产能过剩与民营企业贷款期限结构研究

雷英 董佳艳

【摘 要】 近年来，我国经济经历了高速增长与逐步回落，其中也遇到了产能过剩问题。选取2013—2015年上市民营企业数据，研究产能过剩背景下供应链关系中的一个重要特征——客户集中度对民营企业银行贷款期限结构的影响机理和实际效应，研究民营企业在去产能的大环境中是如何改善其融资状况，更多地获得来自正规金融体系的支持。研究结果表明：在产能过剩的背景下，客户集中度越高，民营企业银行贷款期限结构越长；相比议价能力低的民营企业，客户集中度和银行借款期限结构之间的正相关关系，在议价能力高的民营企业中更为明显。研究结论有助于对银行借款期限结构的影响因素进行补充，同时帮助提升民营企业在银行授信业务中的优势与地位。

【关键词】 供应链关系； 客户集中度； 民营企业； 借款期限结构

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937（2018）05-0157-05

一、引言

近年来，我国经济经历了高速增长与逐步回落，这期间，产能过剩问题也逐步累积。在经济上行期，尤其在2006、2007年国际及国内原材料商品价格上涨、出口形势良好、盈利乐观，于是企业扩大投资、购进机器设备，扩充产能。然而，始料未及的2008年国际金融危机使我国的经济形势急转直下，形成了产能过剩，库存积压。为了刺激经济增长，2008年底，我国推行了“四万亿”刺激计划。在该计划的引领下，企业盈利改善，固定资产投资热情持续攀升，2011—2012年成为这些前期投资产能释放的高峰时期。然而，随着经济总需求的逐渐下行，产能过剩问题又重新出现，2013年10月初，国务院印发了《关于化解产能严重过剩矛盾的指导意见》，指出我国的产能过剩是普遍的、全方位的。

企业扩大投资，银行资金必不可少。与国有企业相比，民营企业在银行信贷资金支持方面有着明显劣势。国有企业由于规模大，信息不对称程度低，因而更容易向银行取得贷款。民营企业由于规模小，破产风险高，股东与债权人之间的代理问题较为严重，银行试图通过限制债务期限结构或更严格的限制性条款来控制民营企业的借贷风险。然而，确实有些民营企业也有着较多的增长机会与发展机遇，在产能过剩背景下，什么是影响民营企业债务期限结构的重要因素，正确识别这些因素，对银行风险控制与民营企业发展方向选择都具有重要意义。

关于债务期限结构研究，Myers[1]的研究被广泛认为是全面研究债务期限结构领域的鼻祖。Barclay et al.[2]则最早运用实证分析方法研究该领域，以后的研究则主要在这些学者的基础上发展起来。当前，大量研究从企业内部视角出发关注公司治理和企业特征对债务期限结构的影响，发现企业规模、成长机会、资产结构、自由现金流、所有权性质等是影响企业债务期限结构的重要因素[3]。另一方面，从公司外部因素，特别是经济制度环境角度出发寻找证据也成为重要的研究方向，如研究社会体制完善程度、银行间竞争程度、供应链关系等对企业债务期限结构的影响。

二、制度背景与研究假设

所谓产能过剩是指企业的实际产出小于其最优规模，即平均成本最低的产出水平。有学者提出垄断竞争和不完全竞争会导致企业不能在最优水平生产，出现产能过剩现象。周劲[4]认为产能过剩一般指行业的实际生产能力超过了市场需求，超过了正常期望水平的状态。

产能过剩从微观层面上造成了企业经营困难，大量倒闭；企业之间恶性竞争；有些多元化经营的企业可能将矛盾内部化，“拆东墙、补西墙”利用盈利业务，补贴落后产能，短暂地掩盖矛盾，最终酿成重大风险。产能过剩从宏观层面上看则是实体经济泡沫，一旦泡沫破灭，会形成巨大的系统性风险，给经济带来不稳定的因素。另外，企业恶性竞争的结果也会导致市场秩序的混乱，“劣币驱逐良币”[5]。

产能过剩形成的原因有多种，比如对经济高速增长的乐观预期，经济危机时期需求的突然放缓等。但政府的资源配置政策也起到推波助澜的作用，如一些补贴政策、土地等资源要素的配置没有发挥市场在资源配置中的作用。银行贷款对于民营企业来说，也是一种非常稀缺的资源。在产能过剩背景下，银行是如何有效地给民营企业配置贷款资源，发挥贷款的最佳功效？

企业的供应链关系包括供应商关系和客户关系。产能过剩背景下，这些关系又如何影响企业的贷款期限结构？王迪等[6]研究得出供应商和客户集中度越高，企业的银行借款能力越强。但在产能过剩背景下，笔者认为银行更关注企业的产品是否能卖得出去，即通过企业客户的特点来评价贷款决策，因此客户集中度是非常重要的指标之一。顾客是企业极其关键的命运共同体，关键顾客会不会在一定程度上影响贷款决策、运营策略、投资策略等也是目前比较热门研究课题。

在产能过剩背景下，客户集中度对企业业绩具有正向作用。客户处在供应链的末端，企业产品只有流向客户才能实现价值，企业才能获利。因此，企业与客户之间建立稳定的关系就具有正面效应：首先，稳定的客户关系可以降低企业与客户间的交易成本；其次，较好的客户关系可以促进信息共享，帮助企业合理安排生产，提高效率；再次，大的企业客户有利于企业进行资源整合并获得高而稳定的收益；最后，有利于维护股价稳定。当客户集中度不断变高，企业与客户间供应链汇集与合并的效果越好，因此，降低了企业的运营风险和信息不对称风险，企业股票价格崩盘的概率变小。

另一方面，企业客户过于集中，也会带来负面效应：首先，客户很可能联合起来提出各种不合理要求，损害企业利益。其次，由于市场竞争激烈，客户集中度高的企业对客户的依赖性较大，为了留住客户，企业需要根据市场环境的变化研发新产品，不断技术进步，促进产品差异化。最后，由于客户集中度较高，企业继续维持與主要客户的关系变得更重要，这也隐藏着较高的套牢风险。这是因为，一是为缓和事前投资不充分，公司会通过缩减财务杠杆来向合作伙伴传递一种承诺，也是塑造一个风险较低的公司形象来吸引投资；二是为防范事后套牢的危害，公司会寻求主动缩减财务杠杆的比例以掌控自己的财务风险。

具体到企业获得银行贷款决策角度来说，相比于国有企业，银行对民营企业发放贷款时显得更加慎重，而决定银行是否给民营企业放贷的关键因素是该企业违约风险的大小，如果银行综合各因素考虑认为该企业的违约风险较低，则会给予企业较为宽松的放款条件。在产能过剩背景下，客户集中度则对民营上市公司违约风险起着重要作用，大致可从以下三方面解释：

第一，当民营企业的客户集中度较高时，则企业的资产配置相对集中，资产专有性特征明显。为了防止自己的资产被套牢，企业拥有强烈的愿望，更好地维系其与客户的关系。同时，客户也会将他们的部分资产专有化投资于该民营企业，由此交易雙方都有期望交易能够顺利进行的强烈愿望，这就形成了稳固的客户关系。当企业向银行寻求贷款时，稳固的客户关系会使银行产生企业未来拥有业绩平稳的预期，进而认为该企业的违约风险较低，从而获得较宽松的信贷条件。

第二，当民营企业的客户集中度较高，可以降低银行的监控风险。客户对企业的业绩有很大作用，一旦客户陷入财务困境，形成呆账坏账，对企业的经营现金流产生严重影响，很有可能导致公司的现金流断裂，进而倒闭。由此，企业的违约风险飙升，银行最终蒙受损失。因此，当客户集中度高时，银行对企业信贷风险的监控只需要集中在几个大型客户的经营状况上，这极大地降低了银行的信息成本，及时有效地发现并防范客户关系的恶化所带来的债务违约风险。

第三，客户集中度高向银行传递了企业有较好业绩预期的信号。客户集中度高意味着客户与民营企业之间相互的资产专有化程度高，大型客户只有在做了充分的信息调查之后，认为该企业有良好的发展前景和稳定的业绩预期时，客户才会对该企业进行专有化投资。因此，客户集中度高也相当于向银行传递一个信号，即该企业的经营状况良好并有较好的成长机会和较高的业绩预期。此外，大客户在与该企业资产专有化投资的过程中和企业形成了不错的小型社会关系，大客户获得了不少关于企业的内在信息，由此形成信息优势，有效地监控企业的日常经营活动。

综上所述，民营企业与客户之间的社会资本，可以有效地降低银行监控成本，减轻了企业与银行之间的信息不对称，对企业业绩产生平稳预期，最终促使银行对民营企业采取宽松的信贷条件，更加积极地给予贷款支持。2007—2012年，我国社会整体投资热情高涨，到2013年产能过剩较严重。从此，产能过剩与去库存成为经济的主基调。在此期间，民营企业所面临的更多是如何将库存产品销售出去，并逐渐减少产能过剩行业产品的生产。当民营企业向银行申请信用贷款时，银行对其风险评估的考量会更加侧重于其客户的特征。因此，提出假设1。

H1：客户集中度越高，民营企业的银行借款能力越强，其中表现在银行借款期限结构更长。

由于客户集中度高所带来的资产专有化程度高，也会给民营企业带来“套牢”风险。如果客户资金链突然断裂，企业的专有化资产会蒙受巨大损失，影响到企业的业绩表现，甚至影响现金流，造成无法偿还银行贷款。银行在发放贷款的时候自然也会考虑到此类“套牢”风险，当银行认为该民营企业的客户风险较大，企业很有可能因为下游企业的联动风险导致业绩滑坡时，银行会更加谨慎。

因此，在与客户关系中，企业如何保持较强的议价能力，对公司未来的经营状况和持久的生存发展有着显著的作用。民营企业的议价能力高低指的是该企业与客户之间实力的相对大小。民营企业的议价能力高，则客户与企业终止交易关系的转换成本就高，由此形成的客户关系就更加稳定，能一定程度上减轻银行对企业套牢风险的顾虑。为此，提出假设2。

H2：相比议价能力低的民营企业，客户集中度和银行借款期限结构之间的正相关关系，在议价能力高的民营企业中更为明显。

三、研究设计

（一）模型和变量

1.被解释变量

本文研究民营上市公司的银行借款期限结构，将因变量设计为企业公司长期借款占借款总量的比值（QX），该值越大，则民营上市公司的银行借款期限结构就越长。在实际操作中，公司与公司间相互的资金拆借通常不反映在银行借款类科目，而通过应付项目来表现增减，因此，企业财报上的“长期借款”与“短期借款”这两个科目大体就是用来表现公司来自银行或其他金融机构的负债。研究中本文采用了民营上市公司“短期借款”与“长期借款”两个科目之和代表民营企业银行借款的总额。

2.解释变量

客户集中度：用企业财务报表中公布的向前五大客户的销售总额占企业全年销售总额的比值（Cus_Pro），反映公司的客户集中度。

3.控制变量

本文还控制了可能对银行借款期限结构产生重要影响的变量：（1）公司规模（Size）：用总资产的自然对数来表示；（2）盈利能力（ROA）：本年净利润与期末总资产的比值；（3）财务杠杆（Lev）：期末总负债与期末总资产的比值；（4）成长机会（Tobin's Q）：样本公司以期末市值计算的托宾Q值；（5）资产期限结构（PPE）：即期末固定资产净额与期末总资产之比；（6）现金流（CFO）：本年经营活动现金净流量与期末总资产的比值；（7）两职合一（Dual）：若公司董事长兼任总经理则取值为1，反之为0；（8）行业（Dum_Ind）和年度（Dum_Year），参照了中国证监会2001年颁布的《上市公司行业分类指引》。

此外，本文选择了净商业信用额来反映企业议价能力的高低。净商业信用额是指公司在购销活动中向交易对手供应的信用贸易金额与享有的信用贸易金额之差。本文采用公司年报中的往来款项目余额计算：向客户提供的净商业信用额：TCC=（应收账款+应收票据一预收账款）/期末总资产。表1列示了所有的变量及其定义。

4.模型设定

为实证检验提出的研究假设，本文构建了以下两个OLS回归模型：

QX=β0+β1Cus_Pro+β2Size+β3ROA+β4Lev+

β5Tobin's Q+β6PPE+β7CFO+β8Dual+Dum_Ind+Dum_Year+ε

（1）

QX=β0+β1Cus_Pro+β2TCC+β3Cus_Pro×TCC+

β4Size+β5ROA+β6Lev+β7Tobin's Q+β8PPE+β9CFO+

β10Dual+Dum_Ind+Dum_Year+ε （2）

（二）样本和数据

本文主要是研究产能过剩背景下客户集中度与民营企业银行借款结构之间的假设关系，基于以上目的，本文选取产能过剩问题较严重的2013—2015年度A股上市民营公司作为初始样本。样本的筛选规则如下：（1）去除中小板和创业板的上市公司；（2）去除金融保险类行业的上市公司样本，去除ST、*ST公司样本；（3）去除负债异常即资产负债率大于l的公司样本；（4）去除数據不全或值为NULL的公司样本；（5）最后对一切连续变量进行上下1%的Winsorize极端值处理。此次研究获得的有效样本中包含1 214个公司—年度观测值。文中使用的所有数据均来源于CSMAR数据库。

1.描述性统计

表2列示了主要变量的描述性统计结果。从中可以看出，样本期间我国民营上市公司资本构成中银行长期借款占银行全部借款的平均比例为25.7%，中位数为9.5%，其中有的民营企业没有向银行进行长期借款，有的民营企业只向银行进行长期借款。在客户集中度方面，样本期间我国民营上市公司向前五大客户的平均销售比例为27.6%，中位数为22.2%。样本企业的ROA均值为3.8%，中位数为3.5%。企业固定资产占总资产比重均值为9.9%，中位数为5.6%。

四、实证结果

本文计算了Pearson相关系数，对主要变量间的相关性进行了检验，结果显示，以上变量间不存在严重的多重共线性问题，且结果粗略验证了本文结论。限于篇幅，略去报告相关系数表。

（一）客户集中度与银行借款期限结构

民营企业客户集中度与其银行借款期限结构的多元回归结果列示在了表3中。从表3可以看到，Cus_Pro的回归系数为0.083，在10%的水平上显著为正，说明民营企业的前五大客户销售的比例越大，客户集中度越高，其银行借款期限结构越长，获得的银行长期借款银行借款总额的比例也就越大，这与H1相符合。

（二）议价能力的影响

以上的实证分析中，没有考虑议价能力因素，实际上议价能力强弱是银行信贷决策中的重要影响因素，相比于议价能力低的企业，议价能力高的企业更有可能避免套牢风险。因此考虑到议价能力这一调节变量，采用虚拟变量交叉乘项的研究方法，探究不同议价能力的民营企业，客户集中度对其银行借款期限结构的影响。

为了检验H2，本文使用对客户的净商业信用额（应收账款+应收票据-预收账款）/期末总资产）作为民营企业议价能力的代理变量。本文将净商业信用额小于等于中位数的设为1，将净商业信用额大于中位数的设为0。对客户的净商业信用额较低，则该企业应收账款和应收票据的总额要相对小于预收账款，说明该企业可以借助其本身规模实力的雄厚，预先收取较多的销货款，表明其议价能力强，反之则议价能力偏弱。关于H2的检验结果如表4所示。

表4中列示了模型2的回归结果，结果显示Cus_Pro的回归系数为0.239，在1%的水平上显著为正，说明客户集中度与民营企业借款期限结构正相关，再次验证了H1的观点，且在考虑了议价能力这一变量之后，这种正相关关系更加显著；TCC的回归系数为0.102，在1%的水平上显著为正，说明对客户的净商业信用额越低，即民营企业的议价能力越高，该企业的银行借款期限结构越长；交叉乘项Cus_Pro×TCC的回归系数为0.272，且在1%的水平上显著为正，说明相较于议价能力低的民营企业，客户集中度与银行借款期限结构之间的正相关关系在议价能力高的民营企业中更为明显，与H2的观点相一致。

（三）进一步检验

企业的供应链关系中包含供应商和客户两个方面。上文检验了客户集中度和对客户的议价能力与银行借款期限结构之间的关系。由于在产能过剩背景下，企业更多地关注商品能否卖得出去，那么，企业在供应方上的优势能否体现出来呢？银行贷款期限结构与供应商集中度应该有怎样的关系？选取变量Sup_Pro表示供应商集中度，计算方法是用上市公司年报中披露的向前五大供应商的合计采购金额除以全年采购总额。采用与上文相似的模型进行多元回归分析，回归结果如表5所示。

从表5中可以看到，Sup_Pro的回归系数为0.054，t值为1.27，回归结果不显著，说明供应商集中度与民营企业银行借款期限结构的正相关关系存在，但是显著性较弱。由此可见，在去库存去产能的背景下，企业在原材料的采购上会更加容易获得且成本较低，因此较高的供应商集中度并不能有效降低银行对该企业的风险评估预期。

五、结论与启示

本文研究了产能过剩背景下客户集中度对民营企业银行借款期限结构的影响。本文的研究结论为：

首先，客户集中度越高，民营企业的银行借款能力越强，其中表现在银行借款期限结构更长。通过实证研究我们发现客户集中度与民营企业银行借款期限结构呈现正相关关系。其背后的逻辑是，当民营企业的客户集中度较高时，该企业会被银行认为拥有较低的信贷风险，银行的信贷意愿会增强，于是便更有可能向企业增加长期贷款的发放，由此该企业银行借款期限结构则会变长。

其次，相比议价能力低的民营企业，客户集中度和银行借款期限结构之间的正相关关系，在议价能力高的民营企业中更为明显。这是因为议价能力较低的企业很有可能因为专有投资存在套牢风险，由较高的客户集中度带来的信贷风险较低的优势，会被这种套牢风险所削弱。

本文丰富了供应链与债务期限结构的文献。具体来说，本文从民营企业客户集中度出发，对其财务行为进行了实证研究，有助于我们进一步认识银行授信决策的传导机制，帮助民营企业缓解银行借款资源紧张的事实。经过本文的研究，笔者在民营企业增强银行贷款能力方面给予如下建议：

首先，产能过剩的形成，不仅有市场因素，还有非市场的因素，因此，在未来的一段时间也不会完全消除。在这样的背景下，企业既要积极自主创新，研发新的产品，同时又要加强老产品的客户关系管理，这是获得外部融资资源的重要因素之一。

其次，在产能过剩背景下，在供应链关系管理中，客户关系管理应该重于供应商关系管理。由于产品同质竞争，甚至有可能恶性竞争，因此，企业应建立自己的品牌效应，在市场上形成强势效应，同时，建立和拥有强势的销售客户和渠道比强势的供货渠道更加重要。

最后，在客户关系管理上要谨慎选择客户，建立信任关系，共享信息，共担风险，提高效率，产生规模经济，提高议价能力，提高企业核心竞争力，进而在银行的信贷决策中获得优势。很多时候，客户的财务绩效和经营状况对公司的影响很大，若没有挑选到合适的客户，很可能最终因为专有投资产生套牢风险。因此，在合作伙伴的选择上，民营企业还应该充分考虑双方的议价能力因素，在综合评价的基础上尽可能选择议价能力在自身之下的合作伙伴以最大程度避免套牢风险。

【参考文献】

[1] MYERS S C. Determinants of corporate borrowing[J].Journal of Financial Economics，1976，5（2）：147-175.

[2] BARCLAY M J，SMITH C W. The maturity structure of corporate debt[J].The Journal of Finance，1995，50（2）：609-631.

[3] 童盼，陆正飞.负债融资、负债来源与企业投资行为——来自中国上市公司的经验证据[J].经济研究，2005（5）：75-84.

[4] 周劲.产能过剩的概念、判断指标及其在部分行业测算中的应用[J].宏观经济研究，2007（9）：33-39.

[5] 王文甫，明娟，岳超云.企业规模、地方政府干预与产能过剩[J].管理世界，2014（10）：17-36.

[6] 王迪，刘祖基，赵泽朋.供应链关系与银行借款——基于供应商/客户集中度的分析[J].会计研究，2016（10）：42-49.