实体企业金融化影响企业信息环境吗?——基于分析师预测的视角

张立光，张婷婷，贺 康

(1.重庆理工大学会计学院，重庆 400054；2.西南财经大学保险学院，四川 成都 611130；3.西南财经大学会计学院，四川 成都 611130)

一、引 言

目前，影响我国经济健康发展的一大问题是虚拟经济和实体经济之间的失衡，表现为非金融企业越来越偏离主业，金融资产的配置比例快速提升，而实业投资率却持续下滑[1]，学术界将这种现象称为实体企业“金融化”[2]。实体企业的金融化严重制约了我国经济的健康发展，引发了政府和学术界的广泛关注。一些学者认为金融化对实体经济具有“挤出效应”，即金融化会挤出企业创新投资和固定资产等实物资本投资[3]，抑制企业创新[4]，从而抑制实体经济发展。然而，另一些学者认为金融化并不一定会对实体经济产生不利影响，因为金融资产投资具有“储蓄效应”，它可以发挥“蓄水池”功能，降低企业财务困境成本[5]和平滑投资波动[6]，从而对企业经营具有积极作用。纵观现有金融化经济后果的相关研究，学术界在微观层面并未得到一致结论。同时，现有研究主要关注金融化对实体经济的“挤出效应”和“储蓄效应”，却忽略了金融化对企业信息环境的影响。企业的外部利益主体如投资者、银行、供应商等对企业的了解程度与企业的信息环境息息相关，较好的信息环境可以提高股票流动性，减少投资者对企业前景的估计风险进而降低企业资本成本[7][8]，最终提高企业价值[9]。基于此，本文以分析师预测作为企业信息环境的代理变量，以2007—2019年中国A股非金融上市公司作为研究样本，实证检验企业金融化对信息环境的影响。

本文的贡献主要在于以下三个方面：第一，从微观企业层面揭示了“脱实向虚”抑制实体经济发展的新路径，即企业金融化将通过损害企业信息环境并降低企业融资效率从而抑制实体经济发展，有利于我们更好地理解金融化的负面影响。第二，丰富了企业金融化经济后果方面的理论研究。本文发现企业金融化会损害企业信息环境，进而提高融资成本，这对我国政府制定有针对性的政策防止经济“脱实向虚”具有一定借鉴意义。第三，进一步拓展了分析师行为影响因素的相关研究。已有研究关注分析师个人特征[10]和企业经营特征[11]如何影响分析师行为，本文发现企业从事金融资产投资也会影响分析师行为，揭示了影响分析师预测的新因素，为更好地理解分析师行为提供了经验证据。

二、理论分析与研究假设

企业金融化主要是指非金融实体企业偏离主业配置较高比例金融资产的行为。那么，企业金融化是否会影响企业的信息环境呢？本文认为，企业金融化会增加分析师预测难度，降低分析师预测准确性，从而损害企业信息环境。具体来说，金融化可能通过以下三条路径影响分析师预测：

第一，金融化增加了企业盈余波动性，降低盈余持续性，加大了分析师预测难度，进而对分析师预测产生负面影响。一方面，金融资产大多以公允价值进行后续计量，其投资收益具有较高的不确定性，比如交易性金融资产期末公允价值变动直接计入当期损益，当交易性金融资产的价格随市场大幅波动时，企业持有大量交易性金融资产无疑也会加剧企业盈余波动性；另一方面，代理问题的存在使得实体企业大股东和管理层出于获取短期超额收益的动机配置金融资产[2][12]。虽然配置金融资产可能在短期内帮助管理层达到特定盈余目标，但是金融资产投资收益较大的波动性使企业盈余并不具有持续性，企业盈余持续性变差。当企业盈余波动性增加、盈余持续性降低时，分析师难以通过历史盈余信息预测未来盈余，从而增加分析师预测误差和分歧度[11]。

第二，金融化会减弱企业会计稳健性，增加分析师预测难度，降低分析师预测准确性。更高的会计稳健性可以缩小企业会计盈余的波动范围，有利于提高分析师盈余预测准确性[13]。举例来说，假定企业一项资产的期末估值存在不确定性，该资产期末价值在区间[a，b]内等概率取值；若企业采取稳健的会计政策，则该资产的期末价值应缩小至区间[a，(a+b)/2]内，从而缩小估值范围。因此，会计稳健性可以在一定程度上缩小企业会计盈余的波动范围，降低分析师盈余预测难度。然而，金融资产却成为企业隐藏坏消息、粉饰报表的手段。金融化投资使得企业更加及时披露好消息的同时推迟对坏消息的披露，企业会计处理稳健性下降[14]，这最终会加大分析师预测困难，降低分析师预测准确性。

第三，从分析师的角度来看，金融化使得企业业务变得更加复杂，增加了分析师预测难度。信息的复杂性会阻碍分析师对信息的理解和使用，进而影响分析师预测。已有研究发现企业并购重组[15]等会增加企业业务复杂性，增加分析师信息获取成本和难度，从而增加分析师预测误差和分歧度。相较于具有稳定价值的实物资产，金融资产作为一种虚拟资产，具有多种计量方式，且价值随市场波动。因此，企业配置大量的金融资产将使其业务变得更加复杂，这对跟踪分析师的金融知识和技能提出了更高要求，从而加大了分析师预测难度。综上所述，本文提出如下假设：

H1：在其他条件不变的情况下，实体企业金融化程度越高，分析师预测误差和分析师预测分歧度越大。

三、研究设计

(一)变量定义

1.企业金融化的衡量

参照彭俞超等(2018)[14]，本文将企业金融化Fin定义为：企业资产负债表中的类金融资产(包括交易性金融资产、买入返售金融资产、可供出售金融资产、发放贷款及垫款和持有至到期投资)与期末总资产之比。

2.分析师预测误差的衡量

参考褚剑等(2019)[16]，本文用公式(1)衡量分析师预测误差：

(1)

其中，Mepsi,t是t年跟踪公司i的所有分析师盈余预测的中位数，epsi,t为公司i在t年的实际每股收益水平，Pi,t为公司i在t年的期初开盘价。Errori,t表示t年分析师对公司i的预测误差，Errori,t越大，分析师预测误差越大。

用公式(2)衡量分析师预测分歧度(Disp)，SD(Fepsi,t)为所有分析师当年最近一次每股盈余预测的标准差，Disp越大，表明分析师预测分歧度越大。

(2)

3.控制变量

参考分析师预测影响因素的相关文献，本文使用公司规模(Size)、财务杠杆(Lev)、固定资产比例(Gdratio)、股权集中度(Top1)、股票收益波动率(Retvol)、托宾Q(Tq)以及分析师跟踪人数(Analyst)作为控制变量，变量具体定义见表1。同时，在回归模型中控制行业(Ind)和年度(Year)的虚拟变量，以消除行业和年度的影响。由于企业的金融化行为存在同一地区企业之间相互“传染”的现象[17]，本文还在模型中控制了省份固定效应(Prov)。

表1 变量说明

续表

(二)模型设定

本文构建模型(3)检验企业金融化对分析师预测的影响。

Errori,t/Dispi,t=β0+β1Fini,t+β2Sizei,t+β3Levi,t+β4Gdratioi,t+β5Top1i,t+β6Retvoli,t+β7Tqi,t+β8Analysti,t+∑Ind+∑Year+∑Prov+εi,t

(3)

(三)样本选择和数据来源

本文的研究样本期间为2007—2019年。由于计算金融化指标的相关数据在2007年颁布新会计准则后才可获得，本文的样本期间开始于2007年。根据研究惯例对研究样本进行以下筛选：(1)如果分析师对同一公司同一年度进行了多次预测，仅保留最后一次预测值；(2)剔除分析师姓名、报告日期及盈余预测数据缺失的样本；(3)剔除金融行业样本；(4)剔除ST、PT等异常公司样本；(5)剔除资产负债率大于1及其他变量存在缺失值的样本。此外，本文对连续变量的极端值进行1%缩尾(Winsorize)处理。进行上述处理后，本文最终得到22061个“公司-年度”观测值。本文数据均来源于CSMAR数据库。

(四)描述性统计

表2为主要变量的描述性统计。其中，金融化Fin的均值为0.016，中位数为0.0001，说明上市公司平均持有的金融资产占总资产比例约为1.6%，且约有一半的上市公司持有金融资产，这与彭俞超等(2018)[14]的发现保持一致。同时，Fin的标准差(0.039)大于均值(0.016)说明各上市公司持有的金融资产差异较大。

表2 主要变量描述性统计

四、实证分析

(一)金融化与分析师预测：多元回归分析

表3报告了企业金融化与分析师预测行为的回归结果。表3列(1)以分析师预测误差(Error)为因变量进行回归分析，结果发现，企业金融化对分析师预测误差的影响系数为0.012，且在1%水平上显著，这说明企业金融化程度越高，分析师预测误差越大。表3列(2)以分析师预测分歧度(Disp)为因变量进行回归，结果发现，企业金融化对分析师预测分歧度的影响系数为0.069，且在1%水平上显著，这说明企业金融化加大了分析师预测分歧度。同时，本文考察金融化对分析师跟踪的影响。表3列(3)将分析师跟踪人数(Analyst)作为因变量，结果发现，企业金融化对分析师跟踪的影响系数为-1.476，且在1%水平上显著。这表明金融化增加了分析师信息获取成本，降低了分析师跟踪意愿。表3结果支持了我们的研究假设：企业金融化加大了分析师信息获取成本和预测难度，增加了分析师预测误差和分歧度，损害了企业信息环境。

表3 金融化与分析师预测：多元回归分析

(二)稳健性检验(1)本文还进行了如下稳健性检验，结论依然成立：(1)删除变量Fin为0的观测值后进行回归；(2)在公司和年度层面进行双重聚类调整(cluster)。限于篇幅，具体稳健性检验结果略，作者备索。

1.替换分析师预测和金融化的衡量方式

采用跟踪上市公司的所有分析师的盈余预测均值作为分析师预测值Meps，然后按照公式(1)重新计算分析师预测误差变量Error，并重复模型(3)的回归，本文结论不变。

在本文样本中，企业配置最多的金融资产是交易性金融资产和可供出售金融资产，因此本文采用交易性金融资产和可供出售金融资产之和除以期末总资产衡量企业金融化Fin，结果发现Fin系数仍然在1%统计水平上显著，与表3保持一致。这说明本文结论较为稳健。

2.内生性问题

借鉴杜勇等(2017)[2]的做法，本文将金融化Fin的滞后一期值(Fin_IV1)和滞后两期值(Fin_IV2)作为工具变量，采用工具变量-广义矩估计(IV-GMM)方法进行工具变量检验，相关检验表明工具变量满足相关性和外生性要求。结果发现Fin的系数均显著为正，表明即使考虑了内生性问题，企业金融化对分析师预测的负面影响依然存在。

参与金融投资的企业并不是随机产生的，它们可能与没有参与金融投资的企业有本质区别，本文采用倾向得分匹配(PSM)方法缓解上述问题。本文从样本期间未参与金融投资的企业当中，选取一组与参与金融投资的企业在主要财务指标上相似的企业构建对照样本进行回归分析，结果发现，本文的主要结论仍然成立。

(三)金融化与分析师预测：异质性分析

1.金融化与分析师预测：基于公司治理的视角

已有研究发现公司治理水平越高，分析师盈利预测偏差越小，分析师预测越准确[19]。同时，治理不善的公司管理层更可能出于自利动机配置较多的金融资产[20]。高水平的公司治理可以抑制管理层利用金融资产进行投机的行为，从而减少对分析师预测的负面影响。因此，本文预期金融化对分析师预测的负面影响主要集中于治理水平较差的公司。表4报告了公司治理水平如何影响企业金融化与分析师预测误差及分歧度之间的关系，使用机构持股比例作为公司治理水平的代理变量。其中，机构持股比例定义为年末机构持股占公司总股数的比例，机构投资者持股比例越高，表明公司治理水平越高。本文将机构持股比例在中位数以上的公司定义为治理水平高的公司，其余公司为治理水平低的公司。

由表4列(2)、(4)可知，在公司治理水平低的样本中，金融化Fin的系数显著为正，表明金融化对分析师预测的负面影响更显著，表现为更大的分析师预测误差和更高的分析师预测分歧度；而由表4列(1)、(3)可知，在公司治理水平高的组，金融化与分析师预测的关系不显著。这说明，较高的公司治理水平可以缓解金融化对分析师预测的负面影响。

表4 金融化与分析师预测：基于公司治理的视角

2.金融化与分析师预测：基于经营压力的视角

同一行业内竞争越激烈，企业越可能相互挤占市场份额，并实施低价竞争策略，降低企业利润。因此，面临更激烈竞争的企业的管理层经营压力更大，有更强的动机实施盈余管理以达到特定的盈利目标[21]，从而更有动机进行金融化。因此，本文预期相比经营压力小的企业，金融化对分析师预测的负面影响在经营压力大的企业更显著。表5报告了经营压力如何影响企业金融化与分析师预测的关系。行业竞争越激烈，经营压力越大，因此本文使用赫芬达尔指数(HHI)衡量企业经营压力，它等于行业-年度内每个公司的营业收入所占比例的平方和。HHI指数越低，表明产品市场竞争越激烈，企业面临经营压力越大。本文将HHI指数在中位数以下的企业定义为经营压力大的企业，其余为经营压力小的企业。表5分别就经营压力大和小的子样本对企业金融化与分析师预测的关系进行了回归分析，结果发现，在列(1)和列(3)中金融化Fin系数均不显著，而在列(2)和列(4)中金融化Fin系数均显著为正。这说明在经营压力大的企业，企业金融化会显著增加分析师预测误差和分歧度，而在经营压力小的企业，企业金融化对分析师预测的负面影响不明显。

表5 金融化与分析师预测：基于经营压力的视角

3.金融化与分析师预测：基于分析师能力的视角

金融化使得企业业务变得更加复杂，信息的复杂性会阻碍分析师对信息的使用，进而影响分析师预测，这对跟踪分析师的金融知识和技能提出了更高要求。跟踪上市公司的分析师能力越强，对该公司的盈余预测也越准确。相较于一般分析师，明星分析师盈利预测更为准确，能力更强。因此，本文采用明星分析师比例衡量跟踪上市公司的分析师能力。本文预期，与分析师能力强的上市公司相比，金融化对分析师预测的负面影响在分析师能力弱的公司中更显著。

明星分析师跟踪比例等于明星分析师人数除以分析师总人数。本文将明星分析师跟踪比例在中位数以上的样本定义为分析师能力强的样本，其余样本定义为分析师能力弱的样本。表6报告了分析师能力对企业金融化与分析师预测关系的影响。结果发现，在列(2)和列(4)中，金融化Fin系数均显著为正，而在列(1)和列(3)中，金融化Fin系数均不显著。这表明在分析师能力弱的样本中，企业金融化会显著增加分析师预测误差和分歧度，而在分析师能力强的样本中，企业金融化对分析师预测的负面影响不明显。这说明跟踪上市公司的分析师能力可以削弱金融化的负面影响。

表6 金融化与分析师预测：基于分析师能力的视角

(四)金融化与分析师预测：传导机制分析

为了更好理解本文的主要结论，即企业金融化增加了分析师预测误差和分歧度，本文从盈余波动性、盈余持续性、会计稳健性三个方面考察企业金融化影响分析师预测的作用路径，回归结果如表7所示。由表7列(1)的回归结果可知，Fin与盈余波动性正相关，且至少在1%水平上显著，说明金融化增加了企业盈余波动性。列(2)检验企业金融化对当期盈余(Croa)与未来一期盈余(F.Croa)持续性的影响，结果发现，交乘项Fin*Croa的系数显著为负，这说明金融化使得企业盈余的持续性降低。列(3)回归结果表明，企业金融化Fin系数显著为负，这说明金融化使得企业对坏消息披露的及时性下降，降低了企业的会计稳健性。表7结果表明金融化增加盈余波动性、降低盈余可预测性和会计稳健性，进而增加分析师预测误差和分歧度。

表7 金融化与分析师预测：作用机制分析

(五)金融化的经济后果：基于融资成本的视角

金融化会对分析师预测产生负面影响，恶化企业信息环境。较好的信息环境有助于投资者对企业前景作出更准确的评估，降低投资者风险，从而降低股权融资成本[22]和银行贷款成本[23]。按此逻辑，本文预期金融化会因恶化企业信息环境而增加企业融资成本。本文从股权融资成本和银行贷款成本两个角度进行分析，采用公式(4)计算企业股权融资成本(Equitycost)：

(4)

其中，eps2、eps1分别代表t+2期、t+1期的预期每股收益，P0表示当期每股价格，回归结果见表8列(1)。本文采用银行贷款利率(Debtcost)衡量银行贷款成本，它等于利息支出除以银行贷款余额。由表8列(1)、(2)可知，Fin系数均显著为正，且至少在5%水平上显著，这表明金融化恶化了企业信息环境，增加了投资者的风险感知，进而提高企业融资成本，降低企业融资效率。表8揭示了企业金融化对实体经济的负面影响，即提高企业融资成本。

表8 金融化的经济后果：基于融资成本的视角

五、结论与启示

近年来，在中国实体经济不景气的同时，虚拟经济却蓬勃发展，经济出现“脱实向虚”的现象，这对我国经济的健康可持续发展产生了不利影响，引起了党和国家领导人的高度重视。那么，金融化到底会如何影响实体经济呢？从微观企业信息环境角度出发，基于2007—2019年中国A股非金融上市公司的财务数据，本文实证检验企业金融化对信息环境的影响。研究发现企业金融化恶化了企业信息环境，即金融化增加了分析师预测误差和分析师预测分歧度，减少了分析师跟踪人数。异质性分析表明，良好的公司治理和更强的分析师能力可以缓解金融化对分析师预测的不利影响，而较大的经营压力则会加剧金融化的负面影响。传导机制分析表明，金融化主要通过增加盈余波动性、降低盈余持续性和会计稳健性对分析师预测产生负面影响。最后，金融化带来的信息环境恶化提高了企业融资成本，降低了企业融资效率，对企业经营产生不利影响，进而影响实体经济。

本文的研究结论从微观层面揭示了企业金融化的不利影响，为我国政府及监管部门制定相关措施提供了启示。第一，监管部门应对实体企业金融化行为进行严格的监督管理，甚至可以限制企业投资风险高的金融资产，避免形成资产泡沫。同时对企业利用信贷资金进行投机套利的行为进行严厉打击。第二，政府部门应为企业营造良好的实业投资环境，提高上市公司进行实业投资的热情。政府部门需要切实减轻企业税费负担和融资成本以鼓励企业进行创新，提高企业生产率和利润率，缩小其与金融行业的差距。第三，上市公司应积极聚焦主业，减少金融资产投资行为。金融化损害了企业信息环境，导致企业融资成本提高，损害了企业价值。因此，上市公司应充分认识到金融化对企业发展带来的危害，积极着眼于企业的长期发展，壮大主业。第四，应该加强对上市公司治理的要求。实体企业金融化背后隐藏着严重的代理问题，本文发现较高的公司治理水平可以抑制企业金融化的负面影响，因此，提高公司治理水平可以对实体企业金融化进行有效约束。