CNDD-0042  2000-2022年上市公司融资约束数据（FC、KZ、WW指数）及学术论文应用 

01 数据介绍

▪ 关键词：融资约束

▪ 数据编号：0042

▪ 数据名称：上市公司融资约束数据

▪ 数据区间：2000年-2022年

▪ 样本数量：SA指数57,222条； FC指数407,004条；KZ指数407,012条；WW指数57,222条

▪ 数据来源：上市公司经营指标并经CNDD计算得到

▪ 数据说明：融资是一个企业筹集资金的行为与过程。融资约束受到外部金融环境和公司内部治理等多种因素的共同影响，而且其存在对公司的投资行为和融资行为具有较大影响，所以对融资约束的研究具有重要意义。由于融资约束本身难以量化，国内外学者借助一些变量作为指标，衡量公司融资约束的程度。本数据库包括常见的融资约束测度指标，如KZ指数、SA指数和WW指数。

▪ 数据维度：企业层面

▪ 综合评价：企业面临的融资约束情况不仅仅关乎自身的生存与发展，对推动社会经济技术的进步，繁荣市场经济，提升人民的生活水平等发挥着极为重要的作用。因此，研究影响企业融资约束的因素，正视经营中存在的问题，成功摆脱经营困境的泥沼，扭亏为盈，是保证企业良性发展的重要前提。CNDD构建的融资约束数据库通过整理上市公司的经营困境与经营风险信息，为公司管理层、股东、债权人等相关利益者投资决策以及广大学者在经营困境与经济金融风险等领域的研究提供数据支撑。

CNDeepData 数据应用质量评级

▪ 常用度：★★★★★

▪ 稀缺度：★★★★☆

▪ 新颖度：★★★☆☆

▪ 总体级别：12颗星

✔  常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。

✔  稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。

✔  新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。

02 主要指标

▪ SA指数计算办法：

SA=−0.737∗Size+0.043∗𝑆𝑖𝑧𝑒2−0.040∗𝐴𝑔𝑒

Size：企业总资产规模的自然对数；

Age：企业经营年度=观测年度（当前统计截止日期）-企业成立时间（年度）

任何一个指标为空，计算结果为空。

▪ KZ指数计算办法：

1. 样本数据处理：选择沪深上市公司，剔除金融行业公司代码、剔除数据缺失的样本数据；分年度对连续变量进行1%和99%分位上进行winsorize 处理。

2.借鉴Kaplan &Zingales (1997) 的思想，参考谭跃和夏芳（2011）和魏志华等（2014）的方法，按以下步骤构建KZ指数：

 

     运用上述模型的估计结果，计算出每一家上市公司每年的融资约束程度的KZ指数。KZ指数越大，意味着上市公司面临的融资约束程度越高。

▪ FC指数计算办法：

1. 样本数据处理：剔除数据缺失的样本数据，剔除金融行业公司代码；分年度对连续变量进行1%和99%分位上进行winsorize 处理。

2.参考Hadlock and Pierce (2009)、况学文等(2010)、张悦玫等（2017）、顾雷雷等（2020）、陈峻等（2020）建立衡量企业融资约束程度的模型：

第一步，按照年度对公司规模、公司年龄、现金股利支付率三个变量进行标准化处理，并根据标准化后的变量均值对上市公司进行排序(升序)，分别以上下三分位点作为融资约束的分界点，确定融资约束虚拟变量OUFC，大于66%分位的上市公司定义为低融资约束组，OUFC=0，小于33%分位的上市公司定义为高融资约束组，OUFC=1。

第二步，对模型(1)进行 Logit 回归，拟合企业每一年度的融资约束发生概率P，并将其定义为融资约束指数FC(取值在0到1之间)。FC越大，企业的融资约束问题越严重。

▪ WW指数计算办法：

1. 样本数据处理：剔除数据缺失的样本数据（任何参与计算的指标为空，最终结果为空）；

2. 借鉴Whited and Wu（2006）、况学文（2010）、刘莉亚（2015）等的研究方法，构建WW指数：

WW指数值越大,表明公司受到的融资约束程度越高

03 数据特征概览

▪ SA指数：

▪ FC指数：

▪ KZ指数：

▪ WW指数：

▪ 数据描述：分别采用KZ指数、FC指数和WW指数对2000-2021年的我国上市企业收到的平均融资约束程度的时间趋势画图后。结果显示，以KZ指数衡量的我国上市公司平均融资约束程度呈逐年下降态势。以FC指数数衡量的我国上市公司平均融资约束程度在2017年之前整体呈震荡下降态势，2017年之后有所反弹。以WW指数数衡量的我国上市公司平均融资约束程度除了在2012年下降，其余年份均保持在较高水平。具体如下：

 

  04 相关前沿文献速递  

▪ 文献来源：

唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界,2020,36(05):52-66+9.

▪ 文献内容：

数字金融作为传统金融通过科技赋能方式形成的新产物,对微观企业技术创新乃至宏观经济发展质量而言都有着重大影响。文章基于2011-2017年沪深两市A股上市公司数据，探讨数字金融发展对企业技术创新的影响及其内在机理。研究发现,数字金融发展对企业技术创新的确存在“结构性”驱动效果。机制分析表明,数字金融发展能够有效解决企业的”融资难、融资贵”问题，并能够驱动企业去杠杆、稳定财务状况,这些都有助于企业技术创新产出的增加。

▪ 实证模型与相关数据应用

（1）以融资约束作为机制检验的模型：

文章选取了“融资约束与财务费用”和“杠杆与风险稳定”两类渠道进行验证。为了刻画出数字金融影响企业技术创新活动的具体渠道机制，具体模型设置如下。

 在企业融资约束的测算上，文章借鉴 Kaplan 和 Zingales（1997），使用KZ指数（KZ-Index）作为衡量融资约束的代理变量。该指数越大，意味着企业所面临的融资约束程度越大，反之，则企业面临的融资约束程度越小。

（2）机制检验结果解读

下表中，L.DIF对企业融资约束变量（KZ-Index）的回归系数显著为负且高度显著，意味着数字金融极大地缓解了企业融资约束。进一步地，企业融资约束变量对企业的总创新水平、实质性专利创新活动水平有着显著的抑制作用。这意味着，在企业融资约束得以缓解的情况下，企业内部充裕的现金流能够为企业的研发活动提供保障，从而促进了企业实质性创新产出的提升。由此，数字金融缓解了企业的融资约束，从而为自身的技术创新活动营造了更加宽松有利的条件。

05 其他相关文献

[1]彭俞超,韩珣,李建军.经济政策不确定性与企业金融化[J].中国工业经济,2018,No.358(01):137-155.

[2] Duan Y , Jin Y . Financial constraints and synergy gains from mergers and acquisitions[J]. Journal of International Financial Management & Accounting, 2019, 30(1):60-82.

[3] Farre-Mensa J , Ljungqvist A . Do Measures of Financial Constraints Measure Financial Constraints?[J]. Rev. Financ. Stud. 2016.

06 获取方式

以下三种方式三选一即可：

▪ 直接购买

添加客服微信，支付价格为69元。

▪ 朋友圈分享后免费领取（每人限领15份）

持续3小时，集齐5个赞，需要对所有人可见，并且本人关注CNDeepData公众号。

▪ 购买大会员

添加客服微信，购买年度普通会员149元，年度高级会员299元，永久高级会员899元，可享CNDeepData所有数据免费获取。

▪ 朋友圈分享要求：

①分享时间需要在早上7:30到晚上12:30之间。

②请附带一句推荐词，例如“推荐CNDD高质量数据库”。

③请将包含时间内容的截图发给客服。

▪ 添加客服微信方式：

扫描下方二维码，或搜索下方微信号。

添加客服微信号：

DeepData001

获取更多更新数据

版权声明 …

1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。

2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。

数据授权使用说明 …

任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。

中国深度数据库：让精品数据 得以流动

CNDeepData：Let high-quality data flow without barriers