美联储货币政策不确定性对我国企业杠杆率的溢出效应——基于融资约束异质性视角

舒长江,洪 攀

(1.南昌航空大学经济管理学院，江西 南昌 330063；2.江西财经大学金融学院，江西 南昌 330013)

一、引言与文献回顾

2008年美国次贷危机引发了全球金融危机，为摆脱困境，各国短时间内频繁出台了一揽子强刺激政策。世界经济缓慢复苏使得政策变动频繁，造成市场主体对政策实施前景的理性预期更加困难，于是政策不确定性逐渐产生[1]。复杂的外部经济环境加深了各国金融系统内部脆弱性，加剧了各国的经济政策不确定性，而各国的经济政策不确定性已经交织成一个复杂的闭环传递网络。 当今世界正面临百年未有之大变局，叠加世纪疫情考验，世界各国步入全球同频共振时代，国际贸易格局、全球金融体系和格局都在发生深刻调整与变化。中美两国作为世界上最大的两个经济体，两国宏观经济政策变动不仅会对两国自身产生影响，也会对世界产生重要冲击。当前我国正处于经济结构调整、金融结构优化、产业结构升级的关键时期，拥有一个稳定的外部经济环境至关重要。长期以来，美联储货币政策存在高度的“数据依赖”问题，其后果就是美联储货币政策不确定性加大。那么，美联储货币政策不确定性对我国金融结构优化尤其是我国企业杠杆率调整产生怎样的影响？具体通过哪些渠道产生影响？我国是典型的“二元”企业结构，企业存在典型的融资约束分化现象，那么美联储货币政策不确定性对融资约束异质性企业杠杆率的影响是否具有差异？厘清和回答上述疑问，不仅有利于我国宏观经济政策积极应对防范美联储货币政策不确定的负向冲击，维护金融安全稳定，而且有利于警醒我国企业保持合理的资本结构，提升应对外部经济环境不确定性的能力。

宏观经济政策手段蕴含丰富的内容，其主要内核包括财政政策和货币政策。各国政府为实现既定目标会灵活采用各种政策措施，频繁变动的政策工具不但会影响政策执行的预期效果，更重要的是会导致经济停滞[2]。自金融危机以来，美联储货币政策调整幅度和频率超过以往，探讨美联储货币政策调整的外溢效应十分必要。国内外诸多学者从跨地区风险溢出视角对美联储货币政策调整所造成的潜在冲击进行了深入探讨。杨子晖和田磊(2013)从国际经济周期构建了三层静态因子模型，证实了美国经济周期主导着世界经济周期，为金融风险跨市场传染研究奠定了基础[3]。美国资本市场是诱发全球市场风险的导火索，美国经济政策不确定性是造成全球金融市场不稳定的重要因素[4]。Mehmet等(2018)测度了美国、日本和欧洲等国家地区经济政策不确定性是否影响了我国香港、马来西亚、韩国等的股票价格，发现除我国香港之外，马来西亚、韩国反映出明显的时变性特征[5]。Nguyen(2019)在VAR模型的基础上研究了2008年金融危机后，美国经济政策不确定性对其他国家产生影响的路径和机制，并对比了不同经济体的溢出效应[6]。杨子晖和周颖刚(2018)采用DAG图技术方法以及网络拓扑结构方法，从网络关联视角考察全球系统性金融风险的动态演变路径和机制，发现系统性金融风险具有明显的跨市场传染性，中国内地是金融风险溢出的主要接收者[7]。

国内外诸多研究为后续工作打下了坚实基础。当前，直接探讨美联储货币政策不确定性与我国企业杠杆率之间关系的研究还比较少，但是从国内经济政策不确定性视角出发，研究经济政策不确定性与企业杠杆率之间的文献较多，并且形成了相对一致的结论。Zhang 等(2015)以2003—2013年我国非金融企业部门上市企业季度数据为研究样本，讨论在所有权异质性和不同市场化程度条件下，经济政策不确定性对企业杠杆率的影响[8]。纪洋等(2018)研究发现企业异质性和政府隐性担保是影响经济政策不确定性作用于企业杠杆率的两个重要因素[9]。Beckmann 和 Czudaj(2017)在传统汇率决定模型的基础上研究经济政策不确定性与汇率之间的内在关系发现，经济政策不确定性影响汇率，扰乱了市场参与者对未来的预期[10]。何运信等(2021)利用我国73家商业银行的数据，研究发现经济政策不确定性会削弱货币政策对银行风险承担的影响[11]。宮汝凯等(2019)研究发现经济政策不确定性对于企业投资的抑制作用在民营企业和中小企业中体现得最为明显[12]。王朝阳等(2018)研究发现，在经济政策不确定性环境下，银行借贷意愿会降低，从而变相抑制企业杠杆率[13]。李凤羽和杨墨竹(2015)对比了2008年前后经济政策不确定性对企业投资的抑制作用，发现2008年之后抑制作用更为明显[14]。郭田勇和孙光宇(2021)研究发现，经济政策不确定性提升会增加企业融资约束，对企业加杠杆会形成阻滞作用[15]。曾令涛和汪超(2015)研究货币政策与异质性企业杠杆率之间关系发现，紧缩性货币政策会显著降低企业杠杆率，并且这种作用对于高融资约束企业更为明显[16]。司登奎等(2020)研究得出汇率政策不确定性对企业杠杆率提升存在显著的正向作用，并且对低融资约束企业的作用效果更显著[17]。王婷和李成(2017)以2005—2017年上市企业数据为样本实证分析指出，货币政策对企业融资结构的影响在产权异质性企业间存在差异[18]。赵恢林和黄建忠(2019)研究了货币政策对企业资本利用率的影响，发现民营企业资本利用率显著高于国有企业[19]。

综观国内外研究发现，针对美联储货币政策溢出效应的研究虽已涉猎，但是尚未涉及国内企业杠杆率相关内容，而国内有关政策不确定性的研究重点主要集中在企业投资、风险传染、资产价格以及产出增长等方面，鲜有文献将研究重点聚焦于国外货币政策不确定性对我国企业杠杆率的影响，尤其是缺乏对融资约束异质性企业杠杆率影响的相关研究。本文的边际贡献在于：(1)结合我国典型的“二元”企业结构，从企业融资约束异质性视角，考察了开放经济条件下国外货币政策不确定性对我国金融结构优化尤其是我国企业杠杆率调整的影响，进一步深化了现有研究关于经济政策不确定性对企业杠杆率影响的研究范畴；(2)从资产价格渠道、汇率渠道和利率渠道分别考察了国外货币政策对国内微观企业的溢出效应，刻画了货币政策对企业资本结构的跨国传导机制，既丰富了货币政策理论，也是对现代公司金融理论的补充。

二、理论分析

本文借鉴Dornbusch(1976)[20]、Kiyotaki和Moore(1997)[21]、Guerrieri和Iacoviello(2015)[22]、Almeida和Wolfenzon(2004)[23]、 Han和Qiu(2007)[24]等文献，考虑我国典型的“二元”企业结构，构建了开放经济下包含融资约束异质性特征的货币政策溢出效应的两国简化经济模型，重点刻画美联储货币政策不确定性对我国企业杠杆率的溢出传导机制。

(一)国际传导阶段

假设t时期国外四部门满足国外市场均衡条件为：

(1)

(2)

(3)

现假设国外财政政策保持不变，考察货币政策变动的影响。对式(1)—(3)进行全微分，整理可得：

(4)

(二)国内传导阶段

根据现有文献通常做法，定义企业杠杆率lev为企业负债与企业资产的比值。企业向金融机构借贷通常需要资产抵押(质押)，金融机构按照资产评估价的一定折扣向企业放贷，因此企业面临融资约束：

Bt≤θt(1-δ)Expt(Pt+1Ktπt+1/it)

(5)

其中，Bt表示国内企业债务额；θt表示贷款价值比，且θt∈(0,1)；δ表示资产折旧率； Expt(Pt+1Ktπt+1/it)表示抵押物的市场估值；πt+1表示国内通货膨胀。

考虑我国典型的“二元”企业结构特征，将企业划分为强融资约束和弱融资约束两类(2)弱融资约束企业指凡是能够提升企业净现值的投资项目均能以微小成本获得外部融资的企业；强融资约束企业指受到资金约束限制，最优资金不能有效投向正净现值投资项目，从而导致没有足够信用获得更多外部融资的企业[23][24]。。对于强融资约束企业S，其债务额就是最大的融资限额，即BSt=θt(1-δ)Expt(Pt+1KStπt+1/it)。对于弱融资约束企业W，其债务额为部分最大融资限额，即BWt=θt(1-δ)Expt(Pt+1KWtπt+1/it)-ζt，ζt表示企业最大融资额与实际融资额的差值。通过这个表达式可知，假设其他条件不变，未来一期资产价格Pt+1下降或名义汇率Et降低，引发当期本国企业贷款需求上升，导致企业最大融资额与实际融资额的差值减小。与此同时，由于ζt受当期本国实际利率it的影响，it的上升使得债权人对企业抵押品估价降低，低融资约束企业必须增加融资额以满足基本借贷需求，故有ζt=ζt(Pt+1,Et,it)，ζPt + 1′>0，ζEt′ > 0，ζit′ < 0，0≤ζt≤θt(1-δ)Expt(Pt+1KWtπt+1/it)。

参照Cook和Tang(2010)[25]的做法，假设企业在短期内保持产量K不变，则企业价值主要依赖本国资产价格P，因此企业的杠杆率进一步表达为：

(6)

(7)

将式(6)、(7)分别对Pt、Et、it求导，推导出如下待验证推论(3)限于篇幅，具体公式推导省略，作者备索。：

推论1：美联储货币政策不确定性通过资产价格渠道对强融资约束企业的杠杆率具有负向溢出效应，对弱融资约束企业的杠杆率溢出效应不确定。

推论2：美联储货币政策不确定性通过汇率渠道对强融资约束企业的杠杆率溢出效应不确定，对弱融资约束企业的杠杆率具有负向溢出效应。

推论3：美联储货币政策不确定性通过利率渠道对强融资约束企业的杠杆率具有负向溢出效应，对弱融资约束企业的杠杆率溢出效应不确定。

三、研究设计

(一)样本选取

本文选取2008—2019年A股上市企业季度数据作为研究样本，并进行如下处理：(1)剔除包含金融类业务的企业以及ST、PT类风险警示型企业；(2)剔除B股、H股以及当季发行上市企业；(3)剔除没有国际贸易业务的企业；(4)剔除样本异常值、缺失值、数据不连续的企业。最后得到89家上市非金融企业数据样本。为了防止样本异常值，对所有样本数据进行了双边1%的缩尾处理。样本数据来源于Wind数据库、中经网统计数据库。实证检验采用计量软件Stata15.0。

(二)变量选取

参照刘海明和李明明(2020)[26]、李双建和田国强(2020)[27]、胡久凯和王艺明(2020)[28]的研究，并考虑国外货币政策对国内的影响可能会通过国内货币政策起作用，选取如下变量：资产负债率(lev)、营业收入增长率(Growth)、企业总资产(Size)、前十大股东持股比例合计(Largest)、企业成立年限(Age)、货币供应量(m2)、美联储货币政策不确定性(EPUA)(4)美联储货币政策不确定性数据来自http:∥www.policyuncertainty.com。、企业资产价格(TBQ)、汇率(HL)、利率(LL)。为使样本数据更加真实客观地反映内在关系，对所有变量采用X11方法进行季节调整。各变量具体说明见表1。

表1 变量说明

关于企业融资约束的度量，现有文献主要采用KZ指数法、WW指数法以及SA指数法。根据鞠晓生等(2013)[29]的研究，较之WW指数和KZ指数，采用SA指数能有效避免指数带来的内生性问题，故本文采取SA指数法，其具体计算方法为：-0.737×Size+0.043×Size2-0.04×Age。参照Whited和 Wu(2006)[30]的做法，按照融资约束指数的绝对值大小，将前 50%与后50%的样本划分为强融资约束企业与弱融资约束企业。

(三)模型设计

为了避免解释变量与被解释变量之间存在双向因果关系，加之货币政策变动对企业杠杆率的影响会有时滞性，参照赵萌等(2020)[31]的方法，构建下列动态面板模型分别验证上述推论：

levi,t=α0+α1levi,t-1+α2EPUAi,t-1+α3TBQi,t-1+α4EPUAi,t-1*TBQi,t-1+α5Xi,t+ηi+μt+εi,t

(8)

levi,t=β0+β1levi,t-1+β2EPUAi,t-1+β3HLi,t-1+β4EPUAi,t-1*HLi,t-1+β5Xi,t+ηi+μt+εi,t

(9)

levi,t=λ0+λ1levi,t-1+λ2EPUAi,t-1+λ3LLi,t-1+λ4EPUAi,t-1*LLi,t-1+λ5Xi,t+ηi+μt+εi,t

(10)

其中，i表示企业，t表示时期，X表示控制变量的向量，η、μ分别表示地区非观测效应、时间非观测效应。本文重点关注α4、β4、λ4。为克服模型内生性与多重共线性问题，参照张成思和刘贯春(2018)[32]、王义中和宋敏(2014)[33]、王垒等(2019)[34]的研究，采用广义矩估计法(GMM)进行回归(5)广义矩估计法允许随机误差项存在序列相关和异方差，不需要事先明确随机误差项的分布，通过工具变量对参数进行估计，可以有效解决计量模型的一般内生性和一致有偏性问题。本文参照现有文献通常做法，在所有计量模型回归估计之后皆进行了Sargan 检验，以判断估计过程中工具变量的选取是否有效，进而检验系统GMM模型估计结果的稳定性与可靠性，限于篇幅，未在文中进行详细说明。。由于差分GMM易受到弱工具变量的影响，而系统GMM 是将水平回归方程和差分回归方程进行联合估计，其结论更具有稳健性，因而本文采用系统 GMM 进行实证估计。

四、回归结果及分析

(一)描述性统计

表2报告了各变量描述性统计结果。企业资产负债率均值为0.585，落在合理区间，表明我国企业负债率整体可控。美联储货币政策不确定性均值为4.883，最大值为5.459，最小值为4.333，表明美联储货币政策不确定性上下波动较大。企业资产价格均值为2.566，中位数为2.432，最大值为6.993，最小值为-0.614，表明企业资产价格极差较大。汇率均值为111.862，最大值为131.556，最小值为93.276，利率均值为3.084，最大值为4.756，最小值为1.003，表明在样本期内，人民币价格变动受市场影响较大。

表2 描述性统计

(二)单位根检验

为了防止伪回归，需先对变量进行单位根检验。LLC检验和ADF检验能够全面反映相同根和不同根样本情形，各主要变量单位根检验结果P值均小于0.05(6)受篇幅限制，具体结果未报告，作者备索。，不存在单位根，可以进行计量回归分析。

(三)回归结果分析

表3报告了计量模型的GMM回归结果。结果显示，从资产价格渠道来看，美联储货币政策不确定性对弱融资约束企业杠杆率的影响系数为0.0035，表明美联储货币政策不确定性对弱融资约束企业杠杆率具有正向溢出效应，但是在统计意义上不显著；对强融资约束企业杠杆率的影响系数在5%显著性水平上为-0.0059，表明美联储货币政策不确定性对强融资约束企业杠杆率具有显著负向溢出效应。原因在于：随着美联储货币政策不确定性加大，市场预期难以确立，市场恐慌情绪加大，全球资产价格风险溢价上升，导致全球资产价格下降，企业杠杆率上升(企业杠杆率的分母减少)。对于强融资约束企业，资产价格降低会导致其抵押物价值折损率加大，银行信贷会大幅减少，加上其融资渠道有限、替代融资渠道较少，使得企业负债大幅降低，由于负债的下降幅度大于资产价格的下降幅度，抵消了因资产价格下降而引致的企业杠杆率上升，最终使企业杠杆率降低；对于弱融资约束企业，由于其融资渠道广、可替代融资方案多，企业负债减少幅度小于资产价格下降幅度，因此其整体杠杆率不会下降甚至还会上升。因此，推论1基本得到验证。

从汇率渠道来看，美联储货币政策不确定性对弱融资约束企业杠杆率的影响系数在5%显著性水平上为-0.0033，表明美联储货币政策不确定性对弱融资约束企业杠杆率具有显著负向溢出效应，但是对强融资约束企业杠杆率的影响系数不显著，仅为0.0001。主要原因在于：美联储货币政策不确定性越大，表明美联储对后期经济发展的分歧越严重，引发市场对当前经济形势的担忧，美元存在贬值压力。美元贬值使得人民币汇率上升，不利于我国商品出口，企业投资降低。对于强融资约束企业，尽管企业投资减少，但是受制于融资渠道单一和再融资困难的现实困境，短期内不会减少其债务额；但是对于弱融资约束企业来说，在投资减少的情况下，企业可以灵活采取降低债务额的方式来降低经营成本，而不必担心一旦投资增加而融资不畅的困境。因此，推论2得到验证。

从利率渠道来看，美联储货币政策不确定性对强融资约束企业杠杆率的影响系数在1%显著性水平上为-0.0049，表明美联储货币政策不确定性对强融资约束企业杠杆率具有显著负向溢出效应；对弱融资约束企业杠杆率的影响系数为0.0006，表明美联储货币政策不确定性对弱融资约束企业杠杆率具有正向溢出效应，但是不显著。主要原因在于：如上文所述，美联储货币政策不确定性加大会导致美元贬值、人民币升值，资本出于套利需求，会加大对人民币的需求，导致人民币利率上升，企业融资成本增加。由于强融资约束企业多数是中小民营企业，融资成本的增加会加大企业财务负担，在盈利能力与抗风险能力有限的前提下，企业会理性选择减少债务，让企业杠杆率维持在低位水平；而弱融资约束企业多是大型国有企业，良好的银企关系、政府的隐性担保、多元的经营策略使得企业的利率敏感度较小。因此，推论3得到验证。

表3 美联储货币政策不确定的溢出效应GMM回归结果

续表

(四)时变效应分析

经济政策不确定性具有较强的时变特征，通常情况下，企业对短期债务的调整意图会比长期债务更强[35]。由于逆周期调节的货币政策锚定产出和企业杠杆率(债务偿还)，表明企业负债期限结构与货币政策息息相关。基于此，本文提出假设：

假设1：相较于长期杠杆率，美联储货币政策不确定性对企业短期杠杆率的溢出效应更强。

为验证假设1，从利率渠道构建如下动态面板模型(7)相比于汇率渠道、资产价格渠道，我国利率市场化改革更加彻底与充分，考虑文章篇幅，仅从利率渠道考察美联储货币政策不确定性对企业杠杆率溢出效应的时变特征，当然这不失一般性。：

Dlevi,t=λ0+λ1Dlevi,t-1+λ2EPUAi,t-1+λ3LLi,t-1+λ4EPUAi,t-1*LLi,t-1+λ5Xi,t+ηi+μt+εi,t

(11)

Clevi,t=λ0+λ1Clevi,t-1+λ2EPUAi,t-1+λ3LLi,t-1+λ4EPUAi,t-1*LLi,t-1+λ5Xi,t+ηi+μt+εi,t

(12)

其中，Dlev表示企业短期杠杆率，Clev表示企业长期杠杆率，其他符号与式(10)相同。

表4结果显示，通过利率渠道，美联储货币政策不确定性对弱融资约束企业短期杠杆率的影响系数为0.0025，长期杠杆率的影响系数为0.0004；美联储货币政策不确定性对强融资约束企业短期杠杆率的影响系数为-0.0056，长期杠杆率的影响系数为-0.0037。这表明美联储货币政策不确定性通过利率渠道对企业短期杠杆率的溢出效应强于长期杠杆率，美联储货币政策不确定性对企业杠杆率的溢出效应具有典型的时变特征。因此，假设1得到验证。

表4 美联储货币政策不确定性溢出效应的时变效应GMM回归结果

五、稳健性检验

现代货币理论认为，货币政策调控主要通过供给机制与需求机制影响微观企业的投资。通过信贷供给机制，货币政策可以改变企业的融资规模和融资成本，引导企业在不同资产之间进行配置，实现企业最优资本结构，进而对企业盈利能力产生直接影响[36]。通过需求机制，货币政策通过改变市场融资价格，引导市场风险溢价水平，影响市场融资总需求，改变企业原有投资机会，从而对企业盈利能力产生直接影响[37]。根据纪敏等(2017)[38]的研究，以资产负债率作为微观杠杆率的代理变量，可得Δ微观杠杆率=Δ宏观杠杆率+Δ资产收益率，企业的盈利能力对企业杠杆率会产生重要影响。基于上述分析，将企业盈利能力指标ROA(每股盈利)设为工具变量，运用两阶段最小二乘法(2SLS)对式(8)—(10)进行再估计。表5结果显示，加入工具变量后计量结果稳健，系数的显著性和方向与前文一致。因此本文的研究结论具有稳健性，是可靠的。

表5 工具变量回归结果(8)通过检验发现ROA滞后一期是理想的工具变量，因此这里使用滞后一期ROA。

六、研究结论与建议

依据现代货币理论，借鉴现有文献，将企业融资约束异质性纳入开放经济下货币政策溢出效应的两国简化经济模型，考察了美联储货币政策不确定性对我国企业杠杆率的溢出传导机制，并利用2008—2019年A股上市非金融企业季度数据，从资产价格、汇率和利率渠道实证分析了美联储货币政策不确定性对我国融资约束异质性企业杠杆率的溢出效应。研究发现，美联储货币政策不确定性对我国融资约束异质性企业杠杆率的溢出效应在不同的传导渠道下具有显著差异。对于资产价格渠道，美联储货币政策不确定性对强融资约束企业杠杆率具有显著的负向溢出效应，对弱融资约束企业杠杆率溢出效应不确定；对于汇率渠道，美联储货币政策不确定性对弱融资约束企业杠杆率具有显著负向溢出效应，对强融资约束企业杠杆率溢出效应不确定；对于利率渠道，美联储货币政策不确定性对强融资约束企业杠杆率具有显著负向溢出效应，对弱融资约束企业杠杆率溢出效应不确定。进一步从时变角度来看，美联储货币政策不确定性对企业短期杠杆率的溢出效应强于长期杠杆率，美联储货币政策不确定性对我国企业杠杆率的溢出效应具有典型的时变特征。

根据研究结论，提出如下建议：我国企业对货币政策跨国传导渠道要有清醒认识，强融资约束企业要防范资产价格渠道和利率渠道下美联储货币政策不确定性对企业杠杆的冲击，弱融资约束企业要防范汇率渠道下美联储货币政策不确定性对企业杠杆的冲击。同时，优化债务结构，保持一定的债务安全边界，积极拓展融资渠道，尽可能降低融资约束。从长远来看，企业应建立健全风险防范和预警机制，政府需加强国际协调合作，不断推进人民币跨境结算，提高人民币的国际地位。由于美联储货币政策变动对我国企业杠杆率的影响呈现出结构化、差异化特征，货币管理当局应考虑到货币政策调整所带来的潜在风险，并避免国内国外不确定性共振对企业带来更严重的影响。