体经济，抑制经济“脱实向虚”具有重要的理论和现实意义。中国金融抑制、银行信贷歧视以及金融市场不发达使得中小企业和民营企业受到严重的预算硬约束，正规银行体系之外的信用创造现象一直以不同的形式广泛存在，成为弥补信贷资源初次配置失衡的替代性融资方式（王永钦等，２０１５）。 国内外学者很早就关注到游离于监管之外，与银行相对应的金融中介机构，并且根据是否创造货币将影子银行体系划分为银行影子和传统影子银行（孙国峰和贾君怡，２０１５）。 但现有对影子银行体系的研究大多局限于商业银行表外业务，银行和证券、保险的通道业务，以及小额贷款公司、融资担保公司为代表的各类准金融机构，较少有学者关注到企业部门的放贷行为。 随着金融收益率与实体收益率差距的不断拉大，企业部门也开始通过委托代理、股权创新和过桥贷款等形式从事影子银行活动，非金融企业的影子银行化趋势日益增强（韩珣等，２０１７）。 尽管目前对影子银行体系和企业金融化的研究相对丰富，但对非金融企业的影子银行化行为的研究较少。 国内外有一些学者对企业影子银行活动的识别、业务机制以及社会福利损失等角度展开研究，但从微观层面对非金融企业影子银行化与经营风险之间的研究却非常有限。 因此，本文拟在这一领域开展系统性研究，从理论和经验层面剖析非金融企业影子银行化对经营风险的影响。利用 ２００４—２０１５ 年沪深两市非金融类上市公司的数据，实证检验非金融企业影子银行化对经营风险的影响，以及在融资约束程度和公司治理存在差异的企业中，非金融企业影子银行化对经营风险的异质性影响。 然后，进一步探究在不同业务模式下，非金融企业影子银行化对经营风险的传导机制。 最后，提出从根源上抑制非金融企业过度金融化、降低系统性风险以及防止经济“脱实向虚”的政策建议。 与已有研究相比，本文的贡献主要在于：其一，根据非金融企业是否直接作用信用创造的主体，将其划分为两种不同业务模式，并从微观视角提出了两种业务模式下影子银行规模的测算方法。 其二，从理论和经验层面剖析了非金融企业影子银行化对经营风险的影响，并且分析了在不同业务模式下，非金融企业影子银行化对经营风险的传导机制。本文的结构安排如下：第二部分是文献综述和研究假设的提出，第三部分是研究数据和研究设计，第四部分是实证结果分析，第五部分是研究结论与政策启示。二、 文献综述与研究假设金融与实体经济之间的关系一直是学术界关注的重点，金融通过有效发挥资源配置、风险管理和价格发现的职能，为实体部门融通资金，促进企业投融资和创新活动， 进而实现经济增长（Ｌｅｖｉｎｅ，１９９７）。 然而，２００８ 年次贷危机的爆发，使得我们意识到脱离需求端的过度结构化金融创新，会导致金融体系逐渐偏离服务于实体经济的初衷，一旦游离于监管之外的信用创造行为肆意发展，金融市场的系统性风险不断积聚，最终必然会导致虚拟经济泡沫崩塌、甚至金融危机的爆发。随着中国经济增长进入新常态、经济全球化以及利率市场化进程的推进，经济结构逐渐呈现出两个趋势，一方面，金融、保险和房地产等泛金融部门在 ＧＤＰ 贡献、吸纳就业等方面的比重不断攀升（张成思和张步昙，２０１５）。 中国金融创新的不断发展，使得金融部门为经济提供流动性、优化金融资本最优配置和实现风险分散的功能逐渐被弱化，逐利性动机成为主流金融机构行为选择的决定性因素。 从基准金融产品到金融衍生品，再到各类资产证券化、银行表外业务，最后到 Ｐ２Ｐ 和互联网理财，金融产品的创新已经逐渐脱离实体经济，成为监管套利和攫取高额利差收益的一种手段，在宏观层面上则呈现为金融杠杆高企和信贷资源配置低效的结构性失衡现象（李扬，２０１７）。 另一方面，非金融企业在资产配置和利润积累方面也逐渐表现出金融化趋势，即制造业将更多的资源和精力集中于金融资产投机活动，生产性投资和技术创新活动受到抑制，经济“脱实向虚”趋势日益增强（张成思和张步昙，２０１５；谢家智等，２０１４）。２２李建军、韩　 珣：非金融企业影子银行化与经营风险金融企业不仅通过购买债券、股票和金融衍生资产参与到金融市场投融资活动，也通过委托贷款、委托理财、民间借贷以及购买银行理财产品、券商理财、结构性存款、互联网理财和 Ｐ２Ｐ 产品等类金融产品的方式参与影子信贷市场投融资活动（韩珣等，２０１７）。 中国长期金融压抑和信贷歧视的背景下，正规金融体系之外的放贷现象一直以不同的形式存在（ 王永钦等，２０１５）。 国内外很早就有学者关注到金融资源以合规或者非合规的方式从体制内国有企业部门向体制外私人部门流动的金融漏损行为（卢峰和姚洋，２００４）。 安强身（２００８）认为企业部门之间的金融漏损对中小企业等融资劣势部门形成了“反哺效应”，能够在一定程度上弥补银行信贷配给低效的问题。 但也有部分学者认为融资优势方从银行、金融市场融入超过其自身生产经营所需的资金，转而通过银行理财、委托贷款、券商理财和地下金融等形式从事影子银行活动，会滋生企业部门的过度借贷行为（刘珺等，２０１４）。 非金融企业从主流金融体系融入资金，再将其放贷给中小企业的信贷资金二次配置行为会增加融资成本，加剧经济“脱实就虚”，从而降低整体社会福利水平。非金融企业影子银行化虽然本质上属于企业金融化的范畴，但是影子银行体系因高杠杆、信息不对称程度高以及法律主体不明确等特点，使得影子银行业务较股票、债券等主流金融资产投资的风险更高。 非金融企业主要是出于“利润追逐”而非“预防性储蓄”动机开展影子银行业务。 企业部门承担着物质资料生产的职能，对于金融资产合理配置、风险识别和风险管理的能力较弱。 非金融企业从事金融资产投资活动的现金流一旦无法收回，必然会导致企业生产性投资活动受到负面冲击，甚至面临因发生流动性危机而破产的风险（沈红波等，２０１３）。 非金融企业从事高风险、流动性较差以及产品过度嵌套的影子银行活动，必然会导致企业因未来资金无法及时收回发生财务风险的可能性提高。 企业的主营业务投资也会受到影子信贷资金不确定性带来的负面冲击，经营风险不断提高。 此外，非金融企业的影子银行化也会加剧实体部门与金融市场的风险联动性，金融市场的巨幅波动也会影响企业未来现金流的不确定性，进而加剧企业经营风险。 鉴于此，提出本文的第一个假设。假设 １：非金融企业影子银行化会增加经营风险。目前，非金融企业部门主要通过两种方式开展影子银行业务。 一是充当实质性信用中介，作为资金的直接融出方和信用创造的主体，通过委托代理、股权创新和民间借贷的方式为中小企业等资金需求方融出资金。 二是通过购买银行理财产品、券商理财、信托产品、结构性存款和互联网理财等各种“类金融产品”加入体制内影子银行的信用链条。 影子银行体系具有交叉传染效应，即银行、非银行主流金融机构、各种“类金融机构”和民间金融会通过股权关系、融资担保、业务交叉等直接或者间接的联系导致信用风险、流动性风险、市场风险和操作风险在不同部门之间传染、延伸，进而增加整个金融体系的系统性风险（方先明和谢雨菲，２０１６）。 非金融企业影子银行化会加剧经营风险，但在不同业务模式下，风险的传染机制有所差异。企业充当实质性信用中介从事影子银行活动的情况下，未来现金流的不确定性主要取决于借款方的偿债能力，一旦借款企业的贷款无法如期归还，必然会以借贷双方的会计账户关联形式传递到开展影子银行业务的企业，并且通过降低其偿债能力而增加企业发生财务危机的可能性。影子银行体系具有信用转换、流动性转换和期限转换的功能，信贷来源、资金需求和资金供给的顺周期性，使得游离于监管之外的影子信贷市场也表现出经济繁荣时急剧扩张，经济衰退时加快收缩的信贷顺周期性质（ＦＳＢ，２０１１；方先明和权威，２０１７）。 影子信贷市场投资者的非理性行为和评级机构对金融资产的错误定价会增加资产端的逆向选择问题，以短期负债模式为主要方式的负债端也更容易因“ 挤兑” 和“ 羊群效应” 而引发的流动性危机发生的可能性（ Ａｄｒｉａｎ ｅｔ ａｌ．，２０１２）。 如果企业以投资影子信贷市场产品的方式间接开展影子银行业务，将会加剧企业部门与３２２０１９ 年第 ８ 期的风险联动性，金融体系波动引致的影子信贷规模和影子信贷产品收益率的震荡，也会通过系统性的风险联动效应传递到企业部门，进而增加其经营风险。 由此，提出假设 ２ 和假设 ３。假设 ２：企业通过充当“实质性信用中介”从事影子银行业务的情况下，借款方的违约风险将通过“会计账户机制”传导到资金融出方，进而增加经营风险。假设 ３：企业通过间接参与“影子信贷市场”的方式从事影子银行业务的情况下，金融市场的风险将会通过“系统性风险联动机制”传染到企业，进而增加经营风险。三、 研究数据与研究设计（一）研究数据本文的样本期间为 ２００４—２０１５ 年，初始样本包括在沪深交易所上市，并且发行了 Ａ 股的所有企业。 由于本文关注的是非金融企业的影子银行化活动，因此，将金融类上市公司从样本中剔除。ＳＴ 和 ＰＴ 类企业的财务状况和盈利能力存在异常，本文也将这两类企业剔除。 最后，在剔除存在缺失值的企业之后，本文共得到 １６５８１ 个样本观测值。 本文选取企业层面和宏观层面的数据，数据来源于国泰安数据库（ＣＳＭＡＲ），中经网，Ｗｉｎｄ 数据库以及笔者手工搜集。（二）研究设计为了验证假设 １，构建以下回归模型来考察非金融企业影子银行化规模对经营风险的影响：Ｒｉｓｋｉ，ｔ＝ α０＋ α１∗ＳＢｉ，ｔ＋ δ∗Ｘｉ，ｔ＋ ｕｉ＋ εｉ，ｔ（１）　 　 １． 被解释变量。 上述回归方程中被解释变量Ｒｉｓｋｉ，ｔ表示企业的经营风险，本文采用 Ａｔｌｍａｎ 提出的 Ｚ 指数作为经营风险的代理指标（翟胜宝等，２０１４）。 Ｚ 指数的计算方法为：ｒｉｓｋ＿Ｚｓｃｏｒｅ＝ １� ２ ×营运资金／ 总资产 ＋ １� ４ × 留存收益／ 总资产 ＋ ３� ３ × 息税前利润／ 总资产 ＋ ０� ６ × 股票总市值／ 负债账面价值 ＋ ０� ９９９ × 销售收入／ 总资产。 Ｚ 指数用于衡量企业陷入财务危机的可能性，该指数越小，表示经营风险水平越高。 稳健性检验中则采用盈利波动性来衡量经营风险。２． 核心解释变量。 对于影子银行规模的测算，本文根据企业开展影子银行业务机制，分别对“ 实质性信用中介” 和“ 影子信贷链条” 模式下非金融企业影子银行化规模进行测算。 其中，“ 实质性信用中介” 模式下，本文采用委托贷款、委托理财和民间借贷三类规模加总得到，由于民间借贷具有较强的隐蔽性，本文借助 Ｊｉａｎｇ ｅｔ ａｌ． （２０１０） 的思路，将“ 其他应收款科目作为衡量企业之间资金漏损的代理变量。 委托贷款数据来自于沪深两市上市公司发布的委托贷款公告。 委托理财数据来自国泰安对外投资数据库，其他应收款金额来自于上市公司资产负债表。企业通过“ 影子信贷链条” 间接参与影子信贷市场投融资活动，主要是通过购买银行理财、券商理财、信托产品以及结构性存款等类金融产品参与到主流机构的影子银行体系信用创造的链条中。 非金融企业投资于影子银行产品的数据可以根据财务报表附注中“ 其他流动资产”明细科目分类整理得到。 本文分别将两类影子银行业务规模占总资产的比重作为两类影子银行规模的代理变量，并将其加总得到非金融企业影子银行化的总规模。 因此，本文关注α１系数的符号和显著性，如果α１的系数显著为负，则说明非金融企业影子银行化会加剧经营风险，假设 １ 成立。３． 控制变量。 非金融企业影子银行化行为是一种高风险、隐蔽性较强，且具有监管套利特点的借贷行为。 不同融资结构必然伴随着差异性的约束效力和监督作用，从而对企业影子银行化行为机制产生影响（韩珣等，２０１７）。 金融收益率与实体收益率差距的进一步拉大，会导致越来越多的企业从主营业务中抽离出来，从事影子银行业务，以牟取高额利差收益。 有鉴于此，本文在基准模型设定中进一步控制了外部融资能力，金融与实体收益率之差两个变量。 具体来看，企业的外部融４２李建军、韩　 珣：非金融企业影子银行化与经营风险非金融企业影子银行化与经营风险∗李建军　 韩　 珣　 　 内容提要：随着经济金融化进程的到来，越来越多的非金融企业通过直接充当“实质性信用中介”或“间接参与影子信贷市场”的方式开展影子银行业务。 非金融企业的影子银行化行为对经营风险有何影响，风险又通过何种机制在企业部门之间、企业与金融部门之间进行传导？ 本文利用２００４—２０１５ 年沪深两市 Ａ 股上市公司的数据进行实证检验，结果表明，非金融企业影子银行化会增加经营风险，在融资约束程度较高、公司治理较差的企业中，企业影子银行化行为对经营风险的正向影响更为显著。 当企业通过委托贷款或者民间借贷方式，作为信用中介向资金需求方融出资金时，借款方的还款风险会降低贷款企业的偿债能力，并且通过“会计账户机制” 传导到贷款方，进而增加企业的经营风险。当企业部门通过购买“体制内影子银行体系”发行的各种“类金融产品”间接参与到影子信贷信用链条中，整个金融体系的波动将通过“系统性风险联动机制”增加企业预期收益的波动性，从而加剧经营风险。关键词：影子银行　 经营风险　 会计账户传导　 系统性风险联动∗　 李建军，中央财经大学金融学院，邮政编码：１０００８１，电子信箱：ｌｊｊｌｓｈ＠ １２６． ｃｏｍ；韩珣（ 通讯作者） ，北京第二外国语学院经济学院，邮政编码：１０００２４，电子信箱：ｈａｎｘｕｎｙｅｓ＠ １２６． ｃｏｍ。 本文系“ 首届中国金融学者论坛” 参会论文，作者感谢论坛点评人彭红枫、刘澜飚以及匿名审稿专家给予的建设性意见，感谢国家社会科学基金重大项目（１４ＺＤＡ０４４） 的资助，但文责自负。一、 引　 言近年来，杠杆率高企、金融资产投资乱象以及实体经济下滑等经济问题频发。 一方面，金融、保险和房地产等泛金融部门呈现高速增长的态势；另一方面，实体经济面临产能过剩、供给侧和需求侧结构性失衡等矛盾。 值得注意的是，中国金融行业的高增长同时伴随着制造业投资的下滑，在一定程度上反映出了金融服务实体经济的功能逐渐丧失，金融市场系统性风险不断集聚（何德旭和王朝阳，２０１７）。 第五次全国金融会议明确提出，一切经济发展应以服务实体经济为导向，任何脱离实体经济的自我循环、脱离需求侧的过度金融创新都会增加系统性金融风险。 随着中国经济增长进入新常态、“三期叠加”引致的结构性矛盾不断激化，企业部门的生产性投资机会逐渐减少，加之供给侧改革、僵尸企业处置以及地方政府融资平台整顿等一系列政策的出台，使得企业所处行业和市场环境面临的不确定性增加，实体投资意愿受到抑制（ 饶品贵等，２０１７；李凤羽和杨墨竹，２０１５）。目前，企业金融化行为不仅体现在对债券、股票、投资性房地产和金融衍生产品等传统金融资产的投资上，越来越多的企业开始利用超募资金和多元化融资渠道，开展影子银行业务（韩珣等，２０１７；刘珺等，２０１４）。 据作者测算，２００７—２０１５ 年沪深两市非金融类上市公司平均委托贷款规模由 ７４� ４５ 万元上升到 １３８０� ９８ 万元，仅 ２０１５ 年沪深两市委托贷款发行规模高达 ３７� １６ 亿元。 习近平总书记在党的十九大报告中强调，“深化金融体制改革，增强金融服务实体经济的能力，健全金融监管体系，守住不发生系统性金融风险的底线”。 因此，探究非金融企业影子银行化的业务模式，对经营风险的影响以及风险在不同部门之间的传导机制，对于防范系统性风险的发生，促进金１２２０１９ 年第 ８ 期ｌ＿Ｆ）采用股权融资与债权融资之和与总资产的比重来衡量，股权融资由股本与资本公积之和来反映，债权融资则采用短期借款、长期借款和发行债权三者加总得到。 金融与实体收益率之差（ｍａｒｇｉｎ）参照张成思和张步昙（２０１６）的指标，金融收益率采用金融收益与金融资产的比值来反映，金融收益采用投资收益、公允价值变动损益、净汇兑损失扣除对联营和合营企业的投资收益来反映，金融资产采用货币资金、交易性金融资产、衍生金融资产、可供出售金融资产、持有至到期投资、投资性房地产、应收股利、应收利息和短期投资净额来衡量；实体收益率则采用经营收益与经营资产之比反映，其中，经营收益采用营业收入扣除营业成本、营业税及附加、期间费用和资产减值损失，经营资产用总资产扣除金融资产得到。此外，参照已有文献的研究，控制了企业规模（Ｓｉｚｅ）、净资产收益率（ＲＯＥ）、市龄（ａｇｅ＿ｌｉｓｔ）、企业成长性（ｇｒｏｗｔｈ）、企业性质（Ｎａｔｕｒｅ） 和股权结构（Ｏｗｎｅｒｓｈａｒｅ） 等变量对经营风险的影响（苏坤，２０１６；余明桂等，２０１３）。为了进一步探究在企业以不同模式参与影子银行业务情况下，风险在企业部门之间、企业与金融市场之间的传染机制，本文构建模型（２）和模型（３）进行实证检验：Ｒｉｓｋｉ，ｔ＝ β０＋ β１∗ＳＢ＿ＣＩｉ，ｔ∗Ｆｉｎ＿Ｉｎｄｅｘｉ，ｔ＋ β２∗ＳＢ＿ＣＩｉ，ｔ＋ β３∗Ｆｉｎ＿Ｉｎｄｅｘｉ，ｔ＋ δ∗Ｘｉ，ｔ＋ ｕｉ＋ εｉ，ｔ（２）Ｒｉｓｋｉ，ｔ＝ γ０＋ γ１∗ＳＢ＿ＣＣｉ，ｔ∗Ｍａｒｋｅｔ＿Ｓｙｓｉ，ｔ＋ γ２∗ＳＢ＿ＣＣｉ，ｔ＋ γ３∗Ｍａｒｋｅｔ＿Ｓｙｓｉ，ｔ＋ δ∗Ｘｉ，ｔ＋ ｕｉ＋ εｉ，ｔ（３）　 　 模型（２）用于检验企业扮演信用中介角色直接向需求方融出资金的情况下，借贷企业之间风险通过会计账户的传导机制。 其中，被解释变量经营风险我们采用 Ｚ 指数来衡量，ＳＢ＿ＣＩｉ，ｔ表示企业 ｉ 在第 ｔ 期以直接信用中介模式从事影子银行业务的规模与总资产占比。 当企业为融资需求方融出资金，资金融入企业可能无法还款的风险必然会通过资产负债表的形式传递到资金融出企业，影响资金融出企业的财务指标，最直接的是企业因资金可能无法按期收回而对开展影子银行业务企业偿债能力的负面影响。 非金融企业影子银行化引致的偿债能力的下降，必然会增加企业发生流动性危机的可能性，对其自身财务状况和主营业务造成负面冲击，进而增加企业的经营风险。Ｆｉｎ＿Ｉｎｄｅｘｉ，ｔ表示企业偿债能力的财务指标，我们分别将流动比率、速动比率作为企业短期偿债能力的衡量指标，并且采用利息保障系数来衡量企业长期偿债能力，将上述偿债能力指标分别与信用中介类影子银行规模 ＳＢ＿ＣＩ 做交互项，如果β１的系数为正，则说明非金融企业从事影子银行业务可能会因借款方潜在的还款风险，导致企业偿债能力下降，进而增加经营风险，支持假设 ２。模型（３）则探究了在企业通过购买影子信贷产品，间接参与到传统影子银行体系链条中的业务模式下，金融体系波动对经营风险的传染效应。 影子银行体系的信贷顺周期性，使得影子信贷规模和投资收益率与金融市场的波动密切相关。 非金融企业作为信用主体之一，参与到影子信贷市场投融资活动中，会导致企业未来的财务状况和盈利波动，与金融市场的联系更加紧密，金融体系的波动将会通过“系统性风险联动机制”传染到企业部门，对整个经济体系的运行造成一定的负面冲击。 本文从利率的波动、信用利差水平以及影子信贷市场资金流向三个层面构建金融市场风险指标，具体来看，本文选取银行间同业拆借利率三年滚动标准差、Ｐ２Ｐ 网贷指数、理财资金投向重点监控行业和领域的资金量三个指标来反映金融市场风险。 在基准模型中加入非金融企业间接参与影子信贷市场规模与总资产占比和金融市场风险指标的交互项，如果γ１的系数为负，则说明如果企业通过购买各类影子信贷产品间接参与影子银行业务，会导致金融体系的震荡通过“系统性风险联动效应”，传递到企业部门，增加企业经营风险，证明假设 ３ 成立。 本文的变量定义如表 １所示。５２２０１９ 年第 ８ 期 变量定义变量 描述 测算方法ｒｉｓｋ＿Ｚｓｃｏｒｅ企业经营风险指标 １：Ｚ 指数Ｚ 指数 ＝ １� ２ × 营运资金／ 总资产 ＋ １� ４ × 留存收益／ 总资产 ＋ ３� ３ × 息税前利润／ 总资产 ＋ ０� ６ × 股票总市值／ 负债账面价值 ＋ ０� ９９９ × 销售收入／ 总资产ＳＢ＿ＣＩ信用中介类影子银行规模（委托贷款＋ 委托理财 ＋ 民间借贷）／ 总资产（％）ＳＢ＿ＣＣ信用链条类影子银行规模理财产品、信托产品、结构性存款、资产管理计划四大类金融产品规模的加总，除以总资产（％）ＳＢ企业影子银行业务规模信用中介类和信用链条类模式加总，再除以总资产（％）ｍａｒｇｉｎ金融与实体收益率之差金融收益率 － 实体收益率（％）ｅｘｔｅｒｎａｌ＿Ｆ 外部融资能力 股权融资与债权融资加总，再除以总资产Ｓｉｚｅ 企业规模 总资产的对数ＲＯＥ 净资产收益率 净利润／ 股东权益ａｇｅ＿ｌｉｓｔ 市龄 当年所在年份－ 公司上市年份ｇｒｏｗｔｈ 成长性 本年主营业务收入／ 上年主营业务收入 － １Ｎａｔｕｒｅ 企业性质 国有企业为１，非国有企业为０Ｏｗｎｅｒｓｈａｒｅ 股权结构 实际控制人拥有上市公司所有权比例（％）ｒａｔｉｏ＿ｌｉｑ 流动比率 流动资产／ 流动负债ｒａｔｉｏ＿ｑｕｉ 速动比率 （流动资产－ 存货）／ 流动负债ＩｎｔｅｒｅｓｔＡ 利息保障系数Ａ（净利润＋ 所得税费用 ＋ 财务费用）／ 财务费用ＩｎｔｅｒｅｓｔＢ 利息保障系数Ｂ（净利润＋ 财务费用）／ 财务费用ＳｄＳｈｉｂｏｒ银行间同业拆借利率波动银行间同业拆借利率三年滚动标准差Ｐ２ＰＰ２Ｐ 网贷指数 Ｐ２Ｐ 网络借贷平均利率水平ＬｏｃａｌＧｏｖ影子信贷市场资金流向理财资金投向重点监控行业和领域的资金量四、 实证结果分析（一）基准回归结果本文首先采用面板固定效应模型实证分析非金融企业影子银行化对经营风险的影响，结果列式于表 ２ 中。 表 ２ 中给出了不同信息集下，企业影子银行化规模对经营风险的影响。 表中第 １ 列和第 ２ 列，分别给出了加入金融收益率与实体收益率之差，外部融资结构两个变量的回归结果。 回归模型在未控制年份固定效应和控制年份固定效应两种情况下，非金融企业影子银行化规模的系数分别为 － ０� ３３８６ 和 － ０� ３３８７，均在 １％ 的统计水平下显著。 表中第 ３ 列和第 ４ 列考虑是加入了所有控制变量的回归结果，表明无论是否控制时间固定效应，企业影子银行规模（ＳＢ）的系数均在１％ 的统计水平下显著为负，说明非金融企业影子银行化会对会增加企业发生财务危机的可能性，即加剧非金融企业的经营风险，验证了本文的假设 １。６２李建军、韩　 珣：非金融企业影子银行化与经营风险影子银行体系具有高杠杆、高风险和顺周期性的特征，产品过度嵌套引致的法律信用主体不明确等问题，使得非金融企业部门开展影子银行业务的风险较高，一旦借款方违约，必然会导致资金融出方增加发生财务危机的可能性，从而增加企业经营风险。 因此，我们认为，相较于融资约束程度较轻的企业，融资约束程度较高企业的影子银行化规模对经营风险的正向影响更为显著。 为了进一步检验融资约束、非金融企业影子银行化与经营风险之间关系，本文分别采用单个融资约束指标、ＫＺ 指数和融资约束综合指标三种方法衡量企业的融资约束水平。 第一种方式是将企业规模作为融资约束程度的代理变量（Ｇｕａｒｉｇｌｉａ ＆ Ｍａｔｅｕｔ，２０１０），如果企业规模大于同行业同年度中位数，那么将其认定为融资约束程度较轻的企业，反之则认定为融资约束程度较重的企业。 此外，我们借鉴 Ｋａｐｌａｎ ＆ Ｚｉｎｇａｌｅｓ（１９９７）的思路构建 ＫＺ 指数，①如果企业 ＫＺ 指数高于同行业同年的中位数，将其划分为融资约束程度高的企业，相反则属于融资约束程度较轻的企业。 第三种方法，本文参照阳佳余（２０１２），从企业现金存量比率、商业信贷占比、公司规模、有形资产净值率、清偿比率、流动性比率、外资投入比重、资产收益率和销售净利率 ９ 个方面构建融资约束综合指标 Ｓｃｏｒｅ。 如果上述九个分项指标位 于 同 行 业 同 年 度 的 ０％ —２０％ 、２０％ —４０％ 、４０％ —６０％ 、６０％ —８０％ 、８０％ —１００％ ，那么将分项变量分别定义为 ５—１，分别计算 ９ 类分项指标位于何种分位值，并且将对应数值加总得到融资约束的综合指标 Ｓｃｏｒｅ。 如果 Ｓｃｏｒｅ 数值越大，说明企业受到的融资约束程度越高，所处的融资环境越差。表 ２ 非金融企业影子银行化与经营风险检验结果（１） （２） （３） （４）变量 ｒｉｓｋ＿Ｚｓｃｏｒｅ ｒｉｓｋ＿Ｚｓｃｏｒｅ ｒｉｓｋ＿Ｚｓｃｏｒｅ ｒｉｓｋ＿ＺｓｃｏｒｅＳＢ－ ０� ３３８６∗∗∗（０� ００８）－ ０� ３３８７∗∗∗（０� ００８）－ ０� ５４９３∗∗∗（０� ０７２）－ ０� ５４９９∗∗∗（０� ０７３）ｍａｒｇｉｎ－ ０� ０７９１（０� １０５）－ ０� ０８１２（０� １０４）－ ０� ０５４４（０� ０２７）－ ０� ０５４９（０� ０２６）ｅｘｔｅｒｎａｌ＿Ｆ－ １� ４４９４∗∗∗（０� ０７１）－ １� ４４９１∗∗∗（０� ０７１）１� １５２７（０� ８７７）１� １５９４（０� ８７９）Ｓｉｚｅ０� ６８１５（０� ５８１）０� ６１１９（０� ６２６）ＲＯＥ０� １０７９∗∗∗（０� ０１６）０� １０８１∗∗∗（０� ０１５）ａｇｅ＿ｌｉｓｔ－ ０� ３２６６∗∗∗（０� ０５３）－ ０� ３０９５∗∗∗（０� ０５７）ｇｒｏｗｔｈ０� ００００（０� ０００）０� ００００（０� ０００）Ｎａｔｕｒｅ－ ０� ４２３３（０� ３０１）－ ０� ４２９９（０� ２７８）７２２０１９ 年第 ８ 期① ＫＺ 指数构建的具体步骤为：（１）对经营性现金流净额／ 总资产、现金股利／ 总资产、现金持有／ 总资产、资产负债率和托宾Ｑ 值进行分类，如果经营性现金流净额占比低于同年度同行业中位数，则取 １，否则取 ０；如果现金股利 ／ 总资产低于同年度同行业中位数则取 １，否则取 ０；如果现金持有 ／ 总资产低于同年度同行业中位数则取 １，否则取 ０；如果资产负债率高于同行业同年度中位数，则取 １，否则取 ０；如果托宾 Ｑ 值高于同行业同年度中位数，则取 １，否则取 ０。 （２） 计算 ＫＺ 指数，ＫＺ ＝ ｋｚ１ ＋ ｋｚ２ ＋ ｋｚ３ ＋ ｋｚ４ ＋ｋｚ５。 （３）采用排序逻辑回归，估计各个变量的回归系数。 （４）根据回归结果将分项指标带入，求出 ＫＺ 指数，ＫＺ 指数越大，说明企业融资约束程度越高。