中央银行前瞻指引对企业投资的影响：行业异质性与投资...

奥鹏网院作业

中央银行前瞻指引对企业投资的影响：行业异质性与投资者情绪中介效应
耿中元 潘禹杰 柯丹丹

[提 要] 本文通过自动赋值法对中央银行前瞻指引进行量化，并构建面板数据模型、中介效应模型，利用2006—2019年季度数据检验了中央银行前瞻指引对不同行业企业投资的影响。结果表明：全样本中，中央银行前瞻指引会对企业投资产生显著影响，该影响存在行业异质性，即前瞻指引对高新技术产业、制造业的投资有显著影响，而对房地产业、新能源行业的投资则无显著影响。在全样本、高新技术产业样本、制造业样本中，投资者情绪在前瞻指引影响企业投资过程中发挥了中介作用，且高新技术产业中的中介效应大于制造业。

[关键词] 前瞻指引；企业投资；投资者情绪；中介效应

一、引言
信息是市场预期赖以形成的基础，如果政策环境和经济稳定，而且公众行为满足理性预期，那么所有的货币政策沟通形式都是无效的(Alan et al.，2008)。但是，在现实世界中，常常有信息不对称或是信息不完全现象存在，经济和政策环境稳定、公众形成理性预期的假设很难同时获得满足，因此中央银行沟通行为的重要性显得更加突出。与一般货币政策工具不同的是，中央银行沟通更加侧重于信息的供给和分析，从而去引导经济主体形成合理的预期进而实现调控目标，如新西兰的公告操作、美联储货币政策操作中的利率平滑机制、欧洲中央银行等的利率走廊调控模式，等等(冀志斌和周先平，2011)。

前瞻指引，是中央银行沟通的重要形式之一，被誉为中央银行沟通“革命”，是指中央银行对未来货币政策做出的相关承诺或是对未来货币政策立场的沟通，其目的在于向公众传递中央银行未来政策走向，从而提升公众对货币政策导向的认识，有效引导市场预期，切实增强货币政策调控效果(耿亚莹等，2019)。随着传统货币政策工具局限性的凸显，前瞻指引在各国中央银行货币政策操作中的重要性越来越大，尤其是2008年全球金融危机之后，在一些主要发达国家，前瞻指引作为货币政策工具的角色不断加强。近年来，中国人民银行也日益重视前瞻指引的作用[注]根据政策路径发布方式的差异，前瞻指引可分为“预测式”指引和“承诺式” 指引。“预测式”指引强调货币当局公布的未来政策路径是基于目前可获信息形成对未来政策路径的条件预测，货币当局并不承诺未来的政策会依照预测进行。“承诺式”指引是货币当局对未来政策立场或路径有明确或隐含的承诺(Campbell et al.，2012)。根据中央银行前瞻指引的具体内容，可将其分为文字内容沟通与数据指标发布(向市场承诺的利率水平)两类(张成思和计兴辰，2017)。目前，我国中央银行前瞻指引属于预测式和文字内容沟通类的前瞻指引。，如通过发布《中国货币政策执行报告》和“货币政策委员会会议纪要”等提出下一阶段货币政策取向，不断提高与公众的沟通频率，拓展沟通内容，加强对市场预期的引导，以增强货币政策调控效果。

由于各国中央银行对前瞻指引的重视，学术界针对前瞻指引的研究也越来越丰富。现有研究聚焦于前瞻指引有效性的理论分析和前瞻指引效果的实证检验。(1)前瞻指引有效性的理论分析。有学者指出，前瞻指引作为中央银行沟通和预期管理的重要方式，在一定程度上可以引导经济主体的行为，影响经济运行的有效性，通过中央银行的信息沟通对公众预期产生引导效果，可以提高政策的执行效率(郭豫媚和陈彦斌，2017)。有学者认为，在货币政策操作上需要具备一定的前瞻性，这样可以对经济形势做出预判并通过前瞻指引提前采取相应措施，以调节宏观经济中出现的一些问题，进而提高货币政策的有效性(田光宁和范肖洁，2016)。Cole(2018)阐明了中央银行前瞻指引有效性的两个关键渠道(即货币政策制度和预期形成过程)，为前瞻指引的科学性及实施的有效性奠定了理论基础。另外，基于对国外实践经验的总结，前瞻指引的有效性也得到了诸多国外学者的支持(Campbell et al.，2012)。(2)前瞻指引实施效果的实证检验。这方面的研究主要从宏观与微观两个维度进行。就宏观层面而言，现有研究主要集中在检验前瞻指引对“宏观经济”和“金融市场”的影响(Angeletos & Lian，2018；Cole，2018；程均丽和林峰，2018；张成思和计兴辰，2017；Mckay et al.，2016；Beqiraj et al.，2019)。主要结论和发现有：第一，就宏观经济而言，前瞻指引可稳定通货膨胀预期，促进经济增长，提高社会福利，解决时间不一致性问题；就金融市场而言，前瞻指引可以降低市场不确定性，通过引导预期进而对资产收益率产生影响，对资产价格有引导作用。第二，前瞻指引的效应视前提假设和具体情况而定。第三，前瞻指引对宏观经济(如产出、就业等)的作用微不足道。从微观层面来看，研究成果偏少。有文献建立了一个包含投资需求和投资效率的前瞻性泰勒规则模型，并构造了一个反映企业投融资需求状况的企业综合状况指数，从宏观和行业两个层面对加入企业综合状况指数的前瞻性泰勒规则进行了检验，发现前瞻性货币政策的企业资产负债表渠道基本有效(刘星和韩鑫韬，2018)。

可以发现，现有文献集中于检验前瞻指引对宏观经济和金融市场的影响，缺乏前瞻指引影响微观主体行为(含投资)的研究成果。前瞻指引是否和如何影响企业投资行为，其内在影响渠道如何，前瞻指引对不同行业企业投资的影响是否存在异质性，尚存在较大的研究空间。本文在量化中央银行前瞻指引的基础上，从投资者情绪这一中介因素入手，探索前瞻指引对企业投资的影响，并考察这种影响在不同行业的异质性。本文的主要贡献在于：(1)使用自动赋值法对前瞻指引进行量化，克服对前瞻指引量化过程中的主观性缺陷。(2)验证得出前瞻指引可以通过影响投资者情绪而对企业投资产生影响，揭示了前瞻指引影响企业投资的渠道。(3)本文发现前瞻指引对不同行业企业投资的影响存在异质性，为增强中央银行前瞻指引政策实施的针对性提供了经验证据。

本文余下内容结构如下：第二部分在回顾已有文献的基础上分析中央银行前瞻指引对企业投资的影响，并提出相应研究假设；第三部分为变量选取(含中央银行前瞻指引量化)及模型构建；第四部分为实证结果及分析；第五部分为结论与政策含义。

二、理论分析与研究假设
(一)中央银行前瞻指引对企业投资的影响
经验证据表明，经济政策不确定性会对企业投资产生较大影响(才国伟等，2018；Gulen & Ion，2016)。第一，经济政策不确定性会增加企业判断未来经济形势的难度，企业投资所需承担的风险上升。出于规避风险的考虑，企业会选择减少投资。第二，当经济政策存在不确定性时，即使有较好的投资机会且风险中性，由于难以获得外部融资，或者外部融资的强制性条款较多、融资成本较高，企业的投资意愿也会减弱。第三，当经济政策不确定性较强时，企业即使能获得外部融资，也可能将其用于弥补现金流动性不足，从而挤占投资资金。而中央银行前瞻指引在解决经济政策不确定性方面能起到关键作用。相对于私人部门，中央银行具有更系统、更全面的关于货币政策目标、货币政策策略、经济前景及未来货币政策意图的相关信息。中央银行通过前瞻指引向金融市场和公众传递货币政策相关的有用信息而非增加噪音，不但能增加信息数量，提高信息质量，降低信息获取成本，加快信息传播速度，而且能够强化对市场参与者的预期引导，影响企业等微观主体对未来经济前景、资金供给情况或面临风险的判断，从而改变企业的投资决策，进而影响企业投资。因此，本文提出假设1。

假设1 前瞻指引能够显著影响企业投资。

理论和经验研究表明，货币政策主要通过货币渠道和信贷渠道影响企业投资水平。货币政策的变化，引起利率、股票价格等资产价格和银行信贷供给的变化，进而对企业投资产生影响。宽松的货币政策引起企业投资增加，紧缩的货币政策使得企业投资下降。前瞻指引作为中央银行重要的沟通工具，它释放的信息能体现货币政策的松紧度。当前瞻指引释放货币政策宽松信息时，会改变银行、企业等经济主体的行为。一方面，银行可能降低信贷成本，扩大信贷投放，增加企业投资的资金来源；另一方面，企业可能做出乐观估计，主动增加投资。反之，当前瞻指引释放货币政策紧缩信息时，企业的投资将下降。因此，本文提出假设2。

假设2 释放货币政策宽松信息的前瞻指引对企业投资产生正向影响，释放货币政策紧缩信息的前瞻指引对企业投资产生负向影响。

(二)中央银行前瞻指引对企业投资影响的行业异质性
不少经验研究表明，货币政策对不同行业的影响通常存在异质性，主要原因在于不同行业资本密集程度、银行的资产负债比率以及不同行业在国际经济中所占的比重等因素存在差异(Ehrmann & Fratzscher，2007)。不同行业对相同的货币政策也会做出不同的反应(戴金平和金永军，2006)。前瞻指引作为近年来中央银行常用的政策手段之一，对不同行业的影响也会存在异质性。中央银行前瞻指引释放信息的有效性，一定程度上是由信息接收者——处于行业的企业的特征决定的。不同行业的企业，具有不同的特征，加之认知偏差、有限理性等行为因素的影响，对中央银行前瞻指引的反应和预期是不同的，如企业是否认同和怎样理解中央银行的前瞻指引、是否根据中央银行的前瞻指引改变自身行为等，这可能导致中央银行前瞻指引对企业投资产生的影响在不同行业之间存在差异。因此，本文提出假设3。

假设3 前瞻指引对不同行业企业的投资影响存在异质性。

(三)中央银行前瞻指引对企业投资的影响：投资者情绪的中介作用
现实社会中，不同的投资者在文化背景、获取信息的效率、资金管理能力、风险偏好等方面存在差异。货币政策发生变动时，投资者对投资收益和波动的预期及信念会发生不同的变化。尤其是，当货币政策的不确定性增强时，会影响投资者的风险感知，会使投资者产生焦虑恐惧等负面情绪。并且投资者面临不确定性时存在模糊性厌恶，货币政策的信息不确定会使投资者犹豫不决，决策更为谨慎(靳光辉等，2016)。而带有明确信号的货币政策可以向投资者传达出中央银行的意图和倾向。中央银行前瞻指引，对未来货币政策趋势和宏观经济前景等进行了官方权威的预测，具有相对明确的信号，将会对投资者情绪产生影响。另外，投资者情绪可以通过以下渠道影响企业投资：(1)股权融资渠道。投资者的乐观或悲观情绪，可导致企业股票价格被高估或低估，这会影响企业的股权融资，进而影响企业投资(刘志远和花贵如，2009)。(2)信贷融资渠道。投资者情绪会引起资产价格波动，导致企业抵押品价值发生变化，进而影响企业从银行获取的信贷资源，从而影响企业投资(黄宏斌和刘志远，2014)。(3)迎合渠道。管理者可以通过增加(或减少)企业投资来主动迎合投资者乐观(或悲观)的情绪(Polk & Sapienza，2004)。(4)管理者乐观主义中介效应渠道。高涨或低落的投资者情绪可以通过“塑造”(shape)管理者乐观或悲观情绪，最终影响企业投资(花贵如等，2011)。因此，本文提出假设4。

假设4 投资者情绪在前瞻指引影响企业投资过程中发挥了中介作用。

三、变量选取与模型构建
(一)变量与样本
本文选取中国人民银行货币政策委员会季度例会的会议纪要以及房地产业、制造业、新能源业、高新技术产业等行业的企业相关数据作为分析依据，样本区间为2006年第一季度至2019年第四季度。其中，前瞻指引量化所需要的货币委员会的会议纪要来自中国人民银行官网，企业的相关数据来自于国泰安数据库。剔除了ST股、在样本区间内有退市的公司以及数据缺失严重的行业企业。控制变量数据来自《中国统计年鉴》以及东方财富数据中心。在数据处理上，对数据按照上下1%进行缩尾处理，剔除了异常值的影响。所有数据为季度数据，月度数据统一采用取均值的方式处理为季度数据。

1.中央银行前瞻指引的量化(解释变量)。对中央银行前瞻指引进行量化，是本文实证检验的基础和前提。现有研究对中央银行前瞻指引进行量化的方法主要是主观赋值法，该方法至少存在如下缺陷：(1)基于主观判断，有可能对货币政策趋势进行错误的分类，不够科学和客观；(2)所得量化数据只有3个或5个数值，数据不具有连续性，不能细致地刻画不同的中央银行前瞻指引行为背后所蕴含的政策倾向的细微差异。为了克服主观赋值法的缺陷，本文采用自动赋值法来量化前瞻指引。这一方法的基本算法，其关键在于来源于计算语言学中的文档主题生成模型(latent dirichlet allocation， LDA)，其量化依据在于一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”。因此，可以通过这一方法来计算某个词语出现的概率，并对一篇文章的主要思想做出分析，进而量化文本数据(邹文理和王曦，2018)。本文对前瞻指引进行量化，依据的文本是中国人民银行货币政策委员会季度例会会议纪要的“下一阶段货币政策取向和措施”部分(记为文本X)。本文采用的反义词对是“宽松-紧缩”，使用百度搜索引擎，采用信息检索技术中搜索命中率来分析文本X和反义词对(“宽松”或“紧缩”)的概率关系，然后依据下列公式量化前瞻指引：

BSO(X)width=122,height=41,dpi=110

width=205,height=38,dpi=110
(i=1,2,…,k)

式中，BSO为X季度的前瞻指引量化结果；k表示该季度所选取的有效文本共分成k个部分BSO(Xi)为第i部分文本的结果；Xi表示第i部分的文本；Hits(Xi&宽松)为对应文本Xi以百度搜索“宽松”的命中次数。前瞻指引的量化结果见表1(数值由小变大，意味着前瞻指引中货币政策取向趋向宽松)。

2.企业投资(被解释变量)。参考王克敏等(2017)、潘攀等(2020)的做法，使用下列关系式衡量企业投资：企业投资=(购建固定资产、无形资产和其他长期资产支付的现金+支付其他与投资活动有关的现金-处置固定资产、无形资产和其他长期资产收回的现金净额-收到其他与投资活动有关的现金)/期初总资产。在稳健性检验中，本文重新定义企业投资的量化指标对结果进行检验。

3.控制变量。企业投资行为会受到微观和宏观两个层面因素的影响。在微观层面上，参考饶品贵等(2017)的研究，选取总资产净利率(ROA)、资产负债率(ROL)、现金比率(CH)、融资约束(FR)、资产总额(TAS)作为控制变量，同时对资产总额取对数处理。宏观层面的控制变量包括物价指数(Cpi)、经济周期(Gdp)和货币供应增长率(m1)。

其中，总资产净利率、资产负债率、现金比率、资产总额等大部分数据主要来源于国泰安数据库，同时利用Wind等其他相关数据库对数据进行补充。对于融资约束指标，参照黄锐等(2020)采用的方法，通过构建SA指数来作为衡量企业融资约束的代理变量：SA=-0.737×lnAsset+0.043×(lnAsset)2-0.04×age。Asset=企业资产总额/1 000 000，age代表的是企业上市年限。融资约束指标绝对值越大，所代表的企业融资约束就越严重。

表1 前瞻指引量化结果

width=745,height=803,dpi=110
4.投资者情绪。关于投资者情绪的衡量，借鉴陈影和郑重(2017)的研究，采用主成分分析法，对IPO首日收益率均值、IPO金额、新增开户数以及当期上海证券市场 A股的换手率这四个指标进行主成分分析，在所得结果中采用贡献最大且解释力最强的第一主成分作为投资者情绪指标。本文变量定义见表2。

表2 变量定义

width=745,height=393,dpi=110
(二)模型构建
为了检验前瞻指引如何影响企业投资，本文构建如下模型：

EIi,t=β0+β1BSOt-1+β2Ln_TASi,t

+β3FRi,t+β4CHi,t+β5ROAi,t

+β6ROLi,t+β7m1i,t+β8Gdpi,t

+β9Cpii,t+εi,t

(1)

为了检验前瞻指引是否通过投资者情绪影响企业投资，本文在式(1)的基础上引入投资者情绪这一中介变量，构建如下中介效应模型：

ISIt=α0+α1BSOt-1+α2m1t+α3Gdpt

+α4Cpit+ηt

(2)

EIi,t=γ0+γ1BSOt-1+γ2ISIt+γ3Ln_TASi,t

+γ4FRi,t+γ5CHi,t+γ6ROAi,t

+γ7ROLi,t+γ8m1i,t+γ9Gdpi,t

+γ10Cpii,t+μi,t

(3)

式(1)～式(3)中，相应变量的说明见表2。i=1,2,…,N为样本企业数量，t=1,2,…,T为季度时间点，β0～β9，α0～α4，γ0～γ10为待估参数，εi,t,ηt,μi,t为随机扰动项。ISI代表投资者情绪指标。在式(1)中的β1显著的基础上，如果式(2)中的α1显著，同时式(3)中的γ1和γ2都显著，则可以说明前瞻指引能通过影响投资者情绪从而使企业投资发生改变，并且投资者情绪发挥部分中介效应。如果式(3)中的γ1不显著而γ2显著，则投资者情绪发挥完全中介效应。如果式(2)中的α1显著，而式(3)中的γ1显著而γ2不显著，进一步用Sobel检验和Goodman检验来验证是否存在中介效应，若结果显著即证明存在中介效应。若式(1)中的β1不显著，则表明前瞻指引不会对企业投资存在显著影响。

四、实证结果及分析
(一)描述性统计
变量描述性统计结果见表3。由表3可以发现，在观测期内企业的投资平均占总资产的38.9%。前瞻指引(BSO)最小值是-2.532，最大值是3.590，可以看出2006—2019年中央银行货币政策松紧度的变化。M1的货币供应增长率(m1)最大值是34.633，最小值是1.900，也可以看出中央银行在货币政策松紧度上的变化。这在某种程度上说明中央银行的可信度是比较高的，能很好地遵循前瞻指引的政策导向行事。投资者情绪(ISI)均值是-0.082，最小值是-0.995，最大值是3.806，均值表明投资者情绪在观测期整体呈悲观态势。

表3 描述性统计

width=745,height=369,dpi=110
(二)总体效应及行业异质性回归结果及分析
对全样本用式(1)进行面板数据回归，检验前瞻指引是否会对企业投资产生影响。Hausman检验得到的p值为0.000 0，这表明拒绝随机效应模型。因此，本文采用固定效应模型进行面板数据回归，同时控制季节效应。全样本及行业的回归结果见表4。

表4 回归结果

width=744,height=264,dpi=110
注：括号中数值为t值。***，** 和*分别表示在1%，5%和10%水平上显著，下表同。

由表4可以看出，F统计量显著，说明总体回归结果较好。在全样本下，前瞻指引变量在1%水平下显著，这说明前瞻指引会对企业投资产生显著影响。同时，前瞻指引的系数为正，这说明释放货币政策宽松信息的前瞻指引会增加企业投资，而释放货币政策紧缩信息的前瞻指引会对企业投资产生负向影响。由此，假设1和假设2得证。

为了进一步检验前瞻指引对不同行业企业投资影响的异质性，本文依据国泰安数据库中的行业分类，选取房地产业、制造业、新能源业、高新技术产业这四个代表性行业作为样本进行分析，并筛除了在样本期内的ST股以及有退市行为的上市公司。回归结果如表4所示。

根据表4的结果，模型总体的回归结果较好。就前瞻指引变量的显著性而言，房地产业及新能源业中，前瞻指引变量是不显著的；高新技术产业及制造业中，前瞻指引变量均在1%水平上显著。从回归系数来看，高新技术产业以及制造业中，前瞻指引的系数均为正值，这进一步验证了假设2的正确性。在房地产业和新能源业中，前瞻指引对企业投资的影响是不显著的，可能的原因为：房地产行业受到严格的宏观调控，在货币政策宽松时期，货币政策对房地产上市企业尽管具有一定的刺激作用，但也存在一定的挤出效应(于博，2014)，即信贷的宽松很可能加速资本转移到非房地产投资领域，从而对房地产企业固定投资形成一定的挤出效应。在货币政策紧缩时期，由于土地财政的刺激，不少地方仍依靠房地产业来刺激投资，增加财政收入，由此导致紧缩的货币政策可能也不会引起房地产企业投资的显著下降。因此，释放货币政策松紧度信息的前瞻指引并没有显著影响房地产行业的企业投资。在新能源行业中，前瞻指引对企业投资的影响是不显著的，可能的原因是：新能源行业本身是一个新兴的行业，投资周期较长，其未来的发展具有很大的不确定性，主要受国家产业政策、资源禀赋等因素的影响，对释放货币政策松紧度信息的前瞻指引不敏感。制造业及高新技术产业中，前瞻指引对企业投资的影响是显著的，其原因可能是：制造业、高新技术产业是我国实体经济的支柱和优先发展所在，制造业、高新技术产业的投资离不开外部资金(如发行股票筹资、商业银行信贷)的支持。制造业、高新技术产业投资的外部资金支持与货币政策松紧度息息相关。另外，近年来，我国货币政策也在强化其产业结构调整和升级的职能，大力扶持先进制造业和高新技术产业发展。因此，释放货币政策松紧度信息的前瞻指引能显著影响制造业、高新技术产业的投资。综上所述，前瞻指引对制造业、高新技术产业、房地产业、新能源行业投资的影响是不一致的，存在异质性，从而假设3得证。

(三)中介效应检验及结果分析
为了进一步检验前瞻指引是否通过影响投资者情绪进而影响企业投资，本文利用式(2)和式(3)对全样本以及前瞻指引对投资有显著影响的制造业和高新技术产业来检验投资者情绪的中介效应是否存在，并参考温忠麟等(2005)对衡量中介效应大小的研究，计算加入投资者情绪后投资者情绪中介效应占前瞻指引对企业投资直接效应的比例，该比例为(α1×γ2)/γ1或者(β1-γ1)/γ1(γ2不显著时)。结果见表5～表7。

表5 全样本中介效应检验结果

width=375,height=393,dpi=110
表5(全样本)的Panel A列(1)中，前瞻指引(BSO)的回归系数在5%的水平上显著(说明前瞻指引能显著影响投资者情绪)；Panel A列(2)中，前瞻指引(BSO)的回归系数在1%的水平上显著(说明前瞻指引能显著影响企业投资)。虽然投资者情绪系数不显著，但通过Sobel检验、Goodman检验发现中介效应依然显著。依据中介效应的检验标准，可得投资者情绪在前瞻指引影响企业投资的过程中发挥了部分中介作用，假设4得证。

表6 高新技术产业中介效应检验结果

width=375,height=393,dpi=110
表7 制造业中介效应检验结果

width=375,height=393,dpi=110
分行业的检验中，就高新技术产业而言，Panel A列(2)中，前瞻指引(BSO)和投资者情绪(ISI)的回归系数分别在1%和5%的水平上显著，可得前瞻指引和投资者情绪都能显著影响高新技术产业的企业投资。依据中介效应的依次检验标准，这说明投资者情绪(ISI)在前瞻指引(BSO)影响高新技术产业的企业投资过程中发挥了部分中介作用。从制造业来看， Panel A列(2)中，前瞻指引(BSO)的回归系数在1%的水平上显著，而投资者情绪(ISI)的回归系数不显著。这样的话，与全样本相同，需要进一步进行Sobel检验、Goodman检验。Sobel和Goodman检验结果证明了在前瞻指引影响制造业企业投资过程中，投资者情绪确实发挥了中介作用。以上结果，进一步证明了假设4。

为了使投资者情绪中介效应的结论更加稳健，本文使用Sobel，Goodman-1和Goodman-2 三种方法进行再次检验，结果见表5～表7的Panel B。三种检验方法下，z值均在1%的水平上显著，再次证明了前瞻指引影响企业投资的投资者情绪中介效应显著(即验证了假设4的正确性)。而且，在全样本下，投资者情绪中介效应占前瞻指引对企业投资直接效应的比例为7.893%，在高新技术产业和制造业中，投资者情绪中介效应占前瞻指引对企业投资直接效应的比例分别为20.301%和5.391%。与制造业相比，高新技术产业样本中的中介效应更大，原因可能为：相比制造业上市公司，投资者更关注高新技术产业的上市公司。中央银行前瞻指引释放的信息，引起投资者情绪变化后，会较大程度地影响高新技术企业的股价和资金可得性，进而对高新技术产业的投资产生较大影响。

需要说明的是，无论是总样本还是在分行业的样本中，前瞻指引与投资者情绪均存在显著负相关关系，投资者情绪与企业投资也是负相关的。(1)前瞻指引与投资者情绪负相关。即，当前瞻指引释放宽松货币政策信息时，投资者情绪会下降，呈现悲观态势。可能的原因为：我国股票市场中的投资者大多数为散户，散户因资金有限、专业知识有限，无法收集更多更好的信息，对经济前景、股市运行大都只有有限的认知，所以非理性的情绪(含悲观)更为明显。投资者大都具有规避损失的心理偏好，投资者情绪悲观时，规避损失的心理偏好相对更高。在悲观情绪和规避损失心理偏好的双重作用下，投资者暂时不参与股票市场交易的欲望越强烈，可能导致股票市场长期处于低位盘整状态(陈其安和雷小燕，2017)，这又进一步导致投资者悲观情绪的产生。投资者悲观情绪的这种强化且持续时间较长的特性，使得货币政策对投资者悲观情绪的影响不占主导，作用也较缓慢。有研究发现，货币政策对投资者情绪的影响不占据主导地位，在股市不振时，我国经济发展基本态势则更能决定投资者情绪的变化(王玲玲和方志耕，2018)。2008年全球金融危机后，我国经济下行压力增大，投资者情绪相对悲观。我国刺激经济的各种举措，致使投资者在心理上将“释放宽松货币政策信息的前瞻指引”与“经济下行压力增大(导致投资者情绪悲观)”紧密关联，最终表现为投资者情绪在本文研究时段内受到释放宽松货币政策信息的前瞻指引的负向影响。需要指出的是，并不是“释放宽松货币政策信息的前瞻指引”对投资者情绪不起作用，而是“经济下行压力增大”主导了对投资者情绪的影响，很可能掩盖或抵消了“释放宽松货币政策信息的前瞻指引”对投资者情绪的正向效应。(2)投资者情绪与企业投资负相关。本文实证检验的样本期内(绝大部分时期是从2008年全球金融危机至2019年)，我国经济下行压力增大，投资者存在悲观情绪(样本期内，投资者情绪的均值是-0.082)。本文的实证研究发现投资者情绪和企业投资负相关，可能的原因是：在我国，政府控制的上市企业数量较多。相当一部分上市企业(比如国有企业)高管的货币薪酬受到管制，与股价关联性相对较弱，高管面临因股票表现不佳而被解雇的风险相对较低，受到的市场约束和压力相对较小，从而减轻了上市企业管理者对投资者悲观情绪的迎合动机，弱化了管理者对投资者悲观情绪的反应，进而引起企业投资下降。加之，在我国，散户投资者众多，其短视行为突出，非理性表现得更为明显。而上市企业的管理者，眼光的长远性或理性程度要强于散户投资者。相当一部分企业管理者，或出于关注以投资体现的企业业绩以延续政治生命，或出于维护国家“稳投资”利益的考量，希望扭转投资者悲观情绪以提升投资者对企业的信心，从而增加企业投资。

(四)内生性讨论及处理
任何实证研究，都或多或少受到“内生性”问题的困扰。内生性问题产生的来源很多，比如遗漏变量偏差、双向因果关系、动态面板偏差等。具体到本文中，企业投资与微观层面控制变量间可能的双向因果关系、以时间序列变量作为解释变量进行面板回归时个体层面的遗漏变量等都可能带来内生性问题。对于双向因果关系、遗漏变量偏差引起的内生性问题，固定效应模型是文献中使用较多的修正方法；对于动态面板偏差引起的内生性问题，文献中使用较多的修正方法是差分 GMM估计(王宇和李海洋，2017)。因此，本文利用如下措施解决内生性问题：(1)利用固定效应模型。固定效应模型可以解决控制所有不随时间变化而无法观测因素的问题，常常作为解决双向因果关系、遗漏变量偏差引起的内生性问题的辅助性手段。本文根据Hausman检验结果，前文的面板数据模型均使用的是固定效应模型，有助于解决双向因果关系、遗漏变量偏差等引起的内生性问题。(2)利用差分GMM估计方法。该方法的主要特点在于：利用所有可能的滞后变量作为工具变量，有助于克服面板数据模型因互为因果关系、遗漏变量偏差等产生的内生性问题，提高估计效率(王宇和李海洋，2017)。后文稳健性检验部分，详细给出了利用差分GMM估计方法得出的实证结果。结果表明：利用差分GMM估计方法处理内生性后，所得结论与前文基本一致。

(五)稳健性检验
1.更换企业投资衡量变量的稳健性检验。为了进一步验证结果的可靠性，本文参照饶品贵等(2017)的做法，以现金流量表中无形资产、固定资产、在建工程以及长期股权投资和房地产投资的现金之和来度量企业投资，并以当期总资产对企业投资进行标准化处理，将标准化结果用于衡量企业投资从而进行稳健性检验，结果见表8～表11。所得结果显示：在全样本、高新技术产业样本和制造业样本中，前瞻指引对企业投资有显著影响(在房地产业、新能源行业样本中，前瞻指引对企业投资影响不显著)，且前瞻指引与企业投资正相关，投资者情绪在前瞻指引影响企业投资的过程中发挥了部分中介作用，且在高新技术产业中的中介效应大于在制造业中的中介效应。上述结论与前文结论一致，说明实证结果是稳健的。

表8 前瞻指引影响企业投资的稳健性检验

width=745,height=258,dpi=110
表9 全样本中介效应稳健性检验

width=375,height=404,dpi=110
2.变换估计方法的稳健性检验。在此，更换估计方法、使用差分GMM重新估计本文的模型，一方面可以保证实证结果的稳健性，另一方面如前文所述有助于解决内生性问题。参照陈强(2014)的方法，以宏观变量作为前定变量，在模型(1)和模型(3)中加入被解释变量一阶和二阶滞后项以及前定变量的一阶滞后项作为工具变量，对面板模型进行差分GMM估计，所得结果因篇幅限制未列表给出。从结果来看，全样本中，前瞻指引对企业投资存在显著正向影响。分行业来看，在房地产行业与新能源行业中，前瞻指引对投资的影响并不显著，而在高新技术产业和制造业中，前瞻指引对投资有显著正向影响，说明前瞻指引对投资的影响存在行业异质性。全样本和制造业样本中，前瞻指引系数显著为正，投资者情绪系数显著为负，依据中介效应依次检验的判定标准，前瞻指引影响企业投资的投资者情绪中介效应显著存在，Sobel，Goodman-1和Goodman-2检验结果则进一步证实了中介效应的存在。在高新技术产业样本中，虽然不能依据中介效应的依次检验得出结论，但是Sobel，Goodman-1和Goodman-2检验结果显示：存在前瞻指引影响企业投资的投资者情绪中介效应。上述结论与前文基本一致，再次证明了实证结果的稳健性。

表10 高新技术产业中介效应稳健性检验

width=375,height=393,dpi=110
表11 制造业中介效应稳健性检验

width=375,height=393,dpi=110
3.重新量化前瞻指引的稳健性检验。前文使用自动赋值法量化前瞻指引。主观赋值法虽然存在一些缺陷，但仍在不少文献里被用来量化前瞻指引或中央银行沟通。在此，参考邹文理和王曦(2018)的方法改用主观赋值法量化中央银行前瞻指引以进行稳健性检验。量化前瞻指引后，重新估计模型，所得结果因篇幅限制未列表给出。下述结论依然成立：中央银行前瞻指引会对企业投资产生显著影响，该影响在高新技术产业、制造业中显著，在房地产业、新能源行业中不显著。在全样本、高新技术产业样本、制造业样本中，投资者情绪在前瞻指引影响企业投资过程中发挥中介作用，且高新技术产业中的中介效应大于制造业。这进一步证明了实证结果的稳健性。

五、结论与政策含义
通过自动赋值法量化我国中央银行前瞻指引，并构建面板数据的固定效应模型、中介效应模型，利用2006—2019年的季度数据，检验了中央银行前瞻指引对企业投资的影响以及该影响的行业异质性、投资者情绪是否在前瞻指引影响企业投资过程中发挥中介作用，本文得到如下结论：(1)前瞻指引对企业投资有显著影响，释放货币政策宽松信息的前瞻指引可以促进企业投资，释放货币政策紧缩信息的前瞻指引则削弱企业投资。(2)前瞻指引对企业投资的影响存在行业异质性，具体而言，前瞻指引对高新技术产业和制造业投资的影响显著，对房地产业、新能源行业投资的影响不显著。这一现象主要是由房地产业存在的货币政策的“挤出效应”、土地财政以及新能源行业本身的行业特性所导致的。(3)在全样本、高新技术产业样本、制造业样本中，投资者情绪在前瞻指引影响企业投资过程中发挥了部分中介作用，且高新技术产业中的中介效应大于制造业。

本文结论有以下政策含义：(1)中央银行在实施货币政策时，应当重视前瞻指引对企业投资的作用。在发布前瞻指引信息时，尽量给企业较为明确的政策信号，避免企业对信息的理解产生较大偏差。同时，中央银行应加强与代表性企业的企业家就前瞻指引释放的信息进行沟通，企业也应加强货币政策知识素养，关注并正确理解中央银行发布的前瞻指引信息。(2)鉴于前瞻指引对企业投资的影响存在行业异质性(对房地产业影响不显著，对高新技术产业、制造业影响显著)，要通过促进房地产行业的规范发展、弱化土地财政的作用，来疏通中央银行前瞻指引的传导渠道，切实发挥中央银行前瞻指引对房地产行业的引导作用。要重视中央银行前瞻指引对高新技术产业、制造业的引导作用，继续发挥货币政策促进产业结构调整的积极作用，助推产业结构优化升级。(3)货币当局应重视对投资者情绪的管理和改善，通过新闻媒体等加强与投资者群体的沟通交流，消除投资者的恐慌和悲观情绪，警示部分投资者的过分乐观情绪。建立投资者金融素养问卷调查制度，以强化投资者金融教育，提高投资者金融素养，使投资者逐步趋于理性投资，从而有效发挥投资者情绪在前瞻指引影响企业投资过程中的积极中介作用。

参考文献

才国伟、吴华强、徐信忠，2018：《政策不确定性对公司投融资行为的影响研究》，《金融研究》第3期。

陈其安、雷小燕，2017：《货币政策、投资者情绪与中国股票市场波动性:理论与实证》，《中国管理科学》第 11期。

陈强，2014：《高级计量经济学及Stata应用》(第二版)，北京：高等教育出版社。

陈影、郑重，2017：《我国货币政策对投资者情绪的影响》，《上海金融》第2期。

程均丽、林峰，2018：《中国货币政策前瞻性指引的有效性分析——基于债券市场的证据》，《财经科学》第12期。

戴金平、金永军，2006：《货币政策的行业非对称效应》，《世界经济》第7期。

耿亚莹、徐慧伦、谭小芬，2019：《美联储前瞻性指引的宏观经济效果——基于 DSGE 模型的研究》，《国际金融研究》第5期。

郭豫媚、陈彦斌，2017：《预期管理的政策实践与改进措施》，《中央财经大学学报》第5期。

花贵如、刘志远、许骞，2011：《投资者情绪、管理者乐观主义与企业投资行为》，《金融研究》第9期。

黄宏斌、刘志远，2014：《投资者情绪、信贷融资与企业投资规模》，《证券市场导报》第7期。

黄锐、赖晓冰、唐松，2020：《金融科技如何影响企业融资约束？——动态效应、异质性特征与宏微观机制检验》，《国际金融研究》第6期。

冀志斌、周先平，2011：《中央银行沟通可以作为货币政策工具吗——基于中国数据的分析》，《国际金融研究》第2期。

靳光辉、刘志远、花贵如，2016：《政策不确定性、投资者情绪与企业投资——基于战略性新兴产业的实证研究》，《中央财经大学学报》第5期。

刘志远、花贵如，2009：《投资者情绪与企业投资行为研究述评及展望》，《外国经济与管理》第6期。

刘星、韩鑫韬，2018：《前瞻性货币政策的微观传导机制有效吗?——来自中国上市企业资产负债表的证据》，《经济理论与经济管理》第5期。

潘攀、邓超、邱煜，2020：《经济政策不确定性、银行风险承担与企业投资》，《财经研究》第46期。

饶品贵、岳衡、姜国华，2017：《经济政策不确定性与企业投资行为研究》，《世界经济》第2期。

田光宁、范肖洁，2016：《前瞻性货币政策与影子信贷市场融资风险——基于2008—2014年货币政策操作与浙江省案例数据分析》，《中央财经大学学报》第2期。

王克敏、刘静、李晓溪，2017：《产业政策、政府支持与公司投资效率研究》，《管理世界》第3期。

王玲玲、方志耕，2018：《中国股市投资者情绪对货币政策调整的动态响应研究》，《现代经济探讨》第2期。

王宇、李海洋，2017：《管理学研究中的内生性问题及修正方法》，《管理学季刊》第3期。

温忠麟、侯杰泰、张雷，2005：《调节效应与中介效应的比较和应用》，《心理学报》第2期。

于博，2014：《价格冲击、货币政策与房地产行业融资约束——基于营运资本平滑过程的实证分析》，《经济问题》第10期。

张成思、计兴辰，2017：《善言为贤:货币政策前瞻性指引的中国实践》，《国际金融研究》第12期。

邹文理、王曦，2018：《中央银行沟通行为量化指标构建——兼论中央银行沟通的政策效果》，《当代财经》第10期。

Alan,S.B.,et al.,2008.“Central Bank Communication and Monetary Policy:A Survey of Theory and Evidence”, Journal of Economic Literature,46(4)：910-945.

Angeletos,G.M.,and C.Lian,2018, “Forward Guidance without Common Knowledge”,American Economic Review, 108(9): 2477-2512.

Beqiraj,E., G.D.Bartolomeo, and M.D.Pietro,2019, “Beliefs Formation and the Puzzle of Forward Guidance Power”,Journal of Macroeconomics, 2019(60) :20-32.

Campbell,J.,C.Evans, J.Fisher,and A.Justiniano,2012, “Macroeconomic Effects of Federal Reserve Forward Guidance”,Brookings Papers on Economic Activity,2012(1):1-54.

Cole,S.J.,2018, “The Effectiveness of Central Bank Forward Guidance under Inflation and Price-level Targeting”,Journal of Macroeconomics,2018 (55): 146-161.

Ehrmann,M.,and M.Fratzscher,2007, “Communication by Central Bank Committee Members: Different Strategies，Same Effectiveness”,Journal of Money，Credit，and Banking，39(2-3):509-541.

Gulen,H.,and M.Ion,2016, “Policy Uncertainty and Corporate Investment”,Review of Financial Studies,29(3)：523-564.

McKay，A., E.Nakamura, and J.Steinsson, 2016, “The Power of Forward Guidance Revisited”,American Economic Review, 106(10): 3133-3158.

Polk,C.,and P.Sapienza,2004, “The Real Effects of Investor Sentiment”,NBER Working Paper No.10563.

THE IMPACT OF THE CENTRAL BANK’S FORWARD GUIDANCE ON CORPORATE INVESTMENT: INDUSTRY HETEROGENEITY AND THE MEDIATING EFFECT OF INVESTOR SENTIMENT
GENG Zhong-yuan PAN Yu-jie KE Dan-dan

(School of Finance, Zhejiang University of Finance and Economics)

Abstract：This paper constructs a panel data model and an intermediary effect model to test the impact of the central bank’s forward guidance on the corporate investment in different industries by quantifying the central bank’s forward guidance by the automatic assignment method and using quarterly data from 2006 to 2019. The results show that in the full sample, the central bank’s forward guidance has a significant impact on corporate investment, and the impact is heterogeneous across industries. That is, forward guidance has a significant impact on investment in high-tech industries and manufacturing industries, but has no significant impact on investment in real estate industry and new energy industry. In the full sample, the sample of high-tech industries and the sample of manufacturing industries, investor sentiment plays an intermediary role in the process of forward guidance affecting the corporate investment. Moreover, mediation effect is greater in high-tech industries than that in manufacturing industries.

Key words：forward guidance; corporate investment; investor sentiment; mediation effect