本文是一篇金融论文，本文通过经济学中的实物期权、融资约束以及劳动力囤积理论分析，基于金融科技指数、经济政策不确定性指数及近十年A股上市公司的样本数据，构建计量模型，论证了金融科技与经济政策不确定性对就业的影响。
1绪论
1.1研究背景
就业乃民生之根本，它不仅关乎经济发展，更直接影响每一个家庭的生活质量与幸福感。习总书记指出，就业是最大的民生工程、民心工程、根基工程，是维持社会稳定的重要保障，也是经济发展最基本的支撑。
一直以来，党和政府都十分关注就业问题，并在政府工作报告中多次提出稳就业举措。2018年，在中美经贸摩擦发生的背景下，中央政府提出了“六稳”政策，其中“稳就业”被放在首要位置。2020年，全球范围内暴发了新冠肺炎疫情，各国经济和社会都受到了巨大的冲击。面对这一严峻形势，党中央又提出了“六保”政策，同样将“保就业”作为首要任务。“六保”、“六稳”政策的出台，旨在稳定就业形势，保障人民群众的生计和福祉。2021年，国务院印发了《“十四五”就业促进规划》，对未来几年的就业市场做出重要指导和具体规划。这一规划的出台，为我国就业市场的可持续发展提供了有力保障。2023年4月，国务院针对稳就业再出新招，印发《关于优化调整稳就业政策措施全力促发展惠民生的通知》，内容强调要聚焦就业领域的重难点问题，打出“扩就业”、“促就业”、“兜底线”的政策“组合拳”。尽管国家政策在大力扶持就业市场，但由于政策传导的时效性与延迟性，以及市场本身的不确定性和波动性，如图1.1所示，我国就业形势依然严峻，就业人口逐年递减，这迫切需要我们深入探究其背后的影响因素与解决策略。
1.2研究意义
1.2.1理论意义
本文的理论意义在于将金融科技和经济政策不确定性两个重要变量纳入同一分析框架，填补了当前关于金融科技对就业直接影响研究的空白，并深化了经济政策不确定性对就业影响的理解。这一研究丰富了就业相关领域的文献。
第一，金融科技与就业关系的填补。当前，国内外学者已对数字金融、银行数字化转型等与金融科技类似的主题对劳动力雇佣进行了研究，但鲜有文献直接探讨金融科技对就业的影响。数字金融等词与金融科技还是存在一定的差别。“数字金融”被泛指金融机构与新型互联网科技公司合作基于数字技术创造的金融业务。而“金融科技”是指运用科技手段重塑传统金融领域的产品、服务模式及业务形态等。所以数字金融更多是泛指业务模式，而金融科技则更为具体，是一类运用在数字金融上的工具。这种细化有助于更准确地把握金融科技对就业市场的影响机制。
第二，金融科技水平的有效衡量。现有金融科技相关文献，在数据方面，多数研究都采用数字普惠金融指数衡量数字金融，但该指数反映的是各个城市的居民和小微企业对支付宝产品的应用广度和深度，仅能体现用户对金融数字化产品的使用习惯，不能很好地反映当地实际的金融科技水平。而本文通过爬取百度新闻高级检索中涉及48个金融科技关键词的结果数量，来有效衡量各地区的金融科技水平（李春涛，2020）。
第三，机制分析的深化。现有文献在探讨数字金融与企业劳动雇佣的关系时，往往缺乏深入的机制分析。本文基于劳动力囤积理论，从企业经营环境和融资约束两个角度，深入分析了金融科技对稳就业的影响机制，为理解金融科技与就业之间的关系提供了新的视角。
第四，经济政策不确定性与就业的关联深化。国外学者对经济政策不确定性与就业的研究也已十分广泛，国内学者主要关注经济政策不确定性对企业行为和宏观经济的影响。本文则聚焦于金融科技如何缓解经济政策不确定性对企业劳动雇佣带来的不利影响，为相关领域的研究提供了新的思路。
2文献综述
2.1金融科技的相关研究
2.1.1金融科技的测度
近年来，随着金融科技的蓬勃发展，越来越多学者对金融科技相关话题进行深入地研究和探讨。然而金融科技是一个较为抽象的概念，无法直接通过观察或统计来衡量，因此，现有文献提出了诸多指标测度方法，这些方法包括以下几类：
（1）通过构建金融科技相关词库，以文本分析的方式，对百度新闻中的相关词频进行检索，统计出各地级市每年金融科技发展水平（盛天翔等，2020；李春涛等，2020）。
（2）诸多学者如邱晗等（2018）、唐松等（2019）采用了由北京大学数字金融研究中心和蚂蚁集团研究院共同构建的数字普惠金融指数，该指数根据蚂蚁用户数据的覆盖广度、使用深度、数字化程度三大方面进行衡量地级市数字普惠金融发展水平。
（3）宋敏等（2021）以地方金融科技公司数量来衡量地区金融科技发展水平。
目前，学术界对于如何衡量地区金融科技发展程度暂未达成一致。现有文献中主流的三种金融科技测度方法，虽为研究者广泛采用，但均存在一定的局限性。首先，根据百度新闻词频的测度方法，其有效性依赖于词库的准确度以及新闻内容的质量。第二种方法的数字普惠金融指数仅基于个人及企业主的支付宝使用数据，这在一定程度上忽视了地方金融机构和多数企业的金融科技应用情况。第三种方法未考虑公司规模及技术质量，仅以金融科技公司数量度量金融科技发展水平也有不妥之处。本文结合所选研究题目及背景，选择第一种度量方式。本研究参考多篇文献构建金融科技相关词库，并通过检索百度新闻中相关内容的词频来统计各地市级金融科技发展水平。另外两种则作为稳健性检验的替换指标。
2.2经济政策不确定性的相关研究
2.2.1经济政策不确定性的测度
经济政策不确定性（Economic Policy Uncertainty,简称EPU）的测度方法最早是由斯坦福大学和芝加哥大学的Scott R.Baker、Nicholas Bloom和Steven J.Davis三位学者提出并编制的。他们通过构建“经济”、“政策”、“不确定性”三大类词库，对报刊杂志等新闻媒体中的相关报道进行系统检索，筛选出与经济政策不确定性紧密相关的文章，并对这些文章数量进行月底统计，后通过标准化处理计算得到EPU指数。
Baker等（2016）针对《南华早报》的报道进行文本分析，构建了针对中国的经济政策不确定性指数。随后，Davis等（2019）根据《人民日报》和《光明日报》进行文本挖掘，进一步丰富了这一指数的研究与应用。香港浸会大学陆尚勤和黄昀（2019）采用Baker等（2016）类似方法，对中国内地114份报纸进行文本挖掘，得出了新一版的中国经济政策不确定性指数。
本文使用Baker等学者测算的中国经济政策不确定性指数，将Davis等（2019）测算的指数作为稳健性检验的替代变量，以确保研究结果的可靠性和全面性。
3理论分析及研究假设.......................15
3.1理论分析.................................15
3.1.1实物期权理论.............................15
3.1.2融资约束理论...............................15
4研究设计与数据说明.......................19
4.1模型构建.......................19
4.2变量选取与说明..........................19
5实证结果与分析................................23
5.1基准回归..............................23
5.2稳健性检验与内生性分析........................24
5实证结果与分析
5.1基准回归
表5.1报告了式（1）回归的结果，由列（1）可知金融科技对劳动就业有显著正向作用，由列（2）看出经济政策不确定性对劳动就业有显著负向影响，这与文献以及理论相符。第（3）列，在包含金融科技与经济政策不确定性指数的基础上，又加上了金融科技与经济政策不确定性指数交乘项，在1%的水平上系数显著为正，验证了研究假设1，符合预期设想。结果表明经济政策不确定性对于就业始终有显著抑制效果，金融科技的发展确实能缓解经济政策不确定性对就业带来的抑制作用。
根据描述性统计分析与基准结果，当金融科技处于样本均值4.4785时，经济政策不确定性的边际效应为-0.0074（-0.0302+0.0051*4.4785=-0.0074）。此时，若金融科技指数提高一个标准差1.5409，对经济政策不确定性抑制效应的缓解作用是（0.0051*1.5409=0.0079）。这表明，金融科技发展水平从样本均值提升一个单位样本差，可缓解1.06倍的经济政策不确定性的边际负面影响。
6结论与政策建议
6.1主要研究结论
本文通过经济学中的实物期权、融资约束以及劳动力囤积理论分析，基于金融科技指数、经济政策不确定性指数及近十年A股上市公司的样本数据，构建计量模型，论证了金融科技与经济政策不确定性对就业的影响，研究得出了以下结论：
第一，宏观经济政策不确定会对就业造成负面影响，金融科技则会促进企业劳动雇佣。而金融科技在经济政策不确定性加剧的情况下依然能起到稳就业的作用。金融科技可以通过大数据、云计算、人工智能等技术手段，整合企业信息、生成企业画像、智能分析业务图谱，从而提高企业信息透明度、降低企业融资成本、增加融资渠道、提升融资效率，为企业提供资金流动性保险。同时，金融科技还能通过区块链、云平台、电子债权等，搭建依托于科技的生态产业链，为企业提供良好的经营环境。在面对经济政策不确定时，金融科技可以通过缓解企业融资约束、降低企业环境不确定性，增强企业对市场波动有迅速回暖能力的信心，从而促进企业囤积劳动力，达到企业长期利润最大化的目标。
第二，在经济政策不确定性下，金融科技对年轻企业、小型企业、低市场化地区的企业、高科技企业以及竞争性企业的稳就业效应更强。本文通过异质性分析，发现年轻的企业、规模
