中国行业资产可逆性测算研究

刘媛媛,叶永卫

(1.广东外语外贸大学 a.金融学院;b.广州华南财富管理中心研究基地,广东 广州 510006;2.上海财经大学 公共经济与管理学院,上海 200433)

一、引 言

虽然对资产可逆性的认识最早可以追溯到马歇尔对特殊雇员问题的讨论,但是资产可逆性这一概念确切来说是由Williamson在研究交易费用对市场交易影响的过程中正式提出,衡量了资产价值在被置换成现金或重新配置于其他用途的过程中不遭受损失的程度[1]。Williamson对资产可逆性的讨论打破了新古典经济学中对于两种生产要素可以无成本相互替代的假定,从而为公司金融理论的发展提供了一个新的分析框架[2]。在这一概念被提出之后,学者们开始对资产可逆性及其经济后果进行深入探讨。然而,这些研究在实证检验过程中均面临一个共同难题,即如何选择合适的指标去准确测量资产可逆性程度。

纵观既有文献,可以发现诸多学者采用固定资产比重或长期资产比重作为资产可逆性的替代变量[3-8]。理论上讲,相对于交易性金融资产等高流动性资产,固定资产或长期资产的回收周期较长,采用两者占总资产的比重来衡量资产可逆性具有一定合理性。然而,两种指标测度的是企业资产配置组合状况,而且内生于企业投融资决策。鉴于资产可逆性刻画的是企业投资项目在未来时期宣告失败时面临的沉没成本,固定资产占比或长期资产占比无法准确测度企业投资项目的可逆性特征[9-10]。雷新途等发现,长期资产占比仅仅提供了企业非流动性资产的结构信息,与资产可逆性的特定内涵并不匹配,将其作为替代变量检验资产可逆性的经济后果将无可避免地存在一定偏差[11]。

考虑到现有关于资产可逆性的衡量指标存在缺陷,不少学者开始致力于资产可逆性指标的构建,以期为后续相关研究提供一定的理论借鉴和实践参考。其中,Kim和Kung提出了一种全新的测算框架用于度量美国上市企业的资产可逆性程度并展开实证研究[12]。这一测算框架是否同样适用于中国?前期文献鲜有回答。有鉴于此,本文结合中国的客观现实对上述问题进行了深入探讨。具体而言,本文利用国家统计局编制的1987年、1992年、1997年、2002年、2007年和2012年国民经济投入产出表对中国行业资产可逆性进行了测算,随后从多个维度对其可靠性进行测试。

本文的主要贡献集中体现在三个方面:第一,提供了一种适用于测算中国行业资产可逆性的框架。区别于采用固定资产占比或长期资产占比作为资产可逆性的替代指标,本文通过考察资产在行业内和行业间的使用情况以刻画资产市场的交易特征,进而构建了一种新指标来度量行业资产可逆性。第二,本文对中国行业资产可逆性的时间趋势和行业分布进行了全面的对比分析。以往文献并未对行业资产可逆性的动态特征进行分析,本文利用1987—2012年(5年为一个周期)的投入产出表测算了多年行业资产可逆性,剖析发展趋势的同时提供了相应解释。第三,本文提供了一系列的可靠性检验。为证实测算结果能够反映资产的可逆性程度,本文分别从企业投融资决策的实物期权理论、交易成本理论和契约理论进行了实证检验。

二、文献回顾

作为企业投融资决策理论的核心概念之一,资产可逆性度量了企业投资项目在未来宣告失败面临的沉没成本[9-10]。本文从契约理论、交易成本理论和实物期权理论出发,在阐释资产可逆性重要性的基础上,剖析既有衡量指标的不足。

一方面,资产可逆性对企业投资效率和经营绩效有重要影响。基于契约理论的分析框架,不可逆或者可逆性低意味着企业投资是一项专用性投资,投资形成的资产被重新配置用作他途的可能性不高,即低可逆性投资具有锁定(lock-in)效应[13-14]。在此前提下,如果契约安排是不完备的,那么一旦其他缔约主体提前退出契约,先前投资由于难以变现或被再利用就会全部或者部分沦为沉没成本。由此可见,当契约安排不完备时,资产不可逆导致其他缔约主体在事后容易滋生“敲竹杠”等机会主义行为,从而对企业投资效率产生负向影响[13]。相反,如果契约安排是完备的,即保证其他缔约主体事后不发生“敲竹杠”行为的前提下,企业进行更多专用性投资则是建立新竞争优势的重要手段,能够从专用性投资中获取资源稀缺性以及产品差异性和创新性所带来的超额利润,从而有利于提升企业业绩[15-17]。

另一方面,资产可逆性对企业债务融资和固定资产投资有重要影响。交易成本理论强调,资产可逆性会显著影响企业的债务融资规模。由于流动性差、变现能力弱(即清算价值低),低可逆性资产的抵押品功能较弱,企业进行债务融资将面临高昂的交易成本和融资成本。诸多实证研究发现,对于资产可逆性低的企业而言,其资产负债率往往较低[3,18-19]。实物期权理论认为,企业在未来时期的投资机会是一项“等待”期权,资产可逆性决定了期权价值的大小。对于完全(或部分)不可逆的投资项目,企业进行当期投资需要综合权衡成本、收益以及为减少不确定性冲击而推迟投资所带来的信息价值[20-21]。企业资产可逆性越低,在推迟投资过程中所能获取的信息价值越大,即“等待”期权价值越大,从而倾向于进行更少当期投资。相反,当投资项目具备较高可逆性时,不确定性冲击较少甚至无法影响企业的投资决策。近年来,不少文献证实资产可逆性对投资政策不确定性敏感度具有显著影响[8,12,22]。

由于上述理论在公司金融领域的重要地位,学者们一直在试图寻找合适的指标和方法来测算资产可逆性。Kedia等及Shenoy以研发投资密度度量企业资产可逆性,发现该指标与累计异常收益率正相关,为完备契约理论提供了经验证据[16-17]。Balakrishnana和Fox利用研发支出与销售收入的比值衡量企业资产可逆性,发现该变量与企业资产负债率呈现显著负相关关系,验证了交易成本理论[3]。类似地,程宏伟讨论了资产可逆性对企业资本结构的影响,不同之处在于选取固定资产净值、在建工程、长期待摊费用和无形资产之和占总资产的比重作为测度指标[18]。为考察资产可逆性如何影响经济政策不确定性与企业固定资产投资的关系,Gulen等、李凤羽等和谭小芬等均采用固定资产占总资产的比例作为企业资产可逆性的度量指标,证实了实物期权理论[6-8]。

容易看出,固定资产占比或长期资产占比是资产可逆性的常用度量指标。然而,尽管这一做法存在一定合理之处,但是也面临较多不足。本质上,两者刻画的是企业资产配置组合状况,反映企业资产存量的流动性,是企业自身财务决策决定的内生结果变量。为克服既有指标的缺陷,Kim和Kung通过计算特定资产在行业间和行业内的使用深度或广度,以此作为资产可逆性的替代指标[12]。该指标纳入了资产在行业间和行业内的可交易特征,刻画了投资项目进行清算时在二手市场面临的处置成本,而且避免了企业自身财务决策的内生作用。毫无疑问,这一测算框架为资产可逆性的度量提供了一种新思路。但是,需要特别说明的是,由于中国企业在各个行业的业务占比数据无法获得,Kim和Kung框架无法直接用于测算企业层面的资产可逆性,故本文聚焦于对行业资产可逆性的测度。

三、测算框架

行业资产可逆性的测算过程包括两步:第一步,以各类资产在各个行业间配置的频率和权重为基准,计算得到各类资产的可逆性指数;第二步,根据各类资产的可逆性指数,计算行业层面的资产可逆性指数。

首先,构建各类资产的可逆性指数。一般而言,某一资产在各个行业配置的频率和权重越高,可以更容易地在行业间或行业内进行转卖,即面临更低的处置成本,意味着该资产的可逆性越高。因此,只要得到资产a在国民经济各部门中被使用的广泛程度,就可以刻画出该资产的可逆性程度。基于这一思想,以使用资产a的行业数量作为权重来体现资产a被使用的广泛程度,把资产层面的可逆性指数定义为国民经济中使用该资产的行业数量的加权值,具体计算公式为:

(1)

其中,a、j和T依次表示资产、行业和年份;REVa,T代表资产a第T年的可逆性指数;n是行业总数量。Ua,j,T是一个虚拟变量,表示资产a在T年时是否被行业j使用。如果资产a被行业j使用,则Ua,j,T取值为1,否则取值为0。Valuej,T是行业j在T年的权重,等于行业j第T年的产出占社会总产出的比重,用于考虑不同行业的差异化贡献。通过构造Ua,j,T和Valuej,T,式(1)刻画的资产可逆性同时考虑了资产a在行业间和行业内的交易特征。

其次,为了考察第T年资产a是否被行业j使用,需要计算第T年资产a总使用量中被行业j使用的比重,具体计算公式为:

URa,j,T=Usea,j,T/Usea,T

(2)

其中,Usea,j,T代表第T年行业j使用资产a的规模;Usea,T代表第T年所有行业使用资产a的总量;URa,j,T表示第T年行业j使用资产a的比例。在实际操作中,只有当URa,j,T超过一定阈值UR*,才能认定资产a被行业j使用,其度量方式为:

(3)

联合式(1)～(3),可计算得到各类资产的可逆性指数REVa,T。

最后,计算行业层面的资产可逆性程度。一个行业的资产可逆性由该行业所使用的各类资产的可逆性指数所决定。因此,行业层面的资产可逆性指数可以通过对该行业所使用的各类资产的可逆性指数按资产使用比例进行加权求和得到,具体计算公式为:

(4)

REVj,T表示第T年行业j的资产可逆性指数;REVa,T表示资产a在T年的可逆性指数;m是资产种类数量;wa,j,T是行业j使用资产a的比重,用行业j配置资产a的数量占行业j所有资产消耗总量的比例来表示,具体计算公式为:

wa,j,T=Usea,j,T/Usej,T

(5)

其中,Usea,j,T是第T年行业j配置资产a的数量;Usej,T是第T年行业j使用所有资产的总量。wa,j,T越大,表明行业j在生产过程中越依赖于资产a的投入,其资产可逆性程度受资产a可逆性指数的影响越强。结合式(1)和式(5),可以得到行业层面的资产可逆性指数。

四、基于中国投入产出表的测算结果与分析

(一)数据来源及处理过程

本文使用国民经济投入产出表基本流量表来构建资产可逆性指数。中国国民经济投入产出表由国家统计局国民经济核算司编制,始于1987年,5年为1个周期。限于数据可得性,本文使用1987年、1992年、1997年、2002年、2007年、2012年的国民经济投入产出表来测算中国行业资产可逆性程度。在数据处理过程中,有以下情况需要特别说明:第一,本文将产出品所属行业视为行业j,投入品所属行业视为资产a,即资产种类数量就是行业数量。以1987年117部门投入产出表为例,由于行业数量为n=117,所以资产种类数量为m=117。

(二)测算结果与分析

在测算行业资产可逆性之前,需要事先确定阈值UR*,然后才能判断Ua,j,T并最终计算REVa,T和REVj,T。一方面,阈值UR*不能太小,否则使用量很小的行业也会被纳入到资产可逆性指数的计算过程,影响了该资产的二手市场交易规模。另一方面,阈值UR*也不能太大,否则在资产可逆性的计算过程中会把过多的行业排除掉,即没有把影响资产a二手交易的行业完全纳入进来。本文设定UR*为0.5%,当行业j使用资产a的量占各行业使用资产a总量的比重超过0.5%时,便认为其使用量足够大,会对资产a的二手交易市场产生影响,此时Ua,j,T=1。利用前文测算框架并结合参数设定,基于投入产出表相关数据容易得到历年各行业的资产可逆性指数,测算结果见表1和图1。

表1 基于投入产出表的历年行业资产可逆性指数

图1 历年行业资产可逆性指数的变化趋势

从时间维度来看,各行业的平均资产可逆性变动趋势可以划分为两个阶段:一是1987—2002年呈现先上升、后下降、再上升的波浪式变化;二是2002年后持续降低,从2002年的0.412降至2012年的0.331,下降幅度高达19.7%。进一步,考虑到行业数量随着经济发展不断增加而且行业统计口径在不同时间段不完全一致,本文聚焦于1987—2012年国民经济投入产出表统计口径未发生调整的42个行业,重新计算了资产可逆性指数均值。容易看出,同口径行业的平均资产可逆性变动趋势与总体行业高度一致,亦在2002年后出现大幅下降。之所以2002年是结构变化点,原因在于2001年中国正式加入WTO,在国外先进管理经验和技术的强烈冲击下,国内各行业面临的结构升级和技术革新压力不断增大,迫使各行业不断精分细化并加大对新产品的研发投入,最终导致产业发展进入一个全新时期。因此,在行业分化不断加剧和专用性投资持续增加的大背景下,行业资产可逆性指数呈现出稳定的下降态势。

为了更好地考察资产可逆性在各个行业的分布规律和特征,本文分别统计了历年资产可逆性指数排序最高和最低的5个行业,统计结果见表2。这里有两点需要特别注意:第一,此排序只统计完全匹配的非金融类行业。第二,有些行业的名称发生过微小的变动,如“自来水的生产和供应业”在1997年变为“水的生产和供应业”,“饮食业”也在1997年变为“餐饮业”,为便于比较分析,统一使用变动后的行业名称。不难发现,资产可逆性较高的行业主要为交通运输业、批发零售业及电力、热力、水的生产和供应业等,资产可逆性较低的行业主要为农业、畜牧业、餐饮业及农副食品加工业。这些结果充分表明,第一产业及其相关产业的资产可逆性较低,而与服务业紧密相关的行业资产可逆性较高,这些结果恰恰反映了中国二元城乡经济结构、服务业在国民经济中的占比不断攀升等客观发展现状。从行业所处的产业链位置来看,处于产业链首端的行业资产可逆性较低,处于产业链中间的行业资产可逆性相对较高。究其原因在于,产业链中间的行业资产通用性相对较高,可以同时被上游和下游企业购置,行业间的资产交易市场更大;而产业链首端的行业资产专用性更强,而且在产业细分下产值较小,行业间与行业内的资产吸纳能力都较差。

表2 行业资产可逆性的测算结果:正序前五与倒序前五

图2 同口径可比行业的资产可逆性变动归类

进一步,为考察各个行业资产可逆性指数的具体变化情况,本文计算了同口径可比的42个行业的资产可逆性指数变化率,结果见表3和图2。根据计算结果可以发现,大部分行业在1997年和2002年的资产可逆性指数有所上升,而在其余年份明显下降。经统计,同口径可比行业的资产可逆性指数变化率历年均值依次为13.24%、-9.40%、5.05%、-15.12%、-6.63%,这在一定程度上也反映了图1所描绘的资产可逆性指数变化趋势。特别地,与1987年相比,同口径可比的42个行业(1)除这42个行业之外,其余行业均出现过口径调整,主要是伴随着国民经济产业结构的变化,行业进行了合并或分拆。比如,1987年的“粮食作物种植业”“其他作物种植业”“其他农业”这三个行业,在1997年全部合并为“农业”;1987年的“有色金属冶炼及压延加工业”,在1997年被分拆成“有色金属冶炼业”和“有色金属压延加工业”两个行业。仅有6个行业的资产可逆性出现上升,占比仅为14.28%。同时,其他36个行业的资产可逆性都存在不同程度的下降,占比高达85.72%。其中,资产可逆性跌幅不超过10%的行业有6个(占比为19.05%),剩余30个行业的资产可逆性跌幅均超过10%(占比为66.67%)。

表3 同口径可比行业的资产可逆性变化率

此外,表4对资产可逆性跌幅最大的10个行业及涨幅最大的5个行业进行了统计。可以看出,资产可逆性下降幅度最大的主要是畜牧业、渔业、纺织行业等第一产业及其上下游相关产业,这一变动反映了第一产业及其上下游相关产业在中国国民经济中占比大幅下降的客观事实。不难理解,第一产业及其上下游相关产业在国民经济中的占比大幅下降,意味着无论是它们自身行业内的资产吸纳能力还是其他行业对其资产的吸纳能力均在不断变弱,从而导致资产的变现能力降低。然而,在资产可逆性上升的行业中,烟草制品业的涨幅最大,高达48.14%,明显异于其他第一产业链上各行业资产可逆性下跌的表现。究其原因可能在于,烟草制品业对造纸及印刷等外包装行业以及交通运输、批发零售等物流销售环节的依赖度增强,使得烟草制品业的资产结构发生改变,由此引致资产可逆性大幅提升。

表4 同口径行业的资产可逆性变动幅度:正序前五与倒序前十

(三)敏感性测试

为验证前文测算结果的稳健性,本文进行了如下敏感性测试。首先,UR*在前文测算部分被设定为0.5%,即当行业j使用资产a的量占各行业使用资产a总量的比重超过0.5%时,便认为其使用量足够大,会对资产a的二手交易市场产生影响。针对这一阈值参数,本文还设定UR*为1%,其他参数设定保持不变,重新测算行业资产可逆性指数。其次,权重Valuej,T在前文测算部分等于行业j第T年的产出占社会总产出的比重,用于刻画不同行业的差异化贡献。针对这一权重参数,令权重Valuej,T等于1,即假定不同行业拥有相同的重要性,再重新测算行业资产可逆性指数。表5汇总了重新测算的整体结果。可以看出,与前文测试结果(见表1)相比,虽然基于不同参数设定的行业资产可逆性指数均值在水平值上有略微变化,但其变化趋势与图1描绘的变化趋势完全一致。更为重要的是,各行业的资产可逆性指数在排序上并未发生显著变化(2)限于篇幅,其他类似于表2～4的统计分析未汇报。如有需要,可向作者索取。。这些结果充分表明,行业资产可逆性指数具有良好的稳健性。

表5 敏感性测试

五、行业资产可逆性指数的可靠性检验

前文使用历年国民经济投入产出表基本流量表计算得到了行业资产可逆性指数,但测算结果是否准确仍需进一步检验。针对这一问题,本文试图立足于契约理论、交易成本理论和实物期权理论三个视角,证实行业资产可逆性指数的可靠性。

(一)数据来源

基于新会计准则,本文搜集了2007—2017年中国非金融类(剔除银行、保险、证券和房地产)上市公司的季度数据,并按照证监会《上市公司行业分类指引(2012年修订)》的标准把企业归入相应行业,以所属行业的资产可逆性指数作为企业资产可逆性指数的衡量指标。但是,《上市公司行业分类指引(2012年修订)》(以下简称分类指引)的行业划分标准与投入产出表中的行业划分并不完全相同,存在如下三种特殊情况:一是分类指引中的行业由投入产出表中两个或多个行业合并而来,将投入产出表中多个行业的资产可逆性进行加权平均得到分类指引中行业的资产可逆性。二是分类指引中的两个或多个行业由投入产出表中一个行业拆分而来,令分类指引中两个或多个行业的资产可逆性等于投入产出表中行业的资产可逆性。三是分类指引中的“综合类”行业与投入产出表中行业无法匹配,由于综合类上市企业仅有24家,予以剔除。在可靠性检验部分,本文选取正好处于样本中间位置的2012年行业资产可逆性指数作为核心解释变量。在数据来源方面,除前文测算得到的行业资产可逆性数据之外,经济政策不确定性指数来源于Baker等的研究,其他财务数据来源于国泰安(CSMAR)数据库[23]。为避免奇异值对估计结果可能造成的干扰,本文对所有连续变量进行±1%水平的缩尾(winsorize)处理。

(二)检验框架

首先,依据资产可逆性的契约理论可知,在契约安排完备的情况下,提升资产专用程度(即降低资产可逆性)有助于改善企业经营绩效[16-17]。反之,如果契约安排不完备,其他缔约主体的“敲竹杠”行为将给企业投资效率带来巨大损失,从而不利于经营绩效提升[2]。基于此,本文试图通过回归资产可逆性指数与企业经营绩效的关系来验证该理论,从而证实行业资产可逆性指数的可靠性。具体的计量模型构建如下:

Roai,t=α0+α1Revi+α2Levi,t+α3Sizei,t+α4Agei,t+α5Cfoi,t+α6Growi,t+α7Tqi,t+δt+εi,t

(6)

其中,i和t分别代表企业和时间;Roa表示企业经营绩效,采用资产收益率来表示,度量方式为净利润占总资产的比重;Rev代表企业资产可逆性指数。控制变量包括:增长潜力Grow,采用营业收入增长率来表示;企业规模Size,采用总资产的自然对数值来表示;现金流Cfo,采用经营性现金流量净额占总资产的比重来表示;企业年龄Age,采用企业成立年限来表示;杠杆率Lev,采用负债总额占总资产的比重来表示;企业价值Tq,采用托宾Q值来表示,度量方式为股票总市值与债务账面价值之和占总资产账面价值的比重。此外,由于资产可逆性指数不随时间而变化,本文仅控制了时间固定效应。

其次,资产可逆性的交易成本理论认为,低可逆性意味着资产作为举债抵押品的功能较弱。换言之,资产可逆性低的企业进行债务融资将面临高昂的交易成本和融资成本,导致其资产负债率较低[15,24]。基于此,本文试图通过回归资产可逆性指数与企业杠杆率的关系来验证该理论,从而证实行业资产可逆性指数的可靠性。具体的计量模型构建如下:

Levi,t=β0+β1Revi+β2Growi,t+β3Sizei,t+β4Agei,t+β5Cfoi,t+β6Roai,t+β7Tqi,t+δt+εi,t

(7)

变量定义与式(6)一致,不再赘述。

然后,实物期权理论强调,资产可逆性是不确定性冲击影响企业投资的重要渠道[6-8,21]。一个企业的资产可逆性越高,推迟投资的“等待”期权价值越小,经济政策不确定性冲击对企业固定资产投资的负面影响越小,即资产可逆性能够弱化投资政策不确定性敏感度[22]。基于此,本文试图通过回归资产可逆性指数与投资政策不确定性敏感度的关系来验证该理论,从而证实行业资产可逆性指数的可靠性。具体的计量模型构建如下:

Invi,t=γ0+γ1Eput-1×Revi+γ2Tqi,t+γ3Sizei,t+γ4Agei,t+γ5Cfoi,t+γ6Levi,t+γ7Roai,t+μi+δt+εi,t

(8)

其中,Inv代表企业固定资产投资,采用购买固定资产、无形资产和其他长期资产支付的现金之和占总资产的比重来表示;Epu代表经济政策不确定性指数,基于Baker等提供的中国月度指数,对每个季度的3个月依次赋值1/6、2/6和3/6,进而加总得到季度指数[23](3)为衡量中国经济政策的不确定性,Baker等使用香港主流的英文报纸《南华早报》,统计报纸上和政策有关的经济不确定性的文章比例,进而构建中国经济政策不确定性的月度指数。。其他变量的定义与式(6)一致。

(三)计量结果

表6第(1)～(3)列表示全样本回归结果。观察第(1)列可知,资产可逆性在企业经营绩效方程的估计系数为0.022 2且通过1%水平的显著性检验,这一结果表明,企业资产可逆性越低,经营绩效越差,证实了不完备契约理论。观察第(2)列可知,资产可逆性在企业杠杆率方程的估计系数为0.208 8且通过1%水平的显著性检验,这一结果表明,资产可逆性与企业资产负债率之间存在显著的正相关关系,为交易成本理论提供了经验证据。观察第(3)列可知,经济政策不确定性指数与资产可逆性的交互项在企业固定资产投资方程的估计系数为0.002 1且通过5%水平的显著性检验,这一结果表明,资产可逆性显著弱化了经济政策不确定性对企业固定资产投资的抑制作用,与实物期权理论的推断相一致。由此可见,本文构建的资产可逆性指数能够较准确地反映企业交易资产所面临的处置成本,可靠性得到验证。

表6 行业资产可逆性指数的可靠性检验

特别地,尽管第(1)～(3)列结果证实了资产可逆性指数的可靠性,但更为重要的是资产可逆性对企业投融资决策的重要性。为说明这一问题,本文接下来重点考察资产可逆性对不同所有制企业的差异化影响。理论上讲,国有企业和民营企业在经营目标、治理结构等方面均存在明显差异。除了追求经济效益之外,国有企业还承担了诸多政策性负担,如维持社会就业、宏观经济政策传导,进而能够得到更多的政府补助、融资优惠等偏向性政策[25]。正是由于政府部门对国有企业的“隐性担保”,促使其面临着“预算软约束”,融资约束程度较小。与之形成鲜明对比的是,民营企业一直以来都面临着“融资难、融资贵”的困境,通常面临着较严重的融资约束。因此,与国有企业相比,民营企业在进行投融资决策时会更加注重资产可逆性。

表6第(4)～(7)列汇报了基于国有企业和民营企业的分样本回归结果。依据第(4)～(5)列可知,在企业固定资产投资方程,经济政策不确定性与资产可逆性交互项的估计系数在民营企业中显著为正,但在国有企业中并不显著。这些结果充分说明,资产可逆性对投资政策不确定性敏感度的缓解作用集中体现于民营企业。依据第(6)～(7)列可知,在企业杠杆率方程,资产可逆性的估计系数在不同所有制企业均为正值且通过1%水平的显著性检验,但作用强度在民营企业明显大于国有企业(0.237 9>0.143 4)。这些结果充分表明,资产可逆性的抵押担保效应在民营企业更强。综上可知,企业面临的融资约束程度越严重,资产可逆性对其投融资决策的影响越大,证实了资产可逆性的重要性。

六、研究结论

资产可逆性作为公司金融理论的核心概念之一,近年来学者们致力于寻找合适的测量指标并对其经济后果开展实证研究。为克服传统度量方法的不足,Kim和Kung提出了一种新方法来估算资产可逆性,其优点在于兼顾了资产在行业间和行业内的交易特征[12]。借鉴其测算思路,本文利用历年国民经济投入产出表基本流量表测算了中国的行业资产可逆性,并从时间和行业两大维度对测算结果进行了对比分析。随后,本文对行业资产可逆性指数的可靠性进行了验证,并讨论了资产可逆性对于企业投融资决策的重要作用。

基于投入产出表的测算结果显示,行业资产可逆性指数在1987—2002年表现为波动性趋势,但在2002年之后持续降低。究其原因在于,自2002年加入WTO后,国外先进管理经验和技术的冲击促使国内行业分化不断加剧、专用性投资快速增加。同时,服务性行业的资产可逆性较高,第一产业及其相关产业的资产可逆性较低,反映了中国二元城乡经济结构、服务业在国民经济中占比不断攀升的客观现实。计量结果显示,虽然资产可逆性与企业经营绩效和杠杆率显著正相关,但会显著弱化经济政策不确定性对企业固定资产投资的抑制作用,重现了与资产可逆性紧密相关的契约理论、交易成本理论和实物期权理论,证实了行业资产可逆性指数的可靠性。更为重要的是,较于低融资约束企业,资产可逆性在高融资约束企业的重要性更强。

充分结合资产市场在行业间和行业内的交易特征,本文为资产可逆性及其后续研究提供了一种适用于中国情景的测算框架。特别地,本文强调行业分化加剧和专用性投资增加会降低行业资产可逆性,从而影响企业投融资决策,尤其体现于融资约束严重的企业。结合理论分析和实证结果,本文提出如下政策建议:第一,伴随着经济发展,亟需结合互联网技术和平台建立高效的资产交易市场和机制,以降低资产处置成本并促进企业扩张;第二,不同行业面临的资产交易市场存在异质性,需要差异化对待促进行业发展,给予资产可逆性较低但十分重要的第一产业和高新技术行业更多政策扶持。