貨幣政策不確定性與企業成長：來自中國的經驗證據

楊咸月 韓鈺

[收稿日期] 2023-12-22

[作者簡介]楊咸月，金融學博士，上海社會科學院應用經濟研究所研究員、博士生導師，研究方向：金融學、產業經濟學;韓鈺，上海社會科學院應用經濟研究所博士研究生，研究方向：政策不確定性、公司金融。

[摘要]目前動蕩的國際環境導致企業成長遇到阻力，嚴重阻礙了我國的高質量發展。本文利用Jurado et al.（2015）提出的方法測度了中國貨幣政策不確定性，實證研究了貨幣政策不確定性對企業成長的影響效應和作用渠道。經驗結果表明，貨幣政策不確定性會顯著抑制企業成長，該結論在考慮內生性等一系列穩健性檢驗中依然成立。異質性檢驗表明，貨幣政策不確定性對生命周期處于成長期與成熟期、融資約束較高、位于中西部、非高技術行業企業的成長影響更明顯；中介效應檢驗表明，存在企業現金流不確定性的傳導渠道。本文研究為政府進一步促進企業成長，減少不確定性對經濟的沖擊有一定的參考價值。

[關鍵詞] 貨幣政策不確定性；企業成長；現金流不確定性；中介效應

[中圖分類號] F062.9? ［文獻標識碼］A? ?［文章編號］1000-4211（2024）02-0092-19

一、引言與文獻綜述

近年來，全球進入一個動蕩不安的時代，企業成長遇到嚴重阻力。一方面，中美貿易摩擦愈演愈烈，美國在經貿、科技等領域推動對華“脫鉤斷鏈”；歐盟推動“去風險化”意圖減少對中國的依賴。另一方面，新冠疫情后歐美日英等發達經濟體大肆擴充基礎貨幣，實行極限寬松財政金融刺激，引發了全球高通脹；作為中國重要出口市場的美國與歐盟的經濟進入高通脹、弱增長時期，需求減弱（中國銀保監會， 2022）。黨的二十大報告明確指出“高質量發展是全面建設社會主義現代化國家的首要任務。發展是黨執政興國的第一要務。沒有堅實的物質技術基礎，就不可能全面建成社會主義現代化強國?！逼髽I的成長和更替是經濟增長的微觀基礎（Acemoglu et al.， 2018）。目前的形勢嚴重阻礙了我國企業的成長，對我國的高質量發展產生了不利影響。因而探索企業成長的影響因素，并根據現實情況制定政策促進企業成長，對于促進我國經濟的高質量發展具有十分重要的理論和現實意義。

為應對變幻復雜的經濟形勢，我國政府嘗試出臺和使用政策來調控經濟使之平穩增長。頻繁出臺的逆周期調節政策一方面有利于熨平周期，平滑波動；另一方面也導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成長？影響是正是負？這種影響在不同類型的企業間有沒有不同？影響的機制如何？這些問題有待進一步的探索。

對于該問題，目前相關的學術研究主要集中在兩個方面。第一類是企業成長影響因素的研究，主要集中于企業內部因素的影響，特別是企業初始異質性的影響（朱奕蒙和徐現祥， 2017），而對外部因素的研究較少（王永進等， 2017）。內部因素影響的相關研究認為企業家特征（徐尚昆等， 2020; 趙陽等， 2020; 朱斌和呂鵬， 2020）、企業初始選擇的產品類型（Sedlá?ek & Sterk， 2017）、企業初始差異（Sterk et al.， 2021）、工資扭曲（吳先明等， 2017）、企業信用傾向（趙馳等， 2012）都會影響到企業成長。研究外部因素影響的文獻相對較少。葉振宇和莊宗武（2022）分析發現產業鏈龍頭企業會促進本地企業成長，且該影響是通過企業成本和企業生產率產生作用的。李賁和吳利華（2018）研究表明開發區的設立總體上促進了企業成長，且這種影響與開發區級別、企業生命周期和行業要素密集度有關。王永進等（2017）研究表明受到政府扶持和補貼的企業因壟斷獲得了超額利潤，導致其沒有動力進行創新，阻礙了企業的成長。鮮有文獻從政策不確定性的角度探討企業成長的原因。

第二類是政策不確定性對企業行為的影響。自Baker et al.（2016）提出全新的不確定性測度方法后，國內外不確定性相關研究已相當豐富。一些文獻探討政策不確定性對銀行的影響（鄧偉等， 2022; 申宇等， 2020; 田國強和李雙建， 2020）和對外貿易相關因素的影響（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非金融企業行為的影響（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）研究發現經濟政策不確定性的上升會抑制企業投資。進一步地，譚小芬和張文婧（2017）分析表明這種經濟政策不確定性對企業投資影響的機制主要有兩條：實物期權機制和金融摩擦機制，其中實物期權機制占據主導地位。同時，劉貫春等（2020）對投資結構影響進行了剖析，研究表明經濟政策不確定性的上升會抑制實體企業投資，但會促進金融資產投資，即促進企業金融化。而彭俞超等（2018）研究卻發現經濟政策不確定性顯著抑制了企業金融化。此外，還有部分學者考察了經濟政策不確定性對企業杠桿率（宮汝凱等， 2019）、企業創新（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成長之間的關系。

目前學界對于不確定性的測度方法主要是Baker et al.（2016）提出的基于報刊的文本分析法，Huang & Luk（2020）使用該方法拓展應用于中國，被眾多文獻所采用。但文本分析的方法有報刊滯后和報道門檻的固有缺陷。在貨幣政策不確定性相關研究中Jurado et al.（2015）提出了被廣泛使用的高維因子法，王博等（2019）將這種方法引入國內。這種方法通過剔除貨幣政策中可預測的部分構建不確定性測度，克服了文本分析法測度的種種缺陷，能更準確地測度不確定性。故本文采用該法測度貨幣政策不確定性，研究貨幣政策不確定性對企業成長的影響。

有鑒于此，本文實證研究了貨幣政策不確定性對企業成長的影響效應和作用機理。為了克服內生性問題，本文使用工具變量法對模型進行了穩健性檢驗。隨后，本文從生命周期、融資約束、區域和行業等角度，探索了貨幣政策不確定性上升對企業成長的異質性影響。相較于以往的研究，本文的特色與創新有：（1）選題不確定性與企業成長，抓住了企業成長中的重要影響因素，彌補了不確定性影響企業成長研究的空白。（2）運用Jurado et al.（2015）提出的高維因子法，選取了迄今為止最豐富的預測變量，合成出最準確貨幣政策不確定性的測度，較過去的文本分析法合成的指標能更準確地測度不確定性。（3）厘清了貨幣政策影響企業成長的內在邏輯，深化了學界對貨幣政策不確定性影響的認識。本文通過分析貨幣政策不確定性對企業成長的影響，為更好地促進企業成長提供了思考的新路徑。

本文余下的部分安排如下：第二部分進行理論分析并提出研究假說，第三部分介紹了研究的設計和樣本數據，第四部分是經驗結果與分析，第五部分是異質性分析與影響渠道檢驗，第六部分是研究結論與政策啟示。

二、理論分析與研究假說

（一）貨幣政策不確定性與企業成長

企業在成長過程中難以規避不確定性的影響，不確定性可能從外部和內部兩方面的影響而影響到企業成長。

不確定性沖擊在企業內部可能通過企業投資和預防性儲蓄影響企業成長。一方面，企業擁有的投資機會可以看作是一種特殊的期權，即實物期權（Gulen & Ion， 2016）。不確定性的上升會導致現金流不確定性上升，期權的價值上升，企業因而會觀望，即推遲投資（李鳳羽和楊墨竹， 2015; 譚小芬和張文婧， 2017），從而抑制企業成長。另一方面，不確定性可能導致企業出于預防性儲蓄的動機增加現金持有（余靖雯等， 2019），拖累企業成長。

企業外部環境的影響從企業融資和消費兩方面分析，首先分析企業融資方面的情況。一方面，不確定性上升導致金融市場受到沖擊，利率的風險溢價上升（Mueller et al.， 2017），企業的融資成本上升；另一方面，不確定性的上升導致企業的現金流波動性上升（王紅建等， 2014），企業的違約概率隨之上升，導致違約風險溢價上升，即企業的融資成本上升。兩方面綜合，不確定性上升導致企業的融資成本上升，發生銀行“惜貸”等現象，從而抑制企業成長。其次，從家庭部門角度分析，不確定性的上升導致家庭部門出于預防性儲蓄的動機減少消費（Bansal & Yaron， 2004），從而抑制企業成長?；谝陨戏治?，本文提出假說1：

假說1：貨幣政策不確定性上升會抑制企業成長，兩者呈現負相關關系

（二）貨幣政策不確定性、異質性與企業成長

根據企業生命周期理論，成長期企業與成熟期和衰退期的企業不同，其任務是市場開拓，通常迫切需要資金進行投資以擴張規模和進行研發；但成長期企業盈利能力較弱造成內源性融資不足，更依賴外部融資。強烈的融資欲望和有限的籌資能力形成鮮明對比，使得成長期企業面臨很大的融資約束（黃宏斌等， 2016）。羸弱的盈利能力也導致企業在面對不確定性沖擊時現金流的波動更強，違約風險溢價也較高。成熟期公司生產經驗模式日趨成熟、組織結構不斷完善，從“求生存”轉向“謀發展”（劉詩源等， 2020）。成熟期公司的盈利能力日趨穩定，依然需要融資來實現進一步的發展。不確定性沖擊對風險溢價的影響依然會影響到成熟期公司。而衰退期的公司往往生產設備陳舊，技術老化，不會進行大規模的投資，因此對于風險溢價的變動沒有成長期和成熟期公司那么敏感。因而本文提出假說2：

假說2：相對于生命周期處于衰退期的企業，貨幣政策不確定性對成長期和成熟期企業成長的負向影響較強。

融資約束是指企業因自有資金不足以實施意愿投資，轉而尋求外部融資時所面臨的摩擦（Fazzari et al.， 1988）。中國目前仍然存在金融抑制，信貸配給還比較嚴重（Allen et al.， 2005）。融資約束較弱的企業能較容易地獲得資金，進行預防性儲蓄；融資約束較強的企業獲取資金更難，只能更多使用內部資金進行預防性儲蓄。另一方面，融資約束較強的企業在面對投資機會時，等待的能力不強，故減少了實物期權對投資的抑制。綜合以上兩方面內容，融資約束對企業成長的影響有待考察，本文提出假說3：

假說3：相對于融資約束較低的企業，貨幣政策不確定性對融資約束較高的企業成長的負向影響較弱。

中國經濟發展的重心位于東部地區，相比于中西部地區東部地區擁有更多的金融機構，更優質的營商環境和更龐大的市場。面對不確定性升高的情況，更多的金融機構有助于緩解融資約束，更優質的營商環境有助于企業在投資決策中減少推遲投資，更龐大的市場有助于緩沖消費減少帶來的沖擊。進而本文提出假說4：

假說4：相對于中西部地區企業，貨幣政策不確定性對東部企業成長的負向影響較弱。

我國政府對經濟有很強的控制力（周黎安， 2007）；且我國長期實行產業政策以促進我國實現產業升級，以創新驅動發展（王偉光等， 2015）。高技術行業公司作為國家產業升級的重要抓手，相比非高技術行業公司更容易得到政府的扶持政策（李彥龍， 2018），如政府補貼、銀行信貸和稅收優惠，即高技術行業企業面臨的融資約束更小。另一方面，高技術行業公司處在行業的前沿，競爭較激烈，故對投資活動較為積極，這就減少了實物期權渠道的負面影響。據此，本文提出假說5：

假說5：相對于非高技術行業的企業，貨幣政策不確定性對高技術行業的企業成長的負向影響較弱。

（三）貨幣政策不確定性、現金流不確定性與企業成長

根據前文的分析，當不確定性上升時，未來現金流的不確定性增加，出于實物期權的等待價值，企業會推遲投資，影響企業成長；出于預防性儲蓄的目的，企業會增加現金等流動性較強的資產。另一方面，貨幣政策不確定性的上升導致企業的現金流波動性上升（王紅建等， 2014），企業的違約概率隨之上升，導致違約風險溢價上升，進而導致企業的融資成本上升。因而本文提出假說6：

假說6：貨幣政策不確定性可以通過提高企業現金流不確定性的渠道抑制企業成長。

三、研究設計和研究數據

（一）樣本選擇與數據來源

本文選取2008年第一季度到2022年第二季度中國A股上市公司數據作為研究樣本。對初始樣本進行如下處理：（1）? 剔除金融行業公司；（2） 剔除ST、PT等特殊狀態的公司；（3） 為控制極端值影響，對所有連續變量進行上下1%的Winsorize縮尾處理。最終的研究樣本由4177家上市公司的140617個觀測值構成季度非平衡面板。

數據來源方面，本文使用的宏觀數據來自CEIC數據庫，公司財務數據來自Wind金融終端和CSMAR數據庫。

（二）計量模型設定和策略

為檢驗貨幣政策不確定性對企業成長的影響，本文構建了如下的面板計量模型

（1）

其中，下標i＝1，2，…，N表示上市公司個體，t＝1，…，T表示觀察季度；表示上市公司i在第t期的營業收入增長率；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生性問題（李鳳羽和楊墨竹， 2015）；Xi，t為各控制變量；μi為上市公司的個體固定效應；εi，t為殘差項；由于貨幣政策不確定性為時間序列變量，加入時間固定效應會導致共線性問題（田國強和李雙建， 2020），故參考彭俞超等（2018）的做法控制季度效應Quarter；Ind表示行業效應。本文主要關注貨幣政策不確定性的估計系數β1，預期符號顯著為負。在基準回歸中，同時加入普通最小二乘法（OLS）的估計結果作為穩健性檢驗與固定效應面板模型回歸結果對照。

（三）變量選取與說明

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，時刻t的期望。t時刻的單個不確定性指標經過加權平均后即可得到t時刻的中國貨幣政策不確定性指數uyt（h）

（3）

具體估計方法有兩個步驟：

第一步需要估計E[yt+h|It]。為此，首先需選取可預測變量集。為了識別真正的預測誤差，此處需要引入盡可能多的變量，以清除可預測的部分。為了避免“維度災難”，假說Xit有如下的因子結構：

（4）

在上式中，Ft是潛在共同因子的rF×1 維矩陣，∧Fi是對應的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期后的預測誤差為V yjt+h≡Vjt+h－E[yt＋h|It]。對這個預測誤差的條件波動率進行估計，建立如下的預測模型：

（5）

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

對上述 （2）—（5） 式進行估計，可以得到單個貨幣政策變量未來期的預測波動率，將其作為單個貨幣政策的不確定性測度。然后按照 （2） 式計算算術平均值，并進行標準化，即可得到中國貨幣政策不確定性。

本文在參考王博（2019）、趙珂（2022）等所選取變量的基礎上，大幅增加預測變量，以期得到更加準確的貨幣政策不確定性測度。圖 1表示中國貨幣政策不確定性與Huang & Luk（2020）通過文本分析得到的中國貨幣政策不確定性指數。如圖所示，綜合指數的變動整體上呈現出兩個階段：（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幅度大，且有一些與重大事件相對應的十分明顯的尖峰。這一階段貨幣政策不確定性均值達到0.530，標準差達到0.325；四個尖峰分別對應2008年11月的四萬億投資計劃，2010年12月應對經濟過熱的措施，2013年6月的“錢荒”事件，2015年5月的“股災”。（2） 第二階段是2016年—現在，貨幣政策不確定性在低位震蕩，不確定性水平較低且波動幅度不大，這一階段的不確定性平均水平僅為0.244，標準差為0.093。

綜合指數與HL指數表現出了相似點與不同點。兩種不確定性指標的相似點體現在： （1） 兩個指標均表現出了很強的波動性，特別是在一些關鍵的時間節點。例如“四萬億”投資計劃出臺2008年11月附近，兩種不確定性指標都在達到了峰值后快速下跌。 （2） 兩個指標的變化趨勢表現出了很強的相關性。例如在兩種指標均在2016年前后呈現出明顯不同。（3） 兩個貨幣政策不確定性指標的峰值點出現在了相同的時期內，分別在2008年全球金融危機、2011年歐債危機、2015年“股災”期間。（4） 兩個不確定性指標均在危機期間快速上升，在政策出臺后快速下降。

但綜合指數與HL指數的合成方法不同，綜合指數使用擴散因子法合成，HL指數使用文本分析法合成。雖然兩個指數都是測度中國貨幣政策不確定性的指數，綜合指數相較于HL指數能更好地測度中國貨幣政策不確定性，原因在于： （1） 綜合指數的時效性相比HL指數更強，盡管變化的趨勢相同，但HL指數的變動通常滯后于綜合指數。這可能是因為HL指數通過的報紙的文本信息合成，反應的輿論可能滯后于現實。 （2） 綜合指數對于不確定性水平有更好的把握。綜合指數的最高點出現在“四萬億”投資計劃出臺的2008年11月，而HL指數的最高點出現在2011年歐債危機期間，且峰值高度與金融危機的高度相差不大。這可能是因為報紙的版面有限，歐債危機與金融危機期間可能已經達到對不確定性可報道包面的上限。 （3） 綜合指數對事件反映更加靈敏。例如2013年6月的“錢荒”在HL指數上幾乎沒有反應。這可能是因為報紙作為大眾媒體，傾向于報道公眾感知度較高的事件。“四萬億”基建投資，歐債危機期間“熱錢”大量涌入，“股災”期間的“千股跌?！倍际沁@樣的事件；而“錢荒”發生在銀行間市場，雖然產生了極高的貨幣政策不確定性，對貨幣政策和社會產生了深遠的影響，但因與大眾有一定的距離，故并未得到主流媒體的大量報道而未能反映在HL指數中。

2. 企業成長

目前對于企業成長的測度方式主要有三種：（1）以企業的營業收入增長率度量企業成長（方芳和蔡衛星， 2016; 王永進等， 2017; 余泳澤等， 2020）；（2）以企業的總資產或凈資產測度企業成長（葉振宇和莊宗武， 2022）；（3）以企業從業人員數作為企業成長的代理變量（李賁和吳利華， 2018）。但企業總資產或凈資產受到的影響因素較多，企業從業人員數主要反映勞動生產率和機器替代勞動力的影響（Delmar et al.， 2003）；且他們都在一定時間段內較為穩定，難以反映季度頻率的貨幣政策不確定性沖擊對企業成長的影響。因此本文選取相關文獻中使用最廣泛的營業收入增長率作為企業成長的代理變量。

3. 控制變量

本文選取的控制變量包括企業層面控制變量和宏觀層面控制變量。企業層面控制變量包括：（1） 企業規模，采用總資產的自然對數表示；（2） 資產負債率，用總負債/總資產表示；（3） 經營性現金流量，用經營活動產生的現金流量凈額/總資產表示；（4） 企業年齡，定義為“ln（當年年份－企業成立年份）”；（5） 企業所有制類型，分為國有和非國有；（6） 有形資產比率；宏觀層面的控制變量包括：（1） GDP的同比增長率；（2） M2的同比增長率。表 1報告了主要變量的描述性統計。

四、經驗結果與分析

（一）基準回歸結果

表 2報告了貨幣政策不確定性對企業成長影響的基準回歸結果。其中第 （1）、（2） 列為使用普通最小二乘法（OLS）得到的估計結果，第 （3）、（4） 列為使用固定效應模型的估計結果。第 （1）、（3） 列為不控制行業效應的回歸結果，可以看出貨幣政策不確定性（MPU）對企業成長產生負效應，且系數在1%水平上顯著，這表明貨幣政策不確定性的上升會抑制企業成長；第 （2）、（4） 列為將行業效應加入控制后的回歸結果。結果表明，貨幣政策不確定性（L.MPU）的回歸系數均在1%水平上顯著為負，意味著貨幣政策不確定性的上升會抑制企業成長。這就驗證了假說1。第 （4） 列中貨幣政策不確定性（L.MPU）的系數為-0.8276，這表明貨幣政策不確定性上升1個單位，營業收入增長率就下降0.8276個百分點。

（二）穩健性分析

1. 關于內生性問題的處理

為了處理內生性對計量結果的影響，本文采用工具變量處理內生性問題。參考申宇等（2020）、田國強和李雙建（2020）選取美國經濟政策不確定性作為中國經濟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貨幣政策不確定性指數的變動值作為工具變量，采用面板兩階段最小二乘法（2SLS）進行穩健性檢驗。

表3列示了兩階段最小二乘法的回歸結果，第（1）、（2） 列分別報告了對行業效應不控制與控制的回歸結果。可以看出，弱工具變量檢驗中，Anderson canon. corr. LM統計量的P值均小于0，拒絕工具變量識別不足的原假設；Cragg-Donald Wald F統計量均大于相應的Stock-Yogo臨界值16.38，拒絕弱工具變量的原假設。這兩個研究的結果表明工具變量選取得當。貨幣政策不確定性的回歸系數顯著為負，與基準回歸中一致，這進一步說明本文的結論是可靠的。

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程中采取了不同的方式：（1） 在一個季度內，每個月影響的長度不同，故對每個月進行賦權，進行加權平均。在一個季度內，對第一個月、第二個月、第三個月分別賦權1/6、1/3、1/2，得到加權平均不確定性MPU_wa；（2） 因企業數據是在季度結束時公布，最后一個月的不確定性影響最大，故選取一個季度內最后一個月的貨幣政策不確定性作為當季值MPU_lm。表 4第 （1） — （4） 列報告了采用不同降頻方式的貨幣政策不確定性測度作為因變量的回歸結果。可以看出，采用不同降頻方式度量的貨幣政策不確定性對企業成長依然產生顯著的負向影響，研究結論穩健。

3. 剔除部分樣本

為了確保樣本選取具有隨機性和代表性，本文剔除了2007—2008金融危機時期（2007年第三季度—2008年第四季度）和2015年股價大幅下跌時期的樣本進行穩健性檢驗。表 4第 （5）、（6） 列報告了剔除金融危機和“股災”時期（2015年第二、三季度）樣本后的穩健性檢驗的回歸結果?？梢钥闯?，剔除金融危機時期樣本后的回歸結果與基準回歸結果基本一致，表明研究結論穩健。

五、異質性分析與影響渠道檢驗

（一）異質性分析

1. 生命周期異質性

為分析處于不同生命周期公司之間，貨幣政策不確定性對企業成長的異質性影響，本文參考Dickinson（2011）的做法，使用現金流模式法劃分企業生命周期，將全樣本分為成長期組、成熟期組和衰退期組。表 5第 （1）—（3） 列報告了回歸結果?？梢钥闯觯c基準回歸一致，成長期組與成熟期組中貨幣政策不確定性的系數均在1%水平上顯著為負；而衰退期組中系數不顯著。這說明貨幣政策不確定性對成長期和成熟期的公司產生了顯著的負向影響，卻對處于衰退期的公司并未產生顯著影響；且成長期和成熟期的經驗P值為0.168。這表明貨幣政策不確定性對企業成長的影響在生命周期處于衰退期和非衰退期的企業之間存在異質性，對成長期和成熟期的公司影響沒有明顯區別。上述結果支持了理論假說2。

2. 融資約束異質性

為研究不同融資約束水平下，貨幣政策不確定性對企業成長的異質性影響，本文以全樣本KZ指數的中位數作為臨界點分為融資約束“較低組”和“較高組”，分別對模型 （1） 進行回歸。表 5中第 （4） 、（5） 列報告了回歸結果?？梢钥闯?，融資約束較高組中貨幣政策不確定性的系數顯著為負，與基準回歸一致；而較低組中系數不顯著。這表明貨幣政策不確定性對融資約束較低的公司沒有顯著影響而對較高的公司產生顯著的負向影響，即融資約束較高組和融資約束較低組的系數存在顯著差異。這表明貨幣政策不確定性對企業成長的影響在不同融資約束水平的公司之間具有異質性。上述結果支持了理論假說3。

3. 區域異質性

為探討位于不同區域公司之間，貨幣政策不確定性對企業成長的異質性影響，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） 列列示了回歸結果。可以看出，與基準回歸相似，中西部組與東部組中貨幣政策不確定性的系數均為負并在1%水平上顯著，但是中西部組系數絕對值更大；且經驗P值為0.000，表明中西部和東部兩組系數有顯著差異。這表明貨幣政策不確定性對中西部公司的成長產生顯著的更大的負向影響，說明貨幣政策不確定性對不同區域的公司的確產生了差異性的影響。上述結果支持了理論假說4。

4. 行業異質性

為研究不同行業之間，貨幣政策不確定性對企業成長的異質性影響，本文參考徐欣和唐清泉（2012）的做法，將行業劃分為高技術行業組和非高技術行業組。表 5第 （8） 、 （9） 列是回歸結果。可以看出，貨幣政策不確定性的系數在高技術行業組不顯著而在非高技術行業組顯著為負。這表明貨幣政策不確定性對高技術行業組和非高技術行業組兩組之間的影響存在異質性。上述結果支持了理論假說5。

（二）貨幣政策不確定性對企業成長的影響渠道分析

本文借鑒劉貫春等（2022）的做法，以現金流不確定性（Cfovar）作為中介變量，研究企業現金流不確定性在貨幣政策不確定性影響企業成長的中介效應。表 6報告了貨幣政策不確定性對企業成長渠道檢驗的回歸結果，可以看出，第一步中，貨幣政策不確定性（MPU）的回歸系數顯著為負，說明貨幣政策不確定性對企業成長產生顯著的負向影響。第二步中，貨幣政策不確定性（MPU）的系數均顯著為正，這表明貨幣政策不確定性越高，企業的現金流不確定性就越高。第三步中，引入現金流不確定性的模型中，貨幣政策不確定性的系數不顯著而現金流不確定性的系數顯著，說明企業現金流不確定性在貨幣政策不確定性影響企業成長的過程中起完全中介作用。這表明存在貨幣政策不確定性→現金流不確定性→企業成長的傳導渠道，支持了理論假說6。

六、研究結論與政策啟示

綜上分析，本文使用Jurado et al.（2015）提出的方法構建了貨幣政策不確定性測度，研究了貨幣政策不確定性對企業成長的影響，并分析了影響的異質性和影響渠道。研究發現，貨幣政策不確定性綜合指數較好地測度了不確定性，優于HL指數，其變動呈現明顯的階段性，且峰值可以與歷史事件較好地對應；貨幣政策不確定性對企業成長產生顯著的負向影響，且該結果在考慮內生性問題和進行一系列穩健性檢驗后依然成立；中介效應檢驗方法發現，貨幣政策不確定性對企業成長施加影響的過程中，存在貨幣政策不確定性→企業現金流不確定性→企業成長的傳導渠道；異質性分析結果表明貨幣政策不確定性對生命周期處于成長期與成熟期、融資約束較大、中西部、非高技術行業的企業的成長影響更為明顯。

1. 貨幣政策不確定性綜合指數較好地測度了不確定性，優于HL指數，其變動呈現明顯的階段性，峰值點與歷史事件有較好的對應應。

本文使用擴散因子法構建的貨幣政策不確定性綜合指數優于文本分析法合成的HL指數，原因有三：（1）綜合指數的時效性相比HL指數更強，盡管變化的趨勢相同，但HL指數的變動通常滯后于綜合指數。（2）綜合指數對于貨幣政策不確定性水平把握更好。HL指數測度的歐債危機期間的不確定性水平與金融危機接近。這可能是因為報紙的版面有限，這樣的報道已經達到了可報道版面的上限。（3）綜合指數對事件的反應更加靈敏。例如2013年6月的“錢荒”在HL指數上幾乎沒有反應。這可能是因為報紙作為大眾媒體，傾向于報道公眾感知度較高的事件。“錢荒”發生在銀行間市場，雖然產生了極高的貨幣政策不確定性，對貨幣政策和社會產生了深遠的影響，但因與大眾有一定的距離，故并未得到主流媒體的大量報道而沒有反映在HL指數中。

貨幣政策不確定性的四個峰值點分別對應于2008年11月、2010年12月、2013年6月、2015年5月，分別對應四萬億投資計劃、應對經濟過熱的措施、“錢荒”事件、“股災”。以2016年作為節點，貨幣政策不確定性綜合指數變動可以劃分為兩個階段：2016年之前貨幣政策不確定水平較高且波動幅度較大，貨幣政策不確定性測度均值在2016年之前達到0.530，標準差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，標準差僅0.093。2. 貨幣政策不確定性對企業成長產生顯著的負向影響，存在企業現金流不確定性的傳導渠道。

在當前“脫鉤斷鏈”、“去風險化”盛行的國際環境下，企業成長承受巨大壓力。西方國家貨幣政策在疫情防控期間采取極限寬松的貨幣政策導致全球通脹高企，目前又大幅加息抑制通脹。外國貨幣政策大起大落造成的貨幣政策不確定性傳導至國內，對國內經濟造成不可忽視的影響。本文研究表明貨幣政策不確定性對企業成長產生顯著的負向影響，且該結論在內生性和一系列穩健性檢驗中保持穩健。從作用大小看，貨幣政策不確定性每上升一個單位就引起營業收入增長率下降0.8276個百分點。

中介效應檢驗表明，企業現金流不確定性在貨幣政策不確定性影響企業成長的過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，企業現金流的波動性上升，提高了企業流動性管理的難度，企業可能會在流動性管理中投入更多的資源，擠占投資等方面的資源，進而導致企業成長性下降。

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

異質性分析表明，貨幣政策不確定性對生命周期處于成長期和成熟期、融資約束較大、非高技術行業的公司產生顯著的負向影響，而對生命周期處于衰退期、融資約束較小、高技術行業公司沒有顯著影響，對東部公司產生比中西部公司更小的負向影響。這說明貨幣政策不確定性對于企業成長的影響存在異質性，主要集中在部分企業。

基于此，本文的研究結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，注意市場的自我調節能力。政府在進行貨幣政策的操作時，要時刻注意其操作會具有政策本身的效果和不確定性的效果兩種。過大的調整幅度可能會導致市場過度反應，從而引發金融市場波動，對實體經濟產生負面影響；頻繁的政策調整會影響企業和消費者的預期，這就與中央的“穩預期”政策相抵觸，所以政策必須保持一定的連續性和穩定性。另外，在實施貨幣政策操作時還需要充分認識到市場具有一定的調節和回復能力，政策制定者應避免過度干預，保留市場調節經濟的空間。

（2） 貨幣政策操作必須增強透明度以減少不確定性。部分學者主張通過超出市場預期的方式進行貨幣政策操作以獲得更好的調控經濟的效果，但是這種操作附帶的不確定性本身已經給經濟帶來負面影響。所以為減少不確定性負面影響，政府在進行貨幣政策調控時應公開政策決策過程、明確政策目標、提供經濟預測和路徑指引、加強與公眾的溝通、建立反饋機制，努力將不確定性帶來的負面影響降至最低。具體政策而言，貨幣政策目標最好明確，例如探索建立國外的通貨膨脹目標制。人民銀行應提供自己的經濟預測值和前瞻性指引，這樣有助于市場預測貨幣政策操作，減少不確定性。

（3） 政府應當探索建立貨幣政策不確定性預警機制，以便及時應對貨幣政策不確定性的沖擊。擴散因子法合成的綜合指數能夠較好得描述貨幣政策不確定性，政策制定者應當及時監控不確定性的變動，設定預警值。在預警機制中，政府應當提前制定應對策略，以便在市場遭到不確定性沖擊時能夠迅速行動穩定市場預期，穩定經濟的基本面。

（2） 政府應出臺政策增強企業抵御不確定性的能力，特別是易受不確定性影響的企業。對于易受貨幣政策不確定性影響的成長期和成熟期、融資約束較大、中西部、非高技術行業的企業，可以采用政策工具緩解企業受到的沖擊。首先政府可以提供優惠貸款，幫助企業緩解融資約束降低經營成本，減輕不確定性的負面影響。其次，政府可以對于這些企業在特殊時期提供稅收優惠和補貼，這樣有助于企業在面對不確定性沖擊時保持穩定的現金流，保證企業正常的生產經營活動。最后，政府應加強對這類企業的信息傳遞和管理人員培訓，幫助企業更好了解政策變動，提前做好準備。

（3） 要特別注意現金流不確定性在傳導中的作用，打斷不確定性向企業的傳導。政府應當適時出臺逆周期調節政策，在不確定性的環境中增強人們的信心。首先，政府應當加強金融市場穩定，避免金融機構遭遇不確定性后的順周期操作。加強金融市場穩定有利于減少企業的融資成本，增強企業現金流的確定性。最后，政府可以股利金融機構提供風險對沖工具，幫助企業減少不確定性沖擊帶來的流動性波動風險。總而言之，政府應當在不確定性的環境中提高增強企業現金流的確定性，以削弱貨幣政策不確定性的傳導。在不確定性較高的時期，更加應當注意這一點。

參考文獻：

[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. 經濟政策不確定性與商業銀行資產避險[J]. 經濟學（季刊）， 2022， 22（1）： 217–236.

[15]方芳， 蔡衛星. 銀行業競爭與企業成長：來自工業企業的經驗證據[J]. 管理世界， 2016（7）： 63–75.

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

[17]顧夏銘， 陳勇民， 潘士遠. 經濟政策不確定性與創新——基于我國上市公司的實證分析[J]. 經濟研究， 2018， 53（2）： 109–123.

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

[19]黃卓， 邱晗， 沈艷， 童晨. 測量中國的金融不確定性——基于大數據的方法[J]. 金融研究， 2018（11）： 30–46.

[20]李賁， 吳利華. 開發區設立與企業成長：異質性與機制研究[J]. 中國工業經濟， 2018（4）： 79–97.

[21]李鳳羽， 楊墨竹. 經濟政策不確定性會抑制企業投資嗎？——基于中國經濟政策不確定指數的實證研究[J]. 金融研究， 2015（4）： 115–129.

[22]李彥龍. 稅收優惠政策與高技術產業創新效率[J]. 數量經濟技術經濟研究， 2018， 35（1）： 60–76.

[23]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（1）： 65–86.

[24]劉貫春， 張軍， 劉媛媛. 宏觀經濟環境、風險感知與政策不確定性[J]. 世界經濟， 2022， 45（08）： 30–56.

[25]劉詩源， 林志帆， 冷志鵬. 稅收激勵提高企業創新水平了嗎？——基于企業生命周期理論的檢驗[J]. 經濟研究， 2020， 55（6）： 105–121.

[26]毛其淋. 貿易政策不確定性是否影響了中國企業進口？[J]. 經濟研究， 2020， 55（2）： 148–164.

[27]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.

[28]申宇， 任美旭， 趙靜梅. 經濟政策不確定性與銀行貸款損失準備計提[J]. 中國工業經濟， 2020（4）： 154–173.

[29]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.

[30]田國強， 李雙建. 經濟政策不確定性與銀行流動性創造：來自中國的經驗證據[J]. 經濟研究， 2020， 55（11）： 19–35.

[31]王博， 李力， 郝大鵬. 貨幣政策不確定性、違約風險與宏觀經濟波動[J]. 經濟研究， 2019， 54（3）： 119–134.

[32]王紅建， 李青原， 邢斐. 經濟政策不確定性、現金持有水平及其市場價值[J]. 金融研究， 2014（9）： 53–68.

[33]王偉光， 馬勝利， 姜博. 高技術產業創新驅動中低技術產業增長的影響因素研究[J]. 中國工業經濟， 2015（3）： 70–82.

[34]王永進， 盛丹， 李坤望. 中國企業成長中的規模分布——基于大企業的研究[J]. 中國社會科學， 2017（3）： 26-47+204-205.

[35]吳先明， 張楠， 趙奇偉. 工資扭曲、種群密度與企業成長：基于企業生命周期的動態分析[J]. 中國工業經濟， 2017（10）： 137–155.

[36]謝杰， 陳鋒， 陳科杰， 戴趙瓊. 貿易政策不確定性與出口企業加成率：理論機制與中國經驗[J]. 中國工業經濟， 2021（1）： 56–75.

[37]徐尚昆， 鄭辛迎， 楊汝岱. 國有企業工作經歷、企業家才能與企業成長[J]. 中國工業經濟， 2020（1）： 155–173.

[38]徐欣， 唐清泉. 技術研發、技術引進與企業主營業務的行業變更——基于中國制造業上市公司的實證研究[J]. 金融研究， 2012（10）： 193–206.

[39]葉振宇， 莊宗武. 產業鏈龍頭企業與本地制造業企業成長：動力還是阻力[J]. 中國工業經濟， 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現金持有[J]. 經濟學（季刊）， 2019， 18（3）： 987–1010.

[41]余泳澤， 郭夢華， 胡山. 社會失信環境與民營企業成長——來自城市失信人的經驗證據[J]. 中國工業經濟， 2020（9）： 137–155.

[42]張龍， 隋建利， 申瑛琦. 貿易政策不確定性惡化了貿易條件嗎：宏觀表象與計量檢驗[J]. 財貿經濟， 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成長——基于長三角工業企業的實證[J]. 中國工業經濟， 2012（9）： 77–88.

[44]趙珂. 中國貨幣政策不確定性：驅動因素、傳導效應與政策協同調控[D]. 吉林大學， 2022.

[45]趙陽， 吳一平， 楊國超. 體制內關系、創業規模與新創企業成長[J]. 財經研究， 2020， 46（7）： 79–92.

[46]中國銀保監會. 持之以恒防范化解重大金融風險[J]. 求是， 2022（10）： 30–35.

[47]周黎安. 中國地方官員的晉升錦標賽模式研究[J]. 經濟研究， 2007（7）： 36–50.

[48]朱斌， 呂鵬. 中國民營企業成長路徑與機制[J]. 中國社會科學， 2020（4）： 138-158+207.

[49]朱奕蒙， 徐現祥. 創業的宏觀環境對企業的長期影響：中國工業企業的證據[J]. 世界經濟， 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