數(shù)字金融、投資者情緒與企業(yè)投融資

楊釗霞，駱潤(rùn)葳

（1.中共湖北省委黨校，武漢 432200；2.伯明翰大學(xué)商學(xué)院，英國(guó)伯明翰 B15 2TT）

0 引言

投資者情緒影響企業(yè)投融資的渠道主要有三種：虛假信號(hào)渠道、股權(quán)融資渠道和迎合渠道。虛假信號(hào)渠道理論認(rèn)為，股價(jià)向管理者傳遞信息，即使股市是最好的預(yù)測(cè)者，它也可能出錯(cuò)，因?yàn)楣蓛r(jià)受到投資者情緒的影響，而對(duì)于投資者情緒企業(yè)經(jīng)營(yíng)者是無(wú)法從基本面信息中將其分離出來(lái)的。Morck等（2000）[1]發(fā)現(xiàn)股價(jià)因投資者情緒而膨脹導(dǎo)致經(jīng)營(yíng)者推斷高預(yù)期現(xiàn)金流或低貼現(xiàn)率，這兩者都會(huì)促使更多的投資。股權(quán)融資渠道理論認(rèn)為，股權(quán)的發(fā)行對(duì)企業(yè)的投資能夠產(chǎn)生一定的影響。對(duì)于股票依賴型公司，當(dāng)投資者過(guò)于悲觀、股價(jià)低于基本面時(shí)，股票依賴型公司的理性管理者不會(huì)進(jìn)行投資[2],其投資需通過(guò)偏低的價(jià)格來(lái)進(jìn)行公司股票的發(fā)行。相反，當(dāng)投資者樂(lè)觀且股價(jià)高于基本價(jià)值時(shí)，股票依賴型公司的理性管理者會(huì)發(fā)現(xiàn)發(fā)行股票更有吸引力。該理論在學(xué)術(shù)界也得到了印證[3,4]。迎合渠道指股價(jià)偏離基本面可能直接影響投資決策[5]。在資本市場(chǎng)當(dāng)中，往往會(huì)有比較顯著的信息不對(duì)稱現(xiàn)象，當(dāng)投資者需對(duì)企業(yè)所具有的內(nèi)在價(jià)值進(jìn)行分析判斷的時(shí)候，通常會(huì)有一定程度的策略偏差存在。Panageas（2005）[6]認(rèn)為無(wú)論價(jià)格是否反映投機(jī)成分，股價(jià)最大化時(shí)公司的投資都是有效的。國(guó)內(nèi)學(xué)者的研究也驗(yàn)證了這一觀點(diǎn)[7,8]。

近年來(lái)，互聯(lián)網(wǎng)技術(shù)的運(yùn)用使得傳統(tǒng)金融行業(yè)發(fā)生了改變，互聯(lián)網(wǎng)大數(shù)據(jù)的運(yùn)用一方面有助于金融創(chuàng)新，相比傳統(tǒng)金融需要物理網(wǎng)點(diǎn)經(jīng)營(yíng)的模式，數(shù)字金融極大地拓展了金融服務(wù)的范圍和傳達(dá)的速度。因此，數(shù)字金融利用網(wǎng)絡(luò)平臺(tái)，大大降低了人力和物力的需求，信息收集更加高效和全面，能有效降低企業(yè)融資成本，緩解企業(yè)融資約束，促進(jìn)企業(yè)投資。有研究發(fā)現(xiàn)，數(shù)字金融自身存在一定的技術(shù)優(yōu)勢(shì)，從而有利于金融服務(wù)領(lǐng)域進(jìn)一步拓展其供給的覆蓋面，促進(jìn)信貸效率的進(jìn)一步提高，而整體的服務(wù)成本卻在降低，在和大數(shù)據(jù)相結(jié)合之后，則可使違約的成本增加，使道德風(fēng)險(xiǎn)與逆向選擇有所下降，最終的結(jié)果就是，企業(yè)將會(huì)利用數(shù)字金融渠道得到一定的信貸資源[9]。但是，企業(yè)所存在的融資約束問(wèn)題是否可通過(guò)數(shù)字金融來(lái)得到一定程度的解決？目前已有文獻(xiàn)并未給出直接的結(jié)論，且多以文獻(xiàn)分析為主。鄭志來(lái)（2014）[10]認(rèn)為通過(guò)有針對(duì)性地為中小企業(yè)提供普惠性質(zhì)的金融服務(wù)，數(shù)字金融可以有效改善企業(yè)面臨的融資約束。與此同時(shí)，我國(guó)數(shù)字金融更具有普惠的特性，體現(xiàn)了數(shù)字金融的核心價(jià)值。黃益平和陶坤玉（2019）[11]指出，數(shù)字金融在支持創(chuàng)新、拓展金融普惠性、實(shí)現(xiàn)社會(huì)公平方面具有不可替代的作用。孫濟(jì)濰和沈悅（2021）[12]利用A股非金融上市公司數(shù)據(jù)研究了數(shù)字金融對(duì)企業(yè)金融投資的影響，說(shuō)明了數(shù)字金融可以降低企業(yè)杠桿，緩解融資約束，最終促進(jìn)企業(yè)投資。然而數(shù)字金融對(duì)企業(yè)投資的影響是否具有線性穩(wěn)健性，對(duì)此需要進(jìn)一步討論。

作為影響企業(yè)投融資行為的關(guān)鍵變量，投資者情緒和數(shù)字金融對(duì)企業(yè)投融資行為具有什么樣的影響，便是值得關(guān)注的話題。本文的貢獻(xiàn)在于：（1）針對(duì)數(shù)字金融以及投資者情緒兩個(gè)方面的問(wèn)題，全面地探討了其對(duì)于企業(yè)投融資行為的具體影響機(jī)制；（2）由于我國(guó)金融市場(chǎng)的不完善及企業(yè)異質(zhì)性問(wèn)題，會(huì)使得變量間相關(guān)性以非線性形式展現(xiàn)，因此本文采用非線性面板平滑轉(zhuǎn)換模型研究投資者情緒和數(shù)字金融對(duì)企業(yè)投融資行為的影響。

1 研究設(shè)計(jì)

1.1 研究樣本和數(shù)據(jù)來(lái)源

本文選取的研究樣本為我國(guó)滬深兩市上市企業(yè)，數(shù)據(jù)主要來(lái)源于CSMAR數(shù)據(jù)庫(kù)。本文使用北京大學(xué)數(shù)字金融研究中心編制的省級(jí)數(shù)字金融普惠指數(shù)作為解釋變量。該指標(biāo)采用了螞蟻金服的交易賬戶大數(shù)據(jù)，具有可靠性和代表性，由于該指數(shù)時(shí)間跨度為2011—2018年，因此為統(tǒng)一樣本區(qū)間，本文最終選取2011—2018 年我國(guó)A 股上市公司作為研究樣本?？紤]到極端值影響，對(duì)樣本數(shù)據(jù)在1%和99%分位進(jìn)行Winsorize 縮尾處理，同時(shí)剔除連續(xù)虧損的ST企業(yè)和金融相關(guān)企業(yè)。

1.2 變量選擇

1.2.1 核心變量

（1）數(shù)字金融

借鑒謝絢麗等（2018）[13]的做法，本文使用北京大學(xué)數(shù)字金融研究中心提供的數(shù)字普惠金融指數(shù)作為核心解釋變量，在本文中以符號(hào)EPH表示。

（2）投資者情緒

在開(kāi)展實(shí)證研究工作時(shí)，通常使用“錯(cuò)誤定價(jià)”作為投資者情緒的代理變量，它可以間接度量投資者情緒，然而該方法卻不能將投資者情緒所發(fā)生的實(shí)際改變情況直觀地體現(xiàn)出來(lái)。事實(shí)上，即便沒(méi)有情緒的波動(dòng)，理性的投資行為在不確定的環(huán)境中，公司市場(chǎng)價(jià)值也可能會(huì)偏離其真實(shí)價(jià)值，所以容易造成測(cè)量誤差與內(nèi)生性問(wèn)題。因此，主流的做法是：將大量的可體現(xiàn)出投資者情緒改變情況的相關(guān)變量全面地收集起來(lái)并進(jìn)行因子合成，最終構(gòu)建投資者情緒綜合指數(shù)。本文借鑒Baker 和Wurgler（2007）[3]、周文龍等（2020）[14]的方法，主要利用IPO首日收益率均值以及當(dāng)月的IPO個(gè)數(shù)、當(dāng)月新增開(kāi)戶數(shù)、上月市場(chǎng)整體換手率、A股封閉基金平均折價(jià)率以及消費(fèi)者信心指數(shù)6個(gè)指標(biāo)，運(yùn)用主成分分析方法構(gòu)建投資者情緒綜合指數(shù)，本文以SENT來(lái)表示。

（3）企業(yè)投資

參照國(guó)內(nèi)外主流文獻(xiàn)的一般做法，本文借鑒Richardson（2006）[15]的方法對(duì)企業(yè)投資的變量進(jìn)行衡量，該方法采用無(wú)形資產(chǎn)、長(zhǎng)期性的資產(chǎn)支付現(xiàn)金與期末固定資產(chǎn)三者的總和與企業(yè)的期初總資產(chǎn)之比來(lái)進(jìn)行分析評(píng)價(jià)，在本文中，企業(yè)投資水平用INV來(lái)表示。

（4）融資約束

制約企業(yè)投資的核心變量為企業(yè)面臨的融資約束程度，融資約束指標(biāo)的選取比較靈活，最常見(jiàn)的是用投資敏感現(xiàn)金流模型衡量，然而這種衡量方式目前在研究融資約束相關(guān)問(wèn)題時(shí)得到的結(jié)論往往不一致[16,17]。目前比較通用的融資約束指標(biāo)主要有SA 指數(shù)、KZ 指數(shù)和WWW 指數(shù)，而SA 指數(shù)由于減少了企業(yè)內(nèi)部變量的內(nèi)生性問(wèn)題，所以便于減少測(cè)度誤差。因此本文借鑒已有研究，以SA 指數(shù)來(lái)衡量企業(yè)融資約束，其相關(guān)算式如下所示：0.737SIZE+0.043SIZE2-0.04age，此處，SIZE為企業(yè)自身的發(fā)展規(guī)模，而age則為企業(yè)的成立年限，SA數(shù)值為負(fù)且絕對(duì)值越大，說(shuō)明融資約束程度越強(qiáng)。

1.2.2 控制變量

借鑒靳慶魯?shù)龋?012）[18]和尚煜（2019）[19]提出的方法，采用第一大股東股權(quán)占比（SHARE，第一大股東出資額占出資總額的比重）、主營(yíng)業(yè)務(wù)成本（CC）、企業(yè)的凈現(xiàn)金流量占比（NCF，現(xiàn)金凈流量與流動(dòng)負(fù)債的比值）、營(yíng)收增長(zhǎng)率（GE，本期主營(yíng)業(yè)務(wù)收入與上期主營(yíng)業(yè)務(wù)收入之差與上期主營(yíng)業(yè)務(wù)收入的比值）、資產(chǎn)負(fù)債率（LEV）、發(fā)展規(guī)模（SIZE，期末總資產(chǎn)的自然對(duì)數(shù)）以及反映投資機(jī)會(huì)的托賓Q和宏觀控制變量貨幣增速M(fèi)2_GROWTH來(lái)控制其他影響企業(yè)投資或企業(yè)績(jī)效的因素。

1.3 實(shí)證模型設(shè)定

為探討融資約束和企業(yè)投資之間的關(guān)系，設(shè)定如下基準(zhǔn)回歸模型：

其中，INV為企業(yè)投資，c為常數(shù)項(xiàng)，SA代表融資約束，Z代表控制變量，μi代表企業(yè)個(gè)體效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

為全面系統(tǒng)檢驗(yàn)投資同融資約束的關(guān)系，以前文邏輯分析為基礎(chǔ)，設(shè)置投資者情緒和數(shù)字金融作為門(mén)檻變量進(jìn)行非線性面板平滑轉(zhuǎn)換模型（PSTR）估計(jì)，以此來(lái)研究影響企業(yè)投資決策的非線性效應(yīng)。

非線性面板平滑轉(zhuǎn)換模型在改進(jìn)漢森面板門(mén)檻模型的基礎(chǔ)上發(fā)展而來(lái)，適用于經(jīng)濟(jì)中存在多個(gè)機(jī)制或極端區(qū)間、模型結(jié)構(gòu)隨多個(gè)機(jī)制平滑轉(zhuǎn)換的情形，它可對(duì)回歸系數(shù)在截面及時(shí)間發(fā)生改變時(shí)所存在的具體異質(zhì)性特征進(jìn)行有效捕捉。模型系數(shù)在不同狀態(tài)之間進(jìn)行的平滑轉(zhuǎn)化通過(guò)轉(zhuǎn)移函數(shù)來(lái)確定?；鶞?zhǔn)方程如下所示：

其中，SENT為投資者情緒，EPH為數(shù)字金融指數(shù)，ui為個(gè)體固定效應(yīng)項(xiàng)，εit為誤差白噪聲項(xiàng)，G(sit;c;γ)為轉(zhuǎn)移函數(shù)，c代表某一狀態(tài)下的位置參數(shù)，sit代表轉(zhuǎn)換變量，而轉(zhuǎn)移函數(shù)的平滑轉(zhuǎn)換程度用γ來(lái)表示，稱其為平滑參數(shù)。轉(zhuǎn)移函數(shù)一般為指數(shù)函數(shù)和logistic函數(shù)，本文按照一般國(guó)外文獻(xiàn)慣例，將其設(shè)定為L(zhǎng)ogistic函數(shù)：

在式（2）和式（3）中，βiZit為線性部分，βjG()sit;c;γ Zit為非線性部分，兩部分中包含的變量可以根據(jù)模型優(yōu)化選擇不同的變量形式。當(dāng)只有一個(gè)狀態(tài)或者一種情況時(shí)，PSTR模型則退化為一般線性回歸模型。對(duì)于模型的設(shè)定，是否符合非線性面板平滑轉(zhuǎn)化模型需要首先進(jìn)行設(shè)定檢驗(yàn)，即異質(zhì)性檢驗(yàn)，也就是非線性檢驗(yàn)，判斷模型是否存在非線性效應(yīng)，如果存在異質(zhì)性，則使用PSTR模型進(jìn)行估計(jì)就是合理的，反之則認(rèn)為應(yīng)進(jìn)行線性估計(jì)。

2 實(shí)證結(jié)果分析

2.1 企業(yè)投資與融資約束

本文先針對(duì)融資約束和企業(yè)投資之間所存在的內(nèi)在關(guān)系展開(kāi)基準(zhǔn)實(shí)證檢驗(yàn)工作，表1中詳細(xì)地列出了所得結(jié)果。根據(jù)豪斯曼檢驗(yàn)的結(jié)果可知，相較于混合回歸及隨機(jī)效應(yīng)而言，采用面板固定效應(yīng)分析模型之后，將可獲得更好的結(jié)果。對(duì)于本文表1中所列的相關(guān)結(jié)果，本文將會(huì)通過(guò)控制變量逐一加入法來(lái)展開(kāi)全面的檢驗(yàn)工作。而且，融資約束將會(huì)被SA指數(shù)來(lái)替代，如果其值比較大，則意味著有更小的融資約束。結(jié)果表明，SA 隨著企業(yè)層面和宏觀經(jīng)濟(jì)控制變量的逐一添加，對(duì)企業(yè)投資的影響在逐漸減弱，然而SA 系數(shù)始終為正，由此可知，隨著融資約束程度的降低，企業(yè)投資水平也在不斷提升，符合傳統(tǒng)企業(yè)投資理論[20]。

表1 融資約束與企業(yè)投資關(guān)系的回歸結(jié)果

控制變量方面，企業(yè)規(guī)模SIZE系數(shù)為正，由于我國(guó)企業(yè)多以銀行信貸融資作為投資資金的主要來(lái)源，因此企業(yè)規(guī)模大小直接決定了信貸門(mén)檻和可貸資金，其他控制變量營(yíng)收增長(zhǎng)率（GE）、凈現(xiàn)金流量占比（NCF）、資產(chǎn)負(fù)債率（LEV）、主營(yíng)業(yè)務(wù)成本（CC）、第一大股東股權(quán)占比（SHARE），以及反映投資機(jī)會(huì)的托賓Q和宏觀控制變量貨幣增速M(fèi)2_GROWTH對(duì)企業(yè)投資的影響均基本符合預(yù)期，需要指出的是，關(guān)于企業(yè)投資所受到的貨幣政策以及投資機(jī)會(huì)所帶來(lái)的影響分析結(jié)果和靳慶魯?shù)龋?012）[18]所得到的結(jié)論相符，即如果貨幣政策較為寬松，且投資機(jī)會(huì)良好，則將會(huì)有利于企業(yè)投資。

2.2 數(shù)字金融、投資者情緒與企業(yè)投資

2.2.1 面板數(shù)據(jù)單位根檢驗(yàn)

基于文獻(xiàn)梳理，數(shù)字金融與投資者情緒均會(huì)對(duì)企業(yè)融資約束產(chǎn)生影響，且這種影響會(huì)呈現(xiàn)非線性特征，本文設(shè)置投資者情緒和數(shù)字金融作為轉(zhuǎn)移變量進(jìn)行非線性面板平滑轉(zhuǎn)換模型（PSTR）估計(jì)，從而分析影響企業(yè)投資決策的非線性效應(yīng)。在進(jìn)行PSTR模型估計(jì)之前，本文為了盡可能避免因變量不平穩(wěn)所導(dǎo)致的回歸系數(shù)誤差，而采用了面板單位根檢驗(yàn)的兩種方法：（1）原假設(shè)是相同單位根的LLC和Breitung檢驗(yàn)；（2）原假設(shè)是個(gè)體具有單位根過(guò)程的IPS檢驗(yàn)和PP檢驗(yàn)。表2面板單位根檢驗(yàn)結(jié)果表明，變量均在顯著意義上拒絕存在單位根的原假設(shè)條件，這說(shuō)明本文使用變量基本上是平穩(wěn)的。

表2 面板數(shù)據(jù)單位根檢驗(yàn)

2.2.2 線性和非線性檢驗(yàn)

在估計(jì)面板平滑轉(zhuǎn)換模型之前，需要先驗(yàn)證與投資相關(guān)變量間的關(guān)系是線性面板還是非線性面板PSTR模型，基于前文的分析，采用投資者情緒和數(shù)字金融作為平滑轉(zhuǎn)移變量。為了保證結(jié)果的穩(wěn)健性，選用LRt、LMf和LM這3個(gè)統(tǒng)計(jì)量來(lái)針對(duì)線性假設(shè)條件（H0:γ=0）和非線性假設(shè)條件即具有一個(gè)門(mén)限變量的條件（H1：γ=1）進(jìn)行檢驗(yàn)。表3 列出了非線性檢驗(yàn)所得到的完整結(jié)果，當(dāng)假設(shè)僅有1個(gè)位置參數(shù)即m=1時(shí)，在顯著水平之下，上述3個(gè)統(tǒng)計(jì)量均在統(tǒng)計(jì)顯著水平下拒絕線性假設(shè)條件（H0:γ=0），而如果有2個(gè)位置參數(shù)，則在統(tǒng)計(jì)顯著的水平之下，這3個(gè)統(tǒng)計(jì)量都會(huì)對(duì)原來(lái)的線性假設(shè)條件予以拒絕。因此以投資者情緒和數(shù)字金融作為轉(zhuǎn)移變量的企業(yè)投資方程應(yīng)采用非線性面板PSTR模型。

表3 PSTR模型非線性檢驗(yàn)

2.2.3 位置參數(shù)個(gè)數(shù)確定

根據(jù)表3 結(jié)果可知，實(shí)際上這3 個(gè)統(tǒng)計(jì)量都不能夠?qū)Α坝蟹蔷€性轉(zhuǎn)移函數(shù)”的相關(guān)原假設(shè)條件（H1：γ=1）予以拒絕，統(tǒng)計(jì)值均不顯著，這表明PSTR模型最優(yōu)轉(zhuǎn)移函數(shù)為一個(gè)，為進(jìn)一步確保結(jié)果的穩(wěn)健性，本文采用ACI 和BIC準(zhǔn)則來(lái)深入地驗(yàn)證非線性轉(zhuǎn)移函數(shù)的實(shí)際數(shù)目。下頁(yè)表4 結(jié)果表明，m=1 時(shí)，在兩個(gè)模型中AIC 和BIC 均是最小的，因此本文最終確定轉(zhuǎn)移函數(shù)個(gè)數(shù)m=1。

表4 PSTR模型轉(zhuǎn)移函數(shù)個(gè)數(shù)確定

2.2.4 平滑轉(zhuǎn)移模型估計(jì)結(jié)果

本文以投資者情緒和數(shù)字金融為轉(zhuǎn)移變量的PSTR模型估計(jì)結(jié)果見(jiàn)表5。

表5 PSTR模型估計(jì)結(jié)果

列（1）和列（3）分別為兩個(gè)模型的線性部分結(jié)果，變量Threshold為轉(zhuǎn)移變量的門(mén)限值，即轉(zhuǎn)換函數(shù)中C的取值，lngmma為γ的對(duì)數(shù)形式，代表平滑轉(zhuǎn)移的速度。在本文中，主要探討企業(yè)投資所受到的融資約束變量帶來(lái)的具體影響機(jī)制，根據(jù)列（1）的數(shù)據(jù)可知，企業(yè)投資所受到的SA的影響為：如果EPH不大于222.455,模型處于較低數(shù)字金融發(fā)展水平時(shí)，SA 系數(shù)為-0.001，但并不顯著，當(dāng)EPH大于222.455，即處于較高數(shù)字金融發(fā)展區(qū)間時(shí)，SA最終的系數(shù)為0.021（-0.001+0.022），和數(shù)字金融的整體發(fā)展比較落后的情況相比，如果發(fā)展水平比較高，則會(huì)有利于融資約束的有效緩解，促進(jìn)投資水平的提升。該結(jié)果表明融資約束對(duì)企業(yè)投資的影響，更重要的是通過(guò)PSTR模型，可以看到數(shù)字金融通過(guò)緩解企業(yè)融資約束提升企業(yè)投資水平，樣本內(nèi)大約57%的觀測(cè)值在這一區(qū)間內(nèi)。同理，列（3）結(jié)果表明，當(dāng)轉(zhuǎn)移變量更換為投資者情緒后，線性（Linear）部分，SA系數(shù)為0.025，但是并不顯著，本文推測(cè)當(dāng)投資者情緒低于61.766 時(shí)，基于前文文獻(xiàn)梳理，較低的投資者情緒對(duì)企業(yè)經(jīng)營(yíng)者作出投資決策的影響不大，因此企業(yè)融資約束程度同投資的關(guān)聯(lián)性并不顯著，但是當(dāng)SENT大于61.766時(shí)，模型逐漸落入投資者情緒高漲區(qū)間內(nèi)，SA系數(shù)最終為0.031（0.025+0.006），企業(yè)融資約束的緩解能夠進(jìn)一步提升企業(yè)投資水平，也意味著隨著投資水平的上升，企業(yè)融資約束程度在逐漸加強(qiáng)，最終會(huì)降低企業(yè)投資水平，處于高昂投資者情緒區(qū)制內(nèi)的樣本約占總體觀測(cè)值的比重約為25%。

在其他控制變量方面，除少數(shù)控制變量系數(shù)值不顯著外，結(jié)果同基準(zhǔn)回歸模型基本一致。圖1與圖2給出了相關(guān)的轉(zhuǎn)換函數(shù)曲線圖，根據(jù)圖中數(shù)據(jù)可知，轉(zhuǎn)換函數(shù)具有漸進(jìn)趨近的變化趨勢(shì)，由此可知，數(shù)字金融和投資者情緒對(duì)企業(yè)投資存在非對(duì)稱影響，通過(guò)比對(duì)兩者的轉(zhuǎn)換系數(shù)，投資者情緒在兩種區(qū)制內(nèi)的轉(zhuǎn)換速度更快，同時(shí)也說(shuō)明投資者情緒對(duì)企業(yè)投資的影響更快。

圖1 以數(shù)字金融為轉(zhuǎn)換變量的轉(zhuǎn)換函數(shù)圖

圖2 以投資者情緒為轉(zhuǎn)換變量的轉(zhuǎn)換函數(shù)圖

3 結(jié)論及建議

本文主要通過(guò)PSTR面板平滑轉(zhuǎn)換模型深入地探討了投資者情緒及數(shù)字金融對(duì)企業(yè)投資的影響規(guī)律與機(jī)理。實(shí)證結(jié)果表明，當(dāng)企業(yè)投資面臨融資約束時(shí)，隨著數(shù)字金融水平的提升，企業(yè)面臨融資約束不斷下降，因而會(huì)推動(dòng)企業(yè)投資水平的上漲，同時(shí)也意味著如果保持穩(wěn)定的數(shù)字金融發(fā)展將會(huì)有利于進(jìn)一步改善資本市場(chǎng)。與此同時(shí)，投資者情緒對(duì)企業(yè)投資的影響在處于較高昂情緒區(qū)間內(nèi)，企業(yè)會(huì)面臨較強(qiáng)的融資約束，從側(cè)面說(shuō)明我國(guó)資本市場(chǎng)存在不理性的一面。

針對(duì)上述研究結(jié)論，本文提出如下建議：（1）在政策的制定過(guò)程中，除了關(guān)注政策對(duì)實(shí)體經(jīng)濟(jì)所帶來(lái)的影響之外，也要考慮對(duì)公眾帶來(lái)的不確定性擾動(dòng)，穩(wěn)定預(yù)期，才能達(dá)到合意的施策目的；（2）根據(jù)本文的研究可知，企業(yè)投資會(huì)受到投資者情緒的顯著影響，所以需要注意政策面的配合，合理降溫投資者情緒，做到理性投資，同時(shí)對(duì)于企業(yè)而言，要為長(zhǎng)遠(yuǎn)發(fā)展考慮，不應(yīng)受市場(chǎng)情緒的太多干擾做出不理性的短視性投資行為；（3）進(jìn)一步加大我國(guó)互聯(lián)網(wǎng)、大數(shù)據(jù)等數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施的建設(shè)，同時(shí)也要從國(guó)家層面加強(qiáng)對(duì)數(shù)字金融的監(jiān)管，加快互聯(lián)網(wǎng)數(shù)字金融領(lǐng)域反壟斷立法，完善信用風(fēng)險(xiǎn)的防控機(jī)制，優(yōu)化社會(huì)整體信用環(huán)境，進(jìn)一步降低企業(yè)融資面臨的信息不對(duì)稱和道德風(fēng)險(xiǎn)問(wèn)題。