王 朝 張化堯

(浙江工業(yè)大學(xué)管理學(xué)院，杭州 310023)

0 引 言

隨著智能制造業(yè)的高速發(fā)展，市場對于智能制造業(yè)的發(fā)展提出了更高的要求，智能制造業(yè)的循環(huán)性受到了許多學(xué)者的關(guān)注，而智能制造業(yè)發(fā)展的循環(huán)性主要體現(xiàn)在生態(tài)循環(huán)與經(jīng)濟循環(huán)兩方面，本文著重對經(jīng)濟循環(huán)進行了論述?，F(xiàn)金作為經(jīng)濟循環(huán)之中的主體，現(xiàn)金保有量一直是金融界研究的重點，對于現(xiàn)金保有量的控制也是智能制造業(yè)面臨的重大難題之一。隨著IMF將2019年制造業(yè)預(yù)期增速進行下調(diào)，智能制造業(yè)所面臨的經(jīng)濟壓力也水漲船高，業(yè)界也更加強調(diào)現(xiàn)金持有量的增加。但是智能制造業(yè)在進行資金籌集過程中，如何在融資約束的限制下，保證現(xiàn)金的流通和固定資產(chǎn)的比重成為智能制造行業(yè)進行經(jīng)濟循環(huán)的難題。

本文將融資約束、資產(chǎn)有形性和現(xiàn)金持有納入統(tǒng)一的研究框架，利用2009—2018年A股制造業(yè)上市公司的面板數(shù)據(jù)，探討三者的動態(tài)關(guān)系，同時引入融資約束和資產(chǎn)有形性交互項，討論其對現(xiàn)金持有量的影響，豐富了現(xiàn)金持有的研究，拓展了相關(guān)的理論，對智能制造業(yè)未來的現(xiàn)金管理提供了更多的借鑒。

1 文獻(xiàn)綜述與假設(shè)提出

1.1 循環(huán)經(jīng)濟的內(nèi)涵和4R原則

循環(huán)經(jīng)濟(Circular Economy)，指的是經(jīng)濟實現(xiàn)物質(zhì)閉環(huán)性的流動，將其進行展開，其內(nèi)涵為按照普適性的生態(tài)規(guī)律，通過可循環(huán)的手段來利用自然資源，以最小的代價來實現(xiàn)經(jīng)濟的可持續(xù)、高質(zhì)量發(fā)展。這是未來智能制造業(yè)的發(fā)展趨勢，也是實現(xiàn)人與自然和諧相處的重要途徑之一。循環(huán)經(jīng)濟的核心環(huán)節(jié)為經(jīng)濟的可循環(huán)性，實現(xiàn)智能制造業(yè)人才、技術(shù)等生產(chǎn)要素的高效、重復(fù)利用。

循環(huán)經(jīng)濟在實際的運行過程中需要遵從四大原則，即資源使用少(Reduce)、資源可利用(Reuse)、資源可重復(fù)(Recycle)、資源可反思(Rethink)，即4R原則。資源使用少從源頭上對其進行了控制，智能制造業(yè)本身所消耗的天然資源較少，更多的是人才資源和技術(shù)資源。資源可利用從過程上對其進行了闡述，即對人才的能力進行界定，并盡可能地使得人盡其力。資源可重復(fù)也是從過程上對資源控制進行了闡述，使得技術(shù)呈現(xiàn)出可持續(xù)性，使智能制造業(yè)的某些產(chǎn)品成為可循環(huán)性產(chǎn)品，即實現(xiàn)某些代碼、技術(shù)的可重復(fù)性利用。資源可反思指兩方面，一方面對采用信息反饋法，對整個生產(chǎn)過程進行反思，以實現(xiàn)經(jīng)濟的循環(huán)發(fā)展，另一方面為智能制造業(yè)的基礎(chǔ)——“人才”的自我反思，通過人才的自我反思來實現(xiàn)生產(chǎn)步驟的簡化和技術(shù)的進步。

1.2 現(xiàn)金保有量和融資約束研究與假設(shè)

對智能制造業(yè)來說，人才和資金共同制約了企業(yè)自身的發(fā)展，由于人才和知識難以進行量化，因此本文選取了資金作為本文的數(shù)據(jù)基礎(chǔ)。如何通過較低的融資成本來獲得大量的資金成為智能制造業(yè)當(dāng)下炙手可熱的問題。楊興全、齊云飛、曾義(2015)提出了在新時代的制造業(yè)中，由于技術(shù)行業(yè)存在極大的信息不對稱性、代理矛盾等，這些共同導(dǎo)致了融資約束的形成，進而限制公司的發(fā)展[1]。在對融資約束進行衡量時，主要可以分為兩方面的指標(biāo)：一為單變量指標(biāo)，即股利支付率、公司規(guī)模、固定資產(chǎn)等；二為多元變量指標(biāo)，即KZ指數(shù)、WW指數(shù)等復(fù)合指標(biāo)。

縱然對于融資約束的評價指標(biāo)眾多，但是學(xué)界并沒有形成統(tǒng)一的標(biāo)準(zhǔn)來對其進行評價。而企業(yè)在實際的經(jīng)營過程中，尤其是技術(shù)含量較高的智能制造業(yè)，當(dāng)公司面臨融資約束時，為了確保盈利不得不放棄某些整體性比較好，但是資金占用量較大的項目，而投入到5G技術(shù)、人工智能等短時間內(nèi)難以盈利，但發(fā)展前景良好的項目，這就導(dǎo)致了企業(yè)的商業(yè)價值未能得到最大化的發(fā)揮。通過對智能制造業(yè)部分公司的研究，其外部融資數(shù)量較大，且大部分融資為債券型融資，但是其周期較長。當(dāng)這些公司需要少量資金時，更傾向于周期性較短、成本較低的內(nèi)部融資渠道。

現(xiàn)金是企業(yè)在進行內(nèi)部融資時的重要交換媒介，具有極強的流動性。在審計領(lǐng)域，現(xiàn)金可以分為廣義現(xiàn)金和狹義現(xiàn)金：廣義上的現(xiàn)金為銀行的存款、其他貨幣等；狹義上的貨幣為企業(yè)、團體、個人在銀行的存款。吳昊旻、謝廣霞(2015)根據(jù)貨幣需求理論推出企業(yè)擁有強烈的現(xiàn)金持有的意愿，這能夠使得企業(yè)對自身資金鏈進行供給、緩解自身資金壓力、有充足資金進行投資[2]。企業(yè)一方面渴望持有資金，但是另一方面，過多的持有資金則會影響企業(yè)的收益，因此如何保持現(xiàn)金持有處在平衡狀態(tài)對于企業(yè)盈利來說至關(guān)重要。

隨著融資約束理論的不斷完善，現(xiàn)金保有量也逐漸地納入到了融資約束背景下進行考慮。Elisa Ughetto(2016)對該年在納斯達(dá)克上市公司的情況進行了統(tǒng)計，認(rèn)為在現(xiàn)金保有量方面，融資約束的公司要比非融資約束的公司多[3]。何青、李皓鵬(2013)對其進行了進一步分析，認(rèn)為融資約束越大的公司，其現(xiàn)金保有量越多或者是其現(xiàn)金保有量的愿望更為強烈，其現(xiàn)金流的敏感度也更高[4]。

因此，本文提出假設(shè)1：現(xiàn)金保有量和融資約束呈現(xiàn)出正相關(guān)。

1.3 現(xiàn)金保有量和固定資產(chǎn)研究與假設(shè)

Kogan(2015)認(rèn)為固定資產(chǎn)為可抵押性資產(chǎn)以及有可質(zhì)押性，包含有現(xiàn)金、應(yīng)收賬款、房產(chǎn)、車輛等價值含量較高的私人物品等。通過抵押固定資產(chǎn)來獲得資金是企業(yè)進行貸款的重要形式之一[5]。他對部分500強企業(yè)進行了分析，歐美國家中約有70%的公司獲得資金的方式都為抵押固定資產(chǎn)，而我國僅僅有24.3%的企業(yè)的主要資金來源為抵押固定資產(chǎn)。Manea(2012)對固定資產(chǎn)和現(xiàn)金保有量之間的關(guān)系進行了實證檢驗研究，他認(rèn)為固定資產(chǎn)越多，現(xiàn)金保有量也就越少[6]。Liao(2016)選取當(dāng)年上市的241家公司的資金結(jié)構(gòu)進行了研究，他認(rèn)為固定資產(chǎn)比率和現(xiàn)金保有量呈現(xiàn)出負(fù)相關(guān)關(guān)系，他將這種現(xiàn)象的原因歸咎于固定資產(chǎn)較低的公司獲得融資的成本較大，因此這類公司更傾向于持有更多的現(xiàn)金[7]。

因此，本文提出假設(shè)2：現(xiàn)金保有量和固定資產(chǎn)呈現(xiàn)出負(fù)相關(guān)。

1.4 融資約束、固定資產(chǎn)和現(xiàn)金保有量研究與假設(shè)

智能制造業(yè)屬于資本密集型和技術(shù)密集型產(chǎn)業(yè)，需要大量的資金和人才的支持，因此面臨的融資問題也比較嚴(yán)峻。當(dāng)企業(yè)面臨融資約束時，固定資產(chǎn)對于現(xiàn)金保有量的影響開始顯現(xiàn)出來，但現(xiàn)階段并沒有文獻(xiàn)對融資約束背景下三者之間的關(guān)系變化進行研究，這也是本文的創(chuàng)新點所在。

因此，本文提出假設(shè)3：不同的融資約束條件會對固定資產(chǎn)與現(xiàn)金保有量之間的關(guān)系產(chǎn)生影響，預(yù)計影響為負(fù)，且隨著融資約束的加強，這種影響也會隨之增強。

2 研究設(shè)計

2.1 樣本數(shù)據(jù)來源

中華人民共和國財政部于2007年發(fā)布了新的會計準(zhǔn)則，因此，為了避免舊會計準(zhǔn)則對實證結(jié)果產(chǎn)生影響，本文選取2009—2018年的數(shù)據(jù)進行研究，數(shù)據(jù)全部源自Wind數(shù)據(jù)庫。為了保證選取的數(shù)據(jù)合理有效，選取數(shù)據(jù)需滿足如下要求：一是按照證監(jiān)會2012年制定的行業(yè)劃分標(biāo)準(zhǔn)，將數(shù)據(jù)選擇范圍限定在制造業(yè)上市公司，并根據(jù)2018《互聯(lián)網(wǎng)周刊》和eNET研究院共同發(fā)布的智能制造業(yè)榜單，進行數(shù)據(jù)選擇。二是對該榜單之中數(shù)據(jù)異常、現(xiàn)金保有量為負(fù)數(shù)、總資產(chǎn)為負(fù)數(shù)的企業(yè)進行剔除。

在經(jīng)過上述步驟篩選之后，本文最終選取TCL、埃斯頓、愛仕達(dá)、安徽合力、寶信軟件、比亞迪、必康股份、博實股份、長城汽車、長盈精密等10家上市公司2009—2018年的財務(wù)數(shù)據(jù)作為研究對象。

2.2 變量定義與模型的構(gòu)建

本文研究的是在循環(huán)經(jīng)濟背景之下，我國智能制造業(yè)在融資約束條件下，現(xiàn)金保有量和固定資產(chǎn)之間的影響關(guān)系。因此在進行變量選擇時，令現(xiàn)金保有量為因變量，自變量擬定現(xiàn)金保有量的一期滯后期、固定資產(chǎn)、現(xiàn)金流、市值賬面比、公司規(guī)模、負(fù)債率、資本支出、總股利等。變量設(shè)定如表1所示。

表1 變量設(shè)定

為了驗證假設(shè)1，構(gòu)建如下模型：

Yi，t=β0+β1Yi，t-1+β2FC+β3CFi，t+β4MBi，t+β5SIZEi，t+β6CEi，t+β7LEVi，t+μi，t

(1)

式(1)中，如果FC的系數(shù)β2>0，則表明本文的假設(shè)1成立，且其系數(shù)越大，正相關(guān)性越強。

為了驗證假設(shè)2，構(gòu)建如下模型：

Yi，t=θ0+θ1Yi，t-1+θ2ATi，t+θ3CFi，t+θ4MBi，t+θ5SIZEi，t+θ6CEi，t+θ7LEVi，t+μi，t

(2)

式(2)中，如果AT的系數(shù)θ2<0，則表明本文的假設(shè)2成立，且其系數(shù)絕對值越大，負(fù)相關(guān)性越強。

在式(2)的基礎(chǔ)上，加入了融資約束的條件，形成了如下多元回歸模型：

Yi，t=θ0+θ1Yi，t-1+θ2ATi，t+θ3CFi，t+θ4MBi，t+θ5SIZEi，t+θ6CEi，t+θ7LEVi，t+θ8FCi，t+μi，t

(3)

式(3)中，如果AT的系數(shù)θ2<0，且FC的系數(shù)θ8>0，則假設(shè)1和假設(shè)2同時成立?？紤]到其中的交互問題，在式(3)的基礎(chǔ)上加入了AT和FC的交互項，形成如下模型：

Yi，t=β0+β1Yi，t-1+β2ATi，t+β3CFi，t+β4MBi，t+β5SIZEi，t+β6CEi，t+β7LEVi，t+β8FCi，t+β9FCi，t×ATi，t+μi，t

(4)

式(4)中，如果AT的系數(shù)β2<0，則表明本文的假設(shè)3成立，且其系數(shù)絕對值越大，負(fù)相關(guān)性越強。

3 實證檢驗與結(jié)果分析

3.1 描述性統(tǒng)計

本文對2009—2018年10家智能上市公司進行了描述性統(tǒng)計，統(tǒng)計結(jié)果如表2所示。

表2 智能制造業(yè)代表企業(yè)描述性統(tǒng)計

3.2 回歸結(jié)果分析

3.2.1 現(xiàn)金保有量和融資約束

在對融資約束進行衡量時，通過某個單獨的變量對其進行衡量通常情況下誤差較大，因此應(yīng)當(dāng)對各指標(biāo)進行反復(fù)的對比和比較，本文選擇了KZ指數(shù)來衡量企業(yè)的內(nèi)部財務(wù)情況，選取了SA指數(shù)來衡量外部的諸多變量，通過上述2個指數(shù)將其進行分組討論。在進行2個指數(shù)選擇時，本文選取的數(shù)據(jù)沒有交互性，能夠分別代表不同的方面，因此其衡量準(zhǔn)則較為客觀。

KZ指數(shù)的計算公式為：

Y=-1.002CF+3.139LEV-39.367TDIV-1.315CH

SA指數(shù)的計算公式為：

Y=-0.737SIZE+0.043SIZE2

按照融資成本的不同將其劃分為兩組，進而討論不同情況下的現(xiàn)金保有量的變化情況。隨后采用T檢驗對其差異性進行檢測，檢測結(jié)果如表3所示。

表3 融資約束分組差異性檢測

經(jīng)過T檢驗可以得知，兩個分組的差異較為明顯，符合分組要求。

雖然說明了分組之間的科學(xué)性，但是無法對變量和變量之間的內(nèi)生性進行消除，為了消除相互干擾，本文通過分組的方式對其進行回歸分析，回歸分析結(jié)果如表4所示。

表4 現(xiàn)金保有量和融資約束分組回歸分析結(jié)果

通過表4可知，無論是KZ指數(shù)分組，還是SA指數(shù)分組，融資約束的系數(shù)是大于0的，因此假設(shè)1成立，融資約束對現(xiàn)金保有量能夠產(chǎn)生正影響。在其他方面，企業(yè)規(guī)模的影響程度較小，在KZ指數(shù)組為正，在SA指數(shù)組為負(fù)。市值賬面比、負(fù)債率和資本支出均呈現(xiàn)出負(fù)相關(guān)。

3.2.2 現(xiàn)金保有量和固定資產(chǎn)

現(xiàn)金保有量在企業(yè)的日常經(jīng)營之中發(fā)揮重要作用，具有極強的流動性，現(xiàn)金持有量較少會導(dǎo)致融資難度的增加，影響企業(yè)的盈利，進而減少了企業(yè)的固定資產(chǎn)。在對現(xiàn)金保有量和固定資產(chǎn)之間的關(guān)系進行研究時，現(xiàn)金保有量作為因變量，對其進行回歸分析，回歸分析結(jié)果如表5所示。

表5 現(xiàn)金保有量和固定資產(chǎn)回歸分析結(jié)果

通過表5可知，AT系數(shù)<0，且通過了1%檢驗，這就說明了固定資產(chǎn)的回歸系數(shù)為負(fù)數(shù)，和本文假設(shè)一致，假設(shè)2得到了驗證。而其他的回歸系數(shù)結(jié)果和假設(shè)1基本相同，市值賬面比、負(fù)債率和資本支出均呈現(xiàn)出負(fù)相關(guān)，企業(yè)規(guī)模的影響程度較小，回歸系數(shù)仍然小于0.1。

3.2.3 融資約束、固定資產(chǎn)與現(xiàn)金保有量

融資約束為本文的基礎(chǔ)條件，也是外部變量，智能制造業(yè)需要大量的資金，因此更容易受到融資約束的影響。本文已經(jīng)驗證了假設(shè)1和假設(shè)2。為了探究其中的交互項，需要對其分組，再進行回歸分析，其回歸結(jié)果如表6所示。

表6 融資約束下固定資產(chǎn)和現(xiàn)金保有量分組回歸結(jié)果

由表6可知，其分組回歸結(jié)果除了公司規(guī)模(SIZE)外，其余系數(shù)的正負(fù)均和假設(shè)1、假設(shè)2相符合。為了檢驗其中的干擾性，在模型3的基礎(chǔ)上加入了交互變量得到模型4。本文的假設(shè)3認(rèn)為雙方的交互作用對現(xiàn)金保有量有負(fù)影響，即在模型4之中，AT×FC的系數(shù)β9<0，為了對假設(shè)3進行檢驗，分別對KZ指數(shù)分組與SA分組進行了分別的回歸分析，回歸結(jié)果如表7所示。

表7 分組下各變量回歸結(jié)果

由表7可知，在進行分組之后，交互項的系數(shù)(即AT×FC)小于0，分別為-0.651 1和-0.804 6，因此與本文的假設(shè)3完全一致，其他系數(shù)基本與前述模型一致。

4 智能制造業(yè)發(fā)展模式

在循環(huán)經(jīng)濟下，智能制造業(yè)的資金募集過程和生產(chǎn)過程要遵循“循環(huán)”的理念，以自身經(jīng)濟效益和長遠(yuǎn)發(fā)展作為雙重導(dǎo)向，在循環(huán)經(jīng)濟的視角下，智能制造業(yè)在未來的發(fā)展過程中的系統(tǒng)框架構(gòu)建應(yīng)當(dāng)遵循循環(huán)經(jīng)濟要素和資金供給要素。具體框架構(gòu)建如圖1所示。

圖1 基于循環(huán)經(jīng)濟下智能制造業(yè)發(fā)展模式構(gòu)建

依據(jù)循環(huán)經(jīng)濟的4R原則，通過對傳統(tǒng)制造業(yè)的改造，以資金供給和循環(huán)經(jīng)濟為依托，建立智能制造可持續(xù)發(fā)展的新模式。在循環(huán)經(jīng)濟視角下，智能制造業(yè)構(gòu)建循環(huán)經(jīng)濟和資金供給相關(guān)指標(biāo)，形成智能制造業(yè)模式的建立—運行—考核機制，這樣才能實現(xiàn)智能制造企業(yè)的可持續(xù)發(fā)展。

5 結(jié)論與建議

在循環(huán)經(jīng)濟視角下，本文選取了智能制造業(yè)的代表企業(yè)來探討其融資約束、固定資產(chǎn)、現(xiàn)金保有量之間的關(guān)系。將循環(huán)經(jīng)濟融入智能制造業(yè)的發(fā)展是未來的趨勢，在未來的發(fā)展過程中，應(yīng)當(dāng)建制4R原則，實現(xiàn)各個循環(huán)子系統(tǒng)的發(fā)展，但還要考慮資金鏈的供給問題，因此，本文將三者放到動態(tài)化的視角中，通過KZ指數(shù)和SA指數(shù)對其進行分類，運用多元回歸模型得出了固定資產(chǎn)和現(xiàn)金保有量成反比，固定資產(chǎn)的數(shù)量極大地限制了公司的資金籌備能力，且隨著融資約束的加強，這種限制性會逐漸地增大。這是我國智能制造業(yè)普遍存在的問題，因此智能制造業(yè)在面臨融資約束時，應(yīng)當(dāng)保持現(xiàn)金保有量處于平衡的狀態(tài)，處理好現(xiàn)金保有量和固定資產(chǎn)之間的平衡，對現(xiàn)有資源進行合理的利用，使企業(yè)實現(xiàn)利潤的最大化。