Maturity matching in unlisted firms: The within-firm evidence
イタリアの上場外企業に関する包括的なデータセットを用い、本論文は、資産の有形性が負債の満期構成に大きく影響することを示す企業内証拠を提示しており、これにより、異なる企業レジームにおいても満期の一致が行われていること、および規制による認証は、企業の特性を形成するのではなく、主に特定のバランスシート特性を持つ企業を選別していることを明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
資金を借り入れるすべての企業は、時間に関する根本的な選択に直面する。例えば、1年以内に返済しなければならない短期的なローンを組むのか、あるいは数年にわたって継続する長期的なローンを確保するのかという選択である。「成熟度マッチング（maturity matching）」と呼ばれる、この管理方法に関する理論は、シンプルで論理的な考えに基づいている。それは、企業は負債の期間を、購入する資産の期間と一致させるように努めるべきであるという概念である。もし企業が、数十年にわたって存続する工場や大型機械に投資するのであれば、その支払いのために長期にわたって資金を借り入れるのが合理的である。逆に、もし企業がこれらの長寿命な資産を購入するために短期ローンを利用すれば、資産が価値を生み出し終える前に、古い負債を返済するための新しい資金を常に探し続けなければならないという、リスクの高い状況に陥ることになる。上場している大企業については、このマッチングが行われていることが研究者によって古くから知られている。しかし、株式市場で株を販売していない何百万もの中小規模の非公開企業については、その実態はこれまで不透明なままであった。これらの小規模な企業が実際にローンの条件を選択できるのか、それとも単に利用可能な短期信用を強制的に受け入れざらを得ないのか、私たちは分かっていなかったのである。
イタリアの研究チームは、1万1千社以上の未公開企業の財務記録を直接調査することで、この不確実性を解消しようと試みた。彼らは、「建物や機械などの物理的な資産の保有量が、負債の短期対長期の割合を決定するのか？」という特定の問いに焦点を当てた。研究チームは、2016年から2024年までのこれら企業の財務状況を示す、約7万4千件のスナップショットを含む膨大なデータセットを収集した。この期間には、一般的な中小企業、革新的な中小企業、そして政府の公式なイノベーション認証を受けた新しいスタートアップ企業が混在していた。これらのグループはいずれも同じ方法で会計報告を行っていたため、報告ルールの違いによってデータが歪められることなく、公平に比較することができた。彼らは、ある企業間での比較だけでなく、個々の企業内において、時間の経過とともに資産と負債のマッチングがどのように行われるのかを確認したいと考えた。
研究の結果、成熟度マッチングのルールは中小規模の非公開企業においても実在するものの、大企業ほど強力ではないことが確認された。研究者が、ある企業が物理的資産を増やした際に、その負債構造がどのように変化するかを調査したところ、明確なパターンが見出された。企業が固定資産の割合を増やした場合、確かに一部の借り入れを長期ローンへとシフトさせていた。しかし、この調整は不完全であった。データによれば、企業は新しい機械を購入した瞬間に負債ポートフォリオ全体を即座に再編するわけではなく、変化は時間の経過とともに段階的に起こる。研究者たちは、新しい資産の購入が企業の負債期間に与える完全な影響が顕在化するには時間がかかることを算出し、最終的な調整幅は、単年で見られる即時の変化のほぼ2倍に達することを示した。この発見は、多くの財務研究における「企業は単一年度内に即座に負債を調整する」という一般的な仮定に疑問を投げかけるものである。
おそらく最も示唆に富む発見は、サンプルに含まれる企業タイプの違いに関するものであった。研究者は、このマッチング・ルールの強さが企業のステータスに大きく依存していることを見出した。一般的な中小企業は、長期資産を長期負債と一致させる強い傾向を示した。一方、革新的な中小企業はより弱い傾向を示し、新興の革新的スタートアップ企業は最も弱い繋がりを示した。これらのスタートアップ企業にとって、物理的資産を所有していることは、長期ローンを確保する上でほとんど役に立たなかった。研究者たちは、これがスタートアップの計画性の欠如によるものではなく、単に市場側が、彼らが何を所有していようとも長期的な貸し付けを行わないからではないかと推測した。これを検証するため、彼らは公式のラベルを完全に無視し、純粋にバランスシートの形状に基づいて企業をグループ化する新しい手法を作成した。この手法により、企業は自然に公式のカテゴリーと一致するグループへと分類された。その結果、スタートアップのような特徴を持つグループは、資産と負債の結びつきが最も弱く、一方で一般企業のような特徴を持つグループは最も強かった。これは、政府の認証自体が差異を生み出したのではなく、むしろその認証が、長期ローンとのマッチングが困難なバランスシートを元々持っている企業を選別していたことを証明している。
本研究はまた、財務研究における共通の懸念事項、すなわち、データの分析に使用される数学的公式が、ビジネスの複雑な現実を捉えるには単純すぎるのではないかという点についても対処した。研究者たちは、線形方程式を、データの微妙な曲線関係を検出できる高度なコンピュータモデルと比較検証した。その結果、シンプルな直線モデルが極めてうまく機能することが判明した。複雑なコンピュータモデルは、シンプルなモデルが見逃している隠れたパターンを見つけ出すことはできず、場合によっては、新しいデータでテストした際に複雑なモデルの方が性能が悪かった。このことは、企業の物理的資産と負債構造の関係が、隠れた相互作用の絡み合った網のようなものではなく、実際には単純かつ比例的であることを示唆している。研究者たちは、これらの企業にとって、資産と負債のマッチング・ルールは実在し、測定可能な力ではあるものの、貸し手に「待ってもらう」能力によって大きく制約されていると結論づけた。多くの革新的なスタートアップにとって、その能力が欠如している場合、長期的な資産の山を短期的なローンの流れで賄うという不安定な立場に置かれることになり、政策立案者は支援プログラムを設計する際にこの点を考慮すべきである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。