中國房地產上市公司融資約束指數分析

尚明坤+何元斌

【摘要】房地產行業已成為我國經濟發展的支柱性行業，很大程度上決定著著國民經濟的發展，自實行住房分配貨幣化以及啟動住房消費以來，房地產業得到快速發展，同時遇到的問題越來越多，一定程度上影響國民經濟的發展。房地產屬于資金密集型產業，2008年金融危機之后，中國市場經濟不理想，貨幣政策和投資環境不利于企業進行融資，造成企業受到融資約束的情況進而影響企業發展，所以，找到企業融資約束問題的影響因素是關鍵。

本文選取我國119家房地產上市公司為研究對象，以2009～2015年公司財務數據為樣本。首先，根據兩個變量對樣本進行分組：高融資約束組和低融資約束組。其次，選取合理的財務指標作為解釋變量，構造一個統一的融資約束指數，以綜合考量企業收到的融資約束程度。最后，給出合理建議，以幫助上市公司全面了解各公司所面對的融資約束情況，調整企業投資和財務狀況。

【關鍵詞】融資約束指數 logistic回歸分析 房地產上市公司

一、緒論

融資約束的度量方法主要分為兩大類：單變量融資約束指數和多變量融資約束指數，其中單變量融資約束指數是指由一個變量來衡量融資約束，主要包括：股利支付率、公司規模和利息保障倍數等；股利支付率（馮巍，1999）、利息保障倍數（魏鋒和劉星，2004）、公司規模（郭麗虹，2004；魏璇，2007）、負債水平（趙劍鋒和尹航，2006）、股權結構（鄭江淮、何旭強和王華，2001）等。

FHP（1988）首次提出了利用股利支付率這個指標來度量企業融資約束的程度。Altman等（1977）發現可以利用利息保障倍數來替代反映上市公司的流動性，因為它能夠衡量企業的債務資本獲利能力及財務狀況，與另外一些反映公司財務狀況的變量顯著相關。Guariglia（1999）認為，企業進行外部融資時的成本越高，利息保障倍數就會越低，兩者負相關。馮巍（1999）是我國最早通過股利支付率作為融資約束替代變量的學者，實證研究，結果表明股利支付率較低時，公司面臨較大的融資約束。之后，李延喜等（2005）通過公司規模來度量融資約束。

多變量融資約束指數是指由多個與融資約束相關的變量共同衡量融資約束。KZ（1997）第一個使用股利支付率、公司債務、利息保障倍數等度量企業融資面臨的制約程度。隨后，Cleary（1999）通過增加樣本并采用綜合財務指標的方式進行分析后，證明了KZ（1997）結論的合理性。在此之后，Lamont.Polk和Saa-Requejo（2001）在此基礎上，分別選取公司經營所得現金流量、托賓Q值、資產負債率、股利支付率以及現金持有量進行回歸，構造出了KZ指數。

而多變量綜合指數法則是根據多種財務數據的綜合指數來進行衡量融資約束，其一般受干擾程度不會太大，結果也更能反映真實的融資約束。

二、模型構建

（一）變量分組

將中國滬深A股市場的房地產上市公司為研究對象，運用Logistic回歸分析，建立房地產上市公司的融資約束指數。利用利息保障倍數和現金存量兩個指標作為樣本企業的分組指標。利息保障倍數，是企業息稅前利潤與利息費用的比率。現金存量，是貨幣資金與短期投資凈額之和，反映了企業內部資金的持有量。擬采用下面的方法對房地產上市公司分組：

一是將現金存量的年度值，由小到大排序，前50%觀測值作為低融資約束組，后50%觀測值作為高融資約束組。

二是將利息保障倍數的年度值進行排序，前50%歸為高融資約束組，后50%歸為低融資約束組。

三是兩組數據中，同時為高融資約束組的企業取交集，作為高融資約束組；同樣，對同為低融資約束組的兩組樣本企業取交集，作為低融資約束組。

（二）指數模型構建

選取凈資產收益率、流動比率、主營業務收入、資產負債率、財務松弛5個指標，利用Logistic回歸分析法構建融資約束指數模型，方程構造如下：

Logit（FZ）=α+β1X1+β2X2+β3X3+β4LnX4+β5X5

其中，X1凈資產收益率，公司稅后利潤除以凈資產得到的百分比率，該指標反映股東權益的收益水平，衡量公司運用自有資本的效率。X2流動比率是流動資產對流動負債的比率，衡量企業的流動資產在短期債務到期以前，可以變為現金用于償還負債的能力。合理的最低流動比率為2。X3主營業務收入，企業從事某種主要生產、經營活動所取得的營業收入，是企業資金的主要來源之一，房地產企業指“房地產經營收入”。LnX3是對主營業務收入取自然對數。X4資產負債率，是期末負債總額除以資產總額的百分比，資產負債率反映在總資產中有多大比例是通過借債來籌資的，反映了企業全部資產中的債務比重。X5為財務松弛變量，計算公式為（貨幣資金+交易性金融資產+0.5*存貨凈額+0.7*應收賬款凈額-短期借款）/期初資產，該指標是企業財務靈活的直接體現。

三、數據及描述性分析

（一）樣本選擇

本文選取樣本來自中國滬深A股房地產上市公司與根據證監會2012年行業劃分類中的房地產行業公司，共有130家房地產上市公司，研究區間為2009～2015年，按照下列方式篩選：一是刪除ST/PT類公司；二是財務報表不完全的公司；三是主營業務發生重大變化的公司。最后得到119家上市公司2009～2015年的面板數據。

（二）描述性分析

本文選取的變量指標均來自各企業年度報告內的財務數據，經計算得到所需要的指標，為了防止各變量之間相互影響或有相關性，對五個變量進行相關系數分析，結果見下表2。

根據相關系數矩陣可以看出，主營業務收入與流動比率的相關系數為-0.3946，資產負債率與流動比率的相關系數為-0.4039，資產負債率與主營業務收入的相關系數為0.3365，其余各相關系數的絕對值都小于0.3，說明各變量相關性比較小，滿足模型設計要求。

四、實證分析

（一）實證分析

為明確分析五個指標對房地產企業融資約束的影響程度，對分組樣本按照年限進行Logistic回歸分析。高融資約束組為1，低融資約束組為0，對分組樣本按照構建好的模型進行回歸，可以得出結論，見下表3。

Nagelkerke R2是衡量Logistic模型擬合優度的主要指標，取值在0—1之間，越接近1，說明模型的擬合優度越高。上表中，各年份的Nagelkerke R2的統計量為0.804、0.999、0.945、0.911、0.951、0.862、0.873，說明該模型擬合效果較好，解釋變量能反映被解釋變量變動情況的80.4%，99.9%，94.5%，91.1%，95.1%，86.2%，87.3%，即5個指標構造的融資約束指數模型，能有充分反映企業受到的融資約束情況，滿足要求。其中，每年各指標的prob值小于0.05的，說明該指標對于融合約束的影響較顯著。以2009年為例，其中，資產負債率（1.461）對融資約束指數的影響最大，其次是財務松弛（1.328），也就是說，資產負債率增加1個標準偏差，Logit（FZ）相應增加1.461個標準偏差；財務松弛增加1個標準偏差，Logit（FZ）相應增加1.328個標準偏差。各年份的影響因素以此類推，可以發現各年份的主要影響因素比不完全相同，這與各年的上市公司財務狀況有關系。由以上結果，可以得到企業的融資約束指數模型：

其中2009年的約束方程為：

y=-3.333-0.37X1+0.248X2+1.045X3+1.461X4+1.328X5，以后每年的約束方程以此類推。FZ值越接近于1，表示企業受到融資約束的概率越大；FZ越接近于0，表示企業受到融資約束的概率越小。將0.5作為融資約束分界點，概率大于0.5，則判定該企業受到融資約束。

（二）結果分析

將119家樣本企業2001～2010年的財務數據分別代入（2）式，計算出各企業每年的FZ指數，對企業各年份取均值，計算該上市公司受到融資約束的平均概率，并將整個結果進行統計分析，統計結果如下表4。

在2009～2015年中，2010年受到融資約束的概率最大，到達0.9358，最容易發生融資約束，同年發生融資約束的上市公司數量達到最多的115家。這與2010年國家對于房地產行業的調控有會很大影響，自2009年12月以來，房地產行業的調控政策不斷出臺，從2010年1月的“國十一條”至4月的“國十條”，9月的“9·29新政”，房地產銷售下降，獲利的空間變小，房地產企業外部融資能力下降，企業內部資金短缺，2010年成為受融資約束最高的年份。

五、總結建議

通過回歸分析，2009～2015年，我國房地產上市公司普遍受到融資約束，五個指標對于融資約束的影響效果顯著，得到的融資約束指數可以有效的衡量上市公司面臨的融資約束情況，并且可以提供給政府，房地產行業，以及相關部門作為參考。特別是2010年和2011年，達到92%以上，已經說明融資約束問題很嚴重，對于上市公司的投資出現很大影響。結合上述相關分析給出以下建議：

（一）努力提高企業價值，繼續優化資本結構

為了降低企業自身受到融資約束程度，企業應該努力實現自身價值的增值、優化經營模式、提高全要素生產率，從而提升盈利能力，增強投資者對企業能力以及未來發展的預期，降低融資難度。另一方面，企業價值的提高，自由資本的壯大，有利于降低企業對外部融資的依賴，從而降低融資約束對企業投資決策以及長期發展的影響。從企業資本結構來講，資本結構的優化對于提升企業再融資能力至關重要。

（二）拓寬外部融資市場

企業的外部融資方式少，并且市場不發達，部分上市公司有嚴重的融資約束，影響投資，惡性循環導致企業生存艱難。因此，要緩解融資約束，一ing要阿里發展企業外部融資，拓寬渠道渠道和數量，降低企業外部融資難度，為企業投資項目和企業發展提供充足資金。

參考文獻

[1]Fazzaris，Hubbard，Peterson.Financing Constraints and corporate investment[J].Brooking Papers on Economic Activity，1988（1）：141-195.

[2]魏鋒，劉星.融資約束、不確定性對公司投資行為的影響[J].經濟科學，2004（2），35-43.

[3]鄭江淮，何旭強，王華.上市公司投資的融資約束：從股權結構角度的實證分析[J]，金融研究，2001（11），92-99.

[4]馮巍.內部現金流量和企業投資——來自我國股票市場上市公司財務報告的證據[J].經濟科學，1999（1），1-7.

[5]郭麗虹：《日本制造業的內部融資與投資關系研究》，《經濟科學》2004年第3期.

[6]李延喜，劉巍.融資約束與公司投資關系研究綜述[J].價值工程2005（6）：105-109.

[7]Altman E，R G Haldeman，P Narayanan.ZETA Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance，1977，vol.1（1）：29-54.

[8]Guariglia，A.The Effects of Financial Constraints on Inventory Investment：Evidence from a Panel of UK Firms，Economica，1999，66， 43-62.

[9]Kaplan Steven N，Luigi Zingales. Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints[J].Quarterly Journal of Economics，1997，vol.112（1）：169-215.

[10]Cleary S.The Relationship between Firm Investment and Financial Status[J].Journal of Finance，1999，vol.54（2）：673-692.

[11]Lamont O，Polk C，Saa-Requejo J.Financial Constraints and Stock Returns[J].Review of Financial Studies，2001，vol14（2）：529-554.

[12]趙劍鋒、尹航：《滬市公司內部融資約束、現金流與投資行為分析》，《生產力研究》2006年第8期.

[13]魏璇：《融資約束對我國上市公司投資的影響研究》浙江大學碩士學位論文，2007年.