摘 要：為應(yīng)對當(dāng)今世界經(jīng)濟(jì)復(fù)雜變化，我國貨幣政策調(diào)整速度和頻次有所加快，市場主體的預(yù)期與行為將不可避免地受到影響。文章基于我國2007—2022年滬深A(yù)股上市企業(yè)數(shù)據(jù)樣本，采用TVP-SV-FAVAR模型、主成分分析法與MCMC算法估計(jì)中國貨幣政策不確定性，并結(jié)合實(shí)物期權(quán)理論框架，實(shí)證分析對企業(yè)投資效率的影響。研究發(fā)現(xiàn)，貨幣政策不確定性提升會(huì)顯著增大企業(yè)非效率投資，企業(yè)可能出現(xiàn)投資過度或投資不足的現(xiàn)象，導(dǎo)致經(jīng)濟(jì)效率的損失。經(jīng)過替換關(guān)鍵變量、排除系統(tǒng)性偏差和剔除經(jīng)濟(jì)波動(dòng)后，結(jié)果依舊支持初步發(fā)現(xiàn)，并通過工具變量法和雙重差分法緩解了內(nèi)生性問題。作用機(jī)制分析表明，貨幣政策不確定性提升，通過降低融資便捷度、惡化金融資源配置、提高現(xiàn)金流不確定性水平三條路徑增加企業(yè)非效率投資，拓展了貨幣政策傳導(dǎo)的研究邊界。異質(zhì)性分析顯示，貨幣政策不確定性會(huì)同時(shí)引起企業(yè)投資過度與不足，對民營企業(yè)、東中部地區(qū)企業(yè)及高科技企業(yè)非效率投資的影響更為顯著，深化對貨幣政策執(zhí)行效果的理論研究。在此基礎(chǔ)上，提出構(gòu)建常態(tài)化溝通機(jī)制、創(chuàng)新多元化融資方式、完善層級(jí)化政策評(píng)估、實(shí)行差異化因應(yīng)策略等政策建議，為正確評(píng)價(jià)貨幣政策效果、促進(jìn)貨幣當(dāng)局精準(zhǔn)施策與推進(jìn)金融高質(zhì)量發(fā)展提供理論依據(jù)和實(shí)踐借鑒。

關(guān)鍵詞：貨幣政策不確定性 非效率投資 融資便捷度 金融錯(cuò)配 現(xiàn)金流不確定性

DOI：10.19592/j.cnki.scje.420187

JEL分類號(hào)：G24， G32， G38 中圖分類號(hào)：F832.48

文獻(xiàn)標(biāo)識(shí)符：A 文章編號(hào)：1000 - 6249（2025）01 - 053 - 20

基金項(xiàng)目：本文受國家自然科學(xué)基金項(xiàng)目“中央銀行數(shù)字貨幣對貨幣政策傳導(dǎo)的影響和作用機(jī)理研究”（72103084）資助。

一、引 言

后新冠疫情時(shí)代，我國經(jīng)濟(jì)逐步復(fù)蘇向好，高質(zhì)量發(fā)展扎實(shí)推進(jìn)，新發(fā)展格局已然形成。伴隨宏觀政策持續(xù)發(fā)力，經(jīng)濟(jì)社會(huì)大局保持穩(wěn)定，內(nèi)需提振穩(wěn)步加速，供給結(jié)構(gòu)日漸優(yōu)化，主要經(jīng)濟(jì)指標(biāo)企穩(wěn)回升，彰顯出我國經(jīng)濟(jì)發(fā)展的強(qiáng)勁韌性。與此同時(shí)，世界經(jīng)濟(jì)復(fù)蘇乏力，全球消費(fèi)持續(xù)低迷，潛在通脹風(fēng)險(xiǎn)隱現(xiàn)，“黑天鵝”事件頻頻爆發(fā)，世界經(jīng)濟(jì)面臨多重不確定性。經(jīng)濟(jì)全球化背景下，外部環(huán)境變化不可避免地對我國經(jīng)濟(jì)產(chǎn)生溢出效應(yīng)。為應(yīng)對這一系列外部沖擊，實(shí)現(xiàn)“穩(wěn)預(yù)期、穩(wěn)增長、穩(wěn)就業(yè)”要求，我國持續(xù)推進(jìn)金融體制改革，疏浚貨幣政策傳導(dǎo)機(jī)制，綜合運(yùn)用貨幣政策工具，不斷增大政策調(diào)控力度，推動(dòng)我國經(jīng)濟(jì)航船行穩(wěn)致遠(yuǎn)。

企業(yè)是市場經(jīng)濟(jì)微觀主體，在國民經(jīng)濟(jì)中占有舉足輕重的地位。企業(yè)投資是企業(yè)的重要行為決策，也是優(yōu)化資源配置的重要方式。投資效率是衡量企業(yè)投資成效的關(guān)鍵指標(biāo)，不僅反映了生產(chǎn)要素利用狀態(tài)和經(jīng)濟(jì)效益提升情況，而且映射出要素資源配置效率和宏觀經(jīng)濟(jì)發(fā)展態(tài)勢。當(dāng)前，我國深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革，著力實(shí)施擴(kuò)大內(nèi)需戰(zhàn)略，發(fā)揮超大規(guī)模市場和強(qiáng)大生產(chǎn)能力的優(yōu)勢，為企業(yè)“投資擴(kuò)面增量”提供重大發(fā)展機(jī)遇，也為發(fā)揮投資對優(yōu)化供給結(jié)構(gòu)的關(guān)鍵作用提供檢驗(yàn)平臺(tái)。當(dāng)今世界瞬息萬變，我國創(chuàng)新和完善宏觀調(diào)控體系，加大對重大戰(zhàn)略、重點(diǎn)領(lǐng)域及薄弱環(huán)節(jié)提供金融服務(wù)，貨幣政策調(diào)整速度和頻次有所加快，其間內(nèi)蘊(yùn)的不確定性是否會(huì)對企業(yè)投資效率產(chǎn)生影響？具體的作用機(jī)理和傳導(dǎo)路徑又是如何？對不同維度企業(yè)的影響是否具有異質(zhì)性？對于以上問題的回答，有助于正確評(píng)價(jià)貨幣政策執(zhí)行效果，為貨幣當(dāng)局精準(zhǔn)施策和推進(jìn)金融高質(zhì)量發(fā)展提供理論依據(jù)和實(shí)踐借鑒。

本文以2007—2022年滬深A(yù)股上市企業(yè)為研究樣本，實(shí)證檢驗(yàn)貨幣政策不確定性對企業(yè)投資效率的影響，剖析兩者之間的相關(guān)關(guān)系和影響機(jī)制，探究此種影響在不同類型企業(yè)和不同非效率投資中的異質(zhì)性。相較于已有研究，本文可能的創(chuàng)新之處在于：

第一，經(jīng)濟(jì)學(xué)研究中，宏觀經(jīng)濟(jì)政策的承受對象往往是微觀主體（靳慶魯?shù)龋?012），并且經(jīng)濟(jì)政策不確定性被視為將“勻質(zhì)”地對微觀主體行為產(chǎn)生影響（Bordo et al.，2016；Creal and Wu，2017）。在有關(guān)企業(yè)投資效率的研究中，現(xiàn)有文獻(xiàn)主要基于經(jīng)濟(jì)政策不確定性視角（饒品貴等，2017；顧海峰和朱慧萍，2021），或從貨幣政策（李小林等，2021）、產(chǎn)業(yè)政策（張新民等，2017）、綠色信貸政策（王艷麗等，2021）等不同政策類型進(jìn)行分析，鮮有文獻(xiàn)直接探究貨幣政策不確定性與企業(yè)投資效率之間的關(guān)系。本文探討貨幣政策不確定性對企業(yè)投資效率的影響，既拓展了經(jīng)濟(jì)不確定性背景下貨幣政策不確定性的微觀效應(yīng)，也豐富了企業(yè)投資效率決定因素的相關(guān)研究。

第二，貨幣政策具有一定的易變性，宏觀經(jīng)濟(jì)發(fā)生變化導(dǎo)致貨幣政策立場改變，貨幣政策傳導(dǎo)如黑匣子一樣難以預(yù)測，需要對貨幣政策不確定性進(jìn)行合理度量。本文借鑒Jurado et al.（2015）與劉慧和張勇（2022），基于TVP—SV—FAVAR模型，利用主成分分析法與馬爾科夫鏈蒙特卡羅（MCMC）算法剝離宏觀經(jīng)濟(jì)變量的可預(yù)測部分，此法通過估計(jì)經(jīng)濟(jì)變量期望誤差波動(dòng)率（即不可預(yù)測部分）來度量貨幣政策不確定性，可以降低文本分析法受媒體報(bào)道主觀性影響及計(jì)算單一變量標(biāo)準(zhǔn)差和殘差的片面性，進(jìn)而對貨幣政策不確定性度量造成的偏差。同時(shí)，已有文獻(xiàn)較少考慮全球貨幣政策的關(guān)聯(lián)性，本文在控制國內(nèi)宏觀經(jīng)濟(jì)變量的基礎(chǔ)上將全球經(jīng)濟(jì)政策不確定性（GEPU）納入模型以控制外部影響因素。

第三，貨幣政策不確定性對企業(yè)投資效率影響的異質(zhì)性，基于非效率投資類型、企業(yè)產(chǎn)權(quán)性質(zhì)、區(qū)域位置以及行業(yè)性質(zhì)等多重維度展開分析。當(dāng)前，我國企業(yè)融資主要依賴于銀行信貸，已有研究主要從信貸規(guī)模（鐘凱等，2017）、信貸成本（顏忠寶等，2023）等數(shù)量層面分析，本文以實(shí)物期權(quán)理論為基礎(chǔ)，基于融資約束視角提出融資便捷度、金融資源錯(cuò)配、現(xiàn)金流不確定性等可能的中介機(jī)制，三者相互支撐形成一個(gè)結(jié)構(gòu)化、遞進(jìn)式的邏輯鏈條，更立體地剖析貨幣政策不確定性對企業(yè)投資效率的作用路徑，并探究此種作用對不同產(chǎn)權(quán)性質(zhì)、不同地區(qū)與行業(yè)企業(yè)潛在影響的差異性，為保持貨幣政策連續(xù)性和穩(wěn)定性、重塑經(jīng)濟(jì)內(nèi)生增長動(dòng)能，進(jìn)而更為精準(zhǔn)地實(shí)施貨幣政策提供一定的借鑒參考。

二、理論分析與研究假設(shè)

（一）貨幣政策不確定性與企業(yè)投資效率

投資活動(dòng)是企業(yè)創(chuàng)造權(quán)益價(jià)值的重要方式，投資效率是衡量企業(yè)資本結(jié)構(gòu)和資本預(yù)算決策有效性的關(guān)鍵指標(biāo)。根據(jù)MM理論，企業(yè)需要比較投資成本與收益，進(jìn)而根據(jù)凈現(xiàn)值做出資本結(jié)構(gòu)和資本預(yù)算方面的決策，以最大化股東價(jià)值和企業(yè)的長期利潤（Modigliani and Miller，1958）。在無摩擦的均衡狀態(tài)下，理性投資者將在眾多風(fēng)險(xiǎn)、收益組合中決定其投資標(biāo)的；然而在現(xiàn)實(shí)世界中，由于信息不對稱、代理問題及融資約束等因素相互交織，無摩擦的均衡只能是一種理想狀態(tài)，企業(yè)的實(shí)際投資會(huì)受諸如貨幣政策、資本市場、企業(yè)治理等內(nèi)外部因素的影響，甚至偏離投資預(yù)期而造成非效率投資（Richardson，2006；Biddle et al.，2009；Chen et al.，2011）；行政干預(yù)與貨幣政策沖擊對企業(yè)融資約束的影響具有非對稱性，導(dǎo)致不同產(chǎn)權(quán)性質(zhì)企業(yè)投資效率產(chǎn)生顯著的差異性（喻坤等，2014）。

在經(jīng)濟(jì)學(xué)中，不確定性常常被定義為微觀主體無法預(yù)測的干擾的條件波動(dòng)性（Jurado et al.，2015）。貨幣政策是企業(yè)進(jìn)行投資決策的外生變量，由其引致的不確定性源自微觀企業(yè)不能對政策實(shí)施時(shí)點(diǎn)、力度進(jìn)行準(zhǔn)確預(yù)判，也無法對政策傳導(dǎo)和調(diào)整做出及時(shí)應(yīng)對。當(dāng)微觀主體具有風(fēng)險(xiǎn)規(guī)避特性時(shí)，貨幣政策不確定性的增加將惡化企業(yè)外部融資環(huán)境，抑制其雇傭、投資或消費(fèi)的水平。從銀行視角看，根據(jù)金融摩擦理論，在不完全的市場中，信息分布呈現(xiàn)典型的非對稱性，當(dāng)貨幣政策不確定性提升時(shí)，銀行作為貨幣資金主要供給者，獲取企業(yè)信息的成本較高，對經(jīng)濟(jì)波動(dòng)和未來發(fā)展判斷不明，為維持自身運(yùn)營、降低信貸違約風(fēng)險(xiǎn)，勢必壓縮信貸投放（劉海明和曹廷求，2017），貨幣政策傳導(dǎo)渠道受到阻滯，流動(dòng)性難以釋放。從企業(yè)視角看，融資水平是企業(yè)投資行為的硬約束，企業(yè)管理層進(jìn)行投資決策時(shí)必須考慮融資約束這一現(xiàn)實(shí)問題。按照實(shí)物期權(quán)理論框架，慮及企業(yè)投資行為的不可逆性，投資決策被看成能給企業(yè)增值的看漲期權(quán)，投資支出被視作看漲期權(quán)的執(zhí)行價(jià)格（Grullon et al.，2012），只有當(dāng)投資收益高于投資支出及機(jī)會(huì)成本總和時(shí)，企業(yè)才會(huì)選擇進(jìn)行投資。換言之，貨幣政策不確定性上升將提高企業(yè)融資成本，降低企業(yè)融資規(guī)模，提升投資期權(quán)執(zhí)行價(jià)格與等待價(jià)值，導(dǎo)致企業(yè)非效率投資。因此，貨幣政策不確定性不僅削弱“無形之手”的調(diào)節(jié)效果，也演變?yōu)橛绊懲顿Y決策和投資效率的“干擾”因素。

此外，在外部金融資源相對有限條件下，不同企業(yè)之間的資金配置會(huì)間接地對企業(yè)投資形成制約，并且內(nèi)部現(xiàn)金流波動(dòng)性也會(huì)直接影響企業(yè)的投資抉擇，進(jìn)而導(dǎo)致企業(yè)出現(xiàn)非效率投資。金融錯(cuò)配可能導(dǎo)致金融配置效率低下，資金無法流向最需要的投資項(xiàng)目，致使企業(yè)投資難以實(shí)現(xiàn)帕累托改進(jìn)。如果外部融資代理成本高于內(nèi)部融資，那么投資行為決策就倚重于企業(yè)資產(chǎn)負(fù)債表的狀況（Bernanke and Gertler，1989），穩(wěn)定的現(xiàn)金流和較高的資產(chǎn)凈值對于企業(yè)投資顯然是一種“利好”。當(dāng)企業(yè)受到貨幣政策不確定性沖擊時(shí)，其所持現(xiàn)金流出現(xiàn)波動(dòng)，惡化企業(yè)資產(chǎn)負(fù)債表，在加劇融資約束的同時(shí)，催動(dòng)管理層進(jìn)行不理性投資，出現(xiàn)“金融加速器”下貨幣政策不確定性對企業(yè)投資效率影響放大的問題（Mishkin，1996）?；诖?，本文提出假設(shè)H1。

H1：貨幣政策不確定性提升會(huì)增大企業(yè)的非效率投資。

（二）貨幣政策不確定性、融資便捷度與企業(yè)投資效率

在我國多元融資體系中，銀行信貸是當(dāng)前企業(yè)外源融資的主渠道，由于利率市場化尚處完善階段，貨幣政策對國民經(jīng)濟(jì)的影響主要依賴于銀行信貸傳導(dǎo)的效果。對于資本市場而言，貨幣政策不確定性是類似系統(tǒng)性風(fēng)險(xiǎn)的一個(gè)外生變量，通過表內(nèi)和表外兩種途徑來抑制銀行系統(tǒng)的流動(dòng)性創(chuàng)造（田國強(qiáng)和李雙建，2020）。貨幣政策不確定性上升會(huì)增大銀行資金投放研判的難度，使其難以準(zhǔn)確評(píng)估貸款風(fēng)險(xiǎn)，為減少風(fēng)險(xiǎn)損失和保障資金安全，銀行在貸款評(píng)估和投放過程中采取保守態(tài)度，出現(xiàn)“惜貸”“慎貸”行為，或提高貸款利率以獲取更高的風(fēng)險(xiǎn)補(bǔ)償。再者，隨著貨幣政策不確定性提升，銀企間的信息不對稱加劇（喻坤等，2014），企業(yè)現(xiàn)金流不能正常運(yùn)轉(zhuǎn)，銀行難以評(píng)估企業(yè)的還款能力，為避免整體借款違約風(fēng)險(xiǎn)攀升，銀行將減少對企業(yè)的資金支持，導(dǎo)致企業(yè)融資便捷度降低。綜上可知，企業(yè)融資便捷度受銀行投資收益、風(fēng)險(xiǎn)容忍程度預(yù)期的影響，而這一預(yù)期對貨幣政策不確定性是十分敏感的。

融資便捷度是企業(yè)獲取金融資源的關(guān)鍵指標(biāo)，在實(shí)物期權(quán)框架中是期權(quán)的執(zhí)行價(jià)格，也是評(píng)判企業(yè)如何進(jìn)行投資的先決條件，反映出有效信貸需求被滿足的程度。貨幣政策不確定性對企業(yè)投資效率的影響，常常與企業(yè)所處的信貸周期相關(guān)。當(dāng)貨幣政策不確定性上升時(shí)，估值效應(yīng)使得企業(yè)可抵押資產(chǎn)價(jià)值降低，銀行對借貸市場態(tài)度悲觀，企業(yè)融資便捷度降低（張小宇和黃沁怡，2024）。進(jìn)一步地，融資便捷度較低的企業(yè)，意味著投資機(jī)會(huì)有限，根據(jù)預(yù)防性儲(chǔ)蓄理論，企業(yè)愿意持有更多的現(xiàn)金，取消相應(yīng)投資計(jì)劃以防止流動(dòng)性危機(jī)（Bloom et al.，2007；Han and Qiu，2007），傾向于不執(zhí)行長期期權(quán)提升投資效率。此時(shí)，貨幣當(dāng)局出于風(fēng)險(xiǎn)考量并不愿意給予信貸政策扶持，由此形成“融資便捷度低—企業(yè)非效率投資—融資便捷度愈低—企業(yè)投資效率愈低”的惡性循環(huán)?；诖?，本文提出假設(shè)H2。

H2：貨幣政策不確定性提升會(huì)降低企業(yè)融資便捷度，進(jìn)而增大企業(yè)非效率投資。

（三）貨幣政策不確定性、金融資源錯(cuò)配與企業(yè)投資效率

貨幣政策不確定性的一個(gè)重要表現(xiàn)是貨幣當(dāng)局政策偏好的變化，它不但改變?nèi)谫Y便捷度，還對金融資源配置產(chǎn)生影響（韓亞欣等，2016）。貨幣政策不確定性情況下，銀行傾向于選擇低風(fēng)險(xiǎn)投資，而不是高風(fēng)險(xiǎn)和潛在回報(bào)更高的投資。面對如此政策供給偏好，那些在金融配給中得到傾斜的企業(yè)（尤其是國有企業(yè)），可能傾向于選擇短期的和低風(fēng)險(xiǎn)投資項(xiàng)目，而不是長期、高風(fēng)險(xiǎn)但潛在收益更高的投資，其結(jié)果導(dǎo)致金融資源向低效率部門流動(dòng)。貨幣政策不確定性會(huì)在金融機(jī)構(gòu)、投資者和資金流動(dòng)方面形成“均衡”，致使資源難以從低效部門流向高效部門，從而金融資源不能實(shí)現(xiàn)有效配置，出現(xiàn)金融資源錯(cuò)配的現(xiàn)象（Restuccia and Rogerson，2008）。

隨著市場經(jīng)濟(jì)體制的確立，民營企業(yè)發(fā)展非常迅速，極具發(fā)展韌性以減緩?fù)獠繘_擊，成為經(jīng)濟(jì)活力和競爭力的體現(xiàn)者。除少數(shù)壟斷行業(yè)外，在大多數(shù)市場競爭激烈領(lǐng)域國企都不再占有絕對優(yōu)勢，但資本市場上仍然存在嚴(yán)重的信貸歧視問題。私人部門的金融資源大多依靠國有部門的漏損獲得（盧峰和姚洋，2004），大部分的信貸資源都流向國有企業(yè)，民營企業(yè)只有付出高昂的代價(jià)才能獲取少量的債務(wù)資金支持（張慶君和李萌，2018）。盡管如此，民營企業(yè)的投資效率卻要遠(yuǎn)遠(yuǎn)高于國有企業(yè)（邵挺，2010）。因此，金融錯(cuò)配實(shí)際上是銀行等金融機(jī)構(gòu)在面臨貨幣政策不確定性時(shí)，對信貸資源的一種低效配置，不但違背市場治理原則，而且增加企業(yè)執(zhí)行投資期權(quán)的投資成本與機(jī)會(huì)成本，最終抑制企業(yè)投資效率（周煜皓和張盛勇，2014）。基于此，本文提出假設(shè)H3。

H3：貨幣政策不確定性提升會(huì)造成金融資源錯(cuò)配，進(jìn)而增大企業(yè)非效率投資。

（四）貨幣政策不確定性、現(xiàn)金流不確定性與企業(yè)投資效率

貨幣政策是服務(wù)實(shí)體經(jīng)濟(jì)的重要方式，貨幣政策頻繁調(diào)整不利于實(shí)體經(jīng)濟(jì)的發(fā)展。貨幣政策不確定性作為企業(yè)面臨宏觀層面不可避免的系統(tǒng)性風(fēng)險(xiǎn)，與企業(yè)現(xiàn)金流不確定性往往具有同步性，因而二者可以直觀反映企業(yè)當(dāng)前面臨的內(nèi)外部狀況。貨幣政策不確定性越大，銀企之間的信息不對稱愈發(fā)加劇，銀行出于風(fēng)控考量而收緊信貸，企業(yè)內(nèi)外融資成本出現(xiàn)顯著差異（張兆慧和馮展斌，2019），導(dǎo)致企業(yè)在未來時(shí)期遭遇現(xiàn)金流不確定性的風(fēng)險(xiǎn)增大。此外，當(dāng)貨幣政策不確定性提升時(shí)，企業(yè)的風(fēng)險(xiǎn)偏好發(fā)生改變，進(jìn)而提升現(xiàn)金持有水平，但降低了現(xiàn)金的邊際價(jià)值（王紅建等，2014；王偉和易卓睿，2023）。

實(shí)際上，現(xiàn)金流是企業(yè)的生命線，任何形式的不確定性對企業(yè)而言最終都會(huì)轉(zhuǎn)變成現(xiàn)金流不確定性（劉波等，2017），生產(chǎn)經(jīng)營所需各類投資都離不開現(xiàn)金流的支持，因此企業(yè)的投資決策對于現(xiàn)金流不確定性十分敏感。根據(jù)期權(quán)定價(jià)理論，現(xiàn)金流不確定性會(huì)增加企業(yè)面臨的融資壓力，企業(yè)在實(shí)物期權(quán)框架中若執(zhí)行期權(quán)損失的機(jī)會(huì)成本也就越高。這將影響企業(yè)的投資決策，使企業(yè)傾向于盲目擴(kuò)大或縮小投資規(guī)模，而具有高風(fēng)險(xiǎn)特征的創(chuàng)新性投資通常會(huì)被優(yōu)先縮減，低風(fēng)險(xiǎn)特征的短視性投資往往會(huì)優(yōu)先擴(kuò)張。同時(shí)根據(jù)優(yōu)序融資理論，相較于外部融資，企業(yè)更傾向于選擇內(nèi)部融資，而現(xiàn)金流作為內(nèi)部融資的主要來源，對企業(yè)投資效率產(chǎn)生重要影響，當(dāng)現(xiàn)金流不確定性增大時(shí)，企業(yè)出于降低融資成本和防御風(fēng)險(xiǎn)的考慮，在“預(yù)防效應(yīng)”下可能會(huì)導(dǎo)致非效率投資（鄧潔等，2022）。基于此，本文提出假設(shè)H4。

H4：貨幣政策不確定性提升會(huì)增大現(xiàn)金流不確定性，進(jìn)而增大企業(yè)非效率投資。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來源

基于數(shù)據(jù)可得性原則，慮及股權(quán)分置改革完成時(shí)點(diǎn)，本文選取2007—2022年滬深兩市A股上市企業(yè)為研究樣本，樣本數(shù)據(jù)時(shí)間跨度為16年，涵括了全球性金融危機(jī)、股市異常波動(dòng)及新冠疫情等特殊時(shí)段，較好地反映出貨幣政策的調(diào)整全貌及企業(yè)投資的變動(dòng)情況。根據(jù)研究需要，對選取樣本數(shù)據(jù)做出如下清洗：（1）剔除金融業(yè)上市企業(yè)，（2）剔除上市以前的數(shù)據(jù)，（3）剔除已退市的與當(dāng)年ST、PT類企業(yè)，（4）剔除行業(yè)內(nèi)數(shù)量不足20個(gè)的企業(yè)，（5）剔除有缺失值的變量，（6）針對連續(xù)型變量在上下1%的水平上進(jìn)行縮尾處理。其中，微觀層面企業(yè)數(shù)據(jù)來自國泰安CSMAR數(shù)據(jù)庫，宏觀層面經(jīng)濟(jì)數(shù)據(jù)來自國家統(tǒng)計(jì)局和CCER經(jīng)濟(jì)金融數(shù)據(jù)庫；美國貨幣政策不確定性、全球經(jīng)濟(jì)政策不確定性數(shù)據(jù)分別來自CCER經(jīng)濟(jì)金融數(shù)據(jù)庫與Baker等編制的經(jīng)濟(jì)政策不確定性數(shù)據(jù)庫（www. policyuncertainty.com）。

（二）模型設(shè)定

為了驗(yàn)證H1，探究貨幣政策不確定性對企業(yè)投資效率的影響，借鑒代昀昊和孔東民（2017）、顏忠寶等（2023），構(gòu)建回歸模型（1）。

其中，EFFi，t表示企業(yè)非效率投資；由于貨幣政策從實(shí)施到產(chǎn)生效果具有時(shí)滯，用MPUt？1表示貨幣政策不確定程度的滯后性一階；MACROt？1為宏觀層面控制變量集，慮及宏觀經(jīng)濟(jì)對企業(yè)投資效率的影響同樣具有時(shí)滯，也采取滯后一階處理；FIRMi，t為企業(yè)特征控制變量集；變量μi代表企業(yè)的個(gè)體固定效應(yīng)；εi，t為隨機(jī)擾動(dòng)項(xiàng)。由于貨幣政策不確定性（MPUt？1）為時(shí)間序列數(shù)據(jù)，若控制時(shí)間固定效應(yīng)可能會(huì)吸收不確定性的影響，引起完全共線性的問題（Huang et al，2022），故本模型并未引入控制時(shí)間固定效應(yīng)的指標(biāo)。為了緩解遺漏僅隨時(shí)間改變的不可觀測因素的影響，參考申宇等（2020）的做法，在模型中納入一系列國內(nèi)外宏觀經(jīng)濟(jì)變量，且穩(wěn)健性檢驗(yàn)中也有相應(yīng)處理，以減少遺漏變量的問題。

（三）變量選取

1.被解釋變量：企業(yè)非效率投資（EFF）。衡量企業(yè)投資效率的方法較多，本文借鑒Chen et al.（2011）、陳運(yùn)森和黃健嶠（2019）的研究，采用企業(yè)非效率投資作為投資效率的度量指標(biāo)，并通過模型（2）來測算企業(yè)的非效率投資水平。

其中，Invi，t表示企業(yè)t期的投資水平，Invit=（企業(yè)當(dāng)年購入固定資產(chǎn)、無形資產(chǎn)及其他長期資產(chǎn)的支出+取得子企業(yè)及其他下屬營業(yè)單位支付的現(xiàn)金凈額-處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金凈額-固定資產(chǎn)折舊、油氣資產(chǎn)折耗、生產(chǎn)性生物資產(chǎn)折舊）/總資產(chǎn)。Growthi，t？1表示企業(yè)的成長性，用企業(yè)t？1期到t期銷售收入變化量與當(dāng)年銷售收入的比值來衡量，NEGi，t？1為與銷售收入增長率相關(guān)的虛擬變量，當(dāng)Growthi，t？1小于0時(shí)取值為1，其他情況下取值為0，解釋變量均采用滯后一階納入模型計(jì)算。之所以選取企業(yè)成長性作為解釋變量，是因?yàn)槠髽I(yè)在面臨不同成長機(jī)會(huì)時(shí)會(huì)采取不同的投資策略。通過對模型（2）進(jìn)行分行業(yè)分年度回歸，所得殘差？it就是企業(yè)的非效率投資，這里取殘差絕對值作為企業(yè)非效率投資的度量指標(biāo)，記為EFFi，t，也表示企業(yè)當(dāng)年實(shí)際投資與預(yù)期投資之間的偏離程度。EFFi，t值越大，則表明企業(yè)當(dāng)年的非效率投資越高；對負(fù)（正）的殘差項(xiàng)取絕對值，記為U_EFF（O_EFF），表示投資不足（過度）。U_EFF（O_EFF）值越大，說明企業(yè)投資不足（過度）愈加嚴(yán)重。

2.核心解釋變量：貨幣政策不確定性（MPU）。對于貨幣政策不確定性的度量，學(xué)界尚未達(dá)成共識(shí)，大致可分為以下三類：一是基于報(bào)刊文獻(xiàn)信息。采用文本分析法對貨幣政策不確定性進(jìn)行度量（Baker et al.，2016；Huang and Luk，2020；Chen and Tillmann，2021）。該法雖有其研究價(jià)值，但仍存報(bào)刊文獻(xiàn)選取主觀性的缺陷，加之所選報(bào)刊文獻(xiàn)的專業(yè)性、權(quán)威性和覆蓋性值得斟酌，會(huì)對指標(biāo)度量和實(shí)證結(jié)果產(chǎn)生一定影響。二是基于單一貨幣政策變量。計(jì)算單一貨幣政策變量標(biāo)準(zhǔn)差（鐘凱等，2017；顏忠寶等，2023）或殘差（陸正飛和楊德明，2011；段云和國瑤，2012）。然而，貨幣政策不確定性往往囿于微觀主體有限的認(rèn)識(shí)，只能估計(jì)貨幣政策不確定性中的可觀測部分，難免有失偏頗。三是基于相當(dāng)數(shù)量的貨幣政策工具與宏觀經(jīng)濟(jì)變量。通過隨機(jī)波動(dòng)（SV）模型和馬爾科夫鏈蒙特卡羅算法（MCMC）有效分離貨幣政策不確定性的可觀測部分和不可觀測部分進(jìn)行估計(jì)（任曙明等，2022；Lastauskas and Nguyen，2023）。

貨幣政策不確定性是由貨幣政策目標(biāo)、工具和傳導(dǎo)機(jī)制的多元性導(dǎo)致公眾無法準(zhǔn)確理解和把握貨幣政策操作的方向和效果。貨幣政策目標(biāo)不明或多重目標(biāo)沖突、貨幣政策工具選擇的不確定以及貨幣政策傳導(dǎo)機(jī)制的復(fù)雜性，都增加公眾對貨幣政策的不確定感知，進(jìn)而影響其對經(jīng)濟(jì)形勢的判斷和預(yù)期。參考Jurado et al.（2015）構(gòu)建的因子模型，選取與貨幣政策目標(biāo)、工具和傳導(dǎo)機(jī)制有關(guān)的一系列經(jīng)濟(jì)變量（劉慧和張勇，2022；張龍等，2024），對數(shù)據(jù)進(jìn)行主成分分析，再將其應(yīng)用于時(shí)變參數(shù)—隨機(jī)波動(dòng)—因子增強(qiáng)向量自回歸（TVP—SV—FAVAR）模型估計(jì)，通過馬爾科夫鏈蒙特卡羅（MCMC）算法得出隨機(jī)波動(dòng)參數(shù)，并對這些參數(shù)計(jì)算其平均值便可得到當(dāng)期中國貨幣政策不確定性水平。

相較于其他方法，此法估計(jì)貨幣政策不確定性的優(yōu)勢在于：其一，采用大量經(jīng)濟(jì)變量的條件方差，即不可預(yù)測部分的條件波動(dòng)率來度量不確定性，更加符合不確定性的基本含義，也能夠剝離可預(yù)測部分對相關(guān)變量的影響，結(jié)果更具穩(wěn)健性；其二，TVP-SV-FAVAR模型是在SV模型基礎(chǔ)上進(jìn)行擴(kuò)展，結(jié)合時(shí)間序列數(shù)據(jù)中的因子分析和向量自回歸（VAR）模型，使得模型更能反映不同變量之間的動(dòng)態(tài)關(guān)系，更適用于對多變量時(shí)間序列數(shù)據(jù)的建模和預(yù)測，相對于SV模型更具有解釋力和預(yù)測力。其三，在TVP-SV-FAVAR模型中，MCMC法能夠處理模型的復(fù)雜性，包括非線性、高維度和參數(shù)隨時(shí)間變化等情況，提供參數(shù)的后驗(yàn)分布信息，有助于評(píng)估模型的擬合效果和參數(shù)的可靠性，并且MCMC法能夠更有效地處理模型中的隨機(jī)波動(dòng)性，得到更準(zhǔn)確的參數(shù)估計(jì)。

3.控制變量。為了控制個(gè)體因素的影響，本文選取企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)利潤率（ROA）、現(xiàn)金流比率（Cash）、營業(yè)收入增長率（Growth）、托賓Q值（TobinQ）、第一大股東持股比例（TOP1）等微觀層面的控制變量；慮及中國貨幣政策不確定性易受內(nèi)外部環(huán)境不確定性影響，為刻畫國內(nèi)外宏觀經(jīng)濟(jì)環(huán)境，以盡可能控制僅隨時(shí)間變化的因素，本文同時(shí)引入國內(nèi)生產(chǎn)總值增長率（GDP）、中國財(cái)政支出增長率（FE）、中國宏觀經(jīng)濟(jì)景氣指數(shù)（L_CEI）和全球經(jīng)濟(jì)政策不確定性（GEPU）等宏觀層面的控制變量，具體的變量名稱及定義見表1。

（四）描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果見表2。由表2可知，貨幣政策不確定性（MPU）的平均值為0.5466，標(biāo)準(zhǔn)差為0.1812，表明中國貨幣政策具有相當(dāng)波動(dòng)性，為本文研究提供了一定便利之處。托賓Q值的最小值為0.0795，最大值為0.7590，標(biāo)準(zhǔn)差為0.1495，說明不同企業(yè)之間投資能力差異較為明顯。計(jì)算各變量之間的相關(guān)系數(shù)后，發(fā)現(xiàn)貨幣政策不確定性（MPU）與企業(yè)非效率投資（EFF）的相關(guān)系數(shù)在1%的水平上呈正相關(guān)，說明貨幣政策不確定性提升，企業(yè)非效率投資程度加劇，與H1的預(yù)期相符。同時(shí)，各變量之間的相關(guān)系數(shù)均在合理范圍內(nèi)，表明不存在顯著的共線性問題。

四、實(shí)證結(jié)果與分析

（一）基準(zhǔn)回歸分析

本文采用非平衡面板數(shù)據(jù)對模型（1）進(jìn)行分析，具體結(jié)果見表3。表3列（1）為僅包含核心解釋變量的簡單回歸結(jié)果，列（2）—（3）分別加入微觀層面、宏觀層面控制變量，列（4）—（5）為分別使用隨機(jī)效應(yīng)模型（RE）和固定效應(yīng)模型（FE）的回歸結(jié)果，考慮到異方差問題，本文進(jìn)行穩(wěn)健豪斯曼檢驗(yàn)，檢驗(yàn)結(jié)果強(qiáng)烈拒絕存在隨機(jī)效應(yīng)模型中個(gè)體影響與解釋變量不相關(guān)的原假設(shè)，故選擇固定效應(yīng)模型?；诖?，包括列（5）在內(nèi)的所有參數(shù)估計(jì)均顯示，貨幣政策不確定性（MPU）的系數(shù)在1%的水平上顯著為正，初步驗(yàn)證了假設(shè)H1。

（二）穩(wěn)健性檢驗(yàn)

1.替換關(guān)鍵變量

一是替換被解釋變量。為了緩解模型（2）對企業(yè)非效率投資的度量不準(zhǔn)確，使用Richardson（2006）模型和Biddle et al.（2009）模型來測度企業(yè)非效率投資，具體模型構(gòu)建如下。

二是替換解釋變量。參考鐘凱等（2017），采用上海銀行同業(yè)拆放利率（Shibor）作為替換解釋變量。在銀行同業(yè)拆放市場，各參與主體本質(zhì)上拆借的是超額準(zhǔn)備金，由此形成的銀行間拆借利率對資金供求變化十分敏感。Shibor是由報(bào)價(jià)行在資金拆借前的一種“報(bào)價(jià)”，并經(jīng)過加權(quán)平均后計(jì)算得出，能夠較好地反映交易商或做市商對當(dāng)前資金拆借利率的“態(tài)度”。因此，本文選擇Shibor（7日利率）通過計(jì)算其年度標(biāo)準(zhǔn)差作為貨幣政策不確定性的替代變量是適宜的。具體的回歸結(jié)果見表4列（3），Shibor的系數(shù)依然顯著為正，假設(shè)H1依然成立。

2.剔除部分樣本

一是排除系統(tǒng)性偏差影響。本文以被解釋變量企業(yè)非效率投資按照模型（2）的計(jì)算結(jié)果為樣本四等分，保留小于等于25%與大于等于75%的樣本進(jìn)行回歸，以排除極端值或異常值等系統(tǒng)性偏差對回歸結(jié)果的影響。如此既能有效評(píng)估所構(gòu)建模型的適用性，也有助于研判模型對異常值的敏感性，以及在真實(shí)世界中能否產(chǎn)生可靠的預(yù)測結(jié)果。具體的回歸結(jié)果見表4列（4），貨幣政策不確定性系數(shù)仍舊顯著為正，前述研究結(jié)論穩(wěn)健可靠。

二是排除經(jīng)濟(jì)波動(dòng)的影響。為了緩解宏觀經(jīng)濟(jì)環(huán)境劇烈變化可能對企業(yè)投資效率的影響，本文剔除對貨幣政策調(diào)整造成異常影響的年份，包括全球性金融危機(jī)的2008年、股市異常波動(dòng)的2015年以及新冠疫情的2020—2022年，具體的參數(shù)估計(jì)結(jié)果見表4列（5），貨幣政策不確定性的系數(shù)顯著為正，再度驗(yàn)證假設(shè)H1。

3.內(nèi)生性處理

慮及貨幣政策調(diào)整與微觀主體在資本市場的表現(xiàn)密切相關(guān)，為緩解貨幣政策不確定性與企業(yè)非效率投資可能存在的反向因果關(guān)系，本文采取以下三種方法進(jìn)行內(nèi)生性處理：

一是滯后控制變量。本文將企業(yè)層面控制變量滯后一期，對模型（2）進(jìn)行回歸，參數(shù)估計(jì)結(jié)果見表5列（1），核心解釋變量的回歸系數(shù)依然顯著為正，支持了貨幣政策不確定性提升會(huì)增大企業(yè)非效率投資的結(jié)論。

二是工具變量法。本文采取工具變量法，以展開最小二乘（2SLS）估計(jì)來緩解內(nèi)生性問題的影響。美國聯(lián)邦基金利率是金融市場最重要的基準(zhǔn)利率，借鑒譚小芬等（2019）、黃飛鳴和晏文真（2023）的方法，利用聯(lián)邦基金利率月度數(shù)據(jù)的年度標(biāo)準(zhǔn)差，構(gòu)建美國貨幣政策不確定性代理指標(biāo)，并將其滯后一期作為中國貨幣政策不確定性的工具變量。選取該工具變量的原因在于：自新冠疫情以來，中美貨幣政策步入不同周期，但在經(jīng)濟(jì)全球化與金融一體化的背景下，貨幣政策在國際間產(chǎn)生溢出效應(yīng)和吸收效應(yīng)，尤其是在主要大國之間（楊子榮等，2018）。近期美聯(lián)儲(chǔ)頻繁調(diào)整貨幣政策，由此產(chǎn)生的不確定性可能通過多種渠道對我國宏觀經(jīng)濟(jì)發(fā)展與資本市場預(yù)期產(chǎn)生影響，對我國貨幣政策的沖擊不容忽視（劉金全等，2023）。同時(shí)，美國貨幣政策不確定性很難直接對中國企業(yè)的非效率投資產(chǎn)生影響，因此，美國貨幣政策不確定性較好地滿足工具變量的相關(guān)性和排他性要求。表5列（2）為2SLS第一階段的回歸結(jié)果，表示工具變量（美國貨幣政策不確定性）對內(nèi)生變量（中國貨幣政策不確定性）的影響在1%的水平上顯著，工具變量的相關(guān)性假設(shè)成立。在弱工具變量檢驗(yàn)中，CD Wald F統(tǒng)計(jì)量與KP Wald rk F統(tǒng)計(jì)量均大于Stock-Yogo的臨界值16.38，故不存在弱工具變量的問題，工具變量的選擇是適宜的。表5列（3）為第二階段的回歸結(jié)果，其顯示內(nèi)生變量在經(jīng)過工具變量修正后，對企業(yè)非效率投資的影響仍顯著為正，與前文結(jié)論一致。

三是雙重差分法。采用雙重差分法（DID）進(jìn)行內(nèi)生性處理，首先要進(jìn)行處置事件的選擇與處置年份的確定。2015年，歐債危機(jī)所生影響尚未消弭，外部不確定性陡增；中國股市遭遇強(qiáng)勁的異常波動(dòng)，上證指數(shù)和深證指數(shù)在短短18個(gè)交易日內(nèi)經(jīng)歷“瘋狂”暴跌，央行聯(lián)合業(yè)內(nèi)機(jī)構(gòu)連續(xù)推出“雙降”、暫緩IPO、出資申購藍(lán)籌ETF等政策舉措，加快了貨幣政策的調(diào)整速度和頻次。鑒此，本文選取2015年作為雙重差分法的處置年份，選取2015年內(nèi)外部不確定性的雙重沖擊作為處置事件，并將民營企業(yè)設(shè)置為處置組。根據(jù)前文理論分析，貨幣政策不確定性可能通過金融錯(cuò)配渠道而加重非效率投資，因此引入產(chǎn)權(quán)性質(zhì)變量SOE（國企取值為1，否則取值為0），生成交互變量Treat×After。

進(jìn)一步地，由于使用DID方法評(píng)估事件沖擊所產(chǎn)生的處置效用可能存在樣本自選擇偏差的問題。因此，本文通過使用PSM—DID（傾向得分匹配法+雙重差分法）將處置組中所有樣本匹配到其特定的控制組樣本，再對匹配后的樣本進(jìn)行DID回歸，模擬自然隨機(jī)實(shí)驗(yàn)來緩解這一偏差。本文在匹配之后首先進(jìn)行了平衡性檢驗(yàn)，檢驗(yàn)結(jié)果如圖1、圖2所示。由圖1可知，所有控制變量的偏差（%bias）均小于10%，并且都明顯小于匹配前的偏差。共同支撐域的分布情況如圖2所示，它與匹配運(yùn)行結(jié)果保持一致，即處理組和控制組的絕大多數(shù)樣本都在共同支撐域內(nèi)，而不在共同支撐域內(nèi)的樣本的傾向得分比較極端，匹配效果較好，PSM—DID效果可能優(yōu)于普通DID。接著本文分別將處置事件提前1—8年作為（假設(shè)事件）處置年，將這八年分別生成時(shí)間虛擬變量納入DID模型進(jìn)行回歸，發(fā)現(xiàn)時(shí)間虛擬變量相對不顯著，而交互變量依然顯著（因篇幅所限未展示回歸結(jié)果），說明處置組與控制組在處置事件發(fā)生前滿足條件平行趨勢假設(shè)，本文采用頻數(shù)加權(quán)法進(jìn)行DID回歸，結(jié)果更具穩(wěn)健性。DID與PSM—DID的回歸結(jié)果見表5列（4）—（5），交互項(xiàng)Treat×After的顯著結(jié)果再一次印證了假設(shè)H1。

五、進(jìn)一步分析

（一）作用機(jī)制分析

前文從實(shí)物期權(quán)理論出發(fā)，解析了貨幣政策對實(shí)體經(jīng)濟(jì)產(chǎn)生影響可能存在的理論路徑，并實(shí)證檢驗(yàn)了貨幣政策不確定性提升會(huì)加重企業(yè)的非效率投資?，F(xiàn)根據(jù)理論分析和研究假設(shè)，進(jìn)一步從融資便捷度、金融錯(cuò)配、現(xiàn)金流不確定性水平三個(gè)層面，分析貨幣政策不確定性對企業(yè)非效率投資作用的傳導(dǎo)機(jī)制。慮及中間變量對企業(yè)非效率投資影響的時(shí)滯，本文對中介機(jī)制變量統(tǒng)一采取滯后一階處理。為將研究重心聚焦貨幣政策不確定性與企業(yè)投資效率之間的關(guān)系，本文參考江艇（2022）對中介效應(yīng)的檢驗(yàn)方法，選取可能對被解釋變量產(chǎn)生影響的中間變量，再識(shí)別解釋變量對中間變量的因果關(guān)系。

1.融資便捷度。融資便捷度衡量企業(yè)需要貸款時(shí)，銀行或其他金融機(jī)構(gòu)愿意向其提供貸款的程度。通常來說，融資便捷度越高，企業(yè)就越容易獲得貸款。銀行在研判是否提供貸款時(shí)，既要評(píng)估企業(yè)的信用記錄、收入狀況及負(fù)債情況，還要充分考慮宏觀經(jīng)濟(jì)和貨幣政策因素。若銀行對企業(yè)信用狀況和貸款用途持樂觀態(tài)度，那么企業(yè)就容易獲得貸款，融資便捷度就會(huì)提高。相反，若銀行對企業(yè)信用狀況和經(jīng)濟(jì)環(huán)境持悲觀態(tài)度，那么企業(yè)就很難獲得貸款，融資便捷度就會(huì)降低。融資便捷度的變化會(huì)直接影響企業(yè)融資活動(dòng)，進(jìn)而對投資效率產(chǎn)生重要影響。

在現(xiàn)有文獻(xiàn)中，衡量企業(yè)融資便捷度的方法有多種，本文借鑒劉海明和曹廷求（2017）研究，采用企業(yè)新增貸款水平來衡量企業(yè)融資便捷度（FC），F(xiàn)C=（長期借款增量+短期借款增量）/年初總資產(chǎn)。在計(jì)算企業(yè)融資便捷度后進(jìn)行回歸，具體結(jié)果見表6列（1），可以看出，貨幣政策不確定性程度的加深在1%的水平上顯著降低了企業(yè)的融資便捷度，并進(jìn)而加大企業(yè)非效率投資，假設(shè)H2得以驗(yàn)證。

2.金融錯(cuò)配。若金融資源沒有按照市場規(guī)律從低效部門流向高效部門，意味著金融資源在企業(yè)之間出現(xiàn)“錯(cuò)配”。金融錯(cuò)配是一種偏離市場規(guī)律的經(jīng)濟(jì)行為，非但不能體現(xiàn)效率原則，還扭曲了企業(yè)債務(wù)融資在資本市場中的治理屬性（張慶君和李萌，2018）。當(dāng)金融市場出現(xiàn)的資源錯(cuò)配傳導(dǎo)至實(shí)體經(jīng)濟(jì)，必然導(dǎo)致企業(yè)出現(xiàn)非效率投資。部分效率低下企業(yè)可以低成本獲取金融資源，所受約束軟化時(shí)可能出現(xiàn)投資過度現(xiàn)象；相反，一些高效企業(yè)則難以獲取充足金融資源，不得不面對投資不足窘態(tài)。

本文借鑒周煜皓和張勝勇（2014），以金融錯(cuò)配負(fù)擔(dān)水平（FM）作為衡量信貸錯(cuò)配的代理變量，采用企業(yè)資金使用成本與所在行業(yè)平均資金使用成本（行業(yè)平均利率）的偏離度來度量金融錯(cuò)配負(fù)擔(dān)水平。偏離度越大，說明企業(yè)承擔(dān)的信貸錯(cuò)配愈加嚴(yán)重。其中，企業(yè)資金使用成本采用財(cái)務(wù)費(fèi)用中的利息支出與扣除了應(yīng)付賬款后的負(fù)債總額之比來衡量。FM=[企業(yè)資金使用成本-行業(yè)平均資金使用成本]/行業(yè)平均資金使用成本=[利息支出/（負(fù)債-應(yīng)付賬款）-行業(yè)平均利率]/行業(yè)平均利率。相關(guān)參數(shù)估計(jì)結(jié)果見表6列（2），貨幣政策不確定性程度加深對金融錯(cuò)配的影響在1%的水平上顯著為正，意味著貨幣政策不確定性會(huì)通過金融錯(cuò)配的方式加劇企業(yè)非效率投資，假設(shè)H3得以驗(yàn)證。

3.現(xiàn)金流不確定性?，F(xiàn)金流不確定性衡量一定時(shí)期內(nèi)企業(yè)現(xiàn)金流的波動(dòng)幅度，它會(huì)對企業(yè)投資起到促進(jìn)或抑制的影響（Hirth and Viswanatha，2011），且兩者之間表現(xiàn)為非線性關(guān)系，呈現(xiàn)出一條U形的曲線，即現(xiàn)金流充裕且穩(wěn)定的企業(yè)會(huì)投資過度，現(xiàn)金流不足且多變的企業(yè)會(huì)投資不足（Hirth and Uhrig-Homburg，2010）。企業(yè)管理層面臨現(xiàn)金流不確定性時(shí)，會(huì)對企業(yè)流動(dòng)性的獲取能力預(yù)期出現(xiàn)偏差，在應(yīng)對未來不確定性與當(dāng)前投資需求時(shí)，管理層出于自保動(dòng)機(jī)往往選擇持有更多現(xiàn)金流（章琳一，2016），由此可能引發(fā)企業(yè)的非效率投資。

根據(jù)股利折現(xiàn)模型，上市企業(yè)價(jià)值由未來現(xiàn)金流折現(xiàn)而成。在有效資本市場中，現(xiàn)金流不確定性會(huì)通過市場反映于股價(jià)，進(jìn)而影響企業(yè)價(jià)值。因此，本文借鑒崔也光等（2019）的做法，通過計(jì)算現(xiàn)金回報(bào)率（現(xiàn)金流/總資產(chǎn)）的三年波動(dòng)率來度量企業(yè)現(xiàn)金流的不確定性，現(xiàn)金回報(bào)率的三年波動(dòng)率為其t？2年到t年的標(biāo)準(zhǔn)差，波動(dòng)率越大，則代表不確定性越強(qiáng)。相關(guān)參數(shù)估計(jì)結(jié)果見表6列（3），貨幣政策不確定性對企業(yè)現(xiàn)金流不確定性的回歸系數(shù)在1%的水平上顯著為正，說明貨幣政策不確定性會(huì)顯著增大現(xiàn)金流不確定性，出于“預(yù)防效應(yīng)”考慮而加劇企業(yè)非效率投資，假設(shè)H4得以驗(yàn)證。

（二）異質(zhì)性分析

貨幣政策不確定性對企業(yè)非效率投資產(chǎn)生的效應(yīng)，可能為企業(yè)異質(zhì)性特征所影響。換言之，即使在給定貨幣政策不確定性的情況下，不同維度企業(yè)感知不確定性的能力不一，可能會(huì)對其投資效率產(chǎn)生差異化的影響。本文結(jié)合非效率投資類型，分別從企業(yè)產(chǎn)權(quán)性質(zhì)、所處區(qū)位與行業(yè)等多層次進(jìn)行分析討論。

1.基于非效率投資類型的差異。在研究設(shè)計(jì)中，本文針對企業(yè)非效率投資，將其區(qū)分為投資過度與投資不足兩類，本部分嘗試剖析貨幣政策不確定性對不同類型非效率投資的影響是否存在差異。理解貨幣政策不確定性對這兩種類型非效率投資的影響，有助于更全面地評(píng)估其對企業(yè)可持續(xù)發(fā)展的整體影響。同時(shí)，貨幣政策不確定性可能通過不同的渠道影響企業(yè)的投資決策，分析投資不足和投資過度分別如何受貨幣政策不確定性的影響，可以揭示貨幣政策對企業(yè)行為的具體傳導(dǎo)機(jī)制，分類型分析有助于深入理解貨幣政策的復(fù)雜傳導(dǎo)路徑。

具體的回歸結(jié)果見表7列（1）—（2）。不難看出，貨幣政策不確定性對于投資過度和投資不足均存在著顯著正向影響，當(dāng)被解釋變量為投資過度時(shí)，其回歸系數(shù)幾乎是被解釋變量為投資不足時(shí)的兩倍多，說明貨幣政策不確定性對投資過度企業(yè)的影響更為劇烈。這或許可以解釋為，許多企業(yè)在面臨貨幣政策不確定性時(shí)，會(huì)做出監(jiān)管層將推出有利于恢復(fù)市場穩(wěn)定利好政策的判斷，進(jìn)而傾向于采取更加激進(jìn)的過度投資策略以把握商機(jī)。

2.基于企業(yè)產(chǎn)權(quán)性質(zhì)的差異。慮及國有企業(yè)與民營企業(yè)在經(jīng)營目標(biāo)和動(dòng)機(jī)上存在顯著差異，且國有企業(yè)通常擁有較為優(yōu)越的融資條件，能夠以較低的成本獲得銀行貸款和其他金融支持，并在資金緊張時(shí)更易獲得政府救助。這使得國有企業(yè)在面對貨幣政策不確定性時(shí)，投資行為可能不會(huì)受到過多的限制。而民營企業(yè)則通常面臨更高的融資成本和更嚴(yán)格的信貸約束，在貨幣政策不確定性增加時(shí)，可能更容易出現(xiàn)投資不足或投資過度的情況。

本文在模型（1）的基礎(chǔ)上，加入貨幣政策不確定性與企業(yè)產(chǎn)權(quán)性質(zhì)的交互項(xiàng)MPU×SOE進(jìn)行分析，表7列（3）報(bào)告了加入交互項(xiàng)后貨幣政策不確定性對不同產(chǎn)權(quán)性質(zhì)企業(yè)非效率投資的影響?？梢钥闯?，貨幣政策不確定性對國有企業(yè)（MPU×SOE）非效率投資的影響并不顯著，對民營企業(yè)非效率投資的影響在1%的水平上顯著為正，表明貨幣政策不確定性對企業(yè)投資效率的影響主要作用于民營企業(yè)，對國有企業(yè)的影響則相對較弱。國有企業(yè)投資效率之所以能“穩(wěn)坐釣魚臺(tái)”，可能的原因在于國有企業(yè)通常具有較強(qiáng)的風(fēng)險(xiǎn)承受能力，它們背后有政府作為支持，對市場波動(dòng)和政策變化的反應(yīng)較為緩慢。而民營企業(yè)則相對較為脆弱，在面對貨幣政策不確定性時(shí)，可能更容易受到影響，迅速調(diào)整投資策略。

3.基于企業(yè)區(qū)域位置的差異。在我國，東中部地區(qū)的經(jīng)濟(jì)發(fā)展水平普遍高于西部地區(qū)。東中部地區(qū)企業(yè)在市場化程度、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平和企業(yè)規(guī)模上往往更為先進(jìn)和多樣化，融資約束程度往往低于西部地區(qū)企業(yè)。由于這些企業(yè)更依賴市場信號(hào)和政策預(yù)期來做出投資決策，所以貨幣政策不確定性在經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)可能會(huì)對企業(yè)投資行為產(chǎn)生更為顯著的影響。

為探究貨幣政策不確定性對不同區(qū)位企業(yè)投資效率影響的異質(zhì)性，本文引進(jìn)虛擬變量West（西部地區(qū)企業(yè)取值為1，東中部地區(qū)企業(yè)取值為0），將其與貨幣政策不確定性生成的交互項(xiàng)MPU×West納入模型（1）回歸，結(jié)果見表7列（4）。貨幣政策不確定性對東中部地區(qū)企業(yè)非效率投資影響在1%的水平上顯著為正，對西部地區(qū)企業(yè)（MPU×West）非效率投資影響并不顯著。這表明我國經(jīng)濟(jì)高質(zhì)量發(fā)展區(qū)域異質(zhì)性較為明顯，東中部企業(yè)對貨幣政策波動(dòng)的敏感性要強(qiáng)于西部?？赡艿脑蚴牵鄬τ谖鞑康貐^(qū)企業(yè)，東中部地區(qū)企業(yè)地處經(jīng)濟(jì)發(fā)展前沿地帶，面臨更加激烈的市場競爭和更為復(fù)雜的社會(huì)環(huán)境；此外，東中部地區(qū)企業(yè)通常規(guī)模較大、資金需求量大，更有關(guān)注貨幣政策對資金供給和成本影響的內(nèi)在動(dòng)力。

4.基于企業(yè)行業(yè)性質(zhì)的差異。為了保持競爭力和技術(shù)領(lǐng)先地位，高科技行業(yè)企業(yè)通常需要大量的資金進(jìn)行研發(fā)和創(chuàng)新。由于其研發(fā)項(xiàng)目通常具有高風(fēng)險(xiǎn)和高不確定性，內(nèi)部資金往往不足以支撐所有的研發(fā)需求，因此高科技企業(yè)通常依賴外部融資渠道，如銀行貸款、風(fēng)險(xiǎn)投資、股權(quán)融資等來獲取資金，這使得高科技企業(yè)對外部融資環(huán)境的變化極為敏感。貨幣政策的不確定性會(huì)導(dǎo)致融資成本的波動(dòng)，進(jìn)而會(huì)對高科技企業(yè)投資決策的穩(wěn)定性和可預(yù)測性產(chǎn)生更深的影響。

本文參照彭紅星和毛新述（2017）的方法，生成虛擬變量Tech（高科技行業(yè)取1，否則取0），將其與貨幣政策不確定性的交互項(xiàng)MPU×Tech納入模型（1）進(jìn)行回歸。表7列（5）的結(jié)果顯示，對高科技行業(yè)（MPU×Tech）而言，貨幣政策不確定性對企業(yè)非效率投資的影響十分顯著，傳統(tǒng)行業(yè)投資效率則對貨幣政策不確定性的敏感程度較弱?？赡艿慕忉屖?，高科技企業(yè)的競爭力依賴于持續(xù)的創(chuàng)新投入，貨幣政策的不確定性增大融資成本和市場風(fēng)險(xiǎn)，使得高科技企業(yè)更難以獲得所需的資金。這可能迫使企業(yè)減少在高風(fēng)險(xiǎn)高回報(bào)項(xiàng)目上的投入，轉(zhuǎn)而選擇保守的低風(fēng)險(xiǎn)項(xiàng)目，這種行為會(huì)降低整體投資效率，并削弱其創(chuàng)新能力和市場競爭力；而傳統(tǒng)行業(yè)的投資項(xiàng)目風(fēng)險(xiǎn)較低，企業(yè)可能仍會(huì)繼續(xù)進(jìn)行必要的資本支出，只是在規(guī)模和速度上有所調(diào)整。

六、結(jié)論與政策建議

本文基于2007—2022年滬深兩市A股上市企業(yè)為研究樣本，采用結(jié)合時(shí)間變化參數(shù)的隨機(jī)波動(dòng)模型和因子分析向量自回歸模型的TVP-SV-FAVAR模型、馬爾科夫鏈蒙特卡羅（MCMC）方法測度了我國貨幣政策不確定性水平，并實(shí)證分析這一因素對企業(yè)非效率投資的影響。研究結(jié)果顯示，貨幣政策不確定性提升會(huì)顯著增大企業(yè)非效率投資，該結(jié)論在進(jìn)行替換關(guān)鍵變量、排除系統(tǒng)性偏差和剔除經(jīng)濟(jì)波動(dòng)等穩(wěn)健性檢驗(yàn)后依然成立，對于模型內(nèi)生性問題采取工具變量法和雙重差分法兩種方式進(jìn)行緩釋。作用機(jī)制分析表明，在實(shí)物期權(quán)理論框架下，貨幣政策不確定性通過降低融資便捷度、惡化金融資源配置、提高現(xiàn)金流不確定性水平，進(jìn)而增大企業(yè)非效率投資。異質(zhì)性分析發(fā)現(xiàn)，貨幣政策不確定性對于企業(yè)非效率投資中的投資過度影響更為強(qiáng)烈，貨幣政策不確定性對于民營企業(yè)、東中部地區(qū)企業(yè)與高科技行業(yè)企業(yè)的非效率投資影響更為顯著?；谏鲜鲅芯拷Y(jié)論，本文提出如下政策建議：

第一，構(gòu)建常態(tài)化溝通機(jī)制，提高貨幣政策透明度。持續(xù)完善中央銀行制度，建立動(dòng)態(tài)貨幣政策框架，靈活運(yùn)用前瞻性指引工具，定期發(fā)布對宏觀經(jīng)濟(jì)的預(yù)測，向市場傳遞清晰的政策信號(hào)。健全貨幣政策溝通機(jī)制，增進(jìn)與市場的有效溝通，推進(jìn)利率調(diào)控機(jī)制改革，適度收窄利率走廊寬度，合理引導(dǎo)和穩(wěn)定公眾預(yù)期，進(jìn)而提升貨幣政策的有效性。完善基礎(chǔ)貨幣投放方式，將國債交易納入貨幣政策工具箱，定期公布貨幣政策執(zhí)行情況，增進(jìn)市場對央行的信任度，營造透明可預(yù)期的政策環(huán)境，提高企業(yè)投資決策的科學(xué)性，為提升企業(yè)投資效率打下堅(jiān)實(shí)的基礎(chǔ)。

第二，創(chuàng)新多元化融資方式，提高企業(yè)融資便利度。探索融資工具創(chuàng)新應(yīng)用，拓寬實(shí)體經(jīng)濟(jì)融資渠道，做到融資工具與渠道并舉、創(chuàng)新與發(fā)展兼顧，為企業(yè)投資提供多層次的融資選擇。創(chuàng)新多元化的融資模式，鼓勵(lì)優(yōu)質(zhì)科創(chuàng)企業(yè)進(jìn)入資本市場，培育耐心資本、壯大風(fēng)投創(chuàng)投，持續(xù)引導(dǎo)長期資金入市，緩解供求雙方信息不對稱，有效降低資金融通成本，增強(qiáng)企業(yè)融資便利度，持續(xù)提升企業(yè)的投資效率。深化金融供給側(cè)結(jié)構(gòu)性改革，借力資本市場“架橋鋪路”，推動(dòng)企業(yè)投資和融資相協(xié)調(diào)，保持資金供給總量和結(jié)構(gòu)平衡，提升對企業(yè)融資的支持力度，發(fā)揮金融服務(wù)實(shí)體經(jīng)濟(jì)的作用。

第三，完善層級(jí)化政策評(píng)估，提升資源配置匹配度。完善貨幣政策評(píng)估體系，選擇適配貨幣政策工具，主動(dòng)介入操作目標(biāo)管理，實(shí)時(shí)監(jiān)測中介目標(biāo)變動(dòng)，動(dòng)態(tài)評(píng)估政策執(zhí)行效果，及時(shí)調(diào)整政策力度效度，持續(xù)保持貨幣政策穩(wěn)定性，為企業(yè)投資創(chuàng)造適宜的政策環(huán)境。健全宏觀審慎政策框架，優(yōu)化社會(huì)融資比例結(jié)構(gòu)，豐富公司信用類產(chǎn)品譜系，創(chuàng)新民企債券融資支持工具，持續(xù)增強(qiáng)資金供給能力，不斷滿足企業(yè)多樣化的金融需求。發(fā)揮金融宏觀調(diào)控優(yōu)勢，瞄定目標(biāo)企業(yè)靶向發(fā)力，創(chuàng)新企業(yè)投資管理方式，提升金融資源配置效率，為助力企業(yè)高質(zhì)量發(fā)展蓄勢賦能。

第四，實(shí)行差異化因應(yīng)策略，提升企業(yè)投資效能度。鑒于貨幣政策影響的差異性，因地制宜地分類施策，因勢利導(dǎo)地精準(zhǔn)滴灌，兼顧平衡發(fā)展與公平效率，適度向民營、東中部、高科技行業(yè)企業(yè)傾斜，增強(qiáng)企業(yè)發(fā)展韌性的同時(shí)，最大限度發(fā)揮政策的邊際效用。實(shí)行差異化金融政策，提供便捷高效融資服務(wù)，以減輕企業(yè)債務(wù)負(fù)擔(dān)，增強(qiáng)企業(yè)投資信心，助力企業(yè)應(yīng)對不確定性帶來的挑戰(zhàn)。加強(qiáng)企業(yè)投資宏觀指導(dǎo)，縮減外資準(zhǔn)入限制措施，提高企業(yè)風(fēng)險(xiǎn)管理水平，增強(qiáng)企業(yè)核心競爭力，提升企業(yè)投資效能度，增強(qiáng)適應(yīng)市場變化的能力，實(shí)現(xiàn)企業(yè)的高質(zhì)量發(fā)展。

參考文獻(xiàn)

陳運(yùn)森、黃健嶠，2019，“股票市場開放與企業(yè)投資效率——基于“滬港通”的準(zhǔn)自然實(shí)驗(yàn)”，《金融研究》，第8期，第151-170頁。

崔也光、姜曉文、齊英，2019，“現(xiàn)金流不確定性、研發(fā)投入與企業(yè)價(jià)值”，《數(shù)理統(tǒng)計(jì)與管理》，第3期，第495-505頁。

代昀昊、孔東民，2017，“高管海外經(jīng)歷是否能提升企業(yè)投資效率”，《世界經(jīng)濟(jì)》，第1期，第168-192頁。

鄧潔、葉德珠、潘爽，2022，“現(xiàn)金流不確定性對企業(yè)房地產(chǎn)持有的影響——資助效應(yīng)還是預(yù)防效應(yīng)？”，《暨南學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》，第4期，第74-101頁。

段云、國瑤，2012，“政治關(guān)系、貨幣政策與債務(wù)結(jié)構(gòu)研究”，《南開管理評(píng)論》，第5期，第84-94頁。

顧海峰、朱慧萍，2021，“經(jīng)濟(jì)政策不確定性、融資約束與企業(yè)投資效率”，《現(xiàn)代經(jīng)濟(jì)探討》，第12期，第93-104頁。

韓亞欣、何敏、李華民，2016，“大銀行何以為中小企業(yè)融資？——基于某大銀行支行的案例分析”，《金融論壇》，第1期，第72-80頁。

黃飛鳴、晏文真，2023，“貨幣政策不確定性會(huì)影響銀行貸款撥備的計(jì)提嗎？——基于中國147家商業(yè)銀行的證據(jù)”，《改革》，第10期，第98-112頁。

江艇，2022，“因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)”，《中國工業(yè)經(jīng)濟(jì)》，第5期，第100-120頁。

靳慶魯、孔祥、侯青川，2012，“貨幣政策、民營企業(yè)投資效率與公司期權(quán)價(jià)值”，《經(jīng)濟(jì)研究》，第5期，第96-106頁。

李小林、常詩杰、司登奎，2021，“貨幣政策、經(jīng)濟(jì)不確定性與企業(yè)投資效率”，《國際金融研究》，第7期，第86-96頁。

劉波、李志生、王泓力、楊金強(qiáng)，2017，“現(xiàn)金流不確定性與企業(yè)創(chuàng)新”，《經(jīng)濟(jì)研究》，第3期，第166-180頁。

劉貫春、劉媛媛、張軍，2020，“經(jīng)濟(jì)政策不確定性與中國上市公司的資產(chǎn)組合配置——兼論實(shí)體企業(yè)的‘金融化’趨勢”，《經(jīng)濟(jì)學(xué)（季刊）》，第5期，第65-86頁。

劉海明、曹廷求，2017，“信貸供給周期對企業(yè)投資效率的影響研究——兼論宏觀經(jīng)濟(jì)不確定條件下的異質(zhì)性”，《金融研究》，第12期，第80-94頁。

劉慧、張勇，2022，“貨幣政策不確定性的定義、測度及成因分析”，《經(jīng)濟(jì)學(xué)動(dòng)態(tài)》，第6期，第61-79頁。

劉金全、申瑛琦、張龍，2023，“美聯(lián)儲(chǔ)政策不確定性、中國政策差異化反應(yīng)與宏觀經(jīng)濟(jì)波動(dòng)”，《統(tǒng)計(jì)與信息論壇》，第8期，第78-88頁。

盧峰、姚洋，2004，“金融壓抑下的法治、金融發(fā)展和經(jīng)濟(jì)增長”，《中國社會(huì)科學(xué)》，第1期，第42-55+206頁。

陸正飛、楊德明，2011，“商業(yè)信用：替代性融資，還是買方市場？”，《管理世界》，第4期，第6-14+45頁。

彭紅星、毛新述，2017，“政府創(chuàng)新補(bǔ)貼、公司高管背景與研發(fā)投入——來自我國高科技行業(yè)的經(jīng)驗(yàn)證據(jù)”，《財(cái)貿(mào)經(jīng)濟(jì)》，第3期，第147-161頁。

饒品貴、岳衡、姜國華，2017，“經(jīng)濟(jì)政策不確定性與企業(yè)投資行為研究”，《世界經(jīng)濟(jì)》，第2期，第27-51頁。

任曙明、李蓮青、盧佳蔓、陳強(qiáng)，2022，“貨幣政策不確定性對企業(yè)綠色創(chuàng)新的影響研究”，《當(dāng)代經(jīng)濟(jì)科學(xué)》，第5期，第14-27頁。

邵挺，2010，“金融錯(cuò)配、所有制結(jié)構(gòu)與資本回報(bào)率：來自1999-2007年我國工業(yè)企業(yè)的研究”，《金融研究》，第9期，第51-68頁。

申宇、任美旭、趙靜梅，2020，“經(jīng)濟(jì)政策不確定性與銀行貸款損失準(zhǔn)備計(jì)提”，《中國工業(yè)經(jīng)濟(jì)》，第4期，第154-173頁。

譚小芬、李源、茍琴，2019，“美國貨幣政策推升了新興市場國家非金融企業(yè)杠桿率嗎？”，《金融研究》，第8期，第38-57頁。

田國強(qiáng)、李雙建，2020，“經(jīng)濟(jì)政策不確定性與銀行流動(dòng)性創(chuàng)造：來自中國的經(jīng)驗(yàn)證據(jù)”，《經(jīng)濟(jì)研究》，第11期，第19-35頁。

王紅建、李青原、邢斐，2014，“經(jīng)濟(jì)政策不確定性、現(xiàn)金持有水平及其市場價(jià)值”，《金融研究》，第9期，第53-68頁。

王偉、易卓睿，2023，“經(jīng)濟(jì)政策不確定性對企業(yè)債務(wù)期限結(jié)構(gòu)的非線性影響”，《江西財(cái)經(jīng)大學(xué)學(xué)報(bào)》，第4期，第38-50頁。

王艷麗、類曉東、龍如銀，2021，“綠色信貸政策提高了企業(yè)的投資效率嗎？——基于重污染企業(yè)金融資源配置的視角”，《中國人口·資源與環(huán)境》，第1期，第123-133頁。

顏忠寶、張躍化、趙峰、白宗航，2023，“貨幣政策不確定性、央行言辭溝通與企業(yè)投資效率——兼論“雙支柱”調(diào)控的有效性”，《金融評(píng)論》，第2期，第67-90+125-126頁。

楊子榮、徐奇淵、王書朦，2018，“中美大國貨幣政策雙向溢出效應(yīng)比較研究——基于兩國DSGE模型”，《國際金融研究》，第11期，第14-24頁。

喻坤、李治國、張曉蓉、徐劍剛，2014，“企業(yè)投資效率之謎：融資約束假說與貨幣政策沖擊”，《經(jīng)濟(jì)研究》，第5期，第106-120頁。

章琳一，2016，“現(xiàn)金流不確定性、金融發(fā)展與非效率投資”，《財(cái)會(huì)月刊》，第6期，第50-53頁。

張龍、張偉琦、申瑛琦，2024，“調(diào)控取向測度、外生成分識(shí)別與貨幣政策‘穩(wěn)預(yù)期’效應(yīng)——來自數(shù)量型中介指標(biāo)的經(jīng)驗(yàn)證據(jù)”，《南方經(jīng)濟(jì)》，第1期，第57-71頁。

張慶君、李萌，2018，“金融錯(cuò)配、企業(yè)資本結(jié)構(gòu)與非效率投資”，《金融論壇》，第12期，第21-36頁。

張小宇、黃沁怡，2024，“‘杯水車薪’抑或‘雪中送炭’——低利率環(huán)境下貨幣政策的有效性研究”，《南方經(jīng)濟(jì)》，第5期，第75-94頁。

張新民、張婷婷、陳德球，2017，“產(chǎn)業(yè)政策、融資約束與企業(yè)投資效率”，《會(huì)計(jì)研究》，第4期，第12-18+95頁。

張兆慧、馮展斌，2019，“政策不確定性與企業(yè)投資—現(xiàn)金流敏感性”，《財(cái)經(jīng)論叢》，第5期，第64-74頁。

鐘凱、程小可、王化成，2017，“貨幣政策不確定性損害了資金配置效率嗎？——來自企業(yè)資本結(jié)構(gòu)視角的經(jīng)驗(yàn)證據(jù)”，《中國會(huì)計(jì)評(píng)論》，第3期，第307-334頁。

周煜皓、張盛勇，2014，“金融錯(cuò)配、資產(chǎn)專用性與資本結(jié)構(gòu)”，《會(huì)計(jì)研究》，第8期，第75-80+97頁。

Baker， S.R.， Bloom， N. and Davis， S.J.， 2016， “Measuring Economic Policy Uncertainty”， The Quarterly Journal of Economics， 131（4）： 1593-1636.

Bernanke， B. and Gertler， M.， 1989， “Agency Costs， Net Worth， and Business Fluctuations”， American Economic Review， 79（1）： 14-31.

Biddle， G.C.， Hilary， G. and Verdi， R.S.， 2009， “How Does Financial Reporting Quality Relate to Investment Efficiency？”， Journal of Ac？ counting and Economics， 48（2-3）： 112-131.

Bloom， N.， Bond， S. and Van Reenen， J.， 2007， “Uncertainty and Investment Dynamics”， The Review of Economic Studies， 74 （2）： 391-415.

Bordo， M.， Duca， J.V. and Koch， C.， 2016， “Economic Policy Uncertainty and the Credit Channel： Aggregate and Bank Level US： Evidence Over Several Decades”， Journal of Financial Stability， 26： 90-106.

Chen， H. and Tillmann， P.， 2021， “Monetary Policy Uncertainty in China”， Journal of International Money Finance， 110： 102309.

Chen， S.， Sun， Z.， Tang， S. and Wu， D.， 2011， “Government intervention and investment efficiency： Evidence from China”， Journal of Corpo？ rate Finance， 17（2）： 259-271.

Creal， D.D. and Wu， J.C.， 2017， “Monetary Policy Uncertainty and Economic Fluctuations”， International Economic Review， 58（4）： 1314-1354.

Grullon， G.， Lyandres， E. and Zhdanov， A.， 2012， “Real Options， Volatility， and Stock Returns”， Journal of Finance， 67（4）： 1499-1537.

Han， S. and Qiu， J.， 2007， “Corporate Precautionary Cash Holdings”， Journal of Corporate Finance， 13（1）： 43-57.

Hirth， S. and Uhrig-Homburg， M.， 2010， “Investment Timing when External Financing is Costly”， Journal of Business Finance Account？ ing， 37（7-8）： 929-949.

Hirth， S. and Viswanatha， M.， 2011， “Financing Constraints， Cash-Flow Risk， and Corporate Investment”， Journal of Corporate Finance， 17（5）： 1496-1509.

Huang， H.C.， Wang， X. and Xiong， X.， 2022， “When Macro Time Series Meets Micro Panel Data： A Clear and Present Danger”， Energy Eco？ nomics， 114： 106289.

Huang， Y. and Luk， P.， 2020， “Measuring Economic Policy Uncertainty in China”， China Economic Review， 59： 101367.

Jurado， K.， Ludvigson， S.C. and Ng， S.， 2015， “Measuring Uncertainty”， The American Economic Review， 105（3）： 1177-1216.

Lastauskas， P. and Nguyen， A.D.M.， 2023， “Global Impacts of US Monetary Policy Uncertainty Shocks”， Journal of International Economics， 145： 103830.

Mishkin， F.S.， 1996， “Understanding Financial Crises： A Developing Country Perspective”， NBER Working Paper， No.5600.

Modigliani， F. and Miller， M.， 1958， “The Cost of Capital， Corporation Finance and the Theory of Investment”， American Economic Review， 48（3）： 261-297.

Restuccia， D. and Rogerson， R.， 2008，“ Policy Distortions and Aggregate Productivity with Heterogeneous Establishments”， Review of Eco？nomic Dynamics， 11（4）： 707-720.

Richardson， S.， 2006， “Over-Investment of Free Cash Flow”， Review of Accounting Studies， 11： 159-189.

Impact of Monetary Policy Uncertainty on Corporate Investment Efficiency： Evidence from Chinese Listed Companies

Liu Xinghua Chen Zansong

Abstract： This paper is based on data from China’s A-share listed companies from 2007 to 2022， using the TVP-SVFAVAR model， principal component analysis， and the MCMC algorithm to estimate China’s monetary policy uncertainty. It then applies the real options theory framework to empirically analyze the impact of monetary policy uncertainty on corporate investment efficiency. The study shows that increased monetary policy uncertainty significantly raises inefficient investment behavior in firms， meaning that companies may either over-invest or under-invest， leading to resource misallocation and eco？ nomic efficiency losses. To ensure the robustness of the conclusions， the study replaces key variables， eliminates systematic bias， and removes the interference of economic fluctuations. The results still support the initial findings. In addition， the study employs the instrumental variable method and the difference-in-differences method to alleviate endogeneity issues， ensuring the reliability of the results.

In the analysis of the mechanism， the paper points out that the rise in monetary policy uncertainty increases inefficient corporate investment through three main channels. First， it reduces the financing convenience， making it difficult for compa？ nies to obtain sufficient funds for normal operations. Second， it worsens the financial mismatches， preventing firms from effec？ tively utilizing existing resources. Third， it increases cash flow uncertainty， exposing firms to more risks in their investment decisions. These channels extend the research boundaries of monetary policy transmission and provide new insights into how it affects corporate behavior. Heterogeneity analysis further reveals that the impact of monetary policy uncertainty varies sig？ nificantly across different types of firms. Specifically， private enterprises， firms in the eastern and central regions， and hightech companies are more significantly affected by inefficient investment due to monetary policy uncertainty. This finding deep？ ens the theoretical understanding of the effectiveness of monetary policy， highlighting the vulnerability and differences exhib？ ited by different types of firms in response to changes in monetary policy.

Based on these findings， the paper proposes a series of policy recommendations to address the adverse effects of mon？ etary policy uncertainty on corporate investment efficiency. These recommendations include establishing a normalized mon？ etary policy communication mechanism to reduce the shock of policy uncertainty on the market， innovating diversified financ？ ing methods to help firms obtain stable funding in uncertain environments， improving the hierarchical policy evaluation sys？ tem to strengthen targeted policy formulation for different regions and industries， and implementing differentiated response strategies， especially for high-tech companies and private enterprises with specific needs. These policy measures can better promote high-quality development in the financial market and provide theoretical support and practical guidance for mon？ etary authorities to take precise actions.

Keywords： Monetary Policy Uncertainty； Inefficient Investment； Financing Convenience； Financial Mismatch； Cash Flow Un？ certainty

（責(zé)任編輯：童玉芬）