统筹金融开放和安全是构建高水平开放型金融新体制的基本要求。本文以美国货币政策为切入点，先从实证角度分析美国加息对我国产出的影响，然后构建包含跨境金融关联的两国DSGE模型，定量分析美国货币政策的溢出效应及应对之策。研究发现，美国加息1个百分点使中国产出下降约0.4个百分点，其中贸易渠道和金融渠道分别使中国产出下降0.2个百分点。分析作用机制发现，UIP偏离机制使金融中介净值波动和汇率波动相互强化，外部融资溢价机制使金融中介净值波动和企业净值波动相互强化，正是这两个机制放大了美国货币政策的外溢效应。进一步研究发现，金融开放度越高和汇率越缺乏弹性，美国加息冲击对我国变量的传导效应越显著。基于不同的福利函数特征，本文构建了统一的政策评估框架，对宏观审慎政策和双支柱调控应对美国加息冲击的有效性作出了精准评估。结果表明，无论是针对国内金融机构信贷监管的宏观审慎政策还是针对跨境资本流动和外汇相关的宏观审慎政策，均能降低美国加息的溢出效应，且宏观审慎政策有效性与汇率制度无关。在联合最优政策组合下，货币政策无需对名义汇率作出反应，外汇市场要强化价格调控淡化数量干预。在货币政策和宏观审慎政策相互协调搭配下，双支柱调控通过维护经济金融稳定具有显著的社会福利增进效应。本文为构建高水平开放型金融新体制，以金融高质量发展加快推进中国式现代化提供了政策启示。

摘 要：本文基于利益相关者理论、信号传递理论和委托代理理论分析了企业 ESG 表现对绿色创新绩效可能的影响及其机制，并以 2009—2021 年中国 A 股上市公司为样本，实证分析了企业 ESG 表现的绿色创新效应。从机制分析发现，ESG 表现主要通过缓解融资约束、提高人力资本水平促进企业绿色创新绩效。从拓展性研究发现，ESG 表现的三个子维度都有助于提升绿色创新绩效，且公司治理表现的提升效应最强；ESG 表现不仅提高企业策略性绿色创新绩效、独立绿色创新绩效，还可提升实质性绿色创新绩效、合作绿色创新绩效。

近年来，随着气候风险的不断累积，中国极端气候灾害事件发生的频率和强度持续上升，对企业正常的生产经营造成了十分严重的影响。本文手工整理了应急管理部自然灾害数据，构建了考虑企业子公司数量及所在地的气候灾害冲击加权平均指标，基于2007—2022年中国A股上市公司数据，实证研究了气候灾害冲击对企业债务融资成本的影响及作用机制。结果表明，气候灾害冲击显著提高了企业的债务融资成本，冲击造成企业营业收入下降和固定资产减值与折旧增加是其中的影响机制。异质性考察发现，气候灾害冲击提高债务融资成本的效应在受到“信贷歧视”更严重的民营企业和规模较小企业中更加显著，且在受气候灾害影响程度较大的行业和金融业市场化水平较低地区的企业中更加显著。进一步研究表明，企业能够通过使用商业信用融资、提高风险感知水平和改善ESG表现缓解气候灾害冲击造成的融资贵问题。本文为气候灾害这一因素对企业融资贵问题带来的重要影响提供了更为直接的证据，对企业防范和化解气候灾害冲击带来的负面影响具有积极的现实意义。

旨在推动实现生态环境根本好转的质量型环境治理政策在多大程度上能够协同降碳，如何进一步提质增效，是推进“双碳”战略过程中亟需解答的关键问题。特别地，签署《巴黎协定》以来，中国在减污降碳协同增效面临着不同于以往的新形势和新任务。然而，受限于数据可得性，现有研究尚未提供这一时间段内的定量分析直接证据。本文使用新近的企业层面较为精细的碳排放数据，基于《打赢蓝天保卫战三年行动计划》（国发〔2018〕22号）的研究场景，系统分析了“双碳”背景下空气质量目标政策的微观降碳效果与增效机制。研究表明，蓝天保卫战能够协同降低企业碳排放强度，平均降幅约为15%，单个企业年均降碳量约为1.2万吨。这一效果主要由碳排放总量下降驱动，而非以生产活动收缩为代价，也未引起区域间和产业链上的碳泄漏问题。并且，与现有研究强调行业结构调整不同，本文发现高碳排放企业也实现了显著的减排效应。增效机制方面，蓝天保卫战主要通过促进企业绿色低碳投资发挥作用，而人力结构优化、绿色研发创新等机制尚未明显起效，同时缓解融资约束有助于提升协同降碳效果。本文的研究表明，进一步完善现有大气污染防治制度体系，辅以大规模节能降碳设备更新、优化生产要素配置以及绿色金融等组合措施，能够有效兼顾环境、气候和经济效益，助推减污降碳协同增效。

影子银行监管政策旨在防范和化解系统性风险，推动金融强国建设和经济高质量发展。本文构建了一个同时面临流动性约束和影子银行监管的商业银行资产负债管理分析框架，在此基础上以《资管新规》的实施作为准自然实验，以2014-2022年中国A股非金融非房地产类上市公司年度数据为样本，基于银行理财产品视角探究影子银行监管对企业信贷可得性的影响。本文基于上市公司贷款数据识别企业与银行之间的信贷关联，并结合银行理财产品发行数据构建企业对银行理财产品的敞口指数。研究发现：《资管新规》实施前对银行理财产品敞口较高的企业在此后的信贷可得性明显降低，且该效应在信用风险较高的企业、无四大国有银行贷款的企业、与银行信贷关联较为单一的企业、所在地区市场化水平较低的企业中表现更加突出；机制分析表明，《资管新规》实施前对理财产品依赖程度较高的银行在此后的非流动性资产持有比例显著降低，资产端流动性囤积水平明显上升，该效应通过银企信贷关联传导至企业并导致其信贷可得性降低。本文厘清了影子银行监管政策影响企业信贷融资的内在机制，为金融强监管政策的制定和优化提供了理论依据。

中国式现代化建设科技创新是关键，科技金融为促进科技创新高质量发展提供了有力支撑。本文基于2013—2022年省级面板数据，构建科技金融、科技创新高质量发展综合指标体系，检验科技金融对科技创新高质量发展的影响。实证结果表明，科技金融能通过实质性创新、可持续性创新以及协同性创新三个维度，显著促进科技创新高质量发展，且该促进作用表现出地区及投入异质性。一方面，科技金融对东、西部地区科技创新高质量发展作用明显；另一方面，来自科技资本市场、企业的科技金融投入对科技创新高质量发展有更为显著推动作用。利用不同稳健性检验方法、科技和金融结合试点政策等内生性检验方法的回归结果仍然支持该结论。

“注册制”改革后，新股弃购现象逐渐增多，已经成为新股市场中一个不容忽视的重要现象，对影响新股弃购因素的研究将有助于加深对投资者行为的理解，具有重要的现实和理论意义。本文以科创板个人投资者新股中签后的弃购行为作为研究场景，从“信息效应”和“关注效应”的视角结合发行人基本面、资本市场情绪和投资者关注度三个代表性指标研究了个人投资者新股中签后弃购决策的影响因素。研究发现：（1）发行人基本面、缴款时市场情绪和投资者关注度均对个人投资者弃购产生重要影响，尤其是市场情绪是导致个人投资者弃购最为显著的影响因素。（2）2021年9月份科创板定价制度显著提升了个人投资者的弃购率，并且造成投资者弃购决策更加依赖市场情绪。（3）弃购率高的企业IPO后续表现较差，说明科创板投资者趋于理性，并且参与弃购的个人投资者是聪明的投资者。本文结果表明企业层面，市场层面和网络信息层面的信息能够影响个人投资者交易行为，并且科创板的个人投资者中存在聪明投资者。因此，监管机构应完善科创板主承销商包销制度，允许聪明投资者弃购新股将有效制约科创板的“三高现象”。

在建设全国统一大市场的进程中,有效降低企业非生产性支出是提高市场运行效率的关键环节。文章基于 2016—2019 年中国 A 股上市公司数据,使用大数据发展“政用指数”刻画各地区数字政府建设水平,评估了数字政府建设对企业非生产性支出的影响及其机制。研究发现,数字政府建设显著降低了企业非生产性支出。上述结论在一系列稳健性检验之后依然成立。异质性效应分析表明,数字政府建设抑制企业非生产性活动的效应对非国有企业、政府管制行业、数字化转型程度较高的企业以及信息基础设施水平较高的地区更强。机制检验结果表明,数字政府建设降低企业非生产性支出的效应随着政务服务效能的提升而减弱,且数字政府建设会显著改善企业面临的税收环境。这意味着提升政务服务效能是数字政府建设降低企业非生产性支出的重要机制。文章证实了数字政府建设对于抑制企业非生产性活动的积极意义,在一定程度上可为激发市场主体活力、夯实经济发展效率的变革提供政策借鉴。

中国产业链企业存在专利创新“量质错配”陷阱,这阻碍了创新要素的沿链扩散与技术整合,导致重点领域的关键核心技术难以实现有效突破。文章从产业链治理的视角出发,实证检验了机构纵向持股能否提升产业链企业的专利创新质量。研究发现,嵌入产业链的机构纵向持股与企业专利创新质量之间呈现出“U”形非线性关系。在 U-test 非线性测试、控制样本选择偏差和反向因果等内生性与稳健性检验后,上述结论依然成立。异质性分析表明,机构纵向持股的投资组合权重以及产业链上下游非对称持股影响其治理行为。其中,监督型机构纵向持股在企业专利创新治理中发挥主要作用；随着产业链非对称持股程度加大,来自联结供应商或者分销商的机构纵向持股的治理策略逐渐由“策略均衡”向“主动干预”演化,从而提升企业专利创新质量。在作用机制方面,当持股比例小于 26.27% 时,机构纵向持股通过纵向关联交易和垄断竞争强化垄断效应,降低企业专利创新质量；当持股比例大于 26.27% 时,机构纵向持股通过企业供需优化和委派董事加强协同治理效应,以此促进专利再配置和专利引用,进而加强创新扩散效应,提升企业专利创新质量。文章的研究结论可以深化对机构纵向持股这一新兴持股模式促进产业链企业专利管理的认识,同时也为政府监管部门制定关于产业链韧性和稳定的相关政策提供有益参考。

投资者对宏观经济风险的评估如何影响资产价格一直是实证资产定价的难点之一。已有研究指出新闻文本会改变投资者对宏观经济的判断和预期进而影响股价，但如何有效提取与宏观经济风险相关的文本叙事信息来解释或预测资产价格变动，尚未达成共识。本文基于2007-2021年中国七家专业财经媒体的新闻报道数据，首次结合人工智能前沿领域的BERT大语言模型来测度新闻叙事注意力信息，然后利用稀疏工具主成分（Sparse IPCA）估计影响基本面的状态变量和影响资产价格的叙事定价因子。基于A股市场的实证检验发现：第一，本文利用新闻文本估计的状态变量对于消费、产出、国债收益率等宏观经济指标具有显著的预测效果，这表明新闻叙事蕴含着影响经济运行的信息。第二，相比CAPM、三因子等基准模型，基于新闻文本构建的叙事因子模型能更好地解释资产错误定价现象，并对未来资产价格的变化有更强的预测能力。第三，与基于关键词的文本分析方法（如LDA主题模型）相比，利用BERT提取文本信息可在保证因子模型简约性的基础上获得更优异的定价效果。本文的研究结论对于解释资产横截面收益差异有新的启示，同时为应用大语言模型于经济金融学研究抛砖引玉。