金融資產配置與實體企業全要素生產率：“產融相長”還是“脫實向虛”

盛明泉 汪 順 商玉萍

(1.安徽財經大學 會計學院，安徽 蚌埠233030； 2.暨南大學 管理學院，廣東 廣州510632；3.上海財經大學 財經研究所，上海200433)

一、引言

自我國經濟步入“新常態”，如何破題經濟結構的轉型升級，實現要素驅動與投資驅動向創新驅動的轉變，共享改革成果，便成為全面建成小康社會目標下的重點問題。黨的十九大報告明確提出提高全要素生產率的要求，這充分表明提升全要素生產率對于實現經濟高質量增長具有重要意義。然而，如何提高全要素生產率，仍是一個有待檢驗和深入討論的重大經濟問題。近年來，我國大量的實體企業紛紛涉足房地產與金融兩大“暴利”行業，例如以服裝巨頭雅戈爾為代表的一大批優質實體企業放棄主業，專攻金融與地產投資等，由此也引發理論界與實務界針對實體經濟與虛擬經濟之間關系的激烈爭論，我國實體經濟的“脫實向虛”現象已成為另一個亟待討論的重大經濟結構性問題。那么，這兩大經濟問題之間是否存有質的聯系呢？從理論演繹來看，如果實體企業金融化表現為“蓄水池”效應，則有助于緩解企業的外部融資約束，提高資源配置效率；但如果企業配置金融資產僅僅旨在“投機套利”，即以減少經營資產投資、犧牲實體經濟發展機會為代價來追逐金融投機收益，則會對實體經濟產生“擠出”效應，從而不利于企業全要素生產率的提升。當前，我國愈演愈烈的企業金融化趨勢到底會對全要素生產率產生何種影響，是體現為“產融相長”還是“脫實向虛”？

基于上述分析，本文選取2007—2015年我國A股上市公司的經驗數據，實證檢驗了實體企業金融化與企業生產率之間的關系。研究表明：金融化程度負向影響企業全要素生產率，實體企業金融化更多地體現為“脫實向虛”，而非“產融相長”；進一步地，檢驗金融化與全要素生產率二者之間的傳導路徑發現，金融化會通過擠占實體投入以及抑制企業創新進而降低企業全要素生產率，并且這種負面影響在融資約束更低以及短視性更強的樣本企業內更加凸顯；不同類型的金融資產配置行為對于全要素生產率的影響存在結構性差異，相對而言，配置交易性金融資產對于全要素生產率的影響不明顯，但配置高投機性的長期股權投資以及投資性房地產仍會負向影響全要素生產率。

本文的邊際貢獻在于：(1)實體企業金融化本質上是企業財務政策的體現，而全要素生產率則是企業生產經營過程的體現，因此本文進一步打開了企業財務政策與企業生產經營過程之間的理論“黑箱”，不僅從微觀層面豐富了全要素生產率領域的相關文獻，同時也為實體企業金融化這一理論熱點提供了較為全面的經驗發現。(2)本文結論也具有一定的政策價值，研究顯示“脫實向虛”不利于全要素生產率的提升，因此全要素生產率提升這一國家戰略的順利實現，不僅要大力倡導科技創新，更應強調實體經濟的“脫虛向實”；本文關于實體企業金融資產配置與全要素生產率之間的經驗分析不僅進一步豐富了上述論斷，也為當下我國提振實體經濟、提升全要素生產率水平提供了重要的方向性參考。

二、文獻回顧與假設提出

20世紀80年代以來，實體經濟金融化現象在發達國家蔚然成風，并引致理論界與實務界的廣泛關注。有關實體經濟金融化的研究重點關注兩個方面的主題：一是，實體企業金融化的動因；二是，實體企業金融化的經濟后果。

關于實體企業金融化的動因，雖然現有研究結論表述各異，但究其本質，可以將其歸結為金融資產的“蓄水池”效應以及“投機套利”兩種視角。其中，“蓄水池”效應是指企業提前將過剩的資源轉化為金融資產，一旦在企業面臨嚴苛的融資約束或惡劣的市場環境時，可以再將持有的金融資產轉化為實體資源；投機套利動因則是指，企業將主要的資源分配至金融以及地產等高收益領域，旨在謀取短期超額利潤。基于上述邏輯，現有文獻分別從實體投資與虛擬投資的收益率差異(Demir，2009)、宏觀經濟周期與貨幣投放量變動(胡奕明 等，2017)、經濟政策不確定性(彭俞超 等，2018)等宏觀層面，以及公司業績(宋軍 等，2015)、外部競爭壓力(王紅建 等，2016)、內部控制質量(唐雪松，2016)等微觀層面探討企業金融化行為。

關于實體企業金融化的經濟后果，盡管現有研究仍未取得收斂的結果，但通過文獻梳理不難發現，由于企業金融化的動因不同，其經濟后果亦不盡相同。Orhangazi(2008)發現，實體企業金融化將擠占其對于實業資產的投入；王紅建等(2017)的研究顯示，金融化趨勢不利于企業的研發創新；實體企業金融化短期內會提升企業業績(王紅建 等，2016)，但最終卻將導致企業長期業績的減損(杜勇 等，2017)。上述對于經濟后果的研究主要從金融化的“投機套利”動因出發。亦有部分研究表明，“實體”+“金融”的產融結合模式具有“產融相長”的經濟職能，不僅會直接降低企業的融資成本，緩解外部融資約束，同時也能夠充分釋放實體企業自身的競爭力(盛安琪 等，2018；李維安 等，2014；黎文靖 等，2017)。

從理論演繹的角度而言，實體企業金融資產配置行為對于全要素生產率的影響，可能存在兩種經濟后果。一旦實體企業出于“投機套利”的動機，而將資金投資于金融和房地產等經濟領域，則會出現資金“脫實向虛”現象，進而對企業全要素生產率產生負面影響。具體表現在：一方面，實體企業將資金配置于金融資產時，實業資金必然受到擠占，從而會降低實業投資；另一方面，實體企業將資金配置于金融和房地產等高投機性行業時，同樣會擠占企業創新資源，阻礙內部技術升級，從而導致企業全要素生產率降低。當企業出于“蓄水池”動機，采用金融化策略應對外部融資約束時，則有助于優化企業內部的資源使用效率，體現為“產融相長”，客觀上會直接驅動企業創新，在提高全要素生產率的同時也將極大地促進企業競爭力的提升。基于上述分析，本文提出如下競爭性假設：

假設1a：給定其他條件不變，實體企業金融化將負向影響其全要素生產率，體現為“脫實向虛”；

假設1b：給定其他條件不變，實體企業金融化將正向影響其全要素生產率，體現為“產融相長”。

三、研究設計

本文的研究設計按如下思路進行：首先，實證檢驗企業金融化對于其全要素生產率的影響方向及作用效果，以確立本文的主效應；然后，進一步探索企業金融資產配置與全要素生產率二者之間的作用路徑、不同金融化動機的調節效應以及不同類型金融資產配置行為之間的結構化差異。

(一)樣本選擇與數據來源

本文的初始數據集為2007—2015年的A股上市公司。參考盛明泉等(2017)的數據清洗步驟，對初始數據進行如下處理：(1)刪除ST與金融類樣本；(2)剔除基礎數據缺失，或基本指標存在明顯偏誤的樣本(如負債率大于1)，并在此基礎上進行Winsorize處理。隨后，按照魯曉東等(2012)的估計思路，由于半參數估計方法能夠更好地處理樣本數據間的聯立性偏差與選擇性偏差問題，因而本文采用LP方法作為全要素生產率的主要估計方法，這與簡澤等(2014)使用的處理辦法也是一致的，即利用上市公司財務數據計算出企業的全要素生產率水平(TFP_LP)。另外，為保證實證結果的穩健性，本文還使用OP法估計了企業的全要素生產率水平(TFP_OP)。經過上述處理，我們最終得到包含9681個公司年度樣本的非平衡面板。本文主要的財務數據以及治理數據來自于國泰安數據庫(CSMAR)，企業研發數據以及實際控制人數據來自于Wind數據庫。

(二)基本模型設定

為檢驗企業金融化資產配置行為對其全要素生產率的影響方向，本文借鑒聶輝華等(2014)以及盛明泉等(2017)的研究設計，建立如下模型，以考察金融化與企業生產率之間的互動性關系。

TFP= β0+β1Fin+β2Size+β3Lev+β4Roe+β5Grow+β6Dual+β7Insti+

β8Boardsize+β9Inde+Year+Ind+ε

(模型1)

其中：被解釋變量為企業全要素生產率(TFP)；解釋變量為金融化比率(Fin)，其系數β1是本文的核心關注點，若該系數顯著小于0，則表明金融資產配置負向影響全要素生產率，體現為“脫實向虛”。此外，參考現有文獻的做法，本文還控制了一系列財務指標與公司治理指標，如企業規模、負債率、成長性以及董事會結構等，β2至β9分別為各控制變量的系數。β0為模型常數項，Ind和Year分別為行業效應和年度效應,ε為估計殘差。

(三)變量說明

1．被解釋變量：全要素生產率(TFP)

在本文的基準模型中，被解釋變量為企業全要素生產率水平(TFP)。現有文獻中，有關TFP的計算方法主要有三種：參數法、非參數法以及半參數法。由于半參數估計結合了生產函數估計和非參數估計的思想，能較好地解決TFP估計過程中的聯立性偏誤(即企業的TFP水平反向影響企業的要素選擇所導致的互為因果)以及選擇性偏誤(即競爭會導致低TFP的企業退出市場從而使得樣本TFP被高估)，因此，半參數方法現已成為估計微觀企業全要素生產率的主要方法，魯曉東等(2012)以及楊汝岱(2015)均采取了這一估計思路。由于半參數估計主要包含OP估計法以及修正的OP估計法(即LP法)，因此，本文借鑒簡澤等(2014)，使用LP法測算的全要素生產率TFP_LP作為主要的因變量，同時利用OP法計算的全要素生產率TFP_OP開展穩健性檢驗[注]對全要素生產率的LP估計以及OP估計均有相應的Stata實現程序，其中：LP法的Stata程序名levpet.ado；OP法的Stata程序為opreg.ado。感興趣的讀者可通過運行命令ssc install levpet或ssc install opreg下載安裝相應的程序包。。

2．自變量及其含義

借鑒杜勇等(2018)的研究思路，將交易性金融資產、衍生金融資產、可供出售金融資產、持有至到期投資、投資性房地產和長期股權投資等六個科目劃分為金融資產。需要說明的是，盡管貨幣也屬于金融資產，但經營活動本身也會產生貨幣，因此，本文中的金融資產并未包括貨幣資金。此外，現代房地產越來越脫離實體經濟部門，呈現虛擬化特征(宋軍 等，2015；王紅建 等，2016)，因而，本文在衡量企業金融化水平的過程中同樣將投資性房地產涵蓋在內。由此，企業金融化程度(Fin)的計算公式為：Fin=(交易性金融資產+衍生金融資產+可供出售金融資產+持有至到期投資+投資性房地產+長期股權投資)/總資產。

3．控制變量

參考黎文靖等(2012)以及盛明泉等(2017)的做法，本文進一步控制了企業財務特征變量以及治理特征變量。其中，財務特征變量包含企業規模(Size)、資本結構(Lev)、成長性(TobinQ)以及盈利能力(Roe)，而治理特征變量則包含兩職合一(Dual)、機構投資者(Insti)、董事會規模(Boardsize)以及獨董比例(Inde)。

各主要變量的具體釋義如表1所示。

表1 變量說明

四、實證結果及分析

(一)主要變量的基礎性描述

主要變量的描述性統計結果見表2。從中可以看出，因變量TFP的均值近乎等于中位數，且標準差較小，表明我國企業的全要素生產率分布大致符合正態分布。另外，企業金融化水平呈右偏分布的特征(均值大于中位數)，多數企業的金融化程度較低，標準差較高說明不同企業間的金融化水平具有較高的異質性。同時，各控制變量的結果與已有相關的主要文獻亦保持了較高的一致性。

表2 描述性統計表

(二)相關性分析

表3列示了本文主要變量的皮爾森相關系數。從中可見：首先，企業金融化水平(Fin)與其全要素生產率(TFP_LP)負相關，且在1%的統計水平上顯著，這表明實體企業金融化一定程度上不利于其全要素生產率的提升，但上述觀測結果并未考慮公司、行業、時間等異質性特征的影響，尚需通過回歸分析加以進一步檢驗；其次，機構投資者持股(Insti)和董事會規模(Boardsize)均與TFP_LP在1%的統計水平上顯著正相關，而兩職合一(Dual)卻負向影響企業全要素生產率，這表明公司治理對于企業全要素生產率提升具有重要作用；最后，企業規模(Size)、成長性(TobinQ)等企業特征與全要素生產率的關系也與已有相關研究結論一致。

表3 相關性分析

注：表內數字為皮爾森相關系數；***、**、*分別表示在1%、5%、10%水平上顯著。

(三)實證結果及其討論

表4報告了金融化對企業全要素生產率的影響結果。具體而言，列(1)為未加入各控制變量以及未控制年度與行業效應的回歸結果，隨后，我們依據逐步回歸的思想，在列(2)中控制了公司財務特征，在列(3)中進一步控制了公司治理特征，在列(4)中加入了行業與年度效應。

表4 主效應回歸

注：括號里的數字為t值；***、**、*分別表示在1%、5%、10%水平上顯著。下同。

表4中的實證結果表明，在上述所有回歸中，金融化(Fin)變量的回歸系數均顯著為負，且在1%的水平上顯著，這表明在控制各種異質性條件的基礎上，實體企業金融化將負向影響全要素生產率，前文的假設1a得證。另外，相較于列(1)而言，列(2)、(3)、(4)的Adj_R2穩步上升，一定程度上佐證了模型架構的合理性。各控制變量的回歸結果顯示，杠桿率(Lev)負向影響企業全要素生產率，表明去杠桿對于提升生產率的重要性；企業成長性(TobinQ)正向影響全要素生產率，與楊汝岱(2015)的研究結論一致。

(四)內生性問題與穩健性檢驗

1．內生性問題

本文旨在探討企業金融資產配置對其全要素生產率的影響，然而企業如何配置其金融化資產這一啞變量很可能存在內生性困擾，因為全要素生產率較低的企業往往更有可能采用金融化的經營策略以彌補自身主營業務的不足，因此，企業的生產率越低，其金融化水平越高。此時，使用普通OLS回歸可能存在較強的反向因果問題。為控制這一內生性問題，借鑒王紅建等(2017)的處理思路，本文選擇投資收益占凈利潤之比(Invprofit)作為工具變量。原因在于，該收益屬于企業非主營業務產生的利潤，其與金融資產配置水平高度相關，但卻與企業日常的生產經營活動無關。理論上，該工具變量應該無法通過除卻金融化路徑之外的其他路徑影響企業的全要素生產率水平，所以其能夠較好地滿足工具變量所需具備的相關性與排他性要求(Roberts et al.,2013)。

兩階段最小二乘的結果見表5。第一階段的回歸結果顯示，企業投資收益率(Invprofit)與企業金融化水平(Fin)正相關，且高度顯著，這與現有的理論預期一致。第二階段的回歸結果表明，無論是使用LP方法還是OP方法估計的全要素生產率作為代理變量，企業金融化水平(Fin)的系數仍顯著為負，表明即使充分考慮了內生性偏誤，金融化的“脫實向虛”性質仍未發生改變，再次驗證了假設1a。

表5 工具變量法回歸

2．穩健性檢驗

為測試實證結果的穩定性，本文開展了一系列穩健性檢驗，結果見表6。首先，更換全要素生產率的估計方法，使用OP法重新估計的全要素生產率(TFP_OP)作為被解釋變量，回歸結果如列(1)所示。從中可見，金融化(Fin)的回歸系數依然負向顯著。其次，選取具有代表性的制造業樣本重述金融化對于企業全要素生產率的影響，結果如列(2)所示。可以發現，在制造業樣本中，仍得到了與全樣本相一致的估計結果。再者，使用滯后一期的全要素生產率水平(TFP_LPt+1)作為因變量，重新回歸，結果見列(3)。不難發現，金融化(Fin)的系數依然負向顯著。最后，考慮到公司個體層面可能存有部分不隨時間而改變的干擾因素，因而采用個體固定效應重述前文的主效應模型，結果如列(4)所示。從中可見，金融化(Fin)的回歸結果仍然顯著。上述穩健性檢驗結果表明，前文研究結論是可靠的。

表6 穩健性檢驗

注：列(2)與列(3)由于分別采用制造業樣本與滯后一期樣本，因而損失了部分樣本量；列(1)、(2)、(3)中的R2均為經調整后的R2(Adj_R2)；列(4)采用個體固定效應回歸作為估計方法，因而R2為組內R2(Within_R2)。

五、進一步研究

(一)作用路徑檢驗

上文研究表明，金融化不利于企業全要素生產率的提升，并且這一結論具有穩健性。那么，實體企業金融化究竟通過何種路徑對其全要素生產率水平產生影響，中間的傳導機制如何？圍繞這一問題，本文嘗試從實業投資以及企業創新兩條路徑出發，以期打開企業金融化作用于全要素生產率的“黑箱”。

首先，實體企業金融化意味著企業將其內在資源更多地投至虛體業務，客觀上會對實業投資形成擠壓，而實業投資的降低，不僅僅意味著企業資源分配偏好的改變，同樣也意味著實體經營活動所能支配的資源總量在降低。作為實體經營活動效率的體現，全要素生產率理應受到實業投資變化的影響，本文將“金融化—實業投資—全要素生產率”這一路徑稱為實業投資路徑。另外，創新與技術進步是企業全要素生產率提升的內核，然而由于企業研發活動具有天然的高風險性，其往往需要大量的長期穩定的資金投入；與之相似，金融化也具有高風險、高收益的特征，但其與研發活動存在本質不同，金融化通常還帶有一定的投機套利性質。因而，還可能存在另一條影響路徑，本文稱之為創新路徑，即“金融化—企業創新—全要素生產率”。為驗證上述的理論分析，本文設計了兩組路徑檢驗，回歸結果見表7。

在表7中，列(1)、列(2)展示了實業投資路徑的檢驗結果[注]借鑒杜勇等(2017)的研究設計，本文中的實業投資水平采用Δ(固定資產+在建工程+工程物資)/總資產表示。。其中，金融化負向影響企業的實業投資水平(Fin的回歸系數為-0.0464，且在1%的水平上顯著)；列(2)顯示實業投資對于企業全要素生產率具有顯著的正向影響(Inv的回歸系數為0.2021，且在1%的水平上顯著)。上述結果一定程度上說明，“金融化—實業投資—全要素生產率”這一傳導路徑是真實存在的，也揭示出企業“脫實向虛”式的資源配置策略對于全要素生產率的負面效應。列(3)、列(4)展示了創新路徑的檢驗結果[注]借鑒王紅建等(2017)的研究設計，本文采用研發支出/營業收入表示企業的創新投入水平。。列(3)表明，金融化擠出了企業的創新投入(Fin的回歸系數顯著為負)；列(4)表明，企業創新能夠顯著提升其全要素生產率(Rdratio的回歸系數為正，且在5%的水平上顯著)。上述檢驗結果證實，“金融化—企業創新—全要素生產率”這一傳導路徑是成立與存在的。

表7 作用路徑檢驗

(二)金融化與企業全要素生產率：融資約束與企業短視性的調節效應

實體企業可能出于不同的動機配置金融資產，而通過上文的分析可知，基于不同金融化動機的企業，其金融資產配置行為對于企業全要素生產率的影響程度顯然是不同的(胡奕明 等，2017)。因此，如果企業的某項特質能影響到企業的金融化動機，那么這一特質將在金融化與企業全要素生產率之間起到一定的調節效應，換言之，金融化對于企業全要素生產率的影響，會隨著該項調節變量的改變而改變。

從理論上來看，企業所面臨的融資約束應該具有負向的調節效應，這是因為融資約束的程度會直接影響企業的金融化動機(王紅建 等，2017)。對于融資約束嚴重的企業而言，金融化的“蓄水池”效應能夠有效發揮緩解企業融資約束的功能，此時的金融化行為更多地體現為企業的一種策略性應對。而對于“預算軟約束”的企業而言，由于其并不缺乏資金支持，因此金融化更可能被視為套利手段，在此情形下，金融化對于企業全要素生產率的負面影響應該更為顯著。另外，企業自身的短視性也會造成金融化動機的差異，由于“蓄水池”功能的實現通常需要一定的等待期，對于短視性的企業而言，這一等待期往往是不能接受的，因此強短視性企業一般更加青睞金融化資產的投機套利屬性，此時，金融化的負向效應可能更加凸顯。

本文通過分組回歸的方法驗證上述調節效應，具體結果如表8所示。其中，列(1)與列(2)展示了按融資約束[注]參考饒品貴等(2016)，本文使用SA指數衡量企業融資約束程度，該指數的構建方程為：SA=-0.737×Size+0.043×Size2-0.04×Age。分組的回歸結果，對于融資約束程度較低的企業樣本，金融化(Fin)的系數顯著為負，但對于融資約束程度較高的企業組，其對于企業全要素生產率的負面影響并不顯著。這表明，對于融資約束較低的企業樣本而言，金融化更可能是出于“套利動機”，因為缺乏采用“蓄水池”策略應對外部融資約束的前提，這一實證結果也驗證了融資約束具有負向調節效應的理論預期。列(3)與列(4)則展示了按企業短視性[注]通過對管理層決策視閾的分組區分企業是否短視(虞義華 等，2018)，而管理層決策視域的重要外在表現形式為投資期限結構，該指數等于公司短期投資項目與長期投資項目之比。分組的回歸結果，對于強短視性企業，金融化更多地體現了“投機套利”屬性，而對于弱短視性企業，金融化對于全要素生產率并未呈現出明顯的負面效應。

表8 影響因素檢驗

(三)金融化對于生產率影響的結構性特征

上文已經證實，金融化會負向影響全要素生產率。進一步地，金融資產還可以被細分為不同種類，那么在企業金融化的過程中，配置不同種類的金融資產，對于實體企業全要素生產率的影響是否存在結構性差異呢？為解決這一問題，本文將金融資產劃分為交易性金融資產、長期股權投資、投資性房地產以及其他長期金融資產四類，并按其對應的總資產占比分別進行回歸。從細分種類資產的流動性來看，交易性金融資產流動性較強，轉換成本較低，因此配置此類金融資產的“蓄水池”動機較強；而投資性房地產與長期股權投資類金融資產流動性相對較低，轉換成本也較高，因而其更有可能體現為投機套利動機。由此，可以合理預期，交易性金融資產比率與企業全要素生產率之間的負向關系更弱，而持有至到期投資以及投資性房地產與全要素生產率之間的負向關系更強。

相關回歸結果報告于表9中。不難發現，列(1)中交易性金融資產占比(Fin1)的回歸系數為負且不顯著；在列(2)、列(3)以及列(4)中，長期股權投資比率(Fin2)、投資性房地產比率(Fin3)以及其他長期金融資產(Fin4)的回歸系數均顯著為負。這不僅說明企業將主要資源配置到資本運作以及房地產市場等套利行為不利于其生產率的提升，亦再次揭示不同種類、不同動機的金融資產配置行為對于企業發展的影響存在結構性差異。

六、研究結論與政策建議

使用微觀企業樣本，本文研究了金融資產配置對于實體企業全要素生產率的影響，結論顯示：(1)總體上看，實體企業的金融資產配置負向影響其全要素生產率，體現為“脫實向虛”。在經過工具變量法、變量替換、回歸方法調整等一系列穩健性測試之后，這種負向影響依然顯著。(2)進一步的機制檢驗表明，實體企業金融化之所以能夠負向影響全要素生產率，其對于實業投資以及企業創新的擠出效應是兩條重要的作用路徑。(3)金融化對于全要素生產率的負向影響，在低融資約束以及強短視性的企業樣本組內更顯著，這表明企業金融化行為可能是“蓄水池”與“投機套利”動機共同作用的結果。(4)不同種類的金融資產配置行為對于企業全要素生產率的影響存在結構性差異，相對而言，高流動性的交易性金融資產對于全要素生產率的影響不明顯；而高投機性的長期股權投資與投資性房地產對于全要素生產率則具有顯著的負面影響。

本研究結論具有重要的啟示：首先，要積極為實體企業的生產經營活動營造良好的環境，大力引導實體企業回歸主業，這不僅有助于抑制當下愈演愈烈的“脫實向虛”，還可以防范金融化過程中的“投機套利”問題，促進企業全要素生產率不斷提升。其次，應強化對實體企業資金投向的引導和監管，一方面，需密切追蹤實體企業在金融和房地產領域的資金動向，加強對實體企業金融投機行為的監管和打擊力度；另一方面，要出臺相應的鼓勵性政策，加大對企業轉型升級、技術創新等與日常主業經營密切相關領域的幫扶力度，縮小實業投入、創新投入與套利投入之間的收益率差距。最后，實體企業應進一步優化所持金融資產的結構，切實發揮金融化行為的“蓄水池”效應。這就要求實體企業在配置資金的過程中，應優先考慮主業發展所需，然后再將剩余資金依次配置于交易性金融資產、持有至到期投資以及投資性房地產等領域，以減少乃至消除金融化對于企業全要素生產率的不利影響。

當然，本文也存在一些局限。比如，囿于數據限制，本文對于金融資產的分類稍顯粗糙，未來研究可嘗試收集更為精細的金融資產配置數據(例如上市公司購買理財產品數據)，進一步完善現有結論。