摘 要：針對經濟政策不確定性對企業(yè)金融化影響的問題，采用實證研究的方法，以2011—2021年中國A 股上市公司為研究對象，從數字金融、融資約束視角分析經濟政策不確定性對企業(yè)金融化的影響。研究表明：經濟政策不確定性與企業(yè)金融化顯著正相關；數字金融在經濟政策不確定性與企業(yè)金融化之間發(fā)揮負向調節(jié)作用；融資約束在經濟政策不確定性與企業(yè)金融化之間發(fā)揮正向調節(jié)作用。研究結論為減少經濟政策不確定性對企業(yè)的影響，防止企業(yè)過度虛擬化提供參考。

關鍵詞：經濟政策不確定性；企業(yè)金融化；數字金融；融資約束

中圖分類號： F 275 文獻標志碼： A 文章編號： 1008-391X（2024）02-0112-08

0 引言

近年來，隨著實體投資回報率的不斷下降，企業(yè)金融化問題日益突出，引起廣泛關注。隨著企業(yè)金融化程度不斷加劇，大量資金在金融領域“空轉”，虛擬經濟過度膨脹，實體產業(yè)受到擠壓。

關于經濟政策不確定性對企業(yè)金融化的影響已有一些研究成果。彭俞超等[1]認為，經濟政策不確定性促使企業(yè)減少固定資產投資比重，擴大金融資產投資，從而促進企業(yè)金融化。郭峰等[2]、黃益平等[3]認為，經濟政策不確定性的加劇會導致股票市場波動，并出現銀行惜貸現象，企業(yè)從金融部門獲得的融資額度減少，從而抑制企業(yè)金融化。因此，經濟政策不確定性對企業(yè)金融化的影響有待進一步分析。首先，從企業(yè)外部影響因素來看，隨著大數據、機器學習，以及區(qū)塊鏈等新興技術與金融行業(yè)融合程度不斷加深，傳統(tǒng)金融模式被重塑，數字金融應運而生，企業(yè)的投融資環(huán)境及行為發(fā)生了顯著變化。其次，從企業(yè)內部影響因素來看，企業(yè)金融化實質是企業(yè)的資產配置結構問題，已有研究表明，融資約束是影響金融資產配置的重要因素[4]。

分析數字金融、融資約束是否在經濟政策不確定性與企業(yè)金融化之間發(fā)揮調節(jié)作用成為關注的熱點。

1 文獻綜述

1.1 經濟政策不確定性的影響

經濟政策不確定性是指沒有明確的經濟政策預期，在政策制定過程以及政策執(zhí)行過程中引起的不確定性[5-6]。BAKER 等[7]構建了經濟政策不確定性指數。楊子暉等[8-9]研究發(fā)現，經濟政策不確定性使金融脆弱性增強，風險傳染進一步加劇，系統(tǒng)性金融風險水平升高。許志偉等[10]運用最大份額技術識別經濟政策的沖擊，同時基于新凱恩斯框架具體分析了經濟政策不確定性與宏觀經濟間的傳導路徑。還有學者從經濟政策不確定性對企業(yè)資產配置[11]、債務成本[12]、高管變更[13]等的影響方面展開研究。

1.2 企業(yè)金融化的動機和影響因素

關于企業(yè)金融化動機的研究，目前主要有兩種觀點。一種是“蓄水池”動機，該觀點認為企業(yè)適度持有金融資產可以暫時緩解融資約束，抵御流動性風險[14-15]。另一種是“投資替代”動機，即企業(yè)出于逐利目的，將更多的資金投入到預期回報率較高的金融資產。

關于企業(yè)金融化的影響因素，已有研究從宏觀、微觀兩個層面展開。宏觀層面主要分析了財政政策、貨幣政策、宏觀經濟周期對企業(yè)金融化的影響。胡奕明等[15]研究發(fā)現，金融資產配置與廣義貨幣供應量正相關，與GDP 周期變化負相關。楊箏等[16]基于產權性質差異研究發(fā)現，貸款利率下限管控的放松對企業(yè)金融化具有顯著抑制作用。微觀層面主要分析了CEO 背景、社會責任、外部盈利壓力、傳染效應與企業(yè)金融化之間的關系。企業(yè)內部特征方面，杜勇等[17]基于烙印原理研究發(fā)現，CEO 金融從業(yè)背景使其對金融項目的機會篩選和風險把控能力更為突出，從而加劇企業(yè)金融化。劉姝雯等[18]研究發(fā)現，企業(yè)的社會責任越大企業(yè)金融化程度越低。企業(yè)外部環(huán)境方面，柳永明等[19]分析了中國上市公司的金融資產收益特征，以及外部盈利壓力會強化金融投資對實體投資的擠出效應。王營等[20]基于董事網絡框架研究發(fā)現，企業(yè)金融化行為可能受到同伴企業(yè)影響，具有傳染效應。

已有研究對經濟政策不確定性的影響，以及企業(yè)金融化的動機和影響因素進行了分析。在此基礎上，本文從數字金融和融資約束視角出發(fā)，進一步分析經濟政策不確定性對企業(yè)金融化的影響。

2 理論基礎與研究假設

2.1 經濟政策不確定性與企業(yè)金融化

首先，基于預防性儲蓄理論，金融資產作為流動性較強的儲蓄與投資工具，使高金融資產配置成為一種本能與自然的選擇[21]。當經濟政策不確定性升高時，企業(yè)的經營風險增加，現金流不確定性增強，企業(yè)資金流動性短缺的可能性增大。經濟政策不確定性的增強會加劇市場波動，進而影響企業(yè)績效?；诖?，企業(yè)考慮未來可能面臨的經營困境和財務危機，會增加金融資產等易變現的流動性資產。

其次，基于實物期權理論，固定資產投資項目的不可逆性與沉沒成本使企業(yè)投資決策更為慎重。企業(yè)未來投資機會可視為看漲期權，經濟政策不確定性越大，隨等待價值而增加的期權價值對企業(yè)的吸引力越大，此時，企業(yè)會減少當期的固定資產投資，擴大金融資產配置規(guī)模。

最后，經濟政策不確定性的加劇可能導致企業(yè)陷入經營困境。企業(yè)管理者由于面臨較大的盈利和業(yè)績考核壓力，當企業(yè)金融化帶來收益時，可以減少其業(yè)績考核壓力，將業(yè)績歸功于自身的正確決策和多元化經營。當企業(yè)金融化導致虧損時，企業(yè)管理者可將其歸咎于市場波動與經濟政策不確定性的影響。據此，提出假設H1。

假設H1：經濟政策不確定性與企業(yè)金融化顯著正相關。

2.2 數字金融在經濟政策不確定性與企業(yè)金融化之間的調節(jié)作用

經濟政策不確定性的加劇將導致銀行等金融機構提高貸款門檻，減少放貸。部分企業(yè)面臨融資難問題，此時企業(yè)“蓄水池”動機增強，從而配置更大規(guī)模的金融資產用來增加流動性儲備。然而隨著互聯網技術的發(fā)展，數字技術與金融業(yè)融合程度不斷加深，數字金融借助數字技術實現企業(yè)融資、投資、理財模式的創(chuàng)新，具有覆蓋范圍廣、形式多樣、成本低等特點，在緩解實體經濟融資難方面發(fā)揮了重要作用。

數字金融的出現弱化了企業(yè)配置金融資產的“蓄水池”動機。一方面，數字金融具有成本低、耗時短、可觸達性強的優(yōu)勢，以更低的成本提供更便捷的融資服務，從而提高企業(yè)資金的可獲得性[3]。另一方面，數字金融將大量非結構化信息進行分類，有效緩解了企業(yè)與傳統(tǒng)金融機構之間的信息不對稱，提高了融資效率[22]。數字金融的發(fā)展使企業(yè)對資金的合理需求得到滿足，“蓄水池”動機減弱，企業(yè)金融資產配置水平下降。綜上，雖然經濟政策不確定性導致企業(yè)“蓄水池”動機增強，企業(yè)金融化水平上升，但在數字金融背景下，這種“蓄水池”動機已逐步弱化，企業(yè)金融化趨勢得以緩解。據此，提出假設H2。

假設H2：數字金融在經濟政策不確定性與企業(yè)金融化之間發(fā)揮負向調節(jié)作用。

2.3 融資約束在經濟政策不確定性與企業(yè)金融化之間的調節(jié)作用

企業(yè)經營離不開持續(xù)、穩(wěn)定的資金流，傳統(tǒng)融資渠道主要為債務性融資和權益性融資，權益性融資門檻較高且審批程序復雜，因此，以銀行等金融機構為資金來源的債務性融資更為普遍。隨著經濟政策不確定性加劇，銀行等金融機構由于面臨復雜的經濟形勢和更多的不確定性，將更加謹慎地發(fā)放貸款，從而提高貸款門檻，此時企業(yè)外部融資更加困難。當企業(yè)融資約束處于較高水平時，根據預防性儲蓄理論，企業(yè)配置金融資產的動機將進一步增強，以緩解資金壓力并隨時補充企業(yè)現金流，即高融資約束水平會進一步加劇經濟政策不確定性對企業(yè)金融化的促進作用[23]。此外，出于逐利動機，企業(yè)處于高水平融資約束下，企業(yè)內部可以利用的資金有限，企業(yè)管理者會更加珍惜有限資源，選擇最優(yōu)投資組合，以實現投資利潤最大化，從而選擇投資收益更高的金融資產。據此，提出假設H3。

假設H3：融資約束在經濟政策不確定性與企業(yè)金融化之間發(fā)揮正向調節(jié)作用。

3 研究設計

3.1 樣本選取與數據來源

選取2011—2021 年中國A股上市公司作為研究對象。數據來源于CSMAR 數據庫，經濟政策不確定性數據來源于芝加哥大學和斯坦福大學共同開發(fā)的經濟政策不確定性指數網站，數字金融數據來源于北京大學數字金融研究中心。對樣本進行如下篩選：剔除金融業(yè)、房地產業(yè)企業(yè)以及ST*、ST 類企業(yè)；剔除財務數據缺失的樣本。此外，為消除極端值的影響，將連續(xù)變量進行上下1%水平的縮尾處理，最后得到35 512 個非平衡面板觀測值。

3.2 變量選取

（1）被解釋變量

企業(yè)金融化Fin，目前衡量企業(yè)金融化主要有兩種方式：一是從資產視角出發(fā)，即用金融資產與總資產的比值來表示企業(yè)金融化。二是從收益視角出發(fā)，即用金融資產收益與經營利潤的比值來表示企業(yè)金融化[24]。從資產視角出發(fā)更符合本文對企業(yè)金融化的定義。因此，參考杜勇等[14]、彭俞超等[1]的研究方法，選取交易性金融資產、衍生金融資產、發(fā)放貸款及墊款凈額、可供出售金融資產凈額、持有至到期投資凈額、投資性房地產凈額作為金融資產。用金融資產與總資產的比值來衡量企業(yè)金融化。

（2）解釋變量

經濟政策不確定性1 Epu1、經濟政策不確定性2 Epu2，BAKER 等[7]最先提出對報紙中的關鍵詞進行文本篩選和頻率統(tǒng)計，構建經濟政策不確定性指數，用來衡量各個國家和地區(qū)的經濟政策不確定性水平。由于BAKER 等所構建的經濟政策不確定性指數屬于月度指數，而本研究中的經濟政策不確定性指數屬于季度數據。因此，分別采用算術平均值法和幾何平均值法，將月度指數轉換成季度指數，即經濟政策不確定性1 Epu1、經濟政策不確定性2 Epu2，再將這兩類平均值分別除以1 000。

（3）調節(jié)變量

數字金融Dif，選取省級數字普惠金融總指數衡量數字金融。

融資約束Kz，借鑒KAPLAN 等[25]的研究方法構建KZ 指數，通過分析公司投資和資本結構的關系，判斷其是否受到融資約束的影響。數值越大表示企業(yè)面臨的融資約束程度越高。

（4）控制變量

借鑒彭俞超等[1]的研究方法，選取以下10 個控制變量：企業(yè)規(guī)模Size；資產負債率Lev；企業(yè)盈利能力Roa；企業(yè)成長性Growth；托賓Q 值TobinQ；股權集中度Top10；兩職兼任Dual；企業(yè)年齡Age；管理層持股比例Manhold；董事會規(guī)模Bdsize。

變量說明見表1。

3.3 模型構建

為驗證假設H1，借鑒劉貫春等[11]的研究方法，構建模型（1）為

Fin＝β0＋β1Epu＋β2Controls+∑Indu+∑Prov+μ+ε。 （1）

為驗證假設H2，構建模型（2）為

Fin＝β0＋β1Epu＋β2Dif+β3Dif×Eup+β4Controls+∑Indu+∑Prov+μ+ε。 （2）

為驗證假設H3，構建模型（3）為

Fin＝β0＋β1Epu＋β2Kz+β3Kz×Eup+β4Controls+∑Indu+∑Prov+μ+ε。 （3）

式（1）～式（3）中： β0為常數； βi（i=1，2，…，4）為回歸系數；Fin 為企業(yè)金融化；Epu 為經濟政策不確定性，用經濟政策不確定性1 Epu1、經濟政策不確定性2 Epu2衡量；Dif 為數字金融；Kz 為融資約束；Dif×Epu 為數字金融Dif 與經濟政策不確定性Epu 的交互項；Kz×Epu 為融資約束Kz 與經濟政策不確定性Epu 的交互項；Controls為控制變量；參考陳春華等[22]的研究方法，加入行業(yè)Indu、省份Prov 虛擬變量，分別控制行業(yè)、省份可能存在的系統(tǒng)性差異；μ 為企業(yè)固定效應，用于控制不隨時間變化且不易觀測的企業(yè)固有特性；ε 為殘差。

4 實證分析

4.1 描述性統(tǒng)計

變量的描述統(tǒng)計結果見表2。由表2 可知，企業(yè)金融化Fin 的均值為0.022，最大值為0.301，最小值為0，表明部分樣本企業(yè)不持有金融資產，但也有一些樣本企業(yè)的金融資產比例高達0.301，即樣本企業(yè)金融化存在顯著差異。經濟政策不確定性1 Epu1、經濟政策不確定性2 Epu2 的均值分別為0.203、0.190；最小值分別為0.090、0.079，最大值分別為0.527、0.526，表明經濟政策不確定性較大。數字金融Dif 的均值為2.010，最大值為3.303，最小值為0.794，表明樣本企業(yè)的數字金融差異較大。融資約束Kz 的均值為0.314，最大值為10.983，最小值為-10.906，表明樣本企業(yè)的融資約束程度差異較大。

4.2 回歸分析

對各個變量進行多元回歸分析，結果見表3。由表3 可知，模型（1）中經濟政策不確定性1 Epu1 與企業(yè)金融化Fin 正相關，回歸系數為0.009，在1%的水平上顯著。經濟政策不確定性2 Epu2 與企業(yè)金融化Fin 正相關，回歸系數為0.014，在1%的水平上顯著。表明經濟政策不確定性與企業(yè)金融化顯著正相關，假設H1 得到驗證。

模型（2）中數字金融Dif 與企業(yè)金融化Fin 正相關，回歸系數為0.005，在5%的水平上顯著。數字金融Dif 與經濟政策不確定性1 Epu1 的交互項Dif×Epu1 與企業(yè)金融化Fin 負相關，回歸系數為-0.016，在1%的水平上顯著。數字金融Dif 與經濟政策不確定性2 Epu2 的交互項Dif×Epu2 與企業(yè)金融化Fin 負相關，回歸系數為-0.016，在5%的水平上顯著。表明數字金融在經濟政策不確定性與企業(yè)金融化之間發(fā)揮負向調節(jié)作用，假設H2 得到驗證。

模型（3）中融資約束Kz 與企業(yè)金融化Fin 正相關，回歸系數為0.001，在1%的水平上顯著。融資約束Kz 與經濟政策不確定性1Epu1 的交互項Kz×Epu1 與企業(yè)金融化Fin 正相關，回歸系數為0.004，在1%的水平上顯著。融資約束Kz 與經濟政策不確定性2Epu2 的交互項Kz×Epu2 與企業(yè)金融化Fin 正相關，回歸系數為0.003，在1%的水平上顯著，表明融資約束在經濟政策不確定性與企業(yè)金融化之間發(fā)揮正向調節(jié)作用，假設H3得到驗證。

4.3 穩(wěn)健性檢驗

為避免模型設定可能存在遺漏變量而引起的內生性問題。借鑒張成思等[23]的研究方法，選取美國經濟政策不確定性指數作為工具變量，分別采用兩階段最小二乘法、高斯混合模型方法進行參數估計，回歸結果與本文基準模型回歸結果基本吻合，表明研究結論具有較好的穩(wěn)健性。

5 結論與建議

5.1 結論

以2011—2021 年中國A股上市公司為研究對象，分析經濟政策不確定性對企業(yè)金融化的影響，得出如下結論。

經濟政策不確定性與企業(yè)金融化顯著正相關。數字金融在經濟政策不確定性與企業(yè)金融化之間發(fā)揮負向調節(jié)作用，即數字金融會緩解經濟政策不確定性對企業(yè)金融化的促進作用。融資約束在經濟政策不確定性與企業(yè)金融化之間發(fā)揮正向調節(jié)作用。

5.2 建議

企業(yè)應加強經濟政策不確定性的預警與研判，建立經濟政策不確定性沖擊應急響應機制，最大限度減少經濟政策不確定性帶來的影響。對欠發(fā)達地區(qū)，尤其是處于成長初期的民營企業(yè)要加大政策優(yōu)惠和扶持力度，注重企業(yè)實體投資，弱化企業(yè)金融化動機。加快構建以國內大循環(huán)為主體、國內國際雙循環(huán)相互促進的新發(fā)展格局，以金融科技為抓手，促進金融業(yè)良性競爭，使金融業(yè)向實體經濟讓利，降低實體經濟成本，增強經濟韌性，防止企業(yè)過度虛擬化。

參考文獻：

[1]彭俞超，韓珣，李建軍.經濟政策不確定性與企業(yè)金融化[J].中國工業(yè)經濟，2018（1）：137-155.

[2]郭峰，王靖一，王芳，等.測度中國數字普惠金融發(fā)展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

[3]黃益平，黃卓.中國的數字金融發(fā)展：現在與未來[J].經濟學（季刊），2018，17（4）：1489-1502.

[4]徐光偉，孫錚，劉星.經濟政策不確定性對企業(yè)投資結構偏向的影響——基于中國EPU 指數的經驗證據[J].管理評論，2020，32（1）：246-261.

[5]GULEN H，ION M.Policy uncertainty and corporate investment[J].The Review of Financial Studies，2016，29（3）：523-564.

[6]DETZEL，ANDREW，BROGAARD，et al.The asset-pricing"implications of government economic policy uncertainty[J].Management Science，2015，61（1）：3-18.

[7]BAKER S R，BLOOM N，DAVIS S J.Measuring economic"policy uncertainty[J].The Quarterly Journal of Economics，2016，131（4）：1593-1636.

[8]楊子暉，李東承，王姝黛.合成網絡新視角下的輸入性金融風險研究[J].中國工業(yè)經濟，2022（3）：38-56.

[9]楊子暉，陳里璇，陳雨恬.經濟政策不確定性與系統(tǒng)性金融風險的跨市場傳染——基于非線性網絡關聯的研究[J].經濟研究，2020，55（1）：65-81.

[10]許志偉，王文甫.經濟政策不確定性對宏觀經濟的影響——基于實證與理論的動態(tài)分析[J].經濟學（季刊），2019，18（1）：23-50.

[11]劉貫春，劉媛媛，張軍.經濟政策不確定性與中國上市公司的資產組合配置——兼論實體企業(yè)的“金融化”趨勢[J].經濟學，2020，20（5）：65-86.

[12]BRADLEY D，PANTZALIS C，YUAN X.Policy risk，corporate political strategies，and the cost of debt[J].Journal"of Corporate Finance，2016，40：254-275.

[13]饒品貴，徐子慧.經濟政策不確定性影響了企業(yè)高管變更嗎？ [J].管理世界，2017（1）：145-157.

[14]杜勇，張歡，陳建英.金融化對實體企業(yè)未來主業(yè)發(fā)展的影響：促進還是抑制[J].中國工業(yè)經濟，2017（12）：113-131.

[15]胡奕明，王雪婷，張瑾.金融資產配置動機：“蓄水池”或“替代”？——來自中國上市公司的證據[J].經濟研究，2017，52（1）：181-194.

[16]楊箏，王紅建，戴靜，等.放松利率管制、利潤率均等化與實體企業(yè)“脫實向虛”[J].金融研究，2019（6）：20-38.

[17]杜勇，謝瑾，陳建英.CEO 金融背景與實體企業(yè)金融化[J].中國工業(yè)經濟，2019（5）：136-154.

[18]劉姝雯，劉建秋，陽旸，等.企業(yè)社會責任與企業(yè)金融化：金融工具還是管理工具？[J].會計研究，2019（9）：57-64.

[19]柳永明，羅云峰.外部盈利壓力、多元化股權投資與企業(yè)的金融化[J].財經研究，2019，45（3）：73-85.

[20]王營，曹廷求.企業(yè)金融化的傳染效應研究[J].財經研究，2020，46（12）：152-166.

[21]饒品貴，岳衡，姜國華.經濟政策不確定性與企業(yè)投資行為研究[J].世界經濟，2017，40（2） 27-51.

[22]陳春華，曹偉，曹雅楠，等.數字金融發(fā)展與企業(yè)“脫虛向實”[J].財經研究，2021，47（9）：78-92.

[23]張成思，劉貫春.中國實業(yè)部門投融資決策機制研究——基于經濟政策不確定性和融資約束異質性視角[J].經濟研究，2018，53（12）：51-67.

[24]戴賾，彭俞超，馬思超.從微觀視角理解經濟“脫實向虛”——企業(yè)金融化相關研究述評[J].外國經濟與管理，2018，40（11）：31-43.

[25]KAPLAN S N，ZINGALES L.Do investment-cash flow"sensitivities provide useful measures of financing constraints？[J].The Quarterly Journal of Economics，1997，112（1）：169-215.

基金項目：遼寧省教育廳基本科研項目（LJ2019ZL006）；遼寧省社會科學規(guī)劃基金項目（L19BJY027）