宏观环境预期市场状态与中国制造业投资及产能调整.docx
《宏观环境预期市场状态与中国制造业投资及产能调整.docx》由会员分享，可在线阅读，更多相关《宏观环境预期市场状态与中国制造业投资及产能调整.docx（11页珍藏版）》请在冰豆网上搜索。
宏观环境预期市场状态与中国制造业投资及产能调整
宏观环境、预期市场状态与中国制造业投资及产能调整
摘要：
基于宏观环境对微观主体投资行为影响的理论预期，以及对我国产能过剩行业产能调整的思考，本文运用上市公司数据，在构建市场状态指数的基础上对我国宏观经济环境影响公司投资的作用路径与效果进行实证检验。
结果表明：
宏观经济环境并未直接影响投资，而是通过改变微观主体对市场状态的预期，使其投资决策发生了由意欲退出转为进入的逆转性变化；利率并未有效发挥对投资的调节作用，这也是当前市场中大量“僵尸”企业形成的主要推手；7个产能过剩的典型行业资本增长率并未拉低其行业资本回报率，致使微观主体缺乏主动调整产能乃至退出的内在动力。
因此，化解产能过剩需政府与市场有机结合才能奏效。
关键词：
宏观环境；预期市场状态；过剩产能调整；资本回报率
中图分类号：
F2240文献标识码：
A
一、引言和文献回顾
制造业是一国经济的核心，其发展水平在很大程度上表征着一个国家的经济实力。
对于一个人口众多的发展中大国则更是如此。
自改革开放以来，中国制造业发展的步伐日益加快，尤其是入世后至今的十几年时间，中国已当之无愧成为了世界制造业大国，但却非制造业强国，且一路走来始终未能摆脱产能过剩的牵绊。
本轮席卷全球的金融危机爆发后，全球各主要经济体无一幸免地受到了冲击，在此背景下，中国经济也进入了“新常态”。
产能过剩肇始于过度投资，然而对中国式产能过剩的解释却见仁见智，其中以地方政府干预论、重复建设、追求GDP锦标赛的官员晋升等为主基调。
与此有别的是“潮涌”理论（林毅夫，2010），它从另一个视角给出了更为贴切的解释：
一个追赶型国家，其产业发展中更多使用的是成熟技术，因此投资不确定性相对较小，这样的行业背景很容易使投资者形成共识，一哄而上大举投资。
近年来庞大的中国市场不仅为本国企业提供了广阔的发展空间，也被全球各主要经济体一致看好。
无疑，世界看中的更多是中国市场的需求规模。
一个如此庞大的经济体，在其经济持续的高速增长过程中，很多行业都出现过一旦需求拉开帷幕，相当可观的利润便随之而来的现象。
因应这样的市场规律，大规模投资在中国工业的不同行业轮番发生，而需求放缓背景下的产能过剩同样也在不同行业轮番上演。
随着产能过剩事态的日益严重，各界对中国投资率过高的讨伐声也在不断高涨，这一方面是出于对过度投资导致资源浪费的担忧，另一方面也是出于防止“资本产出率过快递减”的思考。
公司财务角度所理解的企业投资等同于经济学的生产行为（覃家琦等，2009），因此无论是公司财务视角下的“过度投资”，还是基于宏观视角的“资本回报率递减”，都是在从不同侧面解析中国投资效率的下降或产能过剩――过度投资直接导致该产业短期发生产能过剩；而行业资本产出率快速递减则意味着该行业的产能过剩不仅是短期现象，更是长期特征提早出现的警示。
如果长期同样不会有较高的投资回报，此时退出便是理性的选择，即资本回报率快速下降是迫使投资主体主动调整产能乃至退出的内在动力。
那么受产能过剩困扰较为严重的重工业行业的产能积累是否已然使得其资本回报率明显下降？
这是关系到微观投资主体调整产能和退出动力几何的核心命题。
2007年以前学界普遍认为中国资本回报率微观无效、宏观有效，但2007年的一场争论提出了与之相反的观点：
微观有效，宏观无效。
最初以CCER（2007）课题组的研究结论较有代表性，他们利用微观企业数据测算了9个不同的资本回报率指标，发现这些指标虽然在数值上有差异，但趋势是相同的，并一致表明中国的资本回报率一直很高。
这一研究结论得到了单豪杰（2008）和邵挺（2010）的验证。
辛清泉（2007）在研究中引入了鲁明泓和潘镇（2002）构建的投资环境指数，对中国上市公司资本回报水平的估算得到了“宏观喜、微观忧”的结论，但同时他们也发现自2003年以来，似乎出现了好转的迹象。
蔡真（2013）分行业对1999-2013年中国资本回报率进行测算，结果表明整个期间中国资本回报率都保持不断上升趋势，仅在2009年出现向下拐点，尔后再次上扬。
世界各国由于国家规模、人口数量、地理区位以及所处的工业化发展阶段存在较大差异，因此不能仅凭投资率的高低简单地断定一国投资是否有效，但通过观测一国资本产出率的动态变化判断投资是否有效却有其深厚的经济学理论支撑。
武献华等（2013）在竞争性厂商和无限期界的家庭、生产函数满足规模不变假设中引入了产能利用率参数，最终推导出经济增长率取决于资本产出率增长率与资本增长率之和，而与产能利用率无关的结论，即产能利用率的高低会引起短期经济波动，但与长期经济增长水平无关。
资本产出率是决定经济增长水平的核心因素，而其本身又内生地决定于资本增长率，并随着资本积累而呈现递减趋势，使得投资效率逐渐降低。
孔睿等（2013）开创性提出资本形成率的概念，并通过测算得出近期中国的资本形成率在逐年下降，以一个新近的视角佐证了投资效率低下。
关于企业投资效率的研究则集中于公司财务视角。
公司财务角度的非效率投资研究通常分为过度投资与投资不足。
从资源优化配置角度看，二者均是缺乏效率的。
不过目前学界的着眼点主要集中于过度投资研究，研究者通过在Richardson（2006）模型基础上引入其他预期影响企业过度投资的变量来解释其对企业投资的影响。
公司投资受外部环境和内部环境的影响（ShinandPard，1999；Schiantarelli，1996），其中对内部环境影响因素的研究主要聚焦于公司的资本结构、管理层激励机制、融资约束、股权结构、股利政策等方面，对外部环境影响因素的研究则主要集中在检验环境不确定性对投资效率的影响上，如Bulan（2005）、Panousi（2012）、LeahyandWhited（1996）、徐倩（2014）以股票收益率波动作为环境不确定性代理变量检验了其对投资效率的影响；申慧慧等（2012）以市场需求变动作为环境不确定性代理变量检验了其对不同股权公司投资效率的影响。
目前，基于宏观经济环境对投资影响的研究较为少见。
宏观环境不确定性增加了管理层识别投资项目的难度（Baumetal.，2006），导致公司在选择投资项目时会更加慎重。
而在中国经济持续高速增长区间内，更多时候笼罩市场的是乐观预期，这种预期也在很大程度上左右着中国上市公司的投资决策，而促使厂商形成这种乐观预期的动因主要源于中国经济持续高速增长以及庞大的市场规模。
也正因此，中国公司在面临不确定的宏观环境时，通常不会使投资决策更加谨慎，而是更加充满投资热情甚至冲动。
那么，中国制造业上市公司是否因微观主体的乐观预期而产生大规模投资？
环境对投资影响的作用路径如何？
是直接推动还是因受环境运行的系统性影响而使投资主体改变原有预期？
这种改变对是否导致了投资的过度进入？
出于对中国制造业投资效率的关注，以及在中国经济高速增长期间工业领域出现的过剩产能调整的思考，本文从上市公司视角，以其相关财务数据为基础，对中国近年来制造业上市公司的投资行为展开深入研究。
本文与以往研究的不同之处在于：
第一，根据公司财务数据，重新构建了反映企业所面临的预期市场状态①的指标，考查企业在特定的宏观环境与现实的市场投资机会情景下的投资决策行为；第二，已有基于公司财务角度关于投资效率的研究，主要基于对公司内部治理水平、企业与政府的关联、企业的所有权性质差异、中国特殊的银企关系等，而本文则是将微观主体的行为与中国的现实宏观经济环境运行状况紧密结合，通过将企业置于不同的宏观经济环境下观测其投资决策；第三，选取目前产能过剩较为严重的七个典型行业，从微观层面考查近年来行业资本积累对资本回报率产生的影响，并进一步观测置于经济高速增长的宏观经济背景下的行业产能过剩形成动因及阻碍过剩产能退出的内因，以此为在经济由超高速增长转为中等速度，利率市场化改革即将落实，打好化解产能过剩持久战的新常态下，如何实现让市场主体在投资过程中起决定性作用，让政府更好地发挥作用提供参考。
二、模型构建与指标选取
尽管有关投资效率的研究几乎都采用了NPV（净现值）的分析理念，将投资于净现值小于0的项目的投资定义为过度投资（无效投资），将企业面临NPV大于0的投资项目而并未做出投资决策定义为投资不足，但人们往往忽略了净现值估算的一些较为严格甚至苛刻的前提条件在现实中基本都是无法确定的，从而使得依托NPV方法判断企业投资过度与否的准确性大打折扣。
Dixit在其对不确定性条件下的投资的论述中更是从不同侧面阐释了传统净现值方法存在的种种不足，甚至在某些情况下会出现严重的错误。
在新古典投资理论中，由假定竞争性条件开始，忽略投资的不确定性及不可逆性，最优投资水平是由资本边际产出等于利率加上折旧的最优化条件所决定，而产业的不确定性与企业的不确定性均会对企业投资行为产生影响，但二者作用机制是不同的：
产业范围内的不确定性每家企业都知道，为了适应有利的发展条件，所有企业都会进行大规模扩张；而特定企业的不确定性却只有企业自身知晓。
面临整个产业持续利好的系统性变化时，产业不确定性与企业自身不确定性相互交织，共同影响企业的决策。
在企业面临的众多不确定性中，以需求规模、投资品价格以及产出品价格等最为常见。
围绕研究宏观环境与企业市场状态对投资影响的主要命题，本文在投资模型设计上从古典投资理论中需求解释投资的加速原理出发，结合研究问题的实际需求来完成模型构建。
（一）古典投资模型的基础平台搭建
Iit=α1iΔYit+α2iIi，t-1+ξit
（1）
其中，Iit表示净投资，ΔYit表示需求变化量，Ii，t-1表示上一期投资，ξit为随机扰动项。
由于投资的跨期性质，公司做出投资决策前会充分考虑当前及未来的市场状况。
当期需求直接反映出当期的市场容量及盈利可能性；较好的市场机会是投资的强大动力，市场不景气则会使公司减少投资。
因此，本文运用上市公司的相关财务数据构建反映其市场机会的指数（详见后文）。
无论是凯恩斯的宏观总量投资函数还是新古典投资理论（Jorgenson，1963），都考虑了投资成本。
以往的投资函数中以实际利率来衡量投资成本，公司财务研究中则以融资成本来衡量，但更多时候是将其简化为债务融资成本，实际上是间接以利率反映投资成本。
金融市场中的可贷资金模型表明持有有价证券的成本与利率反向相关。
截止到目前，中国的利率市场化仍还差“最后一公里”，学界也普遍认为中国利率水平严重的扭曲并且存在较大低估空间。
因此，本文以市场利率而非实际利率来度量公司投资的成本。
在不考虑外生的环境影响时，厂商会依据其当前的市场需求情况以及预期未来的市场发展状态做出投资决策，而当经济环境发生系统性改变时，厂商对投资的预期获利水平便会因整体经济环境变化而发生改变。
在中国市场规模迅速扩张，经济持续高速增长的环境下，外生因素的影响显得格外重要，厂商将在权衡各方面因素的条件下做出投资决策，因此本文将经济增长水平及经济规模作为度量外生宏观经济环境影响的主要变量引入模型。
综上，本文设定的投资模型如下：
Iit=α1iΔYit+α2iIi，t-1+α3iEit+α4iRt+α5ihghjt+ξit
（2）
Eit――市场状态指数，Rt――市场利率，hghjt――宏观环境，具体定义为经济增长速度（GDPZS）及经济规模（GDPT），ζit――随机扰动项，其他两个变量如前文所定义。
（二）数据选取及指标说明
本文选择2007-2013②年深证主板A股和上证A股制造业上市公司为研究样本，剔除ST，*ST，PT样本、数据不全的样本，最后得到历年平衡数据690家公司4830个有效样本点。
本文所使用数据全部来自于CSMAR数据库。
1.市场状态指标的构建
经济学中定义的供给是“厂商有意愿且具备生产能力”，二者缺一不可，即真实的生产需要“意愿与能力”统一：
其供给意愿取决于该生产是否具有获利的可能性，而获利的可能性在不考虑要素市场影响的前提下主要取决于产品市场的供求形势；具备生产能力则意味着厂商投资行为，投资是形成生产能力的前提。
新古典经济学以完美市场及“经济人”假设为背景，追求利润最大化的厂商对产能调整是瞬时完成的，而现实中却必然要经历投资―产能―生产的过程，即投资相对于生产要有较长时期超前性，这就决定了厂商在做出投资决策时会依据当前的市场需求以及预期的未来市场状态，或者说，凡是影响获利水平的现实及预期因素皆会对投资（生产）产生影响。
其中，市场需求是影响厂商现实获利能力的直接因素，而厂商所面临的市场机会则更多影响厂商的投资预期。
通常来说，一个好的市场机会将促使理性厂商加大投资，反之则会观望或减少投资。
而现有财务数据中没有直接反映公司市场机会的直接指标，虽然有部分研究中使用了托宾Q作为投资机会的代理变量，但AvinashK.Dixit（阿维纳什?
迪克西特）指出影响投资的是边际Q，而边际Q很难测度，通常报告的托宾Q都是平均值而非边际值，但好的市场机会通常会反映在公司日常经营的一系列财务数据中，如公司盈利能力、股东获利能力以及公司的流动资金周转情况等。
本文经过对财务报表的深入分析，从中选择了净资产收益率、营业利润率、CF/P、营业收入、存货净额等指标，通过计算合成市场状态指数，以此反映公司所面临的市场机会。
其中，反映公司盈利能力的指标可直接从上市公司财务数据中直接获取，并且上述两个指标是反映公司市场机会的正向指标，可以直接使用；反映股东获得能力的CF/P是反向指标，即该指标取值越大，反映公司目前股东获利能力越低，因此我们将该指标值取倒数后使用，以保证合成后的市场指数构成因素方向一致；而反映公司流动资金周转情况的指标本文使用的是营业收入/存货，该指标是通过利润表中的营业收入数据与资产负债表的存货数据处理后得到的，处理后的收入/存货指标同样是反映公司市场机会的正向指标。
主成分分析通过投影的方法实现数据的降维，在损失较少数据信息的基础上可以把多个指标转化为有代表意义的综合指数，因此本文通过主成分分析来构建市场机会指数。
由于度量市场机会的各个指标取值范围不同，为了避免指标的量纲差异及数量级差异对研究产生影响，需对主成分指标进行标准化处理，通过数据变换消除原始数据指标量纲的影响。
本文采用z-score标准化方法对原始数据进行标准化处理，以保证处理后的各变量不存在多重共线性。
根据解释方差情况，选择了前3个主成分，结合因子得分矩阵得到主成分表达式为：
PC1=066×ZT1+067×ZT2+031×ZT3+015×ZT4
PC2=-024×ZT1-020×ZT2+057×ZT3+076×ZT4
PC3=013×ZT1+008×ZT2-076×ZT3+063×ZT4
根据公因子对应的方差贡献率可以得到市场机会指数方程：
E=032×PC1+026×PC2+023×PC3（3）
根据方程（3）计算出了4830个样本的市场状态指数，并以“0”为分界点，将市场机会指数分为两组（此处略去了市场状态指数的相关统计性描述）。
研究期间全样本及分样本的市场状态指数中位数动态见图1。
由图1可知，2008年起，上市公司中多数公司所面临的市场机会都较之前有所下滑，高市场组呈现出V型结构，低市场组则与其相反，呈倒V型结构。
2012年起，高市场组公司的市场机会相较之前有了较大幅度的提升，而低市场机会组则持续呈现下滑趋势。
2模型中其他变量的定义与数据处理说明
本文选择现金流量表中的购建固定资产、无形资产和其他长期资产支出的现金减去处置固定资产、无形资产和其他长期资产收回的现金净额来获得公司当年净投资额，并将其对数化处理作为净投资的代理变量，记为ln（i）；选择公司利润表中的营业收入总额数据，并将其对数化处理后作为市场需求的代理变量，记为ln（y）；选取样本期间全国一年期银行间加权平均的拆借利率作为市场利率的代理变量，记为RT；选取样本期间历年GDP增长速度（gdpzs）、GDP总量作为宏观经济环境变量的代理变量，其中GDP总量数据进行对数化处理后记为gdpt。
三、投资模型的全样本及分组样本实证检验与分析
（一）投资模型的全样本及分组样本检验
本文接下来按模型
（2）对2007-2013年由690家公司构成的平衡面板数据进行全样本及分组样本的实证检验，以便分析此期间影响上市公司投资决策的核心因素。
对于微观主体来说，经济增长速度、经济总量规模都是外生影响因素。
样本期间，中国经济呈现的是大规模基础上的持续高速增长，年均增长率超过10%，有些年份甚至达到15%以上。
有人形象地比喻中国经济是“大象在跳舞”，指代的便是规模巨大的经济体的持续高速增长动态，而支撑这种增长动态的核心便是制造业，因此我们将模型
（2）中的宏观经济变量分别用gdpzs和gdpt替换，对模型进行估计，以便分别分析速度和规模对厂商对市场预期产生的影响，进而分析对其投资决策产生的作用效应。
为了观测宏观经济运行环境对厂商预期产生的影响，我们在投资模型中引入了市场状态指数与宏观环境变量的交叉项，分别进行了面板数据的检验，其检验结果见表1。
（二）实证检验结果分析
从全样本两组模型检验结果可以看出：
（1）样本期间市场需求是影响中国制造业上市公司投资的最重要因素。
无论以经济增长速度还是经济规模作为宏观经济环境的代理变量，市场需求对投资的诱导弹性都高达085-087，意味着需求每增长一个百分点，将诱使投资增长086%。
（2）利率对投资的影响系数显著为正，说明若以中国的官方利率来度量投资成本远远偏低，这也使得能够以低廉成本筹集到资金的企业会进行大规模投资。
（3）所有模型中反映投资惯性的估计系数皆为不显著，表现出上市公司投资退出的途径更加灵活，这与行业数据估计的结果大相径庭。
在只考虑固定资产投资的研究中，我们曾经发现，投资不可逆属性和投资惯性运动的特定本质，使得在面临中国市场供求动态转换的背景时，很多初始理性的投资决策最后变成了过剩产能。
而上市公司由于其股权转让灵活，某种程度上来说如果不是发生系统性的市场动荡、外生冲击或集体误判，更容易做出理性的投资进入与退出的决策。
可见，股权转换形式的退出路径对化解产能过剩是一个很好启发。
（4）我们所最为关注的宏观经济环境变量对厂商市场状态预期的影响估计结果均较为显著。
在以全部样本、分组样本的估计中，所获得的估计参数方向与大小皆存在明显差异。
为了深入分析宏观经济环境变量对制造业上市公司整体以及处于不同市场状态的公司投资决策的影响路径及作用效应的大小，我们将模型估计所得到的所有显著性参数③都转化为诱导弹性。
通过分别考查单个变量独立作用对投资产生的影响方向及效应，以及加入不同环境与预期市场状态交叉项后对投资产生的总体诱导效应的对比分析，我们获得了引入交叉项前后投资诱导效应变动的方向及程度的测算结果（见表2）。
由表2可以看出，以全样本为研究对象，在考虑经济环境（分别考查经济增长速度与经济规模）与市场状态指数交叉影响时，市场状态对投资作用弹性为负，即样本期间上市公司整体市场状态并不景气，对投资起到了微弱的抑制作用，抑制弹性值分别为-00034和-00043，即市场状态每改变一个百分点，将会引起投资变动00034%和00043%的变动。
同时，无论是以经济增长速度还是经济规模反映的经济环境变量对投资的影响皆为不显著，即二者均未对公司投资行为产生直接的显著性影响。
而当我们引入经济增速的环境变量与市场状态指数的交叉项后，尽管独立考查市场状态对投资的影响仍然是抑制作用，作用弹性为-00255，即市场状态本身并未引发投资进入，但其交叉项的作用弹性则为+002788，即经济环境通过作用于市场状态变量改变了厂商对市场的预期，进而改变了投资行为。
引入交叉项后的市场状态指数与经济环境通过改变预期市场状态共同的投资诱导弹性为000238（002788-00255）。
由此我们看到，受经济增长速度的影响，厂商投资行为发生了方向逆转，由原来的减少投资转变为加大投资，投资弹性平均增长了17倍（000578/00034）。
同样，当我们考查经济规模变量通过作用于市场状态指数而引起厂商对市场状态的预期的改变而引起的投资前后变动时，未考虑交叉项的市场状态对投资的作用弹性仍然为负值（-0063），而引入经济规模与市场状态指数的交叉项后，市场状态对投资的诱导弹性变为+04998，而经济规模与市场状态指数的交叉项的投资诱导弹性为-04918，总诱导弹性为000796（04998-04918），投资弹性平均净增长285倍。
可见，对于中国制造业上市公司整体来说，外生的经济增长速度与庞大的经济规模对其投资产生了强大的引力，但由于每个行业的需求动态以及行业内的竞争强度、国际市场冲击等很多影响因素的客观存在，很容易出现信息不对称，因而这其中难免产生冲动性投资。
以“0”为市场状态指数的分界点，将全样本分为两组，将市场状态指数得分大于0的称为高市场组，对应的将市场状态指数得分小于0的称为低市场组。
对处于不同市场状态的两组样本公司分别考查经济环境变量对其投资行为产生的影响。
在高市场组中，经济环境变量对投资的直接影响仍为不显著，市场状态指数对投资的诱导弹性依然为负值（-008），而引入经济增长速度与市场状态指数交叉项后，市场状态对投资的诱导弹性变为-0267，但同时经济增速与市场状态的交叉项对投资的诱导弹性为+01979，因此总的作用弹性为-00692，弹性前后变化为00108，即经济增速虽然没有使高市场状态的公司投资行为发生直接的转变，但市场状态对投资的抑制弹性下降了135%（00108/008），这在某种程度上仍然助推了投资进入。
对引入经济规模的经济环境变量与市场状态的交叉项对投资的影响分析发现，首先仍然是经济规模直接改变了厂商对市场状态的预期而产生投资决策，市场状态对投资的直接诱导弹性为+3829，而经济规模与市场状态交叉项对投资作用弹性为-3888，总的作用弹性为-0059（3829-3888），相对于不考虑经济环境影响时市场状态对投资抑制的弹性值下降了2228%（0017/00763）。
同时，在全样本中以及经济增速影响下的投资模型中始终不显著的利率变量此时变得显著，且对投资产生的是推动而非抑制作用，表明当前的市场利率并未起到理性引导投资之作用。
对于高市场状态的公司，经济环境通过改变厂商对市场状态的预期而做出投资决策，即使未改变基于市场状态的投资决策，但却使其降低了对未来市场风险的预期，使市场状态对其投资发挥抑制的作用能力大幅度下降。
对于低市场组的公司而言，经济增速及经济规模对其投资的直接影响仍然不显著，但利率变量的系数却在低市场组检验中始终显著为正，透视出当前的利率市场助推了“僵尸”企业的形成。
市场状态本身对投资的作用弹性仍为负值，引入经济增速表征的环境变量后，不理想的市场状态对投资的抑制作用降低了4115%（00179/00435），但两种经济环境变量与市场状态的交叉项对投资的影响皆为不显著，且引入以经济规模度量的经济环境变量后，原本参数值显著为负的市场状态变量变得不显著，说明市场状态对投资的抑制作用可能在环境的影响下消失，在利率变量的助推下投资决策很可能发生逆转。
由于利率机制对低市场组公司投资发生与否起着决定性作用，因此我们单独检验了利率与市场状态的交叉项对投资产生的影响，结果表明：
对于低市场组公司来说，利率与市场状态的交叉项对投资诱导弹性为02077，即引入利率交叉项后，原来不显著的市场状态变量变得显著为负向作用，意味着利率对低市场状态公司的投资决策作用最为明显。
当前市场中大量僵尸企业之所以存在，主要是资本使用成本没有形成对投资的硬约束，使得其面对糟糕市场状态仍然得以选择死守不退，这是当前上市公司中产能过剩的主体部分。
四、典型行业资本积累对资本回报率影响的实证检验
当前产能过剩主要集中于重化工行业，以黑色金属、有色金属、矿物制品、大型装备制造业等行业矛盾最为突出。
产能过剩
升级会员 