英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
非上市非金融公司的投资风险、收益缺口和金融化
1.介绍
非金融公司面临有形资产和金融资产之间的投资组合选择。给定一定数量的可用于公司投资的总资本，房地产和金融资产之间就会产生替代效应（Tobin，1965）。因此，金融资产占总资本的份额的上升与实际资产份额的下降相反，被称为非金融公司的金融化。1斯托克哈默（2004），克罗蒂（2005）对发达经济体的研究，Epstein和Jayadev（2005）和Krippner（2005）以及Demir（2009）对阿根廷，墨西哥和土耳其的研究为非金融公司投资组合分配决策的结构变化提供了经验证据。人们已经发现这种结构性变化的影响不利于实体部门的投资（Orhangazi，2008； Demir，2009； Barradas，2017； Barradas and Lagoa，2017； Tori and Onaran，2017）和收入不平等（Alvarez，2015） ，因此对实际经济增长具有破坏性。
由于企业的金融化通常会对实际经济发展产生负面影响，因此重要的是弄清非金融企业在做出投资分配决策时偏爱金融投资的原因。在这方面，Demir（2009）为回答这个问题做出了重要贡献。特别是，德米尔（Demir）提出了一种投资组合选择模型，以解释为何阿根廷，墨西哥和土耳其的非金融公司偏向于金融资产而不是固定资产。他的结果似乎表明，有两个主要因素在很大程度上驱动着企业在基础国家的金融化行为：一个是金融与固定投资之间的回报率差距，另一个是与固定投资相关的不确定性。该结果似乎是合理的，因为直觉上的印象确实是金融资产的相对较高的收益促使企业进行更多的金融投资，而固定资产的相对较高的风险促使企业从固定投资转向金融投资。
但是，Demir（2009）的经验分析基于程式化的投资组合选择模型，在该模型中，仅假定固定投资有风险，而金融投资被假定为无风险。正如我们将在下一节中显示的那样，这是一个简化的（但不切合实际的）假设，该假设在很大程度上被用于促进得出简洁的分析表达式，该表达式描述了企业金融化行为的决定因素。此外，Demir分析中的风险度量是通过宏观经济不确定性来近似的，这在某种程度上偏离了投资组合选择模型中定义的固定投资风险的基线定义。此外，Demir的分析基于阿根廷，墨西哥或土耳其的总体样本描述了企业的金融化行为，但具有不同特征的企业之间的差异也值得关注。
本文旨在填补文献中仍然存在的这些空白。我们的工作对文学的贡献是三方面的。首先，我们在Demir的投资组合选择模型中放宽了无风险金融投资的假设，并推导了扩展模型以捕获企业的金融化行为。扩展模型不仅在分析上而且在经济上都不同于文献中的简化模型。其次，除了宏观经济的不确定性之外，我们还通过基线定义以及投资回报率的相应变化来衡量投资风险。第三，我们通过将非上市非金融公司的制度性质（例如国有企业与私营企业，经营良好的企业与无力偿债的企业）根据不同的类别划分为不同的组，从而研究了金融非上市的决定因素。
为了解决这些问题，我们分析了金融和固定投资风险以及收益率差距如何影响金融化率。我们的经验分析利用了1998年至2009年期间中国非上市非金融公司的独特数据集，并以年度频率显示。采样周期取决于数据可用性。中国非上市非金融公司的数据集来自中国的GTA（国泰安）数据库。我们之所以选择非上市公司，是因为它们的金融投资行为未得到充分研究，而它们在中国经济中却发挥着重要作用。例如，2009年，中国非上市非金融公司的总资产是上市非金融公司的三倍。
我们证明，在扩展的投资组合选择模型中，相对风险和风险调整后的回报率差距会影响企业的金融化行为。我们的结果还显示，更大的规模，更少的财务约束，更高的杠杆率和更高的流动负债比率也导致更高的金融化水平。除了完整的样本分析外，我们还根据公司的所有权和经营状况进行分组分析。国有公司和私营公司之间以及经营良好和无力偿债的公司之间的结果是不同的。特别是，我们发现国有企业只关心风险，而私营企业在各自的投资中既考虑风险又考虑回报。这种差异可能是由于国有企业和私营企业之间的促进机制不同。对具有不同运营条件的公司的实证研究也提供了不同的场景：风险和收益变量在无力偿债的公司中微不足道，而在经营良好的公司中则显着。
本文的结构如下：第二部分为允许固定和金融投资都存在风险的公司建立了投资组合模型。第三部分描述了我们的经验分析中使用的数据和变量。第4节提供了基准模型的经验结果，随后的第5节提供了针对不同类型公司的进一步的集团划分分析；第六部分总结了论文。
2.数据和变量
2.1数据源
我们的数据是由GTA（国泰安）数据库维护的1998年至2009年中国非上市非金融公司的数据。所包括的公司都是工业公司，其中大多数从事制造业。我们从时间维度上删除了那些没有完整时间序列的公司。
根据中国证券监督管理委员会的分类，在38个行业中共有9962家非金融公司，我们将其分为以下13大类第二产业。最终数据集中有9962家公司，采矿业252家，电力发电459家，水资源320家，食品加工和制造840家，木材和家具制造744家，纺织和制衣业1391家，化工原料679家和化学制品制造业，橡胶和塑料制造业720，设备制造业2391，金属冶炼业146，金属制品业559，非金属矿产制品714，其他747（包括娱乐和体育用品227） ，其中石油加工行业44个，制药行业36个，手工业制造161个，天然气生产和供应行业20个，废物管理259个）。4
3.基准模型的实证分析
本节介绍基于等式的估计结果。第2节中的（19）和（20）。需要进行一些计量经济学测试来确定面板数据模型的经验指标。第一步，我们在常规线性回归中使用Breusch-Pagan（1980）LM检验来检验个体效应。Breusch-Pagan LM检验的原假设无个别影响，结果拒绝了原假设。其次，内生性问题值得关注。风险和回报差距率（19）和（20）可能是内生的，因为金融资产的份额会影响固定投资的相对风险和回报率的差距，这可能会引起相互因果关系的问题。
仪器变量在内生性问题中很重要。通常将内生回归变量的滞后选择为IV（例如Demir，2009）。但是，因变量金融化比率是流动资产的函数，而收益缺口是总利润的函数，这表明这两个变量可能是相关的。使用滞后不能完全解决这个问题，因为去年的更高利润可能会导致流动资产增加。因此，除了滞后的内生回归变量，我们还添加了内生回归变量的行业平均值作为工具。9
考虑到当前的随机干扰项因子不能影响历史数据，上述两个解释性变量的滞后项是合理的工具变量。在某些情况下，因变量也可能影响同一年的财务约束，这意味着解释性变量财务约束也可能是内生变量。因此，我们在表2中考虑了两个内生案例：在案例A中，内生回归变量是风险和风险调整后的收益率差距；在情况B中，内生回归变量是风险，风险调整后的回报率差距和财务约束。
这些工具变量的有效性通过聚类-异方差-鲁棒的Hansen-J检验以及Stock and Yogo（2005）弱IV检验进行检验。回归分析（1）–（4）的Hansen-J检验的p值不能拒绝联合零假设（在10％的水平），该工具是有效工具，并且排除的工具已正确地从估计的方程式中排除（Hayashi ，2000）。表2中所有四个模型的Stock Yogo检验统计数据都拒绝了弱IV的原假设。我们实施Kleibergen-Paap rk LM检验（Kleibergen和Paap，2006）以测试排除的仪器是否与内生回归相关，并且Kleibergen-Paap rk LM检验的显着p值验证了内生矩阵的乘积变量和所有IV矩阵均满足等级要求。
我们继续使用Hayashi（2000）的异方差稳健性C检验来解决上述回归因子是否是内生的。请注意，表2中的内生性检验并未拒绝零假设，即风险，回报率和财务约束变量是外生的，因此采用了常规的面板估计。然后，我们检查常规面板法中的固定或随机效应估计方法是否有效，并且Hausman检验（Hausman，1978）的结果支持固定效应方法。因此，本文的基线结果采用常规的固定效应专家组估算方法估算，如表3所示。
表 3
|
因变量 |
(5) |
(6) |
(7) |
(8) |
|
公司 |
Current-RE |
Current-GA |
Lagged-RE |
Lagged-GA |
|
risk |
0.022*** (0.003) |
0.030*** (0.003) |
||
|
gap |
0.388*** (0.084) |
0.278*** (0.074) |
||
|
risk(-1) |
0.010** (0.004) |
0.027*** (0.003) |
||
|
gap(-1) |
0.094 (0.085) |
0.028 (0.076) |
||
|
size |
0.023*** (0.003) |
0.026*** (0.002) |
||
|
fc |
0.026*** (0.008) |
0.046*** (0.007) |
||
|
lev |
0.020*** (0.006) |
0.003 (0.005) |
||
|
cl |
0.025*** (0.007) |
0.025*** (0.005) |
||
|
size(-1) |
0.000 (0.003 |
0.010*** (0.002) |
||
|
fc(-1) |
0.002 (0.009) |
0.033*** (0.008) |
||
|
lev(-1) |
0.002 (0.006) |
minus;0.014*** (0.005) |
||
|
cl(-1) |
0.007 (0.007) |
0.021*** (0.005) |
||
|
年混合效应 |
是 |
是 |
是 |
是 |
|
公司混合效应 |
是 |
是 |
是 |
是 |
|
观测量 |
52701 |
43951 |
83446 |
75874 |
在表3的回归（5）-（8）中，查看固定资产投资相对风险的影响，我们可以发现风险与金融化比率之间存在显着的正相关关系（在1％的水平上）。结果表明，固定投资的相对风险在促进金融行为方面具有重要作用。同时，风险调整后的回报率差距也对当期回归（5）和（6）的金融化比率产生了显着的正影响（在1％的水平）。它表明，相对于固定资产的当前收益，金融资产的当前收益越低，越倾向于固定投资。以上经验结果中包含的经济含义很容易理解：给定收入水平，企业通常选择风险较低的特定投资；考虑到一定程度的风险，企业的选择始终是具有较高回报的资产。然而，去年风险调整后的回报率差距无法激发更多的金融投资，这表明回报率差距的影响可能对及时性更为敏感。
先前的文献提供了关于风险和回报率差距对金融资产份额的影响的各种替代性理解。Song and Lu（2015）指出，低利润的非金融公司持有可盈利的金融资产，而股票和
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[412736]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
