業競爭性（HERF）采用各行業、年度上市公司營業收入的赫芬達爾指數HHI來度量。

5.控制變量

參考顧乃康和周艷利（2017）的研究，將影響企業融資約束的其他因素企業規模SIZE、資產負債率DEBT、盈利能力ROA、成長性GROW、有形資產比例TA、股權集中度FIRST、產權性質STATE 作為控制變量，同時還控制了年度和行業效應。

表1 主要變量定義及說明

變量符號FCI RISK變量名稱融資約束信用風險變量定義以企業規模和利息保障倍數為分組依據的二元Logistic回歸結果選擇巴薩利模型來衡量企業的信用風險水平

續表1

變量符號CPROP PSALE HERF SIZE DEBT ROA GROW TA FIRST STATE變量名稱客戶集中度市場地位行業競爭性企業規模資產負債率盈利能力年收入增長率有形資產比率股權集中度產權性質變量定義前五大客戶年銷售額/年銷售總額公司年銷售額與整個行業所有企業年銷售額之和比例各行業、年度上市公司營業收入的赫芬達爾指數HHI年末總資產的自然對數年末總負債/年末總資產年凈利潤/年末總資產本年營業收入增加額/上年營業收入（年末固定資產+年末存貨）/年末總資產第一大股東持股比例啞變量，如果企業為國有企業，取1；否則為0

（三）模型設定

為探究客戶集中度與融資約束之間的關系及信用風險在其中的中介作用，使用溫忠麟等（2004）提出的中介效應遞歸檢驗法，依次構建模型如下：

若模型（4）系數β顯著，模型（5）系數γ和γ也均顯著，且系數γ的值小于系數α的值，說明中介變量RISK發揮部分中介效應；若系數β、γ都顯著，而γ不顯著，說明中介變量RISK發揮完全中介效應。

為進一步探究市場地位、行業競爭性在客戶集中度與融資約束之間的調節作用，在模型（3）的基礎上分別添加交乘項CPROP×PSALE和CPROP×HERF 以檢驗假設 3 和假設 4。文中所有變量的描述性統計如表2所示。

表2 主要變量描述性統計

變量FCI CPROP RISK SIZE DEBT ROA GROW TA FIRST STATE樣本量1829 1829 1829 1829 1829 1829 1829 1829 1829 1829均值-1.222 0.284 5.003 22.424 0.482 0.040 0.152 0.425 0.378 0.496標準差6.673 0.226 4.025 1.575 0.165 0.058 0.331 0.172 0.166 0.500最小值-22.059 0.006-2.915 19.860 0.160-0.189-0.555 0.045 0.085 0.000中位數-0.865 0.220 4.025 22.564 0.475 0.037 0.107 0.419 0.360 0.000最大值34.554 0.960 26.970 27.001 0.857 0.198 1.805 0.808 0.774 1.000

四、實證結果分析

多重共線性檢驗顯示方差膨脹因子VIF 的均值小于3，各變量的VIF 值也均遠低于經驗臨界值10，所以本文設定的模型不存在嚴重的多重共線性問題，可以進行多元回歸分析。Hausman 檢驗結果顯示，回歸模型的P 值均為0.000，強烈拒絕原假設。故本文使用固定效應模型進行回歸。同時，為避免公司層面的聚集效應對標準誤的影響，回歸時在公司層面進行了cluster 處理。

1.客戶集中度、信用風險與融資約束

模型（3）回歸結果見表3 列（1）。客戶集中度（CPROP）的系數為-2.667，在10%的水平上顯著為負，說明客戶集中度越高，企業融資約束程度越低，假設1成立。這一結果表明在普遍存在產能過剩以及客戶不斷集中的中國市場中，利用客戶在供應鏈管理中的核心地位，大力發展客戶關系有利于緩解企業融資約束。模型（4）（5）的回歸結果依次見表3 列（2）（3）。列（2）客戶集中度（CPROP）的系數值為1.446，且在5%的水平上顯著為正；列（3）中介變量信用風險（RISK）的系數為-0.332，且在5%的水平上顯著為負，變量（CPROP）的系數降低為-2.246，且在10%的水平上顯著為負。檢驗結果表明，信用風險（RISK）在客戶集中度（CPROP）與企業融資約束（FCI）之間發揮中介效應。同時，本文還進行了Sobel檢驗，表3最后一行結果顯示，Sobel檢驗Z 值為-2.239，在5%的水平上顯著，表明中介效應檢驗結果通過了Sobel檢驗，假設2成立。

表3 客戶集中度對融資約束的影響及信用風險的中介作用

注：*、**和***分別表示10%、5%和1%的顯著性水平；括號內為穩健的標準誤差。

變量RISK模型（4）1.446**（0.64）FCI模型（3）-2.667*（1.81）CPROP RISK控制變量Constant年度效應行業效應是是19.141*（10.66）4.569（4.88）FCI模型（5）-2.246*（1.82）-0.332**（0.02）是19.152*（10.56）是 是是 是是 是R2值 N 0.566 1829 Sobel檢驗0.505 1829 0.013**0.4681 1829（Z=-2.239）

2.市場地位和行業競爭的調節作用

表4 列（1）顯示，客戶集中度與市場地位交乘項（CPROP×PSALE）的系數顯著為正。說明市場地位越高的企業，客戶集中度對融資約束的影響要弱一些，市場地位顯著削弱了客戶集中度對融資約束的緩解作用，假設3 得以驗證。表4 列（2）顯示，客戶集中度與行業競爭性交乘項（CPROP×HERF）的系數并不顯著。為進一步探討行業競爭性是否在客戶集中度對融資約束的影響中起調節作用，將樣本按照行業競爭程度分為兩組，參考陳正林（2017）研究，將各行業、年度上市公司營業收入的赫芬達爾指數HHI從大到小排列，排名前50%定義為行業競爭不激烈組（取值為0），排名后50%定義為行業競爭激烈組（取值為1），再對模型（3）進行分組回歸。表4 列（3）（4）顯示，競爭不激烈行業組的客戶集中度系數不顯著，而競爭激烈行業組的客戶集中度系數為-5.173，且在5%的顯著水平負相關。上述結果表明，相較于行業競爭不激烈的企業，行業競爭激烈的企業客戶集中度與其融資約束之間的負相關性更顯著，假設4得以驗證。

表4 市場地位和行業競爭的調節作用

注：*、**和***分別表示10%、5%和1%的顯著性水平；括號內為穩健的標準誤差。

變量FCI行業競爭性高（4）-5.173**（2.56）FCI全樣本（2）-1.729*（1.95）CPROP PSALE CPROP×PSALE HERF CPROP×HERF控制變量Constant年度效應行業效應是FCI全樣本（1）-3.762*（2.20）3.706（16.16）140.322*（79.50）是2.593（4.62）-13.94（10.40）是18.123*（10.51）是FCI行業競爭性低（3）0.916（1.51）21.707**（10.94）13.243（12.67）15.012-18.99是 是是 是是 是是 是R2值 N 0.51 1829 0.498 1829 0.658 841 0.457 988

五、穩健性檢驗①限于篇幅，檢驗結果留存備索。

一是為緩解由變量遺漏引起的內生性問題，借鑒王迪等（2016），選取屬于同一行業的客戶集中度年度均值作為工具變量，進行IV-2SLS回歸，結論基本不變。借鑒Patatoukas（2012）的研究方法，采用變化模型（Change Model）來克服客戶集中度的內生性問題，回歸結果保持不變。二是將客戶集中度減去行業中位數以減少行業的影響，CPROP_A 為行業調整后的客戶集中度。采用吳昊旻等（2017）計算出的SA指數重新度量融資約束，即SA=-0.737×Size+0.043×Size-0.04×Age，SA 指數越小，公司融資約束程度越大。客戶集中度對融資約束的影響及信用風險在其中起中介作用的回歸結果與上文一致，說明前述結論具有穩健性。三是剔除以零散客戶為主的行業樣本，且為了進一步排除行業差異的影響，對制造業樣本進行了檢驗。結果保持不變，說明本文結論穩健可靠。

六、研究結論及啟示

本文以2009—2018年所有A股上市公司為研究對象，以“客戶集中度—信用風險—融資約束”為研究主線，通過中介效應分析客戶關系對企業融資約束的作用機制。研究結果表明：客戶集中度越高，企業融資約束越低；信用風險在客戶集中度與融資約束的關系中發揮中介效應；企業的市場地位低、其客戶集中度對融資約束的緩解作用更明顯；企業所處行業競爭激烈時，其客戶集中度與融資約束的顯著性更強。

根據理論與實證結論，啟示落腳到兩個“重新審視”。對企業而言，重新審視如何進行客戶關系管理以緩解其融資約束，即企業如何控制客戶集中度以獲取更多的外部融資。對政府和銀行而言，重新審視如何改進信貸政策文件以實現金融精準“滴灌”供應鏈薄弱環節，即區分不同行業、不同市場地位企業施策。

一是主動建立和調整客戶關系緩解融資約束。鑒于供應鏈金融中的抵質押制度與聲譽機制有效降低企業信用風險，從而緩解中小企業外部融資約束的作用機理，更為集中的客戶關系不僅能降低企業營銷費用，保證企業主營業務收入，緩解企業內源融資壓力。也在銀行信貸審批過程中更具信息外溢效應，給銀行傳遞信用風險低的信號，增加銀行信貸可得性。市場地位低、所處行業競爭性高的企業更應在日常經營過程中主動建立和維護與大客戶之間的銷售關系及由此衍生的私人關系。當前正處“提升產業鏈供應鏈現代化水平”的政策密集支持時期，企業要加大科技創新投入，與主要客戶建立創新聯合體，突破關鍵領域“卡脖子”技術，優化產品結構，通過企業自身核心競爭力來穩定現有大客戶，并吸引更多潛在客戶成為企業備選客戶群，從而增強產業鏈供應鏈的韌性，提高其安全性和穩定性。

二是大力發展供應鏈金融以緩解中小企業融資約束。鑒于市場地位低、競爭激烈的企業往往是中小企業，加之供應鏈金融已被實務證實可以有效緩解中小企業融資約束的實際，更為集中的客戶關系不僅能增加企業商業信用供給，也有助于形成大客戶、企業、金融機構和第三方平臺構成的協同共生金融生態圈，不斷聚焦產業鏈企業間交易過程中沉淀資產的獲取和流轉，深入優質核心企業上下游生態圈，有序發展信用融資和存貨、預付款、應收款等動產質押融資業務。降低整個供應鏈的交易融資成本，特別是促進資金精準“滴灌”產業鏈中薄弱企業，解決中小微企業“短小急頻”特點的融資需求。同時，政府應針對不同行業競爭程度和具備不同市場地位的企業加強政策指引，建設和完善地方性中小微企業公共數據庫和全國性工業互聯網大數據中心，推動算力資源一體化調度和數據資源融合應用，實現數字供應鏈金融轉型。銀行等金融機構應廣泛對接公共部門的涉企信息數據，綜合運用金融科技手段和信用信息資源，豐富供應鏈金融產品和服務供給，增強專業化服務能力，面對競爭激烈的行業和市場地位低的企業甚至可以試行“一行業一產品、一企業一產品”，促進銀行信貸更好地服務地方經濟高質量發展。