您好, 访客   登录/注册

影子银行相对规模对房地产企业公司绩效的影响

来源:用户上传      作者:

  【摘要】本文以房地产行业作为研究对象,选取了2000年到2016年共57家房地产上市企业的面板数据作为样本,对影子银行相对规模与房地产企业公司绩效的关系进行了实证分析,探讨了当期和滞后一期的影子银行相对规模对房地产企业公司绩效的影响。研究结论为正确指导影子银行信贷参与房地产市场提供了理论依据。
  【关键词】影子银行相对规模 房地产行业 公司绩效 固定效益模型
  一、引言
  影子银行是不同于传统商业银行的一种非银行金融机构,它游离于银行监管体系之外、可能引发系统性风险和监管套利等问题的信用中介体系,它能为企业提供更易得、更自由的融资渠道。而房地产行业恰恰是在一众行业中最需要外部融资来提供资金支持的行业之一,这不仅因为房地产的建设需要巨额的起始资金,还因为我国政府制定严格的监管措施限制了房地产开发商从传统融资渠道筹集资金,影子银行的出现恰好能为房地产行业扩张融资渠道,满足其资本需求。
  二、文献综述
  吕健(2018)在《影子银行有助于中小企业发展吗》一文中采用动态空间面板数据模型,探究了影子银行对中国不同地区和不同行业的中小企业所造成的不同影响。谭中明、周扬帆等(2016)发现,短期内影子银行的发展会对中小企业的发展产生负影响,但在长期内影子银行对中小企业的发展有促进作用。范文静(2017)认为影子银行的发展能拓宽房地产企业的融资渠道,从而促进房地产行业发展,同时影子银行的发展还会削弱货币政策对整体经济以及房地产市场的调控效果。
  对于房地产行业的绩效问题,朱婧(2018)在《金融市场化、债务融资与公司绩效——基于上市房地产开发企业的实证研究》一文中提出,房地产开发公司总体债务融资水平、长期资本负债率以及流动负债都对公司绩效有正向作用,但流动负债的影响程度最弱,显著性也明显较小;另外,研究发现由于我国金融行业所能提供的融资渠道不够通畅,导致了房地产企业发展过度依赖于债务融资。
  通过对现有文献的总结可以得出:作为资本密集型行业,房地产企业融资需求量大,而在我国较为严格的政策监管下其融资需求难以被满足,因此影子银行这样一个新兴的融资渠道对于房地产行业的绩效和发展起到的作用不容小觑。
  三、研究假设与模型设计
  1.提出假设
  假设一:影子银行对房地产企业公司绩效存在正向影响。
  假设二:影子银行对房地产企业公司绩效存在负向影响。
  2.样本选取
  为了实证检验的需要,对2000年至2016年在我國沪、深股市上市的所有上市房地产公司进行了筛选,剔除了近年来财务异常的ST上市公司和数据缺失或数据异常的公司,最终筛选出57家公司作为代表,本文所用的房地产企业财务数据来源于锐思数据库,宏观经济数据来自于国家统计局网站。
  3.变量定义
  (1)被解释变量
  以公司绩效为本文研究的被解释变量。为克服单一指标的局限性,本文选取了5个财务绩效指标:ROA(总资产收益率)、ROI(净资产收益率)、EPS(每股收益)、BPS(每股净资产)、PPO(营业利润率)和1个非财务指标托宾Q值,并利用主成分分析法将6个指标合为一个综合指标P来评价公司绩效,以此全面反映样本公司绩效的水平。
  (2)解释变量
  本文运用李建军(2010)提出的一种间接方法测度影子银行的信贷规模,由于我国中小型企业信用风险高、借贷金额小,很难从正规传统金融体系中获取贷款,因此这部分企业的借贷需求只能通过影子银行等非传统金融机构来满足。根据经济学原理,从借款人所创造的GDP可以倒推出每一单位GDP所对应的信贷资金支持,我们用单位GDP贷款系数记做Ry;把中小企业获得的正规金融机构贷款与其创造的GDP的比值用Re表示;Re与Ry的比值用于衡量传统银行对企业的融资需求满足程度,记做S,设Ys为中小企业、个体私营企业所创造的GDP,则未观测信贷规模为:
  NOLs=Ry*Ys*(1-S)
  本文采取未观测信贷规模NOL和滞后一期的未观测信贷规模NOLS作为解释变量,用于衡量影子银行相对规模。通过搜集相关数据,最终得到2000—2016年我国影子银行相对规模。
  (3)控制变量
  引入人均GDP指数、一年期企业短期贷款基准利率r作为宏观控制变量,选取资产负债率DTAR、营运资金比率WCR、营业外收入占比NMIR、主营业务利润占比MIR作为微观控制变量,以此较为全面地衡量房地产企业财务状况。
  (4)模型设计
  根据理论分析和提出的假设,猜想影子银行相对规模以及滞后一期的影子银行相对规模与房地产企业公司绩效呈线性关系,建立模型:
  四、实证结果及分析
  1.综合指标P的计算
  本文采用主成分分析法计算综合指标P。在对数据进行标准化后,通过SPSS求解出相关系数矩阵、特征根及其贡献率。其中,相关系数表明六个变量之间存在显著相关性,可进行主成分分析。变量共同度最后一列的数据大于0.8,表明提取的主成分对每个变量的解释程度都较高。在方差贡献表中,有两个特征根大于1,所以本文提取两个主成分。第一个主成分的方差贡献率为55.377%,第二个主成分的方差贡献率为23.103%,即两个主成分共解释了总变量的78.48%。接着将主成分系数乘以各个变量标准化之后的变量(此处用zxi来表示),求出两个主成分的表达式:
  最后以各主成分对应的方差贡献率为权重,写出综合绩效P的表达式:
  P=0.55377 f1+0.23103 f2   本文利用综合绩效表达式求出主成分P的数据值作为评价房地产上市公司绩效的综合指标,下文将以P作为被解释变量进行实证分析和相关检验。
  2.相关性检验
  从相关系数表中可以看出,该模型中的解释变量与控制变量之间的相关系数绝对值绝大多数在0.5以下,表明各变量之间不存在严重的多重共线性问题,模型设定较为合理。
  3.实证结果分析
  本文收集了2000—2016年房地产企业公司各项财务指标以及全社会影子银行相对规模的数据,建立固定效应的面板数据模型,运用SPSS22.0和statal4.0软件对模型进行回归分析,得出结果。
  由回归结果可知,该模型调整后的总体拟合优度为0.562,表明模型对影子银行相对规模与房地产行业公司绩效之间关系的解释程度较好。
  当期影子银行相对规模、滞后一期的影子银行相对规模、营业外收入占比、主营业务利润占比、营运资金比率和人均GDP指数的P值均小于0.05,说明这些变量在5%的水平上与房地产企业经营绩效显著相关,而一年期企业短期贷款基准利率和资产负债率这两个变量则不显著。
  当期影子银行相对规模与滞后一期的影子银行相对规模均能通过显著性检验:在5%的置信水平下,两变量对房地产企业公司绩效呈现显著正相关。两变量的系数分别为-0.176和-0.227,表明当期影子银行相对规模和滞后一期的影子银行相对规模都扩大1%时,房地产企业公司总经营效益将会减少约0.403%。
  五、研究结论与建议
  1.研究结论
  本文研究得出结论:当期与滞后一期的影子银行相对规模和房地产企业公司绩效呈现显著的负相关,这说明随着影子银行相对规模的扩张,我国房地产企业的经营绩效会受到负面冲击,满足前文提出的假设二,其原因在于:首先,影子银行的风险具有隐匿性,因此其对房地产公司绩效的负面影响不会在当期就有所显现,而是在经过一段时滞后才能够显现。其次,影子银行所带来的系统性风险是具有传染性的,它造成的连锁性破坏会导致其他金融机构也受到不良影响,使房地产企业融资问题变得更为棘手。另外,影子银行由于自身信用风险较高,导致信贷成本也远高于其他融资途径,这抵消了影子银行交易成本低、手续便捷等优势,综合形成了影子银行相对规模对房地产企业绩效的负向冲击。
  宏观控制变量里的政策变量(一年期企业短期贷款基准利率)对房地产企业公司绩效没有显著影响,这是由于政策变量发挥效力往往需要经过一段时滞,无法在当期体现。
  微观控制变量能反映每个独立的企业参与金融活动的情况以及财务状况,因此营业外收入占比、主营业务利润占比、营运资金比率这些控制变量都与公司经营绩效显著相关,这也符合已有的研究成果及理论机理。
  2.政策建议
  应控制影子银行相对规模的发展,一方面要改变房地产行业较为单一化的融资结构,政府相关部门应积极创造条件拓展房地产行业的融资渠道,减少其对银行信贷的过度依赖,为它们提供更稳健的资金来源。另一方面,应当尽快出台及完善相关法律,规范影子银行体系的发展,使得它所提供的资金确实能推进企业平稳健康发展,而不是为其带来更大的經营风险。
转载注明来源:https://www.xzbu.com/2/view-14812124.htm