貨幣政策不確定性如何影響企業投資效率

摘 要：為應對當今世界經濟復雜變化，我國貨幣政策調整速度和頻次有所加快，市場主體的預期與行為將不可避免地受到影響。文章基于我國2007—2022年滬深A股上市企業數據樣本，采用TVP-SV-FAVAR模型、主成分分析法與MCMC算法估計中國貨幣政策不確定性，并結合實物期權理論框架，實證分析對企業投資效率的影響。研究發現，貨幣政策不確定性提升會顯著增大企業非效率投資，企業可能出現投資過度或投資不足的現象，導致經濟效率的損失。經過替換關鍵變量、排除系統性偏差和剔除經濟波動后，結果依舊支持初步發現，并通過工具變量法和雙重差分法緩解了內生性問題。作用機制分析表明，貨幣政策不確定性提升，通過降低融資便捷度、惡化金融資源配置、提高現金流不確定性水平三條路徑增加企業非效率投資，拓展了貨幣政策傳導的研究邊界。異質性分析顯示，貨幣政策不確定性會同時引起企業投資過度與不足，對民營企業、東中部地區企業及高科技企業非效率投資的影響更為顯著，深化對貨幣政策執行效果的理論研究。在此基礎上，提出構建常態化溝通機制、創新多元化融資方式、完善層級化政策評估、實行差異化因應策略等政策建議，為正確評價貨幣政策效果、促進貨幣當局精準施策與推進金融高質量發展提供理論依據和實踐借鑒。

關鍵詞：貨幣政策不確定性 非效率投資 融資便捷度 金融錯配 現金流不確定性

DOI：10.19592/j.cnki.scje.420187

JEL分類號：G24， G32， G38 中圖分類號：F832.48

文獻標識符：A 文章編號：1000 - 6249（2025）01 - 053 - 20

基金項目：本文受國家自然科學基金項目“中央銀行數字貨幣對貨幣政策傳導的影響和作用機理研究”（72103084）資助。

一、引 言

后新冠疫情時代，我國經濟逐步復蘇向好，高質量發展扎實推進，新發展格局已然形成。伴隨宏觀政策持續發力，經濟社會大局保持穩定，內需提振穩步加速，供給結構日漸優化，主要經濟指標企穩回升，彰顯出我國經濟發展的強勁韌性。與此同時，世界經濟復蘇乏力，全球消費持續低迷，潛在通脹風險隱現，“黑天鵝”事件頻頻爆發，世界經濟面臨多重不確定性。經濟全球化背景下，外部環境變化不可避免地對我國經濟產生溢出效應。為應對這一系列外部沖擊，實現“穩預期、穩增長、穩就業”要求，我國持續推進金融體制改革，疏浚貨幣政策傳導機制，綜合運用貨幣政策工具，不斷增大政策調控力度，推動我國經濟航船行穩致遠。

企業是市場經濟微觀主體，在國民經濟中占有舉足輕重的地位。企業投資是企業的重要行為決策，也是優化資源配置的重要方式。投資效率是衡量企業投資成效的關鍵指標，不僅反映了生產要素利用狀態和經濟效益提升情況，而且映射出要素資源配置效率和宏觀經濟發展態勢。當前，我國深入推進供給側結構性改革，著力實施擴大內需戰略，發揮超大規模市場和強大生產能力的優勢，為企業“投資擴面增量”提供重大發展機遇，也為發揮投資對優化供給結構的關鍵作用提供檢驗平臺。當今世界瞬息萬變，我國創新和完善宏觀調控體系，加大對重大戰略、重點領域及薄弱環節提供金融服務，貨幣政策調整速度和頻次有所加快，其間內蘊的不確定性是否會對企業投資效率產生影響？具體的作用機理和傳導路徑又是如何？對不同維度企業的影響是否具有異質性？對于以上問題的回答，有助于正確評價貨幣政策執行效果，為貨幣當局精準施策和推進金融高質量發展提供理論依據和實踐借鑒。

本文以2007—2022年滬深A股上市企業為研究樣本，實證檢驗貨幣政策不確定性對企業投資效率的影響，剖析兩者之間的相關關系和影響機制，探究此種影響在不同類型企業和不同非效率投資中的異質性。相較于已有研究，本文可能的創新之處在于：

第一，經濟學研究中，宏觀經濟政策的承受對象往往是微觀主體（靳慶魯等，2012），并且經濟政策不確定性被視為將“勻質”地對微觀主體行為產生影響（Bordo et al.，2016；Creal and Wu，2017）。在有關企業投資效率的研究中，現有文獻主要基于經濟政策不確定性視角（饒品貴等，2017；顧海峰和朱慧萍，2021），或從貨幣政策（李小林等，2021）、產業政策（張新民等，2017）、綠色信貸政策（王艷麗等，2021）等不同政策類型進行分析，鮮有文獻直接探究貨幣政策不確定性與企業投資效率之間的關系。本文探討貨幣政策不確定性對企業投資效率的影響，既拓展了經濟不確定性背景下貨幣政策不確定性的微觀效應，也豐富了企業投資效率決定因素的相關研究。

第二，貨幣政策具有一定的易變性，宏觀經濟發生變化導致貨幣政策立場改變，貨幣政策傳導如黑匣子一樣難以預測，需要對貨幣政策不確定性進行合理度量。本文借鑒Jurado et al.（2015）與劉慧和張勇（2022），基于TVP—SV—FAVAR模型，利用主成分分析法與馬爾科夫鏈蒙特卡羅（MCMC）算法剝離宏觀經濟變量的可預測部分，此法通過估計經濟變量期望誤差波動率（即不可預測部分）來度量貨幣政策不確定性，可以降低文本分析法受媒體報道主觀性影響及計算單一變量標準差和殘差的片面性，進而對貨幣政策不確定性度量造成的偏差。同時，已有文獻較少考慮全球貨幣政策的關聯性，本文在控制國內宏觀經濟變量的基礎上將全球經濟政策不確定性（GEPU）納入模型以控制外部影響因素。

第三，貨幣政策不確定性對企業投資效率影響的異質性，基于非效率投資類型、企業產權性質、區域位置以及行業性質等多重維度展開分析。當前，我國企業融資主要依賴于銀行信貸，已有研究主要從信貸規模（鐘凱等，2017）、信貸成本（顏忠寶等，2023）等數量層面分析，本文以實物期權理論為基礎，基于融資約束視角提出融資便捷度、金融資源錯配、現金流不確定性等可能的中介機制，三者相互支撐形成一個結構化、遞進式的邏輯鏈條，更立體地剖析貨幣政策不確定性對企業投資效率的作用路徑，并探究此種作用對不同產權性質、不同地區與行業企業潛在影響的差異性，為保持貨幣政策連續性和穩定性、重塑經濟內生增長動能，進而更為精準地實施貨幣政策提供一定的借鑒參考。

二、理論分析與研究假設

（一）貨幣政策不確定性與企業投資效率

投資活動是企業創造權益價值的重要方式，投資效率是衡量企業資本結構和資本預算決策有效性的關鍵指標。根據MM理論，企業需要比較投資成本與收益，進而根據凈現值做出資本結構和資本預算方面的決策，以最大化股東價值和企業的長期利潤（Modigliani and Miller，1958）。在無摩擦的均衡狀態下，理性投資者將在眾多風險、收益組合中決定其投資標的；然而在現實世界中，由于信息不對稱、代理問題及融資約束等因素相互交織，無摩擦的均衡只能是一種理想狀態，企業的實際投資會受諸如貨幣政策、資本市場、企業治理等內外部因素的影響，甚至偏離投資預期而造成非效率投資（Richardson，2006；Biddle et al.，2009；Chen et al.，2011）；行政干預與貨幣政策沖擊對企業融資約束的影響具有非對稱性，導致不同產權性質企業投資效率產生顯著的差異性（喻坤等，2014）。

在經濟學中，不確定性常常被定義為微觀主體無法預測的干擾的條件波動性（Jurado et al.，2015）。貨幣政策是企業進行投資決策的外生變量，由其引致的不確定性源自微觀企業不能對政策實施時點、力度進行準確預判，也無法對政策傳導和調整做出及時應對。當微觀主體具有風險規避特性時，貨幣政策不確定性的增加將惡化企業外部融資環境，抑制其雇傭、投資或消費的水平。從銀行視角看，根據金融摩擦理論，在不完全的市場中，信息分布呈現典型的非對稱性，當貨幣政策不確定性提升時，銀行作為貨幣資金主要供給者，獲取企業信息的成本較高，對經濟波動和未來發展判斷不明，為維持自身運營、降低信貸違約風險，勢必壓縮信貸投放（劉海明和曹廷求，2017），貨幣政策傳導渠道受到阻滯，流動性難以釋放。從企業視角看，融資水平是企業投資行為的硬約束，企業管理層進行投資決策時必須考慮融資約束這一現實問題。按照實物期權理論框架，慮及企業投資行為的不可逆性，投資決策被看成能給企業增值的看漲期權，投資支出被視作看漲期權的執行價格（Grullon et al.，2012），只有當投資收益高于投資支出及機會成本總和時，企業才會選擇進行投資。換言之，貨幣政策不確定性上升將提高企業融資成本，降低企業融資規模，提升投資期權執行價格與等待價值，導致企業非效率投資。因此，貨幣政策不確定性不僅削弱“無形之手”的調節效果，也演變為影響投資決策和投資效率的“干擾”因素。

此外，在外部金融資源相對有限條件下，不同企業之間的資金配置會間接地對企業投資形成制約，并且內部現金流波動性也會直接影響企業的投資抉擇，進而導致企業出現非效率投資。金融錯配可能導致金融配置效率低下，資金無法流向最需要的投資項目，致使企業投資難以實現帕累托改進。如果外部融資代理成本高于內部融資，那么投資行為決策就倚重于企業資產負債表的狀況（Bernanke and Gertler，1989），穩定的現金流和較高的資產凈值對于企業投資顯然是一種“利好”。當企業受到貨幣政策不確定性沖擊時，其所持現金流出現波動，惡化企業資產負債表，在加劇融資約束的同時，催動管理層進行不理性投資，出現“金融加速器”下貨幣政策不確定性對企業投資效率影響放大的問題（Mishkin，1996）?；诖?，本文提出假設H1。

H1：貨幣政策不確定性提升會增大企業的非效率投資。

（二）貨幣政策不確定性、融資便捷度與企業投資效率

在我國多元融資體系中，銀行信貸是當前企業外源融資的主渠道，由于利率市場化尚處完善階段，貨幣政策對國民經濟的影響主要依賴于銀行信貸傳導的效果。對于資本市場而言，貨幣政策不確定性是類似系統性風險的一個外生變量，通過表內和表外兩種途徑來抑制銀行系統的流動性創造（田國強和李雙建，2020）。貨幣政策不確定性上升會增大銀行資金投放研判的難度，使其難以準確評估貸款風險，為減少風險損失和保障資金安全，銀行在貸款評估和投放過程中采取保守態度，出現“惜貸”“慎貸”行為，或提高貸款利率以獲取更高的風險補償。再者，隨著貨幣政策不確定性提升，銀企間的信息不對稱加?。ㄓ骼さ龋?014），企業現金流不能正常運轉，銀行難以評估企業的還款能力，為避免整體借款違約風險攀升，銀行將減少對企業的資金支持，導致企業融資便捷度降低。綜上可知，企業融資便捷度受銀行投資收益、風險容忍程度預期的影響，而這一預期對貨幣政策不確定性是十分敏感的。

融資便捷度是企業獲取金融資源的關鍵指標，在實物期權框架中是期權的執行價格，也是評判企業如何進行投資的先決條件，反映出有效信貸需求被滿足的程度。貨幣政策不確定性對企業投資效率的影響，常常與企業所處的信貸周期相關。當貨幣政策不確定性上升時，估值效應使得企業可抵押資產價值降低，銀行對借貸市場態度悲觀，企業融資便捷度降低（張小宇和黃沁怡，2024）。進一步地，融資便捷度較低的企業，意味著投資機會有限，根據預防性儲蓄理論，企業愿意持有更多的現金，取消相應投資計劃以防止流動性危機（Bloom et al.，2007；Han and Qiu，2007），傾向于不執行長期期權提升投資效率。此時，貨幣當局出于風險考量并不愿意給予信貸政策扶持，由此形成“融資便捷度低—企業非效率投資—融資便捷度愈低—企業投資效率愈低”的惡性循環?；诖?，本文提出假設H2。

H2：貨幣政策不確定性提升會降低企業融資便捷度，進而增大企業非效率投資。

（三）貨幣政策不確定性、金融資源錯配與企業投資效率

貨幣政策不確定性的一個重要表現是貨幣當局政策偏好的變化，它不但改變融資便捷度，還對金融資源配置產生影響（韓亞欣等，2016）。貨幣政策不確定性情況下，銀行傾向于選擇低風險投資，而不是高風險和潛在回報更高的投資。面對如此政策供給偏好，那些在金融配給中得到傾斜的企業（尤其是國有企業），可能傾向于選擇短期的和低風險投資項目，而不是長期、高風險但潛在收益更高的投資，其結果導致金融資源向低效率部門流動。貨幣政策不確定性會在金融機構、投資者和資金流動方面形成“均衡”，致使資源難以從低效部門流向高效部門，從而金融資源不能實現有效配置，出現金融資源錯配的現象（Restuccia and Rogerson，2008）。

隨著市場經濟體制的確立，民營企業發展非常迅速，極具發展韌性以減緩外部沖擊，成為經濟活力和競爭力的體現者。除少數壟斷行業外，在大多數市場競爭激烈領域國企都不再占有絕對優勢，但資本市場上仍然存在嚴重的信貸歧視問題。私人部門的金融資源大多依靠國有部門的漏損獲得（盧峰和姚洋，2004），大部分的信貸資源都流向國有企業，民營企業只有付出高昂的代價才能獲取少量的債務資金支持（張慶君和李萌，2018）。盡管如此，民營企業的投資效率卻要遠遠高于國有企業（邵挺，2010）。因此，金融錯配實際上是銀行等金融機構在面臨貨幣政策不確定性時，對信貸資源的一種低效配置，不但違背市場治理原則，而且增加企業執行投資期權的投資成本與機會成本，最終抑制企業投資效率（周煜皓和張盛勇，2014）。基于此，本文提出假設H3。

H3：貨幣政策不確定性提升會造成金融資源錯配，進而增大企業非效率投資。

（四）貨幣政策不確定性、現金流不確定性與企業投資效率

貨幣政策是服務實體經濟的重要方式，貨幣政策頻繁調整不利于實體經濟的發展。貨幣政策不確定性作為企業面臨宏觀層面不可避免的系統性風險，與企業現金流不確定性往往具有同步性，因而二者可以直觀反映企業當前面臨的內外部狀況。貨幣政策不確定性越大，銀企之間的信息不對稱愈發加劇，銀行出于風控考量而收緊信貸，企業內外融資成本出現顯著差異（張兆慧和馮展斌，2019），導致企業在未來時期遭遇現金流不確定性的風險增大。此外，當貨幣政策不確定性提升時，企業的風險偏好發生改變，進而提升現金持有水平，但降低了現金的邊際價值（王紅建等，2014；王偉和易卓睿，2023）。

實際上，現金流是企業的生命線，任何形式的不確定性對企業而言最終都會轉變成現金流不確定性（劉波等，2017），生產經營所需各類投資都離不開現金流的支持，因此企業的投資決策對于現金流不確定性十分敏感。根據期權定價理論，現金流不確定性會增加企業面臨的融資壓力，企業在實物期權框架中若執行期權損失的機會成本也就越高。這將影響企業的投資決策，使企業傾向于盲目擴大或縮小投資規模，而具有高風險特征的創新性投資通常會被優先縮減，低風險特征的短視性投資往往會優先擴張。同時根據優序融資理論，相較于外部融資，企業更傾向于選擇內部融資，而現金流作為內部融資的主要來源，對企業投資效率產生重要影響，當現金流不確定性增大時，企業出于降低融資成本和防御風險的考慮，在“預防效應”下可能會導致非效率投資（鄧潔等，2022）。基于此，本文提出假設H4。

H4：貨幣政策不確定性提升會增大現金流不確定性，進而增大企業非效率投資。

三、研究設計

（一）數據來源

基于數據可得性原則，慮及股權分置改革完成時點，本文選取2007—2022年滬深兩市A股上市企業為研究樣本，樣本數據時間跨度為16年，涵括了全球性金融危機、股市異常波動及新冠疫情等特殊時段，較好地反映出貨幣政策的調整全貌及企業投資的變動情況。根據研究需要，對選取樣本數據做出如下清洗：（1）剔除金融業上市企業，（2）剔除上市以前的數據，（3）剔除已退市的與當年ST、PT類企業，（4）剔除行業內數量不足20個的企業，（5）剔除有缺失值的變量，（6）針對連續型變量在上下1%的水平上進行縮尾處理。其中，微觀層面企業數據來自國泰安CSMAR數據庫，宏觀層面經濟數據來自國家統計局和CCER經濟金融數據庫；美國貨幣政策不確定性、全球經濟政策不確定性數據分別來自CCER經濟金融數據庫與Baker等編制的經濟政策不確定性數據庫（www. policyuncertainty.com）。

（二）模型設定

為了驗證H1，探究貨幣政策不確定性對企業投資效率的影響，借鑒代昀昊和孔東民（2017）、顏忠寶等（2023），構建回歸模型（1）。

其中，EFFi，t表示企業非效率投資；由于貨幣政策從實施到產生效果具有時滯，用MPUt？1表示貨幣政策不確定程度的滯后性一階；MACROt？1為宏觀層面控制變量集，慮及宏觀經濟對企業投資效率的影響同樣具有時滯，也采取滯后一階處理；FIRMi，t為企業特征控制變量集；變量μi代表企業的個體固定效應；εi，t為隨機擾動項。由于貨幣政策不確定性（MPUt？1）為時間序列數據，若控制時間固定效應可能會吸收不確定性的影響，引起完全共線性的問題（Huang et al，2022），故本模型并未引入控制時間固定效應的指標。為了緩解遺漏僅隨時間改變的不可觀測因素的影響，參考申宇等（2020）的做法，在模型中納入一系列國內外宏觀經濟變量，且穩健性檢驗中也有相應處理，以減少遺漏變量的問題。

（三）變量選取

1.被解釋變量：企業非效率投資（EFF）。衡量企業投資效率的方法較多，本文借鑒Chen et al.（2011）、陳運森和黃健嶠（2019）的研究，采用企業非效率投資作為投資效率的度量指標，并通過模型（2）來測算企業的非效率投資水平。

其中，Invi，t表示企業t期的投資水平，Invit=（企業當年購入固定資產、無形資產及其他長期資產的支出+取得子企業及其他下屬營業單位支付的現金凈額-處置固定資產、無形資產和其他長期資產收回的現金凈額-固定資產折舊、油氣資產折耗、生產性生物資產折舊）/總資產。Growthi，t？1表示企業的成長性，用企業t？1期到t期銷售收入變化量與當年銷售收入的比值來衡量，NEGi，t？1為與銷售收入增長率相關的虛擬變量，當Growthi，t？1小于0時取值為1，其他情況下取值為0，解釋變量均采用滯后一階納入模型計算。之所以選取企業成長性作為解釋變量，是因為企業在面臨不同成長機會時會采取不同的投資策略。通過對模型（2）進行分行業分年度回歸，所得殘差？it就是企業的非效率投資，這里取殘差絕對值作為企業非效率投資的度量指標，記為EFFi，t，也表示企業當年實際投資與預期投資之間的偏離程度。EFFi，t值越大，則表明企業當年的非效率投資越高；對負（正）的殘差項取絕對值，記為U_EFF（O_EFF），表示投資不足（過度）。U_EFF（O_EFF）值越大，說明企業投資不足（過度）愈加嚴重。

2.核心解釋變量：貨幣政策不確定性（MPU）。對于貨幣政策不確定性的度量，學界尚未達成共識，大致可分為以下三類：一是基于報刊文獻信息。采用文本分析法對貨幣政策不確定性進行度量（Baker et al.，2016；Huang and Luk，2020；Chen and Tillmann，2021）。該法雖有其研究價值，但仍存報刊文獻選取主觀性的缺陷，加之所選報刊文獻的專業性、權威性和覆蓋性值得斟酌，會對指標度量和實證結果產生一定影響。二是基于單一貨幣政策變量。計算單一貨幣政策變量標準差（鐘凱等，2017；顏忠寶等，2023）或殘差（陸正飛和楊德明，2011；段云和國瑤，2012）。然而，貨幣政策不確定性往往囿于微觀主體有限的認識，只能估計貨幣政策不確定性中的可觀測部分，難免有失偏頗。三是基于相當數量的貨幣政策工具與宏觀經濟變量。通過隨機波動（SV）模型和馬爾科夫鏈蒙特卡羅算法（MCMC）有效分離貨幣政策不確定性的可觀測部分和不可觀測部分進行估計（任曙明等，2022；Lastauskas and Nguyen，2023）。

貨幣政策不確定性是由貨幣政策目標、工具和傳導機制的多元性導致公眾無法準確理解和把握貨幣政策操作的方向和效果。貨幣政策目標不明或多重目標沖突、貨幣政策工具選擇的不確定以及貨幣政策傳導機制的復雜性，都增加公眾對貨幣政策的不確定感知，進而影響其對經濟形勢的判斷和預期。參考Jurado et al.（2015）構建的因子模型，選取與貨幣政策目標、工具和傳導機制有關的一系列經濟變量（劉慧和張勇，2022；張龍等，2024），對數據進行主成分分析，再將其應用于時變參數—隨機波動—因子增強向量自回歸（TVP—SV—FAVAR）模型估計，通過馬爾科夫鏈蒙特卡羅（MCMC）算法得出隨機波動參數，并對這些參數計算其平均值便可得到當期中國貨幣政策不確定性水平。

相較于其他方法，此法估計貨幣政策不確定性的優勢在于：其一，采用大量經濟變量的條件方差，即不可預測部分的條件波動率來度量不確定性，更加符合不確定性的基本含義，也能夠剝離可預測部分對相關變量的影響，結果更具穩健性；其二，TVP-SV-FAVAR模型是在SV模型基礎上進行擴展，結合時間序列數據中的因子分析和向量自回歸（VAR）模型，使得模型更能反映不同變量之間的動態關系，更適用于對多變量時間序列數據的建模和預測，相對于SV模型更具有解釋力和預測力。其三，在TVP-SV-FAVAR模型中，MCMC法能夠處理模型的復雜性，包括非線性、高維度和參數隨時間變化等情況，提供參數的后驗分布信息，有助于評估模型的擬合效果和參數的可靠性，并且MCMC法能夠更有效地處理模型中的隨機波動性，得到更準確的參數估計。

3.控制變量。為了控制個體因素的影響，本文選取企業規模（Size）、資產負債率（Lev）、資產利潤率（ROA）、現金流比率（Cash）、營業收入增長率（Growth）、托賓Q值（TobinQ）、第一大股東持股比例（TOP1）等微觀層面的控制變量；慮及中國貨幣政策不確定性易受內外部環境不確定性影響，為刻畫國內外宏觀經濟環境，以盡可能控制僅隨時間變化的因素，本文同時引入國內生產總值增長率（GDP）、中國財政支出增長率（FE）、中國宏觀經濟景氣指數（L_CEI）和全球經濟政策不確定性（GEPU）等宏觀層面的控制變量，具體的變量名稱及定義見表1。

（四）描述性統計

主要變量的描述性統計結果見表2。由表2可知，貨幣政策不確定性（MPU）的平均值為0.5466，標準差為0.1812，表明中國貨幣政策具有相當波動性，為本文研究提供了一定便利之處。托賓Q值的最小值為0.0795，最大值為0.7590，標準差為0.1495，說明不同企業之間投資能力差異較為明顯。計算各變量之間的相關系數后，發現貨幣政策不確定性（MPU）與企業非效率投資（EFF）的相關系數在1%的水平上呈正相關，說明貨幣政策不確定性提升，企業非效率投資程度加劇，與H1的預期相符。同時，各變量之間的相關系數均在合理范圍內，表明不存在顯著的共線性問題。

四、實證結果與分析

（一）基準回歸分析

本文采用非平衡面板數據對模型（1）進行分析，具體結果見表3。表3列（1）為僅包含核心解釋變量的簡單回歸結果，列（2）—（3）分別加入微觀層面、宏觀層面控制變量，列（4）—（5）為分別使用隨機效應模型（RE）和固定效應模型（FE）的回歸結果，考慮到異方差問題，本文進行穩健豪斯曼檢驗，檢驗結果強烈拒絕存在隨機效應模型中個體影響與解釋變量不相關的原假設，故選擇固定效應模型?；诖耍校?）在內的所有參數估計均顯示，貨幣政策不確定性（MPU）的系數在1%的水平上顯著為正，初步驗證了假設H1。

（二）穩健性檢驗

1.替換關鍵變量

一是替換被解釋變量。為了緩解模型（2）對企業非效率投資的度量不準確，使用Richardson（2006）模型和Biddle et al.（2009）模型來測度企業非效率投資，具體模型構建如下。

二是替換解釋變量。參考鐘凱等（2017），采用上海銀行同業拆放利率（Shibor）作為替換解釋變量。在銀行同業拆放市場，各參與主體本質上拆借的是超額準備金，由此形成的銀行間拆借利率對資金供求變化十分敏感。Shibor是由報價行在資金拆借前的一種“報價”，并經過加權平均后計算得出，能夠較好地反映交易商或做市商對當前資金拆借利率的“態度”。因此，本文選擇Shibor（7日利率）通過計算其年度標準差作為貨幣政策不確定性的替代變量是適宜的。具體的回歸結果見表4列（3），Shibor的系數依然顯著為正，假設H1依然成立。

2.剔除部分樣本

一是排除系統性偏差影響。本文以被解釋變量企業非效率投資按照模型（2）的計算結果為樣本四等分，保留小于等于25%與大于等于75%的樣本進行回歸，以排除極端值或異常值等系統性偏差對回歸結果的影響。如此既能有效評估所構建模型的適用性，也有助于研判模型對異常值的敏感性，以及在真實世界中能否產生可靠的預測結果。具體的回歸結果見表4列（4），貨幣政策不確定性系數仍舊顯著為正，前述研究結論穩健可靠。

二是排除經濟波動的影響。為了緩解宏觀經濟環境劇烈變化可能對企業投資效率的影響，本文剔除對貨幣政策調整造成異常影響的年份，包括全球性金融危機的2008年、股市異常波動的2015年以及新冠疫情的2020—2022年，具體的參數估計結果見表4列（5），貨幣政策不確定性的系數顯著為正，再度驗證假設H1。

3.內生性處理

慮及貨幣政策調整與微觀主體在資本市場的表現密切相關，為緩解貨幣政策不確定性與企業非效率投資可能存在的反向因果關系，本文采取以下三種方法進行內生性處理：

一是滯后控制變量。本文將企業層面控制變量滯后一期，對模型（2）進行回歸，參數估計結果見表5列（1），核心解釋變量的回歸系數依然顯著為正，支持了貨幣政策不確定性提升會增大企業非效率投資的結論。

二是工具變量法。本文采取工具變量法，以展開最小二乘（2SLS）估計來緩解內生性問題的影響。美國聯邦基金利率是金融市場最重要的基準利率，借鑒譚小芬等（2019）、黃飛鳴和晏文真（2023）的方法，利用聯邦基金利率月度數據的年度標準差，構建美國貨幣政策不確定性代理指標，并將其滯后一期作為中國貨幣政策不確定性的工具變量。選取該工具變量的原因在于：自新冠疫情以來，中美貨幣政策步入不同周期，但在經濟全球化與金融一體化的背景下，貨幣政策在國際間產生溢出效應和吸收效應，尤其是在主要大國之間（楊子榮等，2018）。近期美聯儲頻繁調整貨幣政策，由此產生的不確定性可能通過多種渠道對我國宏觀經濟發展與資本市場預期產生影響，對我國貨幣政策的沖擊不容忽視（劉金全等，2023）。同時，美國貨幣政策不確定性很難直接對中國企業的非效率投資產生影響，因此，美國貨幣政策不確定性較好地滿足工具變量的相關性和排他性要求。表5列（2）為2SLS第一階段的回歸結果，表示工具變量（美國貨幣政策不確定性）對內生變量（中國貨幣政策不確定性）的影響在1%的水平上顯著，工具變量的相關性假設成立。在弱工具變量檢驗中，CD Wald F統計量與KP Wald rk F統計量均大于Stock-Yogo的臨界值16.38，故不存在弱工具變量的問題，工具變量的選擇是適宜的。表5列（3）為第二階段的回歸結果，其顯示內生變量在經過工具變量修正后，對企業非效率投資的影響仍顯著為正，與前文結論一致。

三是雙重差分法。采用雙重差分法（DID）進行內生性處理，首先要進行處置事件的選擇與處置年份的確定。2015年，歐債危機所生影響尚未消弭，外部不確定性陡增；中國股市遭遇強勁的異常波動，上證指數和深證指數在短短18個交易日內經歷“瘋狂”暴跌，央行聯合業內機構連續推出“雙降”、暫緩IPO、出資申購藍籌ETF等政策舉措，加快了貨幣政策的調整速度和頻次。鑒此，本文選取2015年作為雙重差分法的處置年份，選取2015年內外部不確定性的雙重沖擊作為處置事件，并將民營企業設置為處置組。根據前文理論分析，貨幣政策不確定性可能通過金融錯配渠道而加重非效率投資，因此引入產權性質變量SOE（國企取值為1，否則取值為0），生成交互變量Treat×After。

進一步地，由于使用DID方法評估事件沖擊所產生的處置效用可能存在樣本自選擇偏差的問題。因此，本文通過使用PSM—DID（傾向得分匹配法+雙重差分法）將處置組中所有樣本匹配到其特定的控制組樣本，再對匹配后的樣本進行DID回歸，模擬自然隨機實驗來緩解這一偏差。本文在匹配之后首先進行了平衡性檢驗，檢驗結果如圖1、圖2所示。由圖1可知，所有控制變量的偏差（%bias）均小于10%，并且都明顯小于匹配前的偏差。共同支撐域的分布情況如圖2所示，它與匹配運行結果保持一致，即處理組和控制組的絕大多數樣本都在共同支撐域內，而不在共同支撐域內的樣本的傾向得分比較極端，匹配效果較好，PSM—DID效果可能優于普通DID。接著本文分別將處置事件提前1—8年作為（假設事件）處置年，將這八年分別生成時間虛擬變量納入DID模型進行回歸，發現時間虛擬變量相對不顯著，而交互變量依然顯著（因篇幅所限未展示回歸結果），說明處置組與控制組在處置事件發生前滿足條件平行趨勢假設，本文采用頻數加權法進行DID回歸，結果更具穩健性。DID與PSM—DID的回歸結果見表5列（4）—（5），交互項Treat×After的顯著結果再一次印證了假設H1。

五、進一步分析

（一）作用機制分析

前文從實物期權理論出發，解析了貨幣政策對實體經濟產生影響可能存在的理論路徑，并實證檢驗了貨幣政策不確定性提升會加重企業的非效率投資?，F根據理論分析和研究假設，進一步從融資便捷度、金融錯配、現金流不確定性水平三個層面，分析貨幣政策不確定性對企業非效率投資作用的傳導機制。慮及中間變量對企業非效率投資影響的時滯，本文對中介機制變量統一采取滯后一階處理。為將研究重心聚焦貨幣政策不確定性與企業投資效率之間的關系，本文參考江艇（2022）對中介效應的檢驗方法，選取可能對被解釋變量產生影響的中間變量，再識別解釋變量對中間變量的因果關系。

1.融資便捷度。融資便捷度衡量企業需要貸款時，銀行或其他金融機構愿意向其提供貸款的程度。通常來說，融資便捷度越高，企業就越容易獲得貸款。銀行在研判是否提供貸款時，既要評估企業的信用記錄、收入狀況及負債情況，還要充分考慮宏觀經濟和貨幣政策因素。若銀行對企業信用狀況和貸款用途持樂觀態度，那么企業就容易獲得貸款，融資便捷度就會提高。相反，若銀行對企業信用狀況和經濟環境持悲觀態度，那么企業就很難獲得貸款，融資便捷度就會降低。融資便捷度的變化會直接影響企業融資活動，進而對投資效率產生重要影響。

在現有文獻中，衡量企業融資便捷度的方法有多種，本文借鑒劉海明和曹廷求（2017）研究，采用企業新增貸款水平來衡量企業融資便捷度（FC），FC=（長期借款增量+短期借款增量）/年初總資產。在計算企業融資便捷度后進行回歸，具體結果見表6列（1），可以看出，貨幣政策不確定性程度的加深在1%的水平上顯著降低了企業的融資便捷度，并進而加大企業非效率投資，假設H2得以驗證。

2.金融錯配。若金融資源沒有按照市場規律從低效部門流向高效部門，意味著金融資源在企業之間出現“錯配”。金融錯配是一種偏離市場規律的經濟行為，非但不能體現效率原則，還扭曲了企業債務融資在資本市場中的治理屬性（張慶君和李萌，2018）。當金融市場出現的資源錯配傳導至實體經濟，必然導致企業出現非效率投資。部分效率低下企業可以低成本獲取金融資源，所受約束軟化時可能出現投資過度現象；相反，一些高效企業則難以獲取充足金融資源，不得不面對投資不足窘態。

本文借鑒周煜皓和張勝勇（2014），以金融錯配負擔水平（FM）作為衡量信貸錯配的代理變量，采用企業資金使用成本與所在行業平均資金使用成本（行業平均利率）的偏離度來度量金融錯配負擔水平。偏離度越大，說明企業承擔的信貸錯配愈加嚴重。其中，企業資金使用成本采用財務費用中的利息支出與扣除了應付賬款后的負債總額之比來衡量。FM=[企業資金使用成本-行業平均資金使用成本]/行業平均資金使用成本=[利息支出/（負債-應付賬款）-行業平均利率]/行業平均利率。相關參數估計結果見表6列（2），貨幣政策不確定性程度加深對金融錯配的影響在1%的水平上顯著為正，意味著貨幣政策不確定性會通過金融錯配的方式加劇企業非效率投資，假設H3得以驗證。

3.現金流不確定性?，F金流不確定性衡量一定時期內企業現金流的波動幅度，它會對企業投資起到促進或抑制的影響（Hirth and Viswanatha，2011），且兩者之間表現為非線性關系，呈現出一條U形的曲線，即現金流充裕且穩定的企業會投資過度，現金流不足且多變的企業會投資不足（Hirth and Uhrig-Homburg，2010）。企業管理層面臨現金流不確定性時，會對企業流動性的獲取能力預期出現偏差，在應對未來不確定性與當前投資需求時，管理層出于自保動機往往選擇持有更多現金流（章琳一，2016），由此可能引發企業的非效率投資。

根據股利折現模型，上市企業價值由未來現金流折現而成。在有效資本市場中，現金流不確定性會通過市場反映于股價，進而影響企業價值。因此，本文借鑒崔也光等（2019）的做法，通過計算現金回報率（現金流/總資產）的三年波動率來度量企業現金流的不確定性，現金回報率的三年波動率為其t？2年到t年的標準差，波動率越大，則代表不確定性越強。相關參數估計結果見表6列（3），貨幣政策不確定性對企業現金流不確定性的回歸系數在1%的水平上顯著為正，說明貨幣政策不確定性會顯著增大現金流不確定性，出于“預防效應”考慮而加劇企業非效率投資，假設H4得以驗證。

（二）異質性分析

貨幣政策不確定性對企業非效率投資產生的效應，可能為企業異質性特征所影響。換言之，即使在給定貨幣政策不確定性的情況下，不同維度企業感知不確定性的能力不一，可能會對其投資效率產生差異化的影響。本文結合非效率投資類型，分別從企業產權性質、所處區位與行業等多層次進行分析討論。

1.基于非效率投資類型的差異。在研究設計中，本文針對企業非效率投資，將其區分為投資過度與投資不足兩類，本部分嘗試剖析貨幣政策不確定性對不同類型非效率投資的影響是否存在差異。理解貨幣政策不確定性對這兩種類型非效率投資的影響，有助于更全面地評估其對企業可持續發展的整體影響。同時，貨幣政策不確定性可能通過不同的渠道影響企業的投資決策，分析投資不足和投資過度分別如何受貨幣政策不確定性的影響，可以揭示貨幣政策對企業行為的具體傳導機制，分類型分析有助于深入理解貨幣政策的復雜傳導路徑。

具體的回歸結果見表7列（1）—（2）。不難看出，貨幣政策不確定性對于投資過度和投資不足均存在著顯著正向影響，當被解釋變量為投資過度時，其回歸系數幾乎是被解釋變量為投資不足時的兩倍多，說明貨幣政策不確定性對投資過度企業的影響更為劇烈。這或許可以解釋為，許多企業在面臨貨幣政策不確定性時，會做出監管層將推出有利于恢復市場穩定利好政策的判斷，進而傾向于采取更加激進的過度投資策略以把握商機。

2.基于企業產權性質的差異。慮及國有企業與民營企業在經營目標和動機上存在顯著差異，且國有企業通常擁有較為優越的融資條件，能夠以較低的成本獲得銀行貸款和其他金融支持，并在資金緊張時更易獲得政府救助。這使得國有企業在面對貨幣政策不確定性時，投資行為可能不會受到過多的限制。而民營企業則通常面臨更高的融資成本和更嚴格的信貸約束，在貨幣政策不確定性增加時，可能更容易出現投資不足或投資過度的情況。

本文在模型（1）的基礎上，加入貨幣政策不確定性與企業產權性質的交互項MPU×SOE進行分析，表7列（3）報告了加入交互項后貨幣政策不確定性對不同產權性質企業非效率投資的影響。可以看出，貨幣政策不確定性對國有企業（MPU×SOE）非效率投資的影響并不顯著，對民營企業非效率投資的影響在1%的水平上顯著為正，表明貨幣政策不確定性對企業投資效率的影響主要作用于民營企業，對國有企業的影響則相對較弱。國有企業投資效率之所以能“穩坐釣魚臺”，可能的原因在于國有企業通常具有較強的風險承受能力，它們背后有政府作為支持，對市場波動和政策變化的反應較為緩慢。而民營企業則相對較為脆弱，在面對貨幣政策不確定性時，可能更容易受到影響，迅速調整投資策略。

3.基于企業區域位置的差異。在我國，東中部地區的經濟發展水平普遍高于西部地區。東中部地區企業在市場化程度、產業結構、技術水平和企業規模上往往更為先進和多樣化，融資約束程度往往低于西部地區企業。由于這些企業更依賴市場信號和政策預期來做出投資決策，所以貨幣政策不確定性在經濟較為發達的地區可能會對企業投資行為產生更為顯著的影響。

為探究貨幣政策不確定性對不同區位企業投資效率影響的異質性，本文引進虛擬變量West（西部地區企業取值為1，東中部地區企業取值為0），將其與貨幣政策不確定性生成的交互項MPU×West納入模型（1）回歸，結果見表7列（4）。貨幣政策不確定性對東中部地區企業非效率投資影響在1%的水平上顯著為正，對西部地區企業（MPU×West）非效率投資影響并不顯著。這表明我國經濟高質量發展區域異質性較為明顯，東中部企業對貨幣政策波動的敏感性要強于西部?？赡艿脑蚴牵鄬τ谖鞑康貐^企業，東中部地區企業地處經濟發展前沿地帶，面臨更加激烈的市場競爭和更為復雜的社會環境；此外，東中部地區企業通常規模較大、資金需求量大，更有關注貨幣政策對資金供給和成本影響的內在動力。

4.基于企業行業性質的差異。為了保持競爭力和技術領先地位，高科技行業企業通常需要大量的資金進行研發和創新。由于其研發項目通常具有高風險和高不確定性，內部資金往往不足以支撐所有的研發需求，因此高科技企業通常依賴外部融資渠道，如銀行貸款、風險投資、股權融資等來獲取資金，這使得高科技企業對外部融資環境的變化極為敏感。貨幣政策的不確定性會導致融資成本的波動，進而會對高科技企業投資決策的穩定性和可預測性產生更深的影響。

本文參照彭紅星和毛新述（2017）的方法，生成虛擬變量Tech（高科技行業取1，否則取0），將其與貨幣政策不確定性的交互項MPU×Tech納入模型（1）進行回歸。表7列（5）的結果顯示，對高科技行業（MPU×Tech）而言，貨幣政策不確定性對企業非效率投資的影響十分顯著，傳統行業投資效率則對貨幣政策不確定性的敏感程度較弱。可能的解釋是，高科技企業的競爭力依賴于持續的創新投入，貨幣政策的不確定性增大融資成本和市場風險，使得高科技企業更難以獲得所需的資金。這可能迫使企業減少在高風險高回報項目上的投入，轉而選擇保守的低風險項目，這種行為會降低整體投資效率，并削弱其創新能力和市場競爭力；而傳統行業的投資項目風險較低，企業可能仍會繼續進行必要的資本支出，只是在規模和速度上有所調整。

六、結論與政策建議

本文基于2007—2022年滬深兩市A股上市企業為研究樣本，采用結合時間變化參數的隨機波動模型和因子分析向量自回歸模型的TVP-SV-FAVAR模型、馬爾科夫鏈蒙特卡羅（MCMC）方法測度了我國貨幣政策不確定性水平，并實證分析這一因素對企業非效率投資的影響。研究結果顯示，貨幣政策不確定性提升會顯著增大企業非效率投資，該結論在進行替換關鍵變量、排除系統性偏差和剔除經濟波動等穩健性檢驗后依然成立，對于模型內生性問題采取工具變量法和雙重差分法兩種方式進行緩釋。作用機制分析表明，在實物期權理論框架下，貨幣政策不確定性通過降低融資便捷度、惡化金融資源配置、提高現金流不確定性水平，進而增大企業非效率投資。異質性分析發現，貨幣政策不確定性對于企業非效率投資中的投資過度影響更為強烈，貨幣政策不確定性對于民營企業、東中部地區企業與高科技行業企業的非效率投資影響更為顯著?；谏鲜鲅芯拷Y論，本文提出如下政策建議：

第一，構建常態化溝通機制，提高貨幣政策透明度。持續完善中央銀行制度，建立動態貨幣政策框架，靈活運用前瞻性指引工具，定期發布對宏觀經濟的預測，向市場傳遞清晰的政策信號。健全貨幣政策溝通機制，增進與市場的有效溝通，推進利率調控機制改革，適度收窄利率走廊寬度，合理引導和穩定公眾預期，進而提升貨幣政策的有效性。完善基礎貨幣投放方式，將國債交易納入貨幣政策工具箱，定期公布貨幣政策執行情況，增進市場對央行的信任度，營造透明可預期的政策環境，提高企業投資決策的科學性，為提升企業投資效率打下堅實的基礎。

第二，創新多元化融資方式，提高企業融資便利度。探索融資工具創新應用，拓寬實體經濟融資渠道，做到融資工具與渠道并舉、創新與發展兼顧，為企業投資提供多層次的融資選擇。創新多元化的融資模式，鼓勵優質科創企業進入資本市場，培育耐心資本、壯大風投創投，持續引導長期資金入市，緩解供求雙方信息不對稱，有效降低資金融通成本，增強企業融資便利度，持續提升企業的投資效率。深化金融供給側結構性改革，借力資本市場“架橋鋪路”，推動企業投資和融資相協調，保持資金供給總量和結構平衡，提升對企業融資的支持力度，發揮金融服務實體經濟的作用。

第三，完善層級化政策評估，提升資源配置匹配度。完善貨幣政策評估體系，選擇適配貨幣政策工具，主動介入操作目標管理，實時監測中介目標變動，動態評估政策執行效果，及時調整政策力度效度，持續保持貨幣政策穩定性，為企業投資創造適宜的政策環境。健全宏觀審慎政策框架，優化社會融資比例結構，豐富公司信用類產品譜系，創新民企債券融資支持工具，持續增強資金供給能力，不斷滿足企業多樣化的金融需求。發揮金融宏觀調控優勢，瞄定目標企業靶向發力，創新企業投資管理方式，提升金融資源配置效率，為助力企業高質量發展蓄勢賦能。

第四，實行差異化因應策略，提升企業投資效能度。鑒于貨幣政策影響的差異性，因地制宜地分類施策，因勢利導地精準滴灌，兼顧平衡發展與公平效率，適度向民營、東中部、高科技行業企業傾斜，增強企業發展韌性的同時，最大限度發揮政策的邊際效用。實行差異化金融政策，提供便捷高效融資服務，以減輕企業債務負擔，增強企業投資信心，助力企業應對不確定性帶來的挑戰。加強企業投資宏觀指導，縮減外資準入限制措施，提高企業風險管理水平，增強企業核心競爭力，提升企業投資效能度，增強適應市場變化的能力，實現企業的高質量發展。

參考文獻

陳運森、黃健嶠，2019，“股票市場開放與企業投資效率——基于“滬港通”的準自然實驗”，《金融研究》，第8期，第151-170頁。

崔也光、姜曉文、齊英，2019，“現金流不確定性、研發投入與企業價值”，《數理統計與管理》，第3期，第495-505頁。

代昀昊、孔東民，2017，“高管海外經歷是否能提升企業投資效率”，《世界經濟》，第1期，第168-192頁。

鄧潔、葉德珠、潘爽，2022，“現金流不確定性對企業房地產持有的影響——資助效應還是預防效應？”，《暨南學報（哲學社會科學版）》，第4期，第74-101頁。

段云、國瑤，2012，“政治關系、貨幣政策與債務結構研究”，《南開管理評論》，第5期，第84-94頁。

顧海峰、朱慧萍，2021，“經濟政策不確定性、融資約束與企業投資效率”，《現代經濟探討》，第12期，第93-104頁。

韓亞欣、何敏、李華民，2016，“大銀行何以為中小企業融資？——基于某大銀行支行的案例分析”，《金融論壇》，第1期，第72-80頁。

黃飛鳴、晏文真，2023，“貨幣政策不確定性會影響銀行貸款撥備的計提嗎？——基于中國147家商業銀行的證據”，《改革》，第10期，第98-112頁。

江艇，2022，“因果推斷經驗研究中的中介效應與調節效應”，《中國工業經濟》，第5期，第100-120頁。

靳慶魯、孔祥、侯青川，2012，“貨幣政策、民營企業投資效率與公司期權價值”，《經濟研究》，第5期，第96-106頁。

李小林、常詩杰、司登奎，2021，“貨幣政策、經濟不確定性與企業投資效率”，《國際金融研究》，第7期，第86-96頁。

劉波、李志生、王泓力、楊金強，2017，“現金流不確定性與企業創新”，《經濟研究》，第3期，第166-180頁。

劉貫春、劉媛媛、張軍，2020，“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”，《經濟學（季刊）》，第5期，第65-86頁。

劉海明、曹廷求，2017，“信貸供給周期對企業投資效率的影響研究——兼論宏觀經濟不確定條件下的異質性”，《金融研究》，第12期，第80-94頁。

劉慧、張勇，2022，“貨幣政策不確定性的定義、測度及成因分析”，《經濟學動態》，第6期，第61-79頁。

劉金全、申瑛琦、張龍，2023，“美聯儲政策不確定性、中國政策差異化反應與宏觀經濟波動”，《統計與信息論壇》，第8期，第78-88頁。

盧峰、姚洋，2004，“金融壓抑下的法治、金融發展和經濟增長”，《中國社會科學》，第1期，第42-55+206頁。

陸正飛、楊德明，2011，“商業信用：替代性融資，還是買方市場？”，《管理世界》，第4期，第6-14+45頁。

彭紅星、毛新述，2017，“政府創新補貼、公司高管背景與研發投入——來自我國高科技行業的經驗證據”，《財貿經濟》，第3期，第147-161頁。

饒品貴、岳衡、姜國華，2017，“經濟政策不確定性與企業投資行為研究”，《世界經濟》，第2期，第27-51頁。

任曙明、李蓮青、盧佳蔓、陳強，2022，“貨幣政策不確定性對企業綠色創新的影響研究”，《當代經濟科學》，第5期，第14-27頁。

邵挺，2010，“金融錯配、所有制結構與資本回報率：來自1999-2007年我國工業企業的研究”，《金融研究》，第9期，第51-68頁。

申宇、任美旭、趙靜梅，2020，“經濟政策不確定性與銀行貸款損失準備計提”，《中國工業經濟》，第4期，第154-173頁。

譚小芬、李源、茍琴，2019，“美國貨幣政策推升了新興市場國家非金融企業杠桿率嗎？”，《金融研究》，第8期，第38-57頁。

田國強、李雙建，2020，“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”，《經濟研究》，第11期，第19-35頁。

王紅建、李青原、邢斐，2014，“經濟政策不確定性、現金持有水平及其市場價值”，《金融研究》，第9期，第53-68頁。

王偉、易卓睿，2023，“經濟政策不確定性對企業債務期限結構的非線性影響”，《江西財經大學學報》，第4期，第38-50頁。

王艷麗、類曉東、龍如銀，2021，“綠色信貸政策提高了企業的投資效率嗎？——基于重污染企業金融資源配置的視角”，《中國人口·資源與環境》，第1期，第123-133頁。

顏忠寶、張躍化、趙峰、白宗航，2023，“貨幣政策不確定性、央行言辭溝通與企業投資效率——兼論“雙支柱”調控的有效性”，《金融評論》，第2期，第67-90+125-126頁。

楊子榮、徐奇淵、王書朦，2018，“中美大國貨幣政策雙向溢出效應比較研究——基于兩國DSGE模型”，《國際金融研究》，第11期，第14-24頁。

喻坤、李治國、張曉蓉、徐劍剛，2014，“企業投資效率之謎：融資約束假說與貨幣政策沖擊”，《經濟研究》，第5期，第106-120頁。

章琳一，2016，“現金流不確定性、金融發展與非效率投資”，《財會月刊》，第6期，第50-53頁。

張龍、張偉琦、申瑛琦，2024，“調控取向測度、外生成分識別與貨幣政策‘穩預期’效應——來自數量型中介指標的經驗證據”，《南方經濟》，第1期，第57-71頁。

張慶君、李萌，2018，“金融錯配、企業資本結構與非效率投資”，《金融論壇》，第12期，第21-36頁。

張小宇、黃沁怡，2024，“‘杯水車薪’抑或‘雪中送炭’——低利率環境下貨幣政策的有效性研究”，《南方經濟》，第5期，第75-94頁。

張新民、張婷婷、陳德球，2017，“產業政策、融資約束與企業投資效率”，《會計研究》，第4期，第12-18+95頁。

張兆慧、馮展斌，2019，“政策不確定性與企業投資—現金流敏感性”，《財經論叢》，第5期，第64-74頁。

鐘凱、程小可、王化成，2017，“貨幣政策不確定性損害了資金配置效率嗎？——來自企業資本結構視角的經驗證據”，《中國會計評論》，第3期，第307-334頁。

周煜皓、張盛勇，2014，“金融錯配、資產專用性與資本結構”，《會計研究》，第8期，第75-80+97頁。

Baker， S.R.， Bloom， N. and Davis， S.J.， 2016， “Measuring Economic Policy Uncertainty”， The Quarterly Journal of Economics， 131（4）： 1593-1636.

Bernanke， B. and Gertler， M.， 1989， “Agency Costs， Net Worth， and Business Fluctuations”， American Economic Review， 79（1）： 14-31.

Biddle， G.C.， Hilary， G. and Verdi， R.S.， 2009， “How Does Financial Reporting Quality Relate to Investment Efficiency？”， Journal of Ac？ counting and Economics， 48（2-3）： 112-131.

Bloom， N.， Bond， S. and Van Reenen， J.， 2007， “Uncertainty and Investment Dynamics”， The Review of Economic Studies， 74 （2）： 391-415.

Bordo， M.， Duca， J.V. and Koch， C.， 2016， “Economic Policy Uncertainty and the Credit Channel： Aggregate and Bank Level US： Evidence Over Several Decades”， Journal of Financial Stability， 26： 90-106.

Chen， H. and Tillmann， P.， 2021， “Monetary Policy Uncertainty in China”， Journal of International Money Finance， 110： 102309.

Chen， S.， Sun， Z.， Tang， S. and Wu， D.， 2011， “Government intervention and investment efficiency： Evidence from China”， Journal of Corpo？ rate Finance， 17（2）： 259-271.

Creal， D.D. and Wu， J.C.， 2017， “Monetary Policy Uncertainty and Economic Fluctuations”， International Economic Review， 58（4）： 1314-1354.

Grullon， G.， Lyandres， E. and Zhdanov， A.， 2012， “Real Options， Volatility， and Stock Returns”， Journal of Finance， 67（4）： 1499-1537.

Han， S. and Qiu， J.， 2007， “Corporate Precautionary Cash Holdings”， Journal of Corporate Finance， 13（1）： 43-57.

Hirth， S. and Uhrig-Homburg， M.， 2010， “Investment Timing when External Financing is Costly”， Journal of Business Finance Account？ ing， 37（7-8）： 929-949.

Hirth， S. and Viswanatha， M.， 2011， “Financing Constraints， Cash-Flow Risk， and Corporate Investment”， Journal of Corporate Finance， 17（5）： 1496-1509.

Huang， H.C.， Wang， X. and Xiong， X.， 2022， “When Macro Time Series Meets Micro Panel Data： A Clear and Present Danger”， Energy Eco？ nomics， 114： 106289.

Huang， Y. and Luk， P.， 2020， “Measuring Economic Policy Uncertainty in China”， China Economic Review， 59： 101367.

Jurado， K.， Ludvigson， S.C. and Ng， S.， 2015， “Measuring Uncertainty”， The American Economic Review， 105（3）： 1177-1216.

Lastauskas， P. and Nguyen， A.D.M.， 2023， “Global Impacts of US Monetary Policy Uncertainty Shocks”， Journal of International Economics， 145： 103830.

Mishkin， F.S.， 1996， “Understanding Financial Crises： A Developing Country Perspective”， NBER Working Paper， No.5600.

Modigliani， F. and Miller， M.， 1958， “The Cost of Capital， Corporation Finance and the Theory of Investment”， American Economic Review， 48（3）： 261-297.

Restuccia， D. and Rogerson， R.， 2008，“ Policy Distortions and Aggregate Productivity with Heterogeneous Establishments”， Review of Eco？nomic Dynamics， 11（4）： 707-720.

Richardson， S.， 2006， “Over-Investment of Free Cash Flow”， Review of Accounting Studies， 11： 159-189.

Impact of Monetary Policy Uncertainty on Corporate Investment Efficiency： Evidence from Chinese Listed Companies

Liu Xinghua Chen Zansong

Abstract： This paper is based on data from China’s A-share listed companies from 2007 to 2022， using the TVP-SVFAVAR model， principal component analysis， and the MCMC algorithm to estimate China’s monetary policy uncertainty. It then applies the real options theory framework to empirically analyze the impact of monetary policy uncertainty on corporate investment efficiency. The study shows that increased monetary policy uncertainty significantly raises inefficient investment behavior in firms， meaning that companies may either over-invest or under-invest， leading to resource misallocation and eco？ nomic efficiency losses. To ensure the robustness of the conclusions， the study replaces key variables， eliminates systematic bias， and removes the interference of economic fluctuations. The results still support the initial findings. In addition， the study employs the instrumental variable method and the difference-in-differences method to alleviate endogeneity issues， ensuring the reliability of the results.

In the analysis of the mechanism， the paper points out that the rise in monetary policy uncertainty increases inefficient corporate investment through three main channels. First， it reduces the financing convenience， making it difficult for compa？ nies to obtain sufficient funds for normal operations. Second， it worsens the financial mismatches， preventing firms from effec？ tively utilizing existing resources. Third， it increases cash flow uncertainty， exposing firms to more risks in their investment decisions. These channels extend the research boundaries of monetary policy transmission and provide new insights into how it affects corporate behavior. Heterogeneity analysis further reveals that the impact of monetary policy uncertainty varies sig？ nificantly across different types of firms. Specifically， private enterprises， firms in the eastern and central regions， and hightech companies are more significantly affected by inefficient investment due to monetary policy uncertainty. This finding deep？ ens the theoretical understanding of the effectiveness of monetary policy， highlighting the vulnerability and differences exhib？ ited by different types of firms in response to changes in monetary policy.

Based on these findings， the paper proposes a series of policy recommendations to address the adverse effects of mon？ etary policy uncertainty on corporate investment efficiency. These recommendations include establishing a normalized mon？ etary policy communication mechanism to reduce the shock of policy uncertainty on the market， innovating diversified financ？ ing methods to help firms obtain stable funding in uncertain environments， improving the hierarchical policy evaluation sys？ tem to strengthen targeted policy formulation for different regions and industries， and implementing differentiated response strategies， especially for high-tech companies and private enterprises with specific needs. These policy measures can better promote high-quality development in the financial market and provide theoretical support and practical guidance for mon？ etary authorities to take precise actions.

Keywords： Monetary Policy Uncertainty； Inefficient Investment； Financing Convenience； Financial Mismatch； Cash Flow Un？ certainty

（責任編輯：童玉芬）