随着国际政治、经济与贸易格局的纵深演变,全球经济体面临的不确定性日益加剧,供应链运营风险也随之上升,供应链停滞甚至中断的事件频繁发生。例如,2017年9月,德国舍弗勒公司唯一的滚针供应商停产,导致全球49家汽车制造商的300多万辆汽车相继停产,造成超过
尽管大量研究探讨了供应链配置对公司内部财务决策的影响,但从外部资本市场的视角,供应链配置对公司股票流动性影响的研究仍然相对匮乏。股票流动性作为资本市场的核心指标,反映了市场的价格发现功能与资源配置效率,是企业与投资者之间信息传递和价值评估的关键工具(Brunnermeier和Pedersen,2009)。因此,围绕股票流动性的研究始终具有重要的学术价值和实践意义。然而,基于供应链配置视角的流动性研究目前仍较为稀缺。少数基于美国数据的研究表明,客户集中配置有助于提升公司股票流动性水平(Do等,2023),然而,这些研究主要聚焦客户集中配置的经济后果,忽视了供应链各参与方的影响。更为重要的是,现有文献往往忽略了法律、文化等深层次制度因素的影响,尚未在特定制度环境下构建系统性的理论框架并提供相应的实证支持。
本文聚焦供应链多元化配置对股票流动性的影响,并将制度因素引入分析框架。我们构建了理论框架,探讨供应链多元化配置在个股流动性层面上的潜在收益与成本:一方面,多元化配置有助于分散供应链风险,增强供应链韧性与安全性,从而改善个股流动性;另一方面,多元化配置可能导致企业面对更多交易对手,增加沟通协调成本,复杂化资源配置与整合,这可能对个股流动性产生不利影响。基于此,本文提出了竞争性假说,有待进一步通过实证分析验证。此外,鉴于企业的交易行为与契约安排深受制度环境的影响(North,1981),本文将公共治理机制引入分析框架,深入探讨公共治理水平对供应链多元化配置与个股流动性之间关系的调节效应。通过结合制度环境,本文旨在为供应链多元化配置的经济后果提供更全面的理论解释和实证支持。
基于2007—2020年间的沪深非金融类上市公司数据,本文发现:(1)供应链多元化配置显著改善了个股流动性。具体表现为,客户和供应商集中度与公司股票流动性之间存在显著的负相关关系。这一结论在控制内生性问题后依然稳健。(2)进一步分析显示,公共治理水平对供应链多元化配置与个股流动性之间的关系具有显著的调节效应。当公司处于公共治理水平较低的环境中,供应链多元化配置对个股流动性的促进作用减弱。具体而言,在法律环境较差和信任水平较低的地区,客户和供应商集中度与公司股票流动性之间的负相关关系显著弱化。此外,公共治理水平的调节效应在民营企业中更为显著。这表明,制度环境对企业供应链配置模式的影响因所有制性质不同而存在显著差异。
本文可能的贡献在于:第一,从研究视角来看,本文首次将供应链多元化配置与个股流动性结合,并深入探讨制度环境在这一关系中的调节作用,为全面理解供应链配置的经济后果提供了资本市场视角的创新性洞察。第二,从研究发现来看,本文提供了供应链多元化配置影响个股流动性的新证据。与Do等(2023)基于美国数据得出的“客户集中配置提升个股流动性”结论不同,本文基于中国情境,实证分析发现,供应链多元化配置显著改善了个股流动性。这一结论不仅为加强中国供应链韧性与安全建设提供了理论支持,也为预防供应链风险提供了来自中国资本市场的实践参考。第三,从理论贡献来看,本文构建了一个基于公共治理机制的异质性分析框架,系统分析了供应链多元化配置与个股流动性之间的关系。尽管供应链多元化配置有助于降低供应链风险,但在公共治理水平较低的环境中,交易成本过高和专有投资不足等问题更加突出,从而削弱了供应链多元化配置对个股流动性的正向影响。这一框架为优化供应链配置提供了重要启示:完善公共治理机制可能是提升供应链韧性和安全、发挥多元化配置优势的关键路径。第四,从现实意义来看,本文发现,供应链多元化配置对个股流动性的积极作用在公共治理水平较低的环境中被显著削弱,且这一效应在民营企业中表现得尤为明显,这揭示了民营企业在制度环境中的脆弱性,强调了公共治理机制对民营企业供应链配置的影响。
全文的余下部分结构如下: 第二部分为文献综述; 第三部分为本文的理论分析和假说提出; 第四部分为研究设计;第五部分为实证结果及分析; 第六部分为进一步分析;第七部分为结论及启示。
二、文献综述由于文章主要讨论“供应链多元化配置——公司股票流动性”的影响,本部分主要围绕公司股票流动性的影响因素研究和供应链多元化配置的经济后果研究展开讨论。
(一) 公司股票流动性的相关影响因素研究现有文献对股票流动性的影响因素展开了丰富的探讨。在企业价值方面,Fang等(2009)发现,经营绩效良好、内在价值较高的企业更容易受到投资者的追捧,这有利于提高股票交易活跃程度,改善个股流动性。在企业声誉方面,已有研究表明,良好的声誉不仅能够缓解逆向选择和道德风险(Battalio等,2007),还有助于增强投资者信心,提升投资者的积极预期,从而显著提高股票流动性(Roy等,2022)。在企业风险层面,研究指出,投资者通常要求更高的股票回报来补偿风险,这可能通过增加买卖价差降低股票流动性(Brandon等,2021)。此外,一些投资者可能会选择避开具有较大争议或潜在风险较高的股票(Avramov等,2022)。在信息披露方面,良好的信息披露质量、提升自愿披露水平和强制性披露均能减少企业与投资者之间的信息不对称,从而改善股票流动性(Diamond和Verrecchia,1991;Agarwal等,2015)。在资本结构方面,李常青等(2016)基于中国上市公司数据,发现企业的资本结构和股票非流动性呈倒U形关系。最后,在企业市场势力方面,Peress(2010)通过理论模型预期,较强的产品市场势力能够通过将生产冲击转移至客户降低现金流及股票回报的波动性,从而提升股票流动性。在此基础上,Kale和Loon(2011)进一步通过实证检验发现,市场势力较强的企业能够降低现金流波动性,从而提高股票流动性,且在外部信息环境较差的情况下,这种效果更为显著。
(二) 供应链多元化配置的相关经济后果研究大量研究表明,供应链上下游的参与者作为企业的重要外部利益相关者,对企业的经营管理产生了多方面的影响。一方面,供应链的多元化配置被认为具有显著的风险分散效应,并能够为企业带来多重益处。首先,供应链多元化配置对企业的公开信息披露需求具有促进作用,表现为提高企业的信息披露水平和信息披露质量。例如,Crawford等(2020)发现多元化的客户配置能促使企业更频繁地披露管理层盈余预测和销售预测。陈西婵和刘星(2021)指出,多元化的供应链配置能够降低公司信息披露违规的概率。其次,供应链多元化配置能够显著降低企业面临的经营风险。例如,高震男等(2023)发现,供应商多元化程度的提升显著减少了企业经营亏损的概率和幅度。Banerjee等(2008)研究指出,与主要客户之间的交易通常涉及研发、定制化制造等高额支出,多元化的配置模式则有效降低了专用投资的不确定性。最后,供应链多元化配置能够有效缓解资源掠夺效应。例如,Bhattacharyya和Nain(2011)指出,与更多客户合作可以避免因单一客户规模扩大而面临的价格压力问题。Murfin和Njoroge(2015)发现,多元化的客户基础不仅有助于缩短应收账款周期,还能够缓解上游企业的流动性约束,从而促进企业的长期投资行为。另一方面,部分研究表明,供应链多元化配置可能存在一定的治理劣势。多元化的供应链配置可能不利于企业与客户和供应商建立稳定的长期合作关系,从而削弱了大客户和大供应商的鉴证效应。例如,Johnson等(2010)发现,与多个客户维持关系的IPO企业难以与特定客户建立深度合作,这可能对公司的长期估值和绩效表现产生负面影响。王迪等(2016)也指出,多元化配置削弱了公司的银行借款能力和债务融资能力,因为银行及其他债权人通常更倾向于信任具有稳定大客户关系的企业。与此同时,供应链上下游主体的多元化分散了监督力量,这可能为管理层提供更多机会主义行为的空间(Cai和Zhu,2020)。此外,多元化的供应链配置还可能导致库存管理效率下降,加剧供应链协同的难度(王贞洁和王竹泉,2017)。最后,对于缺乏内部资源的企业而言,多元化配置不仅加剧了其经营管理的复杂性,还可能使企业更难获得上下游主体的资源支持,进而对公司的股票流动性产生负面影响(Do等,2023)。
通过对相关文献的综述可以看出,在研究视角上,现有文献较少从外部视角探讨其对资本市场效率的影响。在研究对象上,现有文献主要关注客户对公司经营的影响,而较少考虑供应商这一重要利益相关者的作用。在研究内容上,现有文献未充分考虑中国特有的制度环境的影响。综上所述,本文将基于中国的制度环境,探讨供应链多元化配置与股票流动性之间的关系,并进一步分析公共治理水平对二者关系的调节效应。
三、理论分析和假说提出股票流动性是资本市场中实现信息传递、价格发现和资源配置等基本功能的关键,它在很大程度上反映了企业的运营状况、内在价值及未来发展前景(陈辉和顾乃康,2017)。与此同时,供应链关系管理作为企业经营的核心,直接决定了企业生产与经营活动的安排。在供应链管理实践中,企业如何选择上下游合作伙伴、确定交易规模和占比,进而形成不同程度的供应链多元化配置,成为企业竞争优势的重要来源。因此,供应链配置模式必然会影响个股流动性。其对股票流动性的影响可能较为复杂,下文将分别从收益视角与成本视角展开分析。
较高程度的供应链多元化配置有助于降低因过度依赖单一供应链环节而产生的经营风险,从而改善个股流动性。一方面,较高程度的多元化配置增强了企业的议价能力。在与供应链上下游主体的议价过程中,具备较强议价能力的企业能够将生产冲击转嫁给各方,从而减少自身面临的经营风险(Kale和Loon,2011);另一方面,当企业过度依赖供应链上下游主体时,其盈利和现金流状况会直接受到上下游企业经营问题的影响(高震男等,2023)。此外,为了维持供应链关系,企业可能会通过降低价格、延长应收账款周期或提供库存管理等方式,主动或被迫做出牺牲自身资金流动性的决策(Bhattacharyya和Nain,2011;Murfin和Njoroge,2015)。因此,较高程度的供应链多元化配置也有助于减少关键客户和供应商流失、避免财务困境等潜在风险,从而进一步提升股票流动性。
综上所述,较高程度的供应链多元化配置模式有助于降低企业的经营风险
假说H1a:供应链多元化配置提高了公司的股票流动性。
多元化程度较高的供应链配置在一定程度上能够通过降低风险、维护供应链韧性以及提升安全性来改善个股流动性。然而,这种配置也带来了更为复杂的交易环境和沟通协调难题。由于企业需要与更多的交易对手进行合作,私人履约机制难以建立,关系网络的信任体系也无法充分发挥作用,导致合同签订与履行的不确定性增加。在此背景下,企业与供应链上下游主体之间的沟通成本显著上升,资源配置与整合的难度加剧。由信息不对称和契约不完备所引发的交易成本大幅攀升,阻碍了长期稳定合作关系的建立,削弱了供应链成员之间的信息共享与联合投资能力,从而对个股流动性产生潜在的负面影响(巫强和姚雨秀,2023)。
一方面,多元化的供应链配置限制了供应链成员间的联合投资能力,从而削弱了个股流动性。联合投资对于供应链整体效率的提升至关重要,它能够降低生产成本、提高存货管理和营运资金效率,同时增强企业盈利能力(王贞洁和王竹泉,2017)。例如,上下游企业通过技术共享或联合研发,不仅可以优化生产计划、缩短新产品开发周期并提高生产效率,还能促进创新知识的扩散、降低研发成本并提升创新效率(王雄元和高开娟,2017)。此外,供应链成员共同参与产品开发有助于企业更及时、更精准地回应客户需求与市场变化,降低调整成本。这类长期紧密的合作关系也使得企业能够从客户和供应商处获取宝贵的资源与信息(唐松和谢雪妍,2021),从而深化对市场需求的理解,增进市场机会的分析与判断能力。因此,供应链成员间的联合投资在很大程度上影响着公司未来的发展前景,其对企业生产和创新能力的增强最终将映射在资本市场中,表现为企业内在价值的不断攀升。然而,多元化的供应链配置削弱了联合投资的可能性,进而削减了企业竞争优势,抑制了内在价值的增长,最终反映在资本市场中,表现为交易量的减少和股票流动性的下降。
另一方面,多元化供应链配置可能向市场传递出企业缺乏与特定供应商或客户建立长期合作意愿或能力的信号,这同样会对个股流动性产生不利影响。供应链成员间的长期合作承诺不仅能够传递出企业稳健发展的信号,还能彰显企业未来业绩增长的潜力,从而提升市场信心和企业信誉(Fang等,2009;李晓艳等,2023)。然而,多元化配置使得供应商和客户关系趋于短期化。这种短期导向可能引发资本市场对企业供应链模式协调性与可持续性的担忧,进而削弱市场对企业长期价值创造能力的信心。在这种不确定性背景下,投资者的持股意愿下降,市场交易量随之减少,进一步削弱了个股流动性。
综上所述,尽管多元化供应链配置在一定程度上能够增强供应链的韧性与安全性,但其同时显著增加了供应链的交易成本,削弱了成员间的信息共享与联合投资能力,阻碍了长期稳定合作关系的建立。上述负面影响不仅削减了企业的竞争优势,还削弱了市场对企业的信心,从而对个股流动性产生了抑制作用。基于以上分析,本文提出假说H1b:
假说H1b:供应链多元化配置降低了公司的股票流动性。
四、研究设计 (一) 数据来源考虑到财政部于2006年发布了新会计准则,证监会于2006年颁布《上市公司证券发行管理办法》,本文以2007—2020年的A股上市公司作为研究样本,探究供应链配置对公司股票流动性的影响,数据来源于CSMAR数据库,同时按以下标准筛选择样本:(1)剔除金融类上市公司;(2)剔除ST、PT公司数据;(3)剔除主要数据缺失或异常的样本公司。
(二) 变量说明1.被解释变量:股票流动性(Liquidity)。借鉴Amihud和Mendelson(1986),本文按照式(1)计算股票非流动性指标(ILLIQ)。
$ {ILLIQ}_{i,t}=\frac{1}{{D}_{i,t}}\sum _{d=1}^{{D}_{i,t}}\sqrt{\frac{\left|{R}_{i,t,d}\right|}{{V}_{i,t,d}}} $ | (1) |
在式(1)中,
2.核心解释变量:客户集中度(Cc),本文使用上市公司年报中披露的向前五大客户的合计销售金额,占全年采购销售金额之比;供应商集中度(Pc),本文使用上市公司年报中披露的向前五大供应商的合计采购金额,占全年采购金额之比。同时,本文参考王雄元和高开娟(2017)分别对客户集中度与供应商集中度按照行业年度中位数进行调整,构建经行业年度中位数调整后的客户集中度(Cc_adj)和经行业年度中位数调整后的供应商集中度(Pc_adj)。
3.控制变量:企业规模(Size),定义为营业收入的自然对数;盈利能力(Roa),定义为净利润与总资产的比值;企业负债水平(Lev),定义为总负债与总资产的比值;现金流比率(Cashflow),定义为经营活动产生的现金流量净额/总资产;账面市值比(BM),定义为账面价值/总市值;成长性(Tobinq),定义为(公司总市值+负债总额)/上期总资产;股票收益波动性(Stdret),企业月收益率的年度标准差; 股票价格(Price),定义为公司当年每个交易日的平均收盘价的倒数;换手率(Turn),定义为年日均换手率/100;董事会规模(Bsize),定义为董事会人数;独立董事比例(IDR),定义为独立董事人数占董事会人数的比例;两职合一(Dual),定义为董事长与总经理是否同时由一人担任,兼任取1,未兼任取0;管理费用率(Mfee),定义为管理费用/总资产;管理层持股比例(Mshare),定义为董监高持股数/总股数;第一大股东持股比例(Top1),定义为公司第一大股东的持股数/总股数;产权性质(SOE),根据终极控制人性质,国有企业取1,非国有企业取0;机构投资者持股比例(Inst),定义为机构投资者持股数/总股数。
(三) 计量模型设定本文设立式(2)以检验供应链多元化配置对公司股票流动性的影响。若
$ {Liquidity}_{i,t}={\beta }_{0}+{\beta }_{1}{Cc\left(Pc\right)}_{i,t}+{\beta }_{j}{\sum }_{j}{Control}_{i,t}+{\mathit{\varepsilon }}_{\mathit{i},\mathit{t}} $ | (2) |
为避免异常值影响,本文对连续变量进行了上下1%的缩尾处理。为避免行业、地区和年度异质性的影响,本文还控制了行业、省份和年度固定效应。同时,本文在公司层面进行聚类(cluster)处理。
五、描述性统计与实证结果 (一) 描述性统计表1列示了本文主要变量的描述性统计结果。由表1可以看出,流动性指标(Liquidity)均值为−0.154,标准差为0.626,说明个股间流动性差异较大。客户集中度(Cc)均值为0.312,供应商集中度(Pc)均值为0.349,说明我国上市公司向前五大客户(供应商)销售(采购)比例平均较高,普遍呈现出供应链集中化特征。
变量 | 观察值 | 平均值 | 标准差 | 最小值 | 中位数 | 最大值 |
Liquidity | −0.154 | 0.626 | −5.308 | −0.040 | −0.003 | |
Cc | 0.312 | 0.222 | 0.011 | 0.251 | 0.972 | |
Pc | 0.349 | 0.199 | 0.052 | 0.304 | 0.931 | |
Size | 21.363 | 1.356 | 19.019 | 21.221 | 24.574 | |
Roa | 0.044 | 0.064 | −0.228 | 0.042 | 0.224 | |
Lev | 0.420 | 0.207 | 0.050 | 0.413 | 0.887 | |
Cashflow | 0.046 | 0.071 | −0.174 | 0.046 | 0.247 | |
BM | 0.964 | 1.037 | 0.091 | 0.625 | 6.246 | |
Tobinq | 2.029 | 1.261 | 0.875 | 1.624 | 8.357 | |
Stdret | 0.136 | 0.070 | 0.044 | 0.120 | 0.473 | |
Price | 0.108 | 0.079 | 0.011 | 0.087 | 0.391 | |
Turn | 3.945 | 2.692 | 0.458 | 3.255 | 13.432 | |
Bsize | 8.610 | 1.690 | 5.000 | 9.000 | 11.000 | |
IDR | 0.374 | 0.053 | 0.333 | 0.333 | 0.571 | |
Dual | 0.278 | 0.448 | 0.000 | 0.000 | 1.000 | |
Mfee | 0.091 | 0.072 | 0.009 | 0.073 | 0.449 | |
Mshare | 0.136 | 0.200 | 0.000 | 0.004 | 0.686 | |
Top1 | 0.348 | 0.147 | 0.092 | 0.328 | 0.742 | |
SOE | 0.361 | 0.480 | 0.000 | 0.000 | 1.000 | |
Inst | 0.455 | 0.253 | 0.037 | 0.470 | 0.961 |
表2 报告了“供应链多元化配置与股票流动性”关系的实证检验结果。具体而言,第(1)列和第(3)列分别使用客户集中度(Cc)与供应商集中度(Pc)作为解释变量,而第(2)列和第(4)列则基于经年度行业中位数调整后的客户集中度(Cc_adj)与供应商集中度(Pc_adj)进行分析。结果显示,所有衡量供应链多元化配置的解释变量均在 1% 的统计水平上显著为负。从经济意义的角度分析,以表2 第(1)列客户集中度(Cc)对股票流动性(Liquidity)的回归系数(−0.089)为例,当客户集中度(Cc)下降 1 个标准差(0.222)时,股票流动性(Liquidity)将上升 0.020(−0.089 × −0.222)。考虑到股票流动性(Liquidity)的均值为−0.154,这表明其水平提升了约 12.9%。由此可见,供应链多元化配置对个股流动性具有显著的积极影响。
变量 | (1) | (2) | (3) | (4) |
Liquidity | Liquidity | Liquidity | Liquidity | |
Cc | −0.089***(−4.84) | |||
Cc_adj | −0.088***(−4.60) | |||
Pc | −0.080***(−3.40) | |||
Pc_adj | −0.079***(−3.33) | |||
常数项 | −1.463***(−11.18) | −1.483***(−11.30) | −1.865***(−10.08) | −1.888***(−10.16) |
Controls | 是 | 是 | 是 | 是 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
N | 28 875 | 28 875 | 23 120 | 23 120 |
Adjusted R2 | 0.213 | 0.213 | 0.219 | 0.219 |
注:(1)括号内为聚类到公司层面的标准误。(2)*、**和***分别表示在10%、5%和1%水平上显著。下同。 |
上述实证结果表明,客户集中度和供应商集中度的降低显著提升了个股流动性。这进一步表明,高度多元化的供应链配置能够有效降低企业因过度依赖单一供应链环节而面临的经营风险,从而改善资本市场中的流动性水平。由此,本文的假说 H1a 得到经验证据支持。
(三) 稳健性检验1. 更换解释变量。在稳健性检验中,本文首先采用上市公司年报中披露的向第一大客户(供应商)销售(采购)的金额比例 Big1_cc(Big1_pc)作为刻画供应链配置的第一组指标;其次,本文采用主要客户赫芬达尔指数(Cchhi)与主要供应商赫芬达尔指数(Pchhi)作为刻画供应链配置的第二组指标,重新对主假说进行检验。表3列示了更换解释变量后的回归分析结果,所有结果显示: 供应链多元化配置显著提高了股票流动性。
变量 | (1) | (2) | (3) | (4) |
Liquidity | Liquidity | Liquidity | Liquidity | |
Big1_cc | −0.083***(−2.84) | |||
Cchhi | −0.096**(−2.47) | |||
Big1_pc | −0.099**(−2.34) | |||
Pchhi | −0.143**(−2.40) | |||
常数项 | −1.717***(−9.24) | −1.731***(−9.24) | −2.212***(−8.30) | −2.226***(−8.31) |
Controls | 是 | 是 | 是 | 是 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
N | 20,648 | 20,646 | 15,787 | 15,786 |
Adjusted R2 | 0.206 | 0.206 | 0.217 | 0.217 |
2. 更换解释变量。Roll(1984)提出了一个估计买卖价差的模型,Roll指标计算方式如式(3),其中,
$ {Roll}_{it}=\left\{\begin{array}{*{20}{c}} &2\sqrt{-cov\left(\Delta {P}_{it,d},\Delta {P}_{it,d-1}\right)},&若cov\left(\Delta {P}_{it,d},\Delta {P}_{it,d-1}\right) < 0\\ &0,&若cov\left(\Delta {P}_{it,d},\Delta {P}_{it,d-1}\right)\geqslant 0\end{array}\right. $ | (3) |
本文使用Roll指标衡量股票流动性,重新检验主假说。表4列示了更换被解释变量后的回归分析结果,刻画供应链配置的各解释变量的系数均显著为正,这表明: 供应链多元化配置显著提高了股票流动性。
变量 | (1) | (2) | (3) | (4) |
Roll | Roll | Roll | Roll | |
Cc | 0.002***(6.31) | |||
Cc_adj | 0.002***(5.89) | |||
Pc | 0.002***(5.04) | |||
Pc_adj | 0.002***(5.44) | |||
常数项 | 0.066***(29.88) | 0.067***(30.26) | 0.070***(28.59) | 0.070***(28.80) |
Controls | 是 | 是 | 是 | 是 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
N | 28, 875 | 28, 875 | 23, 120 | 23, 120 |
Adjusted R2 | 0.641 | 0.641 | 0.626 | 0.626 |
3. 更换双向固定效应模型。公司的个体固定效应可能会低估供应链配置的影响,因此前文的回归主要使用混合最小二乘法。在这里,本文重新使用基于面板数据的个体时间双向固定效应模型,表5中结果仍与假说H1a一致。
变量 | (1) | (2) | (3) | (4) |
Liquidity | Liquidity | Liquidity | Liquidity | |
Cc | −0.077**(−2.53) | |||
Cc_adj | −0.095***(−3.12) | |||
Pc | −0.115***(−2.87) | |||
Pc_adj | −0.125***(−3.11) | |||
常数项 | −1.127***(−5.99) | −1.132***(−6.11) | −1.367***(−5.40) | −1.402***(−5.60) |
Controls | 是 | 是 | 是 | 是 |
Year | 是 | 是 | 是 | 是 |
Firm | 是 | 是 | 是 | 是 |
N | 28, 875 | 28, 875 | 23, 120 | 23, 120 |
Adjusted R2 | 0.207 | 0.207 | 0.215 | 0.215 |
4. 排除替代性解释。前述理论分析主要基于供应链多元化配置能够降低经营风险,提高股票流动性,但另一种可能的解释是:供应链多元化程度较高的公司本身绩效较好,而供应链多元化程度较低的公司本身绩效较差,具体表现为经营业绩较差、长期价值较差,进而导致投资者对供应链多元化程度较高的公司股票交易意愿较高。为了排除这种解释,我们检验供应链多元化配置是否提高了公司绩效。我们选取资产回报率(Roa)、净资产回报率(Roe)、个股年回报率(return)、成长性(Tobinq)进行检验。
1. PSM倾向得分匹配法。企业的供应链配置可能并不是随机的,而是受到某些因素的影响,因此客户(供应商)集中度较高和较低的两组样本或许本身就存在着很明显的特征差异,从而使上文发现的结果可能是由这些有差异的企业特征因素导致的。因此,为了缓解上述问题的影响,本文采用PSM控制供应链配置以外不可观测因素的影响重新进行回归分析。借鉴陈西婵和刘星(2021)的研究,以客户(供应商)集中度年度行业均值为标准将样本分组,采用Probit回归计算倾向得分,并根据1:1匹配原则,构建与客户(供应商)集中度较高企业组具有相似特征的客户(供应商)集中度较低企业组作为控制样本,基于两组样本,重新对主假说进行检验。表6列示了PSM一比一倾向得分匹配的回归分析结果,刻画供应链配置的各解释变量仍显著为负,为主假说提供了经验证据的支持。
变量 | (1) | (2) | (3) | (4) |
Liquidity | Liquidity | Liquidity | Liquidity | |
Cc | −0.093***(−3.79) | |||
Cc_adj | −0.093***(−3.67) | |||
Pc | −0.117***(−3.46) | |||
Pc_adj | −0.115***(−3.41) | |||
常数项 | −1.813***(−10.07) | −1.833***(−10.10) | −2.358***(−9.64) | −2.393***(−9.71) |
Controls | 是 | 是 | 是 | 是 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
N | 14,280 | 14,280 | 11,685 | 11,685 |
Adjusted R2 | 0.212 | 0.212 | 0.202 | 0.202 |
2. 工具变量两阶段最小二乘法(IV-2SLS)。供应链配置和公司股票流动性,可能会同时受到一些无法观测因素的影响,并且可能存在反向因果问题。为了验证供应链配置和企业股票流动性之间的因果关系,并控制无法观测因素的影响,参考薛爽等(2018),本文选取滞后一期的行业内向前五名供应商(客户)的平均采购(销售)比例作为工具变量。理论上,该工具变量可能会影响企业的供应链配置模式,从而满足相关性条件;同时,在控制了行业因素后,滞后一期的行业层面的供应商(客户)平均采购(销售)比例并不直接作用于企业层面的股票流动性,满足外生性条件。
表7报告了基于工具变量的两阶段最小二乘法估计结果。其中,第(1)列和第(2)列报告了解释变量为客户集中度(Cc)的相关结果。在第一阶段回归中,IV_cc的系数在1%水平上显著为正,说明滞后一期的行业内前五名客户平均销售比例与企业客户集中度之间具有较强的相关性,工具变量满足相关性条件。此外,Kleibergen-Paap rk LM统计量为89.808,在1%显著性水平上拒绝了工具变量识别不足的原假设;Cragg-Donald Wald F统计量为183.740,显著高于Stock-Yogo弱工具变量识别检验在10%显著性水平上的临界值(16.38),因此也拒绝了弱工具变量的原假设,上述检验印证了本文所选取的工具变量的合理性。在第(2)列的第二阶段回归中,客户集中度(Cc)的系数在1%显著性水平上为负。第(3)列和(4)列报告了解释变量为供应商集中度(Pc)的相关结果。在第一阶段回归中,IV_pc的系数在1%水平上显著为正,表明滞后一期的行业内前五名供应商平均采购比例与企业供应商集中度之间具有较强的相关性,工具变量满足相关性条件。同样,Kleibergen-Paap rk LM统计量为60.685,在1%显著性水平上拒绝了工具变量识别不足的原假设;Cragg-Donald Wald F统计量为99.923,显著高于Stock-Yogo弱工具变量识别检验在10%显著性水平上的临界值(16.38),因此也拒绝了弱工具变量的原假设,上述检验印证了本文所选取的工具变量的合理性。在第(4)列的第二阶段回归中,供应商集中度(Pc)的系数在1%的水平上显著为负。综上所述,假说H1a依然成立。
变量 | (1) | (2) | (3) | (4) |
Cc | Liquidity | Pc | Liquidity | |
IV_cc | 0.626***(10.30) | |||
Cc | −0.495***(−3.63) | |||
IV_pc | 0.621***(9.39) | |||
Pc | −0.950***(−3.11) | |||
常数项 | 0.857***(10.29) | −1.585***(−6.90) | 0.764***(9.51) | −1.836***(−4.69) |
Controls | 控制 | 控制 | 控制 | 控制 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
Kleibergen−Paap rk LM统计量 | 89.808 | 60.685 | ||
Cragg−Donald Wald F统计量 | 183.740 | 99.923 | ||
N | 23,050 | 23,050 | 17,234 | 17,234 |
新制度经济学理论指出,企业的交易行为与合约结构深受所处制度环境的影响。当企业所处制度环境的公共治理机制能够有效支持产权的交换与执行时,交易双方可以依赖这些机制开展市场化交易;然而,当公共治理水平较低时,企业容易受到交易对手和第三方的侵占与剥削,市场化合约交易的成本也会显著提高。在这种环境下,交易双方往往更依赖非正式关系,通过事前防范和事后利益共享来规避风险(李增泉,2017)。因此,企业所处的不同制度环境可能导致多元化供应链配置模式的收益成本关系发生变化。为了进一步地揭示“供应链多元化配 置——股票流动性”之间的内在机制,本研究首先引入制度环境因素,探讨公共治理水平是否会调节供应链多元化配置与个股流动性之间的关系。其次,本文还将分析公共治理水平在不同所有制性质的企业中,如何调节供应链多元化配置对股票流动性的影响,并探讨其异质性特征。
(一) 公共治理水平、供应链配置与个股流动性在公共治理水平较低的环境中,供应链多元化更容易引发由信息不对称和契约不完备所产生的交易成本。首先,在法律环境不完善、信任度较低的地区,企业需要付出较高的搜寻成本,以确定可靠且适合的交易对手。其次,在此类环境下,公共治理机制对机会主义行为的约束作用较弱,导致交易双方对契约执行结果的预期存在较高的不确定性。为了确保合约的签订与有效履行,企业在面对多个交易对手时,必须付出较高的沟通协调成本和监督控制成本。最后,由于信任缺乏以及法律保障的低效性,供应链各参与方往往不愿进行专有投资或开展战略合作,这在一定程度上阻碍了企业价值的提升,从而影响了个股流动性。相较之下,在公共治理水平较低的环境中,企业选择与少数具有信任关系的供应商和客户进行交易,不仅有助于降低搜寻成本和监督控制成本,而且双方的信任关系在一定程度上能够替代法庭等正式机制,解决交易过程中出现的利益纠纷,应对外部环境的不确定性,从而保障合约的签订和履行。此外,基于关系型专有资产的长期互信,交易双方更愿意共享信息和知识,并进行相关的专有投资和联合投资。这种合作模式有助于企业在市场环境变化中及时进行变革与创新,提升企业竞争力,最终促进个股流动性的改善。
综上所述,当企业所处环境的公共治理水平较低时,供应链多元化配置可能加剧交易成本过高、联合投资不足等问题;相反,集中化配置下被强化的关系型专有资产则在一定程度上替代了公共治理机制在供应链管理中的重要作用,其保障供应链交易、维护供应链稳定性及优化供应链资源整合的优势更为显著。由此,本文预期,在公共治理水平较低的环境中,供应链多元化配置对股票流动性的提升作用将受到削弱。
我们构建式(4),检验在公共治理水平较低的环境中,供应链多元化配置对股票流动性的提升作用是否被削弱。
$ {Liquidity}_{i,t}={\beta }_{0}+{\beta }_{1}{Cc\left(Pc\right)}_{i,t} \times {Mv}_{i,t}+{\beta }_{j}{\sum }_{j}{Control}_{i,t}+{\mathit{\varepsilon }}_{\mathit{i},\mathit{t}} $ | (4) |
本文从法律制度和社会信任水平两个维度,刻画了企业所处环境的正式制度和非正式制度。具体而言,Mv分别表示法律环境(Law)和社会信任水平(Trust)。首先,本文借鉴《中国分省市市场化指数报告》中的市场化指数来衡量法律环境。若该指数低于年度样本的中位数,则将Law赋值为1,表示法律环境较差;反之,则赋值为0。其次,依据张维迎和柯荣住(2002)的研究,构建了各地区的社会信任指数,信任指数越大表示信任水平越高。若该指数低于年度样本的中位数,则将Trust赋值为1,表示信任环境较差;反之,则赋值为0。实证检验结果见表8。在第(1)列和第(2)列中,Law与供应链集中度的交互项显著为正;在第(3)列和第(4)列中,Trust与供应链集中度的交互项同样显著为正。以上结果表明,不完善的公共治理机制将削弱供应链多元化配置对股票流动性的提升作用。
变量 | (1) | (2) | (3) | (4) |
Liquidity | Liquidity | Liquidity | Liquidity | |
Law×Cc | 0.080**(2.55) | |||
Cc | −0.130***(−4.90) | |||
Law×Pc | 0.086*(1.85) | |||
Pc | −0.126***(−3.39) | |||
Trust×Cc | 0.075**(2.48) | |||
Cc | −0.120***(−4.97) | |||
Trust×Pc | 0.096**(2.20) | |||
Pc | −0.123***(−3.54) | |||
Law | −0.047**(−2.57) | −0.032(−1.29) | ||
Trust | −0.008(−0.26) | 0.028(0.87) | ||
常数项 | −1.453***(−11.09) | −1.852***(−10.04) | −1.454***(−11.11) | −1.847***(−10.00) |
Controls | 控制 | 控制 | 控制 | 控制 |
Ind&Year | 是 | 是 | 是 | 是 |
Province | 是 | 是 | 是 | 是 |
N | 28 875 | 23 120 | 28 875 | 23 120 |
Adjusted R2 | 0.214 | 0.219 | 0.213 | 0.220 |
在不同所有制性质的企业中,公共治理水平对供应链多元化配置与股票流动性之间的调节效应可能存在异质性。与国有企业相比,民营企业在获取融资、税收优惠和政策支持等方面处于相对劣势,且其产权保护仍未得到充分落实,面临较高的不确定性风险(杨瑞龙等,2017)。因此,在公共治理水平较低的环境中,民营企业在供应链多元化配置过程中所面临的高交易成本和低联合投资等问题将更加严重,从而进一步加剧供应链多元化配置的劣势。基于此,本文预期,公共治理水平对供应链多元化配置与股票流动性之间关系的调节效应在民营企业中将更加显著。
为了检验这一假设,本文根据企业所有制性质对样本进行分组,并利用式(6)进行实证分析,检验公共治理水平关于供应链多元化配置对股票流动性的调节效应是否在民营企业中更加显著。实证检验结果发现,Law与供应链集中度的交乘项在民营企业中显著为正,而Trust与客户集中度的交乘项同样仅在民营企业中显著为正。
本文系统分析了供应链多元化配置对个股流动性的影响,并探讨了公共治理机制在发挥供应链多元化配置优势中的关键作用。基于2007—2020年中国A股上市公司数据,研究发现,供应链多元化配置显著提高了个股流动性,但在公共治理水平较低的情境下,这一提升作用明显减弱,表明良好的公共治理机制有助于发挥供应链多元化配置的优势。此外,研究还发现,公共治理水平对供应链多元化配置与股票流动性之间关系的调节效应在民营企业中尤为显著,表明完善的公共治理机制对民营企业更具价值。
本文研究结论具有以下政策启示:第一,在全球经济、政治及贸易环境日益动荡和不确定性加剧的背景下,供应链风险已成为制约企业可持续经营与发展的重大挑战。政策制定者应深刻认识到,供应链多元化配置在分散风险与增强供应链韧性方面的战略意义。从这一视角出发,系统性地设计并推进相关政策框架,激励企业优化供应链多元化配置模式,以充分释放供应链潜在价值、增强企业抗风险能力。第二,资本市场监管机构应进一步完善企业信息披露制度,要求上市公司定期披露其供应链管理策略和风险管理措施。这一举措将提升投资者对供应链多元化优势的认知,改善股票流动性,同时引导资金流向那些供应链管理能力强、具有长期发展潜力的企业,从而促进资本的高效配置,最终助力企业的长期价值创造和资本市场的可持续发展。第三,公共治理机制的不完善可能导致供应链多元化配置的交易成本上升,从而削弱其提升供应链安全性的积极作用。因此,政策制定者应加强制度环境建设,特别是在完善产权保护和提高市场规则透明度方面,通过构建高效的法律与监管体系以及健全社会信用体系,降低制度性交易成本,为推动供应链多元化配置提供坚实保障。
[1] | 陈辉, 顾乃康. 新三板做市商制度、股票流动性与证券价值[J].金融研究,2017(4). |
[2] | 陈西婵, 刘星. 供应商(客户)集中度与公司信息披露违规[J].南开管理评论,2021(6). |
[3] | 高震男, 魏旭, 张学勇. 供应商集中度与股价崩盘风险: 理论分析与中国实证[J].经济学(季刊),2023(5). |
[4] | 李常青, 刘羽中, 李茂良. 资本结构、产权性质与股票流动性[J].经济管理,2016(5). |
[5] | 李晓艳, 梁日新, 李英. ESG影响股票流动性吗?——基于ESG评级和评级分歧的双重视角[J].国际金融研究,2023(11). |
[6] | 李增泉. 关系型交易的会计治理——关于中国会计研究国际化的范式探析[J].财经研究,2017(2). |
[7] | 孙华丽,马晨欣,张俊鸽. 供应中断风险下考虑低息贷款和营业中断保险的应对策略研究[J/OL]. 中国管理科学,2024(2024-10-28)[2024-12-20]. https://doi.org/10.16381/j.cnki.issn1003-207x.2022.1428. |
[8] | 唐松, 谢雪妍. 企业持股金融机构如何服务实体经济——基于供应链溢出效应的视角[J].中国工业经济,2021(11). |
[9] | 王迪, 刘祖基, 赵泽朋. 供应链关系与银行借款——基于供应商/客户集中度的分析[J].会计研究,2016(10). |
[10] | 王雄元, 高开娟. 客户关系与企业成本粘性: 敲竹杠还是合作[J].南开管理评论,2017(1). |
[11] | 王贞洁, 王竹泉. 基于供应商关系的营运资金管理——“锦上添花”抑或“雪中送炭”[J].南开管理评论,2017(2). |
[12] | 巫强, 姚雨秀. 企业数字化转型与供应链配置: 集中化还是多元化[J].中国工业经济,2023(8). |
[13] | 薛爽, 耀友福, 王雪方. 供应链集中度与审计意见购买[J].会计研究,2018(8). |
[14] | 杨瑞龙, 章逸然, 杨继东. 制度能缓解社会冲突对企业风险承担的冲击吗?[J].经济研究,2017(8). |
[15] | 张维迎, 柯荣住. 信任及其解释: 来自中国的跨省调查分析[J].经济研究,2002(10). |
[16] | Agarwal V, Mullally K A, Tang Y H, et al. Mandatory portfolio disclosure, stock liquidity, and mutual fund performance[J].The Journal of Finance,2015,70(6):2733–2776. |
[17] | Amihud Y, Mendelson H. Asset pricing and the bid-ask spread[J].Journal of Financial Economics,1986,17(2):223–249. |
[18] | Avramov D, Cheng S, Lioui A, et al. Sustainable investing with ESG rating uncertainty[J].Journal of Financial Economics,2022,145(2):642–664. |
[19] | Banerjee S, Dasgupta S, Kim Y. Buyer-supplier relationships and the stakeholder theory of capital structure[J].The Journal of Finance,2008,63(5):2507–2552. |
[20] | Battalio R, Ellul A, Jennings R. Reputation effects in trading on the New York stock exchange[J].The Journal of Finance,2007,62(3):1243–1271. |
[21] | Bhattacharyya S, Nain A. Horizontal acquisitions and buying power: A product market analysis[J].Journal of Financial Economics,2011,99(1):97–115. |
[22] | Brandon R G, Krueger P, Schmidt P S. ESG rating disagreement and stock returns[J].Financial Analysts Journal,2021,77(4):104–127. |
[23] | Brunnermeier M K, Pedersen L H. Market liquidity and funding liquidity[J].The Review of Financial Studies,2009,22(6):2201–2238. |
[24] | Cai K, Zhu H. Customer-Supplier relationships and the cost of debt[J].Journal of Banking & Finance,2020,110:105686. |
[25] | Crawford S, Huang Y, Li N Z, et al. Customer concentration and public disclosure: Evidence from management earnings and sales forecasts[J].Contemporary Accounting Research,2020,37(1):131–159. |
[26] | Diamond D W, Verrecchia R E. Disclosure, liquidity, and the cost of capital[J].The Journal of Finance,1991,46(4):1325–1359. |
[27] | Do T K, Huang H H, Le A T. Customer concentration and stock liquidity[J].Journal of Banking & Finance,2023,154:106935. |
[28] | Fang V W, Noe T H, Tice S. Stock market liquidity and firm value[J].Journal of Financial Economics,2009,94(1):150–169. |
[29] | Johnson W C, Kang J K, Yi S. The certification role of large customers in the new issues market[J].Financial Management,2010,39(4):1425–1474. |
[30] | Kale J R, Loon Y C. Product market power and stock market liquidity[J].Journal of Financial Markets,2011,14(2):376–410. |
[31] | Murfin J, Njoroge K. The implicit costs of trade credit borrowing by large firms[J].The Review of Financial Studies,2015,28(1):112–145. |
[32] | North D C. Structure and change in economic history[M]. New York: Norton, 1981. |
[33] | Peress J. Product market competition, insider trading, and stock market efficiency[J].The Journal of Finance,2010,65(1):1–43. |
[34] | Roll R. A simple implicit measure of the effective bid-ask spread in an efficient market[J].The Journal of Finance,1984,39(4):1127–1139. |
[35] | Roy P P, Rao S, Zhu M. Mandatory CSR expenditure and stock market liquidity[J].Journal of Corporate Finance,2022,72:102158. |