第
30
卷
摇
第
6
期 王
摇
珏
,
刘钇沅
:
经营性负债与金融性负债
:
企业扩张的效应研究
的金融性负债
(
李新合等
,2014)
[1]
。
随着商品经
济的不断发展
,
国内外学术界开始关注商业信用
对企业融资的影响
( Schwartz,1974)
[6]
。
商业信
用实际上就是企业的经营性负债
,
是企业与上
、
下
游其他企业因业务往来而引起的债务
。
商业信用
产生初期是由于小企业从银行或者资本市场获取
金融性负债有一定的困难
,
所以能够较容易地获
得金融性负债的企业
,
会对自己利益相关的小企
业提供商业信用
(Petersen & Rajan,1997)
[7]
。
现
在商业信用已经发展成为企业主动获得融资的一
种方式
(
张新民等
, 2012
[2]
; Fisman & Raturi,
2004
[8]
; Fabbri & Menichini, 2010
[9]
; Giannetti
et al. ,2010
[10]
;
陆正飞
、
杨德明
,2011
[11]
)。
在以商业信用为主体的企业经营性负债中
,
预收款项可以直接产生现金流入
,
应付票据
、
应
付账款虽不直接产生货币资金的流入量
,
但却
使得企业在暂时不付款的情况下占有了经营用
的相关资源
,
当企业的付款周期长于企业的销
售收款周期且企业能够获得销售毛利的情况
下
,
企业就会因此而增加经营活动的现金流量
净额
,
从某特定时期来考察
,
企业经营活动的现
金净流入量在完成长期资产消耗的补偿以及企
业的利息支出和现金股利的支付后
,
就有可能
真正对企业的扩张形成支持
。
靠经营性负债实
现企业的扩张需要一个条件
,
即经营活动产生
的现金净流量通常需要累积一定时间才能够达
到扩张所需的资金规模
。
因此
,
对于大规模
、
集
中性的扩张
,
还是要寻找其他融资渠道的
。
在
企业的经营性负债不足以支撑企业扩张的条件
下
,
企业扩张的另一个融资途径即为金融性负
债
。
企业获取金融性负债的主要目的有两个
:
一是支持企业的扩张
,
即购建固定资产
、
无形资
产以及对外投资
;
二是支持企业经营活动的扩
大
,
即购买原材料
、
燃料等
。
显然
,
在企业经营
活动现金流量净额比较充分的情况下
,
企业发
生金融性负债的主要原因是支持扩张
。
因此
,
当企业以金融性负债为主时
,
其扩张规模应该
大于以经营性负债为主时
。
基于以上分析
,
本文提出假设
1:
以经营性负
债为主的企业的扩张规模小于以金融性负债为主
的企业
。
当企业的经营活动现金净流入量达到可以支
撑企业扩张的时候
,
从财务管理的一般规律来说
,
这部分由经营性负债形成的资金来源是支撑企业
扩张的首选资金来源
。
从企业的会计核算过程来
看
,
足以支撑企业扩张的经营性负债产生的现金
资源是没有财务账面成本的
(
尽管有机会成本
)。
因此
,
用经营性负债所形成的固定资产和无形资
产的成本是最低的
。
这就是说
,
在其他情况相同
的条件下
,
这类资源的未来产出效益最高
,
而金融
性负债通常需要支付利息
。
因此
,
在形成同等产
能规模的条件下
,
用金融性负债形成的扩张效益
注定低于企业经营活动产生的现金净流量支撑的
扩张效益
。
换句话说
,
金融性负债可以迅速支撑
企业的产能扩张
,
但难以达到经营活动产生的现
金净流量支撑的扩张效益
。
同时
,
在金融性负债规模较大的筹资结构下
,
经理人将具有强烈的动机去从事那些尽管成功机
会甚微
,
但一旦成功将获利颇丰的投资
。
因为如
果投资成功
,
股东和经理人将获得大部分收益
;
而若失败
,
则由债权人承担大部分费用
(Jensen &
Meckling,1976)
[12]
。
企业扩张与股东
、
债权人的
委托代理关系和管理者的自利心理有关
(Jensen ,
1986
[13]
;Narayanan,1985
[14]
)。
在金融性负债的
使用上
,
企业更加注重扩张规模
,
而经营性负债是
企业自身经营积累的资金
,
在支出方向上会更加
谨慎
,
在注重扩张规模的同时
,
会更加注重效益
。
经营性负债比金融性负债更能发挥债务的监督约
束机制
(Berkart & Ellingsen, 2004)
[15]
,
经营性负
债能够有效抑制经理人对股东的代理成本
(
徐子
慧
、
池勤伟
,2013)
[16]
。
因此
,
经营性负债应该比
金融性负债更能够提升企业的盈利水平
(Nissim &
Penman,2003)
[17]
。
基于以上分析
,
本文提出假设
2:
以经营性负
债为主的企业的扩张比以金融性负债为主的企业
的扩张具有更好的盈利能力
。
三
、
数据与方法
(
一
)
样本选取
本文选取
2009—2014
年
A
股上市公司作为
研究样本
,
剔除了金融类上市公司及相关数据缺
失的公司
,
最后得到
2 275
家上市公司的
33 153
个
季度观测值
。
为了剔除异常值的影响
,
本文采用
winsorization
方法对所有小于
1%
分位数和大于
99%
分位数的变量数值
,
令其值等于
1%
分位数
·96·
