去杠杆政策、金融资产配置与企业脱实向虚

去杠杆政策、金融资产配置与企业脱实向虚
郑忠华 汤雅雯*
摘 要：本文使用2012-2018年A股上市公司面板数据，利用双重差分模型来检验去杠杆政策是否改变了企业金融资产配置水平。

研究发现：去杠杆政策显著提高了企业金融资产持有份额，并且这种提高在民营企业的金融资产配置上尤为显著，显示更多的金融资产是配置在交易性金融资产上，说明企业有很强的动机保持自身的流动性。

进一步通过调节效应检验发现，投资效率越高，企业持有金融资产就越少。

我们的研究指出：去杠杆政策的效果虽然在一定程度上降低了杠杆率，但却让企业增加了金融资产的持有，刺激企业进一步脱实向虚；单纯的去杠杆防风险，
“”
或许并没有从长远上解决企业从实体经济抽离的问题。

关键词：去杠杆政策；金融资产配置；双重差分模型
中图分类号：F272.3
一、问题提出
金融资产的重要性对于企业来说不言而喻，已有的研究（杜勇等，2018）认为，企业持有金融资产目的有两种：通过持有金融资产以应对未来的不确定性（“蓄水池”动机），或者是通过金融资产持有来获取收益（“替代”动机）。

企业通过配置金融资产能够缓解融资约束，提高企业经营利润率，进而影响企业的投资效率（Baud&Duran，2012），特别是当宏观环境发生变化时，企业出于预防储备动机倾向于持有更多金融资产（胡奕明等，2017）。

但似乎越来越多的企业配置过度金融资产，并呈现严重金融化趋势，进而经济出现脱实向虚的问题（戚聿东、张任之，2018；彭俞超，2018），这诱发了学界的对金融资产配置的深入研究。

进一步，一些研究表明：由于金融资产投资与实体投资的收益存在利差，资金不断流入虚拟经济，导致资产价格泡沫、影子银行体系膨胀，实体经济有效投资不足，并诱发系统性金融风险（Epstein G A，2006；张成思等，2016）。

在微观层面上，非金融类企业增加金融资产投资而减少生产性投资，并且以金融渠道获利作为企业重要利润来源。

但过度金融化会破坏企业创新能力（格里德尔Gleadle P，2014；王红建等，2017）、冲击企业经营收益率（宋军等，2015）、挤出企业主业发展（杜勇等，2017）、抑制企业全要素生产率（刘笃池等，2016；孙辉等，2019）等。

2015年12月中央经济工作会议提出，为防范金融风险，将“去杠杆”列为结构性改革的重点任务之一，旨在帮助企业提高生产效率、改善债务结构，逐步将杠杆降低到合理水平，促进经济持续健康发展。

这一政策的核心在于降低杠杆率，但企业在去杠杆的同时，企业的资本结构、现金持有会发生变化，那么在降低杠杆率的同时，这对企业的行为会发生怎样的影响呢？已有一些对于企业金融资产配置研究（如黄贤环等，2018；刘贯春等，2018），主要从金融资产配置特征与企业财务风险之间的关系、金融资产配置对企业杠杆率的影响以及宏观经济环境的调节作用等角度出发，但对去杠杆背景下企业如何配置金融资产的研究却相对较少。

我们更关心去杠杆是否会改变其金融资产配置进而对企业产生新的影响。

这促使我们对以下方面提出问题：第一，去杠杆是否会影响企业金融资产配置，企业的现金流入去向是哪里？第二，是什么原因导致企业的金融资产配置发生变化？
* 郑忠华，天津工业大学经济与管理学院；汤雅雯，天津工业大学经济与管理学院硕士生。

通信作者：汤雅雯，E-mail：。

本文为天津市哲学社会科学重点项目“智能制造驱动企业成本管控创新的机理与路径研究”（批准号：TJGL19-020）、天津哲学社会科学项目“僵尸企业”的高杠杆是否会引发金融风暴？”（批准号：TJYY17-010）的阶段性成果。

这一问题之所以重要是因为，如果企业通过去杠杆降低了企业的债务，企业是继续降低企业的杠杆还是转向其他方面？而如果企业把资金投入到金融资产上，那么在资产负债表中资产端就会增加，表面上看杠杆率下降了，金融风险得到控制，但实际上有可能外部的信贷压力使得资源仅是在金融资产上集聚，或者可能企业没有改变经营方式，进而缺少有效投资，企业或许只好将资源转到金融资产上而不是进行有效投资。

这样的结果是，从杠杆率角度来说，企业破产的风险减小，但有可能脱实向虚的问题却严重了。

进一步，当金融风险被触发时，由于企业整体的经济活力没有得到提升，金融冲击就有可能被实体经济空心化放大，金融冲击或许会被放大为更大的经济危机，去杠杆的真实意义就会大打折扣。

基于以上分析，我们利用去杠杆政策这一冲击，使用DID方法，对我国的上市公司在去杠杆政策前后的金融资产进行分析。

研究发现政策冲击下，企业增加了对金融资产的持有份额；稳健性也支持了我们的结论。

在进一步异质性检验中发现，与国有上市公司相比，民营上市公司增持的金融资产更多，而且持有更多的交易性金融资产而非投资性金融资产。

区别于已有研究，我们的边际贡献在于：第一，为企业金融资产配置的变动提供了新的视角。

本文基于去杠杆的政策冲击研究企业金融资产配置的变动，同时考察由所有制、行业不同带来的企业金融资产变化的差异。

而目前的研究，多从去杠杆与经济增长的关系（王学凯和姜卫民，2020）、与企业的生产率（马草原和朱玉飞，2020）、去杠杆的政策效应（周茜等，2020；许晓芳等，2020）等角度进行研究，而鲜有考虑去杠杆政策冲击对企业金融资产配置变动的影响；第二，为科学合理评价“去杠杆政策”提供了实证基础。

已有研究对去杠杆政策的效果大多局限在对去掉多少杠杆的考量上，而忽略了“去杠杆”“换流动性”并存的事实，而且在这方面的实证分析相对较少。

第三，提供了化解这种冲突的一种视角。

我们的研究发现，投资效率越高的企业其金融资产持有就越低，企业投资效率是影响其金融资产的变动的重要因素，因此，企业或者监管部门可以从提高投资效率方面制定相应措施，进而让去杠杆政策发挥应有的作用。

本文其他部分安排如下：第二部分为理论分析与研究假说，第三部分实证模型与变量定义，第四部分为结果与分析，第五部分为进一步的机制分析，第六部分为结论与启示。

二、理论分析与研究假说
去杠杆首次提出是在2015 年中央经济工作会议上，此后“2016年—2018年”的历年中央经济工作会议上，都将去杠杆列为经济领域的重要工作并持续推进。

与此同时，信贷政策逐步趋紧，2015年12月金融机构人民币贷款余额同比增长率为14.3%，到2016年12月这一指标数值下降到13.5%。

伴随着信贷余额的收紧，贷款难度也逐步提升，在去杠杆政策背景下，企业杠杆率下降，到2018年第4季度末，我国非金融企业部门杠杆率已连续7个季度环比下降。

虽然这一政策的主要目的在于降低企业金融风险，但是，我们很难想象去杠杆政策能迅速改变企业原有的经营模式，企业不可能在短期就迅速找到新的利润增长点，在找不到新的利润增长点的情况下，那么把资产配置在容易变现的金融资产上，或许就成为企业的最优选择。

这样一方面保证自己在资金困难的时候，可以迅速变现金融资产获得资金；另一方面，当企业把资金配置在金融资产上，由于增加了资产负债表中资产项目，降低了杠杆率。

我们认为，去杠杆政策下，企业配置金融资产的行为，一方面源于去杠杆压力，信贷市场上资金获取困难，企业会更加珍视自身的资金，另一方面源于自身经营方式没有根本的改变，缺少新的投资机会，那么将资产配置在金融资产上或许就是其当下最好的选择。

（一）去杠杆政策导致企业配置了更多的金融资产
图1是我们整理的2012—2018年上市公司的金融资产配置①变化，从图中可以看出，金融资产持有量在2015年后呈现大幅上升趋势，而且比较2015年前后，我们明显发现，企业金融资产配置的速度在2015年后显著增加。

图2是我们整理的不同杠杆率②下，企业金融资产变动。

从图中明显看出，高杠杆企业的金融资产在2015年后显著增加，而低杠杆企业则变化并不明显。

一般来说，当市场的不确定性增加时，经理人更倾向于通过增持大量流动性资产和营运资本管理来应对外部环境对主营业务的不利冲击，进而降低企业经营风险（Bloom et al.，2010；李浩举等，2016）。

这是因为，金融资产具有较好的流动性和盈利性，如果去杠杆是企业通过经营收益所得来清偿借贷，那么就会抑制企业资产端的投资扩张，之前企业累积的负债水平越高，为防止财务困境出现，企业就会持有更多流动性较好的货币现金和交易性金融资产等短期金融资产，当出现财务紧张时，企业就可以通过出售此类金融资产来及时补充流动性。

另一方面，企业管理者趋于投资金融资产而非固定资产，是由于金融渠道获利在企业盈利中占比逐渐增大（Demir ，2009），在我国由于金融和房地产业收益率水平远远高于实体经济行业，大量非金融企业在利益驱使下将资金投向金融资产。

我们猜测，在去杠杆过程中，一方面是信贷压缩，企业试图保持流动性而增加金融资产，另一方面在政策本身的推动下，企业试图降低杠杆率，两种力量合力推动企业把资金配置在金融资产上以保持流动性。

由以上分析我们推测：企业在去杠杆后，由于保持流动性和信贷收紧的双重压力，会持有更多金融资产。

由此我们提出以下假设：
H 1：去杠杆政策的实施会使企业增加金融资产持有份额。

图1 上市公司金融资产量变化 图2 不同杠杆率企业金融资产量变化
（二）去杠杆中，民营企业比国有企业持有更多金融资产
在去杠杆过程中，由于信贷的收紧，企业更难获得信贷支持，而我国企业普遍存在债务与资产的期限结构错配问题，即“短债长用”的现象，而企业债务以短期债务为主，如果出现资金不足，而企业又由于去杠杆的压力而无法及时获得信贷，那么企业就会从“外源性”融资转向“内源性”融资，由于其所有制的差异，民营企业受到的融资限制要远大于国企，那么就会在去杠杆过程中比国有企业持有更多的金融资产。

图3是我们按不同所有制整理的2012—2018年国企与民营的金融资产持有量变化，从图中可以看出，两者金融资产持有量均呈现上升趋势，更为明显的是，在2015年之后，民营企业的持有量变化速度明显高过国有企业。

进一步，我们比较了民营企业不同杠杆率下金融资产持有量的变化（见图4），从中可以看到，高杠杆民企的金融资产配置在2015年后，显著高于低杠杆民
① 这里金融资产是企业的货币资金、交易性金融资产、
应
收利息及股利净额、衍生金融资产、可出售金融资产净额、持有到期投资净额和投资房地产净额之和。

② 这里高杠杆是资产负债比在0.75以上，反之为低杠杆。

金融资产持有量（单位：千万元）
企。

在我国，产权性质的不同使得融资难易不同尤为明显（邓可斌和曾海舰，2014）。

根据优序融资理论，由于存在交易成本，企业融资时优先考虑内部融资，其次是外部融资。

非国有企业可以根据自身经营情况选择所持有的金融资产规模，以便出现现金流短缺时可以快速变现以应对资金需求。

已有研究（李广子和刘力，2009；程六兵和刘峰，2013）发现，我国产权性质不同的企业所受到的融资约束差异巨大。

对于民营企业，外部融资渠道受限，难以较低成本获得充足资金。

而对于国有企业而言，凭借国家信用担保的天然优势可以获得更多的信贷配给。

我们猜想：由于融资成本的不同导致去杠杆对企业的影响也会不同，民营企业往往比国有企业存在更强的融资约束，当杠杆率处于较高水平时，由于资金成本压力，这类企业或许更有冲动去降低杠杆。

而在其重新配置资产过程中，为减轻其日后的融资压力，民营企业尤其是高杠杆的民企或许更倾向于持有更多的金融资产，因为相较于通过外部资本市场融资而言，内部融资成本更低，资金使用范围更加灵活，而金融资产的变现能力好，在资金困难的时候，通过出售可以很快弥补资金不足。

因此，我们提出假设二：
H 2：与国有企业相比，去杠杆政策会使民营企业显著提高其金融资产持有份额。

图3 不同所有制上市公司金融资产量变化 图4 不同杠杆率下民企金融资产量变化
三、实证模型与变量定义
（一）样本选取与数据来源
我们选取2012年至2018年沪深两市A 股上市公司的数据作为研究样本，并对数据进行如下处理：（1）为使得数据前后对照，删除2015年及以后年份上市的企业。

（2）剔除所有ST 、*ST 以及金融行业的企业样本。

（3）删除在2012年至2018年间发生行业变更的企业样本。

（4）为消除极端值对实证分析的干扰，对企业层面的连续变量进行1%的缩尾处理。

经过上述处理后，本文最终得到非金融企业上市公司2012—2018年的面板数据，共计有效样本数为14 857个。

本文的企业数据来源为国泰安数据库，宏观层面的数据来源为国家统计局。

（二）实证模型与变量定义
本文以2015年末去杠杆政策前后A 股上市企业的金融资产配置变动构建双重差分（Difference in Difference ，DID ）模型，比较去杠杆政策前后处理组与对照组行业的企业金融化资产比重是否存在差异变动。

模型构建如下：
,1,,2,3,,,i t i t i t i t i t i
t
i i t
Fa treated time treated time X year insustry αβββλθγμε=+⨯+++++++∑∑∑（1）
其中，该模型各变量的具体定义如下：
金融资产配置（单位：千万元）
（1）被解释变量：Fa表示企业金融资产总份额，用金融资产/总资产衡量。

参考杰米尔（Demir，2009）和企业会计准则，本文将货币现金、交易性金融资产、持有到期投资、衍生金融资产、可供出售金融资产、长期股权投资、投资性房地产、应收股利、应收利息这九个科目划分为金融资产。

其中，剔除房地产行业公司持有的投资性房地产数据。

（2）解释变量：①treated用以识别某上市公司的资产负债率是否受到去杠杆政策的影响。

在2015年末国家正式提出去杠杆政策时同时采取“五控三增”来进一步落实去杠杆政策。

其中五控中的一控就是为保证企业稳健发展确定合理的资产负债率标准，此标准分为三类，科研设计企业为65%，工业企业为70%，非工业企业75%。

本文选取三者中较高即75%的资产负债率为基准对处理组和对照组进行分类，即本文中若某一企业的杠杆率大于75%则treated赋值为1，视为处理组，若某一企业的杠杆率小于或等于75%则treated赋值为0，视为对照组。

②time用来识别去杠杆政策实施的时间，由于去杠杆政策的提出是在2015年底，因此将2015年作为政策年，2015年以后各年份time赋值为1，将2015年以前各年份time赋值为0。

③treated*time为分组变量与时间变量的交互项，其系数β1若为正，表明去杠杆政策提高了企业金融资产配置程度，反之，则降低了企业金融化程度。

（3）控制变量：模型中X是一系列控制变量，控制变量包括资产规模Size、盈利能力Roa、融资约束Cfo、有形资产比例Tan、流动比率Real和股权集中度Topone、营业利润率Opm。

表1 主要变量定义
变量名称变量定义变量说明
Fa 金融资产份额用金融资产总额/总资产衡量
time 时间变量虚拟变量，2015年之后赋值为1；否则赋值为0
treated 分组变量虚拟变量，企业资产负债率≥75%赋值为1；否则赋值为0
treated* time 分组变量*时间变量交互项，用来度量处理组的政策效应
Lev 资产负债率负债总额/资产总额
Size 资户规模总资产的自然对数值
Roa 盈利能力净利润/平均总资产
Cfo 融资约束经营性现金流/总资产
Tan 有形资产比例固定资产净额/总资产
Topone 股权集中度第一大股东持股比例
Real 流动比率流动资产/流动负债，衡量企业偿债能力
Opm 营业利润率营业利润/营业收入，衡量企业经营效率
（三）变量的描述性统计
根据表2的描述性统计，样本中金融资产份额的均值为0.248，最小值为0.000 5，最大值为0.9964，标准差为0.1588，说明不同企业持有的金融资产份额差异非常大。

资产负债率较高的处理组所持有的金融资产份额均值低于对照组，两者差额为6.8%。

同时处理组的Roa均值为-0.006，营业利润率的均值为-0.075，这两者均为负值，而对照组这两项指标均值分别为0.039和0.093。

流动比率上，对照组也比处理组高出1.606。

这表明相对处理组，对照组的盈利能力、经营效率及资产流动性均较强，去杠杆政策目标群里企业的收益情况显著较差。

表2 主要变量的描述性统计
全样本处理组对照组变量名称均值标准差均值标准差均值标准差
Lev 0.435 0.263 0.865 0.544 0.400 0.185
Fa 0.248 0.159 0.185 0.129 0.253 0.160
Size 0.223 0.013 0.235 0.018 0.222 0.013
Roa 0.036 0.146 -0.006 0.475 0.039 0.066
Cfo 0.133 0.097 0.065 0.066 0.139 0.097
续表
全样本 处理组 对照组 变量名称 均值 标准差 均值 标准差 均值 标准差 Tan 0.224 0.168 0.196 0.218 0.226 0.163 Topone 0.347 0.151 0.378 0.154 0.345 0.151 Real 2.546 3.832 1.060 0.932 2.666 3.950 Opm 0.081
1.308
-0.075
1.036
0.093
1.327
四、结果与分析
（一）平行趋势检验
在使用双重差分模型之前，需要对处理组和对照组进行平行趋势检验，若在去杠杆政策实施之前两者之间就存在明显差异变动，则不能说明利用上述模型估计得到的政策效果是由政策的实施引致的差异，反之，若两者之间不存在明显差异变动，则继续使用DID 模型进行实证研究。

具体平行趋势检验的模型如下：
,01,2,3,4,5,6,,,21123i t i t i t i t i t i t i t
i t i i t
Fa Before Before Current After After After X year Industry λλλλλλλλθγμε=+++++++++++∑∑∑（2）
其中，Fa 为衡量企业金融化程度的指标，Before2和Before1分别代表政策发生前两年的虚拟变量；Current 表示政策实施当年，在本文中即2015年；After1、After2、After3分别代表政策发生后三年的虚拟变量，与Before 变量相同，该虚拟变量在当年取值为1，否则取值为0。

另外，X 为控制变量，Industry 用以控制行业固定效应，year 用以控制年份固定效应，ε为随机扰动项。

表3 平行趋势检验结果
时期 Before2 Before1 Current After1 After2 After3 系数 （t 值）
0.005
（0.30）
0.021 （1.36）
0.027* （1.76）
0.035** （2.30）
0.033** （2.21）
0.030** （2.07）
注：***、**、*分别表示在1%、5%、10%水平下显著，括号内是t 值。

表3平行趋势结果显示，Before2、Before1均不显著，而Current 在10%的统计水平下显著，After1、After2、After3均在5%的水平下显著。

这表明，去杠杆政策实施前，对照组和处理组所持有金融资产份额具有共同趋势，而去杠杆政策实施后，两组对于金融资产配置出现明显差异。

该检验结果证实本文的双重差分模型具有合理性。

（二）企业杠杆率与金融资产配置
表4报告了去杠杆政策对企业配置金融资产份额影响的回归结果。

表4中三列为依次增加控制变量个数的回归结果，均控制了行业效应和年份效应。

表格第一列为OLS 估计，交互项的系数为0.043，在1%的统计水平下显著。

第二列在第一列的基础上加入公司规模、盈利能力、经营性现金流、有形资产比例和第一大股东持股比例五个控制变量，交互项系数依然为正，且在1%的统计水平下显著。

第三列加入全部控制变量后，交互项的系数为0.035，表明去杠杆政策会使企业金融资产份额显著增加。

表4 全样本嵌套回归结果
变量名称（1）
Fa
（2）
Fa
（3）
Fa
treated*time 0.043***
（8.28）
0.043***
（8.10）
0.035***
（7.14）
Control No Yes Yes 企业固定效应Yes Yes Yes
年份固定效应Yes Yes Yes
行业固定效应Yes Yes Yes N 14 857 14 856 14 799
R2 0.725 0.730 0.772
注：***、**、*分别表示在1%、5%、10%水平下显著，括号内是标准差。

表5给出加入协变量后自抽样300次的估计结果，处理组和控制组的差分依然具有显著性。

表5 双重差分检验结果
控制组 处理组 Diff Diff-in-Diff
政策前 政策后 政策前 政策后 政策前 政策后
金融资产份额Fa （t值）0.266 0.244 0.170 0.198
-0.096***
（-16.25）
-0.046***
（8.61）
0.05***
（5.96）
注：***、**、*分别表示在1%、5%、10%水平下显著，括号内是标准差。

以上结果验证了我们的假设一，在控制相关因素下，去杠杆政策之后，处理组的企业在其金融资产份额上显著增加，说明在去杠杆过程中，的确增加了自身的金融资产。

为了结果的稳健，我们做了如下的检验：
1．安慰剂检验
参考Liu &Lu（2015）、周茂等（2016）的做法，我们让去杠杆政策对特定企业的冲击变得随机（由计算机指定处理组），再使这个随机过程重复1 000次，如果这样的随机处理能够使得交互项系数为0，那么说明我们随机产生的假的处理组没有作用，而真实处理组的交互系数与其有较大差异。

图5所示交互项系数的随机拟合值都集中分布在零的附近，而真实的回归结果与之没有重叠部分，因此证明虚拟的处理组没有产生政策效果。

图5 随机处理后的交互项系数的分布
2．稳健性检验
我们采用更换被解释变量的方法进行稳健性检验。

参照宋军和陆旸（2015）金融资产划分方法，将交易类金融资产、委托贷款等新兴金融资产、投资性房地产余额、所持金融机构股权）重新合成金融资产总额，再除以总资产，定义为新的金融资产进行回归。

参考Demir（2009）、张思成和张步昙（2016）将金融资产分成广义和狭义两种口径，广义金融资产即前文提到的九项金融资产，而狭义金融资产不包含长期股权投资，同时我们将金融资产按照其性质划分为交易性金融资产和投资性金融资产，其中交易性资产为货币资金+交易性金融资产+衍生金融资产+可出售金融资产，投资性金融资产为投资净额+长期投资净额+房地产投资净额，分别除以总资产作为衡量金融资产的代理变量，用这四个变量作为新的被解释变量进行回归。

表6报告了以上四种稳健性检验方式的回归结果。

从表中可以看出，除投机性金融资产不显著外，其余各回归交互项的系数依然为正，且均在1%的统计水平下显著，这说明去杠杆政策让企业显著增加了流动性更好的金融资产，从而说明本文假设一：政策冲击导致金融资产持有增加的结论具有稳健性。

表6 稳健性检验
变量名称
（1）
金融资产/总资产（宋军
和陆旸，2015）
（2）
狭义金融资产/总资产（张
思成和张步昙，2016）
（3）
交易性金融资产/总资产
（4）
投资性金融资产/总资产
treated*time 0.019***
（3.97）
0.034***
（7.21）
0.032***
（0.003）
-0.004
（0.004）
Control Yes Yes Yes Yes 企业固定效应Yes Yes Yes Yes
年份固定效应Yes Yes Yes Yes
行业固定效应Yes Yes Yes Yes N 14 799 14 799 8 416 8 404 Adust-R20.789 0.730 0.738 0.864
注：***、**、*分别表示在1%、5%、10%水平下显著，括号内是标准差。

同时，我们把样本按照不同分位点，重新做DID的差分检验①，回归结果如表7所示。

从表中结果可以看出，更换0.25、0.5及0.75分位点后差分结果均具有显著性，说明不同分位点的样本同样增加稳健持有金融资产份额，这也印证本文假设一结论的稳健性。

表7 不同分位点的双重差分检验结果
金融资产份额Fa控制组处理组Diff Diff-in-Diff 分位点政策前政策后政策前政策后政策前政策后
0.25 -0.116 -0.063 -0.151 -0.080 -0.036*** -0.016*** 0.019***
0.5 -0.051 0.007 -0.097 -0.019 -0.047*** -0.026*** 0.021**
0.75 0.008 0.072 -0.057 0.033 -0.066*** -0.038*** 0.028**
注：***、**、*分别表示在1%、5%、10%水平下显著，括号内是标准差。

3．动态效果检验
一项政策的实施随着不断推进其影响往往会逐步加深，为进一步明确该政策是如何随着年份增加影响金融资产份额变化的过程，我们用年份和是否进行处理变量交互作为衡量动态效果的变量进行回归，结果如表8所示。

依次加入控制变量后，第三列结果显示去杠杆政策后第一、二、
①我们也用稳健性中另外四种金融资产口径做了分位的差分检验，结果类似。