經(jīng)濟(jì)政策不確定性對企業(yè)金融化的影響

摘 要：針對經(jīng)濟(jì)政策不確定性對企業(yè)金融化影響的問題，采用實(shí)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(shù)字金融、融資約束視角分析經(jīng)濟(jì)政策不確定性對企業(yè)金融化的影響。研究表明：經(jīng)濟(jì)政策不確定性與企業(yè)金融化顯著正相關(guān)；數(shù)字金融在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮負(fù)向調(diào)節(jié)作用；融資約束在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮正向調(diào)節(jié)作用。研究結(jié)論為減少經(jīng)濟(jì)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(guān)鍵詞：經(jīng)濟(jì)政策不確定性；企業(yè)金融化；數(shù)字金融；融資約束

中圖分類號(hào)： F 275 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1008-391X（2024）02-0112-08

0 引言

近年來，隨著實(shí)體投資回報(bào)率的不斷下降，企業(yè)金融化問題日益突出，引起廣泛關(guān)注。隨著企業(yè)金融化程度不斷加劇，大量資金在金融領(lǐng)域“空轉(zhuǎn)”，虛擬經(jīng)濟(jì)過度膨脹，實(shí)體產(chǎn)業(yè)受到擠壓。

關(guān)于經(jīng)濟(jì)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(rèn)為，經(jīng)濟(jì)政策不確定性促使企業(yè)減少固定資產(chǎn)投資比重，擴(kuò)大金融資產(chǎn)投資，從而促進(jìn)企業(yè)金融化。郭峰等[2]、黃益平等[3]認(rèn)為，經(jīng)濟(jì)政策不確定性的加劇會(huì)導(dǎo)致股票市場波動(dòng)，并出現(xiàn)銀行惜貸現(xiàn)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(jīng)濟(jì)政策不確定性對企業(yè)金融化的影響有待進(jìn)一步分析。首先，從企業(yè)外部影響因素來看，隨著大數(shù)據(jù)、機(jī)器學(xué)習(xí)，以及區(qū)塊鏈等新興技術(shù)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(shù)字金融應(yīng)運(yùn)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(nèi)部影響因素來看，企業(yè)金融化實(shí)質(zhì)是企業(yè)的資產(chǎn)配置結(jié)構(gòu)問題，已有研究表明，融資約束是影響金融資產(chǎn)配置的重要因素[4]。

分析數(shù)字金融、融資約束是否在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮調(diào)節(jié)作用成為關(guān)注的熱點(diǎn)。

1 文獻(xiàn)綜述

1.1 經(jīng)濟(jì)政策不確定性的影響

經(jīng)濟(jì)政策不確定性是指沒有明確的經(jīng)濟(jì)政策預(yù)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(gòu)建了經(jīng)濟(jì)政策不確定性指數(shù)。楊子暉等[8-9]研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性使金融脆弱性增強(qiáng)，風(fēng)險(xiǎn)傳染進(jìn)一步加劇，系統(tǒng)性金融風(fēng)險(xiǎn)水平升高。許志偉等[10]運(yùn)用最大份額技術(shù)識(shí)別經(jīng)濟(jì)政策的沖擊，同時(shí)基于新凱恩斯框架具體分析了經(jīng)濟(jì)政策不確定性與宏觀經(jīng)濟(jì)間的傳導(dǎo)路徑。還有學(xué)者從經(jīng)濟(jì)政策不確定性對企業(yè)資產(chǎn)配置[11]、債務(wù)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(dòng)機(jī)和影響因素

關(guān)于企業(yè)金融化動(dòng)機(jī)的研究，目前主要有兩種觀點(diǎn)。一種是“蓄水池”動(dòng)機(jī)，該觀點(diǎn)認(rèn)為企業(yè)適度持有金融資產(chǎn)可以暫時(shí)緩解融資約束，抵御流動(dòng)性風(fēng)險(xiǎn)[14-15]。另一種是“投資替代”動(dòng)機(jī)，即企業(yè)出于逐利目的，將更多的資金投入到預(yù)期回報(bào)率較高的金融資產(chǎn)。

關(guān)于企業(yè)金融化的影響因素，已有研究從宏觀、微觀兩個(gè)層面展開。宏觀層面主要分析了財(cái)政政策、貨幣政策、宏觀經(jīng)濟(jì)周期對企業(yè)金融化的影響。胡奕明等[15]研究發(fā)現(xiàn)，金融資產(chǎn)配置與廣義貨幣供應(yīng)量正相關(guān)，與GDP 周期變化負(fù)相關(guān)。楊箏等[16]基于產(chǎn)權(quán)性質(zhì)差異研究發(fā)現(xiàn)，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(huì)責(zé)任、外部盈利壓力、傳染效應(yīng)與企業(yè)金融化之間的關(guān)系。企業(yè)內(nèi)部特征方面，杜勇等[17]基于烙印原理研究發(fā)現(xiàn)，CEO 金融從業(yè)背景使其對金融項(xiàng)目的機(jī)會(huì)篩選和風(fēng)險(xiǎn)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(xiàn)，企業(yè)的社會(huì)責(zé)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(chǎn)收益特征，以及外部盈利壓力會(huì)強(qiáng)化金融投資對實(shí)體投資的擠出效應(yīng)。王營等[20]基于董事網(wǎng)絡(luò)框架研究發(fā)現(xiàn)，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(yīng)。

已有研究對經(jīng)濟(jì)政策不確定性的影響，以及企業(yè)金融化的動(dòng)機(jī)和影響因素進(jìn)行了分析。在此基礎(chǔ)上，本文從數(shù)字金融和融資約束視角出發(fā)，進(jìn)一步分析經(jīng)濟(jì)政策不確定性對企業(yè)金融化的影響。

2 理論基礎(chǔ)與研究假設(shè)

2.1 經(jīng)濟(jì)政策不確定性與企業(yè)金融化

首先，基于預(yù)防性儲(chǔ)蓄理論，金融資產(chǎn)作為流動(dòng)性較強(qiáng)的儲(chǔ)蓄與投資工具，使高金融資產(chǎn)配置成為一種本能與自然的選擇[21]。當(dāng)經(jīng)濟(jì)政策不確定性升高時(shí)，企業(yè)的經(jīng)營風(fēng)險(xiǎn)增加，現(xiàn)金流不確定性增強(qiáng)，企業(yè)資金流動(dòng)性短缺的可能性增大。經(jīng)濟(jì)政策不確定性的增強(qiáng)會(huì)加劇市場波動(dòng)，進(jìn)而影響企業(yè)績效?；诖?，企業(yè)考慮未來可能面臨的經(jīng)營困境和財(cái)務(wù)危機(jī)，會(huì)增加金融資產(chǎn)等易變現(xiàn)的流動(dòng)性資產(chǎn)。

其次，基于實(shí)物期權(quán)理論，固定資產(chǎn)投資項(xiàng)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(jī)會(huì)可視為看漲期權(quán)，經(jīng)濟(jì)政策不確定性越大，隨等待價(jià)值而增加的期權(quán)價(jià)值對企業(yè)的吸引力越大，此時(shí)，企業(yè)會(huì)減少當(dāng)期的固定資產(chǎn)投資，擴(kuò)大金融資產(chǎn)配置規(guī)模。

最后，經(jīng)濟(jì)政策不確定性的加劇可能導(dǎo)致企業(yè)陷入經(jīng)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(dāng)企業(yè)金融化帶來收益時(shí)，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(jīng)營。當(dāng)企業(yè)金融化導(dǎo)致虧損時(shí)，企業(yè)管理者可將其歸咎于市場波動(dòng)與經(jīng)濟(jì)政策不確定性的影響。據(jù)此，提出假設(shè)H1。

假設(shè)H1：經(jīng)濟(jì)政策不確定性與企業(yè)金融化顯著正相關(guān)。

2.2 數(shù)字金融在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間的調(diào)節(jié)作用

經(jīng)濟(jì)政策不確定性的加劇將導(dǎo)致銀行等金融機(jī)構(gòu)提高貸款門檻，減少放貸。部分企業(yè)面臨融資難問題，此時(shí)企業(yè)“蓄水池”動(dòng)機(jī)增強(qiáng)，從而配置更大規(guī)模的金融資產(chǎn)用來增加流動(dòng)性儲(chǔ)備。然而隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，數(shù)字技術(shù)與金融業(yè)融合程度不斷加深，數(shù)字金融借助數(shù)字技術(shù)實(shí)現(xiàn)企業(yè)融資、投資、理財(cái)模式的創(chuàng)新，具有覆蓋范圍廣、形式多樣、成本低等特點(diǎn)，在緩解實(shí)體經(jīng)濟(jì)融資難方面發(fā)揮了重要作用。

數(shù)字金融的出現(xiàn)弱化了企業(yè)配置金融資產(chǎn)的“蓄水池”動(dòng)機(jī)。一方面，數(shù)字金融具有成本低、耗時(shí)短、可觸達(dá)性強(qiáng)的優(yōu)勢，以更低的成本提供更便捷的融資服務(wù)，從而提高企業(yè)資金的可獲得性[3]。另一方面，數(shù)字金融將大量非結(jié)構(gòu)化信息進(jìn)行分類，有效緩解了企業(yè)與傳統(tǒng)金融機(jī)構(gòu)之間的信息不對稱，提高了融資效率[22]。數(shù)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(dòng)機(jī)減弱，企業(yè)金融資產(chǎn)配置水平下降。綜上，雖然經(jīng)濟(jì)政策不確定性導(dǎo)致企業(yè)“蓄水池”動(dòng)機(jī)增強(qiáng)，企業(yè)金融化水平上升，但在數(shù)字金融背景下，這種“蓄水池”動(dòng)機(jī)已逐步弱化，企業(yè)金融化趨勢得以緩解。據(jù)此，提出假設(shè)H2。

假設(shè)H2：數(shù)字金融在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮負(fù)向調(diào)節(jié)作用。

2.3 融資約束在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間的調(diào)節(jié)作用

企業(yè)經(jīng)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(wù)性融資和權(quán)益性融資，權(quán)益性融資門檻較高且審批程序復(fù)雜，因此，以銀行等金融機(jī)構(gòu)為資金來源的債務(wù)性融資更為普遍。隨著經(jīng)濟(jì)政策不確定性加劇，銀行等金融機(jī)構(gòu)由于面臨復(fù)雜的經(jīng)濟(jì)形勢和更多的不確定性，將更加謹(jǐn)慎地發(fā)放貸款，從而提高貸款門檻，此時(shí)企業(yè)外部融資更加困難。當(dāng)企業(yè)融資約束處于較高水平時(shí)，根據(jù)預(yù)防性儲(chǔ)蓄理論，企業(yè)配置金融資產(chǎn)的動(dòng)機(jī)將進(jìn)一步增強(qiáng)，以緩解資金壓力并隨時(shí)補(bǔ)充企業(yè)現(xiàn)金流，即高融資約束水平會(huì)進(jìn)一步加劇經(jīng)濟(jì)政策不確定性對企業(yè)金融化的促進(jìn)作用[23]。此外，出于逐利動(dòng)機(jī)，企業(yè)處于高水平融資約束下，企業(yè)內(nèi)部可以利用的資金有限，企業(yè)管理者會(huì)更加珍惜有限資源，選擇最優(yōu)投資組合，以實(shí)現(xiàn)投資利潤最大化，從而選擇投資收益更高的金融資產(chǎn)。據(jù)此，提出假設(shè)H3。

假設(shè)H3：融資約束在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮正向調(diào)節(jié)作用。

3 研究設(shè)計(jì)

3.1 樣本選取與數(shù)據(jù)來源

選取2011—2021 年中國A股上市公司作為研究對象。數(shù)據(jù)來源于CSMAR 數(shù)據(jù)庫，經(jīng)濟(jì)政策不確定性數(shù)據(jù)來源于芝加哥大學(xué)和斯坦福大學(xué)共同開發(fā)的經(jīng)濟(jì)政策不確定性指數(shù)網(wǎng)站，數(shù)字金融數(shù)據(jù)來源于北京大學(xué)數(shù)字金融研究中心。對樣本進(jìn)行如下篩選：剔除金融業(yè)、房地產(chǎn)業(yè)企業(yè)以及ST*、ST 類企業(yè)；剔除財(cái)務(wù)數(shù)據(jù)缺失的樣本。此外，為消除極端值的影響，將連續(xù)變量進(jìn)行上下1%水平的縮尾處理，最后得到35 512 個(gè)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(chǎn)視角出發(fā)，即用金融資產(chǎn)與總資產(chǎn)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(chǎn)收益與經(jīng)營利潤的比值來表示企業(yè)金融化[24]。從資產(chǎn)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(chǎn)、衍生金融資產(chǎn)、發(fā)放貸款及墊款凈額、可供出售金融資產(chǎn)凈額、持有至到期投資凈額、投資性房地產(chǎn)凈額作為金融資產(chǎn)。用金融資產(chǎn)與總資產(chǎn)的比值來衡量企業(yè)金融化。

（2）解釋變量

經(jīng)濟(jì)政策不確定性1 Epu1、經(jīng)濟(jì)政策不確定性2 Epu2，BAKER 等[7]最先提出對報(bào)紙中的關(guān)鍵詞進(jìn)行文本篩選和頻率統(tǒng)計(jì)，構(gòu)建經(jīng)濟(jì)政策不確定性指數(shù)，用來衡量各個(gè)國家和地區(qū)的經(jīng)濟(jì)政策不確定性水平。由于BAKER 等所構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)屬于月度指數(shù)，而本研究中的經(jīng)濟(jì)政策不確定性指數(shù)屬于季度數(shù)據(jù)。因此，分別采用算術(shù)平均值法和幾何平均值法，將月度指數(shù)轉(zhuǎn)換成季度指數(shù)，即經(jīng)濟(jì)政策不確定性1 Epu1、經(jīng)濟(jì)政策不確定性2 Epu2，再將這兩類平均值分別除以1 000。

（3）調(diào)節(jié)變量

數(shù)字金融Dif，選取省級數(shù)字普惠金融總指數(shù)衡量數(shù)字金融。

融資約束Kz，借鑒KAPLAN 等[25]的研究方法構(gòu)建KZ 指數(shù)，通過分析公司投資和資本結(jié)構(gòu)的關(guān)系，判斷其是否受到融資約束的影響。數(shù)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(gè)控制變量：企業(yè)規(guī)模Size；資產(chǎn)負(fù)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(quán)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(huì)規(guī)模Bdsize。

變量說明見表1。

3.3 模型構(gòu)建

為驗(yàn)證假設(shè)H1，借鑒劉貫春等[11]的研究方法，構(gòu)建模型（1）為

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

為驗(yàn)證假設(shè)H2，構(gòu)建模型（2）為

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

為驗(yàn)證假設(shè)H3，構(gòu)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(shù)； βi（i=1，2，…，4）為回歸系數(shù)；Fin 為企業(yè)金融化；Epu 為經(jīng)濟(jì)政策不確定性，用經(jīng)濟(jì)政策不確定性1 Epu1、經(jīng)濟(jì)政策不確定性2 Epu2衡量；Dif 為數(shù)字金融；Kz 為融資約束；Dif×Epu 為數(shù)字金融Dif 與經(jīng)濟(jì)政策不確定性Epu 的交互項(xiàng)；Kz×Epu 為融資約束Kz 與經(jīng)濟(jì)政策不確定性Epu 的交互項(xiàng)；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(yīng)，用于控制不隨時(shí)間變化且不易觀測的企業(yè)固有特性；ε 為殘差。

4 實(shí)證分析

4.1 描述性統(tǒng)計(jì)

變量的描述統(tǒng)計(jì)結(jié)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(chǎn)，但也有一些樣本企業(yè)的金融資產(chǎn)比例高達(dá)0.301，即樣本企業(yè)金融化存在顯著差異。經(jīng)濟(jì)政策不確定性1 Epu1、經(jīng)濟(jì)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(jīng)濟(jì)政策不確定性較大。數(shù)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(shù)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(gè)變量進(jìn)行多元回歸分析，結(jié)果見表3。由表3 可知，模型（1）中經(jīng)濟(jì)政策不確定性1 Epu1 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.009，在1%的水平上顯著。經(jīng)濟(jì)政策不確定性2 Epu2 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.014，在1%的水平上顯著。表明經(jīng)濟(jì)政策不確定性與企業(yè)金融化顯著正相關(guān)，假設(shè)H1 得到驗(yàn)證。

模型（2）中數(shù)字金融Dif 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.005，在5%的水平上顯著。數(shù)字金融Dif 與經(jīng)濟(jì)政策不確定性1 Epu1 的交互項(xiàng)Dif×Epu1 與企業(yè)金融化Fin 負(fù)相關(guān)，回歸系數(shù)為-0.016，在1%的水平上顯著。數(shù)字金融Dif 與經(jīng)濟(jì)政策不確定性2 Epu2 的交互項(xiàng)Dif×Epu2 與企業(yè)金融化Fin 負(fù)相關(guān)，回歸系數(shù)為-0.016，在5%的水平上顯著。表明數(shù)字金融在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮負(fù)向調(diào)節(jié)作用，假設(shè)H2 得到驗(yàn)證。

模型（3）中融資約束Kz 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.001，在1%的水平上顯著。融資約束Kz 與經(jīng)濟(jì)政策不確定性1Epu1 的交互項(xiàng)Kz×Epu1 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.004，在1%的水平上顯著。融資約束Kz 與經(jīng)濟(jì)政策不確定性2Epu2 的交互項(xiàng)Kz×Epu2 與企業(yè)金融化Fin 正相關(guān)，回歸系數(shù)為0.003，在1%的水平上顯著，表明融資約束在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮正向調(diào)節(jié)作用，假設(shè)H3得到驗(yàn)證。

4.3 穩(wěn)健性檢驗(yàn)

為避免模型設(shè)定可能存在遺漏變量而引起的內(nèi)生性問題。借鑒張成思等[23]的研究方法，選取美國經(jīng)濟(jì)政策不確定性指數(shù)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(jìn)行參數(shù)估計(jì)，回歸結(jié)果與本文基準(zhǔn)模型回歸結(jié)果基本吻合，表明研究結(jié)論具有較好的穩(wěn)健性。

5 結(jié)論與建議

5.1 結(jié)論

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

經(jīng)濟(jì)政策不確定性與企業(yè)金融化顯著正相關(guān)。數(shù)字金融在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮負(fù)向調(diào)節(jié)作用，即數(shù)字金融會(huì)緩解經(jīng)濟(jì)政策不確定性對企業(yè)金融化的促進(jìn)作用。融資約束在經(jīng)濟(jì)政策不確定性與企業(yè)金融化之間發(fā)揮正向調(diào)節(jié)作用。

5.2 建議

企業(yè)應(yīng)加強(qiáng)經(jīng)濟(jì)政策不確定性的預(yù)警與研判，建立經(jīng)濟(jì)政策不確定性沖擊應(yīng)急響應(yīng)機(jī)制，最大限度減少經(jīng)濟(jì)政策不確定性帶來的影響。對欠發(fā)達(dá)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(shí)體投資，弱化企業(yè)金融化動(dòng)機(jī)。加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局，以金融科技為抓手，促進(jìn)金融業(yè)良性競爭，使金融業(yè)向?qū)嶓w經(jīng)濟(jì)讓利，降低實(shí)體經(jīng)濟(jì)成本，增強(qiáng)經(jīng)濟(jì)韌性，防止企業(yè)過度虛擬化。

參考文獻(xiàn)：

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

[2]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

[3]黃益平，黃卓.中國的數(shù)字金融發(fā)展：現(xiàn)在與未來[J].經(jīng)濟(jì)學(xué)（季刊），2018，17（4）：1489-1502.

[4]徐光偉，孫錚，劉星.經(jīng)濟(jì)政策不確定性對企業(yè)投資結(jié)構(gòu)偏向的影響——基于中國EPU 指數(shù)的經(jīng)驗(yàn)證據(jù)[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(wǎng)絡(luò)新視角下的輸入性金融風(fēng)險(xiǎn)研究[J].中國工業(yè)經(jīng)濟(jì)，2022（3）：38-56.

[9]楊子暉，陳里璇，陳雨恬.經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)的跨市場傳染——基于非線性網(wǎng)絡(luò)關(guān)聯(lián)的研究[J].經(jīng)濟(jì)研究，2020，55（1）：65-81.

[10]許志偉，王文甫.經(jīng)濟(jì)政策不確定性對宏觀經(jīng)濟(jì)的影響——基于實(shí)證與理論的動(dòng)態(tài)分析[J].經(jīng)濟(jì)學(xué)（季刊），2019，18（1）：23-50.

[11]劉貫春，劉媛媛，張軍.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[J].經(jīng)濟(jì)學(xué)，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(jīng)濟(jì)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(shí)體企業(yè)未來主業(yè)發(fā)展的影響：促進(jìn)還是抑制[J].中國工業(yè)經(jīng)濟(jì)，2017（12）：113-131.

[15]胡奕明，王雪婷，張瑾.金融資產(chǎn)配置動(dòng)機(jī)：“蓄水池”或“替代”？——來自中國上市公司的證據(jù)[J].經(jīng)濟(jì)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(shí)體企業(yè)“脫實(shí)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(shí)體企業(yè)金融化[J].中國工業(yè)經(jīng)濟(jì)，2019（5）：136-154.

[18]劉姝雯，劉建秋，陽旸，等.企業(yè)社會(huì)責(zé)任與企業(yè)金融化：金融工具還是管理工具？[J].會(huì)計(jì)研究，2019（9）：57-64.

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

[20]王營，曹廷求.企業(yè)金融化的傳染效應(yīng)研究[J].財(cái)經(jīng)研究，2020，46（12）：152-166.

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

[22]陳春華，曹偉，曹雅楠，等.數(shù)字金融發(fā)展與企業(yè)“脫虛向?qū)崱盵J].財(cái)經(jīng)研究，2021，47（9）：78-92.

[23]張成思，劉貫春.中國實(shí)業(yè)部門投融資決策機(jī)制研究——基于經(jīng)濟(jì)政策不確定性和融資約束異質(zhì)性視角[J].經(jīng)濟(jì)研究，2018，53（12）：51-67.

[24]戴賾，彭俞超，馬思超.從微觀視角理解經(jīng)濟(jì)“脫實(shí)向虛”——企業(yè)金融化相關(guān)研究述評[J].外國經(jīng)濟(jì)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(xiàng)目：遼寧省教育廳基本科研項(xiàng)目（LJ2019ZL006）；遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目（L19BJY027）