蔡艷萍，江春云

(湖南大學 工商管理學院，湖南 長沙 410082)

一 引 言

近年來，我國經濟長期穩(wěn)速增長，在總量上已經位居全球第二，但實體經濟的發(fā)展卻稍顯后勁不足，產業(yè)空心化、經濟“脫實向虛”已經成為我國現(xiàn)階段經濟發(fā)展的典型特征。

當前，我國正處于經濟轉型的關鍵階段，需求的減少和制造業(yè)產能的過剩導致了實體產業(yè)利潤逐年降低，而過高的人力成本和資源成本更是使得實體企業(yè)所能獲得的經營利潤更加微薄。但是，我國金融市場卻呈現(xiàn)出與實體經濟完全不同的發(fā)展樣貌。

一方面，隨著中國逐漸邁向國際舞臺，國內外經濟貿易之間的交流越來越頻繁，我國金融市場也加大了對外開放的程度，允許國內外資金和個人資金在金融市場上進行自由地投資交易，極大地促進了各類金融產品的創(chuàng)新。另一方面，金融行業(yè)利率的改革和大量資本的涌入也提高了金融行業(yè)的投資回報率，使金融行業(yè)成為超額收益的代表。在這種背景下，大量實體企業(yè)受到高收益的誘惑，開始以參股金融公司、進行金融投機行為或者開展房地產業(yè)務等方式進行金融活動。大量產業(yè)資本從實體產業(yè)轉移到金融、房地產等行業(yè)，加劇了實體產業(yè)的空心化，導致經濟脫實向虛的趨勢越發(fā)明顯。經濟“脫實向虛”在宏觀層面和微觀層面均有反映：從宏觀經濟來看，大量資金流入金融、房地產等行業(yè)，國內實體投資總量下滑；微觀企業(yè)則表現(xiàn)為杠桿加大、金融資產持有量增多，實體投資率逐漸減少，企業(yè)逐漸“不務正業(yè)”。

經濟“脫實向虛”現(xiàn)象不僅僅不利于實體經濟的長期發(fā)展，它所帶來的虛擬經濟的過度發(fā)展更會引起宏觀層面的經濟危機。彭俞超[1]就曾明確指出，實體企業(yè)持有過多的金融資產將會不利于宏觀經濟的穩(wěn)定性。他認為，金融風險會通過企業(yè)持有的金融資產傳導到實體經濟，增大風險聯(lián)動性，進而使得宏觀經濟的系統(tǒng)性風險增加。成思危[2]認為，虛擬經濟的過度繁榮是造成金融危機爆發(fā)的原因之一。

當前，經濟“脫實向虛”這一問題也得到了國家高層高度重視，黨的十九大報告明確指出，金融需要對實體經濟起到支持作用。習近平總書記也在中共中央政治局第十三次集體學習時，強調了要“深化金融供給側結構性改革，增強金融服務實體經濟能力”。

饒品貴等[3]指出，企業(yè)決策不可能忽略外部的宏觀環(huán)境，外部的宏觀環(huán)境是影響企業(yè)決策的一個重要因素。貨幣政策作為重要的宏觀經濟調控手段，也會通過影響微觀企業(yè)的金融化行為，發(fā)揮其在改善當前”脫實向虛“問題中的重要作用。

2020年“兩會政府工作報告”就明確指明，我國當前的貨幣政策是以傳統(tǒng)貨幣政策為主，以降準降息、再貸款等貨幣政策工具為輔，靈活運用，提升對實體經濟的支持能力；未來則需要在傳統(tǒng)貨幣政策的基礎之上進行創(chuàng)新，使創(chuàng)新的貨幣政策工具能夠直接為實體經濟提供幫助，實現(xiàn)企業(yè)貸款便利性增加、利率下降、企業(yè)融資成本降低等目標。 由此可見，研究貨幣政策對企業(yè)金融化的問題、對指導經濟政策的制定和實施均具有一定的參考意義。

二 文獻綜述

目前，學術界并沒有對“金融化”給出一個準確的定義。在宏觀層面，Krippner[4]指出，經濟金融化主要表現(xiàn)為金融部門日益活躍，金融收益日益增長，在全國經濟總量中占比越來越大；微觀層面，經濟金融化則主要表現(xiàn)為實體企業(yè)更愿意將大量資金投入金融投資活動，企業(yè)所持有的金融資產、金融收益的比重逐漸增大。文春暉[5]指出，當前國內非金融企業(yè)將大量資金投入房地產市場、股票市場、委托理財市場等，導致產業(yè)資本未流入實體投資，資金在虛擬經濟“空轉”的現(xiàn)象加劇。

當前，學者對影響金融化的因素探討較多，部分學者從企業(yè)投資動機的角度進行研究[6-9]。部分從企業(yè)治理等因素進行研究[10-12]。還有部分學者則從宏觀層面的經濟變化進行研究。比如，F(xiàn)azzari 和Peterson[13]認為收緊的貨幣政策會減少貨幣的流通量，出于對未來不確定性事件的考慮，企業(yè)就會增加對金融資產的持有，從而避免在突發(fā)情況下出現(xiàn)資金鏈的斷裂。Ritter和Warr[14]和 Brennan和Xia[15]通過資產價格這一渠道，發(fā)現(xiàn)了緊縮的貨幣政策會對企業(yè)金融資產的投資決策產生影響。Demir[16]發(fā)現(xiàn)部分發(fā)展中國家的宏觀經濟政策不確定性會使非金融上市企業(yè)更愿意持有金融資產，從而減少了對實體產業(yè)的投資。我國學者張瀛[17]發(fā)現(xiàn)實體企業(yè)金融資產的持有規(guī)模與宏觀經濟政策的變化有關，利率的上升會顯著減少企業(yè)金融資產的持有比例。楊箏[18]、胡奕明[9]發(fā)現(xiàn)樣本企業(yè)金融資產的持有量與M2呈正相關關系，即在寬松的貨幣政策環(huán)境下，我國企業(yè)金融資產的持有量會顯著增加。杜勇[19]也驗證了寬松的貨幣政策會增加我國實體企業(yè)金融資產的持有量，他還發(fā)現(xiàn)在寬松的貨幣政策環(huán)境下，企業(yè)金融資產持有量的增加并不會使企業(yè)業(yè)績上升。馬理和范偉[20]則發(fā)現(xiàn)在寬松的貨幣政策下，不僅企業(yè)會增加對金融資產、房地產的投資，居民、銀行也更愿意將資金投向金融資產和房地產。李元、王擎[21]通過對企業(yè)進行分類，發(fā)現(xiàn)寬松的貨幣政策會對銀行信貸較多、內源融資不足的企業(yè)影響更顯著，而業(yè)績不好的企業(yè)會更加傾向于持有金融資產。

目前，國內學者在研究貨幣政策對實體企業(yè)金融化的影響時，一般都只考慮了寬松的貨幣政策對企業(yè)金融化(金融資產配置)的影響，而當前我國貨幣政策正處于以數(shù)量型貨幣政策調控為主變?yōu)橐詢r格型貨幣政策調控為主的轉型階段，已有研究對于不同貨幣政策對企業(yè)金融資產投資決策的差異性影響則考慮得較少。

因此，本文將從貨幣政策的異質性出發(fā)，并以高新技術企業(yè)為樣本，有針對性地研究不同貨幣政策對其金融化的影響。同時，以往的研究一般采用的是傳統(tǒng)多元回歸。Brian[22]曾在文章中指出，傳統(tǒng)均值回歸只能反映自變量對因變量的條件分布的均值影響，對其真實影響則不能準確地反映，而分位數(shù)回歸則可以解決這一問題。分位數(shù)回歸由Koenker和Bassett[23]于1978提出，這種方法最主要的優(yōu)勢是可以在不同分位點上反映自變量是如何影響因變量條件分布。此外，Binder和 Coad[24]還指出，分位數(shù)回歸對于異常值的捕捉非常有效，對自變量與因變量之間的關系可以做出更詳細的描述。

故，本文將以企業(yè)金融化指標為被解釋變量，以價格型貨幣政策和數(shù)量型貨幣政策作為解釋變量，建立面板分位回歸模型，分別研究了在不同分位點上，不同的貨幣政策與高新技術企業(yè)金融化所存在的聯(lián)系。

三 研究設計

(一)樣本選擇和數(shù)據(jù)來源

本文選取2009年至2018年高新技術行業(yè)的上市公司為樣本，剔除了ST和ST*以及數(shù)據(jù)嚴重缺失的企業(yè)。

為了消除極端值的影響，本文對企業(yè)層面的財務數(shù)據(jù)進行了 1%雙側Winsorize 縮尾處理，最后獲取了138個公司的共1380個平衡面板數(shù)據(jù)(1)本文的公司財務數(shù)據(jù)與宏觀經濟數(shù)據(jù)均來源于WIND數(shù)據(jù)庫與CSMAR數(shù)據(jù)庫。。

(二)研究設計

參照杜勇[11]、戴靜[12]的研究，本文建立了如下面板分位回歸模型進行研究：

Qτ(financialit|xit)=β0(τ)+β1(τ)Xit+β2(τ)sizeit+β3(τ)ageit+β4(τ)growthit+β5(τ)levit+β6(τ)roait+β7(τ)tangibleit

本文采用面板分位回歸模型來研究不同的貨幣政策對高新技術企業(yè)金融化的影響，其中Xit表示不同的貨幣政策，本文重點關注Xit的系數(shù)β1(τ)。

(三)變量定義

金融化(financial)：本文以金融資產占總資產的比重作為衡量企業(yè)金融化的程度的代理變量。根據(jù)資產負債表和中國會計定義，參考杜勇[19]對金融資產的劃分，本文將交易性金融資產、衍生金融資產、發(fā)放貸款及墊款、可供出售的金融資產、持有至到期投資、投資性房地產劃分為非貨幣性金融資產。考慮到企業(yè)的日常經營活動也會產生貨幣，本文并未將貨幣資金作為金融資產。

貨幣政策(X)：當前我國貨幣政策工具有很多種，按不同的作用路徑可以分為數(shù)量型貨幣政策和價格型貨幣政策。其中，常見的數(shù)量型貨幣政策一般包括公開市場操作、存款準備金調節(jié)和中央銀行貸款，常見的價格型貨幣政策主要指利率工具和匯率工具等。與傅代國[25]一致，本文選取存款準備金率和銀行間同業(yè)拆借率為代表，分別研究不同的貨幣政策對高新技術企業(yè)金融化的影響。

控制變量(control)：本文參考彭俞超[1]、杜勇[11]、戴靜[12]等，選取企業(yè)規(guī)模(size)、公司年齡(age)、企業(yè)成長性(growth)、資產負債率(lev)、盈利能力(roa)、有形資產占比(tangible)作為控制變量。本文具體變量定義如下表1所示。

表1 變量定義

四 實證結果及分析

(一)描述性統(tǒng)計

表2列示了所有變量的描述性統(tǒng)計。從表中可以看出，樣本企業(yè)的金融化程度均值為0.035，這說明從整體上看，我國高新技術企業(yè)的金融化水平不高，最小值為0.000，最大值為0.511，表明不同的企業(yè)之間金融化呈現(xiàn)較大的差異，部分高新技術企業(yè)金融化程度遠遠高于平均水平。同時，該變量的峰度值遠遠大于3，說明尖峰厚尾的特征明顯，使用面板分位回歸進行分析可以得到較為合理的結果。存款準備金率的均值為17.18%，最小值為14.5%，最大值為19.83%，標準差為1.876，這表明，我國的存款金準備率從整體上看處于一個較高的狀態(tài)，但幅度變化較大。上海銀行間同業(yè)拆借率的均值為3.133%，最小值為1.298%，最大值為4.811%，標準差為0.974，這說明相對于存款準備金率而言，銀行間同業(yè)拆借率的逐年差異較小。

表2 描述性統(tǒng)計

(二)相關性分析

表3展示了變量之間的相關性分析。表中顯示，存款準備金率、上海銀行間同業(yè)拆借率均與高新技術企業(yè)的金融化為負相關關系，企業(yè)的資產負債率、規(guī)模、成長性和有形資產占比均與高新技術企業(yè)的金融化負相關，而其他變量則表現(xiàn)為正相關，相關系數(shù)表明各變量之間并不存在嚴重的共線性。

(三)結果分析

1．全樣本回歸分析

表3、表4分別列示了以存款準備金率、上海銀行間同業(yè)拆借率為核心解釋變量的ols回歸和面板分位回歸結果。從ols回歸結果來看，相對于數(shù)量型貨幣政策存款準備金率，價格型貨幣政策shibor對企業(yè)金融資產配置的影響更大，面板分位回歸的結果也可以驗證這一結果。在0.05分位點上，存款準備金率和上海銀行間同業(yè)拆借率與高新技術企業(yè)金融化之間為促進作用，但是這一作用并不顯著。在0.25、0.5、0.75和0.95分位點上，存款準備金率對高新技術企業(yè)金融化的作用系數(shù)分別為-0.000143、-0.000633、-0.00238和-0.00867，上海銀行間同業(yè)拆借率對高新科技企業(yè)金融化的作用系數(shù)分別為-0.00043、-0.001082、-0.00339、-0.01377。除了0.25分位點外，存款準備金率、上海銀行間同業(yè)拆借率的負相關關系都是顯著的，并且這種關系隨著分位點的增大而增大，這說明貨幣政策對處于不同金融化程度的高新技術企業(yè)的影響是不同的，更會對企業(yè)的過度金融化行為產生顯著的影響。通過回歸結果可以看出，存款準備金率和上海銀行間同業(yè)拆借率對高新技術企業(yè)的金融化作用并不完全相同，而且，在各個分位點上，上海銀行間同業(yè)拆借率的影響都要比存款準備金率的影響大。

這一結論與ols回歸得到的結果一致，這說明相對于數(shù)量型貨幣政策，價格型貨幣政策對高新技術企業(yè)金融化的影響更加明顯，尤其是對金融化程度較高的高新技術企業(yè)，其作用最大。因此，在利用宏觀貨幣政策進行調控時，要特別注意對價格型貨幣政策的制定。

表3 相關性分析

表4 存款準備金率對高新技術企業(yè)金融化的分位回歸結果

表5 上海銀行間同業(yè)拆借率對高新技術企業(yè)金融化的分位回歸結果

從ols的回歸結果和面板分位的回歸結果來看，存款準備金率、上海銀行間同業(yè)拆借率和高新技術企業(yè)的金融化之間主要為負相關關系，這也反映了高新技術企業(yè)持有金融資產主要是出于投機性動機，與傅代國[25]的結論一致。這主要是因為當存款準備金率和上海銀行間同業(yè)拆借率在原來的基礎上上升時，我國貨幣政策由寬松狀態(tài)轉化為緊縮狀態(tài)，銀根收緊，股票、證券等金融資產的收益將會下降。由于從金融渠道獲得的收益減少，企業(yè)對與金融資產的持有意愿下降，企業(yè)金融化程度降低。

2．分組回歸分析

本文按照鞠曉生等[26]的方式，根據(jù)企業(yè)面臨的融資約束將樣本分為兩組分別回歸，結果如表6、表7 所示。結果顯示，無論是融資約束大的組還是融資約束小的組，在除0.05分位點之外，其他分位點的上海銀行間同業(yè)拆借率和存款準備金率與高新技術企業(yè)的金融化程度均為負相關關系，在0.75分位點和0.95分位點上，這種負相關關系均是顯著的。

這表明不論是融資約束小的高新技術企業(yè)還是融資約束大的高新技術企業(yè)，持有金融資產的動機主要還是投機性動機；除此之外，兩組的回歸結果也顯示了上海銀行間同業(yè)拆借率對高新技術企業(yè)金融化的影響均比存款準備金率的影響大，并沒有受企業(yè)融資約束的影響，其抑制性也隨著分位點的增加而增加，這一結果和全樣本的結論一致。同時，通過分組可以發(fā)現(xiàn)，存款準備金率、上海銀行間同業(yè)拆借率對融資約束較大一組的影響系數(shù)均比融資約束較小的一組大，這表明融資約束高的企業(yè)對金融資產的投資比對貨幣政策更加敏感，這一結論也與李順彬[27]一致。

這主要是因為當貨幣政策由寬松轉為緊縮時，銀行能為企業(yè)提供資金的能力下降，融資約束高的企業(yè)外部投資環(huán)境進一步惡化，相對于融資約束較低的企業(yè)，對企業(yè)的投資的沖擊也更大[28]。

表6 分組面板分位回歸結果

五 結論與建議

國內外學者對企業(yè)金融化的研究日漸增多，本文則將視線聚焦到高新技術行業(yè)，從貨幣政策的角度考慮了不同的貨幣政策對高新技術企業(yè)金融化的異質性影響，并以國內138個高新技術企業(yè)為樣本，利用面板分位回歸模型對其年度數(shù)據(jù)進行了分析，獲得了數(shù)量型貨幣政策和價格型貨幣政策對我國不同金融化水平的高新技術企業(yè)的影響。

當前，我國所實施的兩種貨幣政策均能對高新技術企業(yè)的金融化產生顯著影響，面板分位數(shù)回歸結果顯示對于金融化水平較高的高新技術企業(yè)而言，存款準備金率與上海銀行間同業(yè)拆借率均與其金融化之間為顯著的負相關關系，并且這兩種貨幣政策的抑制作用均隨著分位點的增大而增大，在高分位點處達到了最大值。這表明我國的貨幣政策能夠有效地影響高新技術企業(yè)的金融化水平，具體表現(xiàn)為緊縮的貨幣政策會顯著抑制高新技術企業(yè)的金融化程度。其中，以上海銀行間同業(yè)拆借率為代表的價格型貨幣政策的影響系數(shù)絕對值要大于以存款準備金率為代表的數(shù)量型貨幣政策的影響系數(shù)絕對值，這表明當前我國價格型貨幣政策對微觀主體的傳導渠道更為通暢，能夠更加有效地影響高新技術企業(yè)的金融化。因此，在制定貨幣政策時，我國應該更加注重價格型貨幣政策對微觀主體的影響，要靈活地利用價格型貨幣政策來實現(xiàn)對實體產業(yè)的支持、引導作用。

分組回歸的結果顯示，高新技術企業(yè)所面臨的融資約束越嚴重，其金融資產的投資決策就更容易受到貨幣政策的影響，并且無論企業(yè)的融資約束是否嚴重，上海銀行間同業(yè)拆借率、存款準備金率與高新技術企業(yè)金融化大體上都是負相關。這表明了當前我國高新技術企業(yè)持有金融資產主要還是出于投機性動機；同時，在分組回歸中也驗證了價格型貨幣政策能夠更好地作用于企業(yè)的金融資產配置。

本文為研究當前我國企業(yè)“脫實向虛”提供了新視角，從微觀層面更為詳細地闡明了當前不同的貨幣政策對高新技術企業(yè)金融化的影響。面對當前我國大量貨幣資金流向房地產、金融行業(yè)的現(xiàn)狀，政府需要深化金融供給側改革，疏通貨幣政策對微觀主體的傳導渠道，加大金融服務實體經濟力度，共同構建貨幣政策、微觀實體與資本市場之間穩(wěn)定的三角關系。

政府還要加大金融監(jiān)管，發(fā)揮銀行等金融機構的監(jiān)督作用，嚴密監(jiān)視高新技術企業(yè)的貸款動機和后續(xù)使用情況，調整政策引導企業(yè)正確配置金融資產；還需要規(guī)范金融市場，提高銀行等金融機構的資金分配效率，加大對中小企業(yè)的金融扶持力度，改善具有嚴重融資困難等問題的企業(yè)外部投資環(huán)境，降低企業(yè)的融資約束和委托代理等問題。