主办: 上海立信会计金融学院

  • ISSN 2096-9554
  • CN 31-2074/F

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

资本市场开放能否抑制企业杠杆操纵?

来自“陆港通”的经验证据

饶品贵 赖崇瑜 汤晟

饶品贵, 赖崇瑜, 汤晟. 2025. 资本市场开放能否抑制企业杠杆操纵?——来自“陆港通”的经验证据. 会计与经济研究, 39(4): 94-114.
引用本文: 饶品贵, 赖崇瑜, 汤晟. 2025. 资本市场开放能否抑制企业杠杆操纵?——来自“陆港通”的经验证据. 会计与经济研究, 39(4): 94-114.
Rao Pingui, Lai Chongyu, Tang Sheng. 2025. Does Capital Market Opening Restrain Corporate Leverage Manipulation? Evidence from Mainland-Hong Kong Stock Connect. Accounting and Economic Research, 39(4): 94-114.
Citation: Rao Pingui, Lai Chongyu, Tang Sheng. 2025. Does Capital Market Opening Restrain Corporate Leverage Manipulation? Evidence from Mainland-Hong Kong Stock Connect. Accounting and Economic Research, 39(4): 94-114.

资本市场开放能否抑制企业杠杆操纵?

——来自“陆港通”的经验证据

基金项目: 国家自然科学基金青年项目(72502240);广东省哲学社会科学规划重点项目(GD23SJZ08)
详细信息
  • 摘要: 企业利用名股实债、表外负债等杠杆操纵方式进行虚假去杠杆,违背了去杠杆政策初衷。因此,有效抑制企业杠杆操纵对于推动我国经济高质量发展具有重要意义。本文以“陆港通”政策实施作为外生冲击,构建双重差分模型考察资本市场开放对企业杠杆操纵行为的影响。研究发现,资本市场开放显著抑制企业杠杆操纵。机制分析表明,资本市场开放主要通过融资效应、信息效应和治理效应来抑制企业杠杆操纵。异质性分析表明,上述抑制作用在两权分离率较高、股权制衡度较低、信息不对称程度较高、非国有以及成长性较好的企业中更为显著。经济后果检验表明,企业为“陆港通”标的时,进行杠杆操纵被审计师出具非标准审计意见的概率更高。

    Does Capital Market Opening Restrain Corporate Leverage Manipulation? Evidence from Mainland-Hong Kong Stock Connect

  • 表  1  样本筛选

    处理步骤 样本量
    A 股上市公司样本(2007−2020 年) 39525
    剔除金融业公司样本 1159
    剔除ST、*ST以及退市样本 4398
    剔除主要变量缺失的样本 11772
    最终样本 22196
    下载: 导出CSV

    表  2  变量定义

    变量 定义
    LEVM 基于XLT-LEVM法计算的杠杆操纵水平,具体计算过程见本文附录
    POST_TREAT 标的公司首次调入“陆港通”后取值为1,否则为0
    LEVB 期末账面杠杆率
    SIZE 期末账面总资产取自然对数
    PPE 期末固定资产总额除以期末资产总额
    MARKET 主营业务收入占同行业所有公司主营业务收入总额的比例
    NONEXEPER 董事会中除独立董事外的非执行董事人数占董事会总人数的比例
    GROWTH 主营业务收入增长率
    FIRM_AGE 上市年限加1取自然对数
    ROA 本期净利润除以期末资产总额
    FIRST 第一大股东持股比率
    CFO 经营活动现金净流量除以期末资产总额
    PROFIT 利润总额与营业收入的比值
    KZ KZ指数,衡量公司融资约束
    SOE 若公司属于国有企业,取值为1,否则为0
    GDP 公司所在省份GDP年增长率
    下载: 导出CSV

    表  3  描述性统计

    变量 样本量 均值 标准差 最小值 25%分位数 中位数 75%分位数 最大值
    LEVM 22196 0.1138 0.1665 0.0000 0.0000 0.0454 0.1725 1.3216
    POST_TREAT 22196 0.2250 0.4176 0 0 0 0 1
    LEVB 22196 0.4693 0.2016 0.0499 0.3144 0.4660 0.6170 0.9560
    SIZE 22196 22.2216 1.3036 19.3725 21.2930 22.0584 22.9693 26.0709
    PPE 22196 0.2363 0.1702 0.0019 0.1022 0.2040 0.3378 0.7207
    MARKET 22196 0.0287 0.0675 0.0001 0.0020 0.0063 0.0211 0.4667
    NONEXEPER 22196 0.2165 0.1298 0.0000 0.1168 0.2076 0.3113 0.5189
    GROWTH 22196 0.1985 0.4728 −0.6013 −0.0123 0.1174 0.2844 3.3154
    FIRM_AGE 22196 2.0862 0.8315 0.0000 1.5314 2.2632 2.7717 3.3691
    ROA 22196 0.0383 0.0599 −0.2337 0.0134 0.0357 0.0660 0.2411
    FIRST 22196 0.3550 0.1476 0.0877 0.2392 0.3368 0.4553 0.7510
    CFO 22196 0.0432 0.0706 −0.1779 0.0049 0.0426 0.0840 0.2559
    PROFIT 22196 0.0830 0.1713 −0.9105 0.0276 0.0735 0.1438 0.6482
    KZ 22196 0.7318 2.0202 −6.2087 −0.2760 0.8579 2.0815 5.3209
    SOE 22196 0.4443 0.4969 0 0 0 1 1
    GDP 22196 10.9791 4.7618 0.6281 8.0687 9.8114 12.6298 24.6253
    下载: 导出CSV

    表  4  基准回归结果

    变量 LEVM
    (1)
    LEVM
    (2)
    POST_TREAT −0.011*** −0.007**
    (−3.26) (−2.29)
    LEVB 0.019*
    (1.72)
    SIZE −0.003
    (−1.04)
    PPE 0.011
    (0.84)
    MARKET 0.169**
    (2.13)
    NONEXEPER −0.004
    (−0.43)
    GROWTH 0.009***
    (5.01)
    FIRM_AGE 0.004
    (1.17)
    ROA 0.331***
    (9.29)
    FIRST −0.063***
    (−3.68)
    CFO 0.037**
    (2.10)
    PROFIT −0.099***
    (−8.25)
    KZ 0.002**
    (2.42)
    SOE 0.000
    (0.06)
    GDP −0.000
    (−1.20)
    Constant 0.089*** 0.151**
    (120.99) (2.37)
    FIRM/YEAR 控制 控制
    N 22196 22196
    Adj-R2 0.4430 0.4535
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值。
    下载: 导出CSV

    表  5  平行趋势检验

    变量 LEVM
    (1)
    LEVM
    (2)
    D_BF3+ 0.008 0.007
    (1.52) (1.45)
    D_BF3 0.004 0.002
    (0.89) (0.38)
    D_BF2 0.003 0.001
    (0.73) (0.25)
    D_BF1 0.001 −0.001
    (0.39) (−0.53)
    D_AF1 −0.006** −0.005*
    (−2.01) (−1.65)
    D_AF2 −0.009** −0.007*
    (−2.44) (−1.92)
    D_AF3 −0.012*** −0.009**
    (−2.61) (−1.98)
    D_AF3+ −0.020*** −0.015**
    (−3.17) (−2.35)
    Controls 未控制 控制
    FIRM/YEAR 控制 控制
    N 22196 22196
    Adj-R2 0.4433 0.4536
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值。
    下载: 导出CSV

    表  6  稳健性检验

    Panel A:更换因变量衡量方式
    变量 E_LEVM LEVM_I E_LEVM_I
    (1) (2) (3)
    POST_TREAT −0.008** −0.004* −0.006**
    (−2.46) (−1.70) (−2.22)
    Controls 控制 控制 控制
    FIRM/YEAR 控制 控制 控制
    N 22196 22196 22196
    Adj-R2 0.4190 0.5816 0.5587
    Panel B:PSM匹配、Tobit回归与安慰剂检验
    变量 LEVM LEVM LEVM
    PSM匹配 Tobit回归 安慰剂检验
    (1) (2) (3)
    POST_TREAT −0.015*** −0.009*
    (−2.68) (−1.87)
    POST3_TREAT −0.003
    (−1.04)
    Controls 控制 控制 控制
    FIRM/YEAR 控制 控制 控制
    N 5805 22196 14908
    P-R2/Adj-R2 0.5225 0.2200
    (此处为伪R2
    0.4700
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  7  影响机制检验

    变量 PEG
    (1)
    OJ
    (2)
    ANALYST
    (3)
    Z-score
    (4)
    POST_TREAT −0.004*** −0.004*** 0.011*** 0.561***
    (−2.83) (−2.95) (3.63) (4.57)
    Controls 控制 控制 控制 控制
    FIRM/YEAR 控制 控制 控制 控制
    N 14013 13345 16292 21922
    Adj-R2 0.3593 0.3562 0.3332 0.6326
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  8  公司股权结构与信息不对称的影响

    变量 LEVM
    Group=D_SEP
    (1)
    LEVM
    Group=D_EB
    (2)
    LEVM
    Group=D_VOL
    (3)
    POST_TREAT −0.001 −0.011*** −0.011***
    (−0.34) (−3.02) (−4.17)
    POST_TREAT×Group −0.013*** 0.009* 0.006*
    (−2.74) (1.87) (1.83)
    Group 0.008** −0.007** 0.001
    (2.29) (−2.12) (0.40)
    Controls 控制 控制 控制
    FIRM/YEAR 控制 控制 控制
    N 22196 22196 22196
    Adj-R2 0.4539 0.4537 0.4533
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  9  产权性质与公司成长性的影响

    变量 LEVM
    Group=SOE
    (1)
    LEVM
    Group=D_MB
    (2)
    POST_TREAT −0.011*** −0.005
    (−2.96) (−1.55)
    POST_TREAT×Group 0.007* −0.009*
    (1.83) (−1.89)
    Group −0.001 −0.000
    (−0.12) (−0.05)
    Controls 控制 控制
    FIRM/YEAR 控制 控制
    N 22196 22196
    Adj-R2 0.4536 0.4536
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  10  资本市场开放、企业杠杆操纵与审计意见

    变量 A_OP1t+1
    (1)
    A_OP2t+1
    (2)
    LEVMt 0.039* 0.057*
    (1.78) (1.74)
    LEVM_T_PTt 0.065** 0.126***
    (2.48) (2.63)
    POST_TREATt −0.000 −0.009
    (−0.03) (−0.93)
    Controls 控制 控制
    FIRM/YEAR 控制 控制
    N 20554 20554
    Adj-R2 0.2809 0.2438
      注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
    下载: 导出CSV
  • [1] 陈胜蓝, 马慧. 2017. 卖空压力与公司并购——来自卖空管制放松的准自然实验证据. 管理世界 (7): 142−156.
    [2] 程利敏, 唐建新, 徐飞, 陈冬. 2019. 资本市场开放与上市公司资本结构调整——基于陆港通的实验检验. 国际金融研究 (10): 86−96. doi: 10.16475/j.cnki.1006-1029.2019.10.009
    [3] 管考磊, 朱海宁. 2023. 资本市场开放与公司杠杆操纵: 基于“沪深港通”的经验证据. 世界经济研究 (4): 73−86. doi: 10.13516/j.cnki.wes.2023.04.005
    [4] 郭阳生, 沈烈, 郭枚香. 2018. 沪港通改善了上市公司信息环境吗? ——基于分析师关注度的视角. 证券市场导报 (10): 35−43, 50.
    [5] 胡国柳, 严逸婧, 常启国. 2022. 税收优惠与企业杠杆操纵——基于固定资产加速折旧政策的准自然实验. 海南大学学报(人文社会科学版) (5): 176−186.
    [6] 黄国良, 刘圻松. 2021. 资本市场开放对企业债务融资成本的影响与机制研究——基于陆港通的准自然实验. 工业技术经济 (3): 63−71.
    [7] 李程, 王丹. 2024. 去杠杆政策、企业金融化与违约风险——基于集团与非集团企业的对比研究. 上海经济 (2): 50−70.
    [8] 李沁洋, 许年行. 2019. 资本市场对外开放与股价崩盘风险——来自沪港通的证据. 管理科学学报 (8): 108−126.
    [9] 李思飞, 陆洋, 牛煜皓, 邓路. 2025. “去杠杆”监管下国有企业迎合行为的策略与效果研究. 南开管理评论(网络首发).
    [10] 刘程, 王仁曾. 2020. 资本市场开放与公司治理优化——基于“沪港通”的准自然实验. 财会月刊 (12): 18−26.
    [11] 刘莎莎, 金一帆, 孔东民. 2024. 表外负债入表与分析师盈余预测——基于新租赁会计准则的研究. 会计研究 (12): 30−43.
    [12] 陆正飞. 2020. 打开天窗说亮话: “去杠杆与杠杆操纵”研究之缘起及展望. 当代会计评论 (2): 1−10.
    [13] 马草原, 朱玉飞. 2020. 去杠杆、最优资本结构与实体企业生产率. 财贸经济 (7): 99−113. doi: 10.19795/j.cnki.cn11-1166/f.20200702.001
    [14] 马亚明, 马金娅, 胡春阳. 2021. 资本市场开放可以提高上市公司治理质量吗——基于沪港通的渐进双重差分模型检验. 广东财经大学学报 (4): 81−95. doi: 10.20209/j.gcxb.441711.2021.04.011
    [15] 马永强, 张志远. 2021. 资本市场开放与过度负债企业去杠杆: 来自“沪深港通”的经验证据. 世界经济研究 (10): 55−68. doi: 10.13516/j.cnki.wes.2021.10.005
    [16] 庞家任, 张鹤, 张梦洁. 2020. 资本市场开放与股权资本成本——基于沪港通、深港通的实证研究. 金融研究 (12): 169−188.
    [17] 彭方平, 廖敬贤, 何锦安. 2023. 企业垄断势力对财务杠杆操纵行为的影响研究. 管理学报 (2): 297−307.
    [18] 彭伊, 韩亮亮. 2025. 商业银行数字化转型如何影响企业杠杆操纵? 南开管理评论(网络首发).
    [19] 饶品贵, 汤晟, 李晓溪. 2022. 地方政府债务的挤出效应: 基于企业杠杆操纵的证据. 中国工业经济 (1): 151−169. doi: 10.19581/j.cnki.ciejournal.2022.01.009
    [20] 阮睿, 孙宇辰, 唐悦, 聂辉华. 2021. 资本市场开放能否提高企业信息披露质量? ——基于“沪港通”和年报文本挖掘的分析. 金融研究 (2): 188−206.
    [21] 尚航标, 宋学瑞, 王智林. 2022. 监督与纾困! 机构投资者持股与企业投资效率的关系研究. 技术经济 (3): 128−138.
    [22] 孙晶慧, 徐鑫磊, 齐保垒. 2022. 资本市场开放与公司自愿性信息披露. 会计与经济研究 (6): 51−63. doi: 10.16314/j.cnki.31-2074/f.2022.06.003
    [23] 孙泽宇, 齐保垒, 崔晓玉. 2020. 资本市场开放与大股东掏空——基于沪深港通交易制度的经验证据. 金融经济学研究 (4): 94−107.
    [24] 孙泽宇, 王改便, 孙凡. 2025. 税收征管独立性与企业杠杆操纵——基于国地税合并的准自然实验. 审计与经济研究 (2): 85−95.
    [25] 谭小芬, 邵涵. 2021. 资本市场对外开放与企业股权融资——来自“沪港通”的经验证据. 中央财经大学学报 (11): 49−61.
    [26] 唐逸舟, 王婧文, 王姝晶. 2020. 资本市场开放与企业债券融资成本——来自沪深港通的经验证据. 证券市场导报 (7): 52−60.
    [27] 魏文君, 李黎. 2023. 机构投资者持股与企业杠杆操纵. 财会月刊 (5): 21−30.
    [28] 吴晓晖, 王攀, 郭晓冬. 2022. 机构投资者“分心”与公司杠杆操纵. 经济管理 (1): 159−175.
    [29] 徐亚琴, 宋思淼. 2021. 审计师能识别企业的杠杆操纵吗? ——基于审计意见视角的实证检验. 审计研究 (6): 102−115.
    [30] 许晓芳, 陈素云, 陆正飞. 2021a. 杠杆操纵: 不为盈余的盈余管理动机. 会计研究 (5): 55−66.
    [31] 许晓芳, 陆正飞. 2020. 我国企业杠杆操纵的动机、手段及潜在影响. 会计研究 (1): 92−99.
    [32] 许晓芳, 陆正飞, 汤泰劼. 2020. 我国上市公司杠杆操纵的手段、测度与诱因研究. 管理科学学报 (7): 1−26.
    [33] 许晓芳, 汤泰劼, 陆正飞. 2021b. 控股股东股权质押与高杠杆公司杠杆操纵——基于我国A股上市公司的经验证据. 金融研究 (10): 153−170.
    [34] 严佳佳, 郭玮, 黄文彬. 2015. “沪港通”公告效应比较研究. 经济学动态 (12): 69−77.
    [35] 杨胜刚, 钟先茜, 姚彦铭. 2020. 资本市场对外开放与企业融资约束——来自沪港通的证据. 财经理论与实践 (5): 36−43. doi: 10.16339/j.cnki.hdxbcjb.2020.05.005
    [36] 翟淑萍, 毛文霞, 白梦诗. 2021. 国有上市公司杠杆操纵治理研究——基于党组织治理视角. 证券市场导报 (11): 12−23.
    [37] 钟覃琳, 陆正飞. 2018. 资本市场开放能提高股价信息含量吗? ——基于“沪港通”效应的实证检验. 管理世界 (1): 169−179. doi: 10.19744/j.cnki.11-1235/f.2018.01.015
    [38] Aggarwal, R., I. Erel, M. Ferreira, and P. Matos. 2011. Does governance travel around the world? Evidence from institutional investors. Journal of Financial Economics 100(1): 154−181. doi: 10.1016/j.jfineco.2010.10.018
    [39] Beuselinck, C., B. Blanco, and J. M. García Lara. 2017. The role of foreign shareholders in disciplining financial reporting. Journal of Business Finance & Accounting 44(5-6): 558−592.
    [40] Bhagat, S., and B. Bolton. 2008. Corporate governance and firm performance. Journal of Corporate Finance 14(3): 257−273. doi: 10.1016/j.jcorpfin.2008.03.006
    [41] Chen, G., M. Firth, D. N. Gao, and O. M. Rui. 2006. Ownership structure, corporate governance, and fraud: Evidence from China. Journal of Corporate Finance 12(3): 424−448. doi: 10.1016/j.jcorpfin.2005.09.002
    [42] Fu, Y. Q. 2021. Evolutionary game analysis of leverage manipulation of state-owned enterprises. 2021 International Conference on Economic Development and Business Culture (ICEDBC 2021).
表(10)
计量
  • 文章访问数:  22
  • HTML全文浏览量:  3
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-11-23
  • 网络出版日期:  2026-03-13
  • 刊出日期:  2025-08-20

目录

    资本市场开放能否抑制企业杠杆操纵?

    来自“陆港通”的经验证据

      基金项目:  国家自然科学基金青年项目(72502240);广东省哲学社会科学规划重点项目(GD23SJZ08)
      作者简介:

      饶品贵,暨南大学管理学院教授,traopingui@jnu.edu.cn

      赖崇瑜(通信作者),暨南大学管理学院硕士研究生,chongyulai@126.com

      汤晟,中国人民大学商学院博士后,tabshawn@126.com

    • 中图分类号: F830.91;F275

    摘要: 企业利用名股实债、表外负债等杠杆操纵方式进行虚假去杠杆,违背了去杠杆政策初衷。因此,有效抑制企业杠杆操纵对于推动我国经济高质量发展具有重要意义。本文以“陆港通”政策实施作为外生冲击,构建双重差分模型考察资本市场开放对企业杠杆操纵行为的影响。研究发现,资本市场开放显著抑制企业杠杆操纵。机制分析表明,资本市场开放主要通过融资效应、信息效应和治理效应来抑制企业杠杆操纵。异质性分析表明,上述抑制作用在两权分离率较高、股权制衡度较低、信息不对称程度较高、非国有以及成长性较好的企业中更为显著。经济后果检验表明,企业为“陆港通”标的时,进行杠杆操纵被审计师出具非标准审计意见的概率更高。

    English Abstract

    饶品贵, 赖崇瑜, 汤晟. 2025. 资本市场开放能否抑制企业杠杆操纵?——来自“陆港通”的经验证据. 会计与经济研究, 39(4): 94-114.
    引用本文: 饶品贵, 赖崇瑜, 汤晟. 2025. 资本市场开放能否抑制企业杠杆操纵?——来自“陆港通”的经验证据. 会计与经济研究, 39(4): 94-114.
    Rao Pingui, Lai Chongyu, Tang Sheng. 2025. Does Capital Market Opening Restrain Corporate Leverage Manipulation? Evidence from Mainland-Hong Kong Stock Connect. Accounting and Economic Research, 39(4): 94-114.
    Citation: Rao Pingui, Lai Chongyu, Tang Sheng. 2025. Does Capital Market Opening Restrain Corporate Leverage Manipulation? Evidence from Mainland-Hong Kong Stock Connect. Accounting and Economic Research, 39(4): 94-114.
      • 长期以来,我国以间接融资为主的金融体系使企业偏好债务融资以满足投资扩张需求(陆正飞,2020),导致企业负债增加、债务风险攀升,对我国金融市场的稳定与健康发展构成威胁。为防范宏观杠杆率上升过快引发的系统性风险,自2015年起,我国政府陆续出台去杠杆政策,推动企业积极稳妥降低杠杆水平。然而,在去杠杆政策压力下,企业难以在短期内通过实质性去杠杆行为达到监管要求(许晓芳和陆正飞,2020)。因此,企业有动机采用名股实债、表外负债等方式隐匿负债,在形式上迎合去杠杆政策。这不仅违背了政策初衷、削弱了政策效果,还会加剧企业债务风险,激化股东与管理层之间的代理问题,并向资本市场传递失真信息,妨碍资本市场高质量发展。在我国企业长期依赖债务融资、政府持续推行去杠杆政策的宏观背景下,企业杠杆操纵问题日趋凸显,其造成的企业隐性负债已成为资产负债表中的“灰犀牛”,引起监管机构、媒体与投资者的关注。 1 因此,如何有效抑制企业利用杠杆操纵手段虚假降杠杆,成为学术界和实务界亟待解决的重要课题。

        杠杆操纵是指企业利用名股实债、表外负债等财务安排,降低资产负债表披露的杠杆水平的行为(许晓芳等,2020)。企业进行杠杆操纵的动机来自两方面:一是粉饰影响银行信贷决策的关键杠杆指标,以获取更多信贷资源;二是迎合去杠杆政策要求,避免因账面杠杆率过高而受到监管约束。同时,杠杆操纵手段多样、隐蔽性强、识别难,这为管理层实施杠杆操纵提供了空间。现有关于杠杆操纵影响因素的研究多从融资约束(许晓芳等,2020)、公司治理结构(翟淑萍等,2021)、银行信贷挤出(饶品贵等,2022)、制度环境变化(刘莎莎等,2024)等方面展开,主要关注企业自身特征、信贷市场变化、信息中介对企业杠杆操纵行为的影响。作为资本市场的重要参与者,企业行为必然受到资本市场环境变化的影响,但已有文献对资本市场制度变化是否对企业杠杆操纵行为产生影响却鲜有关注。

        不断推进资本市场双向开放,完善高水平对外开放体制机制,增强金融服务实体经济能力,已成为我国资本市场制度变化的重要主线, 2 以“陆港通”为代表的互联互通机制是完善高水平对外开放体制机制的代表性制度创新。与A+H股、QFII等单向开放机制不同,“陆港通”大幅降低了境外投资者的准入门槛,拓宽了其参与中国资本市场的深度与广度,有助于优化投资者结构、改善企业信息环境。研究发现,“陆港通”政策的实施有利于改善公司融资环境、降低公司股权与债务融资成本(唐逸舟等,2020),缓解融资约束(杨胜刚等,2020);同时还能改善公司信息环境(阮睿等,2021孙晶慧等,2022),提高公司治理水平(马亚明等,2021),约束管理层机会主义行为(孙泽宇等,2020)。可见,“陆港通”制度能够通过融资效应、信息效应和治理效应,抑制企业实施杠杆操纵的融资动机与机会主义动机。基于此,本文探究资本市场开放是否影响企业杠杆操纵行为,并进一步分析其作用机制。

        本文基于“陆港通”政策渐进式实施这一外生冲击,构建多期双重差分模型,考察资本市场开放对企业杠杆操纵行为的影响。研究发现:(1)企业被纳入“陆港通”标的后,杠杆操纵水平显著下降;(2)机制检验表明,“陆港通”政策主要通过融资效应、信息效应和治理效应三条路径抑制企业杠杆操纵;(3)异质性检验发现,上述抑制作用在两权分离率高、股权制衡度低、信息不对称程度高、非国有以及成长性好的企业中更为显著;(4)经济后果检验发现,企业为“陆港通”标的时,进行杠杆操纵被审计师出具非标准审计意见的概率更高。

        本文的边际贡献主要体现在以下三个方面:

        第一,拓展了企业杠杆操纵影响因素的研究视角。已有文献主要从融资约束(许晓芳等,2020)、治理水平(翟淑萍等,2021彭方平等,2023)等公司自身特征,以及信贷挤出(饶品贵等,2022)等信贷市场角度研究影响杠杆操纵的因素。本文则从资本市场制度变迁视角,揭示了企业杠杆操纵行为同样受到资本市场开放等制度性因素的影响,为企业杠杆操纵影响因素研究提供了新视角。

        第二,丰富了有关资本市场开放经济后果的文献。已有文献指出,资本市场开放能够改善企业信息环境,具体表现为增强外部监督以抑制管理层机会主义行为、缓解信息不对称与融资约束(阮睿等,2021孙泽宇等,2025)。也有少数文献关注到资本市场开放可通过缓解融资约束、提高信息透明度来抑制企业杠杆操纵(管考磊和朱海宁,2023),本文在此基础上进一步揭示降低股权融资成本这一缓解融资约束、抑制杠杆操纵的具体路径,并从融资效应、信息效应、治理效应综合考察资本市场开放抑制企业杠杆操纵的主要渠道,拓展了资本市场开放经济后果的文献。

        第三,本文在更大范围、更深层次的高水平对外开放背景下,为高水平对外开放提升经济治理效能提供了微观证据。本文研究表明,资本市场开放不仅促进资本双向流动,更通过引入成熟资本市场治理机制,改善企业信息环境,抑制机会主义行为,从而在微观上降低企业杠杆操纵水平与隐性债务风险,在宏观上缓解资源错配、增强金融稳定性。研究结果为强化资本市场高水平对外开放与市场稳定的协同关系提供了经验证据,对完善高水平对外开放体制机制具有现实意义。

      • “陆港通”政策的实施是资本市场由单向开放逐步转向双向开放的重要标志,已有文献主要从企业融资、公司治理与信息环境等视角对“陆港通”政策实施产生的微观经济后果展开研究。

        在资本市场开放影响企业融资与资本结构方面,境外投资者通过“陆港通”参与中国资本市场,降低了股票市场信息不对称程度(谭小芬和邵涵,2021),并通过溢出效应缓解同一主体在信贷市场、债券市场等其他市场的信息不对称,从而降低综合融资成本(黄国良和刘圻松,2021),改善标的公司资本结构扭曲,并推动其向目标资本结构趋近(程利敏等,2019马草原和朱玉飞,2020)。在资本市场开放影响公司信息环境方面,“陆港通”标的企业会产生市场公告效应(严佳佳等,2015),吸引更多外部关注与监督,进而提高企业会计信息质量(Beuselinck等,2017)和股价信息含量(钟覃琳和陆正飞,2018)。但在去杠杆政策背景下,这种关注可能意味着企业面临更大的监管压力。马永强和张志远(2021)发现,“陆港通”标的公司去杠杆程度更高。在资本市场开放影响公司治理方面,引入境外投资者对公司治理具有积极影响(刘程和王仁曾,2020孙泽宇等,2020)。其一,境外投资者具有较强的保护意识,为规避侵占风险会积极参与公司治理(Aggarwal等,2011);其二,境外投资者更为独立,与管理层合谋损害其他利益相关者权益的可能性较低(Bhagat和Bolton,2008)。

        关于企业杠杆操纵的研究主要集中于企业如何通过具体的操纵手段降低账面杠杆率。随着许晓芳等(2020)提出测度企业杠杆操纵程度的XLT-LEVM法,相关研究逐渐聚焦杠杆操纵的影响因素与经济后果。

        现有关于杠杆操纵影响因素的文献多从融资约束、迎合政策、管理层机会主义三个动机展开。融资约束动机方面,企业是否进行杠杆操纵以及对账面杠杆的扭曲程度既与自身基本面有关(许晓芳等,2020),又受外部制度环境变化的影响。饶品贵等(2022)发现,地方政府与城投平台债务扩张挤出企业信贷,加剧了企业杠杆操纵。胡国柳等(2022)发现,固定资产加速折旧政策的实施增加了企业自由现金流,抑制了企业杠杆操纵。迎合去杠杆政策动机方面,国有企业因受到直接的去杠杆考核约束,更多出于政策压力进行杠杆操纵(Fu,2021),且在降低账面杠杆率后获得更多政策激励(李思飞等,2025)。管理层机会主义动机方面,信息规制与监管环境变化对管理层机会主义行为产生显著影响。孙泽宇等(2025)发现,国地税合并实现了对企业信息的交叉验证,改善了企业信息环境,抑制了企业杠杆操纵。刘莎莎等(2024)发现,新租赁准则的实施使表外负债入表,降低了表外负债企业的杠杆操纵程度。机构投资者在抑制管理层机会主义行为方面发挥重要作用,机构投资者持股能够显著减少企业杠杆操纵(魏文君和李黎,2023),而当机构投资者“分心”时,管理层倾向于实施更频繁的杠杆操纵(吴晓晖等,2022)。商业银行通过数字化转型降低对会计信息的依赖,逐渐由单纯的信贷提供者转变为重要的外部治理者,对借贷企业杠杆操纵行为的治理作用愈发明显(彭伊和韩亮亮,2025)。翟淑萍等(2021)发现,党组织的设立能够抑制国有上市公司杠杆操纵。关于杠杆操纵的经济后果,现有文献主要聚焦其负面影响。一方面,杠杆操纵隐藏真实负债,透支企业融资能力,加剧企业未来债务违约风险(李程和王丹,2024);另一方面,杠杆操纵损害资产负债表信息质量,误导利益相关者决策(徐亚琴和宋思淼,2021)。此外,普遍存在的企业杠杆操纵现象还会扭曲信贷资源配置,加剧整体市场风险(许晓芳和陆正飞,2020)。

        综上所述,现有研究主要聚焦企业自身特征与杠杆操纵行为之间的关系,而较少关注资本市场制度变革对企业杠杆操纵行为的影响。作为企业重要的融资渠道与信息披露场所,资本市场制度环境变化可能对企业杠杆操纵行为产生重要影响。

      • 与盈余管理不同,企业杠杆操纵主要反映资产负债表质量,对投资者决策至关重要(许晓芳等,2020许晓芳等,2021a)。企业杠杆操纵扭曲信贷配给,加剧企业与投资者之间的信息不对称,进而使债权人与股东承担过度风险。因此,投资者具有获取企业杠杆操纵信息的需求。首先,资本市场开放有助于增强其流动性,双向开放的制度特点能够提高投资者整体风险承担水平,降低其必要报酬率(谭小芬和邵涵,2021),进而削弱企业为融资而进行杠杆操纵的动机。其次,资本市场开放引入境外投资者,增加了投资者的信息需求(郭阳生等,2018),改善了企业信息环境,提高了企业杠杆操纵行为被发现的可能性。最后,资本市场开放有助于境外投资者更好地发挥治理监督效应(马亚明等,2021),抑制管理层机会主义行为,而杠杆操纵使投资者承担过度风险的机会主义行为,也会随着公司治理水平的提升而得到约束。综上,企业杠杆操纵是投资者关注的重要方面,资本市场开放将通过融资效应、信息效应和治理效应抑制企业杠杆操纵。

        首先,资本市场开放通过融资效应,降低企业资本成本、缓解融资约束,从而抑制企业杠杆操纵。第一,企业通过名股实债、表外负债等方式隐瞒负债、粉饰杠杆以获取外部融资,是其实施杠杆操纵的主要动机之一(许晓芳和陆正飞,2020),而资本市场开放为我国资本市场注入新的流动性, 3 降低了资本市场流动性风险溢价和投资者期望报酬率,进而降低企业资本成本(谭小芬和邵涵,2021)。第二,我国资本市场尚不成熟,与境内投资者相比,境外投资者可利用更多元的国际投资组合分散风险。“陆港通”制度的双向开放特点,不仅为境外投资者通过多元化国际投资组合与境内投资者共担风险创造了有利条件,也拓宽了境内投资者的投资组合范围,增强了投资者整体风险承担能力,进而降低投资者必要报酬率(唐逸舟等,2020)。第三,境外投资者的引入增加了资本市场投资者的交易需求,加剧了投资者之间的竞争,提高了市场流动性,进而降低交易成本(魏文君和李黎,2023)。此外,境外投资者多来自制度成熟、信息透明的发达资本市场,具有较强的专业分析能力和投资决策水平,其投资行为具有市场导向作用,能够引发境内投资者的跟随与模仿,形成“羊群效应”,推高标的企业的关注度与股价活跃度,进而改善企业融资环境、提高融资便利性。第四,境外持股的增加会吸引境内机构投资者跟进持股,而机构投资者之间关于行业趋势、市场动态和企业前景的信息会通过研讨交流等方式间接传递至企业。这种信息溢出有助于企业管理层选择投资回报率更高的项目(尚航标等,2022),进而增强企业内源性融资能力,减少对杠杆粉饰的依赖,缓解企业杠杆操纵行为。因此,资本市场开放能够改善企业融资环境,抑制企业杠杆操纵。

        其次,资本市场开放通过信息效应,改善企业信息环境,从而抑制企业杠杆操纵。信息不对称为管理层机会主义行为提供了空间,而信息环境的改善有助于提升会计信息透明度,不仅增加了企业杠杆操纵的难度与成本,也提高了其被投资者识别的可能性。资本市场开放提高了投资者与监管部门对企业会计信息质量的要求,改善了企业信息环境。资本市场开放引入境外投资者,而来自发达资本市场的境外投资者具有更强的信息分析与处理能力(李沁洋和许年行,2019),信息需求更高。一方面,较高的信息需求促使信息中介增加标的公司信息供给(郭阳生等,2018);另一方面,境外投资者凭借专业能力获取的私有信息能够溢出至其他投资者。市场挖掘与传递的信息增多有助于改善企业信息环境,使杠杆操纵等机会主义行为更易被发现并传播。此外,为更好地接轨国际资本市场,监管部门可能采取更严格的监管措施,提升对企业信息质量的要求。这进一步改善了企业信息环境,使得企业杠杆操纵行为面临更严格的监管。因此,资本市场开放能够改善企业信息环境,抑制企业杠杆操纵。

        最后,资本市场开放通过治理效应,缓解企业代理问题,从而抑制企业杠杆操纵。我国企业融资以债务融资为主,管理层往往依赖债务融资满足其规模扩张冲动与构建企业帝国偏好(许晓芳和陆正飞,2020)。同时,过高的账面杠杆水平也使得管理层面临市场对企业偿债能力与未来经营前景的质疑,为应对市场压力、维护自身形象,管理层也有动机粉饰杠杆。因此,代理问题是管理层机会主义行为产生的重要原因之一。而资本市场开放引入境外投资者,拓展了企业参与资本市场的广度与深度,有助于改善公司治理机制,进而抑制企业杠杆操纵。一方面,境外投资者普遍具有较强的投资者保护意识以及积极参与公司治理的意愿(Aggarwal等,2011),随着资本市场开放的不断深化,境外投资者可通过股东大会等渠道直接参与公司治理。 4 另一方面,境外投资者亦可通过“用脚投票”方式间接参与公司治理。境外投资者多为成熟的价值投资者,投资组合多元、抗风险能力较强,对短期业绩波动的容忍度较高(魏文君和李黎,2023),因而更关注企业的治理质量与长期价值。境外投资者通过直接或间接方式参与公司治理,提升了管理层薪酬激励的有效性(孙泽宇等,2020),纠正了企业短视行为,降低了企业与投资者之间的代理成本,从而抑制企业杠杆操纵。因此,资本市场开放能够缓解企业代理问题,抑制企业杠杆操纵。

        综上,本文提出核心假设1:在其他条件不变的情况下,“陆港通”标的公司相较于非标的公司,其杠杆操纵水平显著更低。

      • 本文样本涵盖2007−2020年我国沪深两市所有A股上市公司,根据表1所示的筛选步骤,最终得到22196个样本观测值。本文数据来自CSMAR数据库,所有连续变量均经过1%的缩尾处理。

        表 1  样本筛选

        处理步骤 样本量
        A 股上市公司样本(2007−2020 年) 39525
        剔除金融业公司样本 1159
        剔除ST、*ST以及退市样本 4398
        剔除主要变量缺失的样本 11772
        最终样本 22196
      • 本文基于许晓芳等(2020)提出的计算杠杆操纵的XLT-LEVM法,通过预期模型法计算被解释变量杠杆操纵(LEVM)(计算过程见附录)。该方法同时估计出企业表外负债(DEBT_OB)与名股实债(DEBT_NSRD)的水平。

      • 针对“陆港通”制度的渐进式开放特点,本文设置核心解释变量POST_TREAT,以标识上市公司股票是否属于“陆港通”标的股票:若上市公司股票当年属于“陆港通”标的股票,取值为1,否则为0。其中,POST衡量公司当年是否为“陆港通”标的公司;TREAT衡量公司是否曾被调入“陆港通”标的名单(曾被调入取值为1,否则为0)。参考黄国良和刘圻松(2021)的处理方式,本文未考虑“陆港通”标的公司的调出。

      • 参考许晓芳等(2020)翟淑萍等(2021)的研究,本文选取如下控制变量:账面杠杆率(LEVB)、公司规模(SIZE)、固定资产比例(PPE)、市场竞争力(MARKET)、除独立董事外的非执行董事人数占董事会总人数的比例(NONEXEPER)、主营业务收入增长率(GROWTH)、上市年限(FIRM_AGE)、资产收益率(ROA)、第一大股东持股比率(FIRST)、经营活动现金净流量占期末总资产比例(CFO)、销售利润率(PROFIT)、产权性质(SOE)、融资约束(KZ)、所在地区当年GDP同比增长率(GDP)。

        具体变量定义如表2所示。

        表 2  变量定义

        变量 定义
        LEVM 基于XLT-LEVM法计算的杠杆操纵水平,具体计算过程见本文附录
        POST_TREAT 标的公司首次调入“陆港通”后取值为1,否则为0
        LEVB 期末账面杠杆率
        SIZE 期末账面总资产取自然对数
        PPE 期末固定资产总额除以期末资产总额
        MARKET 主营业务收入占同行业所有公司主营业务收入总额的比例
        NONEXEPER 董事会中除独立董事外的非执行董事人数占董事会总人数的比例
        GROWTH 主营业务收入增长率
        FIRM_AGE 上市年限加1取自然对数
        ROA 本期净利润除以期末资产总额
        FIRST 第一大股东持股比率
        CFO 经营活动现金净流量除以期末资产总额
        PROFIT 利润总额与营业收入的比值
        KZ KZ指数,衡量公司融资约束
        SOE 若公司属于国有企业,取值为1,否则为0
        GDP 公司所在省份GDP年增长率
      • 本文构建模型(1)考察被调入“陆港通”标的对企业杠杆操纵的影响:

        $$ {LEVM} _{ {i,t+1} } = {\beta } _{ {0} } {+\beta } _{ {1} } {POST\_TREAT} _{ {i,t} } + {Controls} _{ {i,t} } + {\epsilon } _{ {i,t} } $$ (1)

        其中,LEVMi,t+1为公司it+1年的杠杆操纵水平,POST_TREATi,tPOSTTREAT的交互项,若公司i在第t年被纳入或已处于“陆港通”标的股票范围内,取值为1,否则为0。Controlsi,t为一系列控制变量,εi,t为随机误差项。此外,本文还控制了公司固定效应与年份固定效应。

      • 表3报告了本文主要变量的描述性统计结果。企业杠杆操纵水平(LEVM)的均值为0.1138,中位数为0.0454,表明样本期内上市公司通过名股实债、表外负债等杠杆操纵方式平均向下掩盖了11.38%的杠杆率,该结果与已有杠杆操纵相关文献的发现基本一致。“陆港通”政策实施变量(POST_TREAT)的均值为0.2250,表明22.5%的“公司−年份”观测值处于被调入“陆港通”标的之后。其余控制变量的统计分布与已有研究保持一致,本文不再赘述。

        表 3  描述性统计

        变量 样本量 均值 标准差 最小值 25%分位数 中位数 75%分位数 最大值
        LEVM 22196 0.1138 0.1665 0.0000 0.0000 0.0454 0.1725 1.3216
        POST_TREAT 22196 0.2250 0.4176 0 0 0 0 1
        LEVB 22196 0.4693 0.2016 0.0499 0.3144 0.4660 0.6170 0.9560
        SIZE 22196 22.2216 1.3036 19.3725 21.2930 22.0584 22.9693 26.0709
        PPE 22196 0.2363 0.1702 0.0019 0.1022 0.2040 0.3378 0.7207
        MARKET 22196 0.0287 0.0675 0.0001 0.0020 0.0063 0.0211 0.4667
        NONEXEPER 22196 0.2165 0.1298 0.0000 0.1168 0.2076 0.3113 0.5189
        GROWTH 22196 0.1985 0.4728 −0.6013 −0.0123 0.1174 0.2844 3.3154
        FIRM_AGE 22196 2.0862 0.8315 0.0000 1.5314 2.2632 2.7717 3.3691
        ROA 22196 0.0383 0.0599 −0.2337 0.0134 0.0357 0.0660 0.2411
        FIRST 22196 0.3550 0.1476 0.0877 0.2392 0.3368 0.4553 0.7510
        CFO 22196 0.0432 0.0706 −0.1779 0.0049 0.0426 0.0840 0.2559
        PROFIT 22196 0.0830 0.1713 −0.9105 0.0276 0.0735 0.1438 0.6482
        KZ 22196 0.7318 2.0202 −6.2087 −0.2760 0.8579 2.0815 5.3209
        SOE 22196 0.4443 0.4969 0 0 0 1 1
        GDP 22196 10.9791 4.7618 0.6281 8.0687 9.8114 12.6298 24.6253
      • 为检验被调入“陆港通”标的是否对企业杠杆操纵产生影响,本文根据模型(1)对全样本进行回归。表4的结果显示,“陆港通”政策实施变量(POST_TREAT)的回归系数在1%的水平上显著为负;且在加入控制变量之后,“陆港通”政策实施变量(POST_TREAT)的回归系数在5%的水平上显著为负,结论依然稳健,表明公司在被调入“陆港通”标的后,杠杆操纵行为减少,支持本文的假设1。

        表 4  基准回归结果

        变量 LEVM
        (1)
        LEVM
        (2)
        POST_TREAT −0.011*** −0.007**
        (−3.26) (−2.29)
        LEVB 0.019*
        (1.72)
        SIZE −0.003
        (−1.04)
        PPE 0.011
        (0.84)
        MARKET 0.169**
        (2.13)
        NONEXEPER −0.004
        (−0.43)
        GROWTH 0.009***
        (5.01)
        FIRM_AGE 0.004
        (1.17)
        ROA 0.331***
        (9.29)
        FIRST −0.063***
        (−3.68)
        CFO 0.037**
        (2.10)
        PROFIT −0.099***
        (−8.25)
        KZ 0.002**
        (2.42)
        SOE 0.000
        (0.06)
        GDP −0.000
        (−1.20)
        Constant 0.089*** 0.151**
        (120.99) (2.37)
        FIRM/YEAR 控制 控制
        N 22196 22196
        Adj-R2 0.4430 0.4535
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值。
      • 为检验平行趋势假设,本文进一步估计了公司被纳入“陆港通”标的后的动态效应。具体而言,本文构建BF1BF2BF3BF3+四个虚拟变量分别表示公司首次被调入“陆港通”标的之前的第1年、第2年、第3年及更早年份,构建AF1AF2AF3AF3+四个虚拟变量分别表示公司首次被调入“陆港通”标的之后的第1年、第2年、第3年及更晚年份(未考虑首次调入当年),并将上述变量分别与TREAT交乘,以交乘项作为政策实施变量考察公司在“陆港通”政策冲击前后各年杠杆操纵水平的变化。

        表5报告了平行趋势假设的检验结果。结果显示,D_BF1D_BF3+的回归系数均不显著,满足平行趋势假设的要求;同时,D_AF1D_AF3+的回归系数均显著为负,表明在被纳入“陆港通”标的次年,企业杠杆操纵水平开始下降。从系数大小来看,D_AF1D_AF3+的系数绝对值持续递增,表明被调入“陆港通”标的对企业杠杆操纵的抑制作用具有持续性,且随时间推移逐渐增强。上述结论在加入控制变量后依然稳健。

        表 5  平行趋势检验

        变量 LEVM
        (1)
        LEVM
        (2)
        D_BF3+ 0.008 0.007
        (1.52) (1.45)
        D_BF3 0.004 0.002
        (0.89) (0.38)
        D_BF2 0.003 0.001
        (0.73) (0.25)
        D_BF1 0.001 −0.001
        (0.39) (−0.53)
        D_AF1 −0.006** −0.005*
        (−2.01) (−1.65)
        D_AF2 −0.009** −0.007*
        (−2.44) (−1.92)
        D_AF3 −0.012*** −0.009**
        (−2.61) (−1.98)
        D_AF3+ −0.020*** −0.015**
        (−3.17) (−2.35)
        Controls 未控制 控制
        FIRM/YEAR 控制 控制
        N 22196 22196
        Adj-R2 0.4433 0.4536
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值。
      • 为缓解单一方法衡量企业杠杆操纵水平带来的局限,本文参考许晓芳等(2020)的研究,在预期模型法下采用拓展XLT-LEVM法(间接法)估计了考虑会计操纵(DA)的企业杠杆操纵水平(E_LEVM),并采用行业中位数法重新计算了企业杠杆操纵水平(LEVM_I)及其考虑会计操纵(DA)的对应指标(E_LEVM_I), 5 并重新进行基准回归。

        表6 Panel A列(1)至列(3)分别报告了采用拓展XLT-LEVM法(间接法)、行业中位数法估计的企业杠杆操纵水平作为被解释变量的回归结果。结果显示,“陆港通”政策实施变量(POST_TREAT)的回归系数在5%或10%的水平上显著为负,表明更换杠杆操纵估计方法后,本文结论依然稳健。

        表 6  稳健性检验

        Panel A:更换因变量衡量方式
        变量 E_LEVM LEVM_I E_LEVM_I
        (1) (2) (3)
        POST_TREAT −0.008** −0.004* −0.006**
        (−2.46) (−1.70) (−2.22)
        Controls 控制 控制 控制
        FIRM/YEAR 控制 控制 控制
        N 22196 22196 22196
        Adj-R2 0.4190 0.5816 0.5587
        Panel B:PSM匹配、Tobit回归与安慰剂检验
        变量 LEVM LEVM LEVM
        PSM匹配 Tobit回归 安慰剂检验
        (1) (2) (3)
        POST_TREAT −0.015*** −0.009*
        (−2.68) (−1.87)
        POST3_TREAT −0.003
        (−1.04)
        Controls 控制 控制 控制
        FIRM/YEAR 控制 控制 控制
        N 5805 22196 14908
        P-R2/Adj-R2 0.5225 0.2200
        (此处为伪R2
        0.4700
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
      • 企业是否成为“陆港通”标的并非完全随机,标的公司与非标的公司在规模、资本结构、产权性质等方面可能存在显著差异,从而可能引起样本自选择问题。为缓解这一内生性困扰,本文采用PSM-DID方法进行检验。为保持与基准回归设定一致,本文依据表2所列的公司层面控制变量,并控制年份虚拟变量,通过Logit模型估计各观测值的倾向得分,在此基础上进行1比1最近邻、不放回、半径为0.01的匹配。表6Panel B 列(1)报告了PSM匹配后样本的基准回归结果。结果显示,“陆港通”政策实施变量(POST_TREAT)的回归系数在1%的水平上显著为负,表明本文结论在控制样本自选择后依然稳健。

      • 由于采用XLT-LEVM法估计的企业杠杆操纵水平存在零值堆积现象,本文进一步使用Tobit回归模型检验基准回归结论的稳健性。表6 Panel B列(2)的回归结果显示,“陆港通”政策实施变量(POST_TREAT)的回归系数在10%的水平上显著为负,与基准回归结果保持一致,表明本文结论较为稳健。

      • 为排除其他可能遗漏因素的干扰,本文进行安慰剂检验。具体而言,参考陈胜蓝和马慧(2017)的研究,本文将公司被调入“陆港通”标的的年份前推3年,即假设公司在首次被调入“陆港通”的3年前即已成为标的,并据此定义“陆港通”政策实施时点虚拟变量(POST3):若年份处于这一假设的公司被调入“陆港通”标的时点之后,POST3取值为1,否则为0。同理,样本期间截止年份也相应前推3年,实验组与控制组样本公司选取与表4的基准回归保持一致。交乘项POST3_TREAT为安慰剂检验的核心解释变量。表6 Panel B列(3)的安慰剂检验结果显示,“陆港通”政策实施虚拟变量POST3_TREAT的回归系数不显著,表明资本市场开放对企业杠杆操纵的抑制作用并非由其他未被观测到的因素所致,从而支持了本文的研究结论。

      • (1)控制“年份−行业”与“年份−地区”高维固定效应;(2)剔除A+H股上市公司样本;(3)将样本期间截至2018年,以排除新租赁准则过渡期(2019年、2020年)的潜在影响。经上述检验后(结果未报告,备索),本文结论依然成立。

      • 如前所述,资本市场开放能够通过融资效应、信息效应和治理效应抑制企业杠杆操纵。首先,资本市场开放有助于降低资本成本、缓解融资约束,从而抑制企业杠杆操纵。资本市场开放引入的流动性,增强了投资者整体风险承担能力,降低了流动性风险溢价与投资者要求的流动性风险补偿,进而改善企业融资环境、降低企业资本成本,减弱企业进行杠杆操纵的融资动机。其次,资本市场开放通过改善信息环境来抑制企业杠杆操纵。一方面,资本市场开放增强了投资者信息需求,促进了信息中介机构对企业信息的挖掘、分析与传递,进而缓解信息不对称、改善信息环境,使企业杠杆操纵行为更容易被识别;另一方面,更严格的监管措施提高了对企业信息质量的要求,改善了整体信息环境,一旦杠杆操纵行为暴露,企业将面临更严重的经济后果。最后,资本市场开放增加了境外投资者与机构投资者持股,改善了公司股权结构。境外投资者的参与促进了公司治理水平的提升,增强了高管薪酬激励的有效性,降低了代理成本,抑制了管理层短视行为,从而约束了企业杠杆操纵行为。

        第一,参考庞家任等(2020)的研究,本文通过OJ模型与PEG模型估计公司权益资本成本(PEGOJ),检验融资效应,即资本市场开放是否通过融资效应降低资本成本、抑制企业杠杆操纵。第二,本文以分析师跟踪人数的对数(ANALYST)衡量公司信息环境,检验信息效应,即资本市场开放是否通过信息效应改善信息环境、抑制企业杠杆操纵。第三,魏文君和李黎(2023)以企业财务稳定性(Z-score)作为衡量第一类代理成本的反向指标,认为财务稳定性越高,管理层的经营管理效率越高,激励与监督机制越有效,代理成本越低,公司治理水平越高。参考魏文君和李黎(2023)的研究,本文以Z值表示企业财务稳定性(Z-score),作为衡量第一类代理成本的反向指标,并以此检验治理效应,即资本市场开放是否通过治理效应缓解代理问题、抑制企业杠杆操纵。本文以上述变量作为因变量,以“陆港通”政策实施变量(POST_TREAT)作为自变量进行回归,检验资本市场开放能否通过融资效应、信息效应和治理效应对企业杠杆操纵产生抑制作用。控制变量与表4的基准回归保持一致,同时控制了公司与年份固定效应。回归结果如表7所示。

        表 7  影响机制检验

        变量 PEG
        (1)
        OJ
        (2)
        ANALYST
        (3)
        Z-score
        (4)
        POST_TREAT −0.004*** −0.004*** 0.011*** 0.561***
        (−2.83) (−2.95) (3.63) (4.57)
        Controls 控制 控制 控制 控制
        FIRM/YEAR 控制 控制 控制 控制
        N 14013 13345 16292 21922
        Adj-R2 0.3593 0.3562 0.3332 0.6326
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。

        表7列(1)、列(2)报告了融资效应的检验结果。结果显示,POST_TREAT的回归系数均在1%的水平上显著为负,表明资本市场开放显著降低了权益资本成本,进而缓解融资约束,抑制企业杠杆操纵,支持了资本市场开放通过缓解融资约束抑制企业杠杆操纵的作用路径。列(3)报告了信息效应的检验结果, POST_TREAT的回归系数在1%的水平上显著为正,表明资本市场开放显著增加了“陆港通”标的公司的分析师跟踪人数,改善了信息环境,支持了资本市场开放通过改善信息环境抑制企业杠杆操纵的作用路径。列(4)报告了治理效应的检验结果,POST_TREAT的回归系数在1%的水平上显著为正,说明资本市场开放显著增强了企业财务稳定性,降低了第一类代理成本,支持了资本市场开放通过降低代理成本抑制企业杠杆操纵的作用路径。

      • 股权结构是衡量公司治理水平的重要方面,当股权集中度较低时,董事会能更好地发挥监督作用,提升内部治理水平(Chen等,2006)。反之,若公司存在“一股独大”“内部人持股”等股权结构特征,大股东掌握更强的实际控制权,公司董事会的监督功能被削弱,从而为大股东通过财务舞弊等手段进行掏空提供了便利。资本市场开放引入境外投资者,分散了公司股权,改善了公司“一股独大”的股权结构。此外,相较于一般中小股东,境外投资者的交易行为更受市场关注,其通过买卖股票传递信号的行为能够形成间接治理效应,进而提升公司治理水平,抑制大股东利用“内部人持股”等手段强化实际控制权、侵害其他利益相关者权益的行为。据此,本文推测“陆港通”政策的实施对企业杠杆操纵的抑制作用,在“一股独大”“内部人持股”程度较严重的公司中更为显著。

        为检验上述推测,本文参考孙泽宇等(2020)的研究,以两权分离率(SEP)与股权制衡度(EB)衡量公司股权结构。两权分离率以实际控制人拥有上市公司控制权比例减去其拥有上市公司所有权比例衡量,两权分离率越高,表明公司“内部人持股”现象越严重。股权制衡度以第二至第五大股东合计持股比例除以第一大股东持股比例衡量,股权制衡度越低,表明公司股权集中度越高,“一股独大”现象越严重。在此基础上,本文构建两权分离率虚拟变量(D_SEP)和股权制衡度虚拟变量(D_EB),若公司两权分离率与股权制衡度高于样本年度中位数,上述虚拟变量取值为1,否则为0。本文进一步将上述分组变量Group(D_SEP、D_EB)及其与POST_TREAT的交乘项加入模型(1)再次进行回归。

        表8列(1)的结果显示,POST_TREAT×D_SEP的回归系数在1%的水平上显著为负,表明资本市场开放对企业杠杆操纵的抑制作用在两权分离率高的公司中更显著。表8列(2)的结果显示,POST_TREAT×D_EB的回归系数在10%的水平上显著为正,表明资本市场开放对企业杠杆操纵的抑制作用在股权制衡度低(股权集中度高)的公司中更为显著。上述结果表明,资本市场开放对企业杠杆操纵的抑制作用在治理水平低的公司中更为显著。

        表 8  公司股权结构与信息不对称的影响

        变量 LEVM
        Group=D_SEP
        (1)
        LEVM
        Group=D_EB
        (2)
        LEVM
        Group=D_VOL
        (3)
        POST_TREAT −0.001 −0.011*** −0.011***
        (−0.34) (−3.02) (−4.17)
        POST_TREAT×Group −0.013*** 0.009* 0.006*
        (−2.74) (1.87) (1.83)
        Group 0.008** −0.007** 0.001
        (2.29) (−2.12) (0.40)
        Controls 控制 控制 控制
        FIRM/YEAR 控制 控制 控制
        N 22196 22196 22196
        Adj-R2 0.4539 0.4537 0.4533
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
      • 信息不对称程度较高的公司通常面临更严重的代理问题,管理层也更倾向于进行杠杆操纵。资本市场开放有助于改善企业信息环境,降低企业杠杆操纵水平。尤其是在信息不对称程度较高的公司中,资本市场开放对企业杠杆操纵的抑制作用更明显。据此,本文推测“陆港通”政策的实施对杠杆操纵的抑制作用在信息环境较差的公司中更为显著。

        为验证上述推测,本文采用公司自愿披露水平(VOL)作为公司与投资者之间的信息不对称程度的代理变量,并以业绩快报发布次数、业绩预告发布次数之和来衡量。自愿披露水平越低,表明公司信息不对称程度越高。在此基础上,本文构建公司自愿披露虚拟变量(D_VOL),若公司自愿披露水平高于样本年度中位数,D_VOL取值为1,否则为0。本文进一步将分组变量GroupD_VOL)及其与POST_TREAT的交乘项加入模型(1)再次进行回归。

        表8列(3)的结果显示,POST_TREAT×D_VOL的回归系数在10%的水平上显著为正,表明资本市场开放对企业杠杆操纵的抑制作用在信息不对称程度较高的公司中更为显著。

      • 资本市场开放对企业杠杆操纵的抑制作用在国有企业与非国有企业之间存在差异。原因在于,上述抑制作用的实现依赖于境外投资者进入资本市场所带来的外部监督的增强与融资约束的缓解。而国有企业一方面因政府隐性担保,融资约束较小,出于融资需求的杠杆操纵动机较弱;另一方面,相较于非国有企业,国有企业面临更强的行政管控,且存在“所有者缺位”问题。国有企业负责人通常由上级主管部门任命,并不参与经理人市场的竞争,导致其经营目标并非纯粹追求股东价值最大化,且受境外投资者影响较小。因此,国有企业具有更强的政策迎合动机进行杠杆操纵,而境外投资者难以通过外部监督来削弱国有企业的政策迎合动机。综上,本文推测资本市场开放对企业杠杆操纵的抑制作用在非国有企业中更为显著。

        为检验上述推测,本文以企业产权性质(SOE)作为分组变量,并将企业产权性质与POST_TREAT的交乘项加入模型(1)再次进行回归。表9列(1)的结果显示,POST_TREAT×SOE的回归系数在10%的水平上显著为正,表明资本市场开放对企业杠杆操纵的抑制作用在非国有企业中更为显著。

        表 9  产权性质与公司成长性的影响

        变量 LEVM
        Group=SOE
        (1)
        LEVM
        Group=D_MB
        (2)
        POST_TREAT −0.011*** −0.005
        (−2.96) (−1.55)
        POST_TREAT×Group 0.007* −0.009*
        (1.83) (−1.89)
        Group −0.001 −0.000
        (−0.12) (−0.05)
        Controls 控制 控制
        FIRM/YEAR 控制 控制
        N 22196 22196
        Adj-R2 0.4536 0.4536
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
      • 高成长性公司通常估值较高、增长潜力较大,更易获得股权资本青睐,从而更有能力改善其高杠杆状况(许晓芳等,2021b)。同时,“陆港通”制度通过增强外部监督与缓解融资约束,能够有效抑制企业杠杆操纵。因此,相较于低成长性公司,纳入“陆港通”标的的高成长性公司更受资本市场关注,其杠杆操纵行为受到的抑制作用也更强。综上,本文推测资本市场开放对企业杠杆操纵的抑制作用在高成长性公司中更为显著。

        为检验上述推测,本文采用公司市账比(MB)衡量公司成长性(许晓芳等,2021b),并根据其年度中位数构建公司成长性虚拟变量D_MB:若公司市账比高于年度中位数,D_MB取值为1,否则为0。在此基础上,本文将分组变量GroupD_MB)及其与POST_TREAT的交乘项加入模型(1)重新进行回归。表9列(2)的结果显示,POST_TREAT×D_MB的回归系数在10%的水平上显著为负,表明资本市场开放对企业杠杆操纵的抑制作用在高成长性公司中更为显著。

      • 信息效应是资本市场开放抑制企业杠杆操纵的重要机制,其通过分析师等信息中介改善信息环境,从而降低杠杆操纵水平。信息环境的改变不仅影响管理层机会主义行为,也会影响信息中介的行为。除对信息中介产生影响外,资本市场开放一方面引入信息获取与分析能力较强的境外投资者,另一方面促使监管机构加大对企业违规行为的监管力度。上述变化改善了我国资本市场信息环境,同时也对信息中介产生深远影响。审计师是重要的信息中介,通过出具审计意见与审计报告向资本市场传递被审公司会计信息质量的相关信息。此外,与其他信息中介相比,审计师具有一定的特殊性。作为资本市场的“看门人”,审计师需对被审计单位的会计信息质量承担审计责任,也要对审计意见与审计报告承担审计与诉讼风险。因此,审计师生成审计信息的过程即为风险应对过程。企业杠杆操纵是会计信息质量的重要方面,面对企业进行的杠杆操纵,审计师倾向于通过提高非标准审计意见的出具概率进行风险应对(徐亚琴和宋思淼,2021)。因此,本文进一步将资本市场开放抑制企业杠杆操纵的影响延伸至审计师行为,探究在资本市场开放改善企业信息环境的背景下,审计师对企业杠杆操纵的风险应对行为有何变化。

        境外投资者的进入、更多市场关注与更严格的监管,使得“陆港通”标的公司杠杆操纵行为更易被发现,并对股价产生更大影响,同时也提高了公司受到监管处罚的可能性。作为会计信息质量的责任主体,审计师在公司受罚时亦可能面临处罚或声誉损失。此外,境外投资者对审计质量要求更高,并能多渠道验证信息。若审计师无法提供高质量审计信息,而境外投资者识别出标的公司审计信息不可靠,并通过交易行为将这一信息传递至资本市场其他投资者,审计师则可能承担声誉损失与诉讼风险。因此,面对“陆港通”标的公司的杠杆操纵行为,审计师面临的审计风险与诉讼风险显著上升。为规避审计失败及潜在诉讼损失,审计师在出具审计意见时会更加审慎。综上,在资本市场开放改善信息环境的背景下,企业杠杆操纵的成本与被发现概率增加。而审计师兼具信息中介与资本市场“看门人”双重角色,其面临的诉讼风险与声誉风险显著攀升。作为风险应对,审计师会更审慎地为“陆港通”标的公司出具审计意见。因此,相较于其他公司,“陆港通”标的公司的杠杆操纵行为将提高审计师出具非标准审计意见的概率。

        为检验上述推断,参考徐亚琴和宋思淼(2021)的研究,本文采用两种方式衡量审计意见类型。第一,根据公司当年是否被审计师出具非标准审计意见设置虚拟变量(A_OP1),若审计师出具非标准审计意见,A_OP1取值为1,否则为0。第二,根据公司当年审计师出具的具体审计意见类型构建定序变量(A_OP2),对标准无保留意见、带强调段的无保留意见、保留意见、无法表示意见或否定意见,A_OP2分别取值为0、1、2、3。在此基础上,本文将审计意见类型(A_OP1、A_OP2)作为因变量,杠杆操纵(LEVM)、“陆港通”政策实施变量(POST_TREAT)以及二者交乘项LEVM_T_PT作为自变量进行回归,其余控制变量在与基准回归保持一致的基础上,增加当年审计师是否来自国际四大(BIG4)变量。

        表10的结果显示,LEVM的回归系数均在10%的水平上显著为正,与徐亚琴和宋思淼(2021)的实证结果一致,表明公司实施杠杆操纵行为显著提高了审计师出具非标准审计意见的概率。此外,交乘项LEVM_T_PT的回归系数分别在5%、1%的水平上显著为正,表明“陆港通”标的公司进行杠杆操纵会进一步提高审计师出具非标准审计意见的概率。

        表 10  资本市场开放、企业杠杆操纵与审计意见

        变量 A_OP1t+1
        (1)
        A_OP2t+1
        (2)
        LEVMt 0.039* 0.057*
        (1.78) (1.74)
        LEVM_T_PTt 0.065** 0.126***
        (2.48) (2.63)
        POST_TREATt −0.000 −0.009
        (−0.03) (−0.93)
        Controls 控制 控制
        FIRM/YEAR 控制 控制
        N 20554 20554
        Adj-R2 0.2809 0.2438
          注:****** 分别表示在1%、5%、10%的水平上显著,括号内报告的是经公司层面聚类稳健标准误调整后的t值;限于篇幅,表中未报告控制变量回归结果,资料备索。
      • 基于“陆港通”制度渐进式实施的特点,本文探究了资本市场开放对企业杠杆操纵的影响。研究发现,被调入“陆港通”标的显著抑制了企业杠杆操纵。增强外部监督与缓解融资约束是资本市场开放抑制企业杠杆操纵的主要作用机制,这一抑制作用受到公司治理水平、公司与投资者间的信息不对称程度、产权性质以及公司成长性的影响。此外,审计师对“陆港通”标的公司会更加审慎,出具非标准无保留审计意见的概率提高。

        基于上述研究结论,本文提出如下政策建议:

        首先,投资者、监管部门等利益相关者既要关注企业账面杠杆率,也要重视企业利用杠杆操纵进行虚假降杠杆的现象。银行等金融机构应针对企业杠杆操纵手段开展更为严格的贷款审查,尤其对“陆港通”标的公司,除财务资料外,还应充分参考境外投资者及分析师传递的市场信息。

        其次,证券监管部门应进一步加强信息披露制度建设,推动企业隐瞒的负债显性化,督促企业充分披露并合理使用通过调整杠杆获取的非正式融资,尤其要加强对非“陆港通”标的公司的监督,以弥补市场监督的不足。

        最后,在维护金融市场稳定与安全的前提下,证券监管部门可考虑逐步放宽外资持股“陆港通”标的公司的比例限制,加强高水平对外开放体制机制建设,引导企业积极稳妥降杠杆;同时持续构建高水平、深层次、多领域的对外开放制度体系,促进资本双向有序流动,适度减轻企业股权融资与再融资难度,降低企业对债务融资的依赖,进而抑制企业杠杆操纵;并在推进开放过程中,同步强化监管与合作,防范化解重大金融风险,以高水平对外开放促进高质量发展。

        附录:杠杆操纵变量具体计算过程

        根据许晓芳等(2020)提出的XLT-LEVM法,本文采用预期模型法衡量杠杆操纵:首先,计算考虑表外负债(DEBT_OB)与名股实债(DEBT_NSRD)的公司杠杆操纵水平(LEVM),在此基础上进一步计算考虑会计操纵的公司杠杆操纵水平(E_LEVM);其次,在稳健性检验中,参照许晓芳等(2020)提出的行业中位数法,重新计算公司杠杆操纵水平(LEVM_I)以及考虑会计操纵的公司杠杆操纵水平(E_LEVM_I),并重复本文主要实证过程。具体而言,本文通过以下步骤计算预期模型法下的杠杆操纵水平:

        第一,本文通过模型(M1)进行分年度、分行业 Tobit 回归,并将模型拟合值视为企业真实资产周转率(TURNOVER)。

        $$\small \begin{split} TURNOVER_{i,t}=&\beta _{ {0} } +\beta _{ {1} } LEVB_{i,t}+\beta _{ {2} }SIZE_{i,t}+\beta _{ {3} }PROFIT_{i,t}+\beta _{ {4} }SOE_{i,t}\\&+\beta _{ {5} }FIRST_{i,t}+\beta _{ {6} }GROWTH_{i,t}+\beta _{ {7} }MARKET_{i,t}\\&+\beta _{ {8} }NONEXEPER_{i,t} + {\epsilon _{i,t}} \end{split}\tag{M1}$$ (M1)

        其中,LEVB为企业账面杠杆率,SIZE为企业资产规模(企业期末资产总额的自然对数),PROFIT为企业销售利润率(利润总额与营业收入之比),SOE为产权性质(国有企业取值为1,否则为0),FIRST为企业股权结构(第一大股东持股比例),GROWTH为企业成长性(营业收入增长率),MARKET为企业市场竞争力(企业营业收入总额占同行业所有企业营业收入总和的比例),NONEXEPER为企业除独立董事外的非执行董事人数占董事会总人数的比例。

        第二,在企业真实资产周转率(TURNOVER)的基础上,本文通过如下公式(F1)计算企业表外负债(DEBT_OB):$\small {DEBT\_OB} = {INCOME/TURNOVER} - {ASSET\_B} $。

        其中,INCOME为企业主营业务收入,ASSET_B为企业期末账面总资产。此外,根据许晓芳等(2020)的前提假设,企业只会进行向下的杠杆操纵,即假定企业不会虚增负债、出现取值为负的表外负债。基于该假设,若企业真实总资产(INCOME/TURNOVER)小于账面总资产,则表外负债取值为0。

        第三,本文通过模型(M2)进行分年度、分行业 Tobit 回归,并将模型拟合值视为企业真实有息负债利息率(IR)。

        $$\small \begin{split}IR_{i,t}=&\beta _{ {0} } +\beta _{ {1} } LEVB_{i,t}+\beta _{ {2} } SIZE_{i,t}+\beta _{ {3} } CFO_{i,t}+\beta _{ {4} } SOE_{i,t}+\beta _{ {5} } ROA_{i,t}+\beta _{ {6} } GROWTH_{i,t}\\&+\beta _{ {7} } MARKET_{i,t}+\beta _{ {8} } PPE_{i,t}+\beta _{ {9} } CASHNEED_{i,t}+\beta _{ {10} } CURRENT_{i,t}\\&+\beta _{ {11} } FIRM\_AGE_{i,t}+\beta _{ {12} } LOAN_{i,t} \mathrm+ {\epsilon _{i,t}} \end{split}\tag{M2}$$ (M2)

        其中,IR为企业账面有息负债利息率(企业账面利息支出与账面有息负债总额之比),CFO为企业经营现金流量占比(企业经营性现金流量与期末资产总额之比),PPE为企业有形资产比例(企业期末固定资产与期末资产总额之比),CASHNEED为企业筹资需求(若经营活动现金净流量与投资活动现金净流量之差与总资产的比值小于0,取值为1,否则为0),CURRENT为企业流动比率(期末流动资产与期末流动负债之比),FIRM_AGE为企业年龄(企业上市年限取自然对数),LOAN为短期借款与长期借款之和占期末资产总额的比例。其他变量定义与模型(M1)保持一致。

        第四,在企业真实有息负债利息率(IR)的基础上,本文通过公式(F2)计算企业名股实债(DEBT_NSRD):$\small {DEBT\_NSRD} = {INTEREST\_B/IR-I\_DEBT} $。

        其中,INTEREST_B为企业账面利息支出,I_DEBT为企业账面有息负债总额。

        第五,在表外负债(DEBT_OB)与名股实债(DEBT_NSRD)的基础上,本文通过模型(M3)计算企业杠杆操纵水平(LEVM)。

        $$ \small\begin{split} {LEVM_{i,t}} =&( {DEBT\_B_{i,t}} + {DEBT\_OB_{i,t}} + {DEBT\_NSRD_{i,t}} )/( {ASSET\_B_{i,t}} + {DEBT\_OB_{i,t}} )\\&- {LEVB_{i,t}} \end{split}\tag{M3}$$ (M3)

        其中,DEBT_B为企业期末账面负债。此外,通过在模型(M3)的分母中加入基于修正琼斯模型估计的企业操控性应计利润(DAi,t),可计算得到考虑会计操纵手段的扩展企业杠杆操纵水平(E_LEVM)。

        同时,本文采用行业中位数法进行估计:以同行业、同年度企业总资产周转率中位数作为该行业、该年度所有企业的真实总资产周转率(TURNOVER),以同地区、同行业、同年度账面有息负债利息率的中位数作为该地区、该行业、该年度所有企业真实有息负债利息率(IR)。在此基础上,采用公式(F1)和公式(F2)重新计算表外负债与名股实债,最终计算得到行业中位数法下的企业杠杆操纵水平(LEVM_I)与扩展杠杆操纵水平(E_LEVM_I)。

    注释:
    ①  1国家发展改革委等五部门联合印发的《2018年降低企业杠杆率工作要点》明确指出“提高财务真实性”“防止虚假降杠杆”(https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5435235.htm);《2019年降低企业杠杆率工作要点》再次强调“规范国有企业资本管理”“防止虚假降杠杆”(https://www.gov.cn/zhengce/zhengceku/2019-12/03/content_5458022.htm)。
    ②  22024年7月,《中共中央关于进一步全面深化改革、推进中国式现代化的决定》提出“完善高水平对外开放体制机制”(https://www.gov.cn/yaowen/liebiao/202408/content_6968537.htm);2025年7月,《求是》杂志发表习近平总书记的重要文章《坚定不移推进高水平对外开放》(https://www.gov.cn/yaowen/liebiao/202507/content_7032136.htm)。
    ③  3截至2024年8月(因陆港通交易信息披露机制调整,自2024年8月不再实时披露沪股通及深股通累计净买入额),沪股通累计净买入额为 10081.21亿元人民币,深股通累计净买入额为7576.09亿元人民币(数据来源:同花顺)。
    ④  4深港通开通首年,境外机构参与了748次股东大会投票,涉及314家深市上市公司(https://baijiahao.baidu.com/s?id=1585969443556487500&wfr=spider&for=pc)。截至2024年12月31日,在“陆港通”标的上市公司中,香港中央结算有限公司持股比例超过20%、10%、5%的分别有3家、31家和132家(数据来源:CSMAR数据库)。
    ⑤  5行业中位数法指在预期模型法的基础上,使用同行业公司同年度的总资产周转率中位数作为该行业该年度所有公司真实总资产周转率(TURNOVER),将同地区、同行业、同年度公司账面有息负债利息率的中位数作为该地区、该行业、该年度所有公司真实的有息负债利息率(IR),重新计算企业杠杆操纵水平。
    参考文献 (42)

    目录

      /

      返回文章
      返回