快捷导航
扫码加微信
国有企业政府隐性担保对社会资源非对称影响效应研究

摘 要: 本文以我国A股上市公司为研究对象,以国有上市公司为研究样本,在运用KMV模型估计了2010年以前上市的所有企业的违约概率的基础上,通过PSM模型对国企与民企进行匹配分析,考察国有企业的隐性担保强度及其影响因素,研究结果发现:(1)政府隐性担保会通过信用增级的形式增加国有企业信用;(2)财政能力、辖级国有企业数量和行政层级都是影响国有企业政府隐性担保转化为国有企业信用增级的因素;(3)政府隐性担保通过国有企业信用增级形式加强了社会资源的倾斜分布,对社会资源配置所产生的非对称影响,降低了社会资源配置效率。
关键词: KMV模型; PSM模型; 政府隐性担保; 资源不均衡分布
一、引言
政府与市场的关系是影响经济持续发展的重要因素,政府对国有企业隐性担保则是我国政府参与市场的一种具体化表现。已有研究发现,政府隐性担保为国有企业带来了更高的政府援助的可能性[1]、更低的税率[2]以及更多的信贷资源[3-4]等。这也就造成了民营企业虽然创造了巨大的社会财富,但是其占用的社会资源与国有企业相比表现出极端的不对称,“融资难、融资贵”的问题一直是困扰我国民营经济发展的瓶颈,尤其在宏观经济处于下行压力下,这一问题则更为突出。如果政府隐性担保为国有企业带来更多社会资源的同时,国有企业能够高效地利用资源提高其经济效率,则说明政府隐性担保在社会资源配置环节起到了积极的影响作用,但是如果在获得更多资源的同时不能提升企业经济效率或承担更多社会责任,则造成了社会资源的浪费,说明政府隐性担保对于国民经济环境当中社会资源的配置起到了负面的影响。从朱太辉和魏加宁等(2018)[5]关于银行信贷和企业杠杆率持续攀升、资金利用率和经济增长速度持续下行的“剪刀差”问题的研究可以看出,政府隐性担保导致社会信贷资源更多的流向了产出效率相对较低的基础设施、房地产行业以及国有大型企业。因此,如何破解政府隐性担保带来的社会资源偏向性分布引发的经济效率低下的问题,成为了提高我国经济效率,保持经济高效发展的一个亟待回答的重大问题。
已有关于政府隐性担保影响社会经济效率的研究主要集中在所有制差异带来的融资歧视以及由于政府隐性担保引起的社会资源配置效率降低导致国民经济潜在经济增长效率的下降。对于所有制带来的融资歧视的研究往往集中在银行机构由于企业不同的所有制做出倾向性的信贷决策,导致国有企业无论是在数量上,还是在期限结构上都具有绝对性优势[6-8]。而对于政府隐性担保引起的社会资源配置效率降低导致国民经济潜在经济增长效率的下降的研究则通过现实经济状况与理想的帕累托最优状态下的潜在经济增长差异来衡量政府隐性担保所带来的经济损失[9-10]。以往研究也存在一些需要进一步探索的地方,如:所有制带来的融资歧视视角仅将所有的国有企业都看作为一类时,其难以深入到国有企业间不同因素异质性的层面,而社会资源配置效率低下带来经济效率损失的研究也未对隐性担保造成社会资源倾斜分布形式及影响程度进行分析。
本文试图借鉴国有企业政府隐性担保的观点,通过对政府“父爱主义”的考察,分析政府隐性担保对国有企业信用状况的影响,在此基础上对影响政府隐性担保转化为国有企业信用增级的因素进行分析,同时对隐性担保造成的国有企业与民营企业间的信贷资源的倾斜性分布进行了实证分析,为更加有针对性地解决社会资源倾斜分布,消除政府隐性担保带来的经济效率损失寻求有效的解决途径。
二、研究假设
从国有企业隐性担保对国有企业的影响方式进行划分,可分为直接影响与间接影响。其中直接影响包括政府辅助性补贴,原材料成本扭曲、降低税率、统购统销等直接影响国有企业运行成本与产出的方式。间接影响则是指被市场认知到的在政府“父爱主义”作用下,政府为国有企业提供的各种便利,尤其是在国有企业发生信用风险时,由政府主导的债务重组等所带来的隐性担保。
(一)政府隐性担保对国有企业影响的具体形式
伴随着我国改革开放的不断深入以及社会主义市场经济制度的建立,不但我国的经济结构发生了重大变化,而且企业的组织形式与运行方式也发生了彻底的转变,市场化原则成为企业经济活动中的基本准绳。而严格说来,现代市场经济就是信用经济,信用评价或信用风险问题就必然成为各经济行为主体在实际经济活动中不可回避的重大现实问题,这个问题必将随着我国经济进入“新时代”而越来越突出。然而同时也必须看到,虽然我国市场经济制度已经建立,但我国经济微观主体结构却与西方市场经济国家仍存在重大差异,其中主要体现在西方市场经济国家以单一私有经济市场结构为主,而我国则是国有经济与民营经济并行的市场结构。由于国有企业与民营企业在经营目标、公司治理、运营模式等方面存在重要差别,这就决定了对他们的信用风险评价应该有所差别。从前面有关信用风险研究的三个方面来看,信用风险测度是一个纯技术性的问题,自然国有企业与民营企业信用风险评价的差异不能体现在这方面,预警与防范研究的关键取决于两个方面,一是预警模型形式的选择,这也是一个纯技术问题,国有企业与民营企业信用风险评价的差异也不能体现在这方面;另一方面则是模型变量的选择,而模型变量的选择就是要找到影响信用风险的主要因素。因此,对国有企业与民营企业实施不同信用风险评价的核心则在于寻找两者不同的主要影响因素。
从信用风险所涉及的核心内容上看,不外乎两个方面,一是借款人的还款意愿,一是借款人的还款能力。就借款人的还款意愿而言,由于国有企业法人治理结构相对复杂,一方面,国有企业代理人预算软约束与代理人的非稳定性决定了还款意愿低于民营企业,另一方面,国有企业违约又会对政府的信誉以及政府官员的升迁带来较大的负面效应,由此导致国有企业还款意愿存在外部施压的正面效应。两者孰重孰轻难以区分,而当国有企业与民营企业还款意愿难以区分高低时,一个可行的办法是依照贝努里原则,设国有企业与民营企业具有相同的还款意愿;而就还款能力来说,无论是国有企业还是民营企业,信用风险的最主要决定因素是未来的财务状况或现金流,所有影响企业未来财务状况或现金流的因素均构成信用风险的影响因素。不同的是,政府的“父爱主义”决定了国有企业的债务存在隐性担保,就像一个“富二代”那样,在企业融资过程中,国有企业履约能够获得双重保护,由此提出如下假定。
H1 政府隐性担保通过信用增级形式增加国有企业信用,造成国有企业信用普遍高于民营企业。
(二)政府隐性担保转化为国企信用增级强度影响因素分析
严格来说,政府的隐性担保只是一种或有还款承诺(虽说表面上政府并没有给予相应的承诺,相反还强调国企债务自担,但在实际运作中,政府却又明显体现出“父爱主义”),这种承诺能否转化为现实的行动以及这种行动的强弱程度则取决于两个方面,一是政府愿意为所属国有企业提供保护的意愿,一是能够为所属国有企业提供保护的能力。影响政府意愿的因素很复杂,既包括当局者的人格特征,又包括相关当局的行为,更包括上一级当局者的处事风格等,在此暂不详细讨论,而是将重点放在政府能够为所属国有企业提供保护的能力上。政府能够为所属国有企业提供保护的能力由三个方面的因素决定,一是政府自身的收支状况,即自身的财政能力,在近几年地方债务规模不断扩张的情形下,地方自主的财政能力正在不断被削弱,因此,隐性担保意愿转化为国有企业信用增级的强度随着财政能力的变化必然受到影响;二是政府所辖区域内国有企业数量,即政府面对的不是“独生子女”,而是“一群孩子”,因此意愿不同转化为国企信用增级的强度也就不同;三是政府行政级别,如果按行政级别将政府分为中央政府、省级区域政府和省级以下地方政府,则不难发现三者之间在上述三个方面存在显著差别,也就是说,不同行政级别的政府能够为所属国有企业提供隐性担保的能力是有差别的,将现实中商业银行给予国有企业更高信用级别的相对水平称为政府隐性担保强度时也有着相应的差异。由此提出本文第二个假设。
H2 在国有企业融资活动中,政府的隐性担保转为国企信用增级时,其程度会受到行政层级、财政能力和辖区内国企数量因素的影响。
(三)政府隐性担保对社会信贷资源分布的影响
在我国现行的投融资体系下,政府为了筹集建设资金,选择通过直接干预或者间接手段,引导金融市场信贷资金流向政府相关项目或者国有企业当中[12]。对银行而言,即使地方政府不通过直接干预手段影响银行的决策行为,在银行理性决策模型框架内,将信贷向具有更高信用级别的国有企业倾斜,也是其微观的合理性选择。因为相较于国有企业而言,民营企业资产规模相对较小,经营状况稳定性易受到市场周期波动的冲击,并且财务状况透明度较低,银行获取客观财务信息成本较国有企业更高,因此在市场自然选择下,存在着一定程度的信贷偏移,而政府隐性担保对国有企业的信用增级行为将进一步放大这一信贷倾斜分布。据此,提出本文的第三个假设。
H3 政府隐性担保通过国有企业信用增级的形式加强了社会信贷资源的倾斜分布。
三、政府隐性担保对国有企业信用增级影响的经验证据
为了验证政府隐性担保对国有企业信用增级的影响,即上文提出的假设1与假设2,本文以上市企业为研究对象,根据上市企业最终控制人性质将其划分为国有企业和民营企业两类,在统一的信用风险评价模型框架下,以国有企业为研究样本,借鉴张天华和张少华(2016)[11]的做法,利用PSM模型进行财务指标上的匹配,从而得到民营企业的匹配样本,以此消除国有企业与民营企业财务上的差异,并分别利用研究样本和匹配样本来估计国有企业与同类民营企业的信用状况,考察两类不同性质的企业在实际运行中是否存在信用评价差异,且这种差异是否具有国有企业显著高于民营企业的特点,由此说明国有企业信用增级的存在性,同时通过因素分析验证假设2是否成立。
(一)国有企业信用增级测度模型
国内外信用风险评价模型有很多,但在实际应用中大多数模型评价都存在滞后性, KMV模型结合期权定价理论以其“前瞻性”的优势已成为应用最为广泛的模型之一,其影响力无论在理论界还是在实践中都越来越突出。在概率评价中,KMV模型的基本关系式可以表示为

(1)
其中,为违约距离,PD为违约概率,Vt为企业t时刻的资产价值,Bt为企业t时刻的总债务,μv、σv分别代表资产价值的均值与标准差,ε为随机误差。式(1)表明,企业债务的违约概率取决于违约距离DD与ε的分布,在已知ε分布下,企业债务的违约概率即为密度函数-∞到-DD的积分,即累积概率。从式(1)可以看出,利用KMV模型评价企业信用风险的核心在于关键变量的界定与度量。
1. KMV模型关键变量的界定
如果假定ε服从标准正态分布,则式(1)即为常用的KMV模型。由式(1)容易看出,要想利用KMV模型得到某一企业的违约概率或违约距离,有几个关键变量或预期变量必须明确,其中包括企业的初始价值或当前价值V0、企业总债务规模Bt和企业价值的预期波动率σv。
(1)企业的初始价值或当前价值V0与预期波动率σv。企业价值的确定与判断长期以来一直是经济学家或金融学家关注的核心问题,这个问题迄今为止也没能找到一个完全满意的答案。作为一类特殊的企业,上市公司价值的确定同样也极其复杂,价值的度量也会遭遇一些不可逾越的技术障碍,一种简单的替代办法是依据有效市场理论或证券市场的价格发现功能来解决,即利用上市公司的市场评价来确定其价值,也就是将上市公司的股权价值视为该企业的价值。虽说我国证券市场2006年就基本完成了股权分置改革,但全流通环境下依然存在特定时间段的流通股与非流通股之分,且通过大量观察不难发现,非流通股解禁均会对股价产生一定程度的冲击,即出现折价现象[13]。为了避免去讨论这种折价现象,一个可行的办法就是简单将上市公司股权价值分为两部分来计算,一是流通股部分,其价值用流通市值来代表,另一是非流通股部分,其价值用对应的净资产来表示。由此便可确定上市公司初始价值为
股权价值V0=非流通股数×每股净资产+流通股数×平均收盘价
企业价值波动率σv的确定也是一个较为复杂的问题,目前对这一问题的解决方案有两类,一是先设定企业价值的分布,并在给定分布下去估计σv;另一类是利用GARCH类模型,直接用历史数据去估计σv。由于GARCH类模型具有不需要事先设定分布,且能更好地反映波动率的时变性特征,利用他作为预测模型往往具有更高的准确性等优点,因此此处选择GARCH模型来估计波动性预期值。
(2)企业总债务规模Bt。企业债务总规模Bt的确定,看似一个很简单的事情,但将其与违约概率或信用评价联系在一起时,这个问题就不那么简单了。因为企业是否会出现债务违约,除了债务绝对量以外,另一个更为关键的因素是期限结构,若简单将企业债务按时间期限划分为短期债务与长期债务,显然企业债务是否会出现违约的压力更主要的是来自于短期债务,至于短期债务的压力比长期债务大多少,只能从实践中总结,KMV公司在其信用评价模型的开发与应用过程中给出了一种经验参考答案。在KMV模型当中, KMV公司推荐的测算方法为
DP=SDt+0.5×LDt
(2)
其中,SD为流动债务,LD为长期债务。此处直接采用KMV模型的默认系数0.5。
2.PSM模型匹配分析
在上述参数给定后,就能利用式(1)对上市企业的信用状况进行评价,但由于本文的目的主要是要讨论在实际经济运行中,国有企业是否存在政府的隐性担保以及这种隐性担保是否存在行政层级差异,因此,本文研究的重心不在于给出具体的信用评价,而在于实际信用的比较。既然是比较,那么首要的问题就是要解决不同企业的可比性问题,就国有企业与民营企业的比较而言,在市场经济条件下,二者除了纯经济方面的差异外,另一个明显的差异就是控股股东股权性质的不同,如果剔除纯经济因素,若其在实际中依然存在信用评价差别,那么,这种差别便可归入控股股东股权性质因素。换句话说,为了考察国有企业与民营企业在实际运行中是否存在信用评价上的不同,或者说,在我国企业融资的实际运作中是否存在政府隐性担保,只需要对不同性质的企业进行经济方面的匹配,并在匹配的基础上考察他们的信用评价是否存在显著差异。对此,本文选择PSM(Propensity Score Matching)模型进行匹配分析。
PSM模型(Rubin,1983)是一种基于“反事实”的推断,基本思想是比较同一家企业两种状态下的信用风险差异,当同一家企业在两种状态下的确存在信用风险差异时,这种信用风险差异便可归结为是由状态因素导致的。如果将状态选定为上市公司控股股东性质,即“政府控股”与“非政府控股”,就可以利用PMS模型考察上市公司控股股东性质是否会影响上市企业的信用风险。显然这种想法存在着一种不可观测的理想情况,就是一家企业无法处于两种相反的状态之中,对此,Rubin(1985)给出了解决这一问题的思路,那就是找到与国有企业在其他财务特征上“相仿”的民营企业,通过对比两者信用风险的差异来检验政府背景股东是否对企业信用起到了增信的作用,即在实际经济运营中是否存在政府隐性担保。
PSM模型匹配过程实际上就是使得配对成功的国有企业与民营企业在各个维度(各自财务指标)上的特征都尽量相同。此处参考方匡南(2018)[14]在使用SGL-SVM方法进行财务困境预测时选择的财务指标体系作为基础的信用风险评价变量,因为对企业是否会陷入财务困境的研究实质上就是考察违约风险。选择的匹配变量具体如表1所示。
对于划分的二元标准,PSM模型利用Logit模型对训练数据被解释变量进行回归,估计解释变量参数,并作为参数去估计每只股票的PS值(倾向得分),PS值体现了个股属于国有企业这一类别概率大小,然后根据PS值进行匹配。本文使用卡尺内最近邻匹配方法,即在给定的卡尺范围寻找与国有企业最为接近的民营企业进行最近匹配。理论上,完成匹配的国有企业与民营企业在匹配变量上(即对应财务指标)已经不存在显著差别,剩下唯一区别就是实际控股股东的性质。按照Becker和Ichino(2002)[15]方法计算平均处理效应ATT(average treatment effect on the treated),也就是计算匹配之后国有企业与民营企业违约概率上的平均组间差异。
表1 选择的匹配变量

(二)政府隐性担保转化国企信用增级强度影响因素分析
在测算出国有企业由于政府隐性担保产生的信用增级强度的基础上,为检验不同因素对国有企业信用增级强度的差异,构建如下因素分析模型
CEit=β0+β1Fst+β2Numt+β3Levt+β4Sizeit+β5Debtit+β6Profitit+β7Growitit+εit
(3)
其中,CEit代表国有企业信用增级强度,Fst代表国有企业i在时间t所属政府的财政盈余状态,Numt代表国有企业i在时间t所属政府辖区内国有企业数量,Levt代表国有企业i所处行政层级,用虚拟变量levt={1,0,-1}表示,其中,1为央企,0为省级政府所属国企,-1为省级以下政府所属国企。Sizeit、Debtit、Profitit、Growitit分别表示国有企业自身的资产规模、债务规模、盈利能力及成长性指标,在模型中用作控制变量,以控制国有企业自身之间的差异。βj(j=0,1,2,…,7)为估计参数。
(三)样本选择与数据处理
本文以2009年以前上市的沪深两市上市公司为研究样本,避免因上市时间太短造成财务数据不全及信息披露质量问题引起的研究误差,股票交易及财务数据均来自于国泰安数据库,时间段选择为2010年1月-2018年12月的月度数据。同时去掉ST企业和金融类企业,总共得到样本为1 506个,其中按照所有制性质为国有主体的上市企业得到样本846个,民营企业660个,国有企业范畴中央企国资控股占292个,省属国资控股309个,地市国资控股企业245个。
首先计算所有样本企业的对数收益率zt=lnPt-lnPt-1(其中Pt代表第t个季度末收盘价,Pt-1代表t-1季度收盘价),然后利用GARCH模型求各个公司的股权价值波动率。基本步骤如下:(1)对收益率序列进行基本检验确定均值方程;(2)检验是否存在GARCH效应,确定GARCH(p,q)模型;(3)利用R软件进行模型参数估计,确定股权价值波动率。 得到股权价值波动率之后,同时确定每个样本公司的总市值资产,违约点,然后利用Matlab软件进行迭代运算解非线性方程组,获得资产价值均值。最后将资产价值均值及其波动率带入下式计算违约距离。

(4)
同时将违约距离通过Matlab当中的normcdf函数计算违约概率EDF。
(三)实证分析与结论
1.国有企业与民营企业违约概率差异的描述性统计分析
在没有区分财务指标因素进行匹配之前,对市场选择所有样本的全部违约概率分组估计。得到了国有企业违约概率与民营企业概率的初步数据,通过初步数据的描述性统计表2可以看出,民营企业与国有企业的违约概率存在着明显差异,民营企业与国有企业信用平均组间差距为0.031 6,民营企业平均违约概率是国有企业平均违约概率的3.75倍,且波动率与极差也较国有企业更大,不仅说明国有企业与民营企业信用风险存在明显的差别,而且也反映出民营企业之间违约概率存在着较大区别。
表2 企业违约概率描述性统计

同时,从两类企业原始数据的累积分布函数(图1)可以看出,国有企业违约概率与民营企业违约概率均服从于幂律分布。同时国有企业违约概率小于10%的概率为97.504%,而民营企业违约概率小于10%的概率仅为83.491%。从国有企业与民营企业的累积分布函数可以看出,我国上市企业违约概率总体在合理范围之内,存在极大违约风险的企业占极少数,同时,上市公司控股股东性质不同的企业之间违约概率存在显著差异。

图1 两类企业违约概率的累积分布函数及分布函数估计
有了上述初步结论后,本文接下来的工作就是需要进行国有企业与民营企业在财务指标上的倾向得分匹配,检验这种差异在排除了财务影响后是否仍然显著。
2.变量筛选与匹配效果检验
前文的分析表明,国有企业与民营企业的违约概率客观上的确存在组间差异,虽然可以看出国有企业与民营企业现实信用评价上存在着明显区别,但是仍然不能分辨出这种信用差异的直接原因是否因股东性质的不同造成,因为国有企业在“抓大放小”的改革中无论企业规模还是经营状况均与民营企业存在显著的不同,所以根据上文的PMS模型假设,需要对国有企业与民营企业相关经济因素上的差异进行排除,并根据表1的财务匹配变量进行变量筛选,即在排除财务因素后检验国有企业与民营企业之间是否仍存在差异。
在经过PSM模型完成匹配之后,需要从两个方面去检验匹配效果:是否满足平衡性假设以及是否满足共同支撑假设。
平衡性假设要求在完成匹配后,国有企业与民营企业在各匹配变量上已不存在明显差异,也就是财务指标对企业违约概率的不同不再具有解释能力。本文选取标准偏差来检验这一假设是否得到满足。从表3当中可以看出,在进行匹配之后各保留协变量标准偏差绝对值都小于5%,由此可以认为匹配是有效的。
表3 平衡性假设检验


图2 匹配前后PS值密度分布对比
共同支撑假设要求匹配完成后,两组的PS值分布形态要保持基本的一致性。从匹配PS值分布形状图2可以看出,其分布都近似于正态分布,而且匹配前后存在着明显的纠偏,民营企业的PS值分布重心明显高于国有企业。匹配之后效果较为显著,因此可以认为共同支撑假设得到满足。
3.国有企业信用增级的平均处理效应(ATT)
表4给出了整体样本企业匹配检验结果,从表4当中可以看出,在剔除了财务因素影响之外,只有所有制不同这一差别因素后,经过检验国有企业与所匹配的民营企业之间信用违约概率仍存在着显著性差异,故存在国有企业在政府隐性担保作用下的信用增级。在进行PSM匹配前两者信用差异为0.057 1,在剔除财务指标的影响之后,信用增级强度仍为0.023 7,并且能通过t检验。故财务指标对于在国有企业与民营企业之间存在差异,消除差异后政府隐性担保贡献了50%左右的信用增级强度。这也就是说,在相同财务状况下,如果股东性质是民营,实际经济运行过程中,市场所给予的企业信用评价将显著低于国有企业,由此,假设1获得验证。
表4 信用增级强度匹配检验结果

4. 影响政府隐性担保转化国企信用增级强度因素分析
本文采用面板数据的混合回归对式(3)进行估计,表5为回归估计结果。从表5的估计结果当中,可以看出FSt、Numt、Levt系数均在1%水平上显著不为零,因此财政盈余、辖区内国有企业数量、行政级别均为影响政府隐性担保转化国企信用增级强度的因素,故假设2得以验证。同时在表5回归估计中,财政盈余FSt指标系数一直为正,也就是财政盈余对于促进政府隐性担保转化为国有企业信用增级上起到了正向作用,即财政状况越好,所属国有企业信用水平越高;辖区内国有企业数量系数Numt显著为负,与进行假设时的推论相一致,即国有企业数量越多,政府能为各个国有企业提供的隐性担保也就越少,因此转化为国有企业信用增级的程度也就越低;行政层级指标Levt保持在1%显著水平上为正,表明行政层级越高,国有企业获得隐性担保带来的信用增级程度也就越强,这与不同行政层级的国有企业在政府眼中战略地位的不同有着直接关联。
表5 式(3)估计结果

注:表中括号内数值为t值,*,**,***,分别表示显著性水平为10%、5%和1%。
在表5列(5)中,加入控制变量之后,FSt、Numt、Levt系数均有所下降,但仍保持在1%水平上显著,进一步验证了假设2。列(5)表明,在国有企业自身的控制变量中,除成长性指标Growthit之外,企业资产规模Sizeit、企业债务规模Debtit及企业盈利指标Profitit对政府隐性担保转换为信用增级强度的影响均显著。并且企业资产规模越大,政府隐性担保转换为信用增级强度也越高,与大而不倒理论相吻合,即国有企业资产规模越庞大,其在政府心中的地位也就越重,当企业遇到危机时,政府出手相助的可能性也就越高。同时,债务规模指标对信用增级强度为正向影响,而盈利指标却是反向影响。此处可以看出,在政府隐性担保下,存在着国有企业的劣性竞争。因此如果这种模式不发生改变,信贷资金将更多地流向国有企业,同时会使得国有企业的经济效率更加低下。
四、政府隐性担保对社会资源分布影响的实证分析
(一)研究模型
前文验证了政府隐性担保对国有企业信用增级的影响,并对影响因素进行了分析。从中可以看出,在我国现实经济的运营过程中,因为存在政府隐性担保,市场主体会给予国有企业更高的信用评级,或者说,相比同类民营企业,在金融机构的评价中国有企业在现实经济运营中存在更低的信用风险。然而这一结果会带来另外一个直观影响,那就是信贷资源会更多地流向国有企业,因为金融机构在排除政府直接干预的影响后,在成本-风险-收益的衡量下,信贷流向国有企业是其微观上的合理选择,实际上这也造成了社会信贷资源分配时的“融资歧视”。以往对于融资歧视的研究表明,企业所在地区的市场化程度、政府对于企业的干预程度及公司股权性质与企业的债务期限结构显著相关[16],方军雄(2007)[17]在此基础上进一步考察了制度环境的改善对于金融歧视现象的影响。同样为了验证政府隐性担保这一制度环境因素对于社会信贷资源分布的影响。参考前人的研究设计,将影响金融机构信贷投放决策的因素分为自身因素和外部环境因素,自身因素包括资产构成、盈利状况、公司规模、所有制性质等,用以反映客户自身特征,外部因素就是由制度环境引起的影响决策变量,如金融市场化程度、政府隐性担保增级程度。因此,构造如下模型
Dcit=α0+α1CEit+α2Indext+α3ROAit+α4Scaleit+α5Sprofitit+α6Guarantyit+εit
(5)
其中,Dcit代表金融机构信贷决策变量,使用国有企业与民营企业经过PSM模型匹配后的资产负债率差异Dil衡量隐性担保作用下的信贷倾斜程度作为被解释变量。同时为了研究结论的稳健性,考察外部制度环境对于信贷期限结构倾斜程度影响,分别使用长期负债比重Ldr(长期负债/资产)以及债务期限结构Dms(长期负债/负债)作为被解释变量。主要制度环境指标选取由政府隐性担保导致的国有企业信用增级CEit,金融市场化指数Indext[18],计算方法一般是采用指标合成再进行主成分分析得到[19],数值越大表明金融市场自由度越高。企业自身特征因素分别选取为资产报酬率ROAit,利润总额/资产;企业规模Scaleit,按照产品销售收入/企业单位数;销售利润率Sprofitit,(销售收入-销售成本-销售费用-销售税金及附加)/销售收入;清算价值比率Guarantyit,固定资产价值/资产。
(二)数据来源
为了检验政府隐性担保对于社会信贷资源的分布的影响,应当以国民企业部门的所有国有企业与民营企业之间进行对比分析,但是由于数据可得性的原因,研究样本仍然集中于沪深两市的上市国有企业与民营企业,同时鉴于金融市场化指数数据的可得性,数据时间范围选择2010-2014年,数据均来自《中国统计年鉴》、Wind及国泰安数据库。
(三)实证结果与分析
从表6变量相关系数矩阵可以看出,政府隐性担保带来的国有企业信用增级强度对于银行的决策行为有显著的正向影响。其信用增级强度越高,银行等信贷机构就更加倾向将信贷资源向国有企业倾斜。同时可以观察到金融市场化指数对于国有企业信用增级强度有着反向影响,即随着我国金融市场机制的不断完善隐性担保程度会随之降低,逐渐削弱政府隐性担保对于社会资源的扭曲程度。
尽管变量相关系数矩阵给出了初步的政府隐性担保对于信贷决策的影响方向,但是由于没有控制其他变量可能产生的影响,如信贷决策变量与企业自身因素指标之间也存在显著相关关系,因此不能直接得出政府隐性担保对于信贷决策的最终关系,所以进一步多元回归分析,同时将稳定性检验也考虑在内。
表6 研究变量相关系数矩阵

注:*,**,***,分别表示显著性水平为10%、5%和1%。
表7 政府隐性担保对信贷资金分布差异的回归结果

注:表中括号内数值为t值,*,**,***,分别表示显著性水平为10%、5%和1%。
从表7的回归结果可以看出,政府隐性担保带来的国有企业信用增级强度对于银行的决策行为有显著的正向影响,这不仅增加了国有企业与民营企业在资产负债率之间的差异,同时也验证了这种隐性担保对于国有企业的保护作用使得国有企业在债务期限结构上压力要小于民营企业,这与方军雄(2007)研究所有制与信贷配置时所得结论相一致。通过分析金融市场化指数对资产负债率差异的影响可以看出,随着金融市场机制的不断完善,其对抑制隐性担保带来的国有企业与民营企业之间的资产负债率差异起到了关键性作用,但是并不能从根本上消除政府隐性担保的完全影响。从国有企业自身的经营特征指标可以看出,国有企业的经营状况越好,政府对其隐性担保意愿也就越低,因此国有企业的信用增级强度就会降低,导致国有企业与民营企业间的资产负债率的差异也就越小,进而抑制信贷资源在国民经济部门之间的倾斜分布。同时,对于长期负债/资产(Ldr)、长期负债/负债(Dms)回归分析也支持上述检验结果。
五、结论与政策建议
本文选取2009年以前上市的不同股东背景企业,利用KMV模型计算各企业违约概率,并使用PSM模型进行财务状況匹配,排除不同股东性质企业之间财务差异对其信用风险的影响,仅就控股股东性质的不同进行了对比分析,不仅揭示了在我国现实经济运行中,存在政府隐性担保作用下的国有企业信用增级,并对影响政府隐性担保转化为国有企业信用增级强度的因素进行了分析。在此基础之上,对国有企业由于隐性担保导致的社会信贷资源倾斜分布进行了实证分析,结果表明:(1)在我国政府“父爱主义”作用下,国有企业较民营企业存在着信用增级作用,使得国有企业信用普遍高于民营企业;(2)通过对影响政府隐性担保转化为国有企业信用增级的因素分析可知,财政能力、辖级国有企业数量、行政层级都是国有企业政府隐性担保转化为国有企业信用增级的影响因素,因此不同国有企业具有不同等的信用增级强度;(3)在梳理清楚政府隐性担保通过何种形式,何种影响程度后,对政府隐性担保通过信用增级这种形式造成的社会资源的倾斜分布进行了实证分析,发现信用增级强度越大,社会信贷资源就越向国有企业倾斜,结合已有文献对这种信贷资源的不均衡分布带来的社会效率的损失的研究可知[20-22],这对我国经济的长期稳定与可持续发展极为不利。基于上述研究,提出如下建议。
第一,针对国有企业与民营企业,分设资金池。在政府“父爱主义”一直存在的前提下,为缩小因信贷资源的不均衡分布,在短时间无法消除政府“父爱主义”的习惯的前提下,只能将国有企业的融资渠道与民营企业的融资渠道进行分设,引导金融机构以不同的银行决策模型区别对待国有企业与民营企业,在国有企业当中引导其以竞优取代竞劣。对于民营企业则应以边际产出效率达到帕累托最优为标准,使信贷资源在民营企业范围的分布达到全社会的最优。
第二,客观评价国有企业的融资需求。针对国有企业的信用增级作用,金融机构应从影响因素分析入手,客观评价不同国有企业的信用增级强度。事实上,从现实中不难发现,并非所有与政府相关的债务最终的买单者都是政府,当政府财力不足,保护意愿降低时,国有企业信用增级下的金融机构信贷决策模型将面临巨大挑战。
第三,继续加大推进金融市场化改革的力度。通过对政府隐性担保影响社会信贷资源分布的分析,可以看到这一作用将持续加大企业负债率不断上升而产出率不断下降的剪刀差,且这一现象与企业自身的经营状况相关性小,与政府在市场中的作用更为紧密,而加强金融市场化改革则能一定程度上抑制政府隐性担保在市场中的作用,因此通过不断完善金融体制,进而抑制政府隐性担保对于社会信贷资源倾斜分布程度,对于缩小投入与产出间的剪刀差,提升我国经济运行效率等都具有非常积极的意义。
参考文献
[1] MARA F, RONALD M, JOHN J M. Political connections and corporate bailouts [J]. The Journal of Finance, 2006, 61(6):2597-2635.
[2]ADHIKARI A, DERASHID C, ZHANG H. Public policy, political connections, and effective tax rates: longitudinal evidence from Malaysia [J]. Journal of Accounting & Public Policy, 2006,25(5): 0-595.
[3]FAN J P H, RUI O M, ZHAO M X. Public governance and corporate finance: evidence from corruption cases [J]. J Comp Econ, 2008, 36(3):0-364.
[4]CLAESSENS S, FEIJEN E, LAEVEN L. Political connections and preferential access to finance: the role of campaign contributions [J]. Journal of Financial Economics, 2008, 88(3): 554-580.
[5]朱太辉, 魏加宁, 刘南希, 等. 如何协调推进稳增长和去杠杆?——基于资金配置结构的视角[J]. 管理世界, 2018, 34(9):31-38.
[6]刘津宇, 王正位, 朱武祥,等. 产权性质、市场化改革与融资歧视——来自上市公司投资—现金流敏感性的证据[J]. 南开管理评论, 2014, 17(5):126-135.
[7]方军雄. 民营上市公司,真的面临银行贷款歧视吗?[J]. 管理世界(11):133-141.
[8]袁淳, 荆新, 廖冠民. 国有公司的信贷优惠:信贷干预还是隐性担保?——基于信用贷款的实证检验[J]. 会计研究(8):51-56.
[9]杨光, 孙浦阳, 龚刚. 经济波动、成本约束与资源配置[J]. 经济研究, 2015(2):49-62.
[10]聂辉华, 贾瑞雪. 中国制造业企业生产率与资源误置[J]. 世界经济, 2011(7):27-42.
[11]张天华, 张少华. 偏向性政策、资源配置与国有企业效率[J]. 经济研究, 2016(2):126-139.
[12]中国人民银行征信中心与金融研究所联合课题组, 纪志宏, 王晓明, 等. 互联网信贷、信用风险管理与征信[J]. 金融研究, 2014(10):133-147.
[13]赵自兵, 陈金明, 卫新江. 中国A股股票需求弹性——基于全流通IPO锁定期解除效应的实证分析[J]. 金融研究(4):119-131.
[14]方匡南, 杨阳. SGL-SVM方法研究及其在财务困境预测中的应用[J]. 统计研究, 2018(8).
[15]BECKER S O, ICHINO A. Eastimation of average treatment effects based on propensity scores [J]. Stata Journal, 2002, 2(4): 358-377.
[16]刘凤委, 孙铮, 李增泉. 政府干预、行业竞争与薪酬契约——来自国有上市公司的经验证据[J]. 管理世界, 2007(9):76-84.
[17]方军雄. 所有制、制度环境与信贷资金配置[J]. 经济研究, 2007(12):82-92.
[18]周业安, 赵坚毅. 我国金融市场化的测度、市场化过程和经济增长[J]. 金融研究, 2005(4):71-81.
[19]庄晓玖. 中国金融市场化指数的构建[J]. 金融研究, 2007(11):180-190.
[20]罗德明, 李晔, 史晋川. 要素市场扭曲、资源错置与生产率[J]. 经济研究, 2012(3):4-14.
[21]龚关, 胡关亮. 中国制造业资源配置效率与全要素生产率[J]. 经济研究, 2013(4):5-16.
[22]文东伟. 资源错配、全要素生产率与中国制造业的增长潜力[J]. 经济学(季刊), 2019, 18(2):208-229.

奥鹏易百网www.openhelp100.com专业提供网络教育各高校作业资源。

共 0 个关于本帖的回复 最后回复于 2020-5-22 10:09

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩推荐

    明星用户

    QQ|Archiver|手机版|小黑屋|www.openhelp100.com ( 冀ICP备19026749号-1 )

    GMT+8, 2024-3-29 13:33