债务期限错配抑制了高科技企业成长性吗

2020-12-11 09:14李红松李天宇
财会月刊·上半月 2020年11期

李红松 李天宇

【摘要】基于创业板上市公司2012 ~ 2018年面板數据, 采用固定效应模型实证分析债务杠杆和债务期限错配对高科技企业成长性的影响。 研究结果表明:当债务—资产期限配置向“短债长用”方向强化时, 可以有效促进高科技企业成长, 反之, 当债务—资产期限配置向“长债短用”方向强化时会抑制高科技企业成长; 债务杠杆变化对不同的成长性指标存在完全相反的影响; 在特定的杠杆区间内, 债务杠杆变化与债务期限错配改变之间存在一定程度的负面交互效应。 综合而言, “减杠杆”与强化“短债长用”错配组合最有利于高科技企业成长。

【关键词】债务杠杆;期限错配;企业成长性;高科技企业

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994(2020)21-0029-9

一、引言

债务与资产期限匹配是企业资本结构设计必须遵循的一项重要准则。 根据债务期限结构理论, 债务期限与资产期限匹配不仅可以降低债务代理成本和流动性风险, 还有助于解决投资不足问题。 然而, 现实中债务与资产期限错配问题不仅在国外企业中普遍存在, 在国内企业中也表现得非常严重, 企业普遍存在“短债长用”错配现象[1] 。

尽管发展战略差异、管理者非理性行为会导致企业债务期限结构配置差异, 但这并不能解释我国企业整体出现的严重错配。 Custodio等[2] 认为, 由于信息不对称, 银行作为信贷供给方, 为加强自身风险控制, 倾向于缩短贷款期限。 Segura和Suarez [3] 基于银行无限期决策模型证明了商业银行在面临流动性风险的外部性和再获得存款或融资约束时, 会尽可能缩短其债务期限。 此外, 基于交易成本及信息不对称理论, 短期债务成本相对较低, 高质量公司有能力承担短期债务资金的流动性风险压力, 并藉此向外界传递积极信号, 企业从降低债务融资成本角度出发有主动选择短期借款的动机。 与发达国家完善的资本市场下的企业不同, 我国企业的“短债长用”并非由长短期资金利差及成本驱动, 而是根源于金融市场结构不完备、利率期限结构不合理以及货币政策不稳定等制度缺陷[4] , “短贷长投”是企业为应对金融抑制的替代性机制, 并非出于降低融资交易成本目的的主动选择[5] 。

“短债长用”产生的投融资期限错配虽然暂时满足了企业的融资需求, 但可能会通过加剧经营风险、引发非效率投资、提高财务成本、减少研发投入等途径对公司业绩产生负面影响[5,6] 。 以短期债务为主导的期限结构安排往往更容易引发流动性风险, 导致企业经营困难、发展受限, 严重者甚至因资金链断裂而破产[7,8] 。 高科技企业资金密集度高、需要持续的R&D投入、高成长性与高风险并存等特征决定了其独特的资金运营规律。 鉴于高科技企业在实施国家创新战略中的重要地位, 研究债务期限结构错配对其成长性的影响, 不仅有助于企业防范债务风险, 而且有助于认识其成长规律。

本文可能的贡献主要体现在:第一, 学术界普遍认为, 我国企业“短债长用”错配并非出于降低融资交易成本目的的主动选择, 而是为应对金融抑制的一种替代性机制, 但本文研究发现这种错配更有利于高科技企业成长, 进而为“短债长用”错配现象普遍存在的合理性提供了新的证据; 第二, 学术界更多关注的是企业“短债长用”错配的风险及后果, 本文同时从“短债长用”及“长债短用”两种相反的错配类型出发, 考察了债务与资产期限结构错配对高科技企业成长性的不同影响机制; 第三, 在考察债务的经济后果时, 债务与资产期限错配通常被作为独立的债务风险因素对待, 本研究证实了两者在一定范围内对高科技企业成长也存在交互效应, 进而为合理利用债务杠杆与结构配置组合策略促进高科技企业更快成长提供了一种思路。

二、文献回顾

(一)债务期限错配的度量

债务期限结构是指不同期限债务的比例关系, 比例关系失衡意味着出现债务期限错配。 由于债务到期时间是一个变化的量, 这决定了债务期限结构属于动态存量, 如何度量一个报告期或经营周期内的错配状况较为困难。 学术界对于如何衡量债务期限错配并未形成一致的结论, 概括起来主要有以下三种方式。

1. 使用单一债务期限结构指标度量。 现有文献一般使用两种方式反映债务期限结构:一种是通过估计债务加权平均期限度量[9] ; 另一种是使用长短期债务的比例关系度量, 具体又可分为两种形式, 即流动负债或长期负债占债务总量之比或者流动负债与长期负债的比例[10] 。 从债务平均期限和债务比例关系视角反映债务期限结构, 尽管结果不可能完全一致, 但仍具有较高的相关性, 流动负债占比越高意味着债务平均期限越短。 从可操作层面而言, 使用流动负债或长期负债占比更为多见。 从债务期限结构角度反映错配, 最大的问题在于不能客观确定结构阈值, 只能通过横向和纵向比较加以主观判断。

2. 从债务与资产期限匹配角度度量。 债务期限结构理论要求债务期限与资产期限相匹配, 两者不匹配的状态称之为错配。 从债务与资产期限匹配角度反映错配也可概括为两类方式。 一类是基于债务与资产数量关系的比较, 李梦雅等[10] 使用流动负债与流动资产之比(等价长期负债与长期资产之比)反映; 白云霞等[4] 使用长期资金来源与长期资产的比例度量期限匹配程度; Berger和Bouwman[11] 在反映银行业流动性错配特征时使用流动负债与流动资产之差度量。 另一类是基于债务与资产结构匹配关系的比较, 比如, 刘晓光、刘元春[12] 选取企业短期负债比例与短期资产比例之差反映债务期限结构与资产期限结构的匹配情况。

按债务与资产的数量匹配关系度量错配类似于资产负债率的细分, 无法客观确定参照标准, 只能进行模糊考察。 按债务与资产的结构匹配关系度量时, 通常认为流动负债占比超过流动资产占比属于“短债长用”错配, 反之则属于“长债短用”错配。

3. 使用衍生替代指标度量。 上述兩种方式直接借助资产负债表中的负债与资产项目进行判断, 特点是计算方便且具有明确的经济意义, 但无法体现企业资金运营能力方面的异质性。 为此, Frank和Goyal[13] 提出采用股权融资弥补长期债务增量的不足部分(资金缺口)度量错配程度; 钟凯等[5] 将资金期限错配界定为企业利用短期资金支持长期投资活动, 在上述“资金缺口”的基础上进一步构建“短贷长投”代理变量反映债务期限错配程度; 刘晓光、刘元春[12] 在进行“短债长用”影响企业绩效的稳健性检验中, 也使用了这一替代性指标; McLean和Zhao[14] 通过使用“投资—流动负债”敏感性衡量企业长期投资对短期负债的依赖程度, 判断是否存在错配。

上述替代指标充分考虑了企业的异质性, 但计算相对复杂且主要针对“短债长用”或“短贷长投”类流动性风险错配, 未能兼顾与之相反的 “长债短用”类错配, 也存在一定的局限性。

(二)债务杠杆、债务期限与企业成长性

1. 债务杠杆与企业成长性。 MM理论认为, 考虑企业所得税时, 债务的税盾作用会降低公司的综合成本, 杠杆率越高则公司价值越大, 因此债务杠杆可以促进企业成长。 权衡理论强调, 负债既存在节税效应, 同时也产生财务困境成本, 边际节税收益等于边际破产成本时的负债率为公司最佳资本结构下的负债率, 此时公司价值最大。 代理成本理论认为, 企业存在股权与债务两类代理成本, 分别与负债率呈负相关和正相关关系, 对于成长机会不同的企业, 通过寻找总代理成本最小的最佳负债率, 可以实现绩效最大化。 信号传递理论认为, 由于信息不对称, 债务与股权融资分别向投资者传递了不同信息, 进而影响企业的市场表现。 控制权理论分析了企业资本结构安排如何通过关联治理结构进而影响企业价值和绩效。 不难看出, 基于不同视角, 不同的资本结构理论对债务杠杆与企业成长性间的关系存在不同认识, 现实中两者所表现出的关系是多种因素共同作用的结果, 研究者试图通过实证研究寻找是否存在有利于企业成长的最优杠杆或杠杆区间。

Lang等[15] 研究发现, 高托宾Q值公司的负债率与公司成长正相关, 而对于低托宾Q值公司, 债务率与企业成长性负相关。 Sabiwalsky[16] 的研究表明, 杠杆率与公司成长呈现非线性关系, 当负债的免税收益净现值与破产费用预期值的净现值之差最大时, 公司杠杆率达到最优。 Molinari[17] 研究发现, 债务率与企业成长性之间呈倒U型关系。 崔晓燕、王梅[18] 通过对国内制造业上市公司的研究也得出资产负债率与经营绩效之间存在倒U型关系的结论。

也有较多的实证研究表明, 债务杠杆对企业成长性仅存在正面或负面的单向影响。 Kaplan[19] 对美国公司的研究显示, 高负债率有助于公司绩效提升; Molinari等[20] 的研究也得出相同的结论; 国内学者吕长江、王克敏[21] 对我国制造业上市公司的研究同样表明负债率与公司成长性正相关。 而Mueller[22] 等对国外企业的研究显示, 负债率对企业成长存在抑制作用; 李军林等 [23] 、史永东等[24] 对我国上市公司的整体分析也得出负债率与企业成长性负相关的结论。

2. 债务期限配置与公司绩效。 围绕债务期限与企业绩效的关系, 现代资本结构理论认为, 债务与资产期限匹配被认为是债务期限配置最重要的决定因素之一。 Hart[25] 指出, 不同期限债务对公司治理和公司绩效存在完全不同的作用。 Barclay和Smith[26] 研究发现, 成长性不同的公司对长短期债务存在不同的偏好, 债务期限与成长机会存在反向关系。 Guedes和Opler[27] 的研究同样也证实了成长机会多的公司拥有更多的短期债务。 但Stohs和Mauer[9] 研究发现, 债务期限与成长机会并不存在显著相关关系。 国内研究方面, 肖作平[28] 认为, 有更少成长机会的公司通常有更多的长期债务; 与之相反, 李梦雅等[10] 研究发现, 债务期限对公司业绩存在显著的正面影响。

尽管现代资本结构理论认为债务与资产期限匹配有利于公司价值提升, 但这一主张在现实中并未得到印证, “短债长用”结构错配问题不仅存在于国外企业中, 在国内企业中甚至更严重。 为此, 研究者重点关注了债务期限错配的外部诱发机制以及风险治理途径。 此外, 债务期限错配的经济后果也属于国内外学者的关注焦点之一, 研究者重点讨论了债务期限错配对企业研发投入、投资效率、财务成本、资金链或流动性风险的影响。 刘晓光、刘元春[12] 首次对债务期限错配与企业盈利表现进行系统考察发现, 我国企业普遍存在“短债长用”现象, 这种错配强化了债务杠杆的消极影响, 并通过增加财务成本和降低研发投入两种途径恶化了企业绩效。

不难看出, 关于债务期限错配及其后果, 现有研究仍存在以下局限性:其一, 对债务期限错配的认识未能完全统一, 基于不同的度量指标和方法会得出不同的结论; 其二, 过多强调企业债务期限错配的风险后果, 忽视了效率损失的一面, 对“长债短用”这类反向错配的后果缺少关注; 其三, 对债务期限错配与债务杠杆的内生关系及其对企业成长的影响缺乏足够的认识, 更多的是从市场缺陷、外部政策出发探讨其发生机制。 本研究在明确债务期限错配度量方式的基础上, 充分考虑债务杠杆、债务期限配置的内生关系, 从债务期限错配的两种不同类型与债务杠杆不同组合角度探讨债务因素与高科技企业成长性的关系, 为企业制定成长战略和债务融资决策提供参考。

三、理论分析与研究假设

(一)债务杠杆与高科技企业成长性

现实中企业对负债率的选择主要基于财务风险和成本角度, 此外, 税率、市场利率、公司治理等内外部因素的影响在各种资本结构理论中被讨论, 而未来成长机会作为外生给定的影响因素被权衡理论和代理成本理论提及。 权衡理论认为, 当边际节税收益恰好与边际破产成本相等时, 公司价值最大, 此时的负债率即为公司最佳资本结构下的负债率, 据此推测, 存在能够促进公司成长的最优杠杆或杠杆区间。 代理成本理论认为, 股东、债权人和管理者目标不一致会导致股权代理成本和债务代理成本, 两者与负债率分别呈负向和正向关系, 对于存在不同成长机会的企业, 可以通过寻找最佳负债率, 使总的代理成本最小, 实现公司绩效和价值最大化, 因此, 成长性不同的企业存在不同的最优杠杆率。

对于高科技企业而言, 高杠杆可能通过提高利益关联方的风险补偿溢价以及抑制企业的创新投资激励等渠道恶化企业绩效[12] 。 一方面, 高杠杆使企业的债务违约风险上升, 债权人会要求企业支付更高的利息成本, 从而对绩效产生负面影响; 另一方面, 为了满足银行信贷对于抵押品的要求, 企业可能会增加可抵押的固定资产投资而减少知识导向的研发投资, 这将会限制企业的创新能力, 从而对企业绩效产生负面影响[29] 。 从高科技企业自身角度看, 提高杠杆加剧了未来的融资约束, 也会内在地抑制企业的研发投资, 不利于企业创新和绩效提升。 Aghion等[30] 认为, 包括研发在内的长期投资由于完工时间较长而存在较大的流动性风险, 当企业面临融资约束时将会减少长期投资, 导致更低的生产率。 Guariglia和Liu[31] 的实证研究也表明, 融资约束会显著抑制企业的研发投入, 对研发创新产生不利影响。 因此, 提高杠杆率可能通过增加财务费用和降低研發创新两方面对高科技企业成长性产生负面影响。 根据上述分析, 提出以下假设:

假设1:债务杠杆提高对高科技企业成长性存在负面影响。

(二)债务期限错配与高科技企业成长性

代理成本理论隐含的一个重要假设是, 具有更多成长机会的公司将发行更多的短期债或维持更短的债务期限。 Barclay和 Smith[26] 等学者的研究证实了成长性不同的公司对长短期债务存在不同偏好, 债务期限与成长机会存在反向关系。 Guedes和Opler[27] 的研究也证实, 有更多成长机会的公司通常拥有更多的短期债务。 新资本结构理论主要基于非对称信息条件下资本结构的治理效应及其对公司价值的影响角度分析企业债务期限选择。 Hart [25] 通过模型推导得出, 短期债务的治理效应优于长期债务, 短期债务使代理人面临更大的经营压力, 由此推测, 债务期限越短越有利于公司成长。

如果考虑债务与资产期限的匹配关系, 则存在债务期限错配问题, 债务期限结构理论主张债务与资产期限匹配有助于解决投资不足问题、降低代理成本和流动性风险, 有利于企业价值和绩效提升。 国外的大部分经验研究支持这一观点[26,27] 。 与国外企业不同的是, 我国企业普遍存在的“短债长用”错配现象, 是制度缺陷、市场不完善等外部因素导致的融资约束的替代机制, 而非企业降低成本的主动选择[5] 。 投融资期限错配的财务策略虽然对于降低融资交易成本具有积极效应, 但会带来经营风险加剧、非效率投资、财务困境成本提高等负面效应, 这些负面效应会抵消融资交易成本下降的积极效应, 对公司业绩产生不利影响。

不难看出, 债务期限错配对企业存在有利和不利两方面的影响, 其中流动性风险引发的负面效应被重点关注。 上市公司整体属于低融资约束企业, 从制度缺陷和市场不完善角度难以完全解释“短债长用”错配现象的普遍存在。 此外, 对高科技企业而言, 由于高成长与高风险并存, “短债长用”是否为高科技企业促进自身成长和业绩提升而主动采取的行为? 为此, 本文提出以下假设:

假设2:强化“短债长用”错配能有效促进高科技企业更快成长; 反之, 当“短债长用”错配向“长债短用”方向转化时, 则不利于高科技企业成长。

(三)债务期限错配与债务杠杆的交互效应

杠杆率反映了企业整体的债务风险, 债务期限错配可能延缓或加剧债务风险。 低杠杆下, 严重的“短债长用”错配可能引发较高的流动性风险, 强化债务杠杆的负面效应, 给企业绩效带来负面影响; “长债短用”错配则会弱化债务杠杆的正面效应, 导致效率损失, 两者均不利于企业成长。 在高杠杆情况下, “短债长用”错配会进一步加剧流动性风险, “长债短用”错配短期内能够缓解流动性风险, 弱化债务杠杆对企业成长的负面影响。 因此, 债务期限错配与债务杠杆间可能存在影响高科技企业成长性的交互效应。

实证研究方面, Johnson[32] 以财务杠杆和负债期限为内生变量建立联立方程模型, 研究发现公司成长能力对财务杠杆存在负向影响, 短期债务可以显著缓解成长能力对财务杠杆的负面影响; 徐尧等 [33] 认为, 紧缩的货币政策会加剧债务期限错配对企业绩效的不良影响, 在期限匹配程度处于较低水平时提高期限匹配程度可以改善企业绩效, 但过于提高期限匹配程度也会抑制企业绩效。 刘晓光、刘元春[12] 通过对我国企业债务与绩效关系的研究也首次发现, “短债长用”与杠杆率存在显著的交互效应, 弱化了债务杠杆的积极作用, 强化了债务杠杆的消极影响。 根据上述分析, 提出以下假设:

假设3:债务期限错配与债务杠杆存在影响高科技企业成长性的交互效应。

四、研究设计

(一)样本选择与数据处理

本研究所指高科技企业是指满足《高新技术企业认定管理办法》的规定, 获得高新技术企业资质认定的企业。 与非高科技企业相比, 高科技企业可以享受税收优惠, 在资金运营方面有一定的独特性。 由于深圳创业板95%的上市公司具有高新技术企业资质, 本研究以创业板上市公司为初始选样框, 去除其中的非高科技企业。 截至2019年年末, 创业板通过高新技术企业资质认证的公司有752家, 主要集中在制造业和信息技术业两大行业, 各有540家和142家, 占比超过90%, 以此为样本, 取样本公司2012 ~ 2018年共7个年度的财务报表数据进行研究。 为消除上市前后财务数据剧变对分析结果的影响, 取上市满两年后的年报数据, 即2018年财务报表数据针对2017年以前上市的样本公司, 以此类推。 同时剔除变量值存在缺失的数据, 对剩余数据按各主要连续变量(1%、99%)作缩尾处理, 共得到符合要求的数据1909组, 以此作为分析基础。 数据来源于WIND数据库。

(二)变量计算与说明

1. 因变量。 成长性的度量分单一指标度量和综合度量两种方式。 综合度量是采用某种方法通过一系列指标对成长性进行评价; 单一指标度量通常选取营业收入增长率、总资产或净资产增长率中的某个指标进行直接度量。 由于营业收入中不含无形资产处置利得和政府补贴等营业外收入, 而这两部分收入在某些高科技企业中占有一定比重, 因此, 对高科技企业而言, 使用营业收入增长率度量成长性并非最优选择。 鉴于本文主要研究债务因素对企业成长性的影响, 而总资产包含了负债, 使用总资产增长率度量成长性容易出现自我解释问题, 其效能不如净资产增长率。 本研究的主回归部分使用净资产增长率度量成长性, 稳健性检验部分使用总资产增长率和营业收入增长率替代, 同时使用因子分析法对上述三个成长性指标提取主成分进行综合度量。

2. 自变量。 本研究的影响变量为债务因素, 包括债务杠杆和债务期限结构配置。 债务杠杆使用资产负债率表示, 债务期限结构配置用于反映债务期限错配类型及程度, 也是本研究最为关键的变量。 反映债务期限错配需要将债务与资产的配置状况结合起来考虑。 刘晓光、刘元春[12] 使用流动负债占比與流动资产占比之差反映“短债长用”错配, 比其他度量方式更能反映错配本质, 本文借鉴这种做法, 使用流动负债占比与流动资产占比之差表示债务期限错配。 差值的理论分布区间为-100% ~ 100%, 大于0为“短债长用”错配, 小于0为“长债短用”错配。

3. 控制变量。 本研究的一个基本假设前提是, 企业成长是外部景气周期、差异性战略、核心能力等各种内外部因素综合作用的结果, 各因素对成长性的影响最终通过一系列资金运营得以实现, 因此, 不需要考虑公司治理等资金运营之外的其他因素。

已有研究文献表明, 盈利能力、资金周转效率、现金流量会影响企业成长性。 其中, 盈利能力通常使用净资产收益率和总资产收益率衡量; 资金周转效率选取净资产周转率和总资产周转率度量; 在各种现金流量指标中, 筹资现金流直接影响资产变化, 进而影响经营收入, 故选取筹资现金流与净资产之比和筹资现金流与总资产之比作为现金流贡献率变量。 此外, 企业规模可能影响企业成长性, 分别取净资产、总资产和营业收入的自然对数度量。 为了消除行业和不同年份的影响, 本文采用固定效应模型将行业和年份加以控制。 所有控制变量均采用比率或比值, 与债务变量和成长性变量形式统一, 可以在一定程度上消除异方差影响。 变量说明及计算方法见表1。

(三)回归模型

与已有文献在研究此类问题时自变量使用年末观察值或滞后一期观察值不同, 本研究通过观测自变量的变动(本期与上期之差)考察其对成长性的影响, 原因主要包括两点:其一, 资产和营业收入增长率作为因变量, 是整个会计年度资金运营累积的增量, 而年末的债务杠杆和结构属于时点变量, 未能反映资金运营的变化, 使用增量能够与因变量对应, 即研究杠杆率的变动(“加杠杆”或“减杠杆”)、“短债长用”错配程度提升或减轻对成长性的影响更符合逻辑; 其二, 使用增量可以在一定程度上消除债务变量之间的内生性对模型回归的不良影响。 为检验假设, 建立如下回归模型:

GROWTHit=α0+α1△LEVit+α2△DEASit+

α3△LEVit×△DEASit+βZit+γINDi+ηYEARt+εit

模型中:GROWTHit为i公司第t年的成长性; △LEVit和△DEASit分别代表i公司第t年的债务杠杆增量和债务期限错配增量, △LEVit×△DEASit为两者的交互项; Zit表示由4个控制变量组成的向量; INDi和YEARt分别表示行业和年份虚拟变量; εit为随机误差项。 利用该模型进行实证分析时, 采用逐步引入自变量的回归方式, 观察模型拟合优度的变化, 检验引入变量是否增强了模型的解释力, 通过考察各个自变量的显著性, 对所提出的各项假设进行检验。

五、实证结果与分析

(一)变量描述性统计

各主要变量的描述性统计结果见表2。 为了便于对债务期限错配程度的对比考察, 表2中同时给出了流动负债占比和流动资产占比两个变量的统计结果。

从净资产增长率代表的成长性看, 中位数为6.9%, 分布区间为-43.5% ~ 237.1%, 表明各高科技公司在成长性方面差异较大; 债务杠杆中位数为27.2%, 分布区间为4.4% ~ 70.5%, 相对于深圳主板上市公司51.1%的水平而言①, 整体处于较低水平; 流动负债占比中位数为91.2%, 上四分位数高达96.5%, 表明长短期债务比例严重失衡, 1/4的高科技公司几乎未配置长期负债。 从流动负债占比与流动资产占比之差衡量的债务期限错配分布看, 95.4%的公司大于0, 表明存在不同程度的“短债长用”错配, “长债短用”错配的比例仅占4.6%。 流动负债占比平均高出流动资产占比27.1%, 再结合整体27.2%的偏低杠杆率分析可见, 高科技上市公司普遍选择了“低杠杆”加“短债长用”错配组合策略。

(二)回归结果分析

Hausman检验结果支持选择固定效应模型。 依据回归模型, 采用变量逐步进入方式, 首先引入全部控制变量得到回归结果(1), 然后依次引入债务杠杆增量、期限错配增量及两者的交互项, 得到回归结果(2) ~ (4)。 回归结果(5) ~ (7)为在(4)的基础上根据杠杆率进一步分区间回归的结果, 划分区间的方法是按上期资产负债率的下和上两个四分位点依次分为低杠杆、适度杠杆和高杠杆三个区间, 回归结果见表3。

从全样本的四个回归结果看, 所有模型均显著成立, 模型拟合优度依次显著提升; 各变量系数无论符号还是大小均表现出较强的稳定性及抗干扰能力, 并且符合逻辑; 各变量的VIF指标低于1.5, 表明变量间不存在严重的共线性问题。 模型中两个债务变量表现出如下特点:所有回归结果中△LEV的系数均显著为负, 说明“加杠杆”会显著抑制净资产增长, “减杠杆”则会促进高科技企业净资产增长, 因此假设1得到验证, 这也印证了高科技企业杠杆率整体相对偏低的事实。 在所有回归结果中△DEAS的系数均显著为正, 说明提升“短债长用”错配程度有利于促进高科技企业成长, 反之, 当“短债长用”错配向“长债短用”反向变化时, 会抑制高科技企业成长, 假设2得到验证。 全样本中, 交互项未通过显著性检验, 这一点与R2未发生变化相一致。 进一步分区间考察发现, 除低杠杆区间交互项在0.1的水平上显著为负外, 在其他两个区间交互项不显著, 假设3部分通过检验。 这表明, 对于低杠杆高科技公司, 提升“短债长用”错配程度也可以在一定程度上强化“减杠杆”对公司成长性的正面影响, 或者说“减杠杆”可以强化提升“短债长用”错配对高科技公司成长性的正面影响。

四个主要控制变量在不同回归情形下也表现出高度的一致性和稳定性:净资产收益率和现金流贡献对净资产增长率存在显著的正面影响; 净资产周转率除低杠杆区间外对净资产增长存在显著的负面影响; 企业规模对成长性存在显著的负面影响, 符合Gibrat法则。

(三)稳健性检验

1. 使用成长性因子度量成长性。 对净资产增长率、总资产增长率和营业收入增长率变量组提取成长性因子, 用因子得分作为成长性变量值。 自变量不变, 从原控制变量组抽取相应因子作为控制变量因子。 因子分析评价效果的各项指标均较理想。 表4中回归(8) ~ (11)分别对应全样本及分区间回归, 结果表明, 全样本及各杠杆区间债务期限错配增量均显著为正, 与主回归结果完全一致; 债务杠杆增量除了低杠杆区间与主回归结果不一致, 其他三种情形均与主回归结果一致; 负面交互项效应进一步扩展到适度杠杆区间, 与主回归结果一致。 这表明, “减杠杆”和提升“短债长用”错配程度均可促进高科技企业更快成长, 并且由于负面交互效应, 还可以强化各自的正面影响, 这一结论与主回归一致。

2. 使用总资产增长率和营业收入增长率度量成长性。 为了便于与净资产增长率度量的成长性影响因素进行比较, 仍选取同类控制变量, 盈利能力、周转能力和现金流贡献相应改为总资产收益率②、总资产周转率和筹资现金流与总资产之比, 企业规模相应使用上期总资产和上期营业收入的自然对数, 年份和行业控制不变, 回归结果对应表4中的回归(12) ~ (19)。 结果表明:除1种情形外, 其余7种情形下△DEAS的系数仍然显著为正, 与主回归结果基本一致; △LEV的系数均显著为正, 表明“加杠杆”可以显著促进公司总资产和营业收入增长, 尽管与净资产增长率度量成长性的回归结果不同, 但符合变量计算说明部分的分析逻辑, 也与刘晓光、刘元春[12] 关于债务因素导致的不同经济后果的结论相吻合③; 交互项除高杠杆区间外, 均表现出程度不同的负面显著性, 与第1种稳健性检验结果一致, 说明“加杠杆”和提升“短债长用”错配程度可以相互抑制各自对总资产增长率和营业收入增长率的正面影响, 因而不能作为促进高科技企业成长的途径同时使用。

六、研究结论与启示

(一)结论

利用2012 ~ 2018年创业板高科技上市公司面板数据, 以流动负债占比与流动资产占比之差度量债务期限错配、以资产负债率表示杠杆率, 考察杠杆率及错配程度变化对公司成长性的影响。 研究结果表明:一是在不同的成长性度量方式下, 错配程度变化对成长性均存在显著的影响, 提升“短债长用”错配程度可以促进高科技企业成长, 反之, 当债务期限错配由“短债长用”向“长债短用”反向变化时, 会抑制高科技企业成长。 因此, 上市公司普遍存在的“短债长用”错配现象并非完全源于制度缺陷导致的被动降成本行为, 也有可能是高科技公司为促进自身成长而主动采取的举措, 这一结论为“短债长用”现象的普遍存在提供了新的证据。 二是杠杆率变化对不同的成长性指标存在不同影响, “减杠杆”有利于净资产增长率提升, “加杠杆”有利于总资产和营业收入增长率提升, 这种差异化的作用机制可能源于“加杠杆——总资产增加——营业收入增长”的逻辑链条, 而总资产和营业收入增长与净资产增长并不存在必然联系。 此外, 相比总资产和营业收入而言, 净资产增长属于公司内在价值提升, 选择“减杠杆”比“加杠杆”更符合公司股东利益, 高科技企业杠杆率整体偏低这一现实似乎也印证了这种选择。 三是杠杆增量和债务期限错配增量在一定范围内存在负面交互作用, 这表明, 杠杆率变化和债务期限错配程度变化可以强化或抑制各自对成长性的影响。 如果以净资产增长为目标, 则“减杠杆”和提升“短债长用”错配程度可以同时起到正面促进作用, 并产生正的交互效应; 如果以总资产和营业收入增长为目标, “加杠杆”和提升“短债长用”错配程度产生的负面交互效应会弱化各自的正面促进作用, 因而不能同时使用。 此时, “减杠杆”并提升“短债长用”错配程度与“加杠杆”并降低“短债长用”错配程度可以产生正面交互效应。

(二)启示

强化“短债长用”错配有利于促进高科技企业更快成长。 “短债长用”错配表现为流动负债占比与流动资产占比两种比例关系的失衡, 提高流动负债占比和降低流动资产占比是强化“短债长用”错配的两种方式。 负债作用于生产经营活动必须以资产为载体, 相比负债结构而言, 流动资产与长期资产不能相互替代, 配置比存在较强刚性, 因此, 提高流动负债占比成为强化“短债长用”最可行的方式。 尽管“短债长用”错配促进了企业更快成长, 但企业需要连续滚动短债以支撑长期投资, 因而面临较高的流动性风险。 引发风险的可能因素有:外部环境改变导致金融机构信贷收缩, 内外部突发事件冲击导致正常生產经营活动中断; 经营决策不当或判断失误导致资金回收不畅; 运营管理能力不足致使资金周转减慢、应收账款增加; 等等。 高科技企业在“短债长用”滚动操作中需要充分考虑上述风险来源, 并制定好相应的流动资金补充保障措施。

高科技企业基于自身发展战略, 对成长目标选择存在不同偏好, 如资产增长、收入扩大、利润增加等, 不同目标之间既有内在一致性, 也存在矛盾冲突, 需要在资金运营方面体现出差异。 从各成长变量共同存在的成长性因子角度考察成长性和从净资产增长率角度考察成长性, 则“减杠杆”与提升“短债长用”错配程度组合是有利于促进高科技企业更快成长的唯一最优选择; 从总资产增长率和营业收入增长率角度考察成长性, 则“加杠杆”和提升“短债长用”错配程度有利于促进企业成长, 但可能存在的负面交互效应制约了两者同时发挥作用, “加杠杆”与改善“短债长用”错配程度组合和“减杠杆”与提升“短债长用”错配程度组合可以达到同样的效果。 综合而言, “减杠杆”与提升“短债长用”错配程度兼顾了各方面的成长性, 将对高科技企业成长产生更全面和积极的作用。

【 注 释 】

① 依据深圳主板市场483家上市公司2018年指标值计算得出。

② 尽管使用资产盈利能力解释营业收入增长率存在因果倒置问题,但为了便于与其他成长性度量变量的回归结果比较,仍保留该控制变量。

③ 刘晓光、刘元春[12] 在分析债务杠杆的经济后果时发现,债务杠杆对总资产收益率和净资产收益率分别存在负面和正面影响。

【 主 要 参 考 文 献 】

[1] Fan J., Titman S., Twite G.. An international comparison of capi-tal structure and debt maturity choices[ J].Journal of Financial and Quantitative Analysis,2012(1):23 ~ 56.

[2] Custodio C., Fishman M., Laureano L..Why are U.S. firms using more short-term debt?[ J].Journal of Financial Economics,2013(1): 182 ~ 212.

[3] Segura A., Suarez J.. How excessive is banks' maturity transforma-tion?[ J].Review of Financial Studies,2017(10):3538 ~ 3580.

[4] 白云霞,邱穆青,李伟.投融资期限错配及其制度解释——来自中美两国金融市场的比较[ J].中国工业经济,2016(7):23 ~ 39.

[5] 钟凯,程小可,张伟华.货币政策适度水平与企业“短贷长投”之谜[ J].管理世界,2016(3):87 ~ 98.

[6] 马红,侯贵生,王元月.短贷长投对企业创新可持续性支持的实证研究[ J].科技进步与对策, 2018(3):109 ~ 116.

[7] Acharya V. V.,Gale D., Yorulmazer T.. Roll-over risk and mar-ket freezes[ J].Journal of Finance,2011(4):1177 ~ 1209.

[8] Gopalan R., Song F., Yerramilli V.. Debt maturity structure and credit quality[ J].Journal of Financial and Quantitative Analysis,2014(4):817 ~ 842.

[9] Stohs M. H., Mauer D. C.. The determinants of corporate debt maturity structure[ J].Journal of Business,1996(3):279 ~ 312.

[10] 李梦雅,严太华,郝晨.债务结构、产权性质与公司成长性[ J].重庆大学学报(社会科学版),2018(5):80 ~ 94.

[11] Berger N., Bouwman S..Bank liquidity creation[ J].Review of Financial Studies,2009(9):3779 ~ 3837.

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

[13] Frank Z., Goyal K.. Testing the pecking order theory of capital structure[ J].Journal of Financial Economics,2003(2):217 ~ 248.

[14] McLean R., Zhao M.. The business cycle, investor sentiment, and costly external finance[ J].Journal of Finance,2014(3):1377 ~ 1409.

[15] Lang L., Ofek E., Stulz R. M.. Leverage, investment,and firm  growth[ J].Journal  of  Financial  Economics,1996(1):3 ~ 29.

[16] Sabiwalsky R.. Non-linear modelling of target leverage with latent determinant variables: New evidence on the trade-off theory[ J].Review of Financial Economics,2010(4):137 ~ 150.

[17] Molinari M.. Joint analysis of the non-linear debt-growth nexus and cash-flow sensitivity: New evidence from Italy[ J].Structural Change and Economic Dynamics,2013(8):34 ~ 44.

[18] 崔曉燕,王梅.我国制造业上市公司债务融资治理效应的实证分析[ J].山东财政学院学报,2012(2):36 ~ 43.

[19] Kaplan S.. The e?ects of management buyouts on operating per-formance and value[J]. Journal of Financial Economics,1989(2):217 ~ 254.

[20] Molinari M., Giannangeli S., Fagiolo G.. Financial structure and corporate growth: Evidence from Italian panel data[ J].Economic Notes,2016 (3):303 ~ 325.

[21] 吕长江,王克敏.上市公司资本结构、股利分配及管理股权比例相互作用机制研究[ J].会计研究,2002(3):39 ~ 48.

[22] Mueller E.. Benefits of control,capital structure and company growth[ J].Applied Economics,2008(21):2721 ~ 2734.

[23] 李军林,王麒植,姚东旻.企业成长类型与资本结构——基于A股市场的实证研究[ J].财经科学,2015(3):66 ~ 75.

[24] 史永东,田渊博,马雪.契约条款、债务融资与企业成长——基于中国公司债的经验研究[ J].会计研究,2017(9):41 ~ 47.

[25] Hart O.. Firms, contracts, and financial structure[M].Oxford: Oxford University Press,1995:114 ~ 115.

[26] Barclay M. J., Smith W. L.. The maturity structure of corporate debt[ J].Journal of Finance,1995(2):609 ~ 631.

[27] Guedes J., Opler T.. The determinants of the maturity of corpo-rate debt issues[ J].Journal of Finance,1996(5):1809 ~ 1833.

[28] 肖作平.上市公司資本结构与公司绩效互动关系实证研究[ J].管理科学,2005(3):16 ~ 22.

[29] Morck R., Nakamura M.. Banks and vorporate vontrol in Japan

[ J].Journal of Finance,1999(1):313 ~ 339.

[30] Aghion P., Angeletos G. M., Banerjee A., Manova K.. Volatility and growth: Credit constraints and the composition of investment[ J].Journal of Monetary Economics,2010(3):246 ~ 265.

[31] Guariglia A., Liu P.. To what extent do financing Constraints affect Chinese firms' innovation activities[ J].International Review of Financial Analysis,2014(12):223 ~ 240.

[32] Johnson A..Debt maturity and the effects of growth opportuni-ties and liquidity risk on leverage[ J].Review of Financial Studies,2003(1):209 ~ 236.

[33] 徐尧,洪卫青,谢香兵.货币政策、投融资期限错配与企业绩效

[ J].经济经纬,2017(11):135 ~ 141.