分析師跟蹤有助于抑制企業金融化嗎

林鐘高 辛明璇

【摘要】實體企業金融化現象是學術界關注的焦點問題， 而證券分析師作為一種典型的外部治理機制， 對企業金融化的決策行為將產生怎樣的影響？ 這是公司治理機制要回答的問題。 以2011 ～ 2020年A股上市公司為樣本， 探究分析師跟蹤對企業金融化水平的影響及其機制。 研究發現， 分析師跟蹤會降低企業金融化總體水平， 融資約束與第一類代理成本在其中發揮著重要的機制作用。 異質性檢驗發現， 在股東監督和商業信用融資程度低的情況下， 分析師跟蹤對企業金融化的抑制作用更明顯; 而金融資產投資偏好的異質性檢驗則發現， 分析師跟蹤與企業長期金融資產配置呈顯著的負相關關系， 與企業短期金融資產配置呈顯著的“U”型關系。 企業在“脫虛向實”過程中， 要充分利用分析師的治理效應， 合理配置金融資產， 有效防范金融化風險， 促進實體經濟高質量、高效率、可持續發展。

【關鍵詞】分析師跟蹤;企業金融化;融資約束;代理成本;脫虛向實

【中圖分類號】F275 ? ? ?【文獻標識碼】A ? ? ?【文章編號】1004-0994（2022）11-0046-10

一、引言

自2012年開始， 我國經濟增速放緩， 產能過剩問題凸顯， 資本逐利本性暴露， 資金不斷流入金融領域， 虛擬經濟與實體經濟的對立統一出現失衡， 我國產業經濟的可持續發展受到影響。 從微觀實體角度來看， 實體企業金融化行為具有“蓄水池”和“投資替代”兩種動機。 微觀企業通過配置高流動性、高收益性的金融資產， 能夠調活資金， 反哺企業實體創新， 緩解融資約束， 發揮“蓄水池”功能。 然而， 在兩權分離背景下， 管理者出于短期逐利目的， 將企業有限的資源投入高風險的金融領域。 若投資失敗， 也能將原因歸咎于金融市場風險等非自身因素， 從而造成企業過多資金在虛擬經濟領域“空轉”， 抑制實體業務發展[1，2] 。 同時， 大量文獻表明， 企業出于逐利動機配置金融資產會抑制企業創新[3] 、降低生產效率[4] 、加劇股價崩盤風險[5] 等， 嚴重時甚至會帶來金融危機[6] 。 為防范金融市場過度自由化導致的經濟市場失衡， 十九大報告明確提出， “必須把發展經濟的著力點放在實體經濟上”， 這體現國家層面對金融化問題的高度重視。 因此， 深入挖掘企業金融化的成因和機制， 引導企業“脫虛向實”、回歸本源， 對防范金融風險和持續提升實體經濟質量有著重要意義。

分析師跟蹤作為公司外部治理的一種重要機制， 在緩解企業與外部投資者信息不對稱的同時， 通過“監督效應”和“壓力效應”影響企業的經營投資決策。 一方面， 分析師通過信息收集、信息解讀、信息傳遞三個步驟， 給市場創造增量信息， 避免利益相關者受到侵害， 充分發揮外部監督作用， 抑制企業過度投資行為[7，8] ; 另一方面， 分析師預測會給管理者帶來較大業績壓力， 導致管理者產生短期逐利行為， 進而配置金融資產以迎合分析師預期[9，10] 。 那么， 分析師跟蹤對企業金融資產配置究竟體現的是“監督抑制”還是“壓力迎合”？ 這是本文研究的核心問題。

企業金融化必須有充足的資金保障， 融資與企業金融化決策密切相連。 商業信用作為債務融資的一種方式， 其產生的償債壓力會形成風險效應， 進而發揮治理作用， 監督管理者的經營決策行為， 降低代理成本， 因而商業信用融資與分析師跟蹤共同構成外部治理機制[11] 。 同時， 兩權分離帶來的代理沖突可能導致管理者出現利用金融資產操控利潤的機會主義行為[12] ， 而股東作為企業利益相關者， 其行使的監督職能作為企業內部治理機制能夠約束管理者利己行為， 從而抑制企業金融資產配置[13，14] 。 那么， 商業信用、股東監督與分析師跟蹤三種公司治理機制在企業金融化過程中存在怎樣的關系？ 此外， 分析師預測還存在預測樂觀偏差這一負面事項， 這是否會驅動管理者出于短期逐利目的而進行金融資產配置？ 分析師跟蹤是否會影響企業長短期金融資產配置偏好？ 目前學術界在這些方面還缺乏深入的討論， 這是本文所要研究的延伸問題。

基于以上思考， 本文采用2011 ～ 2020年A股非金融上市公司為樣本， 以企業金融化作為自然實驗場景， 考察和實證檢驗分析師跟蹤對企業金融化的治理效果及作用機制。 本文的邊際貢獻可能在于： 揭示分析師跟蹤影響企業金融化的作用機理， 為治理企業“脫實向虛”提供經驗證據。 通過“分析師跟蹤—融資約束/第一類代理成本—企業金融化”兩條作用路徑， 剖析分析師跟蹤對企業金融資產配置行為的具體影響過程及作用機理， 既揭示了企業金融化的成因， 為研究企業金融化提供新的方向， 又展示了分析師跟蹤對企業金融化現象的治理效應及作用機制， 提供了分析師作為外部治理機制對企業金融化發揮抑制作用的經驗證據， 為公司治理機制和政策環境的完善提供一定的理論支持。

二、理論分析與研究假設

（一）分析師跟蹤與企業金融化

根據信息中介假說， 分析師能夠依據專業知識和較強的財務分析能力， 將公司信息化繁為簡， 使其準確、高效地傳向市場， 架起公司內部與外部投資者之間的信息橋梁， 提高投資者的認知水平， 有助于利益相關者準確評價管理者的經濟行為， 提升公司治理效率。 一方面， 分析師跟蹤能夠弱化信息鴻溝， 打破投資者認知的局限性， 使投資者意識到企業過度配置金融資產會導致經營不善的負面消息被遮掩。 資金在虛擬經濟中“空轉”， 易造成資產泡沫， 擠占創新發展空間， 積聚風險[15] ， 而分析師跟蹤能夠使外部投資者對企業的經營投資行為更加敏感， 實行用腳投票， 迫使管理者限制企業金融資產配置數量; 另一方面， 相較于外部投資者， 分析師與企業管理者的接觸更加頻繁， 能夠獲得更多的企業信息， 并對其進行解讀、預測， 提高資本市場信息環境的流動性， 降低信息需求者獲取和解讀企業信息的成本。 投資者更加了解企業長期風險投資項目的價值， 避免逆向選擇的發生， 起到緩解外部融資約束的作用， 避免企業出于“蓄水池”目的而配置金融資產， 促使企業資源布局更加合理。124F931E-8FDE-46F6-A06F-34B347194CC2

根據監督效應假說， 分析師不僅是企業信息的中轉站， 還能通過實地調研、舉辦交流會、開展線上會議等方法， 增加調查研究的頻率和深度， 扮演企業外部監督者角色， 不斷壓縮管理者自身逐利空間， 倒逼管理者將企業資金投入實體經營中， 有效抑制代理沖突， 對企業投資行為實施非正式監督[16] 。 從管理者心理角度切入， 分析師跟蹤產生的監督作用會對管理者產生心理上的震懾， 實時洞悉管理者動態， 抑制管理者利益挖掘。 同時， 管理者出于對自身薪酬和聲譽方面的考慮， 會克制將企業資金捆綁于金融市場以攫取超額收益的機會主義行為[17] 。 除此之外， 分析師跟蹤還能與其他外部監管機制相融合， 對企業投資決策發揮間接監督作用。 隨著分析師行業的規范與成熟， 分析師成為維持資本市場穩定運行的重要治理機制， 影響力日益彰顯， 其對企業的監督能夠發揮傳染效應， 吸引媒體、機構投資者、會計師事務所等外部治理機構的目光， 協同發揮治理效應， 從而約束管理者自利行為， 有效降低企業金融化水平[18] 。

然而， 分析師跟蹤也存在壓力效應。 由于分析師與企業存在利益沖突， 分析師具有發布偏高盈余預測報告的動機， 給管理者施加短期業績壓力， 誘導管理者出于市場套利目的， 偏愛于配置短期金融資產以迎合分析師預期， 從而導致金融資產配置偏好差異[19] 。 隨著分析師市場的日益完善， 分析師作為資本市場重要的信息中介， 其發表的盈余預測報告具有可參考性， 得到投資者的充分肯定， 也是企業管理者外部業績的考核指標， 能夠給管理者帶來較大的經營壓力， 造成其短視行為， 扭曲信息之間的正常傳遞， 削弱管理者激勵機制的治理作用。 若管理者未達到分析師預測業績水平， 企業股價會受到波及， 管理者自身也會遭受較大損失， 如薪酬降低、聲譽受損、管理能力受到質疑等。 管理者迫于分析師壓力， 有動機改變企業金融資產配置結構。 然而， 我國企業具備高股權集中度、兩職合一等顯著特點， 在一定程度上削弱了分析師壓力效應的作用， 正如上文所說的監督效應在抑制企業總體金融投資行為中占主導作用[20] 。

但監督效應和壓力效應依舊同時存在于資本市場中， 監督效應只是在抑制企業整體金融投資水平上占有優勢， 并非壓力效應完全消失。 而金融資產具有多樣化特征， 其中配置長、短期金融資產的動機顯著不同， 那么分析師發揮不同的治理效應會導致企業長、短期金融資產配置結構產生異質性嗎？ 在進一步分析中， 將對金融資產配置結構進行“降維”分析， 探索分析師壓力效應對企業長、短期金融資產投資偏好產生何種影響。

綜上所述， 分析師跟蹤具有監督效應和壓力效應雙重特性， 在針對企業金融化治理方面， 其監督效應占據主導地位， 能夠降低企業金融化總體水平。 基于以上分析， 提出以下假設：

H1： 在其他條件保持不變的情況下， 分析師跟蹤會抑制企業金融化。

（二）分析師跟蹤對企業金融化的影響機制

分析師跟蹤扮演著信息傳遞媒介， 通過改善市場信息環境， 緩解融資約束， 削弱企業金融化的“蓄水池”動機， 減少以資金管理需求為導向而配置金融資產的行為。 當企業面臨較為嚴重的外部融資約束時， 出于資金管理需求動機， 將配置具備風險規避功能的金融資產， 借助其投資可逆性和較強的流動性， 防范企業現金流波動帶來的不利影響， 使企業能夠靈活應對主業資金斷裂風險[21] 。 也就是說， 當企業面臨融資歧視時， 其進行金融資產投資的目的在于發揮金融資產的“蓄水池”作用。 若企業融資約束有所緩解， 外部市場便能夠提供充足、靈活的資金， 企業將降低金融資產配置水平， 而緩解企業融資約束的重要途徑之一便是降低企業內外部信息不對稱。 分析師作為外部資本市場信息中介的組成部分， 能夠有效緩解信息不對稱問題， 削弱融資歧視， 進而使企業金融資產配置比例有所下降。 其原因在于， 分析師能夠掌握企業投資項目發展信息， 打破信息壁壘， 提高信息透明度， 使投資者深入了解企業投資決策， 避免投資者對長期風險性投資項目的逆向選擇， 調動投資者對企業的投資熱情， 使其愿意主動提供資金， 緩解企業融資約束， 降低企業對內部資金的依賴性[22] 。 因此， 分析師跟蹤能夠拓寬企業融資渠道， 減少企業出于“蓄水池”動機而將資金投入金融市場的行為， 有效降低企業金融化水平。

分析師跟蹤通過直接和間接的外部監管機制抑制企業代理問題， 弱化企業出于資本套利動機而產生的金融資產投資行為， 能夠有效降低企業金融化水平。 在兩權分離背景下， 管理者面臨公司業績和自身升職加薪的壓力， 易出現短視行為。 相較于周期長、收益率低的實體行業， 獲利能力強、流動性高的金融行業更受管理者青睞， 管理者更愿意將企業生產制造資金轉移到金融資產投資中， 以獲得短期超額收益。 同時， 金融行業投資熱情空前高漲， 股東和外部投資者均對企業金融化投資有較強的包容能力。 若金融投資造成損失， 管理者可以將責任歸咎于金融市場的不穩定， 股東和外部投資者也能接受這個結果， 進而刺激管理者做出不利于企業長期發展的決策， 表現為配置更多的金融資產。 換言之， 由于第一類代理問題的存在， 管理者將利用金融資產在短期內可以獲得超額收益這一特點， 將企業大量資金投入金融行業， 從而提高企業金融化水平。 因此， 若能夠緩解第一類代理問題， 則能在一定程度上使投入金融領域的資金回流至企業主營業務中， 從而抑制企業金融化。 而分析師作為企業外部監管機構， 能夠通過深度挖掘企業信息， 持續發揮監督作用， 及時約束管理者機會主義行為， 緩解第一類代理問題對企業實體經營帶來的負面影響， 抑制管理者對金融領域投資的熱情[23] 。

概而言之， 分析師作為企業外部治理機制， 通過緩解融資約束和降低第一類代理成本兩條路徑， 分別約束企業出于預防儲備和短期逐利動機而配置金融資產的行為， 進而有效降低企業金融化水平。 基于以上分析， 提出以下假設：124F931E-8FDE-46F6-A06F-34B347194CC2

H2： 在其他條件保持不變的情況下， 融資約束和第一類代理成本在分析師跟蹤與企業金融化的關系中具有中介傳導作用。

三、研究設計

（一）樣本選擇與數據來源

2008年全球金融危機給我國經濟帶來不利影響， 我國在2008 ～ 2010年間實施了積極的財政政策， 同時適當放松貨幣政策， 以抵御金融風險。 因而， 為避免外部宏觀環境對研究的影響， 本文選取2011 ～ 2020年間全國A股上市公司為研究對象， 并刪除金融、房地產及保險業上市公司， 刪除被ST的上市公司以及數據缺失或存在異常的公司， 最后得到18728個年度觀測樣本。 為去除極端值影響， 對所用到的連續變量進行雙邊1%的縮尾處理。 本文數據均來自國泰安數據庫（CSMAR）， 數據統計分析主要由Stata 15.1完成。

（二）模型設定及變量定義

1. 模型設定。 為檢驗分析師跟蹤對企業總體金融資產規模的影響， 構建如下模型：

Fin=α0+α1Analyst+α2Controls+Ind+Year+ε1

（1）

根據H1， 預期α1顯著為負。

進一步， 參照溫忠麟等[24] 提出的中介效應檢驗三步法， 檢驗融資約束和第一類代理成本在分析師跟蹤與企業金融化二者關系之間發揮的中介作用， 在模型（1）的基礎上構建如下模型：

KZ（AC）=μ0+μ1Analyst+μ2Controls+Ind+

Year+ε2 （2）

Fin=θ0+θ1Analyst+θ2KZ（AC）+θ3Controls+

Ind+Year+ε3 （3）

根據H2， 預期μ1、θ1顯著為負， θ2顯著為正。

2. 變量定義。

（1）被解釋變量： 企業金融化（Fin）。 參考謝家智等[25] 、譚德凱等[26] 的做法， 用金融資產占總資產的比例衡量企業金融化水平， 具體計算方法如下：

企業金融化（Fin）=（交易性金融資產+衍生金融資產+發放貸款及墊款凈額+可供出售金融資產凈額+持有至到期股權凈額+長期股權投資凈額+投資性房地產凈額）/總資產 （4）

其中： 由于非房地產企業進入房地產行業是出于短期獲利目的， 因而將投資性房地產凈額納入金融資產核算; 2019年實施的企業會計準則規定不再使用“可供出售金融資產”和“持有至到期投資”兩個項目， 且2018年已有部分企業提前實施2019年的企業會計準則， 從而導致2018年以后企業的這兩個項目存在大量缺失值， 為避免其對研究結果的干擾， 用“債權投資”代替“持有至到期投資”項目， “可供出售金融資產”項目數值缺失則用“其他債權投資”“其他權益工具”兩個項目之和代替。

（2）解釋變量： 分析師跟蹤（Analyst）。 參考陳欽源等[27] 的做法， 以當年公司被分析師跟蹤分析的人數加1取自然對數衡量分析師跟蹤。 其中， 若一年內有一個團隊對該公司進行過跟蹤分析， 則分析師跟蹤數量視為1， 不單獨列出其成員計算數量。

（3）中介變量： 融資約束（KZ）和第一類代理成本（AC）。 本文用KZ指數衡量融資約束， KZ指數值越大， 意味著企業面臨的融資約束越強; 參考羅勁博、李小榮[28] 的做法， 使用管理費用與營業收入的比例衡量企業第一類代理成本。

（4）控制變量。 借鑒相關文獻[29] ， 加入企業微觀財務指標、企業內外部治理變量以及國家宏觀政策變量等控制變量， 并控制年度和行業效應。 具體變量定義見表1。

四、實證分析

（一）描述性統計

描述性統計結果表明， 企業金融化（Fin）的平均值為0.076， 最小值為0， 最大值達到了0.678， 說明企業間金融化水平存在較大差異， 部分企業偏愛配置金融資產， 存在較高的金融風險。 分析師跟蹤（Analyst）的平均值為1.578， 最小值為0， 最大值為3.784， 表明分析師對不同上市公司投入的關注度有所差異， 不同公司對分析師的吸引程度不同。 另外， 其他變量的平均值與其中位數都較為接近， 統計結果基本符合要求， 在此不再贅述。

（二）單變量與相關系數分析

1. 單變量分析。 按照分析師跟蹤中位數將樣本分為低分析師跟蹤組和高分析師跟蹤組， 分析不同分析師跟蹤強度下公司金融化程度的差異。 單變量分析表明， 低分析師跟蹤組的金融化均值高于高分析師跟蹤組， 二者存在顯著差異。 以上結果初步證實分析師跟蹤發揮監督作用， 抑制企業金融化。

2. 相關性分析。 從各變量間的Pearson和Spearman相關系數可以看出， 分析師跟蹤與企業金融化之間的相關關系顯著為負， 說明分析師跟蹤與企業金融化水平存在顯著的負相關關系。 此外， 其他變量的相關系數大多都低于0.5， 初步判斷變量之間不存在嚴格的多重共線性。

限于篇幅， 描述性統計、單變量檢驗以及相關性分析的具體過程和數據不再列示， 資料備索。

（三）回歸分析

1. 分析師跟蹤影響企業金融化水平的回歸檢驗。 表2列示了分析師跟蹤與企業金融化的多元回歸結果， 即模型（1）的回歸結果。 其中， 在進行簡單的OLS回歸的基礎上， 補充面板數據的固定效應回歸、所有變量滯后一期回歸以及GMM回歸。 在進行GMM回歸時， 選取分析師跟蹤的行業均值作為工具變量， 所有回歸均控制行業和年度效應。 從表2可以看出， 分析師跟蹤（Analyst）的系數均在1%的水平上顯著為負， 說明分析師跟蹤與企業金融化水平之間存在負相關關系。 即分析師作為企業的外部治理機制， 能夠利用自身專業優勢， 充分發揮監督和信息揭示作用， 提高信息透明度， 有效抑制企業過度金融化行為， H1得以驗證。124F931E-8FDE-46F6-A06F-34B347194CC2

2. 分析師跟蹤影響企業金融化水平的機制檢驗。 表3報告了融資約束和第一類代理成本對分析師跟蹤與企業金融化影響機制的中介效應檢驗結果， 即模型（2）和模型（3）的回歸結果。 從上述分析可知， 分析師跟蹤對企業金融化的總效應顯著， 即模型（1）的回歸結果符合預期， 檢驗中介效應的前提成立。 根據列（1）顯示的結果， 分析師跟蹤（Analyst）的系數為-0.286， 在1%的水平上顯著為負， 表明分析師跟蹤能夠緩解企業融資約束。 列（2）回歸結果顯示， 分析師跟蹤（Analyst）系數為-0.012， 融資約束（KZ）系數為0.004， 在1%的水平上顯著， 說明分析師跟蹤通過緩解融資約束降低企業金融化水平， 融資約束在其中發揮部分中介作用。 列（3）回歸結果顯示， 分析師跟蹤（Analyst）系數為-0.02， 在5%的水平上顯著， 說明分析師跟蹤能夠有效降低兩權分離產生的第一類代理成本。 通過列（4）展示的回歸結果可知， 分析師跟蹤（Analyst）系數為-0.013， 第一類代理成本（AC）系數為0.005， 在1%的水平上顯著， 證明第一類代理成本在分析師跟蹤影響企業金融化的過程中發揮部分中介作用。

綜上， 分析師跟蹤通過發揮信息揭示作用， 降低信息不對稱程度， 有效緩解企業融資約束， 從而抑制以“蓄水池”為目的的金融資產投資行為。 同時， 分析師充當公司外部治理角色， 時刻關注管理者投資行為， 發揮監督作用， 緩解代理沖突， 從而避免管理者出于投機獲利動機而做出過度金融化的投資行為。 因此， 本文的結果支持了“分析師跟蹤—融資約束/第一類代理成本—企業金融化”這兩條傳導路徑， H2得以驗證。

（四）內生性檢驗

1. 傾向得分匹配法（PSM）。 為了緩解分析師自選擇導致的內生性問題， 根據分析師跟蹤的平均值劃分處理組和控制組， 選取前文的控制變量為匹配變量， 進行1∶1最近鄰匹配。 配對結果顯示， 平均處理效應（ATT）對應的T值為-13.61， 在1%的水平上顯著。 使用PSM配對樣本對模型（1） ～ 模型（3）重新進行回歸， 回歸結果與前文相同。

2. 工具變量法。 為了緩解遺漏變量導致的內生性問題， 選取分析師跟蹤的行業均值（mAnalyst）作為工具變量， 采用2SLS回歸對分析師跟蹤與企業金融化的關系進行驗證。 而且， 本文所選取的工具變量通過了不可識別檢驗（Kleibergen-Paap rk LM統計量）， 弱工具變量檢驗（Cragg-Donald Wald F統計量）， 因此選取的工具變量是有效的。 回歸結果與前文保持一致， 因此內生性并沒有對研究變量的關系產生較大影響。

（五）穩健性檢驗

1. 調整樣本區間。 2019年年底全球爆發新冠疫情， 為避免其對研究結果的影響， 將樣本時間窗口調整為2011 ～ 2019年， 重新對分析師跟蹤與企業金融化的關系進行回歸， 結果與前文保持一致， 說明實證結果較為穩健。

2.替換解釋變量。 參考趙勝民、張博超[31] 的做法， 使用公司一年研報數目加1的自然對數（Report）替代前文的分析師跟蹤衡量指標， 重新對模型（1）進行回歸， 結果與前文一致。

3. 替換中介變量。 借鑒余明桂等[20] 的做法， 使用股利支付率（FC）替代KZ指數， 衡量企業融資約束。 股利支付率越低， 意味著企業面臨的融資約束越嚴重。 對融資約束的中介效應重新進行檢驗， 回歸結果未變。 借鑒吳國鼎[32] 的衡量方法， 使用資產周轉率（Tat）即主營業務收入除以總資產度量企業第一類代理成本， 資產周轉率越大， 意味著企業非效率投資、管理者自利行為越少， 第一類代理成本較低。 重新對第一類代理成本的中介效應進行檢驗， 回歸結果與前文一致， 說明結果較為穩健。

4. 排除行業間影響。 不同行業間分析師跟蹤對企業金融化行為的影響有所差異， 前文在回歸時雖已對行業因素進行控制， 但其影響可能依舊存在， 因而剔除其他行業， 只保留制造業上市公司重新進行回歸， 回歸結果顯示， 分析師跟蹤對企業總體金融資產配置依舊起到抑制作用， 與前文結論一致。

五、進一步分析： 基于異質性的檢驗

如前文分析， 分析師具有發布偏高盈余預測報告的動機， 這是否會驅使管理者為迎合分析師的盈利預期而偏向金融化？ 同時， 前文已證實分析師跟蹤能夠抑制企業金融化行為， 提高企業信息透明度， 那么這一外部監管作用在企業內外部監管環境不同情況下是否存在差異？ 股東監督為企業內部治理機制， 商業信用供給者監督是外部治理環境的重要組成部分， 均對企業具有監督作用， 而分析師跟蹤的治理作用可能會受到內外部治理環境的影響。 因此， 本文進一步考察在不同股東監督與外部商業信用供給者監督的情況下， 分析師治理對企業金融化投資究竟有何影響， 同時探索分析師壓力效應對金融資產投資偏好有何影響。

（一）金融資產異質性的分類檢驗

分析師跟蹤能夠通過發揮監督效應縮小企業金融資產投資規模， 然而當分析師跟蹤更為關注企業當期或中短期的業績表現時， 是否會給管理者帶來業績壓力， 促使企業為迎合分析師預期而進行金融資產投資套利？ 由于配置長、短期金融資產投資偏好有所不同， 當分析師跟蹤達到一定程度時， 將給管理者帶來業績壓迫， 造成管理者短視行為， 使其放棄風險高、利潤回流速度慢的長期投資項目。 而配置短期金融資產能攫取超額利潤的特點正與之目的契合， 進而管理者會將企業資金捆綁于短期金融資產中[33] 。 在這種投資偏好的驅動下， 分析師跟蹤程度的不同必然對長、短期金融資產配置結構產生異質性影響。 長期金融資產體現的是長期現金流的緩慢回流， 具有獲利期限長、流動性差等特點， 與管理者短期逐利目的背道而馳， 因而分析師跟蹤對企業長期金融資產配置更多發揮的是監督效應， 即抑制企業長期金融資產投資。 當市場給予企業較高的業績預期時， 管理者出于維護自身聲譽與職位的考慮， 會放棄能夠提升企業價值的長期項目（如實體資本投資、研發資本投資）， 轉而熱衷于收益高、見效快的高風險短期投資項目[34] 。 尤其是在當前虛擬經濟大熱、實體經濟收益低迷的情況下， 為迎合分析師預期， 配置短期金融資產實現短期投機獲利變成管理者的“擇優選擇”， 從而使企業短期金融資產配置比例上升。124F931E-8FDE-46F6-A06F-34B347194CC2

綜上所述， 分析師跟蹤具有監督效應和壓力效應雙重特性， 當前者占據主導位置時， 會抑制企業長、短期金融資產配置。 隨著分析師關注的集中， 壓力效應逐漸凸顯， 導致投機行為出現， 促進企業短期金融資產投資， 即分析師跟蹤與企業短期金融資產投資存在“U”型關系。 而壓力效應對長期金融資產投資決策的影響可能并不顯著， 依舊是監督效應占據主導地位， 對其配置起到抑制作用。 因此， 將金融資產進行“降維”分析， 參考Demir[35] 的做法， 按照金融資產的期限將其拆分成長期金融資產（FinL）和短期金融資產（FinS）， 將持有至到期股權凈額、長期股權投資凈額、投資性房地產凈額歸為長期金融資產， 將交易性金融資產、衍生金融資產、發放貸款及墊款凈額、可供出售金融資產凈額歸為短期金融資產， 并對企業長、短期金融資產進行標準化處理（長、短期金融資產/總資產）， 以此衡量當分析師更為關注企業當期或中短期的業績表現時， 對企業長、短期金融資產配置產生的不同影響。 在模型（1）的基礎上加入分析師跟蹤的平方項（Analyst2）， 衡量分析師跟蹤與企業短期金融資產配置的“U”型關系。

表4列示了金融資產異質性分類檢驗的回歸結果。 列（1） ～ 列（3）列示了使用OLS回歸、面板數據的固定效應回歸、所有變量滯后一期回歸三種方法時， 分析師跟蹤（Analyst）與長期金融資產配置（FinL）的回歸結果， 二者的系數均在1%的水平上顯著為負， 說明分析師跟蹤對企業長期金融資產配置發揮抑制作用。 列（4） ～ 列（6）列示了分析師跟蹤（Analyst）與企業短期金融資產配置（FinS）之間的回歸結果， 基于OLS回歸可以看出， 分析師跟蹤一次項（Analyst）系數為-0.011， 分析師跟蹤二次項（Analyst2）系數為0.002， 二者均在1%的水平上顯著， 說明分析師跟蹤與企業短期金融資產配置之間并非簡單的線性關系， 而是呈“U”型關系。

進一步對拐點進行計算， 以確保拐點值在樣本分析師跟蹤數值的范圍內。 根據表4列（4）的回歸結果， 可計算出模型（2）的閾值為2.75， 計算結果在分析師跟蹤最小值和最大值的范圍之間， 該模型的幾何圖形是一條開口向上的拋物線， 如圖1所示。 當分析師跟蹤小于2.75時， 分析師跟蹤會抑制企業短期金融資產配置; 而當分析師跟蹤大于閾值2.75時， 反而會促進企業短期金融資產配置。

綜上所述， 分析師跟蹤強度的不同會對企業金融資產投資偏好產生差異性影響。 其中， 長期金融資產具有周期長、利潤回流速度慢等特點， 導致分析師跟蹤更多發揮的是監督效應， 從而抑制其配置。 而對于短期金融資產來說， 當分析師跟蹤強度未達到閾值時， 監督效應強于壓力效應， 從而有效抑制其配置; 一旦分析師跟蹤超過閾值， 則會給企業帶來較大的業績壓力， 企業將青睞于配置流動性強、收益高的短期金融資產以迎合分析師的盈余預測， 避免對股價產生影響， 此時壓力效應占據主導地位， 促進企業短期金融資產配置行為。 因此， 分析師跟蹤與企業長期金融資產配置呈負相關關系， 與短期金融資產配置呈“U”型關系。

（二）股東監督的異質性檢驗

由于兩權分離， 管理者傾向于利用企業現金流追逐短期利益， 導致第一類代理成本產生。 集中的所有權結構一方面能夠預防股權分散導致的股東“搭便車”行為， 另一方面其作為公司層面重要的治理機制， 對管理者的自利行為有一定的監督作用， 能夠發揮內部治理效應， 抑制企業過度配置不利于企業長期發展的金融資產行為[36] 。 因此， 企業內部治理環境較好時， 能夠抑制管理者機會主義行為的發生， 此時分析師跟蹤發揮監督效應的邊際作用較小。 即所有權結構越分散， 分析師跟蹤發揮的監督效應對企業金融化的抑制作用越強。 因此， 使用第一大股東持股比例（Top1）衡量股權集中度， 在模型（1）的基礎上加入分析師跟蹤與第一大股東持股比例的交互項（Analyst×Top1）， 表5列（1）列示了檢驗結果。 可見， 分析師跟蹤與第一大股東持股比例的交互項（Analyst×Top1）的系數為0.014， 且在1%的水平上顯著， 說明集中的所有權結構能夠有效治理管理者行為， 降低外部信息使用者對分析師的依賴， 從而導致分析師跟蹤對企業金融化的抑制作用減弱。

為了更清楚地比較不同集中度的所有權結構中分析師跟蹤對企業金融化的影響， 以第一大股東持股比例（Top1）的中位數為界線， 將大于中位數的樣本分為高股權組， 小于中位數的則分為低股權組， 回歸結果如表5列（2）、列（3）所示。 可以看出， 低股權組中分析師跟蹤對企業金融化的抑制作用更強， 隨著股權集中度的提高， 分析師跟蹤對企業金融化的監督作用減弱， 大股東出于對企業長期發展的考慮， 不支持將企業資金過度投入金融市場， 發揮監督治理作用， 即股權集中度與分析師跟蹤兩者在對企業金融化行為的監督上存在替代關系。

（三）商業信用的異質性檢驗

商業信用本質上是一種短期負債， 產生的償債壓力會形成風險效應， 約束管理者濫用企業資金的過度金融化行為。 同時， 商業信用供給方與企業本身交流密切， 能夠通過多種渠道獲取更多私密信息， 形成非正式的外部監督機制， 有效抑制企業金融化行為， 防止經營風險順供應鏈溢出， 波及供應商企業， 此時分析師跟蹤發揮監督效應的邊際作用較小。 借鑒杜勇等[11] 的做法， 使用應付賬款、應付票據、預收賬款之和與總資產的比值衡量企業獲得的商業信用（TC）。 在模型（1）的基礎上加入分析師跟蹤與商業信用的交互項（Analyst×TC）， 表6列（1）列示了回歸結果。 可見， 分析師跟蹤與商業信用的交互項（Analyst×TC）的系數為0.038， 且在1%的水平上顯著， 說明商業信用能夠發揮債權治理效應， 即： 隨著企業獲得的外部商業信用的增多， 企業更加吸引供應商的關注， 而企業間存在綁定效應， 具有很強的風險傳導效應， 因此債權人會限制管理者的短期投機金融化決策， 從而削弱分析師跟蹤對企業金融化的抑制作用， 分析師跟蹤產生的監督邊際作用減弱。124F931E-8FDE-46F6-A06F-34B347194CC2

為了更細致地研究不同商業信用下分析師跟蹤對企業金融化的影響， 本文將大于商業信用（TC）中位數的樣本分為高商業信用組， 小于中位數的則分為低商業信用組， 回歸結果如表6列（2）、列（3）所示。 從回歸結果可以看出， 當企業獲得的商業信用融資較少時， 分析師的抑制作用更強。 商業信用形成的監督機制能夠改善公司外部治理環境， 向市場傳遞更多企業信息， 降低外部投資者對分析師研究報告的依賴， 進而削弱分析師對企業金融化的抑制作用， 分析師跟蹤與商業信用這一外部監管機制形成替代作用。

六、研究結論、啟示與局限性

（一）研究結論

近些年， 我國金融發展偏離實體經濟， 資金在虛擬經濟中“空轉”， 實體與金融的結構性統一出現失衡， 進而影響我國經濟高質量發展。 因此， 深入研究微觀企業金融化的成因與機制， 有利于引導金融發展回歸本源， 提升企業投資效率， 避免資本市場極端風險爆發， 促進實體經濟高質量、有效率、可持續地發展。

本文選取2011 ～ 2020年全國A股非金融類上市公司為研究樣本， 探究分析師跟蹤與企業金融化總體水平的關系以及融資約束與第一類代理成本在其中的作用。 研究發現， 分析師跟蹤對企業金融化整體存在顯著的抑制作用， 融資約束與第一類代理成本在其中發揮中介作用。 進一步研究發現， 分析師跟蹤會對企業金融資產投資偏好產生不同的影響。 其中， 對于長期金融資產配置， 分析師更多地發揮監督效應， 能夠有效降低企業長期金融資產配置比例。 而分析師跟蹤與企業短期金融資產配置呈顯著“U”型關系， 由于分析師跟蹤具有監督和壓力雙重效應， 導致在達到閾值以前， 分析師跟蹤發揮監督作用， 抑制短期金融資產投資， 而超過閾值， 分析師跟蹤更多發揮的是壓力效應， 促進企業配置短期金融資產。 異質性檢驗發現， 在股權集中度低和商業信用融資少的情況下， 分析師跟蹤對企業金融化的抑制作用更明顯， 表明分析師跟蹤在一定程度上可以成為股東監督和商業信用融資這兩個內外部治理機制的替代機制。

（二）啟示與局限性

本文基于微觀企業層面， 從企業外部治理環境出發， 探究分析師跟蹤對企業金融投資行為的作用， 為政府引導經濟“脫虛向實”提供一定啟示。 首先， 應充分發揮分析師跟蹤的治理效應。 分析師作為市場的信息中介， 能夠發揮信息揭示和監督效應， 降低企業融資約束程度和第一類代理成本， 進而抑制企業金融化。 監管部門應重視分析師跟蹤這一外部治理機制， 改善企業實體經營的外部環境。 其次， 分析師跟蹤可以在股東治理程度較低的情況下部分替代其監管作用， 公司內外部監管機制之間存在互補關系。 相關部門可以通過維護和完善內外部監管機制， 構建全面完整的企業治理體系， 使各監管機制發揮協調互補作用。 最后， 商業信用融資可以發揮債權治理效應， 監督企業行為。 相關部門應積極打造良好的外部監督環境， 使分析師跟蹤、商業信用融資等外部治理機制相融相長， 共同促進市場經濟穩定發展。

本文在研究過程中亦存在一定的局限性， 如僅對分析師跟蹤人數與企業金融化的關系進行探究， 未來可以從分析師跟蹤的效果（如分析師預測準確度）等方面進行進一步探究。

【 主 要 參 考 文 獻 】

[1] Orhangazi O.. Financialization and capital accumulation in the non-financial corporate sector： A theoretical and empirical investigation on the US economy，1973-2003[ J].Cambridge Journal of Economics，2008（6）：863 ～ 886.

[2] 杜勇，張歡，陳建英.金融化對實體企業未來主業發展的影響：促進還是抑制[ J].中國工業經濟，2017（12）：113 ～ 131.

[3] 王紅建，曹瑜強，楊慶，楊箏.實體企業金融化促進還是抑制了企業創新——基于中國制造業上市公司的經驗研究[ J].南開管理評論，2017（1）：155 ～ 166.

[4] 胡海峰，竇斌，王愛萍.企業金融化與生產效率[ J].世界經濟，2020（1）：70 ～ 96.

[5] 彭俞超，倪驍然，沈吉.企業“脫實向虛”與金融市場穩定——基于股價崩盤風險的視角[ J].經濟研究，2018（10）：50 ～ 66.

[6] Stockhammer E.. Financialisation and the slowdown of accumulation[ J].Cambridge Journal of Economics，2004（5）：719 ～ 741.

[7] Chen J.， Ding R.， Hou W.， et al.. Do financial analysts perform a monitoring role in China？ Evidence from modified audit opinions[ J].Abacus，2016（3）：473 ～ 500.

[8] 蘇武俊，高弋卜.分析師緩解了融資約束嗎？——基于數字金融的調節效應[ J].金融與經濟，2021（8）：79 ～ 88.

[9] Graham J. R.， Harvey C. R.， Rajgopal S.. The economic implications of corporate financial reporting[ J].Journal of Accounting and Economics，2005（1）：3 ～ 73.

[10] 葉陳剛，劉猛.分析師關注、產權性質與盈余管理路徑[ J].中南財經政法大學學報，2018（3）：33 ～ 42+159.124F931E-8FDE-46F6-A06F-34B347194CC2

[11] 杜勇，宗澤，游鴻.商業信用與實體企業金融化[ J].商業經濟與管理，2021（6）：65 ～ 75.

[12] 高闖，褚曉波，楊燁青.實體企業金融化、代理成本與企業破產風險[ J].統計與決策，2021（15）：179 ～ 183.

[13] 李鑫，佟巖，鐘凱.管理層股權激勵與實體企業金融化[ J].北京工商大學學報（社會科學版），2021（4）：54 ～ 66.

[14] 趙彥鋒，王桂禎，胡著偉.多個大股東能抑制實體企業金融化嗎？[ J].現代財經（天津財經大學學報），2022（1）：81 ～ 99.

[15] 王永欽，高鑫，袁志剛，杜巨瀾.金融發展、資產泡沫與實體經濟：一個文獻綜述[ J].金融研究，2016（5）：191 ～ 206.

[16] Chen S.， ?Matsumoto D. A.. Favorable versus unfavorable recommendations： The impact on analyst access to management-provided information[ J].Journal of Accounting Research，2006（4）：657 ～ 689.

[17] 安素霞，劉來會.金融資產配置、商業信用融資與資本結構動態調整速度[ J].現代財經（天津財經大學學報），2020（4）：45 ～ 63.

[18] 游家興，張哲遠.財務分析師公司治理角色研究——文獻綜述與研究展望[ J].廈門大學學報（哲學社會科學版），2016（5）：128 ～ 136.

[19] Jie（Jack） He， Xuan Tian. The dark side of analyst coverage： The case of innovation[ J].Journal of Financial Economics，2013（3）：856 ～ 878.

[20] 余明桂，鐘慧潔，范蕊.分析師關注與企業創新——來自中國資本市場的經驗證據[ J].經濟管理，2017（3）：175 ～ 192.

[21] 黃賢環，吳秋生，王瑤.金融資產配置與企業財務風險：“未雨綢繆”還是“舍本逐末”[ J].財經研究，2018（12）：100 ～ 112+125.

[22] 胡川，王林江，張桂玲.分析師跟蹤、內控有效性與科技型中小企業創新[ J].科技進步與對策，2020（3）：88 ～ 97.

[23] 李穎，王曉艷，伊志宏.分析師跟蹤與企業去產能——基于成本粘性視角的研究[ J].宏觀經濟研究，2020（5）：145 ～ 165.

[24] 溫忠麟，張雷，侯杰泰，劉紅云.中介效應檢驗程序及其應用[ J].心理學報，2004（5）：614 ～ 620.

[25] 謝家智，王文濤，江源.制造業金融化、政府控制與技術創新[ J].經濟學動態，2014（11）：78 ～ 88.

[26] 譚德凱，田利輝.民間金融發展與企業金融化[ J].世界經濟，2021（3）：61 ～ 85.

[27] 陳欽源，馬黎珺，伊志宏.分析師跟蹤與企業創新績效——中國的邏輯[ J].南開管理評論，2017（3）：15 ～ 27.

[28] 羅勁博，李小榮.政策不確定性與公司代理成本[ J].管理評論，2021（1）：201 ～ 214.

[29] 何捷，張會麗，陸正飛.貨幣政策與集團企業負債模式研究[ J].管理世界，2017（5）：158 ～ 169.

[30]王小魯，樊綱，余靜文.中國分省份市場化指數報告（2016）[M].北京：社會科學文獻出版社，2017.

[31] 趙勝民，張博超.分析師關注如何影響公司投資行為——基于不同投資類型的分析[ J].中央財經大學學報，2021（5）：51 ～ 64.

[32] 吳國鼎.控制權轉移對企業績效的影響——基于代理成本中介效應的檢驗[ J].中央財經大學學報，2021（9）：100 ～ 112.

[33] 戴國強，鄧文慧.分析師關注度對企業投資決策的影響[ J].金融經濟學研究，2017（3）：107 ～ 116.

[34] Haresh S.， Ajay S.， Subramanian K. V.. Corporate governance and innovation： Theory and evidence[ J].Journal of Financial and Quantitative Analysis，2015（4）：957 ～ 1003.

[35] Demir F.. Financial liberalization， private investment and portfolio choice： Finan-cialization of real sectors in emerging markets[ J].Journal of Development Economics，2009（2）：314 ～ 324.

[36] 熊禮慧，董希淼.股權質押、融資約束與企業金融化[ J].金融經濟學研究，2021（1）：136 ～ 150.124F931E-8FDE-46F6-A06F-34B347194CC2