金融错配与我国非金融企业系统性风险

李小林 郭庆娟

(中国海洋大学 经济学院,山东 青岛 266100)

依据资源配置效率理论,为达到金融资源配置的帕累托最优状态,金融资源应该流向效率最高的部门和企业。[1]然而,不可否认的是,当前我国金融体系内仍存在着基于“规模歧视”和“所有制歧视”的金融错配现象。特别地,基于风险与收益的权衡,在货币政策紧缩时期,银行更愿意将信贷资金配给至具有政府隐性担保的国有企业,从而对非国有企业获取信贷资源产生显著挤出效应,并进而引致金融资源的低效配置。据国泰安(CSMAR)数据库披露的上市企业财务数据显示,2007—2020年,我国国有企业部门的平均总资产收益率(4.34%)明显低于非国有企业部门(5.87%),而其平均资产负债率与银行信贷资产占比(1)银行信贷资产占比=(短期借款+一年内到期的非流动性负债+长期借款)/总资产。其中,国有企业与非国有企业三项指标的对比均通过了均值差异检验。(49.73%和19.17%)却显著高于非国有企业部门(36.88%和13.03%),表明当前我国国有与非国有企业部门间存在严重的金融错配。金融的本质在于服务实体经济,而金融错配的持续存在必定会削弱金融体系对实体经济的有力支撑。

一、研究综述

已有研究表明,金融错配的不利冲击会直接作用于实体经济部门,不仅会扭曲资本市场价格信号,而且能够弱化金融的跨期资源配置能力和风险分散能力。从微观层面来看,金融错配降低了资本配置效率,严重阻碍企业的生产、实体投资及创新行为。[2][3][4][5]从宏观层面来看,金融资源对低效产业的支持会对新兴产业产生“挤出”效应,导致产业结构失衡,从而不利于产业结构升级。[6]同时,金融资源对“僵尸企业”的过度偏向,致使健康企业因其资金需求不足而发展步伐受限,因此整个经济发展的步伐都会减缓。[7]然而,这些研究的分析视角仍集中于金融资源配置对非金融企业的投融资行为的影响,而未充分关注金融资源配置在非金融企业系统性风险生产与演化中的重要作用。金融错配程度提高是否会增加非金融企业的系统性风险?如果会,其潜在的机制究竟如何体现?本文拟在这一方向作出探索性研究。厘清这些问题,对当下推进金融服务实体经济,有效防止非金融企业系统性风险危害经济健康增长及金融稳定发展尤为重要。

研究表明,非金融企业部门正成为引发我国系统性风险的主要风险点。[8][9]一方面,我国非金融企业部门宏观杠杆率水平不断攀升,不仅显著高于金融部门、政府部门和居民部门,甚至远高于主要发达经济体非金融企业部门,见图1(a)和1(b)。高杠杆带来的债务违约风险严重加剧了非金融企业部门的系统脆弱性。[9]另一方面,非金融企业部门行业间关联,反而搭建了特定企业局部风险传播的传导路径。例如单个企业的债务违约风险会通过债权或债务关系形成的资金链引发非金融企业部门间风险“共振”,[10]以及羊群效应、恐慌心理等引致的风险在行业间传染扩散,最终形成系统性风险。然而,现阶段对系统性风险的研究大多聚焦于金融机构系统性风险的测量、传染溢出、驱动因素等问题,[8][11]仅有部分学者关注到金融业与实体行业间存在着系统性风险溢出效应,[12][13]强调也应注意系统重要性实体行业和系统脆弱性实体行业对经济体系的系统性影响。

资料来源:中国国家资产负债表研究中心、国际清算银行(BIS)。

目前,部分学者采用基于市场数据的尾部依赖模型对系统性风险进行刻画,包括条件在险价值(ΔCoVaR)、边际期望损失(MES)等。[8][14][15]基于此,本文采用MES来衡量非金融企业的系统性风险,经过计算得到样本期内非金融企业的MES均值为3.076%,而金融企业的MES均值为3.130%。不难发现,在综合水平上,非金融企业部门的系统性风险接近于金融部门。接下来,采用MES和ΔCoVaR从系统脆弱性和系统重要性两个视角刻画金融部门和非金融企业部门的系统性风险。如图2(a)和2(b)所示,在整体走势上,非金融企业与金融企业的MES和ΔCoVaR呈现近乎相同的波动趋势。并且,在2008年国际金融危机和2015年“股灾”期间非金融企业部门比金融部门呈现出更高的系统脆弱性;而金融部门的系统重要性整体上略高于非金融企业部门。以上数据和图形再次说明,与金融企业相比,非金融企业的系统性风险也应得到高度重视。

图2 我国金融部门与非金融企业部门系统性风险的动态演化

鉴于此,本文将2007—2020年我国沪深A股非金融上市企业作为研究样本,首先从理论层面诠释了金融错配影响非金融企业系统性风险的微观作用机理,并提出待于检验的研究假说。然后逐一计算出所有A股非金融上市企业的系统性风险度量指标,并采用固定效应模型进行基准回归和充分的稳健性检验,为准确判断金融错配对非金融企业系统性风险的影响提供因果识别层面的经验证据。研究结果表明,金融错配通过推升非金融企业的过度负债、商业信用关联以及“脱实向虚”,显著提高了我国非金融企业的系统性风险水平。这一核心研究结论在替换核心变量度量方式、考虑地区差异、剔除金融危机与股灾冲击,以及控制内生性问题后依然成立。进一步分析发现,金融错配提高非金融企业系统性风险的作用效果对于高客户集中度、货币政策紧缩期及金融周期下行期的企业尤为明显,表明政府部门应该尤为关注特定企业部门及特定时期因金融资源错配而引致的非金融企业部门系统性风险问题。

本文的边际贡献主要体现为以下三个方面:第一,已有文献侧重于对金融业的研究,着重探索银行等金融机构的系统性风险对金融体系稳定造成的影响,而本文将重点放在非金融企业,证实非金融企业亦是系统性风险的重要源头,拓宽了防范化解重大经济金融风险的着力点。第二,拓展了企业系统性风险动因方面的研究,以金融错配为切入点,证实了金融错配是非金融企业系统性风险的重要驱动因素,研究发现金融错配会通过推升企业过度负债、商业信用关联及“脱实向虚”进而提高非金融企业系统性风险。第三,研究的结论为我国政策制定部门进一步完善宏观政策调控方式,进而降低金融错配对非金融企业系统性风险的不利冲击提供了启示与参考。

二、理论分析与研究假设

系统性风险是指因个体风险累积及放大传染所引起的整个经济体系崩溃的不确定性。其中,由杠杆机制和关联机制所组成的风险放大机制是系统性风险生成机理的核心要素。[16]对于非金融企业而言,融资约束差异所引起的投融资行为是其系统性风险的重要演化过程。一方面,融资优势企业的过度负债会导致其自身财务脆弱性的累积,而融资劣势方的负债不足则会降低其抵御风险的能力。在杠杆机制的作用下,外部不利冲击所引致的特定企业风险将会加速放大并向外扩散。另一方面,这种资金配置失衡还会催生企业之间以及企业与金融机构之间的高风险资金流动。一旦关联网络内部的特定企业遭受严重损失,在关联机制的作用下,个体风险将会进一步放大与传播,进而演化为系统性风险。基于此,本文认为金融错配是非金融企业系统性风险的重要推动因素,并且会通过推升企业过度负债、商业信用关联及“脱实向虚”进而提升非金融企业的系统性风险。

1、过度负债渠道

金融错配所展现的信贷资源分配不当是造成非金融企业部门结构性高杠杆的主要原因。在金融错配环境下,资本市场价格信息扭曲,国有企业和大规模企业更易进入信贷市场,能够以较低的努力获得超出正常经营活动所需的资金,而资金的低效使用阻碍了此类企业应有的投入产出,导致企业债务不断积压,最终表现为过度负债的高杠杆特性。而非国有企业和小微企业则由于抵押品不足、信息披露不充分等因素,较高的利率和较严苛的贷款条件使其面临着巨大资金使用成本,从银行等金融机构获得的资金甚至不能满足其正常经营活动,最终造成负债不足的融资困境。

而信贷分配失衡所呈现的非金融企业过度负债与负债不足均会增加企业内生脆弱性,成为非金融企业系统性风险的潜在源头。对于负债不足企业而言,信贷失衡的逐渐加深会降低企业抵御风险的能力。对于过度负债企业而言,负债过度使其具有较高的财务脆弱性。一方面,过度负债使企业的利息负担加重,当企业遭受外部冲击时,债务违约风险及经营风险会增加;另一方面,过度负债伴随着过度投资,一旦投资收益无法及时回收,造成企业资金链的断裂,就会引致企业信用风险的增加。债权与债务关系使得非金融企业间紧密关联,在杠杆机制的作用下,个体企业的上述风险将会不断被放大传染,进而演变为非金融企业的系统性风险。

2、商业信用关联渠道

作为一种非正式融资,非金融企业商业信用供给主要体现为两部分:一是经营属性,即满足企业为促进销售而开展正常经营业务的融资需求;二是金融属性,即将其信贷资金二次分配给供应链上下游企业。企业间信贷资金分配的两极分化催生了商业信用二次分配的需求方和供给方。从供给端看,在金融错配环境下,融资优势企业出于利润最大化和业绩压力,会选择回报率较高的金融投资。此时,管理者有动机将其闲置资金以商业信用形式分配给上下游中小企业,以期获得需求方支付超额金融回报。[17][18]从需求端看,金融错配加剧了融资劣势企业的困境。在这种情形下,融资劣势企业为解决资金短缺问题,不得不寻求非正规的融资渠道。而基于供应链的长期业务关联会降低企业间的信息不对称,从而增加中小企业对商业信用的融资需求。

商业信用作为一种短期融资渠道,其二次配置行为对于缓解金融错配引致的信贷失衡起着重要作用。然而非金融企业充当信用中介的行为会强化供应链上下游企业间以及不同产业链之间的信用关联,进而构成复杂的商业信用渠道“网”。在关联机制的作用下,单个企业的违约风险或破产风险会转移至上下游企业,甚至经由供应链网络传染至更多企业,造成风险累积和溢出效应,进而诱发经济体系的系统性风险。因而,商业信用的二次配置行为可视为非金融企业系统性风险的潜在风险实现过程。

3、“脱实向虚”渠道

非金融企业的“脱实向虚”问题,总体表现为企业的产业“空心化”和资产“金融化”。金融资产投资不仅可以满足企业的预防性流动性需求,也是企业获取短期超额投资收益的重要途径。而金融错配会使得资本与投资机会分离,造成金融资源供给与实体经济需求不匹配,进而形成金融资源空转。[19]一方面,金融错配尤其会加剧融资劣势企业的外部融资约束,较高的融资成本放大了企业未来陷入流动性风险的可能性。“预防性储蓄动机”促使企业倾向于配置更多的长期金融资产,以便获得长期稳定的投资收益。另一方面,金融错配会降低融资优势企业获得资金的成本。由于其获得的资金能够超额满足其正常经营活动,剩余的资金就可以用来金融逐利。“利润追逐动机”促使企业增加金融资产投资,以便获取超额投资收益。[20]

然而,非金融企业此类投机行为的增强,将会抑制企业自身主营业务的发展。“脱实向虚”所引致的实体经济与虚拟经济之间的结构性失衡,还会使企业陷入脆弱性困境。另外,非金融企业金融化的同群效应也会对其他企业的投融资行为产生影响,导致金融化现象在同群企业中扩散传染。[21]一旦经济遭受到较大负面冲击,资产价格下跌迫使特定企业抛售金融资产的行为,会引致同群企业的集中抛售而造成资产价格的进一步下跌,导致企业个体风险逐步演化为系统性风险。

综上所述,本文认为金融错配冲击引致的非金融企业的脆弱性,会经由杠杆机制和关联机制放大,最终演化为系统性风险(见图3)。因此,本文提出如下待于验证的核心研究假说:

图3 金融错配影响非金融企业系统性风险的内在机理

假说1金融错配程度增加会通过推升企业过度负债、商业信用关联及“脱实向虚”进而增加企业的系统性风险。

三、研究设计

(一)模型设定

为考察金融错配冲击对非金融企业系统性风险的影响,本文建立如下基准计量模型(1):

MESi,g,t=α0+α1FMi,t-1+α2Controls+ηg,t+γi+εi,g,t

(1)

其中,i、g、t分别表示企业个体、行业和年份,MES表示非金融企业系统性风险水平,FM表示企业金融错配程度,Controls为控制变量。ηg,t和γi分别代表行业-时间固定效应和个体固定效应,以控制行业层面随时间变化的不可观测因素及企业层面不随时间变化的固定特征。εi,g,t为随机扰动项。此外,核心解释变量与控制变量均滞后一期以减少可能的内生性问题。

(二)指标选取

1、非金融企业系统性风险水平(MES)

借鉴Acharya等的研究,[15]本文采用边际期望损失(MES)来衡量非金融企业的系统性风险水平。对于MES的构造,具体分为两步进行:第一,计算市场期望损失(ES)。ES为当市场日收益率下跌超过2%时,经企业市值加权平均的所有企业收益率的均值。第二,计算单家企业的MES。MES为当市场日收益率下跌超过2%时,单家企业市值波动的情况。上述两步可以表示为:

(2)

MESi,t=∂ESm,t/∂ωi=-Et-1(ri,t|rm,t<-0.02)

(3)

MES是指当发生系统性风险时,企业受到风险冲击的脆弱性。ri,t、rm,t分别是企业个体股票回报率和市场整体回报率,且rm,t=∑ωi,tri,t。本文基于3250家沪深A股上市企业个体股票和市场指数的周度对数收益率数据计算MES,并将其年度算数平均值作为非金融企业系统性风险的代理变量。同时,便于后续描述,进一步将计算得到的MES取相反数。因此,MES数值越大,代表非金融企业系统性风险水平越高。

2、金融错配程度(FM)

借鉴韩珣和李建军的研究,[22]本文采用企业的资金使用成本与所处行业的平均资金使用成本的偏离程度来衡量企业面临的金融错配程度(FM)。具体来说,本文采用财务费用中的利息支出与扣除应付账款的负债总额之比来衡量企业资金使用成本,而FM采用企业资金使用成本与行业平均资金使用成本的差额予以表示,其值越大代表企业的金融错配程度越高。

3、控制变量

借鉴Dungey等的研究,[8]本文还控制了部分可能共同影响非金融企业系统性风险和金融错配的企业特征变量。控制变量的度量方式依次为:(1)企业规模(Size),为总资产的自然对数值;(2)企业年龄(Age),为企业年龄加1的自然对数值;(3)杠杆率(Lev),为总负债与总资产之比;(4)资产收益率(Roa),为净利润与总资产之比;(5)账面市值比(Mb),为总资产账面价值与总资产市场价值之比;(6)经营性净现金流(Cfo),为经营性净现金流与总资产之比;(7)融资约束(SA),其中SA=|-0.737×Size+0.043×Size2-0.040×Age|;(8)资产有形性(Tang),为固定资产与总资产之比;(9)市场份额(Market),为营业收入与同行业营业收入总额之比;(10)债务期限结构(Maturity),为流动负债与总负债之比;(11)股权集中度(Top1),为第一大股东持股比例;(12)机构投资者持股比例(IIP),为机构投资者所持股份与总股本之比。

(三)数据来源

本文选取2007—2020年我国沪深A股上市企业的年度财务数据作为研究样本,企业层面数据来源于CSMAR数据库,系统性风险指标度量数据来自于WIND数据库。同时,对原始数据进行如下处理:(1)剔除金融和保险业、ST和*ST的样本;(2)剔除上市少于三年的企业以及主要变量观测值缺失的样本;(3)为消除极端值的影响,对企业层面的连续变量均进行上下1%的Winsorize缩尾处理。经过上述处理,最终研究样本包含3230家企业、29226个企业—年份观测值。

主要变量的描述性统计结果见表1的Panel A。从中可以看出,在全样本观测值中,非金融企业系统性风险MES的均值(2.945%)大于中位数(2.833%),且从最小值与最大值看,系统性风险水平由0.862%上升到5.902%,隐含着非金融企业部门系统性风险水平的波动率相对较大、个体差异明显。FM的均值与中位数分别为-0.020%和-0.167%,表明总体上我国非金融企业普遍存在金融错配现象。进一步地,将企业按照产权性质划分为国有和非国有企业。Panel B的均值差异检验结果显示,非国有企业FM均值(0.003%)显著大于国有企业的均值(-0.054%),说明我国非金融企业金融错配现象在非国有企业中更为明显。

表1 描述性统计和差异性检验

四、实证结果分析

(一)基准回归结果分析

表2列示了金融错配与非金融企业系统性风险的基准回归结果。其中,第(1)列展示了全样本的回归结果,第(2)—第(3)列为二者关系的产权差异结果,所有回归均控制个体固定效应和行业-时间固定效应并进行了稳健标准误调整。容易看出,第(1)列中FM的系数在1%的水平上显著为正,即金融错配程度的提高会增加非金融企业的系统性风险。由此可见,金融错配程度的加深是导致我国非金融企业系统性风险的重要原因之一。实际上,与国有企业相比,非国有企业更不易得到银行等金融机构的融资支持。为维持正常经营活动与发展,非国有企业配置金融资产以发挥“蓄水池”作用,寻求非正规融资的动机会更加强烈,从而使得此类企业在面临金融错配冲击时的系统性风险更大。第(2)—第(3)列的结果显示,国有企业FM的系数在10%水平上显著为正,而非国有企业FM的系数在1%水平上显著为正,这表明金融错配对非金融企业系统性风险的不利冲击在非国有企业中更为凸显。

表2 金融错配与非金融企业系统性风险的基准回归结果

控制变量的结果总体上符合预期。企业规模(Size)、年龄(Age)的系数显著为正,与“太大而不能倒”理论相契合,即企业规模越大、成立时间越长,与本国及全球金融系统越密切,一旦遭受冲击将会对市场造成巨大影响,因此其具备更高的系统性风险。杠杆率(Lev)系数在国有企业中为正,在非国有企业中为负,原因在于国有企业过度负债与非国有企业的负债不足均会带来债务违约风险,进而在遭受冲击时脆弱性更显现。资产收益率(Roa)、账面市值比(Mb)、经营性净现金流(Cfo)的系数显著为负,可能源于具有较高的盈利能力、投资价值及流动性增强了企业抵御风险的能力,使其在陷入危机时能更好地弥补损失。融资约束(SA)的系数显著为正,这可能源于融资约束高的企业难以通过外部融资获取资金进行投资,因此其系统性风险水平高。本文控制变量的回归结果与已有文献基本一致,后文不再赘述。

(二)作用渠道分析

综合前文理论分析可知,金融错配程度增加会提升非金融企业系统性风险,其中,加剧过度负债、商业信用关联及“脱实向虚”是其潜在重要作用渠道。

1、过度负债渠道

非金融企业间的金融错配现象突出表现为国有企业、大规模企业的过度负债,以及民营企业、中小企业的负债不足。对于企业过度负债的度量,借鉴綦好东等的研究,[23]采用实际负债率减去目标负债率(2)目标负债率由实际负债率对滞后一期的国有性质(Soe)、企业盈利能力(Roa)、行业资产负债率的中位数(Ind_lev)、总资产增长率(Growth)、固定资产占比(Fixasset)、企业规模(Size)、第一大股东持股比例(Top1)进行回归拟合得到。表示企业过度负债水平(Gdfz),该指标值越大,表明企业过度负债水平越高。同时,遵循陆正飞等的研究,[24]采用利息保障倍数(Lxbz)来刻画过度负债程度,采用净利润、所得税费用与财务费用之和与财务费用的比值进行表示,过低的利息保障倍数会导致企业短期内无法偿还债务,该值越大,表明过度负债水平越低。如表3列(1)—列(2)所示,FM对过度负债水平(Gdfz)的影响系数显著为正,对利息保障倍数(Lxbz)的影响系数显著为负,表明金融错配程度的加深会提升非金融企业的过度负债水平。过度负债强化了企业的财务脆弱性,当企业遭受外部冲击时,单个风险会经由杠杆放大机制演化为非金融企业的系统性风险。因此,金融错配程度的加深,会通过推升非金融企业过度负债这一渠道来提高其系统性风险。

表3 金融错配与非金融企业系统性风险的作用机制检验

2、商业信用关联渠道

在金融错配环境下,初次信贷资金配置量呈现出明显的“马太效应”,融资劣势企业的融资需求与融资优势企业的利益需求相叠加,致使中小企业增加对商业信用的融资需求。对于企业商业信用(TC),借鉴陈胜蓝和刘晓玲的研究,[25]采用应收账款、应收票据与预付账款三者之和与营业收入的比值进行衡量,该值越大,表明企业对外提供的商业信用越多。另外,借鉴钟凯等的研究,[17]以商业信用的金融属性即企业超额商业信用(3)超额商业信用由商业信用对滞后一期的成长性(Tobinq)、企业盈利能力(Roa)、资产负债率(Lev)、经营性现金流(Cfo)、营业收入增长率(Grow)、固定资产占比(Fixasset)、企业规模(Size)、第一大股东持股比例(Top1)进行回归拟合得到的残差来表示。(TC_RES)作为代理变量。如表3列(3)—列(4)所示,FM对商业信用(TC)和超额商业信用(TC_RES)的影响系数均显著为正,表明金融错配程度加深能够显著增加企业商业信用。如前文所述,非金融企业充当信用中介的行为会加剧供应链上下游企业的风险联动,单个企业的违约风险或破产风险会经由供应链网络扩散,造成风险累积和溢出效应,进而引致系统性风险。因此,金融错配程度的加深,会通过推升非金融企业商业信用关联这一渠道来提高其系统性风险。

3、“脱实向虚”渠道

金融错配会引致资本与投资机会分离,推动融资劣势企业与融资优势企业的金融逐利动机,降低实体投资,最终形成资本“脱实向虚”的金融乱象。借鉴司登奎等的研究,[26]本文采用金融资产持有份额(Finasset)和金融渠道获利(Finpro)来衡量企业“脱实向虚”。对于非金融企业金融资产持有份额,采用金融资产(4)金融资产包括交易性金融资产、衍生金融资产、可供出售金融资产净额、持有到期投资净额、投资性房地产净额、应收股利净额、应收利息净额及长期股权投资净额。占总资产的比重予以表示。对于非金融企业金融渠道获利,采用公允价值变动损益、投资收益及其他综合收益之和与营业利润的比值予以表示。如表3列(5)—列(6)所示,FM对金融资产持有份额(Finasset)和金融渠道获利(Finpro)的影响系数均显著为正,表明金融错配程度加深能够显著提升非金融企业“脱实向虚”水平,强化了企业间及企业与金融机构间的信用风险关联。因此,金融错配程度的加深,会通过推升非金融企业“脱实向虚”这一渠道来提高其系统性风险。

(三)稳健性检验

1、替换核心变量的度量方式

对于被解释变量的潜在度量误差,本文采用如下方式进行再检验:一是将基准回归中的MES年度算术平均值替换为MES的年度中位数;二是借鉴杨子晖等的研究,[27]采用主成分分析法,并基于VaR、ΔCoVaR及MES三个指标,构造合成系统性风险指标Comrisk。相较于单一指标,基于不同测度方法所构建的综合指标具有更好的预测能力。[28]表4第(1)和第(2)列的回归结果显示,FM的系数依然显著为正,进一步证实了基准回归结果的稳健性。

表4 稳健性检验一:替换核心变量及考虑地区差异

对于解释变量的测量误差,本文进一步采用企业资金使用成本与行业平均资金使用成本的比值来刻画金融错配。此外,借鉴邵挺的研究,[2]采用企业资金使用成本与资产收益率、资产负债率、前十大股东持股比例、Z值的回归残差作为金融错配的替代变量。表4第(3)和第(4)列的回归结果显示,金融错配的替代性指标FM1、FM2对非金融企业系统性风险的影响系数均显著为正,表明了基准回归结果的可靠性。

2、考虑地区差异

为了控制更多的混杂因素及其他可能存在的遗漏变量,本文在基准回归(1)的基础上,进一步加入地区-时间固定效应与地区-行业固定效应,以分别控制行业和省份层面随时间变化的不可观测因素对非金融企业系统性风险的影响。表4第(5)—第(7)列的回归结果显示,FM的系数依然显著为正,再次证明了前文研究结论的稳健性。

3、剔除金融危机和股灾冲击

前文分析并未考虑样本期内与金融错配相关的其他同期冲击,如2008年金融危机和2015年股灾冲击。为控制这一问题,借鉴Cui等的研究,[29]本文构建了金融危机和股灾虚拟变量,具体度量方式为:关于金融危机的冲击,将2008—2009年取值为1,其余年份为0,以Crisis1表示;有关股灾的冲击,将2015—2016年取值为1,其余年份为0,以Crisis2表示。随后,在模型(1)中逐一加入金融错配与金融危机虚拟变量的交互项及金融错配与股灾虚拟变量的交互项以重新进行参数估计。如表5第(1)、第(2)列的结果所示,FM的系数仍显著为正,与基准回归结论相一致,表明本文的主要发现并非源于金融危机和股灾的冲击。

表5 稳健性检验二:剔除金融危机和股灾冲击及内生性处理

4、内生性处理

尽管基准模型(1)纳入了一系列控制变量和固定效应,但金融错配与系统性风险的关系仍可能因遗漏变量、反向因果而存在内生性问题。首先,非金融企业系统性风险也可能会影响到企业金融错配水平。为控制这一问题,对当期金融错配对上一期非金融企业系统性风险进行回归,提取回归残差项(R.FM)作为基准模型的核心解释变量并重新进行回归。由于回归残差项可认为是当期金融错配中不受上一期系统性风险影响的部分,因而以其作为解释变量可以控制系统性风险对金融错配产生的潜在影响。表5第(3)列显示,R.FM的系数在10%水平上显著为正,表明在控制了双向因果关系的干扰后,金融错配增加非金融企业系统性风险的结论仍然成立。其次,借鉴范合君等的研究,[30]采用企业金融错配与按行业和省份分类的金融错配指标均值差额的三次方作为工具变量。回归结果如表5第(4)、第(5)列所示,第一阶段工具变量FM_IV的估计系数显著为正,通过了相关性检验。此外,LM统计量对应的P值为0,通过了不可识别检验;WaldF统计量为3626.611,大于10%的临界值19.93,通过了弱工具变量检验。同时,第二阶段FM的估计系数依旧显著为正,表明在运用工具变量法控制内生性的前提下,金融错配增加企业系统性风险的结果仍然成立。

五、进一步分析

前文基准回归分析证实,金融错配程度的加深会显著提升非金融企业的系统性风险。值得注意的是,上述效应在不同情境下可能存在差异。下文将依据客户集中度、货币政策松紧度以及金融周期,以分组回归的方式来检验金融错配对非金融企业系统性风险的异质性影响。

1、客户集中度

客户集中度反映的是企业对客户的依赖度。从资金约束角度来看,客户集中度过高会产生资金侵占效应,即客户集中度较高时,客户会延长付款期限,导致供货商企业资金周转困难及坏账风险增加。从外部融资效率角度来看,供应链金融的应用会缓解企业的融资约束。客户集中度过高时,大客户会凭借其买方强势地位要挟供货商企业提供商业信用供给,这会恶化供货商企业的流动性水平,加剧企业的财务风险和经营风险。另外,银行认为高客户集中度企业的信贷回收风险会更高,使得银行在对此类企业进行信贷配给时制定更加严苛的限制性条款,从而导致企业受到银行信贷约束的可能性增加。[31]因此,本文预期,在客户集中度较高时,金融错配对非金融企业系统性风险的不利冲击更显著。本文采用前五大客户销售额占年度总销售额比例来衡量企业客户集中度,将高于行业客户集中度中位数的企业视为高客户集中度组,其余为低客户集中度组。表6列(1)—列(2)的分组回归结果显示,FM的系数在高客户集中度企业中显著为正,表明金融错配对非金融企业系统性风险的不利冲击在高客户集中度的企业中更明显。

表6 异质性分析

2、货币政策松紧度

货币政策作为宏观经济调控的主要工具之一,主要通过调节银行信贷的方式影响非金融企业。在货币政策紧缩时期,信贷资源减少,银行基于风险收益的权衡更愿意将信贷资金分配给具有政府隐性担保的国有企业,对私营企业获取信贷资源产生显著挤出效应,从而引致金融资源的低效配置。因此,本文预期,在货币政策紧缩时期,金融错配对非金融企业系统性风险的不利冲击会凸显出来。本文采用货币供应量M2同比增长率来衡量货币政策松紧程度,其值越高代表货币政策越宽松。基于此,以样本期内M2同比增长率的中位数作为分组依据,将高于M2同比增长率中位数的时期视为货币政策宽松期;否则为货币政策紧缩期。表6第(3)—第(4)列的分组回归结果显示,FM的系数在货币政策紧缩期中显著为正,证实了金融错配对非金融企业系统性风险的不利冲击在货币政策紧缩时期更为凸显。

3、金融周期

金融周期与系统性风险有着密切联系,在金融周期上行阶段,系统性风险逐步累积;在金融周期下行阶段,前期累积的风险通过杠杆与关联机制逐步暴露并实现。[16]现有研究表明,信贷顺周期是金融周期的重要形式,在金融周期上行阶段,信贷繁荣、规模不断增大,银行更愿意发放贷款;而在金融周期下行阶段,信贷规模紧缩、持续减少,银行会收紧信贷。这意味着,在金融周期下行阶段,企业金融错配现象会更加明显,企业面临的债务负担增加。因此,针对不同的金融周期阶段,金融错配对非金融企业系统性风险的不利冲击存在显著差异。本文将非金融企业部门银行信贷与国内生产总值的比值进行HP滤波处理,以其周期项来刻画金融周期。若周期项大于0,则意味着金融周期处于上行阶段;否则为下行阶段。表6第(5)—第(6)列的分组回归结果显示,FM的系数在金融周期下行阶段显著为正,证实了金融错配对非金融企业系统性风险的不利冲击在金融周期下行期更为凸显。

六、主要结论与政策建议

在当前我国金融资源配置的市场机制尚未健全的现实背景下,如何优化资源配置效率并提升金融服务实体经济的质效,对于完善货币政策调控以防范实体经济系统性风险具有重要现实意义。基于我国非金融企业部门客观存在的金融错配事实,本文以2007—2020年我国沪深A股非金融上市企业的年度数据为研究样本,实证检验了金融错配对非金融企业系统性风险的影响效应与作用机制。研究结果表明,金融错配通过加剧企业的过度负债、商业信用关联以及“脱实向虚”,显著提高了非金融企业的系统性风险水平。这一效应对于高客户集中度、货币政策紧缩期及金融周期下行期的企业尤为明显,意味着政府部门应更为关注特定企业部门及特定时期因金融错配而引致的非金融企业系统性风险上升的潜在威胁。

根据上述研究结论,本文提出以下几方面政策主张与建议。第一,系统性风险的监控防范不应局限于金融体系内部。当前,经济金融体系呈现出更为复杂的内在关联性,导致非金融企业的系统重要性逐渐加强。对于非金融企业的系统性风险监管也不容忽视,监管部门需将其纳入监管框架下,以构造更加完善的系统性风险监测机制。第二,针对我国金融体系存在的金融错配现象,政府部门应进一步推进金融体系改革,优化金融资源配置效率,防范化解系统性风险。一方面,减少政府干预,降低信贷配置的“所有制歧视”和“规模歧视”,确保稀缺的金融资源流向效率更高的企业;另一方面,完善相关金融体制机制,更好地发挥直接融资渠道的作用,降低非正规融资的可能性,改善中小企业融资难、融资贵的困境,进而有效减轻不同企业部门之间的金融错配。第三,在我国经济增长趋缓并面临下行压力的背景下,政策部门在进行宏观调控时,要增强宏观政策与实体经济发展之间的契合度,不能为了追求经济增长而倾向于过度宽松的政策调控,可考虑进一步提高政策适度性、政策连续性及政策前瞻性水平,提升政策的结构性调节功能,由此弱化相关企业部门之间的金融资源错配,从而减轻因过度负债、商业信用关联和“脱实向虚”的加剧而导致的非金融企业系统性风险上升的不利局面。