一、引 言
当前,中国企业面对严峻的国际贸易保护主义挑战,而且承担着供给侧结构性改革的重任。在此背景下,中国宏观经济政策不确定性升高,企业对宏观经济环境的适应能力降低,企业间的供应链风险增加。实践中,经常且非预期的宏观经济政策调整会使企业经营面临较高的不确定性,企业自身的经营风险和企业间的交易风险增加。从当前理论研究看,宏观经济政策不确定性会改变企业的外部经营环境,使其对未来难以形成稳定的预期,从而影响决策行为(Pástor和Veronesi,2013)。
为了减弱不确定性带来的不利影响,企业会通过多种渠道降低内部风险以对冲外部风险(饶品贵和徐子慧,2017)。现有研究表明,当经济政策不确定性上升时,高管变更频率降低(饶品贵和徐子慧,2017),企业间商业信用规模下降(王化成等,2016;陈胜蓝和刘晓玲,2018),企业会减少特定投资(Bernanke,1983),增加现金持有量(Bloom等,2007;王红建等,2014),调整资本结构(Zhang等,2015),减少并购(Bonaime等,2018)和创新(Bhattacharya等,2017)。
随着负面情绪的增加,市场变得脆弱和敏感,经济政策不确定性还会导致巨大的股价波动。这会增大企业IPO及再融资难度,阻碍全球贸易增长(许锐翔等,2018),产生经济衰退风险(Bloom,2009)。从政府优化经济治理看,贯彻新发展理念,需要创新和完善宏观调控有度的社会主义市场经济体制,健全财政、产业等经济政策协调机制(习近平,2017a),注重引导市场行为和社会心理预期,加强同市场行为主体的沟通融合(习近平,2017b)。
较高的宏观经济政策不确定性会对企业的正常经营行为及未来发展造成较大冲击,还可能会改变企业间的交易行为特性。但目前鲜有文献考察在宏观经济政策不确定性的影响下,企业交易行为的变化及其风险应对。鉴于此,本文基于宏观经济政策不确定性视角,考察了企业之间的关联交易行为特征及其变化规律,以期探索企业的政策适应性和抗风险性问题。同时,本文还希望从外部宏观经济政策不确定性视角,为企业关联交易行为是基于利益协同还是利益侵占,提供一些经验证据。
当宏观经济政策不确定性增加时,企业关联方既可能基于信息优势,以较低的交易成本(Friedman等,2003;Jian和Wong,2010)来帮助企业稳定经营业绩,发挥扶持之手的作用,也可能“浑水摸鱼”、“趁火打劫”,伸出利益攫取之手。本文以2007−2017年中国A股公司为样本研究发现,随着宏观经济政策不确定性的增加,上市公司的关联交易水平显著提高。影响机制检验发现,当上市公司存在控股股东股权质押、市场竞争激烈、融资约束严重以及财务困境问题突出时,宏观经济政策不确定性会导致更多的关联交易。这表明上市公司试图借助关联交易,减弱不确定性所造成的不利冲击,以期实现“乱中求稳,稳中取胜”。此外,不论公司信息质量好坏、外部监督制约机制强弱以及公司治理水平高低,宏观经济政策不确定性都显著且无差异地提高了关联交易水平。这表明关联方并没有利用关联交易,“浑水摸鱼”、“趁火打劫”,攫取企业利益。进一步研究发现,随着宏观经济政策不确定性的上升,利益流入型关联交易显著增加。这表明关联方帮助上市公司攻坚克难,实现平稳发展。最后,良好的法制环境和管理者的政治关联有助于减弱企业对关联交易行为的依赖。
本文可能的创新体现在:第一,从企业关联交易视角,为宏观经济政策不确定性研究提供了新的理论依据和经验证据。第二,关于关联交易,一些文献支持其“支持观”,但大多数研究倾向于支持“掏空观”。这可能源于现有研究没有充分考察宏观经营风险的变化。本文的研究有助于认识关联交易在特定经营环境下的潜在价值和可能的风险,也有助于监管部门制定更加有效的关联交易监管模式。第三,本文的研究对于探索如何贯彻新发展理念、构建现代宏观经济调控体系具有重要的参考意义。
二、理论分析与研究假设
作为上市公司交易行为的重要组成部分,关联交易在中国上市公司中具有普遍性,而且形式繁多。现有研究表明,关联交易是企业实施盈余操纵(Jian和Wong,2010;肖迪,2010)、掏空上市公司的重要途径(Kang等,2014;肖迪,2010),历来受到监管部门和投资者的关注。但不可否认的是,在企业经营过程中,关联交易也发挥着重要的作用。比如,关联交易有助于节约交易成本(Shin和Park,1999;Jian和Wong,2010),为上市公司提供支持(Friedman等,2003),这在一定程度上提高了市场效率。面对宏观经济政策不确定性,企业的决策行为受到影响,企业间的商业信用关系也会发生变化(王化成等,2016;陈胜蓝和刘晓玲,2018)。此时,关联交易行为究竟发挥了积极的支持作用,还是关联方攫取利益的手段?本文将从两个视角展开理论分析。
(一)关联交易的利益侵占视角
受宏观经济政策不确定性影响,企业的经营风险增加。为了支持企业发展,关联方可能通过关联交易进行利益输送,从而损害上市公司价值。为了降低不确定性及由此导致的潜在风险,企业会提高现金持有水平(王红建等,2014;李凤羽和史永东,2016),推迟项目落地时间(Bernanke,1983),减少对外投资(Gulen和Ion,2016;李凤羽和杨墨竹,2015;饶品贵等,2017)。这些行为会导致企业业绩下滑,使分析师更易负向调整盈余预测(陈胜蓝和李占婷,2017)。此外,有掏空动机的关联方可能利用不确定性环境所产生的“噪音”,通过增加关联交易,明则“共克难关”,推动上市公司发展,实则“暗度陈仓”,攫取上市公司利益,并最终将上市公司不良业绩表现归结于外部环境所致。
(二)关联交易的利益协同视角
第一,当宏观经济政策不确定性较高时,企业现金持有增加(王红建等,2014;李凤羽和史永东,2016),正常的经营和投资行为受到影响(Bernanke,1983;Gulen和Ion,2016;李凤羽和杨墨竹,2015;饶品贵等,2017),导致企业业绩下滑。①这可能导致企业被做空的风险,也会降低股东、管理层等利益相关者的预期收益。在这些不利因素冲击下,关联企业可能采用更多的关联交易,发挥“救火”的作用,支持上市公司渡过特殊时期。
第二,由于存在信息不对称性,当宏观经济政策不确定性较高时,外部普通交易者很难识别企业业绩下滑是源于自身经营不善,还是宏观经济政策不确定性造成的,因而可能会缩减与目标企业的交易规模。王化成等(2016)、陈胜蓝和刘晓玲(2018)等发现,随着宏观经济政策不确定性的增加,企业商业信用规模显著降低。而关联企业具有信息优势(Shin和Park,1999;Friedman等,2003;魏志华等,2017),更可能伸出援助之手,维持既定的交易规模和经营业绩。
第三,宏观经济政策不确定性较高时,企业外部融资环境的不确定性也较高,金融机构可能发生惜贷行为(Baum等,2006),同时股票市场波动加剧(Baker等,2016),此时不是权益融资的最佳时间窗口。因此,企业极易陷入资金的流动性困境。Talavera等(2012)发现,银行贷款资本比和信贷规模会随经济不确定性及其波动性的增加而下降。但现有研究发现,企业融资水平会因集团化运作而得到提升(李焰等,2007)。关联交易能够实现资金在集团内的转移,扩大集团可控现金流(Shin和Park,1999;魏志华等,2017)。关联企业可能通过增加关联交易,如额外的关联方担保等,为上市公司提供融资支持,缓解暂时性的资金压力和融资风险(Jian和Wong,2010)。
基于以上分析,在宏观经济政策不确定性的影响下,不管是基于关联交易的“支持观”,帮助上市公司于“乱中谋求稳定发展”,还是基于“利益攫取”,达到“浑水摸鱼”的目的,关联交易都会显著增加。据此,本文提出以下假设:在其他条件不变时,随着宏观经济政策不确定性的增加,上市公司的关联交易水平会显著提高。
三、研究设计
(一)样本数据
本文以2007—2017年中国A股公司作为初始样本,然后剔除了金融类上市公司和数据缺失的样本,最后得到23 498个公司年度观测值。中国宏观经济政策不确定性数据来自Baker等(2016)的研究,关联交易数据来自CSMAR数据库并经手工整理,公司财务数据来自CSMAR数据库,宏观经济数据来自WIND数据库。为了减少极端值的影响,本文对所有连续变量进行了上下1%的缩尾处理。
(二)变量选择
1. 被解释变量:关联交易(RPT)
证监会曾发文要求上市公司披露报告期内发生的重大关联交易,之后出台的多次修订稿进一步做出了规范和要求。参考汪健和曲晓辉(2014)以及魏志华等(2017)的研究,本文选取上市公司披露的各类关联交易的发生额来度量关联交易,并使用总资产进行标准化处理。在稳健性检验部分,本文调整了关联交易的度量方法。
2. 解释变量:中国宏观经济政策不确定性(EPU)
参考李凤羽和杨墨竹(2015)、饶品贵和徐子慧(2017)等研究,本文采用了Baker等(2016)开发的中国经济政策不确定性指数。②由于原始数据为月度数据,本文采用一年内12个月的几何平均数作为年度变量并除以100(孟庆斌和师倩,2017)。在稳健性检验部分,本文调整了中国宏观经济政策不确定性的度量方法。
3. 控制变量
借鉴现有研究,本文控制了以下公司特征变量:公司规模(Size,公司年末总资产取自然对数)、资产利润率(Roa,净利润与总资产之比)、企业杠杆率(Lev,企业负债总额与总资产之比)、营业收入增长率(Growth,(本期营业收入−上期营业收入)/上期营业收入)、公司成立时长(Fage,公司成立日到当年年末总天数的自然对数)、账面市值比(Bm,资产总额与市值之比)、董事会规模(Board,董事会人数的自然对数)、管理层持股(Msh,管理层持股数量与总股本之比)、第一大股东持股比例(Shrcr1)、第二至第十大股东持股比例(Shrs)以及独立董事比例(Indp_B)。同时,企业关联交易行为不仅受到宏观经济政策不确定性的影响,还可能与宏观经济发展状况、非宏观经济政策不确定性以及企业自身发展不确定性等因素有关。因此,借鉴Gulen和Ion(2016)、Bhatta-charya等(2017)等研究,本文还控制了以下变量:宏观经济发展状况(GDP_G,企业所在省份当年人均GDP增长率的年度变化率)、失业变动率(Uem,企业所在省份当年城镇登记失业率的年度变化率)、固定资产投资变动率(Fai,企业所在省份当年全社会固定资产投资完成额增长率的年度变化率)、股票波动率(Srv,年度内经市场收益率调整后的公司股票周收益率的波动率)以及企业盈利波动(Opv,公司营业净利率的季度波动率)。最后,本文还控制了行业(Ind)与年度(Year)虚拟变量。
(三)模型设定
为了检验研究假设,本文考察了随着宏观经济政策不确定性(EPU)的增加,上市公司关联交易水平(RPT)的变化情况,模型设定如下:
$ RP{T_{i,t}} = \alpha + {\beta _1}EP{U_{i,t}} + \gamma Control\_{variable{s_{i,t}}} + {\varepsilon _{i,t}} $ | (1) |
其中,RPTi,t为上市公司的关联交易水平,EPUi,t为宏观经济政策不确定性指数,Control_variablesi,t为控制变量,εi,t为残差项。若研究假设成立,则系数β1为正,表明随着宏观经济政策不确定性的增加,上市公司的关联交易水平显著提高。回归标准误经公司层面聚类(Cluster)处理。
四、实证结果分析
(一)描述性统计与相关性分析
描述性统计结果显示,关联交易规模占总资产比重的均值为0.349,方差为0.464,最大值为2.824。宏观经济政策不确定性指数的年度均值为1.893,方差为0.967。这说明中国宏观经济政策具有较高的不确定性,且在样本期内具有一定的波动性。相关性分析显示,宏观经济政策不确定性(EPU)与关联交易规模(RPT)、是否存在关联交易(RPT_D)以及关联交易次数(RPT_N)的Pearson与Spearman相关系数都显著为正。这说明在不考虑其他因素影响时,宏观经济政策不确定性越高,上市公司越有可能进行关联交易,初步支持了研究假设。③
(二)基本回归分析
表1报告了假设检验结果。列(1)只控制了行业与年度固定效应,列(2)加入了控制变量。宏观经济政策不确定性(EPU)的系数在1%的水平上显著为正。④这支持了研究假设,表明随着宏观经济政策不确定性的增加,上市公司的关联交易水平显著提高。关联交易增加是源于“扶持之手”还是源于“攫取之手”,需要进一步探讨。
(1)RPT | (2)RPT | |
EPU | 0.039*** (7.01) |
0.072*** (9.64) |
控制变量 | 控制 | 控制 |
Ind和Year | 控制 | 控制 |
N | 23 498 | 23 498 |
R2 | 0.019 | 0.130 |
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
(三)稳健性检验
1. 工具变量法
中国经济政策不确定性具有较强的外生性特征(Zhang等,2015)。企业之间的关联交易行为也很难对宏观经济政策不确定性产生显著的影响。但为了增强研究结论的可靠性,控制其他不易观察因素可能导致的内生性问题,本文选取工具变量法和外生事件影响分别进行检验和控制。
第一,借鉴Zhang等(2015)的研究,本文采用每年全国人民代表大会收到的人大代表议案数量的自然对数(Npc_P)作为工具变量。全国人大是我国最高国家权力机关,对我国宏观政策的制定和监督执行等存在实质性影响,而很多政策法规又源于人大代表提出的议案。因此,这些议案会影响我国的宏观经济政策,并在一定程度上增加其不确定性。而对于企业关联交易行为,这些议案具有一定的外生性。
第二,本文采用企业总部所在地区的主要政府官员变更作为工具变量。其原因在于,地区主要官员变更会带来新的执政理念。在新的岗位上,政府官员需要及时做出新的政绩,以彰显其卓越的治理才能。基于此,主要政府官员变更会使经济政策不确定性增加。而对企业关联交易行为而言,我国政府官员主要由上级任命,因此官员变更具有外生性。作为地方核心官员,省委书记或省长对省域经济政策的影响较大。因此,本文采用企业总部所在地区的省委书记或省长变更作为工具变量(设置虚拟变量Province_T,如果发生变更,则赋值为1,否则赋值为0)。
第三,参考彭俞超等(2018)的研究,本文采用美国经济政策不确定性(UEPU)作为我国政策不确定性的工具变量。其原因在于,美国宏观经济政策不确定性的增加会使中国采取政策措施予以应对,导致中国的宏观经济政策不确定性上升。因此,采用美国宏观经济政策不确定性作为工具变量,满足相关性的要求。而对中国企业的关联交易行为而言,美国宏观经济政策不确定性又具有一定的外生性。美国宏观经济政策不确定性(UEPU)的衡量方法为,年度内每月美国宏观经济政策不确定性数值的几何平均数除以100。工具变量回归结果见表2中列(1)和列(2)。
工具变量法 | 外生事件影响 | |||
(1) | (2) | (3) | (4) | |
第一阶段 | 第二阶段 | “十八大”前 | “十八大”后 | |
EPU | RPT | RPT | RPT | |
EPU | 0.055*** | 0.023*** | ||
(3.07) | (6.61) | |||
Npc_P | 0.413*** | |||
(17.93) | ||||
Province_T | 0.033*** | |||
(3.20) | ||||
UEPU | 2.057*** | |||
(127.34) | ||||
EPU_P | 0.0296*** | |||
(4.70) | ||||
控制变量 | 控制 | 控制 | 控制 | 控制 |
Ind和Year | 控制 | 控制 | 控制 | 控制 |
N | 23 489 | 23 489 | 8 142 | 15 356 |
R2 | 0.355 | 0.127 | 0.090 | 0.165 |
Chi2 | 40.52*** | |||
P值 | 0.00 | |||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
表2中列(1)显示,在第一阶段回归中,工具变量Npc_P、Province_T和UEPU的系数都显著为正。这表明人大代表提出的议案数增加、地区政府官员变更以及美国宏观经济政策不确定性上升都显著提高了我国宏观经济政策不确定性。列(2)显示,在第二阶段回归中,中国宏观经济政策不确定性预测值EPU_P的系数依然显著为正,与表1的检验结果一致。因此,工具变量法排除了潜在的内生性问题,进一步支持了本文的研究结论。
2. 外生事件影响
“十八大”之后,习近平总书记于2013年4月首次提到“宏观政策要稳、微观政策要活”的理念。此后,习近平总书记在《围绕贯彻党的十八届五中全会精神做好当前经济工作》报告中,进一步提到“考虑市场主体行为特点,增强政策透明度和可预期性,加强同市场行为主体的沟通融合”。可见,在“十八大”之后,面对供给侧结构性改革的重任,政府不断出台多项政策措施。在习近平新时代中国特色社会主义思想指导下,中国经济政策透明度将会提高,可预期性增强。本文预期,与“十八大”之前相比,“十八大”之后宏观经济政策不确定性对企业的负向冲击将会有所下降,从而关联交易发挥作用的空间缩小,企业对关联交易的依赖性可能降低。回归结果见表2中列(3)和列(4),EPU的系数都显著为正。卡方检验表明,“十八大”前后EPU的系数在1%的水平上存在显著差异,“十八大”之前宏观经济政策不确定性对上市企业关联交易的影响更加显著,这支持了上述推测。
3. 变换模型
为了减少不可观测因素对研究结论的影响,本文利用固定效应模型重新进行了检验。此外,为了控制估计偏差,本文还采用Tobit回归方法进行了稳健性检验。结果显示,EPU的系数都在1%的水平上显著为正,进一步支持了本文的研究结论。⑤
4. 调整关键变量的衡量方法
在Baker等(2016)的研究基础上,Huang和Luk(2019)采用多份不同报纸,衡量了中国经济政策不确定性,数据来源更加广泛。本文进一步采用Huang和Luk(2019)构建的中国经济政策不确定性指数(EPU_CP)进行了稳健性检验。结果显示,EPU_CP的系数依然显著为正。此外,本文还采用以下方法来衡量关联交易情况:(1)设置虚拟变量RPT_D,如果企业存在关联交易,则赋值为1,否则赋值为0;(2)采用关联交易次数RPT_N;(3)基于史永和李思昊(2018)等研究,使用营业收入对关联交易金额进行标准化处理(RPT2)。我们分别采用Logit、ordered Logit和上文回归方法,EPU的系数仍显著为正。⑥
五、影响机制分析
上文研究发现,随着宏观经济政策不确定性的增加,企业关联交易水平显著提高。在此背景下,关联交易增加既可能是关联方帮助上市公司实现平稳发展,也可能出于掏空上市公司的目的。为了探究哪一种机制发挥主导作用,本文分别从股东行为、外部环境和企业自身特征三个方面进行理论分析和实证检验。
(一)股权质押差异下的影响机制分析
股权质押会受到股票价值减损而被强制平仓的影响。受股权质押影响,相关股东对股价波动的敏感性上升。宏观经济政策不确定性增加时,现金流会减少,市场回报率下降(Brogaard和Detzel,2015),股价波动增加(Baker等,2016),从而导致股票质押风险上升。因此,在股权质押条件下,为了降低控制权转移风险,控股股东掏空上市公司的动机减弱(王雄元等,2018),而且受经济政策不确定性冲击,还可能通过关联交易等方式进行利益输送,为上市公司提供支持。
本文推测,如果关联交易的“扶持之手”假说成立,那么在控股股东股权质押的情况下,随着宏观经济政策不确定性的上升,关联交易增加会更加明显。而如果关联交易主要是伸出“攫取之手”,那么关联方尤其是控股股东更可能选择不存在质押行为时,利用经济政策不确定性,通过增加关联交易来攫取上市公司利益。本文借鉴杨鸣京等(2019)的研究,依据控股股东是否存在质押(S_pledge)将样本分为两组。回归结果见表3中列(1)和列(2)。
S_pledge | Lcom_N | HHI | ||||
(1) | (2) | (3) | (4) | (5) | (6) | |
无质押 | 有质押 | 竞争程度低 | 竞争程度高 | 竞争程度低 | 竞争程度高 | |
RPT | RPT | RPT | RPT | RPT | RPT | |
EPU | 0.035*** | 0.109*** | 0.060*** | 0.094*** | 0.052*** | 0.093*** |
(3.56) | (9.90) | (5.54) | (9.29) | (4.54) | (10.12) | |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Ind和Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 12 865 | 10 633 | 12 231 | 11 267 | 10 887 | 11 942 |
R2 | 0.137 | 0.136 | 0.128 | 0.146 | 0.133 | 0.159 |
Chi2 | 4.87** | 5.58** | 8.25** | |||
P值 | 0.03 | 0.02 | 0.00 | |||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
列(1)和列(2)显示,不管控股股东是否存在股权质押,EPU的系数都显著为正。组间卡方检验表明,EPU的系数在1%的水平上存在显著差异。这说明在控股股东股权质押的影响下,宏观经济政策不确定性导致了更多的关联交易。此时,关联交易主要发挥了“扶持之手”的作用。
(二)市场竞争差异下的影响机制分析
企业在制定经营战略、做出经营决策时,需要充分考虑外部市场环境和竞争对手等方面的变化情况。Grossman和Hart(2004)认为,竞争激烈行业中的企业遭遇破产清算的概率更高,这会激励管理层去扭转危机、化解破产风险。关联双方的信息不对称程度较低,在竞争激烈的市场环境中,关联交易有助于提高交易效率,为企业受到不确定性冲击时尽快调整、稳定经营提供便利。
本文推测,当市场竞争比较激烈时,如果宏观经济政策不确定性越高,企业的关联交易增加越明显,则表明关联交易更可能发挥了“扶持之手”的作用。而如果“攫取之手”假说成立,那么随着宏观经济政策不确定性的增加,关联方更可能在市场竞争压力较小时侵占上市公司的利益。本文借鉴伊志宏等(2010)、陈志斌和王诗雨(2015)等研究,采用赫芬达尔−赫希曼指数(HHI)和行业内上市公司数量(Lcom_N)来衡量市场竞争程度,根据年度中位数将样本分为两组。HHI指数越低,或者行业内公司数量越多,表示市场竞争越激烈。回归结果见表3中列(3)至列(6)。
列(3)至列(6)显示,EPU的系数都显著为正,表明不管市场竞争程度如何,经济政策不确定性显著提高了关联交易水平。组间卡方检验表明,EPU的系数在1%的水平上存在显著差异,即当市场竞争激烈时,EPU的系数更大。这表明在经济政策不确定程度较高时,关联交易主要发挥了“扶持之手”的作用。
(三)融资约束与财务困境差异下的影响机制分析
融资约束会制约企业发展。企业囿于有限的内部资金,又难以寻求外部帮助,就会出现融资约束问题。作为企业构建内部资本市场的重要途径,关联交易与集团其他成员在经营业务的各个环节产生联系,有助于缓解企业的融资约束(魏志华等,2017)。Shin和Park(1999)发现,得益于内部资本市场,财阀公司的融资约束程度较低。
如果融资约束只是限制了企业发展,那么财务困境将会导致企业生存危机。当出现债务履约风险,或者业绩持续下滑甚至出现亏损时,企业便陷入财务困境(吴世农和卢贤义,2001)。此时,企业更可能依赖关联交易等方式来摆脱财务困境(祝继高等,2015)。
本文推测,如果关联交易发挥了“扶持之手”的作用,那么当企业受到融资约束或者陷入财务困境时,随着宏观经济政策不确定性的增加,企业可能更加依赖关联交易。而如果关联交易是伸出“攫取之手”,那么关联方更可能在企业融资约束程度较低或者未陷入财务困境时,侵占上市公司利益。
本文借鉴Whited和Wu(2006)的研究,采用WW指数来衡量公司融资约束程度;⑦参考姜付秀等(2009)的研究,采用Z指数来反映企业财务困境。我们根据这两个指标的年度行业中位数将样本分为两组,回归结果见表4,EPU的系数显著为正。组间卡方检验表明,EPU的系数在1%的水平上存在显著差异。这证实了上述推测,说明关联交易主要发挥了“扶持之手”的作用。
融资约束 | 财务困境 | |||
(1) | (2) | (3) | (4) | |
WW指数低 | WW指数高 | Z指数低 | Z指数高 | |
RPT | RPT | RPT | RPT | |
EPU | 0.043*** | 0.103*** | 0.040*** | 0.103*** |
(3.84) | (9.80) | (3.84) | (10.20) | |
控制变量 | 控制 | 控制 | 控制 | 控制 |
Ind和Year | 控制 | 控制 | 控制 | 控制 |
N | 11 392 | 11 392 | 11 618 | 11 724 |
R2 | 0.149 | 0.149 | 0.111 | 0.121 |
Chi2 | 15.39*** | 20.40*** | ||
P值 | 0.00 | 0.00 | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
六、进一步研究
(一)宏观经济政策不确定性下的关联交易性质分析
为了更全面地考察在宏观经济政策不确定性下,关联交易中的利益变动特征,本文从以下方面做了进一步分析:
第一,根据关联交易中是提供还是接受交易,上市公司可被区分为处于“卖方”地位和“买方”地位两种情况。当上市公司处于“卖方”地位(即流入型关联交易)时,相关利益流入上市公司,关联交易为上市公司提供支持;而当上市公司处于“买方”地位(即流出型关联交易)时,相关利益流出上市公司,可能存在被掏空的情况(罗付岩,2014)。本文借鉴罗付岩(2014)等研究,设置了关联交易利益净流入变量NRPT,它等于关联交易利益流入金额减去利益流出金额后除以总资产。回归结果见表5中列(1)。采用关联交易中利益净流入额作为被解释变量时,EPU的系数显著为正。这表明随着宏观经济政策不确定性的上升,关联交易中相关利益流入上市公司中。此时,关联交易发挥了“扶持之手”的作用。
(1)NRPT | (2)Positive_N | (3)Positive | |
EPU | 0.018*** | 1.642*** | 1.621*** |
(3.47) | (21.09) | (21.00) | |
控制变量 | 控制 | 控制 | 控制 |
Ind和Year | 控制 | 控制 | 控制 |
N | 19 171 | 22 783 | 22 783 |
R2或Pseudo R2 | 0.032 | 0.064 | 0.126 |
注:列(1)括号内为t值,列(2)和列(3)括号内为z值。***、**和*分别表示在1%、5%和10%的水平上显著。 |
第二,为了检验上述结论的可靠性,本文基于上市公司关联交易信息披露情况,设置了变量Positive_N和Positive。其中,变量Positive_N表示会计年度内对上市公司存在积极影响的关联交易次数。如果会计年度内有关联交易对上市公司存在积极影响,则变量Positive赋值为1,否则为0。在关联交易信息披露中,如果有文字等信息显示“有利于”公司未来发展、盈利水平得到“提高”、“增加”抵御风险能力、“支持”公司发展等,则认为关联交易对上市公司存在显著的积极影响。本文以Positive_N和Positive作为被解释变量,EPU作为解释变量,分别采用ordered Logit和Logit方法进行了检验。回归结果见表5中列(2)和列(3)。可以看到,EPU的系数都显著为正,说明宏观经济政策不确定性提高了具有积极影响的关联交易概率和次数。这有助于维持上市公司的经营稳定性,推动其发展。
(二)降低企业对关联交易依赖性的机制分析
在宏观经济政策不确定性下,企业关联交易发挥了“扶持之手”的积极作用。但企业关联交易行为增加,会引起监管部门和投资者的广泛关注和怀疑,不利于塑造企业健康发展的市场形象,因而不应成为被推崇的交易手段。同时,在利益驱使下,关联方也可能逐渐出现自利性行为。因此,提高企业对经济政策不确定性的适应性和把控力,降低企业对关联交易行为的依赖性,具有重要的现实意义。
第一,随着经济政策不确定性的上升,企业在交易和投资中面临的违约风险增加。强化法制建设,降低契约执行风险,有助于保障企业的正常经营和投资行为。本文推测,当企业所在地区的法制环境较好时,宏观经济政策不确定性对企业关联交易的影响下降。本文根据企业总部所在地区的法律制度环境评价指数(王小鲁等,2017),基于年度中位数将样本分为两组。表6中列(1)和列(2)显示,EPU的系数显著为正。组间差异的卡方检验表明,如果企业处于较好的法制环境中,则宏观经济政策不确定性对企业关联交易的影响显著减弱,企业对关联交易的依赖性下降。
法制环境 | 政治关联 | |||
(1) | (2) | (3) | (4) | |
好 | 差 | 有 | 无 | |
RPT | RPT | RPT | RPT | |
EPU | 0.043*** | 0.073*** | 0.014 | 0.079*** |
(3.71) | (7.21) | (0.39) | (6.59) | |
控制变量 | 控制 | 控制 | 控制 | 控制 |
Ind和Year | 控制 | 控制 | 控制 | 控制 |
N | 9 381 | 13 438 | 5 442 | 13 797 |
R2 | 0.087 | 0.138 | 0.168 | 0.140 |
Chi2 | 3.99** | 2.79* | ||
P值 | 0.05 | 0.09 | ||
注:括号内为t值,***、**和*分别表示在1%、5%和10%的水平上显著。 |
第二,提高企业对经济政策的解读与预测能力,能够增强对宏观经济政策不确定性的免疫力。现有研究表明,政治关联不仅能够为企业带来资源,缓解企业的融资约束(于蔚等,2012),也能为企业提供政策信息,减弱政策不确定性的冲击(任宏达和王琨,2018)。比如,作为人大代表的企业管理者与政府和群众有更加广泛的接触,可以向相应层级的人民代表大会提出议案,并了解其他代表所提议案,从而有助于把握政策方向,提高对政策的预测力和适应性。本文推测,当企业管理者具有政治关联时,宏观经济政策不确定性对企业关联交易行为的正向影响会减弱。根据企业董事长或CEO是否曾在县级以上政府部门任职或担任人大代表等,本文将样本分为两组。表6中列(3)结果表明,当企业董事长或CEO存在政治关联时,宏观经济政策不确定性对企业关联交易行为没有显著影响,且根据卡方检验,与列(4)中无政治关联时的结果存在显著差异。这说明政治关联减弱了经济政策不确定性对企业关联交易的影响。
七、研究结论与政策建议
本文以2007—2017年中国A股公司为样本研究发现,经济政策不确定性会提高企业的关联交易水平。在采用工具变量法、考虑外生事件影响等稳健性检验后,上述结论依然成立。影响机制检验发现,上市公司试图利用关联交易,缓解宏观经济政策不确定性所造成的冲击,实现“乱中求稳,稳中取胜”。关联方并没有通过增加关联交易,“浑水摸鱼”、“趁火打劫”,攫取上市公司利益。进一步研究发现,随着宏观经济政策不确定性的上升,利益流入型关联交易显著增加。最后,良好的法制环境和管理者的政治关联有助于降低企业对关联交易行为的依赖性。
基于以上研究结论,本文得出以下启示:第一,贯彻新发展理念,加快完善社会主义现代市场经济体制建设,应该着力提高宏观调控的科学性,注重防范宏观经济调控的“突然袭击”、“翻云覆雨”等问题。政府部门应加强同市场行为主体的沟通,增加宏观经济政策的透明度和可预期性,提高经济政策的市场兼容性。第二,营造有利于企业经营的法制环境,降低宏观经济政策不确定性所导致的契约执行风险。第三,依法依规提高企业管理者对国家政治生活的参与度。第四,判断关联交易动机,需要结合特定的宏观环境及其风险,仅聚焦于企业自身行为特征变化,容易产生片面的认知。第五,在监管方面,应进一步健全关联交易信息披露机制,增强关联交易的可识别性和可跟进性,合理发挥关联交易的价值。
① 实证检验发现,随着宏观经济政策不确定性的上升,企业业绩显著下滑,两者呈现显著的负相关关系。
② 数据来源:http://www.policyuncertainty.com/china_monthly.html。
③ 受篇幅限制,文中未报告描述性统计与相关性分析结果,如有需要可向作者索取。
④ 受篇幅限制,文中未报告控制变量结果,如有需要可向作者索取。
⑤ 受篇幅限制,变换模型后的检验结果未在文中报告,如有需要可向作者索取。
⑥ 受篇幅限制,调整关键变量衡量方法后的检验结果未在文中报告,如有需要可向作者索取。
⑦ 本文还采用了KZ指数,研究结论保持不变。
⑧ 篇幅所限,排他性解释未在正文报告,如有需要,可向作者索取。
[1] | 陈胜蓝, 李占婷. 经济政策不确定性与分析师盈余预测修正[J]. 世界经济, 2017(7): 169–192. |
[2] | 陈胜蓝, 刘晓玲. 经济政策不确定性与公司商业信用供给[J]. 金融研究, 2018(5): 172–190. |
[3] | 陈志斌, 王诗雨. 产品市场竞争对企业现金流风险影响研究——基于行业竞争程度和企业竞争地位的双重考量[J]. 中国工业经济, 2015(3): 96–108. |
[4] | 姜付秀, 张敏, 陆正飞, 等. 管理者过度自信、企业扩张与财务困境[J]. 经济研究, 2009(1): 131–143. DOI:10.3969/j.issn.1673-291X.2009.01.057 |
[5] | 李凤羽, 史永东. 经济政策不确定性与企业现金持有策略——基于中国经济政策不确定指数的实证研究[J]. 管理科学学报, 2016(6): 157–170. DOI:10.3969/j.issn.1007-9807.2016.06.011 |
[6] | 李凤羽, 杨墨竹. 经济政策不确定性会抑制企业投资吗?——基于中国经济政策不确定指数的实证研究[J]. 金融研究, 2015(4): 115–129. |
[7] | 李焰, 陈才东, 黄磊. 集团化运作、融资约束与财务风险——基于上海复星集团案例研究[J]. 管理世界, 2007(12): 117–135. |
[8] | 罗付岩. 关联交易对公司投资是效率促进或利益冲突?[J]. 管理评论, 2014(1): 140–149. DOI:10.3969/j.issn.2095-3410.2014.01.020 |
[9] | 孟庆斌, 师倩. 宏观经济政策不确定性对企业研发的影响: 理论与经验研究[J]. 世界经济, 2017(9): 75–98. |
[10] | 彭俞超, 韩珣, 李建军. 经济政策不确定性与企业金融化[J]. 中国工业经济, 2018(1): 137–155. |
[11] | 饶品贵, 徐子慧. 经济政策不确定性影响了企业高管变更吗?[J]. 管理世界, 2017(1): 145–157. |
[12] | 饶品贵, 岳衡, 姜国华. 经济政策不确定性与企业投资行为研究[J]. 世界经济, 2017(2): 27–51. |
[13] | 任宏达, 王琨. 社会关系与企业信息披露质量——基于中国上市公司年报的文本分析[J]. 南开管理评论, 2018(5): 128–138. DOI:10.3969/j.issn.1008-3448.2018.05.014 |
[14] | 史永, 李思昊. 关联交易、机构投资者异质性与股价崩盘风险研究[J]. 中国软科学, 2018(4): 123–131. DOI:10.3969/j.issn.1002-9753.2018.04.012 |
[15] | 王红建, 李青原, 邢斐. 经济政策不确定性、现金持有水平及其市场价值[J]. 金融研究, 2014(9): 53–68. |
[16] | 王化成, 刘欢, 高升好. 经济政策不确定性、产权性质与商业信用[J]. 经济理论与经济管理, 2016(5): 34–45. DOI:10.3969/j.issn.1000-596X.2016.05.003 |
[17] | 汪健, 曲晓辉. 关联交易、资本结构与盈余管理——基于A股上市公司的经验证据[J]. 山西财经大学学报, 2014(12): 120–133. |
[18] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
[19] | 王雄元, 欧阳才越, 史震阳. 股权质押、控制权转移风险与税收规避[J]. 经济研究, 2018(1): 138–152. |
[20] | 魏志华, 赵悦如, 吴育辉. " 双刃剑”的哪一面: 关联交易如何影响公司价值[J]. 世界经济, 2017(1): 142–167. |
[21] | 吴世农, 卢贤义. 我国上市公司财务困境的预测模型研究[J]. 经济研究, 2001(6): 46–55. |
[22] | 习近平. 习近平谈治国理政(第二卷)[M]. 北京: 外文出版社, 2017a. |
[23] | 习近平. 决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利[R]. 中国共产党第十九次全国代表大会报告, 2017b. |
[24] | 肖迪. 资金转移、关联交易与盈余管理——来自中国上市公司的经验证据[J]. 经济管理, 2010(4): 118–128. |
[25] | 许锐翔, 许祥云, 施宇. 经济政策不确定性与全球贸易低速增长——基于引力模型的分析[J]. 财经研究, 2018(7): 60–72. |
[26] | 杨鸣京, 程小可, 钟凯. 股权质押对企业创新的影响研究——基于货币政策不确定性调节效应的分析[J]. 财经研究, 2019(2): 139–152. |
[27] | 伊志宏, 姜付秀, 秦义虎. 产品市场竞争、公司治理与信息披露质量[J]. 管理世界, 2010(1): 133–141. |
[28] | 于蔚, 汪淼军, 金祥荣. 政治关联和融资约束: 信息效应与资源效应[J]. 经济研究, 2012(9): 125–139. |
[29] | 祝继高, 齐肖, 汤谷良. 产权性质、政府干预与企业财务困境应对——基于中国远洋、尚德电力和李宁公司的多案例研究[J]. 会计研究, 2015(5): 28–34. DOI:10.3969/j.issn.1003-2886.2015.05.004 |
[30] | Baker S R, Bloom N, Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics, 2016, 131(4): 1593–1636. DOI:10.1093/qje/qjw024 |
[31] | Baum C F, Caglayan M, Ozkan N, et al. The impact of macroeconomic uncertainty on non-financial firms’ demand for liquidity[J]. Review of Financial Economics, 2006, 15(4): 289–304. DOI:10.1016/j.rfe.2006.01.002 |
[32] | Bernanke B S. Irreversibility, uncertainty, and cyclical investment[J]. The Quarterly Journal of Economics, 1983, 98(1): 85–106. DOI:10.2307/1885568 |
[33] | Bhattacharya U, Hsu P H, Tian X, et al. What affects innovation more: Policy or policy uncertainty?[J]. Journal of Finan-cial and Quantitative Analysis, 2017, 52(5): 1869–1901. DOI:10.1017/S0022109017000540 |
[34] | Bloom N. The impact of uncertainty shocks[J]. Econometrica, 2009, 77(3): 623–685. DOI:10.3982/ECTA6248 |
[35] | Bloom N, Bond S, van Reenen J. Uncertainty and investment dynamics[J]. The Review of Economic Studies, 2007, 74(2): 391–415. DOI:10.1111/j.1467-937X.2007.00426.x |
[36] | Bonaime A, Gulen H, Ion M. Does policy uncertainty affect mergers and acquisitions?[J]. Journal of Financial Economics, 2018, 129(3): 531–558. DOI:10.1016/j.jfineco.2018.05.007 |
[37] | Brogaard J, Detzel A L. The asset-pricing implications of government economic policy uncertainty[J]. Management Science, 2015, 61(1): 3–18. DOI:10.1287/mnsc.2014.2044 |
[38] | Friedman E, Johnson S, Mitton T. Propping and tunneling[J]. Journal of Comparative Economics, 2003, 31(4): 732–750. DOI:10.1016/j.jce.2003.08.004 |
[39] | Grossman S J, Hart O. Corporate financial structure and managerial incentives[R]. NBER Working Paper No.0398, 2004. https://www.researchgate.net/publication/5183123_Corporate_Financial_Structure_and_Managerial_Incentives |
[40] | Gulen H, Ion M. Policy uncertainty and corporate investment[J]. The Review of Financial Studies, 2016, 29(3): 523–564. |
[41] | Huang Y, Luk P. Measuring economic policy uncertainty in China[R]. Working Paper, Hong Kong Baptist University, 2019. |
[42] | Jian M, Wong T J. Propping through related party transactions[J]. Review of Accounting Studies, 2010, 15(1): 70–105. DOI:10.1007/s11142-008-9081-4 |
[43] | Kang M, Lee H Y, Lee M G, et al. The association between related-party transactions and control-ownership wedge: Evidence from Korea[J]. Pacific-Basin Finance Journal, 2014, 29: 272–296. DOI:10.1016/j.pacfin.2014.04.006 |
[44] | Pástor L, Veronesi P. Political uncertainty and risk premia[J]. Journal of Financial Economics, 2013, 110(3): 520–545. DOI:10.1016/j.jfineco.2013.08.007 |
[45] | Shin H H, Park Y S. Financing constraints and internal capital markets: Evidence from Korean ‘chaebols’[J]. Journal of Corporate Finance, 1999, 5(2): 169–191. DOI:10.1016/S0929-1199(99)00002-4 |
[46] | Talavera O, Tsapin A, Zholud O. Macroeconomic uncertainty and bank lending: The case of Ukraine[J]. Economic Systems, 2012, 36(2): 279–293. DOI:10.1016/j.ecosys.2011.06.005 |
[47] | Whited T M, Wu G J. Financial constraints risk[J]. The Review of Financial Studies, 2006, 19(2): 531–559. DOI:10.1093/rfs/hhj012 |
[48] | Zhang G L, Han J L, Pan Z Y, et al. Economic policy uncertainty and capital structure choice: Evidence from China[J]. Economic Systems, 2015, 39(3): 439–457. DOI:10.1016/j.ecosys.2015.06.003 |