有效投资规模

有效投资规模（共7篇）

有效投资规模 篇1

上市公司的规模与股票收益率是否存在相关关系以及存在怎样的相关关系,国内外学者们就这个问题争论了近30年,始终没有得出一致的结论。1981年,美国学者Banz在研究中发现总收益率和风险调整后的收益率都有随公司市值上升而下降的趋势。这一现象随后被定义为股票市场的“规模效应”或“小公司效应”,即股票的平均收益与公司的规模之间具有规律性的负相关关系,较小规模公司的股票具有较高的收益率,而较大规模公司的股票具有较低的收益率[1]。在此之后学者们依据各自的研究给出了不同的结论。如Keim(1983)、Reingunum(1983)、Fama和French(1992)等的研究认为不但存在规模效应,且规模效应具有季节性[2,3,4]。其中,Fama和French将规模因素进行定量化研究,认为规模因素在对横截面期望收益差异方面发挥着主导作用,提出了著名的“三因素模型”,成为规模效应的经典分析方法。但以Dimson和Marsh(2001),Horowitz、Loughran和Savin(2000)等为代表的学者的研究却认为大盘股相对于小盘股具有更高的收益率[5,6]。国内学者对于中国股市上市公司的规模与股票收益率的关系也存有争议。认为存在规模效应的有周文和李友爱(1999), 杨朝军等(2001), 陈信元等(2001), 邵晓阳(2003), 张祥建等(2003)[7,8,9,10,11]。持相反观点的有陈小悦和孙爱军(2000)[12]。

从分析方法来看,现有研究主要集中于对期望收益或超额收益做横截面回归分析,从而得出规模因素对收益率的关系和解释程度。这种方法得到的规模效应的证据受到了很多学者的质疑:首先,规模效应可能是样本选择偏差所带来的误差,即市场之所以呈现这样的异常现象完全由样本的特殊性造成,在样本之外不会得到同样的结果[13];且研究者倾向于寻找和修正与平均收益具有密切关系的变量,仅仅用个别例子来证明片面的结论[14]。其次,现有研究多以超额收益作为规模效应的证据,但该超额收益可能是对CAPM模型中系统风险的补偿[15]。第三, 现有研究主要基于传统的均值-方差模型和资本资产定价模型(CAPM)。但传统模型都假设投资者的效用函数是二次的或者资产的收益分布是正态的,因此仅用投资收益的均值和方差就足以描述投资的整个风险特征。而这样做有两个缺陷:①通过限制个体效用函数或资产回报的分布形式而将资产组合的决策过程与效用最大化问题分离,使得到的结果无效;②模型本身无效。Roll(1977)曾指出CAPM唯一能验证的只是均值-方差有效性,而均值-方差有效恰恰又是CAPM赖以成立的基石,因而CAPM仅仅是均值-方差有效的同义反复[16]。

为解决上述问题,Hadar和Russell(1969),Hanoch和Levy(1969)等分别提出了随机占优理论(以下简称SD)[17,18]。SD通过一定规则将投资方案分为有效集合和无效集合,从而为特定投资者提供满足要求的投资方案。Post(2003)基于SD规则发现Fama和French给出的市场组合是无效的,因为存在价值/规模效应[19]。Fong、Wong和Lean(2005)发现市场中存在动量效应,即绩优股及其组合二阶和三阶占优于非绩优股和组合[20]。SD方法有以下优势:首先,SD不限制效用函数和投资收益分布的形式,而是从投资收益率的概率分布中衍生出的弱条件;其次,SD 排序规则考虑了资产的整体收益分布,而不是仅仅考虑均值、方差和beta系数;第三,SD不是建立在像市场模型那样的线性收益产生过程的基础上。但传统的随机占优方法依然存在很多缺陷,矛盾集中在组合选择的效率上。Levy(1992)曾指出基于随机占优方法的投资者必须在资产的所有可能组合中进行无限次比较[21]。Post(2003)就此问题提出了一种线性规划的方法来检验一个已知组合相对于其他由相同资产组成的投资组合的SD效率[19],但Shalit和Yitzhaki(2003)指出除了无限次的两两比较,SD产出的投资组合并非最优,即我们总能找到一个组合比占优组合有更高的期望收益[22]。除此之外,SD依然没有考虑资产与组合的联合性质。

Shalit和Yitzhaki(1994)在二阶随机占优的基础上,提出了边际条件随机占优(MCSD)的最优资产选择方法[23]。该方法不但考虑到资产与组合的联合分布性质,同时大大提高了投资组合的选择效率。MCSD理论起源于这样的思想:在资产选择过程中,所有风险规避的投资者都会用一个资产边际替代组合中的另一个资产,即若给定的投资组合非最优或非有效,则投资者可以增加占优资产的持有,减少被占优资产的持有来调整组合中的资产配置以增加自己的期望效用。

基于这样的思想,我们使用Chow(2001)对MCSD的统计检验方法[24]来检验基于上市公司规模的投资方式的有效性。我们将上证A股市场和深证A股市场看成是一个投资组合,基于MCSD理论,对于持有该投资组合的期望效用最大化的投资者来说,如果该组合有效,则对组合中的部分资产的持有量进行改变并不能提高投资者的期望效用;如果大盘股组合随机占优于小盘股组合,则投资者可以增加大盘股的持有,减少小盘股的持有来改善组合绩效,则基于上市公司规模的投资方式就是有效的。

1 边际条件随机占优(MCSD)

1.1 二阶随机占优(SSD)

假设投资者的效用函数为U,满足U′(x)≥0且U″(x)≤0,即投资者是风险规避且期望效用最大化的。设ri是资产i连续随机收益率,F-1(P)为相对于资产收益率的累计概率P(0≤P≤1)的累计分布函数的反函数,Thistle (1989)提出资产i的收益分布的绝对洛仑兹曲线定义如下:

$ALC(r{}_i|r{}_i\le F{}_i^{-1}({\rm P}))={\displaystyle {\int }_{-\infty }^{F{}_i^{-1}({\rm P})}r}{}_{i}dF{}_i^{-1}(r{}_i)(1)$

则SSD的充分必要条件可由定理1阐述:

定理1(基于分位数函数的SSD规则) 对于所有的凹效用函数,对于任意的概率P,当且仅当式(2)成立时,资产i二阶占优资产j:

$\begin{array}{l}ALC(r{}_i|r{}_i\le F{}_i^{-1}({\rm P}))\ge ALC(r{}_j|r{}_j\le F{}_j^{-1}({\rm P}))‚\\ 0\le {\rm P}\le 1(2)\end{array}$

1.2 边际条件随机占优(MCSD)

假设投资者持有由n只资产组成的核心投资组合α,其收益率为:$r{}_{\alpha }={\displaystyle \sum _{i=1}^{n}w}{}_{i}r{}_i‚r{}_i$是资产i的收益率,wi是资产i在投资组合中的权重,${\displaystyle \sum _{i=1}^{n}w}{}_i=1$。假设投资者是风险规避且期望效用最大化的,如果α的资产配置不是最优的,投资者将能够通过增加第i个资产的份额并相应减少第j个资产的持有来增加他们的期望效用,即投资者增加wi,减少wj,保持总和不变:

$dw{}_i+dw{}_j=0(3)$

Shalit和Yitzhaki(1994)提出了如下定理[23]:

定理2(MCSD规则) 对于所有的风险规避和期望效用最大化的投资者,给定一个核心投资组合,在下述条件下,投资者将增加资产i的持有,并减少资产j的持有:

$\begin{array}{l}\frac{d}{dw{}_i}E(U(W))=E{U}^{\prime }(W)(r{}_i-r{}_j)\ge 0‚\\ W=1+{\displaystyle \sum _{i=1}^{n}w}{}_{i}r{}_i(4)\end{array}$

W代表该投资者在期末的财富水平。若式(4)对于所有的风险厌恶的投资者都成立,则在给定投资组合α的水平下,资产i占优于资产j.

为了便于统计计量,Chow(2001)基于定理1定义了绝对集中曲线ACC,并给出了MCSD的条件[24]。假设rp和rj服从概率密度为f(ri,rj)的联合分布,则

$ACC(r{}_j|r{}_{\alpha }\le F{}_j^{-1}({\rm P}))={\displaystyle {\int }_{-\infty }^{F{}_j^{-1}({\rm P})}{\displaystyle {\int }_{-\infty }^{\infty }r}}{}_{j}f(r{}_{\alpha },r{}_j)dr{}_{\alpha }dr{}_j(5)$

MCSD的规则可以改写为:

$\begin{array}{l}ACC(r{}_i|r{}_{\alpha }\le F{}_j^{-1}({\rm P}))\ge ACC(r{}_j|r{}_{\alpha }\le F{}_j^{-1}({\rm P}))‚\\ 0\le {\rm P}\le 1(6)\end{array}$

基于定理1,设τ=F-1α(P),式(6)可表示成如下形式:

$E(r{}_i-r{}_j|r{}_{\alpha }\le \tau {}_{{\rm P}}^{\alpha })\ge 0(7)$

为了检验MCSD, 首先挑选一个目标收益率集合$\{\tau {}_t^{\alpha }=\widehat{F}{}_{\alpha }^{-1}({\rm P}{}_t)|t=1,\cdots ,k\}‚$相对于{Pt|t=1,…,k}。其次引入指示变量Iταtα,若rα≤ταt,则Iταtα=1,否则Iταtα=0。将ταt和Iταtα代入式(7),令:

$\Phi {}_{i-j}^{\tau {}_t^{\alpha }}=E(r{}_i{\rm I}{}_{\alpha }^{\tau {}_t^{\alpha }})-E(r{}_j{\rm I}{}_{\alpha }^{\tau {}_t^{\alpha }})(8)$

对式(8)的MCSD检验会有三种结果:i与j相等(Φταti-j=0);i占优j(部分t使Φταti-j>0,剩下的t使Φταti-j=0);i与j不可比(至少存在一个t使Φταti-j>0,同时,至少存在一个t使Φταti-j<0)。当Φταti-j≠0被证实后,一般的统计检验方法无法分辨占优和不可比的关系,必须再进行多重比较。对此,Chow(2001)给出了如下的检验过程:

给定一组N个随机样本收益{(ri1,rj1,rα1),…,(riN,rjN,rαN)},MCSD的抽样检验可以表达为如下形式:

$\widehat{\Phi }{}_{i-j}^{\tau {}_t^{\alpha }}={\rm N}{}^{-1}{\displaystyle \sum _{q=1}^{{\rm N}}[}(r{}_{iq}{\rm I}{}_{\alpha q}^{\tau {}_t^{\alpha }})-(r{}_{jq}{\rm I}{}_{\alpha q}^{\tau {}_t^{\alpha }})](9)$

Chow(2001)指出$\sqrt{{\rm N}}(\widehat{\Phi }{}_{i-j}^{\tau {}_t^{\alpha }}-\Phi {}_{i-j}^{\tau {}_t^{\alpha }})$的样本分布是正态的具有完整的方差-协方差结构。可以通过原假设H0:{Φταti-j=0|t=1,…,k}检验一系列Z统计量来做到MCSD的统计检验。该统计量可以写成:

${\rm Z}{}_{i-j}^{\tau {}_t^{\alpha }}=\sqrt{{\rm N}}\frac{\widehat{\Phi }{}_{i-j}^{\tau {}_t^{\alpha }}}{S{}_{i-j}^{\tau {}_t^{\alpha }}}(10)$

Sταti-j是样本方差。为了控制上述多重比较的规模,使用Studentised Maximum Modulus(SMM)方法, 定义SMM(β;k;∞)是自由度为∞、系数为k、置信度为(1-β)的SMM分布的渐进临界值,则MCSD检验的(1-β)%的联合置信区间为:

${\rm Z}{}_{i-j}^{\tau {}_t^m}\pm S{\rm M}{\rm M}(\beta ;k;\infty )‚t=1,2,\cdots ,k(11)$

因此,上述MCSD的统计检验过程可以总结为如下三点:

① 如果至少存在一个t使成立,没有小于,则资产i占优于资产j;

② 如果至少存在一个t使,没有大于,则资产i被资产j占优。

③ 若①、②均不成立,则不存在占优关系。

在整个检验过程中发现,实证中的分位数来自于市场收益率的样本值,将其作为目标收益,可能会包含样本的抽样误差问题。实际上,MCSD在相同的市场收益分布的条件下检验两个组合的收益分布,因此,目标收益的选择过程是独立于组合收益的抽样分布的。因为目标是为了在市场收益分布中找到一组有限的收益分布信息点,所以样本分位数相对于总体分位数的鲁棒性和一致性相对于MCSD检验的性质并不重要。而且,通过采用目标收益率,MCSD的统计检验过程变得非常简单和直观。Chow(2001)指出MCSD检验在同方差和异方差情况下均具有鲁棒性[24]。

应用MCSD来检验基于上市公司规模的投资方式的有效性是非常直观的。令整个市场的股票组合为核心组合,根据上市公司的规模将核心组合划分为互斥的子组合。我们将原假设为核心组合是有效的,不存在MCSD,即基于上市公司规模的投资方式是无效的。通过运用MCSD两两比较子组合,如果至少存在一例MCSD,我们就拒绝原假设从而认为基于上市公司规模的投资方式是有效的。

2 实证研究

2.1 数据来源和样本选择

从过去的研究来看,学术界和实务界对我国股票的规模市值的定义规则很不统一。我们在研究中选取申银万国风格指数中的规模指数。申银万国风格指数由申银万国证券公司编制发布,该指数系列中的规模指数包括小盘指数、中盘指数和大盘指数,成份股数量均为200家。其中选择流通股本最小/最大前200家公司,分别作为小盘指数成份股和大盘指数成份股;计算股本的中位数,选择大于中位数的100家公司和小于等于中位数的100家公司作为中盘指数成份股。成份股调整周期为半年,调整时间分别是1月的第1个交易日和7月的第1个交易日。申银万国规模指数以沪深两市全体A股作为样本股,样本股选取合理,被认为是国内目前具有较高参考价值的风格指数。由于规模指数样本股的选取跨越沪深两市,因此,我们选取由沪深交易所上市的全部A股(含ST、*ST、中小企业板,不包括PT、暂停上市的股票)所构成的申万全市场A股股价指数作为市场核心组合的代表。

据此,本文在研究中参照风格划分方法以及其历史日指数收益率,将大盘、中盘和小盘指数定义为基于上市公司规模的头资方式,以全市场A股指数的日收益率作为市场核心组合收益率,通过分析市场核心组合中是否存在MCSD来检验基于上市公司规模的投资方式的有效性。本文研究的时间跨度从2000年1月1日至2007年12月31日,共1926组数据。

2.2 研究方法设计

(1)规模指数的检验

令rB-S,rB-M,rM-S分别代表大盘指数与小盘指数、大盘指数与中盘指数、中盘指数与小盘指数的日收益率差额。在市场组合的日收益率中选取目标收益率集合$\{\tau {}_t^m=\widehat{F}{}_m^{-1}({\rm P}{}_t)|t=1,\cdots ,k\}$,相对于{Pt|t=1,…,k}。取k=10, 则P1=0.1,P2=0.2,…,P10=1.0。对应到规模效应的检验中,$\tau {}_1^{\alpha }=\widehat{F}{}_{\alpha }^{-1}(0.1)=-1.65‚\tau {}_2^{\alpha }=\widehat{F}{}_{\alpha }^{-1}(0.2)=-0.96$,…,$\tau {}_{10}^{\alpha }=\widehat{F}{}_{\alpha }^{-1}(1.0)=9.75$。对于每一个目标收益率,根据式(9)、式(10)计算MCSD检验量和Z值。MSCD检验相当于同时对原假设H0:{Φ${}_{i-j}^{\tau {}_t^{\alpha }}$=0|t=1,…,k}的一系列假设的检验,如{H01:Φτα1B-S=0,H02:Φ${}_{B-S}^{\tau {}_2^{\alpha }}$=0,…,H010:Φ${}_{B-S}^{\tau {}_{10}^{\alpha }}$=0}。为了控制多重比较的计算量,本文将计算出的Z值与查表得到的在5%的显著性水平下的SMM关键值+/-2.81进行比较。

(2)不同市场条件下规模指数的有效性检验

由于投资者在不同的市场条件下所表现出的投资行为有所差异,为了进一步检验基于规模的投资方式的有效性,将样本区间按2000～2007年间市场的走势分为三个样本区间:分别是2000年至2001年6月,此间上证A股指数与深成指都呈上涨趋势,为2000年后的第一个上升市场;2001年6月,沪市大盘见顶2245,此后一路走低,直到2005年6月,沪市大盘见底998.23点,因此将2001年7月至2005年6月定义为下降市场。2005年7月至2007年12月为2000年后的第二个上升市场。

(3)规模指数的月度有效性比较

为了证明是否存在按规模投资的季节现象,对月度间的规模指数进行了分析,以比较在不同的月份间基于上市公司规模的投资方式是否有效。本文将从2000年1月1日至2007年12月31日的大盘、中盘和小盘指数的日收益率按月度进行重新整理,组成12组数据,对每一组数据进行上述的MCSD检验。

2.3 实证结果

表1给出了基于中国A股市场上市公司规模的投资方式的MCSD有效性检验结果。从整个检验区间看,MCSD的零假设均被拒绝, 说明不同公司规模的股票组合间存在占优关系。具体来看, 大小盘溢价的条件均值(ΦB-S)相对于市场目标收益率τα1和τα2的检验值和大中盘溢价的条件均值(ΦB-M)相对于市场目标收益率τα1到τα6的检验值均显著大于零,而其没有显著为负的MCSD测量值,说明大盘指数边际且条件性占优中盘指数和小盘指数;而中小盘溢价的条件均值(ΦM-S)相对于τα3的MCSD检验值却显著为负,且没有显著为正的检验值,说明小盘指数占优中盘指数。从上述检验结果看,在整个检验区间,大盘指数≻小盘指数≻中盘指数(用≻表示占优),这说明中国股票市场并不存在小盘股收益超过大盘股的规模效应,中盘股在市场中表现最差,投资者可以通过买进大盘股和小盘股,同时卖出中盘股来提高效用。

注: *表示MCSD检验在5%的显著性水平上显著。

对结果进一步分析发现,基于规模的投资组合的表现要明显优于市场表现。如当市场收益率为-0.17、-0.52、-0.96、-1.65时, 大小盘和大中盘溢价都大于零, 而中小盘溢价的绝对值也大于对应的市场收益率。这说明基于规模的投资方式所获得的效用能够战胜市场组合。同时,大中盘溢价较大小盘和中小盘溢价要高, 如图1所示, 说明通过买进大盘股卖出中盘股可以使投资者效用最大化。

结合表1和图1发现,规模溢价均显著发生在下降市场中。如相对于全市场指数的下方分布(如P≤0.5),大中盘溢价的条件均值(ΦB-M)在5%的显著性水平上显著为正,说明大盘股在下降市场中比中盘股表现好,大中盘溢价和中小盘溢价的MCSD显著检验值也都出现在下降市场中(P≤0.5)。这一趋势在图1中表现明显,大小盘、大中盘和中小盘溢价的条件均值在下降市场中(P≤0.5)较为显著,而随着市场上扬(P≥0.5),规模溢价曲线逐渐向横轴收敛。

对不同市场条件下的检验进一步证实了本文的发现。如表2所示,在2001年7月至2005年6月的下降市场中,除了中盘指数与小盘指数间不存在显著的占优关系外,其他两种指数的溢价的条件均值均显著大于零。大中盘溢价的MCSD检验值在所有的市场水平下(τα1到τα10)都显著为负,大小盘溢价也在几乎所有的市场条件(τα1到τα9)下显著大于零,进一步说明了大盘股在下降市场中相对于中小盘股的优势地位。在上升市场的检验中发现存在较弱的小市场效应。如在2000年1月到2001年6月的上升市场中,只有大盘指数与小盘指数的比较中存在显著的MCSD检验值,即相对于τα6和τα7,MCSD均显著为负,且没有显著为正的MCSD,说明小盘股组合边际条件占优大盘股组合,规模效应显著。而在2005年7月至2007年12月的上升市场中,中小盘溢价的条件均值相对于市场收益τ${}_1^{\alpha }$到τ${}_3^{\alpha }$显著小于零,且其他市场收益下的MCSD检验值均不显著为正,因此小盘股在该上升市场中占优中盘股。此外,虽然中小盘的显著溢价发生在上升市场中,但也在市场分布的下方(P<0.5),因此间接说明规模溢价多发生于下降市场中。

注:*表示MCSD检验在5%的显著性水平上显著。

表3、表4、表5给出了规模溢价的分月MCSD检验。本文发现,大、小盘指数和大、中盘指数的检验呈现一致的结果,即除了6月和10月外,其他月份均不存在占优关系,而6月和10月的结果均显示大盘股在这两个月中均边际条件占优中盘股和小盘股。而中盘指数与小盘指数的比较结果来看,负的MCSD检验值仅显著存在于9月,即只有9月会呈现显著的规模效应,小盘股组合边际条件占优中盘股。

注: *表示MCSD检验在5%的显著性水平上显著。

注: *表示MCSD检验在5%的显著性水平上显著。

注: *表示MCSD检验在5%的显著性水平上显著。

以上的研究结果与以往基于Fama三因素模型所得到的关于中国A股市场规模效应的检验结果是不一致的,因此认为Fama模型在验证规模效应上的有效性还需进一步验证。

3 结论

本文基于边际条件随机占优理论, 以A股市场价格指数为核心组合, 应用Chow(2001)提出的MCSD统计检验[24]两两比较由规模指数构成的子组合, 进而检验基于中国A股市场上市公司规模的投资方式的有效性。本文的研究得出: ①在2000年以后的中国A股市场, 基于规模的投资方式可以获得战胜市场的投资绩效, 其中投资大盘股优于小盘股, 投资小盘股又优于中盘股。另一方面, 通过买入大盘股卖出中盘股可以获得最大的效用。②基于规模的投资方式的优势在下降市场中更加显著。在上升市场中,适合投资于小盘股组合,而在下降市场中则投资于大盘股组合更加有效。③在每年的6月和10月,投资于大盘股更加有效,而在每年的9月,更适合投资小盘股。

本文采用的边际条件随机占优方法对投资者的效用函数和投资收益分布的形式均没有限制,且考虑了资产的整体收益分布,而不是仅仅考虑均值、方差和beta系数,避免了收益与风险相分离的度量误差,因此检验结果更贴近实际。从2000～2007年中国股市的实际发展来看,市场受国际科技、网络等新经济概念的影响,在2000年至2001年6月的上涨市场中吹捧科技股和小盘股;而在2001年6月后的下降市场中,具有良好业绩的大盘股重新受到人们的关注, 表现出较强的抗跌性。因此, 本文的研究结果与市场规律保持一致,说明MCSD在检验股票市场规模投资方式的有效性上有很强的真实性和可靠性。本文的结论可以为投资者在进行投资判断时提供经验依据。

亚洲风险投资规模急剧增加 篇2

根据投资研究公司CB Insights为毕马威 (KPMG) 整理的数据, 亚洲风投规模的迅猛增长, 一直是今年全球创业投资急剧增长大潮中的最显著特征。

在最近一季度中, 亚洲的投资中位居最前列的是韩国电子商务企业Coupang收到的10亿美元投资, 以及中国移动互联网企业大众点评 (Dianping) 收到的8.5亿美元, 还有印度电子商务企业Flipkart收到的5.5亿美元。

有效投资规模 篇3

记者4月26日从国家发展和改革委员会的例行新闻发布会上获悉, 今年中央预算内投资用于“三农”的规模和比重都将超过去年。

据介绍, 国家发展和改革委员会将在促进现代农业发展、推动新农村建设等方面作出新的努力和新的贡献。加大投入, 比如今年将安排700多亿元加强以水利为重点的农业基础设施建设, 支持引水调水、骨干水源、江河湖泊治理、高效节水灌溉等重点项目。继续加大农村民生工程投入力度, 完善农村水、电、路、气、信等基础设施, 加快推动农村饮水安全、农村道路、电网改造、农村沼气、危房改造等方面的建设。今年要改造农村危房260万户。

据悉, 2013年中央预算内投资用于农业农村的比重达到了50.6%, 投资总量超过2 200亿元。

有效投资规模 篇4

2015年, 国家电网公司在年初已安排超过900亿元农网投资的基础上, 新增农网改造升级工程投资673.8亿元, 全年农网改造升级投资近1 600亿元, 投资规模创历史新高。

国家能源局副局长刘琦在讲话中指出, 加强农村电网建设和改造升级, 对于改善农村用电条件, 推进社会主义新农村和新型城镇化建设, 促进经济循环增长具有重要作用。国家电网公司要充分认识加快推进农网改造升级工程的重要意义, 将其作为一项重要的政治任务来抓, 把农村电力建设作为今年工作的重中之重, 尽快启动工程实施, 激发经济增长活力, 并加强施工组织管理, 确保按时完成建设任务。

国家电网公司董事、总经理、党组成员舒印彪表示, 全面加快推进农网改造升级工程, 具有重要的政治、经济和社会意义, 是保障农村经济社会快速发展的必然要求, 是拉动经济增长的重大举措, 也是解决当前农网薄弱环节的现实需要。国家电网公司始终坚持服务党和国家工作大局, 大力实施“新农村、新电力、新服务”农电发展战略, 持续加大农村电网建设改造投入力度, 切实履行电力普遍服务责任, 取得了显著成绩, 为服务“三农”做出了重要贡献。国家电网公司上下一定要坚决贯彻党中央、国务院的决策部署, 高度重视、精心组织, 创新思路、把握关键, 采取有力措施, 把农网改造升级工程组织好、实施好、管理好, 确保按期完成投资计划。

会议要求, 各单位要坚持从党和国家工作大局出发, 以建设结构合理、技术先进、安全可靠、智能高效的现代农村电网为目标, 立足于早建成、快见效, 加强组织领导和建设管理, 确保建设质量, 强化安全管理和监督检查, 在各级政府的大力支持下, 加强外部协调, 确保安全优质高效完成农网改造升级任务。

有效投资规模 篇5

合理投资规模问题一直是我国经济理论界研究的重要课题,也是宏观经济决策时需要参考和调控的重要变量。经济周期中大部分的波动都是由投资规模的变动而引起的,无论是投资的过度紧缩还是过度膨胀,所引发的经济失调都会严重影响经济活动的顺利进行。因此,科学而准确地确定投资规模的合理空间,对我国经济的持续健康发展无疑是有益的。

投资规模是指在一定时期内一个国家或者一个区域、部门、单位为形成固定资产或者流动资产而以货币形态表现的劳动和活劳动的总量,通常用投资率和投资增长率两项指标来衡量(孙永红,1990;乔为国和潘必胜,2005;丘健明和陈俊芳,2006)。改革开放以来,我国的投资率一直保持在较高的水平上,近年来更是突破了40%,并且还有继续上升的趋势。迄今,我国投资规模持续过大所带来的负面影响已越来越严重,如部分行业产能过剩加剧了内需不足和出口压力、为维持高投资率所需的低利率政策加剧了资产价格泡沫和通货膨胀压力、政府和国企主导的大规模投资加剧了地方债务风险和金融系统风险。不仅如此,企业投资还面临着原材料和能源价格上涨、劳动力成本上升、技术升级改造投入加大、低碳等环保标准提升等压力。但是,我国经济转型尚未结束,仍需要通过扩大投资规模来促进经济增长和创造就业机会。因此,确定“十二五”时期我国投资规模的合理空间,已成为优化投资结构和提高投资效益的前提,也是更好地实现经济增长和创造就业等宏观经济目标的基础,有必要对其进行深入系统的研究。

二、文献综述

关于投资规模的研究,长期以来特别是在20世纪50年代以前,一直是经济学界研究的重点。早在1989年,刘慧勇就在其《投资规模论》一书中运用了大量的事实数据与图表,对我国经济与投资规模的周期性波动现象及其特征进行了分析与论证。黄正新(1991)在对刘慧勇的“投资除数论”、投资与经济周期关系提出质疑的基础上,给出了其对经济与投资周期性波动的认识。1992年,张合金从宏观调节中的地位、目标、对象及方法角度对投资规模的调节进行了阐述,并且通过实证分析提出了调节规模的财政政策和货币政策。孙先定和黄小原(2000)通过期权理论建立了产业投资决策的期权模型,他们开创了从新的角度确定投资规模及其优化的理论探讨。

影响投资规模的因素包括投资需求和投资供给(张仲敏和任淮秀,1995;刘万东,1998;张合金,2000)。从投资需求的角度看,投资是经济增长的动力,政府为了实现经济的持续稳定增长,创造更多的就业机会等宏观经济目标,必须保持足够的投资规模来刺激经济。从投资供给角度看,投资的规模,即投入的人力、物力及财力在一定的时期内能够实现多大的规模,从根本上取决于这些资源供给能力的约束。如果投资规模超过了供给实际的承受能力,必然会使各种正常的比例关系遭到破坏,阻碍经济的发展。例如,投资规模过大可能造成当前消费削弱、物价飞涨、通胀压力增大,而且使国民经济的资源约束加剧,因而都将不利于提高社会的经济效益。

研究合理投资规模,既有利于避免投资膨胀对国民经济的危害,也有利于避免投资不足对国民经济的危害(刘春梅,2006)。在既定的经济环境下,客观来说存在一个最优的投资规模,政府决策都试图使实际的投资规模接近或达到最优,但是受资源和管理水平等一系列因素的制约,实际投资规模很难与最优投资规模相吻合(张合金,2000)。在绝大多数情况下,实际的投资规模都会不同程度地偏离最优,这就需要研究这种偏离的程度,即研究实际投资规模偏离最优,在多大程度上是国民经济运行能够承受的,或者在多大程度上是不能接受的。通常,学术界把经济运行所能够承受的投资规模称为合理投资规模。这种投资规模不是某一个具体的数值,而是一个围绕最优投资规模上下波动的具有上限和下限的区间。投资规模与经济增长具有相互制约和相互影响的关系(Li等,2012)。因此,确定合理投资规模区间无疑有利于维持经济的持续稳定发展。

在已有研究中,一些学者根据我国和国外历史数据和经验来定性分析我国合理投资规模,如薛暮桥(1958)、汪海波(1986)及吴忠群(2002),但这些方法都是基于经验性判断,具有一定的不合理性。也有一些学者通过数学模型从定量分析的角度确定了我国合理的投资规模,得到的结论也不一致。史正富(1985)指出,研究经济增长的核心就是研究投资率的选择,他利用卡莱茨基的增长模型通过数据分析确定了投资率的可行性区间。吴忠群(2002)利用有关的数据统计,确定了我国合理的投资区间为35%~38%。丘健明和陈俊芳(2006)利用灰色理论测算出了投资率的下限,运用投资效益指标得出了合理的投资率上限。孙焱林(2008)通过名义经济增长率=投资乘数×投资率×投资增长率的公式来确定合理投资规模为40.8%。乔为国和潘必胜(2005)基于实现充分就业的目标来确定合理投资率为18%~25%。

可见,现有关于我国投资规模和决策的分析方法主要是依靠定性的经验判断,大多从经济增长的角度分析投资需求,缺乏多视角的综合性分析。本文将基于灰色理论和灰色系统模型,以及增量资本产出率和经济增长目标,来确定“十二五”时期我国投资规模的合理空间。

三、我国投资规模发展现状与国际比较

改革开放以来,我国投资规模一直保持着较高的水平(如图1所示)。1978—2011年,我国的投资率(资本形成率)水平始终在30%以上;近年来投资率增速进一步加快,投资率已经突破了40%。从总体上来看,投资率呈现波动上升的趋势,与经济增长率波动走势基本吻合。如果投资率过高,实际年度投资规模就会出现膨胀,就会使消费水平上升缓慢甚至下降,或储备不足,导致生产能力大量闲置(孙永红,1990)。1978年至今,我国的消费率呈现出总体下降的趋势。2000年以前,我国的消费率波动幅度趋于平缓,但是进入21世纪以后,消费率出现了迅速下滑,由2000年的62.3%,逐步下降到2010年的48.2%。高投资率和低消费率会造成投资效率低下、产能过剩和内需不足等诸多问题,进而会影响整个国民经济的健康发展。

与其他国家相比,中国是世界上投资率最高的国家之一(如图2所示)。据世界银行统计,1990—2010年,世界平均投资率在20%—25%之间,而中国基本上处于35%以上。以2009年为例,中国投资率达到了47.2%,世界投资率平均水平仅为19.1%。其中,高收入国家为17.3%,中等收入国家为28.3%,中低收入国家为28.2%,低收入国家为23.7%,均比中国投资率低约19个百分点以上。

数据来源:国家统计局,《中国统计年鉴2012》。

数据来源:World Bank WDI Database.

通过国际比较发现,近些年世界投资率的平均水平在为20%左右;高收入国家的投资率处于世界平均水平之下,且呈下降趋势;中等、中低等、低等收入国家的投资率都高于世界平均水平,但上升幅度不大;中国的投资率水平不仅远远高于各类国家投资率的平均值,而且仍处于上升趋势之中。

四、“十二五”时期我国合理投资率分析

“十二五”时期,是我国转变经济发展方式的关键时期,过去依靠高投资率来拉动经济增长的发展模式必然要进行根本性改变。那么,在保证一定经济增长速度的前提下,我国必须将投资率控制在合理的水平上。

1. 基于灰色理论的我国投资率下限分析

投资规模与一国经济总量(GDP)之间存在相互影响、相互制约的关系。在研究过程中,通过投资规模和GDP的统计数据计算出投资率是很容易的,但是对于一定规模的投资是如何转化成经济产出的,以及经济产出又是如何影响投资规模的问题,是无法准确描述的。对于这种“部分信息已知,部分信息未知”的不确定系统,可以利用灰色理论加以研究(邓聚龙,1985)。

灰色理论的特点就是利用少数据建模,G(1,N)和n就是其中的一种状态分析模型,可以反映n个变量对于因变量一阶导数即变化率的影响。设数列X 0={X 0(1),X 00(2),…,X 00(n)}有n个观测值,通过累加形成单调递增的平稳和有规律的数列,生成新序列记为:

考虑X2,…,Xn对X1的影响,建立微分方程为:

其中,为发展灰数,为内生控制灰数。

本文基于灰色理论模型建立两个变量的G(1,2)模型,即一阶、二变量的灰色系统模型。当模型中涉及到GDP和投资规模两个变量时,分别用X1和X2表示。投资率是一个灰数,暂时还不能确定。投资规模是GDP的影响因素之一,反过来,GDP又会影响投资规模,因而二者之间存在正反馈的关系。根据这个关系可得到一个灰色系统的网络模型图如下:

其中,1为从投资到GDP的传递函数,2为GDP到投资的反传递系数。

根据微分方程(2)可得关于投资规模和GDP的微分方程:

其中,11、21分别表示GDP和投资规模的一次累加序列。

将(3)式进行拉普拉斯变换可得如下等式:

式,得到:

可以通过软件Matlab计算得出微分方程(3)中和的值,进而可以得到关于传递函数的表达式。其中,GDP变量的数据为按收入法计算的国内生产总值,投资规模数据为全社会固定资产投资额,样本区间为1978—2011年,数据均来源于《中国统计年鉴》。计算结果显示,和的值分别为:=0.14401,=0.03417。

根据(5)式,我们得到:

此时,网络图可以描述如下图:

假设未知的总传递函数为G(),根据传递函数及反馈原理,整个系统的总传递函数为,

将(6)式结果带入(7)式,有,

该方程的特征多项式为:

当0.03417-0.14401×2≥0,即2≥23.7%时,()有正实根,此时系统的发展指数为正,且呈指数增长趋势;反之,当2<23.7%时,()存在复数根,系统呈指数衰减趋势,有能量保守的特性。

在投资规模和总产出GDP的两变量G(1,2)模型中,反传递系数W2可以看做投资与GDP的比值,即投资率。W2≥23.7%,即投资率不小于23.7%,是保证我国经济系统持续、稳定增长趋势的必要条件。因此,从我国改革开放以来的投资与GDP灰色系统的运行状态来判断,“十二五”时期我国合理投资率的下限应为23.7%。

2. 基于增量资本产出率和经济增长目标的合理投资率分析

理论上而言,随着投资规模的持续增长,会出现“投资回报递减”,即投资效率下降。反映投资效率的一个经济指标是增量资本产出率,即每增加1单位的国民生产总值所需要的投资额。设投资率为R,即,

可将(9)式进行如下变形:

从公式(11)可以看出,投资率与增量资本产出率具有一定的正相关关系,投资率越高,每增加一单位GDP所需耗费的投资就越多;当增量资本产出率既定时,经济增长率越高,所需的投资率也越高。根据历史经验和宏观经济政策,增量资本产出率和经济增长率都是存在局限值的,因此,可以根据投资率与这两个变量之间的关系,来确定投资规模的合理空间。

从历史数据来看,1981年至今,我国增量资本产出率总体上呈上升趋势,并可大致分为三个阶段(如图3所示):第一阶段为1981~1996年,D值一般介于1.5~3之间;第二阶段为1997~2008年,D值多处于3~4之间(1998年和1999年为应对亚洲金融风暴采取了经济刺激政策,D值都超过了5);第三阶段为2009年至今,D值多处于4~5之间(除2009年为应对国际金融危机,我国推出四万亿的投资刺激政策,使D值猛增至8以上之外)。由此可见,我国增量资本产出率目前的正常水平是介于4~5之间,但在历史上每当需要应对国际性经济危机时,D值都会迅速增大。目前,世界经济仍深受国际金融危机的后续影响,欧洲主权债务危机仍非常严峻,而且我国经济增长速度有所放缓,因此,我国仍处于应对经济危机的状态之中。在这种经济背景下,我国的增量资本产出率很可能超过5,使其上限提高至6,即“十二五”时期D值的波动区间为[4,6]。

“十二五”时期,我国的经济增长率目标为7.5%。那么,基于这一经济增长目标,根据公式(11),就可以计算出在D值约束下的我国投资率合理空间为[27.91%,41.86%]。

五、结论

从现状分析和国际比较来看,我国的投资率已经处于过高的状态。基于灰色理论的分析表明,当投资率不小于23.7%时,我国投资与GDP构成的灰色系统才会保持稳定增长的状态,反之,该经济系统将具有能量保守的特点,不能维持经济的正常增长水平。随着投资规模增大,投资效率会出现下降趋势,因此投资效率对投资规模也会产生一定的约束作用。根据我国投资率与增量资本产出率、经济增长率的关系,可计算出在既定经济增长目标和增量资本产出率波动空间的约束下,“十二五”时期我国投资率的合理空间为[27.91%,41.86%]。这个空间处于灰色理论模型确定的我国投资率下限之上,因而可保证经济系统的稳定增长。但是,近年来,我国实际投资率已经突破了合理投资率的上限,这说明我国投资率急需进行向下调整。因此,“十二五”时期,我国在保证完成既定经济增长目标的前提下,应在合理投资空间内加大降低投资率的力度,并为其他经济增长方式提供发展机会。

有效投资规模 篇6

农业水利工程投资规模受到社会资金拥有量、资源的充余程度以及技术的允许程度等因素的制约。[1]由于水利工程建设耗资大, 而且又关系着国计民生, 是国民经济中举足轻重的特殊产品, 水利工程通常与地质、水文、气象等自然条件关系密切。技术复杂, 工期长, 使得投资难以控制和掌握, 这在一定程度上也影响着投资规模。因此对影响农业水利工程投资规模的因素进行探析, 寻求符合农业发展的有效的农业工程投资势在必行。

1 农业水利工程投资规模的影响因素分析

农业水利工程投资主要依靠社会、国家。必须在一定的社会环境中才能实现, 并且需要消耗和利用一些经济因素。通常来说, 农业水利工程投资规模受到社会资金拥有量、资源的充余程度以及技术的允许程度等因素的制约。[1]

1.1 资金因素的制约

资金是进行一切项目建设所必需的, 所以也就成为了制约农业水利工程投资规模的主要因素。然而在农业水利工程投资中, 其投资的回报, 以及资金的占用与其他工程的投资活动不同, 因此在资金因素方便更加容易受到制约。

1.1.1 农业水利工程资金的投入大且具有长期性的特点

例如, 农业水利工程中, 一些大中型的工程施工期就要三五年或者七八年, 或者更长。所以农业水利工程在建设投资上必修不间断, 才能保证工程的如期完成, 所以相关部门要针对工程的大小量力而行的进行投资建设。在进行工程建设前, 要做好工程计划, 要考虑当前资金的到位情况, 以及以后数年间工程建设资金的投入情况。尽可能的做好调查研究, 保证以后工程建设资金的供应, 以避免在工程建设过程中遇到资金供应不足的情况, 进而造成工程停工、工程延期、停建等问题, 给双方带来损失。同时, 要从当前和长远利益出发, 调节局部和全局的关系。对于农业水利工程中的大工程, 从长远来看可能带来较好的经济效益, 但是对于当前或者局部地区来说可能带来不利的影响, 所以, 农业水利工程确定建设后, 要应该从局部和全局、短期和长期结合起来分析考虑。对于资金的投入分配, 要量力而行, 考虑整体和局部, 当前和长远效益, 做好对投资少、见效快农业工程项目建设的资金投入。

1.1.2 农业工程效益慢, 资金回收持续时间长

很多水电站的建设都要经历数年, 一些大型的灌溉项目建设也需要较长的时间, 而且自从建设后在短期内很难发挥较大的经济效益。对此, 在工程设计之初就要想到资金的回收再利用, 从而保证资金发挥最大效益, 并且在确定配套工程建设规模时, 也能根据这一特点合理安排, 这样才不会使资金造成一定时期的闲置。

1.2 技术制约因素

对于农业水利工程建设来说, 工程大, 而且涉及的领域广, 因此有非常强的技术性要求。农业水利工程在建设中, 需要采用的技术涉及天文, 地理、气象等等因素, 所以需要具备各种施工技术, 为此在建设农业水利工程中的建设项目要采用不同的技术。

1.2.1 施工技术具有综合性的特点

很多水利工程不仅仅是一个单一的农田水利项目, 其还涉及供水、供电、旅游、养殖、灌溉、航运、发电、防洪等方面。[2]所以在建设施工上要应用多种技术, 也就需要各自开支, 同时因为涉及技术的差异较大, 所以只有综合利用技术才能把工程建设好。

1.2.2 施工技术的特殊性特点

农业水利工程建设项目大部分都建设在特定的地方, 而这些地方的水文特征、气候特征、地形地貌特征等等都会影响工程, 所以就需要施工按照特定的水文、气候特征、地形地貌特征来进行施工, 所以施工具有特殊性。

1.3 资源因素的制约

农业水利工程在建设中要消耗大量的资源和物资, 建设完成后在使用过程中仍然要消耗大量的资源和物资。所以, 在计划进行农业工程建设的初期, 就要研究资源对工程建设的限制, 从而保证资金和资源的供应充足, 两方面相结合才能促使工程顺利完工, 发挥效益。

1.3.1 自然资源的占用

自然资源的占用主要是水资源、地域资源、植物资源等。这些资源的占用要考虑工程本身带来的效益能否弥补对这些资源的消耗。特别是工程效益和自然资源发挥的效益发生矛盾的时候, 就要做出衡量, 尽量减少对自然资源的损耗, 所以, 工程建设时要确定合理的投资规模。

1.3.2 对燃料、建筑材料等资源的占用

这些资源都是不可再生的资源, 在使用中要考虑投资效益是否和收益成正比, 作为我国重要的资源, 不仅应用于农业工程建设, 而且这些资源应用的方面较广, 所以, 应用农业工程应用的越多, 其他行业的缺口就越大。所以要保证工程投资发挥最大效益。

2 提高农业水利投资效率的对策和建议

2.1 统一规划和协调投资, 合理布放资金

规划是科学地进行农业水利工程建设的前提, 以前, 很多地方在农业工程投资方面是盲目的、不科学的, 基本上是只讲业绩不讲效益, 这样建设的农业水利工程可以说是劳民伤财, 严重挫伤了农民的积极性, 造成资源的严重浪费。所以, 农业工程建设投资要有规划, 建设坚持规划先行。

2.2 研发新技术, 提高工程的利益效益

我国很多地区农业水资源缺乏, 灌溉效率低, 影响了土地生产的效益。为此, 在这些地区进行工程建设要大力发展节水灌溉工程的建设, 提倡滴灌、喷灌等节水技术。加大相关工程方面的投资, 把投资方向转向新技术, 有利于发展农业, 提升农业发展的技术, 这样才能从根本上改变过去投资片面的问题。

2.3 建立稳定的投入保障机制, 确保农业水利资源投入

稳定的投资保障机制, 是确保农业工程资金的关键。根据我国的国情, 以及我国特殊的农业形势和投资形势, 解决我国农业投资问题要坚持以国家投资为主, 市场投资为辅, 二者相结合的方式进行投资, 这样才能提升农民的积极性, 他们才愿意参与基础工程的投入。所以, 农业水利工程投资要建立多元化的投入保障机制。

2.4 探索新的组织方式, 保证投资项目的实施

很长时间以来, 我国农业水利工程建设基本上是以政府为主而进行组织和决策的, 农民是被动参与。所以, 为了保证农业工程投资的合理、公平、有效, 要坚持以人为本的原则, 尊重农民的意愿, 做到用民主管理替代行政命令, 完善农村的一事一议政策。

3 结论

农业水利工程的规模受到社会资金拥有量、资源的充余程度以及技术的允许程度等因素的制约, 为了更好的促进农业水利工程投资规模的不断加大, 避免投资规模受到影响, 在项目建设时要合理规划, 合理布置资金;推广新技术, 改变农业的现状;建立投资资金的保障机制;探索新的投资组织形式。

摘要：农业是我国的基础产业, 农业水利工程是农业生产的保证, 加大农业水利工程投资规模可以有效改善水利设施, 促进农业的发展。然而农业水利工程投资规律受到多种因素的影响。本文对影响农业水利工程投资规模的因素进行了全面的分析, 为促进农业水利工程的可持续发展提供参考。

关键词：农业,水利工程,投资规模,影响因素

参考文献

[1]胡韫频.基于三峡工程的重大工程项目投资控制机制研究[D].武汉理工大学, 2006.

[2]魏明华, 鲁仕宝, 郑志宏.农业水利工程建设风险分析[J].农业工程学报, 2011 (S1) .

[3]陈雷, 杨广欣.深化小型水利工程产权改革加快农村水利事业发展[J].中国农村水利水电, 2008 (6) .

有效投资规模 篇7

已有研究显示, 融资结构总体上与企业投资显著负相关 (如刘星、杨亦民, 2006) 。而我国目前的融资结构单一, 资金提供方——银行和证券市场存在种种问题, 投资效率低下已成为当前证券市场改革的直接原因。融资结构发生变革, 必将会对我国企业的投资规模产生深远的影响, 也会影响到我国企业的公司治理模式。融资结构中的资金提供者——股东和债权人的冲突将进一步加剧, 从而改变企业的公司治理, 对企业的投资造成影响。所以, 深入研究我国企业目前的融资结构和投资规模的关系有利于我国国有银行改革的顺利完成, 维护广大股民投资的积极性, 促进我国证券市场的健康发展, 也有利于积极培育机构投资者, 建立适合我国国情的公司治理模式, 合理优化企业的融资结构, 从而促进我国国民经济的健康和快速发展。然而我国在这方面的深入研究才刚刚起步。有关融资与企业投资规模关系的研究, 一般从我国银企关系的“同源性”出发, 研究负债融资对企业的软约束, 以及由此形成的股东——债权人冲突问题。而将融资结构与投资规模纳入同一框架直接研究的较少。本文从公司治理模式角度分别研究股债兼治型模式和股权治理主导型模式下上市公司融资结构的组成部分与投资规模的关系。

二、研究综述

(一) 银企行“同源性”形成了负债融资的软约束 俞乔、陈剑波 (2001) 研究发现, 企业内部资金对其投资行为有重要影响, 而外部负债对其投资行为并无影响。何俊 (1998) 的研究结果表明, 国有股 (包括国家股和国有法人股) 在公司股权中所占比率越高, 公司内部人控制就越强。郑江淮、何旭强、王华 (2001) 认为, 国家股比重越低的上市公司负债融资比重越低, 但没有受到明显的后续股权融资约束, 而国家股比重越高的上市公司负债融资比重相对较高, 却受到了后续股权融资约束。

(二) 治理结构缺失致使股东经理偏好过度投资和风险 何金耿、丁加华 (2001) 实证研究结果显示, 投资需求对现金流量有很强的正向关系, 进一步研究表明这种关系形成的原因不是融资约束, 而是管理机会主义, 这说明目前上市公司经理约束机制并非普遍有效, 管理机会主义是公司留存高额利润的主要目的。李胜南、牛建波 (2005) 研究表明, 对于国有股比例低的公司, 高负债抑制了高增长性企业的投资支出。对于国有股比例高的公司, 高负债既没有约束低增长性公司的过度投资, 也没有抑制低增长性公司的正常投资。魏锋、刘星 (2004) 研究表明, 公司投资与现金流量之间存在显著的正相关关系。投资、现金流敏感性的关系, 得出我国上市公司存在融资约束, 而总体不确定性与公司投资呈现正相关关系, 说明上市公司管理层普遍偏好风险。

(三) 股东、债权人冲突导致企业过度投资的研究 李秉祥 (2003) 指出财务危机企业投资行为偏移的主要原因在于内部人控制、银行对企业负债的软约束和信息不对称。伍利娜、陆正飞 (2005) 研究发现, 资产负债率与投资不足及过度投资行为的发生均呈现正相关关系。而企业的盈利状况越差, 越会加剧这种投资不足与过度投资行为。童盼 (2005) 研究表明, 短期负债不仅带来代理成本, 而且其代理成本甚至可能高于长期负债的代理成本。

(四) 负债融资加剧股东与债权人冲突和缓解股东与经理冲突研究 童盼、陆正飞 (2005) 研究发现, 负债比例越高的企业, 企业投资规模越小, 且两者之间的相关程度受新增投资项目风险与投资新项目前企业风险大小关系的影响。与高项目风险的企业相比, 低项目风险企业的投资额随负债比例上升而下降得更快。高风险企业投资与负债之间的负相关关系, 说明负债能够抑制股东-经理冲突引起的过度投资的作用大于负债本身引起的股东—债权人冲突带来的过度投资。童盼、支晓强 (2005) 研究表明, 在股权价值最大化的目标下, 典型企业会放弃现金流固定的无风险项目, 但随着项目风险的增加, 企业放弃的项目越来越少, 当项目风险足够大时, 企业甚至会接受一些净现值为负的项目。姜建军 (2004) 发现, 负债融资与企业投资整体上负相关, 按成长机会划分, 这种相关性仅存在于成长机会低和成长机会中等的企业里。李秉祥 (2003) 认为, 企业的过度投资是内部人控制和银行债权弱化的具体体现, 虚假的债务重组是将危机转嫁给企业债权人的真正动因。

三、研究设计

(一) 研究样本及数据来源 本文研究我国上市公司融资结构与投资规模之间的相关关系, 选取的样本是在沪市上市的公司。以2005年的数据为研究窗口, 应用上海证券交易所上市公司的截面数据, 实证研究两种治理模式下我国上市公司融资结构与投资规模之间的关系。为了保证数据的有效性, 尽量减少其他因素对数据的影响以及确保统计口径的一致, 本文只选择了2003年12月31日前在上海证券交易所上市的只发行A股的上市公司, 并剔除了ST、金融、保险类的上市公司。根据上述原则, 本文选择在上海证券交易所上市的201家公司作为研究对象。本文研究共需要两类数据:公司治理的数据和财务数据。其中公司治理数据从上市公司年度财务报告中获得。所有的数据来源于上市公司在新浪网站财经版上公布的2004年度和2005年度报告。同时在选取数据的时候, 也用Excel软件进行了简单的加工。

(二) 研究方法 本文首先采用聚类分析方法按照公司治理的标准进行分类, 确定每个上市公司所采用的公司治理模式, 然后采用多元线性回归分析的方法, 对融资结构与投资规模的关系进行实证分析, 以验证假设是否成立。

(三) 参数选择 本文按照治理结构主体的不同对公司治理进行分类, 分别选取了以下一些参数: (1) 股东。主要选取了股权制衡度和股权集中度来衡量其参与公司治理的状况。股权制衡度是表示上市公司股权相互牵制的程度, 定义为第二、三、四、五位股东与首位大股东之比, 股权制衡度大于等于1为“制衡”, 股权制衡度小于1为“非制衡”。股权集中度表示上市公司股权在第一位股东的集中程度, 定义为第一大股东持股比例的指标。 (2) 债权人。本文采用了资产负债率、长期负债率和流动负债率三个指标来衡量债权人参与公司治理的情况。资产负债率表示负债总额与资产总额的比例, 长期负债率表示长期负债与资产总额的比例, 而流动负债率表示流动负债与资产总额的比例。 (3) 董事会。本文选择了董事会规模、董事长与总经理是否两职合一两个指标。董事会规模是在年度报告中披露出来的董事会所有成员人数的总和, 包括董事长、独立董事、执行董事等。对于董事长与总经理是否两职合一, 如果是两职合一, 则此参数取值为1;否则此参数取值为0。 (4) 监事会。本文选择监事会人数、年度内监事会会议召开次数两个指标。 (5) 经营者。本研究中经营者指的是公司的高级执行人员, 主要包括总经理、副总经理、财务总监、销售总监、总工程师等。经营者参与公司治理的状况用经营者中报酬总额最高的前三位与公司高层报酬总额的比值来反映。经营者报酬总额是指经营者在上市公司领取的工资和奖金、年薪、津贴等各种形式的报酬总和。 (6) 投资规模。为了消除企业规模对投资规模的影响, 用投资变化额除以资产存量的比例来衡量, 其中投资变化额是固定资产、长期投资的2005年度变化值, 即等于2005年年末余额减去2004年年末余额;资产存量是2005年初总资产。 (7) 融资结构。根据融资结构的定义, 结合上市公司披露的信息, 选择的指标主要有以下几个方面:第一, 股权结构指标, 反映股权资本内部的比例关系, 主要采用留存收益和股东投入资金的比值, 即盈余公积与未分配利润的总额除以股本与资本公积的总额。第二, 负债结构指标选择负债的期限结构的比率, 计算方式为长期负债与流动负债的比值。流动负债是指将在1年 (含1年) 或者超过1年的一个营业周期内偿还的债务, 包括短期借款、应付账款、应交税金和一年内到期的长期借款等。长期负债是指偿还期在一年或者超过一年的一个营业周期以上的债务。第三, 资本结构指标作为股权资本与债权资本之间的比例关系, 即负债权益之间的比例。本文选择的指标是负债权益比, 计算方法为负债总额除以所有者权益总额。

(四) 研究假设 借鉴已有研究成果, 本文提出如下研究假设: (1) 股债兼治型模式下实证研究假设:

假设1:股权结构与投资规模具有负相关的关系

假设2:负债结构与投资规模具有正相关的关系

假设3:资本结构与投资规模具有正相关的关系

(2) 股权治理主导型模式下实证研究假设

假设4::股权结构与投资规模具有正相关关系

假设5::负债结构与投资规模具有正相关关系

假设6:资本结构与投资规模具有负相关的关系

(五) 模型建立和参数定义本研究建立的模型和参数定义如下: (1) 聚类分析参数。X1为股权集中度;X2为股权制衡度;X3为资产负债率;X4为流动负债率;X5为长期负债率;X6为董事会人数;X7为总经理董事长是否一人;X8为监事会次数;X9为监事会人数;X10为高管报酬比例。 (2) 多元线性回归分析参数。因变量为投资/资本存量比例 (It/Kt-1) ;自变量为股权结构 (Rt-1/Ct-1) ;负债结构为Lt-1/St-1;资本结构为Dt-1/Ot-1。 (3) 研究模型。本文建立如下研究模型:It/Kt-1=α0+α1Rt-1/Ct-1+α2Lt-1/St-1+α3Dt-1/Ot-1+ε。

四、实证结果分析

(一) 样本公司治理模式聚类分析通过对样本的方差检验 (表1) , 10个变量中任意一个变量造成的类间均方差均大于类内误差均方。从概率值来看, 10个变量是类间无差异的假设成立的概率小于5%的有8个。因此, 聚类结果所选择的分类变量指标通过了相关性检验, 样本指标的相似性比较低, 聚类结果有效。通过聚类分析, 可以得到各样本公司治理模式的类型, 并得到第一类公司治理模式和第二类公司治理模式的特征, 结果见 (表2) 和 (表3) 。根据聚类分析的结果和公司治理模式的特征, 确定分类结果和公司治理模式的对应关系见 (表4) 。聚类结果印证了目前我国上市公司治理模式的实际情况, 即股权治理主导型模式多于股债兼治型模式。

(二) 股债兼治型模式下的融资结构与投资规模关系的实证分析 通过上述聚类分析的结果, 在股债兼治模式下有效样本数为56个, 占总体样本的27.86%。 (1) 描述性统计分析。在股债兼治型公司治理模式下变量的描述性统计见 (表5) , 揭示了在此模式下各指标的基本情况。 (2) 拟合度分析。通过SPSS中的线性回归分析, 建立的回归方程的解释能力评价指标 (表6) , 通过模型汇总表中, 回归方程较好的拟合了观测变量。同时D-W检验值为2.093, 由于样本容量为56, 解释变量为3, 查D-W检验上下界表得上下界为1.68和1.45, 参照标准, 1.68<2.093<4-1.68, 则线性回归模型中三个解释变量之间无自相关。 (3) 方差分析。模型的方差分析结果见 (表7) , 可以发现, 模型1的显著性水平t值为0.042<5%, 则拒绝原假设, 回归系数在5%水平上显著, 因变量与自变量股权结构、负债结构、负债权益之间有线性关系。 (4) 回归方程的建立和检验。根据模型的回归系数表 (表8) , 各变量对应系数的检验值t值都小于5%, 可以建立回归方程It/Kt-1=0.033-0.005Rt-1/Ct-1+0.064Lt-1/St-1+0.006Dt-1/Ot-1;标准回归方程:It/Kt-1=-0.019Rt-1/Ct-1+0.376Lt-1/St-1+0.056Dt-1/Ot-1。同时从多重共线性的角度看, 容限度Tolerance>0.1, 方差膨胀因子VIF<10, 所以不存在多重共线性。因此, 通过样本数据建立的多元线性回归方程是可以信赖的。

(三) 股权治理主导型模式下的融资结构与投资规模关系的实证分析 利用聚类分析的结果, 得到股权治理主导型模式下的有效样本145个, 占总体样本的72.14%。 (1) 描述性统计分析。在股权治理主导型模式下变量的描述性统计, 见 (表9) , 揭示了在此模式下各指标的基本情况。 (2) 拟合度分析。在股权治理主导型模式下, 通过对模型拟合程度检验指标的测度 (表10) , 复相关系数为0.323, 回归方程较好的拟合了观测变量。同时D-W检验值为1.928, 由于样本容量为145, 解释变量为3, 查D-W检验上下界表得上下界为1.71和1.84, 参照标准, 1.84<1.928<4-1.928, 则线性回归模型中三个解释变量之间无自相关。 (3) 方差分析。方差分析结果见 (表11) 。可以发现, 回归方程的t值的显著水平为0.001<5%, 则拒绝原假设, 回归系数在5%水平上显著, 所以, 因变量与自变量存在线性关系。 (2) 回归方程的建立和检验。根据模型的回归系数表 (表12) , 各变量对应系数的检验值都小于5%, 可以建立回归方程:It/Kt-1=0.016+0.088Rt-1/Ct-1+0.058Lt-1/St-1+0.002Dt-1/Ot-1;标准回归方程It/Kt-1=0.211Rt-1/Ct-1+0.226Lt-1/St-1-0.025Dt-1/Ot-1。检验多重共线性的指标, 容限度Tolerance>0.1, 方差膨胀因子VIF<10, 所以不存在多重共线性。因此, 通过样本数据建立的多元线性回归方程是可以信赖的。

五、结论

通过上述分析, 得出如下结论: (1) 在股债兼治型模式下股权结构与投资规模具有负相关的关系;负债结构、资本结构与投资规模具有正相关的关系。比较股权结构、负债结构和资本结构的回归系数, 负债结构和资本结构对投资规模的影响程度远远高于股权结构的影响程度。可以发现, 在股债兼治型模式下, 债权人在信息对称的假象下, 由于过度投资作用大于投资不足的作用, 并且负债的相机治理作用微不足道, 最终形成了融资结构与投资规模具有正相关的关系。 (2) 在股权治理主导型模式下, 股权结构、负债结构与投资规模具有正相关关系, 与资本结构与投资规模具有负相关的关系。三个相关系数中, 股权结构和负债结构与投资规模的回归系数明显高于资本结构的回归系数, 综合三个回归系数对投资规模的影响程度, 可以证明在股权治理主导型模式下, 融资结构和投资规模具有正相关关系。

摘要：本文以沪市2004～2005年201家非金融企业的2814组为样本数据, 采用聚类分析方法从公司治理模式角度对样本公司进行分类, 选用多元线性回归分析法分别研究了股债兼治型模式和股权治理主导型模式下, 上市公司融资结构的组成部分与投资规模的关系。结果发现这两种模式下融资结构的组成部分与投资规模的相关关系不同;综合比较影响因素后发现, 在两种治理模式下, 融资结构与投资规模是正相关的关系。