融资约束研究综述与发展启示.docx

融资约束研究综述与发展启示 本文按时间顺序梳理了融资约束领域的相关研究，发现相关研究重点经历了3个阶段：融资约束度量模型的构建阶段，融资约束影响因素的研究阶段，融资约束分析框架复杂化分散化的阶段。并在此基础上，指出未来中国学者该领域的研究方向：理论研究上可以加强对融资约束研究框架的整合，实证研究上可以与中国商业实践更加紧密结合。  【关键词】融资约束影响因素影响效应  融资约束是公司财务领域重要的研究课题，Fazzari et al（1988）首次研究该问题，并给出定义：融资约束是指在不完美资本市场的情况下，企业的外部融资成本高于内部融资成本，导致企业投资过于依赖内部资金，进而造成投资低于最优投资水平的现象。自Fazzari et al.（1988）在这一领域做出了开辟性的研究之后，相关领域研究得到了迅速的发展：第一批学者们首先建立了不同的融资约束研究模型；后人在前人模型的基础上开始研究融资约束的影响因素；再之后，更多的学者进入到融资约束研究领域，不断将新元素纳入到融资约束模型中；在扩展融资约束领域研究边界的同时，也造成融资约束研究线索的分散化。  一、融资约束经典模型  由于融资约束本身很难准确数量化，所以早期学者们的研究重心在如何构建合适的融资约束模型来度量企业的融资约束。其中最有代表性的包括早期的投资-现金流模型、KZ模型、现金-现金流模型和较新的WW指数、SA指数。下面分别详细综述。  （一）投资―现金流敏感性模型  投资―现金流敏感性模型是由FHP（Fazzari，Hubbard Petersen，1988）提出来的，他们的核心观点是融资约束程度可以由企业的投资-现金流敏感性间接度量――敏感性越大融资约束程度越严重。具体而言，他们以股利支付率为先验分组指标，将美国1984年上市的421家制造业公司，按照此前10年不同的股利支付率分为3组：第一组是连续10年股利支付率都小于0.1的公司，为融资约束程度最重的一组；第二组是10年股利支付率为0.1-0.2之间的公司，为融资约束程度中等一组；剩下的公司为第3组。之后，他们分别检验了这3组的投资―现金流敏感性，发现这3组现金流敏感系数都显著为正，且敏感系数与股利支付率――融资约束程度――成正比，这也就证明了投资―现金流敏感性可以作为融资约束程度的度量工具。与FHP类似，Fazzari和Petersen（1993）、Gilchrist和Himmelburg（1995）参考FHP（1988）的思路，利用不用的样本得到与FHP（1988）相似的结果。  FHP（1988）使用了股利支付率这个企业内生变量作为先验分组标准，后来学者开始试图利用公司的外生特征变量作为先验分组标准来研究融资约束与企业投资-现金流敏感性之间的关系。Hosh等（1991）选取日本制造业公司，将样本分为集团成员公司和单一公司。研究发现，集团成员公司投资支出与现金流敏感程度相较单一公司。他们的解释是集团成员公司可以通过与主银行保持合作以及分享信息，降低信息不对称问题，从而减轻融资约束程度。Schiantarell等（2000）发现意大利的单一制造业公司所受的融资约束程度也比大商业集团成员公司的更严重。所有这些结果都支持FHP的结论。  然而另一方面，也有学者对FHP提出的用投资-现金流敏感度量融资约束程度的方法提出质疑，其中最有代表的学者是Kaplan Zingales（下文简称KZ）。他们的理由是，经过函数推导认为投资-现金流敏感性并不一定与融资约束程度成单调正比，因此不能用投资―现金流敏感性度量公司融资程度。同时，KZ认为FHP（1988）利用股利支付率作为企业融资约束程度的先验分组指标也是不准确的，他们举出固定股利政策的企业作为反例――这些公司即使在面临临时的融资约束情况下，也不会改变其股利支付率。  在质疑FHP的投资-现金流敏感性方法的同时，KZ首次提出应该利用企业综合的――财务与非财务――的信息，来度量企业的融资约束程度。  （二）KZ指数模型  KZ收集公司年报及其附注、告股东书、管理层关于经营和流动性的讨论中的财务和非财务信息，将这些信息汇总成总观察值以确定公司融资约束程度，并将公司每一年度观察值划分为五组：非融资约束组、可能非融资约束组、或许融资约束组、可能融资约束组和融资约束组。之后，KZ用新的分组标准对FHP（1988）的样本公司进行了分组，并检验融资约束与投资-现金流敏感的关系，发现融资约束程度高的企业投资-现金流敏感性反而低，得出了与FHP（1988）相反的结论。  Lmaont等（2001）参照KZ的研究思路，利用次序逻辑回归分析方法，利用营业现金流量（CashFlow/ K）、资产负债率（Debt/K）、托宾Q、股利支付率（Dividends/K）及现金持有量（Cash/K），构造了KZ指数：KZ=- 1.002 CashFlow/K + 0.283Q + 3.139Debt/K-39.368Dividends/K-1.315Cash/K。并以KZ指数度量融资约束，研究融资约束与股票回报的关系；利用1968～1997的美国样本数据研究发现，融资约束公司的平均股票回报率低。  （三）Cleary多元判别模型  KZ模型受到部分学者的认同，但同时也有学者指出了KZ模型存在的缺点，并试图改进。Cleary（1999）基本认同KZ的结论，但同时认为KZ的分类标准较为主观且样本数量较小，因此，他采用了更为客观的多元判别分析法，计算融资约束指数，并将之作为融资约束的度量。  具体而言，他首先根据公司股利支付率是否比上年增加、减少或不变将1987～1994年1050家美国公司预分为三组；然后，以流动比率（Current）、固定利息保障倍数（FCCov）、财务松弛（Slack/K）、净利润率（NI% ）、主营业务收入增长率（Sgrowth）和资产负债率（Debt）六个财务变量，运用多元判别分析方法得到判别值为融资约束程度的分类标准，判别值高的公司表明受到的融资约束程度低。其中判别值ZFC由如下公式获得：  利用上述等式，可以算出每家公司每年的ZFC值。之后按ZFC排序来确定公司的融资约束程度：具体地，不受融资约束的公司是每年ZFC排前1/3的，可能受融资约束的公司是中间1/3的，受融资约束的公司是ZFC排最后1/3。最后，对不同融资约束分组下企业投资与内部现金流进行分析，结果显示：融资约束较轻的公司的投资支出反而更依赖于内部现金流，与FHP（1988）结论相反，支持了KZ（1997）的观点。  当FHP与KZ、Cleary争论投资-现金流敏感性是否能度量融资约束程度时，Almeida、Campello Weisbaeh从公司现金持有量的角度，提出了另一种全新度量融资约束程度的敏感性方法：现金-现金流敏感性。  （四）现金―现金流模型  Almeida、Campello和Weisbaeh（2004）（下称ACW）将度量融资约束程度的视角由公司投资政策转向公司现金持有政策。Christopher F.认为ACW的现金-现金流模型是一个突破性的度量融资约束程度的路径方法（a path-breaking design for evaluating a firm s financial constraints）。  ACW认为融资约束企业在面临投资机会时，会将更多的内部现金流以现金持有的方式留在企业内部，以预防未来出现现金短缺对投资造成威胁。因此他们认为融资约束程度越高，现金持有-现金流敏感性越大。现金-现金流敏感性可以区别公司为融资约束还是非融资约束。他们利用美国1971～2000的制造业样本并验证了他们的结论。  Bates等（2009）研究发现1980～2006年美国企业现金占比总资产从10.5%增长到23%，他们认为可以从融资约束角度解释这些超额现金储备。Ozkan等（2009）利用英国公司为样本也发现了受融资约束的公司，其现金持有量越多。  2005年之后，有学者开始尝试利用多元变量法构造衡量融资约束的指数，以更 直接 的方式度量融资约束程度。  （五）Whited Wu指数模型  Whited Wu指数简称WW指数，是由Whited和Wu（2006）在研究融资约束与股票收益的关系时提出的，他们通过对欧拉投资等式进行广义矩估计（Generalized method of moments），进而构造了新的度量融资约束的指标――WW指数。该指数选取现金流比率CF、负债比率LEV、总资产LNSIZE、公司主营业务收入增长率SG、行业主营业务收入增长率SGind和股利支付虚拟变量DIVdummy这6个指标的线性组合作为外部融资约束的代理变量，其计算方法如下所示：  WWindex=0.091CF0.062DIVdummy + 0.021LEV-0.044LNSIZE+0.102SGind-0.035SG  GMM方法的优势是无需同方差假设，也不用线性无关和正态分布的假设，方法本身就可以对异方差性和自相关的存在进行调整，由于以上优点，国内外学者Li（2011）、Chen and Wang（2012）、Bao、Chan andZhang（2012）、顾乃康、万小勇和陈辉（2010）和鞠晓生、卢荻和虞义华（2013）等人的研究均采用了WW指数法进行了融资约束的衡量。  （六）Size Age指数模型  Size Age指数是由Hadlock和Pierce（2010）提出的。在他们的研究中，首先质疑了KZ指数，认为KZ指数在计算准确性和适用性上存在问题；之后，他们提出企业的规模（Size）和上市时间（Age）是衡量融资约束的特别有效的指标，并利用这两个指标构建了SA指数；最后，利用稳健性检验指数的有用性。  SA指数绝对值越大代表上市公司面临的融资约束情况越严重，该指标的计算公式如下：  SA =-0. 737SIZE+0. 043size2+0. 04AGE  其中，SIZE为上市公司的公司规模的自然对数，其值用年末总资产的自然对数来进行度量，单位为百万元；AGE为公司上市至今的时间，单位为年。  SA指数的优点在于利用企业的规模和年龄作为构建衡量融资约束指数的元素，不仅十分符合直觉，更可以避免内生性问题。这也是SA指数的创新之处。  二、融资约束影响因素研究  在前人解决了如何度量融资约束的基础上，后来学者将研究的目光转向研究融资约束的影响因素。表1归纳了比较有代表性的融资约束影响因素研究。  从表1中我们可以看出，融资约束的影响因素研究主要可以分为企业内部和企业外部因素。同时各个因素之间的独立性较强，学者们在并列细分领域的研究不断扩宽融资约束大研究领域的边界。  三、基于融资约束视角的影响效应分析  （一）融资约束对资本市场的影响  学者们普遍认为融资约束会导致股票收益率的变动，但他们在融资约束是能给公司带来更高的还是更低的风险和预期收益率问题上看法不一致。Lamont（2001）检验了1968～1997的美国制造业样本，研究认为高融资约束公司的平均股票收益率偏低，同时不会给投资者带来超额风险溢价，Lamont对此的解释是投资者的非理性；而Whited Wu（2006）不同意Lamont的观点，他们发现融资约束程度高的公司股票收益率也高，且测算出融资约束能带来2.18%～2.76%的超额风险溢价。Jaehoon（2009）细化了这一研究，他认为企业的债务能力是影响融资约束企业股票收益率正向显著变化的关键因素，而对于非融资约束公司，债务能力对其股票收益率没有影响。国内学者武磊（2011）利用中国数据得出了融资约束与股票收益率负相关的结论，他对此的解释是中国的非融资约束企业往往同时存在预算软约束的现象，从而导致投资者更高的预期收益率。  （二）融资约束对创新的双面影响  传统的战略弹性理论和资源观认为良好的融资环境是保证企业创新对物质资源的消耗基础，即融资约束会限制企业创新所需资金。Hall（1992）实证发现了R D投资与现金流显著正相关，由此证明R D投资主要来自企业内部资金。Himmelberg（1994）的研究得出了相似的结论：由于外部的融资约束，R D投资主要依靠企业的内部资金。  进入2000年，逐渐出现不一样的观点。创新理论认为人脑智力在外部资源约束下更具创造力；代理理论认为融资约束可以降低企业的代理成本，从而使R D投资更有效。Baker（2005）实证证明了资源受限的条件下，企业的产品开发更有创新性也更加成功。我国学者毕晓方（2010）发现我国的非融资约束企业，由于财务松弛原因，创新效率反而更低。  Martin Hoegl（2008）研究试图调和对立的两派观点。他认为融资约束对企业创新的影响并不是单调正相关或负相关，而是会根据企业所处情境变化的。为了发挥融资约束对企业创新的促进作用，企业应做到有统一的项目目标、强大的团队凝聚力和充分调动成员的能力。  （三）融资约束对企业行为的影响  1.融资约束与大宗商品价格风险对冲：Adam Tim（2009）通过研究采金业，发现不同融资约束程度的公司会采用买入或卖出不同的金融衍生工具以对冲金价的波动风险。融资约束最轻的大公司一般采取买入看跌期权的方式，而中等融资约束程度公司往往采取卖出领式期权的方式，融资约束最严重的公司会采取卖出看涨期权的方式。  2.融资约束与所得税、股权资本成本：Zhonglan Dai，Douglas A Shackelford， Harold H. Zhang（2013）研究了融资约束对所得税和股权资本成本关系的影响。他们以美国1997年和2003年两次减税法案出台为背景，检验了所得税减免对股权资本成本的影响，发现对于融资约束程度高的企业来说，所得税减免对股权资本成本的降低作用更加明显。  3.融资约束与企业信用评级：Tsoukas等（2014）首次将融资约束因素与企业信用评级联系起来。他们利用惠普2001～2007年美国公司评级数据，发现对于融资约束程度较重的公司，财务指标在评级过程中占有更大的权重，由此发现融资约束是考察市场隐含评级过程的一个重要维度。  四、评述及发展启示  （一）度量模型方面构建核心逻辑清晰、体系完整的融资约束度量模型  经过30多年中外学者的不断探索，融资约束的研究重心由度量模型研究转到融资约束影响因素、影响效应研究，融资约束研究领域正在不断扩展，越来越多的元素被纳入到以融资约束为核心的模型中，这极大的丰富了融资约束研究的内核。但与此同时，度量模型本身的研究确没有大的进步，大部分学者使用的度量模型仍是经典的投资-现金流模型、现金-现金流模型或其他指数模型，这些模型有各自的优点、缺点和适用范围。这有时导致了不同学者即使了采取同样的研究思路，却因为选择了不同的模型而得到不一致结论的现象。  一方面，多种度量模型并存的现状反映出，在融资约束领域还是缺乏一个统一、系统、完整的理论研究框架。另一方面，不同度量模型选择可能给研究结果带来偏差这一现象，阻碍着人们进一步理清公司金融理论分析背后的关键因素和深入认识企业融资约束内在机理。  因此，未来学者们可以加强对融资约束原理构建方面的研究，力图对现有度量模型及其背后的原理进行梳理和整合，同时尽可能地将近年有关影响因素、效应的最新成果纳入其中，从而构建核心逻辑清晰、体系完整的融资约束度量模型。  （二）实证方面，关注三个未来值得研究的方向  融资约束作为公司财务、公司金融研究中的一个核心变量，在众多未探究的领域，等待着学者们去考察其作用和影响。  当下我国宏观经济进入 新常态 ，微观企业也面临着与以往不同的经营环境，这对学术界意味着获得更细分研究领域和更多样研究样本的机会。以下试列举三个未来值得研究的方向。  1.加强融资约束与并购绩效方面的实证研究  中国并购市场近年来快速发展，2014年，中国并购市场共发生交易3546宗，与2013年相比增长44.28%；交易金额达到9874亿元人民币，与2013年相比增长48.44%。然而与并购市场的火爆形成鲜明对比的是，我国促进并购的金融产品创新和支持并购的制度创新慢：贷款、股票、债券、信托产品，金融机构的参与程度，均处于萌芽阶段；市场机制的健全和监管制度的弹性，仍然存在的区域、行业壁垒，均难以适应并购市场快速发展的需要。 两慢 对企业融资约束是否有影响？影响程度如何？影响机理是怎么样的？另一方面，火爆背后的企业并购绩效到底如何？融资约束对并购绩效又是如何影响的？这些都是有待学者去研究的空白领域。  2.加强融资约束与金融发展方面的实证研究  虽然通过实证检验，学者们已经达成共识，金融发展有助于缓解企业的融资约束，但未来在这一细分领域，我国学者们仍然有很大的研究空间。随着新一届政府施政的不断深入，近几年以及未来几年甚至十几年，我国金融发展速度已经并仍将持续加快。（1）利率市场化的不断推进：2013年7月19日，经国务院批准，中国人民银行决定，自2013年7月20日起全面放开金融机构贷款利率管制，到2015年，除了存款利率上限尚受管制外，其他管制已全部放开。（2）本年内即将实施的注册制以及本轮A股的上涨，都表明政府提高企业直接融资的政策导向。新的宏观融资形式将给微观企业融资约束带来哪些新的变化，以及政策是否发挥了相应的效应，值得学者们未来深入研究。（3）2009年10月成立的创业板宽松的上市条