客户集中度对商业信用与银行信贷结构转换的影响

章铁生（教授/博士）张承吉 李瑶瑶（安徽工业大学商学院 安徽马鞍山 243032）

一、引言

商业信用与银行信贷是我国企业主要的外源融资方式。商业信用是企业之间与商品交易直接相关的信用，可视为企业获得的一笔短期融资；银行信贷则是以银行为中介，并要求利息回报的货币借贷，银行可以通过对企业经营状况与财务信息的调查，判断是否为企业提供借款。从两者的互动关系看，理论界存在着三种不同的观点。第一种观点是替代关系，鉴于我国银行业垄断严重，银行信贷存在着配给现象，导致企业难以获得银行借款，转向利用商业信用（陆正飞、杨德明，2011）。第二种观点是互补关系，该观点认为企业获取供应商提供的商业信用向银行传递了一种利好信息，这对企业获得银行信贷具有积极作用（Biais和Gollier，1997；刘仁伍、盛文军，2011）。第三种观点认为商业信用与银行信贷之间替代关系和互补关系是共生共存的，他们存在着一种结构转换（Burkart和Ellingsen，2004）。在此基础上，一些学者开始着重研究促使两者结构关系发生动态转换的影响因素（条件），不少研究从宏观层面探讨商业信用与银行信贷的互动关系（饶品贵、姜国华，2013），就金融危机、经济新常态等影响因素进行了研究并得出了相应的结论（Love等，2007；邹美凤、史河京，2021）；也有研究从微观企业层面进行探索，发现企业规模、生命周期及产能情况等因素对商业信用与银行信贷结构转换的影响（赵宇翔，2008；袁卫秋等，2017；吴娜等，2017；于博和Gary，2018）。

从单次结构转换的角度出发，对不同影响因素下商业信用与银行信贷的结构转换情况进行讨论，赵宇翔（2008）研究发现当企业规模不同时，商业信用与银行信贷之间的常态性替代关系会转化为互补关系，袁卫秋等（2017）从企业生命周期角度对商业信用与银行信贷结构关系所呈现的变化进行了研究，发现成长期和成熟期表现为替代关系，而衰退期表现为互补关系。除此之外，部分学者从多重结构突变视角进行讨论也得到了更为综合性的结果，如吴娜等（2017）发现商业信用与银行信贷之间替代到强互补再到弱互补的二次突变特征，将原有线性互补理论拓展为非线性互补；于博和Gary（2018）也发现随企业产能增加，商业信用与银行信贷呈现出由替代到互补的结构转换，且互补强度存在二次突变的结构特征。整体来讲，已有研究中对于商业信用与银行信贷之间结构转换的讨论逐渐丰富，得到的结论也更为综合，但从供应链关系的角度研究该问题的文献还较为鲜见。关系网络理论认为，供应链关系的嵌入一定程度上能够改变企业主体的经济行为和动机，使企业更加注重供应链企业间的合作（张曼仪，2016），这种合作应当体现一种“亲密有间”的关系，过度紧密的关系会给企业经营管理带来隐患（张文汇，2005；吴宝等，2011）。已有文献从公司业绩、营运资金、审计师选择与审计费用、银行借款等方面，从供应链关系视角考察了客户集中给公司带来的正面作用或负面影响（唐跃军，2009；张先敏、王竹泉，2014；张敏等，2012；王雄元等，2014；江伟等，2017），还有研究发现供应商集中度会影响商业信用与银行信贷之间的结构转换（章铁生、彭丽，2019）。那么，客户集中度是否以及如何成为商业信用与银行信贷结构转换的条件呢？本文对此进行了探索，讨论商业信用与银行信贷作为企业的两种主要债务融资方式，二者的互动关系是否以及如何随着客户集中度水平的变化发生结构转换。

本文可能的贡献在于：研究了客户集中度对商业信用和银行信贷的影响，丰富了客户关系影响企业商业信用和银行信贷的相关文献；从客户集中度这一新的因素研究商业信用和银行信贷的结构转换条件，拓展了商业信用和银行信贷互动关系的研究。

二、理论分析与研究假设

客户集中对企业而言既存在合作效应，也具有风险效应。一方面供应链上的企业之间具有合作效应，长期交易形成的工作流程有利于信息的传递和共同问题的解决，这使得上下游企业之间信息充分共享，增加了上游供应商对企业的了解，减少了供应链上的信息不对称，有利于企业进行更加精确的存货管理（Balakrishnan等，1996），同时也为银行提供了收集信息的途径（叶飞、李怡娜，2006）。另一方面也存在风险效应，企业和客户是相互依赖的，当依赖不对称时，就会产生迥异的相对权力，依赖程度相对较小的一方则可能利用权力对另一方施加影响（Touboulic等，2014）。企业经营高度依赖大客户会增加企业自身债务融资成本（李娜、吴静桦，2020），同时也会降低企业的监督水平，使企业不能客观地了解客户绩效的衰退和检测客户的欺骗行为。

就企业获得商业信用而言，在长期交易之后企业与客户逐步建立基于信任与互惠的合作关系（Dyer和Chu，2003），当客户集中度水平较低时，客户集中度的提高有利于降低供应链的不确定性，此时合作效应占据主导地位，客户集中带来的收益大于风险，增加供应商对企业的信任并为其提供商业信用（刘凤委等，2009）。当客户集中度不断提高时风险效应也在不断增强，一旦任何一家企业作为其链条上的一个环节发生支付困难，都可能造成资金链断裂，引发巨大的破坏性结果（Fewings，1992）。由于经营风险逐渐增大，客户集中使得合作效应与风险效应之间呈现出此消彼长的态势，当两种效应达到均衡时企业获取的商业信用水平最高，而后随着客户集中度提高，风险效应占据主导地位，当客户集中度进一步提高时，风险效应主导地位进一步增强，企业可能遇到的一系列风险包括客户机会主义引发的信任危机，资产专用性投资引发的套牢风险，供应商为维护自身利益会减少给企业的商业信用，企业获取的商业信用逐渐减少。由此可见，随着客户集中度的逐渐提高，企业获取的商业信用呈现出先增加后减少的倒U型。

从企业的银行信贷来看，当客户集中度水平较低时，供应链中的企业之间由于合作效应的存在有助于银行增强对企业经营状况的了解和信息的收集，能够有效地对企业信贷风险进行监督和控制，银行放贷的逆向选择问题和发放贷款后的道德风险问题也会得到大大减轻（饶艳超、胡奕明，2005），此时合作效应占据主导地位，随着客户集中度的提高企业获得的银行信贷逐步增加。但是当客户集中水平逐渐提高时供应链企业之间的风险效应也逐渐增强，在风险不断累积达到一定程度后，风险效应占据主导地位，银行基于自身规避风险的考虑，会逐渐减少对企业的放贷（李欢等，2018），企业获取的银行信贷达到峰值后会逐渐下降。因此，随着客户集中度的提高，企业获取的银行信贷也会呈现出先增加后减少的倒U型。

由于客户集中所带来的合作效应与风险效应会随着客户集中度的提高此消彼长，企业获取的商业信用和银行信贷随着客户集中度的提高均呈现出先增加后减少的倒U型，但供应商与银行对因客户集中带来的合作效应与风险效应之间力量对比的感知存在差异，银行相对供应商对企业风险反应更敏感，银行信贷随着客户集中度的提高呈现的倒U型拐点更早到来。第一，银行相对供应商对风险的耐受度更低。从银行和供应商各自的客户特征角度来讲，双方的客户数量、客户性质以及客户重要性存在较大差异，银行由于客观条件、技术手段和成本效益原则等方面的限制，与供应商相比，在客户偿债风险变动时较难进行及时跟踪以评估风险水平，对于风险防控往往采用更为谨慎的手段。第二，供应商在区分违约风险可能性上拥有信息优势（Wilner，2000；Yano和 Shiraishi，2012），银行由于信息不对称程度更高，为规避风险会更早做出反应。从双方互动关系角度来讲，供应商可以及时、高效、低成本地获取企业的相关信息，而银行通过公开的报表数据获取信息存在一定的时滞，供应商具有一定的信息优势；从双方交易频率角度来讲，供应商由于更便于获得企业经营信息可以对企业进行监督从而降低道德风险，银行由于没有这种信息优势的存在会因为潜在的信息不对称风险更大而更加谨慎地发放贷款；从双方业务相关程度来讲，供应商作为供应链中的一员，对供应链中企业生产活动规律以及潜在的风险比较熟悉，对于行业的认知和理解程度远优于作为金融机构的银行，这也让供应商相比于银行拥有一定的信息优势。第三，市场地位差异的影响。银行与供应商由于市场地位的差异在议价能力和自主权等方面有较大差别，商业信用伴随供应链交易自然发生，银行在银行信贷中处于卖方市场地位，面对随着客户集中度提高而来的风险效应累积，相对更有能力更早主动减少信贷。

综上所述，由于合作效应与风险效应的相对变化，随着客户集中度的提高，企业获取的商业信用和银行信贷均呈现出倒U型关系，但银行与供应商在风险耐受度、信息获取以及市场地位等方面存在差异，随着客户集中度的提高，企业获取银行信贷的倒U型拐点更早到来，商业信用与银行信贷的互动关系出现动态转换，具体如图1所示。银行信贷的拐点命名为拐点1，商业信用的拐点命名为拐点2，当客户集中度＜拐点1时，商业信用与银行信贷均随着客户集中度的增加而增加，两者之间呈现互补关系；当拐点1≤客户集中度＜拐点2时，商业信用与银行信贷随着客户集中度的增加而分别增加和减少，两者之间呈现替代关系；当客户集中度≥拐点2时，商业信用与银行信贷均随着客户集中度的增加而减少，两者之间再度呈现互补关系。

图1 客户集中度对商业信用与银行信贷结构转换的影响

基于以上分析，本文提出假设：

在其他条件相同的情况下，随着客户集中度的提高，商业信用与银行信贷结构呈现由互补到替代再到互补的动态转换。

三、研究设计

（一）样本收集与数据处理

本文选取2007—2020年A股上市公司作为研究样本，筛选数据方法如下：（1）剔除金融、保险业企业；（2）剔除ST和*ST公司样本；（3）剔除相关变量数据缺失的上市公司样本。经过以上的处理，最终获得23 835组公司年度数据。本文数据均来自国泰安（CSMAR）数据库，研究中进行数据处理、描述性统计和回归分析所使用的软件为STATA 16.0。为了避免极端值对回归过程的影响，本文对主要连续型变量进行了上下1%的Winsorize缩尾处理。

（二）模型设计与变量定义

根据理论分析，本文通过加入客户集中度的平方项（Customerq）建立模型（1）—（2）以考察银行信贷、商业信用与客户集中度的非线性关系，并且将商业信用与银行信贷作为控制变量加入模型中以控制因果关系对模型结果的影响。

参考相关学者相关文献的变量选择，本文在模型中加入以下控制变量：公司规模（Lnsize）、资本密集度（Cap⁃ital）、存货水平（Inva）、资产负债率（Lev）、现金流（Cf）、财务杠杆（Cfl）、总资产报酬率（Roa）、托宾Q值（Tobinq）、股权集中度（Top1）、独立董事比例（Ibr）、上市年限（Age）、两职合一（Dual）、审计意见（Ap）、产权性质（State）、货币政策（Mp）等，同时还控制了行业与年份。具体变量名称和定义见上页表1。

表1 模型变量定义表

四、实证结果与分析

（一）描述性统计

变量的描述性统计结果如表2所示。表2中，商业信用（Tcr）的均值为0.132，最小值为0.004，最大值为0.464，说明各样本公司商业信用的差异较大；银行信贷（Loan）的均值为0.177，最小值为0.000，最大值为0.583，表明样本公司在获得银行信贷方面存在着较大的差异；客户集中度（Cus⁃tomer 5）的均值为0.303，最小值为0.012，最大值为0.984，说明样本公司的客户集中水平差异也较大。数据间较大的跨度使本文的研究更有价值。

表2 主要变量的描述性统计

（二）相关性分析

各主要变量相关性检验结果如表3所示。表3中，商业信用（Tcr）与客户集中度（Customer 5）的相关系数在10%的水平上显著负相关，银行信贷（Loan）与客户集中度的相关系数在5%的水平上显著正相关。各控制变量间相关系数基本不超过0.5，同时对变量进行方差膨胀因子检验，平均VIF值小于3，说明各控制变量之间不存在严重的多重共线性。

表3 主要变量的相关系数矩阵

（三）实证结果与分析

为了验证客户集中度与商业信用和银行信贷的倒U型关系，同时为避免样本异方差对回归结果显著性产生的影响，本文采用普通最小二乘法（OLS）与White稳健标准误（Consistent Standarderror）的方法对模型（1）和模型（2）进行多元回归检验，结果分别如下页表4第（1）、（2）列所示。表4第（1）列显示，客户集中度（Customer 5）的回归系数在1%的置信水平上显著为正，客户集中度的平方项的回归系数为-0.0426，且在1%的置信水平上显著，这表明商业信用（Tcr）与客户集中度之间呈倒U型关系。表4第（2）列显示，客户集中度的回归系数为0.1167，在1%的置信水平上显著，客户集中度的平方项的回归系数为-0.0985，在1%的置信水平上显著为负，这表明银行信贷（Loan）与客户集中度之间呈倒U型关系。为了克服样本可能存在的自相关、异方差等问题，本文同时采用可行性广义最小二乘法（FGLS）检验了模型（1）、模型（2），结果如表4中第（3）列、第（4）列所示。表4第（3）列显示，客户集中度的回归系数为0.0516，在1%的置信水平上显著为正，客户集中度的平方项的回归系数为-0.0310，且在1%的置信水平上显著，表明商业信用与客户集中度之间呈倒U型关系。表4第（4）列显示，客户集中度的回归系数为0.1017，在1%的置信水平上显著，客户集中度的平方项的回归系数为-0.0830，在1%的置信水平上显著为负，表明银行信贷与客户集中度之间呈倒U型关系。通过采用两种不同方法对模型（1）、模型（2）的检验，基本结果一致也表明客户集中度与商业信用和银行信贷的倒U型关系是稳健的，另外借助utest命令对整体存在的倒U型关系进行检验以增加可信度。

根据下页表4第（1）、（2）列客户集中度与商业信用和银行信贷倒U型关系的结果，可以计算出拐点处的客户集中度数值分别为0.7151和0.5925。当客户集中度不超过0.7151时，商业信用与客户集中度呈正相关，当客户集中度超过0.7151后，商业信用与客户集中度呈负相关。当客户集中度不超过0.5925时，银行信贷与客户集中度呈正相关，当客户集中度超过0.5925后，银行信贷与客户集中度呈负相关。因此，当客户集中度<0.5925时，商业信用与银行信贷均随着客户集中度的提高而增加，呈现互补关系；当0.5925≤客户集中度<0.7151时，商业信用与银行信贷分别随着客户集中度的提高而继续增加和减少，呈现替代关系；当客户集中度≥0.7151时，商业信用与银行信贷均随着客户集中度的提高而减少，呈现互补关系。因此，随着客户集中度的提高，商业信用与银行信贷的结构关系呈现由互补到替代再到互补的动态转换，本文的假设得到验证。

表4 多元回归分析结果

五、稳健性检验

（一）替换被解释变量稳健性检验

本文采用（应付票据+应付账款）/负债合计替代主检验中的商业信用，采用（短期借款+长期借款）/负债合计替代主检验中的银行信贷，运用普通最小二乘法和可行性广义最小二乘法进行检验，回归结果如表5所示，其回归系数的方向和显著性与主检验基本结果一致，商业信用和银行信贷的拐点分别为0.9139和0.6150，与主检验大小顺序一致，表明主检验的结果是稳健的。

表5 替换被解释变量回归结果

（二）取滞后一期变量稳健性检验

为了识别客户集中度对商业信用与银行信贷关系影响的因果关系，即上一年的客户集中度可能对商业信用与银行信贷结构关系产生影响，本文参考陆正飞等（2011）的做法，将客户集中度滞后一期，运用普通最小二乘法和可行性广义最小二乘法进行回归检验，其结果如表6所示，其回归系数的方向和显著性以及拐点顺序与主检验基本结果一致。

表6 取滞后一期变量回归结果

（三）采用工具变量法进行稳健性检验

考虑到模型中存在商业信用与银行信贷的位置互换，为解决互为因果可能引发的内生性问题引入工具变量进行检验。我们将企业市场地位MP（企业当年销售收入占同行业当年销售总收入的比重）作为商业信用（Tcr）的工具变量，由于供应商提供商业信用时主要考虑

企业的实际经营与长远发展（Huang等，2011；Petersen和Rajan，1997），而市场地位较高的企业在同行业中的相对市场份额较大，相较于其他企业存在一定的规模优势和竞争优势，拥有较好的实际经营状况与长远发展预期，故可用做工具变量。同时参考张新民（2012）的做法将短期偿债能力CR（流动资产/流动负债）作为银行信贷（Loan）的工具变量，通过两阶段最小二乘法（2SLS）以及广义矩估计（GMM）回归，得到的结果如表7所示，总体情况与主检验基本结果一致。

表7 工具变量法回归结果

（四）去除异常年份观察值的稳健性检验

2008年，美国次贷危机引发的金融海啸席卷全球，很多企业都因融资困难遭遇寒冬，剔除2008年的数据，重复主检验各模型的回归，结果如表8所示。回归系数的方向和显著性以及拐点顺序与主检验基本结果一致。

表8 去除异常年份的稳健性检验

六、进一步研究

从商业信用看，国有企业与非国有企业的产权差异会导致双方在供应链交易中的相对地位不同，进而影响双方商业信用的获得（鲍群、赵秀云，2016）。国有企业在商业信用融资方面具有受到议价能力影响更小等诸多方面的优势（戴俊、屈迟文，2018），这会让国有企业因客户集中带来的合作效应更加明显，同时国有企业可以通过借助政府的宏观政策有效分散客户集中所带来的风险效应（卢闯等，2013），这使得国有企业获取商业信用随着客户集中度的提高更多地表现为合作效应处于主导地位。而非国有企业在商业信用融资的所有制歧视中处于劣势，在客户集中度提高的过程中合作效应与风险效应的力量对比相对于国有企业呈现出更明显此消彼长的特征，随着客户集中度的提高两种效应力量对比主导地位的改变，商业信用获取在非国有企业中呈现出更明显的倒U型关系。从银行

信贷看，我国商业银行以国有银行为主，对非国有企业存在信贷歧视（Gordon和Li，2003），国有企业在获得银行信贷上拥有产权优势（江伟、李斌，2006），商业银行对非国有企业因客户集中带来的风险效应可能更加敏感。因此，随着客户集中度的提高，国有企业获取商业信用时可能表现出更强的合作效应，拐点相对更晚到来，非国有企业获取银行信贷时风险效应的主导作用应该会更早体现，拐点相对更早到来。基于此，本文将全样本分为国有企业和非国有企业，对模型（1）、（2）进行检验，结果如表9所示。

表9 基于产权性质分组的检验

根据表9中的结果计算可得，在非国有企业中，商业信用与客户集中度倒U型关系对应的拐点为0.5405，银行信贷与客户集中度倒U型关系对应的拐点为0.4902。而在国有企业中，商业信用与客户集中度的倒U型关系拐点为1.1420，银行信贷与客户集中度的倒U型关系拐点为0.7054，两拐点均大于非国有企业的拐点数值，这与上面的理论分析一致。在非国有企业中，当客户集中度<0.4902时，商业信用与银行信贷均随着客户集中度的提高而增加，呈现互补关系；当0.4902≤客户集中度<0.5405时，商业信用与银行信贷分别随着客户集中度的提高而继续增加和减少，呈现替代关系；当客户集中度≥0.5405时，商业信用与银行信贷均随着客户集中度的提高而减少，呈现互补关系。因此，在非国有企业中，随着客户集中度的提高，商业信用与银行信贷结构关系也是呈现从互补到替代再到互补的转换。由于现实中客户集中度是一个不大于1的值，因此在国有企业中，商业信用与客户集中度之间的关系呈现为倒U型拐点左侧的上升部分，商业信用与银行信贷结构关系只呈现由互补到替代的转换。

七、研究结论与启示

本文选取2007—2020年A股上市公司数据，立足客户集中的合作效应和风险效应，探讨在不同客户集中度下商业信用与银行信贷的结构转换，得到以下结论：（1）随着客户集中度的提高，客户集中度与商业信用和银行信贷均呈现倒U型关系，商业信用与银行信贷的互动关系呈现由互补到替代再到互补的动态转换。具体而言，当客户集中度<0.5925时，商业信用与银行信贷呈互补关系；当0.5925≤客户集中度<0.7151时，商业信用与银行信贷呈替代关系；当客户集中度≥0.7151时，商业信用与银行信贷再度呈现互补关系。（2）进一步区分产权性质后发现，客户集中度对商业信用与银行信贷结构转换的这种影响仅存在于非国有企业中，在国有企业中则呈现为由互补到替代的转换，不同产权性质企业之间存在的差异主要是企业获取商业信用和银行信贷时面临所有制歧视导致的。

本文的启示有：（1）企业需要积极加强对于不同客户集中度下合作效应与风险效应动态博弈过程的把握，维持适度的客户关系，寻找合适的客户集中度水平，巩固客户集中度的正面作用，将负面影响降到最低，进而实现企业价值最大化。（2）在供应链管理日益重要的今天，企业应深入了解商业信用与银行信贷之间的差异，根据客户集中度水平对融资活动的方式和比例进行及时调整，合理利用供应链融资所带来的融资优势，选择恰当的融资决策以满足企业资金缺口。（3）企业应加强与客户间信息沟通往来，建立良好的信息交流机制，加强供应链沟通与协调，增强对于供应链风险的认知敏感程度，提高整体治理能力，加强信用的政策控制和管理水平，维持交易关系长远发展的同时防止自身资产流失，实现供应链企业之间短期与长期利益的最大化。（4）国有企业也要注重对客户关系的管理，避免一味占用供应链信用，充分发挥信贷资金“二次分配”的枢纽作用，给予上下游企业更多的商业信用支持以促进整体供应链的协同发展。