论文部分内容阅读
摘要：随着我国经济金融化水平的日益提高，金融资产已经成为实体企业资产中的主要构成部分，直接影响着企业价值的创造。基于此，文中将 2007—2016年我国A股非金融上市企业作为研究样本，并且基于各种持有动机下的计量模型的构建，针对金融资产配置同企业价值之间存在的关系展开了实证研究。结果显示，企业金融资产配置大大地减少了企业价值，就不同融资约束程度的公司而言，企业金融资产配置并未同企业价值之间呈现明显的正相关；然而，就替代动机较强的企业而言，企业金融资产配置却同企业价值之间呈现了明显的负相关。基于此，文中针对金融资产配置对企业价值造成的影响进行了实证分析。
关键词：金融资产配置；企业价值；影响；实证分析
随着我国社会经济结构的转型，传统行业产能开始过剩、出口需求不断减少、产品缺乏较强的综合竞争实力、成本大幅提高，实体经济的经营效益越来越低。然而，金融领域则利用准入与利率管制等政策优势一直获取着较高的资本回报率，另外，近几年内，随着房价的日益上涨，房地产业迎来了史无前例的黄金发展期，金融與房地产行业的利润率明显高于实体经济的平均利润率。基于资本逐利动机的引诱，实体企业为了获取较高的经济效益，开始积极采取各种手段进入金融与房地产行业，其中，金融资产配置是一种非常有效的手段。除此之外，金融资产的持有形式与类型也变得越来越多。为此，金融资产在实体企业资产中占据着十分重要的位置，并且还直接影响着企业价值的创造。基于此，文中实证分析了金融资产配置对企业价值造成的影响。
1实证研究设计
1.1样本来源
将2007—2016年全部A 股上市企业作为原始样本，并且针对其采用以下处理步骤：除去金融类与房地产类上市企业、ST类上市企业、数据不全与异常的上市企业以及2016年新上市的企业。通过层层挑选，最后总计得到了9398 个企业的年度观测值。将2007年作为初始年份是由于从2007年开始执行的新会计准则重新规定了企业金融资产的计量，为了保证相同的结果，所以，未将2007年以前的样本作为分析对象。另外，为了避免极端值影响到回归结果的准确性，文中针对全部连续变量在 1% 与99%水平上实施了Winsorize 缩尾处理。上市企业的财务数据都来源于CSMAR数据库，采用的数据处理和计量分析软件是Stata12. 0[1]。
1.2研究设计和变量定义
借鉴既存的与企业金融化经济后果有关的文献，并采用以下计量模型实证分析研究假设，具体体现如下：
TobinQ =α0+α1Financial+α2FC +α3FC×Financial+αiXi+ε（1）
TobinQ=α0+α1Financial+α2Arbitrage+α3Arbitrage×Financial +αiXi+ε（2）
其中，Tobin Q 为企业价值，它是企业股票市价与债务账面价值之和同企业总资产的比值。Financial 为企业金融资产同期末总资产之间的比值，其中金融资产主要包含交易类金融资产、长期金融股权投资、委托贷款与理财以及投资性房地产。交易类金融资产主要指具有一定流动性并且在资本市场波动影响下的资产；长期金融股权投资主要指公司所持有的银行、券商、基金与信托等金融机构的股权金额； 委托贷款与理财主要指公司委托银行等金融机构向其他企业发放的贷款或者是购买理财与信托产品的年终余额；资产负债表中的投资性房地产净额科目为投资性房地产提供数据支持，近几年内，随着我国房地产行业的迅猛发展，开始促使其更具金融特点，所以，文中将其定义为企业的一种固定金融资产[2]。
模型（1）主要验证企业的金融资产所占的比例在各种融资约束程度下是否同企业价值之间存在明显的差别。其中，FC代表企业所面临的融资约束程度，文中按照 Hadlock 与 Pierce提出的 SA 指数对融资约束指标进行计算，详细算法如下： SA=-0.737×lnasset+0.043×lnasset2- 0.04 ×age，此指数值越大意味着企业所面临的融资约束程度越严重。选取SA 指数是由于同其他不同的测度方法相比，比方说，财务杠杆、托宾Q值等，SA 指数只包括了企业年龄与资产规模两个外生性变量，相比较而言，结果更加精准。FC变量的详细计算步骤体现如下： 根据中位数来划分计算完的各个年份的SA指数，将大于中位数的视为融资约束程度较高组，FC值设定为1；不然，就将其看作融资约束程度较低组，FC值设定为 0。倘若α3明显为正，融资约束程度较高的公司的金融资产所占的比例同公司价值之间就呈现正相关，因此，假设 1 成立。
模型（ 2） 主要验证公司的金融资产所占的比例在各种市场套利动机下同企业价值之间是否存在明显的差别，其中，Arbitrage代表市场套利动机强弱的虚拟变量，文中采用金融资产获利与净利润的比重来衡量，金融资产获利有企业的利息收入、相关金融资产的投资收益和公允价值变动收益，选取此项指标是由于金融资产获利所占的比重属于一项具备流量特点的指标，不仅体现了公司纯利润中金融资产获利的占比，而且还可以以市场套利动机的金融投资行为为依托最大限度地提高公司的经济收益。Arbitrage变量的详细计算步骤体现如下： 将各年份的金融资产获利与净利润的比值按照中位数来划分，将大于各个年度的中位数设定为市场套利动机较强组，Arbitrage值设定为1；不然，就将其设定为市场套利动机较弱组，Arbitrage值设定为 0。倘若α3明显为负，就代表公司的市场套利动机较强，其金融资产所占的比例同企业价值之间呈现明显的负相关，那么，假设2成立[3]。
2.实证结果研究
2.1描述性统计研究
文中设定因变量Tobin Q 的均值为2. 437，相对比国外文献标准高些，由此可见，我国股票市场存在的常见问题就是定价较高。Financial的均值设定为 6. 4% ，高于中位数的2. 4% ，这意味着大多数上市企业均配置了大量的金融资产。其他控制变量的均值基本接近于中位数，因此，控制变量没有产生异常分布。 2.2实证研究结果
因为模型（ 1）与模型（ 2）中的因变量企业价值同解释变量企业金融资产的占比之间可能存在反向因果关系，所以，会导致模型出现内生性现象。基于对模型实施Hausman内生性检验，结果明显否定了模型不存在内生性的原假设。另外，要想防止内生性现象造成估计结果产生偏差，就应该探寻相应的工具变量来回归模型。但是，上市企业均受到相同的宏观经济政策与金融市场环境等方面因素的制约，因此，无法通过制度背景来有效处理模型中存在的内生性问题，所以，文中将变量Financial的延后一至两期作为内生变量的工具变量。除此之外，还应该基于过度识别等有关诊断性检验来评价所设定的工具变量的合理性[4]。
按照相关回归结果显示，金融资产占比的Financial系数是 - 0. 295，并且低于1%的水平比较明显，由此可见，企业金融资产配置越高，越无法有效地提高企业的价值。然而，在增加融资约束变量以及融资约束和金融资产占比的交互项以后，金融资产占比同企业价值之间却依旧呈负相关，而且融资约束和金融资产占比的交互项系数也不明显，因此，就融资约束程度较强的企业而言，金融资产配置同企业价值之间的关系并未呈现明显的正相关，由此可以看出，企业金融资产配置并未发挥出减少融资约束的作用，所以，假设 1 不成立。根据Sargan过度识别检验结果可以看出，均未否定原假设的成立，基于此，模型所采用的工具变量具有合理性。对于控制变量的回归结果来说，企业规模、资产负债率与国有企业同企业价值之间呈现明显的负相关，然而，经济收益增长率、营业规模、现金流、企业年龄、股权统一度却同企业价值之间呈现明显的正相关，并且与既存的相关企业价值的研究结论基本相同。
基于市场套利目的，根据企业金融资产占比同企业价值之间的回归结果可以看出，在增加市场套利目的以及市场套利目的和金融资产占比的交互项以后，企业金融资产占比同企业价值之间的关系依旧呈现明显的负相关，市场套利目的以及市场套利目的和金融资产占比的交互项系数均低于1%，因此，明显为负，由此可见，就市场套利动机较强的企业而言，金融资产配置越高，越难以提高企业的价值，从而表明我国上市企业金融资产配置主要以市场套利动机为目的，因此，假设2的结论也成立。
2.3稳健性检验
为了保证研究结论的稳健性，文中做了三项稳健性检验：①利用Kaplan与Zingales提出的KZ指数来建立融资约束变量，以此来体现企业在各种融资约束水平下，金融资产占比同企业价值之间存在的联系，回归以后得出结果相同；②将企业金融资产同经营资产收益率之间的差值作为市场套利动机的替代变量，差值越大代表企业的市场套利动机越强，实证结果依旧认可原假设成立；③市场因素直接决定着公允价值的变化，无法如实地体现出企业积极配置金融资产的行为，所以，去除了金融资产账面价值中的“公允价值变动收益”，实证研究后得出结果不变。
结束语：
综上所述，企业应该立足于实现自身价值最大化的长远目标来配置金融资产，并且对企业长远发展战略目标、风险与经济收益等方面因素加以充分考虑，尽可能不产生以短期市场套利为动机的投资行为。另外，還应该通过金融投资活动来推动企业经营活动，以此来提高企业的价值。
参考文献：
[1]戚聿东，张任之.金融资产配置对企业价值影响的实证研究[J].财贸经济，2018（5）.
[2]葛洪申.金融知识、投资经验对我国家庭金融市场参与及资产配置的影响[D].西南财经大学，2013.
[3]张亮.金融发展对我国家庭金融市场参与和资产配置影响[D]. 西南财经大学，2013.
[4]马贵兰，蓝文永.企业金融资产分类影响因素的实证研究——基于金融上市公司的经验证据[J].经济研究参考，2015（5）：78-82.
关键词：金融资产配置；企业价值；影响；实证分析
随着我国社会经济结构的转型，传统行业产能开始过剩、出口需求不断减少、产品缺乏较强的综合竞争实力、成本大幅提高，实体经济的经营效益越来越低。然而，金融领域则利用准入与利率管制等政策优势一直获取着较高的资本回报率，另外，近几年内，随着房价的日益上涨，房地产业迎来了史无前例的黄金发展期，金融與房地产行业的利润率明显高于实体经济的平均利润率。基于资本逐利动机的引诱，实体企业为了获取较高的经济效益，开始积极采取各种手段进入金融与房地产行业，其中，金融资产配置是一种非常有效的手段。除此之外，金融资产的持有形式与类型也变得越来越多。为此，金融资产在实体企业资产中占据着十分重要的位置，并且还直接影响着企业价值的创造。基于此，文中实证分析了金融资产配置对企业价值造成的影响。
1实证研究设计
1.1样本来源
将2007—2016年全部A 股上市企业作为原始样本，并且针对其采用以下处理步骤：除去金融类与房地产类上市企业、ST类上市企业、数据不全与异常的上市企业以及2016年新上市的企业。通过层层挑选，最后总计得到了9398 个企业的年度观测值。将2007年作为初始年份是由于从2007年开始执行的新会计准则重新规定了企业金融资产的计量，为了保证相同的结果，所以，未将2007年以前的样本作为分析对象。另外，为了避免极端值影响到回归结果的准确性，文中针对全部连续变量在 1% 与99%水平上实施了Winsorize 缩尾处理。上市企业的财务数据都来源于CSMAR数据库，采用的数据处理和计量分析软件是Stata12. 0[1]。
1.2研究设计和变量定义
借鉴既存的与企业金融化经济后果有关的文献，并采用以下计量模型实证分析研究假设，具体体现如下：
TobinQ =α0+α1Financial+α2FC +α3FC×Financial+αiXi+ε（1）
TobinQ=α0+α1Financial+α2Arbitrage+α3Arbitrage×Financial +αiXi+ε（2）
其中，Tobin Q 为企业价值，它是企业股票市价与债务账面价值之和同企业总资产的比值。Financial 为企业金融资产同期末总资产之间的比值，其中金融资产主要包含交易类金融资产、长期金融股权投资、委托贷款与理财以及投资性房地产。交易类金融资产主要指具有一定流动性并且在资本市场波动影响下的资产；长期金融股权投资主要指公司所持有的银行、券商、基金与信托等金融机构的股权金额； 委托贷款与理财主要指公司委托银行等金融机构向其他企业发放的贷款或者是购买理财与信托产品的年终余额；资产负债表中的投资性房地产净额科目为投资性房地产提供数据支持，近几年内，随着我国房地产行业的迅猛发展，开始促使其更具金融特点，所以，文中将其定义为企业的一种固定金融资产[2]。
模型（1）主要验证企业的金融资产所占的比例在各种融资约束程度下是否同企业价值之间存在明显的差别。其中，FC代表企业所面临的融资约束程度，文中按照 Hadlock 与 Pierce提出的 SA 指数对融资约束指标进行计算，详细算法如下： SA=-0.737×lnasset+0.043×lnasset2- 0.04 ×age，此指数值越大意味着企业所面临的融资约束程度越严重。选取SA 指数是由于同其他不同的测度方法相比，比方说，财务杠杆、托宾Q值等，SA 指数只包括了企业年龄与资产规模两个外生性变量，相比较而言，结果更加精准。FC变量的详细计算步骤体现如下： 根据中位数来划分计算完的各个年份的SA指数，将大于中位数的视为融资约束程度较高组，FC值设定为1；不然，就将其看作融资约束程度较低组，FC值设定为 0。倘若α3明显为正，融资约束程度较高的公司的金融资产所占的比例同公司价值之间就呈现正相关，因此，假设 1 成立。
模型（ 2） 主要验证公司的金融资产所占的比例在各种市场套利动机下同企业价值之间是否存在明显的差别，其中，Arbitrage代表市场套利动机强弱的虚拟变量，文中采用金融资产获利与净利润的比重来衡量，金融资产获利有企业的利息收入、相关金融资产的投资收益和公允价值变动收益，选取此项指标是由于金融资产获利所占的比重属于一项具备流量特点的指标，不仅体现了公司纯利润中金融资产获利的占比，而且还可以以市场套利动机的金融投资行为为依托最大限度地提高公司的经济收益。Arbitrage变量的详细计算步骤体现如下： 将各年份的金融资产获利与净利润的比值按照中位数来划分，将大于各个年度的中位数设定为市场套利动机较强组，Arbitrage值设定为1；不然，就将其设定为市场套利动机较弱组，Arbitrage值设定为 0。倘若α3明显为负，就代表公司的市场套利动机较强，其金融资产所占的比例同企业价值之间呈现明显的负相关，那么，假设2成立[3]。
2.实证结果研究
2.1描述性统计研究
文中设定因变量Tobin Q 的均值为2. 437，相对比国外文献标准高些，由此可见，我国股票市场存在的常见问题就是定价较高。Financial的均值设定为 6. 4% ，高于中位数的2. 4% ，这意味着大多数上市企业均配置了大量的金融资产。其他控制变量的均值基本接近于中位数，因此，控制变量没有产生异常分布。 2.2实证研究结果
因为模型（ 1）与模型（ 2）中的因变量企业价值同解释变量企业金融资产的占比之间可能存在反向因果关系，所以，会导致模型出现内生性现象。基于对模型实施Hausman内生性检验，结果明显否定了模型不存在内生性的原假设。另外，要想防止内生性现象造成估计结果产生偏差，就应该探寻相应的工具变量来回归模型。但是，上市企业均受到相同的宏观经济政策与金融市场环境等方面因素的制约，因此，无法通过制度背景来有效处理模型中存在的内生性问题，所以，文中将变量Financial的延后一至两期作为内生变量的工具变量。除此之外，还应该基于过度识别等有关诊断性检验来评价所设定的工具变量的合理性[4]。
按照相关回归结果显示，金融资产占比的Financial系数是 - 0. 295，并且低于1%的水平比较明显，由此可见，企业金融资产配置越高，越无法有效地提高企业的价值。然而，在增加融资约束变量以及融资约束和金融资产占比的交互项以后，金融资产占比同企业价值之间却依旧呈负相关，而且融资约束和金融资产占比的交互项系数也不明显，因此，就融资约束程度较强的企业而言，金融资产配置同企业价值之间的关系并未呈现明显的正相关，由此可以看出，企业金融资产配置并未发挥出减少融资约束的作用，所以，假设 1 不成立。根据Sargan过度识别检验结果可以看出，均未否定原假设的成立，基于此，模型所采用的工具变量具有合理性。对于控制变量的回归结果来说，企业规模、资产负债率与国有企业同企业价值之间呈现明显的负相关，然而，经济收益增长率、营业规模、现金流、企业年龄、股权统一度却同企业价值之间呈现明显的正相关，并且与既存的相关企业价值的研究结论基本相同。
基于市场套利目的，根据企业金融资产占比同企业价值之间的回归结果可以看出，在增加市场套利目的以及市场套利目的和金融资产占比的交互项以后，企业金融资产占比同企业价值之间的关系依旧呈现明显的负相关，市场套利目的以及市场套利目的和金融资产占比的交互项系数均低于1%，因此，明显为负，由此可见，就市场套利动机较强的企业而言，金融资产配置越高，越难以提高企业的价值，从而表明我国上市企业金融资产配置主要以市场套利动机为目的，因此，假设2的结论也成立。
2.3稳健性检验
为了保证研究结论的稳健性，文中做了三项稳健性检验：①利用Kaplan与Zingales提出的KZ指数来建立融资约束变量，以此来体现企业在各种融资约束水平下，金融资产占比同企业价值之间存在的联系，回归以后得出结果相同；②将企业金融资产同经营资产收益率之间的差值作为市场套利动机的替代变量，差值越大代表企业的市场套利动机越强，实证结果依旧认可原假设成立；③市场因素直接决定着公允价值的变化，无法如实地体现出企业积极配置金融资产的行为，所以，去除了金融资产账面价值中的“公允价值变动收益”，实证研究后得出结果不变。
结束语：
综上所述，企业应该立足于实现自身价值最大化的长远目标来配置金融资产，并且对企业长远发展战略目标、风险与经济收益等方面因素加以充分考虑，尽可能不产生以短期市场套利为动机的投资行为。另外，還应该通过金融投资活动来推动企业经营活动，以此来提高企业的价值。
参考文献：
[1]戚聿东，张任之.金融资产配置对企业价值影响的实证研究[J].财贸经济，2018（5）.
[2]葛洪申.金融知识、投资经验对我国家庭金融市场参与及资产配置的影响[D].西南财经大学，2013.
[3]张亮.金融发展对我国家庭金融市场参与和资产配置影响[D]. 西南财经大学，2013.
[4]马贵兰，蓝文永.企业金融资产分类影响因素的实证研究——基于金融上市公司的经验证据[J].经济研究参考，2015（5）：78-82.