互联网金融发展对企业融资约束影响的测度

蔡冬青，孔维维

（南京邮电大学 经济学院，江苏 南京225003）

一、引言和文献综述

当前，中国经济进入“三期叠加”的新常态，企业信用评级没有统一评判标准，银行等金融机构放贷谨慎，企业融资难问题突出。《中国企业经营者问题跟踪调查报告》得出融资约束是企业前进壮大的绊脚石。除却金融类IPO公司，有75%的企业存在融资难问题。在“互联网+”的时代下，金融行业不断改革深化，互联网激活金融行业市场，提高企业管理效率，解决信息不对称问题，为企业募集资金提供新渠道，实现金融资源配置均衡。

众所周知，金融数据通常具有数据量大、频次高等特点，而往年的参考文献中，金融数据不是时间跨度太短就是频度不够，而且大部分文献的研究样本都是中小企业，不是针对中国的所有企业。Myers et al.（1984）[1]研究发现信息的不对称性会产生多余的交易成本和信息成本，且企业外部融资成本必定大于内部融资成本，从而引发企业筹资费用增加。因此，从小微企业到规模以上企业都会存在融资约束，将所有企业作为研究对象来研究互联网金融对企业融资约束影响程度是十分必要的。袁乐平和罗恒（2015）[2]利用风险收益匹配线详细阐述了互联网金融能使资金供给方对资金需求方的主观认知回归客观事实，达到缓解融资约束的效果。受前人的启发，本文发现企业产生融资约束时，互联网金融从信息不对称、代理成本和产权性质三个方面产生作用，从而缓解融资约束。

关于企业融资约束的研究有Modigliani&Miller（1958）[3]主张的MM定理，笔者发现在完善的市场体制内，企业在融资过程中可以通过各种方式控制融资成本，如果内外部融资成本相同时，融资约束也就不复存在。但实际情况却表现为在融资过程中投资者掌握的信息与企业管理者不对称，企业的市场价值被错估，虚高的外部融资成本成为制约企业发展的首要约束。Bernanke&Gertler（1988）[4]构建了内在经济周期动力学模型，指出代理成本与债务人/债权人的净值成反比，代理成本与外部融资成本成正比。李新娟（2017）[5]表示融资困境在内部有企业信用评级差、内部制度执行不够规范、风险承受能力弱等原因。吕劲松（2015）[6]指出在国内经济体制下，金融市场明显存在资源配置不均，表现出二元性，紧缩的宏观经济政策也导致融资效率低下。李萍（2012）[7]指出不健全的国家信用管理体系和缺乏法律制度管控的政府扶持都时刻制约着中国企业融资进程。邓可斌和曾海舰（2014）[8]在研究上市公司的WW融资约束指数时，采用了动态模型机构估计方法，研究发现融资约束在很大程度上会被政府实施的经济政策所影响。

关于互联网金融发展的研究有谢平和邹传伟（2012）[9]主张移动支付依托互联网和大数据的支持，进行资源优化和信息处理，在可预见的时期内具有巨大的优势，将淘汰商业银行间接融资和资本市场，进而成为第三种金融模式。陈华和宋慧（2015）[10]通过主体将互联网金融细分为三种运营模式，第一种为传统金融机构向互联网模式化转型，例如手机银行；第二种是企业自发在网络上寻求大众性的投资，利用众筹、P2P等模式进行资金聚集；第三种则是与网络金融公司合作，如蚂蚁金服、腾讯控股。晏妮娜和孙宝文（2014）[11]构建了一种以企业信贷特点为基础的企业决策模型，分别对应了网络联保融资和集聚优势的网络池融资模式。吴晓求（2015）[12]主张透明度风险是互联网金融内在核心风险，而系统性风险、技术风险带来了外置风险，透明度风险与技术风险相互作用更明显。吴琦和王维才（2017）[13]提出了以生态共生理论为基础的视角下，互联网金融与传统金融之间的关系存在着互惠共生。Abbey（2013）[14]提出打破互联网融资瓶颈的新出路，这种新出路被称作互联网众筹融资模式。Borello et al.（2015）[15]通过研究欧盟的金融回报众筹平台样本，来确认众筹对于传统金融是补充还是替代。谢平和邹传伟（2011）[16]指出互联网金融通过市场自发的信息动态流揭示信息，相较于传统金融机构的信用评级会更高效。Jentzsch（2007）[17]认为P2P网络借贷平台虽然降低了融资成本，但是带来便利的同时也增加了网络借贷风险，尤其是会造成用户隐私和信息泄露。

关于互联网金融与企业融资约束的文献有Shahrokhi（2008）[18]总结了互联网金融的优势点，指出交易成本低、融资效率高是主要优势。王天捷和张贻珵（2013）[19]指出互联网金融利用大数据和云计算技术降低成本，从而以低成本的先天优势解决企业融资难的外部因素。刘芸和朱瑞博（2014）[20]发现借贷风险是可控的，可利用互联网金融增强风险的可控性。李文启（2014）[21]研究表明互联网的出现使得金融行业产生了巨大变革，互联网金融形成了其特有的“进入机制”，低准入标准和信息资源的高透明度使得网络融资平台大大缓解了信息获取的不对等问题，保证了企业贷款发放的安全。所有制企业可以分为国有企业与民营企业，在国内的金融市场中，资本更倾向于追逐国有企业，由于缺乏政府担保和地方政策支持使得民营企业在融资过程中很难得到资本市场的青睐[22]，融资约束更易受流动性松紧的影响。朱红军等（2006）[23]实证检验国有企业的“预算软约束”缓解融资约束，互联网金融对国有企业的正向作用出现了一定程度上“漏出”效应。沈红波等（2010）[24]指出相较于国有企业，民营企业的信息不对称性问题尤为突出，导致了融资成本的提高。段曼丽（2015）[25]认为国有企业的资金需求量相对较大，而互联网金融灵活且体量较小的特点正好适配于频次高、资金需求量小的民营企业。

通过国内外相关文献分析，发现绝大多数文献都是基于理论层面研究互联网金融与企业融资约束，进行实证分析的文献较少，并且多数采用单一的测度方法测量企业融资约束，实证研究方面有待深入。信息的不对称性、代理成本、产权性质这三方面是企业融资约束产生的主要原因，但涉及信息不对称和代理成本导致的缓解差异性文献较少，研究互联网金融影响企业融资约束的作用机理较少。从目前的文献来看，大多是从互联网金融缓解企业融资约束的表层着手，较少深入剖析其内在原因，而且存在着数据不足等问题。

本文在前人研究基础上，进行互联网金融在不同的信息不对称程度、代理成本和产权性质下对企业融资约束影响的差异性研究，分析其产生的内部原因，剖析互联网金融影响企业融资约束的机制，通过现金—现金流敏感性模型丰富融资约束相关测度研究。

二、理论分析与研究假设

（一）互联网金融与融资约束

相关文献总结发现，企业融资过程中因为信息不对称性和经理层代理问题形成制约。首先，信息不对称是由于外部投资者与企业经营者所获得的信息存在偏差，外部投资者对于企业的实际运营者存疑，因此会提高融资成本以防承担更多的风险。其次，由于企业所有权和经营权的分离，代理管理层比企业实际拥有者更了解日常运营情况，从而会产生代理管理层利用职权之便为其谋求更高的利益而有损企业发展的风险，考虑到企业可能存在的道德风险和逆向选择时，外部投资者会要求一些补偿，因此带来额外的代理成本。

2011年，互联网金融应运而生，为改善信用贷款供需关系创造了条件。互联网技术的传播与搜索功能使得信贷供给方和信贷需求方能更好地匹配。金融服务的多样性可以为不同贷款人量身定制专属方案以满足双方利益需求。先进的技术和优质的服务使得越来越多的企业自主选择线上信用贷款。互联网金融通过特有的云服务+大数据+移动终端的服务模式能从根本上改善信息资源分配渠道，转变信息收集方式，提高融资服务效率。据此本文提出假设1：

H1：互联网金融可以缓解企业融资约束。

（二）互联网金融、信息不对称与融资约束

信息不对称共有两种不同形式，分别为贷前信息不对称和贷后信息不对称。贷前信息不对称主要是因为企业财报信息透明度不足，外部投资者所获取的内部信息不足，对于投资者来说，信用风险无法评估或者评估成本非常高，增加企业融资难度。贷后信息不对称则表现在发放贷款后，传统金融机构无法支付高额的监督费用来确认企业融资资金的使用用途，企业为了获取高额利益，在投资过程不能保持理智，从而进行高风投。贷前和贷后信息不对称带来风险，使得贷款提供者望而却步。互联网金融从贷前贷后都能很好地缓解信息不对称性，保证信息的透明性和可靠性，据此本文提出假设2：

H2：企业信息不对称程度越高，互联网金融对企业融资约束的缓解效果越好。

（三）互联网金融、代理成本与融资约束

企业规模逐渐扩大、资本扩张的同时，对于经营者的要求也在提升，经营过程中所付出的精力也在成倍增长。经营者通过资产所有权与使用权的分离，委托外部经理进行管理，利用这种社会分工提高效率。两权分离意味着代理成本的产生。在资产不同权之间分配时，被委托的外部管理者所带来的收益必须与委托人进行分享。所以在日常经营中，经理层将公司资源转化为个人利益的情况时有发生。企业为规避这种情况，不得不额外支付监督费用。外部资金拥有者评估企业发展，就会考虑企业未来的成长性和偿还资金的能力。互联网金融交易平台具有相对透明的经营环境，在资产所有权与使用权分离的过程中，可以制约和监督经理层的经营管理行为，降低道德风险。因而，代理成本高的企业中，通过互联网金融机制的配合，实现所有者和经营者共同获利，从而降低企业代理成本，缓解企业融资约束。基于以上研究，本文提出假设3：

H3：企业代理成本越高，互联网金融对企业融资约束的缓解效果越好。

（四）互联网金融、产权性质与融资约束

深圳壹账通智能科技有限公司发布的《中小企业金融服务变革与金融科技前沿发展》白皮书指出，我国企业数量众多，所处行业、分布地区、所有者性质、规模大小、经营特点等方面千差万别，因此企业融资约束程度也有所差异，互联网金融对其的作用也有所异。国有企业会计信息披露程度高，信息不对称程度相对较低。而民营企业信息披露水平低，财产抵押也不足以担保，传统金融机构往往不愿意承担风险发放贷款。互联网融资渠道解决了私营企业燃眉之急。民营企业比国有企业存在更明显的融资约束，互联网金融对国有企业与民营企业的影响存在效应差异。基于以上研究，本文提出假设4：

H4：相较于国有企业，互联网金融对民营企业融资约束的缓解效果更好。

图1 互联网金融对企业融资约束影响路径

三、研究设计

（一）样本选择和数据来源

本文选用2011—2019 年所有IPO 公司的季度数据作为研究样本，样本数据取自CSMAR 和Wind 数据库，互联网金融发展测度数据来源于百度指数季度搜索量、艾瑞网和中国人民银行官网。为了克服样本的不稳定性，对原始样本做了如下处理：（1）剔除财务数据存在缺失或异常的上市公司；（2）剔除金融保险类的上市公司；（3）剔除特别处理的ST类和PT类的上市公司；（4）剔除财务数据仅有一个季度的上市公司。经过上述筛选，最终获得6 552家即496个观测值组成的非平衡面板数据。

（二）模型设定与变量定义

1.模型设定

Fazzari et al.（1988）[26]分析了企业投资对企业内部现金流的敏感性并提出投资—现金流敏感性模型即FHP 模型。经过时间的论证，国内外许多学者逐渐发现FHP 模型存在着诸多问题。托宾Q 的提出（Alti，2003）[27]、基本面的不当控制（Cummins et al.，2006）[28]、管理层代理问题（连玉君和程建，2007）[29]都干扰着投资—现金流敏感性的测度。通过分析以上问题，Heitor et al.（2003）[30]利用现金—现金流敏感性模型即ACW模型对融资约束进行全新检验。他们认为，现金—现金流敏感性对融资约束呈正作用，企业的流动资金对现金流正向敏感度越强烈，融资桎梏相应提升，反之亦然。因此，本文选择ACW模型作为参考模型，具体模型设定如下：

其中i表示公司，t表示季度，即第i个公司在第t个时期下的对应变量值。 β0为常数，若β1显著为正表示当企业现金流增加时，说明企业存在融资约束。当样本数据为全样本时，若β7显著为负表示互联网金融发展指数在一定程度上缓解了企业融资约束，则假设H1成立。当样本数据分别为信息不对称程度较低和较高的企业时，若信息不对称程度较低的企业模型中的β7的绝对值小于信息不对称程度较高的企业，表明信息不对称程度越高，互联网金融发展指数对企业融资约束的缓解作用越大，则假设H2成立。当样本数据分别为代理成本较低和较高的企业时，若代理成本较低的企业模型中的β7的绝对值小于代理成本较高的企业，表明代理成本越高，互联网金融发展指数对企业融资约束的缓解作用越大，则假设H3成立。当样本数据分别为国有企业和民营企业时，若国有企业模型中的β7的绝对值小于民营企业，表明互联网金融发展指数对民营企业融资约束的缓解效果比国有企业要好，则假设H4成立。

2.变量定义

（1）被解释变量

现金持有量cash为被解释变量。为了消除企业规模的影响，将企业初期总资产作为分母进行标准化处理，被解释变量现金持有量为流动资金及现金等价物增加额/期初总资产。

（2）核心解释变量

现金流cf和互联网金融发展指数fd为解释变量。现金流指标为经营活动产生的现金流量净额/期初总资产。互联网金融发展指数为企业现金流指标与互联网金融发展水平指数的交互项，根据上述项的系数来判断企业现金流对现金持有量的影响中受互联网金融发展指数产生的影响有多少。

（3）其他研究变量的设定

信息不对称程度as为无形资产占期末总资产的比重。对于无形资产占期末总资产比重大的企业，其管理层比外部投资者能够更加容易准确地获取到企业信息。代理成本ac 为管理费用/销售收入。Ang et al.（2000）[31]用管理费用率衡量代理成本。在企业的日常经营中，管理层将公司资源转化为个人利益的行为越多且频繁，管理费用率就越高，代理成本也会相应地上升。产权性质soe值为1的代表国家控股的国有企业，值为0的代表民营企业。

（4）控制变量

企业规模（size）、资产负债率（da）、净营运资本（nwc）、成长性（grow）和资本支出（expend）为控制变量。size为期末总资产的自然对数。托宾Q值为反映企业成长性指标。其余控制变量为了剔除企业规模带来的影响都要除以期初总资产做标准化处理。

模型变量定义表如表1所示。

表1 模型变量定义表

（三）互联网金融发展指数的测度

1.构建互联网金融词库

本文采用互联网金融指标测度为关键词，从中国知网（CNKI）近10 年的核心期刊中选取了近20 篇文献，筛选出现频率高的关键词给予视觉效果生成词云图，如图1所示。

图1 互联网金融发展指数词云图

结合北京大学互联网金融发展指数以及当前经济发展趋势，构建的互联网金融发展指数词库最终如表2所示。

表2 互联网金融发展指数词库表

2.计算互联网金融发展指标关键词词频

由于使用百度搜索的网民在逐年增加，若仅凭互联网金融发展指数关键词日均搜索量作为互联网金融发展指标太过绝对，因此本文根据百度沸点公布的十大年度关键词榜整理得出各季度十大热搜日均搜索量均值，以此作为基数，用互联网金融发展指数的日均绝对搜索量除以该季度十大热搜词日均搜索量的均值，得到的关键词相对搜索量作为互联网金融发展指标。

3.利用因子分析合成互联网金融发展指数

本文首先根据KMO和巴特利特球形度检验统计量判断因子分析的适用性，KMO检验值为0.626，并且巴特利特球形度检验的显著性水平为0.000，小于0.05，表明所选互联网金融发展指标适合做因子分析。然后通过主成分分析法决定因素选取方法，选取特征值大于或等于1的主成分作为初始因子，特征值与方差贡献率如表3所示。

表3 特征值和方差贡献率表

方差贡献率达到78.12%，表示提取的3个因子反映了互联网金融发展水平的绝大部分信息。利用回归法计算得出各因子得分F1、F2和F3，结合特征值百分比得出综合得分F，将其进行极差标准化得出互联网金融发展指数FD。各因子得分、综合得分和互联网金融发展指数如表4所示。

表4 互联网金融发展指数表

四、实证结果与分析

（一）描述性统计

企业现金持有量最小值-0.305，最大值0.545，该变量正负相消，所以现金持有量的均值较小仅为-0.002，但其标准差为0.078，说明不同企业之间的现金持有量差异较大。企业现金流均值的绝对值0.008同样较小，标准差仍有0.070，说明企业现金流也有着较大的显著差异。互联网金融发展指数的标准差为0.035，相较于企业现金持有量和现金流来说，互联网金融发展指数的差异相对较小。其余控制变量企业规模、资产负债率和净营运资本的差异较大，而企业成长性和资本支出则表现出相对稳定的特征。

表5 各变量描述性统计表

（二）相关性检验

通过Pearson相关性检验比较变量之间的相关程度，具体结果见表6。现金持有量cash变量与现金流cf在5%的水平上显著为正，表明现金流与现金持有量存在着正相关，与预期猜想一致。互联网金融发展指数fd与现金持有量cash的Pearson相关系数为0.254，并且通过了5%的显著性水平检测，表明互联网金融发展指数与现金持有量呈正相关，与预期判断相悖，可能是互联网金融发展指数与现金持有量之间还受其他变量的影响。表6中Pearson相关系数的绝对值都小于0.8，意味着变量之间的相关性比较弱，所以不存在严重的多重共线性问题，适合进行面板回归分析。

表6 相关性检验

（三）回归结果分析

本文首先通过F检验检测企业现金—现金流敏感性面板回归模型属于混合模型还是固定效应模型，结果p值为0.000，有充分的理由拒绝该模型为混合模型。再采用Hausman检验检测其模型属于固定效应模型还是随机效应模型，结果p值为0.000，仍然拒绝模型为随机效应模型的原假设。综上，本文选择固定效应建立企业现金—现金流敏感性面板回归模型，回归结果如表7所示。

表7 互联网金融与融资约束模型回归结果表

1.互联网金融与融资约束

模型（1）用于验证假设H1。模型（1）回归结果显示cf显著为正，说明企业现金—现金流敏感性明显，企业存在融资约束。fd的系数显著为负，表明互联网金融发展可以缓解企业融资约束问题，验证结果与假设H1相一致。互联网金融的出现能够减少企业内部现金持有量，缓解外部融资约束。结果还表明当企业体量较大时，会持有更多的现金流以备不时之需；资产负债率da和净营运资本nwc显著增加，企业现金流也会随之增加；成长性grow没有通过显著性检验，可能是因为未来存在投资机会时，企业会增加内部留存现金以应对投资机会；expend系数显著为负，表明资本支出越多，企业持有的现金反而越小。

2.互联网金融、信息不对称、代理成本与融资约束

模型（2）和（3）验证假设H2。本文将小于信息不对称中位数定义为信息不对称程度低的企业引入模型（2），将大于信息不对称中位数定义为信息不对称程度高的企业引入模型（3），同理模型（4）表示代理成本低的企业，模型（5）表示代理成本高的企业。模型中fd的系数都显著为负，并且模型（3）fd的绝对值大于模型（2），模型（4）fd的绝对值大于模型（3），表明信息不对称程度越高，互联网金融对企业融资约束作用程度越大；代理成本越高，互联网金融对企业融资约束缓解程度也越大。

3.互联网金融、产权性质与融资约束

本文将全样本按照股权性质分为国有企业和民营企业，模型（6）和（7）分别对应国有企业和民营企业的回归结果，用于验证假设H2。模型（7）fd显著为负，且绝对值大于模型（6），互联网金融缓解民营企业融资约束的效果显著。国有企业自身信誉良好再加上政府担保，银行等金融机构更倾向于国有企业，对民营企业的审核会更加苛刻。由于政策支持、银行青睐等原因，国有企业对互联网金融资金需求并不是十分强烈，从而削弱了互联网金融发展对企业融资约束的影响。

（四）稳健性检验

Alti（2003）[27]表明企业现金流cf和成长性grow二者分别表示当期和远期投资机会，所以两个变量之间可能存在内生性问题。为了保证检验结果的稳定性，本文采用一阶差分GMM法对模型进行重新估计以此消除模型的内生性问题。稳定性检验回归结果如表8所示。

表8 稳定性检验回归结果表

将表7与表8的回归结果进行对比，笔者发现变量企业现金流cf与互联网金融发展指数fd的符号以及显著性并无明显差异。对于固定效应面板回归模型来说，7个模型的拟合程度更高且显著性水平均有所提高。变量cf值更大，说明现金—现金流敏感性程度更强，企业的融资约束程度也就更强烈。变量fd的绝对值更小，但效果仍然显著，互联网金融发展指数可以缓解企业融资约束。综上，本文实证结果具有稳健性。

五、研究结论与政策建议

第一，互联网金融能够缓解企业融资约束。互联网金融追求信息共享、风险共担的经营理念，为企业融资提供多项选择，使得金融服务供给体量更加庞大，大幅提升资金供给量，从而降低资金波动风险。

第二，信息不对称程度越高，代理成本越高，国有控股越多的企业，互联网金融缓解融资约束的力度越明显。国有企业融资渠道多元化，既与银行等金融机构有着稳定长期的信贷合作，还有国资委等政府投资，而民营企业的信息不对称程度高、信用风险高、没有稳定的资金支撑，代理成本占比高。此时，互联网金融就如一剂良药，打破融资壁垒。

在全球经济下行压力加大的趋势下，资本市场并不活泛，企业融资出现了显著约束。我国金融市场发展虽然取得巨大进步，但是与体系成熟的金融市场仍然存在一定的差距，亟待完善。即使是我国的股票市场发展日趋成熟，企业在选择外部融资时采用股票市场融资渠道，但上市企业的外部融资渠道仍然不畅通，所以我国大多数企业仍被融资约束所困扰。当前资金市场，虽然传统金融行业仍旧占据主导地位，但是互联网金融异军突起，势不可挡。而大量资本涌入的同时也存在一些问题和风险。

基于上述研究结论，本文提出如下建议：首先，国家加快建设完善的金融市场体系。在全球经济下行的趋势下，实行宽松的货币政策。企业转变融资理念，采取多种融资策略，国家帮助疏通外部融资方式并降低外部融资成本。企业调整自身结构，利用新生代金融产业的助力，从而摆脱融资困难处境。其次，鼓励互联网金融茁壮成长，规范外部融资环境，加大互联网基础设施建设投入力度，保障互联网金融对融资约束的缓解作用稳步体现。最后，健全法律法规，防范互联网金融风险，完善企业信用信息数据库，为互联网金融发展营造一个良好的制度环境。