非金融企业影子银行化的同群效应：基于共同分析师的视角

杜 勇 刘婷婷

西南大学 经济管理学院，重庆 400715

一、引言

实体经济“脱实向虚”的问题一直是理论界和实务界关注的焦点。近年来，伴随着中国金融发展水平不断提高和实体投资回报率明显下降，实体企业削减主营业务转而将大量的实业资本投入金融部门，由此造成实体经济风险不断聚集的现象，这不仅脱离了金融服务于实体经济的初衷，而且阻碍了实体企业的高质量发展。习近平总书记在中共十九大报告中明确指出，“深化金融体制改革，要增强金融服务实体经济的能力，健全金融监管体系，守住不发生系统性风险的底线”。因此，全面深刻地认识实体企业金融化的驱动因素和潜在原因，对于降低企业“脱实向虚”所带来的负面影响、防范系统性金融风险具有重要意义。

从现实情况来看，在银行信贷歧视和金融错配的背景下，实体企业金融化不但体现在购买股票、债权和投资性房地产等传统金融投资方式上，而且很多企业开始利用超募资金或多元化融资渠道，通过委托贷款、委托理财和民间借贷等更为隐蔽的方式开展影子银行化业务，成为继正规金融体系后又一影子银行市场参与主体(刘珺等，2014[1]；韩珣和李建军，2020[2])。根据本文的统计，2007—2020年沪深两市非金融类上市公司平均影子银行化规模(包括直接参与影子银行化业务和间接参与影子银行化业务(1)根据韩珣和李建军(2020)对非金融企业影子银行化业务的定义，非金融企业通过委托贷款、委托理财和民间借贷等方式，充当实体中介的最终风险承担方，则视为直接影子银行化活动；通过购买银行、证券、信托公司等发行的影子信贷产品，则视为间接影子银行化活动。)由1.76亿元上升到16.5亿元。具体来看，如图1所示，在2007—2010年期间非金融企业影子银行化平均规模仅维持在2亿元左右，然而从2011年之后中国非金融上市公司的影子银行化行为呈现爆发式增长，影子银行化平均规模由2011年2.66亿元最高增长至2018年的20.4亿元；与此同时，2011—2017年期间影子银行化规模占总资产的比重也呈现剧烈增长态势，由2.3%增长至15.6%。针对影子银行的问题，2018年4月27日，中国人民银行联合中国银行保险监督管理委员会、中国证券监督管理委员会以及国家外汇管理局发布了《关于规范金融机构资产管理业务的指导意见》，要求提高影子银行活动的参与门槛，降低影子银行业务的预期收益，从而削弱了企业参与影子银行活动的动机和能力(彭俞超和何山，2020[3])。因此，2018—2020年影子银行化平均规模及其占总资产的比重才有所回落，但仍然处于较高的水平。由此可见，影子银行业务已经成为非金融企业间接参与金融活动的重要渠道，也是资本“脱实向虚”的潜在原因之一。

从理论背景来看，传统的企业财务理论认为企业财务决策是独立的，与其他的企业决策无关。然而，这种前提假设往往与资本市场的实际情况相悖。越来越多的学者认为由于信息不对称和管理层有限理性，企业金融化行为不但与自身特征和宏观环境相关，而且还会受到其他企业金融化行为的影响(王营和曹廷求，2020[4]；李秋梅和梁权熙，2020[5])，这便是典型的同群效应。在个体有限理性的条件下，非金融企业间在金融投资中的交互作用可能成为继非金融企业间接参与金融化(即影子银行业务)后另一解释资本“脱实向虚”的重要原因。虽然从本质上来说，影子银行化活动还是属于企业金融化的范畴，但是由于影子银行业务具有信息不对称程度高、法律主体不明确等特点，使得影子银行活动相较于传统的金融投资而言风险更高(司登奎等，2021[6])。与此同时，如果非金融企业的影子银行化行为的确存在同群效应，那么同群效应产生的“螺旋式”放大效果还可能会进一步强化金融风险的传染效应。在此背景下，研究非金融企业影子银行化的同群效应并寻找有效抑制影子银行化负面后果的措施，对于防范系统性金融风险、维护中国资本市场健康稳定发展具有重要的理论意义和现实启示。

现有研究已经证实了非金融企业金融化的确会在企业之间产生传染效应，但多从同行业、同地区和共同董事的企业识别同群群体(王营和曹廷求，2020)。由于同行业或同地区的企业构成的同群缺乏实际的联结点，这种方法虽然简便易行、可操作性强，但是相对粗糙且作用有限。一方面，不能保证同行业或同地区企业之间存在有效的社会互动，可能会高估同群影响的范围和水平(陈庆江等，2021[7])；另一方面，即便证实企业在影子银行化行为上存在同行业或同地区的同群效应，也只能说明同行业或同地区企业的影子银行化行为是影响非金融企业影子银行化的外在作用因素之一，不能有效地通过对影子银行化同群效应的挖掘寻找到抑制影子银行化负面影响的路径，故而需要以企业社会关系网络所联结的同群效应强化对企业“脱实向虚”的“人治”理念。已有文献以共同董事网络探讨了企业金融化同群效应，得到了应该审慎对待通过董事网络模仿联结企业金融化行为的结论(王营和曹廷求，2020)，虽然已有文献从董事网络这一非正式制度角度弥补了现有金融化理论研究“社会化不足”的问题，但也从侧面反映出董事治理企业金融化行为有限性。事实上，共同董事更多的是非金融企业的内部管理层，可能难以通过网络联结来降低影子银行化活动给非金融企业带来的负面作用。一是他们对外部市场的把握和金融投资的专业性可能并不强，虽然从本质上来说影子银行化活动还是属于企业金融化的范畴，但是由于影子银行业务具有信息不对称程度高、法律主体不明确、产品过度嵌套等特点，使得影子银行活动相较于传统的金融投资而言风险更高；二是共同董事往往不太可能任职于同一行业内相互竞争的公司，使得董事联结能够发挥的信息作用有限，而企业的影子银行化活动更具隐蔽性，所以有必要识别其他更具一般意义的信息传递渠道(马慧，2019[8])。此外，董事与联结企业之间属于“利益共同体”，在非金融企业主要是出于“利润追逐”而非“预防性储蓄”动机开展影子银行化活动的背景下(李建军和韩珣，2019[9])，迫切需要寻找相较内部治理而言，更加独立和可靠的外部治理手段。

证券分析师作为资本市场的重要角色和企业外部社会关系网络之一，能够同时发挥信息中介传递和外部治理监督的作用(Chen et al.，2015[10])。但在以往的研究中，对于分析师的信息传递作用主要是体现在分析师对单个企业的影响，即“分析师→企业”的影响路径，忽视了“同群企业→共同分析师→焦点企业”所构建起的社会关系网络对企业投资决策的交互影响。Kaustia and Rantala(2013)[11]首次指出除了行业可以反映关联公司的共同特征之外，共同分析师也可以反映联结企业之间的客户细分、商业模型等垂直连接的特征。共同分析师通过在跟踪公司之间搭建桥梁，让有价值的信息在跟踪公司之间共享，从而能够对跟踪公司之间的财务决策产生积极的重要影响(Dang et al.，2015[12])。具体到本文所研究的非金融企业影子银行化行为，一方面，企业的影子银行化活动信息是高度保密的，外界通过公开披露的信息提前获知的可能性较小。共同分析师通过实地调研、与管理层交流的方式，能够成为企业之间传递影子银行的信息渠道。相比于企业的内部董事、高管和校友等内部社会网络关系，共同分析师所具备的外部独立性，在信息传递的过程中不易受到来自企业内部的影响，能够使其更加全面客观地评价企业的真实情况(Chen et al.，2010[13])；相比于共同审计师、连锁董事等外部社会网络关系，共同分析师在资本市场上的专业性和敏感性有利于收集和传递数量更多、质量更高的影子银行化活动的相关信息。另一方面，由于影子银行中的集合投资多为风险较高的结构化和资产证券化等金融创新工具，其背后的隐性债务和担保网络可能会放大金融风险的传播(司登奎等，2021)，这对于那些可能不具备专业金融投资能力的非金融企业管理层而言，如果影子银行业务一旦失败，在分析师业绩压力的作用下，为了防止共同分析师发布“不好”的盈余预测报告，企业往往会向共同分析师所联结的企业进行学习和模仿，进而降低企业自身的异质性风险。

本文可能的边际贡献主要体现在三个方面。第一，本文基于中国实体企业脱实向虚的现实情境，以同群效应为研究视角，解释了为何实体企业金融化程度日益加深。在现有研究企业影子银行化的文献中，主要是从企业影子银行活动的识别、参与模式、业务机制和经济后果等方面展开(刘珺等，2014)，较少文献考虑到企业受到来自关联企业的影响从而形成影子银行化的同群效应，更没有考虑到这种同群效应的存在可能会强化和加剧企业财务风险和产业空洞化的趋势。本文以同群效应为视角考察非金融企业影子银行化活动，有助于深入理解企业开展影子银行化的动机，从而进一步地揭示了中国实体经济“脱实向虚”的背后成因。第二，与已有研究企业金融化同群效应的文献不同(王营和曹廷求，2020)，本文基于影子银行化行为的隐蔽性和监管难的特点，考虑到证券分析师兼具私有信息挖掘和外部治理的功能，以共同分析师网络作为连接企业之间的桥梁来探讨影子银行化同群效应更具有针对性。第三，现有文献大多直接研究并得到实体企业影子银行化会给企业带来风险的结论(周彬和谢佳松，2018[14])，本文的研究结果表明，共同分析师网络产生的企业影子银行化同群效应能够降低影子银行化给其带来的经营风险，有助于全面认识分析师角色和企业之间的良性互动，对挖掘共同分析师缓解实体企业“脱实向虚”的功能具有一定的现实指导意义。

二、理论分析与研究假设

非金融企业开展影子银行化活动是一种较为“中立”的金融投资。一方面，企业能够通过影子银行化活动增强闲置资金的使用效率、给企业带来超额的短期收益；另一方面，影子银行的高不确定性则可能给企业带来潜在的威胁。但在中国资本市场上，上市公司对于金融投资存在“重奖轻罚”的现象，即管理层如果通过金融投资为企业取得收益，则能够提高其薪酬，但是如果因为金融投资出现亏损，则管理层可以将这些损失归咎于外部因素，这在一定程度上提高了管理层通过模仿其他企业影子银行化行为来获取利益和降低自身损害的动机。其次，虽然从本质上来说影子银行化活动还是属于企业金融化的范畴，但是由于影子银行业务具有法律主体不明确、产品过度嵌套等特点，使得影子银行活动相较于传统的金融投资而言风险更高。非金融企业的管理层大部分都不具备金融投资的专业能力，由于影子银行化行为的强金融属性，管理层为了避免由于自我判断导致投资失误的后果，往往更愿意模仿和学习其他企业的金融投资行为来降低可能面临的高不确定性(Lieberman and Asaba，2006[15])。再次，非金融企业的影子银行化活动所获得的收益能够在短期内观测得到，但是潜在的、后续的不利影响却在短时内难以预测。如2009—2016年期间东方通信发放委托贷款由5笔增长至134笔，虽然在2009—2011年，东方通信发放委托贷款使企业的资产收益率快速增长，由4.16%增长为7.38%，但在2013—2016年企业委托贷款的劣势日益凸显，在2016年资产收益率下降至3.08%；企业现金持有量和商业信用也体现出从缓慢增长到快速下降的态势。由此可见，从企业逐利的角度出发，焦点企业更倾向于跟随同群企业而产生正向的影子银行化同群效应(2)本文所提到的“焦点企业”是主要研究的样本企业，“同群企业”指的是与焦点企业具有共同分析师的其他企业。。

此外，证券分析师作为资本市场的重要信息中介，能够起到缓解上市公司与外部投资者的信息不对称的作用(Chen et al.，2015)。证券分析师本身所具备的金融专业知识和经验，使得他们在金融投资的信息方面具备敏锐性，他们能够通过调研、访谈等形式获取到企业更多的内部私有信息，并通过定期发布盈余预测报告的方式，及时、有效地向外部投资者传递公开和私有信息；特别是对于影子银行化这种信息不对称程度较高的投资活动，证券分析师更有可能发挥其优势。

在以往的研究中，对于分析师的信息传递作用主要是体现在分析师关注对单个企业的影响，即“分析师→企业”的影响路径，忽视了由共同分析师所构建起的社会关系网络对企业投资决策的交互影响，即以共同分析师作为桥梁，形成“同群企业→共同分析师→焦点企业”的传染路径。伴随着资本市场的快速发展，有学者提出以共同分析师跟踪为基础识别同群企业，Kaustia and Rantala(2013)首次指出除了行业可以反映关联公司的共同特征之外，共同分析师也可以反映联结企业之间的客户细分、商业模型等企业之间的垂直连接的特征。随后，有学者认为企业的信息披露政策选择趋同(Huang et al.，2020[16])也能够通过共同分析师的联结进行解释，共同分析师通过在跟踪公司之间搭建桥梁，让有价值的信息在跟踪公司之间共享，从而能够对跟踪公司之间的财务决策产生积极的重要影响(Dang et al.，2015)。具体到本文所研究的非金融企业影子银行化行为，一方面，企业的影子银行化活动信息是相对隐蔽的，外界能够通过公开披露的信息提前获知的可能性较小。根据Muslu et al.(2014)[17]的跟踪特质信息溢出假说，发现共同分析师在跟踪公司之间类似于建立了社交网络，这不但能够降低分析师总的研究成本，而且还加强了跟踪公司之间的私有信息交流，提高了对企业的分析和研究效率。另外，相比于企业的董事、高管和校友等内部社会网络关系，共同分析师所具备的外部独立性，在信息传递的过程中不易受到来自企业内部的影响，能够使其更加全面客观地评价企业的真实情况(Chen et al.，2010)；相比于审计师、独立董事等外部社会网络关系，共同分析师在资本市场上的专业性和敏感性更有利于收集和传递数量更多、质量更高的影子银行化活动信息，特别是对于影子银行化活动这类隐蔽性较高、专业性较强的的投资行为而言，共同分析师的“桥梁”作用给非金融企业提供了学习和模仿影子银行化行为的对象。另一方面，由于影子银行中的集合投资多为风险较高的结构化和资产证券化等金融创新工具，其背后的隐性债务和担保网络可能会放大金融风险的传播(司登奎等，2021)，这对于那些可能不具备专业金融投资能力的非金融企业管理层而言，如果影子银行业务一旦失败，在分析师业绩压力的作用下，为了防止共同分析师发布“不好”的盈余预测报告，企业往往会向共同分析师所联结的企业学习和模仿，进而降低企业自身的异质性风险。

分析师在很大程度上是为了解决资本市场上的信息不对称问题，与此同时，他们还作为跟踪企业的外部治理主体之一，能够对跟踪企业进行直接或间接的监督(Chen et al.，2015)。从企业管理层的角度而言，一方面，分析师所具备专业的金融投资分析思维和能力，能够从企业外部视角特别是把握资本市场政策变动信息等方面给予管理层更好的投资建议，对于非金融企业而言，管理层为了企业的良好发展，在很大程度上会积极听从分析师的建议并采纳；另一方面，由于分析师所发布的盈余预测报告在很大程度上决定了处于信息劣势的广大中小投资者的投资方向，迫于分析师压力，上市公司可能出于迎合分析师的目的，不得不妥协和接受分析师的外部治理和监督(Fracassi et al.，2016[18])。从分析师的角度而言，虽然分析师不会因为对企业的治理和监督直接获得报酬，但是他们可以借此来提高自身声誉从而间接受益。

共同分析师虽然能够为非金融企业传递影子银行化信息提供渠道，但是与同行业和同地区之间的信息传递不同，共同分析师在获取同群企业影子银行化的相关信息后，他们所发挥的“人治”作用能够在一定程度上抑制焦点企业模仿和学习同群企业的影子银行化行为。其原因有两个方面。一方面，同群效应是个体通过理性观察和学习同伴后所做出的决策，这种影响既可能是正向的，也可能是负向的，即焦点企业的行为可能与同伴的行动一致，还可能做出完全不同甚至相反的选择。虽然非金融企业开展影子银行化活动能够获取短期超额报酬和提高资金流动性，但是如果共同分析师对企业所展现的外部治理效应，使得管理层意识到开展影子银行化活动的成本大于相应的收益时，从理性的角度出发，他们将不倾向于模仿同群企业的影子银行化活动。另一方面，从已有文献来看，大部分学者认为非金融企业开展影子银行化活动会增加企业风险(李建军等，2019；司登奎等，2021)和抑制实体经济发展(周彬和谢佳松，2018)。作为具备专业金融知识和经验的共同分析师，他们应该清楚地认识到影子银行化给非金融企业带来的潜在威胁，以及非金融企业之间影子银行化行为的过度传染可能所造成的风险。共同分析师通过调研、访谈等形式，能够及早地发现非金融企业的影子银行化行为所产生的不利影响，并在企业管理层有意学习和模仿同群企业的影子银行化时发挥监督作用，从而抑制焦点企业开展影子银行化活动。

综上所述，本文提出两种对立的假设。

H1a：在共同分析师联结下，非金融企业影子银行化行为具有正向的同群效应。

H1b：在共同分析师联结下，非金融企业影子银行化行为具有负向的同群效应。

三、研究设计

(一)样本选择和数据来源

为了保证数据的一致性，本文选择2007年实施新会计准则之后的样本，以2007—2020年中国沪深两市的全部A股上市公司为初始研究样本，研究中的相关上市公司数据来自于国泰安数据库、上海和深圳证券交易所发布的公告及笔者手工整理计算。为了保证研究的准确性，本文对样本进行了如下处理：剔除了ST、金融行业上市公司以及数据缺失的样本；剔除了没有分析师预测和仅有一位分析师预测的上市公司样本。经过处理后，本文共获得20899个观测值。为了排除极端值的影响，本文对模型中所有的连续变量均进行了缩尾处理(Winsorize)。

(二)变量定义

1. 被解释变量。基于已有的研究文献和企业参与影子银行业务的机理，将委托贷款、委托理财、民间借贷视为非金融企业的直接影子银行化活动；将购买银行理财、券商理财、信托产品、结构性存款类等金融产品则视为其间接参与影子银行化活动(李建军和韩珣，2019；韩珣和李建军，2020；司登奎等，2021)，再分别将这几类影子银行业务规模加总近似得到非金融企业参与影子银行化的资金规模，为了缓解不同企业规模大小的干扰，本文将影子银行化的规模占总资产的比重(ShBank)这一相对指标作为企业影子银行化程度的衡量指标。除此以外，在稳健性部分本文还使用了直接影子银行化规模占总资产的比重(ShBank1)以及影子银行化规模绝对值的对数(ShBank2)作为影子银行化程度的替代变量。其中，非金融企业的委托贷款数据来源于手工收集沪深上市公司所发布的委托贷款公告，并根据国泰数据库中企业“其他流动资产”明细中的“委托贷款”加以补充；委托理财的数据来自于国泰安的“对外投资”数据库，民间借贷反映在资产负债表中的“其他应收款”科目(王永钦等，2015[19])。非金融企业通过购买银行理财、券商理财、信托产品以及结构性存款等类金融产品的间接影子银行化活动的数据可以根据财务报表附注中的“其他流动资产”明细科目分类整理得到。

2. 解释变量。根据国泰安的“分析师预测”的数据库可以发现，一个分析师会同时预测多家上市公司，上市公司之间以分析师为纽带形成了交叉网络关系，对于焦点企业来说，当年被同一分析师跟踪的公司称之为共同分析师联结下的“同伴”公司。同时，一家上市公司又会被一个或多个分析师预测，当被多个分析师预测时，企业之间还会形成间接的同群关系。由于这种间接的同群关系的信息传递能力会大大降低，因此，本研究仅考虑直接的同群关系。此外，在以往对同群效应实证研究中，大部分文献都是以Manski(1993)[20]的开创性研究为逻辑起点，设解释变量为各个同群企业特征的均值，但是由于各个同群企业对焦点企业影响本来就存在一定的差异，如果单纯用均值的方法来定义同群企业影子银行化对焦点企业影子银行化行为的影响，可能会存在某一家同群企业的影子银行化程度很高，但是却由于共同分析师数量联结较少，相对于其他与本企业联结的分析师较多的同群企业而言，这家企业对焦点企业的影响并没有那么大，进而对同群企业影子银行化程度衡量产生较大偏差的后果。因此，为了衡量各同群企业对焦点企业的影响力大小，保证同群企业影子银行化程度准确性，本文参考陈庆江等(2021)的方法，以相同分析师预测的数量作为权重，计算共同分析师联结下其他企业的加权影子银行化作为衡量同群企业影子银行化程度的指标。如图2所示，对于焦点企业A而言，对同群企业B取权重2(有分析师1和分析师2两位共同分析师)，同群企业C和同群企业D的权重则为1(仅一位共同分析师2、分析师3)，再根据各同群企业影子银行化程度及其权重来计算焦点企业的影子银行化加权值作为解释变量Peer_ShBank，其具体计算公式为：

(1)

其中，ShBankj,t表示同群企业的影子银行化程度；Ni,j,t表示各同群企业的权重。

3. 控制变量。参考已有研究文献(韩珣和李建军，2020)，本文加入了产权性质(State)、企业规模(Size)、负债情况(Lev)、成长性(Growth)、总资产报酬率(ROA)、盈利能力(Profi)和现金水平(Cfo)等公司特征层面的控制变量，以及两职合一(Dual)、高管持股比例(Smr)、董事会规模(Board)和独立董事比例(Indi)等公司治理层面的控制变量。并且，为了控制行业和地区层面对影子银行化同群效应的影响，本文还将研究样本中的同行业(Industry_ShBank)和同地区(Region_ShBank)同群企业的影子银行化程度加以控制。除此以外，为了控制共同分析师网络下同群企业的特征对焦点企业影子银行化的潜在影响，本文根据模型(1)计算了同群企业在公司特征和公司治理层面变量的加权值作为控制变量。

(三)模型设定

基于假设H1，为了检验共同分析师联结下非金融企业影子银行化是有正向还是负向的同群效应，本文构建了回归模型(2)：

ShBanki,t=α0+α1Peer_ShBankj,t+α2Industry_ShBank-i,j,t+α3Region_ShBank-i,j,t

+α4Ctrli,t+α5Ctrlj,t+∑Year+∑Industry+∑Region+εi,t

(2)

其中，ShBanki,t表示企业i在t年的影子银行化程度；Peer_ShBankj,t表示共同分析师联结下的同群企业j在t年的加权影子银行化程度；Industry_ShBank-i,j,t、Region_ShBank-i,j,t分别表示除焦点企业外，同行业、同地区其他同群企业影子银行化的均值，用以控制在行业和地区层面可能出现的同群效应；Ctrli,t表示焦点企业i的公司特征层面和公司治理层面的控制变量；Ctrlj,t表示同群企业j在公司特征层面和治理层面的控制变量；εi,j表示随机扰动项。通过观察系数α1的符号和显著性，判断同群企业影子银行化行为对焦点企业影子银行化的影响是正向还是负向。

(四)描述性统计

本文主要变量的描述性统计表明(3)限于篇幅，描述性统计表格留存备索。，焦点企业影子银行化程度的平均值为0.09，表明所选样本企业影子银行化规模平均占到了企业总资产规模的9.06%左右；最小值为0.3%，最大值为85%，说明不同非金融企业的影子银行化程度存在显著的差异。焦点企业中约有39.11%属于国有企业，且不同的企业资产收益率存在一定的差异，ROA的最大值为20.20%，最小值为-14%，表明这些企业存在经营情况参差不齐的现状。观察其他变量的描述性统计，与已有的文献基本一致。同群企业变量的描述性统计表明，共同分析师联结下同群企业的影子银行化程度的平均值约为9.06%，最小值和最大值分别为0.72%和27.43%，均值和最小值与焦点企业接近，但是最大值却差距较大。同行业和同地区的同群企业的影子银行化程度的均值约为8.98%和9.01%，这与焦点企业的影子银行化程度均值差距不大。共同分析师联结下同群企业在公司特征和治理层面上变量的均值本文便不再赘述。

四、实证分析

(一)主回归分析

表1报告了假设H1和模型(2)的检验结果。第(1)～(4)列分别显示了不加入控制变量、加入同行业同地区同群企业的影子银行化程度、加入焦点企业公司特征和公司治理变量、加入同群企业特征变量的回归结果。第(1)～(4)列显示Peer_ShBank的估计系数均在1%的水平上显著为正，说明焦点企业影子银行化行为与共同分析师联结下同群企业的影子银行化行为呈显著的正相关关系，证实了假设H1a，即共同分析师的信息传递作用大于外部治理监督作用。可能的原因在于，理论上，作为具备专业金融知识和经验的共同分析师而言，他们应该清楚地认识到影子银行会给非金融企业带来的潜在威胁，以及非金融企业之间影子银行化行为的过度传染可能会造成的金融风险，故而在共同分析师外部治理监督作用下，焦点企业模仿跟随同群企业的影子银行化行为理应得到削弱。但实际上，一方面，由于中国资本市场的不确定性较强以及推出证券分析师制度较晚，大部分分析师对发布的上市公司盈余预测期限往往不会超过一年。从本文的样本数据看来，共同分析师对焦点企业发布的盈余预测期限大于一年的占比仅约为0.76%，其余的均小于一年。发布短期的盈余预测报告的确能够规避环境的不确定性，进而提高分析师的盈余预测准确性，但这也在跟踪时间的维度上说明了共同分析师对企业的调研和与管理层的交流不充分。另一方面，从共同分析师的有限注意力的角度来看，由于同一个分析师的精力有限，当共同分析师在同一时间段对多家企业进行跟踪的时候，会削弱共同分析师的治理监督作用，即共同分析师跟踪企业的数量越多，注意力越分散，其治理监督能力也就越弱。根据本文对样本的统计，同一个分析师在当年同时跟踪同群企业数量的最小值为2家，最大值为299，均值水平为28家。因此，调研时间的不充分和精力的分散使得共同分析师的外部治理监督对影子银行化同群效应的作用相对有限。

(二)稳健性检验

1. 内生性问题。在研究同群效应时，最大的挑战就是如何排除焦点企业与同群企业的反向因果问题。为控制并减弱反向问题、去除关联效应所带来的影响，借鉴陈庆江等(2021)的思路，本文利用“同群企业的同群企业”构造工具变量，并采用广义矩估计的方法重新进行了回归。回归结果如表2第(1)列所示，Peer_ShBank的回归系数在1%的水平上显著为正，并且Peer_ShBank系数的大小与表1第(4)列中Peer_ShBank系数的大小接近，即支持了前文的结论。Kleibergen-Paaprk LM统计量为1732.51，Kleibergen-Paap rk Wald F统计量的值为2358.09，Hansen J统计量的值为0，拒绝了不可识别以及存在弱工具变量的原假设，而接受了工具变量是外生的，表明了工具变量选取的有效性。除此以外，为了加强结论的可靠性，本文还将被解释变量ShBank前置一期重新进行回归，回归结果如表2第(2)列所示，Peer_ShBank的估计系数在1%的水平上显著为正，进一步证实了前文的研究结论。

3. 其他稳健性检验。(1)改变影子银行化的度量方式。参考司登奎等(2021)对非金融企业影子银行化的衡量方式，仅加入了委托贷款、委托理财和民间借贷这一直接影子银行化的规模加总再除以总资产(ShBank1)行为作为替代变量；参考韩珣和李建军(2020)的做法，将影子银行化规模对数(ShBank2)作为另一替代变量，再根据新的影子银行化度量方式重新计算同群企业的影子银行化程度(Peer_ShBank1和Peer_ShBank2)。(2)改变同群效应的计算方法。参考现有研究同群效应的文献，本文还将同群企业的影子银行化程度求均值(PEER_SHBANK)作为解释变量重新进行回归。(3)子样本回归。为了排除在金融危机爆发后政府的一系列举措对非金融企业影子银行化行为的影响，本文删除了2008年、2009年和2015年的样本数据，采用新的研究区间再进行回归。以上稳健性检验均未改变主回归的结论。

(三)作用机制检验

为了检验共同分析师联结下非金融企业影子银行化同群效应的内在作用机制，本文借鉴马慧(2019)的做法，通过检验企业其他信息渠道的替代作用，藉此证明共同分析师的信息传递效应能够驱动非金融企业影子银行化的正向同群效应，即选取企业的另一外部社会关系共同审计师，以及内部社会关系共同董事作为除共同分析师之外的其他替代性信息传递渠道来检验共同分析师在非金融企业影子银行化同群效应中的信息传递作用。

具体而言，将共同分析师联结的同群企业划分为与焦点企业拥有共同审计师(4)当同一会计年度焦点企业与同群企业至少一家聘用同一家事务所时，则称为企业之间共享审计师，也即本文所说的 “共同审计师”，如未作特殊说明，本文所说的审计师是指会计师事务所，而非审计师个人。的同群企业m，以及与焦点企业没有共同审计师的同群企业n，再分别将同群企业m和同群企业n按照模型(1)计算加权影子银行化程度，即模型(3)中的PeerShBank_Auditm,t和PeerShBank_NonAuditn,t，通过比较两个解释变量系数的大小，判断在有无共同审计师的情况下，共同分析师联结的同群企业对焦点企业影子银行化行为的影响程度。

ShBanki,t=β0+β1PeerShBank_Auditm,t+β2PeerShBank_NonAuditn,t

+β3Industry_ShBank-i,j,t+β4Region_ShBank-i,j,t+β5Ctrli,t+β6Ctrlj,t

+∑Year+∑Industry+∑Region+εi,t

(3)

对模型(3)的回归结果如表3第(1)列所示，通过比较可以发现，当焦点企业与同群企业具有共同审计师的时候，同群企业对焦点企业影子银行化的影响约为0.05，当焦点企业与同群企业没有共同审计师的时候，同群企业对焦点企业的影子银行化的影响约为0.3左右，且均在1%的水平上显著，即说明焦点企业与同群企业无论有没有共同审计师，在共同分析师联结下，同群企业的影子银行化活动都会显著地促进焦点企业影子银行化行为。进一步比较PeerShBank_Audit和PeerShBank_NonAudit的系数差异，F值为32.61，P值为0.00，表明系数β1显著小于系数β2，即与有共同审计的同群企业相比，没有共同审计师的同群企业对焦点企业影子银行化的正向作用更为明显。

除了共同审计师以外，现有文献认为共同董事也是企业传递信息的来源渠道(王营和曹廷求，2020)。为了加强基本逻辑，本文同样依据上述做法，将共同分析师联结下的同群企业划分为与焦点企业存在共同董事的同群企业m，以及与焦点企业不存在共同董事的同群企业n，在分别重新计算加权影子银行化程度，即模型(4)中的Peer_ShBank_Director和Peer_ShBank_NonDirector。回归结果如表3第(2)列所示，Peer_ShBank_Director和Peer_ShBank_NonDirector的系数分别为约0.0630和0.3285，均在1%的水平上显著为正；并且通过系数差异的F值检验得到，与拥有共同董事的同群企业而言，与焦点企业不存在共同董事的同群企业对焦点企业影子银行化的作用更大。

ShBanki,t=δ0+δ1PeerShBank_Directorm,t+δ2PeerShBank_NonDirectorn,t

+δ3Industry_ShBank-i,j,t+δ4Region_ShBank-i,j,t+δ5Ctrli,t+δ6Ctrlj,t

+∑Year+∑Industry+∑Region+εi,t

(4)

综合表3的结果可见，第一，无论焦点企业与同群企业是否存在共同审计师和共同董事的信息传递渠道，在共同分析师联结下，同群企业的影子银行化活动都会显著促进焦点企业的影子银行化活动；第二，当焦点企业不能通过其他信息渠道(共同审计和共同董事)获取同群企业的影子银行化信息的时候，焦点企业更依赖于共同分析师所构建的信息渠道，此时焦点企业受到共同分析师联结下同群企业的影子银行化的正向影响更大，进而证实了共同分析师成为非金融企业获取其他企业影子银行化信息的重要途径。

(四)传染路径识别

本文在理论分析中提到，同群效应不是焦点企业与同群企业之间机械地相互影响，也不是企业盲目跟随和模仿；焦点企业模仿和学习同群企业是因为他们从理性的角度出发，认为这些同群企业具有信息优势，即同群企业的行为传递了某些有价值的信息，是那些处于信息劣势的焦点企业向那些信息优势的同群企业学习的过程。为了验证理论分析的合理性，本文借鉴Adhikari and Agrawal(2018)[21]的做法，分别按照企业的盈利能力(ROA)、规模(Size)和年龄(Age)作为领导型还是跟随型企业的划分标准，检验这两种类型的企业的影子银行化模仿行为是否具有方向性。具体来说，就是将企业的盈利能力、规模和年龄按照行业—年度进行排序，将排名位于前30%的企业定义为领导型企业；将排名位于后30%的企业定义为跟随型企业，再分别使用领导型企业的样本来检验对跟随型企业影子银行化行为的反应，以及用跟随型企业的样本检验对领导型企业影子银行化行为的反应，从而探寻在共同分析师联结下非金融企业影子银行化的传染路径。

回归结果如表4所示。观察第(1)列、第(3)列、第(5)列中Peer_ShBank的回归系数，为正但均不显著，说明了在同一共同分析师联结下的跟随者(同群企业)的影子银行化活动对领导者(焦点企业)的影子银行化影响并不显著，即说明领导型企业不太会模仿和学习跟随型企业的影子银行化活动，他们更倾向于独立决策；而在第(2)列、第(4)列、第(6)列中的Peer_ShBank的回归系数至少在10%的水平上显著为正，则说明了追随型企业(焦点企业)更倾向于学习和模仿领导企型业的影子银行化决策，即在共同分析师联结下企业影子银行化活动是“领导企业→追随企业”的传染路径。可能的原因在于，根据Adhikari and Agrawal(2018)的研究，那些盈利能力较强、企业规模较大和成立年限较长的企业，通常具有更强的信息优势；而那些盈利能力较弱、企业规模较小和成立年限较短的企业，往往具有较高的信息不对称程度，在共同分析师所构建的社会信息网络中，该类企业更倾向于学习和模仿那些具有信息优势的领导型企业的影子银行化活动。这也进一步证实了共同分析师能够在企业传递影子银行化信息中发挥桥梁作用，这对于盈利能力不强、资产规模不大以及成立不久这类处于信息劣势的企业边际作用更大。

表4 非金融企业影子银行化同群效应的传染路径

五、进一步分析

(一)企业内部治理水平对同群效应的影响

除了证实共同分析师的外部作用之外，企业的内部治理会对影子银行化同群效应产生怎样的影响？本文将依据企业内部治理水平的高低进行考察，这对于了解企业影子银行化的内在动机具有启示意义。从共同分析师的信息中介作用来说，企业的内部治理水平越高，通过共同分析师获取更多私有信息的敏感性和主动性更强；同时，已有文献表明了企业内部治理水平越高，信息披露质量越高，分析师的盈余预测准确性也就越高(伍燕然等，2016[22])，即较高的内部治理水平够为共同分析师在获取和传递信息中创造良好的环境，进而提高信息质量。从共同分析师的外部治理监督作用来说，当企业内部治理水平较低时，分析师跟踪能够作为内部治理机制的有益补充；反之，企业内部治理水平越高，则外部治理力量对企业的边际贡献越弱，此时分析师能够发挥的治理作用越小，非金融企业影子银行化的正向同群效应越大。但还有一种可能性，在内部治理水平较高的时候，企业学习和模仿同群企业影子银行化活动的动机会更弱，因为此时的管理层会根据企业自身的实际情况而选择是否开展影子银行化活动，而不是去跟随同群企业，即当内部治理水平越高，非金融企业影子银行化的正向同群效应越弱。

那么不同的企业内部治理水平究竟会对非金融企业影子银行化同群效应产生怎样的影响？为了得到答案，本文将企业的内部治理水平作为调节变量，观察内部治理水平对非金融企业影子银行化正向同群效应的调节作用，企业影子银行化同群效应的大小。参考已有的研究文献(胡楠等，2021[23])，本文采用主成分分析法，从监督、激励、决策多方面构造综合性指标来度量企业内部治理水平，具体而言，选取高管薪酬、高管持股比例、独立董事比例、董事会规模、机构持股比例、股权制衡度、董事长和总经理是否两职合一来指标构建公司治理指数，将从主成分分析法中得到的第一主成分作为反映公司治理水平的综合指标(ManageLevel)，得分越高，内部治理水平越好。将交互项Peer_ShBank* ManageLevel代入到基准模型中回归，结果如表5第(3)列所示，交乘项Peer_ShBank* ManageLevel在1%的水平上显著为正，说明在企业内部治理水平对非金融企业的影子银行化同群效应具有正向的调节作用，即表示公司内部治理水平高时，能够为共同分析师获取和传递影子银行化信息提供良好的内部环境，此时焦点企业能够更好地接收高质量的影子银行化信息，从而进一步促进非金融企业影子银行化的正向同群效应。为何高水平的内部治理不能抑制影子银行化的同群效应？可能的原因在于：管理层根据企业自身的实际情况来评估影子银行化行为的收益和损失，但在实践中，非金融企业的管理层可能缺乏专业金融知识，此时即使是在内部治理水平较高的情况下，也不能削弱管理层的学习和模仿动机。

除此以外，本文还进行了分组检验来证实结论的可靠性。具体地，设置内部治理水平高低的虚拟变量DumManage，将所有焦点企业的内部治理水平按照年度—行业进行排序，大于中位数的DumManage取值为1，否则为0。分组的回归结果如表5中的第(2)列、第(3)列所示，内部治理水平高组(DumManage=1)的Peer_ShBank的系数约为0.39，大于内部治理水平高组(DumManage=0)的Peer_ShBank的系数0.24，且组间系数差异检验表明至少在10%的水平上显著，说明公司内部治理水平越高，非金融企业的影子银行化的正向同群效应越高，即支持了上述的结论。

(二)影子银行化同群效应对企业经营风险的影响

企业是资本市场和实体经济的双重参与者，企业将资金投向“类金融”活动必然会影响实体经营。在金融危机之后，中国的影子银行体系进入快速发展的阶段，针对中国的特殊环境，学者们对实体企业影子银行化的经济后果持有不同的观点。一部分学者认为非金融企业影子银行化能够发挥积极作用。例如，安强身(2008)[24]认为，由于政府对金融市场的管控较为强有力，体制内经济体的金融资源漏损支撑了体制外经济体的发展，影子银行的发展在一定程度上形成了对受到融资歧视的市场参与者的“反哺效应”，从而促进了经济的良性增长。郑建明等(2018)[25]研究发现，影子银行业务可以有效提升企业的投资效率，具体表现为两个方面，一是能够使得企业资金来源更加充足，缓解投资不足的问题；二是能够在一定程度上抑制企业的信息不对称等问题，抑制投资过度。然而，另一部分学者认为非金融企业影子银行化会造成负面影响。若企业从银行中获取的资金转而参与影子银行化活动，当借款人不能按时还款而引起的连锁反应会导致企业陷入财务困境，进而强化实体部门和金融市场的风险联动性(王永钦等，2015)。并且一旦从事影子银行业务的现金流无法收回，必然会导致非金融企业主营业务投资受到影子信贷资金不确定性的负面冲击，从而加剧企业的经营风险(李建军和韩珣，2019)。

那么，在共同分析师联结下，非金融企业影子银行化同群效应到底会给企业经营风险带来怎样的影响？本部分同样从正反两面进行分析。一方面，由于存在同群效应，当焦点企业观察到同群企业开展影子银行化活动时，在信号作用的诱发下，企业可能会忽略自身的信息而模仿同群企业的影子银行化行为，此时的影子银行化同群效应会给企业实体经营带来极大的不确定性。对此，Lieberman and Asaba(2006)的研究就指出企业之间的相互模仿可能会放大模仿行为的负面效应。另一方面，从同群效应的形成方式来看，由于本文探讨的是共同分析师联结下的同群效应，与其他同群效应形成方式有着明显的不同，作为企业之间重要的联结中介，共同分析师能够为企业获取、解读和反馈相关信息(马慧，2019)，并且他们由于具备更强的专业性，在对信息的处理和解读能力方面相对更强;加之共同分析师具有外部治理监督作用(Chen et al.，2015)，能够有效抑制管理层在忽视企业自身实际经营情况下盲目开展影子银行化活动，从而有效降低焦点企业的经营风险。因此，为了检验共同分析师联结下影子银行化同群效应对于非金融企业经营风险的影响，本文参考李秋梅和梁权熙(2020)的做法，建立模型(5)进行检验：

SDADJROA3i,t/t+1/t+2/t+3=α0+α1ShBanki,t+α2Peer_ShBankj,t+α3ShBanki,t*Peer_ShBankj,t

+α4Ctrli,t+∑Year+∑Industry+∑Region+εi,t

(5)

其中，SDADJROA3i,t/t+1/t+2/t+3表示企业在t、t+1、t+2和t+3的经营风险，具体的做法参考李建军和韩珣(2019)的做法，通过观察焦点企业影子银行化程度与同群企业影子银行化程度交乘项ShBanki,t*Peer_ShBankj,t的系数来捕捉共同分析师联结下影子银行化同群效应对非金融企业当期和长期经营风险的影响。

得到的实证结果如表6第(1)～(4)列所示。观察第(1)列、第(2)列中ShBank的系数，估计系数分别在1%的水平上显著为正，即影子银行化会增加企业的当期和下一期经营风险，与已有的研究文献一致。但是在第(3)列、第(4)列中ShBank的系数为正却不显著。从交乘项Peer_ShBank*ShBank的系数来看，无论是短期还是长期，都至少在5%的水平上显著为负，说明在共同分析师联结下，影子银行化同群效应能够降低焦点企业的经营风险。可能的原因在于：一方面，非金融企业模仿和学习同群企业的影子银行化活动，对于那些拥有闲置资金的非金融企业而言，如果能够将影子银行化控制在合理范围内，未尝不是企业提高资金的利用效率、获取短期超额报酬和提高资金流动性的一种经营风险规避方式；另一方面，虽然共同分析师的信息传递效应大于外部治理监督效应，导致了非金融企业影子银行化呈现正向的同群效应，但是不可否认的是共同分析师的外部治理效应依然存在，并且能够将非金融企业影子银行化控制在合理的范围之内，这种由于共同分析师联结的影子银行化活动非但没有给企业带来经营风险，反而能够降低非金融企业短期和长期的经营风险。这不但为非金融企业开展影子银行化的经济后果给予了新的诠释，而且为发挥分析师的积极作用和探索分析师更好的角色定位提供了新的经验证据。

表6 经济后果分析

六、研究结论与启示

在银行信贷歧视持续存在、金融和实体收益率不断扩大的背景下，影子银行化活动一直以不同的形式广泛存在，成为实体企业间接金融化的重要方式。本文采用沪深A股非金融上市公司2007—2020年的样本数据，基于共同分析师的视角探讨了共同分析师联结下非金融企业影子银行化同群效应，试图为非金融企业“脱实向虚”的现象提供一个新的解释。研究发现，第一，共同分析师联结下非金融企业影子银行化行为存在显著的正向同群效应。第二，机制检验表明，共同分析师能够为非金融企业提供学习和模仿的信息渠道，并且遵循信息劣势企业向信息优势企业学习的传染路径。第三，公司的内部治理水平能够对同群效应发挥调节作用，并且较高的公司内部治理水平会增强共同分析师的信息传递作用、减弱其外部治理监督作用，进而放大非金融企业影子银行化的正向同群效应。第四，经济后果分析显示，共同分析师联结下非金融企业影子银行化同群效应能够降低影子银行化给企业带来的经营风险。

本文的研究结论具有三点政策启示。第一，对于非金融企业而言，影子银行化活动作为一种较为隐蔽且风险较高的金融投资行为，应该充分意识到共同分析师不但具有丰富的专业知识和多渠道的信息来源，而且能够在降低影子银行化给企业带来负面影响的方面发挥积极作用，因此，非金融企业既要应该加强管理层与分析师在金融投资方面的交流和沟通，防止在缺乏经验和专业知识的前提下开展影子银行化活动而给企业带来危害，同时也要不断提升内部治理水平，避免盲目地跟随其他同群企业开展影子银行化活动，从而降低影子银行化给企业带来负面的影响。第二，对于证券分析师而言，不但要充分发挥上市公司与外部投资者的信息传递作用，还应该注重作为同时跟踪多家上市公司的共同分析师，在上市公司之间的信息传递和交流。除此以外，由于中国的资本市场发展起步较晚，在加大分析师对上市公司的跟踪力度、降低企业与外部投资者之间信息不对称程度的同时，还应该控制其同时跟踪企业的数量，避免由于精力的分散而导致共同分析师对企业的治理和监督不足的情况发生。第三，对于监管部门而言，在中国实体经济“脱实向虚”愈演愈烈的背景下，相关监管部门除了需要制定相关的法律法规约束非金融企业的影子银行化行为之外，监管部门还应该重视证券分析师这一外部治理监督主体在缓解实体企业影子银行化负面影响所带来的贡献，尤其是共同分析师作为企业之间良性互动的社会关系网络的积极作用，为探索更加积极的分析师角色定位、增强分析师对上市公司外部治理和监督力度提供政策支持。