數(shù)字科技如何影響中國的信用體系
——基于商業(yè)銀行行為的理論模型和實(shí)證檢驗(yàn)

趙 建，王靜嫻

(濟(jì)南大學(xué) 商學(xué)院，山東 濟(jì)南 250002)

一、問題的提出

數(shù)字科技在金融領(lǐng)域的應(yīng)用對(duì)中國的金融體系尤其是信用體系產(chǎn)生了重大甚至是重構(gòu)式的影響，為信用體系擺脫對(duì)不動(dòng)產(chǎn)抵押和高信用第三方擔(dān)保的過度依賴，轉(zhuǎn)向依靠企業(yè)等主體的經(jīng)營數(shù)據(jù)和未來發(fā)展?jié)摿μ峁┝思夹g(shù)支撐，也為解決高科技企業(yè)和中小企業(yè)融資難融資貴問題提供了可能(1)趙岳，譚之博：《電子商務(wù)、銀行信貸與高科技企業(yè)和中小企業(yè)融資——一個(gè)基于信息經(jīng)濟(jì)學(xué)的理論模型》，《經(jīng)濟(jì)研究》，2012年第7期。。

從信用經(jīng)濟(jì)學(xué)的基本原理來看，由于信息不對(duì)稱的存在，信用的創(chuàng)造存在著較高的成本，這在以高科技企業(yè)和中小企業(yè)為主體的普惠金融領(lǐng)域尤為突出。同時(shí)由于存在更加嚴(yán)重的財(cái)務(wù)不透明、信息不規(guī)范、缺乏合格的抵押品等問題，使得高科技企業(yè)和中小企業(yè)信用的生產(chǎn)成本進(jìn)一步抬高，這類企業(yè)即使出再高的“利率報(bào)價(jià)”也無法獲得商業(yè)銀行的充分信任，繼而也就無法獲得充足的資金支持。因此，中國的高科技企業(yè)和中小企業(yè)融資問題首先是信貸可得性問題，其次才是融資貴的問題(2)趙建：《普惠金融的現(xiàn)實(shí)困境與突破思路——基于技術(shù)可能性曲線與機(jī)制設(shè)計(jì)理論》，《山東社會(huì)科學(xué)》，2018年第12期。。數(shù)字經(jīng)濟(jì)的發(fā)展和數(shù)字科技在信用市場的普遍應(yīng)用將逐漸改變這一難題。解決的技術(shù)路徑可簡單概括為：數(shù)字經(jīng)濟(jì)下高科技企業(yè)和中小企業(yè)的數(shù)字化運(yùn)營沉淀了大量的數(shù)據(jù)，通過數(shù)字科技將數(shù)據(jù)轉(zhuǎn)化為可供金融機(jī)構(gòu)識(shí)別的信息，進(jìn)而根據(jù)信用原理構(gòu)建授信算法形成可貸資金，最終解決高科技企業(yè)和中小企業(yè)的信用形成問題。從理論上來說，就是通過數(shù)字科技甄別信號(hào)、傳遞信息、形成信用，最終解決它們與金融機(jī)構(gòu)之間的高度信息不對(duì)稱所引發(fā)的信貸配給(融資難)問題及信貸可得條件下的風(fēng)險(xiǎn)定價(jià)(融資貴)問題。如果這一技術(shù)路徑得到實(shí)質(zhì)性、普遍性應(yīng)用，商業(yè)銀行等金融機(jī)構(gòu)將逐漸從房地產(chǎn)、重資產(chǎn)行業(yè)和政府擔(dān)保的傳統(tǒng)模式中解放出來，為高科技企業(yè)和中小企業(yè)提供更高質(zhì)量的金融服務(wù)，進(jìn)而更好地釋放科技創(chuàng)新紅利，更有利地推動(dòng)中國經(jīng)濟(jì)新舊動(dòng)能轉(zhuǎn)換和高質(zhì)量發(fā)展。

從當(dāng)前中國的經(jīng)濟(jì)周期和信用體系的動(dòng)態(tài)演進(jìn)來看，經(jīng)濟(jì)增速下行和經(jīng)濟(jì)結(jié)構(gòu)調(diào)整疊加導(dǎo)致宏觀層面的信用創(chuàng)造乏力，典型表現(xiàn)為商業(yè)銀行的貸款不良率居高不下、壞賬侵蝕導(dǎo)致資本充足率不足、資產(chǎn)負(fù)債錯(cuò)配嚴(yán)重、利差快速收窄等，逐漸形成了信貸資源配置結(jié)構(gòu)性矛盾：一方面，大量的信貸資源集中在房地產(chǎn)和以政府“剛兌”為信用背書的低效率、高風(fēng)險(xiǎn)領(lǐng)域。另一方面，充滿市場經(jīng)濟(jì)活力和代表新興經(jīng)濟(jì)動(dòng)能的行業(yè)卻得不到或很難得到信貸支持。當(dāng)然，不能從“道德上”苛責(zé)商業(yè)銀行等金融機(jī)構(gòu)不作為，因?yàn)樗麄兊摹吧虡I(yè)目標(biāo)”就是追求風(fēng)險(xiǎn)調(diào)整后的利潤最大化，為了實(shí)現(xiàn)這個(gè)目標(biāo)，需要根據(jù)各種約束對(duì)授信資源進(jìn)行最優(yōu)配置，從而形成“有效資產(chǎn)組合前沿”，即風(fēng)險(xiǎn)既定下的預(yù)期收益最大化或預(yù)期收益既定下的風(fēng)險(xiǎn)最小化。因此在理性人假設(shè)下，讓商業(yè)銀行將更多的授信資源投向高科技企業(yè)和中小企業(yè)等新動(dòng)能領(lǐng)域，需要對(duì)可能影響商業(yè)銀行經(jīng)營行為的約束條件和控制變量進(jìn)行調(diào)整。在這個(gè)意義上，數(shù)字科技可以通過影響商業(yè)銀行的信用風(fēng)險(xiǎn)管理行為從而對(duì)整個(gè)社會(huì)的信用創(chuàng)造活動(dòng)產(chǎn)生影響，這將是數(shù)字經(jīng)濟(jì)下信用體系發(fā)生的重大變化。

二、數(shù)字科技影響信用體系的內(nèi)在機(jī)理：理論框架

以信息科技為基礎(chǔ)的數(shù)字技術(shù)在金融體系中的廣泛應(yīng)用將對(duì)傳統(tǒng)的信用體系產(chǎn)生深遠(yuǎn)影響，一方面，催生了企業(yè)尤其是缺乏抵押品的高科技企業(yè)和中小企業(yè)數(shù)字信用資產(chǎn)的形成，提高了信用可得性；另一方面，拓展了金融機(jī)構(gòu)的客戶服務(wù)邊界，將傳統(tǒng)模式下無法提供服務(wù)的客戶納入業(yè)務(wù)范圍。最重要的則是深刻改變了商業(yè)銀行等信用中介的風(fēng)險(xiǎn)管理模式，提升了其風(fēng)險(xiǎn)偏好，從以抵押資產(chǎn)為核心的模式轉(zhuǎn)變?yōu)橐詳?shù)字資產(chǎn)為核心的模式。隨著數(shù)字科技的日漸成熟，這種新的信用生產(chǎn)模式將對(duì)信用體系的內(nèi)在運(yùn)行機(jī)理產(chǎn)生根本性影響。

1．信用需求端：數(shù)字科技催生了企業(yè)的數(shù)字資產(chǎn)

金融是現(xiàn)代經(jīng)濟(jì)的核心，有學(xué)者認(rèn)為信用是金融的核心(3)陳元：《信用與資本——開發(fā)性金融研究》，《金融研究》，2020年第4期。。在現(xiàn)代市場經(jīng)濟(jì)中，企業(yè)一般都有信用或者融資需求，需要建立自己的信用生成條件以滿足信用提供商的要求。通常，商業(yè)銀行等金融機(jī)構(gòu)利用抵押品、利率和貸款額度作為區(qū)分企業(yè)資質(zhì)和識(shí)別企業(yè)風(fēng)險(xiǎn)的方法，并且依賴企業(yè)向其傳遞的可置信信號(hào)(4)Bester H.,Screening vs Rationing in Credit Markets with Imperfect Information, American Economic Review,Vol.75(1985),pp.850-855; Schmidt,Mohr.,Udo.,Rationing versus collateralization in competitive and monopolistic credit markets with symmetric information, European Economic Review,Vol.41(1997), pp.1321-1342; Hellmann T., F. K, C. Murdock, J. E. Stiglitz, Liberalization, Moral Hazard in Banking and Prudential Regulation: Are Capital Requirements Enough?, American Economic Review,Vol.90 (2000), pp.147-165.。從商業(yè)銀行等金融機(jī)構(gòu)風(fēng)控的角度來看，企業(yè)信用的形成主要基于兩大還款來源：一是經(jīng)營性現(xiàn)金流。經(jīng)營性現(xiàn)金流主要取決于對(duì)經(jīng)營行為、市場地位、產(chǎn)品優(yōu)勢、財(cái)務(wù)狀況的判斷。信用的形成是基于未來的借貸關(guān)系，因此對(duì)未來經(jīng)營狀況的判斷更重要；二是抵押資產(chǎn)處置和第三方擔(dān)保提供的現(xiàn)金流。從信息經(jīng)濟(jì)學(xué)的角度來看，這兩大還款來源可看作企業(yè)向商業(yè)銀行傳遞不會(huì)發(fā)生違約、到期可按時(shí)還本付息的信號(hào)。所不同的是，將企業(yè)的經(jīng)營性現(xiàn)金流等信息進(jìn)行搜集、甄別并標(biāo)準(zhǔn)化后形成信貸合同(確定信貸金額和利率)的成本較高(5)安小雪：《監(jiān)管政策影響了債券評(píng)級(jí)質(zhì)量嗎?——理論框架與經(jīng)驗(yàn)證據(jù)》，《北京工商大學(xué)學(xué)報(bào)》(社會(huì)科學(xué)版),2022年第1期。；而以抵押資產(chǎn)和高信用第三方擔(dān)保機(jī)構(gòu)(比如公共部門)形成的信用信息處理成本較低(6)Besanko D., A. V. Thakor, Collateral and Rationing: Sorting Equilibria in Monopolistic and Competitive Credit Markets, International Economic Review, Vol.28 (1987), pp. 671-689；蔣少華，劉康博，劉威：《影子銀行、商業(yè)銀行與企業(yè)規(guī)模差異》，《重慶理工大學(xué)學(xué)報(bào)》(社會(huì)科學(xué))，2020年第7期。。因?yàn)?，抵押資產(chǎn)主要以房地產(chǎn)為主，具有較高程度的標(biāo)準(zhǔn)化和處置便利性，而政府等公共部門的擔(dān)保則更具權(quán)威性。借款人通過兩種還款來源向商業(yè)銀行等金融機(jī)構(gòu)傳遞信息形成信用的內(nèi)在機(jī)理可用圖1表示。

圖1 信息-信用形成的一般機(jī)制

自信息科技革命以來，隨著大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈等數(shù)字技術(shù)的廣泛應(yīng)用，數(shù)字經(jīng)濟(jì)快速發(fā)展，各行各業(yè)的數(shù)字化程度不斷提高，基于信息處理的信用形成機(jī)制也在不斷變化，企業(yè)以經(jīng)營數(shù)據(jù)為基礎(chǔ)形成信用資產(chǎn)的成本越來越低。數(shù)字化已經(jīng)成為當(dāng)前企業(yè)參與市場競爭的必備條件，企業(yè)在運(yùn)用數(shù)字技術(shù)進(jìn)行生產(chǎn)、銷售、管理等日常經(jīng)營行為的過程中，積累了大量數(shù)據(jù)，這些數(shù)據(jù)具有較強(qiáng)的客觀性、實(shí)時(shí)性，并且可交叉驗(yàn)證的程度較高，經(jīng)過處理后可以有效地向信用機(jī)構(gòu)傳遞可置信的信號(hào)，從而形成自己的信用資產(chǎn)。數(shù)據(jù)足跡的信息內(nèi)容被用來分析企業(yè)和個(gè)人等信用個(gè)體的信用能力，企業(yè)的生產(chǎn)、經(jīng)營、銷售等行為以及個(gè)人的手機(jī)消費(fèi)記錄、使用習(xí)慣、瀏覽記錄等成為大數(shù)據(jù)庫的資源。金融機(jī)構(gòu)從大量數(shù)據(jù)信息中提取出關(guān)于企業(yè)和個(gè)人還款能力和意愿的真實(shí)信息，從而實(shí)現(xiàn)對(duì)企業(yè)和個(gè)人畫像的精準(zhǔn)描繪，這些畫像構(gòu)成企業(yè)和個(gè)人的數(shù)字信用，并成為企業(yè)和個(gè)人能否獲得信貸支持的關(guān)鍵依據(jù)，這也為企業(yè)形成數(shù)字信用資產(chǎn)提供了可靠的“原材料”。從這個(gè)意義上來說，數(shù)據(jù)作為企業(yè)的新型生產(chǎn)要素(7)李忠民，周維穎，田仲他：《數(shù)字貿(mào)易:發(fā)展態(tài)勢、影響及對(duì)策》，《國際經(jīng)濟(jì)評(píng)論》，2014年第6期；肖靜華，謝康，吳瑤：《數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品適應(yīng)性創(chuàng)新——數(shù)字經(jīng)濟(jì)的創(chuàng)新邏輯(一)》，《北京交通大學(xué)學(xué)報(bào)》(社會(huì)科學(xué)版)，2020年第1期。，不僅提高了企業(yè)的生產(chǎn)能力，還為企業(yè)依靠經(jīng)營行為數(shù)據(jù)形成信用創(chuàng)造了基礎(chǔ)。依賴數(shù)字技術(shù)形成數(shù)字資產(chǎn)從而產(chǎn)生數(shù)字信用，不僅促進(jìn)了信用生成機(jī)制從依賴不動(dòng)產(chǎn)抵押和高信用第三方擔(dān)保，轉(zhuǎn)向依靠反映企業(yè)經(jīng)營真實(shí)狀況的數(shù)字資產(chǎn)，并且通過物聯(lián)網(wǎng)等技術(shù)將原本很難抵押的存貨等動(dòng)產(chǎn)“不動(dòng)產(chǎn)化”，大大拓展了經(jīng)濟(jì)體系的高質(zhì)量信用生成邊界。企業(yè)數(shù)字資產(chǎn)與信用形成的一般機(jī)制見圖2。

圖2 企業(yè)數(shù)字資產(chǎn)及其數(shù)字信用形成的一般機(jī)制

2．信用供給端：數(shù)字科技拓寬了商業(yè)銀行等金融機(jī)構(gòu)的業(yè)務(wù)邊界

商業(yè)銀行作為商業(yè)性金融企業(yè)，其經(jīng)營目標(biāo)是在成本和風(fēng)險(xiǎn)約束下追求利潤最大化，根據(jù)自身的風(fēng)控技術(shù)和成本管理能力確定業(yè)務(wù)邊界和客戶群體。數(shù)字技術(shù)與金融業(yè)務(wù)深度融合，最大的影響是拓寬了商業(yè)銀行等金融機(jī)構(gòu)的成本和風(fēng)險(xiǎn)約束曲線，也同時(shí)拓寬了它們的業(yè)務(wù)邊界和客戶群體。尤其是數(shù)字科技在風(fēng)險(xiǎn)管理中的運(yùn)用，可以將原來不在商業(yè)銀行等金融機(jī)構(gòu)風(fēng)險(xiǎn)偏好之內(nèi)的較高風(fēng)險(xiǎn)項(xiàng)目納入自己的業(yè)務(wù)范疇，這些項(xiàng)目很多都是來自高科技企業(yè)和中小企業(yè)(8)Daniel B. ,Darrell G. ,The Potential of Digital Credit to Bankthe Poor, Aea Papers Proceedings, Vol.108 (2018), pp.68-71; Tobias Berg, Valentin Burg, Ana Gombovic, Manju Puri, Andrew Karolyi,On the Rise of FinTechs: Credit Scoring Using Digital Footprints,The Review of Financial Studies,Vol.12 (2020),pp.2845-2897.。這意味著，數(shù)字科技在商業(yè)銀行等金融機(jī)構(gòu)中的應(yīng)用，不僅有利于金融資源向高科技企業(yè)和中小企業(yè)傾斜，而且信用結(jié)構(gòu)得到了一定程度的優(yōu)化。

圖3 數(shù)字科技對(duì)商業(yè)銀行等金融機(jī)構(gòu)信用供給可能性曲線的影響

圖3展示了數(shù)字科技應(yīng)用后，商業(yè)銀行等金融機(jī)構(gòu)信用供給可能性曲線的位移。我們假設(shè)商業(yè)銀行等金融機(jī)構(gòu)為兩個(gè)項(xiàng)目提供信用，項(xiàng)目A是低風(fēng)險(xiǎn)、低收益的項(xiàng)目，項(xiàng)目B是高風(fēng)險(xiǎn)、高收益的項(xiàng)目。商業(yè)銀行金融機(jī)構(gòu)根據(jù)風(fēng)險(xiǎn)管理和成本管理能力提供這兩個(gè)項(xiàng)目的各種組合，形成了一條連續(xù)的可能性曲線。在采用數(shù)字科技后，金融機(jī)構(gòu)的成本管理和風(fēng)險(xiǎn)管理水平都獲得了提高，推動(dòng)可能性曲線向外位移擴(kuò)展，不同的應(yīng)用重點(diǎn)產(chǎn)生不同的可能性曲線位移路徑：從可能性曲線1向可能性曲線2的位移，是由于數(shù)字科技提高了成本管理能力、放松了成本約束。假設(shè)所有項(xiàng)目的成本結(jié)構(gòu)相同，那么曲線是平行位移的，即低風(fēng)險(xiǎn)項(xiàng)目與高風(fēng)險(xiǎn)項(xiàng)目同時(shí)增加。從曲線1向曲線3的位移，表示的是數(shù)字科技在風(fēng)險(xiǎn)管理技術(shù)中的應(yīng)用，比如采用大數(shù)據(jù)技術(shù)交叉驗(yàn)證企業(yè)的財(cái)務(wù)數(shù)據(jù)并追蹤企業(yè)的行為數(shù)據(jù)等，都提高了商業(yè)銀行等金融機(jī)構(gòu)對(duì)高風(fēng)險(xiǎn)項(xiàng)目的風(fēng)控能力?？梢钥闯觯@次曲線的位移并不是平行的，而是高風(fēng)險(xiǎn)項(xiàng)目B的數(shù)量增加，低風(fēng)險(xiǎn)項(xiàng)目A的數(shù)量可能會(huì)減少?？偟膩碚f，數(shù)字科技助力拓展了商業(yè)銀行等金融機(jī)構(gòu)的業(yè)務(wù)邊界。

在現(xiàn)實(shí)中，數(shù)字科技是如何改進(jìn)商業(yè)銀行等金融機(jī)構(gòu)的成本管理技術(shù)和風(fēng)險(xiǎn)管理技術(shù)的呢？首先，數(shù)字科技的應(yīng)用使得商業(yè)銀行等金融機(jī)構(gòu)與企業(yè)之間的信息透明度得到提高，兩者之間的穩(wěn)定性和親密度都得到較大改善。大數(shù)據(jù)、云計(jì)算等數(shù)字科技手段提高了商業(yè)銀行等金融機(jī)構(gòu)信息搜集、處理、評(píng)估的能力。同時(shí)，金融機(jī)構(gòu)對(duì)企業(yè)數(shù)字資產(chǎn)認(rèn)可度的提高也加強(qiáng)了企業(yè)向機(jī)構(gòu)傳遞自身經(jīng)營能力、流動(dòng)能力等信用信號(hào)的意愿，并且這個(gè)過程是相互增強(qiáng)的。信用供需雙方之間的信息交流屏障被數(shù)字科技打通，信息不對(duì)稱現(xiàn)象得以緩解。對(duì)商業(yè)銀行等金融機(jī)構(gòu)來說，信息的透明化促使其可以更好地信任過去很難信任或者高成本才能信任的高科技企業(yè)和中小企業(yè)。商業(yè)銀行等金融機(jī)構(gòu)通過多渠道、多方位收集客戶數(shù)據(jù)，根據(jù)信用風(fēng)控的算法進(jìn)行處理，設(shè)置基于數(shù)字風(fēng)控技術(shù)下的準(zhǔn)入規(guī)則和自動(dòng)化審批機(jī)制，拓展授信業(yè)務(wù)邊界和客戶群體。

其次，數(shù)字科技的應(yīng)用顯著提高了商業(yè)銀行等金融機(jī)構(gòu)的成本管理能力和工作效率。由于信用的形成具有規(guī)模效應(yīng)，授信額度的邊際成本隨著信貸規(guī)模的增加而減少。這導(dǎo)致在傳統(tǒng)信貸模式下，商業(yè)銀行等金融機(jī)構(gòu)具有強(qiáng)烈的規(guī)模偏好，產(chǎn)生了大客戶偏好的信用供給曲線。數(shù)字科技的應(yīng)用能夠減少搜集信息、審核信息、監(jiān)督以及追蹤資金流向的各項(xiàng)成本。數(shù)字化審批流程能夠縮短企業(yè)審貸的等待時(shí)間以及審核時(shí)長，滯后的審貸周期變?yōu)榧磿r(shí)性到款(9)Tobias Berg, Valentin Burg, Ana Gombovic, Manju Puri, Andrew Karolyi, On the Rise of FinTechs: Credit Scoring Using Digital Footprints,The Review of Financial Studies,Vol.12 (2020),pp.2845-2897.。人工智能、云計(jì)算和區(qū)塊鏈等技術(shù)則能夠集中化處理企業(yè)的海量數(shù)據(jù)，據(jù)此描繪出完整的客戶畫像，提高審貸效率以及準(zhǔn)確度。

第三，數(shù)字科技的應(yīng)用改變了商業(yè)銀行等金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理技術(shù)和傳統(tǒng)授信模式。一方面，商業(yè)銀行等金融機(jī)構(gòu)通過供應(yīng)鏈、稅務(wù)、海關(guān)等渠道獲取企業(yè)、企業(yè)經(jīng)營人員的信用信息，以及通過電商平臺(tái)提供的現(xiàn)金流、交易記錄、投訴糾紛等行為獲取企業(yè)的相關(guān)經(jīng)營數(shù)據(jù)，從而獲得較為全面的信用評(píng)估結(jié)果(10)Müller Oliver, M. Fay, J. Vom Brocke, The Effect of Big Data and Analytics on Firm Performance: An Econometric Analysis Considering Industry Characteristics, Journal of Management Information Systems,Vol.35 (2018), pp.488-509.，以此從而優(yōu)化商業(yè)銀行等金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理技術(shù)，增強(qiáng)其風(fēng)險(xiǎn)預(yù)警能力和風(fēng)險(xiǎn)控制能力；另一方面，數(shù)字科技幫助企業(yè)積累多方面的數(shù)字信用信息，從而有效改變傳統(tǒng)授信模式。與抵押品和擔(dān)保等不同的是，數(shù)字信用應(yīng)用范圍更廣泛，只要能產(chǎn)生數(shù)據(jù)并形成有效信號(hào)的經(jīng)濟(jì)個(gè)體都可以形成數(shù)字信用。隨著數(shù)字科技的不斷升級(jí)迭代，數(shù)字資產(chǎn)傳遞的信用信號(hào)更加真實(shí)、完整、可靠并且更具公信力。因此，對(duì)于缺乏固定資產(chǎn)作為抵押物的高科技企業(yè)和中小企業(yè)來說，數(shù)字信用可以發(fā)揮出與抵押品相似的可置信信號(hào)傳遞功能，對(duì)傳統(tǒng)信貸模式產(chǎn)生根本性影響。

三、數(shù)字科技與信用創(chuàng)造：基于商業(yè)銀行經(jīng)營行為的基本模型

數(shù)字科技的應(yīng)用能夠改變商業(yè)銀行等金融機(jī)構(gòu)的信用供給可能性曲線。商業(yè)銀行是金融機(jī)構(gòu)主要的信用提供商，本部分我們將以商業(yè)銀行行為為基礎(chǔ)構(gòu)建基本的理論模型，分析商業(yè)銀行在選擇不同風(fēng)險(xiǎn)等級(jí)項(xiàng)目的過程中，數(shù)字科技產(chǎn)生的重要影響。

(一)模型設(shè)定

1．對(duì)借款企業(yè)的假設(shè)

假設(shè)在競爭性信貸市場中，借款企業(yè)均無初始資金投資項(xiàng)目，資金只能從商業(yè)銀行貸款獲得。為簡化分析，參考已有文獻(xiàn)中對(duì)借款人的假設(shè)(11)[美]弗雷克斯：《微觀銀行經(jīng)濟(jì)學(xué)》，李冬蕾等譯，北京：中國人民大學(xué)出版社，2014年版，第125頁。，我們?cè)O(shè)定在市場中只有兩種類型的企業(yè)，分別為低風(fēng)險(xiǎn)企業(yè)L與高風(fēng)險(xiǎn)企業(yè)H。風(fēng)險(xiǎn)參數(shù)θk(k=L,H)代表企業(yè)經(jīng)營失敗的概率，k代表借款企業(yè)類型。θk值越大，風(fēng)險(xiǎn)越高，即θL<θH。

2．對(duì)商業(yè)銀行的假設(shè)

在信貸市場中，風(fēng)險(xiǎn)中性的商業(yè)銀行設(shè)定貸款利率和抵押品向借款企業(yè)提供貸款合同γk=(rk,Ck)(k=L,H)，其中，rk表示貸款利率，Ck表示要求借款人提供的抵押品。根據(jù)Bester(12)Bester H., Screening vs Rationing in Credit Markets with Imperfect Information, American Economic Review,Vol.75(1985), pp.850-855.的假設(shè)，貸款人向借款人提供的貸款合同中，利率是抵押品的減函數(shù)，也就是說借款人提供的抵押品越多，所承擔(dān)的貸款利率就會(huì)越低。借鑒趙岳等(13)⑤趙岳，譚之博：《電子商務(wù)、銀行信貸與中小企業(yè)融資——一個(gè)基于信息經(jīng)濟(jì)學(xué)的理論模型》，《經(jīng)濟(jì)研究》，2012年第7期。提出的假設(shè)，商業(yè)銀行可貸資金不受約束，存款利率簡化為0。

(二)傳統(tǒng)信貸模式中商業(yè)銀行借貸行為分析

假定商業(yè)銀行擁有的貸款資金為B，商業(yè)銀行選擇向低風(fēng)險(xiǎn)借款企業(yè)貸款的比例為VL，選擇向高風(fēng)險(xiǎn)借款企業(yè)貸款的比例為VH。商業(yè)銀行向不同類型借款企業(yè)提供貸款時(shí)，設(shè)ML、MH分別為低風(fēng)險(xiǎn)項(xiàng)目和高風(fēng)險(xiǎn)項(xiàng)目的信息處理成本，其中0

那么在傳統(tǒng)的信貸模式中，以趙岳等⑤建立的銀行利潤函數(shù)為基礎(chǔ)，此時(shí)商業(yè)銀行選擇向低風(fēng)險(xiǎn)企業(yè)貸款可獲得的預(yù)期利潤πL為：πL=(1-θL)VLBrL+θLCL-VLBrL-ML，選擇向高風(fēng)險(xiǎn)企業(yè)貸款可獲得的預(yù)期利潤πH為：πH=(1-θH)VHBrH+θHCH-VHBrH-MH。當(dāng)競爭性信貸市場實(shí)現(xiàn)均衡時(shí)，商業(yè)銀行實(shí)現(xiàn)零利潤。因此，由利潤函數(shù)推導(dǎo)得出，設(shè)VL1、VH1分別為傳統(tǒng)信貸模式下，商業(yè)銀行向低風(fēng)險(xiǎn)企業(yè)和高風(fēng)險(xiǎn)企業(yè)貸款的比例，則：

也就是說，在傳統(tǒng)的信貸模式下，商業(yè)銀行缺少充足的信息來源來識(shí)別不同借款人的身份，所以偏好風(fēng)險(xiǎn)中性的商業(yè)銀行為了自身利益最大化會(huì)選擇低風(fēng)險(xiǎn)低收益的信貸投放方式，即將大量資金投入到硬性條件較為充足的低風(fēng)險(xiǎn)企業(yè)中，對(duì)資質(zhì)較低且信息量較少的高風(fēng)險(xiǎn)企業(yè)縮減信貸規(guī)模(15)Stiglitz J. ,Weiss A. , Credit Rationing in Markets with Imperfect Information, American Economic Review, Vol.71 (1981) , pp.393-410.。

根據(jù)上述推論，提出假說1：在傳統(tǒng)信貸模式下，商業(yè)銀行為實(shí)現(xiàn)自身利益最大化，偏好于選擇低風(fēng)險(xiǎn)的企業(yè)。對(duì)于高風(fēng)險(xiǎn)企業(yè)，商業(yè)銀行會(huì)減少貸款規(guī)模，降低信貸投放力度。

(三)數(shù)字科技運(yùn)用初期對(duì)銀行借貸行為的影響

本文借鑒洪衛(wèi)等(16)洪衛(wèi)，靳亞閣，譚林：《銀行數(shù)字化緩解中小微企業(yè)融資約束：一個(gè)理論分析》，《金融理論與實(shí)踐》，2020年第11期。在商業(yè)銀行數(shù)字化轉(zhuǎn)型時(shí)期的成本假設(shè)，用W表示在數(shù)字科技投入初期，商業(yè)銀行為適應(yīng)數(shù)字化轉(zhuǎn)型所耗費(fèi)的時(shí)間、人力、物力成本，以及利用數(shù)字科技處理不同類型企業(yè)信用信息所耗費(fèi)的審貸成本。在這一時(shí)期，商業(yè)銀行利用數(shù)字科技對(duì)企業(yè)進(jìn)行風(fēng)險(xiǎn)識(shí)別的技術(shù)投入以及信息審核成本將大于傳統(tǒng)信貸模式，即W>MH>ML。

也就是說，在商業(yè)銀行數(shù)字化轉(zhuǎn)型的初期，數(shù)字科技雖然可以幫助商業(yè)銀行統(tǒng)籌收集企業(yè)信息，分析企業(yè)風(fēng)險(xiǎn)狀況，但是，由于數(shù)字科技成本對(duì)包括風(fēng)險(xiǎn)成本在內(nèi)的預(yù)算成本的擠壓，商業(yè)銀行非但不能增加對(duì)高風(fēng)險(xiǎn)企業(yè)的信貸規(guī)模，反而會(huì)繼續(xù)降低對(duì)其的貸款力度。

根據(jù)以上推論，提出假說2：在數(shù)字科技投入運(yùn)用的初期，數(shù)字科技并沒有擴(kuò)大商業(yè)銀行對(duì)高科技企業(yè)和中小企業(yè)的貸款規(guī)模，反而由于數(shù)字科技的大規(guī)模投入，弱化了商業(yè)銀行的風(fēng)險(xiǎn)抵抗能力，促使商業(yè)銀行選擇更加保守的低風(fēng)險(xiǎn)信貸策略來提高效益。

(四)數(shù)字科技投入后期對(duì)商業(yè)銀行借貸行為的影響

首先,由于初期大量的科技投入可以使得商業(yè)銀行的科技運(yùn)營形成規(guī)模優(yōu)勢，商業(yè)銀行后期科技投入的邊際成本會(huì)不斷下降。同時(shí)，數(shù)字科技的深度運(yùn)用提高了商業(yè)銀行對(duì)企業(yè)信息加工處理的作業(yè)效率，商業(yè)銀行的審貸成本進(jìn)一步降低。本文用Z來表示商業(yè)銀行在數(shù)字科技投入后期，借貸行為所產(chǎn)生的成本，此時(shí)，Z

其次，在數(shù)字科技投入使用后期，數(shù)字信用的形成在為企業(yè)提供了可供“抵押”的無形資產(chǎn)之外，也改變了借款人貸款合同的設(shè)計(jì)與選擇。由于低風(fēng)險(xiǎn)企業(yè)大多為實(shí)物抵押品充足且信譽(yù)水平較高的大型企業(yè)，客觀上不需要利用數(shù)字信用獲得貸款。故本文基于滕磊(17)滕磊：《數(shù)字普惠金融緩解中小企業(yè)融資約束的機(jī)制與路徑》，《調(diào)研世界》，2020年第9期。的假設(shè)，將數(shù)字資產(chǎn)作為信用評(píng)估的信息依據(jù)來設(shè)計(jì)高風(fēng)險(xiǎn)借款人的貸款合同，即高科技企業(yè)和中小企業(yè)在進(jìn)行借貸時(shí)，除了可以抵押傳統(tǒng)的資產(chǎn)之外，還可以提供δCH的“數(shù)字信用抵押品”，其中δ表示企業(yè)數(shù)字信用占比。

這一公式表明，在這一階段，數(shù)字經(jīng)濟(jì)的日漸成熟推動(dòng)著數(shù)字科技的深度運(yùn)用，企業(yè)行為數(shù)據(jù)信息產(chǎn)生的信用價(jià)值得到銀行的認(rèn)可。當(dāng)企業(yè)的數(shù)字信用成為類似“可抵押”的無形資產(chǎn)時(shí)，商業(yè)銀行與高風(fēng)險(xiǎn)借款人之間的貸款合同發(fā)生了重大改變，數(shù)字資產(chǎn)的產(chǎn)生使得高科技企業(yè)和中小企業(yè)有了強(qiáng)有力的信用支撐，更有效的信號(hào)傳遞使得商業(yè)銀行針對(duì)高科技企業(yè)和中小企業(yè)的違約風(fēng)險(xiǎn)更加可控。在這一情況下，商業(yè)銀行的風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)定價(jià)能力提高，風(fēng)險(xiǎn)偏好水平也隨之上升。我們用圖4來定性化描述數(shù)字技術(shù)的應(yīng)用對(duì)商業(yè)銀行風(fēng)險(xiǎn)偏好的改變。從圖4可以看出，由于商業(yè)銀行在數(shù)字技術(shù)的支持下可以更加有效地識(shí)別高風(fēng)險(xiǎn)貸款人發(fā)出的信號(hào)，因此風(fēng)險(xiǎn)偏好曲線從曲線1外移到了曲線2，風(fēng)險(xiǎn)-收益代表的均衡點(diǎn)也由低風(fēng)險(xiǎn)低收益的項(xiàng)目A，移動(dòng)到了高風(fēng)險(xiǎn)高收益的項(xiàng)目B。同時(shí)從上面推導(dǎo)的公式中我們看出，數(shù)字科技的應(yīng)用并沒有對(duì)低風(fēng)險(xiǎn)企業(yè)的貸款比例產(chǎn)生較大的影響，商業(yè)銀行風(fēng)險(xiǎn)偏好的提高會(huì)加大對(duì)較高風(fēng)險(xiǎn)客戶的信貸資源配置，從而也就增強(qiáng)了商業(yè)銀行的信用創(chuàng)造能力,提高了對(duì)高科技企業(yè)和中小企業(yè)的信貸規(guī)模。

圖4 數(shù)字科技的運(yùn)用對(duì)商業(yè)銀行風(fēng)險(xiǎn)偏好曲線的影響

需要注意的是，在未充分利用數(shù)字科技階段、數(shù)字科技運(yùn)用初期以及深度運(yùn)用的后期，商業(yè)銀行的風(fēng)險(xiǎn)偏好調(diào)整以及對(duì)不同風(fēng)險(xiǎn)項(xiàng)目的選擇策略存在著較大變化。這意味著，在傳統(tǒng)的信貸模式下，高科技企業(yè)和中小企業(yè)由于缺乏足值的實(shí)物抵押品，使其無法處于商業(yè)銀行的信用供給可能性曲線和業(yè)務(wù)邊界之內(nèi)。但在商業(yè)銀行利用數(shù)字科技進(jìn)行轉(zhuǎn)型的初期，由于前期的投入成本過大，商業(yè)銀行選擇更加保守的信貸投放策略來實(shí)現(xiàn)利潤最大化目標(biāo)，所以在這一時(shí)期，數(shù)字科技對(duì)高科技企業(yè)和中小企業(yè)的信貸配置可能會(huì)產(chǎn)生擠出效應(yīng)。在數(shù)字科技深度運(yùn)用階段，由于數(shù)字資產(chǎn)的廣泛形成，數(shù)字金融基礎(chǔ)設(shè)施的進(jìn)一步完善，商業(yè)銀行將數(shù)字科技更集中地應(yīng)用到風(fēng)控和成本管理的中后臺(tái)，大大提升了商業(yè)銀行的信用供給能力，擴(kuò)大了業(yè)務(wù)邊界和客戶群體，從而擴(kuò)大了對(duì)高科技企業(yè)和中小企業(yè)的信貸規(guī)模。

根據(jù)上述論述，提出假說3：在數(shù)字經(jīng)濟(jì)發(fā)展的不同階段，數(shù)字科技投入與商業(yè)銀行的信用配置行為和風(fēng)險(xiǎn)偏好之間存在著非線性關(guān)系。在數(shù)字經(jīng)濟(jì)發(fā)展初期，數(shù)字科技投入成本高，數(shù)字科技的投入反而有可能對(duì)高風(fēng)險(xiǎn)項(xiàng)目產(chǎn)生擠出效應(yīng)。在數(shù)字經(jīng)濟(jì)發(fā)展的成熟期，由于企業(yè)數(shù)字化逐漸普及，商業(yè)銀行數(shù)字科技投入的邊際成本降低，數(shù)字科技推動(dòng)著商業(yè)銀行改變傳統(tǒng)的信貸經(jīng)營模式，以數(shù)字資產(chǎn)為信用基礎(chǔ)給高科技企業(yè)和中小企業(yè)提供信貸服務(wù)。

四、實(shí)證檢驗(yàn)：基于中國上市銀行的面板數(shù)據(jù)檢驗(yàn)

為了驗(yàn)證本文第三部分提出的假說1、2、3是否成立，本部分將利用我國上市商業(yè)銀行公開數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，分析商業(yè)銀行在數(shù)字科技投入使用的不同階段對(duì)高科技企業(yè)和中小企業(yè)貸款規(guī)模是否有不同程度的影響。

(一)模型設(shè)定

首先設(shè)定面板線性回歸方程：

該公式為標(biāo)準(zhǔn)的線性模型。由于本文假設(shè)存在非線性關(guān)系，為檢驗(yàn)本文非線性假設(shè)的正確性以及階段性線性假設(shè)的存在，本文選取Hansen的面板門檻模型(18)Hansen B. E., Threshold Effects in Non-Dynamic Panels: Estimation,Testing and Inference, Journal of Econometrics,Vol.93 (1999), pp.345-368.。該模型的主旨思想是將門檻值作為一個(gè)未知變量納入一般的計(jì)量模型中，構(gòu)建所考察區(qū)域內(nèi)的解釋變量系數(shù)的分段函數(shù)，并對(duì)門檻值及門檻效應(yīng)進(jìn)行相應(yīng)的估計(jì)和檢驗(yàn)。本文根據(jù)假設(shè)設(shè)立一個(gè)非線性模型，以q(時(shí)間、數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模)為門檻變量，判斷商業(yè)銀行數(shù)字科技的投入與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間是否存在門檻效應(yīng)。

其次，根據(jù)面板線性回歸以及本文的假設(shè)推論，設(shè)定具備雙門檻的非線性回歸方程：

該式為非線性門檻回歸方程，其中，i和t分別表示商業(yè)銀行個(gè)體和時(shí)間變量。sm_credit為商業(yè)銀行對(duì)高科技企業(yè)和中小企業(yè)的貸款規(guī)模、bank_fintech為商業(yè)銀行數(shù)字科技投入水平，control為控制變量組。γ1、γ2分別為兩門檻的臨界值，γ1< γ2。

(二)樣本與數(shù)據(jù)來源

本文原本以我國51家上市商業(yè)銀行為考察樣本，時(shí)間期為2010—2020年。根據(jù)數(shù)據(jù)的完整性以及可得性，最終選取了包括大型商業(yè)銀行、股份制銀行、城商行以及農(nóng)商行在內(nèi)的43家上市商業(yè)銀行為研究樣本。商業(yè)銀行數(shù)據(jù)主要來自于國泰安數(shù)據(jù)庫以及各家商業(yè)銀行年報(bào)，宏觀經(jīng)濟(jì)變量數(shù)據(jù)來自于國家統(tǒng)計(jì)局。

(三)變量說明

1．被解釋變量

被解釋變量為高科技企業(yè)和中小企業(yè)貸款規(guī)模(sm_credit)。本文以商業(yè)銀行向高科技企業(yè)和中小企業(yè)發(fā)放貸款的增長率作為代理變量，度量商業(yè)銀行向高科技企業(yè)和中小企業(yè)貸款的力度(19)金洪飛，李弘基，劉音露：《金融科技、銀行風(fēng)險(xiǎn)與市場擠出效應(yīng)》，《財(cái)經(jīng)研究》，2020年第5期。。

2．核心解釋變量

核心解釋變量為商業(yè)銀行數(shù)字科技投入水平(bank_fintech)?，F(xiàn)有文獻(xiàn)度量商業(yè)銀行數(shù)字科技發(fā)展程度的指標(biāo)主要有兩類：一是郭品等以及劉忠璐等根據(jù)金融功能觀構(gòu)建的歷年互聯(lián)網(wǎng)金融指數(shù)(20)郭品，沈悅：《互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響:理論解讀與實(shí)證檢驗(yàn)》，《財(cái)貿(mào)經(jīng)濟(jì)》，2015年第10期；劉忠璐，林章悅：《互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行盈利的影響研究》，《北京社會(huì)科學(xué)》，2016年第9期。；二是基于螞蟻金服的交易賬戶底層數(shù)據(jù)編制的中國數(shù)字普惠金融指數(shù)。本文主要參考郭品等的做法所使用的構(gòu)建互聯(lián)網(wǎng)金融指數(shù)的方法，重點(diǎn)聚焦于數(shù)字科技對(duì)銀行業(yè)的賦能作用，利用文本挖掘法構(gòu)建各家商業(yè)銀行運(yùn)用數(shù)字科技進(jìn)行數(shù)字化改革的衡量指標(biāo)。第一步，根據(jù)數(shù)字科技對(duì)銀行業(yè)的賦能領(lǐng)域，確定關(guān)鍵詞庫。本文參考唐也然的做法從數(shù)字科技的技術(shù)、渠道和信貸業(yè)務(wù)應(yīng)用三個(gè)層面，建立反映商業(yè)銀行數(shù)字科技發(fā)展的關(guān)鍵詞詞庫(21)唐也然：《商業(yè)銀行發(fā)展數(shù)字科技如何影響信貸業(yè)務(wù)？——基于上市銀行年報(bào)文本挖掘的證據(jù)》，《金融與經(jīng)濟(jì)》，2021年第2期。。第二步，本文將商業(yè)銀行名稱與各技術(shù)關(guān)鍵詞搭配進(jìn)行搜索，利用Python獲取我國43家上市商業(yè)銀行在2010—2020 年各年度的新聞搜索結(jié)果，得到各家商業(yè)銀行關(guān)于數(shù)字科技的相關(guān)數(shù)據(jù)。本文選取熵權(quán)法來測算我國上市商業(yè)銀行數(shù)字科技投入水平。

表1 商業(yè)銀行數(shù)字科技關(guān)鍵詞庫

3．控制變量

對(duì)已有文獻(xiàn)分析，本文采用影響商業(yè)銀行經(jīng)營水平的微觀層面的指標(biāo)有：(1)流動(dòng)性水平(current)，本文用存貸款比率作代理變量。(2)盈利能力(profitability)，本文用營業(yè)利潤率作代理變量。(3)資本結(jié)構(gòu)(structure)，本文用銀行權(quán)益對(duì)負(fù)債比率作為代理變量。(4)資產(chǎn)規(guī)模(capital)，本文采用銀行總資產(chǎn)規(guī)模為代理變量，為防止與其他變量產(chǎn)生量化級(jí)差別，故將其取對(duì)數(shù)處理。除此之外，宏觀經(jīng)濟(jì)層面上的控制變量主要有：(1)宏觀經(jīng)濟(jì)水平，選取名義國民生產(chǎn)總值GDP增速(gdp)來衡量。(2)貨幣政策，選取廣義貨幣流通量增速(M2)來衡量。(3)通貨膨脹水平，選取居民消費(fèi)物價(jià)指數(shù)(CPI)來衡量。(4)利率市場化政策(R)，為虛擬變量，用來排除由于國家普惠金融政策對(duì)實(shí)證結(jié)果的誘導(dǎo)作用，2015年及以后取值為1，之前為0。

4．門檻變量

本文選取的門檻變量有：(1)時(shí)間趨勢(year)，(2)數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模(digital_economy)。上述各變量定義與描述性統(tǒng)計(jì)情況如表2所示。

(四)實(shí)證結(jié)果

1．面板單位根檢驗(yàn)以及協(xié)整性檢驗(yàn)

為避免出現(xiàn)偽回歸結(jié)果，本文首先進(jìn)行單位根檢驗(yàn)。經(jīng)檢驗(yàn)，所有變量在進(jìn)行一次差分之后呈現(xiàn)平穩(wěn)性，具體結(jié)果如下。

表2 描述性統(tǒng)計(jì)

表3 單位根檢驗(yàn)

進(jìn)而使用Kao檢驗(yàn)驗(yàn)證模型是否存在偽回歸期穩(wěn)定的均衡關(guān)系，Kao檢驗(yàn)的p值為0.000，顯著拒絕了不存在協(xié)整關(guān)系的原假設(shè)，說明各個(gè)變量之間具有長期穩(wěn)定關(guān)系。

表4 Kao協(xié)整檢驗(yàn)結(jié)果

2．門檻檢驗(yàn)結(jié)果

在門檻檢驗(yàn)命令之前，本文為防止結(jié)果出現(xiàn)異方差、自相關(guān)等問題，利用可行廣義最小二乘法(FGLS)逐步添加控制變量進(jìn)行基準(zhǔn)回歸分析?；貧w效果顯示，R2以及F值的擬合效果顯著。同時(shí)，因變量與自變量之間的估計(jì)系數(shù)為正，說明數(shù)字科技的投入對(duì)擴(kuò)大高科技企業(yè)和中小企業(yè)貸款規(guī)模有正向促進(jìn)作用(22)該實(shí)證結(jié)果由于篇幅原因不在原文披露，如有讀者需要，可通過編輯部向作者索取。。

經(jīng)基準(zhǔn)回歸分析，本文證實(shí)了數(shù)字科技投入與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間存在顯著的相關(guān)關(guān)系。因此，本文進(jìn)一步通過面板門檻效應(yīng)檢驗(yàn)兩者之間是否存在非線性擬合效果。由表5可知，以時(shí)間為節(jié)點(diǎn)的單門檻以及雙門檻效應(yīng)在10%的置信水平上均顯著；數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模的雙門檻效應(yīng)在10%的置信水平上顯著。故本文在探究數(shù)字科技投入水平與高科技企業(yè)和中小企業(yè)貸款規(guī)模問題上采用雙門檻效應(yīng)進(jìn)行實(shí)證分析。

表5 門檻效應(yīng)檢驗(yàn)結(jié)果

表6所示為雙門檻模型門檻值的估計(jì)結(jié)果以及門檻值的95%置信區(qū)間。由表6可知，以時(shí)間為門檻的門檻值分別為2016年和2017年，以數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模為門檻的門檻值分別為0.303和0.348。兩種門檻值檢驗(yàn)出的雙門檻效應(yīng)顯著，印證了本文第三部分理論模型中數(shù)字科技投入與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間非線性關(guān)系假設(shè)的存在，同時(shí)也證明了兩者之間具有三階段不同線性效果假設(shè)的正確性。

表6 門檻值估計(jì)結(jié)果及其置信區(qū)間

根據(jù)表7，在2016年之前，數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模低于0.303。在兩種門檻的檢驗(yàn)中，數(shù)字科技投入水平與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間均呈現(xiàn)并不顯著的正向關(guān)系?？赡艿慕忉屖?，這一時(shí)期社會(huì)整體的數(shù)字經(jīng)濟(jì)發(fā)展程度不高，在信用需求端，高科技企業(yè)和中小企業(yè)還沒積累起足夠的數(shù)字資產(chǎn)，銀行的信貸業(yè)務(wù)主要還是以傳統(tǒng)模式為主，數(shù)字科技的投入主要在前臺(tái)的獲客和營銷環(huán)節(jié)。同時(shí)這一階段商業(yè)銀行的經(jīng)營業(yè)績普遍較好，總的成本預(yù)算比較充足，對(duì)數(shù)字科技的成本投入并沒有“擠出”對(duì)高科技企業(yè)和中小企業(yè)等高風(fēng)險(xiǎn)業(yè)務(wù)的成本投入。甚至由于獲客成本的降低略微推動(dòng)了這些業(yè)務(wù)的發(fā)展。因此門檻效應(yīng)的第一階段實(shí)證結(jié)果證實(shí)了本文假說1的正確性。

在數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模介于0.303-0.348的門檻檢驗(yàn)中，數(shù)字科技投入與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間呈現(xiàn)顯著的負(fù)向關(guān)系，表明在數(shù)字經(jīng)濟(jì)快速發(fā)展的背景下，商業(yè)銀行雖然已經(jīng)開始進(jìn)行全面的數(shù)字化轉(zhuǎn)型，但仍然沒有將投入重點(diǎn)落實(shí)到商業(yè)銀行的中后臺(tái)業(yè)務(wù)層面，而且可能存在著數(shù)字科技成本投入對(duì)高科技企業(yè)和中小企業(yè)信貸業(yè)務(wù)的擠出效應(yīng)。商業(yè)銀行初期的技術(shù)投入增加了業(yè)務(wù)成本，但由于數(shù)字經(jīng)濟(jì)的規(guī)模經(jīng)濟(jì)特征，數(shù)字積累程度不夠，商業(yè)銀行數(shù)字風(fēng)控能力還不夠成熟，無法真正解決高科技企業(yè)和中小企業(yè)的融資難融資貴問題。門檻效應(yīng)的第二階段實(shí)證結(jié)果在一定程度上證明了假說2的正確性。

表7 門檻參數(shù)估計(jì)結(jié)果

在2016年至2017年以時(shí)間為門檻的檢驗(yàn)中，實(shí)證結(jié)果顯示這一階段的數(shù)字科技投入可以提高對(duì)高科技企業(yè)和中小企業(yè)的貸款力度。從估計(jì)系數(shù)上也可以看出，這一時(shí)期的擬合效果最為顯著，數(shù)字科技的投入對(duì)擴(kuò)大高科技企業(yè)和中小企業(yè)貸款規(guī)模的正向促進(jìn)作用最為強(qiáng)烈。這一結(jié)果表明，商業(yè)銀行利用數(shù)字科技提高高科技企業(yè)和中小企業(yè)貸款力度的作用效果存在滯后性。在2017年之后，數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模大于0.348，社會(huì)的數(shù)字化轉(zhuǎn)型進(jìn)入相對(duì)成熟階段。在兩種門檻的檢驗(yàn)中，數(shù)字科技投入水平與高科技企業(yè)和中小企業(yè)貸款規(guī)模之間均呈現(xiàn)顯著的正向相關(guān)關(guān)系。說明隨著數(shù)字經(jīng)濟(jì)規(guī)模變大，企業(yè)數(shù)字化經(jīng)營程度越來越高，當(dāng)數(shù)字資產(chǎn)真正形成并可以轉(zhuǎn)化為商業(yè)銀行信用風(fēng)控的基礎(chǔ)時(shí)，數(shù)字科技的投入才會(huì)提高商業(yè)銀行對(duì)高科技企業(yè)和中小企業(yè)的信貸服務(wù)及自身的風(fēng)險(xiǎn)偏好。故門檻效應(yīng)的第三階段實(shí)證結(jié)果證實(shí)了假說3的正確性。

為檢驗(yàn)實(shí)證結(jié)果是否可靠，本文通過更換變量的方法進(jìn)行穩(wěn)健性檢驗(yàn)，將中國數(shù)字普惠金融指數(shù)替代商業(yè)銀行數(shù)字科技投入水平，通過可行廣義最小二乘法進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果與上文回歸結(jié)果、擬合效果以及顯著效果一致。同時(shí)為防止內(nèi)生性問題，本文使用數(shù)字科技投入水平的滯后一期值替代當(dāng)期值(23)該實(shí)證結(jié)果由于篇幅原因不在原文披露，如有讀者需要，可通過編輯部向作者索取。，對(duì)模型重新進(jìn)行了估計(jì)。核心解釋變量的結(jié)果與上文基本一致，因此本文的結(jié)論保持穩(wěn)健。

五、結(jié)論與建議

本文分析了數(shù)字經(jīng)濟(jì)背景下信用生態(tài)體系發(fā)生的根本性變化，即由抵押品作為信息傳遞和信用形成的載體，轉(zhuǎn)為數(shù)字技術(shù)支撐下形成的數(shù)字資產(chǎn)，從而為高科技企業(yè)和中小企業(yè)的第一還款來源(經(jīng)營性現(xiàn)金流)的信用創(chuàng)造提供了可能。同時(shí)商業(yè)銀行等金融機(jī)構(gòu)也不斷提升自身的數(shù)字風(fēng)控水平，最終促進(jìn)客戶服務(wù)范圍發(fā)生改變，由長期鎖定的(低風(fēng)險(xiǎn)、低收益)項(xiàng)目均衡點(diǎn)，轉(zhuǎn)向(高風(fēng)險(xiǎn)、高收益)的項(xiàng)目均衡點(diǎn)，這意味著商業(yè)銀行等金融機(jī)構(gòu)信用創(chuàng)造能力的提升，同時(shí)也意味著金融服務(wù)實(shí)體經(jīng)濟(jì)能力的提升。本文在分析數(shù)字信用形成和作用機(jī)理的基礎(chǔ)上，構(gòu)建了一個(gè)基于商業(yè)銀行借貸行為的利潤函數(shù)，在不同風(fēng)險(xiǎn)客戶的選擇決策中討論了數(shù)字科技的應(yīng)用對(duì)商業(yè)銀行風(fēng)險(xiǎn)偏好的影響。研究結(jié)論認(rèn)為，在數(shù)字科技運(yùn)用初期，商業(yè)銀行對(duì)高科技企業(yè)和中小企業(yè)依然存在信貸配給問題。只有在數(shù)字科技深度應(yīng)用后，企業(yè)的經(jīng)營數(shù)據(jù)積累形成數(shù)字資產(chǎn)并向商業(yè)銀行傳遞有效信號(hào)之后，商業(yè)銀行的信貸供給能力才會(huì)在數(shù)字技術(shù)的應(yīng)用中得到進(jìn)一步提升。針對(duì)這些理論模型得出的結(jié)論，我們通過實(shí)證檢驗(yàn)了商業(yè)銀行數(shù)字科技投入水平與高科技企業(yè)和中小企業(yè)的貸款規(guī)模之間的非線性關(guān)系，證明了數(shù)字科技運(yùn)用水平的提升的確會(huì)提高商業(yè)銀行的風(fēng)險(xiǎn)偏好和對(duì)高科技企業(yè)和中小企業(yè)的支持力度。但是在數(shù)字科技運(yùn)用水平的初期，商業(yè)銀行的信用供給能力并不會(huì)得到明顯提升，只有在數(shù)字科技深度運(yùn)用后，在社會(huì)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的背景下，數(shù)字信用資產(chǎn)被廣泛認(rèn)可并積累形成一定的規(guī)模后，商業(yè)銀行的信用創(chuàng)造能力以及服務(wù)高科技企業(yè)和中小企業(yè)的效果才能隨之顯現(xiàn)，真正實(shí)現(xiàn)整個(gè)信用體系的重塑與升級(jí)。

基于上述研究，本文提出兩個(gè)政策建議。第一，從微觀層面來看，商業(yè)銀行等金融機(jī)構(gòu)應(yīng)該加大對(duì)數(shù)字科技的全方位應(yīng)用，尤其是要打造“大數(shù)字中臺(tái)”體系。商業(yè)銀行在數(shù)字技術(shù)的應(yīng)用上主要集中在能快速帶來流量和財(cái)務(wù)效益的前臺(tái)環(huán)節(jié)，比如客戶營銷系統(tǒng)、流量渠道和體驗(yàn)觸點(diǎn)體系等，但對(duì)客戶數(shù)據(jù)庫的深度挖掘、數(shù)字化的授信評(píng)估、風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)測等后臺(tái)方面，所投入的資源和要素以及取得的成效還相對(duì)較少。因此，建議在新一輪數(shù)字化轉(zhuǎn)型中，商業(yè)銀行等金融機(jī)構(gòu)要增強(qiáng)數(shù)字科技在中后臺(tái)風(fēng)險(xiǎn)管理和成本管理中的應(yīng)用。第二，從宏觀層面來看，監(jiān)管部門和相關(guān)政策部門應(yīng)該意識(shí)到數(shù)字經(jīng)濟(jì)背景下信用創(chuàng)造機(jī)制發(fā)生的深刻變化，為高科技企業(yè)和中小企業(yè)的信用形成搭建數(shù)字化基礎(chǔ)設(shè)施和平臺(tái)。建議相關(guān)政策部門借鑒個(gè)人征信體系的建設(shè)和運(yùn)營方式，搭建全國統(tǒng)一的企業(yè)征信數(shù)據(jù)平臺(tái)，將稅務(wù)、海關(guān)、經(jīng)貿(mào)、水電暖等數(shù)據(jù)在權(quán)限范圍內(nèi)遷移到統(tǒng)一的數(shù)據(jù)集成和處理平臺(tái)上，為社會(huì)提供具有公信力的信用數(shù)字資源，供商業(yè)銀行等金融機(jī)構(gòu)進(jìn)行信用評(píng)估，促進(jìn)缺乏抵押品和政府擔(dān)保的高科技企業(yè)和中小企業(yè)等主體的信用數(shù)字資產(chǎn)的形成。與此同時(shí)，在數(shù)字資產(chǎn)形成的過程中，互聯(lián)網(wǎng)監(jiān)管部門要提高對(duì)企業(yè)和個(gè)人數(shù)據(jù)的保護(hù)力度，防止由于信息泄露造成的電信欺詐等違法案件的發(fā)生，通過法治手段優(yōu)化數(shù)據(jù)共享機(jī)制，為數(shù)字資產(chǎn)及其信用的形成提供更好的基礎(chǔ)支撐。