關系型貸款與企業投資行為監督
——基于中國上市公司的經驗證據

張亦春 李晚春

(廈門大學經濟學院，福建 廈門 361005)

·財政金融研究（學術主持人：曹廷求）·

關系型貸款與企業投資行為監督
——基于中國上市公司的經驗證據

張亦春 李晚春

(廈門大學經濟學院，福建 廈門 361005)

本文采用樣本區間為2007-2012年的中國上市公司代表性數據，實證分析了緊縮貨幣政策下關系型貸款對企業投資效率的影響機制。研究發現，我國關系型貸款具有監督治理作用，能減少銀企信息不對稱并抑制企業非效率投資;進一步發現，關系型貸款能顯著抑制信息透明度低、信任度低和政治關聯企業的非效率投資，且在緊縮貨幣期間的作用效果增強。在我國法律執行較弱且經濟政策頻繁調控的現實背景下，關系型貸款提供了基于市場的內生監督機制，有助于提升企業投資效率。對此，政府、銀行和企業三方應共同努力，通過構建市場型銀企關系、提升關系型貸款技術，從而改善企業投資效率。

關系型貸款;投資效率;貨幣政策

一、引言

改革開放以來，中國推行并保持投資驅動型的高速經濟增長模式。1978-2012年，中國經濟的GDP年均增長率高達9．78%，固定資產投資的年均增長率為20．53%。然而，與此不匹配的是我國資本效率卻持續下降，投資收益率從2002年的4．1%降至2012年的1．8%，①數據由《中國統計年鑒》計算得出。投資回報率甚至低于資金成本(銀行平均貸款利率6%)。這種狀況，不僅是對社會資源極大的浪費，而且累積的不良債務極易引發我國金融的系統性風險。由此可見，提升企業投資效率對于新常態下我國經濟良性、健康增長具有重要意義。

作為新興資本市場的我國，目前仍處在經濟改革和體制轉軌的過程中，投融資領域的宏觀調控體系和法制建設還不完善，外部監管機制還難以有效約束企業的投資行為，因而亟需尋找基于市場的內生監督機制。國外有研究表明，關系型貸款是一種提升企業投資效率的有效機制，其監督原理在于:貸款銀行通過銀企關系可以獲取企業內部信息，減少信息不對稱和道德風險，以遏制企業過度投資;緩解企業融資約束以避免投資不足，從而提高投資效率。②Berger，A．N．，and Udell，G．F．，“A More Complete Conceptual Framework for SME Finance”．in Journal of Banking and Finance，2006，30(11)，2945-2966．但也有文獻質疑緊密的銀企關系可能導致貸款人利用私人信息尋租，產生低效的投資以及“套牢”問題。③Boot，A．W．A．，“Relationship Banking:What Do We Know?”in Journal of Financial Intermediation，2000，9(1)，7-25．上述對關系型貸款監督正、反兩方面的闡述均基于國外成熟市場的背景，那么，對于新興市場國家究竟適用哪一種結論?進一步，若我們考慮宏觀因素，在緊縮貨幣政策下關系型貸款的作用效果又如何呢?

基于這些研究前提和考量，本文擬在現階段我國相關法律法制尚不健全、而銀行貸款又是企業外部融資主要來源的背景下，研究關系型貸款對我國上市企業投資效率的影響。之所以選定中國上市企業為研究對象，是因為，新興的中國市場面臨更高的信息不對稱和代理問題，而且銀企關系更多表現出“多重互動關系”和“弱監督”特征。①溫軍、馮根福等:《異質債務、企業規模與R＆D投入》，《金融研究》2011年第11期。這兩種市場特征的融合，使得對中國資本市場的研究更具有典型意義。

二、理論分析與研究假設

(一)非效率投資的原因:信息不對稱

在Myers(1977)的代理框架下，由于存在信息不對稱，企業的投資會偏離其最佳水平，出現過度投資或投資不足等非效率投資問題。結合中國的現實情況，本文認為有三種原因加劇了企業的信息不對稱:信息透明度低、企業信任度低和政治關聯。

“信息透明度”主要是指易于量化的硬信息，如公司財務報表等信息為公眾所知曉或獲取的難易程度。信息透明度低的企業數據不明晰、貸款風險大，處于交易貸款的劣勢并面臨信貸配給壓力。“信任”能夠增進長期合作和信息獲取，降低交易成本和道德風險;②Moro，A．，and Fink，M．，“Loan Managers’Trust and Credit Access for SMEs”，in Journal of Banking＆Finance，2013，37(3)，927-936．低信任度的企業交易成本較高、代理問題嚴重，投資效率低下。“政治關聯”是指企業由于具有復雜的社會聯系，一般財務不明晰、信息透明度低，并可能出現非協調性的政治尋租和公共領域內的過度賄賂，使得其投資往往低效。

(二)非效率投資的監督:關系型貸款

根據Berger and Udell(2006)對貸款技術的分類，銀行貸款主要分為兩大類:交易型貸款和關系型貸款。交易型貸款的發放依據詳盡的財務報表、數理統計模型或客戶信用評分，能有效獲取客戶信息，減少事前的逆向選擇;或使用抵押品以減少事后的道德風險，因此能發揮一定程度的監督作用。但這些“硬信息”發揮監督作用的前提是其真實性。令人遺憾的是，目前我國會計作假和粉飾報表的行為還比較常見，企業“硬信息”指標的真實性難以保證，使得交易型貸款難以有效發揮監督作用。

關系型貸款是基于銀行和企業合作關系發放的貸款(Boot，2000)，在長期合作的過程中，銀行可以獲取企業內部信息，并加工形成特定、持久、可重復使用的軟信息，能有效降低信息不對稱問題。盡管有學者質疑緊密的銀企關系可能導致貸款人利用私人關系尋租，出現低效的信貸決策以及“套牢”問題，③Cotugno，M．，Monferrà，S．，and Sampagnaro，G．，“Relationship Lending，Hierarchical Distance and Credit Tightening:Evidence from the Financial Crisis”，in Journal of Banking＆Finance，2013，37(5)，1372-1385．但該問題可以通過更靈活的信貸條款或與多個銀行建立銀企關系加以解決。④何韌、劉兵勇等:《銀企關系、制度環境與中小微企業信貸可得性》，《金融研究》2012年第11期。因而，關系型貸款是比交易型貸款更有效的企業治理方式，能降低信息不對稱，提升企業投資效率。在此基礎上，本文提出假設1:

H1:交易型貸款監督作用不明顯，關系型貸款監督作用顯著，能抑制上市企業非效率投資。

進一步，對于信息透明度低導致的信息不對稱，關系銀行還能從交叉銷售、衍生業務等非信貸業務中獲取借款者信息，增強對其篩選和監督能力;對于企業信任度低導致的信息不對稱，由于關系貸款涉及經濟利益和法律條款，在合約不履行時的經濟懲罰和法律追責遠比依靠社會公德和輿論譴責嚴厲得多，因而能克服信任缺失或低信任度造成的負面影響，發揮重要的監督治理作用;對于政治關聯導致的信息不對稱，由于關系貸款合同一般注明資金使用要求，限定貸款資金專款專用，因此能有效約束政治關聯企業巧立名目、濫用資金的行為，減輕貸款風險。

再結合貨幣政策來看。貨幣主義觀點認為，由于金融摩擦的存在，貨幣供應量的變化尤其是貨幣緊縮會影響到實體經濟。⑤Kashyap，A．，Stein，J．C．，“What Do a Million Observationson Banks Say about the Transmission ofMonetary Policy”，in American Economic Review，2000，90(6)，407-428．緊縮貨幣政策會收縮企業的資產負債表、減少貸款供應并增大貸款成本，⑥Massa，M．，and Zhang，L．，“Monetary Policy and Reginonal Availability of Debt Financing”，in JournalofMonetary Economics，2013，60(4)，439-458．而企業又難以尋求其他替代融資方式，資金的困局可能引發機會主義和各種代理問題，導致出現非理性的投資行為。緊密的銀企關系可在緊縮貨幣期間獲得持續性優惠貸款，有助于防范流動性沖擊，⑦Hachem，C．K．，“Relationship Lending and the Transmission of Monetary Policy”，in Journal of Monetary Economics，2011，58(6)，590．從客觀上減少企業因融資困境引發代理問題的可能性。據此本文推測，關系型貸款在緊縮貨幣期間能有效發揮監督作用和融資作用，緩沖貨幣沖擊對企業投資效率的消極影響。故本文提出假設2:

H2:關系型貸款能監督信息透明度低企業、信任度低企業和政治關聯企業的非效率投資，在緊縮貨幣政策期間的作用更明顯。

三、研究設計

(一)模型和變量說明

目前對投資效率的研究主要基于Richardson(2006)模型，即首先構建企業基本投資方程，獲得方程殘差;其次以該殘差為被解釋變量，并引入解釋變量(如關系型貸款)和控制變量構建投資效率方程。該模型存在的問題是:基本投資方程是一個動態面板方程，在Richardson(2006)的研究中卻采用了OLS方法直接估計，而這可能會因為內生性問題得到有偏結果。本文嘗試對該模型方法進行改進。由于兩步法系統GMM能較好地消除內生性并具有更好的有限樣本性質，故本文采用兩步法系統GMM估計基本投資方程。

1．基本投資方程。

在方程(1)中，因變量Invi，t表示t期實際新增投資。由于企業投資計劃通常受上年度經營狀況影響，所以所有自變量均滯后一期。其中，Qi，t-1代表托賓Q值，Levi，t-1代表資產負債率，Cashi，t-1代表企業現金，Agei，t-1是上市年限，Sizei，t-1代表總資產，Retsi，t-1代表年度股票收益率，YEAR代表年度啞變量，INDUSRTY代表行業啞變量，并按照證監會行業分類法將A股上市企業劃分為13個行業。模型中所有變量均以總資產進行標準化。

在系統GMM估計前需對工具變量的有效性進行檢驗。除常見的Sargen檢驗和殘差序列檢驗外，Bond (2002)還提出了一種操作層面的檢驗方法:由于混合OLS通常會高估滯后項的系數，而固定效應FE估計會低估滯后項的系數，如果GMM估計值介于OLS和FE估計值之間，則GMM估計方法有效。

2．投資效率方程。

其中，方程(2)用于檢驗假說1，為了檢驗緊縮貨幣政策的作用而加入緊縮貨幣啞變量MPi，t;方程(3)用于檢驗假說2，為避免三乘項影響模型的穩定性，方程中不含緊縮啞變量MPi，t，而是通過緊縮期間(以M2中位數為準，2007、2008、2012年劃分為緊縮貨幣期間)的樣本回歸來檢驗緊縮貨幣政策對投資效率的影響。

3．方程(2)、(3)主要變量說明。

被解釋變量。Inveffi，t代表非效率投資，以投資方程(1)的殘差εi，t衡量，并根據εi，t是否大于0分為過度投資Over_Invi，t(εi，t＞0)和投資不足Under_Invi，t(εi，t＜0)兩種情況。

解釋變量。方程(2)中的Transaci，t代表交易型貸款;Reli，t表示關系型貸款，若同一銀行過去五年內與企業有過信貸關系，則其貸款認定為關系型貸款。

方程(3)中的Xi，t分別指代信息透明度Opacityi，t、企業信任度Trusti，t和政治關聯啞變量Poli，t。具體來看，Opacityi，t以企業是否屬于滬深300指數成分股Indexi，t、企業可自由支配利潤Accui，t兩個指標衡量;Trusti，t以企業所在省份的社會團體數目衡量;Poli，t包含以下四種情形:企業董事長或總經理曾任黨政官員、曾在軍隊任職、現任或曾任人大代表、現任或曾任政協委員。需要說明的是，Accui，t的計算借鑒了Chen et al．(2013)的研究。①Chen，Y．，Liu，M．，and Su，J．，“Greasing theWheels of Bank Lending:Evidence from Private Firms in China”，in Journal of Banking＆Finance，2013，37(7)，2533-2545．

控制變量。其一，公司層面控制變量CorCon，包括自由現金流FCFi，t、資產報酬率ROAi，t、有形資產比率Tangi，t、風險程度Z_scorei，t指數、②Cutillas Gomariz，M．，and Sánchez Ballesta，J．P．，“Financial Reporting Quality，Debt Maturity and Investment Efficiency”，in Journal of Banking＆Finance，2014，40(7)，494-506．是否有風險損失Lossi，t。其二，信貸市場控制變量MarCon，主要指銀行業的市場集中度，以銀行業赫氏指數HHIi，t衡量。

(二)樣本與數據

由于我國在2006年實行新的會計準則，對債務項目進行較大更改，為保持數據的一致性，本文選取2007-2012年中國A股上市公司共6年的數據。其中，剔除了ST類、PT類公司、金融保險類公司，以及股東控制權和主營業務發生重大改變的公司，再剔除樣本數據不完整和上市時間不到一年的公司，最后得到1928組樣本共計8728條面板數據。為消除極端值的影響，本文對小于1%和大于99%的極端值進行W insorize處理。本文財務數據來自CSMAR的財務報表據庫，銀行貸款數據來自CSMAR的銀行貸款研究數據庫，銀行集中度數據來自《中國金融年鑒》和CEIC數據庫，不足的數據通過查詢巨潮網上市企業年報補充。

四、實證分析和穩健性檢驗

(一)關系型貸款描述性統計分析

關系型貸款在國內文獻較少有量化描述，多是采用有無銀企關聯等定性描述，①陳棟、陳運森:《銀行股權關聯、貨幣政策變更與上市公司現金管理》，《金融研究》2012年第12期。或使用銀行存款近似替代關系型貸款(溫軍等，2011)。本文嚴格考證樣本企業過去5年的貸款情況，作出關系型貸款的定量描述，如表1所示。

表1顯示，2007-2012年期間，樣本企業共獲得2706筆關系型貸款，7249筆交易型貸款，雖然關系型貸款的數目不及交易型貸款，但其均值和最小值均大于交易型貸款的對應值，表明關系型貸款是一種更重要的貸款方式。工、農、建、中四大行發放的關系貸款達915筆，約占關系貸款總數的1/3，是發放關系型貸款的主體。此外，樣本中還有136筆銀團貸款，反映了我國金融市場的逐步完善和強大。

表1 關系型貸款描述性統計

(二)投資效率模型回歸結果分析

1．基本投資方程回歸結果分析。基本投資方程的Sargen檢驗和殘差序列檢驗均通過，表明GMM回歸的有效性。表2列出了GMM回歸結果，為方便對比，同時給出了OLS和固定效應FE的估計結果。從表中結果來看，不管選用GMM、OLS還是FE估計方法，模型中絕大多數變量系數的t值均顯著，表明模型選取的解釋變量是合理的;從系數絕對值來看，OLS估計的系數值最大，GMM次之，FE估計最小，符合Bond(2002)的推斷，進一步從直觀上驗證了GMM估計結果的有效性，可作為后續回歸的基礎。

2．投資效率方程回歸結果分析。為考察樣本企業的非效率投資情況，本文結合自由現金流，分三種情況對投資效率方程進行回歸:全部樣本回歸、投資過度且自由現金流為正樣本、投資不足且自由現金流為負樣本。鑒于篇幅所限，本文僅列出全部樣本回歸結果。

表3報告了方程(2)的回歸結果。從中看到，列(1)基礎回歸中交易型貸款的系數顯著為正，而關系型貸款的系數顯著為負，表明交易型貸款的治理作用不明顯，而關系型貸款能發揮顯著的監督治理作用，抑制上市企業的非效率投資，驗證了假說1。

在列(2)加入緊縮貨幣的回歸中，緊縮貨幣政策啞變量顯著為負，表明緊縮貨幣政策能夠抑制上市企業的非效率投資。但是，緊縮變量與關系型貸款的交乘項不顯著，表明緊縮貨幣單獨對關系型貸款的影響不大。

此外，本文還分別以Size和ROA中位數分組，考察不同規模和成長性企業投資效率的差異，回歸結果如列(3)—列(6)所示。可以看到，關系型貸款系數在小型企業樣本和高成長性樣本中顯著為負或t值更大，表明關系型貸款更能監督中小企業和高成長性企業的非效率投資。

表2 基本投資方程回歸結果

表3 方程(2)回歸結果

表4報告了方程(3)的回歸結果。列(1)、列(3)“信息透明度”的基礎回歸顯示，企業自由分配利潤、滬深300指數成分股變量系數均為正，而關系型貸款與其交乘項系數均顯著為負，表明關系型貸款能夠緩解低信息透明度引起的非效率投資，提升企業投資效率;列(5)企業“信任度”的基礎回歸顯示信任度系數為正但不顯著，而關系型貸款與信任度的交乘項系數顯著為負，表明關系型貸款也能顯著抑制低信任度引起的非效率投資;列(7)“政治關聯”啞變量系數顯著為正，而關系型貸款與其交乘項顯著為負，表明政治關聯會加劇企業的代理沖突，而關系型貸款能夠緩解政治關聯型代理沖突，抑制企業的非效率投資。

列(2)、列(4)、列(6)、列(8)均為基礎回歸對應的緊縮貨幣期間回歸結果。可以看到，緊縮期間回歸系數的絕對值大于相應基礎回歸絕對值，表明關系型貸款的作用在緊縮貨幣期間得到增強。綜合以上分析，表4的實證結果驗證了假說2。

表4 方程(3)回歸結果

(三)穩健性檢驗

為避免內生性問題，本文選用兩階段最小二乘法(2SLS)重新估計投資效率方程。由于銀企地理距離GDisi，t一定程度上會影響關系型貸款數量(Moro and Fink，2013)，又是一個不易受投資影響的外生變量(Bharath et al．，2009)，因此是關系型貸款理想的工具變量。本文選擇從google地圖抓取銀行、企業的位置信息，計算其球面距離;對于有多筆關系型貸款的，以關系貸款份額為權重計算加權球面距離;最后所有的銀企距離以最大值進行標準化。

表5 關系型貸款與投資效率的2SLS回歸結果

表5報告了2SLS法的回歸結果。整體看表中各列工具變量的系數均顯著為負，說明本文選取的工具變量與解釋變量相關性較高，其經濟意義是恰當的。具體看基礎回歸中交易型貸款系數顯著為正、關系型貸款系數顯著為負，而緊縮期間回歸系數的絕對值大于基礎回歸，均與前文OLS回歸結論一致。此外，Size和ROA的分組回歸結果也與前文OLS大體一致。可見，應用2SLS法得出的結論與前文OLS結論基本一致，表明本文構建的模型是穩健的。

五、結論與建議

本文采用樣本區間為2007-2012年的中國上市公司代表性數據，實證分析了緊縮貨幣政策下關系型貸款對企業投資效率的影響機制。結果表明:我國的關系型貸款具有監督治理作用，能減少銀企信息不對稱并抑制企業的非效率投資;進一步發現，關系型貸款能顯著抑制信息透明度低企業、信任度低企業和政治關聯企業的非效率投資，且在緊縮貨幣期間的作用效果增強。

本文結論表明，在我國法律執行較弱且經濟政策頻繁調控的現實背景下，關系型貸款提供了基于市場的內生監督機制，有助于提升企業投資效率。遺憾的是，受歷史因素和信用環境的影響，我國銀企關系較弱，商業銀行對關系型貸款技術的利用率并不高，難以發揮其積極作用。為建立一個富有競爭力和約束力的銀企債權債務關系機制，本文提出如下建議:

第一，政府方面。政府應當轉變職能，減少對經濟活動的直接干預，為構建市場型銀企關系提供良好的外部環境:其一，政府在實施宏觀調控時需慎重，應實施穩健的貨幣政策，避免經濟大起大落讓企業難以適從。其二，政府應致力于金融、財政、稅務等涉及銀企利益的外部制度創新，確保商業銀行按金融規律運作，并減輕企業稅賦，使企業輕裝上陣。其三，政府應完善法律監督體系，積極進行監管創新，探索適合關系型借貸業務的監管模式和監管方法。

第二，銀行方面。其一，商業銀行可進行組織調整，建立適合開展關系型貸款業務的組織架構。可對部分分支機構進行分權化、扁平化改革，縮短委托代理鏈條，以減少信息傳遞中的耗損。其二，進一步完善信貸管理機制，合理設計信貸合約，用發展的眼光關注并扶持成長型企業;同時建立有效的制衡機制和激勵相容機制，防范信貸風險。其三，創新金融產品和金融服務，為不同企業提供個性化服務。其中，大銀行應充分利用其信息生產優勢，提供全方位的金融服務;而小銀行也應提高市場競爭力，積極開發更多的金融產品服務于中小企業。

第三，企業方面。其一，企業應規范經營管理，完善財務制度，建立符合現代市場經濟需求的企業組織形式。其二，企業應提高自身盈利能力、增強綜合實力，擴大信貸資金獲取能力。其三，企業應注重銀企關系的建設和維護，并提高銀企關系的忠誠度，即企業不宜與過多銀行建立信貸聯系，且交往都不密切，應在不削弱同主要銀行關系的前提下，同其他銀行保持較為松散的銀企關系，綜合平衡銀企關系的風險和價值。

(責任編輯:欒曉平)

F832

A

1003-4145［2015］05-0115-07

2015-01-23

張亦春，男，廈門大學經濟學院教授、博士生導師，廈門大學金融研究所所長，全國金融重點學科點學術總帶頭人。李晚春，女，廈門大學經濟學院金融學2012級博士研究生。

本文系2011年度教育部重點研究基地重大項目“中國的經濟增長與經濟發展”(項目編號:11JJD790046)和2009年度福建省社科基金一般項目“非平衡系統演化博弈與金融風險跨國分攤研究”(項目編號:2009B2003)的階段性成果。