实体企业影子银行化会加剧违约风险吗?∗

(吉林大学商学院 吉林长春 130012)

一、引言

2019 年2 月22 日，中共中央政治局在第十三次集体学习中强调“脱实向虚已成为我国金融体系中的最大痛点，相当一部分资金在虚拟经济中空转，融资难、融资贵成为困扰企业尤其是小微企业的顽瘴痼疾”。对于中小型企业和非上市民营企业而言，由于缺乏抵押品等原因，其所受的信贷约束问题更加严重(王永钦等，2015)，致使这些处于融资劣势的中小企业需要借助于非正规外部融资渠道，以缓解其信贷约束压力和资金流动性紧缺，维持正常的生产经营，保证现金流的稳定，而影子银行就成为其主要的“救生圈”；相应地，许多具有融资优势的实体企业，通过影子银行业务成为资金的掮客，利用其融资优势获取资金，转而将资金投放至二级金融市场，充当类银行信用中介参与再放贷活动(韩珣等，2017；颜恩点等，2018；李建军和韩珣，2019)，挤占中小企业的外源融资份额的同时，通过资金套利牟取利差，实体企业影子银行化靡然成风。①根据金融稳定理事会(FSB) 的定义，影子银行是指“游离于正规银行体系之外，可能会引发系统性金融风险和监管套利风险的信用中介体系，包括信用中介实体和相关业务活动”，而国内现有文献将实体企业影子银行化定义为实体企业部门作为正规银行体系的对手方参与影子信贷市场投融资业务，主要包括委托贷款、委托理财、民间借贷等形式(韩珣等，2017)。与颜恩点等(2018) 及李建军和韩珣(2019) 类似，本文把实体企业影子银行化界定为非金融企业将资本投入影子银行业务充当类银行信用中介参与放贷及资金空转套利的行为和趋势。

与此同时，随着脱实向虚问题的深化，实体企业外部融资需求扩大，债务快速膨胀，杠杆率上升。实体企业利用信贷资金通过影子银行再次参与民间借贷活动，试图攫取利益，平滑主业经营不善风险，但结果却是自身债台高筑。债务规模的不断扩张，势必会加剧企业违约风险。2020 年5 月，据上海清算所公告，因未能足额兑付利息，宜化集团构成实际违约；随后在6 月，宜化集团因发行的一笔三年期2.5 亿美元、利率8.5%的债券未能支付利息，再次出现实际违约，致使宜化集团深陷危机，面临退市风险。无独有偶，早在2017 年3 月，仅在7 日内就有辉山乳业、山东齐星、天信集团、珠海中富四家实体企业宣布因无法按时偿还借款而陷入债务违约的境地，违约金额超过360 亿元。违约风险的提高不仅会阻碍实体企业的正常生产经营活动，并且可能会造成市场悲观预期，致使债权人提高信用评级标准，或者提前催收贷款，形成连环违约。并且短期内大量企业债务违约风险的集中爆发，很有可能会演化为系统性的债务危机，影响我国金融体系的稳健运行，进而对实体经济产生极大威胁 (孟庆斌等，2019；许红梅和李春涛，2020)。

本文的主要贡献在于:第一，目前，国内外对于影子银行的研究，大多是以宏观经济和金融市场为视角，侧重于讨论影子银行对银行系统稳定的影响，少数学者从对企业影子银行活动的识别、影响因素、社会福利损失、审计风险以及经营风险等角度开展研究。但从微观层面关注实体企业影子银行化与违约风险关系的研究却是十分有限。本文将影子银行化与债务违约紧密地联系起来，为实体企业影子银行化的研究提供了新的经验依据。第二，现有对于违约风险的研究，侧重于从企业自身内部因素出发，考察企业财务状况和公司治理对违约风险的影响效应，而忽略了影子银行化这一类银行信贷中介对违约风险的影响。因此，本文以我国经济转型这一特殊阶段为背景，对二者关系进行考察，不仅有利于管理者合理优化企业的风险管理机制，制定有利于企业持续发展的战略方向，而且能够为资本市场和债权人对合理预测企业债务违约提供经验借鉴。第三，本文拓展了我国实体企业影子银行化的研究视角，有益于管理层合理优化企业的风险管理体系和现金管理机制，有益于监管部门及投资者获取实体企业高质量的会计信息，为经济新常态下的优化资本市场资源配置效率和防范金融风险提供了理论与经验参考。

二、文献回顾与研究假设

(一) 文献回顾

近年来，在复杂的内外部环境和经济下行压力下，我国部分实体企业陷入“市场需求缩减—产能过剩—投资回报率下滑”的困境，并且随着经济金融化进程的推进，金融创新产品不断涌现，实体企业金融化行为不再局限于债券、股票、投资性房地产等传统金融投资活动，而是通过利用超额募集资金或多元化融资渠道，把目光拓展到影子银行业务(刘珺等，2014；韩珣等，2017)。理论上，当企业资金充足但缺少有利的投资机会时，将自有闲置资金或者从正规渠道获得的融资转贷给融资困难但有优质投资项目的企业，有利于改善流动性错配问题，提升地区的资本配置效率与劳动配置效率(廖冠民和宋蕾蕾，2020)，对金融发展水平较低地区的企业有反哺效应(钱雪松等，2017)，是金融资源效率增进的再配置(王永钦等，2015)。然而事实上，实体企业影子银行化作为传统银行体系的“影子”游离于传统银行体系之外，其为社会和企业自身带来的负面经济后果远大于正面效应。从现有文献来看，实体企业影子银行化会增加其他中小企业融资成本，损害社会福利，加剧企业审计风险和经营风险，降低企业投资效率(刘珺等，2014；颜恩点等，2018；李建军和韩珣，2019；胡诗阳等，2019)，进一步说明影子银行业务对于实体企业来说是一种弊大于利的高风险投资活动。

违约作为企业可持续发展过程中最具破坏力的事件之一，一旦触发，便会通过供应链中断、员工流失、损害客户保留率等方式对企业的生产经营活动产生不利影响，并会产生额外的法律和行政成本，增加融资活动中的协商成本和重组成本，限制企业未来的投融资活动(Brogaard 等，2017；Roberts 和Sufi，2009)。从国内外现有文献看，当企业提高自身产品竞争力扩张市场竞争优势、增强股票流动性时，或者当企业的创新能力较强、社会关系网络富足、公司治理水平较高、拥有更低的现金流风险及适度的创新投入时，就更有可能降低企业发生债务违约的概率，进而防范违约风险(Anderson 和Mansi，2009；Hsu 等，2015；许浩然和荆新，2016；Brogaard 等，2017；孟庆斌等，2019)。然而，当企业战略定位偏离行业常规模式的程度较大、盈余管理问题较严重、抵押品及承担的社会破产成本较高时(王化成等，2019；叶志锋和胡玉明，2009；尹志超和甘犁，2011；陈德球等，2013)，则更有可能增加企业的道德风险，加剧企业违约风险。

(二) 研究假设

通常而言，实体企业不可能像传统银行那样对影子银行借款方进行事前筛查与选择，致使企业在放贷前不能完全审核和掌握借款企业的商业信用、经营状况、偿债能力等资质信息。通过梳理现有文献可知，实体企业主要是出于利润追逐而非预防性储蓄动机开展影子银行业务，为牟取利润，甚至可能会自愿忽视对借款方的资质信息审核，而这一行为又会增加影子银行借款方的道德风险和逆向选择问题。一旦借款企业发生违约，放贷企业将无法及时收回或者根本无法收回资金，这必然会影响同一信贷链条上的放贷企业对其自身债权人的偿债能力，导致违约概率激增。并且，由于实体企业影子银行业务具有高隐匿性，对信息不对称的依赖程度较高，加上受制于影子银行业务法律信用主体不明确、游离于监管体系之外等因素影响，导致放贷企业在借款合约签订之后、借款企业还款之前，不能合理地进行日常监控，了解借款的使用方向和进度。若借款企业在借款使用期间并没有获得盈利甚至发生了亏损，那么放贷企业将面临很可能收不回资金的风险，导致其自身违约风险加剧。

事实上，中小微企业或者新兴企业由于自身的原因，诸如企业本身资本实力较弱、缺少足够的抵押品或者抵押品质量差，或者企业偿债能力弱、经营业绩不佳、信用评级较低、具有不良的还款记录等多种因素导致其不能从正规渠道获得信贷支持，企业只能依赖于实体企业影子银行获取资金。相应地，参与放贷的实体企业将大量资本投入非主业的影子银行业务，说明企业主营业务很可能存在经营不善等状况，并且可能伴随财务、经营、法律、诉讼等诸多风险问题，致使企业期望于通过影子银行业务攫取利润，平滑主营业绩。若出借资金无法回笼，对放贷企业自身经营状况而言无疑是雪上加霜，甚至会使其面临因流动性危机而破产的风险(沈红波等，2013)。同时，当实体企业将本该用于发展主业的生产经营性内部资金，通过影子银行业务放贷给这些中小微企业或者新兴企业时，这些借款企业的经营、财务等风险问题可能同样严峻，甚至是有过之而无不及，倘若借款企业经营、财务等风险爆发，且没有足够的抵押品用以偿还借款，那么寄希望于影子银行业务的放贷企业很可能是血本无归，这无疑会加剧企业潜在的违约风险。并且，由于影子银行业务不是企业的主营业务，若将大量资本投放于影子银行业务，势必会导致企业过度消耗现金资产，造成企业自身内部现金流不足，增加财务困境成本，加剧现金流风险(花冯涛和徐飞，2018)，对企业主业投资和生产运营产生强烈的负面冲击，而当企业的现金流不足以支付偿债成本和本金支付，或者现金流风险加大时，就会加剧企业的违约风险(Brogaard 等，2017)。

在本次课题中，我们以河北地区多所高校为例，对在校大学生及毕业一年内的应届毕业生做了一个抽样调查。调查结果显示：在就业模式选择上，40%的大学生选择通过对口校招实现就业选择，继续求学深造的占总抽样人数的27%，主动去应聘有意愿的企业或参加公务员及事业单位考试的人数占18%，自主创业的大学生及应届毕业生仅有15%。在自主创业部分中，26.7%的大学生选择从事或打算从事与共享经济领域相关的创业项目，即共享经济领域创业大学生占总体抽样人数比例为4%，课题中调查整理得到大学生就业模式现状如图1所示。

因此，根据上述分析，本文提出如下假设:

H1:影子银行化会加剧实体企业违约风险，即实体企业影子银行业务规模越大，其违约风险越大。

三、研究设计

(一) 样本数据来源

本文选取2007—2018 年我国A 股上市公司为原始样本，按照以下原则进行样本筛选:剔除了金融类企业、主要变量存在缺失值及异常值的企业、当年被ST 或∗ST 的企业，并根据设定模型的需要，最终获取了21 672 个企业年度观测值。为控制极端值对实证结果可靠性的影响，本文对所有连续变量进行了1%和99%分位的缩尾处理。本文所用到的相关数据主要来自国泰安(CSMAR) 数据库。

(二) 模型设计

本文主要研究实体企业影子银行化对违约风险的影响，为检验假设H1，构建如下实证模型:

在模型(1) 中，影子银行化(Shadow) 的系数α1的符号和显著性是本文关注的重点，反映了实体企业影子银行化(Shadow) 对违约风险(EDF) 的影响。如果α1的系数显著为正，则说明实体企业影子银行化对违约风险有正向效应，即实体企业影子银行化会加剧违约风险，影子银行化规模越大，违约风险越大。

(三) 变量定义

1.违约风险

本文采用Bharath 和Shumway (2008) 提出的预期违约频率(expected default frequency，EDF) 作为企业违约风险的代理变量，其具体计算过程如下:

其中，Equityi，t为企业资产的价值；Debti，t为债务的账面价值，由短期负债与0.5 倍长期负债之和求得；ri，t-1为企业上一期的年度收益率，用上一年度的月度股票收益率估计；δEi，t为权益的波动率；δVi，t为企业价值总波动率的近似值；将期权的到期时间Ti，t设定为1年。利用公式(2) 计算出违约距离DDi，t，并通过累积标准正态分布函数得到企业违约风险EDFi，t，EDF值服从正态分布，取值范围在0 至1 之间，EDF值越大，说明企业违约风险越大。

2.影子银行化

根据实体企业影子银行化运行机理，本文从微观视角出发，借鉴韩珣等(2017) 以及李建军和韩珣(2019)，并对照相应的企业财务报表项目，将委托贷款、委托理财和民间借贷三类影子银行业务的规模加总，作为实体企业影子银行化规模的测算结果。其中，按照会计准则的具体要求，大部分上市公司将委托贷款业务列在其他流动资产项目下，可以根据财务报表附注中的“其他流动资产”明细分类整理获得；委托理财作为企业的对外投资业务，其相关数据可通过国泰安对外投资数据库获得；实体企业以过桥贷款等方式从事民间借贷类影子银行业务活动，大部分记录在其他应收款会计科目下，且鉴于民间借贷具有高隐蔽性，可将其他应收款作为衡量民间借贷的代理变量及企业之间资金漏损的补充。由此，实体企业影子银行化的计算公式为:Shadow ＝(委托贷款＋委托理财＋其他应收款)/总资产。

3.控制变量

借鉴陈德球等(2013)、王化成等(2019)、孟庆斌等(2019)，以及许红梅和李春涛(2020) 的研究，并结合本文的研究问题，采取以下控制变量(Controls):资产负债率(Lev)、企业规模 (Size)、盈利能力 (ROE)、现金流量 (Cashflow)、企业成长性(Growth)、资产流动性(Liquidity)、债务担保能力(Tangibility)、经营效率(Turnover)、股权集中度(ShTop1)、股权制衡度(Balance)、是否亏损(Loss)、企业所有权性质(State)、董事会独立性(Indep)、企业年龄(Age)。此外，本文还控制了年份与行业固定效应。①因篇幅所限，本文省略了变量释义列表和描述性统计分析，感兴趣的读者可在《经济科学》 官网论文页面“附录与扩展”栏目下载。

四、实证结果与分析

(一) 基准回归结果分析

为了考察影子银行化对实体企业违约风险的影响，本文以简化的违约概率衡量企业违约风险(EDF) 作为被解释变量，以影子银行业务总额与总资产比值计算实体企业影子银行化(Shadow) 作为解释变量，对模型(1) 进行回归，并将样本按未经总资产标准化的企业影子银行化总额大小排序，分为高(HighShadow)、中(MiddleShadow)、低(LowShadow) 三组，分别采用模型(1) 作进一步验证，相关回归结果如表1 所示。列(1) 显示了Shadow对企业EDF的回归结果，结果表明，Shadow的系数为0.0235 且在1%水平上显著，说明实体企业影子银行化规模越大，违约风险越大。进一步比较列(2)、(3) 和(4) 可知，在LowShadow 组中，Shadow的系数为0.0153 但并不显著；在MiddleShadow 组中，Shadow的系数为0.0476 并在5%水平上显著；而在HighShadow 组中，Shadow的系数为0.0700，大于0.0153 和0.0476，并在1%水平上显著，说明随着影子银行规模的扩大，影子银行化对违约风险的正向影响越来越明显，即发生违约的可能性增大，进一步支持了本文的研究假设H1。

表1 实体企业影子银行与违约风险:基准回归

(二) 稳健性检验

1.内生性问题

第一，为克服变量之间反向因果关系或者因遗漏变量而可能产生的内生性问题，本文借鉴李建军和韩珣(2019) 的处理方法选取Shadow的滞后一期值，以及企业所在同一行业的其他企业的影子银行化规模的均值，作为本文实体企业Shadow的工具变量，采用两阶段最小二乘法(IV-2SLS) 进行进一步内生性检验。第二，针对主假设中可能存在的样本自选择的内生性问题，本文采用Heckman 两阶段法进行检验。根据实体企业Shadow是否大于样本中位数，设置虚拟变量Shadow_Dum，代入第一阶段的Probit 回归模型中，利用此阶段的结果计算出逆米尔斯比率(IMR)，并将其作为控制变量代入Heckman 第二阶段模型进行拟合。由表2 列(1) 和(2) 可知，在考虑了遗漏变量和样本自选择等内生性问题后，影子银行化会加剧企业违约风险的结论依然成立，说明本文的研究结果仍是稳健的。

2.替换因变量衡量方法

第一，本文借鉴陈德球等(2013) 和陈婧等(2018)，以企业是否实际发生违约事件作为被解释变量(Default)，设定为t＋1 期的虚拟变量，如果企业当年实际发生违约，则赋值为1，否则为0，并采用Logistic 模型进行检验。第二，借鉴Altman (1968) 和Favara 等(2017) 的做法，采用Zscore指数作为企业违约风险(EDF) 的替代变量对模型(1) 进行检验，其中Zscore值越大，代表企业发生违约风险的可能性越小。第三，参考孟庆斌等(2019) 的做法，在Zscore指数的基础上，本文将其按大小分为5 组，设置违约风险虚拟变量Zscore_Dum为被解释变量，若Zscore指数为最小值的一组，Zscore_Dum取值为1，否则为0，采用Logistic 模型进行稳健性检验。由表3 列(1) — (3) 可知，在替换因变量衡量方法后，研究结果并未发生实质性变化，与基准回归的结论相一致，说明本文的研究结论是稳健的。

表2 实体企业影子银行与违约风险:内生性问题

表3 实体企业影子银行与违约风险:替换因变量

3.违约风险测度的敏感性分析

前文在对企业违约风险的衡量中，主要是借鉴Bharath 和Shumway (2008) 的方法，以美国历史数据为依据，将违约风险临界点定义为短期负债与0.5 倍长期负债的算术加和，这可能与中国实体企业的实际情况不符，所以，本文通过改变违约风险计算公式中所涉及的临界点参值，排除其对本文研究结论的干扰，以保证数据结果的稳健性。借鉴马若微等(2014) 的做法，本文将长期负债对应的参数值依次设定为0.1，0.2，…，0.9，1，并以计算得到的违约风险变量作为被解释变量，分别代入到模型(1)，重新对本文的假设H1 进行检验。回归结果表明，违约风险临界参数的改变并未对本文的研究结论产生影响。

(三) 基于现金流风险的中介效应检验

由于实体企业影子银行业务具有高风险、高利差、高杠杆等特性，企业将本该用于发展主业的生产经营性内部资本作为放贷资金，为借款方提供影子银行业务支持后，自身就会面临资金缺口，导致企业过度消耗内源现金资产，增加财务困境成本。企业一旦收不回贷款资金，或者自身有投资需要时无法及时收回贷款资金，而短时间内又没有可以及时补充的资金来源，必然会导致内部现金流不足，加剧现金流风险。而当企业的平均现金流水平下降或其现金流波动性增加，或两者同时发生时，现金流风险加大，违约风险就会增加(Brogaard 等，2017)。基于此，本文认为影子银行化可能会通过加剧现金流风险，进而增加违约风险，即现金流风险可能是实体企业影子银行化影响违约风险的中间路径。因此，为检验现金流风险是否为影子银行化影响违约风险的中介机制，本文构建如下检验模型:

模型(6) 检验影子银行化对现金流风险的影响，模型(7) 检验现金流风险对违约风险的影响，其中CFR表示企业的现金流风险，采用单指标计量，侧重于考察企业现金流的波动，即现金流量在一段时间内的标准差，其值越大，说明现金流的波动程度越高，企业现金流风险越大。参照花冯涛和徐飞(2018) 的方法，本文采用企业过去三年的每股经营活动现金净额的标准差来计算，具体计算公式如下:CFR ＝Sd(t-2 至t年经营活动产生的净现金流量/总股本)。此外，为验证现金流风险是否是影子银行化影响违约风险的中介变量，本文根据Sobel (1982)，首先，应关注模型(6) 中的系数β1，如果该系数显著异于0，则表明变量存在中介效应；其次，观察模型(7) 的系数γ1和γ2是否显著，如果γ1不显著，而γ2显著，则说明变量现金流风险(CFR) 存在完全中介效应，若系数γ1和γ2均显著，则说明存在部分中介效应。

表4 实体企业影子银行与违约风险:中介效应检验

表4 列(2) 和(3) 分别报告了模型(6) 和(7) 的检验结果。如列(2) 所示，在控制其他影响因素后，Shadow的估计系数为0.1924 且在1%水平上显著，说明实体企业影子银行化规模越大，现金流风险越高。列(3) 结果表明在加入变量CFR后，Shadow和CFR的估计系数均在1%水平上显著为正。并且，根据列(2) 和(3)的回归结果计算得出Sobel 检验的Z值为3.0497，远大于临界值0.97，证明中介效应显著(温忠麟等，2004)，说明现金流风险在影子银行化和违约风险之间存在部分中介效应，即影子银行化与违约风险之间存在着“影子银行化—现金流风险—违约风险”的影响路径。

五、拓展性分析

(一) 基于所有权异质性的影响分析

在我国，相对于非国有企业，国有企业与政府关系密切，可利用国家或地方政府信用的隐形担保，获取政府机构的资金支持，以及从金融体系获得足够的，甚至于远大于其正常生产经营所需要的贷款资金，具有较强的融资优势，却将大量的资金闲置于企业内部，致使其影子银行化动机强烈(王永钦等，2015；韩珣等，2017；彭俞超和何山，2020)。并且，国有实体企业影子银行化更容易造成社会福利损失，加剧企业经营风险(刘珺等，2014；李建军和韩珣，2019)。那么，影子银行化对违约风险的影响效应是否会因企业所有权异质性而有所不同? 根据企业所有权性质，本文将样本分为国有企业和非国有企业两组，对模型(1) 进行分组检验。从表5 Panel A 的结果可以看出，相比于非国有企业，国有企业影子银行化对其违约风险的正向影响更为显著，影子银行化对违约风险的影响效应会因企业的所有权异质性而有所不同。

(二) 基于区域异质性的影响分析

我国经济发展存在区域异质性，与东部地区相比，中西部地区的金融发展水平较低，法制监管程度较弱，资本市场发展相对缓慢，外部融资环境和经营环境欠佳，大多数企业自身经营状况和偿债能力较差。此时，若企业通过影子银行将资金放贷给经营状况和偿债能力同样较差甚至更差的企业，很可能就会面临资金无法及时收回甚至是无法收回的境地，进而导致其自身现金流断裂，违约风险增加。因此本文推测，与东部地区相比，西部地区的企业影子银行化对其违约风险的影响更大。根据企业办公地点所在地，本文将样本分为东部地区和中西部地区两组，对模型(1) 进行分组检验。由表5 Panel B 的结果可知，东部地区与中西部地区企业的Shadow与EDF的估计系数均显著为正，并且中西部地区的Shadow与EDF的估计系数大于东部地区，说明中西部地区实体企业影子银行化对违约风险的影响效应大于东部地区，验证了推测。

(三) 基于外部监管环境的影响分析

企业所处的外部监管环境会显著影响管理层的投资决策，较弱的外部监管环境可能会激发管理者的机会主义寻租行为，管理者可能会在不经监管机构批准的情况下，利用监管漏洞，通过影子银行业务将企业资金放贷给经营不善、信贷资质低下的企业，以期望攫取利差，但是若借款方发生违约，必然会影响放贷企业自身的偿债能力，加剧违约风险；而当外部监管环境较强时，监管部门监管力度较大，致使企业不能肆意将资金放贷给其他信贷资质不足的企业，并且因企业信息披露质量提高，放贷企业可以较为容易获取借款企业的经营、财务和风险等方面信息，对借款企业信贷资质做出更加清晰的判断，从而从根源上降低企业自身的违约风险。因此本文推测，与外部监管环境较强时相比，当企业所处的外部监管环境较弱时，影子银行化对其违约风险的影响更为显著。为验证推测，本文以企业是否聘用国际“四大”会计师事务所作为外部监管环境的代理变量，当企业聘用的事务所为“四大”时，取值为1，否则为0，对模型(1) 进行分组检验。由表5 Panel C 可知，大多数参与影子银行业务的企业并没有聘用“四大”，而是选择了规模较小的事务所进行审计，其Shadow与EDF的估计系数显著为正，而对于聘用“四大”的企业，其Shadow系数虽为正值但并不显著，验证了推测。

(四) 基于经济周期的影响分析

企业的可持续性发展离不开宏观经济的影响，并且企业所处的经济周期阶段又是影响企业经营的重要外部因素。在经济收缩期，宏观经济整体呈现疲软态势，实体企业经营环境恶化，企业面临着较高的财务困境风险，此时，企业将本该用于维持主业经营发展的资金放贷出去，而借款企业因为同处于经济收缩期，同样面临着经营状况不佳、投资回报率下降等问题，甚至是有过之而无不及，很有可能无法偿还借款，对放贷企业而言无疑是雪上加霜，而这必然会加剧放贷企业自身的违约风险。相对地，在经济扩张期，实体经济良性发展，企业经营环境整体向好，信贷评级机构风险承担能力提高，更倾向于放松对企业违约风险的判断、高估企业的信用评级，使处于融资劣势的企业更容易获得信贷支持，融资约束压力降低，进而减少对影子银行的依赖程度。因此，此时影子银行化对企业违约风险的影响可能并不明显。为验证以上预期，本文参照陈漫和张新国(2016) 的方法，并结合本文样本区间，通过HP 滤波方法来萃取出GDP 序列中的经济周期因素，得出:2007—2008 年、2010—2011 年、2017—2018 年为经济扩张期，其他为经济收缩期，并定义经济周期虚拟变量，即当处于经济扩张期的年份，取值为1，否则为0，对模型(1) 进行分组检验。由表5 Panel D 可知，在经济扩张期，Shadow的估计系数虽然为正值但并不显著，而在经济收缩期，Shadow的估计系数显著为正。这说明在经济扩张期实体企业影子银行化并不会加剧违约风险，而在经济收缩期影子银行化对违约风险具有显著的正向影响。

表5 实体企业影子银行与违约风险:拓展性分析

(续表)

六、研究结论与建议

实体企业影子银行化，作为我国二元融资市场的产物，以类银行信用中介的形式，将实体经济与金融市场紧密地联系了起来，并且实体企业影子银行化与实体经济萎缩有着密不可分的关系，而实体经济的萎缩又将加剧金融风险，深化资本脱实向虚问题。本文以2007—2018 年我国A 股非金融类上市公司为研究样本，通过理论与经验分析综合考察了实体企业影子银行化对违约风险的影响效应、影响路径，以及不同情境对二者关系的异质性影响。研究结果表明:第一，实体企业影子银行化与违约风险存在显著正相关关系，即实体企业影子银行化规模越大，发生违约的可能性越大；第二，影子银行化会通过加剧现金流风险，进而对违约风险产生正向效应，即现金流风险是影子银行化影响企业违约风险的部分中介路径；第三，对于国有、中西部、外部监管环境较弱以及处在经济收缩期的实体企业，其影子银行化对违约风险的影响更强。

结合本文的研究结论，提出以下建议:(1) 对于实体企业，一方面，应意识到主业是保障其持续经营的立命之本，并且管理层要有长远战略眼光，构建科学的风险管理体系，逐步降低对影子银行这种类银行信贷中介业务的投资额度，防控违约风险；另一方面，管理层应综合考虑企业的整体发展战略，提高企业信息透明度，利用企业地理位置等资源优势，密切关注宏观经济及外部监管环境变化，抑制自身短视行为，制定合理的现金管理规划，降低现金流风险，并且国有企业应逐步消除过度融资的偏好。(2) 对于相关政府监管部门和政策实施部门，一方面，应加强对实体企业影子银行业务信息披露的监管力度，健全识别机制，明确信息披露范畴，严控企业参与金融体系产生资金“空转”套利，防范实体企业影子银行化引致的违约风险积聚以及连环违约问题，同时加强对金融创新产品的立法保护，规范金融创新，逐步化解金融风险；另一方面，应加大对中小企业和新兴企业的信贷扶持力度，对中小微企业施行贷款利率优惠或补贴政策，消除流动性错配和价格歧视问题，创造公平的融资环境，优化资本市场的资源配置效率。