實體企業金融化影響企業信息環境嗎?
——基于分析師預測的視角

張立光，張婷婷，賀 康

(1.重慶理工大學會計學院，重慶 400054；2.西南財經大學保險學院，四川 成都 611130；3.西南財經大學會計學院，四川 成都 611130)

一、引 言

目前，影響我國經濟健康發展的一大問題是虛擬經濟和實體經濟之間的失衡，表現為非金融企業越來越偏離主業，金融資產的配置比例快速提升，而實業投資率卻持續下滑[1]，學術界將這種現象稱為實體企業“金融化”[2]。實體企業的金融化嚴重制約了我國經濟的健康發展，引發了政府和學術界的廣泛關注。一些學者認為金融化對實體經濟具有“擠出效應”，即金融化會擠出企業創新投資和固定資產等實物資本投資[3]，抑制企業創新[4]，從而抑制實體經濟發展。然而，另一些學者認為金融化并不一定會對實體經濟產生不利影響，因為金融資產投資具有“儲蓄效應”，它可以發揮“蓄水池”功能，降低企業財務困境成本[5]和平滑投資波動[6]，從而對企業經營具有積極作用。縱觀現有金融化經濟后果的相關研究，學術界在微觀層面并未得到一致結論。同時，現有研究主要關注金融化對實體經濟的“擠出效應”和“儲蓄效應”，卻忽略了金融化對企業信息環境的影響。企業的外部利益主體如投資者、銀行、供應商等對企業的了解程度與企業的信息環境息息相關，較好的信息環境可以提高股票流動性，減少投資者對企業前景的估計風險進而降低企業資本成本[7][8]，最終提高企業價值[9]。基于此，本文以分析師預測作為企業信息環境的代理變量，以2007—2019年中國A股非金融上市公司作為研究樣本，實證檢驗企業金融化對信息環境的影響。

本文的貢獻主要在于以下三個方面：第一，從微觀企業層面揭示了“脫實向虛”抑制實體經濟發展的新路徑，即企業金融化將通過損害企業信息環境并降低企業融資效率從而抑制實體經濟發展，有利于我們更好地理解金融化的負面影響。第二，豐富了企業金融化經濟后果方面的理論研究。本文發現企業金融化會損害企業信息環境，進而提高融資成本，這對我國政府制定有針對性的政策防止經濟“脫實向虛”具有一定借鑒意義。第三，進一步拓展了分析師行為影響因素的相關研究。已有研究關注分析師個人特征[10]和企業經營特征[11]如何影響分析師行為，本文發現企業從事金融資產投資也會影響分析師行為，揭示了影響分析師預測的新因素，為更好地理解分析師行為提供了經驗證據。

二、理論分析與研究假設

企業金融化主要是指非金融實體企業偏離主業配置較高比例金融資產的行為。那么，企業金融化是否會影響企業的信息環境呢？本文認為，企業金融化會增加分析師預測難度，降低分析師預測準確性，從而損害企業信息環境。具體來說，金融化可能通過以下三條路徑影響分析師預測：

第一，金融化增加了企業盈余波動性，降低盈余持續性，加大了分析師預測難度，進而對分析師預測產生負面影響。一方面，金融資產大多以公允價值進行后續計量，其投資收益具有較高的不確定性，比如交易性金融資產期末公允價值變動直接計入當期損益，當交易性金融資產的價格隨市場大幅波動時，企業持有大量交易性金融資產無疑也會加劇企業盈余波動性；另一方面，代理問題的存在使得實體企業大股東和管理層出于獲取短期超額收益的動機配置金融資產[2][12]。雖然配置金融資產可能在短期內幫助管理層達到特定盈余目標，但是金融資產投資收益較大的波動性使企業盈余并不具有持續性，企業盈余持續性變差。當企業盈余波動性增加、盈余持續性降低時，分析師難以通過歷史盈余信息預測未來盈余，從而增加分析師預測誤差和分歧度[11]。

第二，金融化會減弱企業會計穩健性，增加分析師預測難度，降低分析師預測準確性。更高的會計穩健性可以縮小企業會計盈余的波動范圍，有利于提高分析師盈余預測準確性[13]。舉例來說，假定企業一項資產的期末估值存在不確定性，該資產期末價值在區間[a，b]內等概率取值；若企業采取穩健的會計政策，則該資產的期末價值應縮小至區間[a，(a+b)/2]內，從而縮小估值范圍。因此，會計穩健性可以在一定程度上縮小企業會計盈余的波動范圍，降低分析師盈余預測難度。然而，金融資產卻成為企業隱藏壞消息、粉飾報表的手段。金融化投資使得企業更加及時披露好消息的同時推遲對壞消息的披露，企業會計處理穩健性下降[14]，這最終會加大分析師預測困難，降低分析師預測準確性。

第三，從分析師的角度來看，金融化使得企業業務變得更加復雜，增加了分析師預測難度。信息的復雜性會阻礙分析師對信息的理解和使用，進而影響分析師預測。已有研究發現企業并購重組[15]等會增加企業業務復雜性，增加分析師信息獲取成本和難度，從而增加分析師預測誤差和分歧度。相較于具有穩定價值的實物資產，金融資產作為一種虛擬資產，具有多種計量方式，且價值隨市場波動。因此，企業配置大量的金融資產將使其業務變得更加復雜，這對跟蹤分析師的金融知識和技能提出了更高要求，從而加大了分析師預測難度。綜上所述，本文提出如下假設：

H1：在其他條件不變的情況下，實體企業金融化程度越高，分析師預測誤差和分析師預測分歧度越大。

三、研究設計

(一)變量定義

1.企業金融化的衡量

參照彭俞超等(2018)[14]，本文將企業金融化Fin定義為：企業資產負債表中的類金融資產(包括交易性金融資產、買入返售金融資產、可供出售金融資產、發放貸款及墊款和持有至到期投資)與期末總資產之比。

2.分析師預測誤差的衡量

參考褚劍等(2019)[16]，本文用公式(1)衡量分析師預測誤差：

(1)

其中，Mepsi,t是t年跟蹤公司i的所有分析師盈余預測的中位數，epsi,t為公司i在t年的實際每股收益水平，Pi,t為公司i在t年的期初開盤價。Errori,t表示t年分析師對公司i的預測誤差，Errori,t越大，分析師預測誤差越大。

用公式(2)衡量分析師預測分歧度(Disp)，SD(Fepsi,t)為所有分析師當年最近一次每股盈余預測的標準差，Disp越大，表明分析師預測分歧度越大。

(2)

3.控制變量

參考分析師預測影響因素的相關文獻，本文使用公司規模(Size)、財務杠桿(Lev)、固定資產比例(Gdratio)、股權集中度(Top1)、股票收益波動率(Retvol)、托賓Q(Tq)以及分析師跟蹤人數(Analyst)作為控制變量，變量具體定義見表1。同時，在回歸模型中控制行業(Ind)和年度(Year)的虛擬變量，以消除行業和年度的影響。由于企業的金融化行為存在同一地區企業之間相互“傳染”的現象[17]，本文還在模型中控制了省份固定效應(Prov)。

表1 變量說明

續表

(二)模型設定

本文構建模型(3)檢驗企業金融化對分析師預測的影響。

Errori,t/Dispi,t=β0+β1Fini,t+β2Sizei,t+β3Levi,t+β4Gdratioi,t+β5Top1i,t+β6Retvoli,t+β7Tqi,t+β8Analysti,t+∑Ind+∑Year+∑Prov+εi,t

(3)

(三)樣本選擇和數據來源

本文的研究樣本期間為2007—2019年。由于計算金融化指標的相關數據在2007年頒布新會計準則后才可獲得，本文的樣本期間開始于2007年。根據研究慣例對研究樣本進行以下篩選：(1)如果分析師對同一公司同一年度進行了多次預測，僅保留最后一次預測值；(2)剔除分析師姓名、報告日期及盈余預測數據缺失的樣本；(3)剔除金融行業樣本；(4)剔除ST、PT等異常公司樣本；(5)剔除資產負債率大于1及其他變量存在缺失值的樣本。此外，本文對連續變量的極端值進行1%縮尾(Winsorize)處理。進行上述處理后，本文最終得到22061個“公司-年度”觀測值。本文數據均來源于CSMAR數據庫。

(四)描述性統計

表2為主要變量的描述性統計。其中，金融化Fin的均值為0.016，中位數為0.0001，說明上市公司平均持有的金融資產占總資產比例約為1.6%，且約有一半的上市公司持有金融資產，這與彭俞超等(2018)[14]的發現保持一致。同時，Fin的標準差(0.039)大于均值(0.016)說明各上市公司持有的金融資產差異較大。

表2 主要變量描述性統計

四、實證分析

(一)金融化與分析師預測：多元回歸分析

表3報告了企業金融化與分析師預測行為的回歸結果。表3列(1)以分析師預測誤差(Error)為因變量進行回歸分析，結果發現，企業金融化對分析師預測誤差的影響系數為0.012，且在1%水平上顯著，這說明企業金融化程度越高，分析師預測誤差越大。表3列(2)以分析師預測分歧度(Disp)為因變量進行回歸，結果發現，企業金融化對分析師預測分歧度的影響系數為0.069，且在1%水平上顯著，這說明企業金融化加大了分析師預測分歧度。同時，本文考察金融化對分析師跟蹤的影響。表3列(3)將分析師跟蹤人數(Analyst)作為因變量，結果發現，企業金融化對分析師跟蹤的影響系數為-1.476，且在1%水平上顯著。這表明金融化增加了分析師信息獲取成本，降低了分析師跟蹤意愿。表3結果支持了我們的研究假設：企業金融化加大了分析師信息獲取成本和預測難度，增加了分析師預測誤差和分歧度，損害了企業信息環境。

表3 金融化與分析師預測：多元回歸分析

(二)穩健性檢驗(1)本文還進行了如下穩健性檢驗，結論依然成立：(1)刪除變量Fin為0的觀測值后進行回歸；(2)在公司和年度層面進行雙重聚類調整(cluster)。限于篇幅，具體穩健性檢驗結果略，作者備索。

1.替換分析師預測和金融化的衡量方式

采用跟蹤上市公司的所有分析師的盈余預測均值作為分析師預測值Meps，然后按照公式(1)重新計算分析師預測誤差變量Error，并重復模型(3)的回歸，本文結論不變。

在本文樣本中，企業配置最多的金融資產是交易性金融資產和可供出售金融資產，因此本文采用交易性金融資產和可供出售金融資產之和除以期末總資產衡量企業金融化Fin，結果發現Fin系數仍然在1%統計水平上顯著，與表3保持一致。這說明本文結論較為穩健。

2.內生性問題

借鑒杜勇等(2017)[2]的做法，本文將金融化Fin的滯后一期值(Fin_IV1)和滯后兩期值(Fin_IV2)作為工具變量，采用工具變量-廣義矩估計(IV-GMM)方法進行工具變量檢驗，相關檢驗表明工具變量滿足相關性和外生性要求。結果發現Fin的系數均顯著為正，表明即使考慮了內生性問題，企業金融化對分析師預測的負面影響依然存在。

參與金融投資的企業并不是隨機產生的，它們可能與沒有參與金融投資的企業有本質區別，本文采用傾向得分匹配(PSM)方法緩解上述問題。本文從樣本期間未參與金融投資的企業當中，選取一組與參與金融投資的企業在主要財務指標上相似的企業構建對照樣本進行回歸分析，結果發現，本文的主要結論仍然成立。

(三)金融化與分析師預測：異質性分析

1.金融化與分析師預測：基于公司治理的視角

已有研究發現公司治理水平越高，分析師盈利預測偏差越小，分析師預測越準確[19]。同時，治理不善的公司管理層更可能出于自利動機配置較多的金融資產[20]。高水平的公司治理可以抑制管理層利用金融資產進行投機的行為，從而減少對分析師預測的負面影響。因此，本文預期金融化對分析師預測的負面影響主要集中于治理水平較差的公司。表4報告了公司治理水平如何影響企業金融化與分析師預測誤差及分歧度之間的關系，使用機構持股比例作為公司治理水平的代理變量。其中，機構持股比例定義為年末機構持股占公司總股數的比例，機構投資者持股比例越高，表明公司治理水平越高。本文將機構持股比例在中位數以上的公司定義為治理水平高的公司，其余公司為治理水平低的公司。

由表4列(2)、(4)可知，在公司治理水平低的樣本中，金融化Fin的系數顯著為正，表明金融化對分析師預測的負面影響更顯著，表現為更大的分析師預測誤差和更高的分析師預測分歧度；而由表4列(1)、(3)可知，在公司治理水平高的組，金融化與分析師預測的關系不顯著。這說明，較高的公司治理水平可以緩解金融化對分析師預測的負面影響。

表4 金融化與分析師預測：基于公司治理的視角

2.金融化與分析師預測：基于經營壓力的視角

同一行業內競爭越激烈，企業越可能相互擠占市場份額，并實施低價競爭策略，降低企業利潤。因此，面臨更激烈競爭的企業的管理層經營壓力更大，有更強的動機實施盈余管理以達到特定的盈利目標[21]，從而更有動機進行金融化。因此，本文預期相比經營壓力小的企業，金融化對分析師預測的負面影響在經營壓力大的企業更顯著。表5報告了經營壓力如何影響企業金融化與分析師預測的關系。行業競爭越激烈，經營壓力越大，因此本文使用赫芬達爾指數(HHI)衡量企業經營壓力，它等于行業-年度內每個公司的營業收入所占比例的平方和。HHI指數越低，表明產品市場競爭越激烈，企業面臨經營壓力越大。本文將HHI指數在中位數以下的企業定義為經營壓力大的企業，其余為經營壓力小的企業。表5分別就經營壓力大和小的子樣本對企業金融化與分析師預測的關系進行了回歸分析，結果發現，在列(1)和列(3)中金融化Fin系數均不顯著，而在列(2)和列(4)中金融化Fin系數均顯著為正。這說明在經營壓力大的企業，企業金融化會顯著增加分析師預測誤差和分歧度，而在經營壓力小的企業，企業金融化對分析師預測的負面影響不明顯。

表5 金融化與分析師預測：基于經營壓力的視角

3.金融化與分析師預測：基于分析師能力的視角

金融化使得企業業務變得更加復雜，信息的復雜性會阻礙分析師對信息的使用，進而影響分析師預測，這對跟蹤分析師的金融知識和技能提出了更高要求。跟蹤上市公司的分析師能力越強，對該公司的盈余預測也越準確。相較于一般分析師，明星分析師盈利預測更為準確，能力更強。因此，本文采用明星分析師比例衡量跟蹤上市公司的分析師能力。本文預期，與分析師能力強的上市公司相比，金融化對分析師預測的負面影響在分析師能力弱的公司中更顯著。

明星分析師跟蹤比例等于明星分析師人數除以分析師總人數。本文將明星分析師跟蹤比例在中位數以上的樣本定義為分析師能力強的樣本，其余樣本定義為分析師能力弱的樣本。表6報告了分析師能力對企業金融化與分析師預測關系的影響。結果發現，在列(2)和列(4)中，金融化Fin系數均顯著為正，而在列(1)和列(3)中，金融化Fin系數均不顯著。這表明在分析師能力弱的樣本中，企業金融化會顯著增加分析師預測誤差和分歧度，而在分析師能力強的樣本中，企業金融化對分析師預測的負面影響不明顯。這說明跟蹤上市公司的分析師能力可以削弱金融化的負面影響。

表6 金融化與分析師預測：基于分析師能力的視角

(四)金融化與分析師預測：傳導機制分析

為了更好理解本文的主要結論，即企業金融化增加了分析師預測誤差和分歧度，本文從盈余波動性、盈余持續性、會計穩健性三個方面考察企業金融化影響分析師預測的作用路徑，回歸結果如表7所示。由表7列(1)的回歸結果可知，Fin與盈余波動性正相關，且至少在1%水平上顯著，說明金融化增加了企業盈余波動性。列(2)檢驗企業金融化對當期盈余(Croa)與未來一期盈余(F.Croa)持續性的影響，結果發現，交乘項Fin*Croa的系數顯著為負，這說明金融化使得企業盈余的持續性降低。列(3)回歸結果表明，企業金融化Fin系數顯著為負，這說明金融化使得企業對壞消息披露的及時性下降，降低了企業的會計穩健性。表7結果表明金融化增加盈余波動性、降低盈余可預測性和會計穩健性，進而增加分析師預測誤差和分歧度。

表7 金融化與分析師預測：作用機制分析

(五)金融化的經濟后果：基于融資成本的視角

金融化會對分析師預測產生負面影響，惡化企業信息環境。較好的信息環境有助于投資者對企業前景作出更準確的評估，降低投資者風險，從而降低股權融資成本[22]和銀行貸款成本[23]。按此邏輯，本文預期金融化會因惡化企業信息環境而增加企業融資成本。本文從股權融資成本和銀行貸款成本兩個角度進行分析，采用公式(4)計算企業股權融資成本(Equitycost)：

(4)

其中，eps2、eps1分別代表t+2期、t+1期的預期每股收益，P0表示當期每股價格，回歸結果見表8列(1)。本文采用銀行貸款利率(Debtcost)衡量銀行貸款成本，它等于利息支出除以銀行貸款余額。由表8列(1)、(2)可知，Fin系數均顯著為正，且至少在5%水平上顯著，這表明金融化惡化了企業信息環境，增加了投資者的風險感知，進而提高企業融資成本，降低企業融資效率。表8揭示了企業金融化對實體經濟的負面影響，即提高企業融資成本。

表8 金融化的經濟后果：基于融資成本的視角

五、結論與啟示

近年來，在中國實體經濟不景氣的同時，虛擬經濟卻蓬勃發展，經濟出現“脫實向虛”的現象，這對我國經濟的健康可持續發展產生了不利影響，引起了黨和國家領導人的高度重視。那么，金融化到底會如何影響實體經濟呢？從微觀企業信息環境角度出發，基于2007—2019年中國A股非金融上市公司的財務數據，本文實證檢驗企業金融化對信息環境的影響。研究發現企業金融化惡化了企業信息環境，即金融化增加了分析師預測誤差和分析師預測分歧度，減少了分析師跟蹤人數。異質性分析表明，良好的公司治理和更強的分析師能力可以緩解金融化對分析師預測的不利影響，而較大的經營壓力則會加劇金融化的負面影響。傳導機制分析表明，金融化主要通過增加盈余波動性、降低盈余持續性和會計穩健性對分析師預測產生負面影響。最后，金融化帶來的信息環境惡化提高了企業融資成本，降低了企業融資效率，對企業經營產生不利影響，進而影響實體經濟。

本文的研究結論從微觀層面揭示了企業金融化的不利影響，為我國政府及監管部門制定相關措施提供了啟示。第一，監管部門應對實體企業金融化行為進行嚴格的監督管理，甚至可以限制企業投資風險高的金融資產，避免形成資產泡沫。同時對企業利用信貸資金進行投機套利的行為進行嚴厲打擊。第二，政府部門應為企業營造良好的實業投資環境，提高上市公司進行實業投資的熱情。政府部門需要切實減輕企業稅費負擔和融資成本以鼓勵企業進行創新，提高企業生產率和利潤率，縮小其與金融行業的差距。第三，上市公司應積極聚焦主業，減少金融資產投資行為。金融化損害了企業信息環境，導致企業融資成本提高，損害了企業價值。因此，上市公司應充分認識到金融化對企業發展帶來的危害，積極著眼于企業的長期發展，壯大主業。第四，應該加強對上市公司治理的要求。實體企業金融化背后隱藏著嚴重的代理問題，本文發現較高的公司治理水平可以抑制企業金融化的負面影響，因此，提高公司治理水平可以對實體企業金融化進行有效約束。