金融支持戰略性新興產業發展研究
——基于創業板上市公司數據的實證

趙新成，王 宇

（澳門城市大學 金融學院，澳門 999078）

一、引言

近年來，愈演愈烈的逆全球化以及新冠肺炎疫情的沖擊，使中國內外部環境不確定因素陡增，戰略性新興產業已經成為實現經濟穩增長的重要支撐。加快發展戰略性新興產業有利于經濟發展的新舊動能轉換，戰略性新興產業起到重要的引領作用。多國發展實踐表明，金融資源支持戰略性新興產業的發展可以實現經濟的快速增長[1]。由于戰略性新興產業的特有屬性，其發展顯著依賴金融支持。金融效率的提高對實體經濟產出效率起著越來越顯著的支持作用[2]。然而，現行的金融體系對于滿足戰略性新興產業發展的需求還存在不少問題。很多戰略性新興企業，亟需獲得金融資金支持，幫助其發展壯大，但是現有金融體系對其資金支持十分有限。眾所周知，中國金融體系發展滯后于市場發展，在向戰略性新興產業配置金融資源時難免存在“所有制歧視、規模歧視”，導致對戰略性新興產業的支持存在功能缺失。許多企業在發展的初期就面臨著融資約束，制約了相關產業的發展。“十四五”期間，中國產業結構調整不斷深化，戰略性新興產業發展格局也深刻演進，亟待評估當下戰略性新興產業的金融支持效率，探索提升金融支持產業發展的機制優化方向及政策取向，對促進戰略性新興產業高質量發展具有重要的戰略意義。

文章對2012—2020 年中國創業板上市公司數據研究發現，戰略性新興產業的金融支持效率在樣本年間遞增，外部融資對戰略性新興產業發展的邊際效應大于內部融資，且這種邊際效應具有所有制、企業規模和行業異質性。同時，對金融支持效率的相關影響因素進行了TOBIT 回歸分析。文章的邊際貢獻在于：采用隨機前沿法(SFA)估計中國創業板上市公司金融支持效率，隨機前沿法考慮了隨機沖擊對產出的影響；估計了外部融資和內部融資對戰略性新興產業發展的邊際效應及金融支持效率的影響因素。這為優化戰略性新興產業發展的金融支持政策及提升金融支持效率提供重要證據。

二、理論分析與研究假設

1.金融支持戰略性新興產業發展的效率分析

金融支持戰略性新興產業發展的復雜性迫使學界首先考察了金融支持效率。在研究金融支持效率的方法上采用DEA 方法以及基于地域戰略性新興產業作為研究對象的文獻居多。已有研究證實了戰略性新興產業的金融支持綜合效率不高[3]。在地域戰略性新興產業金融支持效率的研究中，京津冀三地區金融支持整體效率呈下降趨勢[4]，中國金融在支持七大戰略性新興產業發展過程中的資源配置效率并沒有實現最優，而且體現出行業差異[5]。近年來新冠肺炎疫情沖擊了宏觀供求，對戰略性新興產業發展的金融支持條件和營商環境都造成了深刻影響。盡管在國內外金融市場和產品市場不確定性加大的背景下，中國出臺了一系列支持戰略性新興產業的財政金融政策，中國金融資源配置的市場化程度不斷提高，但是金融資源供給主體的利益最大化行為必然會在宏觀金融的系統性風險的不確定性增強的背景下，對戰略性新興產業的金融支持的規模和成本產生更強約束。外部市場收縮以及國內需求的內生動力不斷深刻演變，戰略性新興產業的市場規模和前景也受到更復雜的挑戰，因此戰略性新興產業的產出規模和結構也必然因市場需求不斷予以調整。戰略性新興產業的金融資源的產出效率承受了愈加明顯的壓力。因此，文章提出假設：

假設H1：戰略性新興產業的金融支持效率總體不高，呈現下降趨勢。

2.金融支持戰略性新興產業的方式分析

金融資源支持戰略性新興產業企業發展的路徑主要通過內源性融資和外源性融資。內源性融資主要通過內部資金積累，外源性融資則主要通過股權融資和債權融資。已有研究表明，以銀行信貸為主導的間接金融體系對戰略性新興產業產生負向作用，而債權融資對戰略性新興產業的發展起正向的支持作用，但股權融資方式卻起負向作用[6]。中國七大戰略性新興產業通過上市進行股權融資有利于戰略性產業實現產業價值最大化[7]，而負債融資行為對金融支持效率會產生負面影響[8]。以資本市場為主導的直接金融體系相較之以銀行信貸為主導的間接金融體系的正向支持作用更為穩健[9]?；诙鄧煌鹑隗w系比較的研究表明，較之以銀行中介為主的經濟體，以證券市場為主的經濟體更有利于新興產業的發展[10]。因此，中國戰略性新興產業的發展需要多層次資本市場的支持，應加大商業銀行的信貸支持力度、合理利用股權資本、鼓勵戰略性新興企業發行債券、加大政府投入[6]?？傮w而言，通過外部股權或者債權融資成為金融支持戰略性新興產業發展的關鍵。內源性融資具有自主性和獨立性，以及比外源性融資成本更低等特點，受到企業盈利和自我資本積累的約束，限制了其內部融資規模，過度內源性融資將引起股權收益減少，這降低了公司對外部投資者的吸引力，對外部融資具有負面影響。外源性融資不僅包含直接融資和間接融資的來源方式，在融資性質上還包含股權融資和債權融資，可以選擇多種融資期限結構，其資金來源更為廣泛。對戰略性新興產業發展而言，外源性金融支持成為支持產業發展的重要條件，是比內源性融資更為關鍵的金融支持途徑。因此，文章提出研究假設：

假設H2：外源性融資比內源性融資對戰略性新興產業具有更大的支持作用。

3.戰略性新興產業金融支持效率的影響因素分析

戰略性新興產業既具有支柱意義也具有產業的未來性，因此研發創新成為戰略性新興產業的關鍵屬性。企業研發有利于提高企業生產效率降低生產成本，產品與工藝的創新促進企業市場效益的提升，有利于提升企業質量，無論內部融資或外部融資都將因為企業研發創新而得到改善。企業創新的資金需求和投資者追求高回報、承擔高風險的激勵相一致，創新企業通過股權融資往往更易獲得資金，有利于提高企業的金融支持效率[11]。一般而言，大企業在金融市場具有更大的融資優勢，在獲得金融支持的規模、成本等方面具有更強的議價能力，有利于大企業優化融資結構降低融資成本。有研究表明信貸尋租加劇了中小企業的融資約束對其創新的抑制作用[12]。因此，可初步假設企業規模與金融支持效率存在正向關系。綠色信貸要求金融資源配置遵循資源節約、保護環境、促進生態文明建設和經濟發展方式轉變的原則。綠色信貸顯著減少污染排放，促進經濟結構向資源節約型、環境友好型方向轉變，是微觀主體高質量發展的必然內涵。綠色金融發展既能產生直接的投資增長效應，促進綠色企業投資，又能通過對企業債務期限結構的偏向效應，緩解期限錯配問題，產生間接的投資增長效應[13]?？毓晒蓶|的持股比例會產生公司治理的正向激勵效應，持股比例的增加會降低過度投資程度、增加企業價值和降低負債融資代理成本[14]，因此股權集中有利于企業投資效率。企業總資產周轉率反映企業資產的經營質量和利用效率，是評價公司資產運營的重要指標。一般而言，周轉率越低，企業投資效率越差，直接影響企業的獲利能力；周轉率越高，企業的盈利能力越強，反映了企業的投資效率越高。富有效率的高管股權激勵制度有利于緩解管理層持股所產生的塹壕效應和基于委托代理關系的道德風險，股權激勵政策有利于緩解中國企業融資約束[15]，改善企業融資環境。

以企業資產負債率表示的資產結構對企業獲得外部金融支持具有復雜的影響。但是一般而言，企業的資產負債比例在適宜的范圍內，有利于企業發揮杠桿效應實現投資收益的最大化。從外部投資人角度看，企業的資產負債比例過高將抑制外部金融支持，不利于企業投資。企業的股權性質對金融支持效率具有影響，國有企業不斷獲得扶持性信貸補貼，而非國有企業的信貸資源則被相應擠出[16]。由于國有企業投資過度現象較為嚴重，而民營企業投資不足現象較為嚴重[17]，因此國有企業因過度投資而不利于金融支持其發展的效率，民營企業提升投資水平則有利于其金融支持的效率。此外，一年期利率水平通常表明市場融資的成本。利率升高既增加了企業融資壓力，也緩解了企業的過度投資，其對戰略性新興產業的企業融資而言具有影響。一般而言利率的提高意味著宏觀貨幣政策的收緊不利于企業獲取金融支持。根據以上分析，文章提出研究假設：

假設H3a：研發創新、企業規模、綠色信貸、股權集中度、總資產周轉率、高管持股比例與金融支持效率存在正向關系；

假設H3b：企業的資產負債率、國有產權性質、利率水平與金融支持效率存在反向關系。

三、研究設計

1.數據來源

文章采用2012—2020 年中國創業板上市公司數據。數據來源于希施瑪數據庫。創業板上市公司對戰略性新興產業具有極好的代表性，高科技公司眾多，主要包括信息技術產業、軟件產業、高端裝備產業、通用裝備產業、醫藥產業、制造業、環境保護產業、專業技術服務產業等。由于不少公司的2021年財務報表尚未公開，樣本期間截止到2020 年。

2.變量定義

（1）金融投入和產出變量

金融投入、產出變量選擇與同類研究保持一致，即投入變量包含了外源性融資和內源性融資。外源性融資包括長期借款、短期借款、股本和資本公積。內源性融資包括盈余公積和未分配利潤。產出變量采用企業的營業額。

（2）金融支持效率的影響因素

企業研發力度(Z1)：研發投入資金占銷售額的比重。企業規模(Z2)：以企業的總資產額衡量。融資結構(Z3)：資產負債率（負債合計/資產總計）。綠色信貸(Z4)：全社會綠色信貸余額。股權集中度(Z5)：第一大股東持股比例。股權性質(Z6)：根據希施瑪數據庫對企業股權性質的記錄分為國有性質和非國有性質?？傎Y產周轉率(Z7)：營業收入/資產總額期末余額。高管持股比例(Z8)：高管持股數/股本數。一年期貸款利率(Z9)：1 年期銀行短期貸款利率，既可以反映當期金融市場的松緊特征也可以衡量企業融資成本與約束。企業規模、綠色信貸兩個變量取其對數值納入回歸。

變量的描述性統計見表1。由于SFA 模型允許非平衡面板數據，因此文章無須剔除部分變量有殘缺值的記錄。從變量統計結果來看，企業規模和股權集中度的變異偏大，其他變量總體平穩。

表1 變量描述性統計

3.模型構建

（1）SFA 模型構建

根據文章研究需要，金融投入變量包括外源性融資和內源性融資，產出變量為企業的營業額。考慮到面板數據在統計期間技術效率很可能隨時間而改變，假設無效率項隨企業個體與時間而變。構建如下SFA 模型：

模型(1)中，i和t分別表示第i個企業和第t年度。lnsaleit表示企業營業收入的對數。lninfinit表示企業內源性融資對數。lnexfinit表示企業的外源性融資的對數。Ti為企業i的時間維度，η 為待估參數。當η 顯著不為0 時，即發生了技術衰變，當無效率項uit變化時，產出前沿本身也可能發生變化，應當采用時變SFA 估計效率；如果η 估計結果拒絕原假設“H0:η=0”，則采用非時變SFA 進行估計。模型(2)的uit為無效率項，服從斷尾正態分布，反映企業i在t時間離效率前沿的距離。顯然，uit越接近0，企業的效率越高。vit為非系統性誤差，其反映外部隨機沖擊導致的誤差。模型(3)表示無效率項在復合擾動項(εit=uit+vit)中的比重(γ)，依此判斷采用SFA 模型的有效性。在實證檢驗的過程中，如果γ→0，隨機擾動項vit決定復合擾動項，技術無效率項uit對復合擾動項的影響小。如果γ→1，則說明實際產出與效率前沿的距離越大，由于無效率項產生，此時采用SFA 模型是必要的。效率計算則采用BC92 模型[18]：

（2）金融支持效率的影響因素估計模型

由于金融支持效率屬于限值變量，且采用面板數據，宜采用TOBIT 模型進行回歸。據此，設置如下估計模型：

上式中，TEit為金融支持效率值，δ0為截距項，δn為各影響因素的待估系數，φi為個體效應，ωit為隨機擾動項。i表示第i個企業，t表示年份，n表示第n個影響因素。影響因素分別為研發力度(Z1)，企業規模(Z2)，融資結構(Z3)，綠色信貸(Z4)，股權集中度(Z5)，股權性質(Z6)，總資產周轉率(Z7)，高管持股比例(Z8)，一年期貸款利率(Z9)。企業規模、綠色信貸兩個變量取其對數值納入回歸。采用隨機效應TOBIT 模型的必要性，可通過檢驗“H0:σφ=0”來判斷是否存在個體效應。如果拒絕該原假設則認為存在個體隨機效應，應該使用隨機效應TOBIT 模型。

四、實證分析

1.金融支持效率分析

通過對效率的測算繪制了效率變化趨勢圖，如圖1。戰略性新興產業企業的金融支持效率在樣本時間跨度的2012—2020年總體呈現上升趨勢。需要特別指出的是，由于內源性金融支持、外源性金融支持都采用了滯后一階數據，因此測算效率不包含2012 年。在2013 年，金融支持效率值為0.615。之后的各個年度金融支持效率總體不斷上升。其中2015 年上升幅度最大，從2014 年的0.631 上升至2015 年的0.669。之后各年度的增幅各有差異，但保持了遞增趨勢。2020 年在深受新冠肺炎疫情沖擊的影響下，戰略性新興產業企業的金融支持效率仍然保持了遞增，達到樣本期最高的0.714。這證實了研究假設H1。中國資本市場改革不斷深化，戰略性新興產業企業融資機制和路徑不斷得到優化，金融支持的規模不斷擴大，金融支持的方向也有著顯著的改進。多層次資本市場建設穩步推進，戰略性新興產業企業的融資方式也大為拓寬，不斷滿足其融資需求，有力推動了戰略性新興產業的發展。

圖1 全樣本金融支持效率

2.回歸結果分析

文章使用STATA15.0 進行回歸分析，回歸結果如表2 所示。從表2 中的γ結果看，無效率項在復合擾動項中占比達77%，應采用隨機前沿模型。表中η值為-0.0192，在1%水平顯著為負值，表明在樣本期間無效率項隨著時間的變化而發生了改變，即存在時變衰減效應。采用加入時間虛擬變量的時變SFA 模型進行回歸是必要的。η為負值表明在樣本期間發生了無效率項的衰減，即效率值遞增。從前面的統計結果可以確認樣本期間的金融支持效率總體上呈現遞增趨勢，而且是逐年遞增。LR 檢驗結果表明模型擬合效果良好。

表2 顯示內源性金融支持對戰略性新興產業的支持系數為0.259，表明內源性金融支持增加1%將對戰略性新興產業企業的營業收入提升0.259%。外源性金融支持戰略性新興產業發展的系數值為0.392%。表明外源性金融支持增加1%對戰略性新興產業企業的營業收入可提升0.392%。通過對比外源性金融支持和內源性金融支持的系數值可以發現，外源性金融支持對戰略性新興產業企業的業績增長具有更大的邊際效應。因此外源性融資比內源性融資對產業產出具有更大的支持作用，這證實了研究假設H2。外源性融資包含了長期借款、短期借款、股本和資本公積，由此可見，無論外部債權融資或是股權融資，投資人都對企業進行監督和關注業績。債權資本的出資方關注企業的資金使用方向索取固定的債權利息，股權資本出資方在經濟效益方面則關注股權收益。這對企業施加了提高資本利用效率的外部壓力，有利于企業金融支持效率的改善。相比較而言，內部金融支持主要包含了企業的盈余公積和未分配利潤。這兩部分資本的運用則無需面臨更多的外部壓力。因此，企業更加審慎的外源性融資使得其對企業收入的邊際作用高于內源性融資。

表2 全樣本時變SFA 回歸結果

3.影響因素分析

表3 顯示了影響金融支持效率的因素估計結果。首先表格底部的LR 檢驗P 值表明強烈拒絕個體隨機效應為0 的原假設，因此采用隨機效應TOBIT 模型是必要的。Wald 檢驗結果表明估計結果良好。在TOBIT 估計后通過邊際計算求得了各因素的邊際效應數值，見表3 第2 列。

表3 隨機效應TOBIT 估計結果

研發力度與戰略性新興產業的金融支持效率存在顯著的正向關系。企業研發創新屬于戰略性新興產業的重要特征，研發力度的提高有助于其金融支持效率的提升。企業規模與金融支持效率存在顯著的正相關關系，企業的規模越大越有利于金融支持效率的提升。與文章前述的大企業在總體上比中小企業擁有更高的金融支持效率是一致的。資產負債率與戰略性新興企業的金融支持效率存在顯著的負向關系。資產負債率增加1%會引起金融支持效率下降1.74%。社會綠色信貸余額的估計值顯著為正值。綠色信貸對戰略性新興產業金融支持效率的邊際影響為0.22%。綠色信貸在資本配置中考慮了環境因素，貸款門檻更高，有利于促進微觀主體的綠色可持續發展，綠色可持續發展是戰略性新興產業高質量發展重要內涵。公司的股權集中度與金融支持效率存在顯著的正向關系，第一大股東持股比例增加1%引起金融支持效率提升0.07%。企業的國有股權性質與金融支持效率的系數為負值，表明非國有企業比國有企業有更高的金融支持效率，后文在企業的股權性質異質性分析中證實了非國有企業金融支持效率總體高于國有性質的企業?？傎Y產周轉率的估計結果在1%水平顯著為正值，資產投資收益越好的企業金融資源的內部配置效應越高，即金融支持效率越高。高管持股比例的估計結果顯著為正值，表明企業對高管的股權激勵的力度越大越有利于金融支持效率的提升。股權激勵有利于管理人提高經營管理水平，從而提高投資收益。一年期利率水平的估計結果為負值，但未通過顯著性檢驗。綜上，研發創新、企業規模、綠色信貸、股權集中度、總資產周轉率、高管持股比例與金融支持效率存在正向關系，企業的資產負債率、國有產權性質、利率水平與金融支持效率存在反向關系。這證實了研究假設H3。

五、異質性分析

1.股權性質及規模異質性分析

國泰安數據庫記錄了企業的股權性質，據此可以把樣本劃分為國有企業和非國有企業。因此，文章借鑒鄒國平等[19]的研究方法，將企業規模降序排列后，把規模處于前40%的定義為大企業，余下60%的企業定義為中小企業。

依據企業股權性質和規模對樣本進行分類后，計算國有股權性質、非國有股權性質、大企業、中小企業的金融支持效率。在樣本期間其金融支持效率如圖2 所示。第一，國有股權性質的企業其金融支持效率在樣本期間呈現總體下降的趨勢。一方面，在中國金融市場上國有性質的企業其融資往往具有相當大的所有制優勢，獲得金融支持的規模、融資成本、融資渠道等都具有非國有性質企業所不可比擬的便利。另一方面，資本運營的監督機制對國有性質企業還不夠完善，導致金融支持效率不高。第二，非國有企業的金融支持效率在樣本期間呈現逐年遞增的趨勢。尤其在2014—2016 年期間有較為明顯的效率提升。中國金融市場改革中，逐步消除所謂的所有制歧視，為非國有企業提供更加公平的融資環境，這種改革的效應正在顯現。非國有企業的融資條件更加公平便利激發了市場主體的融資積極性和經營動力，在市場機制主導金融資源配置的過程中促使非國有企業更加注重提升金融資本的使用效率。第三，大企業的金融支持效率在樣本期間呈現逐年遞增的趨勢。一般而言大企業在金融市場具有更大的融資優勢，在獲得金融支持的規模、成本等方面具有更強的議價能力，有利于大企業優化融資結構并降低融資成本。另一方面，戰略性新興產業的大企業具有一定規模后能夠發揮其生產的規模效應，取得更優的產業業績。第四，金融市場對中小企業金融支持效率的下滑，應當引起重視。中小企業不具有大企業的資產優勢，意味著其融資抵押資產能力有限以及在金融市場上的議價能力不足，不利于外源性融資，加劇了金融支持中小型戰略性新興企業的困境。事實上，戰略性新興產業的發展初期對資本投入的需求更強，對中小型戰略新興企業早期發展的金融支持顯得尤為重要。

圖2 股權性質及規模異質性分析

表4 顯示了企業特征異質性的估計結果。從回歸結果來看，無論國有企業、非國有企業、大企業、中小企業，其外源性融資回歸系數都大于內源性融資系數，表明外源性融資的邊際效應都高于其內源性融資。其中，國有企業外源性金融支持的邊際效應大于非國有企業，而非國有企業的內源性金融支持的邊際效應大于國有企業。一般而言國有企業在外源性融資較非國有企業具有優勢，其產出對外源性金融支持更加敏感。非國有企業的內源性金融支持比國有企業對產出的彈性更大。對于中小企業而言，其內源性金融支持和外源性金融支持對產出的彈性都分別大于大企業。這反映了中小企業產出對內外部融資的敏感性更大，更加重視資金的配置效率，表明了其融資環境與大企業相較較為惡劣。

表4 股權性質及規模異質性時變SFA 估計結果

2.產業異質性分析

依據希施瑪數據庫對企業所屬產業進行分類，在樣本數據中，企業數量占比最大的七個產業分別為：計算機，包含計算機、通信和電子設備制造業和互聯網；軟件，包含軟件和信息技術服務業；普通制造業，包含通用設備制造業、橡膠和塑料制品業、化學原料及化學制品制造業、食品制造業；專用裝備制造業，包含專用設備制造業、電氣機械及器材制造業、儀器儀表制造業、汽車、鐵路、船舶、航空航天和其他運輸設備制造業；專業技術服務業；生態保護和環境治理業；醫藥制造業。

接下來，主要分析以上產業分類估計效率異質性，根據各產業的金融支持效率的計算結果可知，計算機行業的金融支持效率在樣本期間有上升也有下降，但總體表現出下降的趨勢。2020 年的金融支持效率為0.685。軟件行業的金融支持效率在樣本期間也有所起伏，但總體趨勢是上升的，在2020 年其金融支持效率達到0.705。普通制造業的金融支持效率總體是上升的，高端裝備制造業的金融支持效率在2017 年前緩慢增長，之后則迅速提升，至2020 年達到0.739。專業技術服務業的金融支持效率在2018 年前持續上升，其中2014—2016 年表現出快速提升的態勢。生態環境產業的金融支持效率在樣本期間總體下降。醫藥行業的金融支持效率在樣本期間總體上升。在新冠肺炎疫情全球沖擊下，資本配置流向醫藥行業的動力增加，有利于該行業的融資。綜上分析，金融支持效率的行業異質性顯著分化。

綜上，文章對行業異質性的SFA 估計結果予以分析。回歸結果如表5 所示。對于計算機產業、軟件產業、普通制造業、專用裝備制造業其外源性融資系數都高于內源性融資系數，表明這些產業的外源性融資對產出的彈性更大。對于專業技術服務產業、生態環保產業和醫藥產業其內源性融資系數高于外源性融資系數，表明這三大產業的產出對內源性融資更加敏感，即內源性融資對產出的影響更大。如計算機產業外源性融資每提高1 個百分點，比內源性融資對產出的影響高出0.272 個百分點。軟件產業外源性融資每提高1%，比內源性融資對產出的影響高出0.047 個百分點，這種差別相對較小。同樣對于普通制造產業、專用裝備制造產業這種差別也相對較小。

表5 行業異質性時變SFA 估計結果

六、研究結論與建議

文章使用中國創業板上市公司2012—2020 年度數據，基于SFA 模型研究了戰略性新興產業金融支持效率。采用TOBIT模型分析了金融支持效率的影響因素。主要結論有：第一，中國戰略性新興產業金融支持效率在樣本期間總體呈現上升趨勢。2020 年因各種不確定因素的影響，該效率依然升至0.714的新高點，表明中國金融市場對戰略性新興產業發展的支持具有韌勁。第二，戰略性新興產業的外部金融支持大于其內部金融支持。外源性融資成為戰略性新興產業發展的關鍵。第三，企業研發、企業規模、綠色信貸、股權集中度、總資產周轉率、高管股權激勵顯著促進了金融支持效率。資產負債率、股權國有性質與金融支持效率顯著負相關。第四，國有企業金融支持效率明顯低于非國有企業。大企業金融支持效率明顯高于中小企業。樣本期間國有企業及中小企業的金融支持效率總體上小幅度下降，非國有企業及大企業的金融支持效率總體呈現明顯上升。計算機產業、生態環保產業的金融支持效率在樣本期間總體下降。軟件產業、普通制造產業、專用裝備制造產業、專業技術服務產業、醫藥制造產業的金融支持效率在樣本年間總體上升。

根據以上研究結論，文章得出如下啟示：

第一，優化戰略性新興產業外部融資環境和融資機制。深化金融改革，推進多層次資本市場建設促進金融支持戰略性新興產業發展的效率。拓寬戰略性新興產業融資渠道，支持企業赴港融資，通過“深港通”“滬港通”及場外融資機制為戰略性新興產業企業融資提供便利條件。

第二，鼓勵金融資本供給主體創新金融服務滿足戰略性新興產業產差異化的融資需求。戰略性新興產業企業融資需求具有異質性，提高戰略性新興產業的金融支持效率須考慮企業異質性及多種影響因素，創新金融產品、設計有效的政策組合。

第三，在逆全球化愈演愈烈的背景下，政府更應發揮對戰略性新興產業投資引導和支持職能，優化產業支持政策及政策性金融服務，引導金融資源配置傾向戰略性新興產業，支持和引導當地支柱和新興產業，以創新驅動產業發展和壯大戰略性、支柱性和被“卡脖子”的產業。