现金持有量对信用风险的影响——基于国内外研究现状分析

王小春 李 艳

引言

在当前我国资本市场不完善、融资约束严重、经济下行、股市震荡、企业高杠杆经营等情况下，公司一旦因流动性不足、资金枯竭、风险管理不完善等发生信用违约很可能面临重组整顿或破产清算。现金作为企业的活的“血液”，对企业的生存和发展有着非常重要的作用。那么现金持有量对企业信用风险的影响又是怎样的呢？现有文献关于信用风险影响因素的研究已经非常成熟，不论是在定性理论分析方面，还是在定量统计模型实证研究方面。而关于现金持有量的研究，主要从预防性、交易性和代理成本等动机出发，理论上，公司持有现金等流动性资产，可以降低公司的违约和破产风险，而信用风险也会影响公司现金的持有策略，现金用于投资还是用于分红，又将进一步影响信用风险。根据国内外已有的实证研究结果发现，现金持有量对信用风险的影响不是沿着单一方向变化的，而是存在双方向甚至多方向的影响。

本文基于国内外已有的信用风险影响因素研究、现金持有量影响因素研究和信用风险与现金持有量的关系研究，分析在中国制度背景下，构建广东省上市公司信用风险的影响因素研究模型，为之后的实证分析提供分析工具。

一、国外现金持有量对信用风险影响研究现状分析

国外学者对现金持有量影响信用风险的研究，经历了从无关变量→外生变量→内生变量的过程，从定性理论分析→定量统计模型分析的过程。对信用风险的研究主体由金融企业逐渐转向非金融企业，同时从资本结构、债务期限结构等微观企业内部影响因素逐步延伸到经济条件、利率等宏观企业外部影响因素。而随着现代信用风险环境和管理技术的变化，信用风险不再只是违约和破产这么简单了，履约可能性变化和信用状况变化都将成为信用风险的涵盖范畴，如信贷利差风险。

1.研究信用风险的影响因素，而现金持有量或作为外生变量，或作为无关变量。这一派系学者首先从信用风险的定性分析开始，以Altman（1968）的Z值评分模型为代表，将现金流量、产业变量、宏观经济变量等作为控制变量（外生变量）来研究违约或破产概率（Shumway，2001；Hillegeist 等 ，2004；Faulkender 和 Wang，2006；Davydenko，2010；Nikolov and Whited，2014）。其次，人工神经元网络、遗传算法、支持向量机等人工智能非统计计量模型也随着计算机技术的发展被引入破产预测和信用风险研究（Ahn 和 Kim，2009；Kong和 Zhu，2010；Jayanthi，2011）。而随着Credit Metrics模型的推出和运用，信用风险的度量逐渐转向定量模型化分析，其中，Logit模型、Probit模型和生存分析模型等统计分析方法被广泛应用于企业破产的预测，且主流实证分析结果是：公司流动资金与信用利差和长期违约概率之间存在正相关关系（Ohlson，1980；Zmijewski，1984；Lu 等，2013）。

而另一类学者基于期权定价理论、资本资产定价理论、资产组合理论等经济理论基础，借助KMV公司、瑞士信贷金融产品公司、麦肯锡公司开发的KMV模型、Credit Risk+模型、Credit Portfolio View模型等高级统计计量模型用于测算商业银行的信用风险，但这类研究并没有将现金持有量加入信用风险影响因素的模型研究中（Black和 Cox，1976；Leland，1994；Leland 和 Toft，1996；Collin-Duf resne 和 Goldstein，2001）。

2.研究企业现金持有的策略，而信用风险往往作为该策略中的间接影响因素。Mayer的优序融资理论认为由于企业管理者和外部投资者对企业的信息不对称问题，使得企业发行新股时，投资者往往低估企业的股票价值，增加了企业的信用风险，进而导致企业更倾向于持有现金进行内源融资。而Ross的信号传递理论认为，投资者将企业发行新股的信号表达为企业股价被高估，但是在企业经营业绩不好的情况下，企业却仍然坚持发行新股，说明企业的管理者对企业的未来很看好，进而降低了企业的信用风险。

Kim等（1998）通过美国900多家制造企业的实证研究发现，外部融资成本、资产回报率等影响企业信用风险的因素也影响企业的现金持有量。Opler等（1997）建立现金持有量影响因素模型，并以1971-1994年美国上市公司为研究对象，实证分析结果是大公司和信用评级高的企业趋向于持有更少的现金，而将更多的现金用于购买有价证券。Ozkan（2004）通过对英国1000多家上市公司的实证研究发现公司现金持有量与公司规模、投资机会有关，公司规模越大，投资机会越多，企业的信用风险越低，融资越容易，现金持有的必要性降低。

3.研究现金持有与信贷风险的关系。Acharya等（2012）认为现金持有的内生性对于理解现金在信用风险中的作用至关重要。现金持有量的这种内生性调整会导致信贷利差与现金持有量之间存在虚假的正相关关系。这意味着信用风险研究中常见的标准OLS和Logit回归产生了误导性的结果。为了说明这一虚假结果，他们建立了一个在存在信用风险情况下现金持有的简单时间表模型，并以1996-2003年间美林投资指数和美国高收益债券指数为研究对象，实证研究发现OLS分析（现金持有以内生变量存在于模型中）结果显示持有的现金越多，信用利差就越大；而IV回归（现金持有量以外生变量存在于模型中）结果却显示持有的现金越多，信用利差越小。

二、国内现金持有量对信用风险影响研究现状分析

国内有关于现金持有量的研究也从两个方面进行，第一是理论层面，借鉴国外的权衡理论、融资优序理论和代理理论等，论证它们在中国情境下的理论适用性；第二是实证层面，从动态和静态两个方面研究现金持有量的影响因素，如公司的股权结构、宏观经济环境、企业生命周期、CEO背景特征等，借鉴Kim、Olper和Ozkan的现金持有量影响因素模型进行中国本土企业的实证检验（廖理和肖作平，2009；肖明等，2013；王红建，李青原和邢斐，2014；蔡卫星，曾诚和胡志颖，2015；曾三云，刘文军和龙君，2015）。但是，信用风险并不是这些模型中的自变量或控制变量，也就是说以信用风险作为现金持有量的影响因素来进行研究的文献较少。

但是，以现金持有量作为信用风险的影响因素的研究更多一些，这些学者借助国外已经成熟的信用风险度量模型如Logit模型、KMV模型、OPSW回归模型和价值模型等进行中国制度背景下的实证检验，研究对象主要为发债企业、上市公司、上市中小企业、小额贷款公司等非金融企业，现金持有量由外生变量转向内生变量。但是，由于研究对象的具体化，现金持有量对信用风险的影响也不唯一，甚至出现“U”型关系结果。以下就是国内学者有关于现金持有量影响信用风险的国外模型中国情境运用的实例。

王小华和邵斌（2005）首次将Leland-Toft模型应用于中国信用风险的定量研究，提出我国当前企业债市场发展的一些建议，但他未能将现金持有量作为内生变量进行研究，而是作为Logit模型中变量V（公司资产价值）的一个变量，即所谓的外生变量。

李娟，王海芳（2012）首先提出现金持有的内生性定义，将企业债券的信用风险分为信用利差和违约风险，并在信用风险模型中分析到：企业现金持有量的外生性与信用利差以及违约概率之间存在负相关关系，而内生性与信用利差和违约概率之间存在正相关关系。这一理论模型的实证分析体现在：李娟（2013）借助Acharya等的时间表模型采用195个上市公司307只债券作为样本，发现流动性资产持有与债券利差在IV回归中呈负相关关系，在OLS回归分析中呈正相关关系；流动性资产与违约率在短期内呈负相关关系，长期内呈正相关关系，即现金持有量作为信用风险影响因素中的内生性变量是成立的。

王萌萌（2013）基于修改的OPSW回归模型和价值模型，通过2007-2011沪深两市上市公司数据的实证研究发现，信用评级下调后现金持有量增加，超额现金持有量也会增加，同时，如果企业从投资类别降级到投机类别后，现金囤积的可能性会更大。

郑建明，王万军和白霄（2017）以2007～2014年我国A股上市公司为研究对象，借助KMV模型建立信用风险影响因素模型，实证结果显示经营良好的公司现金持有对信用风险起抑制作用，经营困境公司呈现出“U”型关系；经营良好的公司短期内现金持有抑制信用风险，长期会提高未来的信用风险。

过新伟（2012）通过改进后的Logit模型研究了上市中小企业的信用违约事件，并将财务指标中的现金流量净额增长率作为违约风险的度量因素之一，结果发现在财务指标的基础上加入公司治理指标能提高违约风险度量的准确性，即信用风险的影响因素除了现金流等财务指标，还包括公司治理指标。同样，运用多元有序的Logit模型采用类似指标对非上市中小企业的信用风险研究得到的结果差不多。

申韬（2011）将现金持有量作为贷款特征维度的指标之一，而贷款特征维度作为信用风险评估的指标之一，该文章的理论分析是小额贷款公司手持现金量越多，按期偿债的可能性越高，贷款违约的风险越小。在运用评分模型对各种小额贷款信用风险评估方法的实证评价后，提出了适宜小额贷款公司信用风险评估的方法——交叉验证概率神经网络。

三、中国制度背景下信用风险的影响因素研究模型

根据第一、二部分的文献梳理，本文发现国内外学者对信用风险的影响因素研究已经足够成熟，但是以现金持有量作为信用风险的内生变量来进行研究的文献还不多见，尤其是在中国特有的制度背景下，以某个省份上市公司为研究对象，研究该省上市公司现金持有量与信用风险的关系。基于Acharya等（2012）验证了以现金持有量作为内生性变量会导致信贷利差与现金持有量之间存在虚假的正相关关系，而郑建明，王万军和白霄（2017）构建的以现金持有量为内生变量的信用风险影响因素模型得到了国外实证研究的所有不同结论。于是，本文试图基于中国制度背景，建立以下信用风险的影响因素模型，为后续的实证研究做铺垫。

其中，Creditrisk表示信用风险，根据KMV模型计算所得；Size表示公司规模；Fleverage表示财务杠杆；Roa表示总资产收益率；Tagr表示总资产增长率；Currentratio表示流动比率；Tatr表示总资产周转率；Dpr表示股利分配率；Shrcr表示股权集中度；rf表示无风险利率，其中×为资产配置中反映流动性变量。在研究现金持有量时，×为现金持有量一次项或现金持有量一次项与二次项同时存在，而为了进一步研究资产配置中流动性的强弱对信用风险的影响，实证分析时可将现金持有量换为速动资产比例、流动资产比例、现金比例等，其他研究过程不变。