孫 沖

（南開大學金融學院，天津 300350）

一、引言

全球金融危機發(fā)生以來，各國非金融企業(yè)的杠桿率普遍上升。高杠桿率成為很多國家金融體系的脆弱性來源，是威脅一國金融穩(wěn)定的潛在隱患。在這種大環(huán)境下，“去杠桿”也成為我國供給側改革的重要內容，其同樣是世界各大新興市場國家所面臨的共同問題。國際貨幣基金組織（IMF）指出，新興市場國家杠桿率的過快攀升，極易引發(fā)金融危機。金融危機過后，無論是發(fā)達經濟體還是新興市場國家，一般更傾向于實施高度寬松的貨幣政策，信用擴張也使各國的非金融企業(yè)負債增加，國家金融狀況和企業(yè)財務狀況都出現(xiàn)不同程度的惡化。此外，隨著世界主要經濟體貨幣政策的日趨平穩(wěn)化，國際金融環(huán)境開始由寬松趨于收緊，之前新興市場國家高杠桿帶來的高風險債務的積聚會使企業(yè)面臨嚴峻的償債壓力，存在崩盤的可能。新興市場國家所面臨的金融狀況存在著極大的不確定性，這會提高企業(yè)融資約束的不確定性，進而影響企業(yè)的債務結構，加劇債務風險。因此，探究新興市場國家金融狀況波動如何影響非金融企業(yè)債務結構，對控制企業(yè)債務風險、促進國家金融體系穩(wěn)定運行具有重要意義。

最早用于綜合測度一國金融狀況的指標是貨幣狀況指數(shù)（Monetary Condition Index，MCI），隨后Goodhart &Hofmann（2001）在此基礎上進行擴展，構造包含資產價格的金融狀況指數(shù)（Financial Condition Index，F(xiàn)CI），其對于CPI 的預測以及貨幣政策走勢的預判具有重要作用，能夠更好地反映一國的金融狀況。國內對于FCI的構建及實證檢驗也發(fā)現(xiàn)，其能夠作為貨幣政策有效的指示器和參考指標（封北麟和王貴民，2006；郭曄和楊嬌，2012）。本文也將選取FCI 作為衡量一國金融狀況的指標。

Almeida &Tressel（2020）將FCI 作為測度金融狀況的指標，并將金融狀況作為影響因素之一，探究其對發(fā)達經濟體企業(yè)債務結構的作用，發(fā)現(xiàn)金融狀況下行的國家對短期債務融資的依賴程度更高。在金融狀況波動的不同狀態(tài)下，企業(yè)的債務融資規(guī)模和融資偏好也存在差異（Korajczyk &Levy，2003）。全球金融市場和宏觀經濟環(huán)境在后危機時期促進了新興市場企業(yè)杠桿率的提高，并且金融狀況在后危機時期對企業(yè)杠桿率具有顯著的負向影響（Herwadkar，2017）。宏觀經濟狀況和行業(yè)景氣程度對非金融企業(yè)債務具有反向影響作用，良好的市場金融狀況會顯著降低企業(yè)的資產負債率（蔣海霞和張永慶，2017）。隨著主要發(fā)達國家的貨幣政策逐漸平穩(wěn)化，全球金融環(huán)境也逐步由異常寬松趨向緊縮，這也使新興市場國家企業(yè)的債務規(guī)模和杠桿率快速攀升，帶來潛在的債務風險問題（譚小芬和李源，2018）。金融周期與企業(yè)債務風險呈反向變動關系，金融狀況進入擴張周期會降低我國企業(yè)杠桿率（馬秀斌和張慶君，2020）。

已有研究對于企業(yè)債務結構的考察大多只關注于金融狀況對杠桿率的作用，而較少關注其對債務期限的影響。本文在考察總杠桿率的基礎上，還加入了長期杠桿率、短期杠桿率以及債務期限結構作為被解釋變量，進一步探究金融狀況對于不同期限下債務結構的影響。此外，無論是對于FCI的測算還是對于企業(yè)債務結構的分析，已有的研究樣本主要著眼于單一經濟體，抑或是一些世界主要發(fā)達經濟體，并且缺乏不同國家間或是不同行業(yè)間影響效應的對比?；诖?，本文將新興市場經濟體作為樣本，分別測算各國的FCI，并在影響效應的考察中進行全樣本的總體分析以及不同國家和不同行業(yè)的分組分析。

鑒于金融狀況對企業(yè)債務結構的重要作用，本文的研究目的是通過對新興市場國家金融狀況指數(shù)（FCI）的構建，分析國家金融狀況對非金融企業(yè)債務結構的影響，并對這種影響效應進行不同國家、不同行業(yè)間的探究。

二、研究假設

根據(jù)明斯基提出的金融不穩(wěn)定假說，在金融狀況上行時期，人們對經濟繁榮的樂觀預期會提高其承擔債務風險的意愿，從而提高經濟中的杠桿率。樂觀情緒的繼續(xù)蔓延還會導致企業(yè)投機性融資和龐氏融資的規(guī)模增大，進一步提升企業(yè)杠桿率。但馬秀斌和張慶君（2020）研究發(fā)現(xiàn)，我國企業(yè)杠桿率存在逆周期特征，即金融狀況進入擴張周期時，企業(yè)投資機會和投資支出的增加會推動其盈利能力的提升，進而降低其債務融資需求。故企業(yè)杠桿率會相應降低，債務風險下降。綜上，金融狀況對于企業(yè)杠桿率的影響是多路徑的，且影響方向不一致。據(jù)此，提出假設1a和假設1b。

假設1a：上行的金融狀況會提升企業(yè)的總杠桿率。

假設1b：上行的金融狀況會降低企業(yè)的總杠桿率。

企業(yè)進行債務融資，不僅要控制債務的總體規(guī)模，還需要對債務的期限結構進行調整優(yōu)化。相較于短期債務，長期債務的不確定性更高，同時短期債務還可以促進債務人和債權人更為頻繁的溝通，能夠有效地緩解信息不對稱問題（郭婧和李心合，2019）。就資金的需求方而言，在金融狀況下行時期，企業(yè)為了規(guī)避不確定性會更趨向于短期債務融資；而在金融狀況上行時期，寬松的融資環(huán)境和對金融狀況的樂觀預期會使企業(yè)增加長期債務融資。就資金的供給方而言，金融狀況下行帶來的風險也會使金融機構相應縮減長期貸款的規(guī)模，增強企業(yè)短期債務融資的可得性；而在金融狀況上行時期，銀行的可放貸規(guī)模會增加，長期貸款的規(guī)模也會隨之增加。然而，基于長期債務的高風險性，長期貸款投放規(guī)模的增速往往慢于短期貸款，企業(yè)也可能會趨向可得性更加便利的短期債務融資而減少長期債務融資。同時，金融狀況上行時期，企業(yè)盈利能力的提升使得企業(yè)債務融資需求下降，其中，風險性更高的長期債務融資需求的下降會更快。綜上，金融狀況對于企業(yè)長期債務融資的影響是多路徑的，且影響方向不一致。據(jù)此，提出假設2a和假設2b。

假設2a：上行的金融狀況會增加企業(yè)對于長期債務融資的依賴。

假設2b：上行的金融狀況會減少企業(yè)對于長期債務融資的依賴。

三、研究設計

（一）樣本選取及數(shù)據(jù)來源

本文剔除存在空值和變量缺失的樣本并進行篩選、匹配、計算和整理后，最終樣本為來自中國、巴西、印度、印度尼西亞、墨西哥、波蘭、俄羅斯、南非和土耳其共9 個新興市場國家共計2887 家非金融企業(yè)2010～2019年的財務數(shù)據(jù)，企業(yè)涵蓋的產業(yè)為按全球行業(yè)分類標準GICS劃分的不含金融業(yè)的共計10大類行業(yè)，包括能源、原材料、工業(yè)、非日常消費品、日常消費品、醫(yī)療保健、信息技術、電信業(yè)務、公用事業(yè)和房地產，數(shù)據(jù)來源為Compustat。構建FCI所需的各變量數(shù)據(jù)和其他宏觀變量數(shù)據(jù)來源于環(huán)亞經濟（CEIC）數(shù)據(jù)庫以及國際清算銀行（BIS）和國際貨幣基金組織（IMF）官方數(shù)據(jù)。

（二）FCI的測算方法

對于FCI中權重系數(shù)的估計，主要有大規(guī)模聯(lián)立方程、縮減的總需求模型和VAR 脈沖響應三種方法（封北麟和王貴民，2006）。大規(guī)模聯(lián)立方程需要較大的數(shù)據(jù)規(guī)模，縮減的總需求模型需要一定的系數(shù)限制，而VAR脈沖響應約束較少，同時具有聯(lián)立方程的多變量間相互影響分析的特點，故本文選用VAR 模型進行FCI權重系數(shù)的測算。

根據(jù)Goodhart &Hofmann（2001）的方法，本文構造的金融狀況指數(shù)（FCI）在包括最基本的實際有效匯率缺口、實際利率缺口、實際房地產價格缺口和實際股票價格缺口的基礎上，還根據(jù)其他已有文獻引入實際貨幣供應量缺口、實際信貸規(guī)模缺口和實際貿易差額缺口，運用各新興市場國家2010 年第一季度至2019年第四季度的季度宏觀數(shù)據(jù)為樣本探究各變量對于通貨膨脹的影響，進而對各國分別建立VAR 模型，通過脈沖響應函數(shù)確定各國的FCI中各變量的權重。FCI的具體形式如公式（1）和公式（2）所示。

其中，wi是變量i在FCI中的權重，zi為變量i的單位喬勒斯基（Cholesky）沖擊在10 個季度內對通貨膨脹的平均脈沖響應。此外，hougap是實際房地產價格缺口，exgap是實際有效匯率缺口，rgap是實際利率缺口，stogap 是實際股票價格缺口，mgap 是實際貨幣供應量缺口，crgap 是實際信貸規(guī)模缺口，tragap 是實際貿易差額缺口。由于利率缺口為負時反映貨幣政策較為寬松，而FCI 為正時表明金融狀況處于上行狀態(tài)，故對（1）式中的實際利率缺口進行取相反數(shù)處理。為了計算FCI中各變量的權重，本文構建包括匯率缺口、利率缺口、房地產價格缺口、股票價格缺口、貨幣供應量缺口、信貸規(guī)模缺口、貿易差額缺口以及通貨膨脹的八變量VAR模型。各變量實際值的具體說明如表1所示。

表1 變量說明

缺口的計算方法主要是利用H-P 濾波法脫離出各變量時間序列中的長期趨勢，剩下的部分即為不含趨勢的周期性波動成分，進而各變量的缺口值通過公式（3）計算得出。

其中X=ex、r、hou、sto、m、cr、tra，等式右側的分子為實際值與均衡值（趨勢成分）的差值，其與均衡值的比值表示變量的相對缺口，衡量變量的相對波動程度。

（三）模型設定

模型的設計主要參考Almeida &Tressel（2020）的研究并根據(jù)樣本情況進行調整，核心解釋變量為金融狀況?？刂谱兞扛鶕?jù)已有研究選取企業(yè)微觀層面的財務指標，并引入經濟增長對企業(yè)債務結構的影響，同時控制個體固定效應?；貧w模型構建如公式（4）所示。

其中，被解釋變量Yisj,t表示在t 年j 國s 行業(yè)的企業(yè)i的債務結構，核心解釋變量為金融狀況（FCIj,t-1），β為本文主要關注的系數(shù)。其他控制變量包括經濟增長（real_GDPj,t-1）和一系列企業(yè)微觀層面的解釋變量Xisj,t-1。此外，λisj表示個體固定效應，α 表示常數(shù)項，εisj,t表示擾動項。為了防止解釋變量和被解釋變量之間可能存在的內生性問題，將各解釋變量均進行滯后一期處理。衡量企業(yè)債務結構的指標主要從杠桿率和債務期限結構進行選擇，包括資產負債率、長期負債比率、短期負債比率以及長期負債的總負債占比，分別測度企業(yè)的總杠桿率、長期杠桿率、短期杠桿率以及債務期限結構。金融狀況用金融狀況指數(shù)（FCI）測度，經濟增長用各國的實際GDP 增長率衡量。企業(yè)層面的控制變量主要根據(jù)已有文獻（Fama&French，2002；Sim et al.，2013；Adler et al.，2019；Demirguc-Kunt et al.，2020）進行選取，包括盈利能力（ROA）、企業(yè)規(guī)模（總資產的自然對數(shù)）、資產期限（固定資產比率）和現(xiàn)金流量（營業(yè)額占總資產的比率）。

四、實證結果

（一）FCI的實證構建

本文利用已有數(shù)據(jù)構建向量自回歸（VAR）模型，對變量間的聯(lián)動關系進行實證檢驗并計算出FCI 各組成部分的權重。

1.單位根檢驗。構建VAR 模型要求系統(tǒng)具有平穩(wěn)性，如果系統(tǒng)中的各變量是平穩(wěn)的，則可以保證系統(tǒng)的平穩(wěn)性。這里選用ADF 檢驗對各變量進行單位根檢驗，檢驗結果如表2所示。

表2 各變量平穩(wěn)性檢驗結果

新興市場各國的大部分變量都能夠顯著拒絕具有單位根的原假設，具有平穩(wěn)性。對于其他不平穩(wěn)的變量，對其進行一階差分后，經檢驗均為平穩(wěn)序列，將其納入VAR模型中。

2.滯后階數(shù)的選擇。運用LogL、LR、FPE、AIC、SC和HQ信息準則選擇最優(yōu)滯后階數(shù)，避免滯后期數(shù)過少或過多而影響參數(shù)估計的一致性和有效性。根據(jù)各信息準則判斷的顯著性情況，最終得到的各國VAR模型的最優(yōu)滯后階數(shù)設定如表3所示。

表3 各國最優(yōu)滯后階數(shù)的選擇

3.VAR 回歸與脈沖響應。進一步根據(jù)各國模型的最優(yōu)滯后階數(shù)構建包括實際有效匯率缺口（exgap）、實際利率缺口（rgap）、實際房地產價格缺口（hougap）、實際股票價格缺口（stogap）、實際貨幣供應量缺口（mgap）、實際信貸規(guī)模缺口（crgap）、實際貿易差額缺口（tragap）以及通貨膨脹（pi）的八變量無約束VAR 模型，選擇標準的喬勒斯基（Cholesky）分解來識別沖擊。根據(jù)封北麟和王貴民（2006）以及郭曄和楊嬌（2012）在FCI構建過程中對變量的排序，設定喬勒斯基分解順序為：通貨膨脹、實際貨幣供應量缺口、實際房地產價格缺口、實際有效匯率缺口、實際利率缺口、實際貿易差額缺口、實際信貸規(guī)模缺口和實際股票價格缺口。進而根據(jù)前文確定的滯后階數(shù)分別對各國構建VAR 模型，計算各缺口變量的單位喬勒斯基沖擊在10 個季度內對通貨膨脹的平均脈沖響應，再根據(jù)公式（2）計算得出各變量在各國FCI 中的權重，如表4所示。

表4 各國FCI組成變量權重

在大部分新興市場國家的FCI構成中，實際房地產價格指數(shù)缺口的權重較大，這說明房價上漲是各國通貨膨脹的重要誘因。各國權重最高的缺口各不相同，而新興市場各國實際利率缺口以及實際股票價格缺口的權重在各國均不是占比最高的權重，這說明利率以及股價對經濟的作用機制還未能在新興市場國家中有效地建立，利率非市場化也是限制其建立的可能原因，股價的市場化也有待進一步提升。

（二）描述性統(tǒng)計

根據(jù)上述權重和各變量缺口數(shù)據(jù)計算出各國各季度的FCI，進而將同一年度各季度的指數(shù)進行平均得到各年度的FCI。表5 為新興市場各國2010～2019年FCI的描述性統(tǒng)計結果。

表5 各國FCI描述性統(tǒng)計

新興市場各國的FCI 均值大多為負且絕對值較小，說明長期來看，金融危機之后各國的金融狀況稍顯下行。就標準差和極值來看，F(xiàn)CI 在印度尼西亞、墨西哥和波蘭的波動較大，這也說明這些經濟體的資產價格存在著更高的不確定性，金融狀況更加不穩(wěn)定。

（三）基準回歸結果

本文對2010～2019 年新興市場國家非金融企業(yè)的全樣本進行面板數(shù)據(jù)基準回歸，考察新興市場國家金融狀況對企業(yè)債務結構的影響。表6 報告了模型的基準回歸結果。

表6 基準回歸結果

表6中模型（1）～（4）的被解釋變量分別為企業(yè)的總杠桿率、長期杠桿率、短期杠桿率以及債務期限結構。表6 的結果顯示，金融狀況（FCI）的系數(shù)在模型（1）、（2）和（4）的回歸中顯著為負，這說明金融危機后各新興市場國家企業(yè)的總杠桿率、長期杠桿率和債務期限結構更容易受到金融狀況的影響，上行的金融狀況會導致企業(yè)總杠桿率以及長期杠桿率的降低，縮短債務期限，這驗證了假設1b 和假設2b。而金融狀況的系數(shù)在模型（3）的回歸中不顯著，這說明金融狀況對企業(yè)債務結構的影響更多體現(xiàn)在對長期杠桿率的影響上，對短期杠桿率的作用并不明顯。

控制變量的系數(shù)也提供了一定的信息。根據(jù)各模型系數(shù)的顯著性可以發(fā)現(xiàn)，經濟增長的提升會帶來企業(yè)總杠桿率、長期杠桿率的降低和債務期限的縮短。由模型（1）可知，盈利能力較差、企業(yè)規(guī)模較小、資產期限較高、現(xiàn)金流量較低的企業(yè)往往擁有更高的杠桿率，企業(yè)自身的特征對于其總杠桿率具有重要的解釋力。此外，模型（2）和模型（3）也表明這些企業(yè)特征對于杠桿率的影響因債務期限而異。由模型（4）可知，企業(yè)規(guī)模較大、資產期限較高、現(xiàn)金流量較低的企業(yè)的債務期限較高。

（四）異質性回歸結果

將樣本按國家分類進行分組面板回歸，分別考察各國金融狀況對企業(yè)債務結構的影響。主要回歸結果如表7所示。

表7 各國面板回歸結果

表7 報告了各國面板數(shù)據(jù)回歸結果中金融狀況指數(shù)（FCI）的系數(shù)以及顯著性，分別控制個體固定效應，模型（1）～（4）的被解釋變量仍分別為企業(yè)的總杠桿率、長期杠桿率、短期杠桿率以及債務期限結構。研究發(fā)現(xiàn)，當金融狀況上行時：中國的總杠桿率會顯著降低，這是由長期杠桿率和短期杠桿率的同時顯著降低所導致；巴西的長期杠桿率和債務期限出現(xiàn)顯著提升，進而總杠桿率顯著提升；印度的長期杠桿率和債務期限出現(xiàn)顯著下降，進而總杠桿率顯著下降；印度尼西亞的債務期限顯著提升；墨西哥的短期杠桿率顯著提升；波蘭的總杠桿率、長期杠桿率、短期杠桿率和債務期限均出現(xiàn)顯著下降；南非的總杠桿率和短期杠桿率出現(xiàn)顯著上升。其中，中國、印度和波蘭的情況驗證了假設1b 和2b，巴西的情況驗證了假設1a 和2a，南非的情況驗證了假設1a?？梢?，新興市場各國的企業(yè)債務結構對于金融狀況變動的響應也有所不同。

接下來將樣本按行業(yè)分類進行分組面板回歸，分別考察國家金融狀況對各行業(yè)企業(yè)債務結構的影響。主要回歸結果如表8所示。

表8 各行業(yè)面板回歸結果

表8 報告了各行業(yè)面板數(shù)據(jù)回歸結果中金融狀況指數(shù)（FCI）的系數(shù)以及顯著性，分別控制個體固定效應，模型（1）～（4）的被解釋變量仍分別為企業(yè)的總杠桿率、長期杠桿率、短期杠桿率以及債務期限結構。研究發(fā)現(xiàn)，當金融狀況上行時：能源行業(yè)的短期杠桿率會出現(xiàn)顯著降低；原材料行業(yè)的長期杠桿率和債務期限結構顯著下降，短期杠桿率顯著上升，企業(yè)由長期債務融資更多地趨向短期債務融資；工業(yè)的長期杠桿率和短期杠桿率均出現(xiàn)顯著下降，進而總杠桿率也顯著下降；非日常消費品行業(yè)的長期杠桿率和債務期限結構顯著下降；日常消費品行業(yè)的總杠桿率和長期杠桿率顯著下降；信息技術行業(yè)的長期杠桿率顯著下降。其中，原材料、非日常消費品和信息技術行業(yè)的情況驗證了假設2b，工業(yè)和日常消費品的情況驗證了假設1b 和2b。對于一些特定行業(yè)來說，上行的金融狀況對總杠桿率和長期債務融資具有一定的抑制作用。

（五）穩(wěn)健性檢驗

為了確保上述實證結果的可靠性和穩(wěn)健性，本文通過變換被解釋變量的方法進行穩(wěn)健性檢驗。將被解釋變量替換為總債務規(guī)模、長期債務規(guī)模和短期債務規(guī)模，并進行取對數(shù)處理，從債務規(guī)模的角度考察國家金融狀況對企業(yè)債務結構的影響。表9 報告了穩(wěn)健性回歸的結果。

表9 穩(wěn)健性回歸結果

表9中模型（1）～（3）的被解釋變量分別為企業(yè)的總債務規(guī)模、長期債務規(guī)模和短期債務規(guī)模。表9的結果顯示，金融狀況指數(shù)（FCI）的系數(shù)在模型（1）和（2）的回歸中顯著為負，這說明金融危機后各新興市場國家企業(yè)的總債務規(guī)模和長期債務規(guī)模更容易受到金融狀況的影響，上行的金融狀況會帶來企業(yè)總債務規(guī)模以及長期債務規(guī)模的降低。而系數(shù)在模型（3）的回歸中不顯著，說明金融狀況對企業(yè)債務結構的影響更多體現(xiàn)在對長期債務的影響上，對短期債務的作用并不明顯。這與前文基準回歸結果得出的結論相一致。

五、結論

本文通過對新興市場國家金融狀況指數(shù)（FCI）進行測算，發(fā)現(xiàn)房地產價格在各國指數(shù)中占有較高的權重，是影響各國通貨膨脹的重要因素。新興市場各國的金融狀況在金融危機后大多仍稍顯下行，且部分國家的資產價格水平存在著較大的波動，金融狀況仍不穩(wěn)定。實證分析表明，新興市場經濟體在金融危機后至今的時期里，國家金融狀況對于企業(yè)債務結構具有重要的解釋作用。其中，全樣本面板數(shù)據(jù)的基準回歸結果表明，金融狀況對各國企業(yè)總杠桿率、長期杠桿率和債務期限結構具有顯著的抑制作用，上行的金融狀況會使新興市場國家企業(yè)減少對于長期債務融資的依賴，穩(wěn)健性檢驗也驗證了該結論；按國家分組的異質性回歸結果表明，金融狀況對于企業(yè)債務結構存在不同的影響方向，作用情況因國家而異；按行業(yè)分組的異質性回歸結果表明，對于原材料、工業(yè)、非日常消費品、日常消費品和信息技術行業(yè)，上行的金融狀況對其企業(yè)的長期債務融資具有顯著的抑制作用，對部分行業(yè)企業(yè)的總杠桿率也具有一定的負向影響。

根據(jù)本文的研究結論，提出如下政策建議：第一，新興市場國家應該注意房地產價格對通貨膨脹的重要影響，并積極推動利率和股價的進一步市場化，建立其對國家金融狀況的有效作用機制；第二，大部分新興市場國家在金融危機后可以采取較為寬松的貨幣政策來應對當前稍顯下行的金融狀況，同時一些國家如印度尼西亞、墨西哥和波蘭也應該通過穩(wěn)定其資產價格水平的大幅波動來穩(wěn)定國家金融狀況；第三，新興市場國家應當重視資產價格在貨幣政策中的信息作用，通過對于貨幣政策的宏觀調控來穩(wěn)定金融狀況，進而在宏觀層面控制企業(yè)債務結構水平；第四，新興市場國家對于金融狀況的調控應當著重注意其對于企業(yè)總杠桿率、長期杠桿率和債務期限結構的影響，防止金融狀況下行帶來長期債務融資的過度波動以及隨之而來的總債務水平波動；第五，需要注意金融狀況對企業(yè)債務結構影響的國別間差異，新興市場國家要根據(jù)所在國家特定的影響方向對金融狀況做出對應方向的宏觀調控；第六，新興市場國家對于金融狀況的調控還應該關注其對一些特定行業(yè)企業(yè)總杠桿率以及長期債務融資的影響，有效穩(wěn)定企業(yè)債務結構，進而促進行業(yè)的穩(wěn)健發(fā)展。