最新融资约束研究综述与发展启示

 时间:2018-07-21 23:24:39 贡献者:在行传媒

导读: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

结合文献综述,中小企业依靠本身解决融资难有较大困难,因此需要政府的
结合文献综述,中小企业依靠本身解决融资难有较大困难,因此需要政府的

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。

 
 

微信扫一扫 送福利