限购政策对房地产上市公司现金持有的影响

冯浩 赵寒旭

摘要：房地产行业在我国经济的稳步增长阶段起着不可忽视的重要作用，能以不同形式带动我国其他近60多个产业的经济发展，对我国经济增长的平均贡献率达到14.3%以上。然而，随着人民生活的好转，需求消费的增加，该行业因其供需刚性以及投资属性而产生了不少的经济泡沫。根据权衡理论以及委托代理理论，企业会在自身面临不确定性风险较大的时候采取持有较多自由现金的策略，以更好地应对未知风险的出现。为了更好地阐述房地产上市公司受限购政策的影响，通过OLS、DID以及相应的稳健性检验方法，检验并验证后得到如下结论：当某地区颁布限购政策的时候，其公司所持有的自由现金量会在一段时间内上升以应对可能出现的未知风险。

关键词：限购政策;自由现金;双重差分

中图分类号：F293 文献标识码：A

文章编号：1001-9138-（2022）02-0030-09 收稿日期：2022-01-10

1 引言

房地产上市公司对我国经济的稳步增长影响大量集中体现于以下两方面：（1）直接投资。对房地产上市公司进行直接的投资（购买股票、可转债、基金等），可以直接带动该产业的经济增长;（2）间接投资。得益于房地产修建的长期性，房地产上市公司在行业运作中形成了较长的产业链条，对房地产上市公司进行投资也就会理所当然地带动其他行业的投资与消费。说明房地产上市公司相比于其他上市公司更容易收到经济周期性波动带来的冲击，并且往往会表现出更为显著的影响。可以观察到2010-2019年的国房景气指数形成了较大幅度的波动如图1所示，而2010年正是我国政府开始加大对房地产上市公司管控力度的关键转折点。

从10年之间总体来看，房地产上市公司都在短时间内面临着较为剧烈的风险，而通过权衡理论以及委托代理理论的定性分析可以推断出，在这段时间内，它们会持有较大数额的现金来避免更多不确定性风险的出现。然而对于不同的城市，其限购政策的实施以及影响又有着不同程度的反应。这就导致，即便是在总体层面内描述的限购政策会导致房地产上市公司持有自由现金量的减少，也不能排除部分地区会产生截然相反的情况。

为了定量描述、深入探究房地产上市公司受其所在上市地区限购政策的影响，本文通过从CSMAR数据库选取的有关数据，通过OLS模型优先确定与房地产上市公司持有现金量有关的解释变量，随后选出于沪深两地上市的，整体规模以及财务状况近似的A、B两公司，选用difference-in-difference模型（即双重差分模型）来探讨限购政策的影响。研究目的有以下三点：（1）确定与房地产上市公司持有现金量有关的解释变量;（2）检验B公司在受到当地限购政策的影响时，是否会比未受到类似影响的相同规模的A公司要持有更多的自由现金;（3）排除B公司是否会在没受到影响的情况下选择比受到影响的情况下持有更多自由现金的伪结论。创新点：（1）运用定量数据阐述限购政策对房地产上市公司的真实影响;（2）引入学术界分析政策效应十分热门的DID模型对房地产上市公司受到限购政策影响的真实后果进行剥离分析。

2 研究现状与假设

现金作为资产负债表之第一项列示内容，是最具有流动性的企业资产。任何一个企业都会储备一定数额的资金来保证其不会因资金链的断裂而崩溃。Dittmar等（2003）对1998年间世界上主要国家和地区公司企业的持有现金比例进行了比较，发现中国地区上市公司对现金的持有水平处于一个较高地位。Myers和Majluf （1984）从信息不对称会造成逆向选择从而导致柠檬市场的角度出发，他们研究得出结论认为：为了避免不必要的风险以及降低信息不对称选择所带来的高成本，公司就应该持有充足的现金来避免“劣币驱逐良币”现象的产生。在这后来，不管是Jensen和Mecking （1976）、Myers （1984）从权衡理论视角出发，还是Jensen （1986）、Dittmar（2003）从委托代理理论的视角出发，这些学者都从实证角度证明了企业现金持有比例对上市企业的决策会产生一定程度的负面影响。随着时间的推移，Foley等（2007）、Haushalter等（2009）、Bates等（2008）又站在其他例如宏观经济、行业环境、公司财务等各个方面采用不同实证方法分析了影响企业所持有现金量大小的关键因素。也就是说，国外学者目前的研究已经从基础理论部分的延申转入到了实际宏观调控的影响上来。

关于对房地产行业的宏观调控，限购政策即是最重要作用力之一。限购政策的出台首先影响到的就是房地产行业，随之而来地会对与之关联的行业造成严重程度不一的影响。（Green，1997;Coulson和Kim，2000）Ahuja等（2010）、Wu等（2012）、Bian和Gete （2014）的研究发现，尽管确实有着供需的刚性支撑，但一些地区仍然会存在一定量的房价泡沫。限购政策的出台，无疑会从一定程度上切断需求，减少泡沫，但仍可能会对房地产行业产生较为显著的影响。Custodio等（2005）指出，当行业经济下行时，房地产企业会持有更多的现金以应对未来的不确定性。限购政策从宏观调控方面对房地产行业产生冲击，那么房地产行业就极有可能表现出更多地持有现金以减缓冲击的危害性。可以看出，国外学者对限购政策之于房地产企业的研究也在稳步进行中，最后的盖棺定论也比较趋近限购政策会使得房地产企业增加现金持有这一观点。

对于国外从权衡理论以及委托代理理论视角出发的，对企业持有自由现金流的看法，国内的学者也有部分保持赞同意见。彭桃英等（2006）认为，权衡理论相比于代理理论更能阐述我国企业持有较多自由现金的行为。但国内学者的研究主要还是从制度背景、公司治理机制以及财务状况等角度出发。张人骥等（2005）以991家A股公司在2000年的数据为基准样本，运用线性回归模型，证明出来股东保护与现金持有呈现负相关的关系。但胡国柳等（2006）从公司治理的角度实证，认为在第一大股东的持股比例会直接导致企业现金持有水平的变化。辛宇等（2006a）的研究表明，上市公司的现金持有比例与其公司微观治理机制的建設呈现正相关，另一研究则表明，上市公司的现金持有水平与其治理环境等存在着显著相关关系。周伟等（2007）发现我国的企业面临融资约束较多，会较多的持有自由现金以替企业带来较高的收益。那么，既然我国企业持有的自由现金流普遍较高，那么限购政策对我国企业会不会造成较小的影响或者干脆是没有多大影响呢？

刘洪玉和张红（2006）的数据指出，我国房地产投资拉动经济增长的平均贡献率为14.3%。梁云芳等（2006）的实证表明，我国房地产行业能正面或者侧面拉动近60多个产业的经济发展。无独有偶，曹振良（2003）、李启明（2002）、王国军和刘水杏（2004）的研究都证明了房地产投资对其他相关产业经济增长的有益性。国内学者策无遗算的实证研究都证明了，房地产企业在收到限购政策等的宏观调控时，会直接抑或间接导致整体经济环境的衰败。根据权衡理论进行考量，这种经济环境的恶化变动，会影响房地产企业对其自身对于所处环境的判断，从而持有更多的自由现金以减少经济冲击带来的不确定性。

针对上述梳理，本文提出如下假设：限购政策会使得房地产公司持有更大比例的自由现金。

3 数据与实证模型

3.1 数据选取于预处理

本文通过CSMAR数据库选取2010年到2019年上市于沪深两地的房地产公司进行后续实证分析。在数据预处理阶段：（1）避免因数据无法达到一致连续性而影响后续检验结果。删除在2010年到2019年中退市、缺乏数据的公司，删除在这十年间上市的房地产公司的数据。（2）为了后续DID模型结论的准确性，在进行DID模型的分析之前，首先选取上市于沪深两市规模相同的房地产企业共计3个，剔除一个在深交所2010年上市企业（减缓IPO对后续计量的反向影响），剩余两个分别上市于沪深两地且规模相近的房地产企业;（3）后续稳健性检验需要用到的数据另取。

3.2 变量与模型

本文中涉及到的解释变量与被解释变量定义如表1所示。

本文对OLS模型的定义如下所示：

cash_ratio=α×net_ profit+α×tot_asset +α×cur_debt_ratio+α+e                                 （1）

其中，cash_ratio表示企业所持有的现金比例，即，企业现金持有水平;net_profit表示企业的净利润;tot_asset表示企业的总资产;cur_debt_ratio表示企业的流动负债比率，α表示回归中的常数项，e表示回归中能使得所有观察值残差平方和最小的误差。

本文对DID模型的定义如下所示：

cash_ratio = β×treat + β₂time+ β×treat·time+β×net_ profit+β×tot_asset+β×cur_debt_ratio +β+ε                                     （1）

其中，部分变量和上述OLS模型中保持一致，除此之外，treat为分组虚拟变量，若个体i受政策实施的影响，则个体i属于处理组，对应的treat取值为1.若个体i不受政策实施的影响，则个体i属于对照组，对应的treat取值为0;time为政策实施虚拟变量，政策實施之前time取值为0，政策实施之后time取值为1。treat·time为分组虚拟变量与政策实施虚拟变量的交互项，其系数β3则反映了政策实施的净效应。

4 OLS模型与DID模型的回归

4.1 描述性统计

分别对收集到的数据进行描述性统计，统计结果如表2所示，表2表示在深交所和上交所上市的房地产企业基本情况。

其中，Code为SZ表示本统计中在深交所上市的所有房地产公司，SH表示在上交所上市的所有房地产公司。Obs表示观测值的样本个数;Mean表示平均值;Std.Dev.表示标准差;Min表示最小值;Max表示最大值。

可以观察到无论是在深交所还是上交所上市的房地产企业，其净利润和总资产的标准差十分之大，这样毫无疑问会影响到后续回归的进行，为了使后续回归更加严谨以及结果更好呈现，现对这两个解释变量取对数值。即：

ln_net_ profit = ln （net_ profit）                   （3）

ln_tot_asset = ln （not_asset）                       （4）

4.2 OLS模型

使用OLS模型对收集到的沪深两地的上市房地产企业进行回归，如表3所示。

其中，模型（1）表示在深交所上市的房地产企业所持有现金数额的解释模型;模型（2）表示在上交所上市的房地产企业所持有现金数额的解释模型。

可以看出于深交所上市的房地产企业其各个解释变量都十分显著，并且显著性十分高。具体释如下义：（1）当净利润每增加1000个单位，其现金持有比例就会增加约2个单位，即，于深圳上市的各类房地产企业平均会拿出利润的千分之二作为储备自由现金，并且于1%的显著水平下显著。（2）当总资产每增加100个单位时，其现金持有比例就会减少2个单位，即，于深圳上市的各类房地产企业会因为其自身总资产的增加而减少一定量的自由现金，且在1%的显著水平下显著。因为资产也可以在难以应对未知风险的时候进行变现，所以也是十分合理的。（3）当流动负债比率每增加10个单位时，其现金持有比例就会增加约1个单位，即，流动负债的提高会让企业产生一定程度的警惕性，从而增加其持有的自由现金量以避免无法还清流动负债所造成的违约风险，并且这个p值同样也是十分显著的。

在上交所上市的房地产企业其各个解释变量的显著性都与在深圳上市的房地产企业的各个解释变量有着一定程度上的不同。在上海上市的房地产企业在本回归中仅有总资产和常数项的数据是显著的。考虑到常数项的解释意义较弱，本文便不再对其进行进一步阐述。关于总资产量对持有自由现金量的影响与前文所示深圳上市房地产公司的总资产之于持有现金量的影响存在着类似的线性关系。其净利润和流动负债比率在stata里面呈现出的p值分别为0.107和0.323，均高于10%的显著水平，相比于显著性水平低于1%的解释变量来说，其解释能力较为弱小，但仍可以单方面认为在上海上市的房地产企业中，净利润对企业持有自由现金的影响是正相关的，具体的还需要后续的稳健性检验来证明结论。

4.3 DID模型

首先，在前文的模型描述中，本文说到可以直接体现出政策的净效应，下面将对净效应这一块优先展开解释，随后引入回归结果来说明其净效应。考虑DID模型：

cash_ratio=β×treat+βtime+β×treat·time+β×net_profit+β×tot_asset+β×cur_debt_ratio+β+ε

在政策实施前，即time=0时，此时处理组会表现出β+β+β+β+β，而对照组则会表现出β+β+β+β;在政策实施后，即，time=1时，此时处理组会表现出β+β+β+β+β+β+β，而对照组则会表现出β+β+β+β+β的形式，DID矩阵如表4所示。

上述分析便能很好的说明β3即可以很好地体现出政策的净效应，下面对选取出来的A、B两公司进行DID模型的构建与分析，其回归结果如表5所示。

本文在构建DID模型时，选取深圳上市的A公司作为控制组，上海上市的B公司作为对照组，依据上海市2016年颁布的《关于进一步完善本市住房市场体系和保障体系促进房地产市场平稳健康发展的若干意见》（以下简称：意见）作为限购政策影响变量设计time这一虚拟变量进行模型回归分析。从表4可以看出，did这个交乘项，即treat·time，也就是之前所说的政策净效应之于上市公司持有现金流量的影响十分显著。这也就代表着，上海市颁布的《意见》在1%的显著水平之下显著影响了在上海上市的房地产企业对自身持有自由现金量的考量，加大了它们持有自由现金量的力度。这也正与本文前期推断一致，即无论是依据权衡理论还是委托代理理论，当公司面临的外部风险有增加趋势或者已经增加时，该公司会倾向于持有更多的自由现金以应对不确定性风险。

5 稳健性检验

5.1 对OLS模型的稳健性检验

考虑到上述OLS模型中，上海地区上市的房地产企业其部分变量不够显著，为了进一步验证其模型的准确性以及变量的真实影响，并肯定深圳地区模型的稳健性，本文接下来对上述两个OLS模型进行稳健性检验以验证结论的稳定，如表6所示。

其中，模型（1）为在深圳上市的房地产企业的稳健性检验结果，可以观察到模型中的各个解释变量并没有出现很大的变化，即，该稳健性检验结果支持前文的OLS检验结果。也就是说现金持有比例的增加单位为净利润增加单位的1/500，即，于深圳上市的各类房地产企业平均会拿出利润的千分之二作为储备自由现金，并且于1%的显著水平下显著;现金持有的减少单位为总资产增加单位的1/50，即，于深圳上市的各类房地产企业会因为其自身总资产的增加而减少一定量的自由现金，且在1%的显著水平下显著。同理可知，这是因为资产在抵御未知风险时也存在着不可忽视的强大力量，所以总资产的增加可以使得公司在一定程度上减少对自由现金的持有程度;现金持有比例的增加单位为流动負债比率增加单位的1/10，即，依据权衡理论，流动负债的提高会让企业产生一定程度的警惕性，让企业重新权衡资产、负债与所有者权益之间的比例关系，从而选择增加其持有的自由现金量以避免无法还清流动负债所造成的违约风险，并且这个p值同样也是十分显著的。

模型（2）为在上海上市的房地产企业的稳健性检验结果，可以观察到模型中的各个解释变量也并没有出现很大范围的变化，仍然是只有总资产和常数项显著，不过这也进一步验证了前文所示的OLS结果的稳健性。稳健性检验表明，净利润对于上海上市的房地产企业的现金持有比例的影响并不能达到一个十分显著的水平，甚至可以说是与统计学认知范围内的显著二字几乎不相干;总资产之于现金持有比例的影响仍然显著，并且也跟在深圳上市的房地产企业保持着类似的负相关关系，即，在上海上市的房地产企业的现金持有比例会随着总资产的增多而产生负向减少的变化，变化比例约为2%，与深圳企业的相同变化保持一致。净利润和流动负债比率在stata中的p值分别是0.164和0.396，基本与前文的OLS分析保持一致，也就是说这两个解释变量对上海的房地产上市企业的影响并不显著。当然，在这其中，也有可能是其他政策的作用所导致的地区差异性。

5.2 对DID的稳健性检验

5.2.1 共同趋势的检验

考虑到DID共同趋势检验采用实证方法的难度较大，本文选用绘图的方法来验证DID对照组与处理组之间的共同趋势行为如图2所示。

从图2中不难看出，所选取的A、B两家公司在整体的趋势之上基本是保持随着年份增长从而增长其现金持有比例的。虚线部分表示上海市于2016年实施的《意见》，可以看到，随着上海市2016年实施这样一种限购政策，B公司的现金持有水平在短期之内显著上升，这也就印证了前文DID分析中所展示出的，政策的实施会推动房地产上市企业现金持有量的增加。这也就说明了，政策对房地产上市的净效应是存在的，也就能排除在不受政策调节之下会因为其他因素的影响导致B公司持有现金流量增加的这样一个伪结论。这即是说明了前文选用DID分析的方式合理性以及结果稳健性。

5.2.2 安慰剂检验

考虑陈刚（2012）研究法官异地交流对司法效率的影响所采用的安慰剂检验方式，本文依此类推，采取缩短A、B两公司取值年限的方式进行DID的安慰剂检验（DID假设检验的一种），缩短其范围至2010年-2015年，并假设B公司于2013年实施了这样的限购政策，随后再对同样的解释变量与被解释变量套用DID模型，如果结果不显著，则表示不存在安慰剂效应，即，原来的DID模型的估计结果是没有偏误的，被解释变量公司持有现金比例的变动并没有受到其他随机性因素的影响。安慰剂检验结果如表7所示。

安慰剂检验结果如上表所示，did_placebo这一交乘项并不显著，这说明，本文构建的DID模型并没有受到其他未知不确定因素的印象，模型十分合理，回归结果也十分准确。

6 结论与建议

通过上述一系列的研究，文章开头所提及的假设得到了充分证实，即，从实证角度论证了限购政策会使得上市的房地产企业加大自身现金持有的比例。

在政策建议方面：（1）应当促进我国房地产价格评估市场的建立与完善。应当考虑引入独立的第三方报价体系减少房地产企业的泡沫，可以在一定程度上减少部分投资者对于房地产投资的畸形策略;（2）应当充分考虑限购政策的成本与收益。限购政策在限制房地产上市公司发展的同时也会限制一系列与之有关的企业，从而大规模影响国内的经济形势;（3）精准把控限制力度。应当多方考量具体的实现方式以及处理手段，以保证不过分限制房地产行业和其他相关行业持续发展的同时，又能减少房价的虚高。本文研究选用的A、B企业存在着上述政策影响，但也不排除其他企业会出现截然不同的表现，建议再进行研究时可以推广本文研究至更广泛的范围。此外，本文采取的安慰剂检验方式只是众多稳健性检验中的一种，后续研究可以采用更加有效的方式对本文进行合理的改进以为国家限购政策的实施出谋划策。

参考文献：

1.Didier Cossin，Tomas Hricko. The benefits of holding cash： a real options approach.Managerial Finance.2004.30（5）

2.Ghada Tayem. The Determinants of Corporate Cash Holdings： The Case of a Small Emerging Market[J]. International Journal of Financial Research.2016.8（1）

3.David Haushalter，Sandy Klasa，William F. Maxwell. The influence of product market dynamics on a firm's cash holdings and hedging behavior. Journal of Financial Economics.2006.84（3）

4.Yan，Hongbing. Effects of house-sale restrictions in China： a difference-in-difference approach.Applied Economics Letters.2018.25（15）

5.Weizeng Sun，Siqi Zheng，David M. Geltner，Rui Wang. The Housing Market Effects of Local Home Purchase Restrictions： Evidence from Beijing.The Journal of Real Estate Finance and Economics.2017.55（3）

6.Wu，Li. Impact of government intervention in the housing market： evidence from the housing purchase restriction policy in China.Applied Economics，2018，50（6）

7.Jing Wu，Joseph Gyourko，Yongheng Deng. Evaluating conditions in major Chinese housing markets[J].Regional Science and Urban Economics.2012.42（3）

8.黃翔.房地产上市公司现金持有水平的实证研究.科技和产业.2012.12（11）

9.张赟.限购政策对房价的影响研究——以南昌市为例.大陆桥视野.2020.08

10.李治国.“限购政策”对房地产市场经营效率影响有效性研究——基于上市公司的数据.中央财经大学学报.2014.12

11.杨帆 刘洪玉.房地产开发企业现金持有行为特征.清华大学学报（自然科学版）.2013.53（09）

12.张永升 荣晨.货币政策与房地产企业现金持有水平变化的实证.统计与决策.2011.04

13.郑世林 韩高峰 石光.房地产限购对公司违约风险的影响.世界经济.2016.39（10）

14.李红.限购限贷政策对房地产上市公司违约风险的影响研究.武汉理工大学.2019

15.马嘿克补.上市公司现金持有水平影响因素的实证研究.西南财经大学.2013

16.祝继高 陆正飞.货币政策、企业成长与现金持有水平变化.管理世界.2009.03

17.杨兴全 吴昊旻.行业特征、产品市场竞争与公司现金持有量——来自中国上市公司的经验证据.经济评论.2009.01

18.韦靓.北京市房地产价格影响因素分析及限购政策绩效评估.经济研究导刊.2012.24

作者简介：冯浩，湖北大学商学院教授，硕士生导师。

赵寒旭，湖北大学商学院，硕士研究生。