央行擔保品擴容是否影響企業投資風險偏好？

摘" "要：央行擔保品政策作為貨幣政策對企業融資增信的重要工具，其影響日益受到關注。基于企業投資風險偏好的視角，通過文本挖掘技術從海量的年報文本信息中構造企業投資風險偏好指數，并利用DID方法分析央行擔保品政策對企業投資風險偏好的影響。研究表明，央行擔保品擴容顯著地提升了企業投資風險偏好。機制檢驗發現，政策效應源于其對2013年后發行AAA級債券的企業具有“成本激發效應”與“規模輻射效應”。此外，政策效應還受企業所在地區、企業規模、行業以及高管背景的影響。本文主要關注了央行擔保品擴容帶來的潛在風險，對全面評估央行擔保品政策的經濟影響、完善貨幣政策框架具有參考意義。

關鍵詞：央行擔保品政策；企業投資；風險偏好；文本挖掘

中圖分類號：F832" "文獻標識碼：A" 文章編號：1674-2265（2024）12-0003-13

DOI：10.19647/j.cnki.37-1462/f.2024.12.001

一、引言

從2012年底開始，為應對國際資本流動、財政支出變化等因素的擾動，中國人民銀行不斷推出結構性貨幣政策，調整基礎貨幣投放方式，以滿足經濟發展對貨幣的需求。結構性貨幣政策不僅兼具貨幣總量控制與結構優化的功能，而且是我國利率體系定價的核心，已成為我國貨幣政策框架內的核心工具。以中期借貸便利為代表的結構性貨幣政策通過招標方式開展，并要求符合宏觀審慎管理要求的商業銀行、政策性銀行等金融機構提供國債、中央銀行（以下簡稱“央行”）票據、政策性金融債、高等級信用債等優質債券作為合格質押品。質押品作為結構性貨幣政策的必要條件，其認可范圍構成了央行擔保品框架。中國人民銀行在2013年把AAA級的公司信用類債券納入央行擔保品框架內，使貨幣政策與企業債券發行行為直接掛鉤（鄧偉等，2024）[1]。納入央行擔保品框架使債券額外獲得了央行的擔保，發揮著央行對債券的增信功能（黃振和郭曄，2021）[2]，影響了債券市場表現和發行單位的融資行為，行使著獨特的政策職能。

那么，央行擔保品政策能否進一步影響債券融資后的資金用途，尤其是企業的投資行為？這是央行擔保品政策對企業債券的外延影響，也是貨幣政策作用于實體經濟的重要傳導機制。在我國強化金融服務實體經濟的宗旨下，這一問題的回答對更全面地評估央行擔保品政策的影響，提升貨幣政策服務實體經濟的有效性具有重要意義。

現有研究主要關注了央行擔保品政策對企業債券融資成本（黃振和郭曄，2021；王永欽和吳嫻，2019）[2，3]與融資規模（郭曄和房芳，2021；鄧偉等，2022；王遂昆和董晨曦，2023）[4-6]的影響，而較少關注企業在獲取低成本、大規模的債務融資后的資金用途。因此，我國央行擔保品政策對企業投資行為的影響亟待檢驗。鄧偉等（2024）[1]研究得出，將企業信用債券納入央行擔保品框架的政策提升了我國企業實體投資。央行擔保品擴容政策在提升企業融資能力的同時，也將影響企業的風險偏好。企業的風險偏好因時而變，低融資約束將提升企業投資風險偏好（Bauer等，2023）[7]。風險偏好的提高雖然將帶來經濟的繁榮，但是同時可能影響金融穩定（Lian等，2019）[8]。然而，現有文獻尚未研究央行擔保品政策對企業投資風險偏好的影響。因此，本文以海量的企業年報為基礎，借鑒文本挖掘技術，量化企業投資風險偏好。在此基礎上，運用DID方法分析2013年把AAA級公司信用類債券納入央行擔保品框架這一準自然實驗是否影響企業投資風險偏好。

本文主要的邊際貢獻在于：第一，本文創新性地利用文本挖掘技術，將企業年報這一文本信息轉化為數字化的企業投資風險偏好指數，為企業投資風險偏好的時空對比提供了可視化的基礎。第二，在量化企業投資風險偏好的基礎上，本文利用DID方法研究了央行擔保品政策對企業投資風險偏好的影響，為分析央行擔保品政策的經濟效果提供了新的視角。不同于以往研究中主要突出央行擔保品擴容的有利性，本文主要關注了央行擔保品政策的潛在風險。第三，本文研究內容也有助于政策制定者根據不同企業的特點制定差異化政策，提高政策的針對性和有效性。

二、文獻回顧和研究假設

（一）文獻回顧

1. 央行擔保品政策的經濟影響。2008年金融危機嚴重沖擊了實體經濟，同時也導致了傳統貨幣政策瀕臨失效，市場信心崩潰，貨幣傳導機制失效（劉沖等，2022）[9]。中國借鑒歐美國家的做法，從2013年開始陸續推出了短期流動性調節工具（SLO）、常備借貸便利（SLF）、抵押補充貸款（SLF）、中期借貸便利（MLF）等新型貨幣政策工具。這些期限長短不一、職能不同的新型貨幣政策工具普遍以質押方式操作，即金融機構需要以央行認可的合格質押品為條件，從央行獲取基礎貨幣。因此，央行認可的合格質押品構成的央行擔保品框架影響了金融機構獲取基礎貨幣的能力與條件，對合格質押品的市場表現、企業融資行為、企業投資等均具有明顯影響，發揮著獨特的政策作用。

Pelizzon等（2024）[10]的研究顯示，納入歐元體系擔保品框架能夠降低公司債券利率和改善公司債券的流動性。黃振和郭曄（2021）[2]基于中國數據的研究表明，央行擴展擔保品框架顯著降低了合格擔保品債券的信用利差。陳國進等（2021）[11]進一步指出，綠色債券被納入央行合格擔保品后，有助于降低綠色企業的融資成本，促進綠色創新，并推動棕色企業的轉型。擔保品政策不僅直接影響債券市場表現，也對實體經濟產生了深遠影響。De Santis和Zaghini（2021）[12]對歐洲央行的企業部門購買計劃（主要是非金融企業投資級債券）的研究表明，歐洲央行的企業部門購買計劃提升了企業的資本支出和無形資產投資。基于商業信用的視角，鄧偉等（2024）[1]研究發現央行擔保品政策通過納入AAA級公司信用類債券，有效促進了企業商業信用融資，并對企業商品采購、產品銷售、投資規模、盈利水平等實際經濟行為產生積極影響。然而，也有少量文獻關注擔保品框架的潛在風險。Nyborg（2017）[13]基于歐元體系的擔保品框架，發現擔保品框架促進了風險較高與流動性不足的抵押品的發展，并損害了市場規律。Lengwiler和Orphanides（2024）[14]也認為，適度靈活的擔保品政策有助于穩定市場，減輕財政壓力，但是過嚴的擔保品政策可能增加違約風險。

2. 風險偏好的測度。現有企業投資風險偏好的測度主要圍繞企業高管的風險偏好展開。Caliskan和 Doukas（2015）[15]、Chowdhury等（2023）[16]等采用股票期權的delta和vega來表示CEO的風險偏好，高delta表示CEO更保守，而高vega則表示CEO具有較高的風險承受能力。Brenner（2015）[17]則通過1996—2008年的美國期權行權數據，采用主觀期權估值模型測度了近7000名高管的風險偏好。實驗法也是一種測度個人風險偏好的方法。比如，通過統計被測試者在不同彩票之間反復選擇的結果推斷個人風險偏好（Eckel和Grossman，2002；Crosetto和Filippin，2013）[18，19]。然而，被測試者可能難以理解彩票問題中涉及的一些概念，導致一些參與者做出不一致的選擇（Dave等，2010）[20]。問卷調查法也是較為普遍的風險偏好測度方法。Opper等（2017）[21]在2006年和2009年抽樣調查了長江三角洲地區七個城市的私有企業CEO的風險偏好。Caliendo等（2024）[22]也采用抽樣調查法測度了德國企業管理者的風險偏好。此外，還有文獻以CEO持股比例（徐高彥和張婷婷，2024）[23]、資產比重（王鋒正等，2022）[24]等財務指標來度量管理者的風險偏好。

3. 貨幣政策與企業投資風險偏好。貨幣政策工具通過利率傳導機制直接影響企業的融資成本，進而影響企業的投資風險偏好和決策。經濟行為者承擔風險的意愿會受到貨幣政策立場的影響，寬松政策與風險偏好增加有關，而緊縮政策與風險偏好降低有關（Bauer等，2023）[7]。從企業杠桿順周期的角度來看，在經濟繁榮時期，企業傾向于增加杠桿以擴大生產和投資規模。在寬松貨幣政策的推動下，企業會更加積極地運用杠桿，追求風險以獲取更多的投資機會和市場份額（雒敏和聶文忠，2012）[25]。從風險傳導的角度來看，貨幣政策存在風險傳導效應。寬松的貨幣政策會降低企業的風險管理效率，導致銀行與企業的風險偏好趨同，從而加劇風險的積累和傳遞（林朝穎等，2014）[26]。對于處于復蘇期的經濟體而言，如果其他扭曲導致風險承擔太少，那么風險承受能力的適度提高將促進貸款和經濟復蘇（Kuttner，2018；Chodorow-Reich，2014）[27，28]。

概而言之，現有文獻主要探討了傳統貨幣政策與企業投資風險偏好之間的關系，尚未分析央行擔保品擴容對企業投資風險偏好的影響。對企業投資風險偏好的測量通常依賴于問卷調查、高管特征和企業財務數據等間接手段，雖然這些測算方式能在一定程度上反映企業的風險偏好，但是難以對企業投資風險偏好進行時空對比。為此，本文借鑒文本挖掘技術，將企業年報的文本信息轉化為數字化的企業投資風險偏好指數，并分析央行擔保品擴容對企業投資風險偏好的影響。

（二）研究假設

1. 央行擔保品擴容政策與企業投資風險偏好。央行擔保品擴容使得公司信用類債券能夠充當結構性貨幣政策操作時的質押品。與傳統貨幣政策工具相比，央行擔保品擴容能夠更直接地影響企業債券的發行成本和二級市場表現，對微觀企業的影響更為迅速有效。從作用方向來看，央行擔保品擴容能夠為企業提供更多的融資機會和降低融資成本（黃振和郭曄，2021）[2]。因此，央行擔保品擴容屬于寬松型貨幣政策。正如現有文獻所總結，寬松型貨幣政策能夠提升企業投資風險偏好。基于此，本文提出研究假設1：

研究假設1：隨著央行將AAA級公司信用類債券納入擔保品框架中，企業投資風險偏好提高。

2.“成本激發效應”和“規模輻射效應”。在“成本激發效應”方面，央行擔保品擴容主要通過債務融資成本影響企業投資風險偏好。央行將公司信用債券納入合格擔保品，降低了信貸成本（鄧偉等，2023）[29]。由于邊際成本的降低，企業更傾向于增加投資，尤其是評級較高、風險較低的企業（Ottonello和Winberry，2020）[30]。面對低資金成本，企業在投資決策上應該是選擇低風險項目還是高風險項目呢？理論上，低風險項目往往具有低收益的特征，如果項目收益能夠償還低成本的資金，那么低風險項目依然具有一定的盈利能力，且成功率較高。然而，現實中的企業投資決策可能并非如此。Hirth和Viswanatha（2011）[31]的研究發現，現金緊張或未來現金流風險較高的情境下，低現金公司更可能避免投資，而融資成本較低的公司可能更傾向于冒險投資于次優項目。也就是說，央行擔保品擴容屬于寬松型貨幣政策，能夠降低市場利率和企業的融資成本，達到刺激經濟的效果。而低利率環境可能并不會促使個人或企業采取保守的決策，相反，會促使個人或企業采取激進的決策。究其原因，正如Lian等（2019）[8]的研究所強調，低利率環境可以通過兩種機制提升風險偏好——“依賴性”和“顯著性”。前者指當利率降至心理期望水平以下時，投資者會感到不適，并更愿意投資于風險資產以尋求更高的回報，期望重新獲得前期投資收益率。后者則指在不同利率環境下，風險資產較高平均回報率的“顯著性”可能會影響投資者的決策。比如，在無風險利率為1%的低利率環境下6%的風險資產收益率要比在無風險利率為5%的高利率環境下10%的風險資產收益率更具吸引力。這是因為6/1比10/5更大、更具“顯著性”。

在“規模輻射效應”方面，央行擔保品擴容主要通過提升企業可用資金規模影響企業投資風險偏好。央行擔保品擴容政策能夠增加企業融資規模，進而提升可使用資金數量，而充足的資金能夠讓企業滿足更多投資項目的需求，包括較高風險的項目。McLean和Zhao（2014）[32]探討了金融市場條件對實體經濟的影響，發現融資約束的寬松程度會影響企業的投資決策，相對寬松的融資約束條件將促使企業傾向于追求更高的風險，而外部融資難度提升時，企業會選擇規避風險，從而放棄部分高風險的投資項目。在資金充足情況下，企業也可以選擇將多余的資金閑置，避免過度投資。但是越來越多的證據表明，以CEO為代表的決策層往往具有過度自信的特征，容易高估投資項目的回報率，盡力耗盡企業的資金（Malmendier和Tate，2015）[33]。Aktas等（2019）[34]的研究也表明，在融資約束緩解的情況下，過度自信的CEO會降低現金持有水平。此外，央行擔保品擴容不僅改善了企業債券的市場表現，還進一步影響了銀行信貸投放，增加了企業的信貸融資規模（鄧偉等，2023）[29]。從金融機構角度來講，寬松的貨幣政策環境鼓勵金融機構提高風險容忍度，使得一些高風險但可能帶來高回報的項目或投資受到更多的關注，導致投資流向高風險領域（Barrell等，2010）[35]。而金融機構愿意承擔更大風險的原因是，寬松的貨幣政策有利于改善宏觀經濟，進而降低資產的信貸風險，即金融機構冒險行為是有益的。換言之，寬松的貨幣政策環境下，高風險容忍度是金融機構的理性選擇，這同時也會促使企業增加風險投資，強化其風險投資偏好。

基于上述分析，本文進一步提出研究假設2：

研究假設2a：央行擔保品擴容通過“成本激發效應”提高企業投資風險偏好。

研究假設2b：央行擔保品擴容通過“規模輻射效應”提高企業投資風險偏好。

三、樣本數據與模型設定

（一）企業投資風險偏好指數

1.企業投資偏好指數的測算過程。由于缺乏直接度量企業投資風險的指標，本文主要以企業年度報告為文本信息，通過文本挖掘技術構造企業投資風險偏好指數。企業年度報告作為上市公司管理層與外部投資者溝通的重要媒介，涵蓋了公司管理層對行業趨勢的洞察、市場競爭的分析、風險管理的策略等關鍵信息，其中的語言表述、措辭選擇等反映了公司的價值觀、企業文化和市場定位。現有文獻結合機器學習模型，從情感語調、可讀性、前瞻性等角度分析年報文本的價值（Li，2010）[36]。根據Cheng等（2024）[37]的構建方法，本文將巨潮資訊網上2006—2022年非ST企業年報作為研究對象，通過文本挖掘技術構建企業投資風險偏好指數，具體構造過程如下。

首先是文本的預處理。本文利用Python程序爬取巨潮資訊網5682家企業2006—2022年共47792份年報①，并利用Python程序將PDF格式的年報轉化為可處理的文本信息。在此基礎上，通過對文本進行清洗和預處理，包括去除停用詞、標點符號、特殊字符、HTML標簽等，以及根據Jieba中文分詞模塊進行分詞，形成有關企業投資風險偏好的文本詞典。

其次是有關風險的詞頻統計。借鑒Cheng等（2024）[37]等的做法，本文將風險偏好劃分為追求風險與風險規避兩種形式，并構造共78個相關詞匯。同時，參考陳良源等（2021）[38]構造央行溝通指數時的做法，通過Jieba中文分詞模塊進行詞頻統計，以雙層比較的形式篩選出追求風險與風險規避兩種類型的關鍵詞匯，保留具有顯著差異的詞匯，剔除“高風險、高回報、高收益、低風險、低回報、低收益”等中性詞語以及低頻詞匯，最終確定追求風險與風險規避各10個關鍵詞。

再次是詞頻權重的計算。在統計詞匯頻率的基礎上，本文結合程宏偉等（2024）[39]的處理方式，進一步計算關鍵詞頻的權重m，計算公式如下：

[ma，i=[（1+log（Ka，i））（1+log（Yi））]×logNHa，if" "Ka，i≥10，if" Ka，ilt;1]

（1）

其中，[N]代表樣本企業的報告總數量；[Ha]表示含有詞匯[a]的報告數量；[Ka，i]表示[i]企業公布的報告中包括詞匯[a]的詞頻；[Yi]表示[i]企業發布的報告總篇幅。最終詞匯權重計算結果如表1所示。

最后是企業投資風險偏好指數的構建。其計算方法如下：

[INVi，t=i=1k nobs（xi，t）-meanobs（xi）stdv（xi）signximxi]

（2）

其中，[nobs（xi，t）]代表詞匯[i]在[t]期報告出現的頻率，[meanobs（xi）]代表在所有報告中出現頻率的平均值，[stdv（xi）]代表每個報告出現頻率的標準差，[mxi]為各個措辭的權重，[signxi]為措辭對應的符號，[INVi，t]表示企業投資風險偏好指數。

2. 企業投資偏好指數的測算結果。由圖1②可知，2008—2021年企業投資風險偏好整體呈現上升趨勢③。

此外，為了判斷測算結果的合理性，本文進一步將測算結果與企業債務違約風險和企業實際風險投資進行對比。從企業債務違約風險角度來看，企業投資風險偏好提升將增加投資失敗的概率，進而導致償債能力下降，甚至債務違約。因此，企業債務違約風險與企業投資風險偏好是正相關的。從企業實際風險投資角度來看，通過企業年報文本挖掘得到的企業投資風險偏好較高，那么企業實際風險投資也應較高，即兩者存在正相關關系。

本文參考了Merton（1974）[40]的經典DD模型，用企業債務違約距離來衡量其違約風險。該指標越大，表明企業債務違約風險越低。基于每年對各企業債務違約距離的測算，企業投資風險偏好與違約距離之間的負相關性顯著，相關系數為-0.5156。企業債務違約距離的年度平均數據見圖1。同時，企業投資風險偏好與實際風險投資規模之間則表現出顯著的正相關關系，相關系數為0.2508④。圖2展示了企業投資風險偏好與實際風險投資規模的年度平均數據。由此可知，本文測算得到的企業投資風險偏好指數較合理。

（二）其他數據說明與總體的統計描述

在2013年初，央行首次將AAA級公司信用類債券納入央行擔保品框架；2018年6月，央行又進一步納入了不低于AA級的小微、綠色和“三農”金融債券以及AA+、AA級公司信用類債券。2018年6月央行擔保品框架再次擴容使得沒有包含在央行擔保品框架內的企業債券較少，即DID模型設計中實驗組與對照組樣本量嚴重不對稱，這可能導致估計結果的嚴重偏誤。另外，企業高管決策是影響企業投資風險偏好的一個重要因素，而大多數企業從2008年才開始披露董事會成員的信息。因此，本文的樣本統一為2008—2017年發行企業債券的A股上市公司。

本文對樣本進行了如下篩選：剔除了重要變量數據缺失的企業樣本；剔除了ST企業樣本；剔除了發行期限為“X+Y”型（到期期限不確定）、利率類型為“累進利率”（利率隨時間變化）的樣本。同時，本文對連續變量進行上下1%的縮尾處理。最終樣本為8144個企業—年度非平衡面板數據。

表2給出了變量定義與說明。由于企業投資風險偏好受到多種因素的影響，本文借鑒袁知柱等（2014）[41]、顧夏銘等（2018）[42]、黃振和郭嘩（2021）[2]、王桂虎等（2024）[43]的做法，引入企業規模（LnA）、企業性質（SOE）、長期負債（LTD）、第一大股東持股比例（SCPS）、企業年齡（ListingAge）、資產負債率（LEV）、債券發行期限（Term）、擔保性質（Assurance）、M2增長率（M2_growth）、GDP增長率（GDPRate）作為控制變量。其中，企業財務、董事會成員信息及宏觀經濟數據來自國泰安數據庫，企業債券數據來自萬得數據庫。表3給出了相關變量的描述性統計。

（三）模型設定

1. 基準模型。本文設定雙重差分模型（DID）如下：

[INVi，t=α0+α1Treati×Postt+α2Treati+α3Postt+α4Controli，t+μi+δt+εi，t] （3）

其中，[Treati]表示債券是否納入擔保品框架，若債券評級屬于AAA級，其所在發行企業則為實驗組，[Treati]取1，若債券評級達不到AAA級，其所在發行企業則為對照組，[Treati]取0。[Postt]為央行擔保品擴容時間，在2013年及之后取1，否則取0。[μi]、[δt]分別為個體固定效應和時間固定效應。[εi，t]為隨機擾動項。[Controli，t]為控制變量。本文關注的是[Treati×Postt]系數的[α1]，旨在分析央行擔保品擴容后，發行過AAA級債券的企業投資風險偏好相較于未發行過的企業是否發生變化。

2. 中介效應模型。為驗證“成本激發效應”，本文構建如下模型：

[Costi，t=β0+β1Treati×Postt+β2Treati+β3Postt+β4Controli，t+μi+δt+εi，t] （4）

其中，[Costi，t]為融資成本。參考劉夢莎等（2023）[44]的做法，融資成本用企業財務費用占長短期債務總額的比重來衡量，[Costi，t]越小，說明企業的融資成本越低。

為檢驗“規模輻射效應”，本文構建如下模型：

[Financingi，t=η0+η1Treati×Postt+η2Treati+η3Postt+η4Controli，t+μi+δt+εi，t] （5）

其中，[Financingi，t]采取兩種方式度量，包括融資可得性[Loani，t]和融資規模[Costsizei，t]。融資可得性參考了黃少卿等（2022）[45]的研究，采用企業向銀行借款（長期和短期）的總和與總資產的比值作為衡量指標，其值越大表明企業融資可得性越高。融資規模則通過企業收到的現金與總資產的比值來評估，其值越大表示融資規模越大。

四、實證結果分析

（一）基準回歸結果

央行擔保品擴容對企業投資風險偏好的影響結果見表4。表4第（1）列中，在未加入控制變量的情況下，交互項Treat×Post的系數在1%水平上顯著為正，初步表明央行擔保品擴容與企業投資風險偏好之間存在正向關系。引入控制變量后，第（4）列的結果顯示，Treat×Post的系數仍在1%水平上顯著為正，進一步證實了央行擔保品擴容顯著提升了企業的投資風險偏好。

（二）穩健性檢驗

1. 平行趨勢檢驗。進行DID分析的前提是政策實施前后實驗組與對照組之間必須存在顯著差異。這意味著政策實施前，兩組的變化趨勢不顯著，但在政策實施后則出現明顯差異。平行趨勢檢驗結果見圖3。從圖3可以看出，在政策實施之前，實驗組與對照組企業投資風險偏好沒有顯著差異，在政策實施后，兩組在投資風險偏好上則出現了明顯差異。這一結果說明央行擔保品擴容的實施對企業投資風險偏好產生了積極影響。

2. 替換被解釋變量。在前文被解釋變量INV的構建過程中，關鍵詞詞頻的標準差[stdvxi]是每個報告出現頻率的標準差。本文進一步通過計算關鍵詞詞頻的累計加權標準差，重新構造了風險偏好指數，以檢驗結果是否穩健。表5第（1）和（2）列結果顯示，Treat×Post的系數仍在1%的水平上顯著為正，結果是穩健的。

3. 控制時間趨勢。考慮到時間因素和政策實施后可能產生的動態效應，本文在參考Li等（2016）[46]研究的基礎上，引入了控制變量與年份（year）的交互項。表5第（3）和（4）列結果顯示，Treat×Post的系數在1%的水平上顯著為正。

4. 調整樣本時間區間。2018年6月，央行對擔保品再一次進行了擴容。由于央行擔保品再一次擴容把更多企業債券納入央行擔保品框架，低于AA級的債券樣本量變得極少。因此，本文將樣本擴充至2018年。同時，在原有樣本的基礎上，剔除2013年的樣本以減少誤差。表6第（1）—（4）列的結果顯示，在調整樣本時間后，Treat×Post的系數在1%的水平上顯著為正，2013后發行AAA級債券的企業的投資風險偏好更高。

5. 安慰劑檢驗。為了驗證2013年后企業投資風險偏好的變化是央行擔保品擴容所致，本文在安慰劑檢驗時將2012年作為虛擬政策，模擬一個不存在的政策沖擊，以檢驗觀察到的政策效果是否真實存在，或者是否可能由其他未考慮到的因素所驅動。根據表6第（5）—（6）列結果，在將2012年作為虛擬政策年后，Treat×Post的系數變為不顯著，驗證了本文結果的合理性。

6. 再擴容政策。2018年央行在原有擔保品框架的基礎上，新增了不低于AA級的小微企業、綠色和“三農”金融債券以及AA+、AA級公司信用類債券。這一調整旨在支持小微企業、綠色經濟和“三農”領域的發展，同時增加市場流動性，優化信貸結構。由于2015年央行將地方政府債納入合格擔保品范圍，因此，在分析2018年再擴容政策的效果時將樣本數據年限選擇為2016—2022年。其中，若企業在2018年后發行過AA+、AA級企業債券，Treat1取1，否則取0。Post1為央行擔保品再擴容的實施時間，若在2018年之后則取1，否則取0。結果如表7（1）—（4）列所示，Treat1×Post1的系數在5%的水平上仍顯著為正，相較于第一次擴容，再擴容政策的效果雖然有所減弱，但仍促使企業更加偏好于追求風險，驗證了本文結果的穩健性。

（三）機制檢驗

機制檢驗的結果見表8。表8第（2）列顯示，Treat×Post的系數在1%水平上顯著為負，驗證了央行擔保品擴容降低了企業的債務融資成本。低利率環境容易激發企業從事高風險活動的傾向，以期獲取更高的收益。此外，企業債券納入央行擔保品框架后，其債務融資成本顯著降低，這一變化有效地減輕了企業的財務負擔，緩解了其面臨的財務壓力，提升了企業風險承擔能力。財務壓力的緩解使企業能夠重新分配更多的財務資源至投資領域（Bouchmel等，2024）[47]。在這些效應的作用下，企業傾向于采取更為積極的投資策略，勇于承擔高風險項目以追求更高的投資回報，進而表現為投資風險偏好的提升。

表8第（4）列顯示，Treat×Post的系數在1%水平上顯著為正，第（6）列中Treat×Post的系數在1%水平上顯著為正。結果表明，央行擔保品擴容不僅提高了企業獲得外部資金的概率，還提升了企業融資規模。雖然央行擔保品擴容并不是央行或金融機構直接對企業進行注資，僅僅是對企業債券進行增信，但是企業債券被納入合格擔保品范圍代表著央行對這類企業的政策支持，這會釋放出積極的信號（鄧偉等，2023）[29]，使金融機構增加對這類企業的信貸。因此，央行擔保品擴容不僅拓寬了企業的融資渠道，擴大了其融資的多樣性，還實質性地增加了企業可獲得的資金總量，從而實現對風險投資項目的“規模輻射效應”。因此，研究假設2得以驗證。

（四）異質性分析

1. 不同行業風險異質性。由于行業性質不同，高風險行業內的企業具有高風險投資的傾向。因此，在獲取更多且廉價的資金后，高風險行業的企業理應表現出更強的投資風險偏好。這也能驗證我們構造的企業投資風險偏好指數合理與否。為此，參考葛結根（2018）[48]的做法，本文按《國民經濟行業分類》的代碼進行分類，將其中的第一類與第二類劃分為低風險行業，而將第三類劃分為高風險行業⑤。表9第（1）和（2）列顯示，高風險行業的Treat×Post系數在1%水平上顯著為正，而低風險行業的系數為正但不顯著。這表明，在寬松的貨幣政策環境下，相對于那些低風險偏好的行業，高風險行業由于其資本成本降低和融資條件改善，通常展現出更強的能力和意愿去承擔更高的風險以追求潛在的高收益。

此外，參考肖翔等（2023）[49]對于行業的劃分，本文進一步將行業劃分為資本密集型行業、技術密集型行業與監管密集型行業。表9第（3）—（5）列結果顯示，央行擔保品擴容后，資本密集型與技術密集型行業的Treat×Post系數在1%水平上顯著為正，監管密集型行業則不顯著。原因可能是，資本密集型與技術密集型行業通常對資本和創新有較高要求，其企業相比于監管較嚴的行業，往往展現出更高的投資風險偏好。這種偏好可能源于這些行業對長期增長和潛在高回報的追求以及對技術突破和規模擴張的依賴，從而促使它們愿意接受更高的投資風險以換取更大的市場份額和競爭優勢。

2. 董事會成員背景異質性。企業高管的職業經歷越豐富，企業風險承擔水平越高，在并購戰略上展現出前所未有的果敢與決斷（何瑛等，2019）[50]。認知水平高的董事會成員往往具備更廣泛的信息渠道和豐富的行業經驗，同時接受過專業的風險管理培訓，具備更強的風險管理能力，能夠理解和分析復雜的金融環境和市場趨勢，在決策時更加謹慎和理性。因此，央行擔保品擴容對企業投資風險偏好的影響可能因董事會成員背景的不同而不同。

在趙子夜等（2018）[51]對董事會成員職業經歷的劃分基礎上，本文著重研究董事會成員的認知背景與任職背景對企業投資風險偏好的影響。由表10可知，董事會成員學歷在本科以下、無學術經歷、無金融背景的企業中交互項系數顯著為正。由于對風險認知較低以及可能受到短期利益和市場情緒的影響，該類企業高管存在過度自信，在央行擔保品擴容后更加偏好于追求風險。這也從側面反映出擁有相關學術認知經驗與金融任職背景的董事會成員更懂得風險管理，在決策時更加謹慎和理性。這與何瑛等（2019）[50]的觀點并不一致，可能是因為無金融背景的高管較少受到傳統金融理論和風險規避策略的束縛，從而更愿意嘗試新的商業模式和市場機會，即使這些嘗試伴隨著較高的不確定性。

3. 企業規模異質性。大型企業擁有較強的實力和資源，具備較高的市場份額和影響力，通常能夠通過多種渠道獲取資金支持，并且具有一定的抗風險能力。在央行擔保品擴容使得企業獲得更多外部融資后，大型企業可能更多關注其對市場整體環境和競爭格局的影響，進而調整投資結構。借鑒萬佳彧等（2020）[52]的做法，本文將企業的資產規模按大小分為四個等級，區分為大型企業與中小型企業。本文取前2036家大型企業與后2036家小型企業進行異質性分析。表11第（2）和（4）列的結果顯示，大型企業的Treat×Post系數在1%水平上顯著為正，而小型企業系數為正但不顯著，說明央行擔保品擴容主要影響了大型企業投資風險偏好。

表11：企業規模異質性回歸結果

[變量名 小型企業 大型企業 （1） （2） （3） （4） INV INV INV INV Treat×Post 0.024

（0.07） 0.285

（1.57） 1.396***

（5.22） 1.095***

（3.96） Treat 0.007

（0.02） 0.080

（0.25） -1.730***

（-5.86） -1.459***

（-4.78） Post 1.539***

（3.81） 0.018

（0.06） 0.630***

（2.61） -0.682**

（-2.19） LnA 0.352

（1.57） 0.287

（1.09） 0.359***

（4.81） 0.383***

（4.02） 控制變量 NO YES NO YES 企業固定效應 YES YES YES YES 年度固定效應 YES YES YES YES 常數項 -10.405**

（-2.20） -18.796

（-1.14） -12.870***

（-6.37） 7.666

（0.57） 觀測值 2036 2036 2036 2036 R2 0.853 0.855 0.859 0.866 ]

4. 不同區域的異質性。東部地區，尤其是沿海發達地區，憑借得天獨厚的地理位置、經濟基礎和政策支持，通常能夠更早地接觸和把握國內外市場的動態和機遇，往往擁有較強的市場競爭力和創新意識，因而更愿意承擔風險。相比之下，中西部地區的企業在經濟發展、資源稟賦和市場環境等方面相對較弱，往往面臨著更大的市場壓力和生存挑戰，更加傾向于穩健經營和風險控制。因此，在投資決策時，中西部地區的企業更注重項目的穩定性和可預測性，避免過度冒險和不確定性帶來的風險。本文依據國家統計局對東部、中部和西部地區的劃分標準，將研究樣本劃為東部與中西部地區兩大類別。表12的第（2）和（4）列結果顯示，央行擔保品擴容顯著提升了東部地區企業的投資風險偏好，而對中西部地區的企業投資風險偏好沒有顯著性的影響。

五、結論與啟示

本文基于文本挖掘技術，將海量的企業年報文本信息轉化為數字化、可比較的企業投資風險偏好指數，并應用雙重差分法分析央行擔保品擴容政策這一準自然實驗對企業投資風險偏好的影響。結果顯示：第一，2013年的央行擔保品擴容顯著地提升了發行AAA級債券企業的投資風險偏好；第二，在機制檢驗方面，央行擔保品擴容通過發揮“成本激發效應”和“規模輻射效應”，進而提升了企業從事高風險投資的傾向；第三，央行擔保品擴容對企業投資風險偏好的作用在行業、高管風險偏好、企業規模、地區等方面存在明顯的異質性。

基于上述結論，本文具有以下政策啟示：第一，央行擔保品擴容雖然能夠降低相應企業的融資成本和增加其融資規模，促進相應企業發展，但是也會提升相應企業的投資風險偏好。過高的投資風險偏好可能導致企業投資失敗和企業債券違約的問題，影響金融穩定，需要予以關注。第二，結合異質性檢驗的結論，央行擔保品政策簡單地根據債券評級劃分，可能無法精準地把控政策效果與管控金融風險。央行可以在債券評級的基礎上，進一步考慮發行債券企業所屬行業的風險，甚至企業高管的風險管理經驗，防止企業過度的風險投資。第三，自從2014年我國首只債券違約以來，債券違約數量與金額均大幅提升。甚至許多AAA級企業債券也發生了違約。這不僅直接損害了投資者的利益，而且影響央行擔保品的質量。因此，央行可以對發生債券違約的企業采取一定的懲罰，如發生債券違約的企業日后發行的債券不能用于質押，或者降低其質押率，以降低企業過度風險投資傾向，改善債券融資環境。

注：

①由于央行在2005年12月發布了《關于公司債券進入銀行間債券市場交易流通的有關事項公告》，促進了公司債券在銀行間債券市場的交易流通，且本文的主要解釋變量與債券發行密切相關，債券買賣功能對本文樣本時間選取至關重要，因此債券發行企業數據考慮的是2005年12月之后，相對應地，相關企業的年報數據也應該在2005年12月之后，

②由于無法展示所有企業每年的投資風險偏好，我們僅展示所有企業投資風險偏好的年度平均數據。

③為了與后文的數據期限匹配，我們在此只展示2008年后的數據。

④企業風險投資金額數據來源于CVSource投中數據庫。

⑤《國民經濟行業分類》中農林牧漁業、基本公共服務行業、非技術服務行業、教育業、住宿和餐飲業、批發和零售業與文體行業等劃分為低風險行業，其余技術更新快、市場競爭激烈、投入成本高等的行業為高風險行業。

參考文獻：

[1]鄧偉，楊紅霞，劉沖.央行擔保品政策如何支持實體經濟？——基于商業信用的視角 [J].管理世界，2024，40（02）.

[2]黃振，郭曄.央行擔保品框架、債券信用利差與企業融資成本 [J]. 經濟研究，2021，56（01）.

[3]王永欽，吳嫻.中國創新型貨幣政策如何發揮作用：抵押品渠道 [J]. 經濟研究，2019，54（12）.

[4]郭曄，房芳.新型貨幣政策擔保品框架的綠色效應[J]. 金融研究，2021，（01）.

[5]鄧偉，歐陽志剛，楊國超，肖賽.中國借貸便利工具有效性研究——來自銀行信貸投放的證據 [J]. 經濟學（季刊），2022，22 （06）.

[6]王遂昆，董晨曦.央行擔保品綠色金融政策如何助力企業綠色轉型 [J].金融與經濟，2023，（07）.

[7]Bauer M D，Bernanke B S，Milstein E. 2023. Risk Appetite and the Risk-Taking Channel of Monetary Policy[J].Journal of Economic Perspectives，37（1）.

[8]Lian C，Ma Y，Wang C. 2019. Low Interest Rates and Risk-Taking： Evidence from Individual Investment Decisions [J].The Review of Financial Studies，32（6）.

[9]劉沖，龐元晨，劉莉亞.結構性貨幣政策、金融監管與利率傳導效率——來自中國債券市場的證據 [J].經濟研究，2022，57（01）.

[10]Pelizzon L，Riedel M，Simon Z，Subrahmanyam MG. 2024. Collateral Eligibility of Corporate Debt in the Eurosystem [J]. Journal of Financial Economics，153.

[11]陳國進，丁賽杰，趙向琴，蔣曉宇.中國綠色金融政策、融資成本與企業綠色轉型——基于央行擔保品政策視角 [J].金融研究，2021，（12）.

[12]De Santis R A，Zaghini A. 2021. Unconventional Monetary Policy and Corporate Bond Issuance [J].European Economic Review，135.

[13]Nyborg K G. 2017. Reprint of：Central Bank Collateral Frameworks [J].Journal of Banking amp; Finance，83.

[14]Lengwiler Y，Orphanides A. 2024. Collateral Framework：Liquidity Premia and Multiple Equilibria [J]. Journal of Money，Credit and Banking，56（2-3）.

[15]Caliskan D，Doukas J A. 2015. CEO Risk Preferences and Dividend Policy Decisions [J].Journal of Corporate Finance，35.

[16]Chowdhury R，Doukas J A，Mandal S. 2023. CEO Risk Preferences，Hedging Intensity，and Firm Value [J]. Journal of International Money and Finance，130.

[17]Brenner S. 2015. The Risk Preferences of US Executives [J].Management Science，61（6）.

[18]Eckel C C，Grossman P J. 2002. Sex Differences and Statistical Stereotyping in Attitudes Toward Financial Risk [J].Evolution and Human Behavior，23（4）.

[19]Crosetto P，Filippin A. 2013. The \"Bomb\" Risk Elicitation Task [J].Journal of risk and uncertainty，47.

[20]Dave C，Eckel C C，Johnson C A，Rojas C. 2010. Eliciting Risk Preferences：When is Simple Better？ [J].Journal of Risk and Uncertainty，41.

[21]Opper S，Nee V，Holm H J. 2017. Risk Aversion and Guanxi Activities：A Behavioral Analysis of CEOs in China [J].Academy of Management Journal，60（4）.

[22]Caliendo M，Cobb-Clark D A，Pfeifer H，Uhlendorff A，Wehner C. 2024. Managers' Risk Preferences and Firm Training Investments [J]. European Economic Review，161.

[23]徐高彥，張婷婷.公司自媒體可以提供更多的指導性信息嗎？——基于企業微信公眾號技術創新披露的文本分析 [J].經濟管理，2024，46（06）.

[24]王鋒正，趙宇霞，夏嘉欣.異質環境政策、高管風險偏好與綠色技術創新——基于中國重污染上市公司的實證研究 [J].科研管理，2022，43（11）.

[25]雒敏，聶文忠.財政政策、貨幣政策與企業資本結構動態調整——基于我國上市公司的經驗證據 [J]. 經濟科學，2012，（05）.

[26]林朝穎，黃志剛，石德金.貨幣政策對企業風險管理的影響研究 [J].財經論叢，2014，（06）.

[27]Kuttner K N. 2018. Outside the Box：Unconventional Monetary Policy in the Great Recession and Beyond[J].Journal of Economic Perspectives，32（4）.

[28]Chodorow-Reich G. 2014. Effects of Unconventional Monetary Policy on Financial Institutions [R].National Bureau of Economic Research.

[29]鄧偉，李語彤，劉敏，楊國超.央行擔保品政策創新的信貸融資效應研究 [J].財經研究，2023，49（05）.

[30]Ottonello P，Winberry T. 2020. Financial Heterogeneity and the Investment Channel of Monetary Policy [J]. Econometrica，88（6）.

[31]Hirth S，Viswanatha M. 2011. Financing Constraints，Cash-Flow Risk，and Corporate Investment [J]. Journal of Corporate Finance，17（5）.

[32]McLean R D，Zhao M. 2014. The Business Cycle，Investor Sentiment，and Costly External Finance [J].The Journal of Finance，69（3）.

[33]Malmendier U，Tate G. 2015. Behavioral CEOs： The role of Managerial Overconfidence [J].Journal of Economic Perspectives，29（4）.

[34]Aktas N，Louca C，Petmezas D. 2019. CEO Overconfidence and the Value of Corporate Cash Holdings [J]. Journal of Corporate Finance，54.

[35]Barrell R，Davis E P，Karim D，Liadze I. 2010. Bank Regulation，Property Prices and Early Warning Systems for Banking Crises in OECD Countries [J].Journal of Banking amp; Finance，34（9）.

[36]Li F. 2010. The Information Content of Forward‐Looking Statements in Corporate Filings-A Na?ve Bayesian Machine Learning Approach [J].Journal of Accounting Research，48（5）.

[37]Cheng C，Huang B，Wang Y，Hu L. 2024. Military Background Officials，Risk Awareness，and Local Government Fiscal Balance：Novel Evidence from Text Analysis of Chinese Local Officials' News Reports [J].China Economic Review，85.

[38]陳良源，林建浩，王少林，詹焯揚.央行溝通對于貨幣政策實際干預的預測能力研究 [J].統計研究，2021，38（01）.

[39]程宏偉，馮藝，董丁瑞.企業綠色沉默能否對沖碳風險溢價？[J].證券市場導報，2024，（02）.

[40]Merton R C. 1974. On the Pricing of Corporate Debt：The Risk Structure of Interest Rates [J].Journal of Finance，29（2）.

[41]袁知柱，王澤燊，郝文瀚.機構投資者持股與企業應計盈余管理和真實盈余管理行為選擇 [J].管理科學，2014，（05）.

[42]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，（02）.

[43]王桂虎，侯懿芮，郭金龍.資管新規緩解保險企業投資扭曲了嗎？ [J].保險研究，2024，（02）.

[44]劉夢莎，邵淇，阮青松.數字化轉型對企業債務融資成本的影響研究 [J].財經問題研究，2023，（01）.

[45]黃少卿，俞錦祥，許志偉.杠桿率與企業生產率：基于信貸誤配的視角 [J].中國工業經濟，2022，（09）.

[46]Li P，Lu Y，Wang J. 2016. Does Flattening Government Improve Economic Performance？ Evidence from China[J].Journal of Development Economics，123.

[47]Bouchmel I，Ftiti Z，Louhich W，Omri A. 2024. Financing Sources，Green Investment，and Environmental Performance：Cross-Country Evidence [J].Journal of Environmental Management，353（2）.

[48]葛結根.社會保險繳費對工資和就業的轉嫁效應——基于行業特征和經濟周期的考察 [J].財政研究，2018（08）.

[49]肖翔，王晉梅，董香書.數字化轉型如何影響制造業實質性創新？——基于“數字賦能”與“數字鴻溝”的視角 [J].浙江大學學報（人文社會科學版），2023，53（10）.

[50]何瑛，于文蕾，楊棉之.CEO復合型職業經歷、企業風險承擔與企業價值 [J].中國工業經濟，2019，（09）.

[51]趙子夜，楊慶，陳堅波.通才還是專才： CEO的能力結構和公司創新 [J].管理世界，2018，34（02）.

[52]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新 [J].經濟評論，2020，（01）.