范亚莉 丁志国

(1.吉林大学 商学院， 吉林 长春 130012；2.三峡大学 经济与管理学院， 湖北 宜昌 443002)

一、引言

在理想状态下，企业投资与否应仅仅取决于投资项目的自身价值，而不受融资因素的影响，因此投资决策与融资行为本身是相互独立的[1]。然而，市场摩擦总是存在，因此企业的投资行为并不能独立于融资的可获得性。Stiglitz和Weiss认为借贷活动中的逆向选择会引起金融中介的“信贷配给”行为，即便借款人愿意提供更高的利率也无法获得贷款[2]。Myers和Majluf认为企业管理层和潜在投资者之间的信息不对称提高了外部融资成本，在内部资金不足时企业无法实现最优投资支出[3]。Farre-Mensa和Ljungqvist基于资本供给曲线的曲度界定融资约束，认为资本供给曲线弹性越低，企业筹集外部资金的成本越高，极端情况下曲线变得垂直，企业将无法从资本市场筹集资金，即出现信贷配给[4]。因此，融资约束产生的根源是信息摩擦，结果则是企业外部融资成本上升和融资可得性下降，进而导致企业无法实现最优投资水平。

公开发行上市不仅可以扩大企业资金来源，而且可以降低信息摩擦，从而缓解融资约束。中国股票市场的保荐人推荐、承销商辅导和证监会审核等发行制度，成为企业经营质量的重要筛选机制，降低了投资决策中的信息不对称，从而缓解了企业融资约束[5]。证券中介机构对筛选出来的拟上市企业进行专业辅导，完善其公司治理结构，减缓了道德风险的影响[6]。部分学者对企业上市前后进行对比研究，发现股票公开发行上市改善了企业的信息不对称情况，缓解了融资约束[5][7]。还有部分学者将上市与非上市企业进行比较，发现非上市企业更容易面临融资约束。Saunders和Steffen研究英国数据，发现上市企业的信贷成本低于非上市企业[8]。Kenichi等使用PSM方法研究日本数据，发现上市企业的资本边际产出低于非上市企业，并且在经济衰退期借款更多，说明面临更低的融资约束[9]。上市对企业融资约束的缓解效应并非在上市初期瞬间释放，而是会随着上市期限延长逐步呈现。Fazzari等发现，上市期限较长的企业投资—现金流敏感系数更低，说明融资约束程度更低[10]。Petersen和Rajan认为，初上市企业拥有较短的可观测历史，会限制其从信贷市场获得资金，随着上市期限的推进，企业的可观测历史增加，融资约束相对缓解[11]。Hadlock和Pierce通过阅读财务年报和其他公开披露的财务信息对企业融资约束程度进行了定性判别，并分析融资约束的影响因素，结果发现融资约束与上市期限线性负相关[12]。不过，Chaddad和Reuer提出了不同的看法，认为上市时间较长的企业融资约束水平并不显著低于刚上市的企业[13]。

不难发现，现有研究肯定了上市期限对融资约束的影响，但对上市后融资约束演化过程缺乏清晰地描述，对其背后的成因也缺乏深入研究。部分学者沿袭Hadlock和Pierce的思路，使用公司规模和上市期限构造SA指数来度量融资约束[14][15]。然而，与国外市场不同，中国股票市场拥有更为严格的上市审核制度，后续信息披露监管效率又相对较弱，是否能直接使用SA指数来度量中国企业融资约束仍存在疑点。上市后中国企业融资约束是否显著下降？是否呈现单调下降态势？动态演变的驱动力是什么？对上述问题的分析有助于掌握融资约束的动态变化过程，从而判断IPO行为对企业融资的长期影响。本文的主要贡献包括：首先，与现有研究强调融资约束与上市期限线性负相关不同，本文研究结果表明融资约束呈现非典型“W”型演进规律，说明在一定期限内，IPO行为对企业融资约束的改善效果显著，但后期存在波动；其次，不仅从企业与外部投资者沟通角度来分析信息摩擦的影响，还考虑了企业自身投资行为变化对融资约束的影响，更为全面地分析融资约束演进成因。本文利用Logit模型构造融资约束指数，实证检验融资约束指数随上市期限演化的具体趋势，尝试找出IPO后融资约束变化的动态规律，并对其形成原因进行理论剖析，从而分析企业融资约束动态演变的表象特征和内在动因。

二、融资约束指数构造

融资约束无法直接观测，因此实证研究中只能选用代理指标进行度量。现有文献中融资约束的代理指标主要包括金融市场评级、敏感系数和综合指数，其中敏感系数和综合指数采用频率较高。部分学者选择是否存在商业票据等级或者债券等级作为融资约束的代理指标，然而相关指标在中国较难获得，因此我国学者较少使用其度量融资约束[16][17]。敏感系数包括投资—现金流敏感系数和现金—现金流敏感系数，其中投资—现金流敏感系数使用较多。Fazzari等认为投资—现金流敏感系数能较好反映企业的融资约束程度，投资—现金流敏感系数越高，说明企业面临的融资约束程度越高[10]。然而，Kaplan和Zingales利用Fazzari等的数据进行分析，发现投资—现金流敏感系数高的企业并没有表现出高融资约束，因此投资—现金流敏感系数不能作为融资约束的度量指标[18]。Almeida等认为难以获得外部融资的企业倾向于持有更多预防性现金，因此现金—现金流敏感系数可以度量企业融资约束程度[19]。然而，李春霞等认为现金—现金流敏感系数也可能源自于收入不稳定，因此不能准确刻画企业融资约束状况[20]。综合指数主要是利用多种财务和非财务信息，运用多元判别或者Logit模型构造融资约束指数。Cleary根据股利支付情况进行预分组，然后以融资约束组和非融资约束组作为样本，选用多项财务指标进行多元判别分析，并在此基础上构造融资约束指数[21]。Lamont等沿用Kaplan和Zingales的融资约束程度评分，将其对财务杠杆、现金流、TobinQ值、现金持有量和股利支付水平进行排序Logit回归，并基于回归结果构建KZ指标[22]。Whited和Wu选用长期负债与资产比率、股利支付哑变量、销售收入增长率、总资产的自然对数、行业销售增长率以及现金流与总资产比率等变量，利用GMM方法对欧拉方程进行估计并构造WW指数[23]。然而，KZ指标构建过程中因变量和自变量拥有相同的信息，WW指数不能很好的区分本期和上一期都存在融资约束的样本，因此不是有效的融资约束度量指标[12]。魏锋和刘星使用利息保障倍数作为融资约束分组标准，并选用流动比率、财务杠杆、主营业务增长率、净利润率和财务松弛5个财务指标构造融资约束指标[24]。况学文等使用公司规模和利息保障倍数双指标为预分组标准并运用Logit方法进行回归，根据回归结果构造了融资约束指标[25]。综合上述分析，金融市场评级指标难以获得的敏感系数可能包含其他信息，因此采用综合指标法是更为合理的选择。本文借鉴Lamont等和况学文等的研究方法，运用Logit回归分析法构造融资约束指数。

本文选取2001年1月至2016年6月中国沪深A股上市公司半年度数据作为研究样本，并在样本选取过程中遵照如下准则：(1)基于金融类公司财务数据的特殊性，剔除了金融类公司；(2)基于财务危机公司的特殊性，剔除了ST公司、*ST公司和已退市公司；(3)基于获取全周期规律的需要，选择2001年1月到2011年12月之间上市的企业样本；(4)为排除IPO对当期现金流的异常影响，剔除了上市当期的观测值；(5)为避免公司规模影响样本分组，剔除了创业板上市公司。对于非时点数据，比如净利润，上年度数据采用中报数据，下半年数据采用年报数据减去中报数据。本文数据来源为国泰安(CSMAR)数据库和锐思(RESSET)数据库，数据处理和回归分析使用Stata14实现。

预分组的主要思路是根据先验指标将样本公司分为融资约束组和非融资约束组，然后分析两组的特征差异，并据此构建融资约束指标。良好的先验指标对融资约束指标构建至关重要，判断先验指标的重要标准是信息不对称程度[3]。现有文献中分组标准主要包括3种：企业的行为(比如不分红等)、相关特征(比如小而年轻的企业等)和财务报表中关于企业融资状况及投资计划变更情况的表述[4]。本文选取公司规模和利息保障倍数作为预分组标准，对每年的样本观测值按照公司规模和利息保障倍数从小到大排序，分别选取前25%的观测值进入高融资约束组别，后25%的观测值进入低融资约束组别。综合两个判别指标，将公司规模和利息保障倍数均进入高融资约束组的界定为高融资约束组，共计1317个观测值，而两个指标均进入低融资约束组的界定为低融资约束组，共计946个观测值。

FCit=α0+α1LEVi,t-1+α2NWCi,t-1+α3ROEi,t-1+α4MTBi,t-1+α5DIVi,t-1+εit

(1)

在对样本进行预分组后，根据式(1)分别将融资约束组和非融资约束组对财务杠杆、流动比例、盈利能力、成长能力和股利政策进行Logit回归，从而识别融资约束企业的财务特征。回归中，分别使用资产负债率LEV、净运营资本比率NWC、净资产收益率ROE、市值账面比值MTB以及每股现金分红DIV作为上述解释变量的代理指标。解释变量FC为融资约束虚拟变量，预分组中属于高融资约束组别为1，属于低融资约束组别为0。LEV为负债总额除以资产总额，NWC为流动资产与流动负债之差除以资产总额，ROE为净利润除以所有者权益总额，MTB为市场价值除以账面价值，DIV为每股现金分红。为了避免财务数据内生性问题，在Logit回归时选择解释变量滞后1期(半年)。同时，为了避免财务数据中异常值的影响，本文对连续变量进行了1%～99%的缩尾处理。Logit模型回归结果如表1所示。

表1显示，模型整体有效，并且所有变量回归系数对应的P值均小于1%，通过了显著性检验。LEV、ROE和DIV与融资约束负相关，而MTB与NWC与融资约束正相关。回归结果与况学文等符号不同的是NWC和LEV。NWC与融资约束正相关，可能原因是受到融资约束影响的企业出于预防目的而保持更多的流动性，因此流动性越多的企业融资约束程度越高[12]。LEV与融资约束之间负相关，可能原因是中国负债率高的公司多为国家控股公司，并且资产规模较大，更容易从银行获得贷款，因此负债率高的企业融资约束程度更低[26][27][28]。利用以上Logit回归结果构造指标LFC，具体如下:

表1 Logit 模型回归结果

注：***、**、*分别表示1%、5%和10%水平下显著，下表同。

LFC=1.42-5.46LEV-1+2.18NWC-1-18.92ROE-1+0.54MTB-1-2.88DIV-1

(2)

三、上市后企业融资约束动态变动规律

按上市期限分组计算融资约束指数LFC均值，初步判断融资约束指数随上市期限的变化趋势。均值结果显示，企业融资约束在上市后第0～20期基本呈下降趋势，其中第5～10期变动较为平缓，在第20期达到最低点，而第20期后略有上升。因此，融资约束指数与上市期限之间可能并非如SA指数强调的线性递减关系。

为了保证研究的科学性和严谨性，本文运用回归分析来实证判别融资约束与上市期限关系。Hadlock 和 Pierce使用包含上市期限一次项和二次项的模型来分析融资约束与上市期限的关系，分析结果表明二次项不显著[12]。包含上市期限一次项和二次项的“U型”曲线模型仅可能包含一个拐点，而均值分析表明存在多个拐点，因此需要选择能包含多个拐点的模型来准确刻画融资约束与上市期限的关系。包含四次项的模型可能存在多个拐点，因此本文借鉴丁志国等的方法，选用包含上市期限一次项到四次项的模型来判别融资约束随上市期限变化的一般性规律[29]。本文分别使用混合OLS回归和面板个体固定效应模型进行检验，实证模型如下：

(3)

式(3)中，被解释变量为企业融资约束指数LFC，解释变量为上市期限age的一次项到四次项，其中上市期限age是财务报表会计时间和上市时间的差，以半年为1期。例如，上市时间为2002年7月，则2003年中报对应的age为1，以此类推。控制变量control包括货币政策环境变量MP、股票市场变量SI、区域性发展水平变量GDP和行业虚拟变量Industry。

部分学者直接选用广义货币供给量M2增长率界定货币政策变量[30][31]。然而M2内生性较强且不能有效刻画经济的资金总量，因此并不能敏感地反映货币政策环境的变化[32]。借鉴饶品贵和姜国华以及熊启跃和黄宪的研究，本文主要依据央行货币政策执行报告的定性描述和市场利率来判断货币政策环境，将货币政策环境区分为紧缩、稳健和宽松3种情况，对应指标MP值分别为0、1和2[32][33][34]。具体而言，2001年、2002年和2008年下半年到2009年上半年为宽松时期，2003年上半年至2004年上半年和2006年上半年至2008年上半年为紧缩时期，其他为稳健时期。股票市场变量SI选择上证综指的同比增长率，根据上证综指半年度数据计算。货币政策执行报告和市场利率的相关数据来源于中国人民银行网站，上证综指的相关数据来源于上海证券交易所网站。区域性发展水平以上市公司所在地级市的年度GDP增长率度量，数据来源为《中国城市统计年鉴》。鉴于区域性发展对企业融资影响的滞后性，解释变量选择滞后一期的GDP增长率。混合OLS回归选择行业虚拟变量Industry作为控制变量，反应融资约束的行业特征。固定效应模型会将行业差异归入个体差异，因此其控制变量不需要考虑行业差异。

表2给出了模型(3)的回归结果，混合OLS模型和固定效应模型的age一次项到四次项均显著，其中age和age3系数为负，age2和age4系数为正，说明融资约束并非单调下降，而是呈非对称“W”型波动。模型(3)回归结果表明，个体效应F值高于临界值，说明个体效应显著，固定效应模型优于混合OLS模型。从控制变量回归系数来看，GDP回归系数为负值，说明处于经济高速增长区域的上市公司拥有更好的融资环境，融资约束水平更低。MP和SI回归系数为负值，说明宽松的货币政策和处于上涨时期的股票市场可以改善企业融资约束。MP、SI和age都是时期数据，加入MP和SI作为控制变量并不改变解释变量age一次项到四次项回归系数的显著性，说明融资约束随上市期限变化的规律并不来源于货币政策和股票市场变化的影响，验证了融资约束与上市期限非线性关系的客观存在性。

表2 融资约束与上市期限的回归结果

注：括号内为t值。

为了更为清晰呈现融资约束的动态变化趋势，本文采用平衡面板数据回归结果进行模型拟合。基于非平衡面板检验融资约束时间效应时，并未考虑不同上市期限对应观测值数量的差异，这可能会导致测量误差。因此，本文进一步对数据进行裁剪，将非平衡面板转换为平衡面板。以T=20为例，将截止到2016年6月30日上市时间低于20期的样本观测值删除，并将上市时间大于20期的样本中age>20的样本观测值删除，得到一个T=20的平衡面板。鉴于较长周期样本才能呈现完整的波动趋势，本文选择T=19～24的6组平衡面板数据进行回归分析并进行数据模拟，结果如图1所示。

图1表明，融资约束随上市期限增加呈现“W”型波动，第一个拐点出现在第8期(第4年)左右，第二个拐点出现在第12期(第6年)左右，第三个拐点出现在第20期(第10年)左右。具体而言，企业融资约束指数先下降到第一个拐点，后略有上升到第二个拐点，然后继续下降到第三个拐点，最后呈现出上升趋势。上市初期(上市日至第一个拐点)企业融资约束指数下降较为迅速，后期均低于上市初期的融资约束指数，说明IPO后企业融资约束得到显著改善。

四、上市公司融资约束动态演进成因分析

信息效率研究认为，理想状态下市场会对所有信息给予准确及时的反应，不过信息摩擦可能导致传递过程不顺畅，因此信息被市场反应存在一个从不准确到准确的动态过程。丁志国等认为信息冲击在市场中的反映可能会出现不准确的现象，市场竞争和学习效应会使得反映不准确的现象逐渐消失，最终实现有效市场[35]。同样，企业融资活动也存在信息反映过程，股东和债权人对企业和投资项目的判断也会存在试探、纠错并最终达到真实反映的过程。上市初期投资者不能准确地获得关于公司现有资产和投资项目价值的真实信息，不过持续信息披露有助于金融中介及其他投资者获取关于企业和项目更多的信息，而且投资者会通过交易结果来修正对企业披露信息的接受程度。以债务融资为例，上市初期银行和企业之间的交易往来较少，银行拥有较少的信用历史纪录，因此在发放贷款时更为谨慎。随着时间的推移，企业信用记录逐渐增加，银行和企业的关系更为紧密，银行能掌握更多关于企业和项目的真实信息，因此会增加企业的信贷额度。总而言之，企业和投资者之间的信息不对称会随着上市期限的增加而下降，上市时间较长的企业会表现出更低的融资约束。

图1 19-24期预测值拟合结果

根据不完全契约理论，在违约状态下债权人不能强制企业清偿普通债务，但被担保的债务却不受此限制，债权人在发放贷款或购买债券时会主要考察企业可用来担保的资产的清偿价值，因此债权人愿意提供的债务融资限额不能超过企业资产可抵押价值[36]。可抵押资产可以降低企业违约情况下债权人的损失，减缓信息不对称对企业融资能力的影响，因此拥有越多可抵押资产的企业融资约束水平越低。Kiyotaki和Moore认为扩大投资会增加下一期营业收入和抵押品价值，进而减缓未来企业融资约束[37]。企业上市后投资规模增加会扩大资产规模，从而扩大抵押物范围，有利于减缓融资约束。一般情况下，有形资产才能成为被金融中介认可的抵押物，因此投资规模的增加并不一定能增加企业的可抵押资产价值。固定资产、存货和应收账款是银行可以接受的担保品，因此借鉴Almeida和Campello以及李青原和王红建的方法[38][39]，根据不同类型资产的流动性定义可抵押比例，货币资金流动性最高，比例设定为1，而应收账款、存货和固定资产的比例分别设定为0.715、0.547和0.535。根据上市期限分组计算资产可抵押比例，结果表明，企业上市后资产可抵押比例逐年下降，可能的原因是上市后企业选择增加无形资产或其他创新性资产投入，降低了可抵押资产的比例。因此，企业总资产逐年增加，但可抵押比例可能出现不断下降的情况，投资规模和投资结构的变化是融资约束演进的重要成因。

综上所述，融资约束演进的主要动因是信息摩擦和抵押价值的变化。从信息摩擦角度来看，随着上市期限的推移，投资者拥有更多关于企业的交易信息，信息不对称程度会下降，减缓企业融资约束。从抵押价值角度来看，企业投资规模不断增加，可以扩大可抵押物范围，进而减缓企业融资约束。不过，上市后企业会调整投资结构，增加无形资产比例，降低了企业资产的可抵押比例，反而会加重企业融资约束。上述两种力量共同作用，形成了融资约束“W”型波动。

五、简要结论及启示

在投资者和企业之间存在信息不对称的情况下，投资者会调低意愿投资水平，从而导致企业未能获取足够资金转而放弃部分有利可图的投资项目。现有融资约束研究并未考虑企业和项目的真实信息反映过程，仅仅分析了静态平衡特征。本文选取中国A股上市公司数据样本，采用Logit模型构建融资约束指数，并对其随上市期限动态变化的一般性规律进行实证检验，随后借助信息效率理论和不完全契约理论研究其成因，解释融资约束动态演进的经济学内涵。

实证检验结果表明：上市公司融资约束指数与上市期限呈现出非线性关系，服从非典型“W”型曲线规律，即呈现先下降后上升再下降再上升的特征，第一个拐点在4年左右，第二个拐点在6年左右，第三个拐点10年左右，并且加入控制变量并不影响上述时变规律。结合信息效率理论和不完全契约理论，本文对融资约束动态演进的成因进行了分析和推断：投资者对真实信息的掌握是一个动态过程，上市后投资者掌握的企业资产和项目的真实信息越来越多，因此融资约束随上市期限推移而逐渐下降；企业可抵押资产价值可能受到资产规模和资产结构变动的影响，上市公司资产规模扩张会增加企业的抵押物规模，不过随着更多资产配置到无形资产，导致资产可抵押性下降，企业的可抵押资产价值变化可能是融资约束演进的重要成因；二者互相作用，最终导致融资约束指数呈现“W”型波动。

企业融资约束指数前期呈下降趋势，后期虽然出现波动，但基本远低于上市初期的水平，说明上市行为能显著改变企业融资约束。因此，应大力发展资本市场，允许更多的企业上市，通过持续信息披露来改善信息摩擦的影响，同时监管层应加强对证券市场信息披露机制的监管，提高信息披露质量，降低企业融资约束。近期，上交所推出了科创板，将有助于改善高科技企业融资约束，是通过市场化手段推进创新驱动战略的有益措施。

与已有的融资约束理论不同，本文研究了融资约束与上市期限的非线性关系，更为准确地掌握了融资约束随上市期限变化的一般性规律。结果表明融资约束并非随上市期限单调递减，因此使用SA指数度量融资约束存在一定局限性。同时，本文将融资约束理论和信息效率理论以及不完全契约理论结合起来，发现信息摩擦和抵押价值的变化是融资约束水平变化的主要原因，为融资约束的演进规律提供了经济学解释。