資本結構動態調整經驗研究前沿

　　【摘要】 文章按照聯立方程模式、動態調整模式和數據挖掘模式總結了資本結構動態調整最新的經驗研究方法，梳理了經驗研究成果，并對資本結構動態調整研究面臨的挑戰和未來趨勢進行了總結。
　　【關鍵詞】 資本結構； 動態調整； 經驗研究
　　
　　大多數研究在考察企業實際資本結構對目標資本結構的偏離和回歸時，利用動態模擬技術和數據挖掘等方法來揭示資本結構的動態調整本質。本文按照聯立方程模式、動態調整模式和數據挖掘模式總結了資本結構動態調整最新的經驗研究方法，梳理了經驗研究成果，目的是對這些紛繁的研究進行梳理和評述，總結極富建設性的經驗和結論，并為未來的研究提供建議。
　　
　　一、經驗研究方法
　　
　　基于企業向最優資本結構回歸的長期趨勢，早期的經驗研究用平均資本結構替代最優資本結構。這種研究方法忽略了最優資本結構受調整成本和隨機因素的影響處在持續變動之中的事實。為了修正測量最優資本結構誤差造成的偏誤，后期代表性的研究大致采用了聯立方程模式、動態調整模式和數據挖掘模式三種方法。
　　（一）聯立方程模式
　　Jalilvand和Harris（1984）運用似無關方法估計一組調整方程，證實企業的融資行為受到調整成本的影響，遵循一種部分調整的模式。由于技術限制，他們假設投資決策是外生變量，而最優資本結構保持不變。因此他們定義的變量是為了反映調整速度的變化，而不是最優資本結構本身的變化，在估計調整系數時可能包含對最優資本結構的測量誤差。Ozkan（2001）認為前期的資本結構會對當前的調整產生影響，因而采用了廣義矩估計和滯后兩期變量作為工具變量的方法。廣義矩法雖然有效地控制了變量的內生性，但卻因此無法觀察到變量的內生性對調整決策的影響。
　　Hovakimian等（2001）采用二階段聯立方程來內生化最優資本結構隨時變化的特性，用第一個階段（Tobit回歸）預測值和實際值的差額作為第二個階段（Logit回歸）的自變量。他們發現，差異反映了融資決策的某種趨勢，當實際值低于預測值時，企業增加負債；相反時則減少負債，此時調整強度明顯高于前者。這種方法的缺陷是將第一個階段的誤差帶入了第二階段的估計。
　　Fama和French（2002）認為最優資本結構和股利支付率都具有內生性，彼此相互影響，應該用結構方程和二階段最小二乘法進行估計。他們首先在資本結構模型中擬合出下期的杠桿負債率，并將擬合值代入到動態調整（兩期杠桿負債率差異）模型中，在模擬股利支付率時也采用了相似的方法，先在不包含股利支付率的方程中估算出杠桿率，再將結果代入到模擬支付率和其變化的方程中。他們也未采用同時估計技術，因此統計結果中發現了共線性。由于在估算過程中采用了均值替代法對杠桿率和股利支付率進行擬合，因此最優結構并不會隨時間發生變化。
　　（二）動態調整模式
　　Banerjee等（2004）認為目標資本結構和調整都受到企業自身因素和時間因素的影響，因而是同時變化的。他們建立了動態調整模型：Lit=（1－δit）Lit－1＋δitLit*
　　最優結構模型：Lit*=a0＋∑ajYjit＋∑asDs＋∑atDt
　　調整速度模型：δit=β0＋∑βkZkit＋∑βsDs＋∑βtDt
　　Lit和Lit－1分別代表當前和滯后一期的杠桿負債率，Lit*代表最優杠桿負債率。Yj代表一系列決定資本結構的因素，Zk代表一系列決定調整速度的變量，Ds代表行業啞變量，Dt代表時間啞變量。Banerjee等將后兩個模型中關于調整速度和最優資本結構的表達式代入動態調整模型中得到一個非線性方程，用高斯牛頓迭代法估計，得到企業適時的調整速度和最優資本結構。他們發現，動態調整模型的擬合優度達到80.14%，遠遠高于靜態模型的27.68%。Flannery和Rangan（2006）認為最優資本結構可能受到企業自身一些相對穩定但是不可觀察因素的影響，他們因此建立了一個與Banerjee等（2004）相似、但是包含了固定效應的部分調整模型，擬合效果更符合實際。
　　Leary和Roberts（2005）指出調整是連續發生的，不應該使用離散的方法，以往以年為單位的研究方法存在缺陷。他們采用了持續期限分析方法，連續估計不同結構的調整成本對調整過程的影響，用步進函數h（t）=lim[Pr（t≤T≤t＋m?襔T≥t）/m]來估計當前未調整的企業在下一個時刻m進行調整的概率；用危險函數hij（t?襔ωi）=ωih0（t）exp{xij（t）'β}來描述企業資本結構的動態調整。其中，xij（t）代表一系列協變量，反映了一系列阻礙調整的成本；ωi是隨機誤差項。他們發現由于調整成本的影響，在當前時點沒有發生調整的企業中，大約有75%在下一個時點進行調整的概率明顯增加，它們平均用一年的時間完成調整。
　　（三）數據挖掘模式
　　無論是聯立方程的二階段估計方法，還是動態調整模型的非線性模擬技術，都無法處理調整行為的兩種不可觀測性，一種是不可觀測的決定因素，另一種是不可觀察的決定方式。以Hennessy和Whited（2007），Pao（2008）為代表的研究者采用了數據挖掘方法來解決這一難題。
　　Hennessy和Whited（2007）認為企業可觀察的融資決策受制于不可觀測的決定因素。他們建立了一個將投資、分紅、杠桿水平和違約等相關決策內生化的結HE6hEIX6A4+oAbcVOlTDdynlliiKdqNa//k/OlOsNLE=構模型，模擬企業面對一系列融資摩擦時的調整行為。這些摩擦包括企業所得稅和個人所得稅、破產成本、權益融資浮選成本以及次優化債權融資的代理成本等。結構模型用未知參數來代表這些不可觀測的摩擦，通過模擬矩估計（SMM）最小化預測值和真實值的矩來擬合這些參數。結果發現融資摩擦能夠很好地解釋企業的投、融資行為。
　　Pao（2008）發現過去的研究大多數局限于模擬而不是預測，而且各種可觀測的影響因素可能通過不可觀察的方式作用于融資決策，因此他建立了一個資本結構動態調整的神經網絡模型（ANN），由包含了可觀測因素的輸入層、不可觀察作用形式的隱藏層以及可觀測資本結構的輸出層組成，每一層都包含了大量與鄰近層相聯結的神經元（節點），處于不同層的神經元可以通過非線性聯結相互作用。神經網絡模型的優勢是不必預知可觀測因素的作用方式，因為模擬本身就是一個學習過程，而且對數據本身的分布、相關、缺失等性質沒有限制。通過最小化資本結構觀察值和預測值的誤差平方和（SSE），可以得到輸入層可觀測因素的作用因子（估計參數）。Pao發現由于神經網絡模型能夠抓住因素間的復雜聯系，因此它比其他模型具有更好的模擬和預測性。
　　
　　二、經驗研究成果
　　
　　（一）調整成本的形式對企業調整決策的影響
　　Fischer等（1989）發現外部融資的規模和頻率將在很大程度上取決于調整成本的結構，企業的目標資本結構存在一個最優區間。他們指出并由Leary和Roberts（2005）證實，如果調整成本始終保持不變，只要調整收益超過調整成本，企業就會按照期望完全調整；如果調整成本與調整規模成比例，成本最小化的企業只有當負債超出最優范圍時才做細微調整，調整只要使得負債回到邊界點即可；如果調整成本由一個固定成本和一個遞減的變動成本組成，固定成本的存在使得每一次調整都向最優回歸，遞減的變動成本則使得每一次調整都盡可能小，最后的結果是負債回到最優點和邊界點之間。Fama和French（2002）、Leary和Roberts（2005）還發現反向選擇的成本可能對融資決策有重要影響。企業會發行股票或回購債券來降低破產風險，但是由于調整成本的影響，它并不會立即這樣做；反過來，低負債的企業本應該發行債券來融資，但是同樣受調整成本的影響，它會改為內部融資。Faulkender等（2008）發現具有負向現金流的企業有補足現金流缺口的需求，其調整成本是沉沒成本，對企業融資決策的影響小；具有正向現金流的企業有分紅的需求，外部融資主要補償了分紅的現金支出，調整成本是邊際成本，調整速度較慢；現金流接近于0的企業，其調整成本即融資的邊際成本非常高，因此調整速度非常慢；受到財務約束的企業調整得也比較慢。
　　
　　（二）微觀經濟條件對企業調整決策的影響
　　規模是制約調整的重要因素。Jalilvand和Harris（1984）發現規模越大的企業執行成本越低，市場開拓力和壟斷程度也越強，相對更容易實現調整。Banerjee等（2004）也證實相同調整成本對大企業的影響要小于小企業，因而大企業的調整速度更快。但是Nivorozhkin（2001）發現，在不同的制度背景下，規模大小對于調整速度有完全相反的影響。行業特征也是形成差異調整的關鍵原因。Bradley等（1984）、Miao（2005）發現由于融資和生產決策的相互作用形成了企業的個體差異，因此行業因素會影響最終的調整，比如高增長行業的最優資本結構和調整速度更低。Pao（2008）發現不同行業調整決策的關鍵影響因素不同，比如高科技行業的行業風險因子與增長機會因子都與調整正向相關，但前者與傳統行業相反，后者則相同。
　　除此之外，不同的研究還發現，增長機會、收入波動性、流動負債比率、投資情況、資產專用性和財務困境等對調整速度都有影響。Lemmon（2008）指出，盡管先前的研究揭示了很多影響因子，但是基于它們的經驗研究的R2只有18%-29%，在控制了固定效應后的R2卻能達到60%，這說明實際調整還受到時間不變因素的驅使，使得企業既有向均值反轉的趨勢，也有保持本身資本結構長期不變的趨勢。
　　（三）宏觀制度背景對企業調整決策的影響
　　Choe等（1993）、Gertler等（1993）在研究中揭示宏觀經濟條件是企業融資決策的重要影響因素。相關研究也發現了宏觀經濟影響調整行為的新證據。Hackbarth等（2006）指出，既然最優資本結構取決于稅盾利益與破產成本的均衡，而稅盾收益受制于由經濟擴張或收縮決定的現金流水平，破產成本也依賴于由當前經濟狀態決定的違約可能性和違約損失，那么宏觀經濟條件的變化必定導致最優資本結構的變化。這一推斷得到了Levy和Hennessy（2007）的證實。
　　不同制度背景下的偏離成本和調整成本存在較大差異，因此不同國家的企業調整速度不同，比如英國企業的調整成本大于偏離成本，因此調整速度慢，偏離程度大；美國企業則剛好相反。經濟轉型國家的逐漸調整成本要高于一次調整成本，因此調整速度明顯更快。Delcoure（2007）對中東歐國家的研究揭示，影響這些轉型經濟國家調整速度的主要因素是銀行系統的差異和財務限制、企業經營和投資者保護的法律環境等市場條件。
　　Cook（2009）認為盡管很多研究都注意到了宏觀經濟環境對調整的影響，但是仍然缺乏對具體宏觀經濟條件實際影響的經驗研究。他選用期限息差、違約息差、GDP增長率和市場股息率作為制約調整速度的宏觀經濟變量，將企業分成良好、中等和較差經濟環境三個組別，發現處在以較高的期限息差、GDP增長率和較低的違約息差、市場股息率為表征的、良好經濟環境中的企業，其調整速度明顯高于其他尤其是經濟環境較差的企業。
　　
　　三、國內研究成果
　　
　　王皓和趙俊（2004）、童勇（2004、2006）、連玉君和鐘經樊（2007）應用與Banerjee等（2004）、Flannery和Rangan（2006）類似的模型，揭示中國企業雖然存在最優資本結構，但是由于債權融資困難、證券監管有限，加上內部治理的缺陷，調整成本非常大，因此調整速度非常緩慢，負債普遍不足。肖作平（2004）發現企業的股權融資偏好可能來自信息不對稱，但是政府主導型的融資體制和高昂的融資成本導致債券融資并不足以解決信息不對稱的問題。制度力量在中國企業資本結構決策中起主導作用。黃輝（2009）提供了宏觀經濟制度影響調整速度的證據。他發現破產法的適用范圍、各地區的法制建設、股市發展程度等制度層面的因素顯著影響企業的調整行為；企業的微觀特征對調整行為的決定作用在不同的宏觀經濟環境中表現不同；較好的宏觀經濟環境有利于較快地調整。
　　王正位等（2007）指出，銀行貸款和股權融資的監管政策不同，導致兩個市場上的融資摩擦不同，股票市場的調整成本大于銀行貸款市場的調整成本。潘敏和邵科（2007）發現管理層對于實際負債率高于最優負債率的偏離的調整，存在強烈的偏好；反之則調整動機明顯不足。黃輝（2009）也發現了調整的不對稱性，但是得到的證據不同：負債不足的企業有著比負債過度的企業較快的調整速度；負債過度的企業只有在其股價被高估時才會較快地調整。這說明在宏觀制度的影響下，企業在融資順序和融資時機上有優序和擇機的動機。
　　Qian（2009）發現大型國企更容易得到銀行的青睞，具有明顯的融資優勢，調整速度要高于其它企業。債務比例減少較多的企業在1999-2004期間的調整速度低于全樣本企業；將樣本期向前擴展到1993年后，這些企業的調整速度更加緩慢。說明經濟改革加快了企業的調整速度。企業短期的調整行為更符合擇機理論的預期，但是長期仍然表現出逐步回歸的趨勢。
　　
　　四、挑戰與趨勢
　　
　　資本結構動態調整研究至少在如下方面取得了令人矚目的進展：首先，動態調整觀念改變了靜態研究思維，有助于更好理解實際融資決策；其次，運用了更為成熟的統計方法，更好地解決了決策的內生性問題；第三，將微觀經濟因素和宏觀制度背景納入分析中，研究基礎更為客觀。不可否認，動態調整研究也面臨挑戰。
　　首先，目前大多數研究是靜態權衡理論在動態框架上的延展，主要是為了驗證朝向最優資本結構的動態回歸。由于經驗研究中發現了對優序融資理論的支持，未來有必要對長期調整趨勢和短期調整沖擊進行綜合研究，完善理論模型并且改進經驗研究方法。
　　其次，現有的研究已經將宏觀經濟因素納入到了模型中，但是方法比較單一。比如Cook（2009）以GDP增長率、債券息差、違約息差和股息率的四分位數來界定經濟情況的好和壞。我國大多數研究者用前兩個指標來確定宏觀環境的差異，如黃輝（2009）。未來研究需要對宏觀經濟更為適當的描述。
　　第三，受到不同制度背景的影響，即使相同模型也會得到不同結論。特別是轉型經濟特有的政治和經濟因素對調整決策有關鍵影響。關于資本結構動態調整研究的重要問題就是揭示制度因素對企業資源配置效率的影響，對中國特殊制度背景更為細致地考慮將是未來研究的方向。
　　
　　【參考文獻】
　　［1］ 連玉君，鐘經樊.中國上市公司資本結構動態調整機制研究［J］.南方經濟，2007（1）：23-38.
　　［2］ 黃輝.制度導向，宏觀經濟環境與企業資本結構調整——基于中國上市公司的經驗證據［J］.管理評論，2009（3）：10-18.
　　［3］ 王正位，趙冬青，朱武祥.資本市場摩擦與資本結構調整——來自中國上市公司的證據［J］.金融研究，2007（6）：109-119.
　　［4］ Banerjee S.，Heshmati，A.，and Wihlborg，C. The Dynamic of Capital Structure［J］. Research in Banking and Finance，2004，4：275-297.
　　［5］ Cook，D.O. and T.，Tang.Macroeconomic Conditions and Capital Structure Adjustment Speed［J］. Journal of Corporate Finance，2009，2：1-15.
　　［6］ Leary，M.T.，and Roberts，M.R. Do Firms Rebalance Their Capital Structures？［J］. The Journal of Finance，2005，6：2575-2619.
　　［7］ Pao，H..A Comparison of Neural Network and Multiple Regression Analysis in Modeling Capital Structure［J］. Expert Systems with Applications，2008，35:720-727.