分析師緩解了融資約束嗎？
——基于數字金融的調節效應

■蘇武俊，高弋卜

一、引言

改革開放以來，我國經濟取得了飛速增長，但國內外一系列因素的影響，使中國經濟仍舊面臨內憂外患的困境。國外，世界正在經歷新冠疫情這個黑天鵝事件的強烈沖擊。2021年1月26日，國際貨幣基金組織預測，新冠肺炎疫情導致2020年全球經濟萎縮3.5%，而病毒變異和新一輪疫情蔓延也使得未來全球經濟仍將面臨高度不確定性。國內，中國正處于“新興加轉軌”的制度背景下，正在經歷持久的范式轉移。《中華人民共和國國民經濟和社會發展第十四個五年規劃和二○三五遠景目標綱要》中提出“經濟發展、創新驅動、民生福祉、綠色生態和安全保障”五類經濟社會發展指標，其中經濟發展作為總指標，預計在“十四五”規劃期間經濟增長5%左右，2035年GDP再翻一番。經濟發展這一目標離不開企業的發展，而企業的發展離不開資金的支持。因此，緩解企業融資約束成為刺激中國經濟發展的重要機制之一（張勛等，2019）。

證券分析師（以下簡稱分析師）作為信息中介，相對于普通的投資者來說，掌握更全面的財務專業知識并具有更強的財務分析能力，因此能比投資者更好地解讀上市公司的財務報告，進而提供更準確的盈利預測。而且，分析師還可以利用自身優勢了解企業的一些內部信息并傳遞給信息使用者，有助于投資者發現管理層的不當行為。這些對于緩解企業與投資者之間的信息不對稱從而緩解融資約束具有重要的意義。數字金融可以利用平臺優勢獲取海量數據緩解信息不對稱，在資本市場信息環境不斷優化的情況下，分析師作為減緩信息不對稱的傳統工具，對于融資約束的緩解作用到底是會加強還是分散呢？分析師是否會因為數字金融的不斷深化而產生不同的融資約束緩解效果？為解決上述疑問，本文展開了相關分析。

二、文獻綜述與研究假設

（一）分析師與融資約束

根據投資者認知理論，由于投資者對不同證券的熟悉程度存在差異，他們通常會青睞自己掌握更多信息的證券，分析師作為資本市場中重要的信息中介，可以幫助投資者在投資決策前進行多方面分析，提高他們的認知水平，降低信息不對稱（李馨子和肖土盛，2015）。分析師的信息中介作用主要體現在以下三個方面：第一，信息收集作用。分析師相比普通投資者有更多途徑獲取信息，比如可以通過實地調研、與企業管理層面對面溝通等，獲得關于管理者風格、企業內部治理結構和未來發展規劃等非公開信息（譚松濤和崔小勇，2015），加深外部投資者對企業的了解程度。第二，信息解讀作用。分析師可以利用自己的專業技能對企業公開發布的信息如財務報告、招股說明書等進行深入分析和鑒別，挖掘隱藏信息（劉星和陳西嬋，2018）。第三，信息傳遞作用。分析師通過向市場傳遞經過收集和分析的公司特質信息，建立起企業與投資者信息溝通的渠道（張純和呂偉，2007），提高投資者信心。因此，根據信號傳遞理論，分析師關注度的提高可以促進企業信息流向處于信息劣勢的大量外部投資者，降低投資者要求的投資回報率，緩解融資約束。相反，如果分析師對某公司的關注度下降，投資者對該公司的交易意愿也會隨之下降，即使企業存在良好的投資機會也會因為信息不對稱而被投資者拒絕或需要提供額外的風險補償，加劇企業融資約束。

除了信息中介的作用外，分析師還具有監督職能（Healy&Palepu，2001）。其監督作用主要通過以下兩方面來實現。一是直接監督。分析師在發布研究報告前往往會對其關注的上市公司進行充分調查，以免代理人為了個人私利，損害所有者及其他利益相關者的利益（范云蕊和李辰穎，2019）。二是間接監督。分析師通過自身影響力及對公司關注人數的增加引起投資者、媒體甚至監督機構的關注，推動市場其他參與者的治理效應（游家興和張哲遠，2016），強化輿論對管理層或大股東的約束作用，從而降低企業代理成本，緩解融資約束。

分析師通過研究報告可以向市場輸送大量信息，這些信息可以分為財務信息和非財務信息。相較于非財務信息，財務信息更吸引投資者的關注并顯著影響公司股票價格（Cheng et al.，2018）。這是因為我國資本市場集聚大量個人投資者，這些中小投資者的信息理解和分析能力往往十分有限（陳煒等，2013），想要了解一家公司是否有投資價值，通常更為關注表現形式更直觀、與自身利益更密切的財務信息。而且，業績越優秀的企業越愿意披露更多的財務信息，分析師因此也會向市場傳遞良好的信號，吸引更多投資者的投資。據此，提出假設1：

H1a：分析師關注度與融資約束存在負相關關系。

H1b：研報財務信息與融資約束存在負相關關系。

（二）數字金融與融資約束

融資約束影響經濟發展水平，而金融系統的發達程度影響企業的融資約束程度（Levine，2005）。金融的主要功能是資金融通，在交易過程中最大的困難是信息不對稱，信息不對稱容易導致逆向選擇和道德風險，甚至引發金融危機。因此，解決信息不對稱問題是金融系統緩解融資約束的重要機制之一。數字金融泛指傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業務模式（黃益平和黃卓，2018）。數字金融是實現低成本、廣覆蓋和可持續的包容性金融的重要模式（郭峰等，2019），可能通過如下幾個方面緩解融資約束：

第一，降低融資成本。根據帕累托法則，金融機構進入市場，一般關注盈利狀況前20%的客戶，如果服務好這些頭部客戶則可以把握80%左右的市場份額，而當繼續擴大服務范圍時，所帶來的邊際收益可能越來越小，這是傳統金融機構無法避免的商業可持續性問題（黃益平和黃卓，2018）。因此，盡管國際上早在2005年由聯合國率先提出普惠金融的概念，中國也響應號召相繼出臺一系列政策推動普惠金融發展，但效果都十分有限。而對于這個問題，數字技術可以為普惠金融提供可能的解決方案。我國金融市場中存在顯著長尾效應，即市場中存在大量分散的小規模投資者，他們自有資金較少、抗風險能力較差且地理位置分布分散（萬家彧等，2020），數字金融可以通過互聯網平臺連接數以億計的用戶并通過大數據技術收集信息，而不必像傳統金融機構那樣依賴服務網點和大量人工來提供金融服務，減少信息收集過程中資源的消耗（唐松等，2020），大大降低獲客成本和服務成本，而這些成本往往都會通過信貸利率轉嫁給企業。交易成本的減少有助于企業減少融資成本，從而緩解融資約束。

第二，拓寬資金來源。傳統金融機構通常設定較高的服務門檻，對發展規模、信用記錄、資產擔保等都設置了嚴格的規定，許多企業往往因為無法達到門檻要求望而卻步甚至一蹶不振。數字金融打破了傳統金融的諸多限制特別是空間限制，促進資金供求雙方的信息交流，擴大金融服務范圍，提高金融服務的可觸及性，并且通過互聯網、大數據、云計算等新興科技創新傳統金融產品，帶動了諸如P2P網貸、第三方支付、眾籌融資等新型融資平臺及融資模式的產生（喻平和豆俊霞，2020），提高金融服務的可獲得性，為企業尋求融資機會擴展了渠道，進而緩解融資約束。

第三，提高金融資源配置效率。根據金融加速器理論，商業銀行依據抵押資產特別是房產的價值放寬或緊縮信貸供給的行為會加劇實體經濟的波動。而數字金融憑借大數據技術不僅可以獲取市場上公開的財務信息而且可以獲取連續的甚至是沒有邊界的數字足跡，這其中包括比財務數據更具穩定性和真實性的行為特征和社會關系數據作為征信數據（黃益平和黃卓，2018），在緩解信貸過程中信息不對稱困境的同時，也減少金融機構在信貸判斷時對抵押資產的依賴，信用貸款與房價的關系減弱了，意味著金融市場的穩定性可能會增強，資源配置效率提高。同時，征信體系的完善可以簡化信貸審查程序，縮短信貸審核時間，提高融資效率（梁榜和張建華，2018），從而緩解企業融資約束。據此，提出假設2：

H2：數字金融與融資約束存在負相關關系。

（三）數字金融的調節作用

信息不對稱是造成融資約束的重要原因，分析師與數字金融本質上都是通過降低信息不對稱來緩解融資約束。相較于數字金融，分析師更早出現在中國資本市場中，因此分析師可以稱之為降低資本市場信息不對稱的傳統工具，數字金融由于憑借新科技新技術可以稱為降低信息不對稱的新型工具。一方面，分析師通過對公開信息的分析預測以及對私人信息的收集整理，降低資本市場中的信息不對稱，這與數字金融的宗旨是契合的，數字金融發展的目的之一就是為補充目前尚未完善的征信體系從而緩解信息不對稱（廖婧琳等，2020）。數字金融利用其技術優勢和信息優勢帶來數量更多、更可靠的信息，也不斷促進金融市場穩定（鄭祖昀和黃瑞玲，2021）。在金融生態環境更加優化的情況下，分析師關注所帶來的增量信息可能會減少，其作為信息中介的作用可能部分被數字金融吞噬，導致其對企業融資約束的緩解作用減弱。另一方面，分析師與數字金融雖然都具有減輕信息不對稱的作用，但兩者的側重點有所不同。在企業選擇上，分析師可能傾向于跟蹤規模較大、盈利狀況較好的成熟企業以吸引投資者的注意，而數字金融憑借數字科技大力支持普惠金融發展（黃益平和黃卓，2018），使外部融資趨于普惠化、多樣化和邊界化（李春濤等，2020），打破傳統金融業“嫌貧愛富”的借貸慣性從而更偏向中小企業（Ozili，2018），提高中小企業正規金融的可得性（Rosavina，2019），這與分析師形成良好的互補，可能增強分析師對企業融資約束的緩解作用。據此，提出假設3：

H3a：數字金融加強分析師對企業融資約束的緩解作用。

H3b：數字金融替代分析師對企業融資約束的緩解作用。

三、研究設計

（一）樣本選擇與數據來源

選取我國2011—2020年深滬兩市A股上市公司為研究樣本，使用面板數據進行實證分析。其中，數字金融數據來自于北京大學數字金融研究中心發布的第三期北京大學數字普惠金融指數，研報財務信息數據來自中國研究數據服務平臺（CNRDS），分析師關注度等其他財務數據均來自于國泰安CSMAR數據庫。對所選擇的樣本數據進行以下篩選：剔除金融行業的上市公司樣本數據；剔除ST類被特殊處理的上市公司樣本數據；剔除當年分析師關注人數為0的企業；剔除財務數據缺失的公司樣本。此外，為避免極端值對研究結果的影響，對所有連續變量在總樣本1%和99%的水平上進行了Winsor縮尾處理，相關的數據處理和統計分析采用Excel和Stata15軟件。

（二）變量定義

1.被解釋變量

融資約束。借鑒Hadlock&Pierce（2010）的做法，使用sa指數衡量融資約束，具體計算方式如下：Sa=-0.737×Asset+0.043×Asset2-0.040×Age，其中Asset為企業總資產（以百萬元為單位）的自然對數；Age為企業上市時間。sa指數值為負，其數值越大說明企業受到的融資約束程度越嚴重。

2.解釋變量

分析師關注。借鑒范云蕊和李辰穎（2019）的做法，將分析師關注定義為當年關注某家上市公司且發布分析報告的證劵分析師人數，人數越多代表分析師關注度越高。為了使結果更穩健，同時用每一年所有分析師對某上市公司發布的研究報告數量總數來重新度量分析師關注度。

研報財務信息。將研報財務信息定義為當年關注該上市公司的所有分析師發布的研究報告中財務信息語句的數量，該數據越大代表分析師發布的與財務信息相關的語句越多。

3.調節變量

數字金融。借鑒郭峰等（2020）的做法，采用《北京大學數字普惠金融指數（2011—2020）》第三期數據來衡量數字金融，其中包含“數字金融覆蓋廣度、數字金融使用深度和普惠金融數字化程度”三大指標，但考慮到自2011年以來數字化程度指數波動幅度比較大，所以只采用總指標數和前兩個一級維度指數（廖婧琳等，2020）。指數值越大，代表數字金融發展程度越高。

4.控制變量

控制變量的選取借鑒了梁榜和張建華（2018）的研究，選取公司規模（size）、資產負債率（lev）、獨立董事規模（indep）、股權集中度（cr1）、稅負（tax）、短期債務變動（std）、凈營運資本變動（nwc）和企業性質（soe）作為控制變量，并控制了年度（year）和行業（incd）的影響。本文的相關變量具體見表1。

表1 變量定義

（三）模型設計

采用OLS線性回歸模型探討分析師、數字金融與融資約束之間的關系。為檢驗假設1，構建模型（1）：

為檢驗假設2，構建模型（2）：

為檢驗假設3，構建模型（3）。在此模型中，對analyst、finance、index、coverage、usage均進行了中心化處理以消除交互項共線性的影響。

四、實證分析

（一）描述性統計

表2是對全樣本關鍵變量的描述性統計。從表2可以看出，2011—2020年間總樣本數為13736。樣本中融資約束sa的最大值是4.114，最小值是2.877，初步說明我國上市企業普遍存在融資約束，緩解融資約束尤為重要；分析師關注（analsyt）的最大值為45，最小值為1，標準差為9.94，這說明我國上市公司被分析師關注的程度相差較大，中位數為7表明數據明顯左偏，更多的觀察值位于左側，即分析師關注程度較弱；數字金融的總指數（index）的最大值為320.788，最小值為54.54，方差為69.644，表明我國各地數字金融差異明顯；控制變量中，除了公司規模（size）和股權集中度（cr1）這兩個變量的標準差大于1，其余控制變量的標準差都小于1，說明大部分控制變量較為穩定，總體分布均衡。

表2 描述性統計表

（二）回歸分析結果

為驗證上述假設，依據構建的模型分別進行多元回歸分析，結果如表3和表4所示。由表3列（1）、表4列（1）可知，分析師關注和研報財務信息的回歸系數分別為-0.00345、-0.0196，在1%的水平上顯著為負，說明企業的分析師關注度及研報中財務信息程度越高，其融資約束越能得到緩解。而且當某企業的分析師關注或研報中的財務信息提高1個單位時，該企業的融資約束會下降0.35%或1.96%，假設1得到驗證。由表3列（2）（3）（4）可知，數字金融總指數（index）與融資約束的相關系數為-0.000284，其中覆蓋廣度（coverage）的系數為-0.000275，使用深度（usage）的系數為-0.000359，均在1%的水平下顯著為負，說明數字金融發展有助于企業緩解融資約束，假設2得到驗證。由表3列（5）（6）（7）可知，分析師關注（analyst)與數字金融（index）交乘項的相關系數為-0.00000828，而其中分析師與覆蓋廣度的交乘項系數為-0.00000113，與使用深度的交乘項系數為-0.00000634，均在1%的水平下顯著為負。由表4列（2）（3）（4）可知，研報財務信息（finance)與數字金融三個指數交乘項的相關系數也均在1%的水平下顯著為負，這說明數字金融總體上加強了分析師對融資約束的緩解作用，假設3a得到驗證。

表3 回歸分析1

表4 回歸分析2

（三）穩健性檢驗

為提升研究結果的可靠性，進行了如下穩健性測試：一是采用雙向固定模型對前文的模型重新估計；二是采用滯后一期的自變量和調節變量進行重新回歸以控制可能存在的內生性問題；三是借鑒李春濤（2014）的做法，將樣本企業是否屬于滬深300指數成分股和機構投資者持股比例作為分析師關注的工具變量，采用工具變量法對模型重新估計。以上檢驗結果與前文基本一致，說明研究結論具有可靠性。

（四）進一步分析

根據生命周期理論，不同生命周期階段的企業，即使外部環境趨同，對于融資也有著不同需求從而導致融資約束的緩解程度也不同。因此，在考察分析師與數字金融對企業融資約束的影響時，有必要將總樣本根據企業生命周期進行劃分后分別討論。借鑒李云鶴等（2011）的做法對企業生命周期進行劃分，將樣本數據根據銷售收入增長率、留存收益率、資本支出率以及企業年齡進行排名并賦分，總分前1/3的部分為成長期企業，中間1/3為成熟期企業，最后1/3為衰退期企業。由表5和表6可知，在企業各個生命周期內，分析師或數字金融對于企業融資約束緩解作用均顯著。

表5 企業生命周期下分析師對融資約束回歸結果

表6 企業生命周期下數字金融對融資約束回歸結果

表7—8的回歸結果列（4）—（9）中，分析師和數字金融交乘項的系數均顯著為負，表明在成熟期和衰退期時，數字金融可以加強分析師對融資約束的緩解作用。表7和表8中的列（1）（2）（3）中，分析師和數字金融交乘項的系數不顯著為正或為負，表明在企業成長期時，數字金融對分析師的緩解作用并不明顯。這可能是因為成長期企業更傾向于采取擴張戰略，不斷擴大市場占有率，投資者在看到成長企業勢頭猛進從而情緒高漲，產生過度樂觀和陪伴式成長心態，導致忽略其風險性而更關注其高收益，從而引導資本市場將關注度轉移到這些成長企業中來。而當數字金融迅速發展，中小企業的融資需求得到滿足，對于尋求資本市場關注度以獲取融資的動機也不那么強烈。此時投資者也冷靜下來，分析師的“后向型”偏好也日益展露，即轉向關注發展更為穩定的成熟期企業和衰退期企業，導致成長期企業融資約束反而沒有得到有效的緩解。

表7 企業生命周期下交乘作用對融資約束回歸結果（1）

表8 企業生命周期下交乘作用對融資約束回歸結果（2）

五、研究結論與啟示

基于滬深兩市2011—2020年A股上市公司的財務數據，通過理論和實證分析了分析師、數字金融與融資約束之間的關系，得出以下結論：首先，分析師有助于緩解融資約束。分析師經過專業教育和培訓，對于信息獲取、處理、分析和傳遞的能力都強于普通投資者，能更好地發揮信號傳遞效應和監督效應，防止企業高層通過信息壁壘誘導或欺騙外部利益相關者，緩解外部投資者與企業間的信息不對稱，增強投資者的信心，從而緩解企業的融資約束。其次，數字金融憑借其明顯的信息優勢有助于緩解企業融資約束。數據金融可以借平臺便利連接金融市場中的長尾群體，拓寬資金來源，同時獲取連續的甚至是沒有邊界的數字足跡，這其中不僅包括財務數據，還包括比財務數據更具穩定性和真實性的行為特征和社會關系數據，構建第三方征信系統，彌補傳統金融機構對于企業征信信息不足的缺陷，便于投資者進行金融決策，提高金融市場整體效率，從而緩解企業融資約束。第三，數字金融會增強分析師關注對融資約束的效用。數字金融打破傳統金融機構“嫌貧愛富”的特性，彌補分析師在緩解企業融資約束過程中對于中小企業關注不足的缺陷，加強了分析師對于企業融資約束的緩解作用。

本文的研究在對策建議上有一定的啟示：首先，為了充分發揮分析師的中介作用，應基于我國資本市場的發展現狀正確規范分析師行業發展，避免過多分析師集中關注少數企業而忽略其他企業，防止分析師羊群行為導致的單一化分析意見，懲治分析師為了謀取私利而發布虛假信息擾亂市場秩序的行為，嚴格要求分析師遵守職業道德和不斷提升自身專業技能，促進企業信息的有效傳播。其次，中國正走在科技興國的道路上，未來科技對于中國發展的作用不可估量，而在金融市場中，數字金融的發展已經成為企業追求競爭優勢的新動力。但中國數字金融發展不平衡，中西部地區企業并未完全享受數字金融的紅利，因此相關部門應盡快完善數字金融服務體系，擴大輻射范圍。第三，監管的相對寬松為中國數字金融提供了自由發展的環境，但同時也帶來了諸如網絡貸款無證上崗、龐氏騙局層出不窮等問題，如何設計并落實“監管沙盒”，建立完善的監管政策是未來需要深入研究的課題。