CVC對(duì)紡織類(lèi)初創(chuàng)企業(yè)的融資約束影響研究

吳瑾 瞿天易 趙庭悅

【摘要】? 文章通過(guò)選取在全國(guó)中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)掛牌的17家紡織企業(yè)2015—2017年的財(cái)務(wù)數(shù)據(jù)，運(yùn)用Logistic線(xiàn)性回歸分析，構(gòu)建紡織業(yè)初創(chuàng)企業(yè)融資約束指數(shù)方程，分析企業(yè)風(fēng)險(xiǎn)投資（CVC）對(duì)紡織類(lèi)初創(chuàng)企業(yè)融資約束的影響，得出CVC能顯著緩解紡織業(yè)初創(chuàng)企業(yè)融資約束的結(jié)論。

【關(guān)鍵詞】? 企業(yè)風(fēng)險(xiǎn)投資;紡織業(yè);初創(chuàng)企業(yè);融資約束

【中圖分類(lèi)號(hào)】? F275? 【文獻(xiàn)標(biāo)識(shí)碼】? A? 【文章編號(hào)】? 1002-5812（2019）09-0052-03

一、引言

自2014年9月，李克強(qiáng)總理在達(dá)沃斯論壇上提出“大眾創(chuàng)業(yè)，萬(wàn)眾創(chuàng)新”的號(hào)召以來(lái)，初創(chuàng)企業(yè)迅速發(fā)展，在吸收就業(yè)、技術(shù)創(chuàng)新、增加稅收等方面都發(fā)揮了不容忽視的作用。但是，國(guó)內(nèi)金融市場(chǎng)不健全和初創(chuàng)企業(yè)自身規(guī)模小、信息不對(duì)稱(chēng)等種種因素使得初創(chuàng)企業(yè)融資難、融資貴。王霄、張捷（2003）認(rèn)為初創(chuàng)企業(yè)因?yàn)槠湟?guī)模小，必然會(huì)存在融資約束。趙麗娟（2018）通過(guò)分析2009—2016年度中小板企業(yè)的數(shù)據(jù)得出中小企業(yè)仍存在融資約束。雖然風(fēng)險(xiǎn)投資、天使基金等在一定程度上緩解了企業(yè)的融資約束。但是，風(fēng)險(xiǎn)投資這類(lèi)以高回報(bào)為投資目標(biāo)的企業(yè)只會(huì)選擇投資回收期短、回報(bào)率高的高新技術(shù)企業(yè)，而一些投資回收率較低的傳統(tǒng)企業(yè)的融資難狀況依舊得不到改善。近幾年，企業(yè)風(fēng)險(xiǎn)投資的出現(xiàn)，給非高新技術(shù)企業(yè)融資帶來(lái)了希望。企業(yè)風(fēng)險(xiǎn)投資（CVC）不同于一般的風(fēng)險(xiǎn)投資一味追求高的財(cái)務(wù)回報(bào)，而是會(huì)優(yōu)先考慮企業(yè)自身的戰(zhàn)略目標(biāo)。一個(gè)大型的企業(yè)需要不斷的轉(zhuǎn)型升級(jí)來(lái)應(yīng)對(duì)產(chǎn)業(yè)技術(shù)的快速發(fā)展，最簡(jiǎn)單的方法就是長(zhǎng)期投資一個(gè)或多個(gè)對(duì)企業(yè)戰(zhàn)略布局有幫助的初創(chuàng)企業(yè)。

二、研究假設(shè)

（一）對(duì)紡織類(lèi)初創(chuàng)企業(yè)本身的融資約束研究

Fazzari et al.（1998）將融資約束定義為：融資約束指的是因?yàn)榻鹑谑袌?chǎng)的不完備，而導(dǎo)致企業(yè)從外部獲取資金的成本過(guò)高，并因此使得企業(yè)投資無(wú)法達(dá)到最優(yōu)水平的情況。對(duì)于紡織業(yè)初創(chuàng)企業(yè)而言，一方面，由于近幾年來(lái)原材料和勞動(dòng)力價(jià)格上漲，紡織類(lèi)企業(yè)經(jīng)營(yíng)成本提高，導(dǎo)致紡織業(yè)利潤(rùn)下降;另一方面，紡織類(lèi)初創(chuàng)企業(yè)自身規(guī)模小，資金、資源少并且生產(chǎn)經(jīng)營(yíng)不穩(wěn)定，造成了其融資貴、融資難的現(xiàn)狀。所以，本文提出以下假設(shè)：

假設(shè)1：紡織類(lèi)初創(chuàng)企業(yè)存在融資約束。

（二）對(duì)吸收CVC后初創(chuàng)企業(yè)的融資約束研究

近年來(lái)，產(chǎn)業(yè)技術(shù)變革非常快，大型企業(yè)必須不斷尋找新的增長(zhǎng)點(diǎn)，且近兩年我國(guó)的紡織業(yè)正處在轉(zhuǎn)型階段，存在著技術(shù)落后、管理不善、信息不對(duì)稱(chēng)等諸多問(wèn)題。對(duì)成熟的紡織企業(yè)來(lái)說(shuō)，將資金投向充滿(mǎn)活力的初創(chuàng)企業(yè)，促進(jìn)其創(chuàng)新以滿(mǎn)足自身的轉(zhuǎn)型需要無(wú)疑是一個(gè)互利互惠的方法。有關(guān)風(fēng)險(xiǎn)投資對(duì)被投資企業(yè)融資約束的影響，在國(guó)內(nèi)外都有學(xué)者做過(guò)研究。Brav等（1997）認(rèn)為風(fēng)險(xiǎn)投資（IVC）通過(guò)公證效應(yīng)，緩解被投資企業(yè)的融資約束。尹福生（2004）認(rèn)為，風(fēng)險(xiǎn)投資（IVC）是一種投資制度創(chuàng)新，以股權(quán)形式提供資金，滿(mǎn)足企業(yè)成長(zhǎng)性的需要，且在制度安排上減輕了信息不對(duì)稱(chēng)的影響，是中小企業(yè)和初創(chuàng)企業(yè)最切合的融資途徑。目前關(guān)于企業(yè)風(fēng)險(xiǎn)投資（CVC）對(duì)被投資企業(yè)的融資約束影響國(guó)內(nèi)還沒(méi)有文獻(xiàn)參考。風(fēng)險(xiǎn)投資（IVC）對(duì)被投資企業(yè)資金、管理方面的幫助，企業(yè)風(fēng)險(xiǎn)投資（CVC）同樣具備，且與風(fēng)險(xiǎn)投資相比，企業(yè)風(fēng)險(xiǎn)投資（CVC）對(duì)被投資企業(yè)的長(zhǎng)期支持作用更長(zhǎng)久。故本文提出以下假設(shè)：

假設(shè)2：吸收企業(yè)風(fēng)險(xiǎn)投資能緩解初創(chuàng)企業(yè)的融資約束。

三、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來(lái)源

本文選取在新三板掛牌的紡織業(yè)企業(yè)2015—2017年三年的財(cái)務(wù)數(shù)據(jù)作為實(shí)證研究的數(shù)據(jù)，對(duì)樣本數(shù)據(jù)做如下處理：（1）剔除數(shù)據(jù)不完整的企業(yè)（6家）;（2）剔除主板市場(chǎng)退市下來(lái)的企業(yè)（1家）;（3）剔除停牌的企業(yè);（4）剔除十大股東里有風(fēng)險(xiǎn)投資（IVC）的企業(yè)（32家），最后剩余符合條件的36家企業(yè)（108個(gè)觀(guān)測(cè)值）。數(shù)據(jù)收集來(lái)源于同花順網(wǎng)站，使用SPSS軟件進(jìn)行l(wèi)ogistic回歸分析。

（二）變量選擇與分組

本文采用以下方式對(duì)變量進(jìn)行分組：

首先，對(duì)企業(yè)的利息保障倍數(shù)由小到大進(jìn)行排序，觀(guān)測(cè)值越小說(shuō)明企業(yè)的融資約束程度越高;反之，企業(yè)的融資約束程度越低。然后，對(duì)排序后的企業(yè)進(jìn)行分組，排在前35%的為高融資約束組，排在后35%的為低融資約束組。同樣的，將企業(yè)規(guī)模（期末資產(chǎn)合計(jì)的自然對(duì)數(shù)）進(jìn)行排序并分組。企業(yè)規(guī)模越大，企業(yè)的融資約束程度越低;反之，企業(yè)的融資約束程度越高。因此，將排在前35%的樣本企業(yè)歸為高融資約束組，在后35%的樣本企業(yè)歸為低融資約束組。最后，將利息保障倍數(shù)的高融資約束組和企業(yè)規(guī)模的高融資約束組取交集，將它們作為高約束組研究對(duì)象（8家）;將利息保障倍數(shù)的低融資約束組和企業(yè)規(guī)模的低融資約束組取交集，將它們作為低約束組研究對(duì)象（9家）。其余樣本不作為研究對(duì)象。

（三）模型設(shè)定

Logistic回歸模型是對(duì)二分類(lèi)因變量進(jìn)行回歸分析最適用的方法，所以選擇該模型進(jìn)行下面的實(shí)證分析。此方法的預(yù)測(cè)值在0和1之間，若計(jì)算出來(lái)的融資約束概率大于0.5，則企業(yè)面臨較高的融資約束，若小于0.5則企業(yè)面臨較低的融資約束。借鑒鄧翔（2014）的研究成果，本文選取流動(dòng)比率、資產(chǎn)負(fù)債率、銷(xiāo)售凈利率和主營(yíng)業(yè)務(wù)增長(zhǎng)率這四個(gè)常用的財(cái)務(wù)指標(biāo)構(gòu)建融資約束指數(shù)方程：

各變量的名稱(chēng)、代碼和公式見(jiàn)表1。

四、實(shí)證分析

（一）描述性檢驗(yàn)

對(duì)主要解釋變量的描述性分析如表2所示。第一項(xiàng)指標(biāo)資產(chǎn)負(fù)債率的平均值為53.46%，表明企業(yè)的總資產(chǎn)中有53.46%是通過(guò)借款來(lái)籌集的。一般企業(yè)的資產(chǎn)負(fù)債率維持在45%—65%最為合適，這17家紡織企業(yè)的資產(chǎn)負(fù)債率較為合理。第二項(xiàng)指標(biāo)流動(dòng)比率平均值2.09符合健康的企業(yè)對(duì)流動(dòng)比率的要求，但范圍為17.23%，且標(biāo)準(zhǔn)差大于1，說(shuō)明數(shù)據(jù)比較分散且存在流動(dòng)比率過(guò)高或過(guò)低的極端值。第三項(xiàng)指標(biāo)銷(xiāo)售凈利率的平均值為5.02%，范圍為24.26%，標(biāo)準(zhǔn)差為0.5423，說(shuō)明有一部分企業(yè)還處在無(wú)盈利狀態(tài)且整個(gè)行業(yè)利潤(rùn)率低。銷(xiāo)售凈利率太低會(huì)降低投資者的投資興趣，提高企業(yè)的融資約束程度。最后一項(xiàng)指標(biāo)收入增長(zhǎng)率平均值為11.28%，范圍為58.49%，標(biāo)準(zhǔn)差為0.1598，說(shuō)明這17家企業(yè)的收入相對(duì)集中，同時(shí)也說(shuō)明了紡織業(yè)企業(yè)的營(yíng)業(yè)收入較為穩(wěn)定。

（二）相關(guān)系數(shù)分析

為了防止解釋變量的相關(guān)性對(duì)結(jié)論產(chǎn)生影響，對(duì)變量進(jìn)行相關(guān)系數(shù)分析，詳見(jiàn)表3。

相關(guān)系數(shù)數(shù)值應(yīng)在0—1之間，越接近1兩個(gè)變量間的相關(guān)性越大。從表3可以看出：除了流動(dòng)比率和資產(chǎn)負(fù)債率的相關(guān)系數(shù)較高外，其余的相關(guān)系數(shù)的絕對(duì)值都小于0.3，所以這幾個(gè)解釋變量相關(guān)的可能性不大。

（三）分組變量之間的差異性T檢驗(yàn)

從表4可以看出，融資約束程度的解釋變量中，只有銷(xiāo)售凈利率在5%的水平下顯著，資產(chǎn)負(fù)債率、營(yíng)業(yè)收入增長(zhǎng)率和流動(dòng)比率的P值分別為0.502、0.409和0.313，都遠(yuǎn)遠(yuǎn)大于0.05，在5%的水平上不顯著。說(shuō)明這四個(gè)指標(biāo)中只有銷(xiāo)售凈利率能在5%的水平上顯著區(qū)分紡織業(yè)初創(chuàng)企業(yè)的融資約束程度。所以在融資約束指數(shù)方程中要去除營(yíng)業(yè)收入增長(zhǎng)率、流動(dòng)比率、資產(chǎn)負(fù)債率這三個(gè)解釋變量。另外，高融資約束組的資產(chǎn)負(fù)債率（50.53%）低于低融資約束組的（56.07%）、高融資約束組的流動(dòng)比率（3.16）高于低融資約束組（1.13），這兩點(diǎn)與現(xiàn)有研究結(jié)果不符。鄧翔（2014）研究發(fā)現(xiàn)資產(chǎn)負(fù)債率應(yīng)與企業(yè)的融資約束程度呈正相關(guān);銷(xiāo)售凈利率、營(yíng)業(yè)收入增長(zhǎng)率和流動(dòng)比率這三個(gè)變量與企業(yè)的融資約束程度成反比。筆者認(rèn)為，出現(xiàn)這種現(xiàn)象的原因是，紡織業(yè)屬于壟斷競(jìng)爭(zhēng)市場(chǎng)類(lèi)型，廠(chǎng)商可以自由進(jìn)出市場(chǎng)，使得行業(yè)進(jìn)入門(mén)檻低，剛進(jìn)入的企業(yè)的資產(chǎn)規(guī)模較小，難以取得銀行等其他金融機(jī)構(gòu)的債權(quán)投資，所以這類(lèi)初創(chuàng)企業(yè)資產(chǎn)負(fù)債率較低的同時(shí)，又存在著較高的融資約束。同時(shí)，初創(chuàng)企業(yè)由于剛成立不久，缺乏經(jīng)驗(yàn)，部分企業(yè)存在存貨周轉(zhuǎn)周期長(zhǎng)、資金使用效率較低等現(xiàn)象，從而使得企業(yè)的流動(dòng)比率較高，而資金使用效率低，存貨周轉(zhuǎn)周期長(zhǎng)的企業(yè)會(huì)增加對(duì)資金的需求量，從而使得企業(yè)存在更高的融資約束。

（四）Logistic回歸分析

根據(jù)均值的t檢驗(yàn)結(jié)果將解釋變量中的營(yíng)業(yè)收入增長(zhǎng)率、資產(chǎn)負(fù)債率和流動(dòng)比率從融資約束方程中剔除，得到新的融資約束方程如下：

在該方程的基礎(chǔ)上進(jìn)一步驗(yàn)證銷(xiāo)售凈利率對(duì)紡織業(yè)初創(chuàng)企業(yè)的融資約束影響。為了方便求出回歸系數(shù)，將高融資約束組的融資約束設(shè)為1，低融資約束組的融資約束設(shè)為0。回歸分析結(jié)果見(jiàn)表5。

Nagelkerke R?是用來(lái)衡量模型擬合優(yōu)度的指標(biāo)，該數(shù)值在0—1之間，越接近1，模型擬合程度越高。表5中，Nagelkerke R?的值為0.580，說(shuō)明該模型擬合優(yōu)度不是很高，即被解釋變量（企業(yè)融資約束程度）能被解釋變量（銷(xiāo)售凈利率）解釋的程度為58%。銷(xiāo)售凈利率在5%的水平上經(jīng)過(guò)檢驗(yàn)，且其回歸系數(shù)（-56.571）前的符號(hào)與實(shí)際理論相符。該系數(shù)的統(tǒng)計(jì)學(xué)意義是：銷(xiāo)售凈利率每增加一個(gè)標(biāo)準(zhǔn)偏差，對(duì)應(yīng)的Logit（FZ）會(huì)減少56.571個(gè)標(biāo)準(zhǔn)偏差。

根據(jù)以上結(jié)果可以得到企業(yè)的融資約束指數(shù)方程：

其中：y=2.915+（-56.571）NIi，t;FZ越接近1，表明企業(yè)受到的融資約束程度越大，越接近0，表示企業(yè)受到的融資約束程度越小。

（五）模型檢驗(yàn)

運(yùn)用錯(cuò)判矩陣檢驗(yàn)上述模型。錯(cuò)判矩陣如表6所示。

從表6可以看出，在高融資約束組的24個(gè)觀(guān)測(cè)值中，6個(gè)被錯(cuò)判;低融資約束組的27個(gè)觀(guān)測(cè)值中3個(gè)被錯(cuò)判。總體的正確率為82.35%。將17家樣本企業(yè)2015—2017年度的財(cái)務(wù)數(shù)據(jù)代入該方程，得出這17家企業(yè)前三年的融資約束程度。再通過(guò)查閱這些企業(yè)的前十大股東名單，標(biāo)出股東中非風(fēng)險(xiǎn)投資性質(zhì)的企業(yè)名單，將這17家企業(yè)按是否接受CVC分為兩組，依次算出這些企業(yè)在2015—2017年度的融資約束程度，結(jié)果如表7所示。

（六）結(jié)果分析

通過(guò)對(duì)紡織類(lèi)初創(chuàng)企業(yè)的融資約束程度研究來(lái)看，融資約束程度數(shù)值分布在0—1之間。當(dāng)數(shù)值處在0—0.5之間，企業(yè)存在融資約束但融資約束程度較低;當(dāng)數(shù)值處于0.5—1之間時(shí)，企業(yè)的融資約束程度較高。從表7可以看出，無(wú)論是否接受CVC，紡織類(lèi)初創(chuàng)企業(yè)都存在融資約束，即假設(shè)1成立。

接受CVC的企業(yè)2015—2017年三年的融資約束程度平均值為0.3946，沒(méi)有接受CVC的企業(yè)2015—2017年三年的融資約束程度平均值為0.5040，明顯看出，接受CVC的企業(yè)的融資約束程度低于沒(méi)有接受融資約束的企業(yè)，即假設(shè)2成立。綜上，本文得出以下結(jié)論，紡織業(yè)初創(chuàng)企業(yè)存在融資約束，且企業(yè)風(fēng)險(xiǎn)投資（CVC）能改善這類(lèi)企業(yè)的融資約束程度。

【主要參考文獻(xiàn)】

[ 1 ] 王霄，張捷.銀行信貸配給與中小企業(yè)貸款——一個(gè)內(nèi)生化抵押品和企業(yè)規(guī)模的理論模型[J].經(jīng)濟(jì)研究，2003，（07）.

[ 2 ] 趙麗娟.風(fēng)險(xiǎn)投資參與能有效緩解中小企業(yè)的融資約束嗎？——基于面板數(shù)據(jù)的廣義矩估計(jì)方法[J].財(cái)會(huì)通訊，2018，（05）.

[ 3 ] 劉俊強(qiáng).風(fēng)險(xiǎn)投資對(duì)高新技術(shù)企業(yè)融資約束影響的實(shí)證研究[D].浙江工商大學(xué)，2013.