中国股市β异象对公司杠杆率的影响

王志强 梁晓颖

摘 要：中国股市β异象的存在意味着高β公司有较低的股票收益率，这会降低公司股权融资成本，进而改变公司的资本结构。本文基于2008—2019年中国沪深两市A股上市公司数据，采取面板数据回归模型，对中国股市β与公司杠杆率之间的关系进行研究。研究结果显示，资产β与公司杠杆率存在显著的负相关关系，账面总杠杆率、市场总杠杆率、账面净杠杆率和市场净杠杆率这四个杠杆率的回归系数均显著小于零;不同市场状况下资产β对公司杠杆率的影响程度有差异，下行资产β对公司杠杆率的影响明显大于上行资产β;权益β与市场总杠杆率和市场净杠杆率之间存在显著的负相关关系，而与账面总杠杆率和市场净杠杆率之间不存在负相关关系;低税率组中多数公司选择了高杠杆而非低杠杆，表现出一定的“高杠杆率之谜”，与传统权衡理论不一致，中国股市β异象的存在可以做为一种解释。

关键词：β异象;公司杠杆率;高杠杆率之谜;股票收益率

中图分类号：F830.9文献标识码：A

文章编号：1000-176X（2021）09-0053-10

一、问题的提出

Modigliani 和Miller[1]的MM定理表明，公司价值与其资本结构无关。但是，由于MM定理假设不存在税收、破产成本和信息不对称等条件与现实不符，因而公司价值与其资本结构之间存在一定的相关关系，公司可以选择适当的资本结构以提高公司价值。Bradley等[2]提出的权衡理论认为，公司债务的增加一方面可以提高负债的税遁收益使公司价值上升，另一方面会增加公司的债务风险而提高公司的财务困境成本，故公司应该在债务的税遁收益与财务困境成本之间作出权衡，以选择一个适当的债务比例或资本结构使得公司价值最大化。公司价值最大化时的资本结构或杠杆率分别被称为最优资本结构或最优杠杆率。学者围绕最优资本结构或最优杠杆率做了大量的实证研究。结果表明，公司杠杆率与固定资产比例[3-4]、盈利能力[5-6]、规模[7-8]、成长性[9-10]和税率水平[11]等公司特征相关。

相关实证研究还发现一些权衡理论无法解释的现象。譬如，美国数百家边际税率很高、利润率也很高的公司却基本上是零杠杆，这与权衡理论“高税收、高盈利公司应选择高杠杆”的结论相悖，这种现象被称为“低杠杆率之谜”。与此同時，大量无法享受税遁收益的低税率公司却保持着高杠杆，这种现象被称为“高杠杆率之谜”[12]。“低杠杆率之谜”和“高杠杆率之谜”并非是资本主义市场的异象，中国市场也同样存在。例如，双鹭药业（002038）自从2004年上市至2016年，总资产净利润率比较高，但负债比率却远远低于行业均值;类似地，仁和药业（000650）、苏泊尔（002032）和五粮液（000858）等也存在低杠杆现象。与此同时，中国股市也存在着众多高杠杆现象。对于本文全部样本公司，2019年末资产负债率（账面总杠杆率）在70%以上的公司有226家，占比为13.4%;在80%以上的公司有83家，占比为4.9%。对于盈利公司，2019年末资产负债率（账面总杠杆率）在70%以上的公司有187家，占比为12.5%;在80%以上的公司有63家，占比为4.2%。

针对资本结构选择中存在着“低杠杆率之谜”和“高杠杆率之谜”，有学者从市场层面拓宽其理论解释。其中一种主要的解释是，资本市场中存在股票价格偏离真实价值的错误定价，从而阻碍了资本的有效配置，影响公司的融资方式选择及其融资成本，进而影响公司杠杆率水平的确定。Baker等[12]用“高风险低收益”的β异象衡量资本市场的错误定价，将其引入资本资产定价模型，用以计算股权融资成本，通过最优化公司的加权资本成本，证明β异象对公司杠杆率水平有负向影响，并认为高税率、高盈利能力的公司选择低杠杆率可能是由于其拥有较高的资产风险。已有学者证明中国股票市场也存在违背风险收益正相关关系的现象——β异象，并一致认为这是市场错误定价的结果[13]-[15]。但是，中国资本市场作为新兴市场，市场成熟度、信息透明度等较英美等发达国家低，β异象的特点及错误定价程度与发达国家存在一定差异;同时从公司融资特点来看，英美等发达国家是市场主导型金融结构的国家，即通过债券市场和股票市场融资的比例超过80%，而中国通过债券市场和股票市场融资的比例虽然逐年增加但仅有20%左右，故中国股票市场对公司价值的影响具有一定的特殊性，需要进行针对性的研究。

目前并未有学者研究中国股市β异象对公司杠杆率的影响，本文参考Baker等[12]的研究，考察中国股市β异象与公司杠杆率之间的相关关系，为解决中国上市公司“高杠杆率之谜”提供一种新的解释。本文可能的贡献在于：第一，突破目前研究局限于公司层面的桎梏，首次尝试从市场层面研究中国股市β异象对公司杠杆率的影响。第二，首次尝试利用公司资产β与公司杠杆率之间的负向关系解释中国上市公司的“高杠杆率之谜”，是对传统权衡理论仅以税遁收益和财务困境成本解释公司杠杆率偏高的一种补充。

二、理论分析与研究假设

假设权益市场中存在β异象，基于CAPM模型将权益资本成本计算公式修正为：

re=（βe-1）γ+rf+βe×rm（1）

其中，re表示公司权益资本成本，rf表示无风险收益率，rm表示市场风险溢价，βe表示公司权益β，γ表示β异象的强度（γ<0），决定股票超额收益随着βe的增加而减小的程度。

再假设债务市场中不存在β异象，因此，债务资本成本表示如下：

rd=rf+βd×rm（2）

其中，rd表示公司债务资本成本，βd表示公司债务β，其他变量同上。

基于式（1）和式（2），将公司的加权平均资本成本（WACC）表示为：

WACC（Lev）=Lev×re+（1-Lev）rd=rf+βa×rm+（βa-1）γ-（1-Lev）（βd-1）γ（3）

其中，Lev表示公司杠杆率，βa表示资产β，由βe 、βd和杠杆率决定，即βa=Lev×βe+（1-Lev）βd。

根据Merton[16]的公司债务定价模型，得到βd与βa的关系式：

βd=βa×f（Lev）（4）

其中，f（Lev）表示杠杆率Lev的一个函数。

通过最小化公司加权平均资本成本（WACC），得到公司最优杠杆率水平（Lev*）。

Baker等[12]证明，最优杠杆率水平与公司资产β之间存在负相关关系

。而且，股票市场β异象的存在意味着高权益β的公司具有低收益，促使高权益β的公司倾向于股权融资，通过降低杠杆率水平来降低公司的加权资本成本。基于此，笔者提出如下假设：

假设1：公司杠杆率与其资产β呈负相关关系。

假设2：公司杠杆率与其权益β呈负相关关系。

由于市场发展状况不同，当股市处于上涨时期和处于下跌时期时公司面临的风险是不同的，据此将资产β进一步划分为上行资产β和下行资产β。用上行资产β表示股市处于上涨时期时资产β的情况，反映在股市上涨时公司面临的风险;反之，下行资产β表示股市处于下跌时期时资产β的情况，反映在股市下跌时公司面临的风险。

按照Baker等[12]的理论模型，可以推测二者均与公司杠杆率负相关，且这二者将同时起作用，导致资产β对公司杠杆率产生负向影响。

与上行资产β相比，下行资产β对公司杠杆率的影响更大。在传统权衡理论中，财务困境成本的存在会降低债务的吸引力，而这种成本的多少不仅取决于无条件的违约概率和违约发生时损失的概率，还取决于发生困境和价值损失的市场状态，市场大环境越糟糕，发生困境时的损失越多，即财务困境成本越高。由此，笔者认为，

当股市处于下行状态时，公司拥有更高的系统风险，财务困境成本更高，此时杠杆率水平应更低。

从再融资风险和降价销售的角度来看，在市场不景气时，再融资风险和降价销售的折价较高，这将增加处于较高系统风险水平的公司在困境状态中的损失价值，并降低公司杠杆率水平，故下行资产β更能代表财务困境成本，β异象对公司杠杆率的负向影响集中在下行风险中。

同理，将权益β分解为上行权益β和下行权益β，分别考察上行权益β和下行权益β对公司杠杆率的影响。基于此，笔者提出如下假设：

假设3：公司杠杆率与其上行资产β和下行资产β均呈负相关关系。

假设4：公司杠杆率与其上行权益β和下行权益β均呈负相关关系。

三、研究设计

（一）变量选取及其度量

1.被解释变量

本文的被解释变量为公司杠杆率。参考Fama和French[17]的做法，将公司杠杆率分为账面杠杆率和市场杠杆率。账面杠杆率定义为总负债除以总资产（总负债与总权益之和）;市场杠杆率与账面杠杆率的区别在于总权益部分，账面杠杆中的权益为财务报表中的所有者权益的账面价值，而市场杠杆的权益部分采用的是公司股票市值。另外，将杠杆率分为总杠杆率和净杠杆率，总杠杆率为总负债除以总资产，净杠杆率在总资产和总负债的基础上同时减去现金及现金等价物。我们采用账面总杠杆率、市场总杠杆率、账面净杠杆率和市场净杠杆率四种杠杆率作为被解释变量分别进行考察。其中，账面总杠杆率（LevBG）用负债合计/（负债合计+账面权益）×100%衡量，市場总杠杆率（LevMG）用负债合计/（负债合计+市场权益）×100%衡量，账面净杠杆率（LevBN）用（负债合计-现金及现金等价物）/（负债合计+账面权益-现金及现金等价物）×100%衡量，市场净杠杆率（LevMN）用（负债合计-现金及现金等价物）/（负债合计+市场权益-现金及现金等价物）×100%衡量。

2.解释变量

本文的核心解释变量为系统性风险，分别用权益β（βe）和资产β（βa）度量。其中，权益β为传统意义下股东承担的系统性风险，采用CAPM模型得到。考虑到非流动性和异质性的影响，参考Hong和Sraer[18]的做法，使用相邻三个交易日的市场超额收益率作为解释变量，用过去一年约250个交易日的股票日超额收益率进行线性回归。具体模型如下：

Rit=αi+βi1Rm，t-1+βi2Rmt+βi3Rm，t+1+εit（5）

其中，Rit表示个股日超额收益率，Rm，t-j（j=-1，0，1）表示市场日超额收益率，εit表示误差项。权益β为回归得到的三个系数估计值之和，即βe=βi1+βi2+βi3。

根据相关理论，无杠杆条件下资产β等于权益β，有杠杆条件下可以在权益β的基础上剔除负债的影响得到资产β，即βa=βe×（1-市场净杠杆率）。

用市场超额收益率的正负区分股市上涨和股市下跌，将样本区分为两部分，用式（5）分别估计出上行权益β（β+e）和下行权益β（β-e）。

相似地，用上行权益β（β+e）和下行权益β（β-e）计算上行资产β（β+a）和下行资产β（β-a），即β+a=β+e×（1-市场净杠杆率），β-a=β-e×（1-市场净杠杆率）。

考虑到资产β和权益β均为系统性风险度量指标，不能完全反映单个公司的所有风险，因此，我们将总风险指标作为一个重要的解释变量进行具体考察，总风险包括权益风险（Riske）和资产风险（Riska）。权益风险（Riske）用过去一年（约250个交易日）股票超额收益率的标准差度量，资产风险（Riska）为权益风险×（1-市场净杠杆率）。类似地，将资产风险区分为上行资产风险（Risk+a）和下行资产风险（Risk-a），将权益风险区分为上行权益风险（Risk+e）和下行权益风险（Risk-e）。其中，上行权益风险（Risk+e）用过去一年（约250个交易日）中市场收益率大于零时股票超额收益率的标准差衡量，下行权益风险（Risk-e）用过去一年（约250个交易日）中市场收益率小于零时股票超额收益率的标准差衡量，上行资产风险（Risk+a）用上行权益风险×（1-市场净杠杆率）衡量，下行资产风险（Risk-a）用下行权益风险×（1-市场净杠杆率）衡量。

3.控制变量

考虑到公司杠杆率还受公司特征的影响，我们选择了八个公司财务指标作为控制变量，如下：固定资产比率（FR），用固定资产净额/资产合计×100%衡量;总资产净利润率（PR），用息税前利润（EBIT）/资产总计×100%衡量; 总资产（lnA），用资产合计的自然对数衡量;市值账面比（MB），用（负债合计+市场权益）/（负债合计+账面权益）衡量;资产增长率（AG），用（t年资产合计-t-1年资产合计）/t-1年资产合计衡量;综合税率（T），用（营业税金及附加+所得税费用）/利润总额衡量;流动比率（CR），用流动资产合计/流动负债合计衡量;托宾Q比率（QR），用市场权益/（资产-无形资产净额-商誉净额）衡量。

（二）模型设定

本文具体考察资产β和权益β对公司四种杠杆率的影响，采用面板数据回归模型来进行分析。对于假设1和假设2，利用如下模型检验：

Levit=α1βit+α2Riskit+∑8j=1δjControls

γ1FRit+γ2PRit+γ3lnAit+γ4MBit

+γ5AGit+γ6Tit+γ7CRit+γ8QRit

+εit（6）

其中，Levit表示公司i在t期的杠杆率，分别采用LevBG、LevMG、LevBN和LevMN作为被解释变量进行估计;βit表示公司i在t期的系统性风险，分别采用βa和βe作为解释变量进行估计;Riskit表示公司i在t期的总风险，分别采用Riska和Riske作为另一重要解释变量进行估计;Controls表示8个控制变量，分别表示公司i在t期的8个财务指标值。

对于假设3和假设4，本文采用如下检验模型：

Levit=α1β+it+α2β-it+α3Risk+it+α4Risk-it+∑8j=1δjControls+εit（7）

其中，β+it表示公司i在t期的上行系统性风险，分别采用βa和βe作为解释变量进行估计;β-it表示公司i在t期的下行系统性风险，分别采用β+a和β+e作为解释变量进行估计;Risk+it表示公司i在t期的上行总风险，分别采用Risk+a和Risk+e作为另一重要解释变量进行估计;Risk-it表示公司i在t期的下行总风险，分别采用Risk-a和Risk-e作为另一重要解释变量进行估计;其他变量同上。

（三）样本选取与数据来源

本文以沪深两市所有A股作为研究对象，样本区间为2008—2019年，样本区间的选择依据是公司财务数据披露从2002年以后趋于标准化，而股票交易数据由于中国A股进行了股权分置改革，导致2005—2007年股票收益率异常变动。

本文对数据做如下处理：（1）剔除金融类公司（包括银行、证券和保险）;（2）剔除股票被ST的公司;（3）剔除年报数据中账面权益为负值的公司;（4）剔除账面净杠杆率小于零的公司，以便让公司杠杆率介于区间[0，1]之内;（5）为避免受个别极端值和异常值的影响，对全部连续变量数据在1%水平进行双向缩尾处理。

本文使用的市场层面数据是A股上市公司的日度及月度收益率、日度及月度综合A股市场收益率（流通市值加权法计算）、日度及月度Fama-French三因子等数据，数据来自于国泰安CSMAR数据库;公司杠杆率、固定资产比率、总资产净利润率、总资产、市值账面比、资产增长率、综合税率、流动比率、托宾Q比率等年度财务指标数据来源于國泰安CSMAR数据库;日度及月度无风险利率数据来源于锐思（RESSET/DB）金融研究数据库。

四、实证分析

（一）变量描述性统计及相关性分析

表1报告了变量的描述性统计结果。我们按照总资产净利润率是否大于零将公司分为盈利公司和非盈利公司。在1 727家公司中，盈利公司有1 518家、非盈利公司有209家。描述性统计结果显示，所有变量的标准差均不大，说明对数据进行缩尾处理有效地剔除了极端值和异常值的影响。

通过变量间的相关系数分析结果（结果略，留存备索）可知，不论是从权益角度还是资产角度，资产β、上行资产β及下行资产β之间的相关性较强;各个控制变量与资产β之间的相关性很弱，说明可以将控制变量与资产β同时加入回归方程而不会出现严重的多重共线性问题。

（二）中国股市β异象的存在性检验

在前面的理论分析中，假设中国股市中存在β异象，在此基础上研究错误定价即β异象对公司杠杆率的影响，因此，首先需要检验中国股市中是否存在β异象。我们根据每个月月末权益β由低到高进行排序并十等分，按照等权重和市值加权分别构造十个投资组合，以及买入最低β组合、卖空最高β组合的零投资组合（1-10）;然后，考察每个组合在下个月的超额收益率和风险调整后的异常收益率，用Fama-French三因子模型估计各组合的异常收益率α。表2报告了各组合的异常收益率及其t值。由表2可知，当投资组合构建采用市值加权的方法时，最低β组合的α为0.970%，最高β组合的α仅为0.140%，随着β的增加，β组合的异常收益率总体上呈现下降趋势;同时零投资组合（最低-最高）获得了显著的正收益0.830%。采用等权重构建组合有类似的结果。这表明，β的大小与其收益负相关，中国A股市场中存在β异象。

（三）资产β对公司杠杆率的影响

1.基本回归结果

由于非盈利公司存在公司破产和股票摘牌的可能，其公司财务指标和股票收益率可能存在异常，因此，我们只考察盈利公司的资产β对杠杆率的影响。对各模型进行Hausman检验，检验结果显示，统计量的P值几乎为0，这表明拒绝随机效应模型，

限于篇幅，具体结果未在正文列出，留存备索。因此，采用固定效应面板数据回归模型进行实证分析。表3报告了资产β分别与公司四种杠杆率之间的回归结果。以资产β与账面总杠杆率（LevBG）的回归结果为例，表3结果显示，在控制资产风险后，资产β与杠杆率显著负相关，资产β值每增加1个单位，杠杆率就会降低7.877%。这说明，资产β是账面总杠杆率的重要决定因素。虽然在加入控制变量后资产β对杠杆率的负向影响由7.877%下降为4.914%，但仍然是显著的负相关。对于其他杠杆率度量指标，回归结果也显示出相同的结论。因此，假设1成立。

2.基于市场状况的分组回归结果与分析

不同市场状况下资产β对公司杠杆率影响的

回归结果如表4所示。从表4可知，对于账面总杠杆率LevBG，有无控制变量，上行资产β的估计系数都不显著，而下行资产β的估计系数均显著为负;对于其他三种杠杆率度量指标，有无控制变量，上行资产β和下行资产β的估计系数均显著为负。总的来说，无论股市上涨还是下跌，资产β基本上都与公司杠杆率负相关。上行资产β的估计系数及其t值的绝对值明显小于下行资产β的估计系数及其t值的绝对值。这表明，尽管资产β对杠杆率的负向影响是由上行资产β和下行资产β共同驱动的，但是两者的作用大小不同，下行资产β的影响明显大于上行资产β的影响。这一结果与传统权衡理论一致，下行资产β更适合作为财务困境成本衡量变量，即与股市上行状态相比，股市处于下行状态时公司债务导致公司价值的损失更大，公司会选择更低的杠杆率水平。假设3得证。

3.基于市值的分组回归结果与分析

由于不同市值公司错误定价的程度存在差异，将全部盈利公司按照流通市值的前30%、中间40%、后30%的分位数分为低市值组、中市值组和高市值组，分别研究不同組别内资产β对公司杠杆率的影响，回归结果如表5所示。由表5可知，不同市值水平下资产β对公司杠杆率都存在十分显著的负向影响，而且资产β对公司杠杆率的影响程度随着公司市值的增加而下降，也就是说，市值越大的公司其资产β对公司杠杆率的负向影响越小，反之市值越小的公司其资产β对公司杠杆率的影响越大。主要原因在于，在中国的资本市场中，低市值公司套利机会更多投机性更大，更易出现错误定价的现象，β异象的程度更高，则其资产β对公司杠杆率的影响程度更高。

（四）权益β对公司杠杆率的影响

1.基本回归分析

为了验证上文提出的假设2和假设4，本文采用固定效应面板数据回归模型对权益β与公司杠杆率之间进行回归，结果如表6所示。

由表6可知，只有市场总杠杆率（LevMG）和市场净杠杆率（LevMN）与权益β之间存在显著的负相关关系，而账面总杠杆率（LevBG）和市场净杠杆率（LevBN）与权益β之间不存在负相关关系。实证结果部分支持假设2成立，这一结果与来自美国股市的实证结果不完全一致，其原因可能在于，中国股市不如美国股市那样相对理性和成熟，中国上市公司股价的波动与其公司财务状况变动不完全一致。

2.基于市场状况的分组回归分析

不同市场状况下公司上行权益β和下行权益β对公司杠杆率影响的估计结果如表7所示。由表7可知，没有加入控制变量，上行权益β和下行权益β对账面杠杆率的影响不显著，对市场杠杆率的影响基本上是显著为负;加入相关控制变量，上行权益β和下行权益β对账面杠杆率的影响变为正，上行权益β对市场杠杆率的影响保持显著为负，而下行权益β对市场杠杆率的影响变为正，但从其估计系数看上行权益β的影响力度大于下行权益β的影响力度。总的来看，表7的经验证据不能完全支持假设4。其可能的原因在于：一是中国上市公司股价的波动与其公司财务状况变动不完全一致。二是中国股市波动呈现出“牛短熊长”，与美国股市的波动特征“牛长熊短”正好相反。

（五）稳健性检验

为了确保本文结果的可靠性，我们作了如下三种稳健性检验：

限于版面，稳健性检验结果未在正文列出，留存备索。

首先，控制行业的影响。回归结果显示，四种杠杆率下，加入行业控制变量βia和Riskia后，资产β对公司杠杆率的影响效果虽然有些变化，但仍然显著为负。说明在控制了相关行业变量之后本文的研究结果稳健。

其次，具体考察在控制行业变量之后上行资产β和下行资产β对公司杠杆率的影响。回归结果显示，不论用何比率来衡量公司杠杆率，二者均与公司杠杆率显著负相关，且下行资产β的负向影响稍大于上行资产β，说明本文研究结果仍然稳健。

最后，更换数据和样本区间。将日度收益率数据更换为月度收益率数据计算β及风险和缩小样本区间为2015—2019年重新进行实证检验，回归结果显示，资产β对公司杠杆率存在显著的负向影响，说明本文研究结果稳健。

（六）“高杠杆率之谜”的一种解释

为了尝试用β异象解释“高杠杆率之谜”，将盈利公司按照账面总杠杆率水平分为低杠杆组（账面总杠杆率<50%）和高杠杆组（账面总杠杆率≥50%），同时按照综合税率水平的高低将盈利公司分为低、中、高三组，其中综合税率<5%为低税率组，综合税率>30%为高税率组，综合税率介于5%—30%之间为中税率组。在账面总杠杆率及综合税率双变量分组下，得到盈利公司相关变量的描述性统计结果，具体如表8所示。

由表8可知，在低税率组中，有24家公司选择了低杠杆，有35家公司选择了高杠杆，选择高杠杆的公司占低税率组所有公司（24+35）的比例为59.3%，显示出低税率组中更多的公司选择高杠杆而不是低杠杆，表现出“高杠杆率之谜”。传统权衡理论表明，低税率公司因无法从税遁收益中获利而选择低杠杆，这一现象不能用传统的权衡理论解释。

在同一杠杆率水平下，我们对低税率组与高税率组的杠杆率和资产β进行非参数检验，以考察它们的均值是否存在显著差异，检验结果如表9所示。由表9可知，对于低杠杆公司，低税率组与高税率组的杠杆水平均无显著差异，因此，高税率组并没有表现出显著的高杠杆水平，这与传统权衡理论的论断“低税率低杠杆、高税率高杠杆”不完全一致;对于高杠杆公司，低税率组的杠杆水平显著低于高税率组的杠杆水平，这符合传统的权衡理论。对于低杠杆公司，低税率组具有较高的资产β（0.971）和上行资产β（1.271），高税率组具有较低的资产β（0.900）和上行资产β（1.135），其非参数检验的P值显示，它们之间存在显著的差异。这种显著差异可能是引起高税率组并没有表现出显著的高杠杆水平的原因。对于高杠杆公司，其非参数检验的P值显示，低税率组的四个杠杆率指标值显著低于高税率组的四个杠杆率指标值，低税率组的三个资产β指标值显著高于高税率组的三个资产β指标值。这一结果再次为假设1和假设3提供了经验证据支持。

五、研究结论与启示

本文从市场层面出发，基于2008—2019年中国A股上市公司数据，采取面板数据回归模型，研究中国股市β异象对公司杠杆率的影响。权益市场中出现错误定价导致β异象的存在，对于资产风险相对较高的公司而言，选择低杠杆水平将获得较低的资本成本，对于拥有低风险资产的公司而言，高杠杆水平时融资的资本成本相对是较优的。实证结果表明，资产β对公司杠杆率存在负向影响，高资产β的公司有低杠杆率。并且，中国股市β异象对公司杠杆率的负向影响有助于解释“高杠杆率之谜”，传统权衡理论中仅凭税收和财务困境成本的考虑因素无法完全解释公司杠杆率的选择，高盈利的公司没有选择高杠杆的原因可能是因为其拥有较高的资产β。进一步分析发现，由于低市值的公司股票更易出现投机行为，使得其公司权益资产更易出现错误定价，导致市值较低的公司杠杆率水平受资产β的影响更大。同时我们将资产β分为上行资产β和下行资产β两部分，研究不同市场走向情况下资产β对公司杠杆率的影响，结果表明，无论股市上涨还是下跌，公司资产β都对公司杠杆率存在负向影响，但影响程度存在差异，下行资产β对公司杠杆率的负向影响更大，这进一步印证了权衡理论中下行β可作为财务困境成本代表的结论。

中国股市β异象的存在影响公司的融资成本，进而影响了公司资本结构或杠杆率的决定，这导致传统权衡理论的解释力下降，但并非是对传统权衡理论的否定，而是希望从市场层面对其进行一定的补充。本文的实证研究仅证明公司资产β对其杠杆率的负向影响，而对于这种负向影响的传导机制还存在欠缺。对于解决“高杠杆率之谜”来说，中国股市β异象为我们提供了一个新的起点，不再局限于公司层面，但现实较为复杂，中国股市β异象对“高杠杆率之谜”的解释程度究竟有多大，究竟有多少公司的“高杠杆率之谜”能够通过这种理论予以解释还需要进行进一步的分析和研究。

参考文献：

[1]Modigliani， F.，Miller， M.H. The Cost of Capital，Corporation Finance and the Theory of Investment[J].The American Economic Review，1958，48（3）：261-297.

[2] Bradley，M.， Jarrell， G.A.， Kim， E.H.On the Existence of an Optimal Capital Structure：Theory and Evidence[J].The Journal of Finance， 1984，39（3）：857-878.

[3] Gungoraydinoglu，A.， Oztekin， O. Firm-and Country-Level Determinants of Corporate Leverage： Some New International Evidence[J].Journal of Corporate Finance，2011，17（5）：1457-1474.

[4] 刘贯春，张军，刘媛媛.金融资产配置、宏观经济环境与企业杠杆率[J].世界经济，2018， （1）：148-173.

[5] 李朝霞.影响中国上市公司融资结构的主要因素分析[J].数量经济技术经济研究，2003，（10）：5-12.

[6] 冯晓琪，朴哲范.上市公司杠杆率动态变化及影响因素——基于制造业的面板数据实证分析[J].金融理论与教学，2013，（6）：19-22.

[7] 车青玲.非金融企业杠杆率波动及影响因素研究——基于地方代表性企业面板数据的研究[J] .华北金融，2015， （5）：9-13.

[8] 牛斐.国有企业软预算约束对资本结构的影响研究[J].管理世界，2018， （9）：182-183.

[9] Myers，S.C.，Majluf， N.S.Corporate Financing and Investment Decisions When Firms Have Information That Investors do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[10] Jong，A.， Kabir， R.，Nguyen， T.T. Capital Structure Around the World：The Roles of Firm and Country-Specific Determinants [J]Journal of Banking & Finance，2008，32（9）：1954-1969.

[11] Liang，J.L.， Li， F.，Song， H.S.An Explanation of Capital Structure of Chinas Listed Property Firms[J].Property Management， 2014，32（1）：4-15.

[12] Baker，M.，Hoeyer， M.F.，Wurgler， J. Leverage and the Beta Anomaly[J].Journal of Financial and Quantitative Analysis，2020，55（5）：1491-1514.

[13] 于谊卉.投资者能用β获利吗——来自中国股市的证据[D].成都：西南财经大学硕士学位论文， 2018.

[14] 熊海芳，齐玉录，刘蕴祺.基于高频数据的连续β、跳跃β与低β异象[J].金融学季刊，2018，（2）：76-96.

[15] 周亮，王银枝.中国股市低风险异象研究[J].金融理论与实践，2020，（3）：90-96.

[16] Merton， R. C. On the Pricing of Corporate Debt： The Risk Structure of Interest Rates[J].The Journal of Finance 1974，29 （2）， 449-470.

[17] Fama E.F.， French， K.R. The Cross-Section of Expected Stock Returns[J].The Journal of Finance，1992，47（2）：427-465.

[18] Hong， H.，Sraer， D.Speculative Betas[J].The Journal of Finance，2016，71（5）： 2095-2144.

（責任编辑：巴红静）

收稿日期：2021-06-01

基金项目：国家自然科学基金面上项目“股市极端波动中流动性螺旋的微观机制与治理研究”（71873023）

作者简介：王志强（1965-），男（蒙古族），内蒙古乌海人，教授，博士，博士生导师，主要从事金融学与数量经济学等研究。E-mail：wangzhiqiang@dufe.edu.cn

梁晓颖（1997-），女，山东烟台人，硕士研究生，主要从事金融学研究。E-mail：1103189357@qq.com