數(shù)字金融發(fā)展、金融錯(cuò)配與企業(yè)杠桿率

■王澎涵，范 瑞

一、引言與文獻(xiàn)綜述

2008年全球金融危機(jī)發(fā)生以來(lái)，實(shí)體經(jīng)濟(jì)部門的杠桿率從2008年的143.6%上升至2020年的267.3%，企業(yè)部門的杠桿率顯著高于其他主要經(jīng)濟(jì)體。企業(yè)層面的微觀債務(wù)水平和杠桿率的過(guò)快增長(zhǎng)導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)的累積，一旦企業(yè)經(jīng)營(yíng)困難或破產(chǎn)，產(chǎn)生連鎖反應(yīng)，容易引發(fā)金融危機(jī)與經(jīng)濟(jì)危機(jī)，企業(yè)高杠桿率問(wèn)題也引發(fā)了IMF、BIS 等國(guó)際金融組織對(duì)中國(guó)債務(wù)風(fēng)險(xiǎn)的警示。但近年來(lái)，降低企業(yè)杠桿率的措施收效甚微，中國(guó)面臨著貨幣增長(zhǎng)率放緩、經(jīng)濟(jì)杠桿率上升的“杠桿率悖論”。所以，如何有效減緩企業(yè)部門杠桿率的上升，對(duì)于促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展和規(guī)避系統(tǒng)性金融風(fēng)險(xiǎn)的累積具有重要意義。

隨著數(shù)字金融的不斷發(fā)展，學(xué)者從不同角度考察數(shù)字金融對(duì)于企業(yè)杠桿率的影響。唐松等（2020）認(rèn)為，數(shù)字金融改善了企業(yè)的外部融資環(huán)境，增強(qiáng)企業(yè)經(jīng)營(yíng)能力，使企業(yè)降低對(duì)融資的主動(dòng)性需求，有助于企業(yè)降杠桿。俞毛毛等（2022）認(rèn)為，數(shù)字金融在一定程度上彌補(bǔ)了傳統(tǒng)金融服務(wù)的不足，拓寬金融服務(wù)范圍，為企業(yè)緩解融資約束提供便利。由融資約束理論可知，企業(yè)所面臨融資約束程度的緩解，可有效保障其生產(chǎn)和投資需求，所產(chǎn)生的盈余運(yùn)用于償還負(fù)債，進(jìn)而降低其杠桿水平。數(shù)字金融發(fā)展提升企業(yè)金融可得性的同時(shí)，有效壓縮了金融服務(wù)價(jià)格。數(shù)字金融對(duì)于傳統(tǒng)金融行業(yè)造成一定的沖擊，互聯(lián)網(wǎng)金融公司的涌現(xiàn)和傳統(tǒng)金融行業(yè)信息化進(jìn)程加劇金融行業(yè)的競(jìng)爭(zhēng)（Goldstein et al.，2019），倒逼金融機(jī)構(gòu)降低其產(chǎn)品服務(wù)價(jià)格，提供更高質(zhì)量、低成本的金融服務(wù)（Omarini，2018），緩解企業(yè)負(fù)擔(dān)高額的融資成本從而陷入財(cái)務(wù)困境的可能性（馬文婷等，2021）。此外，在企業(yè)治理方面，委托代理理論表明信息不對(duì)稱容易造成企業(yè)的“短視行為”，企業(yè)經(jīng)營(yíng)者具有利用企業(yè)資源進(jìn)行自身牟利及投機(jī)動(dòng)機(jī)，企業(yè)業(yè)務(wù)的數(shù)字化能夠加強(qiáng)企業(yè)的內(nèi)部控制，提升企業(yè)經(jīng)營(yíng)及投融資行為的透明度，弱化管理層以高杠桿進(jìn)行投機(jī)的行為（趙芮和曹廷貴，2022）。

從上述論述中可以看出，現(xiàn)有文獻(xiàn)研究數(shù)字金融對(duì)企業(yè)杠桿率的影響主要從企業(yè)金融可得性、企業(yè)財(cái)務(wù)困境、企業(yè)治理與經(jīng)營(yíng)能力的角度考察降低企業(yè)杠桿率的機(jī)制。但本文認(rèn)為，金融錯(cuò)配是數(shù)字金融影響企業(yè)杠桿率的重要中介渠道。傳統(tǒng)金融模式下，國(guó)有企業(yè)與大型企業(yè)缺乏較為良好的投資與成長(zhǎng)機(jī)會(huì)，卻占有大量低息的信貸資源，而成長(zhǎng)性較高、效益較好的中小企業(yè)與民營(yíng)企業(yè)往往面臨著“融資難”“融資貴”的問(wèn)題（龔強(qiáng)等，2021）。金融資源在不同所有制屬性和規(guī)模的企業(yè)之間存在低效率配置，存在較為嚴(yán)重的金融資源錯(cuò)配。

二、研究假設(shè)

中國(guó)長(zhǎng)期以來(lái)的金融錯(cuò)配使國(guó)有企業(yè)、大型企業(yè)受到程度較小的融資約束。在缺乏良好實(shí)體經(jīng)濟(jì)投資機(jī)會(huì)的情況下，國(guó)有企業(yè)、大型企業(yè)具有較強(qiáng)動(dòng)機(jī)持有銀行的低息貸款從事影子銀行業(yè)務(wù)，以賺取資本利差，造成具有資金獲取優(yōu)勢(shì)企業(yè)的杠桿率居高不下，資金獲取優(yōu)勢(shì)企業(yè)與中小企業(yè)之間基于商業(yè)信用、地下借貸等形式金融漏損行為使信貸中介鏈條被延長(zhǎng)。原本僅有商業(yè)銀行對(duì)接需求末端企業(yè)的借貸模式，信貸資金經(jīng)過(guò)一層甚至多層影子銀行信貸中介，直至真正對(duì)資金有需求的企業(yè)，處于信貸鏈條中的每一個(gè)企業(yè)都被加了債務(wù)杠桿。因此，金融錯(cuò)配所引致的資金獲取優(yōu)勢(shì)企業(yè)的影子銀行化，使企業(yè)部門杠桿率攀升（韓珣和李建軍，2020）。信貸中介鏈條的冗雜化使資金流需求終端的企業(yè)承擔(dān)較高的借貸成本（郭強(qiáng)等，2019），導(dǎo)致企業(yè)陷入財(cái)務(wù)困境的可能性增加，無(wú)法以自有盈利償還負(fù)債。高額的財(cái)務(wù)困境成本會(huì)導(dǎo)致企業(yè)杠桿率攀升。由于政府隱性背書(shū)、國(guó)有企業(yè)與大型企業(yè)的貸款存在預(yù)算軟約束、金融市場(chǎng)“規(guī)模歧視”與“所有制歧視”的存在，在貸款投放非市場(chǎng)化的背景下，部分僵尸企業(yè)甚至能優(yōu)先獲得顯著低于市場(chǎng)利率的貸款，其對(duì)于資金使用成本不敏感，金融資源使用效率較為低下，部分企業(yè)所產(chǎn)生的收益甚至無(wú)法償還本金與利息，導(dǎo)致企業(yè)杠桿率居高不下。而盈利性較強(qiáng)、成長(zhǎng)性較高的中小企業(yè)與民營(yíng)企業(yè)獲得的金融資源與其特征不匹配（王韌和張奇佳，2020）。因此，金融錯(cuò)配是影響企業(yè)杠桿率的重要因素。故提出研究假設(shè)1。

假設(shè)1：金融資源錯(cuò)配程度越高，企業(yè)杠桿率相對(duì)越高。

基于前文論述及假設(shè)，金融資源錯(cuò)配推高了企業(yè)部門的杠桿水平。那么，數(shù)字金融如何通過(guò)對(duì)金融錯(cuò)配施加影響，進(jìn)而間接作用于企業(yè)杠桿呢？

第一，數(shù)字金融有效地抑制了影子銀行業(yè)務(wù)。影子銀行業(yè)務(wù)一定程度上由金融市場(chǎng)運(yùn)行的低效率即金融錯(cuò)配而產(chǎn)生。國(guó)有企業(yè)與大型企業(yè)具有資金獲取優(yōu)勢(shì)，在其不具有較好投資機(jī)會(huì)的情況下，利用銀行的低息借款進(jìn)行影子銀行業(yè)務(wù)，以商業(yè)信用、地下借貸等形式實(shí)現(xiàn)銀行貸款資金的二次配置，收取高額利差，導(dǎo)致信貸鏈條被延長(zhǎng)，增加了信貸供給的中間環(huán)節(jié)，推高需求終端企業(yè)的融資成本。數(shù)字金融的應(yīng)用從兩方面抑制國(guó)有企業(yè)與大型企業(yè)的影子銀行業(yè)務(wù)：首先，數(shù)字金融的發(fā)展使企業(yè)的金融可得性得到提升，促進(jìn)資金需求終端的企業(yè)能夠從正規(guī)金融渠道獲得定價(jià)合理的貸款，有效抑制影子銀行業(yè)務(wù)，國(guó)有企業(yè)及大型企業(yè)持有低息銀行貸款從事影子銀行業(yè)務(wù)的意愿下降，進(jìn)而降低其杠桿率。因此，數(shù)字金融的發(fā)展有效降低了處于信貸中介鏈條企業(yè)的杠桿率。其次，數(shù)字金融有效降低金融機(jī)構(gòu)與企業(yè)之間的信息不對(duì)稱。若企業(yè)從事影子銀行業(yè)務(wù)，資金流動(dòng)數(shù)據(jù)會(huì)被金融機(jī)構(gòu)的大數(shù)據(jù)平臺(tái)所收集，人工智能技術(shù)能夠監(jiān)測(cè)和預(yù)警企業(yè)異常的資金流，有助于金融機(jī)構(gòu)進(jìn)行資金監(jiān)管，抑制企業(yè)的影子銀行業(yè)務(wù)，緩解金融錯(cuò)配。

第二，數(shù)字金融提升企業(yè)的信息披露程度。信息不對(duì)稱所引發(fā)的逆向選擇和道德風(fēng)險(xiǎn)是企業(yè)難以獲得貸款的重要因素。中小企業(yè)信息披露程度相對(duì)較差，數(shù)字金融基礎(chǔ)設(shè)施的建設(shè)為企業(yè)信息披露創(chuàng)造便利，激勵(lì)企業(yè)主動(dòng)向外界披露其財(cái)務(wù)狀況（Liu，2015）。金融機(jī)構(gòu)能夠獲取企業(yè)實(shí)際經(jīng)營(yíng)狀況、實(shí)時(shí)資金運(yùn)用等信息，使金融機(jī)構(gòu)具有足夠的“軟信息”綜合評(píng)估債務(wù)人的還款能力（馬文婷等，2021）。這能夠降低金融機(jī)構(gòu)對(duì)企業(yè)提供信貸時(shí)的信息搜集成本與評(píng)估成本，緩解金融機(jī)構(gòu)的“惜貸”行為。

第三，數(shù)字金融降低金融機(jī)構(gòu)的監(jiān)管成本。在傳統(tǒng)金融模式下，商業(yè)銀行針對(duì)中小企業(yè)的零售業(yè)務(wù)具有單筆金額小、數(shù)量龐大的特征，對(duì)中小企業(yè)資金使用的監(jiān)管成本較高，因此，加劇了中小企業(yè)“融資難”“融資貴”的問(wèn)題。而數(shù)字金融具有運(yùn)營(yíng)成本低、觸達(dá)能力強(qiáng)、監(jiān)管便捷的特征（張禮卿和吳桐，2019），其外部經(jīng)濟(jì)效應(yīng)、規(guī)模效應(yīng)、范圍效應(yīng)能夠降低金融機(jī)構(gòu)對(duì)于中小企業(yè)的監(jiān)管成本，同時(shí)緩解了中小企業(yè)的借貸成本。具體來(lái)看，數(shù)字金融的區(qū)塊鏈技術(shù)可確保交易記錄透明安全，方便金融機(jī)構(gòu)追蹤鏈上交易，快速定位高風(fēng)險(xiǎn)資金流向。企業(yè)和金融機(jī)構(gòu)以信息流為牽引，利用金融機(jī)構(gòu)大數(shù)據(jù)信息平臺(tái)與預(yù)警系統(tǒng)，可以實(shí)時(shí)監(jiān)測(cè)企業(yè)貸款資金的流向，以保障資金的安全性，降低企業(yè)的道德風(fēng)險(xiǎn)。

第四，數(shù)字金融能夠優(yōu)化金融資源配置。依據(jù)前文所述，數(shù)字金融的發(fā)展緩解了金融機(jī)構(gòu)與成長(zhǎng)性較高的中小企業(yè)之間的信息不對(duì)稱。在傳統(tǒng)金融模式下難以搜集企業(yè)的“軟信息”，而隨著數(shù)字金融的發(fā)展，金融機(jī)構(gòu)大數(shù)據(jù)平臺(tái)的建設(shè)，以低成本搜集企業(yè)“軟信息”成為可能，成為與企業(yè)“硬信息”同等重要的信貸決策依據(jù)，“規(guī)模歧視”與“所有制歧視”有所緩解。具體來(lái)看，數(shù)字金融中的底層加密技術(shù)使信息無(wú)法被篡改，能夠確保企業(yè)存貨、現(xiàn)金流、銷售額等經(jīng)營(yíng)信息的真實(shí)性，向金融機(jī)構(gòu)傳達(dá)有關(guān)企業(yè)成長(zhǎng)性與盈利能力的信號(hào)，進(jìn)而幫助優(yōu)質(zhì)的中小企業(yè)能夠以合理的風(fēng)險(xiǎn)定價(jià)利率獲得貸款（Chod et al.，2020）。因此，數(shù)字金融的發(fā)展與應(yīng)用，促使金融機(jī)構(gòu)從依據(jù)企業(yè)規(guī)模與所有制屬性轉(zhuǎn)化為依據(jù)企業(yè)成長(zhǎng)性與盈利水平等多維度作為選擇信貸對(duì)象的考量，將效益較差的國(guó)有企業(yè)與大型企業(yè)的貸款資金抽離，配置到效益較好、成長(zhǎng)性較高的中小企業(yè)和民營(yíng)企業(yè)，有助于提升企業(yè)的貸款償還能力，降低借貸對(duì)象陷入財(cái)務(wù)困境、貸款轉(zhuǎn)變?yōu)椤敖┦髽I(yè)貸款”此類企業(yè)杠桿累積的可能性。故提出研究假設(shè)2與假設(shè)3。

假設(shè)2：數(shù)字金融的發(fā)展能夠緩解金融資源錯(cuò)配。

假設(shè)3：數(shù)字金融的發(fā)展使企業(yè)杠桿率有所下降。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)選取

依據(jù)陳衛(wèi)東和熊啟躍（2017）的研究，自2008年以來(lái)，非金融上市企業(yè)的資產(chǎn)和負(fù)債分別占所有非金融企業(yè)的資產(chǎn)和負(fù)債10%左右，且絕大多數(shù)年份的負(fù)債占比均高于資產(chǎn)占比，說(shuō)明非金融上市企業(yè)杠桿率相對(duì)較高，具有較強(qiáng)代表性。考慮到數(shù)據(jù)可得性，選取A股上市公司作為研究樣本，剔除金融類上市公司、掛牌ST或ST*企業(yè)，剔除企業(yè)年齡或上市市齡小于0 的異常樣本觀測(cè)值。為提高數(shù)據(jù)完整度與質(zhì)量，企業(yè)數(shù)據(jù)來(lái)源于CSMAR 國(guó)泰安數(shù)據(jù)庫(kù)和Wind 金融數(shù)據(jù)庫(kù)，區(qū)域數(shù)據(jù)來(lái)源于城市統(tǒng)計(jì)年鑒，城市數(shù)字金融發(fā)展水平來(lái)源于北京大學(xué)數(shù)字金融研究中心發(fā)布的數(shù)字金融指數(shù)。為避免極端值對(duì)實(shí)證結(jié)果的影響，對(duì)連續(xù)變量上下1%的極端值作縮尾處理，最終得到2011—2018年20945 個(gè)樣本數(shù)據(jù)。

（二）模型設(shè)定與變量說(shuō)明

為檢驗(yàn)數(shù)字金融發(fā)展與企業(yè)杠桿率的關(guān)系，建立模型1：

其中，i 代表企業(yè)，c 代表城市，t 代表年度。被解釋變量lev 衡量企業(yè)的杠桿率，采用企業(yè)負(fù)債總額與資產(chǎn)總額的比值。DF表示數(shù)字金融地市級(jí)指數(shù)，是核心解釋變量。若其系數(shù)β顯著大于0，說(shuō)明數(shù)字金融發(fā)展對(duì)企業(yè)杠桿率的提升有促進(jìn)作用；若β顯著小于0，說(shuō)明數(shù)字金融發(fā)展能夠抑制企業(yè)杠桿率。control 是一系列控制變量，包含可能影響企業(yè)杠桿率的其他因素：在微觀企業(yè)層面，選取企業(yè)規(guī)模（size）、現(xiàn)金持有水平（cfo）、企業(yè)成長(zhǎng)性（grow）、企業(yè)盈利能力（roe）等變量；在宏觀層面，選取M2 增長(zhǎng)率與企業(yè)所屬城市GDP增長(zhǎng)率作為控制變量。詳細(xì)的變量定義如表1 所示。此外，θ表示企業(yè)所屬行業(yè)的固定效應(yīng)，用來(lái)捕捉企業(yè)所屬行業(yè)不隨時(shí)間改變的異質(zhì)性特征，降低模型遺漏解釋變量的可能性。λ表示年度固定效應(yīng)，用于控制某些隨時(shí)間變化的、不可觀測(cè)的、影響企業(yè)杠桿率的因素。ε為殘差項(xiàng)。

表1 變量定義

為檢驗(yàn)數(shù)字金融發(fā)展與金融錯(cuò)配的關(guān)系，構(gòu)建模型2：

其中，F(xiàn)M表示企業(yè)層面的金融錯(cuò)配，其測(cè)度方法參考邵挺（2010）的研究。先求出企業(yè)的資本成本，用企業(yè)利息支出與總負(fù)債扣除應(yīng)付賬款的比值衡量；接著求出企業(yè)所在行業(yè)平均資本成本；最后，以企業(yè)資金成本與企業(yè)所在行業(yè)平均資本成本相減以衡量企業(yè)層面的金融錯(cuò)配程度。系數(shù)Φ衡量數(shù)字金融發(fā)展與金融錯(cuò)配的關(guān)系，如果Φ顯著為正，說(shuō)明數(shù)字金融發(fā)展會(huì)進(jìn)一步加劇金融錯(cuò)配；若Φ顯著為負(fù)，說(shuō)明數(shù)字金融發(fā)展會(huì)緩解金融錯(cuò)配程度。其余變量定義與上述一致。

為驗(yàn)證假設(shè)1，即金融錯(cuò)配程度與企業(yè)杠桿率的關(guān)系，并進(jìn)一步檢驗(yàn)金融錯(cuò)配是否為數(shù)字金融作用于企業(yè)杠桿率的中介渠道，構(gòu)建模型（3），將金融錯(cuò)配FM 加入解釋變量。參考溫忠麟和葉寶娟（2014）的研究，若模型（1）中的β、模型（2）中的Φ與模型（3）中的η顯著，說(shuō)明金融錯(cuò)配是數(shù)字金融作用于企業(yè)杠桿率的中介渠道。

（三）描述性統(tǒng)計(jì)

表2 報(bào)告了主要變量的統(tǒng)計(jì)特征。從表中可以看出，企業(yè)杠桿率最大值為93.690，最小值為4.666，均值為42.031，這說(shuō)明企業(yè)之間的杠桿率水平存在較大差異。對(duì)于數(shù)字金融指數(shù)，通過(guò)觀測(cè)其均值、最小值、最大值發(fā)現(xiàn)存在較為明顯的地區(qū)差異，數(shù)字金融在不同區(qū)域的發(fā)展水平較為不均衡。關(guān)于金融錯(cuò)配程度FM，最大值為6.286，最小值為-3.492，均值為-0.047，通過(guò)對(duì)比趙曉鴿等（2021）的研究，金融錯(cuò)配FM在企業(yè)之間也呈現(xiàn)出明顯的差異化。

表2 描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果與分析

（一）基準(zhǔn)回歸結(jié)果

基準(zhǔn)回歸中使用面板固定效應(yīng)模型，在回歸中控制了行業(yè)和年份的固定效應(yīng)，并使用異方差穩(wěn)健標(biāo)準(zhǔn)誤，結(jié)果如表3 所示。表3 列（1）為企業(yè)杠桿率對(duì)數(shù)字金融發(fā)展指數(shù)的回歸結(jié)果，數(shù)字金融發(fā)展指數(shù)的系數(shù)為-0.025，在10%的顯著性水平下顯著。說(shuō)明數(shù)字金融發(fā)展對(duì)企業(yè)杠桿率存在顯著的負(fù)向效應(yīng)，數(shù)字金融發(fā)展指數(shù)每上升100個(gè)單位，該地區(qū)企業(yè)杠桿率平均下降2.5%。這是一個(gè)非?？捎^的降低作用，具有顯著的經(jīng)濟(jì)意義，即數(shù)字金融發(fā)展有助于降低企業(yè)杠桿率，假設(shè)3得到驗(yàn)證。

表3 基準(zhǔn)回歸與中介效應(yīng)分析

續(xù)表3

（二）中介機(jī)制分析

考慮到數(shù)字金融的發(fā)展可能緩解金融資源錯(cuò)配，故從金融錯(cuò)配視角切入，以金融錯(cuò)配作為中介變量，利用中介效應(yīng)模型進(jìn)行分析，回歸結(jié)果如表3 所示。從列（2）可以看出，數(shù)字金融指數(shù)在1%的顯著性水平上顯著為負(fù)，說(shuō)明數(shù)字金融發(fā)展能夠有效緩解金融錯(cuò)配，研究假設(shè)2 成立。將金融錯(cuò)配變量加入基準(zhǔn)回歸模型中，得到實(shí)證結(jié)果如列（3）所示。金融錯(cuò)配變量的系數(shù)為正，在1%的顯著性水平顯著，說(shuō)明金融錯(cuò)配程度的提高促使企業(yè)杠桿率有所提升，研究假設(shè)1 成立。從表3 中可以看出，sobel 檢驗(yàn)與bootstrap檢驗(yàn)均顯示中介效應(yīng)機(jī)制顯著，且中介效應(yīng)約占總效應(yīng)的21%。

五、異質(zhì)性分析

（一）所有制屬性的異質(zhì)性分析

2018年4月，中央財(cái)經(jīng)委員會(huì)第一次會(huì)議提出結(jié)構(gòu)性去杠桿，要降低國(guó)有企業(yè)部門的不合理杠桿，防止風(fēng)險(xiǎn)累積。在降低企業(yè)杠桿率的同時(shí)，更應(yīng)注重結(jié)構(gòu)性去杠桿，中國(guó)企業(yè)部門債務(wù)的2/3以上聚集在國(guó)有企業(yè)，因此，有效降低國(guó)有企業(yè)杠桿率，是結(jié)構(gòu)性去杠桿的重要攻堅(jiān)任務(wù)。如果一味地追求總量去杠桿，而不注重結(jié)構(gòu)性去杠桿，最終導(dǎo)致在降低效益較差企業(yè)杠桿時(shí)，“一刀切”地限制一些優(yōu)質(zhì)企業(yè)的盈利與發(fā)展機(jī)會(huì)。因此，進(jìn)一步考察數(shù)字金融的發(fā)展能否有助于結(jié)構(gòu)性去杠桿，將企業(yè)樣本按照所有制屬性劃分為國(guó)有企業(yè)與民營(yíng)企業(yè)兩個(gè)組別，分別進(jìn)行回歸。從表4列（1）和列（2）可以看出，數(shù)字金融的發(fā)展對(duì)于國(guó)有企業(yè)杠桿率的下降有顯著效果，對(duì)于民營(yíng)企業(yè)杠桿率無(wú)顯著影響。數(shù)字金融發(fā)展對(duì)國(guó)有企業(yè)影子銀行業(yè)務(wù)的“擠出假說(shuō)”得到驗(yàn)證。

表4 基于所有制屬性與是否所屬產(chǎn)能過(guò)剩行業(yè)的異質(zhì)性分析

（二）是否所屬產(chǎn)能過(guò)剩行業(yè)的異質(zhì)性分析

自2015年中央提出“三去一降一補(bǔ)”至2021年政府工作報(bào)告明確指出要繼續(xù)完成“三去一降一補(bǔ)”任務(wù)，如何有效地針對(duì)產(chǎn)能過(guò)剩行業(yè)去杠桿顯得更為迫切，也是結(jié)構(gòu)性去杠桿的應(yīng)有之義。本文將煤炭、玻璃、鋼鐵、水泥、鋁、房地產(chǎn)、船舶、風(fēng)電八種行業(yè)定義為產(chǎn)能過(guò)剩行業(yè)，分樣本進(jìn)行分析，以觀察數(shù)字金融發(fā)展是否有助于產(chǎn)能過(guò)剩行業(yè)的去杠桿。從表4列（3）和列（4）可以看出，對(duì)于產(chǎn)能過(guò)剩行業(yè)的企業(yè)樣本，數(shù)字金融指數(shù)的系數(shù)顯著為負(fù)，說(shuō)明數(shù)字金融的發(fā)展對(duì)于所屬產(chǎn)能過(guò)剩行業(yè)的企業(yè)去杠桿較為有效，觀察所屬其他行業(yè)的企業(yè)樣本，數(shù)字金融指數(shù)的系數(shù)不顯著。在信息采集上，利用大數(shù)據(jù)平臺(tái)和人工智能，從海量數(shù)據(jù)中快速抓取和捕捉有效信息，通過(guò)物聯(lián)網(wǎng)與區(qū)塊鏈實(shí)現(xiàn)溯源管理和遠(yuǎn)程監(jiān)控，將不符合國(guó)家政策、產(chǎn)能過(guò)剩的行業(yè)排除在可貸范圍之外，有助于降低相關(guān)企業(yè)的杠桿率。

（三）企業(yè)規(guī)模的異質(zhì)性分析

長(zhǎng)期以來(lái)，由于信息技術(shù)發(fā)展不足、企業(yè)披露不充分、金融市場(chǎng)較為不發(fā)達(dá)等原因，商業(yè)銀行等金融機(jī)構(gòu)在向企業(yè)貸款時(shí)，偏好于運(yùn)用“硬信息”以衡量企業(yè)信用風(fēng)險(xiǎn)，這些“硬信息”主要包括企業(yè)營(yíng)業(yè)收入、可抵押資產(chǎn)、信用記錄等。金融機(jī)構(gòu)對(duì)“硬信息”的偏好使中小企業(yè)難以獲得金融服務(wù)，相對(duì)地，大型企業(yè)具有較為充足的資金來(lái)源。但隨著數(shù)字金融的發(fā)展，商業(yè)銀行利用“軟信息”進(jìn)行風(fēng)險(xiǎn)建模及作為決策依據(jù)成為可能。與“硬信息”不同，大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)的發(fā)展將企業(yè)經(jīng)營(yíng)狀況與風(fēng)險(xiǎn)狀況“實(shí)時(shí)化”“細(xì)致化”，大數(shù)據(jù)技術(shù)能夠?qū)崟r(shí)錄入企業(yè)貨物流通信息、創(chuàng)新支出、資金流動(dòng)等“軟信息”，緩解借貸雙方的信息不對(duì)稱。金融機(jī)構(gòu)利用云計(jì)算、人工智能技術(shù)對(duì)實(shí)時(shí)的企業(yè)行為數(shù)據(jù)和實(shí)際經(jīng)營(yíng)狀況進(jìn)行風(fēng)險(xiǎn)建模和評(píng)估，制定較為合理的風(fēng)險(xiǎn)定價(jià)。金融機(jī)構(gòu)決策理念從單純依賴“硬信息”轉(zhuǎn)化為“硬信息”與“軟信息”多個(gè)維度優(yōu)化信息決策框架，企業(yè)規(guī)模作為貸款決策依據(jù)的權(quán)重有所下降。因此，依據(jù)每個(gè)年度企業(yè)規(guī)模的中位數(shù)將樣本劃分為大規(guī)模企業(yè)和小規(guī)模企業(yè)。如果t年樣本觀測(cè)值的企業(yè)規(guī)模大于t年企業(yè)規(guī)模的中位數(shù)，劃分為大規(guī)模企業(yè)；反之，劃分為小規(guī)模企業(yè)。回歸結(jié)果如表5 列（1）和列（2）所示，大規(guī)模企業(yè)樣本的回歸中，數(shù)字金融指數(shù)的系數(shù)為-0.035，在5%的顯著性水平顯著，說(shuō)明數(shù)字金融每上升100 點(diǎn)指數(shù)，大規(guī)模企業(yè)的杠桿率平均下降3.5%。相對(duì)而言，小規(guī)模企業(yè)樣本的回歸中，數(shù)字金融發(fā)展對(duì)小規(guī)模企業(yè)的杠桿率沒(méi)有顯著影響。說(shuō)明數(shù)字金融的發(fā)展使大型企業(yè)的杠桿率有所下降，前文的理論分析得到驗(yàn)證。

表5 企業(yè)規(guī)模與企業(yè)盈利的異質(zhì)性分析

（四）企業(yè)盈利能力的異質(zhì)性分析

數(shù)字金融的發(fā)展能夠有效降低大型企業(yè)的杠桿率，但大型企業(yè)不一定盈利較低。為進(jìn)一步檢驗(yàn)數(shù)字金融的降杠桿作用，將企業(yè)盈利能力（roe）作為劃分依據(jù)，以每個(gè)年度企業(yè)roe的中位數(shù)進(jìn)行劃分。如果t年樣本觀測(cè)值的roe大于t年企業(yè)roe 的中位數(shù)，則劃分為盈利能力較高的企業(yè)；反之，劃分為盈利能力較低的企業(yè)。進(jìn)行分樣本回歸，回歸結(jié)果如表5 列（3）和列（4）所示。從高盈利企業(yè)樣本組中可以看出，數(shù)字金融指數(shù)的系數(shù)為-0.039，在1%的顯著性水平上顯著為負(fù)，數(shù)字金融指數(shù)每上升100 點(diǎn)，盈利能力較強(qiáng)的企業(yè)杠桿率平均降低3.9%。在低盈利企業(yè)樣本組中，數(shù)字金融指數(shù)的系數(shù)為-0.052，在1%的顯著性水平上顯著，數(shù)字金融指數(shù)每上升100點(diǎn)，盈利能力較差的企業(yè)杠桿率平均下降5.2%。綜合來(lái)看，數(shù)字金融發(fā)展對(duì)于盈利能力較差企業(yè)的去杠桿作用更強(qiáng)，有助于推進(jìn)結(jié)構(gòu)化去杠桿，優(yōu)化金融機(jī)構(gòu)的貸款決策，將金融資源從盈利能力較差的企業(yè)剝離，并相對(duì)地將金融資源配置到盈利能力較強(qiáng)的企業(yè)。

六、內(nèi)生性檢驗(yàn)

（一）工具變量法

核心解釋變量數(shù)字金融指數(shù)屬于宏觀變量，受到企業(yè)層面的杠桿率影響的可能性較小，但仍然可能存在遺漏變量使得回歸結(jié)果出現(xiàn)偏誤所導(dǎo)致的內(nèi)生性問(wèn)題。因此，使用工具變量法以檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖趦?nèi)生性問(wèn)題?？紤]到北京大學(xué)數(shù)字金融指數(shù)是基于螞蟻集團(tuán)旗下金融產(chǎn)品所產(chǎn)生的海量數(shù)據(jù)，其金融產(chǎn)品呈現(xiàn)出與杭州越遠(yuǎn)推廣難度越大的特征。因此，參考傅秋子和黃益平（2018）的做法，選取“企業(yè)所在地級(jí)市與杭州市的球面距離”作為工具變量。第一，地級(jí)市與位于杭州市螞蟻集團(tuán)的距離，一定程度上代表其數(shù)字金融產(chǎn)品的推廣難度，數(shù)字金融產(chǎn)品的推廣難度與當(dāng)?shù)財(cái)?shù)字金融的發(fā)展水平直接相關(guān)，符合相關(guān)性假設(shè)；第二，企業(yè)所在城市與杭州的距離對(duì)于企業(yè)杠桿率無(wú)直接影響，滿足外生性假設(shè)。表6報(bào)告了工具變量的回歸結(jié)果，從表中列（1）可以看出，數(shù)字金融指數(shù)的系數(shù)在1%的顯著性水平上顯著為負(fù)，與前述基準(zhǔn)回歸的結(jié)果基本一致。

（二）兩階段系統(tǒng)GMM

由于企業(yè)杠桿率可能取決于其“慣性”，即可能受到其滯后變量的影響，將滯后1期的企業(yè)杠桿率變量作為解釋變量設(shè)置動(dòng)態(tài)面板模型（4）：

使用兩步系統(tǒng)GMM對(duì)模型（4）進(jìn)行估計(jì)，其中，將所有變量視為內(nèi)生變量，將年度虛擬變量與企業(yè)所屬行業(yè)虛擬變量視為外生變量，并采用lev、企業(yè)成長(zhǎng)性（grow）、管理費(fèi)用（adfare）三個(gè)變量的滯后項(xiàng)作為GMM 型工具變量，兩階段系統(tǒng)GMM 回歸結(jié)果如表6 列（2）所示。數(shù)字金融發(fā)展指數(shù)的系數(shù)顯著為負(fù)，與前文基準(zhǔn)回歸結(jié)果基本一致。觀察相關(guān)統(tǒng)計(jì)量，兩階段系統(tǒng)GMM通過(guò)自相關(guān)檢驗(yàn)與過(guò)度識(shí)別檢驗(yàn)。

表6 內(nèi)生性檢驗(yàn)

續(xù)表6

（三）傾向得分匹配①限于篇幅，結(jié)果留存?zhèn)渌鳌?/h3>

為進(jìn)一步檢驗(yàn)基準(zhǔn)回歸得到的結(jié)論是否存在較為嚴(yán)重的內(nèi)生性問(wèn)題，利用傾向得分匹配方法計(jì)算出每個(gè)年度城市層面數(shù)字金融指數(shù)的中位數(shù)，將屬于該年度的數(shù)字金融指數(shù)按是否大于該年度數(shù)字金融指數(shù)的中位數(shù)劃分。若大于中位數(shù)，則將該年屬于此城市的企業(yè)樣本觀測(cè)值劃分為處理組；若小于中位數(shù)，則將該年屬于此城市的企業(yè)樣本觀測(cè)值劃分為對(duì)照組。同時(shí)，選取企業(yè)規(guī)模（size）、現(xiàn)金持有水平（cfo）、企業(yè)成長(zhǎng)性（grow）、企業(yè)盈利能力（roe）、股權(quán)結(jié)構(gòu)（ownership）、管理費(fèi)用（adfare）、企業(yè)年齡（age）作為匹配變量。分別使用混合匹配與逐年匹配進(jìn)行檢驗(yàn)，結(jié)論與本文基準(zhǔn)回歸結(jié)果一致。

七、穩(wěn)健性檢驗(yàn)②限于篇幅，結(jié)果留存?zhèn)渌鳌?/h2>

一是考慮到將控制變量滯后1 期可能會(huì)進(jìn)一步緩解內(nèi)生性問(wèn)題，將企業(yè)杠桿率對(duì)數(shù)字金融指數(shù)及滯后一期的控制變量進(jìn)行回歸。此外，數(shù)字金融發(fā)展對(duì)企業(yè)杠桿率的影響可能存在滯后，進(jìn)一步將數(shù)字金融指數(shù)滯后一期，進(jìn)行回歸。上述兩種方法得到的實(shí)證結(jié)果與前文基準(zhǔn)回歸結(jié)果一致。

二是由于本文選取的數(shù)據(jù)跨度包含2015年“股災(zāi)”金融沖擊事件，在穩(wěn)健性檢驗(yàn)中為排除這一事件可能對(duì)企業(yè)杠桿率產(chǎn)生的影響，將所屬2015年的數(shù)據(jù)剔除，進(jìn)行回歸。數(shù)字金融指數(shù)的系數(shù)顯著為負(fù)，驗(yàn)證本文前述回歸得到的結(jié)論較為穩(wěn)健。

三是為避免被解釋變量選取偏誤影響本文的回歸結(jié)果，對(duì)企業(yè)杠桿率的衡量標(biāo)準(zhǔn)替換后進(jìn)行分析，以檢驗(yàn)基準(zhǔn)回歸結(jié)論的穩(wěn)健性。王竹泉等（2019）認(rèn)為杠桿率應(yīng)當(dāng)反映金融與實(shí)體經(jīng)濟(jì)的關(guān)系，因此，計(jì)算杠桿率時(shí)應(yīng)當(dāng)在總負(fù)債與總資產(chǎn)中去除營(yíng)業(yè)性負(fù)債，即應(yīng)付賬款、應(yīng)付職工薪酬、應(yīng)付票據(jù)、預(yù)收賬款的總和。進(jìn)一步參考林愛(ài)杰等（2021）的研究，選取短期杠桿率與長(zhǎng)期杠桿率作為被解釋變量，其中短期杠桿率為流動(dòng)負(fù)債與總資產(chǎn)的比值，長(zhǎng)期杠桿率為非流動(dòng)負(fù)債與總資產(chǎn)的比值。以上述方法衡量被解釋變量進(jìn)行實(shí)證分析，結(jié)論與基準(zhǔn)回歸結(jié)果一致。

八、結(jié)論與建議

本文考察數(shù)字金融的發(fā)展對(duì)企業(yè)降杠桿的影響及內(nèi)在機(jī)理。通過(guò)實(shí)證研究得出以下結(jié)論：第一，數(shù)字金融的發(fā)展能夠有效降低企業(yè)杠桿水平。第二，通過(guò)機(jī)制分析發(fā)現(xiàn)，數(shù)字金融的發(fā)展能夠有效緩解金融錯(cuò)配，繼而對(duì)企業(yè)部門降杠桿發(fā)揮作用。第三，企業(yè)層面的異質(zhì)性分析表明，數(shù)字金融的發(fā)展更有助于降低國(guó)有企業(yè)、所屬產(chǎn)能過(guò)剩行業(yè)的企業(yè)、大型企業(yè)、盈利能力相對(duì)較差企業(yè)的杠桿率，在降低企業(yè)部門總體杠桿水平的同時(shí)，能夠優(yōu)化企業(yè)部門杠桿結(jié)構(gòu)，促進(jìn)企業(yè)部門結(jié)構(gòu)化去杠桿。

基于以上的研究結(jié)論，提出以下建議：第一，完善數(shù)字金融的監(jiān)管機(jī)制與功能。影子銀行業(yè)務(wù)導(dǎo)致借貸鏈條被延長(zhǎng)，提升企業(yè)部門的杠桿水平。數(shù)字金融中的區(qū)塊鏈技術(shù)具有交易信息可溯源、方便金融機(jī)構(gòu)追蹤鏈上交易的功能，能夠加強(qiáng)對(duì)影子銀行業(yè)務(wù)的監(jiān)管。因此，完善數(shù)字金融的監(jiān)管機(jī)制與功能，抑制金融錯(cuò)配所引致的影子銀行業(yè)務(wù)，具體措施有：一是促進(jìn)金融監(jiān)管部門數(shù)字化轉(zhuǎn)型，與金融機(jī)構(gòu)大數(shù)據(jù)平臺(tái)進(jìn)行對(duì)接，加強(qiáng)相互溝通與協(xié)作；二是推出能夠激勵(lì)金融機(jī)構(gòu)監(jiān)管影子銀行業(yè)務(wù)的措施；三是開(kāi)發(fā)拓展數(shù)字金融的監(jiān)管功能，提升預(yù)警機(jī)制與智能風(fēng)控模型的精確度。第二，商業(yè)銀行應(yīng)加快部署金融科技發(fā)展戰(zhàn)略，積極擁抱數(shù)字金融發(fā)展趨勢(shì)。商業(yè)銀行應(yīng)加強(qiáng)其信息技術(shù)平臺(tái)的建設(shè)，利用大數(shù)據(jù)、區(qū)塊鏈、人工智能等新型技術(shù)與其業(yè)務(wù)相結(jié)合，使其經(jīng)營(yíng)業(yè)務(wù)及數(shù)據(jù)獲取更加智能化，加強(qiáng)風(fēng)險(xiǎn)控制預(yù)警機(jī)制，提升風(fēng)險(xiǎn)管理水平。由于數(shù)字金融的發(fā)展對(duì)于低盈利、成長(zhǎng)性差的大型企業(yè)具有較強(qiáng)降杠桿作用，因此，著重開(kāi)發(fā)面向優(yōu)質(zhì)中小企業(yè)、民營(yíng)企業(yè)群體的數(shù)字金融產(chǎn)品，促進(jìn)授信策略由擔(dān)保驅(qū)動(dòng)模式轉(zhuǎn)化為信用驅(qū)動(dòng)模式，依據(jù)企業(yè)盈利能力與成長(zhǎng)性進(jìn)行貸款發(fā)放，緩解其“融資難”“融資貴”的困境，進(jìn)一步提升數(shù)字金融優(yōu)化資源配置的功能，緩解金融錯(cuò)配程度，進(jìn)而降低企業(yè)部門杠桿。第三，構(gòu)建多部門的信息共享平臺(tái)，打破數(shù)字鴻溝，促進(jìn)信息資源整合。在數(shù)字經(jīng)濟(jì)時(shí)代，大數(shù)據(jù)技術(shù)所收集企業(yè)部門的生產(chǎn)經(jīng)營(yíng)信息與居民的消費(fèi)信息都將成為金融機(jī)構(gòu)優(yōu)化決策的依據(jù)，數(shù)據(jù)作為信息載體已成為金融機(jī)構(gòu)的生產(chǎn)要素。中小企業(yè)的征信和信息披露，對(duì)中小企業(yè)相關(guān)信息的搜集成本和審核成本，對(duì)中小企業(yè)資金使用的監(jiān)管成本是金融錯(cuò)配的重要原因。而數(shù)字金融最基本的載體是信息流，信息資源具有非排他性與非競(jìng)用性特征。因此，要充分發(fā)揮信息資源的規(guī)模效應(yīng)和范圍效應(yīng)，促進(jìn)信息資源流通、共享與整合，最大程度發(fā)揮數(shù)字金融緩解金融錯(cuò)配、降低企業(yè)部門杠桿率的功能。