葉志鋒 夏智程 李 琦
在我國,信貸融資仍然是企業獲取外部資金的最主要方式。信貸交易是跨時空的資金使用權的交易,銀行作為資金提供方,是高風險的一方。因此,風險管控能力是商業銀行的核心競爭力。但近期披露的一些案件,如“**銀行有組織造假案”、“**假黃金質押貸款案”等,揭示出我國銀行業還存在較大的監管漏洞。
企業會計信息反映了企業的經營與財務狀況,是信貸人員評價企業償債能力與管控風險的重要依據。企業會計信息的質量是其在信貸交易過程中發揮有效作用的保障,特別是盈余質量,因為它影響銀行對企業未來現金流的預測。實際上,我國上市企業都普遍存在著不同程度的盈余管理現象。為了管控風險,提供資源配置效率,信貸人員必須具備一定的盈余質量識別技術。
我國的銀行業經歷了指令性貸款到商業化交易的轉型,各方面都進行了重大變革,但未來仍然任重道遠。信貸人員的盈余質量識別技術是一個逐步提高的過程,本文通過學術研究來考察信貸人員的現狀,以期發現一些問題,并提出改進建議。
本文研究發現:信貸人員目前掌握了簡單的盈余質量識別技術,但沒有掌握復雜的盈余質量識別技術。具體表現為:總體而言,以非經常性損益衡量的盈余質量與以隨意性應計利潤衡量的盈余質量都有益于企業獲得信貸融資;在貨幣政策緊縮時期,以非經常性損益衡量的盈余質量無益于獲得信貸融資,以隨意性應計利潤衡量的盈余質量仍然有益于獲得信貸融資;進一步,信貸人員能夠根據以非經常性損益衡量的盈余質量,給予借款企業更短的債務期限與更高的債務成本,但以隨意性應計利潤衡量的盈余質量與債務契約之間并沒有體現出這種關系;最后我們發現以非經常性損益衡量的盈余管理與債務違約率顯著負相關,以隨意性應計利潤衡量的盈余質量與債務違約率顯著正相關。
本文可能的貢獻:一是相對于大多數文獻直接檢驗盈余管理與信貸融資的關系,我們從識別技術角度進行研究,更為細致地刻畫了信貸人員應對企業盈余管理的過程;二是相對于大多數文獻僅檢驗債務契約的一個維度,我們同時考察了債務契約的多個維度,即盈余質量對債務水平、債務期限與債務成本的影響;三是本文進一步探究了不同指標衡量的盈余質量所導致的經濟后果。
會計信息能在一定程度上反映債務人的償債能力,但由于會計信息自身的局限性,債務契約容易受到企業盈余管理的影響。Watts和Zimmerman(1986)提出了債務契約假設,即在其他條件不變的情況下,企業偏離債務條款的程度越大,管理層通過選擇會計政策將未來盈余調節到當期的可能性越大。Defond和Jiambalvo(1994)發現,當公司即將出現違約或實際上已經違約時,管理者就會通過某種手段進行盈余管理,以避免違約可能帶來的損失。Beneish(1997)研究發現,企業管理者會選擇提高利潤的會計政策來避免違反債務契約。劉芹(2012)發現銀行債務契約促進了債務人的盈余管理行為,當債務人進行長期借款時,盈余管理水平相對較高,當進行短期借款時,盈余管理水平相對較低。楊繼偉等(2012)認為銀行等債權人會根據債務人財務狀況決定貸款條件,在債務融資驅動下,公司會進行盈余管理。薄瀾等(2014)通過研究上市公司債務融資中基于資本市場動機的盈余管理行為發現,滬深兩市A股主板上市公司在2007-2011年間進行債務融資時,無論是通過公開發行債券的直接融資方式,還是通過從銀行獲得貸款的間接融資方式,新債的產生都誘發了企業向上調整盈余。
在債務水平方面,張云等(2014)以特別處理公司為樣本,檢驗借款動機強的企業盈余管理對信貸可得性的影響,發現特別處理公司盈余管理行為顯著地幫助了其債務契約的建立。考慮控制權性質因素的影響,這種幫助在非國有特別處理公司中作用更為顯著;真實活動盈余管理行為只在非國有特別處理公司建立債務契約中起到了正向作用。馬永強等(2014)實證檢驗了盈余管理行為對信貸資源配置的作用機理。研究發現:申請貸款企業通過應計盈余管理和真實盈余管理調增利潤后,獲取了更多的信貸資源;進一步分析后發現,應計盈余管理對信貸資源配置的影響在國有企業中更明顯,真實盈余管理對信貸資源配置影響在非國有企業中更為明顯。王玉春等(2016)以2011年至2014年滬深A股主板上市公司為研究對象,基于信息不對稱理論,實證檢驗了盈余管理行為與信貸資源可獲性的關系。結果顯示,企業通過盈余管理行為上調利潤越多,獲取的銀行信貸額越大。
在債務期限方面,何小楊(2011)實證分析了盈余管理對企業債務期限結構的影響:我國企業的長期債務契約中普遍存在著盈余管理,而且盈余管理越多,越容易獲得長期借款;與國有企業相比,非國有企業存在更多的盈余管理以獲取銀行長期借款。蔣東生(2012)從財務指標、會計信息質量等方面實證檢驗了公司特征對企業獲得銀行長期貸款的影響,研究發現:應計盈余管理與銀行長期貸款顯著正相關,即當基于應計項目的盈余管理程度更高時,企業更容易獲得銀行長期貸款,貸款期限結構也越長。
在債務成本方面,靳秋峰(2013)實證檢驗了真實盈余管理與債務成本之間的關系。研究發現:現金流操控、生產成本操控手段下的真實盈余管理程度以及綜合的真實盈余管理程度與債務成本呈顯著的負相關關系,而費用操控手段下的真實盈余管理活動與債務成本的相關關系不顯著。薄瀾(2014)研究債務契約與盈余管理的關系時發現盈余管理對債務契約的價格具有顯著的負效應,即公司通過盈余管理活動抬高盈利,能夠顯著降低其債務融資成本。周德友(2015)實證研究發現:銀行與企業在貸款前存在極大的動因“共謀”盈余管理,盈余管理有助于企業獲得貸款,盈余管理程度越高,企業獲得的長期貸款成本越低、新增貸款金額越多,但需要提供更多的抵質押資產。
以上研究均表明,企業有信貸融資需求時,為滿足契約條件,有動機進行盈余管理,且借助盈余管理能夠增加企業的信貸規模,降低信貸成本,獲得更長期限的貸款。
盈余管理降低了會計信息質量,增加了銀行的信貸風險,銀行為防控風險會對企業盈余管理行為進行識別,并對不同盈余管理程度的企業給予不同的信貸條件。Bharath et al.(2006)發現在美國資本市場中企業會計信息質量越低,債務融資成本越高,銀行會對借款利率、到期日、抵押物等條款有更高的要求。Graham et al.(2008)發現企業重述財務報告后,銀行將認為企業的信息有問題,信貸風險增加,因此采取包括提高利率、縮短債務期限、更可能要求抵押和更多限制條件等控制措施。姚立杰等(2009)以中國A股上市公司為研究對象,分析了企業盈余質量與總借款債務成本,長期借款債務成本和信用借款債務成本之間的關系,以檢驗我國銀行是否能夠識別借款企業的盈余質量。研究發現,盈余質量與總借款債務成本、長期借款債務成本和信用借款債務成本顯著負相關,即盈余質量越高,總債務成本、長期借款債務成本和信用借款債務成本也越低。這在一定程度上說明,我國銀行能夠識別借款企業的盈余質量。盧闖等(2010)從銀行的識別技術和地區市場化程度分析銀行識別會計信息動機,從盈余管理角度考察了財務報告質量對銀行貸款定價的影響。研究發現,銀行關注了企業報表中的盈余管理問題,盈余管理程度越高,企業獲得的貸款利率越高;在市場化程度越高的地區,銀行對企業盈余管理行為的識別能力越強。馬如靜等(2015)探討了銀行在貸款契約簽訂中是否關注債務企業盈余質量,以及債權人關注債務企業盈余質量的內在機理,并利用我國A股上市公司2007年至2010年數據進行實證檢驗。研究結果表明,當債務企業盈余質量越高時銀行貸款的成本越低、債務期限越長;分析內在機理后發現債務企業盈余質量越高時,債務違約率越低。
陸正飛等(2008)研究發現,盈余管理程度不同的公司,新增長期借款與會計信息的相關性不顯著,說明銀行不能識別企業的盈余管理行為。葉志鋒等(2011)基于中國債權人保護程度較弱的現實,對銀行能否利用債務期限應對企業的盈余管理行為進行了深入研究,發現銀行無法整體上識別企業的盈余管理以授予其相應的債務期限。方紅星、劉淑花(2017)認為企業會通過盈余管理影響銀行的信貸決策,并得出銀行整體上不能識別企業盈余管理,盈余管理的程度越大,企業的債務期限越長。
由上可知,對于我國銀行是否能有效識別企業的盈余管理行為這一問題,仍存在分歧。但也為我們的進一步研究提供了基礎和方向。
計劃行為理論中認為,非個人意志完全控制的行為不僅受行為意向的影響,還受執行行為的個人能力、機會以及資源等實際控制條件的制約。我們將信貸人員對會計信息質量的識別行為細分為識別意愿和識別技術。識別意愿定義為銀行信貸人員對特定企業會計信息質量的識別計劃,是識別行為的前奏。識別技術定義為信貸人員識別企業會計信息質量的手段。要確保信貸人員識別行為的順利實施,首先要求信貸人員具備較強烈的識別意愿,同時也要求其有相應的識別技術水平。葉志鋒、李婧(2015)發現銀行信貸人員對于國有企業盈余管理的識別意愿較弱而對非國有企業的識別意愿較強。廖秀梅(2007)發現會計信息的有用性在國有企業的信貸交易中得到了削弱。通過單獨考察信貸人員對會計信息質量的識別意愿與識別技術,可以更為細致地刻畫信貸人員如何應對企業的盈余管理,有助于防控信貸風險與提高信貸資源配置效率。
一般地,企業進行盈余管理的途徑主要包括線下項目和應計項目兩種渠道。線下項目的定義是非經常性損益項目,主要由已實現的利得和損失構成,如資產處置收益、政府補貼等。應計項目基于權責發生制與收付實現制的差異,由Jones模型衍生出了多種計量方法。營業外收入、補貼收入等在利潤表上有專門的項目,上市公司也要披露“扣除非經常性損益的凈利潤”,因此本文將對非經常性損益的識別界定為簡單識別技術。應計項目在報表中沒有直接對應的項目,需要進行大樣本的回歸計算,本文界定其為復雜識別技術。
跨時空資金使用權的交易使得商業銀行的風險大于借款企業。債務契約是用于明確債權人和債務人雙方權利和義務的一種法律文書。在信貸交易中,商業銀行在通過財務和非財務信息評估了企業的償債和經營能力后,會以此為依據設計債務契約,明確貸款的額度、期限、利率和是否需要企業提供抵押或質押,并設置相應的限制性條款。對于稀缺的上市公司,商業銀行一般會進行授信。但在貨幣政策緊縮時期,信貸額度有限,信貸人員的識別意愿增強,會依據借款企業的盈余質量調整授信條件。進一步,當企業的會計信息質量較低時,商業銀行會降低授信額度和給予較短的貸款期限以降低信貸風險。同時,因為會計信息質量較差的企業發生債務違約的幾率相對較高,商業銀行為了保證自身的期望收益,會向這部分企業要求更高的貸款利率。
要考察銀行信貸人員是否具備識別企業盈余質量的技術,首先要確保信貸人員在識別行為中擁有足夠的識別意愿。已有文獻驗證了信貸人員對于非國有企業的盈余管理有較強烈的識別意愿,因此在研究過程中選取非國有企業作為樣本,再選擇貨幣政策緊縮時期,就基本控制住了識別意愿這一影響因素,為我們單獨考察信貸人員是否具備盈余質量的識別技術提供了條件。
我們認為中國的商業銀行經過多年的市場化改革,信貸人員已具備一定程度的識別企業盈余質量的技術,對于非經常性損益這樣的在上市公司年報中有專門的信息披露指標,銀行信貸人員應該較為關注也容易識別。而對于操控性應計利潤這樣的需要借助回歸技術進行大樣本計算的復雜衡量指標,銀行信貸人員不一定能夠識別,因其獲取成本較高,原理較難理解且存在爭議。通過以上分析,我們提出:
假設:信貸人員目前掌握了簡單的盈余質量識別技術,但沒有掌握復雜的盈余質量識別技術
具體表現為:總體而言,以非經常性損益衡量的盈余質量與以操控性應計利潤衡量的盈余質量都有益于企業獲得信貸融資;而在貨幣政策緊縮時期,以經常性損益衡量的盈余質量無益于獲得信貸融資,而以操控性應計利潤衡量的盈余質量仍然有益于獲得信貸融資。
我們選擇2001—2016年度A股非國有上市非金融類公司作為研究對象。我們還剔除了ST公司與被出具非標準審計意見公司。除去相關數據缺失的樣本,最終獲取10363個研究樣本。為了避免極端值的影響,我們采用winsorization的方法,對所有大于99%分位數(小于1%分位數)的連續變量,令其分別等于99%分位數(1%分位數)的值。
本文的財務數據與審計意見類型來自CSMAR數據庫,最終控制人類型來自色諾芬數據庫,對于某些公司缺失非經常性損益的個別年度我們通過查找年報摘要進行了補充,財務指標數據是依據財務數據計算得到的。
本文使用以下模型來檢驗提出的假設:

(1)被解釋變量
我們用取得借款收到的現金除以期初總資產(CASH)來衡量企業獲得的銀行借款水平;用長期借款占總負債的比重(TERM)衡量企業的債務期限;用財務費用除以總負債(COST)作為反映企業債務成本的指標。貸款違約(DEFAULT)是查找企業與債務違約相關且是作為被告的訴訟案件而確定的。
(2)解釋變量
對于簡單識別技術,X是非國有企業的非經常性損益(EPL)除以凈利潤的絕對值;對于復雜識別技術,X是用扣除非經常性損益計算的操控性應計利潤(DAX)。我們參考魏濤等(2007)文獻,使用修正Jones模型計算扣除非經常性損益的操控性應計利潤的步驟如下:
第一,分行業分年度用以下模型回歸估計出行業特征系數:α1、α2、α3。
其中:ETAi/Ai=α1(1/Ai)+α2(REVi/Ai)+α3(PPEi/Ai)+εi
ETA是公司i的總應計利潤,等于公司i扣除非經常性損益之后的凈利潤,減去經營活動現金流量凈額CFO;A為上年末資產總額;△REV為公司i當期主營業務收入和上期主營業務收入的差額;PPE為固定資產原值。
第二,利用修正Jones模型計算正常性應計利潤NDA。

第三,計算操控性應計利潤(DAX)。

(3)控制變量
Bharath et al.(2006),孫錚等(2006),陸正飛等(2008)的研究結果表明,資產規模(SIZE)、有形資產率(TANGIBLE)、資產負債率(LEV)、流動比率(CURRENT)、成長性(GROWTH)、市場化指數(MKT)等因素都會影響企業的銀行借款情況,本文選取了滯后一期的以上變量作為控制變量。同時再設置了行業和年度啞變量,以控制行業和宏觀經濟因素的影響。主要變量定義見表1。

表1 變量定義

行業IND啞變量,按照一級行業代碼設置,且將行業中公司數目過少的合并到相近行業中年度 year 啞變量

表2 描述性統計
從表2的數據可知,債務水平(CASH)均值是0.2473,說明了我國非國有上市公司普遍通過信貸融資獲取外部資金。債務期限(TERM)均值是0.1923,說明非國有上市企業的借款主要是以短期借款為主。操控性應計利潤(DAX)和非經常性損益(EPL)的均值分別是0.0135和0.1629,說明非國有上市企業中普遍都存在不同程度的盈余管理行為。

表3 債務水平的回歸分析
表3的回歸結果可以看出,非經常性損益與操控性應計利潤的系數均在1%水平上顯著為正,說明兩者均有助于企業獲得銀行貸款。這似乎說明信貸人員對簡單和復雜的盈余管理都不具備識別技術。但我們考慮到宏觀經濟環境的影響,在不同的貨幣政策期間,銀行的信貸行為勢必會有所不同。在緊縮的貨幣政策期間,銀行因為銀根緊縮而導致放貸額度下降。在這一時期,銀行信貸決策將會變得更加謹慎。為了挑選償債能力更強、風險更低的客戶,對企業會計信息的質量有更高的要求,識別企業會計信息質量的意愿也會更加強烈。
因此,我們區分貨幣政策穩健年度期間和貨幣政策緊縮年度期間對債務水平進行更進一步的考察。我們參照陸正飛、楊德明(2011)的方法來對各個年度的貨幣政策進行估計,最后選取2004、2006、2007、2010和2016年作為貨幣政策緊縮期,其余年度為貨幣政策穩健期。表4是對回歸模型(1)進一步檢驗的結果。

表4 區分貨幣政策的債務水平回歸分析
表4的回歸結果可以看出,在貨幣政策穩健時期,非經常性損益與操控性應計利潤的系數均為正且在1%水平上顯著,說明在這一期間,兩者均有利于企業獲得銀行借款。在貨幣政策緊縮時期,操控性應計利潤的系數依舊顯著為正,非經常性損益的系數為正但不顯著。這說明在緊縮期間,操控性應計利潤依然有利于企業獲得銀行借款,但是非經常性損益卻無益于企業獲得借款。這表明銀行信貸人員對于簡單的盈余管理是具備一定的識別技術,但對于復雜的盈余管理的識別技術就相對缺乏,驗證了本文提出的假設。控制變量方面,成長性GROWTH、形資產率TANGIBLE回歸系數均顯著為正,說明公司的成長性越好與可抵押資產越多,越容易獲取信貸融資。市場化指數的系數也顯著為正,說明市場化程度越高的地區,越容易獲得信貸融資。

表5 債務期限的回歸分析

?
從表5的回歸結果可知,對于債務期限來說,非經常性損益的系數在1%水平上顯著為負,這表明信貸人員具備識別技術,對盈余質量低的企業給予較短的債務期限,以控制信貸風險。而操控性應計利潤的系數在1%水平上顯著為正,即操控性應計利潤延長了債務期限,這說明信貸人員不具備識別它的技術。在控制變量方面,流動比率CURRENT、資產規模SIZE、資產負債率LEV、有形資產率TANGIBLE和市場化程度MKT等變量顯著相關,均與此前大多數文獻相符。

表6 債務成本的回歸分析
從表6的回歸結果可知,對于債務成本而言,非經常性損益的系數在1%水平上顯著為正,這表明信貸人員具備識別技術,對盈余質量低的企業簽訂債務契約時會要求較高的利率,增加了企業的債務成本。而操控性應計利潤的系數雖然為正但不顯著,即操控性應計利潤并不會影響企業債務成本,這說明信貸人員不具備識別它的技術。在控制變量方面,資產負債率LEV的系數顯著為正,表明銀行對財務杠桿較高的企業會要求較高的利率。流動比率CURRENT與資產規模SIZE的系數顯著為負,與已有研究和預期一致。

表7 債務違約率的回歸分析
從表7可知,非經常性損益的系數(-0.0293)顯著為負,說明以非經常性損益為衡量指標的盈余管理會降低債務違約率,而操控性應計利潤的系數(0.0731)顯著為正,說明以操控性應計利潤為衡量指標的盈余管理會提高債務違約率。這從另一個方面支持本文得到的結論,信貸人員能夠識別簡單的盈余管理從而對信貸風險加以管控,降低了違約風險;而對于復雜的盈余管理,信貸人員尚不能識別,也沒有采取相應的措施防范由其帶來的信貸違約風險。在控制變量方面,流動比率CURRENT與資產規模SIZE的系數顯著為負,表明流動資金多和規模大的企業發生債務違約的可能更低。資產負債率LEV的系數顯著為正,說明資產負債率高的企業更可能發生債務違約。這些都與已有的研究一致。
本文通過選取非國有上市公司,從債務水平、債務期限和債務成本三個方面來進行研究盈余質量的識別技術對債務契約的影響。我們得出結論:信貸人員對于簡單的盈余質量衡量指標,具備有相應的識別技術;對于復雜的盈余質量衡量指標,信貸人員則缺乏識別技術。我們還進一步考察了由此所帶來的經濟后果,發現對于簡單的盈余質量衡量指標,由于信貸人員能夠識別,做出了相應的風險防范措施,其導致了債務違約率顯著的下降;對于復雜的盈余質量衡量指標,由于信貸人員并不能夠識別,也缺乏相應的風險管控措施,這部分盈余管理會導致債務違約率顯著的提高。
會計信息作為銀行衡量企業盈利與償債能力的主要依據,其質量的高低直接影響了銀行信貸決策的有效性。經營情況較差的企業通過一定的手段進行盈余管理,使得銀行對企業狀況作出錯誤的判斷,進而獲取了信貸資金,取得較好的債務契約條件。這不但提高了銀行的信貸違約風險,也在很大程度上影響了信貸資源合理有效的配置。在當前經濟發展向高質量轉型升級與信息化時代的環境下,銀行信貸人員應該努力提升自身業務水平,完善識別技術,充分利用與挖掘企業的會計信息,來更好更全面地了解企業的整體狀況,進而做出合理的信貸決策,防控信貸風險,提高信貸資源配置效率。