經濟政策不確定性與制造業企業金融化

摘 " 要：本文運用TVP-SV-VAR模型結合我國滬深上市制造業企業數據，實證研究了經濟政策不確定性、商業銀行信貸期限偏好、制造業企業家信心和制造業企業金融化之間的動態時變關系。結果表明，經濟政策不確定性與制造業企業金融化之間存在著階段性正向效應的演化特征。進一步分析發現，經濟政策不確定性會對商業銀行信貸期限偏好和制造業企業家信心產生負向沖擊，間接影響制造業企業金融化程度。最后，探究了經濟政策不確定性對制造業企業金融化在不同經濟周期中存在的異質性，在經濟衰退期企業家信心所產生的傳導效應最強，其次是經濟恢復期，而經濟穩健期的傳導效應最弱。

關鍵詞：政策不確定性；企業家信心；企業金融化；時變參數向量自回歸

DOI：10.3969/j.issn.1003-9031.2024.12.001

中圖分類號：F272.3 " " " " " " 文獻標識碼：A " " 文章編號：1003－9031（2024）12－0003－14

一、引言

2024年，我國制造業增加值占全球比重約30%，連續14年位居全球首位，成為世界供應鏈中不可或缺的關鍵環節。然而，近年來制造業企業表現不佳，需求端疲軟，全要素生產率增速放緩。在利潤驅動下，越來越多的制造業企業將自有資金投入金融市場，依靠金融市場獲取利潤，即制造業企業金融化的現象愈發顯著。制造業是實體經濟的支柱行業，是我國科技創新、增強國際競爭力的主力軍，更是我國經濟高質量發展的重要力量。制造業企業過度金融化會使得實體經濟空心化，削弱我國制造業的國際競爭力，并且會加大金融市場的波動，增大系統性金融風險。因此，探究制造業企業金融化的影響因素，對促進資金回流實體經濟、引導制造業企業專注核心業務、支持我國經濟的高質量可持續發展具有重要意義。

隨著中國改革開放不斷深入推進，改革面臨“深水區”，經濟迫切需要完成“由量到質”的改變，為了引領制造業的轉型升級，我國政府出臺相關的經濟政策的數量和速度都有所增多，在為我國經濟高質量發展“保駕護航”的同時，也使得我國宏觀經濟環境的不確定性增大（許志偉，2019）。經濟政策不確定性的上升對制造業企業的生產活動、日常經營、投資、創新等方面產生了深遠影響（劉貫春，2018；譚小芬，2017）。近年來，越來越多的學者從經濟政策不確定性的角度對企業金融化不斷加深給出了解釋，部分學者認為經濟政策不確定性的增大會抑制企業金融化。彭俞超等（2018）發現經濟政策不確定性提高會通過增加金融市場風險和減少銀行貸款兩條渠道抑制企業金融化趨勢。也有學者提出經濟政策不確定性的增加會促進企業金融化。劉貫春等（2020）發現經濟政策不確定性直接影響了企業的資產組合配置，并通過流動性管理和治理結構轉變兩個維度分析出企業在面臨經濟政策不確定性上升時會偏好可逆性更強的金融資產而非固定資產。那么在此背景下，經濟政策不確定性與制造業企業金融化之間存在著何種關系？本文利用2007第一季度到2023年第二季度的中國A股制造業企業上市公司數據，通過構建時變參數向量自回歸模型（TVP-SV-VAR），對其中可能存在的動態時變關系進行實證檢驗。

本文可能的邊際貢獻有以下三個方面：一是拓展了經濟政策不確定性與企業金融化之間相關關系的研究范疇，利用TVP-SV-VAR模型從宏觀上研究經濟政策不確定和企業金融化之間在不同時期和不同事件背景下的動態時變關系。二是對其中可能存在的機制進行探究，并且創新性地從微觀心理因素的視角探究企業家信心在經濟政策不確定性與企業金融化之間的影響路徑。三是本文的研究思路和結論能夠幫助地方管理者進一步理解經濟政策對企業微觀行為的影響，提高企業管理者在面臨政策環境變化時的應對能力。

二、文獻綜述與理論分析

（一）經濟政策不確定性對制造業企業金融化的影響

企業金融化是指企業資產中金融資產占比的提升，企業將更多的資金配置到虛擬程度更高的金融資產的行為（Demir，2009）。一部分學者從投資收益的角度對企業金融化進行了定義，他們認為企業金融化是指企業越來越重視資本運作而不是生產性投資，而表現出從金融渠道獲得的利潤占總利潤比重不斷提高的現象（Kripnner G R，2005），另一部分學者從資產配置角度，用金融資產占總資產的比重衡量企業金融化程度，這樣的度量方式更加全面（杜勇，2017；顧雷雷，2020）。

制造業企業過度金融化會導致制造業企業擠出實體投資，影響制造業企業的創新能力（謝家智，2014），進而影響制造業企業的整體競爭力（王少華，2020）。此外，過度金融化會導致資金在金融體系中空轉，增加金融杠桿和金融風險（劉貫春，2019）。關于企業進行金融投資的動機一般分為兩類：一是應對外部環境不確定性或財務困境，通過配置金融資產作為“預防性儲蓄”以緩解流動性壓力；二是因為來自外部實體經濟的低迷或是內部業績考核的壓力，不合理的內部管理體系會促使企業管理者尋求短期的高收益，通過“追逐利潤”動機將本應投入實體經濟的資源轉向金融資產（左治稷，2024）。基于不同的動機，經濟政策不確定性對企業金融化程度的影響也會有一正一負兩種不同的效果。一方面，一些學者借用實物期權理論，認為經濟政策不確定性的上升會使得企業投資于固定資產所需要的“等待成本”增大，投資風險上升，企業因而會減少當期的固定資產投資，轉而配置流動性更強的金融資產（BLOOM N and BONDS，2007；譚小芬，2017）。尤其在資產可逆性較低的企業中，這種政策不確定性對固定資產投資的抑制作用更為顯著（劉貫春等，2022）。另一方面，也有部分學者認為經濟政策不確定性的增加會降低商業銀行的放貸意愿，使得信貸政策收縮，從而限制企業的融資能力，最終降低他們的金融資產投資規模（Baum et al.，2009；彭俞超，2018）。此外，經濟政策不確定性的上升會加大金融市場的波動性，提高金融資產收益的不確定性，使得企業在做金融化決策上會更加謹慎，減少對金融資產的投資（陳國進等，2017）。

（二）商業銀行信貸期限偏好的傳導效應

商業銀行的信貸期限偏好受內部和外部兩方面因素影響。其中，內部因素中較為典型的影響因素就是資產規模。一些學者借用“大而不能倒”理論，認為資產規模大的銀行相較于小銀行的風險承擔能力更強，因此具有更長的信貸期限偏好（黃雋和章艷紅，2010）。而另一些學者認為規模越大的企業面臨著更強的監管壓力，這會使得銀行有效降低自身的風險承擔水平（江曙霞和陳玉嬋，2012）。目前，也有越來越多的學者從公司治理這一銀行內部因素來探究商業銀行的信貸期限偏好，有學者借用“委托代理”理論，發現銀行的董事會規模越大，高管薪酬越高，其擁有的風險偏好程度更高，更能夠接受長期限的信貸供給（宋獻中和禹天寒，2018）。

銀行的外部因素主要來自貨幣政策、市場環境以及宏觀經濟。關于貨幣政策方面，有學者認為商業銀行的信貸期限偏好代表了銀行在貨幣政策變動時的風險承擔水平，貨幣政策會通過影響商業銀行的風險感知以及信貸決策最終影響到商業銀行的信貸期限偏好，且緊縮型貨幣政策和寬松型貨幣政策的影響效果存在非對稱性（王晉斌和李博，2017）。從市場環境這個角度來看，銀行間同業競爭的增大和集中度的上升會加劇商業銀行的盈利壓力，為了達成業績指標，銀行的管理層會傾向于增大其信貸期限偏好，進而加劇了銀行體系的脆弱性（申創，2018）。宏觀經濟層面，有學者發現經濟政策不確定性的上升一方面加大了金融市場風險，加劇商業銀行的政策風險感知，使得商業銀行更加“惜貸”，收縮信貸期限（彭俞超等，2018）。另一方面也會對企業的生產經營產生沖擊，影響企業的債務還款能力，為了防范道德風險商業銀行會與企業簽訂期限較短的債務合約以定期審查企業財務狀況（戴靜等，2020）。張琳（2015）發現，宏觀經濟不確定性增強會放緩宏觀投資增速，從而影響商業銀行的信貸增速。劉貫春和葉永衛（2022）從風險承擔的角度分析了其機制，指出政策不確定性使金融機構的風險偏好下降，導致企業長期資金缺口擴大，增強了“期限錯配”問題，此時企業往往會選擇增持金融資產在獲取一定收益的同時彌補長期投資流動性的不足。

商業銀行的信貸期限偏好下降也會影響到企業家信心。行為金融理論指出，當企業面臨融資困境時，企業家會變得更為謹慎，風險厭惡心理增加，導致信心下降，從而在投資決策上更為保守（Heaton J B，2002）。在融資缺口的預期下會使得主業項目的不可逆成本上升，風險增大，影響企業的日常經營決策，從而抑制企業家信心。在這種融資約束下，企業更可能因“預防性儲蓄”動機而增加金融資產配置，以增強流動性，緩解資金壓力（Almeida and Campello，2004；戴賾等，2018）。

（三）企業家信心的傳導效應

金融學研究的拓展帶動了心理學與社會學的融合，越來越多的研究關注企業家心理特征對公司決策的影響，尤其是“信心（Confidence）”在其中發揮關鍵作用。研究表明，相較于缺乏信心的企業家，自信的企業家在面對失敗時更具韌性，能夠更快恢復并再次投入下一次創業中（Hayward et al.，2010）。此外，企業家信心在經濟形勢與企業決策之間的傳導效應也備受關注。Bachmann and Sims（2011）通過對全球大型企業的研究中發現，在經濟下行期，企業家的信心能夠強化財政政策的效果，因為這種信念驅使企業采取更加積極的應對措施來緩解經濟下行的影響。Zhang et al.（2019）進一步將信心區分為企業家信心與消費者信心，發現企業家信心在中國貨幣政策傳導中起重要作用，并通過對企業投資、融資行為和資本結構的影響，進一步強化了貨幣政策的效應。

越來越多的學者開始關注企業家信心和企業微觀行為之間的關系。在融資端，自信的企業家會采取更激進的債務融資策略（余明桂，2006），并且宏觀經濟環境不確定的背景下這一效應會被進一步放大（蘇冬蔚和曾海艦，2011）。在投資端，自信的企業家發現傾向于高估公司未來的現金流，從而更愿意投資于風險更高的項目（Aktas and Petmezas，2019）。分行業來看，企業家信心的上升會促進制造業企業進行固定資產投資，并且傳統制造業相較于高技術制造業受到的影響更為顯著（賈鵬飛，2023）。此外，銀行管理層的信心水平也對風險偏好具有重要影響，自信的銀行CEO在面對外部不確定性沖擊時更愿意降低貸款標準以獲得超額利潤，還會通過影響銀行的資本配置和風險管理策略進一步影響銀行的整體風險水平。特別是盈利能力越強的銀行，管理層為了在市場中保持領先地位越傾向于主動提高風險水平（Huang and lin，2016；劉淼和田沅鑫，2023）。

關于企業家信心在經濟政策不確定性與企業金融化之間發揮的作用，我們認為經濟政策不確定性的提高會對企業家信心產生負向影響，而企業家信心的降低會對企業的金融化水平產生正向影響。一方面經濟政策不確定性的提高使得企業的綜合貸款成本更高，讓企業進行決策時不得不更加保守（zhang and wang，2021）；另一方面，這種不確定性的提高也會降低企業家信心，從而降低其固定資產投資水平（韓國高和胡文明，2016），轉而增加對金融資產的投資（翟光宇等，2021）。耿中元等（2021）對其中的機理進行了進一步解釋，指出經濟政策不確定性所帶來的不可預測性和潛在的經濟增長減緩，會改變企業家對未來經濟的預期，進而影響其信心，最終會抑制企業實體投資。此外，也有學者認為政策不確定性會通過提高財務成本、抑制管理層激勵減少實業投資并增加金融資產配置，推動企業金融化程度上升（聶輝華等，2020）。

三、模型構建與變量設計

（一）模型構建

在不同的時點宏觀經濟所受的沖擊具有時變特征，在不同發展階段產生不同的影響，經濟政策不確定性、制造業企業金融化之間具有不同的作用。本文參考Nakajima（2011）的研究，采取TVP-SV-VAR模型，并假定系數和誤差項方差是時變的，能夠捕獲變量在不同時點中不同的結構關系。

（二）變量選取和數據來源

1.經濟政策不確定性（EPU）

我們采用Baker et al.（2016）構建的中國經濟政策不確定性指數（EPU），該指數通過抓取《南華早報》有關經濟政策不確定性的文本構建關于我國經濟政策不確定性的月度數據。該指標能夠從多維視角客觀反映企業面臨的政策不確定性，被學術界廣泛采用。鑒于有關企業的數據最多精確到季度數據，我們將屬于每個季度的四個月份的月度數據算術平均之后構建成中國經濟政策不確定指數（EPU）的季度數據。數據來源于Economic Policy Uncertainty Index官網。

2.制造業企業金融化程度（Fin）

參考主流做法（杜勇，2017；翟光宇，2021），本文將制造業企業金融化程度定義為制造業企業金融資產占總資產的比重。其中，金融資產包括交易性金融資產、衍生金融資產、可供出售金融資產、發放貸款及墊款、持有至到期投資、投資性房地產。根據2012年證監會行業分類選取A股滬深兩市主板制造業上市公司，剔除經營狀況存在異常的樣本，剔除存在嚴重缺失數據的樣本，并且本文對企業層面的連續變量在1%和99%的百分位水平上進行了截尾（winsorize）處理，最終得到公司1964家，共93664條數據，然后將每個季度不同制造業上市企業的金融化數據匯總平均繪制成中國制造業企業金融化程度時間序列數據。企業的財務數據來源于國泰安市場企業數據庫（CSMAR）。

3.商業銀行信貸期限偏好（Loan）

我國制造業企業獲得融資的主要方式是來自我國商業銀行的間接融資。當經濟政策不確定性增大時，商業銀行面對的信息不對稱增大，根據債務期限結構理論，此時商業銀行會增大短期貸款發放的占比以控制風險（Flannery，1986）。本文根據中國人民銀行發布的金融機構人民幣信貸收支表中企業單位貸款項下的短期貸款和各項墊款作為企業短期貸款的參考，將中長期貸款、票據融資和融資租賃作為企業獲得的長期貸款，將長期貸款除短期貸款得到本文需要的長短期貸款比代表商業銀行的放貸期限偏好，數值越高說明商業銀行越偏好中長期貸款。

4.制造業企業家信心（Conf）

我們借鑒賈鵬飛等（2023）的做法，采用國家統計局發布的《中國經濟景氣月報》中制造業行業景氣指數來定義制造業企業家信心，企業景氣指數能夠綜合全面地反映出制造業企業家對當下企業運行及經濟發展的判斷和未來的預期狀況，能夠有效衡量企業家信心水平。其取值范圍為0～200，當大于100臨界值時則說明企業家認為此時經濟狀況為景氣狀態，否則為不景氣狀態。

四、實證分析

（一）平穩性檢驗

為保證數據的平穩性，使用模型之前需要對數據進行平穩性檢驗。本文在對關鍵變量進行標準化處理并一階差分后進行單位根檢驗，單位根檢驗的結果如表1所示，經過差分后模型中的內生變量均在1%的顯著性水平上平穩。

（二）確定最優滯后階數

通過TVP-SV-VAR模型進行分析前需要確定變量的最優滯后階數，本文采用一般VAR模型的最優滯后期數方法進行確認，表2展示了FPE、AIC、HQIC和SBIC的結果，根據信息準則最小值原則，我們確定最優滯后期數為1。

（三）時變參數估計結果分析

考慮到VAR族類模型的變量排序會對其實證結果產生影響，在TVP-SV-VAR模型中，按照經濟政策不確定性、商業銀行放貸意愿、制造業企業家信心、制造業企業金融化程度進行排序。采用馬爾科夫蒙特卡洛模擬法（MCMC）進行參數估計，使得基于條件邊緣分布抽樣的樣本值分布能有效逼近參數的無條件后驗分布。首先我們對相關參數設定一個初始值，之后我們運用MCMC方法對所得樣本進行收斂性檢驗，設定抽樣次數為10000次，其中前1000次為預燒期（burn-in period），選取后9000次抽樣得到參數的后驗分布。

表3報告了TVP-SV-VAR模型的參數估計和檢驗結果，如表3所示，Geweke檢驗結果在1%的顯著性水平下均無法拒絕趨于后驗分布的原假設，說明預模擬得到的MCMC鏈收斂，所有參數的無效因子均低于40，說明模擬效果很好。

圖1展示了基于MCMC抽樣得到的樣本自相關函數、樣本取值路徑和后驗分布函數。樣本自相關函數在迭代抽樣后呈現迅速衰減的態勢，說明本文設定的迭代次數能夠消除抽樣導致的自相關性。樣本路徑圖顯示參數序列在后驗均值附近呈“白噪音”波動，也就是說參數樣本相對平穩，抽樣所得到的參數相互獨立，符合Nakajiama（2011）對經濟系統中系數矩陣和隨機擾動參數服從隨機游走分布的研究假設，說明我們的參數估計結果能夠有效模擬現實經濟系統同外部的隨機沖擊。

（四）等時間間隔的脈沖響應函數分析

圖2為TVP-SV-VAR模型1單位標準正向沖擊在1、2、4期后形成的動態脈沖響應函數。圖2（3）是制造業企業金融化對經濟政策不確定性1單位正向沖擊的脈沖響應。如圖所示，經濟政策不確定性對制造業企業金融化程度的影響顯著為正且短中長期走勢趨同。可以將時間分為三個時間區間，在2007—2015年響應幅度最大并且強度在不斷降低，可能的原因是在2007年末全球爆發了金融危機，我國政府出臺了一系列的經濟刺激計劃，此舉在短期內為企業帶來了流動性充裕和信貸擴張，使得企業可以通過配置金融資產以獲得流動性收益；在2010—2013年開始我國逐步推動利率市場化，宏觀經濟向好疊加一系列價格和數量貨幣政策的出臺有效抑制了企業的金融化水平。在2015—2018年響應幅度最小，數值接近于0；這可能是因為在2014年國務院印發《注冊資本登記制度改革方案》，此舉降低了企業的上市門檻，增加了企業的直接融資渠道，2015年《中國制造2025》和“一帶一路”倡議中，鼓勵資金投入到實體經濟中的長期項目，減少了企業的金融投機行為。在2018—2023年響應幅度在前兩者之間并且走勢趨于平緩。可能的原因是2018年的中美貿易爭端引發了國內外經濟環境的高度不確定性，使得企業金融化程度上升，但政府出臺了“金融供給側結構性改革”系列措施，以優化金融資源配置、鼓勵資金回流實體經濟，此舉抑制了制造業企業的金融化水平。然而，2020 年之后新冠疫情暴發，我國政策重心偏向于穩定經濟增長和增強市場信心，而非單一的去杠桿，使得企業在面臨政策不確定性時，繼續維持了適度的金融化配置水平。

（五）基于商業銀行信貸期限偏好的傳導機制分析

經濟政策不確定性會加大商業銀行受到的政策風險感知，為了避免過高的信貸風險對自身經營績效造成的負向沖擊，商業銀行此時會更偏好企業簽訂違約風險較低的短期債務合約，使得企業的長期資金缺口增大，不得不增加金融資產的持有以平緩企業受到的“期限錯配”問題。

圖2（1）是商業銀行放貸期限偏好對經濟政策不確定性1單位正向沖擊的脈沖響應。如圖所示，在短中長期的沖擊都為負，且走勢具有趨同性，其中提前期為1期時受沖擊的反應最大。分時段來看，在2007—2015年，在短中長期的沖擊為負，同時伴隨著幾個明顯的波動，整體強度呈現出逐步減弱的態勢，可能的原因是金融危機后外部宏觀環境波動加劇疊加經濟政策的不斷變化使得商業銀行的風險感知增強，更加偏好發放短期貸款以避免可能存在的流動性風險。而在2015年左右一個呈現出了一個深v型走勢的原因可能是在2015年受政策推動和非理性情緒的影響中國金融市場出現了巨大波動，導致系統性金融風險的增加，商業銀行此時為平抑風險更加偏好短期貸款。

圖2（5）顯示的是企業家信心面對商業銀行放貸銀行的脈沖響應，如圖所示在中長期都顯著為正，并且十分穩定。可能的解釋是商業銀行放貸期限偏好會直接影響企業所受到的融資約束程度進而影響企業的項目投資、日常經營生產活動，相比經濟政策的不確定性，對企業家產生了更穩定直接的影響。

通過圖2（6）我們發現企業金融化對商業銀行放貸期限偏好的沖擊顯著為負且十分穩定，其中短期幅度最大，長期幅度最小。這說明金融機構偏向短期貸款，會加劇企業的投融資“期限錯配”問題，企業不得不加大金融資產配置以補充項目投資中可能遇到的流動性不足的問題。

（六）基于企業家信心的傳導機制分析

經濟政策不確定性的上升會放大企業經營環境的不確定性，一方面降低了企業家對未來的預期與信心，從而使得企業收縮固定投資水平，轉而投資于金融資產。另一方面會收縮商業銀行的信貸期限結構，企業項目投資的長期資金需求無法得到有效滿足，傾向持有金融資產的方式來補充流動性。

圖2（2）是制造業企業家信心對經濟政策不確定性1單位正向沖擊的脈沖響應。如圖所示，短期沖擊為正，中長期沖擊為負且在2015年后各期限的沖擊幅度都有所降低。可能原因是每次經濟政策的出臺都能在短期內提振企業家信心，但是頻繁的政策更新會使企業家處于一個更加波動的政策環境中，對企業家的預期產生不確定性，即中長期內降低了企業家信心。而在2015年之后影響幅度逐漸收窄的原因可能是自“十三五”時期后，政府在實施重大政策時的透明度不斷增高，更加注重事前溝通和穩定市場預期。2015年《預算法》的修訂，進一步增強了財政政策和貨幣政策的協調能力，使得企業家在面對經濟政策不確定性上升時受到的沖擊更小。此外，我國2015年實施的注冊制改革使得我國多層次資本市場不斷完善，企業家能夠通過更加穩定的市場進行融資，不再過于依賴政策環境，使得經濟政策不確定性對企業家信心的影響減弱。

圖2（9）是制造業企業金融化對企業家信心的脈沖響應，短期內顯著為負并且相對穩定，制造業企業家信心的提高會使得企業家對未來市場前景和經濟環境感到樂觀，制造業企業將更多資金投入實體經營活動而減少金融資產的投資。中長期很大一段時間中影響為負，并且在2015年呈深V字型。在2015年左右國家進行了一系列重要政策轉型和戰略政策發布，一方面使得企業家的樂觀預期增強，另一方面商業銀行的信貸政策向制造業企業傾斜，政策的導向和信貸支持放大了企業家信心對企業金融化的負向效應。

綜合以上分析，我們發現商業銀行信貸期限偏好和制造業企業家信心在經濟政策不確定性和制造業企業金融化程度之間分別有著不同方向以及不同幅度的影響路徑。在不同的時點具有較強的時變效應且效應產生的具體效果符合該時點下的客觀事實。其中有關商業銀行信貸偏好的沖擊幅度在不同時點下都較為平緩，而有關制造業企業家信心的沖擊幅度因所處外部宏觀環境的不同而存在較為明顯的分化趨勢。

（七）不同經濟周期時期節點的脈沖響應函數分析

宏觀環境波動會顯著影響制造業企業的金融化水平（王成琛和王懷明，2023），經濟周期能夠反映外部的宏觀經濟環境的波動，當經濟上行期，企業會強化自身的“投資替代”動機而增加自身金融化水平（周澤將等，2023），而在經濟下行期，實體投資收益率的降低疊加政府出臺經濟政策的頻率增大，會使得金融資產收益率的上升從而提高企業金融化水平（戴賾等，2018）。為了驗證經濟政策不確定性對企業金融化的影響是否因為所處經濟周期的不同而存在不同效應，我們借鑒連玉君等（2020）和張淑英（2017）的研究，選取2008年第三季度、2015年第二季度、2020年第二季度作為脈沖響應函數的三個沖擊時點，分別代表經濟周期中的衰退期、穩健期和恢復期，估計得到三個時點的脈沖響應函數結果進行分析。

圖3展示了TVP-SV-VAR模型不同時點沖擊的脈沖響應函數。圖3（3）是企業家信心對經濟政策不確定性1單位正向沖擊的脈沖響應，由圖可知，在三個時點的響應高度類似，在0期沖擊顯著為負隨后從第一期開始趨向于0，說明經濟政策不確定性會在短期內對企業家信心產生負向影響，與前面的結論相互印證，也符合我們的理論假設。圖3（9）是企業金融化程度對企業家信心的脈沖響應，三個時點的相同之處是企業金融化程度均在第一期為負且之后逐漸趨向于0值，即短期效應要強于中長期效應。可能的解釋是企業家信心的提升能夠在短期內提高企業的樂觀預期，增大企業家的風險承擔水平，企業會選擇將資金更多地投入實體，從而降低制造業企業的金融化水平。三個時點的不同之處在于不同時期三個時點在0期時起點位置上的不同，可能的原因是三個時點處于經濟周期的位置有所不同，2008年第三季度爆發全球金融危機，此時處于經濟衰退期，企業家信心的傳導效應更為強烈，2015年第四季度是經濟穩健期，企業家信心的傳導效應較弱，2020年第二季度則是經濟恢復期，此時市場預期向好，企業家信心響應強度在這兩者之間。

圖3（2）是商業銀行信貸期限偏好對經濟政策不確定性1單位正向沖擊的脈沖響應，三個時點的響應方向一致為負向且短期效應大于中長期效應，說明經濟政策不確定性會使得商業銀行更偏好短期貸款。可能的解釋是經濟政策不確定性的增大會加大商業銀行的政策風險，銀行家會選擇收縮信貸水平，從而收縮信貸期限。響應幅度隨著時點所處經濟周期位置的不同而存在不同的強度變化，處于經濟衰退期的2008年第三季度響應幅度最高，處于經濟恢復期的2020年第二季度次之，處于經濟穩健期的2015年第四季度最弱。圖3（6）是企業家信心對商業銀行信貸期限偏好的脈沖響應，三個時點的脈沖響應系數高度重合，在第一期內趨向于0而之后顯著為正到第二期到達頂峰隨后逐漸減弱，說明在不同時點存在著相似的響應模式。

綜合以上分析，我們可以發現不同時點的脈沖響應再次印證了前文動態脈沖響應的結果，同時強調這種時變沖擊效應與我國具體的宏觀環境變化或者說經濟周期密不可分。其中，企業家信心的傳導效應強度在經濟衰退期最高，經濟恢復期次之，經濟穩健期最低。另外，不同經濟周期的時間節點下不同的EPU事件對制造業企業金融化的效應也存在較為明顯的分化趨勢。

五、結論與政策建議

（一）結論

本文通過構建A股上市制造業企業的綜合金融化指標，利用TVP-SV-VAR模型實證研究了經濟政策不確定性、商業銀行信貸期限偏好、制造業企業家信心、制造業企業金融化程度之間的動態時變關系。結果表明，經濟政策不確定性的上升會對制造業企業的金融化程度產生了階段性的時變效應，具體表現為經濟政策不確定性會推動制造業企業金融化程度的提高。進一步分析發現，經濟政策不確定性會對商業銀行信貸期限偏好和制造業企業家信心產生負向沖擊，從而間接影響制造業企業金融化程度。最后，探究了經濟政策不確定性對制造業企業金融化在不同經濟周期中存在的異質性，在經濟衰退期企業家信心所產生的傳導效應最強，其次是經濟恢復期，而經濟穩健期的傳導效應最弱。

（二）政策建議

第一，提高金融機構對實體經濟的支持力度。制造業企業的實體投資和技術創新需要長期穩定的資金支持。為此，政府可以出臺政策引導金融資源流向制造業行業等實體經濟部門，確保金融資源與實體經濟的需求相匹配。

第二，增強經濟政策的透明性與穩定性，合理引導市場預期和企業家信心。政府應注重政策傳導的有效性和及時性，以降低政企之間存在的信息不對稱問題。通過加強政策前瞻性指引，合理引導企業預期以增強企業家信心。

（責任編輯：夏凡）

參考文獻：

[1]Almeida H，et al.The Cash Flow Sensitivity of Cash [J].Journal of Finance，2004，59（4）：1777-1804.

[2]Bachmann R，Sims E R.Confidence and the transmission of government spending shocks[J].Journal of Monetary Economics，2012，59（3）：235-249.

[3]Scott R Baker，Nicholas Bloom，Steven J Davis.Measuring Economic Policy Uncertainty[J].Quarterly Journal of Economics，2016，131（4）：1593-1636.

[4]Christopher F Baum，Mustafa Caglayan，Neslihan Ozkan.The Second Moments Matter：The Impact of Macroeconomic Uncertainty on the Allocation of Loanable Funds[J].Economies Letters，2009，102（2）：87-89.

[5]BLOOM N，BOND S，et al.Uncertainty and investment dynamics[J].Review of Economic Studies，2007，74（2）：391-415.

[6]Demir F.Financial Liberalization，Private Investment and Portfolio Choice：Financialization of Real Sectors in Emerging Markets[J].Journal of Development Economics，2009，88（2）：314-324.

[7]Flannery M J.Asymmetric Information and Risky Debt Maturity Choice[J].The Journal of Finance，1986，41（1）：19-37.

[8]Hayward M L A，Forster W R，et al.Beyond Hubris： How Highly Confident Entrepreneurs Rebound to Venture Again [J].Journal of Business Venturing，2010，25（6）：569-578.

[9]Heaton J B.Managerial Optimism and Corporate Finance. Financial Management，2002，31（2）：33-45.

[10]Huang Yun，Luk Paul.Measuring economic policy uncertainty in China[J].China Economic Review，2020，59（4）：101-367.

[11]Krippner G R.The Financialization of the American Economy[J].Socio-Economic Review，2005，3（2）：173-208.

[12]N Aktas，C Louca et al.CEO Overconfidence and the Value of Corporate Cash Holdings[J].Journal of Corporate Finance，2019，54（2）：85-106.

[13]Nakajima J.Time-varying Parameter VAR Model with Stochastic Volatility：An Overview of Methodology and Empirical Applications[J].Monetary and Economic Studies，2011，29（3）：107-142.

[14]Zhang C，Sun Y，et al.Whose Confidence Matters in Chinese Monetary Policy？[J].International Review of Economics amp; Finance，2019，60（2）：188-202.

[15]陳國進，張潤澤，趙向琴.政策不確定性、消費行為與股票資產定價[J].世界經濟，2017，40（1）：116-141.

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

[17]戴靜，劉貫春，許傳華，等.金融部門人力資本配置與實體企業金融資產投資[J].財貿經濟，2020，41（4）：35-49.

[18]翟光宇，姜美君，段秋爽.實體企業金融化與實物資本投資——基于2009—2018年制造業上市公司的實證分析[J].經濟學動態，2021（1）：85-104.

[19]杜勇，張歡等，陳建英.金融化對實體企業未來主業發展的影響：促進還是抑制[J].中國工業經濟，2017（12）：113-131.

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

[21]耿中元，李統，何運信.經濟政策不確定性對企業投資的影響——企業家信心的中介效應及代理成本的調節作用[J].復旦學報（社會科學版），2021，63（1）：184-193.

[22]顧雷雷，郭建鸞，王鴻宇.企業社會責任、融資約束與企業金融化[J].金融研究，2020（2）：109-127.

[23]韓國高，胡文明.宏觀經濟不確定性、企業家信心與固定資產投資——基于我國省際動態面板數據的系統GMM方法[J].財經科學，2016（3）：79-89.

[24]賈鵬飛，鄭詩琨，謝麗娟.企業家信心與固定資產投資：理論模型和實證檢驗[J].中央財經大學學報，2023（10）：81-94.

[25]劉貫春，段玉柱，劉媛媛.經濟政策不確定性？資產可逆性與固定資產投資[J].經濟研究，2019，54（8）：53-70.

[26]劉貫春，劉媛媛，閔敏.經濟金融化與資本結構動態調整[J].管理科學學報，2019，22（3）：71-89.

[27]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——兼論實體企業的“金融化”趨勢[J].經濟學（季刊），2020，20（5）：65-86.

[28]劉貫春，葉永衛.經濟政策不確定性與實體企業“短貸長投”[J].統計研究，2022，39（3）：69-82.

[29]劉淼，田沅鑫，于震.管理層信心對商業銀行風險承擔的影響[J].江漢論壇，2023（11）：29-36.

[30]連玉君，彭鎮，蔡菁，等.經濟周期下資本結構同群效應研究[J].會計研究，2020（11）：85-97.

[31]聶輝華，阮睿，沈吉.企業不確定性感知？投資決策和金融資產配置[J].世界經濟，2020（6）：77-98.

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

[33]蘇冬蔚，曾海艦.宏觀經濟因素、企業家信心與公司融資選擇[J].金融研究，2011（4）：129-142.

[34]宋軍，陸旸.非貨幣金融資產和經營收益率的U形關系——來自我國上市非金融公司的金融化證據[J].金融研究，2015（6）：111-127.

[35]譚小芬，張文婧.經濟政策不確定性影響企業投資的渠道分析[J].世界經濟，2017，40（12）：3-26.

[36]王少華.企業金融化適度性、宏觀經濟政策與創新[J].山西財經大學學報，2020，42（3）：45-58.

[37]王成琛，王懷明.宏觀經濟不確定性對企業金融化的影響[J].北京工商大學學報（社會科學版），2023，38（6）：73-84.

[38]謝家智，王文濤，江源.制造業金融化、政府控制與技術創新[J].經濟學動態，2014（11）：78-88.

[39]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分析[J].經濟學（季刊），2019（1）：23-50.

[40]余明桂，夏新平，鄒振松.管理者過度自信與企業激進負債行為[J].管理世界，2006（8）：104-112.

[41]張琳，廉永輝，辛兵海.宏觀經濟不確定性、銀行異質性和信貸供給[J].當代經濟科學，2015，37（4）：60-71.

[42]張淑英.經濟周期、供應鏈合作關系與營運資金的產品市場競爭效應[J].現代財經（天津財經大學學報），2017，37（3）：35-53.

[43]周澤將，雷玲，李鼎.經濟周期與企業金融化[J].管理科學學報，2023，26（7）：17-31.

[44]黃雋，章艷紅.商業銀行的風險：規模和非利息收入——以美國為例[J].金融研究，2010（6）：75-90.

[45]江曙霞，陳玉嬋.貨幣政策、銀行資本與風險承擔[J].金融研究，2012（4）：1-16.

[46]宋獻中，禹天寒.商業銀行高管薪酬、風險承擔水平與銀行績效——基于信貸集中度與損失類貸款研究[J].華東經濟管理，2018，32（5）：172-176.

[47]王晉斌，李博.中國貨幣政策對商業銀行風險承擔行為的影響研究[J].世界經濟，2017，40（1）：25-43.

[48]申創.市場集中度、競爭度與銀行風險的非線性關系研究[J].國際金融研究，2018（6）：65-75.

基金項目：本文系國家自然科學基金項目“高頻感染影響下ARFIMA模型長記憶半參數估計偏誤修正方法及應用研究”（72263010）階段性研究成果。

收稿日期：2024-11-11

作者簡介：吳錦順（1969-），男，福建浦城人，華東交通大學經濟管理學院副教授、碩士生導師；

許晏彬（1999-），男，江西南昌人，華東交通大學經濟管理學院碩士研究生。