央行擔(dān)保品擴(kuò)容是否影響企業(yè)投資風(fēng)險偏好？

摘" "要：央行擔(dān)保品政策作為貨幣政策對企業(yè)融資增信的重要工具，其影響日益受到關(guān)注?；谄髽I(yè)投資風(fēng)險偏好的視角，通過文本挖掘技術(shù)從海量的年報文本信息中構(gòu)造企業(yè)投資風(fēng)險偏好指數(shù)，并利用DID方法分析央行擔(dān)保品政策對企業(yè)投資風(fēng)險偏好的影響。研究表明，央行擔(dān)保品擴(kuò)容顯著地提升了企業(yè)投資風(fēng)險偏好。機(jī)制檢驗(yàn)發(fā)現(xiàn)，政策效應(yīng)源于其對2013年后發(fā)行AAA級債券的企業(yè)具有“成本激發(fā)效應(yīng)”與“規(guī)模輻射效應(yīng)”。此外，政策效應(yīng)還受企業(yè)所在地區(qū)、企業(yè)規(guī)模、行業(yè)以及高管背景的影響。本文主要關(guān)注了央行擔(dān)保品擴(kuò)容帶來的潛在風(fēng)險，對全面評估央行擔(dān)保品政策的經(jīng)濟(jì)影響、完善貨幣政策框架具有參考意義。

關(guān)鍵詞：央行擔(dān)保品政策；企業(yè)投資；風(fēng)險偏好；文本挖掘

中圖分類號：F832" "文獻(xiàn)標(biāo)識碼：A" 文章編號：1674-2265（2024）12-0003-13

DOI：10.19647/j.cnki.37-1462/f.2024.12.001

一、引言

從2012年底開始，為應(yīng)對國際資本流動、財政支出變化等因素的擾動，中國人民銀行不斷推出結(jié)構(gòu)性貨幣政策，調(diào)整基礎(chǔ)貨幣投放方式，以滿足經(jīng)濟(jì)發(fā)展對貨幣的需求。結(jié)構(gòu)性貨幣政策不僅兼具貨幣總量控制與結(jié)構(gòu)優(yōu)化的功能，而且是我國利率體系定價的核心，已成為我國貨幣政策框架內(nèi)的核心工具。以中期借貸便利為代表的結(jié)構(gòu)性貨幣政策通過招標(biāo)方式開展，并要求符合宏觀審慎管理要求的商業(yè)銀行、政策性銀行等金融機(jī)構(gòu)提供國債、中央銀行（以下簡稱“央行”）票據(jù)、政策性金融債、高等級信用債等優(yōu)質(zhì)債券作為合格質(zhì)押品。質(zhì)押品作為結(jié)構(gòu)性貨幣政策的必要條件，其認(rèn)可范圍構(gòu)成了央行擔(dān)保品框架。中國人民銀行在2013年把AAA級的公司信用類債券納入央行擔(dān)保品框架內(nèi)，使貨幣政策與企業(yè)債券發(fā)行行為直接掛鉤（鄧偉等，2024）[1]。納入央行擔(dān)保品框架使債券額外獲得了央行的擔(dān)保，發(fā)揮著央行對債券的增信功能（黃振和郭曄，2021）[2]，影響了債券市場表現(xiàn)和發(fā)行單位的融資行為，行使著獨(dú)特的政策職能。

那么，央行擔(dān)保品政策能否進(jìn)一步影響債券融資后的資金用途，尤其是企業(yè)的投資行為？這是央行擔(dān)保品政策對企業(yè)債券的外延影響，也是貨幣政策作用于實(shí)體經(jīng)濟(jì)的重要傳導(dǎo)機(jī)制。在我國強(qiáng)化金融服務(wù)實(shí)體經(jīng)濟(jì)的宗旨下，這一問題的回答對更全面地評估央行擔(dān)保品政策的影響，提升貨幣政策服務(wù)實(shí)體經(jīng)濟(jì)的有效性具有重要意義。

現(xiàn)有研究主要關(guān)注了央行擔(dān)保品政策對企業(yè)債券融資成本（黃振和郭曄，2021；王永欽和吳嫻，2019）[2，3]與融資規(guī)模（郭曄和房芳，2021；鄧偉等，2022；王遂昆和董晨曦，2023）[4-6]的影響，而較少關(guān)注企業(yè)在獲取低成本、大規(guī)模的債務(wù)融資后的資金用途。因此，我國央行擔(dān)保品政策對企業(yè)投資行為的影響亟待檢驗(yàn)。鄧偉等（2024）[1]研究得出，將企業(yè)信用債券納入央行擔(dān)保品框架的政策提升了我國企業(yè)實(shí)體投資。央行擔(dān)保品擴(kuò)容政策在提升企業(yè)融資能力的同時，也將影響企業(yè)的風(fēng)險偏好。企業(yè)的風(fēng)險偏好因時而變，低融資約束將提升企業(yè)投資風(fēng)險偏好（Bauer等，2023）[7]。風(fēng)險偏好的提高雖然將帶來經(jīng)濟(jì)的繁榮，但是同時可能影響金融穩(wěn)定（Lian等，2019）[8]。然而，現(xiàn)有文獻(xiàn)尚未研究央行擔(dān)保品政策對企業(yè)投資風(fēng)險偏好的影響。因此，本文以海量的企業(yè)年報為基礎(chǔ)，借鑒文本挖掘技術(shù)，量化企業(yè)投資風(fēng)險偏好。在此基礎(chǔ)上，運(yùn)用DID方法分析2013年把AAA級公司信用類債券納入央行擔(dān)保品框架這一準(zhǔn)自然實(shí)驗(yàn)是否影響企業(yè)投資風(fēng)險偏好。

本文主要的邊際貢獻(xiàn)在于：第一，本文創(chuàng)新性地利用文本挖掘技術(shù)，將企業(yè)年報這一文本信息轉(zhuǎn)化為數(shù)字化的企業(yè)投資風(fēng)險偏好指數(shù)，為企業(yè)投資風(fēng)險偏好的時空對比提供了可視化的基礎(chǔ)。第二，在量化企業(yè)投資風(fēng)險偏好的基礎(chǔ)上，本文利用DID方法研究了央行擔(dān)保品政策對企業(yè)投資風(fēng)險偏好的影響，為分析央行擔(dān)保品政策的經(jīng)濟(jì)效果提供了新的視角。不同于以往研究中主要突出央行擔(dān)保品擴(kuò)容的有利性，本文主要關(guān)注了央行擔(dān)保品政策的潛在風(fēng)險。第三，本文研究內(nèi)容也有助于政策制定者根據(jù)不同企業(yè)的特點(diǎn)制定差異化政策，提高政策的針對性和有效性。

二、文獻(xiàn)回顧和研究假設(shè)

（一）文獻(xiàn)回顧

1. 央行擔(dān)保品政策的經(jīng)濟(jì)影響。2008年金融危機(jī)嚴(yán)重沖擊了實(shí)體經(jīng)濟(jì)，同時也導(dǎo)致了傳統(tǒng)貨幣政策瀕臨失效，市場信心崩潰，貨幣傳導(dǎo)機(jī)制失效（劉沖等，2022）[9]。中國借鑒歐美國家的做法，從2013年開始陸續(xù)推出了短期流動性調(diào)節(jié)工具（SLO）、常備借貸便利（SLF）、抵押補(bǔ)充貸款（SLF）、中期借貸便利（MLF）等新型貨幣政策工具。這些期限長短不一、職能不同的新型貨幣政策工具普遍以質(zhì)押方式操作，即金融機(jī)構(gòu)需要以央行認(rèn)可的合格質(zhì)押品為條件，從央行獲取基礎(chǔ)貨幣。因此，央行認(rèn)可的合格質(zhì)押品構(gòu)成的央行擔(dān)保品框架影響了金融機(jī)構(gòu)獲取基礎(chǔ)貨幣的能力與條件，對合格質(zhì)押品的市場表現(xiàn)、企業(yè)融資行為、企業(yè)投資等均具有明顯影響，發(fā)揮著獨(dú)特的政策作用。

Pelizzon等（2024）[10]的研究顯示，納入歐元體系擔(dān)保品框架能夠降低公司債券利率和改善公司債券的流動性。黃振和郭曄（2021）[2]基于中國數(shù)據(jù)的研究表明，央行擴(kuò)展擔(dān)保品框架顯著降低了合格擔(dān)保品債券的信用利差。陳國進(jìn)等（2021）[11]進(jìn)一步指出，綠色債券被納入央行合格擔(dān)保品后，有助于降低綠色企業(yè)的融資成本，促進(jìn)綠色創(chuàng)新，并推動棕色企業(yè)的轉(zhuǎn)型。擔(dān)保品政策不僅直接影響債券市場表現(xiàn)，也對實(shí)體經(jīng)濟(jì)產(chǎn)生了深遠(yuǎn)影響。De Santis和Zaghini（2021）[12]對歐洲央行的企業(yè)部門購買計劃（主要是非金融企業(yè)投資級債券）的研究表明，歐洲央行的企業(yè)部門購買計劃提升了企業(yè)的資本支出和無形資產(chǎn)投資?；谏虡I(yè)信用的視角，鄧偉等（2024）[1]研究發(fā)現(xiàn)央行擔(dān)保品政策通過納入AAA級公司信用類債券，有效促進(jìn)了企業(yè)商業(yè)信用融資，并對企業(yè)商品采購、產(chǎn)品銷售、投資規(guī)模、盈利水平等實(shí)際經(jīng)濟(jì)行為產(chǎn)生積極影響。然而，也有少量文獻(xiàn)關(guān)注擔(dān)保品框架的潛在風(fēng)險。Nyborg（2017）[13]基于歐元體系的擔(dān)保品框架，發(fā)現(xiàn)擔(dān)保品框架促進(jìn)了風(fēng)險較高與流動性不足的抵押品的發(fā)展，并損害了市場規(guī)律。Lengwiler和Orphanides（2024）[14]也認(rèn)為，適度靈活的擔(dān)保品政策有助于穩(wěn)定市場，減輕財政壓力，但是過嚴(yán)的擔(dān)保品政策可能增加違約風(fēng)險。

2. 風(fēng)險偏好的測度?，F(xiàn)有企業(yè)投資風(fēng)險偏好的測度主要圍繞企業(yè)高管的風(fēng)險偏好展開。Caliskan和 Doukas（2015）[15]、Chowdhury等（2023）[16]等采用股票期權(quán)的delta和vega來表示CEO的風(fēng)險偏好，高delta表示CEO更保守，而高vega則表示CEO具有較高的風(fēng)險承受能力。Brenner（2015）[17]則通過1996—2008年的美國期權(quán)行權(quán)數(shù)據(jù)，采用主觀期權(quán)估值模型測度了近7000名高管的風(fēng)險偏好。實(shí)驗(yàn)法也是一種測度個人風(fēng)險偏好的方法。比如，通過統(tǒng)計被測試者在不同彩票之間反復(fù)選擇的結(jié)果推斷個人風(fēng)險偏好（Eckel和Grossman，2002；Crosetto和Filippin，2013）[18，19]。然而，被測試者可能難以理解彩票問題中涉及的一些概念，導(dǎo)致一些參與者做出不一致的選擇（Dave等，2010）[20]。問卷調(diào)查法也是較為普遍的風(fēng)險偏好測度方法。Opper等（2017）[21]在2006年和2009年抽樣調(diào)查了長江三角洲地區(qū)七個城市的私有企業(yè)CEO的風(fēng)險偏好。Caliendo等（2024）[22]也采用抽樣調(diào)查法測度了德國企業(yè)管理者的風(fēng)險偏好。此外，還有文獻(xiàn)以CEO持股比例（徐高彥和張婷婷，2024）[23]、資產(chǎn)比重（王鋒正等，2022）[24]等財務(wù)指標(biāo)來度量管理者的風(fēng)險偏好。

3. 貨幣政策與企業(yè)投資風(fēng)險偏好。貨幣政策工具通過利率傳導(dǎo)機(jī)制直接影響企業(yè)的融資成本，進(jìn)而影響企業(yè)的投資風(fēng)險偏好和決策。經(jīng)濟(jì)行為者承擔(dān)風(fēng)險的意愿會受到貨幣政策立場的影響，寬松政策與風(fēng)險偏好增加有關(guān)，而緊縮政策與風(fēng)險偏好降低有關(guān)（Bauer等，2023）[7]。從企業(yè)杠桿順周期的角度來看，在經(jīng)濟(jì)繁榮時期，企業(yè)傾向于增加杠桿以擴(kuò)大生產(chǎn)和投資規(guī)模。在寬松貨幣政策的推動下，企業(yè)會更加積極地運(yùn)用杠桿，追求風(fēng)險以獲取更多的投資機(jī)會和市場份額（雒敏和聶文忠，2012）[25]。從風(fēng)險傳導(dǎo)的角度來看，貨幣政策存在風(fēng)險傳導(dǎo)效應(yīng)。寬松的貨幣政策會降低企業(yè)的風(fēng)險管理效率，導(dǎo)致銀行與企業(yè)的風(fēng)險偏好趨同，從而加劇風(fēng)險的積累和傳遞（林朝穎等，2014）[26]。對于處于復(fù)蘇期的經(jīng)濟(jì)體而言，如果其他扭曲導(dǎo)致風(fēng)險承擔(dān)太少，那么風(fēng)險承受能力的適度提高將促進(jìn)貸款和經(jīng)濟(jì)復(fù)蘇（Kuttner，2018；Chodorow-Reich，2014）[27，28]。

概而言之，現(xiàn)有文獻(xiàn)主要探討了傳統(tǒng)貨幣政策與企業(yè)投資風(fēng)險偏好之間的關(guān)系，尚未分析央行擔(dān)保品擴(kuò)容對企業(yè)投資風(fēng)險偏好的影響。對企業(yè)投資風(fēng)險偏好的測量通常依賴于問卷調(diào)查、高管特征和企業(yè)財務(wù)數(shù)據(jù)等間接手段，雖然這些測算方式能在一定程度上反映企業(yè)的風(fēng)險偏好，但是難以對企業(yè)投資風(fēng)險偏好進(jìn)行時空對比。為此，本文借鑒文本挖掘技術(shù)，將企業(yè)年報的文本信息轉(zhuǎn)化為數(shù)字化的企業(yè)投資風(fēng)險偏好指數(shù)，并分析央行擔(dān)保品擴(kuò)容對企業(yè)投資風(fēng)險偏好的影響。

（二）研究假設(shè)

1. 央行擔(dān)保品擴(kuò)容政策與企業(yè)投資風(fēng)險偏好。央行擔(dān)保品擴(kuò)容使得公司信用類債券能夠充當(dāng)結(jié)構(gòu)性貨幣政策操作時的質(zhì)押品。與傳統(tǒng)貨幣政策工具相比，央行擔(dān)保品擴(kuò)容能夠更直接地影響企業(yè)債券的發(fā)行成本和二級市場表現(xiàn)，對微觀企業(yè)的影響更為迅速有效。從作用方向來看，央行擔(dān)保品擴(kuò)容能夠?yàn)槠髽I(yè)提供更多的融資機(jī)會和降低融資成本（黃振和郭曄，2021）[2]。因此，央行擔(dān)保品擴(kuò)容屬于寬松型貨幣政策。正如現(xiàn)有文獻(xiàn)所總結(jié)，寬松型貨幣政策能夠提升企業(yè)投資風(fēng)險偏好?；诖耍疚奶岢鲅芯考僭O(shè)1：

研究假設(shè)1：隨著央行將AAA級公司信用類債券納入擔(dān)保品框架中，企業(yè)投資風(fēng)險偏好提高。

2.“成本激發(fā)效應(yīng)”和“規(guī)模輻射效應(yīng)”。在“成本激發(fā)效應(yīng)”方面，央行擔(dān)保品擴(kuò)容主要通過債務(wù)融資成本影響企業(yè)投資風(fēng)險偏好。央行將公司信用債券納入合格擔(dān)保品，降低了信貸成本（鄧偉等，2023）[29]。由于邊際成本的降低，企業(yè)更傾向于增加投資，尤其是評級較高、風(fēng)險較低的企業(yè)（Ottonello和Winberry，2020）[30]。面對低資金成本，企業(yè)在投資決策上應(yīng)該是選擇低風(fēng)險項(xiàng)目還是高風(fēng)險項(xiàng)目呢？理論上，低風(fēng)險項(xiàng)目往往具有低收益的特征，如果項(xiàng)目收益能夠償還低成本的資金，那么低風(fēng)險項(xiàng)目依然具有一定的盈利能力，且成功率較高。然而，現(xiàn)實(shí)中的企業(yè)投資決策可能并非如此。Hirth和Viswanatha（2011）[31]的研究發(fā)現(xiàn)，現(xiàn)金緊張或未來現(xiàn)金流風(fēng)險較高的情境下，低現(xiàn)金公司更可能避免投資，而融資成本較低的公司可能更傾向于冒險投資于次優(yōu)項(xiàng)目。也就是說，央行擔(dān)保品擴(kuò)容屬于寬松型貨幣政策，能夠降低市場利率和企業(yè)的融資成本，達(dá)到刺激經(jīng)濟(jì)的效果。而低利率環(huán)境可能并不會促使個人或企業(yè)采取保守的決策，相反，會促使個人或企業(yè)采取激進(jìn)的決策。究其原因，正如Lian等（2019）[8]的研究所強(qiáng)調(diào)，低利率環(huán)境可以通過兩種機(jī)制提升風(fēng)險偏好——“依賴性”和“顯著性”。前者指當(dāng)利率降至心理期望水平以下時，投資者會感到不適，并更愿意投資于風(fēng)險資產(chǎn)以尋求更高的回報，期望重新獲得前期投資收益率。后者則指在不同利率環(huán)境下，風(fēng)險資產(chǎn)較高平均回報率的“顯著性”可能會影響投資者的決策。比如，在無風(fēng)險利率為1%的低利率環(huán)境下6%的風(fēng)險資產(chǎn)收益率要比在無風(fēng)險利率為5%的高利率環(huán)境下10%的風(fēng)險資產(chǎn)收益率更具吸引力。這是因?yàn)?/1比10/5更大、更具“顯著性”。

在“規(guī)模輻射效應(yīng)”方面，央行擔(dān)保品擴(kuò)容主要通過提升企業(yè)可用資金規(guī)模影響企業(yè)投資風(fēng)險偏好。央行擔(dān)保品擴(kuò)容政策能夠增加企業(yè)融資規(guī)模，進(jìn)而提升可使用資金數(shù)量，而充足的資金能夠讓企業(yè)滿足更多投資項(xiàng)目的需求，包括較高風(fēng)險的項(xiàng)目。McLean和Zhao（2014）[32]探討了金融市場條件對實(shí)體經(jīng)濟(jì)的影響，發(fā)現(xiàn)融資約束的寬松程度會影響企業(yè)的投資決策，相對寬松的融資約束條件將促使企業(yè)傾向于追求更高的風(fēng)險，而外部融資難度提升時，企業(yè)會選擇規(guī)避風(fēng)險，從而放棄部分高風(fēng)險的投資項(xiàng)目。在資金充足情況下，企業(yè)也可以選擇將多余的資金閑置，避免過度投資。但是越來越多的證據(jù)表明，以CEO為代表的決策層往往具有過度自信的特征，容易高估投資項(xiàng)目的回報率，盡力耗盡企業(yè)的資金（Malmendier和Tate，2015）[33]。Aktas等（2019）[34]的研究也表明，在融資約束緩解的情況下，過度自信的CEO會降低現(xiàn)金持有水平。此外，央行擔(dān)保品擴(kuò)容不僅改善了企業(yè)債券的市場表現(xiàn)，還進(jìn)一步影響了銀行信貸投放，增加了企業(yè)的信貸融資規(guī)模（鄧偉等，2023）[29]。從金融機(jī)構(gòu)角度來講，寬松的貨幣政策環(huán)境鼓勵金融機(jī)構(gòu)提高風(fēng)險容忍度，使得一些高風(fēng)險但可能帶來高回報的項(xiàng)目或投資受到更多的關(guān)注，導(dǎo)致投資流向高風(fēng)險領(lǐng)域（Barrell等，2010）[35]。而金融機(jī)構(gòu)愿意承擔(dān)更大風(fēng)險的原因是，寬松的貨幣政策有利于改善宏觀經(jīng)濟(jì)，進(jìn)而降低資產(chǎn)的信貸風(fēng)險，即金融機(jī)構(gòu)冒險行為是有益的。換言之，寬松的貨幣政策環(huán)境下，高風(fēng)險容忍度是金融機(jī)構(gòu)的理性選擇，這同時也會促使企業(yè)增加風(fēng)險投資，強(qiáng)化其風(fēng)險投資偏好。

基于上述分析，本文進(jìn)一步提出研究假設(shè)2：

研究假設(shè)2a：央行擔(dān)保品擴(kuò)容通過“成本激發(fā)效應(yīng)”提高企業(yè)投資風(fēng)險偏好。

研究假設(shè)2b：央行擔(dān)保品擴(kuò)容通過“規(guī)模輻射效應(yīng)”提高企業(yè)投資風(fēng)險偏好。

三、樣本數(shù)據(jù)與模型設(shè)定

（一）企業(yè)投資風(fēng)險偏好指數(shù)

1.企業(yè)投資偏好指數(shù)的測算過程。由于缺乏直接度量企業(yè)投資風(fēng)險的指標(biāo)，本文主要以企業(yè)年度報告為文本信息，通過文本挖掘技術(shù)構(gòu)造企業(yè)投資風(fēng)險偏好指數(shù)。企業(yè)年度報告作為上市公司管理層與外部投資者溝通的重要媒介，涵蓋了公司管理層對行業(yè)趨勢的洞察、市場競爭的分析、風(fēng)險管理的策略等關(guān)鍵信息，其中的語言表述、措辭選擇等反映了公司的價值觀、企業(yè)文化和市場定位。現(xiàn)有文獻(xiàn)結(jié)合機(jī)器學(xué)習(xí)模型，從情感語調(diào)、可讀性、前瞻性等角度分析年報文本的價值（Li，2010）[36]。根據(jù)Cheng等（2024）[37]的構(gòu)建方法，本文將巨潮資訊網(wǎng)上2006—2022年非ST企業(yè)年報作為研究對象，通過文本挖掘技術(shù)構(gòu)建企業(yè)投資風(fēng)險偏好指數(shù)，具體構(gòu)造過程如下。

首先是文本的預(yù)處理。本文利用Python程序爬取巨潮資訊網(wǎng)5682家企業(yè)2006—2022年共47792份年報①，并利用Python程序?qū)DF格式的年報轉(zhuǎn)化為可處理的文本信息。在此基礎(chǔ)上，通過對文本進(jìn)行清洗和預(yù)處理，包括去除停用詞、標(biāo)點(diǎn)符號、特殊字符、HTML標(biāo)簽等，以及根據(jù)Jieba中文分詞模塊進(jìn)行分詞，形成有關(guān)企業(yè)投資風(fēng)險偏好的文本詞典。

其次是有關(guān)風(fēng)險的詞頻統(tǒng)計。借鑒Cheng等（2024）[37]等的做法，本文將風(fēng)險偏好劃分為追求風(fēng)險與風(fēng)險規(guī)避兩種形式，并構(gòu)造共78個相關(guān)詞匯。同時，參考陳良源等（2021）[38]構(gòu)造央行溝通指數(shù)時的做法，通過Jieba中文分詞模塊進(jìn)行詞頻統(tǒng)計，以雙層比較的形式篩選出追求風(fēng)險與風(fēng)險規(guī)避兩種類型的關(guān)鍵詞匯，保留具有顯著差異的詞匯，剔除“高風(fēng)險、高回報、高收益、低風(fēng)險、低回報、低收益”等中性詞語以及低頻詞匯，最終確定追求風(fēng)險與風(fēng)險規(guī)避各10個關(guān)鍵詞。

再次是詞頻權(quán)重的計算。在統(tǒng)計詞匯頻率的基礎(chǔ)上，本文結(jié)合程宏偉等（2024）[39]的處理方式，進(jìn)一步計算關(guān)鍵詞頻的權(quán)重m，計算公式如下：

[ma，i=[（1+log（Ka，i））（1+log（Yi））]×logNHa，if" "Ka，i≥10，if" Ka，ilt;1]

（1）

其中，[N]代表樣本企業(yè)的報告總數(shù)量；[Ha]表示含有詞匯[a]的報告數(shù)量；[Ka，i]表示[i]企業(yè)公布的報告中包括詞匯[a]的詞頻；[Yi]表示[i]企業(yè)發(fā)布的報告總篇幅。最終詞匯權(quán)重計算結(jié)果如表1所示。

最后是企業(yè)投資風(fēng)險偏好指數(shù)的構(gòu)建。其計算方法如下：

[INVi，t=i=1k nobs（xi，t）-meanobs（xi）stdv（xi）signximxi]

（2）

其中，[nobs（xi，t）]代表詞匯[i]在[t]期報告出現(xiàn)的頻率，[meanobs（xi）]代表在所有報告中出現(xiàn)頻率的平均值，[stdv（xi）]代表每個報告出現(xiàn)頻率的標(biāo)準(zhǔn)差，[mxi]為各個措辭的權(quán)重，[signxi]為措辭對應(yīng)的符號，[INVi，t]表示企業(yè)投資風(fēng)險偏好指數(shù)。

2. 企業(yè)投資偏好指數(shù)的測算結(jié)果。由圖1②可知，2008—2021年企業(yè)投資風(fēng)險偏好整體呈現(xiàn)上升趨勢③。

此外，為了判斷測算結(jié)果的合理性，本文進(jìn)一步將測算結(jié)果與企業(yè)債務(wù)違約風(fēng)險和企業(yè)實(shí)際風(fēng)險投資進(jìn)行對比。從企業(yè)債務(wù)違約風(fēng)險角度來看，企業(yè)投資風(fēng)險偏好提升將增加投資失敗的概率，進(jìn)而導(dǎo)致償債能力下降，甚至債務(wù)違約。因此，企業(yè)債務(wù)違約風(fēng)險與企業(yè)投資風(fēng)險偏好是正相關(guān)的。從企業(yè)實(shí)際風(fēng)險投資角度來看，通過企業(yè)年報文本挖掘得到的企業(yè)投資風(fēng)險偏好較高，那么企業(yè)實(shí)際風(fēng)險投資也應(yīng)較高，即兩者存在正相關(guān)關(guān)系。

本文參考了Merton（1974）[40]的經(jīng)典DD模型，用企業(yè)債務(wù)違約距離來衡量其違約風(fēng)險。該指標(biāo)越大，表明企業(yè)債務(wù)違約風(fēng)險越低?；诿磕陮Ω髌髽I(yè)債務(wù)違約距離的測算，企業(yè)投資風(fēng)險偏好與違約距離之間的負(fù)相關(guān)性顯著，相關(guān)系數(shù)為-0.5156。企業(yè)債務(wù)違約距離的年度平均數(shù)據(jù)見圖1。同時，企業(yè)投資風(fēng)險偏好與實(shí)際風(fēng)險投資規(guī)模之間則表現(xiàn)出顯著的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.2508④。圖2展示了企業(yè)投資風(fēng)險偏好與實(shí)際風(fēng)險投資規(guī)模的年度平均數(shù)據(jù)。由此可知，本文測算得到的企業(yè)投資風(fēng)險偏好指數(shù)較合理。

（二）其他數(shù)據(jù)說明與總體的統(tǒng)計描述

在2013年初，央行首次將AAA級公司信用類債券納入央行擔(dān)保品框架；2018年6月，央行又進(jìn)一步納入了不低于AA級的小微、綠色和“三農(nóng)”金融債券以及AA+、AA級公司信用類債券。2018年6月央行擔(dān)保品框架再次擴(kuò)容使得沒有包含在央行擔(dān)保品框架內(nèi)的企業(yè)債券較少，即DID模型設(shè)計中實(shí)驗(yàn)組與對照組樣本量嚴(yán)重不對稱，這可能導(dǎo)致估計結(jié)果的嚴(yán)重偏誤。另外，企業(yè)高管決策是影響企業(yè)投資風(fēng)險偏好的一個重要因素，而大多數(shù)企業(yè)從2008年才開始披露董事會成員的信息。因此，本文的樣本統(tǒng)一為2008—2017年發(fā)行企業(yè)債券的A股上市公司。

本文對樣本進(jìn)行了如下篩選：剔除了重要變量數(shù)據(jù)缺失的企業(yè)樣本；剔除了ST企業(yè)樣本；剔除了發(fā)行期限為“X+Y”型（到期期限不確定）、利率類型為“累進(jìn)利率”（利率隨時間變化）的樣本。同時，本文對連續(xù)變量進(jìn)行上下1%的縮尾處理。最終樣本為8144個企業(yè)—年度非平衡面板數(shù)據(jù)。

表2給出了變量定義與說明。由于企業(yè)投資風(fēng)險偏好受到多種因素的影響，本文借鑒袁知柱等（2014）[41]、顧夏銘等（2018）[42]、黃振和郭嘩（2021）[2]、王桂虎等（2024）[43]的做法，引入企業(yè)規(guī)模（LnA）、企業(yè)性質(zhì)（SOE）、長期負(fù)債（LTD）、第一大股東持股比例（SCPS）、企業(yè)年齡（ListingAge）、資產(chǎn)負(fù)債率（LEV）、債券發(fā)行期限（Term）、擔(dān)保性質(zhì)（Assurance）、M2增長率（M2_growth）、GDP增長率（GDPRate）作為控制變量。其中，企業(yè)財務(wù)、董事會成員信息及宏觀經(jīng)濟(jì)數(shù)據(jù)來自國泰安數(shù)據(jù)庫，企業(yè)債券數(shù)據(jù)來自萬得數(shù)據(jù)庫。表3給出了相關(guān)變量的描述性統(tǒng)計。

（三）模型設(shè)定

1. 基準(zhǔn)模型。本文設(shè)定雙重差分模型（DID）如下：

[INVi，t=α0+α1Treati×Postt+α2Treati+α3Postt+α4Controli，t+μi+δt+εi，t] （3）

其中，[Treati]表示債券是否納入擔(dān)保品框架，若債券評級屬于AAA級，其所在發(fā)行企業(yè)則為實(shí)驗(yàn)組，[Treati]取1，若債券評級達(dá)不到AAA級，其所在發(fā)行企業(yè)則為對照組，[Treati]取0。[Postt]為央行擔(dān)保品擴(kuò)容時間，在2013年及之后取1，否則取0。[μi]、[δt]分別為個體固定效應(yīng)和時間固定效應(yīng)。[εi，t]為隨機(jī)擾動項(xiàng)。[Controli，t]為控制變量。本文關(guān)注的是[Treati×Postt]系數(shù)的[α1]，旨在分析央行擔(dān)保品擴(kuò)容后，發(fā)行過AAA級債券的企業(yè)投資風(fēng)險偏好相較于未發(fā)行過的企業(yè)是否發(fā)生變化。

2. 中介效應(yīng)模型。為驗(yàn)證“成本激發(fā)效應(yīng)”，本文構(gòu)建如下模型：

[Costi，t=β0+β1Treati×Postt+β2Treati+β3Postt+β4Controli，t+μi+δt+εi，t] （4）

其中，[Costi，t]為融資成本。參考劉夢莎等（2023）[44]的做法，融資成本用企業(yè)財務(wù)費(fèi)用占長短期債務(wù)總額的比重來衡量，[Costi，t]越小，說明企業(yè)的融資成本越低。

為檢驗(yàn)“規(guī)模輻射效應(yīng)”，本文構(gòu)建如下模型：

[Financingi，t=η0+η1Treati×Postt+η2Treati+η3Postt+η4Controli，t+μi+δt+εi，t] （5）

其中，[Financingi，t]采取兩種方式度量，包括融資可得性[Loani，t]和融資規(guī)模[Costsizei，t]。融資可得性參考了黃少卿等（2022）[45]的研究，采用企業(yè)向銀行借款（長期和短期）的總和與總資產(chǎn)的比值作為衡量指標(biāo)，其值越大表明企業(yè)融資可得性越高。融資規(guī)模則通過企業(yè)收到的現(xiàn)金與總資產(chǎn)的比值來評估，其值越大表示融資規(guī)模越大。

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

央行擔(dān)保品擴(kuò)容對企業(yè)投資風(fēng)險偏好的影響結(jié)果見表4。表4第（1）列中，在未加入控制變量的情況下，交互項(xiàng)Treat×Post的系數(shù)在1%水平上顯著為正，初步表明央行擔(dān)保品擴(kuò)容與企業(yè)投資風(fēng)險偏好之間存在正向關(guān)系。引入控制變量后，第（4）列的結(jié)果顯示，Treat×Post的系數(shù)仍在1%水平上顯著為正，進(jìn)一步證實(shí)了央行擔(dān)保品擴(kuò)容顯著提升了企業(yè)的投資風(fēng)險偏好。

（二）穩(wěn)健性檢驗(yàn)

1. 平行趨勢檢驗(yàn)。進(jìn)行DID分析的前提是政策實(shí)施前后實(shí)驗(yàn)組與對照組之間必須存在顯著差異。這意味著政策實(shí)施前，兩組的變化趨勢不顯著，但在政策實(shí)施后則出現(xiàn)明顯差異。平行趨勢檢驗(yàn)結(jié)果見圖3。從圖3可以看出，在政策實(shí)施之前，實(shí)驗(yàn)組與對照組企業(yè)投資風(fēng)險偏好沒有顯著差異，在政策實(shí)施后，兩組在投資風(fēng)險偏好上則出現(xiàn)了明顯差異。這一結(jié)果說明央行擔(dān)保品擴(kuò)容的實(shí)施對企業(yè)投資風(fēng)險偏好產(chǎn)生了積極影響。

2. 替換被解釋變量。在前文被解釋變量INV的構(gòu)建過程中，關(guān)鍵詞詞頻的標(biāo)準(zhǔn)差[stdvxi]是每個報告出現(xiàn)頻率的標(biāo)準(zhǔn)差。本文進(jìn)一步通過計算關(guān)鍵詞詞頻的累計加權(quán)標(biāo)準(zhǔn)差，重新構(gòu)造了風(fēng)險偏好指數(shù)，以檢驗(yàn)結(jié)果是否穩(wěn)健。表5第（1）和（2）列結(jié)果顯示，Treat×Post的系數(shù)仍在1%的水平上顯著為正，結(jié)果是穩(wěn)健的。

3. 控制時間趨勢?？紤]到時間因素和政策實(shí)施后可能產(chǎn)生的動態(tài)效應(yīng)，本文在參考Li等（2016）[46]研究的基礎(chǔ)上，引入了控制變量與年份（year）的交互項(xiàng)。表5第（3）和（4）列結(jié)果顯示，Treat×Post的系數(shù)在1%的水平上顯著為正。

4. 調(diào)整樣本時間區(qū)間。2018年6月，央行對擔(dān)保品再一次進(jìn)行了擴(kuò)容。由于央行擔(dān)保品再一次擴(kuò)容把更多企業(yè)債券納入央行擔(dān)保品框架，低于AA級的債券樣本量變得極少。因此，本文將樣本擴(kuò)充至2018年。同時，在原有樣本的基礎(chǔ)上，剔除2013年的樣本以減少誤差。表6第（1）—（4）列的結(jié)果顯示，在調(diào)整樣本時間后，Treat×Post的系數(shù)在1%的水平上顯著為正，2013后發(fā)行AAA級債券的企業(yè)的投資風(fēng)險偏好更高。

5. 安慰劑檢驗(yàn)。為了驗(yàn)證2013年后企業(yè)投資風(fēng)險偏好的變化是央行擔(dān)保品擴(kuò)容所致，本文在安慰劑檢驗(yàn)時將2012年作為虛擬政策，模擬一個不存在的政策沖擊，以檢驗(yàn)觀察到的政策效果是否真實(shí)存在，或者是否可能由其他未考慮到的因素所驅(qū)動。根據(jù)表6第（5）—（6）列結(jié)果，在將2012年作為虛擬政策年后，Treat×Post的系數(shù)變?yōu)椴伙@著，驗(yàn)證了本文結(jié)果的合理性。

6. 再擴(kuò)容政策。2018年央行在原有擔(dān)保品框架的基礎(chǔ)上，新增了不低于AA級的小微企業(yè)、綠色和“三農(nóng)”金融債券以及AA+、AA級公司信用類債券。這一調(diào)整旨在支持小微企業(yè)、綠色經(jīng)濟(jì)和“三農(nóng)”領(lǐng)域的發(fā)展，同時增加市場流動性，優(yōu)化信貸結(jié)構(gòu)。由于2015年央行將地方政府債納入合格擔(dān)保品范圍，因此，在分析2018年再擴(kuò)容政策的效果時將樣本數(shù)據(jù)年限選擇為2016—2022年。其中，若企業(yè)在2018年后發(fā)行過AA+、AA級企業(yè)債券，Treat1取1，否則取0。Post1為央行擔(dān)保品再擴(kuò)容的實(shí)施時間，若在2018年之后則取1，否則取0。結(jié)果如表7（1）—（4）列所示，Treat1×Post1的系數(shù)在5%的水平上仍顯著為正，相較于第一次擴(kuò)容，再擴(kuò)容政策的效果雖然有所減弱，但仍促使企業(yè)更加偏好于追求風(fēng)險，驗(yàn)證了本文結(jié)果的穩(wěn)健性。

（三）機(jī)制檢驗(yàn)

機(jī)制檢驗(yàn)的結(jié)果見表8。表8第（2）列顯示，Treat×Post的系數(shù)在1%水平上顯著為負(fù)，驗(yàn)證了央行擔(dān)保品擴(kuò)容降低了企業(yè)的債務(wù)融資成本。低利率環(huán)境容易激發(fā)企業(yè)從事高風(fēng)險活動的傾向，以期獲取更高的收益。此外，企業(yè)債券納入央行擔(dān)保品框架后，其債務(wù)融資成本顯著降低，這一變化有效地減輕了企業(yè)的財務(wù)負(fù)擔(dān)，緩解了其面臨的財務(wù)壓力，提升了企業(yè)風(fēng)險承擔(dān)能力。財務(wù)壓力的緩解使企業(yè)能夠重新分配更多的財務(wù)資源至投資領(lǐng)域（Bouchmel等，2024）[47]。在這些效應(yīng)的作用下，企業(yè)傾向于采取更為積極的投資策略，勇于承擔(dān)高風(fēng)險項(xiàng)目以追求更高的投資回報，進(jìn)而表現(xiàn)為投資風(fēng)險偏好的提升。

表8第（4）列顯示，Treat×Post的系數(shù)在1%水平上顯著為正，第（6）列中Treat×Post的系數(shù)在1%水平上顯著為正。結(jié)果表明，央行擔(dān)保品擴(kuò)容不僅提高了企業(yè)獲得外部資金的概率，還提升了企業(yè)融資規(guī)模。雖然央行擔(dān)保品擴(kuò)容并不是央行或金融機(jī)構(gòu)直接對企業(yè)進(jìn)行注資，僅僅是對企業(yè)債券進(jìn)行增信，但是企業(yè)債券被納入合格擔(dān)保品范圍代表著央行對這類企業(yè)的政策支持，這會釋放出積極的信號（鄧偉等，2023）[29]，使金融機(jī)構(gòu)增加對這類企業(yè)的信貸。因此，央行擔(dān)保品擴(kuò)容不僅拓寬了企業(yè)的融資渠道，擴(kuò)大了其融資的多樣性，還實(shí)質(zhì)性地增加了企業(yè)可獲得的資金總量，從而實(shí)現(xiàn)對風(fēng)險投資項(xiàng)目的“規(guī)模輻射效應(yīng)”。因此，研究假設(shè)2得以驗(yàn)證。

（四）異質(zhì)性分析

1. 不同行業(yè)風(fēng)險異質(zhì)性。由于行業(yè)性質(zhì)不同，高風(fēng)險行業(yè)內(nèi)的企業(yè)具有高風(fēng)險投資的傾向。因此，在獲取更多且廉價的資金后，高風(fēng)險行業(yè)的企業(yè)理應(yīng)表現(xiàn)出更強(qiáng)的投資風(fēng)險偏好。這也能驗(yàn)證我們構(gòu)造的企業(yè)投資風(fēng)險偏好指數(shù)合理與否。為此，參考葛結(jié)根（2018）[48]的做法，本文按《國民經(jīng)濟(jì)行業(yè)分類》的代碼進(jìn)行分類，將其中的第一類與第二類劃分為低風(fēng)險行業(yè)，而將第三類劃分為高風(fēng)險行業(yè)⑤。表9第（1）和（2）列顯示，高風(fēng)險行業(yè)的Treat×Post系數(shù)在1%水平上顯著為正，而低風(fēng)險行業(yè)的系數(shù)為正但不顯著。這表明，在寬松的貨幣政策環(huán)境下，相對于那些低風(fēng)險偏好的行業(yè)，高風(fēng)險行業(yè)由于其資本成本降低和融資條件改善，通常展現(xiàn)出更強(qiáng)的能力和意愿去承擔(dān)更高的風(fēng)險以追求潛在的高收益。

此外，參考肖翔等（2023）[49]對于行業(yè)的劃分，本文進(jìn)一步將行業(yè)劃分為資本密集型行業(yè)、技術(shù)密集型行業(yè)與監(jiān)管密集型行業(yè)。表9第（3）—（5）列結(jié)果顯示，央行擔(dān)保品擴(kuò)容后，資本密集型與技術(shù)密集型行業(yè)的Treat×Post系數(shù)在1%水平上顯著為正，監(jiān)管密集型行業(yè)則不顯著。原因可能是，資本密集型與技術(shù)密集型行業(yè)通常對資本和創(chuàng)新有較高要求，其企業(yè)相比于監(jiān)管較嚴(yán)的行業(yè)，往往展現(xiàn)出更高的投資風(fēng)險偏好。這種偏好可能源于這些行業(yè)對長期增長和潛在高回報的追求以及對技術(shù)突破和規(guī)模擴(kuò)張的依賴，從而促使它們愿意接受更高的投資風(fēng)險以換取更大的市場份額和競爭優(yōu)勢。

2. 董事會成員背景異質(zhì)性。企業(yè)高管的職業(yè)經(jīng)歷越豐富，企業(yè)風(fēng)險承擔(dān)水平越高，在并購戰(zhàn)略上展現(xiàn)出前所未有的果敢與決斷（何瑛等，2019）[50]。認(rèn)知水平高的董事會成員往往具備更廣泛的信息渠道和豐富的行業(yè)經(jīng)驗(yàn)，同時接受過專業(yè)的風(fēng)險管理培訓(xùn)，具備更強(qiáng)的風(fēng)險管理能力，能夠理解和分析復(fù)雜的金融環(huán)境和市場趨勢，在決策時更加謹(jǐn)慎和理性。因此，央行擔(dān)保品擴(kuò)容對企業(yè)投資風(fēng)險偏好的影響可能因董事會成員背景的不同而不同。

在趙子夜等（2018）[51]對董事會成員職業(yè)經(jīng)歷的劃分基礎(chǔ)上，本文著重研究董事會成員的認(rèn)知背景與任職背景對企業(yè)投資風(fēng)險偏好的影響。由表10可知，董事會成員學(xué)歷在本科以下、無學(xué)術(shù)經(jīng)歷、無金融背景的企業(yè)中交互項(xiàng)系數(shù)顯著為正。由于對風(fēng)險認(rèn)知較低以及可能受到短期利益和市場情緒的影響，該類企業(yè)高管存在過度自信，在央行擔(dān)保品擴(kuò)容后更加偏好于追求風(fēng)險。這也從側(cè)面反映出擁有相關(guān)學(xué)術(shù)認(rèn)知經(jīng)驗(yàn)與金融任職背景的董事會成員更懂得風(fēng)險管理，在決策時更加謹(jǐn)慎和理性。這與何瑛等（2019）[50]的觀點(diǎn)并不一致，可能是因?yàn)闊o金融背景的高管較少受到傳統(tǒng)金融理論和風(fēng)險規(guī)避策略的束縛，從而更愿意嘗試新的商業(yè)模式和市場機(jī)會，即使這些嘗試伴隨著較高的不確定性。

3. 企業(yè)規(guī)模異質(zhì)性。大型企業(yè)擁有較強(qiáng)的實(shí)力和資源，具備較高的市場份額和影響力，通常能夠通過多種渠道獲取資金支持，并且具有一定的抗風(fēng)險能力。在央行擔(dān)保品擴(kuò)容使得企業(yè)獲得更多外部融資后，大型企業(yè)可能更多關(guān)注其對市場整體環(huán)境和競爭格局的影響，進(jìn)而調(diào)整投資結(jié)構(gòu)。借鑒萬佳彧等（2020）[52]的做法，本文將企業(yè)的資產(chǎn)規(guī)模按大小分為四個等級，區(qū)分為大型企業(yè)與中小型企業(yè)。本文取前2036家大型企業(yè)與后2036家小型企業(yè)進(jìn)行異質(zhì)性分析。表11第（2）和（4）列的結(jié)果顯示，大型企業(yè)的Treat×Post系數(shù)在1%水平上顯著為正，而小型企業(yè)系數(shù)為正但不顯著，說明央行擔(dān)保品擴(kuò)容主要影響了大型企業(yè)投資風(fēng)險偏好。

表11：企業(yè)規(guī)模異質(zhì)性回歸結(jié)果

[變量名 小型企業(yè) 大型企業(yè) （1） （2） （3） （4） INV INV INV INV Treat×Post 0.024

（0.07） 0.285

（1.57） 1.396***

（5.22） 1.095***

（3.96） Treat 0.007

（0.02） 0.080

（0.25） -1.730***

（-5.86） -1.459***

（-4.78） Post 1.539***

（3.81） 0.018

（0.06） 0.630***

（2.61） -0.682**

（-2.19） LnA 0.352

（1.57） 0.287

（1.09） 0.359***

（4.81） 0.383***

（4.02） 控制變量 NO YES NO YES 企業(yè)固定效應(yīng) YES YES YES YES 年度固定效應(yīng) YES YES YES YES 常數(shù)項(xiàng) -10.405**

（-2.20） -18.796

（-1.14） -12.870***

（-6.37） 7.666

（0.57） 觀測值 2036 2036 2036 2036 R2 0.853 0.855 0.859 0.866 ]

4. 不同區(qū)域的異質(zhì)性。東部地區(qū)，尤其是沿海發(fā)達(dá)地區(qū)，憑借得天獨(dú)厚的地理位置、經(jīng)濟(jì)基礎(chǔ)和政策支持，通常能夠更早地接觸和把握國內(nèi)外市場的動態(tài)和機(jī)遇，往往擁有較強(qiáng)的市場競爭力和創(chuàng)新意識，因而更愿意承擔(dān)風(fēng)險。相比之下，中西部地區(qū)的企業(yè)在經(jīng)濟(jì)發(fā)展、資源稟賦和市場環(huán)境等方面相對較弱，往往面臨著更大的市場壓力和生存挑戰(zhàn)，更加傾向于穩(wěn)健經(jīng)營和風(fēng)險控制。因此，在投資決策時，中西部地區(qū)的企業(yè)更注重項(xiàng)目的穩(wěn)定性和可預(yù)測性，避免過度冒險和不確定性帶來的風(fēng)險。本文依據(jù)國家統(tǒng)計局對東部、中部和西部地區(qū)的劃分標(biāo)準(zhǔn)，將研究樣本劃為東部與中西部地區(qū)兩大類別。表12的第（2）和（4）列結(jié)果顯示，央行擔(dān)保品擴(kuò)容顯著提升了東部地區(qū)企業(yè)的投資風(fēng)險偏好，而對中西部地區(qū)的企業(yè)投資風(fēng)險偏好沒有顯著性的影響。

五、結(jié)論與啟示

本文基于文本挖掘技術(shù)，將海量的企業(yè)年報文本信息轉(zhuǎn)化為數(shù)字化、可比較的企業(yè)投資風(fēng)險偏好指數(shù)，并應(yīng)用雙重差分法分析央行擔(dān)保品擴(kuò)容政策這一準(zhǔn)自然實(shí)驗(yàn)對企業(yè)投資風(fēng)險偏好的影響。結(jié)果顯示：第一，2013年的央行擔(dān)保品擴(kuò)容顯著地提升了發(fā)行AAA級債券企業(yè)的投資風(fēng)險偏好；第二，在機(jī)制檢驗(yàn)方面，央行擔(dān)保品擴(kuò)容通過發(fā)揮“成本激發(fā)效應(yīng)”和“規(guī)模輻射效應(yīng)”，進(jìn)而提升了企業(yè)從事高風(fēng)險投資的傾向；第三，央行擔(dān)保品擴(kuò)容對企業(yè)投資風(fēng)險偏好的作用在行業(yè)、高管風(fēng)險偏好、企業(yè)規(guī)模、地區(qū)等方面存在明顯的異質(zhì)性。

基于上述結(jié)論，本文具有以下政策啟示：第一，央行擔(dān)保品擴(kuò)容雖然能夠降低相應(yīng)企業(yè)的融資成本和增加其融資規(guī)模，促進(jìn)相應(yīng)企業(yè)發(fā)展，但是也會提升相應(yīng)企業(yè)的投資風(fēng)險偏好。過高的投資風(fēng)險偏好可能導(dǎo)致企業(yè)投資失敗和企業(yè)債券違約的問題，影響金融穩(wěn)定，需要予以關(guān)注。第二，結(jié)合異質(zhì)性檢驗(yàn)的結(jié)論，央行擔(dān)保品政策簡單地根據(jù)債券評級劃分，可能無法精準(zhǔn)地把控政策效果與管控金融風(fēng)險。央行可以在債券評級的基礎(chǔ)上，進(jìn)一步考慮發(fā)行債券企業(yè)所屬行業(yè)的風(fēng)險，甚至企業(yè)高管的風(fēng)險管理經(jīng)驗(yàn)，防止企業(yè)過度的風(fēng)險投資。第三，自從2014年我國首只債券違約以來，債券違約數(shù)量與金額均大幅提升。甚至許多AAA級企業(yè)債券也發(fā)生了違約。這不僅直接損害了投資者的利益，而且影響央行擔(dān)保品的質(zhì)量。因此，央行可以對發(fā)生債券違約的企業(yè)采取一定的懲罰，如發(fā)生債券違約的企業(yè)日后發(fā)行的債券不能用于質(zhì)押，或者降低其質(zhì)押率，以降低企業(yè)過度風(fēng)險投資傾向，改善債券融資環(huán)境。

注：

①由于央行在2005年12月發(fā)布了《關(guān)于公司債券進(jìn)入銀行間債券市場交易流通的有關(guān)事項(xiàng)公告》，促進(jìn)了公司債券在銀行間債券市場的交易流通，且本文的主要解釋變量與債券發(fā)行密切相關(guān)，債券買賣功能對本文樣本時間選取至關(guān)重要，因此債券發(fā)行企業(yè)數(shù)據(jù)考慮的是2005年12月之后，相對應(yīng)地，相關(guān)企業(yè)的年報數(shù)據(jù)也應(yīng)該在2005年12月之后，

②由于無法展示所有企業(yè)每年的投資風(fēng)險偏好，我們僅展示所有企業(yè)投資風(fēng)險偏好的年度平均數(shù)據(jù)。

③為了與后文的數(shù)據(jù)期限匹配，我們在此只展示2008年后的數(shù)據(jù)。

④企業(yè)風(fēng)險投資金額數(shù)據(jù)來源于CVSource投中數(shù)據(jù)庫。

⑤《國民經(jīng)濟(jì)行業(yè)分類》中農(nóng)林牧漁業(yè)、基本公共服務(wù)行業(yè)、非技術(shù)服務(wù)行業(yè)、教育業(yè)、住宿和餐飲業(yè)、批發(fā)和零售業(yè)與文體行業(yè)等劃分為低風(fēng)險行業(yè)，其余技術(shù)更新快、市場競爭激烈、投入成本高等的行業(yè)為高風(fēng)險行業(yè)。

參考文獻(xiàn)：

[1]鄧偉，楊紅霞，劉沖.央行擔(dān)保品政策如何支持實(shí)體經(jīng)濟(jì)？——基于商業(yè)信用的視角 [J].管理世界，2024，40（02）.

[2]黃振，郭曄.央行擔(dān)保品框架、債券信用利差與企業(yè)融資成本 [J]. 經(jīng)濟(jì)研究，2021，56（01）.

[3]王永欽，吳嫻.中國創(chuàng)新型貨幣政策如何發(fā)揮作用：抵押品渠道 [J]. 經(jīng)濟(jì)研究，2019，54（12）.

[4]郭曄，房芳.新型貨幣政策擔(dān)保品框架的綠色效應(yīng)[J]. 金融研究，2021，（01）.

[5]鄧偉，歐陽志剛，楊國超，肖賽.中國借貸便利工具有效性研究——來自銀行信貸投放的證據(jù) [J]. 經(jīng)濟(jì)學(xué)（季刊），2022，22 （06）.

[6]王遂昆，董晨曦.央行擔(dān)保品綠色金融政策如何助力企業(yè)綠色轉(zhuǎn)型 [J].金融與經(jīng)濟(jì)，2023，（07）.

[7]Bauer M D，Bernanke B S，Milstein E. 2023. Risk Appetite and the Risk-Taking Channel of Monetary Policy[J].Journal of Economic Perspectives，37（1）.

[8]Lian C，Ma Y，Wang C. 2019. Low Interest Rates and Risk-Taking： Evidence from Individual Investment Decisions [J].The Review of Financial Studies，32（6）.

[9]劉沖，龐元晨，劉莉亞.結(jié)構(gòu)性貨幣政策、金融監(jiān)管與利率傳導(dǎo)效率——來自中國債券市場的證據(jù) [J].經(jīng)濟(jì)研究，2022，57（01）.

[10]Pelizzon L，Riedel M，Simon Z，Subrahmanyam MG. 2024. Collateral Eligibility of Corporate Debt in the Eurosystem [J]. Journal of Financial Economics，153.

[11]陳國進(jìn)，丁賽杰，趙向琴，蔣曉宇.中國綠色金融政策、融資成本與企業(yè)綠色轉(zhuǎn)型——基于央行擔(dān)保品政策視角 [J].金融研究，2021，（12）.

[12]De Santis R A，Zaghini A. 2021. Unconventional Monetary Policy and Corporate Bond Issuance [J].European Economic Review，135.

[13]Nyborg K G. 2017. Reprint of：Central Bank Collateral Frameworks [J].Journal of Banking amp; Finance，83.

[14]Lengwiler Y，Orphanides A. 2024. Collateral Framework：Liquidity Premia and Multiple Equilibria [J]. Journal of Money，Credit and Banking，56（2-3）.

[15]Caliskan D，Doukas J A. 2015. CEO Risk Preferences and Dividend Policy Decisions [J].Journal of Corporate Finance，35.

[16]Chowdhury R，Doukas J A，Mandal S. 2023. CEO Risk Preferences，Hedging Intensity，and Firm Value [J]. Journal of International Money and Finance，130.

[17]Brenner S. 2015. The Risk Preferences of US Executives [J].Management Science，61（6）.

[18]Eckel C C，Grossman P J. 2002. Sex Differences and Statistical Stereotyping in Attitudes Toward Financial Risk [J].Evolution and Human Behavior，23（4）.

[19]Crosetto P，F(xiàn)ilippin A. 2013. The \"Bomb\" Risk Elicitation Task [J].Journal of risk and uncertainty，47.

[20]Dave C，Eckel C C，Johnson C A，Rojas C. 2010. Eliciting Risk Preferences：When is Simple Better？ [J].Journal of Risk and Uncertainty，41.

[21]Opper S，Nee V，Holm H J. 2017. Risk Aversion and Guanxi Activities：A Behavioral Analysis of CEOs in China [J].Academy of Management Journal，60（4）.

[22]Caliendo M，Cobb-Clark D A，Pfeifer H，Uhlendorff A，Wehner C. 2024. Managers' Risk Preferences and Firm Training Investments [J]. European Economic Review，161.

[23]徐高彥，張婷婷.公司自媒體可以提供更多的指導(dǎo)性信息嗎？——基于企業(yè)微信公眾號技術(shù)創(chuàng)新披露的文本分析 [J].經(jīng)濟(jì)管理，2024，46（06）.

[24]王鋒正，趙宇霞，夏嘉欣.異質(zhì)環(huán)境政策、高管風(fēng)險偏好與綠色技術(shù)創(chuàng)新——基于中國重污染上市公司的實(shí)證研究 [J].科研管理，2022，43（11）.

[25]雒敏，聶文忠.財政政策、貨幣政策與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整——基于我國上市公司的經(jīng)驗(yàn)證據(jù) [J]. 經(jīng)濟(jì)科學(xué)，2012，（05）.

[26]林朝穎，黃志剛，石德金.貨幣政策對企業(yè)風(fēng)險管理的影響研究 [J].財經(jīng)論叢，2014，（06）.

[27]Kuttner K N. 2018. Outside the Box：Unconventional Monetary Policy in the Great Recession and Beyond[J].Journal of Economic Perspectives，32（4）.

[28]Chodorow-Reich G. 2014. Effects of Unconventional Monetary Policy on Financial Institutions [R].National Bureau of Economic Research.

[29]鄧偉，李語彤，劉敏，楊國超.央行擔(dān)保品政策創(chuàng)新的信貸融資效應(yīng)研究 [J].財經(jīng)研究，2023，49（05）.

[30]Ottonello P，Winberry T. 2020. Financial Heterogeneity and the Investment Channel of Monetary Policy [J]. Econometrica，88（6）.

[31]Hirth S，Viswanatha M. 2011. Financing Constraints，Cash-Flow Risk，and Corporate Investment [J]. Journal of Corporate Finance，17（5）.

[32]McLean R D，Zhao M. 2014. The Business Cycle，Investor Sentiment，and Costly External Finance [J].The Journal of Finance，69（3）.

[33]Malmendier U，Tate G. 2015. Behavioral CEOs： The role of Managerial Overconfidence [J].Journal of Economic Perspectives，29（4）.

[34]Aktas N，Louca C，Petmezas D. 2019. CEO Overconfidence and the Value of Corporate Cash Holdings [J]. Journal of Corporate Finance，54.

[35]Barrell R，Davis E P，Karim D，Liadze I. 2010. Bank Regulation，Property Prices and Early Warning Systems for Banking Crises in OECD Countries [J].Journal of Banking amp; Finance，34（9）.

[36]Li F. 2010. The Information Content of Forward‐Looking Statements in Corporate Filings-A Na?ve Bayesian Machine Learning Approach [J].Journal of Accounting Research，48（5）.

[37]Cheng C，Huang B，Wang Y，Hu L. 2024. Military Background Officials，Risk Awareness，and Local Government Fiscal Balance：Novel Evidence from Text Analysis of Chinese Local Officials' News Reports [J].China Economic Review，85.

[38]陳良源，林建浩，王少林，詹焯揚(yáng).央行溝通對于貨幣政策實(shí)際干預(yù)的預(yù)測能力研究 [J].統(tǒng)計研究，2021，38（01）.

[39]程宏偉，馮藝，董丁瑞.企業(yè)綠色沉默能否對沖碳風(fēng)險溢價？[J].證券市場導(dǎo)報，2024，（02）.

[40]Merton R C. 1974. On the Pricing of Corporate Debt：The Risk Structure of Interest Rates [J].Journal of Finance，29（2）.

[41]袁知柱，王澤燊，郝文瀚.機(jī)構(gòu)投資者持股與企業(yè)應(yīng)計盈余管理和真實(shí)盈余管理行為選擇 [J].管理科學(xué)，2014，（05）.

[42]顧夏銘，陳勇民，潘士遠(yuǎn).經(jīng)濟(jì)政策不確定性與創(chuàng)新——基于我國上市公司的實(shí)證分析 [J].經(jīng)濟(jì)研究，2018，（02）.

[43]王桂虎，侯懿芮，郭金龍.資管新規(guī)緩解保險企業(yè)投資扭曲了嗎？ [J].保險研究，2024，（02）.

[44]劉夢莎，邵淇，阮青松.數(shù)字化轉(zhuǎn)型對企業(yè)債務(wù)融資成本的影響研究 [J].財經(jīng)問題研究，2023，（01）.

[45]黃少卿，俞錦祥，許志偉.杠桿率與企業(yè)生產(chǎn)率：基于信貸誤配的視角 [J].中國工業(yè)經(jīng)濟(jì)，2022，（09）.

[46]Li P，Lu Y，Wang J. 2016. Does Flattening Government Improve Economic Performance？ Evidence from China[J].Journal of Development Economics，123.

[47]Bouchmel I，F(xiàn)titi Z，Louhich W，Omri A. 2024. Financing Sources，Green Investment，and Environmental Performance：Cross-Country Evidence [J].Journal of Environmental Management，353（2）.

[48]葛結(jié)根.社會保險繳費(fèi)對工資和就業(yè)的轉(zhuǎn)嫁效應(yīng)——基于行業(yè)特征和經(jīng)濟(jì)周期的考察 [J].財政研究，2018（08）.

[49]肖翔，王晉梅，董香書.數(shù)字化轉(zhuǎn)型如何影響制造業(yè)實(shí)質(zhì)性創(chuàng)新？——基于“數(shù)字賦能”與“數(shù)字鴻溝”的視角 [J].浙江大學(xué)學(xué)報（人文社會科學(xué)版），2023，53（10）.

[50]何瑛，于文蕾，楊棉之.CEO復(fù)合型職業(yè)經(jīng)歷、企業(yè)風(fēng)險承擔(dān)與企業(yè)價值 [J].中國工業(yè)經(jīng)濟(jì)，2019，（09）.

[51]趙子夜，楊慶，陳堅波.通才還是專才： CEO的能力結(jié)構(gòu)和公司創(chuàng)新 [J].管理世界，2018，34（02）.

[52]萬佳彧，周勤，肖義.數(shù)字金融、融資約束與企業(yè)創(chuàng)新 [J].經(jīng)濟(jì)評論，2020，（01）.