资源描述：
《我国上市公司资本结构影响因素及实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
2014届硕士学位论文我国上市公司资本结构影响因素及实证研究作者姓名张国贤指导教师张信东教授学科专业会计学研究方向财务管理培养单位山西大学经济与管理学院学习年限2011年9月至2014年12月二〇一四年十二月 山西大学2014届硕士学位论文我国上市公司资本结构影响因素及实证研究作者姓名张国贤指导教师张信东教授学科专业会计学研究方向财务管理培养单位山西大学经济与管理学院学习年限2011年9月至2014年12月二〇一四年十二月 ThesisforMaster’sdegree,ShanxiUniversity,2014ResearchonInfluencingFactorsofTheCapitalStructureofChina'sListingCompaniesStudentNameZhangGuoxianSupervisorZhangXindongMajorAccountingSpecialtyFinancialManagementDepartmentSchoolofEconomicsandManagementResearchDuration2011.09-2014.12Dec,2014 目录中文摘要.......................................................................................................................IABSTRACT....................................................................................................................III第一章绪论....................................................................................................................11.1选题背景及意义...................................................................................................11.2国内外研究现状...................................................................................................21.2.1国外研究现状.............................................................................................21.2.2国内研究现状.............................................................................................41.3论文研究内容.......................................................................................................61.4研究贡献...............................................................................................................7第二章相关理论与方法介绍........................................................................................82.1资本结构相关理论...............................................................................................82.1.1资本结构的概述.........................................................................................82.1.2资本结构衡量指标.....................................................................................92.2人工神经网络相关理论.....................................................................................102.2.1人工神经网络的概述...............................................................................102.2.2BP人工神经网络模型基础理论..............................................................122.3本章小结.............................................................................................................14第三章我国上市公司资本结构影响因素研究..........................................................153.1我国上市公司资本结构外部影响因素分析.....................................................153.1.1行业因素...................................................................................................153.1.2地域因素..................................................................................................173.1.3宏观经济环境...........................................................................................183.2我国上市公司资本结构内部影响因素分析.....................................................193.2.1内部影响因素...........................................................................................193.2.2内部影响因素定量分析...........................................................................213.3本章小结.............................................................................................................25第四章基于神经网络模型的上市公司资本结构预测研究......................................264.1BP神经网络模型的构建....................................................................................264.2上市公司资本结构预测研究.............................................................................294.2.1研究思路...................................................................................................29 4.2.2样本及变量选取.......................................................................................294.2.3数据来源及预处理...................................................................................304.2.4研究结果..................................................................................................344.3本章小结.............................................................................................................36第五章结论与建议......................................................................................................375.1研究结论.............................................................................................................375.2建议....................................................................................................................375.3进一步研究方向.................................................................................................38参考文献..............................................................................................................40攻读学位期间取得的研究成果......................................................................................44致谢..............................................................................................................................45个人简况及联系方式......................................................................................................46承诺书......................................................................................................................47学位论文使用授权声明..................................................................................................48 ContentsChineseAbstract................................................................................................................IAbstract...........................................................................................................................IIIChapter1Introduction....................................................................................................11.1Backgroundandpurpose.......................................................................................11.2Researchstatusathomeandabroad......................................................................21.2.1Researchstatusathome...............................................................................21.2.2Researchstatusabroad................................................................................41.3Thepaperresearchcontent....................................................................................61.4Researchcontributions..........................................................................................7Chapter2Therelatedbasictheoryandresearchmethod............................................82.1Thecapitalstructureoftherelevantbasictheory..................................................82.1.1Overviewofthecapitalstructure................................................................82.1.2Correlationanalysisofcapitalstructure......................................................92.2Relatedbasictheoryonartificialneuralnetwork................................................102.2.1Overviewof2.2.1artificialneuralnetwork..............................................102.2.2BPmodelofartificialneuralnetwork.......................................................122.3Summary.............................................................................................................14Chapter3ThefactorsaffectingcapitalstructureofChina'slistingcorporation....153.1Analysisofoutsidefactors...................................................................................153.1.1Industryfactors..........................................................................................153.1.2Geographicalfactors..................................................................................173.1.3Macroeconomicenvironment...................................................................183.2Analysisofinternalfactors..................................................................................193.2.1Internalfactors...........................................................................................193.2.2Quantitativeanalysisoninfluencingfactors.............................................213.3Summary.............................................................................................................25Chapter4Capitalstructurepredictionstudybasedonneuralnetworkmodel........264.1ConstructionofBPneuralnetworkmodel..........................................................264.2capitalstructurepredictionstudy........................................................................294.2.1Ideasoftheresearch..................................................................................29 4.2.2Samplesandvariableselection..................................................................294.2.3Thedatasourceandpretreatment..............................................................304.2.4Theempiricalresearchandanalysis..........................................................344.3Summary.............................................................................................................36Chapter5ConclusionandSuggestion...........................................................................375.1Conclusion...........................................................................................................375.2Suggestions..........................................................................................................375.3Futureprospect....................................................................................................38Reference.........................................................................................................................40Researchachievements..................................................................................................44Acknowledgment............................................................................................................45Personalprofiles.............................................................................................................46Letterofcommitment.....................................................................................................47Authorizationstatement................................................................................................48 中文摘要关于上市公司资本结构的研究一直是会计学领域中的一个重要课题。上市公司资本结构的研究不仅对于上市公司优化资本结构，降低融资成本，降低经营成本，提高经济利润，保持公司长期稳健可持续发展具有重要意义，甚至对于我国市场经济的发展，乃至整个国民经济的发展都具有重大的理论意义和实践意义。我国市场经济的发展起步相对于西方发达国家而言比较晚，因此我国的资本市场以及证券市场的发展都还不够完善。正因为如此导致了我国学术界和实务界对于上市公司资本结构的研究与西方发达国家之间还存在着一定的差距。西方发达资本主义国家已经对上市公司资本结构进行了系统研究。尤其是在MM理论被提出以后，通过放宽理论假设，从权衡理论，代理理论和信息不对称理论角度来对资本结构的影响因素进行了深入的研究，并且形成了一套比较成熟的理论。但是，西方发达资本主义国家对于资本结构的研究主要是基于西方发达完善的资本市场和证券市场，这与我国目前的国情有较大的差距。因此，不能将西方发达资本主义国家关于资本结构的研究直接运用于我国的实际情况。本文在这样的研究背景下，对上市公司资本结构进行了较为完整和深入的研究。第一，本文介绍了有关上市公司资本结构的基本理论，其中包括资本结构的定义、理论、特征以及资本结构的衡量标准；第二，本文介绍了有关人工神经网络模型的相关基础理论，同时介绍了本文即将采用的BP神经网络模型的理论和计算基础；第三，本文对影响上市公司资本结构的因素进行了深入的分析和研究，通过外部和内部两个角度，深入挖掘出了影响上市公司资本结构的因素，并对其进行了定性和定量分析；第四，本文构建了BP神经网络模型，并将其引入上市公司资本结构的实证研究中，利用该模型找出了影响因素与资本结构之间的内在联系，并将其用于资本结构的预测；第五，结合本文的研究结论对上市公司优化资本结构提出了相应政策建议。关键词：上市公司；资本结构；资本结构影响因素；BP神经网络；实证研究I II ABSTRACTStudyonthecapitalstructureofthelistingcorporationhasbeenanimportantresearchtopicintheaccountingfield.ItisanimportantroleonlistingcorporationandChina'smarketeconomyandthedevelopment.Forexample,itcanoptimizethecapitalstructure,reducefinancingcosts,reduceoperatingcosts,improveeconomicprofitandkeepthecompany'slong-term,stableandsustainabledevelopment,italsohasandeeplyinfluenceonChina'smarketeconomyandthedevelopmentofnationaleconomy.Ourcountry’sresearchoncapitalstructureofthelistingcorporationhasabiggapwiththewesterndevelopedcountries,becausethedevelopmentofmarketeconomyinourcountrystartsrelativelylateandthedevelopmentofthecapitalmarketandthestockmarketisstillnotperfect.Thewesterncapitalistcountrieshaveadeeplyresearchoncapitalstructureofthelistingcorporation.EspeciallysincetheMMtheorywasputforward,thewesterncapitalistcountrieshaveadeeplyresearch，suchasthetrade-offtheory,agencytheoryandasymmetricinformationtheorybyrelaxingtheassumption.However,thewesterncapitalistcountries’researchofcapitalstructuredependsonwesterndevelopedcapitalmarketandstockmarket,whichhasagreatgapwithourcountry,therefore,wecan’tusetheresearchofwesterndevelopedcapitalistcountriesdirectly.Basedonthisresearchbackground,thepaperhasadeeplyandperfectresearchonthecapitalstructureofthelistingcorporation.First,thispaperintroducesthebasictheoryofthecapitalstructureofthelistingcorporation,includingthedefinition,theory,characteristics,evaluationindexandstandardsofjudgmentofcapitalstructure.Second,thispaperintroducesthebasictheoryofartificialneuralnetworkmodel,introducesthetheoryandcalculationofBPneuralnetworkmodel.Thethird,thispaperhasaresearchonthefactors,whichaffectthecapitalstructureofthelistingCorporation,thepaperdigoutthefactorsthroughtwoaspects:externalandIII internal,andthenthepaperhascarriedonthestatisticalandqualitativeanalysis;Thefourth,thispaperconstructsaBPneuralnetworkmodel,andhasanempiricalstudyonlistingcorporationcapitalstructure,identifiestheinternalrelationsbetweenfactorsandcapitalstructure,andthenhasaforecastaboutcapitalstructure.Thefifth,combinedwiththeresearchresultsofthispaper,weputforwardthecorrespondingsuggestionsonoptimizingthecapitalstructureofthelistingcorporation.Keywords:Listingcorporation;Capitalstructure;Influencingfactorsofcapitalstructure;BPneuralnetwork;EmpiricalstudyIV 第一章绪论第一章绪论1.1选题背景及意义上市公司主要包括所有者权益资本和债务资本两类资金来源。其中所有者权益资金是上市公司通过自我积累，发行股票以及一些其他的途径筹集到的资金；负债资金也就是债务融资，是上市公司通过向银行和其他金融机构的贷款，或向公众发行债券而筹集到的资金。上市公司资本结构体现了公司不同的资金来源。上市公司资本结构在公司财务管理中处于极为重要的地位，对公司的市场价值、公司日常经营活动、公司治理等都具有十分深远的影响。西方发达资本主义国家对于上市公司资本结构的研究已经十分深入了，特别是MM理论提出后，通过放松假设，西方学者从权衡理论、代理理论和信息不对称理论视角对资本结构的影响因素进行了研究，并且形成了一套比较成熟的理论体系。但是，西方发达资本主义国家针对资本结构的研究是主要建立在西方发达完善的资本市场和证券市场的基础上，这与我国目前的国情有较大的差距。因此，不能将西方发达资本主义国家关于资本结构的研究直接运用于我国的实际情况。当前，关于我国上市公司资本结构影响因素的研究还不够系统，研究对象选择上针对性不强，从而缺乏有效地指导价值，我国上市公司在发展过程中仍然存在资本结构不合理的问题，最终导致公司无法做出正确的决策，这严重影响了公司的日常经营。因此，如何更加合理的确定我国上市公司资本结构是促进我国上市公司实现良性发展的关键。研究中国上市公司的资本结构问题不仅可以为解释中国特有的资本结构现象提供了较好的理论支持，同时也为企业的资本结构优化、融资策略、投资以及分配决策提供较为有利依据，进一步可以为公司治理以及公司效率的提高奠定坚实的基础。研究我国上市公司的资本结构，不仅要借鉴外国经验还要与我国的国情相结合。有关上市公司资本结构的研究具有十分深远的理论意义和现实意义：首先，有必要从宏观与微观的角度去认识这些影响我国上市公司资本结构的因素，并量化其中部分重要因素对我国上市公司资本结构的影响程度，以及这些因素之间的数量关系，从而为我国上市公司进行资本结构的相关决策提供依据；其次，公司拥有合理的资本结构是保证其稳健发展的必要条件，能够为公司经营日常活动提供指导，拓展资本结构理论研究对于稳定我国市场经济具有十分重要的理论意义；1 我国上市公司资本结构影响因素及实证研究最后，随着现代公司管理制度的发展，公司所有权和经营权的分离已经不可逆转，由此，便产生了委托代理关系，这个关系进一步增加公司的代理成本。而一个公司合理的资本结构能够实现代理成本的最小化。这样能够进一步增强公司的综合实力和竞争力，为公司的长期稳健和可持续发展提供保障。综上所述，目前，我国关于上市公司资本结构的研究十分迫切和必要，并且具有重大的意义。从科研角度，能够进一步提升我国关于上市公司资本结构理论研究的能力和成果；从实践角度，能够为我国上市公司的融资决策等提供指导。1.2国内外研究现状1.2.1国外研究现状西方资本主义国家市场经济，资本市场和证券市场发展都比较健全和完善，因此其关于上市公司资本结构的研究比起国内而言更加系统和完善。研究中，一些学者是从公司自身角度对资本结构的影响做的研究：[1]SulagnaMukherjee(2010)研究发现公司规模、流动比率、盈利能力、成长性等这些公司特质因素均是影响公司目标资本结构的重要因素。[2]Jensen和Meckling(1976)在研究中指出由于股东和债权人之间存在代理成本，公司偿债能力高能够为债权人提供保障。相反，公司偿债能力差，由于债权人无法得到保障，所以通常债权人会要求更高的回报，从而促使公司选择权益融资。因此[3]他认为公司偿债能力与资本结构正相关。Myers(1977)也通过实证分析得到相同的[4]结论。Ross(1977)认为优化公司的资本结构是经营者看好公司发展前景的信号，因为经营者有信心能够及时偿还债务，这是一个利好消息，公司债权人都倾向于相信资本结构较高的公司，其偿债能力会越高。[5]Warner(1977)认为规模较大的企业在经营方式上呈现多样化的特点，破产的可能性比较低，破产价值也更大。因此，根据静态均衡理论的观点，规模大的企业由[6]于破产成本低，会选择更高的资本结构来享受税盾的好处（AngJamesetal(1983)）。[7]Smith(1977)的研究发现规模较大的企业，其债务融资成本低于规模较小的企业。这也使得规模大的企业比规模小的企业能够使用更多的债务融资。Agyenim[8]Boateng(2004)研究发现合资企业的规模与资本结构存在正相关关系。[9]Myers(1984)在优序融资理论中指出盈利较多的公司的负债水平一般比较低，因为一般来讲，盈利较多的公司会习惯于优先将公司的利润作为融资来源，其次才会考虑债务融资，因此，公司盈利能力与资本结构呈负相关关系。Fama&2 第一章绪论[10]French(1988)认为提高资本结构有可能表明公司无法进行内部融资，因此，他们认[11]为盈利能力与资本结构是负相关关系。Tong&Green(2005)对中国上市公司进行实[12]证研究，研究结果也表明盈利能力与资本结构是负相关的关系。AndrásDanis(2014)研究发现资本结构与企业的盈利能力存在负相关关系，他们发现在公司处于或接近于最优的财务杠杆水平时，公司的盈利能力与资本结构负相关。[13]但是，Jensen(1986)认为对于一个盈利能力强，现金流充裕的公司而言，负债是一种较好的融资手段，因为通过负债融资，公司股东能够较好地约束经营者。因此，公司的盈利能力与公司资本结构正相关。[14]Frielinghausetal(2005)通过实证研究发现资本结构的特征与公司所处的发展阶段有关，处于不同发展阶段的公司，其资本结构的特征也不相同。Jensen(1986)发现股东和债权人之间的代理成本在高速成长的行业中更为明显，因为这些公司的股东在投资项目上拥有更多的选择，而且风险可能会更高。此外，对于一些成长迅速，盈利能力强，但是现金流不足的公司而言，负债对经营者的约束作用则比较小。因此，企业成长性与资本结构是负相关的关系。Bender和Ward[15][16][17](1993)、Graham(2004)以及Hovakimianetal(2001)等人研究发现，随着公司的成长和成熟，其资本结构会发生相应的变化。[18]Ramzi(2013)研究发现公司成长性、规模以及盈利能力等均在一定程度上影响了法国中等规模企业的资本结构。更进一步的研究，将样本分成小规模以及中等规模的企业后，发现公司特性因素仍然会在相同的方向影响企业的资本结构，但是却呈现不同的影响程度。也有部分学者从心理因素角度，对资本结构进行了分析和研究：[19][20]如Alpert、Raiffa(1969)与Fischhoff等(1977)通过两项实证研究表明，一些参与实验的公司的管理者在他们主观估计的不确定性上，表现出了过多的自信，这[21][22]些管理者经营的公司更倾向于债务融资；Langer(1975)和Weinstein(1980)研究发现，与一般员工相比，高级管理者更容易过度自信，因此，在高级管理者的领导[23]下，公司更倾向于债务融资；Hackbarth(2004)通过模型研究发现过度自信的管理者认为他们遇到财务困难的可能性很低，他们估计的破产成本也较低，因此更倾向[24][25]于采用负债融资。Fairchild(2004)，Lucas和Alexandre(2007)也都得出了相同的研究结果，管理者过度自信与企业财务杠杆利用程度是正相关的关系。目前有关资本结构的研究中大多数采用的都是统计类的方法和模型，本文在研3 我国上市公司资本结构影响因素及实证研究究过程中采用智能化的人工神经网络模型。学者用人工神经网络模型主要应用于上[26]市公司财务困境预警方面，比如Odom和Sharda(1990)运用两层前反馈神经网络[27]对上市公司进行财务预警，取得了较好的结果。JieSun,Kai-YuHe,HuiLi(2011)采用BP神经网络模型进行实证研究，结果也表明了模型能够用于预测。Jieh-Haur[28]Chen(2012)采用矩形符合神经网络模型对42家上市建筑公司十年中的财务数据进[29]行了收集和分析，取得了较好的效果。Wen-TsaoPan(2012)采用广义回归神经网络，构建了一个财务预警模型，实证结果表明模型的预测能力较好。1.2.2国内研究现状由于我国市场经济发展起步比较晚，资本市场和证券市场发展不够完善和健全，因此，有关资本结构的研究还不够成熟。但是国内一些学者在这方面仍旧取得了一定的成就。国内的学者对资本结构影响因素的研究主要是三个方面进行的，分别是：融资成本、公司经营特征、公司内部治理和外部制度环境。[30]首先，在融资成本方面：黄少安、张岗(2001)对股权融资的实际成本进行了研究，结果表明我国上市公司出现股权融资偏好的现象的直接动因是上市公司的股权[31]资本的实际成本远低于债务融资的成本。王娟、杨凤林(2002)采用了截面法，选择1999-2000年期间845年上市公司的财务数据和阶段统计数据进行了研究，研究结果[32]表明，加权平均资本成本和债务比率有负相关的关系。李建军、胡凤云(2013)对中小企业融资结构、融资成本以及影子信贷市场的发展研究中表明，由于信息不对称等原因的影响，使得企业的平均融资成本较高。同时由于正规融资方式难以进入中小企业，同时民间借贷资金难以进入正规的渠道进行流转等原因推动了影子信贷市[33]场的发展。陈少华、陈菡等(2013)研究发现债务资本成本对于企业的资本结构的调整速度有着正向的影响关系。如果市场化的程度越高，债务资本成本对其的影响会[34]更大。卢斌、曹启龙、刘燕(2014)使用1998年至2012年沪深两市上市公司的数据研究了融资约束与资本结构动态调整的关系。研究发现融资约束以及产品的市场竞争程度与企业的资本结构存在负相关关系，同时融资约束的程度也可以影响企业资[35]本结构调整的速度等。陈雪芩(2014)有关企业资本成本与资本结构的影响研究中发现：公司的资本成本与资本结构之间存在负相关关系。同时也发现，这种相关性在国营企业中更为明显，而区域性差异的影响并不显著。[36]其次，在在公司经营特征方面：肖作平(2004)采用双向效应动态模型研究了企业的资本结构选择，研究发现公司的有形资产比率、规模、产品独特性与资本结构4 第一章绪论存在显著正相关关系，而公司的现金流量、成长性、资产的流动性存在负相关关系。但是在公司特征因素与资本结构的研究中，不同的学者研究结果存在一些分歧。[37]王皓，赵俊(2004)基于沪深股市实证分析研究了资本结构动态模型，研究中发现资本结构与企业的盈利能力、非债务税盾存在显著地负相关关系，而与资产担保能力、成长性以及规模则存在正相关关系。[38]李国重(2006)在制度导向下有关我国上市公司资本结构的动态目标调整的研究，采用了1994-2004年125家中国上市公司的相关平行数据利用动态目标调整模型考察了我国上市公司的资本结构以及调整过程。他主要研究了税收、现金流、投资以及财务困境四个公司微观层面的特质因素对公司资本结构的调整影响。研究发现，非债务税盾、盈利能力以及现金流与资本结构存在负相关关系。[39]王志强、洪艺珣（2009）研究发现资本结构与公司研发费用、资产担保能力、经营风险、产品独特性、成长性以及盈利能力存在负相关关系，而与规模存在正相[40]关关系。陈德刚，罗勇（2011）研究发现资本结构与公司规模、成长性、资产担保能力存在正相关关系，而与盈利能力、流动性以及非债务税盾存在负相关关系。最后，在公司内部治理和外部制度环境方面：一些学着从公司股本结构，公司[41]控制权方面以我国上市公司为对象，进行了相关的实证研究。孙永祥（2001）研[42]究发现民营企业的资产负债率水平明显低于国有企业的。肖作平（2010）研究发现终极控制股东的所有权和控制权分离度与资产负债率水平显著负相关。闵亮，沈[43]悦（2011）从宏观冲击的角度研究了资本结构调整，研究发现经济衰退期对公司资本结构影响不显著，而在分样本角度下，经济衰退期不但对融资约束性与非融资约束性企业有显著影响，而且影响方向也显著不同等。[44]陆静，黄霞（2013）从政治关联、宏观信贷政策的视角研究发现了宏观信贷政策能够影响企业资本结构，总体上民营企业资本结构和总资产负债率较非民营企业高，但在同等信贷水平下，相对于非民营企业，民营企业的资产负债率偏低，并在信贷紧缩下，民营企业的资产负债相对下降幅度更大。而政治关联性不影响企业资本结构。在资本结构研究中，国内少有学者运用神经网络模型对资本结构进行预测研究。[45]学者主要是用神经网络模型进行对财务预警方面研究，如方瑞、郑少锋(2008)，[46]许静、李晓静(2009)在他们的研究中采用了神经网络模型，通过模型进行的实证研究验证了模型的有效性，并且取得了较好的预测精度。5 我国上市公司资本结构影响因素及实证研究1.3论文研究内容本篇论文的研究内容主要包括以下五个方面：第1章：绪论。在绪论部分主要介绍了上市公司资本结构的研究背景及意义，国内外研究现状，并介绍了论文研究的主要内容及采用的主要方案。第2章：相关基础理论。相关基础理论部分主要介绍了上市公司资本结构的基础理论，包括资本结构的概述、相关分析及判断标准；还介绍了人工神经网络模型的相关基础理论，包括人工神经网络模型的概述和BP神经网络模型的基础理论。第3章：我国上市公司资本结构影响因素研究。本章主要包括对影响我国上市公司资本结构的因素进行了挖掘，然后对挖掘出的因素进行了定量和定性的分析，构建了影响我国上市公司资本结构的因素体系。第4章，基于神经网络模型的上市公司资本结构实证研究。本章首先构建人工与因素体系为基础，进行了资本结构的实证分析和研究。第5章：总结与展望。本章对本文的研究进行总结并提出了相关政策建议，同时还指出研究中仍旧存在的不足之处以及研究未来的研究方向。论文的基本结构如图1-1所示：我国上市公司资本结构影响因素及实证研究绪论相关基础理论我国上市公司资本结构基于神经网络模型的上市影响因素研究公司资本结构预测研究结论与建议图1-1论文基本结构图论文采用的研究方案为：6 第一章绪论（1）在文献综述的基础上，对上市公司资本结构的相关理论进行分析和评述。（2）挖掘影响我国上市公司资本结构的因素，并对这些因素进行分析，研究和归纳。（3）采用智能化的人工神经网络模型对我国上市公司资本结构进行实证研究。1.4研究贡献本文研究的创新点与贡献主要体现在以下几个方面：1.本文从宏观和微观角度对可能影响公司资本结构的各种因素进行了分析，以往研究大多数仅从微观角度予以分析，这使得研究公司资本结构影响因素的角度更加全面。2.本文采用多元线性回归模型与神经网络模型对中国上市公司的资本结构进行研究。与经典的线性回归模型相比，神经网络模型对资本结构有较强的预测能力。7 我国上市公司资本结构影响因素及实证研究第二章相关理论与方法介绍2.1资本结构相关理论2.1.1资本结构的概述上市公司的资本结构指的是公司所有者权益和债务权益的比例。从概念上看，资本结构可以分为狭义的资本结构和广义的资本结构。狭义的资本结构指的是上市公司所有者权益和长期负债之间的比例关系。广义的资本结构则指的是上市公司各项资本要素的组合结构。上市公司之所以会存在资本结构，这是由于上市公司的融资造成的。上市公司有两种融资渠道，一种是股权融资，一种是债务融资。股权融资形成的是公司的所有者权益，债务融资形成的是公司的债务。因此，资本结构是上市公司融资的结果，从两种不同融资渠道来讲，资本结构决定了上市公司的产权归属，也决定了上市公司的不同投资主体之间的所享有的权利和所承担的风险。从这个意义上讲，资本结构指的就是上市公司股权资本和债权资本的之间的一种比例关系。从这个定义角度讲，资本结构反映了在市场经济条件下上市公司的金融关系，也就是以资本和信用为纽带，通过股权融资和债务融资两种方式，构成了股东、债券人以及经营者三者之间相互制衡的一种利益关系。如何衡量上市公司的资本结构，目前存在账面价值结构、市场价值结构以及目标价值结构三种。账面价值指的是按照资产的历史账面价值，也就是资产的入账价值。市场价值指的是资产的现行市场价值，也就是目前将资产变现能够获得的价值。目标价值是指上市公司资产的未来的目标价值。上市公司的资本结构分别采用这3种价值进行计量，也就是说资产和负债分别按照账面价值、市场价值和目标价值计量，并由此而计算出来的资本结构。西方发达的资本主义国家的财务管理理论中，资本结构理论是非常重要的一个组成部分，主要经历了旧资本结构理论和新资本结构理论两个历史性的阶段。首先是旧资本结构理论。其研究的基础是基于一系列比较严格的假设，比如说传统理论、MM理论以及权衡理论等。旧资本结构理论的主要的研究成果有以下三点：（1）在理想条件下，MM理论得出的结论是资本结构与公司价值之间没有关系；（2）在存在公司所得税的条件下，MM理论得出的结论是公司的价值是随着公司的负债而增加的；8 第二章相关理论与方法介绍（3）在存在破产成本的条件下，权衡理论得出的结论是如果要实现公司价值最大化，就要权衡避税利益和破产成本。其次是新资本结构理论。其研究包括代理理论，控制理论，信号理论和优序融资理论这几个基本理论。在新资本结构理论下，分析的重点是着眼于资本结构在信息不对称视角下的效果。2.1.2资本结构衡量指标衡量公司的资本结构可以采用不同的财务指标，比较典型的有股东权益比率、资产负债比率、长期负债比率和股东权益与固定资产比率。（1）股东权益率上市公司所有者权益与其总资产的比率就是股东权益率。股东权益率的计算公式为：股东权益率=所有者权益总额÷总资产这个比率反映的是所有者权益在公司总资产中的的比例，能够客观科学地反映公司的基本财务结构的稳定性。（2）资产负债率资产负债率是上市公司的负债总额与其资产总额的百分比。资产负债率反映了在公司的总资产中，有多少资本是通过债务融资来筹集的，同时能够衡量公司在清算时能够保护的债权人利益的程度。计算公式：资产负债率=负债总额÷资产总额资产负债率值越大，表明公司业务拓展能力强，能更充分地利用股东权益。但过多的负债比率可能会影响公司的偿付能力。（3）长期负债率长期负债比率是其长期负债占总资产的比例。从全局和长远的角度来确定公司的资本结构指标。长期负债比率=（长期负债÷资产总额）×100%（4）股东权益与固定资产比率股东权益与固定资产比率是公司股东权益与固定资产总额之间的比率，是衡量公司资本结构是否稳定的一个指标。股东权益与固定资产比率=（股东权益总额÷固定资产总额）×100%股东权益与固定资产比率反映了上市公司用来购买固定资产的资金中有多少来源于公司自有资本，有多少来源于公司的债务融资。本文在研究过程中将选择使用最为广泛的资产负债率作为资本结构的衡量指9 我国上市公司资本结构影响因素及实证研究标。要评价公司的资本结构是否合理，除了确定衡量资本结构的指标之外还需要确定一个判断标准，即符合怎样条件的资本结构是最佳水平的资本结构，这里主要依据以下3个基本判断标准：第一，资本结构的水平要能够最大限度地增加所有者的财富，使公司价值实现最大化。第二，资本结构的水平要能够使公司的加权平均资本成本最低。第三，资本结构的水平要能够同时满足既使公司的资产保持适当的流动性，又能够使公司的资本结构富有弹性。2.2人工神经网络相关理论2.2.1人工神经网络的概述人工神经网络模型是模拟人类大脑的一种计算模型。人工神经网络模型中存在大量的神经元，神经元之间的连接渠道就是加权值，这个加权值叫做权重。这种神经元以及神经元之间的连接关系形成了神经网络的记忆功能，模型自变量和因变量之间的内在关系就是通过这种记忆功能挖掘出来的。人工神经网络能够处理的对象非常广，不像统计计量模型那样，只能处理数字信息，神经网络能够处理各种各样的信息，比如说图像、字母以及其他一些仅仅具有抽象意义的不是以数字形式存在的信息。神经网络的这种功能决定了神经网络模型在现今科学研究中的重要地位，其应用的广泛性是之前存在的各种统计计量模型所不具有的。神经网络内部存在的神经元可以分为三个类型，分别是：输入单元，隐单元和输出单元。输入单元就是神经网络从外界接受到的信号，也就是统计计量模型中的自变量；输出单元是经过神经网络运行后得出的结果，也就是网络输出，即统计计量模型中的因变量；隐单元是连接输入单元和输出单元的，因为神经网络所体现的模型是高度非线性的，因此输入单元和输出单元之间的关系是极其复杂的，难以一一对应，所以要通过隐含层来转换。在运行人工神经网络模型的过程，主要是基于神经网络的连接拓扑结构，神经元和神经网络的学习规则的特点。经过多年的发展，人工神经网络已经形成了比较完整的理论，并且形成了包含近40种网络模型在内的完整而系统的理论模型体系，其中感知器，自组织映射，Hopfield网络，波耳兹曼机，自适应共振理论等是人工神10 第二章相关理论与方法介绍经网络模型的代表。神经网络的连接的拓扑结构的不同，其所体现的网络形式也就不同，据此分类，可以将神经网络分为两种类型，分别是前向网络和反馈网络。前向网络是指神经网络接受信号后，将这个信号从网络的前一级传递到下一级，两级之间只有信号的传递，而不存在信号的反馈。这种信号的传递依据的是非线性函数。这种网络最大的优点就是简单，容易实现，易于操作。反馈网络与前向网络相比，其在信号传递过程中，存在反馈，这种反馈指的是网络各层之间的反馈。这种信号的传递和反馈依据的是动力系统理论。这种网络最大的优点是因为网络联想的稳定性与其有密切关系，因此这种网络的稳定性较强。人工神经网络模型具有四个基本特征，分别是：（1）非线性。非线性关系是自然界中存在的一种普遍特性。人工神经元在状态上呈现出激活或抑制两种不同的状态，在数学关系上，这表现为一种非线性关系。如果神经网络中具有阈值，那么这样的人工神经网络则具有更好的性能，能够很大程度地提高神经网络模型的容错性和存储容量。（2）非局限性。人工神经网络是由很多个神经元广泛连接而成的。因此，神经网络系统的整体行为不仅仅是取决于单个神经元的特征，而且还取决于各个神经元之间的相互作用和相互连接。神经元之间的大量连接使得神经网络模型能够模拟人类大脑的非局限性。（3）非常定性。由于人工神经网络具有自适应、自组织和自学习能力的特性，同时其处理的信息是千变万化的，所以，在处理信息的同时，非线性动力系统本身也在进行着不断的变化。因此，人工神经网络模型经常采用迭代过程来描写动力系统的演化过程。（4）非凸性。神经网络的演化方向在一定程度上取决于特定的状态函数。非凸性指的是该种函数具有多个极值，神经网络系统能够处于多个较稳定的平衡状态，这能够导致神经网络模型演化的多样性。人工神经网络的优越性主要表现在三个方面：（1）人工神经网络具有自学习的功能。在人工神经网络模型中，将一对已知的样本输入到神经网络模型中，网络能够通过自学习功能将样本的输入变量和输出变量之间的关系识别出来，进而再输入“输入变量”时，人工神经网络模型能够通过其已经识别出的关系进行输出变量的预测。因此，自学习功能对于预测具有极其重11 我国上市公司资本结构影响因素及实证研究要的意义。（2）人工神经网络的联想记忆功能。人工神经网络反馈网络可以实现这种关联存储。（3）高速人工神经网络具有找到最优解的能力。在实践的过程中，研究人员经常遇到的问题是寻求最佳的解决方案，要达到这个目的，反馈神经网络的使用是必不可少的。在使用神经网络时需要注意以下三个问题：（1）神经网络难以解释。到目前为止，还没有一种能够对神经网络做出解释的方法。（2）神经网络可能出现学习过度的情况。由于神经网络过于灵活，可变参数很多，所以如果给予足够的训练时间，神经网络是能够实现各种过程的学习的。但是这并不意味着我们研究的变量之间真的存在神经网络所识别出的关系，这将会导致研究出现误差。为了避免这种情况的出现，在训练神经网络时要能够恰当的使用一些能严格衡量神经网络的方法，从而保证实务研究的严谨性。（3）建立人工神经网络需要做的数据准备工作量很大。由于人工神经网络要求的样本数量比较多，并且对于样本数据有严格的要求，因此，在建立神经网络前，需要对样本数据进行严格地清洗，整理，转换和选择。如人工神经网络要求样本的输入变量的数值必须在（0,1）或者（-1，1）之间，因此，在构建人工神经网络模型前，需要对很对数据进行归一化处理。2.2.2BP人工神经网络模型基础理论Rumelhart和McClelland在洞察到神经网络信息处理重要性的基础上，于1985年发展了BP网络，实现了Minsy的多层网络设想。BP网络主要用于一下4个方面：第一，函数逼近。人工神经网络用样本的输入变量和相应的输出变量训练一个网络，逼近一个函数。第二，模式识别。人工神经网络用一个特定的输出变量，将它与输入变量联系起来。第三，分类。人工神经网络将输入变量以预先设定的定义方式进行分类。第四，数据压缩。人工神经网络能够实现减少输出变量维数，以便于数据的传输或存储。多层BP网络包括输入节点、隐节点和输出节点，隐节点可能是一层，也可能是12 第二章相关理论与方法介绍多层。其网络结构如2-1所示：输出层隐层输入层图2-1BP网络模型结构BP网络各层之间通过传递函数连接，传递函数一般为（0.1）S型函数，即：1fxx1eBP神经网络能够通过对网络权值(w,T)的和阈值()的修正，使误差函数Eijli沿梯度方向下降。在BP神经网络中，输入节点为x、隐节点y为，输出节点O为。jil输入节点x与隐节点y间的网络权值为w，隐节点y与输出节点O间的网络权值为jiijilT。li隐节点的输出为yif(wijxji)f(neti)，其中，netiwijxji；jj输出节点为Olf(Tliyil)f(netl)，其中，netlTliyil；ii权值修正为wk1wkwwk''x，其中k为迭代次数；ijijijijij阈值修正为k1k''，其中k为迭代次数。iiiBP神经网络模型的算法流程图如2-2所示：13 我国上市公司资本结构影响因素及实证研究初始化给定输入向量和目标输出求隐含层各层的输出求出目标与实际输出的偏差误差满足要求Yes结束No计算隐含层单元误差求误差梯度权值学习图2-2BP网络模型流程图2.3本章小结本章主要对相关基本理论进行了简要的概述。首先是对上市公司资本结构相关基础理论进行了简要的概述，其中包括资本结构的定义、理论、特征以及资本结构的评价指标和判断标准；其次对本文将要采用的人工神经网络模型进行了简要的概述，其中包括人工神经网络模型的基本概念、特征以及优越性等；此外对本文具体采用的BP神经网络模型的理论和计算基础进行了简要的概述，为论文的研究奠定理论基础。14 第三章我国上市公司资本结构影响因素研究第三章我国上市公司资本结构影响因素研究影响我国上市公司资本结构的因素非常多，涉及到公司内部和外部的方方面面，不论是国家宏观经济环境和政策，或者是上市公司所处的行业和地域，以至于上市公司本身的各种因素都会对其资本结构产生影响。本章从外部和内部两个角度的因素,深入分析和挖掘影响上市公司资本结构的因素，并进行统计和定量分析，研究这些因素，建立起上市公司资本结构影响因素体系。3.1我国上市公司资本结构外部影响因素分析3.1.1行业因素公司所处的行业不同，将会具有不同的产业形态，也会具有不同的竞争程度、经营方式和融资模式，这一系列性质都将会导致不同行业的资本结构具有较大的差异。有美国学者曾经对美国的不同行业进行过资本结构的研究，研究结果表明：纺织业、钢铁业和航空业等行业的资产负债率都处于较高水平；医药食品、仪器设备等关系国计民生的行业则具有较低的资产负债率；资产负债率最高的则是一些受管制的行业，如天然气等行业。美国学者的实证研究结果表明，行业因素是影响上市公司资本结构一个重要的因素。一般来讲，某个行业的竞争程度越高竞争越激烈，行业的进入壁垒就比较低，比如一些传播及文化产业社会服务业等第三产业的行业，这一类型行业往往为了追求较为稳定的财务状况，一般不太倾向于选择债务融资，因此，其资产负债率一般比较低。如果某个行业的行业平均收益比较高，那么说明这类型的公司能够有更大的能力实现内部融资，因为，利润高的公司的能够使用自身产生的利润来满足对公司资金的需求，而不需要依赖债务融资；相反，如果某个公司的行业平均收益比较低，其自有资金难以满足公司的融资需求，从而不得不依赖债务融资来增大企业的经营规模。比如，一些垄断性行业，如水电煤等行业，由于处于高度垄断状态，行业利润较高，高收益使得这类型企业根本没有必要进行债务融资，因此，资产负债率也比较低。金融保险业一般都具有最高的负债率，原因是金融保险业的资产大部分是以负债的形式存在的，如银行存款、保险公司保费等。房地产行业和建筑业的资产负债率也较高，仅次于金融保险业，因为这两个行15 我国上市公司资本结构影响因素及实证研究业大多数属于负债经营，这些原因都导致了这些行业的负债率处于较高的水平。除此之外，一般而言，如果某个行业的盈利能力比较强，那么这个行业就能够依靠充足的财务盈余来保证资金的需求，没有必要进行债务融资。相反，盈利性较差的行业对债务资金的依赖性可能会更强一些。综上所述，公司所处的行业的具体情况会使公司选择不同的融资方式，进而影响公司的资本结构。为了更为直观地看到行业因素与资本结构之间的关系，本文依据CSRC行业分类，选用CCER经济金融数据库中2011年沪市A股全部上市公司的资产负债率数据，按行业分类后，求得各行业资产负债率平均值，如表3-1和图3-1所示：表3-1不同行业平均资产负债率CSRC编码表示行业平均资产负债率A农、林、牧、渔业0.4974B采掘业0.4471C制造业0.5699D电力、煤气及水的生产和0.5946供应业E建筑业0.7436F交通运输、仓储业0.5163G信息技术业0.3592H批发和零售贸易0.6128I金融、保险业-J房地产业0.8485K社会服务业0.4771L传播与文化产业0.3631M综合类0.9541数据来源：CCER经济金融数据库16 第三章我国上市公司资本结构影响因素研究图3-1不同行业平均资产负债率通过表3-1和图3-1可以清晰地看出，上市公司所处的行业不同，其资本结构也会不同，因此，资本结构与行业有着密切的关系。3.1.2地域因素我国经济的发展存在较大的地区差异。总体而言：东部地区比西部地区发达；沿海地区比内陆地区发达；城市地区比农村地区发达。公司所处的地域不同，经济发展水平的差距较大，所处的金融市场的环境不同，相应地公司的资本结构也就不同。因此，地域因素对公司的资本结构也有很大的影响。一般情况下，公司所处的地区发展水平较高，其资产负债率也相对较高。之所以会出现这种情况，主要是因为上市公司的债务融资方式与公司所处的地域有很大的关系。公司的债务融资主要来源于银行等金融机构的贷款，经济比较发达的地区，金融业的发展水平也相对较高，有较为完善的金融体制和贷款机制，公司更容易能够得到贷款。因此，处于发达地区的公司其资产负债率相对较高。为了更为直观地看到地域因素与资本结构之间的关系，本文选用不同地域上市公司的样本，计算平均资产负债率，如表3-2和图3-2所示：表3-2不同发展地区平均资产负债率地域平均资产负债率发达地区0.5361中等水平地区0.4237欠发达地区0.3461数据来源：CCER经济金融数据库17 我国上市公司资本结构影响因素及实证研究图3-2不同发展地区平均资产负债率在计算过程中，关于不同地域的选取，本文选取了具有代表性的样本。发达地区选取北上广地区的上市公司；欠发达地区选取甘肃、广西、贵州、内蒙古、青海、西藏、新疆和云南地区的上市公司；其余省份和地区为中等水平地区。通过表3-2和图3-2可以清晰地看出，上市公司所处的地域不同，其资本结构也会不同，因此，资本结构与地域有着密切的关系。3.1.3宏观经济环境国家的宏观经济环境以及政策与整个国民经济的发展和市场经济的发展有着千丝万缕的关系，二者互相影响，互相制约。上市公司要根据国家的宏观经济环境和政策对自身的资本结构做出恰当的决策，这样才能保证够公司能够紧贴国家政策。因此，上市公司的资本结构也受到国家宏观经济环境的影响。根据我国目前的情况，宏观经济环境主要体现在财政政策和货币政策两个方面。第一，财政政策。国家利用财政收入、财政支出以及税收政策对国家总需求进行调节就是财政政策。根据国家调节总需求力度的强弱，能够将财政政策划分为扩张性财政政策，稳健的财政政策和从紧的财政政策三种类型。扩张性财政政策就是积极财政政策，国家以此来刺激社会总需求；稳健的财政政策就是中性的财政政策，是指国家的调节力度保持在适中的水平。而紧缩型财政政策也就是适度从紧的财政政策，国家通过财政分配活动来减少和抑制总需求。第二，货币政策。政府和中央通过控制货币供应量和利率调控手段来干预国家经济，这就是货币政策。货币政策的有效实施能够抑制国家的通货膨胀，实现充分就业并且经济增长。根据国家干预经济的程度，能够将货币政策可以分为扩张性的18 第三章我国上市公司资本结构影响因素研究货币政策，稳健的货币政策和紧缩的货币政策三类。扩张型货币政策也就是积极货币政策，一般在经济萧条的时候，中央银行一般会采取相应措施来降低利率，导致货币供给增加，从而达到刺激投资、出口和增加总需求的目的；稳健型货币政策的作用比紧缩性货币政策小，但是它也主要是用于经济活动较热或者通货膨胀率较高的时期，用来稳定经济；紧缩型货币政策也就是适度从紧的货币政策，主要是通过减少货币的供应量，从而达到调节经济的作用。上市公司的资本结构回因为国家的财政政策或者货币政策而产生变化。当国家放宽政策时，利率水平一般较低，公司在这一时期更容易获得债务融资；相反，如果国家收紧政策，采用适度从紧的手段，在这样的时期，公司往往难以获得债务融资。总之，上市公司资本结构受到国家宏观经济环境的影响，这种影响通过财政政策和货币政策两个角度来体现出来。上市公司为了达到合理的目标资本结构，避免因为违背政策而对公司产生不利的发展，就必须要紧贴国家政策，积极适应国家政策，据此调整资本结构。3.2我国上市公司资本结构内部影响因素分析3.2.1内部影响因素影响上市公司资本结构的因素是方方面面的，除了上述的外部因素之外，还包括公司内部的因素，这里集中体现在资产流动性，盈利能力，营运能力，成长性和公司规模这五个方面。（1）资产流动性上市公司不同资产的变现能力就是公司资产的流动性。一般情况下，通常采用流动比率来衡量公司的资产流动性。流动比率越高，表示公司资产的流动性越强，从而满足公司新投资项目对于资金的需求，这样就变相减少了公司对于债务融资的需求。但另一方面,流动率是反映公司的短期偿债能力的指标，该指标越高，表明公司资产的流动性越强，这就表明公司能够得到很好的运营和发展，资本运作效率也变较高，间接表明公司具有较高的偿债能力，银行等金融机构一般都愿意为这样的公司提供贷款，所以有学者认为资产流动性与资本结构可能呈现正相关的关系。（2）盈利能力公司的盈利能力从两个方面影响公司的资本结构。首先，考虑到代理成本、破产成本和税收，一般情况下盈利高的公司往往会采19 我国上市公司资本结构影响因素及实证研究用高负债率。其次，上市公司融资的渠道有很多，根据“优序融资理论”，可以将上市公司融资的渠道进行排序，顺序为：留存收益，发行债券，发行股票。因此，这种理论下，上市公司首先会选择自身的留存收益来作为第一融资渠道，其次考虑债券融资，最后才是进行股权融资，因为如果采用过多的股权融资，可能会摊薄现有所有者的股份，从而使现有的所有者丧失对公司的控制权。因此，盈利能力较强的公司，可以通过自身较高的盈利水平来保留足够的盈余来班组公司对于资金的需求；反之，盈利能力较差的公司只能依赖外部融资，因为其无法获得足够的盈余来用此补充资金需求。关于这一点的结论，很多都是与“优序融资理论”相一致的。但是，目前我国的实际情况呈现出这样一种状况，就是“异常融资优序”，也就是说目前我国的上市公司普遍存在“重股轻债”的现象。（3）营运能力上市关系资产管理是好是坏能够通过公司的营运能力体现出来。上市公司的各种周转率是衡量营运能力的很好的指标。周转率越高，资产管理效率越高，这样的公司将会有实力借入更多的资金进行生产经营，银行等金融机构一般那也愿意为这样的公司提供贷款，因此这样的公司往往具有较高的资产负债率。（4）成长机会根据权衡理论，由于新兴产业的创新型和新颖性，处于新兴行业的公司一般具有较高的成长性，与此同时伴随它们的则是较大的经营风险和破产概率，因此成长性强的公司往往会选择低杠杆率，也就是说成长性是与公司的资产负债率呈现负相关的关系。这个理论也得到了实务研究的支持，在我国的实证研究方面，肖作平(2004)利用1995～2001年期间的239家上市公司面板数据，分析得出了成长性与资本结构负相关的结论。（5）公司规模Warner(1977)以及AngJamesetal(1983)认为：规模较大的公司，其经营范围一般比较广，经营呈现多样化的特征，这样的公司破产的可能性较小，破产价值较大。因此，根据静态均衡理论的观点，规模大的公司在一般情况下，基于其破产成本较低，通常会选择较高的资本结构来享受税盾带来的好处。Smith(1977)的研究指出：规模较大的公司，其债务融资的成本比规模较小的公司要地很多，这也在侧面反映出规模较大的公司一般会选择债务融资的方式。20 第三章我国上市公司资本结构影响因素研究3.2.2内部影响因素定量分析从3.2.1节关于影响上市公司资本结构内部影响因素的定性分析可以看出，由于不同学者采用的理论和观点不同，得出的研究结果也不尽相同。为了确定这5个因素与资本结构之间的关系，本文选择上市公司的相关数据，构建了一个多元线性回归模型，对这5个内部因素进行定量的分析。3.2.2.1变量选取和样本选择本文选择的变量为上述资本结构及其内部影响因素。因变量为上市公司的资本结构，本文选用资产负债率指标：资产负债率=总负债/总资产自变量为3.2.1节中的5个影响上市公司资本结构的内部因素，分别为资产流动性，盈利能力，营运能力，成长性和公司规模。相应的财务指标分别为流动比率、净资产收益率、总资产周转率、主营业务收入增长率和总资产。具体如表3-3所示表3-3上市公司资本结构内部影响因素变量描述影响因素变量名称变量符号变量定义因变量资本结构资产负债率DAR负债/资产（Y）资产流动性流动比率CR流动资产/流动负债盈利能力净资产收益率ROE净利润/权益总额自变量营运能力总资产周转率TAT营业收入/平均资产总额（X）成长性主营业务收入GROW本年主营业务收入增加额/上年增长率主营业务收入总额公司规模Ln总资产SIZELn总资产本文选取沪市A股上市公司为样本，以1994年——2011年期间的财务数据进行上市公司资本结构内部影响因素的定量分析。其相关数据的描述性统计如表3-4所示：表3-4描述性统计MaxMinMeanStd.Dev.DAR94.249270.0038700.5705701.152036CR258.4067-23.729441.5645702.145827ROE501.9606-274.04810.0463673.695886TAT10.17928-0.0479570.4491150.465134GROW10295.48-6.0174301.38158065.01915SIZE12.282745.7286989.3193610.54472721 我国上市公司资本结构影响因素及实证研究3.2.2.2多元回归模型构建（1）模型构建采用多元线性回归模型来考察企业资本结构与解释变量之间的关系，构建模型如下：DARt=b0+b1CRt+b2ROEt+b3TATt+b4GROWt+b5SIZEt其中DAR表示资本结构——资产负债率，CR表示反映流动性的流动比率，ROE表示反映盈利能力的净资产收益率，TAT表示反映营运能力的总资产周转率，GROW表示反映成长性的主营业务收入增长率；b0—b5为待估参数。（2）模型求解根据上述模型公式：DARt=b0+b1CRt+b2ROEt+b3TATt+b4GROWt+b5SIZEt采用Eviews软件求得模型结果如下：DAR=-0.061963*CR+0.000574*ROE+0.031203*TAT+0.074205*GROW+0.300454*SIZE+3.481437各变量之间的相关性分析如表3-5，从表中可以看出，资本结构（DAR）与资产流动性（CR）呈负相关关系（-0.10083），与盈利能力（ROE）、营运能力（TAT）、成长性（GROW）、公司规模（SIZE）呈正相关关系。而且从表3-5中可以看出这几个变量之间的相关系数都比较低，表明解释变量之间多重共线性程度较低。表3-5相关性分析1234561DAR1.0000002CR-0.1008131.0000003ROE0.0005270.0028461.0000004TAT0.022385-0.0501580.0050291.0000005GROW0.003162-0.003859-0.0001470.0397361.0000006SIZE0.132065-0.0984050.0064900.1108740.0068391.000000其面板数据回归结果如表3-6所示：22 第三章我国上市公司资本结构影响因素研究表3-6回归结果VariableCoefficientStd.Errort-StatisticProb.CR-0.0619630.002859-21.675520.0000ROE0.0005740.0016501.9478500.0780TAT0.0312030.013215-2.3612030.0182GROW0.0742050.0939051.7905340.0942SIZE0.3004540.011316-26.550660.0000C3.4814370.10569432.938800.0000Totalpanelobservations34587R-squared0.230694AdjustedR-squared0.230553S.E.ofregression1.134300Loglikelihood-53432.34F-statistic219.0048Prob(F-statistic)0.000000（3）模型结果分析2从回归结果可以看出，调整后的R为0.230553，说明该模型拟合的比较好，回归方程也就是上述样本函数的解释能力达到23%，也就是说流动比率、净资产收益率、总资产周转率、主营业务收入增长率和公司规模能够对资产负债率变动的23%作出解释。从各个变量的系数可以看出各变量与资本结构之间的关系，系数为正的表示与资本结构正相关，系数为负的表示与资本结构负相关；系数的大小也表明了各变量的变化对资本结构的影响的敏感程度。从t检验的P值可以看出，流动比率、净资产收益率、总资产周转率、主营业务收入增长率和公司规模对资产负债率的影响显著。从F检验也可以看出方程整体是十分显著的，说明流动比率、净资产收益率、总资产周转率、主营业务收入增长率和公司规模对资产负债率的共同影响是显著的，这从精确P值可以明显的看出来。3.2.2.3模型经济意义分析上文中建立的多元回归模型能够看出本文挖掘出的影响上市公司资本结构的5个内部因素影响对于上市公司资本结构具有十分显著的影响。为了证实模型的科学合理性，接下来从经济意义和会计学角度来解释。23 我国上市公司资本结构影响因素及实证研究（1）资产流动性（流动比率）流动比率是上市公司流动资产与流动负债之间的比率。一个上市公司的流动比率越高，则能够表明这个公司就有较多的流动资产，并且这些流动资产的变现能力也都比较强，那么公司就能够利用自己在这两方面的优势来将流动资产进行变现，从而获得资金，满足公司对于新投资项目的资金需求，这样就能够减少公司对债务资本的需求。所以，从这个角度讲公司的流动资产比率与资产负债率是负相关的关系。（2）盈利能力（净资产收益率）净资产收益率（ROE）反映的是企业的盈利能力，从前面的回归结果可以看出，ROE与资产负债率正相关。公司的盈利能力对于公司债权融资的取得具有很大的影响，原因是公司想要获得债权融资的一个首要前提是公司必须要有足够的盈利能力，用公司的盈余来偿还到期债务，如果公司没有足够的盈余，那么就表示公司根本不具备还款能力，这样的公司很难有银行等金融机构愿意对其进行贷款。银行等金融机构进行贷款，首先会关注公司的财务报告，其中公司的盈利能力是其最重视的部分，公司之所以能够更容易得到债权融资的机会是因为公司具有较高的盈利能力和还款能力。（3）营运能力（总资产周转率）营运能力越高表明公司的资产和现金的管理效率越高，这就说明公司的偿债能力较高，公司本身也乐意选择债务融资，这样能够将自有资金用于其他投资项目，进一步增强公司的盈利能力；同时，银行等金融机构也乐意向这类型的公司发放贷款。因此，总资产周转率与资本结构正相关。（4）成长性（主营业务收入比率）主营业务收入比是反映公司的增长性和成长性的,主营业务的大小反映了该公司的增长速度。根据企业生命周期理论,新兴行业中的公司通常将会有有更高的增长性和成长性。一般情况下，处于成长期的公司，其公司规模会得到不断的扩大和增加，公司的经营范围也会逐渐扩大，银行等金融机构一般会认为企业的发展前景比较好，而愿意将资金借给企业；此外，新兴行业总是能够得到国家政策的扶持，因此国家政策性贷款会相应增加，从而导致企业资产负债率较高。（5）公司规模首先，如果一个公司的规模较大，那么它的业务范围一般会更加广泛，管理内容也更加多样化，这种情况下破产的可能性是比较小的，破产价值通常会比较大。24 第三章我国上市公司资本结构影响因素研究所以，根据静态均衡理论，这样的公司倾向于选择高资产负债率来享受税盾好处。其次，规模较大的公司的债务融资成本一般低于规模较小的公司，这也使得规模较大的公司会更多的选择债务融资。再次，规模大的企业其经济实力雄厚，还款能力大大高于小企业，所以银行能够更愿意贷款给大企业。最后，规模大的企业往往经济实力较强，甚至会关系一国，一地区的经济命脉，出于政策的支持，其获取债务融资更加容易。而且大规模企业的信誉良好，这也为取得债券融资提供了便利。综上所述，规模大的企业其资产负债率也会比较高。通过对上市公司资本结构内部影响因素的定量分析，我们可以看出，本文挖掘的5个内部因素均对公司资本结构有较大的影响。这些内部因素与外部因素结合起来，综合影响上市公司的资本结构，这些因素的结合对上市公司资本结构的综合影响已经不再是简单的线性关系了，它们的复杂联系将是本文下一章的主要研究内容。3.3本章小结本章主要对影响我国上市公司资本结构的因素进行了深入的分析和研究，其中包括内部因素和外部因素。并且分别对这些因素进行了定量和定性的分析，分析的结果表明本文进行的挖掘是比较准确的，从而构建起一个影响上市公司资本结构的[47]影响因素体系，为下文的研究奠定了基础。第四章结合封铁英、王毅敏等（2005）研究，我们将神经网络模型引入到资本结构及其影响因素的研究中，希望可以改善现有线性模型的不足，以及更进一步的验证资本结构影响因素的有效性。25 我国上市公司资本结构影响因素及实证研究第四章基于神经网络模型的上市公司资本结构预测研究论文第2章介绍了相关理论基础，其中包括上市公司资本结构的相关理论以及人工神经网络模型的基本理论。论文第3章研究了影响上市公司资本结构的外部和内部影响因素，构建了“我国上市公司资本结构影响因素体系”，同时也指出将这两部分因素结合起来，对资本结构的影响已经不再是简单的线性关系了，它们之间的复杂关系需要一种智能化的模型才能够挖掘出来。人工神经网络就是这样的模型，网络的自学习性能够高度拟合各自变量与因变量之间的关系，将它们之间的内部联系挖掘出来。因此，本章基于神经网络模型，根据前两章分析得出的影响因素来预测上市公司的资本结构。上市公司每年都会进行财务预算，通过预算能够得出影响上市公司资本结构的这些财务指标的预测值，人工神经网络可以根据这些预测值来对上市公司未来的资本结构作出预测，预测结果能够为上市公司进行资本结构的决策提供重大的指导意义。4.1BP神经网络模型的构建目前的人工神经网络包括多种模型，根据神经网络中的神经元的连接的拓扑结构，神经网络模型可以分为前向网络和反馈网络。前向网络是指神经网络接受信号后，将这个信号从网络的前一级传递到下一级，两级之间只有信号的传递，而不存在信号的反馈。这种信号的传递依据的是非线性函数。这种网络最大的优点就是简单，容易实现，易于操作。反馈网络与前向网络相比，其在信号传递过程中，存在反馈，这种反馈指的是网络各层之间的反馈。这种信号的传递和反馈依据的是动力系统理论。Rumelhart和McCelland在1986年提出了一种按误差逆传播算法为基础而进行训练的多层前馈网络，这就是BP（BackPropagation）神经网络，其实用性在目前神经网络中是较为广泛的。BP神经网络模型不需要在构建模型之前揭示自变量和因变量之间能够描述其映射关系的数学方程，它能够通过学习功能和存贮功能，挖掘大量的输入神经元和输出神经元模式之间的映射关系。它的学习规则就是使用最速下降法，网络的权值和阈值是通过反向传播来不断调整的，经过不断调整后网络的误差平方和会达到最小。BP神经网络的具体构建步骤为：（1）确定输入层和输出层BP神经网络中的输入层通俗来讲也就是自变量，输出层也就是因变量，输入层26 第四章基于神经网络模型的上市公司资本结构预测研究和输出层的确定就是自变量和因变量的确定过程。输入层和输出层神经元的个数确定于具体的实证研究相关，具体问题具体分析。在本文的实证研究中，因变量为上市公司资本结构，自变量为影响上市公司资本结构的外部和内部因素。因此，BP神经网络的输入层为影响上市公司资本结构的外部和内部因素，由于影响因素共计9个（宏观经济环境中包含财政政策和货币政策2种），因此，BP神经网络模型的输入层神经元的个数为9；模型的输出层为上市公司资本结构，其神经元的个数为1。（2）确定隐含层层数构建BP神经网络时需要确定隐含层的层数。只要函数是处在一个闭区间内的连续函数，就都能够用含有一个隐含层的BP神经网络模型来逼近。神经网络采用的隐含层越多，误差反向传播过程的计算就会越复杂，网络的训练时间也会增加，网络的最小误差也会相应增加。因此，一般情况下，在确定隐含层层数时一般确定为较小的数值，在实证研究中，这与研究的具体问题，输入层神经元和输出层神经元的个数有关。根据模型使用的广泛性和多次测算，本文确定隐含层层数为1。（3）确定隐含层神经元的个数构建BP神经网络时除了要确定隐含层的层数外，还要确定隐含层神经元的个数。确定隐含层神经元的个数需要进行多次网络测试，或者根据实验经验来确定。一般来讲，隐含层的神经元个数过多会导致网络训练时间大大延长，此外还会引起网络的过渡适应性，在这种过渡适应性下，隐含层中的大量神经元将会产生强大的信息处理能力，将一些数据之间没有意义的联系记住，导致忽视了数据之间的真正模式，反而增大了网络的误差；隐含层神经元个数过少则会导致网络难以从有限的信息中获取数据之间的联系，难以构建网络。BP神经网络提供一个比较常用的公式来确定隐含层神经元的个数，该公式为：nnma1n其中，1为隐含层神经元的个数，n为输入层神经元的个数，m为输出层神经元的个数，a为[1,10]之间的任意常数。在本文的实证研究中，输入层神经元个数为9，输出层神经元格式为1，根据上述公式计算出的隐含层神经元个数在[4,13]区间内，本文经过多次测算，确定隐含层神经元个数为8。27 我国上市公司资本结构影响因素及实证研究（4）传递函数构建BP神经网络时采用的传递函数不同，将会导致网络的收敛速度不同，训练误差也会有所不同。一般情况下，传递函数包括线性传递函数，对数S型函数和正切S型函数。由于输入神经网络的数据，即输入层的神经元均要求在[0,1]区间内，因此输入层神经元和隐含层神经元的传递函数一般采用正切S型函数，即tansig函数。对于输出层的神经元而言，其传递函数的确定取决于输出层神经元的形态，如果输出层神经元为线性，则一般采用线性传递函数，如果输出层神经元也在[0,1]区间内，则采用正切S型函数。在本文的实证研究中，由于输入层神经元均要进行数据预处理，这是因为神经网络对神经元的输入数据有严格的形式要求，因此必须对数据进行归一化处理。经过归一化处理后的数据均在[0,1]区间内，因此输入层和隐层的神经元的传递函数通常使用正切S型函数，即tansig函数。输出层的神经元则是上市公司资本结构，在本文的实证研究中我们选择资产负债率作为衡量上市公司资本结构的指标，资产负债率是公司负债与总资产的比率，从性质角度讲，该比率的数值在[0,1]区间内，因此，输出层神经元的传递函数也采用正切S型函数，即tansig函数。（5）训练函数训练函数的不同也会使网络的收敛速度和训练误差有所不同。在MATLAB神经网络工具箱中，提供了多种训练函数，主要分为普通训练函数和快速训练函数。首先，普通训练函数主要包括批梯度下降训练函数（traingd）、动量批梯度下降函数（traingdm）。其中，动量批梯度下降函数（traingdm）能够实现前馈神经网络的批处理，这种训练算法具有较快的收敛速度，同时它还引入一个动量项，能够有效地避免BP神经网络在运行过程中的局部最小的问题。快速训练函数主要包括自适应修改学习率算法（traingda，traingdx），有弹回的BP算法（trainrp），共轭梯度算法（traincgf，traincgp，traincgb，trainscg），Quasi-Newton算法（trainbgf，trainoss），Levenberg-Marquardt算法（trainlm）。在自适应修改学习率算法（traingda，traingdx）中，学习率是一个固定的常数，学习率越大，神经网络的稳定性越低，太小的学习率则会导致网络的训练时间过长。在多层BP神经网络中，存在一个常见的问题：S型传递函数是多层BP神经网络模型中使用最为广泛的一个函数，这个函数的一个典型的特点是能够将有无限的输入映射到有限的输出中。所以，当网络的输入很大或者很小的时候，函数的斜率接近为0。这种情况使得在训练神经元为S型的神经网络时，计算的梯度会很小，从28 第四章基于神经网络模型的上市公司资本结构预测研究而导致神经网络的权值和阈值的改变量也会很小，最终影响了整个神经网络的训练速度。面对这种情况，有弹回的BP算法（trainrp）能够有效解决这个问题，消除梯度模值对网络训练带来的影响。共轭梯度算法（traincgf，traincgp，traincgb，trainscg）能够通过变换梯度来加快神经网络训练的收敛速度。Quasi-Newton算法（trainbgf，trainoss）也是一种快速训练方法。它的计算速度比共轭梯度算法更快，这种算法能够通过计算关于梯度的函数来更新赫赛矩阵，从而避免了大量的微分运算。Levenberg-Marquardt算法（trainlm）也能够避免直接计算赫赛矩阵，大大减少了训练中的计算量，但是采用这种算大，占用的内存量会比较大。BP神经网络为我们提供了多种训练函数，不同训练函数的训练速度和效果都不同，本文通过多次试验，综合计算速度和训练效果，以及使用的广泛性，本文选择trainrp训练函数。4.2上市公司资本结构预测研究构建好BP神经网络后，本文将引入BP神经网络模型，对上市公司资本结构进行实证研究。该实证研究的目的在于通过BP神经网络将9个影响因素与上市公司资本结构之间的内在关系挖掘出来，然后进行预测。该模型的引入，能够为上市公司进行资本结构决策提供重大的指导意义。4.2.1研究思路实证研究中：首先，我们选择了2010年上海证券交易所A股挂牌公司作为一个整体的训练样本，利用2010年的数据对网络进行训练，九个影响其资本结构的财务数据作为输入变量，这些因素构成了BP神经网络模型的输入层，输出层为资本结构，也就是资产负债率；网络训练完成之后，接下来，选用2011年沪市全部A股上市公司作为预测样本，将2011年的9个影响因素的财务数据作为预测自变量，然后用训练好的神经网络模型模拟出2011年沪市A股上市公司资产负债率的预测值，将该预测值与2011年资产负债率的真实值进行比较，得出相对误差，进而得出模型的预测精度。如果预测精度在可接受范围内，则说明构建的神经网络模型精确度较高，能够用于上市公司以后年度的资本结构的预测。4.2.2样本及变量选取由于BP神经网络模型要求大样本计算，为了保证模型的精确度和数据的真实性，本文选用沪市A股全部上市公司作为样本，数据来源于CCER经济金融数据库。29 我国上市公司资本结构影响因素及实证研究在实证研究中，我们选择了行业、地域、财政政策、货币政策、流动比率、净资产收益率、总资产周转率、主营业务收入增长率、总资产。在本章的实证研究中，将这9个因素结合起来，通过BP神经网络来挖掘它们与资本结构之间的内在关系，相关变量即符号对应如表4-1所示：表4-1上市公司资本结构研究变量符号表名称表示资本结构y行业因素x1地域因素x2财政政策x3货币政策x4流动比率x5净资产收益率x6总资产周转率x7主营业务收入增长率x8总资产x94.2.3数据来源及预处理实证研究中所选择的数据全部来源于CCER经济金融数据库，选取2010年和2011年沪市A股全部上市公司的资产负债表，利润表，主要财务指标汇总表，公司注册信息等相关资料。（1）行业因素在CCER经济金融数据库中，给出了两种行业分类，分别是CSRC行业分类和CSCI行业分类。本文选用CSRC行业分类，它是中国证监会制定的行业分类方法，本文第三章进行行业因素分析时采用了同样的行业分类方法，这种分类方法能够将上市公司分为13个不同的大类。为了将行业因素这个非量化的指标引入BP神经网络，需要将该因素进行数值化的处理。将行业赋予数值，旨在使网络能够识别行业的不同类别，因此，在进行赋值处理时只需将不同行业赋予不同数值，予以区分即可，这也是BP神经网络能够广泛运用于科学研究的一个优越之处。具体赋值如表4-2所示：30 第四章基于神经网络模型的上市公司资本结构预测研究表4-2行业因素分类情况表（依据中国证监会（CSRC）中国上市公司分类指引）CSRC编码表示行业数值化处理A农、林、牧、渔业0B采掘业1C制造业2D水电煤生产和供应业3E建筑业4F交通运输、仓储业5G信息技术业6H批发和零售贸易7I金融、保险业8J房地产业9K社会服务业10L传播与文化产业11M综合类12（2）地域因素本文在研究过程将不同地域进行了如下分类：发达地区：北京市、上海市、广州市；欠发达地区：甘肃省、广西省、贵州省、内蒙古省、青海省、西藏、新疆和云南省；中等水平地区：其余省份和地区。对于地域因素的赋值处理与行业因素相同，详见表4-3：表4-3地域因素分类表类别数值发达地区0中等水平地区1欠发达地区231 我国上市公司资本结构影响因素及实证研究（3）宏观经济环境宏观经济环境主要包含财政政策和货币政策，根据财政政策和货币政策的分类，其数值处理如表4-4所示：表4-4宏观经济环境政策程度数值扩张型0财政政策稳健型1紧缩型2宏观经济环境扩张型0货币政策稳健型1紧缩型2除了上述外部影响因素之外，还有内部影响因素，内部影响因素均为数量化的因素，不需要进行赋值的处理。但是，5个内部影响因素中只有流动比率能够从CCER经济金融数据库中的主要财务指标中获取，其余4个指标均要通过计算获得。根据其余4个指标的计算公式，在资产负债表和利润表中选择相应数据进行计算，能够得出相应的数值。因变量资产负债率也能够从CCER经济金融数据库中直接获取。部分上市公司的相关指标数值如表4-5所示：32 第四章基于神经网络模型的上市公司资本结构预测研究表4-5部分上市公司相关财务指标列表年度股票代码xxxxxY5678920106000040.47780.09210.34330.1692112905076860.401220106000050.43220.06041.01050.4074763049110190.629420106000061.13030.08311.17190.3835188242745240.61420106000070.49180.0280.11280.189194085558790.538620106000081.23850.07570.19410.1512168410479640.529920106000093.18040.0990.2430.254175017683040.188320106000101.03680.01560.95420.192420439870990.699220106000110.35970.06050.49910.30812.23953E+110.728220106000121.03240.1430.22220.190894113877000.3597…………………………………………20116001191.62110.03930.7032-0.331314155379230.371720116001201.44360.12280.96280.520478697072370.568820116001210.86380.08862.47260.594468572257290.714520116001221.61890.04171.27530.1929117208827630.548720116001231.10740.17990.52930.3091151870277830.426120116001270.9026-0.14270.99310.138613912481380.643720116001361.50510.09560.40871.0239169905125.90.202520116001372.12920.07870.65720.2025664893743.70.337520116001381.15130.12031.04410.384285335912710.508120116001393.17160.15630.25060.474518971375130.1671…………………………………………由于BP神经网络要求输入的数据应该在[0,1]区间内，因此，需要对所有原始数据进行归一化，经过归一化之后的数据能够满足上述条件，归一化的公式为：XXijiminYijXXimaximin（注：这里的Yij并不是资本结构的Y，而是因变量归一化计算后的值，两者意义不同）其中，Xij为第i个变量对应的样本中的第j个数据，Xi为第i个变量对应的所有XXXX样本数据，imin是i对应的所有样本中数值最小的数据，imax是i对应的所有样YX本中数值最大的数据，ij就是归一化后ij对应的数据。33 我国上市公司资本结构影响因素及实证研究例如，对流动比率这一指标进行归一化处理：给出一组流动比率的具体数据，如表4-5中2010年的流动比率数据：0.4778,0.4322,1.1303,0.4918,1.2385,3.1804,1.0368,0.3597,1.0324；其中流动比率最大值为3.1804，流动比率最小值为0.3597。现在针对上述流动比率中的数值进行归一化处理，以1.1303为例，对其进行归一化，其结果为（1.1303-0.3597）/（3.1804-0.3597）=0.7706/2.8207=0.2731，0.2731就是1.1303归一化后的结果。在实证研究中，我们不需要人工进行这样的计算，在matlab2012的环境中，有归一化程序可以迅速实现所有变量的归一化处理。4.2.4研究结果本文4.1节构建了BP神经网络模型，4.2节的前部半分对实证研究中所需要的样本和数据进行了收集和整理，接下来本文将会利用BP神经网络模型来进行上市公司资本结构实证研究。首先，向BP神经网络提供训练样本和预测样本。训练样本为2010年沪市全部A股上市公司的相关数据，其中输出变量为因变量资本结构（资产负债率），输入变量为9个自变量；预测样本为2011年沪市全部A股上市公司，输入变量为9个自变量。其次，通过matlab2012软件对BP神经网络模型的结构进行修正和调整，设定BP神经网络的各项参数，如表4-6所示：表4-6BP神经网络各项参数的设定项目参数输入层个数9输入层传递函数tansig输出层个数1输出层传递函数tansig隐含层个数8隐含层传递函数tansig训练函数trainrp最大训练次数30000目标误差0.06BP神经网络在matlab2012中的运行程序为：34 第四章基于神经网络模型的上市公司资本结构预测研究x=xlsread('e:BP神经网络','sheet1');---------------读取网络训练输入数据y=xlsread('e:BP神经网络','sheet1');---------------读取网络训练输出数据x=x';---------------训练输入数据转置y=y';---------------训练输出数据转置[xx,set]=mapminmax(x,0,1);---------------训练输入数据归一化p=xlsread('e:BP神经网络','sheet1');---------------读取网络预测输入数据p=p';---------------预测输入数据转置pp=mapminmax('apply',p,set);---------------预测输入数据归一化net=newff(minmax(xx),[9,8,1],{'tansig','tansig',tansig'},'trainrp');net.trainparam.show=1000;net.trainparam.epochs=30000;net.trainparam.goal=0.06;[net,tr]=train(net,xx,y);---------------网络训练h=sim(net,pp)---------------网络模拟输出（注：以上虚线后面文字为对程序语言操作的解释，非程序语言）通过BP神经网络的计算，得到了模型的拟合图，如图4-1所示：Performanceis0.0599997,Goalis0.06010-110Training-BlueGoal-Black-2100100020003000400050006000700080008012Epochs图4-1模型拟合图35 我国上市公司资本结构影响因素及实证研究从拟合图可以看出，模型得到了拟合，说明本文构建的BP神经网络模型能够逼近输入变量和输出变量之间的关系。BP神经网络的预测结果与真实结果的对比情况，如表4-7所示：表4-7BP神经网络的预测结果与真实结果对比表（部分计算结果）年份股票代码预测值真实值差异差异率20116001190.37150.3717-0.0002-0.0005420116001200.5590.5688-0.0098-0.0172320116001210.71410.7145-0.0004-0.0005620116001220.53990.5487-0.0088-0.0160420116001230.4260.4261-0.0001-0.0002320116001250.10310.10290.00020.00194420116001260.55790.55750.00040.00071720116001270.66310.64370.01940.03013820116001280.51450.50060.01390.02776720116001290.7970.79610.00090.001131………………………………从表4-7可以看出，运用BP神经网络预测的资本结构与上市公司的真实结果之间存在的差异很小，这说明将BP神经网络用于预测上市公司资本结构能够取得较好的预测效果。本文进行的实证研究，将2010年的相关数据作为训练样本，神经网络通过训练样本挖掘出输入变量和输出变量之间的内在关系，建立网络模型。然后将2011年的自变量作为变量输入，通过建立的网络得出预测结果，将预测结果和真实结果进行比较，比较之后发现差异率较小，说明网络的预测效果较好，能够用于资本结构的预测。4.3本章小结本章对上市公司资本结构进行了预测研究，采用BP神经网络模型，将影响上市公司资本结构的内部和外部因素结合起来，带入网络模型，挖掘出它们与资本结构之间的密切关系，并且将模型用于预测，预测的结果与真实结果误差较小，说明模型的预测效果较好。将该模型用于上市公司资本结构的预测，能够为上市公司资本结构决策提供重大的指导作用。36 第五章结论与建议第五章结论与建议5.1研究结论本文在回顾以往资本结构研究文献和相关理论的基础上，以上市公司作为研究样本分析了上市公司资本结构的影响因素，并以此为基础对上市公司资本结构进行了预测。本文得到了以下主要结论:（1）行业因素是影响上市公司资本结构的重要因素，不同行业之间资本结构会明显不同。在我国上市公司中房地产行业和建筑业的资产负债率较高。（2）地域因素也会影响公司的资本结构。公司所处的地域不同，经济发展水平的差距较大，所处的金融市场的环境不同，相应地公司的资本结构也就不同。（3）公司内部中公司资产流动性，公司盈利能力，公司营运能力，公司成长性与公司规模对资本结构有明显影响。研究发现资产流动性与上市资本结构存在负相关关系，盈利能力、营运能力、成长性、公司规模与资本结构存在正相关关系。（4）采用人工神经网络模型，构建了一个智能化的上市公司资本结构预测模型，模型能够较好预测上市公司资本结构。上市公司在未来的实务中能够将该模型应用于预测未来会计期间的资本结构，从而为上市公司做出资本结构决策提供指导意义。5.2建议通过本文的研究，我们可以看到，影响我国上市公司资本结构的因素是各种各样，并且纷繁复杂的（外部因素和内部因素），上市公司进行融资决策也是一个十分复杂的过程。对公司进行资本结构决策的建议如下：（1）公司资产流动性是上市公司进行资本结构决策时应该考虑的重要因素。本文的研究结果表明，流动性与资本结构呈现负相关的关系。上市公司在进行资本结构决策时应该结合公司资产流动性的具体情况，结合公司实际财务状况，做出适合公司的资本结构决策。（2）公司盈利能力是上市公司进行资本结构决策时应该考虑的重要因素。本文的研究结果表明公司的盈利能力与资本结构是正相关的，优序融资理论也是这样认为的。高度的自由度是高盈利能力公司进行资本结构决策时的一个重要特点，之所以会这样，是因为高盈利能力是金融机构放款的一个重要评价指标，所以高盈利公司更容易获得贷款；另一方面，由于我国债券市场的监管制度十分严格，公司发行债券的标准逐渐提高，一些盈利能力低的公司根本无法达到标准发行债券，37 我国上市公司资本结构影响因素及实证研究这也使得公司难以获得债务融资。因此，上市公司在进行资本结构决策时要关注公司的盈利能力。（3）上市公司进行资本结构决策时应该考虑公司的营运能力。我国上市公司资本结构决策应该考虑公司自身的营运能力。公司自身的营运能力的评价指标主要有各类资产的周转率。公司各类资产的周转率较高，表明公司现金流转速度较快，不太容易形成呆账和坏账，这说明公司具有较高的偿还债务的能力，这样的公司能够从银行获得更大限度的贷款，公司也会更好地利用财务杠杆来经营，充分发挥负债经营的好处；相反营运能力较低的公司能够从银行获得的贷款额度会相对较小，也难以发挥负债经营的好处。（4）公司成长性上市公司进行资本结构决策时应该的重要因素。通常，处于成长期的公司的总资产增长率和主营业务收入成长率均成上升趋势，而这样的公司由于发展前景良好，很多银行等金融机构都倾向于向这样的公司提供贷款，而这样的公司也能够充分发挥财务杠杆的作用，利用负债经营进一步促进公司的发展。因此，处在成长期的公司可以根据公司所处的具体生命周期，制定符合自身发展的资本结构决策。（5）上市公司进行资本结构决策时应该考虑公司的公司规模。上市公司在进行资本结构决策时要依据公司的规模大小。公司规模的大小对于公司资本结构有着重大的影响。一般情况下，上市公司的规模大小不同，选择的资本结构也就不同，在这种情况下，要具体问题具体分析，根据自身公司规模的具体情况选择适合自己的融资模式。本文研究表明，那些能够获得较多的债券融资的公司，其公司规模一般都保持在较高水平，这同样也是因为这样的公司有较高的偿还债务的保障和能力。5.3进一步研究方向上市公司资本结构的研究虽然取得了一定的成果，但是由于客观和主观等各方面因素的影响，本文的研究仍然有其不足之处，有待进一步改进：（1）本文对于影响上市公司资本结构的因素方面的研究可能还有不足之处。上市公司的发展受到很多因素的影响，其资本结构也是，本文虽然尽可能全面地从外部和内部两个方面对这些因素进行挖掘，但是难免还有遗漏之处。而且，随着市场经济的不断发展，影响上市公司资本结构的因素也不会一成不变，会随着客观环境的变化而变化，因此，要想更加深入的研究影响上市公司资本结构的因素，应该在38 第五章结论与建议后续的研究过程中不断关注各方面的变化，根据客观实际环境做出更为深入和客观的研究。（2）本文在进行实证研究的过程中，选用了BP神经网络模型，取得了一定的效果。但是，不可否认的是BP神经网络模型有一定的缺点，例如模型运算速度较慢，模型容易达到局部最优等，这些都有可能会影响研究结果。因此，在后续的研究过程中，可以引入一些优化方法来对模型进行优化，提高其运算速度，比如可以采用遗传算法或者粒子群算法等优化算法来优化BP神经网络模型。（3）本文在研究过程中选取了1994-2011年沪市A股全部上市公司的数据进行分析，在后续的研究过程中，可以选择更多年份的数据来进行实证分析。39 我国上市公司资本结构影响因素及实证研究参考文献[1]SulagnaMukherjee,JitendraMahakud.Dynamicadjustmenttowardstargetcapitalstructure:evidencefromIndiancompanies[J].JournalofAdvancesinManagementResearch.2010,7(2):250-266.[2]JensenMichaelC,MecklingWilliamH.TheoryoftheFirm:ManagerialBehavior,AgencyCostsandOwner-shipStructure[J].JournalofFinancialEconomics,1976,3(4):305-360.[3]MyersStewartC.DeterminantsofCorporateBorrowing[J].JournalofFinancialEconomics,1977,5(2):147-176.[4]RossSA.Thedeterminationoffinancialstructure:Theincentive-signalingapproach[J].TheBellJournalofEconomics,1977,8(1):23-41.[5]WarnerJeroldB.BankruptcyCosts:SomeEvidenc[J].JournalofFinance,1977,32(2):337-347.[6]AngJamesS,ChuaJessH,McConnellJohn.TheAdministrativeCostsofCorporareBankruptcy:ANote[J].JournalofFinance,1983,37(1):219-226.[7]SmithCliffordW.AlternativeMethodsforRaisingCapital[J].JournalofFinancialEconomics,1977,(3):273-307.[8]AgyenimBoateng.Determinantsofcapitalstructure[J].InternationalJournalofSocialEconomics,2004,31(1):56-66.[9]MyersSC.Thecapitalstructurepuzzle[J].TheJournalofFinance,1984,39(3):575-583.[10]FamaEF,FrenchKR.Taxes,financingdecisionsandfirmvalue[J].TheJournalofFinance,1988,53(2):819-844.[11]TongGuanqun,GreenChristopherJ.Peckingorder.:trade-offhypothesis?EvidenceonthecapitalstructureofChinesecompanies[J].AppliedEconomics,2005,37(19):2179-2189.[12]AndrsDanis，DanielA.Rettl,ToniM.Whited.Refinancing,profitability,andcapitalstructure[J].JournalofFinancialEconomics,2014,100(12):424-443.[13]JensenMC.Agencycostsoffreecashflow,corporatefinanceandtakeovers[J].AmericanEconomicReview,1986,76(2):323-330.40 参考文献[14]FrielinghausA,MostertB,FirerC.Capitalstructureandthefirm’slifestare[J].SouthAfricanJournalofBusinessManagement,2005,36(4):9-18.[15]BenderR,WardK.Corporatefinancialstrategy[M].Oxford:Butterworth-Heinemann,1993,(4):34-40.[16]HallGrahamC,HutchinsonPatrickJ，MichaelasNicos.DeterminantsoftheCapitalStructuresofEuropeanSMEs[J].JournalofBusinessFinance&Accounting,2004,31(5):711-728.[17]HovakimianA,OplerT,TitmanS.Thedebtequitychoice[J].JournalofFinancialandQuantitativeAnalysis.2001,36(1):1-24.[18]RamziBenkraiem,CalinGurau.HowdocorporatecharacteristicsaffectcapitalstructuredecisionsofFrenchSMEs?[J].InternationalJournalofEntrepreneurialBehaviour&Research,2013,19(2):149-164.[19]Alpert,Marc,Raiffa,Howard.AprogressreportonthetrainingofprobabilityassessorsJudgmentunderuncertainty:heuristicsandbiases[J].Cambridge，England:CambridgeUniversityPress,1969,5(3):61-124.[20]Fishhoff,Baruchetal.Knowingwithcertainty:theappropriatenessofextremeconfidence[J].JournalofExperimentalPsychology:HumanPerceptionandPerformance,1977,(11):552-614.[21]Langer,EllenJ,JaneRoth.HeadsIwin，tailsit’aschance:Theillusionofcontrolasafunctionofthesequenceofoutcomesinapurelychancetask[J].JournalofPersonalityandSocialPsychology,1975,(6):951-955.[22]Weinstein,NeilD.Unrealisticoptimismaboutfuturelifeevents[J].JournalofPersonalityandSocialPsychology,1980,(39):806-826.[23]HackbarthDirk.Managerialtraitsandcapitalstructuredecisions[J].WorkingPaper.Availableat:http://ssrn.com,2004,(11):114-162.[24]FairchildRichardJ.Theeffectofmanagerialoverconfidence，asymmetricinformation，andmoralhazardoncapitalstructuredecisions[J].WorkingPaper.Availableat:http://ssrn.com,2004:1-37.[25]LucasAyresB.deC.Barros，AlexandreDiMicelidaSilveira.Overconfidence，ManagerialOptimismandtheDeterminantsofCapitalStructure.，Availableat:http:41 我国上市公司资本结构影响因素及实证研究//ssrn.com,2007:1-33.[26]黄少安,张岗.中国上市公司股权融资偏好分析[J].经济研究,2001,(11):78-82.[27]王娟,杨凤林.中国上市公司资本结构影响因素的最新研究[J].国际金融研究,2002,(8):33-39.[28]李建军，胡凤云.中国中小企业融资结构、融资成本与影子信贷市场发展[J].宏观经济研究，2013，（5）：7-11[29]陈少华，陈菡，陈爱华.债务资本成本与资本结构动态调整—基于市场化程度差异视角[J].审计与经济研究，2013，（6）：44-53[30]卢斌，曹启龙，刘燕.融资约束、市场竞争与资本结构动态调整—基于产业异质性的研究[J].产业经济研究，2014，（3）：91-100[31]陈雪芩.上市公司资本成本变动影响资本结构的实证研究[J].财会通讯，2014，（7）：75-78[32]肖作平.资本结构影响因素和双向效应动态模型——来自中国上市公司面板数据的新证据[J].经济评论,2004,(17):2.[33]王皓，赵俊.资本结构动态调整模—沪深股市的实证分析[J].经济科学，2004，3：54-62[34]李国重.中国上市公司资本结构的动态目标调整[J].会计研究，2006，12：68-75[35]王志强，洪艺珣.中国上市公司资本结构的长期调整[J].会计研究，2009，6：50-57[36]陈德刚，罗勇.资本结构动态调整研究—来自中国上市公司的经验数据[J].经济问题，2011，3：97-102[37]孙永祥.上市公司的所有权与融资结构[J].当代经济科学,2001,(6):29-33.[38]肖作平.所有权和控制权的分离度、政府干预与资本结构选择[J].南开管理评论，2010,(5):144-152.[39]闵亮，沈悦.宏观冲击下的资本结构动态调整[J].中国工业经济，2011，5：109-118[40]陆静，黄霞.宏观信贷政策、政治关联和公司资本结构[J].山西财经大学学报，2013，3：67-77[41]Odom,M.D.andR.Sharda,ANeuralNetworkModelforBankruptcyPrediction[J].InProceedingsoftheInternationalJointConferenceonNeuralNetworks,1996,(6):78-135.[42]JieSun,Kai-YuHe,HuiLi.SFFS-PC-NNoptimizedbygeneticalgorithmfordynamicpredictionoffinancialdistresswithlongitudinaldatastreams[J].Knowledge-based42 参考文献systems,2011,24(7):132-136.[43]Jieh-HaurChen.DevelopingSFNNmodelstopredictfinancialdistressofconstructioncompanies[J].ExpertSystemswithApplication,2012,39(1):255-262.[44]Wen-TsaoPan.AnewFruitFlyOptimizationAlgorithm:Takingthefinancialdistressmodelasanexample[J].Knowledge-basedsystems,2012,26:233-246[45]方瑞,郑少锋.基于神经网络的公司财务困境预警研究[J].中国管理信息化,2008,(11):77-79.[46]许静,李晓静.财务困境预测中BP神经网络模型应用综述[J].中国管理信息化,2009,(11):7-8.[47]封铁英,王毅敏,段兴民.企业资本结构及其影响因素的关系研究—多元线性回归模型与神经网络模型的比较与应用[J].系统工程,2005,(1):43-48.43 攻读学位期间取得的研究成果攻读学位期间取得的研究成果张国贤.我国上市公司资本结构影响因素研究[J].科技创新与生产力，201544 致谢致谢3年的时间转瞬即逝，经过3年多的硕士研究生的学习，本人终于顺利地完成了本人的硕士学位论文。在这3年多的学习和研究过程中，本人得到了许多人的帮助，在这里，本人要对曾经帮助过我的人们道一声：多谢！首先，感谢我的导师张信东教授对我的悉心栽培。这3年来，在生活上，老师给予了我很大的帮助，使我能够沉着冷静地应对生活中出现的各种问题，帮助我尽快地成长；在学习上，老师给予我非常专业的指导，使我的专业水平和素质有了进一步的提高，对本专业的理论知识有了更加深入的了解；在科研过程中，老师严谨的治学态度深深影响了我，在老师的指引下，我逐渐了解了会计学专业的前沿课题，并对其有深刻的了解和研究，同时掌握了多种科学研究方法，并能够将其运用到实际的科学研究当中，取得了较为不错的成果。在这里，我真诚地对老师说一声：老师，您辛苦了！其次，感谢这3年多以来的各位任课老师，通过聆听各位老师的课程，我拓宽了自己的眼界，进一步提升了自己的专业素养，为我3年多的科学研究以及以后的工作奠定了坚实的专业基础和理论基础。再次，感谢这3年来陪伴我的同学和朋友们，他们在我遇到困难是给予了我最大的支持和帮助，使我能够从困境中走出来，顺利完成我的学业。最后，我要深深感谢我的家人，感谢我的爸爸妈妈在我的研究生学习和生活中给予我的支持、帮助和容忍，他们给予了我一个毫无后顾之忧的学习环境，使我能够专心于学习和科研，最终顺利完成我的学业。在此，我要深深地感谢我的父母，谢谢你们！45 个人简况及联系方式个人简况及联系方式个人简况姓名：张国贤性别：男籍贯：汉个人简历：2006.9——2010.6山西大学本科2011.9——2014.12山西大学研究生联系方式电话：15803403314电子信箱：zhangguoxianz@126.com46 承诺书承诺书本人郑重声明:所呈交的学位论文，是在导师指导下独立完成的，学位论文的知识产权属于山西大学。如果今后以其他单位名义发表与在读期间学位论文相关的内容，将承担法律责任。除文中已经注明引用的文献资料外，本学位论文不包括任何其他个人或集体已经发表或撰写过的成果。作者签名：20年月日47 学位论文使用授权声明学位论文使用授权声明本人完全了解山西大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关机关或机构送交论文的复印件和电子文档，允许论文被查阅和借阅，可以采用影印、缩印或扫描等手段保存、汇编学位论文。同意山西大学可以用不同方式在不同媒体上发表、传播论文的全部或部分内容。保密的学位论文在解密后遵守此协议。作者签名：导师签名：20年月日48
