APP下载

银企高管间社会关系对信贷融资的影响

2020-06-22李沁筑

探求 2020年3期
关键词:贷款额度银企信贷

□ 李沁筑 徐 洋

企业融资难问题一直是世界各国学者们关注的焦点,Allen(2005)提出信贷融资是企业最重要的外部融资来源之一。在贷款过程中,银企之间信息不对称是银企信贷交易中最为显著的问题。银行对于企业的经营状况和资金项目的风险程度知之甚少,也往往很难实时地监督企业使用贷款的行为。这种信息不对称通常导致信息议价,体现为银行拒绝企业贷款申请和增加贷款难度,如提高贷款利率,缩短贷款期限等,同时这种信息不对称也会使银行面临逆向选择和道德风险两大问题。Francis(2014)提出,为了减少银企之间的信息不对称性,银行一般采取两种方法来预测其面临的风险:一种是工具法,旨在客观的定义存在的风险;另一种是社会化的评估方法,即通过“感觉”来预测其面临的风险,这种“感觉”主要来源于银行通过社会网络所收集的信息和财务分析师的调查报告。

自SRI(Stanford research Institute)提出利益相关者概念之后,越来越多的学者开始考虑利益相关者所置身的社会关系、网络结构等带来的影响,其中就包括企业和银行在信贷方面获得的收益。如Boot 等(1994)指出随着关系的持续,银行将不断获得企业私人信息,从而支付更低的信贷成本。Berger等(1995)用理论和实证证明了银企关系可以增加企业的资金可获得性及可获得量,降低贷款利率和抵押品需求。张敏(2012)、翟胜宝等(2014)提出为了缓解融资难的问题,越来越多的企业开始和银行建立关联关系。除此之外,在信贷融资方面,政府作为大部分银行的终极控制人和所有者,主导和支配着银行信贷资源的配置,导致银行信贷资源更多地配置给了终极控制人和所有者同样为政府的国有企业,而私有企业难以得到银行信贷的支持。面对这种“歧视”,民营企业开始依赖于一些替代性的非正式制度和机制来支持企业的发展,其中企业的社会关系就是一种非常重要的替代性机制。企业经营者与银行高管的社会关系可以体现出企业的经营之道,古语有云:君子不言而信。若企业经营者以以诚为本为理念,则企业“不言而信”。本文将社会关系的研究范畴聚焦到银企高管之间,研究银企高管间社会关系这种非正式的制度是否能够弥补正式的制度中存在的缺陷,是否对银企之间的信贷融资行为产生影响。

本文以2000—2015 年中国上市公司作为研究对象,系统地考察银企高管间社会关系对贷款利率、贷款额度以及贷款期限等方面的影响。此外基于产权类型分组考察,本文还研究了高管间社会关系对于民营企业和国有企业影响的差别。本文主要的贡献在于:一是基于嵌入性思想,通过上市公司全部高管的简历背景,将从“人”的角度度量银企高管间社会关系。对关系型借贷领域通过银企业务合同定义银企关系的做法进行了有益补充。二是不仅研究了高管社会关系变量,同时研究了社会关系变量的强度,使得结论更加可靠。三是根据产权类型,将我国上市企业划分成国有企业和民营企业,实证研究发现,高管间社会关系对民营企业的影响比对国有企业的影响更加显著,这一研究结论也证实了国有企业拥有更优惠的贷款条件。

一、文献回顾与研究假设

(一)文献回顾

研究银企关系与信贷融资的文献大多基于借贷双方历史往来信息层面,如Petersen(2010)、陈键等(2008)提出银企关系以银行与企业之间的交往时间长度来衡量。郭田勇等(2006)以企业的经营年限作为银行关系时间长度的代理变量,因为成立时间长的企业意味着更好的稳定性及公共市场声誉,越有可能与银行保持较早的业务合作关系。何韧(2010)在原来的基础上做了拓展,通过银企关系长度、银企关系规模、银企关系深度三个变量维度来测量银企关系。这些研究忽略了银企高管间社会关系在促进借贷效率中起到的作用。结合中国特有的文化背景,社交网络对于中国这样的发展中国家和新兴市场经济体而言更加重要(Du et al.,2015)。巫岑等(2016)将公司高管是否在银行兼职、公司高管或实际控制人是否曾在银行任职作为社会关系的自变量,得出以银企高管之间的社会关系界定银企关系更具有说服力。

关于高管间社会关系对信贷利率、额度以及期限方面的影响主要有分为:一是显著增加企业的融资额度。Guner(2008)、唐建新(2011)、Ciamarra(2012)和Sisil-ciamarra et al.(2006)通过研究发现一个企业拥有银行背景的经理或董事,更容易获得银行的贷款,融资额度相对较大。Behret et al.(2011)发现银企关系越紧密,信贷审批花费的时间越少,获得的信贷额度越大。陈仕华等(2013)发现高管间具有金融联结的企业获得的银行贷款更多、融资成本更低。二是显著降低贷款利率。Diamond et al.(1989)逆向选择和道德风险的模型发现借款人的信息越清晰,银行会相应降低利率。Engelberg et al.(2012)提出当银企高管拥有共同的教育和工作经历,该企业向该银行的贷款利率会明显降低。三是显著提高贷款期限。秦社华等(2014)认为银企关系与长期债务比例呈正相关关系,打破原有的融资约束,为企业带来更多的长期贷款资源。具有政治背景的国有企业比民营企业在信贷过程中更容易获取银行青睐。Houston et al.(2014)研究发现,企业高管拥有政治背景时,银行的贷款成本明显较低。陈仕华等(2013)发现相比国有企业,民营企业高管间具有金融联结的企业,获得更多的银行贷款,其融资成本更低。

总之,本文基于嵌入性的思想,站在非正式制度安排的角度,运用大数据处理方法度量了银行与企业高管之间的社会关系网络,研究高管社会关系给银企借贷行为所带来的影响。

(二)研究假设

根据不完全契约理论,在信贷过程中,银行和企业之间存在信息不对称性。对于银行来说,不完全契约理论是必然会存在的,这种信息的不对称性使银行面临逆向选择和道德风险,因此银行在贷款给企业前,通过各种正式或非正式的途径对企业进行调查,将预期风险降到最低。对于企业来说,资金是否充足至关重要,企业主要的外部融资手段为股权融资和债务融资,其中债务融资主要为银行贷款。银行和企业都镶嵌于社会关系网络中,高管作为企业管理决策和掌握重要信息的关键人员,他们之间的关系网络是银行和企业社会关系网络的主要组成部分。Jonsson and Lindbergh(2013)以及Du and Guariglia(2015)通过研究发现高管的社会资本不仅有助于企业获取金融资本,还有助于寻找与金融资本有关的信息资源,银行和企业高管之间的社会关系会影响银企之间的信贷条款。

第一,银行和企业利益驱动不同,在贷款的过程中会产生意见分歧,银企高管之间的社会关系促使银行和企业更加了解对方信息,有效缓解信息不对称问题,促进双方有效地沟通。因为通过银企高管之间的社会关系,银行可以更加准确地了解企业内部经营状况、财务状况,降低银行在贷款前期对企业的审查成本,降低贷款之后的监督成本。双方的社会关系度越高,银企之间契约的执行度越高,减少搭便车和信息不对称问题,提高双方的经济效益。

第二,信贷过程中债务人拒绝还款,银行要承担坏账的风险,经济利益受到威胁,银企之间的社会关系作为合同等硬性条款之外的软约束在一定程度上督促企业按时履行契约。银企之间的社会关系主要表现为高管之间的社会关系,企业拒绝履行契约,影响到企业高管的声誉,不良声誉会迅速蔓延至整个关系网络,与之合作的银行将减少。

综上,银企之间的社会关系与银企之间的信贷条款关系密切:一是银企高管间社会关系有利于银行掌握更多有关企业的“软信息”,降低双方的信息不对称程度、减少银行的信息收集成本与监督成本,从而提高银行向企业借款的意愿,增加银行对企业的贷款额度,因此提出假设H1:限定其他条件,银企高管间社会关系程度与企业贷款额度正相关。二是债务期限越长,未来的不确定性越高、风险越大,债权人在提供贷款时更注重外部的履约机制。潘越等(2009)曾指出,相互信任度越高的地区,合作的意愿更大,贷款期限越长。“君子不言而信”,银企高管之间良好的社会关系有利于提高企业透明度,降低银行的贷款风险,因此提出假设H2:限定其他条件,银企高管间社会关系程度与企业贷款期限正相关。三是借贷双方相互拥有的私人信息越多,信息收集的成本越小,银行对贷款利率做出让步的可能性增加。本文提出假设H3:限定其他条件,银企高管间社会关系程度与企业贷款利率呈负相关。

除此之外,我国上市公司所有权方面的特点是有大量上市公司为国有企业。与民营上市公司相比,这些国有企业享有政府“隐性担保”的优势,其他因素相同的情况下,国有企业贷款风险更低,国有控股上市公司要比民营上市公司享有更优惠的贷款条件。民营企业没有政府“隐性担保”的优势,面临的信贷约束要高于国有企业,民营企业通过其他方式降低银企间信息不对称程度的动机更强。民营企业更加注重与银行建立良好的银企高管间的社会关系,提出假设H4:与国有控股上市公司相比,民营企业的信贷融资行为受到银企高管社会关系程度的影响更加显著。

二、研究设计

(一)数据来源与处理

本文的样本来自国泰君安数据中心,为2000 年至2015 年发生借贷交易的中国上市公司相关数据,包括企业的总资产、资产负债率、产权比率、投资收益、净利润、贷款记录、高管董事的背景等。首先使用关系数据库对这些数据进行了标准化处理,然后借助于计算机程序和SAS 工具的SQL 功能为每笔借贷交易计算出交易双方的人际关系数量,并将借贷交易数据与交易前后几年公司的总资产、资产负债率、固定资产率、投资收益、净利润等数据关联起来,最终形成了可以直接用来进行回归分析的样本数据。

本文对数据做了以下五个方面的处理:一是为方便分析处理,本文将数据库中的月度高频数据转化为年度数据;二是为充分获取研究数据,本文把涉及到的所有行业和高管人员都纳入研究样本范围,剔除各项检验变量和控制变量出现缺失值的样本;三是样本中剔除政策性银行贷款,因为政策性银行贷款利率存在补贴,且受政策因素影响较大;四是用winsorize 方法剔除自变量上下1%分位数异常值后,9477条样本数据用于分析高管社会关系对贷款额度和贷款期限的影响;五是贷款利率的数据缺失较多,1880条样本数据用于分析高管社会关系对贷款利率的影响。

(二)变量选取

1.被解释变量

本文选择贷款利率、贷款额度和贷款期限作为被解释变量,研究银企高管间社会关系对信贷融资的影响。Interest表示企业银行贷款利率。当前于我国银行信贷采取单一定价模式,借贷资金成本、管理服务费用等均体现为贷款利率水平,因此贷款利率浮动幅度能较好反映信贷成本的变化。Amount表示贷款交易的规模,能够直接代表上市公司获得银行借款的能力。最能直接代表银行对企业的信任程度以及是否相信企业所能带来的价值空间。Term 表示贷款期限,长远来看,建立长期信贷合约能降低银行信贷的风险和成本。因为长期贷款的存在能使银行和企业之间建立一个长期稳定的隐性合约,在长期的合作之中促进双方的信息交换,从而弥补信贷合同显性条约的缺陷,增加合同弹性,减少信息不对称所造成的不利影响。

2.银企社会关系变量

本文的主要解释变量N_Connection,表示银企高管间社会关系度,高管间社会关系的计算主要包括两类关联关系:(1)学校关联,即两年内在同一所教育机构毕业;(2)职业关联,即银企曾在同一家公司任职。

银企社会关系度的计算是本文的难点之一,由于数据样本过于庞大,以人工的方式逐条查找分析每笔借贷交易,涉及到的人际关联不仅实现困难,容易产生遗漏误差,而且会耗费巨大的人力资源。为了解决这一问题,本文结合从数据源获取的数据资源,基本思路是获取在借贷交易发生前借贷双方公司的高管列表,并根据他们的简历分析确定高管间是否存在前文提到的学校关联(高管A在校时间和高管B 在校时间重合或上下相差不超过2 年)或职业关联,如果二者有一个存在,则记为银企之间具有社会关系。利用计算机程序可以大幅度降低工作量,减少人为失误。为了确保算法的合理性和程序的正确性,本文以严谨的态度加入了人工验证,使用web 前端开发技术AngularJS+HTML以网页的形式提供了借贷交易数据检验功能。然后再将人工得到的关系数和计算结果比较,如果相同,则表明程序计算正确,达到了人工验证的目的;如果不相同,则程序计算出现错误或者人工计算产生误差,需要进一步检查程序是否编写正确。

3.控制变量

(1)公司特征变量。Size是样本公司资产总额的自然对数,用来控制规模。Rajan(1995)等认为企业规模对财务杠杆的影响比较不明确,一方面大规模的企业经营更加多元化,经营失败的风险更小,因此规模越大,破产的可能性越小,从而更容易筹到借款;另一方面,规模越大也可能意味着外部投资者能够获得更多信息,会让他们倾向权益融资多过债务融资。

(2)财务与风险变量。FA_Size是公司的固定资产净额占资产总额之比,用来控制上市公司资产的固定资产。根据资本结构的理论,如果一个企业的大部分资产都是固定资产,那么一是可以用来抵押,从而降低企业债权人承担债务代理成本的风险(就像风险转移);二是在清算的时候,能够保持更高的估价,因此资产负债表上固定资产的比例越高,债权人就越愿意提供贷款。Profit 表示上期净利润,用来度量样本公司的盈利能力。对于债权人来讲,利润是企业偿债的重要来源,特别是对长期债务而言。盈利能力的强弱直接影响企业的偿债能力。企业举债时,权人势必考查企业的偿债能力,而偿债能力的强弱最终取决于企业则盈利能力。Liablity_Asset 表示企业的资产负债率(企业的偿债能力),这也是银行考虑贷款给企业直接看中的因素之一,当企业的资产负债率较高,银行就要考虑企业所存在的财务风险。

4.其他控制变量

本文的模型中还引入三个变量TR0-1、TR2-3、TR4-7,即银企之间在信贷交易之前0-1 年是否存在交易、2-3 年是否存在交易,以及4-7 年是否存在交易。如果之前存在过交易,说明银行和企业之间存在着交易往来,与本文定义的银企高管间社会关系不同。

5.虚拟变量

为了控制不同行业和年度的影响,本文设置了行业虚拟变量Industry 和年度虚拟变量Year。具体变量含义如表1所示:

表1 变量的含义

(三)描述性统计与单变量检验

1.描述性统计

表2是本文回归变量经过缩尾后的描述性统计结果,其中除了贷款利率Interest限于原始财务数据限制,观测值为1880个之外,其余变量的计算都是大样本(9477个观测值)下的指标结果。

因变量方面,贷款额度Amount最小值0.03亿,第3四分位数为2亿,但是最大值为804亿,说明贷款额度(Amount)的前3/4 观测值集中分布在相对较小的数值区间内,而后1/4 观测值的数值差异要明显的多。贷款利率则相对分布得较为均匀。贷款期限(Term)的平均值为1.52,第3四分位数为1,说明短期贷款占据大部分。

主要解释变量connection的均值为0.84,而且第3四分位数为1,均说明超过3/4的样本公司具有社会关系。N_Connection 最大值是23464.80,说明社会关系程度两级差距较大,但是第1 四分位数为1,第3四分位数为9.6,说明社会关系程度中间差距不大。

控制变量中,资产负债率Liablity_Asset的第1四分位数为0.36,第3四分位数为0.66,最大值为14.59,可见样本公司资产负债率中间观测值集中分布在较小的数值区间内,而后1/4的观测值的数值差异要明显的多。资产总额Size取值从0.01亿到38106亿元不等,说明样本公司的规模差距较大,也说明了本文研究的样本对象较为全面。净利润Profit 最小值为负,但第1 四分位数、均值、中值都为正,说明亏损的公司不超过1/4。样本公司的资产负债率FA_Size 均值为0.22,最大值为0.92,说明样本公司资产负债率的平均水平大约超过了0.22,最大值超过了0.92。

表2 主要变量的描述性统计

2.单变量检验

本文根据银企高管间社会关系变量Connection对样本进行了单变量检验,结果如表3所示。将Connection=1(具有高管间社会关系)的借贷交易样本依据高管社会关系数分为等观察值的三组,与Connection=0(不具有高管间社会关系)的组进行对比,发现具有银企高管间社会关系的组贷款额度(Amount)、贷款期限(Term)的均值显著更高、贷款利率(Interest)的均值显著更低(T 值对比的高管间社会关系数量最高的组和不具有高管间社会关系的组),说明高管间社会关系能够促进企业获得更多的贷款额度、更低的银行贷款利率以及更长的贷款期限。此外发现高管间社会关系度与贷款额度、贷款利率、贷款额度也呈一定的线性相关,说明高管间社会关系程度也与信贷交易行为具有明显的相关性。初步支持了假设H1、假设H2和假设H3。

表3 单变量T检验

(四)模型构建

为了验证银企之间的社会关系对信贷条款(贷款额度,贷款期限,贷款利率)的影响,本文主要构造了多元线性回归模型和对数模型。其中因变量y 表示信贷条款,即贷款额度Amount,贷款期限Term,或者贷款利率Interest。

模型(1)主要用来研究银企间是否存在社会关系,即Connection 与信贷条款间的关系;模型(2)研究银企高管间社会关系程度与信贷条款之间的弹性,即银企高管间社会关系度每变动1%,信贷条款则变动β1%,考虑到本文样本中银企之间的社会关系度最小值为0,为了使模型(2)在社会关系度为0时仍有意义,因此对社会关系度变量N_Connection先加1,然后再取对数。

三、实证结果与分析

(一)银企高管间社会关系对信贷融资的影响

本文从三个方面分析银企高管间社会关系对信贷融资的影响。为避免多元回归分析自变量之间的多重共线性,运用SAS 进行相关性分析,相关系数矩阵结果表明控制变量TR0-1、TR2-3 和TR4-7之间的相关性较高,将除虚拟变量之外的所有变量代入回归模型消除多重共线性,并采用逐步回归法剔除TR0-1、TR4-7两个变量。

1.社会关系程度与贷款额度

假设H1:限定其他条件,高管间社会关系程度与企业贷款额度正相关,通过回归分析检验假设,被解释变量是企业的贷款额度,解释变量包括银企高管间是否存在社会关系Connection、银企高管间社会关系度N_Connection、公司特征变量、财务风险变量以及控制变量。回归结果如表4所示。

表4 贷款额度回归结果

表4 的第(1)、(2)列对应模型(1),检验银企高管间是否存在社会关系对银行贷款额度的影响;第(3)、(4)列对应模型(2),检验高管间社会关系程度对银行贷款额度的影响。针对模型(1),可以发现控制年份变量的情况下,以及同时控制年份和行业变量情况下,高管间是否存在社会关系Connection的回归系数都为0.01,在1%水平下显著,表明银企之间是否存在社会关系与贷款额度显著正相关。模型(2)中高管间社会关系程度与贷款额度也在1%的水平上显著正相关,相关系数为0.37,说明限制其他条件后,高管间社会关系数正向变动1%,贷款额度能够提高0.37%,高管间社会关系程度对提高贷款金额有显著作用。高管间社会关系这种非正式制度可以缓解上市企业在发展中所遇到的问题,企业高管间如果存在社会关系,企业就能够传递更多的“软信息”给银行,建立良好的声誉,赢得银行的信任,获得融资上的便利。

2.社会关系与贷款期限

假设H2:限定其他条件,高管间社会关系程度与企业贷款期限正相关。通过回归分析检验假设,被解释变量是企业的贷款期限,解释变量包括银企高管间是否存在社会关系Connection、银企高管间社会关系度N_Connection、公司特征变量、财务风险变量以及控制变量。回归结果如表5所示。

表5 贷款期限回归结果

表5的第(1)、(2)列对应模型(1),检验银企高管间是否存在社会关系对银行贷款期限的影响;第(3)、(4)列对应模型(2),检验高管间社会关系程度对银行贷款期限的影响。模型(1)的回归分析结果前两列可以看出,无论是否控制行业变量,银企之间是否存在社会关系Connection 这一解释变量与贷款期限都在1%水平上显著正相关,说明银企之间是否存在社会关系会影响银行的贷款期限。模型(2)中,从表5的(3)、(4)列可以看出,高管间社会关系程度与贷款期限在1%的水平上显著正相关,第(4)列说明限制其他条件后,高管间社会关系数每增加1%,贷款期限会延长0.05%。这说明,银企之间的社会关系可以提高彼此的透明度以及相互信任度,消除彼此的信息不对称,使银行延长对企业的贷款期限。

3.社会关系与贷款利率

假设H3:限定其他条件,高管间社会关系程度与企业贷款利率呈负相关。进行回归分析,其中被解释变量是企业的贷款利率,解释变量包括银企高管间是否存在社会关系Connection、银企高管间社会关系度N_Connection、公司特征变量、财务风险变量以及前述的一些控制变量。回归结果如表6所示。

表6 贷款利率回归结果

表6的第(1)、(2)列对应模型(1),检验银企高管间是否存在社会关系对银行贷款利率的影响;第(3)、(4)列对应模型(2),检验高管间社会关系程度对银行贷款利率的影响。从表6的第(1)和第(2)列可以看出银企之间是否存在社会关系对贷款利率有负向的影响,但是结果并不显著。这可能是因为银行的贷款利率依据中国人民银行的基准利率来制定,银行的贷款利率只能围绕基准利率浮动,而且银行是经营货币资金的特殊企业,存贷款利差是银行收入的主要来源,利率水平的确定还要保持合适的存贷款利差,以保证银行正常经营。所以银企之间是否存在社会关系尚不能影响银行的贷款利率。针对模型(2),从表6的(3)、(4)列可以看出,高管间社会关系程度与贷款利率在1%的水平上显著负相关,相关系数为0.06,说明限制其他条件后,高管间社会关系数每增加1%,贷款利率大约负向变动0.06%。这表明,在银行正常的利率范围内,银行与企业高管间的社会关系越紧密,银行会适当降低利率水平。其他控制变量的回归结果,如“公司规模”对“贷款利率”呈现负影响,这与中国目前信贷市场是吻合的。出于降低信用风险的考虑,银行在信贷发放时倾向于向大企业发放贷款,存在“贷大、贷长、贷垄断”与“养大户、养好户”等现象,银行之间的竞争主要围绕大企业展开。在这种市场格局下,银行为了保留原有客户,更倾向于向银企关系好的上市公司发放贷款并降低贷款利率。

(二)基于产权类型分组考察

为进一步研究银企高管间社会关系对上市企业信贷融资的影响,本文按照公司的产权类型将样本分成两组,即民营企业和国有企业。表7 的第(1)和(2)列结果显示:不管是国有企业还是民营企业,高管间社会关系程度与贷款利率的回归系数为负,且民营企业的回归系数小于(绝对值大于)国有企业;表7 的第(3)和(4)列结果显示:无论国有企业还是民营企业,银企高管间社会关系程度与贷款额度的回归系数为正,且民营企业的回归系数大于国有企业。表7的第(5)和(6)列结果显示:不管是国有企业还是民营企业,银企高管间社会关系程度与贷款期限的回归系数为正,且民营企业的回归系数大于国有企业,说明银企之间的社会关系数每增加1%,民营企业的贷款期限会正向变动0.85%,而国有企业只会变动0.63%。

本研究将民营上市公司与国有企业分别进行检验是有意义的。相对于国有企业,民营企业与银行高管间社会关系更能改善企业自身的信贷融资状况。在转型经济背景中,相对于国有企业,民营企业更容易受到所有制歧视,不容易获得银行借款,缺少具体的法律规定等正式制度保障民营企业的权益,于是不得不通过非正式的规范和社会网络来寻求保护。在我国以人为本的社会网络背景下,更容易建立关系性嵌入的社会资本并从中受益,如民营企业就可以通过企业内部的关键人员(比如高管)和银行的网络联系为企业获得优惠的金融性资源。

表7 基于产权类型企业的回归

(三)稳健性检验

为了保证模型的稳健性和结果的可靠性,本文主要从三个方面做了稳健性检验:一是对关键变量connection进行检验,将学校关联定义中的2年内在同一所教育机构毕业,改为3年和4年内在同一所教育机构毕业。二是对控制变量做替代变量检验,分别用“流动比率”代替“资产负债率”、“投资收益”代替“净利润”,它们分别代表企业偿债能力和企业的盈利能力。三是重新选择样本,根据企业规模数据,去除原始数据的上、下5%分数后确定样本,并采取了相同的替代变量。被检验的关键变量与模型一致,所得到实证结论与模型结果基本一致,不再赘述。

四、结论与启示

本文的研究结果显示,企业与银行高管间的社会关系对企业的信贷融资有积极的影响,这体现了“君子不言而信”在现代经济活动中的重要意义:一是企业高管应该以“以诚为本”规范企业自身的财务制度、增强财务信息的透明度,这是解决企业融资约束问题的重点。同时,建立与银行高管间的社会关系,保持信息交流畅通,增加银行对企业的信任度,发挥“君子不言而信”的影响。对于民营企业而言,存在着因与银行之间信息不对称带来的信贷融资难的问题,可以通过聘请具有银行背景的高管或是董事等方式,加强银企关系的建立,从而有效解决企业信贷融资难的问题。二是商业银行在贷款审批中考虑企业财务信息等“硬信息”,还可以通过社会关系获得企业的“软信息”。目前,我国企业的财务信息还没有完全透明和规范,尤其是民营企业的信息透明度还有待提高,仅仅依靠“硬信息”判断企业的经营状况和信用程度有失偏颇,存在较大风险。银行应该改变传统思想,通过多渠道获得有效信息,考察企业,做出更合理有效的贷款决策。三是银企高管间的社会关系影响企业信贷融资,“君子不言而信”对政府在政策制定和管理方面有所启示:一方面,非正式制度的安排对正式制度的改革具有借鉴意义。另一方面,应重视引导和监督正确的银企高管间的社会关系也是政府的一项重要工作,有利于政府制订科学合理的政策法规,科学地指导信贷融资行为。

本文根据银企之间借贷合同的具体信息,将每笔贷款作为一个观测值,研究合同上具体签订的金额、期限、利率等,对融资成本的度量更加精确,研究对象为我国上市公司,涵盖的企业类型丰富,研究范围全面。研究明确了高管间社会关系在信贷行为中带来的经济后果,为降低我国信贷成本提供了经验依据,丰富了银企高管间社会关系和信贷融资两个领域的研究。本研究的不足之处是没有区分高管的不同性质(关键高管、独立董事、其他高管等),这也是本文进一步的研究方向。

猜你喜欢

贷款额度银企信贷
晋源区搭建银企对接平台,为乡村振兴注入“源头活水”
基于熵权法的中小微企业信贷策略研究
基于Topsis的中小微企业贷款额度决定策略分析
山西农谷举行政银企专场对接会
基于Topsis的中小微企业贷款额度决定策略分析
聚焦Z世代信贷成瘾
北京市大学生互联网消费金融使用情况调查
签约30个项目 授信总额达300亿元 江苏省促进民营企业发展银企对接会在宁召开
浅议债转股与重构银企关系