一、引　言

产业政策作为引导产业发展方向，实现特定经济发展目标的重要工具，其实施效果如何在学术界一直存在争议。有学者认为产业政策的实施会提高产业创新效率、提升企业全要素生产率以及可以促进企业多元化经营等（Peters等，2012；Aghion等，2015；杨兴全等，2018），总体来说中国经济的高速增长受益于国家出台的各项产业政策（韩乾和洪永淼，2014）。然而也有学者认为产业政策的实施并没有显著的作用（Beason和 Weinstein，1996），甚至会降低企业的投资效率等（黎文靖和李耀淘，2014；王克敏等，2017）。那么，在面对增速减缓的经济新常态，大量实体企业开始转向金融市场的背景下，产业政策的实施会对企业资产金融化产生怎样的影响?这是目前学术界所忽略的研究内容，对该问题的回答有利于深化对宏观经济政策与微观企业行为的探讨，同时可以从产业政策的视角进一步认识我国当前经济脱实向虚的成因，兼具理论与实践意义。

在研究产业政策对微观企业行为的影响时，自然实验是大多数学者的选择（李楠和乔榛，2010；陈林和唐杨柳，2014；盛丹和刘灿雷，2016）。值得指出的是，自2008年经济危机后，我国出现了实体经济发展放缓，而资产部门却持续膨胀的现象。为了缓解金融危机对我国经济造成的严重冲击，防止实体经济进一步下滑，2009年政府部门出台了十大产业振兴规划（以下简称十大产业政策），由于该政策出台周期短，对上市公司而言，满足外生性要求，而且该政策行业划分明确，因此有学者以此为自然实验，采用双重差分方法来研究产业政策对微观企业行为的影响（钱雪松等，2018）。

本文在上述研究的基础上，利用2006年至2017年沪深两市A股非金融上市公司的相关数据，建立双重差分模型，实证检验了十大产业政策的出台对企业资产金融化的影响。研究表明：（1）十大产业政策的实施显著提高了我国非金融企业的资产金融化水平，进一步加剧了我国当前经济脱实向虚的趋势；（2）通过进一步研究发现，十大产业政策对企业资产金融化产生影响作用的渠道是缓解了融资约束；（3）十大产业政策对企业资产金融化的影响存在截面异质性，与小型和非国有企业相比，十大产业政策对大型和国有企业资产金融化水平的促进作用更强。本研究清晰地揭示了“实施十大产业政策→缓解非金融企业融资约束→提高非金融企业资产金融化水平（加剧经济脱实向虚趋势）”的传导机制，从侧面支持了我国企业资产金融化的逐利性动机。

本文可能的边际贡献主要有：（1）一方面拓展了产业政策实施效果在微观层面的考察，丰富了“宏观经济政策与微观企业行为”的研究内容，弥补了现有研究文献的不足。另一方面产业政策是政府弥补部分市场失灵的重要手段，然而在经济新常态的背景下，产业政策的频繁使用也可能是提高非金融企业资产金融化水平的重要诱因，因此本文为新兴市场国家企业金融化提供了制度成因上的解释。（2）本文从融资约束的角度对产业政策影响企业资产金融化的作用机制进行了检验，并通过产业政策对融资约束的影响，进一步识别出了我国企业资产金融化的动机是追逐利润而并非预防储蓄，为“投资替代”理论提供了证据支持，这说明当前我国企业资产金融化行为对实体经济造成了一定的挤压，并不利于经济发展。

本文剩余章节安排如下：第二部分对现有研究文献进行梳理和归纳，提出本文的研究假设；第三部分是模型设定和数据处理；第四部分是实证结果分析及稳健性讨论；第五部分是作用机制分析；第六部分为异质性检验；第七部分为结论和启示。

二、文献回顾与研究假设

（一）产业政策与企业金融化

金融资产所具有的双重属性决定了其既可以作为流动性贮藏工具，又可以作为企业投资工具。根据“蓄水池”理论，企业持有金融资产的目的是预防未来现金流的不确定性，防范破产风险，是生产经营活动中的未雨绸缪行为（Smith和Stulz，1985；Opler等，1999；Almeida等，2004；胡奕明等，2017），显然企业若是出于这种目的持有金融资产则有利于经济平稳发展（戴赜等，2018）。若企业持有金融资产的动机是追逐资本市场的超额利润，放弃对实体经济的投入，希冀通过资本运作来实现利润最大化（Demir，2009；谢家智等，2014），此时企业持有金融资产则会对实体投资造成挤压，金融资产投资与实体经济投资是替代性关系，这就是“投资替代”理论的观点。事实上，十大产业政策为缓解金融危机对我国经济带来的负面影响，主要依靠的是政府补贴、出口退税、鼓励金融机构提供贷款等措施，而不是对生产要素的优化配置或者对管理能力提升等核心竞争因素的干预。因此十大产业政策的实施，本质上是直接给予企业流动资金，企业有可能为追逐资本市场的短期利润，而将获得的流动资金投入到金融市场，导致企业金融化水平上升。综合以上分析，提出本文的第一个待检验假设：

H1：与十大产业外的企业相比，十大产业政策实施以后，属于十大产业内的企业资产金融化水平提高。

（二）融资约束与企业资产金融化

与“蓄水池”理论和“投资替代”理论不同，“实体中介”理论并不是从金融资产的属性出发，而是从企业的融资约束角度来解释新兴市场国家企业资产金融化现象。事实上，“实体中介”理论是基于资产负债表和利润表来更加广泛地识别企业金融化的行为，其理论基础源于融资优序理论（Myers，1984），即企业进行投资时会优先采用内部资金，其次是外部资金。Hattori等（2009）最早利用这一思路来识别企业金融化，Shin和Zhao（2013）拓展了研究思路，并提出了“实体中介”理论，该理论认为由于银行融资歧视的存在，一些企业容易从银行获得资金，但是其生产效率不高，因此这些企业便将从银行获得的低成本资金转贷给其他不易获得银行贷款的企业。因而这类企业的行为在学术界被称为“为贷而借”，而这类企业也被称为“实体中介”。在十大产业政策出台以后，为了扩大内需，刺激消费需求所实施的政府补贴、减免税收、出口退税、鼓励金融机构提供贷款以及支持企业发行股票和债券等措施，都直接为企业获得资金提供了便利，这在很大程度上缓解了企业的外部融资约束。根据“实体中介”理论，十大产业政策的实施实质上是带来了政策融资歧视，相比产业外的企业，产业内企业更容易获得资金，因此十大产业内的企业可能会由于融资约束的缓解而成为“实体中介”，将资金通过金融市场转贷给需要资金的企业，导致产业内企业资产金融化水平上升。换言之，十大产业政策提高企业资产金融化水平的渠道是缓解了产业内企业的融资约束。基于此，本文提出第二个待检验假设：

H2：与十大产业外的企业相比，十大产业政策的实施缓解了产业内企业的融资约束。

根据“实体中介”理论，大型企业和国有企业更容易成为“实体中介”，^①因为相比于大型企业和国有企业，中小企业和民营企业受到自身发展时间短、规模小、管理体系不健全等因素的制约，更难从银行获得融资，而预算软约束的存在也使银行更趋向于大客户的业务。根据内部资本市场理论，企业通过合并诞生的大型企业，其内部就会形成融通机制，企业的内部资本市场应运而生，而国有企业的实际控制人是政府，一方面由于其政企关系的联系紧密性更高，国有企业背后有国家信用作为保证，违约风险也就更小，更容易受到产业政策的扶持，因此金融部门更倾向与国有企业合作；另一方面国有企业通过兼并重组，更容易形成集团，在这种集团企业内部，则更倾向于将资金集中流向回报率较高的可行项目，以此来提高资金的配置效率以实现资源的优化配置。也就是说，大型企业和国有企业由于内部资本市场的存在，使得其面临的融资约束更低，所以在面对金融市场的高收益时，这些拥有大量闲置资金的大型企业和国有企业便会将资金提供给受到融资约束较大的企业以满足其盘活资金、提高资金利用效率的诉求，相应地，这些“实体中介”就表现为非金融企业资产金融化现象（Du等，2017）。另外，Kaplan和Zingales（1997）采用国外的企业样本进行研究发现，低融资约束企业的投资敏感性更高，这也表明低融资约束企业更加具有盘活内部资金的诉求，但是在发达国家的良好经济环境中，企业投资于实体经济的回报率是较高的，因此企业更倾向于运用内部资金投资于实体经济。而结合我国经济发展的现实情况，一方面企业投资于实体经济的回报率较低，并且项目夭折的概率也较高，另一方面在面临实体经济与资本市场巨大的“利润鸿沟”时，企业的投资决策自然是偏向金融市场，所以低融资约束企业在融资约束得到缓解以后，其投资于金融市场的敏感性则相对更高。那么与小型和非国有企业相比，大型和国有企业所面临的融资约束水平显然更低，因此十大产业政策实施以后，大型和国有企业对于投资金融市场的敏感性也相应更强，金融化水平也就更高。

基于以上分析可以推断，十大产业政策对不同类型企业资产金融化的影响存在异质性，由此本文提出了第三个待检验假设：

H3a：十大产业政策出台后，大型企业的资产金融化水平比小型企业更高。

H3b：十大产业政策出台后，国有企业的资产金融化水平比非国有企业更高。

三、研究数据与研究设计

（一）研究数据

本文选取2006—2017年沪深A股上市公司作为研究样本，并删除以下四类样本：（1）资不抵债的上市公司，即资产负债率大于1的企业；（2）金融类上市公司，包含该类样本容易高估企业资产金融化的水平，因此本文将该类公司剔除；（3）ST类和*ST类上市公司；（4）数据缺失的上市公司。通过以上处理最终得到的研究样本总数为23 469，共有3 275家上市公司。此外，本文在进行数据处理时对所有连续变量进行了1%的双边缩尾处理以避免奇异值的影响。数据来自Wind数据库和CSMAR数据库。

1. 变量定义

企业金融化是企业的各种资本运作稳步取代实体生产的行为（Phillips，2002）；或者是非金融企业的金融投资与由此带来的金融收益的增加等（Krippner，2005）。因此企业金融化可以从资产和收益两个角度进行度量，但是投资收益中包含了该时期市场价格波动和风险等因素，所以为了排除其他宏观因素和市场因素的干扰，更好地反映企业的真实投资意愿，本文采用企业金融资产占企业总资产这一指标来衡量企业金融化水平。参考戴赜等（2018）对企业金融资产指标的归纳，金融资产包括以下五个科目：交易性金融资产、衍生金融资产、可供出售金融资产、持有至到期股权投资和投资性房地产。^①因此企业的资产金融化水平以金融资产占总资产比重来衡量（宋军和陆旸，2015）。此外参考钱雪松等（2018）和彭俞超等（2018）的研究，本文控制变量涵盖了企业层面、产业层面以及地域层面以尽可能排除其他因素的影响。各个变量具体定义如表1所示：

2. 数据描述

表2列出了主要变量的描述性统计。统计结果显示，企业金融资产占比最小值为0，最大值为0.4410，这表明我国上市公司所持有的金融资产在样本期间存在很大的差异。上市公司的年龄对数值最小为1，最大值为4.2047，表明样本中既有刚成立的新公司，也有成立时间较早的大型公司。另外企业的金融与实体相对收益率的均值为1.0755，这也表明企业的金融收益率要大于实体收益率。整体而言，上市企业的相关数据为研究十大产业政策对企业资产金融化的影响提供了良好的数据材料。

（二）计量模型

2008年国际金融危机爆发后，中国政府为了实现“保增长、促就业”，进一步促进产业转型升级，针对汽车产业、钢铁产业、纺织业、装备制造业、船舶制造业、电子信息、轻工业、石化工业、物流业和有色金属产业等十大产业，出台了相应的配套细则，这些产业政策总称为“十大产业振兴规划”。其中具体措施主要为扩大内需、技术升级、财税与信贷支持等政策，如在刺激市场需求方面，主要采取减税、政府补贴以及消费信贷等措施增加居民消费；对有色金属行业和钢铁产业节能技术的改造给予财政奖励；对中小纺织和轻工业企业贷款实行税前全额拨备和提供风险补偿等一系列具体措施。

首先，本文以《上市公司行业分类指引》（2012版）的行业分类为标准，通过设置虚拟变量Ten，属于十大产业内样本为实验组，即Ten取值为1，反之为对照组，即Ten取值为0。其次，该政策的出台时间为2009年，因此以2009年为时间节点来设置时间虚拟变量dum_t，即2009年以前取值为0，2009年后取值为1。最后构造交互项Policy，即Ten与dum_t的乘积，该变量的系数即为我们所关注的十大产业政策对企业资产金融化的影响，该系数的显著性以及大小和正负号分别代表十大产业政策对企业资产金融化是否具有显著影响以及影响的程度和方向如何。本文构建的计量模型如下所示：

其中，下标i表示企业，t表示年；Control_it主要包括企业层面、产业层面以及地域层面的控制变量，μ_i为个体固定效应，λ_t为时间固定效应。为了减少个体效应和时间效应对实证结果的影响，本文构建的模型（1）为双向固定效应模型，其中Ten_i和dum_t_t的系数分别被个体效应和时间效应所吸收，因此在面板数据中，模型（1）更为常见。

四、实证结果分析

（一）基准回归结果分析

由于双重差分模型要求在政策实施前，实验组和对照组应具有相似的时间趋势，即满足“共同趋势”假定，因此我们首先对研究样本进行共同趋势检验，该检验结果表明实验组和对照组资产金融化水平的时间趋势并没有显著差异，满足了采用双重差分模型的基本前提——“共同趋势”假定。限于篇幅，共同趋势检验结果未在文章中汇报，表3仅报告了十大产业政策对企业金融化影响的基准回归结果，其中列（1）为未加入控制变量的回归结果，列（2）和列（3）分别为逐渐加入控制变量并均采用聚类稳健标准误得到的回归结果，交互项系数均在1%的水平上显著为正，并且在加入控制变量以及对年份效应、个体效应、产业效应以及地域效应进行控制后，交互项系数的显著性水平也没有变化。但是表3中列（2）和列（3）的回归结果显示，随着逐渐加入控制变量，其系数大小有所下降，这是由于列（3）的回归结果进一步剔除了企业差异和产业差异以及地域差异等因素对企业资产金融化的影响，所以这些控制变量是影响企业持有金融资产规模的重要因素，如果不考虑这些因素，会高估十大产业政策对企业资产金融化的影响程度。总体来看，表3中的回归结果支持了假设H1，即与十大产业外的企业相比，十大产业政策实施以后，属于十大产业内的企业资产金融化水平提高。

企业层面控制变量的回归结果表明，规模越大、成立时间越早、资产负债率越高、托宾Q值越低以及金融收益率与实体收益率差距越大的企业越倾向于持有金融资产，这表明企业资产金融化的动机是追逐资本市场的高额利润，而不是预防储蓄。另外，企业所在行业的行业金融资产占比与企业的资产金融化水平同向变化，这与经济直觉是相符的，表明企业所在行业的资产金融化水平越高，那么行业内企业的资产金融化水平也会越高；企业所在行业的营业利润、资产报酬率、净资产收益率越高，表明企业所在行业的实体经济利润较高，相应的企业资产金融化水平则越低，即变量系数显著为负；地域层面控制变量的系数并不显著，在这里不再赘述其经济意义，仅作为控制企业地域特征差异的变量。

为了揭示十大产业政策对非金融企业资产金融化的动态影响效应，本文引入了Ten×YR2009、Ten×YR2010和Ten×YR2011三个变量，交互项系数分别表示十大产业政策在每一年的影响程度。具体结果如表4所示，这表明，十大产业政策对非金融企业资产金融化水平的影响逐年增强。根据“实体中介”理论，十大产业政策的出台带来了政策上的融资歧视，驱动了产业内企业参与金融市场，而这种驱动作用在产业政策刚出台的第一年只有部分企业参与金融市场，例如纺织工业、钢铁产业和装备制造业等行业的企业，而随着这部分企业的进入，会带来金融市场资本价格的进一步升高，从而吸引产业内其他企业的参与，这就导致产业政策实施的第二年对企业资产金融化的影响进一步扩大，因此交互项Ten×YR2010的系数不论是从数值大小还是显著性水平，都要比交互项Ten×YR2009的系数更高，以此类推，随着第二年更多企业参与到金融市场，进一步刺激资本市场的繁荣，从而吸引更多的资金流入资本市场，由此产生滚雪球效应，导致十大产业政策对企业资产金融化的动态效应呈现逐年增加的态势，并且显著性也有所提高。由此可见，十大产业政策的出台也是引起企业资产金融化的导火索，因此该动态效应结果也仍然支持本文假设H1。

（二）稳健性检验

为了排除其他可能影响本文实证结果的因素，增加上述研究结果的说服力，本文还做了表5所示的稳健性检验。首先，我们通过改变政策的执行时间进行反事实检验，表中列（1）结果表明我们假定的增值税改革试点时间并不显著，这与事实相符，从反面证明十大产业政策对企业金融化产生了影响；其次，选取了已知的并不受政策实施影响的对照组作为处理组进行回归，表中列（2）结果不显著表明对照组没有受到政策影响，说明本文采用的对照组设置合理；再次，先利用倾向得分匹配法进行匹配，再采用双重差分法进行回归，该检验的实证结果依然在10%的水平下显著，并且交互项Policy的系数为0.0025，这也与上文中表3的基本回归结果相近，进一步证明了上述回归结果的稳健性；最后，由于十大产业政策的实施时间为三年，我们剔除了2009—2011年政策实施期间的研究样本，再次构造双重差分模型，检验结果如表5中列（4）所示，交互项的系数仍然在5%的水平下显著为正，这也证明了本文的基本结论是稳健可靠的。

五、基于融资约束角度的作用机制检验

前文的研究表明，十大产业政策的实施导致了产业内企业的资产金融化水平上升。那么产业政策影响企业资产金融化的作用机制是什么呢?这是我们接下来所关注的问题。如前文所述，十大产业政策的实施为产业内企业增加了外部融资的可得性，并且由于实体经济投资利润和资本市场利润存在差异，进一步推动了金融企业将获得的金融支持投入到资本市场。因此，本部分将从企业融资约束的角度探索产业政策影响企业金融化的作用渠道。

目前用以衡量企业融资约束的指标有以下几种：一是利用回归模型系数来构建现金流敏感系数（马国臣等，2008）；二是采用公司单个指标测度，如利息支出、资产规模和销售额等（李志远和余淼杰，2013；王宜峰等，2018）；三是构建相关指数，其中应用较多的有KZ指数、WW指数和SA指数（鞠晓生等，2013；孙雪娇等，2019）。为了保证对企业融资约束进行更加全面的刻画，本文将采用利息支出、SA指数^③和KZ指数^④三个指标分别进行检验。

本文通过构建以SA指数、KZ指数和企业利息支出规模的对数值为被解释变量的双重差分模型来检验十大产业政策是否缓解了产业内企业的融资约束。其中SA指数、KZ指数越低，企业的融资约束程度越低，而利息支出规模越高则代表企业获得的外部资金越多，企业的融资约束越低。具体来看，表6列（1）中政策变量的系数值为−0.0157，且在10%的水平下显著；列（2）中政策变量的系数值为−0.1130，且在1%的水平下显著，列（3）中政策变量的系数值为0.3692，且在10%的水平下显著，这表明实施十大产业政策以后，相比于十大产业外的企业，十大产业内企业的SA指数和KZ指数更低，利息支出规模更高，由此可见，其融资约束水平显著降低，支持了本文提出的研究假设H2。

另外本文在此基础上也进一步引入了Ten×YR2009、Ten×YR2010和Ten×YR2011三个变量，以考察十大产业政策对企业融资约束的动态影响，回归结果如表7所示。从表7的回归结果可以看出，十大产业政策对企业的融资约束缓解作用逐年增强。同时，本文也以企业KZ指数和利息支出规模构建实证模型，由于篇幅限制，实证结果未列入正文，但其回归结果也表明十大产业政策对企业融资约束的缓解作用是逐年增强的，这与十大产业政策对企业资产金融化影响的动态效应相一致，因此从时间维度也表明十大产业政策对企业资产金融化的影响渠道是融资约束的缓解。那么如何理解表7实证结果所显示的动态效应呢?如前文所述，十大产业政策对企业资产金融化的动态效应是由于产业内企业出于利润追逐的动机充当了“实体中介”，并产生了滚雪球效应。在十大产业政策出台的第一年，对产业内企业采取了一系列政策扶持，缓解了产业内企业的融资约束，而这些企业将得到的金融支持投入到金融市场以后，可以快速获得短期利润，从而进一步缓解了其自身的融资约束。而且当这些企业更倾向于充当“实体中介”时，相比于投资周期长，投资回报低的实体经济，其融资约束自然也会进一步下降，于是在十大产业政策实施的第二年和第三年，产业内企业的融资约束指数逐年下降。因此，从动态性检验结果也可以看出十大产业政策对企业资产金融化产生影响的微观作用渠道是对其融资约束的改变。

上文的实证结果表明十大产业政策的实施显著缓解了企业融资约束，为企业的投资提供了资金，而投资方向选择则受经济发展客观因素和企业管理者主观动机两方面的影响。Crotty（2003）认为企业是“根据可赚取的短期回报率配置或重新配置的一个资产束”，非金融企业面对不断下降的投资回报，会将资本从生产领域抽走，将其转移到金融市场（Krippner，2005）。总而言之，非金融企业投资于金融市场的客观因素是实体投资利润不断降低和更高的金融利润带来的“利润鸿沟”，对企业的投资决策产生了一定的诱导作用。在这样的背景下，企业出于自身的逐利性动机，则会选择将政策带来的资金投入到金融市场中，以实现自身利润最大化的目标。综上所述，企业的逐利性以及实体经济利润和金融利润之间的巨大差异是非金融企业在十大产业政策实施以后，虽然企业融资约束得到显著缓解，但并没有将得到的政府补贴、出口退税等资金投入到实体经济中的重要原因。所以本部分的研究结果清晰地揭示出十大产业政策缓解了产业内企业的融资约束后，企业为追逐资本市场的超额收益而持有更多金融资产的作用机制。

六、产业政策对企业资产金融化影响：异质性检验

本文根据“实体中介”理论，分析得出大型企业和国有企业更容易成为“实体中介”，那么十大产业政策对企业资产金融化的影响是否的确存在异质性呢?本文对此进行了分样本检验，以检验假设H3，实证检验结果如表8所示。

1. 大型企业与小型企业

本文以企业的总资产作为衡量标准，将大于企业资产规模中位数的上市公司划分为大型企业，小于此中位数的上市公司划分为小型企业。通过分组回归检验十大产业政策对不同规模企业资产金融化水平的影响是否存在差异。检验结果如表8中列（1）和列（2）所示，从显著性来看，十大产业政策对小型企业资产金融化的影响并不显著，而对大型企业资产金融化影响的显著性水平为5%。从数值大小来看，在剔除了小型企业样本以后，十大产业政策对大型企业资产金融化的影响更大，与表3中基准回归结果的列（3）相比，由0.0027增加到0.0159。所以总体来看，以上分析结果支持了假设H3a即十大产业政策出台后，大型企业的资产金融化水平比小型企业更高。

另外根据“实体中介”理论，由于银行的融资歧视，引起了一些企业参与影子银行活动，因此本部分的实证结果也可以由该理论解释，如前文所述，在十大产业政策中的一百余项具体措施中，提到通过对十大产业内的上市公司提供银行信贷等金融支持，而且在保增长的目标推动下，政府更有动力迫使银行等金融部门给受扶持产业提供信贷支持，而银行等金融部门出于自身利润最大化以及规避风险的目的，自然更倾向于向资产规模较大的企业提供贷款以降低违约风险，因此在十大产业政策出台以后，也会对大型和小型企业带来一定的融资歧视，从而导致大型企业成为影子银行活动中资金的出借方，而小型企业则是资金的需求方，因此，大型企业所持有的金融资产上升，而小型企业的金融负债上升，在本文中即表现为产业政策的实施显著提高了大型企业的资产金融化水平，而对小型企业的资产金融化影响并不显著。

2. 国有和非国有企业

本研究样本中企业属性指标来源于国泰安数据库，该指标根据实际控制人的不同分为中央国有企业、地方国有企业、民营企业、集体企业、外资企业和其他企业，本文将中央国有企业和地方国有企业划分为国有企业，其他统一归为非国有企业，以此为基础将样本进行分组检验，回归结果如表8中的列（3）和列（4）所示。对于非国有企业，十大产业政策的影响不仅较小而且也不显著；而对国有企业资产金融化的影响在1%的水平下显著为正，且其系数大小均大于表3中的回归结果。所以通过分组检验，可以看出在剔除非国有企业以后，十大产业政策对国有企业资产金融化的影响更大，这说明十大产业政策的出台主要是影响了国有企业的资产金融化水平，上述分析结果显著支持了假设H3b，即十大产业政策出台后，国有企业的资产金融化水平比非国有企业更高。

事实上，国有企业的实际控制人是政府，其管理者由政府任免，因此一方面由于其政企关系的联系紧密性更高，国有企业更容易受到产业政策的扶持，其背后有国家信用作为保证，违约风险也就更小，因此金融部门更倾向于与国有企业合作；另一方面国有企业与非国有企业相比，管理层人员冗余，经营管理水平较低，主营业务的利润不高，另外权责划分不清，监管不到位，主要负责人存在政治竞争动机而更加注重短期利润，因此在受到产业政策资金扶持以后，更倾向于持有金融资产以获取高于实体经济的利润。而相比之下，非国有企业一方面由于受到的信贷支持力度小，因此没有更多的资本参与金融市场，另一方面，非国有企业的经营管理水平较高，即使由于受到产业政策的资金扶持而缓解了融资约束，其参与金融市场的动力也相对较小，持有金融资产规模也就较小，因而由产业政策引起的资产金融化水平并不显著。

另外相对于小型企业和非国有企业而言，大型企业和国有企业本身的融资约束就比较轻，其更容易获得金融机构的金融支持，因此一方面企业拥有的现金能够满足生产经营活动，企业内部会剩余超过生产经营活动所需要的现金资产；另一方面由于其自身的经营风险很低，所以预防储蓄的动机也就很弱，再加上十大产业政策的实施，对大型和国有企业的金融支持也更多，因而大型企业和国有企业在本身融资约束就较轻的条件下，获得了更多的金融支持，那么如果企业持有金融资产的目的是为了预防性储蓄，而不是追逐资本市场的利润，大型和国有企业理论上应该将获得的金融支持进行生产性投资，坚持“留存再收益”的经营模式来扩大生产，将实体经济做大做强，那么此消彼长，其持有的金融资产比重则不会由于十大产业政策的实施而呈现显著上升趋势，但是从表8的回归结果来看，与上述假设结果完全相反，这也证明了我国企业资产金融化的动机并不是预防性储蓄，而是追逐利润，这与前文提到的多位学者（张成思和张步昙，2016；彭俞超等，2018）结论相一致。

七、研究结论与启示建议

2008年经济危机以后，我国经济开始呈现脱实向虚的趋势，从微观角度来看，经济脱实向虚就是企业资产结构中金融资产配置比重不断上升，即非金融企业资产金融化。本文针对十大产业政策的实施对企业资产金融化的影响进行了研究，一方面有助于从政策角度防范和抑制企业金融化进一步发展，也有助于从融资约束的角度厘清产业政策对经济脱实向虚的作用机制，这对扭转我国经济脱实向虚态势，实现经济平稳发展具有现实意义。

（一）研究结论

本文采用双重差分模型，利用沪深两市A股非金融行业上市公司2006–2017年所披露的持有金融资产规模的数据，实证检验了产业政策对企业资产金融化的影响。实证结果表明：

1. 产业政策在促进产业结构调整的同时，也是影响非金融企业资产金融化不可忽视的重要诱因，即产业政策的实施显著提高了非金融企业资产金融化水平。

2. 产业政策对非金融企业资产金融化水平的影响是通过缓解非金融企业的融资约束，为企业资产金融化创造了可能性，进而导致非金融企业资产金融化水平的提高。

3. 产业政策对不同类型企业资产金融化的影响不同，相比于小型和非国有企业，产业政策对大型和国有企业的资产金融化水平影响作用更大且更显著。

4. 产业政策对融资约束的动态缓解作用也导致了产业政策对企业资产金融化的影响具有动态效应，这也表明产业政策对非金融企业资产金融化水平的影响渠道是对融资约束的改变。

（二）启示建议

针对本文的研究结论，提出以下政策建议：

1. 促进产业政策转型，减少政策带来的副作用。虽然十大产业政策的出台是为了刺激需求、提振经济，但是其负面效应则提高了企业金融化水平，导致资金由实体经济流向了虚拟经济，没有起到良好的抑制经济“脱实向虚”的作用。因此，政府部门一方面应积极推动选择性产业政策向功能性产业政策的转型，另一方面在制定产业政策时应将市场经济作为一个有机整体，仔细斟酌产业政策对微观企业的行为影响，深刻全面考虑产业政策实施所带来的连锁反应。

2. 减少税收优惠和金融支持等直接干预政策，完善金融市场资源配置功能。产业政策的实施要想取得良好的效果离不开市场的重要作用。因此，进一步完善金融市场的资源配置功能，加强资本市场建设，完善股权融资和债权融资等多种融资方式，以缓解企业所面临的融资约束，从而减少资本市场的价格泡沫，缩小实体经济收益与虚拟经济收益之间的差异，引导金融市场较好发挥资源配置功能，从而为产业政策的实施提供良好的市场环境，有效降低产业政策的负面作用。

3. 根据企业特征制定差异化政策，对政策实施效果加强监管。本文的研究证明了十大产业政策的实施对不同规模和不同所有制企业资产金融化的影响不同。因此，政府部门一方面要针对不同类型企业实施差异化的产业政策，监督并规范非金融企业参与金融市场的行为，防止其过度参与金融市场而加剧实体经济萧条；另一方面在制定相应的产业政策时也要考虑到微观企业参与金融市场的逐利性动机，以防止产业政策实施效果南辕北辙。

① 王永钦等（2015）研究发现，国有企业相对于民营企业，更加深入地参与了影子银行活动；而成长型公司参与影子银行活动的程度较低。

② 按照黄群慧（2017）的划分，虚拟经济包括金融和房地产业，因此本文将投资性房地产也归为金融资产。

③ SA=−0.737×size+0.043×size²−0.04×age，其中size为企业规模对数，age为企业年龄。

④ KZ=−1.001909×OCF/Asset+3.139193×Lev−39.3678×Div/Asset−1.314759× Cash/Asset+0.2826389×Q，其中OCF、Div和Cash分别为经营性净现金流、现金股利和现金持有水平，且均用期初总资产标准化，Lev为资产负债率，Q为托宾Q值。