經(jīng)濟(jì)政策不確定性與信貸調(diào)控對企業(yè)杠桿率調(diào)整的影響研究

［摘 要］ 基于2003-2019年A股上市企業(yè)數(shù)據(jù)，研究了經(jīng)濟(jì)政策不確定性與信貸調(diào)控對企業(yè)杠桿率調(diào)整的影響及作用機(jī)制。結(jié)果顯示，較低的經(jīng)濟(jì)政策不確定性會使企業(yè)加速向目標(biāo)杠桿率調(diào)整，而信貸緊縮則會削弱這種影響。此外，在低不確定性下放寬信貸對企業(yè)杠桿率調(diào)整的加速作用相對較大；而在高不確定性下收緊信貸對企業(yè)杠桿率調(diào)整的減速作用相對較大。進(jìn)一步考慮企業(yè)杠桿率相對位置后發(fā)現(xiàn)，企業(yè)目標(biāo)杠桿率兩側(cè)的杠桿率調(diào)整不僅呈現(xiàn)非對稱性，而且還會隨著企業(yè)杠桿率調(diào)整速度變化而動態(tài)翻轉(zhuǎn)。

［關(guān)鍵詞］ 杠桿率調(diào)整；經(jīng)濟(jì)政策不確定性；信貸調(diào)控；雙重作用

［中圖分類號］" F270．3"" ［文獻(xiàn)標(biāo)識碼］ Ａ"" ［文章編號］ 1008-1763（2025）01-0078-12

A Study of the Impact of Economic Policy Uncertainty

and Credit Control on Firm Leverage Ratio Adjustment

ZHAO Hongyan， CHEN Wenjie

（Glorious Sun School of Business and" Management， Donghua University， Shanghai 200051， China）

Abstract：Based on the data of A-share listed firms from 2003 to 2019， this paper investigates the impact and mechanism of economic policy uncertainty and credit control on the" firm leverage ratio adjustment. The results show that lower economic policy uncertainty can accelerate firm leverage adjustment to the target leverage ratio， while tightening credit has opposite effect. In addition， easing credit control under low uncertainty has the relatively greatest accelerating effect on firms’ leverage adjustment， while tightening credit under high uncertainty has the relatively greatest decelerating effect. Further consideration of firm leverage ratio relative position reveals that adjusting leverage on either side of firm’ target is not only asymmetric， but also dynamically flip as the speed of leverage adjustment changes.

Key words：" leverage ratio adjustment; economic policy uncertainty; credit control; joint impact

一 引 言

自1958年MM定理提出后，企業(yè)杠桿率逐漸成了企業(yè)治理領(lǐng)域的研究熱點^[1]。動態(tài)權(quán)衡理論認(rèn)為，企業(yè)為實現(xiàn)價值最大化，存在最優(yōu)杠桿率，即目標(biāo)杠桿率。企業(yè)在向目標(biāo)杠桿率趨近的過程中，會由于外部環(huán)境變化而不斷改變杠桿率調(diào)整速度。這一外部環(huán)境是復(fù)雜因素的集合體，涵蓋了客觀非可控部分和政策可調(diào)控部分。近幾年來，我國經(jīng)濟(jì)正處于增長速度換擋期、結(jié)構(gòu)調(diào)整陣痛期、前期刺激政策消化期“三期疊加”的特殊階段，這使得我國當(dāng)前的經(jīng)濟(jì)政策不確定性相對較高。同時，政府需要通過信貸調(diào)控來反映國家政策導(dǎo)向。隨著日益增多的不確定性因素與政府信貸調(diào)控策略的頻繁變化，進(jìn)而形成了本研究的關(guān)鍵問題：經(jīng)濟(jì)政策不確定性和信貸調(diào)控會對企業(yè)杠桿率調(diào)整產(chǎn)生什么影響？這個問題既關(guān)乎宏觀調(diào)控效應(yīng)，也關(guān)系到企業(yè)杠桿決策的趨勢預(yù)判，是政府和企業(yè)始終關(guān)注的重要問題。

經(jīng)濟(jì)政策不確定性源于經(jīng)濟(jì)和政治等各種可預(yù)知和不可預(yù)知的情況，比如國際關(guān)系、經(jīng)濟(jì)危機(jī)、地區(qū)沖突、環(huán)境氣候、重大會議、突發(fā)事件等，具有非可控特點。目前，我國的經(jīng)濟(jì)政策不確定性指數(shù)（EPU）主要采用新聞指數(shù)測度法^[2-4]。由Bloom、楊薪燕、宮汝凱等的研究可知，經(jīng)濟(jì)政策不確定性是影響企業(yè)杠桿決策的重要外部因素，反映了企業(yè)外部環(huán)境的客觀部分^[5-7]。與之相對應(yīng)的是企業(yè)外部環(huán)境中的可調(diào)控部分。信貸調(diào)控是我國金融政策的重要抓手，控制著外部融資總量，直接關(guān)系到企業(yè)杠桿決策^[8-9]。我國從2015年提出“供給側(cè)改革”，到“去杠桿，降金融風(fēng)險”，再到“穩(wěn)杠桿，重金融健康”，央行調(diào)控信貸的身影無處不在。信貸調(diào)控不僅能遏制經(jīng)濟(jì)過熱，還能確保整體經(jīng)濟(jì)有序健康發(fā)展^[10-11]。因此，信貸調(diào)控既是政策目標(biāo)，又是政策手段。Allen和Gale通過研究信貸波動模型發(fā)現(xiàn)，在經(jīng)濟(jì)上升期，若任由信貸規(guī)模擴(kuò)張，勢必會帶動亢奮的投資熱情，進(jìn)而形成過度負(fù)債和資產(chǎn)價格泡沫化，加劇系統(tǒng)性風(fēng)險^[12]。這種風(fēng)險往往會在經(jīng)濟(jì)下行時觸發(fā)金融危機(jī)。因此，國家調(diào)控信貸具有充分的合理性和必要性。央行從1984年開始對信貸實施指令性計劃管控，到1998年轉(zhuǎn)變?yōu)橹笇?dǎo)性計劃管控。然而，指令和指導(dǎo)在具體操作層面上并非涇渭分明，通常是由總行核批季度貸款最高限額，然后對各級銀行進(jìn)行指標(biāo)管控。2008年，央行不再對信貸進(jìn)行硬約束，逐漸轉(zhuǎn)變?yōu)椤叭姹O(jiān)控+窗口指導(dǎo)”，即體現(xiàn)為對銀行機(jī)構(gòu)的隨時指導(dǎo)，并通過及時、事前、過程化的管理，進(jìn)一步壓縮“靈活操作”空間。在此基礎(chǔ)上，央行在2011年開始實施“合意信貸”，即對不符合央行指導(dǎo)的信貸，強(qiáng)制繳納懲罰性準(zhǔn)備金。該舉措逐步演化，最終在2016年初被納入宏觀審慎評估（MPA）考核體系之中，成為“資產(chǎn)負(fù)債情況”這一大類目錄下“廣義信貸”子項目的重要組成部分。在吸取了2008年全球金融危機(jī)經(jīng)驗后，2022年中央經(jīng)濟(jì)工作會議進(jìn)一步加強(qiáng)了信貸調(diào)控，這再次成為各方的關(guān)注熱點。然而，反映我國信貸調(diào)控的信貸規(guī)模數(shù)據(jù)卻在2011年后不再公布，這增加了相關(guān)研究的難度。一方面，宏觀指標(biāo)數(shù)據(jù)，如貨幣供應(yīng)量、基準(zhǔn)利率等，由于存在中間通道和機(jī)制扭曲，無法完全反映出實際信貸調(diào)控^[13];另一方面，公開披露信貸信息的銀行只是少部分，無法代表整體^[14]，因此選取合理的信貸調(diào)控代理指標(biāo)也是本研究的重要工作之一。

研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性會阻礙企業(yè)杠桿率調(diào)整，而放寬信貸調(diào)控則會促進(jìn)企業(yè)杠桿率調(diào)整。兩種作用交織后發(fā)現(xiàn)，在不確定性較低時，放寬信貸調(diào)控對企業(yè)杠桿率調(diào)整的促進(jìn)作用相較于不確定性較高時期更為明顯；反之，在不確定性較高時，緊縮信貸調(diào)控對企業(yè)杠桿率調(diào)整的抑制作用比在不確定性較低時期突出。進(jìn)一步考慮企業(yè)杠桿率相對位置后發(fā)現(xiàn)，企業(yè)目標(biāo)杠桿率兩側(cè)的杠桿率調(diào)整不僅具有非對稱性，而且還會隨著企業(yè)杠桿率調(diào)整速度變化而動態(tài)翻轉(zhuǎn)。

本文的主要貢獻(xiàn)在于：首先，使用場景式的組合影響來研究企業(yè)杠桿率調(diào)整行為，更貼近于企業(yè)杠桿率調(diào)整的實際環(huán)境，拓展了宏觀因素與微觀企業(yè)杠桿決策之間的關(guān)系研究。其次，本文的研究結(jié)論具有實用性，使政策制定者和企業(yè)決策者能根據(jù)不確定性和信貸調(diào)控對企業(yè)杠桿率調(diào)整進(jìn)行趨勢預(yù)判，進(jìn)而快速形成心理預(yù)期。

二 相關(guān)研究動態(tài)

（一）經(jīng)濟(jì)政策不確定性

根據(jù)Bloom的定義，不確定性廣泛用于表征未來發(fā)展的不明朗和風(fēng)險變化，是宏觀經(jīng)濟(jì)特征的二階矩^[5]。目前已經(jīng)有較多學(xué)者考察了經(jīng)濟(jì)政策不確定性與宏觀經(jīng)濟(jì)的關(guān)系，認(rèn)為不確定性與經(jīng)濟(jì)下行高度相關(guān)^[2]。Pastor和Veronesi對這種相關(guān)性的解釋是，政府會把經(jīng)濟(jì)上行時期的向好發(fā)展歸因于當(dāng)前政策的有效性，此時政府更傾向于對現(xiàn)有政策的維持和微調(diào)，經(jīng)濟(jì)政策不確定性就會相對較低；而在經(jīng)濟(jì)下行時，政府急于改變現(xiàn)狀，從而使推行新政策的阻力變小，政策試錯屬性增強(qiáng)，這導(dǎo)致朝令夕改現(xiàn)象與新舊政策不連貫情況疊加，即政策實施和后果的雙重不明朗，進(jìn)而推高了經(jīng)濟(jì)政策不確定性^[15]。學(xué)者們普遍認(rèn)為，經(jīng)濟(jì)政策不確定性會加劇股市、匯市和商品市場價格波動^[4]。這些金融風(fēng)險因素往往會在經(jīng)濟(jì)下行時放大，而在經(jīng)濟(jì)上行時相對平緩，即體現(xiàn)為逆周期特征。當(dāng)企業(yè)決策者面對不確定因素時，往往會產(chǎn)生規(guī)避和觀望心理，即通常所說的觀望效應(yīng)^[16-17]。在此基礎(chǔ)上，F(xiàn)ajgelbaum等的研究發(fā)現(xiàn)，觀望效應(yīng)會導(dǎo)致企業(yè)延遲決策或降低決策頻率，進(jìn)而使企業(yè)間互相參照的信息減少，加劇了信息不對稱性，金融摩擦隨之變大^[18]。Bhatia等的研究也證實了該觀點^[19]。而郝大鵬等則認(rèn)為這種觀望效應(yīng)源于企業(yè)難以準(zhǔn)確預(yù)測未來市場需求，風(fēng)險承擔(dān)能力變?nèi)酰@是導(dǎo)致企業(yè)投融資計劃推遲或取消的重要因素^[20]。

針對經(jīng)濟(jì)政策不確定性指數(shù)的測度方法尚未形成共識。在既有文獻(xiàn)中，雖然Baker等所測度的中國經(jīng)濟(jì)政策不確定性指數(shù)受到了國內(nèi)外學(xué)者的廣泛關(guān)注，但其缺點是該指數(shù)的信息來源局限于英文報紙《南華早報》^[2]。此后，Davis等和Huang等分別以我國主流中文報刊作為信息來源，分別構(gòu)建了符合我國主流語境的EPU指數(shù)^[3-4]。然而，由于我國新聞審查制度較為嚴(yán)格，學(xué)術(shù)界對這兩個EPU指數(shù)依然存在爭議。盡管這些指數(shù)趨勢相近，但差異明顯，如圖1陰影部分所示。為此，本文通過主成分分析法，合成為一個綜合指數(shù)，如圖1實線所示。

（二）信貸調(diào)控

信貸調(diào)控最初受到社會廣泛關(guān)注可追溯到2008年后的“四萬億計劃”。該計劃帶來的信貸規(guī)模擴(kuò)張緩解了企業(yè)融資困境^[21]。隨后“去杠桿”和“穩(wěn)杠桿”等一系列政策，再次驗證了信貸調(diào)控對企業(yè)融資的重要作用^[22]，這主要歸結(jié)為兩方面的原因。一方面，信貸調(diào)控作為我國貨幣政策的關(guān)鍵閘口，決定了社會融資規(guī)模^[23-24]；另一方面，由于我國金融市場主要是以銀行間接融資為主，信貸調(diào)控往往與企業(yè)貸款利率緊密相關(guān)，能直接影響企業(yè)融資成本^[25]。信貸調(diào)控放寬不僅有助于激發(fā)企業(yè)投融資需求^[26]，還會加劇商業(yè)銀行間競爭，使得銀行在面對信息非對稱借貸行為時，更有可能降低貸款門檻，進(jìn)而提高企業(yè)融資能力^[27]。與之相反，林毅夫和李永軍認(rèn)為，信貸調(diào)控緊縮會使企業(yè)獲得的外部融資減少，企業(yè)間的融資約束加大，導(dǎo)致企業(yè)活力受到抑制，具體可體現(xiàn)為企業(yè)流動性資產(chǎn)留存增多，所形成的“流動性緩沖”會使企業(yè)資本結(jié)構(gòu)調(diào)整靈活性降低^[28]。Chang等的研究進(jìn)一步驗證了這個觀點^[29]。

通過梳理既有文獻(xiàn)后發(fā)現(xiàn)，學(xué)界對經(jīng)濟(jì)政策不確定性的研究較為豐富，而關(guān)于信貸調(diào)控的研究則以宏觀分析為主?，F(xiàn)有文獻(xiàn)在探討經(jīng)濟(jì)政策不確定性和信貸調(diào)控時，較少關(guān)注兩者對企業(yè)杠桿率調(diào)整的影響。兩者作為企業(yè)杠桿決策的重要影響因素，只有納入同一研究框架，才能更真實地反映出企業(yè)杠桿率調(diào)整的實際環(huán)境，進(jìn)而為政策制定者和企業(yè)治理者提供準(zhǔn)確的杠桿率調(diào)整趨勢預(yù)判。為此，本文將深入考察經(jīng)濟(jì)政策不確定性與信貸調(diào)控對企業(yè)杠桿率調(diào)整的影響。

三 作用機(jī)制及研究假設(shè)

（一）經(jīng)濟(jì)政策不確定性對企業(yè)杠桿率調(diào)整的作用機(jī)制

經(jīng)濟(jì)政策不確定性會從四個角度影響企業(yè)杠桿率調(diào)整：其一，從企業(yè)投融資決策角度。Huang和Luk認(rèn)為，隨著經(jīng)濟(jì)政策不確定性增加，企業(yè)管理層對未來經(jīng)濟(jì)環(huán)境和政策走向預(yù)期會逐漸變得模糊^[4]。一方面，企業(yè)更有可能推遲或取消原投資項目，以避免因政策變動而帶來的投資風(fēng)險；另一方面，不確定性加劇了企業(yè)現(xiàn)金流波動，企業(yè)違約風(fēng)險隨之上升^[7]。這兩方面都會減少企業(yè)的投融資需求，使企業(yè)杠桿率調(diào)整靈活性下降，進(jìn)而阻礙了企業(yè)向目標(biāo)杠桿率調(diào)整。其二，從企業(yè)財務(wù)穩(wěn)健性角度。當(dāng)經(jīng)濟(jì)政策不確定性較高時，企業(yè)為了確保經(jīng)營穩(wěn)定性，不僅會提高自身的財務(wù)柔性儲備，還會主動降低債務(wù)水平，以減少潛在的財務(wù)風(fēng)險^[14]。然而，這種保守策略會降低企業(yè)向目標(biāo)杠桿率調(diào)整的動力。其三，風(fēng)險溢價角度。在經(jīng)濟(jì)政策不確定性不斷升高時，金融機(jī)構(gòu)為了控制風(fēng)險，不僅會抬高企業(yè)融資成本，還會提出更多附加條件^[15]，進(jìn)而直接干預(yù)企業(yè)經(jīng)營決策，限制企業(yè)杠桿率調(diào)整空間。其四，信息不對稱角度。經(jīng)濟(jì)政策不確定性使企業(yè)難以獲取準(zhǔn)確、及時的市場信息，加大了企業(yè)管理層對未來市場趨勢預(yù)判的分歧^[7]，導(dǎo)致企業(yè)在面對市場波動時，難以快速有效地調(diào)整杠桿率。因此，本文提出以下假設(shè)。

假設(shè)1：經(jīng)濟(jì)政策不確定性會對企業(yè)杠桿率調(diào)整產(chǎn)生負(fù)向影響，即降低企業(yè)杠桿率調(diào)整速度。

（二）信貸調(diào)控對企業(yè)杠桿率調(diào)整的作用機(jī)制

信貸調(diào)控會從三個角度影響企業(yè)杠桿率調(diào)整。首先，從融資環(huán)境角度。Chang等認(rèn)為信貸放寬不僅意味著市場中的信貸總供給量增加，也意味著金融機(jī)構(gòu)之間的競爭加劇^[29]。金融機(jī)構(gòu)為了爭奪市場份額，往往會降低貸款利率或提供額外優(yōu)惠條件，企業(yè)杠桿率調(diào)整成本隨之下降。其次，投資意愿角度。信貸調(diào)控放寬會降低企業(yè)融資門檻，使企業(yè)能更容易地籌集到所需資金，有助于推動項目實施，增強(qiáng)企業(yè)投資信心^[24]。根據(jù)市場擇時理論，企業(yè)往往更傾向于利用市場融資時機(jī)進(jìn)行擴(kuò)張，從而為杠桿率調(diào)整提供了空間。再次，市場信號角度。信貸調(diào)控是政府引導(dǎo)市場預(yù)期和管理宏觀經(jīng)濟(jì)的一種手段^[26]，信貸調(diào)控放寬是在向市場傳遞積極信號，有助于穩(wěn)定市場預(yù)期和降低企業(yè)違約風(fēng)險，使企業(yè)能更專注于價值最大化，即向目標(biāo)杠桿率靠攏。因此，本文提出以下假設(shè)。

假設(shè)2：信貸調(diào)控放寬會對企業(yè)杠桿率調(diào)整產(chǎn)生正向影響，即提高企業(yè)杠桿率調(diào)整速度。

（三）雙重作用機(jī)制

較低的經(jīng)濟(jì)政策不確定性，往往與經(jīng)濟(jì)上行相關(guān)聯(lián)。此時，市場參與者對未來經(jīng)濟(jì)走向有較為明確的預(yù)期，市場信心相對穩(wěn)定，企業(yè)決策者的風(fēng)險厭惡性也相對較低，投融資需求增加^[3]。此時放寬信貸調(diào)控，不僅能促進(jìn)金融機(jī)構(gòu)間的競爭和改善企業(yè)融資環(huán)境，還能使企業(yè)更專注于自身價值最大化，有利于推動企業(yè)向目標(biāo)杠桿率調(diào)整。相比之下，在經(jīng)濟(jì)政策不確定性較高的環(huán)境中，市場參與者對未來經(jīng)濟(jì)的預(yù)期存在較大分歧，市場信心往往不足，金融機(jī)構(gòu)的風(fēng)險評估趨于謹(jǐn)慎，導(dǎo)致企業(yè)觀望心態(tài)加劇，更傾向于采用保守的經(jīng)營策略，比如減少對高風(fēng)險項目投資、增加現(xiàn)金儲備以應(yīng)對潛在風(fēng)險等^[9]。若此時放寬信貸調(diào)控，盡管政府“救市”意圖明顯，但鑒于市場仍然對宏觀不確定性存在顧慮，信貸調(diào)控作用被削弱。因此，本文提出以下假設(shè)。

假設(shè)3：相較于高不確定性下放寬信貸調(diào)控（高寬），低不確定性下放寬信貸調(diào)控（低-寬）對企業(yè)杠桿率調(diào)整的正向影響更加明顯。

收緊信貸雖然能有效抑制經(jīng)濟(jì)過熱并降低金融風(fēng)險，但其執(zhí)行往往伴隨著不可忽視的政策風(fēng)險。在不確定性較低的市場環(huán)境中，此類調(diào)控易導(dǎo)致市場信心下降，企業(yè)陷入財務(wù)困境的風(fēng)險隨之增加，進(jìn)而促使企業(yè)推遲投資并增加現(xiàn)金儲備^[4]。與此同時，金融中介機(jī)構(gòu)在信貸供給上的選擇性偏好也愈發(fā)明顯，加劇了不同企業(yè)融資的難度差異。相比之下，在高不確定性環(huán)境下，收緊信貸則很少發(fā)生于主動政策決策中，往往出現(xiàn)于高不確定性初期^[12]。此時，政策尚未及時調(diào)整，仍然沿用原來的管控指標(biāo)，輿論監(jiān)管也尚未全面到位，市場處于恐慌與應(yīng)激狀態(tài)。在此背景下，金融中介會出于本能反應(yīng)，減少資金供給，形成了事實上的信貸緊縮，進(jìn)而加劇了對企業(yè)杠桿率調(diào)整的負(fù)向影響。因此，本文提出以下假設(shè)。

假設(shè)4：相較于低不確定性下收緊信貸調(diào)控（低緊），高不確定性下收緊信貸調(diào)控（高-緊）對企業(yè)杠桿率調(diào)整的負(fù)向影響更加明顯。

四 研究設(shè)計與樣本選擇

（一）數(shù)據(jù)與樣本

本文以A股上市公司作為研究樣本，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，并參照Zhang等，使用季度數(shù)據(jù)^[14]。時間跨度為2003年第二季度到2019年第三季度，即從SARS暴發(fā)之后到新冠肺炎疫情爆發(fā)之前。樣本剔除了金融性企業(yè)和ST企業(yè)，并對連續(xù)變量的1%和99%進(jìn)行Winsor處理，要求企業(yè)樣本至少連續(xù)兩年，資產(chǎn)負(fù)債比在0和1之間。經(jīng)過篩選后，最終得到了3142家公司的118959個觀察值。銀行債務(wù)總值和GDP數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站。經(jīng)濟(jì)政策不確定性指數(shù)源于policyuncertainty.com和economicpolicyuncertaintyinchina.weebly.com。

（二）變量選擇及測度

1.企業(yè)杠桿率

參照Drobetz和Wanzenried^[30]及Devos等^[31]，本文采用企業(yè)總負(fù)債與總資產(chǎn)之比來測度企業(yè)杠桿率。其中，企業(yè)總負(fù)債包含了長期負(fù)債和短期負(fù)債，以更全面體現(xiàn)企業(yè)杠桿水平。如果企業(yè)杠桿只考慮長期負(fù)債，很可能無法反映企業(yè)短期償債能力和流動性風(fēng)險，使企業(yè)杠桿的真實變化延遲顯現(xiàn)，進(jìn)而會對企業(yè)財務(wù)健康產(chǎn)生錯覺，尤其是我國大量中小企業(yè)更依賴于短期債務(wù)進(jìn)行日常運營和資金流轉(zhuǎn)^[32]。企業(yè)杠桿率的分母采用企業(yè)賬面總資產(chǎn)，而非企業(yè)市值總資本，主要是基于以下三點考慮：一是從穩(wěn)定性角度，企業(yè)賬面總資產(chǎn)不受市場情緒和股價波動的直接影響，具有一定的穩(wěn)定性和可靠性。尤其是我國股票市場波動并不完全基于市場自身因素。二是從適用性角度，基于企業(yè)賬面總資產(chǎn)的研究對非上市企業(yè)杠桿決策有可比性，從而能使研究過程和結(jié)論得到進(jìn)一步拓展。三是從財務(wù)透明角度，相比企業(yè)市值，企業(yè)賬面總資產(chǎn)數(shù)據(jù)的操縱空間更小。

2. 經(jīng)濟(jì)政策不確定性

已有文獻(xiàn)對經(jīng)濟(jì)政策不確定性的衡量廣泛采用基于新聞指數(shù)的測度法^[2]，即依據(jù)國家和地區(qū)的政策和經(jīng)濟(jì)不確定性相關(guān)新聞報道和文章出現(xiàn)頻次來衡量各個時期的不確定性。經(jīng)濟(jì)政策不確定性指數(shù)被廣泛接受的原因可歸納為三點：第一，相比特定渠道指標(biāo)的波動性，如股市指數(shù)^[33]、GDP變化^[6]等，該指數(shù)能更全面反映全球政治和經(jīng)濟(jì)事件的關(guān)聯(lián)性；第二，相比以離散事件作為導(dǎo)向的不確定性測度，比如官員更替^[34]、重大選舉^[35]等，該指數(shù)能突破單一事件維度，具有連續(xù)性和時變性；第三，該指數(shù)能夠量化突發(fā)事件和連鎖事件的市場焦慮程度，對熱點感知靈敏。目前，我國的EPU指標(biāo)測度主要有三個來源：一是Baker等基于《南華早報》的英語新聞提取指數(shù)^[2]，二是Davis等根據(jù)兩家中央直屬的頂級中文報刊提取新聞指數(shù)^[3]，三是Huang和Luk依據(jù)國內(nèi)十家主流中文報刊提取新聞指數(shù)^[4]。這三個指數(shù)的構(gòu)建差異如表1所示。

為避免單一信息源的測度偏差，本文采用主成分分析法（PCA）對以上三種EPU指數(shù)進(jìn)行合成。首先對各EPU指標(biāo)進(jìn)行離差標(biāo)準(zhǔn)化，以統(tǒng)一量綱，數(shù)值區(qū)間限為0到100。離差標(biāo)準(zhǔn)化公式為：

yt=xi-min（xi）max（xi）-min（xi）×100

上式中，xi為各EPU指數(shù)的原始數(shù)據(jù)，yi則為對應(yīng)指數(shù)的離差標(biāo)準(zhǔn)化處理值。表2中的KMO檢驗系數(shù)和Bartlett球體檢驗P值表明，適合采用主成分分析方法；且各EPU之間相關(guān)性較高，信息冗余較大，符合數(shù)據(jù)降維條件。表2中還顯示了第一主成分特征值為1.98，不僅大于1，且方差貢獻(xiàn)率達(dá)到了78%，遠(yuǎn)超第二主成分。將標(biāo)準(zhǔn)化后的EPU數(shù)據(jù)矩陣乘以第一主成分的特征向量，所得到的新向量為EPU指數(shù)在主成分方向上的投影，即降維后的經(jīng)濟(jì)政策不確定性指標(biāo)，如圖1實線所示。圖中的陰影部分是標(biāo)準(zhǔn)化后的三種EPU指數(shù)共同形成的包絡(luò)，反映了指數(shù)間的差異。其中，上包絡(luò)線的表達(dá)式為：max{BakerEPUt， DavisEPUt， HuangEPUt}，下包絡(luò)線的表達(dá)式為：min{BakerEPUt， DavisEPUt， HuangEPUt}。本文參照Zhang等，將月度主成分EPU加權(quán)平均后轉(zhuǎn)變?yōu)榧径龋碋PUseason=（3EPUmonth + 2EPUmonth-1 + EPUmonth-2）/6，以衡量季度經(jīng)濟(jì)政策不確定性^[14]。

3.信貸調(diào)控

信貸調(diào)控的關(guān)鍵指標(biāo)是信貸規(guī)模，但該指標(biāo)在2011年后就不再公布，故需要找到相應(yīng)代理指標(biāo)。央行信貸調(diào)控的落實單位是銀行，而我國微觀經(jīng)濟(jì)體融資也主要依賴銀行^[8-9]，因此可通過銀行信貸供給來反映信貸調(diào)控政策。根據(jù)Gornall等^[36]推導(dǎo)的融資供應(yīng)鏈模型可知，當(dāng)銀行資本結(jié)構(gòu)中沒有負(fù)債時，企業(yè)債務(wù)收益就會被抵消，即企業(yè)債務(wù)優(yōu)勢來源于銀行，而過低的銀行杠桿不僅會阻礙銀行向企業(yè)傳遞債務(wù)優(yōu)勢，還會增加由銀行放貸收入所產(chǎn)生的所得稅，導(dǎo)致企業(yè)負(fù)債成本上升，融資吸引力下降。而當(dāng)銀行資本結(jié)構(gòu)全部為負(fù)債時，若不考慮銀行違約風(fēng)險，企業(yè)實現(xiàn)債務(wù)收益最大。然而，在現(xiàn)實情況中，銀行在向企業(yè)傳遞債務(wù)收益的過程中，必然伴隨著成本支出，其中破產(chǎn)成本便是一個不可忽視的因素。因此，如果銀行不能充分利用杠桿，就會在損失差額利息收入的同時還承受著破產(chǎn)成本。為獲得最大限度的杠桿優(yōu)勢，銀行總負(fù)債與銀行信貸規(guī)模之間存在耦合關(guān)系，即銀行會根據(jù)央行核批的控制指標(biāo)調(diào)整自身杠桿比例。據(jù)此，本文將銀行負(fù)債總和作為信貸規(guī)模的代理變量。該變量與2011年前央行公布的信貸規(guī)模顯著相關(guān)，Pearson系數(shù)達(dá)到0.901。通過將銀行負(fù)債總和除以當(dāng)季GDP，并進(jìn)行一階差分處理，獲得信貸規(guī)模變化的相對值，以反映信貸調(diào)控。此代理指標(biāo)從融資供應(yīng)鏈機(jī)制出發(fā)，不受樣本企業(yè)特質(zhì)影響，突出信貸調(diào)控下的供給側(cè)特質(zhì)。

4.控制變量

除以上變量外，研究中的控制變量主要包括企業(yè)融資靈活性指標(biāo)、融資需求指標(biāo)、信息不對稱性指標(biāo)和財務(wù)風(fēng)險指標(biāo)四類。具體而言，企業(yè)融資靈活性采用資產(chǎn)收益率（ROA）來測度。根據(jù)權(quán)衡理論，高收益率會降低債務(wù)和權(quán)益之間的轉(zhuǎn)換成本，使企業(yè)能更靈活地進(jìn)行杠桿率調(diào)整。融資需求分別用資本支出比（CER）和融資約束（FC）來控制。前一種融資需求來自企業(yè)發(fā)展驅(qū)動，后一種融資需求來自企業(yè)生存壓力。融資約束指標(biāo)參照Whited和Wu^[37]。信息不對稱分別用企業(yè)規(guī)模（Size）和市賬比（MBR）來控制。這里的企業(yè)規(guī)模用總資產(chǎn)的自然對數(shù)表示。財務(wù)風(fēng)險用資產(chǎn)有形性（Tan）和Altman’s Z-score來控制。表3報告了主要變量的描述性統(tǒng)計結(jié)果。

（三）模型構(gòu)建

企業(yè)向目標(biāo)杠桿率調(diào)整的過程中，存在各種摩擦因素，諸如破產(chǎn)成本、不完全市場、信息不對稱、代理成本等，這導(dǎo)致企業(yè)偏離最優(yōu)杠桿率，然后逐漸向最優(yōu)狀態(tài)靠攏。現(xiàn)有研究普遍采用杠桿率偏差模型來估計杠桿率調(diào)整速度。根據(jù)Devos等^[31]的研究，杠桿率調(diào)整模型設(shè)定如下：

Levi，t-Levpi，t-1=v（Levi，t-Levpi，t-1）+γXi，t+μi+i，t（1）

式（1）中，Levi，t為企業(yè)目標(biāo)杠桿率。由于企業(yè)目標(biāo)杠桿率無法被直接觀察到，因此根據(jù)Fama和French^[38]，可將目標(biāo)杠桿率表示為：

Levi，t=ΣβXi，t-1+μi（2）

式（2）用本期杠桿率作為上一期杠桿率的預(yù)測值來擬合目標(biāo)杠桿率，i為企業(yè)，t為時間。X代表了決定目標(biāo)杠桿率的自變量，包括資本支出比（CER）、融資約束（FC）^[37]、企業(yè)規(guī)模（Size）、市賬比（MBR）、資產(chǎn)有形性（Tan）、Altman’s Z-score和資產(chǎn)收益率（ROA）以及行業(yè)杠桿率中值，并同時用固定效應(yīng)擬合企業(yè)的非時變特征。

式（1）中，v是調(diào)整系數(shù)，即杠桿率調(diào)整的平均速度。Xi，t為控制變量，與式（2）相同。Levpt-1參照Faulkender等^[39]，將總債務(wù)D除以總資產(chǎn)A與下一周期凈收入NI之和，即Levpi，t-1=Di，t-1/（Ai，t-1+NIi，t，從而弱化杠桿率調(diào)整過程中的被動性，突出其在資本市場的主動性。Levi，t-Levpi，t-1是企業(yè)杠桿率的主動調(diào)整幅度，記為ΔLevi，t;Levi，t-Levpi，t-1是企業(yè)杠桿率偏離程度，記為LevDevi，t。由此，式（1）可簡化為：

ΔLevi，t=νLevDevi，t+γXi，t+μi+δt+i，t（3）

此外，根據(jù)王朝陽等^[40]的研究，可由常數(shù)項和影響因子構(gòu)成杠桿率調(diào)整速度的線性函數(shù)，即如下式所示。

ν=c0+c1EPU（4）

ν=d0+d1CDC（5）

ν=b0+b1EPU+b2CDC（6）

參照Drobetz和Wanzenried^[30]和王朝陽等^[40]的研究方法，分別將以上三式代入式（3）中，并整理得到：

ΔLevi，t=c0LevDevi，t+c1EPUi，t×LevDevi，t+γXi，t+μi+δt+i，t（7）

ΔLevi，t=d0LevDevi，t+d1CDCi，t×LevDevi，t+γXi，t+μi+δt+i，t（8）

ΔLevi，t=b0LevDevi，t+b1EPUi，t×LevDevi，t+b2CDCi，t×LevDevi，t+γXi，t+μi+δt+i，t（9）

式（7）-式（9）構(gòu)成了經(jīng)濟(jì)政策不確定性和信貸調(diào)控對企業(yè)杠桿率調(diào)整影響的基準(zhǔn)模型。由于經(jīng)濟(jì)政策不確定性與信貸調(diào)控的計量單位不同，式（9）只能做變量的單獨分析。為了檢驗兩者共同構(gòu)成的影響，就需要對模型進(jìn)一步拓展。首先，根據(jù)Devos等^[31]的研究，在杠桿率部分調(diào)整式（3）的基礎(chǔ)上，通過增加啞變量的方式來去除變量單位不一致的問題，即

ΔLevi，t=∑u=（h，l）（βu，1LevDevi，t+

βu，2EPUdummyu，i，t+βu，3LevDevi，t×

EPUdummyu，i，t）I（u）+γXi，t+μi+δt+i，t（10）

ΔLevi，t=∑s=（h，l）（βs，1LevDevi，t+

βs，2CDCdummys，i，t+βs，3LevDevi，t×

CDCdummys，i，t）I（s）+γXi，t+μi+δt+i，t

（11）

EPUdummyu，i，t的狀態(tài)u依據(jù)經(jīng)濟(jì)政策不確定性連續(xù)8個季度窗口滾動中值來區(qū)分不確定性的高低，以近似人對不確定性的短期敏感性。其滾動過程為，初始8個序列季度的判斷值Ki=EPUi – Median[EPU1，…， EPU8]， i=（1…8），當(dāng)Kigt;0時，歸為高不確定性（h），反之則為低不確定性（l）。當(dāng)處于高不確定性狀態(tài)時，高不確定性對應(yīng)的觀測值設(shè)為1，其余為0，反之亦然。類似地，信貸調(diào)整的狀態(tài)設(shè)為s，當(dāng)信貸調(diào)控變量值大于零時，則為信貸調(diào)控放寬（h）；反之則為信貸調(diào)控緊縮（l）。當(dāng)處于信貸調(diào)控放寬狀態(tài)時，信貸調(diào)控放寬對應(yīng)的觀測值設(shè)為1，其余為0，反之亦然。參照Devos等^[31]的做法，在式（10）和式（11）的基礎(chǔ)上，將經(jīng)濟(jì)政策不確定性和信貸調(diào)控納入同一模型框架。通過增加啞變量及其交叉項，來反映兩者對企業(yè)杠桿率調(diào)整的影響，如公式（12）所示。

ΔLevi，t=∑u，s=（h，l）（βu，s，1LevDevi，t+

βu，s，2EPUdummyu，i，t+βu，s，3LevDevi，t×

EPUdummyu，i，t+βu，s，4CDCdummys，i，t+

βu，s，5LevDevi，t×CDCdummys，i，t+

βu，s，6EPUdummyu，i，t×CDCdummys，i，t+

βu，s，7LevDevi，t×EPUdummyu，i，t×

CDCdummys，i，t）I（u，s）+γXi，t+μi+δt+i，t

（12）

式中交叉項系數(shù)βu，s，7為經(jīng)濟(jì)政策不確定性和信貸調(diào)控兩者對企業(yè)杠桿率調(diào)整的影響。

五 實證結(jié)果與分析

（一）基準(zhǔn)回歸分析

采用面板固定效應(yīng)模型，估計結(jié)果見表4，其中列（2）的EPU×LevDev項顯著為負(fù)，表明隨著經(jīng)濟(jì)政策不確定性程度上升，企業(yè)向目標(biāo)杠桿率調(diào)整的速度會隨之降低，與假設(shè)1一致。列（3）的CDC×LevDev項顯著為正，說明隨著信貸調(diào)控放寬，企業(yè)向目標(biāo)杠桿率調(diào)整的速度會隨之增加，與假設(shè)2一致。列（4）將經(jīng)濟(jì)政策不確定性和信貸調(diào)控共同納入模型，其對應(yīng)系數(shù)的符號與列（2）和列（3）一致，表明回歸結(jié)果穩(wěn)健。

（二）經(jīng)濟(jì)政策不確定性與信貸調(diào)控的雙重作用

1. 內(nèi)生性問題

盡管對于企業(yè)而言，經(jīng)濟(jì)政策不確定性和信貸調(diào)控這兩個變量相對外生，并且我們采用企業(yè)固定效應(yīng)模型控制了企業(yè)層面不隨時間變化的因素，但仍舊無法忽視潛在的內(nèi)生性問題。為此，本文采用兩種措施予以緩解。其一，排除融資約束指標(biāo)后十分之一的輕融資約束樣本，以避開融資敏感樣本在信貸放寬時產(chǎn)生的強(qiáng)烈反應(yīng)，因為這種強(qiáng)烈反應(yīng)往往并不完全由經(jīng)濟(jì)政策不確定性或信貸調(diào)控本身所驅(qū)動^[41]。排除此類樣本能降低解釋變量與隨機(jī)擾動項的相關(guān)性，進(jìn)而緩解內(nèi)生性問題。其二，參照李曉溪等的研究^[42]，使用傾向得分匹配法（PSM），以減少樣本差異對估計結(jié)果的影響，從而能在一定程度上控制那些不可觀測但可能影響結(jié)果的變量，以進(jìn)一步緩解內(nèi)生性問題。將信貸調(diào)控放寬下的樣本與信貸調(diào)控緊縮下的樣本進(jìn)行匹配后，表5報告了匹配前后企業(yè)特征總體的t檢驗結(jié)果，其p值增大，且標(biāo)準(zhǔn)化差異大幅下降了22.7%-99.3%，匹配效果較好。在采用了以上措施后，本文通過傳遞效應(yīng)檢驗發(fā)現(xiàn)^[40]，信貸調(diào)控在經(jīng)濟(jì)政策不確定性對企業(yè)杠桿率調(diào)整影響中的傳遞作用顯著減弱。這充分表明了這兩個研究變量之間的內(nèi)生性傳遞路徑已被部分控制，在這條傳遞路徑上的其他遺漏變量的影響也隨之得到了抑制，雙向因果關(guān)系被削弱，內(nèi)生性問題得到緩解，進(jìn)而使回歸結(jié)果更為穩(wěn)健和可信。

2.經(jīng)濟(jì)政策不確定性與信貸調(diào)控的獨立作用

基于Devos等^[31]的研究方法，式（10）和式（11）的估計結(jié)果見表6，其中列（1）和列（3）是基于目標(biāo)杠桿率期望值所獲得的檢驗結(jié)果。列（1）表明低不確定性會促進(jìn)企業(yè)向目標(biāo)杠桿率調(diào)整，平均增速達(dá)到6.3%（0.002/0.032），而高不確定性會阻礙企業(yè)向目標(biāo)杠桿率調(diào)整，平均減速達(dá)到5.9%（-0.002/0.034）。由此可知，從低不確定性到高不確定性，企業(yè)杠桿率調(diào)整會從增速變?yōu)闇p速，即不確定性升高抑制了企業(yè)杠桿率調(diào)整，再次驗證假設(shè)1，具有穩(wěn)健性。與此同時，列（3）表明信貸調(diào)控緊縮會減緩企業(yè)向目標(biāo)杠桿率調(diào)整，平均減速達(dá)到7.9%（-0.003/0.038）；而信貸調(diào)控放寬有助于企業(yè)向目標(biāo)杠桿率調(diào)整，平均增速達(dá)到8.1%（0.003/0.037）。由此可知，信貸調(diào)控由緊縮到放寬會對企業(yè)杠桿率調(diào)整形成正向影響，再次驗證假設(shè)2，具有穩(wěn)健性。表6列（2）和列（4）是基于目標(biāo)杠桿率中值所獲得的檢驗結(jié)果，所得結(jié)論分別與列（1）和列（3）一致，檢驗結(jié)果穩(wěn)健。

3. 經(jīng)濟(jì)政策不確定性與信貸調(diào)控的雙重作用

根據(jù)Devos等^[31]的研究方法，表7中列（1）是基于目標(biāo)杠桿率期望值所獲得的檢驗結(jié)果，顯示在低不確定性下信貸調(diào)控放寬能使企業(yè)杠桿率調(diào)整的平均增速達(dá)到46.4%（0.013/0.028），對企業(yè)杠桿率調(diào)整的正向作用最大。而在高不確定性下信貸調(diào)控放寬，企業(yè)杠桿率調(diào)整的平均增速只有9.38%（0.003/0.032），比低不確定性下放寬信貸調(diào)控產(chǎn)生的影響小，與假設(shè)3一致。此外，列（1）表明低不確定性下信貸調(diào)控緊縮對企業(yè)杠桿率調(diào)整的影響不顯著。這說明，盡管經(jīng)濟(jì)發(fā)展形勢明朗，緊縮信貸依舊會讓企業(yè)重新陷入猶豫和觀望；此時，金融中介機(jī)構(gòu)的選擇性偏好也愈發(fā)明顯，加劇了不同企業(yè)融資難度的差異性，使杠桿率調(diào)整無法形成顯著趨勢。而在高不確定性下緊縮信貸主要發(fā)生在不確定性爆發(fā)的初期，體現(xiàn)的是政策調(diào)控滯后，此時，企業(yè)杠桿率調(diào)整的減速效應(yīng)最為明顯，達(dá)到了10.5%（-0.004/0.038），與假設(shè)4一致，這進(jìn)一步說明了政府實施信貸調(diào)控的必要性。表7中列（2）報告了基于目標(biāo)杠桿率中值所獲得的檢驗結(jié)果，所得結(jié)論與之前一致，檢驗結(jié)果穩(wěn)健。

（三）穩(wěn)健性檢驗

企業(yè)目標(biāo)杠桿率無法直接觀察得到，只能通過模型估計間接獲得。因此，若只將結(jié)論建立在目標(biāo)杠桿率的期望值或中值上，仍然會有穩(wěn)健性的擔(dān)憂。對此，本文使用分位數(shù)回歸，在整個目標(biāo)杠桿率分布上均勻估計出多個目標(biāo)值，以反映出相對完整的杠桿率調(diào)整全景。采用分位數(shù)回歸的另一優(yōu)點是減少異常值的影響，放寬誤差一致性和變量正態(tài)分布的前提假設(shè)。圖2顯示了基于式（10）獲得的分位數(shù)回歸結(jié)果。其中的經(jīng)濟(jì)政策不確定性對企業(yè)杠桿率調(diào)整的影響覆蓋了整個目標(biāo)杠桿率分布。圖2中虛線上各值小于零，說明高不確定性對企業(yè)杠桿率調(diào)整有穩(wěn)健負(fù)向影響；而實線上各值大于零，說明低不確定性對企業(yè)杠桿率調(diào)整有穩(wěn)健正向影響。由此可知，從低不確定性到高不確定性，企業(yè)杠桿率調(diào)整所受到的影響從正向變?yōu)樨?fù)向，即不確定性升高抑制了企業(yè)杠桿率調(diào)整，再次驗證假設(shè)1，該結(jié)論穩(wěn)健。圖3顯示了基于式（11）獲得的分位數(shù)回歸結(jié)果，也同樣覆蓋了整個目標(biāo)杠桿率分布。在該圖中，虛線上各值小于零，說明信貸調(diào)控緊縮對企業(yè)杠桿率調(diào)整有穩(wěn)健負(fù)向影響；而實線上各值大于零，說明信貸調(diào)控放寬對企業(yè)杠桿率調(diào)整有穩(wěn)健正向影響。由此可知，信貸調(diào)控由緊縮到放寬會對企業(yè)杠桿率調(diào)整產(chǎn)生正向影響，再次驗證假設(shè)2，該結(jié)論穩(wěn)健。

圖4所報告的是經(jīng)濟(jì)政策不確定性和信貸調(diào)控兩者共同作用于企業(yè)杠桿率調(diào)整，覆蓋了整個目標(biāo)杠桿率分布。圖4中實線位置遠(yuǎn)高于虛線，說明在低不確定性下放寬信貸比在高不確定性下放寬信貸對杠桿率調(diào)整的促進(jìn)作用更加明顯，再次與假設(shè)3一致，該結(jié)論穩(wěn)健。同時，圖4中點線處于底部，其相對位置表明在高不確定性下緊縮信貸要比在低不確定性下緊縮信貸對杠桿率調(diào)整的抑制作用更加明顯，再次與假設(shè)4一致，該結(jié)論穩(wěn)健。

此外，根據(jù)大數(shù)理論，若對企業(yè)目標(biāo)杠桿率的估計偏高，則低于目標(biāo)杠桿率的調(diào)整會充分顯現(xiàn)。反之，若對企業(yè)目標(biāo)杠桿率的估計偏低，則高于目標(biāo)杠桿率的調(diào)整會充分顯示。圖4中實線對應(yīng)的場景條件是低不確定性下放寬信貸，該線呈現(xiàn)為大于零且為上揚(yáng)趨勢。這表明在企業(yè)杠桿率調(diào)整增速時，低于目標(biāo)杠桿率的企業(yè)比高于目標(biāo)杠桿率的企業(yè)相對增速幅度更大。而圖4中點線對應(yīng)的場景條件是高不確定性下緊縮信貸，呈現(xiàn)為小于零且有下降趨勢。這表明在企業(yè)杠桿率調(diào)整減速時，低于目標(biāo)杠桿率的企業(yè)比高于目標(biāo)杠桿率的企業(yè)相對減速幅度更大。因此，企業(yè)目標(biāo)杠桿率兩側(cè)的杠桿率調(diào)整不僅具有不對稱性，而且還會隨著企業(yè)杠桿率調(diào)整速度變化而動態(tài)翻轉(zhuǎn)。我們從圖2和圖3中也能發(fā)現(xiàn)類似特征，表明結(jié)果具有穩(wěn)健性。

六 研究結(jié)論與啟示

經(jīng)濟(jì)政策不確定性和信貸調(diào)控作為企業(yè)杠桿率調(diào)整的關(guān)鍵外部因素，共同構(gòu)成了企業(yè)杠桿決策外部環(huán)境中的客觀部分和調(diào)控部分。通過研究兩者對企業(yè)杠桿率調(diào)整的影響，不僅能直觀地獲得信貸調(diào)控在不確定性下對企業(yè)杠桿率調(diào)整的實際作用，還能為政策制定者和企業(yè)治理者提供企業(yè)杠桿率調(diào)整趨勢預(yù)判。研究發(fā)現(xiàn)：（1）經(jīng)濟(jì)政策不確定性會抑制企業(yè)向目標(biāo)杠桿率調(diào)整；而信貸調(diào)控放寬則會促進(jìn)企業(yè)向目標(biāo)杠桿率調(diào)整。（2）進(jìn)一步研究兩者的雙重影響后可知，相較于高不確定性下放寬信貸，在低不確定性下放寬信貸對企業(yè)杠桿率調(diào)整的正向影響更加明顯；而相較于低不確定性下收緊信貸，在高不確定性下收緊信貸對企業(yè)杠桿率調(diào)整的負(fù)向影響更加明顯。（3）企業(yè)目標(biāo)杠桿率兩側(cè)的杠桿率調(diào)整不僅具有非對稱性，而且還會隨著企業(yè)杠桿率調(diào)整速度變化而動態(tài)翻轉(zhuǎn)。

基于本文的研究結(jié)論，我們獲得如下啟示：

其一，較低的經(jīng)濟(jì)政策不確定性往往與經(jīng)濟(jì)上行緊密關(guān)聯(lián)。此時，不僅銀行有信貸供給意愿，企業(yè)也有投融資需求，信貸供需匹配度相對較高。從政策角度，若政府在此階段放寬信貸管控，實質(zhì)上就是對市場信貸規(guī)模隨需求自然擴(kuò)張的一種默許態(tài)度。然而，信貸調(diào)控的價值體現(xiàn)在能防止金融供給側(cè)和需求側(cè)過于“興奮”。反之，若政府有意實施信貸收緊政策，雖然系統(tǒng)性風(fēng)險防范效果明顯，但同時也將伴隨著較大的政策執(zhí)行風(fēng)險。尤其是對企業(yè)而言，信貸調(diào)控緊縮往往意味著陷入財務(wù)困境的可能性變大，使其無法靈活調(diào)整資本結(jié)構(gòu)，導(dǎo)致其偏離目標(biāo)杠桿率。這樣不僅阻礙了企業(yè)自身價值最大化，還可能增加企業(yè)非理性決策，增加了市場不穩(wěn)定因素，進(jìn)而削弱了低不確定性對企業(yè)杠桿率調(diào)整的加速作用。因此，經(jīng)濟(jì)環(huán)境穩(wěn)定時期的信貸緊縮調(diào)控更應(yīng)強(qiáng)調(diào)謹(jǐn)慎和“軟著陸”，避免過度干擾市場的自然運行節(jié)奏，從而實現(xiàn)經(jīng)濟(jì)平穩(wěn)健康發(fā)展與金融穩(wěn)定的雙重目標(biāo)。

其二，經(jīng)濟(jì)政策不確定性體現(xiàn)的是經(jīng)濟(jì)運行中的宏觀不確定性，其源頭多樣且難以預(yù)測，諸如突發(fā)傳染病、戰(zhàn)爭沖突、國內(nèi)外領(lǐng)導(dǎo)人更迭等，均可能成為不確定性的觸發(fā)因素，而高不確定性往往伴隨著經(jīng)濟(jì)下行。金融機(jī)構(gòu)在面對違約風(fēng)險時，往往會采取保守策略，主動收縮信貸規(guī)模以規(guī)避風(fēng)險。在此背景下，政府的及時介入顯得尤為關(guān)鍵。從政策制定的戰(zhàn)略高度來看，這一時期恰恰是國家進(jìn)行戰(zhàn)略布局的黃金窗口期。政府可通過精準(zhǔn)施策，以局部帶動整體，通過積極的信貸政策來打破由不確定性引發(fā)的市場觀望與猶豫氛圍，引導(dǎo)企業(yè)重新將治理重心聚焦于價值最大化這一目標(biāo)上。這樣的政策響應(yīng)更加貼近于資本決策的理性邏輯，對穩(wěn)定市場情緒具有積極作用。但同時需要關(guān)注的是一系列干預(yù)措施所帶來的不確定性會削弱信貸放寬對企業(yè)杠桿率調(diào)整的正面激勵效果。

其三，在傳統(tǒng)政策執(zhí)行的框架下，決策者往往會依據(jù)企業(yè)的行業(yè)歸屬、所有制形式、規(guī)模大小及地域特征等標(biāo)簽來界定信貸支持的受益群體。這種做法雖然目標(biāo)明確，便于操作，卻也容易導(dǎo)致政策制定陷入標(biāo)簽化思維，忽視了企業(yè)個體的真實狀況。具體而言，信貸政策需要考慮企業(yè)杠桿率實際所處的相對位置，對于杠桿率低于最優(yōu)值的企業(yè)，應(yīng)適度放寬信貸限制，以促進(jìn)其健康發(fā)展；而對于杠桿率高于最優(yōu)值的企業(yè)，則應(yīng)審慎收緊信貸供給，防范潛在風(fēng)險。這種基于企業(yè)實際情況的差異化策略，能夠精準(zhǔn)定位信貸政策的受益對象，有效避免“一刀切”的粗放模式，確保政策既具有針對性，又能促進(jìn)資源的合理配置。

［參 考 文 獻(xiàn)］

［1］ Modigliani F. The cost of capital， corporation finance and the theory of investment[J]. American Economic Review， 1958（3）：261-297.

[2] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016（4）：1593-1636.

[3] 潘文泳，朱小明．經(jīng)濟(jì)不確定性對企業(yè)并購的影響研究［J］．大連理工大學(xué)學(xué)報（社會科學(xué)版），2023（3）：36-43．

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

[5] Bloom N. The impact of uncertainty shocks[J]. Econometrica， 2009（3）：623-685.

[6] 楊薪燕.宏觀經(jīng)濟(jì)波動對企業(yè)資本結(jié)構(gòu)影響的實證[J].統(tǒng)計與決策， 2020（2）：156-159.

[7] 宮汝凱.政策不確定環(huán)境下的資本結(jié)構(gòu)動態(tài)決策[J].南開經(jīng)濟(jì)研究， 2021（4）：97-119.

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

[9] 顧海峰，于家珺.中國經(jīng)濟(jì)政策不確定性與銀行風(fēng)險承擔(dān)[J].世界經(jīng)濟(jì)， 2019（11）：148-171.

[10]盧露，楊文華.供給側(cè)結(jié)構(gòu)性改革與企業(yè)杠桿率調(diào)整——基于上市工業(yè)企業(yè)數(shù)據(jù)的實證研究[J].當(dāng)代財經(jīng)， 2020（7）：15-27.

[11]賈慶英，高蕊.房地產(chǎn)價格、經(jīng)濟(jì)杠桿與金融系統(tǒng)性風(fēng)險[J].南京審計大學(xué)學(xué)報， 2020（6）：69-78.

[12] Allen F， Gale D. Bubbles and crises[J]. The Economic Journal， 2000， 460：236-255.

[13] Dietrich D， Shin J K， Tvede M. Debt constraints and monetary policy[J]. Journal of Mathematical Economics， 2020，87：31-42.

[14] Zhang G L， Han J L， Pan Z Y，et al. Economic policy uncertainty and capital structure choice： evidence from China[J]. Economic Systems， 2015（3）：439-457.

[15] Pstor L′，Veronesi P. Political uncertainty and risk premia[J]. Journal of Financial Economics， 2013（3）：520-545.

[16] Gilchrist S， Sim J W， Zakrajsek E. Uncertainty， financial frictions， and investment dynamics[J]. Washington DC： FEDS Working Paper， 2014（69）：1-58.

[17] 顧文濤，潘莉燕，李恒奎.經(jīng)濟(jì)政策不確定性、銀行信貸與企業(yè)投資：基于企業(yè)異質(zhì)性視角的實證分析[J].投資研究， 2017（2）：17-32.

[18] Fajgelbaum P， Schaal E， Taschereau-Dumouchel M. Uncertainty Traps[R]. NBER Working Papers， 2014.

[19] Bhatia V， Pareek B， Das D. Uncertainty of fiscal policy and corporate leverage decisions[J]. Economics Letters， 2024，243：111908.

[20] 郝大鵬，劉元春，方意.雙循環(huán)背景下外部經(jīng)濟(jì)政策不確定性負(fù)向沖擊的化解研究：基于企業(yè)投資行為視角[J].財貿(mào)經(jīng)濟(jì)， 2024（4）：141-156.

[21] 王賢彬，王淑芳.刺激計劃與企業(yè)融資——基于“四萬億”政策的理論分析與實證檢驗[J].產(chǎn)業(yè)經(jīng)濟(jì)評論， 2019（3）：50-67.

[22] 吳侃，冉渝.信貸供給、資本結(jié)構(gòu)動態(tài)調(diào)整與企業(yè)投資[J].財會通訊， 2020（21）：99-103.

[23] 茍琴，黃益平.我國信貸配給決定因素分析——來自企業(yè)層面的證據(jù)[J].金融研究， 2014（8）：1-17.

[24] 謝超峰.貨幣政策產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)與非金融企業(yè)杠桿率分化[J].經(jīng)濟(jì)體制改革， 2023（1）：155-164.

[25] Ippolito F， Ozdagli A K， Perez-Orive A. The transmission of monetary policy through bank lending： the floating rate channel[J]. Journal of Monetary Economics， 2018（95）：49-71.

[26] 張弘瀅，耿成軒.金融發(fā)展、信貸供給與企業(yè)投資——基于系統(tǒng)GMM和門檻模型的分析[J].技術(shù)經(jīng)濟(jì)與管理研究， 2021（5）：44-48.

[27] 李夢花，聶思玥.我國信貸規(guī)模、資產(chǎn)價格波動與銀行脆弱性——基于有向無環(huán)圖的應(yīng)用研究[J]．當(dāng)代經(jīng)濟(jì)科學(xué)， 2015（5）：22-31+124-125.

[28] 林毅夫，李永軍.中小金融機(jī)構(gòu)發(fā)展與中小企業(yè)融資[J].經(jīng)濟(jì)研究， 2001（1）：10-18.

[29] Chang B， Gomez M， Hong H. Sorting out the effect of credit supply[J]. Journal of Financial Economics， 2023（3）：103719.

[30] Drobetz W， Wanzenried G. What determines the speed of adjustment to the target capital structure[J]. Applied Financial Economics， 2006（3）：941-958.

[31] Devos E， Rahman S， Tsang D. Debt covenants and the speed of capital structure adjustment[J]. Journal of Corporate Finance， 2017（45）：1-18.

[32] 劉暢，曹光宇，馬光榮.地方政府融資平臺擠出了中小企業(yè)貸款嗎[J].經(jīng)濟(jì)研究， 2020（3）：50-64.

[33] 王志強(qiáng)，梁曉穎.中國股市β異象對公司杠桿率的影響——“高杠桿率之謎”的一種解釋[J].財經(jīng)問題研究， 2021（9）：53-62.

[34] 羅黨論，佘國滿.地方官員變更與地方債發(fā)行[J].經(jīng)濟(jì)研究， 2015（6）：131-146.

[35] Jens C E. Political uncertainty and investment： causal evidence from U.S. gubernatorial elections[J]. Journal of Financial Economics， 2017（3）：563-579.

[36] Gornall W，" Strebulaev I A. Financing as a supply chain： the capital structure of banks and borrowers[J]. Journal of Financial Economics， 2018（3）：510-530.

[37] Whited T M， Wu G J. Financial constraints risk[J]. Review of Financial Studies， 2006（2）：531-559.

[38] Fama E F， French K R. Testing trade-off and pecking order predictions about dividends and debt[J]. Review of Financial Studies， 2002（1）：1-33.

[39] Faulkender M， Flannery M J， Hankins K W，et al. Cash flows and leverage adjustments[J]. Journal of Financial Economics， 2012（3）：632-646.

[40] 王朝陽，張雪蘭，包慧娜.經(jīng)濟(jì)政策不確定性與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整及穩(wěn)杠桿[J].中國工業(yè)經(jīng)濟(jì)， 2018（12）：134-151.

[41] 呂峻，石榮.宏觀經(jīng)濟(jì)因素對公司資本結(jié)構(gòu)影響的研究：兼論三種資本結(jié)構(gòu)理論的關(guān)系[J].當(dāng)代經(jīng)濟(jì)科學(xué)， 2014（6）：95-105+125-126.

[42] 李曉溪，饒品貴，岳衡.銀行競爭與企業(yè)杠桿操縱[J].經(jīng)濟(jì)研究， 2023（5）：172-189.