融資約束下金融科技對投資和公司價值的影響

[摘要]融資約束與非效率投資限制了公司價值的增長。針對這一問題，以地區(qū)金融科技的發(fā)展對融資約束企業(yè)的投資行為和公司價值的影響為切入點，通過構(gòu)造PVAR模型研究變量之間的動態(tài)關(guān)系。選取2011-2020年中國滬深交易所上市公司的數(shù)據(jù)進行了融資約束劃分后，最終確定362家上市公司作為研究對象。SGMM回歸結(jié)果表明，金融科技的發(fā)展在短期內(nèi)能夠緩解企業(yè)的融資約束程度，促進投資的發(fā)生，緩解投資不足的現(xiàn)象，進一步提升公司價值。通過脈沖響應函數(shù)分析可知，金融科技的發(fā)展對企業(yè)價值的影響是動態(tài)變化的，從長期的影響來看這可能是一把雙刃劍;金融科技會通過縮短融資約束企業(yè)的投資滯后期數(shù)，促進企業(yè)投資效率和公司價值的提升。

[關(guān)鍵詞]金融科技;投資時滯;融資約束;公司價值

[中圖分類號]F270.3;F275.5[文獻標識碼]A[文章編號]1008—1763（2022）04—0068—09

InfluenceofFintechonInvestmentandFirmValue

underFinancingConstraints

DENGLiurui，ZHAOYiwen

（BusinessSchool，HunanNormalUniversity，Changsha410081，China）

Abstract：Financingconstraintsandnonefficiencyinvestmentshavelimitedthegrowthoffirmvalue.Inordertodealwiththisissue，theimpactofthedevelopmentofregionalFintechontheinvestmentbehaviorandfirmvalueoffinancingconstrainedfirmsisusedasanentrypointtostudythedynamicrelationshipbetweenvariablesbyconstructingaPVARmodel.AfterselectingthedataoflistedcompaniesontheShanghaiandShenzhenexchangesinChinafrom2011to2020forthedivisionoffinancingconstraints，362listedcompanieswerefinallyidentifiedasresearchsubjects.AccordingtotheSGMMregressionresults，thedevelopmentofFintechcanalleviatethedegreeoffinancialconstraintcompaniesintheshortterm，promotetheoccurrenceofcorporateinvestment，alleviatethephenomenonofunderinvestment，andfurtherenhancethevalueofthecompany.TheimpulseresponsefunctionanalysisshowsthattheimpactofFintechdevelopmentonenterprisevalueisdynamicandmaybeadoubleedgedswordintermsofthelongtermimpactpath.Fintechwillpromotetheefficiencyofcorporateinvestmentandcompanyvaluebyreducingthelagtimeofinvestmentinfinancingconstrainedcompanies.

Keywords：fintech;investmentlag;financingconstraints;firmvalue

一引言

無論是從微觀還是宏觀的層面來看，金融科技與金融領(lǐng)域的深入融合已經(jīng)對全球經(jīng)濟產(chǎn)生了巨大的影響。同樣，資本市場不完善導致的融資約束也是普遍存在的。尤其近年來新冠肺炎疫情的外部沖擊，導致制造業(yè)“脫實向虛”的傾向愈發(fā)嚴重，虛擬經(jīng)濟的快速發(fā)展使得實體經(jīng)濟面臨著多重困境。因而，在我國金融科技持續(xù)升溫的背景下，中央在經(jīng)濟工作部署中提出金融科技的本質(zhì)在于服務實體經(jīng)濟。

隨著我國市場化進程的不斷加快，市場中的企業(yè)主體日益增多，企業(yè)所面臨的競爭壓力也越來越大，加上我國市場環(huán)境的復雜性與資本市場的不完備，使多數(shù)企業(yè)面臨著融資約束問題，這將對企業(yè)的投資效率產(chǎn)生一定的阻礙。有大量證據(jù)表明，融資約束是企業(yè)投資和增長的障礙[1]。世界銀行的報告顯示，中國有75%的非金融類上市企業(yè)將融資約束列為阻礙企業(yè)發(fā)展的主要因素。郭麗虹等發(fā)現(xiàn)在中國資本市場上，小型公司比大型公司面臨更大的融資約束問題[2]。這在我國是普遍現(xiàn)象，雖然中小企業(yè)有較大的融資需求，但由于信貸歧視、信息不對稱等原因難以跨過金融服務體系的門檻，會增加外部融資的成本，導致它們難以抓住凈現(xiàn)值為正的投資機會，出現(xiàn)投資不足的問題，進一步降低公司價值。除了融資約束的影響，企業(yè)的投資行為也會受到投資的時滯效應影響。在已有的研究中，多數(shù)不可逆投資模型會假定項目在做出投資決定后立即上線。但在現(xiàn)實生活中并非如此，投資具有一定的時滯效應，分析時滯效應將有助于了解投資對公司價值影響的動態(tài)變化過程。

金融科技是科技創(chuàng)新與金融創(chuàng)新相互融合形成的一個新研究領(lǐng)域。伴隨著金融科技的不斷發(fā)展，大數(shù)據(jù)、云計算、區(qū)塊鏈等技術(shù)在傳統(tǒng)金融領(lǐng)域的廣泛運用，補充了傳統(tǒng)金融服務體系的同時，也對微觀企業(yè)的投融資行為構(gòu)成了重大影響。在我國金融科技持續(xù)升溫的背景下，中央在經(jīng)濟工作部署中提出金融科技的本質(zhì)在于服務實體經(jīng)濟。隨著金融科技的快速普及，各大金融科技平臺相繼推出個性化金融產(chǎn)品，將一系列技術(shù)創(chuàng)新如人工智能、智能投顧、區(qū)塊鏈等全面應用于金融領(lǐng)域，以幫助降低傳統(tǒng)金融業(yè)的風險并實現(xiàn)成功轉(zhuǎn)型，改善中小企業(yè)融資約束現(xiàn)象，促進實體經(jīng)濟的發(fā)展。合理地應用金融科技有望緩解民營企業(yè)融資難融資貴的現(xiàn)象，可助推實體經(jīng)濟的發(fā)展，增強微觀主體活力，充分發(fā)揮民企對經(jīng)濟增長和創(chuàng)造就業(yè)的重要支撐作用，促進經(jīng)濟社會平穩(wěn)健康發(fā)展。

本文將通過面板向量自回歸模型（PVAR）研究金融科技是否會通過影響企業(yè)的投資行為進一步影響公司價值，并通過脈沖響應函數(shù)分析金融科技對投資時滯效應的影響，最后分析了2020年新冠肺炎疫情暴發(fā)對融資約束企業(yè)的影響。本文內(nèi)容安排如下：第一部分為引言;第二部分為文獻綜述;第三部分為理論分析與研究假設(shè);第四部分為實證結(jié)果分析;第五部分為研究結(jié)論與政策建議。

二文獻綜述

金融科技發(fā)展初期，國內(nèi)外學者對金融科技的研究多數(shù)集中于探討金融科技的本質(zhì)特征、指數(shù)測算以及風險監(jiān)管等方面。隨著金融科技的深度運用，學者們開始將關(guān)注的重點轉(zhuǎn)移至金融科技在微觀層面的內(nèi)容，如討論金融科技及其衍生產(chǎn)品對企業(yè)融資和投資效率的影響。

在完美資本市場中，由于企業(yè)面臨的融資條件都是相同的，外部融資成本與內(nèi)部融資成本基本無差異，因而投資決策無須考慮資本結(jié)構(gòu)、融資方式等因素，僅需考慮企業(yè)自身的需求。但在現(xiàn)實世界中，資本市場的不完美，信息不對稱與委托代理問題的存在導致外部融資成本高昂，這也就造成了多數(shù)企業(yè)面臨著融資約束的問題。Poncet等分析了中國不同類型的企業(yè)面臨著不同程度的融資約束，他們發(fā)現(xiàn)中小民營企業(yè)面臨著嚴重的融資約束，而國有企業(yè)與外資企業(yè)則少有這種約束[3]。長期以來我國金融市場的發(fā)展一直呈現(xiàn)出間接融資為主，直接融資不足的局面，企業(yè)主要從銀行等金融機構(gòu)進行融資。這樣的融資環(huán)境不利于企業(yè)投資的開展。資本市場的不完備導致外部融資成本過高，使得企業(yè)無法達到最優(yōu)投資水平[4]。融資約束程度越高，企業(yè)越表現(xiàn)出投資不足的傾向;融資約束程度越低，企業(yè)則越表現(xiàn)出投資過度的傾向[5]。因而融資約束的企業(yè)易表現(xiàn)出投資不足的非效率性投資行為[6]。在這樣的背景下，金融科技的出現(xiàn)為企業(yè)投融資決策提供了更豐富的選擇。

首先，從金融科技發(fā)展對企業(yè)投融資行為的影響來看，金融發(fā)展水平高可以一定程度上降低企業(yè)獲得外部融資的難度，新興科技手段緩解信息不對稱的現(xiàn)象，使得投資者獲得更加全面、有效的投資與決策信息。中國金融科技（或數(shù)字金融）的業(yè)務規(guī)模、場景應用達到國際領(lǐng)先水平[7]。金融科技公司有望改善已經(jīng)存在的成本結(jié)構(gòu)，提供具有信任性、穩(wěn)定性、安全性和透明性的金融科技創(chuàng)新服務與產(chǎn)品。LenorePalladino認為區(qū)塊鏈作為金融科技的產(chǎn)物，為廣大投資者提供了一個公共的投資平臺，為人們創(chuàng)造了新的財富機會和投資機會[8]。Fuster等（2019）討論了金融科技在抵押借貸行業(yè)中扮演的角色，研究發(fā)現(xiàn)金融科技可以在不增加貸款風險的情況下更快地處理抵押貸款，對需求沖擊做出更靈活的反應[9]。這將有助于緩解我國信貸市場供需不平衡的問題，提升資金配給的效率。陳文琪使用VECM模型論證了金融科技能夠有效改善企業(yè)的融資困境[10]。

其次，從企業(yè)自身的投資行為來看，投資不僅會受到金融發(fā)展程度與融資約束程度的影響，投資的時滯效應也增大了投資的不確定性，進而影響投資效率。投資的時滯效應帶來的不確定性會影響企業(yè)的投資行為和企業(yè)價值。Eberly等認為與Tobin’sQ和現(xiàn)金流量加起來相比，滯后投資是更好的投資預測指標[11]。一些學者認為投資時滯會加速投資，例如BarIlan和Strange提出當存在滯后時，不確定性的增加可能會加速投資決策[12]。另一些學者的研究結(jié)果卻恰恰相反，如Alvarez和Keppo認為投資時滯和企業(yè)投資項目的收益流呈正相關(guān)，因而投資時滯會推遲企業(yè)的投資，削弱投資者的投資動機[13]。Campbell的研究結(jié)果表明，IT投資的收益從第0期開始出現(xiàn)至第3期達到最大[14]。Lee考察了研發(fā)投資（Ramp;D）對在中國上海證券交易所或深圳證券交易所上市的制造業(yè)市場價值的滯后效應[15]。

企業(yè)價值最大化是企業(yè)追求的最終目標。企業(yè)價值影響因素的相關(guān)研究成果較為豐富，但鮮有文獻研究金融科技發(fā)展與企業(yè)價值的關(guān)系。已有文獻研究數(shù)字金融與科技金融對企業(yè)價值的影響，程翔等通過研究得出科技金融政策的實施會提高企業(yè)競爭力，但是具有一定滯后性，企業(yè)競爭力可以通過企業(yè)價值來表現(xiàn)[16]。數(shù)字金融有助于增強企業(yè)的信息透明度，識別企業(yè)真實的成長機會最終促進企業(yè)價值的增長。李紅英等的研究結(jié)論表明政府、金融機構(gòu)和企業(yè)自身對待金融發(fā)展越積極，越容易提升企業(yè)價值[17]。

以上研究為本文提供了重要的借鑒，但同時在討論投資最優(yōu)決策時忽略了投資時滯的影響，且鮮少有文獻研究金融科技發(fā)展程度對公司投資時滯與公司價值的直接影響。因此本文通過使用面板向量自回歸模型分析金融科技發(fā)展程度、企業(yè)投資行為以及公司價值之間的動態(tài)關(guān)系，通過脈沖響應函數(shù)分析了金融科技的發(fā)展如何通過影響企業(yè)的投資時滯期數(shù)進而提升公司價值，以及金融科技發(fā)展能否通過改善融資約束減少企業(yè)投資不足的現(xiàn)象進而提高公司價值。

三理論分析和研究假設(shè)

（一）面板向量自回歸模型（PVAR）

公司價值的未來收益和風險不僅取決于當前因素還與歷史發(fā)展狀況相關(guān)，金融科技發(fā)展程度、投資與公司價值之間的相互關(guān)系也是一個跨時間的動態(tài)過程。因而本文在整合時間序列特征和面板三維變量特征的基礎(chǔ)上，擬采用面板向量自回歸模型來檢驗對于融資約束公司而言，金融科技發(fā)展程度對投資支出和公司價值的影響。PVAR模型的基本公式為

Yit=∑Pj=1βjYit-j+hi+γt+εit

其中Yit為一系列內(nèi)生變量，β為需要估計的參數(shù)矩陣，j為滯后階數(shù)，γt為時間效果，hi為個體效果，干擾項為εit。后續(xù)將分別采用“組內(nèi)均值差分法”和“前向均值差分法”去除時間效應和個體效應。具體到本文的研究中，主要分析一系列變量對公司價值的預測效應。由于PVAR模型是選取內(nèi)生變量的滯后項作為工具變量，因而需要采用（AIC、BIC、HQIC）信息準則判定最優(yōu)滯后階數(shù)，根據(jù)表1可知融資約束企業(yè)的最優(yōu)滯后階數(shù)為1階。

因此，本文面板向量自回歸模型的具體表達式為

tobinqit=α0t+αittobinqit-1+ρitinvit-1+τitFintechit-1+∑kn=1θnXnit-1+hi+γt+εit

其中i=1，…，N;t=1，…，T;被解釋變量tobinqit指的是t時期企業(yè)i的公司價值;由于信息準則確定的最優(yōu)滯后階數(shù)為1階，因此解釋變量包含公司價值tobinqit-1、投資支出invit-1和金融科技發(fā)展程度ln（Fintech）it-k的滯后一階項;Xnit為控制變量，主要包含公司規(guī)模（size）和企業(yè)成長性（growth）;α0t、αit、ρit、τit以及θn為待估計參數(shù)，本文將在后文通過SGMM方法獲得待估計參數(shù)的一致有效估計量。

（二）研究假設(shè)

對于我國而言，中小微企業(yè)貸款需求較大，但傳統(tǒng)金融服務的效率低下，資金周轉(zhuǎn)指數(shù)遠小于貸款需求，導致多數(shù)小微企業(yè)難以獲得傳統(tǒng)金融的支持。出現(xiàn)該現(xiàn)象的主要原因是銀企信息不對稱、金融服務程序煩瑣以及融資成本的高昂，這些都使得小微企業(yè)難以達到傳統(tǒng)金融機構(gòu)貸款的準入門檻。

隨著金融科技的不斷深入發(fā)展，關(guān)于金融科技的發(fā)展是否能夠改善企業(yè)的融資困境，學界存在兩種不同的結(jié)論。目前，部分學者認為金融科技可以促進企業(yè)的發(fā)展，提升公司價值。因為金融科技逐漸成熟，使得實體經(jīng)濟呈現(xiàn)出多元化發(fā)展，可以提高金融服務的質(zhì)量，打破時間及空間成本，降低外部融資成本，實現(xiàn)實體經(jīng)濟融資效率的提升。張林運用靜態(tài)和動態(tài)空間面板模型檢驗金融科技對實體經(jīng)濟增長的影響，結(jié)論表明金融發(fā)展和科技創(chuàng)新能夠促進實體經(jīng)濟的長短期增長[18]。且金融科技基于大數(shù)據(jù)建立的企業(yè)融資信息服務平臺，有利于提升企業(yè)的透明度，一定程度上緩解信息不對稱，緩解中小微企業(yè)融資難的問題。例如，Arner等認為金融科技的發(fā)展可以支持更廣泛的融資和投資渠道[19]。而另一些學者則認為金融科技的發(fā)展不利于企業(yè)價值的增長。蔡則祥等發(fā)現(xiàn)金融業(yè)服務于實體經(jīng)濟存在普遍的無效率性，金融與實體經(jīng)濟發(fā)展出現(xiàn)嚴重錯配[20]。原因可能是金融科技發(fā)展將重心放在干預實體經(jīng)濟上，忽視了金融監(jiān)管的重要性，導致金融業(yè)出現(xiàn)雜亂叢生的現(xiàn)象，再加上企業(yè)不能合理利用金融科技來規(guī)避風險，因此對實體經(jīng)濟企業(yè)投資效率產(chǎn)生負面影響。

綜上所述，本文考慮到金融科技的特性，認為金融科技的發(fā)展可能會對公司價值產(chǎn)生正效應，但從影響的動態(tài)過程來看，可能會因利用不當出現(xiàn)一些不利于公司發(fā)展的問題。首先，從企業(yè)運用金融科技的初期來看，金融科技可以提供更多融資方式、優(yōu)化金融服務體系以降低融資成本、提高企業(yè)的融資效率。但是若企業(yè)缺乏長期應對金融科技的策略，可能會因為金融服務門檻的降低傾向于投資高風險的項目，加大財務風險的突發(fā)性和嚴重性，不利于公司價值的提升?；谝陨戏治?，我們提出以下假設(shè)。

假設(shè)1a：金融科技的發(fā)展在短期內(nèi)能夠緩解企業(yè)的融資約束程度，促進公司價值的增長。

假設(shè)1b：金融科技的發(fā)展對企業(yè)的影響是呈動態(tài)變化的，從長期的影響來看可能是一把雙刃劍。

對于外部發(fā)展環(huán)境而言，金融科技的發(fā)展是影響企業(yè)投資效率的重要因素之一。首先，金融科技對投資效率的影響是通過降低企業(yè)融資約束程度來實現(xiàn)的。若公司面臨外部融資約束而內(nèi)源資金又不充足，將有可能被迫放棄有價值的投資機會，表現(xiàn)出投資不足的非效率性投資行為。李紅和謝娟娟通過歐拉方程模型研究了金融科技發(fā)展能否緩解上市公司的融資約束，結(jié)果表明金融發(fā)展水平的提高能夠改善企業(yè)投資不足的行為[21]。莊雷和王燁認為金融科技創(chuàng)新引導了消費升級與產(chǎn)業(yè)升級，并帶來投資的多元化以及投資效率的提升[22]。金融科技可以利用新興技術(shù)改善金融機構(gòu)與企業(yè)信息不對稱的狀況，如通過大數(shù)據(jù)、云計算等建立企業(yè)信用評估系統(tǒng)，風險定價系統(tǒng)以及追蹤監(jiān)控體系，這樣會提升金融機構(gòu)的投資效率，使得融資約束企業(yè)獲得充足的資金進行投資，改善投資不足的現(xiàn)象?；诖耍疚奶岢黾僭O(shè)2。

假設(shè)2：金融科技的發(fā)展會促進企業(yè)投資的發(fā)生，緩解投資不足的現(xiàn)象，提升公司價值。

企業(yè)的投資行為不僅受到自身條件的影響，也受到外部發(fā)展環(huán)境的影響。對于企業(yè)自身發(fā)展而言，無論是投資的直接效應還是間接效應，從資金投入到建設(shè)項目形成生產(chǎn)能力、引起經(jīng)濟增長是一個動態(tài)的變化過程，需要一定的時間來逐步顯示其作用，因而投資時滯帶來的不確定性對企業(yè)價值的影響也十分復雜。部分學者認為投資時滯期數(shù)會加速投資，提升公司價值。如SarkarandZhang（2013）的研究表明投資時滯的增加會降低投資閾值從而加速投資[23]。另一些學者的研究表明投資時滯會延緩企業(yè)價值的提升。Deng和Zhao的研究表明融資約束企業(yè)存在投資不足的現(xiàn)象，且有較長的投資時滯期數(shù)，因而投資與公司價值負相關(guān)[24]。由于投資時滯主要由投資的技術(shù)以及項目的特征決定的，投資時滯的長短也取決于施工技術(shù)水平、管理水平以及資金周轉(zhuǎn)速度，而金融科技的發(fā)展通過建立數(shù)字化業(yè)務管理系統(tǒng)，提升了企業(yè)的業(yè)務管理水平和資金運轉(zhuǎn)效率，有利于減小投資時滯期較長而帶來未知風險。綜上所述提出假設(shè)3。

假設(shè)3：企業(yè)投資行為對金融科技的沖擊有正響應，金融科技可以縮短投資時滯期數(shù)，緩解企業(yè)投資不足的現(xiàn)象。

四實證結(jié)果分析

（一）樣本的選取

本文以2011-2020年在滬深交易所進行交易的A股公司為樣本，考慮到2020年新冠肺炎疫情全面暴發(fā)可能造成的數(shù)據(jù)異常性，本文著重對2011-2020年數(shù)據(jù)進行分析，再進一步分析2020年新冠肺炎疫情沖擊對融資約束企業(yè)的影響。金融科技指數(shù)來源于北京大學數(shù)字金融研究中心編制的數(shù)字金融總指數(shù)（更新至2020年）。在計算過程中剔除銀行和保險類等金融行業(yè)公司的數(shù)據(jù)，ST*、ST及財務數(shù)據(jù)不健全的公司樣本，為了消除極值或數(shù)據(jù)庫數(shù)值錯誤，參考多數(shù)文獻的處理方法，剔除超過均值±5倍標準差范圍外的數(shù)據(jù)。所選數(shù)據(jù)來自CSMAR數(shù)據(jù)庫和銳思數(shù)據(jù)庫，最終確定觀測值為362家融資約束的上市公司。

（二）變量的定義與度量

被解釋變量。本文用tobinq作為公司價值的代理變量，從市場價值和重置成本的角度衡量企業(yè)的價值，既反映了企業(yè)的預期利潤，體現(xiàn)了投資者對企業(yè)未來的預期，也包含了對風險的自動調(diào)整。

核心解釋變量。本文的研究對象包括企業(yè)的投資行為、金融科技發(fā)展程度對公司價值的影響。為研究在投資時滯的影響下，公司所做的投資決策對公司價值的影響，采用投資支出（inv）這一指標來表示融資約束公司的投資行為。本文選取北京大學數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)的總指數(shù)維度，作為金融科技發(fā)展程度（Fintech）的代理變量[25]。該指數(shù)采用螞蟻金服的交易賬戶底層數(shù)據(jù)，從多個維度表現(xiàn)中國各地區(qū)的金融科技發(fā)展水平。

控制變量。本文控制了公司規(guī)模（size）和企業(yè)成長性（growth）的影響，同時加入行業(yè)虛擬變量與年度虛擬變量。公司規(guī)模會影響企業(yè)的投融資行為，因此本文用總資產(chǎn)的自然對數(shù)作為企業(yè)規(guī)模的替代變量。企業(yè)的成長性的計算方法為本年度營業(yè)收入減去上年度營業(yè)收入再除以上年度營業(yè)收入。

融資約束的度量。關(guān)于融資約束的度量在學術(shù)界存在較大的分歧，而融資約束衡量指標的不同造成了研究結(jié)論的差異。本文借鑒Hubbard以及連玉君等的處理方法，按照文獻中廣泛使用的公司規(guī)模、股利分派率和負債率三種標準對融資約束進行衡量[1][5]。依據(jù)公司規(guī)模、股利分派率以及負債率在2011-2013年樣本區(qū)間的平均值，以第66百分位為分界點，進而把公司規(guī)模、股利支付率和負債率小于第66百分位之的公司劃分為融資約束組（FC），最終我們篩選出362家融資約束公司。詳見表2。

（三）實證研究結(jié)果分析

1.描述性分析

為保證模型的可靠性，首先對融資約束公司的樣本數(shù)據(jù)進行描述性分析。由表3可知，inv的最小值為0.0002，最大值為0.378，較大的個體差異表明融資約束企業(yè)的投資支出與企業(yè)自身條件和受融資約束程度有關(guān)。未經(jīng)對數(shù)處理的金融科技發(fā)展程度Fintech的最大值為410.3，最小值為18.33，且標準差較大為94.62，這說明我國各地區(qū)之間金融科技發(fā)展程度并不均衡，地區(qū)性差異較明顯。經(jīng)過對數(shù)化處理之后標準差較小，由此說明對該指標取對數(shù)是合理的。由公司價值tobinq可知，融資約束企業(yè)之間公司價值也有較大的差距。

2.單位根檢驗

在進行回歸之前，首先要對各變量進行單位根檢驗，面板數(shù)據(jù)單位根檢驗方法主要有LLC、IPS、ADFF、Fisher、PPF等，考慮到各個檢驗方法的優(yōu)劣，為了提高檢驗效力，避免偽回歸，本文運用IPS和Fisher檢驗方法進行單位根檢驗。

由表4可知，經(jīng)過兩種單位根檢驗后，均在1%的顯著水平上拒絕面板包含單位根的原假設(shè)，因此不存在單位根問題，不需要進行協(xié)整性分析。

3.SGMM回歸結(jié)果分析

考慮到模型的擾動項可能存在異方差和自相關(guān)，且inv與tobinq之間可能存在內(nèi)生性問題，因此本文采用SGMM估計對模型進行回歸。由表1確定最優(yōu)滯后階數(shù)為一階，因此本文對362家融資受限公司進行一階SGMM回歸，并對各個變量進行前向差分便于消除個體效應與異質(zhì)性，回歸結(jié)果如表5所示。為驗證SGMM估計的有效性，本文將在穩(wěn)健性檢驗部分借鑒Roodman與Arellano和Bond提出的直觀的檢驗方法，在進行SGMM回歸同時采用混合OLS回歸（PoolOLS）和面板固定效應模型進行估計[26][27]。

（1）從企業(yè)投資行為的角度來看，inv對tobinq的回歸系數(shù)為-2.7005，在1%的水平上顯著，由此可知滯后一期的投資支出與公司價值顯著負相關(guān)。其中隱含的經(jīng)濟原因可能正是投資時滯的存在，無論是投資的直接效應還是間接效應，資金投入建設(shè)項目形成生產(chǎn)能力、產(chǎn)生經(jīng)濟收益都需要一定的時間。該投資過程是動態(tài)變化的過程，在前一期進行投資決策之后，雖然支出了投資資金但還未產(chǎn)生收益，且受融資約束的公司普遍是規(guī)模較小、現(xiàn)金持有不足、外部融資成本高的公司，因而易表現(xiàn)出投資不足的非效率投資行為，滯后一期的投資支出對當期公司價值是負相關(guān)關(guān)系。

（2）由金融科技發(fā)展程度的角度來看，lnFintech對tobinq的回歸系數(shù)為0.9265，并在1%的水平上顯著。由此可知，金融科技的發(fā)展程度與融資約束企業(yè)的公司價值顯著正相關(guān)。出現(xiàn)該結(jié)果的經(jīng)濟原因有以下幾點。其一，技術(shù)支持的改進。金融科技的發(fā)展完善了資本市場體系，通過技術(shù)改進改善了支付手段、財富管理以及銀行業(yè)的傳統(tǒng)技術(shù)。這些促使企業(yè)合理配置資源，如人工智能和智能投顧的出現(xiàn)極大地改善了實體企業(yè)的制造效率和決策效率。其二，金融科技的發(fā)展能夠提高企業(yè)鑒別風險的能力。金融科技運用其大數(shù)據(jù)、人工智能、區(qū)塊鏈技術(shù)等提高企業(yè)鑒別評估投資項目優(yōu)劣的能力，促使融資約束企業(yè)將有限的現(xiàn)金流準確地投放于恰當?shù)耐顿Y項目中，提升投資效率。其三，金融科技的發(fā)展能在一定程度上舒緩融資約束，提升公司價值。金融科技的發(fā)展能夠打破與融資機構(gòu)的信息不對稱現(xiàn)象，將尋求投資機會的投資者與有資金需求的融資者匯聚到統(tǒng)一的平臺，利用一定技術(shù)將大量小眾的需求匯聚在一起，合理配置資金，使得信貸總量得以提升，能夠在一定程度上緩解融資約束，使得融資約束企業(yè)可以獲得發(fā)展資金進行有效投資，提升公司價值。綜上所述，金融科技的發(fā)展能夠緩解企業(yè)的融資約束程度，提升企業(yè)的投資效率，促進公司價值的增長，因此假說1a成立。

4.脈沖響應函數(shù)

脈沖響應函數(shù)是從動態(tài)角度表現(xiàn)各變量間時滯關(guān)系的方法，通過隨機擾動項的一個標準差沖擊對變量當前和未來取值的影響軌跡來衡量，它能夠比較直觀地刻畫出變量之間的動態(tài)交互作用及其效應。本文將采用脈沖響應函數(shù)分析方法考查變量間的時滯關(guān)系，脈沖反應函數(shù)下圖所示，中間實線為沖擊的程度，上下虛線分別是95%置信區(qū)間的上下線，橫軸表示沖擊作用的滯后期間數(shù)，縱軸表示脈沖響應程度。

（1）金融科技對公司價值和投資支出的影響。

從圖1可以清晰地看出金融科技對公司價值在未來10期的動態(tài)影響軌跡。金融科技一個標準差的擾動項沖擊對公司價值的影響經(jīng)歷了三個階段。從第0期至第1期，金融科技對公司價值的影響呈現(xiàn)出增長式的正效應。從第1期至第3期，正效應緩慢下降，即在該時期金融科技對公司價值的正效應逐漸縮小。從第3期開始，產(chǎn)生較小的負效應，最大值約為-0.01，隨后緩慢趨近于零。由此可見金融科技在支持企業(yè)發(fā)展的過程中，并不是簡單的短期行為，而是先呈現(xiàn)出持續(xù)3期的驅(qū)動效能，再出現(xiàn)較小的負沖擊，這也證實了部分學者認為金融科技是把雙刃劍的結(jié)論，它在加強服務供給降低服務成本的同時，也會影響傳統(tǒng)行業(yè)的盈利能力。企業(yè)需要在發(fā)展的過程中不斷調(diào)整應對金融科技的對策，發(fā)揮金融科技對公司價值的正向影響作用，避免出現(xiàn)因信息科技操縱不當?shù)犬a(chǎn)生的負影響。因而，本文得到金融科技的發(fā)展對企業(yè)的影響是呈動態(tài)變化的，從長期的影響看可能是一把雙刃劍。這一結(jié)論有效驗證了假設(shè)1b。

由圖2可知投資對金融科技的沖擊有正響應，且此正效應持續(xù)至第4期。這說明對于現(xiàn)金流有限的融資約束企業(yè)而言，金融科技的發(fā)展在一定程度上會促進該類企業(yè)的投資的發(fā)生，在一定程度上緩解了投資不足的現(xiàn)象。如大數(shù)據(jù)與人工智能的應用拓寬了企業(yè)的融資渠道，改善了信息不對稱的現(xiàn)象，使得投資決策趨于理性化與正確化，從而提高了投資效率。因而，本文認為金融科技的發(fā)展會促進企業(yè)投資的發(fā)生，緩解投資不足的現(xiàn)象，提升公司價值。這一結(jié)論有效驗證了假設(shè)2。

（2）金融科技對投資時滯期數(shù)的影響。

為研究金融科技對企業(yè)投資時滯期數(shù)的影響，我們做了以下兩組脈沖反應函數(shù)，一組不控制金融科技的發(fā)展程度，如圖3所示;另一組反之，如圖4所示。當不考慮金融科技發(fā)展程度時，由圖3可知，tobinq受到inv一單位標準差的沖擊后，產(chǎn)生負影響，并于第8期緩慢趨近于0。而控制了金融科技發(fā)展程度之后，如圖4所示，inv一標準差的擾動項沖擊立刻對公司價值產(chǎn)生了負影響，但該負沖擊僅持續(xù)了3期，相較于圖3減緩了負沖擊的持續(xù)期數(shù)，在第0期后從最低點逐漸上升，于第3期趨近于零，之后便逐漸產(chǎn)生正效應。這一結(jié)果也驗證了SGMM估計中滯后一期invt-1對當期tobinq負相關(guān)的結(jié)論，出現(xiàn)負沖擊的經(jīng)濟原因一方面可能是投資時滯的存在，從產(chǎn)生投資支出到獲取收益需要一定的時間，因而衡量項目是否可行要考慮該項目的未來收入價值，不能僅僅局限于投資當期或近期的效果，否則會低估該項目的投資價值或該公司的價值。另一方面是融資約束公司往往因投資不足而投資效率低下，有損公司價值，該結(jié)論與劉星等的研究一致[6]。但由圖4的動態(tài)趨勢可得出，金融科技的發(fā)展在第3期之后影響投資支出對公司價值產(chǎn)生正效應，這表明金融科技能在一定程度上緩解融資約束公司投資不足的低效率投資行為，縮減投資的滯后期數(shù)。綜上所述，假設(shè)3成立。

5.疫情沖擊對融資約束企業(yè)的影響

2020年1月新冠肺炎疫情的暴發(fā)對我國實體經(jīng)濟造成了嚴重的沖擊，生產(chǎn)生活近乎停擺。為恢復實體經(jīng)濟，國家出臺了一系列金融支持政策，實施減稅降費，幫助企業(yè)紓困解難。在融資約束方面，加大對企業(yè)的創(chuàng)業(yè)擔保貸款貼息支持力度，優(yōu)化對受疫情影響企業(yè)的融資擔保服務，給予復工生產(chǎn)足夠的現(xiàn)金流支持。因而，在以上研究基礎(chǔ)上，加入2020年這一特殊年份的數(shù)據(jù)，以衡量新冠肺炎疫情突發(fā)對企業(yè)融資約束程度和投資行為影響。

由表6可知，inv對tobinq的回歸系數(shù)為1.0568，在5%的水平上顯著，即投資支出對公司價值產(chǎn)生正向影響，這與樣本窗口為2011-2019年所得結(jié)論不同。產(chǎn)生這一現(xiàn)象的原因可能是疫情的影響使得國家不得不加大對中小企業(yè)融資的扶持力度，通過安排貼息資金支持降低企業(yè)融資成本，提高融資擔保服務，給予受疫情影響的融資約束企業(yè)足夠的現(xiàn)金流以實現(xiàn)再生產(chǎn)，這些政策在一定程度上緩解了企業(yè)融資約束的程度和非效率性投資行為。

6.穩(wěn)健性分析

由PVAR模型設(shè)定可知，模型的解釋變量中包含被解釋變量的滯后一階項，為驗證SGMM估計的有效性，本文借鑒Roodman與Arellanoamp;Bond提出的直觀的檢驗方法，在進行SGMM回歸同時采用混合OLS回歸（PoolOLS）和面板固定效應估計，由于混合OLS回歸時忽略了數(shù)據(jù)的面板結(jié)構(gòu)，對被解釋變量的滯后項得到上偏的系數(shù)估計，而固定效應估計雖然考慮了面板結(jié)構(gòu)，但忽略了因變量滯后項和誤差項的相關(guān)性，會得到下偏的系數(shù)，因此若SGMM對因變量的滯后一階項的估計系數(shù)介于兩者之間，就說明本文模型符合Bond等人關(guān)于GMM估計有效性的判斷標準。由表7可知SGMMtobinqt-1的估計系數(shù)為0.403，介于0.344與0.664之間，因此本模型所得結(jié)果是穩(wěn)健的。

五研究結(jié)論與政策建議

本文立足于當前學者對金融科技在微觀層面的研究，采用2011-2019年我國全部A股上市公司的數(shù)據(jù)，結(jié)合中國數(shù)字金融指數(shù)，研究地區(qū)金融科技的發(fā)展程度對融資約束企業(yè)投資行為和公司價值的動態(tài)關(guān)系，得到下述結(jié)論。第一，金融科技的發(fā)展在一定程度上能夠舒緩企業(yè)的融資約束程度，提升公司價值。但該影響是呈動態(tài)變化的，從長期的影響來看可能是一把雙刃劍。第二，金融科技的發(fā)展促進融資約束企業(yè)投資的發(fā)生，改善企業(yè)投資不足的現(xiàn)象。第三，金融科技的發(fā)展也可以通過縮短融資約束企業(yè)的投資滯后期數(shù)，促進企業(yè)投資效率的提升，進一步提升公司價值。第四，在新冠肺炎疫情期間，政府減稅降費，提供融資擔保等政策在一定程度上緩解了企業(yè)融資約束和投資不足的問題。結(jié)合以上研究結(jié)論，為更好地引導金融科技能夠促進實體經(jīng)濟的發(fā)展，本文針對金融機構(gòu)、國家以及企業(yè)提出如下建議。

（1）由于目前是金融科技高速發(fā)展的時代，特別是新冠肺炎疫情的出現(xiàn)促使一些新興產(chǎn)業(yè)快速發(fā)展，對于金融機構(gòu)而言必須轉(zhuǎn)變傳統(tǒng)的服務模式，運用大數(shù)據(jù)、云計算、人工智能等金融科技手段構(gòu)建信息共享平臺，提升金融服務的質(zhì)量與效率，降低金融成本，提高企業(yè)融資獲得率。（2）對于國家而言，要有效把握政府與市場的邊界，在對金融科技進行有效監(jiān)管的同時，釋放市場活力，引導金融科技提供精準的金融服務支持，將中小型企業(yè)嵌入優(yōu)質(zhì)的金融環(huán)境，緩解該類企業(yè)融資難融資貴的現(xiàn)象;國家可支持發(fā)展股票市場，擴大直接融資的比例，抑制金融機構(gòu)的信貸歧視，實現(xiàn)金融科技優(yōu)化發(fā)展的同時保障實體經(jīng)濟的發(fā)展。在新冠肺炎疫情持續(xù)期間，政府應當因地制宜制定合理的融資政策，加快信貸資源的投放速度，為受疫情沖擊嚴重地區(qū)提供融資擔保服務，共克時艱。（3）對于企業(yè)而言，要提升自身信息管理能力和運用數(shù)字化信息的能力。企業(yè)應從戰(zhàn)略全局高度，對應用金融科技做出總體規(guī)劃，根據(jù)自身經(jīng)營狀況和戰(zhàn)略目標確定融資規(guī)模，主動穩(wěn)妥地實現(xiàn)金融科技對公司的積極作用，降低金融科技的負面影響。

[參考文獻]

[1]HubbardRG.Capitalmarketimperfectionsandinvestment[J].JournalofEconomicLiterature，1998（1）：193-225.

[2]郭麗虹，徐曉萍.中小企業(yè)融資約束的影響因素分析[J].南方經(jīng)濟，2012（12）：36-48.

[3]PoncetS，SteingressW，VandenbusscheH.FinancialconstraintsinChina：firmlevelevidence[J].ChinaEconomicReview，2010（3）：411-422.

[4]FazzariS，HubbardRG，PetersenBC.Financingconstraintsandcorporateinvestment[J].BrookingsPapersonEconomicActivity，1988（1）：141-206，

[5]連玉君，彭方平，蘇治.融資約束與流動性管理行為[J].金融研究，2010（10）：158-171.

[6]劉星，劉理，竇煒.融資約束、代理沖突與中國上市公司非效率投資行為研究[J].管理工程學報，2014（3）：64-73.

[7]黃益平，黃卓.中國的數(shù)字金融發(fā)展：現(xiàn)在與未來[J].經(jīng)濟學（季刊），2018（4）：1489-1502.

[8]RichardsonS.Overinvestmentoffreecashflow[J].ReviewofAccountingStudies，2006（2）：159-189.

[9]FusterA，PlosserM，SchnablP，etal.Theroleoftechnologyinmortgagelending[J].TheReviewofFinancialStudies，2019（5）：1854-1899.

[10]陳文琪.金融科技對小微企業(yè)融資的影響研究[D].長沙：湖南大學金融與統(tǒng)計學院，2018.

[11]EberlyJ，RebeloS，VincentN.Whatexplainsthelagged-investmenteffect？[J].JournalofMonetaryEconomics，2012（4）：370-380.

[12]BarIlanA，StrangeWC.Investmentlags[J].TheAmericanEconomicReview，1996（3）：610-622.

[13]AlvarezLHR，KeppoJ.Theimpactofdeliverylagsonirreversibleinvestmentunderuncertainty[J].EuropeanJournalofOperationalResearch，2002（1）：173-180.

[14]CampbellM.Whatadifferenceayearmakes：timelageffectofinformationtechnologyinvestmentonfirmperformance[J].JournalofOrganizationalComputingandElectronicCommerce，2012（3）：237-255.

[15]LeeJW.LaggedeffectsofRamp;Dinvestmentoncorporatemarketvalue：evidencefrommanufacturingfirmslistedinChinesestockmarkets[J].TheJournalofAsianFinance，EconomicsandBusiness，2020（8）：69-76.

[16]程翔，張瑞，張峰.科技金融政策是否提升了企業(yè)競爭力？——來自高新技術(shù)上市公司的證據(jù)[J].經(jīng)濟與管理研究，2020（8）：131-144.

[17]李紅英，楊建永，王炎.科技金融政策對企業(yè)的作用路徑研究——基于利益相關(guān)者視角[J].武漢金融，2020（4）：68-73.

[18]張林.金融發(fā)展、科技創(chuàng)新與實體經(jīng)濟增長——基于空間計量的實證研究[J].金融經(jīng)濟學研究，2016（1）：14-25.

[19]ArnerDW，BuckleyRP，ZetzscheDA，etal.Sustainability，F(xiàn)inTechandfinancialinclusion[J].EuropeanBusinessOrganizationLawReview，2020（1）：7-35.

[20]蔡則祥，武學強.新常態(tài)下金融服務實體經(jīng)濟發(fā)展效率研究——基于省級面板數(shù)據(jù)實證分析[J].經(jīng)濟問題，2017（10）：14-25.

[21]李紅，謝娟娟.金融發(fā)展、企業(yè)融資約束與投資效率——基于2002—2013年上市企業(yè)面板數(shù)據(jù)的經(jīng)驗研究[J].南開經(jīng)濟研究，2018（4）：36-52.

[22]莊雷，王燁.金融科技創(chuàng)新對實體經(jīng)濟發(fā)展的影響機制研究[J].軟科學，2019（2）：43-46.

[23]SarkarJ，SarkarS.Largeshareholderactivismincorporategovernanceindevelopingcountries：evidencefromIndia[J].InternationalReviewofFinance，2000（3）：161-194.

[24]DengL，ZhaoY.Investmentlag，financiallyconstraintsandcompanyvalue—evidencefromChina[J].EmergingMarketsFinanceandTrade，2022（1）：1-14.

[25]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟學（季刊），2020（4）：1401-1418.

[26]RoodmanD.Anoteonthethemeoftoomanyinstruments[J].OxfordBulletinofEconomicsandStatistics，2009（1）：135-158.

[27]ArellanoM，BondS.Sometestsofspecificationforpaneldata：MonteCarloevidenceandanapplicationtoemploymentequations[J].TheReviewofEconomicStudies，1991（2）：277-297.