客戶集中度對商業信用與銀行信貸結構轉換的影響

章鐵生（教授/博士）張承吉 李瑤瑤（安徽工業大學商學院 安徽馬鞍山 243032）

一、引言

商業信用與銀行信貸是我國企業主要的外源融資方式。商業信用是企業之間與商品交易直接相關的信用，可視為企業獲得的一筆短期融資；銀行信貸則是以銀行為中介，并要求利息回報的貨幣借貸，銀行可以通過對企業經營狀況與財務信息的調查，判斷是否為企業提供借款。從兩者的互動關系看，理論界存在著三種不同的觀點。第一種觀點是替代關系，鑒于我國銀行業壟斷嚴重，銀行信貸存在著配給現象，導致企業難以獲得銀行借款，轉向利用商業信用（陸正飛、楊德明，2011）。第二種觀點是互補關系，該觀點認為企業獲取供應商提供的商業信用向銀行傳遞了一種利好信息，這對企業獲得銀行信貸具有積極作用（Biais和Gollier，1997；劉仁伍、盛文軍，2011）。第三種觀點認為商業信用與銀行信貸之間替代關系和互補關系是共生共存的，他們存在著一種結構轉換（Burkart和Ellingsen，2004）。在此基礎上，一些學者開始著重研究促使兩者結構關系發生動態轉換的影響因素（條件），不少研究從宏觀層面探討商業信用與銀行信貸的互動關系（饒品貴、姜國華，2013），就金融危機、經濟新常態等影響因素進行了研究并得出了相應的結論（Love等，2007；鄒美鳳、史河京，2021）；也有研究從微觀企業層面進行探索，發現企業規模、生命周期及產能情況等因素對商業信用與銀行信貸結構轉換的影響（趙宇翔，2008；袁衛秋等，2017；吳娜等，2017；于博和Gary，2018）。

從單次結構轉換的角度出發，對不同影響因素下商業信用與銀行信貸的結構轉換情況進行討論，趙宇翔（2008）研究發現當企業規模不同時，商業信用與銀行信貸之間的常態性替代關系會轉化為互補關系，袁衛秋等（2017）從企業生命周期角度對商業信用與銀行信貸結構關系所呈現的變化進行了研究，發現成長期和成熟期表現為替代關系，而衰退期表現為互補關系。除此之外，部分學者從多重結構突變視角進行討論也得到了更為綜合性的結果，如吳娜等（2017）發現商業信用與銀行信貸之間替代到強互補再到弱互補的二次突變特征，將原有線性互補理論拓展為非線性互補；于博和Gary（2018）也發現隨企業產能增加，商業信用與銀行信貸呈現出由替代到互補的結構轉換，且互補強度存在二次突變的結構特征。整體來講，已有研究中對于商業信用與銀行信貸之間結構轉換的討論逐漸豐富，得到的結論也更為綜合，但從供應鏈關系的角度研究該問題的文獻還較為鮮見。關系網絡理論認為，供應鏈關系的嵌入一定程度上能夠改變企業主體的經濟行為和動機，使企業更加注重供應鏈企業間的合作（張曼儀，2016），這種合作應當體現一種“親密有間”的關系，過度緊密的關系會給企業經營管理帶來隱患（張文匯，2005；吳寶等，2011）。已有文獻從公司業績、營運資金、審計師選擇與審計費用、銀行借款等方面，從供應鏈關系視角考察了客戶集中給公司帶來的正面作用或負面影響（唐躍軍，2009；張先敏、王竹泉，2014；張敏等，2012；王雄元等，2014；江偉等，2017），還有研究發現供應商集中度會影響商業信用與銀行信貸之間的結構轉換（章鐵生、彭麗，2019）。那么，客戶集中度是否以及如何成為商業信用與銀行信貸結構轉換的條件呢？本文對此進行了探索，討論商業信用與銀行信貸作為企業的兩種主要債務融資方式，二者的互動關系是否以及如何隨著客戶集中度水平的變化發生結構轉換。

本文可能的貢獻在于：研究了客戶集中度對商業信用和銀行信貸的影響，豐富了客戶關系影響企業商業信用和銀行信貸的相關文獻；從客戶集中度這一新的因素研究商業信用和銀行信貸的結構轉換條件，拓展了商業信用和銀行信貸互動關系的研究。

二、理論分析與研究假設

客戶集中對企業而言既存在合作效應，也具有風險效應。一方面供應鏈上的企業之間具有合作效應，長期交易形成的工作流程有利于信息的傳遞和共同問題的解決，這使得上下游企業之間信息充分共享，增加了上游供應商對企業的了解，減少了供應鏈上的信息不對稱，有利于企業進行更加精確的存貨管理（Balakrishnan等，1996），同時也為銀行提供了收集信息的途徑（葉飛、李怡娜，2006）。另一方面也存在風險效應，企業和客戶是相互依賴的，當依賴不對稱時，就會產生迥異的相對權力，依賴程度相對較小的一方則可能利用權力對另一方施加影響（Touboulic等，2014）。企業經營高度依賴大客戶會增加企業自身債務融資成本（李娜、吳靜樺，2020），同時也會降低企業的監督水平，使企業不能客觀地了解客戶績效的衰退和檢測客戶的欺騙行為。

就企業獲得商業信用而言，在長期交易之后企業與客戶逐步建立基于信任與互惠的合作關系（Dyer和Chu，2003），當客戶集中度水平較低時，客戶集中度的提高有利于降低供應鏈的不確定性，此時合作效應占據主導地位，客戶集中帶來的收益大于風險，增加供應商對企業的信任并為其提供商業信用（劉鳳委等，2009）。當客戶集中度不斷提高時風險效應也在不斷增強，一旦任何一家企業作為其鏈條上的一個環節發生支付困難，都可能造成資金鏈斷裂，引發巨大的破壞性結果（Fewings，1992）。由于經營風險逐漸增大，客戶集中使得合作效應與風險效應之間呈現出此消彼長的態勢，當兩種效應達到均衡時企業獲取的商業信用水平最高，而后隨著客戶集中度提高，風險效應占據主導地位，當客戶集中度進一步提高時，風險效應主導地位進一步增強，企業可能遇到的一系列風險包括客戶機會主義引發的信任危機，資產專用性投資引發的套牢風險，供應商為維護自身利益會減少給企業的商業信用，企業獲取的商業信用逐漸減少。由此可見，隨著客戶集中度的逐漸提高，企業獲取的商業信用呈現出先增加后減少的倒U型。

從企業的銀行信貸來看，當客戶集中度水平較低時，供應鏈中的企業之間由于合作效應的存在有助于銀行增強對企業經營狀況的了解和信息的收集，能夠有效地對企業信貸風險進行監督和控制，銀行放貸的逆向選擇問題和發放貸款后的道德風險問題也會得到大大減輕（饒艷超、胡奕明，2005），此時合作效應占據主導地位，隨著客戶集中度的提高企業獲得的銀行信貸逐步增加。但是當客戶集中水平逐漸提高時供應鏈企業之間的風險效應也逐漸增強，在風險不斷累積達到一定程度后，風險效應占據主導地位，銀行基于自身規避風險的考慮，會逐漸減少對企業的放貸（李歡等，2018），企業獲取的銀行信貸達到峰值后會逐漸下降。因此，隨著客戶集中度的提高，企業獲取的銀行信貸也會呈現出先增加后減少的倒U型。

由于客戶集中所帶來的合作效應與風險效應會隨著客戶集中度的提高此消彼長，企業獲取的商業信用和銀行信貸隨著客戶集中度的提高均呈現出先增加后減少的倒U型，但供應商與銀行對因客戶集中帶來的合作效應與風險效應之間力量對比的感知存在差異，銀行相對供應商對企業風險反應更敏感，銀行信貸隨著客戶集中度的提高呈現的倒U型拐點更早到來。第一，銀行相對供應商對風險的耐受度更低。從銀行和供應商各自的客戶特征角度來講，雙方的客戶數量、客戶性質以及客戶重要性存在較大差異，銀行由于客觀條件、技術手段和成本效益原則等方面的限制，與供應商相比，在客戶償債風險變動時較難進行及時跟蹤以評估風險水平，對于風險防控往往采用更為謹慎的手段。第二，供應商在區分違約風險可能性上擁有信息優勢（Wilner，2000；Yano和 Shiraishi，2012），銀行由于信息不對稱程度更高，為規避風險會更早做出反應。從雙方互動關系角度來講，供應商可以及時、高效、低成本地獲取企業的相關信息，而銀行通過公開的報表數據獲取信息存在一定的時滯，供應商具有一定的信息優勢；從雙方交易頻率角度來講，供應商由于更便于獲得企業經營信息可以對企業進行監督從而降低道德風險，銀行由于沒有這種信息優勢的存在會因為潛在的信息不對稱風險更大而更加謹慎地發放貸款；從雙方業務相關程度來講，供應商作為供應鏈中的一員，對供應鏈中企業生產活動規律以及潛在的風險比較熟悉，對于行業的認知和理解程度遠優于作為金融機構的銀行，這也讓供應商相比于銀行擁有一定的信息優勢。第三，市場地位差異的影響。銀行與供應商由于市場地位的差異在議價能力和自主權等方面有較大差別，商業信用伴隨供應鏈交易自然發生，銀行在銀行信貸中處于賣方市場地位，面對隨著客戶集中度提高而來的風險效應累積，相對更有能力更早主動減少信貸。

綜上所述，由于合作效應與風險效應的相對變化，隨著客戶集中度的提高，企業獲取的商業信用和銀行信貸均呈現出倒U型關系，但銀行與供應商在風險耐受度、信息獲取以及市場地位等方面存在差異，隨著客戶集中度的提高，企業獲取銀行信貸的倒U型拐點更早到來，商業信用與銀行信貸的互動關系出現動態轉換，具體如圖1所示。銀行信貸的拐點命名為拐點1，商業信用的拐點命名為拐點2，當客戶集中度＜拐點1時，商業信用與銀行信貸均隨著客戶集中度的增加而增加，兩者之間呈現互補關系；當拐點1≤客戶集中度＜拐點2時，商業信用與銀行信貸隨著客戶集中度的增加而分別增加和減少，兩者之間呈現替代關系；當客戶集中度≥拐點2時，商業信用與銀行信貸均隨著客戶集中度的增加而減少，兩者之間再度呈現互補關系。

圖1 客戶集中度對商業信用與銀行信貸結構轉換的影響

基于以上分析，本文提出假設：

在其他條件相同的情況下，隨著客戶集中度的提高，商業信用與銀行信貸結構呈現由互補到替代再到互補的動態轉換。

三、研究設計

（一）樣本收集與數據處理

本文選取2007—2020年A股上市公司作為研究樣本，篩選數據方法如下：（1）剔除金融、保險業企業；（2）剔除ST和*ST公司樣本；（3）剔除相關變量數據缺失的上市公司樣本。經過以上的處理，最終獲得23 835組公司年度數據。本文數據均來自國泰安（CSMAR）數據庫，研究中進行數據處理、描述性統計和回歸分析所使用的軟件為STATA 16.0。為了避免極端值對回歸過程的影響，本文對主要連續型變量進行了上下1%的Winsorize縮尾處理。

（二）模型設計與變量定義

根據理論分析，本文通過加入客戶集中度的平方項（Customerq）建立模型（1）—（2）以考察銀行信貸、商業信用與客戶集中度的非線性關系，并且將商業信用與銀行信貸作為控制變量加入模型中以控制因果關系對模型結果的影響。

參考相關學者相關文獻的變量選擇，本文在模型中加入以下控制變量：公司規模（Lnsize）、資本密集度（Cap?ital）、存貨水平（Inva）、資產負債率（Lev）、現金流（Cf）、財務杠桿（Cfl）、總資產報酬率（Roa）、托賓Q值（Tobinq）、股權集中度（Top1）、獨立董事比例（Ibr）、上市年限（Age）、兩職合一（Dual）、審計意見（Ap）、產權性質（State）、貨幣政策（Mp）等，同時還控制了行業與年份。具體變量名稱和定義見上頁表1。

表1 模型變量定義表

四、實證結果與分析

（一）描述性統計

變量的描述性統計結果如表2所示。表2中，商業信用（Tcr）的均值為0.132，最小值為0.004，最大值為0.464，說明各樣本公司商業信用的差異較大；銀行信貸（Loan）的均值為0.177，最小值為0.000，最大值為0.583，表明樣本公司在獲得銀行信貸方面存在著較大的差異；客戶集中度（Cus?tomer 5）的均值為0.303，最小值為0.012，最大值為0.984，說明樣本公司的客戶集中水平差異也較大。數據間較大的跨度使本文的研究更有價值。

表2 主要變量的描述性統計

（二）相關性分析

各主要變量相關性檢驗結果如表3所示。表3中，商業信用（Tcr）與客戶集中度（Customer 5）的相關系數在10%的水平上顯著負相關，銀行信貸（Loan）與客戶集中度的相關系數在5%的水平上顯著正相關。各控制變量間相關系數基本不超過0.5，同時對變量進行方差膨脹因子檢驗，平均VIF值小于3，說明各控制變量之間不存在嚴重的多重共線性。

表3 主要變量的相關系數矩陣

（三）實證結果與分析

為了驗證客戶集中度與商業信用和銀行信貸的倒U型關系，同時為避免樣本異方差對回歸結果顯著性產生的影響，本文采用普通最小二乘法（OLS）與White穩健標準誤（Consistent Standarderror）的方法對模型（1）和模型（2）進行多元回歸檢驗，結果分別如下頁表4第（1）、（2）列所示。表4第（1）列顯示，客戶集中度（Customer 5）的回歸系數在1%的置信水平上顯著為正，客戶集中度的平方項的回歸系數為-0.0426，且在1%的置信水平上顯著，這表明商業信用（Tcr）與客戶集中度之間呈倒U型關系。表4第（2）列顯示，客戶集中度的回歸系數為0.1167，在1%的置信水平上顯著，客戶集中度的平方項的回歸系數為-0.0985，在1%的置信水平上顯著為負，這表明銀行信貸（Loan）與客戶集中度之間呈倒U型關系。為了克服樣本可能存在的自相關、異方差等問題，本文同時采用可行性廣義最小二乘法（FGLS）檢驗了模型（1）、模型（2），結果如表4中第（3）列、第（4）列所示。表4第（3）列顯示，客戶集中度的回歸系數為0.0516，在1%的置信水平上顯著為正，客戶集中度的平方項的回歸系數為-0.0310，且在1%的置信水平上顯著，表明商業信用與客戶集中度之間呈倒U型關系。表4第（4）列顯示，客戶集中度的回歸系數為0.1017，在1%的置信水平上顯著，客戶集中度的平方項的回歸系數為-0.0830，在1%的置信水平上顯著為負，表明銀行信貸與客戶集中度之間呈倒U型關系。通過采用兩種不同方法對模型（1）、模型（2）的檢驗，基本結果一致也表明客戶集中度與商業信用和銀行信貸的倒U型關系是穩健的，另外借助utest命令對整體存在的倒U型關系進行檢驗以增加可信度。

根據下頁表4第（1）、（2）列客戶集中度與商業信用和銀行信貸倒U型關系的結果，可以計算出拐點處的客戶集中度數值分別為0.7151和0.5925。當客戶集中度不超過0.7151時，商業信用與客戶集中度呈正相關，當客戶集中度超過0.7151后，商業信用與客戶集中度呈負相關。當客戶集中度不超過0.5925時，銀行信貸與客戶集中度呈正相關，當客戶集中度超過0.5925后，銀行信貸與客戶集中度呈負相關。因此，當客戶集中度<0.5925時，商業信用與銀行信貸均隨著客戶集中度的提高而增加，呈現互補關系；當0.5925≤客戶集中度<0.7151時，商業信用與銀行信貸分別隨著客戶集中度的提高而繼續增加和減少，呈現替代關系；當客戶集中度≥0.7151時，商業信用與銀行信貸均隨著客戶集中度的提高而減少，呈現互補關系。因此，隨著客戶集中度的提高，商業信用與銀行信貸的結構關系呈現由互補到替代再到互補的動態轉換，本文的假設得到驗證。

表4 多元回歸分析結果

五、穩健性檢驗

（一）替換被解釋變量穩健性檢驗

本文采用（應付票據+應付賬款）/負債合計替代主檢驗中的商業信用，采用（短期借款+長期借款）/負債合計替代主檢驗中的銀行信貸，運用普通最小二乘法和可行性廣義最小二乘法進行檢驗，回歸結果如表5所示，其回歸系數的方向和顯著性與主檢驗基本結果一致，商業信用和銀行信貸的拐點分別為0.9139和0.6150，與主檢驗大小順序一致，表明主檢驗的結果是穩健的。

表5 替換被解釋變量回歸結果

（二）取滯后一期變量穩健性檢驗

為了識別客戶集中度對商業信用與銀行信貸關系影響的因果關系，即上一年的客戶集中度可能對商業信用與銀行信貸結構關系產生影響，本文參考陸正飛等（2011）的做法，將客戶集中度滯后一期，運用普通最小二乘法和可行性廣義最小二乘法進行回歸檢驗，其結果如表6所示，其回歸系數的方向和顯著性以及拐點順序與主檢驗基本結果一致。

表6 取滯后一期變量回歸結果

（三）采用工具變量法進行穩健性檢驗

考慮到模型中存在商業信用與銀行信貸的位置互換，為解決互為因果可能引發的內生性問題引入工具變量進行檢驗。我們將企業市場地位MP（企業當年銷售收入占同行業當年銷售總收入的比重）作為商業信用（Tcr）的工具變量，由于供應商提供商業信用時主要考慮

企業的實際經營與長遠發展（Huang等，2011；Petersen和Rajan，1997），而市場地位較高的企業在同行業中的相對市場份額較大，相較于其他企業存在一定的規模優勢和競爭優勢，擁有較好的實際經營狀況與長遠發展預期，故可用做工具變量。同時參考張新民（2012）的做法將短期償債能力CR（流動資產/流動負債）作為銀行信貸（Loan）的工具變量，通過兩階段最小二乘法（2SLS）以及廣義矩估計（GMM）回歸，得到的結果如表7所示，總體情況與主檢驗基本結果一致。

表7 工具變量法回歸結果

（四）去除異常年份觀察值的穩健性檢驗

2008年，美國次貸危機引發的金融海嘯席卷全球，很多企業都因融資困難遭遇寒冬，剔除2008年的數據，重復主檢驗各模型的回歸，結果如表8所示。回歸系數的方向和顯著性以及拐點順序與主檢驗基本結果一致。

表8 去除異常年份的穩健性檢驗

六、進一步研究

從商業信用看，國有企業與非國有企業的產權差異會導致雙方在供應鏈交易中的相對地位不同，進而影響雙方商業信用的獲得（鮑群、趙秀云，2016）。國有企業在商業信用融資方面具有受到議價能力影響更小等諸多方面的優勢（戴俊、屈遲文，2018），這會讓國有企業因客戶集中帶來的合作效應更加明顯，同時國有企業可以通過借助政府的宏觀政策有效分散客戶集中所帶來的風險效應（盧闖等，2013），這使得國有企業獲取商業信用隨著客戶集中度的提高更多地表現為合作效應處于主導地位。而非國有企業在商業信用融資的所有制歧視中處于劣勢，在客戶集中度提高的過程中合作效應與風險效應的力量對比相對于國有企業呈現出更明顯此消彼長的特征，隨著客戶集中度的提高兩種效應力量對比主導地位的改變，商業信用獲取在非國有企業中呈現出更明顯的倒U型關系。從銀行

信貸看，我國商業銀行以國有銀行為主，對非國有企業存在信貸歧視（Gordon和Li，2003），國有企業在獲得銀行信貸上擁有產權優勢（江偉、李斌，2006），商業銀行對非國有企業因客戶集中帶來的風險效應可能更加敏感。因此，隨著客戶集中度的提高，國有企業獲取商業信用時可能表現出更強的合作效應，拐點相對更晚到來，非國有企業獲取銀行信貸時風險效應的主導作用應該會更早體現，拐點相對更早到來。基于此，本文將全樣本分為國有企業和非國有企業，對模型（1）、（2）進行檢驗，結果如表9所示。

表9 基于產權性質分組的檢驗

根據表9中的結果計算可得，在非國有企業中，商業信用與客戶集中度倒U型關系對應的拐點為0.5405，銀行信貸與客戶集中度倒U型關系對應的拐點為0.4902。而在國有企業中，商業信用與客戶集中度的倒U型關系拐點為1.1420，銀行信貸與客戶集中度的倒U型關系拐點為0.7054，兩拐點均大于非國有企業的拐點數值，這與上面的理論分析一致。在非國有企業中，當客戶集中度<0.4902時，商業信用與銀行信貸均隨著客戶集中度的提高而增加，呈現互補關系；當0.4902≤客戶集中度<0.5405時，商業信用與銀行信貸分別隨著客戶集中度的提高而繼續增加和減少，呈現替代關系；當客戶集中度≥0.5405時，商業信用與銀行信貸均隨著客戶集中度的提高而減少，呈現互補關系。因此，在非國有企業中，隨著客戶集中度的提高，商業信用與銀行信貸結構關系也是呈現從互補到替代再到互補的轉換。由于現實中客戶集中度是一個不大于1的值，因此在國有企業中，商業信用與客戶集中度之間的關系呈現為倒U型拐點左側的上升部分，商業信用與銀行信貸結構關系只呈現由互補到替代的轉換。

七、研究結論與啟示

本文選取2007—2020年A股上市公司數據，立足客戶集中的合作效應和風險效應，探討在不同客戶集中度下商業信用與銀行信貸的結構轉換，得到以下結論：（1）隨著客戶集中度的提高，客戶集中度與商業信用和銀行信貸均呈現倒U型關系，商業信用與銀行信貸的互動關系呈現由互補到替代再到互補的動態轉換。具體而言，當客戶集中度<0.5925時，商業信用與銀行信貸呈互補關系；當0.5925≤客戶集中度<0.7151時，商業信用與銀行信貸呈替代關系；當客戶集中度≥0.7151時，商業信用與銀行信貸再度呈現互補關系。（2）進一步區分產權性質后發現，客戶集中度對商業信用與銀行信貸結構轉換的這種影響僅存在于非國有企業中，在國有企業中則呈現為由互補到替代的轉換，不同產權性質企業之間存在的差異主要是企業獲取商業信用和銀行信貸時面臨所有制歧視導致的。

本文的啟示有：（1）企業需要積極加強對于不同客戶集中度下合作效應與風險效應動態博弈過程的把握，維持適度的客戶關系，尋找合適的客戶集中度水平，鞏固客戶集中度的正面作用，將負面影響降到最低，進而實現企業價值最大化。（2）在供應鏈管理日益重要的今天，企業應深入了解商業信用與銀行信貸之間的差異，根據客戶集中度水平對融資活動的方式和比例進行及時調整，合理利用供應鏈融資所帶來的融資優勢，選擇恰當的融資決策以滿足企業資金缺口。（3）企業應加強與客戶間信息溝通往來，建立良好的信息交流機制，加強供應鏈溝通與協調，增強對于供應鏈風險的認知敏感程度，提高整體治理能力，加強信用的政策控制和管理水平，維持交易關系長遠發展的同時防止自身資產流失，實現供應鏈企業之間短期與長期利益的最大化。（4）國有企業也要注重對客戶關系的管理，避免一味占用供應鏈信用，充分發揮信貸資金“二次分配”的樞紐作用，給予上下游企業更多的商業信用支持以促進整體供應鏈的協同發展。