楊咸月 韓鈺

[收稿日期] 2023-12-22

[作者簡(jiǎn)介]楊咸月，金融學(xué)博士，上海社會(huì)科學(xué)院應(yīng)用經(jīng)濟(jì)研究所研究員、博士生導(dǎo)師，研究方向：金融學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué);韓鈺，上海社會(huì)科學(xué)院應(yīng)用經(jīng)濟(jì)研究所博士研究生，研究方向：政策不確定性、公司金融。

[摘要]目前動(dòng)蕩的國(guó)際環(huán)境導(dǎo)致企業(yè)成長(zhǎng)遇到阻力，嚴(yán)重阻礙了我國(guó)的高質(zhì)量發(fā)展。本文利用Jurado et al.（2015）提出的方法測(cè)度了中國(guó)貨幣政策不確定性，實(shí)證研究了貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響效應(yīng)和作用渠道。經(jīng)驗(yàn)結(jié)果表明，貨幣政策不確定性會(huì)顯著抑制企業(yè)成長(zhǎng)，該結(jié)論在考慮內(nèi)生性等一系列穩(wěn)健性檢驗(yàn)中依然成立。異質(zhì)性檢驗(yàn)表明，貨幣政策不確定性對(duì)生命周期處于成長(zhǎng)期與成熟期、融資約束較高、位于中西部、非高技術(shù)行業(yè)企業(yè)的成長(zhǎng)影響更明顯；中介效應(yīng)檢驗(yàn)表明，存在企業(yè)現(xiàn)金流不確定性的傳導(dǎo)渠道。本文研究為政府進(jìn)一步促進(jìn)企業(yè)成長(zhǎng)，減少不確定性對(duì)經(jīng)濟(jì)的沖擊有一定的參考價(jià)值。

[關(guān)鍵詞] 貨幣政策不確定性；企業(yè)成長(zhǎng)；現(xiàn)金流不確定性；中介效應(yīng)

[中圖分類號(hào)] F062.9? ［文獻(xiàn)標(biāo)識(shí)碼］A? ?［文章編號(hào)］1000-4211（2024）02-0092-19

一、引言與文獻(xiàn)綜述

近年來(lái)，全球進(jìn)入一個(gè)動(dòng)蕩不安的時(shí)代，企業(yè)成長(zhǎng)遇到嚴(yán)重阻力。一方面，中美貿(mào)易摩擦愈演愈烈，美國(guó)在經(jīng)貿(mào)、科技等領(lǐng)域推動(dòng)對(duì)華“脫鉤斷鏈”；歐盟推動(dòng)“去風(fēng)險(xiǎn)化”意圖減少對(duì)中國(guó)的依賴。另一方面，新冠疫情后歐美日英等發(fā)達(dá)經(jīng)濟(jì)體大肆擴(kuò)充基礎(chǔ)貨幣，實(shí)行極限寬松財(cái)政金融刺激，引發(fā)了全球高通脹；作為中國(guó)重要出口市場(chǎng)的美國(guó)與歐盟的經(jīng)濟(jì)進(jìn)入高通脹、弱增長(zhǎng)時(shí)期，需求減弱（中國(guó)銀保監(jiān)會(huì)， 2022）。黨的二十大報(bào)告明確指出“高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家的首要任務(wù)。發(fā)展是黨執(zhí)政興國(guó)的第一要?jiǎng)?wù)。沒(méi)有堅(jiān)實(shí)的物質(zhì)技術(shù)基礎(chǔ)，就不可能全面建成社會(huì)主義現(xiàn)代化強(qiáng)國(guó)?！逼髽I(yè)的成長(zhǎng)和更替是經(jīng)濟(jì)增長(zhǎng)的微觀基礎(chǔ)（Acemoglu et al.， 2018）。目前的形勢(shì)嚴(yán)重阻礙了我國(guó)企業(yè)的成長(zhǎng)，對(duì)我國(guó)的高質(zhì)量發(fā)展產(chǎn)生了不利影響。因而探索企業(yè)成長(zhǎng)的影響因素，并根據(jù)現(xiàn)實(shí)情況制定政策促進(jìn)企業(yè)成長(zhǎng)，對(duì)于促進(jìn)我國(guó)經(jīng)濟(jì)的高質(zhì)量發(fā)展具有十分重要的理論和現(xiàn)實(shí)意義。

為應(yīng)對(duì)變幻復(fù)雜的經(jīng)濟(jì)形勢(shì)，我國(guó)政府嘗試出臺(tái)和使用政策來(lái)調(diào)控經(jīng)濟(jì)使之平穩(wěn)增長(zhǎng)。頻繁出臺(tái)的逆周期調(diào)節(jié)政策一方面有利于熨平周期，平滑波動(dòng)；另一方面也導(dǎo)致政策不確定性成為不可忽視的因素（顧夏銘等， 2018）。那么政策不確定性是否影響企業(yè)成長(zhǎng)？影響是正是負(fù)？這種影響在不同類型的企業(yè)間有沒(méi)有不同？影響的機(jī)制如何？這些問(wèn)題有待進(jìn)一步的探索。

對(duì)于該問(wèn)題，目前相關(guān)的學(xué)術(shù)研究主要集中在兩個(gè)方面。第一類是企業(yè)成長(zhǎng)影響因素的研究，主要集中于企業(yè)內(nèi)部因素的影響，特別是企業(yè)初始異質(zhì)性的影響（朱奕蒙和徐現(xiàn)祥， 2017），而對(duì)外部因素的研究較少（王永進(jìn)等， 2017）。內(nèi)部因素影響的相關(guān)研究認(rèn)為企業(yè)家特征（徐尚昆等， 2020; 趙陽(yáng)等， 2020; 朱斌和呂鵬， 2020）、企業(yè)初始選擇的產(chǎn)品類型（Sedlá?ek & Sterk， 2017）、企業(yè)初始差異（Sterk et al.， 2021）、工資扭曲（吳先明等， 2017）、企業(yè)信用傾向（趙馳等， 2012）都會(huì)影響到企業(yè)成長(zhǎng)。研究外部因素影響的文獻(xiàn)相對(duì)較少。葉振宇和莊宗武（2022）分析發(fā)現(xiàn)產(chǎn)業(yè)鏈龍頭企業(yè)會(huì)促進(jìn)本地企業(yè)成長(zhǎng)，且該影響是通過(guò)企業(yè)成本和企業(yè)生產(chǎn)率產(chǎn)生作用的。李賁和吳利華（2018）研究表明開(kāi)發(fā)區(qū)的設(shè)立總體上促進(jìn)了企業(yè)成長(zhǎng)，且這種影響與開(kāi)發(fā)區(qū)級(jí)別、企業(yè)生命周期和行業(yè)要素密集度有關(guān)。王永進(jìn)等（2017）研究表明受到政府扶持和補(bǔ)貼的企業(yè)因壟斷獲得了超額利潤(rùn)，導(dǎo)致其沒(méi)有動(dòng)力進(jìn)行創(chuàng)新，阻礙了企業(yè)的成長(zhǎng)。鮮有文獻(xiàn)從政策不確定性的角度探討企業(yè)成長(zhǎng)的原因。

第二類是政策不確定性對(duì)企業(yè)行為的影響。自Baker et al.（2016）提出全新的不確定性測(cè)度方法后，國(guó)內(nèi)外不確定性相關(guān)研究已相當(dāng)豐富。一些文獻(xiàn)探討政策不確定性對(duì)銀行的影響（鄧偉等， 2022; 申宇等， 2020; 田國(guó)強(qiáng)和李雙建， 2020）和對(duì)外貿(mào)易相關(guān)因素的影響（毛其淋， 2020; 謝杰等， 2021; 張龍等， 2022）。但不確定性研究主要集中于政策不確定性對(duì)非金融企業(yè)行為的影響（宮汝凱等， 2019; 顧夏銘等， 2018; 劉貫春等， 2020; 彭俞超等， 2018; 譚小芬和張文婧， 2017）。Gulen & Ion（2016）、李鳳羽和楊墨竹（2015）研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性的上升會(huì)抑制企業(yè)投資。進(jìn)一步地，譚小芬和張文婧（2017）分析表明這種經(jīng)濟(jì)政策不確定性對(duì)企業(yè)投資影響的機(jī)制主要有兩條：實(shí)物期權(quán)機(jī)制和金融摩擦機(jī)制，其中實(shí)物期權(quán)機(jī)制占據(jù)主導(dǎo)地位。同時(shí)，劉貫春等（2020）對(duì)投資結(jié)構(gòu)影響進(jìn)行了剖析，研究表明經(jīng)濟(jì)政策不確定性的上升會(huì)抑制實(shí)體企業(yè)投資，但會(huì)促進(jìn)金融資產(chǎn)投資，即促進(jìn)企業(yè)金融化。而彭俞超等（2018）研究卻發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性顯著抑制了企業(yè)金融化。此外，還有部分學(xué)者考察了經(jīng)濟(jì)政策不確定性對(duì)企業(yè)杠桿率（宮汝凱等， 2019）、企業(yè)創(chuàng)新（顧夏銘等， 2018）等的影響。但是，鮮有研究探索政策不確定性與企業(yè)成長(zhǎng)之間的關(guān)系。

目前學(xué)界對(duì)于不確定性的測(cè)度方法主要是Baker et al.（2016）提出的基于報(bào)刊的文本分析法，Huang & Luk（2020）使用該方法拓展應(yīng)用于中國(guó)，被眾多文獻(xiàn)所采用。但文本分析的方法有報(bào)刊滯后和報(bào)道門(mén)檻的固有缺陷。在貨幣政策不確定性相關(guān)研究中Jurado et al.（2015）提出了被廣泛使用的高維因子法，王博等（2019）將這種方法引入國(guó)內(nèi)。這種方法通過(guò)剔除貨幣政策中可預(yù)測(cè)的部分構(gòu)建不確定性測(cè)度，克服了文本分析法測(cè)度的種種缺陷，能更準(zhǔn)確地測(cè)度不確定性。故本文采用該法測(cè)度貨幣政策不確定性，研究貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響。

有鑒于此，本文實(shí)證研究了貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響效應(yīng)和作用機(jī)理。為了克服內(nèi)生性問(wèn)題，本文使用工具變量法對(duì)模型進(jìn)行了穩(wěn)健性檢驗(yàn)。隨后，本文從生命周期、融資約束、區(qū)域和行業(yè)等角度，探索了貨幣政策不確定性上升對(duì)企業(yè)成長(zhǎng)的異質(zhì)性影響。相較于以往的研究，本文的特色與創(chuàng)新有：（1）選題不確定性與企業(yè)成長(zhǎng)，抓住了企業(yè)成長(zhǎng)中的重要影響因素，彌補(bǔ)了不確定性影響企業(yè)成長(zhǎng)研究的空白。（2）運(yùn)用Jurado et al.（2015）提出的高維因子法，選取了迄今為止最豐富的預(yù)測(cè)變量，合成出最準(zhǔn)確貨幣政策不確定性的測(cè)度，較過(guò)去的文本分析法合成的指標(biāo)能更準(zhǔn)確地測(cè)度不確定性。（3）厘清了貨幣政策影響企業(yè)成長(zhǎng)的內(nèi)在邏輯，深化了學(xué)界對(duì)貨幣政策不確定性影響的認(rèn)識(shí)。本文通過(guò)分析貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響，為更好地促進(jìn)企業(yè)成長(zhǎng)提供了思考的新路徑。

本文余下的部分安排如下：第二部分進(jìn)行理論分析并提出研究假說(shuō)，第三部分介紹了研究的設(shè)計(jì)和樣本數(shù)據(jù)，第四部分是經(jīng)驗(yàn)結(jié)果與分析，第五部分是異質(zhì)性分析與影響渠道檢驗(yàn)，第六部分是研究結(jié)論與政策啟示。

二、理論分析與研究假說(shuō)

（一）貨幣政策不確定性與企業(yè)成長(zhǎng)

企業(yè)在成長(zhǎng)過(guò)程中難以規(guī)避不確定性的影響，不確定性可能從外部和內(nèi)部?jī)煞矫娴挠绊懚绊懙狡髽I(yè)成長(zhǎng)。

不確定性沖擊在企業(yè)內(nèi)部可能通過(guò)企業(yè)投資和預(yù)防性儲(chǔ)蓄影響企業(yè)成長(zhǎng)。一方面，企業(yè)擁有的投資機(jī)會(huì)可以看作是一種特殊的期權(quán)，即實(shí)物期權(quán)（Gulen & Ion， 2016）。不確定性的上升會(huì)導(dǎo)致現(xiàn)金流不確定性上升，期權(quán)的價(jià)值上升，企業(yè)因而會(huì)觀望，即推遲投資（李鳳羽和楊墨竹， 2015; 譚小芬和張文婧， 2017），從而抑制企業(yè)成長(zhǎng)。另一方面，不確定性可能導(dǎo)致企業(yè)出于預(yù)防性儲(chǔ)蓄的動(dòng)機(jī)增加現(xiàn)金持有（余靖雯等， 2019），拖累企業(yè)成長(zhǎng)。

企業(yè)外部環(huán)境的影響從企業(yè)融資和消費(fèi)兩方面分析，首先分析企業(yè)融資方面的情況。一方面，不確定性上升導(dǎo)致金融市場(chǎng)受到?jīng)_擊，利率的風(fēng)險(xiǎn)溢價(jià)上升（Mueller et al.， 2017），企業(yè)的融資成本上升；另一方面，不確定性的上升導(dǎo)致企業(yè)的現(xiàn)金流波動(dòng)性上升（王紅建等， 2014），企業(yè)的違約概率隨之上升，導(dǎo)致違約風(fēng)險(xiǎn)溢價(jià)上升，即企業(yè)的融資成本上升。兩方面綜合，不確定性上升導(dǎo)致企業(yè)的融資成本上升，發(fā)生銀行“惜貸”等現(xiàn)象，從而抑制企業(yè)成長(zhǎng)。其次，從家庭部門(mén)角度分析，不確定性的上升導(dǎo)致家庭部門(mén)出于預(yù)防性儲(chǔ)蓄的動(dòng)機(jī)減少消費(fèi)（Bansal & Yaron， 2004），從而抑制企業(yè)成長(zhǎng)。基于以上分析，本文提出假說(shuō)1：

假說(shuō)1：貨幣政策不確定性上升會(huì)抑制企業(yè)成長(zhǎng)，兩者呈現(xiàn)負(fù)相關(guān)關(guān)系

（二）貨幣政策不確定性、異質(zhì)性與企業(yè)成長(zhǎng)

根據(jù)企業(yè)生命周期理論，成長(zhǎng)期企業(yè)與成熟期和衰退期的企業(yè)不同，其任務(wù)是市場(chǎng)開(kāi)拓，通常迫切需要資金進(jìn)行投資以擴(kuò)張規(guī)模和進(jìn)行研發(fā)；但成長(zhǎng)期企業(yè)盈利能力較弱造成內(nèi)源性融資不足，更依賴外部融資。強(qiáng)烈的融資欲望和有限的籌資能力形成鮮明對(duì)比，使得成長(zhǎng)期企業(yè)面臨很大的融資約束（黃宏斌等， 2016）。羸弱的盈利能力也導(dǎo)致企業(yè)在面對(duì)不確定性沖擊時(shí)現(xiàn)金流的波動(dòng)更強(qiáng)，違約風(fēng)險(xiǎn)溢價(jià)也較高。成熟期公司生產(chǎn)經(jīng)驗(yàn)?zāi)Ｊ饺遮叧墒?、組織結(jié)構(gòu)不斷完善，從“求生存”轉(zhuǎn)向“謀發(fā)展”（劉詩(shī)源等， 2020）。成熟期公司的盈利能力日趨穩(wěn)定，依然需要融資來(lái)實(shí)現(xiàn)進(jìn)一步的發(fā)展。不確定性沖擊對(duì)風(fēng)險(xiǎn)溢價(jià)的影響依然會(huì)影響到成熟期公司。而衰退期的公司往往生產(chǎn)設(shè)備陳舊，技術(shù)老化，不會(huì)進(jìn)行大規(guī)模的投資，因此對(duì)于風(fēng)險(xiǎn)溢價(jià)的變動(dòng)沒(méi)有成長(zhǎng)期和成熟期公司那么敏感。因而本文提出假說(shuō)2：

假說(shuō)2：相對(duì)于生命周期處于衰退期的企業(yè)，貨幣政策不確定性對(duì)成長(zhǎng)期和成熟期企業(yè)成長(zhǎng)的負(fù)向影響較強(qiáng)。

融資約束是指企業(yè)因自有資金不足以實(shí)施意愿投資，轉(zhuǎn)而尋求外部融資時(shí)所面臨的摩擦（Fazzari et al.， 1988）。中國(guó)目前仍然存在金融抑制，信貸配給還比較嚴(yán)重（Allen et al.， 2005）。融資約束較弱的企業(yè)能較容易地獲得資金，進(jìn)行預(yù)防性儲(chǔ)蓄；融資約束較強(qiáng)的企業(yè)獲取資金更難，只能更多使用內(nèi)部資金進(jìn)行預(yù)防性儲(chǔ)蓄。另一方面，融資約束較強(qiáng)的企業(yè)在面對(duì)投資機(jī)會(huì)時(shí)，等待的能力不強(qiáng)，故減少了實(shí)物期權(quán)對(duì)投資的抑制。綜合以上兩方面內(nèi)容，融資約束對(duì)企業(yè)成長(zhǎng)的影響有待考察，本文提出假說(shuō)3：

假說(shuō)3：相對(duì)于融資約束較低的企業(yè)，貨幣政策不確定性對(duì)融資約束較高的企業(yè)成長(zhǎng)的負(fù)向影響較弱。

中國(guó)經(jīng)濟(jì)發(fā)展的重心位于東部地區(qū)，相比于中西部地區(qū)東部地區(qū)擁有更多的金融機(jī)構(gòu)，更優(yōu)質(zhì)的營(yíng)商環(huán)境和更龐大的市場(chǎng)。面對(duì)不確定性升高的情況，更多的金融機(jī)構(gòu)有助于緩解融資約束，更優(yōu)質(zhì)的營(yíng)商環(huán)境有助于企業(yè)在投資決策中減少推遲投資，更龐大的市場(chǎng)有助于緩沖消費(fèi)減少帶來(lái)的沖擊。進(jìn)而本文提出假說(shuō)4：

假說(shuō)4：相對(duì)于中西部地區(qū)企業(yè)，貨幣政策不確定性對(duì)東部企業(yè)成長(zhǎng)的負(fù)向影響較弱。

我國(guó)政府對(duì)經(jīng)濟(jì)有很強(qiáng)的控制力（周黎安， 2007）；且我國(guó)長(zhǎng)期實(shí)行產(chǎn)業(yè)政策以促進(jìn)我國(guó)實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)，以創(chuàng)新驅(qū)動(dòng)發(fā)展（王偉光等， 2015）。高技術(shù)行業(yè)公司作為國(guó)家產(chǎn)業(yè)升級(jí)的重要抓手，相比非高技術(shù)行業(yè)公司更容易得到政府的扶持政策（李彥龍， 2018），如政府補(bǔ)貼、銀行信貸和稅收優(yōu)惠，即高技術(shù)行業(yè)企業(yè)面臨的融資約束更小。另一方面，高技術(shù)行業(yè)公司處在行業(yè)的前沿，競(jìng)爭(zhēng)較激烈，故對(duì)投資活動(dòng)較為積極，這就減少了實(shí)物期權(quán)渠道的負(fù)面影響。據(jù)此，本文提出假說(shuō)5：

假說(shuō)5：相對(duì)于非高技術(shù)行業(yè)的企業(yè)，貨幣政策不確定性對(duì)高技術(shù)行業(yè)的企業(yè)成長(zhǎng)的負(fù)向影響較弱。

（三）貨幣政策不確定性、現(xiàn)金流不確定性與企業(yè)成長(zhǎng)

根據(jù)前文的分析，當(dāng)不確定性上升時(shí)，未來(lái)現(xiàn)金流的不確定性增加，出于實(shí)物期權(quán)的等待價(jià)值，企業(yè)會(huì)推遲投資，影響企業(yè)成長(zhǎng)；出于預(yù)防性儲(chǔ)蓄的目的，企業(yè)會(huì)增加現(xiàn)金等流動(dòng)性較強(qiáng)的資產(chǎn)。另一方面，貨幣政策不確定性的上升導(dǎo)致企業(yè)的現(xiàn)金流波動(dòng)性上升（王紅建等， 2014），企業(yè)的違約概率隨之上升，導(dǎo)致違約風(fēng)險(xiǎn)溢價(jià)上升，進(jìn)而導(dǎo)致企業(yè)的融資成本上升。因而本文提出假說(shuō)6：

假說(shuō)6：貨幣政策不確定性可以通過(guò)提高企業(yè)現(xiàn)金流不確定性的渠道抑制企業(yè)成長(zhǎng)。

三、研究設(shè)計(jì)和研究數(shù)據(jù)

（一）樣本選擇與數(shù)據(jù)來(lái)源

本文選取2008年第一季度到2022年第二季度中國(guó)A股上市公司數(shù)據(jù)作為研究樣本。對(duì)初始樣本進(jìn)行如下處理：（1）? 剔除金融行業(yè)公司；（2） 剔除ST、PT等特殊狀態(tài)的公司；（3） 為控制極端值影響，對(duì)所有連續(xù)變量進(jìn)行上下1%的Winsorize縮尾處理。最終的研究樣本由4177家上市公司的140617個(gè)觀測(cè)值構(gòu)成季度非平衡面板。

數(shù)據(jù)來(lái)源方面，本文使用的宏觀數(shù)據(jù)來(lái)自CEIC數(shù)據(jù)庫(kù)，公司財(cái)務(wù)數(shù)據(jù)來(lái)自Wind金融終端和CSMAR數(shù)據(jù)庫(kù)。

（二）計(jì)量模型設(shè)定和策略

為檢驗(yàn)貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響，本文構(gòu)建了如下的面板計(jì)量模型

（1）

其中，下標(biāo)i＝1，2，…，N表示上市公司個(gè)體，t＝1，…，T表示觀察季度；表示上市公司i在第t期的營(yíng)業(yè)收入增長(zhǎng)率；MPUt-1表示第t-1期貨幣政策不確定性水平，自變量滯后一期是為了減輕內(nèi)生性問(wèn)題（李鳳羽和楊墨竹， 2015）；Xi，t為各控制變量；μi為上市公司的個(gè)體固定效應(yīng)；εi，t為殘差項(xiàng)；由于貨幣政策不確定性為時(shí)間序列變量，加入時(shí)間固定效應(yīng)會(huì)導(dǎo)致共線性問(wèn)題（田國(guó)強(qiáng)和李雙建， 2020），故參考彭俞超等（2018）的做法控制季度效應(yīng)Quarter；Ind表示行業(yè)效應(yīng)。本文主要關(guān)注貨幣政策不確定性的估計(jì)系數(shù)β1，預(yù)期符號(hào)顯著為負(fù)。在基準(zhǔn)回歸中，同時(shí)加入普通最小二乘法（OLS）的估計(jì)結(jié)果作為穩(wěn)健性檢驗(yàn)與固定效應(yīng)面板模型回歸結(jié)果對(duì)照。

（三）變量選取與說(shuō)明

1. 貨幣政策不確定性

本文借鑒Jurado et al.（2015）、王博等（2019）、黃卓等（2018）的做法構(gòu)建貨幣政策不確定性變量。

定義h期后變量yjt的不確定性表示為uyjt（h），其中

。

（2）

這里E（.|It）表示在可用信息為It的情況下，時(shí)刻t的期望。t時(shí)刻的單個(gè)不確定性指標(biāo)經(jīng)過(guò)加權(quán)平均后即可得到t時(shí)刻的中國(guó)貨幣政策不確定性指數(shù)uyt（h）

（3）

具體估計(jì)方法有兩個(gè)步驟：

第一步需要估計(jì)E[yt+h|It]。為此，首先需選取可預(yù)測(cè)變量集。為了識(shí)別真正的預(yù)測(cè)誤差，此處需要引入盡可能多的變量，以清除可預(yù)測(cè)的部分。為了避免“維度災(zāi)難”，假說(shuō)Xit有如下的因子結(jié)構(gòu)：

（4）

在上式中，F(xiàn)t是潛在共同因子的rF×1 維矩陣，∧Fi是對(duì)應(yīng)的rF×1維因子載荷矩陣。本文采取主成分分析法提取共同因子Ft。

第二步定義因變量yt的h期后的預(yù)測(cè)誤差為V yjt+h≡Vjt+h－E[yt＋h|It]。對(duì)這個(gè)預(yù)測(cè)誤差的條件波動(dòng)率進(jìn)行估計(jì)，建立如下的預(yù)測(cè)模型：

（5）

其中，分別是滯后算子的階多項(xiàng)式，參考黃卓等（2018）的做法，本文使用四階滯后的自回歸模型。矩陣是旋轉(zhuǎn)后的一致估計(jì)，包含其他的預(yù)測(cè)指標(biāo)。為了控制非線性效應(yīng)，模型中同時(shí)控制了共同因子的平方項(xiàng)（包含在中）。

對(duì)上述 （2）—（5） 式進(jìn)行估計(jì)，可以得到單個(gè)貨幣政策變量未來(lái)期的預(yù)測(cè)波動(dòng)率，將其作為單個(gè)貨幣政策的不確定性測(cè)度。然后按照 （2） 式計(jì)算算術(shù)平均值，并進(jìn)行標(biāo)準(zhǔn)化，即可得到中國(guó)貨幣政策不確定性。

本文在參考王博（2019）、趙珂（2022）等所選取變量的基礎(chǔ)上，大幅增加預(yù)測(cè)變量，以期得到更加準(zhǔn)確的貨幣政策不確定性測(cè)度。圖 1表示中國(guó)貨幣政策不確定性與Huang & Luk（2020）通過(guò)文本分析得到的中國(guó)貨幣政策不確定性指數(shù)。如圖所示，綜合指數(shù)的變動(dòng)整體上呈現(xiàn)出兩個(gè)階段：（1） 第一階段是2016年之前，貨幣政策不確定性水平較高且波動(dòng)幅度大，且有一些與重大事件相對(duì)應(yīng)的十分明顯的尖峰。這一階段貨幣政策不確定性均值達(dá)到0.530，標(biāo)準(zhǔn)差達(dá)到0.325；四個(gè)尖峰分別對(duì)應(yīng)2008年11月的四萬(wàn)億投資計(jì)劃，2010年12月應(yīng)對(duì)經(jīng)濟(jì)過(guò)熱的措施，2013年6月的“錢(qián)荒”事件，2015年5月的“股災(zāi)”。（2） 第二階段是2016年—現(xiàn)在，貨幣政策不確定性在低位震蕩，不確定性水平較低且波動(dòng)幅度不大，這一階段的不確定性平均水平僅為0.244，標(biāo)準(zhǔn)差為0.093。

綜合指數(shù)與HL指數(shù)表現(xiàn)出了相似點(diǎn)與不同點(diǎn)。兩種不確定性指標(biāo)的相似點(diǎn)體現(xiàn)在： （1） 兩個(gè)指標(biāo)均表現(xiàn)出了很強(qiáng)的波動(dòng)性，特別是在一些關(guān)鍵的時(shí)間節(jié)點(diǎn)。例如“四萬(wàn)億”投資計(jì)劃出臺(tái)2008年11月附近，兩種不確定性指標(biāo)都在達(dá)到了峰值后快速下跌。 （2） 兩個(gè)指標(biāo)的變化趨勢(shì)表現(xiàn)出了很強(qiáng)的相關(guān)性。例如在兩種指標(biāo)均在2016年前后呈現(xiàn)出明顯不同。（3） 兩個(gè)貨幣政策不確定性指標(biāo)的峰值點(diǎn)出現(xiàn)在了相同的時(shí)期內(nèi)，分別在2008年全球金融危機(jī)、2011年歐債危機(jī)、2015年“股災(zāi)”期間。（4） 兩個(gè)不確定性指標(biāo)均在危機(jī)期間快速上升，在政策出臺(tái)后快速下降。

但綜合指數(shù)與HL指數(shù)的合成方法不同，綜合指數(shù)使用擴(kuò)散因子法合成，HL指數(shù)使用文本分析法合成。雖然兩個(gè)指數(shù)都是測(cè)度中國(guó)貨幣政策不確定性的指數(shù)，綜合指數(shù)相較于HL指數(shù)能更好地測(cè)度中國(guó)貨幣政策不確定性，原因在于： （1） 綜合指數(shù)的時(shí)效性相比HL指數(shù)更強(qiáng)，盡管變化的趨勢(shì)相同，但HL指數(shù)的變動(dòng)通常滯后于綜合指數(shù)。這可能是因?yàn)镠L指數(shù)通過(guò)的報(bào)紙的文本信息合成，反應(yīng)的輿論可能滯后于現(xiàn)實(shí)。 （2） 綜合指數(shù)對(duì)于不確定性水平有更好的把握。綜合指數(shù)的最高點(diǎn)出現(xiàn)在“四萬(wàn)億”投資計(jì)劃出臺(tái)的2008年11月，而HL指數(shù)的最高點(diǎn)出現(xiàn)在2011年歐債危機(jī)期間，且峰值高度與金融危機(jī)的高度相差不大。這可能是因?yàn)閳?bào)紙的版面有限，歐債危機(jī)與金融危機(jī)期間可能已經(jīng)達(dá)到對(duì)不確定性可報(bào)道包面的上限。 （3） 綜合指數(shù)對(duì)事件反映更加靈敏。例如2013年6月的“錢(qián)荒”在HL指數(shù)上幾乎沒(méi)有反應(yīng)。這可能是因?yàn)閳?bào)紙作為大眾媒體，傾向于報(bào)道公眾感知度較高的事件?！八娜f(wàn)億”基建投資，歐債危機(jī)期間“熱錢(qián)”大量涌入，“股災(zāi)”期間的“千股跌停”都是這樣的事件；而“錢(qián)荒”發(fā)生在銀行間市場(chǎng)，雖然產(chǎn)生了極高的貨幣政策不確定性，對(duì)貨幣政策和社會(huì)產(chǎn)生了深遠(yuǎn)的影響，但因與大眾有一定的距離，故并未得到主流媒體的大量報(bào)道而未能反映在HL指數(shù)中。

2. 企業(yè)成長(zhǎng)

目前對(duì)于企業(yè)成長(zhǎng)的測(cè)度方式主要有三種：（1）以企業(yè)的營(yíng)業(yè)收入增長(zhǎng)率度量企業(yè)成長(zhǎng)（方芳和蔡衛(wèi)星， 2016; 王永進(jìn)等， 2017; 余泳澤等， 2020）；（2）以企業(yè)的總資產(chǎn)或凈資產(chǎn)測(cè)度企業(yè)成長(zhǎng)（葉振宇和莊宗武， 2022）；（3）以企業(yè)從業(yè)人員數(shù)作為企業(yè)成長(zhǎng)的代理變量（李賁和吳利華， 2018）。但企業(yè)總資產(chǎn)或凈資產(chǎn)受到的影響因素較多，企業(yè)從業(yè)人員數(shù)主要反映勞動(dòng)生產(chǎn)率和機(jī)器替代勞動(dòng)力的影響（Delmar et al.， 2003）；且他們都在一定時(shí)間段內(nèi)較為穩(wěn)定，難以反映季度頻率的貨幣政策不確定性沖擊對(duì)企業(yè)成長(zhǎng)的影響。因此本文選取相關(guān)文獻(xiàn)中使用最廣泛的營(yíng)業(yè)收入增長(zhǎng)率作為企業(yè)成長(zhǎng)的代理變量。

3. 控制變量

本文選取的控制變量包括企業(yè)層面控制變量和宏觀層面控制變量。企業(yè)層面控制變量包括：（1） 企業(yè)規(guī)模，采用總資產(chǎn)的自然對(duì)數(shù)表示；（2） 資產(chǎn)負(fù)債率，用總負(fù)債/總資產(chǎn)表示；（3） 經(jīng)營(yíng)性現(xiàn)金流量，用經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~/總資產(chǎn)表示；（4） 企業(yè)年齡，定義為“l(fā)n（當(dāng)年年份－企業(yè)成立年份）”；（5） 企業(yè)所有制類型，分為國(guó)有和非國(guó)有；（6） 有形資產(chǎn)比率；宏觀層面的控制變量包括：（1） GDP的同比增長(zhǎng)率；（2） M2的同比增長(zhǎng)率。表 1報(bào)告了主要變量的描述性統(tǒng)計(jì)。

四、經(jīng)驗(yàn)結(jié)果與分析

（一）基準(zhǔn)回歸結(jié)果

表 2報(bào)告了貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)影響的基準(zhǔn)回歸結(jié)果。其中第 （1）、（2） 列為使用普通最小二乘法（OLS）得到的估計(jì)結(jié)果，第 （3）、（4） 列為使用固定效應(yīng)模型的估計(jì)結(jié)果。第 （1）、（3） 列為不控制行業(yè)效應(yīng)的回歸結(jié)果，可以看出貨幣政策不確定性（MPU）對(duì)企業(yè)成長(zhǎng)產(chǎn)生負(fù)效應(yīng)，且系數(shù)在1%水平上顯著，這表明貨幣政策不確定性的上升會(huì)抑制企業(yè)成長(zhǎng)；第 （2）、（4） 列為將行業(yè)效應(yīng)加入控制后的回歸結(jié)果。結(jié)果表明，貨幣政策不確定性（L.MPU）的回歸系數(shù)均在1%水平上顯著為負(fù)，意味著貨幣政策不確定性的上升會(huì)抑制企業(yè)成長(zhǎng)。這就驗(yàn)證了假說(shuō)1。第 （4） 列中貨幣政策不確定性（L.MPU）的系數(shù)為-0.8276，這表明貨幣政策不確定性上升1個(gè)單位，營(yíng)業(yè)收入增長(zhǎng)率就下降0.8276個(gè)百分點(diǎn)。

（二）穩(wěn)健性分析

1. 關(guān)于內(nèi)生性問(wèn)題的處理

為了處理內(nèi)生性對(duì)計(jì)量結(jié)果的影響，本文采用工具變量處理內(nèi)生性問(wèn)題。參考申宇等（2020）、田國(guó)強(qiáng)和李雙建（2020）選取美國(guó)經(jīng)濟(jì)政策不確定性作為中國(guó)經(jīng)濟(jì)政策不確定性的工具變量的做法，類似地，本文選取滯后一期的美國(guó)貨幣政策不確定性指數(shù)的變動(dòng)值作為工具變量，采用面板兩階段最小二乘法（2SLS）進(jìn)行穩(wěn)健性檢驗(yàn)。

表3列示了兩階段最小二乘法的回歸結(jié)果，第（1）、（2） 列分別報(bào)告了對(duì)行業(yè)效應(yīng)不控制與控制的回歸結(jié)果。可以看出，弱工具變量檢驗(yàn)中，Anderson canon. corr. LM統(tǒng)計(jì)量的P值均小于0，拒絕工具變量識(shí)別不足的原假設(shè)；Cragg-Donald Wald F統(tǒng)計(jì)量均大于相應(yīng)的Stock-Yogo臨界值16.38，拒絕弱工具變量的原假設(shè)。這兩個(gè)研究的結(jié)果表明工具變量選取得當(dāng)。貨幣政策不確定性的回歸系數(shù)顯著為負(fù)，與基準(zhǔn)回歸中一致，這進(jìn)一步說(shuō)明本文的結(jié)論是可靠的。

2. 貨幣政策不確定性的不同度量方式

參考Gulen & Ion（2016）的做法，本文在月度貨幣政策不確定性降頻為季度貨幣政策不確定性的過(guò)程中采取了不同的方式：（1） 在一個(gè)季度內(nèi)，每個(gè)月影響的長(zhǎng)度不同，故對(duì)每個(gè)月進(jìn)行賦權(quán)，進(jìn)行加權(quán)平均。在一個(gè)季度內(nèi)，對(duì)第一個(gè)月、第二個(gè)月、第三個(gè)月分別賦權(quán)1/6、1/3、1/2，得到加權(quán)平均不確定性MPU_wa；（2） 因企業(yè)數(shù)據(jù)是在季度結(jié)束時(shí)公布，最后一個(gè)月的不確定性影響最大，故選取一個(gè)季度內(nèi)最后一個(gè)月的貨幣政策不確定性作為當(dāng)季值MPU_lm。表 4第 （1） — （4） 列報(bào)告了采用不同降頻方式的貨幣政策不確定性測(cè)度作為因變量的回歸結(jié)果?？梢钥闯?，采用不同降頻方式度量的貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)依然產(chǎn)生顯著的負(fù)向影響，研究結(jié)論穩(wěn)健。

3. 剔除部分樣本

為了確保樣本選取具有隨機(jī)性和代表性，本文剔除了2007—2008金融危機(jī)時(shí)期（2007年第三季度—2008年第四季度）和2015年股價(jià)大幅下跌時(shí)期的樣本進(jìn)行穩(wěn)健性檢驗(yàn)。表 4第 （5）、（6） 列報(bào)告了剔除金融危機(jī)和“股災(zāi)”時(shí)期（2015年第二、三季度）樣本后的穩(wěn)健性檢驗(yàn)的回歸結(jié)果?？梢钥闯?，剔除金融危機(jī)時(shí)期樣本后的回歸結(jié)果與基準(zhǔn)回歸結(jié)果基本一致，表明研究結(jié)論穩(wěn)健。

五、異質(zhì)性分析與影響渠道檢驗(yàn)

（一）異質(zhì)性分析

1. 生命周期異質(zhì)性

為分析處于不同生命周期公司之間，貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的異質(zhì)性影響，本文參考Dickinson（2011）的做法，使用現(xiàn)金流模式法劃分企業(yè)生命周期，將全樣本分為成長(zhǎng)期組、成熟期組和衰退期組。表 5第 （1）—（3） 列報(bào)告了回歸結(jié)果?？梢钥闯觯c基準(zhǔn)回歸一致，成長(zhǎng)期組與成熟期組中貨幣政策不確定性的系數(shù)均在1%水平上顯著為負(fù)；而衰退期組中系數(shù)不顯著。這說(shuō)明貨幣政策不確定性對(duì)成長(zhǎng)期和成熟期的公司產(chǎn)生了顯著的負(fù)向影響，卻對(duì)處于衰退期的公司并未產(chǎn)生顯著影響；且成長(zhǎng)期和成熟期的經(jīng)驗(yàn)P值為0.168。這表明貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響在生命周期處于衰退期和非衰退期的企業(yè)之間存在異質(zhì)性，對(duì)成長(zhǎng)期和成熟期的公司影響沒(méi)有明顯區(qū)別。上述結(jié)果支持了理論假說(shuō)2。

2. 融資約束異質(zhì)性

為研究不同融資約束水平下，貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的異質(zhì)性影響，本文以全樣本KZ指數(shù)的中位數(shù)作為臨界點(diǎn)分為融資約束“較低組”和“較高組”，分別對(duì)模型 （1） 進(jìn)行回歸。表 5中第 （4） 、（5） 列報(bào)告了回歸結(jié)果?？梢钥闯?，融資約束較高組中貨幣政策不確定性的系數(shù)顯著為負(fù)，與基準(zhǔn)回歸一致；而較低組中系數(shù)不顯著。這表明貨幣政策不確定性對(duì)融資約束較低的公司沒(méi)有顯著影響而對(duì)較高的公司產(chǎn)生顯著的負(fù)向影響，即融資約束較高組和融資約束較低組的系數(shù)存在顯著差異。這表明貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響在不同融資約束水平的公司之間具有異質(zhì)性。上述結(jié)果支持了理論假說(shuō)3。

3. 區(qū)域異質(zhì)性

為探討位于不同區(qū)域公司之間，貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的異質(zhì)性影響，本文按照公司所處的位置，劃分為東部組和中西部組。表 5第 （6） 、 （7） 列列示了回歸結(jié)果?？梢钥闯?，與基準(zhǔn)回歸相似，中西部組與東部組中貨幣政策不確定性的系數(shù)均為負(fù)并在1%水平上顯著，但是中西部組系數(shù)絕對(duì)值更大；且經(jīng)驗(yàn)P值為0.000，表明中西部和東部?jī)山M系數(shù)有顯著差異。這表明貨幣政策不確定性對(duì)中西部公司的成長(zhǎng)產(chǎn)生顯著的更大的負(fù)向影響，說(shuō)明貨幣政策不確定性對(duì)不同區(qū)域的公司的確產(chǎn)生了差異性的影響。上述結(jié)果支持了理論假說(shuō)4。

4. 行業(yè)異質(zhì)性

為研究不同行業(yè)之間，貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的異質(zhì)性影響，本文參考徐欣和唐清泉（2012）的做法，將行業(yè)劃分為高技術(shù)行業(yè)組和非高技術(shù)行業(yè)組。表 5第 （8） 、 （9） 列是回歸結(jié)果?？梢钥闯觯泿耪卟淮_定性的系數(shù)在高技術(shù)行業(yè)組不顯著而在非高技術(shù)行業(yè)組顯著為負(fù)。這表明貨幣政策不確定性對(duì)高技術(shù)行業(yè)組和非高技術(shù)行業(yè)組兩組之間的影響存在異質(zhì)性。上述結(jié)果支持了理論假說(shuō)5。

（二）貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響渠道分析

本文借鑒劉貫春等（2022）的做法，以現(xiàn)金流不確定性（Cfovar）作為中介變量，研究企業(yè)現(xiàn)金流不確定性在貨幣政策不確定性影響企業(yè)成長(zhǎng)的中介效應(yīng)。表 6報(bào)告了貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)渠道檢驗(yàn)的回歸結(jié)果，可以看出，第一步中，貨幣政策不確定性（MPU）的回歸系數(shù)顯著為負(fù)，說(shuō)明貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)產(chǎn)生顯著的負(fù)向影響。第二步中，貨幣政策不確定性（MPU）的系數(shù)均顯著為正，這表明貨幣政策不確定性越高，企業(yè)的現(xiàn)金流不確定性就越高。第三步中，引入現(xiàn)金流不確定性的模型中，貨幣政策不確定性的系數(shù)不顯著而現(xiàn)金流不確定性的系數(shù)顯著，說(shuō)明企業(yè)現(xiàn)金流不確定性在貨幣政策不確定性影響企業(yè)成長(zhǎng)的過(guò)程中起完全中介作用。這表明存在貨幣政策不確定性→現(xiàn)金流不確定性→企業(yè)成長(zhǎng)的傳導(dǎo)渠道，支持了理論假說(shuō)6。

六、研究結(jié)論與政策啟示

綜上分析，本文使用Jurado et al.（2015）提出的方法構(gòu)建了貨幣政策不確定性測(cè)度，研究了貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)的影響，并分析了影響的異質(zhì)性和影響渠道。研究發(fā)現(xiàn)，貨幣政策不確定性綜合指數(shù)較好地測(cè)度了不確定性，優(yōu)于HL指數(shù)，其變動(dòng)呈現(xiàn)明顯的階段性，且峰值可以與歷史事件較好地對(duì)應(yīng)；貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)產(chǎn)生顯著的負(fù)向影響，且該結(jié)果在考慮內(nèi)生性問(wèn)題和進(jìn)行一系列穩(wěn)健性檢驗(yàn)后依然成立；中介效應(yīng)檢驗(yàn)方法發(fā)現(xiàn)，貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)施加影響的過(guò)程中，存在貨幣政策不確定性→企業(yè)現(xiàn)金流不確定性→企業(yè)成長(zhǎng)的傳導(dǎo)渠道；異質(zhì)性分析結(jié)果表明貨幣政策不確定性對(duì)生命周期處于成長(zhǎng)期與成熟期、融資約束較大、中西部、非高技術(shù)行業(yè)的企業(yè)的成長(zhǎng)影響更為明顯。

1. 貨幣政策不確定性綜合指數(shù)較好地測(cè)度了不確定性，優(yōu)于HL指數(shù)，其變動(dòng)呈現(xiàn)明顯的階段性，峰值點(diǎn)與歷史事件有較好的對(duì)應(yīng)應(yīng)。

本文使用擴(kuò)散因子法構(gòu)建的貨幣政策不確定性綜合指數(shù)優(yōu)于文本分析法合成的HL指數(shù)，原因有三：（1）綜合指數(shù)的時(shí)效性相比HL指數(shù)更強(qiáng)，盡管變化的趨勢(shì)相同，但HL指數(shù)的變動(dòng)通常滯后于綜合指數(shù)。（2）綜合指數(shù)對(duì)于貨幣政策不確定性水平把握更好。HL指數(shù)測(cè)度的歐債危機(jī)期間的不確定性水平與金融危機(jī)接近。這可能是因?yàn)閳?bào)紙的版面有限，這樣的報(bào)道已經(jīng)達(dá)到了可報(bào)道版面的上限。（3）綜合指數(shù)對(duì)事件的反應(yīng)更加靈敏。例如2013年6月的“錢(qián)荒”在HL指數(shù)上幾乎沒(méi)有反應(yīng)。這可能是因?yàn)閳?bào)紙作為大眾媒體，傾向于報(bào)道公眾感知度較高的事件?！板X(qián)荒”發(fā)生在銀行間市場(chǎng)，雖然產(chǎn)生了極高的貨幣政策不確定性，對(duì)貨幣政策和社會(huì)產(chǎn)生了深遠(yuǎn)的影響，但因與大眾有一定的距離，故并未得到主流媒體的大量報(bào)道而沒(méi)有反映在HL指數(shù)中。

貨幣政策不確定性的四個(gè)峰值點(diǎn)分別對(duì)應(yīng)于2008年11月、2010年12月、2013年6月、2015年5月，分別對(duì)應(yīng)四萬(wàn)億投資計(jì)劃、應(yīng)對(duì)經(jīng)濟(jì)過(guò)熱的措施、“錢(qián)荒”事件、“股災(zāi)”。以2016年作為節(jié)點(diǎn)，貨幣政策不確定性綜合指數(shù)變動(dòng)可以劃分為兩個(gè)階段：2016年之前貨幣政策不確定水平較高且波動(dòng)幅度較大，貨幣政策不確定性測(cè)度均值在2016年之前達(dá)到0.530，標(biāo)準(zhǔn)差0.325；2016年之后貨幣政策不確定性水平低且幅度小，均值僅有0.244，標(biāo)準(zhǔn)差僅0.093。2. 貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)產(chǎn)生顯著的負(fù)向影響，存在企業(yè)現(xiàn)金流不確定性的傳導(dǎo)渠道。

在當(dāng)前“脫鉤斷鏈”、“去風(fēng)險(xiǎn)化”盛行的國(guó)際環(huán)境下，企業(yè)成長(zhǎng)承受巨大壓力。西方國(guó)家貨幣政策在疫情防控期間采取極限寬松的貨幣政策導(dǎo)致全球通脹高企，目前又大幅加息抑制通脹。外國(guó)貨幣政策大起大落造成的貨幣政策不確定性傳導(dǎo)至國(guó)內(nèi)，對(duì)國(guó)內(nèi)經(jīng)濟(jì)造成不可忽視的影響。本文研究表明貨幣政策不確定性對(duì)企業(yè)成長(zhǎng)產(chǎn)生顯著的負(fù)向影響，且該結(jié)論在內(nèi)生性和一系列穩(wěn)健性檢驗(yàn)中保持穩(wěn)健。從作用大小看，貨幣政策不確定性每上升一個(gè)單位就引起營(yíng)業(yè)收入增長(zhǎng)率下降0.8276個(gè)百分點(diǎn)。

中介效應(yīng)檢驗(yàn)表明，企業(yè)現(xiàn)金流不確定性在貨幣政策不確定性影響企業(yè)成長(zhǎng)的過(guò)程中具有完全中介作用。具體而言，隨著貨幣政策不確定性的上升，企業(yè)現(xiàn)金流的波動(dòng)性上升，提高了企業(yè)流動(dòng)性管理的難度，企業(yè)可能會(huì)在流動(dòng)性管理中投入更多的資源，擠占投資等方面的資源，進(jìn)而導(dǎo)致企業(yè)成長(zhǎng)性下降。

3. 貨幣政策不確定性對(duì)生命周期處于非衰退期、融資約束較大、中西部、非高技術(shù)行業(yè)的企業(yè)的成長(zhǎng)影響更為明顯。

異質(zhì)性分析表明，貨幣政策不確定性對(duì)生命周期處于成長(zhǎng)期和成熟期、融資約束較大、非高技術(shù)行業(yè)的公司產(chǎn)生顯著的負(fù)向影響，而對(duì)生命周期處于衰退期、融資約束較小、高技術(shù)行業(yè)公司沒(méi)有顯著影響，對(duì)東部公司產(chǎn)生比中西部公司更小的負(fù)向影響。這說(shuō)明貨幣政策不確定性對(duì)于企業(yè)成長(zhǎng)的影響存在異質(zhì)性，主要集中在部分企業(yè)。

基于此，本文的研究結(jié)論可以提供以下三方面的政策啟示。

（1） 貨幣政策操作必須注意幅度和頻率，減少不確定性，注意市場(chǎng)的自我調(diào)節(jié)能力。政府在進(jìn)行貨幣政策的操作時(shí)，要時(shí)刻注意其操作會(huì)具有政策本身的效果和不確定性的效果兩種。過(guò)大的調(diào)整幅度可能會(huì)導(dǎo)致市場(chǎng)過(guò)度反應(yīng)，從而引發(fā)金融市場(chǎng)波動(dòng)，對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生負(fù)面影響；頻繁的政策調(diào)整會(huì)影響企業(yè)和消費(fèi)者的預(yù)期，這就與中央的“穩(wěn)預(yù)期”政策相抵觸，所以政策必須保持一定的連續(xù)性和穩(wěn)定性。另外，在實(shí)施貨幣政策操作時(shí)還需要充分認(rèn)識(shí)到市場(chǎng)具有一定的調(diào)節(jié)和回復(fù)能力，政策制定者應(yīng)避免過(guò)度干預(yù)，保留市場(chǎng)調(diào)節(jié)經(jīng)濟(jì)的空間。

（2） 貨幣政策操作必須增強(qiáng)透明度以減少不確定性。部分學(xué)者主張通過(guò)超出市場(chǎng)預(yù)期的方式進(jìn)行貨幣政策操作以獲得更好的調(diào)控經(jīng)濟(jì)的效果，但是這種操作附帶的不確定性本身已經(jīng)給經(jīng)濟(jì)帶來(lái)負(fù)面影響。所以為減少不確定性負(fù)面影響，政府在進(jìn)行貨幣政策調(diào)控時(shí)應(yīng)公開(kāi)政策決策過(guò)程、明確政策目標(biāo)、提供經(jīng)濟(jì)預(yù)測(cè)和路徑指引、加強(qiáng)與公眾的溝通、建立反饋機(jī)制，努力將不確定性帶來(lái)的負(fù)面影響降至最低。具體政策而言，貨幣政策目標(biāo)最好明確，例如探索建立國(guó)外的通貨膨脹目標(biāo)制。人民銀行應(yīng)提供自己的經(jīng)濟(jì)預(yù)測(cè)值和前瞻性指引，這樣有助于市場(chǎng)預(yù)測(cè)貨幣政策操作，減少不確定性。

（3） 政府應(yīng)當(dāng)探索建立貨幣政策不確定性預(yù)警機(jī)制，以便及時(shí)應(yīng)對(duì)貨幣政策不確定性的沖擊。擴(kuò)散因子法合成的綜合指數(shù)能夠較好得描述貨幣政策不確定性，政策制定者應(yīng)當(dāng)及時(shí)監(jiān)控不確定性的變動(dòng)，設(shè)定預(yù)警值。在預(yù)警機(jī)制中，政府應(yīng)當(dāng)提前制定應(yīng)對(duì)策略，以便在市場(chǎng)遭到不確定性沖擊時(shí)能夠迅速行動(dòng)穩(wěn)定市場(chǎng)預(yù)期，穩(wěn)定經(jīng)濟(jì)的基本面。

（2） 政府應(yīng)出臺(tái)政策增強(qiáng)企業(yè)抵御不確定性的能力，特別是易受不確定性影響的企業(yè)。對(duì)于易受貨幣政策不確定性影響的成長(zhǎng)期和成熟期、融資約束較大、中西部、非高技術(shù)行業(yè)的企業(yè)，可以采用政策工具緩解企業(yè)受到的沖擊。首先政府可以提供優(yōu)惠貸款，幫助企業(yè)緩解融資約束降低經(jīng)營(yíng)成本，減輕不確定性的負(fù)面影響。其次，政府可以對(duì)于這些企業(yè)在特殊時(shí)期提供稅收優(yōu)惠和補(bǔ)貼，這樣有助于企業(yè)在面對(duì)不確定性沖擊時(shí)保持穩(wěn)定的現(xiàn)金流，保證企業(yè)正常的生產(chǎn)經(jīng)營(yíng)活動(dòng)。最后，政府應(yīng)加強(qiáng)對(duì)這類企業(yè)的信息傳遞和管理人員培訓(xùn)，幫助企業(yè)更好了解政策變動(dòng)，提前做好準(zhǔn)備。

（3） 要特別注意現(xiàn)金流不確定性在傳導(dǎo)中的作用，打斷不確定性向企業(yè)的傳導(dǎo)。政府應(yīng)當(dāng)適時(shí)出臺(tái)逆周期調(diào)節(jié)政策，在不確定性的環(huán)境中增強(qiáng)人們的信心。首先，政府應(yīng)當(dāng)加強(qiáng)金融市場(chǎng)穩(wěn)定，避免金融機(jī)構(gòu)遭遇不確定性后的順周期操作。加強(qiáng)金融市場(chǎng)穩(wěn)定有利于減少企業(yè)的融資成本，增強(qiáng)企業(yè)現(xiàn)金流的確定性。最后，政府可以股利金融機(jī)構(gòu)提供風(fēng)險(xiǎn)對(duì)沖工具，幫助企業(yè)減少不確定性沖擊帶來(lái)的流動(dòng)性波動(dòng)風(fēng)險(xiǎn)?？偠灾畱?yīng)當(dāng)在不確定性的環(huán)境中提高增強(qiáng)企業(yè)現(xiàn)金流的確定性，以削弱貨幣政策不確定性的傳導(dǎo)。在不確定性較高的時(shí)期，更加應(yīng)當(dāng)注意這一點(diǎn)。

參考文獻(xiàn)：

[1]Acemoglu D， Akcigit U， Alp H， Bloom N， Kerr W. Innovation， Reallocation， and Growth[J]. American Economic Review， 2018， 108（11）： 3450–3491.

[2]Allen F， Qian J， Qian M. Law， finance， and economic growth in China[J]. Journal of Financial Economics， 2005， 77（1）： 57–116.

[3]Baker S R， Bloom N， Davis S J. Measuring Economic Policy Uncertainty[J]. The Quarterly Journal of Economics， 2016， 131（4）： 1593–1636.

[4]Bansal R， Yaron A. Risks for the Long Run： A Potential Resolution of Asset Pricing Puzzles[J]. The Journal of Finance， 2004， 59（4）： 1481–1509.

[5]Delmar F， Davidsson P， Gartner W B. Arriving at the High-growth Firm[J]. Journal of Business Venturing， 2003， 18（2）： 189–216.

[6]Dickinson V. Cash Flow Patterns as a Proxy for Firm Life Cycle[J]. The Accounting Review， 2011， 86（6）： 1969–1994.

[7]Fazzari S， Hubbard R G， Petersen B. Investment， Financing Decisions， and Tax Policy[J]. American Economic Review， 1988， 78（2）： 200–205.

[8]Gulen H， Ion M. Policy Uncertainty and Corporate Investment[J]. The Review of Financial Studies， 2016， 29（3）： 523–564.

[9]Huang Y， Luk P. Measuring economic policy uncertainty in China[J]. China Economic Review， 2020， 59： 101367.

[10]Jurado K， Ludvigson S C， Ng S. Measuring Uncertainty[J]. American Economic Review， 2015， 105（3）： 1177–1216.

[11]Mueller P， Tahbaz-Salehi A， Vedolin A. Exchange Rates and Monetary Policy Uncertainty[J]. The Journal of Finance， 2017， 72（3）： 1213–1252.

[12]Sedlá?ek P， Sterk V. The Growth Potential of Startups over the Business Cycle[J]. American Economic Review， 2017， 107（10）： 3182–3210.

[13]Sterk V， Sedlá?ek P， Pugsley B. The Nature of Firm Growth[J]. American Economic Review， 2021， 111（2）： 547–579.

[14]鄧偉， 宋清華， 楊名. 經(jīng)濟(jì)政策不確定性與商業(yè)銀行資產(chǎn)避險(xiǎn)[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2022， 22（1）： 217–236.

[15]方芳， 蔡衛(wèi)星. 銀行業(yè)競(jìng)爭(zhēng)與企業(yè)成長(zhǎng)：來(lái)自工業(yè)企業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 管理世界， 2016（7）： 63–75.

[16]宮汝凱， 徐悅星， 王大中. 經(jīng)濟(jì)政策不確定性與企業(yè)杠桿率[J]. 金融研究， 2019（10）： 59–78.

[17]顧夏銘， 陳勇民， 潘士遠(yuǎn). 經(jīng)濟(jì)政策不確定性與創(chuàng)新——基于我國(guó)上市公司的實(shí)證分析[J]. 經(jīng)濟(jì)研究， 2018， 53（2）： 109–123.

[18]黃宏斌， 翟淑萍， 陳靜楠. 企業(yè)生命周期、融資方式與融資約束——基于投資者情緒調(diào)節(jié)效應(yīng)的研究[J]. 金融研究， 2016（7）： 96–112.

[19]黃卓， 邱晗， 沈艷， 童晨. 測(cè)量中國(guó)的金融不確定性——基于大數(shù)據(jù)的方法[J]. 金融研究， 2018（11）： 30–46.

[20]李賁， 吳利華. 開(kāi)發(fā)區(qū)設(shè)立與企業(yè)成長(zhǎng)：異質(zhì)性與機(jī)制研究[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2018（4）： 79–97.

[21]李鳳羽， 楊墨竹. 經(jīng)濟(jì)政策不確定性會(huì)抑制企業(yè)投資嗎？——基于中國(guó)經(jīng)濟(jì)政策不確定指數(shù)的實(shí)證研究[J]. 金融研究， 2015（4）： 115–129.

[22]李彥龍. 稅收優(yōu)惠政策與高技術(shù)產(chǎn)業(yè)創(chuàng)新效率[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2018， 35（1）： 60–76.

[23]劉貫春， 劉媛媛， 張軍. 經(jīng)濟(jì)政策不確定性與中國(guó)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(shì)[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2020， 20（1）： 65–86.

[24]劉貫春， 張軍， 劉媛媛. 宏觀經(jīng)濟(jì)環(huán)境、風(fēng)險(xiǎn)感知與政策不確定性[J]. 世界經(jīng)濟(jì)， 2022， 45（08）： 30–56.

[25]劉詩(shī)源， 林志帆， 冷志鵬. 稅收激勵(lì)提高企業(yè)創(chuàng)新水平了嗎？——基于企業(yè)生命周期理論的檢驗(yàn)[J]. 經(jīng)濟(jì)研究， 2020， 55（6）： 105–121.

[26]毛其淋. 貿(mào)易政策不確定性是否影響了中國(guó)企業(yè)進(jìn)口？[J]. 經(jīng)濟(jì)研究， 2020， 55（2）： 148–164.

[27]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(guó)工業(yè)經(jīng)濟(jì)， 2018（1）： 137–155.

[28]申宇， 任美旭， 趙靜梅. 經(jīng)濟(jì)政策不確定性與銀行貸款損失準(zhǔn)備計(jì)提[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020（4）： 154–173.

[29]譚小芬， 張文婧. 經(jīng)濟(jì)政策不確定性影響企業(yè)投資的渠道分析[J]. 世界經(jīng)濟(jì)， 2017， 40（12）： 3–26.

[30]田國(guó)強(qiáng)， 李雙建. 經(jīng)濟(jì)政策不確定性與銀行流動(dòng)性創(chuàng)造：來(lái)自中國(guó)的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)研究， 2020， 55（11）： 19–35.

[31]王博， 李力， 郝大鵬. 貨幣政策不確定性、違約風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)波動(dòng)[J]. 經(jīng)濟(jì)研究， 2019， 54（3）： 119–134.

[32]王紅建， 李青原， 邢斐. 經(jīng)濟(jì)政策不確定性、現(xiàn)金持有水平及其市場(chǎng)價(jià)值[J]. 金融研究， 2014（9）： 53–68.

[33]王偉光， 馬勝利， 姜博. 高技術(shù)產(chǎn)業(yè)創(chuàng)新驅(qū)動(dòng)中低技術(shù)產(chǎn)業(yè)增長(zhǎng)的影響因素研究[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2015（3）： 70–82.

[34]王永進(jìn)， 盛丹， 李坤望. 中國(guó)企業(yè)成長(zhǎng)中的規(guī)模分布——基于大企業(yè)的研究[J]. 中國(guó)社會(huì)科學(xué)， 2017（3）： 26-47+204-205.

[35]吳先明， 張楠， 趙奇?zhèn)? 工資扭曲、種群密度與企業(yè)成長(zhǎng)：基于企業(yè)生命周期的動(dòng)態(tài)分析[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2017（10）： 137–155.

[36]謝杰， 陳鋒， 陳科杰， 戴趙瓊. 貿(mào)易政策不確定性與出口企業(yè)加成率：理論機(jī)制與中國(guó)經(jīng)驗(yàn)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2021（1）： 56–75.

[37]徐尚昆， 鄭辛迎， 楊汝岱. 國(guó)有企業(yè)工作經(jīng)歷、企業(yè)家才能與企業(yè)成長(zhǎng)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020（1）： 155–173.

[38]徐欣， 唐清泉. 技術(shù)研發(fā)、技術(shù)引進(jìn)與企業(yè)主營(yíng)業(yè)務(wù)的行業(yè)變更——基于中國(guó)制造業(yè)上市公司的實(shí)證研究[J]. 金融研究， 2012（10）： 193–206.

[39]葉振宇， 莊宗武. 產(chǎn)業(yè)鏈龍頭企業(yè)與本地制造業(yè)企業(yè)成長(zhǎng)：動(dòng)力還是阻力[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2022（7）： 141–158.

[40]余靖雯， 郭凱明， 龔六堂. 宏觀政策不確定性與企業(yè)現(xiàn)金持有[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2019， 18（3）： 987–1010.

[41]余泳澤， 郭夢(mèng)華， 胡山. 社會(huì)失信環(huán)境與民營(yíng)企業(yè)成長(zhǎng)——來(lái)自城市失信人的經(jīng)驗(yàn)證據(jù)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020（9）： 137–155.

[42]張龍， 隋建利， 申瑛琦. 貿(mào)易政策不確定性惡化了貿(mào)易條件嗎：宏觀表象與計(jì)量檢驗(yàn)[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2022， 43（8）： 135–149.

[43]趙馳， 周勤， 汪建. 信用傾向、融資約束與中小企業(yè)成長(zhǎng)——基于長(zhǎng)三角工業(yè)企業(yè)的實(shí)證[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2012（9）： 77–88.

[44]趙珂. 中國(guó)貨幣政策不確定性：驅(qū)動(dòng)因素、傳導(dǎo)效應(yīng)與政策協(xié)同調(diào)控[D]. 吉林大學(xué)， 2022.

[45]趙陽(yáng)， 吳一平， 楊國(guó)超. 體制內(nèi)關(guān)系、創(chuàng)業(yè)規(guī)模與新創(chuàng)企業(yè)成長(zhǎng)[J]. 財(cái)經(jīng)研究， 2020， 46（7）： 79–92.

[46]中國(guó)銀保監(jiān)會(huì). 持之以恒防范化解重大金融風(fēng)險(xiǎn)[J]. 求是， 2022（10）： 30–35.

[47]周黎安. 中國(guó)地方官員的晉升錦標(biāo)賽模式研究[J]. 經(jīng)濟(jì)研究， 2007（7）： 36–50.

[48]朱斌， 呂鵬. 中國(guó)民營(yíng)企業(yè)成長(zhǎng)路徑與機(jī)制[J]. 中國(guó)社會(huì)科學(xué)， 2020（4）： 138-158+207.

[49]朱奕蒙， 徐現(xiàn)祥. 創(chuàng)業(yè)的宏觀環(huán)境對(duì)企業(yè)的長(zhǎng)期影響：中國(guó)工業(yè)企業(yè)的證據(jù)[J]. 世界經(jīng)濟(jì)， 2017， 40（12）： 27–51.

Monetary Policy Uncertainty and Enterprise Growth： Empirical Evidence from China

Yang Xianyue， Han Yu

（Institute of Applied Economics， Shanghai Academy of Social Sciences. 200020）

Abstract： The current turbulent international environment has presented obstacles to corporate growth， severely impeding high-quality development in China. This paper employs the methodology proposed by Jurado et al. （2015） to measure monetary policy uncertainty in China， empirically investigating the effects and transmission channels of monetary policy uncertainty on firm growth. Empirical results demonstrate that monetary policy uncertainty significantly hinders firm growth， a conclusion robust to a series of tests including endogeneity considerations. Heterogeneity tests reveal that the impact of monetary policy uncertainty on firm growth is more pronounced for firms in their growth and maturity stages， facing higher financing constraints， located in the central and western regions， and operating in non-high-tech industries. Mediation test result indicates the presence of a transmission channel through uncertainty in firm cash flows. This study provides valuable insights for the government in further promoting firm growth and mitigating the economic impact of uncertainty.

Key Words：Monetary Policy Uncertainty; Enterprise Growth; Cash Flow Uncertainty; Mediating Effect