上市公司杠杆错估的市场反应

王贞洁 王惠

内容提要：突如其来的新冠疫情加大了市场不确定性，放大了微观企业杠杆释放的财务风险信号，导致投资者对传统杠杆较高的企业避之不及。然而，对“资本”和“资产”概念的混淆以及对“营业性负债”和“金融性负债”的混同引发了对企业实际杠杆水平的错估。本文在计算资本概念泛化产生的杠杆错估程度基础上，经实证检验发现，疫情冲击下杠杆错估严重的企业获得了更低的累积超额收益率，且所处行业受疫情冲击程度较大、企业成长性较高时，获得的累计超额收益率越低。进一步研究发现，杠杆错估降低了信贷资源的可获得性，这一影响在疫情发生后更显著。

关键词：公共危机;新冠疫情;杠杆错估;市场反应

中图分类号：F275;F832文献标识码：A文章编号：1001-148X（2022）03-0001-11

收稿日期：2021-09-06

作者简介：王贞洁（1982-），女，山东青岛人，中国海洋大学管理学院教授，博士生导师，财务学博士，研究方向：财务指标错估与资本市场;王惠（1996-），本文通讯作者，女，山东临沂人，中国海洋大学管理学院博士研究生，研究方向：财务指标错估与资本市场。

基金项目：国家自然科学基金项目，项目编号：72072166;教育部人文社科基金项目，项目编号：18YJC630191;山东省自然科学基金项目，项目编号：ZR2020MG032。

一、引言

新冠疫情爆发以来，尽管中国在疫情防控过程中展现出的速度与力量将这一“黑天鹅”事件带来的负面影响降到可控范围之内，然而作为传染速度最快、感染范围最广、防控难度最大的一次重大突发公共卫生事件，新冠疫情仍然对企业经营活动和资本市场产生了较大冲击——社会整体投资和消费量在短期内大幅下降，2020年中国第一季度的GDP同比下降68%①。央行发布的《中国金融稳定报告（2020）》指出，疫情造成企业违约风险明显上升，银行贷款的不良率增大，金融风险管理成为疫情防控的关键内容。而在影响金融市场稳定性的诸多因素中，企业杠杆率便是疫情冲击金融体系的一个重要渠道。

高杠杆被认为是金融危机的内在源头，债务的快速积累和不可持續在经过负面消息的发酵后可能导致资本市场的全面崩溃[1]。过高的企业杠杆率会降低资产回报率并增加债务风险，形成衰退式泡沫资产[2]。但需要注意的是，目前有关企业杠杆率及其经济后果的研究，均建立在杠杆率测度准确的假设前提下。最新研究显示，由于“资产”和“资本”概念的混淆，微观企业杠杆率指标存在严重的错估问题[3-4]——传统杠杆研究误将提高资金流动性的营业性负债（例如应付账款、预收账款等）在偿债性质上等同于会提高企业流动性风险的金融性负债，并将两者一同纳入到杠杆率计算过程中，导致企业实际杠杆率被系统错估，无法反映企业真实的风险水平。在企业投资层面，杠杆错估导致投资效率下降，研发动力不足[5]。在企业融资层面，杠杆错估干扰了银行等金融机构的信贷决策，成为金融机构对实体企业惜贷倾向加剧的原因之一[6]。那么，在资本市场层面，杠杆错估是否会影响投资者对于企业风险的判断，进而影响企业的市场表现，这成为关乎市场有效性和稳定性的重要问题。正常状态下，投资者对企业杠杆率隐含风险信息的关注往往无法单独凸显，因此难以预估杠杆错估如何影响资本市场对企业股价的判断，但新冠疫情的爆发为检验杠杆错估的这一潜在后果提供了契机。疫情加剧了企业面临的融资难和期限短问题[7]，企业大量停工停产，投资者普遍关注企业的资金状况（包括企业内部的现金流和外部信贷资源的可获得性等）。此时，杠杆错估引发的信息扭曲对资本市场的误导就充分表现出来。已有研究关注到了新冠疫情冲击下企业内部现金流对市场反应的影响[8]，但尚未有研究从外部信贷资源获取的角度关注企业杠杆错估对市场反应的影响。而疫情之后，实体企业亟须通过新一轮的信用扩张来提振有效需求和稳定经济增长，此时修正传统杠杆指标的缺陷进而精准识别企业的真实风险水平，对于推动实体经济复苏至关重要。

基于此，本文以2020年1月份爆发的新冠疫情为切入点，结合事件研究法探讨杠杆错估对市场股价波动的影响，分析资本概念泛化产生的杠杆错估如何干扰市场反应。研究发现，杠杆错估程度与事件窗口期内的累积超额收益率显著负相关，且在受疫情冲击大的行业以及高成长性的企业中，两者之间的负相关性更强。进一步研究发现杠杆错估抑制了企业获取信贷资源的能力，且这一抑制作用在新冠疫情爆发之后更为明显，这也正是杠杆错估严重企业遭遇更强烈市场负面反应的重要原因之一。

本研究与以往研究的区别在于：首先，从理论上揭示了传统杠杆指标在衡量微观企业真实财务风险方面存在的缺陷，客观分析营业性负债与金融性负债的差异，总结由此导致的杠杆错估问题，并为重大公共危机下资本市场对杠杆错估的反应提供较直接的经验证据，同时对杠杆错估的文献进行完善和补充。其次，丰富了微观视角下重大突发公共卫生危机对资本市场影响的研究，为维护资本市场稳定性和提高政策针对性提供启示。最后，从优化微观杠杆指标视角降低企业与资本市场之间的信息不对称，通过校正财务信息的扭曲，为政府和金融机构如何帮助企业渡过危机提供政策建议。这将有利于增强金融服务实体经济的能力，提高信贷资源的配置效率。

二、杠杆错估问题基本分析

微观企业杠杆率是以资本结构为基础对单个经济主体财务风险进行衡量的重要指标。传统杠杆率以资产负债率（总负债/总资产）进行衡量，显然，分母总资产不仅包含资本市场上的投资者投入的资金，同时也包含了通过营业性负债获得的资金，分子总负债不仅包含了基于投资关系形成的金融性债权，也包含了与供应商、客户、员工、政府等其他利益相关者基于交易关系形成的非金融性债权。实际上，这混淆了“资产”和“资本”的概念，既不利于暴露出企业的真实财务风险，也不利于反映实体企业的真实资本需求。具体而言，营业性负债主要产生于企业的日常生产经营及销售等活动，在资产负债表中则体现在应付债款、应付票据、预收账款、应付职工薪酬及应交税费等科目中。企业对于营业性负债的利用在本质上是借助与其他利益相关者之间的关系提高资金的流动性，并不会导致“道德风险”和“逆向选择”问题，反而在一定程度上缓解企业资金压力，提高对银行等债权人的偿付能力。

从统计上来看（如图1所示），营业性负债在我国上市公司总负债中比重较高，这意味着若将营业性负债列入杠杆的计算范畴之内，会从整体上错估微观企业的杠杆率。2015年之前，上市公司营业负债在总负债中的占比均在56%左右，保持相对平稳状态。2015年12月，中央明确提出“去杠杆”政策，伴随着金融市场的信贷收缩和产品市场信用机制的完善，营业性负债在2015-2017年间持续增长，在2017年达到峰值59%。在“去杠杆”背景下企业营业性负债不降反升的现实，也可以看出营业性负债与金融性负债明显的差异。企业通过应付账款、预收账款等营业性负债获取替代性融资资源，不仅可以缓解资金需求的压力，还能降低违约风险和破产概率[9]。2018年之后，结构性稳杠杆逐步成为共识，企业降杠杆的压力阶段性下降，2018年和2019年企业的营业性负债占比在58%左右，仍然占总负债的一半以上，表明对营业性负债的利用已然成为企业资金管理的重要内容。可以预期，在新冠疫情爆发期间，企业会借助与供应商、客户、员工和政府之间不同的信用机制（应付账款、预收账款、应付职工薪酬和应交税费等）增强资金链韧性。从这个角度来看，营业性負债绝不应被视作企业财务压力，应该从总资产和总负债中剔除营业性负债导致的信息噪音，以基于“资本”计算的资本负债率（金融性负债/总资本）衡量企业修正杠杆②，才能精确界定出企业真实的偿债风险。而传统杠杆与修正杠杆之间的差异实际上属于传统研究对于杠杆指标的错误估计，即杠杆错估。从图2可以看出，上市公司的传统杠杆维持在60%-61%之间，而修正杠杆在44%-46%之间，这造成了超过30%的杠杆错估。以2017年为例，修正杠杆在2017年仅为44%，是几年的最低水平，但由于上市公司普遍在2017年使用了更多的营业性负债和更少的金融性负债，所以从传统杠杆上来看却与其他年份并无明显变化。由此可见，传统杠杆无法将有效信息传递给金融机构和市场投资者。特别是在实体经济持续低迷，金融服务实体效率低下的情况下，传统杠杆率会扭曲投资者对于财务风险的认知，从而产生不合理的市场反应。探讨杠杆错估在新冠疫情背景下对市场反应的影响，将为破解这一困境提供经验证据。

三、理论分析与研究假设

信息不对称理论强调了信息对于资本市场的重要性，投资者能否对股价形成合理预期在很大程度上依赖于信息完全程度和信息质量水平[10]。毋庸置疑，财务指标是对股价进行综合评价最直接的信息来源。Myers（1984）[11]指出财务指标里蕴含的对企业未来收益和风险的预期是影响股价波动的两大重要因素，有效的财务指标能够降低投资者对于股票价值错估的风险，提高股价估计的合理性。作为衡量财务风险的重要财务指标，企业杠杆率连接了微观层面的企业违约风险和宏观层面的系统风险，是资产负债表信息的一项核心内容，在理论界和实务界均受到格外关注。动态权衡理论指出企业存在最优的杠杆率[12]，但由于存在金融摩擦、代理成本和信息不对称等问题，企业实际杠杆率会与最优值产生偏离[13-14]。在中国，这种偏离主要表现为非金融企业部门杠杆率长期高于政府和居民部门。为此，学者们从经济周期、金融结构市场化程度、货币政策、经济政策不确定性、官员晋升和产权性质等宏微观视角深入探讨了企业高杠杆率的原因，但从财务指标有效性这一源头审视的研究却并不多，仅有的几篇研究包括：从杠杆率指标构建合理性的角度，刘晓光和刘元春（2018）[15]探讨了债务率（债务/GDP）在衡量宏观杠杆率及债务风险上的不足，指出该指标忽略了与偿债能力相关的资产情况，应以债务资产比进行风险预测;从企业杠杆率测度真实性的角度，许晓芳和陆正飞（2020）[16]指出在去杠杆的政策阶段，企业极有可能通过一系列的会计手段进行杠杆操纵，例如表外负债、明股实债等，以此粉饰杠杆以达到迎合政策和监管要求的目的，从而误导外部信息使用者的决策。而这些研究也并未关注企业对其所拥有的不同来源、不同性质负债的主动管理能力，没有意识到资本概念泛化引发的杠杆错估问题。本文认为，正是由于理论界与实务界普遍没有关注到传统杠杆指标的设计缺陷，与之相随的财务信息扭曲问题很有可能对投资者产生误导。因此，在新冠疫情的背景下检验资本市场对杠杆错估的反应，对于补充和丰富杠杆错估微观经济后果的研究十分必要。

（一）新冠疫情冲击下杠杆错估的市场反应

Roubini和Mihm（2010）[17]在《危机经济学》中指出，“黑天鹅”事件最终导致经济危机的一个关键点在于每当感知到市场即将可能发生崩溃，金融系统的压力增大，若不加以干预，银行等金融机构会迅速收紧业务甚至停止放贷，造成实体经济既遭受利润损失又面临信贷危机的恶性循环。新冠疫情这一突发事件使得企业的生产规模和销售数量在短期内大幅度削减，企业利润严重下降，甚至面临破产危机。此时，整个资本市场会预期银行为降低自身的风险敞口将收紧信贷市场流动性。这种情况下，只有那些表现出“低杠杆”的企业才能受到银行等债权人的青睐，被认为有能力预防可能发生的风险或抓住潜在的机遇。DeAngelo等（2011）[18]指出那些能化解危机并长久盈利的企业往往依靠在日常维持更保守的杠杆使用习惯，以便在危机中预留获取信贷资源的空间。而杠杆错估干扰了投资者对企业现有杠杆水平的评价，提高了企业以往负债对未来借贷造成的机会成本，导致投资者对企业信贷资源获取能力评价的失真，特别是在疫情发生之后，传统杠杆较高的企业被认为面临巨大的还本付息压力和较强的偿付性风险，会遭受银行债权人更为苛刻的债务契约条款，甚至停止贷款的威胁。此时，投资者极有可能会通过“用脚投票”的方式给予这些企业以负面反应[19]。但实际上存在杠杆错估问题的企业与所谓“高杠杆”企业存在本质性差异，在危机期间基于交易关系形成的应付账款、应付票据等营业性负债能在一定程度上发挥替代性融资作用[20]，可以在疫情冲击下有效地降低企业的破产风险。也就是说，由于现有指标体系下投资者无法对于企业的真实杠杆水平进行判断，会在资本市场上给予杠杆错估严重高的企业以负面反应，导致疫情期间杠杆率的风险传递效应比以往更加显现，杠杆错估的影响也在资本市场上被放大。基于以上分析，本文提出如下假设：

假设1：在新冠疫情冲击下，杠杆错估严重的企业获得了更低的累积超额收益率。

（二）杠杆错估与新冠疫情冲击的行业异质性

由于生产要素、产品类型及经营方式等方面的不同，不同行业受到新冠疫情的冲击程度不同，投资者对不同行业的财务风险判断也存在显著差异，最终呈现出不同的市场反应[21]。对以往传染性公共卫生事件的相关研究发现，SARS对批发零售和第三产业中的交通运输、房地产等行业产生了直接冲击[22]。传染性更强的新冠肺炎使得居民收入增速下滑，生产及消费场景受限，导致批发零售业、交通运输业以及房地产建筑行业受到更为严重的冲击。疫情期间，2020年前两个月社会消费品零售总额累计值为521万亿元，同比下降2050%③。从某种程度上说，这些行业绩效的波动进一步验证了投资者对于其“高财务风险”的判断。这种情况下，传统“高杠杆”所传递的风险信号更强烈地刺激投资者的神经，使其对这类行业在特殊时期内的发展前景更为悲观。基于此，本文提出如下假设：

假设2：在新冠疫情冲击下，杠杆错估严重且受疫情影响大的行业获得了更低的累积超額收益率。

（三）杠杆错估与新冠疫情冲击下的企业成长异质性

高成长性的企业受到外部事件的冲击往往越大，这是由于当企业在整体上表现为扩张的态势，生产规模和市场势力的增加会对企业的盈利能力、资金流动性和融资能力有更高的要求，其内部经营净现金流也会更为紧张。崔学刚等（2007）[23]发现企业发生财务困境的概率与实际增长率显著正相关。新冠疫情冲击下，信贷资源的稀缺性和金融服务水平的限制让高成长性企业本身在信贷规模和信贷期限上均处于劣势，更容易发生财务资源匮乏和资金管理紧张问题[24]。在高成长性企业中，信贷资源获取能力的重要性便更加凸显。从某种程度上说，信贷资源获取能力是保证高成长性企业在疫情经营期间的资金链流通，避免陷入财务危机的关键。传统杠杆对企业真实杠杆的高估，让高成长性企业表现出更高的财务风险和更低的信贷资源获取能力，使其潜在的困境雪上加霜。基于此，本文提出如下假说：

假设3：在新冠疫情的冲击下，杠杆错估严重且高成长性的企业获得了更低的累积超额收益率。

四、研究设计

（一）样本选择与数据来源

本文以沪深两市A股上市公司为初始研究样本，并按照以下程序进行了筛选处理：（1）剔除相关变量缺失或异常的观测值;（2）剔除处于金融保险行业的观测值;（3）剔除当年被ST的观测值;（4）剔除窗口期不足5个交易日，估计期不足30个交易日的观测值。最终，本文得到2824个观测值，所需要的数据主要来自国泰安（CSMAR）数据库。此外，为了减轻离群值对研究结果可靠性的影响，本文对所有连续变量在1%和99%分位上进行了Winsorize处理。

（二）模型设置与变量定义

结合研究目的，本文选择在2020年春节前后于武汉爆发的新冠疫情作为外部冲击，采用事件研究法，通过观察上市公司在新冠疫情爆发后股价的变化，探讨投资者对与杠杆错估造成的财务风险信息扭曲的态度。具体而言：（1）事件窗口的选择。以钟南山院士宣布新冠病毒肯定存在人传人现象的时间，即2020年1月20日作为事件日，并选取[-5，+5]时窗作为研究期间。该时间是中国首次由权威性渠道向社会公众确认新冠病毒传播性的日期。习近平总书记在这一天对疫情防控做出重要指示，武汉市成立疫情防控指挥部，引发社会各界的广泛重视并开始采取更为严格的防控措施，可以说是新冠疫情成为重大突发公共卫生事件的标志性日期。（2）估计窗口的选择。现有研究以日报酬率建立模型时的估计期通常选择100天至300天左右。本文选取事件日之前的[-210，-10]一共200个交易日作为估计窗口。基于此，采用市场模型法计算事件日附近股票价格的变化，超额收益率（AR）和累积超额收益率（CAR）的计算过程为：

其中，Ri，t为公司i在第t个交易日考虑现金红利再投资的个股收益率，RM，t表示第t个交易日采用流通市值加权平均法计算得到的市场收益率。首先，根据模型（1）估算出每个公司的无风险收益率0，以及个股收益率与市场收益率之间的关联系数1。然后，根据模型（2）计算出公司i在第t个交易日的超额收益率（AR）。最后，根据选择的事件窗口，计算公司i在事件日[-5，5]共10个交易日的累积超额收益率（CARi），度量其股价的变化。

为检验杠杆错估对疫情期间市场反应的影响，进一步建立如下多元线性回归模型。其中，DL代表杠杆错估程度。在控制变量的选取中，借鉴以往文献的研究[25]，选取公司规摸（Size）、总资产收益率（ROA）、产权性质（Soe）、市值账面比（MTB）、赫芬达尔指数（Herfindahl10）及风险系数（Beta）等作为控制变量。此外，还控制了行业虚拟变量（Industry）和地区虚拟变量（Region）。为了对假设2和假设3进行检验，设置代表上市公司所处行业受新冠疫情影响程度的虚拟变量Serious，以及代表公司成长性的虚拟变量Hgrowth，所涉及变量的具体定义见表1。

CARi=α0+α1DLi+α2Sizei+α3ROAi+α4Agei+α5SOEi+α6MTBi+α7Betai+∑Region+∑Industry+ε1（3）

在实证检验过程中，若模型（3）中DL的系数α1显著为负，则意味着新冠疫情期间杠杆错估严重的企业获得更低的累积超额收益率，面临更强烈的市场负面反应，假设1成立。为检验假设2，根据上市公司所在行业受到新冠疫情的冲击程度，将样本分为“受疫情影响大”和“受疫情影响小”两组。根据前文分析，若模型（3）中DL的系数α1在“受疫情影响大”组更为显著，则意味着假设2成立。为检验假设3，根据上市公司成长性将样本划分为“高成长性”和“低成长性”两组，若模型（3）中DL的系数α1在“高成长性”组更为显著，则意味着假设3成立。

五、实证结果与分析

（一）描述性统计

表2列示了本文主要连续变量的描述性统计结果。结果显示，CAR的均值和中位数分别为-00334和-00513，这表明新冠疫情的爆发的确在一定程度上引起了投资者恐慌情绪，资本市场出现了明显的负向反应。上市公司杠杆错估的均值为13588，中位数为04540，最大值为167915，这意味着由于资本概念泛化所导致的杠杆错估问题在上市公司中普遍存在，大部分上市公司的杠杆错估程度接近其修正杠杆的一半，极大地扭曲了上市公司的真实财务风险信息，干扰了市场上的信息传递。其他控制变量的描述性统计符合正态分布，与以往的相关研究基本一致。

（二）主要回归结果分析

表3列示了对前文假设进行回归检验的结果。列（1）显示，上市公司杠杆错估程度与疫情期间的累积超额收益率在1%的统计水平上显著负相关。检验结果支持了假设1，即杠杆错估导致投资者高估了企业的真实财务风险，低估了企业的信贷资源获取能力，面对新冠疫情的冲击，杠杆错估严重的企业获得了相对更低的累计超额收益率。在列（2）和列（3），根据受疫情冲击程度设置行业虚拟变量（Serious），对样本进行分组回归。可见，当上市公司所处行业受到疫情冲击较大时，杠杆错估的系数在1%水平上显著为负，当上市公司所处行业受疫情冲击较小时，杠杆错估的系数不显著。这一结果支持了假设2，即当杠杆错估程度较高且企业处在“受疫情影响大”行业时，在新冠疫情冲击下获得了投资者强烈的负面反应。在列（4）和列（5），考虑到不同成长性企业受到疫情冲击时的信贷资源获取能力存在差异，以高成长性虚拟变量（Hgrowth）作为分组变量进行回归检验。可以看出，在高成长性组，杠杆错估的系数在1%的水平上显著为负，而在低成长性组，杠杆错估的系数则不显著。这一结果支持了假设3，即由于信贷资源获取能力更差，对于那些杠杆错估严重且成长性高的企业，资本市场的负面反应更为强烈。

（三）稳健性检验

为了增强研究结论的可靠性，本文还进行了如下几项稳健性检验：

1事件日的改变。采用疫情爆发后武汉宣布“封城”的日期，即2020年1月23日作为事件日重新计算累积超额收益率，并重新进行回归检验。表4的结果表明，无论是全样本还是分组回归，检验结果均与前文保持一致。

2事件窗口期的改变。重新选取[-3，+3]和[-7，+7]作为事件窗口期，计算CAR[-3，+3]和CAR[-7，+7]反映疫情期间上市公司股票价格的波动，并重新进行回归检验。表5和表6分别列示了以CAR[-3，+3]和CAR[-7，+7]为因变量的回归结果。可以看出，检验结果依然支持了前文的假设。

3更换估计方式。为了消除可能存在的异方差的影响，采用加权最小二乘法重新进行回归检验。表7的回归结果表明，前文的假设依然得到验证，在此不再赘述。

4变换模型设计方式。在主回归中本文采用分组回归的方式对受疫情冲击严重程度的行业异质性和企业成长异质性进行检验，为了降低不同组样本量差异可能导致的影响，在此设置交乘项对假设2和假设3进行重新检验。表8的检验结果显示，杠杆错估（DL）与受疫情影响程度行业虚拟变量（Serious）和企业成长性虚拟变量（Hgrowth）的交乘项均在1%的统计水平上显著为负，再次验证了假设2和假设3。

六、进一步分析

前文通过理论分析和实证检验表明，“资本”与“资产”概念混淆、营业性负债和金融性负债不加以区分等设計缺陷，使得传统指标无法反映企业的真实杠杆水平，干扰了市场上的财务信息的传递。在新冠疫情的冲击下，杠杆错估严重影响了投资者对企业的财务风险判断，加剧了资本市场的负面反应。本文试图沿着前文的逻辑，从企业信贷资源获取的角度阐述其内在机制，这将有助于进一步夯实主要研究结论，同时为下一阶段经济复苏过程中有针对性的信贷扶持提供一定启示。

企业价值是市场估值的基础，我国资本市场对股权再融资的监管较为严格，企业能否获得足够的银行信贷支持，在某种程度上决定了其把握未来投资机会和实现价值增长的可能，这意味着企业能获得的银行信贷规模是影响其市场表现的关键性因素之一。而银行的信贷决策永远遵循“趋利避险”的原则，在外部经济环境恶化的情况下，银行会首先削减那些“高杠杆”企业的信贷支持，从而避免潜在的违约风险和风险传染的可能。对于营业性负债和金融性负债的不加区分，使得在疫情发生之后，那些杠杆错估严重公司也成为了银行重点监管和治理的对象。也就是说，传统杠杆并没有向银行等金融机构传递企业真实的信贷能力信息，反而极有可能在疫情期间严重误导了银行的判断，导致疫情发生后，杠杆错估严重的企业更难获得信贷支持，而这也是这些企业股价下跌的重要原因之一。本文利用2012-2020年前两个季度的财务数据⑤，设计模型（4），探讨新冠疫情发生后，杠杆错估对企业获取信贷资源的影响。

Creditt=α0+α1DLt+α2DLt×Breakt+α3Breakt+Controls+∑YearQ+∑Industry+ε2（4）

其中，Credit代表企业获得的信贷规模，借鉴已有研究，以企业获得的长期借款与短期借款之和除以总资金进行衡量，Break代表新冠疫情爆发的虚拟变量，在2020年之后取值为1，之前则取值为0。选取企业规模（Size）、资产负债率（Roa）、企业成长性（Growth）、产权性质（Soe）及独立董事比例（Outdirt）作为控制变量，并控制了年份-季度和行业虚拟变量。实证检验结果如表9所示，列（1）显示，杠杆错估的系数在1%的水平上显著为负，意味着杠杆错误严重的企业获得了更少的信贷支持。列（2）中加入了杠杆错估与新冠疫情爆发虚拟变量的交乘项，可以看出杠杆错估（DL）与新冠疫情爆发（Break）的系数均在1%的水平上显著为负，且交乘项（DL×Break）的系数在10%的水平上显著为负。这说明在新冠疫情爆发后，那些杠杆错估严重的企业愈发难以获得信贷资源，严重阻碍了信贷资源的有效配置。进一步将样本按照新冠疫情爆发时间划分为疫情发生前和疫情发生后两组，列（3）和列（4）的回归结果表明疫情发生前后，杠杆错估均对企业信贷资源的获取产生显著的负面影响，这与列（1）的发现一致。而在疫情发生后，杠杆错估系数的绝对值相比于疫情发生前更大，且通过了组间系数差异检验，这与列（2）的检验结果一致，再次证明疫情发生后杠杆错估严重的企业获得了更少的信贷支持。

七、研究结论与启示

由于将“资产”等同于“资本”，将营业性负债混同于金融性负债，传统杠杆指标难以紧密对接资本市场的信息需求，基于对这一缺陷进行校正后形成的修正杠杆指标，本文衡量了上市公司存在的杠杆错估问题，并结合事件研究法，以新冠疫情爆发为契机研究投资者对于不同杠杆错估程度上市公司的市场反应差异。研究发现：（1）在新冠疫情冲击下，杠杆错估严重的企业获得了更低的累积超额收益率。表明在新冠疫情引发市场恐慌的过程中，杠杆错估干扰了投资者对上市公司可获得信贷资源的判断，加剧了资本市场的负面反应。（2）基于行业异质性和企业异质性的分析发现，新冠疫情对行业冲击越大，企业成长性越高时，杠杆错估引发资本市场的负面反应更为强烈。（3）进一步研究发现，杠杆错估抑制了企业信贷资源的获取，尤其在新冠疫情爆发后，这种抑制作用更为明显。这是由于扭曲的杠杆信息影响了银行等金融机构的信贷决策，使其收紧对所谓“高杠杆”企业的信贷支持，而信贷规模的下降正是投资者给予杠杆错估严重的企业负面市场反应重要原因之一。基于以上的研究结论，本文从优化微观企业杠杆指标构建的视角对新冠疫情爆发后如何稳定资本市场、推动经济复苏提出如下建议。

第一，应进一步准确界定微观企业杠杆率测度的口径，区分“资产”与“资本”在企业经济活动中的差异，并科学划分金融性负债与营业性负债。基于经济进入新常态后的数据发现，随着营业性负债占比的逐年增加，传统指标缺陷所导致的杠杆错估问题愈加凸显，在2017年达到38%，若长期得不到修正，将降低金融服务实体经济的效率。受新冠疫情的影响，我国经济环境内忧外患，要做到在严格防控金融风险的基础上保障实体经济稳定，既需要市场有效发挥资本配置的主导作用，也需要政府拿捏好政策方向和力度，而这两者均应建立在杠杆指标能够真实反映企业风险水平的基础上。优化微观企业杠杆指标，不仅有利于更精准的评估企业的债务违约风险以及信贷资源获取能力，也有利于更好地发挥市场对资本配置的决定性作用，引导企业优化商业模式，积极利用与供应商、客户、员工等利益相关者的关系提高资金管理能力，借助营业性负债灵活性更高、融资成本更低的优势缓解流动性压力，为缓解企业融资约束补充新的市场途径。

第二，企业应该强化资金管理水平，通过多渠道的信息传递降低自身与市场的信息不对称。在疫情导致生产受限、库存积压、销路受阻的情况下，保证资金链的稳定是企业渡过危机的关键。尤其是对于那些因为营业性负债的存在虚增杠杆的企业，在既有资源基础上，应积极利用与不同利益相关者之间的关系开拓融资和信息传递渠道，降低外部投资者可能对其存在的高财务风险误解。此外，企业管理者还应密切关注疫情期间政府采取的针对性优惠政策，例如国务院发布的《支持疫情防控和经济社会发展税费优惠政策指引》等，降低企业各项社保费用，帮助企业降低用工成本。这也提醒企业在此后的生产经营活动中应关注当前负债对未来负债的机会成本，维持稳定的信贷资源获取能力，强化自身应对突发事件和抵抗风险的能力。

第三，针对受疫情冲击严重的行业和处在高成长阶段的企业，应进一步采取必要措施给予支持。本文研究发现，那些所处行业本身受疫情冲击比较严重，例如批发零售业、交通运输业、服务业、建筑业等，以及具有高成长性的企业，其杠杆率会受到额外關注，杠杆错估对财务风险的夸大进一步恶化了融资环境，对这类企业无疑是雪上加霜。因此这类企业应额外关注自身资金流动性，防止陷入财务困境。政府也应该在“稳杠杆”的基础上采取积极的货币政策和财政政策帮助企业降低违约风险，严格控制住不发生系统性金融风险的底线。通过针对性的财政补贴和税收优惠，发挥政府在危机时期的重要引导作用，一方面降低股市不稳定情绪，为企业长期发展营造更有利的外部环境，另一方面助力受疫情影响严重行业和高成长性企业渡过难关，为后续经济平稳增长打下坚实的基础。

第四，金融机构应该基于实体企业的修正杠杆和真实风险水平进行信贷决策，尤其在特殊时期更应提高决策辅助信息的科学性以优化信贷资金配置，切实提高服务实体经济的能力。本文研究发现传统杠杆指标对实体企业风险水平的高估会使得银行等金融机构减少对杠杆错估严重企业的信贷支持，而潜在信贷规模的下降是导致这些企业在市场遭受冷遇的一个重要原因，这严重影响了信贷资金配置的效率。实体企业经营的困难让银行等金融机构本身的信用风险也处在上升期，面临的净息差收窄压力增大。在这种情况下，若不能有效降低银企之间的信息不对称，很容易形成企业资金匮乏和银行不良贷款增加的恶性循环。应进一步强化预期引导，提高对企业真实财务风险的监测预警，在疫情防控的特殊时期可以适度调整不良贷款容忍度，并加强对受疫情影响严重行业和高成长性企业的支持，通过阶段性地让金融机构向实体经济让利，实现经济的长期稳定发展。

注释：

①数据来源于国家统计局。

②杠杆错估=传统杠杆与修正杠杆之差/修正杠杆。

③数据来源于国家统计局。

④陈林和曲晓辉（2020）研究发现新冠疫情下，批发和零售业、交通运输等行业的股票回报显著为负，而医药制造业、信息传输、软件和信息技术服务业以及专业设备制造业的股票回报显著为正，这与本文对行业受疫情影响程度的分类基本一致。

⑤之所以选择这样的样本区间，是因为以2012年为起点，中国经济增速开始放缓并逐步进入新常态，此后经济发展趋势基本稳定。新冠疫情发生后，随着疫情防控常态化开展，2020年经济增长在第三季度由负转正，故截止到受新冠疫情影响最为严重的2020年前两个季度的数据。

参考文献：

[1]Schularick，M.，A.M.Taylor.CreditBoomsGoneBust：MonetaryPolicy，LeverageCycles，andFinancialCrises，1870-2008[J].AmericanEconomicReview，2012，102（2）：1029-1062.

[2]刘晓光，刘元春.杠杆率、短债长用与企业表现[J].经济研究，2019，54（7）：127-141.

[3]王竹泉，谭云霞，宋晓缤.“降杠杆”“稳杠杆”和“加杠杆”的区域定位——传统杠杆率指标修正和基于“双重”杠杆率测度体系确立结构性杠杆率阈值[J].管理世界，2019，35（12）：86-103.

[4]王竹泉，宋晓缤，王苑琢.我国实体经济短期金融风险的评价与研判——存量与流量兼顾的短期财务风险综合评估与预警[J].管理世界，2020，36（10）：156-170，216-222.

[5]Habib，A.，Hasan，M.M.ManagerialAbility，InvestmentEfficiencyandStockPriceCrashRisk[J].ResearchinInternationalBusiness&Finance，2017，42（12）：262-274.

[6]王贞洁，王竹泉，苏昕卉.我国上市公司杠杆错估误导了银行信贷决策吗[J].南开管理评论，2019，22（4）：56-68.

[7]蒋涛.疫情对企业融资的影响研究——来自银团贷款市场的经验证据[J].国际金融研究，2020（4）：65-75.

[8]肖土盛，孙瑞琦，袁淳.新冠肺炎疫情冲击下企业现金持有的预防价值研究[J].经济管理，2020，42（4）：175-191.

[9]Mcguinness，G.，Hogan，T.，Powell，R.EuropeanTradeCreditUseAndSmeSurvival[J].JournalofCorporateFinance，2018，49（4）：81-103.

[10]徐寿福，徐龙炳.信息披露质量与资本市场估值偏误[J].会计研究，2015（1）：40-47，96.

[11]Myers，S.C.TheCapitalStructurePuzzle[J].TheJournalofFinance，1984，39（3）：575-592.

[12]Fischer，E.O.，Heinkel，R.，J.Zechner.DynamicRecapitalizationPoliciesandtheRoleofCallPremiaandIssueDiscounts[J].JournalofFinancialandQuantitativeAnalysis，1989（24）：427-446.

[13]张兆国，何威风，闫炳乾.资本结构与代理成本——来自中国国有控股上市公司和民营上市公司的经验证据[J].南开管理评论，2008（1）：39-47.

[14]陈辉，顾乃康，朱雪嫣.信息不对称、异质性交易与企业资本结构的决定[J].山西财经大学学报，2012，34（2）：95-105.

[15]刘晓光，刘元春.杠杆率重估与债务风险再探讨[J].金融研究，2018（8）：33-50.

[16]许晓芳，陆正飞.我国企业杠杆操纵的动机、手段及潜在影响[J].会计研究，2020（1）：92-99.

[17]Roubini，N.，Mihm，S.CrisisEconomics：aCrashCourseintheFutureofFinance[M].London，PenguinUK，2010.

[18]Deangelo，H.，Deangelo，L.，Whited，T.M.CapitalStructureDynamicsandTransitoryDebt[J].JournalofFinancialEconomics，2011，99（2）：235-261.

[19]Mitton，T.A.Cross-FirmAnalysisoftheImpactofCorporateGovernanceontheEastAsianFinancialCrisis[J].JournalofFinancialEconomics，2002，64（2）：215-241.

[20]Emilia，G.A.，Garriga，J.，M.FirmsasLiquidityProviders：Evidencefromthe2007-2008FinancialCrisis[J].JournalofFinancialEconomics，2013，109（1）：272-291.

[21]陈林，曲晓辉.传染性公共卫生事件的市场反应研究——基于新冠肺炎疫情对中国股市的影响[J].金融论坛，2020，25（7）：25-33，65.

[22]史月英.SARS对经济的影响综述[J].中国国情国力，2003（8）：24-26.

[23]崔学刚，王立彦，许红.企业增长与财务危机关系研究——基于电信与计算机行业上市公司的实证证据[J].会计研究，2007（12）：55-62，97.

[24]Houston，J.，James，C.BankInformationMonopoliesandtheMixofPrivateandPublicDebtClaims[J].TheJournalofFinance，1996，51（5）：1863-1890.

[25]李常青，魏志華，吴世农.半强制分红政策的市场反应研究[J].经济研究，2010，45（3）：144-155.

MarketReactiontoLeverageMisestimateofListedCompanies：Empirical

AnalysisBasedonEventStudyMethod

WANGZhen-jie1，2，WANGHui1，2

（1.ManagementCollegeofOceanUniversityofChina，Qingdao266100，China;

2.ChinaBusinessWorkingCapitalManagementResearchCenter，Qingdao266100，China）

Abstract：ThesuddenoutbreakofCOVID-19increasedmarketuncertainty，magnifiedthefinancialrisksignalsreleasedbymicrocorporateleverage，andledinvestorstoavoidcompanieswithhightraditionalleverage.However，theconfusionbetweentheconceptsof“capital”and“assets”aswellastheconfusionbetween“operationalliabilities”and“financialliabilities”hasledtothemisestimationoftheactualleveragelevelofcorporates.Basedonthecalculationofleveragemisestimatecausedbythegeneralizationofcapitalconcept，theempiricaltestofthispaperfindsthatundertheimpactofCOVID-19，thecorporateswithsevereleveragemisestimateobtainedlowercumulativeabnormalreturn.Moreover，thegreatertheimpactoftheepidemiconthecorporate′sindustryandthehigherthegrowthofthecorporate，thelowerthecumulativeabnormalreturn.Furtherresearchshowsthatleveragemisestimatereducestheabilityofcorporatestoobtaincreditresources，andthiseffectisparticularlysignificantaftertheoutbreakoftheepidemic.Thisstudyenrichestheresearchesontheimpactofmajorpublichealthcrisesonthemarketeconomyfromthemicroperspective.

Keywords：publiccrisis;COVID-19epidemic;leveragemisestimate;marketreaction

（責任编辑：李江）