金融自循环与企业技术创新

鲁晓东 詹卉

摘要：技术创新是制造业转型升级和快速发展的根本动力。基于我国2013—2020年A股制造业上市公司数据，探索金融自循环对企业技术创新的影响及传导机制，研究发现，金融自循环对企业技术创新存在显著的抑制作用，这种作用对于不同特征的企业存在异质性效果。同时，企业杠杆率、企业利润率在金融自循环与企业技术创新之间存在中介效应。鉴于此，我国应当加强金融监管，推动金融市场化改革，提高金融服务实体效率，这对推进创新驱动发展战略具有重要意义。

关键词：金融自循环;技术创新;脱实向虚

一、引言

我国是一个制造业门类齐全的制造业大国，但距离制造业强国仍有一定差距，其中，主要制约在于技术创新能力还不够强，技术“卡脖子”问题较为突出。技术创新的重要性不言而喻。与此同时，金融发展对经济增长以及技术创新的关系和重要性已经在学界进行了广泛讨论并取得一定程度的共识。近年来，我国金融发展迅速，有力推动了经济增长和企业技术创新，但也呈现出一些问题。例如，由于金融部门利润率远高于实体部门利润率，使金融行业对非金融行業的资金产生虹吸效应，导致资金越来越多地在金融体系内进行扩张性的自我循环。一些学者已经明确指出，金融脱离实体经济进行自我循环已经成为我国金融体系最大的风险（魏加宁，2017）。本文将其称为“金融自循环”。那么，金融自循环对企业技术创新将产生怎样的影响，其作用机制又是如何，值得深入研究。

二、文献回顾

文献综述主要从金融发展影响企业技术创新和金融自循环相关研究两个方面展开。

（一）金融发展影响企业技术创新的相关研究

已有研究主要从金融结构、金融市场化、金融错配等方面研究了金融发展对企业技术创新的影响。从金融结构的视角，例如，王红建等实证研究了1999—2006年我国的工业行业数据，认为完善金融市场结构可以提高资源配置效率，促进企业技术创新水平提升，但是政府干预会产生一定的抑制作用，在高新技术、化学、电子信息科技等行业中更为显著。朱欢认为，我国的银行贷款对企业技术创新的促进作用更加显著，而资本市场的直接融资对企业技术创新活动影响却很小。这说明了既要鼓励银行信贷支持企业进行研发创新活动，又要推动建立多层次资本市场，使资本市场服务于企业技术创新。从金融市场化的视角，白俊红和刘宇英指出，金融市场化可以有效地促进企业进行技术创新。从传导机理上来看，金融市场化可以减轻公司的外部融资约束，提高企业的研发投入，进而提高企业的创新水平。我国的金融市场化对技术创新的推动作用存在显著的空间差别。从金融错配的视角，张建华和杨小豪选用了我国制造业的区域面板数据，并对其进行实证分析，指出金融错配使民营企业受到了所有制歧视，在金融资源上反而获取更少，严重阻碍了企业技术创新，进而对整个区域创新产生阻碍。

中国证券期货2022年6月

第2期金融自循环与企业技术创新

（二）金融自循环的相关研究

已有研究虽然尚未明确提出“金融自循环”的概念，但从金融过度、金融脱实向虚、金融空转等角度进行了探讨。国际货币基金组织和国际清算银行提出了金融过度说，认为金融发展不是单向促进经济增长，金融发展规模和经济增长之间存在“倒U型”关系，即金融体系规模超过一定程度后会抑制经济增长，阻碍技术创新活动，恶化金融资源配置，增大金融风险。Wolf研究发现，在20世纪80年代至2008年次贷危机这一时间段中，美国金融部门增速是名义GDP增速的6倍，由此提出美国的金融部门与实体部门地位出现了本末倒置。国内学者也对金融过度发展、金融膨胀和金融脱实向虚等问题进行了研究。米建国和李建伟认为，要达到最优的经济增长，必须有适度的金融发展，无论是金融抑制还是金融过度扩张，都会影响整个宏观经济运行。白钦先和主父海英认为金融发展要在数量和质量上达到均衡，金融要在实体经济的合理边界内运行，金融工具的价值要体现其所服务的实体经济的价值，不然会造成无法持续的金融发展和经济增长。有学者提出，近十年来我国金融部门名义增速远超经济名义增速，表现为明显的“金融膨胀”。此外，2013年我国爆发“钱荒”事件之后，一些学者开始注意资金在金融体系空转的问题。耿同劲将资金空转划分为两种形式，第一种形式，即资金只是以货币资本的形态在金融内部循环，而没有转化为生产资本或商品资本，不能实现价值增值;第二种形式是货币资本在最终到实体经济部门之前，经历的金融机构太多，使资金从金融部门到实体部门的链条过长。

已有文献一方面从金融结构、金融市场化、金融错配等角度研究了金融发展对企业技术创新的作用，另一方面从金融过度、金融膨胀、金融空转等角度分析了当前我国金融体系存在的突出问题，但未对我国近年来出现的资金在金融体系内部空转并不断虹吸实体经济领域资金的金融自循环现象进行全面系统剖析，也缺少对金融自循环如何影响和作用于企业技术创新的相关研究。

三、金融自循环及其对企业技术创新影响的机制分析

（一）金融自循环的机制分析

基于前文对金融自循环的定义，金融自循环具有两大突出特征：一是金融空转，金融空转主要表现为信贷空转、票据空转、理财空转、同业空转等形式;二是对实体经济部门产生虹吸效应。

信贷空转的模式主要有三种：一是贷款置换，银行将贷款伪装成采购货品，实际上最终流向关联公司，用于收购其他的问题信贷资产，还有的以本行表内外融资违规置换他行表内外融资;二是贷款挪用，银行将信贷资金用于其他用途，如购买理财产品或存单，而这与申请贷款时所填写的用途并不一样;三是违规放贷，主要目的是合作进行“过桥贷款”，违规发放贷款归还他行不良贷款，掩盖借款人真实风险状况。

票据空转的主要模式是企业从商业银行开具无实际交易记录的票据，存入保证金后，企业再从银行开具银行承兑汇票。收款人一般是票据中介或者关联企业。在经过一些包装和伪装后，关联企业将票据贴现，贴现资金自然而然地返还给出票人。出票人将其作为保证金存入银行，然后开具银行承兑汇票，并不断套取银行的资金。

理财空转模式主要有四种：一是商业银行违规操作。商业银行在非标资产上理财资金投入比例过高，同时将理财产品与投资标的资产期限错配。二是银行将资金投入同业理财。银行还会委托非银机构管理这些资金，甚至用理财资金买理财产品。三是理财资金过度投资于资本流通市场，主要包括信用债券等。在监管过程中，商业银行倾向于提高利率债的比例来严控信用风险，推高资产价格，潜在信用风险和市场风险增大。四是银行将理财投资进行多层嵌套，底层标的资产很难被穿透监管。

同业空转有两种形式：一是同业通道。大型商业银行利用各种衍生工具为其他机构提供资金支持，完成金融加杠杆的过程，并充当其他银行资金管理的“通道”。二是同业之间直接进行各类投融资业务，银行通过在银行间市场同业存放、卖出回购、买入返售等吸收的同业资金对接投资理财产品、资管计划，放大杠杆，赚取收益。

虹吸效应则是物理学概念在金融领域的应用，主要表现为实体经济领域的投资不断向金融领域转移，主要原因是金融部门的平均收益率高于实体经济部门，资金在市场机制的作用下不断向金融部门汇集。虹吸效应使实体经济部门受到了更多的资金约束，抑制了企业的技术创新活动，企业也面临更多的发展瓶颈。

（二）金融自循环影响企业技术创新的机制分析

金融自循环主要是通过以下机制影响企业技术创新。一方面，由于金融部门与实体部门投资收益率差距较大，资金不断从实体经济部门涌入金融部门，这会推高资产价格，进一步加大实体经济投资与金融部门的收益率差距，加剧金融自循环和自我膨胀，而企业利润率的相对低下使企业不得不减少技术创新投入，进而抑制了企业技术创新动机。另一方面，金融自循环意味着金融部门快速膨胀，企业杠杆率攀升，企业面临着更高的杠杆和更多的利息支出，财务风险进一步上升。而企业的技术创新研发周期往往很长，需要资金投入量很大，还会面临研发可能失败的风险。因此，企业在面临更高的本息支出时，更加希望能够快速盈利以缓解现金流压力，这促使企业可能更多地将资金投资于金融理财产品，而削减技术创新开支，进而抑制企业技术创新。

基于此，本文提出如下研究假设：

H1：金融自循环会抑制企业技术创新。

H2：金融自循环降低实体企业利润率，企业缺少资金进行研发投入，抑制企业技术创新。

H3：金融自循环导致企业杠杆率上升，企业财务情况恶化，抑制企业技术创新。

四、研究设计

（一）数据来源

本文采用2013—2020年沪深两市A股制造业上市公司的数据为研究样本。数据主要来自国泰安CSMAR数据库和中国研究数据服务平台（CNRDS）。出于对数据可靠度的考虑，本文剔除样本中全部ST类、PT类和终止上市的企业，剔除了部分数据缺失的上市公司，还对模型中的所有连续变量进行了1%和99%的缩尾处理，以便更好地减弱两侧极端值对回归结果造成的影响。

（二）变量选取

1被解释变量

参照以往学者对企业技术创新的研究，衡量企业技术创新主要从投入和产出两个方面出发。一方面，采用研发投入、研发人员占比等指标衡量企业在技术创新中的投入水平。另一方面，采用专利申请数量、专利授权数量等衡量企业在技术创新中的产出水平。

本文充分考虑金融自循环对技术创新投入与产出两个方面的影响，选用技术创新投入与技术创新产出作为被解释变量，并参考杨国超等、孔东民等学者的做法，分别用研发投入金额的自然对数值和有效发明专利数的自然对数值进行衡量。本文的部分研究样本企业的有效发明专利数量为0，为了避免取自然对数后造成的样本数量减少问题，对其进行专利数量加1后再取自然对数。在我国，专利类型主要分为实用新型、发明和外观设计三种。企业专利中的发明专利的技术含量相对较高，能更好地代表企业技术创新产出水平，因此本文选用其自然对数作为被解释变量。

考虑到需要对模型进行稳健性检验，本文参考段军山和庄旭东的研究采用研发投入强度，即研发投入在总资产中的占比来替代原来的企业技术创新投入指标。此外，本文采用有效专利总数的自然对数来替代原来的技术创新产出指标。

2解释变量

关于金融自循环程度的测度，基于本文对金融自循环的界定，其具有两方面突出特点，一是金融部门快速膨胀并且产生金融空转，二是金融部门对实体部门资金产生虹吸效应，因此从上述两个角度选取指标。

一方面，本文参照华而诚和妥佳媛研究的做法，采用金融空转程度（Fid）即地区GDP占该地区社会融资规模的比例进行衡量，分析GDP/TSF变化情况。其中，TSF为社会融资规模，该比例衡量的是社会融资规模拉动GDP增长情况。GDP/TSF=GDP/FAI×FAI/TSF，其中FAI为固定资产投资。考虑了FAI/TSF正常的季节性波动后，GDP/TSF指标越低，说明社会融资规模对GDP的拉动效应越弱。资本边际效率ICOR下降，投資率的持续上升并未有效拉动经济增长，金融自循环程度增大。

另一方面，金融部门对实体部门的资金产生虹吸效应体现在企业进行相应的金融资产配置，将公司相关资源用以金融投资。本文参考王红建等的研究，采用金融资产投资占比（Fin）作为另一个解释变量，即企业金融资产除以企业总资产。企业的金融资产包括以下7个分类，它们是货币资金、交易性金融资产、可供出售金融资产、投资性房地产、持有至到期投资、应收股利和应收股息。

3控制变量

参考郭玥等关于企业技术创新的研究，本文共引入如下6个可能影响企业技术创新的控制变量：①企业规模（Size），用企业总资产的自然对数值进行衡量;②公司上市时间（Age），用公司在A股的上市时间进行衡量;③企业盈利能力（ROA），用企业的总资产收益率衡量;④股权集中度（Top），用第一大股东的持股比例进行衡量;⑤治理结构（Ms），用管理层持股比例进行衡量;⑥董事会结构（Independ），用董事会中独立董事占比进行衡量。

（三）模型设定

本文构造了如下所示的模型（1）来研究金融自循环和企业技术创新之间的关系。

lnInnovationit=β0+β1FSCit+ ∑ρjXijt+μi+δt+εit（1）

其中，金融自循环（FSCit）是本文的解释变量，包括金融空转程度（Fid）和金融资产投资占比（Fin）;核心被解释变量是企业技术创新（Innovationit），包括企业研发投入的自然对数（lnRd）和有效发明专利的自然对数（Ln P）;Xijt代表前述控制变量;μi代表个体固定效应;δt代表时间固定效应;εit为聚类至微观企业层面的随机误差项。

五、实证分析

（一）变量的描述性统计

由表1可看出，被解释变量企业技术创新投入平均值是1798，最大值是2198，最小值是1274，标准差是1397，企业技术创新产出平均值是0386，最大值是8229，最小值是0，标准差是0886。以上数据体现了我国制造业的不同企业间企业技术创新水平差距很大，其中有的企业技术创新能力较强，创新投入大，一年内能够申请较多专利，而一些企业创新能力薄弱，创新投入较小，几乎没有专利申请。

解释变量各地区金融空转程度指标平均值是1733，最大值是9078，最小值是0633，标准差是0780，这表明了各地区的金融空转程度存在差异。金融资产投资占比平均值是00386，最大值是0492，最小值是0，标准差是00733。可以发现，大多数企业的金融资产投资占比差距不大，除了个别企业的金融投资占比较高。

控制变量中公司规模最大值和最小值的差值不大，可以看到，本文选取的企业规模基本接近，这主要与本文所选的样本企业均来自制造业的上市企业。公司上市时间的最大值是28，最小值是0。这说明研究样本中既有初创期企业也有成熟期企业。公司股权集中度的均值为0330，本文样本企业中第一大股东平均持股比例为33%，同时也存在公司经营管理中拥有绝对话语权的第一大股东。财务杠杆和盈利能力标准差较小，管理层持股比例和独董占比标准差较大，说明公司间在治理结构和董事会结构上差别较大。

（二）变量的相关性分析

在进行基准回归分析之前，本文检验了各变量间的相关性。一方面是为了检验金融自循环（Fid、Fin）与企业技术创新（lnRd、lnP）间是否存在较为显著的相关关系，判断解释变量是否应该加入回归方程;另一方面这检验了自变量之间是否存在过度相关的情况，判断变量之间是否存在多重共线性。

本文选用Pearson相关系数法检验样本变量之间的相关性。检验结果如表2所示。由表可知，解释变量金融自循环（Fid、Fin）与被解释变量企业技术创新（lnRd、lnP）之间存在负相关关系，并且在1%的显著性水平上负相关，说明金融自循环抑制了企业技术创新。

从表2中结果可以看出，其中各个控制变量之间的相关系数基本小于03，表明了各个控制变量之间不存在多重共线性，各个控制变量能够同时加入回归方程检验金融自循环如何影响了企业技术创新。

（三）基准回归结果分析

本文基于模型（1）分析了金融自循环与企业技术创新之间的关系，回归结果如表3所示。

从全国层面来看，模型（1）中金融空转程度（Fid）的系数为-0054，并且在1%水平下显著，模型（2）中金融空转程度（Fid）的系数为-0049，并且在1%水平下显著，并且模型（3）、模型（4）中金融资产投资占比（Fin）系数均显著为负。从这可以看出，金融自循环程度增加抑制了企业技术创新的提高，验证了提出的假说1。

企业规模（Size）在模型（1）中的系数为0913，在模型（2）中的系数为0277，在模型（3）、模型（4）中系数均为正，且在1%的水平上显著，说明企业规模对企业技术创新有促进作用。这主要是因为企业规模大，可以提升自身的融资能力，融资渠道更多。这有利于增大企业技术创新的投入，更好地开展技术创新活动，企业进行技术创新活动的意愿更强。企业盈利能力（ROA）在模型（1）中的系数为2084，在模型（2）中的系数为0623，且都通过了显著性检验，在模型（3）、模型（4）中得到了相似的结果，这是由于企业盈利能力的提高使企业拥有更多的资金来源，增强企业进行技术创新的动力和信心，可以促进企业技术创新水平的提高。

（四）异质性分析

以上全样本的实证结果证实了金融自循环总体上来说对企业技术创新起到抑制的作用。下面分析金融自循环对企业技术创新影响的异质性，基于上面的分析和研究思路，本文考慮到我国制造业企业特征，按照所有制、产业特点和所归属的地区（东部、西部、中部地区）差别进行分样本回归。通过这种方式来探究金融自循环对不同特征、不同地区的企业技术创新的异质性影响，通过对模型回归后得到了三组分样本的估计结果。

根据企业产权属性，本文将样本分为国有企业和非国有企业，进行分组检验。表4、表5为分组检验的结果。可以看出金融自循环对非国有企业技术创新存在抑制作用，并在1%的水平上显著，对国有企业的企业技术创新存在抑制作用，但并不显著，从表5中可以看出用金融资产投资占比（Fin）作为解释变量均得到了相似的结果。

这主要是由于国有企业具有较强的融资优势，不用担心未来的资金储备问题，享受着来自政府方面的隐性保护，与政府联系更加紧密，更容易获得政府的政策鼓励和资金支持，创新活动的资源约束问题更弱，而非国有企业存在融资难融资贵的问题，融资渠道受限，金融自循环程度增大减弱了企业进行技术创新的动力。

表6和表7展示了高科技企业和非高科技企业的分样本回归结果。可以得出，金融自循环程度的提升抑制了高科技企业和非高科技企业的技术创新，并通过了显著性检验，金融自循环对于非高科技企业的技术创新抑制作用大于对于高科技企业的技术创新抑制作用。表7中可以看到用金融资产投资占比（Fin）作为解释变量均得到了相似的结果。

本质而言，技术创新是一项高风险、长周期的企业经营活动。金融自循环程度的增强不利于企业经营，增加了整体金融风险，使得非高科技企业创新活动融资条件更加恶化，从而减弱其技术创新的意愿并降低其创新投入和产出，而高科技企业一方面有来自政府的补助，另一方面本身的创新能力比较强，拥有很多资质和较高的声誉，在金融融资的时候可抵押物比较多，融资能力更强，受到金融自循环的影响较小。

最后，本文研究了金融自循环对企业技术创新影响的地区异质性。不难想到，在我国各地区发展水平不同的背景下，不同区域展现出的影响效果有所不同。表8和表9展示了东部、中部、西部地区的分样本回归结果。可以看出，在东部地区和中部地区的回归结果中，金融自循环对企业技术创新投入和产出的回归系数均显著为负;在西部区域中，金融自循环对于企业技术创新的回归系数为负，但并不显著。抑制作用按照东部、中部、西部顺序依次减弱。表9中用金融资产投资占比（Fin）作为解释变量均得到了相似的结果。

本文认为，这一区域异质性结果可以做如下阐释，东部和中部地区金融市场规模更大，金融体系更加完备，经济发达程度较高，金融监管程度更加严格，企业竞争压力更大，当金融自循环程度增加时，企业会陷入融资约束的困扰，会显著抑制企业技术创新的意愿，进而抑制其创新投入和产出。而西部区域经济发达程度较低，存在政府的专项政策扶持，受到金融自循环影响程度较小，企业技术创新受到一定程度的抑制。

（五）影响机制分析

经过上述的实证分析，本文证明了金融自循环抑制企业技术创新，而且抑制作用存在异质性。但却仍难以解答金融自循环是通过何种渠道影响微观企业的技术创新活动。进一步地，本文参考Baron和Kenny、温忠麟和叶宝娟的研究，构建中介效应模型，全面考察金融自循环对企业技术创新影响的传导机制。

其中，Med代表中介变量，在中介变量的选取上，本文拟从两个角度出发，一方面，金融自循环对企业的杠杆率将产生明显的影响，采用企业杠杆（Lev）这一指标，即企业杠杆（Lev）=总负债/总资产。另一方面，金融自循环的程度增大势必会恶化企业的经营环境，影响企业的利润率，鉴于此，选取企业利润率（Pm）即企业的营业利润率作为另一个中介变量。

根据温忠麟和叶宝娟的研究，本文按照顺序检验了模型中主要变量的系数。当系数α1显著时，如果系数ω1和ζ2都显著，说明存在间接效应，此時，当ζ1不显著时，则存在完全中介效应;当ζ1通过显著性检验后，如果ω1ζ2和ζ1符号相同，说明存在中介效应，如果ω1ζ2和ζ1符号不同，说明存在遮掩效应。

表10显示了中介变量Lev的估计结果。可以看出，第一列中的解释变量对中介变量的系数ω1显著为正，说明金融自循环促进了企业杠杆率的提升。第二列和第三列中的解释变量与中介变量对被解释变量的系数ζ1和ζ2均显著。此时，ω1ζ2与ζ1同号，这说明了企业杠杆在金融自循环与企业技术创新之间存在中介效应。在第四列至第六列中列示了用Fin做解释变量的估计结果，与前三列得到的结果相似。其中，第四列和第六列得到的结果认为存在完全中介效应。

当金融自循环程度提高时，促进了企业杠杆率攀升，企业面临着更多的利息支出，财务风险进一步上升。而企业进行研发的周期长，需要很高的资金投入，同时又面临着研发失败的风险。企业更希望能投资于时间短、收益高的项目，这降低了企业技术创新的意愿，抑制了企业技术创新，由此形成了“金融自循环→（提高）企业金融杠杆水平→（抑制）企业技术创新”的传导路径。

表11报告了中介变量Pm的估计结果。可以看出，第一列中的解释变量对中介变量的系数ω1显著为负，说明金融自循环抑制了企业部门的利润率提升。第二列和第三列中的解释变量与中介变量对被解释变量的系数ζ1和ζ2均显著。此时，ω1ζ2与ζ1同号，说明企业利润率在金融自循环与企业技术创新之间存在部分中介效应。在第四列至第六列中列示了用Fin做解释变量的估计结果，与前三列得到的结果相似。其中，第四列和第六列得到的结果认为存在完全中介效应。这说明了当金融自循环程度提高时，企业利润率降低，这使企业面对高风险的企业技术创新项目和研发投入时受到了更多的资金约束，抑制了企业技术创新的动机和意愿，形成了“金融自循环→（降低）企业利润率→（抑制）企业技术创新”的传导路径。

（六）稳健性检验

考虑到金融自循环与企业技术创新之间可能存在反向因果关系，这会进一步产生内生性问题。为了缓解模型的内生性问题，本文采用工具变量法—两阶段最小二乘法弱化其带来的影响。本文借鉴杨松令等的做法，选用货币供应增长率即M2增长率作为工具变量进行两阶段模型估计，其回归结果如表12所示。在第一阶段的模型估计结果中，工具变量M2增长率的回归系数在1%水平上显著，相关的检验值远大于10，这说明不存在工具变量识别不足和弱工具变量的问题，满足所需的要求。在第二阶段的模型估计结果中，可以看到解释变量（Fid、Fin）的系数为负，并通过了显著性检验，这表明金融自循环对企业技术创新存在抑制作用，与原回归结果一致，工具变量较好地削弱了模型的内生性带来的影响。

下面对基准回归结果进行稳健性检验，本文首先采用替换被解释变量的方法。一是使用企业的研发投入强度，即研发投入占总资产比例（lnRda）作为企业技术创新投入的的替代指标;二是使用有效专利总数自然对数值（lnPa）作为衡量企业技术创新产出的指标，结果如表13所示。表中得到了替换被解释变量后的回归结果，可以看出各变量系数符号和显著性并未发生本质性改变，对解释变量Fin回归后结果与以上结果类似，证明原回归结果具有稳健性。