一、引 言
自2008年国际金融危机以来,世界各国纷纷采取宽松的宏观经济政策以提振经济增长。为应对金融危机的不利冲击,我国政府也采取了多轮宽松的货币政策和财政政策进行调控。2009年,我国新增人民币贷款约9.21万亿元,各项人民币贷款余额高达60.6万亿元。然而,在这一过程中,游离于监管体系之外的非正规金融也呈现较为快速的增长态势,仅以银行的“理财产品”和信托公司的“信托产品”定义的狭义影子银行规模就从2008年的2.18万亿元增长至2009年的3.31万亿元,增长率高达38.8%,占GDP比重约为8.9%。近年来,由于经济不确定性攀升、实体经济发展乏力以及实体收益率与金融业收益率差距较大,非金融企业不仅通过金融衍生品等参与金融市场投融资活动,也通过委托贷款、理财投资和非股权私募基金等形式从事影子银行业务,非金融企业影子银行化不断显现。截至2019年末,中国式影子银行规模高达84.80万亿元,占整个银行业信贷总额的62.21%,相较于2008年国际金融危机期间而言,影子银行规模增长了近39倍。与此同时,从非金融上市企业的财务统计数据可以发现,影子银行业务投资占总资产的比重约为19.07%,这在一定程度上说明影子银行业务已成为非金融企业的重要投资渠道。
虽然说影子银行作为一种金融中介,是金融体系不可或缺的一部分,但其在完善整个银行业融资渠道并满足企业融资需求的同时,也带来了诸多不利的经济后果。现有研究对影子银行及其经济后果的考察主要围绕商业银行的表外渠道展开,并形成如下三种观点:第一,影子银行不受巴塞尔协议的监管,由此会降低市场信息透明度并加剧不同主体之间的信息不对称,因而会导致金融摩擦不断加剧并进一步降低资源配置效率(Pozsar和Singh,2011;Allen等,2019)。第二,影子银行在降低信息质量的同时还会形成监管套利,因而极易在不同的经济主体和影子银行业务中形成隐性债务和担保网络,进而加剧系统性金融风险的演化与蔓延(王永钦等,2015;郭晔和赵静,2017)。第三,由于影子银行业务中的较多工具具有高杠杆率和期限错配等属性,其在实践操作中极易加剧金融风险的演化(Hsu和Moroz,2009;方意等,2019;司登奎等,2021)。
近年来,不少研究关注企业通过参与委托贷款等形式涉足影子银行业务,并重点围绕其演化成因及其所引发的“对外”经济后果展开讨论。其中,在影子银行业务的演化成因方面,现有研究发现融资约束不失为其中的重要因素。特别地,当企业面临较为严重的融资约束时,其倾向于通过支付较高的风险溢价获取资本(司登奎等,2020),由此会进一步加剧道德风险并促使企业追求高收益兼具高风险的金融投资活动。同时,出于“利润追逐”动机,非金融企业通过从事高风险、流动性较差、产品过度嵌套且隐蔽性较强的影子银行业务以匹配较高的融资成本。从这一角度来看,融资约束是非金融企业涉足影子银行业务的重要动机,同时也是影子银行规模扩大的重要驱动因素(Chen等,2018;彭俞超等,2018;Hachem和Song,2021)。
就企业涉足影子银行业务的经济后果而言,一方面,企业从事影子银行业务会通过加大信息不对称和监管难度降低货币政策调控的有效性(杜立和钱雪松,2021);另一方面,当企业涉足影子银行业务时,其所形成的风险会转嫁至承担债务和担保责任的金融机构,不仅会导致金融机构表内风险上升(Richard,2009),还会恶化金融机构的资产质量并加剧金融机构的挤兑风险(郁芸君等,2021)。换言之,非金融企业从事影子银行业务会加剧外部市场的风险溢出,由此会导致资本市场和金融系统之间的风险交叉传染并对实体经济的健康与稳定发展产生重大威胁。需要提及的是,由于影子银行业务不受监管,监管套利的存在会吸引实体企业降低主营业务投资,取而代之的是利用超募资金、股权创新、过桥贷款等多元化渠道从事收益率与风险均相对较高且隐蔽性相对较强的金融业务投资。特别地,与股权投资相比,作为债权投资的影子银行业务受到的保护相对较弱,因此,影子银行业务规模的急剧增长已成为制约新时期我国经济高质量发展的重要因素。
尽管上述研究对影子银行的演化成因和经济后果进行了多维度探索,并从不同视角为其提供了直接的经验证据。然而,一个重要方向似乎并未引起学界的足够重视,即非金融企业从事影子银行业务除了具有负的“外部”冲击之外,又会对其自身带来怎样的“反噬”效应呢?或者更直接地问,非金融企业从事影子银行业务又会对其自身的有序运营带来怎样的波动性冲击?非金融企业在从事影子银行业务之后,其自身的风险承担是否会发生根本性变化?正如前文所述,影子银行业务投资占企业总资产比重高达19.07%,在监管缺位的情形下,企业涉足影子银行业务会恶化企业的基本面并加剧其风险承担。特别地,由于实体企业是经济发展的重要支柱,其基本面的恶化会直接作用于企业的风险承担水平。需要提及的是,过度的风险承担不仅会影响企业的投融资决策,还会导致风险在跨部门、跨市场之间交叉传染,最终会对金融与经济稳定产生不利冲击。
与现有研究考察非金融企业从事影子银行业务对外部市场的经济影响不同,本文重点锚定作为投资端的影子银行业务所形成的“对内”经济后果,以非金融企业涉足影子银行业务之后会对企业自身带来的反噬作用为核心研究对象。具体而言,本文选择风险承担作为企业自身反噬效应的典型表征,围绕如下关键且具有重要现实意义的问题展开论证:非金融企业涉足影子银行业务是否会对其自身的风险承担带来“反噬”效应的不利冲击?如果是,那么其中的传导机制是什么?非金融企业投资影子银行业务对其自身所带来的“反噬”作用在不同的情景下又会呈现怎样的异质性特征?我国政府应当如何抑制影子银行业务的野蛮扩张以促进实体企业的有序运营?厘清上述问题,不仅有助于促进正规金融的充分与深度发展,还有利于从根源上遏制企业过度涉足影子银行业务,这对于健全影子银行治理的长效机制并维持金融市场和实体经济的平稳、健康及有序发展具有重要意义。
本文研究表明,非金融企业影子银行化存在反噬效应,即会显著加剧其自身的风险承担,且非金融企业涉足影子银行业务每增加1单位标准差,企业自身的风险承担将平均增加样本标准差的4.056%。通过替换影子银行业务的衡量指标、控制其他外生冲击、改变模型设定、变换参数估计方法以及控制内生性问题后,非金融企业涉足影子银行业务能够显著加剧其自身风险承担的结论依然稳健。在异质性分析上,影子银行规模扩张对企业风险承担的影响在信息不对称较高、公司治理较差、制度质量较低和投资机会较少的企业中更为显著。在作用机制上,非金融企业涉足影子银行业务并加剧其自身风险承担的途径是加剧非效率投资和恶化信息披露质量。
本文可能的创新点及边际贡献主要体现在:第一,以往研究就影子银行业务形成的风险主要聚焦于商业银行的表外业务渠道,即对商业银行表外业务监管不足所导致的金融机构风险增加,而本文则主要聚焦于影子银行作为非金融企业的一种重要投资渠道,重点探讨监管套利引发的企业过度涉足影子银行业务并进而形成的风险承担,能够丰富非金融企业从事影子银行业务投资对其自身反噬效应的研究。第二,现有研究较多基于“脱实向虚”的演绎逻辑来阐释企业从事金融业务投资所带来的潜在经济后果,但由于企业多元化且偏向房地产和金融等虚拟经济的投资行为均可归结为“脱实向虚”,这会导致企业“脱实向虚”的动机尤为复杂。以往文献主要梳理了包括建立商业帝国的委托代理行为、企业生命周期导致的业务转型、管理层短视等动机,而本文侧重于从表外业务监管不足所导致的影子银行业务投资利润率高于实体投资的角度予以分析,即监管套利,这具有更明确的学术和政策意义。第三,本文进一步指出了影子银行规模扩张会加剧企业风险承担的机制。事实上,企业风险承担加剧一方面源于业绩下滑,另一方面也源于管理层出于私利动机对不良信息的掩盖。遵照这一思路,本文深入探讨了影子银行业务扩张会通过降低投资效率和恶化信息披露质量渠道加剧企业风险承担,因而能为非金融企业涉足影子银行业务加剧其自身风险承担的反噬作用提供一种新颖而又客观的诠释。
二、理论分析与研究假说
诚然,融资约束较高和实体投资机会不足不仅是诱发企业涉足影子银行业务的潜在动机,而且是驱动影子银行规模扩张的重要因素(Wang等,2016;Chen等,2018;Hachem和Song,2021;司登奎等,2021)。一方面,出于“预防性动机”,较高的融资成本会促使企业减少周期较长、收益率较低的固定资产投资(孔东民等,2017;Chen等,2018;Hachem和Song,2021);另一方面,出于“利润追逐动机”,企业倾向于将有限的资本投入到收益与风险均相对较高、周期相对较短及产品过度嵌套的影子银行业务之中(Wang等,2016;Chen等,2018;Hachem和Song,2021;司登奎等,2021)。因此,“预防性动机”和“利润追逐动机”的双重叠加效果会驱使企业管理层改变实业投资在经营中的优先顺序,从而导致金融渠道获利占比较高,而实业投资率则会相对降低。从这一角度来看,非金融企业涉足影子银行业务会对其主营业务中的实体投资产生挤出效应,由此导致投资效率的下降。
毋庸置疑,影子银行业务并非实体企业的主营业务,如果越来越多的非金融企业热衷于参与影子银行业务,则在寻求金融渠道收益的过程中,极易忽视实体主营业务的存续和创新,不仅会对主营业务产生挤出效应,而且会抑制企业全要素生产率的提升,这又会在一定程度上恶化企业的外部融资环境。一方面,融资环境的恶化不利于企业获得稳定的资本以维持其有序运营,进而对其经营绩效和可持续发展产生潜在威胁;另一方面,当经营绩效下降时,企业的融资约束也会进一步加剧,迫于增加短期回报的压力,企业管理层更有动机投资收益率相对较高的金融业务,从而导致实体投资不足并引发投资效率下降,由此会进一步导致主营业务利润下降并通过资产负债表渠道加剧企业风险承担。基于此,本文提出如下研究假设:
研究假设1:影子银行规模扩张倾向于降低投资效率进而加剧企业风险承担。
作为商业银行部分功能的替代与补充,在绕开监管的同时,影子银行可以通过期限转换、流动性转换、杠杆交易、不完全信用风险转移等方式实现商业银行的部分信用和信贷扩张功能,并为高风险项目提供资本支持。然而,由于影子银行业务游离于监管体系之外,其在企业财务信息中无法得到较好的披露,因此会导致信息披露质量下降。由于上市公司所披露的财务报告是投资者最重要的信息来源之一,投资者不仅依赖于财务报告的信息对上市公司投资机会的潜在回报进行事前评估,而且还借助这些信息对资金使用情况进行事后监督(Beyer等,2010)。财务报告信息质量的下降不仅会使得股权投资者无法准确预测企业未来现金流,而且还会恶化企业的外部融资环境,进而会对企业的有序运营产生不利冲击。此外,由于影子银行业务背后还隐含着大量的隐性债务和担保网络,因此会进一步恶化信息披露质量。
信息环境和治理机制是企业风险承担演化的前提条件和制约因素。当影子银行规模扩张引发信息披露质量下降时,一方面投资者和管理层之间的信息不对称程度会增加,这无疑不利于企业形成稳定的流动性以促进其有序运营;另一方面,信息披露质量的下降还极易加剧企业管理层的逆向选择和道德风险。需要指出的是,当信息披露质量下降时,为避免管理层与投资者之间的潜在利益冲突,管理层通常会通过采取“捂盘”等行为来掩盖不良信息。不良信息无法得到有效披露不仅会进一步加剧投资者与企业之间的信息不对称程度,而且会引发股价的特质信息波动,由此会对资产负债表产生不利冲击,进而不利于企业的有序运营并加剧企业风险承担(Jin和Myers,2006;司登奎等,2021)。基于上述分析,本文提出如下研究假设:
研究假设2:影子银行规模扩张倾向于降低信息披露质量进而加剧企业风险承担。
三、模型设定与指标选取
(一)模型设定
由上述理论分析可知,非金融企业涉足影子银行业务会对其自身带来反噬效应,即非金融企业从事影子银行业务会加剧其自身的风险承担。为了检验上述研究假设,本文构建计量模型如式(1)所示:
$ Ris{k_{i,t}} = {\alpha _0} + {\alpha _1}Shado{w_{i,t}} + {\alpha _2}Contro{l_{i,t}} + {u_i} + {\gamma _t} + {\varepsilon _{i,t}} $ | (1) |
其中,下标i表示上市企业,t表示时期;Risk和Shadow分别代表企业风险承担和影子银行规模;Control为控制变量;
(二)指标选取与数据来源
表1汇总了本文涉及的主要变量及其相应的度量方式。对于被解释变量企业风险承担(Risk),本文借鉴苏坤(2016)的研究,采用息税前利润与年末总资产之比的三年滚动标准差来刻画。该值越大,表明企业风险承担越大;反之,该值越小,则表明企业的风险承担程度越小。
关于核心解释变量影子银行规模(Shadow)的计算,本文借鉴司登奎等(2021)的研究,采用委托贷款、委托理财和民间借贷三者之和衡量;同时,为弱化量纲对经济意义的影响,本文采用企业总资产对影子银行规模进行标准化。需要指出的是,本文通过手动查询沪深两市上市公司发布的委托贷款公告,并对委托贷款的规模、期限、利率和关联交易方进行了详细的统计。对于影子银行中的另外两个子指标委托理财和民间借贷,数据分别来自CSMAR数据库中的中国对外投资子数据库和上市公司资产负债表。
借鉴司登奎等(2021)、李小林等(2021)的研究,本文所涉及的控制变量及其度量方式阐述如下:(1)企业年龄(age),采用自然年与成立年之间的差额表示;(2)净资产收益率(ROE),采用净利润与平均股东权益之比表示;(3)资产负债率(leverage),采用企业负债总额与总资产之比刻画;(4)管理层持股比例(MH),采用企业管理层持股数量占总股本的百分比表示;(5)成长机会(tobin q),采用股票市值与债务总额之和占总资产的比例进行衡量;(6)前十大股东持股比例(top10),采用公司前十的股东持股份额之和表示;(7)机构投资者持股比例(insthold),采用机构投资者所持股份在总股本中所占比例表示。上述控制变量数据来源于CSMAR数据库。
基于数据的可得性和研究的时效性,同时考虑到2007年开始执行新会计准则,本文选择的研究样本为2007—2019年我国非金融类上市公司(不包含金融、保险和房地产公司)。为了避免异常值对实证结果的影响,本文对所有连续变量进行上下1%水平的缩尾处理。
变量符号 | 基本含义 | 度量方式 |
Risk | 企业风险承担 | 采用息税前利润与年末总资产之比的三年滚动标准差表示 |
Shadow | 影子银行化 | 采用委托贷款、委托理财和民间借贷三者之和衡量,并用总资产进行标准化 |
EFF | 非效率投资 | 根据Richardson(2006)计算的投资效率残差,并对其取绝对值(该值越大,投资效率越小) |
ANAR | 信息披露质量 | 采用分析师盈余预测偏差衡量信息质量(该值越大,信息质量越差;反之,则信息质量越好) |
age | 企业年龄 | 采用自然年与成立年之间的差额表示 |
ROE | 净资产收益率 | 采用净利润与平均股东权益之比表示 |
leverage | 资产负债率 | 采用企业负债总额与总资产之比衡量 |
MH | 管理层持股比例 | 采用管理层持股数量占总股本百分比表示 |
tobinq | 成长机会 | 采用(股票市值+债务总额)/总资产表示 |
top10 | 前十大股东持股比例 | 采用公司前十的股东持股份额之和表示 |
insthold | 机构投资者持股比例 | 采用机构投资者所持股份在总股本中所占比例表示 |
四、实证结果与分析
(一)影子银行业务与风险承担:基准回归结果
表2为影子银行规模影响企业风险承担的基准回归结果。从列(1)可以发现,当不纳入任何控制变量时,影子银行规模扩张对企业风险承担的影响系数为0.170。由于该系数为正且在5%的水平上显著,表明在不控制其他因素的情况下,影子银行规模扩张能够显著加剧企业风险承担,即非金融企业涉足影子银行业务会对其自身的风险承担带来显著的反噬作用。列(2)为纳入全部控制变量的回归结果,可以发现,非金融企业从事影子银行业务对其风险承担的影响系数依然显著为正,这意味着非金融企业涉足影子银行业务加剧其自身风险承担的结论稳健。该结果所隐含的潜在经济学意义可概述为,平均而言,非金融企业从事影子银行业务每增加1单位标准差,使得企业风险承担的提升幅度相当于样本标准差的4.056%(=0.197×0.245/1.190)。①从统计意义上看,影子银行业务每增加1单位,企业风险承担平均增加0.197单位。
(1) | (2) | |
Shadow | 0.170**(0.078) | 0.197**(0.085) |
age | −0.015 (0.027) | |
ROE | 2.048***(0.121) | |
leverage | 0.252***(0.061) | |
tobinq | 0.008(0.008) | |
top10 | −0.000(0.001) | |
MH | −0.352***(0.096) | |
insthold | 0.000(0.000) | |
截距项 | 17.885***(0.066) | 17.660***(0.259) |
时间效应 | 控制 | 控制 |
个体效应 | 控制 | 控制 |
Adj-R2 | 0.058 | 0.078 |
N | 24 456 | 22 044 |
注:小括号内数值为标准误;***、**和*分别表示在1%、5%和10%的水平上显著。下同。 |
(二)稳健性检验
1. 替换变量的度量方式、控制外生冲击与改变模型设定。对于影子银行规模的刻画,由于委托贷款在影子银行业务中占较大比重,同时考虑到民间借贷的隐蔽性较强,能够更好体现影子银行业务的属性特征,因此本文分别选取委托贷款和民间借贷作为影子银行规模的代理变量,并分别用总资产对其进行标准化处理。从表3列(1)与列(2)的回归结果来看,非金融企业涉足委托贷款与民间借贷业务对其自身的风险承担具有显著的正向影响(分别为0.414和0.595),表明在替换核心解释变量后,本文的核心结论依然稳健。
由于受到2008年国际金融危机的不利冲击,较多的企业无法从正规金融渠道获得流动性,此时企业会涉足不易受监管的影子银行业务,从而助推影子银行规模快速扩张,进而对企业自身带来不利的反噬后果。因此,为排除2008年国际金融危机对研究结果的干扰,本文对剔除2008年观测值后的样本进行参数再估计,结果如表3列(3)所示。可以发现,当控制2008年国际金融危机的冲击时,核心解释变量影子银行规模对企业风险承担的影响系数显著为正(0.180),表明非金融企业涉足影子银行业务对其自身风险承担的反噬效应不受其他外部冲击的影响。
此外,在前文的分析中,本文同时控制了个体固定效应和时间固定效应来考察影子银行规模扩张对企业风险承担的影响。为进一步体现实证结果的稳健性,本文对上述模型进行重新设定,具体而言,本文在上述模型中不控制企业个体固定效应和时间固定效应,结果见表3列(4)所示。不难发现,在改变模型的设定形式之后,核心解释变量的系数依然显著为正,表明影子银行规模扩张会显著加剧企业风险承担的结论具有稳健性。
(1) | (2) | (3) | (4) | |
委托贷款 | 民间借贷 | 控制金融危机冲击 | 改变模型设定 | |
Shadow | 0.414**(0.187) | 0.595***(0.137) | 0.180**(0.087) | 0.270***(0.077) |
截距项 | 17.821***(0.251) | 17.356***(0.273) | 17.852***(0.270) | 17.192***(0.085) |
控制变量 | 控制 | 控制 | 非控制 | 控制 |
时间效应 | 控制 | 控制 | 控制 | 非控制 |
个体效应 | 控制 | 控制 | 控制 | 非控制 |
Adj-R2 | 0.078 | 0.079 | 0.077 | 0.032 |
N | 22 044 | 22 044 | 21 031 | 22 044 |
2. 变换参数估计方法。为验证上述结论的稳健性,与前面采用普通最小二乘法进行参数估计不同,本文进一步采用广义矩估计(GMM)、广义最小二乘法(GLS)和极大似然估计(MLE)对非金融企业涉足影子银行业务的反噬作用进行再检验。如表4所示,在采用GMM、GLS和MLE方法进行参数估计时,核心解释变量影子银行规模对企业风险承担的影响系数均显著为正,表明非金融企业从事影子银行业务能够显著加剧其自身的风险承担,再次验证了前文结论的可靠性。此外,为弱化样本自选择对实证结果的干扰,本文还进一步采用自抽样法(Bootstrap)对样本随机抽样1 000次,并对抽样后的样本进行参数估计,研究结果依然表明非金融企业从事影子银行业务能够显著加剧风险承担的反噬效应。
(1) | (2) | (3) | (4) | |
GMM | GLS | MLE | Bootstrap | |
Risk(-1) | 0.946***(0.059) | |||
Shadow | 0.451***(0.143) | 0.167**(0.077) | 0.274***(0.077) | 0.197*(0.110) |
截距项 | 1.265(1.064) | 17.215***(0.077) | 17.187***(0.085) | 17.660***(0.392) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
时间效应 | 非控制 | 非控制 | 非控制 | 控制 |
个体效应 | 非控制 | 非控制 | 非控制 | 控制 |
Adj-R2 | 0.078 | |||
N | 18 308 | 22 044 | 22 044 | 22 044 |
3. 工具变量检验。本文可能面临如下两方面的内生性问题:一方面,企业自身的风险承担在短时间内可能不会立即消失,也即企业自身所面临的风险承担可能存在一定的延续性。对于风险承担水平相对较高的企业而言,其“利润追逐”动机可能相对较强,因而更倾向于主动投资收益率相对较高且隐蔽性相对较强的影子银行业务,由此会带来潜在的反向因果关系。另一方面,非金融企业涉足影子银行业务对其自身带来的反噬作用可能与未观测到的企业特征有关,即遗漏变量所带来的内生性问题。为此,本文借鉴Faccio等(2006)、权小锋等(2015)、彭俞超等(2018)的研究,采用同一行业内其他企业涉足影子银行业务的平均值(Shadow_IV)作为工具变量。本文选取该工具变量的合理性主要体现在以下两点:第一,在同一行业中,其他企业的影子银行业务会对本企业从事的影子银行业务产生溢出效应,也即满足相关性。第二,同行业内,其他企业从事的影子银行业务并不会直接对本企业带来反噬的不利后果,也即满足排他性条件。基于此,本文选取该工具变量并采用两阶段最小二乘法(2SLS)进行参数估计,结果如表5所示。其中,列(1)为第一阶段的回归结果,可以发现,工具变量的估计系数显著为正(0.179),且Wald F统计量为46.340,大于10,表明本文选择的工具变量与内生解释变量高度相关,不存在弱工具变量问题。列(2)汇报了2SLS第二阶段的回归结果,核心解释变量的系数依然显著为正。因此,上述结果再次为非金融企业从事影子银行业务会显著加剧风险承担的反噬效应提供了经验证据。
(1) | (2) | |
第一阶段 | 第二阶段 | |
Shadow | 3.518**(1.781) | |
Shadow_IV | 0.179***(0.026) | |
控制变量 | 控制 | 控制 |
时间效应 | 控制 | 控制 |
个体效应 | 控制 | 控制 |
F-test(1st stage) | 46.340 | |
LM统计量(p值) | 0.000 | |
N | 21 871 | 21 871 |
4. 倾向得分匹配检验。沿袭上述分析,一个自然被提及的问题是:投资影子银行业务的企业是否与没有投资影子银行业务的企业有本质的区别?特别地,投资影子银行业务的企业,其本身就可能存在加剧风险承担的特征性因素,换言之,在投资影子银行业务的企业中,可能存在与影子银行业务对风险承担相同作用的因素,即混同因素(Confounding Factor)的存在也会对本文的研究结果带来干扰。为此,本文需要从没有参与影子银行业务的企业当中选取一组与涉足影子银行业务的企业在主要财务指标上尽量相似的企业,构建对照组。借鉴彭俞超等(2018)、司登奎等(2021)的研究,本文采用前文控制变量中的关键指标,在计算倾向得分之后,进一步依据最邻近匹配的方法选取倾向得分最接近的样本。基于倾向得分匹配之后的新样本,本文分别采用不同模型设定形式实证检验非金融企业涉足影子银行业务对其自身的反噬作用,结果如表6所示。从中可以发现,在不同的模型设定形式下,核心解释变量影子银行业务对企业风险承担的回归系数均显著为正,进一步验证了非金融企业投资影子银行业务能够对其自身带来反噬作用的结论具有稳健性。
(1) | (2) | (3) | |
Shadow | 0.272***(0.077) | 0.362***(0.085) | 0.191**(0.086) |
截距项 | 17.195***(0.085) | 17.087***(0.097) | 17.680***(0.261) |
控制变量 | 控制 | 控制 | 控制 |
时间效应 | 非控制 | 非控制 | 控制 |
个体效应 | 非控制 | 控制 | 控制 |
Adj-R2 | 0.030 | 0.040 | 0.077 |
N | 21 849 | 21 849 | 21 849 |
五、进一步分析
(一)机制检验
影子银行业务影响企业风险承担的潜在机制是什么?结合前文理论分析可知,加剧非效率投资与恶化信息披露质量是影子银行规模扩张影响企业风险承担的重要作用渠道。其中,对于投资效率的测算,本文基于Richardson(2006)的方法计算投资残差,并对其取绝对值。该值越大,表明投资效率越低。特别地,在政策不确定性背景下,出于预防性动机,企业倾向于减少主营业务投资,这会降低企业的主营业务收入和经营绩效。与此同时,在融资约束不断收紧的情形下,出于利润追逐动机,企业在短期内倾向于从事收益率与风险均相对较高的金融业务投资,这极易导致企业的主营业务投资被挤出并伴随投资效率下降,由此会进一步加剧企业风险承担。最后,借鉴孔东民等(2019)、司登奎等(2021)的研究,本文采用分析师盈余预测偏差作为信息质量的代理变量。如果分析师盈余预测偏差较小,则表明信息透明度越高,此时的信息披露质量相对较高;反之,若分析师盈余预测偏差较大,则表明信息披露质量相对较低。
表7显示了非金融企业涉足影子银行业务影响其自身风险承担的机制分析结果。列(1)和列(2)显示了影子银行对企业主营业务投资效率的经济后果。不难发现,非金融企业涉足影子银行业务对其投资效率的影响系数显著为正(0.144),且投资效率对企业风险承担的影响系数也显著为正(0.173),意味着影子银行规模的扩张导致了企业主营业务投资效率(固定资产投资)的下降,并进一步引发主营业务利润率的下降,从而加剧企业风险承担,这说明企业在影子银行业务中的投资是一种直接的“脱实向虚”行为。影子银行的高收益和短期化特征驱使非金融企业降低对主营业务的关注,形成了企业金融化的动机,并导致主营业务投资效率的下降。
列(3)和列(4)进一步探讨了影子银行业务对企业信息披露质量的影响。实证结果表明,非金融企业从事影子银行业务对分析师预测偏差的影响系数显著为正(0.006),且分析师预测偏差对企业风险承担的影响系数也显著为正(2.888),这意味着非金融企业涉足影子银行业务会通过恶化信息披露质量进而加剧其风险承担的反噬效应。潜在原因可概述为,由于影子银行业务游离于监管体系之外,其在企业信息环境中尚未得到较好的披露,这会导致信息披露质量下降。信息披露质量的下降不仅会加剧各经济主体部门之间的信息不对称性,还会扭曲资本的流向和流量,并降低资本配置效率,进而无法为企业提供稳定的投融资环境,这无疑会对企业的有序运营产生不利冲击并加剧企业风险承担。
非效率投资渠道 | 信息质量渠道 | |||
(1) | (2) | (3) | (4) | |
EFF | Risk | ANAR | Risk | |
Shadow | 0.144***(0.049) | 0.006*(0.003) | ||
EFF | 0.173***(0.019) | |||
ANAR | 2.888***(0.446) | |||
截距项 | 0.087(0.184) | 18.576***(0.406) | 0.026**(0.011) | 18.018***(0.407) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
时间效应 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 |
Adj-R2 | 0.016 | 0.078 | 0.080 | 0.077 |
N | 15 417 | 15 354 | 13 507 | 13 442 |
(二)信息不对称视角
由于影子银行业务游离于监管体系之外,因此会导致信息无法较好地披露而加剧信息不对称,这无疑会影响股票价格的有效性并对企业风险承担产生影响。结合前文分析,本文推断影子银行规模扩张对企业风险承担的影响在信息不对称程度较高的企业中更明显。借鉴司登奎等(2021)的研究,本文分别采用分析师关注度和研报关注度衡量信息不对称程度。其中,采用一年内公司被分析师跟踪分析的数量刻画分析师关注度,并采用一年内公司被证券公司研究报告跟踪分析的数量刻画研报关注度。需要指出的是,被关注的数量越多,信息不对称程度越低。基于年度中位数分组的异质性分析结果如表8所示,非金融企业涉足影子银行业务的反噬作用在分析师关注度较低和研报关注度较低的分组中均显著为正,而在分析师关注度较高和研报关注度较高的分组样本中均不显著,这也进一步验证了非金融企业涉足影子银行业务所带来的反噬效应在信息不对称程度较高的样本中尤为明显。
(1) | (2) | (3) | (4) | |
分析师关注度较高 | 分析师关注度较低 | 研报关注度较高 | 研报关注度较低 | |
Shadow | 0.116(0.124) | 0.381***(0.142) | 0.173(0.123) | 0.417***(0.144) |
截距项 | 17.624***(0.367) | 17.684***(0.453) | 17.399(0.378) | 17.662***(0.441) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
时间效应 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 |
Adj-R2 | 0.077 | 0.078 | 0.078 | 0.082 |
N | 12 848 | 9 196 | 12 979 | 9 065 |
(三)公司治理视角
高效的公司治理能力有助于降低信息不对称并缓解委托代理问题,因而对于降低企业风险承担具有重要作用。为检验这一逻辑,借鉴Kim和Zhang(2014)、陆瑶等(2017)的研究,本文采用盈余管理水平刻画公司治理能力。同时,为了体现研究结果的稳健性,本文联合采用基本琼斯模型和修正琼斯模型对盈余管理水平进行度量。盈余管理水平越高,公司治理能力则越低;反之则越高。从表9可以看出,在盈余管理水平较高的样本中,非金融企业涉足影子银行业务对其自身风险承担的反噬效应显著为正(分别为0.390和0.376);而在盈余管理水平较低的样本中,非金融企业涉足影子银行业务对其自身风险承担的影响则不显著。该结果进一步印证了非金融企业涉足影子银行业务的反噬作用在治理效率较低的企业中更为明显。
(1) | (2) | (3) | (4) | |
基本盈余管理 | 修正盈余管理 | |||
高 | 低 | 高 | 低 | |
Shadow | 0.390***(0.126) | 0.017(0.141) | 0.376***(0.126) | 0.095(0.142) |
截距项 | 17.819***(0.348) | 17.115***(0.528) | 17.759***(0.343) | 17.652***(0.509) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
时间效应 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 |
Adj-R2 | 0.092 | 0.067 | 0.093 | 0.064 |
N | 11 739 | 10 305 | 11 755 | 10 289 |
(四)制度质量和投资机会视角
健全的制度基础及较高的市场化水平有助于促进企业有序运营(司登奎等,2021)。良好的市场竞争机制有利于形成健康稳定的金融市场,不仅可以优化银企关系,保障经济的平稳运行,还能提升金融服务实体经济的结构性调节功能。为此,本文借鉴樊纲等(2011)的研究,选取地区市场化水平作为制度质量的代理变量,②并基于年度中位数将其进行分组,以此考察影子银行业务投资对企业风险承担的影响在不同制度质量地区中是否呈现异质性特征。如表10列(1)与列(2) 所示,影子银行规模扩张对低制度质量地区的风险承担具有显著的加剧效应(0.259),而对高制度质量(高市场化)地区风险承担的影响则不显著。该结果符合经济学直觉,由于高市场化地区具有完善的制度体系,对于企业的健康发展具有重要的促进作用;而在低制度质量地区中,由于缺乏健全的制度环境,极易滋生企业寻租行为并降低其投资效率,进而会加剧企业风险承担的反噬效应。此外,上述结果也进一步证明了影子银行规模演化对企业风险承担的影响在制度质量存在差异的分组中具有显著的异质性。
诚如前文所言,投资效率下降是非金融企业涉足影子银行业务进而对其自身风险承担产生影响的重要机制。当面临实体投资机会不足的情形时,企业倾向于将有限的资本投向收益率相对较高的金融资产,由此会对实体主营业务投资产生挤出效应。特别地,当实体投资下降并伴随主营业务利润的减少时,企业风险承担会进一步加剧。基于此,本文认为非金融企业影子银行化对自身风险承担的反噬效应可能会因投资机会不同而存在异质性特征。为检验这一逻辑,本文借鉴刘贯春等(2019)、司登奎等(2021)的研究,采用销售收入增长率衡量企业的投资机会。如果销售收入增长率高于行业中位数,则表明投资机会较多;反之,则投资机会较少。如表10列(3)与列(4)所示,当投资机会较少时,影子银行业务规模扩张对企业风险承担的加剧效应显著且相对较大(0.254);而对于面临投资机会较多的企业而言,上述效应并不显著。这也进一步印证了在面临较差的外界投资环境时,影子银行规模扩张能够显著加剧企业风险承担的反噬效应。从这一角度来看,投资机会不足也是影子银行规模扩张影响企业风险承担的潜在重要因素之一。
(1) | (2) | (3) | (4) | |
高制度质量 | 低制度质量 | 投资机会多 | 投资机会少 | |
Shadow | 0.203(0.131) | 0.259**(0.122) | 0.213(0.132) | 0.254*(0.137) |
截距项 | 17.346***(0.341) | 17.338***(0.523) | 17.974***(0.339) | 17.486***(0.489) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
时间效应 | 控制 | 控制 | 控制 | 控制 |
个体效应 | 控制 | 控制 | 控制 | 控制 |
Adj-R2 | 0.094 | 0.071 | 0.092 | 0.065 |
N | 9 647 | 12 397 | 11 926 | 10 118 |
六、研究结论与启示
不同于现有研究聚焦于商业银行的表外业务,本文以非金融企业之间的“类金融”行为作为出发点,重点锚定非金融企业投资影子银行业务对其自身所带来的反噬作用。具体而言,本文基于企业风险承担视角,首先从理论层面解析了非金融企业投资影子银行业务如何对其自身形成潜在的反噬作用,并从投资效率与信息披露质量双重视角给予机制层面的诠释;随后,以2007—2019年非金融上市公司为研究样本,实证检验了影子银行规模扩张对企业风险承担的影响,并围绕信息不对称、公司治理、制度质量和投资机会等层面展开多维分析,以考察非金融企业涉足影子银行业务影响其自身风险承担的异质性特征。
本文的研究结果表明,非金融企业涉足影子银行业务的确会对其自身带来非常明显的反噬效应,且非金融企业涉足影子银行业务每增加1单位,企业自身风险承担将平均增加0.197单位。通过替换核心解释变量、控制其他冲击、改变模型设定、变换参数估计方法和控制内生性问题后,非金融企业涉足影子银行业务会对其自身形成反噬作用的结论依然稳健。在异质性分析上,影子银行规模扩张对企业风险承担的影响在信息不对称程度较高、公司治理较差、制度质量较低和投资机会较少的企业中更为显著。进一步的作用机制检验表明,非金融企业从事影子银行业务会降低投资效率并恶化信息披露质量,由此会加剧企业风险承担。
根据上述研究结论,本文提出如下政策建议:第一,由于非金融企业涉足影子银行业务会通过挤出主营业务投资、降低投资效率而对企业带来反噬的不利后果,因此需要政府和企业共同施策予以应对。对于政府而言,应着力完善实体投资环境,积极引导经济活动重心从“虚拟经济”向“实体经济”过渡,即扭转资本的“脱实入虚”态势,提高企业的主营业务投资及主营业务利润,这对于降低企业风险承担具有重要作用。而对于企业而言,应主动减少从事高风险的地下金融投融资活动,将有限的资本配置到具有长远发展意义的主营业务上,避免由于短期实体经济收益率较低而追求收益率相对较高且隐蔽性较强的高风险影子银行业务,特别是避免陷入成本与风险均相对较高的不良循环中。这对于促进实体企业健康、有序发展具有帕累托改进效应,因而具有非常重要的实践指导意义。第二,由于信息披露质量恶化所引起的信息不对称是非金融企业涉足影子银行业务对其自身产生反噬作用的另一重要机制,因此政府应加强功能性金融监管,增强公司信息披露质量,降低投资者、企业、市场与监管部门之间的信息不对称程度,特别是可考虑健全第三方评级机构的引入机制,进而从政策操作层面上避免企业以地下投融资等非合规渠道开展影子银行业务所引致的风险积聚等问题。第三,由于非金融企业涉足影子银行业务对其自身的反噬效应在低制度质量地区和投资机会较少的样本中表现更明显,因此决策部门应持续深化金融改革,完善要素价格市场化体制机制,消除因监管套利所形成的影子银行业务超额收益,依据经济发展的特征事实而采取有效的宏观调控政策。比如,以定向政策抑制金融机构对金融化企业的资金供给,并从源头上维持信贷最优规模、提升信贷质量以及优化信贷配置的最优结构,纾解资源错配并降低金融摩擦,进而最大程度地发挥金融服务实体经济的结构性调节功能。
① 0.245为经总资产标准化之后的影子银行规模的标准差,1.190为企业风险承担的标准差。限于篇幅,本文未将变量的描述性统计放在正文中,可参见工作论文或向作者索取。
② 樊纲等(2011)的研究发现,市场化程度较高的地区,其制度质量也相对较高,因此我们采用市场化指数间接反映地区制度质量。
[1] | 杜立, 钱雪松. 影子银行、信贷传导与货币政策有效性——基于上市公司委托贷款微观视角的经验证据[J]. 中国工业经济, 2021(8): 152–170. DOI:10.3969/j.issn.1006-480X.2021.08.009 |
[2] | 樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究, 2011(9): 4–16. |
[3] | 方意, 王晏如, 黄丽灵, 等. 宏观审慎与货币政策双支柱框架研究——基于系统性风险视角[J]. 金融研究, 2019(12): 106–124. |
[4] | 郭晔, 赵静. 存款竞争、影子银行与银行系统风险——基于中国上市银行微观数据的实证研究[J]. 金融研究, 2017(6): 81–94. |
[5] | 孔东民, 刘莎莎, 谭伟强. 分析师评级与投资者交易行为[J]. 管理世界, 2019(1): 167–178. DOI:10.3969/j.issn.1002-5502.2019.01.011 |
[6] | 孔东民, 徐茗丽, 孔高文. 企业内部薪酬差距与创新[J]. 经济研究, 2017(10): 144–157. |
[7] | 李小林, 徐庆美, 司登奎, 等. 资本市场开放与企业投资结构偏向——来自“沪深港通”的经验证据[J]. 财经研究, 2021(12): 108–121. |
[8] | 刘贯春, 刘媛媛, 闵敏. 经济金融化与资本结构动态调整[J]. 管理科学学报, 2019(3): 71–89. DOI:10.3969/j.issn.1007-9807.2019.03.009 |
[9] | 陆瑶, 施新政, 刘璐瑶. 劳动力保护与盈余管理——基于最低工资政策变动的实证分析[J]. 管理世界, 2017(3): 146–158. |
[10] | 彭俞超, 倪骁然, 沈吉. 企业“脱实向虚”与金融市场稳定——基于股价崩盘风险的视角[J]. 经济研究, 2018(10): 50–66. |
[11] | 权小锋, 吴世农, 尹洪英. 企业社会责任与股价崩盘风险: “价值利器”或“自利工具”?[J]. 经济研究, 2015(11): 49–64. |
[12] | 司登奎, 李小林, 赵仲匡. 非金融企业影子银行化与股价崩盘风险[J]. 中国工业经济, 2021(6): 174–192. DOI:10.3969/j.issn.1006-480X.2021.06.010 |
[13] | 司登奎, 赵冰, 刘喜华, 等. 汇率政策不确定性与企业杠杆率[J]. 财经研究, 2020(12): 124–137. |
[14] | 苏坤. 国有金字塔层级对公司风险承担的影响——基于政府控制级别差异的分析[J]. 中国工业经济, 2016(6): 127–143. |
[15] | 王永钦, 刘紫寒, 李嫦, 等. 识别中国非金融企业的影子银行活动——来自合并资产负债表的证据[J]. 管理世界, 2015(12): 24–40. |
[16] | 郁芸君, 张一林, 彭俞超. 监管规避与隐性金融风险[J]. 经济研究, 2021(4): 93–109. |
[17] | Allen F, Qian Y M, Tu G Q, et al. Entrusted loans: A close look at China’s shadow banking system[J]. Journal of Financial Economics, 2019, 133(1): 18–41. DOI:10.1016/j.jfineco.2019.01.006 |
[18] | Beyer A, Cohen D A, Lys T Z, et al. The financial reporting environment: Review of the recent literature[J]. Journal of Accounting and Economics, 2010, 50(2-3): 296–343. DOI:10.1016/j.jacceco.2010.10.003 |
[19] | Chen K J, Ren J, Zha T. The nexus of monetary policy and shadow banking in China[J]. American Economic Review, 2018, 108(12): 3891–3936. DOI:10.1257/aer.20170133 |
[20] | Faccio M, Masulis R W, McConnell J J. Political connections and corporate bailouts[J]. The Journal of Finance, 2006, 61(6): 2597–2635. DOI:10.1111/j.1540-6261.2006.01000.x |
[21] | Hachem K, Song Z. Liquidity rules and credit booms[J]. Journal of Political Economy, 2021, 129(10): 2721–2765. DOI:10.1086/715074 |
[22] | Hsu J C, Moroz M. Shadow banks and the financial crisis of 2007-2008[A]. Gregoriou G N. The banking crisis handbook[M]. Boca Raton: CRC Press, 2009. |
[23] | Jin L, Myers S C. R2 around the world: New theory and new tests [J]. Journal of Financial Economics, 2006, 79(2): 257–292. DOI:10.1016/j.jfineco.2004.11.003 |
[24] | Kim J B, Zhang L D. Financial reporting opacity and expected crash risk: Evidence from implied volatility smirks[J]. Contemporary Accounting Research, 2014, 31(3): 851–875. DOI:10.1111/1911-3846.12048 |
[25] | Pozsar Z, Singh M. The nonbank-bank nexus and the shadow banking system[R]. IMF Working Papers WP/11/289, 2011: 1−18. |
[26] | Richard J R. Too much right can make a wrong: Setting the stage for the financial crisis[R]. WP 2009-18, 2009: 37-69. |
[27] | Richardson S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2): 159–189. |
[28] | Wang H, Wang H L, Wang L S, et al. Shadow banking: China’s dual-track interest rate liberalization[R]. Working Paper, Tsinghua-PBC School of Finance, 2016: 1−50. |