目 录Contents

绿色金融 · Green Finance

03 气候转型风险冲击下我国商业银行气候脆弱性研究

——基于压力测试模型的实证分析

蔡源 崔婕

经济纵横 · Economic Review

13 外部环境视角下的企业创新决策：地缘政治风险的影响与应对

郑婉清 吴崇林 刘杰 孙淑晓

25 ESG表现、融资约束与持续创新能力

——基于高管股权激励的调节作用

刘会洪 张哲源

供应链金融 · Supply Chain Finance

34 债务违约冲击下银行干预如何影响供应链融资？

程京京 马紫宇 张瀚文 孙文娜

42 供应商竞争与买方企业金融化

韩忠雪 陈思雨

全国中文核心期刊 湖北省优秀期刊

W U H A N F I N A N C E

2023 10

总 第 286 期

本刊从未委托任何单位或个人征集

稿件，刊发文章不收取任何费用。

本刊与中国知网、万方数据、维普数

据等网站有合作，作者投稿一经本刊

采用，如无特别声明，均视为同意接

受以上网站的数字传播与发行。

本刊版权属《武汉金融》杂志社所有，

其他媒体转载本刊文章，须注明“摘

自《武汉金融》”字样，否则即侵权。

本刊谢绝一稿多投；文责自负。

■

■

■

■

本刊声明

主 编 曾 涛

副 主 编 胡 德

执行副主编 陈 波

主 任 高文丽

值 班 主 任 熊 源

广告部主任 吴俊伟

法 律 顾 问 瞿森垓

技 术 编 辑 邓雅娜 胡松林 蒿倩文

普惠金融 · Financial Inclusion

51 数字普惠金融是否促进了区域产业链韧性提升？

——基于中国267个城市的经验证据

何宇 田杰鑫 覃朝晖 陈珍珍

金融论坛 · Financial Forum

59 非金融企业影子银行化与管理层业绩预告质量

李香花 姜佳良 李世辉

70 不同类型信贷约束对城乡家庭储蓄率的影响

何维

财经视野 · Financial Perspective

80 土地财政、地方债务与房价

——基于新房楼盘数据的实证分析

陈潇 景芃超 谭娅

主管单位：中国人民银行武汉分行

主办单位：中国金融学会

《武汉金融》杂志社

出版单位：《武汉金融》编辑部

发行单位：武汉长融传媒有限责任公司

国际标准刊号：ISSN1009-3540

国内统一刊号：CN42-1593/F

封面题字：中国书法家协会钟鸣天理事

印刷单位：武汉新鸿业印务有限公司

广告许可证号：4201004001161

每册定价：23.00元

编辑部电话：（027）87327462

发行部电话：（027）87327153

广告部电话：（027）87327290

本刊地址：武汉市武昌中南路69号

邮 编：430071

投稿平台：http：//yhqy.cbpt.cnki.net

本刊编委会（以姓氏笔画为序）

顾 问 王 信

主 任 林建华

编 委

邓 红 毛卫东 王广幼 王恭敬

厉文世 叶圣利 叶未明 白 凯

白俊伟 冯 春 江文波 刘方明

刘元瑞 刘 波 刘秉文 刘学生

闵乙铎 张小春 张文涛 张雪松

李少民 李 民 李 征 杨 建

杨宝宏 吴少新 余明桂 陈志猛

陈建新 陈婉青 宋清华 周永华

周诚君 单增建 赵 军 俞 群

徐长生 陶建全 黄 宪 黄 鹤

曾 亮 谭梦湘 魏 超

一、引言

气候变化被广泛视为21世纪最大的挑战之一，

将持续对人类社会产生重大影响。世界经济论坛发

布的《2022年全球风险报告》表示，在未来5—10年

内，全球最主要的十大长期风险中，气候相关风险占

五席，且“气候行动失败风险”位居榜首。为应对气

候挑战，2020年9月我国明确提出“双碳”目标，积极

推动经济社会全面绿色转型，为解决全球气候危机

贡献中国力量。然而，绿色低碳转型意味着巨大的

经济成本，因为减少碳排放而进行的一系列经济社

会活动、相关政策法规的实施等，极有可能改变整个

金融市场所面临的内外部环境，通过多种渠道影响

经济金融系统的运行，诱发一系列金融风险[1]

。在

金融加速器和抵押品约束机制下，市场信号可能会

放大气候风险的严重程度，对单个金融机构的气候

冲击极易演变为系统性风险，危及整个金融体系的

稳定[2]

。正如英国央行前行长Mark Carney所强调的

那样，如果气候转型风险①足够严重，可能会导致所

谓的气候明斯基时刻②。

在此背景下，《中国金融稳定报告（2021）》指出，

未来应重点关注气候变化可能诱发的金融风险，在

金融机构的压力测试中要系统性地考虑气候变化因

素。此外，由于商业银行仍处于我国金融体系的核

心地位，气候风险通过直接冲击实体企业从而间接

提高商业银行的气候信贷风险敞口，波及金融市场

稳定。因此，本文以我国商业银行为研究对象，基于

自下而上的压力测试框架，重点考察如果商业银行

在不改变现有的行业贷款模式、积极主动调整资产

组合的背景下，在未来不同升温目标场景下气候转

型冲击因子导致的商业银行信贷损失变化。本研究

不仅能够使商业银行做到事前预防气候不确定性，

增强其系统内部稳定性，而且对防控气候变化可能

诱发的系统性金融风险、维护金融体系的稳定与安

摘 要：本文基于自下而上的压力测试方法，纳入温度场景和气候转型冲击因子，将行业层面的碳排放量与商业银行贷款信息联系

起来，预测了 2020—2060 年我国商业银行的气候脆弱性程度。结果表明：未来全球升温目标控制得越严格，商业银行面临的气候转型风

险冲击就越大；能源市场份额冲击造成的商业银行气候脆弱性指数在量级上较大，但碳价冲击下商业银行面临的潜在气候风险更大；整

个样本区间内，转型冲击对国有银行的影响最为显著，随着“双碳”政策的实施，股份制银行和城商行的气候脆弱性指数要远超国有银行；

商业银行气候脆弱性程度占其总资本（或核心一级资本）比重较高。

关键词：气候转型风险；商业银行；气候脆弱性指数；压力测试；金融稳定

中图分类号：F832.33 文献标识码：A 文章编号：1009-3540（2023）10-0003-0010

基金项目：国家社会科学基金项目“气候风险冲击对金融系统的传导路径及溢出效应研究”（22BJY165）。

■ 蔡源 崔婕

作者简介：蔡源（1996—），女，山西财经大学金融学院博士研究生； 崔婕（通讯作者）（1981—），女，博士，山西财经大学金融学院教授，博

士生导师。

气候转型风险冲击下

我国商业银行气候脆弱性研究

——基于压力测试模型的实证分析

绿色金融 Green Finance

03

2023年第10期 WUHAN

FINANCE

全都具有重要意义。

二、文献综述与理论分析

越来越多的学者和政策制定者研究了低碳转型

过程中可能存在的金融风险类型并提出相应的防范

举措[3，4]

。已有文献指出，转型风险主要通过气候政

策、技术创新以及消费者（或投资者）情绪三个方面，

对企业、家庭和政府部门形成冲击，造成其成本上

升，销售收入减少，借款偿付能力下降，从而导致与

其有信贷往来的商业银行信用风险攀升，严重威胁

金融体系稳定[5]

。具体而言，第一，低碳转型会促使

政府出台更多应对气候变化的相关政策。例如：征

收碳税、削减企业碳排放等。这些政策的实施不仅

会造成碳敏感资产贬值，增加“棕色”企业③的运营成

本[6]

，而且还会降低该类企业的信用评级，增加其融

资成本[7]

。此外，如果碳敏感资产被用作贷款抵押

品，低碳转型政策的实施同样会导致其价值缩水，造

成商业银行信贷损失增加[1]

。第二，向低碳经济的

过渡会推动绿色低碳技术创新。“棕色”企业如果不

能采用更新的低碳技术，可能会削弱其盈利能力。

而加大对低碳技术的资金投入同样会增加这类企业

的生产成本[2]

。第三，向低碳经济转型可能会引发

消费者和投资者的情绪变化。由于消费者对未来极

端气候事件的预期不断上升，从而更偏向于购买绿

色产品，这种消费方式的转变会导致“棕色”企业营

销收入下降[2]

；投资者以及评级机构在其投资和评

级决策中考虑气候因素，也可能导致高碳企业的融

资成本增加[8]

。

目前，运用理论与实证模型量化气候金融风险

已成为金融领域的研究重点。部分学者运用横截面

分析以及传统的资产定价模型，从绿色溢价[9，10]

和碳

溢价[6，11]

两个角度测度转型风险，预估风险溢价，量

化市场风险。还有少部分学者运用事件研究法，研

究转型冲击事件前后资产价值损失大小[12]

。由于资

产定价模型无法多维度量化气候风险，大量学者运

用静态和动态压力测试方法，量化气候转型冲击可

能诱发的不同类型金融风险。静态压力测试包括在

金融机构上的微观压力测试[13]

和在金融网络上的宏

观压力测试[14，15]

。然而，如果仅基于金融机构的微观

数据进行压力测试，不考虑宏观经济金融变化的情

况，仍无法全面的探究转型风险对金融系统的冲击

影响[16]

。因此，为全面分析包括宏观经济在内的转

型风险，学者们提出了动态宏观压力测试模型[5，17]

。

现阶段，国内少数学者剖析了转型风险对宏观

经济[18]

以及宏观金融系统内部传染反馈[19]

的影响。

仅有一篇文献[20]

基于压力测试模型，测度了碳税冲

击下2019年气候转型风险导致的18家商业银行贷

款价值损失。

纵观该领域的研究，仍存在以下局限性。首先，

从压力场景选取角度看，已有文献或使用早期的2℃

场景集[13]

，或仅从1.5℃场景集中选择有限数量的场

景[21]

，或只选择带有主观判断的转型冲击因子作为

其压力场景[20，22]

，鲜有文献同时选取2℃与1.5℃甚至

更为细化的升温目标作为其压力场景。其次，从压

力冲击因子选取角度看，已有文献大多只考虑了单

一的碳税变动对金融机构的冲击[20]

，忽略了能源市

场份额变化以及二者结合的双重冲击的影响，无法

全面系统地分析转型风险对金融机构的冲击效应。

最后，从压力测试模型构建角度看，之前采用的莫顿

模型都是通过计算密集的迭代过程来估计资产的价

值及其波动性，以测度转型冲击下商业银行的贷款

价值损失[22]

，而这种计算方法限制了在更大冲击情

景集下的重复分析。

与已有文献相比，本文的边际贡献主要体现在

以下三个方面：第一，通过构建信用风险模型，反映

出转型冲击前后行业的违约距离变化，可更直观地

看出受转型风险冲击的行业信贷损失差异；第二，温

度压力场景的选择允许对不同的变暖目标（1.5℃和

2.0℃）进行更细粒度的比较，更系统地预测未来可

能发生的不同升温目标下受转型冲击影响的商业银

行气候损失；第三，首次系统考察了七大类气候转型

冲击因子对我国商业银行造成的冲击影响，多维度

系统分析了行业与商业银行面临的转型风险；第四，

采用简化的 Merton Naïve 方法，从更多的压力场景

与冲击因子集下重复分析商业银行面临的气候信贷

损失。

三、数据来源与研究设计

本文运用IAMC1.5℃场景数据库中2020—2060

年每隔 10 年的碳价和能源市场份额数据，并基于

2011—2019 年行业的碳排放量和商业银行的分行

业贷款状况，预测未来在不同温度场景与转型冲击

因子下行业的增量违约距离，在此基础上推导出我

国商业银行在 2020—2060 年行业贷款层面的气候

04

信贷损失变化。

（一）数据来源

首先，依据Battiston等[14]

和Monasterolo等[13]

的研

究方法，结合各行业的碳排放量与银行行业贷款数

据，参考《国民经济行业分类（2017版）》，本文最终

选取了农林牧渔业，采矿业，制造业，电力、热力、燃

气及水生产和供应业，建筑业，交通运输、仓储、邮政

业、批发零售业以及住宿餐饮业八大行业。从各行

业的具体碳排放情况看，上述行业被称为“气候变化

敏感型行业”，即如果发生极端天气事件或者出台相

应的气候政策，这些行业受到的气候风险冲击影响

相对更大。此外，本文共选取了64家商业银行对八

大行业的贷款数据以及年度总贷款。其次，温度压

力场景以及转型冲击因子中所需数据均可在 IAMC

1.5℃场景数据库④获得。最后，本文对八大行业选

取对应的代表性上市公司用于计算各行业的财务指

标⑤。基础数据均源于中国统计年鉴、环境统计年鉴

以及WIND数据库。

（二）商业银行贷款碳强度

对行业i的碳排放值 CFit 进行归一化处理，由行

业 i 在 t 时的碳排放总量 CFit 除以行业 i 在 t 时的营

业总收入 REVit 而得，归一化后的值称为碳强度 CIit 。

CIit = CFit

REVit

（1）

计算得银行b在t时刻的贷款碳强度 PCIbt ：

PCIbt =∑i

Pibt × CIit

Pbt

（2）

碳强度 CIit 表示行业i在t时每单位营业收入的

二氧化碳排放量。贷款碳强度 PCIbt 表示银行b在t

时对行业 i 每单位贷款所包含的二氧化碳排放量，

该指标越高，代表银行贷款交易行为产生的二氧化

碳排放量越大。其中，Pibt 代表银行b在t时对行业i

的贷款额，Pbt 代表银行b在t时的贷款总额。

（三）商业银行转型风险测度框架

本文提出的用于分析不同类型温度场景以及转

型冲击因子下银行信贷损失变化的压力测试框架，

主要由以下三个部分构成：

1.温度压力场景设定

本文选取IAMC1.5℃场景数据库[23]

中的温度路

径作为压力场景，探索未来全球在不同升温目标下

的转型冲击因子对商业银行造成的潜在信贷损失，

具体场景分类如表1所示。

表1 气候转型场景类型

分类

转型

场景

（S）

基线

场景

（B）

场景组

2℃温度

路径

1.5℃温

度路径

世界各国保持原有的生产模式，不采取相应举措降低碳

排放以控制全球升温幅度

场景类别

高于2℃

（Above2℃）

较高于2℃

（higher2℃）

较低于2℃

（lower2℃）

低于1.5℃

（below1.5℃）

1.5℃高超调

（1.5℃high-OS）

1.5℃低超调

（1.5℃low-OS）

路径选择标准

在整个21世纪将升温峰值控制在

2℃以下的可能性低于50%

在整个21世纪将升温峰值控制在

2℃以下的可能性为50%~66%

在整个21世纪将升温峰值控制在

2℃以下的可能性超过66%

在整个21世纪将升温峰值控制在

1.5℃以下的可能性为50%~66%

在2100年升温中值低于1.5℃，且

之前超过1.5℃的概率大于67%

（高0.1℃~0.4℃）

在2100年升温中值低于1.5℃，且

之前超过1.5℃的概率为50%~

67%（不高于0.1℃）

场景

数量

98

28

147

32

13

29

64

场景

总数

411

2.转型冲击因子设定

当前，作为实现“双碳”目标核心政策工具之一

的碳交易市场正如火如荼地发展。碳交易市场主要

通过价格信号来引导碳减排资源的优化配置，从而

降低CO2排放量。因此碳价是碳交易市场的重要调

控工具之一，也是我国实现绿色低碳转型的重要手

段之一。此外，随着我国“双碳”目标的临近，我国逐

渐加大温室气体减排力度。据国家能源局网站数据

显示，2021 年我国单位 GDP 二氧化碳排放比 2005

年下降了 50%，非化石能源占能源消费比重高达

16.6%。因此，未来能源市场的份额变化也是我国

实现绿色低碳转型的又一重要手段。鉴于此，本文

借鉴Nguyen等[6]

的研究，选取碳价冲击、能源市场份

额冲击以及二者相结合的双重冲击来考察转型因子

对商业银行信贷损失的影响。

（1）碳价格冲击

碳的社会成本衡量了二氧化碳排放造成的经济

福利损失。本文采用贴现后的碳价变化 ΔCPSM

t 代

表碳冲击，该值越大代表未来转型场景（S）下的碳价

越高，说明征收碳税的气候政策冲击力度更大。碳

价冲击值 ΔCPSM

t 如式（3）所示：

ΔCPSM

t =(CPSM

t - CPBM

t )× 1

(1 + r)

t - 2011 （3）

t ∈ 2020 → 2100

CPSM

t 和 CPBM

t 分别表示在t时，模型M下转型场

景（S）和基线场景（B）中的名义碳价格的预测值。

IAMC1.5℃场景数据库将能源供应业部门的贴现率r

绿色金融 Green Finance

05

2023年第10期 WUHAN

FINANCE

设定为5%。因此，本文基于5%的贴现率将碳价变

化贴现至2011年。

（2）能源市场份额冲击

能源部门市场份额包括化石燃料和可再生能源

在全球能源消耗和全球电力生产中的份额。本文采

用 Monasterolo 等[13]

的方法，衡量能源部门 k 在转型

场景（S）下的市场份额变化 %ΔMSSM

kt 。若 %ΔMSSM

kt >

0，说明未来转型场景（S）下，能源部门k的市场份额

占比要高于基线场景（B）下的份额，反之亦然。具

体计算如式（4）所示：

%ΔMSSM

kt = MSSM

kt

MSBM

kt

- 1 （4）

t ∈ 2020 → 2060

其中，MSSM

kt 和 MSBM

kt 分别代表模型M下转型场

景（S）和基线场景（B）中的能源部门k在t时的市场

份额。能源部门k主要包括化石燃料和电力部门，

将化石燃料部门进一步划分为煤炭、石油与天然气，

将电力部门进一步划分为化石燃料（棕色）和可再生

能源（绿色）两部门。

3.压力测试模型构建

（1）转型冲击前信用风险模型构建

传统莫顿模型需通过迭代过程计算资产的市场

价值V及其波动性 ∂V ，而这种计算方法限制了在更

大冲击情景集下的重复分析。Bharath 等[24]

指出传

统莫顿模型更注重其函数形式而不是求解方法，并

提出了计算简单却比传统莫顿模型具有更优预测能

力的Merton Naïve方法。该方法改善了传统莫顿模

型计算复杂的缺陷，允许在更多压力冲击情景下计

算违约距离。因此，本文运用Merton Naïve模型⑥计

算转型冲击前后商业银行的信贷损失变化。

将Merton Naïve模型结果作为基线值代表转型

冲击前商业银行的违约距离NaiveDD。关键指标计

算公式如下：

naive∂B

Vit

= æ

è

ç ö

ø

÷ EB

it

EB

it + Fit

× ∂Eit +

æ

è

ç ö

ø

÷ Fit

EB

it + Fit

×(0.05 + 0.25 × ∂Eit

)

（5）

naiveμVit = rit - 1 （6）

naiveDDB

itT =

ln

æ

è

ç ö

ø

÷ EB

it + Fit

Fit

+ (ri,t - 1 - 0.5 × naive∂ ) B2

Vit

× T

naive∂V

B

it × T

（7）

（2）转型冲击后信用风险模型构建

本文通过计算转型冲击前后借款行业的盈利水

平变化，来模拟不同升温目标下气候转型冲击因子

对我国商业银行信贷损失的影响，采用的预测期是

一年（T=1）。首先分别在八大行业中选取具有代表

性的上市企业，其次通过计算各企业的财务数据加

权汇总用于指代各行业的财务指标，最后计算出转

型冲击因子下Merton Naïve模型所需参数。具体而

言，从转型风险冲击到信贷损失发生的转变过程通

过以下四个步骤进行建模：

第一步，将转型冲击因子纳入行业盈利水平指

标。假设转型冲击因子将改变借款行业的盈利水

平，因此采用不受不同资本结构或地方税收影响的

息税前利润（EBIT）作为衡量行业盈利水平的指标。

在转型场景（S）—模型M下，碳价 ΔCPSM

t 、能源

市场份额变化 %ΔMSSM

kt 以及二者结合的双重冲击导

致行业 i 在 t 时刻的息税前利润变化值分别如公式

（8）、（9）、（10）所示：

ΔEBIT(CP)

SM

it = -CIit × REVit × ΔCPSM

t （8）

ΔEBIT(MS)

SM

i ∈ k,t =(%ΔMSSM

i ∈ k,t

)× EBIT%it × REVit

（9）

ΔEBIT(DoubleShock)

SM

it =

%ΔMSSM

i ∈ k,t × EBIT%it × REVit -

CIit × REVit × ΔCPSM

t ×(1 - %ΔMSSM

i ∈ k,t

)

（10）

其中，CIit 为式（1）所求行业i在t时的碳强度，

REVit 为行业i在t时的营业总收入，ΔCPSM

t 为式（3）

的碳价格冲击。 %ΔMSSM

i ∈ k,t 代表式（4）中属于能源部

门k的行业i在t时的能源市场份额变化值，EBIT%it

是 指 基 准 场 景 下 行 业 i 在 t 时 的 税 前 利 润 率 。

ΔEBIT(CP)

SM

it 、ΔEBIT(MS)

SM

i ∈ k,t 、ΔEBIT(DoubleShock)

SM

it

越大，说明行业i盈利水平受转型冲击的影响越显著。

第二步，计算转型冲击下行业 i 的权益市值变

化。本文采用 Battiston 等[14]

的假设，即净资产是利

润随时间的积分，在一段时间内，净资产和利润的相

对变化一致。因此，在转型场景（S）—模型M下，行

业i在t时权益市值的变化 ΔESM

it 与行业i在t时盈利

水平的变化 ΔEBIT SM

it 成正比。具体见公式（11）：

ΔESM

it =(ΔEBIT SM

it EBIT B

it )× EB

it （11）

EB

it 和 EBIT B

it 分别代表基准场景（B）下行业i在t

时的权益价值和盈利水平。

第三步，将不同类型冲击因子下的权益市值变

化 ΔESM

it 输入到 Merton Naïve 方法中，以估计行业 i

在 t 时的资产价值 naiveV SM

it 与其波动率 naive∂SM

Vit 。

此外，本文假设气候转型冲击的概率分布函数只是

06

向左（右）移动，使行业 i 更接近（更远离）违约点。

即转型冲击只影响股价水平，而不影响其波动性。

相似的，本文假设债务水平 Fit 、无风险利率 r 和预

期回报 μit 没有变化。

基于转型场景（S）—模型M，不同类型转型冲击

因子下行业i在t时的资产价值 naiveV SM

it 、资产价值

波动率 naive∂SM

Vit 、违约距离 naiveDDSM

itT 以及增量违约

距离公式如式（12）—（14）所示：

naiveV SM

it = ESM

it + Fit = EB

it + ΔESM

it + Fit （12）

naive∂SM

Vit

= æ

è

ç ö

ø

÷ ESM

it

ESM

it + Fit

× ∂Eit +

æ

è

ç ö

ø

÷ Fit

ESM

it + Fit

×(0.05 + 0.25 × ∂Eit

)

（13）

naiveDDSM

itT =

ln

æ

è

ç ö

ø

÷ ESM

it + Fit

Fit

+ (ri,t - 1 - 0.5 × naive∂ ) SM2

Vit

× T

naive∂V

SM

it × T

（14）

ΔnaiveDDSM

itT = (naiveDD ) SM

itT - (naiveDD ) B

itT （15）

式（15）中的 ΔnaiveDDSM

itT 表示转型冲击后行业i

在t时的增量违约距离大小，该值小于（大于）0表示

相较于基准情景，受转型冲击影响行业 i 的违约可

能性变大（小）。

第四步，计算商业银行气候脆弱性指数 V SM

bt 。

如式（16）所示，分子表示转型冲击因子影响下，行业

i的增量违约距离变动比率导致的银行b对该行业

贷款金额损失值；分母表示银行b的年度总贷款额；

二者相除表示银行b在转型风险冲击影响下的信贷

损失变动比率，即气候脆弱性指数 V SM

bt 。若 V SM

bt >0

且数值越大，表示转型风险导致银行b在t时的气候

信贷损失越大；若 V SM

bt <0且数值越小，表示转型风险

导致银行b在t时的气候信贷损失越小。

V SM

bt = -∑i

pibt × ΔnaiveDDSM

itT naiveDDB

itT

Pbt

（16）

Pbt 表示银行b的年度总贷款额，ΔnaiveDDSM

itT 和

naiveDDB

itT 分别为不同温度场景下转型冲击因子导

致行业 i 的增量违约距离变化与基线情景下行业 i

的违约距离。

四、实证结果与分析

（一）商业银行气候风险概况

图1为2011—2019年我国商业银行的分行业贷

款柱状图。总体来看，国有银行的分行业贷款数额

最大，其后依次为股份制银行、城商行与农商银。其

中，农商行由于规模小，融资渠道单一，贷款行业细

分程度较低，对部分行业甚至无贷款交易。此外，商

业银行对采矿业，交通运输、仓储和邮政业，制造业

以及电力、燃气及水的生产和供应业这四类碳密集

型行业的贷款份额规模较大。且无论是哪种类型的

商业银行，采矿业的贷款占比均为最高。综上可以

看出，商业银行对碳密集型行业的贷款敞口更大，表

明我国商业银行的相关气候风险敞口较大，规模较

大的商业银行也更易受到气候转型风险的影响。

图1 商业银行气候风险敞口（2011—2019）

注：共8类行业，若图中无显示则代表商业银行对该行业无贷款。

表2为我国商业银行2011—2019年的贷款碳强

度数据表。综合来看，除个别数据外，国有银行贷款

碳强度值最大。因此在低碳转型过程中，国有银行

面临的气候损失可能相对更高。2011—2013 年股

份制银行的碳强度值要高于城商行，但自 2014 年

后，城商行的碳强度值远高于股份制银行。这说明

近年来城商行所支持的经济活动产生的碳排放量逐

年加大，这可能是后文实证发现城商行气候信贷损

失逐年加大的原因之一。此外，农商行由于规模小、

业务结构单一，其贷款碳强度值最小。

表2 商业银行贷款碳强度

银行

类型

国有

银行

股份制

银行

城商行

农商行

2011

1002.91

1026.06

949.19

574.17

2012

1003.99

1027.08

931.36

606.78

2013

987.73

953.28

932.70

635.64

2014

933.69

831.18

862.06

561.43

2015

842.66

707.01

773.64

486.60

2016

751.21

642.23

701.89

515.34

2017

736.37

546.25

618.03

537.34

2018

699.93

467.58

556.21

503.36

2019

673.06

411.60

502.51

434.74

绿色金融 Green Finance

07

2023年第10期 WUHAN

FINANCE

（二）压力测试结果

本小节分析在不同温度场景以及不同类型转型

冲击因子下，我国商业银行的气候脆弱性指数在行

业层面的占比，以及推断商业银行的气候信贷损失

占总资本（或核心一级资本）的比重。对于每种场景

（S或B）—模型M，共获得115080次转型因子冲击集

（7类冲击×411个场景/模型×40年），这些冲击最后

按温度场景聚合从而求得商业银行气候脆弱性指数

均值。考虑到转型冲击因子类型众多，限于篇幅，本

小节重点分析了最具代表性也是可能带来冲击强度

最大的碳价和能源市场份额双重冲击下的商业银行

气候脆弱性指数变化，将其余5类转型冲击下的分

析结果放入附录。

1.商业银行层面的气候脆弱性指数

表3是按冲击因子划分的商业银行整体气候脆

弱性指数均值。从整体来看，在7类转型冲击因子

下，我国商业银行的气候脆弱性指数均呈先降后升

再降的趋势。由（1）—（4）类可看出，较碳价格冲击，

能源市场份额冲击造成的商业银行气候脆弱性程度

相对更高。在最严格冲击情景——碳价格和化石燃

料+“棕色”电力市场份额双重冲击下，商业银行的

气候脆弱性程度最高。

表3 按冲击因子划分的商业银行整体气候脆弱性指数

冲击类型

（1）碳价格冲击

（2）化石燃料市场份额冲击

（3）化石燃料+“棕色”电力市场份额冲击

（4）化石燃料+“绿色”电力市场份额冲击

（5）碳价格和化石燃料市场份额双重冲击

（6）碳价格和化石燃料+“棕色”电力市场

份额双重冲击

（7）碳价格和化石燃料+“绿色”电力市场

份额双重冲击

2020

5.89%

7.58%

15.90%

10.32%

7.78%

16.51%

10.32%

2030

5.07%

2.63%

9.87%

9.01%

2.58%

10.16%

8.65%

2040

5.17%

0.55%

6.95%

5.97%

1.08%

7.31%

5.82%

2050

5.69%

5.98%

10.94%

14.81%

4.91%

10.70%

15.05%

2060

6.36%

3.99%

9.98%

7.42%

5.24%

12.49%

9.35%

表4是按冲击因子以及温度场景划分的不同类

型商业银行的气候脆弱性指数均值。首先，从温度

场景角度看，无论在哪类冲击因子下，较2℃温度路

径，1.5℃温度路径下商业银行的气候脆弱性程度更

高。由此可看出，如果未来将全球升温目标控制得

越严格，商业银行遭受的气候信贷损失越大。具体

而言，无论在哪类转型冲击因子下，除Above2°C温

度路径（双重冲击-“棕色”电力冲击）外，其余温度

路径下商业银行的气候脆弱性指数均大致呈先升后

降趋势，并在2060年左右达到高峰。这与我国2060

年“碳中和”的目标相符。此外，较其他银行，除个别

表4 按冲击因子以及温度场景划分的

商业银行气候脆弱性指数

场景

（6）碳价格和化石燃料+“棕色”电力市场份额双重冲击

Above

2°C

Higher

2°C

Lower

2°C

Below

1.5°C

1.5°Cige-OS

1.5°Clow-OS

（7）碳价格和化石燃料+“绿色”电力市场份额双重冲击

Above

2°C

Higher

2°C

Lower

2°C

Below

1.5°C

1.5°Cige-OS

1.5°Clow-OS

银行

类型

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

国有银行

股份制银行

城商行

农商行

2020

25.25%

24.37%

21.14%

12.80%

13.23%

14.01%

14.11%

7.23%

13.55%

15.25%

16.76%

8.45%

13.42%

15.65%

17.81%

8.80%

11.40%

11.89%

12.03%

6.15%

17.78%

19.26%

20.20%

10.97%

11.50%

12.20%

11.87%

5.92%

9.31%

9.52%

9.39%

4.48%

10.23%

10.64%

10.60%

5.21%

9.79%

10.19%

10.07%

4.86%

9.98%

10.32%

10.36%

5.09%

10.78%

11.25%

11.38%

5.70%

2030

16.70%

12.33%

4.95%

6.20%

9.88%

8.50%

5.97%

0.78%

30.54%

37.98%

48.34%

-1.11%

-17.64%

0.62%

1.45%

18.81%

3.78%

-3.10%

-13.27%

-3.83%

-6.99%

-24.14%

-50.47%

7.01%

15.09%

13.71%

11.43%

5.84%

6.13%

3.72%

-0.07%

3.36%

20.47%

22.38%

24.54%

4.75%

36.94%

32.78%

22.97%

26.63%

15.73%

11.90%

5.08%

6.50%

10.75%

7.43%

1.78%

6.96%

2040

3.72%

4.10%

4.61%

1.27%

-15.76%

-27.40%

-35.14%

-1.68%

-11.07%

-4.50%

-0.97%

-4.97%

-17.68%

-1.52%

9.04%

-18.28%

-23.44%

-38.11%

-47.24%

-6.56%

-34.84%

-38.09%

-41.70%

-11.37%

10.01%

12.79%

16.66%

2.95%

4.34%

2.40%

1.79%

3.42%

3.78%

1.33%

0.40%

2.88%

-4.69%

0.70%

5.12%

-2.52%

-2.72%

-4.68%

-6.36%

2.36%

-15.86%

-29.02%

-37.94%

0.60%

2050

3.19%

8.03%

11.92%

1.73%

-29.38%

-13.04%

-5.37%

-8.21%

-8.12%

1.22%

6.95%

0.12%

-7.87%

0.98%

5.90%

0.78%

21.20%

14.44%

12.71%

9.00%

24.55%

16.06%

13.44%

10.47%

5.23%

4.44%

4.67%

1.54%

3.28%

6.45%

9.20%

9.99%

12.44%

20.41%

27.91%

24.48%

11.65%

11.03%

12.43%

7.55%

19.09%

16.42%

17.41%

13.11%

22.62%

17.18%

16.69%

12.69%

2060

-5.64%

-20.05%

-38.29%

5.05%

99.81%

30.85%

93.35%

-20.65%

-6.11%

-7.92%

-9.45%

-10.00%

75.43%

64.12%

68.79%

65.87%

97.52%

66.19%

52.41%

52.57%

29.98%

28.44%

31.64%

21.16%

10.64%

7.70%

7.59%

6.51%

95.04%

41.09%

91.23%

0.27%

5.05%

3.53%

4.67%

-1.95%

56.17%

52.26%

58.14%

50.56%

14.48%

25.23%

33.33%

27.51%

55.39%

34.82%

30.19%

26.64%

最大值

邮储银行

华夏银行

泉州银行

上海农行

工商银行

恒丰银行

柳州银行

上海农行

交通银行

广发银行

柳州银行

上海农行

交通银行

恒丰银行

浙江稠州商业银行

北京农行

工商银行

恒丰银行

东营市商业银行

北京农行

交通银行

华夏银行

东营市商业银行

北京农行

交通银行

恒丰银行

晋商银行

上海农行

交通银行

恒丰银行

柳州银行

上海农行

交通银行

恒丰银行

柳州银行

厦门农商行

工商银行

恒丰银行

浙江稠州商业银行

北京农行

工商银行

恒丰银行

浙江稠州商业银行

北京农行

中国银行

恒丰银行

浙江泰隆银行

北京农行

08

数据外，所有温度路径下国有银行的气候

风险脆弱性程度最高，但在2060年城商行

和股份制银行的气候脆弱性程度显著上

升，1.5℃温度路径下这一研究结论越明

显。这表明，随着我国“双碳”目标实现进

程的加快，在2060年之前，要重点关注2℃

温度路径和 1.5℃温度路径下国有银行的

气候脆弱性程度，而在 2060 年后，要重点

预防更严格温度路径 1.5℃下转型风险冲

击对股份制银行和城商行的冲击影响。

该研究结论与我国“3060 双碳”目标发展

进程相符。

其次，从转型冲击因子类型角度看，

本文发现较碳价冲击，能源市场份额冲击

所导致的商业银行气候脆弱性指数在量

级上较大，但碳价冲击带来的潜在风险要

比能源市场份额转变带来的风险大得

多。具体表现为，相较于单一冲击，表4中

（6）和（7）双重冲击情境下，商业银行的气

候脆弱性指数均值整体上相对更高。如

基于（6）“棕色”电力双重冲击下，2060 年

在最严格温度场景below1.5℃下，国有、股

份制、城市、农村商业银行的气候脆弱性

指 数 依 次 为 75.43% 、64.12% 、68.79% 、

65.87%，而基于（7）“绿色”电力双重冲击

下，商业银行气候脆弱性指数则相对较

小 ，依 次 为 56.17% 、52.26% 、58.14% 、

50.56%。这是因为在整个经济活动中，只

要行业部门在生产过程中使用能源和排

放CO2，就会存在碳负债。碳价是一个广

泛的冲击，会影响到所有行业。因此，较

能源市场份额冲击，碳价给商业银行造成

的潜在气候转型风险更高。此外，无论是

单一能源市场份额冲击还是碳价和能源

市场份额相结合的双重冲击，“棕色”电力

情景下的商业银行气候脆弱性指数均值

要比“绿色”电力情景下的值更大。可能

的原因在于：近年来我国商业银行对化石

燃料等“棕色”企业的贷款额逐渐减少，但

对可再生能源等“绿色”发电企业的融资

逐年增多。因此，气候转型冲击对“棕色”

企业造成的负面影响更突出。

最后，从我国商业银行属性角度看，转型冲击下的气候脆

弱性程度异质性明显。由表4可知，在整个样本区间内，转型

冲击对国有银行的影响最为显著，但在2060年，股份制银行

和城商行的气候脆弱性达到峰值，甚至在多类冲击下，其损失

值要远超国有银行。由此可见，在未来几十年内，股份制银行

与城商行存在的潜在气候风险将更大。从银行细化角度看，

交通、工商、恒丰等银行的气候脆弱性指数也为其所属银行类

型中的较大值。晋商、柳州、东营与稠州这四大城商行均为资

源型城市地方银行，对碳密集型企业贷款敞口更大，因此在转

型风险冲击下，这些银行的气候脆弱性程度也更高。此外，上

海与北京均为我国的超大型城市，城镇化率高达87%以上，城

市二氧化碳排放量位于全国前列，因此北京和上海两大农商

行的气候脆弱性程度也较高。

2.行业层面的商业银行气候脆弱性指数

图 2 分别是在 Above2℃、2℃（Higher2℃和 Lower2℃）、

1.5℃（1.5℃-high-OS+1.5℃-low-OS）与 below1.5℃四类温度

场景下，我国商业银行在行业层面的气候脆弱性程度占比。

图2 商业银行气候脆弱性行业占比（%）

注：无显示表示气候脆弱性指数值为负数，农林牧渔、批发零售等碳排放量较

小的行业多为负值。

首先，在所有商业银行类型中，采矿业、制造业以及交通

运输、仓储和邮政业这三大行业的气候脆弱性程度较高。这

绿色金融 Green Finance

09

2023年第10期 WUHAN

FINANCE

与图1中各类银行贷款比重相似。但值得注

意的是，尽管电力、燃气及水的生产和供应业

行业的二氧化碳排放量较大，但通过本文计

算发现该行业转型冲击前的违约距离较大，

故转型冲击后的增量违约距离变化较小，气

候脆弱性指数并不突出，但该行业带来的气

候风险不应被忽略。其次，“棕色”电力双重

冲击下的商业银行行业层面气候脆弱性指数

值较“绿色”电力双重冲击下的气候脆弱性指

数值更大。最后，从商业银行类型角度看，行

业层面的气候脆弱性程度异质性明显。城商

行的行业气候脆弱性占比总值最大，股份制

银行次之。其中，制造业和交通运输业两类

行业的气候损失在国有银行和股份制银行

两类商业银行中的占比较高；而对城商行而

言，除采矿业、制造业与交通运输业三大碳

排放量较高的行业气候损失占比高之外，建

筑业与批发零售业两类碳排放量较低的行

业的气候脆弱值也十分突出；农商行因其规

模小，贷款总额少，因此其气候信贷损失总

额最低。综上，各类商业银行除应重点关注

传统意义上的高污染行业，也应根据自身的

行业贷款比重特征以及行业的碳排放情况

来防范转型风险冲击引致的气候信贷损失。

3.不同温度路径下的商业银行气候脆弱

性指数

为进一步分析气候转型风险对我国个

体商业银行的冲击影响，本小节重点比较了

2℃和1.5℃温度路径下我国64家商业银行的

贷款碳强度、气候脆弱性以及气候相对损

失，如图 3 所示。其中，“Above2°C、Higher2°

C、Lower2° C”场景归属 2℃温度路径；“Be⁃

low1.5°C、1.5°C-higer-OS、1.5°C-low-OS”场

景则归属1.5℃温度路径。

首先，总体来看，无论是碳强度、商业银

行气候脆弱性还是相对损失数额，较1.5℃温

度路径，2℃温度路径下的 64 家商业银行的

气候脆弱性指数值相对更大。具体来看，2℃

温度路径下，商业银行的气候脆弱性指数值

分布相对分散，平安银行、光大银行、恒丰银

行与广发银行等股份制银行承担了更大的

气候损失；而在 1.5℃的温度路径下，商业银

行的气候脆弱性指数值分布相对集中，意味着在1.5℃的温

度路径下，整体商业银行样本的气候损失程度较高。其

中，浙商、承德等城商行的气候脆弱性指数值相对更大。

其次，商业银行的气候脆弱性程度与其碳强度呈强正

相关关系。无论是2℃还是1.5℃温度路径下，对碳密集型

企业贷款规模大即碳强度更高的商业银行的气候脆弱性

指数值更大。例如东营、柳州、浙江稠州、晋商、鞍山等资

源型城市地方银行。而对位于主要通过水力、生物能等碳

排放量低的发电方式的城市的商业银行而言，由于对“绿

色”企业的贷款额度相对更大，贷款碳强度值更低，因此受

气候冲击的概率也更低，例如齐鲁、宁波、杭州、天津滨海

等银行的气候脆弱性指数值与相对损失值更小。

最后，部分商业银行的贷款碳强度和相对损失小，但

图3 不同温度路径下商业银行的气候脆弱性气泡图

注：该图基于最严重场景双重+“棕色”电力冲击组合下商业银行的气候脆

弱性指数绘制。横轴表示64家商业银行的气候脆弱性指数（%），纵轴表

示银行行业贷款的碳强度。泡沫大小代表每家银行的相对损失值，该值

依据其2011—2019年的行业贷款总额乘以气候脆弱性指数计算。颜色深

浅表示损失强度水平，即浅灰、深灰、黑色依次表示高、中、低程度的商业

银行相对损失值。

10

其气候脆弱性程度相对较高。例如，2℃温度场景下

的中国银行、浦发银行等，以及1.5℃温度场景下的

邮储银行、民生银行等。通过本文收集的64家银行

的行业贷款数据以及计算结果发现，出现这种结果

的原因可能在于，这些银行的行业贷款细化程度高，

即与每类行业均有借贷交易，导致受转型冲击的负

面影响更高。因此，该类商业银行应进一步优化信

贷政策，通过提升对借款行业的信用贷款评级来减

缓转型风险对商业银行造成的不利影响。

4.商业银行气候脆弱性指数占总资本（或核心

一级资本）比重

资本充足率是保持商业银行稳健发展的重要监

管指标。因此，如果转型风险导致的损失被完全吸

收到商业银行的资本部分，会造成银行面临流动性

危机，甚至导致其破产，进而通过网络传染效应引发

一系列连锁反应，影响整个金融市场的稳定。为了

解这种损失程度，图 4（a）和（b）分别表示转型冲击

下四类商业银行的气候脆弱性指数值占总资本（或

核心资本价值）的比重（%）。

图4 商业银行气候脆弱性指数占总资本

（或核心一级资本）比重（%）

注：该图基于双重+“棕色”、双重+“绿色”电力冲击组合下商业银

行的气候脆弱性指数绘制。

从商业银行类型角度看，无论是在“棕色”还是

“绿色”电力双重冲击下，城商行的气候脆弱性指数

值占总资本/核心一级资本的比重最高，股份制银行

和国有银行依次次之。从温度场景角度看，2℃场景

下所有银行气候脆弱性指数占总资本（或核心一级

资本）比重最高，below1.5℃、1.5℃、Above2℃场景依

次次之。此外，在双重冲击+“棕色”电力冲击下的

最严格温度场景 below1.5℃下，银行气候脆弱性指

数占总资本（或核心一级资本）比重最高可高达

15.92%/12.03%（城商行）。这足以表明合理资本充

足率在低碳转型过程中对微观金融稳定的重要作

用。如果气候转型风险对商业银行造成的信贷损失

被完全吸收到银行的核心资本部分，意味着商业银

行的气候脆弱性程度会大大提高，严重破坏金融体

系的稳定。

五、结论与启示

本文运用自下而上的压力测试方法，预测了

2020—2060 年不同升温目标下七大类转型冲击因

子对我国商业银行信贷损失的影响。研究发现：第

一，较2℃温度路径，1.5℃温度路径中下的商业银行

气候脆弱性要高得多。因此如果未来将全球升温目

标控制在1.5℃以内的话，我国商业银行等金融机构

面临的气候转型风险将更为严峻。第二，较碳价冲

击，能源市场份额对商业银行造成的气候信贷损失

在量级上更大，但碳价冲击造成的潜在气候信贷损

失更大；此外，“棕色”电力冲击下的商业银行气候脆

弱性指数值要明显大于“绿色”电力冲击下的值。第

三，由于对行业的贷款敞口不同，我国商业银行行业

层面的气候脆弱性指数异质性明显。各类商业银行

应根据自身的行业贷款比重特征来预防转型冲击导

致的气候信贷损失。第四，四类商业银行类型中，随

着“双碳”目标的不断推进，股份制银行和城商行的

气候脆弱性指数均值要远超国有银行。第五，商业

银行的气候脆弱性程度占其总资本（或核心一级资

本）的比重较高。

基于上述研究结论，本文得出如下启示：第一，

“双碳”目标的实现不能过度追求速度，应评估不同

温度路径下不同类型转型冲击因子对商业银行的异

质性影响，结合我国经济金融发展实际情况制定气

候相关转型政策，切实提高气候政策的有效性。第

二，商业银行应拓宽业务范围，不断创新与丰富绿色

金融产品，全方位打造绿色银行，并将气候风险全面

绿色金融 Green Finance

11

2023年第10期 WUHAN

FINANCE

纳入银行治理系统中，建立完善的气候风险管理体

系。第三，金融监管部门应高度重视转型过程中将

核心资本充足率控制在合理范围内对微观金融稳定

的重要作用，强化商业银行资本风险管理，提高应对

气候转型风险的资本充足性水平。■

注 释

① 气候转型风险，是指社会向可持续发展转型的过程中，

气候政策、低碳技术创新、市场情绪等因素变化导致金融机

构发生损失的风险。

② 气候明斯基时刻，是指全球气候变化诱发的系统性风险

集中爆发的时刻。

③“棕色”企业是相对于“绿色”企业而言，是指高污染、高

排放的碳密集型企业。

④ IAMC 1.5℃场景数据库重点运用如全球气候变化的综合

评估模型（GCAM）等专业衡量气候变化模型（M），提供了各

个国家在未来不同升温目标场景（S）下2015—2100年期间

每隔 10 年的 31 组实体-社会-宏观经济变量的预测结果。

数据库网址：https：//data.ene.iiasa.ac.at/iamc-1.5c-explorer。

⑤ 上市公司的选择依据为：在证监会2012版行业分类的基

础上，剔除遭受连续亏损的 ST 和*ST 企业，以及数据不连

续、缺失值较严重的企业，最终选取各行业类型下共 1911

家上市公司。所选企业几乎涵盖了我国所有上市公司，证

明本文的样本企业具有较好的代表性，可以用来反映我国

上市企业的总体情况。

⑥ 该模型将公司债务市值D估计为债务的账面价值F，即

D=F，则公司的市场价值V等于债务市值D+权益市值E，即

V=F+E；权益市值E=流通股股数×期末收盘价+非流通股股

数×每股净资产；公司的预期资产收益率μ等于上年的公司

股票收益率r；利用历史波动率法来估算权益价值波动率。

[参考文献]

[1] BOLTON P，DESPRES M，DA SILVA L A P，et al. The

Green Swan：Central Banking and Financial Stability in the

Age of Climate Change[M]. BIS Books，2020.

[2] CHABOT M，BERTRAND J L. Climate Risks and Finan⁃

cial Stability：Evidence from the European Financial System

[J]. Journal of Financial Stability，2023，69：101190.

[3] NIETO M J. Banks，Climate Risk and Financial Stability

[J]. Journal of Financial Regulation and Compliance，2019，27

（2）：243-262.

[4] CAMPIGLIO E，DIETZ S，VENMANS F. Optimal Climate

Policy as if the Transition Matters[R]. Centre for Climate

Change Economics and Policy Working Paper，2022.

[5] CARATTINI S，HERTWICH E，MELKADZE G，et al.

Mandatory Disclosure is Key to Address Climate Risks[J]. Sci⁃

ence，2022，378（6618）：352-354.

[6] NGUYEN Q，DIAZ- RAINEY I，KURUPPUARACHCHI

D，et al. Climate Transition Risk in US Loan Portfolios：Are

All Banks the Same?[J]. International Review of Financial

Analysis，2023，85：102401.

[7] 中国工商银行环境因素压力测试课题组.环境因素对商

业银行信用风险的影响：基于中国工商银行的压力测试研

究与应用[J].金融论坛，2016（2）：3-16.

[8] JAVADI S，MASUM A-A. The Impact of Climate Change

on the Cost of Bank Loans[J]. Journal of Corporate Finance，

2021，69：102019.

[9] BERNARDINI E，GIAMPAOLO J D，FAIELLA I，et al.

Climate and Environmental Risks：Measuring the Exposure of

Investments[C]. Bank of Italy，Directorate General for Markets

and Payment System，2021.

[10] FACCINI R，MATIN R，SKIADOPOULOS G. Dissecting

Climate Risks：Are they Reflected in Stock Prices?[J]. Journal

of Banking and Finance，2023，155：106948.

[11] ILHAN E，KRUEGER P，SAUTNER Z，et al. Climate

Risk Disclosure and Institutional Investors[J]. The Review of

Financial Studies，2023，36（7）：2617-2650.

[12] HUANG B，PUNZI M T，WU Y. Do Banks Price Environ⁃

mental Transition Risks? Evidence from a Quasi-Natural Ex⁃

periment in China[J]. Journal of Corporate Finance，2021，69：

101983.

[13] MONASTEROLO I，ZHENG J I，BATTISTON S. Cli⁃

mate-Finance and Climate Transition Risk：An Assessment of

China's Overseas Energy Investments Portfolio[J/OL]. SSRN

Electronic Journal，2018.

[14] BATTISTON S，MANDEL A，MONASTEROLO I，et al.

A Climate Stress- Test of the Financial System[J]. Nature Cli⁃

mate Change，2017，7（4）：283-288.

[15] RONCORONI A，BATTISTON S，ESCOBAR- FARFÁN

L O L，et al. Climate Risk and Financial Stability in the Net⁃

work of Banks and Investment Funds[J]. Journal of Financial

Stability，2021，54：100870.

[16] SEMIENIUK G，CAMPIGLIO E，MERCURE J F，et al.

Low⁃Carbon Transition Risks for Finance[J]. Wiley Interdisci⁃

plinary Reviews：Climate Change，2021，12（1）：678.

[17] VERMEULEN R，SCHETS E，LOHUIS M，et al. The

Heat is on：A Framework for Measuring Financial Stress Un⁃

der Disruptive Energy Transition Scenarios[J]. Ecological Eco⁃

nomics，2021，190：107205.

[18] 王博，宋玉峰.气候变化的转型风险对宏观经济和金融

稳定的影响：基于存量流量一致性模型视角[J].经济学动

态，2020（11）：84-99.

[19] 马正宇，秦放鸣.宏观金融网络中的气候政策冲击机制

和效应分析[J].金融与经济，2022（4）：13-22.

[20] 于孝建，詹爱娟.基于碳税冲击的我国商业银行气候转

型风险压力测试分析[J].南方金融，2021（6）：20-33.

[21] BOUCHET V，LE GUENEDAL T. Credit Risks Sensitivity

to Carbon Price[J]. Revue Economique，2022，73（2）：151-172.

[22] REINDERS H J，SCHOENMAKER D，VAN DIJK M. A

Finance Approach to Climate Stress Testing[J]. Journal of Inter⁃

national Money and Finance，2023，131：102797.

[23] HUPPMANN D，ROGELJ J，KRIEGLER E，et al. A

New Scenario Resource for Integrated 1.5 C Research[J]. Na⁃

ture Climate Change，2018，8（12）：1027-1030.

[24] BHARATH S T，SHUMWAY T. Forecasting Default with

the Merton Distance to Default Model[J]. Review of Financial

Studies，2008，21（3）：1339-1369.

（责任编辑：GW / 校对：XY）

12

一、引言

“维护世界和平，促进共同发展”已成为21世纪

世界繁荣进步的主旋律。但近些年来，全球金融危

机、欧洲主权债务危机、中美贸易战、俄乌冲突等事

件频发，全球经济增长速度放缓，各国经济面临着高

度不确定性，世界格局正经历重大调整和深刻重

构。地缘政治风险作为一种与战争、恐怖行为和国

家之间紧张局势相关的不确定性风险，不仅会影响

国际和平进程，而且也会对全球金融市场稳定造成

冲击，欧洲央行（ECB）、国际货币基金组织（IMF）和

世界银行（World Bank）开始将地缘政治紧张局势视

为经济发展前景的主要威胁之一[1]

。

防范地缘政治风险对中国企业稳健运营具有重

要意义。一方面，政治选举、地方官员委任以及经济

政策变动的相关风险更多是体现了各个国家或地区

内部的短期不稳定问题[2]

，而地缘政治风险同时涵

盖了国内及国际政治事件有关的风险，具有广泛性

与长期性。地缘政治关系紧张可能演变为长期趋

势，影响国家的产出和就业，给企业带来一定的财务

压力[1]

。另一方面，地缘政治风险与各个国家或地

区之间的紧张局势相联系，对于企业而言是一种外

生性冲击。因此，地缘政治风险比企业特定风险更

难以通过风险管理工具进行分散及对冲，容易对企

业运营造成重大影响。

中国经济正处于从高速增长向高质量发展转型

的关键阶段，创新在经济发展中起着至关重要的引

领作用。企业是创新的主体，是推动创新创造的生

力军。中国面临的国际政治环境日渐复杂，企业经

营环境的不确定性也随之攀升，地缘政治风险对企

业创新决策的影响不容忽视。地缘政治风险增大了

经济市场中的信息不对称程度[3]

，提升了金融机构

摘 要：在地缘政治事件频发的背景下，探究地缘政治风险对企业经营决策的影响具有重要的现实意义。本文实证检验了地缘政治

风险对企业创新的影响，实证结果表明：地缘政治风险抑制了企业创新，降低了企业下一年度的专利申请数量；作用机制检验发现，地缘

政治风险通过增加企业融资约束程度和提升现金持有水平来影响企业创新行为；异质性分析发现，对于高地缘政治风险暴露水平和高管

理层短视程度的企业，其创新活动受到地缘政治风险的负向影响将会更大。此外，有效的外部监督措施有助于企业抵御地缘政治风险的

冲击。本文拓展了在外部环境不确定性下，企业创新决策的相关研究，对政府调控地缘政治事件导致的外生风险，企业管理外部环境风

险冲击具有一定的参考价值。

关键词：地缘政治风险；企业创新；融资约束；现金持有

中图分类号：F832 文献标识码：A 文章编号：1009-3540（2023）10-0013-0012

基金项目：国家自然科学基金项目“股票市场操纵、定价效率与投资者福利：影响评估及监管路径”（71903030）；福建省自然科学基金

项目“台湾政治不确定性，资产价格冲击，及闽台经济合作——影响评估与对策探讨”（2020J01562）；福建农林大学杰出青年基金项目“股

票操纵与定价效率：基于高频数据市场微观结构的视角”（XJQ2020S3）。

■ 郑婉清 吴崇林 刘杰 孙淑晓

作者简介：郑婉清（1999—），女，福建农林大学经济与管理学院硕士研究生； 吴崇林（1995—），男，对外经济贸易大学金融学院博士研究

生； 刘杰（通讯作者）（1992—），男，博士，福建农林大学经济与管理学院副教授，福建普惠金融研究院副院长； 孙淑晓（1990—），男，博

士，闽江学院新华都商学院副教授。

外部环境视角下的企业创新决策：

地缘政治风险的影响与应对

经济纵横 Economic Review

13

2023年第10期 WUHAN

FINANCE

和企业对未来预期的不确定性，促使金融机构缩减

信贷规模并提升贷款利率[4]

，企业将面临更高的融

资成本[5]

。另外，企业创新活动具有失败率高和回

收周期长的特征[6]

。在地缘政治风险上升时，维持

较高的创新投资水平可能会进一步增加企业经营活

动的不确定性，提升其运营风险。最后，根据实物期

权理论，地缘政治风险加大了宏观环境的不确定性，

企业倾向于主动推迟研发项目，以等待未来合适的

投资机会[7]

。基于此，本文试图深入探讨地缘政治

如何作用于企业的创新行为决策，以期帮助各市场

主体正确认识与把握地缘政治风险，有效地推动经

济高质量发展。

本文以 2003—2019 年 A 股上市企业为研究样

本，基于Caldara等[1]

构建的地缘政治风险指数，研究

地缘政治风险对企业创新的影响。本文的边际贡献

主要体现在：①从地缘政治风险的角度探究企业创

新行为对外部宏观风险的反应，丰富了企业创新决

策因素的研究内容，拓展了地缘政治风险经济后果

的相关研究。②揭露了不同风险暴露水平和管理层

短视行为下，地缘政治风险对企业创新的影响差异，

加深了对于地缘政治风险异质性影响的理解。③证

明了外部监督措施在抵御地缘政治风险不利影响中

的积极作用，研究结论进一步明确了未来企业治理

的方向。

二、文献综述与研究假设

（一）文献综述

1.地缘政治风险的经济后果

现有文献普遍认为，地缘政治风险作为一种重

要的不确定性因素，会恶化商业和投资环境，降低经

济实际产出[1]

，是资本市场波动的主要驱动因素[8]

。

在地缘政治风险上升的商业环境中，资金需求方能

够取得资金的数量将会出现不同程度的降低。地缘

政治风险加大了公司与外部投资者之间的信息不对

称程度，导致资金提供方无法及时准确的判断企业

的真实经营状态，扰乱了贷方的资金运营决策[9]

。

为了最大限度地减少损失，金融机构将通过提高贷

款利率和贷款条件的严格程度来应对更高的信用风

险。例如，Nguyen 等[3]

发现美国地缘政治风险指数

每增加一个标准差，银行贷款的平均成本将增加

7.253个基点。企业运营决策受地缘政治风险的影

响同样受到研究者们的广泛关注，文献记录了地缘

政治风险对企业投资[10]

、现金持有[11]

、股利政策[12]

的

社会责任履行[13]

的影响。具体而言，Le等[10]

发现地

缘政治风险与企业投资呈负相关，相对于其他亚洲

新兴国家，中国和俄罗斯的地缘政治风险对企业投

资的影响更大。企业现金持有量与地缘政治风险之

间呈现出显著的正向关系，因为企业倾向于提升现

金持有水平以应对地缘政治风险导致的未来经营现

金流的波动[11]

。Adra等[12]

证明了地缘政治风险上升

会导致企业现金流的恶化及财务困境，这促使企业

采取更保守的股利政策，降低股份回购的规模。由

此可知，大多数文献均支持了地缘政治风险对公司

正常经营的负面影响。但 Oanh 等[13]

的研究证实了

地缘政治风险对企业社会责任履行产生的促进作

用，公司将企业社会责任（CSR）投资视为一项风险

保护机制，以应对地缘政治风险的增加。

2.企业创新的影响因素

创新是增强公司盈利能力的有效途径之一，企

业可以通过创新活动来提升自身竞争优势。一类文

献讨论了影响企业创新的内部条件因素。企业创新

活动具有研发成果不确定和技术创新风险高的特

征，因此其面临的融资成本和调整成本更高。研究

表明，融资约束问题所导致的资金流不稳定显著抑

制了企业的创新活动[6，14，15]

。另外，企业是否开展高

风险、长周期的创新活动取决于管理层在短期收益

和长期发展中的权衡选择，故管理层特征也是在研

究企业创新活动时需考虑的关键因素。一般而言，

股权激励计划和薪酬激励计划将管理层薪酬与企业

收益挂钩，可以减少管理层“短视行为”，促进企业开

展研发创新活动[16，17]

。董事会具有监督和建议管理

层的权力和义务，同样能够有效降低因所有权和控

制权分离而产生的代理成本。Balsmeier等[18]

指出更

高的董事会独立性可以降低企业所面临的经营风

险，促进企业加大对研发创新活动的投资。另一类

文献分析了影响创新的外部环境因素。地区政府出

台和实施的相关行业政策会改变企业经营环境，进

而可能会对企业的创新决策产生影响。钟腾等[19]

和

诸竹君等[20]

分别评估了地方政府人才引进政策和战

略性新兴产业政策的实施成效，发现相关政策的实

施有效激发了企业主体的创新活力，提升了专利产

出数量。部分学者关注了外部风险水平的变化如何

影响企业的创新决策[5，7，21，22]

。陈德球等[21]

研究指出

由于新任领导发展视角的不同，每一届地方政府所

14

实施的经济政策都存在较大的“个体差异”，与官员

委任并发的政策变动将增加企业面临的政策不确定

性，促使企业实施更保守的发展战略，降低企业的创

新产出。经济政策不确定性对企业创新的影响由于

国别而存在差异。顾夏铭等[22]

认为中国经济政策不

确定性对于企业创新为正向促进关系，经济政策变

动推动了企业资金从投资领域流向创新领域，显著

提升了企业的专利产出水平。Xu[5]

在分析美国经济

政策不确定性与企业创新关系时所得结论与之相

反，在排除了宏观经济状态因素的干扰后，经济政策

不确定性仍会通过提升企业资本成本的渠道来抑制

企业创新投入及产出。

3.文献评述

通过对相关文献进行梳理可知，地缘政治风险

对企业经营决策的影响已有一定研究成果，但较少

涉及创新领域，因此有必要进一步扩展。以往研究

主要从企业内部条件和外部环境等方面探究创新的

影响因素，而较少关注外部风险中地缘政治风险的

潜在影响。基于此，本文探索地缘政治风险对企业

创新的影响及渠道，为更好地应对外部环境风险提

供参考。

（二）研究假设

地缘政治风险作为企业所面临的外部环境风险

之一，本文预期其会通过以下途径影响企业创新：

首先，优序融资理论认为企业在融资过程中应

服从先内部融资，再外部融资的顺序[23]

。但企业利

润受外部市场影响较大，内源融资难以支持高风险、

长期性的创新活动，外部融资为研发活动提供了稳

定、持续性的资金流，是企业R&D投入的重要资金

来源[15，24]

，企业融资可得性的改善，可显著提升企业

的研发强度和研发成功概率[25]

。地缘政治风险增强

了公司与外部投资者或贷方之间的信息不对称程

度，为了最大限度地减少损失，金融机构可能会通过

降低即期贷款流量、缩减信贷规模以及提升贷款利

率的方式来应对更高的外部风险[3，4]

。这提升了企

业从金融机构获得外部资金的难度，导致更高的融

资成本[5]

。因此，地缘政治风险可能会加重企业所

面临的融资约束问题，使研发活动缺乏稳定的资金

供给，最终降低了企业创新水平。

其次，地缘政治风险导致的未来经营业绩波动

可能会影响公司的现金持有水平。Lee等[11]

指出地

缘政治风险与企业现金持有水平呈正向关系，在地

缘政治风险处于高位时，企业预防性现金持有水平

随之升高。也有文献明确提出，不确定性与研发支

出之间存在强烈的负向关系，企业在外部高度不确

定性下会减少研发投入[26]

。因此，当地缘政治风险

增大时，为应对经营风险的上升，企业可能会减少用

于创新研发的资本支出以保持现金流的充裕，提升

自身现金持有水平，最终导致企业创新水平下降。

最后，依据实物期权理论，由于投资项目的不可

逆性，企业等待未来投资机会的价值将随着不确定

性的上升而增加，因此企业将主动减少投资支出或

推迟投资项目[27]

。同时，创新活动的高失败率与投

资周期长强化了创新投资的不可逆性，进一步提升

了创新项目的等待价值，创新投资更易受到外部不

确定性的影响[28]

。因此，依据实物期权理论，面对地

缘政治风险的上升，企业将主动推迟创新项目决策，

等待未来的投资机会，降低了创新水平。

通过对相关文献的梳理，本文预期地缘政治风

险会降低企业创新水平主要存在三个原因：①地缘

政治风险增加了企业的融资约束程度。地缘政治风

险加剧了经济环境中的信息不对称程度，促使金融

机构缩减信贷规模、提高贷款利率，提升企业的融资

成本及融资难度，加重了企业所面临的融资约束问

题，致使企业缺乏稳定、持续的研发资金流，降低了

企业的创新水平。②地缘政治风险提升了企业的现

金持有水平。地缘政治事件的发生扰乱了市场的正

常运行，为应对未来的盈利波动，企业会倾向于减少

研发类风险资本支出以增加预防性现金持有，维持

更高的现金持有水平，导致企业创新水平下降。③

根据实物期权理论，地缘政治风险增加了企业等待

未来投资机会的价值，企业将主动推迟创新项目投

资，企业创新水平随之下降。根据地缘政治风险与

企业创新行为之间的关系及其可能的影响路径，本

文提出如下研究假设：

H1a：地缘政治风险会抑制企业的创新行为。

H1b：地缘政治风险会增加企业的融资约束程度。

H1c：地缘政治风险会增加企业的现金持有量。

虽然地缘政治风险以宏观冲击的方式同时影响

所有企业，但企业特征的不同使得企业对于宏观风

险的暴露存在差异。例如，Bonaime等[29]

发现经济政

策不确定性更容易影响到对经济政策不确定性指数

（EPU，Economic Policy Uncertainty）敏感程度高的企

业的并购活动。顾夏铭等[22]

指出宏观经济层面的中

经济纵横 Economic Review

15

2023年第10期 WUHAN

FINANCE

国EPU指数与企业创新强度之间存在着积极联系。

Cui等[28]

研究证明了微观个体层面的高EPU暴露降

低了企业创新投资规模与专利申请数量。因此，本

文考察了企业地缘政治风险暴露水平对地缘政治风

险与企业创新之间关系的作用。对于地缘政治风险

暴露水平较高的企业，其正常经营运转更易受到宏

观地缘政治风险的负面冲击，管理者会选择减少或

推迟创新项目，地缘政治风险对企业创新的不利影

响将会更大。据此，本文提出如下研究假设：

H2：对于地缘政治风险暴露水平高的企业，地

缘政治风险对企业创新的负面影响更大。

管理层短视主义是指管理层以牺牲企业长期利

益为代价最大化其短期财务收益的行为，在创新领

域表现为对研发投资的支出不足[30，31]

。出于对自身

声誉和薪酬的考虑，面对创新活动的高风险性，管理

层的短视心态可能会造成创新项目的投资不足，甚

至导致创新项目的提前终止[31]

。刘宝华等[17]

、李春

涛等[32]

、田轩等[16]

发现股权激励计划和薪酬激励计

划将管理层利益与企业长期收益挂钩，在一定程度

上抑制了管理层的短视行为，从而提升了企业创新

活动的活跃度。因此，管理层短视主义可能会导致

地缘政治风险对企业创新具有不对称影响。面对外

部地缘政治风险的增强，若管理层短视行为严重，企

业会采取更保守的发展战略，更关注短期内的股价

涨跌和经营业绩，而忽略长期发展和创新项目投

资。本文预期在管理层短视程度高的企业中，地缘

政治风险对企业创新的不利影响将会更大。据此，

本文提出如下研究假设：

H3：对于管理层短视程度高的企业，地缘政治

风险对企业创新的负面影响更大。

有效的外部监督措施可以帮助形成良好的公司

治理环境，机构投资者、证券分析师和政府部门等都

是重要的外部监督力量[33—35]

。机构投资者凭借自身

丰富的物质资源与专业知识，可以充分地发挥外部

监督作用，减轻企业股东和高层管理人员之间的代

理问题[35]

。证券分析师则可通过发挥信息中介与监

督作用，缓解企业的融资约束问题与委托代理问题，

从而显著提升企业的创新绩效[33]

。鉴于外部治理的

重要性，有效的外部监督应有助于缓解地缘政治风

险对企业创新的负面影响。当外部地缘政治风险上

升时，更强的外部监督力量有助于企业保持相对较

高的信息透明度，帮助持续监测管理者行为，增强企

业抵御地缘政治风险的能力。据此，本文提出如下

研究假设：

H4：更强的外部监督有助于缓解地缘政治风险

对企业创新的负面影响。

三、研究设计

（一）样本选择和数据来源

本文选取 2003—2019 年 A 股上市企业为初始

研究样本，数据频率为年度。参考陈德球等[21]

和孔

东民等[36]

的研究设计，本文对初始研究样本进行了

如下处理：（1）剔除金融行业公司；（2）剔除当年上市

的公司；（3）剔除ST及*ST等状态异常的公司；（4）剔

除财务数据存在缺失的样本。经过上述筛选后，本

文的最终样本包含30357例观测值。

衡量地缘政治风险的地缘政治风险指数取自

Caldara等[1]

的研究。本文采取提取年度算术平均值

的方式，将月度地缘政治风险指数转化为年度地缘

政治风险指数[22]

。企业专利数据来源于中国研究数

据服务平台（CNRDS），股票收益数据、公司治理数

据和财务相关数据来源于国泰安数据库（CSMAR）。

（二）变量定义

1.企业创新

专利产出能够直接、客观的反映一段时间内企

业的创新成果，被大量研究选取为衡量企业创新的

指标[5，36，37]

。本文基于专利申请数量构建了两个指

标以衡量企业创新：总专利申请（PatentAll）和发明

专利申请（PatentInvent）。总专利申请（PatentAll）

的计算方法为当年总专利申请数量加1后取自然对

数。具体计算方法如式（1）所示：

PatentAlli,t = ln(1 + NumPatentAlli,t) （1）

其中，NumPatentAlli,t 为企业 i 在 t 年度的总专

利申请数量。

发明专利申请（PatentInvent）的计算方法为当

年发明型专利申请数量加1后取自然对数。具体计

算方法如式（2）所示：

PatentInventi,t = ln(1 + NumPatentInventi,t) （2）

其中，NumPatentInventi,t 为企业 i 在 t 年度的发

明型专利申请数量。

总 专 利 申 请（ PatentAll ）和 发 明 专 利 申 请

（PatentInvent）的取值越大，表明企业在当年的总专

利申请数量和发明型专利申请数量越高，企业创新

能力越强。

16

2.地缘政治风险

本文选取Caldara等[1]

构建的中国地缘政治风险

（Geopolitical Risk，GPR）指数作为地缘政治风险的

衡量指标。地缘政治风险指数（GPR）越高，说明中

国面临的地缘政治风险水平越高。

3.地缘政治风险暴露

参考 Cui 等[28]

和 Jia 等[38]

的研究，本文利用拓展

的Fama-French三因子模型来计算企业的地缘政治

风险暴露水平。具体而言，通过对企业的月度超额

收益和月度地缘政治风险指数运行如下滚动回归：

Ri,m - rfm = β0

i + β GPR

i,m × GPRm + β MKT

i,m × MKTm +

βSMB

i,m × SMBm + β HML

i,m × HMLm + εi,m

（3）

其中，Ri,m 为股票 i 在 m 月的月度收益率；rfm

为 m 月的无风险收益率；GPRm 为 m 月的地缘政治

风险指数；MKTm 为 m 月的市场因子，即流通市值

加权平均的市场组合收益率与无风险收益率的差

值；SMBm 和 HMLm 分别为 m 月的市值因子和账面

市值比因子。对于基准月 m ，本文使用过去60个月

作为滚动回归窗口，得到月度的回归系数 β GPR

i,m ，依

据月度回归系数计算年度平均值，并以该年度平均

值的负数来衡量企业的地缘政治风险暴露水平

（GPRExposure）。该值越高，说明地缘政治风险指

数上升将导致股票回报率更大程度的下降，企业越

易受到地缘政治风险的不利影响。

4.控制变量

参考顾夏铭等[22]

、Le等[10]

的研究，本文在考察地

缘政治风险对企业创新的影响时，选取了上市年限

（Age）、无形资产占比（Intangass）、经营活动净现

金流（Cashflow ）、资产收益率（ Roa ）、市值规模

（ Size ）、账面市值比（ Mtb ）、营业收入增长率

（ Growth ），负 债 比 率（ Lev ），GDP 增 长 率

（GDPGrowth）和 M2 增长率（M2）作为控制变量。

本文对连续型变量进行了1%缩尾处理，以降低极端

值对实证结果的潜在干扰。表1汇报了本文所使用

变量的名称和定义。

（三）研究模型

为了验证假设H1a，本文构建了实证模型（4）：

INVi,t + 1 = β0 + β1 × GPRt + βc × Controlsi,t +

∑FirmFE + ∑IndFE + εi,t

（4）

考虑到研发产出的滞后性[36，37]

，被解释变量为

企业 i 在 t + 1 年度的总专利申请（PatentAlli,t + 1）和

发明专利申请（PatentInventi,t + 1）。 GPRt 为衡量 t 年

度地缘政治风险的 GPR 指数（GPR），Controlsi,t 为

一系列控制变量，∑FirmFE 和∑IndFE 分别为公司

固定效应和行业固定效应，ε 为随机误差项。

在实证中，本文将标准误进行公司聚类调整。

值得指出的是，由于本文使用的地缘政治风险指标

是时间序列变量，特定年份的GPR指数对于所有企

业均为同一数值，若直接引入时间固定效应会引起

多重共线性问题，因此本文在模型中并未加入时间

固定效应[11，39]

。

为了检验假设 H1b 和 H1c，参考方明月等[40]

的

研究，本文构建了实证模型（5）：

KZi,t(CashHoldingsi,t) = β0 + β1 × GPRt +

βc × Controlsi,t +

∑FirmFE +

∑IndFE + εi,t

（5）

其中，被解释变量 KZi,t 为企业 i 第 t 年融资约

束水平的代理变量。参考 Kaplan 等[41]

、彭俞超等[42]

的研究，本文选择KZ指数作为企业融资约束程度的

度量指标（KZi,t），KZi,t 取值越大，表明企业的融资

表1 变量定义

类型

被解释

变量

解释

变量

控制

变量

变量名称

总专利申请

发明专利申请

其他专利申请

融资约束程度

现金持有水平

地缘政治风险

地缘政治风险

暴露

上市年限

无形资产占比

经营活动净现

金流

资产收益率

市值规模

账面市值比

营业收入

增长率

负债比率

GDP增长率

M2增长率

变量符号

PatentAll

PatentInvent

PatentOth

KZ

CashHoldings

GPR

GPRExposure

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

变量定义

企业当年专利申请总数量加1，取自然

对数

企业当年发明专利申请数量加1，取自

然对数

企业当年实用新型和外观设计申请总

数量加1，取自然对数

KZ指数

（货币资金+短期投资净额+交易性金融

资产）/总资产

利用Caldara等[1]

构建的地缘政治风险

指数，月度数据取年度算术平均值

利用Caldara等[1]

构建的地缘政治风险

指数计算得出，见式（3）

企业上市年限加1，取自然对数

无形资产/总资产

经营活动净现金流/总资产

税后净利润/总资产

市值取自然对数

总资产/市值

营业收入增长率

债务价值/总资产

（本期GDP-上期GDP）/上期GDP

（本期M2-上期M2）/上期M2

经济纵横 Economic Review

17

2023年第10期 WUHAN

FINANCE

难度越大，融资约束水平越高。 CashHoldingsi,t 为企

业 i 第 t 年的现金持有水平，为企业货币资金、短期

投资净额和交易性金融资产三者之和除以总资

产[11，39]

。 CashHoldingsi,t 的值越大，表明企业的现金

持有水平越高。

为了检验假设H2，本文构建实证模型（6）以考

察不同地缘政治风险暴露水平下，地缘政治风险对

企业创新影响的差异：

INVi,t + 1 = β0 + β1GPRt +

β2GPRt × HGPRExposurei,t +

β3HGPRExposurei,t + βCControlsi,t +

∑FirmFE + ∑IndFE + εi,t

（6）

其中，HGPRExposurei,t 为依据 GPRExposure 大

小构建的地缘政治风险暴露水平高低的代理变量。

若企业的地缘政治风险暴露高于当年行业的中位

数，则 HGPRExposurei,t 取 1，反之取 0。若交互项回

归系数 β2 的估计值显著为负，说明地缘政治风险暴

露水平越高，地缘政治风险对企业创新的不利影响

将会更大。

为了检验假设H3，本文构建实证模型（7）以检

验在不同管理层短视程度下，地缘政治风险对上市

公司创新活动影响的异质性：

INVi,t + 1 = β0 + β1GPRt + β2GPRt × MMi,t +

β3MMi,t + βCControlsi,t +

∑FirmFE + ∑IndFE + εi,t

（7）

其中，MMi,t 为管理层短视的代理变量。根据

王斌等[43]

的研究，本文使用董事长与CEO是否两职

合一作为管理层短视的第一个代理变量 Duali,t 。若

企业当年董事长与CEO为两职合一，Duali,t 取1，反

之取 0。根据烙印理论，具有金融工作背景的管理

层在面对高风险、长周期的创新活动时，其短视心理

会更严重，更加偏好于短期投资项目[44]

。因此，本文

基于管理层是否具有金融背景①构建了第二个管理

层短视的代理变量 FinancialBacki,t 。若企业当年现

任 董 监 高 中 具 有 在 金 融 机 构 工 作 的 背 景 ，

FinancialBacki,t 取 1，反之取 0。若交互项回归系数

β2 的估计值显著为负，说明管理层短视程度越高，

地缘政治风险对企业创新的抑制作用将会更强。

为了检验假设H4，本文在实证模型（4）的基础

上加入强外部监督变量以及强外部监督与地缘政治

风险的交互项构建实证模型（8），以考察不同外部监

督强度下，地缘政治风险对企业创新影响的差异：

INVi,t + 1 = β0 + β1GPRt + β2GPRt × ESi,t +

β3ESi,t + βCControlsi,t +

∑FirmFE + ∑IndFE + εi,t

（8）

其中，ESi,t 为外部监督强度。借鉴现有文献[34，35]

，

本文根据企业当年的证券分析师追踪人数与机构投

资者持股比例构建高分析师追踪人数变量 HAnai,t

和高机构投资者持股比例变量 HInsti,t ，以这两个变

量作为 ES 的代理变量。若企业证券分析师追踪人

数高于当年行业的中位数，HAnai,t 取1，反之取0；若

企业机构投资者持股比例高于当年行业的中位数，

HInsti,t 取1，反之取0。若交互项回归系数 β2 的估计

值显著为正，说明更强的外部监督有助于缓解地缘

政治风险对企业创新的不利影响。

四、实证结果

（一）描述性统计

表2为本文主要变量的描述性统计结果。创新

活动的衡量指标总专利申请（PatentAll）和发明专利

申请（PatentInvent）的均值分别为 1.1233 和 0.7584，

标准差分别为1.4716和1.1546，表明不同企业之间

的专利产出水平参差不齐。地缘政治风险指数

（GPR）的均值和标准差分别为 0.5079 和 0.1815，说

明中国地缘政治风险的波动较大。

表2 描述性统计

变量

PatentAll

PatentInvent

PatentOth

GPR

CashHoldings

KZ

GPRExposure

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

观测值

30,357

30,357

30,357

17

30,357

30,357

30,357

30,357

30,357

30,357

30,357

30,357

30,357

30,357

30,357

17

17

均值

1.1233

0.7584

0.7852

0.5079

0.1811

1.7424

0.0013

2.1479

0.0454

0.0462

0.0347

22.5928

0.6347

0.4199

0.4476

0.1320

0.1508

标准差

1.4716

1.1546

1.2599

0.1815

0.1315

2.8560

0.1229

0.7251

0.0509

0.0730

0.0613

1.1382

0.2445

1.2305

0.2046

0.0488

0.0488

最小值

0

0

0

0.3497

0.0002

-11.3445

-0.5006

0.6931

0.0000

-0.1863

-0.2739

20.3021

0.1252

-0.7877

0.0574

0.0704

0.0817

最大值

5.5984

4.7274

5.0499

0.9167

0.9804

20.8493

0.4577

3.2581

0.3096

0.2490

0.1872

26.0411

1.1255

9.0962

0.8978

0.2308

0.2758

18

（二）地缘政治风险和企业创新

本文预期地缘政治风险会对企业创新产生负面

影响，降低企业下一年度的专利申请。为了对这一

假设进行检验，本文采用模型（4）考察了地缘政治风

险对企业下一年度专利申请的影响。表3（1）和（2）

列被解释变量为下一年度总专利申请（PatentAll），

（3）和（4）列被解释变量为下一年度发明专利申请

（PatentInvent）。模型中分别引入了衡量地缘政治

风险的核心解释变量（GPR），加入了描述公司特征

和宏观经济特征的控制变量，并对公司固定效应和

行业固定效应进行了控制。

表3结果显示，地缘政治风险指数（GPR）对下

一年度总专利申请（PatentAll）及下一年度发明专

利申请（PatentInvent ）的回归系数分别为-0.8232

和-0.5182，均在1%的水平上显著。这说明无论以

何种方式来度量企业创新，均支持地缘政治风险增

加降低了企业下一年的创新水平，地缘政治风险程

度越高，企业创新水平越低。由此，本文假设H1a得

到证实。

（三）稳健性检验

1.更换地缘政治风险度量指标

在前述实证中，地缘政治风险年度指标的构建

方法为月度指数的年度算术平均值。进一步地，本

文参考顾夏铭等[22]

的研究，采用地缘政治风险指数

的年度几何平均值和年度中位数作为年度地缘政治

风险水平的代理指标，再度考察地缘政治风险与企

业创新之间的关系，实证结果如表4所示。（1）和（2）

列中 GPR 的计算方式为年度几何平均值，（3）和（4）

列中 GPR 的计算方式为年度中位数。实证结果表

明，在不同的地缘政治风险指标计算方法下，GPR

的估计系数均显著为负，即地缘政治不确定性对企

业创新产生了负面影响。

表4 稳健性检验：更换地缘政治风险的度量指标

变量

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

年度几何平均值

PatentAll

-0.8599***

(-17.92)

0.0391

(1.16)

0.3153

(1.42)

-0.2505***

(-2.93)

0.6951***

(5.00)

0.0953***

(4.84)

-0.0153

(-0.33)

-0.0179***

(-3.90)

-0.1057

(-1.44)

-0.5623***

(-3.43)

-1.2096***

(-6.35)

-0.3905

(-0.90)

30,357

0.731

YES

YES

(2)

PatentInvent

-0.5470***

(-13.73)

0.1096***

(4.10)

0.3318*

(1.92)

-0.1789***

(-2.60)

0.5360***

(4.88)

0.0795***

(4.74)

0.0321

(0.84)

-0.0100***

(-2.88)

-0.0252

(-0.43)

-0.5523***

(-4.05)

-1.0523***

(-6.90)

-0.8068**

(-2.17)

30,357

0.706

YES

YES

(3)

年度中位数

PatentAll

-0.9610***

(-20.83)

0.0608*

(1.82)

0.3086

(1.39)

-0.2456***

(-2.87)

0.6881***

(4.95)

0.0954***

(4.85)

0.0374

(0.79)

-0.0186***

(-4.03)

-0.1195

(-1.62)

-0.5993***

(-3.66)

-1.2993***

(-6.90)

-0.3954

(-0.91)

30,357

0.732

YES

YES

(4)

PatentInvent

-0.5856***

(-15.25)

0.1175***

(4.40)

0.3340*

(1.94)

-0.1795***

(-2.60)

0.5325***

(4.85)

0.0798***

(4.75)

0.0582

(1.50)

-0.0103***

(-2.96)

-0.0321

(-0.55)

-0.5914***

(-4.33)

-1.0786***

(-7.16)

-0.8144**

(-2.19)

30,357

0.707

YES

YES

表3 GPR和企业创新

变量

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentAll

-0.7736***

(-17.44)

0.1191***

(3.87)

0.2619

(1.18)

-0.2622***

(-3.06)

0.6315***

(4.57)

0.1147***

(5.87)

0.0534

(1.16)

-0.0181***

(-3.94)

-0.1792**

(-2.47)

-1.2602***

(-3.02)

30,357

0.730

YES

YES

(2)

PatentAll

-0.8232***

(-18.33)

0.0418

(1.25)

0.3116

(1.40)

-0.2522***

(-2.95)

0.6970***

(5.01)

0.0952***

(4.83)

-0.0064

(-0.14)

-0.0180***

(-3.91)

-0.1079

(-1.47)

-0.5762***

(-3.52)

-1.2047***

(-6.34)

-0.3959

(-0.91)

30,357

0.731

YES

YES

(3)

PatentInvent

-0.4782***

(-13.11)

0.1801***

(7.28)

0.2878*

(1.66)

-0.1871***

(-2.72)

0.4750***

(4.37)

0.0974***

(5.85)

0.0891**

(2.36)

-0.0102***

(-2.92)

-0.0910

(-1.58)

-1.5952***

(-4.46)

30,357

0.705

YES

YES

(4)

PatentInvent

-0.5182***

(-13.91)

0.1100***

(4.12)

0.3310*

(1.92)

-0.1808***

(-2.62)

0.5374***

(4.89)

0.0795***

(4.73)

0.0362

(0.94)

-0.0101***

(-2.88)

-0.0263

(-0.45)

-0.5652***

(-4.14)

-1.0422***

(-6.85)

-0.8113**

(-2.18)

30,357

0.706

YES

YES

注：括号内是经公司聚类调整的 t 值；***、**、*分别表示在 1%、

5%和10%的水平上显著。下表同。

经济纵横 Economic Review

19

2023年第10期 WUHAN

FINANCE

2.更换企业创新的度量指标

在前述实证中，分别采用了三类专利的申请总

数量和发明专利的申请数量衡量企业的创新水平。

为检验在不同企业创新水平的度量指标下，研究结

论是否会发生改变，本文参考陈德球等[21]

和孔东民

等[36]

的研究，使用其他专利申请（PatentOth）作为企

业创新水平的重新度量，重复检验了地缘政治风险

对企业创新的影响。实证结果见表 5。结果表明，

更换企业创新水平衡量方式后，地缘政治风险依然

对企业创新水平产生了不利影响。

表5 稳健性检验：更换企业创新水平的度量指标

变量

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentOth

-0.7739***

(-18.46)

0.0228

(0.84)

-0.0053

(-0.03)

-0.2136***

(-2.80)

0.4281***

(3.56)

0.0970***

(6.03)

-0.0264

(-0.68)

-0.0162***

(-4.28)

-0.1598***

(-2.58)

-0.9336***

(-2.74)

30,357

0.699

YES

YES

(2)

PatentOth

-0.8322***

(-19.60)

-0.0410

(-1.36)

0.0422

(0.22)

-0.1955**

(-2.56)

0.4717***

(3.91)

0.0817***

(5.09)

-0.0804**

(-2.02)

-0.0160***

(-4.23)

-0.1014

(-1.61)

-0.3271**

(-2.24)

-1.1718***

(-6.68)

-0.2192

(-0.63)

30,357

0.699

YES

YES

3.考察增量GPR的影响

由于GPR指数可能与宏观经济状况相关，因此

需排除其他类型不确定性的潜在影响。参考Jia等[38]

和Xu[5]

的研究，本文考察了GPR对企业创新的增量

效应。具体而言，将每月GPR指数与五个宏观经济

变量进行回归：

GPRm = β0 + β1 × EPUm + β2 × MAC_ECOm +

β3 × GDPGrowthm + β4 × CPIm +

β5 × SSEm + εi,m

（9）

其中，EPUm 为Baker等[45]

提出的中国经济政策

不确定性（EPU）指数，MAC_ECOm 为宏观经济景气

先行指数，GDPGrowthm 为 GDP 增长率，CPIm 为消

费者价格指数，SSEm 为上证指数。本文使用模型

（9）的残差（ εi,m ）的年度平均值作为当年的增量

GPR（IncrementalGPR）。增量 GPR 为清除 GPR 指

数中宏观经济状况信息后的剩余部分，更纯粹地衡

量了各时刻的地缘政治风险水平。本文将增量

GPR 作为解释变量带入回归模型（4），重新考察了

地缘政治风险与企业创新之间的关系，实证结果如

表 6 所示。 IncrementalGPR 的系数在 1%的水平上

显著为负，说明在排除了其他宏观不确定性的影响

后，本文的结论依旧成立。

表6 稳健性检验：GPR增量

变量

Incremental GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentAll

-0.8966***

(-18.25)

-0.0268

(-0.96)

0.3455

(1.55)

-0.3162***

(-3.68)

0.6980***

(5.05)

0.0951***

(4.85)

-0.0587

(-1.34)

-0.0165***

(-3.60)

-0.0891

(-1.23)

-0.8809**

(-2.11)

30,357

0.729

YES

YES

(2)

PatentInvent

-0.5958***

(-14.31)

0.0375

(1.48)

0.3751**

(2.17)

-0.2134***

(-3.09)

0.5539***

(5.04)

0.0732***

(4.35)

-0.0224

(-0.60)

-0.0090**

(-2.58)

0.0108

(0.18)

-0.2844**

(-2.08)

-0.7775***

(-5.12)

-0.8327**

(-2.24)

30,357

0.705

YES

YES

20

（四）作用机制分析

前文的实证结果表明，地缘政治风险水平的上

升显著抑制了企业创新，但影响机制并不明确。一

方面，融资约束问题所导致的资金流不稳定性会对

企业创新产生消极的抑制作用[6，14，15]

。地缘政治风

险增大了市场环境中的潜在风险，金融机构为应对

未来的不确定性将提升信贷利率，减少贷款发放量，

缩减信贷规模[4]

。这增大了企业获得外部资金的难

度，从而降低了企业的创新水平。另一方面，外部不

确定性的增加扰乱了产品市场的正常运行，企业未

来的盈利波动将会增大，企业会通过降低投资支出

等方式以增加自身预防性现金持有。因此，本文预

期地缘政治风险会增强企业的融资约束程度，并促

使企业降低高风险的研发类资本支出以提升现金持

有水平，从而抑制其创新行为。

模型（5）的检验结果见表 7。（1）和（2）列采用

Kaplan等[41]

提出的KZ指数（KZ）作为融资约束的代

理变量，（3）和（4）列使用货币资金、短期投资净额与

交易性金融资产三者之和占总资产的比例（Cash⁃

Holdings）来衡量企业的现金持有水平。

表7结果显示，地缘政治风险指数（GPR）对KZ

指数（KZ）和现金持有水平（CashHoldings）的回归系

数分别为 1.6102 和 0.0253，且均在 1%的水平上显

著。与Lee等[11]

的结论相符，即地缘政治风险的增加

会增强企业融资约束程度，提升中国企业的现金持

有水平，制约了研发资金流，进而阻碍了企业的创新

活动。由此，假设H1b和H1c得到验证。

五、进一步分析

（一）地缘政治风险暴露

由于各个企业对地缘政治风险变动的敏感性并

不完全相同，本文进一步考察了企业地缘政治风险

暴露如何影响地缘政治风险与企业创新的关系。企

业地缘政治风险暴露水平越高，其运营越易受到地

缘政治风险的负面影响，促使管理层推迟或取消创

新项目，地缘政治风险对企业创新的不利作用将会

加强。本文采用模型（6）对这一假设进行检验，回归

结果见表8。结果表明，交互项GPR×HGPRExposure

的系数符号在1%的水平上显著为负。与Cui等[28]

的

研究发现相类似，即地缘政治风险暴露较高的企业

更易受到地缘政治风险的不利影响，倾向于在外部

风险增大时减少创新活动，致使创新水平下降。由

此，假设H2得到证实。

（二）管理层短视主义

出于声誉和薪酬的考虑，管理层存在动机降低

当期的研发支出以提升短期业绩表现[30，31]

。因此，

本文预期管理层短视程度越高的企业，地缘政治风

险对企业创新的抑制程度更高。为了对这一假设进

行检验，本文使用模型（7）分析不同管理层短视程度

下，地缘政治风险对上市公司创新活动影响的差异，

检验结果见表 9。（1）和（2）列采用是否两职合一作

为管理层短视的代理变量，（3）和（4）列采用管理层

是否具有金融背景作为管理层短视的代理变量。当

两职分离时，企业内部治理水平更高[43]

，管理层短视

主义更弱。当管理层具有金融背景时，其投机偏好

更强烈，短视行为更强[44]

。

表 9 结果表明，交互项 GPR × Dual 和 GPR ×

FinancialBack 的系数符号为负，且在 1%与 5%的水

平上具有统计显著性。这表明更强烈的管理层短视

主义强化了管理层在地缘政治风险增大时期降低创

表7 作用机制分析

变量

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

KZ

1.6981***

(24.43)

-0.5112***

(-9.75)

0.7006

(1.48)

-11.9610***

(-61.88)

-4.7283***

(-17.12)

-1.2382***

(-35.78)

-1.1979***

(-12.63)

-0.0592***

(-5.07)

7.7935***

(51.22)

27.8510***

(37.85)

30,357

0.737

YES

YES

(2)

KZ

1.6102***

(23.32)

-0.4254***

(-7.33)

0.6990

(1.48)

-11.8911***

(-61.64)

-4.8869***

(-17.54)

-1.2100***

(-33.93)

-1.1702***

(-12.13)

-0.0588***

(-5.04)

7.7107***

(50.10)

1.8658***

(6.35)

-0.1210

(-0.37)

26.8961***

(33.52)

30,357

0.737

YES

YES

(3)

CashHoldings

0.0146***

(3.23)

-0.0661***

(-19.27)

-0.2837***

(-9.38)

0.1904***

(16.70)

0.0769***

(4.86)

0.0208***

(9.53)

0.0158***

(2.88)

-0.0000

(-0.07)

-0.2032***

(-19.58)

-0.0723

(-1.57)

30,357

0.618

YES

YES

(4)

CashHoldings

0.0253***

(5.53)

-0.0703***

(-18.81)

-0.2861***

(-9.48)

0.1834***

(16.03)

0.0885***

(5.54)

0.0191***

(8.59)

0.0162***

(2.85)

-0.0001

(-0.13)

-0.1990***

(-18.98)

-0.1458***

(-7.82)

0.0715***

(3.40)

-0.0261

(-0.53)

30,357

0.619

YES

YES

经济纵横 Economic Review

21

2023年第10期 WUHAN

FINANCE

新项目支出以提升短期业绩表现的行为，降低了企

业的创新产出。即管理层短视程度越高，地缘政治

不确定性对企业创新的抑制程度越强。由此，假设

H3得到证实。

（三）外部监督

有效的外部监督措施有助于降低投资者与企业

间的信息不对称程度，缓解委托代理问题。因此，本

文预计更强的外部监督有助于减轻地缘政治风险对

企业创新的抑制作用。为验证上述假设，本文基于

模型（8），从外部监督的角度考察如何缓解地缘政治

风险对企业创新的负面影响，回归结果如表 10 所

示。（1）和（2）列、（3）和（4）列分别采用高分析师追踪

人数（HAna）与高机构投资者持股比例（HInst）作

为更强外部监督力度的代理变量。

表 10 结 果 表 明 ，交 互 项 GPR × HAna 和

GPR × HInst 的系数符号均为正，说明在地缘政治风

险增大的时期，更强的外部监督力度有助于企业仍

保持较高的信息透明度，帮助监测管理者非理性行

为，抵御地缘政治风险对企业创新的不利冲击。由

此，假设H4得到证实。

六、研究结论与政策建议

地理和政治环境变化引起的地缘政治风险可能

会影响公司的经营决策，损害公司的持续发展。本

表9 管理层短视

变量

GPR×Dual

GPR×FinancialBack

Dual

FinancialBack

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentAll

-0.2387***

(-2.90)

0.1543***

(2.92)

-0.7691***

(-16.12)

0.0501

(1.49)

0.3069

(1.38)

-0.2492***

(-2.92)

0.6849***

(4.92)

0.0940***

(4.78)

-0.0061

(-0.13)

-0.0182***

(-3.95)

-0.1005

(-1.37)

-0.5318***

(-3.25)

-1.1650***

(-6.14)

-0.4325

(-0.99)

30,357

0.731

YES

YES

(2)

PatentInvent

-0.2225***

(-3.17)

0.1497***

(3.27)

-0.4678***

(-11.84)

0.1179***

(4.41)

0.3272*

(1.90)

-0.1777***

(-2.59)

0.5261***

(4.79)

0.0783***

(4.68)

0.0365

(0.95)

-0.0103***

(-2.94)

-0.0192

(-0.33)

-0.5227***

(-3.82)

-1.0037***

(-6.59)

-0.8467**

(-2.27)

30,357

0.706

YES

YES

(3)

PatentAll

-0.1763**

(-2.50)

0.1396***

(3.44)

-0.6947***

(-10.49)

0.0248

(0.73)

0.2830

(1.27)

-0.2316***

(-2.70)

0.6730***

(4.84)

0.0918***

(4.65)

-0.0187

(-0.39)

-0.0179***

(-3.91)

-0.0978

(-1.32)

-0.5190***

(-3.18)

-1.3377***

(-6.85)

-0.3612

(-0.83)

30,357

0.731

YES

YES

(4)

PatentInvent

-0.1876***

(-3.19)

0.1431***

(4.29)

-0.3821***

(-6.84)

0.0934***

(3.42)

0.3035*

(1.76)

-0.1605**

(-2.34)

0.5133***

(4.69)

0.0764***

(4.57)

0.0245

(0.63)

-0.0100***

(-2.88)

-0.0168

(-0.29)

-0.5088***

(-3.74)

-1.1721***

(-7.53)

-0.7877**

(-2.12)

30,357

0.707

YES

YES

表8 地缘政治风险暴露

变量

GPR×HGPRExposure

GPR

HGPRExposure

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentAll

-0.2244***

(-3.44)

-0.6612***

(-12.33)

0.1336***

(3.53)

0.1174***

(3.82)

0.2631

(1.18)

-0.2635***

(-3.08)

0.6100***

(4.40)

0.1154***

(5.91)

0.0576

(1.25)

-0.0180***

(-3.92)

-0.1816**

(-2.50)

-1.3416***

(-3.21)

30,357

0.730

YES

YES

(2)

PatentAll

-0.2190***

(-3.38)

-0.7128***

(-13.22)

0.1334***

(3.53)

0.0401

(1.20)

0.3130

(1.41)

-0.2538***

(-2.96)

0.6773***

(4.85)

0.0959***

(4.87)

-0.0024

(-0.05)

-0.0179***

(-3.89)

-0.1104

(-1.50)

-0.5799***

(-3.54)

-1.1993***

(-6.33)

-0.4770

(-1.10)

30,357

0.731

YES

YES

(3)

PatentInvent

-0.1486***

(-2.75)

-0.4032***

(-9.14)

0.0988***

(3.15)

0.1786***

(7.24)

0.2902*

(1.67)

-0.1881***

(-2.73)

0.4646***

(4.27)

0.0979***

(5.88)

0.0910**

(2.41)

-0.0101***

(-2.90)

-0.0929

(-1.61)

-1.6534***

(-4.62)

30,357

0.706

YES

YES

(4)

PatentInvent

-0.1439***

(-2.68)

-0.4452***

(-10.00)

0.0986***

(3.15)

0.1082***

(4.06)

0.3337*

(1.93)

-0.1820***

(-2.64)

0.5288***

(4.81)

0.0799***

(4.76)

0.0377

(0.98)

-0.0100***

(-2.86)

-0.0279

(-0.48)

-0.5705***

(-4.18)

-1.0420***

(-6.86)

-0.8662**

(-2.33)

30,357

0.706

YES

YES

22

文利用Caldara等[1]

构建的地缘政治风险指数，基于

2003—2019年A股上市企业的专利申请数据，实证

检验了地缘政治风险对企业创新的影响程度和影响

机制。实证结果表明，地缘政治风险上升抑制了企

业创新。同时，地缘政治风险对企业创新的抑制作

用在不同企业间存在差异，主要表现为对于高地缘

政治风险暴露水平和管理层短视主义更强的企业，

地缘政治风险对其创新的负面影响会加剧。此外，

证券分析师和机构投资者作为有效的外部监督力

量，具有缓解地缘政治风险与企业创新之间负向关

系的积极作用。

鉴于地缘政治风险对企业创新的负面影响，本

文提出如下政策建议：①上市公司应通过主动披露

自身信息，抵御地缘政治风险导致的信息不对称程

度增强，降低自身面临的融资约束难度。②企业应

通过设计合理的激励制度，监督管理层行为，避免代

理问题对企业经营决策产生的不利影响。③监管部

门要加强资本市场的制度建设，完善上市公司信息

披露制度，推动分析师、机构投资者等外部监督力量

的队伍建设，提高市场内信息透明度。同时，在市场

波动期间，积极采取合理适度的政策措施，引导资金

流向实体经济，进一步提升长期发展能力。■

注 释

① 董监高金融背景是指董监高曾经与现在的工作背景涉

及了监管部门、政策性银行、商业银行、保险公司、证券公

司、基金管理公司、证券登记结算公司、期货公司、投资银

行、信托公司、投资管理公司、交易所和其他金融机构。

[参考文献]

[1] CALDARA D，IACOVIELLO M. Measuring Geopolitical Risk

[J]. American Economic Review，2022，112（4）：1194-1225.

[2] ALSAGR N，VAN HEMMEN S F. Oil Rent，Geopolitical

Risk and Banking Sector Performance[J]. International Journal

of Energy Economics and Policy，2020，10（5）：305-314.

[3] NGUYEN T C，THUY T H. Geopolitical Risk and the Cost

of Bank Loans[J]. Finance Research Letters，2023，54：103812.

[4] BARRAZA S，CIVELLI A. Economic Policy Uncertainty

and the Supply of Business Loans[J]. Journal of Banking & Fi⁃

nance，2020，121：105983.

[5] XU Z X. Economic Policy Uncertainty，Cost of Capital，

and Corporate Innovation[J]. Journal of Banking & Finance，

2020，111：105698.

[6] 鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创

新可持续性[J].经济研究，2013（1）：4-16.

[7] LEE C-C，ZHANG J，YU C-H，et al. How Does Geopoliti⁃

cal Risk Affect Corporate Innovation? Evidence from China's

Listed Companies[J]. Emerging Markets Finance and Trade，

2023，59（7）：2217-2233.

[8] CHESNEY M，RESHETAR G，KARAMAN M. The Im⁃

pact of Terrorism on Financial Markets：An Empirical Study

[J]. Journal of Banking & Finance，2011，35（2）：253-267.

[9] PHAN D H B，TRAN V T，IYKE B N. Geopolitical Risk and

Bank Stability[J]. Finance Research Letters，2022，46：102453.

[10] LE A- T，TRAN T P. Does Geopolitical Risk Matter for

Corporate Investment? Evidence from Emerging Countries in

Asia[J]. Journal of Multinational Financial Management，2021，

62：100703.

[11] LEE C-C，WANG C-W. Firms' Cash Reserve，Financial

Constraint，and Geopolitical Risk[J]. Pacific- Basin Finance

Journal，2021，65：101480.

[12] ADRA S，GAO Y，HUANG J，et al. Geopolitical Risk

and Corporate Payout Policy[J]. International Review of Finan⁃

cial Analysis，2023，87：102613.

表10 外部监督

变量

GPR×HAna

GPR×HInst

HAna

HInst

GPR

Age

Intangass

Cashflow

Roa

Size

Mtb

Growth

Lev

GDPGrowth

M2

Constant

N

R-squared

Firm FE

Industry FE

(1)

PatentAll

0.2149***

(3.32)

-0.1111***

(-2.85)

-0.9218***

(-17.71)

0.0434

(1.29)

0.3002

(1.35)

-0.2588***

(-3.03)

0.6862***

(4.94)

0.0899***

(4.56)

-0.0146

(-0.31)

-0.0178***

(-3.89)

-0.1063

(-1.45)

-0.5958***

(-3.63)

-1.2102***

(-6.37)

-0.2197

(-0.50)

30,357

0.731

YES

YES

(2)

PatentInvent

0.1144**

(2.09)

-0.0625*

(-1.96)

-0.5704***

(-13.69)

0.1103***

(4.11)

0.3251*

(1.89)

-0.1842***

(-2.68)

0.5354***

(4.84)

0.0773***

(4.57)

0.0319

(0.83)

-0.0100***

(-2.88)

-0.0256

(-0.44)

-0.5746***

(-4.20)

-1.0437***

(-6.87)

-0.7294*

(-1.96)

30,357

0.706

YES

YES

(3)

PatentAll

0.1520**

(2.17)

-0.1209***

(-2.87)

-0.9017***

(-15.81)

0.0403

(1.20)

0.3059

(1.38)

-0.2524***

(-2.95)

0.7000***

(5.04)

0.0980***

(4.97)

-0.0005

(-0.01)

-0.0175***

(-3.81)

-0.1079

(-1.47)

-0.5776***

(-3.55)

-1.2081***

(-6.38)

-0.3967

(-0.91)

30,357

0.731

YES

YES

(4)

PatentInvent

0.0810

(1.35)

-0.0467

(-1.33)

-0.5618***

(-11.70)

0.1124***

(4.18)

0.3265*

(1.90)

-0.1802***

(-2.62)

0.5336***

(4.86)

0.0787***

(4.69)

0.0375

(0.98)

-0.0100***

(-2.85)

-0.0238

(-0.41)

-0.5585***

(-4.11)

-1.0349***

(-6.79)

-0.7762**

(-2.09)

30,357

0.706

YES

YES

经济纵横 Economic Review

23

2023年第10期 WUHAN

FINANCE

[13] OANH H K，HOANG K. The Bright Side of Geopolitical

Risk：Evidence from Chinese Firms[J]. Journal of Financial

Economic Policy，2021，13（3）：353-370.

[14] 余明桂，钟慧洁，范蕊.民营化、融资约束与企业创新：来

自中国工业企业的证据[J].金融研究，2019（4）：75-91.

[15] 张璇，刘贝贝，汪婷，等.信贷寻租、融资约束与企业创新

[J].经济研究，2017（5）：161-174.

[16] 田轩，孟清扬.股权激励计划能促进企业创新吗[J].南开

管理评论，2018（3）：176-190.

[17] 刘宝华，王雷.业绩型股权激励、行权限制与企业创新

[J].南开管理评论，2018（1）：17-27+38.

[18] BALSMEIER B，FLEMING L，MANSO G. Independent

Boards and Innovation[J]. Journal of Financial Economics，

2017，123（3）：536-557.

[19] 钟腾，罗吉罡，汪昌云.地方政府人才引进政策促进了区

域创新吗?来自准自然实验的证据[J].金融研究，2021（5）：

135-152.

[20] 诸竹君，宋学印，张胜利，等.产业政策、创新行为与企业

加成率：基于战略性新兴产业政策的研究[J].金融研究，

2021（6）：59-75.

[21] 陈德球，金雅玲，董志勇.政策不确定性、政治关联与企

业创新效率[J].南开管理评论，2016（4）：27-35.

[22] 顾夏铭，陈勇民，潘士远.经济政策不确定性与创新：基

于我国上市公司的实证分析[J].经济研究，2018（2）：109-123.

[23] MYERS S C，MAJLUF N S. Corporate Financing and In⁃

vestment Decisions When Firms Have Information that Inves⁃

tors do Not Have[J]. Journal of Financial Economics，1984，13

（2）：187-221.

[24] 解维敏，方红星.金融发展、融资约束与企业研发投入

[J].金融研究，2011（5）：171-183.

[25] 马光荣，刘明，杨恩艳.银行授信、信贷紧缩与企业研发

[J].金融研究，2014（7）：76-93.

[26] KHAN M A，QIN X Z，JEBRAN K，et al. Uncertainty

and R&D Investment：Does Product Market Competition Mat⁃

ter?[J]. Research in International Business and Finance，2020，

52：101167.

[27] BERNANKE B S. Irreversibility，Uncertainty，and Cycli⁃

cal Investment[J]. The Quarterly Journal of Economics，1983，

98（1）：85-106.

[28] CUI X，WANG C F，LIAO J，et al. Economic Policy Un⁃

certainty Exposure and Corporate Innovation Investment：Evi⁃

dence from China[J]. Pacific-Basin Finance Journal，2021，67：

101533.

[29] BONAIME A，GULEN H，ION M. Does Policy Uncertain⁃

ty Affect Mergers and Acquisitions?[J]. Journal of Financial

Economics，2018，129（3）：531-558.

[30] NARAYANAN M P. Managerial Incentives for Short-term

Results[J]. The Journal of Finance，1985，40（5）：1469-1484.

[31] 钟宇翔，吕怀立，李婉丽.管理层短视、会计稳健性与企

业创新抑制[J].南开管理评论，2017（6）：163-177.

[32] 李春涛，宋敏.中国制造业企业的创新活动：所有制和

CEO激励的作用[J].经济研究，2010（5）：55-67.

[33] 陈钦源，马黎珺，伊志宏.分析师跟踪与企业创新绩效：

中国的逻辑[J].南开管理评论，2017（3）：15-27.

[34] CHEN T，XIE L M，ZHANG Y Y. How Does Analysts'

Forecast Quality Relate to Corporate Investment Efficiency?[J].

Journal of Corporate Finance，2017，43：217-240.

[35] XU N H，LI X R，YUAN Q B，et al. Excess Perks and

Stock Price Crash Risk：Evidence from China[J]. Journal of

Corporate Finance，2014，25：419-434.

[36] 孔东民，徐茗丽，孔高文.企业内部薪酬差距与创新[J].

经济研究，2017（10）：144-157.

[37] CUMMING D，JI S，PETER R，et al. Market Manipula⁃

tion and Innovation[J]. Journal of Banking & Finance，2020，

120：105957.

[38] JIA S，YANG L，ZHOU F. Geopolitical Risk and Corpo⁃

rate Innovation：Evidence from China[J]. Journal of Multina⁃

tional Financial Management，2022，66：100772.

[39] DUONG H N，NGUYEN J H，NGUYEN M，et al. Navi⁃

gating Through Economic Policy Uncertainty：The Role of Cor⁃

porate Cash Holdings[J]. Journal of Corporate Finance，2020，

62：101607.

[40] 方明月，聂辉华，阮睿，等.企业数字化转型与经济政策

不确定性感知[J].金融研究，2023（2）：21-39.

[41] KAPLAN S N，ZINGALES L. Do Investment-Cash Flow

Sensitivities Provide Useful Measures of Financing Constraints?

[J]. The Quarterly Journal of Economics，1997，112（1）：169-215.

[42] 彭俞超，韩珣，李建军.经济政策不确定性与企业金融化

[J].中国工业经济，2018（1）：137-155.

[43] 王斌，梁欣欣.公司治理、财务状况与信息披露质量：来

自深交所的经验证据[J].会计研究，2008（2）：31-38+95.

[44] 李刚，方堃，肖土盛.CEO金融背景与企业创新：促进还

是抑制?[J].会计与经济研究，2021（5）：43-61.

[45] BAKER S R，BLOOM N，DAVIS S J. Measuring Econom⁃

ic Policy Uncertainty[J]. The Quarterly Journal of Economics，

2016，131（4）：1593-1636.

（责任编辑：LYY / 校对：XY）

24

一、引言

党的二十大强调了“五位一体”发展观，推进企

业加强绿色可持续发展和创新能力的结合。随着资

本市场的开放，我国投资者更加重视ESG的影响[1]

。

当下中国进入经济平稳发展阶段，同时企业处于转

型期，“十四五”规划明确指出，要进一步贯彻和实施

可持续发展理念，不断进步，形成可持续发展新局

面，推动我国经济高质量发展，进一步提升我国防范

各种潜在风险的能力[2]

。现如今，社会各界已经开

始重视环境、社会责任和公司治理问题。可持续发

展既是中国需要面对的问题，也是世界正在面临的

紧迫问题[3]

。ESG逐渐成为评价企业可持续发展能

力的核心理念，受到资本市场各界的重视，资本市场

各方对ESG表现的需求也在直线上升，ESG表现的

地位大大提升，关乎企业的未来发展[4]

。因此，ESG

已经成为评价企业价值的重要指标[5]

。

国外对ESG的研究虽然较早，但并没有形成统

一的结论。有学者认为 ESG 是对企业绩效的一种

损害，会起到消极作用[6]

；而有学者认为ESG将促进

企业绩效的提高[7]

。本文认为，注重环境表现可以

为社会做出贡献，根据利益相关者理论，企业加强社

会责任的履行可以使利益相关者的关系紧密，缓解

融资约束[8]

。经学者研究发现，ESG涉及公司整体的

经营发展，其影响企业的利益相关者关系、生产运营

和内部治理[9]

，企业ESG表现与回报成正比[10]

，良好

的 ESG 表现可以促进企业创新，稳定公司股价，降

低企业非系统性风险[11，12]

。因此，提升 ESG 表现的

性价比非常高[13]

。此外，ESG 还能帮助企业获得良

好的声誉，为其打造良好的形象，获得更多的资金，

进一步完善了公司环境治理、社会责任履行和内部

治理体系。除了积极作用外，ESG对企业还存在一

定的负面作用，主要是违背了股东财富最大化理

论。因为 ESG 表现的提升需要企业将部分资金投

摘 要：本文运用双向固定效应模型，使用 2010—2021 年 A 股上市企业数据，研究了企业 ESG 表现与企业持续创新能力的关系、影响

机制、作用路径并进行了异质性分析。研究发现：ESG 表现对企业持续创新能力起到显著的促进作用；ESG 表现通过缓解融资约束来对企

业持续创新能力起到显著的促进作用；高管股权激励在企业 ESG 表现与持续创新能力的关系中发挥正向调节作用；异质性分析表明，高

管股权激励的调节作用在非重污染企业、高法治化水平和低 CEO 风险偏好的企业中更显著。

关键词：ESG 表现；融资约束；创新能力；高管股权激励；异质性分析

中图分类号：F832 文献标识码：A 文章编号：1009-3540（2023）10-0025-0009

基金项目：2022 年度湖南省社会科学成果评审委员会课题“疫情冲击下基于产品空间理论的湖南制造业转型升级路径与对策研究”

（XSP22YBZ099）；2022年湖南省教育厅科学研究重点项目“人工智能驱动湖南省制造业出口贸易高质量发展的机制及对策研究”（22A0407）；

2018年主持教育部人文社会科学研究青年基金项目“出口经验、溢出效应与出口市场扩张：理论、机制与中国经验研究”（18YJC790095）。

■ 刘会洪 张哲源

作者简介：刘会洪（1974—），男，博士，湖南工业大学经济与贸易学院副教授，硕士生导师； 张哲源（1998—），男，湖南工业大学经济与贸

易学院硕士研究生。

ESG表现、融资约束与

持续创新能力

——基于高管股权激励的调节作用

经济纵横 Economic Review

25

2023年第10期 WUHAN

FINANCE

向环境、社会责任和治理等方面，这将导致股东的利

益受损，并且加剧经营者的经营压力。

同类研究 ESG 的文章更多是对环境、社会责

任、治理等单独某一方面的研究，而对企业综合ESG

表现的关注相对较少。而已有研究企业综合 ESG

表现的文献，主要关注对企业绩效、企业价值、股价

的影响，较少涉及企业创新层面的研究，即使有，也

是对企业整体创新水平的研究。而本文通过对创新

指标的进一步细分和构造，重点关注企业ESG表现

对企业持续创新能力的影响。

随着创新过程的迭代升级和知识替代率的上

升，产品的设计、开发和生产所涉及的技术领域不断

扩大，许多关联或互补性的技术被用于开发系列产

品或开拓新的产品领域，技术能力单一的企业在创

新竞争中日益艰难。持续创新与企业的运营效益及

战略柔性息息相关，是企业实现内生增长的重要手

段，企业某一时刻成功开展的创新活动只能获得短

暂的超额利润，要想获得持续经营优势需要不断地

开展技术创新。因此，研究企业的可持续创新能力

对于企业和社会的可持续发展都具有重要的意义。

本文的创新点在于，探究ESG表现与企业持续

创新能力的关系，同时探究企业融资约束和高管股

权激励在其中的机制作用。本文的边际贡献体现

为：（1）本文将ESG表现的影响聚焦于创新层面，对

ESG表现与创新的文献进行了丰富和补充。（2）虽然

陆续有关于ESG表现对企业创新影响的文章，但都

是聚焦于最基础的研发投入方面。本文在创新的基

础上，研究 ESG 表现对企业可持续创新能力的影

响，并将持续创新能力分解为持续创新投入和持续

创新产出。本文不仅创新了研究视角，也有利于发

现提高企业持续创新能力的新因素。（3）通过对ESG

表现与企业持续创新能力影响机制、作用路径和异

质性进行分析，本文为企业、市场投资者和政府践行

可持续发展理念提供了参考。

二、研究假设

当前关于 ESG 对持续创新能力是否有作用的

研究还处于萌芽阶段。ESG带来的外部信任和运营

成本优势使企业在未来具有更低的研发创新成本，

同时其良好声誉又会为公司在道德、法律和公共关

系方面设定门槛。为了更好地了解 ESG，本文将

ESG进一步细分，从社会、环境和治理三个角度来分

析其对企业可持续创新的影响。首先，从履行社会

责任（S）的维度分析。在企业稳定运营的基础上，积

极履行社会责任可以为公司带来良好的社会声誉，

并降低企业面临负面新闻的可能性，帮助企业积累

道德资本。根据信号理论，企业积极主动承担社会

责任，可以向资本市场和社会的广大投资者传递公

司经营状况良好的信息，提高了公司信息面的稳定

性，帮助企业提高融资能力，进一步为企业持续性创

新活动提供资金支持[14—17]

，从而提升企业的可持续

创新能力[18，19]

。其次，从环境责任（E）维度分析。根

据声誉效应，企业提高环境绩效后，企业的声誉得到

提升，能吸引更多社会资本的投入，进一步提高企业

的创新持续性投入与产出[20]

。学者通过对我国上市

公司实证研究，发现环境投入可以降低企业的融资

成本，提供更多的研发资金，促进企业可持续创

新[21]

；也有学者发现环境规制有利于发挥企业创新

同群效应[22]

。此外，履行环境治理责任，可以为企业

自身带来正面效益。比如，积极响应政府出台的相

关环境政策可能获得一定的补贴，这有助于降低企

业环境治理成本，提高声誉，为企业吸引到更多的资

金作为可持续创新的保障。最后，从公司治理（G）

维度分析。建立一个权利均衡且完善的内部治理体

系，可以提高企业的信息透明度，缓解管理层因片面

追逐个人利益而与股东之间所产生的代理问题，使

企业不但有足够的资金投入研发，还能提高企业的

研发积极性[23]

。完善的内部控制，可以保护中小股

东利益，当相关者的利益得到保障，可以进一步提升

企业员工的创新动力[24]

。内部治理增强，可以提升

企业的创新持续性投入与产出[25]

。综上，本文提出

以下研究假设：

假设 1：ESG 表现对企业持续创新能力具有促

进作用。

关于 ESG 与融资约束关系的研究并未形成统

一的结论。有的学者认为实力越强，企业的融资约

束程度越高[26]

。而绝大部分学者认为ESG披露将降

低企业融资成本，并进一步降低融资约束程度[27]

。

虽然以往研究存在互斥的观点，但根据上文分析，

ESG凭借其声誉降低企业代理成本的同时，企业融

资水平得到了大幅度提升，吸引了大量的投资者。

因此，ESG表现越好，企业面临的融资约束越低。

关于融资约束与企业创新方面，有学者对中国

物流企业进行实证研究，发现融资约束得到缓解将

26

会提高企业的持续性创新能力[28]

；同样有学者认为

融资约束会通过影响现金流敏感性，提高企业的现

金持有水平，增强风险承担水平，降低企业的财务风

险，进而为企业提供可持续的创新资金[29]

；还有学者

对国有企业进行实证研究，发现融资约束得到缓解

将会促进企业双元创新产出，即促进企业持续创新

能力的提高[30]

。综上所述，本文认为，良好的ESG表

现可以帮助企业缓解融资难问题，进而为企业可持

续创新发展提供资金支持。由此，本文提出以下研

究假设：

假设 2：融资约束在 ESG 表现与企业持续创新

能力之间存在中介效应。

高管股权激励可以调动高管的积极性，使得高

管有主人翁意识，促进利益相关者利益的实现[31]

；根

据利益趋同理论，高管股权激励使得高管获得更多

的持股，这也使得高管将和股东站上同一战线，有利

于ESG目标的实现[32]

；频繁开展股权激励计划将进

一步提高企业的环保投资，有利于企业的可持续发

展[33]

。因此，高管股权激励可以提高企业ESG表现。

人力资本的激励是提升企业自主创新能力的关

键。在股权激励的实施过程中，创新主体能够在支

付较低成本的情况下，获得公司成功创新和价值增

值所带来的巨大收益，极大地提高其创新和研发的

积极性。根据委托代理理论，所有权与经营权相分

离，使得股东和高管利益不一致，而股权激励作为一

种长期手段，在高管和股东之间的利益冲突问题上

起到了缓解作用，使得企业高管更加注重企业长期

发展和治理绩效的提升，有助于在企业研发创新层

面上投入更多的资源，并且有更强烈的动力去促进

研发创新[34]

；股权激励还能降低高管的风险厌恶水

平，为企业的研发创新活动增添动力[35]

；此外，管理

者股权激励将显著促进企业创新能力和效率的提

高[36，37]

；学者通过实证发现，股权激励在加强企业研

发创新活动基础上，有利于企业产品的快速升级，摆

脱产品同质化困境，提高生产利用率，同时有利于各

部门加快协调和运营效率，进一步促进了企业研发

创新[38]

。因此，在高管股权激励的调节下，企业将

ESG理念和研发创新理念相结合，有利于企业改变

过去的高耗能、高污染形象，加强企业的可持续创新

能力。综上，本文提出以下研究假设：

假设 3：高管股权激励可以强化 ESG 表现对企

业持续创新能力关系的正向影响。

三、研究设计

（一）样本选取与数据来源

本文选取 2010—2021 年中国 A 股上市企业作

为研究样本，并剔除了金融业、ST、PT等样本数据。

为了防止数据极端值的影响，对数据按1%进行了缩

尾处理，并且将期间不连续、不完整的样本进行剔

除，最终得到了17220条样本数据。面板数据来源

于 CSMAR、Wind 和 CNRDS 数据库，运用 STATA 软

件进行分析回归。

（二）变量设计与模型设定

1.被解释变量

文献中常用研发投入和专利计量的方法来测度

持续创新水平，由于企业的创新项目期限往往大于

一年，若采取逐年统计的方法进行测度，可能会忽略

企业当年的创新状况，也难以体现创新的累积性和

动态性。为此，本文在以往研究的基础上[39]

，借鉴

Chen 等[40]

、Triguero 等[41]

的思路，通过合并企业在第

t-1 或 t-2 与 t 年的研发投入、专利申请量来测度企

业在第 t 年的持续创新水平。该方法使数据更平

稳，测度结果更客观合理。

现有文献大多将企业创新状态分为“0/1”两种

情况，以滞后一期（或多期）的创新绩效对当期创新

状态的影响来测度创新持续性，从回归结果判断企

业维持创新状态的概率。该做法的缺点是忽视了创

新投入与产出的差异性，对创新状态的划分也较为

简略。为此，参考Triguero等[41]

、何郁冰等[42]

的做法，

本文用持续创新投入（IP）和持续创新产出（OP）来

衡量企业持续创新能力。将持续创新作为独立研究

变量，同时采用创新投入指标（研发经费）和创新产

出指标（因无法全面获得上市公司的新产品销售收

入数据，此处仅分析专利申请量）的前后期对比来反

映创新的持续程度。具体地，企业在第 t 年的创新

持续性等于企业在第t-1与t年间的专利申请量（或

研发经费）之和较第 t-2 与 t-1 年间的专利申请量

（或研发经费）之和的环比增长率，再乘以第t-1与t

年的专利申请量（或研发经费）之和。计算公式如下：

IPt = INt + INt - 1

INt - 1 + INt - 2

×(INt + INt - 1) （1）

OPt = OINt + OINt - 1

OINt - 1 + OINt - 2

×(OINt + OINt - 1) （2）

其中，IPt 和 OPt 分别为企业在第t年创新投入

持续性和创新产出持续性，INt 、INt - 1 、INt - 2 和

经济纵横 Economic Review

27

2023年第10期 WUHAN

FINANCE

OINt 、OINt - 1 、OINt - 2 分别为企业在第 t、t-1、t-2 年

的研发经费和专利申请量。以此得出持续创新投入

（IP）和持续创新产出（OP），在此基础上将 IP 和 OP

各加1再取对数处理。

2.解释变量

ESG评分。本文使用的ESG评分是综合评级，

由环境、社会、治理三项分评级平均得出。所有上市

企业综合评分参考了华证ESG报告，在此基础上参

考王波等[43]

的做法，将九个等级（C、CC、CCC、B、BB、

BBB、A、AA、AAA）分别依次赋值1—9分，并取季度

均值作为上市企业当年的ESG表现。

3.控制变量

根据以往的相关文献，本文的控制变量为上市

企业常用控制变量：企业规模（Size）、营业收入增长

率（Growth）、总资产周转能力（ATO）、资产负债率

（Lev）、两 职 合 一（Dual）、第 一 大 股 东 持 股 比 例

（Top1）、年份（Year）、行业（Industry）。

4.中介变量

借鉴宋敏等[44]

的做法，构造融资约束SA指数作

为中介变量，公式如下：

SAi,t = -0.737Size + 0.043Size

2 - 0.040Age （3）

Size为企业总资产的自然对数；Age为企业经营

年度=观测年度-企业成立年度。SA模型是最常用

的模型，在一定程度上克服了变量内生性的问题，

SA基本都是负数，当SA>0，说明公司不存在融资约

束问题，以往很多学者是将SA取绝对值进行检验分

析。本文也对SA取绝对值处理，绝对值SA值越大，

企业的融资约束程度越大。

5.调节变量

参考相关文献，本文的调节变量为高管（包括

CEO、总裁、副总经理和年报上公布的其他高级管理

人员）总计持有的公司股份数（有兼任情况时不重复

计算持股数量）占公司期末总股份的比例，用来衡量

管理层股权激励程度（EQ）。

6.变量汇总

将上文各变量汇总如表1所示。

7.模型设定

本文设定双向固定效应模型来检验 ESG 企业

表现对企业持续创新能力的影响，模型如下：

IP/OPi,t = β0 + β1ESGi,t + β2Controlsi,t +

Year + Industry + εi,t

（4）

SAi,t = β0 + β1ESGi,t + β2Controlsi,t +

Year + Industry + εi,t

（5）

IP/OPi,t = β0 + β1ESGi,t + β2 SAi,t + β3Controlsi,t +

Year + Industry + εi,t

（6）

IP/OP = β0 + β1ESGi,t + β2EQi,t +

β3(EQ × ESG)i,t + β4Controlsi,t +

Year + Industry + εi,t

（7）

各变量含义如表1所示。下标i为各企业的标

识 (i = 1,2,3,…) ，下标t表示年份，Controls 为控制变

量，εi,t 为随机误差项。

表1 变量定义

变量类型

被解释

变量

解释变量

中介变量

调节变量

控制变量

名称

持续创新投入

持续创新产出

ESG评分

融资约束

高管股权激励

企业规模

营业收入增长率

总资产周转率

资产负债率

两职合一

第一大股东持股

比例

年份

行业

符号

IP

OP

ESG

SA

EQ

Size

Growth

ATO

Lev

Dual

Top1

Year

Industry

定义

根据公式（1）得出

根据公式（2）得出

环境、社会与治理综合得分

根据公式（3）得出，值越大，约束越大

高管股权激励股份占总股份的比例

年总资产的自然对数

本年营业收入/上一年营业收入-1

营业收入/平均资产总额

负债除以资产

董事长与总经理是同一个人为1，否

则为0

第一大股东持股数量/总股数

控制时间效应

控制行业效应

四、实证分析

（一）描述性统计

表2是主要变量的描述性统计。解释变量ESG

的最大值为 9，最小值为 1，均值为 6.694，表明 A 股

企业的 ESG 分数比较稳定。被解释变量 IP 的最大

表2 主要变量描述性统计

变量

IP

OP

ESG

SA

EQ

Size

Growth

ATO

Lev

Dual

Top1

样本量

17220

17220

17220

17220

17220

17220

17220

17220

17220

17220

17220

均值

13.870

3.131

6.694

3.796

0.056

22.530

0.170

0.674

0.448

0.212

0.347

标准差

8.507

2.236

1.210

0.282

0.126

1.329

0.400

0.476

0.201

0.409

0.151

中位数

18.300

3.497

7

3.816

0

22.360

0.108

0.565

0.454

0

0.328

最小值

0

0

1

2.109

0

19.520

-0.660

0.053

0.027

0

0.081

最大值

23.040

8.160

9

4.757

0.891

26.430

4.330

2.907

0.925

1

0.758

28

值为 23.040，最小值为 0，均值为 13.870；OP 的最大

值为8.160，最小值为0，均值为3.131。这说明我国

上市企业持续创新能力非常不均衡，持续创新能力

强的上市企业与持续创新能力差的上市企业存在极

大差距。中介变量SA的最大值为4.757，最小值为

2.109，均值为3.796，说明我国上市企业融资约束程

度较高。调节变量EQ的最大值为0.891，最小值为

0，均值为0.056，说明我国上市企业不同程度地运用

股权激励，存在较大的差异，但从均值来看，上市企

业在实施股权激励方面整体较为保守。

（二）回归分析

本文运用双向固定效应模型，且使用稳健性标

准误进行分析。表3（1）和（2）列显示，ESG在1%水

平上分别对 IP 和 OP 起到显著的促进作用，说明企

业 ESG 表现越好，企业持续创新投入与产出越好，

企业的持续创新能力就越强，该检验结果验证了假

设1成立。本文参考温忠麟等[45]

构造的中介效应程

序来检验融资约束是否起到中介作用。表 3（3）列

的ESG在1%水平上对SA起到显著的抑制作用，说

明企业ESG的表现越好，SA值越小，企业融资约束

程度越小。同时（4）列的ESG和SA分别都在1%水

平上促进 IP、OP 和抑制 IP、OP，说明企业融资约束

在企业 ESG 表现与企业持续创新能力之间存在中

介效应，该检验结果验证了假设2。表3（6）列显示，

ESG在1%水平上分别对IP起到显著的促进作用，且

EQ×ESG交互项在1%水平上对IP起到显著的促进

调节作用；（7）列的ESG在1%水平上对OP起到显著

的促进作用，且 EQ×ESG 交互项在 1%水平上对 OP

起到显著的促进调节作用。结合（6）和（7）列的结果

说明，企业高管股权激励具有正向调节作用，进一步

强化了企业 ESG 表现对于企业持续创新能力的促

进作用。该检验结果验证了假设3。

（三）稳健性检验

1.滞后解释变量

为确保结论的稳健性，参考孙传旺等[46]

的做法，

采用滞后解释变量的方法，结果如表 4 所示。表 4

（1）和（2）列显示，ESG在1%水平上分别对IP和OP

起到显著的促进作用，说明企业 ESG 表现越好，企

业持续创新投入与产出越好，企业的持续创新能力

就越强，该检验结果再次验证了假设1。表4（3）列 表3 检验结果分析

变量

ESG

SA

EQ

EQ×ESG

Size

Growth

ATO

Lev

Dual

Top1

Year

Industry

N

r2_a

(1)

IP

0.309***

(0.067)

1.102***

(0.193)

-0.287**

(0.123)

0.534

(0.325)

2.668***

(0.676)

-0.290

(0.179)

-1.999*

(1.104)

YES

YES

17220

0.417

(2)

OP

0.077***

(0.016)

0.552***

(0.054)

-0.054*

(0.032)

0.117

(0.079)

0.700***

(0.162)

0.024

(0.045)

-1.115***

(0.284)

YES

YES

17220

0.293

(3)

SA

-0.007***

(0.001)

-0.023***

(0.007)

0.007***

(0.002)

0.012**

(0.006)

0.047***

(0.010)

-0.008**

(0.004)

-0.067***

(0.023)

YES

YES

17220

0.857

(4)

IP

0.271***

(0.047)

-5.171***

(0.663)

0.985***

(0.105)

-0.249**

(0.100)

0.597***

(0.187)

2.909***

(0.402)

-0.329**

(0.131)

-2.347***

(0.625)

YES

YES

17220

0.419

(5)

OP

0.073***

(0.012)

-0.473***

(0.171)

0.541***

(0.027)

-0.050*

(0.026)

0.123**

(0.048)

0.722***

(0.104)

0.021

(0.034)

-1.147***

(0.161)

YES

YES

17220

0.294

(6)

IP

0.245***

(0.053)

-8.859***

(1.773)

0.862***

(0.274)

1.104***

(0.104)

-0.285***

(0.100)

0.500***

(0.187)

2.236***

(0.407)

-0.272**

(0.131)

-1.537**

(0.629)

YES

YES

17220

0.419

(7)

OP

0.069***

(0.014)

-2.487***

(0.456)

0.154***

(0.070)

0.549***

(0.027)

-0.052**

(0.026)

0.100**

(0.048)

0.530***

(0.105)

0.030

(0.034)

-0.919***

(0.162)

YES

YES

17220

0.297

注：***、**、*分别表示在1%、5%、10%水平上显著，括号内为稳健

标准误。下表同。

表4 稳健性检验结果分析

变量

L.ESG

L.SA

L.EQ

L.EQ×

L.ESG

Size

Growth

ATO

Lev

Dual

Top1

Year

Industry

N

r2_a

(1)

IP

0.489***

(0.067)

1.247***

(0.193)

-0.363***

(0.124)

0.637**

(0.318)

0.230

(0.677)

-0.097

(0.170)

-0.414

(1.078)

YES

YES

15785

0.310

(2)

OP

0.105***

(0.017)

0.567***

(0.057)

-0.074**

(0.033)

0.133*

(0.080)

0.171

(0.161)

0.066

(0.044)

-0.749***

(0.288)

YES

YES

15785

0.234

(3)

SA

-0.006***

(0.001)

-0.026***

(0.007)

0.005***

(0.002)

0.011*

(0.006)

0.046***

(0.010)

-0.007*

(0.004)

-0.059**

(0.023)

YES

YES

15785

0.848

(4)

IP

0.436***

(0.046)

-7.385***

(0.666)

1.146***

(0.103)

-0.340***

(0.096)

0.715***

(0.184)

0.603

(0.398)

-0.150

(0.125)

-0.858

(0.617)

YES

YES

15785

0.316

(5)

OP

0.100***

(0.012)

-0.721***

(0.181)

0.557***

(0.028)

-0.071***

(0.026)

0.140***

(0.050)

0.207*

(0.108)

0.061*

(0.034)

-0.793***

(0.168)

YES

YES

15785

0.235

(6)

IP

0.328***

(0.052)

-10.844***

(1.663)

1.709***

(0.256)

1.270***

(0.103)

-0.362***

(0.097)

0.622***

(0.185)

0.066

(0.403)

-0.088

(0.126)

-0.342

(0.621)

YES

YES

15785

0.312

(7)

OP

0.074***

(0.014)

-3.129***

(0.450)

0.361***

(0.069)

0.569***

(0.028)

-0.069***

(0.026)

0.115**

(0.050)

0.055

(0.109)

0.069**

(0.034)

-0.643***

(0.168)

YES

YES

15785

0.237

经济纵横 Economic Review

29

2023年第10期 WUHAN

FINANCE

的ESG在1%水平上对SA起到显著的抑制作用，说

明企业ESG的表现越好，SA值越小，企业融资约束

程度越小。同时（4）列的ESG和SA均在1%水平上

分别促进 IP、OP 和抑制 IP、OP，说明企业融资约束

在 ESG 表现与企业持续创新能力之间存在中介效

应，该检验结果再次验证了假设2。表4（6）列显示，

ESG在1%水平上对IP起到显著的促进作用，且EQ×

ESG交互项在1%水平上对IP起到显著的促进调节

作用；（7）列的ESG在1%水平上对OP起到显著的促

进作用，且EQ×ESG 交互项在1%水平上对OP起到

显著的促进调节作用。结合（6）和（7）列的结果说

明，企业高管股权激励具有正向调节作用，进一步使

得企业持续创新能力得到提升，该检验结果再次验

证了假设 3。经分析得出与前文一致的结论，结论

稳健性得到了保证。

2.新样本回归

考虑到疫情冲击的影响，本文剔除 2020 年和

2021年的样本数据，再次进行回归检验。结果如表

5 所示，（1）和（2）列的 ESG 在 1%水平上对 IP 和 OP

起到正向显著的效果，说明企业ESG表现对企业持

续创新能力具有显著的促进作用。假设1再次得到

验证。

表5 结果分析

变量

ESG

Control

Year

Industry

N

adj.R2

(1)

IP

0.329***

(0.073)

YES

YES

YES

14350

0.419

(2)

OP

0.069***

(0.017)

YES

YES

YES

14350

0.292

3.工具变量法

本文运用两阶段工具变量法进一步缓解内生

性。参考相关ESG文献及王治等[47]

的研究，将企业

所在城市的上市企业数量（Number）作为企业 ESG

表现的替代工具变量。选择的原因有以下两点：从

相关性而言，企业的ESG表现与同城市内的企业数

量高度相关，当同地区内的上市企业较为集中时，该

地区间的竞争压力会更大，企业会更有动力履行社

会、环境责任，并通过提高企业治理水平来获取更多

资源。从外生性而言，上市企业数量对企业持续创

新没有直接影响，符合外生性条件。表6（1）列报告

了第一阶段回归结果，Number 在 1%水平上促进了

ESG，说明上市企业数量提升了企业的 ESG 表现；

（2）和（3）列报告了第二阶段回归结果，ESG在1%水

平上促进了IP和OP，进一步说明在缓解内生性问题

后，ESG表现依然促进企业持续创新能力的提升，再

次验证了前文结论。

表6 工具变量结果分析

变量

Number

ESG

Control

Year

Industry

N

adj.R2

(1)

ESG

0.041***

(0.012)

YES

YES

YES

17220

0.073

(2)

IP

1.6379***

(0.8757)

YES

YES

YES

17220

0.152

(3)

OP

1.2132***

(0.3543)

YES

YES

YES

17220

0.125

4.Bootstrap方法

本文对企业融资约束的中介效应使用Bootstrap

方法进一步检验，抽样样本为 17220，重复进行了

1000次抽样，结果如表7所示。可以发现，融资约束

对 IP 间接效应和直接效应系数在 95%的置信区间

分别为[0.0021，0.0114]和[-0.4961，-0.2426]，而在

95% 的 偏 差 纠 正 区 间 分 别 为 [0.0025，0.0119] 和

[-0.4938，-0.2392]，且区间内都不包含0。这表明企

业融资约束在 ESG 表现与企业持续创新投入之间

发挥了部分中介作用。融资约束对OP的间接效应

和直接效应在 95%的置信区间分别为[-0.0044，

-0.0012]和[-0.1038，-0.0455]，而在95%的偏差纠正

区间分别为[-0.0046，-0.0014]和[-0.1032，-0.0438]，

且区间内都不包含0。这表明企业融资约束在ESG

表7 Bootstrap结果分析

变量

ESG→

SA→IP

ESG→

SA→OP

中介效应

间接效应

直接效应

间接效应

直接效应

观测系数

0.0063

-0.3563

-0.0026

-0.0757

偏差

-0.0000

-0.0044

-0.0000

-0.0002

标准误差

0.0024

0.0636

0.0008

0.0151

95%置信区间

0.0021 0.0114 (P)

0.0025 0.0119 (BC)

-0.4961 -0.2426 (P)

-0.4938 -0.2392 (BC)

-0.0044 -0.0012 (P)

-0.0046 -0.0014 (BC)

-0.1038 -0.0455 (P)

-0.1032 -0.0438 (BC)

30

表现与企业持续创新产出之间发挥了部分中介作

用。结合分析可以得出，企业融资约束在ESG表现

与企业持续创新能力之间发挥了部分中介作用，假

设3再次得到验证。

（四）进一步分析

1.企业污染性质

本文依据《上市公司环境保护核查行业分类管

理名录》（环办函〔2008〕373号），将样本分为重污染

企业和非重污染企业。其中，火电、钢铁、水泥、电解

铝、煤炭、冶金、建材、采矿、化工、石化、制药、轻工、

纺织、制革业等行业的企业作为重污染企业，否则属

于非重污染企业。从表8可以看出，（1）和（3）列的

ESG 分别对 IP 和 OP 的影响并不显著，说明重污染

企业的ESG对企业持续创新能力起不到明显作用；

同时（1）和（3）列的ESG×EQ交互项也不显著，说明

高管股权激励在重污染企业中起不到明显调节作

用。（2）和（4）列的ESG分别在1%水平上显著为正，

说明重污染企业的 ESG 对企业持续创新能力起到

了显著促进作用；同时（2）和（4）列的ESG×EQ交互

项分别在 1%和 5%水平上对 IP 和 OP 存在正向影

响，说明高管股权激励在非重污染企业中起到显著

的调节作用。这一结果也说明了在不同企业污染性

质下，作用存在差异性，同时从侧面反映了非重污染

企业的ESG表现更好，社会责任、环境、治理更有竞

争性。

2.法治化水平

参考胡李鹏等[48]

的研究，依据《中国分省份市场

化指数报告》中的法治水平指数中位数，将样本分为

高法治化水平和低法治化水平。从表8可以看出，

（6）和（8）列的 ESG 分别对 IP 和 OP 的影响并不显

著，说明低法治化水平企业ESG对企业持续创新能

力起不到明显作用；同时（6）和（8）列的ESG×EQ交

互项也不显著，说明高管股权激励在低法治化水平

企业中起不到明显调节作用。（5）和（7）列的ESG分

别在1%水平上对IP和OP显著为正，说明高法治化

水平企业的 ESG 对企业持续创新能力起到了显著

促进作用；同时（5）和（7）列的ESG×EQ交互项均在

5%水平上促进IP和OP，说明高管股权激励在高法

治化水平企业中起到显著的调节作用。这一结果也

说明了法治化水平不同，作用存在差异性，同时从侧

面反映了高法治化水平企业的ESG表现更好，社会

责任、环境、治理更有竞争性。

表8 细分检验1

变量

ESG

EQ

ESG×EQ

Size

Growth

ATO

Lev

Dual

Top1

Year

Industry

N

r2_a

(1)

重污染企业

IP

0.119

(0.084)

10.020

(6.095)

-0.809

(0.891)

1.302***

(0.234)

-0.290

(0.199)

0.938**

(0.365)

0.125

(0.823)

0.107

(0.220)

2.404*

(1.285)

YES

YES

3036

0.139

(2)

非重污染企业

IP

0.243***

(0.066)

-10.451***

(1.982)

0.953***

(0.305)

1.092***

(0.129)

-0.321***

(0.115)

0.456**

(0.230)

2.949***

(0.498)

-0.341**

(0.161)

-2.850***

(0.775)

YES

YES

13605

0.413

(3)

重污染企业

OP

0.056

(0.032)

1.293

(2.333)

0.095

(0.341)

0.380***

(0.089)

0.009

(0.076)

0.142

(0.140)

-0.004

(0.315)

0.008

(0.084)

-0.179

(0.492)

YES

YES

3036

0.139

(4)

非重污染企业

OP

0.051***

(0.016)

-2.886***

(0.492)

0.166**

(0.076)

0.574***

(0.032)

-0.061**

(0.029)

0.057

(0.057)

0.619***

(0.124)

0.014

(0.040)

-1.065***

(0.192)

YES

YES

13605

0.289

(5)

法治化水平高

IP

0.289***

(0.068)

-5.124**

(2.358)

0.605**

(0.367)

1.044***

(0.136)

-0.594***

(0.125)

0.876***

(0.243)

1.580***

(0.504)

0.020

(0.151)

-0.180

(0.823)

YES

YES

10021

0.364

(6)

法治化水平低

IP

0.087

(0.089)

-7.929***

(3.063)

0.619

(0.460)

0.982***

(0.179)

-0.042

(0.157)

0.642*

(0.336)

2.021***

(0.737)

-0.551**

(0.252)

-2.782***

(1.071)

YES

YES

7199

0.412

(7)

法治化水平高

OP

0.060***

(0.019)

-2.060***

(0.646)

0.169**

(0.100)

0.620***

(0.037)

-0.091***

(0.034)

-0.001

(0.066)

0.337**

(0.138)

0.063

(0.041)

-0.947***

(0.225)

YES

YES

10021

0.249

(8)

法治化水平低

OP

0.029

(0.022)

-2.153***

(0.742)

0.131

(0.112)

0.486***

(0.043)

-0.034

(0.038)

0.277***

(0.081)

0.550***

(0.179)

0.099

(0.061)

-1.017***

(0.260)

YES

YES

7199

0.288

经济纵横 Economic Review

31

2023年第10期 WUHAN

FINANCE

3.CEO风险偏好

参考相关文献，将样本分为高CEO风险偏好和

低 CEO 风险偏好。风险偏好是指决策者心理上对

战略决策中存在的不确定性风险的态度，会进一步

通过投资决策外在化。在投资决策项目组，计算交

易性金融资产、可供出售金融资产与投资性房地产

三项风险投资年度总额占本年度资产总额的比重。

得出的值高于同行业平均水平时，CEO为风险偏好

型，取 1，否则取 0。从表 9 可以看出，（1）列的 ESG

在 1%水平上促进 IP，但（3）列的 ESG 对 OP 并不显

著，说明高CEO风险偏好的企业ESG对持续创新投

入起到作用，对持续创新产出并未起到明显作用；同

时（1）和（3）列的ESG×EQ交互项也不显著，说明高

管股权激励在高 CEO 风险偏好企业中并未起到明

显调节作用。（2）和（4）列的 ESG 在 1%水平上对 IP

和 OP 起到明显的正向促进作用，说明低 CEO 风险

偏好的企业 ESG 对企业持续创新能力起到了显著

促进作用；同时（2）和（4）列的ESG×EQ交互项分别

在1%和10%水平上促进了IP和OP，说明高管股权

激励在低 CEO 风险偏好企业中起到明显的调节作

用。这一结果也说明了CEO风险偏好不同，作用存

在差异性，同时从侧面反映了低CEO风险偏好企业

ESG表现更好，社会责任、环境、治理更有竞争性。

五、结论与政策启示

（一）研究结论

ESG表现是非财务性的综合指标，并不像财务

指标能够直接反映企业经营情况，ESG表现更加有

综合性。本文主要研究 ESG 表现对企业持续创新

能力的影响，并得出以下几个结论：（1）ESG表现显

著促进企业持续创新投入和持续创新产出，最终表

现为对企业持续创新能力的正向影响；（2）ESG表现

通过缓解融资约束来对企业持续创新投入和持续创

新产出起到显著的促进作用；（3）高管股权激励参与

ESG表现对企业持续创新投入和持续创新产出关系

的正向调节作用；（4）异质性分析表明，ESG表现和

高管股权激励的调节作用在非重污染企业、高法治

化水平和低 CEO 风险偏好的企业中起到明显促进

作用。

（二）政策启示

第一，对处于不同生命周期的企业，政府应制定

相关激励措施，帮助其适应市场。企业应积极完善

公司营运模式，提高自身的核心竞争力；还应深化

ESG理念，将其融入企业重要的战略计划中，增强自

身的竞争能力，更好地在资本市场上生存发展。

第二，机构和个人投资者要学会关注企业的非

财务性指标，例如企业的 ESG 表现等；也要学会关

注企业的法治化水平、污染性质和CEO风险偏好。

第三，监管部门要制定合理的体系来评价企业

ESG 表现，对 ESG 表现好的企业可以进行奖励，对

ESG表现较差的企业可以进行惩罚，以此来反向激

励企业提升持续创新能力。可以在未来的IPO考核

中提升ESG的地位，以此来引导企业完善其ESG表

现，促进其提升持续创新能力。■

[参考文献]

[1] 高杰英，褚冬晓，廉永辉，等.ESG表现能改善企业投资效

率吗?[J].证券市场导报，2021（11）：24-34+72.

[2] 宋才发.在“十四五”规划实施中推动我国经济社会高质

量发展[J].改革与战略，2022（3）：109-118.

[3] 周方召，潘婉颖，付辉.上市公司ESG责任表现与机构投

资者持股偏好：来自中国A股上市公司的经验证据[J].科学

决策，2020（11）：15-41.

[4] 陈晓艳，洪峰.企业ESG鉴证：进展、问题与思考[J].中国

注册会计师，2022（9）：79-83+3.

[5] 于俊秋，王莹.生态文明视角下企业ESG表现对企业价值

的影响研究：以京津冀制造业上市公司为例[J].财经理论研

表9 细分检验2

变量

ESG

EQ

ESG×EQ

Size

Growth

ATO

Lev

Dual

Top1

Year

Industry

N

r2_a

(1)

高CEO风险偏好

IP

0.403***

(0.112)

11.613

(6.355)

-1.787

(0.973)

1.908***

(0.246)

-0.508***

(0.189)

1.177***

(0.374)

1.833**

(0.819)

0.123

(0.242)

0.819

(1.495)

YES

YES

4664

0.300

(2)

低CEO风险偏好

IP

0.226***

(0.063)

-9.303***

(1.941)

0.842***

(0.299)

0.813***

(0.127)

-0.172

(0.119)

0.483**

(0.231)

2.177***

(0.501)

-0.484***

(0.161)

-0.610

(0.752)

YES

YES

12556

0.446

(3)

高CEO风险偏好

OP

0.048

(0.030)

-0.329

(1.687)

0.117

(0.258)

0.551***

(0.065)

-0.047

(0.050)

0.121

(0.099)

0.034

(0.217)

-0.039

(0.064)

-0.798**

(0.397)

YES

YES

4664

0.168

(4)

低CEO风险偏好

OP

0.071***

(0.016)

-2.498***

(0.497)

0.132*

(0.077)

0.544***

(0.033)

-0.051*

(0.030)

0.199***

(0.059)

0.713***

(0.128)

0.029

(0.041)

-0.851***

(0.193)

YES

YES

12556

0.327

32

究，2021（2）：81-91.

[6] SASSEN R，HINZE A，HARDECK I. Impact of ESG Fac⁃

tors on Firm Capm in Europe[J]. Journal of Business Econom⁃

ics，2016，86（8）：867-904.

[7] GHOUL S E，GUEDHAMI O，KIM Y. Country-Level Insti⁃

tutions，Firm Value，and the Role of Corporate Social Respon⁃

sibility Initiatives[J]. SociaI Science Electronic Publishing，

2017，48（3）：360-385.

[8] 杨金坤.企业社会责任信息披露与创新绩效：基于“强制

披露时代”中国上市公司的实证研究[J].科学学与科学技术

管理，2021（1）：57-75.

[9] AMEL-ZADEH A，SERAFEIM G. Why and How Investors

Use ESG Information：Evidence from a GlobalSurvey[J]. Finan⁃

cial Analysts Journal，2018，74（3）：87-103.

[10] 葛永盛，黄婷婷.基于风险与收益的企业社会责任研究

[J].大连理工大学学报（社会科学版），2013（3）：20-24.

[11] 刘会洪，张哲源.ESG表现、创新效率和股价波动性的影

响研究：基于A股上市公司[J].武汉金融，2023（2）：37-43+64.

[12] 马喜立.中国ESG 投资的发展趋势研究[J].广义虚拟经

济研究，2019（2）：33-38.

[13] VERHEYDEN T，ECCLES R G，FEINER A. ESG for

All? The Impact of ESG Screening on Return，Risk，and Di⁃

versification[J]. Journal of Applied Corporate Finance，2016，28

（2）：47-55.

[14] 赵胜民，于星慧.企业社会责任对企业创新的影响研究：

来自中国上市公司的经验证据[J].科研管理，2023（4）：144-153.

[15] CHUN R. Corporate Reputation：Meaning and Measure⁃

ment[J]. International Journal of Management Reviews，2005，7

（2）：91-109.

[16] 陈承，侯京京，王宗军.市场势力、企业社会责任与绿色

创新[J].技术经济，2023（3）：78-89.

[17] 王立平，李蔓丽.企业金融化、社会责任与创新投入：基

于金融渠道获利能力门槛效应的再审视[J].华东经济管理，

2023（1）：50-61.

[18] DHALIWAL D S，LI O Z，TSANG A，et al. Voluntary

Non Financial Disclosure and the Cost of Equity Capital：The

Initiation of Corporate Social Responsibility Reporting[ J]. The

Accounting Review，2011，86（1）：59-100.

[19] 张晓雪.企业社会责任、创新研发与企业价值的关系探

究[J].科学决策，2023（4）：92-102.

[20] 周雪峰，白占俊，王家贝.数字经济、环境规制与企业绿

色创新持续性[J].管理工程师，2023（1）：5-13.

[21] 李靖.环境污染责任保险促进了企业绿色创新吗?[J].当

代金融研究，2023（2）：14-33.

[22] 肖利平，李炎中.制度环境、不确定性与创新同群效应

[J].科技管理研究，2023（3）：10-18.

[23] 陈红，纳超洪，雨田木子，等.内部控制与研发补贴绩效

研究[J].管理世界，2018（12）：149-164.

[24] ANDERSON R C，MANSI S A，REEB D M. Board Char⁃

acteristics，Accounting Report Integrity，and the Cost of Debt

[J]. Journal of Accounting and Economics，2004（37）：315-42.

[25] 黄波.公司内部治理机制、创新投入与并购财务绩效：

基于我国民营制造业上市公司的经验证据[D].北京交通大

学，2021.

[26] 鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业

创新可持续性[J].经济研究，2013（1）：4-16.

[27] 邱牧远，殷红.生态文明建设背景下企业ESG表现与融

资成本[J].数量经济技术经济研究，2019（3）：108-123.

[28] 殷耀宁，王军民，黎明辉.融资约束对物流企业持续性创

新的影响：兼论研发投入的中介与开放创新的调节作用[J].

商业经济研究，2023（10）：101-104.

[29] 白福萍，董凯云，刘东慧.数字化转型如何影响企业技术

创新：基于融资约束与代理问题视角的实证分析[J].会计之

友，2023（10）：124-133.

[30] 竺李乐，李雪，毛毅翀.员工持股计划、融资约束与国有

企业双元创新产出[J].技术经济，2023（2）：90-99.

[31] MILLER J S，WISEMAN R M，GOMEZ- MEJIA L R.

The Fit Between CEO Compensation Design and Firm Risk[J].

The Academy of Management Journal，2002，45（4）：745-756.

[32] MORCK R，WOLFENZON D，YEUNG B. Corporate Gov⁃

ernance，Economic Entrenchment，and Growth[J]. Journal of

Economic Literature，2005，43（3）：655-720.

[33] 刘媛媛，黄正源，刘晓璇.环境规制、高管薪酬激励与企

业环保投资：来自2015年《环境保护法》实施的证据[J].会计

研究，2021（5）：175-192.

[34] 李连伟，吕镯，郭园园.股权激励与上市公司治理效率：

基于人力资本视角[J/OL].系统工程：1-15[2023-08-27].

https：//kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0

n9fL2suRadTyEVl2pW9UrhTDCdPD66ywunduiRNncRCywaof

ZRs06K8NX4fMSjJH0h9shTz1xEnXS4PTj13&uniplatform=NZ

KPT.

[35] 姜帅，龙静.高管股权激励影响企业技术创新的机制路

径分析：基于我国民营上市公司的经验证据[J].江西师范大

学学报（哲学社会科学版），2022（3）：96-106.

[36] 陈华东.管理者任期、股权激励与企业创新研究[J].中国

软科学，2016（8）：112-126.

[37] 朱德胜，周晓珮.股权制衡、高管持股与企业创新效率

[J].南开管理评论，2016（3）：136-144.

[38] LAURENS P，BAS C L，SCHOEN A，et al. The Rate and

Motives of the Internationalisation of Large Firm R&D（1994-

2005）：Towards a Turning Point?[J]. Research Policy，2015，44

（3）：765-776.

[39] 何郁冰，丁佳敏.企业多元化战略的内部关联及其对绩

效的影响：来自中国制造业上市公司的经验证据[J].科学学

研究，2015（11）：1715-1726．

[40] CHEN Y M，YANG D H，LIN F J. Does Technological Di⁃

versification Matter to Firm Performance? The Moderating

Role of Organizational Slack[J]. Journal of Business Research，

2013，66（10）：1970-1975.

[41] TRIGUERO A，CORCOLES D. Understanding Innovation：

An Analysis of Persistence for Spanish Manufacturing Firms[J].

Research Policy，2013，42（2）：340-352.

[42] 何郁冰，周慧，丁佳敏.技术多元化如何影响企业的持续

创新?[J].科学学研究，2017（12）：1896-1909.

[43] 王波，杨茂佳.ESG表现对企业价值的影响机制研究：来

自我国A股上市公司的经验证据[J].软科学，2022（6）：78-84.

[44] 宋敏，周鹏，司海涛.金融科技与企业全要素生产率：“赋

能”和信贷配给的视角[J].中国工业经济，2021（4）：138-155.

[45] 温忠麟，张雷，侯杰泰，等.中介效应检验程序及其应用

[J].心理学报，2004（5）：614-620.

[46] 孙传旺，罗源，姚昕.交通基础设施与城市空气污染：来

自中国的经验证据[J].经济研究，2019（8）：136-151.

[47] 王治，彭百川.企业ESG表现对创新绩效的影响[J].统计

与决策，2022（24）：164-168.

[48] 胡李鹏，王小鲁，樊纲.中国分省企业经营环境指数

2020年报告[J].金融评论，2020（5）：2.

（责任编辑：DJ / 校对：XY）

经济纵横 Economic Review

33

2023年第10期 WUHAN

FINANCE

一、引言

近年来，全球不确定性因素增多叠加新冠疫情

冲击，国内经济转型阵痛凸显，周期性、结构性问题

交织，企业资金链断裂、债务违约问题频发引起社会

广泛关注。以涉及银行债务违约诉讼的A股上市公

司为例，2019年之前银行作为上市公司债务违约诉

讼案件原告的涉事公司数量在低位徘徊，2019之后

涉事公司数量进入高位震荡，仅2023年前6个月涉

事公司数量就达24家（见图1）。可见，近几年企业

债务违约问题已成为中国经济发展的一大隐患。

新冠疫情对全球产业链供应链造成严重破坏，

俄乌冲突引发国际能源与粮食危机，世界经济格局

正深刻重塑，党中央、国务院多次发文明确要保障产

业链供应链安全稳定，筑牢国家高质量发展根基。

党的二十大报告提出，要“着力提高全要素生产率，

着力提升产业链供应链韧性和安全水平”。供应链

金融作为维护产业链供应链韧性的重要抓手已得到

国内外学者广泛认同[1，2]

。作为产融结合的重要途

径，供应链金融对缓解中小企业融资约束、转换企业

增长方式起到决定性作用[3—5]

，对企业绩效的提升以

及创新水平的提升也具有重要作用[6，7]

。当然，这些

研究主要使用的是以供应链为导向的广义供应链金

融含义，即供应链金融是基于供应链为上下游企业

提供综合性金融服务解决方案，核心企业既可以作

为信用交易主体，也可以作为金融机构的协助者，帮

助金融机构完成授信与风控。而狭义来说，供应链

金融是以金融为导向的短期交易性融资，即产业核

心企业以供应链交易事项为基础，通过商业信用融

摘 要：系统评估企业银行债务违约干预对供应链融资以及企业融资政策调整的影响，对激发中国企业转型发展后劲具有重要意

义。文章以 2011—2022 年 A 股上市公司为样本，采用倾向值匹配和双重差分法发现银行干预后供应链融资会显著下降，这主要是由于银

行干预降低了企业的非效率投资，并使企业现金管理等财务政策更趋于保守。进一步研究发现：企业供应商集中度越高，银行干预对其供

应链融资的抑制作用越大，这表示强势的供应商更可能会“落井下石”；并且金融契约制度水平较完善的地区，银行干预对企业供应链融资

的抑制作用较大，即契约制度较完善能对银行债权权益进行更好的保护。文章对着力提升供应链融资质量提供了理论依据和政策参考。

关键词：商业银行；债务违约；供应链金融；倾向值匹配方法；双重差分模型

中图分类号：F832.33 文献标识码：A 文章编号：1009-3540（2023）10-0034-0008

基金项目：河北省社会科学基金项目“风险冲击视角下供应链金融对中小企业财务韧性的影响机制研究”（HB22YJ017）。

■ 程京京 马紫宇 张瀚文 孙文娜

作者简介：程京京（1984—），女，博士，河北金融学院金融创新与风险管理研究中心副教授，硕士生导师； 马紫宇（1993—），女，硕士，河

北金融学院金融与投资学院助教； 张瀚文（2002—），男，河北金融学院硕士研究生； 孙文娜（1982—），女，博士，河北金融学院金融与投

资学院副教授。

债务违约冲击下

银行干预如何影响供应链融资？

图1 上市公司的银行债务违约诉讼

数据来源：根据锐思数据统计整理。

34

资来缓解链条上下游企业融资约束问题[8，9]

。由于

狭义供应链金融更能反映供应链交易特征，下文主

要基于狭义供应链金融概念展开讨论。面对企业债

务违约问题频发，供应链金融是否会“望而却步”？

企业的银行债务违约是否会影响供应链金融运行？

在理论研究上，就债权结构与宏观经济的关系

而言：陆正飞等[10]

认为在货币政策宽松时期，企业便

于获得银行贷款，在此阶段商业信用符合买方市场

理论，即由于买方强势，其议价能力强，供应商倾向

于向融资无约束、信用良好的客户提供商业信用；而

在货币紧缩时期，随着银行信贷歧视进一步加深，在

此阶段商业信用符合替代融资理论，即公司对商业

信贷需求大幅上升。马亚明等[11]

认为在经济下行周

期，非融资约束型企业商业信用的替代效应顺周期

下降，融资约束型企业对上游企业的商业信用违约

则会增多，商业信用增加会加重企业破产风险。就

债权结构现象而言：鲍长生[12]

运用博弈论方法分析

得出，供应链金融不能很好地解决中小企业融资约

束问题，这是由于大型企业具有较强的议价能力，导

致中小企业既要从银行获取资金“输血”，又要向大

型企业提供商业信用造成“失血”。Zhang[13]

使用断

点回归方法分析发现，当企业违反银行债务契约后，

企业商业信用会大幅下降，而当供应商对企业依赖

增强时，企业的商业信用下降会得到缓解。在异质

性债权人的约束力上，银行借款、商业信用、企业债

券对企业非效率投资的影响具有异质性[14]

。与银行

借款相比，供应链融资中的企业债权人对企业行为

约束较小，股东更易通过投资歪曲行为来损害债权

人的利益[15]

。不难发现，已有文献大多考虑的是异

质宏观经济特征或者常态下的企业银行信贷与供应

链融资的关系，鲜有文献从债务违约角度出发，基于

近些年中国企业数据来分析企业银行债务违约对供

应链融资的影响。

为此，本文以企业银行信贷违约为冲击分析银

行信贷与供应链融资的关系，利用上市公司数据，在

倾向值匹配基础上，采用双重差分法（DID）系统评

估银行干预对供应链融资的影响效应及作用机制。

本研究可能的贡献在于：目前关于银行信贷与供应

链融资关系的研究，大多采用传统计量方法进行实

证分析，而本文以银行债务诉讼为契机，在倾向值匹

配基础上采用双重差分法进行实证研究，能有效克

服内生性问题，相比于以往文献可以更准确地评估

银行干预对供应链融资的影响。

二、理论分析与研究假设

供应链金融以核心企业为依托，在真实贸易基

础上，通过自偿性贸易融资为上下游企业提供灵活

的融资服务，它集商流、物流、信息流和资金流为一

体，是以疏通产业链现金流为目的的一种金融创新

模式[9]

。就供应链金融存在情境而言，替代性融资

理论认为，由于信贷配给问题，一些借款者无论支付

多高的贷款利息，都无法获得充足的银行贷款，在此

情况下他们会求助于供应商提供商业信用[16，17]

。而

买方市场理论则认为，由于买方强势、买方信用良

好，或者卖方为了实现差别定价、提供产品质量保证

等以使交易尽快完成，卖方愿意为买方提供商业信

用[10]

。为此，尽管供应链融资外在表现是一样的，但

是他们存在的主导性依据可能具有不一致性。实际

上，银行债权治理会通过多种途径影响供应链融资。

第一，依据或有控制权，在企业债务违约后，银行能

够干预借款人公司治理以及企业投资活动等[18，19]

。

相比于正常还款情况，企业债务违约后，银行有强烈

的动机监控企业，以减少企业过度冒险行为，进而改

善企业经营表现，增加企业价值[18，20]

。在这种预期

下，无论是基于替代融资理论还是基于买方市场理

论下的供应链融资，迫于资金压力，违约企业的供应

链融资可能不变或增加。第二，根据比较优势理论，

相比于银行，商业信用提供者能够更方便且低成本

地获得企业客户经营状况变化等信息，即具有信息

获取优势[13]

。同时，提供商业信用的上游企业对客

户具有控制力优势，如果客户对供应商的选择是理

性的，供应商的不易替代性越强，企业违约搜寻的机

会成本越大，那么供应商越可能通过威胁停止供货

的手段要求企业遵守合约。因此，相比银行来说，供

应商具有更强的控制力[21]

。此外，即便企业经营失

败，供应商也能利用该产品的销售网络迅速处置原

材料等物品，减少损失，也即供应商具有财产挽回优

势。因此，相对于银行，由于供应商面临的信息不对

称程度较低，其治理能力更强[16]

。在企业经营状况

不佳且银行还未采取行动之前，或者说企业还没有

对银行债务违约时，供应商会提前收紧商业信用供

给。在这种预期下，银行债务违约后，企业供应链融

资规模不变或继续收缩。由于供应商对企业信贷违

约事件的反应取决于银行干预后供应商提供商业信

供应链金融 Supply Chain Finance

35

2023年第10期 WUHAN

FINANCE

用的预期收益和与其成本之间的比较，此决定事前

并未明确。基于上述分析，本文提出以下研究假设：

假设1a：银行干预对企业供应链融资具有正向

影响。

假设1b：银行干预对企业供应链融资具有负向

影响。

银行债务违约后，由于破产清算成本高等原因，

在通过非诉讼方式交涉不能保障自身权益的情况

下，银行债权人开始通过法律手段迫使债务人采取

债务重组或资产重组等方式，来保障银行的债权人

利益，这变相增加了债权人对公司治理的干预。具

体就银行债权人干预的路径而言：首先，债务违约

后，银行可能会通过影响企业投资决策来影响供应

链融资。由于债务违约后，银行作为债权人可以通

过修改现有的信贷协议，对公司行为施加更强的合

约限制，修订后的协议几乎涵盖了企业投资决策的

所有方面，包括对有形资产的投资、收购、资产出售

等[18]

。研究表明银行干预主要限制企业代理问题严

重的非效率投资[18—20]

。而供应链融资作为银行信贷

的重要替代性融资资源[14，16]

，非效率投资的下降会

降低企业对供应链融资的需求。其次，债务违约后，

银行可能会通过影响企业财务决策来影响供应链融

资。债务违约后，银企双方修订信贷协议也会限制

企业财务决策，例如对营运资本投资、股息支付、获

取新的融资等进行再约定。在修订协议的约束下，

相对而言，债务违约后企业的财务政策更趋于保守，

例如企业持有更多的现金、发行更少的债务或者保

持更低的财务杠杆率[18]

。由于相对于非融资约束型

企业，融资约束型企业持有的库存现金和流动资产

较少[22]

，而应收账款属于企业流动资产，并且银行干

预下的企业保守财务政策也是在流动性冲击下的融

资约束体现。为此，在保守的财务政策下，企业会通

过供应链融资向上下游企业传递流动性信号。基于

此，本文提出如下假设：

假设 2：银行干预可能从投资决策和财务决策

渠道影响供应链融资。

三、研究设计

（一）数据来源及样本选择

本文研究对象为A股上市公司。首先，筛选出

债务违约数据，即从A股上市公司诉讼仲裁数据中

保留公司作为被告，诉讼主体为银行，诉讼案由为欠

款未还的样本。其次，从数据中剔除公司作为担保

而被诉讼的样本，剔除被诉讼公司为金融行业公司

的样本，剔除同一公司同一年度重复的银行欠款未

还诉讼数据。经处理后共得到 607 个违约诉讼数

据。从锐思数据库获得供应链融资以及公司经营等

方面数据，考虑到全球金融危机影响，本文保留了

2011—2022 年间 A 股非金融企业的上市公司数

据。为防止极端值影响，本文对所有连续变量进行

1%分位和99%分位缩尾处理。

（二）变量选取

1.被解释变量：供应链融资。参考宋华等[9]

、陆

正飞等[10]

、宋婕等[24]

的做法，构建供应链融资指标：

静态供应链金融，记为tracre；动态供应链金融，记为

dtracre。

2.解释变量：银行干预。具体包括：债务违约发

生，记为debvio；债务违约公司，记为treat。

3.控制变量。借鉴Zhang[13]

、宋华等[9]

的做法，本

文选取控制变量包括：公司层面的公司规模、资产收

益率、权益比重、销售收入增长率等变量，行业层面

的赫芬达尔指数。本文主要变量定义见表1。

表1 变量定义

类型

被解释

变量

解释

变量

控制

变量

其他

变量

变量名称

静态供应链金融

动态供应链金融

债务违约发生

债务违约公司

公司规模

资产收益率

权益比重

销售收入增长率

资产负债率

固定资产比率

上市年龄

赫芬达尔指数

现金规模

资本性支出

供应商集中度

水平

金融契约制度

符号

tracre

dtracre

debvio

treat

size

roa

networth

growth

leverage

ppe

lnagelst

hhi

lcash

lcapex

htrd5ratot

hmarinter

定义

（期末应收账款+期末应付票据+期末预

收账款）/期初总资产

（期末应收账款+期末应付票据+期末预

收账款-期初应付账款-期初应付票据期初预收账款）/期初总资产

前一年没有债务违约诉讼且当年有债

务违约诉讼则为1，否则为0

公司曾发生债务违约诉讼则为1，否则

为0

总资产取对数

净利润/总资产

所有者权益/总资产

（当期销售收入-上期销售收入）/上期

销售收入

总负债/总资产

固定资产/总资产

上市年数取对数

∑（销售收入/行业销售收入）2

现金/期初总资产

构建固定资产、无形资产和其他长期资

产支付的现金/期初总资产

公司前5名供应商采购金额占总采购金

额的比例高于行业中位数水平则为1，

否则为0

高契约制度水平地区，即高于年度契约

均值水平的地区则为1，否则为0

36

（三）模型与方法

由于供应链融资和银行信贷违约之间可能存在

反向因果关系，例如，公司应付票据过多，不佳的财

务状况会使企业违反银行信贷契约，并且企业不可

观察因素也会影响供应链融资表现。鉴于双重差分

法能较好地处理遗漏变量等问题，故本文利用双重

差分法来比较银行干预前后，债务违约公司的供应

链融资与没有债务违约的可比性公司的供应链融

资，从而得出银行干预对供应链融资的净效应。为

保障结果的有效性，借鉴Gu等[23]

的研究，在使用双

重差分法之前，先使用倾向值匹配法构造具有可比

性的处理组和控制组，即提供使用双重差分法的平

行趋势假设条件。此外，本文使用两组多期DID模

型，具体见模型（1）。本文重点关注系数 β1 ，其反映

了银行信贷违约后银行干预对供应链融资影响的净

效应。模型（1）中，yeart 为年度效应，μi 为个体固

定效应。

tracre(dtracre)

i,t

= β0 + β1treati,t × debvioi,t +

yeart + μi + εi,t

（1）

为反映供应链融资的动态效果以及解决潜在的

反向因果关系，参考Gu等[23]

的做法，本文考虑了9年

的时间窗口，估计如模型（2）所示。其中，beforej 为

虚拟变量，表示债务违约发生前j年；debvio 表示银

行债务违约发生当年的虚拟变量，若当年发生债务

违约则为1，否则为0；afterk 表示债务违约发生后的

第k年，也为二值虚拟变量。

tracre(dtracre)

i,t

= β0 +∑j = 1

2 γjtreati,t × beforej +

β1treati,t × debvioi,t +

∑k = 1

4 δk treati,t × afterk +

yeart + μi + εi,t

（2）

四、实证结果分析

（一）PSM过程与共同趋势假设检验

为防止选择性偏误问题，本文为银行债务违约

发生企业寻找匹配对象。具体而言，从有显著银行

借款（即单位企业总资产的银行借款指标超过行业

中位数）但未有银行违约诉讼的企业中选取控制

组。本文采用logit 模型、协变量为表1所示的控制

变量，在此基础上按照1∶3最近邻匹配方法为处理

组匹配控制组对象。

基于 DID 的平行趋势假设，表 2 展示了处理组

和控制组在违约发生前后各协变量的变化。匹配

前，处理组与控制组在企业规模、资产收益率、权益

比重、销售收入增长率等指标上差异显著；匹配后，

这些指标偏差大幅缩减，组间差异不再显著。可知，

匹配后，处理组和对照组的特征较好地满足了共同

趋势假定。

表2 经过匹配后控制组和处理组的偏差变化

变量

size

roa

networth

growth

leverage

ppe

lnagelst

hhi

匹配前

匹配后

U

M

U

M

U

M

U

M

U

M

U

M

U

M

U

M

均值

处理组

21.218

21.218

-0.032

-0.032

0.190

0.190

10.772

10.772

0.970

0.970

0.319

0.319

2.390

2.390

0.729

0.729

控制组

20.864

21.311

0.048

-0.026

0.468

0.178

2.327

12.250

0.514

0.967

0.245

0.319

1.862

2.421

0.061

0.071

偏差变化

偏差绝对值

19.4

-5.0

-82.3

-5.8

-80.3

3.5

34.2

-6.0

41.5

0.3

36.0

0.3

78.0

-4.6

12.2

2.4

缩减率（%）

74.0

92.9

95.7

82.5

99.3

99.2

94.1

80.7

t统计量

t值

1.920

-0.380

-12.320

-0.420

-11.300

0.210

6.730

-0.350

5.840

0.010

4.390

0.020

7.230

-0.470

1.360

0.180

p>t

0.055

0.708

0.000

0.673

0.000

0.835

0.000

0.728

0.000

0.989

0.000

0.983

0.000

0.640

0.175

0.855

为进一步验证平行趋势假设，本文将匹配前后

处理组和对照组的倾向值得分作了对比（见图2）。

匹配前，处理组即债务违约企业（实线）和对照组即

非债务违约企业（虚线）的倾向值得分的密度分布图

差距显著。匹配后，处理组（实线）和对照组（虚线）

的倾向值得分的密度分布图较为趋同。综合而言，

倾向值匹配消除了影响债务违约的可观察差异，增

强了银行干预对供应链融资变化的解释程度。

（二）银行干预对供应链融资的影响

在倾向值匹配的基础上，依据模型（1），表3（1）

图2 匹配前和匹配后的处理组和对照组倾向值得分比较

供应链金融 Supply Chain Finance

37

2023年第10期 WUHAN

FINANCE

和（2）列展示了银行干预后双重差分法的回归结

果。由（1）列可知，债务违约后，银行干预使供应链

融资指标tracre在1%的水平上显著下降；由（2）列可

知，银行干预对供应链融资指标dtracre的回归系数

为-0.044，且在1%的水平上显著。这表示债务违约

后银行干预会使企业供应链融资显著性下降，假设

1b得验。

为了探究银行债务违约后银行干预对供应链融

资的动态效果，以及探究企业在违约前是否存在预

期效果，进而保证研究结论的稳健性，根据模型（2），

表 3（3）至（6）列展示了回归结果。首先，如果模型

存在预期效应，那么treat和beforej交乘项（后文简称

treatbeforej，同理类推其余交乘项简称）的估计系数

显著不为 0。这意味着前文的倾向值匹配处理失

败，或者说在银行干预前就形成了供应链融资调整

的预期。在这种情况下，处理组与对照组的结果变

量在债务违约发生前不具有可比性，双重差分法估

计结果有偏差。而根据表 3（3）和（4）列结果显示，

treatbefore1的估计系数不显著，即债务违约前一期，

供应链融资并不存在银行干预预期。进一步在表3

（5）和（6）列引入交乘项 treatbefore2，其表示债务违

约前两年的时间虚拟变量。结果显示，treatbefore2

的系数依然不显著。这表示经过处理后银行债务违

约发生前供应链融资并未出现调整预期。其次，根

据表 3（3）至（6）列结果显示，债务违约发生后企业

供应链融资不仅在当年（treatdebvio）出现显著性下

降，违约后的第一年（treatafter1）企业供应链融资也

显著下降，然而到第二年这一影响不再显著。这也

进一步验证了债务违约后银行干预会使企业供应链

融资显著下降，说明债务违约发生前企业供应链融

资不存在预期效果，尽管供应链融资受银行干预影

响的持续年限不长，但银行干预对企业供应链融资

影响仍具有一定的时滞性。

（三）稳健性分析

通过以上分析，本文得到的核心结论是，银行干

预使企业供应链融资显著下降。为保证核心结论的

可靠性，本文从以下几方面开展稳健性检验：（1）进

行反事实检验。有鉴于发生债务违约的企业主要为

传统制造行业，而制造行业在经济转型阶段更有可

能发生债务违约。为此，文章以制造业来构建反事

实检验，发现treatdebvio系数并不显著。此外，文章

把债务违约时间提前两年，在此基础上进行倾向值

匹配后进行双重差分法检验，同样发现 treatdebvio

系数并不显著。这些从另一个侧面支撑了假设 1b

的结论。（2）倾向值匹配使用 probit 方法进行估计，

核心结论仍然成立。（3）调整倾向值匹配时的协变

量，在增加企业融资约束、银行贷款规模、应收账款

规模等指标后发现核心结论仍然成立。（4）对基础数

据进行OLS回归后核心结论仍然显著。（5）替代性因

变量，由于应付票据含有商业承兑汇票和银行承兑

汇票，而后者涉及银行授信，因此使用应付账款的相

对值来衡量供应链融资，核心结论仍然显著。受篇

幅限制，具体结果不再呈现。

五、影响机制检验

债务违约后银行干预显著降低了供应链融资，

那么银行干预究竟通过什么渠道降低供应链融资？

借鉴Nini等[18]

的研究，本文分别选取公司资本性支

出（lcapex）和公司现金规模（lcash）作为公司投资政

策和财务政策变化的代理变量，进而分析投资政策

和财务政策在影响企业供应链融资上的中介效应。

表3 银行干预对供应链融资的影响

变量

treatdebvio

treatbefore2

treatbefore1

treatafter1

treatafter2

treatafter3

treatafter4

treatafter5

treatafter6

_cons

年度效应

个体效应

N

R2

(1)

tracre

-0.041***

(-2.88)

0.233***

(27.75)

控制

控制

2434

0.019

(2)

dtracre

-0.044***

(-2.78)

0.035***

(5.56)

控制

控制

2181

0.029

(3)

tracre

-0.053***

(-2.64)

-0.027

(-1.52)

-0.047*

(-1.89)

-0.003

(-0.06)

0.035

(0.75)

0.016

(0.37)

-0.058*

(-1.93)

-0.059

(-1.39)

0.234***

(27.79)

控制

控制

2434

0.034

(4)

dtracre

-0.051***

(-2.94)

-0.013

(-1.00)

-0.032*

(-1.80)

-0.000

(-0.01)

-0.007

(-0.33)

0.006

(0.22)

-0.030*

(-1.70)

0.001

(0.02)

0.035***

(5.63)

控制

控制

2181

0.038

(5)

tracre

-0.059***

(-2.61)

-0.028

(-1.32)

-0.033

(-1.58)

-0.054**

(-2.04)

-0.009

(-0.18)

0.028

(0.61)

0.009

(0.21)

-0.064**

(-2.04)

-0.065

(-1.53)

0.236***

(27.50)

控制

控制

2434

0.035

(6)

dtracre

-0.054***

(-3.13)

-0.012

(-0.82)

-0.016

(-1.16)

-0.034*

(-1.88)

-0.003

(-0.13)

-0.010

(-0.44)

0.003

(0.10)

-0.033*

(-1.82)

-0.002

(-0.05)

0.036***

(5.68)

控制

控制

2181

0.038

注：***、**、*分别表示在 1%、5%和10%的水平上显著；括号内为t

值统计量。下表同。

38

参考温忠麟等[25]

的研究方法，本文构建的中介效应

模型由如下四组方程构成：

tracre(dtracre)

i,t

= β0 + β1treati,t × debvioi,t +

yeart + μi + εi,t

（3）

lcapexi,t = b0 + b1treati,t × debvioi,t +

yeart + μi + εi,t

（4）

lcashi,t = c0 + c1treati,t × debvioi,t +

yeart + μi + εi,t

（5）

tracre(dtracre)

i,t

= d0 + d1treati,t × debvioi,t +

φlcapexi,t + δlcashi,t +

yeart + μi + εi,t

（6）

表4报告了影响机制的检验结果。其中，（1）和

（2）列是对基准双重差分模型（3）式的估计结果。（3）

列以企业资本性支出为因变量，交乘项 treatdebvio

的估计系数在1%水平上显著为负，说明债务违约降

低了企业的资本性支出。这主要是因为，债务违约

后，银行为了保护自己的债权，会削减企业非效率投

资或代理问题严重的投资领域[19，20]

。（4）列以企业现

金规模为因变量，交乘项 treatdebvio 的估计系数显

著为负，意味着债务违约显著降低了企业的现金持

有程度。原因可能在于，企业发生债务违约后，银行

会加速回收贷款，导致企业的融资约束困境变得更

加严峻[23]

。（5）和（6）列进一步报告了因变量对基本

自变量和中介变量回归的结果。据显示，中介变量

lcapex 的估计系数显著为正，表明资本性支出与供

应链融资呈正相关关系，若资本性支出水平下降导

致企业供应链融资下降，这与通常的预期是相符的，

即企业资本性支出水平下降，企业投资政策更加保

守，其供应链融资需求也会减弱。另外，中介变量

lcash 的估计系数均在 1%水平上显著为正，表明企

业现金规模与供应链融资呈正相关关系，银行干预

后企业现金规模下降导致供应链融资需求下降。这

也更加表明企业财务政策趋于保守，与Nini等[18]

的

发现相一致。以上检验较好地印证了企业资本性支

出水平下降、企业财务政策趋于保守是债务违约后

银行干预降低企业供应链融资的两个重要渠道，即

假设2得验。

需要指出的是，与表 4（1）和（2）列基准回归结

果相比，在分别加入中介变量 lcapex 和 lcash 之后，

（5）和（6）列treatdebvio的估计系数值和显著性水平

均出现一定幅度下降，这初步表明“企业投资政策”

和“企业财务政策”中介效应的存在。为此，本文采

用Sobel检验方法，检验经过中介变量路径上的回归

系数的乘积项是否显著，即检验 H0：φb1 = 0 和

H0：δc1 = 0 。如果原假设受到拒绝，则表明中介效

应 显 著 。 根 据 乘 积 项 φb1 和 δc1 的 标 准 差 ，

sφb1

= φ2

s

2

b1

+ b2

1 s

2

φ ，s δc1

= δ2

s

2

c1

+ c

2

1 s

2

δ ，其中 s 表示相

应估计系数的标准差。结合表4（5）列的估计结果，

可以计算得到乘积项 φb1 和 δc1 的标准差分别为

0.00160507 和 0.00687158，在此基础上计算得到

Zφb1

=-1.9044715和 Zδc1

=-2.6782254。前者通过5%

显著性检验，后者在1%的显著性水平上通过中介效

应检验。同理可得出表 4（6）列的估计结果，Zφb1

=

-3.3532009和 Zδc1

=-2.5316725，两者在1%的显著性

水平上拒绝原假设，即存在中介效应。这进一步验

证了“企业投资政策”和“企业财务政策”中介效应的

可靠性。

表4 银行干预对供应链融资的作用机制

变量

treatdebvio

lcapex

lcash

_cons

年度效应

个体效应

N

R2

(1)

tracre

-0.041***

(-2.88)

0.186***

(7.22)

控制

控制

2434

0.019

(2)

dtracre

-0.044***

(-2.78)

0.024**

(2.03)

控制

控制

2181

0.029

(3)

lcapex

-0.029***

(-8.38)

0.047***

(13.78)

控制

控制

4295

0.036

(4)

lcash

-0.072***

(-2.79)

0.152***

(14.14)

控制

控制

3750

0.017

(5)

tracre

-0.020

(-1.39)

0.106*

(1.96)

0.256***

(9.73)

0.150***

(5.03)

控制

控制

2077

0.308

(6)

dtracre

-0.031*

(-1.90)

0.114***

(3.66)

0.135***

(6.07)

0.002

(0.17)

控制

控制

1861

0.152

六、进一步分析

（一）供应商集中度

进一步地，本文探究银行干预对供应链融资影

响是否受到供应商特征尤其是供应商集中度的影

响。由于供应链融资是供给与需求共同作用下的一

种均衡，如果供应商的利润对特定客户依赖性越强，

那么供应商投资的专用性也越强。尽管债务违约后

客户陷入财务困境，供应商为了维持持久的产品市

场关系，可能对陷入财务困境的客户给予更多的融

资支持，以保证买方的生存和促进买方的成长[21，26]

。

因此，卖方对客户依赖性的强弱会影响客户供应链

供应链金融 Supply Chain Finance

39

2023年第10期 WUHAN

FINANCE

融资的变化。为此，本文在基准双重差分模型中引

进供应商集中度进行分组回归。按照前5名供应商

采购金额占总采购金额的比例将供应商集中度分为

高、低两组，检验结果如表5（1）至（4）列所示。

表5（1）和（2）列报告了银行干预对供应商集中

度较高的企业供应链融资的影响。本文发现交乘项

treatdebvio 的估计系数为负并且分别通过1%和5%

水平的显著检验，这意味着供应商集中度较高，银行

干预后企业供应链融资下降的幅度较大。并且这些

系数远小于表4（1）和（2）列中的银行干预对供应链

融资的平均影响效应，可知供应商集中度较高的企

业，银行干预对其供应链融资的影响也较强。

此外，对于供应商集中度较低的企业，银行干预

对供应链融资影响的回归结果见表 5（3）和（4）列。

可知，交乘项treatdebvio的估计系数为负值，但未通

过显著性检验，这意味着银行干预未能对供应商集

中度较低的企业的供应链融资产生显著影响。并且

这些系数与表4中的银行干预对企业供应链融资的

平均影响效应相比，均出现了较大幅度的上升，进一

步说明了供应商集中度较低的企业，银行干预对供

应链融资无显著影响。

综上分析可以看出，供应商集中度较高的企业，

银行干预对其供应链融资的抑制作用也较大。对此

可能的解释是，供应商集中度较高，企业采购中的不

确定性、交易成本、生产成本等降低，加上原材料品

质容易控制，企业采购的重复性提高，产品的质量也

上升。尽管基于信号传递理论，供应商集中度高的

企业容易获得较多的银行贷款[27]

，然而，供应商集中

度较高，企业对供应商的依赖程度和转移成本较高，

供应商议价能力强，债务违约后，强势的供应商更可

能“落井下石”[13，24]

。

（二）金融契约制度

与银行债权契约相比，供应链融资

的商业信用契约更具有不完全性，其履

约面对的不确定风险更大[21]

。此外，后

者的贷款求偿权劣于前者[28]

。作为一个

保障企业合约有效实施的法律框架和

执法体系，金融契约制度对金融中介有

一定程度影响。那么银行干预对供应

链融资影响是否受到金融契约制度的

影响？

为考察不同金融契约制度环境下，

银行干预对供应链融资影响的异质性，本文在基准

双重差分模型的基础上进行异质性回归。参考李俊

青等[29]

的研究，本文采用王小鲁等[30]

提供的“市场中

介组织的发育和法律制度环境”指数来衡量金融契

约制度环境，对于中间缺失年份数据采用线性插值

的方法进行补充。根据年份契约制度均值，把高于

均值的归为契约制度保护较好的省份，把低于均值

的归为契约制度保护较弱的省份，然后进行分组检

验，具体见表5（5）至（8）列。

表 5（5）和（6）列报告了契约制度保护较好省

份，银行干预对供应链融资的影响。可知，交乘项

treatdebvio的估计系数为负并且通过1%水平的显著

检验，这意味着契约制度保护较好地区对银行等金

融机构的保护力度较好，银行干预后供应链融资受

到的抑制作用越大。并且这些系数远小于表 4（1）

和（2）列中的银行干预对供应链融资的平均影响效

应即 treatdebvio 系数，可知契约保护制度较好的地

区，银行干预对企业供应链融资的抑制作用较强。

此外，契约制度保护较弱地区银行干预对企业

供应链融资影响的回归结果见表5（7）和（8）列。（7）

列中的交乘项 treatdebvio 的估计系数为负值，但是

未通过常规水平的显著性检验；（8）列则在10%的显

著性水平上为-0.034，远大于表5（6）列的-0.098，以

及大于表4（2）列的-0.044。这意味着，在契约制度

保护较弱的地区，银行干预对供应链融资的异质作

用较弱。

综上，金融契约保护制度较好，银行干预对供应

链融资的抑制作用较大。对此可能的解释是，相对

于供应链企业间信用，银企间信贷契约较正规，高金

融契约制度水平在某种程度上意味着地区对银行借

贷契约实行更严格的保护，债务违约以后银行干预

表5 银行干预对供应链融资影响强度的异质性检验

变量

treatdebvio

_cons

年度效应

个体效应

N

R2

(1)

供应商集中度较高

tracre

-0.049***

(-2.78)

0.221***

(23.80)

控制

控制

1601

0.015

(2)

dtracre

-0.052**

(-2.53)

0.024***

(3.44)

控制

控制

1420

0.023

(3)

供应商集中度较低

tracre

-0.014

(-0.28)

0.278***

(13.62)

控制

控制

833

0.072

(4)

dtracre

-0.026

(-0.79)

0.053***

(3.70)

控制

控制

761

0.033

(5)

契约制度保护较好

tracre

-0.100***

(-3.04)

0.269***

(15.71)

控制

控制

765

0.025

(6)

dtracre

-0.098***

(-2.77)

0.039***

(2.95)

控制

控制

675

0.033

(7)

契约制度保护较弱

tracre

-0.027

(-1.55)

0.220***

(20.39)

控制

控制

1181

0.012

(8)

dtracre

-0.034*

(-1.69)

0.038***

(4.62)

控制

控制

1054

0.027

40

会对企业的投资、财务政策等产生较大影响，进而保

护银行自身权益[29]

，供应链融资根据预期得以下

调。此外，契约制度保护提高了银行干预对企业投

融资决策的影响，企业非效率经营活动的收缩减少

了对供应链融资的需求。

七、结论与启示

企业债务违约会引发多个连锁反应，本文以银

行债务契约违约为契机，在倾向值匹配和双重差分

法的基础上评估了银行干预对供应链融资的影响效

应及其作用机制。主要有如下几点发现：（1）银行干

预会显著降低企业供应链融资规模。（2）机制分析表

明，企业投资政策与财务政策变化是银行干预降低

供应链融资的两个重要渠道。（3）在异质性分析中，

供应商集中度越高，银行干预对供应链融资的抑制

作用越大，并且在契约制度水平较完善的地区，银行

干预对企业供应链融资的抑制作用较大。

根据上述研究结论，本文得出以下启示：

首先，提高企业供应链融资质量，增强企业抗风

险能力。本文发现债务违约后银行干预使得供应链

融资下降，尤其是供应商集中度较高，供应链融资下

降幅度较大。供应链融资对银行信贷的替代性融资

角色并未完全发挥，企业供应链融资关系不够紧密，

受银行干预影响严重。为提升供应链金融质量，企

业需着力提升契约精神，在交易过程中同上下游企

业签订信贷合约和风险分担条款，提升供应链金融

的使用效率和使用质量，以获取更优质的供应链融

资支持。

其次，强化供应链金融保护，政府有必要构建完

善的供应链商业信用监管体系，加强商业信用相关

立法，设立区域性商业信用担保机构（包括保险公

司、担保集团等），降低企业商业信用的违约风险，提

高企业的供应链融资水平。

最后，债权人银行要完善对企业的全程监控机

制。在建立债务契约前，银行要针对企业尤其是中

小企业完善放贷机制，减少信贷配给问题；在契约建

立后企业正常运行阶段，为有效防范企业陷入财务

困境，银行可要求企业加强相关信息披露，对企业行

使监督权，预防公司管理层出现激进行为或违反信

贷契约行为等；企业债务违约后，由于企业运营有一

定行业特殊性，银行应加快专营机构和人员队伍建

设，积极参与企业管理帮其脱困。■

[参考文献]

[1] 宋华，杨雨东.中国产业链供应链现代化的内涵与发展路

径探析[J].中国人民大学学报，2022（1）：120-134.

[2] LAMOUREUX J-F，EVANS T A. Supply Chain Finance：

A New Means to Support the Competitiveness and Resilience

of Global Value Chains[R]. Social Science Research Network，

Working Paper No.2179944，2011.

[3] 郭捷，谷利月.农业供应链金融能有效缓解企业的融资约

束?涉农企业参与精准扶贫的实证研究[J].运筹与管理，2022

（3）：112-118.

[4] 王贞洁，李真真.供给侧结构性改革中商业信用再配置的

经济后果：“锦上添花”抑或“雪中送炭”[J].商业研究，2019

（11）：12-22.

[5] 韩民，高戌煦.供应链金融对企业融资约束的缓解作用：

产融企业与非产融企业的对比分析[J].金融经济学研究，

2017（4）：59-69.

[6] 凌润泽，潘爱玲，李彬.供应链金融能否提升企业创新水

平?[J].财经研究，2021（2）：64-78.

[7] 姚星，杨孟恺，李雨浓.商业信用能促进中国制造企业创

新吗?[J].经济科学，2019（3）：80-92.

[8] GELSOMINO L M，MANGIARACINA R，PEREGO A，et

al. Supply Chain Finance：A Literature Review[J]. Internation⁃

al Journal of Phsical Distribution & Logistics Management，

2016，46（4）：348-366.

[9] 宋华，黄千员，杨雨东.金融导向和供应链导向的供应链

金融对企业绩效的影响[J].管理学报，2021（5）：760-768.

[10] 陆正飞，杨德明.商业信用：替代性融资，还是买方市场?

[J].管理世界，2011（4）：6-14.

[11] 马亚明，张洁琼.商业信用：替代性融资，还是流动性危

机的信号?[J].商业研究，2019（6）：103-112.

[12] 鲍长生.供应链金融对中小企业融资的缓解效应研究

[J].华东经济管理，2020（12）：91-98.

[13] ZHANG Z. Bank Interventions and Trade Credit：Evi⁃

dence from Debt Covenant Violations[J]. Journal of Financial

and Quantitative Analysis，2019（5）：2179-2207.

[14] 张润宇，余明阳.社会资本、债务约束与非效率投资：基

于中国上市家族企业数据的分析[J].管理评论，2020（12）：

61-77.

[15] 童盼，陆正飞.负债融资、负债来源与企业投资行为：来

自中国上市公司的经验证据[J].经济研究，2005（5）：75-84.

[16] 王彦超，林斌.金融中介、非正规金融与现金价值[J].金

融研究，2008（3）：177-199.

[17] 王鲁昱，李科.供应链金融与企业商业信用融资：基于资

产专用性的分析视角[J].财经研究，2022（3）：154-168.

[18] NINI G，SMITH D C，SUFI A. Creditor Control Rights，

Corporate Governance，and Firm Value[J]. The Review of Fi⁃

nancial Studies，2012，25（6）：1713-1761.

[19] CHAVA S，ROBERTS M R. How Does Financing Impact

Investment the Role of Debt Covenants[J]. The Journal of Fi⁃

nance，2008，63（5）：2085-2121.

[20] 程京京，李瑞晶，杨宜，等.银行干预与企业风险转移：来

自创新活动的经验证据[J].金融论坛，2020（10）：9-20.

[21] CUÑAT V，GARCÍA- APPENDINI E. Trade Credit and

its Role in Entrepreneurial Finance[M]. The Oxford Handbook

of Entrepreneurial Finance，Oxford University Press，2012.

[22] 徐晓燕，孙燕红.供应链企业财务困境的传递过程研究

[J].中国管理科学，2008（4）：132-139.

（下转第50页）

供应链金融 Supply Chain Finance

41

2023年第10期 WUHAN

FINANCE

一、引言

近年来，部分实体经济开始转向回报率较高的

金融行业，甚至干脆从实体企业变身为金融控股集

团。尽管金融资产投资可以在一定程度上解决产能

过剩、资源错配、生产成本上升等问题，但这种现象

不可避免会导致一系列“并发症”。实体企业金融化

不仅会降低我国金融业服务实体经济的效率，提高

了金融风险，也不利于企业主营业务的健康发展，极

大影响了我国经济发展的韧性和可持续性。为了促

进我国实体经济和金融行业的健康发展，2017年党

的十九大报告明确指出，要“深化金融体制改革，增

强金融服务于实体经济的能力”。因此，研究中国实

体经济金融化因素，防范和化解经济脱实向虚的风

险，对中国经济走上高质量发展具有重要意义。

已有关于金融化的研究从企业盈利能力[1]

、高

管特征[2]

、融资约束[3]

、宏观经济环境[4]

等方面进行了

探讨，但很少从供应商竞争这一供应链角度展开。

组织经济学和战略研究表明，上游供应商市场的竞

争能为买方企业带来相应的经济效益，而且这种竞

争也将削弱供应商的定价能力，降低原材料采购价

格，使得买方企业有着较低的业绩波动风险和较高

的利润回报[5]

。如果供应商屈从于买方企业较高的

市场优势，降低对其的监督和制约，则持续稳定的收

益和富余的现金将可能促使买方企业提高其金融化

资产配置；而如果供应商考虑到与买方企业利益共

享、风险共担的利益诉求，势必在适当的时候发挥相

机治理作用，从而抑制买方企业管理层的过度金融

化动机和行为。为了考察在供应商竞争环境下我国

上市公司供应商到底表现为何种动机和行为，本文

选取2007—2021年A股上市公司为研究样本，研究

了供应商竞争对买方企业金融投资的影响以及外部

制度环境的调节作用，力图揭示供应商竞争到底是

出于“屈从效应”推动买方企业金融化投资，还是出

于“监督效应”抑制买方企业金融化投资，并通过异

质性分析和中介效应检验进一步验证供应商竞争的

理论路径。

本文可能的贡献体现在以下两个方面：第一，随

着供应链体系和供应链金融对企业发展的重要性日

益突出，本文从供应商竞争角度，基于供应商竞争的

“屈从效应”和“监督效应”，探讨了供应商竞争与买

方企业金融化的关系，丰富了供应链体系和金融化

的理论研究。第二，通过对金融监管和营商环境影

响因素的探究，对商业信用和产品市场竞争的异质

摘 要：本文基于供应商竞争的“屈从效应”和“监督效应”，以 2007—2021 年非金融类上市公司为样本，研究供应商竞争对买方企业

金融化的影响。研究表明：供应商竞争显著抑制了买方企业金融化程度，金融监管和营商环境进一步强化了供应商竞争对买方企业金融

化的抑制作用；在商业信用低和产品市场竞争度高的企业中，供应商竞争对买方企业金融化的抑制作用才得以发挥，并且供应商竞争通

过提高企业信息透明度和内部控制质量抑制了买方企业金融化程度。研究结论揭示了供应链体系中供应商竞争对买方企业金融资产配

置的影响，拓展了现有相关研究。

关键词：供应商竞争；金融化；屈从效应；监督效应；商业信用

中图分类号：F832 文献标识码：A 文章编号：1009-3540（2023）10-0042-0009

基金项目：国家自然科学基金面上项目“中国民营企业集团金字塔结构债务融资优势研究”（71572053）。

■ 韩忠雪 陈思雨

作者简介：韩忠雪（通讯作者）（1971—），男，博士，湖北工业大学经济与管理学院，湖北循环经济发展研究中心，教授，博士生导师； 陈思

雨（1996—），湖北工业大学经济与管理学院硕士研究生。

供应商竞争与买方企业金融化

42

性考察，以及供应商竞争带来的信息透明度和内部

控制质量的机制性检验，全面展现了供应商竞争对

买方企业金融投资的影响和作用机制。

二、理论分析与研究假设

（一）供应商竞争与买方企业金融化

供应商竞争程度是指买方企业产品垂直分工到

对应供应商的密集程度，当买方企业原材料需要从

多数供应商处购买时，说明供应商之间竞争激烈。

供应商作为买方企业重要的非财务利益相关者，会

针对下游公司需求配套相应的生产设备、原料仓储

以及专业物流体系等，以配合买方企业的生产经营

需要。

激烈的供应商竞争关系会削弱供应商自身的议

价能力，以维持双方良好的贸易关系。这使得买方

企业经营不确定性降低，垄断利润增加，较多的富余

资金更可能促进买方企业进行金融化配置。当买方

企业的供应商之间竞争激烈，买方企业对供应商的

依赖程度较小、转换成本较低，在博弈中掌握更强的

话语权时，供应商出于维持竞争优势和维护良好贸

易关系的目的，通常会在原料定价、商业信用和债务

谈判等方面做出屈从妥协[6]

。这会降低买方企业的

生产成本并缓解其融资约束。上游供应商则面临着

输入供应风险、产能激增风险、合作锁定风险、价格

重新谈判风险、质量性能风险以及创新风险等。供

应商竞争增加了供应市场的需求弹性，供应商更趋

向于产品质量改进和创新，以期从竞争者手中夺取

企业更多的市场份额，这些会降低买方企业的质量

性能风险和创新风险，同时，供应商数量的增加通常

也会降低供应链中断的风险并削弱自身的议价能

力，这些都使得买方企业经营风险降低，企业收益增

加。因此，在供应商竞争激烈导致买方企业拥有较

高市场地位的情况下，买方企业更容易获得较多的

商业信用融资[7]

和稳定的市场收益[5]

，企业管理者也

更倾向于追求自身收益最大化[8]

，从而促进买方企

业金融资产配置的提高。

然而，供应商和买方企业合作关系越密切，供应

链风险越容易传染。当买方企业发生财务危机时，

供应商的专用性资产投资因难以转换用途而变为沉

没成本，供应商将会承担下游买方企业陷入财务困

境的风险。作为买方企业重要的外部利益相关者，

供应商可通过契约及其执行效率要求买方企业保障

财务健康，以维护自身利益[9]

。当买方企业过度配

置金融化资产时，供应商考虑到过度金融化未来可

能造成对买方企业实体的损害，以至于影响到未来

自己的原材料供应，因此会实时调整双方的契约关

系，增加对买方企业不利的条款，以达到监督和约束

目的，抑制买方企业进行金融化的动机。而且，尽管

买方企业有着较高的市场地位，但由于供应商较为

分散，选用原材料占比不高，供应商也存在更低的退

出门槛，如果观察到买方企业存在过度金融化的现

象，考虑到该企业未来持续发展的可能性和后续采

购的不确定性，供应商可能会选择退出，而这会增加

买方企业因重新寻找供应商和建立合作关系等产生

的运作成本，加大买方企业自身经营的不确定性和

市场交易成本。因此，买方企业为了保持与优质供

应商的稳定合作关系，会适当降低徇私行为并会考

虑企业的长期发展。这对买方企业无疑会起到一定

的外部监督治理作用。换言之，供应商形成的监督

机制，能够对买方企业管理层的机会主义行为产生

监督和约束作用，进而降低买方企业内部的资产金

融化动机。

综上，当供应商竞争程度的增加提高了买方企

业的市场地位和定价话语权，进而提高了其经营稳

定性和垄断利润时，供应商可能采取积极和消极的

两种应对方式：如果供应商表现为一定程度上的妥

协屈从，富余资金和代理问题将会促使买方企业实

施金融投资；如果供应商表现为积极的外部相机治

理，则会抑制买方企业过度配置金融资产，而更注重

主业的长期发展。基于此，本文提出如下假设1：

H1：供应商竞争激烈会促进买方企业进行金融

资产投资。

H2：供应商竞争激烈会抑制买方企业进行金融

资产投资。

（二）金融监管和营商环境对供应商竞争与企业

金融化关系的影响

大量的实践证明，良好的外部金融监管和企业

经营环境对于企业保持主业长期稳定发展有着重要

的约束和推动作用。因此，为了更好地厘清供应商

竞争为买方企业带来何种促进效应，需要进一步考

察外部环境对供应商竞争与买方企业存在的作用。

近年来，实体企业金融化愈演愈烈，而实体企业

的健康发展离不开金融体系的有效运行。一方面，

从制度的角度来看，金融监管可以限制买方企业通

供应链金融 Supply Chain Finance

43

2023年第10期 WUHAN

FINANCE

过层层嵌套方式进行股权投资和各种非标金融资产

投资，进而抑制实体企业金融化[10]

；另一方面，从企

业微观层面来看，外部金融监管可以强化买方企业

内部控制，在一定程度上削弱管理者利用供应商竞

争而进行谋利的倾向，进而抑制买方企业的金融化

水平。因此，无论是监管制度层面还是企业微观层

面，金融监管均能有效抑制供应商竞争的“屈从效

应”，强化供应商竞争的“监督效应”，从而抑制买方

企业的金融化行为。

营商环境主要包含法律和契约实施效率、行政

审批、融资环境等多种要素。一般而言，一个良好且

透明的营商环境对规避企业风险、调整企业经济结

构、增强企业创新能力等均具有重要的推动作用[11]

。

一方面，良好的营商环境不仅可以为企业创造良好

的市场环境，促进微观主体之间的公平竞争，还可以

通过公平完善的法律环境来提高买方企业的产权保

护、契约履行等，约束由于市场主体信用不足所导致

的机会主义行为，从而促进买方企业积极创新，实现

持续发展，降低企业金融化水平；另一方面，良好的

营商环境可以有效降低市场和企业、企业和企业之

间的信息不对称，提高企业经营和财务信息透明度，

降低企业控股股东与高管可能的道德风险和徇私行

为，从而有利于企业保持主业经营和可持续发展。

因此，良好的营商环境可能抑制供应商竞争的“屈从

效应”，促进供应商竞争的“监督效应”，进而降低买

方企业的金融化水平。基于此，本文提出如下假设：

H3：金融监管和营商环境会弱化供应商竞争对

买方企业金融化的促进作用。

H4：金融监管和营商环境会强化供应商竞争对

买方企业金融化的抑制作用。

三、研究设计

（一）数据来源

本文选用 2007—2021 年 A 股上市公司作为研

究样本，所有数据都取自企业合并报表。为了更好

地契合研究目的，本文对数据进行如下处理：剔除

ST、*ST、金融保险类上市公司；剔除房地产行业，因

为房地产行业在 2007—2021 年间数据发生的变化

较大，对实证的稳定性有影响；剔除数据不完整的样

本。最终获得20304个观测值。同时，本文对模型

中所有的连续变量做 1%和 99%的缩尾处理以消除

极端值的影响。本文数据来源于Wind数据库和国

泰安数据库。

（二）变量定义

1.被解释变量：企业金融化（Fin）

借鉴曹伟等[12]

的做法，使用资产负债表中的金

融资产占总资产的比率来衡量买方企业的金融化水

平。其中，金融资产包括：交易性金融资产、衍生金

融资产、可供出售金融资产、持有至到期投资、长期

股权投资和投资性房地产。

2.解释变量：供应商竞争（SC）

本文在Carter等[5]

的方法上进行了调整，定义供

应商竞争SC的公式为：

SC = 1 -∑HHIi × MHi （1）

其中，HHIi为该买方企业第 i 个供应商的集中

度，即第 i 个供应商销售额占买方企业销售额的比

重；MH为供应商在该买方企业的重要程度，MHi为

第i个供应商的销售额占该买方企业营业成本的比

重。i取值为1到5，因为HHIi×MHi随着上游供应商

的竞争增大而减小，因此本文使用1-ΣHHIi×MHi表

示供应商竞争SC，使得该度量随着上游供应商竞争

增大而增大。

3.调节变量

金融监管（FS），本文借鉴唐松等[13]

的研究，使用

区域金融监管支出与金融业增加值的比值来衡量。

营商环境（BE），本文借鉴牛志伟等[11]

的研究，采用

《中国城市营商环境评价》中的城市营商环境指数

（BE）来衡量，年代空缺的指数采用年均增长率法进

行拟补。

4.控制变量

为控制影响供应商竞争与金融化关系的影响因

素，选择以下控制变量：现金流（Cafl）、资产负债率

（Debt）、两职合一（Dual）、发展能力（Grow）、独立董

事比例（Inde）、总资产收益率（ROA）、股权集中度

（SR）。此外，为消除行业差异和不可观测年度差异

的影响，本文还控制了行业固定效应（Indu）和年度

固定效应（Year）。各变量定义如表1所示。

（三）模型构建

为了研究供应商竞争与买方企业金融投资的关

系，本文设定如下回归模型：

Fin = α0 + α1SC +∑CV + ε （2）

Fin = α0 + α1SC + α2FS(BE)+

α3SC × FS(BE)+∑CV + ε （3）

44

其中，CV代表以上所列示的控制变量，ε 为扰

动项。四、实证结果与分析

（一）描述性统计分析

表 2 报告了主要变量的描述性统计结果。其

中，企业金融化（Fin）的中位数为0.029，表明很多企

业都配置了金融资产；均值与标准差分别为0.071和

0.106，说明不同买方企业之间的金融化程度存在较

大差异。供应商竞争（SC）的均值为0.891，中位数为

0.929，最小值为0.240，最大值为0.991，表明不同买

方企业的供应商竞争分布差异较大。

（二）相关性分析

主要变量的相关性分析如表3所示。供应商竞

争（SC）与企业金融化（Fin）在1%水平上显著为负，

说明供应商竞争越激烈，买方企业金融化程度越低，

初步验证假设H1，即供应商竞争的“监督效应”。控

制变量与企业金融化（Fin）之间存在显著的相关关

系，均在5%水平上显著，说明控制变量的选择具有

一定的研究意义。同时，各变量相关系数小于0.4，

基本可以排除变量之间存在多重共线性的可能。

（三）回归分析

表4（1）和（2）列报告了供应商竞争（SC）与企业

金融化（Fin）的回归结果。从表4可以看出，SC的回

归系数分别为-0.032 和-0.034，均在 1%水平上显

著，表明供应商竞争激烈能够一定程度上抑制买方

企业进行金融资产投资，与假设H2一致。这源于供

应商通过契约制订和退出威胁等行为发挥了相机监

督和治理作用，促使买方企业降低过度金融化行为，

进一步验证了供应商竞争的“监督效应”。

表4（3）至（6）列展示了金融监管和营商环境对

表3 相关性分析

Fin

SC

FS

BE

Cafl

Debt

Dual

Grow

Inde

ROA

SR

Fin

1

-0.066***

-0.029***

-0.105***

0.014***

-0.079***

-0.032***

-0.058***

0.018***

-0.011**

-0.044***

SC

1

0.009

0.010

0.103***

0.026***

-0.024***

-0.062***

-0.012*

0.026***

0.001

FS

1

0.082***

0.008

0.026***

-0.027***

-0.000

-0.004

-0.021***

-0.018***

BE

1

0.042***

-0.054***

0.079***

-0.058**

0.024***

0.034***

-0.004

Cafl

1

-0.139***

-0.004

0.014***

-0.018***

0.023***

0.067***

Debt

1

-0.164***

0.033***

-0.013***

-0.346***

0.013***

Dual

1

0.010**

0.114***

0.044***

-0.046***

Grow

1

-0.004

0.208***

0.021***

Inde

1

-0.028***

0.036***

ROA

1

0.146***

SR

1

注：***、**、*分别表示在 1%、5%和10%的置信度水平上显著。下表同。

表1 变量定义

变量类型

被解释变量

解释变量

调节变量

控制变量

变量名称

企业金融化

供应商竞争

金融监管

营商环境

现金流

资产负债率

两职合一

发展能力

独立董事比例

总资产收益率

股权集中度

年度虚拟变量

行业虚拟变量

符号

Fin

SC

FS

BE

Cafl

Debt

Dual

Grow

Inde

ROA

SR

Year

Indu

定义

(交易性金融资产+衍生金融资产+可供出

售金融资产+持有至到期投资+长期股权

投资+投资性房地产)/总资产

见式（1）

区域金融监管支出/金融业增加值

见正文

经营活动产生的现金流净值/总资产

总负债/总资产

董事长与总经理兼任情况，是为1，否为0

营业收入增长率

独立董事/全部董事

净利润/总资产

第一大股东持股比例

该年度为1，否则为0

该行业为1，否则为0

表2 主要变量的描述性统计

变量

Fin

SC

FS

BE

Cafl

Debt

Grow

ROA

Dual

Inde

SR

均值

0.071

0.891

0.008

36.752

0.087

0.439

0.201

0.051

0.275

37.410

0.347

标准差

0.106

0.121

0.008

9.347

0.215

0.214

0.475

0.083

0.447

5.325

0.152

最小值

0.000

0.240

0.001

5.860

-0.987

0.054

-0.630

-0.339

0.000

30.000

0.085

中位数

0.029

0.929

0.005

37.560

0.082

0.428

0.125

0.047

0.000

33.330

0.324

最大值

0.552

0.991

0.044

78.990

0.760

0.974

3.192

0.292

1.000

57.140

0.750

供应链金融 Supply Chain Finance

45

2023年第10期 WUHAN

FINANCE

供应商竞争和企业金融化的调节作用。由表 4（3）

和（4）列可知，金融监管与企业金融化呈显著负相

关，说明随着地区金融监管的加强，买方企业金融化

显著降低；供应商竞争与金融监管的交互项与企业

金融化的回归系数在5%的水平上显著为负，说明买

方企业所在地区的金融监管越严格，供应商竞争对

买方企业金融化的抑制作用将进一步增强。由表4

（5）和（6）列可知，营商环境和企业金融化呈显著负

相关，说明买方企业所在地区营商环境越好，企业金

融化水平越低；供应商竞争与营商环境的交互项与

企业金融化的回归系数在5%的水平上显著为负，说

明买方企业所在地区营商环境越好，供应商竞争对

买方企业金融化的抑制作用越显著。金融监管、营

商环境分别对供应商竞争的“监督效应”起到了协同

作用，进一步验证了供应商竞争的“监督效应”。

（四）稳健性检验

1.内生性检验

由于供应商竞争与企业金融化之间可能互为因

果关系，进而产生内生性问题，因此本文利用工具变

量对主效应进行回归检验。借鉴底璐璐等[14]

的做

法，选取同年度同行业的供应商竞争的平均水平作

为工具变量，其与解释变量高度相关，与误差项无

关，满足相关性与外生性要求。由表5（1）列可以看

出，供应商竞争与企业金融化回归系数在1%的水平

上显著为负，说明在使用工具变量控制了内生性问

题后，供应商竞争依然能够抑制买方企业的金融化

行为，与主效应保持一致。

考虑到样本选择可能出现偏误，本文使用PSM

配对方法来控制偏误造成的内生性问题，对假设进

行重新检验。考虑到买方企业第一大供应商采购金

额集中临界点在10%左右[15]

，以买方企业的第一大

供应商采购金额是否大于10%，将样本分为处理组

（供应商竞争程度高）和控制组（供应商竞争程度

低），进行一对四匹配。如表5（2）列所示，回归结果

未发生明显变化。

2.替换变量

本文借鉴韩忠雪等[16]

的做法替换解释变量，用

企业第一大供应商采购占比代替供应商竞争，该指

标越大，表明供应商竞争程度越低。如表 5（3）至

（5）列所示，回归结果未发生明显变化。

3.缩减回归样本数据

考虑到 2008—2009 年美国金融危机和 2020—

2021年新冠疫情影响，本文选择2010—2019年数据

样本进行回归。如表 5（6）至（8）列所示，回归结果

未发生明显变化。

（五）异质性检验

考虑到供应商竞争通过监督效应来降低买方企

业金融化程度，为了进一步佐证这一监督效应的存

在，本文考察买方企业的商业信用和产品市场竞争

两种内外部因素的异质性影响，通过这两个因素的

差异结果验证供应商竞争的监督效应。

1.商业信用的异质性检验

商业信用作为产品市场中企业之间销售原材料

或产品而产生的资金往来，不仅能够作为一种无息

负债有效缓解供应链企业之间的资金紧张和融资约

束，而且能够有效识别供应链企业之间的市场地位

高低[17]

。当来自供应商的商业信用较高时，既表明

买方企业自身拥有较高的市场地位和市场定价话语

权，也说明买方企业很少受到供应商的监督和制

约。因此，即便供应商竞争激烈，也很难对其实施有

表4 供应商竞争与买方企业金融化的回归结果

变量

SC

FS

BE

SC×FS

SC×BE

Cafl

Debt

Dual

Grow

Inde

ROA

SR

Constant

Year/Indu

adj_R2

N

(1)

Fin

-0.032***

(-4.21)

0.135***

(3.35)

控制

0.072

20425

(2)

-0.034***

(-4.41)

0.025***

(5.46)

-0.086***

(-21.03)

-0.004***

(-2.97)

-0.008***

(-4.78)

0.000***

(3.00)

-0.022*

(-1.95)

-0.017***

(-3.50)

0.167***

(3.80)

控制

0.106

20425

(3)

-0.375***

(-5.46)

0.006

(1.33)

-0.030***

(-9.61)

-0.013***

(-10.22)

-0.010***

(-7.02)

0.000***

(4.31)

-0.038***

(-3.50)

-0.031***

(-7.66)

0.083***

(18.28)

控制

0.012

20425

(4)

-0.062***

(-9.92)

-0.251***

(-3.07)

-1.082**

(-2.17)

0.037***

(9.14)

-0.043***

(-11.12)

-0.005***

(-3.26)

-0.009***

(-5.35)

0.000***

(3.18)

-0.034***

(-2.98)

-0.028***

(-5.45)

0.132***

(16.59)

控制

0.024

20425

(5)

-0.001***

(-11.20)

0.011*

(1.66)

-0.082***

(-15.54)

-0.010***

(-5.00)

-0.010***

(-3.66)

0.000**

(2.35)

-0.061***

(-4.28)

-0.004

(-0.59)

0.042***

(4.77)

控制

0.035

20425

(6)

-0.062***

(-6.79)

-0.001***

(3.26)

-0.002**

(-2.39)

0.041***

(6.91)

-0.082***

(-14.33)

-0.006***

(-2.79)

-0.009***

(-3.39)

0.000**

(2.28)

-0.050***

(-3.44)

0.000

(0.03)

0.092***

(6.99)

控制

0.047

20425

46

效的监督和相机治理。当来自供应商的商业信用较

低时，说明买方企业的市场地位较低，从而在供应商

竞争较为激烈的情况下，供应商对买方企业依然有

一定的约束和限制，能够有效抑制其过度金融化程

度。因此，本文将样本分为商业信用较高和商业信

用较低两组，进一步考察供应商竞争对买方企业金

融化的影响。

借鉴Gofman等[18]

对商业信用的定义，商业信用

=（应付账款+应付票据+预收账款）/营业成本。回归

结果见表6。可以看出，在商业信用较低组，供应商

竞争与企业金融化显著负相关，供应商竞争与金融

监管和营商环境的交互项与企业金融化显著负相

关，表明在商业信用较低组中，供应商竞争降低了买

方企业金融化水平，并在金融监管与营商环境的共

同作用下，进一步降低了买方企业金融化水平。但

在商业信用较高组，供应商竞争和两者的交互项与

企业金融化水平均没有显著的相关关系。该分组结

果遵从了供应商竞争的“监督效应”。

2.产品市场竞争的异质性检验

已有研究表明，产品市场竞争作

为一种有效的外部治理机制，显著影

响着供应商竞争与买方企业金融化之

间的关系。当买方企业所处市场竞争

程度较高时，企业内外部信息透明度

相应提高，市场投资者更容易掌握控

股股东和管理层的行为和动向，因而

控股股东与管理层受到产品市场的制

约程度就越高，也就更容易抑制买方

企业过度的金融化投资行为。而在这

种透明的信息环境下，买方企业的市

场谈判地位也相应降低，供应商竞争

形成的监督效应也可以得到更好发

挥。当买方企业所处市场竞争程度较

低时：一方面，较低的市场竞争程度降

低了外部投资者和消费者对企业控股

股东和管理层有效的监督和约束；另

一方面，较低的市场竞争程度无形中

提高了买方企业的市场谈判地位，而

作为竞争激烈的供应商更无暇在这种

不透明的信息环境和弱势的谈判地位

下发挥自己的监督约束效应，因此也

就无法有效地抑制买方企业过度的金

融化投资行为。

为了进一步验证供应商竞争的监督效应是否真

实存在，本文将样本分为产品市场竞争较高和产品

市场竞争较低两组，进一步考察供应商竞争对买方

企业金融化的影响。借鉴佟岩等[19]

的研究，使用赫

芬达尔指数（HHI）来衡量产品市场的竞争程度。回

归结果见表7。可以看出，在产品市场竞争较高组，

供应商竞争、供应商竞争与金融监管和营商环境的

交互项均与企业金融化呈显著负相关关系；而在产

品市场竞争较低组，则没有显著的关系。这表明供

应商竞争的监督效应在产品市场竞争较高组得到强

化，而在产品市场竞争较低组的抑制作用消失。

（六）机制检验

由前文所述，供应商竞争由于发挥监督效应而

降低了买方企业金融化程度。为了验证这种监督效

应是否存在，本文利用信息透明度和内部控制强度

来探究供应商竞争与企业金融化的内在影响机制。

表5 工具变量回归结果

变量

SC

FS

BE

SC×FS

SC×BE

Cafl

Debt

Dual

Grow

Inde

ROA

SR

Constant

Year/Indu

adj_R2

N

(1)

工具变量

Fin

-2.393***

(-3.24)

0.138***

(3.45)

-0.031*

(-1.80)

-0.002

(-0.34)

-0.017***

(-3.66)

0.000

(0.23)

-0.125***

(-3.27)

-0.111***

(-4.66)

0.077***

(5.95)

控制

0.036

20425

(2)

PSM

-0.004**

(-2.56)

0.002

(0.54)

-0.040***

(-5.24)

-0.004*

(-1.84)

-0.008***

(-7.00)

0.000

(0.68)

-0.040***

(-3.86)

-0.047***

(-3.76)

0.091***

(3.85)

控制

0.068

5045

(3)

替换变量

0.015**

(2.48)

0.018***

(3.66)

-0.069***

(-16.18)

-0.005***

(-3.15)

-0.006***

(-3.83)

0.000**

(2.56)

-0.024**

(-1.98)

-0.021***

(-4.07)

0.077***

(5.95)

控制

0.100

17376

(4)

0.051***

(9.54)

-0.312***

(-3.44)

1.124*

(1.72)

0.022***

(5.46)

-0.070***

(-17.33)

-0.002

(-1.05)

-0.011***

(-7.17)

0.001***

(3.86)

0.012***

(16.43)

-0.040***

(-7.97)

-0.176***

(-11.08)

控制

0.036

17376

(5)

0.044***

(5.44)

0.001***

(8.38)

0.002**

(2.09)

0.039***

(6.58)

-0.083***

(-14.38)

-0.006***

(-2.83)

-0.008***

(-3.29)

0.000**

(2.30)

-0.052***

(-3.58)

0.002

(0.22)

0.029***

(2.72)

控制

0.046

17376

(6)

缩减数据

-0.035***

(-3.47)

0.042***

(6.27)

-0.128***

(-22.21)

-0.004*

(-1.80)

-0.007***

(-2.86)

0.001***

(3.21)

-0.041***

(-3.00)

-0.005

(-0.79)

0.136***

(9.03)

控制

0.108

15448

(7)

-0.060***

(-6.59)

-0.335**

(-2.26)

-3.130***

(2.70)

0.050***

(8.02)

-0.084***

(-14.57)

-0.005**

(-2.33)

-0.012***

(-4.39)

0.001**

(2.56)

-0.048***

(-3.26)

-0.003

(-0.34)

0.146***

(12.62)

控制

0.042

15448

(8)

-0.061***

(-6.70)

-0.001***

(8.34)

-0.002***

(-2.64)

0.047***

(7.49)

-0.082***

(-14.19)

-0.006***

(-2.82)

-0.010***

(-3.80)

0.000**

(2.32)

-0.050***

(-3.41)

-0.000

(-0.01)

0.089***

(6.77)

控制

0.049

15448

供应链金融 Supply Chain Finance

47

2023年第10期 WUHAN

FINANCE

一方面，作为买方企业重要的利益相关者，供应

商为了保持与买方企业长期的合作关系，势必会在

买方企业出现不利的财务状况和存在较高的代理问

题时进行相应的治理干预，而这种外部供应链市场

的监督和约束，会缓解买方企业的信息不对称问题，

提高买方企业财务信息透明度和内部控制质量，抑

制其较高的代理问题和过度金融化，而买方企业也

会为了维持较好的供应商关系，适当降低其金融资

产的配置。另一方面，供应商竞争激烈会使买方企

业收益更加稳定，不仅会增加买方企业的价值，也会

提高股东、供应商以及外部投资者对买方企业的关

注，在内外监督和约束的情况下，买方企业会更加积

极地进行信息披露，提高其信息透明度和内部控制

质量，约束管理层行为，削弱管理层的机会主义倾

向，进而抑制自身的过度金融化行为。

为了验证上述分析，借鉴董竹等[20]

的衡量方法，

使用修正的横截面Jones模型，采用前三期可操控应

计利润绝对值加总的方法来构建信息透明度指标

（Opaque）。该指标数值越大，表明企业的信息透明

度越低。借鉴曹越等[21]

的做法，使用迪博（DIB）数据

库的“内部控制指数”来衡量买方企业内部控制质

量，并将内部控制指数除以100，用IC表示，即IC=内

部控制指数/100。该指标数值越大，表示企业内部

控制质量越高。为了更进一步验证这种监督效应在

之前的异质性分析中也相应存在，同时引入异质性

中回归结果显著的商业信用较低组和产品市场竞争

较高组。

具体回归结果如表 8 和表 9 所示。表 8（1）和

（2）列展示了全样本信息透明度的机制检验，供应商

竞争（SC）与信息透明度（Opaque）的回归系数在1%

水平上显著为负，而信息透明度（Opaque）与企业金

融化（Fin）的回归系数在1%水平上显著为正，表明

供应商竞争通过提高信息透明度来抑制买方企业的

过度金融化。这一结果在商业信用较低组和产品市

表6 商业信用分组回归结果

变量

SC

FS

BE

SC×FS

SC×BE

CFO

Debt

Dual

Growth

Indep

ROA

SR

Constant

Year/Ind

adj_R2

N

(1)

商业信用较低

Fin

-0.036***

(-3.77)

0.026***

(4.29)

-0.089***

(-15.40)

-0.004**

(-2.05)

-0.009***

(-3.62)

0.000*

(1.74)

-0.011

(-0.72)

-0.014*

(-1.87)

0.103***

(5.77)

控制

0.117

15499

(2)

-0.062***

(-7.25)

-0.251***

(-3.19)

-1.082**

(-2.27)

0.037***

(7.19)

-0.043***

(-10.75)

-0.005***

(-3.24)

-0.009***

(-5.05)

0.000***

(3.21)

-0.034***

(-2.72)

-0.028***

(-5.34)

0.132***

(13.91)

控制

0.024

15499

(3)

-0.062***

(-5.12)

0.001**

(2.28)

-0.002**

(-2.16)

0.041***

(5.46)

-0.082***

(-13.55)

-0.006***

(-2.78)

-0.009***

(-3.09)

0.000**

(2.32)

-0.050***

(-3.27)

0.000

(0.03)

0.092***

(6.36)

控制

0.047

15499

(4)

商业信用较高

0.002

(0.15)

0.017***

(2.87)

-0.030***

(-5.33)

-0.003

(-1.54)

-0.005***

(-3.08)

0.000***

(2.76)

-0.010

(-0.70)

-0.020***

(-3.73)

0.025

(1.50)

控制

0.044

4926

(5)

0.003

(0.32)

-0.067

(-0.58)

-1.330

(-0.79)

0.015**

(2.40)

-0.023***

(-3.89)

-0.003

(-1.55)

-0.005***

(-2.82)

0.000**

(2.42)

-0.013

(-0.83)

-0.019***

(-3.26)

0.024

(1.38)

控制

0.047

4926

(6)

0.015

(1.14)

0.001***

(3.73)

0.001

(0.52)

0.018**

(2.04)

-0.027***

(-3.37)

-0.004*

(-1.72)

-0.006*

(-1.82)

0.001***

(3.14)

-0.015

(-0.79)

-0.020**

(-2.31)

0.005

(0.27)

控制

0.038

4926

表7 产品市场竞争分组回归结果

变量

SC

FS

BE

SC×FS

SC×BE

CFO

Debt

Dual

Growth

Indep

ROA

SR

Constant

Year/Ind

adj_R2

N

(1)

产品市场竞争较高

Fin

-0.049***

(-5.02)

0.023***

(4.28)

-0.095***

(-19.77)

-0.002

(-1.03)

-0.007***

(-4.01)

0.000***

(2.81)

-0.022*

(-1.75)

-0.021***

(-3.60)

0.170**

(2.52)

控制

0.117

14799

(2)

-0.077***

(-10.48)

-0.298***

(-2.81)

-2.646***

(-2.93)

0.030***

(6.36)

-0.043***

(-9.68)

-0.004**

(-2.26)

-0.010***

(-5.15)

0.000***

(2.68)

-0.035***

(-2.59)

-0.032***

(-5.38)

0.147***

(15.80)

控制

0.026

14799

(3)

-0.078***

(-7.45)

0.001***

(8.59)

-0.002**

(-2.04)

0.042***

(6.02)

0.004

(1.34)

-0.002

(-0.60)

-0.015***

(-4.91)

0.000**

(1.98)

0.037**

(2.25)

-0.012

(-1.35)

0.059***

(3.88)

控制

0.028

14799

(4)

产品市场竞争较低

0.003

(0.22)

0.029***

(3.20)

-0.066***

(-8.33)

-0.010***

(-3.20)

-0.009***

(-2.98)

0.000

(0.68)

0.017

(0.73)

0.004

(0.41)

0.050***

(2.76)

控制

0.109

5626

(5)

-0.016

(-1.43)

-0.324*

(-1.84)

0.370

(0.30)

0.062***

(7.64)

-0.039***

(-5.25)

-0.010***

(-3.18)

-0.005

(-1.64)

0.000*

(1.66)

-0.051**

(-2.45)

-0.038***

(-4.06)

0.095***

(6.37)

控制

0.027

5626

(6)

-0.004

(-0.17)

0.000

(0.64)

-0.002

(-1.41)

0.042***

(2.81)

-0.085***

(-6.00)

-0.012**

(-2.46)

-0.003

(-0.43)

0.000

(1.08)

-0.033

(-0.96)

-0.003

(-0.15)

0.095***

(3.28)

控制

0.099

5626

48

场竞争较高组中依然成立，进一步验证

了供应商竞争的监督效应。

由表9可知，供应商竞争（SC）与内部

控制质量（IC）在1%水平上显著为正，而

内部控制质量（IC）与企业金融化（Fin）在

1%水平上显著为负，表明供应商竞争能

够通过提高买方企业内部控制质量，进

而抑制其金融化程度。这一结果在商业

信用较低组和产品市场竞争较高组中仍

然显著，进一步验证了供应商竞争的监

督效应。

五、结论与启示

针对我国上市公司存在的“脱实向

虚”现象，本文以供应链主体之间的合作

博弈行为为研究主线，利用供应商的“监

督效应”和“屈从效应”理论，实证分析了

我国上市公司中供应商竞争对买方企业

金融化的影响。实证研究发现，供应商

竞争能够显著抑制买方企业的金融化行

为，金融监管和营商环境对供应商竞争

和买方企业金融化均有显著的负向调节

作用，实证结果均遵从了供应商竞争的

监督效应。异质性研究发现，在商业信

用低、产品市场竞争激烈的企业中，供应

商竞争对买方企业金融化行为的抑制作

用更为显著，进一步验证了供应商的监

督效应。此外，信息透明度和内部控制

质量在供应商竞争和买方企业金融化之

间发挥着中介作用，表明供应商竞争通

过提高信息透明度和内部控制质量来发

挥监督作用，进一步抑制了买方企业的

过度金融化行为，且在商业信用较低和

产品市场竞争较高的样本中依然存在。

基于以上结论，本文提出如下建议：

对监管部门而言：首先，应积极引导

企业走实业化发展的道路，通过出台针

对实体经济发展的政府补贴、税收优惠

和信贷支持等政策激励企业聚焦实体经

营，尤其是应积极鼓励高端制造业大力

发展。其次，相关部门应积极通过建立

各种行业信息平台和政策引导，为企业

表8 信息透明度的中介效应检验

变量

SC

Opaque

CFO

Debt

Dual

Growth

Indep

ROA

SR

Constant

Year/Ind

adj_R2

N

(1)

全样本

Opaque

-0.018***

(-18.89)

-0.001***

(-3.92)

0.410***

(49.22)

-0.002***

(-12.08)

-0.000

(-1.00)

-0.001***

(-7.49)

0.494***

(35.85)

0.221***

(26.54)

0.178***

(18.17)

控制

0.060

20425

(2)

Fin

-0.063***

(-17.32)

0.000***

(7.99)

0.040***

(18.61)

-0.063***

(-35.61)

-0.004***

(-5.18)

-0.008***

(-11.46)

0.000***

(8.30)

-0.033***

(-6.38)

-0.022***

(-9.86)

0.138***

(34.16)

控制

0.041

20425

(3)

商业信用较低

Fin

-0.036***

(-3.77)

0.026***

(4.29)

-0.089***

(-15.40)

-0.004**

(-2.05)

-0.009***

(-3.62)

0.000*

(1.74)

-0.011

(-0.72)

-0.014*

(-1.87)

0.103***

(5.77)

控制

0.117

15499

(4)

Opaque

-0.157***

(-16.87)

0.0104**

(2.19)

0.269***

(29.00)

-0.021***