■/ 燕洪國(guó) 俞莉潔

一、引言

資本成本是影響企業(yè)運(yùn)營(yíng)的核心要素之一。無(wú)論是企業(yè)的戰(zhàn)略管理、資本結(jié)構(gòu)，還是資源配置與投融資決策，均不可避免受到資本成本約束，因此，資本成本一直以來(lái)都是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)之一。其中，從企業(yè)風(fēng)險(xiǎn)視角，學(xué)者對(duì)資本成本展開(kāi)了深入研究。Francis（2008）、Dhaliwal（2011）和曾穎（2006）從信息風(fēng)險(xiǎn)的視角探討了權(quán)益資本成本的影響因素，認(rèn)為信息披露能降低資本成本。Barth（2013）從治理風(fēng)險(xiǎn)的角度，發(fā)現(xiàn)治理缺陷較多的企業(yè)，其權(quán)益資本成本也較高。Fernando（2006）、Dhaliwal（2009）和張正勇（2017）認(rèn)為企業(yè)面臨的審計(jì)風(fēng)險(xiǎn)越高，其權(quán)益資本成本越高。此外，經(jīng)營(yíng)風(fēng)險(xiǎn)也會(huì)影響企業(yè)的權(quán)益資本成本（Modigliani and Miller,1958;Francis,2005;Bhattacharya,2012）?？蛻艏卸缺徽J(rèn)為用以衡量企業(yè)現(xiàn)金流的風(fēng)險(xiǎn)因素（Dhaliwal and Scottjudd,2016）。因此，客戶集中度會(huì)對(duì)企業(yè)的權(quán)益資本成本產(chǎn)生重大影響。陳峻（2015）以2007-2014年制造業(yè)企業(yè)為樣本，發(fā)現(xiàn)在環(huán)境不確定性較低時(shí)，客戶集中度與權(quán)益資本成本負(fù)相關(guān)；周冬華（2017）和畢金玲（2018）分別以2009-2014年A股主板上市企業(yè)和2012年-2014年制造業(yè)為樣本進(jìn)行了研究，認(rèn)為客戶集中度與權(quán)益資本成本正相關(guān)。鑒于現(xiàn)有相關(guān)研究比較稀缺，且研究結(jié)論遠(yuǎn)未達(dá)成一致，因此，進(jìn)一步研究客戶集中度對(duì)權(quán)益資本成本的影響具有較大的理論與現(xiàn)實(shí)意義。

二、理論分析與研究假設(shè)

作為企業(yè)的重要外部利益相關(guān)者，客戶會(huì)對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)產(chǎn)生至關(guān)重要的影響。一些學(xué)者認(rèn)為，客戶集中度的提高能為企業(yè)帶來(lái)積極的影響。首先，較高的客戶集中度有利于完善企業(yè)的供應(yīng)鏈（Marty et al.，2004），形成穩(wěn)定、可靠的客戶關(guān)系。而穩(wěn)定、可靠的客戶關(guān)系有利于企業(yè)之間信息共享，建立有效的溝通和信息交流機(jī)制，降低信息不對(duì)稱(chēng)程度，從而節(jié)約生產(chǎn)成本，降低交易風(fēng)險(xiǎn)，如KalwaniandNarayandas（1995）認(rèn)為客戶較為穩(wěn)定的采購(gòu)行為為企業(yè)的成本管理提供有效的信息，能改善企業(yè)的存貨管理，降低管理費(fèi)用；有利于促進(jìn)企業(yè)合作生產(chǎn)與聯(lián)合投資（Kumar，1996;Kin?ney&Wempe，2002），如在營(yíng)銷(xiāo)方面大客戶能為企業(yè)降低一部分銷(xiāo)售費(fèi)用，從而提高企業(yè)業(yè)績(jī)（Kal?wani&Narayandas，1995；Patatoukas，2012）。其次，大客戶具有一定的“監(jiān)督治理效應(yīng)”。對(duì)于客戶而言，與企業(yè)可能存在生產(chǎn)合作、聯(lián)合投資關(guān)系，所以若企業(yè)進(jìn)入破產(chǎn)清算，則客戶會(huì)失去該供貨源，在損失一部分銷(xiāo)售收入的同時(shí)，還會(huì)因?yàn)閷ふ倚碌墓?yīng)商而增加成本（Titman，1984）。因此，客戶會(huì)起到外部監(jiān)督的作用，時(shí)刻關(guān)注企業(yè)的生產(chǎn)經(jīng)營(yíng)狀況，促進(jìn)企業(yè)改善管理，以實(shí)現(xiàn)自身利益的最大化（張勝，2013）；最后，較高的客戶集中度存在一種“溢出效應(yīng)”。大客戶在愿意與企業(yè)形成專(zhuān)有化的交易關(guān)系之前，一定經(jīng)過(guò)相應(yīng)的信息調(diào)查，對(duì)企業(yè)的經(jīng)營(yíng)現(xiàn)狀和發(fā)展前景有良好的預(yù)期，相比于客戶集中度較低的企業(yè)，客戶對(duì)于形成專(zhuān)有化交易關(guān)系會(huì)更加理性、謹(jǐn)慎。因此，企業(yè)擁有較高的客戶集中度，在一定程度上會(huì)向股東傳達(dá)出企業(yè)經(jīng)營(yíng)狀況良好、經(jīng)營(yíng)風(fēng)險(xiǎn)較低的信號(hào)，降低股東面臨的逆向選擇問(wèn)題和道德風(fēng)險(xiǎn)。此外，企業(yè)獲得大客戶信賴(lài)的同時(shí)，更有利于吸引更多其他小客戶，獲得更多的關(guān)注，品牌效應(yīng)加強(qiáng)，降低企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，投資者就會(huì)降低預(yù)期投資回報(bào)率，從而降低企業(yè)權(quán)益資本成本。

然而，另一些學(xué)者認(rèn)為，客戶集中度的提高會(huì)給企業(yè)帶來(lái)負(fù)面效應(yīng)。首先，從本質(zhì)上來(lái)看，企業(yè)與客戶之間是一種博弈關(guān)系，當(dāng)客戶集中度較高時(shí)，企業(yè)對(duì)客戶的依賴(lài)較強(qiáng)，客戶具有比企業(yè)更強(qiáng)的議價(jià)能力，這會(huì)使得企業(yè)降低產(chǎn)品價(jià)格，從而損失一部分利潤(rùn)，導(dǎo)致經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)的增加（Piercy and Lane，2006；唐躍軍，2009）。其次，較高的客戶集中度會(huì)誘發(fā)大客戶對(duì)企業(yè)利益的侵害行為，如拖欠貨款、加長(zhǎng)信用期與縮減交貨期等（韓敬穩(wěn)等，2009），導(dǎo)致企業(yè)投資成本、投資風(fēng)險(xiǎn)的增加。此外，如果客戶集中度較高，當(dāng)大客戶中止與企業(yè)之間的交易，轉(zhuǎn)而自行生產(chǎn)商品或者向其他供應(yīng)商購(gòu)貨，甚至與競(jìng)爭(zhēng)對(duì)手合作時(shí)，企業(yè)會(huì)陷入經(jīng)營(yíng)不暢和現(xiàn)金流短缺的雙重困境（Albequerque,A.M.，2014）。Hertzel et al（2008）研究發(fā)現(xiàn)，大客戶突然流失會(huì)嚴(yán)重影響企業(yè)的銷(xiāo)售收入，減少現(xiàn)金流量，從而影響企業(yè)的財(cái)務(wù)狀況（Maksimovic and Tit?man，1991）。最后，當(dāng)大客戶破產(chǎn)時(shí)，企業(yè)很有可能收不回其應(yīng)收賬款，造成一定的財(cái)務(wù)損失，使企業(yè)面臨一定的財(cái)務(wù)風(fēng)險(xiǎn)。Hertzel等（2008）研究發(fā)現(xiàn)，大客戶的破產(chǎn)會(huì)使企業(yè)產(chǎn)生異常的負(fù)收益，且二者之間正相關(guān)；Jorion和Zhang（2009）的研究也表明當(dāng)客戶破產(chǎn)時(shí)，企業(yè)為客戶提供的信用貸款越多，其股票負(fù)收益率越大。當(dāng)股東預(yù)期到以上風(fēng)險(xiǎn)時(shí)，其預(yù)期必要報(bào)酬率會(huì)相應(yīng)增加，從而使企業(yè)的權(quán)益資本成本增加。

綜合以上分析，一方面，客戶集中度的適度提高，會(huì)給企業(yè)帶來(lái)積極效應(yīng)，減少經(jīng)營(yíng)風(fēng)險(xiǎn)，從而降低權(quán)益資本成本；另一方面，客戶集中度過(guò)高可能會(huì)為企業(yè)帶來(lái)負(fù)面影響，增加財(cái)務(wù)風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)，從而增加權(quán)益資本成本。因此，本文提出以下假設(shè)：

H0：客戶集中度與權(quán)益資本成本并非線性關(guān)系，而是U型關(guān)系。

也就是說(shuō)，客戶集中度應(yīng)該存在一個(gè)閾值。當(dāng)?shù)陀谠撻撝禃r(shí)，提高客戶集中度，能為企業(yè)帶來(lái)的積極效應(yīng)大于負(fù)面效應(yīng)，經(jīng)營(yíng)風(fēng)險(xiǎn)下降，權(quán)益資本成本下降；當(dāng)高于該閾值時(shí)，提高客戶集中度，能為企業(yè)帶來(lái)的積極效應(yīng)小于負(fù)面效應(yīng)，經(jīng)營(yíng)風(fēng)險(xiǎn)上升，權(quán)益資本成本增加。

三、研究設(shè)計(jì)

（一）模型設(shè)計(jì)

為實(shí)證檢驗(yàn)客戶集中度與權(quán)益資本成本之間的關(guān)系，本文設(shè)計(jì)了如下模型：

其中，Ri,t為企業(yè)的權(quán)益資本成本，用PEG模型和MPEG模型進(jìn)行估算；Top5為客戶集中度；Top5X2為客戶集中度的平方項(xiàng)；Controls為控制變量。

（二）變量定義

1.被解釋變量

對(duì)于權(quán)益資本成本的估算，已有研究并未達(dá)成一致的意見(jiàn)。目前，主流的估算模型是以事前收益率作為代理變量對(duì)企業(yè)的權(quán)益資本成本進(jìn)行衡量，包括股利折現(xiàn)模型、GLS模型、OJ模型、PEG模型和MPEG模型。其中，許多學(xué)者選擇使用GLS模型進(jìn)行估算（肖敏和沈藝峰，2008；肖作平和黃璜，2013；陳峻等，2015），但是，毛新述等（2012）認(rèn)為，相比于GLS模型，PEG模型和MPEG模型能更好地捕捉到各類(lèi)風(fēng)險(xiǎn)因素；李超（2011）對(duì)GLS模型、KR模型和PEG模型進(jìn)行了準(zhǔn)確性檢驗(yàn)，發(fā)現(xiàn)PEG模型具有最好的可靠性。PEG模型是由Easton于2004年基于市盈率和市盈增長(zhǎng)率提出的估算模型，但該模型假定企業(yè)非正常收益率為0。在此基礎(chǔ)上，Easton（2004）進(jìn)一步放松假設(shè)，假定企業(yè)的非正常收益率恒定，此時(shí)形成MPEG模型。鑒于此，本文選擇PEG模型和MPEG模型二者的均值來(lái)估算企業(yè)的權(quán)益資本成本，其計(jì)算公式如下所示：

其中，Rpeg為用PEG模型估算的權(quán)益資本成本；Rmpeg為用MPEG模型估算的權(quán)益資本成本；R_ave為兩模型估算的平均值；epst+2、epst+1分別表示預(yù)測(cè)的第t+2、t+1期每股收益的均值；dpst+1表示預(yù)測(cè)的第t+1期每股股利的均值，dpst+1=α*epst+1，α是指前三年的平均股利支付率；pt指第t期的年收盤(pán)價(jià)。

2.解釋變量

客戶集中度采用主要營(yíng)業(yè)收入比（Top5）進(jìn)行衡量，即為上市公司在年報(bào)中披露的“前五大客戶的銷(xiāo)售收入合計(jì)占總銷(xiāo)售收入的比例”，該指標(biāo)的數(shù)值越大，表明客戶集中度越高。

3.控制變量

借鑒已有的相關(guān)文獻(xiàn)，本文對(duì)以下變量進(jìn)行了控制：企業(yè)規(guī)模（Size）、財(cái)務(wù)風(fēng)險(xiǎn)（Lev）、總資產(chǎn)周轉(zhuǎn)率（Turnover）、企業(yè)成長(zhǎng)性（托賓Q）、流動(dòng)性（Liq?uid）、股票收益率（Return）、第一大股東持股比例（First）、股權(quán)集中度（Equil）、產(chǎn)權(quán)性質(zhì)（State）。變量的具體計(jì)算方法見(jiàn)表1：

（三）樣本及數(shù)據(jù)來(lái)源

表1 變量定義及說(shuō)明

本文以2012-2017年深滬A股上市公司為初始樣本，并在此基礎(chǔ)上，剔除以下企業(yè)：（1）金融行業(yè)的企業(yè)；（2）ST類(lèi)的上市公司；（3）分析師預(yù)測(cè)的每股收益數(shù)據(jù)缺失的樣本；（4）epst+2小于epst+1的樣本；（5）相關(guān)控制變量缺失的樣本，最終得到5223個(gè)樣本，其中，包括制造業(yè)3433個(gè)樣本。此外，為了消除極端值對(duì)回歸結(jié)果的影響，本文對(duì)所有的連續(xù)變量進(jìn)行了1%的winsor處理。在本文所需的數(shù)據(jù)中，股利支付率取自萬(wàn)德數(shù)據(jù)庫(kù)；因國(guó)泰安數(shù)據(jù)庫(kù)目前沒(méi)有更新2017年客戶集中度的數(shù)據(jù)，因此，2017年客戶集中度的數(shù)據(jù)于上市公司披露的年報(bào)中手工收集；其他財(cái)務(wù)數(shù)據(jù)都來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。

表2 各變量的描述性統(tǒng)計(jì)表

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

從描述性統(tǒng)計(jì)結(jié)果來(lái)看，用PEG模型和MPEG模型平均值估算的權(quán)益資本成本R_ave的均值為0.1107，中位數(shù)為0.1078，說(shuō)明企業(yè)權(quán)益資本成本總體在10%-11%之間，最小值為0.0332，最大值為0.2326，說(shuō)明各企業(yè)之間權(quán)益資本成本相差較大，其面臨的風(fēng)險(xiǎn)差異較大。客戶集中度Top5的均值為0.2758，中位數(shù)為0.2142，說(shuō)明企業(yè)前五大客戶銷(xiāo)售收入占總收入的比例均值為27.58%，均值大于中位數(shù)，說(shuō)明企業(yè)的客戶集中度較高，其最小值為0.0071，最大值為0.9420，說(shuō)明各企業(yè)之間客戶集中度的差異很大。關(guān)于控制變量，企業(yè)規(guī)模在6.4815-12.7148之間，均值為8.7144；不同企業(yè)之間，其財(cái)務(wù)杠桿、總資產(chǎn)周轉(zhuǎn)率、托賓Q、流動(dòng)性和投資回報(bào)率都存在著較大的差異；此外，F(xiàn)irst的均值為0.3638，Equil的均值為0.2441，說(shuō)明我國(guó)企業(yè)的股權(quán)較為集中；State的均值為0.3582，說(shuō)明有35.82%的樣本為國(guó)有企業(yè)。

（二）實(shí)證分析

本文用PEG模型和MPEG模型的平均值來(lái)估算企業(yè)的權(quán)益資本成本，并用STATA14.0進(jìn)行回歸分析，表3是相應(yīng)的回歸結(jié)果。其中，（1）、（3）列為企業(yè)權(quán)益資本成本與客戶集中度一次項(xiàng)的回歸結(jié)果；（2）、（4）列為在客戶集中度一次項(xiàng)的基礎(chǔ)上，加入二次項(xiàng)后的回歸結(jié)果。

由表3可知，以2012-2017年深滬A股上市企業(yè)為樣本，在（1）列中，客戶集中度（Top5）的回歸系數(shù)為正數(shù)，但并不顯著，這說(shuō)明了客戶集中度（Top5）與企業(yè)權(quán)益資本成本（R）并非單純的線性關(guān)系。在（2）列中，客戶集中度的平方項(xiàng)（Top5X2）對(duì)企業(yè)權(quán)益資本成本（R_ave）的回歸系數(shù)在1%的水平上顯著為正，這說(shuō)明了客戶集中度對(duì)權(quán)益資本成本的影響存在區(qū)間效應(yīng)，即二者應(yīng)為U型關(guān)系，而非單純的線性關(guān)系?？蛻艏卸绕椒巾?xiàng)（Top5X2）對(duì)R_ave的回歸系數(shù)為0.0354，經(jīng)過(guò)計(jì)算可知，客戶集中度的拐點(diǎn)為0.3814（[-0.0270/（-2*0.0354）]），因此，對(duì)于全樣本而言，根據(jù)資本成本約束觀，為使企業(yè)的權(quán)益資本成本降到最低，前五大客戶的收入比應(yīng)控制在38.14%左右，而描述性統(tǒng)計(jì)中客戶集中度的均值為27.58%，所以企業(yè)還可以在一定程度上提高客戶集中度。

表3 客戶集中度與權(quán)益資本成本（R_ave）的回歸結(jié)果

表4 客戶集中度與權(quán)益資本成本（OJ）的回歸結(jié)果

以2012-2017年深滬A股制造業(yè)企業(yè)為樣本，從表中可知，客戶集中度（Top5）與權(quán)益資本成本（R）顯著正相關(guān)，且加入二次項(xiàng)后，其二次項(xiàng)的回歸系數(shù)在1%的水平上顯著為正，相比較而言，加入二次項(xiàng)后的模型更為顯著，其拐點(diǎn)為0.3088，因此，對(duì)于制造業(yè)而言，前五大客戶的收入比應(yīng)加以更為嚴(yán)格的控制，應(yīng)控制在30.88%左右。

（三）穩(wěn)健性檢驗(yàn)

為驗(yàn)證研究結(jié)論的可靠性，本文進(jìn)行了穩(wěn)健性檢驗(yàn)。由于權(quán)益資本成本估算較為復(fù)雜，且估算模型尚未達(dá)成統(tǒng)一，為了排除估算模型對(duì)本文研究結(jié)論的影響，在穩(wěn)健性檢驗(yàn)中，用OJ模型估算企業(yè)權(quán)益資本成本代入模型進(jìn)行了檢驗(yàn)，表4報(bào)告了回歸結(jié)果。從表4可知，本文的研究結(jié)論是穩(wěn)健的，二者之間存在區(qū)間效應(yīng)，且基于全樣本回歸，客戶集中度的拐點(diǎn)為38.05%，基于制造業(yè)回歸，客戶集中度的拐點(diǎn)為32.64%，與前文計(jì)算的拐點(diǎn)較為接近。

五、研究結(jié)論

本文以2012-2017年深滬A股上市公司為全樣本，實(shí)證檢驗(yàn)了客戶集中度與企業(yè)權(quán)益資本成本二者之間的關(guān)系。研究表明：（1）客戶集中度對(duì)權(quán)益資本成本的影響并非線性關(guān)系，而是存在區(qū)間效應(yīng)，即二者應(yīng)為U型關(guān)系；（2）用PEG模型和MPEG模型的均值來(lái)衡量企業(yè)權(quán)益資本成本，客戶集中度相應(yīng)的拐點(diǎn)為38.14%；（3）以制造業(yè)企業(yè)為分樣本，發(fā)現(xiàn)相比于全樣本，制造業(yè)企業(yè)客戶集中度的拐點(diǎn)較低，為30.88%。由描述性統(tǒng)計(jì)可知，樣本公司前五大客戶占總收入比例的均值為27.58%，遠(yuǎn)低于回歸分析得到的拐點(diǎn)值。因此，企業(yè)應(yīng)在控制客戶帶來(lái)的經(jīng)營(yíng)風(fēng)險(xiǎn)與財(cái)務(wù)風(fēng)險(xiǎn)下，適度提高其客戶集中度，優(yōu)化與整合供應(yīng)鏈，擴(kuò)大其積極效應(yīng)，改善企業(yè)經(jīng)營(yíng)狀況，降低投資者預(yù)期的必要報(bào)酬率，從而控制企業(yè)的權(quán)益資本成本，使其決策建立在資本成本的約束之上。