资本结构动态调整经验研究前沿

【摘要】 文章按照联立方程模式、动态调整模式和数据挖掘模式总结了资本结构动态调整最新的经验研究方法，梳理了经验研究成果，并对资本结构动态调整研究面临的挑战和未来趋势进行了总结。

【关键词】 资本结构； 动态调整； 经验研究

大多数研究在考察企业实际资本结构对目标资本结构的偏离和回归时，利用动态模拟技术和数据挖掘等方法来揭示资本结构的动态调整本质。本文按照联立方程模式、动态调整模式和数据挖掘模式总结了资本结构动态调整最新的经验研究方法，梳理了经验研究成果，目的是对这些纷繁的研究进行梳理和评述，总结极富建设性的经验和结论，并为未来的研究提供建议。

一、经验研究方法

基于企业向最优资本结构回归的长期趋势，早期的经验研究用平均资本结构替代最优资本结构。这种研究方法忽略了最优资本结构受调整成本和随机因素的影响处在持续变动之中的事实。为了修正测量最优资本结构误差造成的偏误，后期代表性的研究大致采用了联立方程模式、动态调整模式和数据挖掘模式三种方法。

（一）联立方程模式

Jalilvand和Harris（1984）运用似无关方法估计一组调整方程，证实企业的融资行为受到调整成本的影响，遵循一种部分调整的模式。由于技术限制，他们假设投资决策是外生变量，而最优资本结构保持不变。因此他们定义的变量是为了反映调整速度的变化，而不是最优资本结构本身的变化，在估计调整系数时可能包含对最优资本结构的测量误差。Ozkan（2001）认为前期的资本结构会对当前的调整产生影响，因而采用了广义矩估计和滞后两期变量作为工具变量的方法。广义矩法虽然有效地控制了变量的内生性，但却因此无法观察到变量的内生性对调整决策的影响。

Hovakimian等（2001）采用二阶段联立方程来内生化最优资本结构随时变化的特性，用第一个阶段（Tobit回归）预测值和实际值的差额作为第二个阶段（Logit回归）的自变量。他们发现，差异反映了融资决策的某种趋势，当实际值低于预测值时，企业增加负债；相反时则减少负债，此时调整强度明显高于前者。这种方法的缺陷是将第一个阶段的误差带入了第二阶段的估计。

Fama和French（2002）认为最优资本结构和股利支付率都具有内生性，彼此相互影响，应该用结构方程和二阶段最小二乘法进行估计。他们首先在资本结构模型中拟合出下期的杠杆负债率，并将拟合值代入到动态调整（两期杠杆负债率差异）模型中，在模拟股利支付率时也采用了相似的方法，先在不包含股利支付率的方程中估算出杠杆率，再将结果代入到模拟支付率和其变化的方程中。他们也未采用同时估计技术，因此统计结果中发现了共线性。由于在估算过程中采用了均值替代法对杠杆率和股利支付率进行拟合，因此最优结构并不会随时间发生变化。

（二）动态调整模式

Banerjee等（2004）认为目标资本结构和调整都受到企业自身因素和时间因素的影响，因而是同时变化的。他们建立了动态调整模型：Lit=（1－δit）Lit－1＋δitLit*

最优结构模型：Lit*=a0＋∑ajYjit＋∑asDs＋∑atDt

调整速度模型：δit=β0＋∑βkZkit＋∑βsDs＋∑βtDt

Lit和Lit－1分别代表当前和滞后一期的杠杆负债率，Lit*代表最优杠杆负债率。Yj代表一系列决定资本结构的因素，Zk代表一系列决定调整速度的变量，Ds代表行业哑变量，Dt代表时间哑变量。Banerjee等将后两个模型中关于调整速度和最优资本结构的表达式代入动态调整模型中得到一个非线性方程，用高斯牛顿迭代法估计，得到企业适时的调整速度和最优资本结构。他们发现，动态调整模型的拟合优度达到80.14%，远远高于静态模型的27.68%。Flannery和Rangan（2006）认为最优资本结构可能受到企业自身一些相对稳定但是不可观察因素的影响，他们因此建立了一个与Banerjee等（2004）相似、但是包含了固定效应的部分调整模型，拟合效果更符合实际。

Leary和Roberts（2005）指出调整是连续发生的，不应该使用离散的方法，以往以年为单位的研究方法存在缺陷。他们采用了持续期限分析方法，连续估计不同结构的调整成本对调整过程的影响，用步进函数h（t）=lim[Pr（t≤T≤t＋m?T≥t）/m]来估计当前未调整的企业在下一个时刻m进行调整的概率；用危险函数hij（t?ωi）=ωih0（t）exp{xij（t）'β}来描述企业资本结构的动态调整。其中，xij（t）代表一系列协变量，反映了一系列阻碍调整的成本；ωi是随机误差项。他们发现由于调整成本的影响，在当前时点没有发生调整的企业中，大约有75%在下一个时点进行调整的概率明显增加，它们平均用一年的时间完成调整。

（三）数据挖掘模式

无论是联立方程的二阶段估计方法，还是动态调整模型的非线性模拟技术，都无法处理调整行为的两种不可观测性，一种是不可观测的决定因素，另一种是不可观察的决定方式。以Hennessy和Whited（2007），Pao（2008）为代表的研究者采用了数据挖掘方法来解决这一难题。

Hennessy和Whited（2007）认为企业可观察的融资决策受制于不可观测的决定因素。他们建立了一个将投资、分红、杠杆水平和违约等相关决策内生化的结构模型，模拟企业面对一系列融资摩擦时的调整行为。这些摩擦包括企业所得税和个人所得税、破产成本、权益融资浮选成本以及次优化债权融资的成本等。结构模型用未知参数来代表这些不可观测的摩擦，通过模拟矩估计（SMM）最小化预测值和真实值的矩来拟合这些参数。结果发现融资摩擦能够很好地解释企业的投、融资行为。

Pao（2008）发现过去的研究大多数局限于模拟而不是预测，而且各种可观测的影响因素可能通过不可观察的方式作用于融资决策，因此他建立了一个资本结构动态调整的神经网络模型（ANN），由包含了可观测因素的输入层、不可观察作用形式的隐藏层以及可观测资本结构的输出层组成，每一层都包含了大量与邻近层相联结的神经元（节点），处于不同层的神经元可以通过非线性联结相互作用。神经网络模型的优势是不必预知可观测因素的作用方式，因为模拟本身就是一个学习过程，而且对数据本身的分布、相关、缺失等性质没有限制。通过最小化资本结构观察值和预测值的误差平方和（SSE），可以得到输入层可观测因素的作用因子（估计参数）。Pao发现由于神经网络模型能够抓住因素间的复杂联系，因此它比其他模型具有更好的模拟和预测性。

二、经验研究成果

（一）调整成本的形式对企业调整决策的影响

Fischer等（1989）发现外部融资的规模和频率将在很大程度上取决于调整成本的结构，企业的目标资本结构存在一个最优区间。他们指出并由Leary和Roberts（2005）证实，如果调整成本始终保持不变，只要调整收益超过调整成本，企业就会按照期望完全调整；如果调整成本与调整规模成比例，成本最小化的企业只有当负债超出最优范围时才做细微调整，调整只要使得负债回到边界点即可；如果调整成本由一个固定成本和一个递减的变动成本组成，固定成本的存在使得每一次调整都向最优回归，递减的变动成本则使得每一次调整都尽可能小，最后的结果是负债回到最优点和边界点之间。Fama和French（2002）、Leary和Roberts（2005）还发现反向选择的成本可能对融资决策有重要影响。企业会发行股票或回购债券来降低破产风险，但是由于调整成本的影响，它并不会立即这样做；反过来，低负债的企业本应该发行债券来融资，但是同样受调整成本的影响，它会改为内部融资。Faulkender等（2008）发现具有负向现金流的企业有补足现金流缺口的需求，其调整成本是沉没成本，对企业融资决策的影响小；具有正向现金流的企业有分红的需求，外部融资主要补偿了分红的现金支出，调整成本是边际成本，调整速度较慢；现金流接近于0的企业，其调整成本即融资的边际成本非常高，因此调整速度非常慢；受到财务约束的企业调整得也比较慢。

（二）微观经济条件对企业调整决策的影响

规模是制约调整的重要因素。Jalilvand和Harris（1984）发现规模越大的企业执行成本越低，市场开拓力和垄断程度也越强，相对更容易实现调整。Banerjee等（2004）也证实相同调整成本对大企业的影响要小于小企业，因而大企业的调整速度更快。但是Nivorozhkin（2001）发现，在不同的制度背景下，规模大小对于调整速度有完全相反的影响。行业特征也是形成差异调整的关键原因。Bradley等（1984）、Miao（2005）发现由于融资和生产决策的相互作用形成了企业的个体差异，因此行业因素会影响最终的调整，比如高增长行业的最优资本结构和调整速度更低。Pao（2008）发现不同行业调整决策的关键影响因素不同，比如高科技行业的行业风险因子与增长机会因子都与调整正向相关，但前者与传统行业相反，后者则相同。

除此之外，不同的研究还发现，增长机会、收入波动性、流动负债比率、投资情况、资产专用性和财务困境等对调整速度都有影响。Lemmon（2008）指出，尽管先前的研究揭示了很多影响因子，但是基于它们的经验研究的R2只有18%-29%，在控制了固定效应后的R2却能达到60%，这说明实际调整还受到时间不变因素的驱使，使得企业既有向均值反转的趋势，也有保持本身资本结构长期不变的趋势。

（三）宏观制度背景对企业调整决策的影响

Choe等（1993）、Gertler等（1993）在研究中揭示宏观经济条件是企业融资决策的重要影响因素。相关研究也发现了宏观经济影响调整行为的新证据。Hackbarth等（2006）指出，既然最优资本结构取决于税盾利益与破产成本的均衡，而税盾收益受制于由经济扩张或收缩决定的现金流水平，破产成本也依赖于由当前经济状态决定的违约可能性和违约损失，那么宏观经济条件的变化必定导致最优资本结构的变化。这一推断得到了Levy和Hennessy（2007）的证实。

不同制度背景下的偏离成本和调整成本存在较大差异，因此不同国家的企业调整速度不同，比如英国企业的调整成本大于偏离成本，因此调整速度慢，偏离程度大；美国企业则刚好相反。经济转型国家的逐渐调整成本要高于一次调整成本，因此调整速度明显更快。Delcoure（2007）对中东欧国家的研究揭示，影响这些转型经济国家调整速度的主要因素是银行系统的差异和财务限制、企业经营和投资者保护的法律环境等市场条件。

Cook（2009）认为尽管很多研究都注意到了宏观经济环境对调整的影响，但是仍然缺乏对具体宏观经济条件实际影响的经验研究。他选用期限息差、违约息差、GDP增长率和市场股息率作为制约调整速度的宏观经济变量，将企业分成良好、中等和较差经济环境三个组别，发现处在以较高的期限息差、GDP增长率和较低的违约息差、市场股息率为表征的、良好经济环境中的企业，其调整速度明显高于其他尤其是经济环境较差的企业。

三、国内研究成果

王皓和赵俊（2004）、童勇（2004、2006）、连玉君和钟经樊（2007）应用与Banerjee等（2004）、Flannery和Rangan（2006）类似的模型，揭示中国企业虽然存在最优资本结构，但是由于债权融资困难、证券监管有限，加上内部治理的缺陷，调整成本非常大，因此调整速度非常缓慢，负债普遍不足。肖作平（2004）发现企业的股权融资偏好可能来自信息不对称，但是政府主导型的融资体制和高昂的融资成本导致债券融资并不足以解决信息不对称的问题。制度力量在中国企业资本结构决策中起主导作用。黄辉（2009）提供了宏观经济制度影响调整速度的证据。他发现破产法的适用范围、各地区的法制建设、股市发展程度等制度层面的因素显著影响企业的调整行为；企业的微观特征对调整行为的决定作用在不同的宏观经济环境中表现不同；较好的宏观经济环境有利于较快地调整。

王正位等（2007）指出，银行贷款和股权融资的监管政策不同，导致两个市场上的融资摩擦不同，股票市场的调整成本大于银行贷款市场的调整成本。潘敏和邵科（2007）发现管理层对于实际负债率高于最优负债率的偏离的调整，存在强烈的偏好；反之则调整动机明显不足。黄辉（2009）也发现了调整的不对称性，但是得到的证据不同：负债不足的企业有着比负债过度的企业较快的调整速度；负债过度的企业只有在其股价被高估时才会较快地调整。这说明在宏观制度的影响下，企业在融资顺序和融资时机上有优序和择机的动机。

Qian（2009）发现大型国企更容易得到银行的青睐，具有明显的融资优势，调整速度要高于其它企业。债务比例减少较多的企业在1999-2004期间的调整速度低于全样本企业；将样本期向前扩展到1993年后，这些企业的调整速度更加缓慢。说明经济改革加快了企业的调整速度。企业短期的调整行为更符合择机理论的预期，但是长期仍然表现出逐步回归的趋势。

四、挑战与趋势

资本结构动态调整研究至少在如下方面取得了令人瞩目的进展：首先，动态调整观念改变了静态研究思维，有助于更好理解实际融资决策；其次，运用了更为成熟的统计方法，更好地解决了决策的内生性问题；第三，将微观经济因素和宏观制度背景纳入分析中，研究基础更为客观。不可否认，动态调整研究也面临挑战。

首先，目前大多数研究是静态权衡理论在动态框架上的延展，主要是为了验证朝向最优资本结构的动态回归。由于经验研究中发现了对优序融资理论的支持，未来有必要对长期调整趋势和短期调整冲击进行综合研究，完善理论模型并且改进经验研究方法。

其次，现有的研究已经将宏观经济因素纳入到了模型中，但是方法比较单一。比如Cook（2009）以GDP增长率、债券息差、违约息差和股息率的四分位数来界定经济情况的好和坏。我国大多数研究者用前两个指标来确定宏观环境的差异，如黄辉（2009）。未来研究需要对宏观经济更为适当的描述。

第三，受到不同制度背景的影响，即使相同模型也会得到不同结论。特别是转型经济特有的政治和经济因素对调整决策有关键影响。关于资本结构动态调整研究的重要问题就是揭示制度因素对企业资源配置效率的影响，对中国特殊制度背景更为细致地考虑将是未来研究的方向。

【参考文献】

［1］ 连玉君，钟经樊.中国上市公司资本结构动态调整机制研究［J］.南方经济，2007（1）：23-38.

［2］ 黄辉.制度导向，宏观经济环境与企业资本结构调整――基于中国上市公司的经验证据［J］.管理评论，2009（3）：10-18.

［3］ 王正位，赵冬青，朱武祥.资本市场摩擦与资本结构调整――来自中国上市公司的证据［J］.金融研究，2007（6）：109-119.

［4］ Banerjee S.，Heshmati，A.，and Wihlborg，C. The Dynamic of Capital Structure［J］. Research in Banking and Finance，2004，4：275-297.

［5］ Cook，D.O. and T.，Tang.Macroeconomic Conditions and Capital Structure Adjustment Speed［J］. Journal of Corporate Finance，2009，2：1-15.

［6］ Leary，M.T.，and Roberts，M.R. Do Firms Rebalance Their Capital Structures？［J］. The Journal of Finance，2005，6：2575-2619.

［7］ Pao，H..A Comparison of Neural Network and Multiple Regression Analysis in Modeling Capital Structure［J］. Expert Systems with Applications，2008，35:720-727.