去杠桿背景下商業信用再分配:方向及動機研究

□ 田治威 張藍月 孫鳳娥

(北京林業大學 經濟管理學院, 北京 100083)

[基金項目]國家社會科學基金項目(19BGL052)。

一、引 言

自2015年起,中國政府的宏觀政策始終在著力于去杠桿,并得到了顯著的成果。2017年至2019年,去杠桿政策效果顯現,中國杠桿率的高速上升趨勢得到遏制,宏觀杠桿率在總體上保持在250%左右,非金融企業部門的杠桿率呈現下降趨勢(1)根據國家金融與發展實驗室發布的數據，2015年末至2019年末非金融企業部門的杠桿率分別為151.2%、158.5%、158.2%、153.6%、151.3%。。在此背景下,弱勢企業相較于強勢企業在金融資源初始配置中獲得信貸資源更加困難。然而“三去一降一補”政策對企業的生產經營活動提出了更高要求,企業必定需要更多金融資源支持。

銀行等正規金融機構是企業獲取信貸資金的主要來源,但在貨幣政策緊縮期,弱勢企業難以獲得銀行信貸資金,商業信用對銀行信貸的再配置在一定程度上可以緩解弱勢企業的信貸困境,優化資源配置。Meltzer(1960)[1]首次提出商業信用對信貸資源的再分配,貨幣政策緊縮時期企業難以獲得信貸資金,能從銀行等正規金融機構獲取貸款的企業通過商業信用(如應收賬款等)把信貸資金流向較難獲取貸款的企業。之后也不斷有學者研究商業信用再分配的存在性,大多得到了取得的短期銀行信用與供給的商業信用成正比的結論[2-4]。但也有學者提出相反的觀點,認為我國的商業信用加劇了信用配置不平衡,取得較多銀行信貸的企業反而取得了較多的商業信用[5],國有企業獲得的銀行信用與提供的商業信用不相關[6]。

企業勢力對商業信用再分配有重要影響,目前學者們得到的結論包括弱勢供應商迫于強勢客戶壓力提供商業信用[7-8]或延長還賬期限[9],客戶很少能從強勢企業方獲得商業信用[10],弱勢企業是供給側結構性改革下商業信用再配置的最大受益者[11-12]等。貨幣政策作為宏觀調控手段也會影響企業的商業信用決策,貨幣政策緊縮期信貸歧視進一步加劇[13],商業信用的存在符合替代性融資理論[14],而寬松的貨幣政策能夠使強勢買方降低信用侵占意愿,弱化被動再配置水平[15],也有進一步的研究得出貨幣政策對商業信用供給有雙重反饋效應的結論[16]。而關于商業信用再配置的動機,已有研究主要分為兩個流派:買方市場理論下的競爭性動機[17-19]和融資性動機理論[3，20]。

本文的邊際貢獻在于,通過實證研究辨別了去杠桿前后商業信用再分配方向的不同,通過分析去杠桿后商業信用供給和超額利潤之間的關系,更直接地論證了去杠桿后商業信用主要供給企業的供給動機,拓展了商業信用再分配的研究邊界,本文對于理解企業信用資源配置及其與去杠桿政策之間的聯動性具有參考作用。

二、理論分析與研究假設

(一)企業間是否存在商業信用對銀行信貸的再配置

根據買方市場理論下的競爭性動機,企業向客戶的商業信用再分配為市場競爭的手段之一,特別是當企業的同行競爭者比較多時,客戶尋找替代品非常容易,市場競爭的存在會破壞供應商與客戶之間的緊密關系。供應商為了規避客戶資源流失向客戶提供商業信用以換得供應鏈上的長久合作。而根據融資性動機,由于銀企之間的信息不對稱和金融市場的不完善,企業在申請銀行信用時會遭受“信貸配給”[21],強勢企業更傾向于增加對弱勢企業的商業信用供給,一方面強勢企業具有比較融資優勢,商業信用再分配的能力更強,另一方面強勢企業相比銀行與其他企業日常交易往來更多,對其經營財務狀況掌握更充分,這一信息優勢使強勢企業更有意愿作為融資中介,為了逐利目的成為弱勢企業的替代性融資來源。

基于以上分析,提出本文研究假設:

H1:企業間存在商業信用對銀行信貸的再配置。

(二)去杠桿前后誰是商業信用的主要供給方

自2016年開始實施去杠桿政策后,2017年銀行信貸供給量開始下降,非金融企業部門杠桿率也隨之逐步下降。因此與去杠桿后相比,去杠桿前為貨幣政策寬松期。在貨幣政策寬松期,商業信用再配置的存在一般滿足買方市場理論[15],弱勢企業面臨的信貸配給不如緊縮期那樣嚴重,為了維系與交易對方的合作關系和自身正常經營運轉,會選擇滿足強勢企業要求賒購或預付款的要求,讓步自身流動性來鎖定合作伙伴,即使會面對著一些強勢企業惡意拖欠的風險[22]。

去杠桿后中央銀行實行緊縮的貨幣政策,商業銀行負債(存款)業務規模降低,社會資金供應減少。對實體經濟的影響為企業信貸融資額度大幅下降[23]。弱勢企業面臨著更加嚴重的信貸配給,外部融資成本提高、規模受限,“融資饑渴”進一步加劇,已無力再充當商業信用的主要供給者。而強勢企業因為自身實力更受銀行等正規金融機構的青睞,即使在信貸緊縮的情況下銀行借款仍能保持較快增長[24],因此強勢企業由于比較融資優勢更易成為商業信用的主要供給者。

基于以上分析,提出本文第二個假設:

H2:去杠桿前后商業信用再分配方向發生轉換:去杠桿前,商業信用主要由弱勢企業流向強勢企業;去杠桿后,商業信用主要由強勢企業流向弱勢企業。

(三)去杠桿背景下強勢企業商業信用供給的動機

基于融資性動機,去杠桿后弱勢企業遭受更嚴重的信貸配給,融資更加困難,而供給側結構性改革政策對企業經營提出更高要求,企業資金需求有增無減,便會轉而求助于商業信用融資,即使這種方式的使用成本更高。強勢企業受到信貸配給水平弱,融資難度較低,成本較低,融資價差使強勢企業愿意向弱勢企業供給商業信用來賺取利差、攫取超額利潤[16],表現出一種“趁火打劫”的傾向。

然而強勢企業也可能是為了供應鏈的持續健康發展,出于擔當供應鏈管理者責任的動機來供給商業信用。2016年,人民銀行等八部委印發《關于金融支持工業穩增長調結構增效益的若干意見》,文件中提到要“大力發展應收賬款融資”、“支持企業設立產業創投基金,為產業鏈上下游創業者提供資金支持”,這一處于去杠桿時間節點的政策契機為弱勢企業的融資難題帶來解決方案,但這必須得到強勢企業的配合和支持。強勢企業將獲得的銀行信用有效注入上下游的弱勢企業,就能一定程度上解決其融資困難和供應鏈失衡問題,提高供應鏈競爭活力,潤滑整個鏈條的運轉。因此,強勢企業供給商業信用也可能是優化供應鏈,以實現長遠發展。

基于以上分析,本文提出以下兩個備擇假設:

H3a:去杠桿后強勢企業提供商業信用的動機是利益攫取。

H3b:去杠桿后強勢企業提供商業信用的動機是充當供應鏈上的責任擔當角色,以優化供應鏈,實現企業長遠發展。

本文的研究邏輯見圖1。

圖1 去杠桿對商業信用再分配方向的影響機制

三、研究設計

(一)樣本選擇與數據來源

本研究選取2007至2019年間滬深交易所所有A股上市公司,剔除被標記ST、*ST的公司和金融業公司。對所有連續型變量進行了上下2%Winsorize縮尾。最后獲得30 425個觀察值,構成非平衡面板。公司的基礎財務數據以及客戶、供應商數據和行業數據來自國泰安(CSMAR)數據庫。

(二)模型設定與變量定義

1. 企業間是否存在商業信用對銀行信貸的再配置

為檢驗H1,本文借鑒于博和尹鳳[25]的做法,設定模型(1):

ari,t=β0+β1banki,t+β2sizei,t+β3top3i,t+

β4roei,t+β5invturni,t+β6levi,t+

β7goodwilli,t+at+yt+εi,t

(1)

其中下標i代表公司i,下標t代表年度t,ai和yt分別為固定公司和年效應,本文其他模型中與此相同。

被解釋變量為商業信用流出(ar),借鑒于博和尹鳳的衡量方式,商業信用流出采用應收賬款、應收票據和預付賬款三者之和與營業收入的比值來衡量。解釋變量為銀行存款(bank),為短期借款與長期借款之和與營業收入的比值。若假設1成立,bank的系數β1應該顯著為正。

2. 去杠桿前后誰是商業信用的供給方

為驗證H2,本文設定模型(2):

ari,t=β0+β1custmperi,t+β2sizei,t+β3top3i,t+

β4roei,t+β5invturni,t+β6levi,t+

β7goodwilli,t+ai+yt+εi,t

(2)

模型(2)的被解釋變量為商業信用流出(ar),解釋變量為市場勢力(custmper)。在選擇市場勢力指標時,本文聚焦于微觀企業,所以選取企業前五大顧客交易額占比(custmper)作為衡量企業市場勢力的指標?？蛻艏卸饶芊从成鲜泄緦﹃P鍵客戶的依賴程度和力量強弱對比[26],指標數值越大,客戶越集中,買方越強勢,企業勢力越弱;指標數值越小,客戶越分散,企業不過分依賴于少數幾個客戶,市場勢力越強。自2017年起銀行信貸供給量才開始下降,非金融企業部門杠桿率也開始下降,因此將2017年作為去杠桿政策生效的時間節點。分別用2007—2016年和2017—2019年數據對模型(2)進行回歸。若2007—2016年β1顯著為正,在2017—2019年β1顯著為負,則H2成立。

3. 去杠桿背景下強勢企業商業信用供給的動機:利益攫取還是責任擔當?

假設3將分析去杠桿后上市公司的超額利潤水平。參考羅宏等[27]超額薪酬的測算方法,用實際營業利潤減去預計營業利潤得到超額利潤。預計營業利潤的測算遵循以下步驟:

首先取2017年后的數據,用模型(3)回歸得到各回歸系數:

opprofiti,t=β0+β1indopprofiti,t+β2asseti,t+

β3top3i,t+β4invturni,t+β5levi,t+

at+yt+εi,t

(3)

其中,opprofit表示企業當年營業利潤,indopprofit代表行業平均營業利潤。

其次,用估計的系數乘以相應決定利潤的因素,得到預計利潤(expect)。

最后,使用模型(4)計算超額利潤(overprofit):

overprofiti,t=opprofiti,t-expecti,t

(4)

為驗證H3,本文設定模型(5):

overi,t=β0+β1ari,t+β2sizei,t+β3top3i,t+

β4invturni,t+β5levi,t+β6goodwilli,t+

at+yt+εi,t

(5)

模型(5)被解釋變量為超額利潤水平(over),即超額利潤(overprofit)除以營業收入,解釋變量為商業信用流出(ar)。用2017—2019年的數據對模型(5)進行回歸,若β1顯著為正,則H3a成立;如果β1顯著為負,H3b成立。

其他控制變量的具體定義見表1。

表1 變量定義

四、實證結果與分析

(一)描述性統計

主要變量的描述性統計結果見表2。重點關注2017年后企業的超額利潤水平(over)中位數為-0.021,說明未獲取超額利潤的上市企業占比超過一半,最小值為-1 177.053,最大值為38.344,極差較大,說明去杠桿后不同企業受益情況顯著不同。

(二)相關性分析

相關性分析結果見表3。除營業利潤(opprofit)與企業規模(size)、企業總資產(asset),企業規模(size)與企業總資產(asset)間的系數高于0.5外,其他變量之間相關系數絕對值都比較小,回歸模型不存在嚴重的多重共線性。

表2 變量描述性統計結果

表3 變量間相關性分析結果

(三)初步回歸結果

1. 商業信用對銀行信貸再配置存在性結果分析

模型(1)的回歸結果見表4列(1)。銀行貸款(bank)的回歸系數在1%水平上顯著為正,意味著上市企業間存在著商業信用對銀行信貸再分配,供給商業信用隨著取得銀行貸款的增加而增加,H1得到初步驗證。

2. 去杠桿前后誰是商業信用的供給方

模型(2)的回歸結果見表4列(2)和列(3),列(2)為用2007—2016年的數據進行回歸的結果,列(3)為用2017—2019年的數據進行回歸的結果。2007—2016年代表企業勢力的變量(custmper)的回歸系數β1在1%水平上顯著為正,說明在去杠桿前弱勢企業為商業信用的主要供給者。2017—2019年代表企業勢力的變量(custmper)的回歸系數在1%水平上顯著為負,說明去杠桿后強勢企業為商業信用的主要供給者,實證結果支持了去杠桿背景下商業信用再分配的方向發生了轉換,H2得到了初步驗證。

3. 去杠桿背景下強勢企業商業信用供給的動機:利益攫取還是責任擔當?

模型(5)的回歸結果見表4列(4),2017—2019年商業信用流出(ar)的回歸系數在1%水平上顯著為負,再聯系描述性統計結果中超額利潤水平(over)的最小值和中位數均為負,這表明去杠桿后強勢企業作為商業信用的主要供給者并沒有憑借比較融資優勢以高利率對弱勢企業進行“趁火打劫”,借機獲取超額利潤,事實上強勢企業供給商業信用的動機是跟隨配合政策趨勢,主動為上下游企業提供融資服務,寧可犧牲自己的超額利潤,解決弱勢企業融資困難的問題,維護整個供應鏈可持續健康發展,擔當起支持整個供應鏈的責任。實證結果否定了強勢企業作為商業信用主要供給者的“利益攫取”動機,支持了“責任擔當”動機,H3a不成立,H3b成立。

表4 初步回歸結果

(四)內生性處理

1. 傾向得分匹配法(PSM)

本文通過傾向得分匹配法進行了重新估計。因為本研究所用樣本量很大,因此選擇K近鄰匹配(一對一匹配),核密度圖顯示匹配后共同取值范圍較大,匹配效果良好,傾向得分匹配后的樣本重估結果與初步回歸結果基本一致。

2. 工具變量法

對于H1,Yang[28]與Petersen和Rajan[2]建議用償債能力作為銀行貸款(bank)的工具變量。本文借鑒于博和植率[15]的研究,將企業的流動比率(cr)和有形資產(tan)作為銀行借款(bank)的工具變量,其中tan的計算口徑為(0.72×應收賬款+0.55×存貨+0.54×固定資產)/營業收入。對于H2,本文參考李任斯和劉紅霞[29]的研究,選取市場勢力虛擬變量cusdum(即當代表企業勢力的前五大顧客交易額占比大于行業中位數,取1;當前五大顧客交易額占比小于行業中位數,取0)作為市場勢力(custmper)的工具變量。對于H3,本文參考李任斯和劉紅霞[29]的工具變量選取方法,選取行業商業信用流出均值(indarmean)、行業商業信用流出中位數(indarp50)和行業商業信用流出虛擬變量(ardum)(即當商業信用流出大于行業中位數,取1;當商業信用流出小于行業中位數,取0)作為商業信用流出(ar)的工具變量。結果與初步回歸結果基本一致。

(五)穩健性檢驗

本文采用分割時間窗口的方法對模型(1)再檢驗。分別用去杠桿前和去杠桿后的數據對模型(1)進行回歸。采用商業信用凈流出net(net=(應收賬款+應收票據+預付賬款-應付賬款-應付票據-預收賬款)/營業收入)作為商業信用供給的替代變量對H2再檢驗。借鑒白俊等[30]的做法,只保留獲得超額利潤的上市公司(即overprofit為正)對H3b進行穩健性檢驗,并對超額利潤(overprofit)進行取對數處理。

五、結論與建議

本文以2007—2019年全部A股上市公司為研究樣本,對商業信用再分配的存在性及其主要供給者在去杠桿前后勢力的不同和供給動機進行實證分析。研究發現:(1)上市公司間存在商業信用對銀行信貸的再分配。(2)去杠桿背景下發生商業信用再分配方向的轉換,商業信用的主要供給者由去杠桿前的弱勢企業變為去杠桿后的強勢企業。(3)去杠桿背景下強勢企業供給商業信用的動機為“責任擔當”,并非是為了攫取超額利潤。

根據本文的研究結論,提出以下建議:

首先,要優化去杠桿政策的實施效果,提高金融資源配置效率。本文研究證實了企業間存在商業信用對銀行信貸再配置,且發現去杠桿后強勢企業變成了商業信用的主要供給者,說明金融資源初始配置效率較低,金融抑制和信貸歧視使弱勢企業在去杠桿政策實施后融資約束更加嚴重,必須有強勢企業進行商業信用再分配來支持弱勢企業,進而支持整個供應鏈的正常運轉。因此,在去杠桿政策實施中,在金融資源初始配置時要對弱勢企業的合理信貸需求提起重視,構建多層次的金融體系,提高金融資源配置效率。

其次,加強供應鏈上下游合作,發展和管控供應鏈金融。當前社會化生產方式不斷加深,處于同一供應鏈的企業相互依存,“一榮俱榮,一損俱損”,市場競爭已經轉變為供應鏈與供應鏈之間的競爭,而不再是單個企業之間的競爭。強勢企業相比銀行更具信息優勢,相比弱勢企業更具融資優勢,可以通過向供給商業信用的方式來緩解弱勢企業的融資困難問題,激活供應鏈活力,因此大力發展供應鏈金融能夠提高資源配置效率。但政府也要對這種方式加以管控,避免過度使用商業信用帶來企業流動性和償債能力過低的風險?！?/p>