中国上市企业财务稳健性状态变迁及宏观经济效应

〔摘要〕 基于中国上市企业破产距离的分布特征考察1996年1月-2020年9月沪深A股全部上市企业财务稳健性的波动特征，结果表明，中国上市企业的财务稳健性与宏观经济景气波动密切相关，并且在高、中、低稳健性状态之间呈周期性运动规律。虽然处于适度稳健性状态的概率最大，但从适度稳健性向高稳健性或低稳健性变迁的概率非常相近，需要高度注意防范企业财务风险和违约风险。进一步地，通过中国上市企业财务稳健性的宏观经济效应脉冲模拟分析，发现其财务稳健性变动对经济波动和经济增长率的冲击影响存在轻微的非对称性特征，但状态依赖性极为明显，当前整体处于低稳健性状态。构建“双循环”的新发展格局离不开高质量的金融服务。提高企业财务稳健性、营造稳定的金融环境应是进入全面建设社会主义现代化国家的时代背景下推进企业改革创新和经济转型升级的首要任务。

〔关键词〕 上市企业;财务稳健性;状态变迁;经济波动

〔中图分类号〕F275;F014.8 〔文献标识码〕A 〔文章编号〕1000-4769（2021）02-0115-10

〔基金项目〕华侨大学2020年度第一期高层次人才科研启动项目（20SKBS005）

〔作者简介〕杨术，华侨大学工商管理学院讲师，华侨大学经济与金融学院博士后流动站研究人员，福建泉州 362021。

一、引言与文献回顾

财务状况稳健在时下中国企业转型升级、提质增效的关键时刻已成为企业经营的核心。有效地测度企业财务稳健性不仅可以合理量化企业面临的财务风险，让企业间接对经营风险做出判断，及时规避自身风险，灵活调整投资和经营策略，而且已有研究结论显示，企业的财务风险是衡量金融摩擦效应的关键变量，金融摩擦通过阻塞流动性使得负向冲击持续恶化企业的财务稳健性分布，并经由微观主体财务风险的不断集聚和传染，对宏观经济产生持续放大的负面影响，甚至可能导致系统性金融风险的爆发（Bernanke，1983、Reinhart和Rogoff，2009、王兆星，2020）。①企业财务稳健性通常能够反映企业在面对实际或者潜在财务风险背景下保持持续稳健经营的能力。对企业财务风险做出准确的识别和合理的评估至关重要。

目前，国内外有关企业财务风险度量与稳健性评价的研究文献主要沿着两条路径展开：一是财务风险预警研究，此类研究在国内外学者的共同努力下不断丰富，从单一财务变量向多元化指标拓宽，从参数模型向非参数模型发展，从统计判别方法向人工智能分析推进，注重通过风险企业的财务、现金流和市场收益指标识别企业财务风险并预测企业破产危机。其中，多元判别模型（ZScore模型）、条件概率模型（Logistic模型、Probit模型）、神经网络模型等都是被学术界广泛应用的代表性方法。国内学者普遍以ST上市企业作为研究样本，并通过沿用或拓宽国外的典型财务风险预警模型探索中国企业财务风险及其稳健性问题。例如，杨贵军等（2019）在条件概率模型基础上引入Benford律，通过构建企业财务风险预警模型BenfordLogistic，更有效且準确率较高地识别公司是否存在财务舞弊和预警模型的准确性，这项研究为企业财务风险预警和稳健性评估开拓了新思路②;王竹泉等（2020）基于对传统短期财务风险预警功能的完善和补充，创新性地构造了兼顾流量与存量的短期财务风险评估体系，并探究了非金融企业在新冠肺炎疫情期间遭受短期风险冲击的影响③;肖毅等（2020）基于TEI@ I方法论提出了长短期记忆网络与卷积神经网络相结合的财务风险预警模型，该模型充分考虑了影响企业财务稳健性的各项财务或非财务因素，对预警企业财务风险效果较优。④二是信用风险研究，其分析方法是从主观判断和传统财务比率评价法逐步转向强调资本市场理论及市场风险管理的动态计量分析法，现有文献主要从简约化模型（Creditrisk+模型）、结构化模型（KMV模型、Creditmetrics模型）以及混合模型等展开。例如，赵静和方兆本（2011）利用结构化模型考察了信用风险、流动性风险和市场风险对中国公司债信用利差的解释能力⑤;许屹（2017）基于KMV模型对债券发行主体的违约距离进行计算，考察了违约距离对信用风险变化的捕捉能力及敏感性⑥;钱茜等（2019）基于复杂网络理论和传染病模型探究了管控策略对关联企业之间信用风险传染的影响。⑦

梳理现有文献，我们发现，对于企业财务稳健性的量化研究需要解决两个关键问题：一是数据可得性。由于企业的财务困境和信用风险事件并非实时发生，加之大多数企业的资本结构相对复杂，难以直接获取有效的基本数据或因样本量不足而难以支撑模型中的参数估计。不仅如此，以资产负债表等会计数据为基础的企业财务指标质量也会直接影响估计结果的真实性和准确性。二是量化模型的有效性。尽管企业财务稳健性的量化模型和方法已经取得长足发展，但各类模型在理论解析或实践应用中还存在一些局限性，例如，统计模型有严格的假设条件，而现实中的大量数据难以满足假设;人工神经网络模型的“黑箱问题”则使得理论解析过于抽象，以致判别结果很难具备解释性;结构化模型所需的资产价值等指标有不可直接观测的特性;简约化模型中的违约强度难以被合理估计，等等。基于对上述问题的考虑，Atkeson等（2017）提出使用破产距离（Distance to Insolvency，DI）作为对企业财务稳健性的度量指标，并利用美国企业的样本数据进行了有效验证⑧，通过理论推导证实了企业财务状况的稳健性主要体现于资产价格平稳。这一度量方法只需借助企业的资产价格波动数据，通过数据涵盖的预判与前瞻性信息全面地反映企业的财务稳健性状况。由于其同时兼顾了现有研究对数据可得性和量化结果有效性两方面要求，并且更加简单易解、便于推广，因而无论是从计算方法的可行性还是从度量结果的可靠性上都具有明显优势。

理解企业财务稳健性与宏观经济之间的作用机制是防止企业财务风险扩散传染、平抑宏观经济大幅波动、守住不发生系统性风险的关键环节。以往的研究普遍认为，宏观经济环境是影响企业财务稳健性的重要因素（卢永艳等，2013、王雄元等，2015）⑨，宏观经济波动将通过货币渠道或信贷渠道对企业的各类财务活动产生影响，例如企业的资本结构、流动性、偿债能力等指标在不同经济周期会呈现显著差异（于蔚等，2012、李环等，2016）。⑩这些研究的基本思路显然均立足于微观层面，将企业财务波动视为宏观经济波动的微观映射，却鲜少针对企业财务稳健性对宏观经济波动的冲击以及由此产生的影响进行研究。直至2008年华尔街金融危机爆发引发了学术界对传统宏观经济理论框架的反思，金融摩擦和金融冲击因素在宏观经济波动中的重要地位才被重新确立。有学者的研究表明，企业的财务风险是衡量金融摩擦效应的关键变量，金融摩擦通过阻塞流动性使得负向冲击持续恶化企业的财务稳健性分布，并通过资产负债表反馈渠道和银行信贷渠道影响宏观经济的波动，继而对宏观经济产生持续放大的负面影响（Miao和Wang，2010、吴恒煜等，2013）。B11目前的问题是，尽管学术界已开展针对企业财务稳健性与宏观经济波动之间的作用机制和影响动态的探讨，但多数研究仍聚焦于宏观经济因素对企业财务稳健性的影响作用，尤其国内学者鲜少考察企业财务稳健性对宏观经济波动的反馈效应，这方面因此存在较大的研究空间。本文借鉴Atkeson等（2017）的研究思路B12，利用沪深全部A股的上市企业作为研究样本，基于股价波动在横截面上的分布特征及其迁移规律，尝试从中寻求一种可以合理描述中国上市企业财务稳健性状态的简易方法，并在此基础上分析中国上市企业财务稳健性的波动特征及其由此引发的宏观经济效应。更重要的价值也许在于，现有研究忽略了企业财务稳健性的状态变迁，而宏观经济目标变量对企业财务稳健性变动的冲击响应可能会表现出明显的非对称性和状态依赖性特征，因此作为本文的第二项尝试与边际贡献，将借助马尔科夫区制转移模型考察上市企业财务稳健性在不同稳健性状态之间的变迁规律，进一步地，运用向量自回归模型深入分析企业财务稳健性变动对经济增长、经济波动等宏观经济目标变量的非对称性影响及其区制差异，以期厘清企业财务风险的宏观经济效应，推动对系统性金融风险的前瞻性预估与防范，引导金融市场稳定发展和宏观经济平稳增长，为进一步理解中国上市企业财务稳健性的宏观经济效应，进而采取科学有效的宏观调控政策和金融改革措施提供有益的经验依据和政策启示。

二、中国上市企业财务稳健性度量

Atkeson等（2017）根据企业间破产距离的分布特征度量了美国金融企业的财务稳健性，发现度量结果所预警的破产危机与美国1926-2012年发生的三次大萧条在时间上完全吻合。B13这一方法的中心思想是，任何时点上财务稳健性在企业间的分布是一个总的状态变量，这种分布特征可以作为企业财务稳健性的度量依据。破产距离一般用于衡量企业陷入信用危机或财务困境的程度，其取值反映了企业资产价值距离破产点的距离，取值越大，财务稳健性越大，企业出现资不抵债的概率越小。因此破产距离DI可以描述为企业杠杆（潜在资产和负债的百分比偏差）与资产波动的比率，即DIt=（VAt-VBt）/VAt*（1/σAt）。其中，VAt和VBt用于刻画企业资产和负债未来现金流的市场价值，选取VAt的标准差（σAt）描述资产波动。

实践中，计算一个企业的DI是非常困难的，因为VAt和σAt的数据均难以通过直接观察得到，且VBt受到会计计量口径因时间、国家、行业不同而不一致这一客观事实的限制。为了克服这些问题，现有研究通常利用结构化信用风险模型化解，但更为简单的方法是采取Atkeson等（2017）基于结构化信用风险模型与股权价值函数所推导得出的两个命题B14：其一，一个企业的DI是有上界的，即股价波动的倒数，DIt=（VAt-VBt）/VAt*（1/σAt）≤（1/σEt）;其二，企业股价波动的倒数位于其破产距离DI和违约距离DD之间，即DIt≤（1/σEt）≤DDt。将两个命题综合，当破产距离DI和违约距离DD的结果非常相近时，可以将企业股价波动的倒数（1/σEt）作为破产距离DI的度量指标，也即如果债权人迅速迫使一个资不抵债的企业违约，DI与DD之间的界限是极为紧密的，这与经验和现实中债权人为了避免财务困境的进一步加深迫使破产企业尽快破产的动机是完全一致的。因此，股价波动率的倒数不仅描述了企业股权价值的波动性，而且可以反映企业的财务健康状况。本文在借鉴Atkeson等（2017）以及邓创等（2016）思路的基础上B15，利用历史标的企业股价波动率的倒数对DI做近似刻画，进而通过刻画DI的横截面信息及分布特征验证该指标用于描述企业财务稳健性状况的合理性和有效性。基于对宏观经济景气指数公布时间、经济增长率季度公布时间以及股市初期数据缺陷等因素的考量，为了保证数据的可得性与可靠性，我们从国泰安数据库选择了沪深全部A股上市企业于1996年1月-2020年9月的日数据，借助stata13软件计算全样本区间企业破产距离DI的非平衡面板数据，并选取5%、25%、50%、75%和95%百分位点描绘和考察数据的分布情况，以期能够全面直观地理解企业的财务状况。如图1所示，当DI这一指标在百分位数上的截点值升高时，该指标的发散和波动程度也随之增大。基于统计学和概率分布理论，采用对数形式可以使DI在各个百分比截点上以较为均匀的形式分布，据此推算特定分布的核心参数，并将其作为企业财务稳健性的有效度量指标。

考虑到每个百分比临界点处DI的对数值分布是相对均匀的，同时基于各企业DI的横截面分布均满足对数正态分布的前提假设，本文采用KolmogorovSmirnov检验将特定理论分布和样本数据的累计频数分布进行联合比较，如果二者之间的差异很小，则证实样本来自特定分布集群这一推断。为此，首先将DI对数值标准化，以找到如图1所示的五个超前百分位数所对应的标准计分（Standard Score），然后以其作为区间上限计算每月标准计分落入该区间的比例（近似累积概率），最后将此比例值与相应的百分位数进行比较，观察其偏离程度。根据图2，各个月份DI对数值落在不同区间的比例非常接近正态分布的累积概率，且在297个月份中，这些比率在相应的累积概率附近均基本稳定。由此可以推断本文的假设具有合理性，即DI在横截面上均近似服从对数正态分布。

接下来可以利用各个时点DI对数分布的均值和标准差描述企业在该时间点的财务稳健性。根据图3中DI的标准偏差（实线），随时间推移尽管有新的标的证券不断加入，但DI在横截面上所表现的波动态势是相对稳定的，相比之下，标准差的变动幅度明显小于均值（虚线）的变动幅度，这在一定程度上表明，均值变化是导致DI对数值在横截面分布上发生变化的主要诱因。为了进一步验证这一论点，我们提取每个月DI对数值的95%分位数并将其记录为真实值（图4中的实线），同时假設全样本下DI所始终遵循的对数正态分布具有相同的标准差（即在297个不同时间点下的正态分布平均标准差，计算结果为0.4145），再针对每个月份都可以基于此恒定标准差和对数正态分布的均值计算95%分位数的模拟值（图4中的虚线）。根据图4，其真实值和模拟值的结果十分接近，表明均值是大部分DI对数值变化的主导因素，因此可以使用DI横截面分布均值变化对企业财务稳健性整体变迁提供合理有效的描述。

综上，由本文计算并得出的中国上市企业破产距离DI尽管受限于相关数据的可获取性，也未验证该结果能准确反映企业陷入财务困境从而扭曲股权激励作用的可能性，但对计算结果分布特征的检验分析表明，DI在横截面上近似服从对数正态分布，而利用对数分布的均值可以较为合理准确地刻画DI总体的时变规律。这意味着从统计角度，使用DI对数均值作为描述企业财务稳健性状态的指标是可行的。接下来我们将以此作为中国上市企业财务稳健指数的替代指标，进一步考察中国上市企业财务稳健性的波动特征及其与宏观经济目标变量之间的影响关系。

三、中国上市企业财务稳健性的波动特征与状态迁移

一个时间序列包含长期趋势成分、循环成分、季节成分和不规则成分四个要素，由于本文在计算过程中未对股票价格等原始数据进行季节调整，这意味着最终得到的中国上市企业财务稳健指数（DI的对数均值序列）极有可能存在季节性波动，从而可能干扰分析。因此，首先分离上市企业财务稳健指数的季节成分，考察财务稳定状态的季节性和周期波动态势，然后去除季节成分和不规则成分的上市企业财务稳健指数，再运用马尔科夫区制转移模型分析中国上市企业财务稳健性的状态迁移过程。

为了深入理解DI对数均值序列的季节波动特征，采用X12法对DI对数均值做季节调整，并假定各年份之间的季节因子不变，将所分离出的季节成分采用移动平均法然后得到图5所示的季节因子。上述研究均借助了Eviews10.0软件。从图5中可以看到，2月份的季节因子最大，6月份最小，即上市企业财务稳健指数具有“两头高中间低”的季度变动规律，资产价格在第一、四季度的波动性要比第二、三季度更小，且这种季节性变化规律与企业经营状况的季节性变化相符。

去除季节和不规则成分后所得的DI对数均值趋势循环成分即可用于描述中国上市企业财务稳健性的波动态势，如图6。根据图6，中国上市企业的财务稳健性状态具有显著的时变特征。受1997年东南亚金融危机的影响，大量企业效益下滑加之还本付息压力增加，导致信用风险集聚，企业整体财务状况恶化，但在后危机时期便以较快的速度回暖，至2001年整体呈现上升趋势。但自2002年起，因前期扩张导致的企业债务累积，资产负债率居高甚至资不抵债，企业效益再次下滑并引发偿债能力不足，2008年国际金融危机期间到达谷底。此次危机由华尔街金融部门迅速蔓延至实体经济部门，资产泡沫的集中破灭导致企业争相抛售不良资产，继而进一步促使企业资产减值，形成资产抛售恶性循环。随着全球主要经济体施以扩张性政策及时调控和市场的逐步回暖，后危机时期的企业财务状况随之向好。从2014年底开始，伴随着经济增速的持续放缓，大宗商品价格开始出现断崖式下跌，包括中国在内的主要经济体陷入严重的工业品通缩危机，国内债券违约量和违约主体显著上升，企业财务稳健性出现大幅波动。而2020年新冠肺炎疫情的突然爆发，使实体需求下跌、流动性短期内突然枯竭，导致企业财务风险普遍高于常态，并在短期内出现明显波动，未来疫情对企业财务稳健性的中长期影响可能还会有所增大，企业潜在的破产风险也仍然存在。再进一步将上市企业财务稳健指数与宏观经济景气一致指数的变动情况进行对比可以发现（见图6），在典型金融危机或经济下行背景下二者均表现出显著下降的波动态势，例如上文提到的1997年东南亚金融危机时期、2008年全球金融危机时期、2015年大宗商品危机时期，以及2020年新冠肺炎疫情时期，上市企业财务稳健指数均达到样本期内的极大值或伴随着短期波动。由此可见，上市企业财务稳健性较高时，宏观经济趋于好转，即企业财务状况的稳健性对宏观经济存在明显的反馈效应和影响作用，企业财务风险作为宏观金融风险的微观映射和镜像，在特定时期可以充当宏观经济的晴雨表，预报宏观经济的景气变动。

接下来，我们基于上市企业财务稳健指数的趋势循环成分，识别中国上市企业财务稳健性的不同波动状态，并判断不同状态之间的转换究竟是一次性的结构突变还是周期性的状态转移。为了准确地刻画上市企业财务稳健指数的动态变化路径以及不同状态之间的非线性转换机制，本文选用马尔科夫区制转移模型（Hamilton，1989）B16，对上市企业财务稳健指数的趋势循环成分进行分析。首先，利用偏自相关函数的计算结果，判定了金融稳健指数自回归过程的最优滞后阶数为5阶;其次，将区制（状态）的数目设定为3，将上市企业财务稳健指数划分为低、中、高三种状态，对财务脆弱状态（低稳健性状态）、适度稳健性状态和高稳健性状态三种情形做分别描述;最后，利用Ox6.0软件对MSMA（3）-AR（5）模型进行估算，得到如圖7所示的三区制的平滑概率结果（图中自上而下分别表示上市企业财务稳健性处于低、中、高三个区制的平滑概率结果）。

一般而言，根据平滑概率是否大于0.5即可判定该时点的区制归属。图7中的三种不同状态表明，中国上市企业财务稳健性的确是在高、中、低稳健性三种状态之间循环往复的，呈一种周期性的运动规律。通过表1所示的三区制转移概率矩阵则可以更加清楚地看出，中国上市企业财务状况高稳健性和低稳健性状态之间的转移概率接近为0，低稳健性、适度稳健性和高稳健性状态的持续概率分别高达0.9564、0.9689和0.9654，三种状态的期望持续期分别为22.92、32.11、28.93个月。可见整个样本期间，中国上市企业财务稳健性具有较强的惰性，从一个状态迁移至另一个状态是一个缓慢的过程，特别是从高稳健性到低稳健性之间几乎没有突变。另一方面，样本期间内高、中、低稳健性状态出现的概率分别占24.7%、52.99%和22.31%，表明中国企业财务稳健性虽然处于适度稳健性状态的概率最大，但从适度稳健性向高稳健性或低稳健性变迁的概率非常相近，因此需要高度注意防范企业财务风险和违约风险。值得注意的是，近年来上市企业财务稳健性的状态变迁过程开始表现出和以往明显不同的特征：2015年以前，无论是处于何种状态，中国上市企业财务稳健性均持续2-3年，即高稳健性和低稳健性状态之间的转换需经历一个长达2-3年的过渡期（适度稳健状态）;然而自2015年上半年以来，中国上市企业财务稳健性在短期内经历了自低稳健性到适度稳健性，再到高稳健性状态的迅速转变，由低稳健性到高稳健性之间的过渡期仅3个月。尽管受样本长度限制，上市企业财务稳健性状态变迁这一新特征还有待多方位、深层次的考察和分析，但短期内上市企业财务稳健性的急剧下降问题需要引起市场监管部门和决策部门的高度重视。

以上基于上市企业资产价格波动性整体分布的变动特征所测度的上市企业财务稳健性指数，不仅与宏观经济景气一致指数具有相似的变动趋势，也揭示出中国上市企业财务稳健性的周期波动规律，以及近期上市企业财务稳健性状态变迁过程中所表现的新特征。虽然受限于样本长度难以从周期波动视角考察企业财务稳健性的波动特征以及状态变迁的决定因素，企业财务风险作为宏观金融风险的微观映射和镜像，在特定时期仍然可以充当宏观经济的晴雨表，而且其稳健性的变动情况对宏观经济究竟会产生何种程度的冲击影响也是一项值得深入探究的重要课题，本文接下来拟进一步利用脉冲模拟分析上市企业财务稳健性变迁的宏观经济效应。

四、中国上市企业财务稳健性变迁对宏观经济目标变量的动态影响

在引发危机的过程中，金融摩擦起到了推波助澜的作用（Bernanke， 2009）B17，这意味着产生于个别实体部门的波动可能通过金融摩擦的传导和放大效应快速地影响其他实体部门的活动，从而使局部风险演变为全局动荡，这就需要进一步检验企业财务稳健性波动对宏观经济波动和经济增长产生了何种程度的冲击，以及是否存在非对称性和非线性特征等。这项工作对提高金融市场监管水平和宏观经济调控效果具有重要的参考价值和实践意义。为此本文选择在宏观经济与政策效应分析中应用比较广泛的向量自回归模型和脉冲响应函数，考察上市企业财务稳健性变动对经济景气波动、经济增长率等宏观经济目标变量的冲击影响。

1.上市企业财务稳健性变动对宏观经济目标变量的影响关系的非对称性特征

与大多数宏观经济变量之间的影响关系一样，上市企业财务稳健性的改善或恶化对宏观经济的影响可能存在非对称性特征。为了检验的需要，借鉴邓创和徐曼（2014）的思路B18，首先对前述上市企业财务稳健指数的趋势循环成分进行对数差分，以计算上市企业财务稳健性的变化率ΔDIt;其次，将ΔDIt拆分为两个不同的序列DI+t=max（0，ΔDIt）和DI-t=-min（0，ΔDIt），以区别性地描述上市企业财务稳健性变动的正向冲击和负向冲击。很显然，DI+t（DI-t）越大，说明上市企业财务稳健性改善（恶化）的速度越快。 为了考察经济波动与经济增长对上市企业财务稳健性正向冲击和负向冲击的动态反应，我们先建立由DI+t、DI+t、宏观经济景气一致指数及经济增长率组成的向量自回归模型，利用脉冲响应函数模拟上市企业财务稳健性一个标准差大小的正向和负向冲击对目标变量的冲击动态，如图8、图9所示，其中实线为正向冲击的影响动态，虚线为负向冲击的影响动态。

根据图8，上市企业财务稳健性的正向冲击在一开始即对经济波动产生正向影响，在第8期达到极大值后开始下降，而后从第12期开始继续上升。负向冲击则正好相反，一开始对经济波动产生明显的负向冲击，并且在第8期开始减弱，第12期后持续增大。根据图9所描述的上市企业财务稳健性对经济增长的冲击影响，上市企业财务稳健性正向冲击一开始便对经济增长产生明显的正向影响，并且于第4期达到最大响应值;而经济增长对上市企业财务稳健性负向冲击的响应尽管在第8期才达到最大，但影响程度却更明显，收敛速度也相对更慢。可见，上市企业财务稳健性提高有助于促进宏观经济的繁荣，而上市企业财务稳健性下降则可能引起宏观经济衰退。相比之下，上市企业财务稳健性带来的正向和负向冲击对经济波动的影响在时滞上具有极为相似的表现，但整体上正向冲击对经济波动（经济增长）的影响比负向冲击的影响相对更弱一些，上市企业财务稳健性变动对经济波动（经济增长）的影响表现出轻微的非对称性特征。

相应的，上市企业财务稳健性的提高（降低），也意味着金融摩擦效应和金融市场风险的下降（上升）。金融摩擦对宏观经济的影响一般而言主要体现在以下方面：一是通过信贷渠道阻碍宏观经济的发展，金融市场作为实体经济的主要融资渠道，其过度波动必然削弱甚至扭曲其融资功能，导致实体经济陷入融资困境;二是通过资产负债表渠道向实体经济传染，当金融市场的价格波动处于上行阶段时，通常会进一步吸纳闲散资金，挤兑储蓄和消费，而当价格波动处于下跌阶段时，又将导致财富缩水，压低实体经济总需求;三是金融市场的剧烈波动不利于发挥金融体系对实体经济的服务功能，不仅阻碍实体经济正常的生产和交易等行为，而且不利于金融产品的创新和经济结构的转型升级;四是金融市场的剧烈波动甚至可能导致经济主体对宏观经济发展的悲观预期，挫伤投资者和生产者的信心以及积极性。综合图8和图9的模拟分析結果，上市企业财务稳健性提高既有助于促进宏观经济景气繁荣，也有利于经济增长;相反，上市企业财务稳健性降低，则可能使宏观经济陷入景气衰退和增速放慢的困境，而且相比之下，上市企业财务稳健性降低给宏观经济目标变量带来的负面效应比上市企业财务稳健性提高所带来的正面影响更明显。综上，基于脉冲响应函数得到的模拟分析结果与金融摩擦对宏观经济的传导影响在理论上是一致的。

从前文关于上市企业财务稳健性指数的变化也可以发现，中国上市企业财务稳健性在1997-2002年、2009-2014年以及2016-2017年三个阶段均出现整体上升趋势，而这几段时期恰好对应着经济周期在走出谷底之后的复苏阶段。1997年东南亚金融危机时期、2008年全球金融危机时期以及2015年大宗商品危机时期，上市企业财务稳健指数均伴随着短期的波动并达到了样本期内的极大值，此阶段的宏观经济也同样表现出明显的衰退迹象。不仅如此，2015年前中国上市企业财务稳健性在高、低稳健性状态之间的转换还存在一个较长的过渡期，体现出明显的惰性;但自2015年上半年以来，其财务稳健性在短期内便经历了自低稳健性到高稳健性状态的迅速转变。究其原因，可能的解释是受2015年大宗商品危机的影响，沪深股市多次出现“千股跌停”，总市值大幅缩水，企业违约风险大幅增长，金融市场剧烈震荡，由此引发社会各界对中国金融和宏观经济的担忧。尽管此次危机事件对金融机构特别是银行部门的冲击较小，但市场价格的大幅下跌不仅加大了企业的融资难度，在大大缩减投资者财富的同时也严重地挫伤了投资热情以及对未来市场的信心，所以自此开始实体经济遭受的负面影响逐渐显现。当前在全面建设社会主义现代化国家的时代背景下，进一步完善金融市场运行机制、加强对金融市场的监管，提高上市企业财务稳健性，不仅对于提振企业投资、刺激生产扩张和消费需求、促进经济持续发展和多元化成长至关重要，而且也是发挥金融对实体经济的服务和支持功能、为金融改革创新和经济转型升级营造良好金融环境的必然要求。

2.上市企业财务稳健性变动对宏观经济目标变量的状态依赖性影响特征

为了进一步检验不同状态下上市企业财务稳健性变化对宏观经济目标变量的影响差异，根据前文对上市企业财务稳健性状态的划分结果，按照上市企业财务稳健性所处的高、中、低三种状态将样本拆分为三个子样本，分别建立包含上市企业财务稳健性指数、宏观经济景气一致指数和经济增长率的向量自回归模型，进而基于脉冲响应函数模拟高稳健性、适度稳健性和低稳健性三种情形下上市企业财务稳健性变化对经济波动和经济增长的动态冲击，如图10和图11所示。根据前文分析，上市企业财务稳健性的正向冲击和负向冲击对目标变量影响的非对称性特征并不十分明显，因此考虑到模型对样本大小的要求，图10和图11中仅描述了三种状态下上市企业财务稳健性一个标准差大小的正向冲击对目标变量所产生的影响动态。

根据图10，不同稳健性状态下，上市企业财务稳健性变动对经济波动的冲击影响确实存在明显差异。当财务处于低稳健性状态时，上市企业财务稳健性的提高在第4期后即对经济波动产生显著正向冲击，于第12期达到最大值后开始下降;当其处于适度稳健性状态时，上市企业财务稳健性的提高同样对经济波动产生正向冲击，但这一冲击的影响相对较小，且滞后期也相对更长，从第12期开始才产生明显正向冲击，第20期后转为下降并趋于收敛;当财务处于高稳健性状态时，继续提高上市企业财务稳健性会对经济波动产生显著负向影响，并且持续时间较长，直至第16期达到最大值后才开始缓慢减退。 根据图11则可以发现，不同稳健性状态下，上市企业财务稳健性变化对经济增长的影响也存在类似的状态依赖特征。当财务处于低稳健性状态时，其稳健性的提高对经济增长的正向冲击尽管存在较大波动，但一直持续到第15期以后才逐渐收敛;当财务处于适度稳健性状态时，其稳健性的提高对经济增长产生的正向冲击在第4期之后开始出现，于第16期达到最大值后缓慢趋于收敛;而当财务处于高稳健性状态时，其稳健性的进一步提高会对经济增长产生立即的负向影响，并且比适度稳健性状态下提高企业财务稳健性所产生的正向影响更显著。

综上所述，无论从经济增长还是从经济波动的角度，上市企业财务稳健性提高对实体经济所产生的正向促进作用均存在拐点，即当上市企业财务稳健性已升至高稳健性水平时，如果再进一步提高将转而对实体经济产生负面影响。上市企业财务稳健性提高和下降尽管对实体经济的影响存在一定程度的非对称性，但仍然可以推测，当企业财务处于高稳健性状态时，上市企业财务的稳健性下降会有助于增强市场活性，刺激经济增长和宏观经济景气繁荣;而当上市企业财务的稳健性较低时，降低上市企业财务稳健性将对实体经济产生不利影响。事实上，金融市场的价格波动来自宏观经济环境变动、调控政策干预、投资者个体和群体行为等多重因素的综合影响，不仅是经济基本面变化的反映，也是市场活力的重要体现。利用市场监管和政策调控等手段降低金融市场的波动性，一方面其调控难度将随上市企业财务稳健性的提高而不断加大，另一方面在提高上市企业财务稳健性和增强经济活性之间进行权衡也极为必要。

根据本文对上市企业财务稳健性状态的划分结果，中国上市企业财务稳健性在2000年11月至2004年5月和2016年6月至2017年11月处于高稳健性状态。不难发现，这两个阶段存在以下共同点：首先，中国经济在这两个阶段都表现出国内需求不足、经济增长速度放缓、经济活性相对较低的态势;其次，中国金融市场特别是股票市场在这两个阶段均处于持续低迷状态，企业融资相对困难;最后，这两个阶段均为中国金融体系改革的关键时期，出台了一系列扩张性宏观调控政策，而且频繁推出金融改革措施以及金融创新产品，在积极完善金融体系运行机制的同时也为激发企业经营活力做出了努力。所以，在企业财务处于高稳健性状态下，如果一味降低市场波动性，不仅可能削弱企业的融资能力，也不利于金融市场本身的改革和成长，更难以有效地发挥其对实体经济的服务和支撑功能，进而不利于宏观经济的繁荣与发展。

从2015年上半年来看，短短几个月时间，中国上市企业财务稳健性便经历了从适度稳健性到低稳健性的迅速变迁。上市企业财务稳健性下降速度之快前所未有，这一点值得金融市场监管层和政策制定者尤为重视。相比于西方发达国家，中国金融市场对实体经济的传导机制很不完善，特别是已上市公司中的实体注册企业数量占比相对较低，金融市场的剧烈震荡对中国经济的影响可能更多地体现在心理预期层面。而市场的低稳健性或者高波动性，不仅给投资者带来投资与资产配置的巨大风险和挑战，更重要的是容易挫伤投资者对企业经营、市场监管水平以及市场风险和收益权衡等诸多问题的信心与积极性，从而动摇其对未来金融市场走势和经济发展前景的信心。另一方面市场参与者在金融市场剧烈震荡中所表现出的决策错判和无所适从，又会反过来阻碍实体经济的发展。现阶段大力提高金融市场的稳健性，提升经济参与者对经济金融未来发展前景的信心，不仅是降低金融市场震荡对宏观经济不利影响的有效途径，也是进一步健全金融市场运行机制、促进金融市场健康成长和宏观经济平稳运行需要尽快解决的问题。

2020年受新冠肺炎疫情的影响，全球企业的经营环境和信用环境大幅趋紧，多种行业的企业违约概率与破产风险均呈上升趋势，企业财务稳健性明显偏离常态表现出下落态势。一方面是由于全球各国各地区疫情交叉爆发，导致社会总需求急剧缩水，全球产业链和供应链接连受到巨大冲击，企业市场规模和经营状况也相应出现缩水和下滑，部分企业甚至因存货折价严重亏损;另一方面则由于信用收缩导致资本市场不振，企业融资难度增大，违约概率和破产风险显著上升。在此过程中，企业财务稳健性的跌落又会进一步导致社会消费需求恶化，容易使实体经济陷入产业链收缩，面临现金流枯竭的风险，进而引起失业率上升、消费下滑的恶性循环。需要密切关注企业财务稳健性和企业融资渠道畅通与否，防止经济陷入企业财务稳健性下降和实体经济持续衰退的恶性循环。

五、研究结论与政策建议

本文通过计算上市企业破产距离DI，利用DI的分布特征构建中国上市企业财务稳健指数并考察其稳健性状况，结果表明，中国上市企业破产距离DI在横截面上近似服从对数正态分布，其均值的迁移过程能够合理度量中国上市企业财务稳健性的变化趋势，并且与宏观经济景气一致指数表现出较为相似的变动规律。这意味着本文测度的上市企业财务稳健指数涵盖了重要的宏观经济信息，可以将其作为宏观经济调控和金融市场监管的有效依据。自1996年以来，中国上市企业财务稳健性经历了高稳健性、适度稳健性和低稳健性三种状态，各状态之间呈现周期性迁移规律;最近几年以来，由高稳健性转换到低稳健性状态的过渡期大幅缩短，表现出与历次变迁明显不同的新特征。进一步地，本文还发现上市企业财务稳健性变化的宏观经济效應存在轻微的非对称性和显著的状态依赖性。其非对称性特征表现在，提高上市企业财务稳健性对宏观经济产生的促进作用相比于降低上市企业财务稳健性所产生的负面影响稍弱;其状态依赖性则主要体现在对经济增长和经济波动的影响随上市企业财务稳健性状态的变迁而表现出显著差异：当企业财务状况波动较大时，提高企业财务稳健性有助于宏观经济景气指数的好转和经济增长，而当上市企业财务稳健性上升至高稳健性状态时，进一步降低市场波动性则对宏观经济产生不利影响。

目前我国正在加快形成“双循环”的新发展格局，这离不开高质量的金融服务。与此同时新冠肺炎疫情的影响仍在持续，上市企业财务稳健性遭遇了显著跌落，无论从信贷渠道、资产负债表渠道，还是从市场参与者的预期心理，都或将对经济景气度和经济增长产生不容忽视的负面影响，不利于发挥金融对实体经济的服务和支持功能，而且极易挫伤投资者对未来金融市场和经济发展前景的信心，从而对实现我国全面建设社会主义现代化国家的目标形成阻碍。国家金融监管部门应高度重视上市企业财务稳健性的状态变迁，协调运用各项宏观经济调控政策和金融监管措施，减轻短期内金融摩擦对实体经济的负面影响;同时，应进一步完善金融市场的运行机制，重罚披露虚假信息的上市企业，制定有效的企业上市及退市方案，保证金融稳定性和投资者切身利益，促进金融市场高质量、高效率、高安全性地长期健康成长和宏观经济平稳运行。

① Bernanke B.，“NonMonetary Effects of the Financial Crisis in the Propagation of the Great Depression，”Journal of Economics & Business，no.73，1983，pp.257-276;Reinhart C，Rogoff K.， This Time Is Different： Eight Centuries of Financial Folly，Princeton University Press，2009，p.xxvi;王兆星：《防范化解系统性金融风险的实践与反思》，《金融监管研究》2020年第6期。

② 杨贵军、周亚梦、孙玲莉、石玉慧：《基于Benford律的Logistic模型及其在财务舞弊识别中的应用》，《统计与信息论坛》2019年第8期。

③ 王竹泉、宋晓缤、王苑琢：《我国实体经济短期金融风险的评价与研判——存量与流量兼顾的短期财务风险综合评估与预警》，《管理世界》2020年第10期。

④ 肖毅、熊凯伦、张希：《基于TEI@I方法论的企业财务风险预警模型研究》，《管理评论》2020年第7期。

⑤ 赵静、方兆本：《中国公司债信用利差决定因素——基于结构化理论的实证研究》，《经济管理》2011年第11期。

⑥ 许屹：《信用评级变动的时效性研究——基于违约距离视角》，《技术经济与管理研究》2017年第8期。

⑦ 钱茜、周宗放、李永奎：《管控策略对关联企业网络稳定状态的影响——基于关联信用风险传染的视角》，《中国管理科学》2019年第6期。

⑧ B12 B13 B14 Atkeson A，Eisfeldt A，Weill P O.，“Measuring the Financial Soundness of U.S. Firms， 1926-2012，”Research in Economics，no.71，2017，pp.613-635.

⑨ 卢永艳：《宏观经济因素对企业财务困境风险影响的实证分析》，《宏观经济研究》2013年第5期;王雄元、张春强、何捷：《宏观经济波动性与短期融资券风险溢价》，《金融研究》2015年第1期。

⑩ 于蔚、金祥荣、钱彦敏：《宏观冲击、融资约束与公司资本结构动态调整》，《世界经济》2012年第3期;李环、郭宏媛、邓婕：《财务风险对中国企业信用风险的影响研究》上篇，《金融会计》2016年第5期。

B11 Miao J，Wang P.，“Credit Risk and Business Cycles，”Boston UniversityDepartment of EconomicsWorking Papers Series，no.33，2010，p.4;吴恒煜、胡锡亮、吕江林：《金融摩擦的宏观经济效应研究进展》，《经济学动态》2013年第7期。

B15 Atkeson A，Eisfeldt A，Weill P O.， “Measuring the Financial Soundness of U.S. Firms， 1926–2012，”Research in Economics，no.71，2017，pp.613-635;邓创、王思怡、甘喆：《中国金融稳定性的度量及其与主要宏观经济变量的关系》，《数量经济研究》2016年第1期。

B16 Hamilton J.D.，“A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle，”Econometrica，no.57，1989，pp.357-384.

B17 Bernanke B.，“Financial Reform to Address Systemic Risk，”BIS Review，no.28，2009，p.1.

B18 鄧创、徐曼：《中国的金融周期波动及其宏观经济效应的时变特征研究》，《数量经济技术经济研究》2014年第9期。

（责任编辑：张 琦）