产能过剩是否加剧企业“脱实向虚”?

2022-03-05翟仁祥陈昭君

现代管理科学 2022年4期

翟仁祥陈昭君

[摘要]2008年金融危机以来，中国企业“脱实向虚”倾向日趋严重且金融化操作日益明显。基于2011—2019年A股上市公司面板数据，运用DEAP测算企业产能利用率，采用双向固定效应模型和中介效应检验产能过剩是否引发企业金融化以及中介变量是否起到间接作用。研究结果表明，低产能利用率企业更多倾向于从事金融类活动且不受IPO暂停影响；产能过剩对于企业金融化影响具有显著异质性特征，非金融企业、国有企业、小型规模企业因低产能利用率导致其金融化操作动机比金融类企业、非国有企业、大型规模企业更为明显；产能过剩对企业金融化具有显著的部分中介效应，低产能利用率主要通过低主营业务利润率间接导致企业金融化。从统筹协调企业实体金融匹配、持续提升实体企业投资回报、动态调整企业实体经营管理3个角度提出对策建议。检验结论及其对策建议对于政企了解去产能政策的经济后果和引导实体经济“脱虚向实”具有一定的参考价值。

[关键词]脱实向虚；企业金融化；产能过剩；GMM

一、引言

近年来，经济下行压力不断加大促使各地区面临经济发展转型压力，部分企业逐渐选择尝试性金融投资以满足小而快的融资需求，将本该用于企业主营业务的资金投资在股票、房地产、债券等金融产品上，国民经济呈现出的“脱实向虚”的金融化现象广泛引起了政府、银行、行业乃至民众的热烈关注。企业金融化是指因企业更多投资或依赖金融市场，使企业的利润来源从过去的贸易和产品生产变为主要通过金融投资（投机）来获得。根据企业不同发展状况和面对相异的市场条件，企业金融化动机大致分为储蓄和趋利动机，企业借助大规模融资以获得稳定资金源、寻找盈利方向或进行企业转型升级。2015年中央经济工作会议指出，2016年是推进结构性改革的攻坚之年，着力加强结构性改革，在适度扩大总需求的同时，去产能、去库存、去杠杆、降成本、补短板，提高供给体系质量和效率1。在一定程度上，可以认为供给侧结构性改革首要目标是“去产能”。关于中国产能是否过剩及其量化判断依据存在一定分歧，2008年前工业平均产能利用率基本呈上升趋势，2008年后基本呈波动下降趋势[1]，特别是2008年国际金融危机背景下，部分基础设施和传统行业投资冲动、低水平扩张以及原材料激烈竞争等原因，导致钢铁、煤炭、平板玻璃、水泥、煤化工、船舶、光伏、风电等等行业出现不同程度显性或潜在的产能过剩态势。根据中国经济金融研究数据库（CSMAR）提供的上市公司财务报表数据计算得到，2008—2017年中国上市公司持有的金融资产占总资产比例从5.2%上升到7.57%，金融投资现金流占总投资现金流比例从12.99%上升到51.98%[2]。上市公司“脱实向虚”的现象引起较为广泛的关注。

因此，研究企业乃至行业产能过剩与企业金融化两者间因果关系有利于拓展研究思路、丰富分析视角。与此同时，在明确企业产能过剩和企业金融化之间关系的基础上，促使企业依据自身实力审时度势，提出针对性和建设性措施治理企业“脱实向虚”，进一步理解不同行业类型企业去产能政策的经济后果并通过环保、能耗、安全、技术等非税费政策引导实体经济趋于“脱虚向实”，逐步提高产能集中度，实现规模经济效益。

二、文献综述和研究假设

关于企业金融化原因和动机。当企业考虑到当前及未来发展绩效不够乐观的情况下，特别是在金融资产相比实体经济投资收益少且具有较高的实际收益率时，企业根据其实际经营状态容易诱导并触发企业金融化动机；换而言之，非金融企业倾向于选择金融融资以便在短期内获得较高的投资收益，企业对于现金资产出于预防性动机来确保储备资产的流动性，从而进一步诱发并丰富本企业资产储备和投资需求[3]，也有部分研究认为企业金融投资是基于公司理财或经营发展战略考量而表现出的明显的趋利动机[4]。除储蓄及逐利动机外，经济政策不确定性的上升也会激励企业“脱实向虚”，导致企业推迟对原本实体经营管理的投资而造成被动地持有金融资产[5]。

上述两种动机暗示了企业不同战略选择对企业的融资需求产生差异化影响，其中，基于经营融资需求而导致企业金融化的主要引致因素仍是趋利动机。从企业金融化生产机制来看，小型企业在面对宏观经济不确定性时倾向于加大企业金融化水平，市场竞争激烈程度与企业通过金融化获取更高利润概率大小呈现正相关[6]，表明企业金融化程度受市场变动的影响较大。与此同时，国内非金融企业的金融化现象存在同群效应，即企业间类同性越高，同群效应越明显[7]。上述研究揭示出企业金融化主要因素有股权激励的股东利益最大化、金融—实体部门间投资收益差、基于财务风险的蓄水池投资、基于不确定性的投资替代以及金融资产占比过高等。

关于产能过剩原因及其后果。现有文献更多着眼于宏观视角观察和评价一个行业或国家整体产能过剩现象及其后果，在我国渐进式改革过程中，全国统一市场经济化进程不断深入，民营企业由于与国有企业相比更具有灵活性而获得较低成本经营优势，通过不断扩张产能逐步占有高成本国有企业的市场份额，由此导致相对低效率国有企业出现产能过剩问题[8]。从产能过剩的地区分布来看，中部和西部地区相比东部沿海地区出现更明显的产能过剩。新型城镇化作为治理产能过剩的重要驱动力对工业产能利用率具有空间异质性影响[9]，充分考虑控制新政产能与淘汰落后产能，以及传统行业、新兴行业和区域性行业的产能过剩形成的地区路径依赖和行业特征差异等，管制政策从过去的“一刀切”转变为当前的分类管制。与此同时，我国部分战略性新兴产业出现产能过剩的大部分原因是政府的不当干预。以光伏产业为例，因其偏向性结构关系和运行方式形成了产能过剩问题，政府对企业的干预力度越大、范围越广、程度越深，该行业产能过剩现象越严重[10]，这就要求全国层面的行业产能过剩治理需要政府兼顾地区和行业差异，从过去的行政刚性命令为主转变为更多发挥市场资源决定性和法治基础性配置作用，更多着眼于产能过剩行业的产业要素市场化改革，通过创新驱动发展战略，以改善产能过剩行业的环境规制政策工具，提高能源消耗强度标准、绿色安全生产等控制性标准，从企业利益动机出发逐步解决產能过剩，以避免过去的产业低端循环。

部分高生产效率企业在面临行业整体发展预期相对积极但市场需求的较大不确定时，基于谨慎投资考虑会主动放弃扩张市场，从而间接为大部分低效率企业留下市场空间，出现产能分散化、市场集中度低、高产出低效率并存的局面[11]。与此同时，产能过剩从某种程度上可能是很多企业不约而同地对具有良好发展前景的同一行业或产业产生趋同投资心理：先建产能后市场竞争，这种非预谋的共识形成的潮涌式产能投资从企业角度而言是理性投资，大规模相似性投资间接导致企业出现产能过剩[12]，暗示我国部分需求旺盛盈利空间大的行业产能过剩在一定程度上是必然的，需要经过市场竞争和时间检验，政府层面需要发挥管理和服务功能，制定产业发展规划，收集和发布行业信息，引导企业进入新兴行业，避免出现行业井喷式低效产能过剩。

根据已有文献梳理，不难发现实体经济“脱实向虚”和产能过剩两大经济问题，在微观层面分别体现为企业金融资产占比高和企业产能利用率低。现有文献关于上市企业产能过剩对企业金融化的研究相对较少，更多偏于行业产能过剩现象的描述；关于企业金融化的影响因素以及减税等产业政策对企业金融化的机理分析相对偏少，产业過剩是否对企业金融化有加剧作用，据此本文化提出假设H1：产能过剩加剧了企业金融化程度。

产能过剩与企业金融化一般以企业资金为链接，产业过剩对企业金融化是通过何种中介变量发挥作用，本文选用主营业务利润率指标探求其具体影响。通过分析企业的资产构成和主营业务表现揭示企业金融化是否促使企业减少实物资产投资，进而对企业主营业务产生制约效应[13]。从企业微观视角，利用上市公司数据研究产能过剩和“脱实向虚”的作用机制，通过主营业务利润率分析两者之间的中介效应：表现为对冲还是扩大金融化程度？据此本文提出假设H2：主营业务利润率在产能过剩与企业金融化之间发挥中介效应。

三、模型设定和数据说明

为了检验企业产能过剩对企业金融化影响机制设定基本回归模型：

[finvit=α+βipcuit+γiXit+εit] （1）

其中，[i]、[t]分别表示企业、年度；[εit]表示随机扰动项。被解释变量[finv]表示企业金融资产投资率，采用企业当年金融资产投资增量与期初总资产的比值衡量[14]，金融资产规模主要包括交易性金融资产、衍生金融资产、可供出售金融资产净额、应收利息净额、投资性房地产净额。核心解释变量[pcu]表示企业产能利用率，选用企业营业总收入作为实际产出，将固定资产净值和职工人数作为投入，运用DEA方法测算技术意义上的产能利用率[1，15]。影响企业金融化的其他控制变量[X]选取如下：公司规模[size]，以公司期初总资产衡量，为缓解可能存在的异方差取对数；固定资产占比[inv]，以公司无形资产、购建固定资产、其他长期资产支付现金的总和与期初总资产的比值衡量，取水平值；托宾值[tq]，以公司权益市值、总负债的总和与期初总资产的比值衡量，取水平值；有形资产占比[pta]，以公司有形资产与期初总资产的比值衡量，取水平值；中介变量[ope]，以公司主营业务利润率衡量，取水平值，公司主营业务利润率是主营业务利润与主营业务收入净额的比值。

选取2011—2019年我国沪深A股上市公司年度数据为研究样本数据，上市公司筛选原则是不存在关键财务数据缺失或异常情形，财务数据缺失或异常情形定义为资产规模缺失、营业总收入为0或缺失、资产负债率大于1等。公司财务报表数据来源CSMAR数据库，最后得到1267家上市公司2012—2019年10136个年度观测值（表1）。对比发现1267家上市企业的产能利用率随着时间呈现递减态势，2012年只有460家企业产能利用率大于80%，2013年仅剩10家，说明产能过剩问题比较严重；产能利用率在0%—20%、20%—40%、40%—60%、60%—80%、80%—100%分别占5.1%、5.0%、13.7%、22.7%、53.6%，说明1267家上市公司的产能利用率在过去8年超一半处于严重产能过剩状态；从企业类型分布来看，产能利用率较高的企业主要是国有控股企业，且产能利用率波动较为平稳，揭示了不同规模企业和不同所有制企业在产能利用率上存在显著差异[16]。总体来说，当前尚未有明确的产能过剩量化判断标准，主要原因是产能过剩定义存在争议，产能过剩既有总量意义上的供求能力对比，也有相对意义上的总需求相对不足，更有结构意义上的供给结构性失衡。因此，欧美国家一般从供给方面，选用产能利用率或设备利用率作为产能是否过剩的替代评价指标，设备利用率在79%—83%、超过90%、低于79%分别表示为产能正常、产能不足、产能过剩。国内关于产能过剩标准不明确使得国内企业或行业产能是否过剩存在一定程度的误判，从企业经营角度来看，行业出现产品库存在非正常急剧上升、产销率大幅下降、产品价格长期低于成本、行业大面积亏损、出口更加困难等情况是判断行业产能严重过剩的重要定性判断标准，这与企业因为生产能力利用较低、存在一部分闲置的生产能力相比各有侧重。

四、实证结果分析

1. 基准回归结果

如表2第2和3列所示，Hausman检验值为51.25，P值为0.0000，选择双向固定效应模型。核心解释变量pcu的回归系数在5%显著性水平上显著为负，该结果支持假设H1，验证了企业产能过剩的严重确实会显著加剧企业金融化程度，可能的影响机制是在经济处于复苏和繁荣阶段，伴随企业闲置产能的缩减，企业产能利用率持续提升以及潜在产能空间趋于收敛，企业生产的修复速度将趋于放缓，企业产能逐步向产能出清状态过渡，企业更加看好国内和全球经济恢复以及生产性中间需求和终端需求的增长扩张，企业金融化程度缩小。控制变量方面，公司规模size的回归系数在1%显著性水平上显著为正，说明公司规模对企业金融化影响具有正向反馈机制，揭示了企业在总资产充裕情况下，企业基于稳健经营原因，更倾向于投资或储蓄等一系列金融操作，通过金融资产组合管理实现资产保值增值，企业金融化对固定资产投资和企业扩大经营规模在某种程度上具有促进作用，即“蓄水池效应”，这与胡奕明等研究结论较为一致[4]。也有部分研究认为公司规模越大，企业金融化程度反而越低，这与表2第4和5列回归结果是一致的，可能原因是公司资产规模扩大，企业基于加大企业技术创新投入考虑，提高固定资产投资规模，企业技术性产能利用率得到提高。固定资产占比inv的回归系数在1%显著性水平上显著为负，表明当投入企业生产的固定支出缩小时，金融方面的资产配置相应增加，进一步导致企业金融化程度加重，揭示了企业内部的资金投入结构变化与企业金融化操作显著相关，抑制“脱实向虚”不仅要从宏观方面运用行政手段限制企业金融投资行为，更需要结合企业本身产能、资金投入量等问题，促进企业通过固定资产投资形成节能减排和技术设备改造升级，通过结构性改革来提升金融资源配置的有效性。托宾值tq的回归系数在10%显著性水平上显著为负，表明托宾值提高，企业投资扩张，企业产能提高，产能利用率提升，企业金融化程度降低。有形资产占比pta的回归系数在1%显著性水平上显著为负，说明金融本身的虚拟性和金融产品相对于企业固定资产的高度变现性，部分企业逐步加大制造实体生产，有形资产占比越大，企业实体化水平越高，企业金融化程度越低。

2. 稳健性检验

关于内生性。虽然固定效应模型拟合结果符合预期假设，考虑到解释变量可能与随机扰动项存在相关性，即产能过剩会受到周围市场环境等其他变量偏误影响，选用广义矩阵估计（GMM）解决内生性问题，使得回归模型具有动态解释能力。被解释变量固定资产占比inv作为企业金融资产投资量被设为工具变量，将企业规模size和有形资产占比pta作为外生变量，同时将被解释变量滞后一期。计量结果如表2第4和5列所示，差分GMM模型增加被解释变量滞后2期后，核心解释变量的计量结果与系统GMM模型基本一致，但其滞后2期变量的显著性检验P值小于系统GMM的P值，说明差分GMM时变量间的自相关性略强于系统GMM；对比差分GMM和系统GMM的Hansen检验结果，差分GMM的检验P值过大，存在过度识别的可能性；与此同时，差分GMM可能存在弱工具变量局限，差分消除了不随时间变化的个体效应或其他因素，且系统GMM解决了差分GMM的一些遺漏误差，系统GMM模型更具可靠性。AR检验结果显示滞后1期和2期的自回归系数通过10%显著性别检验，都不存在自相关，符合系统GMM模型设立条件。被解释变量滞后1期的回归系数为负，意味着上期金融资产投资量与当期负相关，即企业金融资产投资量的增加会促使企业在当期作出及时把控，适当减少当期金融方面投资量。核心变量产能利用率的回归系数为-0.382，且在1%显著性水平上为负，产能利用率越低对企业金融化程度越有加剧作用，再次说明产能过剩加剧了企业金融化，“脱实向虚”现象越发明显，与基准回归结论一致。与此同时，根据Hansen检验结果排除模型不可识别或者过度识别的可能性。

关于替换变量测量。基准回归中金融资产包含长期股权投资。长期股权投资在全部金融资产中占比是相对较高的，与一般的金融投资为获得短期投资收益、提高资金利用效率不同，上市公司进行股权投资更多是服务于企业长远发展的战略性投资行为，从产能扩张角度来看，中间端或终端需求高涨促使企业增资扩产，容易引起企业和行业产能过剩，企业基于稳健经营原则倾向于收缩产能，企业间优胜劣汰引起了行业产能供给端市场出清，企业产能效率逐步提高。因此构建不包括长期股权投资的被解释变量finv2。回归结果如表3第2和3列所示，核心解释变量企业产能利用率pcu的回归系数在1%显著性水平下为负；与此同时，其他控制变量的回归系数正负号及其显著性与基准回归一致。

关于更改样本范围。首先从企业性质上看，标记ST的上市企业可能导致估计结果存在偏差，需要剔除19家ST上市公司样本；从时间维度上看，2011—2019年度企业样本（所有数据滞后一期），在该段时间内出现IPO暂停情形可能会极大影响企业融资并间接影响企业的金融化程度。为了消除这种可能影响，采取删除该政策发生样本，剔除IPO发生时段的估计结果与基准回归符号一致（表3第4和5列），说明该情况对回归结果暂无明显影响。其次原样本中包含金融类企业，金融和保险等行业属于金融类企业，不属于实体经济范畴，需要消除金融类企业对“脱实向虚”的偏误影响。剔除金融类企业后的回归结果与基准回归符号一致（表3第6和7列），相应的解释变量的显著性比基准回归相对较高，说明剔除金融类企业样本后的估计结果更具有显著性和说服力。

五、进一步分析

1. 企业异质性分析

如表4第2和3列所示，产能过剩对企业金融化具有加剧作用，但对于具有股权性质、企业规模等不同特征的企业，其企业金融化的影响程度具有差异性。国有企业的产能过剩对企业金融化的加剧作用更为显著，原因可能是国有性质企业的资产归国家所有，而国有银行又受国资委等政府部分控制，政府基于各种原因有可能干预国有银行，导致银行贷款更多向国有企业倾斜[17]；与此同时，基于地方经济的增长动力激励，国有企业更容易获取地方政府资金的扶持[18]，导致国有企业的金融化水平更为明显、资产金融化规模更为庞大。以企业资产平均数为划分标准，小于企业资产平均规模的小规模企业的产能过剩对企业金融化的加剧作用更为明显，如表4第4和5列所示；考虑到企业金融化的动机更多在于储存或投机，小规模企业因受企业内外部影响较大，以迫切的“广撒网”方式面对困境，在产能过剩危机下利用已有资金进行投机创收，或以此转变企业发展方式，促进本企业创新升级与发展。这就说明，不同的企业性质（国企和非国企）和企业规模（超过平均规模、低于平均规模），企业金融化对企业产能过剩影响有所不同。国外和国内部分实体企业金融化现象，说明无论是基于投机动机还是“蓄水池”效应的企业金融化，都与固定资产占比inv、托宾值tq、有形资产占比pta负相关，且企业金融化在一定程度上挤占了国有企业和超过平均规模企业的固定资产投资或实体化投资，而对非国有企业或小规模企业产生的消极影响较低。

2. 中介效应检验

采用中介效应检验核心解释变量产能过剩对企业金融化的间接效应，即作为中介变量的企业主营业务利润率ope是否会间接作用于企业金融化，采用Sobel检验中Z统计量值及其对应P值来判断中介效应是否显著。结合温忠麟等关于中介效应模型的检验方法[19]，在基准回归模型和样本替换后替换回归模型基础上进行中介效应。具体来说，第一步在保证其他控制变量的基础上，对被解释变量finv和核心解释变量pcu做基准回归；第二步finv替换成中介变量ope做替换回归；第三步，finv对ope、pcu做全部回归，依次检验3个回归方程解释变量的回归系数是否显著。

如表5第2和3列所示，sobel检验Z统计量分别为1.889、1.797，均大于1.65，且通过10%显著性检验，即企业产能利用率和企业金融资产投资率之间存在显著的中介效应，企业的产能过剩会导致企业主营业务利润率ope下降，间接导致企业金融化产生。在控制中介变量后，基准回归模型的核心解释变量企业产能利用率pcu的回归系数为-0.057，P值为0.052（表2），替换回归模型的核心解释变量pcu回归系数为-0.026，P值为0.043；回归系数绝对值均变大且统计上显著为负，说明存在部分中介效应。表明企业主营业务收入所体现的利润率为产能过剩影响企业金融化提供一个间接渠道，产能过剩对企业金融化具有明显的负向效应和部分中介效应，在一定程度上验证了研究假设H2。

3. 要素禀赋分类异质性分析

对现有上市公司所在行业按照资本—技术—劳动密集程度进行划分，分别划分为资本密集型行业、技术密集型行业、劳动密集型行业。回归结果显示（限于篇幅没有列示），考虑到地方政府基于税收等考虑会积极解决利税较大、技术落后的企业，技术密集型企业产能过剩发生概率较低，而劳动密集型企业产能过剩较为严重。以重工业为主的资本密集型企业的产能利用率偏低，产能过剩治理显著促进行业技术密集度逐步提高，政府倾向于选择淘汰或关闭劳动密集型以及技术相对落后的过剩产能产业，转而重点支持经济效益相对较好、能源消耗相对较低的技术密集型产业，这就反过来促使生产活动逐渐向技术密集型产业集中，技术密集型产业产值占工业总产值比重逐步得到提升，这揭示了技术密集型企业更能解决产能过剩问题的原因。重工业中的医药、化纤以及机械设备行业的技术密集型企业产能利用率较高，这在一定程度上验证了对工业产能过剩的综合治理显著降低了企业金融资产投资率。与此同时，产能利用率和公司主营业务利润率两个变量同时纳入到回归方程后，产能利用率和主营业务利润率都能显著降低企业金融资产投资率，但公司主营业务利润率显著性水平较基准模型略有下降，说明产能利用率通过提高产业公司主营业务利润率促使企业“脱实向虚”，进一步揭示了不同要素禀赋的企业基于增加储蓄和投机动机来提高企业金融资产投资率。

六、研究结论和政策启示

在我国实体企业出现产能过剩现象和“脱实向虚”背景下，本文基于2011—2019年我国上深A股上市公司面板数据，从企业产能利用率视角研究企业产能过剩和企业金融化之间的关系，实证检验企业产能过剩对其进行金融投资行为的影响及其异质性效应。检验结果表明企业产能利用率越低越会加剧企业金融化程度。进一步分析表明，企业产能过剩和企业金融化之间存在中介效应，产能过剩通过作用于企业主营业务间接影响企业金融化水平，有助于更加深刻认识异质性企业金融化的原因及其影响。根据上述研究结论，本文提出有效降低产能过剩以及降低实体企业金融化水平的对策建议如下：

一是统筹协调企业实体金融匹配。政府和企业如果只是单独将重点工作放在解决产能过剩而忽略由此导致的过度金融化，可能会造成一定程度的资产泡沫化，容易对实体企业造成生产抑制效应，进而引起有限资金资源错配，阻碍企业经济增长和技术创新。这就要求企业正确把握解决产能过剩的力度，掌握资金管理和分配需求，既要顺应国家“去产能”宏观政策，也要在企业经营投资范围内利用金融工具合理进行储蓄或投资，将企业绩效引入正向反馈。在经营改革过程中，应注重分析本企业所处的行业、地区、技术、资金条件、产业政策等专有性特征，因地制宜，根据市场环境差异改变应有策略，对不同要素禀赋的企业采取分类指导和支持，侧重于以实体企业真实融资需求为导向，以匹配性为基础，适当增加个性化、差异化、定制化融资产品，确保满足实体经济在不同发展阶段的资金需求。适当调整资金分配并重视对本企业原有生产业务的规划与创新目标，提高不同金融手段与本企业经营发展的适配性，避免盲目求同或盲目追求巨大收益而忽略不同金融工具匹配性引致的不良后果。

二是持续提升实体企业投资回报。实体企业一般会因为实体经营利润低，更倾向于通过参加金融投资来提高盈利水平，由于非金融类企业对于风险的把控能力比较低，容易产生较大的投资风险。这就需要重点关注实体经营不善的企业在开展盲目投资并获得短期收益情况下，擅自更改资金的用途而陷入频繁投资的陷阱。解决重心放在提升企业本身实体经营的利润率和经营效率，优化投资环境和市场营销环境，特别是国有企业监管机构，对国有企业金融资产投资行为要加强监管，严格控制金融资产投资管理规模和比重[20]；与此同时，政府部门通过税收、补贴等政策鼓励实体企业加强技术创新投入，提高企业技术性产出效率和产能利用率；这就需要政府统筹实体企业政策链、产业链、创新链、人才链、资金链，促进全域实体产业结构融合发展，避免企业陷入“脱实向虚”陷阱，特别是要避免企业控股股东在投机动机利诱下片面追求金融创新而掏空企业[21]，企业通过适度规模金融投资以促进企业经营利润提高，促使企业向“脱虚向实”迈进。

三是动态调整企业实体经营管理。企业经营时，不再单纯求量保成本，要充分考虑本企业在市场中的地位与影响力，兼顾市场多样化需求，企业动态了解政府发布的前瞻性产业政策，提前谋划既有发展前景又有潜力的投资项目，以充分吸收资源和市场空间。结合本土行业进行战略化调整，创新性生产，匹配市场，在坚持供给侧结构性改革的目标的前提下，扩大自身企业创造力，利用前瞻性的视角减少产能过剩带来的负面影响。这就要求努力促进实体企业主营业务收入构成多样化，企业应该基于审慎性和稳健性对用于金融用途的资金进行控制，增加用于创新性生产的投资，专注于企业核心业务，提高企業生产运营效率和质量，提升市场竞争力、社会地位和用户口碑等，避免陷入产能过剩的无效循环和资源浪费。

参考文献：

[1] 董敏杰，梁泳梅，张其仔.中国工业产能利用率：行业比较、地区差距及影响因素[J].经济研究，2015，50（1）：84-98.

[2] 雷新途，朱容成，黄盈莹.企业金融化程度、诱发因素与经济后果研究[J].华东经济管理，2020，34（1）：76-85.

[3] 江春，李巍.中国非金融企业持有金融资产的决定因素和含义：一个实证调查[J].经济管理，2013，35（7）：13－23.

[4] 胡奕明，王雪婷，张瑾.金融资产配置动机：“蓄水池”或“替代”？——来自中国上市公司的证据[J].经济研究，2017（1）：181-194.

[5] 郭胤含，朱叶.有意之为还是无奈之举——经济政策不确定性下的企业“脱实向虚”[J].经济管理，2020，42（7）：40-55.

[6] 方明月，靳其润，聂辉华.中国企业为什么脱实向虚？——理论假说和经验检验[J].学习与探索，2020（8）：131-140.

[7] 刘喜和，沈晶晶，周妙雯.非金融企业金融化的同群效应驱动因素研究[J].现代财经（天津财经大学学报），2020，40（12）：50-63.

[8] 范林凯，李晓萍，应珊珊.渐进式改革背景下产能过剩的现实基础与形成机理[J].中国工业经济，2015（1）：19-31.

[9] 叶爱山，夏海力.新型城镇化对工业产能利用率的影响效应[J].统计与决策，2021，37（6）：118-121.

[10] 余东华，吕逸楠.政府不当干预与战略性新兴产业产能过剩——以中国光伏产业为例[J].中国工业经济，2015（10）：53-68.

[11] 徐朝阳，周念利.市场结构内生变迁与产能过剩治理[J].经济研究，2015，50（2）：75-87.