第一章 緒論

 

第一節 研究背景與研究意義

一、研究背景

《公司債券發行試點辦法》自 2007 年實施以來，債券市場發展有了顯著提升。2015 年，證監會正式發布《公司債券發行與交易管理辦法》1，新規在擴大發行主體范圍、增加非公開發行、簡化發行審核流程、取消期限要求等多個方面對債券市場進行完善和發展。2016 年末，中國人民銀行數據顯示當年我國債券市場發行各類債券規模達 36.1 萬億元，較上年增長 54.2%。2債券市場在支持企業的戰略發展方面、豐富企業融資渠道、降低間接融資比率有著重要意義。對已發行債券企業進行探究，我們發現債券市場受到融資約束情況影響較大。交易所、銀行間報價系統為了降低債券市場的系統性風險，更傾向于給市場化進程較高、股權性質為國企、內部現金流及資產負債率較好的上市公司發放債券批文。對于高融資約束的企業，因為國家產業支持力度不足或者股東背景不夠好等各種情況，往往不能達到債券市場的準入門檻。這說明了債券市場的資源配置功能也收到了融資約束、股權結構等情況的限制。從企業的角度上來看，民營企業不滿足于傳統的銀行貸款，希望通過債券市場或者股權市場獲得更低利率的資金來降低成本。因此，民營企業非常有動力通過擴大公司規模、改善內部現金流情況、合理安排股權集中度來改善自身的融資約束情況。國有企業面臨股份制改革的挑戰。交易所和銀行間為引導國有企業改革，對國有企業的財務指標、股權指標有著具體約束。只有指標合格，才能順利在公開市場進行融資，如“所屬地方政府的現金流入與發行人經營活動現金流入占比平均不得超過 50%”、“最近三年來自所屬地方政府的收入與營業收入占比平均不得超過 50%”等。國有企業也有意愿去改善其內部投資-現金流情況、股權結構來改善融資約束情況，以適應國有企業改革與發展的需要。因此，在我國資本市場背景下，探討股權結構對融資約束和投資-現金流敏感性的影響是十分必要的，為我國上市公司改善股權結構、降低融資約束、提高投資效率、提升企業價值提供經驗證據和政策性建議。

..........

 

第二節 研究內容與框架結構

融資約束是目前較為熱門的研究課題，也是微觀公司治理層面最重要的問題之一。信息不對稱問題和代理問題在一定程度上影響公司融資約束程度，因此從信息不對稱理論和代理理論出發去探究我國上市公司的融資約束問題就有一定的實際意義。本文對信息不對稱理論和代理理論的發展進行梳理，能夠更好地理解企業內部成本和外部成本的差別，從而理解出現融資約束和公司投資-現金流敏感性差異的原因。本文梳理了國內外學者融資約束與投資-現金流敏感性、融資約束與股權結構的相關經典文獻，特別是Jensen & Meckling(1976)、FHP(1988)、Cleary(1999)的論述，為后文的建模和理論分析打下理論基礎。歸納總結我國上市公司投融資現狀，如目前存在投資效率低、募集資金投向缺乏制約機制、普遍存在融資約束、股權融資偏好明顯、債務融資規模擴大等等情況。這從側面佐證文獻綜述中討論的融資約束問題的嚴重性，也為后文實證模型討論問題的必要性打下基礎。本文首先探討融資約束的衡量問題。通過利息保障倍數和總資產均在前 33%或均在后 33%的預分組構建訓練 Logistic 判別式的樣本。選擇流動比例、資產負債率、凈利潤率和財務松弛指標來構建 Logistic 判別式，并通過預分組樣本去分析判別式的準確度，得到了良好的效果。因此后文的樣本均選用 Logistic 判別式去判斷真實情況下上市公司受到融資約束的情況。在實證設計方面，本文提出的假設條件基于前文對信息不對稱理論、代理理論和我國上市公司的實際情況，并根據假設條件構建實證模型。通過回顧經典融資約束模型的演變，如新古典模型(1971)、收入加速模型(1976)、托賓 Q 模型(1979)、FHP 模型(1988)、Palani 模型(1998)、Vogt 模型(1994)，本文試圖探索適合符合中國國情的模型去驗證股權結構、融資約束和投資-現金流敏感性問題，并作為變量設計的依據。樣本的數據處理也是按照實證的基本經典方法進行的。

..........

 

第二章 理論基礎與文獻綜述

 

第一節 理論基礎

在完美的資本市場上，企業的市場價值與其資本結構無關，外源融資可以完全替代內源融資，企業不會受到融資約束。這個結論脫離現實環境，無法解決許多復雜的實際問題。現實生活中的公司或多或少都會受到融資約束，信息不對稱、代理成本會通過股權結構來影響企業的投資-現金流敏感性和融資約束的情況。信息不對稱理論是一方利用另外一方掌握不到的信息為自己謀求最大利益，針對這種情況如何設計制度的一套經濟學理論。3資本市場的不完善性和不完備性突出體現在信息不對稱問題上。Akerlof (1970)對舊車市場上“檸檬問題”進行研究，首先提出了信息不對稱理論。外生性的信息不對稱不是由當事人造成的，而是某種意義上天生的、自然的。合同雙方不能互相了解另一方的資信、偏好等，這被稱為“隱藏知識”或“逆向選擇”。而內生性的信息不對稱取決于當事人的行為本身。簽訂合同時，雙方信息掌握程度是一致的。簽訂合同后，一方的行為無法被另一方嚴格約束和監督，往往存在違約情況，這被稱為“隱藏行為”或“道德風險”。Leland & Pyle(1977)的研究結合了資本結構和信息不對稱理論，對融資約束與投資-現金流敏感性的研究有了很大的進步。作者認為債權人比債務人有更多關于項目的投資信息，而道德風險的存在使得雙方會隱藏自己的信息。債權人常常將經營效益差的項目來爭取外源融資，而效益好的項目選擇內源融資。債務人投入到項目中的股份能夠作為項目質量的信號。債務人的股份越高，則表明項目的價值越高。投資收益率一定的情況下，項目投資風險大小可以通過企業最優負債水平點來反應。

.........

 

第二節 文獻綜述

 

一、融資約束與投資-現金流敏感性文獻回顧

這節文獻主要討論的是面臨信息不對稱的企業，是否會因為融資約束而表現出較強的投資-現金流敏感性，引起投資不足的情況。Fazzari，Hubbard & Petersen(1988)最早使用投資-現金流敏感性來衡量不同企業的融資約束的情況。FHP 認為融資約束直接影響了公司的投資規模，投資-現金流敏感性可以檢驗融資約束的程度。FHP 對融資約束情況劃分的指標是股利支付率。通過比較不同融資約束公司組的投資-現金流敏感性大小，結果得出二者之間的存在正相關。Hoshi，Kashyap & Seharfstein(1991)通過日本 1965-1986 年上市公司數據，更換融資約束分類指標來檢驗 FHP(1988)的結論。Chirinko & Sehaller(1995)從流動性視角分析 1973-1986 年 212 家公司投資-現金流敏感性的關系，得出了與FHP(1988)一樣的結論。Vogt(1994)在 FHP 模型(1988)的基礎上引入了 Q 和現金流的交互項來研究美國上市企業的投資支出。結果發現對于股利支付率較低的大企業，該交互項相關系數為正，可以用自由現金流理論來解釋；而對于股利支付率較低的小企業，該交互項相關系數為負,可以用不對稱信息理論來分析。Kaplan & Zingales(1997)驗證 FHP(1988)得出相反結論，融資約束越低的公司投資-現金流敏感性越強。他的創新點在于用多種指標構建 KZ 指數來衡量融資約束情況，并解決了 FHP(1988)模型中未被 Q 包含其他投資要素的缺陷，給后面的研究帶來了新的視角。

.........

 

第三章 我國上市公司投融資現狀分析及融資約束的衡量........16

第一節 我國上市公司投融資現狀分析......16

一、我國上市公司投資現狀分析.... 16

二、我國上市公司融資現狀分析.... 18

第二節 融資約束的衡量........21

一、融資約束判別式的設計........ 21

二、融資約束的衡量.... 25

第四章 實證研究設計............30

第一節 研究假設....30

第二節 模型的構建............31

一、投資-現金流敏感性的檢驗模型........ 31

二、融資約束對投資-現金流敏感性影響的檢驗模型.... 35

三、股權性質對融資約束和投資-現金流敏感性影響的檢驗模型.... 35

四、股權集中度對融資約束和投資-現金流敏感性影響的檢驗模型............ 36

第三節 變量設計....37

第四節 樣本數據的選取........40

第五章 實證檢驗結果與分析............ 42

第一節 描述性統計............42

第二節 相關性檢驗............47

第三節 股權結構對融資約束和投資-現金流敏感性影響的實證分析....47

 

第五章 實證檢驗結果與分析

 

基于第 4 章研究設計的基礎上，本章對有關實證結果做了進一步的分析。首先描述了我國 A 股上市公司投資、現金流等基礎情況，然后運用相關性分析以及回歸分析等實證分析方法，對投資-現金流敏感性的存在性、融資約束對投資-現金流敏感性的影響、股權性質及股權集中度對融資約束和投資-現金流敏感性的影響進行實證檢驗，并得出相應的結論。

 

第一節 描述性統計

從表 5-1-1 全樣本描述性統計表可以看出，投資 I/K 極大值為 0.3885，極小值為 0.0000，極大值極小值之間存在差異，標準差為 0.0485219，表明樣本企業之間旳投資行為和投資能力存在一定差異。現金流量 CF/K 與現金存量 CS/K 的標準差相差不大，指標波動情況較弱。CF/K 的均值為 0.039824，極大值為 0.5294，極小值為-0.3480，均值與極大值極小值差異較大，說明不同企業的經營性現金流差異較大；Q 的標準差為 2.0949339，極大值與極小值之間較大，表明樣本企業之間的的投資機會存在較大差異。國有上市公司的 I/K 均值為 0.058547,低于民營上市公司的 I/K 均值 0.068311，說明國有上市公司的投資較民營企業投資占總資產比重略低。國有上市公司 CF/K 均值為0.042322 高于民營上市公司 CF/K 的均值 0.037536，說明國有上市公司的經營性現金流較民營上市公司更為充沛；國有上市公司 Q 的均值為 1.123067 低于民營上市公司 Q 的均值 1.797532，說明民營上市公司投資機會更為豐富。國有上市公司的 Leverage 均值為 0.299521，高于民營上市公司均值 0.232970，說明國有上市公司能更多地用好杠桿提高經營效率。

........

 

結論

 

本文以 2011-2015 年間在滬深交易所掛牌交易的 843 家 A 股上市公司為研究對象，通過 Logistic 回歸模型判斷其融資約束程度。再使用符合我國國情的Palani 模型(1998)以及 Vogt 模型(1994)，通過多元回歸的方法對全樣本數據及對不同股權結構分類企業的融資約束和投資-現金流敏感性影響進行檢驗分析。結論顯示：

1、我國上市公司融資約束現象較為嚴重，其投資額對內部現金流存在顯著為正的敏感性，投資-現金流敏感性是普遍存在的。

2、根據 Logistic 判別式，選用流動比率、資產負債率、凈利潤率、財務松弛等四個指標可以很好地判別上市公司融資約束的情況，正確率可達到 87.40%。通過融資約束與投資-現金流檢驗模型，Constraints*CF/K 的交互項系數是顯著的，企業受到的融資約束程度和投資-現金流敏感性是非常相關。且根據其系數定義及不同組別比較可知，融資約束低的企業有更低的投資-現金流敏感性，即兩者成正相關。

3、根據上市公司的實際控制人的情況，將企業劃分為民營企業和國營企業。本文研究發現，股權性質對融資約束及投資-現金流敏感性存在著顯著影響，即股權性質對融資約束及投資現金流敏感性檢驗模型中的 NAT*CF/K 的交互項系數是顯著的。且根據其系數定義及不同組別比較可知，國有企業的投資-現金流敏感性要低于民營企業的投資-現金流敏感性。在融資約束高的上市公司中，民企的投資-現金流敏感性系數大于國企的投資-現金流敏感性；在融資約束低的上市公司中，民企的投資-現金流敏感性系數依然大于股權分散企業的投資現金流敏感性；說明在相同融資約束的情況下，股權性質與投資-現金流敏感性非常相關，即民企比國企的企業的投資-現金流敏感性越高，融資約束越大。

..........

參考文獻（略）